[發明專利]一種確定SM監測中LST/FVC空間的方法

有效

• 申請號: 201910931026.0
• 申請日: 2019-09-29
• 公開（公告）號: CN110658325B
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 孫灝
• 申請（專利權）人: 中國礦業大學（北京）
• 主分類號: G01N33/24
• 分類號: G01N33/24;G06F17/11
• 代理公司: 北京京萬通知識產權代理有限公司 11440
• 代理人: 齊曉靜

本申請提供了一種確定SM監測中LST/FVC空間的方法，該方法引入了Biome?BGC模型中平行阻抗的方式，計算干邊的溫度端元，簡化了干邊溫度的計算。此外，該方法還發展了一種確定濕邊溫度端元的逐步選擇法。通過計算土壤濕度指數，比較了本方法與傳統的理論計算方法。SAMPVEX12綜合實驗數據、MODIS遙感數據、以及NLDAS?2氣象數據被用于實驗研究，結果表明在監測土壤濕度的空間變化上，本申請的方法與之前存在的理論計算方法具有非常高的一致性。

技術領域

本發明涉及一種確定SM監測中LST/FVC空間的方法。

背景技術

土壤濕度(SM)是陸地表面蒸散(ET)和植被/作物生長的重要水源。它通過控制可利用能量對潛熱和顯熱通量的分配，以及降水對地表徑流和入滲的分配，在地表水和能量循環中發揮著重要作用。因此，它是廣泛應用的關鍵參數，如農業生產(Dobriyal等人2012)，干旱監測和預測(AghaKouchak等人2015；Sun等人2013)，水資源管理(Robinson等人，2008)，天氣預報(Dai，Trenberth和Qian2004)，以及氣候變化(Anderson等人2007；Petropoulos，Ireland和Barrett 2015)等。

遙感是一種在一定時間間隔內從區域尺度到全球尺度獲取空間分布的技術。基于遙感數據檢索SM的方法幾乎涵蓋了從可見波段到微波波段的整個光譜范圍(Petropoulos、Ireland和Barrett，2015年)。其中，基于微波波段特別是L波段的方法被認為是獲得SM的最佳選擇，因為波長更長并且與SM更直接相關(Petropoulos，Ireland和Barrett 2015；Peng等2017；Colliander等2017；Wu等2014；Administration 2014)。然而，基于可見光、近紅外和熱紅外波段的方法仍然很重要，因為它們通常具有較長的歷史，具有高時空分辨率和豐富的數據源。此外，光學/熱遙感數據是將微波SM數據空間分辨率提高到幾公里甚至幾十米的重要來源(Peng等人2017)。

遙感地表溫度和植被蓋度或光譜植被指數(LST/FVC)特征空間是用于從光學/熱遙感監測SM的概念模型。它可以簡單地表示為二維散點圖，其中水平軸是FVC從0到1變化，垂直軸是從潛在最小值到潛在最大值的LST(Land Surface Temperature，地表溫度)(Carlson 2007；Petropoulos等人2009；Sun2016)。潛在的最小值和最大值對應于陸地表面ET的兩個極端條件，其中前者處于飽和水供應而后者處于最大水壓力下。所有具有最大水應力的像素形成LST/FVC空間的上邊界(即干邊)，而具有飽和水供應的像素形成LST/FVC空間的下邊界(即濕邊)(Sun等人2017)。像素相對于LST/FVC空間中干邊和濕邊的位置是監測SM和進一步ET的變化的有力指標。例如，溫度植被干旱指數(TVDI)(Sandholt、Rasmussen和Andersen 2002)和植被溫度條件指數(VTCI)(Wang等人2001)是基于LST/FVC空間監測SM的兩個典型指標。此外，它對微波遙感觀測估算的降尺度粗分辨率SM也起著重要作用。例如，Merlin等人，提出了一種物理降尺度方法，即基于物理和理論尺度的分解(DISPATCH)，其中LST/FVC空間用于計算顯著的降尺度因子土壤蒸發效率(SEE)(Merlin等2012；Merlin等2013)。

將LST/FVC空間應用于SM監測的一個關鍵問題是確定干邊和濕邊。視覺識別和自動擬合是直接從遙感圖像本身確定干濕邊的兩種簡單方法。然而，它們對研究區域的要求非常苛刻，例如在該區域必須存在干濕邊條件下的像素，這通常是無法滿足(Tang、Li和Tang 2010)。而且它是經驗方法，具有經驗方法的所有特征。例如；依賴于場景，缺乏對其他區域的可轉移性，不能微調以及描述物理過程。除上述經驗方法外，Moran等(1994)，Long等(2012)，Sun等(2016年、2017年)還有三種典型的理論計算方法。