《RS在生态水文模型中的应用蒸散遥感课件.ppt》由会员分享，可在线阅读，更多相关《RS在生态水文模型中的应用蒸散遥感课件.ppt（43页珍藏版）》请在三一办公上搜索。
1、,RS在生态水文模型中的应用 -蒸散遥感,Application of Remote Sensing in Ecohydrology model: Evapotranspiration Estimation,邱建秀学号：201928006010008地理科学与资源研究所,I. 遥感与蒸散发,蒸散发是水圈、大气圈和生物圈水分和能量交换的主要过程，也是水循环中最重要的分量之一。较大空间尺度内陆面特征和水热传输具非均匀性，传统方法难以获得区域尺度的蒸散发。,大面积遥感地表辐射和温度状况， 直接提供SPAC界面能量信息,多光谱、多角度遥感资料可反演蒸 散发估算所涉及的下垫面特征参数,多时相的热惯量遥感
2、可反映土壤和 植被水分状况,遥感技术兴起使估算区域尺度蒸散发成为可能,RS可得到的生物物理参数,RS与气象要素场,RS可以提供入射辐射、云和降水资料RS估计PAR的误差对月总量可控制在6，对日总量可以达到10以下长波辐射的估计由于表面温度和云信息估计的精度不够，还有所欠缺对于云量，主要是云的类型判别较为困难对于降水，由于对云顶光学参数的确定和云层中水汽对微波辐射散射算法的欠缺，目前的反演方法还存在改进的必要,RS与植被信息,RS估计与植被有关的信息从遥感影像中划分植被覆盖区域、植被类型从遥感数据出发，如LAI，估算与光合作用有关的量，如蒸腾量、叶面温度、光合作用强度等RS反演植被参数，如LAI
3、、FPAR、生物量、植被高度、叶角等反射率反演，目前较活跃的研究内容 -通过植被指数VIs间接估计植被参数 经验半经验关系的建立：NDVI-LAI， NDVIbiomass,植被指数,简单植被指数,归一化植被指数,土壤调整植被指数,增强型植被指数,植被NDVI季相变化的缘起,植物在不同生育阶段对VIS和NIR波段反射率的不同，形成了NDVI的季相变化, NDVI的季相变化特征反映了地表植被的动态变化过程。,NDVI的季相变化,RS与土壤信息,土壤信息理论上有些土壤参数可以由RS得来但是由于植被覆盖土壤C和N不能由RS估计只能大致估计地表几个厘米的土壤含水量。就这，还取决于覆盖度大小地表粗糙度、
4、表面土壤水分和植被密度信息using passive and active microwave sensors 但如何更好地利用这些技术还在探索之中,土壤及土壤水分遥感,土壤遥感的前提条件拥有各类土壤的详细特征数据必不可少的深层土壤剖面实测信息,不同含水量的同种土壤反射光谱,Microwave remote sensing of Soil moisture,II.蒸散遥感反演的原理与方法,可见光近红外热红外,反照率植被指数地表温度,转换,净辐射土壤热通量显热通量潜热通量,波文比蒸发比,卫星辐射通量,地表参数,模型,地表能量平衡,湿度指针,地表蒸散遥感原理,遥感蒸散方法,A. 经验直接法 Emp
5、irical direct methodsB. 能量收支残差法 Residual methods of the energy budgetC.植被指数法 Vegetation index methodsD.机理模型法 Deterministic methods,A.经验直接法,Ta - Ta: 地面温度与空气温度的瞬时值之差 该方法无需气象观测数据，根据回归方法即可,B.能量收支残差法,地表能量平衡,余项法：,感热,rex: 剩余阻力，无物理意义，由于遥感得到的表面温度与空气动力学温度不同，将其差异归结到rex ，以提高精度,净辐射与土壤热通量的反演,净辐射,土壤热通量,阻力的计算,For f
6、orest,For crop and grass,风速的计算,剩余阻力的计算,以上方法为能量收支残差法中的单层模型，即不考虑土壤、植被差异，直接应用Penman-Monteith公式，结合遥感得到的观测数据，进行蒸散量的估算.单层模型在反演植被覆盖度较高、下垫面均匀的陆面蒸散发时精度较高，并且由于所涉及的空气动力学阻抗能根据下垫面特征及常规气象资料较易求解，故获得广泛应用.,双层模型,在农田和自然生态系统中,稀疏与稠密冠层季节性地交替出现.植被稀疏时,土壤蒸发可占总蒸散的大部分;即使作物封垄,冠层蒸腾成为总蒸散的主要分量,土壤蒸发仍不可忽略. Shuttleworth和Wallace等将植被冠
7、层、土壤表面看成两个既相互独立,又相互作用的水汽源,并引入冠层阻力和土壤阻力两个参数,建立稀疏植被的蒸散模型,简称双源模型或S-W模型.,双层模型,感热通量,参考高度,方向性地表温度,地表发射率,覆盖率,沈彦俊等学者提出一个蒸散-土壤水分关系的双源线性模型，认为土壤水分存在两个临界点（*和）是分别控制植物蒸腾与土壤蒸发的关键点,双源线性模型,当土壤水分降低到毛管水断裂点（）时，液态水不能连续传输到土壤表面进行蒸发，从而发生类似于植物出现初始胁迫时的情况，土壤蒸发速率开始线性下降；而此时，由于植物根系的作用植被的蒸腾仍能维持其潜在速率；当土壤水分降低到初始胁迫点（*）以下时，蒸腾速率也随着土壤水
8、分的减少呈线性下降，直到土壤水分达到凋萎湿度降为零；,双源线性模型,从而仿照生态学上的“胁迫”概念提出植被和土壤的胁迫指数,双源线性模型,从而,土壤缺水指数（WDI）可根据下述梯形法，即植被指数法进行计算梯形法（植被指数法）基于如下三个假定：1）在选定区域至少存在一个水分亏缺为0的像元，同时至少存在一个完全亏缺的像元，这在半干旱灌溉农田景观中是完全合理的；2）在一定的土壤水分条件下，表面温度随植被覆盖度的增加而线性下降3）在植被覆盖度一定时，表面温度随水分的指数增加而线性升高,双源线性模型,C.植被指数法,Ts-VI 关系图,C.植被指数法,根据前述三个假定，任意像元缺水指数可以与辐射温度建立
9、如下联系：,Tsmin和Tsmax分别为该像元土壤水分充足和完全缺水时的理论最高和最低温度。 Tsmin和Tsmax可根据图6回归得到，其表达式为：,潜在蒸散的遥感推算,潜在蒸发采用一个类似Priestley-Taylor形式的公式计算（Ritchie, 1974）：,Rns为土壤表面的净辐射，与植被的叶面积指数关系密切：,对于植被的潜在蒸腾，采用Penman-Monteith方程计算：,fv0.5时，,双源线性模型的一个应用实例,沈彦俊等学者采用冬小麦-夏玉米不同生育期的13幅Landsat TM和ETM+影像计算了1000 km2范围的蒸散通量及能量平衡.,估算的蒸散强度及其空间分布随着时
10、间的推移显示了显著的变化.一年中小麦和玉米生长季的两个峰值非常明显.将遥感估算的潜热通量与地面微气象观测值进行比较，具有很好的一致性，说明双源模型用于计算本地区的蒸散通量可获得比较理想的结果（图9）.,分布式模型与流域蒸散模拟,随着水文学发展，Freeze和Harlan提出具有物理基础的流域水文模型，该模型建模思路是先分解后综合，可将生态系统生态过程与水文系统水文过程耦合起来，采用数值模拟方法模拟流域水文过程，从而为流域尺度上复杂下垫面与不同植被耦合下的蒸散过程估算提供了平台,刘建梅等学者试图为分布式水文模型中实际蒸散量的模拟提供一种可靠、简便的方法，一方面考虑方法的普适性，减少经验参数；另一
11、方面尽量应用流域内可以得到的实测数据，以便充分体现研究区实际蒸散量的时空分布特点,分布式模型与流域蒸散模拟,将彭曼公式改写成以下形式估算流域内各个单元格的潜在蒸散量：,单元格i处温度：,单元格i处净短波辐射：,单元格i处长波辐射：,单元格i处净辐射：,通过以上过程可算得川西流域1989-2000年各个单元格的逐日潜在蒸散量，多年平均日潜在蒸散量的时间分布如图2所示，日潜在蒸散量的年内分布受温度、湿度及风速的影响较大。冬季温度较低，蒸散量较小，夏季温度高，蒸散量大，多年平均年潜在蒸散量为1050.44mm/a，介于900-1200mm/a之间，与四川省水资源公布的年潜在蒸散量的等值线图相吻合，结
12、果合理。,分布式模型与流域蒸散模拟的一个应用实例,多年平均潜在蒸散量的年内分布,潜在蒸散量的空间分布与高程和植被覆盖类型关系密切，森林覆盖地区的潜在蒸散量明显高于其他土地利用类型分布地区主要是因为：1）森林植被的反射率比较低，净辐射比较大；2）森林一般分布于河谷附近区域，大气温度高于高山，潜在蒸散量也较高。,分布式模型与流域蒸散模拟的一个应用实例,多年平均潜在蒸散量的空间分布,实际蒸散量与是气象要素、土壤水分状态与植被季节变化特、土壤水分状态与植被季节变化特点共同作用的结果,分布式模型与流域蒸散模拟的一个应用实例,多年平均实际蒸散量估算,分布式模型与流域蒸散模拟的一个应用实例,多年平均实际蒸散
13、量的年内分布,6-9月气温较高，降水丰沛，土壤供水充分，主要受控于气象要素及植被季节变化特点，蒸散量大； 11月4月气温低，降水量小，可供水量较低，主要受控于土壤供水状态，蒸散量低，占全年的14.3%,分布式模型与流域蒸散模拟的一个应用实例,多年平均实际蒸散量的空间分布,611月，森林蒸腾作用比较大，促进了流域蒸散125月，蒸腾作用较小，全流域蒸散分布相对比较均匀,分布式模型与流域蒸散模拟的一个应用实例,多年平均实际蒸散量估算的准确性评价,与水量平衡结果相对误差+3.47%； 与四川省水资源相对误差- 4.09%.模拟结果与实际值相近且时空分布合理,D.机理模型法,Forcing the mo
14、del input directly with the remote sensing measurementscorrecting the course of state variables in the model at each time remote sensing data are available (顺序同化)re-initializing or changing unknown parameters using data sets acquired over temporal windows of several days/weeks (变分同化),各种方法的优缺点,各种方法的优
15、缺点（续）,1 刘建梅,王安志,刁一伟等.分布式模型在流域蒸散模拟中的应用与验证.2 沈彦俊,唐常源, A. Kondoh等.陆气界面蒸散发过程及通量的遥感估算.3 高彦春,龙笛.遥感蒸散发模型研究进展 J.遥感学报,2019, 12(3):515-5284 莫兴国,林忠辉,刘苏峡.基于Penman-Monteith公式的双源模型的改进J.水利学报,2000(5):6-115 王靖,于强,李湘阁等.用光合-蒸散耦合模型模拟冬小麦水热通量的日变化J.应用生态学报,2019 15(11):2077-20826 张永强,于强,刘昌明等.植被光合、冠层导度和蒸散的耦合模拟J.中国科学,2019 (34):152-160,参考文献,docin/sanshengshiyuandoc88/sanshenglu,更多精品资源请访问,
