遥感数据支持下不同地表覆盖的区域蒸散

将地表能量平衡系统(SEBS)扩展成遥感日蒸散估算模型,利用MODIS遥感数据估算了黄淮海地区的区域蒸散,并在地理信息系统的支持下分析了不同地表覆盖下的区域蒸散统计分布特征.在缺乏各地表覆盖类型相应蒸散量实测值进行对比的情况下,以2001年4月17日估算的日蒸散量为例,通过各地表覆盖类型日蒸散量间的相互对比分析表明,SEBS估算的区域日蒸散量具有一定的合理性.分析结果表明：在黄淮海地区,荒地具有最低的蒸散量;森林、灌木、草地等地表覆盖类型具有中等的蒸散量;而水体、湿地以及耕地具有较高的蒸散量.可能由于包含绿地和水面,城镇用地的蒸散量也较高.土壤含水量的空间差异性导致森林、灌木、草地和耕地等地表覆盖类型的蒸散量具有明显的空间差异性.耕地蒸散量的空间差异性可以为制定合理、高效的农田灌溉计划提供指示作用.SEBS遥感日蒸散模型的局限性在于有可能低估水体和湿地等地表覆盖类型的蒸散量.     

光闪烁方法测算区域蒸散研究进展

蒸散是土壤-植物-大气连续体(SPAC)水热运移的一个重要环节,是全球水量平衡的重要组成,一直是气象学、水文学、地理学及生态学等相关学科重要的研究主题。区域尺度地表蒸散的时空变化过程十分复杂。迄今为止,在像元尺度水平上,特别在非均匀下垫面和地形起伏条件下,有代表性的进行地表蒸散的观测仍然十分困难。虽然遥感方法可获得区域尺度水平蒸散,但其主要根据经验或半经验模型对区域蒸散进行估算,模型选用的参数以及结果还需地面实测数据进行改进、优化,如何获得与遥感尺度相应的地面蒸散实测数据成为模型验证的重点和难点,光闪烁方法的出现为上述问题的解决带来了希望。光闪烁方法能够适应复杂下垫面,测量结果准确且具有时空平均等优点,成为测量区域蒸散的有效方法、验证遥感模型结果的最佳手段。从理论原理、计算方法、主要应用情况等方面,概述了光闪烁方法观测区域蒸散研究进展,指出了影响测算精度的不确定性因素,并提出了研究展望,旨在进一步推动该方法在区域蒸散观测研究中的应用,促进相关学科的发展。     

黄河三角洲湿地蒸散量与典型植被的生态需水量

蒸散量（ET）是黄河三角洲湿地水资源的主要消耗项,包括植被蒸腾、水面蒸发以及裸土蒸发等。植被生态需水是为了保证植被生态系统能够健康维持并确保其生态服务功能得到正常发挥而必须消耗的一部分水量。准确地估算湿地蒸散量、研究植被生态需水量对于保护湿地生态环境是十分必要的。应用MODIS的地表反射率、地表温度数据与常规气象数据以及土地利用/覆盖图,利用蒸散量的遥感估算模型SEBS模型估算了晴天条件下的黄河三角洲湿地日蒸散量,采用HANTS算法插补了非晴天条件下的日蒸散量,从而得到2001～2005年的该湿地年蒸散量的时间序列,并对蒸散量进行验证和分析。结合该地区典型植被生态需水量与植被蒸散耗水量,估算了2001～2005年的生态补水量。结果表明：与实测值相比,遥感估算月蒸散量的均方差RMSD为16.4mm,平均绝对百分比误差MAPD是11.9%,两者基本一致。黄河三角洲湿地的蒸散量在空间分布上以水体及周围地区、滨海滩涂、黄河故道以及黄河两岸沼泽湿地等的蒸散量较高,居民地蒸散量较低。蒸散量的年际变化不大,季节变化呈单峰型,以5、6、7月份蒸散量最大,月蒸散量在110～120mm之间。2001～2005年期间,每年至少有40%面积的芦苇沼泽和60%面积的芦苇草甸水分供应不足,植被的正常生长受到影响,尤其2002年较为严重,2004年以后情况有所改善。2002年芦苇的生态补水量最大,在9.9×10^7～3.19×108m^3之间,而2004年的生态补水量最小,在3.0×10^7～2.39×108m^3之间。     

基于NOAA PAL数据集的地表蒸散遥感估算方法

基于NOAA AVHRR气象卫星长时间序列10 d合成的PAL数据集（分辨率8 km×8 km）以及地表能量平衡原理和“VI-T_s”方法,建立了地表蒸散的遥感估算方法,该方法不需要地面气象观测数据的支持,所需参数可直接从遥感数据反演或推算,并选择国际上著名的遥感蒸散模型——SEBS模型对新建模型进行了验证比较.结果表明：新建模型和SEBS模型模拟的地表蒸散值及其季节性变化趋势非常一致,说明新构建模型的模拟结果比较可靠,能够反映地表蒸散的实际情况.新建地表蒸散遥感估算模型可操作性强,为利用长时间序列的卫星遥感数据研究我国乃至全球地表蒸散的时空变化规律提供了一个新的途径.     

西北干旱区河西走廊荒漠绿洲土地覆盖类型与蒸散的关系研究——基于Landsat 8和ZY3数据融合

蒸散是地表水热平衡的重要分量,也是陆地生态过程与水文过程之间的重要纽带,尤其在干旱区地-气相互作用、碳循环、水循环等过程所包含的物质与能量交换中占有极其重要的地位。基于Landsat 8遥感影像和资源三号影像(ZY3)的高分辨率植被信息,利用SEBS模型对西北干旱区河西走廊中段临泽绿洲北部区域地表蒸散量进行了估算,并用绿洲内部和绿洲-荒漠过渡带两个通量塔涡动相关数据对模型进行评估,分析了不同土地覆盖类型对蒸散量空间分布的影响。结果表明:(1)SEBS模型模拟值与实测日蒸散值之间拟合效果较好,且在均一地表时(绿洲农田区)估算精度更高(R~2=0.96,P0.001),RMSE、MAE分别为0.84 mm/d、0.56 mm/d;(2)从季节变化来看蒸散量与作物生长密切相关,夏季灌溉和降雨使得研究区水分充足,植被覆盖度高,蒸散量相应增加,在绿洲地区可达5.95 mm/d,而冬季最小仅为0.52 mm/d;(3)从蒸散量的空间变化来看,水体蒸散值最大,其余依次为农田、防护林、裸地和灌木丛,说明除水体外,随着植被覆盖的增大,蒸散量也逐渐增加。通过ZY3影像的高分辨率植被信息与Landsat 8影像热红外数据融合,提高了SEBS模型对该区域蒸散量的模拟效果,增进了我们对绿洲下垫面与大气间水热交换规律、水文过程、生态-水文相互作用的深入理解。     

基于SEBAL模型的西北农牧交错带生长季蒸散发估算及变化特征分析

蒸散发是土壤-植被-大气系统中水循环和能量交换的主要组成部分,准确估算区域蒸散发对农业用水调度与水资源的管理至关重要。利用MODIS数据产品结合地面气象站的观测资料,基于能量平衡原理建立的SEBAL(Surface Energy Balance Algorithms for Land)模型对西北农牧交错带2015年生长季(4—10月)的地表蒸散发量进行反演研究,并用Penman-Monteith(P-M)公式结合作物系数对模型的估算结果进行对比,结果表明:SEBAL模型估算结果与P-M公式之间的平均绝对误差为0.79mm/d,均方根误差为0.94mm/d,R~2=0.76,整体反演值偏高,但基本能满足本地区的研究需求。生长季区域日均蒸散发的变化范围为0.12—10.66mm/d,日蒸散量均值为4.31mm/d,呈东北、西南部较高,西部偏低的空间分布特征。将蒸散发估算值与地表特征参数统计分析发现蒸散发与NDVI和地表净辐射之间呈正相关,与地表温度和地表反照率之间呈负相关;不同土地利用/覆被类型的日蒸散发量由大到小依次为:耕地、林地、未利用地与草地。     

农业旱情遥感监测的一种改进方法及其应用

从地表蒸散的角度出发,利用基于Priestley-Taylor公式与地表温度 植被指数(LST-VI)三角形特征空间的半经验蒸散模型,对农业干旱遥感监测方法进行改进,推导得到简化型蒸散胁迫指数(SESI).利用2008、2009年3-11月的MODIS陆地标准产品数据,构造了3种特征空间建模计算了SESI,对京津冀平原地区开展了农业旱情监测试验,并与温度植被干旱指数(TVDI)进行比较.结果表明: SESI有效地简化了基于地表蒸散估算的遥感干旱监测方法,对土壤表层水分(10、20 cm)有着良好的指示作用.该方法春、秋季监测效果优于夏季,且不同时相SESI的可比性优于TVDI.将SESI指数应用于大面积农业旱情连续监测具有一定可行性.     

地表反照率不同计算方法对干旱区流域蒸散反演结果的影响——以新疆三工河流域为例

地表蒸散是维持地球表面水量平衡和热量平衡的重要环节,SEBAL模型作为一种快速且有效的反演地表蒸散的遥感物理模型方法,在地表蒸散研究中得到广泛应用。地表反照率作为影响地表能量平衡的重要因素,同时也是SEBAL模型的重要输入参数,因此不同的地表反照率计算方法对SEBAL模型的反演结果有重要影响。以新疆三工河流域为研究区,利用Landsat8 OLI/TIRS数据,以应用最为广泛的Smith地表反照率计算法和Liang地表反照率计算法两种方法计算地表反照率,并输入SEBAL模型中反演日蒸散量,比较分析两种地表反照率计算方法对蒸散反演结果的影响,得出以下结论:(1)两种地表反照率计算方法下经SEBAL模型得到的日蒸散量与实测值拟合程度均较高,不同年份下线性拟合决定系数大于0.75,但是使用Smith方法计算出的地表反照率结合SEBAL模型得到的日蒸散量与实测值拟合程度更高;(2)通过RMSE等精度指标比较两种地表反照率计算方法下基于SEBAL模型反演的日蒸散量,结果显示,Smith地表反照率计算方法下反演的日蒸散量精度略高;(3)Smith地表反照率计算方法下最终得到的区域日均蒸散量高于使用Liang地表反照率计算方法最终得到的区域日均蒸散量,夏季差异最大,差异为0.64 mm/d,其他季节差异较小,差异约为0.2 mm/d。(4)进一步比较研究日内两种地表反照率计算方法得到的地表反照率,结果显示,Smith地表反照率计算法得到的地表反照率均值均小于同时期Liang地表反照率计算法得到的地表反照率均值。     

三江平原典型下垫面FAO Penman-Monteith模型适用性分析

提高蒸散量估算精度对于研究地表能量和水分平衡具有重要意义.基于涡度相关系统测量值和小气候观测资料,比较分析了FAO Penman-Monteith模型对三江平原典型下垫面沼泽湿地、水稻和大豆田蒸散量的模拟效果,以探讨模型在该区的适用性.结果表明:作物系数采用FAO推荐值时,FAO Penman-Monteith模型对沼泽湿地蒸散量的模拟值明显高于测量值,平均高估81.8%,模拟效率(ME)为负值,说明该模型不适用于沼泽湿地;该模型能够模拟水稻和大豆田蒸散量季节变化,且对稻田的模拟效果明显优于大豆田.沼泽湿地、水稻和大豆田3种类型下垫面的作物系数(Kc)值与叶面积指数(LAI)均呈极显著正相关关系,大豆田的Kc值还与饱和水汽压差(VPD)呈极显著负相关关系.依据线性回归方程校正Kc值后,FAO Penman-Monteith模型对沼泽湿地、水稻和大豆田估算精度均显著提高,平均偏差(MBE)为-0.1~0.3 mm·d-1,均方根误差(RMSE)为0.50~0.67 mm·d-1,ME为0.69~0.85,对水稻田蒸散量的模拟效果最好.无论是否校正作物系数,FAO Penman-Monteith模型都适用于模拟三江平原稻田蒸散量,如果用于模拟沼泽湿地和大豆田蒸散量,则必须要校正作物系数.     

环境因子对民勤绿洲荒漠过渡带梭梭人工林蒸散的影响

利用涡度相关系统、土壤水分TDR传感器,于2014年7月—2015年6月连续测定了民勤绿洲荒漠过渡带退化梭梭人工林蒸散量,研究不同天气条件下梭梭人工林的蒸散对外界环境因子的响应.结果表明: 梭梭人工林晴天蒸散量日变化具有明显的季节变化规律.梭梭人工林蒸散量日变化幅度在生长季初期逐渐增大,在生长旺盛期达到最大峰值(0.07 mm·h^-1), 而后逐渐减小,至12月达到最低峰值(0.01 mm·h^-1).不同天气条件下梭梭人工林蒸散日变化波动幅度差异较大,阴天蒸散日变化波动幅度最小,降水后蒸散波动明显增高,强降水(>9 mm·d^-1)后日蒸散量显著增加至雨前的28倍,然后逐渐减少,并持续4个晴朗日后恢复至雨前蒸散量.在整个观测年,梭梭人工林蒸散总量为108 mm,占降水总量的98%,土壤水是梭梭人工林蒸散的水源,为主导因子.净辐射、光合有效辐射、空气温度、水汽压饱和差是决定植被用水和大气边界层水传输的气象动力,为显著影响梭梭人工林蒸散的主要因子.利用日蒸散量与环境因子数据建立了蒸散与土壤含水量和小气候因子的多元回归方程,拟合度(R²)高达0.80.     

土壤水分遥感监测研究进展

土壤水分是陆地表面参数化的一个关键变量。土壤水分含量随时空的转换而变化,在地-气界面间物质、能量交换中起着重要的作用,是农作物生长发育的基本条件和农作物产量预报的重要参数。遥感技术具有大面积同步观测,时效性、经济性强的特点,为大面积动态监测土壤水分提供了可能。总结了近年来国内外遥感监测土壤水分理论、方法的发展和应用,介绍了目前几种比较成熟和广泛应用的土壤水分遥感监测方法与模型,对比分析了各种监测方法的优缺点,指出了土壤水分遥感监测方法存在的不足,指明了今后发展的方向,展望了土壤水分遥感监测方法的发展趋势。     

遥感技术支持下的植被生产力与生物量研究进展

目前广泛应用于植被生产力与生物量估算的遥感模型主要有经验模型、物理模型、半经验模型和综合模型 ,它们的应用受到诸如大气、背景、地形、植被覆盖率与结构等因素的影响。遥感技术的迅速发展及其它技术的应用 ,包括热红外、微波和激光遥感仪器以及多角度、高光谱和高分辨率技术等 ,正逐步消除或降低影响因素 ,进一步提高植被生产力与生物量估算的范围和精度     

南京地区蒸散发降尺度研究--基于增强型时空自适应反射融合模型

蒸散发是水文循环的重要组成部分,获取高时空分辨率的数据能够更加精细化蒸散发的时空变化规律,对于水资源管理、生态水文过程量化具有重要意义。由于单一传感器反演的蒸散发无法同时具有高空间和高时间分辨率,以南京地区为例,首先结合Landsat-8遥感影像数据和气象数据,采用基于能量平衡原理的SEBS模型估算日蒸散量。在此基础上,选取典型区域采用基于增强型时空自适应反射融合模型(ESTARFM)将估算的蒸散发结果与低空间分辨率的MOD16A2蒸散发产品数据进行时空融合降尺度研究,并评价模型的融合精度。结果表明：(1)SEBS模型估算的蒸散发结果与蒸发皿折算后的数据、MOD16A2产品数据的平均相对误差分别为0.14 mm/d和0.22 mm/d。(2)南京地区蒸散量季节差异明显,表现为夏季>秋季>冬季;各区在夏季的日平均蒸散量差异也较大,六合区蒸散量最大,秦淮区最小;另外,蒸散量分布受土地利用类型的影响,总体上表现为水域>林地>耕地>草地>其他,且植被覆盖度较高的区域蒸散量较大。(3)基于ESTARFM模型融合的蒸散发结果与基于Landsat-8遥感影像反演的...     

Beyond Precipitation: Physiographic Gradients Dictate the Relative Importance of Environmental Drivers on Savanna Vegetation

Background

Understanding the drivers of large-scale vegetation change is critical to managing landscapes and key to predicting how projected climate and land use changes will affect regional vegetation patterns. This study aimed to improve our understanding of the role, magnitude and spatial distribution of the key environmental factors driving vegetation change in southern African savanna, and how they vary across physiographic gradients.

Methodology/Principal Findings

We applied Dynamic Factor Analysis (DFA), a multivariate times series dimension reduction technique to ten years of monthly remote sensing data (MODIS-derived normalized difference vegetation index, NDVI) and a suite of environmental covariates: precipitation, mean and maximum temperature, soil moisture, relative humidity, fire and potential evapotranspiration. Monthly NDVI was described by cyclic seasonal variation with distinct spatiotemporal patterns in different physiographic regions. Results support existing work emphasizing the importance of precipitation, soil moisture and fire on NDVI, but also reveal overlooked effects of temperature and evapotranspiration, particularly in regions with higher mean annual precipitation. Critically, spatial distributions of the weights of environmental covariates point to a transition in the importance of precipitation and soil moisture (strongest in grass-dominated regions with precipitation<750 mm) to fire, potential evapotranspiration, and temperature (strongest in tree-dominated regions with precipitation>950 mm).

Conclusions/Significance

We quantified the combined spatiotemporal effects of an available suite of environmental drivers on NDVI across a large and diverse savanna region. The analysis supports known drivers of savanna vegetation but also uncovers important roles of temperature and evapotranspiration. Results highlight the utility of applying the DFA approach to remote sensing products for regional analyses of landscape change in the context of global environmental change. With the dramatic increase in global change research, this methodology augurs well for further development and application of spatially explicit time series modeling to studies at the intersection of ecology and remote sensing.     

基于数据同化的哈佛森林地区水、碳通量模拟

模型模拟和站点观测是陆地生态系统水、碳循环研究最主要的两种手段,但各有优势和不足,若二者相互结合,则能更准确地反映生态系统水、碳通量的动态变化.数据同化为模型与观测结合提供了一条有效的途径.本文采用哈佛森林环境监测站相关数据,利用集合卡曼滤波同化算法,将实测叶面积指数(LAI)和遥感LAI同化进入Biome BGC模型中,对该地区水、碳通量进行模拟.结果表明：与未同化模拟相比,将1998、1999和2006年实测LAI数据同化后,模型模拟碳通量(NEE)与通量观测NEE的决定系数(R²)平均提升8.4%;蒸散发(ET)的R²平均提升10.6%;NEE的绝对误差和(SAE)和均方根误差(RMSE)平均下降17.7%和21.2%,ET的SAE和RMSE平均下降26.8%和28.3%.将2000-2004年MODIS LAI 产品与模型同化后,NEE、ET模拟值与观测值间的R²分别提升7.8%和4.7%;NEE的SAE和 RMSE分别下降21.9%和26.3%,ET的SAE和 RMSE分别下降24.5%和25.5%.无论实测LAI还是遥感观测LAI,同化进入模型都能不同程度地提高水碳通量的模拟精度.     

Estimating the regional evapotranspiration in Zhalong wetland with the Two-Source Energy Balance (TSEB) model and Landsat7/ETM+ images

This paper aims to integrate a numerical model, vegetation index, and regional evapotranspiration estimation to assess the water cycle in Zhalong wetland, China with the aid of remote sensing technologies. An interdisciplinary analysis was performed to study the eco-hydrological characteristics of the wetland ecosystem. In particular, a new solution for solving the Two-Source Energy Balance (TSEB) was developed and applied. This new solution method is based on a definition of the aerodynamic temperature in a two-layer ground surface structure. Following this new solution for TSEB, the outputs of the Surface Energy Balance Algorithm (SEBAL) may be used as the inputs for TSEB to avoid the complex calculations of the bulk boundary layer and soil surface resistance. The new solution method makes the implementation of TSEB much easier when bi-directional thermal infrared remote sensing images are not available. Daily evapotranspiration and vegetation index of the wetland were calculated from six scenes of Landsat7/ETM+ remote sensing images acquired during 2001 and 2002 in our case study. Spatial distribution of daily evapotranspiration was also provided to help realize the wetland condition. The seasonal changes of vegetation index and evapotranspiration for some typical wetland ground surfaces were analyzed and presented as well to explore the multitemporal variations of plant species holistically. Ultimately, such integrative analysis aids in understanding the general biological patterns associated with these wetland vegetation cover, while specific situations of the wetland ecosystem can be recognized.     

涡动相关法与波文比-能量平衡法测算森林蒸散的比较研究--以长白山阔叶红松林为例

分别采用涡动相关法与波文比-能量平衡法(BREB法)测算了长白山阔叶红松林2002年9、10月的森林蒸散量.结果表明,9月,涡动相关法与BREB法测算的森林蒸散量分别为83.1和87.9 mm,后者相对于前者的误差不到6%,且两者日蒸散量有较好的相关性(0.78),表明涡动相关法与BREB法在森林蒸散研究中有很好的一致性.10月,随着秋季落叶,林内水汽压梯度减小.涡动相关法测算的森林蒸散量为42.5 mm,BREB法测算的结果为49.1 mm,后者相对于前者的误差达到了16%,两者日蒸散量相关系数为0.53.在水汽压梯度较小时,BREB法会产生较大误差.9月中上旬,森林主要热量消耗是用于蒸散,约占辐射平衡量的71%;落叶后,森林主要热量消耗变为森林-大气间的感热交换,蒸散耗热只占辐射平衡量的40%.     

Satellite-based drought monitoring using optimal indices for diverse climates and land types

Drought is considered one of the most destructive natural disasters, and many areas are experiencing water scarcity. Expanding knowledge of this phenomenon is a prerequisite for developing drought monitoring and forecasting tools. To this end, various indices are available for studying drought in different environments using field and remote sensing data. This study applies satellite-based indices for monitoring drought in different land cover, landforms, and climate classes. The in-situ standardized precipitation index (SPI) with a three-month time scale was applied to evaluate the performance of 13 remote sensing indices and parameters. The results indicated that the indices based on actual evapotranspiration, precipitation, and soil moisture, respectively, performed best in different parts of the basin. After additional analysis, the evapotranspiration condition index (ETCI), derived from actual evapotranspiration data, was deemed the optimal metric. The accuracy assessment results indicated that the correlation between the ETCI and the three-month SPI was 0.655, which was slightly higher than the actual evapotranspiration (0.637), and that the root-mean-squared error (RMSE) decreased from 0.71 to 0.65, indicating the best performance among the indices evaluated in the study area. Moreover, the drought map of the region was developed using the optimal indices, including the ETCI, the precipitation condition index (PCI), and the random forest (RF) algorithm. According to the results of the accuracy evaluation, the correlation between the estimated model and the observed three-month SPI values in 2017 was 0.72, with an RMSE of 0.60.