SEBAL模型及其在区域蒸散研究中的应用

蒸散是地表能量平衡与水量平衡的重要参数,遥感技术的发展促进了区域蒸散的研究。基于地表能量平衡方程,SEBAL模型利用遥感影像的可见光、近红外与热红外波段及少量气象数据可计算出区域的日蒸散量,是一个物理概念较为清楚的模型。采用Landsat7 ETM+数据利用SEBAL模型对河北省栾城县进行了遥感蒸散研究,计算获得相关地面特征参数与日蒸散量,模拟结果较为合理。     

基于TSEB平行模型的黄土丘陵沟壑区蒸散发遥感估算

复杂地形条件下和干旱半干旱植被稀疏条件下的蒸散发遥感估算一直是蒸散发区域遥感估算的难点、热点问题。针对黄土丘陵沟壑区地表起伏、覆被不均一、植被稀疏的特征,选择陕甘交界区为研究区,利用Landsat TM资料求取地表特征参数和地表能量平衡各参量,采用TSEB平行模型反演出该区域的瞬时土壤蒸发、植被蒸腾和土壤-植被总蒸散发量,经过尺度转换,得到日蒸散量;并利用附加阻抗法和FAO Penman-Monteith公式计算实际蒸散发,对TSEB平行模型法遥感估算结果进行了间接精度评价,比较验证结果表明TSEB平行模型法估算的蒸散发结果合理,精高较高。     

基于TSEB模型的黄河三角洲蒸散量估算

蒸散发作为湿地生态系统中地-气间水热交换的主要方式,很大程度上影响着湿地的水热平衡,合理准确地估算蒸散发量,对湿地生态系统的水分循环、能量平衡以及科学管理具有重要意义。黄河三角洲湿地作为世界上暖温带最广阔、最完整和最年轻的河口湿地生态系统,既是气候变化的敏感区,也是生态环境的脆弱区。针对其地理位置特殊、水资源供需矛盾尖锐等特点,利用SEBAL(Surface Energy Balance Algorithm for Land)和TSEB(Two-Source Energy Balance)模型,对黄河三角洲湿地蒸散发量进行估算:首先利用SEBAL模型计算地表的特征参数和各地表通量,然后利用TSEB模型分离土壤和植被,分别计算黄河三角洲湿地瞬时的土壤蒸发、植被蒸腾和土壤植被总蒸散发量,利用积分关系法进行时间尺度转换,得到日蒸散量。利用气象站实测蒸发值和FAO Penman\|Monteith公式计算的作物系数,对遥感估算结果进行直接和间接精度评价。结果表明反演的蒸散发结果合理,精高较高。分析蒸散的空间分布及不同地表类型的蒸散特性,对比分析芦苇沼泽和芦苇草甸的不同蒸散特点,结果表明基于两模型耦合的方法可用于黄河三角洲湿地蒸散量估算。     

基于能量平衡的关川河流域蒸散发的遥感反演

蒸散发是水分循环的重要环节, 遥感技术为区域陆面水分蒸散发量估算提供了一种新的手段, 使用TM 数据和能量平衡模式估算流域蒸散发, 并给出了各个参量的遥感获取方法, 解决了由瞬时遥感数据估算全天蒸散发的问题。通过对关川河流域日蒸散发的模拟, 分析了该流域蒸散发的分布规律, 对陆面过程研究有一定的支持和指导意义。     

作物蒸散发模型研究中的地表温度反演

针对美国加州Merced县2002年8月9日的ETM+影像,利用单窗温度反演算法反演了遥感蒸散发模型S SEBI中的地表温度参数。选用了ETM+热红外的高增益61波段,对热红外波段反射率较低的植被覆盖研究区进行了地表温度反演,并反演地表温度所需要的几个参数：亮度温度、地表比辐射率、大气透射率。最后得出了研究区域地表温度分布结果：水体地表温度低于植被作物,建筑或道路的地表温度最高。不同地物间地温是不同的,作为蒸散发反演的重要参数,这将影响不同地物蒸散发估算。因此精确反演地表温度,将为今后蒸散发的研究打好基础。     

大沽河流域蒸散量时空变化

鉴于基于点源的蒸散估算方法逐渐被基于遥感数据的以SEBAL(Surface Energy Balance Algorithm for Land)为主的蒸散估算模型方法所取代,但在不同地貌和气候特征的区域该模型的适用性尚待得到证实,该文利用SEBAL模型基于MODIS数据产品和野外实测气象数据对大沽河流域的日蒸散量进行了估算,并与气象站蒸散量实测值进行对比验证。结果表明,SEBAL模型反演结果与实测值之间具有良好的一致性。在此基础上将日蒸散量结果推算至月蒸散量,并分析了蒸散量的年内变化趋势和特征,发现大沽河流域年内蒸散量的变化呈单峰趋势,季节性变化特征明显:夏季秋季春季冬季。最后,结合大沽河流域土地利用现状,比较分析了不同土地利用类型蒸散量的差异,结果表明水体蒸散量最大,林地和耕地次之,城镇及建筑用地蒸散量最小。     

基于理论参数空间的遥感蒸散模型构建及验证

遥感数据提供了估算区域蒸散的重要数据源,基于VFC/LST参数空间构建了改进的遥感蒸散模型(EML)。在EML中,每个像元构建其专属的理论参数空间,并基于水分亏缺指数(WDI)实现目标像元的蒸散估算。使用SMACEX实验观测数据对模型进行评估,区域尺度的模型评估使用来自于Landsat 7ETM+的遥感参数。评估结果表明EML可以实现可靠的区域通量估算。潜热通量估算的平均绝对误差(MAD)和均方根误差(RMSD)分别为62.20和74.17 W/m~2,感热通量估算的MAD和RMSD分别为43.37和49.02 W/m~2。使用传统的梯形参数空间模型(TIM)与EML进行对比,结果表明EML模型克服了TIM模型的主观性和不确定性。研究结果表明:EML模型能够实现可靠的蒸散估算,且优于传统的梯形参数空间模型TIM,并适用于非均匀下垫面的蒸散估算。     

基于SEBS模型的藏北那曲蒸散量研究

SEBS模型为研究高原非均匀地表区域蒸散量估算提供了一种新的方法,为高原气象台站稀少地区蒸散量变化研究提供一定的参考依据。应用SEBS模型,利用MODIS遥感数据反演所需的地表物理参数(如反照率、比辐射率、地表温度和植被覆盖度等),再结合气象站地面观测数据,包括温度、相对湿度、风速、气压等,对藏北那曲地表能量通量和蒸散量进行估算;最后分析了蒸散量与气象因子、NDVI之间的关系。结果表明:2010年藏北那曲蒸散量呈春夏季高,秋冬季低的变化趋势,蒸散量较大区域为研究区南部、东北部和区域内的水体;中部和西北部地区蒸散量较小。气温和地表温度对蒸散量的影响较明显,随着气温和地表温度的升高蒸散量不断增大,NDVI对蒸散量也有一定的影响。所以,SEBS模型在估算高原地区蒸散量方面具有一定的精度,可以满足区域日蒸散发估算的需要。     

库布齐沙漠典型沙地人工林蒸散对比分析

人工造林使库布齐沙漠的生态快速逆转,深入理解沙地人工林的蒸散特征,对改善现有人工林的经营管理和开展人工林建设具有重要意义。利用Landsat 8、MODIS产品、气象观测资料等数据,通过基于能量平衡的SEBAL模型和MODIS MOD16蒸散产品获取库布齐沙漠典型林场2014年7月14日、7月30日、8月15日、9月7日的地表蒸散量,并采用波文比系统相关数据对估算的结果进行验证。得到以下结果：与波文比观测系统的蒸散相比,SEBAL模型反演的蒸散整体偏大,日蒸散分别多1.06、1.71、1.19、2.65 mm,两者的决定系数达0.827;MODIS MOD16产品的蒸散整体偏小,日蒸散分别少0.13、0.32、0.18、0.95 mm,两者的决定系数达0.823;在沙漠人工林斑块区域且植被类型较单一的情况下,MODIS MOD16的蒸散结果要好于SEBAL模型反演的蒸散,两者在空间分布上基本保持一致;林场蒸散较大的区域主要分布在中部和南部,而北部区域蒸散相对较小。研究结果可为其他沙地斑块人工林获取蒸散提供参考。     

SEBAL模型在干旱区区域蒸散发估算中的应用

蒸散发是水量平衡和能量平衡的重要环节,传统的计算方法只能以点为基础进行计算。为排除蒸散发空间变异特性的影响,在遥感技术的基础上,引入了基于地表能量平衡原理的SEBAL模型,对新疆焉耆盆地的日蒸散发情况进行了计算模拟,获取了相关地面特征参数及日蒸散量,并根据盆地内具有大面积湖泊这一实地情况对模型进行了改进。     

基于Landsat影像的ALEXI模型小流域验证

基于静止卫星数据开发的陆气相互作用模型(ALEXI模型)为地表能量平衡过程分析提供了大尺度空间拓展,为认识大尺度的陆气相互作用提供了新途径,已被应用于干旱监测、流域水文分析以及气候变化研究。使用高精度卫星分辨率获得的通量结果对ALEXI进行初步的验证与评估,选择下垫面类型复杂的小流域为研究区,以比较成熟的基于Landsat流域分析的SEBAL模型结果为验证源,对比分析同时期ALEXI模型的地表通量结果,研究发现ALEXI模型与SEBAL模型能够反映较一致的地表能量交换信息格局,统计分析能够得到较一致的结果。此外,由于模型自身的限制因素以及地表观测误差的影响,还需进一步开展定量对比验证方面的工作。     

Estimation of evapotranspiration using remotely sensed land surface temperature and the revised three-temperature model

Evapotranspiration (ET) is one of the most important land surface processes for terrestrial ecosystems because it strongly relates to both the energy balance and the mass balance of these ecosystems. Although there are many ground based approaches to estimate ET, it is still a challenge to estimate ET by remote sensing for most applications. The three-temperature model (3T model) is a recently developed approach used to estimate ET based on ground measurement. Compared with other conventional ET estimation algorithms, fewer input parameters are required in the 3T model. Therefore, it shows good potential for remote sensing application. In this study, we aimed to extend the 3T model for remote sensing application and to validate its accuracy. First, algorithms to extend the 3T model for estimating the regional ET of mixed landscapes were proposed. Then, two case studies were presented using Landsat Thematic Mapper (TM)/Landsat Enhanced Thematic Mapper Plus (ETM+) images. Thereafter, the Bowen ratio energy balance method (BREBM) and the residual method of the energy balance equation (RMEBE) were adopted to validate the performance of the revised 3T model. Results showed that the absolute error of the mean daily ET estimated by the BREBM and the revised 3T model was 0.23 mm d^?1, whereas between the RMEBE and the revised 3T model it was 0.07 mm d^?1. This accuracy is acceptable for most application purposes. The revised 3T model demonstrates the ability to remotely sense actual regional evapotranspiration.     

基于多源遥感数据协同反演森林地表土壤水分研究

土壤水分在土壤监测中是一项重要的指标,对于农业生产、生态环境以及水资源管理有着重要的影响.随着遥感建模与反演理论的不断成熟,其逐渐成为分析土壤指标的重要技术与手段.因此,利用光学影像与雷达影像数据,以大兴安岭地区漠河市为研究区域,分别建立以Landsat 8为数据源的土壤水分反演模型和由Landsat 8影像数据与GF...     

TSEB模型在复杂下垫面下模拟结果比较研究

地表蒸散发对干旱半干旱地区水文过程模拟以及水文平衡有重要影响,复杂地表更是对地表蒸散发模拟提出了新的挑战。利用TSEB(Two-Source Energy Balance)模型,分别以Landsat、MODIS卫星数据为驱动数据,得到黑河下游绿洲地表蒸散发时空分布格局,并利用大孔径闪烁仪和涡动相关仪的观测数据对模拟结果分别在公里级和百米级尺度进行验证,研究结果表明：在大孔径闪烁仪观测的公里级尺度下,基于Landsat数据和MODIS数据驱动的TSEB估算感热通量与大孔径闪烁仪观测数据比较的均方根误差分别为48.47 W/m²、58.57 W/m²。基于涡动相关仪观测百米级尺度,Landsat数据驱动的TSEB估算感热通量与涡动相关仪观测数据的均方根误差为89.37 W/m²。因此,得出以中高分辨率卫星遥感数据作为驱动数据模型模拟效果更好,LAS观测公里级尺度数据能部分解决遥感地表蒸散发验证空间不匹配问题。     

An operational model for estimating Regional Evapotranspiration through Surface Energy Partitioning (RESEP)

Considerable work has been done on estimating surface energy fluxes and thus evapotranspiration at regional scale using remote sensing technique. Approaches currently used for estimating regional evapotranspiration are either based on empirical models or utilize a surface energy balance approach. The operationalization of these models has not been successful, because of the complexities involved in the procedure, strong dependence of heat transfer coefficient on a number of local meteorological parameters and accuracy at regional scale. This paper presents a remote sensing based simplified operational procedure to estimate sensible heat flux incorporating the local meteorological conditions. The model utilizes the surface reflectance in visible, infrared and thermal bands to generate surface albedo, surface temperature and leaf area index and thus surface energy fluxes to determine regional evapotranspiration. The developed model (Regional Evapotranspiration through Surface Energy Partitioning--RESEP) is applied to a part of the Western Yamuna Canal command in the State of Haryana, India to illustrate the methodology. The proposed procedure is computationally simple with reasonable accuracy of results. For a well-watered crop, average evapotranspiration by the proposed model is estimated as 2.1 mm day -1, whereas using Penman-Monteith equation it is calculated as 1.9 mm day -1 . The error involved in estimating evapotranspiration by the proposed model is calculated to be about 10%, which is acceptable for most cases.     

Integration of soil moisture as an auxiliary parameter for the anchor pixel selection process in SEBAL using Landsat 8 and Sentinel - 1A images

ABSTRACT

The sensible heat flux component calculation in the Surface Energy Balance Algorithm for Land (SEBAL) completely relies upon the anchor pixel locations. The fragmented agriculture regions with diverse crops make the selection process more challenging with less probability to correlate with ground realities. The conventional methods for anchor pixel selection have limitations in capturing the soil moisture variations beneath the canopy as they utilize only the thermal remote sensing images and ancillary datasets like land cover and crop type maps. The current research attempts to reduce the existing gap between the ground realities and simulated results by adding soil moisture as a supplementary parameter. The prospects of semi-empirical Water Cloud Model (WCM) to estimate the soil moisture content was tested in a fragmented agricultural region for different time periods. The concurrent satellite data obtained from Sentinel - 1A and Landsat 8 were utilized to supply the inputs for inversion modelling based on the Levenberg-Marquardt approach. The current research introduced ‘virtual Normalized Difference Vegetation Index’ concept to refine the WCM and yielded reliable soil moisture output for supplementing the anchor pixel selection process. The robustness of the approach was justified by considering the available energy at anchor pixel locations. The research outcomes revealed that the anchor pixel selection with and without soil moisture criterion has a significant impact on actual evapotranspiration estimation. The research also explores the scope of the synergetic use of optical and Synthetic Aperture Radar (SAR) inputs in SEBAL.     

黑河综合遥感联合试验研究进展:水文与生态参量遥感反演与估算

介绍了“黑河综合遥感联合试验”在水文和生态变量与参数反演、估算和模型应用方面取得的进展。在水文变量遥感方面,利用车载双偏振多普勒雷达在黑河上游和中游分别开展了高精度降水观测,获取了后向散射系数和极化信息与降水强度之间的定量关系。在综合利用多源观测信息,改进和发展蒸散发估算模型方面取得了实质性的进展。发展了利用K和Ka波段机载微波辐射计数据反演山区积雪深度的方法。针对SAR观测数据反演土壤水分中地表粗糙度的显著干扰,发展了消除粗糙度影响的反演方法。在生态过程遥感参量估算方面,提出了一种基于机载激光雷达和高分辨率光学影像的高精度地物信息分类方法。发展了从高光谱航空遥感提取植被自然光照下的荧光,并与NDVI结合的C3/C4植被分类方法。发展和改进了使用多角度、多光谱观测反演叶面积指数的方法,挖掘了激光雷达在植被垂直结构探测上的潜力,探索了叶面积指数遥感中的尺度转换规律。发展了利用高光谱数据中的荧光信息反演光能利用率的新方法;建立了考虑土壤反射率、冠层结构等因素的光合作用有效辐射比率反演模型;改进了利用遥感估计生态系统生产力的模型。发展了利用高光谱遥感数据提取叶绿素含量和叶绿素荧光强度的方法。     

遥感边缘智能技术研究进展及挑战

随着航空航天、遥感和通信等技术的快速发展,5G等高效通信技术的革新,遥感边缘智能（edge intelligence）成为当下备受关注的研究课题。遥感边缘智能技术通过将遥感数据处理与分析技术前置实现,在近数据源的位置进行高效地遥感信息分析和决策,在卫星在轨处理解译、无人机动态实时跟踪、大规模城市环境重建和无人驾驶识别规划等应用场景中起着至关重要的作用。本文对边缘智能在遥感数据解译中的研究现状进行了归纳总结,介绍了目前遥感智能算法模型在边缘设备进行部署应用中面临的主要问题,即数据样本的限制、计算资源的限制以及灾难性遗忘问题等。针对问题具体阐述了解决思路和主要技术途径,包括小样本情况下的泛化学习方法,详细介绍了样本生成和知识复用两种解决思路;轻量化模型的设计与训练,分析了模型剪枝和量化等方法以及基于知识蒸馏的训练框架;面向多任务的持续学习方法,对比了样本数据重现和模型结构扩展两种原理。同时,还结合了典型的遥感边缘智能应用,对代表性算法的优势和不足进行了深层剖析。最后介绍了遥感边缘智能面临的挑战,以及未来技术的主要发展方向。