【RS Notes】Rahimzadeh-Bajgiran et al. 2013 利用光学/热红外遥感监测土壤水分

作者：大熊空间发布时间：2022-02-19 17:09分类：无浏览：222评论：0

导读：DOI: 10.1016/j.isprsjprs.2013.06.004 思路利用温度-植被指数特征空间估算蒸发比（Evaporative Fraction, EF），然后利用E...

DOI: 10.1016/j.isprsjprs.2013.06.004

思路

利用温度-植被指数特征空间估算蒸发比（Evaporative Fraction, EF），然后利用EF和土壤水分（Soil Moisture, SM）之间的经验关系来估算土壤水分。

研究区

加拿大草原三省（Canadian Prairies）

方法

EF的定义

$E F=\frac{L E}{R_{n}-G}=\phi \frac{\Delta}{\Delta+\gamma}$

其中 $\phi$ 是Priestley-Taylor参数，注意其与原始的P-T参数 $\alpha$ 有一定区别。 $\alpha$ 应用于湿润地表，而 $\phi$ 可以应用于更广的含水量范围。

特征空间的建立

选择 $T_s-T_a$ 还是 $T_s$ ？

$T_s-T_a$ 与地表能量交换直接相关，并且蒸气压差（VPD）近似线性；但 $T_a$ 的测量困难，尤其是在研究区较大时。
$T_s$ 可以直接由遥感数据得到，但其受空间异质性的影响更大，因此应用的研究区也不能过大。
还可以使用昼夜温差 $\Delta T$ ，它与热惯量有着直接联系。

本文考虑了三种选择：

MODIS Terra $T_s-T_a$
MODIS Aqua $T_s-T_a$
MODIS Aqua $\Delta T$

其中 $T_a$ 选用了与卫星过境时间接近的NARR 3小时平均气温产品。

然后，可以利用特征空间计算每一点处的 $\phi$ ：

$\phi_{i}=\frac{T_{\max }-T_{i}}{T_{\max }-T_{\min }}\left(\phi_{\max }-\phi_{\min }\right)+\phi_{\min }$

从EF估算土壤水分

Komatsu模型

$\begin{aligned} & EF=1-\exp(-\theta/\theta_c) \\ & \theta_c=\theta_{c0}(1+\gamma/r_a) \end{aligned}$

其中 $\theta$ 是土壤体积含水量， $\theta_c$ 是土壤特征体积含水量，与土壤类型和风速等参数有关。

Lee-Pielke模型

$E F=\left\{\begin{array}{ll} \frac{1}{4}\left[1-\cos \left(\frac{\theta}{\theta_{f c}} \pi\right)\right]^{2} & \theta<\theta_{f c} \\ 1 & \theta \geqslant \theta_{f c} \end{array}\right.$

其中 $\theta_{fc}$ 是最大田间持水量时对应的土壤体积含水量。

结果

图3 三种特征空间

Terra和Aqua区别不大，使用 $\Delta T$ 会有明显区别，完全植被覆盖端的温度差要显著大于前两者。

图4 EF反演结果

图5 与两个理论模型的比较

讨论

EF-SM经验模型的选择

尽管Komatsu模型参数更多，考虑的因素更多，但Lee-Pielke模型效果更好。

特征空间的选择

使用 $T_s-T_a$ 精度优于 $\Delta T$ ，同时对遥感影像的要求也更低，因为后者需要连续两景无云的影像。

上一篇：Python Selenium 将网页另存下载(包含资源文件(js,css,图片等))
下一篇：推荐7个国外图片资源网站

【RS Notes】Rahimzadeh-Bajgiran et al. 2013 利用光学/热红外遥感监测土壤水分

思路

研究区

方法

EF的定义

特征空间的建立

从EF估算土壤水分

Komatsu模型

Lee-Pielke模型

结果

讨论

EF-SM经验模型的选择

特征空间的选择

相关文章

发表评论: 取消回复

个人资料

日历

搜索

最新评论

分类

标签

热门文章

链接