一种确定SM监测中LST/FVC空间的方法技术

本申请提供了一种确定SM监测中LST/FVC空间的方法，该方法引入了Biome‑BGC模型中平行阻抗的方式，计算干边的温度端元，简化了干边温度的计算。此外，该方法还发展了一种确定湿边温度端元的逐步选择法。通过计算土壤湿度指数，比较了本方法与传统的理论计算方法。SAMPVEX12综合实验数据、MODIS遥感数据、以及NLDAS‑2气象数据被用于实验研究，结果表明在监测土壤湿度的空间变化上，本申请的方法与之前存在的理论计算方法具有非常高的一致性。

A method to determine LST / FVC space in SM monitoring

【技术实现步骤摘要】
一种确定SM监测中LST/FVC空间的方法
本专利技术涉及一种确定SM监测中LST/FVC空间的方法。
技术介绍
土壤湿度(SM)是陆地表面蒸散(ET)和植被/作物生长的重要水源。它通过控制可利用能量对潜热和显热通量的分配，以及降水对地表径流和入渗的分配，在地表水和能量循环中发挥着重要作用。因此，它是广泛应用的关键参数，如农业生产(Dobriyal等人2012)，干旱监测和预测(AghaKouchak等人2015；Sun等人2013)，水资源管理(Robinson等人，2008)，天气预报(Dai，Trenberth和Qian2004)，以及气候变化(Anderson等人2007；Petropoulos，Ireland和Barrett2015)等。遥感是一种在一定时间间隔内从区域尺度到全球尺度获取空间分布的技术。基于遥感数据检索SM的方法几乎涵盖了从可见波段到微波波段的整个光谱范围(Petropoulos、Ireland和Barrett，2015年)。其中，基于微波波段特别是L波段的方法被认为是获得SM的最佳选择，因为波长更长并且与SM更直接相关(Petropoulos，Ireland和Barrett2015；Peng等2017；Colliander等2017；Wu等2014；Administration2014)。然而，基于可见光、近红外和热红外波段的方法仍然很重要，因为它们通常具有较长的历史，具有高时空分辨率和丰富的数据源。此外，光学/热遥感数据是将微波SM数据空间分辨率提高到几公里甚至几十米的重要来源(Peng等人2017)。遥感地表温度和植被盖度或光谱植被指数(LST/FVC)特征空间是用于从光学/热遥感监测SM的概念模型。它可以简单地表示为二维散点图，其中水平轴是FVC从0到1变化，垂直轴是从潜在最小值到潜在最大值的LST(LandSurfaceTemperature，地表温度)(Carlson2007；Petropoulos等人2009；Sun2016)。潜在的最小值和最大值对应于陆地表面ET的两个极端条件，其中前者处于饱和水供应而后者处于最大水压力下。所有具有最大水应力的像素形成LST/FVC空间的上边界(即干边)，而具有饱和水供应的像素形成LST/FVC空间的下边界(即湿边)(Sun等人2017)。像素相对于LST/FVC空间中干边和湿边的位置是监测SM和进一步ET的变化的有力指标。例如，温度植被干旱指数(TVDI)(Sandholt、Rasmussen和Andersen2002)和植被温度条件指数(VTCI)(Wang等人2001)是基于LST/FVC空间监测SM的两个典型指标。此外，它对微波遥感观测估算的降尺度粗分辨率SM也起着重要作用。例如，Merlin等人，提出了一种物理降尺度方法，即基于物理和理论尺度的分解(DISPATCH)，其中LST/FVC空间用于计算显着的降尺度因子土壤蒸发效率(SEE)(Merlin等2012；Merlin等2013)。将LST/FVC空间应用于SM监测的一个关键问题是确定干边和湿边。视觉识别和自动拟合是直接从遥感图像本身确定干湿边的两种简单方法。然而，它们对研究区域的要求非常苛刻，例如在该区域必须存在干湿边条件下的像素，这通常是无法满足(Tang、Li和Tang2010)。而且它是经验方法，具有经验方法的所有特征。例如；依赖于场景，缺乏对其他区域的可转移性，不能微调以及描述物理过程。除上述经验方法外，Moran等(1994)，Long等(2012)，Sun等(2016年、2017年)还有三种典型的理论计算方法。然而，理论计算方法需要相对复杂的迭代过程和参数，例如确定空气动力学阻抗需要的风速和植被高度，这些参数不容易获取(Long，Singh和Scanlon2012；Sun2016b；Sun等2017；Moran等1994年；Sun等2012)。
技术实现思路
鉴于上述问题，本申请目的是提供一种确定SM监测中LST/FVC空间的方法，以供SM监测的操作性和非迭代性使用。本专利技术的一种确定SM监测中LST/FVC空间的方法，其通过确定LST/FVC空间的湿边的温度端元和干边的温度端元来确定LST/FVC空间；其中，湿边的温度端元通过式2确定：其中LSTw代表土地覆盖类型“永久湿地”或“水体”的地表温度，单位K；LSTno_ice代表没有“冰雪”的土地覆盖类型以及上述湿地和水体上的地表温度，单位K；Ta是实时近地面气温，单位K；当LSTw存在于一个局部研究区域时，LSTw的平均值被认为是Tsmin和Tcmin；如果不存在LSTw且存在LSTno_ice<Ta，则将LSTno_ice的最小值设置为Tsmin和Tcmin；对于其他情况，Ta被设为Tsmin。优选地，干边上的温度端元Tsmax和Tcmax可以通过式3、4、5确定：其中αc和αs是植被组分和裸土组分短波的反照率；εc和εs是植被组分和裸土组分的宽波段发射率；rac是干燥植被冠层的空气动力学阻抗，是干燥裸土组分的空气动力学阻抗；ns是分数系数，为0.35；Sd是下行短波辐射；σ是Stefan-Boltzmann常数；ρ是空气密度；cp是空气比热；εa是大气发射率；rh是植被表面的对流传热阻抗；rr是辐射传热阻抗；gl_sh为叶尺度边界层导度，其值根据土地覆盖类型确定；rhs是裸土表面的对流传热阻抗；rblmin表示蒸汽输送的总空气动力阻力，其值设定为95.0s/m。优选地，εc为0.983，εs的值为0.959。优选地，εa＝1.0-0.261exp[-7.77×10-4(273-Ta)2]。本申请的确定SM监测中LST/FVC空间的方法，引入了Biome-BGC模型中平行阻抗的方式，计算干边的温度端元，简化了干边温度的计算。此外，该方法还发展了一种确定湿边温度端元的逐步选择法。附图说明图1为LST/FVC空间中干边和湿边的示意图；图2为6月27日的土壤湿度和各种方法计算的SMI；图3为7月5日的土壤湿度和各种SMI；图4为7月13日的土壤湿度和各种SMI；图5为7月17日的土壤湿度和各种SMI；图6为7月13日的气温、地表温度、地表温度与气温差异以及差异分布；图7为月27日，7月5日，7月13日，7月17日四天的土壤湿度和各种SMI比较的散点图；图8为所有时间点上的相关系数随土壤湿度平均值的变化情况；图9为温度极值变化与输入变量的相对变化。具体实施方式下面结合附图对本申请进行详细说明。LST/FVC空间干湿边界的定义图1显示了LST/FVC空间中干边和湿边的示意图。目前，对LST/FVC空间的理论形式有不同的解释，即梯形(Long和Singh2012；Yang和Shang2013)和两级段梯形(Sun2016)。但这些方法干边和湿边的解释是相似的，本文档来自技高网...

【技术保护点】
1.一种确定SM监测中LST/FVC空间的方法，其通过确定LST/FVC空间的湿边的温度端元和干边的温度端元来确定LST/FVC空间；/n其中，湿边的温度端元通过式2确定：/n

【技术特征摘要】
1.一种确定SM监测中LST/FVC空间的方法，其通过确定LST/FVC空间的湿边的温度端元和干边的温度端元来确定LST/FVC空间；
其中，湿边的温度端元通过式2确定：



其中LSTw代表土地覆盖类型“永久湿地”或“水体”的地表温度，单位K；LSTno_ice代表没有“冰雪”的土地覆盖类型以及上述湿地和水体上的地表温度，单位K；Ta是实时近地面气温，单位K；当LSTw存在于一个局部研究区域时，LSTw的平均值被认为是Tsmin和Tcmin；如果不存在LSTw且存在LSTno_ice<Ta，则将LSTno_ice的最小值设置为Tsmin和Tcmin；对于其他情况，Ta被设为Tsmin。


2.如权利要求1所述的确定SM监测中LST/FVC空间的方法，其中：
干边上的温度端元Tsmax和Tcmax可以通过式3、4、5确定：

【专利技术属性】
技术研发人员：孙灏，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：北京;11