论文部分内容阅读
地表温度(Ts)-植被覆盖(fv)特征空间方法由于对气象要素的依赖较少,抓住了地表要素之间最主要的信息关联,满足了目前阶段人们对于遥感技术的应用需求,在土壤水分监测和地表蒸散计算方面取得了大量应用成果。Ts-fv特征空间方法的核心是依据地表温度距离干湿边的相对距离,进行干旱监测的应用,因此准确定位干湿边就成为该方法的关键步骤。以往确定干边的方法中大都直接根据散点来拟合,这个过程存在很大主观性和随意性,而且利用散点拟合的干边只能称为实测干边,其土壤湿度不一定为零。因此就会造成Ts-NDVI特征空间在时间序列上缺乏一致性。针对这个问题Zhang et al(2008)通过能量平衡公式推导出了确定绝对干边的理论公式,为Ts-fv空间提供了更坚实的理论依据。
本论文在Zhang et al(2008)的基础上,对绝对干边计算方法做了进一步简化,使其更具可操作性,并首次运用于土壤水分监测,在空间和时间两个尺度进行验证,同时结合Priestley-Taylor公式计算地表蒸散(ET),并取得了较好结果,主要结论包括:
(1)通过对于边敏感性分析表明太阳辐射和空气温度会对干边计算造成较大影响,而同时改变土壤干点和植被干点温度要比单独干边其中一个带来的影响更明显。地表反照率虽然也有一定影响,但考虑到真实情况下,地表反照率不会出现太大差异,因此其影响也较小,水汽压的影响最小。
(2)绝对干边的斜率和截距与太阳辐射有较好的相关性,同时绝对干边斜率绝对值和截距比实测干边大,说明绝对干边代表了更干旱的土壤水分状况。绝对干边形成的特征空间从直观上看,形成了更规则的梯形,而实测干边对于不规则的散点则无法形成较理想的梯形。通过水体温度来控制湿边可以有效剔除受云层影响的像元。
(3)通过理论推导确定绝对干边为Ts-fv空间的形成提供了更完备的理论依据,避免了较多主观因素以及不确定因素的影响。本论文分别利用绝对干边计算了ATVDI(Advanced Temperature Vegetation Index),以及实测干边计算了STVDI(SimpleTemperature Vegetation Index)。从空间尺度上的比较来看,两者与土壤水分的相关性差别不大,但是从数值分布范围来看,ATVDI数值更能准确反映地表真实土壤湿度状况。时间尺度上看,ATVDI不仅在数值分布范围上更合理,相关性也有了明显改进,充分说明了绝对干边的合理性。
(4)比较了三种以Ts-fv为基础的蒸散算法,通过与观测值的比较结果来看,由绝对干边确定的Ts-fv空间,在进行地表蒸散计算中同样可以表现出它的优势。但是相比ATVDI在土壤湿度时间序列上的表现,绝对干边计算蒸散的优势并不明显,实测干边计算结果仍然具有较高的相关性,小部分站点相关性接近甚至高于绝对干边。通过分析发现,这主要是由于Rn-G与蒸散具有比较相似的季节变化曲线,从时间尺度上来看,Rn-G的季节变化很大程度上抵消了实测干边所带来的误差。另外从三种算法的比较来看,假设湿边显热为零的方法误差相对最大。
(5)在河南地区进行应用,发现河南站点土壤湿度与ATVDI相关性较差,可能与非均一下垫面有关。计算了2007年第8.108.138.261.332天ATVDI以及潜热通量,空间以及时间分布基本与实际情况相符。另外通过对Ts-LAI散点空间的分析,发现了LAI在地表温度较大时的异常现象,初步分析表明该现象是由山区南坡林地引起的,很可能与林地类型有关。