论文部分内容阅读
被动微波传感器是目前业务化获取地表土壤水分产品的主要遥感手段,但空间分辨率(～25km)一般都较粗,难以提供适用于流域尺度水循环研究的中分辨率土壤水分数据.
本文提出一个土壤水分降尺度算法,采用0.01°分辨率MODIS逐日地表度产品(MOD11A1)和逐日地表反射率产品(MOD09GA)构建温度一植被指数特征空间(Ts-NDVI Space),计算得到0.01°分辨率的.TVDI(TemperatureVegetation Dryness Index)以反映地表土壤水分的空间分布特征,以此为基础信息将0.25°的VUJA-NASA AMSR-E土壤水分产品降尺度到0.01°分辨率。本算法经NAFF06(The National Airborne Field Experiment2006)试验地面采样数据验证,降尺度后的土壤水分均方根误差为0.061m3/m3。
根据对Ts-NDVI特征空间的深入分析,提出了一个旱情监测的新方法,即三角形空间溢出法(Spill Method).以往基于Ts-NDVI特征空间计算得到TVDI进行旱情分级用于旱情监测,存在着较大的不确定性。因为通常条件下植被冠层较土壤的温度低,而植被覆盖度改变植被冠层与土壤在遥感像元中的贡献比例是形成Ts-NDVI三角形特征空间的主要原因,而这个过程是线性的,所以在Ts-NDVI特征空间的上边界,即“干边”上,植被仍然是正常生长的.“溢出法”的原理是当植被受水分胁迫出现旱情时,特征点会从上边界“溢出”,成为离散点并形成一个非线性带.用此方法在黑河流域中游张掖绿洲的盈科研究区发现,“溢出”点除一部分混合像元外,受旱主要是在研究区南部的小麦种植区,与野外试验调查结果相一致。