1822 / 2019-08-29 20:09:49

利用新型微波植被指数遥感植被蒸散

7、地理与地理信息科学 > 专题7：陆地生态系统遥感监测新技术与新方法

地表蒸散发（ET）是陆地水能循环最重要的环节。卫星遥感是获取长时间、大尺度下非均匀植被下垫面蒸散所不可替代的重要方法。大多数卫星遥感蒸发的算法基于光学植被指数(如NDVI)，但它时间分辨率较低、受云影响大、无法在夜晚使用。最近发展的新型微波比辐射率差分植被指数（EDVI）主要反映植被含水量信息，具有穿云能力强、能全天候使用等优点，能一定程度上客服光学植被指数的缺陷。本研究首先基于Auqa卫星的微波辐射计AMSR-E观测资料、中尺度分辨率光谱仪MODIS云资料以及NCEP大气状态再分析资料，反演生成了亚洲区域2003-2010的EDVI数据集（分辨率~20km）；然后利用CERES数据集、ECMWF大气再分析资料以及MODIS NDVI产品，发展了一种独立于地表站点观测的多源ET卫星反演算法；将该算法运用到亚洲典型的森林、草地和农田下垫面， 利用20个AsiaFlux通量站点对结果进行了验证，进一步在不同的时间尺度和不同云况下分别讨论了蒸散反演结果；最后利用GLEAM（Global Land Evaporation Amsterdam Model）对本文算法所估算的ET成分（植被蒸腾ETveg，截留蒸发ETint，土壤蒸发ETsoil）进行了验证和比较。结果表明：1）在所有云况下，该算法在日尺度上对不同类型植被的蒸散模拟有较好的精度。在森林、草地和农田站点，对应的总的平均相关系数（R）可达0.71，0.69和0.83，偏差（bias）为24.8 W/m2， 4.8 W/m2和-1.5 W/m2， RMSE为62.8 W/m2，75.6 W/m2，40.1 W/m2，在月平均和年平均尺度上有更好的表现，这说明该算法能应用于不同气候带多种植被类型每日蒸散的监测。2）该算法在不同云况下（从晴天到阴天）具有稳定良好的表现，产生的平均偏差均小于22 W/m2 （18%），RMSE小于77 W/m2（59%）。 3）该算法估算的总的ET与GLEAMET有相近的精度。在所有站点，两者的R2 均为0.56， bias分别为0.16和0.38mm/day， RMSE为0.89和 0.88 mm/day。但两者在ET成分估算中有差别，表现为：与GLEAM相比，EDVI算法估算的 ETveg 普遍更小而ETsoil普遍更大。4）基于EDVI的ET反演算法的精度受到不同因素影响。突出表现为，模型精度依赖于输入的卫星资料和再分析数据的精度，特别是对净辐射和温度输入比较敏感；当地表有积水或发生降水时，ET模拟值会普遍偏小，但去除掉降水影响的样本后，ET模拟结果得到普遍提高。本研究初步证明了：利用基于微波植被指数EDVI的ET反演算法，同时联合卫星资料和再分析数据，在有云天气下遥感地表不同类型植被的日蒸散是可行的，这为发展一种不依赖于地表站点数据的全天候卫星遥感地表蒸散算法提供了思路。