当前位置: 首页 > 专利查询>浙江大学专利>正文

基于多源遥感卫星融合数据的地表土壤水分降尺度方法技术

技术编号:18426732 阅读:8 留言:0更新日期:2018-07-12 02:05
本发明专利技术公开了一种基于多源遥感卫星融合数据的地表土壤水分降尺度方法,特别适用于多云雨地区,包括:收集并整理被动微波土壤水分数据集、LST和NDVI数据集以及DEM数据;利用NDVI和DEM数据集作为辅助数据,对受云雨影响导致像元缺失严重的LST影像进行空间插值,得到接近研究区全覆盖的逐日地表温度LST数据集;利用地理加权回归模型构建微波土壤水分和光学遥感LST、NDVI之间的数学关系模型,并利用该模型,获得高空间分辨率的地表土壤水分数据集。本发明专利技术有效提升了降尺度结果的可靠性和降尺度在大范围研究区内的普适性,改善了在多云雨地区对土壤水分含量进行大范围空间制图与监测的精度和效率。

Downscaling method for surface soil moisture based on fusion data of Multi-source Remote Sensing Satellites

The invention discloses a surface soil moisture reduction method based on multi source remote sensing satellite fusion data. It is especially suitable for multi cloud and rain areas, including collecting and sorting passive microwave soil moisture data sets, LST and NDVI data sets and DEM data, using NDVI and DEM data sets as auxiliary data, which are affected by cloud and rain. The pixel missing serious LST image is interpolated in space, and the daily surface temperature LST data sets near the study area are obtained. Using the geo weighted regression model, the mathematical relationship model between microwave soil moisture and optical remote sensing LST and NDVI is constructed, and the high spatial resolution surface soil moisture data is obtained by using this model. Set. The invention effectively improves the reliability of the reduced scale results and the universality in the large scope of the study area, and improves the precision and efficiency of the large-scale spatial mapping and monitoring of soil moisture content in the cloudy and rainy regions.

【技术实现步骤摘要】
基于多源遥感卫星融合数据的地表土壤水分降尺度方法
本专利技术涉及遥感地表土壤水分含量反演和降尺度的
,具体涉及一种基于多源遥感卫星融合数据的地表土壤水分降尺度方法。
技术介绍
土壤水为土壤层内的非饱和水体,广泛分布于陆地表层,是地表水与地下水相互转化的纽带,又是植物生长的必要水源,土壤水资源的多少对农作物种植、生长起着关键作用。我国是一个土壤水资源分布极不平衡的国家,在淮河以北和广大中西部地区,降水量较少,水资源贫乏,土壤水资源成为了制约农业生产的关键因素之一;而在水资源丰富尤其是降水量偏高的江南地区,较高的土壤水分含量又往往容易引发农作物的涝渍灾害,对农业生产造成损失。因此,对当地土壤水资源的状态变化做出及时、正确的监测与评价,是科学利用水资源对农作物进行合理布局、制定适宜的灌溉制度或针对特定的旱涝灾害制定合理的减灾方案,最终保证农作物和粮食安全生产的前提。传统的土壤水分监测主要是在气象站通过人工观测或者自动台站观测的手段获取实时的表层土壤水分含量值。然而人工观测费时费力且随机误差不可控制,自动观测站的观测数据也仅仅是某一个固定地段点的土壤水分值而无法对在一定范围的连续空间内的土壤水分变化做出评估,大量布设自动观测站进行大范围地表土壤水分监测还存在着观测成本过高的困难。随着科技的进步,卫星遥感数据的获取和卫星遥感土壤水分反演方法研究的推进,有效弥补了利用站点观测土壤水分资料在空间连续性和观测成本上的劣势,使利用卫星遥感数据获取高时空分辨率的近实时地表土壤水分含量分布影像成为可能。美国和欧盟一些国家从二十世纪七十年代起陆续展开基于卫星遥感的大空间尺度土壤水分反演研究。微波遥感数据对云层和植被冠层具有良好的穿透性,是监测土壤水分变化信息的理想数据源。常用的微波遥感数据包括微波辐射计数据集和微波散射计(雷达)数据集。微波散射计接收数据反演地表土壤水分的机理复杂,数据分辨率过高因此占用空间较大且成本昂贵,处理步骤繁琐,并且反演过程对地表辅助参数有着严格精确的要求,导致该数据的应用成本整体偏高。微波辐射计属于被动微波技术,其数据全球覆盖度高,获取容易,适合大面积的地表土壤水分监测。微波辐射计包括升轨和降轨两种模式的数据集,每种模式的数据集对于中低纬度地区的重访周期均为1-3日(在我国大部分地区一般为1-2日),其较高的时间分辨率保证了可以对地表土壤水分空间变化做到接近每日1-2次的近实时监测。然而该类数据集的空间分辨率普遍较低,一般在10-60km范围内,成为限制地表土壤水分监测精度的关键因素。利用光学遥感数据对被动微波反演地表土壤水分做空间降尺度处理,可以获得更高空间分辨率的地表土壤水分遥感影像。Choi等(Choi,M.,&Hur,Y.(2012).Amicrowave-optical/infrareddisaggregationforimprovingspatialrepresentationofsoilmoistureusingAMSR-EandMODISproducts.RemoteSensingOfEnvironment,124,259-269)以及Chauhan等(Chauhan,N.S.,Miller,S.,&Ardanuy,P.(2003).Spacebornesoilmoistureestimationathighresolution:amicrowave-optical/IRsynergisticapproach.InternationalJournalOfRemoteSensing,24,4599-4622)根据区域的“地表温度——植被”三角特征关系建立了微波反演地表土壤水分含量关于光学遥感反演的地表温度、植被指数、地表反照率等参数的数学模型,并利用此模型进行降尺度获取了高分辨率的地表土壤水分遥感影像;Piles等(Piles,M.,Sanchez,N.,Vall-llossera,M.,Camps,A.,Martinez-Fernandez,J.,Martinez,J.,&Gonzalez-Gambau,V.(2014).ADownscalingApproachforSMOSLandObservations:EvaluationofHigh-ResolutionSoilMoistureMapsOvertheIberianPeninsula.IeeeJournalOfSelectedTopicsInAppliedEarthObservationsAndRemoteSensing,7,3845-3857)利用类似方法对SMOS被动微波遥感土壤水分数据进行降尺度处理,并在数学模型的输入参数(除了光学类的地表温度、植被指数等)中加入了L波段的微波亮温数据,使得降尺度数据的精度有所提高;Merlin(Merlin,O.,AlBitar,A.,Walker,J.P.,&Kerr,Y.(2010).Animprovedalgorithmfordisaggregatingmicrowave-derivedsoilmoisturebasedonred,near-infraredandthermal-infrareddata.RemoteSensingOfEnvironment,114,2305-2316)利用同类的光学遥感数据,在微波土壤水分和光学数据之间建立基于“土壤蒸发率模型(soilevaporativeefficiencymode)”进而对微波土壤水分进行降尺度处理,得到了整体效果较满意的高分辨率遥感土壤水分数据集;Kim等(Kim,J.,&Hogue,T.S.(2012).ImprovingSpatialSoilMoistureRepresentationThroughIntegrationofAMSR-EandMODISProducts.IeeeTransactionsonGeoscienceAndRemoteSensing,50,446-460)通过建立“土壤湿度指数(soilwetnessindex)”来构建微波土壤水分和光学遥感数据之间的关系,完成了类似的降尺度工作。上述大量前人关于被动微波遥感土壤水分降尺度的研究,其共同之处在于,需要从光学遥感数据中寻找能够响应地表土壤水分变化的特定信号分量,构建该分量与微波反演地表土壤水分之间的高相关性、高鲁棒性的数学关系模型以完成微波土壤水分的空间降尺度。然而这一过程至少存在两个方面的不足:(1)光学数据易受云雨天气影响,在多云多雨地区像元缺失严重,上述研究也主要集中在多是晴天的研究区;(2)由于光学遥感数据对地表土壤水分的表征关系并不稳定,往往会随着地理位置、地表覆盖组分、地形因素以及其它环境等等因素的变化而变化,因此这种关系在范围较大的研究区内很难用普适性较强的单一数学模型(即使用同一套模型系数)进行描述。这会降低在大范围区域内所构建的微波土壤水分关于光学遥感参数的数学模型的相关性和鲁棒性,最终影响高分辨率土壤水分数据的精度。
技术实现思路
本专利技术提供了一种基于多源遥感卫星融合数据的地表土壤水分降尺度(提升空间分辨率)方法,特别适用于多云雨地区。一种基于多源遥感卫星融合数据的地表土壤水分降本文档来自技高网
...

【技术保护点】
1.一种基于多源遥感卫星融合数据的地表土壤水分降尺度方法,其特征在于,包括以下步骤::步骤1):收集并整理被动微波遥感土壤水分数据集、地表温度数据集、植被覆盖指数数据集以及数字高程模型数据集,经过预处理,得到微波遥感土壤水分数据影像、地表温度数据影像、植被覆盖指数数据影像以及数字高程模型数据影像;步骤2):利用步骤1)获得的植被覆盖指数数据影像和数字高程模型数据影像作为辅助数据,对步骤1)中地表温度数据影像中受云雨影响导致像元缺失严重的影像进行空间插值,得到研究区全覆盖的逐日地表温度数据影像;步骤3):利用地理加权回归模型,构建步骤1)得到的微波遥感土壤水分数据影像与步骤2)得到的研究区全覆盖的逐日地表温度数据影像、步骤1)得到的植被覆盖指数数据影像之间的数学关系模型,并利用该模型完成地表土壤水分的空间降尺度处理,获得高空间分辨率的地表土壤水分数据集。

【技术特征摘要】
1.一种基于多源遥感卫星融合数据的地表土壤水分降尺度方法,其特征在于,包括以下步骤::步骤1):收集并整理被动微波遥感土壤水分数据集、地表温度数据集、植被覆盖指数数据集以及数字高程模型数据集,经过预处理,得到微波遥感土壤水分数据影像、地表温度数据影像、植被覆盖指数数据影像以及数字高程模型数据影像;步骤2):利用步骤1)获得的植被覆盖指数数据影像和数字高程模型数据影像作为辅助数据,对步骤1)中地表温度数据影像中受云雨影响导致像元缺失严重的影像进行空间插值,得到研究区全覆盖的逐日地表温度数据影像;步骤3):利用地理加权回归模型,构建步骤1)得到的微波遥感土壤水分数据影像与步骤2)得到的研究区全覆盖的逐日地表温度数据影像、步骤1)得到的植被覆盖指数数据影像之间的数学关系模型,并利用该模型完成地表土壤水分的空间降尺度处理,获得高空间分辨率的地表土壤水分数据集。2.根据权利要求1所述的基于多源遥感卫星融合数据的地表土壤水分降尺度方法,其特征在于,步骤1)中,所述的影像为标签图像文件格式。3.根据权利要求1所述的基于多源遥感卫星融合数据的地表土壤水分降尺度方法,其特征在于,步骤2)中,对步骤1)中地表温度数据影像中受云雨影响导致像元缺失严重的影像进行空间插值,具体包括:两个间隔较近的时间点t和t0,各自对应有一幅地表温度影像Tt和地表温度影像Tt0,Tt0为地表有效像元,未受云雨影像的像元,覆盖度大于90%的影像,t0时刻对应有植被覆盖指数影像V0,区域内的数字高程模型影像直接用DEM表示,所有影像为像元一一对应,空间分辨率相同,则Tt与上述其它影像之间存在的函数关系用如下线性数学模型表达:Tt=a0×Tt0+a1×V0+a2×DEM+ba0,a1,a2以...

【专利技术属性】
技术研发人员:宋沛林黄敬峰
申请(专利权)人:浙江大学
类型:发明
国别省市:浙江,33

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1