【技术实现步骤摘要】
基于反射率-植被覆盖度二维空间的蒸散发遥感反演应用
本专利技术属于地表蒸散发遥感估算
,具体涉及一种基于反射率-植被覆盖度二维空间的蒸散发遥感反演应用。
技术介绍
蒸散发(Evapotranspiration,ET)是地表水循环与能量平衡的重要组成部分,决定了土壤-植被-大气系统中的水、热传输,其定量估算在水文学、气象学、农学、地学等学科研究中,都发挥着重要的作用。而遥感技术从技术性、经济性和实效性等方面来看,被认为是获得地球表面区域尺度蒸散发分布最有效的方法。目前,遥感蒸散发估算方法有一源模型、二源模型和地表温度-植被指数三角形/梯形模型。但是传统的估算模型具有以下局限性:(1)需要可见光与热红外相配套的数据,这样直接排除了没有热红外波段而只有可见光波段卫星遥感传感器的应用;(2)由于地表温度不仅受土壤含水量的影响,还受太阳辐射、空气温度、相对湿度和风速等气象要素的影响,因此,无法仅利用卫星单一过境数据或长时间序列数据开展地表温度-植被指数三角形/梯形模型的干边和湿边确定,同时,需要耗时进行每一天参数的计算和 ...
【技术保护点】
1.基于反射率-植被覆盖度二维空间的蒸散发遥感反演应用,其特征在于,包括:/nS1、基于卷积神经网络构建蒸散发遥感反演网络;/nS2、使用训练样本对所述蒸散发遥感反演网络进行训练;所述训练样本包括卫星遥感图像、对应所述卫星遥感图像区域的气象数据和遥感短波红外反射率数据;/nS3、将目标区域在预设时间尺度的气象数据、卫星遥感图像和遥感短波红外反射率数据输入训练完成的蒸散发遥感反演网络,得到所述目标区域在预设时间尺度的蒸散发数据。/n
【技术特征摘要】 【专利技术属性】
1.基于反射率-植被覆盖度二维空间的蒸散发遥感反演应用,其特征在于,包括:
S1、基于卷积神经网络构建蒸散发遥感反演网络;
S2、使用训练样本对所述蒸散发遥感反演网络进行训练;所述训练样本包括卫星遥感图像、对应所述卫星遥感图像区域的气象数据和遥感短波红外反射率数据;
S3、将目标区域在预设时间尺度的气象数据、卫星遥感图像和遥感短波红外反射率数据输入训练完成的蒸散发遥感反演网络,得到所述目标区域在预设时间尺度的蒸散发数据。
2.根据权利要求1所述的基于反射率-植被覆盖度二维空间的蒸散发遥感反演应用,其特征在于,所述卷积神经网络包括输入层、卷积层、池化层,所述卷积层层数为16、卷积核大小为3*3的卷积层和层数为5的最大池化层。
3.根据权利要求1所述的基于反射率-植被覆盖度二维空间的蒸散发遥感反演应用,其特征在于,所述训练样本包括80%的训练样本和20%的测试训练样本。
4.根据权利要求1所述的基于反射率-植被覆盖度二维空间的蒸散发遥感反演应用,其特征在于,所述蒸散发遥感反演网络基于卫星遥感图像、对应所述卫星遥感图像区域的气象数据和遥感短波红外反射率数据得到对应所述卫星遥感图像区域的蒸散发的方法,包括以下步骤:
S21、获取卫星遥感图像、对应所述卫星遥感图像区域的气象数据和遥感短波红外反射率数据;
S22、基于所述卫星遥感图像遥感反演得到地表特性参数和植被覆盖度;
S23、解译所述遥感短波红外反射率数据得到反射率数据;所述遥感短波红外反射率数据为长时间序列的遥感短波红外反射率数据;
S24、基于所述反射率数据和所述植被覆盖度,构建反射率-植被覆盖度的二维空间和散点图,确定所述二维空间的干边和湿边的物理边界;
S25、基于所述干边和湿边的物理边界确定蒸发比变化参数;
S26、根据Priestley-Taylor模型和所述蒸发比变化参数得到蒸发比相关参数;
S27、基于所述蒸发比相关参数、所述气象数据和所述地表特性参数得到蒸散发数据。
5.根据权利要求4所述的基于反射率-植被覆盖度二维空间的蒸散发遥感反演应用,其特征在于,所述气象数据包括:空气温度数据、大气压强数据、相对湿度数据;所述地表特性参数包括地表净辐射和土壤热通量数据。
6.根据权利要求4所述的基于反射率-植被覆盖度二维空间的蒸散发遥感反演应用,其特征在于,所述蒸发比变化包括:
所述湿边像元处于潜在蒸发状态,蒸发比为最大值;
所述干边上的蒸散发主要来源于植被的蒸腾,干边上的蒸发比从0到最大值呈线性变化;所述干边和湿边的公式为:
STRd=md+rd*Fr;
STRw=mw+rw*Fr;
技术研发人员:王永,程洋,杨妍妨,
申请(专利权)人:中国地质科学院岩溶地质研究所,
类型:发明
国别省市:广西;45
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。