冬小麦蒸散遥感反演及与作物模型同化方法技术

本发明专利技术公开了一种冬小麦蒸散遥感反演及与作物模型同化方法，通过采集数据，并通过技术手段对数据进行计算分析，可有效克服传统方法耗时、耗力、耗经济的弊端，为作物估产、旱情监测、灌溉水合理利用提供可靠依据；且具有时效性强的优势，可同步大面积观测，有效克服了传统调研通达性较差的缺点；解决了区域参数获取困难的瓶颈，遥感信息与作物模型相结合可实现优化反演蒸散发和旱情监测目的；将遥感反演蒸散与作物模型相结合输出同化后的蒸散，既可提高遥感反演蒸散精度，又可输出时间连续的蒸散信息；多源遥感数据结合；SEBS模型反演ET与作物生长模型耦合，输出改进后的ET和LAI，结合PET进行冬小麦逐日动态变化干旱监测，形成业务服务能力。

【技术实现步骤摘要】
冬小麦蒸散遥感反演及与作物模型同化方法
本专利技术涉及冬小麦田间干旱监测方法，尤其是涉及冬小麦蒸散遥感反演及与作物模型同化方法。
技术介绍
我国作为一个农业大国，农业水资源是否充足关系到粮食安全和国家稳定，我国许多地区农业用水量占总用水量的70％，因此，有效提高农业用水的利用效率可有效缓解区域水资源紧缺的现状，而深入研究农作物的耗水规律、及时了解农作物的旱情又是提高农业用水利用效率的前提。蒸散发（英文：Evapotranspiration，缩写ET）又被称为作物需水量，是农业生产中最主要的耗水量，因此，蒸散发的精确估算，是农业生产中的一项重要工作，可为农田输配水、作物估产等提供理论基础。蒸散发既包括地表土壤蒸发和水体中的水分蒸发，也包括植物叶片中表面和体内水分的蒸腾，是水分发生在土壤、植被、大气中复杂的转化过程，它既是地面热量平衡的组成部分，又是水量平衡的组成部分，也是陆地生态系统和水文过程联系的重要纽带。因此，准确的获取区域范围内的蒸散发量是在水资源日益匮乏的情况下对水资源合理开发、利用和调配的前提。目前，获取蒸散发的传统方式是采用蒸散发点测资料，通过气象数据和作物系数来估算，主要包括蒸渗仪法、涡度相关仪等方法，这些方法不仅耗费大量的人力、财力和物力，且耗费时间长，难以大范围应用，数据获取也仅局限在点尺度上，而应用点尺度蒸散发数据拓展到区域尺度的蒸散发计算，获得的数据精确度较差。
技术实现思路
本专利技术目的在于提供一种冬小麦蒸散遥感反演及与作物模型同化方法。为实现上述目的，本专利技术采取下述技术方案：本专利技术所述的冬小麦蒸散遥感反演及与作物模型同化方法，包括下述步骤：步骤1，由人机交互接口输入FY-3遥感数据、Modis辅助数据和站点气象数据；对于输入的所述遥感数据进行重采样、重投影、大气校正、几何校正、辐射定标预处理；对于输入的所述站点气象数据进行筛选；由于输入的站点气象数据中存在缺省值，将缺省值-999改写为空值，并对输入的气象数据进行克里金插值，将站点气象数据插值成栅格气象数据集；将经过步骤一处理的数据分类为遥感数据、站点气象数据和栅格气象数据并分别进行存储；遥感数据用于像素级图像融合，站点数据用于地表能量平衡模型的参数标定，栅格气象数据用于ET值的反演；步骤2，对于已经重采样、重投影的FY-3遥感数据和Modis数据进行像素级图像融合，对融合后的数据进行波段计算，反演地表反照率（Albedo）、地表比辐射率（Emis）、地表温度（LST）、归一化植被指数（NDVI）和叶面积指数（LAI）；为之后的蒸散反演的计算和模型标定做准备；由于遥感图像时常受到云干扰，导致反演精度受到影响，利用图像融合的方式可以将FY-3遥感数据和Modis数据进行像素级融合，FY-3卫星搭载的VIIR传感器和Modis传感器有着相同的星下分辨率（500M、1KM）和时间分辨率（每天）。FY-3卫星有着与EOS卫星不同的过境时间，且VIIRS传感器相比较Modis传感器，对于可见光反照率等地表参数的反演有着更高的精度，像素级融合FY-3遥感数据和Modis数据，即可以保证了地表参数的反演精度，又可以使用modis数据对有干扰的FY-3卫星数据进行弥补；步骤3，将步骤1所得的站点气象数据和遥感数据带入地表能量平衡（SEBS）模型和WOFOST模型驱动模型运行，使用Python语言下的SALib模块，利用Sobol敏感性分析对所述地表能量平衡（SEBS）模型和WOFOST模型的内置参数进行敏感性分析，筛选出敏感性指数最高的五个参数；步骤4，以步骤1得到地表反照率、地表温度、归一化植被指数的地表参数和栅格气象数据集，驱动标定后的SEBS模型得到每个像元上的基于遥感数据的反演所得的蒸散值（ET）和潜在蒸散值（PET），以栅格气象数据集驱动WOFOST模型模拟得到像元上的叶面积指数；结合图像融合后的遥感数据反演得到的每个像元的LAI值，利用EnKF同化对模型在每个像元的模拟进行数据同化，修正模型模拟与实际值的偏差；基于SEBS模型，利用FY-3遥感数据反演蒸散发，其所需的气象驱动数据来源于研究区及其附近的气象站点，内容主要为气温、气压、相对湿度、风速；所需的DEM数据来自于地理空间数据云，所需的地表物理参数包括地表反照率、NDVI（归一化植被指数）、LAI（叶面积指数）、地表温度、地表比辐射率、粗糙度；根据地表参数计算出地表的净辐射通量、感热通量和土壤热通量，进而求得潜热通量，最终计算出蒸散发量；地表能量平衡方程表示公式如（1）：该公式不考虑水平方向能量输送转移，式中：代表地表净辐射通量，W/m²；为土壤热通量，W/m²；为感热通量，W/m²；为潜热通量，其中为汽化潜热，E为水分蒸发蒸腾总量，W/m²；用于植物光合作用和生物量增加的部分忽略不计，即；冠层储热忽略，简化后的地表能量平衡方程表达如式（2）：由公式（2），分别确定地表净辐射通量、感热通量以及土壤热通量三项，即可确定潜热通量，进而通过潜热通量，反演蒸散发，其公式如（3）地表净辐射是地表水分传输的主要动力，也是气候形成与变化的重要驱动力，其计算如公式（4）：式中：为地表净辐射通量；为地表反照率；为地表接受的太阳短波辐射；为来自大气长波辐射；为地表比辐射率；为地表温度；为Stefan-Bolzmann常数；根据本研究已有资料，土壤热通量的计算如式（5）：式中，，是完全被植被覆盖的地区土壤热通量与净辐射通量的比值；为植被覆盖度；，是裸土地区土壤热通量与净辐射通量的比值；同化采用集合卡尔曼滤波法，利用蒙特卡洛采样设计预测状态的集合，利用集合的误差协方差来避免复杂算子的计算，提高了同化效率；其表达式如下：式中即为模型WOFOST模型，是t时刻的真实值（WOFOST模型t时刻输出的真实LAI），为用于驱动模型的气象数据，为模型的参数；为t时刻的遥感数据反演值，、分别是预测方程和观测方程的误差；但一步预测值只是通过模型向前运行得到的，要得到t时刻LAI的估计值，还需要将该时刻的卫星反演值同化进去；式中表示t时刻的估计值，表示t时刻的遥感数据的反演值，表示滤波增益；使用遥感数据与模型模拟值进行同化，可以同化大面积的观测；将遥感反演蒸散与作物模型相结合输出同化后的LAI，既可提高遥感反演叶面积指数的精度，又可输出时间连续的叶面积指数的信息；步骤5，基于遥感反演的蒸散发数据和LAI数据，改进作物缺水指数CWSIp，对冬小麦田土壤水分状况进行旱情监测，该指数基于能量平衡原理，根据地表实际蒸散发与土壤含水量的关系评估区域缺水情况，其表达如式（8）：式中为实际蒸散发（mm），为潜在蒸散发（mm），代表任一像元位置对于上一个监测时相的实际LAI变化量，为供水充足情况下作物的LAI变化量，为调整系数；作物缺水指数CWSIp综合考虑了蒸散和LAI，当该值越接近于0，代表其越干本文档来自技高网...

【技术保护点】
1.一种冬小麦蒸散遥感反演及与作物模型同化方法，其特征在于：包括下述步骤：/n步骤1，由人机交互接口输入FY-3遥感数据、Modis辅助数据和站点气象数据；对于输入的所述遥感数据进行重采样、重投影、大气校正、几何校正、辐射定标预处理；对于输入的所述站点气象数据进行筛选；由于输入的站点气象数据中存在缺省值，将缺省值-999改写为空值，并对输入的气象数据进行克里金插值，将站点气象数据插值成栅格气象数据集；将经过步骤一处理的数据分类为遥感数据、站点气象数据和栅格气象数据并分别进行存储；遥感数据用于像素级图像融合，站点数据用于地表能量平衡模型的参数标定，栅格气象数据用于ET值的反演；/n步骤2，对于已经重采样、重投影的FY-3遥感数据和Modis数据进行像素级图像融合，对融合后的数据进行波段计算，反演地表反照率、地表比辐射率、地表温度、归一化植被指数和叶面积指数；/n步骤3，将步骤1所得的站点气象数据和遥感数据带入地表能量平衡模型和WOFOST模型驱动模型运行，使用Python语言下的SALib模块，利用Sobol敏感性分析对所述地表能量平衡模型和WOFOST模型的内置参数进行敏感性分析，筛选出敏感性指数最高的五个参数；/n步骤4，以步骤1得到地表反照率、地表温度、归一化植被指数的地表参数和栅格气象数据集，驱动标定后的SEBS模型得到每个像元上的基于遥感数据的反演所得的蒸散值和潜在蒸散值，以栅格气象数据集驱动WOFOST模型模拟得到像元上的叶面积指数；结合图像融合后的遥感数据反演得到的每个像元的LAI值，利用EnKF同化对模型在每个像元的模拟进行数据同化，修正模型模拟与实际值的偏差；/n基于SEBS模型，利用FY-3遥感数据反演蒸散发，其所需的气象驱动数据来源于研究区及其附近的气象站点，内容主要为气温、气压、相对湿度、风速；所需的DEM数据来自于地理空间数据云，所需的地表物理参数包括地表反照率、NDVI、LAI、地表温度、地表比辐射率、粗糙度；根据地表参数计算出地表的净辐射通量、感热通量和土壤热通量，进而求得潜热通量，最终计算出蒸散发量；地表能量平衡方程表示公式如（1）：/n...

【技术特征摘要】
1.一种冬小麦蒸散遥感反演及与作物模型同化方法，其特征在于：包括下述步骤：
步骤1，由人机交互接口输入FY-3遥感数据、Modis辅助数据和站点气象数据；对于输入的所述遥感数据进行重采样、重投影、大气校正、几何校正、辐射定标预处理；对于输入的所述站点气象数据进行筛选；由于输入的站点气象数据中存在缺省值，将缺省值-999改写为空值，并对输入的气象数据进行克里金插值，将站点气象数据插值成栅格气象数据集；将经过步骤一处理的数据分类为遥感数据、站点气象数据和栅格气象数据并分别进行存储；遥感数据用于像素级图像融合，站点数据用于地表能量平衡模型的参数标定，栅格气象数据用于ET值的反演；
步骤2，对于已经重采样、重投影的FY-3遥感数据和Modis数据进行像素级图像融合，对融合后的数据进行波段计算，反演地表反照率、地表比辐射率、地表温度、归一化植被指数和叶面积指数；
步骤3，将步骤1所得的站点气象数据和遥感数据带入地表能量平衡模型和WOFOST模型驱动模型运行，使用Python语言下的SALib模块，利用Sobol敏感性分析对所述地表能量平衡模型和WOFOST模型的内置参数进行敏感性分析，筛选出敏感性指数最高的五个参数；
步骤4，以步骤1得到地表反照率、地表温度、归一化植被指数的地表参数和栅格气象数据集，驱动标定后的SEBS模型得到每个像元上的基于遥感数据的反演所得的蒸散值和潜在蒸散值，以栅格气象数据集驱动WOFOST模型模拟得到像元上的叶面积指数；结合图像融合后的遥感数据反演得到的每个像元的LAI值，利用EnKF同化对模型在每个像元的模拟进行数据同化，修正模型模拟与实际值的偏差；
基于SEBS模型，利用FY-3遥感数据反演蒸散发，其所需的气象驱动数据来源于研究区及其附近的气象站点，内容主要为气温、气压、相对湿度、风速；所需的DEM数据来自于地理空间数据云，所需的地表物理参数包括地表反照率、NDVI、LAI、地表温度、地表比辐射率、粗糙度；根据地表参数计算出地表的净辐射通量、感热通量和土壤热通量，进而求得潜热通量，最终计算出蒸散发量；地表能量平衡方程表示公式如（1）：

（1）
公式（1）无水平方向能量输送转移，式中：代表地表净辐射通量，W/m²；为土壤热通量，W/m²；为感热通量，W/m²；为潜热通量，其中为汽化潜热，E为水分蒸发蒸腾总量，W/m²；用于植物光合作用和生物量增加的部分忽略不计，即；冠层储热忽略，简化后的地表能量平衡方程表达如式（2）：



由公式（2），分别确定地表净辐射通量、感热通量以及土壤热通量三项，即可确定潜热通量，进而通过潜热通量，反演蒸散发，其公式如（3）：



地表净辐射是地表水分传输的主要动力，也是气候形成与变化的重要驱动力，其计算如公式（4）：



式中：为地表净辐射通量；为地表反照率；为地表接受的太阳短波辐射；为来自大气长波辐射；为地表比...

【专利技术属性】
技术研发人员：李颖，陈怀亮，梁辰，史丽晨，王睿，李进学，
申请(专利权)人：河南省气象科学研究所，
类型：发明
国别省市：河南;41