一种高分辨率的时空无缝地表土壤水分估算方法及系统技术方案

本发明专利技术提供一种高分辨率的时空无缝地表土壤水分估算方法及系统，包括：获取时空无缝的公里级地表温度数据、归一化植被指数数据和粗分辨率被动微波土壤水分数据；对地表温度数据、归一化植被指数数据进行升尺度处理得到粗分辨率地表温度和粗分辨率植被指数，并结合粗分辨率被动微波土壤水分数据构建的土壤水分估算的经验统计回归模型、半经验半物理模型和随机森林模型；将公里级的地表温度和植被指数并分别输入各个模型，得到地表土壤水分估算结果，并分析各个模型对应的残差值，根据残差值建立线性融合模型，得到高空间分辨率土壤水分融合数据，进一步分析估算残差，根据该估算残差计算得到时空无缝且值域一致的高空间分辨率土壤水分数据。率土壤水分数据。

【技术实现步骤摘要】
一种高分辨率的时空无缝地表土壤水分估算方法及系统


[0001]本专利技术涉及遥感
，具体而言，涉及一种高分辨率的时空无缝地表土壤水分估算方法及系统。

技术介绍

[0002]土壤水分作为重要的陆地表层系统要素,是生态、环境、农业等领域研究中不可忽视的指标，在环境生态变化、气候变化、农林业可持续发展、水资源管理及灾害监测等科学与实际问题中有着广泛应用。因此在区域尺度或者全球尺度的应用研究中准确地获取全球大范围、高空间分辨率的土壤水分数据有着重大意义。微波遥感技术是目前获取土壤水分的主要手段，但是它们各自存在缺点，主动微波遥感虽然空间分辨率高但时间分辨率低，而被动微波遥感虽然时间分辨率高但是空间分辨率低，无法获得到高时间分辨率高空间分辨率的土壤水分数据。由于卫星发射时间、传感器的探测波段、区域地势地表特征等因素，使得光学、微波数据等单一数据源观测土壤水分估算精度低，数据融合为提高土壤水分遥感数据的时空分辨率和精度提供了有效手段。但是，数据融合因尺度转换误差，无法充分利用不同数据的优势信息等不能获取高精度的高时空分辨率的土壤水分数据。为了获得精度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高分辨率的时空无缝地表土壤水分估算方法，其特征在于，包括：S1.获取时空无缝公里级的地表温度数据、归一化植被指数数据和粗分辨率被动微波土壤水分数据；S2.将所述地表温度数据和所述归一化植被指数数据通过空间聚合的方式升尺度至粗分辨率被动微波土壤水分数据空间尺度，得到粗分辨率地表温度和粗分辨率植被指数；S3.根据所述粗分辨率地表温度、所述粗分辨率植被指数和所述粗分辨率被动微波土壤水分数据构建的经验统计回归模型、半经验半物理模型和随机森林模型；S4.将公里级高空间分辨率尺度的地表温度和植被指数分别输入S3中的各个模型，得到各个模型在高分辨率条件下时空无缝的公里级地表土壤水分估算结果；S5.根据各个模型的地表土壤水分估算结果和所述粗分辨率被动微波土壤水分数据分析各个模型估算结果对应的残差值，并根据所述残差值建立线性融合模型，得到高空间分辨率土壤水分融合数据；S6.根据所述高空间分辨率土壤水分融合数据通过空间聚合的方式与所述粗分辨率被动微波土壤水分数据结合得到估算残差，并根据所述估算残差采用面到点的克里金插值获得高分辨率残差空间分布；S7.根据所述高分辨率残差空间分布和所述高空间分辨率土壤水分融合数据进行求和，得到时空无缝且值域一致的土壤水分数据。2.根据权利要求1所述的方法，其特征在于，所述S3中的经验统计回归模型为：上式中，SM
C
表示粗分辨率土壤水分，a0表示关系模型常量，a
m
、a
ij 表示关系模型的回归系数，n表示使用的降尺度因子种类数，A
Cm
、A
Ci
、A
Cj 表示粗分辨率降尺度因子。3.根据权利要求1所述的方法，其特征在于，所述S3中的半经验半物理模型为：式中，SM
D
表示降尺度后的高分辨率土壤水分，SM
C
表示粗分辨率土壤水分；SEE
H
表示高分辨率的土壤蒸散发效率；SEE
C
表示粗分辨率的土壤蒸散发效率；表示在粗分辨率尺度上SEE对SM求偏导数；其中，SEE表示土壤蒸散发效率，其计算方式为：式中，T
S.max
表示土壤地表温度的最大值；T
S.min
表示土壤地表温度的最小值，T
S
是给定像素处的地表温度，且T
S
=( T
‑
f
v
×
T
v
)/(1
‑
fv)，T表示地表温度，f
v
表示植被覆盖，T
v
表示植被温度。4.根据权利要求1所述的方法，其特征在于，所述S3中的随机森林模型的构建方式为：将已有地表温度、植被指数以及地表地形参数作为地表土壤水分的关联因子，基于随机森林算法建立对应的粗分辨率被动微波土壤水分数据与各个聚合得到的...

【专利技术属性】
技术研发人员：赵伟，蔡俊飞，李召良，于欢，冷佩，刘萌，
申请(专利权)人：中国科学院，水利部成都山地灾害与环境研究所，
类型：发明
国别省市：