一种基于遥感数据的流域植被蒸散发预测方法技术

本发明专利技术公开了一种基于遥感数据的流域植被蒸散发预测方法，通过选取待预测的流域植被蒸散发数据集，进行数据预处理，获取遥感数据、气象数据和土地利用等数据；通过构建优化PT

【技术实现步骤摘要】
一种基于遥感数据的流域植被蒸散发预测方法


[0001]本专利技术涉及区域蒸散发遥感估算
，更具体的涉及一种基于遥感数据的流域植被蒸散发模拟及变化研究的方法。

技术介绍

[0002]我国植被环境得到了有效改善，但是随着全球气候变暖的逐渐加剧，有观点认为过度造林及不合理树种种植将对社会和自然环境造成更大的伤害，确保当地的粮食与水资源的供应应当置于首要位置，与不断改善植被覆盖情况相比，保持与气候条件及当地水资源条件相适应的植被覆盖度则更有利于当地的可持续发展。
[0003]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。在全球变暖的气候背景下，蒸散发的改变将影响并反馈区域生态系统及气候变化，如干旱化和热浪天气。近些年来，随着水文循环研究以及陆面和大气之间物质和能量交换研究的深入，蒸散问题越来越受到人们的重视，量化蒸散对于理解碳水耦合关系，评价气候变化的影响及其对陆地生态系统碳水循环的影响有重要意义，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。准确估算蒸散发量ET是了解流域植被蒸散发状况的重要步骤。
[0004]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。遥感卫星数据直接表征，由于卫星数据分辨率较为粗糙，这种方法可能忽略蒸散发本身的一些潜在变化，进而为后续的数据分析问题造成一定的不准确性；观测站直接测量，该种方法对于仪器、人力以及时间的要求较高，观测的数据量较小且多为某点数据，实际操作较为繁琐，且不易表征流域整体的蒸散发状况；通过模型计算得到数据，而现有的模型大多没有考虑到植被因子的引入，缺乏科学的参考依据，因此，现有的植被蒸散发技术不能贴合我国植被现状以及缺少完整的分析评估体系，分析不全面，导致预测结果不准确。

技术实现思路

[0005]针对上述领域中存在的问题，本专利技术一种基于遥感数据的流域植被蒸散发预测方法，能够解决了现有的植被蒸散发技术不能贴合我国植被现状以及缺少完整的分析评估体系，分析不全面，导致预测结果不准确的技术问题。
[0006]为解决上述技术问题，本专利技术公开了一种基于遥感数据的流域植被蒸散发预测方法，包括以下步骤：
[0007]选取待预测的流域植被蒸散发数据集，进行数据预处理，获取遥感数据、气象数据和土地利用数据；
[0008]构建PT
‑
JPL模型，将获取的遥感数据、气象数据和土地利用数据输入，对流域植被蒸散发进行分割，输出土壤蒸发、冠层截流蒸发和植被蒸腾数据；
[0009]通过对土壤蒸发、冠层截流蒸发和植被蒸腾数据进行估算模拟，获得土壤蒸发、冠
[0032]式中，F
IPAR
为被冠层截取光合有效辐射的比例系数，F
APAR
为植被冠层吸收光合有效辐射的比例系数；RH为相对湿度，T
opt
为植被生长最适宜温度，VPD为饱和水汽压差；EVI为增强型植被指数，NDVA为归一化植被指数；β为f
sm
对VPD的灵敏度，b1取值为
‑
0.48，b2取值为
‑
0.05，m2取值为1；
[0033][0034]VPD＝e
s
‑
e
a
[0035]e
s
＝0.6122
×
e
17.67
×
T/(T+243.5)
[0036][0037]式中，e
s
为饱和水汽压，e
a
为实际水汽压；
[0038]G＝R
n
[Γ
c
+(1
‑
FVC)(Γ
s
‑
Γ
c
)][0039]式中，FVC为植被覆盖度，Γ
s
为低植被覆盖度取0.05，Γ
c
为高植被覆盖度取0.325。
[0040]优选地，所述通过对土壤蒸发、冠层截流蒸发和植被蒸腾数据进行估算模拟包括采用均方根误差、平均绝对百分比误差和希尔不等系数评价。
[0041]优选地，所述通过逐像元计算方法，对蒸散发数据的变化趋势进行计算，获取时间序列，包括以下步骤：
[0042]Theil
‑
Sen中位数趋势分析是一种非参数统计趋势计算方法，其计算公式为：
[0043][0044]其中，β为ET变化斜率；
[0045]Mann
‑
Kendall检验对测量误差不敏感，其计算公式如下：
[0046][0047][0048]其中，n为序列中数据集的个数，s为检验统计量；sgn()是符号函数；
[0049]采用标准正态检验统计量Z进行显著性检验，在95％的置信水平下，|Z|≥1.96；在99％的置信水平下，|Z|≥2.58；
[0050]趋势分为极显著增加ESI、显著增加SI、不显著变化IN、显著减少SD和极显著减少ESD五类；
[0051]VAR的计算公式表示为：
[0052][0053]式中，n为时间序列的个数，n>10。
[0054]优选地，所述根据获取的时间序列，对蒸散发数据的未来趋势进行预测，获得蒸散发数据的未来趋势预测结果，包括以下步骤：
[0055]Hurst指数，即H，被广泛利用于反映时间序列变化趋势的可持续性，采用重标极差R/S分析方法的Hurst指数，对植被蒸散发ET的未来变化趋势进行分析预测；
[0056]当H<0.5时，表示时间序列的反持续性；H＝0.5，表示时间序列随机；H>0.5，表示时间序列的正向持续性；
[0057]其计算公式如下：
[0058]时间序列[β(x)](x＝1，2，3，
…
，n)对于任意正整数定义均值序列为：
[0059]均值：
[0060]累计离差：
[0061]极差：
[0062][0063]标准差：
[0064]其中，
[0065]与现有技术相比，本专利技术具有如下有益效果：
[0066]本专利技术通过构建PT
‑
JPL模型，获得土壤蒸发、冠层截流蒸发和植被蒸腾的估算模拟结果，能够结合实际应用情况，对蒸散发数据的变化趋势进行计算，获取时间序列，对蒸散发数据的未来趋势进行预测，获得蒸散发数据的未来趋势预测结果。将数据处理、植被蒸散发的估算模拟、变化趋势分析、未来趋势预测有机结合，形成了一套完整且全面的评估方法，提高了模型预测的准确性，为衡量当下干旱半干旱植被恢复区中植被规划在水文学上的合理性提供便捷。
附图说明
[0067]图1为本专利技术的整体方法流程图。
具体实施方式
[0068]下面将结合本专利技术实施例中的附图1，对本专利技术实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
f
sm
＝RHVPD/βf
APAR
＝m1EVI+b1f
IPAR
＝m2NDVA+b2式中，F
IPAR
为被冠层截取光合有效辐射的比例系数，F
APAR
为植被冠层吸收光合有效辐射的比例系数；RH为相对湿度，T
opt
为植被生长最适宜温度，VPD为饱和水汽压差；EVI为增强型植被指数，NDVA为归一化植被指数；β为f
sm
对VPD的灵敏度，b1取值为
‑
0.48，b2取值为
‑
0.05，m2取值为1；VPD＝e
s
‑
e
a
e
s
＝0.6122
×
e17.67
×
T/(T+243.5)式中，e
s
为饱和水汽压，e
a
为实际水汽压；G＝R
n
[Γ
c
+(1
‑
FVC)(Γ
s
‑
Γ
c
)]式中，FVC为植被覆盖度，Γ
s
为低植被覆盖度取0.05，Γ
c
为高植被覆盖度取0.325。4.根据权利要求3所述的一种基于遥感数据的流域植被蒸散发预测方法，其特征在于，所述通过对土壤蒸发、冠层截流蒸发和植被蒸腾数据进行估算模拟包括采用均方根误差、平均绝对...

【专利技术属性】
技术研发人员：刘洋洋，林子琦，韩沛东，温仲明，张伟，张志新，王子君，赵英涵，
申请(专利权)人：西北农林科技大学，
类型：发明
国别省市：