文摘

地表蒸散(ET)是一个关键的表面过程。可靠的估计区域等单独从卫星数据仍然是一个挑战。本研究应用最近提出了非参数(NP)的方法来检索表面等,潜热通量(LE)而言,在半干旱地区。相关输入参数地表净辐射、地表温度、近地表空气温度、土壤热通量,所有这些都检索或产品的中分辨率成像光谱仪(MODIS)。野外观察作为地面引用,来自六个涡度相关(EC)网站不同的土地覆盖包括沙漠,戈壁,村庄,果园,蔬菜,和湿地。我们的结果表明,LE检索的准确性随EC网站确定的系数从0.02到0.76,偏见从−221.56 W / m2143.77 W / m2,相对误差从8.82%降至48.35%,均方根误差从67.97 W / m2239.55 W / m2。错误主要是由于不确定性从MODIS产品或检索nonvegetated地区净辐射、土壤热通量。它突出的重要性,准确检索从卫星数据的输入参数,遥感社区的正在进行的任务。

1。介绍

土壤水分蒸发蒸腾损失总量包括从各种植物的蒸腾作用和土地表面蒸发1]。等是可互换的相关联的潜在的能量(LE) [2]。这是一个关键的陆地表面过程在调节区域水文和气候特征。作为全球唯一回到大气中,土地等收益每年约有60%的大气降水(3]。准确的估计等对区域水资源管理很重要,特别是在干旱地区。

等本质上是难以衡量和预测尤其是在一个大空间尺度。提出了各种方法来估计等连续18世纪后,包括笔者蒸发方程(4方程[],Penman-Monteith(出版社)组合5),普里斯特利和泰勒方法(6]。传统的测量或估计勒在点尺度(主要是适用的7- - - - - -9),包括涡度相关(EC)技术(10]。然而,代表性点尺度测量的大面积通常是有问题的,和密集的报道点测量是不可行11]。

此外,遥感技术可以有效地解决表示限制点测量。但是,它不能直接观察勒,而它提供检索的地球物理参数估计在区域范围内勒(12]。几位检索算法出现在过去的二十年13,14),包括三角形方法(15- - - - - -17),简化表面能量平衡指数(S-SEBI) [18),表面能量平衡系统(实用)19),三温度模型(20.- - - - - -22],MOD16算法[23,24),和其他出版社遥感方法(25,26]。他们广泛应用于估计区域或全球从遥感数据等25- - - - - -31日]。现有的算法有一个相对误差从10%到40% (32,33在验证网站。例如,Gillies et al。34)使用飞机的扫描数据和三角形方法检索勒在一片覆盖着草原,steppe-shrub和高草草原。LE检索有均方根误差(RMSE)值22 ~ 55 W / m2和相对误差(RE)的10% ~ 30%,在引用字段通过电子商务技术和Bowen-radio方法措施。Verstraeten et al。28)使用先进的高分辨率辐射计(AVHRR)和S-SEBI方法检索勒在林地。这实现了RMSE(重新)35 W / m2(24%),而电子商务的措施。苏(19]利用中分辨率成像光谱仪(MODIS)数据和实用的方法来估计勒在小麦、玉米、和热带雨林地区。LE检索有25%,而电子商务的措施。熊和邱22)使用三温度的方法和陆地卫星主题映射器(TM)数据检索瞬时勒在草原和山。相对于博文比系统中,勒的再保险4.65% ~ 100%或0.02 ~ 0.20毫米h−1在卫星立体的时间。μet al。23]MOD16产品评估和报告平均偏差(重新)0.31毫米的一天−1(24.1%)为每日ET FLUXNET-EC网站。Zhang et al。25)应用归一化植被指数(NDVI)等演算法为基础之评估全球陆地勒利用AVHRR GIMMS NDVI数据。每天的结果有良好的准确性和RMSE约10 ~ 40 W / m2在34通量塔网站。同样,Leuning et al。26]介绍了遥感叶面积指数(LAI)的基础之前算法计算区域使用MODIS赖产品日均蒸发。15岁通量网站在全球范围内,在白天的意思是蒸发系统的RMSE范围0.09 ~ 0.50毫米的一天−1,而非系统组件的范围在0.28 ~ 0.71毫米−1。

非参数方法(NP)最近提出了估算地表蒸散(35]。它使用净辐射、表面空气温度、地表温度、和土壤热通量作为输入,而不需要参数化表面的阻力。所有必要的输入是可测量的,一本小说,但实际使用的简单方法。已经在24 EC网站验证的方法,但它并不是与遥感应用程序测试。本文NP方法适用于估算区域覆盖不同的表面,评估勒从MODIS数据检索的准确性,并识别有用的提高检索精度的误差来源。

2。方法

2.1。非参数蒸散的方法

地表净辐射( )的净量辐射进入和离开地球表面。的一部分 转换成表面土壤热通量( ),另一部分控制LE和显热通量( )。在NP方法中,假设均匀地面地面层的宏观系统,和哈密顿(势能和动能)是这个系统的总能量。 作为势能,而 , ,勒作为动能。地表温度(LST)作为广义坐标系统。偏微分方程的方法计算与LST哈密顿( )。最后的形式(35] 在哪里 是地表发射率(LSE), 是近地表空气温度(在), 在温度的斜率是饱和蒸汽压吗 , 是心理常数, 是斯蒂芬玻尔兹曼常数(5.67×10−8Wm−2K−4)。 可以估计的近地表压力( )。

2.2。检索算法对净辐射、土壤热通量NP的输入方法

Bisht的 检索算法(36简单、准确估计瞬时 大型异构区域在晴朗的天空下天。 在Bisht算法计算: 在哪里 是大气顶部的太阳常数(1367 W / m呢2), 地表反照率, 是太阳天顶角(SZA), 水的蒸汽压, 是空气发射率, 和 表示MODIS的发射率在乐队31和32,分别。 是downwell短波辐射。 汽化潜热(2.5×10吗6J /公斤), 是水蒸气的气体常数(461公斤−1K−1), 露点温度屏幕水平。地表反照率,它是由以下方程[派生37]: 在哪里 , , , , , 是乐队的最低点BRDF-adjusted反射率1,2,3,4,5,分别和MODIS 7。

在长时间尺度, 通常被认为是微不足道的。但是在subdaily规模, 随一天的时间,的值 并不总是可以忽略不计。它可以用以下参数化方程(38]: 很明显, 被认为是一个函数的归一化植被指数(NDVI)和 。

2.3。修正EC措施准确评估提供了参考依据

尽管EC是最准确的方法来衡量合理的湍流通量和潜热,能量平衡不能关闭与电子商务数据在地球表面能量平衡的一个闭包大约80% (39,40]。此外,相对于波动的准确性, 是更可靠的测量精度(41- - - - - -43]。所以有必要正确的LE直接衡量电子商务进行验证。

首选方法可以由能量平衡(44,45]。在大规模均匀表面和稳态条件下,纠正了勒(ERLE) 在哪里 是 衡量电子商务。ERLE是参考验证遥感获取勒(RSLE)。

2.4。精度评估指标

线性回归方法是用来描述根据RSLE和ERLE之间。系数的确定( )、斜率和截距之间的线性适合RSLE和ERLE随后获得。根据更满意的回归线时接近1:1, 较高。

他们的定义描述如下46]: 在哪里 意味着检索值, 意味着参考价值, 意味着平均 , , 是对数据的数量比较。

此外,偏见,相对误差(RE)和RMSE是用来量化RSLE的错误。偏差量化检索之间的平均绝对差值和参考价值。再保险是偏差的绝对值除以参考价值的大小。RMSE检索值的标准差参考价值。基本上,RMSE代表标准偏差和偏差。

他们的定义描述如下47]:

3所示。研究材料和数据处理

3.1。研究区和地面站点

作为一个典型的中国西北内陆流域,黑河流域位于97°24′~ 102°之间10′E′和37°41 ~ 42°42′N和占地约130 000公里2。所选6地面观测站点的部分多尺度EC观测矩阵属于黑河流域盟军遥测实验研究(HiWATER) [48,49),获得在Zhangye地区(100°25′E, 38°51′N, 1519)在黑河流域中游(图1)。总共6测量LE和EC网站 用于数据分析和精度评估(表吗16),伴随着自动气象站(AWS)用于测量近地表气象参数。针对潜在空间均匀性和代表性,重点观察6个不同地区的风景从潮湿的植被表面(蔬菜、果园和湿地)干旱nonvegetated表面(村、沙漠和戈壁)。站点的位置意味着相似的气候条件。所有站点的底层表面均匀为果园和村庄网站除外。基于实地考察,果树生长豆播种在果园的网站。在村子里,底层表面由裸露的土壤,房子,道路和树木。

表1
描述性信息的电子商务站点。

图1
地理位置的EC观测站点和插图的地表。

所有仪器都通量值在戈壁5月14日至24日201243]。通量值和商定的工具,伴随着统一数据处理步骤和标准,确保数据一致性,保证可靠性的验证(50]。选定的网站都是由不同的土地覆盖类型。因此,为了方便,网站名称被底层表面的类型所取代。

3.2。数据描述
3.2.1之上。气象和表面通量数据

从HiWATER收购,欧共体和AWS数据跨度从6月25日到2012年9月15日,所有站点的电子商务数据的重叠时间跨度(表2)。所有AWS和电子商务数据,归档,提供给科学界的寒冷和干旱地区科学数据中心在兰州43,51]。他们是用于验证和误差源分析RSLE。所有LE验证所获得的引用 (EC)直接测量, , (衡量AWS)(见(5))。

表2
数据集进行分析。

参数通过AWS平均每10分钟,而电子商务的时间分辨率是30分钟。所以我们需要平均参数来源于AWS的意思是30分钟。此外,考虑到卫星立体,AWS和EC数据最近的一刻被认为是输入参数的实际值。除了LST,其他实际值由AWS直接测量。实际的LST估计上升流和下降的长波辐射测量通过AWS使用以下方程: 在哪里 ( )是表面上升流(downwell)长波辐射。

3.2.2。遥感数据

从MODIS遥感数据获得和先进星载热发射和反射辐射仪(ASTER)产品。像素位于网站检索获得勒。所有选择的图片是在晴朗的天空下在13:00至15:00(当地时间)从6月25日至9月15日,2012年。这些产品的时间和空间分辨率是列在表中2。

MODIS是在美国宇航局的地球观测系统(泰拉和阿卡卫星52]。正如上面提到的,各种产品(MOD, MYD和MCD)由MODIS提供。他们已经产生,归档,提供给科学界的1级和大气存档和分配系统(LAADS),美国国家航空和宇宙航行局(NASA)。在我们的研究中,MYD和MCD (MYD07, MYD11、MYD13 MCD43)选择检索勒。MYD07提供空气温度和湿度的形象获得近地表大气温度和露水温度(53]。MYD11提供了地表温度和发射率(54]。MYD13提供了为期16天的归一化植被指数(55,56]。MCD43提供密集最低点BRDF-adjusted反射率(57,58),包括带1到7的反照率。

ASTER辐射计有5个热红外(行动)乐队提供热红外光谱发射率变化在90米空间分辨率(59]。伦敦产品产生的温度和发射率分离(te)算法(60]。在我们的研究中,ASTER寒冷和干旱地区提供的产品也是兰州[科学数据中心61年,62年]。ASTER产品被用来估计伦敦。伦敦证交所可以由使用以下线性方程(ASTER窄带发射率63年]: 在哪里 ~ 有五个ASTER窄带发射率。它被认为是伦敦政治经济学院的实际价值,因为高的精度和空间分辨率。

3.3。数据处理

LE检索算法,旨在确定的适用性的验证和误差源分析RSLE在不同站点(图了2)。首先,勒了EC被纠正了 , (通过AWS), (EC)获得的能量剩余校正(见(5))。其次, 和 是由MODIS产品检索Bisht和莫兰的算法(2)和(4分别)。然后,可以在NP估计方法(见RSLE (1))。的错误RSLE来自RSLE和ERLE之间的差异。第三,符合误差贡献由于输入错误的一个参数,这个参数(来自MODIS)和其他实际参数(以AWS / ASTER)带来了NP方法得到勒估计(见(1))。同样,所有实际输入参数(以AWS / ASTER)在NP勒估算方法,买了。这两个估计之间的差异被认为是在检索时间参数的误差的贡献(64年]。第四,根据误差分析,我们寻找可能的方法来提高检索的准确性。


图2
的示意图表示程序分析在我们的研究中。

4所示。结果

4.1。数据功能的网站

表3显示能量通量和环境参数测量的表面观察6个地点。订单的减少表面深层吸收,这些网站被列为湿地,蔬菜,果园,村庄,戈壁,沙漠的网站。减少订单匹配与植被丰度在这些网站很好。一般来说,有更高的乐高的植被地区 /伦敦证交所和低 / LST。在细节, 在植被高于nonvegetated网站。平均的数量 625 ~ 735 W / m2植物的网站,它下降到490 ~ 540 W / m2nonvegetated网站。差异可能是由于高表面反照率nonvegetated网站。 从植被增加(62.34 W / m2对于蔬菜)nonvegetated网站(90.40 W / m2沙漠)。能量剩余校正后,ERLE高等植物的地点(483 ~ 576 W / m2)比nonvegetated网站(185 ~ 297 W / m2)。伦敦是在0.978 ~ 0.981和0.932 ~ 0.975的范围对植被和nonvegetated网站。相反,LST在植被低很多网站的典型值300 ~ 305 K,而315 ~ 320 K nonvegetated地点。在近地表植被处压力高于nonvegetated网站(89.11 kpa湿地,降至83.28 kpa沙漠)。的差异在还小的时候,有大约299 K的网站。这些环境参数的背景乐检索。

表3
的平均通量和环境参数来源于AWS / ASTER在6个地点EC矩阵,包括净辐射( ),土壤热通量( ),地表温度( )、近地表空气温度( )、地表辐射率(LSE)、近地表压力( )、潜热(LE)和显热( )。剩余的能量修正(ER)勒也透露。
4.2。MODIS的检索 , ,勒

, ,勒都来自卫星检索。表4显示卫星获得的输入参数检索在6个地点。露点温度,压力,和伦敦政治经济学院类似的所有网站中,约278 K值,78 kpa,和0.96,分别。其他参数是不同的网站之一。细节,在296 ~ 299 K在所有网站除了果园(292 K)和沙漠(289 K)的网站。低LST出现在植物的网站(约301 K),而高LST发生在nonvegetated网站(300 ~ 309 K)。同样,在植被反照率略低的网站值约为0.17,比约0.19 nonvegetated地点。因此,一般来说,检索到的 高植被地区(650 ~ 685 W / m2nonvegetated地区)比(570 ~ 685 W / m2)。考虑到低NDVI nonvegetated地点(小于0.2),检索就越高 (超过250 W / m2)出现。检索的基础上 和 ,RSLE植被地点(350 ~ 450 W / m2)比nonvegetated网站(120 ~ 440 W / m2)。

表4
输入参数导出了MODIS产品的平均在6个地点,包括地表温度( )、近地表空气温度( )、地表辐射率(LSE)、近地表压力( )、露点温度( )、反照率和归一化植被指数。检索到的净辐射( ),土壤热通量( ),潜热通量(LE)也显示。

瞬时检索的结果 , ,勒Zhangye的一部分地区05:55 (UTC)在8月20日,2012年,如图3。勒的分布, , 根据oasis-desert生态系统很好。沙漠的东部和南部地区)较低 因为这里的高反照率。沙漠也更高 因为裸露的表面。此外,绿洲(地区)的中间和湿地(北方地区)有更多的比沙漠蒸发,因为灌溉。针对检索值,勒300 ~ 400 W / m2在该地区的绿洲,而勒下降到150 ~ 250 W / m2在该地区的沙漠。一般来说,检索结果的分配被认为是可靠的。


图3
检索到的净辐射的分布( ),土壤热通量( ),潜热通量(LE)的一部分Zhangye地区05:55 (UTC)在8月20日,2012年。
4.3。MODIS-Retrieved勒的精度评估

图4揭示了ERLE(捐赠的之间的关系 设在)和RSLE(捐赠的 设在)检索的时刻。一般来说,相对于ERLE在30分钟内,RSLE通常被准确和低估了偏见,RMSE,再保险、斜率, −49.64 W / m2144.20 W / m2分别为11.97%、0.45和0.32(表5)。

表5
错误的RSLE 6网站;统计数据包括偏差、RMSE和再保险。

图4
整体比较ERLE和RSLE。

现场规模,图5之间的比较也显示RSLE和ERLE 6网站。RSLE通常被低估了,这是在相对好的协议ERLE最多的网站 0.11 ~ 0.76,偏向−222 ~ 49 W / m2,9 ~ 49%,RMSE 68 ~ 240 W / m2。最高精度发生在蔬菜、湿地和戈壁网站,再保险(RMSE)值为8.82% (73.62 W / m2),14.39% (79.77 W / m267.97)和26.13% (W / m2),分别。RSLE不满意的果园和村庄网站,再保险的大约40 ~ 50%和RMSE超过160 W / m2。


图5
对比ERLE和RSLE 6网站。

进一步验证检索勒,LE直接观察到EC (ECLE)也与RSLE图6。同样,与ECLE RSLE是在相对好的协议 0.11 ~ 0.36在植物的网站。然而,nonvegetated网站,根据消失了 0.05 ~ 0.23。相对于ECLE图6ERLE匹配与检索更好地表面,在图5,尤其是在nonvegetated网站。因此,至少,RSLE在植物的网站,有一个令人满意的精度,也可能有一个相对较好的准确性nonvegetated地点。


图6
对比ECLE和RSLE 6网站。
4.4。MODIS-Retrieved LE误差来源和他们的贡献

输入错误的错误的贡献,每个参数的输入错误是首先显示(图7)。 较低的检索精度在村庄,果园,和戈壁网站偏差值超过80 W / m2。有一个低的检索精度 在几乎所有的网站,尤其是在戈壁和沙漠站点(偏差值约170 W / m2)。大的区别(约10 kpa)的表面压力出现在戈壁和沙漠的网站。在大多数网站,偏差在2 ~ 5 K,除了果园(−7 K)和沙漠(−10 K)的网站。同样,LST的偏见也0 ~ 4 K在植物的网站,而他们超过9 K nonvegetated网站。伦敦证交所MODIS和ASTER产品之间的区别是小于0.01网站除了戈壁沙漠(−0.036)和(0.031)的网站。


图7
平均水平(线)和标准差(bar)的输入参数错误6网站,包括净辐射( ),土壤热通量( ),地表温度( )、近地表空气温度( )、地表辐射率(LSE)和近地表压力( )。

的基础上输入错误,可以显示误差的贡献。图8显示每个因素的误差贡献(显示为线)和误差RSLE(显示为列)在6个地点。网站除了果园和村庄,RSLE相对令人满意的精度,和偏见在−90 ~ 50 W / m2其他4个网站。基于误差来源的分析,很明显,主要误差源(诱导超过40 W / m2RSLE错误) , nonvegetated地点,LST,误差贡献40 ~ 110 W / m2−120 ~ 10 W / m2> 60 W / m2−100 ~ 10 W / m2,分别。在植物的网站,输入错误没有RSLE的主要误差来源。


图8
平均误差贡献的每个因素,包括(线)和标准差(bar),连同RSLE错误(列)。

在细节,大 错误的贡献(导致超过100 W / m2RSLE错误)出现在戈壁和沙漠的网站。约100 W / m2RSLE错误造成的 错误发生在村庄和戈壁的网站。在LE和LST误差误差的影响低于40 W / m2最多的网站,除了LST的村庄和戈壁网站,在沙漠和LST站点,在果园的网站。伦敦政治经济学院的误差贡献占RSLE错误一小部分(小于10 W / m2LE错误)。同样,输入错误的压力影响RSLE错误相当多(主要是小于1 W / m2)。此外,根据验证的准确性RSLE在果园不满意,村庄的偏见−221.56 W / m2和143.77 W / m2,分别。在这两个网站,主要误差源(诱导超过100 W / m2RSLE错误)和 。

5。讨论

输入数据的改善可能在未来受益LE检索。 和 不是直接输入参数的算法,但间接参数检索Bisht和莫兰的算法(36,38]。的改善 和 有助于改善RSLE检索算法。在我们的研究中,Bisht的算法在晴朗的天空下36是选为 检索算法。考虑到广泛的云,Bisht天空下的算法(65年可以选择扩展应用程序。此外,检索的准确性 在干旱地区nonvegetated(尤其令人不满意的36]。它适用于取代检索 通过直接观察测量云层和地球辐射能量系统(CERES)项目(66年]。CERES的准确性满足的需求 输入在该地区的沙漠(67年,68年]。为 ,因为微妙的时序NDVI变化在干旱的地区, 莫兰的检索算法略有不同。因此,可以选择一些更敏感的算法 ,如 检索算法实用模型或热惰性的(19,27]。

在和露点温度来自MYD07的大气剖面数据在我们的研究中。他们不是在近地表的值,但大气剖面的值最接近的表面。很明显,更精确的大气信息的检索 和勒。所以其他地球观测精度高(例如,戈达德地球观测系统模型中,版本5 (geos - 5)是可选的替换(69年]。LST和伦敦,他们来自MYD11切分窗口的算法(54]。Wan et al。70年)报道,乐队的平均31和32发射率可能会导致伦敦证交所的高估,尤其是在干旱和半干旱地区。因此,LST在这些地区被低估了。的MYD21 C6估计将于2016年发表,它可以提供更准确的LST和伦敦政治经济学院基于te算法71年),特别是在干旱和半干旱地区。这意味着显著的改善 如果我们更换MYD11 MYD21和检索。

其他数据集的空间和时间分辨率更高也可以用于检索勒,归一化植被指数和反照率等产品。在我们的研究中,该参数/反照率在16/8几天被认为是不变的。有一种方法可以提高时间一致性通过使用其他的归一化植被指数和反照率产品1公里和5天的决议72年- - - - - -74年]。此外,基于数字高程模型的修正应考虑在该地区与波状表面31日,75年]。

6。结论

NP的方法提供了一种新颖的但是简单的方法来估计勒。在我们的研究中,NP方法试图开发一个勒检索算法在晴朗的天空下,主要是利用遥感信息和不需要地面信息作为模型的输入,通过使用各种土地和大气数据从MODIS产品。检索结果的验证和误差来源进行了分析探索。

在时间和空间尺度上,RSLE的结果是可靠的范围内。在检索的时刻,RSLE通常是准确的。与偏见,瞬时RSLE被低估了 、再保险和RMSE值−49.64 W / m2144.20,0.32,11.97%,W / m2,分别。现场规模,RSLE精度相对好网站, = 0.11 ~ 0.76,偏见=−222 ~ 49 W / m2RE = 9 ~ 49%, RMSE = 68 ~ 240 W / m2。然而,RSLE的准确性是令人不满意的网站在果园和村庄。针对误差源,在干旱nonvegetated地区,占主导地位的错误贡献(导致40 W / m2RSLE误差) , 、LST和。在植被区域,输入错误不是RSLE的主要误差来源。为了提高RSLE的准确性,一些改进的建议输入参数可以被认为是在未来。未来的研究工作将致力于提高勒估计的准确性。

相互竞争的利益

作者宣称没有利益冲突。

确认

这项工作是由中国国家自然科学基金(没有。91125004)。作者感谢寒冷和干旱地区科学数据中心提供观察数据(兰州http://westdc.westgis.ac.cn)和LAADS提供MOIDS产品(http://ladsweb.nascom.nasa.gov)。他们也感谢刘教授s m和许博士z . w .同类援助提供字段数据,帮助在字段的访问。