土壤水分反演与干旱监测
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
标准降雨蒸散指数
英文 缩写 PDSI CMI
SPI
CI
时间
1965 1968 1993 2006
SPEI 2010
基于遥感数据的监测指数 多变量标准干旱指数 MSDI 2013
发表者
Palmer Palmer Mckee
张强 VicenteSerrano
Hao
分析的变量
降水 降水和蒸散发 降水和蒸散发 降雨和土壤水分
遥感土壤水分反演与 基于大数据的干旱监测思考
2019-6
汇报提纲
1 背景 2 遥感土壤水分反演 3 基于大数据思维的干旱监测 4 总结
1, The estimation of grain yield 2, Evapotranspiration and meteorological model 3, Drought monitoring, Hydrological model
反演全国陆地土壤水分产品
微波指数算法
0.02
0.55
被动微波数据:AMSR-E
25公里
大数据
“3V”定义:
规模性(Volume) 多样性(Variety) 高速性(Velocity)
“4V”定义: “3V” + 价值性(Value)或者 真实性(Veracity)
GB
TB PB EB
ZB
IT时代
可见光 中红外 热红外 波长越长,对土壤水分越敏感
微波
受云和降雨影响大 对土壤水分不是非常敏感 对土壤水分的监测主要是间接利用水分对可见光近红外的吸收 热红外主要是利用依赖水分的热容量变化大小
)
)
植被光谱曲线
赵晨等在2001年在中国 农业生态学报上写了一篇关 于《作物水分胁迫指数与土 壤含水量关系探讨》
当0.1<NDVI<0.6时,0.02<MPI<0.04。在这种条件下,应该 考虑为植被和其它地物的混合像元。在土壤水分反演的过程 中,应该考虑混合像元和植被的影响。
当0.6≤NDVI时,MPI<0.02。像元被植被完全覆盖,在土壤水 分反演过程中,需要考虑消除植被的影响。为了提高这些像 元的反演精度,需要利用其它辅助手段(比如地面测量)对 反演结果进行校正。
j
Ts
Ts
Ti
i
j
Ts
TT
T
j
Ts
i
j
Ti Tj
极化指数
反演方程
SM 0.33 10.99947 * NDE18.7GHz 10.7GHz
563.80628NDE
2 18.7GHz
10.7GHz
微波指数与植被关系
NDVI与MPI关系 当NDVI≤0.1时,MPI≥0.04,在被动微波尺度下,可以认为像 元为裸地或者植被非常少,因此在土壤水分反演中可以不考 虑植被的影响;
DT时代
从无序的、庞杂的海量数 据中挖掘有价值的信息甚 至知识
社会管理 智能电网 公共交通 智慧农业 医疗诊断 应
用
金融
电子商务 精准气象 新闻传媒
Байду номын сангаас
教育
基于气象数据的监测指数
优点: 方法成熟 数据精度高,时间序列长
缺点: 站点分布不均,不利于大 尺度的干旱监测
指数名称 帕尔默指数 作物水分指数 标准降雨指数 综合气象干旱指数
优点: 有利于大尺度的干旱监测 考虑植被对干旱的响应问题
指数名称 植被状态指数
适用地表粗糙度范围窄 较宽的粗糙度范围
裸土: 1.Q/H模型 与Q/P模型
植被: 2. - 模型 3. MIMICS模型和水云模型等
土壤水分反演算法
1.统计方法 2.基于正向模型的反演算法 (迭代和NN)
土壤水分与不同频率发射率的关系
土壤水分与不同频率发射率的关系
极化指数
NDE
ij
i
Ti
Tj
土壤水分与干旱
气
象
植物蒸腾
农 业
干
社
旱
会
地表蒸散 经
植 物
干
旱 地表水分平衡
济
土
干
壤
水文干旱
旱
水分下渗
干旱实际上是一种地表水分失衡的综合现象,不同干旱类型之间相互联系又 相互区别。干旱监测必须综合考虑气候、植被和土壤等因素,只有这样才能 准确描述干旱的发展过程和发展程度!
近来,随着传感器技术的进步,为更高精度的监测土壤水分提供了物理平台。
土壤水分和干旱监测的必要性
干旱是全球发生频率最高、持续时间最长、影响面积最广的自然灾害 造成重大经济损失,每年造成我国农业生产的直接经济损失多达4-7亿元 引起土地的荒漠化,沙漠化 影响人民生命安全和国家和谐稳定
全球气候变暖等因素导致我国干旱发生频 率显著增加、强度显著增强。(Dai A,2011) 深入研究干旱监测的技术方法,对提高干旱监测水平、提升政府防灾减 灾能力具有重要的意义!
不同地物的波谱曲线是不一样的,在近红外区域的水吸峰是 变化的;
同一种作物在不同的生长期波谱曲线也是变化的
大气水汽含量变化也是影响监测的主要原因,当大气水分含 量变化时,
因此利用可见光和近红外波段构成的各种干旱指数的阈值在不 同的地方是变化的,同一地方不同时间也是变化的。
热红外是利用土壤和植被水的热容量来监测水分含量,但温度 变化的快慢对不同的物质是不一样的,也就是阻抗不一样。 而且天气条件对温度变化快慢(比如云)影响也是非常大的, 因此各种指数的阈值也是变化的。
雷达信号的散射受介电常 数的变化,而水是影响土 壤介电常数变化的最主要 因子。因此,雷达信号的 变化在一定程度上是土壤 水分参数的变化。
理论模型
• 几何光学模型 • 物理光学模型 • 小扰动模型 • 积分方程模型
经验-半经验模型
• Oh 模型 (1992;2002) • Dubois 模型 (1995) • Shi 模型 (1997)
微波遥感特点:
1、对农业遥感和水文学家所关心的积雪参数及土壤水分十分敏感 2、对地物具有一定的穿透能力 3、全天时、全天候的成像能力
研究意义
相对可见光,近红外和热红外,微波优势:
1、对地物具有一定的穿透能力; 2、全天时、全天候的成像能力; 3、利用的微波对土壤水分变化引起导电能力变化的敏感性 缺点:微波(雷达)对粗糙度比较敏感。
作物水分胁迫指标CWSI(Crop Water Stress Index) 和对应的土壤含水量相关分 析二者呈一定相关性,但相关关系不密切,相关系数为0.54,作物水分胁迫指数随土 壤含水量的降低呈明显的增大趋势;作物水分胁迫指数随气象因子的波动表现出 明显的波动性,且在作物遭受较严重水分胁迫下波动性更强,表明水分胁迫指数直 接定量标识作物土壤水分状况的可靠性不强.
英文 缩写 PDSI CMI
SPI
CI
时间
1965 1968 1993 2006
SPEI 2010
基于遥感数据的监测指数 多变量标准干旱指数 MSDI 2013
发表者
Palmer Palmer Mckee
张强 VicenteSerrano
Hao
分析的变量
降水 降水和蒸散发 降水和蒸散发 降雨和土壤水分
遥感土壤水分反演与 基于大数据的干旱监测思考
2019-6
汇报提纲
1 背景 2 遥感土壤水分反演 3 基于大数据思维的干旱监测 4 总结
1, The estimation of grain yield 2, Evapotranspiration and meteorological model 3, Drought monitoring, Hydrological model
反演全国陆地土壤水分产品
微波指数算法
0.02
0.55
被动微波数据:AMSR-E
25公里
大数据
“3V”定义:
规模性(Volume) 多样性(Variety) 高速性(Velocity)
“4V”定义: “3V” + 价值性(Value)或者 真实性(Veracity)
GB
TB PB EB
ZB
IT时代
可见光 中红外 热红外 波长越长,对土壤水分越敏感
微波
受云和降雨影响大 对土壤水分不是非常敏感 对土壤水分的监测主要是间接利用水分对可见光近红外的吸收 热红外主要是利用依赖水分的热容量变化大小
)
)
植被光谱曲线
赵晨等在2001年在中国 农业生态学报上写了一篇关 于《作物水分胁迫指数与土 壤含水量关系探讨》
当0.1<NDVI<0.6时,0.02<MPI<0.04。在这种条件下,应该 考虑为植被和其它地物的混合像元。在土壤水分反演的过程 中,应该考虑混合像元和植被的影响。
当0.6≤NDVI时,MPI<0.02。像元被植被完全覆盖,在土壤水 分反演过程中,需要考虑消除植被的影响。为了提高这些像 元的反演精度,需要利用其它辅助手段(比如地面测量)对 反演结果进行校正。
j
Ts
Ts
Ti
i
j
Ts
TT
T
j
Ts
i
j
Ti Tj
极化指数
反演方程
SM 0.33 10.99947 * NDE18.7GHz 10.7GHz
563.80628NDE
2 18.7GHz
10.7GHz
微波指数与植被关系
NDVI与MPI关系 当NDVI≤0.1时,MPI≥0.04,在被动微波尺度下,可以认为像 元为裸地或者植被非常少,因此在土壤水分反演中可以不考 虑植被的影响;
DT时代
从无序的、庞杂的海量数 据中挖掘有价值的信息甚 至知识
社会管理 智能电网 公共交通 智慧农业 医疗诊断 应
用
金融
电子商务 精准气象 新闻传媒
Байду номын сангаас
教育
基于气象数据的监测指数
优点: 方法成熟 数据精度高,时间序列长
缺点: 站点分布不均,不利于大 尺度的干旱监测
指数名称 帕尔默指数 作物水分指数 标准降雨指数 综合气象干旱指数
优点: 有利于大尺度的干旱监测 考虑植被对干旱的响应问题
指数名称 植被状态指数
适用地表粗糙度范围窄 较宽的粗糙度范围
裸土: 1.Q/H模型 与Q/P模型
植被: 2. - 模型 3. MIMICS模型和水云模型等
土壤水分反演算法
1.统计方法 2.基于正向模型的反演算法 (迭代和NN)
土壤水分与不同频率发射率的关系
土壤水分与不同频率发射率的关系
极化指数
NDE
ij
i
Ti
Tj
土壤水分与干旱
气
象
植物蒸腾
农 业
干
社
旱
会
地表蒸散 经
植 物
干
旱 地表水分平衡
济
土
干
壤
水文干旱
旱
水分下渗
干旱实际上是一种地表水分失衡的综合现象,不同干旱类型之间相互联系又 相互区别。干旱监测必须综合考虑气候、植被和土壤等因素,只有这样才能 准确描述干旱的发展过程和发展程度!
近来,随着传感器技术的进步,为更高精度的监测土壤水分提供了物理平台。
土壤水分和干旱监测的必要性
干旱是全球发生频率最高、持续时间最长、影响面积最广的自然灾害 造成重大经济损失,每年造成我国农业生产的直接经济损失多达4-7亿元 引起土地的荒漠化,沙漠化 影响人民生命安全和国家和谐稳定
全球气候变暖等因素导致我国干旱发生频 率显著增加、强度显著增强。(Dai A,2011) 深入研究干旱监测的技术方法,对提高干旱监测水平、提升政府防灾减 灾能力具有重要的意义!
不同地物的波谱曲线是不一样的,在近红外区域的水吸峰是 变化的;
同一种作物在不同的生长期波谱曲线也是变化的
大气水汽含量变化也是影响监测的主要原因,当大气水分含 量变化时,
因此利用可见光和近红外波段构成的各种干旱指数的阈值在不 同的地方是变化的,同一地方不同时间也是变化的。
热红外是利用土壤和植被水的热容量来监测水分含量,但温度 变化的快慢对不同的物质是不一样的,也就是阻抗不一样。 而且天气条件对温度变化快慢(比如云)影响也是非常大的, 因此各种指数的阈值也是变化的。
雷达信号的散射受介电常 数的变化,而水是影响土 壤介电常数变化的最主要 因子。因此,雷达信号的 变化在一定程度上是土壤 水分参数的变化。
理论模型
• 几何光学模型 • 物理光学模型 • 小扰动模型 • 积分方程模型
经验-半经验模型
• Oh 模型 (1992;2002) • Dubois 模型 (1995) • Shi 模型 (1997)
微波遥感特点:
1、对农业遥感和水文学家所关心的积雪参数及土壤水分十分敏感 2、对地物具有一定的穿透能力 3、全天时、全天候的成像能力
研究意义
相对可见光,近红外和热红外,微波优势:
1、对地物具有一定的穿透能力; 2、全天时、全天候的成像能力; 3、利用的微波对土壤水分变化引起导电能力变化的敏感性 缺点:微波(雷达)对粗糙度比较敏感。
作物水分胁迫指标CWSI(Crop Water Stress Index) 和对应的土壤含水量相关分 析二者呈一定相关性,但相关关系不密切,相关系数为0.54,作物水分胁迫指数随土 壤含水量的降低呈明显的增大趋势;作物水分胁迫指数随气象因子的波动表现出 明显的波动性,且在作物遭受较严重水分胁迫下波动性更强,表明水分胁迫指数直 接定量标识作物土壤水分状况的可靠性不强.