土壤水分遥感反演

4
土壤水分的三种获取方式
• 地面实地定点观测（包括台站和便携仪器）
– 可以给出时间上的变化 – 难以描述空间变化，受条件限制多，花费成本高
• 模型模拟(土壤水动力学等)
– 能给出空间和时间上的变化 – 对输入参数要求高，不确定性较高
• 遥感
– 可以获取大范围的数据；速度快，周期短； – 地表信息,瞬时值
• Bad news
– 由于TVDI局限性，通用性欠缺，无法做全球数 据 – 算法中尺度关系的处理简单 – 受限于卫星遥感数据质量
28
谢谢大家
29
combined triangle
30
10
TVDI的计算 的计算
Sandholt et al (Sandholt et al 2002) 基于Ts-NDVI space 定义了一个指数，叫做 Temperature Vegetation Dryness Index (TVDI)。
TVDI =
Ts(i ) − Tsmin Tsmax(i ) − Tsmin
7
研究目标和内容
• 所以我们试图把被动微波遥感的土壤水分 产品(25km)与从光学遥感信息中提取的土 壤水分指数相结合，从而生成可靠的中分 辨率(1km)土壤水分产品。
AMSR-E像元 像元 0.2 0.3 1km 0.3 0.15 Downscaling 0.25
8
25km
25km
研究方案和技术路线1： 二 研究方案和技术路线 ：TVDI
6
为什么要降尺度？ 为什么要降尺度？
• 被动微波方法做土壤水分有着天然的优越性 • 但是其空间分辨率粗，所以只能用来做大尺度上 的观测。 • 而包括气象，水文，水资源管理和气候学在内的 一系列流域尺度上的研究都要求中高分辨率的土 中高分辨率的土 壤水分观测据 • 流域尺度同化系统的需要
所以对土壤水分降尺度的研究很有必要
tvdi
θ
f
y = ax + b
f
TVDI
θ AMSR − E
24
土壤水分计算结果
2006-11-05
2006-11-07
25
验证
tvdi
θ
f
y = ax + b
f
TVDI
θ AMSR − E
26
面临的问题
27
四 总结
• Good news
– 只用卫星遥感数据，不依赖于地面资料 – 目前结果尚可
...
...
tvdii
...
θ AMSR − Eα
...
θ AMSR − E β
tvdi1 tvdi2 tvdi3
... tvdi tvdi tvdi 1 2 3
...
In situ soil moisture
tvdii
...
...
tvdii
...
θ AMSR − Eγ
......
θ AMSR − E = f (θ1 ,θ 2 ,...θi ...)
Tsmax(i ) = a + bNDVI i
Tsmin(i ) = c + dNDVI i
11
TVDI的计算流程 的计算流程
LST
NDVI
QC
TVDI=(Ts-Tsmin)/(Tsmax-Tsmin) Tsmin=c+dNDVI Tsmax=a+bNDVI
12
NDVI
LST
TVDI
13
TVDI研究进展 研究进展
θ1 θ2 θ3
...
θ1
θ2
θ3
...
...
θi
...
...
θi
...
0
In situ
θ1 θ2 θ3
...
θ1
θ2
θ3
...
TVDI
...
θi
...
...
θi
...
21
DATA
tvdi1 tvdi2 tvdi3
... tvdi tvdi tvdi 1 2 3
...
...
tvdii
...
...
tvdii
5
基于遥感的土壤水分观测
• 光学遥感
– 热惯量 – NDVI-Ts space
• 微波遥感
– 被动 • 亮温-介电-水分，物理关系更直接，时间分辨率高，其发展也 更成熟，应用更广泛，SMOS就是专门针对土壤水分设计的 • 但是空间分辨率粗 – 主动 • 空间分辨率高，但时间分辨率低 • 其后向散射信息对地表土壤水分估计的误差较大，尤其是在植 被作物覆盖地区
3
一 背景介绍
土壤水分的重要性 • 地表土壤水分作为一个非常重要的水文参数影响 着陆气相互作用过程，强烈控制着显热和潜热通 量之间的能量再分配。 • 土壤水分是气候模型，陆面过程模型，水文模型 里的一个重要变量。 • 全球气候模型的模拟显示提高对土壤水分的估计 有助于提高天气和气候的预报的准确性。 有助于提高天气和气候的预报的准确性。 • 对于土壤水分时空动态过程 土壤水分时空动态过程的了解和认识对于水 土壤水分时空动态过程 文，生态，农业都至关重要。
...
Downscaling
θ AMSR − E = f (θ1 , θ 2 ,...θi ...)
θ AMSR − E
...
θi
...
θ = TVDI ⋅ a + b
θ AMSR − E = f (TVDI1 , TVDI 2 ,...TVDI i ...) ⋅ a + b
θ AMSR − E α = f (TVDIα 1 , TVDIα 2 ,...TVDIα i ...) ⋅ a + b θ AMSR − E β = f (TVDI β 1 , TVDI β 2 ,...TVDI β i ...) ⋅ a + b θ AMSR − E γ = f (TVDIγ 1 , TVDIγ 2 ,...TVDIγ i ...) ⋅ a + b ............
2008-6-24 2008-7-10
17
TIME
Y
TVDI (space (x, y) , time)
TVDI ( space (0, 1), --- ) TVDI ( space (0, 2), --- ) TVDI ( space (1, 1), --- )
X
TVDI ( space (1, 2), --- )
θ AMSR − E α
β
γ
............
............
tvdi1 tvdi2 tvdi3
...
...
tvdii
...
a, b
θ
20
DATA
tvdi1 tvdi2 tvdi3
... tvdi tvdi tvdi 1 2 3
...
NDVI TVDI LST AMSR-E
...
tvdii
第一届中国科学院陆面/水文数据同化学术研讨会
基于MODIS和AMSR-E遥感数据的 和 基于 遥感数据的 土壤水分降尺度研究
Downscaling of AMSR-E soil moisture using MODIS derived Temperature Vegetation Dryness Index
9
TVDI
• 将由可见光和近红外数据 所得的NDVI和由热红外数 据所得的LST做成散点图， 就可以得到一个三角形 （Carlson et al 1994）或 ） 者梯形（Moran et al 1994）。这个散点图被称 ） 作Ts-NDVI space，它与 地表土壤水分，地表蒸发 等有着密切的关系。 • 在Ts-NDVI space中，像 点在散点图中的位置表征 了其土壤水分或蒸发情况。
TVDI (--- , DOY 200 ) TVDI (--- , DOY 201 )
“TVDI 在空间上 可以…但在时间 上…”
TVDI (--- , DOY 202 ) TVDI (--- , DOY 203 )
?
18
研究方案和技术路线2： 三 研究方案和技术路线 ：降尺度方法
19
θ1
θ2
θ3
导师： 导师：李新
晋锐
报告人： 报告人：曹永攀
2011-01-14
1
提纲
一 背景介绍 二 研究方案和技术路线1：TVDI 三 研究方案和技术路线2：降尺度方法 四 总结
2
引言ห้องสมุดไป่ตู้
• 经典的牛顿力学只适用于宏观世界而不适 用于微观世界便是一个典型的尺度问题。 • 80年代后期，用AVHRR估算中国耕地面积 24亿亩（当时统计数据为15亿亩），成为 “笑柄”，其实这也是一个典型的尺度问 题。 • 地理学、生态学、水文学、气象学、物理 学、天文学和信息学等众多学科和领域都 存在尺度问题。
...
θ AMSR − Eα
...
θ AMSR − E β
NDVI TVDI LST AMSR-E
... tvdii ... ... tvdii ... tvdi1 tvdi2 tvdi3 ... tvdi tvdi tvdi 1 2 3
θ AMSR − Eγ
......
tvdi
θ
TVDIα
TVDI β
• TVDI与水分之间的线性关系 • TVDI更准确地计算 • TVDI时间序列相关性问题
14
TVDI与水分（ 1km pixel ）之间的线性关系 与水分（ 与水分
15
TVDI更准确地计算 更准确地计算
1 两条边的选取标准 2 LST/NDVI指标的替换 3 逐日数据的替换
16
TVDI在时间序列上不相关 在时间序列上不相关
1
TVDI γ
f
y = ax + b
f
......
TVDI
θ AMSR − E
22
一个案例研究——澳大利亚 澳大利亚 一个案例研究
VUA-NASA Land Surface Soil Moisture
2006-11-05
23
θ = −14.74TVDI + 21.028
θ = −26.98TVDI + 28.54