一种融合大尺度蒸散和植被指数的蒸散降尺度方法

技术领域

本发明涉及农业遥感技术领域，特别是一种融合了大尺度的蒸散数据和植被指数数据，而进行的地表蒸散降尺度的反演方法。

背景技术

蒸散（ET）多指的是土壤蒸发和植物蒸腾的总耗水量，也称蒸散、腾发量或总蒸发量，单位通常为mm。蒸散是地表水分平衡和地面热量平衡的组成部分，是干旱半干旱地区水资源评价的重要内容，在全球变化研究中有重要意义。蒸散过程不仅涉及到土壤、植被、大气等与气候密切相关的多种复杂过程，更是大气环流模式得以改进的关键。蒸散量的传统计算方法是以观测点为基础，适用于较小区域的计算，且无法有效表达出空间异质性，而遥感反演方法受限于反演方法的数据输入，所得结果也往往存在空间分辨率过大的情况，只适用于较大尺度的研究。

蒸散量本身为植被的蒸腾作用和裸土地等的直接蒸发作用，因此植被对应蒸散意义重大。植被是地表覆盖的最主要部分，其变化对全球能量循环及物质的生物化学循环具有重要的影响，植被覆盖变化的研究在全球变化研究中具有重要意义。随着对地观测系统技术的不断成熟，利用遥感数据进行植被监测和土地覆盖变化的研究日益增多。另外，众多研究分析发现基于红外波段和红波段提取的归一化植被指数（NDVI）可以有效表达植被的生长特征和覆盖特征，且其与降水、温度相关显著，被广泛用于相关研究中。

为了有效地开展时间和空间的逐栅格分析，随着遥感技术的飞速发展，近几十年来，利用遥感方法估算区域蒸散量也已成为国内外蒸散研究的一个重要方发展方向。而相应的蒸散计算方法也逐渐增多，联合国粮农组织(FAO)和很多学者基于Penman–Monteith(PM)模型、Priestley–Taylor(PT)模型、以及地表能力平衡模型等来求算地表蒸散量。然而依据不同的输入数据，其反演得到的蒸散的尺度也不尽相同，其中以区域大尺度的反演蒸散产品为主，空间分辨率包括1公里到0.5度不等。

当前很多学者或机构反演的蒸散产品常常存在尺度过大的问题，很难进行小尺度的区域性研究；而基于站点的蒸散求算又无法有效地进行时空分析。因此，如何有效对蒸散数据进行降尺度处理就显得尤为重要，但是相关研究一直缺乏，且进展缓慢。此外，对复杂数值模拟也往往存在建模困难的问题。而本发明利用遥感数据，基于一种简单的算法实现蒸散的降尺度分析，并具有一定尺度的精度保证。

发明内容

本发明为了解决蒸散ET的降尺度分析，提出一种简单可行的方法，该方法针对大尺度的蒸散数据，根据蒸散的定义，把其分为植被蒸腾和土壤蒸发两部分，进而引入较小尺度的植被指数NDVI数据，用数学方法实现降尺度处理。该发明一定程度上替代了复杂的不可控的模型模拟，是一种新的、简便易行的、可直接用于小尺度蒸散研究的技术方法。

为了实现上述降尺度目标，本发明提供了一种融合大尺度蒸散和植被指数的降尺度方法。本发明的主要原理和思路是：首先分别考虑作用于ET的植被分量和非植被分量；然后用大栅格的ET总量减去非植被小栅格单元（根据NDVI求算的植被覆盖度进行衡量和确定权重）的ET分量，则，该剩余ET即为植被作用下的ET分量；再把该剩余的ET根据权重（根据NDVI求算的植被覆盖度确定）赋值到有植被覆盖的小栅格单元；对非植被作用的ET量也是按照相同的思路进行，并且保证降尺度前后大栅格内的ET总量一致；最后加上原数据中的植被ET分量和非植被ET分量，即最终得到的大栅格下的各小栅格对应的ET值，从而完成降尺度。

采用的技术方案，包括以下几个关键步骤：

1）数据获取：包括同一区域的两类栅格数据，一种是较大空间分辨率的蒸散数据；一种是较小空间分辨率的植被指数数据或者是含红波段和红外波段的双波段遥感数据。

2）植被数据整理：使用较为普遍的归一化植被指数（NDVI），其可以通过公式：NDVI=(NRed_Band-Red_Band)/(NRed_Band-Red_Band)求算，式中NRed_Band为近红外波段，Red_Band为红波段。

3）两类栅格数据预处理：对两类数据进行投影一致性转换和重采样处理，使得两种栅格数据的空间分辨率为整倍数的关系，以便保证大栅格下小栅格的完全嵌套。

4）蒸发和蒸腾量分离：土壤蒸发量也即为非植被贡献的蒸散量的统称，分为三部分考虑，包括水体的直接蒸发和裸土的蒸发，这里用ET_nvi=SUMnvi=(ET_water+ET_snow+ET_soil)表示。

植被作用的蒸散量可以分为两部分考虑，包括植被冠层的直接蒸腾和植被其他枝叶的蒸腾，这里用ET_vi=SUMvi=(ET_tran+CAN_evap)表示，以上分量均通过原ET的各分量求和得到。

5）设定植被覆盖度f=0的地表覆盖类型为无植被覆盖区，那么该大栅格对应的ET_vi将被认为是大栅格内其余有植被小栅格的蒸腾贡献量，要平均分配到各个有植被小栅格上。重采样大栅格ET_vi成n×n小栅格，该方法会同时把有植被覆盖和无植被覆盖的小栅格均赋值为ET_vi，要剔除无植被覆盖小栅格的ET_vi，把该部分剔除量再分配到大栅格对应的其余有植被覆盖的小栅格内。这里剩余的ET量(ET_visurp)用公式表示如下：

ET_visurp=n×n×ET_vi/(n×n-m)(1)

6）植被作用ET_vi再分配：设植被覆盖度为f，小栅格单元的覆盖度平均值设为f_mean，则最终有植被覆盖的小栅格对应得到剩余ET量ET_visurp的权重为1+f_i-f_mean。对应植被作用于各个小栅格的ET分量为：

(2)

一个大栅格下的ET_vi量经过重采样到小栅格时，对应的大栅格范围的总量为ET_vi×n×n，而经过此公式求算的所有大栅格对应小栅格下的植被分量值也等于ET_vi×n×n。

7）非植被作用ET_nvi再分配和ET_nvi的总量调节：植被覆盖度为f，则非植被ET量ET_nvi作用于各小栅格（包括无植被覆盖和有植被覆盖的n×n个小栅格）的权重为1-f_i。对应的非植被作用于各个小栅格的ET分量为：

(3)

一个大栅格的ET_nvi重采样到小栅格，对应的大栅格范围的ET_vi总量变为ET_nvi×n×n，而经过此公式求算的所有小栅格下的非植被分量总和小于ET_nvi×n×n，这就需要在保证总量不变化的情况下，对各小栅格的非植被作用分量给出一个调节值，此调节值用公式表示如下：

(4)

8）计算最终各小栅格的ET值ET_fi：

(5)

式中，n×n为小栅格个数；m为f=0的栅格数；等式右侧第一项为植被作用的ET值ET_vi；第二项为非植被作用的ET值；第三项为非植被作用的ET值的调节值；后两项合为非植被作用的ET值ET_nvi。

本发明有益效果在于：其可以利用易于获取的NDVI数据实现ET数据的有效降尺度，对小区域的蒸散分析研究可以提供重要的数据支持。同时，与现有蒸散的同化降尺度方法相比，其可操作性较强，易于实现，且可以保证精度范围在原有的ET数据的大栅格内，一个大栅格内的总的ET值保持不变，而空间分辨率和NDVI的小栅格一致，从而实现有精度保证的ET降尺度。

附图说明

图1是本发明的总体流程图；

图2是本发明的蒸散的植被/非植被作用分离示意图；

图3是本发明分离原蒸散大栅格的植被/非植被的贡献量；

图4是本发明降尺度后的植被/非植被作用于蒸散大栅格的量；

图5是本发明的蒸散大栅格的空间降尺度结果图。

具体实施方式

为了实现上述降尺度目标，本发明提供了一种融合大尺度蒸散和植被指数的降尺度方法，使得大栅格下非植被作用的ET值和植被作用的ET值对应定位在无植被覆盖的小栅格单元和有植被覆盖小栅格单元，判定有/无植被覆盖的小栅格单元通过植被指数NDVI求算的植被覆盖度f，判定各小栅格单元获取的非植被作用的ET值也依据f。下面结合附图和实例对本发明采用的技术方案，分以下几个关键步骤作进一步阐述：

1）数据获取：包括同一区域的两类栅格数据，一种是较大空间分辨率的蒸散数据；一种是较小空间分辨率的植被指数数据或者是含红波段和红外波段的双波段遥感数据。本发明针对实施方式，选用的大尺度蒸散数据的空间分辨率为0.5°，时间分辨率为：天；选用的植被指数数据空间分辨率n=5.6km，时间分辨率为：月。

2）植被覆盖度：利用NDVI与植被覆盖度之间的关系计算。计算公式如下：

f=(NDVI-NDVI_min)/(NDVI_max-NDVI_min)(1)

式中，f为植被覆盖度；下标max和min分别表示NDVI的最大和最小值。

3）两类栅格数据预处理：对两类数据进行投影一致性转换和重采样处理，使得两种栅格数据的空间分辨率为整倍数的关系，以便保证大栅格下小栅格的完全嵌套；同时对ET的天数据整理成对应的月数据。

4）土壤蒸发量求算：土壤蒸发量也即为非植被贡献的蒸散量，可以分为三个分量，用公式表示如下：

ET_nvi=(ET_water+ET_snow+ET_soil)(2)

式中，ET_nvi表示土壤蒸发总量，其包括水体(ET_water)、雪被(ET_snow)以及裸土(ET_soil)的直接蒸发等三部分蒸散分量，在原ET数据中直接提取加和。

5）植被蒸腾量求算：植被作用的总蒸散量(ET_vi)，可分两部分考虑，包括植被冠层的直接蒸腾(CAN_evap)和植被其他枝叶的蒸腾(ET_tran)，原ET数据中直接提取加和。这里用公式表示如下：

ET_vi=(ET_tran+CAN_evap)(3)

6）植被作用权重赋值：基本分析单元为ET大的栅格单元，有/无植被作用的分量比是关键参考，因为其直接关系到植被活动时间及对蒸散的影响大小，比如，青藏高原区域植被覆盖度高，但是植被生长时间短，在全年的蒸散贡献量有限，而同为草原区域的蒙古草原，则由于植被生长季较长，则植被的蒸散贡献量也较大。本发明是依据植被覆盖度赋线性权重再重新分配各个小栅格单元的ET值。包括植被作用的ET分量和非植被作用的ET分量。

这一步中，根据采用的数据，重采样原ET数据0.5°的空间分辨率，（对应大栅格）到与NDVI相同的5km（对应n×n个小栅格），则大栅格对应空间范围下插值成的小栅格的值都保持为ET的原有大栅格值。

7）把所有植被作用的ET量ET_vi依照植被覆盖度权重重新分配到有植被覆盖的小栅格单元上，对无植被覆盖的小栅格对应只能是ET_nvi的量。要实现此目的，就是先把无植被小栅格的ET值分离出，这也是整个算法的关键步骤：设定植被覆盖度f=0的地表覆盖类型为无植被覆盖区，简称裸土地，那么一个大栅格内的裸地小栅格的蒸散量全部为非植被ET_f0=ET_nvi；则，该大栅格对应的ET_vi将被认为是大栅格内其余有植被小栅格的蒸腾贡献量，要平均分配到各个有植被小栅格上。重采样大栅格ET_vi到n×n，该方法会同时把有和无植被覆盖的小栅格均赋值为ET_vi，那么剔除无植被覆盖小栅格的ET_vi，把该部分剔除量再分配到其余有植被覆盖的小栅格内。这里ET余量(ET_visurp)可用公式表示如下：

ET_visurp=n×n×ET_vi/(n×n-m)(4)

式中，n×n为ET大栅格下对应的有植被小栅格的个数；m为f=0的无植被小栅格数。

8）植被作用ET_vi再分配：设植被覆盖度为f，小栅格单元的覆盖度平均值设为f_mean，以此确立小栅格单元的基本权重，则最终有植被覆盖的小栅格对应得到的剩余ET量ET_visurp的权重为1+f_i-f_mean。对应的植被作用于各个小栅格的ET分量为：

(5)

一个大栅格下的ET_vi量经过重采样到小栅格时，对应的大栅格范围的总量为ET_vi×n×n，而经过此公式求算的所有大栅格对应小栅格下的植被分量值也等于ET_vi×n×n，这就满足了在总量ET_vi不变化的情况下的植被作用分量再分配和降尺度处理。

9）非植被作用ET_nvi再分配和ET_nvi的总量调节：：植被覆盖度为f，则非植被ET量ET_nvi作用于各小栅格（包括无植被覆盖和有植被覆盖的n×n个小栅格）的权重为1-f_i。对应的非植被作用于各个小栅格的ET分量为：

(6)

一个大栅格下的ET_vi量经过重采样到小栅格时，对应的大栅格范围的总量为ET_nvi×n×n，而经过此公式求算的所有大栅格对应小栅格下的非植被分量值总和通常小于ET_nvi×n×n，这就需要在总量不变化的情况下，对各小栅格的非植被作用分量给出一个调节值，此调节值用公式表示如下：

(7)

10）制作两个f=0的n×n分辨率数据，一个作为f0_mask=NODATA，一个作为赋值非植被的蒸发量ET_nvi的二值图f0_nvir（f=0，赋值1；f>0，赋值0）。同时，制作n×n分辨率f>0的植被覆盖度f数据f_vi和f_mean，统计大栅格范围下n×n小栅格f=0的栅格数m。

11）最终得到的降尺度蒸散量为利用植被覆盖度作为权重再分配的植被作用分量和非植被作用分量之和。则最终各小栅格ET值ET_fi的计算公式为：

(8)

式中，n×n为小栅格个数；m为f=0的栅格数；等式右侧第一项为植被作用的ET值ET_vi；第二项为非植被作用的ET值；第三项为非植被作用的ET值的调节值；后两项合为非植被作用的ET值ET_nvi。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关领域的技术人员，在不脱离本发明的思路和范围的情况下，还可以做出各种变化和变形，因此所有等同的技术方案也属于本发明的范畴，除非另外指出或者在文中明显区别。