ESA土壤湿度遥感产品在河南省的时空变化分析
发布时间：2021-06-01 05:00
利用河南省区域2012年1月1日到2012年12月31日的土壤湿度观测资料和欧空局（ESA CCI SM）土壤湿度遥感资料,验证ESA土壤湿度遥感产品在河南省的精度及其时空分布特征.进行了一系列的反复实验,得出结果,结果表明:（1）ESA土壤体积含水量反演值与地面实测值相关性较好,R2为0.6765;RMSE为0.0511,偏差较小;平均值相差0.0113,土壤湿度值较接近.（2）ESA土壤湿度遥感产品可以很好地展现出河南省土壤湿度的空间分布特征.（3）ESA土壤湿度数据在一定程度上可以精确地展现各个季节河南省的土壤湿度时间变化趋势和空间变化特征,与实际情况大致符合,对分析河南的土壤水分变化有着一定的适用性.
【文章来源】：信阳师范学院学报(自然科学版). 2020,33(04)北大核心
【文章页数】：6 页
【部分图文】：
河南省区域图
(1)ESA土壤湿度遥感数据本文所使用的ESA土壤湿度遥感数据集是由主动微波遥感数据和被动微波遥感数据融合而成的．在开发的过程中，维也纳技术大学利用WARP v5.5进行反演而得到了主动微波产品，ASCAT和AMI-WS是其数据的来源[12]．反演完成之后，在ASCAT的基础之上，各产品利用累计分布函数进行动态的匹配，形成了主动微波产品，它以土壤湿度为单位进行储存，时间跨度为1991年—2013年[13]．另外，被动微波遥感产品是在阿姆斯特丹大学和NASA协同开发的陆地参数反演模型V5反演得到的．反演之后，各产品在AMSR-E的基础上也被融合成为一套被动微波土壤湿度遥感产品，其时间跨度是1978年—2013年，体积的含水量是其单位[14]．图2是其遥感影像的全球分布图，其空间分辨率为0.25°（纬度）×0.25°（经度），时间分辨率为每日一次，颜色由深变浅，土壤湿度值也越来越低，白色部分代表土壤湿度值最低的地区，也由于分辨率较低的原因部分地区的数值没有显示．(2）实测数据本文所选用的实测数据是来自于中国气象数据中心的2012年的河南省土壤湿度旬值数据集，所选用的观测深度是10cm，实测数据涵盖图1所示的17个站点，数据以旬为单位，一年有12个月，一个月三旬，共有36旬，除去无效值，有效的实测数据有612个．
(1）平均值计算平均值和标准差所使用的数据是遥感数据的各月旬值，用到的数据总共是36旬的数据．从图3中可以看出：土壤湿度实测值的平均值为0.1689，而土壤水分遥感值的平均值为0.1576，两组数据平均值相差0.0113，土壤湿度的平均值较接近．(2）标准差通过计算两组数据的标准差可以得出：土壤湿度实测值标准差为0.0194，土壤湿度遥感数据的标准差为0.0442，遥感数据的标准差和实测值标准差相接近，两组数据都接近于平均值．
【参考文献】：
期刊论文
[1]土壤水分遥感反演研究进展[J]. 潘宁,王帅,刘焱序,赵文武,傅伯杰. 生态学报. 2019(13)
[2]基于1987—2016年气象数据的河南省气候舒适度时空变化特征研究[J]. 李晓洋,张亚丽,李彤霄,郭宇龙,朱绘慧. 河南科学. 2019(02)
[3]多种土壤湿度资料在中国地区的对比分析[J]. 刘丽伟,魏栋,王小巍,程善俊. 干旱气象. 2019(01)
[4]欧空局哨兵卫星Sentinel-2A/B数据特征及应用前景分析[J]. 田颖,陈卓奇,惠凤鸣,程晓,欧阳伦曦. 北京师范大学学报(自然科学版). 2019(01)
[5]土壤水分反演特征变量研究综述[J]. 王俊霞,潘耀忠,朱秀芳,孙章丽. 土壤学报. 2019(01)
[6]吉林玉米生长期土壤水分规律分析[J]. 李筱杨,朱克云,程溢,李建平. 成都信息工程大学学报. 2018(03)
[7]1961—2005年河南盛夏降水特征分析[J]. 刘云丰,张博,李沁东. 科技与创新. 2018(06)
[8]地表土壤湿度光学遥感反演方法研究进展[J]. 晏红波,周国清. 亚热带资源与环境学报. 2017(02)
[9]欧空局主、被动微波土壤湿度产品的比较验证[J]. 申晓骥,安如. 遥感信息. 2017(02)
[10]基于AMSR-E反演青藏高原夏季表层土壤湿度[J]. 李哲,王磊,王林,李谢辉,肖国杰. 高原气象. 2017(01)
本文编号：3209702
【文章来源】：信阳师范学院学报(自然科学版). 2020,33(04)北大核心
【文章页数】：6 页
【部分图文】：
河南省区域图
(1)ESA土壤湿度遥感数据本文所使用的ESA土壤湿度遥感数据集是由主动微波遥感数据和被动微波遥感数据融合而成的．在开发的过程中，维也纳技术大学利用WARP v5.5进行反演而得到了主动微波产品，ASCAT和AMI-WS是其数据的来源[12]．反演完成之后，在ASCAT的基础之上，各产品利用累计分布函数进行动态的匹配，形成了主动微波产品，它以土壤湿度为单位进行储存，时间跨度为1991年—2013年[13]．另外，被动微波遥感产品是在阿姆斯特丹大学和NASA协同开发的陆地参数反演模型V5反演得到的．反演之后，各产品在AMSR-E的基础上也被融合成为一套被动微波土壤湿度遥感产品，其时间跨度是1978年—2013年，体积的含水量是其单位[14]．图2是其遥感影像的全球分布图，其空间分辨率为0.25°（纬度）×0.25°（经度），时间分辨率为每日一次，颜色由深变浅，土壤湿度值也越来越低，白色部分代表土壤湿度值最低的地区，也由于分辨率较低的原因部分地区的数值没有显示．(2）实测数据本文所选用的实测数据是来自于中国气象数据中心的2012年的河南省土壤湿度旬值数据集，所选用的观测深度是10cm，实测数据涵盖图1所示的17个站点，数据以旬为单位，一年有12个月，一个月三旬，共有36旬，除去无效值，有效的实测数据有612个．
(1）平均值计算平均值和标准差所使用的数据是遥感数据的各月旬值，用到的数据总共是36旬的数据．从图3中可以看出：土壤湿度实测值的平均值为0.1689，而土壤水分遥感值的平均值为0.1576，两组数据平均值相差0.0113，土壤湿度的平均值较接近．(2）标准差通过计算两组数据的标准差可以得出：土壤湿度实测值标准差为0.0194，土壤湿度遥感数据的标准差为0.0442，遥感数据的标准差和实测值标准差相接近，两组数据都接近于平均值．
【参考文献】：
期刊论文
[1]土壤水分遥感反演研究进展[J]. 潘宁,王帅,刘焱序,赵文武,傅伯杰. 生态学报. 2019(13)
[2]基于1987—2016年气象数据的河南省气候舒适度时空变化特征研究[J]. 李晓洋,张亚丽,李彤霄,郭宇龙,朱绘慧. 河南科学. 2019(02)
[3]多种土壤湿度资料在中国地区的对比分析[J]. 刘丽伟,魏栋,王小巍,程善俊. 干旱气象. 2019(01)
[4]欧空局哨兵卫星Sentinel-2A/B数据特征及应用前景分析[J]. 田颖,陈卓奇,惠凤鸣,程晓,欧阳伦曦. 北京师范大学学报(自然科学版). 2019(01)
[5]土壤水分反演特征变量研究综述[J]. 王俊霞,潘耀忠,朱秀芳,孙章丽. 土壤学报. 2019(01)
[6]吉林玉米生长期土壤水分规律分析[J]. 李筱杨,朱克云,程溢,李建平. 成都信息工程大学学报. 2018(03)
[7]1961—2005年河南盛夏降水特征分析[J]. 刘云丰,张博,李沁东. 科技与创新. 2018(06)
[8]地表土壤湿度光学遥感反演方法研究进展[J]. 晏红波,周国清. 亚热带资源与环境学报. 2017(02)
[9]欧空局主、被动微波土壤湿度产品的比较验证[J]. 申晓骥,安如. 遥感信息. 2017(02)
[10]基于AMSR-E反演青藏高原夏季表层土壤湿度[J]. 李哲,王磊,王林,李谢辉,肖国杰. 高原气象. 2017(01)
本文编号：3209702
本文链接：https://www.wllwen.com/kejilunwen/nykj/3209702.html
