基于SPOT-VGT可见光/短波红外波段数据对AMSR-E土壤湿度的降尺度研究
发布时间：2021-07-24 09:48
基于SPOT-VGT数据,由短波红外、红和蓝波段反射率计算了表征地表土壤湿度的可见光—短波红外干旱指数（VSDI）,通过对1km空间分辨率的VSDI影像进行空间升尺度处理,采用多种函数建立了25km空间分辨率AMSR-E土壤湿度数据与VSDI指数的关系,发现二者关系最符合S型曲线模型,拟合残差在空间上呈现随机分布的特征。基于S曲线函数关系下的1km预测土壤湿度和残差值,对AMSR-E土壤湿度进行降尺度模拟,得到1km空间分辨率的土壤湿度。将原始AMSR-E土壤湿度和实测数据对降尺度结果分别比较验证后,表明基于该方法获得的土壤湿度模拟精度较高。
【文章来源】：遥感技术与应用. 2016,31(02)北大核心CSCD
【文章页数】：7 页
【部分图文】：
图２升尺度ＶＳＤＩ指数影像Ｆｉｇ．２ＵｐｓｃａｌｉｎｇＶＳＤＩａｔ２５ｋｍｓｃａｌｅ
向基表面穿过已知样点，且表面总曲率最校图３（ｄ）为插值后重采样得到的１ｋｍ空间分辨率下残差空间分布图。插值后残差分布范围为－１．７１７～１．１９９，与２５ｋｍ残差值范围基本一致，并保留了区域最大值和最小值的空间分布特征。３．３土壤湿度降尺度结果验证原始ＡＭＳＲ－Ｅ土壤湿度值的分布范围为８．１５１～１１．１４１％ｃｍ３／ｃｍ３，降尺度后得到的１ｋｍ空间分辨率土壤湿度为７．７２６～１１．８９５％ｃｍ３／ｃｍ３（图３（ｅ）），整体数值遵循了大尺度下土壤湿度的分布。由于参考了高分辨率的ＶＳＤＩ相位信息，结果图像的局部特征也遵循了高分辨率影像，使得数据的分布细节更加丰富。但降尺度后土壤湿度值的分布范围被扩大，最小值和最大值分别减少和增加了５．２１４％、６．７６７％。在得到高分辨土壤湿度数据的过程中，采用平均值聚合升尺度和残差插值重采样降尺度，会产生新的数据误差，因此本文分别基于原始ＡＭＳＲ－Ｅ土壤湿度和实测数据对得到的降尺度１ｋｍ土壤湿度结果进行比较验证。将降尺度得到的１ｋｍ土壤湿度先升尺度至２５ｋｍ，与原始ＡＭＳＲ－Ｅ土壤湿度数据进行拟合，发现两者相关显著，决定系数Ｒ２为０．８４８１（图４）。黑色趋势线基本接近１∶１线ｙ＝ｘ，线上方样点升尺度后土壤湿度值被低估，线以下样点被高估，标准误差０．２２５。可以推断，在降尺度过程中，大尺度ＡＭＳＲ－Ｅ土壤湿度数据提供了数据量尺，将降尺度的结果控制在一定的数值范围内，避免了高分辨率中随机噪声的影响。图４２５ｋｍ升尺度土壤湿度与原始ＡＭＳＲ－Ｅ土壤湿度的关系
制在一定的数值范围内，避免了高分辨率中随机噪声的影响。图４２５ｋｍ升尺度土壤湿度与原始ＡＭＳＲ－Ｅ土壤湿度的关系Ｆｉｇ．４ＳｃａｔｔｅｒｐｌｏｔｏｆＡＭＳＲ－Ｅｓｏｉｌｍｏｉｓｔｕｒｅａｎｄｔｈｅｅｓｔｉｍａｔｅｄｓｏｉｌｍｏｉｓｔｕｒｅａｇｇｒｅｇａｔｅｄｔｏ２５ｋｍｓｃａｌｅ选择对同一天实测站点的土壤湿度值与从降尺度模拟１ｋｍ土壤湿度影像中同位置像元提取的土壤湿度值进行拟合分析，结果表明二者呈正相关，决定系数Ｒ２为０．６８０５，标准误差１．４１５（图５）。图６为不同站点实测值和１ｋｍ降尺度预测值的变化趋势，发现降尺度的土壤湿度模拟结果存在一定的低估现象，在相对较高土壤湿度的地点较明显，这与基于影像的模拟值与站点实测值的存在空间代表性的差异、ＡＭＳＲ－Ｅ土壤湿度产品值自身比实测土壤湿度值小有关［１５］。预测值和实测值虽然在数值上有一定差距，但预测土壤湿度数据基本反映各个站点实测数据的高低变化特征，并一定程度地体现空间上不同地点间土壤水分差异。图５降尺度土壤湿度值与站点实测值的关系Ｆｉｇ．５Ｄｏｗｎｓｃａｌｅｄｓｏｉｌｍｏｉｓｔｕｒｅｖｅｒｓｕｓｉｎ－ｓｉｔｕｓｏｉｌｍｏｉｓｔｕｒｅｍｅａｓｕｒｅｍｅｎｔｓｉｎＡｐｒｉｌ２００５图６各站点１ｋｍ降尺度估算的土壤湿度值与实测值对比Ｆｉｇ．６Ｔｈｅｖａｒｉａｔｉｏｎｓｏｆｄｏｗｎｓｃａｌｅｄｓｏｉｌｍｏｉｓｔｕｒｅａｎｄｍｅａｓｕｒｅｄｓｏｉｌｍｏｉｓｔｕｒｅｉｎｄｉｆｆｅｒｅｎｔｓｉｔｅｓ４结语本文基于ＳＰＯＴ－ＶＧＴ数据的可见光／短波红外波段信息计算干旱指数ＶＳＤＩ，以ＶＳＤＩ指
【参考文献】：
期刊论文
[1]青藏高原表层土壤湿度遥感反演及其空间分布和多年变化趋势分析[J]. 刘强,杜今阳,施建成,蒋玲梅. 中国科学:地球科学. 2013(10)
[2]AMSR-E卫星反演土壤湿度与ECWMF、NECP再分析土壤湿度比较分析[J]. 李昂,陆其峰,杨晓峰,张建伟. 遥感技术与应用. 2013(04)
[3]MODIS温度变化率与AMSR-E土壤水分的关系的提出与降尺度算法推广[J]. 王安琪,解超,施建成,宫辉力. 光谱学与光谱分析. 2013(03)
[4]基于遥感观测的21世纪初中国区域地表土壤水及其变化趋势分析[J]. 卢麾,施建成. 科学通报. 2012(16)
[5]基于MODIS和AMSR-E遥感数据的土壤水分降尺度研究[J]. 曹永攀,晋锐,韩旭军,李新. 遥感技术与应用. 2011(05)
[6]AMSR-E土壤湿度产品在锡林浩特草地样区的精度验证[J]. 陈洁,杨忠东,武胜利. 气象. 2011(03)
[7]农业旱灾监测中土壤水分遥感反演研究进展[J]. 闫峰,覃志豪,李茂松,王艳姣. 自然灾害学报. 2006(06)
硕士论文
[1]利用MODIS数据反演土壤含水量[D]. 王丽莉.东北师范大学 2008
本文编号：3300419
【文章来源】：遥感技术与应用. 2016,31(02)北大核心CSCD
【文章页数】：7 页
【部分图文】：
图２升尺度ＶＳＤＩ指数影像Ｆｉｇ．２ＵｐｓｃａｌｉｎｇＶＳＤＩａｔ２５ｋｍｓｃａｌｅ
向基表面穿过已知样点，且表面总曲率最校图３（ｄ）为插值后重采样得到的１ｋｍ空间分辨率下残差空间分布图。插值后残差分布范围为－１．７１７～１．１９９，与２５ｋｍ残差值范围基本一致，并保留了区域最大值和最小值的空间分布特征。３．３土壤湿度降尺度结果验证原始ＡＭＳＲ－Ｅ土壤湿度值的分布范围为８．１５１～１１．１４１％ｃｍ３／ｃｍ３，降尺度后得到的１ｋｍ空间分辨率土壤湿度为７．７２６～１１．８９５％ｃｍ３／ｃｍ３（图３（ｅ）），整体数值遵循了大尺度下土壤湿度的分布。由于参考了高分辨率的ＶＳＤＩ相位信息，结果图像的局部特征也遵循了高分辨率影像，使得数据的分布细节更加丰富。但降尺度后土壤湿度值的分布范围被扩大，最小值和最大值分别减少和增加了５．２１４％、６．７６７％。在得到高分辨土壤湿度数据的过程中，采用平均值聚合升尺度和残差插值重采样降尺度，会产生新的数据误差，因此本文分别基于原始ＡＭＳＲ－Ｅ土壤湿度和实测数据对得到的降尺度１ｋｍ土壤湿度结果进行比较验证。将降尺度得到的１ｋｍ土壤湿度先升尺度至２５ｋｍ，与原始ＡＭＳＲ－Ｅ土壤湿度数据进行拟合，发现两者相关显著，决定系数Ｒ２为０．８４８１（图４）。黑色趋势线基本接近１∶１线ｙ＝ｘ，线上方样点升尺度后土壤湿度值被低估，线以下样点被高估，标准误差０．２２５。可以推断，在降尺度过程中，大尺度ＡＭＳＲ－Ｅ土壤湿度数据提供了数据量尺，将降尺度的结果控制在一定的数值范围内，避免了高分辨率中随机噪声的影响。图４２５ｋｍ升尺度土壤湿度与原始ＡＭＳＲ－Ｅ土壤湿度的关系
制在一定的数值范围内，避免了高分辨率中随机噪声的影响。图４２５ｋｍ升尺度土壤湿度与原始ＡＭＳＲ－Ｅ土壤湿度的关系Ｆｉｇ．４ＳｃａｔｔｅｒｐｌｏｔｏｆＡＭＳＲ－Ｅｓｏｉｌｍｏｉｓｔｕｒｅａｎｄｔｈｅｅｓｔｉｍａｔｅｄｓｏｉｌｍｏｉｓｔｕｒｅａｇｇｒｅｇａｔｅｄｔｏ２５ｋｍｓｃａｌｅ选择对同一天实测站点的土壤湿度值与从降尺度模拟１ｋｍ土壤湿度影像中同位置像元提取的土壤湿度值进行拟合分析，结果表明二者呈正相关，决定系数Ｒ２为０．６８０５，标准误差１．４１５（图５）。图６为不同站点实测值和１ｋｍ降尺度预测值的变化趋势，发现降尺度的土壤湿度模拟结果存在一定的低估现象，在相对较高土壤湿度的地点较明显，这与基于影像的模拟值与站点实测值的存在空间代表性的差异、ＡＭＳＲ－Ｅ土壤湿度产品值自身比实测土壤湿度值小有关［１５］。预测值和实测值虽然在数值上有一定差距，但预测土壤湿度数据基本反映各个站点实测数据的高低变化特征，并一定程度地体现空间上不同地点间土壤水分差异。图５降尺度土壤湿度值与站点实测值的关系Ｆｉｇ．５Ｄｏｗｎｓｃａｌｅｄｓｏｉｌｍｏｉｓｔｕｒｅｖｅｒｓｕｓｉｎ－ｓｉｔｕｓｏｉｌｍｏｉｓｔｕｒｅｍｅａｓｕｒｅｍｅｎｔｓｉｎＡｐｒｉｌ２００５图６各站点１ｋｍ降尺度估算的土壤湿度值与实测值对比Ｆｉｇ．６Ｔｈｅｖａｒｉａｔｉｏｎｓｏｆｄｏｗｎｓｃａｌｅｄｓｏｉｌｍｏｉｓｔｕｒｅａｎｄｍｅａｓｕｒｅｄｓｏｉｌｍｏｉｓｔｕｒｅｉｎｄｉｆｆｅｒｅｎｔｓｉｔｅｓ４结语本文基于ＳＰＯＴ－ＶＧＴ数据的可见光／短波红外波段信息计算干旱指数ＶＳＤＩ，以ＶＳＤＩ指
【参考文献】：
期刊论文
[1]青藏高原表层土壤湿度遥感反演及其空间分布和多年变化趋势分析[J]. 刘强,杜今阳,施建成,蒋玲梅. 中国科学:地球科学. 2013(10)
[2]AMSR-E卫星反演土壤湿度与ECWMF、NECP再分析土壤湿度比较分析[J]. 李昂,陆其峰,杨晓峰,张建伟. 遥感技术与应用. 2013(04)
[3]MODIS温度变化率与AMSR-E土壤水分的关系的提出与降尺度算法推广[J]. 王安琪,解超,施建成,宫辉力. 光谱学与光谱分析. 2013(03)
[4]基于遥感观测的21世纪初中国区域地表土壤水及其变化趋势分析[J]. 卢麾,施建成. 科学通报. 2012(16)
[5]基于MODIS和AMSR-E遥感数据的土壤水分降尺度研究[J]. 曹永攀,晋锐,韩旭军,李新. 遥感技术与应用. 2011(05)
[6]AMSR-E土壤湿度产品在锡林浩特草地样区的精度验证[J]. 陈洁,杨忠东,武胜利. 气象. 2011(03)
[7]农业旱灾监测中土壤水分遥感反演研究进展[J]. 闫峰,覃志豪,李茂松,王艳姣. 自然灾害学报. 2006(06)
硕士论文
[1]利用MODIS数据反演土壤含水量[D]. 王丽莉.东北师范大学 2008
本文编号：3300419
本文链接：https://www.wllwen.com/kejilunwen/nykj/3300419.html
