基于MGWR的渭河流域TRMM降水产品空间降尺度分析

高分辨率降水数据有助于刻画降水的时空分异特性,对流域水文、气象和生态等过程的精准模拟具有重要作用,因此对低分辨率降水产品开展空间降尺度,提高其分辨率十分必要。鉴于此,该研究在充分考虑热带降雨测量卫星（Tropical Rainfall Measuring Mission,TRMM）降水产品在渭河流域适用性的基础上,引入归一化差分植被指数（Normalized Difference Vegetation Index,NDVI）、数字高程模型（Digital Elevation Model,DEM）、坡度、坡向和经纬度等地理环境因子,构建了多尺度地理加权回归（Multi-scale Geographically Weighted Regression,MGWR）模型用以分析不同因子对渭河流域降水空间格局影响的尺度差异;并提出了一种针对TRMM降水产品的空间降尺度方法,通过精度评价验证降尺度结果的可靠性。结果表明：1）TRMM降水产品数据相较于站点实测数据存在一定精度误差,年尺度上R2=0.807,BIAS=2.909%,RMSE=83.477 mm,表现较好;季尺度上秋季R2最高,为0.847,夏季RMSE最大,为62.393 mm,四季的BIAS均较低;月尺度R2为0.456～0.815,BIAS的绝对值介于0～14%之间,多数月份为正值,RMSE值域范围为3.507～39.342 mm,精度较好;总体而言,TRMM降水产品数据在年、季和月尺度上均表现出良好的整体适用性。2）不同因子在干湿年份对降水空间分异格局的影响呈现出不同的尺度特征,其中湿润年的DEM、NDVI、坡向和经纬度对降水呈现局部影响,坡度影响具有全局性,而干旱年各因子均表现为局部影响。3）流域和站点尺度上,降尺度TRMM数据相较于降尺度前产品数据精度得到一定改善,流域尺度上,R2和RMSE得到有限提高;站点尺度上,各站点统计指标变化各异,但降尺度后统计指标整体优于降尺度前,并且由于时间尺度上的误差累积,站点年尺度数据精度相比月尺度数据稍差。4）降尺度TRMM数据相比于降尺度前产品数据,空间分布更细腻,细节特征表现更好,且在年、月时间尺度上均具有较高的精度,可为渭河流域资料短缺地区的水文设计提供数据支撑。     

不同植被和土壤类型下土壤水分剖面的分异

为研究不同土壤类型下土壤水分的垂直分布特征及变异情况,在位于黄土高原水蚀风湿交错带的六道沟小流域选取坝淤土、黄绵土和风沙土3种土壤类型为研究对象,测定了0-600cm土壤水分含量,利用经典统计学方法进行分析。结果表明：坝淤土土壤水分剖面呈有规律的波动型变化,黄绵土剖面土壤水分基本呈微弱的波动型变化,风沙土土壤水分剖面变化类型属于降低型;植被覆盖为柠条或小叶杨时,不同土壤类型对0-100cm间土壤水分含量影响不明显,而对100-600cm土壤水分含量影响显著（P〈0.05）;柠条覆盖下0-600cm平均土壤水分均呈现：黄绵土〉坝淤土〉风沙土,小叶杨覆盖下0-600cm平均土壤水分均呈现：风沙土〉坝淤土〉黄绵土;对3种土壤类型而言,同一土壤类型下植被类型的不同主要对深层土壤水分的垂直分布产生影响,总体上,农地和草地下的土壤水分状况好于灌木和乔木。这对于指导干旱区农业生产以及植被恢复中水分的合理调控具有积极的意义。     

黄土高原退耕坡地土壤水分空间变异的尺度性研究

在面积60 m×60 m的坡地上采用2 m×2 m的网格进行高密度土壤水分测定,通过改变采样幅度和采样间距的“再采样”方法,选取变异系数、相关距离和Moran的I相关指数3个参数作为表征空间变异大小的指标,研究了尺度大小对土壤水分空间变异的影响。研究结果表明,随着采样幅度尺度在一定范围内的增大,土壤水分变异的特征参数如变异系数、相关距离和Moran的I相关指数都呈不同程度地增大;当采样间距增大时,变异系数和Moran的I相关指数没有变化,而相关距离却减小。     

黄土高原西部丘陵区不同降水条件下植被分布与土壤水分关系研究

研究了黄土高原西部丘陵区降水及植被空间分布特征,分析了不同降水条件下人工柠条林、混合灌木林、人工侧柏林、青杄林和人工落叶松林等5种植被类型0~100 cm土壤剖面中土壤水分含量及季节性变化。研究结果表明,0~100 cm的土壤储水量次序为青杄林人工落叶松林侧柏林混合灌木林柠条林。黄土高原西部丘陵区森林草原过渡带降水量无法完全补偿人工侧柏林生长季土壤水分消耗量,该地区选择侧柏进行人工林建设需要注意种植密度。黄土高原西部丘陵区草原地带降水量基本可以补偿人工柠条林生长季土壤水分消耗量,但随着柠条林林龄的增加,可能会出现植被水分亏缺。     

大连市丘陵区不同植被类型下土壤水分与养分状况

研究了大连市石门山丘陵区灌木丛、针叶林和阔叶林三种不同植被类型条件下的浅层土壤水分和养分状况。结果表明:土壤含水率变化在10%～20%之间,阔叶林样地土壤含水率全年波动较大,灌木丛样地次之,针叶林最为稳定。土壤养分含量的变化除速效磷表现为灌木丛阔叶林针叶林外,有机质、速效钾、硝态氮和铵态氮都表现为阔叶林灌木丛针叶林。从空间角度来看,各样地山顶、山腰和山底土壤水分和养分变化不尽相同,但各自差别并不明显。不同植被类型对土壤养分含量存在显著影响,其变化基本符合随植被演替阶段提高而升高的规律。总的来看,植被恢复对土壤质量有着明显的改善作用。     

麦田土壤水分时空变异特性及CA-Markov模型模拟预报

为揭示农田土壤水分时空变异特征,精准预测土壤含水量,该研究以河北省太行山山前平原井灌区典型麦田为例,在监测土壤水分的基础上,采用时间稳定性指数法、空间自相关性评价法研究土壤水分时空分布规律,构建了适用于模拟预报田间水分时空变化的CA-Markov 模型,并将该模型的模拟预报效果与HYDRUS 模型进行比较。结果表明：随着土层深度的增加,土壤水分等值线由密变疏,变异系数逐渐减小。随着小麦生育期的推移,前期监测的土壤水分稳定性高于后期;在土壤较湿润的情况下,土壤水分空间相关性较强,土壤水分全局Moran’s I 指数随小麦生育期的推移呈现先增大后变小的规律。CA-Markov 模型模拟预报的各土壤相对湿度等级面积误差的平均值为1.61%,比HYDRUS 模型模拟预报的面积误差平均值（10.86%）小9.25个百分点; CA-Markov 模型对研究区4月下旬、5月上旬的土壤水分干旱等级预测的空间分布Kappa 系数分别为 89.31%、91.46%。该模型可综合考虑麦田墒情的时空变化及随机特性,模拟预测土壤墒情的精度较高、效果良好,可以作为麦田水分管理的重要工具。     

澜沧江流域卫星产品降尺度与融合方法

卫星降水产品具有覆盖范围广、更适用于无资料区域的优势,但分辨率较低、精度不足,为获取高时空分辨率、高精度的降水数据,需对卫星产品进行降尺度,并与地面观测数据融合,以提高数据质量。以澜沧江流域为例,在综合考虑地形、地理和植被等要素的基础上,建立地理加权回归（geographic weighted regression,GWR）模型对热带降雨测量卫星（tropical rainfall measurement mission,TRMM）和基于人工神经网络的遥感降水估计-气候数据记录（precipitation estimation from remotely sensed information using artificial neural networks-climate data record,PERSIANN-CDR）产品进行空间降尺度,再采用集合卡尔曼滤波算法,将地面气象站点经反距离加权插值法（inverse distance weighted,IDW）插值后的数据作为融合算法观测值,对降尺度后的TRMM、PERSIANN-CDR数据进行融合,以进一步提高降水数据精度。结果表明：...     

不同植被覆盖类型黑土水分动态变化特征

采用中子水分仪定位监测方法,研究黑土区平水年大豆地、草地和裸地3种覆盖类型土壤水分变化特征.结果表明:土壤水分空间垂直动态变化随深度增加而降低,基于变异系数(CV)将土壤水分垂直变化分为4层,即水分速变层、活跃层、次活跃层和相对稳定层.不同覆盖类型下,土壤水循环深度依次为大豆地>草地>裸地,土壤水循环强度依次为草地>大豆地>裸地;3种覆盖类型的土壤剖面含水量在作物生长季节内呈增长型变化特征,裸地0～20 cm土层各时段土壤含水量均高于草地和大豆地;30 cm土层以下土壤水分含量依次为草地>裸地>大豆地.该区土壤储水量主要受降雨调控,3种植被覆盖类型下,土壤水分的总蒸散量依次为草地>大豆地>裸地.     

古尔班通古特沙漠南缘固定沙丘上土壤水分与地形-植被因子的关系

土壤水分是干旱和半干旱生态系统格局和过程的主要驱动力,地形-植被因子是小尺度上影响土壤水分的主要因子。以古尔班通古特沙漠南缘北沙窝附近固定沙丘上不同深度的土壤水分(表层0-40 cm、中层40-200 cm、深层200-300 cm和整体0-300 cm)作为研究对象,利用广义线性模型(GLM)、广义加性模型(GAM)和随机森林(RF)模型研究了土壤水分与地形-植被因子之间的关系和变化规律。结果表明:(1)不同深度的土壤水分均呈现一致的单峰分布,不同深度土壤水分的大小顺序为深层>中层>表层,且两两之间具有显著差异。(2)GLM和GAM模型得到的影响不同深度土壤水分的植被和地形因子完全相同,RF模型的精度优于GLM和GAM模型。(3)地形因子海拔、坡度、高差和植被因子灌木多度与其影响的不同深度的土壤水分呈负相关关系,地形因子坡向(规定正东方向为0,顺时针旋转)和植被因子生物量与其影响的土壤水分呈正相关关系。植被因子草本盖度与表层土壤水分呈正相关关系,与中层土壤水分呈负相关关系。研究结果可为研究区制定相应的防风固沙措施以及建立科学合理的植物固沙模式提供理论参考。     

喀斯特洼地表层土壤水分的空间异质性及其尺度效应

空间变异及其尺度问题在土壤学、地理学、水文学和生态学中均处于十分重要的地位,是当前研究热点之一[1~5]。变异结果使得不同景观斑块间的交换过程在从田块到流域的不同空间尺度上产生[6]。因此要实现景观生态过程中的尺度转换,关键是从实测到预测模型的复杂转变[7,8]。在土壤学研究中,观测尺度和模型尺度均包含尺度的三因素,即采样间隔、采样幅度和支撑效应,这三个因素是界定观测或模型空间尺度的必要条件[3]。而随采样尺度变化,土壤水分的表观变异与真实变异出现偏差,这种偏差是观测尺度的函数,可以采用地统计学中的半变异函数进行有效地尺度转化[9]。国内外学者对土壤水分的空间尺度问题作了大量研究。Bl sch     

基于试验反射光谱数据的土壤含水率遥感反演

土壤含水率是土壤水循环研究中不可或缺的参数,已广泛应用于土壤水分的监测。土壤光谱特性的研究是土壤含水率光学遥感定量反演的基础。该研究首先通过野外调查收集土样;然后,在实验室条件下制备不同水分梯度的土壤样品,并利用便携式地物光谱仪采集不同水分梯度土壤样品的反射光谱;最后,通过试验光谱数据分析建立一个基于指数函数的土壤含水率遥感反演模型,并对结果进行精度评价。结果表明,基于指数函数的土壤含水率反演模型可以较好的反演土壤水分特征,在640 nm处土壤含水率的估计值与真实值之间的决定系数为0.7062,RMSE为3.49%。相关研究为表层土壤含水量的遥感监测提供新方法和新思路。     

基于Sentinel多源数据的农田地表土壤水分反演模型构建与验证

土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该文基于Sentinel-1和Sentinel-2多源遥感数据,利用Oh模型、支持向量回归(support vector regression,SVR)和广义神经网络(generalized regression neural Network,GRNN)模型对土壤水分进行定量反演,以减小植被影响,提高反演精度。结果表明:通过水云模型去除植被影响后的Oh模型反演精度有所提高。加入不同植被指数的SVR和GRNN模型的反演效果总体优于Oh模型,基于SVR模型的多特征参数组合(双极化雷达后向散射系数、海拔高度、局部入射角、修改型土壤调整植被指数)反演效果最优,其测试集相关系数和均方根误差分别达到了0.903和0.015 cm~3/cm~3,为利用多源遥感数据反演农田地表土壤水分提供了参考。     

含水量对黑土光谱特征影响的定量分析

Several studies have demonstrated that soil reflectance decreases with increasing soil moisture content, or increases when the soil moisture reaches a certain content; however, there are few analyses on the quantitative relationship between soil reflectance and its moisture, especially in the case of black soils in northeast China. A new moisture adjusting method was developed to obtain soil reflectance with a smaller moisture interval to describe the quantitative relationship between soil reflectance and moisture. For the soil samples with moisture contents ranging from air-dry to saturated, the changes in soil reflectance with soil moisture can be depicted using a cubic equation. Both moisture threshold (MT) and moisture inflexion (MI) of soil reflectance can also be determined by the equation. When the moisture range was smaller than MT, soil reflectance can be simulated with a linear model. However, for samples with different soil organic matter (OM), the parameters of the linear model varied regularly with the OM content. Based on their relationship, the soil moisture can be estimated from soil reflectance in the black soil region.     

基于累积分布函数匹配的多源遥感土壤水分数据连续融合算法

数据融合是解决不同来源遥感数据无法直接对比分析这一瓶颈的有效方法。实时更新的SMOS土壤水分数据(soil moisture and ocean salinity)可开展实时干旱评价(2010年至今),但由于序列短无法开展频率及演变分析。CCI(climate change initiative)土壤水分数据是联合了多种主被动遥感数据合成的长序列数据产品(1979—2013年)。为提高不同来源遥感数据的融合精度,该研究基于累积分布匹配原理构建了多源遥感土壤水分连续融合算法,将SMOS和CCI融合成长序列、近实时的遥感土壤水分数据。经验证分析,累积概率曲线相关性中表征干旱的低值区纳什效率系数由0.52提高到0.99,且融合后土壤水分数据可以较准确地反映当地的干旱事件。该研究提出的多源遥感土壤水分连续融合算法显著提高了现有融合算法的融合精度。     

区域蒸散和表层土壤含水量遥感模拟及影响因子

以甘肃省武威市为研究区域,应用灌溉前后两景Landsat TM-5卫星遥感数据,采用SEBAL模型进行了区域蒸散估算,综合应用归一化植被指数(NDVI)和地表温度(Ts),计算了该区域的条件植被温度指数(VTCI),并估算了表层土壤含水量(0～20 cm)。在获得区域净辐射通量、地表温度以及植被覆盖度空间分布的基础上,进一步对灌溉前后两景影像中日蒸散和表层土壤含水量的影响因素进行了分析。结果表明,区域蒸散和表层土壤含水量的遥感估算与地面同步观测值比较,能较好地反映研究区域的蒸散和地表含水量的空间变异特征。当土壤较干时,区域蒸散的空间分布变异较大,而表层土壤含水量的空间变异较小。在灌溉前后两景影像中,日蒸散与净辐射通量、地表温度和覆盖度之间都有极显著的相关性,决定系数均在0.90以上,而日蒸散量与表层土壤含水量的相关性以灌溉后较高。此外,表层土壤含水量与地表温度、覆盖度都呈显著的相关性,但比较而言,地表温度指数关系的离散性较小,相关系数也大。但地表温度、覆盖度与表层土壤含水量的相关性都依赖于土壤干湿程度,通常土壤越湿,相关性也越高。     

毛乌素沙地土壤水分的遥感监测

利用毛乌素沙地腹地——乌审旗1982-1993年间的AVHRR遥感数据、常规气象数据和土壤水分观测资料,建立基于条件温度植被指数的0～50 cm土壤水分遥感估算模型,并计算出0～50 cm土体各层土壤水分。结果表明:乌审旗多年平均土壤水分的变化量约为-3.47mm,逐年土壤水分变化量Δw在-118～82 mm之间。乌审旗土壤水分的年际变化不大,基本在±50 mm之间变动。除1986、1987、1991以及1993年外,其余年份乌审旗土壤水分变化量Δw都为正。乌审旗土壤水分的年内波动也不大,基本在±10 mm之间。通过误差分析可知,遥感反演土壤水分的平均绝对百分比误差为14.77%,均方差为77.54 mm。基于条件温度植被指数的土壤水分遥感估算模型是可行的。     

L波段主被动微波协同反演裸土土壤水分

土壤水分是进行干旱监测、土壤侵蚀、农作物产量预测以及地表温度研究的重要参量,利用主被动微波协同的方法提高土壤水分的反演精度是定量遥感发展所面临的重要任务。本文基于土壤L波段微波散射辐射模拟数据集,通过对比分析主被动微波数据对土壤水分含量和粗糙度2个参数的敏感性,提出了基于L波段主被动协同的裸土土壤水分反演算法,算法充分利用了被动微波地表发射率对土壤水分较为敏感,而主动微波后向散射系数对地表粗糙度较为敏感的特点。首先由地表垂直极化发射率和 VV 极化后向散射系数协同提取地表粗糙度信息,再由被动微波双极化数据结合地表粗糙度信息来估算土壤水分信息。利用SMAPVEX12实验数据集中部分稀疏植被采样点的观测数据对算法进行验证,验证结果显示,土壤水分反演结果与地面实测数据相关性为0.6637,RMSE为0.0607 cm3/cm3。该文反演算法模型系数直接由模拟数据集计算得到,克服了常规经验算法的发展对地表实测数据的依赖性,减小了算法在实际应用中的局限性。     

去除水分影响提高土壤有机质含量高光谱估测精度

土壤水分的影响是当前采用光谱分析法预测土壤养分含量的关键问题,该文旨在探索去除土壤水分影响、提高有机质高光谱定量估测精度的方法。首先采用地物光谱仪进行湿土和过筛干土的高光谱测试,并进行一阶导数变换;然后,采用奇异值分解(singular value decomposition,SVD)结合相关分析筛选土壤水分特征光谱,构建去除水分因素的修正系数,形成湿土光谱的校正光谱;最后基于校正前后湿土光谱,应用偏最小二乘(partial least squares,PLS)回归构建土壤有机质含量的估测模型,并对模型进行验证和比较,分析评价校正前后光谱的预测精度。结果显示:按土壤水分含量梯度划分的2组和全部棕壤及褐土土样共4组样本校正后建模决定系数和均方根误差分别为0.85、0.82、0.74、0.76和0.19%、0.20%、0.23%、0.19%,决定系数提高了0.02~0.09,均方根误差降低了0.01~0.03百分点,验证决定系数、均方根误差和相对分析误差分别为0.78、0.77、0.72、0.76,0.21%、0.15%、0.21%、0.15%和2.03、2.02、1.86、1.98,决定系数提高了0.06~0.15,均方根误差除褐土土样提高0.02百分点外,其他样本组降低了0.01~0.08百分点,相对分析误差提高了0.17~0.43,模型决定系数和相对分析误差得到显著提升;尤其对于土壤水分含量变异系数较小的3组土样,模型从待改进级别提高到性能良好级别,对土壤有机质含量具有较好的预测准确性。说明该方法用于去除土壤水分因素影响和提高有机质含量高光谱估测精度的有效性。     

基于土壤微波辐射布儒斯特角反演土壤含水率

在利用被动微波遥感技术进行裸露地表土壤含水率（Soil Moisture Content,SMC）的反演中,土壤粗糙度是制约反演精度的最关键因素。该研究利用改进的积分方程模型（Advanced Integral Equation Model,AIEM）进行地表多角度微波发射率的模拟,探索地表微波辐射多角度信息用于提高地表SMC反演精度的可行性。基于不同SMC和不同粗糙度地表多角度V极化发射率数据的变化趋势提取土壤介质布儒斯特角,结果表明,土壤布儒斯特角对SMC具有较高的敏感性,C波段（6.6 GHz）不同含水率土壤的布儒斯特角分布在60°～80°范围内。基于AIEM模拟数据的分析发现,土壤布儒斯特角正切值与SMC具有较好的线性关系,线性拟合决定系数为0.94,均方根误差为0.027 cm3/cm3,并得到了基于布儒斯特角的裸露地表SMC反演算法。基于模拟数据的算法验证结果表明,算法的SMC预测值与理论值的决定系数为0.95,均方根误差为0.024 cm3/cm3。算法在不同土壤粗糙度自相关函数下均表现出稳健的特性,SMC预测精度最大均方根误差为0.027 cm3/cm3,最小为0.023 cm3/cm3。基于布儒斯特角的SMC反演算法利用的是多角度土壤发射率的相对变化而非其绝对数值,该研究为SMC的多角度被动微波遥感提供了一种不同的研究思路。     

基于NDVI优化选择的土壤水分数据同化

时间序列上遥感观测数据的准确性会对同化结果有较大的影响.该文以宁夏回族自治区固原市为例,通过北方生产力生态模犁模拟2008年5-7月逐日的土壤湿度,按照不同日期的归一化植被指数(normalized difference vegetation index,NDVI)阈值,分别利用MODIS资料计算出基于红光和近红外波段的垂直含水量指数、改进的垂直干旱指数和基于近红外波段和短波红外波段的短波红外垂直水分胁迫指数,和宁夏中南部的气象站实测土壤水分建立关系,并用不同遥感指数反演的土壤水分作为观测值进行同化.结果表明,在作物的不同生长时期,垂直含水量指数、改进的垂直干旱指数和短波红外垂直水分胁迫指数的反演效果不同,基于NDVI优化遥感反演结果,选择准确性更高的反演结果作为同化观测值,能提高同化土壤水分的精度.该研究表明在不同时间段内使用更为准确的遥感监测结果作为观测值进行同化可以提高同化的精度.