(完整版)土壤水分遥感反演

基于MODIS和AMSR-E遥感数据的

土壤水分降尺度研究导师：李新晋锐报告人：曹永攀

2011-01-14DownscalingofAMSR-EsoilmoistureusingMODISderivedTemperatureVegetationDrynessIndex

第一届中国科学院陆面/水文数据同化学术研讨会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。34一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。对于土壤水分时空动态过程的了解和认识对于水文，生态，农业都至关重要。

45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56基于遥感的土壤水分观测光学遥感热惯量NDVI-Tsspace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6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

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。25km25km0.25AMSR-E像元1km0.30.30.20.15Downscaling8二研究方案和技术路线1：TVDI

9TVDI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（Carlsonetal1994）或者梯形（Moranetal1994）。这个散点图被称作Ts-NDVIspace，它与地表土壤水分，地表蒸发等有着密切的关系。在Ts-NDVIspace中，像点在散点图中的位置表征了其土壤水分或蒸发情况。10Sandholtetal(Sandholtetal2002)

基于Ts-NDVIspace定义了一个指数，叫做TemperatureVegetationDrynessIndex(TVDI)。TVDI的计算11TVDI=(Ts-Tsmin)/(Tsmax-Tsmin)Tsmin=c+dNDVITsmax=a+bNDVITVDI的计算流程LSTNDVIQC12NDVILSTTVDI13TVDI研究进展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14TVDI与水分（1kmpixel）之间的线性关系15TVDI更准确地计算1两条边的选取标准2LST/NDVI指标的替换3逐日数据的替换162008-6-242008-7-10TVDI在时间序列上不相关17TIMEYXTVDI(space(x,y),time)TVDI(space(0,1),---)TVDI(space(0,2),---)TVDI(space(1,1),---)TVDI(space(1,2),---)TVDI(---,DOY200)TVDI(---,DOY201)TVDI(---,DOY202)TVDI(---,DOY203)?“TVDI在空间上可以…但在时间上…”18三研究方案和技术路线2：降尺度方法

19Downscaling20DATANDVITVDILSTAMSR-EInsitusoilmoisture0TVDIInsitu21DATANDVITVDILSTAMSR-E122VUA-NASALandSurfaceSoilMoisture2006-11-05一个案例研究——澳大利亚2324土壤水分计算结果2006-11-072006-11-0525验证26面临的问题27四总结Goo