專利名稱：流域尺度土壤濕度遙感數(shù)據(jù)同化方法
技術領域：
本發(fā)明涉及一種遙感數(shù)據(jù)同化方法，更具體的說是流域尺度土壤濕度遙感數(shù)據(jù)同 化方法。
背景技術：
土壤濕度狀況既是氣候和水資源系統(tǒng)演化的最終結果，同時自身對氣候和土壤植 被大氣作用系統(tǒng)施加強烈反饋，深刻影響其未來變化。在水文水資源領域，獲取準確的土壤 水分空間分布，可作為水文模型的洪水模擬的土壤含水量初始值，提高洪水預報的精度。同 時經(jīng)過校正的連續(xù)的精確土壤水分數(shù)據(jù)，對于長期水文過程模擬，徑流預報和預測水資源 的變化有潛在應用價值。發(fā)展一個適合同化遙感土壤濕度信息的具有土壤水動力學過程描 述的分布式水文模型為模型算子，遙感反演表層土壤含水量為觀測算子，結合合適的同化 算法發(fā)展的四維數(shù)據(jù)(4DDA)同化系統(tǒng)所獲取的具有物理一致性的高分辨率時、空土壤濕 度數(shù)據(jù)集，在大氣科學、生態(tài)水文、環(huán)境、農(nóng)業(yè)等領域均有廣泛的應用和需求。
流域尺度和田間尺度土壤水分狀況的研究有利于加深人們對水文過程的理解并 為最終掌握地表水和地下水資源的復雜交互作用提供幫助。在水文水資源領域，準確的土 壤水分空間分布，可作為分布式水文模型洪水模擬的所需的土壤濕度變量的初值，提高洪 水預報的準確性；另外，將經(jīng)過校正的連續(xù)準確的土壤水分數(shù)據(jù)代入水文模型，對于提高長 期水文過程模擬和徑流預報的精度以及準確估算地表水資源量有潛在價值。因此論文以流 域尺度的土壤濕度變量作為主要研究對象。
流域土壤濕度的研究離不開模型和觀測兩種手段。首先，水文模型是計算和分析 土壤含水量的有效工具，Western et al.強調(diào)了水文模型在模擬土壤水分相關的時空過程 中具有重要意義。近年來，隨著計算機科學和信息技術的發(fā)展，RS和GIS技術支持下的分 布式流域水文模型成為研究的熱點。RS和GIS的DEM處理技術提供了分布式水文模型所 需的不同時空分辨率的水文氣象參數(shù)和下墊面植被、土壤資料以及流域地形參數(shù)，如坡度、 坡向、水流路徑和流域邊界等參數(shù)；結合RS、GIS、DEM等空間信息技術建立的分布式流域水 文模型，可在更小的水文模擬單元上，精確地模擬復雜氣候條件和地表狀況下的水文循環(huán) 過程，因而分布式水文模型可以提供流域中多種水文變量的空間輸出(如ESSI模型可得到 土壤含水量、徑流深、蒸散發(fā)等23個水文過程變量)。這與主要通過概念參數(shù)和土壤濕度 變量來模擬流域出水口流量的集總式水文模型有顯著區(qū)別。正因為以上特點，分布式水文 模型不僅能夠為相關的水文生態(tài)研究如流域產(chǎn)、輸沙、營養(yǎng)物輸移、污染物擴散以及人類活 動對水循環(huán)的影響等提供先進的計算和模擬平臺，而且在洪水預報，如與氣象預報模式耦 合延長洪水災害的預警時間方面有著重要的用途。但是，分布式水文模型還存在一定的不 足，例如，由于受到實驗室模型的動力學方案在流域上應用還有待改進，如何建立物理基礎 更強的分布式水文模型，獲取更加客觀真實的土壤水分含量等水文參數(shù)的時空格局是分布 式模型研究的重要課題；另外，由于受到模型輸入數(shù)據(jù)誤差和模型自身結構誤差的影響，分 布式水文模型的模擬結果還存在的一定的不確定性，如何量化并減少水文模型預測的不確定性，也是水文科學當前研究的前沿熱點。利用遙感數(shù)據(jù)通過數(shù)據(jù)同化方法降低模型的模 擬誤差積累，是獲取高精度和高分辨率土壤濕度數(shù)據(jù)的很有前景的方法。
其次，土壤水分可以通過觀測直接獲取，土壤水分直接監(jiān)測方法大致可分為地面 調(diào)查和機載/衛(wèi)星遙感兩種?；诘孛嬲{(diào)查的監(jiān)測方法根據(jù)獲取數(shù)據(jù)方式和手段不同，又 可以分為土鉆取土稱重法、烘干法、中子儀法、電阻法、TDR法，這些方法采用空間上定點觀 測，采樣速度慢、人力物力財力消耗大，難以滿足大面積連續(xù)動態(tài)監(jiān)測的需要，受到其空間 采樣密度的限制和大氣水分能量過程隨機擾動的影響，土壤濕度的實際空間格局也無法準 確觀測。與地面調(diào)查相比，遙感技術具有大面積同步觀測、時效性、經(jīng)濟性的特點，是解決土 壤濕度觀測的有效途徑。隨著遙感技術向高空間分辨率、高光譜分辨率方向發(fā)展，遙感技術 在土壤水分大面積動態(tài)監(jiān)測中將發(fā)揮日益重要的作用。
可用于監(jiān)測土壤濕度狀況波段包括可見光與近紅外、熱紅外波段和微波波段，其 中可見光與近紅外波段數(shù)據(jù)主要通過上述的歸一化植被指數(shù)法、溫度狀態(tài)指數(shù)法、TVDI法 計算反演得到土壤濕度；熱紅外波段數(shù)據(jù)可采用熱慣量法獲取濕度信息；微波數(shù)據(jù)則主要 通過亮度溫度與土壤濕度的經(jīng)驗統(tǒng)計關系、基于物理的微波輻射傳輸模型反演的方法得到 土壤濕度。與可見光與紅外波段相比，利用微波數(shù)據(jù)反演土壤濕度具有堅實的物理基礎，其 應用遠較可見光與紅外波段的數(shù)據(jù)廣泛，反演可靠性和精度也更高。用微波數(shù)據(jù)反演土壤 濕度的優(yōu)勢主要體現(xiàn)在以下幾點；1)微波的物理特性。微波遙感土壤水分反演具有堅實的 物理基礎地物微波比輻射率主要決定于目標物的介電常數(shù)，而土壤介電常數(shù)主要決定于 土壤的水分含量。在微波波段，水的介電常數(shù)大約為80，干土僅為3，隨著水分含量的變化， 土壤的比輻射率從濕土的0.6 (30%體積土壤濕度)到干土的0.9 (9%體積土壤濕度)之間 變化，它們之間具有較大的反差，因此微波圖像對水分十分敏感。2)地區(qū)適應性。在我國南 方，由于氣候濕潤，多云多雨，限制了光學遙感數(shù)據(jù)的及時獲取，影響了調(diào)查任務的按時完 成。我國南方多云多雨地區(qū)的土壤濕度調(diào)查急需具有全天候?qū)Φ赜^測能力的高分辨率雷達 遙感數(shù)據(jù)源?；糜捎谕寥罎穸茸兓喟l(fā)生在陰雨天氣，在陰雨天氣這一重要的濕度特征變 化的時間窗口，微波數(shù)據(jù)是唯一可行的土壤濕度調(diào)查方法。微波遙感觀測土壤濕度也有一 定的局限性，由于受到植被的影響和微波波長的限制，目前星載微波遙感能夠探測得到的 土壤濕度僅為地面表層(僅幾厘米)的水分含量。
目前衛(wèi)星觀測得到的土壤濕度僅限于上層O-IO厘米)的土壤，無法將其直接用 于水文模型中，因為水文模型的模擬需要的是整個土壤剖面的水分含量。通過同化系統(tǒng)集 成衛(wèi)星觀測數(shù)據(jù)于分布式水文模型中，可以提供準確的物理一致的土壤剖面水分含量，有 利于改進流域水循環(huán)過程的模擬。
構建適合于土壤濕度模擬的，具有土壤水過程動力學描述的分布式水文模型，在 流域強化測試和驗證的基礎上，將其發(fā)展成可有效同化遙感土壤濕度信息的分布式水文模 型同化平臺，同時利用現(xiàn)有的對地觀測衛(wèi)星的資料對水文模型中的關鍵變量，土壤濕度進 行四維數(shù)據(jù)同化處理。通過連續(xù)水文模擬和同化實驗，獲取高精度高分辨率的土壤濕度時 空數(shù)據(jù)集。
模型和觀測誤差統(tǒng)計特征的確定是數(shù)據(jù)同化的關鍵，誤差特征只有為數(shù)據(jù)同化方 法準確把握后，才能得到正確有效的同化結果，對狀態(tài)作出最優(yōu)估計，數(shù)據(jù)同化算法理論研 究和應用一直是同化研究的重要組成部分。當前大氣、海洋和陸面數(shù)據(jù)同化中用到的數(shù)據(jù)同化方法主要有最優(yōu)插值法、四維變分法、集合卡爾曼濾波和粒子濾波等。這些算法主要可 順序同化和變分同化兩類，順序同化根據(jù)前一時刻的模式狀態(tài)生成當前時刻模式狀態(tài)的預 報值，在觀測更新階段，引入觀測數(shù)據(jù)，利用最小方差估計方法對模式狀態(tài)進行重新分析。 而變分方法在同化窗口內(nèi)建立目標函數(shù)，并通過調(diào)整模型預報值以極小化與觀測數(shù)據(jù)之間 的差值達到最優(yōu)化狀態(tài)的目的。以下分別對各主要方法的研究作一介紹，
(1)最優(yōu)插值法。最優(yōu)插值又稱統(tǒng)計插值法，該方法以線性最小平方估計理論為基 礎，通過給定最佳線性無偏估計方程中的權矩陣，建立氣象場的統(tǒng)計協(xié)方差函數(shù)。其優(yōu)點是 實施簡單，需要的計算量相對較小，可處理精度不同的各種觀測數(shù)據(jù)，考慮了觀測和預報之 間的線性相關及觀測要素固有的統(tǒng)計結構。由于易于應用，可操作性好，最優(yōu)插值法目前仍 然為大多數(shù)氣象業(yè)務化同化系統(tǒng)所采用。該方法主要缺點是當模型同化采用不同類型和來 源的觀測數(shù)據(jù)集時，會使分析場產(chǎn)生偽噪聲，無法確保大尺度和小尺度分析間的一致。
(2)四維變分法。它利用變分法的思想，將同化問題轉(zhuǎn)化成對一個極值方程的求 解，通過全局的調(diào)整模型模擬使其與同化期所有的觀測值的差值和最小。變分數(shù)據(jù)同化的 優(yōu)點是不需要計算模式預報誤差的方差陣，具有較高的運行效率。近年來在一些陸面數(shù)據(jù) 同化研究中也采用了該方法。但變分同化方法也存在一些明顯的缺陷，如該方法必需的預 報模型切線性伴隨方程的求解十分耗時且容易出錯，甚至在理論上是不存在的。尤其是當 需要對預報模型進行改進時，其伴隨方程必須隨之進行更復雜的改進和測試，這些特點制 約了它在陸面模型同化中的應用。
(3)集合卡爾曼濾波(EnKF)。集合卡爾曼濾波算法是順序同化方法中的一種， 是擴展卡爾曼(EKF)濾波方法的一種Monte Carlo近似。該算法的最大特點是利用 MonteCarlo集合預報方法估算狀態(tài)的預報誤差協(xié)方差，通過模型狀態(tài)集合代表隨機動態(tài)預 報中的概率密度函數(shù)，其中集合的均值代表最優(yōu)的狀態(tài)估計，集合的分布代表誤差的方差。 EnKF算法不需要模型算子的切線性模式和伴隨模式，克服了擴展Kalman濾波要求線性化 的模型算子和在一些復雜非線性模型同化中不穩(wěn)定的缺點，與四維變分(4DVAR)和EKF同 化方法相比，基于EnKF的數(shù)據(jù)同化易于實現(xiàn)，可移植性強，被廣泛地應用到大氣、海洋和陸 面數(shù)據(jù)同化研究中。
(4)粒子濾波。粒子濾波也稱為順序蒙特卡羅SMC，屬于順序同化方法的一種。該 算法的優(yōu)點是可以得到誤差后驗分布的全部信息，準確計算其概率分布的一些統(tǒng)計特征， 如均值、方差、峰度等，并把握模型系統(tǒng)的非線性，相對于EnKF，粒子濾波求取了整個后驗分 布，而EnKF只求取后驗分布的均值和方差。因此它是一種能處理非線性非高斯問題的濾波 方法，在通信理論，信號處理和目標跟蹤領域，有大量的應用，粒子濾波有幾個很重要也必 須好的問題，一是粒子的產(chǎn)生，常用的是序貫重要性采樣(SIS)，序貫重要性重采樣(SIR) 等；其次是怎么解決好粒子退化和粒子的多樣性問題。發(fā)明內(nèi)容
本發(fā)明的目的是提供流域尺度土壤濕度遙感數(shù)據(jù)同化方法，構建適合于土壤濕度 模擬的，具有土壤水過程動力學描述的分布式水文模型，在流域水文過程模擬和驗證的基 礎上，將其發(fā)展成可有效同化遙感土壤濕度信息的分布式水文模型同化平臺，利用現(xiàn)有對 地觀測衛(wèi)星的資料對水文模型中的關鍵變量，表層土壤濕度進行四維數(shù)據(jù)同化處理。以獲取較高時間精度和空間分辨率的流域土壤濕度時空同化數(shù)據(jù)集。
本發(fā)明的目的是通過以下步驟來實現(xiàn)的
流域尺度土壤濕度遙感數(shù)據(jù)同化方法，步驟為
A)數(shù)據(jù)準備；
B) 土壤濕度反演；
C)分布式水文模型同化平臺構建；
D)流域尺度土壤濕度同化。
步驟A)中的數(shù)據(jù)準備，包括
1)水文、氣象數(shù)據(jù)；
2) DEM (數(shù)字高程模型)數(shù)據(jù)；
3)植被、土壤參數(shù)庫，流域土地利用/覆被和土壤類型這些下墊面參數(shù)數(shù)據(jù)，并根 據(jù)流域所在地區(qū)的“土壤志”收集了研究區(qū)各土壤亞類的典型土壤剖面數(shù)據(jù)，建立了模型所 需的土壤參數(shù)空間數(shù)據(jù)庫；
4)衛(wèi)星影像數(shù)據(jù)，包括主動微波ENVISAT-ASAR遙感數(shù)據(jù)和MODIS影像數(shù)據(jù)。
幻逐日徑流和土壤濕度實測數(shù)據(jù)
步驟B)實現(xiàn)的具體流程見圖2。
可見光遙感溫度植被干旱指數(shù)TVDI可由圖像數(shù)據(jù)派生的植被指數(shù)和地表溫度 計算求得，由以下公式給出
TVDI= Π‘-'max ~ 1Tnm
LST為地表溫度；LSTmin為相同NDVI值的最小地表溫度，對應的是LST-NDVI特征 空間的濕邊；LSTmax為相同NDVI值的最大地表溫度，對應的是LST-NDVI特征空間的干邊。
ASAR濕度反演
微波散射過程
入射的主動微波與自然地表之間存在著復雜的交互作用，雷達的后向散射系數(shù)除 了與微波系統(tǒng)的物理參數(shù)有關之外，還與地物的介電特征和幾何特征密切相關。公式列出 了主要的影響后向散射的主要因子。理解微波和地物之間的相互作用的原理，將有利于從 主動微波數(shù)據(jù)中反演得到地表參數(shù)。
σ 0 = f (ρρ, θ，λ , e r, r)
其中ρρ表示微波數(shù)據(jù)的極化特征，θ是入射角，λ是入射波長，e r是介電常數(shù)， r是地表的粗糙度，實際中較難以測定，通常由均方根高度k和相關長度1來表示自然地表 粗糙度。
目前已經(jīng)有多種地表散射理論模型被提出，用于模擬散射系數(shù)與各物理參數(shù)之間 的相互作用，包括幾何光學模型、物理光學模型、SPM(Small Perturbtatoin Model)模型和 IEMdntegral Equation Model)模型。這些模型都將均方根高度、相關長度和介電常數(shù)作 為模型的輸入變量，來計算模擬散射作用。由于地表參數(shù)的復雜性，很多模型都對地表粗糙 度的輸入范圍做了較強限定，因此在實際應用中的土壤特征往往超出了模型的適用范圍。 針對這一情況，F(xiàn)ung et al.提出了 IEM模型，這個模型可以適用于具有更寬范圍粗糙度的 地表，并且在研究中被證明可以較好的模擬自然地表的后向散射系數(shù)參數(shù)。
IEM模型適用于裸土地表的后向散射模擬，而在植被影響顯著的區(qū)域，則需要結合 植被散射模型，對植被散射的影響加以考慮
ASAR數(shù)據(jù)預處理
輻射校正
根據(jù)雷達方程，后向散射系數(shù)可由輻射強度值antensity)計算得到。對于 ENVISATASAR數(shù)據(jù)，影像DN值和后向散射系數(shù)之間的關系式如下
σ°=DN2/K*SINθ
其中0°是線性單位的雷達后向散射系數(shù)，值域在0 1之間，k是外部校正參數(shù)， 可以從ASAR影像的頭文件中得到，θ是空間分布的入射角。分析數(shù)據(jù)時常用以分貝為單 位的σ°，因此需要對上式得到以線性單位表示的進行對數(shù)轉(zhuǎn)換，
σ°(dB) = 10[log(σ°)]
幾何校正
需要對獲取的屬于一級產(chǎn)品的ASAR影像進行幾何校正，這主要分為兩個步驟，首 先是幾何粗校正，其次是與數(shù)字高程DEM影像數(shù)據(jù)匹配的幾何精確校正。
ESA的雷達處理影像工具NEST軟件提供了 ASAR影像的幾何校正功能，在利用該工 具對ASAR數(shù)據(jù)進行粗校正之后，進一步通過與DEM的比對，以DEM為基準影像，進行圖像對 圖像的精確校準，如此循環(huán)后將所有的ASAR數(shù)據(jù)統(tǒng)一的精確訂正到DEM的坐標系下。幾何 校正是必須的，這一步驟保證了遙感反演結果用于與模型對比和模型同化的空間精度。
光斑濾波
雷達影像通常都有不同程度的光斑(speckle)噪聲，這是由于雷達系統(tǒng)的圖像 分辨率通常大于信號的波長和獨立散射體的大小，而象元內(nèi)不同散射體的散射之間的相 長干涉和相消干涉導致了后向散射在圖像上的隨機分布。光斑噪聲在圖像上看起來類 似于椒鹽狀分布，使圖像的可解譯性變差。有效的降低噪聲對于計算雷達影像的后向散 射系數(shù)十分關鍵，目前去除噪聲的方法主要有多視方法(multi-look)和空間濾波方法 (Specklefiltering)。
利用Loew et al.提出的針對ASAR WS數(shù)據(jù)的濕度估算模型，根據(jù)研究區(qū)特性和 實測土壤濕度數(shù)據(jù)，對估算模型的相關參數(shù)做了一定的修正，得到了適合于半干旱研究區(qū) 沂河流域的ASAR 土壤濕度估算的模型參數(shù)。反演了沂河流域連續(xù)的ASAR WS影像數(shù)據(jù)的 土壤濕度，總體結果滿意。
詳細的ASAR數(shù)據(jù)濕度估算方法如下
散射系數(shù)歸一化
Loew et al.指出不同覆蓋的地表后向散射與入射角存在著線性相關關系。IEM 輻射傳輸模型的數(shù)值模擬試驗也驗證了這一關系的存在，地表后向散射與入射角關系可以 用下式表達，
σ° = ρ θ +q
此處，θ表示入射角，ρ、q是與土地覆蓋有關的經(jīng)驗參數(shù)，具體數(shù)值可由Loew etal.中查到。盡管每一景ASAR WS模式影像的入射角各不相同，同一景影像中的不同區(qū)域 入射角變化范圍也較大，可通過下面公式，將所有影像的后向散射系數(shù)歸一化至參考的入射角θ ^，此處θ ^為ERS的入射角度值23度，具體的歸一化方法如下，ο Ρθο+q,
σηθΓ = —-σρθ + q
其中，σ °為圖像原始后向散射系數(shù)，σ:為歸一化后的圖像后向散射反演參數(shù)
眾多研究表明，后向散射系數(shù)與地表介電常數(shù)的相關關系具有如下的正相關關 系，這一經(jīng)驗關系主要由設在德國的20個觀測試驗站的經(jīng)驗數(shù)據(jù)庫得出，并被用于ERS和 中尺度的雷達數(shù)據(jù)的土壤濕度反演，利用該方法得到的表層土壤濕度的反演的精度(RMSE) 在0. 04m3/m3到0. 07m3/m3之間。本發(fā)明中利用上一步歸一化后處理得到的ASAR后向散 射，結合式2-6可以得到土壤的介電常數(shù)，最終反演得到表層的土壤濕度值，
e r = a+b O °+c ( σ °)2
其中e r為介電常數(shù)，a、b、c為經(jīng)驗參數(shù)，與土地覆蓋類型相關，由于受到研究區(qū) 差異，根據(jù)不同的土地覆蓋類型，對此公式的參數(shù)做一定的修正，其具體值見下表。
本發(fā)明中使用的ASAR遙感土壤濕度估算參數(shù)利用abc裸地32.303.850.20
收割旱地43.515.600.20草地39.735.110.18農(nóng)田34.104.230.15
介電模型
由于介電常數(shù)與土壤濕度具有較好的相關性，因此通過上述方法獲取得到的介電 常數(shù)結果，可以利用介電模型將其轉(zhuǎn)化為需要的土壤濕度信息。
目前已發(fā)展了很多的理論和半經(jīng)驗模型用于描述自然地表條件下介電常數(shù)與土 壤濕度的關系。其中在遙感領域最為常用的是Hallikainen et al.提出的介電常數(shù)模型， 該模型給出的土壤介電常數(shù)與土壤濕度之間的函數(shù)關系如下，圖2-6給出了由該模型模擬 得到的介電常數(shù)和土壤濕度相關關系(砂粒比重51.5%，粘粒比重為13.4%)，
e r = (ao+aiS+hO + Ooo+biS+t^Onv+(CcrK^C2Omv2
其中，mv是需要計算的體積含水量，S和C是土壤的砂粒和粘粒的重量百分比，即 土壤質(zhì)地參數(shù)，可以由我們建立的流域土壤物理參數(shù)庫得到，Bi, bi和Ci是模型的經(jīng)驗常 數(shù)，已由文獻給出。
基于上述模型，利用獲取的流域土壤介電常數(shù)圖像和已有的土壤質(zhì)地參數(shù)，通過 迭代計算方法(誤差閾值為0.01)逐柵格推求得到最終的ASAR遙感數(shù)據(jù)的表層土壤濕度 估算結果。
步驟C)簡化了流域水文產(chǎn)流模擬，在此基礎上對縱向水文過程進行較為細的建 模，主要描述了土壤水分傳輸、土壤水與地下水的交互以及根系的水分提取作用。其中涉及 到的主要過程變量包括冠層截留，地表產(chǎn)流，土壤水分傳輸，潛在蒸散發(fā)，植物蒸騰和土壤 表面蒸發(fā)，地下水與不飽和土壤水交互，地表匯流，地下匯流。
建模思路
模型將流域看成由不同厚度的土壤柱體組成，而土壤層下方為飽和地下水。土壤 柱體的厚度是由流域?qū)嶋H的土壤調(diào)查資料給定，主要根據(jù)不同土壤類型的典型剖面實地調(diào) 研資料確定，因此不同土壤類型的柱體厚度并不相同。這一特點決定流域土壤蓄水容量的 空間異質(zhì)性，通過格點土壤柱體的蓄滿產(chǎn)流與流域匯流計算，模擬得到流域總出口流量。
土壤水分傳輸和地表徑流的產(chǎn)生過程主要發(fā)生和決定于根區(qū)的土壤層，因此該土 壤體的描述至關重要。模型中，將流域的土壤柱體按照相同的分層標準劃分為不超過10層 的土壤層，最大土壤深度為3. 43米，因而格點上的土壤柱體由于土壤厚度的差別具有不同 的土壤層數(shù)。土壤各層的土壤質(zhì)地參數(shù)來自于土壤調(diào)查資料所建立的土壤參數(shù)庫，同樣也 是根據(jù)不同土壤類型的典型剖面的實地調(diào)研資料得到。在獲取土壤分層參數(shù)的基礎上，利 用至地面的降水量和產(chǎn)流差得到土壤表面的平均下滲量，基于不飽和土壤水動力方程，模 擬各層土壤的水分狀態(tài)和層間的縱向水分傳輸，模型還同時考慮了植被根系吸水作用和土 壤表面蒸發(fā)對土壤濕度的影響。
模型的具體構建框架如附圖
6所示，其中kl...k3表示土壤水力傳導度， θ 1. . . θ 3表示土壤水分含量，Φ 1. . . Φ3表示土壤水勢，Ql. . . Q3表示土壤水流， dzl. . . dz3表示土壤層厚度，圖中給出的水文過程均包含于新模型之中
水文過程概化
林冠截留量計算公式如下
Imt=Cm-(l-e-kPC-) + ew-T
其中Cm為冠層截留能力，k為降雨截留系數(shù)，P為降雨量(mm)，T為降雨歷時(hr)， ew為林冠蒸發(fā)率，因此ew · T表示樹冠蒸發(fā)以及樹干蒸發(fā)之和。
冠層截留能力Cm采用Von Hoyningen-Huene所提出的方法計算
Cm = Cp · (0. 935+0. 498 · LAI-0. 00575 · LAI2)
其中Cp為植被蓋度，LAI為格點單元平均的逐日葉面積指數(shù)
降雨截留系數(shù)k是植被葉面積指數(shù)的函數(shù)，由下式給出
k = 0.046 .LAI
林冠蒸發(fā)率ew與降雨初期的干燥程度和風速等因素相關，在無實測數(shù)據(jù)驗證時， 通常取以下經(jīng)驗參數(shù)亞熱帶地區(qū)取0. 031 0. 047，溫帶濕潤、半濕潤地區(qū)取0. 063 0. 093，溫帶干旱、半干旱地區(qū)取0. 170 0. 200。
水量平衡計算公式如下
P-Es-Et-G = Aw+A c+R
其中，P是降水(包括降雨和降雪)，Es是土壤表面蒸發(fā)Jt是植物蒸騰，G是地下 水出流，Aw是土壤水的增量，Ac是冠層截留，R是地表徑流。
土壤水分傳輸中涉及到不飽和土壤水通量定律Buckingham-Darcy方程和連續(xù)方 程，Buckingham-Darcy 方程如下
q = -K[h) — + 1J
其中q是不飽和水流通量，h是土壤水基質(zhì)勢，K(h)是水力傳導度，ζ是垂直方向 的深度。
連續(xù)方程如下
權利要求
1 一種流域尺度土壤濕度遙感數(shù)據(jù)同化方法，其步驟為A)數(shù)據(jù)準備；B)土壤濕度反演；C)分布式水文模型同化平臺構建；D)流域尺度土壤濕度同化。
2.根據(jù)權利要求1所述的流域尺度土壤濕度遙感數(shù)據(jù)同化方法，其特征在于步驟A) 中，所述數(shù)據(jù)準備包括水文、氣象數(shù)據(jù)，DEM數(shù)據(jù)，植被、土壤參數(shù)庫，流域土地利用/覆被和 土壤類型下墊面參數(shù)數(shù)據(jù)，衛(wèi)星影像數(shù)據(jù)以及逐日徑流和土壤濕度實測數(shù)據(jù)。
3.根據(jù)權利要求2所述的流域尺度土壤濕度遙感數(shù)據(jù)同化方法，其特征在于步驟B)中 使用MODIS遙感和主動微波ASAR遙感構建同化的觀測算子。
4.根據(jù)權利要求3所述的流域尺度土壤濕度遙感數(shù)據(jù)同化方法，MODIS遙感使用的溫 度植被干旱指數(shù)TVDI由以下公式給出TVDI= LST_LST— LbTmax ~LSTmmLST為地表溫度；LSTmin為相同NDVI值的最小地表溫度，對應的是LST-NDVI特征空間 的濕邊；LSTmax為相同NDVI值的最大地表溫度，對應的是LST-NDVI特征空間的干邊。
5.根據(jù)權利要求3或4所述的流域尺度土壤濕度遙感數(shù)據(jù)同化方法，ASAR遙感反演需 要的使用以下方法和公式ASAR數(shù)據(jù)預處理輻射校正對于ENVISAT ASAR數(shù)據(jù)，影像DN值和后向散射系數(shù)之間的關系式如下
6.根據(jù)權利要求3或4所述的流域尺度土壤濕度遙感數(shù)據(jù)同化方法，水文過程概化方 法如下林冠截留量計算公式如下
7.根據(jù)權利要求1和6所述的流域尺度土壤濕度遙感數(shù)據(jù)同化方法，需要進行流域水 文過程模擬與驗證；對結果的精度驗證采用如下五個統(tǒng)計指標作為模型精度的評價標準平均偏差(MD)、 均方根誤差(RMSE)、確定性系數(shù)(NE)、相關系數(shù)(R2)和平均絕對偏差(MAE)；五個統(tǒng)計參數(shù)的表達式具體如下
8.根據(jù)權利要求1所述的流域尺度土壤濕度遙感數(shù)據(jù)同化方法，粒子濾波算法的計算 流程如下，a對模型的模擬得到的土壤濕度進行擾動，產(chǎn)生粒子群，即從9( ! ^, z1:k)中 隨機抽取N個有限樣本，N為粒子個數(shù)；b在遙感數(shù)據(jù)的獲取時刻，使用遙感估算得到的土壤 濕度結果，基于Χ丨計算對應粒子的權重；c對粒子的權重作歸一化處理；d重采樣，利用重 要性采樣S^法對粒子權重進行重新采樣；e在權重采樣后，結合模型狀態(tài)的PDF逼近對模 型狀態(tài)進行最后的更新計算，得到同化后的土壤濕度結果。
全文摘要
本發(fā)明提供了流域尺度土壤濕度遙感數(shù)據(jù)同化方法。其步驟為首先改進流域產(chǎn)流計算模塊，發(fā)展了一個適合同化遙感土壤濕度信息的具有土壤水動力學過程描述的分布式水文模型；然后引入來源于信息科學的粒子濾波順序數(shù)據(jù)同化的方法，在分布式水文過程數(shù)值模擬的動態(tài)運行過程中不斷融合、同化新的遙感觀測數(shù)據(jù)，順序同化中得到更新的流域土壤濕度同化數(shù)據(jù)，將其反饋至分布式水文模型平臺中，逐步估計流域土壤水分含量在時間和空間上的分布格局。實踐證明本發(fā)明不但能夠為水文、生態(tài)、環(huán)境和農(nóng)業(yè)研究提供高精度的具有物理一致性的流域土壤濕度數(shù)據(jù)集，亦為利用遙感反演得到的土壤表層土壤濕度數(shù)據(jù)進行四維數(shù)據(jù)同化處理，提高模型的精度奠定了基礎。
文檔編號G06F19/00GK102034027SQ20101059207
公開日2011年4月27日 申請日期2010年12月16日 優(yōu)先權日2010年12月16日
發(fā)明者張萬昌, 陳炯峰 申請人:南京大學