分布式水文模型结合遥感研究地表蒸散发
基于遥感土壤含水量和蒸散发信息的灌溉面积识别技术研究与应用
基于遥感土壤含水量和蒸散发信息的灌溉面积识别技术研究与应用基于遥感土壤含水量和蒸散发信息的灌溉面积识别技术研究与应用引言：灌溉面积是农业生产中的关键指标之一，准确识别灌溉面积对于合理配置农业资源、提高农业水利效益具有重要意义。
随着遥感技术的快速发展，进一步利用遥感影像来识别和监测灌溉面积已经成为热门研究领域。
本文基于遥感土壤含水量和蒸散发信息，探索了一种新的灌溉面积识别技术的研究与应用。
一、遥感数据的获取和处理1.1 遥感影像的获取本研究使用高分辨率多光谱遥感影像来获取农田的土壤信息和植被信息。
遥感影像可以通过卫星、航空器或无人机等载体获取，具有获取范围广、周期短、空间分辨率高等优势。
1.2 遥感数据的处理将获取到的遥感影像进行预处理，包括大气校正、几何校正等，以去除影响识别结果的干扰因素。
二、基于遥感土壤含水量信息的灌溉面积识别方法2.1 土壤含水量的遥感反演方法通过建立土壤含水量与遥感影像反射率的关系模型，实现非接触式获取土壤含水量信息。
常用的反演方法有基于传统统计方法的多光谱反演法、基于数据驱动的机器学习方法等。
2.2 灌溉面积的识别方法在获取到土壤含水量信息后，结合土壤湿度的空间分布特点，运用图像分割、像元分类等方法，识别出农田中的灌溉面积。
三、基于蒸散发信息的灌溉面积识别方法3.1 蒸散发的遥感估算方法蒸散发是指自然界中水分从植被与土壤表面蒸发和通过植物蒸腾进入大气的过程。
通过建立植被指数与蒸散发的关系模型，可间接估算蒸散发的强度。
3.2 灌溉面积的识别方法结合蒸散发信息和土壤类型等因素，采用阈值或多尺度分析等方法，识别出受灌溉影响的农田面积。
四、基于遥感土壤含水量和蒸散发信息的灌溉面积识别4.1 融合土壤含水量和蒸散发信息的方法将土壤含水量和蒸散发信息进行融合，建立灌溉面积与土壤含水量、蒸散发强度之间的关系模型。
通过遥感影像分析，将这些模型应用于农田遥感图像中，实现灌溉面积的识别。
4.2 实验与结果分析通过对不同地区农田遥感影像的分析，验证了本方法的可行性和精度。
计算水文学与水文模拟答案2019
计算⽔⽂学与⽔⽂模拟答案2019⼀、阐述⽔⽂模拟中蒸散发及实际蒸散发计算的主要⽅法。
1流域蒸散发：流域上不同蒸发⾯(⽔⾯、裸⼟、岩⽯、植被等)的蒸发和散发总称为流域蒸散发。
蒸散量的计算⽅法：（1）野外试验⽅法(⽔⾯蒸发观测、蒸渗仪试验、⽓孔计蒸腾测量以及活枝离体称重法等)（⼩尺度）（2）流域⽔量平衡法。
（较⼤尺度）（3）热⼒学和空⽓动⼒学原理为基础的质量输送法、空⽓动⼒学法、能量平衡法、Penman 综合法、辐射⼀⽓温相关法等2 实际蒸散发的估算：关于实际蒸散发的估算⽅法有多种，主要包括：⽔量平衡法、⽔热平衡法、互补相关法和遥感法等。
(1)⽔量平衡法：根据⽔量平衡原理，对于⼀个闭合流域，其⽔量平衡⽅程式中：P 、E 、R 、ΔW ——流域降⽔量、蒸散发量、径流量和蓄⽔量变化值，mm 。
对于多年平均情况，流域蓄⽔量变化值趋于0，因此，流域⽔量平衡⽅程可简化为：R P E -=(2)概念性模型中常⽤的⽅法实际蒸发是潜在蒸发和⼟壤⼲燥程度的函数。
基本形式：()SMC SMT f ET AET ?=（3）⽔热平衡法：综合考虑⽔量和热量的平衡关系计算流域蒸散发的⽅法，经常使⽤的⼏种基于⽔热平衡的蒸散发计算公式包括：Schreiber 公式、OL ’dekop 公式、Budyko 公式、傅抱璞公式和Zhang L.公式等。
(4)互补相关法：a. Bouchet 认为，可能蒸散发的⼤⼩取决于实际蒸散发，即实际蒸散发是因，可能蒸散发是果。
实际蒸散发与可能蒸散发成反⽐。
b. Morton ⽤⼤量的实验数据证明了局地蒸发潜⼒与实际蒸散发之间的互补相关确实存在，⽽且两者成负指数关系。
(5)遥感（RS ）法⽬前，利⽤遥感研究蒸散发的⽅法有很多，可概况为以下三种：a.统计模型。
b.物理模型。
c.数值模型。
d.全遥感信息模型⼆、主要的下渗模型1、近似理论模型（1）格林安普特模型⼜称活塞模型，模型研究的是初始⼲燥的⼟壤在薄层积⽔时的⼊渗问题。
基于分布式水文模型的“尼伯特”台风暴雨洪水反演
基于分布式水文模型的“尼伯特”台风暴雨洪水反演近年来，我国频繁发生台风暴雨洪水灾害，给人民生命财产和社会经济带来了严重影响。
为了准确预测和有效应对台风暴雨洪水，科研人员开展了大量的研究工作。
在这些工作中，基于分布式水文模型的“尼伯特”台风暴雨洪水反演成为了一个热门研究课题。
本文将围绕这一课题展开讨论，探讨分布式水文模型在台风暴雨洪水反演中的应用和研究进展。
我们需要了解什么是分布式水文模型。
分布式水文模型是一种基于流域内部蓄水-径流过程及水文循环规律的数学模型，通过对流域内雨量、地形、土壤等信息的分布式表示，模拟该区域的水文过程，如降雨产流、地表径流、地下径流、蒸散发等。
分布式水文模型的主要优点在于能够更准确地描述流域内的地形、土壤、植被等特征，模拟水文过程更加真实和可靠。
然后我们来了解一下“尼伯特”台风。
在过去的一段时间里，我国多次遭受到了“尼伯特”台风带来的暴雨洪水灾害，给人民的生命和财产带来了极大的损失。
尼伯特台风是一种极端天气系统，其强度和路径都是不确定的，因此对其暴雨洪水的反演成为了一个急需解决的问题。
基于分布式水文模型的“尼伯特”台风暴雨洪水反演的研究工作涉及到多个方面。
首先是基于遥感数据的地表特征提取和数字高程模型构建。
地表特征包括植被覆盖、土壤类型、地形起伏等信息，这些信息对水文过程具有重要影响。
基于遥感数据的地表特征提取和数字高程模型构建能够为水文模型提供必要的输入数据。
其次是降雨情景的模拟和预测。
通过气象预报数据和降雨雷达资料，可以模拟和预测台风暴雨的降水情景，包括降雨时空分布、强度等信息。
这些信息对水文模型的输入具有至关重要的作用，能够更加真实地模拟台风暴雨对流域内水文过程的影响。
接着是分布式水文模型的应用和参数优化。
分布式水文模型需要大量的参数来描述流域的特性，包括土壤参数、植被参数、地形参数等。
研究人员需要通过实地观测和数据拟合等方法来获取这些参数，以使模型能够准确地模拟实际水文过程。
蒸散发量遥感反演模型研究
蒸散发量遥感反演模型研究近年来，气候变化引起了全球各地的关注，并且许多国家也开始重视水资源的利用与管理。
因此，对于水循环过程中的蒸散发过程的了解与研究变得越来越重要。
蒸散发量反演是现代地表过程遥感研究的重要组成部分之一，它能够帮助我们深入了解地表水循环的机制以及地表环境的变化和演变。
蒸散发量的遥感反演主要依据地面水分平衡的原理，通过遥感图像反演表征地面水分变化的参数，进而反演出地表蒸散发量的大小。
这种遥感反演的方法具有数据观测广、精度高、时间和空间分辨率好的优点，是研究全球水循环的理想手段之一。
在蒸散发量遥感反演研究中，广泛应用的方法是基于能量平衡原理的蒸散发反演方法。
这种方法通过计算表观温度以及其他气象资料，再利用能量方程来反演蒸散发量。
该方法可以通过时空分辨率不同的遥感数据来实现不同地点、不同时间的反演，并且其反演精度也较为可靠。
但是，它对于土壤、植被物理特性、地面这些环境变化因素的反演精度较低。
针对这一问题，近年来，国内外学者提出了许多基于植被指数的蒸散发反演方法。
这类方法依据植被的生长与相对温度、水汽压等因素之间的关系，将植被指数与蒸散发量联系在一起，实现偏好植被生长的地区（如耕地、林地等）蒸散发量的反演。
由于植被指数具有对地表植被类型、植被覆盖度以及生长状态的敏感性，基于植被指数反演蒸散发量的方法可以更为准确地反演出植被覆盖类型多样的地区的蒸散发量。
除此之外，也有许多研究者使用机器学习算法来反演蒸散发量。
这种方法通过建立基于已知蒸散发量的实测数据和遥感数据、气象数据之间的关系，来预测未知地点的蒸散发量。
该方法主要使用机器学习中的分类、回归等方法，具有计算时间短、速度快、灵活度高的优点，是在蒸散发量遥感反演中备受研究者们热议的话题。
总之，蒸散发量遥感反演模型研究的发展与应用，为我们深入了解地球水文循环的机制、评估水资源的利用与管理提供了重要支撑。
在未来，我们需要继续完善各种反演方法，提高精度与效率，并且积极利用遥感技术，实现对全球水资源的科学管理和保护。
分布式水文模型
遥感数据在分布式水文模型中的应用
• 遥感数据(航空照片和卫星影像)能够提供流域空间特征信 息,是描述流域水文变异性的最为可行的方法,尤其是在地 面观测缺乏地区.在分布式水文建模中,遥感数据的应用可 以归纳为[8]:作为模型输入数据和用作模型参数估计,具体 有7个方面: 1)降水强度观测以及空间格局; 2)蒸散发计算 和土壤湿度反演; 3)雪被覆盖面积; 4)地下水埋深; 5)土地 覆盖与土地利用分类; 6)水体特征;7)植被参数提取.相对 GIS,遥感技术在分布式水文模型中的应用水平比较低,其原 因主要由于: 1)遥感数据空间分辨率和时间分辨率的矛盾, 即空间分辨率较高的数据,其时间分辨率较低,反之亦然,这 样限制了遥感数据的应用; 2)缺乏普遍可用的从遥感数据 中提取水文变量的方法; 3)缺乏必要教育与技术培训。
• 如果模型考虑水质和土壤侵蚀问题,还应包括: 1)一维包气 带内溶质运移和化学反应过程模型; 2)三维饱和带内溶质 运移和化学反应过程模型; 3)土壤侵蚀和沉积物运移模型. 分布式水文模型通过上述子系统描述水文过程的各个重要 环节,如融雪过程、冠层截留、蒸散发、地表漫流、渠道 汇流、不饱和与饱和土壤水分运动等.
• 分布式水文模型对流域水文过程的物理描述要求模型的输 入数据能够充分反映流域空间的水文异质性,此外,分布式 水文模型的输出结果也远远的超过了传统的降水径流模型, 其输出更多的是如流域内不同深度的土壤含水量、地下水 埋深或者污染物浓度等空间分布式信息,这些都不是传统 的数据制备和处理方法所能解决的,只有GIS能够胜任. • GIS在分布式水文模型中的以下几个方面发挥着重要作用: 1)空间数据管理. GIS能够统一管理与分布式水文模型相关 的大量空间数据和属性数据,并提供数据查询、检索、更 新以及维护等方面的功能; 2)提取水文特征.如利用地形数 据计算坡度、坡向、流域划分以及河网提取等;
分布式水文模型
分布式水文模型水文模型始终是水文科学研究的重要手段与方法之一。
21世纪以来水资源危机日益突出，为了深入探讨自然变化和人类活动影响下的水文循环与水资源演化规律，基于DEM的分布式水文模型成为当今水文界研究的热点。
回顾水文模型的发展历史，不难发现分布式水文模型并不是一个新的概念。
早在20世纪70年代，国外就开始了分布式水文数学模型的研究，1969年Freeze和Harlan发表了《一个具有物理基础数值模拟的水文响应模型的蓝图》的文章。
目前代表性的模型有： SHE模型、IHDM模型、SWAT模型等。
我国在分布式水文模型的研制方面则起步较晚，目前还没有比较成熟或者得到国际上普遍认可的分布式水文模型。
同时国外的模型也不太适用于中国的国情，许多模型在具体引用时还存在很多的问题。
因此，我们急需在借鉴国外先进模型的基础上，利用现代科学技术（尤其是计算机和"3S"技术），研制适合我们国情的分布式水文模型。
"3S"技术的引进，为水文科学注入了新的血液。
目前水文模拟技术趋向于将水文模型与地理信息系统（GIS）集成，以便充分利用GIS在数据管理、空间分析及可视性方面的功能。
而数字高程模型（DEM）是构成GIS的基础数据，利用DEM可以提取流域的许多重要水文特征参数，如坡度、坡向、水沙运移方向、汇流网络、流域界线等。
因此，基于DEM的分布式水文模型是现代水文模拟技术发展的必然趋势。
基于DEM的分布式水文模型，通过DEM可提取大量的陆地表面形态信息，这些信息包含流域网格单元的坡度、坡向以及单元之间的关系等。
同时根据一定的算法可以确定出地表水流路径、河流网络和流域的边界。
在DEM所划分的流域单元上建立水文模型，模拟流域单元内土壤～植被～大气（SVAT）系统中水的运动，并考虑单元之间水平方向的联系，进行地表水和地下水的演算。
概括起来，由于建立在DEM基础之上，分布式水文模型具有以下特色：①具有物理基础，描述水文循环的时空变化过程。
半分步式及分布式分水文模型分析研究
分布式水文模型研究简况由于传统的流域水文模型本身所具有的局限性，同时随着水文循环中各个组成要素的深入研究，以及计算机、地理信息系统<GIS）和遥感技术的迅速发展，使构造具有一定物理基础的流域分布式水文模型成为可能。
流域分布式水文模型充分考虑流域下垫面空间分布不均对水文循环的影响。
在水平方向上将流域划分成许多单元网格和子流域<一般基于DEM），在垂直方向上将土壤分层，并依据流域产汇流的特性，使用一些物理的、水力学的微分方程<如连续方程与动量方程）求解径流的时空变化。
与传统的流域概念性集总水文模型相比具有以下显著的优点：①具有物理机理，能描述流域内水文循环的时空变化过程；②其分布式结构，容易与GCM嵌套，研究自然和气候变化对水文循环的影响；③由于建立在DEM基础之上，所以能及时地模拟人类活动和下垫面因素变化对流域水文循环过程的影响。
下面我简单介绍一下国内外的著名的分布式水文模型。
主要从模型名称，模型结构，输入输出变量，网格还是子流域为计算单元，适用性和范围等方面来描述。
一、分布式水文模型研究的发展现状----国际在国外，分布式水文模型的研究可以认为始于 Freeze 和 Harlan 于 1969 年发表的《一个具有物理基础数值模拟的水文响应模型的蓝图》这篇文章。
该文章提出了分布式水文物理模型的基本概念和框架。
随后，Hewlett 和 Troenale 在 1975 年提出了森林流域的变源面积模拟模型(简称 VSAS>。
1979 年 Bevenh 和 Kirbby 提出了以变源产流为基础的TOPMODEL 模型<TOPgraphy based hydrological MODEL）。
1 TOPMODEL 模型［1]<TOPgraphy based hydrological MODEL）该模型基于DEM推求地形指数，并利用地形指数来反映下垫面的空间变化对流域水文循环过程的影响，模型的参数具有物理意义，能用于无资料流域的产汇流计算。
分布式水文模型及3S技术简介
模型考虑了蒸散发、植物截留、坡面和河网汇流、土壤非饱和流和饱和流、融雪径流、地表和地下水交换等水文过程。 模型的参数从观测资料中分析得到。 流域特性，降水和流域响应的空间分布信息在垂直方向用层来表示，水平方向采用正交的长方形网格来表示。
至今，国内外的水文学家们相继提出了一系列的分布式水文模型，SHE模型就有不同的版本，如MIKESHE、SHETRAN等，较为常见的还有TOPKAPI、DHSVM。
（2）获得大范围空间信息和资料的方法—卫星遥感；
（3）计算机与计算技术；
分布式水文模型的技术支撑
（1）地理信息系统（GIS)技术 GIS 是一种融合现代计算机图形学和数据库管理技术为一体，对现实世界各类空间数据及描述这些空间数据的属性进行采集、储存、管理、运算、分析、显示和描述的技术系统。 基本的信息源——
分布式模型的技术支撑
目前人们把数字高程模型资料，作为地理信息系统数据库的基本信息来源。常用的ARC/Iofo GRID可提供基本的地形分析算法，另外还可生成一些反映流域水文特性的地貌参数。 遥感观测资料：同步卫星、轨道卫星、MODIS等。
（1）建立分布式水文模型的平台——地理信息系统；
3 分布式水文模型
不同的集总式流域水文模型虽然各自具有不同的结构和参数，但最基本的特征是将流域作为一个单元体模拟，在产汇流等环节上采用概念性模拟或经验函数关系的描述，对模型输入的空间分散性和不均匀性没有充分考虑。
MIKE SHE在电厂洪峰计算中的应用与结果分析
MIKE SHE在电厂洪峰计算中的应用与结果分析汤旻;曹双和;胡红兵;任曦【摘要】传统的水电厂、变电站设计洪水计算方法都是以经验公式或推理公式为基础建立的简单计算法,计算结果的正确率都较低. 采用MIKE SHE分布式水文模型,结合GIS与RS技术,对贵州喀斯特地貌区的六硐河甲茶水电站进行了洪峰流量计算,并与其他模型方法的计算结果进行了比较. 结果表明,在洪峰计算中,MIKE SHE 模型具有模拟结果更加精确、详细等独特优势,且适用于喀斯特地貌区. 该模型的成功使用为今后类似地区的洪峰计算奠定了坚实的基础.%The traditional design flood calculation methods for hydropower plant are characterized as simple calculation methods established by empirical formula or reasoning formula and the correction rate of the calculation method is low. In the combination of GIS and RS technology, the design flood of Jiacha Hydropower Station on Liudong River in the karst area of Guizhou Province is calculated by MIKE SHE model and the calculation result is compared with that calculated by other models. It shows that the result of MIKE SHE model is more accurate and detail, which is suitable to the karst area. The successful application of the mod-el laid solid foundation for future flood peak calculation in the similar karst area.【期刊名称】《人民长江》【年(卷),期】2015(046)009【总页数】5页(P26-30)【关键词】MIKESHE模型;分布式水文模型;洪峰计算;甲茶水电站;贵州省【作者】汤旻;曹双和;胡红兵;任曦【作者单位】贵州电力设计研究院,贵州贵阳550002;贵州电力设计研究院,贵州贵阳550002;贵州电力设计研究院,贵州贵阳550002;贵州电力设计研究院,贵州贵阳550002【正文语种】中文【中图分类】TV122目前对于大中型流域，如果具有足够的实测流量或暴雨资料，其洪峰计算主要采用水文统计法(直接法)利用实测流量或通过成因分析(间接法)推求设计洪水；如果缺乏实测流量资料，多采用经验公式法计算。
土壤蒸散发模型研究
土壤蒸散发模型研究土壤蒸散发是指土壤中的水分被大气中的热量吸收而蒸发形成的，这是一种重要的气候过程和水文过程。
每日蒸散发发挥着重要的作用，为全球水文循环、微气候系统以及水文统计提供了重要参数。
随着全球气候变暖的不断加剧，土壤蒸散发的变化将引起全球水文循环和气候变化的重要影响。
因此，进行土壤蒸散发的模型研究已成为当前水文研究的热门课题。
土壤蒸散发模型是用来计算土壤蒸散发量的统计模型，其中考虑到土壤物理特性、气象因子、土壤水分因子及其他重要因子。
目前，主要有三类土壤蒸散发模型：第一类是基于气象数据的经典爬山气象模型；第二类是基于气象和土壤数据的多参量模型；第三类是土壤蒸散发模型和植被参量相结合的模型。
经典的爬山气象模型，例如Penman-Monteith模型，是基于气象数据的土壤蒸散发模型，模型计算土壤蒸散发的重要参数主要包括：8小时平均风速、6-8小时着陆气温、日照时间长度、平均气温、当日最大气温。
该模型准确性较高，但其需要大量的气象数据支撑，同时也受到气候变化的巨大影响，难以进行长期预测。
多参量模型是近年来发展起来的新型土壤蒸散发模型，着重考虑土壤物理特性和土壤水分因子，可以有效地提高模型的准确性，同时也不受气候变化的影响，有独特的优势。
例如，Tiedtke模型是一种多参量模型，它将土壤特性和土壤水分因子作为参数，以改善土壤蒸散发模型准确性。
另外，植被参量与土壤蒸散发模型的相结合，也是近年来研究的重点。
将植被参量与土壤蒸散发模型相结合，可以更好地反映土壤蒸散发的真实情况，可以更好地预测不同植被覆盖下的土壤蒸散发量。
例如，Beven和Quinton提出的模型就考虑了植被参量的影响，可以更准确地预测土壤蒸散发量。
土壤蒸散发模型的研究非常重要，它可以有效地模拟土壤蒸散发的长期变化，并及时发现和分析土壤蒸散发的变化，以期能够更好地管理水资源，为区域水文统计以及水文循环提供重要参数。
目前，科学家们正在致力于开发新型土壤蒸散发模型，以更好地反映土壤蒸散发的真实情况，未来必将取得更大的进步。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
收稿日期:2005-11-14;修订日期:2006-02-11基金项目:国家重点基础研究发展规划项目(G2000077900)、国家重点基础研究发展规划项目(2001CB309404)资助。
作者简介:刘三超(1979-),男,湖南常德人,博士,主要从事大气和红外遥感和遥感应用研究。
E 2mail:snowerlsc@分布式水文模型结合遥感研究地表蒸散发刘三超1,张万昌2,高懋芳2,柳钦火1(1.中国科学院遥感应用研究所遥感科学国家重点实验室,北京100101;2.南京大学国际地球系统科学研究所,江苏南京210093)摘要:地表蒸散发是研究土壤-植被-大气系统水热平衡的关键因子。
用改进的DHS VM 分布式水文模型对汉江上游子午河流域蒸散发进行模拟。
根据流域特点,主要进行T M 遥感数据的大气校正和几何校正,在此基础上得到叶面积指数和土地覆盖等地表参数;再利用GI S 技术基于DE M 求出坡度、坡向和地形指数等因子。
分析了蒸散发时空分布特征,表明日尺度蒸散发空间分布差异较大。
初步验证了结果,表明模型在中国典型湿润区小流域取得较好效果。
关 键 词:蒸散发;分布式水文模型;遥感;DE M中图分类号:P426.2 文献标识码:A 文章编号:1000-0690(2007)03-0354-05 地表蒸散发是农业、气象、水文科学研究的重要参数。
遥感(RS )是获取空间分布蒸散发的方法之一,如用气象数据和地表能量平衡方程可从遥感图象中推导出陆表蒸散发[1,2],但遥感方法受到影象的时间和空间分辨率影响,特别是遥感只能计算瞬时地表蒸散发,要获取不同时间步长的蒸散发必须依靠一定假设和其它资料进行时间积分。
水文模型也是当前研究蒸散发的重要方法,其主要依据是能量守恒和水量平衡原理,由于分布式水文模型能考虑太阳辐射、降水、地表覆盖、植被结构、土壤特性等要素时空异质性,具有更强的物理和水文意义,故成为当前水文学研究的热点[3～6]。
本文以改进的DHS VM[6,7]分布式水文模型为核心,以遥感和地理信息系统(GI S )作为辅助技术,重点放在遥感信息提取和地形因子等相关数据的处理,并初步尝试该模型在中国湿润气候区典型小流域地表蒸散发研究的应用潜力。
1 原理1.1 模型结构和特点DHS VM 模型是W ig mosta 于1994年开发的分布式水文模型[7],模型基于土壤-植被-大气连续体概念用双层模型计算蒸散发。
植被上冠层所消耗的水分可来源于上部土壤层和下部土壤层,植被低矮的下冠层所消耗的水分只能来源于上部土壤层。
冠层内辐射和风速、植被密度和叶面积指数(LA I )密切相关,计算出空气动力学阻力和冠层阻力后利用Pen man -Monteith (简称P M )公式计算蒸散发[7,8]。
陈镜明等在DHS VM 模型基础上,把生态和水文过程耦合起来,在4个方面对模型进行了改进[6]:(1)考虑凋落物对蒸散发的影响;(2)考虑水分对气孔阻力和蒸发的影响;(3)考虑植被根区的分布;(4)考虑地形和下垫面对直接辐射、散射辐射影响。
模型包括气象因子模块和蒸散发模块。
气象模块主要通过与高程相关的方法内插输出气象参数[6]。
蒸散发计算模块是模型的主模块,其计算公式为P M 公式,模型输出结果主要为各栅格以日为时间步长的地表实际蒸散发。
模型是以等大小栅格为模拟单元的,垂直方向上根据研究区下垫面情况把地表层分为植被上冠层、植被下冠层、凋落层、不饱和土壤层和饱和土壤层,同时模型考虑了地形指数对栅格之间水分交换的影响,并且把土壤水分和运动作为影响水文过程的重要因素[6]。
由于研究水文过程时充分考虑叶面积指数等植被参数对蒸散发等影响,因此利用高分辨率的遥感影象如Landsad -T M 数据成为模型必要手段之一。
第27卷第3期2007年06月 地 理 科 学SC I E NTI A GE OGRAPH I C A SI N I C A Vol.27 No.3June,20071.2 蒸散发计算蒸散发(Evapotrans p irati on,简称ET )是土壤蒸发和植被散发的总称,模型中蒸发和散发均用P M 公式计算:E ti =ΔR n i +ρc pe s -e r a i λv [Δ+γ(1+r ci r a i)]δt(1)其中,i 代表上冠层、下冠层或凋落层,E ti 为时间步长δt 内的实际蒸(散)发,R n i 为净辐射,ρ为空气密度,c p 为空气定压比热,e s 为饱和水汽压,e 为实际水汽压,r a i 为空气动力学阻力,r ci 为冠层阻力,λv 为汽化潜热,Δ为气压-温度廓线斜率,γ为干湿球常数。
1.2.1 地表净辐射根据能量平衡原理,地表净辐射可表示如下:R n,i =R d ir ,i +R d if,i +R l,i(2)式中,R n,i 为净辐射,R d ir ,i 为直接太阳辐射,R d if,i 为散射太阳辐射,R l,i 为净长波辐射。
直接太阳辐射和散射太阳辐射与太阳总辐射又有如下关系[6]:S d if S s=0.943+0.734R -4.9R2+1.796R 3+2.058R 4 R <0.80.13 R ≥0.8(3)式中,S g (w /m 2)为太阳总辐射,由输入的气象数据确定,R 为中间参数,定义为:R =S g /(S 0co sθ)(4)式中,S 0和θ分别为太阳常数和太阳天顶角。
长波辐射主要与气温和比辐射率有关[6],模型通过地表分类来确定不同类型地表的比辐射率。
对于植被覆盖地区,分植被上冠层、植被下冠层和凋落层等分别计算直接辐射、散射辐射和长波辐射[6]。
1.2.2 空气动力学阻力和气孔阻力空气动力学阻力r a i 是植被和大气水汽交换的主要限制因子,本模型分地表覆盖情况计算空气动力学阻力,模型中r a i 主要与叶面积指数有关,自然地表的空气动力学阻力与植被覆盖度呈线性关系[6]。
冠层阻力r ci 是影响植被蒸腾作用的关键因子,对于植被覆盖地区的蒸散发,冠层阻力和单叶片气孔阻力有以下关系:r ci =1/(g s LA I i )(5)式中,r ci 为冠层阻力,LA I i 为叶面积指数,g s 为叶片气孔阻力,它主要与光强(光子通量密度PPF D )、气温T 、饱和水汽压VP D 和土壤饱和含水量差S WC 有关,公式如下[6]:g s =m ax [g max ×f (PPFD )×f (T )×f (VPD )×f (S W C ),g m in ](6)2 研究方法2.1 研究区概况本文研究区为陕西境内秦岭南坡汉江上游两河口水文站控制的子午河流域。
流域总面积2818k m 2,主要包括佛坪和宁陕2个县级行政区。
流域内多年平均降水量800mm 左右,平均径流量17.6×108m 3,是典型的亚热带湿润气候区。
区内地形复杂,地带性土壤主要为黄棕壤和黄褐土(图1)。
图1 子午河流域边界与河网水系Fig .1 Boundary and river net w orkof Zi w uhe R iver basin图2 子午河流域数字高程模型Fig .2 D igital Elevati on Model ofZi w uhe R iver basin2.2 模型输入数据处理由于DE M 分辨率为60m ,因此模拟所用模型栅格大小设为60m ×60m ,所有输入数据统一重采样为60m ×60m ,保证所有图层数据投影方式为UT M 投影。
5533期 刘三超等:分布式水文模型结合遥感研究地表蒸散发 1)气象和土壤数据。
气象数据是模型主要输入参数之一。
本研究所用气象数据包括2001年度佛坪气象站观测的日最高温度、最低温度、平均温度、相对湿度、降水和辐射资料。
利用气象模块对气象数据进行空间离散化,本模型主要考虑气象参数与高程等地形因子相关来内插出空间分布的输入气象参数[6]。
模型所需土壤数据由1∶250万陕西省土壤质地图扫描后,人工数字化后利用地理信息系统软件A rc/I nfo处理转成GR I D格式,再利用ERDAS软件重采样后转为文本格式。
2)遥感图象的预处理。
模型所用遥感影象为Landsat-5T M图象,成像时间为2003年6月14日,无云覆盖图象质量良好,本文主要用其中的可见光和近红外数据,包括第1～5和第7通道。
虽然遥感图象时相有所差别,但调查发现研究区植被茂密受人干扰很小,年份差别不大而月份一致对模拟结果产生影响较小。
遥感图象预处理包括地形校正和大气校正两部分[9,10]。
采用Civico提出的方法利用DE M对T M图象进行了地形校正[9]。
大气校正本文采用Gilabert提出的直接基于T M图象的方法进行,最后得到相关波段的地表反射率[9]。
具体方法请参考相关文献。
利用2003年同期野外实验中用GPS测量的控制点对预处理后的图象进行几何校正,几何校正的最大误差控制在一个像元以内,校正后的T M图象投影方式为UT M投影,投影带为48N。
3)遥感信息提取。
叶面积指数:模型中LA I 是揭示地表植被覆盖情况和大气-植被-土壤系统间相互作用的主要生态参数,它反映植被对降水截留、空气动力学阻力和冠层阻力控制和影响[6],在计算植被蒸散发时起关键作用,因此它是整个模型的最重要输入参数之一。
本研究采用Anders on 提出的LA I与归一化植被指数(NDV I)之间的经验关系计算LA I[12]:NDV I=(R4-R3)/(R4+R3)(7)式中,R4和R3分别为预处理后T M第4和第3波段反射率。
土地利用/覆盖:利用预处理后的T M图象,参照2003年实地观测的野外资料和汉江流域1km 的土地利用/覆盖图,首先在图象中选取相应的训练区,然后用最大似然法对图象进行监督分类。
图象分类后地表类型包括裸地居民地、水体、草地农作物灌丛和森林等植被覆盖地共四大类地物。
4)DE M和坡度坡向数据。
DE M是分布式水文模型的基本数据[2,6],图2所示,其空间分辨率为60m×60m。
统计表明,子午河子流域内最低海拔为468m,最高海拔达到2869m,平均海拔为1446m(图1),把它作为矢量层作为提取流域边界,作为模型模拟的水平边界。
坡度、坡向是重要的地形因子,在模型中主要控制起伏地形下地表能量分布以及栅格间水分运动的方向和速度。
本研究主要利用GI S空间分析技术,在DE M数据基础上利用A rc/I nf o软件计算出坡度、坡向。
在相关的遥感和GI S软件支持下,经过格式和投影转换,作为模型主要的输入数据。
3 结果分析和验证3.1 结果分析图3中,图象与DE M等输入数据大小完全一致,每个栅格为60m×60m。