基于蒸散遥感反演的全国地表缺水分区

1 研究背景

界定缺水程度是分区的基础, 国内外学者在缺水程度方面做过很多研究。王浩等从理论上分析并识别了缺水的状态, 为中国缺水研究提供了一定的理论框架[ 1] 。随着遥感与GIS 技术的发展出现了一些快速、及时、动态的评价缺水程度的新方法[ 2] 。从植被状况表征缺水角度出发, Kogan 在分析多年NOAAPAVHRR 数据的基础上, 提出植被条件指数VCI[3] , 蔡斌根据VCI 结合降水数据对我国 1991 年的干旱情况进行了检测[ 4] , 易永红等采用MODIS 数据构建TVDI, 对2006 年川东和重庆的旱情进行了评估分析[ 5] , Ceccato 利用 SPOT Vegetation 数据研究植被水的反演工作, 提出了全局植被湿度指数 GVMI (Global Vegetation Moisture Index) 指数[ 6- 8] 。江东等应用NOAAPAVHRR 构建水分指数NDVIPTs, 分析它与农作物产量的关系[ 9] , 这些指标在植物生长茂盛阶段监测植被缺水状况较好, 但需要较长时代资料积累。应用蒸散发表征缺水方面, Idso 和Jackson 分别从空气湿度方面考虑冠层温度变化提出了作物水分胁迫指数CWSI 的经验模式和理论模式[ 10- 11] , CWSI 是现今应用比较广泛的一种作物缺水指标, 精度较高。国内外学者进一步对其进行了改进和应用[ 12- 16] , 如张仁华根据 CWSI 建立作物缺水状况的微气象模式, Moran 建立的WDI, 宋小宁等建立的 SWDI, 田国良等建立的我国华北地区干旱状况监测系统。 CWSI 及其后续研究从能量平衡观点出发, 应用蒸散发表征地表缺水状况, 具有一定的理论和实践意义。

根据前人研究以及从较大尺度上研究全国地表缺水状况并进行分区的目的, 需要选取空间覆盖度比较大, 通用性较强且数据参数比较容易获得的模型进行研究。研究发现区域的水分状况与流域水量平衡中的重要支出项) ) ) 地表蒸散发( ET ) 密切相关, 它由两部分组成, 即地表水的蒸发和植物的蒸腾。而区域实际蒸散量和潜在蒸散量是大气、土壤和植被等各圈层蒸发和蒸腾的综合反映, 其比值与土壤水分密切相关, 当土壤水分小于临界状态的土壤水分( 理想供水状况下的土壤水分含量) , 即当实际蒸散小于潜在蒸散时, 则表征区域缺水; 反之, 表征区域不缺水。基于以上分析, 本文拟通过遥感反演地表蒸散发提取表征地表缺水状况的地表缺水指数( SWDI, Surface Water Deficit Index) [ 16] , 进而获得全国总体缺水状况, 并根据该指数进行全国地表缺水分区的探索性研究, 以期为我国经济政治决策及相关研究提供参考。

2 数据源及研究方法

2.1 数据与流程

本研究选取日本静止气象卫星 GMS- 5 为数据源, 其位于赤道上空35800km, 东经140 度。GMS- 5 完全覆盖中国区域, 且时间分辨率一小时, 是全国范围的缺水状况遥感监测理想数据源。通过实时接收该卫星多通道扫描辐射计VISSR 信号, 可获取白天可见光、昼夜红外资料。本次研究主要采用的是GMS 可见光和热红外两个波段数据: ( 1) 可见光波段VIS。空间分辨率为1125km, 时间分辨率为1h, 波谱范围为0155~ 1105Lm; ( 2) 热红外波段TIR。空间分辨率为5km, 时间分辨率为1h, 波谱范围为 1015~ 1215Lm。本项研究通过处理 GMS- 5 原始数据遥感参数反演实际蒸散和潜在蒸散, 获得地表缺水指数( SWDI ) 。进而根据SWDI 在GIS 空间分析和统计分析的基础上进行全国地表缺水分区。本文方法流程图如下所示。

2.2 地表缺水胁迫系数( SWDI) 的反演[ 17]

2.2.1 数据预处理 

为了保证定量遥感的反演的精确度, 各波段数据在接收以后, 需要进行必要的预处理。首先对接收的两个波段数据进行重采样并进行裁剪, 并根据GMT 制式( 格林尼治标准时间) 内插每日

的正午和午夜合成图。在合成过程中, 需要进行阈值云检测, 根据在相邻两幅红外光谱测得的辐亮度差值及其绝对值判断像元是否为云覆盖, 云覆盖像元数据不参与数据合成。其次对数据定标并进行大气校正、辐射校正和几何校正, 去除大气对辐射传输的影响。大气校正中对于可见光波段, 我们采用Kondratyev 的总辐射传输模型[ 18] , 并对其进行了一定的扩展和修正。此外, 云层对反演精度影响较大,所以采用了云检测算法将有云像元从无云像元中分离。取200 @ 200 像素子窗口, 可以找到该子窗口的最高亮温, 在该旬正午热红外图像上滑动, 得到该旬最大正午地表温度图像; 用同样的方法从该旬全部正午可见光图像上提取该旬最小反照率图像。上述两幅图像代表的都是无云时的情况。再采用4 个联立阈值判断方程来确定某像元是否有云。通过一系列图像预处理获得具有统一地理坐标的GMS 标准数据。

更多内容请查看pdf