遥感技术估算干旱区蒸散发研究进展

此很难取得准确的估算结果［%9，%］!虽然这种状况可以通过多点观测来加以改善，但多点密集观测成本高，并且对于大尺度蒸散发研究依然存在尺度转换问题!而遥感方法空间连续和时间动态变化的特点，能够轻易实现由点到面的转换，同时可以提供与地表蒸散和能量平衡过程密切相关的参数，这些特点使其在干旱区大尺度蒸散发估算研究中得到了广泛应用!!遥感反演干旱区地表特征参数遥感方法是一种间接的蒸散发估算方法，并不能直接估算得到蒸散发，而是将其反演的干旱区地表参数输入模型中，计算得到实际的蒸散发!应用遥感技术估算蒸散发的关键技术是如何使用遥感数据准确获取地表反照率植被参数和地表温度!这;个参数可以综合反映干旱区下垫面的几何结构和湿热状况，并影响着地表能量收支动量和热量传输等，它们反演的正确与否直接影响到干旱区地表蒸散发估算精度，因此，学者们针对这;个地表参数开展了大量研究!’3(地表反照率地表反照率表示到达地表的太阳辐射中不能被地表吸收的部分，决定了地表蒸散发有效能量的大小!反演地表反照率最主要的影响因素有太阳高度角和地表覆盖类型［%7］!太阳高度角对地表反照率的作用是间接的，主要是通过改变地表粗糙度的大小来影响太阳辐射形成的阴影面积，从而影响地表反照率的大小!刘辉志等［%#］通过研究干旱区不同下垫面地表反照率特点指出:太阳高度角低于$]的情况下，地表反照率会随着太阳高度角的增加而降低，但当太阳高度大于$]时，地表反照率基本上趋于不变!张果等［%8］在对内蒙古荒漠草原地表反照率研究中得到了和刘辉志相同的结论，并指出地表反照率与太阳高度角呈指数关系!文莉娟等［!$］对干旱区绿洲地表反照率进行了研究，结果表明:在太阳高度角为;$]时早上比下午的地表反照率大$3$;%，在太阳高度角为$]=9$]时，上午和下午的地表反照率基本一致!吴艾笙等［!%］对黑河实验区不同下垫面的地表反照率和太阳高度角进行了研究，并建立了地表反照率和太阳高度角的函数关系!同时，也有学者提出地表反照率也会随着下垫面的不同存在明显的差异［!!］!陈云浩等［!;］按照不同下垫面土地利用类型分别建立了相应的地表反照率计算方法，并对我国西北地区地表反照率进行了计算，计算精度较高!肖瑶等［!］对西藏北部;种不同植被类型下垫面的地表反照率特征进行了分析，结果表明:与其他植被类型相比，荒漠草原反照率最大!郭建茂等［!9］在宁夏地区对地表特征参数的研究中，得到地表反照率的低值区多为水体和浓密植被，最高值区为裸地!张杰等［!］应用+f,6?f’-,卫星资料反演了西北干旱绿洲的地表反照率，得到结论土壤植被沙漠水体的地表反照率存在显著不同!虽然学者们在我国西北干旱区开展了大量的地表反照率研究，且应用遥感技术反演地表反照率也有了较为成熟的方法，但相对而言，我国西北干旱区地表反照率的确定工作还没有取得实质性的进展［!7］，还需要再做进一步的研究!’3’植被参数植被参数决定了地表蒸散发有效能量在植被和土壤间的分配，是影响蒸散发进行能量和水分交换的重要参数!主要的参数包括植被覆盖度叶面积指数和归一化植被指数等!!3!3%植被覆盖度植被覆盖度是指植被投影面积在单位面积上所占的比例!传统的估算方法主要是依靠地面样方获取到点上的植被覆盖度!然而植被覆盖度具有明显的时空变异性，地表实测的点数据很难在较大的空间尺度上进行动态测量!遥感影像能够提供反映大尺度空间尺度的植被覆盖信息及变化趋势，这一特点使其成为估算区域植被覆盖度的主要技术手段!当前遥感技术估算植被覆盖度的方法主要有;种:经验模型法植被指数转换法和混合像元分解法!(%)经验模型法:经验模型主要是通过建立实测植被覆盖度数据与植被指数的经验模型来求取植被覆盖度!经典的模型有:+BOKh11P等［!#］建立了多种植被指数和植被覆盖度的线性回归方程;’M6N1EP等［!8］在新西兰地区用多波段,f/资料建立了地表植被覆盖度与)’(-的非线性经验关系模型;QDKKD@C等［;$］用)f&&c&(0..数据按照不同覆盖类型建立了植被覆盖度和)’(-的经验关系!但由于该模型依赖于特定的地面数据，在区域范围内推广应用存在诸多的不确定因素!尤其是在干旱区和半干旱区这种生态环境变化比较大的区域!(!)植被指数转换法:植被指数转换法是通过对各像元中植被类型及分布特征的分析，建立植被指数与植被覆盖度的转换关系来直接提取植被覆盖第#期王国华等:遥感技术估算干旱区蒸散发研究进展#84BGNIM等［;%］利用&(0..资料，建立植被指数与植被覆盖度的线性转换模型!X4KNBE等［;!］从像元中可能的植被分布特征入手，提出了均一亚像元模型和混合像元模型!?1CBNNBP等［;;］在叙利亚地区计算了,f/影像的原)’(-值，并重新定义了一个新的)’(-值，最后用)’(-值的大小来对植被覆盖度进行分类!相比于经验模型，植被指数法不需要进行大面积的地面实测，但这种方法的精度却可能低于经验模型!(;)混合像元分解法:混合像元分解法是根据植被和土壤在不同波谱段的反射情况，一般选择植被与土壤光谱反射差别较大的红光波段和近红外波段作为植被覆盖度信息提取的信息源!但准确估算植被覆盖度的前提是必须先知道裸土植被在遥感图像近红外可见光红波段的反射率差值!对于土壤和植被均匀单一的地区，可以通过实测或在图像上量取，但对于土壤类型和植被种类差异较大的地区，这种方法提取结果精度较差，因此该方法应用于干旱区植被参数反演有一定的局限性!!3!3!叶面积指数叶面积指数(AFBJ&GFB-EPFW，A&-)表示单位土地面积上单面植物光合作用面积的总和!传统的地面实测方法只能提供小尺度的A&-，卫星遥感技术为大区域研究A&-提供了有效的途径［;］!遥感定量计算A&-的主要方法可以归纳为:光学模型法查找表法统计模型法和综合模型法!(%)光学模型法:光学模型法是应用双向发射率分布函数，把A&-作为输入变量，采用迭代方法来推算A&-!这种方法的优点是有物理模型基础，不受植被类型的影响，但模型复杂，反演过程比较繁琐，针对这种方法的研究较少!其中主要的代表模型是AD,KGBC2FG模型，该模型从像元尺度出发，建立森林结构参数与冠层双向反射分布函数的关系［;9］!*CFE等［;］在AD,KGBC2FG模型基础上提出针对北方针叶林的四尺度五尺度的几何光学模型!光学模型具有相当强的理论基础，不依赖于植被的具体类型或背景环境的变化，因而具有普适性，但由于反演过程复杂，模型直接反演需要消耗大量的计算资源和时间，因此没有得到广泛应用!(!)查找表法:与光学模型法比较，查找表法模型可以实现参数的快速反演!查找表法将复杂的光学物理模型进行事先模拟，反演高效并且不需要给定初始值，极大提高了模拟速度，被普遍用于各种遥感反演算法中!?f’-,()&,&)的全球A&-标准产品，主要就是通过采用查找表法来反演得到的［;7，;#］!但为了满足精度要求，查找表的维度需要做到足够大，并且状态变量采样间隔必须要小，当输入参数较为复杂时，查找表的管理和使用都十分困难［;8］!(;)统计模型法:统计分析法是以A&-为因变量，以光谱数据或其变换形式，如植被指数，作为自变量建立的估算模型，即VG4n0()，其中，为光谱反射率或植被指数!在多光谱和高光谱领域都可以应用植被指数来估算A&-!多光谱估算叶面积指数最为常用的植被指数是归一化植被指数()1GNB2DHFP’DJJFGFEKDB2(F5FKBKD1E-EPFW，)’(-)&比值植被指数(.BKD1(F5FKBKD1E-EPFW，.(-)&垂直植被指数(FG6LFEPD@42BG(F5FKBKD1E-EPFW，(-))’(-对绿色植被表现敏感，探测低盖度绿色植被能力最强［$］!何磊等［%］通过对岷江上游流域叶面积指数的遥感研究也证实)’(-在反演叶面积指数中具有很高的精度!相较于)’(-，.(-对大气的影响敏感，尤其当植被覆盖不够浓密时，它的分辨能力就会很弱，*CFE等［!］发现在高密度植被覆盖的情况下，.(-却很适合A&-的反演!而(-的优点就是在反演过程中受土壤亮度的影响较小!张晓阳等［;］从作物冠层对光谱的反射特征出发，推导出利用(-估算A&-的理论模型，并应用水稻观测加以验证，结果表明:(-估算A&-既有较强的理论基础，又可以消除土壤背景的影响!在这;种植被指数中，)’(-数值大小能够消除大部分与仪器定标太阳角地形和大气等条件的影响，可以增强对植被的响应能力，已得到了广泛应用!()综合模型法:除了以上;种方法外，有学者将光学模型法和统计模型法结合起来以发挥它们各自的优势，研究得到了综合模型法!主要的模型有:^D等［］在&GDH1EB东南半干旱区，结合Y.’V模型反演和植被指数统计分析，较好地估算了大尺度的A&-!VBE5等［9］综合神经网络法从/?图像上反演叶面积指数!!3!3;归一化植被指数归一化指数()’(-)被定义为近红外波段与可见光红波段数值之差和这!个波段数值之和的比值!在植被参数反演中，)’(-的应用最为广泛!它是植被生长状态及植被覆盖度的最佳指示因子，它可以部分消除太阳高度角卫星扫描角及大气层辐射的影响，特别适用于全球或各大陆等大尺度的植被参数研究!并且，在植被覆盖度小于%9‘时，#9$地球科学进展第!卷值高于裸土的)’(-值，植被可以被检测出来，这样的特点使其在干旱区和半干旱区参数反演过程中达到了广泛的使用!’38地表温度地表温度是地面和大气界面热量平衡的结果，在地表蒸散发过程中决定地表长波辐射能量的大小!应用遥感技术获取地表温度的方法主要有单窗算法劈窗算法和多通道法!!3;3%单窗算法单窗算法主要是针对ABEPOBK/?热波段传感器开发，利用一个热红外通道的辐射测量来实现地表温度的反演［］!长期以来，从/?数据中反演地表温度的方法主要是大气校正法!但这种计算方法需要提供精确的实时大气剖面数据进行大气模拟，而对于大多数研究区，这些数据难以取得，因此限制了该算法的广泛使用［7］!为了解决这一问题，覃志豪等［#］根据地表热辐射传导方程，推导出一个简单易行而且精度较高的演算方法，把大气和地表的影响直接包括在演算过程中!bNwEFH6?4EzH等［8］提出了另一种单窗算法，这种算法只需要知道大气水气含量即可反演地表温度!为了检验以上;种单窗计算方法的精确性，,1IGDE1等［9$］用实测资料对其进行了验证，结果表明:bNwEFH6?4EzH提出的算法较好，地表温度误差小于%U!!3;3!劈窗算法劈窗算法主要是针对)f&&c&(0..开发的，是利用!个相邻的热红外光谱窗口辐射值，根据地面发射率和地表温度的线性关系，得到由!个窗口区辐射温度的线性组合表示的地表温度!该模式由&EPDE5等［9%］提出，由GBICBZBGB等［9!］发展成为现在的经典形式!最初，劈窗算法较好地应用在计算海面温度上，但直接将它应用在陆面，误差可达到U!GD@F［9;］为了估算农田地表温度，首次把海面遥感劈窗算法引用到陆地温度反演!*122等［9］对GD@F提出的算法进行了改进，他们引进了地表比辐射率对地表温度的修改!而YF@ZFG［99］在考虑了&(0..第和第9通道的地表反射率之差对温度反演的影响之后，提出一个模型解释了热红外测量温度和热力学温度的差别!伊楠等［9］在我国吉林西部利用&(0..数据反演地表温度，发现GD@F算法和其他算法的偏差较大，而*122所提出的算法结果和统计数据相当接近!!$$9年，毛克彪等［97］对普朗克方程进行了线性变换，从而简化了劈窗算法的计算过程!由于估算精度较高，劈窗算法得到了广泛的应用，目前已公开的劈窗算法就有%7种［9#］!!3;3;多通道法多通道法目前广泛应用在?f’-,和&,/+.温度产品算法当中!针对?f’-,，QBE等［98］提出利用多光谱数据进行地表温度和发射率的同步反演，前提是需要昼夜两景图像才能进行反演!而针对&,6/+.，XD22FOLDF等［$］提出/+,(/FNLFGBK4GF+NDOOD[D6KM,FL