融合多源遥感影像和点测数据的区域作物腾发量超分辨率估算方法研究

One important problem of farmland water-saving irrigation is how to extract high-precision regional crop evapotranspiration data with high spatiotemporal resolution in a real-time manner. Multisource remote sensing technologies have become an important method to monitor regional crop evapotranspiration. Nevertheless, the remote sensing data characteristics and the uncertainty of the inversion method restrict the development of regional crop evapotranspiration estimation. This proposal intends to integrate multisource remote sensing images and traditional point measurement data, and applies the theory of remote sensing to inverse crop evapotranspiration. A super-resolution estimation method about high-precision regional crop evapotranspiration is proposed. The research plan is scheduled as follows: first, we extract high-resolution crop classification and vegetation index information from remote sensing images, and design a method processing subpixels for low spatial resolution images, which can improve the spatial resolution of crop evapotranspiration. Second, we explore crop water deprivation law from temporal-continuous point measurement, and plan to design an optimization algorithm which can match the time of the discrete crop evapotraspiration images and continuous point measurement data to get crop evapotraspiration datasets with high temporal resolution. Third, we propose a calibration model for remote sensing evapotraspiration estimation based on high-precision point measurement data, and implement the high-precision inversion strategy for regional crop evapotraspiration. The research results will promote the scientific applications of remote sensing monitoring for crop evapotraspiration, provide support for dynamical monitoring of regional crop water consumption, and bolster precise irrigation.

实时快速地获取高时空分辨率、高精度区域作物腾发量是农田节水灌溉中的关键问题。多源遥感技术已成为区域作物腾发量监测的重要手段，但遥感数据本身特点以及反演方法的不确定性制约了应用遥感方法估算作物腾发量的发展。本课题拟融合多源遥感影像和传统点测数据，依托遥感反演作物腾发量的理论，提出一种区域高精度作物腾发量的超分辨率估算方法，主要包括：基于遥感影像高空间分辨率作物分类及植被指数信息，研究在低空间分辨率混合像元内部进行亚像元处理的方法，以提高作物腾发量的空间分辨率；基于时间连续的气象点测数据探索作物耗水时间变化规律，研究将离散的作物日腾发影像与时间连续的点测数据进行时间匹配的优化算法，获取高时间分辨率的作物腾发数据集；提出高精度田间点测数据对遥感腾发模型进行率定的方法，实现区域作物腾发量的高精度反演策略。研究成果将促进遥感监测作物腾发量的科学应用，为农田区域作物耗水动态监测和精确灌溉提供支撑。

农田作物腾发是土壤水热传输过程中的重要环节，也是水资源的最终消耗方式，因此开展水资源配置和规划时必须考虑此过程。本课题以遥感腾发模型为基础，融合多源遥感影像并基于植被指数信息提取作物种植结构分布图；开展点测气象数据与遥感影像的耦合方法研究，以解决遥感腾发模型的空间扩展问题；基于地面点测辐射量数据率定遥感腾发时间扩展模型。.（1）作物种植结构包含了对区域内作物类别、品种、种植面积和轮作方式等多项农业信息的综合，是作物腾发量计算的重要基础数据。为了能够快速便捷地提取区域作物种植结构，本项目采用空间分辨率较高的Landsat8影像和时间分辨率较高的MODIS数据，综合利用多源多时相遥感影像提取作物种植结构分布图。首先利用MODIS数据建立作物的归一化植被指数NDVI时间序列曲线，并采用改进后的Savitzky-Golay滤波器对曲线进行平滑处理，然后根据作物的物候特征设定阈值，界定作物种类，进而以此为依据在作物关键生育时期的Landsat8影像中选择合适的感兴趣区域作为先验知识，使用BP神经网络模型对Landsat8数据进行监督分类，提取作物种植面积分布。最后利用统计数据与资源三号卫星数据对提取结果进行验证，平均精度较高，能够较准确地反映区域作物的分布情况。（2）针对下垫面复杂、气象条件不统一导致提取腾发量在空间上变化很大的特点，基于传统SEBAL模型提出一种计算作物ET的优化方法，首先栅格化所有遥感提取腾发量的数据，包括风速、日照时数、水汽压等气象数据，参考ET、冷热点等中间推算的数据，同时也提出了栅格化数据后提取感热通量时所使用的的新计算摩阻速度的方法。（3）遥感提取的作物腾发量只是瞬时值，农田水利等领域则需要日、月或作物生育期等时间尺度。目前基于遥感的腾发量时间扩展精度有待提高。而日净辐射量是由日尺度扩展至天尺度作物腾发量的关键因素。日透过率是基于地面辐射测量数据优化常规公式系数算得到，长波辐射系数是通过回归地面点测长波辐射量和优化后的日透过率值得到的，进而基于蒸发比方法优化了推求日净辐射量公式。实验验证发现优化后的方法比用传统方法获取的腾发量值更加精确。.本项目以海河流域为研究区域，基于以上研究模型获取了流域作物种植结构图和流域各种作物腾发量分布图，结果表明本项目研究方法能够实现区域作物腾发量的高精度反演策略。