基于同化策略的地表温度多模式降尺度方法及其不确定性研究

In order to support crop drought monitoring, field scale evapotranspiration estimating and field precision irrigation during the whole growth period,we carry out the study of methods of land surface temperature(LST) downscaling over agricultural area and its uncertainty, to improve crop water use efficiency, which aslo can lay the theoretical foundation for further appliying remote sensing technology in precision agriculture.We focus on issues of multi-model LST downscaling methods and its uncertainty over non-uniform agricultural area,using both high spatial resolution/low temperal resolution and coarse spatial resolution/high temperal resolution to make a complement for each other, also remote sensing, agriculture, mathematics and computer knowledge are employed to carry out following studies:(1) select different kinds of sensitivity scaling factors for LST downscaling, e.g. land cover characteristics,spectral index and reflectance;(2)establish the 'endmumber-index'technique to downscale LST by combinations of the low spatial resolution LST and the high spatial resolution visible-nearinfrared(VNIR) data;(3)build the assimilation strategy and model through the scaling factor as a driver, different downscaling methods as the assimilation model operator, and (4) perform field experiments of LST and flux to verify the downscaled LST and the estimated field evapotranspiration and to quantitative analysis of uncertainty.

开展农田区域地表温度降尺度方法及其不确定性研究，为作物生长全程干旱监测、田块尺度蒸散发估算及精准灌溉决策提供技术与方法支持，从而提高农田水分利用效率，为遥感技术在精准农业中的进一步应用奠定理论基础。本申请项目针对农田非均一条件下多模式地表温度降尺度方法及其同化策略相关科学问题，将高空间/低时间和高时间/低空间两种分辨率光学遥感数据进行优势互补，综合运用遥感、农学、数学和计算机等知识，主要开展以下研究：（1）对不同时空尺度下地表温度与地表覆盖特征、光谱指数等尺度转换因子进行敏感性分析；（2）建立面向中低空间分辨率热红外数据与高空间分辨率可见-近红外数据相结合的'端元指数'温度降尺度方法；（3）将尺度转换因子作为驱动数据，不同降尺度方法作为同化模型算子，建立地表温度降尺度方法的统一同化策略及综合模式；（4）对扩展田块尺度地表温度进行验证，对不同降尺度方法在估算农田蒸散中的不确定性进行定量分析。

开展农田区域地表温度降尺度方法及其不确定性研究，为作物生长全程干旱监测、田块尺度蒸散发估算及精准灌溉决策提供技术与方法支持，从而提高农田水分利用效率，为遥感技术在精准农业中的进一步应用奠定理论基础。本项目针对农田非均一条件下多模式地表温度降尺度方法及其同化策略相关科学问题，将高空间/低时间和高时间/低空间两种分辨率光学遥感数据进行优势互补，综合运用遥感、农学、数学和计算机等知识，取得的主要研究成果如下：（1）开展了多年田间观测实验，获取了大量的遥感影像（ASTER、MODIS、Landsat数据）、地面观测数据（AWS站点和WATERNET站点观测地表辐射红外温度）、涡度相关数据及蒸渗数据，为整个项目提供了良好的数据基础；（2）将尺度转换因子作为驱动数据，不同降尺度方法作为同化模型算子，建立了多模式地表温度降尺度的统一同化策略及模型，包括高空间分辨率的可见光近红外数据生成方法以及高时空分辨率地表温度生成方法两种同化策略；（3）采用ESTARFM方法扩展田块尺度的地表温度，对扩展的地表温度分别从：模拟数据、标准遥感地表温度产品、地面温度观测数据这三个方面进行降尺度地表温度不确定性验证与分析研究，并从地表温度与地表覆盖类型数目、移动窗口大小等因素对ESTARFM方法进行敏感性分析；（4）利用多源遥感数据采用SEBAL模型进行农田地表水热通量遥感估算，然后再采用降尺度方法融合生成高时空分辨率的水热通量，并对高时空分辨率的水热通量进行：空间尺度扩展、时间尺度扩展及时空变化等三方面的分析；（5）对扩展田块尺度的高时空分辨率农田蒸散从地面数据验证和遥感数据（ASTER数据、MODIS数据）验证两个方面进行了不确定性分析；（6）基于互补相关模型相关原理结合气象观测数据及遥感数据（IKONOS数据）进行了冬小麦实际蒸散估算，并利用蒸渗仪观测数据对结果进行了验证与分析。课题完成了各项研究计划和任务已发表相关学术论文29篇（其中SCI论文17篇，EI论文8篇），授权发明专利4项，获得省部级科技奖励2项；培养博士研究生1名，硕士研究生5名。