旱情遥感监测模型敏感参数不确定性和误差传递研究

Drought is the most serious meteorological disasters in China. Temperature vegetation drought index (TVDI), which couples information of land surface temperature (Ts) and vegetation is widely used for soil moisture estimation and agricultural drought monitoring. During the course of TVDI application, envelope of Ts-NDVI feature space scatter plot and fitting equations of dry and wet edges are still very difficult to extract. Besides, few studies on uncertainty of sensitive parameters and error propagation of drought monitoring model have been carried out. So in this project, productions of Ts and NDVI derived from MODIS sensor are used to study uncertainty of sensitive parameters and error propagation of drought monitoring model. Time series of Ts-NDVI spectrum are analyzed and suitable period of TVDI for drought monitoring is defined. Combined with soil moisture and the existing feature space envelope extraction method, method of fitting equation of dry and wet edges of Ts-NDVI feature space by multiple iterations are studied. And ability of soil moisture estimation by TVDI for different depths is also evaluated. Uncertainty of parameters with different spatial and temporal scales and the whole sensitivity of feature space are analyzed, error propagation of drought monitoring result affected by uncertainty of sensitive parameters of TVDI model are quantitatively evaluated. Then, meteorological and socio-economic data are used to test the monitoring result.

旱灾是影响我国最大的气象灾害，温度植被干旱指数TVDI耦合了地表温度和植被指数信息在旱情监测中得到了广泛应用，但TVDI应用中Ts-NDVI特征空间中散点图包络线提取及干边、湿边拟合方程的确定仍存在一定问题，模型参数的不确定性及其对旱情监测误差传递影响也少有研究。针对以上问题，本项目采用MODIS数据的Ts和NDVI产品，分析Ts-NDVI特征空间时间序列谱，确定TVDI的旱情遥感监测适用时段。结合实测的土壤水分数据，在已有特征空间包络线提取方法的基础上，研究了基于多重迭代的特征空间干湿边拟合方程的提取方法，分析TVDI对不同深度土壤水分估算能力的差异。研究Ts、NDVI时空尺度的不确定和Ts-NDVI特征空间的全局敏感性，定量评价特征空间敏感参数不确定性对旱情遥感监测误差传递的影响，并采用地面气象、社会经济数据对旱情监测结果进行验证。

温度植被干旱指数TVDI耦合了地表温度和植被指数信息在旱情监测中得到了广泛应用，但在应用中Ts-VI特征空间中散点图包络线提取及干湿边拟合方程的确定仍存在问题，模型参数的不确定性及其对旱情监测误差传递影响研究较少。项目选择河北省平原地区为研究区开展了以下研究：首先，采用1d、8d和16d多时间尺度MODIS和地面实测RSM数据，研究多时间尺度Ts-EVI特征空间旱情监测的不确定性，结果表明：（1）不同时间尺度Ts-EVI特征空间构建的TVDI与不同土壤深度RSM的相关性存在差异，其中以RSM20-TVDI和RSM10-TVDI较高、RSM50-TVDI较低；（2）多时间尺度Ts-EVI特征空间的旱情监测空间分布具有较好的一致性，多时间尺度Ts-EVI特征空间实现的旱情监测面积存在差异；（3）Ts-EVI特征空间构建应首选1d时间尺度的Ts和EVI，其次是1d时间尺度的Ts和8d、16d的EVI，最后选择8d的Ts和16d时间尺度的EVI。其次，采用同期TM和MODIS数据研究不同空间分辨率图像进行旱情监测的差异性，结果表明：（1）TM和MODIS影像的光谱分辨率存在差异，但旱情监测等级的空间分布相对一致；（2）TM和MODIS数据实现的旱情遥感监测的面积结存在一定的差异；（3）MODIS和TM数据的Ts和NDVI差异较小，但基于TVDI模型的监测结果差异较大，传感器的光谱分辨率影响误差远小于空间分辨率。第三，采用MODIS数据研究了TVDI干湿边参数提取方法及误差。结果表明：（1）Ts-EVI空间包络线提取步长取值存在差异，但TVDI在空间分布上趋势相似；（2）随着步长的增加，TVDI平均绝对误差也相应增加，旱情监测中步长选择应遵循精细的原则，但是过于精细的步长并不能增加RSM估算精度，实际应用中应尽量选择0.01、0.015或者0.020步长单位更能提高旱情遥感监测的精度。第四，采用MODIS数据研究了高植被覆盖区热惯量模型ATI应用，结果表明：(1)热惯量ATI与近地表RSM10相关性较好，随植被盖度增加相关性逐渐降低；（2）高植被覆盖区热惯量模型可引入植被指数以扩展ATI适用范围；对于高植被覆盖区旱情监测，RSM10~ETI方程的R2显著高于RSM10~ATI ，ETI估算RSM10的MRE（25.47%）低于ATI估算RSM10的MRE（31.54%)。