同化蒸散发和叶面积指数的区域土壤水分监测方法
【技术领域】
[0001] 本发明涉及农业遥感技术领域，特别涉及一种同化蒸散发和叶面积指数的区域土 壤水分监测方法。
【背景技术】
[0002] 土壤水分是地表水循环的主要组成部分，直接地影响着地表的物质能量循环过 程，是农作物生长和发育的物质基础，更是现代农业生产和研究中的重要指标参数。因此， 开发大区域的农田土壤水分估算方法对于精细农业、产量预报和农情监测领域具有重要的 现实意义。
[0003] 传统的土壤水分估算方法主要有重量法、张力计法、时域反射法等，但这些方法只 能采集样点的离散数据，需要投入大量的人力物力，效率低而代表性差，很难完成区域尺度 上的土壤水分连续获取。土壤水分的遥感反演方法具有快速获取区域尺度数据的优势，弥 补了传统方法的不足，主要有热惯量法、温度-植被指数法、主动微波遥感法和被动微波遥 感法等。但卫星遥感平台过境时间短、无法按需观测、易受天气条件的制约，因而只能获得 数量有限、时间离散的有效数据。
[0004] MODIS数据由于具有较高的时间分辨率和光谱分辨率，在农作物长势监测和水通 量估算等方面具有优势，是遥感监测土壤水分最常用的数据源，但是对于不同覆盖度条件 需要适配不同的模型，计算过程十分复杂，而且只能获得地表浅层的土壤水分信息，导致其 应用也受到很大的限制。
[0005] 机理模型能够给出模拟对象在时间和空间上的连续演进过程，SWAP 土壤-水-大 气-植物整合模型能够模拟在不同灌溉水平下农田的土壤水分运动，并可输出相关农田水 分和ET分量，但是要求描述灌溉数据，这在大范围区域模拟中是难以准确获得的。数据同 化方法能够结合机理模型在点上、遥感观测在面上的优势，使作物土壤水分的估算精度得 以提商。
[0006] 蒸散发包括植被蒸腾和土壤蒸发，是地表水量平衡和热量平衡的重要参量，也是 土壤水分的重要指标，直接反映了地表水热平衡状态。同化区域尺度的ET，对于估算农田耗 水量和进行灌溉研究具有十分重要的价值，是提高作物土壤水分的估算的重点途径之一。 目前比较通用的同化方法是通过遗传算法最小化SEBAL模型反演的高空间分辨率ET数据 和模型模拟获得的农田ET之间的差异，最终得到全时间序列的ET数值，但高空间分辨率数 据由于受云的影响不易获取，并且其时间分辨率不能满足同化要求。
[0007] MODIS的ET产品是目前唯一能够获得的大区域ET数据产品。然而在我国华北地 区的冬小麦主产区，由于MODIS数据空间分辨率较低，混合像元效应严重，导致产品存在系 统偏低的误差，直接同化MODIS ET和LAI产品将导致更差的同化效果。而大量的野外观测 实验发现，冬小麦生育期时间序列MODIS ET和LAI产品的变化趋势与实测变化趋势十分吻 合。因此，同化MODIS ET和LAI时间序列趋势变化信息到机理模型，以克服遥感观测参数 与模型模拟之间的空间尺度不匹配问题，提高区域尺度土壤水分估测精度。
【发明内容】
[0008] (一）要解决的技术问题
[0009] 本发明要解决的技术问题是：如何对SWAP模型中的灌溉参数做准确描述，同时避 免MODIS ET和LAI数据由于混合像元效应造成的数值偏低的问题。
[0010] (二）技术方案
[0011] 为解决上述技术问题，本发明提供了一种同化蒸散发和叶面积指数的区域土壤水 分监测方法，包括以下步骤：
[0012] Sl :标定实验区作物生长模型，对遥感数据与地面参数进行几何匹配，使用地统计 空间插值法实现SWAP模型固有格式的气象、土壤、作物和控制参数在区域内各个网格单元 化，完成作物模型的空间化；
[0013] S2 :对实验区整个生育期内的MODIS ET和LAI产品按时间序列叠加，对每个栅格 单元生成时间序列曲线；
[0014] S3 :基于滤波算法，重构S2中获得的时间序列MODIS LAI曲线，以消除数据缺失和 云污染的影响；
[0015] S4 :将S2中的MODIS ET时序曲线和S3中滤波后的MODIS LAI时序曲线进行一阶 差分计算并提取出单调性信息；
[0016] S5 :在Sl进行作物模型标定的基础上，逐像素单元运行SWAP作物模型，对模拟得 到的MODIS ET和MODIS LAI时间序列进行一阶差分并提取单调性信息；
[0017] S6 :按S4和S5各自获得的MODIS ET和MODIS LAI曲线一阶差分单调性异同建立 代价函数，选择出苗日期和灌溉时间为优化参数，采用SCE-UA优化算法使得代价函数快速 收敛，最终在收敛条件被满足时，获得最优参数；
[0018] S7 :将优化后的出苗日期和灌溉时间代入作物模型，逐像素单元模拟获得土壤水 分。
[0019] 上述方法中：
[0020] 所述步骤Sl中：
[0021] 所述地统计空间插值法为反距离权重（IDW)插值法；
[0022] 所采用的作物模型为SWAP模型，采集研究区内的土壤、气象和作物参数，对遥感 影像和采集的参数进行空间位置的匹配，对于不敏感模型参数直接使用经验值，只对土壤 水分敏感，对LAI和ET时序曲线特征不敏感的模型参数使用地统计反距离权重插值法对遥 感影像的每个像素赋予参数值，形成区域化参数，完成作物模型的空间化；
[0023] 所述气象要素为日最高气温、最低气温、日照总辐射、水汽压、风速和降水；
[0024] 所述步骤S2中的MODIS ET和LAI产品为M0D16A2和MCD15A3。
[0025] 所述步骤S3中的滤波算法采用上包络线滤波算法，滤波过程按如下公式（1):
[0027] 式中，Yj+1表示原始LAI曲线上的一块窗口内的值，m为窗口的半径，N为卷积数目， 窗口的宽度为2m+l，F/表示滤波后窗口中心的LAI值，C1表示第i个LAI值的滤波系数。 [0028] 所述步骤S4或S5中所采用的一阶差分单调性计算如下公式（2):
[0030] 式中，Dif1表示时间节点i处的曲线一阶差分单调性，代表此处是否为增函数，若 为1则增长，若为-1则下降，若为0表示没有变化；jnd表示曲线上的最小可觉差别；上标 Obs表示为观测的MODIS产品曲线，上标Sim则表示SWAP模型模拟的数值曲线；ET为ET时 间序列上时间节点i处的值，对于LAI按照同样的方法进行。
[0031] 所述步骤S6中所要建立的代价函数按如下公式（3)计算：
[0033] 式中，J为代价函数的目标函数值，i为MODIS数据的观测日期。
[0034] 所述步骤S6中待优化变量为SWAP模型中的出苗日期和2个时期的灌溉时间，同 化ET和LAI时间序列的一阶差分单调性得到最优的出苗日期和2个时期的灌溉时间，代价 函数同时包含ET和LAI时间序列形如公式（3)的一阶差分单调性异同，总代价函数收敛时 得到最优参数。
[0035] 所述步骤S6中的收敛条件具有以下条件之一即可：
[0036] (1)连续5次循环后待优化模型参数值已收缩到指定的值域范围；
[0037] (2)目标函数值在5次循环后无法提高0. 1 % ;
[0038] (3)计算代价函数的次数超过1000次，
[0039] SWAP模型将按照同化获得的模型参数运行，输出土壤水分结果。
[0040] 本发明提供的方法用于监测在作物生长过程中土壤水分的变化。
[0041] (三）有益效果
[0042] 本发明所提供的同化蒸散发和叶面积指数的区域土壤水分监测方法，通过建立生 育期内冬小麦的ET和LAI时间序列曲线，采用与以往同化方法不同的策略，提取其时序曲 线的一阶差分单调性信息来构建代价函数，从而有效地避免了 MODIS产品数据由于尺度效 应造成的数值偏低的问题，并以出苗日期和灌溉时间作为优化变量，解决了 SWAP模型中灌 溉数据难以获取的问题，为大面积区域尺度土壤水分的估算提供了行之有效的办法。
[0043] 与CN201210133136. 0(公开号为CN102651096A)相比，本发明有很大的区别，具体 为：
[0044] 1)实验作物模型，本发明不需要进行参数标定；
[0045] 2)本发明使用的数据除了 MODIS LAI数据外还使用ET产品数据；
[0046] 3)本发明不需要进行曲线拟合；
[0047] 4)本发明的模型为SWAP模型，而CN102651096A的模型为WOFOST作物模型；
[0048] 5)本发明同化的不是曲线特征点而是曲线单调性信息；
[0049] 6)本发明输出的是指定深度（IOcm)的土壤含水量；
[0050] 7)按公式（6)获得遥感观测误差在三个点处的误差权重，这个步骤本发明不需要 进行。
[0051] 总结，本发明与该文献相比，所采用的模型不同，同化策略不同，优化参数不同，最 终的目的也不同，而CN102651096A中的模型只能用来估产，无法输出土壤水分。
【附图说明】
[0052] 图1 :本发明提供的同化蒸散发和叶面积指数的区域土壤水分监测方法流程图；
[0053] 图2-1和图2-2 :ET和LAI时序曲线一阶差分单调性信息提取效果示意图，其中图 2-1为ET产品的示意图，图2-2为LAI产品的示意图；
[0054] 图3-1、3_2 :实测土壤水分（称重法）与本发明监测效果验证，其中图3-1为SWAP 直接模拟（未同化），图3-2为同化MODIS ET和LAI趋势信息；
[0055] 图4 :陕西关中平原土壤水分监测示意图，上图为同化前SWAP模拟的效果，下图为 同化后的效果。
【具体实施方式】
[0056] 下面结合附图和实施例，对本发明的【具体实施方式】作进一步详细描述。以下实施 例用于说明本发明，但不用来限制本发明的范围。
[0057] 实施例1 :
[0058] 以估算陕西关中平原为例进一步阐述本发明的技术方案。本实施例的陕西关中平 原的流程如图1所示，包括：
[0059] 步骤S1，进行实验区作物模型的标定，对遥感数据与地面参数进行空间几何配准， 并完成作物模型参数区域化。
[0060] 选择陕西省的关中平原为实验区，该地区包括凤翔、岐山、扶风、眉县、杨凌、 武功等31个县，分别隶属于西安、咸阳、宝鸡、渭南和铜川五个地级市，覆盖范围为 106° 18' E-110。30' E，33° 40' N-35。28' N，如图 2-1 所示。该地气候属于温带 季风性气候，年均温6~13°C。年降水量500~800毫米，其中6~9月份占60%，多为短 时暴雨，冬春降水较少。由于气候温和，四季分明，水热条件适宜农作物的种植。获取以下 数据：根据研究区外包络范围，选取33个国家级气象站的日最高/最低气温、日照总辐射、 水汽压、风速、降水模型所需的6个气象要素；研究区内农业气象试验站采集的土壤参数和 作物参数；经纬度、高程等