基于 SEBAL 模型的河套灌区永济灌域蒸散发估算及其变化特征_李彦彬_2023

本文主要是介绍基于 SEBAL 模型的河套灌区永济灌域蒸散发估算及其变化特征_李彦彬_2023,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

基于 SEBAL 模型的河套灌区永济灌域蒸散发估算及其变化特征_李彦彬_2023

  • 摘要
    • 关键词
  • 1 数据
    • 1.1 研究区概况
    • 1.2 数据来源
  • 2 研究方法
    • 2.1 SEBAL 模型原理
    • 2.2 FAO P-M 公式
    • 2.3 模型精度评价
  • 3 结果分析
    • 3.2 日蒸散反演结果及变化
    • 3.3 不同土地利用类型蒸散特征分析
  • 4 结论与讨论

在这里插入图片描述

摘要

  为探索基于遥感技术建立快捷估算区域蒸散发的方法,选取河套灌区永济灌域为研究区,利用Landsat 遥感影像和土地利用分类结果,基于 SEBAL 模型,对永济灌域 2019 年生长季的日蒸散量进行估算,分析研究区蒸散发时空变化特征以及不同土地类型蒸散发的差异。结果表明:
  ①SEBAL 模型估算结果与 FAO P-M 公式相比,决定系数 R2为 0.94,均方根误差 RMSE 为 0.43 mm/d,相对误差 MRE 为 8.62%,模型反演精度较高,可以为研究区提供合理的蒸散发估算;
  ②永济灌域生长季内日均蒸散量呈单峰变化趋势,最大值为 7 月的 4.56 mm/d,最小值为 10 月的 1.87 mm/d,并存在明显的空间分布差异。
  ③不同土地利用类型的日蒸散量大小依次为:水体>耕地>城乡用地>草地>荒地。基于 SEBAL 模型估算区域的蒸散量,可为灌区水资源的节约利用提供参考。

关键词

蒸散发;SEBAL 模型;土地利用;永济灌域

1 数据

1.1 研究区概况

  以内蒙古河套灌区永济灌域为研究区,永济灌域地形较为平缓,地势呈现西南高、东北低的特点,见图 1。
在这里插入图片描述

1.2 数据来源

1.2.1 遥感数据及预处理
  本文采用分辨率为 30 m,过境周期为 16 d 的 Landsat8 OIL/TIRS 及 Landsat7 ETM+遥感影像,数据获取于 USGS 官方(https://earthexplorer.usgs.gov/)。选取 2019 年 4—10 月共 7 期质量良好(晴空或少量云覆盖)的遥感影像作为反演对象,根据研究区控制面积,需要影像轨道号为 129-31 和 129-32的两景影像镶嵌得到,见表 1。
在这里插入图片描述
1.2.2 DEM 数据
  数字高程数据 DEM 来自地理空间数据云网站(http://www.gscloud.cn/),选取分辨率为 30 m 的 ASTER GDEM V2 全球数字高程数据。根据研究区跨度,在 ArcGIS 中将两幅 DEM 数据拼接在一起,并利用矢量文件裁剪出研究区高程影像。
1.2.3 气象数据
  本文的气象数据均在中国数据气象网(http://data.cma.cn)下载。收集研究区临河气象站点 2019 年 4—10 月的气象数据,包括最高气温、最低气温、平均气温、平均风速、相对湿度和日照时数,见表 2。
在这里插入图片描述
1.2.4 土地利用数据
  土地利用数据来源于武汉大学团队制作的 2019 年中国土地覆盖 30 m 分辨率数据集,总体分类精度为 79.31%。结合永济灌域的实际情况,将土地利用类型分为五类,即耕地、草地、水体、荒地、城乡用地。

2 研究方法

2.1 SEBAL 模型原理

  SEBAL(surface energy balance algorithm for land)模型是 1 种基于能量平衡的遥感蒸散发模型。该模型利用遥感数据和少量气象数据估算出净辐射通量、土壤热通量和显热通量,将潜热通量作为能量平衡的余项求出,计算见式(1)。

2.1.1 地表净辐射通量
  地表净辐射通量是单位面积内的入射辐射能量与出辐射能量的差值,代表着地表可用的实际辐射能量,见式(2)—(5)。
在这里插入图片描述
2.1.2 土壤热通量
  土壤热通量是指由于传导作用而储存在土壤和植被中的那部分能量,是 1 个相对较小的量,由式(6)计算得到。
在这里插入图片描述
2.1.3 感热通量
  感热通量是指由于对流和传导作用而从地球表面散失到大气中的能量,表征下垫面与大气间湍流形式的热交换,见式(7)—(11)。
在这里插入图片描述
2.1.4 日蒸散发
  以上通量均为卫星过境时刻的瞬时能量通量,而研究要用到每日蒸散发,因此采用蒸发比不变法将瞬时蒸散发量转换为日蒸散发量,见式(12)—(14)。
在这里插入图片描述

2.2 FAO P-M 公式

  P-M 公式是根据能量平衡与水分输送原理研究非饱和下垫面蒸散发的方法[19],被认为是世界上应用最为广泛、精度较高的公式之一,后经联合国粮农组织(FAO)修改验证,发展为广泛使用的 FAO P-M 公式,计算公式见式(15)—(16)。
在这里插入图片描述

2.3 模型精度评价

  如图 2 所示,为评价 SEBAL 模型反演 ET 的精度,选取决定系数(R2),均方根误差(RMSE)和相对误差(MRE)这 3 个指标对模型反演结果进行分析,计算过程见式(17—19)所示。

在这里插入图片描述

3 结果分析

3.1 SEBAL 模型精度验证
在这里插入图片描述

  如图 3 所示,SEBAL 模型估算结果与 FAO P-M 公式计算结果比较:R2为 0.94,说明二者之间具有较好的相关性和变化趋势;RMSE 为 0.43 mm/d,MRE 为 8.62%,表明模型估算值与 FAO P-M 计算值接近,SEBAL 模型的估算结果可信。基于上述验证结果,可以说明 SEBAL 模型具有良好的反演精度,模型在永济灌域的适应性和稳定性较好。

3.2 日蒸散反演结果及变化

  选取 2019 年 4 月 21 日、5 月 15 日、6 月 8 日、7 月 10 日、8 月 27 日、9 月 20 日、10 月 6 日永济灌域作物生长季内晴空或云量较少的 Landsat 影像,分析永济灌域 2019 年生长季日蒸散估算结果,见图 4。
在这里插入图片描述
  如图 5 所示,统计了 SEBAL 模型反演的日均蒸散量。总的来说,研究区生长季日均蒸散量呈现先增加后减少的变化趋势,最大值出现在 7 月,最小值出现在 10 月,生长季日均蒸散量在 1.87~4.56 mm 内变化,存在明显的时间分布差异。
在这里插入图片描述

3.3 不同土地利用类型蒸散特征分析

  根据研究区土地利用和覆盖特点将研究区地形分为耕地、草地、水体、荒地和城乡用地 5 种类型,见图 6。
在这里插入图片描述

  从表 3 和图 7 中可以看出,各土地利用类型的日均蒸散量,在时间上都是先升高而后逐渐降低,呈单峰型分布。水体的日均蒸散量最大,其次是耕地,草地和城乡用地比较接近,荒地的日均蒸散量最小,不同土地利用类型的蒸散量存在较大差异。
在这里插入图片描述
在这里插入图片描述

4 结论与讨论

  将 SEBAL 模型应用于干旱区的永济灌域,评估其日尺度 ET 估算的准确性和适用性,分析研究区生长季蒸散发的时空变化特征。主要结论如下。
  a)在日尺度上,SEBAL 模型估算 ET 与 FAO P-M 公式计算结果一致,决定系数 R
2 为 0.94,均方根误差 RMSE 为 0.43 mm/d,相对误差 MRE 为 8.62%。说明可以利用 SEBAL 模型和 Landsat 数据对永济灌域的 ET 分布进行估计。
  b)从蒸散量的时间特征来看,研究区日均蒸散量在 4 月开始逐渐增加,到 7 月日均蒸散量达到最大,为 4.56 mm/d。8—10 月逐渐减少,10 月日均蒸散量最小,为 1.87 mm/d,蒸散量变化总体呈现单峰型分布。
  c)蒸散量受土地利用类型的影响很大,呈现出明显的差异性,不同土地利用类型生长季蒸散量大小依次为水体>耕地>城乡用地>草地>荒地。

这篇关于基于 SEBAL 模型的河套灌区永济灌域蒸散发估算及其变化特征_李彦彬_2023的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/726554

相关文章

Java的IO模型、Netty原理解析

《Java的IO模型、Netty原理解析》Java的I/O是以流的方式进行数据输入输出的,Java的类库涉及很多领域的IO内容:标准的输入输出,文件的操作、网络上的数据传输流、字符串流、对象流等,这篇... 目录1.什么是IO2.同步与异步、阻塞与非阻塞3.三种IO模型BIO(blocking I/O)NI

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

SpringBoot快速接入OpenAI大模型的方法(JDK8)

《SpringBoot快速接入OpenAI大模型的方法(JDK8)》本文介绍了如何使用AI4J快速接入OpenAI大模型,并展示了如何实现流式与非流式的输出,以及对函数调用的使用,AI4J支持JDK8... 目录使用AI4J快速接入OpenAI大模型介绍AI4J-github快速使用创建SpringBoot

0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型的操作流程

《0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeekR1模型的操作流程》DeepSeekR1模型凭借其强大的自然语言处理能力,在未来具有广阔的应用前景,有望在多个领域发... 目录0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型,3步搞定一个应

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll

Spring AI Alibaba接入大模型时的依赖问题小结

《SpringAIAlibaba接入大模型时的依赖问题小结》文章介绍了如何在pom.xml文件中配置SpringAIAlibaba依赖,并提供了一个示例pom.xml文件,同时,建议将Maven仓... 目录(一)pom.XML文件:(二)application.yml配置文件(一)pom.xml文件:首

如何在本地部署 DeepSeek Janus Pro 文生图大模型

《如何在本地部署DeepSeekJanusPro文生图大模型》DeepSeekJanusPro模型在本地成功部署,支持图片理解和文生图功能,通过Gradio界面进行交互,展示了其强大的多模态处... 目录什么是 Janus Pro1. 安装 conda2. 创建 python 虚拟环境3. 克隆 janus

本地私有化部署DeepSeek模型的详细教程

《本地私有化部署DeepSeek模型的详细教程》DeepSeek模型是一种强大的语言模型,本地私有化部署可以让用户在自己的环境中安全、高效地使用该模型,避免数据传输到外部带来的安全风险,同时也能根据自... 目录一、引言二、环境准备(一)硬件要求(二)软件要求(三)创建虚拟环境三、安装依赖库四、获取 Dee

DeepSeek模型本地部署的详细教程

《DeepSeek模型本地部署的详细教程》DeepSeek作为一款开源且性能强大的大语言模型,提供了灵活的本地部署方案,让用户能够在本地环境中高效运行模型,同时保护数据隐私,在本地成功部署DeepSe... 目录一、环境准备(一)硬件需求(二)软件依赖二、安装Ollama三、下载并部署DeepSeek模型选