[发明专利]一种基于多算法集成的全球陆表蒸散估算系统及方法

摘要

本发明属于气象水文测量技术领域，涉及一种基于多算法集成的全球陆表蒸散估算系统及方法。该方法首先利用MODIS遥感数据和MERRA再分析气象数据驱动MODIS蒸散算法模块、订正的PM遥感蒸散算法模块、Priestly‑Taylor蒸散算法模块、改进的Priestly‑Taylor蒸散算法模块、基于经验方法的蒸散算法模块，分别得出各自的蒸散量；然后根据站点实测数据样本质量由观测数据提取模块从全球通量站点观测数据提取地面蒸散观测值；最后通过贝叶斯模型方法，将提取的地面蒸散观测值和各个蒸散算法模块算出的蒸散量进行集成，形成贝叶斯模型集成模块。与现有技术相比，本发明的全球陆表蒸散估算系统及方法具有更强的稳定性，适用面更加宽广，有广阔的应用前景。

主权项

一种基于多算法集成的全球陆表蒸散估算方法，其特征在于，所述方法的具体步骤包括：1)构建MODIS蒸散算法模块：把冠层分为湿冠层和干冠层，把土壤分为水分饱和土壤和水分未饱和土壤，根据MODIS蒸散算法，计算与设计地表阻抗、空气动力学阻抗以及边界层参数；2)构建订正的PM遥感蒸散算法模块：根据传统的Penman‑Monteith蒸散算法，对温度限制因子线性变化的缺陷进行订正；3)构建Priestly‑Taylor蒸散算法模块：根据现有的Priestly‑Taylor模型，利用生态系统胁迫因子扩展Priestly‑Taylor系数，得到Priestly‑Taylor蒸散算法；4)构建改进的Priestly‑Taylor蒸散算法模块：采用表观热惯量参数化土壤水分蒸发因子修正土壤水分限制因子，得到改进的Priestly‑Taylor蒸散算法；5)构建基于经验方法的蒸散算法模块：根据经验蒸散模型算法，设计蒸散输入、输出和计算模块；6)根据站点实测数据样本质量由观测数据提取模块从全球通量站点观测数据提取地面蒸散观测值；7)利用MODIS遥感数据和MERRA再分析气象数据驱动步骤1)的MODIS蒸散算法模块、步骤2)订正的PM遥感蒸散算法模块、步骤3)Priestly‑Taylor蒸散算法模块、步骤4)改进的Priestly‑Taylor蒸散算法模块、步骤5)基于经验方法的蒸散算法模块，分别得出各自的蒸散量；8)通过贝叶斯模型方法，将步骤6)提取的地面蒸散观测值和步骤7)的各个蒸散算法模块算出的蒸散量进行集成，形成贝叶斯模型集成模块；所述步骤1)中MODIS蒸散算法为：LE＝LEwet_c+LEtrans+LEsoilLEwet_c=[Δ×Rnc+ρ×Cp×VPD×Fc/rhrc]×FwetΔ+Pa×Cp×rvcλ×ϵ×rhrc]]>LEtrans=[Δ×Rnc+ρ×Cp×VPD×Fc/ra]×(1-Fwet)Δ+γ×(1+rs/ra)]]>LEwet_soil=[Δ×Rns+ρ×Cp×VPD×(1-Fc)/ras]×FwetΔ+γ×rtot/ras]]>LEsoil_pot=[Δ×Rns+ρ×Cp×VPD×(1-Fc)/ras]×(1-Fwet)Δ+γ×rtot/ras]]>LEsoil=LEwet_soil+LEsoil_pot×(RH100)VPD/β]]>式中，LE为陆表蒸散，LEwet_c为湿冠层蒸发过程产生的蒸发，LEtrans为植被冠层蒸腾过程产生的蒸腾，LEwet_soil为饱和土壤水分蒸发产生的蒸发，LEsoil_pot为未饱和土壤潜在蒸发产生的蒸发，LEsoil为土壤蒸发，Δ为饱和水汽压与温度曲线的斜率，γ为干湿球常数，VPD为空气的饱和水气压与实际水汽压差，RH为相对湿度，ra为空气动力学阻抗，rs为地表阻抗，Fc为植被覆盖度，Fwet为湿度覆盖面积，ρ为空气密度，Cp为空气的比热容，Rnc为植被冠层所占的净辐射能量，rhrc为冠层对应部分空气动力学阻抗，rvc为地表热传输阻抗，Pa为大气压，Rns为地表土壤所占的净辐射能量，rtot为整个空气动力学阻抗，ras为部分空气动力学阻抗，β，λ和ε为系数；所述步骤2)中温度限制因子订正方法为：mT=exp[-(Ta-ToptTopt)2]]]>式中，mT为温度限制因子，Ta为空气温度，Topt为植被生长最适宜温度，设为25℃；所述步骤3)中Priestly‑Taylor蒸散算法为：LEtrans=(1-fwet)fgfTfMαΔΔ+γRnc]]>LEsoil=[fwet+fSM(1-fwet)]αΔΔ+γ(Rns-G)]]>LEwet_c=fwetαΔΔ+γRnc]]>式中，fwet为相对地表湿度，RH为相对湿度，fwet＝RH4，fg为绿色冠层覆盖度，fT为植被温度限制因子，fM为植被水分限制因子，fSM为土壤水分限制因子，G为土壤热通量；所述步骤4)中土壤水分限制因子为：fSM=(1DT)DT/DTmax]]>式中，DT为空气昼夜温差，DTmax为最大昼夜温差，取40℃；所述步骤5)中基于经验方法的蒸散算法为：LE＝Rn(a0+a1NDVI+a2Ta+a3DTaR)式中，DTaR为日昼夜温差，NDVI为归一化植被指数，a0，a1，a2和a3为经验系数；所述步骤8)中贝叶斯模型集成模块计算公式为：p(r|f1,f2,...,fK)=Σk=1Kp(r|fk)p(fk|rt)]]>式中，r表示需要估算的蒸散，在某一时刻的该蒸散的观测值为rt，模型集合K，即{f1,f2,…,fk}，为估算r的所有单个模型的集合，p(r|fk)是单个模型fk估算蒸散r的概率密度函数，p(fk|rt)是单个模型fk的后验概率，能够反应单个模型fk与观测数据符合的程度；所述步骤8)中，贝叶斯模型集成模块得到的估算值的概率密度函数p(r|f1,f2,…,fk)就是单个模型概率密度函数的加权平均，所有单个模型的后验概率之和为1，即这样，把每个模型的后验概率看作是权重wk；假设p(r|fk)为高斯分布，为该高斯分布的平均值，σ2K为方差，用参数和g(·)表示相关的高斯分布为：p(r|fk)＝g(r|θk)p(r|f1,f2,...fK)=Σk=1Kwkg(r|θk)]]>得到的估计值为r的条件期望，用期望‑最大算法对代价函数进行优化得到权重wk；所述步骤1)通过植被覆盖度Fc来区分植被和土壤分配的全球陆表可利用能量，利用MODIS遥感数据中植被吸收的光合有效辐射比例FPAR产品确定Fc；所述步骤2)订正的PM遥感蒸散算法中，统一的水分限制因子VPD的最大值定为2.79KPa；所述步骤3)Priestly‑Taylor蒸散算法中的Rns用地表净辐射Rn和叶面积指数LAI计算，具体为Rns＝Rnexp(－kLAI)，k为经验系数；所述步骤4)改进的Priestly‑Taylor蒸散算法的土壤水分限制因子中，DT是通过日昼夜温差计算得到或通过地面温度计算得到；所述步骤5)中经验系数a0，a1，a2，和a3是利用全球通量站点观测数据作为训练数据回归得到的；所述步骤6)的观测数据提取模块中，站点实测数据样本质量是通过质量标识判断而得到的；所述步骤7)从MODIS遥感数据中选取叶面积指数、植被指数，从MERRA再分析气象数据中选取基本气象参数，包括温度、相对湿度，驱动各个算法模块计算得出各自的蒸散量。