A Review of Global Terrestrial Evapotranspiration: Observation, Modeling, Climatology, and Climatic Variability
2
2012
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
... 水量平衡理论测算流域年平均蒸散发时(式(1)),降水、径流均为实际观测值,尽管忽略了流域水储量变化,考虑到黄土高原流域水储量变化较小[47],水量平衡测算的蒸散发误差可忽略.鉴于对比验证是基于流域尺度的平均值,本文认为各产品不同的空间分辨率不影响区域平均数值的相互比较,但各产品在反演过程中使用不同空间分辨率的输入数据,是引起蒸散发空间分布差异的主要原因之一.尤其在蒸散发值超过500 mm的高值区,各产品明显低估,可能与各产品反演时低估森林植被、耕地等区域的蒸散发有关.此外,不同蒸散发反演方法差异,如模型原理及其假设、模型结构引起的蒸散发反演误差[1-2,29],亦是引起各产品差异的主要原因,如P-M公式(图2(c)、2(e))与地表能量平衡方程(图2(f))在黄土高原、青藏高原反演数值差异.甚至同类方法中个别变量参数化方法差异,都能引起蒸散发反演差异,如PLSH和MOD16均采用P-M公式,两种算法之间仅有植被冠层阻抗参数化方法不一样[31],但图2(c)、2(e)却显示两种产品具有明显差别. ...
A Review of Remote Sensing based Actual Evapotranspiration Estimation
1
2016
... 水量平衡理论测算流域年平均蒸散发时(式(1)),降水、径流均为实际观测值,尽管忽略了流域水储量变化,考虑到黄土高原流域水储量变化较小[47],水量平衡测算的蒸散发误差可忽略.鉴于对比验证是基于流域尺度的平均值,本文认为各产品不同的空间分辨率不影响区域平均数值的相互比较,但各产品在反演过程中使用不同空间分辨率的输入数据,是引起蒸散发空间分布差异的主要原因之一.尤其在蒸散发值超过500 mm的高值区,各产品明显低估,可能与各产品反演时低估森林植被、耕地等区域的蒸散发有关.此外,不同蒸散发反演方法差异,如模型原理及其假设、模型结构引起的蒸散发反演误差[1-2,29],亦是引起各产品差异的主要原因,如P-M公式(图2(c)、2(e))与地表能量平衡方程(图2(f))在黄土高原、青藏高原反演数值差异.甚至同类方法中个别变量参数化方法差异,都能引起蒸散发反演差异,如PLSH和MOD16均采用P-M公式,两种算法之间仅有植被冠层阻抗参数化方法不一样[31],但图2(c)、2(e)却显示两种产品具有明显差别. ...
近70年来中国自然地理与生存环境基础研究的重要进展与展望
0
2019
近70年来中国自然地理与生存环境基础研究的重要进展与展望
0
2019
最大熵增地表蒸散模型:原理及应用综述
1
2019
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
最大熵增地表蒸散模型:原理及应用综述
1
2019
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
Wheat Canopy Temperature: A Practical Tool for Evaluating Water Requirements
1
1997
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
112 (D
1
15107
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
The FLUXCOM Ensemble of Global Land-Atmosphere Energy Fluxes
3
2019
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
... 0.08°
逐月 | 全球 | 1982~2016 | [8,30] | PLSH | 0.08°、1° | 逐月 | 全球 | 1982~2013 | [31-32] |
PML | 0.05° | 8 d | 全球 | 2002~2017 | [33] |
SSEBop | 0.01° | 逐月 | 全球 | 2003~2018 | [34] |
注:表中各产品全称如下: ...
... (1)MTE.该数据集由德国马普学会生物地球化学研究所Jung等[8,37]研发,以全球通量站点观测数据为基础,结合MODIS数据和气象数据,利用机器学习将站点数据尺度上推至全球尺度. ...
Evaluating Different Machine Learning Methods for Upscaling Evapotranspiration from Flux Towers to the Regional Scale
1
2018
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
Evaporation and Environment
1
1965
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
On the Assessment of Surface Heat Flux and Evaporation Using Large-Scale Parameters
1
1972
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
A Satellite-based Hybrid Algorithm to Determine the Priestley-taylor Parameter for Global Terrestrial Latent Heat Flux Estimation across Multiple Biomes
2
2015
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
... 逐月
全球 | 2000~2015 | [23-24] | GLASS | 0.05° | 逐日 | 全球 | 2002~2015 | [12,25-26] |
GLEAM | 0.25° | 逐日 | 全球 | 1980~2018 | [27-28] |
MOD16 | 0.01° | 8 d | 全球 | 2000~2017 | [29] |
MTE | 0.5°、 ...
A Generalized Complementary Principle with Physical Constraints for Land-Surface Evaporation
1
2015
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
Complementary-relationship-based Modeling of Terrestrial Evapotranspiration across China during 1982~2012: Validations and Spatiotemporal Analyses
2
2019
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
... (6)ET_CR.该数据集由中国科学院青藏高原研究所马宁等[14]研发,基于MODIS等多源遥感数据、再分析气象数据与蒸散发互补方法反演获得. ...
A Remote Sensing Surface Energy Balance Algorithm for Land (SEBAL) 1. Formulation
1
1998
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
the Surface Energy Balance System (SEBS) for Estimation of The Turbulent Heat Fluxes
1
2002
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
An Overview of The Triangle Method for Estimating Surface Evapotranspiration and Soil Moisture from Satellite Imagery
1
2007
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
Utility of Assimilating Surface Radiometric Temperature Observations for Evaporative Fraction and Heat Transfer Coefficient Retrieval
1
2005
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
Mapping Evaporation and Estimation of Surface Control of Evaporation Using Remotely Sensed Land Surface Temperature from a Constellation of Satellites
0
2013
Estimation of Surface Turbulent Heat Fluxes via Variational Assimilation of Sequences of Land Surface Temperatures from Geostationary Operational Environmental Satellites
0
2014
Mapping Regional Turbulent Heat Fluxes via Variational Assimilation of Land Surface Temperature Data from Polar Orbiting Satellites
1
2019
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
基于热红外遥感的农田蒸散估算方法研究综述
1
2012
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
基于热红外遥感的农田蒸散估算方法研究综述
1
2012
... 陆地蒸散发(Evapotranspiration/ET)包括植被蒸腾(Vegetation Transpiration/T)、土壤蒸发(Soil Evaporation/E)、植被冠层截留蒸发和水面蒸发,是土壤—植被—大气连续体中联系水分与能量交换及碳循环的关键纽带.蒸散发的精确测算一直是地球系统和全球变化等领域的薄弱环节与难点[1-5].遥感与计算机的发展,使空间大尺度蒸散发的估算成为可能.目前,蒸散发遥感反演方法大致可分为6类:经验法(如基于统计关系[6-7]、基于机器学习[8-9])、微气象理论法(如Penman-Monteith公式[10]和Priestley-Taylor公式[11-12])、蒸发互补理论[13-14]、能量平衡余项法(如SEBAL[15]、SEBS[16])、地表温度—植被指数空间法[17]、数据同化法[18-21].根据土壤、植被对冠层总能量的贡献,各类方法还可细分为单层模型(不区分土壤、植被组分的贡献,仅能反演ET)和双层模型(区分组分贡献,能反演ET及其T、E组分)[22]. ...
Multi-scale Evaluation of Global Gross Primary Productivity and Evapotranspiration Products derived from Breathing Earth System Simulator (BESS)
1
2016
| 全球 | 2000~2015 | [23-24] |
GLASS | 0.05° | 逐日 | 全球 | 2002~2015 | [12,25-26] |
GLEAM | 0.25° | 逐日 | 全球 | 1980~2018 | [27-28] |
MOD16 | 0.01° | 8 d | 全球 | 2000~2017 | [29] |
MTE | 0.5°、 ...
Integration of MODIS Land and Atmosphere Products With A Coupled-Process Model To Estimate Gross Primary Productivity and Evapotranspiration from 1 km to Global Scales
1
2011
| 全球 | 2000~2015 | [23-24] |
GLASS | 0.05° | 逐日 | 全球 | 2002~2015 | [12,25-26] |
GLEAM | 0.25° | 逐日 | 全球 | 1980~2018 | [27-28] |
MOD16 | 0.01° | 8 d | 全球 | 2000~2017 | [29] |
MTE | 0.5°、 ...
MODIS-driven Estimation of Terrestrial Latent Heat Flux in China based on a Modified Priestley-taylor Algorithm
1
2013
| 全球 | 2000~2015 | [23-24] |
GLASS | 0.05° | 逐日 | 全球 | 2002~2015 | [12,25-26] |
GLEAM | 0.25° | 逐日 | 全球 | 1980~2018 | [27-28] |
MOD16 | 0.01° | 8 d | 全球 | 2000~2017 | [29] |
MTE | 0.5°、 ...
Bayesian Multi-model Estimation of Global Terrestrial Latent Heat Flux from Eddy Covariance, Meteorological, and Satellite Observations
1
2014
| 全球 | 2000~2015 | [23-24] |
GLASS | 0.05° | 逐日 | 全球 | 2002~2015 | [12,25-26] |
GLEAM | 0.25° | 逐日 | 全球 | 1980~2018 | [27-28] |
MOD16 | 0.01° | 8 d | 全球 | 2000~2017 | [29] |
MTE | 0.5°、 ...
Global Land-Surface Evaporation Estimated from Satellite-based Observations
2
2011
| 全球 | 2000~2015 | [23-24] |
GLASS | 0.05° | 逐日 | 全球 | 2002~2015 | [12,25-26] |
GLEAM | 0.25° | 逐日 | 全球 | 1980~2018 | [27-28] |
MOD16 | 0.01° | 8 d | 全球 | 2000~2017 | [29] |
MTE | 0.5°、 ...
... (4)GLEAM.该数据集由英国布里斯托大学的Miralles等[27-28]研发,基于多源遥感数据、再分析气象数据与改进的Priestley-Taylor(P-T)公式反演获得. ...
GLEAM v3: Satellite-based Land Evaporation and Root-zone Soil Moisture
2
2017
| 全球 | 2000~2015 | [23-24] |
GLASS | 0.05° | 逐日 | 全球 | 2002~2015 | [12,25-26] |
GLEAM | 0.25° | 逐日 | 全球 | 1980~2018 | [27-28] |
MOD16 | 0.01° | 8 d | 全球 | 2000~2017 | [29] |
MTE | 0.5°、 ...
... (4)GLEAM.该数据集由英国布里斯托大学的Miralles等[27-28]研发,基于多源遥感数据、再分析气象数据与改进的Priestley-Taylor(P-T)公式反演获得. ...
Improvements to a MODIS Global Terrestrial Evapotranspiration Algorithm
4
2011
| 全球 | 2000~2015 | [23-24] |
GLASS | 0.05° | 逐日 | 全球 | 2002~2015 | [12,25-26] |
GLEAM | 0.25° | 逐日 | 全球 | 1980~2018 | [27-28] |
MOD16 | 0.01° | 8 d | 全球 | 2000~2017 | [29] |
MTE | 0.5°、 ...
... (2)MOD16.该数据集由美国蒙大拿大学陆地数值模拟研究中心的Mu等[29,44]研发,基于MODIS遥感数据、再分析气象数据与改进的P-M公式反演获得. ...
... 水量平衡理论测算流域年平均蒸散发时(式(1)),降水、径流均为实际观测值,尽管忽略了流域水储量变化,考虑到黄土高原流域水储量变化较小[47],水量平衡测算的蒸散发误差可忽略.鉴于对比验证是基于流域尺度的平均值,本文认为各产品不同的空间分辨率不影响区域平均数值的相互比较,但各产品在反演过程中使用不同空间分辨率的输入数据,是引起蒸散发空间分布差异的主要原因之一.尤其在蒸散发值超过500 mm的高值区,各产品明显低估,可能与各产品反演时低估森林植被、耕地等区域的蒸散发有关.此外,不同蒸散发反演方法差异,如模型原理及其假设、模型结构引起的蒸散发反演误差[1-2,29],亦是引起各产品差异的主要原因,如P-M公式(图2(c)、2(e))与地表能量平衡方程(图2(f))在黄土高原、青藏高原反演数值差异.甚至同类方法中个别变量参数化方法差异,都能引起蒸散发反演差异,如PLSH和MOD16均采用P-M公式,两种算法之间仅有植被冠层阻抗参数化方法不一样[31],但图2(c)、2(e)却显示两种产品具有明显差别. ...
... (2)掌握产品的反演算法、反演数据源等.通过分析反演算法可掌握其优势与局限性;了解产品反演时输入数据的来源、精度等特征,同样有助于理解误差来源与产品的反演精度等.如3.3节分析了MTE产品在黄土高原蒸散发反演不确定性大的原因,即机器学习在训练时可利用的地面观测数据少、构建的模型代表性不高,引起蒸散发的统计趋势与其他产品不一致.再如,图2(e)中MOD16在干旱的荒漠或植被稀疏区域未提供蒸散发数值,经分析该产品反演算法可知,因P-M公式局限性,植被稀疏区域的蒸散发反演误差大,均假设为零、未反演[29].但观测数据表明植被稀疏区域蒸散发量不为零[57-58],更容易理解MOD16产品在中国干旱、半干旱地区误差较大的原因[56,59-60]. ...
Predicting Carbon Dioxide and Energy Fluxes across Global Fluxnet Sites with Regression Algorithms
2
2016
| 逐月 | 全球 | 1982~2016 | [8,30] |
PLSH | 0.08°、1° | 逐月 | 全球 | 1982~2013 | [31-32] |
PML | 0.05° | 8 d | 全球 | 2002~2017 | [33] |
SSEBop | 0.01° | 逐月 | 全球 | 2003~2018 | [34] |
注:表中各产品全称如下: ...
... 相比之下,MTE、ET_CR两种产品统计结果呈现下降趋势(图4(b)、4(c)),其原因值得探索.以反演误差最小的MTE为例,图3(g)、图4(a)均显示MTE的蒸散发数值波动小(最大仅相差58 mm),但图3(a)的验证显示MTE反演误差平均为72 mm,图4(b)中自1980年以来的小幅度下降(斜率仅为 -0.39),可能是反演误差导致.因为从产品算法角度而言,MTE是基于机器学习算法反演,即利用机器学习建立蒸散发与其他模型输入的函数关系.建模过程需要训练样本(蒸散发与其他输入因子的通量塔观测数据),模型代表性与精度必然依赖训练样本.经分析,该产品反演时使用的中国通量数据来源于13个观测站[30],除3个湿地站在南方外,其他站点均在北方,但西北地区仅有3个站.中国陆地生态系统通量观测研究网络(ChinaFLUX)2002年才建成,20世纪80、90年代通量观测数据缺失概率非常高,机器学习在无训练样本时采用其他时段或其他区域的经验关系,可能会引起反演误差,不适用于黄土高原,该版本的MTE产品在中国的精度有待深入检验.此外,从图4(c)看,2003~2013年间MTE的下降趋势并不显著.若从退耕还林还草政策实施的1999年开始统计,基于MTE产品的黄土高原蒸散发呈微弱的增加趋势(斜率为0.21,但不显著,图4(d)).可见,趋势分析中时间段的起始对分析结果亦有较大影响. ...
A Continuous Satellite-derived Global Record of Land Surface Evapotranspiration from 1983~2006
4
2010
... 0.08°
逐月 | 全球 | 1982~2016 | [8,30] | PLSH | 0.08°、1° | 逐月 | 全球 | 1982~2013 | [31-32] |
PML | 0.05° | 8 d | 全球 | 2002~2017 | [33] |
SSEBop | 0.01° | 逐月 | 全球 | 2003~2018 | [34] |
注:表中各产品全称如下: ...
... (3)PLSH.该数据集由河海大学张珂等[31-32]在美国蒙大拿大学陆地数值模拟研究中心研发,基于AVHRR遥感数据、再分析气象数据与改进的P-M公式反演获得.PLSH与MOD16最大的差别在于两种算法对植被冠层阻抗参数化方式不一样[31]. ...
... [31]. ...
... 水量平衡理论测算流域年平均蒸散发时(式(1)),降水、径流均为实际观测值,尽管忽略了流域水储量变化,考虑到黄土高原流域水储量变化较小[47],水量平衡测算的蒸散发误差可忽略.鉴于对比验证是基于流域尺度的平均值,本文认为各产品不同的空间分辨率不影响区域平均数值的相互比较,但各产品在反演过程中使用不同空间分辨率的输入数据,是引起蒸散发空间分布差异的主要原因之一.尤其在蒸散发值超过500 mm的高值区,各产品明显低估,可能与各产品反演时低估森林植被、耕地等区域的蒸散发有关.此外,不同蒸散发反演方法差异,如模型原理及其假设、模型结构引起的蒸散发反演误差[1-2,29],亦是引起各产品差异的主要原因,如P-M公式(图2(c)、2(e))与地表能量平衡方程(图2(f))在黄土高原、青藏高原反演数值差异.甚至同类方法中个别变量参数化方法差异,都能引起蒸散发反演差异,如PLSH和MOD16均采用P-M公式,两种算法之间仅有植被冠层阻抗参数化方法不一样[31],但图2(c)、2(e)却显示两种产品具有明显差别. ...
Vegetation Greening and Climate Change Promote Multidecadal Rises of Global Land Evapotranspiration
3
2015
... 在多种反演算法与多源遥感数据支持下,形成了不同的遥感蒸散发产品,覆盖不同区域乃至全球.时间跨度相对较长、且可免费获取的全球典型产品有GLEAM、MOD16、MTE、SSEBop等(表1),其中GLEAM不仅提供ET产品,还提供土壤蒸发、植被蒸腾等组分产品.这些蒸散发遥感产品均与地面涡度通量站观测数据或流域水量平衡测算数据进行了对比验证[35],平均相对误差在5%~35%之间[36],极大地推动了全球水热领域研究,加深了对水文循环与环境演变过程和机理的认识[32,37-38].但是,蒸散发反演理论涉及水文学与遥感科学,不同遥感产品的反演方法与产品特征(如不同时空分辨率)差异大,对初涉该领域的用户或不具备遥感反演理论与方法的用户,不仅难以选择合适产品,且无视数据物理含义、简单拿来主义式的应用可能导致不合理的分析结果、使遥感数据备受质疑[39],影响深入研究科学问题. ...
... 0.08°
逐月 | 全球 | 1982~2016 | [8,30] | PLSH | 0.08°、1° | 逐月 | 全球 | 1982~2013 | [31-32] |
PML | 0.05° | 8 d | 全球 | 2002~2017 | [33] |
SSEBop | 0.01° | 逐月 | 全球 | 2003~2018 | [34] |
注:表中各产品全称如下: ...
... (3)PLSH.该数据集由河海大学张珂等[31-32]在美国蒙大拿大学陆地数值模拟研究中心研发,基于AVHRR遥感数据、再分析气象数据与改进的P-M公式反演获得.PLSH与MOD16最大的差别在于两种算法对植被冠层阻抗参数化方式不一样[31]. ...
Coupled Estimation of 500 m and 8-Day Resolution Global Evapotranspiration and Gross Primary Production in 2002~2017
1
2019
... 0.08°
逐月 | 全球 | 1982~2016 | [8,30] | PLSH | 0.08°、1° | 逐月 | 全球 | 1982~2013 | [31-32] |
PML | 0.05° | 8 d | 全球 | 2002~2017 | [33] |
SSEBop | 0.01° | 逐月 | 全球 | 2003~2018 | [34] |
注:表中各产品全称如下: ...
Operational Evapotranspiration Mapping Using Remote Sensing and Weather Datasets: A New Parameterization for the SSEB Approach
2
2013
... 0.08°
逐月 | 全球 | 1982~2016 | [8,30] | PLSH | 0.08°、1° | 逐月 | 全球 | 1982~2013 | [31-32] |
PML | 0.05° | 8 d | 全球 | 2002~2017 | [33] |
SSEBop | 0.01° | 逐月 | 全球 | 2003~2018 | [34] |
注:表中各产品全称如下: ...
... (5)SSEBop.该数据集由美国地质调查局的Senay等[34-45]研发,基于MODIS遥感数据、再分析气象数据与简化的地表能量平衡方程反演获得. ...
Stand-alone Uncertainty Characterization of Gleam, GLDAS and Mod16 Evapotranspiration Products Using an Extended Triple Collocation Approach
1
2018
... 在多种反演算法与多源遥感数据支持下,形成了不同的遥感蒸散发产品,覆盖不同区域乃至全球.时间跨度相对较长、且可免费获取的全球典型产品有GLEAM、MOD16、MTE、SSEBop等(表1),其中GLEAM不仅提供ET产品,还提供土壤蒸发、植被蒸腾等组分产品.这些蒸散发遥感产品均与地面涡度通量站观测数据或流域水量平衡测算数据进行了对比验证[35],平均相对误差在5%~35%之间[36],极大地推动了全球水热领域研究,加深了对水文循环与环境演变过程和机理的认识[32,37-38].但是,蒸散发反演理论涉及水文学与遥感科学,不同遥感产品的反演方法与产品特征(如不同时空分辨率)差异大,对初涉该领域的用户或不具备遥感反演理论与方法的用户,不仅难以选择合适产品,且无视数据物理含义、简单拿来主义式的应用可能导致不合理的分析结果、使遥感数据备受质疑[39],影响深入研究科学问题. ...
Evaluation of Twelve Evapotranspiration Products from Machine Learning, Remote Sensing and Land Surface Models over Conterminous United States
2
2019
... 在多种反演算法与多源遥感数据支持下,形成了不同的遥感蒸散发产品,覆盖不同区域乃至全球.时间跨度相对较长、且可免费获取的全球典型产品有GLEAM、MOD16、MTE、SSEBop等(表1),其中GLEAM不仅提供ET产品,还提供土壤蒸发、植被蒸腾等组分产品.这些蒸散发遥感产品均与地面涡度通量站观测数据或流域水量平衡测算数据进行了对比验证[35],平均相对误差在5%~35%之间[36],极大地推动了全球水热领域研究,加深了对水文循环与环境演变过程和机理的认识[32,37-38].但是,蒸散发反演理论涉及水文学与遥感科学,不同遥感产品的反演方法与产品特征(如不同时空分辨率)差异大,对初涉该领域的用户或不具备遥感反演理论与方法的用户,不仅难以选择合适产品,且无视数据物理含义、简单拿来主义式的应用可能导致不合理的分析结果、使遥感数据备受质疑[39],影响深入研究科学问题. ...
... 尽管各蒸散发产品反演误差均在当前文献报道的反演精度范围(5%~35%)[36],但依此统计的结果却显示黄土高原蒸散发出现截然相反的变化趋势,究竟哪种变化趋势更符合客观情况? ...
A Recent Slowdown in Global Land Evapotranspiration due To Limited Moisture Supply
2
2010
... 在多种反演算法与多源遥感数据支持下,形成了不同的遥感蒸散发产品,覆盖不同区域乃至全球.时间跨度相对较长、且可免费获取的全球典型产品有GLEAM、MOD16、MTE、SSEBop等(表1),其中GLEAM不仅提供ET产品,还提供土壤蒸发、植被蒸腾等组分产品.这些蒸散发遥感产品均与地面涡度通量站观测数据或流域水量平衡测算数据进行了对比验证[35],平均相对误差在5%~35%之间[36],极大地推动了全球水热领域研究,加深了对水文循环与环境演变过程和机理的认识[32,37-38].但是,蒸散发反演理论涉及水文学与遥感科学,不同遥感产品的反演方法与产品特征(如不同时空分辨率)差异大,对初涉该领域的用户或不具备遥感反演理论与方法的用户,不仅难以选择合适产品,且无视数据物理含义、简单拿来主义式的应用可能导致不合理的分析结果、使遥感数据备受质疑[39],影响深入研究科学问题. ...
... (1)MTE.该数据集由德国马普学会生物地球化学研究所Jung等[8,37]研发,以全球通量站点观测数据为基础,结合MODIS数据和气象数据,利用机器学习将站点数据尺度上推至全球尺度. ...
Satellites Reveal Contrasting Responses of Regional Climate To The Widespread Greening of Earth
1
2017
... 在多种反演算法与多源遥感数据支持下,形成了不同的遥感蒸散发产品,覆盖不同区域乃至全球.时间跨度相对较长、且可免费获取的全球典型产品有GLEAM、MOD16、MTE、SSEBop等(表1),其中GLEAM不仅提供ET产品,还提供土壤蒸发、植被蒸腾等组分产品.这些蒸散发遥感产品均与地面涡度通量站观测数据或流域水量平衡测算数据进行了对比验证[35],平均相对误差在5%~35%之间[36],极大地推动了全球水热领域研究,加深了对水文循环与环境演变过程和机理的认识[32,37-38].但是,蒸散发反演理论涉及水文学与遥感科学,不同遥感产品的反演方法与产品特征(如不同时空分辨率)差异大,对初涉该领域的用户或不具备遥感反演理论与方法的用户,不仅难以选择合适产品,且无视数据物理含义、简单拿来主义式的应用可能导致不合理的分析结果、使遥感数据备受质疑[39],影响深入研究科学问题. ...
土壤水分遥感反演研究进展
1
2019
... 在多种反演算法与多源遥感数据支持下,形成了不同的遥感蒸散发产品,覆盖不同区域乃至全球.时间跨度相对较长、且可免费获取的全球典型产品有GLEAM、MOD16、MTE、SSEBop等(表1),其中GLEAM不仅提供ET产品,还提供土壤蒸发、植被蒸腾等组分产品.这些蒸散发遥感产品均与地面涡度通量站观测数据或流域水量平衡测算数据进行了对比验证[35],平均相对误差在5%~35%之间[36],极大地推动了全球水热领域研究,加深了对水文循环与环境演变过程和机理的认识[32,37-38].但是,蒸散发反演理论涉及水文学与遥感科学,不同遥感产品的反演方法与产品特征(如不同时空分辨率)差异大,对初涉该领域的用户或不具备遥感反演理论与方法的用户,不仅难以选择合适产品,且无视数据物理含义、简单拿来主义式的应用可能导致不合理的分析结果、使遥感数据备受质疑[39],影响深入研究科学问题. ...
土壤水分遥感反演研究进展
1
2019
... 在多种反演算法与多源遥感数据支持下,形成了不同的遥感蒸散发产品,覆盖不同区域乃至全球.时间跨度相对较长、且可免费获取的全球典型产品有GLEAM、MOD16、MTE、SSEBop等(表1),其中GLEAM不仅提供ET产品,还提供土壤蒸发、植被蒸腾等组分产品.这些蒸散发遥感产品均与地面涡度通量站观测数据或流域水量平衡测算数据进行了对比验证[35],平均相对误差在5%~35%之间[36],极大地推动了全球水热领域研究,加深了对水文循环与环境演变过程和机理的认识[32,37-38].但是,蒸散发反演理论涉及水文学与遥感科学,不同遥感产品的反演方法与产品特征(如不同时空分辨率)差异大,对初涉该领域的用户或不具备遥感反演理论与方法的用户,不仅难以选择合适产品,且无视数据物理含义、简单拿来主义式的应用可能导致不合理的分析结果、使遥感数据备受质疑[39],影响深入研究科学问题. ...
遥感数据产品真实性检验不确定性分析研究进展
2
2014
... 此外,遥感像元尺度反演结果真实性检验面临诸多挑战[40],尽管各蒸散发产品发布前均已验证,但地面站点观测数据与像元反演值在时空尺度的匹配程度影响评价结果.即使反演值与观测值吻合程度高、验证效果好,受观测数据空间分布与数量制约及地表异质性影响,反演结果在其他区域的精度仍然有待检验.尤其在受水分限制的干旱、半干旱地区,景观破碎、地表异质性复杂、地表过程参量变化剧烈,增加了蒸散发反演的难度[41-43].鉴于蒸散发精准量化是干旱、半干旱地区农业水资源管理、生态环境建设等领域的重大需求,以探索黄土高原蒸散发多年变化趋势为应用案例,基于6种典型的蒸散发遥感产品,从产品特征、反演精度等角度,探讨蒸散发遥感反演产品应用中应注意的关键问题,为干旱、半干旱地区的蒸散发产品应用提供参考与借鉴. ...
... (1)产品验证.尽管产品在发布前已经进行了检验,但遥感反演结果验证困难[40,55].因此,掌握待用产品验证的方法、数据及其来源区域等,有助于判断待用产品的反演精度.应用区域有可供验证的观测数据时,建议先根据蒸散发产品应用目的,确定验证方法和验证数据的时间、空间尺度,再检验产品精度.如3.2节的验证结果是以流域年尺度平均值为参考,即使待检验产品在某区域平均蒸散发的年值精确性高,却难以保证该产品的月尺度数据具有相似精度[56],需谨慎应用其月尺度产品分析年内蒸散发变化.最后,验证中若误差超过应用要求精度,还需要进行校正. ...
遥感数据产品真实性检验不确定性分析研究进展
2
2014
... 此外,遥感像元尺度反演结果真实性检验面临诸多挑战[40],尽管各蒸散发产品发布前均已验证,但地面站点观测数据与像元反演值在时空尺度的匹配程度影响评价结果.即使反演值与观测值吻合程度高、验证效果好,受观测数据空间分布与数量制约及地表异质性影响,反演结果在其他区域的精度仍然有待检验.尤其在受水分限制的干旱、半干旱地区,景观破碎、地表异质性复杂、地表过程参量变化剧烈,增加了蒸散发反演的难度[41-43].鉴于蒸散发精准量化是干旱、半干旱地区农业水资源管理、生态环境建设等领域的重大需求,以探索黄土高原蒸散发多年变化趋势为应用案例,基于6种典型的蒸散发遥感产品,从产品特征、反演精度等角度,探讨蒸散发遥感反演产品应用中应注意的关键问题,为干旱、半干旱地区的蒸散发产品应用提供参考与借鉴. ...
... (1)产品验证.尽管产品在发布前已经进行了检验,但遥感反演结果验证困难[40,55].因此,掌握待用产品验证的方法、数据及其来源区域等,有助于判断待用产品的反演精度.应用区域有可供验证的观测数据时,建议先根据蒸散发产品应用目的,确定验证方法和验证数据的时间、空间尺度,再检验产品精度.如3.2节的验证结果是以流域年尺度平均值为参考,即使待检验产品在某区域平均蒸散发的年值精确性高,却难以保证该产品的月尺度数据具有相似精度[56],需谨慎应用其月尺度产品分析年内蒸散发变化.最后,验证中若误差超过应用要求精度,还需要进行校正. ...
区域蒸散发遥感模型研究的进展
1
2008
... 此外,遥感像元尺度反演结果真实性检验面临诸多挑战[40],尽管各蒸散发产品发布前均已验证,但地面站点观测数据与像元反演值在时空尺度的匹配程度影响评价结果.即使反演值与观测值吻合程度高、验证效果好,受观测数据空间分布与数量制约及地表异质性影响,反演结果在其他区域的精度仍然有待检验.尤其在受水分限制的干旱、半干旱地区,景观破碎、地表异质性复杂、地表过程参量变化剧烈,增加了蒸散发反演的难度[41-43].鉴于蒸散发精准量化是干旱、半干旱地区农业水资源管理、生态环境建设等领域的重大需求,以探索黄土高原蒸散发多年变化趋势为应用案例,基于6种典型的蒸散发遥感产品,从产品特征、反演精度等角度,探讨蒸散发遥感反演产品应用中应注意的关键问题,为干旱、半干旱地区的蒸散发产品应用提供参考与借鉴. ...
区域蒸散发遥感模型研究的进展
1
2008
... 此外,遥感像元尺度反演结果真实性检验面临诸多挑战[40],尽管各蒸散发产品发布前均已验证,但地面站点观测数据与像元反演值在时空尺度的匹配程度影响评价结果.即使反演值与观测值吻合程度高、验证效果好,受观测数据空间分布与数量制约及地表异质性影响,反演结果在其他区域的精度仍然有待检验.尤其在受水分限制的干旱、半干旱地区,景观破碎、地表异质性复杂、地表过程参量变化剧烈,增加了蒸散发反演的难度[41-43].鉴于蒸散发精准量化是干旱、半干旱地区农业水资源管理、生态环境建设等领域的重大需求,以探索黄土高原蒸散发多年变化趋势为应用案例,基于6种典型的蒸散发遥感产品,从产品特征、反演精度等角度,探讨蒸散发遥感反演产品应用中应注意的关键问题,为干旱、半干旱地区的蒸散发产品应用提供参考与借鉴. ...
黑河综合遥感联合试验研究进展:水文与生态参量遥感反演与估算
1
2012
... 此外,遥感像元尺度反演结果真实性检验面临诸多挑战[40],尽管各蒸散发产品发布前均已验证,但地面站点观测数据与像元反演值在时空尺度的匹配程度影响评价结果.即使反演值与观测值吻合程度高、验证效果好,受观测数据空间分布与数量制约及地表异质性影响,反演结果在其他区域的精度仍然有待检验.尤其在受水分限制的干旱、半干旱地区,景观破碎、地表异质性复杂、地表过程参量变化剧烈,增加了蒸散发反演的难度[41-43].鉴于蒸散发精准量化是干旱、半干旱地区农业水资源管理、生态环境建设等领域的重大需求,以探索黄土高原蒸散发多年变化趋势为应用案例,基于6种典型的蒸散发遥感产品,从产品特征、反演精度等角度,探讨蒸散发遥感反演产品应用中应注意的关键问题,为干旱、半干旱地区的蒸散发产品应用提供参考与借鉴. ...
黑河综合遥感联合试验研究进展:水文与生态参量遥感反演与估算
1
2012
... 此外,遥感像元尺度反演结果真实性检验面临诸多挑战[40],尽管各蒸散发产品发布前均已验证,但地面站点观测数据与像元反演值在时空尺度的匹配程度影响评价结果.即使反演值与观测值吻合程度高、验证效果好,受观测数据空间分布与数量制约及地表异质性影响,反演结果在其他区域的精度仍然有待检验.尤其在受水分限制的干旱、半干旱地区,景观破碎、地表异质性复杂、地表过程参量变化剧烈,增加了蒸散发反演的难度[41-43].鉴于蒸散发精准量化是干旱、半干旱地区农业水资源管理、生态环境建设等领域的重大需求,以探索黄土高原蒸散发多年变化趋势为应用案例,基于6种典型的蒸散发遥感产品,从产品特征、反演精度等角度,探讨蒸散发遥感反演产品应用中应注意的关键问题,为干旱、半干旱地区的蒸散发产品应用提供参考与借鉴. ...
Development of a Global Evapotranspiration Algorithm based on MODIS and Global Meteorology Data
1
2007
... (2)MOD16.该数据集由美国蒙大拿大学陆地数值模拟研究中心的Mu等[29,44]研发,基于MODIS遥感数据、再分析气象数据与改进的P-M公式反演获得. ...
Enhancing the Simplified Surface Energy Balance (SSEB) Approach for Estimating Landscape ET: Validation with the METRIC Model
1
2011
... (5)SSEBop.该数据集由美国地质调查局的Senay等[34-45]研发,基于MODIS遥感数据、再分析气象数据与简化的地表能量平衡方程反演获得. ...
Quantifying the Impacts of Climate Change and Ecological Restoration on Streamflow Changes based on A Budyko Hydrological Model in China's Loess Plateau
2
2015
... 根据公式(1),利用覆盖黄土高原14个子流域(表3、图1(b))的降水、径流观测数据(1983~2009年),计算获得各子流域年均蒸散发值 [46].因其中5个子流域面积过小,在0.5°的MTE蒸散发产品中像元数小于等于1,为保证对比数据的一致性,去掉这5个子流域(图1(b)中灰色虚线区域),仅在其他9个子流域(图1(b)中红色实线区域)进行比较. ...
... 黄土高原14个子流域基本信息[46] ...
Variations in Water Storage In China over Recent Decades from Grace Observations and GLDAS
1
2016
... 水量平衡理论测算流域年平均蒸散发时(式(1)),降水、径流均为实际观测值,尽管忽略了流域水储量变化,考虑到黄土高原流域水储量变化较小[47],水量平衡测算的蒸散发误差可忽略.鉴于对比验证是基于流域尺度的平均值,本文认为各产品不同的空间分辨率不影响区域平均数值的相互比较,但各产品在反演过程中使用不同空间分辨率的输入数据,是引起蒸散发空间分布差异的主要原因之一.尤其在蒸散发值超过500 mm的高值区,各产品明显低估,可能与各产品反演时低估森林植被、耕地等区域的蒸散发有关.此外,不同蒸散发反演方法差异,如模型原理及其假设、模型结构引起的蒸散发反演误差[1-2,29],亦是引起各产品差异的主要原因,如P-M公式(图2(c)、2(e))与地表能量平衡方程(图2(f))在黄土高原、青藏高原反演数值差异.甚至同类方法中个别变量参数化方法差异,都能引起蒸散发反演差异,如PLSH和MOD16均采用P-M公式,两种算法之间仅有植被冠层阻抗参数化方法不一样[31],但图2(c)、2(e)却显示两种产品具有明显差别. ...
Reduced Sediment Transport in the Yellow River due To Anthropogenic Changes
1
2016
... 从区域植被变化而言,中国自1999年开始实施退耕还林还草政策后,大量监测研究表明近年来黄土高原植被在逐渐恢复 [48-52],理论上植被增加会导致蒸腾量增加[53-54].从这一角度看,SSEBop、GLEAM、PLSH、MOD16等4种产品,无论从1980年开始(图4(b))还是从1999年开始统计(图4(d)),均呈增加趋势,与植被增加导致蒸散发变大的认知一致. ...
Vegetation Restoration Projects and Their Influence on Runoff and Sediment in China
0
2018
China and India Lead in Greening of the World Through Land-use Management
0
2019
黄土高原植被覆盖时空变化及其对气候因子的响应
0
2016
黄土高原植被覆盖时空变化及其对气候因子的响应
0
2016
退耕还林(草)工程实施前后黄土高原植被覆盖时空变化分析
1
2017
... 从区域植被变化而言,中国自1999年开始实施退耕还林还草政策后,大量监测研究表明近年来黄土高原植被在逐渐恢复 [48-52],理论上植被增加会导致蒸腾量增加[53-54].从这一角度看,SSEBop、GLEAM、PLSH、MOD16等4种产品,无论从1980年开始(图4(b))还是从1999年开始统计(图4(d)),均呈增加趋势,与植被增加导致蒸散发变大的认知一致. ...
退耕还林(草)工程实施前后黄土高原植被覆盖时空变化分析
1
2017
... 从区域植被变化而言,中国自1999年开始实施退耕还林还草政策后,大量监测研究表明近年来黄土高原植被在逐渐恢复 [48-52],理论上植被增加会导致蒸腾量增加[53-54].从这一角度看,SSEBop、GLEAM、PLSH、MOD16等4种产品,无论从1980年开始(图4(b))还是从1999年开始统计(图4(d)),均呈增加趋势,与植被增加导致蒸散发变大的认知一致. ...
退耕还林还草工程加剧黄土高原退耕区蒸散发
1
2019
... 从区域植被变化而言,中国自1999年开始实施退耕还林还草政策后,大量监测研究表明近年来黄土高原植被在逐渐恢复 [48-52],理论上植被增加会导致蒸腾量增加[53-54].从这一角度看,SSEBop、GLEAM、PLSH、MOD16等4种产品,无论从1980年开始(图4(b))还是从1999年开始统计(图4(d)),均呈增加趋势,与植被增加导致蒸散发变大的认知一致. ...
退耕还林还草工程加剧黄土高原退耕区蒸散发
1
2019
... 从区域植被变化而言,中国自1999年开始实施退耕还林还草政策后,大量监测研究表明近年来黄土高原植被在逐渐恢复 [48-52],理论上植被增加会导致蒸腾量增加[53-54].从这一角度看,SSEBop、GLEAM、PLSH、MOD16等4种产品,无论从1980年开始(图4(b))还是从1999年开始统计(图4(d)),均呈增加趋势,与植被增加导致蒸散发变大的认知一致. ...
2001~2017年黄土高原实际蒸散发的时空格局
1
2019
... 从区域植被变化而言,中国自1999年开始实施退耕还林还草政策后,大量监测研究表明近年来黄土高原植被在逐渐恢复 [48-52],理论上植被增加会导致蒸腾量增加[53-54].从这一角度看,SSEBop、GLEAM、PLSH、MOD16等4种产品,无论从1980年开始(图4(b))还是从1999年开始统计(图4(d)),均呈增加趋势,与植被增加导致蒸散发变大的认知一致. ...
2001~2017年黄土高原实际蒸散发的时空格局
1
2019
... 从区域植被变化而言,中国自1999年开始实施退耕还林还草政策后,大量监测研究表明近年来黄土高原植被在逐渐恢复 [48-52],理论上植被增加会导致蒸腾量增加[53-54].从这一角度看,SSEBop、GLEAM、PLSH、MOD16等4种产品,无论从1980年开始(图4(b))还是从1999年开始统计(图4(d)),均呈增加趋势,与植被增加导致蒸散发变大的认知一致. ...
遥感估算地表蒸散发真实性检验研究进展
1
2020
... (1)产品验证.尽管产品在发布前已经进行了检验,但遥感反演结果验证困难[40,55].因此,掌握待用产品验证的方法、数据及其来源区域等,有助于判断待用产品的反演精度.应用区域有可供验证的观测数据时,建议先根据蒸散发产品应用目的,确定验证方法和验证数据的时间、空间尺度,再检验产品精度.如3.2节的验证结果是以流域年尺度平均值为参考,即使待检验产品在某区域平均蒸散发的年值精确性高,却难以保证该产品的月尺度数据具有相似精度[56],需谨慎应用其月尺度产品分析年内蒸散发变化.最后,验证中若误差超过应用要求精度,还需要进行校正. ...
遥感估算地表蒸散发真实性检验研究进展
1
2020
... (1)产品验证.尽管产品在发布前已经进行了检验,但遥感反演结果验证困难[40,55].因此,掌握待用产品验证的方法、数据及其来源区域等,有助于判断待用产品的反演精度.应用区域有可供验证的观测数据时,建议先根据蒸散发产品应用目的,确定验证方法和验证数据的时间、空间尺度,再检验产品精度.如3.2节的验证结果是以流域年尺度平均值为参考,即使待检验产品在某区域平均蒸散发的年值精确性高,却难以保证该产品的月尺度数据具有相似精度[56],需谨慎应用其月尺度产品分析年内蒸散发变化.最后,验证中若误差超过应用要求精度,还需要进行校正. ...
An Evapotranspiration Product for Arid Regions based on the Three-temperature Model and Thermal Remote Sensing
3
2015
... (1)产品验证.尽管产品在发布前已经进行了检验,但遥感反演结果验证困难[40,55].因此,掌握待用产品验证的方法、数据及其来源区域等,有助于判断待用产品的反演精度.应用区域有可供验证的观测数据时,建议先根据蒸散发产品应用目的,确定验证方法和验证数据的时间、空间尺度,再检验产品精度.如3.2节的验证结果是以流域年尺度平均值为参考,即使待检验产品在某区域平均蒸散发的年值精确性高,却难以保证该产品的月尺度数据具有相似精度[56],需谨慎应用其月尺度产品分析年内蒸散发变化.最后,验证中若误差超过应用要求精度,还需要进行校正. ...
... (2)掌握产品的反演算法、反演数据源等.通过分析反演算法可掌握其优势与局限性;了解产品反演时输入数据的来源、精度等特征,同样有助于理解误差来源与产品的反演精度等.如3.3节分析了MTE产品在黄土高原蒸散发反演不确定性大的原因,即机器学习在训练时可利用的地面观测数据少、构建的模型代表性不高,引起蒸散发的统计趋势与其他产品不一致.再如,图2(e)中MOD16在干旱的荒漠或植被稀疏区域未提供蒸散发数值,经分析该产品反演算法可知,因P-M公式局限性,植被稀疏区域的蒸散发反演误差大,均假设为零、未反演[29].但观测数据表明植被稀疏区域蒸散发量不为零[57-58],更容易理解MOD16产品在中国干旱、半干旱地区误差较大的原因[56,59-60]. ...
... (3)产品特征与应用的匹配性.不仅产品反演精度影响应用研究,笔者发现产品时空分辨率同样影响应用研究[56,61-62].如3.2节中验证案例,为统一对比数据一致性,图1(b)中5个面积较小的流域被弃用,因为这些形状不规则的流域在0.5°空间分辨率的MTE产品中最多仅能形成1个像元.实际上这5个流域中面积最小的约为1 140 km2、最大约为4 200 km2.换言之,0.5° 分辨率的产品不适合用于研究面积过小的流域(如5 000 km2).可见,较低的空间分辨率难以刻画流域内蒸散发的空间异质性(如图2中的MTE、GLEAM等均未能刻画黄土高原北部河套灌区的带状分布). ...
Global Perspective on Hydrology, Water Balance, and Water Resources Management in Arid Basins
1
2010
... (2)掌握产品的反演算法、反演数据源等.通过分析反演算法可掌握其优势与局限性;了解产品反演时输入数据的来源、精度等特征,同样有助于理解误差来源与产品的反演精度等.如3.3节分析了MTE产品在黄土高原蒸散发反演不确定性大的原因,即机器学习在训练时可利用的地面观测数据少、构建的模型代表性不高,引起蒸散发的统计趋势与其他产品不一致.再如,图2(e)中MOD16在干旱的荒漠或植被稀疏区域未提供蒸散发数值,经分析该产品反演算法可知,因P-M公式局限性,植被稀疏区域的蒸散发反演误差大,均假设为零、未反演[29].但观测数据表明植被稀疏区域蒸散发量不为零[57-58],更容易理解MOD16产品在中国干旱、半干旱地区误差较大的原因[56,59-60]. ...
Characteristics of Soil Evaporation, Plant Transpiration and Water Budget of Nitraria Dune in the Arid Northwest China
1
2015
... (2)掌握产品的反演算法、反演数据源等.通过分析反演算法可掌握其优势与局限性;了解产品反演时输入数据的来源、精度等特征,同样有助于理解误差来源与产品的反演精度等.如3.3节分析了MTE产品在黄土高原蒸散发反演不确定性大的原因,即机器学习在训练时可利用的地面观测数据少、构建的模型代表性不高,引起蒸散发的统计趋势与其他产品不一致.再如,图2(e)中MOD16在干旱的荒漠或植被稀疏区域未提供蒸散发数值,经分析该产品反演算法可知,因P-M公式局限性,植被稀疏区域的蒸散发反演误差大,均假设为零、未反演[29].但观测数据表明植被稀疏区域蒸散发量不为零[57-58],更容易理解MOD16产品在中国干旱、半干旱地区误差较大的原因[56,59-60]. ...
Regional Effects of Vegetation Restoration on Water Yield across the Loess Plateau, China
1
2012
... (2)掌握产品的反演算法、反演数据源等.通过分析反演算法可掌握其优势与局限性;了解产品反演时输入数据的来源、精度等特征,同样有助于理解误差来源与产品的反演精度等.如3.3节分析了MTE产品在黄土高原蒸散发反演不确定性大的原因,即机器学习在训练时可利用的地面观测数据少、构建的模型代表性不高,引起蒸散发的统计趋势与其他产品不一致.再如,图2(e)中MOD16在干旱的荒漠或植被稀疏区域未提供蒸散发数值,经分析该产品反演算法可知,因P-M公式局限性,植被稀疏区域的蒸散发反演误差大,均假设为零、未反演[29].但观测数据表明植被稀疏区域蒸散发量不为零[57-58],更容易理解MOD16产品在中国干旱、半干旱地区误差较大的原因[56,59-60]. ...
基于MOD16数据的渭河流域地表实际蒸散发时空特征
1
2015
... (2)掌握产品的反演算法、反演数据源等.通过分析反演算法可掌握其优势与局限性;了解产品反演时输入数据的来源、精度等特征,同样有助于理解误差来源与产品的反演精度等.如3.3节分析了MTE产品在黄土高原蒸散发反演不确定性大的原因,即机器学习在训练时可利用的地面观测数据少、构建的模型代表性不高,引起蒸散发的统计趋势与其他产品不一致.再如,图2(e)中MOD16在干旱的荒漠或植被稀疏区域未提供蒸散发数值,经分析该产品反演算法可知,因P-M公式局限性,植被稀疏区域的蒸散发反演误差大,均假设为零、未反演[29].但观测数据表明植被稀疏区域蒸散发量不为零[57-58],更容易理解MOD16产品在中国干旱、半干旱地区误差较大的原因[56,59-60]. ...
基于MOD16数据的渭河流域地表实际蒸散发时空特征
1
2015
... (2)掌握产品的反演算法、反演数据源等.通过分析反演算法可掌握其优势与局限性;了解产品反演时输入数据的来源、精度等特征,同样有助于理解误差来源与产品的反演精度等.如3.3节分析了MTE产品在黄土高原蒸散发反演不确定性大的原因,即机器学习在训练时可利用的地面观测数据少、构建的模型代表性不高,引起蒸散发的统计趋势与其他产品不一致.再如,图2(e)中MOD16在干旱的荒漠或植被稀疏区域未提供蒸散发数值,经分析该产品反演算法可知,因P-M公式局限性,植被稀疏区域的蒸散发反演误差大,均假设为零、未反演[29].但观测数据表明植被稀疏区域蒸散发量不为零[57-58],更容易理解MOD16产品在中国干旱、半干旱地区误差较大的原因[56,59-60]. ...
Is Scale Really A Challenge in Evapotranspiration Estimation? A Multi-scale Study in the Heihe Oasis Using Thermal Remote Sensing and The Three-temperature Model
1
2016
... (3)产品特征与应用的匹配性.不仅产品反演精度影响应用研究,笔者发现产品时空分辨率同样影响应用研究[56,61-62].如3.2节中验证案例,为统一对比数据一致性,图1(b)中5个面积较小的流域被弃用,因为这些形状不规则的流域在0.5°空间分辨率的MTE产品中最多仅能形成1个像元.实际上这5个流域中面积最小的约为1 140 km2、最大约为4 200 km2.换言之,0.5° 分辨率的产品不适合用于研究面积过小的流域(如5 000 km2).可见,较低的空间分辨率难以刻画流域内蒸散发的空间异质性(如图2中的MTE、GLEAM等均未能刻画黄土高原北部河套灌区的带状分布). ...
Simple and Applicable Method for Estimating Evapotranspiration and Its Components in Arid Regions
1
2019
... (3)产品特征与应用的匹配性.不仅产品反演精度影响应用研究,笔者发现产品时空分辨率同样影响应用研究[56,61-62].如3.2节中验证案例,为统一对比数据一致性,图1(b)中5个面积较小的流域被弃用,因为这些形状不规则的流域在0.5°空间分辨率的MTE产品中最多仅能形成1个像元.实际上这5个流域中面积最小的约为1 140 km2、最大约为4 200 km2.换言之,0.5° 分辨率的产品不适合用于研究面积过小的流域(如5 000 km2).可见,较低的空间分辨率难以刻画流域内蒸散发的空间异质性(如图2中的MTE、GLEAM等均未能刻画黄土高原北部河套灌区的带状分布). ...