【摘要】：土壤水分作為水文、大氣、陸面的重要內(nèi)容,是地表水與地下水的重要紐帶,更是描述陸地、大氣和植被生長(zhǎng)能量交換的重要參數(shù)。精確的估測(cè)土壤水分含量,對(duì)于干旱區(qū)的糧食安全和水土保持具有重要意義,而真實(shí)情況下準(zhǔn)確估計(jì)土壤中的水分含量是一項(xiàng)十分困難而復(fù)雜的工作,而遙感技術(shù)使得長(zhǎng)時(shí)間、大面積的估測(cè)土壤含水量成為可能。利用遙感技術(shù)采用水熱傳輸模型反演土壤水分信息也已經(jīng)得到了廣泛應(yīng)用。數(shù)據(jù)同化技術(shù)已經(jīng)日趨成為了生態(tài)水文過(guò)程研究與遙感反演研究的前沿問(wèn)題,在協(xié)調(diào)和融合遙感技術(shù)與生態(tài)建模起到了很好的橋梁作用。它能夠有效地融合多源遙感數(shù)據(jù)以及模型的模擬結(jié)果,提高土壤水分的預(yù)測(cè)精度。本文利用以MODIS與Landsat TM數(shù)據(jù)為數(shù)據(jù)源,利用其反演的條件溫度植被指數(shù)TVDI(Temperature-Vegetation Dryness Index)作為觀測(cè)算子,將集合卡爾曼濾波同化方法應(yīng)用于一維的水文模型HYDRUS-1D進(jìn)行了表層土壤水分的模擬,主要結(jié)論如下:1利用不同的植被指數(shù)得到的特征空間都能反映區(qū)域土壤的含水量狀況。RVI(Ratio Vegetation Index))指數(shù)相比常用的NDVI(Normalized Difference Vegetation Index)指數(shù)來(lái)說(shuō),更適應(yīng)高植被覆蓋的區(qū)域,對(duì)植被覆蓋度大于50%的地區(qū)有較為靈敏的反應(yīng)和指示作用,對(duì)植被覆蓋較小的地區(qū)反應(yīng)不夠。2地表溫度、土壤水分、植被指數(shù)之間有著顯著地互動(dòng)關(guān)系,但需要較長(zhǎng)時(shí)間序列的植被數(shù)據(jù)。反演土壤水分所用的模型TVDI與表層土壤的相關(guān)性更高,這說(shuō)明TVDI對(duì)表層的土壤水分比較敏感。3針對(duì)研究區(qū)環(huán)境以及前人積累的經(jīng)驗(yàn),結(jié)合經(jīng)驗(yàn)參數(shù)與SCE-UA方法估測(cè)了模型的初始邊界條件,并經(jīng)過(guò)多次的調(diào)試確定了初始邊界條件,利用模型模擬后輸出了土壤水分的模擬結(jié)果。HYDRUS能夠較為便利的模擬土壤含水量,反映研究區(qū)土壤含水量狀況,對(duì)估算更大區(qū)域土壤含水量起到了一定的借鑒作用。4集合卡爾曼濾波能夠較好地處理非線性問(wèn)題,當(dāng)遙感數(shù)據(jù)可用時(shí),將模型經(jīng)驗(yàn)參數(shù)與預(yù)報(bào)的土壤水分含量作為輸入,利用TVDI模型反演的土壤水分作為初始的輸入值更新模型算子,利用集合卡爾曼濾波將更新的土壤水分重新初始化模型參數(shù),進(jìn)行下一時(shí)刻的同化。在遙感反演數(shù)據(jù)可用時(shí),再進(jìn)入下一時(shí)刻的觀測(cè)。5土壤體積含水量與殘留含水率以及Ks都在同化過(guò)程中有了一定的變化,各個(gè)參數(shù)的調(diào)整量隨著時(shí)間調(diào)整變化趨勢(shì)不一致。在0-10cm,參數(shù)值的調(diào)整對(duì)同化有一定的效果。同化的效果的產(chǎn)生在于遙感數(shù)據(jù)對(duì)土壤表層含水量的反演值得到分析集合后,對(duì)狀態(tài)變量持續(xù)更新,對(duì)HYDRUS模型的參數(shù)持續(xù)更新,即對(duì)模型的狀態(tài)參數(shù)與狀態(tài)變量都進(jìn)行了調(diào)整,減少模型的預(yù)報(bào)誤差。與單獨(dú)使用HYDRUS-1D模型相比,同化得到的表層土壤水分含量精度有了明顯的提高,其中均方根誤差縮小了0.0153,平均誤差縮小了0.0426,多源遙感數(shù)據(jù)對(duì)表層土壤水分的同化研究中具有較大的潛力。
[Abstract]:As the important content of the hydrology, the atmosphere and the land surface, the soil moisture is an important link between the surface water and the ground water, and it is an important parameter to describe the energy exchange between the land, the atmosphere and the vegetation. The accurate estimation of soil moisture content is of great significance to the food security and soil and water conservation in the arid area, and it is a very difficult and complicated work to accurately estimate the water content in the soil, and the remote sensing technology makes for a long time. It is possible to estimate the soil moisture content in a large area. The use of remote sensing technology to invert the soil moisture information by using the water heat transfer model has been widely used. The data assimilation technology has become the leading problem of the research of the ecological hydrological process and the remote sensing inversion, and has played a very good bridge role in the coordination and fusion of remote sensing and ecological modeling. The method can effectively fuse the simulation results of the multi-source remote sensing data and the model, and improve the prediction precision of the soil moisture. In this paper, using MODIS and Landsat TM data as the data source, using the condition temperature vegetation index (TVDI) as the observation operator, the ensemble Kalman filter assimilation method is applied to the one-dimensional hydrological model HYDRUS-1D for the simulation of the surface moisture of the surface layer. The main conclusions are as follows: 1. The water content of the soil can be reflected by the different vegetation index. Compared with the common NDVI (RVI) index, the RVI (RVI) index is more suitable for the area covered by high vegetation, has more sensitive response and indication to the area with more than 50% of the vegetation coverage, and is not enough for the area with small vegetation coverage. The surface temperature and soil moisture, The vegetation index has a significant interaction, but it takes a long time series of vegetation data. The model TVDI used in the inversion of soil moisture is higher than that of the surface soil, which indicates that the TVDI is more sensitive to the soil moisture of the surface layer. The initial boundary condition of the model is estimated by combining the empirical parameters with the SCE-UA method for the study area environment and the experience accumulated by the predecessors. and the initial boundary condition is determined through multiple debugging, and the simulation result of the soil moisture is output by using the model simulation. HYDRUS can simulate the water content of soil more conveniently, and reflect the soil moisture content in the study area, which can be used for reference for estimating the soil moisture content in the larger area. The 4-set Kalman filter can better deal with the non-linear problem, and when the remote sensing data is available, the model empirical parameters and the predicted soil moisture content are taken as input, and the soil moisture inverted by the TVDI model is used as the initial input value to update the model operator, and the updated soil moisture is re-initialized to the model parameters by the set Kalman filter, and the assimilation at the next time is carried out. When the remote sensing inversion data is available, the observation of the next time is carried out. The water content of the soil and the residual water content and Ks have some variation in the process of assimilation, and the adjustment amount of each parameter is not consistent with the time adjustment trend. At 0-10cm, the adjustment of the parameter value has a certain effect on the assimilation. The effect of assimilation is that the inversion of the water content of the soil surface by the remote sensing data is worth to the analysis set, the state variable is continuously updated, and the parameter of the HYDRUS model is continuously updated, that is, the state parameter and the state variable of the model are adjusted, and the prediction error of the model is reduced. Compared with the model HYDRUS-1D alone, the soil moisture content of the surface layer is obviously improved, and the root mean square error is reduced to 0.0153, the average error is reduced to 0.0426, and the multi-source remote sensing data has great potential in the assimilation study of the surface water of the surface layer.
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：S152.7;S127

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 詹志明,馮兆東;區(qū)域遙感土壤水分模型的方法初探[J];水土保持研究;2002年03期

2 呂軍杰,姚宇卿,王育紅,王海洋,張憲初;不同耕作方式對(duì)坡耕地土壤水分的影響[J];中國(guó)農(nóng)業(yè)氣象;2002年03期

3 馬孝義,馬建倉(cāng),李新平,韓克敏;土壤水分電磁測(cè)量方法的研究進(jìn)展[J];干旱地區(qū)農(nóng)業(yè)研究;2002年02期

4 劉建軍,陳燕華,李毅;膜孔灌溉條件下土壤水分空間分布特性研究及應(yīng)用[J];節(jié)水灌溉;2002年04期

5 黃奕龍,陳利頂,傅伯杰,黃志霖,貴立德,吳祥林;黃土丘陵小流域地形和土地利用對(duì)土壤水分時(shí)空格局的影響[J];第四紀(jì)研究;2003年03期

6 李紅,周連第,張有山;京郊平原區(qū)糧田土壤水分垂直變異性的半方差表征[J];華北農(nóng)學(xué)報(bào);2003年01期

7 劉洪斌,武偉,魏朝富,謝德體;土壤水分預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)模型和時(shí)間序列模型比較研究[J];農(nóng)業(yè)工程學(xué)報(bào);2003年04期

8 劉志明,張柏,晏明,李鐵強(qiáng);土壤水分與干旱遙感研究的進(jìn)展與趨勢(shì)[J];地球科學(xué)進(jìn)展;2003年04期

9 張恒明,黃毅;用三次樣條插值函數(shù)描述土壤水分特性[J];水土保持科技情報(bào);2003年01期

10 李洪建,王孟本,柴寶峰;黃土高原土壤水分變化的時(shí)空特征分析[J];應(yīng)用生態(tài)學(xué)報(bào);2003年04期

相關(guān)會(huì)議論文 前10條

1 王新;;農(nóng)氣報(bào)表土壤水分記錄審核軟件[A];山東氣象學(xué)會(huì)2005年學(xué)術(shù)交流會(huì)優(yōu)秀論文集[C];2005年

2 薛龍琴;冶林茂;陳海波;;河南省自動(dòng)土壤水分觀測(cè)網(wǎng)的建設(shè)和應(yīng)用[A];第26屆中國(guó)氣象學(xué)會(huì)年會(huì)第三屆氣象綜合探測(cè)技術(shù)研討會(huì)分會(huì)場(chǎng)論文集[C];2009年

3 薛龍琴;冶林茂;陳海波;師麗魁;;河南省自動(dòng)土壤水分資料與人工觀測(cè)資料對(duì)比分析[A];第27屆中國(guó)氣象學(xué)會(huì)年會(huì)現(xiàn)代農(nóng)業(yè)氣象防災(zāi)減災(zāi)與糧食安全分會(huì)場(chǎng)論文集[C];2010年

4 除多;次仁多吉;邊巴次仁;王彩云;;西藏中部土壤水分遙感監(jiān)測(cè)方法研究[A];第27屆中國(guó)氣象學(xué)會(huì)年會(huì)干旱半干旱區(qū)地氣相互作用分會(huì)場(chǎng)論文集[C];2010年

5 姚付啟;蔡煥杰;張振華;;煙臺(tái)蘋果園表層土壤水分與深層土壤水分轉(zhuǎn)換關(guān)系研究[A];現(xiàn)代節(jié)水高效農(nóng)業(yè)與生態(tài)灌區(qū)建設(shè)（下）[C];2010年

6 石慶蘭;王一鳴;馮磊;;土壤水分測(cè)量中相位差檢測(cè)算法的實(shí)驗(yàn)與研究[A];中國(guó)農(nóng)業(yè)工程學(xué)會(huì)電氣信息與自動(dòng)化專業(yè)委員會(huì)、中國(guó)電機(jī)工程學(xué)會(huì)農(nóng)村電氣化分會(huì)科技與教育專委會(huì)2010年學(xué)術(shù)年會(huì)論文摘要[C];2010年

7 巫麗君;潘建梅;魏愛(ài)明;王秀琴;;自動(dòng)土壤水分觀測(cè)數(shù)據(jù)異常原因淺析[A];“推進(jìn)氣象科技創(chuàng)新，，提高防災(zāi)減災(zāi)和應(yīng)對(duì)氣候變化能力”——江蘇省氣象學(xué)會(huì)第七屆學(xué)術(shù)交流會(huì)論文集[C];2011年

8 楊海鷹;冶林茂;陳海波;;土壤水分研究進(jìn)展[A];第28屆中國(guó)氣象學(xué)會(huì)年會(huì)——S11氣象與現(xiàn)代農(nóng)業(yè)[C];2011年

9 黃奕龍;傅伯杰;陳利頂;;黃土丘陵坡地土壤水分時(shí)空變化特征[A];地理教育與學(xué)科發(fā)展——中國(guó)地理學(xué)會(huì)2002年學(xué)術(shù)年會(huì)論文摘要集[C];2002年

10 陳懷亮;徐祥德;劉玉潔;厲王f;鄒春輝;翁永輝;;基于遙感和區(qū)域氣候模式的土壤水分預(yù)報(bào)方法研究[A];推進(jìn)氣象科技創(chuàng)新加快氣象事業(yè)發(fā)展——中國(guó)氣象學(xué)會(huì)2004年年會(huì)論文集（上冊(cè)）[C];2004年

相關(guān)重要報(bào)紙文章 前10條

1 班勝林;山西引進(jìn)新型土壤水分觀測(cè)儀[N];中國(guó)氣象報(bào);2010年

2 記者 王量迪 通訊員 陳瑜;我市建成兩個(gè)自動(dòng)土壤水分觀測(cè)站[N];寧波日?qǐng)?bào);2010年

3 王一;土壤水分快速測(cè)量技術(shù)獲突破[N];科技日?qǐng)?bào);2003年

4 記者 宛霞　通訊員 趙志強(qiáng);中國(guó)氣象局將加強(qiáng)土壤水分觀測(cè)[N];中國(guó)氣象報(bào);2009年

5 記者 王建忠;我國(guó)將布設(shè)1500套自動(dòng)土壤水分觀測(cè)儀[N];中國(guó)氣象報(bào);2009年

6 記者 田宜龍;我省建成55個(gè)土壤水分自動(dòng)觀測(cè)站[N];河南日?qǐng)?bào);2009年

7 實(shí)習(xí)記者 王寶軍　通訊員 趙志強(qiáng);全國(guó)建成７６個(gè)自動(dòng)土壤水分觀測(cè)站[N];中國(guó)氣象報(bào);2009年

8 張芳　仲維健;江蘇啟動(dòng)土壤水分自動(dòng)觀測(cè)網(wǎng)建設(shè)[N];中國(guó)氣象報(bào);2009年

9 記者 劉劍英;我省首個(gè)自動(dòng)土壤水分觀測(cè)站大名投用[N];河北日?qǐng)?bào);2009年

10 邢開(kāi)成 胡佳軍;河北邯鄲首個(gè)自動(dòng)土壤水分觀測(cè)站投入使用[N];糧油市場(chǎng)報(bào);2009年

相關(guān)博士學(xué)位論文 前10條

1 王安琪;大尺度被動(dòng)微波輻射計(jì)土壤水分降尺度方法研究[D];首都師范大學(xué);2013年

2 魏新光;黃土丘陵半干旱區(qū)山地棗樹(shù)蒸騰規(guī)律及其節(jié)水調(diào)控策略[D];西北農(nóng)林科技大學(xué);2015年

3 劉丙霞;黃土區(qū)典型灌草植被土壤水分時(shí)空分布及其植被承載力研究[D];中國(guó)科學(xué)院研究生院（教育部水土保持與生態(tài)環(huán)境研究中心）;2015年

4 王改改;丘陵山地土壤水分時(shí)空變化及其模擬[D];西南大學(xué);2009年

5 劉偉;植被覆蓋地表極化雷達(dá)土壤水分反演與應(yīng)用研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2005年

6 楊開(kāi)寶;黃土丘陵區(qū)不同農(nóng)業(yè)技術(shù)措施的土壤水分效應(yīng)研究[D];西北農(nóng)林科技大學(xué);2010年

7 趙燕東;土壤水分快速測(cè)量方法及其應(yīng)用技術(shù)研究[D];中國(guó)農(nóng)業(yè)大學(xué);2002年

8 吳元芝;黃土區(qū)土壤水分對(duì)典型植物有效性的研究[D];中國(guó)科學(xué)院研究生院（教育部水土保持與生態(tài)環(huán)境研究中心）;2010年

9 韓桂紅;干旱區(qū)鹽漬地極化雷達(dá)土壤水分反演研究[D];新疆大學(xué);2013年

10 賈志峰;土壤水的監(jiān)測(cè)技術(shù)方法與運(yùn)移規(guī)律研究[D];長(zhǎng)安大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 李金香;裸露隨機(jī)地表土壤水分遙感反演及其空間特征分析[D];新疆大學(xué);2011年

2 阿爾達(dá)克;基于雙譜散射模型的裸露地表土壤水分反演研究[D];新疆大學(xué);2011年

3 李笑吟;晉西黃土區(qū)土壤水分時(shí)空變化規(guī)律研究[D];北京林業(yè)大學(xué);2006年

4 李友;冀西北壩上地區(qū)主要農(nóng)作物抗旱成苗的土壤水分指標(biāo)研究[D];河北農(nóng)業(yè)大學(xué);2012年

5 林坤;黃土丘陵區(qū)小流域土壤水分狀態(tài)與空間模擬[D];西北農(nóng)林科技大學(xué);2012年

6 唐洋;基于高頻電場(chǎng)的土壤水分傳感器研究[D];西南大學(xué);2010年

7 白天路;基于遙感和地面實(shí)測(cè)水分?jǐn)?shù)據(jù)的小流域土壤水分模擬[D];西北大學(xué);2010年

8 趙梅;黃土區(qū)土石混合土壤水分有效性研究[D];西北農(nóng)林科技大學(xué);2010年

9 魏珍;基于Landsat ETM遙感數(shù)據(jù)的大柳塔煤炭開(kāi)發(fā)區(qū)土壤水分信息提取[D];長(zhǎng)安大學(xué);2010年

10 馮磊;基于駐波率原理的土壤水分測(cè)量技術(shù)的研究[D];中國(guó)農(nóng)業(yè)大學(xué);2005年

本文編號(hào)：2380265