LAI重建及其对高分辨率HRCLDAS/CLM地表温度和土壤湿度模拟的影响

LAI重建及其对高分辨率HRCLDAS/CLM地表温度和土壤湿度模拟的影响

论文摘要

叶面积指数(LAI)是表征植被冠层结构的一个重要参数,因大气条件等因素影响,使MODIS LAI数据产品中存在数据缺失、质量较低等问题,严重影响LAI数据集的应用。在陆面模式中,叶面积指数影响植被的光合作用、冠层蒸腾作用效率和能量平衡的状态,与整个物质、能量和水分的循环过程都有联系。为了获取较高精度的模式模拟结果,本研究以青藏高原为研究区,综合利用像元质量分析、S-G滤波和年序列异常值检测滤波方法,开展了LAI数据重建技术研究,重建了2015年MODIS LAI时序数据集,并将重建后的高质量LAI数据应用于陆面过程模拟研究,分别设计两组对比试验,开展地表温度、土壤湿度模拟,对比分析重建后LAI数据应用效果。主要结论如下:(1)像元质量统计分析表明,阔叶林高质量像元占比最低,仅为48.12%,各类别低质量与反演失败像元整体占比达到18.68%。针对数据集质量偏低的问题,提出了综合滤波方法,该方法有效保留了高质量像元信息值,改进了S-G滤波效果的不足。相较于S-G滤波法,综合滤波方法重建后的高质量像元的LAI均值与原始均值更趋一致,高质量像元重建后与原始数据的相关系数达到0.99,具有更好的保真性。对中低质量像元重建的异常值进行了滤波,填充了空值区,降低了标准偏差,较好地识别和修复了低值区或异常点,整体稳定性更好,能有效地拟合时序变化曲线。(2)采用最新研发的高时空分辨率的陆面数据同化(HRCLDAS/CLM)系统和不同的LAI资料,设计两组对比试验HRCLM/TG(模式自带的LAI数据)和试验NEW/TG(重建后的LAI数据)开展地表温度模拟。结果表明,两组试验的地表温度在青藏高原地区都呈现自西北至东南方向逐渐升高,均能较好地模拟出地表温度一年中呈现先上升后下降的时间变化趋势。试验NEW/TG模拟的地表温度与观测值的相关系数达到0.863,略大于试验HRCLM/TG,模拟结果相对较好,其中夏季和秋季的模拟结果与实测值的差异较大;试验NEW/TG均方根误差降低了0.109℃;偏差在三个季节均为负数,低估了实际地表温度值,且夏季地表温度模拟情况相对较差。整体上来看,LAI质量的改进提高了地表温度模拟效果。(3)通过设计两组试验HRCLM/SOIL(模式自带的LAI数据)和试验NEW/SOIL(重建后的LAI数据),研究LAI改进对青藏高原地区土壤湿度模拟效果的影响。结果表明,两组试验均能够较好地模拟出土壤湿度时间变化趋势,模拟结果与观测值的相关系数在0.800左右,试验NEW/SOIL模拟值与观测值的相关系数比试验HRCLM/SOIL略高了0.023,其中在春季的模拟值与实测值差异最大。两组试验的土壤湿度模拟值与观测值的均方根误差和偏差反映的季节规律相对一致,春季最小,夏季和秋季较大。从土壤湿度空间分布来看,两组试验均呈现由西北向东南方向土壤湿度逐渐增大的变化趋势,且高估了实际的土壤湿度。试验NEW/SOIL的模拟结果说明高质量的叶面积指数数据集,可提高陆面模式对土壤湿度的模拟效果。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  •   1.1 研究目的及意义
  •   1.2 国内外研究进展
  •     1.2.1 遥感数据重建研究
  •     1.2.2 遥感数据在陆面模式研究中的应用
  •   1.3 研究内容与技术路线
  •     1.3.1 研究内容
  •     1.3.2 技术路线
  • 第二章 研究数据与方法
  •   2.1 研究区概况
  •   2.2 数据介绍
  •     2.2.1 叶面积指数数据
  •     2.2.2 土地覆盖数据
  •     2.2.3 气象观测数据
  •     2.2.4 大气强迫数据
  •   2.3 研究方法
  •     2.3.1 Savitzky-Golay滤波法
  •     2.3.2 年序列异常值滤波
  •     2.3.3 双线性插值
  •     2.3.4 误差分析指标
  •   2.4 HRCLDAS/CLM系统
  •     2.4.1 HRCLDAS/CLM系统介绍
  •     2.4.2 LAI数据集应用于模式模拟技术
  •     2.4.3 地表温度模拟方案
  •     2.4.4 土壤湿度模拟方案
  • 第三章 基于滤波方法的LAI时序重建
  •   3.1 基于像元分析和异常值检测的S-G滤波重建
  •     3.1.1 基于同类植被高质量像元初步重建
  •     3.1.2 基于像元分析初步重建的S-G滤波
  •     3.1.3 年序列异常值检测
  •   3.2 结果与分析
  •     3.2.1 MODIS LAI数据集质量分析
  •     3.2.2 LAI时序曲线重建效果分析
  •     3.2.3 重建数据质量评价分析
  •   3.3 本章小结
  • 第四章 LAI改进对地表温度模拟影响研究
  •   4.1 陆面模式模拟试验设计
  •   4.2 地表温度模拟结果时间变化
  •     4.2.1 地表温度逐日模拟结果分析
  •     4.2.2 地表温度月尺度模拟结果分析
  •     4.2.3 地表温度季尺度模拟结果分析
  •   4.3 地表温度模拟结果空间分布
  •   4.4 本章小结
  • 第五章 LAI改进对土壤湿度模拟影响研究
  •   5.1 陆面模式模拟试验设计
  •   5.2 土壤湿度模拟结果时间变化
  •     5.2.1 逐6 小时土壤湿度模拟结果分析
  •     5.2.2 土壤湿度月尺度模拟结果分析
  •     5.2.3 土壤湿度季尺度模拟结果分析
  •   5.3 土壤湿度模拟结果空间分布
  •   5.4 本章小结
  • 第六章 结论与展望
  •   6.1 结论
  •   6.2 主要创新点
  •   6.3 不足与展望
  • 参考文献
  • 致谢
  • 作者简介
  • 文章来源

    类型: 硕士论文

    作者: 周旻悦

    导师: 沈润平

    关键词: 滤波,地表温度,土壤湿度

    来源: 南京信息工程大学

    年度: 2019

    分类: 基础科学

    专业: 生物学

    单位: 南京信息工程大学

    分类号: Q948.113

    DOI: 10.27248/d.cnki.gnjqc.2019.000054

    总页数: 63

    文件大小: 3285K

    下载量: 60

    相关论文文献

    • [1].福州城市地表温度时空变化与贡献度研究[J]. 地球科学进展 2020(01)
    • [2].灌溉对地表温度影响的全球评估(英文)[J]. Science Bulletin 2020(17)
    • [3].乌鲁木齐市地表温度与遥感指数关系[J]. 科技创新与应用 2020(26)
    • [4].新疆石河子多年地温和降水特征分析[J]. 新疆农垦科技 2020(08)
    • [5].炙烤,地表温度50℃下的训练场![J]. 政工学刊 2020(10)
    • [6].城市局部气候分区对地表温度的影响——以大连市区为例[J]. 测绘通报 2019(04)
    • [7].辽宁省地表温度时空变化及影响因素[J]. 生态学报 2019(18)
    • [8].地表温度热红外遥感反演理论与方法[J]. 科学观察 2017(06)
    • [9].重庆地表温度的遥感反演及其空间分异特征[J]. 遥感技术与应用 2018(05)
    • [10].欧亚大陆夏季地表温度的气候特征及与大气环流的联系[J]. 大气科学学报 2015(02)
    • [11].近10年北京极端高温天气条件下的地表温度变化及其对城市化的响应[J]. 生态学报 2013(20)
    • [12].大连市主城区地表温度变化研究[J]. 中国农村教育 2019(02)
    • [13].基于光纤测温技术的城市地表温度精细化分析[J]. 生态学报 2019(17)
    • [14].山东省地表温度变化与地震活动关系探讨[J]. 地震地磁观测与研究 2017(05)
    • [15].黑龙江省漠河地区土地覆被与地表温度时空变化特征研究[J]. 冰川冻土 2017(05)
    • [16].城市地表温度影像时空融合方法研究[J]. 武汉大学学报(信息科学版) 2018(03)
    • [17].城市扩张过程中不透水面空间格局演变及其对地表温度的影响——以乌鲁木齐市为例[J]. 生态学报 2018(20)
    • [18].青藏高原地表温度时空变化分析[J]. 遥感技术与应用 2016(01)
    • [19].高寒山区地表温度反演算法对比——以疏勒河上游流域为例[J]. 遥感信息 2016(04)
    • [20].基于MODIS数据的石羊河流域地表温度空间分布[J]. 干旱区地理 2014(01)
    • [21].北京市1989—2010年地表温度时空分异特征分析[J]. 国土资源遥感 2014(03)
    • [22].不同土地覆被类型对城市地表温度的影响——以山东省龙口市为例[J]. 宁波农业科技 2012(03)
    • [23].冰雪融化厚度增加对地表降水持续期和强度的影响研究[J]. 水利水电快报 2020(10)
    • [24].风云三号C星微波全球地表温度产品精度评估[J]. 气象与环境科学 2018(04)
    • [25].杭州市城市建筑区夏季地表温度特征分析[J]. 测绘与空间地理信息 2019(04)
    • [26].三江平原水旱田分布对遥感反演局地地表温度的影响[J]. 农业工程学报 2019(05)
    • [27].北京、天津和石家庄城市地表覆盖组分与结构特征对地表温度的影响[J]. 生态学杂志 2019(10)
    • [28].伊犁河谷2001—2014年地表温度时空分异特征[J]. 中国沙漠 2018(03)
    • [29].基于矿井尺度的神东矿区地表温度分布研究[J]. 煤炭工程 2018(07)
    • [30].城市扩张下的哈尔滨地表温度空间变化态势分析[J]. 中国农业大学学报 2018(10)

    标签:;  ;  ;  

    LAI重建及其对高分辨率HRCLDAS/CLM地表温度和土壤湿度模拟的影响
    下载Doc文档

    猜你喜欢