基于多源遥感数据的蒸散发时空融合研究——以贵州省后寨河小流域为例.pdf

第2 3卷 第1 3期2 0 2 3年 7月 科 技 和 产 业S c i e n c eT e c h n o l o g ya n dI n d u s t r y V o l.2 3,N o.1 3J u l.,2 0 2 3基于多源遥感数据的蒸散发时空融合研究 以贵州省后寨河小流域为例杨祎航(湖南师范大学 地理科学学院,长沙4 1 0 0 8 1)摘要:获取具有高时空分辨率的蒸散发数据对于喀斯特区域水资源管理和规划具有重要意义。基于增强型自适应时空融合模型和M S-P T蒸散发估算模型,设计输入参数融合方案,构建喀斯特区域具有高时空分辨率的蒸散发数据集。结果表明:基于M S-P T模型在该地区估算蒸散发与实测值较为接近;自适应时空融合模型在地表复杂的喀斯特区具有较好的适用性;对于输入参数融合方案,融合后的蒸散发与实测蒸散发具有可靠的融合精度。关键词:蒸散发;喀斯特;P r i e s t l e y-T a y l o r模型;增强自适应时空融合模型;时空融合中图分类号:P 4 2 6.2 文献标志码:A 文章编号:1 6 7 1-1 8 0 7(2 0 2 3)1 3-0 2 3 6-0 9收稿日期:2 0 2 3-0 2-2 2作者简介:杨祎航(1 9 9 8),男,湖南常德人,湖南师范大学地理科学学院,硕士研究生,研究方向为生态环境遥感。蒸散发包括土壤蒸发和植被蒸腾,是生态系统中能量交换和水循环的核心过程,在农业生产和生态保护方面具有重要的应用1-2。中国西南喀斯特区由于土层浅薄且分布不均,独特的二元水文结构和快速的土壤导水性,导致地表水分漏失严重。加上植被逐年退化,大量的生态工程在石漠化严重的该地区实施,使得该地区生态环境脆弱,严重阻碍了当地植被恢复和社会经济的发展3。蒸散发作为水循环的重要环节,准确估算区域蒸散发对掌握喀斯特地区生态水文循环过程和水资源管理具有重要意义,也可以为该地区植被恢复和石漠化治理提供指导。截至目前,针对中国西南喀斯特地区的蒸散发研究 中,宋 文 龙 等4基 于P e n m a n-M o n t e i t h公式利用L a n d s a t影像和E C c o HAT系统对西南喀斯特区植被条件下水循环过程进行模拟;戴明宏等5基于F AO-5 6P e n m a n-M o n t e i t h模型利用站点监测的气象数据对贵州省1 9 6 12 0 1 4年参考蒸散量进行估算,但以上研究仅基于站点尺度并未推广到区域 尺度,因此 空间代表性 较差;于静等6基 于 修 正 的 双 源 遥 感(t w o-s o u r c ee n e r g yb a l a n c e,T S E B)模 型 对 西 南 地 区 近2 0年 来 蒸 散发时空变化规律进行研究;钟昊哲等7基于优化后的PML(P e n m a n-M o n t e i t h-L e u n i n g)模 型 对 广西喀斯特区进行蒸散发估算研究,得到空间分辨率为10 0 0m的蒸散发数据,但是由于中国西南喀斯特区处于亚热带季风湿润区,雨季持续时间较长,难以获取 兼备高时空 分辨率的遥 感数据,导致现有基于遥感数据实现对喀斯特区蒸散发的研究 大 多 集 中 在 分 辨 率 较 低 的 时 空 尺 度 上。因此对西南喀斯特地区利用时空融合技术来获取具有更加精细化时空尺度的蒸散发研究还有待探究。基于此,利用增强型自适应时空融合模型(e n h a n c e ds p a t i a la n dt e m p o r a la d a p t i v er e f l e c-t a n c e f u s i o nm o d e l,E S TAR FM)和MS-P T(M o d i-f i e dS a t e l l i t e-B a s e dP r i e s t l e y-T a y l o r)蒸散发估算模型,通过设计输入参数融合方案(i n p u tp a r a m e t e rf u s i o na p p r o a c h,I P F A),以 中 国 贵 州 省 普 定 县 后寨河小流域为研究区,对MO D I S和L a n d s a t 8数据进行时空融合,用以构建具有高时空分辨率蒸散发数据集,为实现从精细化时空尺度对喀斯特区水资源监测与管理提供参考。1 研究区域和研究数据1.1 研究区概况研究区选择了位于中国西南喀斯特区域的后寨流域(1 0 5 4 0 1 0 5 4 8 E,2 6 1 2 2 6 1 7 N)。该流域地处贵州高原的西部地区,是长江水系上游三岔河支流与珠江水系北盘江支流白水河之间的分水岭地区,总面积约为8 1k m28,属于典型的高原型喀斯特地貌,地形地貌复杂,地势较高,东632高西低,地面起伏较小,平均坡度为6.9,海拔为12 2 315 6 7m。该区域属于亚热带季风性湿润气候,气 候 温 和,降 水 丰 富,多 年 平 均 气 温 为1 5.1,流域 内 多 年 平 均 降 水 量 为13 0 0mm以上,降水时空分布不均,51 0月为雨季,降水量占到全年的8 0%以上。流域内植被类型多样,植被覆盖 度 高,主 要 以 常 绿 阔 叶 林 和 落 叶 阔 叶 林为主9。1.2 研究数据与数据预处理实验中所需要的数据主要包括的遥感数据、气象数据、数字高程模型数据(D EM)、土地利用数据和站点实测蒸散发数据。遥感数据和气象数据均是从美国国家宇航局(N a t i o n a lA e r o n a u t i c sa n dS p a c eA d m i n i s t r a t i o n,NA S A)地球科学数据系统网站下载得到,其中,L a n d s a t 8数据空间分辨率为3 0m,时间分辨率为1 6d,受研究区内阴雨天气影响,共获取9幅无云天气的L a n d s a t-8数据(表1);MO D I S数据包括地表反射率产品MO D 0 9 A 1和地表 温 度 产 品MO D 1 1 A 2,其 空 间 分 辨 率 均 为10 0 0m,时间分辨率为8d,数据分幅号为h 2 7 0 6;气象数据包括气温和大气压强度数据,二者均为全球陆面同化系统(g l o b a l l a n dd a t aa s s i m i l a t i o ns y s-t e m,G L D A S)的再分析数据产品,其空间分辨率为0.2 5,时间分辨率为0.5h;D EM数据来自地理空间数据云,空间分辨率为9 0m;土地利用数据来自欧洲航空局(E u r o p e a nS p a c eA g e n c y)发布的W o r l d C o v e r土地利用覆盖数据,其空间分辨率为1 0m;实测蒸散发数据来源于2 0 1 82 0 1 9年在研究区利用G r a i n e r热扩散式探针法(T D P)和蒸散箱进行连续测定的蒸腾量,同时还包含基于微型蒸渗仪测定的土壤蒸散量,用以对基于遥感估算的蒸散量结果进行精度验证。实测蒸散发观测点如图1所示。在使用 数 据 反 演 地 表 参 数 前,用E NV I5.3遥感专业处理软件对L a n d s a t-8数据进行辐射定标、大气校 正 和 图 像 剪 裁 的 数 据 预 处 理。采 用NA S A官方MR T软件对MO D I S数据 进行重投影、拼接和 裁 剪 处 理 得 到 研 究 区 范 围 的MO D I S数据,并 在MAT L A B软 件 平 台 中 采 用S a v i t z k y-G o l a y滤 波 对MO D I S数 据 进 行 平 滑 去 噪 处理1 0。在A r c G I S软件平台中采用双线性插值法将G L D A S和MO D I S数据重采样为与L a n d s a t-8数据具有相同空间分辨率的3 0m,并对其进行投影坐标变换,使得最后MO D I S、G L D A S气象数据和L a n d s a t-8数据保持相同的空间分辨率和投影坐标1 1。利用E NV I 5.3软件对D EM数据重采样为3 0m,使其与L a n d s a t-8数据保持相同的空间分辨 率。使 用A r c G I S1 0.4软 件 对 土 地 利 用数据进行裁剪得到研究区土地覆盖类型图,并使用该软件对土地利用类型进行重分类,将土地利用数据分为符合 研究区实际 情况的林地、灌木、草地、耕地、建筑用地和水体6种主要的土地利用类型。研究 区 域 及 实 验 站 点 的 空 间 分 布 如 图1所示,数据类型及其时空分辨率见表1。图1 研究区域及实验站点的空间分布732 杨祎航:基于多源遥感数据的蒸散发时空融合研究 表1 数据类型及其时空分辨率数据类型MO D I SL a n d s a t 8O L ID EMG L D A S数据产品/波段MO D 0 9 A 1/MO D 1 1 A 2可见光波段/热红外波段S R TM D EM气压/气温空间分辨率2 5 0m/10 0 0m/10 0 0m3 0m/1 0 0m9 0m0.2 5 时间分辨率8d1 6d0.5h日期2 0 1 8-0 1-0 12 0 1 9-1 2-3 02 0 1 8-0 3-0 3,2 0 1 8-0 3-1 0,2 0 1 8-0 6-0 7,2 0 1 9-0 3-2 9,2 0 1 9-0 4-0 7,2 0 1 9-0 8-1 3,2 0 1 9-0 9-3 0,2 0 1 9-1 1-0 1,2 0 1 9-1 2-1 02 0 1 8-0 1-0 12 0 1 9-1 2-3 02 研究方法2.1 研究方案图2为实验的技术路线。首先通过L a n d s a t-8数据计算得到具有高空间分辨率(3 0m)的地表参数 地表温度(L S T)、归一化植被指数(N D V I)、地表反射率,然后将L a n d s a t计算得到的地表参数分别与通过MO D I S数据计算得到的相对应的地表参数(10 0 0 m)进行融合,构 建 具 有 高 时 空 分 辨 率(8d/3 0m)的地表参数,然后结合气象数据,以M S-P T模型为基础来估算研究区的蒸散量。图2 技术路线2.2 P r e s t l y-T a y l o r模型Y a o等1 2-1 3提出的M S-P T模型被广泛用于遥感蒸散发估算。该模型以温度和辐射平衡模型为基础,通过利用经验系数代替大气需求来估算蒸散发,所需的辅助气象数据较少。该模型主要包括植被蒸腾(L Ec)、土壤蒸发(L Es)、截留蒸腾(L Ew s)和截留蒸发(L Ei c)4个部分,其计算公式为L E=L Ec+L Es+L Ew s+L Ei c(1)L Ec=(1-fw e t)fT+Rn c(2)L Es=(1-fw e t)fs m+(Rn s-G)(3)L Ew s=fw e t+(Rn s-G)(4)L Ei c=fw e tf+Rn c(5)式中:为M S-P T系数,为1.2 6;为温度-饱和水汽压曲线的斜率,k P a/;为干湿表常数,k P a/;fw e t为土壤湿度因子,根据土壤水分因子的四次方进行计算;fs m为土壤水分限制因子,基于温度的表面惯性(AT I)计算得到1 4;fT为温度限制因子,表示植被温度对蒸散量的影响;Rn c和Rn s分别为冠层净辐射和地表净辐射;G土壤热通量。以上参数的计算公式分别为fw e t=f4s m(6)fs m=1D T D TD Tm a x(7)832 科技和产业 第2 3卷 第1 3期 fT=e x pTa-To p tTo p t 2(8)Rn c=Rnfv(9)Rn s=Rn(1-fv)(1 0)G=agRn(1-fv)(1 1)式中:D T为卫星过境当天昼间日温差;D Tm a x为昼间最大日温差,在这里被设为常数(D Tm a x=4 0);To p t为最佳温度(2 5),Ta为空气温度,;ag为湿润区经验系数,为0.1 8;fv为植被覆盖度,可以通过N D V I计算得到,其计算公式为fv=N D V I-N D V Im i nN D V Im a x-N D V Im i n(1 2)Rn为地表净辐射,表示地面接收的来自太阳和大气层中各种辐射与地表发射和反射的各种辐射差额,计算公式为Rn=(1-)Rs+saT4a-sT4s(1 3)式中:为地表反照率;Rs为入射的短波净辐射,W/m2;为 玻 尔 兹 曼 常 数,取 值 为5.6 71 0-8W/(m2K4);a和s分别为地表和空气比辐射率,净辐射所需的以上输入参数可根据B i s h t和B r a s1 5提出的方法进行计算。通过遥感卫星估算得到的是瞬时蒸散量,根据J a c k s o n等1 6提出的正弦扩展法将蒸散发扩展为日尺度蒸散发,计算公式为E Td=2NE Ti s i n(t/N)(1 4)式中:E Td和E Ti分别表示日蒸散量和卫星过境的瞬时蒸散量;N为日出到日落之间的日照数;t为日出到卫星过境时刻的时间长度。2.3 E S T A R F M模型E S T A R FM模型被Z h u等1 7在2 0 1 0年提出的。该模型是基于L a n d s a t和MO D I S数据之间的加权函数,通过使用在相同日期获得的两对无云MO D I S/L a n d s a t卫星以及一幅预测日期的MO D I S影像,通过考虑影像之间的光谱权重、空间权重和时间权重去获得预测日期的高空间分辨率的影像,模型表达式为Fp(xw/2,yw/2,tp)=TmFm(xw/2,yw/2,tp)+TnFn(xw/2,yw/2,tp)(1 5)Fk(xw/2,yw/2,tp)=FL(xw/2,yw/2,tk)+Ni=1WiViFM(xi,yi,tp)-FM(xi,yi,tk)(1 6)式中:Fp为tp时刻最终预测的高分辨率图像;w为搜索窗口大小;(xw/2,yw/2)为预测像素的中心位置;(xi,yi)为第i个相似像素的位置;N为搜索窗口内包括中心“预测”像素在内的 相似像素的数量;Fk(k=m,n)分别为用时间tm和tn预测的高空间分辨率图像。FM和FL分别为MO D I S图像和L a n d s a t图 像;Wi和Vi为 权 重 和 转 换 系数;Tm和Tn为tm和tn的时间权重因子,计算公式为Tk=1/|wj=1wi=1FM(xj,yi,tk)-wj=1wi=1FM(xj,yi,tp)|k=m,n 1/|wj=1wi=1FM(xj,yi,tk)-wj=1wi=1FM(xj,yi,tp)|(1 7)3 结果与分析3.1 M S-P T模型结果验证实验首先评价M S-P T模型在喀斯特区域的适用性,利用实测数据对基于M S-P T模型结合L a n d-s a t-8数据估算的研究区蒸散量进行精度验证。从表2可以看出,在区分地物类型的情况下,林地、灌木、草地和耕地的蒸散量估算值与实测值的相关系数分别为0.8 1、0.8 7、0.8 5和0.6 7,说明该模型对于林地、灌木和草地的蒸散量估算值与实测值具有较好相关性;而对于耕地的蒸散量估算值与实测值的相关性最低,说明该模型在林地、草地和灌木的表现较耕地要好。但是其4种地物类型的均方根误差均小于1mm/d,说明使用该模型估算蒸散量均在适用的精度范围之内,具有较好的估 算 效 果。根图3 基于L a n d s a t-8数据的P r i e s t l e y-T a y l o r模型估算结果与实测蒸散发散点分布图932 杨祎航:基于多源遥感数据的蒸散发时空融合研究 表2 基于L a n d s a t-8数据的P r e s t l y-T a y l o r模型估算结果与实测蒸散发不同地物类型对比用地类型平均观测值/(mmd-1)平均估算值/(mmd-1)绝对误差/(mmd-1)平均相对误差/%均方根误差/(mmd-1)相关系数林地3.0 93.3 40.4 20.1 40.9 10.8 1灌木2.9 53.6 30.3 30.2 80.8 40.8 7草地3.1 73.7 20.3 70.2 50.6 80.8 5耕地2.0 92.3 80.40.2 20.6 70.6 7据图3可知,在不区分地物类型的情况下,从整体的估算结果来看,使用R S-P T模型估算喀斯特区域的蒸散量时,模拟蒸散量结果较为均匀地分布在散点图1 1趋势线的两侧,且在不区分地物类型的情况下,蒸散量估算值与蒸散量实测值的决定系数为0.6 9、RM S E(均方根误差)为0.7 1mm/d,表示使用R S-P T模型估算喀斯特区域的蒸散量具有较好的适用性,符合蒸散量估算的精度的要求。3.2 E S T A R F M模型验证为了验证E S T A R FM模型的融合精度,选取了2 0 1 9年9月3 0日、2 0 1 9年1 2月1 0日的L a n d s a t-8数据和2 0 1 9年9月3 0日、2 0 1 9年1 2月1 0日以及2 0 1 9年1 1月1日的MO D I S数据作为输入数据,分别对利用L a n d s a t-8和MO D I S数据计算得到的归一化植被指数(N D V I)和地表温度(L S T)两种地表参数进行数据融合,并利用2 0 1 9年1 1月1日的L a n d s a t-N D V I和L a n d s a t-L S T对 融 合 结 果 进 行验证。图4(a)、图4(b)分别显示了2 0 1 9年1 1月1日基于L a n d s a t-8数据估算的归一化植被指数和地表温度结果,图4(c)、图4(d)分别为融合后的归一化植被指数和地表温度结果,由图4可以看出,融合后的归一化植被指数(N D V I)和地表温度(L S T)结果相较于L a n d s a t 8反演得到的相应结果在空间分布上具有较好的一致性。为了进一步对E S T A R FM模型的融合结果进行评价,随机选择融合区域内均匀分布的1 00 0 0个点进行验证,由图5可以看出,离散点均匀地分布在1 1趋势线两侧,较为集中,其中对于归一化植被指数来说,二者的相关性更高,决定系数R2=0.9 2,对于地表温度,二者的决定系数R2=0.8 6。由此说明基于E S T A R FM模型融合后的高分辨率地表参数的结果具有较高的可靠性。图4 2 0 1 9年1 1月1日基于E S T A R F M模型融合结果与L a n d s a t-8空间对比042 科技和产业 第2 3卷 第1 3期 图5 基于E S T A R F M模型融合结果与L a n d s a t-8散点分布图3.3 输入参数融合方案结果对比从表3可以看出,在区分地物类型的情况下,融合后4种地物类型的蒸散量估算值与蒸散量实测值的相关系数分别为0.8 8、0.7 8、0.8 1和0.6 3,表明输入参数融合方案对于林地、灌木、草地和耕地均具有较好的相关性,且4种地物类型的估算值与实测值的均方根误差(RM S E)均小于1mm/d,表明该方案在4种地物类型的融合精度均在可接受的范围之内,具有较好的融合效果。图6展示了融合蒸散发与实测蒸散发散点分布图,可以看出在不区分地物类型情况下,两者的均匀分布于1 1趋势线的附近,其整体结果的决定系数为0.6 5,均方根误差为0.9 2mm/d,表明输入参数融合方案对构建具有高时空分辨率蒸散发数据集具有较好的融合效果。图7显示了2 0 1 82 0 1 9年通过融合蒸散发与实测蒸散发分别在灌木、灌草、林地和玉米地的时序变化图,可以看出融合后的蒸散发在2 0 1 8年1 1月至2 0 1 9年3月在4种地物类型上均出现高估的情况。在其他时段,I P F A方案在2 0 1 8年和2 0 1 9年夏季对玉米地的蒸散发均有高估的情况,在灌木、灌草和林地两种方案均有较好的估算结果。4 结论与展望4.1 研究结论以具有典型喀斯特地貌的后寨河流域为研究对象,利用2 0 1 82 0 1 9年的L a n d s a t-8卫星影像数据、MO D I S数据产品以及气象数据等,以M S-P T蒸散发估算模型和E S T A R FM时空融合模型为基础,通过设计了输入地表参数融合时空扩展方案来构建具有高时空分辨率的蒸散发数据集,并通 过实表3 输入参数融合方案估算结果与实测蒸散发不同地物类型对比用地类型平均观测值/(mmd-1)平均预测值/(mmd-1)绝对误差/(mmd-1)平均相对误差/%均方根误差/(mmd-1)相关系数林地2.4 42.8 60.4 23 4.80.8 90.8 8灌木2.2 72.8 10.5 33 0.70.9 30.7 8草地2.3 42.8 50.5 12 5.40.7 10.8 1耕地1.7 32.4 80.7 63 0.10.9 30.6 3图6 融合蒸散发与实测蒸散发散点分布图测数据对融合结果进行精度验证和分析。从定量的角度客观地评价了在喀斯特区域实现蒸散发时空扩展的可行性,希望为该区域水资源的可持续利用可用以及生态环境的保护提供参考。主要研究结论如下:1)通过使用实测蒸散量对估算蒸散量从4种不同的地物类型进行精度验证,验证结果表明,利用M S-P T模型估算喀斯特区域的蒸散量在林地、灌木、草地和耕地的蒸散量估算值与实测值具有较好的相关性,且4种地物类型的蒸散量估算值与实测值之间的均方根误差均小于1mm/d,说明使用该142 杨祎航:基于多源遥感数据的蒸散发时空融合研究 图7 4种不同地物融合蒸散发与实测蒸散发变化趋势模型估算喀斯特区域的蒸散量均在适用的精度范围之内,具有可靠的估算效果。2)利用E S T A R FM模型对地表温度和归一化植被指数进行时空融合,同时使用L a n d s a t-8估算的相应结果来对融合后的结果进行精度验证,结果表明融合后的归一化植被指数和地表温度结与基于L a n d s a t-8反演得到的相应结果在空间分布上具有较好的一致性,且融合后的归一化植被指数和地表温度与基于L a n d s a t-8估算的相应结果之间的决定系数均在0.8 5以上,因此使用E S T A R FM模型进行时空融合模型在下垫面复杂的喀斯特区域具有较好的适用性,这也与陈啟英等1 8的研究结果一致。3)通过设计输入参数融合方案来构建喀斯特242 科技和产业 第2 3卷 第1 3期 区域具有高时空分辨率蒸散发数据集,利用实测数据进行精度验证后的研究结果表明,输入地表参数融合方案在喀斯特区域构建具有高时空蒸散发数据集具有较好的精度。另外从时序上的变化趋势来看,输入融合参数方案的估算值在2 0 1 8年1 1月至2 0 1 9年3月在林地、灌木和草地上均出现高估的情况,这是因为从2 0 1 8年6月至2 0 1 9年3月期间,L a n d s a t-8号卫星出现长时间数据缺失,从而对融合精度造成较大的误差。4.2 展望仅使用L a n d s a t-8号卫星遥感影 像作为高 空间分辨率数据进行时空融合,但是由于中国西南喀斯特区阴雨天持续时间长,导致在某一段长时间内可使用的L a n d s a t-8数据缺失严重,使得融合精度受到数据缺失的影响严重。后续的研究可以通过引入其他高空间分辨率的遥感数据来弥补单一的L a n d s a t-8数据在时间上的缺失,比如高分一号卫星和高分二号卫星的近红外波段和红光波段可以很好地实现对归一化植被指数在长时间数据缺失上的补充1 9-2 0;高分五号遥感数据的热红外波段可以很好地实现对地表温度在长时间数据缺失上的补充2 1。但是如何实现对多种数据源进行时空融合,减少输入地表参数的不确定性还有待进一步研究。参考文献1 杜鑫,苏涛.基于线性双源遥感蒸散模型的作物估产:以河套灌区为例J.科学技术与工程,2 0 2 2,2 2(5):1 8 2 1-1 8 2 8.2 孟莹,姜鹏,董巍.基于遥感的地表蒸散发研究进展J.遥感技术与应用,2 0 2 2,3 7(4):8 3 9-8 5 3.3 Y IRZ,XU XL,Z HUSD,e ta l.D i f f e r e n c e i nh y d r a u l i cr e s i s t a n c eb e t w e e np l a n t e df o r e s ta n dn a t u r a l l yr e g e n e r a-t e df o r e s t a n d i t s i m p l i c a t i o n s f o r e c o s y s t e mr e s t o r a t i o n i ns u b t r o p i c a lk a r s tl a n d s c a p e sJ.J o u r n a lo fH y d r o l o g y,2 0 2 1,5 9 6:1 2 6 0 9 3.4 宋文龙,杨胜天,温志群,等.贵州典型森林群落植被冠层的酸雨淋溶特征及缓冲作用J.环境科学学报,2 0 1 0,3 0(1):1 5-2 3.5 戴明宏,李玉涛,王腊春,等.典型喀斯特地区参考作物蒸散量的时空变化分析:以贵州省为例J.地球与环境,2 0 1 6,4 4(3):3 4 2-3 5 2.6 于静,柳锦宝,姚云军,等.近2 0年西南地区地表蒸散与干旱时空变化特征J.人民长江,2 0 1 8,4 9(1 0):3 6-4 0,8 0.7 钟昊哲,徐宪立,张荣飞,等.基于P e n m a n-M o n t e i t h-L e-u n i n g遥感模型的西南喀斯特区域蒸散发估算J.应用生态学报,2 0 1 8,2 9(5):1 6 1 7-1 6 2 5.8 Z HAN G Y H,XU XL,L IZ W,e ta l.I m p r o v e m e n t si ns o i l q u a l i t yw i t hv e g e t a t i o ns u c c e s s i o n i ns u b t r o p i c a l C h i n ak a r s tJ.S c i e n c eo fT h eT o t a lE n v i r o n m e n t,2 0 2 1,7 7 5:1 4 5 8 7 6.9 Z HAN GRF,XUXL,L I U MX,e t a l.C o m p a r i n ge v a p o-t r a n s p i r a t i o nc h a r a c t e r i s t i c sa n de n v i r o n m e n t a lc o n t r o l sf o r t h r e ea g r o f o r e s t r ye c o s y s t e m si nas u b t r o p i c a lh u m i dK a r s ta r e aJ.J o u r n a lo f H y d r o l o g y,2 0 1 8,5 6 3:1 0 4 2-1 0 5 0.1 0 梁守真,施平,邢前国.MO D I SN D V I时间序列数据的去云算法比较J.国土资源遥感,2 0 1 1(1):3 3-3 6.1 1 包珺玮,于利峰,乌兰吐雅,等.基于E S T A R FM模型的农作物类型识别方法应用J.北方农业学报,2 0 2 1,4 9(3):1 2 8-1 3 4.1 2 YA O YJ,L I AN GSL,C HE N GJ,e ta l.MO D I S-d r i v e ne s t i m a t i o no ft e r r e s t r i a l l a t e n th e a tf l u xi nC h i n ab a s e do nam o d i f i e dP r i e s t l e y-T a y l o ra l g o r i t h mJ.A g r i c u l t u r-a l a n dF o r e s tM e t e o r o l o g y,2 0 1 3,1 7 1-1 7 2:1 8 7-2 0 2.1 3 YA OYJ,L I AN GSL,Z HA OSH,e t a l.V a l i d a t i o na n da p p l i c a t i o no f t h em o d i f i e ds a t e l l i t e-b a s e dP r i e s t l e y-T a y-l o ra l g o r i t h mf o rm a p p i n gt e r r e s t r i a le v a p o t r a n s p i r a t i o nJ.R e m o t eS e n s i n g,2 0 1 3,6(1):8 8 0-9 0 4.1 4 WAN GKC,L I ANGSL.A ni m p r o v e dm e t h o df o re s t i-m a t i n gg l o b a l e v a p o t r a n s p i r a t i o nb a s e do ns a t e l l i t ed e t e r-m i n a t i o no f s u r f a c en e t r a d i a t i o n,v e g e t a t i o n i n d e x,t e m-p e r a t u r e,a n ds o i lm o i s t u r eJ.J o u r n a lo fH y d r o m e t e o-r o l o g y,2 0 0 8,9(4):7 1 2-7 2 7.1 5 B I S HTG,B RA SRL.E s t i m a t i o no fn e tr a d i a t i o nf r o mt h eMO D I Sd a t au n d e r a l l s k yc o n d i t i o n s:s o u t h e r ng r e a tp l a i n sc a s es t u d yJ.R e m o t eS e n s i n go fE n v i r o n m e n t,2 0 1 0,1 1 4(7):1 5 2 2-1 5 3 4.1 6 J A C K S ON R D,HAT F I E L DJL,R E G I NA T O RJ,e t a l.E s t i m a t i o n o fd a i l ye v a p o t r a n s p i r a t i o nf r o m o n et i m e-o f-d a ym e a s u r e m e n t sJ.A g r i c u l t u r a lW a t e rM a n-a g e m e n t,1 9 8 3,7(1-3):3 5 1-3 6 2.1 7 Z HU XL,C HE NJ,GA OF,e ta l.A ne n h a n c e ds p a t i a la n dt e m p o r a la d a p t i v er e f l e c t a n c ef u s i o nm o d e l f o rc o m-p l e xh e t e r o g e n e o u s r e g i o n sJ.R e m o t eS e n s i n go fE n v i-r o n m e n t,2 0 1 0,1 1 4(1 1):2 6 1 0-2 6 2 3.1 8 陈啟英,安裕伦,奚世军.喀斯特高原区多源遥感数据时空融合模型适用性分析J.科学技术与工程,2 0 2 0,2 0(1 6):6 5 3 8-6 5 4 6.1 9 李志刚,许强,赵宽耀,等.基于高分一号卫星影像的延安市顾屯流域耕地盐渍化定量反演J.科学技术与工程,2 0 2 1,2 1(1 3):5 2 2 8-5 2 3 5.2 0 田青林,余长发,潘蔚,等.面向地质应用的高分二号卫星影像融 合 方 法 评 价 J.科 学 技 术 与 工 程,2 0 1 9,1 9(2 9):2 0 7-2 1 2.2 1 龚婷婷,张蕴灵,傅宇浩,等.基于高分五号卫星数据的地表温度反演技术研究J.数字技术与应用,2 0 2 0,3 8(7):8 6-8 9.342 杨祎航:基于多源遥感数据的蒸散发时空融合研究 S p a t i a l a n dT e m p o r a lF u s i o no fE v a p o t r a n s p i r a t i o nB a s e do nM u l t i-s o u r c eR e m o t eS e n s i n gD a t a:Ac a s es t u d yo fH o u z h a iR i v e rs u b-b a s i n i nG u i z h o uP r o v i n c eYANGY i h a n g(S c h o o l o fG e o g r a p h i c a lS c i e n c e s,H u n a nN o r m a lU n i v e r s i t y,C h a n g s h a4 1 0 0 8 1,C h i n a)A b s t r a c t:T h e a c q u i s i t i o no f e v a p o t r a n s p i r a t i o nd a t aw i t hh i g hs p a t i a l a n d t e m p o r a l r e s o l u t i o n i s i m p o r t a n t f o rw a t e r r e s o u r c em a n a g e m e n t a n dp l a n n i n g i nK a r s t r e g i o n s.A na d a p t i v e s p a t i o-t e m p o r a l f u s i o nm o d e l a n dM S-P Te v a p o t r a n s p i r a t i o ne s t i m a t i o nm o d e lw e r eu s e d t od e s i g na n i n-p u tp a r a m e t e r f u s i o ns c h e m e t oc o n s t r u c ta ne v a p o t r a n s p i r a t i o nd a t a s e tw i t hh i g hs p a t i o-t e m p o r a l r e s o l u t i o ni nt h eK a r s tr e g i o n.T h er e s u l t ss h o wt h a t t h ee s t i m a t e de v a p o t r a n s p i r a t i o nb a s e do nt h eM S-P T m o d e l i nt h i sa r e a i sc l o s et ot h em e a s u r e dv a l u e s.A d a p t i v es p a t i o-t e m p o r a lc o n v e r g e n c em o d e l sh a v eg o o da p p l