论文部分内容阅读
蒸散信息是农业作业与研究中十分关键的信息,准确的蒸散信息可以为合理调配和利用农业水资源提供决策支持。针对农田中空间模式蒸散量(ET,Evapotranspiration)缺少有效量化的问题,本研究搭建了基于无人机(UAV,Unmanned aerial vehicle)获取蒸散基础数据的硬件平台,通过研究现有的卫星蒸散模型原理,提出一种基于无人机估算农田蒸散量的方法,该方法基于无人机搭载的多光谱传感器和热像仪采集数据进行蒸散量估算,可以便捷的得到高分辨率的蒸散量空间分布图,验证试验结果在杨凌地区的实验农田中表现非常可靠。(1)为解决蒸散模型的基础数据获取问题,基于蒸散模型所需的数据及相关数据获取原理,搭建数据获取平台。构建M100多旋翼无人机搭载热像仪和多光谱成像仪的采集数据平台,该平台集成了多光谱传感器和热像仪,可以获取多个波段的图像数据,为估算蒸散量提供有效的数据支持。(2)基于卫星数据和GEE(Google Earth Engine)平台,研究单源模型、多源模型和机器学习模型在试验地区的表现。选取典型单源模型METRIC(Mapping Evapotranspiration at High Resolution with Internalized Calibration)模型、典型多源模型TSEB(Two-Source Energy Balance)模型和神经网络模型以Landsat8卫星数据为基础进行农田蒸散量估算,将估算结果与涡度相关系统自动观测仪器系统测量结果对比,试验结果表明三种建模方法结果和测量值都有一定相关性,多源模型的结果误差相对较小,均方根误差为2.020 mm/d,平均绝对误差为1.614 mm/d。(3)卫星模型结果的精度不能满足高时空精度的农业作业需求,这就需要更为精准的数据,最为适合的就是无人机平台提供的低空遥感数据。为了获取高空间分辨率的蒸散量分布,需要以低空遥感数据为基础数据,研究基于低空遥感数据的农田蒸散量制图方法。对不同传感器的数据进行配准和拼接处理,将多源数据融合,最终用于蒸散量估算的基础数据分辨率达到分米级。针对温度参数易产生较大误差的问题,提出基于无人机热像仪数据与实际温度间的关系对获取的热像仪数据进行校正,校正结果比原始测量值更接近真实值。(4)由于蒸散模型大多是基于卫星数据建立的,需要研究低空遥感数据对蒸散模型的适应性。将低空遥感数据匹配到卫星遥感蒸散模型中,对蒸散模型进行适用于低空遥感数据的匹配。将模型计算结果与OPEC测量结果进行对比,METRIC模型估算的均方根误差为0.0684 mm/h,平均绝对误差为0.0519 mm/h,TSEB模型的均方根误差为0.0874 mm/h,平均绝对误差为0.0720 mm/h。估算值和测量值具有很强的相关性,但是仍存在一定的误差。(5)改进并验证了适合低空遥感数据的农田蒸散量估算模型URSEB(UAV Remote Sensing Energy Balance)模型。本研究通过对不同模型的研究开发了一种适合低空遥感数据进行蒸散量估算的方法,并通过试验验证了方法的可行性。基于低空遥感数据的URSEB模型可以得到结果较为准确的通量数据,将估算值与测量值进行对比,显热通量均方根误差为20.013 W/m~2,平均绝对误差为15.835 W/m~2,潜热通量均方根误差为40.202 W/m~2,平均绝对误差为26.017 W/m~2。估算的蒸散量的均方根误差为0.0383 mm/h,平均绝对误差为0.0322 mm/h,决定系数为0.944。最终使用URSEB模型得到试验区蒸散量的空间分布图。本研究通过对比不同数据获取平台和不同蒸散估算方法,开发了一种基于低空遥感的蒸散量估算方法,在位于杨凌地区的试验田进行了大量田间试验后得出结论,该方法可以有效获取高分辨率空间模式的田间蒸散量,为农田灌溉决策等精准农业技术提供支持。