模型结构与参数化差异对蒸散发估算的影响

基于2012年黑河绿洲HiWATER高密度通量观测数据, 对比研究模型结构差异(单源Penman-Monteith/PM公式与双源PM公式、双源PM 公式与双源三温模型)以及PM公式中阻抗参数化差异对蒸散发估算的影响。结果表明: 1) 与模型结构相对复杂的双源PM公式相比, 单源PM公式计算的蒸散发平均相对误差(MAPE)为34%, 略优于双源PM公式的40%; 2) 对于两种模型结构差异显著的双源模型, 模型中不含阻抗参数的三温模型比模型中含阻抗参数的PM公式具有更高的估算精度, 前者的MAPE为18% (R²=0.85), 后者为40% (R²=0.34); 3) 两种单源和一种双源阻抗参数化方法导致PM公式计算的蒸散发出现不同程度的差异, MAPE可相差6%; 4) 使用先验知识/数据事前率定阻抗参数化方法, 可显著地提高单源PM公式的计算精度(MAPE可降低22%), 但随着模型结构与参数化复杂度增加, 事前率定双源PM公式的阻抗参数化方法难以提高计算精度(MAPE仅减小0.8%)。     

基于深度神经网络的城市典型乔木日内蒸腾特征模拟研究

以城市典型乔木小叶榕全天24小时每10分钟的树干液流及同步气象观测数据为训练集, 建立基于深度神经网络的城市典型乔木植被蒸腾估算模型, 得到10分钟尺度的小叶榕蒸腾模拟结果, 系统地探讨干湿季和昼夜影响小叶榕蒸腾的环境控制因子。基于深圳市91个气象观测站的常规气象观测数据, 应用训练好的深度神经网络模型, 估算得到站点尺度的深圳市典型乔木逐小时蒸腾特征。结果表明: 1) 深度神经网络模型可以高精度地模拟城市小叶榕每10分钟尺度的蒸腾变化, 与树干液流系统实测数据相比, 决定系数R²=0.91, 平均绝对百分比误差MAPE=21.77%, 均方根误差RMSE=0.02 mm/h; 2) 湿季和干季城市小叶榕蒸腾的主要控制因子, 白天均为太阳辐射和气温, 夜间均为饱和水汽压差; 3) 城市小叶榕在夜间仍然存在蒸腾, 干、湿季平均蒸腾速率分别达到0.03和0.01 mm/h; 4) 深圳市不同区域的植被蒸腾特征存在差异, 蒸腾速率最高可相差0.10 mm/h, 总体而言, 湿季白天的蒸腾速率(91个站点均值为0.1 mm/h)比干季白天(均值为0.08 mm/h)更高, 大部分站点夜间植被蒸腾量接近0, 但仍存在蒸腾, 少部分站点干季夜间平均蒸腾速率可达0.07 mm/h, 湿季夜间可达0.10 mm/h。     

基于均值漂移的高分辨率影像多尺度分割

高空间分辨率遥感影像在许多领域均有应用。由于遥感影像数据量大且内容复杂,目前少有针对这种影像的有效分割方法。引入一种快速、稳健的多尺度分割方法——均值漂移,该方法是一种通过简单迭代快速自适应上升的模式搜索法。基于均值漂移算法的分割方法,并充分利用光谱特征与空间特征,通过具有一定物理意义的参数控制分割精度,与目前商用软件eCognition提出的分割算法相比,同样达到与视觉分割一致的效果,并且速度更快。