本发明属于地表能量平衡分量反演,具体而言,涉及全球地表能量平衡分量协同反演方法与系统。
背景技术:
1、净辐射、潜热通量、显热通量和土壤热通量作为全球地表能量平衡四分量,是地球表面能量收支中的四个最重要的分量,其中,净辐射是地表通量的能量来源,调节大气温度、地表温度、植被光合作用和蒸散发,在地-气系统的相互作用中起着关键作用;潜热通量是伴随蒸散发过程的地表和大气的潜热交换,连接了能量循环和水循环;显热通量用于加热或冷却地表上方大气;土壤热通量是近表层土壤的主要能量来源。全球地表能量平衡各分量的时空分布对地球生态系统、水文过程和大气过程至关重要,各分量的遥感反演对于全球能量循环和水分收支评估、生态环境监测、旱涝灾害预测预防等具有至关重要的意义。然而,当前全球地表能量平衡各分量的反演仍存在很大的不确定性,区域及全球尺度的准确估算困难。
2、现有的全球地表能量平衡分量反演方法,均独立构建能量收支中各分量的反演模型,例如,fluxcom全球产品单独构建了估算净辐射、潜热通量和显热通量的机器学习模型;又如,glass产品,净辐射、潜热通量的遥感反演均独立进行,尽管潜热通量的反演使用了其净辐射产品,但独立的反演过程实际上弱化了二者之间的物理约束关系。这一现状使得现有的全球地表能量平衡分量产品不能满足地表能量守恒。由于不同的研究人员在开展地表能量平衡分量的遥感估算时,仅估算了其中某个分量(如净辐射或潜热通量),或者虽然估算了多个分量,但各个分量通常独立估算,在考虑各分量之间的有机联系方面存在较大的不足,导致地表能量平衡各分量常常难以满足地表能量守恒这一基本原理(例如fluxcom产品的地表能量不闭合度最高可达30%以上),给全球地表波文比、蒸发比、显热通量以及潜热通量(即蒸散发的能量表达形式)等的变化与归因分析带来了较大不确定性,对正确掌握气候变化与人类活动对陆地表层系统的影响、预估未来气候变化等提出了巨大挑战。
技术实现思路
1、为了解决上述技术问题,本发明提供全球地表能量平衡分量协同反演方法与系统。
2、第一方面,本发明提供了全球地表能量平衡分量协同反演方法,包括:
3、获取全球地表能量平衡分量的协同反演所需数据,构建协同反演数据库;全球地表能量平衡分量包括地表净辐射、土壤热通量、显热通量与潜热通量;
4、对全球通量站点的地表能量平衡分量观测开展能量平衡闭合校正;选取模型驱动变量作为模型输入,将校正后的全球地表能量平衡分量作为模型输出,基于地表能量平衡约束,构建并训练全球地表能量平衡分量协同反演机器学习模型,获取满足目标函数的值最小的最优模型参数,协同反演全球地表能量平衡各分量。
5、第二方面,本发明提供了全球地表能量平衡分量协同反演系统,包括获取单元、数据库构建单元、校正单元、模型构建与训练单元、比较单元与处理单元;
6、获取单元,用于获取全球地表能量平衡分量的协同反演所需数据;全球地表能量平衡分量包括地表净辐射、土壤热通量、显热通量与潜热通量;
7、数据库构建单元,构建协同反演数据库;
8、校正单元,用于对全球通量站点的地表能量平衡分量观测开展能量平衡闭合校正;
9、模型构建与训练单元,用于选取模型驱动变量作为模型输入,将校正后的全球地表能量平衡分量作为模型输出,基于地表能量平衡约束,构建并训练全球地表能量平衡分量协同反演机器学习模型;
10、比较单元,用于获取满足目标函数的值最小的最优模型参数;
11、处理单元,用于协同反演全球地表能量平衡各分量。
12、在上述技术方案的基础上,本发明还可以做如下改进。
13、进一步,协同反演所需数据包括全球通量站点的观测数据、卫星遥感数据与格网再分析数据;全球通量站点的观测数据包括气象观测数据、通量观测数据与植被高度地面测量数据;
14、气象观测数据包括空气温度、土壤温度、风速、大气压强、空气湿度、土壤湿度、入射短波辐射与净辐射;
15、通量观测数据包括潜热通量观测数据、显热通量观测数据、土壤热通量观测数据与总初级生产力观测数据;
16、遥感数据包括植被指数、叶面积指数、树占比、光合有效辐射吸收比例、叶绿素荧光、地表粗糙度与零平面位移高度;
17、再分析数据包括空气温度、风速、大气压强、相对湿度、入射短波辐射与净辐射的再分析产品。
18、进一步,构建协同反演数据库时,对协同反演数据进行预处理,使得协同反演数据中的全球地表能量平衡分量满足地表能量守恒,包括:
19、按通量站点经纬度提取各个通量站点对应卫星遥感像元和再分析格网的数据值,包括植被指数、叶面积指数、树占比、光和有效辐射吸收比例、叶绿素荧光、地表粗糙度、零平面位移高度、空气温度、风速、大气压强、相对湿度、入射短波辐射和净辐射,将获得的站点的遥感像元数据与各个通量站点的观测数据组合,形成协同反演训练数据集;
20、对全球通量站点观测的潜热通量和显热通量进行能量平衡闭合校正,使得站点观测的地表净辐射、土壤热通量与校正后的显热通量、潜热通量之间达到地表能量守恒;
21、对卫星遥感数据和格网再分析数据进行时空插值和重采样,统一所有格网数据的时空分辨率。
22、进一步,全球通量站点的观测数据的能量平衡闭合校正包括采用波文比法或余项法对观测的潜热通量和显热通量进行能量平衡闭合校正,使得观测的全球地表能量平衡分量满足地表能量守恒。
23、进一步,对预处理后得到的协同反演数据中的所有可用变量中选取变量参数,包括:
24、利用随机森林方法对预处理后得到的协同反演训练数据集中的所有可用变量进行重要性排序;利用相关性分析方法,分析协同反演训练数据集中所有可用变量的相关性;结合重要性排序结果和相关性分析结果,选取累积贡献率达到设定比例的变量组合作为选取的变量参数,得到模型驱动数据集,利用模型驱动数据集对全球地表能量平衡分量协同反演机器学习模型进行训练。
25、进一步,全球地表能量平衡分量协同反演机器学习模型为随机森林模型或梯度提升树模型或深度学习模型。
26、进一步,设净辐射为,土壤热通量为,潜热通量为,感热通量为,空气温度为,土壤温度为,空气相对湿度为,土壤含水量为,风速为,归一化植被指数为,叶面积指数为,叶绿素荧光为,光和有效辐射吸收比例为,总初级生产力为,植被高度为,植被覆盖度为,树占比为,则全球地表能量平衡分量协同反演机器学习模型表示为:
27、
28、。
29、进一步,在利用特征参数对全球地表能量平衡分量协同反演机器学习模型进行训练时,设置模型参数,使得全球地表能量平衡分量的预测值时刻满足地表能量守恒且目标函数达到最小值,得到全球地表能量平衡分量协同反演模型的最优模型参数;
30、设站点观测净辐射为,站点观测土壤热通量为,校正后的站点观测潜热通量为,校正后的站点观测感热通量为,净辐射的预测值为,土壤热通量的预测值为,潜热通量的预测值为,感热通量的预测值为,待率定系数为,则在全球地表能量平衡分量的预测值时刻满足地表能量守恒的条件下全球地表能量平衡分量协同反演机器学习模型的目标函数的最小值表示为,则:
31、
32、
33、
34、。
35、进一步,全球地表能量平衡分量的预测值时刻满足地表能量守恒。
36、本发明的有益效果是:本发明采用机器学习的方式得到最优参数的目标全球地表能量平衡分量协同反演机器学习模型,解决了全球地表能量平衡各分量独立建模、反演结果无法满足地表能量守恒的问题,以及波文比与蒸发比的精度难以保证、不同来源能量平衡分量数据集估算得到的波文比、蒸发比的变化趋势可能截然相反的问题,有效降低地表能量平衡分量变化与归因分析的不确定性,本发明在地表能量守恒原理的约束下,开展实用性强、精度高的全球地表能量平衡分量协同遥感反演,既保证了各分量较高的反演精度,又保证了各分量满足地表能量守恒且蒸发比和波文比估算准确。
1.全球地表能量平衡分量协同反演方法,其特征在于,包括:
2.根据权利要求1所述全球地表能量平衡分量协同反演方法,其特征在于,协同反演所需数据包括全球通量站点的观测数据、卫星遥感数据与格网再分析数据;全球通量站点的观测数据包括气象观测数据、通量观测数据与植被高度地面测量数据;
3.根据权利要求1所述全球地表能量平衡分量协同反演方法,其特征在于,构建协同反演数据库时,对协同反演数据进行预处理,使得协同反演数据中的全球地表能量平衡分量满足地表能量守恒,包括:
4.根据权利要求1或3所述全球地表能量平衡分量协同反演方法,其特征在于,全球通量站点的观测数据的能量平衡闭合校正包括采用波文比法或余项法对观测的潜热通量和显热通量进行能量平衡闭合校正,使得观测的全球地表能量平衡分量满足地表能量守恒。
5.根据权利要求3所述全球地表能量平衡分量协同反演方法,其特征在于,对预处理后得到的协同反演数据中的所有可用变量选取变量参数,包括:
6.根据权利要求1所述全球地表能量平衡分量协同反演方法,其特征在于,全球地表能量平衡分量协同反演机器学习模型为随机森林模型或梯度提升树模型或深度学习模型。
7.根据权利要求1所述全球地表能量平衡分量协同反演方法,其特征在于,设净辐射为,土壤热通量为,潜热通量为,感热通量为,空气温度为,土壤温度为,空气相对湿度为,土壤含水量为,风速为,归一化植被指数为,叶面积指数为,叶绿素荧光为,光和有效辐射吸收比例为,总初级生产力为,植被高度为,植被覆盖度为,树占比为,则全球地表能量平衡分量协同反演机器学习模型表示为:
8.根据权利要求7所述全球地表能量平衡分量协同反演方法,其特征在于,在利用特征参数对全球地表能量平衡分量协同反演机器学习模型进行训练时,设置模型参数,使得全球地表能量平衡分量的预测值时刻满足地表能量守恒且目标函数达到最小值,得到全球地表能量平衡分量协同反演模型的最优模型参数;
9.根据权利要求1所述全球地表能量平衡分量协同反演方法,其特征在于,全球地表能量平衡分量的预测值时刻满足地表能量守恒。
10.全球地表能量平衡分量协同反演系统,其特征在于,包括获取单元、数据库构建单元、校正单元、模型构建与训练单元、比较单元与处理单元;