科研之友
微信
新浪微博
Facebook
分享链接
摘要
农田表面温度是土壤、作物和大气之间进行水/热交换传输的重要参数，也是灌区遥感反演模型的重要参量。在利用热红外传感器连续获取农田表面温度数据时，由于作物的生长发育处于动态变化中，农田表面温度数据往往混合了作物冠层温度和土壤表面温度。为精准甄别和区分田间海量监测数据，该研究结合Logistic作物生长模型，通过考虑作物生长状态指标叶面积指数（Leaf Area Index,LAI）和作物冠层高度及其关键节点，构建了农田表面温度监测数据的甄别算法。以内蒙古永济试验站玉米和向日葵实测数据对算法进行验证，并利用解放闸灌域和吉林省长春试验站的玉米和向日葵田间观测数据进行校核。结果表明：考虑LAI和作物冠层高度并利用Logistic模型模拟的关键节点来建立甄别算法，能够为农田稀疏植被表面温度数据甄别提供高效判定。与人工测量值对比，冠层温度优化幅度在10个百分点左右（相对误差），土壤表面温度优化幅度超过5个百分点；甄别方法可以明显提升冠层和土壤表面温度的获取精度。甄别算法中校正因子数值需根据作物种植密度及LAI确定，其中玉米校正因子选择作物冠层温度校正因子0.9，土壤表面温度校正因子1.1；向日葵校正因子以叶面积指数最大值4为基础，选取冠层温度校正因子0.7，土壤表面温度校正因子1.2；在不同地区应用时，向日葵叶面积指数最大值每增加1，推荐冠层温度校正因子调高0.35，土壤表面温度校正因子调低0.18。研究结果可为精量灌溉提供技术支撑，提高了农田监测数据的性能，为无人机遥感和卫星遥感数据的精量甄别提供算法和验证。
- 出版日期2022
- 单位流域水循环模拟与调控国家重点实验室; 中国水利水电科学研究院
