条件植被温度指数的四维变分与集合卡尔曼同化方法

摘要：

为了提高基于VTCI的干旱监测的准确性,以关中平原为研究区域,将遥感反演的条件植被温度指数(VTCI)与CERES-Wheat小麦生长模犁模拟的土壤浅层水分数据相结合,通过四维变分(4DVAR)与集合卡尔曼滤波(EnKF)2种数据同化算法实现了VTCI的同化.由作物生长模型模拟的土壤浅层水分与VTCI建立经验关系得到模拟的VTCI,再将遥感反演的VTCI与模型模拟值分别应用两种同化算法得到VTCI的单点同化结果,继而应用到区域尺度.结果表明,在VTCI单点实验中,两种同化结果均能结合观测值与模拟值的优点而更加符合VTCI先验知识.在两者区域尺度的同化实验中,由于引入了模型的模拟值,同化后的VTCI区域间纹理更好,减少了原观测图像中相邻像元值陡升陡降的情况,提高了基于VTCI的干旱监测的准确性.通过对比2种同化算法在区域尺度上的同化结果与观测值的差值的概率分布及其均方根误差,表明在以旬为步长的VTCI同化实验中,EnKF方法适用性更强.

关键词：遥感、模型、监测、数据同化、条件植被温度指数

所属期刊栏目：27

分类号：TP79(遥感技术)

资助基金：国家自然科学基金项目41071235,40871159,40571111;国家高技术研究发展计划课题2007AA12Z139;欧盟FP7项目CallFP7-ENV-2007-1 212921

在线出版日期：2012-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：184-190