时间连续的地表蒸散发数据的计算方法
【技术领域】
[0001] 本发明涉及地表水技术领域，尤其涉及一种时间连续的地表蒸散发数据的计算方 法。
【背景技术】
[0002] 蒸散发（Evapotranspiration，ET)是地表水量平衡的重要分量，其能量形式-- 潜热通量（LE)则是地表能量平衡的重要分量。潜热通量将下垫面贮存的热量通过湍流交 换的方式传输给大气边界层中靠近下垫面的气层，是地球系统中重要的能量、物质交换过 程。液态水的相变所需热量即为潜热，正是大气热量最大的单一热源，因此，对于潜热通量 的研究在天气、气候动力学中具有重要的地位。地气间动量、水分、热量的交换过程，特别是 潜热、显热通量的定量化对于气候变化模式、大气环流模式以及水文模式中边界条件的确 定意义重大。
[0003] 传统的地表蒸散发观测仪器观测到的蒸散发均限于点尺度或者网格尺度，数据缺 乏区域代表性或难以反映地表蒸散发的空间分布。然而，蒸散发的估算和许多部门的现实 问题息息相关，如南水北调等大型调水工程的设计、三峡水库的后效估计、科学用水合理灌 溉方案的制定、农业旱灾的监测和预警、农作物产量的估算及预报等。在这些蒸散发的实际 应用中，均需要区域尺度、长时间序列的蒸散量。由于仪器观测地表蒸散发通常选在平坦、 均一的下垫面，很难代表所有类型的下垫面特征，因此仅通过内插法很难获得可靠的、能够 反映下垫面异质性的区域地表蒸散发。遥感技术通过大面积测定地表辐射以及温度状况， 可以提供与地表蒸散发变化相关的特征参量，这使得通过遥感估算蒸散发成为可能。目前， 国内外学者已经建立了大量基于遥感数据或者与遥感数据相结合的区域蒸散发估算方法， 通过与遥感像元尺度的地面观测蒸散发进行验证，认为在非均一下垫面上，遥感监测地表 蒸散发具有优越性。
[0004] 然而，由于陆面过程的复杂性，遥感估算蒸散发的精度受到了多种不确定性的影 响，其中包括模型结构、模型输入数据、参数化方案以及空间和时间尺度方面的不确定性。 过去的研究重点多集中于瞬时地表蒸散发的获取，对于瞬时蒸散发的时间尺度扩展方法尚 未给予足够的重视。遥感瞬时蒸散发的时间扩展即将通过反演得到的瞬时蒸散发在时间尺 度上进行扩展，得到小时、日、旬、月乃至年的蒸散发。一方面，遥感获得的仅是卫星过境时 刻的瞬时地表信息，需要通过瞬时到日的时间扩展方法得到晴好日蒸散发；另一方面，在计 算长时间序列的地表蒸散发时，由于受到云雨天气的影响，造成了大量数据的缺失，需要对 晴好日的蒸散发进行时间尺度扩展，才能得到月尺度的蒸散发。
[0005] 目前，对于日到月/年的时间尺度扩展方法的研究包括数学方法、地表阻抗方法 和参考作物蒸发比方法等，然而这些方法均未考虑遥感观测自身的观测误差，因此具有一 定局限性。
【发明内容】
[0006] 本发明的实施例提供了一种时间连续的地表蒸散发数据的计算方法，以生成可供 多领域使用的高精度时间连续区域蒸散发数据集。
[0007] 为了实现上述目的，本发明采取了如下技术方案。
[0008] -种时间连续的地表蒸散发数据的计算方法，包括：
[0009] 在非晴好日，使用SCEJJA算法利用代价函数计算出能量分配项的调整因子α和 植被冠层阻抗项的调整因子β ;
[0010] 根据所述能量分配项的调整因子α和植被冠层阻抗项的调整因子β优化非晴好 日的地表蒸散发模拟值的计算方法，再利用优化后的计算方法计算出所述非晴好日的地表 蒸散发数据。
[0011] 进一步地，所述的方法还包括：
[0012] 晴好日的地表蒸散发数据用Penman-Monteith公式计算，所述Penman-Monteith 公式的基本形式为：
[
[0014] 其中，ET是晴好日的地表蒸散发数据，λ是汽化潜热，Δ是饱和水汽压的平均斜 率，Rn是净辐射，G是土壤热通量，P a是空气密度，Cp是干空气比热容，rs是冠层表面阻抗， ra是空气动力学阻抗，e 3是实际水汽压，e 3是饱和水汽压，γ是干湿球温度计常数：
[0016] ε是水蒸气/干空气的分子比重，P是大气压，λ是汽化潜热
[0017] 进一步地，所述的方法还包括：将晴好日的地表蒸散发遥感观测数据扩展到月/ 年，得到时间连续的地表蒸散发遥感观测数据。
[0018] 进一步地，所述的在非晴好日，使用SCEJJA算法利用代价函数计算出能量分配项 的调整因子α和植被冠层阻抗项的调整因子β，包括：
[0019] 设定非晴好日的代价函数如下：
[0021] J(X)是代价函数，ET是优化后的分析值，ETcib^晴好日观测的地表蒸散发，ET sl" 是晴好日的地表蒸散发，N是同化窗口内的遥感观测值个数，Q是模型误差，R是观测误差；
[0022] 所述SCEJJA算法的步骤如下：
[0023] 1、采样：在参数空间内随机采集s个样本点，并计算每个样本点的代价函数值；
[0024] 2、排列样本点：按照每个样本点的函数值的大小对s个样本点进行升序排序，使 第一个样本点的代价函数值最小，最后一个样本点的代价函数值最大；
[0025] 3、拆分为复合体：将所有s个样本点按照排序平均分为p个复合体A1…A p，每个复 合体包括 m 个样本点，其中，Ak= (X1Vxkj=X1^m0ilPj = I, .",Iiihk=I,…，p ;
[0026] 4、复合体进化：根据竞争复合体进化算法进化每个复合体；
[0027] 所述竞争复合体进化算法包括：
[0028] 41、从复合体中随机选择q个点组成一个子复合体；
[0029] 42、根据样本点的函数值，从子复合体中选择一个函数值最小的样本点，并计算剩 余样本点的质心；
[0030] 43、将所述函数值最小的样本点以所述剩余样本点的质心为中心投影，找到一个 新的样本点，如果新样本点的函数值在合理范围内，则到第44步，否则，在合理范围内随机 取一个样本点，到第45步；
[0031 ] 44、如果所述新的样本点的函数值小于所述函数值最小的样本点的函数值，则用 新样本点取代所述函数值最小的样本点，并到第47步，否则到第45步；
[0032] 45、将计算质心和最差点之间的中点称为缩小点，计算所述缩小点的函数值，如果 缩小点的函数值比所述函数值最小的样本点的函数值要小，则用缩小点取代所述函数值最 小的样本点，并到第7步，否则到第46步；
[0033] 46、在合理范围内随机取一个点，将所述函数值最小的样本点用这个点取代；
[0034] 47、重复第42步-第46步r次，r是一个用户指定的参数；
[0035] 48、重复第1步-第7步s次，s是在复合体混合前需要进化的次数；
[0036] 5、混合复合体：将所有复合体中的样本点合为一个样本总体，将这个总体中的所 有样本按照升序排序，重新分配样本点到P个复合体中，并重复3至5的过程；
[0037] 6、检查迭代结果：如果迭代结果满足设定的迭代标准，则停止迭代，获取迭代停止 时的α和β。
[0038] 进一步地，所述的根据所述述能量分配项的调整因子α和植被冠层阻抗项的调 整因子β优化非晴好日的地表蒸散发模拟值的计算方法，再利用优化后的计算方法计算 出所述非晴好日的地表蒸散发数据，包括：
[0040] 其中，α是所述迭代停止时的能量分配项的调整因子，β是所述迭代停止时的植 被冠层阻抗项的调整因子，ET是晴好日的地表蒸散发数据，P a是空气密度，c ρ是干空气比 热容，rs是冠层表面阻抗，r a是空气动力学阻抗，e 3是实际水汽压，e 3是饱和水汽压，γ是 干湿球温度计常数。
[0041] 进一步地，在水体下垫面，水面蒸散发的变化用基于Penman公式的下式表示：
[0043]由上述本发明的实施例提供的技术方案可以看出，本发明实施例致力于解决遥感 估算地表蒸散发中的时间尺度扩展问题，结合同化方法和Penman-Monteith公式对日蒸散 发进行日到月/年的时间尺度扩展，生产可供多领域使用的高精度时间连续区域蒸散发数 据集，降低由于非晴好日观测数据带来的观测误差，促进遥感估算ET产品在水文循环、陆 面能量相关领域的广泛应用。
[0044] 本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变 得明显，或通过本发明的实践了解到。
【附图说明】
[0045] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用 的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本 领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他 的附图。
[0046] 图1为本发明实施例一提供的一种时间连续的地表蒸散发数据的计算方法的处 理流程图；
[0047] 图2为2009年北京地表蒸散发的