本发明涉及一种作物et估算方法，特别是关于一种基于冠气温差和遥感信息进行灌区不同作物et(腾发量)估算方法。
背景技术：
随着我国城镇化进程的加快，农村劳动力逐渐向城市二三产业转移；农村劳动力大量流失使得一家一户的传统农业经营方式难以为继，农业集约化经营成为现代农业发展的必然趋势，我国的农业灌溉逐步从单一、分片小块农田转向连片、大农场。中国是一个水资源严重短缺的国家，水资源供需矛盾突出仍然是可持续发展的主要瓶颈，农业是最主要的水资源消耗部门。农业用水占全球总用水量的70％,在一些非洲和亚洲国家，农业用水比例达85％-90％。近年来农业用水量约占经济社会用水总量的62％，部分地区高达90％以上，农业用水效率不高，节水潜力很大(康绍忠，2014；许迪等，2010)。在此背景下，对灌区灌溉管理在实时、精量、自动化等方面提出了更高要求。
作物冠层温度tc是一个很好的干旱监测和灌溉决策指标，从上世纪六七十年代已经开展了大量的研究，有坚实的理论基础和广阔的应用前景(hiller等，1974；jackson等,1977；jackson等，1981)。遥感技术在获取陆面参数，特别是大尺度陆面参数方面具有独特的优势，从遥感影像上可直接获取到重要的生态学特征和生物生长参数(kustas等，2009)。将田间实时观测数据与区域遥感图片反演准实时数据结合起来，进行区域农田作物灌溉决策，则能够充分利用二者的优点，从而达到灌区灌溉管理的精量、实时和自动化。
基于能量平衡原理的遥感反演作物腾发量(evapotranspiration，et)估算模型中，比如双源模型tseb、sebs、三温模型3t等，在利用遥感影像的不同波段数据时，要进行基于遥感空间反照率和辐射率的地表物理参数反演、热量粗糙长度的计算和显热通量的计算，最后获得潜热通量et。整个计算过程参数较多，过程复杂，在实际应用中需要专业性非常强的人员去操作才能实现。而灌区农业用水管理部门和一般从业人员很难达到这个要求。jackson等在1977年提出来一个基于午间作物冠气温差来估算每日et的方法，seguin和itier在1983年利用小麦地实验数据对该方法进行了简化，得到了一个估算作物et的简化方法：et-rn＝a+b(tc-ta)，简称为s-i模型。式中rn为田间净辐射，a、b为特征参数，tc是冠层温度，ta是空气温度。此后有不少学者利用该方法得到了验证和应用，但是都是在田间尺度，没能在较大尺度进行检验和应用。由遥感数据反演的高精度地表温度(landsurfacetemperature，lst)，在大型灌区种植结构比较单一或者地表植被覆盖度很高的情况下，可以等同于农田作物冠层温度tc。由此思路，可为利用s-i模型来准确估算灌区大尺度农田作物et，提供了一个很好的方法。
技术实现要素：
针对上述问题，本发明的目的是提供一种基于冠气温差和遥感信息进行灌区不同作物et估算方法，其能实现对区域作物的et进行快速准确的估算，从而为灌区农业灌溉管理提供及时、准确的数据。
为实现上述目的，本发明采取以下技术方案：一种基于冠气温差和遥感信息进行灌区不同作物et估算方法，其特征在于包括以下步骤：1)根据至少两年典型农田详细试验历史观测数据，对s-i模型进行特征参数a、b的标定和确定，获得可靠精准的标定后s-i模型；2)利用灌区作物生育期内landsat8和modis遥感影像数据，采用增强时空自适应融合算法对landsat8与modis数据进行融合，得到灌区作物生育期内每日30m空间分辨率的lst数据集；lst为地表温度；3)结合当地气象局常规观测资料获得区域内田间净辐射rn、空气温度ta的分布，利用标定后s-i模型，在高空间分辨率的lst数据集的基础上，估算区域作物et。
进一步，所述步骤1)中，基于至少两年试验观测数据的s-i模型特征参数a、b的标定与确定方法，包括以下步骤：1.1)根据至少两年试验历史观测数据分别获得第一年作物生长期内连续观测资料和第二年作物生长期内连续观测资料；1.2)根据第一年作物生长期内连续观测资料确定农田第一年实际腾发量et1；由试验观测得到田间净辐射rn、空气温度ta和冠层温度tc数据，拟合特征参数a、b；1.3)根据第二年作物生长期内连续观测资料确定农田第二年实际腾发量et2；根据拟合参数a、b和s-i模型公式，计算农田模拟腾发量etm；1.4)对农田第二年实际腾发量et2与农田模拟腾发量etm进行回归分析，根据二者之间的决定系数r2二者之间关系进而确定特征参数，若et2与etm之间关系较好，则确定特征参数a、b；1.5)若农田第二年实际腾发量et2与农田腾发量etm之间的关系较差，则继续田间试验观测作为试验历史观测数据，进而积累数据以获得合理的拟合特征参数。
进一步，所述步骤1.1)中，试验观测数据包括通过田间试验观测获取到的每日连续观测典型农田气象数据、每日连续观测典型农田作物冠层温度、典型农田土壤水分变化数据观测数据、典型农田每次灌溉水量观测数据以及典型农田作物生理生态指标观测数据。
进一步，当决定系数r2大于预先设定值时，则et2与etm之间关系较好；反之，则et2与etm之间关系较差。
进一步，所述决定系数r2的预先设定值为0.8。
进一步，所述步骤2)中，利用landsat8和modis数据获取农田lst数据集的方法包括以下步骤：2.1)将灌区作物生育期内现有landsatetm+遥感影像数据经过辐射、大气校正、条带修复、镶嵌和裁剪，选取晴空或少量云覆盖的遥感影像数据，反演得到每16天30m空间分辨率lst数据；2.2)根据灌区作物生育期每日modis遥感影像数据，剔除有云或者异常数据，进而反演得到每日1kmlst数据；2.3)采用增强时空自适应融合算法对每16天30m空间分辨率lst数据与每日1kmlst数据进行融合，生成生育期内每日30m空间分辨率的lst数据集；2.4)根据每日30m空间分辨率的lst数据集和灌区主要作物种植结构遥感数据集及作物系数kc数据，生成灌区作物lst分布图；2.5)由lst分布图确定灌区作物生育期内每日30m空间分辨率的lst数据集。
进一步，所述步骤2.4)中，根据作物系数kc，对出现的缺失数据进行线性插补。
本发明由于采取以上技术方案，其具有以下优点：1、本发明基于s-i模型的简化公式，在利用田间精细观测数据对公式特征参数标定的基础上，结合遥感大区域反演地面温度lst数据，实现快速准确的对区域作物et的估算，从而为灌区农业灌溉管理提供及时、准确的数据。2、本发明利用田间实际数据标定和校核s-i模型的作物特征参数a、b，符合本区域作物生长特性，能够比较精细的估算出作物et。3、本发明利用遥感数据融合方法，获得区域高分lst数据，从而利用标定后的s-i模型进行区域作物et估算，实现了作物et由点到面的尺度转换和有效利用。4、本发明简化了常规遥感反演et模型参数较多和过程繁杂，在大型灌区用水评估和调度中，提供了一个相对简化、精确的方法，为农业水管理的智能化和信息化提供了有效途径。
综上所述，本发明可以适应更广的区域范围，提高灌区作物需水量评估的可靠性，为灌区现代化建设与农田水分管理提供技术支撑。
附图说明
图1是本发明的整体流程示意图；
图2是本发明的基于最少两年试验数据的s-i模型特征参数a、b标定与确定流程示意图；
图3是本发明的利用landsat和modis数据获取农田lst数据集流程示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1所示，本发明提供一种基于冠气温差和遥感信息进行灌区不同作物腾发量(et)的估算方法，其包括以下步骤：
1)根据至少两年典型农田详细试验历史观测数据，对s-i模型进行特征参数a、b的标定和确定，获得可靠精准的标定后s-i模型；
2)利用灌区作物生育期内landsat8(美国nasa的陆地卫星)和modis(eos卫星上中分辨率成像光谱仪)遥感影像数据，采用增强时空自适应融合算法(estarfm)对landsat8与modis数据进行融合，得到灌区作物生育期内每日30m空间分辨率的lst(地表温度)数据集；
3)结合当地气象局常规观测资料获得区域内田间净辐射rn、空气温度ta的分布，利用标定后s-i模型，在高空间分辨率的lst数据集的基础上，估算区域作物et。
上述步骤1)中，如图2所示，基于至少两年试验观测数据的s-i模型特征参数a、b的标定与确定方法，包括以下步骤：
1.1)根据至少两年试验观测数据分别获得第一年作物生长期内连续观测资料和第二年作物生长期内连续观测资料；
试验观测数据包括通过田间试验观测获取到的每日连续观测典型农田气象数据、每日连续观测典型农田作物冠层温度、典型农田土壤水分变化数据观测数据、典型农田每次灌溉水量观测数据以及典型农田作物生理生态指标观测数据等；
1.2)根据第一年作物生长期内连续观测资料确定农田第一年实际腾发量et1；由试验观测得到田间净辐射rn、空气温度ta和冠层温度tc数据，拟合特征参数a、b；
1.3)根据第二年作物生长期内连续观测资料确定农田第二年实际腾发量et2；根据上述拟合参数a、b和s-i模型公式，计算农田模拟腾发量etm；
1.4)对农田第二年实际腾发量et2与农田模拟腾发量etm进行回归分析，根据二者之间的决定系数r2判断二者之间关系进而确定特征参数，若et2与etm之间关系较好，则确定特征参数a、b；
1.5)若农田第二年实际腾发量et2与农田模拟腾发量etm之间的关系较差，则继续田间试验观测作为试验历史观测数据，进而积累数据以获得合理的拟合特征参数。
上述步骤中，当决定系数r2大于预先设定值时，则et2与etm之间关系较好；反之，则et2与etm之间关系较差；在本实施例中，预先设定值为0.8。
上述步骤2)中，如图3所示，利用landsat8和modis数据获取农田高时空分辨率的lst数据集的方法包括以下步骤：
2.1)将灌区作物生育期内现有landsatetm+遥感影像数据经过辐射、大气校正、条带修复、镶嵌和裁剪，选取晴空或少量云覆盖的遥感影像数据，反演得到每16天30m空间分辨率lst数据；
2.2)根据灌区作物生育期每日modis遥感影像数据，剔除有云或者异常数据，进而反演得到每日1kmlst数据；
2.3)采用增强时空自适应融合算法(estarfm)对每16天30m空间分辨率lst数据与每日1kmlst数据进行融合，生成生育期内每日30m空间分辨率的lst数据集；
2.4)根据每日30m空间分辨率的lst数据集和灌区主要作物种植结构遥感数据集、作物系数kc等数据，生成灌区作物lst分布图；根据作物系数kc，对可能出现的缺失数据进行线性插补；
2.5)由lst分布图确定灌区作物生育期内每日30m空间分辨率的lst数据集。
上述各实施例仅用于说明本发明，各个步骤都是可以有所变化的，在本发明技术方案的基础上，凡根据本发明原理对个别步骤进行的改进和等同变换，均不应排除在本发明的保护范围之外。