一种基于遥感数据的湿地景观近地层冷湿气候要素GIS空间模拟方法

摘要

一种基于遥感数据的湿地景观近地层冷湿气候要素GIS空间模拟方法，涉及一种基于遥感数据的湿地经管近地层冷湿气候空间模拟方法，为了解决现有空间插值方法无法获得高精度的气温空间分布。获得研究区MODIS遥感影像的植被指数数据集NDVI、地表温度数据集LST以及可降水量数据集Pw；建立近地层气温与相对湿度反演模型，获得湿地斑块和旱地斑块内部气温与近地层相对湿度的空间分布；使用空间聚合法获得湿地斑块和旱地斑块近地层冷湿气候要素的平均值，构建冷湿气候要素边缘效应水平变化模型；利用GIS技术对湿地景观尺度下的近地层气温和湿度进行空间模拟。本发明可广泛应用于对湿地景观气候的空间模拟。

说明书

技术领域

本发明涉及一种基于遥感数据的湿地景观近地层冷湿气候空间模拟方法。

背景技术

面对近几十年全球环境变化，人类活动干扰下的区域湿地景观变化问题俨然已成为全球变化研究的重要内容，尤其湿地景观变化及其带来的气候效应研究已成为研究热点和协调湿地保护与区域经济可持续发展的依据。因此，准确地获取冷湿气候要素的空间分布对湿地生态系统区域气候模型、水文与生态模型以及全球气候响应等研究起着十分重要的作用。

目前，从气象站观测获取气象数据是模拟气候要素空间分布的主要来源之一；由于气象站点空间分布稀疏不均，常采样各种空间插值方法将有限的点扩展到面以获取空间连续分布的气候数据。然而在不同地形和不同景观条件下，一个气象站能够代表的范围有很大差别，即使通过空间插值方法也无法获得高精度的气温空间分布。针对这个不足，目前已有研究利用遥感影像获得大范围的气候要素空间分布。虽然遥感反演实现了斑块内部差异的体现，但很少有研究将其用于具有复杂地表特性的区域，特别是考虑异质斑块之间边缘带的近地层气候要素分布情况，因此，本发明在基于湿地景观尺度下近地层冷湿要素空间分布模拟时，既利用遥感数据的优势克服了传统气象站数据分布稀疏的缺点，又着重考虑了冷湿气候要素在斑块之间边缘带上的水平变化模式。

发明内容

本发明为了解决现有空间插值方法无法获得高精度的气温空间分布，从而提供一种基于遥感数据的湿地景观近地层冷湿气候要素GIS空间模拟方法。

一种基于遥感数据的湿地景观近地层冷湿气候要素GIS空间模拟方法，它包括如下步骤：

步骤一：获得研究区MODIS遥感影像的植被指数数据集NDVI、地表温度数据集LST以及可降水量数据集Pw，并进行数据处理；

步骤二：利用步骤一所述植被指数数据集NDVI和地表温度数据集LST建立近地层气温反演模型，获得湿地斑块和旱地斑块内部气温的空间分布；

步骤三：利用步骤一所述地表温度数据集LST和可降水量数据集Pw建立近地层相对湿度反演模型，获得湿地斑块和旱地斑块内部近地层相对湿度的空间分布；

步骤四：根据步骤二与步骤三所述湿地斑块和旱地斑块内部气温与相对湿度的空间分布，使用空间聚合法获得湿地斑块和旱地斑块近地层冷湿气候要素的平均值，构建冷湿气候要素边缘效应水平变化模型；所述冷湿气候要素为气温与相对湿度；

步骤五：根据步骤四获得的冷湿气候要素边缘效应水平变化模型模拟结果，利用GIS技术对湿地景观尺度下的近地层气温和湿度进行空间模拟。

所述步骤一：获得研究区MODIS遥感影像的植被指数数据集NDVI、地表温度数据集LST以及可降水量数据集Pw，并进行数据处理的过程为：

步骤一1：获得研究区MODIS遥感影像的植被指数数据集NDVI、地表温度数据集LST以及可降水量数据集Pw，对三种数据集进行投影转换、辐射定标以及图像拼接剪裁处理；

步骤一2：对步骤一1处理后的数据进行水体掩膜处理与云处理，获得剔除了由水体和云因素影响而产生异常值的影像数据集；

步骤一3：对可降水量数据集Pw的每天数据集求平均，得到与地表温度数据集LST相同时间尺度的近红外和红外的可降水量Pw合成数据集；

步骤一4：获取气象站数据；所述气象站数据包括气温、相对湿度和地面水汽压；并根据气象站的地理位置，提取步骤一2获得的植被指数数据集NDVI、地表温度数据集LST以及步骤一3获得的可降水量数据集Pw相应像元的亮度值DN。

所述步骤二：利用步骤一所述植被指数数据集NDVI和地表温度数据集LST建立近地层气温反演模型，获得湿地斑块和旱地斑块内部气温的空间分布的过程为：

利用步骤一4获得的地表温度数据集LST和植被指数数据集NDVI的DN值以及气象站的气温数据通过二元线性回归方程构建近地层气温反演模型，估算湿地斑块和旱地斑块内部近地层气温分布的模型为：

y＝β₀+β₁x₁+β₂x₂

式中，y表示估算的平均气温值，x₁表示地表温度LST，x₂表示植被指数数据集NDVI，β_n表示回归系数。

所述步骤三：利用步骤一所述地表温度数据集LST和可降水量数据集Pw建立近地层相对湿度反演模型，获得湿地斑块和旱地斑块内部近地层相对湿度的空间分布的过程为：

步骤三1：根据步骤一4获得的可降水量数据集Pw的DN值与气象站的地面水汽压数据构建回归方程估算地面水汽压：

e＝a+b×pw

式中，e表示实际水汽压，a、b表示回归系数；

步骤三2：估算相对湿度；

所述估算相对湿度的过程为：利用马格纳斯经验公式确定饱和水汽e_s和气温的关系：

$>e_s=0.6108\exp \left[\frac{{17.27T}_a}{237.3+T_a}\right]$>

式中，e_s表示饱和水汽压，T_a表示近地层气温，为步骤二获得的气温反演结果；

相对湿度表示实际水汽压e与同温度下饱和水汽压e_s之比：

$>\mathrm{RH}=\frac{e}{e_s}\times 100\%$>

根据步骤三1至步骤三2构建近地层相对湿度反演模型，根据气温反演结果、可降水量数据集Pw以及水汽压数据作为输入数据，估算湿地斑块和旱地斑块内部近地层相对湿度的空间分布。

所述步骤四：根据步骤二与三所述斑块内部气温与相对湿度的空间分布，使用空间聚合法获得湿地斑块和旱地斑块近地层冷湿气候要素的平均值，构建冷湿气候要素边缘效应水平变化模型的过程为：

步骤四1：根据步骤二与步骤三获得的湿地和旱地斑块内部近地层气温与相对湿度的空间分布按湿地与旱地进行划分，分别计算湿地斑块内部和旱地斑块内部气温与相对湿度的平均值；

步骤四2：在湿地斑块与旱地斑块交界处设置x轴原点，并以Logistic模型为基础模拟冷湿气候要素在边缘带的水平变化过程，从而构建湿地景观的冷湿要素边缘效应水平变化模型：

$>y=\frac{A_w-A_f}{1+e^{x/\mathrm{dx}}}+A_f$>

式中，A_w与A_f分别表示湿地斑块内部与旱地斑块内部冷湿要素的平均状态，dx表示曲线变化的陡度；

所述步骤五：根据步骤四冷湿气候要素边缘效应水平变化模型模拟结果，利用GIS技术对湿地景观尺度下的近地层气温和湿度进行空间模拟的过程为：

步骤五1：根据步骤四获得的冷湿气候要素边缘效应水平变化模型获得在湿地-旱地边缘带冷湿气候要素的水平变化曲线，并对水平变化曲线进行离散化设计，得到边缘条带；计算冷湿要素的边缘效应的水平变化范围；

步骤五2：通过GIS缓冲区分析与叠加分析，根据步骤五1中边缘效应的水平变化范围设置条带步长，并令步长为半径，以湿地斑块与旱地斑块为边界，分别向斑块内部作缓冲带；

步骤五3：根据步骤四所述的边缘效应水平变化模型，以距湿地-旱地斑块边界的距离为自变量，计算根据步骤五2获得的各个边缘条带的气温与相对湿度，由此实现湿地景观尺度下冷湿气候要素的空间模拟。

本发明实现了基于遥感数据考虑冷湿要素在边缘带的水平变化而进行的空间模拟方法，可以准确的获取小气候要素的空间分布，克服了传统的基于气象站数据无法反应地斑内部细节特征的缺点，将辐射分辨率和总信息量提高一倍以上，从本质上改善了空间模拟效果。

附图说明

图1为本发明一种基于遥感数据的湿地景观近地层冷湿气候要素GIS空间模拟方法的流程图；

图2为具体实施方式一所述湿地斑块和旱地斑块内部气温的空间分布图；

图3为具体实施方式一所述湿地斑块和旱地斑块内部近地层相对湿度的空间分布图；

图4为具体实施方式一所述边缘带离散化示意图；

图5为具体实施方式一所述湿地景观尺度下的近地层气温空间模拟图；

图6为图5的样区细节图；

图7为具体实施方式一所述湿地景观尺度下的近地层湿度空间模拟图；

图8为图7的样区细节图。

具体实施方式

具体实施方式一、结合图1-图9说明本实施方式一种基于遥感数据的湿地景观近地层冷湿气候要素GIS空间模拟方法，它包括如下步骤：

步骤一：获得研究区MODIS遥感影像的植被指数数据集NDVI、地表温度数据集LST以及可降水量数据集Pw，并进行数据处理；

步骤二：利用步骤一所述植被指数数据集NDVI和地表温度数据集LST建立近地层气温反演模型，获得湿地斑块和旱地斑块内部气温的空间分布；

步骤三：利用步骤一所述地表温度数据集LST和可降水量数据集Pw建立近地层相对湿度反演模型，获得湿地斑块和旱地斑块内部近地层相对湿度的空间分布；

步骤四：根据步骤二与步骤三所述湿地斑块和旱地斑块内部气温与相对湿度的空间分布，使用空间聚合法获得湿地斑块和旱地斑块近地层冷湿气候要素的平均值，构建冷湿气候要素边缘效应水平变化模型；所述冷湿气候要素为气温与相对湿度；

步骤五：根据步骤四获得的冷湿气候要素边缘效应水平变化模型模拟结果，利用GIS技术对湿地景观尺度下的近地层气温和湿度进行空间模拟。

本发明的详细步骤为：

一种基于遥感数据的湿地景观近地层冷湿气候要素GIS空间模拟方法，它包括如下步骤：

步骤一：获得研究区MODIS遥感影像的植被指数数据集NDVI、地表温度数据集LST以及可降水量数据集Pw，并进行数据处理；

所述步骤一：获得研究区MODIS遥感影像的16天植被指数数据集NDVI、8天地表温度数据集LST以及每天可降水量数据集Pw，并进行数据处理的过程为：

步骤一1：从美国地质调查局(USGG)网站获得植被指数数据集NDVI、地表温度数据集LST以及可降水量数据集Pw，对三种数据集进行投影转换、辐射定标以及图像拼接剪裁处理；

步骤一2：对步骤一1处理后的数据进行水体掩膜处理与云处理，获得剔除了由水体和云因素影响而产生异常值的影像数据集；

步骤一3：对可降水量数据集Pw的每天数据集求平均，得到近红外和红外的可将水量Pw的8天合成数据集，以便与地表温度数据集LST时间精度一致；

步骤一4：为了构建反演模型并进行反演结果验证，从中国气象科学数据共享服务网获取相同时间段气象站数据(气温、相对湿度以及地面水汽压)；并根据气象站的地理位置，提取步骤一2获得的植被指数数据集NDVI、地表温度数据集LST以及步骤一3获得的可降水量数据集Pw相应像元的亮度值DN，并将气象站数据分为两部分，一部分用于反演模型构建，另一部分用于结果验证。

步骤二：利用步骤一获得的植被指数数据集NDVI和地表温度数据集LST建立近地层气温反演模型，获得湿地斑块和旱地斑块内部气温的空间分布；

所述步骤二：利用步骤一获得的植被指数数据集NDVI和地表温度数据集LST建立近地层气温反演模型，获得湿地斑块和旱地斑块内部气温的空间分布的过程为：

利用步骤一4获得的地表温度数据集LST和植被指数数据集NDVI的DN值以及一部分气象站的气温数据通过二元线性回归方程构建近地层气温反演模型，估算湿地斑块和旱地斑块内部近地层气温分布：

y＝β₀+β₁x₁+β₂x₂

式中，y表示估算的平均气温值，x₁表示由遥感获得的地表温度LST，x₂表示有遥感获得的植被指数数据集NDVI，β_n表示回归系数。

利用另一部分气象站气温数据进行反演模型结果的验证。

步骤三：利用步骤一获得到的地表温度数据集LST和可降水量数据集Pw建立近地层相对湿度反演模型，获得湿地斑块和旱地斑块内部近地层相对湿度的空间分布；

所述步骤三：利用步骤一获得到的地表温度数据集LST和可降水量数据集Pw建立近地层相对湿度反演模型，获得湿地斑块和旱地斑块内部近地层相对湿度的空间分布的过程为：

步骤三1：根据步骤一4获得的可降水量数据集Pw的DN值与一部分气象站的地面水汽压数据构建两者的回归方程估算地面水汽压：

e＝a+b×pw

式中，e表示实际水汽压，a、b表示回归系数；

利用另一部分气象站水汽压数据进行反演模型结果的验证。

步骤三2：估算相对湿度；

所述估算相对湿度的过程为：利用马格纳斯经验公式确定饱和水汽e_s和气温的关系：

$>e_s=0.6108\exp \left[\frac{{17.27T}_a}{237.3+T_a}\right]$>

式中，e_s表示饱和水汽压，T_a表示近地层气温，为步骤二获得的气温反演结果。

相对湿度表示实际水汽压e与同温度下饱和水汽压e_s之比：

$>\mathrm{RH}=\frac{e}{e_s}\times 100\%.$>

根据步骤三1至步骤三2的三个公式即可构建近地层相对湿度反演模型，再以气温反演结果、可降水量数据集Pw以及气象站的水汽压数据作为输入数据，获得湿地斑块和旱地斑块内部近地层相对湿度的空间分布。最后，利用气象站的相对湿度数据进行模型验证。

步骤四：根据步骤二与三所述斑块内部气温与相对湿度的空间分布，使用空间聚合法获得湿地斑块和旱地斑块近地层冷湿气候要素(气温与相对湿度)的平均值，构建冷湿气候要素边缘效应水平变化模型；

所述步骤四：根据步骤二与三所述斑块内部气温与相对湿度的空间分布，使用空间聚合法获得湿地斑块和旱地斑块近地层冷湿气候要素(气温与相对湿度)的平均值，构建冷湿气候要素边缘效应水平变化模型的过程为：

步骤四1：根据步骤二与步骤三获得的湿地和旱地斑块内部近地层气温与相对湿度的空间分布按湿地与旱地进行划分，之后分别计算湿地斑块内部和旱地斑块内部气温与相对湿度的平均值；

步骤四2：在湿地斑块与旱地斑块交界处设置x轴原点，并利用Logistic模型模拟湿地景观冷湿气候要素边缘效应水平变化：

$>y=\frac{A_w-A_f}{1+e^{x/\mathrm{dx}}}+A_f$>

式中，A_w与A_f分别表示湿地斑块内部与旱地斑块内部冷湿要素的平均状态，dx表示曲线变化的陡度；

以湿地斑块内部冷湿要素的平均状态作为A_w，以旱地斑块内部冷湿要素的平均状态作为A_f，根据上述公式即可构建湿地景观的冷湿要素边缘效应水平变化模型。

步骤五：根据步骤四冷湿气候要素边缘效应水平变化模型模拟结果，利用GIS技术对湿地景观尺度下的近地层气温和湿度进行空间模拟。

所述步骤五：根据步骤四冷湿气候要素边缘效应水平变化模型模拟结果，利用GIS技术对湿地景观尺度下的近地层气温和湿度进行空间模拟的过程为：

步骤五1：根据步骤四获得的冷湿气候要素边缘效应水平变化模型获得在湿地-旱地边缘带冷湿气候要素的水平变化曲线，并对水平变化曲线进行离散化设计，得到若干个边缘条带；计算冷湿要素的边缘效应的水平变化范围，并根据此范围设计边缘条带步长的设置方案；

步骤五2：通过GIS缓冲区分析与叠加分析，以步骤五1设计的边缘条带步长设置方案中的各个步长为半径，以湿地与旱地斑块为边界，分别向斑块内部作缓冲带，实现将湿地-旱地边缘带离散化为若干个边缘条带。

步骤五3：根据步骤四所述的边缘效应水平变化模型，以距湿地-旱地斑块边界的距离为自变量，计算根据步骤五2获得的各个边缘条带的气温与相对湿度，由此实现湿地景观尺度下冷湿气候要素的空间模拟。

具体实施例：

步骤一：从美国地质调查局(USGG)网站获取MODIS(中分辨率成像光谱仪，Moderate-resolution Imaging Spectroradiometer，)的16天植被指数数据集NDVI、8天地表温度数据集LST以及每天可降水量数据集Pw，并进行数据处理；

利用MRT与HEG软件，将所有MODIS的HDF文件进行图像拼接和投影转换，选择Albers投影，参考椭球为WGS84，进行辐射定标一集研究区剪裁；

通过土地利用数据获得水体空间分布，对植被指数数据集NDVI、地表温度数据集LST以及可降水量数据集Pw三种数据进行水体掩膜，并去除异常值和无效值；随后，进行云处理剔除由云影响的异常值和无效值。

以8天为间隔对日可降水量数据集的上午的近红外和红外数据进行叠加平均Pw求平均值，获得8天合成的白天与夜间的可降水量数据集Pw，以便与地表温度数据集LST时间精度一致；

从中国气象科学数据共享服务网获取相同时间段气象站数据(气温、相对湿度以及地面水汽压)；并根据气象站的地理位置，提取植被指数数据集NDVI、地表温度数据集LST以及可降水量数据集Pw相应像元的亮度值DN；通过插值获得白天11:00和夜间23:00的气象站数据，并将此数据分为两部分，一部分用于反演模型构建，另一部分用于结果验证。

步骤二：利用步骤一获得的植被指数数据集NDVI、地表温度数据集LST以及气象站的气温数据建立近地层气温反演模型，获得湿地斑块和旱地斑块内部气温的空间分布；

获得气象站气温以及相应像元的植被指数数据集NDVI和地表温度数据集LST的DN值，对每组观测值指定一个随机序号，数据根据序号随机划分为两部分：一部分用于模型构建，另一部分用于模型验证，利用二元线性回归模型估算斑块内部近地层气温分布，结果如图2所示。

步骤三：利用步骤一获得的可降水量数据集Pw、步骤二获得到的气温反演结果、以及气象站的相对湿度数据建立近地层相对湿度反演模型，获得湿地斑块和旱地斑块内部近地层相对湿度的空间分布

结合气象站的水汽压数据计算每8天的地表水汽压平均值，根据MODIS白天与夜间的过境时间利用插值获得过境时的水汽压数据，从MODIS可降水量8天平均数据集提取相应的可降水量数据，剔除无效值后，构建水汽压与可降水量的回归模型；再利用回归模型反演的地面水汽压以及步骤二反演的气温，估算白天与夜间相对湿度，获得斑块内部相对湿度的空间分布。

步骤四：根据步骤二与三获得的斑块内部气温与相对湿度的空间分布，使用空间聚合法获得湿地斑块和旱地斑块近地层冷湿气候要素(气温与相对湿度)的平均值，构建冷湿气候要素边缘效应水平变化模型；

利用空间聚合法分别求算步骤二与三遥感反演获得的气温与相对湿度在湿地斑块内部和旱地斑块内部的平均值，然后，假设冷湿边缘效应水平模型中的曲线变化率不变，构建五个研究区白天与夜间冷湿气候要素边缘效应水平变化模型，如表1：

表1冷湿气候要素边缘效应水平变化模型

步骤五：根据步骤四冷湿气候要素边缘效应水平变化模型模拟结果，利用GIS技术对湿地景观尺度下的近地层气温和湿度进行空间模拟；

根据表1的公式得到边缘带水平变化曲线；将一个湿地景观单元划分为湿地内部区、旱地内部区，以及湿地与旱地之间的湿地边缘带和旱地边缘带；对变化曲线上一定范围内的边缘带进行离散化，形成若干个边缘条带，如图4；计算冷湿要素的边缘效应的水平变化范围，并根据此范围设计边缘条带步长的设置方案；

根据不同的冷湿要素白天与夜间的水平变化范围设置不同边缘条带的步长，步长的大小根据冷湿要素在边缘带的变化规律来确定，由于温度与相对湿度在边缘带呈现S型曲线特征，并且白天的拟合曲线变化比较剧烈，故以20m、40m渐增间距为步长，而夜间拟合曲线变化较平缓，设置以20m、40m、60m等渐增间距为步长，如表2所示：

表2湿地与旱地边缘条带的设置方案(单位：m)

通过GIS缓冲区分析与叠加分析，以湿地与旱地斑块为边界，分别向斑块内部以各个步长为单位半径作为缓冲带，由相应的边缘带水平变化范围设置生成缓冲条带的个数，根据边缘效应水平变化模型，以空间距离为自变量，计算各个湿地研究区白天与夜间的每个边缘条带的温度与相对湿度，由此实现湿地景观尺度下冷湿气候要素的空间模拟。空间模拟结果如图5-图8所示。

本发明提出基于遥感数据考虑冷湿要素在边缘带的水平变化而进行的空间模拟方法可以准确地获取小气候要素的空间分布，克服了传统的基于气象站数据无法反映地斑块内部细节特征的缺点，将辐射分辨率和总信息量提高一倍以上，从本质上改善了空间模拟效果。本发明为模拟景观尺度气候要素的空间分布提供了一种新思路，也为景观生态功能空间尺度转换及机制研究提供了有效途径。