好文推荐:基于热红外的双源能量平衡(TSEB)模型--从植物到全球尺度的蒸散诊断简史

文献

近日,美国农业部农业研究服务局(USDA-ARS)的科学家们发表了一篇重要的研究论文——“Agricultural and Forest Meteorology”   (https://www.sciencedirect.com/journal/agricultural-and-forest-meteorology),介绍了热红外基双源能量平衡(TSEB)模型的发展历程及其广泛的应用前景。该模型利用热红外遥感技术,通过监测地表温度来诊断从植物尺度到全球尺度的表面通量和植被状态,提供了一种在复杂环境下精确评估蒸发散的方法。

A brief history of the thermal IR-based Two-Source Energy Balance (TSEB) model–diagnosing evapotranspiration from plant to global scales, MC Anderson, WP Kustas, JM Norman, etc., Agricultural and Forest Meteorology, 2024.

https://doi.org/10.1016/j.agrformet.2024.109951.

图片

文章亮点

• 热红外(TIR)遥感提供了表面能量平衡的诊断。

• 双源能量平衡(TSEB)模型使用TIR来映射蒸发散。

• 本文描述了TSEB从田间到全球的发展和应用。

• 应用包括干旱监测、产量预测和水资源管理。

文章摘要

热红外(TIR)遥感地表温度(LST)提供了从植物和次级场地规模到区域和全球覆盖的表面通量和植被状态的宝贵诊断信息。然而,如果不适当地考虑遥感LST信号的细微差别,TIR成像在估计显热和潜热时可能会得出不良结果。例如,传感器视角、大气影响以及土壤和冠层次像素元素与上层大气的差异性耦合,都可能影响基于卫星的LST检索在地表建模系统中的使用。为了解决基于TIR建模的价值上的不足,1993年9月在法国La Londe les Maures举办了热遥感能量与水平衡研讨会。此研讨会的成果之一是双源能量平衡(TSEB)模型,该模型已推动了一系列空间尺度上的研究和应用。

本文为TSEB及基于TSEB的多尺度建模系统(ALEXI/DisALEXI)的发展提供了一些历史背景,这些系统旨在提供基于物理的潜热(蒸发散或ET)和其他表面能量通量的诊断估计。讨论了基于TSEB的ET检索的应用,包括在干旱监测、产量估计、水和森林管理中的应用,以及数据同化到预测建模系统的评估中。新的研究重点是通过整合微波信息,增强热带频段的时间采样,以及评估TSEB在将ET估计分离为蒸发和蒸腾组分的能力。尽管TSEB在提供水使用和水应力信息方面显示出潜力,直至亚地块级,但改进的操作能力可能最好与如OpenET这样的集成建模系统结合实现,该系统可以有效结合多种ET检索方法的优势。

研究背景

在全球范围内监测和管理水资源变得日益重要,特别是在气候变化的背景下,极端天气事件(如干旱和洪水)的频率和强度都有所增加。在这种环境下,精确监测植被蒸发散(ET)显得尤为关键。植被蒸发散是指水分通过植被从土壤蒸发以及植物通过气孔蒸腾到大气中的过程,是地球水循环和能量平衡的重要组成部分。

研究内容

近日,美国农业部农业研究服务局(USDA-ARS)的科学家们发表了一篇重要的研究论文,介绍了热红外基双源能量平衡(TSEB)模型的发展历程及其广泛的应用前景。该模型利用热红外遥感技术,通过监测地表温度来诊断从植物尺度到全球尺度的表面通量和植被状态,提供了一种在复杂环境下精确评估蒸发散的方法。

TSEB模型背后的科学原理是区分植被冠层和裸露土壤表面的能量交换过程,这一点对于精确计算ET至关重要。地表温度数据的获取通常受到多种因素的影响,如传感器的观测角度、大气条件以及土壤与植被的不同耦合效应。TSEB模型能够克服这些挑战,通过复杂的算法精确解析这些数据,提供可靠的蒸发散估计。

图片

目前,科研团队正致力于进一步提升模型的操作能力,例如通过整合耐云遮挡的微波基温度信息来增强时间采样,以及提高模型在分离蒸发和蒸腾估计方面的能力。这些创新将使TSEB模型在全球水资源管理中发挥更大的作用,特别是在应对气候变化带来的挑战时提供强有力的支持。通过深入了解和应用TSEB模型,科学家和政策制定者可以更有效地监控和管理地表水分,优化水资源的使用,并为全球农业生产和生态系统健康提供坚实的科学支持。这一技术的发展标志着遥感技术在环境监测和管理中的一个重要进步,为全球可持续发展目标的实现贡献了一份力量。

在全球范围内监测和管理水资源变得日益重要,特别是在气候变化的背景下,极端天气事件(如干旱和洪水)的频率和强度都有所增加。在这种环境下,精确监测植被蒸发散(ET)显得尤为关键。植被蒸发散是指水分通过植被从土壤蒸发以及植物通过气孔蒸腾到大气中的过程,是地球水循环和能量平衡的重要组成部分。

图片

  • 21
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
在matlab中实现Dijkstra算法的双源版本,可以通过以下步骤实现: 1. 定义一个函数,输入参数为邻接矩阵、起点集合和终点集合,输出参数为起点到终点的最短路径和距离。 2. 在函数内部,首先对起点集合中的每个起点分别运行Dijkstra算法,得到起点到所有节点的最短路径和距离。 3. 然后对终点集合中的每个终点分别运行Dijkstra算法,得到所有节点到终点的最短路径和距离。 4. 最后,遍历所有节点,计算起点到终点的最短路径和距离,并返回结果。 下面是一个简单的实现示例: ```matlab function [path, dist] = dijkstra_double_source(adj_matrix, start_nodes, end_nodes) % adj_matrix: 邻接矩阵 % start_nodes: 起点集合 % end_nodes: 终点集合 % path: 起点到终点的最短路径 % dist: 起点到终点的最短距离 n = size(adj_matrix, 1); dist_start = inf(n, 1); dist_end = inf(n, 1); for i = 1:length(start_nodes) start_node = start_nodes(i); dist_start(start_node) = 0; visited = false(n, 1); for j = 1:n [~, u] = min(dist_start .* ~visited); visited(u) = true; for v = 1:n if adj_matrix(u, v) > 0 && ~visited(v) alt = dist_start(u) + adj_matrix(u, v); if alt < dist_start(v) dist_start(v) = alt; end end end end end for i = 1:length(end_nodes) end_node = end_nodes(i); dist_end(end_node) = 0; visited = false(n, 1); for j = 1:n [~, u] = min(dist_end .* ~visited); visited(u) = true; for v = 1:n if adj_matrix(v, u) > 0 && ~visited(v) alt = dist_end(u) + adj_matrix(v, u); if alt < dist_end(v) dist_end(v) = alt; end end end end end dist = inf; for i = 1:n for j = 1:n if i ~= j && dist_start(i) ~= inf && dist_end(j) ~= inf && adj_matrix(i, j) > 0 alt = dist_start(i) + adj_matrix(i, j) + dist_end(j); if alt < dist dist = alt; path = [i, j]; end end end end if dist == inf path = []; end end ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

此星光明

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值