地球科学进展, 2020, 35(5): 488-496 DOI: 10.11867/j.issn.1001-8166.2020.045

生态水文学理论与实践

流域水文遥感的科学问题与挑战

刘元波,1, 吴桂平1, 赵晓松1, 范兴旺1, 潘鑫2, 甘国靖1, 刘永伟1, 郭瑞芳1, 周晗3, 王颖4, 王若男1, 崔逸凡1

1.中国科学院南京地理与湖泊研究所,江苏 南京 210008

2.河海大学地球科学与工程学院,江苏 南京 211100

3.武汉理工大学资源与环境工程学院,湖北 武汉 430070

4.三江学院,江苏 南京 210012

Remote Sensing for Watershed Hydrology: Issues and Challenges

Liu Yuanbo,1, Wu Guiping1, Zhao Xiaosong1, Fan Xingwang1, Pan Xin2, Gan Guojing1, Liu Yongwei1, Guo Ruifang1, Zhou Han3, Wang Ying4, Wang Ruonan1, Cui Yifan1

1.Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, China

2.School of Earth Science and Engineering, Hohai University, Nanjing 211100, China

3.School of Resources and Environmental Engineering, Wuhan University of Technology, Wuhan 430070

4.Sanjiang University, Nanjing 210012, China

收稿日期: 2019-12-27   修回日期: 2020-04-19   网络出版日期: 2020-05-28

基金资助: 国家自然科学基金项目“通江湖泊干旱多成因机制研究”.  41430855
“含迟滞效应的非参数化蒸散计算方法研究”.  51879255

Received: 2019-12-27   Revised: 2020-04-19   Online: 2020-05-28

作者简介 About authors

刘元波(1969-),男,山东梁山人,研究员,主要从事水文学与定量遥感研究.E-mail:ybliu@niglas.ac.cn

LiuYuanbo(1969-),male,LiangshanCounty,ShandongProvince,Professor.Researchareasincludehydrologyandquantitativeremotesensing.E-mail:ybliu@niglas.ac.cn

摘要

21世纪以来,水文遥感得到长足发展并成为当前地球科学的研究热点之一,同时也在流域生态水文过程研究中发挥了不可替代的作用,成为当前流域生态水文研究的重要手段。流域水文遥感在研究内容、研究方法、实际应用等方面具有流域整体性要求,涉及流域水量收支的闭合约束、要素反演检验的流域有效性以及流域水文模型的数据同化,指出流域尺度的反演检验、反演结果的不确定性和数据同化的误差溯源是当前面临的科学挑战。

关键词: 水文遥感 ; 流域水量平衡要素 ; 流域水文过程 ; 数据同化

Abstract

With significant development since the beginning of the 21st century, hydrologic remote sensing becomes one of the most active disciplines in earth sciences, offering numerous opportunities and advances for watershed hydrology and other disciplines of geography. This commentary highlights the specialty and restriction of remote sensing for watershed hydrology on three aspects: watershed closure in water budget, watershed-scale effectiveness of hydrologic parameter retrievals, and watershed model inputs for data assimilation. The current challenges include rational watershed-scale validation, uncertainty control in retrievals, and error sources in data assimilation.

Keywords: Quantitative remote sensing ; Watershed water-balance components ; Hydrological process ; Data assimilation

PDF (5283KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

刘元波, 吴桂平, 赵晓松, 范兴旺, 潘鑫, 甘国靖, 刘永伟, 郭瑞芳, 周晗, 王颖, 王若男, 崔逸凡. 流域水文遥感的科学问题与挑战. 地球科学进展[J], 2020, 35(5): 488-496 DOI:10.11867/j.issn.1001-8166.2020.045

Liu Yuanbo, Wu Guiping, Zhao Xiaosong, Fan Xingwang, Pan Xin, Gan Guojing, Liu Yongwei, Guo Ruifang, Zhou Han, Wang Ying, Wang Ruonan, Cui Yifan. Remote Sensing for Watershed Hydrology: Issues and Challenges. Advances in Earth Science[J], 2020, 35(5): 488-496 DOI:10.11867/j.issn.1001-8166.2020.045

1 引 言

流域作为一个自然单元,是全球陆地水循环的基本载体。虽然陆地水分仅占全球水量的3.5%,但陆地水分存在及运动的表现形式最为多样[1],例如,大气水分、雨、雪、雹、河流、湖泊、海洋、水面蒸发、裸土蒸发、植被蒸腾等。

1960年4月1日美国国家航空航天局(National Aeronautics and Space Administration,NASA)发射的第一代极轨气象卫星泰诺斯1号(the Television and Infrared Observation Satellite, TIROS-1),开启了陆表水分运动研究的新时代,各种水文要素的参数反演及应用研究获得蓬勃发展[2,3,4,5,6,7]。21世纪以来,Surveys in GeophysicsInternational Journal of Remote Sensing等国际知名期刊先后出版了地球水循环要素遥感专辑,同时,Multiscale Hydrologic Remote SensingPerspectives and Applications[8]Land Surface Remote Sensing in Continental Hydrology[9]等专著相继出版,标志着水文遥感不断取得整体性和系统性发展,在理论、方法、技术和数据产品上也得以不断完善[10]

在这样一个发展背景之下,随着分布式流域水文模型对空间信息需求的不断增强,以及人类活动与气候变化所带来日趋显著的现实变化(譬如暴雨、洪水、干旱和热浪等),促进了学科交叉融合,水文遥感为流域水文学、生态水文学等学科带来了新的生命力,在推动学科发展中起到了难以估量的作用。其中,流域水文遥感成为一个新的发展方向,它既是水文遥感的应用对象出口,又具有特殊性。

2 流域水文遥感的主要内容及科学问题

水文遥感以地球水圈或地球水循环为感知目标,以遥感为基本观测手段,阐明利用遥感手段观测地球水循环要素的基本原理,发展关于地球水循环要素分布及运动变化过程的信息提取/定量反演或估算的原理、方法和技术,以认识宏观水文过程及其与地球各圈层的相互作用机制,提升对地球水循环变化的预测能力[10]。研究对象小到像元,大到全球。

作为全球陆地的组成部分,流域是水文遥感的核心研究对象之一。一方面,流域水文遥感具有卫星组网和全谱段反演等当前水文遥感的先进理念和前沿属性。另一方面,流域作为一个自然单元,具有单个遥感像元所不具有的宏观属性,在研究内容、研究方法、技术手段和实际应用等方面,也具有特殊性。由于水文遥感涉及十分庞大的研究内容,这里仅对流域水文遥感的自身特性进行梳理,尤其是流域整体性,涉及流域整体的水量闭合约束、反演要素的流域尺度检验、流域水文模型的联合应用等,具体概括为以下3个方面。

2.1 流域水量平衡原理与遥感水量收支闭合

流域水量平衡是指单位时间内流域降水量等于流域地表和地下水的储量变化,减去流域蒸散量和流域出流量(图1)。在有流域之间调水的情况下,还需要考虑流域入流量或出流量。其中,地表水量包括冰川、积雪、河流、湖泊、水库、池塘、土壤水分和植被水分等。在人类用水需求强烈的流域里,还需要考虑人类社会水循环要素及其在自然水循环中的作用。由于水量平衡是流域水文学最核心的基本原理,也最能体现流域水文过程的系统性及整体性,因而也是流域水文遥感的核心研究内容。

图1

图1   流域水量收支过程及两类水文变量(状态变量与界面通量)遥感原理概念图

Fig.1   Conceptual illustration of watershed-scale water budgets and basic remote sensing principles respectively for state and flux variables


流域水量平衡原理及其数学表达看似简单,但要在实际观测中精确地测定或估算各个分量,往往十分困难。除了流域入流量或出流量之外,其他所有的水分平衡分量都具有较强的空间异质性,包括降水量、蒸散量、土壤水分、植被水分、地表水体、地下水等。作为解决这一问题的途径之一,在增加及优化观测站点等方面,虽然国内外已经开展了大量的分析工作,也发展了诸多的站点格网化方法,但站点观测数据的空间代表性,长期以来一直是气象学界和水文学界面临的一个实际问题。

水量平衡各要素涉及固、液、气三态。不同相态的水分具有不同的电磁波谱特性和辐射传输特性[10]。3种相态水分的辐射传输过程,包括电磁波的发射、反射、散射、吸收和透射等,远比单一物质的辐射传输过程要复杂得多。加上水分平衡要素的时空分布不均匀性,目前还无法用同一谱段(如可见光波段)遥感数据反演全部要素,这也决定了流域水量平衡要素反演的多样性和差异性。例如,降水反演更多地依赖于微波遥感,地表蒸散反演更多地依赖于热红外遥感,而地表水体提取则主要依赖于可见光遥感(图2)。一方面,不同流域要素的遥感反演算法和数据来源都可不同,故而不同要素反演结果之间具有相对的独立性。另一方面,流域水量平衡所有要素都会存在反演误差,由此可能会使得这些要素的反演结果之间并不一定会满足流域水量平衡方程。流域水文遥感反演不同于流域水文模型,水量平衡方程是模型的基本方程,只要模型构建及解法正确,就不会违背水量平衡规律。而水文遥感反演则不然,由于数据来源与数据质量不同,不同的反演算法在物理假设或物理条件上往往并不一致。

图2

图2   水文要素的遥感反演原理、代表算法及适用条件

Fig.2   Remote sensing of hydrologic components: Principles, retrieval algorithms and restrictions


遥感反演在多大程度上满足流域水量平衡约束,成为近十多年来的一个前沿热点问题,即所谓的“流域水量平衡不闭合问题(nonclosure problem)”[11]。Pan等[12]在使用集合卡尔曼滤波方法进行遥感数据同化时,注意到必须考虑流域水量平衡问题。Sheffield等[13]使用TMPA(TRMM Multisatellite Precipitation Analysis)和CMORPH(CPC MORPHing technique)降水产品数据、基于Penman-Monteith方法和Aqua-MODIS(Moderate-resolution Imaging Spectroradiometer)遥感影像反演的地表蒸散数据、GRACE(Gravity Recovery and Climate Experiment)陆域水储量变化产品数据,采用水量平衡剩余法,估算了2003—2005年美国密西西比河流域的径流量。结果表明,所估算得到的径流量远大于实际观测量,主要误差来自降水产品数据。Gao等[14]进一步采用3种遥感降水产品数据和3种蒸散遥感反演数据,对2003—2006年美国九大流域的水量平衡闭合性做了评估;着力强调要提高反演算法精度,以消除遥感产品存在的较大不确定性。Sahoo等[15]采用4种遥感降水产品数据和4种遥感反演蒸散数据,分析了2003—2006年全球10个大型流域降水和蒸散反演误差,对流域水量平衡不闭合性的贡献比例;并采用集合卡尔曼滤波方法进行了误差校正。随后提出一种数据同化方法,对1984—2006年全球32个大型流域的遥感降水产品和蒸散反演数据,进行了误差分析及校正[16]。Wang等[17]采用TRMM(Tropical Rainfall Measuring Mission)降水遥感、MODIS蒸散遥感和GRACE地下水储量变化产品数据,分析表明在降水较少的西澳大利亚中部地区具有较高的闭合性,能反映出Eyre湖流域地下水的季节变化过程。Wang等[18]采用1979—2008年遥感降水与蒸散数据,结合GRACE地下水储量变化数据,对加拿大19个大型流域进行了闭合性检验,结果表明在寒冷地区遥感降水精度是最大的不确定性来源。Zhang等[19]使用再分析资料、陆面过程模型、遥感降水与蒸散产品数据,对2004—2007年4个大型流域和16个中等流域进行分析,结果表明,经过降水站点校正的降水遥感产品可以将闭合性从7.6%~10.4%提高到4.2%~9%。Pellet等[20]针对地中海地区,提出了包括大气、海洋及陆域闭合性的改进方法,然后采用降尺度方法对卫星遥感产品进行分解,与全球通量网站(FLUXNET)的地面观测结果相比,吻合较好。这些工作的相继开展,识别了遥感反演流域水量不闭合问题的主要来源,增强了基于遥感开展流域水循环过程研究的可信度。

在实践上,水文遥感一方面为解决无资料流域的水文预报(Prediction in Ungauged Basin, PUB)问题提供了一种有效的技术手段和数据资源;另一方面,PUB问题也对多源遥感数据的一致性和遥感反演的准确度等提出了较高的要求。其中,满足流域水量平衡的闭合性,虽然不是检验遥感反演结果一致性的唯一标准,但却是流域水文遥感的整体性标准。对于遥感降水、蒸散、土壤水分、地下水储量变化等时序产品数据,空间分辨率还普遍较粗,全球产品数据一般为0.25°×0.25°、0.5°×0.5°等;而GRACE等重力卫星地下水储量变化数据分辨率一般为2.5°×2.5°,因此,目前的流域闭合性精度检验研究主要集中在特大流域[12,15,20]。对于面积小于20万km2的流域,由于地下水等要素的不均匀空间分布,单纯依靠遥感产品数据进行闭合性检验具有一定难度,需要相当精细的地面观测数据作为辅助。在中小流域尺度上,开展流域水量平衡闭合性研究,是流域水文遥感未来发展的根本性挑战之一。

2.2 流域水量平衡要素的遥感反演及适用性检验

流域水量收支平衡的各个变量,表现形式多种多样。根据流域系统的状态变化和输入输出结构,可以区分为状态变量和界面通量两大类[10]图1)。前者表示水分的存储量,包括水域面积、水深、水位,冰川当量,积雪当量,大气水汽含量,土壤水分含量,地下水储量等。后者表示不同系统之间的交换量,包括地气之间的降雨量、降雪量、裸土及水面蒸发量,植被与大气之间的植被散发量或凝结量,不同地表之间的径流量等。

水文变量的遥感反演方法很多(图2),从波长较短的紫外光波段,到波长较长的微波波段,从单波段到多波段,从单一传感器到多传感器联合,详见《水文遥感》[10]和各水文变量的综述性文章[21,22,23,24,25]。归纳而言,状态变量遥感反演主要依据为水分在不同谱段上的波谱特性,反演算法往往较为“直接”,多采用某一或某些特征波段,通过发展某些指数来实现(图1)。例如,归一化植被指数(Normalized Difference Vegetation Index,NDVI)和归一化水体指数(Normalized Difference Water Index,NDWI),是分别利用植被红光波段和水体红外波段的吸收特性而提出的比值指数,都可用于有效地提取水域分布及面积大小[21]。而界面通量的遥感反演,除了不同相态水分的波谱特性之外,一般还需要考虑不同界面之间的相互作用特点,故往往更为复杂。例如,广泛使用的地面温度—植被指数三角空间法,需要同时采用热红外波段和光学波段,并结合表达地表水热交换的水分与能量平衡方程的简化形式,“间接”地计算出地表蒸散量。不论哪类变量的遥感反演,一般不依赖于流域边界的位置及形状。因此,原则上水文遥感的所有要素反演方法都可用于流域。

以往的流域水文过程研究,主要利用水文气象站的常规观测数据,多为分析流域的降水及径流变化;以及利用湖泊水位等观测数据,分析湖泊水资源变化。对于大气水汽、地表蒸散、土壤水分等其他水量平衡要素,往往缺乏常规监测,而且这些要素的时空异质性强,成为全面认识流域水文气候变化过程及影响机制的主要瓶颈。随着水文要素全球遥感产品的不断推出,这类数据迅速被用于全球性和区域性水文过程分析[10]。在应用过程中,以像元为基本单位的遥感数据,其不同的时空分辨率能在多大程度上准确地反映流域要素的时空分布特性及整体特征,是必须面对的基本问题。其中,依托站点进行遥感反演结果的真实性检验,是目前最为普遍的一种方式。然而,遥感像元和站点观测之间,在空间和时间上并不一定匹配;在被检验参数存在分层空间异质性(层内方差小于层间方差)时,站点检验方式难以表征参数的全局特性[26]。因而,这种检验方式存在很大的局限性。在更大的尺度上,乃至流域尺度上,开展水文要素的真实性检验研究,相比而言,无论在研究数量上还是在规模上,都凸显不足。

以作为水文系统状态变量的湖泊水体为例,通过遥感提取不同时间的湖泊分布信息,结合湖盆地形数据,可以获得湖泊水量变化。对于湖面变幅大、形状很不规则的湖泊而言,比仅仅依靠单一水位和湖盆地形数据确定的湖泊水量更为精确。例如洞庭湖,在相同水位的条件下,湖泊涨水过程和退水过程的湖泊面积并不相同,表现出绳套现象[27]。在很多情况下,由于入湖河流和湖盆地形等因素影响,全湖并非具有一个相同的水位,如冬季鄱阳湖的南北水位差可达5~6 m。卫星遥感信息,不但可以揭示鄱阳湖水位的空间分布情况,还可揭示其时间变化规律[28,29],提高了关于湖泊水位精细时空结构的客观认知。再以土壤水分为例,鄱阳湖流域的检验分析表明,经地面观测数据校正后,全球土壤水分产品能够较好地反映“环湖中心低而四周高”的空间格局,土壤水分多年平稳波动,但21世纪以来有变干趋势,植树造林区域的土壤水分逐年增加,而后变得相对稳定[30,31]

就作为地—气系统交换通量的降水而言,过去多采用站点数据,在站点尺度上检验遥感降水产品,近年来开始在流域尺度上进行产品检验,包括非洲Ethiopian河流域[32]、南美洲Andean-Amazon River流域[33]、鄱阳湖流域[34]、马来西亚Pahang River流域[35]和亚马孙流域[36]等。近10年来,随着全球蒸散遥感算法趋于完善,相应的数据产品也公开发布。除采用涡动相关系统通量观测数据进行站点检验外,也注意结合流域降水和径流资料,在流域尺度上检验蒸散产品精度,包括鄱阳湖流域[18,37]、淮河流域[38]、渭河流域[39]和汉江流域[40]等。

总体而言,水文要素的全球遥感产品,为流域水文过程研究提供了新的认知途径,并揭示了新的空间现象格局。虽然日尺度产品数据在精度上还存在较大误差,但月尺度和年尺度的产品精度可达80%~90%,并已被用于流域水文模型等研究中。以像元—站点对应为基本途径的真实性检验方式,需要发展超越像元尺度的大尺度真实性检验方式,更为明确地反映水文要素的分层空间异质性,是流域水文遥感未来发展的另一个前沿性挑战。

2.3 与流域水文模型的联合使用及数据同化

在流域水文模型中,无论是集总式还是分布式模型,都需要流域降水量作为模型的核心输入变量。作为核心的输出变量,产流量或径流量的峰值和谷值是水文过程变化模拟的难点。除了模型结构及参数不确定性之外,降水等模型输入变量的时空分布不均匀性,也是影响水文模拟精度的重要因素。

将丰富的水文遥感信息用于流域水文模型研究,出现在20世纪60年代,但主要是21世纪以来,尤其是近10年,才获得大量应用。Su等[41]较早地运用1998—2006年TMPA(TRMM Multisatellite Precipitation Analysis)降水数据,提高了半分布式VIC(Variable Infiltration Capacity)模型对南美洲La Plata流域径流峰值和谷值的模拟精度。随后,将遥感数据用于水文模型,以检验是否能够提高模型的模拟能力,成为一个热点[42]。例如,Nikolopoulos 等[43]模拟了遥感降水数据不确定性与分布式水文模拟对象流域大小之间的关系。Li等[44]在比较卫星遥感和站点降水数据不同时间尺度差异性的基础上,运用鄱阳湖流域分布式水文模型,评估了不同时间尺度遥感降水数据对水文过程模拟精度的影响,检验了遥感数据在反映降水空间异质性以及提高水文模型模拟精度上的巨大优势。Maggioni 等[45]综合回顾了TRMM及后继GPM(Global Precipitation Mission)降水数据在洪水过程模拟中的重要作用,并指出其具有巨大的应用潜力。

除了作为模型输入数据,遥感数据也可以作为流域水文模型的初始场或状态场。通过数据同化技术手段,融合来源不同、误差不同、时空分辨率不同的遥感观测或反演数据,获得模式模拟与实际观测之间的最优解[46,47]。除了遥感降水数据同化,还包括土壤水分等要素的数据同化[48,49,50],可以有效地提高流域洪峰流量和低枯流量的模拟预报精度[51]。由于遥感空间数据结构和流域水文模型结构的复杂性及不确定性,要同时融合多种水量平衡要素的遥感数据而取得有效可信的数据同化结果,尚具有挑战性,是目前流域水文遥感领域有待探索的又一个重要方向[52]

流域水量平衡要素的遥感数据及产品,除了与水文模型相结合,已经广泛地应用于流域过程和水资源问题研究,尤其是水资源丰沛的湿润气候区。例如,在鄱阳湖流域气候水文过程研究中,弥补了流域蒸散和湖泊水量变化过程两个重要环节;在长时序变化和水量平衡闭合分析的基础上,较为科学地揭示了21世纪以来鄱阳湖趋于萎缩和鄱阳湖区干旱频发的成因[53,54,55]。结合流域水文模型和GRACE重力卫星数据,评估了1979—2012年长江流域水文干旱变化过程,揭示出21世纪以来长江中下游干旱加重现象及原因[56,57]。Liu等[58]运用全球陆面数据同化数据GLDAS(Global Land Data Assimilation System)和全球土壤水分CCI(Climate Change Initiative project)遥感数据,进一步揭示了2011年长江流域极端水文干旱事件中土壤水分的空间演变过程,加深了对于这一干旱事件的空间认知,有助于进一步探明干旱事件成因及驱动机制。

3 流域水文遥感面临的科学挑战

随着水文遥感的不断发展,各种水文要素的产品不断出现,提供了海量的空间数据,为解决水文学PUB问题打开了一扇信息大门。水文遥感作为一门新的学科,也面临着诸多问题,包括遥感反演算法及其所依据正演模型的普适性、多源遥感数据之间的差异性、长时序遥感趋势反演的可靠性等[10]。除了这些共性的理论难点问题,高精度流域水文遥感研究也面临着特殊性问题。

首先,流域水文遥感的目标对象是流域。遥感反演结果的真实性检验,不应限于观测点位、均质立地或均质像元为基本的检验单位,应该拓展到流域尺度,包括不同大小的嵌套流域。由于流域是复杂地物的复合体,基于均质像元的检验精度是否能在流域尺度上保持,是否会导致流域水量平衡不闭合,需要明晰。另外,基于流域有限的水文气象业务观测站点,开展流域尺度的检验分析,在检验策略、检验方式、检验指标、检验流程等方面还很不规范,需要通过科学实验设计,进行系统的提升与完善[59]

其次,在我们所处的这个大数据时代,以简单的“拿来主义”方式,单纯地利用海量遥感数据而无视遥感数据结构及物理含义,开展流域生态水文过程研究,很有可能导致不合理的分析处理结果。因此,在实际应用中,除了正确地使用遥感数据,尤其需要注意遥感数据的误差大小、分布及传递等问题。如何科学合理地处理遥感数据误差问题,是否存在统一的解决方法或途径,还有待于深入探究。我国近十年来开展的“黑河流域生态—水文过程集成研究计划”[60],提供了十分丰富的地面观测和卫星遥感资料,为开展这方面的工作打下了现实基础。

最后,在遥感数据与流域水文模型结合方面,由于数据与模型结构的复杂性及不确定性,以及水文模型“异参同效”问题存在的必然性,需要综合运用水文学和遥感等学科知识,结合数学物理原理,挖掘蕴藏在大量数据之中的内在结构,避免使用遥感数据的盲目性。如何科学地处理好这些关系,充分地发挥水文遥感的数据优势,是摆在流域水文学面前的一个长期的科学挑战。

参考文献

Brutsaert W.

Hydrology: An Introduction

[M]. CambridgeUK: Cambridge University Press, 2005.

[本文引用: 1]

Hauth F F, Weinman J A.

Investigation of clouds above snow surfaces utilizing radiation measurements obtained from the Nimbus II satellite

[J]. Remote Sensing of Environment, 1969, 17-11.

[本文引用: 1]

Hickman G D, Hogg J E.

Application of an airborne pulsed laser for near shore bathymetric measurements

[J]. Remote Sensing of Environment, 1969, 147-58.

[本文引用: 1]

Greenwood J A, Nathan A, Neumann G, et al.

Oceanographic applications of radar altimetry from a spacecraft

[J]. Remote Sensing of Environment, 1969, 171-80.

[本文引用: 1]

Martin D W, Scherer W D.

Review of satellite rainfall estimation methods

[J]. Bulletin of the American Meteorological Society, 1973, 54661-674.

[本文引用: 1]

Jackson R D.

Evaluating evapotranspiration at local and regional scales

[J]. Proceedings of the IEEE, 1985, 73(6): 1 086-1 096.

[本文引用: 1]

Moran M S, Jackson R D.

Assessing the spatial distribution of evapotranspiration using remotely sensed inputs

[J]. Journal of Environmental Quality, 1991, 20(4): 725-737.

[本文引用: 1]

Chang N, Hong Y. Multiscale Hydrologic Remote Sensing: Perspectives and Applications[M]. Florida, USACRC Press2012.

[本文引用: 1]

Baghdadi N, Zribi M. Land Surface Remote Sensing in Continental Hydrology[M]. LondonISTE Press Ltd., 2016.

[本文引用: 1]

Liu Yuanbo, Wu Guiping, Ke Changqing. Hydrologic Remote Sensing[M]. Beijing: Science Press, 2016.

[本文引用: 7]

刘元波, 吴桂平, 柯长青. 水文遥感[M]. 北京科学出版社, 2016.

[本文引用: 7]

Munier S, Aires F.

A new global method of satellite dataset merging and quality characterization constrained by the terrestrial water budget

[J]. Remote Sensing of Environment, 2018, 205:119-130.

[本文引用: 1]

Pan M, Wood E F.

Data assimilation for estimating the terrestrial water budget using a constrained ensemble Kalman filter

[J]. Journal of Hydrometeorology, 2006, 7:534-547.

[本文引用: 2]

Sheffield J, Ferguson C, Troy T J, et al.

Closing the terrestrial water budget from satellite remote sensing

[J]. Geophysical Research Letters, 2009, 36: L07403. DOI:10.1029/2009GL037338.

[本文引用: 1]

Gao H, Tang Q, Ferguson C, et al.

Estimating the water budget of major US river basins via remote sensing

[J]. International Journal of Remote Sensing, 2010, 31:3 955-3 978.

[本文引用: 1]

Sahoo A K, Pan M, Troy T J, et al.

Reconciling the global terrestrial water budget using satellite remote sensing

[J]. Remote Sensing of Environment, 2011, 1158):1 850-1 865.

[本文引用: 2]

Pan M, Sahoo A K, Troy T J, et al.

Multisource estimation of long-term terrestrial water budget for major global river basins

[J]. Journal of Climate, 2012, 25:3 191-3 206.

[本文引用: 1]

Wang H, Guan H, Gutiérrez-Jurado H A, et al.

Examination of water budget using satellite products over Australia

[J]. Journal of Hydrology, 2014, 511:546-554.

[本文引用: 1]

Wang Y, Liu Y, Jin J.

Contrast effects of vegetation cover change on evapotranspiration during a revegetation period in the Poyang Lake Basin, China

[J]. Forests, 2018, 9:217, 14.

[本文引用: 2]

Zhang D, Zhang Q, Werner A, et al.

GRACE-based hydrological drought evaluation of the Yangtze River Basin, China

[J]. Journal of Hydrometeorology, 2016, 17(3):811-828.

[本文引用: 1]

Pellet V, Aires F, Munier S, et al.

Integrating multiple satellite observations into a coherent dataset to monitor the full water cycle-application to the Mediterranean region

[J]. Hydrology and Earth System Sciences, 2019, 23:465-491.

[本文引用: 2]

Song Ping, Liu Yuanbo, Liu Yanchun.

Advances in satellite retrieval of terrestrial surface water parameters

[J]. Advances in Earth Science, 2011, 26(7): 731-740.

[本文引用: 2]

宋平, 刘元波, 刘燕春.

陆地水体参数的卫星遥感反演研究进展

[J]. 地球科学进展, 2011, 26(7): 731-740.

[本文引用: 2]

Liu Yuanbo, Fu Qiaoni, Song Ping, et al.

Satellite retrieval of precipitation: An overview

[J]. Advances in Earth Science, 2011, 26(11): 1 162-1 172.

[本文引用: 1]

刘元波, 傅巧妮, 宋平, .

卫星遥感反演降水研究综述

[J]. 地球科学进展, 2011, 26(11): 1 162-1 172.

[本文引用: 1]

Chen Shulin, Liu Yuanbo, Wen Zuomin.

Satellite retrieval of soil moisture: An overview

[J]. Advances in Earth Science, 2012, 27(11): 1 192-1 203.

[本文引用: 1]

陈书林, 刘元波, 温作民.

卫星遥感反演土壤水分研究综述

[J]. 地球科学进展, 2012, 27(11): 1 192-1 203.

[本文引用: 1]

Guo Ruifang,

Liu Yuanbo. Multi-satellite retrieval of high resolution precipitation: An overview

[J]. Advances in Earth Science, 2015, 30(8): 891-903.

[本文引用: 1]

郭瑞芳, 刘元波.

多传感器联合反演高分辨率降水方法综述

[J]. 地球科学进展, 2015, 30(8): 891-903.

[本文引用: 1]

Tang Qiuhong, Zhang Xuejun, Qi Youcun, et al.

Remote sensing of the terrestrial water cycle: Progress and perspectives

[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12): 1 872-1 884.

[本文引用: 1]

汤秋鸿, 张学君, 戚友存, .

遥感陆地水循环的进展与展望

[J]. 武汉大学学报:信息科学版, 2018, 43 (12): 1 872-1 884.

[本文引用: 1]

Wang Jinfeng,

Xu Chengdong. Geodetector: Principle and prospective

[J]. Acta Geographica Sinica, 2017, 72(1): 116-134.

[本文引用: 1]

王劲峰, 徐成东.

地理探测器:原理与展望

[J]. 地理学报, 2017, 72(1): 116-134.

[本文引用: 1]

Ke Wenli, Chen Chengzhong, Ji Hongxia, et al.

A loop-like relationship between water surface area of Lake Dongting and water level at Chenglingji, the Yangtze River

[J]. Journal of Lake Sciences, 2017, 29(3): 753-764.

[本文引用: 1]

柯文莉, 陈成忠, 吉红霞, .

洞庭湖水面面积与城陵矶水位之间的绳套关系

[J]. 湖泊科学, 2017, 29(3): 753-764.

[本文引用: 1]

Wu G, Liu Y.

Capturing variations in inundation with satellite remote sensing in a morphologically complex, large lake

[J]. Journal of Hydrology, 2015, 523: 14-23.

[本文引用: 1]

Wu G, Liu Y.

Combining multispectral imagery with in situ topographic data reveals complex water level variation in China’s largest freshwater lake

[J]. Remote Sensing, 2015, 7: 13 466-13 484.

[本文引用: 1]

Feng H, Liu Y.

Combined effects of precipitation and air temperature on soil moisture in different land covers in a humid basin

[J]. Journal of Hydrology, 2015, 531:1 129-1 140.

[本文引用: 1]

Feng H, Liu Y.

Trajectory based detection of forest-change impacts on surface soil moisture at a basin scale [Poyang Lake Basin, China]

[J]. Journal of Hydrology, 2014, 514:337-346.

[本文引用: 1]

Romilly T, Gebremichael M.

Evaluation of satellite rainfall estimates over Ethiopian river basins

[J]. Hydrology and Earth System Sciences, 2011, 15:1 505-1 514.

[本文引用: 1]

Zulkafli Z, Buytaert W, Onof C, et al.

A comparative performance analysis of TRMM 3B42 (TMPA) Versions 6 and 7 for hydrological applications over Andean-Amazon River Basins

[J]. Journal of Hydrometeorology, 2014, 15:581-592.

[本文引用: 1]

Guo R, Liu Y.

Evaluation of satellite precipitation products with rain gauge data at different scales: Implications for hydrological applications

[J]. Water, 2016, 8:281.

[本文引用: 1]

Zad S, Zulkafli Z, Muharram F.

Satellite rainfall (TRMM 3B42-V7) performance assessment and adjustment over Pahang River Basin, Malaysia

[J]. Remote Sensing, 2018, 10(3): 388.

[本文引用: 1]

Michot V, Vila D, Arvor D, et al.

Performance of TRMM TMPA 3B42 V7 in replicating daily rainfall and regional rainfall regimes in the Amazon Basin (1998-2013)

[J]. Remote Sensing, 2018, 10(12): 1 879.

[本文引用: 1]

Wu Guiping, Liu Yuanbo, Zhao Xiaosonget al.

Spatio-temporal variations of evapotranspiration in Poyang Lake Basin using MOD16 products

[J]. Geographical Research, 2013, 32(4): 617-627.

[本文引用: 1]

吴桂平, 刘元波, 赵晓松, .

基于MOD16产品的鄱阳湖流域地表蒸散量时空分布特征

[J]. 地理研究, 2013, 32(4): 617-627.

[本文引用: 1]

Yang Xiuqin, Wang Lei, Wang Kai. Spatio-temporal distribution of terrestrial evapotranspiration in Huaihe River Basin based on MOD16

ET data

[J]. Journal of Glaciology and Geocryology, 2015, 37(5): 1 343-1 352.

[本文引用: 1]

杨秀芹, 王磊, 王凯.

基于MOD16产品的淮河流域实际蒸散发时空分布

[J]. 冰川冻土, 2015, 37(5): 1 343-1 352.

[本文引用: 1]

Wei Hejie, Zhang Yanfang, Zhu Ni, et al.

Spatial and temporal characteristics of ET in the Weihe River Basin based on MOD16 data

[J]. Journal of Desert Research, 2015, 35(2): 414-422.

[本文引用: 1]

位贺杰, 张艳芳, 朱妮, .

基于MOD16数据的渭河流域地表实际蒸散发时空特征

[J]. 中国沙漠, 2015, 35(2): 414-422.

[本文引用: 1]

Zhang Jing, Ren Zhiyuan. Spatiotemporal characteristics of evapotranspiration based on MOD16

in the Hanjiang River Basin

[J]. Scientia Geographica Sinica, 2017, 37(2): 274-282.

[本文引用: 1]

张静, 任志远.

基于MOD16的汉江流域地表蒸散发时空特征

[J]. 地理科学, 2017, 37(2): 274-282.

[本文引用: 1]

Su F, Hong Y, Lettenmaier D P.

Evaluation of TRMM Multisatellite Precipitation Analysis (TMPA) and its utility in hydrologic prediction in the La Plata Basin

[J]. Journal of Hydrometeorology, 2008, 9:622-640.

[本文引用: 1]

Getirana A, Espinoza J, Ronchail J, et al.

Assessment of different precipitation datasets and their impacts on the water balance of the Negro River Basin

[J]. Journal of Hydrology, 2011, 404:304-322.

[本文引用: 1]

Nikolopoulos E, Anagnostou E.

Understanding the scale relationships of uncertainty propagation of satellite rainfall through a distributed hydrologic model

[J]. Journal of Hydrometeorology, 2011, 11:520-532.

[本文引用: 1]

Li X H, Zhang Q, Xu C Y.

Suitability of the TRMM satellite rainfalls in driving a distributed hydrological model for water balance computations in Xinjiang catchment, Poyang Lake Basin

[J]. Journal of Hydrology, 2012, 426/427:28-38.

[本文引用: 1]

Maggionia V, Massari C.

On the performance of satellite precipitation products in riverine flood modeling: A review

[J]. Journal of Hydrology, 2018, 558:214-224.

[本文引用: 1]

Li Xin, Huang Chunlin, Che Tao, et al.

Advances in land surface data assimilation in China

[J]. Progress in Natural Science, 2007, (2): 163-173.

[本文引用: 1]

李新, 黄春林, 车涛, .

中国陆面数据同化系统研究的进展与前瞻

[J]. 自然科学进展, 2007, (2): 163-173.

[本文引用: 1]

Ma Jianwen, Qin Sixian.

Recent advances and development of data assimilation algorithms

[J]. Advances in Earth Science, 2012, 27(7): 747-757.

[本文引用: 1]

马建文, 秦思娴.

数据同化算法研究现状综述

[J]. 地球科学进展, 2012, 27(7): 747-757.

[本文引用: 1]

Reichle R, Koster R.

Assessing the impact of horizontal error correlations in background fields on soil moisture estimation

[J]. Journal of Hydrometeorology, 2003, 4(6):1 229-1 242.

[本文引用: 1]

Yan H, Moradkhani H.

Combined assimilation of streamflow and satellite soil moisture with the particle filter and geostatistical modeling

[J]. Advances in Water Resources, 2016, 94:364-378.

[本文引用: 1]

Martens B, Miralles D, Lievens H, et al.

Improving terrestrial evaporation estimates over continental Australia through assimilation of SMOS soil moisture

[J]. International Journal of Applied Earth Observation and Geoinformation, 2016, 48: 146-162.

[本文引用: 1]

Liu Y, Wang W, Liu Y.

ESA CCI soil moisture assimilation in SWAT for improved hydrological simulation in Upper Huai River Basin

[J]. Advances in Meteorology, 2018. DOI:10.1155/2018/7301314.

[本文引用: 1]

Li Y, Grimaldi S, Walker J, et al.

Application of remote sensing data to constrain operational rainfall-driven flood forecasting: A review

[J]. Remote Sensing, 2016, 8(6): 456.

[本文引用: 1]

Liu Yuanbo, Zhao Xiaosong, Wu Guiping.

A primary investigation on the formation of frequent droughts in the Poyang Lake Basin in recent decades

[J]. Resources and Environment in the Yangtze Basin, 2014, 24(1):131-138.

[本文引用: 1]

刘元波, 赵晓松, 吴桂平.

近十年鄱阳湖区极端干旱事件频发现象成因初析

[J]. 长江流域资源与环境, 2014, 23(1): 131-138.

[本文引用: 1]

Liu Y, Wu G.

Hydroclimatological influences on recently increased droughts in China's largest freshwater lake

[J]. Hydrology & Earth System Sciences, 2016, 20: 93-107.

[本文引用: 1]

Liu Y, Wu G, Zhao X.

Recent declines in China’s largest freshwater lake: Trend or regime shift?

[J]. Environmental Research Letters, 2013, 8(1). DOI: 10.1088/1748-9326/8/1/014010.

[本文引用: 1]

Zhang D, Zhang Q, Qiu J, et al.

Intensification of hydrological drought due to human activity in the middle reaches of the Yangtze River, China

[J]. Science of the Total Environment, 2018, 637/638: 1 432-1 442.

[本文引用: 1]

Zhang Y, Pan M, Wood E.

On creating global gridded terrestrial water budget estimates from satellite remote sensing

[J]. Surv Geophys, 2016, 37: 249-268.

[本文引用: 1]

Liu Y, Liu Y, Wang W.

Inter-comparison of satellite-retrieved and Global Land Data Assimilation System-simulated soil moisture datasets for global drought analysis

[J]. Remote Sensing of Environment, 2019, 220:1-18.

[本文引用: 1]

Guo Ruifang,

Liu Yuanbo. Strategy and method for satellite precipitation data evaluation: An overview

[J]. Remote Sensing Technology and Application, 2018, 33(6):983-993.

[本文引用: 1]

郭瑞芳, 刘元波.

遥感降水数据精度检验策略及检验方法综述

[J]. 遥感技术与应用, 2018, 33(6): 983-993.

[本文引用: 1]

Cheng Guodong, Li Xin.

Integrated research methods in watershed science

[J]. Science China Earth Sciences, 2015, 45(6):811-819.

[本文引用: 1]

程国栋, 李新.

流域科学及其集成研究方法

[J]. 中国科学: 地球科学, 2015, 45(6): 811-819.

[本文引用: 1]

/