导读:本文包含了散发模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,遥感,喀什,能量,冬小麦,适用性,沙地。
散发模型论文文献综述
肖开提·喀迪尔[1]（2019）在《基于改进双源蒸散发模型的新疆喀什地区蒸散发时空分布计算研究》一文中研究指出以新疆喀什地区为研究区域,结合改进的双源蒸发模型对新疆喀什地区蒸散发进行时空分布的模拟计算,并结合实测蒸发皿数据对模型计算精度进行分析。结果表明:改进的双源蒸发模型在喀什地区蒸发计算具有较好的适用性,计算值和实测值之间的相关系数达到0.75,属于高相关,蒸发计算结果明显好于传统模型。蒸发空间分布受区域地形影响较大,高程较大的区域蒸发相对较低。(本文来源于《地下水》期刊2019年04期）
李玲[2]（2019）在《不同冠层阻力模型在半干旱区玉米生态系统蒸散发的应用研究》一文中研究指出作物蒸散发的研究中,存在许多估算模型,而其中应用最为广泛的单源模型是Penman-Monteith(PM)模型,本文通过改进冠层阻力参数来优化PM模型,借此提高PM模型对稀疏植被蒸散的模拟效果,使得模拟简单却准确。因此,本文主要通过对不同的冠层阻力模型(或表层阻力模型)的评价,选择出适合以玉米整个生长季为研究对象的阻力模型,来优化对作物蒸散的估算。本文选取了10个较为经典的冠层阻力模型,并将整个生长季分为生长季前期(叶面积指数小于2)和生长季后期(叶面积指数大于2),将冠层阻力模型与PM模型结合,在此基础上判别模型适用性。同时分析参数对模型影响的大小,对模型进行敏感性分析。得出如下结论:(1)在生长季前期,通过计算结果的分析与模型的评价,得出在该阶段表现最优的模型有耦合的表层阻力(CO)模型、修正后的Leuning(RL修正)模型和Katerji-Perrier(KP)模型;(2)在生长季后期,结合估算结果的分析和模型的评价,得到在该阶段本研究区玉米的冠层阻力模拟结果最好的模型是Stannard(ST)模型、Leuning(RL)模型和Jarvis模型,且在该时期除RL修正模型外,其余模型模拟结果表现良好,且优于生长季前期;(3)在本研究区玉米的整个生长季内,最适合的阻力模型是耦合的表层阻力(CO)模型和KP模型,但KP模型在生长季前期表现稍差,因此在估算相似环境条件的蒸散发时,可以选取CO模型和KP模型作为冠层阻力的估算模型;(4)基于对模型的敏感性分析,得出模拟效果良好的模型CO模型的影响参数分别是Jarvis模型估算出的冠层阻力和叶面积指数,而结合影响Jarvis模型敏感性分析,可以得出影响CO模型最大的参数是叶面积指数和土壤水分胁迫函数(F(θ)),其次是饱和水汽压差和气温,最后是太阳辐射;另一模拟效果良好的模型KP模型,影响大的有饱和水汽压差(VPD)和净辐射(Rn),其次是空气动力学阻力(r_a)和土壤热通量(G);(5)整合所有影响模型的参数可知,叶面积指数和饱和水汽压差对于包含它们的模型影响极大,叶面积指数与蒸散量呈现正相关,与辐射相关的参数如太阳辐射、净辐射和冠层顶部可见辐射,与蒸散量呈现正相关,饱和水汽压差与蒸散量呈现负相关,其中CO-PM模型与饱和水汽压差的关系正好相反,是因为该模型是耦合模型。(本文来源于《兰州大学》期刊2019-06-01）
艾克拜尔·吾迈尔[3]（2019）在《不同蒸散发计算模型在新疆喀什地区的适用性及对比分析研究》一文中研究指出为分析不同蒸散发模型在新疆喀什地区的适用性,结合国内常用两种蒸散发计算方法,应用区域实测蒸发数据,按照年、月、季叁个时间尺度分析两种方法计算的适用性和精度。结果表明:VIC模型在年尺度上适用性好于P-M模型,但在夏季和秋季尺度上,P-M模型好于VIC模型,各模型在夏季蒸发计算上好于其他季节。研究成果对于喀什地区蒸发计算提供重要的方法参考。(本文来源于《地下水》期刊2019年03期）
程明瀚,郝仲勇,李斌斌,缴锡云,张航[4]（2019）在《基于SEBAL模型的北京市日蒸散发区域分布规律》一文中研究指出为了对北京市地表水转换过程中的分量-蒸散发进行定量研究,基于Landsat7 ETM+遥感影像信息并结合气象数据,通过ERDAS构建了SEBAL模型,并通过模型计算得到北京市2014年7月26日的平均蒸散发为2.49 mm,同时利用彭曼公式和MOD16产品数据对SEBAL反演结果的可靠性进行验证。结果表明,通过SEBAL模型计算得到的蒸散发与彭曼公式法和MOD16数据产品的误差分别为3.2%和3.3%,其结果具有一定的可靠性,且通过Landsat7数据反演具有数据获取便捷、空间分辨率高的优点。通过对比各区域蒸散发分布,得出北京市蒸散发整体呈现西北山区高、东南平原低的趋势,西北山区林草植被覆盖率较高是导致这一趋势的主要原因。通过统计分析,水域的蒸散发最高,硬化面积及建筑物的蒸散发接近于0,在除去水体及硬化面积后,蒸散发的大小与NDVI呈现极显着的正相关关系,两者的决定系数达到0.9233,故下垫面类型是影响某一时刻区域蒸散发大小的主要因素之一。(本文来源于《中国农学通报》期刊2019年14期）
杨亮彦[5]（2019）在《基于优化SEBAL模型的旱区蒸散发遥感估算》一文中研究指出地表蒸散发量的精确估算对研究区内的水资源合理配置、生态环境建设以及农业林业的发展具有重要的指导意义。毛乌素沙漠风沙滩地区生态环境脆弱,水资源十分匮乏,其蒸散发的研究对该区域生态环境的改善具有深远的意义。本文利用2016年4月、9月、12月和2017年1月、5月、7月6期Landsat 8影像,基于SEBAL模型,探究了气象因子与地表蒸散发的相关性,研究了地表蒸散发对模型参数的敏感性,通过将地表温度与植被指数的特征空间引入到冷热像元的选取方法中,以及改进SWCVR模型参数反演水汽含量,构建了优化的SEBAL模型,估算了毛乌素沙漠风沙滩地区的区域蒸散发量。最后通过气象站监测数据折算的陆面蒸散发量对估算结果进行验证,从而实现地表蒸散发量的宏观、动态遥感监测,为风沙滩地区的农业和生态环境的研究提供依据。研究结论如下:(1)利用SPSS对气象因子与地表蒸散发进行相关性分析。通过分析发现,地表温度、空气温度与日蒸散发呈显着相关关系,相关系数R~2分别为0.6344、0.6274;与风速成弱相关,相关系数R~2为0.3307;与相对湿度成负相关关系,R~2为0.3374。通过R~2的大小可以发现,对于日蒸散发量的影响,地表温度>空气温度>相对湿度>风速。(2)基于SEBAL模型反演地表蒸散发量,通过单变量分析方法,对水汽含量和热点地表温度与日蒸散发的敏感性进行分析发现,日蒸散发量对水汽含量和热点温度都敏感。1 mm/day的精度要求需要保证0.5 g/cm~2水汽含量的精度支持,而热点地表温度受迭代计算的影响,与日蒸散发量敏感性弱于水汽含量。(3)运用Landsat8热红外通道数据开展大气水汽含量的反演研究,通过对已有反演模型参数的修正,构建了基于SWCVR算法的旱区水汽含量反演模型。将水汽含量反演结果与气象站实测数据进行验证,其均方根误差为0.31 g/cm~2,说明SWCVR算法应用于中分辨率热红外遥感数据的旱区水汽含量反演,具有较好的反演精度。(4)利用Landsat 8遥感影像数据,基于优化的SEBAL模型反演地表蒸散发量,取得了较好的反演精度。蒸散发量在一年四季中变化明显,1月2日、4月21日、5月26日、7月13日、9月28日和12月17日的平均蒸散发量分别为0.56 mm/day、2.02mm/day、3.52 mm/day、5.17 mm/day、3.31 mm/day和0.72 mm/day,整体呈现出夏季>秋季>春季>冬季。从空间分布上看,地表蒸散发表现为东南部较大,西北部较小。将基于SEBAL模型和优化的SEBAL模型反演结果,与气象站监测数据折算的陆面蒸散发量进行结果验证和精度评价,结果表明SEBAL模型的均方根误差为1.30 mm/day,优化SEBAL模型的均方根误差为0.90 mm/day,说明优化SEBAL模型反演地表蒸散发量相对于SEBAL模型具有更好的精度。(本文来源于《长安大学》期刊2019-04-08）
李庆敏[6]（2019）在《基于SEBS模型的地表蒸散发估算研究》一文中研究指出蒸散发(Evapotranspiration,ET)包括土壤蒸发和植被蒸腾,是地表水热传输和水循环重要组成部分。蒸散发的精确估算,为区域水资源优化配置和农田灌溉等研究提供良好的理论基础。由于我国幅员辽阔、地形地貌条件复杂和蒸散发监测仪器设备昂贵等因素,传统观测手段难以对大范围区域蒸散发进行监测。遥感数据的宏观性和动态性对于获取大范围蒸散发,提供了经济允许、技术可行的方案。本文以济南-泰安市为研究区,结合该地区的Landsat 5遥感数据和微气象数据,首先应用反距离权重法对气温进行空间插值,并作为单窗算法重要输入参数之一估算地表温度,以此提高单窗算法的反演精度。其次结合地表温度和SEBS(Surface Energy Balance System,简称SEBS)模型,得到地表蒸散发量的空间分布反演结果,最后以恒定蒸发比(evaporative fraction,EF)法进行蒸散发的日尺度扩展获取日蒸散发。为评估SEBS模型在该地区的应用效果,研究利用禹城站通量观测数据对估算的蒸散发结果进行验证。结果表明,遥感反演的误差在6.6%~35%之间;对蒸散发反演结果进行时空特征分析发现,受研究区东西部气温等环境因素影响,西部蒸散发略高于东部,中部受泰山影响形成局部蒸散区,蒸散发量区别于周边地区;在人类活动干预下,不透水层(城镇建设用地)取代了自然下垫面,改变了地表能量交换特征,下垫面显热明显,形成了独特的城市热岛效应。基于遥感反演蒸散发的时空分布,利用禹城站微气象数据和通量数据,进一步分析蒸散发变化规律和影响因子间的响应关系。蒸散发受农作物生长规律和灌溉的影响,变化规律显着。12月至1月蒸散发下降(冬小麦播种期);1月至3月,蒸散发缓慢回升(越冬至返青);3月至5月,蒸散发上升趋势加快(拔节期至开花期);6月,蒸散发大幅下跌(冬小麦收获,夏玉米播种);7月至9月,蒸散发变化平稳(抽雄吐丝至灌浆成熟);10月,蒸散发下降(夏玉米收获)。不同季节下蒸散发及其影响因子的相关性具有差异性。各影响因子与蒸散发的相关性排序,春、秋季均为:气温>水汽密度>水平风速>CO_2>垂直风速;夏季为水汽密度>气温>CO_2浓度>垂直风速>水平风速;冬季为气温>水汽密度>水平风速>CO_2浓度>垂直风速。基于偏相关性得到蒸散发及其影响因子的拟合方程,春季蒸散发主要影响因子为气温和垂直风速,秋、冬季节主要影响因子为气温。(本文来源于《华北水利水电大学》期刊2019-04-02）
张宇[7]（2019）在《基于SEBS模型的河南省麦区蒸散发估算》一文中研究指出蒸散发是降水到达地面后,由气态或者固态向水蒸气转换后重新返回到大气的过程,其不仅是水文循环过程的重要环节,也是连接能量和水量平衡的重要环节。定量获取区域地表蒸散发是气候变化、农业生产、水文生态、水资源管理的重要内容。中国是水资源分配极度不均衡的发展中国家,同时也是历史悠久的农业大国,蒸散发的精确估算有助于我国水资源的合理调配、提高水资源的利用效率,同时也为农业现代化提供了理论基础,为各级政府制定农业生产方面的决策提供科学依据,对理解区域乃至全球的气候变化具有重要意义。本文以荷兰籍华裔Su基于地表能量平衡方程开发的SEBS模型为基础,以河南省冬小麦种植区作为研究区,以MODIS/VIIRS遥感数据作为遥感数据源,以DEM高程数据和气象站点作为辅助数据,依托ArcGIS/ILWIS(Integrated Landand Water Information System)/ENVI(The Environment for Visualizing Images)平台,融合多源、多尺度的遥感信息,反演了2018年河南省冬小麦种植区第65-144日高时空分辨率下的蒸散发数据,分析河南省冬小麦种植区蒸散发、地表温度、净辐射通量、潜热通量等在时间和空间上的变化;基于郑州观测站利用大型蒸渗仪实测数据对反演的蒸散发进行精度验证,同时剖析模型中输入的参数与蒸散发反演结果的相关性。通过分析研究,得到以下结论:(1)基于SEBS模型,选取2018年第61/79/107/108/143五日作为实验数据,分别单独使用MODIS遥感数据和MODIS遥感数据融合VIIRS数据两种情况下反演蒸散发,对反演的结果进行精度验证后发现,使用VIIRS遥感数据代替云污染的MODIS像元后,反演蒸散发精度有一定的提高,有效证实了多源遥感数据在未来相关研究中的应用潜力。(2)河南省冬小麦种植区域蒸散发量随季节温度的变化而呈现出显着的变化,在时间上从3月初至5月末,整体呈现出波峰不断上升的趋势;在空间上从西北至东南蒸散发量呈现出递增的趋势,与NDVI空间分布呈现出较为一致的趋势,其最大波峰值位于第129日(5月9日),其象元平均值已超过4/。精度验证的结果表明,反演的蒸散发误差介于0.013-0.366/,处于合理范围之内。(3)通过分析地表参数和模型各通量的时空变化特征发现:模型输入的参数中,地表温度和气温二者之间的上升或下降的趋势一致,且二者之间相关系数高达0.9137;分析得知:增减趋势相反的有地表净辐射和地表反照率、感热通量和潜热通量,同时,当潜热通量的值处于峰谷时,感热通量的值处于波谷。(4)基于SPSS软件,将标准化后的陆面物理参数和气象参数与蒸散发进行相关性分析,分析得知,基于遥感数据、气象数据反演的参数与蒸散发正负两种相关关系。同时,通过主成分分析的方法,从众多参数中提取出3个主成分,用3个主成分表示了原参数所携带的信息,实现降维的目的。(本文来源于《郑州大学》期刊2019-04-01）
郭二旺,郭乙霏,张凌杰,闫超德,梁转信[8]（2019）在《基于SEBAL模型和Landsat-8遥感数据的农田蒸散发估算》一文中研究指出【目的】及时准确地获取农田蒸散发量,为科学管理农田灌溉、精准估算作物产量和预报土壤水分动态、合理开发水资源等提供有效依据。【方法】以广利灌区为研究对象,基于SEBAL模型利用Landsat-8数据对研究区域农田蒸散发进行估算,通过地表参数计算净辐射通量、土壤热通量和感热通量,利用余项法求得潜热通量及瞬时蒸散发。假定24 h内蒸散比不变,由瞬时蒸散发扩展到日蒸散发量,最终求得研究区的日平均蒸散发量,将模型计算结果与彭曼公式进行了对比,同时结合灌区提供数据对计算结果进行了验证。【结果】彭曼公式计算2014年5月6日和2015年9月14日蒸散量与实测结果相差分别为5.2%和9.4%,SEBAL模型估算得到2014年5月6日和2015年9月14日的日蒸散量与灌区提供日蒸散量相差4.5%、6.0%,且冬小麦及夏玉米蒸散发在空间上存在一定的差异性,主要集中在灌区中部区域及西南区域。【结论】SEBAL模型计算结果具有较高的精度,而且方法相对快捷高效。(本文来源于《灌溉排水学报》期刊2019年01期）
翟劭燚,王文种,刘九夫,王欢,陆之昂[9]（2019）在《基于Landsat8辐射模块耦合SEBAL模型蒸散发估算》一文中研究指出蒸散发(ET)是干旱和半干旱地区生态水文循环过程的重要因素。Landsat8数据的波谱信息丰富、空间分辨率高,是通过遥感技术反演蒸散发的理想数据源。SEBAL模型是以陆面能量平衡为基础,物理意义明确;但净辐射估算影响其估算精度。研究详细阐述了基于Landsat8数据的辐射模块耦合SEBAL模型,旨在提高反演结果精度,满足在水文、生态和农业研究应用中的需要。(本文来源于《水力发电》期刊2019年01期）
包永志,刘廷玺,段利民,王冠丽,童新[10]（2019）在《基于Shuttleworth-Wallace模型的科尔沁沙地流动半流动沙丘蒸散发模拟》一文中研究指出陆面蒸散发在气候调节和维持区域水量平衡中起关键作用.量化蒸散发及其各组分项,对深刻揭示干旱半干旱地区的生态水文过程具有重要意义.本研究基于科尔沁沙地流动半流动沙丘2017年生长季气象监测系统的原位监测数据,利用Shuttleworth-Wallace(S-W)模型对沙丘蒸散发进行模拟,在此基础上,对蒸散各组分进行拆分,并利用涡度相关对模拟蒸散发值进行验证.结果表明:整个生长季模型模拟蒸散发值为308 mm,涡度相关实测值为296 mm,偏差较小,证明S-W模型适用于该地区的蒸散发模拟.蒸散发整体呈生长旺盛期>生长后期>生长初期,分别为192、71和45 mm,分别占总量的62.3%、23.1%和14.6%.日尺度上模型模拟值与实测蒸散发值一致性较高,模型模拟精度大体表现为:晴天>阴天>雨天,且阴雨天模型模拟值较涡度相关实测值偏低.经拆分,土壤蒸发和植被蒸腾分别为176和132 mm,分别占总量的57.1%和42.9%,表明沙地水分利用效率较低.持续干旱和降水后,蒸散发规律明显不同,且土壤蒸发对降水的敏感性强于植被蒸腾.(本文来源于《应用生态学报》期刊2019年03期）
散发模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
作物蒸散发的研究中,存在许多估算模型,而其中应用最为广泛的单源模型是Penman-Monteith(PM)模型,本文通过改进冠层阻力参数来优化PM模型,借此提高PM模型对稀疏植被蒸散的模拟效果,使得模拟简单却准确。因此,本文主要通过对不同的冠层阻力模型(或表层阻力模型)的评价,选择出适合以玉米整个生长季为研究对象的阻力模型,来优化对作物蒸散的估算。本文选取了10个较为经典的冠层阻力模型,并将整个生长季分为生长季前期(叶面积指数小于2)和生长季后期(叶面积指数大于2),将冠层阻力模型与PM模型结合,在此基础上判别模型适用性。同时分析参数对模型影响的大小,对模型进行敏感性分析。得出如下结论:(1)在生长季前期,通过计算结果的分析与模型的评价,得出在该阶段表现最优的模型有耦合的表层阻力(CO)模型、修正后的Leuning(RL修正)模型和Katerji-Perrier(KP)模型;(2)在生长季后期,结合估算结果的分析和模型的评价,得到在该阶段本研究区玉米的冠层阻力模拟结果最好的模型是Stannard(ST)模型、Leuning(RL)模型和Jarvis模型,且在该时期除RL修正模型外,其余模型模拟结果表现良好,且优于生长季前期;(3)在本研究区玉米的整个生长季内,最适合的阻力模型是耦合的表层阻力(CO)模型和KP模型,但KP模型在生长季前期表现稍差,因此在估算相似环境条件的蒸散发时,可以选取CO模型和KP模型作为冠层阻力的估算模型;(4)基于对模型的敏感性分析,得出模拟效果良好的模型CO模型的影响参数分别是Jarvis模型估算出的冠层阻力和叶面积指数,而结合影响Jarvis模型敏感性分析,可以得出影响CO模型最大的参数是叶面积指数和土壤水分胁迫函数(F(θ)),其次是饱和水汽压差和气温,最后是太阳辐射;另一模拟效果良好的模型KP模型,影响大的有饱和水汽压差(VPD)和净辐射(Rn),其次是空气动力学阻力(r_a)和土壤热通量(G);(5)整合所有影响模型的参数可知,叶面积指数和饱和水汽压差对于包含它们的模型影响极大,叶面积指数与蒸散量呈现正相关,与辐射相关的参数如太阳辐射、净辐射和冠层顶部可见辐射,与蒸散量呈现正相关,饱和水汽压差与蒸散量呈现负相关,其中CO-PM模型与饱和水汽压差的关系正好相反,是因为该模型是耦合模型。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
散发模型论文参考文献
[1].肖开提·喀迪尔.基于改进双源蒸散发模型的新疆喀什地区蒸散发时空分布计算研究[J].地下水.2019
[2].李玲.不同冠层阻力模型在半干旱区玉米生态系统蒸散发的应用研究[D].兰州大学.2019
[3].艾克拜尔·吾迈尔.不同蒸散发计算模型在新疆喀什地区的适用性及对比分析研究[J].地下水.2019
[4].程明瀚,郝仲勇,李斌斌,缴锡云,张航.基于SEBAL模型的北京市日蒸散发区域分布规律[J].中国农学通报.2019
[5].杨亮彦.基于优化SEBAL模型的旱区蒸散发遥感估算[D].长安大学.2019
[6].李庆敏.基于SEBS模型的地表蒸散发估算研究[D].华北水利水电大学.2019
[7].张宇.基于SEBS模型的河南省麦区蒸散发估算[D].郑州大学.2019
[8].郭二旺,郭乙霏,张凌杰,闫超德,梁转信.基于SEBAL模型和Landsat-8遥感数据的农田蒸散发估算[J].灌溉排水学报.2019
[9].翟劭燚,王文种,刘九夫,王欢,陆之昂.基于Landsat8辐射模块耦合SEBAL模型蒸散发估算[J].水力发电.2019
[10].包永志,刘廷玺,段利民,王冠丽,童新.基于Shuttleworth-Wallace模型的科尔沁沙地流动半流动沙丘蒸散发模拟[J].应用生态学报.2019
论文知识图
