利用卫星数据进行总直接流失预测,使用基于CN的MSME模型
Andrzej Wałęga1, Jakub Wojkowski1, Mariusz Sojka2
1University of Agriculture in Krakow, Poland, Faculty of Environmental Engineering and Land Surveying, al. Mickiewicza 21, 31-120 Krakow, Poland.
卫星衍生的规范差异植被指数 (NDVI) 有效地估计了修改后的Sahu-Mishra-Eldho模型 (MSME-CN) 的土壤湿度. 这通过取代直接的土壤和度测量来增强未经除的流域的水文建模.
科学领域:
- 水文学的水文学
- 遥感 遥感 遥感 遥感
- 环境建模环境建模
背景情况:
- 修改后的Sahu-Mishra-Eldho模型 (MSME-CN) 需要使用测量的降雨-流水数据对土壤和参数 (α) 进行校准,从而限制其在未开采的流域中的使用.
- 准确的土壤湿度估计对于水文模型性能至关重要.
研究的目的:
- 调查使用卫星衍生的规范差异植被指数 (NDVI) 作为土壤水分的间接衡量标准的潜力.
- 通过使用NDVI. 评估土壤和参数 (α) 来提高MSME-CN模型在未开采的流域中的适用性.
主要方法:
- 在五个不同的流域 (美国和波兰) 中使用先进的非常高分辨率射线计 (AVHRR) 的NDVI数据来测试假设.
- 在降雨事件之前,与土壤和参数 (α) 相关联的NDVI值.
- 使用纳什-萨特克利夫效率 (NSE) 评估了MSME-CN模型的性能与NDVI更新的α.
主要成果:
- NDVI与土壤和参数 (α) 显示出强大的相关性,系数约为0.80和0.60.
- 通过NDVI更新的α,MSME-CN模型在大多数测试的流域中实现了"非常好"到"令人满意"的排水预测等级.
- 该模型显示了高森林密度的流域的局限性.
结论:
- 在MSME-CN模型中,NDVI作为土壤湿度的可靠间接指标,用于估计MSME-CN模型中的α参数.
- 这种方法显著提高了MSME-CN模型在未经开采的流域中的实用性.
- 需要进一步的研究,以解决在森林密集地区的模型性能.
更多相关视频
10:28Investigating the Relationship between Sea Surface Chlorophyll and Major Features of the South China Sea with Satellite Information
Published on: June 13, 2020
07:13Early Detection of Cyanobacterial Blooms and Associated Cyanotoxins using Fast Detection Strategy
Published on: February 25, 2021
相关概念视频
Manipulation and Analysis
Response Surface Methodology
The process of RSM involves several key steps:
Modeling and Similitude
Typical Model Studies
Applications of GIS: Disaster Management and Emergency Response
