Материалы 20-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса»
Москва, ИКИ РАН, 14–18 ноября 2022 г.

(http://conf.rse.geosmis.ru)

XX.F.263

Использование спутниковых данных нескольких спектральных диапазонов при моделировании водного и теплового режимов территорий с разным характером увлажнения для оценки их водообеспеченности
Using satellite data of several spectral ranges in modeling the water and heat regimes of territories with different moistening to assess their water availability

Музылев Е.Л. (1), Старцева З.П. (1), Волкова Е.В. (2), Василенко Е.В. (2)
(1) Институт водных проблем РАН, Москва, Россия
(2) Европейский центр «НИЦ «Планета», Москва, Россия
Востребованность оценок водообеспеченности территорий сельскохозяйственных регионов обусловлена необходимостью организации на этих территориях земледелия с высокой продуктивностью, например, с помощью полива в засушливых районах. Поэтому оценкам запасов воды в почве W и суммарного испарения ET как основных показателей водообеспеченности уделяется повышенное внимание. Одним из наиболее эффективных в настоящее время способов получения подобных оценок является моделирование процессов формирования водного и теплового режимов (ВТР) таких территорий для продолжительного отрезка времени, например, сезона вегетации. Основу такого подхода составляют физико-математические модели вертикального влаго- и теплообмена подстилающей поверхности (ПП) с атмосферой (LSM, Land Surface Model), а также балансовые модели типа SEBAL, TSEB и др., позволяющие производить расчеты характеристик этих режимов, в том числе величин W и ET (см., например, Pitman, 2003; Overgaard et al., 2006). К первым относится и модель, разработанная в ИВП РАН (Kuchment, Starsteva, 1991). Использование в этих моделях данных дистанционного зондирования о состоянии ПП и метеорологических условиях приводит к повышению точности расчетов W, ET и других элементов ВТР и обеспечивает надежность результатов моделирования (Taconet et al., 1986; Музылев и др., 2002, 2010; Attema et al., 2010; Brocca et al., 2011; Startseva et al., 2014; Cammalleri et al., 2014; Bezerra et al., 2015; Laiolo et al., 2015; Dorigo et al., 2017; Martens et al., 2017; Ndou et al., 2017; Tofigh et al., 2020; Wang et al., 2020). На основе модифицированной модели ИВП РАН, пригодной для использования спутниковой информации, разрабатывается метод оценки W и ET для регионов с разным увлажнением (Музылев и др., 2017, 2019; Muzylev et al., 2018, 2020). В рамках данной проблематики проводившиеся в работе исследования включали: 1) адаптацию к территории рассматриваемых регионов, в том числе засушливых южных, разработанных специалистами НИЦ “Планета” технологий построения по данным измерений сканирующих радиометров AVHRR/NOAA, SEVIRI/Meteosat-10, -11, -8 и МСУ-МР/Метеор-М №№ 2 и 2-2 оценок характеристик растительности и метеорологических характеристик с целью их использования в LSM; 2) разработку способов использования в модели для расчета величин W оценок влажности поверхности почвы, полученных по данным измерений скаттерометра ASCAT/MetOp микроволнового диапазона для исследуемых регионов с разным увлажнением; 3) получение в качестве результатов моделирования (при использовании всех названных спутниковых оценок) значений W, ET, влажности поверхности почвы и других составляющих влаго- и теплообмена для исследуемых регионов за сезоны вегетации 2019-2020 гг.
Исследования проводились для территорий семи лесостепных областей Центрально-Черноземного региона России (Орловской, Курской, Белгородской, Липецкой, Воронежской, Тамбовской и Брянской) площадью 227300 км2 и степных Саратовской, Волгоградской и Ростовской областей и Ставропольского края площадью, соответственно, 101200, 112900, 101000 и 66160 км2.
Основу модели составляют уравнения вертикального влагопереноса и теплопроводности для деятельного слоя почвы с граничными условиями в виде потоков влаги и тепла. Модель также включает уравнения водного и теплового балансов для почвы и растительного покрова. Параметрами модели являются характеристики почв и растительности, входными переменными – метеорологические характеристики. По данным упомянутых радиометров строились оценки проективного покрытия растительностью B, излучательной способности ПП E, листового индекса LAI, температуры поверхности почвы Tsg и растительного покрова Ta, эффективной ТПП Ts.eff и осадков (Волкова, 2013, 2014, 2017, 2019; Волкова, Успенский, 2010, 2015, 2016; Волкова, Кухарский, 2019; Волкова и др., 2020, 2021).
Поскольку одной из целей работы являлось подтверждение возможностей использования таких оценок в LSM для расчета величин W, ET и других элементов ВТР новых (в том числе засушливых) территорий, первым шагом исследования являлась проверка достоверности полученных спутниковых оценок. Значения B и LAI для разных видов растительности рассчитывались по эмпирическим зависимостям от NDVI и сравнивались с полученными ранее для других территорий (Muzylev et al., 2020). Ошибки их оценок составили, соответственно, порядка 15 и 20 %. Суточные, декадные и месячные суммы осадков определялись при использовании комплексной пороговой методики (КПМ) детектирования облачности и идентификации ее типов для каждого пиксела, а также выявления зон осадков и определения их интенсивности с последующим переходом к расчету их суточных сумм (Волкова, Успенский, 2010, 2015; Волкова, 2013, 2014, 2017). Вероятность спутникового детектирования зон осадков, соответствовавших фактическим, при сопоставлении с данными наблюдений на метеостанциях составила 75-85 % для всех радиометров, что для исследуемых регионов является вполне приличным результатом. Значения ТПП Ta, Tsg и Ts.eff были получены с помощью вычислительного алгоритма, разработанного на основе КПМ и опробованного на аналогичных спутниковых данных для ЦЧР (Волкова, Успенский, 2016), после чего проверенного для части исследуемых регионов на данных каждого сенсора и наземных данных (Волкова, 2020; Волкова и др., 2021). Сопоставление спутниковых оценок ТПП с результатами наземных измерений выявило их близость для большинства сроков наблюдений. Исключения составили расхождения, обусловленные локальным перегревом поверхности почвы во второй половине дня в летние месяцы, особенно характерным для засушливых территорий, что приводило к более высоким по сравнению со спутниковыми наземным оценкам температур.
Использование в LSM построенных по данным AVHRR, МСУ-МР и SEVIRI оценок LAI, B, осадков и ТПП производилось с помощью разработанных процедур ассимиляции этих оценок в модели при их вводе в каждом узле ее вычислительной сетки вместо значений, полученных по данным наземных наблюдений. Работоспособность процедур замены была подтверждена результатами сравнения временных ходов спутниковых и наземных оценок LAI и ТПП за сезон вегетации и значений W и ET, полученных при наземных измерениях и рассчитанных по модели при оценке LAI, B, ТПП и осадков по спутниковым данным.
Также в работе по данным измерений скаттерометра ASCAT/MetOp в микроволновом диапазоне (Bartalis et al., 2007; Wagner et al., 2013) для всех рассматриваемых территорий производились оценки влажности поверхности почвы (ВПП). Различия ее спутниковых и модельных оценок находились в допустимых пределах (~ 0.20 см3/см3) (Музылев и др., 2019; Muzylev et al., 2020), что позволило использовать данные спутниковые оценки при задании начальных условий для уравнения вертикального влагопереноса в почве, а также для расчета испарения с ее поверхности и последующего формирования верхнего граничного условия для этого уравнения. Значения ВПП по данным АSCAT также использовались при расчетах с помощью LSM значений величин W (Музылев и др., 2019; Muzylev et al., 2020) для исследуемых регионов.
Основным модельным продуктом являются представленные в виде распределений по площади рассматриваемых регионов значения величин W, ET и других элементов ВТР этих регионов, рассчитанные при использовании спутниковых оценок характеристик растительности, ТПП и осадков, за сезоны вегетации 2019-2020 гг. Погрешности результатов расчета составляют 15-20 % для W и 20-25 % для ET, что представляет стандартную величину ошибки их определения.
Работа выполнена в рамках темы № FMWZ-2022-0001 Государственного задания ИВП РАН.

Ключевые слова: спутниковые данные, водообеспеченность, водный и тепловой режимы, модель влаго- и теплопереноса, влагозапасы почвы, суммарное испарение, влажность поверхности почвы, осадки, температура подстилающей поверхности, вегетационный индекс NDVI, проективное покрытие растительностью, листовой индекс LAI satellite data, water availability, water and heat regimes, model of water and heat transfer, soil water content, evapotranspiration, soil surface moisture, precipitation, land surface temperature, vegetation index NDVI, vegetation cover fraction, leaf area index LAI
Литература:
  1. Волкова Е.В. Оценки параметров облачного покрова, осадков и опасных явлений погоды по данным радиометра AVHRR c МИСЗ серии NOAA круглосуточно в автоматическом режиме // Современные проблемы дистанционного зондирования Земли из космоса. 2013. Т.10. № 3. С.66–74.
  2. Волкова Е.В. Определение сумм осадков по данным радиометров SEVIRI/Meteosat-9,10 и AVHRR/NOAA для Европейской территории России // Современные проблемы дистанционного зондирования Земли из космоса. 2014. Т.11. № 4. С.163-177.
  3. Волкова Е.В. Оценки параметров облачного покрова и осадков по данным радиометра МСУ-МР полярно-орбитального метеоспутника “Метеор-М” № 2 для Европейской территории России // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 5. С. 300–320.
  4. Волкова Е.В. Сравнение оценок температуры приземного воздуха, эффективной температуры и температуры почвы, полученных по данным разных спутниковых приборов для юга ЕТР // Материалы 17-ой Всероссийской открытой конференции "Современные проблемы дистанционного зондирования Земли из космоса", 11-15 ноября 2019 г., ИКИ РАН, Москва, 2019. С. 162. doi 10.21046/17DZZconf-2019a.
  5. Волкова Е.В., Кухарский А.В. Специализированный программный комплекс получения и валидации спутниковых оценок параметров облачности, осадков, подстилающей поверхности и приземного слоя воздуха для Европейской территории России // Материалы 17-ой Всероссийской открытой конференции "Современные проблемы дистанционного зондирования Земли из космоса", 11-15 ноября 2019 г., ИКИ РАН, Москва, 2019. С. 161. doi 10.21046/17DZZconf-2019a.
  6. Волкова Е.В., Успенский А.Б. Оценки параметров облачного покрова по данным геостационарного МИСЗ Meteosat-9 круглосуточно в автоматическом режиме // Современные проблемы дистанционного зондирования Земли из космоса. 2010. Т. 7. № 3. C. 16-22.
  7. Волкова Е.В., Успенский А.Б. Оценки параметров облачного покрова и осадков по данным сканирующих радиометров полярно-орбитальных и геостационарных метеоспутников // Исследование Земли из космоса. 2015. № 5. С. 40–43.
  8. Волкова Е.В., Успенский С.А. Дистанционное определение температуры подстилающей поверхности, приземной температуры воздуха и эффективной температуры по спутниковым данным для юга Европейской территории России // Современные проблемы дистанционного зондирования Земли из космоса. 2016. Т.13. № 5. С.291-303.
  9. Волкова Е.В., Музылев Е.Л., Старцева З.П. Определение температуры подстилающей поверхности и приземного воздуха по данным разных спутников для части Европейской территории России // VI Всероссийская научная конференция “Проблемы военно-прикладной геофизики и контроля состояния природной среды”, СПб, 16-18 сентября 2020. Материалы конференции. СПб. ВКА им. А.Ф. Можайского, 2020. С.304-309.
  10. Волкова Е.В., Музылев Е.Л., Старцева З.П. Определение сумм осадков по данным радиометра МСУ-МР с полярно-орбитальных метеоспутников серии “Метеор-М” для территорий Европейской части России и Западной Сибири и их использование при моделировании водного и теплового режимов этих территорий // Сб. трудов Международного симпозиума “Атмосферная радиация и динамика” (МСАРД-2021), СПб, 29 июня - 2 июля 2021. Изд.ВВМ, СПб, 2021. С.19-25.
  11. Музылев Е.Л, Старцева З.П., Зейлигер А.М., Ермолаева О.С., Волкова Е.В., Василенко Е.В., Осипов А.И. Использование спутниковых данных о характеристиках подстилающей поверхности и метеорологических характеристиках при моделировании водного и теплового режимов большого сельскохозяйственного региона // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т.16. № 3. С. 44-60. DOI: 10.21046/2070-7401-2019-16-3-44-60.
  12. Музылев Е.Л., Старцева З.П., Успенский А.Б., Волкова Е.В., Василенко Е.В., Кухарский А.В., Зейлигер А.М., Ермолаева О.С. Использование данных дистанционного зондирования при моделировании водного и теплового режимов сельских территорий // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т.14. № 6. С.108-136.
  13. Музылев Е.Л., Успенский А.Б., Старцева З.П., Волкова Е.В. Моделирование гидрологического цикла речных водосборов с использованием синхронной спутниковой информации высокого разрешения // Метеорология и гидрология. 2002. № 5. С.68-82.
  14. Музылев Е.Л., Успенский А.Б., Старцева З.П., Волкова Е.В., Кухарский А.В. Моделирование составляющих водного и теплового балансов для речного водосбора c использованием спутниковых данных о характеристиках подстилающей поверхности // Метеорология и гидрология. 2010. № 3. С.118-133.
  15. Attema E., Cafforio C., Gottwald M. et al. Flexible dynamic block adaptive quantization for Sentinel-1 SAR missions // IEEE Geosci. Remote Sens. Lett. 2010. Vol. 7. No 4. P.766-770.
  16. Bartalis Z., Wagner W., Naeimi V., Hasenauer S., Scipal K., Bonekamp H., Figa J., Anderson C. Initial soil moisture retrievals from the METOP-A Advanced Scatterometer (ASCAT) // Geophys. Res. Lett. 2007. Vol. 34. No 20. L20401. Doi:10.1029/2007GL031088.
  17. Bezerra B.G., Silva B.B., Santos C.A.C., Bezerra J.R.C. Actual evapotranspiration estimation using remote sensing: comparison of SEBAL and SSEB approaches // Adv. Remote Sens. 2015. Vol. 4. No 3. P.234-247.
  18. Brocca L., Hasenauer S., Lacava T. et al. Soil moisture estimation through ASCAT and AMSR-E sensors: An intercomparison and validation study across Europe // Remote Sens. Environ. 2011. Vol. 115. No 12. P.3390-3408.
  19. Cammalleri C., Anderson M.C., Gao F. et al. Mapping daily evapotranspiration at field scales over rainfed and irrigated agricultural areas using remote sensing data fusion // Agric. Forest Meteorol. 2014. Vol. 186. P. 1-11.
  20. Dorigo W., Wagner W., Albergel C. et al. ESA CCI soil moisture for improved earth system understanding: state-of-the art and future directions // Remote Sens. Environ. 2017. Vol. 203. P.185-215. https://doi.org/10.1016/j.rse.2017.07.001
  21. Laiolo P., Gabellani S., Campo L. et al. Assimilation of Remote Sensing Observations into a Continuous Distributed Hydrological Model: Impacts on the Hydrological Cycle // Conference Paper. IGARSS-2015, Milan, Italy, 26-31 July 2015. IEEE Publisher. DOI: 10.1109/IGARSS.2015.7326015
  22. Martens B., Miralles D.G., Lievens H. et al. GLEAM v3: satellite-based land evaporation and root-zone soil moisture // Geosci. Model Dev. 2017. Vol. 10. P.1903-1925. Doi: 10.5194/gmd-10-1903-2017. www.geosci-model-dev.net/10/1903/2017/.
  23. Muzylev E.L., Startseva Z.P., Uspensky A.B., Volkova E.V. Modeling Water and Heat Balance Components for Large Agricultural Region Utilizing Information from Meteorological Satellites // Water Resources. 2018. Vol. 45. No 5. P.672–684. © Pleiades Publishing, Ltd.
  24. Muzylev E.L., Startseva Z.P., Volkova E.V., Vasilenko E.V. Utilizing satellite data of several spectral ranges for modeling the processes of water and heat regime formation of vast territories // Sovremennye problemy distantsionnogo zondirovaniya Zemli iz kosmosa. 2020. Vol. 17(6). P. 129–136 (Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т.17. Вып.6. С.129-136). DOI: 10.21046/2070-7401-2020-17-6-129-136.
  25. Ndou N.N., Palamuleni L.G., Ramoelo A. Modelling depth to groundwater level using SEBAL-based dry season potential evapotranspiration in the upper Molopo River Catchment, South Africa // Egypt. J. Rem. Sens. Space Sci. 2017. http://dx.doi.org/10.1016/j.ejrs.2017.08.003.
  26. Overgaard J., Rosbjerg D., Butts M.B. Land-surface modeling in hydrological perspective – a review // Biogeosci. 2006. Vol. 3. P. 229-241.
  27. Pitman A.J. The Evolution of, and Revolution In, Land Surface Schemes Designed for Climate Models // Int. J. Clim. 2003. V. 23. P. 479-510.
  28. Startseva Z., Muzylev E., Volkova E., Uspensky A., Uspensky S. Water and heat regimes modelling for a vast territory using remote-sensing data // Int. J. Rem. Sens. 2014. Vol.35. No 15. P.5775-5799.
  29. Taconet O., Bernard L., Vidal-Madjar D. Evapotranspiration over agricultural region using a surface flux/temperature model based on NOAA-AVHRR data// J. Clim. Appl. Meteorol. 1986. Vol. 25. No 3. P.284-307.
  30. Tofigh S., Rahimi D., Zakerinejad R. A comparison of actual evapotranspiration estimates based on Remote Sensing approaches with a classical climate data driven method//AUC Geographica. 2020. Vol. 55. No 2. P.165-182. https://doi.org/10.14712/23361980.2020.12.
  31. Wagner W., Sebastian Hahn S., Richard Kidd R., et al. The ASCAT Soil Moisture Product: A Review of its Specifications, Validation Results, and Emerging Applications // Meteorologische Zeitschrift. 2013. Vol. 22. No 1. P. 5–33.
  32. Wang Y., Zhang S., Chang X. Evapotranspiration Estimation Based on Remote Sensing and the SEBAL Model in the Bosten Lake Basin of China // Sustainability. 2020. Vol. 12. P.7293. Doi: 10.3390/su12187293.

Видео доклада



Ссылка для цитирования: Музылев Е.Л., Старцева З.П., Волкова Е.В., Василенко Е.В. Использование спутниковых данных нескольких спектральных диапазонов при моделировании водного и теплового режимов территорий с разным характером увлажнения для оценки их водообеспеченности Using satellite data of several spectral ranges in modeling the water and heat regimes of territories with different moistening to assess their water availability // Материалы 20-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса». Москва: ИКИ РАН, 2022. C. 320. DOI 10.21046/20DZZconf-2022a

Дистанционное зондирование растительных и почвенных покровов

320