基于FY3C地表温度重建的多云地区旱情监测评估

受热红外传感器无法探测云下地表信息的影响,热红外遥感数据失去了对多云地区旱情监测的能力。采用RSDAST（Remotely Sensed Daily Land Surface Temperature Reconstruction）模型实现了FY3C/VIRR（Visible and Infrared Radiometer）云像元LST值的重建,结合重建后LST和NDVI数据采用TVDI指数对2018年重庆市干旱进行监测分析,并通过对比土壤墒情数据与OTVDI（Original TVDI）和RTVDI（Reconstructed TVDI）间的相关性来评估RTVDI在多云条件下旱情监测的能力。评估结果表明：基于RSDAST模型扩大了多云地区遥感干旱监测的空间范围和时间连续性,提升了区域旱情监测的精度（长时间序列和空间分布上RTVDI与土壤墒情数据间的R值均高于OTVDI）,极大地提高热红外遥感数据在多云条件下的可用性和可靠性。     

基于AGRI颗粒物浓度遥感反演及季节变化分析

基于AGRI数据反演区域PM_2.5浓度.利用6S辐射传输模式,分析气溶胶光学厚度AOD与能见度相关性,建立AOD、气溶胶标高和能见度模型;通过对大气柱AOD垂直订正,构建AOD与近地面PM_2.5浓度关系的物理模型;同时引入了地面相对湿度数据.结果表明,FY-4A遥感的PM_2.5浓度与地面空气质量监测站的PM_2.5浓度变化趋势一致,算法计算效率较高.利用AGRI估算近地面PM_2.5与地面观测网对比分析,其结果不亚于于MODIS以及VIIRS的对比结果,AGRI估算的均方根误差和相对误差较小.从季节分析,冬季近地面颗粒物浓度是影响整层大气柱AOD值的主要因素,AGRI反演结果精度较好,夏季相关系数相对于其他三个季节偏低.总体而言,采用FY-4A/AGRI反演颗粒物浓度精度可靠,有利于实现区域气溶胶全天候实时监测.     

基于FY-4A卫星数据反演气溶胶光学厚度及分析应用

风云四号A星（FY-4A）是我国新一代静止气象卫星,多通道扫描成像辐射计（AGRI）是风云四号静止气象卫星的主要载荷之一.为探究FY4A数据用于气溶胶光学厚度（AOD）反演的可行性,基于FY-4A/AGRI数据,利用暗像元算法对2019年2月23~26日及10月27~30日京津冀地区AOD进行反演研究,并与AERONET地基观测AOD数据进行了对比分析.结果表明,基于FY-4A数据及构建响应函数库,通过暗像元方法能较好的反演出京津冀地区气溶胶空间分布;AOD主要的高值区体现在京津冀中南部地区并向周边郊区逐渐降低,在AOD值较大时此特征较为明显;将反演值与同期AERONET地基观测数据对比验证,相关系数达到0.869,均方根误差为0.221,表明AOD反演值与观测值吻合较好,FY-4A卫星数据反演AOD具有一定可行性.     

FY-3C/VIRR数据中国周边海域区域SST反演算法开发

已有的验证结果显示风云三号C星（Fengyun-3C,FY-3C）搭载的可见光红外辐射仪（visible and infrared radiometer,VIRR）反演的业务化海洋表面温度（sea surface temperature,SST）产品存在较大偏差。根据FY-3C/VIRR的热红外通道设置,分别选择非线性SST算法（non-linear SST,NLSST）和三通道非线性算法（triple window NLSST,TNLSST）开发适用于中国周边海域的白天和夜间区域SST反演算法。通过对卫星热红外波段的亮温和现场数据进行晴空海洋匹配样本数据构建,利用回归拟合方法获得NLSST和TNLSST的算法系数。采用独立样本数据对区域算法进行验证,白天数据的偏差和标准差分别为0.082 ℃和0.633 ℃,夜间为?0.007 ℃和0.557 ℃。以OISST（optimum interpolation SST）为参考值,将区域算法反演的SST与国家卫星气象中心的业务产品进行对比,结果显示区域算法将白天SST的偏差和标准偏差从0.047 ℃和0.743 ℃减小到0.031 ℃和0.641 ℃,夜间从0.184 ℃和0.708 ℃减小到0.034 ℃和0.556 ℃。     

基于FY-4A卫星数据反演气溶胶光学厚度及分析应用

风云四号A星（FY-4A）是我国新一代静止气象卫星,多通道扫描成像辐射计（AGRI）是风云四号静止气象卫星的主要载荷之一.为探究FY4A数据用于气溶胶光学厚度（AOD）反演的可行性,基于FY-4A/AGRI数据,利用暗像元算法对2019年2月23~26日及10月27~30日京津冀地区AOD进行反演研究,并与AERONET地基观测AOD数据进行了对比分析.结果表明,基于FY-4A数据及构建响应函数库,通过暗像元方法能较好的反演出京津冀地区气溶胶空间分布;AOD主要的高值区体现在京津冀中南部地区并向周边郊区逐渐降低,在AOD值较大时此特征较为明显;将反演值与同期AERONET地基观测数据对比验证,相关系数达到0.869,均方根误差为0.221,表明AOD反演值与观测值吻合较好,FY-4A卫星数据反演AOD具有一定可行性.     

MODIS NDVI与MODIS EVI对气候因子响应差异

以喀斯特地区植被为研究载体,利用2001-2010 年MODIS NDVI、MODIS EVI 序列和气候资料,分析两种植被指数与同期及前1-9 期水汽压、降水量、相对湿度、最高气温、最低气温、平均气温、露点温度、气压、风速、日照时数多个气候因子的相关性及响应差异,为合理选择植被指数序列对植被进行监测研究提供参考。结果表明:①喀斯特地区植被EVI和NDVI与多数气候因子显著相关,但二者对气候因子的响应有明显差异。除日照外,EVI 与其他各气候因子相关性明显高于NDVI。与NDVI相关性较高的气候因子为日照、最高气温、平均气温,其对应的相关系数平均为0.616、0.535、0.474;而与EVI相关性较高的气候因子为水汽压、平均气温、露点温度,其对应的相关系数平均为0.857、0.844、0.839。②喀斯特地区植被EVI和NDVI对多数气候因子的响应存在明显的滞后性,较之于EVI,NDVI对气候因子的响应更为滞后。EVI与气候因子的相关系数最高时期多出现在前1 期,NDVI与气候因子的相关系数最高时期多出现在前2 期。两种植被指数对日照、风速的响应无滞后性。除相对湿度、日照、风速外,各站点两种植被指数与其他各气候因子在0-9期的响应趋势均较一致。     

北京大气PM2.5遥感监测业务化方法探讨

为探索卫星遥感监测大气ρ(PM_2.5)业务化方法,以北京为例,利用2013年MODIS卫星资料和北京35个地面自动监测站(下称自动站)的实时观测数据,以目前国内外应用最广泛的3种卫星反演大气气溶胶的方法——AOD(气溶胶光学厚度)、K_drya,0(气溶胶干消光系数)和R_a(气溶胶表观反照率)反演地面ρ(PM_2.5)的方法(分别称为AOD法、K_drya,0法和R_a法)为基础,结合地面ρ(PM_2.5)实测数据,建立了气溶胶反演参数与ρ(PM_2.5)统计关系,进一步测算了全市区域ρ(PM_2.5)的分布情况.结果表明:3种方法都具有较高的反演精度,其获取的全年ρ(PM_2.5)与地面实测数据的相关系数分别达到0.80、0.81和0.85,其中R_a法结果精度最高.从季节来看,R_a法在除夏季外的其他季节与地面监测数据相关系数都在0.70以上,优于其他2种方法.建议在春、秋、冬三季以R_a法,夏季以AOD法或K_drya,0法为基础进行北京PM_2.5业务化遥感监测.基于R_a法探讨了在2013年11月20—23日区域性大气重污染过程中北京PM_2.5区域分布特征和变化过程,卫星反演结果相对误差低于20%,直观地反映了区域大气颗粒物污染的时空分布规律.研究显示,三者都可以用来反演北京地区ρ(PM_2.5),其中R_a法最简便易行,尤其适用于业务化遥感监测.      

多指数决策融合的MODIS浒苔提取方法

针对MODIS（moderate resolution imaging spectroradiometer,中分辨率成像光谱仪）影像浒苔提取中存在的植被指数自适应阈值不普适等问题,本文提出了多指数决策融合的MODIS浒苔提取算法（multi-index decision fusion,MIDF）。计算影像的归一化植被指数（normalized difference vegetation index,NDVI）、增强型植被指数（enhanced vegetation index,EVI）、差值植被指数（difference vegetation index,DVI）和比值植被指数（ratio vegetation index,RVI）,采用局部阈值法对4个指数灰度图进行自适应阈值分割得到初始浒苔覆盖范围,通过“绝对多数投票法”对上述初始浒苔覆盖范围投票表决得到最终提取结果。实验结果表明,MIDF可适应不同密度的浒苔覆盖区域,且精度优于传统的NDVI、EVI、DVI和RVI自适应阈值法。本算法为无监督法,自动化程度较高,可应用于浒苔灾害遥感业务化监测。     

基于GF-4卫星的长三角城市群PM2.5遥感反演

基于静止卫星高分四号（GF-4）遥感数据,利用6SV辐射传输模型与暗目标算法进行高空间分辨率气溶胶光学厚度（AOD）遥感反演;在此基础上,结合地面监测站大气细颗粒物（PM_2.5）浓度、气象资料等数据,采用物理订正方法及线性混合效应模型,实现长三角城市群区域大尺度空间连续的PM_2.5浓度遥感反演;最后利用十折交叉验证法对反演精度进行验证.结果表明：GF-4反演的AOD结果分辨率较高,空间连续性好,与AERONET地基监测相关性R达到0.82;利用GF-4 AOD的PM_2.5估算模型精度较高,模型估算PM_2.5浓度与地面实测数据拟合度R²为0.74;在分春夏秋冬4个季节建模情景下,交叉验证R²依次为0.67,0.59,0.63和0.72,平均绝对误差MAE为10.40,7.42,10.10,13.34μg/m³,表明GF-4卫星适用于区域PM_2.5浓度监测.     

神东矿区AVHRR/NDVI的时空、开采强度和气候效应

研究采矿扰动区长时序、多维度NDVI变化趋势,有助于认识非自然生态区植被演替规律,对高强度开采条件下西北脆弱生态区地表植被自然修复和人工修复工作具有指导意义.研究通过设立直接影响区、间接影响区和自然生态校验区,利用长时序GIMMS AVHRR/NDVI（1981～2006）植被指数数据集,结合同期温度、降水和煤炭产量信息,从时间、空间、气候和开采强度方面开展对比分析,并以长时序MODIS NPP/NDVI（2000～2010）数据进行结果验证.时序分析表明,全球变化背景下,神东矿区植被生长季二度延长;空间分析表明,神东矿区NDVI增量低于缓冲区,缓冲区NDVI增量低于自然生态区;开采强度分析表明,随着神东矿区开采强度增强,NDVI增速放缓,增长速率低于自然生态区;气候变化分析表明,神东矿区NDVI受温度升高、降水减少共同作用,与温度相关性较高,与降水相关性较低;同期MODIS NPP/NDVI验证结果表现出与AVHRR/NDVI一致的规律性.     

基于多源数据的干旱监测指数对比研究——以西南地区为例

干旱作为一种时常发生的自然灾害,影响范围广,对农业和粮食安全、人类生活等有深远影响。目前常用的干旱监测指数,都有各自的优缺点,无法适用于所有类型的干旱。论文利用基于气象要素驱动数据集的SPI（Standardized Precipitation Index）、基于MODIS（Moderate Resolution Imaging Spectroradiometer）的ESI（Evaporative Stress Index）、ETI（Evapotranspiration Index）和基于GRACE（Gravity Recovery and Climate Experiment）观测数据的水储量变化TWSC（Terrestrial Water Storage Changes）,对西南地区2005—2014年间的干旱情况进行分析,对比了几种不同数据源下的干旱监测指标的监测效果。结果表明：1）4种干旱监测指标对西南地区的干旱都较为敏感,其中6个月尺度的SPI（即SPI-6）与3个月尺度的ESI（即ESI-3）相关性相对最强（R²=0.431, P<0.01）;2）基于GRACE的水储量变化受全局性大干旱的影响较大,且秋冬比夏天的影响大;3）SPI-6、ESI-3、ETI-3能够较为准确地监测出干旱的空间分布及干旱过程中重心的移动,ETI-3在2009—2010年的干旱中有明显滞后,SPI-6则在干旱末期夸大干旱严重程度。     

2000年以来内蒙古生长季旱情变化遥感监测及其影响因素分析

为探讨内蒙古旱情状况及其影响因素,利用MODIS 16 d合成的植被指数产品数据MOD13A2和8 d合成的地表温度产品数据MOD11A2构建Ts-NDVI特征空间,计算温度植被干旱指数（TVDI）,基于内蒙古2000—2017年生长季每16 d的TVDI分析了近18年来内蒙古生长季旱情时空分布特征,结合气温和降水资料初步探讨了旱情变化的影响因素。结果表明：（1）2000—2017年内蒙古生长季TVDI平均值为0.6,重旱和中旱所占面积最大,其中2007年、2010年为旱情最为严重的年份。内蒙古干旱空间分异明显,西南部以轻旱为主,中部地区以中旱为主,大兴安岭以西的呼伦贝尔草原等地旱情严重。（2）近18年内蒙古生长季干旱程度呈现轻微加重趋势,年际变化值θ_slope介于-0.07~0.7之间,阿鲁科尔沁旗东北部至霍林河一带旱情加重趋势最为严重,阿荣旗和扎兰屯等农业生产地区旱情有轻微加重趋势。（3）2017年内蒙古生长季以区域性和局域性干旱为主,6月和9月干旱最为严重,呼伦贝尔草原和鄂尔多斯高原西部干旱发生频率高且程度重。（4）内蒙古干旱影响因子分析结果表明,TVDI值与气温呈正相关、与降水和坡度呈负相关、与小于1300 m的高程呈正相关、与大于1300 m的高程呈负相关关系。内蒙古生长季TVDI与气温和降水偏相关分析结果表明,锡林郭勒盟苏尼特左旗北部、呼伦贝尔鄂伦春自治旗和呼伦贝尔草原等地旱情与气温正相关关系较为显著（P<0.01）,锡林郭勒盟东北部干旱情况与降水负相关关系较为显著（P<0.01）,其中,气温对旱情的影响强于降水。     

基于TRMM降尺度和MODIS数据的综合干旱监测模型构建

京津冀地区是我国优质冬小麦的主产区之一,但在全球气候变暖影响下,该地区干旱灾害频发,因此准确监测京津冀地区旱情既能为区域农业生产提供科学指导,又起到保障国家粮食安全等重大战略作用。综合考虑干旱发生过程中大气降水—植被生长—土壤水分盈亏等致旱因子,首先利用GWR（Geographically Weighted Regression）模型对TRMM（Tropical Rainfall Measuring Mission）3B43数据进行降尺度处理,得到1 km分辨率的降水状态参数（Precipitation Condition Index,PCI）;再结合MODIS（Moderate-Resolution Imaging Spectroradiometer）数据,得到植被状态指数（Vegetation Condition Index,VCI）、温度状态指数（Temperature Condition Index,TCI）,最后基于多元回归模型构建综合干旱指数（Comprehensive Drought Index,CDI）,以实现对京津冀地区干旱时空监测评价。结果表明：（1）基于GWR模型与占比系数法得到的1 km空间分辨率TRMM年数据、月尺度数据,不仅在空间分辨率上相比原始TRMM数据得到很大的提升,并且数据精度也通过了检验,表明降尺度分析提高了TRMM数据对研究区降水时空特征的描述能力;（2）监测模型结果与京津冀地区所经历的干旱历程等实际旱情基本一致,并且CDI指数与标准化降水指数（Standardized Precipitation Index,SPI）做相关分析,其相关系数R在0.45~0.85之间,与作物受旱面积做相关分析,相关系数R介于在-0.81~-0.86之间,与作物标准化单产进行相关分析,其相关系数R均大于0.6,并且均通过P<0.05的显著性检验,表明本文所构建的综合干旱监测模型在京津冀地区是适用的。     

基于植被指数和地表温度的冬小麦遥感干旱监测

针对河北省冬小麦主要种植区2007年发生的一次春旱过程,利用MODIS8天合成遥感资料,结合地面站点数据,分析植被供水指数及其多年距平值在冬小麦生长旺期对站点和区域尺度的旱情响应,探求其在河北省冬小麦旱情日常监测中的可操作性。研究结果表明：在三个典型干旱站点,植被供水指数多年距平值与土壤相对湿度多年距平值有较为一致的时间动态;在区域尺度,植被供水指数对水分亏缺状况敏感,与20cm土壤相对湿度的相关性较好。利用植被供水指数建立的遥感监测模型可用于反演冬小麦种植区旱情空间格局,结果与地面观测资料基本吻合。     

Land-use induced changes in topsoil organic carbon stock of paddy fields using MODIS and TM/ETM analysis: A case study ofWujiang County, China

Topsoil soil organic carbon (SOC) that plays an important role in mitigating atmospheric carbon dioxide (CO_2) buildup is greatly affected by human activities.To evaluate the influence of land-use changes on SOC stocks in paddy soils,a new algorithm was developed by integrating MODIS (moderate resolution imaging spectral-radiometer) and TM/ETM data for timely monitoring the land-use change in Wujiang County.Thereafter,the land-use class-maps derived from MODIS and TM/ETM analyses were further used to est...     

基于MODIS-OLI遥感数据融合技术的农田生产力估算

大范围、高精度的农田生产力遥感监测依赖于高时空分辨率的遥感数据,单纯依靠由单一类型传感器数据获取的高时相或者高空间分辨率的遥感数据都不能满足清晰掌握田块尺度上作物生长动态的需求。全球免费提供的空间分辨率250~1 000 m的MODIS数据和空间分辨率30 m的Landsat数据是植被动态监测普遍应用的数据源,针对应用MODIS数据估算的农田生产力空间分辨率较低而Landsat卫星重访周期长的局限性,研究基于空间分辨率30 m的Landsat 8 OLI数据与空间分辨率500 m的MODIS数据,应用时空数据融合技术,融合OLI数据的高清晰空间表达能力与时间间隔8 d的MODIS数据的植被生长时间序列过程的监测能力,获得空间分辨率30 m、时间步长8 d的时间序列数据,利用VPM （Vegetation Photosynthesis Model）模型以宁夏永宁县部分地区为试验区估算该区域的NPP。研究结果表明,融合后所得30 m分辨率的NPP具有良好的空间细节信息,提高了MODIS数据中混合像元上的估算精度,并保留了MODIS数据原始的时间过程信息,以30 m的空间分辨率刻画出作物的生长动态;较单独应用MODIS数据,使用融合数据估算的NPP可更有效检测出高标准农田建设对农田生产力的提升。     

干旱区盐湖沿岸不同植物群落土壤CO2排放特征

为探究盐湖区不同植物群落土壤CO₂排放速率及影响因素,以新疆达坂城盐湖沿岸小獐毛、鸢尾、芨芨草、黑果枸杞群落和撂荒地土壤为研究对象,在2016年4~12月采用Li-8100A监测了不同植物群落土壤CO₂排放特征,分析了CO₂排放与5（ST5）,10（ST10）,15cm（ST15）土壤温度、含水量、电导率的关系.结果如下：4~12月小獐毛群落土壤CO₂日排放呈单峰曲线,7月土壤CO₂排放速率最高,峰值出现在14：00左右;7月鸢尾、芨芨草、黑果枸杞和撂荒地土壤CO₂排放呈双峰曲线,峰值出现在10：00和14：00~16：00左右,其余月份均呈单峰曲线,峰值出现在12：00~14：00;不同植物群落类型、同一植物类型不同月份土壤CO₂排放存在显著差异（P<0.001）.4~12月芨芨草群落土壤CO₂累积排放量最高（2508.01g/m²）,大于撂荒地（2235.01g/m²）、鸢尾（1903.03g/m²）、黑果枸杞（1690.27g/m²）和小獐毛（550.34g/m²）植物群落处理.小獐毛群落土壤CO₂排放与ST15显著相关（R²=0.739,P<0.05）,且对ST15变化最敏感;鸢尾、芨芨草、黑果枸杞群落和撂荒地处理土壤CO₂排放与ST5相关性较高（R²=0.708~0.821）,对ST10变化响应敏感.小獐毛群落土壤温度敏感系数（Q₁₀）最大值出现在6月（7.97）,鸢尾（21.74）、芨芨草（13.21）、黑果枸杞（18.23）和撂荒地（7.65）处理则出现在11,12月.不同植物群落土壤CO₂排放与含水量相关性较低;一元线性方程（log_eC_f=-0.149EC+0.943）能较好的模拟土壤电导率（EC）与CO₂排放（C_f）的关系.除土壤温度外,盐分也是影响盐湖沿岸土壤碳排放的重要因素.因此,在考虑陆地生态系统碳收支时不能忽略盐湖生态系统,以及盐分对土壤碳过程的影响.     

重庆缙云山针阔混交林地土壤呼吸速率及温度敏感性特征分析

以重庆缙云山亚热带针阔混交林为研究区,研究了土壤呼吸及其Q₁₀(温度敏感性系数,指温度增加10℃所造成的呼吸速率改变的商)的时间变异特征,并深入分析二者受土壤温度、湿度变化的影响. 2011年4—12月采用LI-8100二氧化碳通量测量系统观测选取样地的R_S (土壤呼吸速率)、土壤5cm深处的T₅(土壤温度)和W₅(土壤湿度),分析R_S与Q₁₀的变化规律;同时利用单一和二元混合模型探讨T₅和W₅对R_S、Q₁₀的影响. 结果表明:①在观测期内R_S和T₅月均值均呈单峰曲线变化;R_S的变化范围在(1.38±0.15)~(3.94±0.21)μmol/(m2·s)之间,T₅的变化范围在(9.28±0.65)～(22.99±1.14)℃之间;由于受到自然降水影响,W₅的月际变化不规律. ②Q₁₀季节差异明显,最大值(3.31)出现在春季,观测期内的平均值为2.01. ③R_S与T₅之间呈显著正相关(P<0.05),与W₅的关系不明显(P>0.05);R_S与T₅、W₅的关系模型拟合度分别为87%和26%;T₅与W₅的复合模型对R_S的变化解释能力为89%,高于单一模型. ④影响Q₁₀的主要因素是T₅,其次为W₅.      

基于站点观测和模式模拟的北京市土壤湿度

为了获取全面的地面表层的时空变化信息,研究行政区域尺度内的水循环和能量循环,必需结合模型模拟和站点观测。基于国家气象局开发的时空连续的CLDAS土壤湿度产品,结合已获取的北京市区域内82个监测站点的逐日土壤湿度监测数据,评估CLDAS土壤湿度产品在行政区域尺度内的准确性与一致性,进一步获取北京市行政区域内的精确、全面、连续的土壤湿度时空变化信息,并在此基础上分析北京市土壤墒情时空变异特征。对比分析CLDAS产品和站点观测两种土壤湿度数据显示,北京市2013年10月1日至12月31日范围内CLDAS产品具有以下特点：CLDAS产品基本与观测数据具有一致变化的趋势,除顺义外CLDAS产品均高于观测数据。当日20∶00的土壤湿度均高于8∶00的土壤湿度,在平均气温降为0 ℃后,土壤湿度波动剧烈,20∶00与8∶00的土壤湿度出现显著差异。在时间尺度上,随着降水的减少,北京市的土壤湿度在逐渐降低。在空间尺度上,北京市干旱范围在逐渐扩大,并且呈现以昌平为中心的极旱逐渐蔓延至多个区。由于顺义区土壤相对湿度较高,呈现另外一个以顺义为中心的土壤相对湿度逐渐变小的区域,但空间范围变化较小。