基于FY-3A的海南岛橡胶林台风灾害遥感监测——以“纳沙”台风为例

以登陆海南岛的1117号台风"纳沙"为例,根据通过高分辨率卫星数据提取的海南岛橡胶分布范围,利用FY-3A遥感数据分析了台风登陆前、后海南岛橡胶归一化植被指数的变化。借助GIS技术平台,提取受损橡胶的分布信息(INDVI0)。根据建立的橡胶林台风灾害等级标准,绘制了橡胶林台风灾害损失等级分布图,实现了橡胶林台风灾害的遥感监测。通过遥感监测结果与灾情实际调查结果的对比分析发现,二者总体趋势一致,而遥感监测更加快速、直观、精细,说明橡胶林台风灾害遥感监测是可行的。     

近50年来广东冬季寒害的特征

利用广东省86个地面气象站近50年(1951-2000年)逐日平均气温和最低气温资料,采用针对冬季经济林果的寒害指标,统计分析了近50年冬季寒害的特征.分析得出:(1)广东冬季寒害频数北多南少,各地平均年均1次,其中严重寒害近4成,严重寒害中又以降温型亚类Ⅲ最为典型,占6成以上.(2)寒害过程降温幅度平均达13.6℃,且越往南越大;过程最低气温平均2.6℃,高于冻害临界值0℃;寒害过程降温平均历时4d.(3)寒害分布于10月末至3月底,其中12月到1月累计占85%,月际分布大致呈以1月为峰值的单峰型;亚类Ⅲ12月和2月多于1月,呈双峰分布.(4)1980年是广东冬季气温变化的分水岭,寒害年均综合频数前30年多(160站次),后20年少(96站次).(5)近50年广东冬季寒害年代际变化特征为:50,60,70年代逐渐增强,80年代迅速减弱,90年代有所回升(依然弱于50年代),年代际寒害由强到弱顺序为:70年代,60年代,50年代,90年代和80年代.     

海南岛天然橡胶主要气象灾害风险区划

海南岛是中国天然橡胶的主产区之一。海南岛天然橡胶面临的主要气象灾害有寒害和风害,因此开展橡胶的气象灾害风险区划,可有效提高海南天然橡胶气象灾害的防御能力。根据海南岛1971-2010年的气象数据和1988-2012年海南橡胶种植数据及TM遥感图像提取的2009年海南岛橡胶分布信息,基于风险形成的机理,选择致灾因子危险性、孕灾环境暴露性、承灾体脆弱性和防灾减灾能力等4个因子,分别开展了橡胶寒害和风害的风险评价,并在此基础上得到了海南天然橡胶主要气象灾害综合风险评价结果。结果表明:高风险区域和较高风险区域分布在海南岛琼海的西部、琼中、万宁的西部、五指山、三亚等地;中等风险区域分布在屯昌、澄迈、琼海、保亭南部、白沙、乐东等的大部分地区;较低风险区域和低风险区域主要分布在昌江、东方、儋州、海口等的部分区域。     

MODIS_NDVI在白洋淀蝗虫害监测中的应用

运用不同年份蝗虫发育过程中的遥感影像。结合实地调查反映资料，研究了MODIS归一化植被指数(NDVI)在监测蝗虫害中的应用。结果表明，该指数不仅能反映芦苇地蝗虫害的是否发生。还能反映不同区域蝗虫害的发生程度。在蝗虫卵孵化期的MODIS—NDVI图像上。指数值介于0．425～0．567的区域为蝗虫最适宜孵化区，高于0．732的区域则不利于蝗虫卵的孵化。这些研究结果为监测和预警农业蝗虫害的发生提供重要的依据。     

Landsat 8在橡胶林台风灾害监测中的应用

台风对橡胶林的影响是一个复杂的过程。选择1973年以来登陆华南的最强台风"威马逊"(201409)作为研究案件。通过台风登陆前后的Landsat 8遥感数据,利用橡胶林NDVI值的变化表示橡胶受损的程度,分析了它与台风破坏潜能、地形指数的相关性,并建立了台风对橡胶林植被的影响力指数,借此可以开展台风对橡胶林植被的影响预测。结果表明:(1)橡胶NDVI值的变化能从一定程度上反映橡胶受台风影响的程度,说明Landsat 8遥感数据能用于监测台风对橡胶的影响。(2)风速是决定橡胶林破坏严重程度的主要因子,台风破坏潜能指数能客观反映台风对橡胶林的影响程度。(3)定义的台风对橡胶林植被影响力指数,能从一定程度上预测台风对橡胶林的可能影响程度,但仍需要大量个例对其进行验证。     

广东冬季寒害指标研究

用广东省22个分布较均匀的代表站1957年12月至2001年2月冬季逐日平均气温和最低气温资料,以该省南亚热带作物的生物学下限温度为依据,从这些作物受寒害的起点温度(环境温度≤5.0℃)出发,提出了寒害过程的概念和明确的定义,并用寒害过程低温的强度(日最低气温)X1、持续时间(天数)X2及其综合作用的物理量负积温X3这3个指标来描述寒害的强度,研究了广东历年冬季寒害的变化.从3个特征向量场中找出了一个物理意义清晰、方差贡献率大(大于75%)的主要分量,将其定义为综合寒害指标.分析表明:广东冬季综合寒害指标能较好反映农作物受灾程度.     

干旱对江西省森林生产力的影响特征

利用MODIS遥感数据等驱动生态过程模型,模拟分析了2000-2011年江西省森林总初级生产力(GPP)、净初级生产力(NPP)和净生态系统生产力(NEP)的时空变化特征及其对气象干旱的响应。结果表明,2000-2011年江西省受旱程度较之前的30 a有所加剧,2003,2004,2007,2009和2011等年份的干旱较为严重,其中,2003,2007和2011年遭受中度干旱以上地区分别占全省总面积的56.5%,73.3%和87.2%。2000-2011年间全省森林的平均年GPP的年际波动明显,略有下降;平均年NPP和NEP呈明显下降趋势(p=0.02,p=0.06)。森林生产力变化受干旱严重程度、干旱发生和持续时间等共同影响,轻度干旱不会导致森林生产力下降(2004年)、春旱(2011年)和夏旱(2003年)以及多季节干旱(2007年春旱和秋旱)则导致森林生产力降低。干旱对江西省森林生产力影响的时间效应较短,大部分地区的干旱会影响当月的NPP和NEP,仅在江西省东部和南部地区,干旱对森林NPP的滞后影响会达到3个月。     

基于MODIS数据的云降水估计方法

利用卫星遥感资料定量估计降水及其区域分布对强降水等灾害性天气监测具有十分重要的意义,还可弥补常规气象观测的不足,提供更为丰富的降水信息。(1)利用MODIS卫星的可见光、近红外、短红外、中红外和热红外波段数据,采用云指数法和多光谱综合法对云类型进行了判识,有效地分类出云和冰雪、卷云、水云和高、中、低云。(2)在云分类的基础上定量反演了各类云参数,包括云顶亮温梯度、云顶亮温最小值面积变化、不同量级的云顶亮温面积及变化趋势、对流云的核心位置判别、亮温方差和大气中的水汽含量等因子参数,结合地面实测降水数据和地表高程数据,建立了降雨的强度的定量估计模式。(3)通过对2007年7月16-18日、26-29日的新疆大降水过程进行降水估计,并对估计值与区域站地面实时观测降水值作了比较,结果显示相对误差为31.97%,均方根误差为2.31 mm。降水量级的定量误差在±3 mm以内的占66%,±5 mm以内的占86%。因此,该模式具有较好的降水估计效果。     

基于TM与MODIS遥感数据的农业旱情监测——以河北省为例

以河北省冬小麦种植区域为研究区,基于TM和MOD IS遥感数据,利用植被供水指数法确定了研究区旱情等级。首先,将其与遥感解译获得的冬小麦空间分布图叠加得到受灾冬小麦空间分布图;然后以1 km的距离在受灾冬小麦周围做缓冲区,并与通过人口密度模型获得的人口密度空间分布图叠加,得出受灾人口空间分布;最后基于光能利用率改进模型构建粮食产量回归统计模型,得到粮食产量。目的是从粮食产量和作物受灾影响人口两个方面对农业受干旱影响情况进行遥感监测和定量评价,以期为相关部门制定防灾、抗灾措施提供科学依据。结果表明,2004年研究区:(1)春季受灾面积小,仅占16.4%;(2)旱情较轻,以轻旱为主,占受灾面积的89%;(3)冬小麦种植面积约为23 965.0 km2,受灾面积约606.3 km2,主要位于唐山市和保定市;(4)粮食产量回归统计模型精度达到了87%,冬小麦产量约为11939247 t,单产约为498.8 t/km2。     

基于FY-3D MERSI Ⅱ数据的辽宁省作物生长季日平均气温估算方法比较

作为反映气候特征的重要指标之一，日平均气温在农业气象灾害监测和气候变化研究等领域承担着至关重要的作用。与传统日平均气温的监测和估算方式相比，遥感技术具有全方位、宏观、动态等不可比拟的绝对优势，能够准确地描述日平均气温的空间异质性。为提高农业服务质量，保证农业健康、可持续发展，探索作物生长季日平均气温遥感反演方法，提高农业气象灾害监测精确度，以FY-3D MERSIⅡ遥感数据为基础，提取研究区日间地表温度(LST_day)、夜间地表温度(LST_night)、归一化植被指数(NDVI),同时还考虑了高程(DEM)、坡度(Slope)两个变量，结合气象站日平均气温数据，分别构建多元线性回归和随机森林日平均气温遥感反演模型，开展辽宁省2021年作物生长季(5—9月)日平均气温遥感监测的应用研究。结果表明：(1)基于多元线性回归模型反演的日平均气温均方根误差(RMSE)为1.71℃,平均绝对误差(MAE)为1.45℃;基于随机森林反演误差RMSE为1.17℃,MAE为0.96℃;整体上，随机森林的日平均气温反演结果更好，适用性更强。(2)实验当天和前1 ...