2006-2017年四川盆地MODIS气溶胶光学厚度时空变化特征

四川盆地地形复杂、气候特殊,是我国颗粒物污染高发地.为探究四川盆地气溶胶分布和周期变化特征,深入认识气溶胶污染特性及其气候效应,结合卫星遥感探测方法,利用2006-2017年MODIS C006 3 km AOD（气溶胶光学厚度）产品,分析了四川盆地AOD的时空特征.结果表明:①MODIS AOD（MODIS数据反演的气溶胶光学厚度）与太阳光度计CE318观测的AOD、ρ（PM_2.5）、ρ（PM₁₀）线性相关系数分别为0.78、0.77、0.75,表明MODIS C006 3 km AOD产品适用于四川盆地颗粒物污染研究.②四川盆地AOD平均值范围为0.1~1.3,其中,成都平原和四川盆地东南部地区是AOD高值（AOD值>1.0）中心,四川盆地周边高海拔区AOD均小于0.3.③2006-2017年AOD年均值范围为0~2.5,整体呈"倒N型"曲线下降,其峰值和谷值分别出现在2013年和2017年;2013年AOD大于1.0的区域占四川盆地的34.1%,是12 a中颗粒物污染最重的一年;2017年AOD小于0.3的面积占57.1%.④AOD季节性变化呈春季最大、夏季次之、秋季最小的特征.⑤AOD月变化呈"双峰型"波动特征,AOD月均值范围为0~2.5,其中,2-5月AOD月均值均大于0.7,8月AOD月均值为0.6,11-12月AOD月均值均小于0.5.研究显示,四川盆地颗粒物污染防治应以成都平原城市群和四川省南部城市群为主,应重点控制细颗粒物排放,合理安排工业企业的周期性生产强度.      

三江源植被碳利用率动态变化及其对气候响应

本文基于MODIS GPP/NPP数据估算了三江源植被碳利用率（CUE）,结合气象数据和高程数据采用一元线性回归和相关分析法,探讨了2001~2017年三江源植被CUE的时空变化特征及植被CUE对气温、降水量和蒸散量变化的响应.结果表明：（1）三江源植被CUE年内3~10月表现为先增加后降低的变化趋势,其中6月植被CUE最高.（2）三江源年植被碳利用率位于0.73~1,平均水平为0.85;植被CUE空间上呈现北高南低,西高东低的分布特征.（3）整体上,三江源4~10月植被碳利用率与同期气温、降水量和蒸散量分别呈现正相关、负相关和负相关关系,降水量是影响三江源植被CUE变化的主要影响因素,气温为次要因素,蒸散量影响程度最小.     

中国秸秆焚烧的遥感监测与分析

用最近四年的MODIS火点数据,通过相关处理和分析,得出了全国秸秆焚烧状况的时空分布规律。结果表明,秸秆焚烧最严重的区域一直分布在淮河流域和陕西关中平原,这是秸秆禁烧工作的重点;南部各省秸秆焚烧点密度较小,比较分散,造成的危害相对较小。秸秆焚烧的主要时间,北方集中在夏秋季节,主要是小麦、玉米、油菜等的秸秆;南方集中在冬春季节,主要是水稻、甘蔗、油菜等的秸秆。秸秆焚烧的时空分布规律在最近几年基本无大的变化,秸秆焚烧面积在2002年~2005年期间逐年上升。文章结论反映了各地执行秸秆禁烧政策的效果,可为相关政府部门进行秸秆禁烧工作提供依据。     

MODIS林火识别算法的验证分析

利用中国境内9起森林火灾事件对MODIS火点识别的理论算法进行验证分析．结果表明：MODIS火点识别的理论算法在中国境内是基本通用的．但受地域和季节变化的影响．应用时可能会遗漏个别低温闷烧的热点；利用火点亮温偏离统计均值标准差的关系来确定阁值．可以避免火点的遗漏；林火点在CH21和CH22上的值比较接近。一般有CH21-CH22〈20K。而噪声点在两个波段上的亮温差异比较大。根据以上知识．提出了改进MODIS林火热点识别算法的建议。     

EOS-MODIS资料在森林火灾监测中的应用研究

对用MODIS资料进行火情监测的原理及通道特性进行厂分析,提出了一种用于林火监测的资料处理流程和量化判识指标.     

高泥沙含量洪水的MODIS遥感识别

2003年9月,渭河流域发生了严重的洪涝灾害,洪水泥沙含量高达486kg/m 3.准确地对泥沙含量极高的洪水及其淹没区进行快速识别是利用MODIS遥感资料成功进行渭河洪涝灾害监测的关键.通过对洪水及其淹没区MODIS图像的剖面光谱分析认为,在MODIS的1～7通道中,进行洪水识别的最佳通道依此是2、5和6通道;植被指数法和假彩色合成是提取高泥沙含量洪水及其淹没区域的有效方法.     

博斯腾湖矿化度遥感反演及空间分布特征研究

以我国最大的内陆淡水湖——博斯腾湖为研究对象,利用Terra/MODIS L1B空间分辨率为250 m和500 m的遥感反射率数据及湖水矿化度实测数据建立线性回归模型,分析湖表面矿化度的空间分布特征。结果表明:空间分辨率为500 m的1~7个波段组合建立的多元线性回归模型相关性最高(R~2=0.70),模型验证结果显示,实测值和反演值的相关系数(R~2)为0.82,均方根误差(RMSE)为0.12。利用最优模型对博斯腾湖湖面矿化度进行反演,其分布存在明显的空间梯度,西北、东北和东南湖区矿化度较高,而西南湖区和湖区南部矿化度较低。     

Spatial distribution of aerosol pollution based on MODIS data over Beijing, China

With the help of regression analysis,the relationships were detected between aerosol's contribution to apparent reflectance(ACR) derived from Moderate Resolution Imaging Spectroradiometer(MODIS)on board Terra and hourly PM_(10)mass concentration measured at 30 ground-based locations in Beijing for the August of 2003 and 2004.It was shown that there was a good correlation between the ACR and PM_(10)(linear correlation coefficient,R=0.56).On the basis of this relationship,spatial distribution and possible sources of PM_(10)derived from MODIS were analyzed and two frequently heavily-polluted regions were found,namely downtown of the city and the district near Xishan Mountain.These two regions coincidently are also urban heat island centers.The foundings of this paper will be greatly useful for environmental monitoring and urban planning for Beijing,especially for the 2008 Olympic game to be held in Beijing.     

基于MODIS的渍害田和正常农田遥感特性对比研究

渍害田在我国南方地区分布广泛，严重影响农业生产。以四湖流域洪湖地区为实验区，基于渍害田的物理及生态特性来探讨渍害田遥感识别特性。利用2002～2011年MODIS产品，辅以土壤图、土地覆被数据，对比分析了正常农田及渍害田在反照率、增强型植被指数（EVI）、地表夜温、地表温差和表观热惯量的时相差异；并结合相关研究成果加以解释和验证。结果表明：一年中大部分时段，正常农田的反照率、EVI、地表温差都大于渍害田，而地表夜温、表观热惯量都低于渍害田；各指标的多年平均值也具有类似差别；渍害田的EVI在6、7月份比正常农田高, 可能是由于渍害田在雨、热、肥条件同时良好时比正常农田生长的更快。研究结果可为进一步准确识别渍害田空间分布及其动态变化     

MODIS Biophysical States and NEXRAD Precipitation in a Statistical Evaluation of Antecedent Moisture Condition and Streamflow1

Abstract: The potential of remotely sensed time series of biophysical states of landscape to characterize soil moisture condition antecedent to radar estimates of precipitation is assessed in a statistical prediction model of streamflow in a 1,420 km² watershed in south‐central Texas, Moderate Resolution Imaging Spectroradiometer (MODIS) time series biophysical products offer significant opportunities to characterize and quantify hydrologic state variables such as land surface temperature (LST) and vegetation state and status. Together with Next Generation Weather Radar (NEXRAD) precipitation estimates for the period 2002 through 2005, 16 raw and deseasoned time series of LST (day and night), vegetation indices, infrared reflectances, and water stress indices were linearly regressed against observed watershed streamflow on an eight‐day aggregated time period. Time offsets of 0 (synchronous with streamflow event), 8, and 16 days (leading streamflow event) were assessed for each of the 16 parameters to evaluate antecedent effects. The model results indicated a reasonable correlation (r² = 0.67) when precipitation, daytime LST advanced 16 days, and a deseasoned moisture stress index were regressed against log‐transformed streamflow. The estimation model was applied to a validation period from January 2006 through March 2007, a period of 12 months of regional drought and base‐flow conditions followed by three months of above normal rainfall and a flood event. The model resulted in a Nash‐Sutcliffe estimation efficiency (E) of 0.45 for flow series (in log‐space) for the full 15‐month period, ?0.03 for the 2006 drought condition period, and 0.87 for the 2007 wet condition period. The overall model had a relative volume error of ?32%. The contribution of parameter uncertainties to model discrepancy was evaluated.