武汉城市群夏季热岛特征及演变

利用2000~2010年共11期MODIS地表温度资料和多源多时相的遥感影像分类结果揭示武汉城市群的夏季热岛效应,反演并计算出10 a间武汉城市群日间和夜间的热岛强度变化、土地覆盖类型和城镇用地面积。在对不同时相的地表温度数据进行热岛指数归一化处理的基础上,分析了武汉城市群热岛的分布特征及年代演变,定量分析了武汉城市群以及中心城市武汉市不同热状况区面积的变化和热场的变迁。结果表明,武汉城市群夏季热岛效应较为明显,其中武汉市是主要热源和热中心;自2000年起,武汉城市群城乡温度差异逐步减小,热中心分布向外扩散,城市热岛区域急速扩张,整体热环境趋于恶化;新兴城区的开发增加了武汉市的热源分布,人工表面的增加以及自然表面的减少导致城市热岛效应不断加剧。     

基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价湖泊水体的富营养化程度.太湖是典型的二类水体,光学性质复杂,应用一类水体线性反演模式拟合较为片面且难以找到最佳拟合模型.BP神经网络模型具有模拟复杂非线性问题的功能.为研究高分一号卫星16m多光谱相机WFV4结合BP神经网络进行太湖叶绿素a浓度监测的可行性,实验利用GF-1 WFV4影像和实时的地面采样数据,建立了BP神经网络模型,同时采用波段比值经验模型进行对比.经精度检验,BP神经网络模型预测值与实测值之间的可决系数R2高达0.9680,而波段比值模型的R2为0.9541,且均方根误差RMSE由波段比值模型的18.7915降低为BP神经网络模型的7.6068,平均相对误差e也由波段比值模型的19.16%降低为BP神经网络模型的6.75%.结果证明,GF-1 WFV4影像应用BP神经网络模型反演太湖叶绿素a浓度较波段比值模型精度有所提高.将经过水体掩膜的GF-1 WFV4影像用于训练好的BP神经网络反演太湖叶绿素a浓度分布,结果显示,叶绿素a高浓度区集中分布在湖心区北部、竺山湾、梅梁湾区域,与之前的研究一致.本文研究结果验证了采用BP神经网络模型对GF-1 WFV4影像进行太湖叶绿素a浓度反演的可行性.     

紫外大气甲醛卫星遥感反演方法和研究现状

在我国长期稳定的甲醛观测站点十分缺失,卫星平台高时频、大面积覆盖等优势使得通过卫星遥感探测大气甲醛成为了一种重要的研究手段.本文讨论了现有载荷的反演理论和方法,分析了我国大气甲醛的研究现状及不足.简述了从20世纪至今可用于甲醛探测的主要载荷：GOME/ERS-2,SCIAMACHY/ENVISAT,OMI/Aura,GOME-2/MetOp-A（B）,OMPS/Suomi-NPP,总结归纳了各个卫星载荷仪器的轨道信息、时间空间分辨率等相关参数,以及各个传感器在大气甲醛遥感反演中的可行性.由于卫星自上而下的观测方式与地基平台不同,其反演方法也有不同之处,因此本文针对卫星平台综合论述了两种甲醛反演算法：传统的差分吸收光谱法（DOAS）和针对于甲醛反演的一系列改进算法以及近几年提出的主成分分析法（PCA）;另外,本文针对现有反演算法和时空分布在我国中东部地区的研究现状和不足进行了综合讨论,并给出了一定的改进策略.     

呼伦湖水面动态变化遥感监测及气候因素驱动分析

利用长时间序列的MODIS数据,采用水体指数动态分析的方法,对2000~2013年呼伦湖的水体面积进行了动态变化分析,并结合区域气候数据进行了驱动力分析.结果表明:2000~2012年期间,呼伦湖流域水体面积从2286km2减少至1773km2,减少22.4%,主要减少部分分布在湖体东北部和南部;2013年水体面积尤其是南部水域水体面积略有所恢复.呼伦湖主体湖区面积的变化与年均温呈现不显著的负相关关系.     

基于星地同步观测的华北平原中部背景地区冬季霾污染过程

利用地基观测结果和多源卫星遥感观测,结合气象数据及HYSPLIT4后向轨迹模式,对华北平原中部背景地区(河南省郑州市中牟县东南郊)冬季霾事件的污染物特征和形成过程进行分析.综合观测时间为2014年12月13日~2015年1月16日,共有5次霾过程,占观测总天数的82%.地面监测结果显示,不同的污染过程污染物浓度变化曲线相似,O_3浓度在清洁天浓度较高;NO_x、SO_2、PM10、PM_(2.5)呈较强正相关性,NO_x、SO_2与PM10相关系数0.64、0.57,与PM_(2.5)相关系数0.56、0.45;近地面污染物以细粒子污染物为主,其中又以气态污染物二次生成的细粒子为主.AMPLE地基激光雷达和CALIPSO数据表明,华北平原霾层中上部受浮尘影响,以粗粒子污染物为主.气象探空数据表明该地区冬季大气对流层稳定利于霾的维持,假相当位温垂直差、K指数、露点差与能见度相关系数分别为0.52、0.56和0.38.分析近地面风速风向对霾过程的影响表明,该地区冬季以南方向静小风为主,风速与能见度相关系数为0.32,PM_1受东北方向污染源影响,PM_(1~2.5)及PM_(2.5~10)受西北方向污染源影响;结合高空风场分析,霾过程1受西北浮尘影响,霾过程5受南来水汽影响.通过后向轨迹分析,该地区冬季的低空污染传输主要来自东北和西北方向,其中东北方向区域传输来自河北与山东,占来源比例的14%,近距离污染传输主要来自站点以西的郑州、洛阳,约占来源比例的33%.     

近40a来博斯腾湖水资源遥感动态监测与特征分析

湖泊水资源变化记录了气候变化和人类活动对区域水文过程的影响,及时、准确地获取湖泊的水资源变化信息,对认识区域乃至全球环境演变具有重要的参考意义。文章通过多源遥感数据,宏观、动态地监测了近40 a来博斯腾湖的面积、水位和库容等水文信息,分析了时间动态变化过程与演变特征。研究结果表明:在人类活动和全球变化的共同作用下博斯腾湖水资源总体呈现减少趋势,变化过程呈现波动性,依次可将整个变化过程可分为3个阶段。11972—1990年,博斯腾湖处于萎缩阶段。这一阶段湖泊面积持续萎缩,水位持续下降,水量持续减少,1990年最低水位1 045.32 m,湖泊面积为908.12 km2。21990—2002年,博斯腾湖处于显著扩张阶段。这一阶段湖泊经历了水位上升、面积增大和水量增多,其中2000年达到了峰值,此时湖泊最大面积为1 210.68 km2,湖泊最高水位为1 048.5 m,湖泊蓄水量约为90×108m3。32002—2010年,博斯腾湖处于持续萎缩阶段。博斯腾湖的水位、水量和面积呈现持续下降的趋势,2009年湖泊水位较2002年约下降了3.3 m,水资源总量减少了约38.56%。这一变化特征是一定时期内区域水资源补给平衡的结果,其变化原因既有气候波动的因素,也有人类活动的影响;但是在短期内,博斯腾湖水资源主要受到人类活动的影响。     

结合水体光学分类反演太湖总悬浮物浓度

本研究利用2008年11月、2009年4月、2010年5月及2010年8月的太湖水体原位观测数据,在对光学复杂水体进行光学分类的基础上,分别建立了针对各个类别水体的总悬浮物浓度高光谱反演模型.通过对每类水体中各个模型的性能比较,分别得到各类水体的最优模型:第一类水体,比值模型为最优模型;第二类水体,半分析模型2为最优模型;第三类水体,一阶微分模型为最优模型.同时,比较分类前后模型的精度和稳定性,结果表明分类后,两者均表现出不同程度的提高,并且分析了光学分类导致半分析模型精度下降的原因.最后针对本研究的结果在遥感数据上的适用性进行了探讨,表明在高光谱遥感数据上有很大的应用潜力.本研究结论对光学复杂湖泊水体的水色遥感具有积极重要的意义.     

基于Landsat数据的城市热岛效应分析与研究

本文在定性分析的基础上引入定量分析手段,并辅之以剖面线分析方法,对城市热岛效应的时空分布特征进行剖析,以求能进一步深入探究热岛效应的发展、形成以及分布规律,服务于城市管理和宏观决策。采用卫星遥感手段,选取9期Landsat数据,对济南市1992—2015年长达23年的热岛效应进行研究。依据单窗算法所反演的温度数据,对济南市热岛效应进行分析,包括热岛效应的季节变化、年度变化、区域特征以及剖面线分析。研究表明:1)从1992年到2014年,济南市热岛效应在空间上从南往北移动趋势明显,在构成上有明显的从中间温区向两侧温区转化的趋势。2)从春季到冬季,热岛效应从南往北移动趋势明显,且总体上来看以冬季热岛效应为最强。3)热岛效应与下垫面有着密切的关系。在剖面线上城区和裸地都是明显的高温区,而水体和绿地是明显的低温区,降温作用明显。     

基于水面反射率光谱分类的太湖藻蓝蛋白浓度反演

藻蓝蛋白是蓝藻的标志性色素,利用遥感反演藻蓝蛋白浓度的时空分布对于蓝藻水华监测和预警具有重要意义.太湖水体光学特性时空差异较大,传统的藻蓝蛋白遥感反演方法在太湖各湖区各季节的适用性有限.因此,本文采用先分类再反演的策略,基于水面反射率光谱分类进行太湖藻蓝蛋白浓度反演建模.首先采用逐步迭代的K均值聚类方法实现光谱分类;然后分别利用每一类的训练样本光谱数据建立最适用于该类的藻蓝蛋白反演模型;最后利用每一类的检验样本光谱数据进行反演模型精度评价.为了对比,同时采用不分类的传统方法进行反演建模和精度评价.检验结果表明:基于不分类的传统建模方法得到的均方根误差RMSE=14.14μg·L-1,平均相对误差σ=59.1%,反演结果和实测数据可决系数为0.46;基于光谱分类的建模方法得到RMSE=8.47μg·L-1,σ=31.3%,反演结果和实测数据可决系数为0.87.因此,基于光谱分类的藻类蛋白反演方法有效地提高了反演精度,可以为其它水体的藻蓝蛋白浓度反演提供借鉴.     

基于小波分解和ARMA模型的空气污染预报研究

细颗粒物PM2.5为首要污染物的空气污染严重影响了公众健康,对空气污染进行有效预报具有十分重要的意义。而目前常用的空气污染物浓度预报方法在短时事件和意外事件预测方面存在不足。利用小波多尺度分析方法改进ARMA预测模型,并将其应用于短时空气污染物浓度预测。改进模型通过小波分解方法将时间序列分解为一个近似序列和多个细节序列,分别采用ARMA模型进行预测,然后将各序列预测结果进行重构,得到最终预测结果。以天津市2014年PM2.5浓度数据为例,分别采用ARMA模型、支持向量回归(SVR)模型、人工神经网络(ANN)模型以及基于小波多尺度分解改进的SVR模型和基于小波多尺度分解改进的ARMA模型进行了对比分析。结果表明:1)小波多尺度分解能够显著提高SVR模型和ARMA模型预报精度;2)ARMA、SVR、ANN等传统模型在重污染情况下预报精度显著下降,而小波分解改进策略能够较好地解决这个问题;3)基于小波多尺度分解改进的ARMA模型预报精度较高,是城市污染物浓度预报的有效手段。