基于MODIS数据的安徽区域日蒸散量估算与分析

蒸散的估算在区域能量平衡和水资源研究中具有重要意义，遥感技术发展促进了区域蒸散的研究。利用安徽省气象资料、MODIS数据产品及GIS背景信息，基于SEBAL模型，按1 km空间分辨率进行了面尺度的安徽省日蒸散量估算，并在GIS空间分析模块的支持下对不同土地覆盖类型的日蒸散量进行统计分析。结果表明：遥感估算的蒸散量与利用Penman Monteith公式计算的蒸散量比较，两者之间具有较好的相关性，遥感蒸散估算值整体偏小，不同土地利用类型的日蒸散量间差异显著。遥感蒸散估算方法在安徽省具有一定的实用性，需优化模型参数，以提高其进一步技术推广的前景     

安徽省农作物干旱损失动态评估模型及其试用

利用安徽省78个气象站1971-2005年资料,采用FAO Penman-Monteith模型和一季稻作物系数计算作物需水量,得到针对一季稻的农业干旱指标;在分析了1980年以来一季稻主要发育期变化不大的基础上,利用多年农业气象观测资料,采用詹森乘法作物-水分模型新解法进行一季稻干旱敏感性系数分解,得到一季稻逐旬敏感性系数;建立了基于农业干旱强度、作物敏感性和区域脆弱性的一季稻旱灾损失评估模型。试用结果表明,模型的相对误差大部分为20%～35%,绝对误差为2.9～4.0,基本满足业务应用。由于各地水稻品种不同,抗灾能力也有差异,因此模型误差仍偏大,需进一步修正模型,并加强抗灾能力对减轻灾害损失贡献的研究。     

安徽省冬小麦渍涝灾害损失评估模型研究

将安徽省冬小麦种植区划分为淮北、沿淮、江淮3个区域,采用根据大面积多种农作物平均单产求算小面积作物趋势产量的方法,计算了各区域冬小麦的减产率。分析了各区渍涝对冬小麦产量影响的最大时段,确定了主要危害因子和指标,探讨用主要因子法和Q值法构造减产率和危害因子间的相关函数,建立了安徽省各区域冬小麦渍涝灾害损失模型和综合评估模型。     

基于GIS的安徽省干旱遥感监测与评估研究

总结了在地理信息系统(GIS)支持下,以NOAA／AHVRR资料为主要信息,结合下垫面资料,对安徽省区域内干旱发生的动态变化、空间分布、危害程度等进行监测与评估的技术思路与方法。     

巢湖藻类遥感监测和气象因子分析

利用多年的卫星遥感资料,在对巢湖藻类进行监测的基础上,分析巢湖藻类爆发的时空分布规律,分析结果表明巢湖藻类夏秋两季爆发频繁,在空间上爆发主要发生在巢湖的西半湖。同时,通过分析藻类爆发期间气象观测资料,发现与巢湖藻类爆发相关的气象因子主要有气温、风速和降水。     

安徽省近40年参考作物蒸散量的敏感性分析

利用安徽省79个站点1971—2010年逐日气象资料,采用FAO Penman-Monteith公式计算了近40年安徽省参考作物蒸散量(ET0)以及ET0对日照时数、相对湿度、风速、温度等气象因子的敏感系数,并对ET0的时空分布和4个气象因子敏感系数的时空变化特征进行了分析。结果表明:近40年来安徽省年平均参考作物蒸散量为862 mm,自1971年以来,年平均参考作物蒸散量总体上呈现波动下降趋势;空间分布上,基本呈自北向南、自低向高递减趋势;ET0与平均温度、日照时数、相对湿度和风速的敏感性方面,ET0对相对湿度的变化最为敏感,其次是日照时数、风速,对平均温度的敏感性最低。从近40年各气象因子敏感系数的多年变化特征来看,平均温度、日照时数和风速的敏感系数以平稳波动为主,年际间变化不是很明显,而相对湿度敏感系数则呈现明显的上升趋势(通过0.01的显著性检验),其绝对值有明显的减小趋势,表明相对湿度对参考作物蒸散的敏感性在减弱。在年内变化特征方面,总体来说,相对湿度敏感系数年内变化表现为明显的双峰型变化特征,而平均温度、日照时数和风速年内变化特征为单峰型。在这4个气象要素对ET0的贡献率方面,贡献率最大的是相对湿度,四个影响ET0的气象要素对ET0变化的总贡献为-1.33%。综合敏感性和贡献率两方面因素分析,日照时数和风速的变化趋势在很大程度上解释了ET0呈下降趋势的原因。