基于MODIS AOD数据的南京市大气能见度估算

以南京市为研究区,利用MODIS气溶胶产品数据(MOD04L2)获取研究区气溶胶标高数据,结合地面气象站点能见度观测数据,构建研究区不同季节能见度估算模型,估算南京市2013年能见度时空分布。研究结果表明,研究区能见度模型估算值与实测值总体趋势较为一致,分季节模型能见度估算均值相对误差为14.3%;南京市2013年能见度年均值为6.07km,大致呈现出由市区向周边郊区逐渐升高的趋势;研究区不同季节能见度差异明显,夏季能见度显著高于其他3个季节,在该季节全市能见度均值达到9.93km,约为其余3个季节均值的2倍左右,气候状况与经济社会发展布局是影响研究区能见度时空差异的主要因素。     

TRMM 3B42卫星降水数据在赣江流域径流模拟中的应用

以赣江流域为研究区,基于观测降水和TRMM准实时数据(3B42RTV6、3B42RTV7)和分析数据(3B42V6、3B42V7),驱动VIC水文模型,开展卫星降水产品在赣江流域的水文模拟,评估TRMM降水产品在水文模拟中的应用能力。结果表明:(1)在赣江流域,3B42V7估算的降水与实测降水的对比结果最好,3B42RTV6的估算精度最低,3B42RTV7较3B42RTV6在赣江流域的降水估算精度提升非常明显;(2)在径流模拟方面,3B42V6和3B42V7在日尺度上尽管对洪峰的模拟有所偏差,但模拟结果仍能反映径流变化特征,在月尺度上模拟结果精度较高,纳什系数均在0.9以上,并且二者在4、5月的径流模拟结果较好,7、8月的模拟结果较差,而3B42RTV6对径流的模拟能力较差,日径流量和月径流量均呈现明显低估,3B42RTV7对径流的模拟结果比3B42RTV6有明显改善,可以满足实时水文预报的需求。     

基于环境一号卫星高光谱数据的太湖富营养化遥感评价模型

采用环境一号卫星高光谱数据直接监测太湖富营养化状态的方法较多光谱影像监测有着更高的精度优势,对内陆水环境监测具有一定的意义。利用2009年4月地面实测高光谱数据模拟环境一号卫星星上数据,结合确定的太湖富营养化状态遥感评价的水质因子,构建富营养化状态评价模型,并采用实测数据和环境一号卫星高光谱影像数据对模型的精度和适用性进行验证。研究结果表明：（1）选用叶绿素a作为富营养化遥感监测的水质因子监测太湖富营养化状态与综合营养指数法相比,平均相对误差为597%;（2）采用模拟的环境一号卫星高光谱影像数据结合三波段模型与采用地面实测数据评价结果之间的相关系数r=0855,平均相对误差为919%;（3）结合环境一号卫星高光谱影像对2010年5月2日太湖进行富营养化监测评价,结果显示太湖水体整体成中营养状态,存在1129%的监测水域出现轻度富营养化状态     

基于TRMM卫星资料揭示的长江流域梅雨季节降水日变化

利用1998~2013年热带测雨卫星TRMM 3B42降水率资料以及NCEP/CFSR温度场、气压场和风场等再分析格点资料等,从气候学角度揭示了长江流域梅雨季节降水和对流的日变化特征,探讨了典型和非典型梅雨锋年降水日变化差异,分析了大气环境场要素的日变化特征及其对降水和对流日变化影响。结果表明:(1)强降水在夜间发生在长江上游,白天发生在长江中下游。降水日变化特征显著,长江上游、盆地以东的中游以及中下游的沿江以南地区降水日峰值分别出现在午夜、清晨08时以及傍晚17时。沿江以北地区降水表现出半日循环,具有08时和17时两个峰值,午后峰值明显强于清晨。(2)长江中游地区降水日位相较上游地区延迟约6 h,下游地区日位相进一步向后推移,同时下游地区降水强度和范围明显强于上游,降水日较差也更明显。(3)典型梅雨锋年和近15年梅雨季节平均的降水日变化分布特征较为一致,非典型梅雨锋年较前两者日峰值出现时间明显提前。(4)短时强降水和深对流有较好的对应关系,白天高发区位于长江下游,夜间位于上游。(5)大气温压场在梅雨锋两侧显著的日变化差异使梅雨锋强度和结构在昼夜形成了差异,并使低层风场的辐合位置产生了日变化,这些大气环境场的日变化最终导致了梅雨期对流和降水的日变化。     

基于卫星降水的鄱阳湖流域旱涝分析及其可靠性检验

基于热带测雨卫星(TRMM)３B４２降水数据,通过Z 指数方法对鄱阳湖流域１９９８年１月~２０１０年１２月
旱涝的时空分布进行分析,并利用流域内１５个雨量站观测降雨数据同样采用Z 指数方法分析流域旱涝变化,与
TRMM 结果进行对比,检验其精度和可靠性.结果显示:TRMM 降水与地面雨量站观测降雨具有较高的一致性,
能正确反映流域的降水情况;其计算的Z指数在１９９８~２０１０年以０为中心呈锯齿状增大减小交替变化,所反映的
洪涝事件主要发生在４~６月,占全年的６０％左右,而干旱主要发生在９月~翌年１月份,其与鄱阳湖流域降水的
年内分布特征是一致的;同时,基于TRMM 降水反映的流域旱涝等级与降雨量的空间分布基本一致,TRMM 降水
能够用于流域旱涝的空间分布监测.     

基于TRMM卫星资料分析三峡蓄水前后的局地降水变化

为揭示三峡蓄水对局地气候的影响,利用TRMM 3B42卫星降水产品分析了三峡蓄水前后（以2003年为分界）库区的局地降水变化。分析表明,蓄水以后,库区西北部年累积降水量增加,东南部年累积降水量减少,这种降水变化是大尺度上降水变化的区域体现。蓄水对干流附近降水产生了一定影响,干流站点间降水量差别增大,但整个大库区平均的年累积降水量无明显变化。蓄水之后的降水变化具有季节差异。冬季几乎整个库区的降水量都有所增加;春季降水量在干流的上游个别地区和下游减少,中游增加;夏季除库区下游部分地区外,大部分库区降水量有所减少;秋季,库区的上游和中游降水增加,下游降水减少。区域平均的季节降水量无明显年际趋势。结果表明,三峡蓄水带来的降水变化空间尺度只局限在近库区,对整个大库区降水变化的影响可忽略不计     

基于多源卫星数据的三峡库区水体悬浮物浓度遥感监测

悬浮物浓度是评价水体水质及区域生态环境的重要参数之一。利用2020年5月长江三峡库区与长寿湖水体实测悬浮泥沙浓度及同步光谱数据,对照Landsat-8、Sentinel-2、GF-1三类卫星遥感影像数据,分析了不同卫星仿真波段与不同波段组合下离水光谱反射率与水体悬浮物浓度相关关系,筛选得到长江三峡水体悬浮物敏感波段,并尝试率定其有效参数区间。采用线性、指数、多项式等多种数理统计回归方法,分别建立三类卫星对应的反演模型,对比不同卫星可用于三峡库区悬浮泥沙浓度遥感反演监测的最优模型,选出一个最佳模型用于长江三峡库区的水体悬浮泥沙浓度遥感监测。结果表明：(1)三类卫星数据中近红外/绿光的波段组合与悬浮泥沙浓度均具有最显著的相关性,其中Landsat-8的相关系数为0.771 3 (P<0.001),Sentnel-2为0.773 4(P<0.001),GF-1为0.730 0(P<0.001);(2)三类卫星的最佳回归模型均为线性模型,模型R²均超过0.60以上,方程F检验均通过99%置信区间,说明常用的三类卫星均可以有效应用于三峡水体悬浮物的监测。但...     

基于地理加权回归克里金的降水数据融合及其在水文预报中的应用

地理加权回归克里金(GWRK)是在地理加权回归(GWR)基础上扩展得到的一种既能考虑回归关系的空间非平稳性又能考虑回归变量空间自相关性的降水数据融合方法。以赣江流域为例,在评价TRMM卫星数据精度的基础上,分别以GWRK和GWR方法构建了站点-卫星降水数据融合模型,然后采用降水融合数据驱动GR4J水文模型进行水文预报。根据站点尺度降水融合数据精度及水文预报表现,对GWRK和GWR构建的降水融合模型效果进行评价,结果表明:较之GWR方法,GWRK方法能较明显的提高降水融合数据在站点尺度上的精度,但是由于输入到水文模型中的数据为面降水数据,受空间均化的影响,对水文预报精度的提高不如对站点尺度降水融合数据精度的提高明显。     

四种再分析资与长江中下游地区降水观测资科的对比研究

为了获得对中国区域降水刻画能力较好的再分析资料,以长江中下游地区为例,将PREC/L、CMAP、GPCP及NCEP2四种再分析降水资料与台站降水观测资料进行了多年和逐年平均的年、季、月降水量距平的时空相关分析和方差分析,比较了再分析资料对该区降水刻画能力的差异.首先对该区域的观测资料、CMAP、GPCP及NCEP2资料进行插值,使所有资料具有相同的空间分辨率,在此基础上比较再分析资料与观测资料年、季、月平均的降水变化特征.结果表明,四种再分析资料与观测资料的距平相关系数(均方根误差)由大到小(由小到大)的变化次序为:PREC/L→CMAP→GPCP→NCEP2,四种再分析资料均能较好地刻画出长江中下游地区降水的时空分布特征,尤以PREC/L资料对该区域降水变化的时空演变规律描述得最好.最后,利用PREC/L资料与观测资料对该区域降水的时空特征进行了相关分析、EOF分析和功率谱分析,结果显示夏季平均降水量具有2.3和3.1年的显著周期,EOF分析的前两个模态的时间变化分别具有2.3和2.8年的显著周期,这些显著周期都通过了95%的红噪声检验.     

四种再分析资料与长江中下游地区降水观测资料的对比研究

为了获得对中国区域降水刻画能力较好的再分析资料,以长江中下游地区为例,将PREC/L、CMAP、GPCP及NCEP2四种再分析降水资料与台站降水观测资料进行了多年和逐年平均的年、季、月降水量距平的时空相关分析和方差分析,比较了再分析资料对该区降水刻画能力的差异。首先对该区域的观测资料、CMAP、GPCP及NCEP2资料进行插值,使所有资料具有相同的空间分辨率,在此基础上比较再分析资料与观测资料年、季、月平均的降水变化特征。结果表明,四种再分析资料与观测资料的距平相关系数（均方根误差）由大到小（由小到大）的变化次序为：PREC/L→CMAP→GPCP→NCEP2,四种再分析资料均能较好地刻画出长江中下游地区降水的时空分布特征,尤以PREC/L资料对该区域降水变化的时空演变规律描述得最好。最后,利用PREC/L资料与观测资料对该区域降水的时空特征进行了相关分析、EOF分析和功率谱分析,结果显示夏季平均降水量具有23和31年的显著周期,EOF分析的前两个模态的时间变化分别具有23和28年的显著周期,这些显著周期都通过了95％的红噪声检验.     

青藏高原东南部及其邻近地区FY-2E卫星晴空大气可降水量评估

为了解青藏高原东南部及邻近地区FY-2E卫星大气可降水量(FY-2ETPW)的可靠性,利用2010~2012年探空计算值(RS TPW)对其进行对比分析。结果表明:青藏高原地区月平均FY-2ETPW除7月偏小外,其余月份都偏大,相对偏差仅有6月和7月在25%以内,其余月份都在50%以上,尤其是1月高达780.45%,FY-2ETPW与RS TPW之间为负相关系数,FY-2ETPW在青藏高原地区不可靠;低海拔地区,6月和7月平均FY-2ETPW偏小,其余月份都偏大,5~8月相对偏差不足4%,但1月相对偏差却高达105.84%;低海拔地区4~10月,FY-2E TPW与RS TPW相关系数大于0.5,FY-2ETPW订正模型估计标准误差为6.57mm,个别站点误差较大,还有待进一步的改进。     

青藏高原四季降水变化特征分析

利用青藏高原87个地面气象台站41年（1960～2000年）的月降水资料,并在Arcgis 9.0中通过Kriging插值方法对少数站点的缺测值进行了插补,用线性回归方法研究了高原四季降水量的变化趋势及区域上的差异。为了保证本研究的完整性,对高原年降水也做了相应分析。结果表明：（1）高原冬春两季降水量呈显著增加趋势。冬季雅鲁藏布江下游、春季高原东北部为降水减少区,高原其他区域均表现为增加;夏秋两季降水量基本保持不变,但夏季高原中部和川西降水减少,高原南部和北部降水表现为增加;秋季高原中部、南部降水增加,川西降水减少。（2）高原年降水呈显著增加趋势。在区域上高原南部大致以东经102度为界,该线以东降水减少,以西降水增加,且降水增加区域表现出随纬度的增加而递减的特征。高原中部、北部的年降水基本保持不变或微弱增加。     

高原夏季西风异常年500hPa纬向风季节内振荡特征及其与我国降水的关系

利用NCEP/NCAR日平均再分析资料及中国596个测站日降水资料,采用带通滤波、小波功率谱、合成分析、相关分析等方法对青藏高原夏季西风异常年500hPa纬向风季节内振荡特征及其与我国降水和大气环流的关系进行了分析,结果表明：青藏高原夏季500hPa纬向风季节内振荡以40～60d周期为主;该季节内振荡在高原西风异常年份表现出异常的传播特征;且高原西风增强年份,我国30°N～40°N范围内的低频降水与高原低频纬向风几乎为同位相,30°N以南地区的低频降水与高原低频纬向风几乎为反位相,东北地区的低频降水落后于高原低频纬向风约1/4位相;高原西风减弱年份,江淮以北的我国北方大部分地区低频降水与高原低     

长江中下游夏季极端降水事件频次的统计降尺度模拟与预估

利用CMIP5三个耦合模式的历史模拟及不同情景预测结果、NCEP/NCAR再分析资料和长江中下游观测降水资料,采用统计降尺度方法对长江中下游夏季极端降水频次进行模拟和预估。首先,通过计算相关的方法,获取建立统计降尺度预测模型所需的预测因子。提取的预测因子同时满足既是观测环流要素场影响极端降水的关键区域,又是模式要素场预报的高技巧区域两个条件;然后,结合挑选出的预测因子,利用多元线性回归方法建立长江中下游极端降水的统计降尺度预测模型,并对模型性能进行检验。交叉检验结果表明,此种统计降尺度方法能对过去长江中下游极端降水变化有较好的再现能力,且多个降尺度模型结果的集合能进一步提高降尺度方法的模拟技巧;最后,将建立的统计降尺度模型应用于CMIP5未来3种不同的排放情景来对极端降水进行未来预估,并对多模式结果进行集合。结果显示,统计降尺度模型预估未来几个年代际长江中下游夏季极端降水频次相对于1986~2005年呈增加趋势,21世纪中、后期高排放情景下极端降水频次增加幅度高于低排放情景。     

不同再分析降水数据在洞庭湖流域的精度评估

收集了4种不同数据来源的再分析降水数据:欧洲中期天气预报中心大气再分析数据(ERA-intreim)、英国East Anglia大学气候研究中心数据(CRU TS3.21)、全球降水气候学项目数据(GPCP V2.2)、TRMM多卫星降水产品——TRMM 3B43(V7)和中国气象科学数据共享服务网提供的降水实测数据(CMD),用均值、偏差和偏差百分比及标准差等统计指标对再分析降水数据在洞庭湖流域的模拟精度进行评估。结果表明:(1)4种再分析数据年、季节降水量的年际变化与CMD总体相似,其中秋冬季节与CMD的一致性好于春夏季节。(2)ERA-interim数据对年均降水量的高估比例为20%以上,对季节平均降水量的高估比例为10.13%～33.65%,年、季降水量偏差百分比变化的年际变化较大;标准差的年内变化范围为12.40%～70.13%,数据集的离散程度最大。GPCP和CRU两种数据的年季降水量偏差在 -6.19%～5.71%之间变化,均值与CMD数据最为接近;CRU数据年季降水量偏差百分比的年际变化和标准差的年内变化均较GPCP的大。TRMM数据对年季降水量的高估比例为 3.67%～ 6.52%,降水量偏差百分比的年际变化稳定;标准差的年内变化范围为4.58%～14.03%,数据集的离散程度最小。(3) ERA-interim、CRU、GPCP和TRMM数据年降水量的偏差范围分别为 1 000.21～-649.51、 333.89～-643.82、292.55～-686.85、256.20～-561.27 mm。再分析降水数据对降水的低估区域均出现在以南岳站为中心的衡阳盆地,而高估区域分布则有明显差异:ERA-interim的高估极值出现在地势较高的西部,CRU和GPCP的高估极值出现在南部山地,TRMM无明显高估区域。ERA-interim数据离散程度的空间分异明显,CRU和GPCP居中,TRMM分异较不明显。所有再分析数据在西部和南部山地区域的离散程度最大。     

卫星遥感技术在管理长江流域水资源方面的应用研究

详细讨论了卫星遥感技术在长江流域水资源管理方面的应用问题，提出了两种实用的方法：①卫星遥感技术在灌溉水资源管理方面的应用；②长江流域地下水、地表水资源估算。进一步分析了两种方法的特点，介绍了卫星遥感技术的优点及用途，建议在长江流域水资源管理中加以利用。     

卫星遥感洞庭湖主汛期水体时空变化特征及影响因子分析

基于1989~2011年的长时间序列卫星遥感数据,利用综合水体信息提取方法提取了洞庭湖区6~9月主汛期的水体信息,通过较高分辨率卫星遥感数据验证,水体面积提取精度达到90%以上。洞庭湖年平均径流入湖量、NCEP再分析资料计算的湖体上空和流域累计月平均降水量分别与水体面积变化的关系进行分析,结果表明: 1989~2011年间洞庭湖水体面积最大值主要分布在7和8月,这两个月也是洞庭湖区域发生洪涝灾情的高风险期;洞庭湖水体面积与年平均径流入湖水量的相关系数为0.67(置信度为95%);2003年以前,洞庭湖主汛期间水体面积波动比较大,2003年三峡水库运行后,洞庭湖的面积波动有所减少;洞庭湖上空累计月平均降水量对于水体面积存在正相关性,相关系数为0.68(置信度为99%);2003年以前,洞庭湖流域累计月平均降水量和水体面积相关系数为0.50(置信度为90%),2003年三峡水库运行后,两者相关性有所减弱。     

利用中巴地球资源卫星数据反演武汉市湖泊营养状态指数

以武汉市主要湖泊为例,研究了利用中巴地球资源卫星（CBERS2）数据反演水体营养状态指数（TLI）。研究旨在评估利用中巴地球资源卫星数据来估算内陆水体富营养化程度的可能性。首先利用地面水质监测数据计算武汉市某些湖泊监测点的“真实的”营养状态指数（包括综合营养状态指数和修正的Carlson营养状态指数）,同时,在事先经过辐射校正和几何校正的CBERS2图像上,以9×9像元为采样窗口,提取各个对应地点的灰度值均值（从波段1至波段4）;然后,采用多元逐步回归分析,以各波段灰度值均值为自变量,建立营养状态指数经验遥感反演模型;最后,利用模型对整个湖泊水体的营养化状态指数进行反演,并绘制了其空间分布图。 结果显示,营养状态指数的自然对数值与CBERS2图像各波段灰度值之间存在较好相关关系,回归系数平方值(R²)为0.51。利用反演模型反演得到的湖区水质分布与实际情况基本相符。由于CBERS2图像数据可以从我国许多数据分发中心免费获取,这为低成本的水质遥感监测提供了一条途径。     

经验正交函数方法和TRMM数据对长江流域降水模式与极端水文过程的研究

气候变化加剧了极端天气和水文事件的发生,降水是区域干旱与洪水事件最直接驱动因素。以TRMM/PR月累积降水反演遥感数据为基础,利用经验正交函数EOF（Empirical Orthogonal Function）方法对长江流域降水时空变化模式进行提取,并对比分析了主要模式振幅强弱与极端水文事件的对应关系。结果表明在流域尺度上EOF方法及TRMM/PR数据可以较好地识别降水主要模式,通过时空尺度变换成功揭示主要降水模式强弱与流域极端水文事件的对应关系。鉴于日益丰富的巨量水文气象时空数据,EOF方法在模式提取、水文模拟、极端事件预估及灾害适应性研究等方面具有应用潜力