卫星遥感监测近地表细颗粒物多元回归方法研究

对地基监测PM2.5和气象数据、MODISAOD卫星数据与NCEP FNL数据进行了处理分析,在与一元简单线性模型(模型1)进行对比的基础上,建立了适应于北京及其附近地区遥感监测近地面颗粒物(PM2.5)浓度的多元线性(模型2)和非线性(模型3)回归模型,并对模型进行了评价验证和遥感监测初步应用.结果表明:模型1,2,3分别能够解释PM2.5 32.5%,56.1%,62.7%的变异.反演的PM2.5浓度与站点监测值相关性分别为0.5488(R2=0.3012), 0.7449(R2=0.5549), 0.7431(R2=0.5523).对于站点监测PM2.5浓度63.1652μg/m3的均值,反演均方根误差RMSE分别为43.5562, 35.3321, 36.8450μg/m3.模型2和3中气象因子分别能够解释PM2.5 23.6%和12.6%的变异,说明了气象因子影响北京地区春季PM2.5-AOD关系的显著性.3种模型整体上都不同程度地存在着低值高估和高值低估的现象.     

卫星遥感监测近地表细颗粒物多元回归方法研究

对地基监测PM2.5和气象数据、MODISAOD卫星数据与NCEP FNL数据进行了处理分析,在与一元简单线性模型(模型1)进行对比的基础上,建立了适应于北京及其附近地区遥感监测近地面颗粒物(PM2.5)浓度的多元线性(模型2)和非线性(模型3)回归模型,并对模型进行了评价验证和遥感监测初步应用.结果表明:模型1,2,3分别能够解释PM2.5 32.5%,56.1%,62.7%的变异.反演的PM2.5浓度与站点监测值相关性分别为0.5488(R2=0.3012),0.7449(R2=0.5549),0.7431(R2=0.5523).对于站点监测PM2.5浓度63.1652μg/m3的均值,反演均方根误差RMSE分别为43.5562,35.3321,36.8450μg/m3.模型2和3中气象因子分别能够解释PM2.5 23.6%和12.6%的变异,说明了气象因子影响北京地区春季PM2.5-AOD关系的显著性.3种模型整体上都不同程度地存在着低值高估和高值低估的现象.     

基于高光谱遥感的沿海河口无机氮浓度空间分布特征解译

利用39组样本的野外实测光谱结合Hyperion影像资料,建立了高悬沙含量沿海河口可溶性无机氮(dissolved inorganic nitrogen,DIN)的高光谱定量遥感解译模型,实现DIN浓度空间分布规律的遥感反演及动态监测.研究发现,当悬沙浓度0.1kg/m3时,DIN浓度与悬沙含量之间呈显著的倒数相关关系,相关系数R2为0.617.据此首先将重采样处理后的野外实测光谱与同步DIN浓度数据进行统计相关分析,筛选出2个对DIN浓度变化敏感的波段,中心波长分别为630nm和804nm;然后利用波段反射率R804和R630计算出仿泥沙遥感参数因子R804×R630/(R804-R630),建立其与实测DIN浓度的非线性遥感模型,29组建模样本和10组检验样本的相关系数R2分别为0.746和0.67,DIN浓度平均绝对误差分别为109.07μg/L和147.58μg/L.将该非线性遥感模型应用于Hyperion影像,获得了射阳河口DIN浓度的空间分布特征,DIN浓度的变化范围为52～513μg/L.可以看出,在以悬沙为主要悬浮物的沿海河口,遥感解译得到的DIN浓度扩散趋势与潮流的运动以及悬沙的运移规律密切相关.因此,在无需了解水动力状况的条件下,高光谱遥感是对DIN浓度进行动态监测的有效手段.     

降水波动对呼伦贝尔草甸草原初级生产力年际动态影响

降水是控制草原植被生产力最关键的因素. 为探明降水量在不同时间尺度上的波动及其对草原植被的响应机制,以呼伦贝尔草甸草原为研究对象,选用反映年际降水量波动的降水集中度和偏离期2个因子,将以地面光谱生物量模型计算获得的草甸草原植被NPP(net primary production,净初级生产力)与不同周期降水量和降水波动因子建立回归模型,分析年际降水量波动对草甸草原植被NPP的影响. 结果表明:①在呼伦贝尔草甸草原区,以年内4—7月为关键期,P_k(关键期累积降水量)对草甸草原植被NPP的影响最大,C_dk(关键期降水集中度)平均值为0.439±0.182,d_k(关键期降水偏离期)平均值为31.6 d,变幅为-3.6~94.2 d. ②以P_k和以旬为单位的C_dk、d_k构建的草甸草原植被NPP估算模型,y=-52.11+88.957C_dk+0.724d_k+0.953P_k,能较好地反映草甸草原植被NPP与降水波动之间的关系,模型估测精度可达91.0%. 因此,在半干旱草原区,利用基于遥感植被反射光谱构建的NPP模型计算草甸草原植被NPP具有较高的可信度,并且与样方调查结果有极高的关联性.      

基于遗传-支持向量机和遗传-径向基神经网络的有机物正辛醇-水分配系数QSPR研究

基于遗传算法(GA)的因子筛选和支持向量机(SVM)的非线性回归,提出了1种改进的有机物定量结构-性质相关(QSPR)建模方法--遗传-支持向量机(GA-SVM),并将其用于38种食品工业常用有机物正辛醇-水分配系数(Kow)的QSPR建模.结果显示,QSPR模型选取了分子量、Hansen极性、沸点、含氧率和含氢率5种参数;模型的预测值与实测值间的误差平方和(SSE)、均方差(RMSE)和决定系数(R2)分别为0.048、0,036和0.999,表明模型具有较强的预测能力;同时,交叉验证的结果(SSE=0.295,RMSE=0.089,R2=0.995)也表明,模型具有良好的稳健性,因此,GA-SVM算法适用于对有机物正辛醇-水分配系数的QSPR建模.此外,将基于GA-SVM的QSPR模型分别与基于遗传-径向基神经网络(GA-RBFNN)和基于线性算法的模型进行了比较,结果表明,应用GA-SVM建立的QSPR模型无论从稳健性还是预测能力上都优于应用其它2种算法建立的模型,因此,GA-SVM算法比GA-RBFNN和线性算法更适合于对有机物正辛醇-水分配系数进行QSPR建模.     

巢湖水体的表观光学特性测量与分析

实地测量了巢湖水体的表观光学特性和固有光学特性,利用可测量的4 个水面以上表观光学特性计算水面以下辐照度比R(0-)值.根据巢湖水体的固有光学特性分析R(0-)的光谱特征,发现波长624nm 附近藻胆素及706nm 附近叶绿素a 的吸收峰在R(0-)光谱上特征明显.利用生物光学模型拟合了R(0-)与水体的吸收散射系数之间的关系.结果表明,系数f 随不同光学类型水体和光照条件的变化而变化.     

基于AOD数据反演地面PM_(2.5)浓度研究进展

随着中国城市发展,城镇化进程的不断推进,能源消耗持续增加,空气中的污染物含量越来越高,空气污染事件频发,城市空气质量研究成为一个热点议题。PM_(2.5)作为表征空气质量的重要指标之一,越来越受到人们的关注,目前获取PM_(2.5)数据主要有地面监测和卫星遥感监测2种方式。传统的地面监测手段可以得到高精度的局部PM_(2.5)污染数据,但是由于其覆盖范围的局限性,并没有办法反映出整个区域的PM_(2.5)污染情况。遥感卫星监测恰到好处地弥补了这一缺陷,其中应用最为广泛的是使用卫星遥感数据产品大气气溶胶光学厚度AOD来反演地面的PM_(2.5)浓度。文章从AOD数据的多样性及其应用、反演地面PM_(2.5)浓度模型的选择以及反演模型的优化这3个方面对目前国内外利用遥感卫星AOD数据反演地面PM_(2.5)浓度的研究进行了归纳梳理。其中AOD数据分辨率的不同产生了不同精度的反演结果;而线性回归模型和非线性回归模型的反演精度也存在较为明显的差异;通过在模型中加入气象参数、气溶胶垂直分布特性以及地表信息等因素会显著地改善反演结果。上述研究为流行病学中PM_(2.5)人口暴露研究及健康影响提供方法论基础。     

预处理污泥发酵液直接用于微生物电解池产氢研究

预处理污泥发酵液(SFL)直接用于微生物电解池(MEC)产氢,相较于预处理发酵液上清液MEC产氢,可更好地实现污泥资源化利用.通过批式循环试验,将分别经p H=3、p H=10和70℃预处理后的SFL进行MEC产氢.结果表明,70℃和p H=10有效预处理的产氢速率分别为0.36 m³·m^-3·d^-1和0.34 m³·m^-3·d^-1.挥发性脂肪酸总量(TVFA)利用量最高,分别约为未处理组的1.99倍和1.60倍,其中,乙酸利用量占比最大;而后依次是可溶性蛋白质与可溶性碳水化合物.70℃组和p H=10组SFL更适合作为MEC底物,其峰值电流相对较高、电流持续时间相对较长.70℃组阴极氢气损失得到有效控制,阴极氢回收率达到59%;p H=10组由于体系中较多的OH^-和钠盐影响,阴极氢回收率较低.MEC可加速SFL水解过程,由于SCOD不断溶出,其利用率相对较低.     

基于卫星遥感资料监测地面细颗粒物的敏感性分析

分析了垂直分布、粒径分布和吸湿增长3个影响因子及其组合对基于卫星遥感资料监测地面细颗粒物(PM2.5)的敏感性.以广州地区为例,使用影响因子及其组合对2010年全年、干季和湿季的MODIS气溶胶光学厚度(AOD)资料进行订正,与时空匹配的地基实测PM2.5质量浓度数据对比和分析.研究表明,两者的直接相关性很低,全年相关系数(R)仅有0.147.经单个因子订正后,效果提升有限.其中,粒径因子的敏感性最高,垂直因子次之.组合因子中,垂直及粒径订正的效果最好,敏感性最高,全年R达0.526.垂直及粒径因子再加上湿度因子后,全年R降为0.498.垂直及湿度订正的敏感性最低,全年R仅为0.145.总体而言,垂直及粒径订正因子敏感性最高,效果最佳.粒径因子加入后订正效果提升显著,而经验吸湿增长因子的时空代表性比较单一.     

中蒙毗邻草原区荒漠化时空动态研究

草原荒漠化是导致沙尘暴频发的重要原因,为掌握中蒙毗邻草原区荒漠化的时空动态,利用2001年、2010年和2020年的Landsat和Modis遥感影像、Albedo-NDVI特征空间及荒漠化监测差值指数(DDI)对该区域荒漠化动态特征及其驱动因素进行了研究. 结果表明:①2001—2020年中蒙毗邻草原区荒漠化现状呈“西高东低、南高北低”的空间特征. 其中,蒙古苏赫巴托尔省典型草原区以未荒漠化(ND)和轻度荒漠化(LD)为主,东戈壁省荒漠草原区以极重度荒漠化(ESD)和重度荒漠化(SD)为主;中国内蒙古自治区荒漠草原以中度荒漠化(MD)和重度荒漠化(SD)为主. ②2001—2020年研究区荒漠化总体呈逆转态势,净逆转面积(荒漠化逆转面积与加剧面积之差)约147 220 km2,其中2001—2010年逆转面积占34.89%,2010—2020年逆转面积占65.11%. ③研究区荒漠化逆转程度总体呈现“东高西低”格局,其中,中国内蒙古自治区的荒漠草原区逆转趋势最为明显. ④研究区荒漠化程度与年降水量呈极显著负相关(P < 0.01),表明降水增加有助于区域荒漠化逆转;近20年来降水量波动增加决定了中蒙毗邻草原区土地荒漠化总体呈逆转态势,而中国在中蒙毗邻草原区实施的多项生态保护工程有效加速了荒漠化逆转速率. 研究显示,实施荒漠草原区的生态保护和修复政策可有效遏制荒漠化的发展并促进荒漠化逆转,在巩固我国荒漠化治理政策的同时,应加强与邻国合作,以防治境外荒漠化程度加重导致的沙尘暴灾害.      

呼伦贝尔草原植被覆盖度估算的光谱模型

采用美国ASD公司Fieldspec3光谱仪和日本富士数码相机,于2009年7~8月在内蒙古呼伦贝尔草原区进行了植物高光谱和植被覆盖度测定,并运用回归分析方法,建立实测归一化植被指数(ASD NDVI)和植被覆盖度之间的地面光谱模型,分析MODIS/TERRA卫星的NDVI(MODIS NDVI)与ASD NDVI的关系,建立预测植被覆盖度的MODIS光谱模型,并对模型进行精度检验.结果表明所建的MODIS光谱模型是线性函数,该模型预测精度高于亚像元分解模型,标准误差为11.58%,平均预测精度达到88.75%.     

若尔盖亚高山草甸地上生物量与植被指数关系研究

为探讨亚高山草甸地上生物量和植被指数的关系,更好服务于草地生态建设,论文利用2008年7月覆盖若尔盖地区的TM影像,分别建立了7种植被指数（NDVI、RVI、DVI、SAVI、MSAVI、PVI、GVI）与地上生物量的线性和4种非线性（二次多项式、三次多项式、对数、幂函数）回归模型。研究结果表明植被指数（NDVI、DVI、SAVI、MSAVI、PVI、GVI）与地上生物量模型表现出三次多项式回归模型最优,再次是二次多项式模型、线性模型,相对较差的是指数模型;而基于RVI的地上生物量模型表现为指数模型最优,其次为三次多项式模型、二次多项式模型、线性模型。分析表明,基于RVI的地上生物量幂函数模型的模拟效果最好,复相关系数R²=0.817 7,精度检验结果表明该模型的平均误差为6.80%,拟合精度达93.20%,根据此模型模拟出若尔盖县草地地上生物量分布图,表明该县草地生物量东南部较高而西北部较低。     

三江源区高寒草地地上生物量遥感反演模型研究

为了发展适用于三江源区高寒草地（包括高寒草甸和高寒草原）地上生物量（aboveground biomass,AGB）模拟的遥感反演模型,基于2006—2014年逐年7—8月三江源区高寒草地70个采样点地上生物量数据与同期MODIS-NDVI和MODIS-EVI数据,通过回归分析方法建立高寒草地地上生物量遥感反演模型,并利用长时间序列MODIS数据对2005—2014年三江源区高寒草地地上生物量的时空格局进行模拟分析.结果表明:基于EVI建立的乘幂模型对三江源区高寒草地地上生物量的拟合效果最好,其判定系数（R2）最大,达到0.654;均方根误差（RMSE_P）最小,仅为27.86 g/m2.根据三江源区70个采样点的地上生物量数据最终确立的估算模型为y=348.769x0.783（R2=0.655,P < 0.001）.估算模型模拟结果显示,2005—2014年三江源区高寒草地地上生物量空间特征基本一致,总体表现为从东南到西北逐渐减少的变化趋势,这与该区域的降水量、气温、海拔和植被类型等因素有关;2005—2014年三江源区高寒草地地上生物量平均值为169.25 t/a,最高值为2010年的178.36 t/a,最低值为2008年的162.80 t/a,年际变化趋势表现为2005—2008年逐年下降、2008—2014年则在波动中逐年有所上升.研究显示,三江源区高寒草地地上生物量遥感反演模型及其确定的模型参数可对该区域草地地上生物量进行有效评估.      

利用Hyperion高光谱数据的三波段法反演太湖叶绿素a浓度

以2004-08-19太湖野外试验所获取的水质数据(叶绿素a浓度7.8~154.3μg.L-1,总悬浮物浓度65.0~190.2 mg.L-1,N=38)和同步的Hyperion星载高光谱数据为研究对象,利用三波段算法反演太湖水体的叶绿素a浓度.通过分析太湖固有光学量的特点,提出适用于太湖的3个特征波段的选择依据,并对波段进行优化计算,在此基础上建立了三波段统计模型,最后对模型的反演精度进行分析与评价.结果表明,Hyperion的B34(691.37 nm)、B37(721.90 nm)和B50(854.18 nm)组成三波段模型变量与叶绿素a浓度具有最高的相关系数(r=0.934),模型的决定系数(R2)和均方根误差(RMSE)分别为0.872和13.93μg.L-1,其反演精度优于传统经验统计模型,如比值模型(R2=0.844,RMSE=15.41μg.L-1)和一阶微分模型(R2=0.831,RMSE=16.00μg.L-1).研究结果证实了三波段法适用于内陆富营养化浑浊水体和Hyperion高光谱数据,为今后更精确地反演内陆水体的叶绿素a浓度提供了参考依据.     

Spatial and temporal relationships between precipitation and ANPP of four types of grasslands in northern China

Precipitation is considered to be the primary resource limiting terrestrial biological activity in water-limited regions. Its overriding effect on the production of grassland is complex. In this paper, field data of 48 sites （including temperate meadow steppe, temperate steppe, temperate desert steppe and alpine meadow） were gathered from 31 published papers and monographs to analyze the relationship between above-ground net primary productivity （ANPP） and precipitation by the method of regression analysis. The results indicated that there was a great difference between spatial pattern and temporal pattern by which precipitation influenced grassland ANPP. Mean annual precipitation （MAP） was the main factor determining spatial distribution of grassland ANPP （r^2 = 0.61, P 〈 0.01）; while temporally, no significant relationship was found between the variance of AN PP and inter-annual precipitation for the four types of grassland. However, after dividing annual preeipitation into monthly value and taking time lag effect into account, the study found significant relationships between ANPP and precipitation. For the temperate meadow steppe, the key variable determining inter-annual change of ANPP was last August-May precipitation （r^2 = 0.47, P = 0.01）; for the temperate steppe, the key variable was July precipitation （r^2 = 0.36, P = 0.02）; for the temperate desert steppe, the key variable was April-June precipitation （r^2 = 0.51, P 〈 0.01）; for the alpine meadow, the key variable was last September-May precipitation （r^2 = 0.29, P 〈 0.05）. In comparison with analogous research, the study demonstrated that the key factor determining inter-annual changes of grassland ANPP was the cumulative precipitation in certain periods of that year or the previous year.     

内蒙古草地生长季植被变化对气候因子的响应

基于MODIS NDVI数据,研究分析了2000-2010年内蒙古典型草原、草甸草原和荒漠草原生长季NDVI时空变化趋势,探讨不同类型草地生长季NDVI对温度、降水的响应。结果表明,内蒙古草地生长季NDVI整体年增长速率为0.735%,典型草原最为明显,年增长率达到1.063%;但是仍有31.807%的草地NDVI呈现下降趋势,其中典型草原、草甸草原和荒漠草原分别有8.664×10⁴、6.814×10⁴、2.841×10⁴ km²。除东北部草甸草原外,大部分草地生长季NDVI与降水量的相关性高于温度;草地生长季NDVI与温度和降水的相关系数均呈现出草甸草原>典型草原>荒漠草原的变化规律。内蒙古草地植被变化对温度和降水的响应具有滞后作用,且具有明显的经度地带性和纬度地带性特征,其滞后时间随着经度和纬度的增加逐渐减少。     

1999—2013年中国东北植被物候信息遥感监测

随着3S技术的迅猛发展,用于地表遥感监测的卫星影像数据浩如烟海,而影像上地表植被长势等隐含信息的提取通常工作量大、耗费时间。论文提出了一种计算机自动提取地表植被物候信息的方法,主要用于对地表植被生长季及其年内长势进行快速提取。方法的基本原理是基于NDVI序列数据集,构建时间点对的时长跨度与该点对半方差的函数关系。选择东北松嫩平原地区作为重点试验区,计算了该区域1999—2013年地表植被生长季长度和长势特点,并选择东北地区物候观测数据进行验证分析。结果表明：1）东北地区农耕作物的生长季持续期在107~126 d左右。计算得到的结果与实测数据的最大误差在5 d值域范围内,沼泽植被在160 d以上（误差10 d左右）,草地为120~139 d;2）研究区地表植被的生长盛期峰值出现在第150天前后。结果较为真实、合理地反映了研究区域地表植被的物候信息。     

南京北郊雾天PM10中多环芳烃粒径分布特征

为研究雾天PM10中多环芳烃粒径分布特征,2007-11-15~2007-12-30在南京北郊进行了PM10分8级粒径多环芳烃(PAHs)成分连续样品采集,由同步气象观测资料选出雾天与晴天样本作为对比,用GC-MS分析其中16种PAHs含量.雾天夜间PM2.1和PM9.0平均质量浓度为120.34μg.m-3和215.92μg.m-3,接近白天PM2.1(126.76μg.m-3)和PM9.0(213.41μg.m-3),昼、夜基本没有变化;晴天夜间PM2.1和PM9.0平均质量浓度为71.45μg.m-3和114.33μg.m-3,高于白天PM2.1(41.02μg.m-3)和PM9.0(74.38μg.m-3),昼、夜变化很明显;雾天PM2.1∑16PAHs为49.97 ng.m-3,是晴天(33.30 ng.m-3)1.50倍,PM9.0∑16PAHs为59.45 ng.m-3,是晴天(40.80 ng.m-3)1.46倍;PM2.1和PM9.0中PAHs单体平均浓度均为荧蒽最高,且雾天(PM2.1为7.98 ng.m-3,PM9.0为9.99 ng.m-3)高于晴天(PM2.1为5.23 ng.m-3,PM9.0为6.77 ng.m-3);雾天PM2.1和PM9.0中苯并[a]芘的浓度为1.77ng.m-3和1.99 ng.m-3,高于晴天(PM2.1为1.46 ng.m-3,PM9.0为1.84 ng.m-3).结果表明,雾过程加重了近地面大气PM2.5和PM10的污染;雾天与晴天PM10∑16PAHs粒径分布的昼夜特征与PM10在2种天气系统下粒径分布的昼夜特征基本一致,均为双峰型分布,分别位于积聚模态和粗模态粒子.白天雾过程对PM10及PM10∑16PAHs的粒径分布影响比较大,夜间雾过程则对其没有太大影响.     

退耕还林（草）工程实施前后黄土高原植被覆盖时空变化分析

基于GIMMS NDVI3g（the third generation of Global Inventory Modeling and Mapping Studies Normalized Difference Vegetation Index）数据,辅以趋势分析、Mann-Kendall检验、Hurst指数等方法,识别了1982—2013年及1982—1999、2000—2013年黄土高原植被覆盖时空演变特征,并探讨其驱动因素。研究发现：1）1982—2013年及1982—1999、2000—2013年期间黄土高原生长季NDVI分别以0.019/10 a（P<0.01）、0.016/10 a（P<0.05）和0.057/10 a（P<0.001）的速率增加;2）除1999年以前林地外,所有植被类型的生长季NDVI均呈现显著的增加趋势,2000—2013年尤为明显;3）黄土高原生长季NDVI呈现由东南向西北递减的趋势,1982—2013年及1982—1999、2000—2013年NDVI显著上升的面积分别占74.94%、24.26%和53.34%,主要集中在黄土高原的北部和中部地区;4）研究区未来生长季NDVI呈持续性和反持续的比重分别为33.32%和66.68%,其中持续改善和由改善变为退化的面积分别占31.08%和61.88%;5）2000年以后降水增多与生长季NDVI上升相对应,大规模的生态工程建设对2000—2013年生长季NDVI增加有重要影响。     

1982-2013年潞安矿区NDVI3g变化趋势及气候响应

为了揭示全球变化背景下矿业开发活动对矿区生态环境的影响,采用长时序GIMMS AVHRR NDVI3g（1982-2013年）全球植被指数数据集和气候信息（年均降水量和气温数据）,运用IDL编程实现数据合成运算、线性回归和趋势拟合,从时间、空间、气候三方面对矿区、缓冲区（10 km、20 km）、校验区的NDVI平均值和总值进行比较研究,并推算出生长期变化趋势.时序分析表明,32 a来矿区NDVI总量随开采年限延长呈先增后减/波动中下降的趋势,下降速率为0.18/（10 a）.矿区植被返青期滞后3 d,枯黄期提前30 d,生长期缩短33 d,缩减速率为10.3 d/（10 a）.空间分析表明,除潞安矿区外其他三区生长季均有所延长,研究区平均NDVI年增长率依次为矿区（1.09%） < 10 km缓冲区（2.16%） < 20 km缓冲区（8.86%） < 校验区（9.87%）,矿区NDVI总量自1995年后开始减少,非开采区NDVI总量呈增加趋势.气候变化分析表明,校验区NDVI对温度敏感性高于降水量,矿区NDVI对降水量敏感性高于温度,其中温度对两区植被生长有明显滞后性.研究显示,矿业开发活动抑制了矿区及周边区域NDVI的增长,NDVI年增长率远低于校验区,受温度升高、降水量减少共同作用,自然生态下校验区NDVI呈增加趋势,生长季延长;而受开采扰动影响下的矿区植被活动呈减弱趋势,生长期也有所缩短.