基于MODIS数据的洞庭湖水体和水华时空变化研究

为明确洞庭湖水华发生规律、水体面积的变化规律及其影响因子,利用MODIS传感器提供的MOD02HKM数据,采用多波段水体指数（MBWI）模型、浮游藻类指数（FAI）方法识别、提取洞庭湖水体、水华范围,并对2001~2015年洞庭湖水体、水华时空分布数据进行分析.结果表明：洞庭湖的水面范围在年内呈现明显的季节变化,在年际成缩减趋势.水域面积由大到小依次是夏季、秋季、春季、冬季,且2001~2015年丰水期水体的平均面积是枯水期的2.2倍;2001~2015年洞庭湖水域面积萎缩速率为-14.574km²/a,其中夏季的萎缩速率最大,达到-38.678km²/a;2001~2015年期间,洞庭湖区域均发生水华,水华主要集中发生在东洞庭湖的西部湖湾区,西洞庭湖和南洞庭湖的水华则沿河岸零星分布;洞庭湖水华存在明显的季节变化和年季变化.每年水华面积基本呈现正态分布,最小值出现在冬季,最大值出现在夏季和秋季,其值达到681.43km²;2001~2015年水华爆发面积最高占全湖面积的18.2%,水华面积年平均变化率为-8.657km²/a,水华爆发面积呈现缩小的趋势.     

1982 — 2021年黄河流域植被覆盖时空演变及影响因素研究

通过科学认识黄河植被覆盖的空间格局、时间规律,揭示气候变化与人类活动对植被覆盖率空间演化的影响与机理,对于提出科学的生态防护方法、进行生态安全评价,以及推进黄河战略有着重大的理论意义与应用意义。本文以1982—2015年GIMMS NDVI和2000—2021年MODIS NDVI为主要数据源,通过最大值合成法、平均值法、Theil-Sen Median和Mann-Kendall等方法分析了黄河流域1982—2021年植被覆盖空间格局、月际和年际变化规律。结合同时段的年平均气温和年降水量,采用二元线性回归分析和残差分析等方法,探讨了黄河流域植被覆盖的主要影响因素。根据时空变化分析,1982—2021年黄河流域多年NDVI均值变化趋势由西北向东南依次增加,年际变化呈现波动增长趋势,增长速率为0.019 (10a) ^?1,月际变化呈现先增后减的单峰曲线状分布,8月（0.50）为峰值。根据变化趋势分析,1982—2021年黄河流域77.35%的区域植被覆盖呈增加趋势。根据影响因素分析,黄河流域植被覆盖以气候变化和人类活动共同作用为主要影响因素,其中受人类活动促进作用较为明显,约占46.13%。因此,气候变化和人类活动共同作用是黄河流域植被覆盖变化的影响因素,其中人类活动对植被恢复有重要作用。     

2010年春西南酷旱的监测与机理分析

针对2010年春季我国西南地区出现的严重干旱,采用MODIS数据和TVDI方法对云南省春季旱情进行了监测,揭示了云南省入春以来的旱情动态变化及旱情分布特点。以TVDI作为旱情评价的指标,并结合气象观测的探空资料、天气图以及ncep月平均气温资料和MODIS数据反演大气含水量,分析了导致云南省春旱的地面温湿特征、大气环流特征及大气能量结构特征,提出了此次干旱特殊的形成机理:大气环流、大气能量结构以及地热蒸发等因素的综合作用导致了严重干旱的发生,这对干旱的监测预警提供了有益探索。     

利用MODIS遥感数据反演广州市气溶胶光学厚度

利用中分辨率成像光谱仪(MODIS)数据和NASA的V5.2气溶胶业务反演算法,对广州市进行了高空间分辨率气溶胶光学厚度的反演,并应用地面太阳光度计(CE-318)观测的气溶胶光学厚度进行验证.结果表明,利用MODIS L1B数据进行高分辨率气溶胶光学厚度反演,结果精度较高.利用反演结果分析2008~2009年冬季广州市的气溶胶光学厚度时空变化特征,2008年12月的气溶胶光学厚度较低,平均大约为0.65,随后气溶胶光学厚度逐渐增大,到2009年2月,气溶胶光学厚度平均大约为1.35.广州市气溶胶光学厚度空间差异显著,在0.1~1之间变化,呈东北低西南高的空间分布特征.即森林覆盖率比较高的地区气溶胶较低.     

中国东南部地区及近海的气溶胶光学厚度分布特征

利用MODIS资料,对中国东南部地区及近海海域实现多通道大气气溶胶光学厚度(AOD)反演;利用地面连续波段的太阳辐射计数据对MODIS资料的反演结果进行校验,结果表明,反演结果的置信度较高;利用经过校验的结果对该地区的AOD分布特征进行了研究. 结果表明:AOD大值区主要集中在海拔低的东南沿海及经济发达地区,而地形比较复杂的山地丘陵地区的值较小;海洋上空的AOD反演由于受到了近海混浊水体和离水辐射的影响,反演结果偏高,但还没有发现能准确反映研究地区特征的输入参量和合适的算法,以提高近海海域AOD的反演精度.      

长江三角洲地区大气顶气溶胶直接辐射强迫遥感估算

利用MODIS和OMI卫星遥感数据估算长江三角洲地区大气顶气溶胶直接辐射强迫并分析其时空变化特征.结果表明了大气顶辐射强迫和气溶胶光学厚度(AOT)存在明显的线性相关关系,R和RMSE分别为0.89和5.50.大气顶辐射强迫的区域月平均变化范围大约在-10~-70W/m2之间,一年中最大值(-53.97±6.14W/m2)和AOT一样出现在6月,最小值(-16.41±2.10W/m2)出现在12月.4个季节的大小依次是:夏季(-44.30±9.09W/m2)>春季(-42.00±7.83W/m2)>秋季(-28.02±6.32W/m2)>冬季(-20.40±5.00W/m2).在6 月,大气顶气溶胶辐射强迫空间差异最明显,在太湖沿岸的城市地区,如上海、杭州,辐射强迫可达-70W/m2,而在千岛湖地区大约为-10W/m2.在12月,空间差异最小,北部城市地区大约为-20 W/m2;南部地区大约为-10 W/m2.     

基于FY-3A/VIRR和TERRA/MODIS数据藏北干旱监测对比

为获得藏北地区干旱遥感监测的方法,以及验证FY-3A/VIRR数据在藏北地区干旱监测的可行性,论文基于2015年7月25日—8月4日FY-3A/VIRR和TERRA/MODIS数据,计算NDVI和EVI反演温度植被干旱指数（TVDI）,利用实测20 cm土壤水分数据和气象站点累计降水量验证并对比了两种数据源、不同TVDI的遥感干旱监测的精度。结果表明：1）拟合干湿边时,噪点和拟合像元数影响TVDI监测的精度,去除噪点可提高干湿边拟合精度和干旱监测精度;2）MODIS-TVDI_E（下标E表示EVI反演）、MODIS-TVDI_N（下标N表示NDVI反演）、FY/VIRR-TVDI_E、FY/VIRR-TVDI_N与实测20 cm土壤水分数据和累计降水量的相关性检验都达到了0.05的水平,说明基于两种数据源采用TVDI的方法都能有效监测藏北地区干旱。其中,MODIS-TVDI_E和FY/VIRR-TVDI_E监测精度分别高于MODIS-TVDI_N和FY/VIRR-TVDI_N,表明TVDI_E的监测精度优于TVDI_N。MODIS-TVDI的监测精度高于FY/VIRR-TVDI,反映MODIS数据在藏北地区干旱监测精度优于FY/VIRR数据;3）基于MODIS-TVDI_E和FY/VIRR-TVDI_E划分的藏北地区干旱空间特征结果大体相同,说明FY/VIRR数据也可作为气象部门监测干旱的业务化产品,为藏北地区干旱监测提供数据支撑。     

The expansion of tree-based boom crops in mainland Southeast Asia: 2001 to 2014

Over the past half century, countries of Mainland Southeast Asia (MSEA) – Cambodia, Laos, Myanmar, Thailand, and Vietnam – have witnessed increases in commercialized agriculture with rapid expansions of boom-crop plantations. We used MODIS EVI and SWIR time-series from 2001–2014 to classify tree-cover changes across MSEA and performed a supervised change detection using an upscaling approach by deriving samples from existing Landsat classifications. We used the random forest classifier and distinguished 24 classes (16 representing boom-crops) with an accuracy of 82.2%. Boom-crops occupy about 18% of the landscape (8% of which is rubber). Since 2003 74,960 km² of rubber have been planted; 70% of rubber is planted on former forest land, and 30% on low vegetation area (mainly former croplands). Timing, patterns of change, and deforestation rates, however, differ among the MSEA countries and the high spatial and temporal detail of our classification allowed us to quantify dynamics and discuss political and socio-economic drivers of change.     

支持向量机在太湖叶绿素a非线性反演中的应用

根据湖泊监测的特点,采用支持向量机(SVM)方法,反演太湖叶绿素a的浓度分布.将2005年8月太湖29个现场水质监测点数据分为训练测试样本集和验证样本集,利用训练测试样本集以及与其时间同步的MODIS遥感影像,分别构建了4种SVM模型.对比分析表明,直接以波段反射率以及水深信息构成输入向量的SVM模型预测效果最好.利用训练测试样本构建了线性回归模型、主成分分析模型(PCA)以及神经网络模型(ANN),并利用验证数据比较了上述3种模型与SVM模型的预测结果.结果表明ANN模型和SVM模型预测能力明显优于另外2种模型,其中SVM模型对低值和高值均有较好的预测精度,平均相对误差仅为15.91%,预测精度比ANN模型提高了10%.利用SVM模型和ANN模型分别反演了2005年8月15日太湖叶绿素a浓度分布,比较了2种模型反演结果的异同,分析了太湖叶绿素a分布特征及其成因.     

Quantification of net primary production of Chinese forest ecosystems with spatial statistical approaches

Net primary production (NPP) of terrestrial ecosystems provides food, fiber, construction materials, and energy to humans. Its demand is likely to increase substantially in this century due to rising population and biofuel uses. Assessing national forest NPP is of importance to best use forest resources in China. To date, most estimates of NPP are based on process-based ecosystem modeling, forestry inventory, and satellite observations. There are little efforts in using spatial statistical approaches while large datasets of in-situ observed NPP are available for Chinese forest ecosystems. Here we use the surveyed forest NPP and ecological data at 1,266 sites, the data of satellite forest coverage, and the information of climate and topography to estimate Chinese forest NPP and their associated uncertainties with two geospatial statistical approaches. We estimate that the Chinese forest and woodland ecosystems have total NPP of 1,325 ± 102 and 1,258 ± 186 Tg C year⁻¹ in 1.57 million km² forests with a regression method and a kriging method, respectively. These estimates are higher than the satellite-based estimate of 1,034 Tg C year⁻¹ and almost double the estimate of 778 Tg C year⁻¹ using a process-based terrestrial ecosystem model. Cross-validation suggests that the estimates with the kriging method are more accurate. Our developed geospatial statistical models could be alternative tools to provide national-level NPP estimates to better use Chinese forest resources.