印度大地震的可预警信息研究

20 0 1 0 1 2 6印度西北部的普杰地区发生了 7 8级强烈地震。对这次强震事件 ,利用卫星遥感监测地气系统射出长波辐射的数值产品资料 ,分析了以普杰为中心整个西亚范围内 ,事件发生前后共计 6个月的月平均辐射场的分布特征及其演变过程。发现自震前 2个月至震时当月 ,普杰地区始终是一个辐射 (热 )场的高值中心 ,震后明显消散。据此认为印度大地震有可识别的预警信息 ,提出利用卫星遥感技术及其产品 ,有可能为“突破”短临地震预报开拓出一种新的预测技术生长点     

Satellites viewing our world: The NASA landsat and the NOAA SMS/GOES

Thousands of individuals throughout the world are now users of satellite data. Hundreds of satellites have been launched—military, navigation, communications, educational, weather, and earth resources. One of the weather satellites (the SMS/GOES) and the NASA earth resources mapping satellite (Landsat) are the subjects of this article. Data from these systems have been highly cost beneficial, not only in the United States, but in developed and developing nations all over the globe as well. There is an increasing demand both for data and for training in data use.Data samples are shown and applications are discussed. Strong reference is made to the value of the digital computer in natural and man-made features mapping and monitoring. Procedures for acquiring NASA data are explained so that the reader may order data for his home region, or for other regions throughout the world which are of interest for their agriculture, forestry, hydrology, marine resources, geology, or land use. The cost of data is incredibly low; some products cost as little as three dollars.Also discussed are the remotely based data-collection platforms that acquire ground or water data daily and relay results to the NASA Landsat or to the NOAA SMS/GOES.     

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。     

基于环境一号卫星的四川盆地气溶胶光学厚度精细化反演

四川盆地为中国灰霾形势较为严重的区域之一,对四川盆地大气灰霾的监测具有十分重要的意义。利用环境一号卫星数据,对能表征大气污染程度的气溶胶光学厚度进行了反演。提出了用EVI植被指数判定暗像元精细化反演气溶胶光学厚度的方法,该方法能较好地去除部分大气影响,气溶胶光学厚度反演结果与CE318的气溶胶光学厚度结果相关性较高,误差较小,具有较高的精度,反演结果满足精细化要求。反演结果表明,四川盆地内有德阳、成都、眉山和乐山4个气溶胶光学厚度高值区,该高值区呈带状分布且与四川盆地的地形密切相关。     

Water Management Applications for Satellite Precipitation Products: Synthesis and Recommendations

This article is an assessment of the current state of the art and relative utility of satellite precipitation products (SPPs) for hydrologic applications to support water management decisions. We present a review of SPPs, their accuracy in diverse settings including the influence of geography, topography, and weather systems, as well as the pros and cons of their use for different water management applications. At the end of this broad synthesizing effort, recommendations are proposed for: (1) SPP developers to improve the quality, usability, and relevance of precipitation products; and (2) SPP users to improve the reliability of their predictions and hydrologic applications to better support water management.     

全球和东亚地区CH4浓度时空分布特征分析

利用最新的AIRS卫星观测资料分析了2002年12月~2016年11月全球和东亚地区（70°~140°E,10°~55°N）CH₄浓度的时空变化分布特征.研究发现,2003~2016年,全球CH₄年平均浓度从1774.2×10^-9增加到1789.1×10^-9,年增长率约为1.1×10^-9/a;东亚地区CH₄年平均浓度从1811.5×10^-9增加到1841.0×10^-9,年增长率约为2.0×10^-9/a.在美国西南部、南美洲南部、澳大利亚东南部、中国青藏高原和东北地区等地上空,CH₄浓度增幅比较明显,而在北美洲的东北部上空,CH₄浓度出现负增长.北美洲东北部和俄罗斯东部等地上空CH₄浓度的变化与温度变化呈正相关;如在冬季,该地区温度与周围地区相比更低,同时CH₄浓度更低.本文利用近10a的卫星数据获得了CH₄浓度的垂直廓线,显示不同纬度带CH₄浓度均随着高度的升高逐渐减小,且高纬度地区CH₄浓度减小的最快.近年来,在低纬度地区对流层中低层CH₄浓度变化较为明显.在对流层低层（850hPa）,北半球CH₄浓度随着纬度增加逐渐变大;在南半球则随着纬度增加先减小后变大.而在平流层内,CH₄浓度在赤道处最大,且随着纬度的升高逐渐减小.此外,CH₄的浓度分布存在明显的季节变化：在北半球,大部分地区夏季CH₄浓度高于冬季（约20×10^-9~40×10^-9）,但在撒哈拉沙漠和中国新疆塔里木盆地等地区上空,冬季CH₄浓度高于夏季（约40×10^-9~60×10^?9）.在冬季,中国四川西部上空的CH₄浓度要比青藏高原上空高（约100×10^-9~120×10^-9）.     

2005~2016年中国大气边界层SO2的时空变化趋势

利用臭氧观测仪（OMI）卫星遥感反演的大气边界层（PBL）SO₂柱含量（PBL SO₂）数据分析了自2005年以来中国PBL SO₂柱含量数据的空间分布特征、变化趋势及其影响的原因.从长时间尺度上,PBL SO₂柱含量呈现明显的下降趋势.2005年中国区域年平均PBL SO₂柱含量为0.317DU,2016年为0.276DU,减少了0.041DU,大约为13.2%.SO₂柱含量呈现明显的周期变化特征.冬季浓度较高,夏季较低,最小值和最大值分别出现在7和12月,分别为0.246和0.404DU.小波分析显示SO₂的变化在10个月的尺度水平上存在明显的主振荡周期,在40个月的尺度水平上存在明显的次周期变化.中国区域SO₂污染严重的高值区主要出现在京津冀鲁环渤海地区、关中平原（山西省和陕西省）、河南省大部分地区、四川盆地、长江三角洲地区和珠江三角洲.最大的SO₂柱含量值可达1.1DU以上.京津冀鲁环渤海地区的高值区已经延伸到长江三角洲地区,有向南延伸和珠江三角洲连在一起的趋势.由于地形和天气特征的影响,四川盆地地区SO₂出现次高值区.在青藏高原和西北地区,SO₂浓度较低,呈现背景值特征,多年平均的SO₂约在0.05DU的水平.中国区域SO₂变化趋势在空间分布上存在明显的区域差异,变化的范围在-0.70~0.15DU之间.SO₂出现逐渐减少的地区主要是在高值区,如京津冀鲁环勃海地区、关中平原、四川盆地,长江中下游和珠江三角洲.减幅最大的是四川盆地和珠江三角洲,大约减少了61%.四川盆地2005~2016年约减少了0.55DU;珠江三角洲约减少了0.45DU.出现增长的地区主要是西部和北部地区,以及东南沿海除珠三角外的大部分区域,最大增长大约为0.15DU.     

基于机器学习和卫星遥感的PM2.5/10 空间连续分布反演方法研究

在过去的几十年里,快速的经济发展以及工业化、城镇化进程加速使得中国的资源环境承担的压力不断加大。作为影响空气质量的首要污染物,PM_2.5和PM₁₀（记为PM_2.5/10）直接影响着广大人民群众的身体健康。因此,针对PM_2.5/10浓度进行遥感反演研究,对环境监测和控制改善全国空气环境质量具有重要的意义。近些年来,随着对近地面PM_2.5/10浓度研究的不断深入,基于遥感影像数据进行PM_2.5/10浓度的反演方法也日益增多。本文利用Google Earth engine（GEE）平台获取了海量的Landsat 8 OLI遥感影像数据,并结合气象信息、空间特征等参数,采用机器学习中常用的多层映射反向传播神经网络构建了波段反射率与PM_2.5/10浓度之间的反演模型,以获得PM_2.5/10在研究区域的连续分布。为了提高基础PM_2.5/10反演模型的反演精度,还从影响因素和前溯时间两个维度出发,探寻了模型的最优化输入参数组合,并最终实现了对PM_2.5/10浓度的精准反演。以北京市地区为例,模型的PM_2.5和PM₁₀的反演精度R²分别达到0.814和0.796,均方根误差RMSE分别为19.21 μg?m^?3和28.31 μg?m^?3。鉴于该反演结果具有较高的准确性和可靠性,本文所建立的方法模型为研究PM_2.5/10在空间上的连续分布特征提供了新的思路和方法,具有较为重要的科研意义与广泛的应用价值。     

GPM卫星降水数据在天山山区的适用性分析

卫星降水产品在山区的适用性具有较高的不确定性。论文基于天山山区2014-2015年167个气象站点数据,应用较为广泛的两套卫星降水产品--TRMM与CMORPH,选用均方根误差（RMSE）、相关系数（R）、相对误差（PB）,以及分类统计分析指标（错报率FAR、探测率POD、公正先兆评分ETS、频率偏差BIAS）等,评估了新一代卫星降水产品--Global Precipitation Measurement（GPM）在天山山区的适用性。结果表明：相对于以上两种产品,GPM在山区的精度最高。具体表现在：1）3套产品在降水较多的夏秋季均表现较好,相对于TRMM与CMORPH,GPM与观测数据的相关系数最高（R≥0.6）,相对误差最小（PB≈10%）;2）在整个天山山区,GPM相对于其他两套产品表现出较低的误差范围（-55%~55%）;3）GPM在不同的高程带内,均表现出同观测站点较低的误差与较高的相关系数;4）3套降水产品均表现出对探测弱降水事件较高的准确性（POD≈0.58）和较低的错误率（FAR≈0.63）,但综合分析4种指数,GPM表现最佳,能够以较准确的精度和较低的误差估测降水系统。     

2014年河北中南部两次重霾天气成因分析

利用河北省环保局环境监测站提供的污染物浓度数据及常规气象观测数据、NCEP再分析资料,结合HYSPLIT4.9后向轨迹模式,对2014年10月上旬发生在河北省的2次大范围的重霾天气特征和成因进行综合分析.结果表明,这2次重污染天气过程PM_2.5地面浓度最大值出现在邢台,为507μg/m³,水平能见度不足1km.均压场的分布和较为平稳的高空形势为2次霾天气提供了有利的气象背景.高湿,静小风以及较低的混合层高度不利于污染物扩散,是导致这两次重污染天气持续的主要原因.结合卫星火点及污染物来源分析表明,河北南部及周边省份的秸秆燃烧加重了第2次过程的污染,污染气团的输送对区域性重霾天气产生重要影响.