基于多源数据的农业干旱监测模型构建

在全球气候变暖的大背景下,干旱事件发生越来越频繁,严重危害我国的粮食生产安全。构建准确的干旱监测模型不仅能够及时地反映出干旱事件的发生,同时可以为地方政府制定减灾保产措施提供科学支撑和保障。传统的气象干旱监测方法因为缺乏对植被本身需水状态和土壤供水信息的考虑旱情判定结果往往比实际情况偏重,而遥感监测指标大多只考虑了植被或土壤等单方面因素具有局限性,目前已有的综合干旱监测模型大多以气象指标为因变量,一方面需要数据资料较多参数复杂,另一方面模型准确度依赖于气象指标对当地农业干旱的响应能力,而同一气象指标在不同区域适应性存在差异,因此同样存在局限性。本文以河南省的冬小麦为研究对象,利用2001-2011年的EOS-MODIS数据产品以及气象站点监测数据,计算了标准化降水蒸散指数SPEI、植被状态指数VCI、温度状态指数TCI、温度植被状态指数TVDI,同时结合河南省农业气象灾害旬报对冬小麦受灾的记录,构建了基于决策树的定性农业干旱监测模型。测试集结果表明,模型综合了大气异常信息、植被状态信息以及土壤水分信息,优于单个指标的监测结果。另外,基于此模型监测了河南省2009年4-5月的干旱事件,结果与实情相符,能够较好地反映农业旱情的发生和空间演变情况。     

综合气象干旱指数在2009～2010年西南干旱的应用

为了研究气象干旱指数对西南干旱的监测状况,及干旱指数在西南地区的适用性,采用了中国气象局提出的气象干旱指数的计算方法,基于综合气象干旱指数,分析2009～2010年西南干旱的时空分布特征与适用性。研究结果表明:干旱事件具有3次逐渐加强和减弱的特征;旱情首先出现于云南东部和贵州中西部,云南中部旱情最重;秋季,相对湿润指数的监测与综合气象干旱指数的监测较为符合;冬季,降水量距平百分率的监测与综合气象干旱指数的监测比较吻合,标准化降水指数所反映的旱情偏重;综合气象干旱指数在旱情随时间的变化过程和空间分布特征方面较好地反映西南地区旱情,但要更准确地进行干旱监测,还需要在蒸散项、降水量权重、各单项系数方面进行修正。     

2010年中国西南旱情的时空特征分析——基于MODIS数据归一化干旱指数

 近年来,干旱灾害频繁发生,对区域内农业生产和生态环境造成了极大的破坏。为了快速准确地获取大面积地表土壤水分信息用以评估地表受旱程度,本文以2010年年初中国西南大旱为例,运用MODIS可见光-红外波段数据以及像元可信度综合生成了归一化干旱指数(NDDI)。同时,结合研究区内地面气象站点实测的土壤湿度数据验证了NDDI对地表土壤湿度的敏感度。结果表明:相比于植被状态指数(VCI)干旱监测模型,NDDI能更加灵敏地对浅层地表干湿变化做出迅速响应。最后,本文利用NDDI分析了2010年年初中国西南大旱旱情发展的时空演变过程,宏观上重现了此次旱情的发展历程,并使用该指数统计了不同时间节点、不同干旱等级下的贵州省土地受旱面积。结果显示:2010年1月-2010年4月为贵州省旱情最为严重的4个月,平均受旱面积达103 352km²,最大受旱面积达132 257km²,占贵州省总面积的75%以上。同时,旱情等级为重旱的土地面积最大达到88 246 km²,占贵州全境土地面积的50%以上。     

南方亚热带季风区将乐县森林植被动态变化及其对气候变化的响应

在全球气候变化背景下,植被动态变化以及植被对气候变化的响应方式已经成为生态学和地理学领域的热点。本文对比分析了南方亚热带季风区将乐县不同类型森林植被对不同时间尺度的干旱响应的差别。基于2000-2017年MODIS-EVI数据及气象站点数据,用最大值合成法、趋势分析法以及相关分析法,分析了森林植被及气象因子的动态变化特征,并对比不同森林植被对气候变化响应的差别。研究表明：① 2000-2017年,研究区植被覆盖度、EVI和降水均显著增加,区域内湿度增加,森林长势渐趋良好;② EVI在生长季初期和末期与同期的降水、温度均显著正相关（P<0.1）,初期森林受降水因子的影响更大,末期受温度因子的影响大;③ 1-3月和周年的气候变化对森林的生长至关重要,长时间尺度的湿度增加对森林生长具有显著的促进作用,SPEI的时间尺度越长与EVI的相关性也越大;④ 针阔混交林与同期温度、降水的相关系数最高,并且与不同时间尺度的SPEI相关性均比较高,属于气候敏感型林型,在生产经营中要谨慎预防气候变化对该林型带来的伤害;⑤ 森林覆盖度变化与降水和SPEI_24的相关性极显著,长时间尺度的降水变化是影响森林植被覆盖率变化的重要因素之一。     

基于植被状态指数的云南省农业干旱状况时空分析

本文首先计算了云南省2004-2013年农业干旱指数VCI,然后使用Pearson相关系数评价降水与VCI的相关性,基于VCI识别云南省2004-2013年农业干旱事件,最后,与SPEI气象干旱识别结果进行对比分析,在VCI农业干旱识别的基础上,使用干旱频率和干旱面积占比指标分析了云南省2004-2013年农业干旱时空特征。结果表明：降水只是影响VCI指数的关键因素之一;VCI和SPEI指数均能够较好对干旱进行监测并识别典型干旱,但两者的识别结果存在差异;云南省农业干旱频率在春冬两季较高,夏季较低,秋季介于夏季和春冬季之间;春夏冬三季农业干旱频率空间分布较为均匀,秋季农业干旱频率呈南低北高的分布态势,整体上北部干旱频率高于南部;2004-2013年云南省整体干旱面积占比呈现先减小后增加再波动的趋势,春冬两季整体干旱面积占比最高,分别为46.63%和47.18%,呈现下降趋势,夏季整体干旱面积占比最低,为43.81%,呈现上升趋势,秋季整体干旱面积占比介于冬春季和夏季之间,为45.74%,呈现下降趋势。总之,云南省农业干旱春冬易发性最高,影响范围最大,夏季易发性最低,影响范围最小。     

干旱遥感监测方法及其应用发展（可下载全文）

 干旱是世界上影响范围最广和造成社会经济损失最严重的一种自然灾害。本文从干旱遥感监测的不同角度出发,总结了目前干旱遥感监测的主要方法、应用状况及优缺点。主要包括针对裸土地表类型的热惯量法、微波法,针对植被覆盖地表类型的可见光、近红外、短波红外等波段反射率数据的归一化植被指数法、距平指数法、条件植被指数法、归一化差值水分指数、归一化干旱指数、植被供水指数等,以及热红外遥感数据的温度植被干旱指数、温度条件指数、作物缺水指数、水分亏缺指数等。最后,提出了加强干旱遥感监测技术研究的建议,同时指出将可见光和微波相结合的指数模型的研究是干旱遥感监测可能的发展方向。     

龙江流域下游南岸段遥感干旱监测研究

针对龙江流域下游南岸段干旱缺水的自然灾害现象,文章建立了新的基于温度植被干旱指数(TVDI)的遥感监测信息模型,并建立了干旱分级标准。经过反复试验结果表明,该干旱遥感监测模型对于区域性的干旱监测具有较好的实用性,可广泛用于干旱的监测、评估及预报工作。     

融合植被遥感数据的北京市次日花粉浓度预测

中国国土绿化状况公报指出,2010—2020年中国许多城市的绿化面积增加、绿化质量提高,可随之而来的影响人体健康的致敏性花粉风险也逐渐提高。本文利用遥感手段获得北京市乔木和草地生长区域平均植被叶面积指数（LAI）时间序列作为植被物候信息,并将其作为花粉浓度预测因子之一,结合日气象数据,使用具有外部输入的非线性自回归神经网络模型（NARXnet）,进行北京市次日花粉浓度的预测。结果显示：① 通过逐步回归计算,对于春季数据,日均气温3日平滑,积温,叶面积指数（LAI）和叶面积指数一阶导为次日花粉浓度预测的关键变量;对于秋季数据,日均气温、平均风速、最低日气温、日均气温3日平滑、积温和叶面积指数（LAI）为次日花粉浓度预测的关键变量;② 加入遥感物候信息可显著地提高NARXnet模型的春秋时段的花粉浓度的预测精度。使用本文提出的结合叶面积指数的NARX模型后,预测模型的总体精度为71%。由此,本研究认为在原有气象因子的基础上,辅之以用遥感技术手段获取的大面积植被物候信息,如叶面积指数动态,可作为预测次日花粉浓度的一种有效手段。     

长江流域陆地水储量异常的卫星重力监测与干旱指数对比分析北大核心CSCD

利用GRACE/GRACE-FO数据对长江流域2003~2021年期间发生的干旱事件进行定量分析,以探究卫星重力监测区域性干旱的可行性。采用3个机构发布的5种GRACE/GRACE-FO数据产品(CSR_SH、JPL_SH、GFZ_SH、CSR_M、JPL_M)反演长江流域陆地水储量异常(TWSA),计算陆地水储量亏损(WSD)和水储量亏损指数(WSDI),结合气象干旱数据(SPI、SPEI、scPDSI)对5种数据产品的结果进行比较,并对2003~2021年长江流域干旱事件进行分析。结果表明,不同机构发布的GRACE/GRACE-FO数据产品对长江流域干旱事件严重等级的划分具有一定差异;WSDI与6个月时间尺度的SPEI相关性最高,相关系数为0.66,与scPDSI相关系数最低为0.54,降水是影响长江流域陆地水储量变化的重要因素;长江流域最严重的干旱事件发生在2019年夏秋季,干旱强度为2.31,持续10个月,水储量累计亏损达到415 Gt,此次干旱事件的WSDI空间分布图显示2019-09干旱最为严重,出现极端干旱区域。WSDI可反映长江流域干旱分布的时空变化,可在监测全球和大尺度区域干旱方面发挥重要作用。     

基于神经网络模型的干旱区绿洲土壤盐渍化评价分析

土壤盐渍化严重制约了农业可持续发展和生态安全,土壤盐渍化的精确评价分析,对土壤盐渍化的改善和治理具有重要的意义。本文以新疆焉耆盆地为研究对象,Landsat8 OLI遥感影像和实测采样数据相结合,提取地下水埋深（GD）、盐分指数（SI）、地表蒸散量（SET）和改进型温度植被干旱指数（MTVDI）建立了土壤盐渍化评价模型。结果表明：①结合野外实测土壤盐分数据,对BP神经网络模型进行训练。最终以最优的4-4-1结构的3层BP神经网模型对研究区土壤盐渍化进行了预测（R²=0.864,RMSE=0.569）。相比传统多元线性回归模型（R²=0.741,RMSE=0.767）,神经网络模型对土壤盐渍化的预测精度更高;②土壤盐渍化分布与GD、SI、SET和MTVDI等存在较强的关联性,不同等级的土壤盐渍化是不同影响因素不同程度上组合而引起的结果,盐渍化土地主要分布在地下水位较低以及土地开垦之后没有利用的荒地区域;③整个研究区大部分区域受到不同程度的盐渍化影响,耕地退化为盐渍地导致该区域土壤盐渍化以及土壤次生盐渍化进一步加剧。     

STUDY ON FOREST FIRE DANGER MODEL WITH REMOTE SENSING BASED ON GIS

1　ＩＮＴＲＯＤＵＣＴＩＯＮＡｓａｎｉｍｐｏｒｔａｎｔｃｏｍｐｏｎｅｎｔｏｆｔｈｅｇｌｏｂａｌｔｅｒｒｅｓ ｔｒｉａｌｅｃｏｓｙｓｔｅｍｓ ,ｆｏｒｅｓｔｌｉｎｋｓｔｈｅａｔｍｏｓｐｈｅｒｅ ,ｓｏｉｌａｎｄｗａｔｅｒｔｏｇｅｔｈｅｒｔｈｒｏｕｇｈｉｔｓｐｏｗｅｒｆｕｌｅｃｏｌｏｇｉｃａｌｆｕｎｃ ｔｉｏｎ .Ｉｎｒｅｃｅｎｔｙｅａｒｓ,ｏｗｉｎｇｔｏｔｈｅｇｌｏｂａｌｗａｒｍｉｎｇａｎｄｈｕｍａｎｉｎｆｌｕｅｎｃｅ ,ｆｏｒｅｓｔｆｉｒｅｏｃｃｕｒｍｕｃｈｍｏｒｅｆｒｅｑｕｅｎｔｌｙ .Ｔｈｅａｎｎｕａｌｆ…     

Comprehensive drought monitoring in Yunnan Province,China using multisource remote sensing data

Development of drought monitoring techniques is important for understanding and mitigating droughts and for rational agricultural management. This study used data from multiple sources, including MOD13 A3, TRMM 3 B43, and SRTMDEM, for Yunnan Province, China from 2009 to 2018 to calculate the tropical rainfall condition index(TRCI), vegetation condition index(VCI), temperature condition index(TCI), and elevation factors. Principal component analysis(PCA) and analytic hierarchy process(AHP) were used to construct comprehensive drought monitoring models for Yunnan Province. The reliability of the models was verified, following which the drought situation in Yunnan Province for the past ten years was analysed. The results showed that:(1) The comprehensive drought index(CDI) had a high correlation with the standardized precipitation index, standardized precipitation evapotranspiration index, temperature vegetation dryness index, and CLDAS(China Meteorological Administration land data assimilation system), indicating that the CDI was a strong indicator of drought through meteorological, remote sensing and soil moisture monitoring.(2) The droughts from 2009 to 2018 showed generally consistent spatiotemporal changes. Droughts occurred in most parts of the province, with an average drought frequency of 29% and four droughtprone centres.(3) Monthly drought coverage during 2009 to 2014 exceeded that over 2015 to 2018. January had the largest average drought coverage over the study period(61.92%). Droughts at most stations during the remaining months except for October exhibited a weakening trend(slope 0). The CDI provides a novel approach for drought monitoring in areas with complex terrain such as Yunnan Province.     

融合土地覆盖和土壤水分产品的近地表空气温度空间化方法

空气温度是评价人居环境的重要指标,与人类的生产生活息息相关;其观测对于水文、环境、生态和气候变化等方面的研究具有重要意义。传统的大范围空气温度观测数据一般通过气象站点获取,但由于气象观测站点空间分布离散稀疏的特点,所获取的数据不能精确描述空间连续的空气温度变化情况。因此,实现基于遥感数据的近地表空气温度精准估算具有重要的现实意义。本研究基于精细的地表覆盖类型、空间连续的土壤水分、地表温度（LST）数据,并结合其他辅助数据,构建了近地表空气温度空间化模型,并对近地表空气温度影响因子进行评估,发现地表覆盖类型对近地表空气温度的影响最大,土壤水分为最活跃的影响因素,经验证,模型精度较高,R²接近0.85,RMSE为0.5℃。本研究获取的精确空间连续的近地表空气温度信息,能够充分表达其空间异质性,为农业气象灾害灾变过程监测、农作物生长过程模拟、区域气候变化分析等研究提供良好的近地表空气温度数据支撑。     

基于广义回归神经网络的京津冀地区土壤湿度遥感逐日估算研究

土壤湿度是地表水热交换过程和水文循环中的一个关键组成部分,获取高时空分辨率的土壤湿度数据一直是当前研究的热点。SMAP（Soil Moisture Passive and Active）主被动微波土壤湿度产品的精度高,但存在着空间分辨率低和时间分辨率缺失的问题,这限制了其在区域尺度上的应用,为解决这一问题得到更高时空分辨率的土壤湿度产品,本文利用广义回归神经网络模型（GRNN）模拟了MODIS地表温度、反射率、植被指数光学/热红外遥感数据以及高程、坡度、坡向、经纬度数据与SMAP土壤湿度的关系,从而将京津冀地区SMAP L2土壤湿度产品的时间分辨率由不连续（4~20 d）提升至1 d,空间分辨率由3 km提升至1 km,并扩展其在京津冀地区的空间覆盖范围。研究发现:① GRNN模型总体验证结果表明土壤湿度估算值与SMAP原始值的相关性较高（r=0.7392）,均方根误差（RMSE）为0.0757 cm3/cm3;② 不同季节典型日期的GRNN模型估算结果精度相差较大,春季处的相关性相比其他季节最低,精度相对较高（r_春=0.6152,RMSE_春=0.0653cm3/cm3）,秋季和夏季土壤湿度估算精度较为接近（r_夏=0.6957,r_秋=0.7053,RMSE_夏=0.0754cm3/cm3,RMSE_秋=0.0694cm3/cm3）,冬季的估算精度最高（r_冬=0.8214,RMSE_冬=0.0367cm3/cm3）;③ 2016年京津冀夏秋季节的土壤湿度较其他季节要显著提高,空间分布上坝上高原区域较低,而沿海地区的土壤湿度明显较高。本研究对京津冀地区的生态水文、气候预测以及干旱监测等应用领域具有重要价值。     

Assimilating ASAR data for estimating soil moisture profile using an ensemble Kalman filter

Active microwave remote sensing data were used to calculate the near-surface soil moisture in the vegetated areas. In this study, Advanced Synthetic Aperture Radar （ASAR） observations of surface soil moisture content were used in a data assimilation framework to improve the estimation of the soil moisture profile at the middle reaches of the Heihe River Basin, Northwest China. A one-dimensional soil moisture assimilation system based on the ensemble Kalman filter （EnKF）, the forward radiative transfer model, crop model, and the Distributed Hydrology-Soil-Vegetation Model （DHSVM） was developed. The crop model, as a semi-empirical model, was used to estimate the surface backscattering of vegetated areas. The DHSVM is a distributed hydrology-vegetation model that explicitly represents the effects of topography and vegetation on water fluxes through the landscape. Numerical experiments were con- ducted to assimilate the ASAR data into the DHSVM and in situ soil moisture at the middle reaches of the Heihe River Basin from June 20 to July 15, 2008. The results indicated that EnKF is effective for assimilating ASAR observations into the hydrological model. Compared with the simulation and in situ observations, the assimilated results were significantly improved in the surface layer and root layer, and the soil moisture varied slightly in the deep layer. Additionally, EnKF is an efficient approach to handle the strongly nonlinear problem which is practical and effective for soil moisture estimation by assimilation of remote sensing data. Moreover, to improve the assimilation results, further studies on obtaining more reliable forcing data and model parameters and increasing the efficiency and accuracy of the remote sensing observations are needed, also improving estimation accuracy of model operator is important.     

一种森林火险预报方法研究——以山东省为例

可燃物含水率、空气温度、相对湿度、人口密度是林火预报中重要因子,将这些因子构建综合火险指数模型,该模型包括三个部分:植被火险敏感指数(FSI)、归一化天气火险指数(NWDI)、人口火险概率指数(PDI)。详细介绍模型各部分的计算方法,将该模型与遥感、GIS相结合,开发综合森林火险指数预报系统,制作2010年10月～2011年9月山东省综合火险指数图,并与实际火灾发生情况进行对比,结果表明,该模型能够取得较好的预测结果。     

土壤水分微波反演方法进展和发展趋势

土壤水分是连接地表水循环和能量循环的关键参量,精确获取该参量对于理解气候变化、地表水文过程、地气间能量交换机理等具有重要意义。微波遥感由于其较为合适的探测深度和坚实的理论基础在观测地表浅层土壤水分上具有很大优势,结合反演方法可以获取空间连续的土壤水分含量,有助于更加客观认知土壤水分的时空演变机理。随着微波遥感数据的不断丰富,多种微波遥感土壤水分反演方法相继涌现,为了更好地了解其发展和趋势,本文总结了当前土壤水分微波反演常用的卫星遥感数据并分析其发展趋势,后从主动微波反演、被动微波反演和多源协同反演3个方面梳理了各类土壤水分微波反演方法的原理、发展和优缺点,最终总结出目前微波遥感土壤水分反演方法的发展趋势：即土壤水分微波反演方法的时空普适性逐渐增强、面向高时空分辨率的土壤水分微波协同反演方法快速发展以及土壤水分微波反演方法的智能化水平不断提高。     

克里格法的土壤水分遥感尺度转换

 尺度效应往往会制约着定量遥感反演的精度,对地学信息进行空间尺度转换是生产实践的必然要求,而常用的尺度转换模型多利用光谱数据进行差值计算,不适合升尺度和降尺度转换。由于土壤含水量数据具有区域变化量的随机性和结构性特点,本文以15m分辨率的ASTER图像像元为基本单元,采用点克里格法完成ASTER 15m至7.5m分辨率的土壤含水量数据降尺度转换,从分维数的相似程度上来看,转换结果是合理的;并利用块状克里格法对地面实测样点数据进行点到7.5m分辨率的面数据升尺度转换,将升尺度和降尺度转换结果与实测样点均值相比较,结果表明:7.5m分辨率的实测样点土壤水均值误差在1.5782-5.019之间,块状克里格法获取的升尺度土壤含水量数据与点克里格法获取的降尺度土壤含水量数据之间误差则为1.2825-5.0481,可见克里格法考虑了点与周边的关系,所获得的土壤含水量值要优于未考虑空间异质性的土壤含水量平均值。