天山季节性积雪的能量平衡研究和融雪速率模拟

本文采用能量平衡法模拟计算中国西部天山山地季节性积雪的融雪速率。结果表明:在融雪期,净辐射和感热通量分别占融雪能量输入的75.3%和22.6%;用于融雪和雪面蒸发所消耗的能量分别占吸收能量的95.1%和4.9%。用能量平衡法所计算的融雪速率和实测的雪面数据吻合的较好,表明用能量平衡法估算天山山地季节性积雪的融雪速率是可行的。     

中国天山西部山地积雪辐射平衡研究

本文给出了1986-1987年冬春两季积雪辐射平衡的数据以及积雪辐射平衡与短波辐射平衡、长波辐射平衡的同步变化关系;指出了短波辐射平衡对融雪的积极作用,强调了积雪反射率对融雪过程的负反馈机制;并将积雪辐射平衡与融土辐射平衡进行了类比;从能量平衡的观点对不同容重的积雪融化速率进行了分析.该文的结果对研究积雪融化具有重要意义。     

新疆北疆地区融雪洪水灾害预警模型的建立与验证

结合新疆北疆地区春季融雪洪水的特点以及当地的经济、社会现状,将影响新疆春季融雪洪水灾害大小的主要因素划分为自然、经济、人口、防洪设施贡献四大类因子,对这四大类因子进一步细化,经过量化处理成为相应的指数,综合各类指数,构建出度量融雪洪水灾害大小的预警指数模型.采用呼图壁县军塘湖流域历史洪水灾害资料对该预警指数模型进行验证,得到较好的效果.通过对导致预警产生偏差的影响因素进行分析表明,由于经济因子指数的估计受主观影响较强,该模型无法验证北疆地区所有情况.随着监测的不断深入,并与积雪遥感监测相结合可以进一步提高模型的预测精度.总之,该预警模型的建立有助于新疆春季积雪的监测和评估,可以有效减少春季洪水损失,保护当地人民生命财产安全,为融雪洪水的预警提供决策依据,具有显著的社会效益和经济效益.     

基于NDSI-Albedo特征空间的MODIS积雪丰度信息反演方法研究

积雪是新疆地区重要的水源补给,是冰冻和融雪洪水灾害的直接原因,也是水资源管理、气候变化、灾害防治和融雪模拟预报的主要参数。针对多种积雪信息提取方法的优缺点,提出运用特征空间方法,构建积雪丰度反演模型,并与支持向量机提取积雪丰度进行精度对比分析,NA模型方法的相关系数（R²）值比支持向量机方法高2.4百分点,而均方根误差（RMSE）提高了0.106。结果表明：利用归一化差分积雪指数（NDSI）和反照率（Albedo）建立二维特征空间反演积雪丰度的方法是可行的,并且提取精度优于支持向量机（SVM）方法。因此,该方法对水资源管理、气候变化以及洪水模拟预测等方面的研究具有一定参考意义。     

季节性冻土水热对融雪及气温的响应

近年来,随着气候变化,伊犁河谷积雪消融加快,极端水文事件的频度和强度也在加大。通过利用中国科学院天山积雪站附近小流域的土壤水热和积雪融雪观测数据,对研究区积雪消融规律、冻土水热变化特征及其对气温和融雪量的响应进行了分析。结果表明:在冻土融解阶段,土壤温度的变化依赖大气温度的变化,而土壤水分受融雪量和气温的影响较大,高度相关。表层土壤含水率的变幅最大,而深层土壤水分值较稳定,土壤水热的季节性变化自秋-冬-春大致呈现"下降-平稳-上升"的趋势。在冻土层上边界,土壤含水率随着累积融雪量的增加而增加并达到饱和值,而冻土层下边界(40 cm深度)土壤水分保持非饱和稳定状态。在山区,降雪量是水资源形成的主要来源。融雪量与大气温度的相关性显著(系数为0.785),融雪量对水资源形成的贡献率为40%左右。研究冻土水热对融雪和气温的响应过程,对于新疆水资源形成机理、转化利用以及洪水预报具有重要的参考价值。     

基于气温变化的简易融雪模型研究

在干旱区,冰雪融化是水资源形成的主要来源,为此,积雪资源的形成、转化与利用是新疆水资源开发利用研究的重要内容,而水文模型是水资源形成与转化量确定的关键途径。以中国科学院天山积雪站野外试验区为研究基地,以气象数据为自变量,以融雪量为因变量,研究了基于气温变化的融雪模型,并对所建单因素简易模型进行了率定和验证,同时分析了试验区多年融雪变化规律以及融雪对气温的响应过程。结果表明：在一定的低温状态下,冬季仍有融雪发生,在天山山区本项目研究流域积雪消融的日平均气温临界值约为-7℃,当日平均气温低于-7℃时,融雪基本处于暂停状态,体现了干旱区融雪特征。在模型方面,基于气温构建的单因素简易融雪模型在模拟山区融雪量时呈现出良好的代表性,在率定期（2016—2020年）,融雪量观测值与模拟值间的相关性参数偏差、平均绝对误差、均方根误差、纳什效率系数和决定分别为-0.037、0.367、0.482、0.870和0.876;而验证期的值分别为-0.210、0.292、0.577、0.845和0.811。验证期的模拟结果和相关性系数显示,该模型的模拟值与观测值具有良好的一致性和稳定性,其优点是通过易获取的气象...     

基于反射率和亮度温度的锡林郭勒积雪深度估算

积雪是我国西北干旱半干旱区重要的水资源，也是影响全球气候变化的重要因子之一。 目前光学影像反射率和雷达亮温数据是积雪遥感领域的主要数据，本文首次结合两类遥感数据估 算积雪深度，并比较偏最小二乘法和机器学习算法（人工神经网络、支持向量机和随机森林算法） 在积雪深度估算方面的表现。以锡林郭勒盟 2012—2015 年积雪深度数据为例，基于反射率和亮度 温度相结合的积雪深度估算精度优于单个数据源，且随机森林算法表现最好，均方根误差为 2.93 cm，满足实际应用的需求。研究结果对我国西北地区水资源分布、生态环境评估等研究具有重要 意义。     

库玛拉克河流域盛夏最大可能融雪雪量估算

利用2002-2008年6~9月EOS/MODIS卫星晴空资料,计算分析了融雪期库玛拉克河流域的积雪面积、覆盖率、雪深及雪水量;利用气象、水文台站的观测资料,对2002-2008年积雪变化与气象因子间的相互关系,2002-2008年7次洪峰时间段内最高温度的有效作用时间和12 h降水的有效影响时间等进行了分析与研究。结果表明：2002-2008年盛夏库玛拉克河流域高温融雪的主导作用比较明显,当流域内山区积雪量在5.5×108 m3以上、0 ℃层平均高度上升到4 500 m以上并且能维持4 d,库玛拉克河流域融雪型洪水的融雪量可达1.8×108~10.3×108 m3,夏季0 ℃层高度的变化可作为融雪型洪水预测的较好指标。2002-2008年这个历史时期实际积雪融化后产生的雪水当量9.88×108 t,全部融化后产生的最大可能雪水当量小于11.18×108 t;这个历史时期理论最大可能积雪融化后产生的雪水当量为17.55×108 t,全部融化后产生的雪水当量小于17.75×108 t。估算实际融化和理论融化的雪水当量,可为积雪融化后产生的最大洪水量估算提供数据支持。     

天山巩乃斯河谷融雪期积雪物质平衡初步研究

本文利用１９９４年３月中，下旬在中间科学院天山积雪雪崩研究站（以下简称积雪站）野外观测到的部分资料，对融雪期季节性积雪的物质平衡进行初步分析，同时利用物质平衡方程对积雪日融出量进行计算。     

中国天山西部山区森林积雪消融过程观测分析——以巩乃斯河谷为例

通过对2013年春季中国科学院天山积雪与雪崩研究站区内阳坡无林地和阴坡不同开阔度森林内积雪深度、融雪速率以及常规气象的观测,分析了融雪期不同开阔度森林积雪的消融过程以及积雪表面能量平衡特征。结果表明:不同开阔度林冠下积雪深度具有相同的变化趋势,森林的林冠开阔度越大,林下积雪深度越大,林下积雪开始消融和完全消融的时间越晚,消融期也越长。森林积雪融雪开始和结束时间比阳坡无林地区晚20~30 d左右。融雪前期林冠开阔度越大,其林下融雪速率越小。融雪后期则森林开阔度越大,森林积雪的融雪速率越大。不同时期由于不同开阔度林冠下雪面能量收支以及雪层深度等物理特性的差异,从而使不同开阔度林冠下森林积雪融雪速率的相对大小,融雪速率最大值出现时间和日变化特征均不相同。晴天森林积雪的消融速率和日变化特征取决于净短波辐射和长波辐射变化特征。降水期间,其融雪速率的变化则主要受降水形式、降水量以及积雪深度等雪层特性的影响。     

基于遥感驱动分布式时变增益水文模型

提出了一个完全采用遥感数据驱动的分布式时变增益水文模型,该模型通过融雪、产汇流等水文过程计算,给出流量的雪盖、蒸散发、径流等水文要素。在拉萨河流域,该模型采用遥感USGS-SRTM的3秒DEM、遥感TRMM(The Tropical RainfallMeasuring Mission)降水、Modis-LST(Land Surface Temperature)数据,建立分布式水文模型,模拟了2001-2008年日水文过程。模拟结果效率系数接近0.7,相关系数接近0.8,水量平衡误差5%以内。说明完全依靠遥感驱动水文模型进行水文水资源模拟可行。该模型为解决高寒山区无资料或缺资料地区水文水资源问题提供了一个新方法。     

基于MODIS数据的北京西北部地区土地覆盖分类研究

本文主要基于MODIS 16天合成的NDVI时间序列数据、8天合成 LST数据、1∶5万DEM数据以及其他辅助数据相结合,进行北京西北部地区土地覆盖分类的研究。首先选取适合于MODIS数据分类的土地覆盖分类系统,然后用PCA方法对NDVI时间序列数据进行信息增强与压缩处理,以排除各种干扰因素,提高分类精度。最后结合LST数据、DEM数据及降雨温度数据,利用?齂-均值非监督分类法,进行研究区的土地覆盖分类,经过分类后处理,得到北京西北部地区的土地覆盖分类图。分类结果表明,使用250m分辨率MODIS数据,结合本文所用方法,能够实现较大区域的土地覆盖分类,并且能达到较高的分类精度。     

基于遥感的黄河三角洲蒸散的动态分析

Evapotranspiration (ET) is an important parameter for water resource management. Compared to the traditional ET computation and measurement methods, the ET computation method based on remote sensing has the advantages of quickness, precision, raster mapping and regional scale. SEBAL, an ET computation model using remote sensing method is based on the surface energy balance equation which is a function of net radiance flux, soil heat flux, sensible heat flux and latent heat flux. The former three fluxes can be computed through the parameters retrieved from remote sensing image, then the latent heat flux can be obtained to provide energy for ET. Finally we can obtain the daily ET. In this study SEBAL was applied to compute ET in the Yellow River Delta of China where water resource faces a rigorous situation. Three Landsat TM images and meteorology data of 1999 were used for ET computation, and spatial and temporal change patterns of ET in the Yellow River Delta were analysed.     

Dynamic analysis of evapotranspiration based on remote sensing in Yellow River Delta

Evapotranspiration (ET) is an important parameter for water resource management. Compared to the traditional ET computation and measurement methods, the ET computation method based on remote sensing has the advantages of quickness, precision, raster mapping and regional scale. SEBAL, an ET computation model using remote sensing method is based on the surface energy balance equation which is a function of net radiance flux, soil heat flux, sensible heat flux and latent heat flux. The former three fluxes can be computed through the parameters retrieved from remote sensing image, then the latent heat flux can be obtained to provide energy for ET. Finally we can obtain the daily ET. In this study SEBAL was applied to compute ET in the Yellow River Delta of China where water resource faces a rigorous situation. Three Landsat TM images and meteorology data of 1999 were used for ET computation, and spatial and temporal change patterns of ET in the Yellow River Delta were analysed.     

基于MODIS影像的土地覆被分类研究——以京津冀地区为例

在全球变化研究中,如何快速、准确获取土地覆被信息对该项研究有着至关重要的作用.随着遥感科学的不断发展和应用领域的深入,研究者可以利用遥感影像进行土地覆被分类研究,并且具有准确、快速、自动化等优点.本文利用MODIS数据具有的多光谱、多时相特点,以京津冀地区为例,选取2013 年全年16-day 的MOD13Q1/EVI时间序列数据、2013 年5 月份一期的MOD09Q1(1、2 波段)和MOD09A1(3-7 波段)产品,并运用时间序列谐波分析法对全年MOD13Q1/EVI 时间序列数据进行去云、去噪的平滑重建处理,使其数据更能反映物候周期性变化规律.选择谐波分析后的全年MOD13Q1/EVI 时间序列数据、MODIS数据的1-7 波段地表反射率和NDWI(归一化差异水体指数)、MNDWI(改进归一化差异水体指数)和NDSI(土壤亮度指数),构建了3 种特征变量组合方案的CART决策树,分别进行京津冀地区的土地覆被分类研究.结果表明:方案一(全年EVI 的23 个时相)、方案二(方案一+MOD09 的1-7 波段地表反射率)和方案三(方案二+MNDWI+NDSI+NDWI)的总体分类精度分别达到86.70%、89.98%、91.34%,Kappa系数分别为84.94%、88.66%、90.20%.研究表明,仅利用MODIS遥感影像自身多种分类特征和决策树方法对宏观土地覆被分类就可达到较高精度,显示了本文分类方法在实践中的可行性及MODIS数据在区域尺度土地覆被分类研究方面的优势与潜力.     

分布式水文模型结合遥感研究地表蒸散发

地表蒸散发是研究土壤-植被-大气系统水热平衡的关键因子。用改进的DHSVM分布式水文模型对汉江上游子午河流域蒸散发进行模拟。根据流域特点,主要进行TM遥感数据的大气校正和几何校正,在此基础上得到叶面积指数和土地覆盖等地表参数;再利用GIS技术基于DEM求出坡度、坡向和地形指数等因子。分析了蒸散发时空分布特征,表明日尺度蒸散发空间分布差异较大。初步验证了结果,表明模型在中国典型湿润区小流域取得较好效果。     

基于高光谱数据的天山北坡积雪孔隙率反演研究

以新疆天山北坡中段典型流域季节性积雪为研究对象,基于高光谱遥感监测技术,分析了融雪期积雪孔隙率与光谱反射率的相关性。采用偏最小二乘法(PLS)对相关性较高的波段进行压缩,并提取贡献率最高的前四个主成分,以此用来确定神经网络的隐含节点数、输入层、输出层的初始权值,建立PLS-BP模型进行积雪孔隙率反演研究。结果表明:当隐含节点数为3,模型的线性确定相关系数(R²)较高为0.9159,RMSE为0.04,相对误差为0.23。与传统偏最小二乘回归(PLSR)、主成分回归(PCA)建模方法相比,精度较高,所建定量模型可用于高光谱遥感反演积雪孔隙率。     

城市地表热通量遥感反演及与下垫面关系分析

选择日本埼玉县熊谷市为研究区,应用ASTER热红外遥感图像,采用PCACA模型以及理论定位算法,对城市地表热通量的相关参数进行反演,进而分析城市下垫面不同土地覆盖类型对地表热通量以及能量平衡的影响.结果表明,PCACA模型应用于城市区域地表通量估算是可行的.这种算法可以大大减少在下垫面结构复杂的城市区域进行地表热通量估算时所需的参数,并有效降低研究结果的不确定性.研究发现,城乡不同下垫面地表覆盖类型对地表热通量的影响差异显著.不同地表下垫面类型的波文比由大到小顺序依次为:工业用地＞住宅用地＞交通用地＞公共设施用地＞旱田＞公共绿地＞水域.在相同的外部气象条件下,与城市周边的植被覆盖区相比,城市人工建筑用地具有较高的显热通量,较低的潜热通量,以及较高的波文比.由于城市地表显热通量和波文比明显高于周边植被覆盖地表,导致城市地表向低层大气供热的增加,这是城市热岛效应形成的重要机制之一.     

全球及区域模式中陆面过程的地表植被覆盖分类方法

全球和区域尺度上陆面生态系统与气候密切相关。全球和区域模式的发展对于我们认识气候与陆地生态的变化起到重要作用。在这些模型中，植被覆盖是影响大气-植被间热量、水分和CO2等交换的重要陆面参数。在分析了陆地植被覆盖分类原理基础上，介绍了目前全球不同植被覆盖分类方案，包括基于地基观测的植被分布、基于生物气候特征的分类方案（如：Holdridge的方案）；特别近年来陆面过程试验表明，各种遥感数据源（如：NOAA—AVHRR，EOS—MODIS，Landsat—TM）等为我们提供了有利的工具来监测全球植被动态，完善植被分类，并且采用高时空分辨率的全球土地覆盖状况特征，在不同时空尺度揭示植被-大气相互作用。本文分析了代表性的3种基于卫星遥感技术的陆面植被分类方案，分别是BATS（18类）、SIB（9类）、SIB2（12类）和BIOME—BGC（31类）陆地模式的植被覆盖分类方案．最后分析了目前可用于全球植被覆盖分类的新的遥感数据库。