基于背景知识的全球长时间序列反照率反演

全球范围时空连续的长时间序列地表反照率,对气候模拟与陆面过程研究具有重要意义。针对现有地表反照率产品普遍存在大量的数据缺失、有效反演比例低和时间序列短的问题,本文以多年MODIS和AVHRR数据,通过构建背景知识库进行高时间分辨率的AVHRR和MODIS数据的BRDF参数反演,实现MODIS与AVHRR数据在像元尺度上的定量融合,生成了全球时空连续长时间序列的地表反照率产品。首先,通过假设不同年份同一时期的地表状态不变,利用多年同一时期的MODIS和AVHRR观测数据构造多角度方向反射率,基于BRDF模型反演得到窄波段反照率;然后,通过宽波-窄波转换,得到MODIS的宽波段反照率;最后,结合AVHRR长时间序列优势及MODIS数据多光谱的特点,对二者进行定量融合,生成具有高度一致性长时间序列地表反照率产品。验证结果表明,本文地表反照率产品在地表异质性较小时与SURFRAD地面实测反照率之间具有非常好的一致性,在无积雪覆盖时与MODIS反照率产品之间吻合良好。本文的地表反照率产品无时空缺失,且时间覆盖率得到了极大的提高,能支持气候模式模拟与陆面过程模型进行近30 a来的地气系统模拟研究。     

基于LTDR AVHRR和MODIS观测的全球长时间序列叶面积指数遥感反演

叶面积指数是描述土壤-植被-大气之间物质和能量交换的关键参数,获取大区域长时间序列叶面积指数有助于研究气候变化条件下植被的响应及反馈。本文利用MODIS观测和经过重新处理的地表长时间数据集（Land Long Term Data Record）LTDR AVHRR数据,生成了全球1981-2012年叶面积指数数据。算法通过建立二者之间像元级关系,利用高质量MODIS观测约束历史AVHRR数据的反演,这有助于减小2种存在显著差别传感器反演结果的不一致性,也有助于提高AVHRR反演质量。首先算法利用高质量MODIS地表反射率反演2000-2012年叶面积指数,然后利用多年每8 d的LTDR AVHRR地表反射率数据计算简单比植被指数（Simple Ratio,SR）,利用SR平均值和MODIS LAI平均值建立像元级AVHRR SR-MODIS LAI关系。在此基础上,实现1981-1999年AVHRR LAI反演,最终得到全球1981-2012年叶面积指数数据。本算法反演的AVHRR和MODIS LAI与全球植被的空间分布吻合,能表征主要生物群系类型的季节变化特征,2个数据集一致性较好,并且与NASA MODIS LAI标准产品（MOD15A2）的空间分布和季节变化曲线吻合较好。     

整合DMSP/OLS和NPP/VIIRS夜间灯光遥感数据的长江三角洲城市格局时空演化研究

本文基于1992—2012年DMSP/OLS和2012—2018年NPP/VIIRS夜间灯光遥感数据,对长江三角洲城市群时空演化格局进行监测。考虑到不同卫星夜间灯光遥感数据之间的不一致性以及城市核心区亮度过饱和问题,对DMSP/OLS和NPP/VIIRS数据进行连续性校正、去饱和处理和一致性校正,构建长江三角洲区域1992—2018年长时间序列多源夜间灯光遥感数据集。利用二分法基于该数据逐年提取长江三角洲城市群各城市建成区空间分布,计算加权标准差椭圆和Zipf系数进行重心变化和方向性分布变化、规模体系变化等监测。结果表明： ① 本研究采用的连续性校正、去饱和处理和一致性校正方法能够构建稳定的长时间序列多源夜间灯光遥感数据集; ② 基于二分法提取的建成区面积平均绝对误差为6.85 km²,平均相对误差为8.10%; ③ 长三角城市群重心较为稳定,始终在苏州市境内的太湖沿岸附近,呈现出向东南方向移动的趋势城市群呈西北—东南方向分布,且分布方向有向南北方向转动的趋势,标准差椭圆的扁率持续减小,表明城市群的方向性分布减弱; ④ Zipf系数始终在1附近且呈缓慢降低的趋势,城市规模分布较为均衡。     

中国大陆地区ERA5下行短波辐射数据适用性评估与对比

ERA5地表下行太阳短波辐射数据是欧洲中期天气预报中心（ECMWF）最新的,具有高时空分辨率的再分析产品,该短波辐射产品可作为陆面模式大气强迫数据之一,并在区域气候评估、农业以及太阳能资源等方面具有重要应用。本文利用中国区域2011—2018年经过质控的91个国家级地面辐射站点观测数据,对其在中国大陆地区的适用性进行多时空尺度的评估,并与ERA-Interim、CFSR、MERRA2共3套全球大气再分析产品和1套CERES卫星反演SYN1deg的产品进行了比较。结果表明：① 在月均值尺度上,与其他再分析产品比较,ERA5产品与站点数据的Corr最高（0.939）,RMSE最小（28.309 W/m²）,Bias（15.4 W/m²）略大于ERA-Interim产品（13.2 W/m²）;CERES卫星反演产品与站点数据的Corr为0.955,RMSE为20.042 W/m²,Bias为5.3 W/m²;② 5套产品的辐射值均高于地面观测数据,存在高估现象,总体上,ERA5产品在中国大陆地区的整体精度高于其他再分析产品,但与CERES卫星反演产品还存在一定差距,日均值比较结论亦具有相似规律。③ 分区评估结果表明在再分析产品中,ERA5产品在4个区域与观测数据都有更好的一致性,但5套产品均在南部区域表现不佳。并且与东北和北部区域相比,ERA5产品和CERES卫星反演产品在西部区域和观测数据相比的RMSE和Bias也相对偏大。     

MODIS和GLOBCOVER全球土地覆盖数据集对比分析——以黑龙江流域为例

 随着全球气候变化的日益加剧,全球变化研究对全球土地覆盖数据的需要也越来越迫切。目前全球土地覆盖数据产品主要包括由欧洲和美国生产的5类数据产品,其中,美国波士顿大学生产的全球土地覆盖数据产品(即MODIS数据集)和欧洲空间局通过全球合作生产的全球土地覆盖数据产品(即Globcover数据集)具有较好的实效性,应用越来越广泛。由于数据来源、分类系统和分类方法不同,两个数据集在土地覆盖类型的数量和空间分布上有明显的差异。本研究从数据使用者的角度,对比了MODIS和Globcover数据集在黑龙江流域上数量和空间分布的差异,并采用LANDSAT TM/ETM+影像随机采样和野外照片验证两种方式对两个数据集的分类精度进行了验证。结果表明,在黑龙江流域,两个数据集数量和空间分布差异较大。在数量上,两个数据集一级土地覆盖类型均以森林和农田为主,草地次之,但二级土地覆盖类型差异较大。在空间上,二级类空间一致性区域和一级类空间一致性的区域分别仅占流域的22.5%和53.6%。两个数据集精度均不高,一级土地覆盖类型精度约为60%,Globcover数据较MODIS数据破碎化明显,整体精度略低于MODIS数据集,不同的二级土地覆盖类型精度不同。考虑到黑龙江流域的代表性,我们认为Globcover数据集和MODIS数据集可满足较低要求的土地覆盖分析需求。本研究为全球气候变化研究选择合适的数据集提供了基础。     

改进DINEOF算法在中国渤海叶绿素a遥感缺失数据重构中的应用研究

叶绿素a（chl-a）是重要的海洋环境水色参数,但是受云雾覆盖的影响,卫星遥感chl-a产品中普遍存在数据缺失的现象,大大降低了数据的应用效果。经验正交函数插值方法（DINEOF）是目前在长时间序列缺失数据重构方面应用最广泛的数据插值重构方法,本研究针对DINEOF方法在空间小尺度上过度平滑的缺陷,设计了一种面向渤海chl-a的分层重构方法（SDS-DINEOF）,该方法重点考虑了渤海chl-a分布呈现近岸高、中部低的规律,将渤海海域等距离分为32个区域,对位于每个区域的子数据集分别进行重构;利用该方法对2019年全年每日10时13分的渤海GOCI卫星chl-a产品进行了重构,并将其重构结果与DINEOF重构结果进行了对比分析。分析结果表明：应用SDS-DINEOF方法相比DINEOF方法,chl-a重构精度和时间效率上均得到了提升,其中整体精度提高了3.52%,重构时间节约了125%,尤其是在距离陆地最远的渤海中部区域,应用该方法重构精度提升最为显著。本文取得的研究结果对于海洋遥感数据产品的质量提高和应用效率的提升,具有较为重要的理论意义和实际应用价值。     

西藏高原积雪覆盖空间分布及地形影响

利用2000-2014年MOD10A2积雪产品和数字高程模型DEM数据,以积雪覆盖率为指标,在分析西藏高原积雪空间分布特点的基础上,定量研究了高程、坡度和坡向等地形要素对高原积雪时空分布的影响。主要结论有：① 西藏高原积雪的空间分布差异显著,具有中东部念青唐古拉山和周边高山积雪丰富,覆盖率高,而南部河谷和羌塘高原中西部积雪少,覆盖率低的特点。② 海拔越高积雪覆盖率越高,积雪持续时间越长,年内变化越稳定。海拔2 km以下积雪覆盖率不足4%,海拔6 km以上覆盖率达75%。海拔4 km以下年内积雪覆盖呈单峰型分布特点,海拔越高,单峰型越明显;而海拔4 km以上则为双峰型,海拔越高,双峰型越明显。海拔6 km以下积雪覆盖率最低值出现在夏季,而6 km以上则出现在冬季。③ 总体上,高原地形坡度越高积雪覆盖率越高。不同坡向中,北坡积雪覆盖率最高,南坡最低,年内分布呈双峰型,而无坡向的平地积雪覆盖率要小于有坡向的山地,其年内变化呈单峰型分布特点。     

HY-2B星载GPS数据质量及简化动力学精密定轨分析

对HY-2B卫星星载GPS数据进行质量检查,分析伪随机脉冲先验值对简化动力学精密定轨的影响。结果发现,在所有时间间隔中,先验标准差为1×10^-8 m/s²时定轨精度最高,最优伪随机脉冲时间间隔为6 min。估计天线相位中心变化（PCV）,分析不同分辨率（10°×10°、5°×5°）PCV模型对定轨结果的影响,并使用载波相位残差、重叠轨道比较和SLR检核对定轨结果进行检验。结果表明,99%以上的历元能观测到4颗以上GPS卫星,数据完整率达到99.65%,L1、L2波段的多路径误差RMS均值分别为15.7 cm、9.5 cm,证明HY2国产接收机性能良好。轨道内符合精度均达到cm级;未加PCV模型时,SLR检核RMS值为27.8 mm,加入10°×10°、5°×5° PCV模型后,SLR检核RMS值分别提高0.9 mm和1.2 mm,说明轨道外符合精度也达到cm级。     

基于地基GNSS观测数据的贵州高原地区水汽层析精度分析

利用精密单点定位(PPP)技术处理贵州地基GNSS观测数据,获得高精度天顶对流层延迟(ZTD),进而开展水汽反演获得大气可降水量(PWV)产品。基于斜路径可降水量(SWV),使用自适应联合代数重构算法进行三维水汽层析,空间分辨率优于30 km×30 km,时间分辨率为5 min。以无线电探空数据为参考评估ZTD和PWV精度,其RMS分别为3.55 mm和1.03 mm。以ERA5再分析资料为参考评估三维层析精度,无暴雨发生时,三维层析相对误差不超过10%,偏差最大值为1.03 g/m³。以无线电探空数据为参考评估三维层析精度,层析结果与无线电探空数据的相关系数在0.97以上,具有较好的一致性。贵阳站和威宁站的平均RMS分别优于0.5 g/m³和1.2 g/m³。     

BDS-2卫星钟设计年限末期阶段性能评估与分析

为探究BDS-2卫星钟在当前阶段的运行状态及性能情况,采用国际GNSS监测评估系统（iGMAS）2018年共365 d的精密钟差数据,将Score检验量引入钟差异常探测,并结合中位数法进行数据质量控制,弥补了中位数法部分粗差漏探的缺陷;再从频率准确度、频率漂移率、频率稳定度、模型拟合残差、周期特性、噪声类型等6个方面对BDS-2卫星钟的相关性能进行全面评估。结果表明,现阶段BDS-2在轨卫星钟的运行状态良好,各项性能指标均正常,可继续提供相应的系统服务。其中,BDS-2卫星钟的频率准确度为3.15×10^-11,日漂移率为1.59×10^-13,万秒稳为5.72×10^-14,模型拟合残差平均精度为0.596 ns;GEO、IGSO和MEO三类卫星的钟差序列周期特性显著,第1、2主周期与其各自卫星轨道周期相关,分别为其轨道周期的0.5倍或1倍左右;不同平滑时间下的BDS-2卫星钟主要受调频白噪声（WFM）、调频闪烁噪声（FFM）和调频随机游走噪声（RWFM）的影响。     

北斗卫星在轨原子钟稳定性分析

使用IGS MEGX发布的北斗卫星精密钟差数据,利用哈达玛方差公式对目前所有在轨健康北斗卫星钟的稳定性进行分析。结果表明,北斗卫星钟在1 a的跨度内比较稳定;其300 s稳定性量级为10-13,但是各颗卫星并不完全相同;北斗卫星钟与GPS卫星钟的稳定性对比显示,北斗卫星钟稳定性介于GPSⅡR-M与GPSⅡF上搭载的铷钟之间。     

Detecting Arctic snow and ice cover with FY-1D global data

Chinese meteorological satellite FY-1D can obtain global data from four spectral channels which include visible channel(0.58-0.68 μm) and infrared channels(0.84-0.89 μm,10.3-11.3 μm,11.5-12.5 μm).2366 snow and ice samples,2024 cloud samples,1602 land samples and 1648 water samples were selected randomly from Arctic imageries.Land and water can be detected by spectral features.Snow-ice and cloud can be classified by textural features.The classifier is Bayes classifier.By synthesizing five d ays classifying result of Arctic snow and ice cover area,complete Arctic snow and ice cover area can be obtained.The result agrees with NOAA/NESDIS IMS products up to 70%.     

Retrieval of Snow Depth on Sea Ice in the Arctic Using the FengYun-3B Microwave Radiation Imager

Snow on sea ice is a sensitive indicator of climate change because it plays an important role regulating surface and near surface air temperatures. Given its high albedo and low thermal conductivity, snow cover is considered a key reason for amplified warming in polar regions. This study focuses on retrieving snow depth on sea ice from brightness temperatures recorded by the Microwave Radiation Imager(MWRI) on board the FengYun(FY)-3 B satellite. After cross calibration with the Advanced Microwave Scanning Radiometer-EOS(AMSR-E) Level 2 A data from January 1 to May 31, 2011, MWRI brightness temperatures were used to calculate sea ice concentrations based on the Arctic Radiation and Turbulence Interaction Study Sea Ice(ASI) algorithm. Snow depths were derived according to the proportional relationship between snow depth and surface scattering at 18.7 and 36.5 GHz. To eliminate the influence of uncertainties in snow grain sizes and sporadic weather effects, seven-day averaged snow depths were calculated. These results were compared with snow depths from two external data sets, the IceBridge ICDIS4 and AMSR-E Level 3 Sea Ice products. The bias and standard deviation of the differences between the MWRI snow depth and IceBridge data were respectively 1.6 and 3.2 cm for a total of 52 comparisons. Differences between MWRI snow depths and AMSR-E Level 3 products showed biases ranging between-1.01 and-0.58 cm, standard deviations from 3.63 to 4.23 cm, and correlation coefficients from 0.61 to 0.79 for the different months.     

南极帝企鹅种群栖息地动态变化遥感分析

帝企鹅是南极生态的指示器,其种群栖息地分布变化对研究南极气候具有重要意义,但传统的人工实地调查难以获取全面、准确的种群栖息地信息。本文依据帝企鹅种群排泄物在卫星影像上的蓝、红波段和近红外与短波红外波段的反射率差异,提出2种可以有效判别种群排泄物的光谱指数（NDII、EI）,据此精确识别帝企鹅种群排泄物并确定其种群栖息地位置。根据2009年195景时相合适、质量较好的Landsat 7 ETM+卫星影像,获取了南极共计38个帝企鹅种群栖息地,其中新发现7处（Bowman Island , Dibble Glacier , Auster, Point Geologie , Cape Crozier , Brownson Islands和Rupert Coast）,消失2处（Amundsen Bay 和Ledda Bay）,另外25处（除Thuston Glacier, Luitpold, Sanae, Gould, Ragnhild和Beaufort Island外）位置未发生明显变化,实现了全南极帝企鹅种群栖息地的识别与定位。种群栖息地提取的正确率为94%,提取结果受限于影像质量和种群规模,且随着种群规模的提高,该方法的提取效果也越好。帝企鹅种群栖息地的分布与气候要素息息相关,种群栖息地往往倾向于气温较低和海冰密集度较高的区域,气候变化对每个种群栖息地的影响不同,因此气候与种群栖息地变化的具体关系需要长时间、区域性的观测进行研究。随着气温持续上升和海冰密集度的变化,南纬70°以北的种群栖息地面临较大的威胁,帝企鹅种群呈现向极点逐渐收缩的趋势。     

基于多源数据的青藏高原雪深重建

青藏高原地形复杂,积雪时空分布异质性较强且大部分地区积雪较薄,而被动微波遥感因其空间分辨率低以及雪深反演中的不确定性,极大地限制了其反演青藏高原雪深的精度。本文尝试将多源遥感数据以及与积雪模型（SnowModel）相结合,来重建更高质量的青藏高原雪深数据。首先,利用MODIS积雪面积比例产品,根据构建的积雪衰减曲线以及经验的融合规则对低分辨率被动微波雪深进行了降尺度;然后,结合MODIS/被动微波融合雪深数据和SnowModel对研究区进行雪深数据同化实验;最后,利用地面站实测雪深数据对MODIS/被动微波融合雪深以及同化输出雪深的精度进行了分析和对比。结果表明,基于数据同化方法得到的雪深数据更接近地面观测雪深值,通过均方根误差以及相关系数的对比,同化雪深结果优于MODIS/被动微波融合雪深结果。     

The establishment of GPS network in Grove Mountains, East Antarctica

1 Introduction The Grove Mountains is located at Princess Elizabeth land in East Antarctica, about 400 km from Zhongshan station and 160 km east of the Mawson Escarpment, consists of a scattered group of mountains and nunataks. The range extends73°-76°E…     

2002-2012年青藏高原积雪物候变化及其对气候的响应

积雪是地表最活跃的自然要素之一,其动态变化对气候、环境以及人类生活都产生了重要影响。本文利用MODIS积雪产品和IMS雪冰产品,首先通过Terra、Aqua双星合成和临近日合成去除MODIS积雪产品中的部分云像元,再与IMS融合,获取了青藏高原2002-2012年逐日无云积雪覆盖产品,并逐像元计算每个水文年的积雪覆盖日数（SCD）、积雪开始期（SCS）和积雪结束期（SCE）,分析了不同生态分区积雪的时空变化特征,以及积雪开始期和结束期与温度、降水的关系。结果表明：青藏高原积雪分布存在明显的空间差异,南部喜马拉雅山脉和念青唐古拉山地区以及西部帕米尔高原和喀喇昆仑山脉为SCD的2个高值区,年均积雪日数在200 d以上。18.1%的区域SCS表现出明显的提前趋势,主要集中在青藏高原中东部;羌塘高原南部、念青唐古拉山西段以及川西地区有显著推迟趋势,占高原面积的8.5%。23.2%的区域SCE显著推迟,主要集中在果洛那曲高寒区、昆仑山区和念青唐古拉山地区;而仅有6.9%的区域表现出提前趋势,主要分布在高原西南部。总体上,不同生态单元内积雪开始与结束期受温度、降水的影响差异很大,表现出不同的空间格局与演变趋势。     

An Assessment of Snow Cover Duration Variability Among Three Basins of Songhua River in Northeast China Using Binary Decision Tree

The dynamics of snow cover differs greatly from basin to basin in the Songhua River of Northeast China, which is attributable to the differences in the topographic shift as well as changes in the vegetation and climate since the hydrological year (HY) 2003. Daily and flexible multi-day combinations from the HY 2003 to 2014 were produced using Moderate Resolution Imaging Spectroradiometer (MODIS) from Terra and Aqua remote sensing satellites for the snow cover products in the three basins including the Nenjiang River Basin (NJ), Downstream Songhua River Basin (SD) and Upstream Songhua River Basin (SU). Snow cover duration (SCD) was derived from flexible multiday combination each year. The results showed that SCD was significantly associated with elevation, and higher SCD values were found out in the mountainous areas. Further, the average SCDs of NJ, SU and SD basins were 69.43, 98.14 and 88.84 d with an annual growth of 1.36, 2.04 and 2.71 d, respectively. Binary decision tree was used to analyze the nonlinear relationships between SCD and six impact factors, which were successfully applied to simulate the spatial distribution of depth and water equivalent of snow. The impact factors included three topographic factors (elevation, aspect and slope), two climatic factors (precipitation and air temperature) and one vegetation index (Normalized Difference Vegetation Index, NDVI). By treating yearly SCD values as dependent variables and six climatic factors as independent variables, six binary decision trees were built through the combination classification and regression tree (CART) with and without the consideration of climate effect. The results from the model show that elevation, precipitation and air temperature are the three most influential factors, among which air temperature is the most important and ranks first in two of the three studied basins. It is suggested that SCD in the mountainous areas might be more sensitive to climate warming, since precipitation and air temperature are the major factors controlling the persistence of snow cover in the mountainous areas.     

光学与微波遥感的新疆积雪覆盖变化分析

利用2002-2013年冬季的MODIS光学遥感数据,以及AMSR-E、AMSR2与MWRI被动微波遥感数据,建立了新疆地区冬季每日积雪分布遥感反演模型。首先,将Terra与Aqua双星MODIS的积雪产品融合,初步去云并最大化积雪信息;然后,利用AMSR-E/AMSR2和MWRI被动微波数据进行每日雪盖提取;最后,利用被动微波遥感数据反演得到的每日雪盖结果对双星融合后依然有云的像元进行替换,得到每日积雪分布情况。据此模型提取了11年间冬季的积雪天数信息,结合气象台站观测数据,分析了新疆冬季积雪的年内和年际变化规律。结果表明,新疆地区积雪主要分布在北部新疆,积雪天数与地形关系密切,山区积雪天数较多,盆地及城市区积雪天数较少;积雪天数年内变化是从11月到次年1月随温度降低逐渐增加,从1月到3月积雪天数则逐渐减少。新疆地区积雪天数在这11年中存在一定的波动,积雪天数与该年的平均气温,以及月低于0℃的天数存在显著相关性,与降雪量关系不明显。新疆地区近年来积雪天数重心有向西向南移动的趋势,这可能与全球气候变暖导致多年积雪融化有关。