全球36 km格网土壤水分逐日估算

土壤水分是陆面生态系统和能量循环的核心变量之一,利用微波遥感技术获得的土壤水分产品的时间分辨率一般是2-3 d,因此精确地获得具有较高时间分辨率的土壤水分成了人们关注的焦点。本文尝试将SMAP (the Soil Moisture Passive and Active）土壤水分和MODIS光学数据相结合,利用广义回归神经网络进行全球36 km土壤水分的估算,提升SMAP土壤水分的时间分辨率。结果显示,广义回归神经网络估算土壤水分与SMAP保持了高相关性(r = 0.7528),但其却保留了较高的误差 (rmse = 0.0914 m³/m³)。尽管如此,估算的土壤水分能够很好地保持SMAP土壤水分的整体空间变化,并且提升了土壤水分的时间分辨率（1 d）。此处,本文研究了SMAP土壤水分与MODIS光学数据之间的关系,这对今后利用机器学习进行SMAP土壤水分降尺度研究提供了重要的参考价值。     

基于机器学习的参考作物蒸散量估算研究

参考作物蒸散量（Reference Evapotranspiration, ET₀）的准确估算对区域水资源管理和分配、流域水量平衡以及气候变化等研究具有重要作用。新疆地处我国西北干旱地区,水资源供需矛盾尖锐,精确估算该地区的ET₀有助于其科学合理地调配水资源,缓解水资源供需压力。FAO推荐的Penman-Monteith法是计算ET₀的标准方法,但该方法需要多项气象因子,而新疆地区气象站点较少且分布不均,精确完备的气象数据在新疆大部分区域难以获取。因此,如何使用有限气象因子获取高精度的ET₀在新疆地区备受关注。本文基于中国气象数据网提供的新疆地区1980—2019年的地面气候资料日值数据集,在日和月尺度下,通过对最高气温T_max、最低气温T_min、平均气温T_avg、风速U₂、相对湿度RH和日照时数n共6项气象因子进行敏感性分析,形成不同的气象因子组合;然后使用SVM、RF、GBDT和ELM 4种机器学习算法,以FAO-56 PM计算值为标准值,对新疆地区的ET₀进行了拟合建模;最后,从拟合精度、稳定性和计算代价3个方面对模型进行评价。研究表明：① 在新疆地区,ET₀对RH、T_max和U₂敏感系数级别为高,平均敏感系数分别为-0.516、0.283和0.266;n为中等,平均敏感系数为0.124;T_min和T_avg为低,平均敏感系数分别为-0.016和-0.003;② 在日尺度,各算法在RH、T_max、U₂和n这4项气象因子为输入时精度较高（RMSE<0.5 mm/day,R²>0.95）,可对ET₀进行精确估算;在月尺度,各算法使用RH、T_max和U₂这3项参数便可对ET₀进行精确估算。SVM和GBDT这2种算法在日尺度和月尺度都有较好的适用性,可在相应尺度下使用较少气象因子替代FAO-56 PM公式对ET₀进行估算。     

基于静风期污染物的PM2.5排放清单空间精细化方法

有利气象条件之后的静风期,极大降低了PM_2.5跨区域传输的影响,能够揭示本地源的排放状况。本文尝试性引入了静风期污染物分布揭示本地源排放特征的概念,提出了一种基于遥感数据的PM_2.5排放清单空间精细化方法：首先,利用 MODIS MCD19A2反演的ChinaHighPM_2.5数据,构建高时空分辨率PM_2.5数据融合方法;然后,构建唐山市有利气象条件之后的静风期污染物遴选方法（合理风向和风速：有利气象条件为东风,地面10 m高度风速大于3 m/s,其他风向,持续的较大风力5~10 m/s;静风期风速小于1.5~2.0 m/s）;其次,基于遴选的静风期PM_2.5数据分配MEIC清单中的PM_2.5总排放量,同时对比传统插值方法：基于GDP、人口密度、路网、土地利用类型数据,实现清单各污染源PM_2.5的1 km×1 km空间分配;最后,利用WRF-CMAQ模拟数据和地面台站实测数据进行真实性检验。研究结果表明：① PM_2.5数据填补融合方法能够有效提高PM_2.5监测数据的时空分辨率,且与地面监测值显著相关（R²=0.94,RMSE=4.64 µg/m³,NMB=2%,NME=7%）;② 引入有利气象条件后的静风期概念,提出了静风期污染物的遴选方法,有效降低了PM_2.5跨区域传输的影响,更好地反映了本地源排放的空间分布特征;③ WRF-CMAQ模拟方法的精度验证结果表明,该方法较传统面积插值法NME降低7%,NMB降低10%,RMSE降低1.54 µg/m³,R²提高11%。该方法为排放清单的空间精细化提供了新的研究思路。     

变换光谱数据对土壤氮素PLSR模型的影响研究

光谱数据变换对消除背景、噪音影响以及提取光谱特征有重要的作用,是光谱数据分析过程中的必要步骤。为了研究光谱变换处理对土壤氮素PLSR模型的影响精度,并选择最佳光谱变换处理方法,本文对原始光谱数据进行了15种典型光谱变换,通过比较不同变换光谱与土壤氮素的相关性,实现土壤氮素的PLSR精确诊断,并综合评定最佳光谱数据变换方法。结果表明,涉及微分处理后的光谱变换,尤其是先进行开方（T₈、T₁₁）、对数（T₆、T₁₂）等变换后再进行微分处理,可提高其与土壤氮素的相关性。在引入较少因子变量个数的条件下,该方法使因变量解释量达到了98%。综合考虑模型的校正、验证效果及模型复杂度（模型最佳因子变量个数）,可得出光谱平方根的一阶微分变换处理（T₈）为最佳的土壤光谱变换算法。该条件下的土壤氮素的校正模型表现为R²=0.985、RMSE_C=0.000132、F_n=6,验证模型的表现为R²=0.9853、RMSE_V=0.000162,结果表明基于T₈的光谱数据变换可实现本试验条件下土壤氮素的光谱估算。另外,可以考虑将原始光谱的一阶微分（T₉）、对数和对数倒数的一阶微分（T₆、T₇）以及平方根和对数的二阶微分（T₁₁、T₁₂）作为光谱数据变换方法。本文研究结果可为土壤氮素估算和光谱数据预处理提供技术参考。     

基于微波数据与光学数据集成的机器学习技术在作物产量估算中的应用

各类光学植被指数已成功地应用于各种植被监测与作物产量估算中,但这些指数易受大气状况的影响。由星载微波辐射计得到的植被光学厚度数据（VOD）与植被密度、含水量密切相关,数据可全天候获得,在农业遥感监测中呈现着巨大的潜力。作为来自不同传感器的遥感数据,微波遥感数据与光学遥感数据可以提供不同波长范围内的植被信息。为了更准确地进行作物产量估算,本研究提出将微波遥感数据与光学遥感数据共同应用于冬小麦单产估算中。研究选择L波段微波辐射计SMAP卫星的VOD数据与MODIS的标准归一化植被指数NDVI、增强型植被指数EVI、叶面积指数LAI、光合有效辐射分量FPAR数据作为研究变量,分别使用BP神经网络、GA-BP神经网络和PSO-BP神经网络建立冬小麦产量估算模型。结果表明： 3种神经网络回归模型的P值均小于0.001,通过了显著性检验。GA-BP神经网络回归模型的估算值与真实值在3种神经网络回归模型中表现了最高的相关性（R=0.755）与最低的均方根误差（RMSE=529.145 kg/hm²）,平均绝对误差(MAE=425.168 kg/hm²)和平均相对误差（MRE=6.530%）。为了分析多源遥感数据的结合在作物产量估算中的优势,研究同时构建了仅使用NDVI和LAI,使用NDVI、EVI、LAI、FPAR等光学数据进行冬小麦产量估算的3种GA-BP神经网络回归模型作为对比。结果表明,使用微波遥感数据与光学遥感数建立的GA-BP神经网络回归模型较上述3种作为对比的GA-BP神经网络回归模型的相关系数R值分别提高了0.163,0.229与0.056,均方根误差RMSE分别降低了122.334、158.462和46.923 kg/hm²,使用多源遥感数据的组合可以很好地提高作物产量估算的准确性。     

基于改进Markov-CA模型的黄土高原土地利用多情景模拟

土地利用/覆被的时空变化研究能为区域生态环境恢复和生态系统集成管理提供科学支持。集成Logistic回归模型、改进的Markov与FLUS模型模拟黄土高原2020—2050年3种典型情景土地利用变化。发现各情景土地利用面积变化及空间置换转移主要集中在农用地、草地和城镇用地;历史趋势延续情景下农用地减少15 205 km²,草地、城镇用地分别增加2742 km²和16 007 km²;生态保育管护情景中草地增加7076 km²,林草用地增长存在权衡关系（r_{主要林地-草地}=-0.66）,在典型区域的生态恢复管理中应加以重视;城镇发展建设情景中农用地减少20 256 km²,城镇用地增加22 032 km²,变化均达到极值,其中,南部城镇扩张与农用地减少存在强权衡关系（r_{农用地-城镇用地}=-1）。改进的Markov-FLUS模型适用于黄土高原地区的土地利用模拟,情景分析可有效揭示区域生态保护与城镇扩张的阈值变化,为区域土地利用政策权衡管理和水土保育提供科学依据。     

基于半变异函数的重庆市地表温度空间异质性建模及多尺度特征分析

城市地表温度空间异质性的研究对理解城市地表温度空间结构有重要意义。本文利用大气校正法反演地表温度,基于半变异函数构建城市地表温度空间异质性模型,并进一步分析不同空间尺度下地表温度空间异质性结构参数的变化规律。以2013年6月16日的Landsat 8为数据源,以重庆为研究区开展实验,研究结果表明：① 不同空间尺度下重庆地表温度空间异质性均呈现指数模型分布特征;② 在30 m空间尺度下,地表温度空间异质性主要是由空间结构引起,但随机因素引起的空间变异占比为0.45,呈现出明显的块金效应,表明该尺度下随机因素引起的空间变异不可忽略;③ 从空间尺度（30~1500 m）整体变化上看,地表温度空间异质性主要由空间结构引起,同时表现出明显的尺度效应;随着空间尺度增大,块金值（C₀）、偏基台值（C）、基台值（C₀+C）以及块基比（C₀/（C₀+C））逐渐减小,表明地表温度空间异质性逐渐减弱但空间自相关性逐渐增强。变程（A）逐渐增大,表示空间自相关性范围逐渐扩大;④ 随机因素引起的空间变异占比为0.23~0.46,呈现出波动变化,这是因为地表温度在像元内部也存在空间异质性。空间结构引起的空间变异相对平缓,这是因为空间尺度的变化不会改变地形结构;⑤ 从尺度域来看,基台值与块金值在尺度域（690 m,1500 m）内呈现出较大幅度波动变化状态,且变化趋势相似,表明地表温度空间异质性的变化与随机因素有较大关联。综上所述,分析地表温度空间结构需要选取合适的空间尺度,尺度较小时,容易受到随机因素干扰,从而影响地表温度在空间结构上的空间变异性;尺度较大时,地表温度空间异质性较弱且变化不稳定。     

基于普查和手机定位数据的乡镇尺度人口空间化方法研究

人口在空间上的实际分布是人口地理学研究的基础和热点问题。目前全球不同尺度的人口空间化数据产品因生产方法、数据源等有较大差异,空间化产品的一致性存在较大差异,尤其是共性需求集中的1 km数据产品。本文以京津冀地区为研究区,基于2000年乡镇尺度的人口普查数据和可开放获得的手机定位数据,利用光影投射法计算人口分布权重,结合面积权重法和指数平滑法得到京津冀地区1 km分辨率的人口空间化结果PJ2000。该产品较好地反映了京津冀人口实际分布细节特征。经精度评定,PJ2000人口空间化的总体精度为90%,人口空间化相对误差小于0.5的乡镇（街道）数约占87%,PJ2000与2000年乡镇街道人口统计数据pop2000的相关系数r高达0.95。结果证明,结合乡镇尺度人口统计数据和手机定位数据等多源数据所构建的人口空间化模型,所获1 km分辨率人口密度数据集精度得到显著提高。     

星载GNSS-R地表土壤湿度反演方法的对比与评价

应用气旋全球导航卫星系统(cyclone global navigation satellite system, CYGNSS)的星载反射测量遥感数据和土壤湿度主被动项目(soil moisture active passive, SMAP)发布的土壤湿度产品,对2种星载全球导航卫星系统反射测量(global navigation satellite system reflectometry, GNSS-R)地表土壤湿度反演建模方法进行对比与评价。结果表明,在单个格网上直接对标定的有效反射率和SMAP参考土壤湿度回归建立线性模型,反演得到的地表土壤湿度精度远高于格网统一建模的反演精度。使用1 a的CYGNSS陆地观测数据建立的反演模型已经具有极高的时域稳定性。5个月的测试数据表明,单格网模型反演的地表土壤湿度RMSE可达0.056 cm³/cm³,相关系数达0.9。     

基于地理神经网络加权回归的中国PM2.5浓度空间分布估算方法

中国空气污染问题日益严重,为获得连续的PM_2.5浓度空间分布,现有研究建立了多种基于统计回归的PM_2.5估算模型。然而,由于PM_2.5回归关系显著的空间非平稳性和复杂的非线性特征,如何实现高精度、高合理性的PM_2.5浓度空间大面估计仍然面临挑战,尤其在地形变化复杂、覆盖范围广阔的中国地区更为突出。本文引入了一种将普通线性回归（OLR）和神经网络结合的地理神经网络加权回归（GNNWR）模型,通过集成遥感数据、气象数据和地理信息数据建立了基于GNNWR的PM_2.5浓度空间估算方法。文章以中国2017年PM_2.5年平均浓度估算为例,开展了该模型与OLR、地理加权回归（GWR）的比较实验。实验结果表明,基于GNNWR的PM_2.浓度估算性能指标均明显优于OLR和GWR,且预测精度显著高于GWR。此外,GNNWR获得的PM_2.5浓度空间分布也更为合理,较为细致地刻画了中国地区PM_2.5浓度的局部空间变化和细节层次。     

基于GF-3和Landsat 8遥感数据的土壤水分反演研究

基于我国首颗全极化雷达卫星高分三号（GF-3）和Landsat8数据,研究浓密植被覆盖地表土壤水分反演方法。为了提高浓密植被覆盖地表土壤水分反演精度,首先利用PROSAIL模型、实测植被参数及Landsat8光学数据分析了8种植被指数与植被冠层含水量的相关性,从中优选出归一化差异水指数（NDWI₅）用于反演植被冠层含水量,并通过分析植被含水量和植被冠层含水量的关系,构建植被含水量模型;然后结合植被含水量反演模型和简化MIMICS模型校正了植被对雷达后向散射系数的影响,最后基于AIEM建立裸土后向散射系数模拟数据集,发展一种主动微波和光学数据协同反演浓密植被覆盖地表土壤水分模型,并以山东省禹城市为研究区,实现了玉米覆盖下HH、VV和HH+VV 3种模式土壤水分反演。实验结果表明： ① NDWI₅为最佳植被指数,对于去除植被影响有较好效果;② 基于此方法,利用GF-3和Landsat8卫星数据反演得到的土壤水分具有较高的精度;③ 相比HH和VV两种极化模式,HH+VV双通道模式对土壤水分反演结果更好,决定系数（R2）为0.4037,均方根误差（RMSE）为0.0667 m ³m ^-3。     

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。     

地缘政治经济背景下中老-中越边境地区橡胶林时空扩展特征研究

国家间地缘政治经济关系正在驱动区域土地利用变化,边境地区首当其冲。20世纪90年代以来,全球橡胶市场的强劲需求以及中南半岛与域外国家40多个地缘经济合作机制的实施,引起了包括中国与老挝（以下称“中老”）-中国与越南（以下称“中越”）边境地区橡胶林扩展种植在内的显著土地利用变化。基于此,利用Landsat影像构建的橡胶林落叶-新叶萌生期内植被-水分指数（Renormalized Vegetation Index, RNVI）组合算法,获取中老-中越边境地区1990年代以来中老、中越地缘政治经济关键节点的橡胶林种植信息,进而揭示中老、中越地缘政治经济关系对其边境地区橡胶林扩展的影响及其国别差异。结果表明：① 在“替代种植”与边境农林合作等地缘政治经济影响下,中老-中越边境地区橡胶林种植面积由1992年的995.5 km²增加至2018年的5537.7 km²,增长近4.6倍,且呈明显的沿边性和跨境性;② 随着中老磨憨-磨丁口岸开通、中老北部九省合作机制构建等,1992—2018年,中老边境沿线30 km缓冲区内橡胶林种植面积从244.7 km²猛增到2080.6 km²,增长近7.5倍,其中,中国一侧增幅达806.7%,老挝一侧增幅为567.7%,近边境地区尤为明显;③ 随着中越关系恢复、“两廊一圈”启动与发展等,过去近30年,中越边境沿线30 km缓冲区内橡胶林种植面积由313.6 km²持续增加到1107.5 km²,增长超过2.5倍,其中,中国一侧增幅达378.0%,越南一侧增幅为140.3%,远边境地区增加较快。本研究有助于认识国家地缘政治经济关系对边境土地利用变化的影响,促进边境地理（学）发展。     

基于中国大气环境监测站点的2015—2019年大气质量状况时空变化分析

2013年以来几次严重的雾霾污染事件引起了公众的广泛关注,此后中国实施了一系列有关大气污染防治的政策、法规和措施来改善大气质量。为了分析近年来中国大气质量的时空变化特征,本文选取2015—2019年生态环境部国控站点监测的大气污染关键参数,对比分析了空气质量指数和6种大气污染物的季均、年均浓度变化结果,并利用组合指标分析法和相关分析法探讨了不同大气污染物之间的相关性。结果表明：① PM_2.5、PM₁₀、SO₂、CO和NO₂浓度和AQI均有明显下降,2019年均浓度较2015年均浓度分别下降4.5%、3.84%、7.86%、3.74%、0.95%,AQI下降了19.31%,同时,O₃浓度则上升了0.79%;② 从空间分布来看,中国北方地区PM₁₀、PM_2.5、O₃、NO₂、SO₂、CO年均质量浓度和AQI分别比南方地区高25.2%、18.73%、4.95%、17.6%,32.74%、16.17%、28.3%;③ 从季节性变化规律来看,除了O₃呈现出夏季浓度高,冬季浓度低外,其他5种污染物和AQI都呈现相反的季节变化规律;④ 总体而言,目前中国大气污染以PM_2.5和O₃为主,PM_2.5与NO₂、SO₂、CO之间有极显著的正相关关系（r>0.85,p<0.01）,而O₃与其前体物NO₂和CO之间存在显著的负相关关系（r>0.8,p<0.01）。     

新疆沙漠地区地表宽波段比辐射率遥感估算

地表比辐射率是估算地表温度以及地表长波辐射的一个重要参数,为了解决遥感影像反演地表比辐射率在裸地的精度不足问题,本文在新疆沙漠地区利用2类数据：① 傅里叶变换热红外光谱仪（FTIR）数据,在2013年、2014年秋天沿2条穿越塔克拉玛干沙漠的沙漠公路测量得到25个点的地表比辐射率数据;② 与FTIR数据同时期的MODIS温度/比辐射率数据MOD11A1、MOD11B1和反射率数据MOD09GA以及反照率数据MCD3A3,利用这2类数据为数据源,估算新疆沙漠地表比辐射率。首先,重新估算了基于MODIS宽波段比辐射率（BroadBand Emissivity, BBE）方程的系数和基于GLASS（Global L And Surface Satellite）BBE方程的系数,由此获得了GLASS BBE和MODIS BBE的修正方程。其次,将修正前后的GLASS BBE与FTIR和MODIS BBE作对比,发现其精度显著提高：① 与FTIR数据对比,修正前后的GLASS BBE方程的决定系数R²值从0.42增加到0.95,均方根误差（RMSE）和偏差（Bias）分别减少了1和3个数量级;② 与MODIS BBE方程数据对比,修正前后的GLASS BBE的R²值从0.69增加到0.91,RMSE和Bias分别减少了1和2个数量级。因此,修正后的基于GLASS和MODIS的BBE方程,极大地提高了遥感影像对裸地尤其是沙漠地区地表比辐射率的反演精度。使用修正后的GLASS BBE方程反演出新疆3个沙漠地区的BBE分布特征。结果表明,塔克拉玛干沙漠由于土地类型较为单一,其BBE值主要为0.88~0.92,而古尔班通古特沙漠以及库姆塔格沙漠受到地形、植被等的影响,BBE值稍微偏高,分别为0.89~0.95和0.89~0.94,沙漠周边稀疏植被区及其边缘地区的值范围为0.95~1.00。本文基于GLASS和MODIS的适用于新疆沙漠的BBE方程,为陆面过程的研究与模拟提供了支持。     

时间尺度重构EEMD-GRNN改进模型预测PM2.5的研究

合理构建PM_2.5浓度预测模型是科学、准确地预测PM_2.5浓度变化的关键。传统PM_2.5预测EEMD-GRNN模型具有较好的预测精度,但是存在过于关注研究数据本身而忽略其物理意义的不足。本研究基于南京市2014-2017年PM_2.5浓度时间序列数据,分析PM_2.5浓度多尺度变化特征及其对气象因子和大气污染因子的尺度响应,基于时间尺度重构进行EEMD-GRNN模型的改进与实证研究。南京市样本数据PM_2.5浓度变化表现为明显的天际尺度和月际尺度,从重构尺度（天际、月际）构建GRNN模型更具有现实意义;同时,PM_2.5对PM₁₀、NO₂、O₃、RH、MinT等因子存在多尺度响应效应,以其作为GRNN模型中的输入变量更具有时间序列上的解释意义。改进后的EEMD-GRNN模型具有更高的PM_2.5浓度预测精度,MAE、MAPE、RMSE和R²分别为6.17、18.41%、8.32和0.95,而传统EEMD-GRNN模型的模型有效性检验结果分别为8.37、27.56%、11.56、0.91。对于高浓度天（PM_2.5浓度大于100 μg/m³）的预测,改进模型更是全面优于传统EEMD-GRNN模型,MAPE为12.02%,相较于传统模型提高了9.03%。     

重力异常反映的郯庐带中南段构造边界与应力场

为解决传统基于重力场数据一阶导数定义的总水平导数和解析信号振幅存在无法均衡深浅异常振幅的问题,应用重力全张量梯度数据,提出改进的倾斜导数地质体边界识别方法NTD_M。经模型验证,NTD_M在收敛性、抑噪性和边界识别精度方面均有提升。利用NTD_M将郯庐带中南段及邻区划分为14个边界较为清晰的构造单元,借助垂线偏差数据对郯庐带中南段的构造应力场和壳幔密度差进行反演。结果显示,二者在水平方向上存在显著差异,在空间上显著相关,构造应力最大差异值约为16 MPa,壳幔密度差约为0.2 g/cm³,构造应力等值线密集处与构造单元划分的边界以及地震分布情况对应较好。郯庐带中段最大主应力方向为NEE-EW,南段主应力方向以EW-NWW为主,总体呈EW向,与震源机制解、地应力测量和GPS反演结果具有较好的一致性。