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。     

城市绿量的遥感估算与热岛效应的相关分析——以北京市五环区域为例

 本研究以遥感分析北京城市绿地对地表温度的影响,研究包括绿地提取、绿量估算、地表温度反演,地表温度和绿量相关分析。并以高精度Rapid Eye遥感影像,提取了五环内的绿地面积(197.3km²,占城区总面积的29.6%),且估算绿量总值为2450.7km²。同时用2009年7月20日的Landsat5 TM 6波段数据进行地表温度反演,低温区、中温区、次热岛和热岛区域所占的五环内城区面积的比例分别为12.3%,34.7%,40.4%和12.6%。绿量和地表温度呈负相关关系:y=-1278.7x+60650,城市绿地可以使城区平均温度降低2.6℃。     

基于随机森林的遥感干旱监测模型的构建

利用遥感数据进行大面积旱情监测是现有干旱监测的重要方法之一,然而传统的遥感干旱监测方法主要侧重于对土壤湿度或植被状况等单一干旱响应因子进行监测,对综合多因子的干旱监测研究较为有限。随机森林是一种机器学习方法,具有学习过程快速、运算速度快、稳定性好、预测精度高的优点,近年来被应用于生态环境等多个领域。本文利用2001-2010年4-9月的MODIS数据提取的植被状态指数（VCI）、温度状态指数（TCI）和土地覆盖类型（LC）,TRMM降水资料计算的TRMM-Z指数及SRTM-DEM、土壤有效含水量（AWC）等多个遥感及土壤资料提取的干旱因子为自变量,以气象站点的综合气象干旱指数（CI）为因变量,利用随机森林模型构建遥感干旱监测模型,并以河南省为研究区进行了评价和分析。该模型在2009-2010年的监测值和实测CI值的具有显著的相关性,并且二者干旱等级的一致率为81%。在2001-2010年4-9月间,模型监测值与气象站点的标准降水蒸散发指数（SPEI）总体干旱等级一致率为74.9%,较为一致,其中9月的模型结果与SPEI的干旱等级一致率最高,达到82.4%,空评估率和漏评估率最低;与10 cm土壤相对湿度的相关系数在0.475-0.639之间,达到极显著水平。河南省2011年4-6月干旱事件同样验证了本文构建的模型旱情监测结果,说明本模型能较好地就应用于监测区域旱情监测。     

宜阳县土地整理项目干旱之年显神通

去年入冬以来，河南省发生严重旱情，宜阳县作为粮食主产县，受旱情况也十分严重。全县耕地面积99万亩，其中冬小麦播种面积58万亩，由于持续干旱无雨，直接造成38万亩农作物轻旱、10万亩农作物重旱。在大旱之年，国家及省、市投资宜阳县的四个土地整理项目区及宜阳县县级投资土地整理项目区的冬小麦均未受到太大影响，     

党旗猎猎战旱魔——记广西抗旱救灾中的各级党组织和党员干部

<正>在中国抗旱救灾历史上,2010年注定要留下浓墨重彩的一笔!2009年8月以来,中国西南地区遭受了罕见的秋冬春连旱,旱情等级达到严重干旱,其中位于广西西北     

上海市城市空间扩展时空特征与预测分析

 本文以1990、1995、2000、2005年的上海市土地利用遥感监测数据为基本数据源,分析了1990-2005年上海市城市空间扩展 的时空特征。同时利用SLEUTH模型对城市空间扩展进行了模拟和精度验证,并对未来30年上海市城市空间扩展进行了预测。结果显示:1990-2005年,上海市城市空间扩展明显,城市面积净增加81 278hm²,净增长10.14%;在扩展的时间过程上呈现先减缓后加剧的趋势,2000-2005年城市用地扩展最为剧烈,城市面积净增加40 668hm²,净增长5.08%,填海造陆是该时期城市扩展的典型特征。SLEUTH模型可以较好地模拟预测上海市城市空间扩展的时空过程,不同时期模拟与遥感监测结果的Kappa系数最高达到了0.8476;未来30年,上海市城市用地将以年平均增长率1.63%的速度扩展,2040年城市用地面积将达到152 685hm²。城市扩展将占用耕地41 824hm²,年平均占用耕地1200hm²。城市扩展的方式主要是边缘增长,东部的浦东新区沿五洲大道向海方向、南部的徐汇区沿沪闵高架路向南,以及西部的嘉定区和青浦区沿京沪高速两侧向西的地区 均是未来城市扩展的主要方向。     

随机森林算法在全球干旱评估中的应用

干旱是发生频率最高,造成社会、经济损失和生态破坏最严重、最广泛的自然灾害之一,因此对干旱进行可靠、有效的评估十分重要。本文以月平均降水、月平均温度、月最高温度、月最低温度、土壤湿度、蒸散发、NDVI、叶绿素荧光等作为解释变量,以基于SPI的干旱等级作为目标变量,采用随机森林算法,以2007—2012年的数据作为训练数据,以2013—2014年的数据作为预测数据,对全球11个气候区分别建立干旱等级评估模型。研究结论如下：SPI的时间尺度影响模型精度,在基于SPI1、SPI3、SPI6和SPI12划分的干旱等级的评估模型中,以基于SPI1的干旱等级为目标变量的模型的预测精度（60%~75%）较高,且模型能够捕捉到EM-DAT旱灾记录次数的90.91%、月份的78.47%,表明该模型对实际干旱事件具有良好的评估性能;干旱等级划分标准对模型的预测性能影响较小,可根据需求选择标准I（干旱/非干旱）或标准Ⅱ（重旱/非重旱）进行干旱评估;解释变量的相对重要性与SPI的时间尺度和气候差异等因素有关。降水对基于SPI1的干旱等级的重要性最大,随着SPI时间尺度的增加,降水的重要性逐渐减小,温度、土壤湿度、NDVI和ET的重要性逐渐增大。降水以外的其他变量在不同气候区的重要性不同。在热带气候区、亚寒带气候区和苔原气候区,温度或蒸散发的影响较大;在干燥气候区,土壤湿度的影响较大;在温带气候区,仍以降水的相对重要性最大;在湿润大陆性气候区,植被对干旱的影响较大。     

我国长江中下游农业区冬闲田的遥感监测分析

 近20年以来,随着我国经济结构的调整和农村劳动力的转移,部分地区冬闲田的面积呈明显增长态势。为了科学、合理及高效地利用冬闲田资源,本研究以长江中下游农业区为实验区,利用长时间序列NDVI数据,结合研究区耕地空间分布和农作物在出苗期和成熟期NDVI变化特征,构建了NDVI动态阈值法的冬闲田遥感监测方法,进而对研究区2007至2008年冬闲田的空间分布和闲置时间进行了提取分析。研究发现,2007至2008年,我国长江中下游农业区冬闲田总面积为20.55万km²,占耕地总面积的45.49%。冬闲田集中分布于研究区北部和西北部的江苏、安徽、河南、湖北、湖南和江西的西北部地区,其中,湖北、湖南和江苏是冬闲田分布面积最多的省份,3省冬闲田面积占了研究区冬闲田总面积的53.41%。     

土地整理：早年护农显神威——广西土地整理项目保障农业生产的调查

阳春三月,本是春雨绵绵,生机勃勃的季节.然而2010年的三月,八桂大地却遭遇着罕见的旱灾,旱魔所到之处,麦苗枯黄、土地龟裂、水库干涸、人畜干渴,就连水资源比较丰富的桂中、桂南地区,也不同程度受旱.据了解,目前全区农作物受旱面积达98.25万公顷,其中成灾29.23万公顷,绝收2.84万公顷,约235万人饮水困难,尤以桂西北最严重.     

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。     

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。     

A novel dynamic stretching solution to eliminate saturation effect in NDVI and its application in drought monitoring

The normalized difference vegetation index(NDVI) is one of the key input variables for developing drought indices.However,the NDVI quickly saturates in high vegetation surfaces,and thus,the generalization of a drought index over different ecosystems becomes a challenge.This paper presents a novel,dynamic stretching algorithm to overcome the saturation effect in NDVI.A scaling transformation function to eliminate saturation effects when the vegetation fraction(VF) is large is proposed.Dynamic range adjustment is conducted using three coefficients,namely,the normalization factor(a),the stretching range controlling factor(m),and the stretching size controlling factor(e).The results show that the stretched NDVI(S-NDVI) is more sensitive to vegetation fraction than NDVI when the VF is large,ranging from 0.75 to 1.00.Moreover,the saturation effect in NDVI is effectively removed by using the S-NDVI.Further analysis suggests that there is a good linear correlation between the S-NDVI and the leaf area index(LAI).At the same time,the proposed S-NDVI significantly reduces or even eliminates the saturation effect over high biomass.A comparative analysis is performed between drought indices derived from NDVI and S-NDVI,respectively.In the experiment,reflectance data from the moderate resolution imaging spectroradiometer(MODIS) products and in-situ observation data from the meteorological sites at a regional scale are used.In this study,the coefficient of determination(R2) of the stretched drought index(S-DI) is above 0.5,indicating the reliability of the proposed algorithm with surface soil moisture content.Thus,the S-DI is suggested to be used as a drought index in extended regions,thus regional heterogeneity should be taken into account when applying stretching method.     

潮滩表层沉积物含水量的高光谱预测模型与反演分析

潮滩土壤含水量具有变化频率快、空间变化大的特征,是影响潮滩地表反射率的重要因素。潮滩土壤含水量的精确提取,可为潮滩特征地物信息遥感反演提供基础。本文利用江苏大丰王港潮滩4种典型沉积物、449组不同含水量对应的实测光谱曲线数据进行特征分析,构建高光谱预测模型,实现了潮滩沉积物含水量的遥感反演。研究结果表明:(1)在短波红外波段,沉积物含水量与反射率之间存在良好的分段线性相关关系,分段点对应的含水量分别为42%和62%;(2)1165nm、1336nm、1568nm和1780nm特征波段反射率,对含水量变化具有良好响应,由特征波段组合计算得到的差值水指数DWI、比值水指数RWI和归一化水指数NDWI与含水量呈显著线性相关,可有效改善单波段反射率与含水量之间的分段线性关系;(3)3个水指数中,DWI反演的含水量精度优于RWI和NDWI,且对不同含水量大小均有良好适应性,而RWI和NDWI更适合含水量变化范围中等的情况;(4)对于粉砂、砂质粉砂、粉砂质砂和砂4种沉积物类型,DWI1336,1780验证组模拟含水量与实测含水量的相关系数,分别为0.891、0.915、0.920和0.905,均方根误差分别为9.87%、3.56%、4.24%和2.98%,表明由DWI构建的高光谱遥感反演模型,可有效实现潮滩表层含水量的时空变化预测。     

基于物理模型训练神经网络的作物叶面积指数遥感反演研究

叶面积指数(LAI)是估算作物生长的关键参数。基于物理模型的LAI反演,被认为是当前最为可靠的方法,但其反演复杂。本文提出了将物理模型和神经网络相结合,从地表反射率反演叶面积指数的算法,利用MOD IS地表反射率和4-scale模型反演作物LAI。(1)利用4-scale模型模拟不同LAI与地表反射率的关系,生成训练数据;(2)利用模型模拟的LAI训练神经网络;(3)以MOD IS地表反射率输入训练后的神经网络,反演LAI。估算的LAI与其他LAI产品进行了比较,结果表明,估算的作物LAI和MOD IS及CYCLOPES LAI产品空间和时间分布一致,均方根误差分别为0.4994和0.6558。以2004年衡水的作物LAI地面观测数据进行了直接验证,估算的LAI与研究区地表植被分布一致,但是,三种卫星LAI产品都小于地表测量,故需针对华北平原浓密作物设计模型参数化方案。     

基于几何光学模型的人工林叶面积指数遥感反演

 MODIS等全球叶面积指数(LAI)产品空间分辨率偏低(250m~7km),不能满足高空间分辨率遥感应用的需求。为获取大区域高空间分辨率LAI,有必要对物理模型用于高空间分辨率遥感影像LAI反演的可行性进行探讨。本文基于4-scale模型LAI反演算法,以甘肃省张掖为研究区,利用TM 影像实现研究区人工林LAI反演。反演算法考虑了反射率入射-观测角度对LAI与植被指数关系的影响和植被冠层尺度的集聚程度。利用地面实测LAI数据对反演结果进行验证与分析,并与NDVI经验模型进行对比,同时分析LAI反演结果对波段反射率敏感性。结果表明: 4-scale模型LAI反演结果与实测LAI一致性良好(R²=0.67,RMSE=0.50),且优于NDVI经验模型(R²=0.59,RMSE=0.67);当LAI大于2时,4-scale模型LAI反演算法误差小于NDVI经验模型,能有效避免植被指数的饱和现象;红光波段反射率减小时,引起4-scale模型LAI反演结果的变化幅度比其增大时更高,且影响程度大于近红外波段反射率。研究表明,4-scale 模型LAI反演算法可用于TM数据反演人工林LAI,模型应用普适性较强。     

时空Moran散点图及其在中国干旱时空聚集区识别中的应用

干旱灾害给整个自然灾害体系带来的经济损失最为严重,也是目前检测难度较高的自然灾害之一。SaTScan在灾害时空聚集区的识别中已有应用,但其存在参数设定困难、识别区域不够精确等问题。本文对Moran散点图和局部空间关联指标（Local Indicators of Spatial Association, LISA）进行时空扩展,提出了一种时空Moran散点图的方法,根据研究者对关注现象阈值及置信程度的要求,筛选出符合条件的点,并将其绘制在对应的时空坐标系上,从而得到时空聚集区。以2009—2014年中国干旱时空聚集区识别为例,结果表明：① 时空Moran散点图识别到的干旱时空聚集区与实际基本相符,验证了方法的有效性;同时,与时空扫描法相比,该方法具有识别结果边界清晰、精确,参数设置容易等优点;② 2009年和2011年呈现大范围、较强的干旱时空聚集区,2010年和2014年出现局部、较强的干旱时空聚集,而2012年和2013年的干旱时空聚集情况较轻。综合来看,2009—2014年干旱时空聚集区主要出现在云贵川、东北、黄淮地区和长江中下游等地区。     

Vegetation change of ecotone in west of Northeast China plain using time-series remote sensing data

Multi-temporal series of satellite SPOT-VEGETATION normalized difference vegetation index (NDVI) and normalized difference water index (NDWI) data from 1998 to 2007 were used for analyzing vegetation change of the ecotone in the west of the Northeast China Plain. The yearly and monthly maximal values,anomalies and change rates of NDVI and NDWI were calculated to reveal the interannual and seasonal changes in vegetation cover and vegetation water content. Linear regression method was adopted to characterize the trends in vegetation change. The yearly maximal NDVI decreased from 0.41 in 1998 to 0.37 in 2007,implying the decreasing trend of vegetation activity. There was a significant decrease of maximal NDVI in spring and summer over the study period,while an increase trend was observed in autumn. The vegetation-improved regions and vegetation-degraded regions occupied 17.03% and 20.30% of the study area,respectively. The maximal NDWI over growing season dropped by 0.027 in 1998–2007,and about 15.15% of the study area showed a decreasing trend of water content. Vegetation water stress in autumn was better than that in spring. Vegetation cover and water content variations were sensitive to annual precipitation,autumn precipitation and summer temperature. The vegetation degradation trend in this ecotone might be induced by the warm-drying climate especially continuous spring and summer drought in the recent ten years.     

HJ卫星图像水稻种植面积的识别分析

 HJ-1A/1B卫星具有较高时空分辨率,是提取水稻等农作物种植面积的潜力数据源。本文以江汉平原腹地的监利县及周边相邻区域为研究区,根据水稻物候历,选取样区水稻生长关键期的多时相HJ-1A/1B卫星数据,利用水稻移栽期的水分信息和生长期的归一化植被指数(NDVI)变化信息,结合陆表水系数(LSWI)、短波红外波段的反射率(R_IRS-B2)、差归一化植被指数(DNDVI),构建了HJ卫星数据的水稻种植面积识别方法,提取了研究区2009-2011年水稻种植面积,得到面积精度和样本点精度均不小于90%,Kappa值不小于0.80的结果。