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。     

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GPS掩星的单频处理验证及精度分析

基于FY-3E卫星上的GPS掩星观测数据对单频掩星处理算法进行验证并分析其精度。首先由L₁频点的载波相位观测和伪距观测C₁计算出相对电离层TEC(relTEC);然后重构第二频点的载波相位观测L^*₂,并反演大气折射率产品;最后验证和分析单频相对电离层电子总含量relTEC、重构L^*₂附加相位和折射率产品的精度。结果表明：1)单频计算得到的relTEC和L^*₂附加多普勒与双频结果的相关性系数多数大于0.95;2)L^*₂附加多普勒的相对平均偏差多数小于0.2%,相对标准差多数小于0.4%;3)单、双频反演折射率相对ERA5数据的bias和RMS指标一致性良好,位势高度在25 km以上单频反演的折射率精度相比双频有微弱降低。     

1998-2002年中国地表太阳辐射的时空变化分析

地表太阳辐射是陆气能量交换过程中重要的物理参数和生态参数,利用卫星数据反演地表太阳辐射对于全面认识地表太阳辐射空间差异性和年际变化特征具有重要的意义。本文利用GMS-5静止气象卫星数据反演了中国区域1998-2002年地表太阳辐射值,在此基础上分析了我国地表太阳辐射的时空分布特征。结果表明:(1)青藏高原的地表太阳辐射最大,川黔地区最小,都位于北纬22^~35°这一带除川黔地区外,地表太阳辐射从东向西增强,西部随纬度升高而减小,东部以长江流域最小,向南北增加,西南最大,北部次之,至东北地区随纬度升高而减小(2)各月地表太阳辐射量分布复杂,最小值都出现在12月,但最大值出现时间受雨季影响很大,珠江、长江一带主要在雨季过后的7月,华北、东北和青藏高原主要出现在雨季前的6月及5月,西南地区则在季风雨季前的4-5月(3)5年来东部沿海地区地表太阳辐射增加了13.71%(+4.37W/m²·a),西藏高原地区地表太阳辐射减少了9.31%(-3.47W/m²·a),全国地表太阳辐射平均减少了0.84%(-0.27W/m²·a)。     

基于HJ-1A CCD1数据的台湾相思树叶面积指数反演

基于HJ-1A CCD1环境卫星数据,以福建沿海地区普遍分布的台湾相思树为研究对象,利用回归分析法(NDVI、OSAVI、EVI、HJVI)和PROSAIL辐射传输模型,构建台湾相思树LAI反演模型。同时,利用同步野外地面实测数据,将模型估算LAI值与实测LAI值进行对比。结果表明：(1)相比归一化植被指数NDVI、优化土壤调节指数OSAVI和增强型植被指数EVI 3种常用植被指数,引入修正大气、土壤背景影响的蓝、绿波段的环境植被指数HJVI来反演相思树LAI具有更高的精度(R²=0.7344,RMSE=0.1421);(2)本研究所选4种植被指数构建的最优反演模型均为非线性模型,其中,环境植被指数HJVI反演LAI最优模型为幂函数模型,表明相思树LAI与植被指数之间呈非线性变化;(3)PROSAIL辐射传输模型法比回归分析法反演相思树LAI的精度有较大提高(R²=0.7903,RMSE=0.1303),可见PROSAIL模型法构建反演模型能更好地反演相思树LAI。     

中国风能资源空间分布的估算

风能是一种清洁的可再生能源,是太阳能的一种转化形式,但风能开发利用的成本比太阳能开发利用的成本要低,它是可再生能源中最具开发前景的一种能源。科学、准确地估算我国风能潜力及其空间分布是国家对风能资源开发中一项极其重要的基础性工作。本文利用全国395个气象站10年、每日4次的气象观测数据,计算了每个气象站所在地区常年有效风能密度和有效风时数,在此基础上,通过空间内插,形成全国范围的风能密度和有效风时数分布数据。结果显示,在全国范围内:有效风能密度大于150W/m²、100～150W/m²、50～100W/m²、小于50W/m²的区域面积占全国国土总面积的百分比分别为2.51%、16.45%、53.39%和27.65%;有效风时数大于5 000h、4 000～5 000h、2 000～4 000h、小于2 000h的区域面积占国土总面积的百分比分别为5.28%、22.19%、53.54%和18.98%。用风能密度和有效风时数两个指标分别表达风能资源潜力虽然存在局部差异,但在总体态势上基本一致,二者之间的相关系数,...     

复杂山区地形条件下ERA5再分析地表气温降尺度方法

高时空分辨率的气温栅格数据是多种地学模型和气候模型的重要输入。山区地形复杂,气温空间异质性强,如何获取高时空分辨率的山区地表气温数据一直是研究热点与难点。本文选择地形复杂的河北省张家口市作为试验区,基于局部薄盘样条函数对ERA5再分析日均近地表气温（2 m高度）进行空间插值,并利用随机森林算法,结合少量气象站观测气温数据、地形地表参数数据构建日均气温订正模型和气温逐时化模型,实现空间分辨率由0.1 °（约11 km）到30 m的逐时气温降尺度,最后将该模型拓展应用于其他时间与区域,检验本文发展的降尺度方法在没有站点观测数据条件下的时空移植性。结果显示,本文降尺度方法得到的高时空分辨率山区气温数据精度较高,1月均方根误差（RMSE）平均值为2.4 ℃,明显优于气象站点插值结果,且气温相对高低的空间分布更为合理、纹理更加丰富;将该方法应用到其他时间与区域的RMSE平均值分别为2.9 ℃与2.5 ℃,均小于再分析资料直接插值所产生的误差。研究结果总体表明,在气象站点较少甚至没有时,可利用本文方法通过ERA5再分析气温准确获取复杂地形条件下的山区高时空分辨率气温数据。     

变异函数对泛克里金法的细粒子比星-地融合影响研究

泛克里金方法进行星-地融合可有效提高MODIS FMF的精度,然而由于地基站点稀少造成融合前需要利用长时间序列数据获取变异函数的主要参数（块金值、基台值和变程）,故不能满足基于卫星瞬时观测遥感PM_2.5的PMRS模型的需求。本文对2010年12月至2016年11月中国中东部地区的数据进行了变异函数参数的计算和分析,结果表明不同年份相关距离变化情况相一致,夏季显著高于冬季,基台值呈现与相关距离相反的趋势。通过利用2016年冬季变异函数中的变程（控制实验）和2011-2016年冬季变异函数的变程季均值（对比实验）作为初始值,对2016年冬季中国中东部地区MODIS FMF和地基FMF进行了融合,弃一交叉验证结果显示控制实验下FMF融合结果与地基FMF偏差最大值由0.552降低至0.198左右（对比实验下最大偏差为0.218）,平均误差相近（分别为0.070、0.080）。2种实验估算的PM_2.5平均值（分别为77.6、78.8 μg/m³）仅相差1.2 μg/m³,与在位测量的PM_2.5观测值相比,误差平均值均为37.4 μg/m³。由此可见,融合结果对初始变程值的变化敏感度不高,在季节相同的情况下,变程的多年季均值可有效替代相应季节的变程值。     

基于再分析资料ERA5的对流层延迟估计方法及精度评估

提出基于再分析资料ERA5的天顶对流层延迟计算方法,使用中国大陆构造环境监测网络提供的26个GNSS测站2017年全年数据,评估由该方法计算的天顶对流层延迟的精度,并与前一代再分析资料ERA-Interim的计算结果进行对比分析。结果显示,ERA5计算的天顶对流层延迟均方根误差比ERA-Interim计算结果低,表明新一代产品的精度有明显提升。     

ECMWF地表太阳辐射数据在我国的误差及成因分析

利用2000-2009年中国气象局（CMA）地表太阳辐射台站资料,对欧洲中期天气预报中心（ECMWF）地表太阳下行短波辐射产品进行多时间尺度的计算与分析,检验ECMWF地表辐射产品对于中国地区太阳辐射特征的表现。本文通过聚类分析将中国地区分为8个区域,考虑到ECMWF大气因素对ECMWF地表辐射的影响和大气因子分布的空间异质性,引入地理探测器对ECMWF再分析辐射产品的时空误差进行定量分析,来判明影响ECMWF辐射精度的主要大气因子。结果表明：总体上看,ECMWF地表太阳辐射要高于地面观测数据,月均偏差为18.28W/m²;ECMWF地表太阳辐射表现出季节性差异,夏秋季节明显好于春冬季节,相对偏差较大的数据集中分布在12、1、2和3月,相对偏差较小的数据集中分布在6、7、8和9月;不同区域在冬季和夏季的主导大气影响因子不同,夏季中国西北（1区）、高原（3区）、西南（4区）和四川盆地（5区）地区主导影响因子都是气溶胶,东南（6区）地区的主导影响因子是地表反照率和气溶胶,中东部地区（7区）的主导影响因子是云覆盖率和气溶胶,但是因子解释较小,分别为0.0228和0.0202,东北地区（8区）4个因子均未通过显著性系数检验,因子对相对偏差的变化影响不显著;冬季中国西北（1区）、高原（3区）、中东（7区）、东北（8区）和四川盆地（5区）地区的主导影响因子都是云覆盖率,西南（5区）和东南（6区）地区的辐射主要受到气溶胶的影响。     

利用ERA-Interim再分析资料优化地基GNSS水汽三维层析

利用ERA-Interim再分析资料对地基GNSS水汽层析中几个关键技术进行优化。首先利用ERA-Interim提供的大气产品建立同时顾及时间及地表温度参数的区域性大气加权平均温度模型；然后根据ERA-Interim提供的高垂直分辨率的水汽产品，分析“水汽层层顶”随时间变化的规律；最后提出一种新的划分垂直方向层析网格的方法。选取我国香港地区的12个CORS站2014-06的观测数据进行试算，结果表明，与探空资料相比，6 km高度以下优化后的层析结果相比传统层析结果精度提高了12%，在6 km高度以上提高了17%。     

不同下垫面DTD模型与TSEB模型比较

双源能量平衡模型（Two Source Energy Balance, TSEB）和双温度差模型（Dual Temperature Difference, DTD）目前已应用于不同的下垫面类型和环境条件下地表蒸散发估算研究,但是由于模型构建理论机理的差异,模型表现会随着下垫面类型和环境条件的变化而有所不同。因此,本研究选取了黑河流域高寒草地、半干旱区灌溉农田以及干旱区河岸林3种下垫面类型地面观测数据,系统分析了DTD模型和TSEB模型的适用性以及主要误差来源。结果表明:① 在瞬时尺度上,DTD模型在高寒草地上估算潜热通量的误差较小,其RMSE为62.00 W/m²,而TSEB模型的RMSE为75.49 W/m²,2个模型的精度会随着植被覆盖度的增加而出现差异;在半干旱区灌溉农田区域,2种模型表现较为一致,但是在干旱区河岸林,2种模型都低估了潜热通量,且模型误差较大;② 在日尺度上,DTD模型和TSEB模型的表现与瞬时尺度表现较为一致,同时2种模型拆分的植被蒸腾比与基于uWUE模型（Water Use Efficiency, uWUE）拆分的结果吻合较好,但DTD模型的表现要优于TSEB模型;③ 相比较DTD模型而言,TSEB模型对地表温度输入误差更为敏感。本研究通过对比DTD模型和TSEB模型在不同下垫面和环境条件的表现,为今后模型优化提供了理论依据。     

一种基于FY3D/MERSI2的AOD遥感反演方法

针对目前国产卫星对气溶胶遥感监测应用较少的情况,本研究综合暗象元和SARA算法优势,基于FY-3D MERSI2数据构建了一套气溶胶光学厚度(Aerial Optical Depth, AOD)快速遥感反演方法。首先,引入了传统暗象元算法中的地表反射率经验关系,然后利用AERONET长时间序列的地基观测数据,构建了红波段和蓝波段气溶胶光学厚度、不对称因子和单次散射率之间的关系,最后利用MOD04和AERONET的AOD产品对研究反演结果进行了验证和评估分析。结果发现：① 本研究反演的AOD不仅保持了与MODIS的气溶胶产品空间分布的一致性,而且合理地呈现了AOD的高值分布,改进了MOD04气溶胶产品在云和亮目标方面反演缺失问题;② 利用AERONET地基观测结果对本研究获取的MERSI2的AOD反演结果进行了对比分析,发现二者具有较高的线性相关性,蓝波段AOD线性相关系数超过0.85;③ 利用MERSI2数据完整地捕捉到了2018年3月9—14日京津冀及周边区域的一次重污染过程中气溶胶时空分布变化情况,这也说明了FY3D卫星具备良好的气溶胶遥感监测能力,为我国灰霾监测和预警提供参考依据。本研究对大力发展国产卫星在大气环境遥感的应用有重要参考意义。     

同化叶面积指数和蒸散发双变量的冬小麦产量估测方法

同化遥感信息到作物生长过程模拟模型,是估测区域作物产量的重要方法之一。同化变量的选取对同化结果精度至关重要。本文在标定WOFOST作物模型参数的基础上,优化了WOFOST模型的默认灌溉参数。利用ET和LAI作为同化变量,分别构建了时间序列趋势信息的代价函数和四维变分代价函数;采用SCE-UA算法最小化代价函数, 重新初始化WOFOST模型初始参数——作物初始干物质重、作物35 ℃生命期和灌溉量。最后利用MODIS LAI产品（MCD15A3）、MODIS ET产品（MOD16A2）,同化到作物模型估测产量,并对比分析了水分胁迫模式下同化单变量（ET或LAI）和同化双变量（ET和LAI）的估产精度。结果表明：同化双变量ET和LAI的策略,优于同化单变量LAI或ET,双变量策略的冬小麦产量估测精度为R²=0.432,RMSE=721 kg/hm²;单独同化高精度LAI对提高估产精度具有重要作用,其冬小麦产量估测精度为R²=0.408,RMSE=925 kg/hm²;单独同化ET的趋势信息改善了WOFOST模型模拟水分平衡的参数,但是,产量估测精度（R²=0.013,RMSE=1134 kg/hm²）与模型模拟估测产量精度（R²=0.006,RMSE=1210 kg/hm²）相比改善效果有限。本研究为其他区域的遥感数据与作物模型的双变量数据同化的作物产量估测研究提供了参考价值。     

GA辅助NLS的GNSS-IR土壤湿度反演方法北大核心CSCD

采用具有阻尼因子的函数模型,使用遗传算法(genetic algorithm,GA)辅助非线性最小二乘(nonlinear least squares,NLS)方法对相位参数进行求解。结果表明:1)相较于标准余弦函数模型,该方法的反演相位与土壤湿度的相关系数有较为明显的提升,反演结果也更加稳定,在5°~15°、5°~20°、5°~25°三个高度角范围内的相关系数均大于0.68,不同高度角之间的相关系数差值小于0.07;2)反演精度有不同程度提高,R 2提高5.72%~76.06%,RMSE减小6.12%~24.24%,MAE减小2.7%~28.3%,将该方案所求相位用于多星线性回归模型后平均RMSE减小10%。     

中国区域ERA5和MERRA-2再分析资料计算Tm的精度分析

以中国区域89个探空站2017年资料为参考值,对ERA5和MERRA-2再分析资料积分计算的Tm的精度进行评估,并分析2种资料计算的Tm的bias和RMSE的时空变化特性。结果表明：1）以探空站资料为参考值,ERA5和MERRA-2再分析资料计算的Tm的年均bias分别为0.41 K和0.10 K,年均RMSE分别为1.26 K和1.34 K。2）2种资料计算的Tm的bias和RMSE具有相似的时空变化特性,时间上总体表现为夏季精度高、冬季精度稍低,但ERA5再分析资料计算的Tm的bias在全年均表现为正值,而MERRA-2再分析资料计算的Tm的bias在夏季表现为负值,其余时间表现为正值;在空间上,2种资料计算的Tm的bias和RMSE在高程上无明显变化特性,但在纬度上RMSE均表现出随纬度增加而逐渐变大的趋势,总体保持在2.5 K以内。     

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。     

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%。