基于遥感技术的生态系统服务价值动态评估模型研究

以甘肃省草地生态系统为例,利用多学科的知识综合发展了一个针对生态系统服务价值评估的动态模型,提出了一种适宜于地区性评估技术的单位价值计算方法,并构建以生物量比值系数以及货币变化指数为调节因子的动态监测模型结构.选择建立在植被机理基础上的CASA模型,模拟植被所吸收的光合有效辐射、植被层对入射光合有效辐射等,利用遥感技术反演了甘肃省年际植被净初级生产力NPP,并进行了验证.根据建立的动态模型分别评估了1999年和2002年甘肃省草地生态系统服务价值.结果表明:1985年甘肃省草地生态系统服务价值为283.6×10⁸元,1999年为1 403.7×10⁸元,2002达到1 308.6×10⁸元,全省草地生态系统服务价值呈现逐步增加的趋势.生态系统服务价值存在地域性特征并随时间而变化,目前的生态系统服务价值评估研究存在着众多不确定因素,进一步加快定量化研究深度,同时寻找有效的验证方法将是未来生态学乃至其它相关学科研究的重要主题之一.     

黑河流域遥感-地面观测同步试验:森林水文和中游干旱区水文试验

主要介绍了黑河流域遥感—地面观测同步试验(Watershed Allied Telemetry Experimental Research,WATER)的第二阶段,即以森林水文过程及中游干旱区生态水文过程为主要目标的中游试验。简要阐述了试验目标与研究内容,重点介绍了航空飞行试验、地面同步试验和加密观测试验的样方布置、数据获取与处理以及研究进展与展望。中游试验的核心研究内容是紧密围绕森林水文及中游干旱区水文的水循环问题开展航空遥感、地面同步观测试验和水文与生态参数加密观测试验,改善蒸散发反演模型和算法,探讨尺度转换方法。其中航空试验使用了微波辐射计、激光雷达(LiDAR)、高光谱成像仪、热红外成像仪和多光谱CCD相机5类传感器,飞行了17个架次和72个小时。     

深度学习融合遥感大数据的陆地水文数据同化：进展与关键科学问题

以深度学习为核心的数据驱动方法逐步应用于地球科学领域,但这类方法在模型的可解释性和物理一致性等方面还存在挑战。在遥感大数据背景下,如何结合深度学习和数据同化方法,发展陆地水循环过程模拟与预报的新技术和新方法成为地球科学领域的重要研究方向。重点梳理了近年来深度学习在改善陆地水循环要素观测数据质量以及深度学习如何减少物理模型不确定性方面的最新进展,从观测、模型和系统集成3个方面凝练出深度学习融合遥感大数据的陆地水文数据同化研究的关键科学问题：(1)深度学习反演遥感产品时,如何增强样本的时空代表性？(2)如何发展数据同化框架下物理导引的深度学习新方法？(3)如何通过“数据—模型”双驱动提升陆地水循环的可预报性？开展相关研究和探索将有助于推动“数据—模型”混合建模方法在水文领域的深入应用,提高陆地水循环过程的模拟和预测能力。     

基于长时序Landsat 5/8多波段遥感影像的青海湖面积变化研究

青海湖作为高海拔的内陆湖泊,其表面水体面积多年变化对寒旱区的气候变化和水循环至关重要。为了研究30年来青海湖湖泊面积变化规律,提取了1986—2017年(除去2012年)覆盖青海湖的459景Landsat5/8影像,采用6种常用的水体提取方法分别提取了青海湖表面水体面积,并分析了不同方法的差异,最终分别对Landsat 5 TM和Landsat 8 OLI遥感影像采用改进的归一化差异水体指数(MNDWI)和水体指数2015(WI2015)方法获得1986—2017年青海湖表面水体面积的年变化,并分析其变化趋势。结果表明:1989—2003年青海湖面积减小了175.34km^2,年平均减小率为12.52km^2/a,2003—2017年青海湖面积增加了183.43km^2,年平均增加率为13.10km^2/a,整体上,1986—2017年青海湖面积增加了104.46km^2,年平均增加率为3.37km^2/a。     

基于集合卡尔曼滤波的土壤水分同化试验

集合卡尔曼滤波是由大气数据同化发展的新的顺序同化算法,它利用蒙特卡罗方法计算背景场的误差协方差矩阵,克服了卡尔曼滤波需要线性化的模型算子和观测算子的难点。我们发展了一个基于集合卡尔曼滤波和简单生物圈模型(SiB2,Simple Biosphere Model)的单点陆面数据同化方案。利用1998年7月6日至8月9日青藏高原GAME-Tibet实验区MS3608站点的观测数据进行了同化试验。结果表明,利用集合卡尔曼滤波的数据同化方法可以明显地提高表层、根区、深层土壤水分的估算精度。     

一种基于归一化扰动模型的积雪和植被覆盖度反演方法

积雪和植被的覆盖范围对于研究气候变化和水资源平衡、生态环境状况具有重要的意义,但它们的光谱曲线具有较强的时空变异性,难以获取精确的覆盖度产品。针对线性混合像元分解算法在积雪和植被覆盖度反演中噪声和光谱变异带来的误差,本文提出了一种基于归一化扰动模型的积雪和植被覆盖度反演方法,并选用了3个不同的区域（单独的积雪覆盖区、单独的植被覆盖区、积雪和植被混合的覆盖区）来验证所提出框架的可行性。研究结果表明：① 该方法单独反演积雪覆盖度的均方根误差为0.172,单独植被覆盖度反演均方根误差为0.223,积雪和植被覆盖度混合反演的均方根误差分别为0.185和0.249,3种方案均有较高的精度;② 对影像与端元组进行归一化后,降低了光谱异质性,在此方法下的扰动混合模型可以有效地减弱MODIS影像光谱变化和噪声带来的误差;③ 针对MODIS影像,该框架获取的积雪覆盖度相对于植被覆盖度具有更高的精度。今后将进一步发展类似的积雪覆盖度与雪粒径协同反演算法。     

基于集合卡尔曼平滑算法的土壤水分同化

为研究观测资料稀少情况下土壤质地及有机质对土壤水分同化的影响,发展了集合卡尔曼平滑(Ensemble Kalman Smooth, EnKS)的土壤水分同化方案。利用黑河上游阿柔冻融观测站2008年6月1日至10月29日的观测数据,使用EnKS算法将表层土壤水分观测数据同化到简单生物圈模型(Simple Biosphere Model 2, SiB2)中,分析不同方案对土壤水分估计的影响,并与集合卡尔曼滤波算法(EnKF)的结果进行比较。研究结果表明,土壤质地和有机质对表层土壤水分模拟结果影响最大而对深层的影响相对较小;利用EnKF和EnKS算法同化表层土壤水分观测数据,均能够显著提高表层和根区土壤水分估计的精度,EnKS算法的精度略高于EnKF且所受土壤质地和有机质的影响小于EnKF;当观测数据稀少时,EnKS算法仍然可以得到较高精度的土壤水分估计。     

黑河流域日蒸散发遥感估算研究

地表蒸散的估算在干旱半干旱区水资源研究中具有重要意义。利用NOAA/AVHRR遥感资料、NCEP再分析格点资料和气象站点资料,根据能量平衡模型和FAO-17 Penman公式,计算了研究区域内逐日蒸散发量;对于晴天,用遥感模型反演出瞬时蒸散,进而推算出日蒸散;同时用FAO-17 Penmen公式和气象资料,计算研究区域内的同一天的蒸散,利用气象资料计算得到的蒸散与遥感估算的蒸散的关系,估算非晴空日的蒸散,进而得到逐日蒸散发结果。与同类研究结果的比较表明:该方法能够估算逐日蒸散发,通过气象与遥感资料结合,提高了气象格点资料的空间分辨率,弥补了难以得到遥感逐日晴空资料的不足,同时也为流域内同类研究提供参考依据。     

比较三种不同的因特网空间数据发布方法

利用DIAL(Data and Information Access Link)、Jshape和IMS(Intemet Map Server)等3种WebGIS工具分别发布黑河流域数字高程、土地利用等专题数据,并在此基础上对3种方法进行对比,探讨因特网环境下空间数据发布的最佳方法.通过对这3种空间数据发布方法的比较,我们得出以下结论:MapObject IMS是发布ArcView shape格式和Arc/INFO Coverage格式矢量图的最佳工具,对于网格数据的发布无能为力;Jshape适合于发布小数据量、简单的矢量图;DIAL工具能很好的支持网格数据的空间发布,支持HDF数据格式,并且支持元数据.所以,DIAL是一种理想的空间数据发布工具.     

地质灾害易发性评价因子分级的AIFFC算法优化

针对地质灾害易发性评价因子分级数不确定的问题,引入自适应膨胀因子模糊覆盖分级方法（fuzzy cover approach for clustering based on adaptive inflation factor, AIFFC）对易发性评价因子分级进行优化。以湖南省湘乡市为研究区,提取了坡度、坡向、高程、年平均降雨量、归一化植被指数、道路、断层、岩性和土地利用9类评价因子,运用AIFFC及自然断点法（natural breakpoint classification,NBC）对连续型因子进行分级,并分别代入加权信息量模型和随机森林模型,获取研究区易发性区划图。采用单因子分级结果精度、灾积比分析和易发性分区结果 对AIFFC分级法的优越性进行检验,结果 表明：各因子采用AIFFC算法分级的AUC值均高于自然断点法;基于AIFFC的随机森林模型及加权信息量模型的高易发区灾积比分别提升了56.3%、74.6%,低易发区灾积比分别降低了48%、58.1%,AUC值分别提升了7.6%、2.7%。采用AIFFC分级方法优化了地质灾害易发性评价因子分级,显著提高了地质灾害易发性评价的合理性...