基于MODIS数据的青藏高原气温与增温效应估算

利用2001-2007 年MODIS地表温度数据、137 个气象观测台站数据和ASTERGDEM数据, 采用普通线性回归分析方法(OLS)及地理加权回归分析方法(GWR), 研究了高原月均地表温度与气温的相关关系, 最终选择精度较高的GWR分析方法, 建立了高原气温与地表温度、海拔高度的回归模型。各月气温GWR回归模型的决定系数(Adjusted R²) 都达到了0.91 以上(0.91~0.95), 标准误差(RMSE) 介于1.16~1.58℃;约70%以上的台站各月残差介于-1.5~1.5℃之间, 80%以上的台站的残差介于-2~2℃之间。根据该模型, 估算了青藏高原气温, 并在此基础上, 将高原及周边地区7 月份月均气温转换到4500 m和5000 m海拔高度上, 对比分析高原内部相对于外围地区的增温效应。研究结果表明:(1) 利用GWR方法, 结合地面台站的观测数据和MODIS Ts、DEM等, 对高原气温估算的精度高于以往普通回归分析模型估算的精度(RMSE=2~3℃), 精度可以提高到1.58℃;(2) 高原夏半年海拔5000 m左右的高山区气温能达到0℃以上, 尤其是7 月份, 海拔4000~5500 m的高山区的气温仍能达到10℃左右, 为山地森林的发育提供了温度条件, 使高原成为北半球林线分布最高的地方;(3) 高原的增温效应非常突出, 初步估算, 在相同的海拔高度上高原内部气温要比外围地区高6~10℃。     

基于MODIS的秦巴山地气温估算与山体效应分析

秦巴山地作为横亘在中国南北过渡带的巨大山脉,其山体效应对中国中部植被和气候的非地带性分布产生了重要的影响,山体内外同海拔的温差是表征山体效应大小较为理想的指标。本研究结合MODIS地表温度（LST）数据、STRM-1 DEM数据和秦巴山地的118个气象站点的观测数据,分别采用普通线性回归（OLS）和地理加权回归（GWR）两种分析方法对秦巴山地的气温进行估算,在此基础上将秦巴山地各月气温转换为同海拔（1500 m,秦巴山地平均海拔）气温,对比分析秦巴山地的山体效应。结果表明：① 相比OLS分析,GWR分析方法的精度更高,各月回归模型的R ²均在0.89以上,均方根误差（RMSE）在0.68~0.98 ℃之间。② 利用GWR估算得到的同海拔气温,从东向西随海拔升高呈现了明显的升高的趋势,秦岭西部山地比东段升高约6 ℃和4.5 ℃;大巴山西部山地年均和7月份同海拔的气温较东段升高约8 ℃和5 ℃。③ 从南向北,以汉江为分界,秦岭与大巴山的同海拔的气温均呈现出由山体边缘向内部升高的趋势。④ 秦巴山地西部大起伏高山,秦岭大起伏高中山和大巴山大起伏中山,相比豫西汉中中山谷地,各月均同海拔气温分别升高了约3.85~9.28 ℃、1.49~3.34 ℃和0.43~3.05 ℃,平均温差约为3.50 ℃,说明秦巴山地大起伏中高山的山体效应十分明显。     

海洋悬浮泥沙二元特征参数MODIS遥感反演模型研究

本文提出了一种采用海面离水辐射率和泥沙粒径二元特征参数来反演研究海区(渤海)海洋表层悬浮泥沙浓度的新的遥感反演算法,以此为基础分别建立了基于MODIS遥感数据和泥沙粒径二元特征参数的主成分和神经网络两种泥沙浓度反演模型,并对比分析了两类模型的反演精度以及泥沙粒径因子对模型的影响。分析结果表明,新建立的二元特征参数反演算法在采用主成分模型和神经网络模型时的检验误差分别为0.256和0.244,而忽略泥沙粒径因子贡献的主成分模型和神经网络模型的检验误差分别为0.384和0.390,因此可以认为,在泥沙浓度反演模型中加入粒径因子时,模型的预测精度和模型稳定性均比只考虑浓度对反射率贡献的模型有显著改善。     

渤海海洋悬浮泥沙二元特征参数MODIS遥感反演模型研究

This paper brought out a new idea on the retrieval of suspended sediment concentration, which uses both the water-leaving radiance from remote sensing data and the grain size of the suspended sediment. A principal component model and a neural network model based on those two parameters were constructed. The analyzing results indicate that testing errors of the models using the two parameters are 0.256 and 0.244, while the errors using only water-leaving radiance are 0,384 and 0.390. The stability of the models with grain size parameter is also better than the one without grain size. This research proved that it is necessary to introduce the grain size parameter into suspended sediment concentration retrieval models in order to improve the retrieval precision of these models.     

矿区植被物化参数高光谱遥感估算研究

基于高光谱遥感数据Hyperion和植物冠层反射光谱,应用指数法、回归统计法和基于光谱位置变量的方法对矿区植被生物量和叶绿素浓度(SPAD)进行估算.结果表明:植被指数R752/R548与植物鲜重相关性最高,相关系数为0.88;选用植物像元光谱,基于植被指数R752/R548,利用三次函数法构建植物鲜重估算模型精度较高,多重判定系数R2达0.883;植被指数DVI[752,640]与植物干重相关性最高,相关系数为0.42;基于植被指数DVI[752,640],应用线性回归法构建植被干重估算模型精度较低,多重判定系数R2为0.177;基于四点内插法提取的红边位置与叶绿素浓度显著相关,相关系数为0.433;Datt(1)和Datt(2)植被指数与叶绿素浓度存在显著相关,相关系数分别为0.871和0.868;基于红边位置(REP)、Datt(1)和Datt(2)植被指数构建植物叶绿素浓度估算模型精度较高,多重判定系数R2分别为0.814、0.805和0.781.应用高光谱遥感技术可有效地检测矿区受损生态环境下的植被,为矿区植物生态修复工程提供本底资料.     

基于MODIS积雪产品的高亚洲融雪末期雪线高度遥感监测

以2001—2016年逐日MODIS积雪产品为主要数据源,在高亚洲区域发展了大尺度融雪末期雪线高度的遥感提取方法,并对其2001—2016年的时空变化特征进行了分析。提取方法首先对逐日的MODIS积雪覆盖率产品进行去云处理,获得积雪覆盖日数（SCD）数据集;并用冰川年物质平衡观测数据、融雪末期Landsat数据对提取终年积雪的MODIS SCD阈值进行率定;最后以MODIS SCD提取的终年积雪面积结合地形“面积—高程”曲线实现大尺度融雪末期雪线高度信息的提取。结果表明：① 高亚洲融雪末期雪线高度的空间异质性较强,总体上呈南高北低的纬度地带性分布规律;并因受山体效应的影响,雪线高度由高海拔地区向四周呈环形逐渐降低的特点。② 高亚洲2001—2016年融雪末期雪线高度总体上表现为明显的增加趋势。在744个30 km的监测格网中,24.2%的格网雪线高度呈显著增加,而仅0.9%的格网呈显著下降。除兴都库什、西喜马拉雅外,其他地区雪线高度均表现为升高趋势,显著上升的地区主要分布在天山、喜马拉雅中东部和念青唐古拉山等,其中以东喜马拉雅升高最为显著（8.52 m yr ^-1）。③ 夏季气温是影响高亚洲融雪末期雪线高度变化的主要因素,两者具有显著的正相关关系（R = 0.64,P < 0.01）。     

基于EOS-Terra/MODIS的沙尘暴遥感监测方法对比研究

通过分析沙尘暴的波谱响应特征及EOS-Terra/MODIS传感器通道的特点,阐述了利用EOS-Terra/MODIS进行沙尘暴监测的机理,提出了利用MODIS进行沙尘暴监测的热红外双通道差值法、三通道彩色合成直方图均衡增强法及基于双通道域值的叠加分析法,并进行了示范比较研究。研究指出基于MODIS采用双通道法进行沙尘暴遥感监测有其局限性,不能快速、有效地提取沙尘暴信息。三通道彩色合成直方图均衡增强法直观判读效果较好,但缺少定量化分析。基于双通道域值的叠加分析法是一种集定量、定性分析于一体的监测方法,有利于对沙尘暴信息的准确提取,为利用MODIS数据进行沙尘暴监测提供了有效手段。     

青海省草地资源净初级生产力遥感监测

在研究特定区域的草地光能利用率和环境影响因素典型特点的基础上,建立基于光能利用率的草地NPP遥感估算模型,模拟并分析2006年青海省草地FPAR、光能利用率、NPP的空间分布和季相变化特征。研究结果表明,2006年青海省草地净初级生产力平均值为173.28 gC/(m2.a)。青海省东南部、南部和青海湖周围三个地区,是青海省草地NPP较高的区域。不同草地类型的NPP存在差异,高覆盖度草地的单位面积平均NPP为193.82 gC/(m2.a),中覆盖度草地NPP为157.14 gC/(m2.a),低覆盖度草地NPP为121.08 gC/(m2.a)。     

MODIS在三江平原湿地分布研究中的应用

湿地研究的关键在于定量化获取和分析湿地信息,特别是湿地分布信息。以三江平原为例,结合湿地的光谱特征和时相特征,利用多时相MODIS数据,采用MNF(最小噪音分离变化)技术和非监督分类获取了研究区湿地分布,其精度达79%。研究表明,利用MODIS数据可以有效提取湿地分布。     

基于NDVI的新疆荒漠地区植被覆盖度遥感估算经验模型研究

新疆荒漠地区植被覆盖度遥感估算模型十分缺乏,给荒漠化监测等相关工作带来很大不便,开展植被覆盖度遥感估算经验模型研究,对于促进和完善相关地区的生态监测及研究工作具有积极的现实意义。通过对阜康市北部沙漠南缘和克拉玛依市中部平原荒漠进行无人机航拍,利用无人机遥感提取(光合)植被信息,并将无人机航拍影像的植被覆盖度统计单元与高分辨率卫星影像像元在空间上直接相对应,获取在高分辨率卫星影像像元尺度上的植被盖度,然后通过植被覆盖度和空间上与其相对应的源自高分辨率卫星影像的NDVI数据的拟合关系,建立基于源自高分二号影像的NDVI的阜康北部沙漠植被覆盖度遥感估算线性模型以及基于源自ZY1-02C影像的NDVI的克拉玛依平原荒漠植被覆盖度遥感估算二次多项式模型。研究中所采用的无人机遥感与卫星遥感相结合、植被覆盖度统计单元与卫星像元在空间上直接对应的方法,可避免以往相关工作中常以点位测量数据代表卫星像元数据所带来的不确定性。由于所用卫星影像的NDVI数据稳定性相对不足等原因,所建立的遥感估算模型的估算精度尚相对偏低,有待于今后进一步的工作加以改进。     

MODIS-based estimation of air temperature of the Tibetan Plateau

The immense and towering Tibetan Plateau acts as a heating source and, thus, deeply shapes the climate of the Eurasian continent and even the whole world. However, due to the scarcity of meteorological observation stations and very limited climatic data, little is quantitatively known about the heating effect and temperature pattern of the Tibetan Plateau. This paper collected time series of MODIS land surface temperature （LST） data, together with meteorological data of 137 stations and ASTER GDEM data for 2001-2007, to estimate and map the spatial distribution of monthly mean air temperatures in the Tibetan Plateau and its neighboring areas. Time series analysis and both ordinary linear regression （OLS） and geographical weighted regression （GWR） of monthly mean air temperature （Ta） with monthly mean land surface temperature （Ts） were conducted. Regression analysis shows that recorded Ta is rather closely related to Ts, and that the GWR estimation with MODIS Ts and altitude as independent variables, has a much better result with adjusted R 2 〉 0.91 and RMSE = 1.13-1.53℃ than OLS estimation. For more than 80% of the stations, the Ta thus retrieved from Ts has residuals lower than 2℃. Analysis of the spatio-temporal pattern of retrieved Ta data showed that the mean temperature in July （the warmest month） at altitudes of 4500 m can reach 10℃. This may help explain why the highest timberline in the Northern Hemisphere is on the Tibetan Plateau.     

Application of geographically weighted regression model in the estimation of surface air temperature lapse rate

The surface air temperature lapse rate(SATLR)plays a key role in the hydrological,glacial and ecological modeling,the regional downscaling,and the reconstruction of high-resolution surface air temperature.However,how to accurately estimate the SATLR in the regions with complex terrain and climatic condition has been a great challenge for re-searchers.The geographically weighted regression(GWR)model was applied in this paper to estimate the SATLR in China's mainland,and then the assessment and validation for the GWR model were made.The spatial pattern of regression residuals which was identified by Moran's Index indicated that the GWR model was broadly reasonable for the estimation of SATLR.The small mean absolute error(MAE)in all months indicated that the GWR model had a strong predictive ability for the surface air temperature.The comparison with previous studies for the seasonal mean SATLR further evidenced the accuracy of the estimation.Therefore,the GWR method has potential application for estimating the SATLR in a large region with complex terrain and climatic condition.     

基于格网的青海省干旱灾害综合风险评估

干旱灾害风险评估是执行区域性干旱灾害风险管理的重要举措,是有效实施气象防灾减灾工作的非工程性技术措施。随着气象现代化的逐步实施,干旱灾害风险评估技术和精度的重要性越加凸显。为科学、准确地评估青海省区域干旱的监测精度和干旱灾害风险等级,以青海省为例,采用青海省1961-2010年50个气象站潜在蒸散和降水数据,基于气象灾害风险度评估理论和方法,并根据《青海省地方干旱等级划分标准》,通过干旱灾害风险度模型和ArcGIS空间分析相结合的方法,较为系统地分析了青海省干旱灾害风险时空分布特征及其灾害风险等级。结果表明：近50 a以来,青海境内主要发生了不同程度的冬春季干旱。从时空分布特征来看,轻、中、重度干旱灾害分布和演化趋势基本一致,干旱灾害易发高发区主要分布于柴达木盆地西北部;环青海湖流域和共和盆地以及东部农业区局地处于中等风险水平,其余地区干旱灾害风险水平较低;从市、县、镇区域单元来看,茫崖、花土沟镇、冷湖及格尔木市干旱灾害风险较高,天峻、都兰、乌兰、共和、兴海、同德、贵南、同仁、化隆、循化及唐古拉等地次之,其余地区干旱灾害风险水平较低,青海境内干旱灾害的发生不仅受降水量影响,还与不同类型的下垫面密切相关。     

基于MODIS数据的青海湖流域地表温度反演研究

地表温度是检测地球环境变化的重要指标,将地表温度与气象观测资料相结合可以更准确地检测地表履被、土壤湿度及水分含量变化。利用MODIS数据对青海湖流域地表温度进行反演,将反演结果与实测0 cm地面温度对比分析,显示反演的地表温度值与实测0 cm地面温度值平均差-1.05℃,在当前遥感反演地表温度的误差之内。结果表明地表温度和气象观测资料相结合,可以用于监测地表温度的变化,进而建立偏远地区气候资源数据库。     

基于MODIS日地表温度产品的兰州市热岛效应特征

由于MODIS 8 d地表温度产品和Landsat热红外波段很难准确反映地表温度的日变化,这导致由此得到的热岛效应结果不够准确,因此利用MODIS日地表温度产品1天4次的数据来分析长时间段上的热岛效应变化和已有将日地表温度转换成月和年地表温度的算法得到月和年地表温度值,以兰州市为实验区分析了2002-2015年兰州市的热岛变化特征,结果表明：兰州市热岛效应总体上处于增长趋势,2002-2009年波动变化,2010-2015年平稳增加。空间上由中部逐年向北部永登县和皋兰县方向扩展;兰州市热岛的月变化特征分为两个部分,1～5月呈“人”字形变化;6～12月整体下降,空间上表现为东北和西南向条带中心紧缩;兰州市热岛季节变化表现为：夏季>春季>秋季>冬季,空间上在兰州的中心位置以及延伸至榆中县的东南角高温区面积增减。研究表明MODIS日地表温度产品能更加准确地评价区域尺度热岛效应的演变特征。     

基于ETM+与MODIS数据融合的伊洛河流域地表蒸散估算

MODIS数据时间分辨率较高,在对地能量和水分变化监测应用中具有不可比拟的优势。但其空间分辨率较低,混合象元效应显著,尤其在地表土地利用类型复杂和空间异质性较大时,会带来较大的误差。而ETM+数据具备较高的空间分辨率,但其单一的热红外波段导致反演的地表温度精度不高,且时间分辨率低,因而限制了在地表蒸散监测中的应用。本文探讨了将TM/ETM+与MODIS数据相融合估算区域地表蒸散的一种多尺度遥感方法,利用TM/ETM+计算得到的植被指数,基于空间增强方法将MODIS反演的地表温度尺度提高到30 m,并结合SEBS模型对伊洛河流域的地表蒸散进行了估算。验证与分析的结果表明,估算精度得到提高,研究区当日蒸散量在0～5.32 mm/d之间,空间分布具有明显的地域性差异,区域分布不均衡。     

MODIS-based air temperature estimation in the southeastern Tibetan Plateau and neighboring areas

Climatic conditions are difficult to obtain in high mountain regions due to few meteorological stations and, if any, their poorly representative location designed for convenient operation. Fortunately, it has been shown that remote sensing data could be used to estimate near-surface air temperature (Ta) and other climatic conditions. This paper makes use of recorded meteorological data and MODIS data on land surface temperature (Ts) to estimate monthly mean air temperatures in the southeastern Tibetan Plateau and its neighboring areas. A total of 72 weather stations and 84 MODIS images for seven years (2001 to 2007) are used for analysis. Regression analysis and spatio-temporal analysis of monthly mean Ts vs. monthly mean Ta are carried out, showing that recorded Ta is closely related to MODIS Ts in the study region. The regression analysis of monthly mean Ts vs. Ta for every month of all stations shows that monthly mean Ts can be rather accurately used to estimate monthly mean Ta (R2 ranging from 0.62 to 0.90 and standard error between 2.25℃ and 3.23℃). Thirdly, the retrieved monthly mean Ta for the whole study area varies between 1.62℃ (in January, the coldest month) and 17.29 ℃ (in July, the warmest month), and for the warm season (May-September), it is from 13.1℃ to 17.29℃. Finally, the elevation of isotherms is higher in the central mountain ranges than in the outer margins; the 0℃ isotherm occurs at elevation of about 4500±500 m in October, dropping to 3500±500 m in January, and ascending back to 4500±500 m in May next year. This clearly shows that MODIS Ts data combining with observed data could be used to rather accurately estimate air temperature in mountain regions.     

基于Modis地表温度的青藏高原东部及其邻近地区气温估算(英文)

Climatic conditions are difficult to obtain in high mountain regions due to few meteorological stations and, if any, their poorly representative location designed for convenient operation. Fortunately, it has been shown that remote sensing data could be used to estimate near-surface air temperature (Ta) and other climatic conditions. This paper makes use of recorded meteorological data and MODIS data on land surface temperature (Ts) to estimate monthly mean air temperatures in the southeastern Tibetan Plateau and its neighboring areas. A total of 72 weather stations and 84 MODIS images for seven years (2001 to 2007) are used for analysis. Regression analysis and spatio-temporal analysis of monthly mean Ts vs. monthly mean Ta are carried out, showing that recorded Ta is closely related to MODIS Ts in the study region. The regression analysis of monthly mean Ts vs. Ta for every month of all stations shows that monthly mean Ts can be rather accurately used to estimate monthly mean Ta (R2 ranging from 0.62 to 0.90 and standard error between 2.25℃ and 3.23℃). Thirdly, the retrieved monthly mean Ta for the whole study area varies between 1.62℃ (in January, the coldest month) and 17.29℃ (in July, the warmest month), and for the warm season (May-September), it is from 13.1℃ to 17.29℃. Finally, the elevation of isotherms is higher in the central mountain ranges than in the outer margins; the 0℃ isotherm occurs at elevation of about 4500±500 m in October, dropping to 3500±500 m in January, and ascending back to 4500±500 m in May next year. This clearly shows that MODIS Ts data combining with observed data could be used to rather accurately estimate air temperature in mountain regions.