光学与微波遥感的新疆积雪覆盖变化分析

利用2002-2013年冬季的MODIS光学遥感数据,以及AMSR-E、AMSR2与MWRI被动微波遥感数据,建立了新疆地区冬季每日积雪分布遥感反演模型。首先,将Terra与Aqua双星MODIS的积雪产品融合,初步去云并最大化积雪信息;然后,利用AMSR-E/AMSR2和MWRI被动微波数据进行每日雪盖提取;最后,利用被动微波遥感数据反演得到的每日雪盖结果对双星融合后依然有云的像元进行替换,得到每日积雪分布情况。据此模型提取了11年间冬季的积雪天数信息,结合气象台站观测数据,分析了新疆冬季积雪的年内和年际变化规律。结果表明,新疆地区积雪主要分布在北部新疆,积雪天数与地形关系密切,山区积雪天数较多,盆地及城市区积雪天数较少;积雪天数年内变化是从11月到次年1月随温度降低逐渐增加,从1月到3月积雪天数则逐渐减少。新疆地区积雪天数在这11年中存在一定的波动,积雪天数与该年的平均气温,以及月低于0℃的天数存在显著相关性,与降雪量关系不明显。新疆地区近年来积雪天数重心有向西向南移动的趋势,这可能与全球气候变暖导致多年积雪融化有关。     

基于GridMet模型的浙江省温湿指数空间分布及地形影响分析

温湿指数是气候舒适度评价模型之一,通过温度与湿度的组合反映人体与周围环境的热量交换,本文利用2003-2018年浙江省及其周边71个气象站点月平均气温、地面水汽压数据,以及MODIS水汽产品,基于GridMet模型模拟了浙江省各月温湿指数空间分布（100 m×100 m）,分析了浙江省温湿指数随地形因子（海拔、坡度、坡向）变化的特征;讨论了各地形因子对温湿指数空间分布的影响程度。结果表明：① 海拔、坡度、坡向3个地形因子中,1月温湿指数随坡向的变化最大,7月最小;② 同坡向上,坡度变化对1月温湿指数影响较大,而海拔变化则是对7月影响最大;③ 南坡1月温湿指数随海拔和坡度增加均略为增加,南坡其他月份及北坡各月均为随海拔和坡度增加温湿指数减小;④ 北坡相对于南坡而言,海拔和坡度对温湿指数的影响更为明显。浙江大部分山区由于地形影响,夏季较为“舒适”,适宜建立避暑消夏的旅游项目。     

山东半岛降雪时空分布特征

以2000-2018年MODIS MOD10A1日产品数据为数据源,结合数字高程模型（DEM）及降水量、风向等气象数据,构建了积雪空间分布模型,能够有效地提取强降雪区域。以此为基础,利用相关分析、缓冲区分析等方法,探究山东半岛降雪时空分布特征,结果表明：① 将NDSI累积量与DEM数据相结合,能够有效构建山东半岛积雪空间分布模型,实现了对山东半岛强、弱降雪区域提取,NDSI累积量≥150的区域中,在强降雪区的面积占降雪范围的79.78%;② 降雪区域存在空间差异,呈现北多南少,东多西少的分布格局,以黄、渤海与山东半岛海陆分界线为基准,离岸距离39.1 km范围内降雪多,离岸距离39.1 km以外降雪少;山脉150 m高程线北侧迎风坡降雪多,南侧背风坡降雪少;③ 山东半岛强降雪年以3-5年为周期存在年际变化。探究山东半岛降雪长时间序列时空分布特征,在收集淡水资源,缓解用水紧张和灾害预防方面具有一定意义。     

中国北部地区卫星积雪产品数据集检验

同其他卫星相比,NOAA卫星搭载的AVHRR积雪产品,具有长达10 a的长时间序列数据集,能够应用于长时间、较大区域范围的积雪覆盖变化分析。由于不同卫星使用的反演算法,波谱宽度和大气订正等不完全相同,故需对不同卫星积雪产品数据集进行一致性检验,将卫星积雪产品更好地应用于气候分析研究。本文采用一种新的评估方法,对空间分辨率为0.05^o×0.05^o的AVHRR积雪产品与IMS和MOD10A1积雪产品,分别在空间和时间变化上进行对比分析,对AVHRR积雪产品数据集进行检验,发现AVHRR与MODIS积雪产品具有较好的一致性。     

1979-2010年青藏高原积雪深度时空变化遥感分析

积雪深度是表征积雪特征的重要参数,也是区域气候变化最敏感的响应因子之一。利用1979-2010年逐日中国雪深长时间序列数据集,采用GIS空间分析和地统计方法,分析了青藏高原积雪深度的时空变化规律及异常空间分布特征。结果表明：近32年来,青藏高原雪深呈显著增加趋势,增加速率为0.26 cm/10a,其中,昆仑高寒荒漠地带雪深增加最为明显,增加速率达0.73 cm/10a;20世纪80年代至90年代青藏高原雪深呈逐步增加趋势,21世纪初变化平稳;青藏高原4个季节雪深变化均呈现为上升趋势,尤以冬季增加最为明显,增加速率达0.57 cm/10a。青藏高原东南、西部和南部为雪深分布高值区;逐像元回归分析表明,高原雪深呈增加趋势的像元数占全区像元总数的67.1%,其中有91.3%为轻度和中度增加,主要分布在高原北部和西部;最大雪深变化基本维持在-0.1~0.1 cm/a（45.47%）之间,在昆仑北翼山地、柴达木山地、羌塘高寒地带南部等局部地区最大雪深有增加趋势,主要是轻度增加,面积比例为36.66%。果洛那曲高寒地带、青南高寒地带和羌塘高寒地带为青藏高原积雪深度异常变化敏感区。     

西藏一江两河地区人口分布与地形要素关系分析

地形条件是影响区域人口分布的最基本的因素之一,本文基于1 km×1 km人口空间分布公里网格数据定量分析一江两河地区人口分布基本特征及其与高程、坡度、坡向、地形起伏度等地形要素之间的关系,有助于揭示西藏高原人口分布现状的本质、理解人口空间分布结构特征,对于今后宜居地选址、改善农牧民人居环境、制定区域经济发展政策,促进区域内人口、资源与环境可持续发展具有重要意义。研究结果表明：① 一江两河地区90%的区域人口密度不足10人/km²,80%的人口分布在不足5%的土地上,人口分布比较集中。当前一江两河地区有2个主要的人口集中区,分别是拉萨市城关区和日喀则地区日喀则市,拉萨市城关区尤其显著。② 一江两河地区人口沿河分布,80.46%的人口居住在距离河流10 km以内区域,人口总数、人口密度与距河流距离呈明显的指数关系,距离河流2 km以内的区域人口密度高于50人/km²;③ 近99%的人口分布在海拔4500 m以下,当高程超过3800 m时,人口密度随海拔升高呈下降趋势;④ 近70%的人口分布在坡度小于15°的区域,而且随着坡度越大,人口密度越小,人口分布受坡向的影响不明显;⑤ 地形起伏度对人口分布的影响显著,近85%的人口分布在地形起伏度小于800 m的区域,人口密度与地形起伏度之间为倒指数关系。     

神农架林区植被分布与地形的关系研究

神农架林区是我国物种多样性最为丰富的地区之一,地形地貌复杂,对植被分布影响巨大。本文利用该地区2007年数字高程数据、2007年植被分布图以及2017年野外实地调查数据,基于最大熵模型和空间分析理论,从植被类型和种群两个角度研究该地区不同尺度植被空间分布的地形特征,分别量化植被类型和种群空间分布的地形范围,得到植被类型与地形因子关系模型、植被种群与地形因子关系模型。结果表明:①神农架林区影响植被空间分布的地形因子不同,其中影响针叶林分布的最重要的地形因子是高程和高程变异系数,影响阔叶林分布的是高程和坡向,影响灌丛分布的是坡向变率和坡向,影响草丛分布的较为分散;②典型植被种群分布的地形范围和植被类型的基本一致,其中90%针叶林分布在高程1600~2600 m间,典型种群巴山冷杉和华山松主要分布在高程1700~3200 m和1700~2200 m;85%的阔叶林分布在高程1000~2000 m间,典型种群青冈类和鹅耳枥主要分布在高程1200~2200 m间;95%的灌丛分布在坡向变率0~40°间,典型种群杜鹃和蔷薇主要分布在坡向变率小于40°的范围,但相应的关系模型存在差异,植被类型与地形因子为高斯模型,典型种群与地形因子关系模型相对复杂,不同种群的分布模式不同;③虽然坡度常作为数字地形的重要因子,但本文研究发现该地区坡度对植被类型和种群分布的影响不明显。研究结果可为神农架林区植被保护和恢复,以及植被规划和管理提供基础参考。     

黄土高原地形破碎化探测及空间异质性分析

地形破碎化是导致多山地区空间连通性和可进入性差的重要因素,严重制约了区域交通可达性和城乡一体化发展。研究以沟谷密集、地形高度破碎的黄土高原为例,基于DEM数据从整体破碎、正负地形和地形过渡构建地形破碎化指标体系,分别采用空间聚类方法 AZP-SA(Automated Zoning Procedure-Simulated Annealing)和客观赋权方法 CRITIC(Criteria Importance Though Intercrieria Correlation)生成县域地形破碎化空间分区和评价分级,探讨了黄土高原地形破碎化的空间异质性。研究结果表明：(1)地形破碎化指标在空间上普遍表现为连片集聚分布特征,其中高程标准差、地形起伏度等指标的高值单元主要位于陇中高原和秦岭附近区域,低、中值单元主要分布在六盘山-渭河以北区域;(2)黄土高原可划分为空间上连续的8个地形破碎化分区,面积最大的4个分区位于高原中部的陕北高原、吕梁山脉以及北部的鄂尔多斯高原等地区,占总面积比例为66.37%,呈倾斜“田”字型分布;其余分区位于高原西部和东南部边缘,面积较小、形状狭长,表明黄土高原地形破碎化...     

顾及DEM误差空间自相关的地形变化检测方法

传统的地形变化检测方法忽略了DEM误差的空间自相关性,针对此问题,本文提出了顾及DEM误差空间自相关的地形变化检测方法。首先,通过2期DEM相减得到差值DEM(DoD),并通过蒙特卡罗方法评估DEM的误差空间分布;其次,基于DEM误差空间分布图,通过误差传播公式计算DoD误差,并使用半变异函数分析其空间自相关程度;最后,在误差空间自相关分析和显著性检测的基础上计算地形变化量（体积）和对应的误差限。本文在4个黄土小流域进行了实验,结果表明：无人机摄影测量DEM的高程误差存在一定程度的空间自相关,通过光束平差蒙特卡罗方法可以模拟无人机摄影测量DEM的误差空间分布;在进行地形变化检测时,使用误差空间分布代替中误差进行地形变化检测有效降低了检测结果对显著性阈值的敏感性;显著性阈值从68%提高到95%时,使用误差空间分布的检测结果损失的观测值比使用中误差低5.39%～6.75%。顾及空间自相关的地形变化检测方法能够更加科学、精确地量化地形变化特征,也可有效地应用于地表变形监测、流域侵蚀监测、输沙量评估等领域。     

天文辐射空间分布与尺度效应研究

天文辐射是地表实际入射太阳辐射的基础背景,也是辐射计算、太阳能资源评估和农业生产潜力估算等方面的重要天文参量。本文基于分辨率为30 m的福建省数字高程模型,使用MATLAB软件提供的并行计算框架模拟了起伏地形下福建省天文辐射空间分布,定量地分析了坡度坡向对天文辐射分布的影响规律,同时探讨数字高程模型对天文辐射产生的空间尺度效应。结果表明：福建省年天文辐射量大部分处于10 000~13 000 MJ/m²,呈现东南沿海向中西部递减的分布特征;不同季节的天文辐射分布受纬度和坡度坡向的影响具有明显的差异性,呈现季节分布的不对称性;不同坡度和坡向对天文辐射的影响与福建省总体上西北高东南低地势特征相吻合,天文辐射量随坡度增大而减小,东、东南和南坡向是天文辐射分布较集中的区域,总体上呈现山脊多、山谷少、阳坡多、阴坡少的地域差异性;数字高程模型的空间尺度效应在起伏较大的福建中西部丘陵地貌表现更加明显,该区域的天文辐射对分辨率的变化更加敏感。     

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。     

徐闻珊瑚礁保护区营养盐时空分布特征

2006年8月(夏季)、2006年11月(秋季)、2007年2月(冬季)和2007年4月(春季)在徐闻珊瑚礁自然保护区灯楼角至流沙湾近岸海域调查徐闻珊瑚礁保护区的营养盐变化及空间分布特征。结果表明:徐闻珊瑚礁保护区水域溶解态无机氮以NO3--N为主,其含量超过总溶解无机氮的50%;各站点NO2--N含量相对较低,冬季NO3--N和NH4+-N含量均高于其它季节;无机磷含量在0mg/L～0.030mg/L之间变化;活性硅含量表现为夏秋季节高、冬春季节低;表层水体硝酸盐氮/无机磷原子比值(N/P)夏季较低,不存在无机磷受限情况,而冬季N/P整体较高,此时水体主要受无机磷限制。     

青藏高原MODIS图像冰雪信息挖掘与动态监测分析

针对西藏地区的环境特点,对适应大区域尺度及全球尺度的MODIS数据进行冰雪信息挖掘与监测的方法进行改进,提出适于西藏地区MODIS数据雪信息提取的技术途径,实践表明,该法对冰雪情监测具有较好的实用性。     

秦巴山区植被覆盖与土壤湿度时空变化特征及其相互关系

基于2001-2014年MODIS-NDVI和MODIS-LST数据,利用温度植被干旱指数对土壤湿度进行遥感反演,分析了秦巴山区植被覆盖与土壤湿度时空变化特征及其相互关系。研究发现：① 秦巴山区植被覆盖与土壤湿度均呈增加趋势;② 植被覆盖整体水平较高且表现出“四周低,中间高”的空间分布特征,土壤湿度整体表现出“北低南高”的空间分布特征,大体上二者呈现出空间分布正相关性;③ 植被改善趋势表现明显,显著改善区分布分散,无明显集中区域,退化区域主要集中于北部渭河沿岸及东部边缘少量地区;土壤湿度增长态势明显,增大区分布于除西北边缘及东北边缘外的几乎整个研究区中,减小区域面积小且大部分表现不显著;④ 秦巴山区植被覆盖与土壤湿度时空变化上呈现出明显的正相关性,其中69.71%的区域表现出土壤湿度增大-植被覆盖改善的特征,分布于研究区除四周边缘地带外的大部分地区。     

基于浮动车数据的城市道路通行能力时空特征分析

针对城市道路通行能力定量度量指标,提出基于浮动车数据的道路基本通行能力评估方法;以道路通行能力指标来分析深圳市道路网通行能力的时空分异规律,结论如下：城市道路通行能力具有明显的时变特征和空间分布的不均衡性;各行政区域通行能力在工作日变化平缓,在休息日出现午高峰;通行能力余量无论在工作日和休息日都浮动较大,并在休息日中午显著下降;道路通行能力具有明显区域分类现象,人口密度和发展程度较高区域的道路通行能力整体较低,且一天内的变化较小;道路等级对通行能力和通行能力余量影响显著,较高等级道路一天内变化较大,低等级道路则较平稳。     

2002-2012年青藏高原积雪物候变化及其对气候的响应

积雪是地表最活跃的自然要素之一,其动态变化对气候、环境以及人类生活都产生了重要影响。本文利用MODIS积雪产品和IMS雪冰产品,首先通过Terra、Aqua双星合成和临近日合成去除MODIS积雪产品中的部分云像元,再与IMS融合,获取了青藏高原2002-2012年逐日无云积雪覆盖产品,并逐像元计算每个水文年的积雪覆盖日数（SCD）、积雪开始期（SCS）和积雪结束期（SCE）,分析了不同生态分区积雪的时空变化特征,以及积雪开始期和结束期与温度、降水的关系。结果表明：青藏高原积雪分布存在明显的空间差异,南部喜马拉雅山脉和念青唐古拉山地区以及西部帕米尔高原和喀喇昆仑山脉为SCD的2个高值区,年均积雪日数在200 d以上。18.1%的区域SCS表现出明显的提前趋势,主要集中在青藏高原中东部;羌塘高原南部、念青唐古拉山西段以及川西地区有显著推迟趋势,占高原面积的8.5%。23.2%的区域SCE显著推迟,主要集中在果洛那曲高寒区、昆仑山区和念青唐古拉山地区;而仅有6.9%的区域表现出提前趋势,主要分布在高原西南部。总体上,不同生态单元内积雪开始与结束期受温度、降水的影响差异很大,表现出不同的空间格局与演变趋势。     

基于多源数据的青藏高原雪深重建

青藏高原地形复杂,积雪时空分布异质性较强且大部分地区积雪较薄,而被动微波遥感因其空间分辨率低以及雪深反演中的不确定性,极大地限制了其反演青藏高原雪深的精度。本文尝试将多源遥感数据以及与积雪模型（SnowModel）相结合,来重建更高质量的青藏高原雪深数据。首先,利用MODIS积雪面积比例产品,根据构建的积雪衰减曲线以及经验的融合规则对低分辨率被动微波雪深进行了降尺度;然后,结合MODIS/被动微波融合雪深数据和SnowModel对研究区进行雪深数据同化实验;最后,利用地面站实测雪深数据对MODIS/被动微波融合雪深以及同化输出雪深的精度进行了分析和对比。结果表明,基于数据同化方法得到的雪深数据更接近地面观测雪深值,通过均方根误差以及相关系数的对比,同化雪深结果优于MODIS/被动微波融合雪深结果。     

东北典型林区雪深反演算法的验证与分析

积雪对自然环境和人类活动都有极其重要的影响。积雪参数（雪面积、雪深和雪水当量）反演对水文模型和气候变化研究有着实际的意义。然而,目前森林区的雪深遥感反演精度一直有待于进一步提高。东北地区是我国最大的天然林区和重要的季节性积雪区之一,本文利用FY3B卫星微波成像仪（MWRI）L1级亮温数据和L2级雪水当量数据,以及东北典型林区野外实测雪深数据,对Chang算法、NASA 96算法和FY3B雪深业务化反演算法进行了验证与分析。结果表明：在东北典型林区的雪深反演中,Chang算法和NASA 96算法反演的雪深波动都比较大,当森林覆盖度f≤0.6时,NASA 96算法表现比较好,均方根误差值在3种算法中较小,但当f >0.6时,NASA 96算法失真严重。当考虑纯森林像元（f=1）时,Chang算法低估了雪深47%。当f≤0.3时,FY3B业务化算法始终优于Chang算法。整体上,FY3B业务化算法相对稳定,具有较高的精度。