定量遥感地表净辐射通量所需大气下行长波辐射估算模型改进

利用半湿润季风气候类型夏季近地层气象观测资料,对得到广泛应用的十种晴天大气下行辐射估算模型和两种昙天大气下行辐射估算模型进行检验。指出其中Iziomon(2003)晴天大气下行辐射估算模型是半湿润季风气候类型夏季较适用的估算模型。然而,在有云天空,Iziomon(2003)昙天估算模型误差比较大。本文依据实测资料,对Iziomon(2003)昙天大气下行辐射估算模型进行修正,修正后的模型估算值与实测值非常接近。由于应用常规气象站的大气温湿度来估算大气下行辐射仅代表近地层大气对其的贡献,不能反映整层大气的贡献,尤其在近地层与高空大气的水汽状况不一致时,上述模型将有较大的误差。为此本文结合Iziomon(2003)晴天模型中大气比辐射率的表达式,提出了运用红外辐射计以37°高度角对天空的观测值,来推算大气下行辐射的新方法。小汤山的试验数据表明,新模型的反演精度优于上述传统模型。     

国产高分一号数据估算草地植被覆盖度方法研究——以呼伦贝尔草原露天煤矿区为例

为了探讨与分析国产高分一号(GF-1)数据在北方露天煤矿区草地植被覆盖度估测中的精度及适用性,该文基于GF-1与SPOT6多光谱影像数据,以多个植被指数为自变量,利用像元二分模型、偏最小二乘(PLS)回归、支持向量机(SVM)回归3种模型对区内植被覆盖度进行估算,结合野外同步实地植被样方数据,对比分析不同估算模型的精度及适宜性,并通过蒙特卡洛模拟多尺度交叉建模的误差传播,分析空间分辨率不同对植被覆盖度估测的精度影响。结果表明:GF-1数据基于增强型植被指数的SVM回归模型(R~2=0.8149,RPD=2.336,RMSE=8.694%)与SPOT6数据基于归一化植被指数的SVM回归模型(R~2=0.8755,RPD=2.870,RMSE=7.032%)估算效果较好。不同分辨率数据交叉传递过程中SVM回归模型的精度高于PLS回归模型。因此,基于GF-1数据构建的SVM回归模型可以高精度地估算区域草地植被覆盖度。     

应用遥感方法估算区域蒸散量的制约因子分析

遥感方法估算区域蒸散量应用比较广泛的有两种,一种是完全以地表热量平衡方程为基础．用遥感方法估算出净辐射、土壤热流量和显热通量,然后用余项法求出蒸散量;另一种是以Penman—Monteith方程为基础．结合地表热量平衡方程,直接估算出蒸散量。本文根据国内外的研究现状,对应用遥感方法估算区域蒸散量的制约因子进行了深入的分析,这些制约因子包括(1)图像信息源;(2)反照率、比辐射率和表面温度等地表参数的遥感反演精度;(3)空气动力学阻抗和表面阻抗模型;(4)估算结果的验证方法(5)时间尺度的扩展问题。分析结果表明：长期以来由于这些因子中所涉及到的许多关键技术和难点问题都没得到很好的解决,因而极大地制约着应用遥感方法估算区域蒸散量的发展。通过对制约因子的分析．可以有助于高精度遥感蒸散模型的建立。     

集成遥感数据的陆地净初级生产力估算模型研究综述

净初级生产力(NPP)是衡量碳循环、指导土地利用、评估生态安全、指示环境变化、反映粮食安全等的重要参量,其估算受模型构建机理和生态系统关键地表参数输入的影响。近年来,随着遥感数据的不断丰富和遥感处理技术的快速发展,集成遥感数据的NPP估算模型相较于仅采用气候、土壤等传统观测数据的非遥感模型,在分析时空异质性等方面的优势日益凸显。本文基于Web of Science和CNKI两大数据库,采用文献统计分析方法,系统回顾NPP研究概况及国内外集成遥感数据的NPP估算模型的近期进展;并将集成遥感数据进行NPP估算的模型分为统计模型、光能利用率模型、过程模型及耦合模型四类;重点阐述了各类遥感估算模型的机理、差异性、适宜性及局限性;最后,在分析NPP遥感估算面临困境和科学挑战的基础上,从机理与影响因素、数据基础、参数反演、时空尺度拓展、软硬件支撑等方面对未来研究进行了展望。     

一种基于植被指数-地表温度特征空间的蒸散指数

利用遥感获取的植被指数和地表温度信息,进行地表能量和水分平衡过程研究是目前陆表过程研究的前沿。根据地表能量和水分平衡原理,对地表温度(Ts)、植被指数(VI),地表蒸散发(ET)之间的空间关系进行了分析,并基于假设条件,构建了温度植被蒸散指数(TVETI)。为验证TVETI表征地表蒸散的能力,利用环境卫星数据和SEBAL模型,对SEBAL模型中各能量通量构建的蒸散指数与TVETI进行线性回归分析,从2012年4~9月6个不同日期的确定性系数分别为:0.838、0.935、0.912、0.921、0.926、0.825, TVETI能很好的表征地表蒸散能力。通过对SEBAL模型估算的ET和TVETI估算的ET进行交叉验证发现,两者大小一致性显著, TVETI可以实现区域尺度地表蒸散发的快速估算。     

湿地植被地上生物量遥感估算模型研究——以洪河湿地自然保护区为例

以洪河湿地自然保护区的TM图像和29个实测样地生物量数据为数据源,采用单变量线性和非线性回归、多元线性逐步回归及人工神经网络(BP网络、RBF网络)技术,构建了研究区内典型湿地植被(草甸和沼泽)的地上生物量干重和湿重的遥感估算模型,并对比得到最优模型。主要结论有:(1)RBF神经网络模型及多元非线性模型是研究区内湿地植被地上生物量遥感估算的最优模型,生物量干重估算值的平均相对误差为2.795%,生物量湿重估算值的平均相对误差为3.399%。(2)比较2004年8月、2006年8月和2008年8月研究区内草甸和沼泽总生物量可得,总生物量干重呈上升趋势,而总生物量湿重呈下降趋势。(3)研究区内生物量极高值和极低值分布较少,且主要集中于混合像元分布的地方,如岛状林、灌丛的周边地区或是沼泽内含水较多的地区。     

青藏高原高寒沼泽化草甸总初级生产力的遥感估算:多模型比较（英文）

青藏高原沼泽化草甸是土壤有机碳密度最高,对气候变化最敏感的高寒生态系统。对其生态系统总初级生产力(GPP)持续准确的量化是掌握站点到全球尺度的碳循环的关键。涡度相关技术(EC)是测量生态系统碳通量的最佳途径,而遥感模型可以实现从生态系统迹点(footprints)到区域乃至全球的尺度扩展。但是,大多遥感估算模型的适用性在这种高寒沼泽化草甸上并没有得到验证。本研究选取了四个近年来被广泛运用的遥感估算GPP的模型,即MODIS算法(MOD)、植被光合模型(VPM)、光合能力模型(PCM)和高寒植被模型(AVM)对青藏高原中部的一个典型高寒草甸生态系统的GPP进行了估算。结果显示:所有遥感模型对GPP的年内季节变异都有很好的解释(R20.89,P0.0001),但很难解释其年际变化。与日均EC_GPP相比,VPM严重的低估了该生态系统的GPP,其估测值大约仅为EC观测值的54%。但是,其他三个模型可以较准确地进行GPP估算:相比之下,AVM可以反演94.5%的EC观测,相对于EC观测的均方根误差(RMSE)最小(1.47 g C m~(-2));PCM对EC_GPP有微小的高估(约12.0%的EC观测值),而MODR对EC_GPP有微弱的低估(约8.1%的EC观测值),但二者的偏差都不显著。本研究表明AVM对该高寒沼泽化草甸的GPP估算比其他较复杂的GPP估算模型更有优势。     

以地下水位估算的荒漠河岸胡杨(Populus euphratica)林生态系统地下水蒸散发北大核心CSCD

基于2014年和2020年地下水位监测数据,估算了黑河下游额济纳绿洲七道桥胡杨(Populus euphratica)林生态系统生长季旺盛期的地下水蒸散发(ET_(g)),并与从涡度观测系统测定的蒸散发(ET)作比较,同时分析了不同模型的估算结果及其主要影响因素。结果表明:(1)基于昼夜水位波动法(White、Hays和Soylu方法)估算的ET_(g)均与生态系统ET变化趋势一致且显著相关,经过对比分析得出,Hays方法精度最高,推荐使用该方法计算ET_(g)。(2)地下水位、太阳辐射、气温和饱和水汽压差是影响ET_(g)的主要因子,风速对ET_(g)无显著影响。(3)生长季,ET_(g)占生态系统ET的比例随干旱时间的增大而增大。     

基于DEM的山地地理可照时数空间分布估算统计模型——以重庆为例

为了建立合理、准确且便于估算和应用的山地地理可照时数空间分布模型,本文以重庆为例,首先利用分布式模型估算了30 a平均年和各月可照时数,并利用基于气象行业标准得到的理论值进行了验证;其次,以栅格单元为统计样本,建立了基于地形尺度的可照时数估算的统计模型。结果表明:(1)基于分布式模型的模拟结果具有较高可信度,除10月外,其他各月和年的相对误差均小于10%,且东北和东南部的相对误差较中西部高。(2)西部方山丘陵区的可照时数高,中部平行岭谷区次之,东北和东南部低。冬季可照时数的空间异质性最大,夏季次之,春秋季接近,均较小。(3)各月和年可照时数与主要地理和地形因子之间的相关关系均表现为极显著性,各月复相关系数在0.7929~0.8277,年复相关系数为0.8522。(4)重庆可照时数估算统计模型在一定程度上简化了分布式模型的计算步骤和计算量,便于其应用,并可为其他地区估算可照时数提供方法参考。     

基于偏最小二乘法的土壤汞含量高光谱反演

采集新疆准东煤田典型土壤样品44个,在实验室测定风干后的土样汞含量和光谱反射率,经预处理后分析两者的相关性,运用偏最小二乘法(PLSR)建立土壤汞含量高光谱估算模型,由均方根误差RMSE和决定系数R2检验模型的预测能力和稳定性,并比较不同预处理方法的适用性。结果表明:反射率一阶微分光谱是估算土壤汞含量较好的指标,估算R2为0.77、RMSE为0.032。通过各种光谱预处理方法可提高土壤汞含量的估算精度,为研究区生态环境的恢复和评价提供依据。     

土壤氯化钠含量高光谱估算模型研究

基于光谱反射率快速、无损的检测优势,以于田地区不同氯化钠含量土壤光谱反射率作为信息源,探讨利用反射光谱估算土壤氯化钠含量的可行性。于2012年7月对于田地区进行野外调查,在测定土壤光谱反射率及氯化钠含量的基础上,对光谱反射率数据进行预处理并建立了逐步多元线性回归(SMLR)模型和偏最小二乘回归(PLSR)模型,并利用决定系数R2和均方根误差RMSE对模型稳定性和预测能力进行检验,进而比较不同预处理方法和不同模型估算结果的适用性。结果表明:反射率二阶微分光谱是预测土壤样本氯化钠含量的最佳光谱指标;偏最小二乘回归(PLSR)模型是建立土壤光谱与氯化钠含量关系的最优模型,R2和RMSE分别为0.812和0.105。利用反射光谱估算土壤氯化钠含量,通过各种光谱预处理方法提高估算精度,可实现在区域尺度上的土壤盐渍化监测和评价。     

黄土高原典型流域土地利用变化对蒸散发影响研究

选取黄土高原典型流域罗玉沟流域为研究区,以2006年和1986年两个时段的TM影像为原始数据,通过SEBAL模型估算蒸散量,采用地面实测资料对估算结果进行验证,表明SEBAL模型在该流域较为适用.同时,得到该流域蒸散发的空间变化规律,并结合该流域相应时段的土地利用变化进行对比分析.结果表明:(1)遥感反演日蒸散量平均为...     

湿地植被净初级生产力估算模型研究综述

湿地植被净初级生产力(net primary productivity,NPP)作为湿地生态系统物质与能量循环的基础,是陆地生态系统碳循环的重要研究内容之一。估算湿地植被NPP的方法经历了站点实测和模型方法两个发展阶段,其中估算模型可以分为统计模型、参数模型和过程模型。随着计算机和遥感技术的发展,一些利用遥感信息估算NPP的新方法得到了广泛应用。简单地沿袭传统模型分类方法,不能完全涵盖所有估算湿地植被NPP的方法。回顾了湿地植被NPP估算模型,在传统模型分类的基础上,补充了遥感在湿地植被NPP估算模型中的应用,进一步将统计模型分为气候相关和遥感相关模型,将生态系统过程模型分为过程模型、过程耦合模型和遥感-过程耦合模型。在此基础上,评述了各类模型在湿地植被NPP中的研究现状,探讨了湿地植被NPP估算研究中存在的问题,指出湿地植被NPP估算的工作重点可以从提高地面实测精度、减少模型模拟不确定性、使用多源数据等方面入手,其中引入数据同化的方法实现湿地植被NPP预测将是湿地植被NPP估算模型的重要发展方向。     

东北地区PM2.5质量浓度遥感估算与时空分布特征

利用2014—2018年近地面观测PM_2.5质量浓度数据、MODIS 10 km气溶胶光学厚度(Aerosol Optical Depth,AOD)数据、ERA5再分析气象数据和DEM(Digital Elevation Model)数据,分别构建估算东北地区PM_2.5质量浓度的多元线性回归模型(Multiple Linear Regression, MLR)、线性混合效应模型(Linear Mixed Effects Model, LME)和随机森林模型(Random Forest, RF),利用十折交叉验证方法对3个模型进行精度评价。根据最优模型估算2009—2018年东北地区逐日PM_2.5质量浓度,结果表明：(1) 3种模型模拟的PM_2.5质量浓度与地面实测值间的相关系数R²排序为RF>LME>MLR,RF模型整体精度最高。(2)不同季节、月份的RF模型模拟PM_2.5质量浓度与地面实测值间的R²均高于0.93,通过R...     

基于 137Cs和 210Pbex方法的高寒草甸坡面土壤侵蚀示踪

高寒草甸是青藏高原主要的草地类型之一。为了解高寒草甸坡面土壤侵蚀特征,以兴海盆地高寒草甸坡面为研究区,分析了高寒草甸坡面上 137Cs和 210Pbex的分布特征;利用 137Cs和 210Pbex示踪方法,通过转换模型估算了高寒草甸坡面土壤侵蚀速率,并对两种方法估算的结果进行了对比。结果表明:(1)选取的高寒草甸背景土壤剖面上 137Cs质量活度最大值分布在 2～4 cm层位, 210Pbex质量活度最大值出现在最表层。(2)研究区坡面 137Cs和 210Pbex质量活度和通量在不同的坡位有明显的差异。(3)根据 210Pbex估算的土壤侵蚀速率高于基于 137Cs估算的土壤侵蚀速率,表明研究区近几十年土壤侵蚀可能呈增加趋势。(4)根据 137Cs和 210Pbex估算的土壤侵蚀速率具有极显著的正相关关系( r = 0.94,P <     

中国枢纽机场时间延误成本估算与航线影响分析及中美比较

论文借鉴欧洲控制研究中心以机型为基本单元的延误成本估算模型(简称EC估算模型)及其相关算法,以EC估算模型为基础,补充机型配置比和引入航班执行阶段作为影响参数,估算了24 h中国枢纽机场单位时长延误成本和时间延误总成本,进行了时间延误成本的航线影响分析及中美比较,得到如下结论：① 区域枢纽机场时间延误成本普遍低于复合枢纽机场,但前者中机型单位时长延误成本和登机口成本均高于后者,从中可透视出其分别与中国航线网络中心集聚、航空地理市场(机型配置)需求和航线网络模式应用的密切相关;枢纽机场空中维持成本在时间延误总成本中占比最大,说明中国空中廊道设置存在缺陷。② 枢纽机场间(航线)以及枢纽机场与非枢纽机场之间(航线)时间延误总成本的差异深受航线属性所影响,其根本又在于航空地理市场(机型配置)需求以及空中廊道参与机场位置。③ 中美枢纽机场和枢纽机场间(航线)时间延误成本均有较大差异,主要表现为中国空中维持成本远高于美国,这是由空中廊道特征路径宽度和航迹交叉点数量2个因素造成的。     

基于高光谱与多光谱植被指数的洪河沼泽植被叶面积指数估算模型对比研究

以洪河国家级自然保护区为研究区,2009年8月中旬,在研究区野外实测沼泽植物冠层的光谱反射率和叶面积指数(LAI),将地面实测的植物高光谱反射率以Landsat-5 TM波段范围为基准进行波谱重采样,以重采样后的光谱反射率计算多光谱植被指数,用几种常见的高光谱和多光谱植被指数建立估算沼泽植被叶面积指数的统计回归模型,对比这些模型的精度,选出最优模型.研究结果表明,用各植被指数建立的估算沼泽植被叶面积指数的回归模型分别为二次函数、对数函数或指数函数;各模型对沼泽植被叶面积指数的反演精度差别较大;在全波段高光谱植被指数中,用全波段归一化植被指数H-FNDVI(R930,R515)构建的估算沼泽植被叶面积指数的模型最佳;在常规高光谱植被指数中,用修正简单比率H-MSR构建的估算沼泽植被叶面积指数的模型最佳;在多光谱植被指数中,用多光谱归一化植被指数M-NDVI构建的估算沼泽植被叶面积指数的模型最佳.对比发现,由多光谱数据提取的植被指数构建的模型对研究区LAI的估算效果不太理想,而从实测高光谱数据提取的窄波段特有植被指数构建的估算沼泽植被叶面积指数模型表现出较明显的优势,表明窄波段植被指数更适合用来监测沼泽植被叶面积指数.     

塔里木河下游生态输水对植被碳源/汇空间格局的影响

基于2000年以来塔里木河下游生态输水资料、气象数据、土地利用/覆被变化数据等,结合修正的CASA(Carnegie-Ames-Stanford approach)模型和土壤微生物呼吸模型(Heterotrophic respira?tion,RH)估算了2001—2019年植被净生态系统生产力(Net ecosyst...     

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.     

澜沧江流域基于重建的MODIS地表温度数据的空气温度空间化制图（英文）

空气温度是一个非常重要的气候变量,通常由气象台站观测获得。对其时空特征的精确估算是很多模型的基础,但是由于台站分布密度的不均和研究区复杂的地形,往往使其空间化的结果较差。目前,随着遥感技术的发展,使用热红外遥感数据估算的地表温度,结合地面观测数据,建立回归模型可以提高区域空气温度估算的精度。由于云和其它大气因素会影响遥感反演的地表温度数据结果,因此本研究本文将2001-2010年的LST历史数据作为先验知识,用以建立LST背景库,并提出了基于LST背景库的Savitzky-Golay(SG)滤波算法来实现LST时间序列数据的重建工作。将重建后的LST与研究区12个气象站空气温度数据进行了时序分析和回归分析,结果表明在月尺度合成序列上LST-TA的一致性较好,且具有非常好的线性相关关系,80%的台站的决定系数高于0.5。通过对比分析发现,加入植被指数(NDVI)的各月空气温度回归模型比直接用LST建立的回归模型精度更高。因此,本研究使用LST-NDVI模型对澜沧江流域2010年12个月份的空气温度进行空间化制图,并分析了其年内时空格局特征。