归一化水汽指数与地表温度的关系

城市热岛的遥感研究,传统上主要利用归一化植被指数作为指标来评估地表温度-植被之间的关系。本研究探讨了以归一化水汽指数作为评估其与地表温度关系的适应性,比较了归一化水汽指数和归一化植被指数在表达城市热岛效应方面的效力。利用"单窗算法"和3个不同时段的TM/ETM+数据获取了珠江三角洲核心区域的地表温度分布图,分析了两种指数与地表温度之间的关系。对局部区域逐像元和对区域总体分析的结果表明:不同时段的地表温度与归一化水汽指数之间均存在较强的线性关系,而地表温度与归一化植被指数之间的线性关系相对较弱。说明在城市化的环境下,与传统上常用归一化植被指数作为指标来定量分析地表温度相比,归一化水汽指数提供了一种互补的、甚至更加有效的衡量指标。     

1965-2013年黄土高原地区极端气温趋势变化及空间差异

基于黄土高原地区52个气象站点逐日平均气温、最高和最低气温数据,采用一元线性趋势分析、相关分析等方法,分析该地区极端气温趋势变化及空间差异。结果表明：① 日最高（低）气温极低值、日最高（低）气温极高值、热夜日数、暖昼（夜）日数、热持续日数、夏季日数和生物生长季日数呈增加的趋势,其余极端气温指数呈减小的趋势。② 空间分布上,表征低温事件的冰冻日数、霜冻日数、冷昼（夜）日数和冷持续日数下降最显著的区域位于黄土高原北部;表征高温事件的热夜日数、夏季日数、暖昼（夜）日数和热持续日数上升最显著的区域主要位于黄土高原西北部;生物生长季日数上升最显著的区域主要位于黄土高原中部地区。③ 相关分析表明除了极值指数和气温日较差与其余极端气温指数相关性较差外,其余各极端气温指数之间均具有较好的相关性。④ 多数极端气温指数的变化趋势与平均气温关系密切,平均气温突变前后极端气温指数存在明显差异。⑤ Hurst指数结果表明黄土高原地区极端气温变化均呈同向变化特征。     

1991—2010年全球湖泊表面温度效应的时空格局及生物物理因子拆分

量化湖泊与邻近陆地的表面温度差异,拆分生物物理因子对其贡献是明确湖泊气候效应的基础。本文基于耦合CLM4.5的CESM模式模拟的1991—2010年全球气候数据,分析了全球湖泊表面温度效应（湖泊与邻近陆地的表面温度差异）的时空格局,利用IBPM因子拆分理论量化了生物物理因子对其贡献。结果表明：① 湖泊表面温度效应的季节变化明显,但年际变化不显著,北半球湖泊最强增温（4.37 K）和降温效应（-0.99 K）分别出现在9月和4月。② 除干旱区湖泊呈降温效应外,其他气候区的湖泊以增温效应为主,热带湖泊增温效应最强。③ 湖泊表面温度效应的生物物理主控因子随气候区改变,湖陆之间的蒸发差异是干旱区湖泊呈降温效应的主控因子,较低的对流散热效率是热带和温带湖泊呈增温效应的主控因子,反照率差异和冰雪融化潜热分别对寒带、极地湖泊表面温度效应的正贡献和负贡献最大。全球尺度上,湖陆之间的对流效率差异（3.77±0.13 K）和蒸发差异（-2.01±0.1 K）对湖泊表面温度效应的正、负贡献最大。     

NPP-VIIRS热红外数据地表温度反演方法研究

地表温度作为监测陆地表面与大气变化的重要参数,对于研究地表能量平衡和全球气候变化具有重要作用。可见光红外成像辐射仪套件（Visible Infrared Imaging Radiometer Suite,VIIRS）是搭载在新一代对地观测卫星NPP上的一个重要传感器。与其他传感器相比,VIIRS拥有更高的空间分辨率。分裂窗算法是反演地表温度最常用的方法,主要是利用两个热红外通道来反演地表温度,经过多年的研究和改进,发展了多种形式的分裂窗算法。由于过去很少有人利用VIIRS数据对多种分裂窗算法进行对比分析,因此利用VIIRS传感器上M15和M16两个热红外通道数据计算辐亮度和星上亮温,采用多种形式的分裂窗算法反演获得多组地表温度数据,再利用海拉尔野外观测站点的实测数据对结果进行验证,对比各算法精度,得到反演精度较高的算法。结果显示PR84算法的反演误差最大达到1.8 K,其余各算法反演地表温度的RMSE都在1.5 K以内,算法中加入二次项和水汽项可以提高算法精度,其中BL95的算法精度最高达到了1.23 K。研究结果表明,BL95算法更适用于VIIRS热红外数据地表温度反演。     

2007—2020年西藏草面温度时空分布特征

利用2007—2020年西藏38个气象站点平均草面温度（简称草温）、平均气温、平均地表温度、云量、降水量等观测资料,采用气候统计诊断方法分析了西藏草面温度的时空分异特征及其影响因素,以期科学研究当地草地生态系统和开展专业气象服务。结果表明：西藏年平均草温呈自东南向西北递减的分布。草温与海拔高度存在显著的负相关,海拔高度每升高100 m,季平均草温降低0.44~0.70 ℃,年平均草温降低0.58 ℃;与纬度有着显著的曲线关系,29.3°N以南（北）地区,随着纬度增加,草温随之升高（降低）。各站草温呈一峰一谷的日变化特征,日最低值出现在07:00—08:00（北京时间）,日最高值均出现在14:00;草温月平均最低值都出现在1月,月平均最高值出现在6月或7月;76%的站点草温的变化为夏季>春季>秋季>冬季的气候特征。西藏草温年较差为21.4 ℃,较气温年较差偏大3.1 ℃;草温日较差达35.7 ℃,远高于气温日较差,偏大21.6 ℃。草温与气温之差以夏季最大,其次是春季、冬季两者比较接近;草温与地表温度之差以春季最大,夏季次之,冬季最小。在空间分布上,月平均草温与气温、地表温度均呈显著的正相关,与平均风速、积雪日呈显著的负相关;积雪深度对草温的影响,除冬季外二者存在显著的负相关;大部分月份平均草温与总云量、低云量、降水量的关系不显著。86.8%的站点5—9月平均逐小时草温与降水量存在显著的负相关关系。     

2001—2020年中国地表温度时空分异及归因分析

地表温度（LST）变化对陆面过程的能量收支平衡与生态系统稳定有着至关重要的影响。本文基于MOD11C3数据,使用回归分析、GIS空间分析、相关性分析及质心模型等方法,分析了中国2001—2020年LST变化及其时空分异格局;运用地理探测器识别中国38个生态地理分区下LST变化的主导因子,进而探寻其形成原因。结果表明：① 中国2001—2020年LST气候平均值为9.6 ℃,整体呈东南及西北干旱区高、东北及青藏高原低,平原高、山区低的基本格局;LST与海拔呈显著负相关,相关系数达-0.66;第一阶梯负相关性最为显著,相关系数达 -0.76,LST递减率为0.57 ℃/100 m;② 中国2001—2020年LST倾向率为0.21 ℃/10 a,升温区占国土面积的78%,整体呈现“多核式升温,轴线式降温”的空间特征;③ 中国LST及变化具有显著的季节性特征,冬、夏两季均温空间分布较其他季节的差异较大且波动更为明显;季节性升/降温区的质心轨迹呈环状,且运动呈现出对应的季节性反向轨迹,降温区质心移动幅度更大,说明降温区的区域差异性和季节变异性较大;④ 中国LST变化由自然影响与人类活动共同驱动,其中自然因素贡献更大,日照时数和海拔是关键因子;两大主导类型在空间分布上与“胡焕庸线”高度吻合,其以东区域多以人类活动强度为主导并与地形因子共同作用,而以西区域则多以自然因素为主,通过与气候、地形、植被等因子的相互耦合从而增强/削弱LST变化幅度。本文可为应对气候变化、解析地表环境模式、保护生态环境等方面提供科学参考。     

无人机航摄生成DEM的高程点快速提取算法

无人机航空摄影技术在近年来得到了迅速的发展,无人机具有起降方便,分辨率高,响应速度快的特点,在抢险救灾,地质灾害监测等方面发挥了重要作用。无人机航空摄影生成的地形图中的高程点提取是地形图制作的重要步骤,本文提出了一种自适应的地形图高程点提取算法,相对于传统的算法,具有精确度高,计算简单,实用性强等特点。该算法的基础是数学形态学中的图像膨胀算法。本文将此算法用于陕西省丹凤县和紫阳县的无人机航摄生成的地形图中,提取了符合要求的高程点。结果表明,提取的高程点完全满足了地形图的要求,说明了该算法的准确性和实用性。     

昆仑山提孜那甫河流域2012-2016年近地表气温时空分布特征

基于典型高寒内陆河——提孜那甫河流域的6个不同海拔自设气象站的2012—2016年气温数据,分析了该地区不同海拔区域近地表气温的时间变化特征和空间变异特征。结果表明：（1） 低、中、高山区均温均可被sine函数高度拟合（R²>87%）,且随海拔增高气温波动减弱,时间变化延迟,气温变幅差异减小。（2） 日均温与月均温最低值出现月份不同步,且这一情况在海拔相对较高区更易出现。（3） 年内尺度不同区域气温空间差异：D1区（麻扎—库地）在秋、冬季最大;D3区（库地达坂—西合休）在春、夏、秋最小;D4区（西合休/库地达坂—莫木克）在夏季最大,冬季最小;D5区（莫木克—江卡）在春季最大,相关分析结果表明：气温空间分异受海拔影响大。研究结果将对提高高寒山区气候特征认知及改善冰雪水循环模拟具有重要促进意义。