中国北方草原区积雪遥感监测——2007.10～2008.3期间

着眼于我国草原防灾减灾以及国家开展重特大雪灾应急响应工作的极迫切现实需求,基于NASA MODIS数据,以天为监测(响应)时间单元,以旬为监测集成时段,对2008年春节大雪灾期间我国草原积雪状况实现了系统的遥感监测,获取了2007年10月至2008年3月期间中国北方9省区草原积雪发生范围及其面积等数据信息,揭示了监测期间我国草原积雪发生的时空特征。青藏高原与内蒙古为我国持续降雪的核心区域,其他地区降雪情况随时间出现一定的波动;除东北地区外,积雪面积均在1月下旬达到最大值;各省区草原积雪面积占草原总面积的比例随时间的变化总体持续增加。     

基于MODIS与AMSR-E数据的中国6大牧区草原积雪遥感监测研究

内蒙古、新疆、西藏、青海、甘肃和四川的草原区这6大牧区是中国重要的畜牧业生产基地,也是雪灾频发的区域,及时、准确地获取6大牧区雪情时空特征对于防灾减灾,指导畜牧业生产有着重要的现实意义。光学遥感与微波遥感各具优缺点,综合运用MODIS和AMSR-E数据构建草原积雪遥感监测模型,以日为监测单元,以旬为多日合成时段,对中国6大牧区在2008年10月上旬至2009年3月下旬间的草原积雪覆盖范围进行监测,并对监测结果进行检验,以此说明MODIS与AMSR-E数据在雪灾监测方面协同监测的可行性,为其他雪盖遥感监测研究提供参考。     

MODIS数据在云南省积雪监测中的应用

介绍了EOS／MODHS数据特点。通过对雪的光谱特征分析，提出利用归一化积雪被指数NDSI结合归一化植被指数进行积雪信息提取的方法。并以2004年2月7日云南省大面积降雪过程为例，分析和讨论了该次过程的范围和面积。结果表明：MODIS数据在云南省积雪监测方面有很好的应用前景。     

草原植被长势遥感监测研究进展

草原植被长势监测是草原监测的重要领域, 它能从宏观上揭示草原的生长状况及其动态变化, 从而为草原科学管理提供快速、准确的参考依据。目前长势监测主要利用遥感的方法, 即选择归一化植被指数NDVI作为反映植被生长状况的指标, 方法有同期对比法、植被生长过程曲线法、直接监测法。本文在总结草原长势监测进展与方法的同时, 指出了其中存在的问题--监测中过分依赖NDVI、不区分草原类型而使用同一种方法进行监测;对未来发展方向做了展望--监测中选用适宜植被指数、监测方法, 分区域、分类型的监测长势, 提高监测精度, 将长势监测与草原产草量、生产力结合, 为牧民生产提供指导。     

准噶尔盆地积雪储量的遥感反演及变化特征分析

利用被动微波遥感SSM/I亮温数据反演的积雪深度,采用积雪密度经验算法,计算了准噶尔盆地1987-2008年逐日雪储量及其分布状况。结果表明:(1)准噶尔盆地年最大雪储量22 a平均为4.53×109m3,最大年份为1994/1995年冬季,雪储量达7.13×109m3,最小年份为1995/1996年冬季,雪储量为2.74×109m3。(2)准噶尔盆地冬季雪储量空间分布不均匀,雪储量较大的区域分布在阿尔泰山南麓和天山北麓,且由盆地边缘向中心逐渐减少,两个明显的低值区分别位于盆地西部克拉玛依地区附近和盆地东部北沙窝附近。(3)季节内变化特征表现为:11月上旬至2月中旬为雪储量缓慢累积的过程,3月上旬雪储量达到峰值,持续时间很短(约15 d),3月中旬至4月下旬雪储量迅速消退,季节内变化主要受降雪和气温年内分配的影响。(4)1987-2008年准噶尔盆地雪储量的年际变化较大,65%的区域呈现线性增加趋势,但不显著。(5)冬季降水量和气温是影响雪储量变化的主要因素,雪储量与冬季降水量呈显著正相关,与气温呈显著负相关关系。     

新疆典型流域多卫星积雪遥感监测信息系统的设计与实践

本文介绍了新疆典型流域多卫星积雪遥感监测信息系统的设计与实现。除了系统的构成和主要功能外,也较为详细的介绍了不同类型数据的处理,转换的综合分析的方法。在文章的最后,举例说明了系统的几个应用方面。     

基于多源数据的内蒙古中东部积雪厚度研究

积雪作为气候系统中重要的环境影响因素受到了普遍的重视,特别是在高纬度、高海拔地区,积雪面积和积雪厚度是积雪研究的两个重要因子。利用2010年11月8日、14日和25日三天的MODIS L1B数据,根据在可见光波段,地表、云和雪在该波段的反射率都比较高的特点,计算得出的积雪覆盖面积空间分布图。积雪深度受降雪量、坡度、坡向等多因素的影响表现为不连续分布,单纯利用气象监测站点无法获得积雪厚度的空间连续分布,而遥感影像也受到局地特征的影响而精度不够。因此,首先基于经验公式,利用MODIS L1B数据计算了积雪覆盖面积,在此基础上,基于气象监测点的积雪深度数据和MODIS L1B波段的相关性,选择影像数据的最优通道,通过建立多波段的积雪深度回归模型,并且对积雪深度进行空间连续插值,通过将模拟的积雪深度与监测点插值结果进行对比,发现统计回归的方法有效的提高了积雪深度、覆盖度等雪情监测信息精度。     

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）。     

基于遥感监测的秦岭南北积雪日数时空变化及影响因素

以海拔依赖型变暖为理论基础,研究山地积雪对气候变暖的响应机制,是当前气候变化研究的热点问题。基于2000—2019年MODIS积雪物候数据,对秦岭南北积雪日数时空变化进行分析,探讨了秋冬两季厄尔尼诺指数（NINO）、青藏高原气压对积雪异常的影响。结果表明：(1) 2013年后秦岭南北气候由“变暖停滞”转为“增温回升”,积雪日数随之呈现转折下降,积雪日数≥10 d栅格占比由前期的35.1%下降为8.6%。(2)在垂直地带规律上,秦岭山地以1950～2000 m为临界点,大巴山区以1600～1650 m为临界点,低海拔地区积雪日数随海拔增加速率要低于高海拔地区。2100～3150 m海拔带是积雪日数的垂直变化的关键带;(3)在影响因素上,NINO C区、NINO Z区秋冬海温和青藏高原冬季高压,是秦岭山地、汉江谷地和大巴山区积雪异常的有效指示信号。当赤道太平洋中部秋冬海温偏低,且青藏高原冬季高压偏低时,上述3个子区积雪日数异常偏多。(4)在环流机制方面,相对于积雪日数偏少年,秦岭南北积雪日数偏多年1—2月0℃等温线位置偏南,低温环境为增加冰雪物质积累、延缓冰雪消融提供了气温条件;1月区域存...     

基于MODIS数据的土库曼斯坦山区积雪监测

积雪是影响气候变化的重要因子,准确、及时的获取积雪覆盖范围,进行动态变化监测意义重大。利用MODIS数据进行土库曼斯坦积雪监测,提取积雪信息的研究较少。利用MODIS L1B 500 m分辨率数据,通过几何校正、去云预处理,应用归一化差分积雪指数（NDSI）算法和综合阈值判别法,获取了土库曼斯坦2011年11月～2012年4月山区积雪覆盖范围和面积等数据信息,揭示了土库曼斯坦山区积雪发生的时空特征。土库曼斯坦南部的科佩特山区是该国降雪的核心地区,积雪面积均在1月达到最大值,随后积雪面积随温度的升高而减少。山区积雪面积、月均气温、月降雨量之间存在着显著的相关性,其相关系数分别为0.742 9和0.568 4。结果表明,在监测时段积雪面积随气温的降低、降雨量的减少而增加。     

Classification of snow cover days in western China and comparison with satellite remote sensing data

The daily snow cover data from 232 meteorological stations to the west of 105°E in China for the period 1951–2004 were used to classify the snow cover and analyze decadal variations of snow cover types in western China, and comparison was made between the observational data and those retrieved from passive microwave remote sensing data (SMMR and SSM/I) in 1980–2004. The results show that stable snow-covered areas included northern Xinjiang, the Tianshan Mountains, and the eastern Tibetan Plateau with more than 60 snow cover days; no snow cover was found in the center of the southern Xinjiang Basin, the Sichuan Basin, and southern Yunnan. In addition to the above-mentioned, there were unstable snow-covered areas in western China. Furthermore, the snow cover types in northern Xinjiang, the Tianshan Mountains, the Hexi Corridor, and the vast areas from Chengdu to Kunming were unchanged. In the 1980s, the south-north dividing line between the major snow-covered area and snow-free area advanced to its most southern position. The snow cover days calculated from satellite remote sensing were generally longer than those from observational data in western China, mainly in the higher-altitude mountains, the Hexi Corridor, and the western Sichuan Plateau.     

Review of snow grain size retrieval from remote sensing

In this paper, the significance and history of studying snow grain size is introduced. Based on the assumption that high reflectivity in the visible band and significant decreasing reflectivity of snow surface in the infrared band, the grain size of snow, spherical and non-spherical, is sensitive to changes in remote sensing retrieval foundation. Also, models and algorithms applied in current studies are reviewed, together with their advantages and disadvantages. In addition, in order to obtain retrieval accuracy, some factors that may affect grain size are also discussed, such as temperature, wavelength, and particle shape, as well as method authentication.     

藏北地区草地退化的时空分布特征

1 Introduction Commonly known as the “Weather System Sensitive Spot”, “Watertower of China” and “Rivershed”, the Naqu Prefecture of Northern Tibet is the source region of such major rivers as the Yangtze, the Nujiang and the Lancang in China (Gansu     

Grassland degradation in Northern Tibet based on remote sensing data

This study selected vegetation cover as the main evaluation index, calculated the grassland degradation index (GDI) and established the remote sensing monitoring and evaluation system for grassland degradation in Northern Tibet, according to the National Standard (GB19377-2003), based on the remote sensing data such as NDVI data derived from NOAA/AVHRR with a spatial resolution of 8 km of 1981-2000, from SPOT/VGT with a spatial resolution of 1 km of 2001 and from MODIS with a spatial resolution of 0.25 km of 2002-2004 respectively in this area, in combination with the actual condition of grassland degradation. The grassland degradation processes and their responses to climate change during 1981-2004 were discussed and analyzed in this paper. The result indicated that grassland degradation in Northern Tibet is very serious, and the mean value of GDI in recent 20 years is 2.54 which belongs to the serious degradation grade. From 1981 to 2004, the GDI fluctuated distinctly with great interannual variations in the proportion of degradation degree and GDI but the general tendency turned to severe-grade during this period with the grassland degradation grade changed from light degraded to serious degraded in Northern Tibet. The extremely serious degraded and serious degraded grassland occupied 1.7% and 8.0% of the study area, the moderate and light degraded grassland accounted for 13.2% and 27.9% respectively, and un-degraded grassland occupied 49.2% of the total grassland area in 2004. The grassland degradation was serious, especially in the conjunctive area of Naqu, Biru and Jiali counties, the headstream of the Yangtze River lying in the Galadandong snow mountain and glaciers, the area along the Qinghai-Tibet highway and railway, and areas around the Tanggula and Nianqingtanggula snow mountains and glaciers. So the snow mountains and glaciers as well as their adjacent areas in Northern Tibet were sensitive to climate change and the areas along the vital communication line with frequent human activities experienced relatively serious grassland degradation.     

基于多源遥感数据的甘肃省农业干旱研究

干旱是农作物生长发育的主要环境胁迫因子,也是制约农业丰产丰收的关键自然要素。农业干旱监测通常基于气象站点观测数据,这在一定程度上难以反映区域尺度的农业干旱状况。以甘肃省为研究区,基于MODIS、TRMM、ESA CCI等遥感数据产品和气象站点数据,利用随机森林回归模型构建综合气象干旱指数（CMDI）,并对甘肃省2011—2019年农作物生长季（4—9月）旱情时空格局及变化规律进行分析。结果表明：（1）CMDI与实测值的决定系数（R2）在各月均高于0.634,且与标准化降水蒸散发指数（SPEI）在空间上具有一定的相关性,表明该指数可反映农业干旱的发生发展过程。（2）甘肃省农业干旱呈现明显的地域分异规律,干旱程度由东南向西北逐渐加重,其中河西地区多为特旱区和重旱区,陇中地区为重（中）旱区,陇南、陇东、甘南地区为干旱-无旱波动变化区。（3）2011—2019年甘肃省农业干旱在年、月尺度上均呈现较大的波动趋势,其中2012年干旱程度最轻,2017年则最为严重;甘肃省大部分地区在4月和6月,陇东、陇南地区分别在5月和9月以及甘南地区4—9月农业旱情有所减轻外,其余地区在农作物生长季的旱情呈加重趋...     

遥感与GIS在东亚飞蝗灾害研究中的应用

蝗灾属于毁灭性的生物灾害,它和水灾、旱灾一起构成人类社会的三大自然灾害,一旦爆发,对国家粮食安全、农民增收、社会安定可造成严重的影响。将遥感与GIS结合,对蝗虫生境特征、历史蝗灾记录、蝗害发生时有关数据进行集成和分析,可提供蝗灾时空变化、蝗灾范围、蝗灾程度、灭蝗的最佳时段等重要信息。本文重点论述遥感与GIS在蝗灾中的应用,以遥感反演的温度和水分为例来讨论蝗灾前后生境的变化状况,依靠遥感等高新技术实现飞蝗灾害监测的信息化。信息化监测与防蝗站观测相结合的方法已经成为监测蝗灾发生的最有效途径     

额尔齐斯河流域中亚段植被覆盖遥感动态监测

利用中亚北部额尔齐斯河流域2000-2008年的中分辨率成像光谱仪(Moderate ResolutionImaging Spectrometer,MOD IS)数据,分析了额尔齐斯河中亚段不同区域的归一化植被指数(Nor-malized D ifference Vegetation Index,NDVI)随季节变化的规律,并合成全年最大NDVI值代表当年植被最好时期的NDVI值,应用混合像元分解模型,计算研究区内的植被覆盖度并根据植被覆盖度的高低将研究区内的植被覆盖程度分为六个等级:无覆盖、极低覆盖度、低覆盖度、中覆盖度、中高覆盖度和高覆盖度。通过研究区内植被覆盖度的变化情况在一定程度上揭示研究区内植被变化情况。2000-2003年,研究区的植被覆盖水平有降低趋势,2003-2007年呈增加趋势,2007覆盖水平与2002年相近,2008年覆盖水平降低明显,为9 a来最低,是由研究区当年降水量减少引起;植被覆盖水平高的区域主要分布在研究区东北部的山区和西北部的平原区,植被覆盖水平较低的区域集中在流域中西部的干旱草原;高覆盖区域的植被覆盖年际变化幅度较中低覆盖区域的小。     

1972-2019年萨雷兹堰塞湖遥感时序监测与水文特征过程分析

堰塞湖的水文特征过程对于库区洪水宏观调控、预报预警、安全防治等具有重要意义.为了及时掌握萨雷兹堰塞湖水文特征和历史演化过程,本文基于密集时间序列遥感数据,综合调查全面系统地分析了1972-2019年帕米尔高原萨雷兹堰塞湖的水文特征以及时空变化过程;并通过"面积-水位"关系模型重建了1972-2019年萨雷兹堰塞湖的历史...