基于改进型垂直干旱指数的塔里木河流域绿洲与荒漠区干旱时空变化对比

利用2001-2013年8天合成MODIS A1时间序列数据计算改进型垂直干旱指数（MPDI）,应用趋势性分析、重标极差（R/S）分析等方法研究了塔里木河流域绿洲与荒漠区干旱时空变化状况及其可能原因。结果表明：在过去13年,塔里木河流域绿洲与荒漠区总体呈湿润趋势,绿洲稳中转湿,湿润趋势较明显且幅度较大;而荒漠区相对稳定,湿润趋势相对较小。绿洲与荒漠大部分地区未来变化趋势与过去13年变化趋势呈现较高的一致性。塔里木河干流上游、中游部分地区、尉犁县部分灌区等区域出现持续性干旱迹象,应引起相关管理部门的重视。     

利用AMSR-E微波辐射计对地表粗糙度参数的一种新标定方法

在利用微波辐射计进行对地观测的过程中，陆地表面特性参数（如土壤水分、土壤粗糙度和植被冠层）是土壤微波辐射的重要影响因素。地表粗糙度的标定对于利用微波辐射计数据反演地表参数而言是十分重要的工作。地表粗糙度参数（h和Q）随着观测频率而变化。通常的标定方法是，假设h的空间分布是变化的，Q在全球均一地分布，则在沙漠地区首先采取h=0的近似，再对Q进行标定。但是事实上，h和Q在全球的分布都是变化着的，这与地面环境状况有关。以AMSR—E数据为例，在对MPD1分析的基础上，推导给出了简单的、基于理论模型的参数厂。厂可以直接由观测亮温值计算得到，它是一个与土壤水分无关，仅与植被层含水量7．0，和土壤粗糙度σ有关的参量，因此它可以用于地表粗糙度的标定和对植被层含水量、植被生长／变化的估计。本文选择干旱季节里的北非地区，在没有对h采取任何假设的前提下，利用参数厂实现了对地表粗糙度参数h和σ的标定，并与原有标定方法的结果做了比较分析。     

MPDI在微波辐射计植被覆盖区土壤水分反演中的应用

大尺度上的土壤水分变化监测对于建立全球的水循环模型意义重大，是实现气候变化预测和洪涝监测的基础。星载辐射计为实现大尺度上土壤水分的监测提供了监测途径。但是在星载辐射计观测时，地表植被层的吸收和散射作用会对土壤向上的微波辐射产生衰减影响，这种影响在反演土壤水分的过程中必须予以计算和消除。原有的反演算法中，在计算这部分影响的时候，需要大量的关于地表植被状况的辅助数据，而这些即时的辅助数据往往不易获得。以AMSR—E数据为例，研究证明了微波极化差异指数（MPDI）能够反映地表植被覆盖状况。以中国华北、华东地区为实验区，选择2004年4月8日的AMSR—E亮温数据和MODIS数据为样本数据，建立起MPDI与NDVI之间的负指数关系方程。基于对NDVI的认识，得到植被覆盖度高、中、低三种状况所对应的MPDI域值，以此域值为依据对中等植被覆盖度地区作出自动判断，并用MPDI计算植被层不透明度。     

A simple retrieval method of land surface temperature from AMSR-E passive microwave data—A case study over Southern China during the strong snow disaster of 2008

The analysis of the passive microwave radiance transfer equation certifies that there is a linear relationship between satellite-generated brightness temperatures (BT) and in situ observation temperature and that land surface temperature (LST) is largely influenced by vegetation cover conditions. Microwave polarization difference index (MPDI) is an effective indicator for characterizing the land surface vegetation cover density. Based on the analysis of LST models from AMSR-E BT with 6.9 GHz MPDI intervals at 0.04, 0.02 and 0.01, respectively, this paper developed a simplified LST regression model with MPDI-based five land cover types, combining observation temperatures from 86 meteorological observation stations. The study shows that smaller MPDI intervals can obtain higher accuracy of AMSR-E LST simulation, and that the combination of HDF Explorer and ArcGIS software was useful for automatically processing the pixel latitude, longitude and BT information from the AMSR-E HDF imagery files. The RMSE of the five LST simulation algorithms is between 1.47 and 1.92 °C, with an average LST retrieval error of 0.91–1.30 °C. Besides, only 7 polarization bands and 5 land surface types are required by the proposed simplified model. The new LST simulation models appears to be more effective for producing LST compared to past most studies, of which the accuracy used to be more than 2 °C. This study is one of the rare applications that combine the meteorological observation temperature with MPDI to produce the LST regression analysis algorithms with less RMSE from AMSR-E data. The results can be referred to similar areas of the world for LST retrieval or land surface process research, in particular under extreme bad weather conditions.