德令哈6．6级地震前卫星红外长波辐射OLR的分析

应用NOAA卫星资料反演的地震长波辐射值OLR对2003年4月17日发生在青海省德令哈西的6．6级地震进行了追踪研究。结果显示：2003年1月起OLR距平值出现明显的高值异常区域。     

昆仑山地震前长波辐射异常特征分析

应用NOAA、AVHRR资料反演的地气长波辐射值OLR对2001年11月14日昆仑山口西8.1级地震进行了追踪研究。结果表明：2001年10月起OLR出现明显的异常带，随时间的变化，异常区域不断向未来的震源聚拢，并且在未来地震震中区持续存在小的OLR高值闭合区，10月开始OLR出现突出的反常升势。     

应用遥感数据研究中国植被生态系统与气候的关系

应用1982-1994年NOAA/AVHRR的归一化植被指数（NDVI）资料和587个气象台站的数据对我国不同类型植被生态系统和气候的关系进行研究，首先将我国的植被类型划分为21类，在此基础上分别研究了不同时间尺度下我国不同区域，不同植被类型和气候的关系。结果表明：在多年平均状态下，植被生态系统NDVI水平主要受水分条件的影响；年内变化上，温度对植被生态系统季相变化化起着比降水略大的作用，年降水量造成了植被季相响应的差异，在年际变化上，分别研究了4个季节和整个生长期尺度上的关系，一般情形为温度和降水对植被的年际波动起着大致相反的作用，不同植被类型在不同的生长时期（季节）对气候的变化响应方式也不同，发现在植被的生长期，我国南方和北方的植被生态系统对温度和降水的响应方式相反；同时存在2个植被-气候敏感区，分别为我国北方的典型草原到森林的过渡区和云南中部部分区域。     

基于多轨道卫星观测数据分析尼泊尔地震长波辐射特征

综合已经在红外异常提取中应用的涡度和RST（Robust Satellite Technique）算法优点,提出了红外异常指数算法.并基于长时间尺度的中国静止卫星FY-2D和美国极轨卫星NOAA长波辐射数据,应用RST和异常指数算法,分别对2015年4月25日尼泊尔M_S8.1和5月12日M_S7.5地震前后卫星长波辐射变化特征进行了分析,开展了多轨道、多时空分辨率长波辐射同步地震热红外特征研究.结果表明,运用RST算法,两次地震前后,未能在震中周围发现明显的长波辐射异常.运用异常指数算法：（1）对于NOAA卫星,4月15日在M_S8.1地震震中以西出现热红外异常,到4月24日震中以西约100 km处出现异常最大值,随后逐渐消失.5月10日在M_S7.5地震震中以东约200 km发现异常;（2）在NOAA卫星长波辐射异常发现最大值当日,采用FY-2D卫星每3 h的数据分析可发现红外异常的动态演化过程,弥补NOAA卫星分辨率不足.以上结果为利用多轨道卫星监测地震热辐射变化提供了依据.

     

黄淮海平原耕地转移对植被碳储量的影响

应用GLO-PEM模型和1988年NOAA/AVHRR遥感数据,估算了黄淮海平原植被净初级生产力(NPP),并根据NPP和植被凋落物产生量计算了不同土地利用类型的植被碳密度。通过对1988年与2000年土地利用图的叠置分析,统计了耕地与其他土地利用类型之间的转移量,并估算了耕地转移对植被碳储量的影响。研究发现,耕地转移对植被碳储量变化的影响在不同区域与不同土地利用类型上存在显著差异。1988~2000年间,耕地转移导致全区植被碳储量下降了0.24%,其中耕地转为建设用地是植被碳储量减少的主要原因。这一研究结论为正确把握耕地转移对区域植被碳储量的影响,并据此制订碳汇管理措施具有重要的参考价值。     

Estimation of potential evapotranspiration over the Yellow River basin: reference crop evaporation or Shuttleworth–Wallace?

Potential evapotranspiration (PET) is a key input to hydrological models. Its estimation has often been via the Penman–Monteith (P–M) equation, most recently in the form of an estimate of reference evapotranspiration (RET) as recommended by FAO‐56. In this paper the Shuttleworth–Wallace (S–W) model is implemented to estimate PET directly in a form that recognizes vegetation diversity and temporal change without reference to experimental measurements and without calibration. The threshold values of vegetation parameters are drawn from the literature based on the International Geosphere–Biosphere Programme land cover classification. The spatial and temporal variation of the LAI of vegetation is derived from the composite NOAA‐AVHRR normalized difference vegetation index (NDVI) using a method based on the SiB2 model, and the Climate Research Unit database is used to provide the required meteorological data. All these data inputs are publicly and globally available. Consequently, the implementation of the S–W model developed in this study is applicable at the global scale, an essential requirement if it is to be applied in data‐poor or ungauged large basins. A comparison is made between the FAO‐56 method and the S–W model when applied to the Yellow River basin for the whole of the last century. The resulting estimates of RET and PET and their association with vegetation types and leaf area index (LAI) are examined over the whole basin both annual and monthly and at six specific points. The effect of NDVI on the PET estimate is further evaluated by replacing the monthly NDVI product with the 10‐day product. Multiple regression relationships between monthly PET, RET, LAI, and climatic variables are explored for categories of vegetation types. The estimated RET is a good climatic index that adequately reflects the temporal change and spatial distribution of climate over the basin, but the PET estimated using the S–W model not only reflects the changes in climate, but also the vegetation distribution and the development of vegetation in response to climate. Although good statistical relationships can be established between PET, RET and/or climatic variables, applying these relationships likely will result in large errors because of the strong non‐linearity and scatter between the PET and the LAI of vegetation. It is concluded that use of the implementation of the S–W model described in this study results in a physically sound estimate of PET that accounts for changing land surface conditions. Copyright © 2006 John Wiley & Sons, Ltd.     

应用NOAA/AVHRR数据测算局地水稻种植面积方法研究

本文采用在模糊监督分类中增加迭代过程的方法－－模糊监督分类一迭代法,在分解混合像元的基础上,利用ＡＶＨＲＲ数据求算水稻种植面积。根据稻田与旱地存在温度差异的特点,在分析ＡＶＨＲＲ数据统计特征的基础上,增加了第３和４两通道参加模糊监督分类,从而增加了分类橡元值矢量维数,增强了对水稻的鉴别能力。反采用的迭代法是收敛具有效的,经本方法输出的水稻种植面积百分含量图与实际水稻分布十分吻合,测算出的面积值与Ｔ     

山东半岛沿岸流强度与悬浮体时空变化特征

基于2014—2018年NOAA/AVHRR遥感数据,在山东半岛海域选取6条剖面,结合海表温度和表层悬浮体的时空变化特征,详细研究了山东半岛沿岸流的年周期变化规律与移动路径。研究结果表明,山东半岛沿岸流年周期变化可分为4个阶段：成长期（10—12月）时开始形成于黄河口附近,沿莱州湾南部向东运移;强盛期（次年1—3月）时山东半岛沿岸流完全成型,扩散带最宽,鼎盛时期北部可以至38°N附近,东部可以至123°E附近,在35°～36°N附近分成NE—SW向的2个分支,主干部分最远可到达胶州湾东部海域,余流沿岸向西南方向转折;衰退期（4—6月）时沿岸流强度减弱,只在山东半岛北部和东部小范围内有微弱的显示;消亡期（7—9月）时基本消失。山东半岛沿岸流在冬季时对悬浮体扩散具有强烈的驱动作用,使其在黄河口南侧与山东半岛北岸-成山头东部海域分别形成呈“弧形”和“条带状”分布的2个高浓度区域。     

Detecting Arctic snow and ice cover with FY-1D global data

Chinese meteorological satellite FY-1D can obtain global data from four spectral channels which include visible channel(0.58-0.68 μm) and infrared channels(0.84-0.89 μm,10.3-11.3 μm,11.5-12.5 μm).2366 snow and ice samples,2024 cloud samples,1602 land samples and 1648 water samples were selected randomly from Arctic imageries.Land and water can be detected by spectral features.Snow-ice and cloud can be classified by textural features.The classifier is Bayes classifier.By synthesizing five d ays classifying result of Arctic snow and ice cover area,complete Arctic snow and ice cover area can be obtained.The result agrees with NOAA/NESDIS IMS products up to 70%.     

基于人工神经网络的赤潮卫星遥感方法研究

根据赤潮的卫星遥感探测机理，应用人工神经网络技术，建立和利用NOAA AVHRR可见光和热红外波段遥感数据的BP神经网络赤潮信息提取模型。应用实例显示。基于该人工神经网络方法可以提取赤潮发生地点和范围等信息，赤潮探测正确率达到78.5%。研究结果表明，应用人工神经网络方法提取赤潮信息是可行的。本文中建立的BP赤潮信息提取模型适当修改后可移植应用于其它传感器遥感数据进行赤潮信息提取。