近50年岷江上游潜在蒸散量的时空变化特征

潜在蒸散量的变化对水分循环与能量平衡均具有重要的意义。文中利用1961-2010年岷江上游及周边20个气象站的逐日气象资料,采用地形矫正的Hargreaves模型计算了潜在蒸散量,并结合小波分析和M-K突变检测方法分析了其时间序列变化特征。结果表明:岷江上游潜在蒸散量呈现由西北向东南逐渐上升的趋势;年潜在蒸散量以12a为准周期变化,潜在蒸散量呈现出波动中上升的趋势,尤其是90年代以来,上升趋势更为明显;而区域内年降水量呈现明显的下降趋势。岷江上游暖干化趋势明显,尤其是近20年,暖干化趋势加剧,生态环境受到严重威胁。     

四川省植被变化及其与气象因子的相关性分析

[目的]分析四川省植被的变化特征及其与气象因子的相关性,为该区域的可持续发展提供理论依据。[方法]采用一元线性回归方法,利用MODIS NDVI数据按不同植被类型对GIMMS NDVI数据进行模拟拓展,并采用变异系数、趋势分析和偏相关等方法进行变化分析和相关性分析。[结果](1)近30a四川省植被NDVI以基本无变化和减小为主,减小的区域主要位于盆周山地、川东北的中海拔山地和川西北高原湿地,增长变化的区域较小,主要位于四川盆地中北部和川西高原西部;(2)植被受气温影响较大的区域主要分布在以灌丛和高山植被覆盖为主的甘孜西南部、西北部以及四川盆地的西南部,以针叶林和水稻种植为主的成都平原、四川盆地中部以及川东北的广元则对降水更敏感。[结论]过去32a间四川省年最大NDVI变化具有明显的阶段性特征,整体上呈现下降趋势;植被NDVI的变化与降水和气温具有显著的线性相关关系,且气温和降水对植被变化的影响具有明显的区域差异。     

西藏一江两河地区植被变化及其与气候因子的相关性分析

[目的][方法]本文以西藏自治区“一江两河”区域为研究区,利用2000-2016年的MODIS标准植被指数产品(NDVI)及研究区域内9个有人气象站点的监测的平均气温、降水量数据为数据源,采用Slope趋势分析方法和相关性分析方法,分析了一江两河地区的植被变化特征及其主要气候驱动因素,为该区域的生态保护、修复与造林种草工程提供科学的数据支撑。[结果]结果表明：(1)2000年以来一江两河地区植被变化(NDVI)整体呈波动中减小的变化趋势,其中沿一江两河河谷的植被有增加的趋势;(2)一江两河区域气候趋势表现为暖干化;(3)不同的时间尺度,植被变化与平均气温和降水量的相关性差异显著,在年尺度上：年最大NDVI与年总降水量呈显著的正相关关系,与年平均气温呈现出显著的负相关关系;在月尺度上：月最大NDVI与月平均温度和月总降水量都呈现出显著的正相关关系,与降水量的相关系数要明显大于气温。[结论]因此,降水量是西藏一江两河区域植被生长(NDVI变化)的主要影响因素。     

基于MODIS遥感数据和气象观测数据的藏北高原地表温度变化特征

为了研究藏北高原地表温度变化特征,利用2002—2015年MODIS/TERRA卫星的地表温度(LST)遥感数据结合同期气象数据,对藏北高原2002—2015年地表温度年际变化进行分析。结果表明：（1）2002—2015年内藏北高原地表温度呈缓慢上升趋势,2013年和2015年夏季均达到极值35.3℃;而最小值出现在2011年冬季,为5.2℃。空间分布变化分析表明,藏北高原的高温区随时间从西部逐渐向东部扩大,高温区主要集中在各县城或乡镇及人口较密集的地方,低温区主要集中在人口稀少的地方及北部无人区域,2002—2015年低温区分布无明显变化。（2）卫星反演的地表温度值与实测的气温数据具有较好的正相关性,与降水量呈负相关。随着藏北高原东部地区城镇的飞速发展,人类活动明显增加,高温区覆盖范围面积不断增大,2015年面积达到最大。     

光学与微波遥感协同反演藏北表层土壤水分研究

表层土壤水分是定量干旱监测的重要参量,对干旱区生态环境具有十分重要的意义。在采用归一化植被指数阈值法划分地表覆盖类型的基础上,利用MODIS数据选择适用的光学遥感算法估算土壤水分基准值,以及利用风云三号B星搭载的微波成像仪(Fengyun-3B/MicrowareRadiationImagery,FY3B/MWRI)数据采用微波遥感算法反演土壤水分日变化量,最后构建藏北表层土壤水分协同反演的遥感模型并应用于区域土壤水分的估算。结果表明:光学遥感与微波遥感协同反演的土壤水分含量与实测数据呈显著相关,决定系数达到0.89,均方根误差为0.97,协同反演模型具有较高的反演精度,并且协同反演的结果优于单一遥感源的反演结果。该模型可以较好地适用于藏北地区表层土壤水分的动态监测。     

基于植被光谱和FY-3A/VIRRL1B数据的藏北地区土壤水分估算北大核心CSCD

为了实现对藏北地区土壤水分和干旱情况的动态监测,基于藏北植被光谱、实测20 cm土壤水分以及FY-3A/VIRR数据,利用相关性筛选出对土壤水分敏感的植被光谱波段构建植被指数,并以此建立土壤水分估算模型,再结合FY-3A/VIRR L1B数据将建立的模型应用于藏北地区的土壤水分估算,通过比较决定系数和RMSE,确定精度较高的藏北地区土壤水分遥感估算模型。研究表明：NDVI（620,850）、EVI（450,620,850）、NDWI（850,1 330）和RVI（850,1 330）与实测20 cm土壤水分的决定系数分别为0.232、0.256、0.537和0.554,都能较好地表征土壤水分,分别利用每个指数建立的二次模型所获得的土壤水分估算结果与实测数据的RMSE均较小;以FY-3A/VIRR数据为基础,模型M（NDVI）和M（EVI）能够有效的估算藏北土壤水分,模拟值与实测值的相关系数r分别为0.50和0.51,RMSE分别为0.13和0.11,模型都可实现对藏北地区土壤水分的估算。研究可为掌握藏北地区土壤水分状况和制定农牧业发展决策提供依据。     

基于植被光谱和FY-3A/VIRRL1B数据的藏北地区土壤水分估算

为了实现对藏北地区土壤水分和干旱情况的动态监测,基于藏北植被光谱、实测20 cm土壤水分以及FY-3A/VIRR数据,利用相关性筛选出对土壤水分敏感的植被光谱波段构建植被指数,并以此建立土壤水分估算模型,再结合FY-3A/VIRR L1B数据将建立的模型应用于藏北地区的土壤水分估算,通过比较决定系数和RMSE,确定精度较高的藏北地区土壤水分遥感估算模型。研究表明:NDVI(620,850)、EVI(450,620,850)、NDWI(850,1 330)和RVI(850,1 330)与实测20 cm土壤水分的决定系数分别为0.232、0.256、0.537和0.554,都能较好地表征土壤水分,分别利用每个指数建立的二次模型所获得的土壤水分估算结果与实测数据的RMSE均较小;以FY-3A/VIRR数据为基础,模型M_(NDVI)和M_(EVI)能够有效的估算藏北土壤水分,模拟值与实测值的相关系数r分别为0.50和0.51,RMSE分别为0.13和0.11,模型都可实现对藏北地区土壤水分的估算。研究可为掌握藏北地区土壤水分状况和制定农牧业发展决策提供依据。