AMSR＿2微波植被指数在黄河流域的适用性对比与分析

微波数据具有全天候、穿透性强及不受云层影响等优势,使其在遥感研究领域得到越来越多的应用。利用2012年7月至2016年12月AMSR_2双极化亮温数据,反演微波穿透指数MVI与不同频率的微波极化差异指数MPDI18与MPDI36.5,对比黄河流域各微波植被指数与光学植被指数NDVI的差异,分析了微波植被指数在黄河流域的适用性。结果表明:微波穿透指数MVI与光学植被指数NDVI呈现显著负相关关系;微波极化差异指数MPDI18,MPDI36.5与光学植被指数NDVI呈显著正相关关系;其中,微波极化差异指数MPDI36.5与光学植被指数NDVI的逐月变化趋势几乎同步,相关系数达到了0.999。微波植被指数与光学植被指数对降雨、气温的响应大致相同。整体来说,微波穿透指数与微波极化差异指数在黄河流域均具有较好的适用性。     

基于SPEI指数分析河西走廊气象干旱时空变化特征

利用河西走廊1965-2017年21个气象站点逐日气象数据,基于Penman-Monteith蒸散模型计算不同时间尺度的SPEI,分析河西走廊气象干旱的变化趋势、发生频率和持续时间等时空变化特征。结果表明：（1）近53a来河西走廊月、季、年尺度SPEI均呈显著上升趋势,即干旱有显著减弱趋势,但个别站点干旱持续时间较长,其中武威站在2013年持续时长达到11个月;（2）河西走廊四季均存在变湿趋势,且冬季变湿显著,其中春、夏、秋季干旱呈不稳定变化,而冬季在1989年前后发生突变,由干旱向湿润突变;（3）河西走廊干旱的空间分布具有明显的区域特征,干旱区域主要集中在西北部,湿润区域主要集中在南部;（4）不同时间尺度各等级干旱发生频率的变化规律具有一致性,轻中旱发生频率远高于重特旱,且年、季尺度重特旱发生相对高频区空间分布特征与轻中旱正好相反。总之,近53a来河西走廊干旱呈减弱趋势,有利于当地的农业生产开展和生态环境改善,但该区域气候变化较复杂,需要注意局部干旱情况。     

黄河流域典型区域目标ET计算及水资源调配方案评估

为了解决在黄河流域基于径流-蒸散发(runoff-evapotranspiration,R-ET)的水资源管理模式中,区域目标蒸散发(evapotranspiration,ET)的合理确定问题,该文先梳理了目标ET的计算步骤,确定了各分项ET的计算方法,建立了目标ET的评估指标体系,通过研究实例进行验证。目标ET具体的计算步骤和方法为:第一步,根据当地的水资源情况制定方案集;第二步,针对不同的分项目标ET,分别采用分布式水文模型、遥感估算模型及用水定额法等方法进行计算;第三步,通过计算各方案的评估指标体系,进行可持续性、公平性和高效性的评估,确定最优方案。以黄河流域鄂尔多斯地区为研究实例,制定了5个计算方案,经过计算方案1为现状用水方案,目标ET值为468.79 mm;方案2为扩大引黄水方案,目标ET为450.89 mm;方案3为压采地下水方案,目标ET为432.95 mm;方案4为减少引黄水方案,目标ET为406.11 mm;方案5为节水方案,其目标ET为383.27 mm。通过综合评估可知方案5为最优方案。通过实例验证认为,该方法对于区域目标ET的确定是一种适用的、较准确的方法,也会为下一步黄河流域实施基于R-ET的水资源管理模式提供数据基础和技术支撑。     

基于遥感的泾河流域日蒸散量估算

蒸散发是陆地水分和能量循环过程中的重要环节。利用遥感数据与传统蒸散发模型相结合的方法,对泾河流域2006年3—10月日实际蒸散量进行动态模拟,并利用LAS站实测数据对模拟结果进行了验证。结果表明:1)基于遥感的P-T方法估算地表实际蒸散发可获得较好的效果。2)泾河流域蒸散发空间上,总体趋势为"南高北低;东西两侧山区高,中部平原低";林地蒸散量最高,其次为农田,最低的是草地。3)时间上,泾河流域蒸散发呈单峰型分布,7月、8月份的蒸散发量最高。4)月均气温、月降雨量和月均植被指数与月均蒸散发量的相关系数分别在0.8,0.5,0.7左右,表明温度、降水和植被是影响泾河流域蒸散发的关键因素。     

基于多源遥感数据的三江平原日蒸散量估算

采用FAO Penman-Monteith(P-M)模型,结合多源遥感数据,实现空间尺度上的扩展,对三江平原生长季(5-9月)不同气象条件和不同下垫面条件下的日实际蒸散量进行了估算,并利用波文比观测数据对模拟结果进行了验证.结果表明:(1)观测站日实际蒸散发的模拟值与实测值较为一致,R2达到0.824,RMSE为0.493,研究所采用的基于遥感驱动的PM模型适用于三江平原日蒸散发的估算.(2)生长季内,三江平原的月蒸散发量呈单峰性分布,7月达到峰值;蒸散发量的空间分布与植被盖度和水分供给状况密切相关.(3)净辐射和气温是影响三江平原实际蒸散发的两个主要因子,其次为比湿和风速,此外,降水可以明显增加实际蒸散量,是影响区域蒸散发的关键因素.     

基于Copula函数的泾河流域水沙丰枯遭遇频率分析

流域水沙关系变化是洪旱灾害防治、重大水利工程布局的重要理论基础,同时又对人们的生产、生活产生重大影响。根据泾河流域主要控制水文站的年径流量和年输沙量数据,采用P-Ⅲ型曲线分别拟合计算得到各水文站的径流量和输沙量序列的边缘分布函数,然后采用Copula函数建立了泾河流域水沙联合分布模型,计算泾河流域各水文站水沙丰枯遭遇频率。结果表明:(1)Clayton Copula,Frank Copula,Gumbel copula函数均能较好地拟合泾河流域各水文站的水沙数据,根据拟合优度评价结果选用Frank Copula函数拟合各站的水沙联合分布;(2)在所研究的泾河流域8个控制水文站水沙丰枯遭遇均表现为水沙丰枯同步频率大于异步频率。在水沙丰枯同步频率中,同丰的遭遇频率基本与同枯的遭遇频率相同,二者均大于同平的遭遇频率。(3)在水沙丰枯异步遭遇频率中,丰枯遭遇频率最小的组合是水枯沙丰和水丰沙枯。该水沙联合分布模型对流域治理规划、防灾减灾及生态恢复等具有重要意义。     

黄土高原次降雨径流产沙变化及其与雨强和植被盖度变化的相关性

获取12条流域16 a的753次降雨数据,运用雨强、植被盖度、径流系数和产沙系数等指标,分析黄土高原次降雨径流产沙变化及其与雨强和植被盖度变化的相关性。结果显示：① 与1980-1989年相比,2006-2011年黄土高原的降雨-径流和径流-产沙关系发生了明显变化,大部分流域的产流产沙能力有所下降,10个流域中有8个流域的径流系数、产沙系数有所减小,分别减小25.93%~66.1%和59.05%~97.71%;② 分析雨强和植被盖度变化与径流产沙变化的相关性,发现径流产沙变化与植被盖度变化的相关性强于其与雨强变化的相关性,表明植被盖度变化对径流产沙变化的影响更明显;③ 分析不同干湿条件下径流产沙变化对植被盖度变化的敏感性,发现气候越湿润,流域的径流产沙变化对植被盖度变化越敏感,植被改善的减水减沙效果越明显。     

1982—2020年黄河流域多时间尺度气象干旱对植被影响

[目的]深入研究黄河流域不同时间尺度的气象干旱对植被的时空响应特征,为生态保护、水资源管理和气候变化适应性提供宝贵信息,能够减轻干旱引发的环境和经济问题。[方法]基于黄河流域1982—2020年的标准化降水蒸散指数SPEI和归一化植被指数NDVI,采用逐像元线性回归模型、Sen’s趋势分析和Mann-Kendall检验等方法研究黄河流域不同时间尺度气象干旱的时空分布特征及其对植被影响。[结果](1)1982—2020年黄河流域呈不显著的变干趋势,不同时间尺度SPEI变化趋势为负值的区域主要集中在黄河流域的西部龙羊峡至兰州区域、黄河流域的南部及河套平原周围区域。(2)黄河流域多年平均植被覆盖度的空间分布特征呈南高北低、由东南向西北递减的趋势,研究区内植被覆盖度呈显著增加的区域(61.94%)大于植被覆盖度呈显著减少的区域(5.43%)。(3)黄河流域大部分地区干旱状况与植被状态呈正相关,流域内呈显著正相关区域主要集中在黄河流域西北部和最北端区域,说明这些区域的植被受干旱的影响最为严重。(4)草地和耕地对6个月时间尺度的干旱响应最强,林地和未利用地较其他土地类型更易受长期干旱影响。4种地貌...     

基于熵权物元可拓法的黑河中游水资源承载力评价

为了对黑河流域的水资源进行科学合理的利用,基于物元可拓评价方法,引入最大贴进度法作为改进的可拓方法,并采用熵值法确定其权重系数,对黑河中游地区的水资源承载力进行了计算分析和评价,然后就不同的治理方案进行了比较。结果表明,目前黑河中游的水资源开发已经具有一定的规模,属Ⅱ级水平,即承载力水平相对较低。对比各项治理方案,其评价特征值由现状年的2.451 7(Ⅱ级水平)调整至1.094 0(Ⅰ级水平)。影响黑河中游地区水资源承载能力的主要因素是农业用水量。因而,可采取提高黑河中游地区的农业用水水平并对其灌区面积加以限制、调整当地产业结构的方法,以提高其水资源承载能力。     

GPM与TRMM降雨数据在黄河流域适用性分析

GPM(Global Precipitation Measurement)是继TRMM(Tropical Rainfall Measuring Mission)之后的新一代全球卫星降水测量计划。GPM扩展了TRMM传感载荷,提升了降水观测能力。以GPM和TRMM重合期(2014年3月—2015年4月)数据为对象,利用黄河流域内76个气象站点的降雨实测数据,探讨了两种卫星降水数据在黄河流域的适用性,并分析了流域内两种卫星降水数据误差的时空分布。结果表明:年尺度上,GPM与TRMM卫星数据与实测降水量的决定系数分别为0.78,0.86,总体一致性较好,但分别存在2.46%与2.19%的相对高估。季节尺度上,春、秋两季数据精度高,夏季卫星降水数据相对于实测降水量存在较大的绝对误差,冬季则相对误差较大。月尺度上,除7月、8月外卫星降水数据均大于实测降水量,相对误差最大值出现在12月,绝对误差最大值出现在9月。单站点验证结果表明GPM与TRMM卫星降水数据在流域北部的陶乐、惠农、临河等区域数据精度偏低,而在广大的流域中南部区域卫星降水数据与实测降水量有较高的一致性。