基于SSM/I的青藏高原东部雪深模型反演及积雪时空分布研究

雪灾是制约牧区草地畜牧业持续发展的主要气象灾害之一。利用研究区1995-1996年、2000-2001年、2005-2006年10月到次年3月共3个积雪季的SSM/I日亮温数据和79个气象台站对应的地面实测雪深值,反演了青藏高原东部的雪深模型,估算了积雪分布面积和积雪深度。研究结果表明：3个积雪季的月、旬积雪面积都是先增加,在12月到次年1月达到最大值,然后减少;各积雪季雪深以<5 cm为主,10月、次年2月和3月期间基本上没有>10 cm以上的积雪;从3个积雪季的旬雪深数据来看,各旬3个级别的雪深面积变化基本上都遵循了先增大后减小的趋势,其中雪深<5 cm的积雪面积变化最大,>10 cm的积雪面积变化最小;3个积雪季510 cm的积雪主要分布在青南的玉树、果洛州。     

基于MOD10A1和AMSR-E的北疆牧区积雪动态监测研究

准确监测牧区积雪覆盖范围,对有效防灾减灾和牧区畜牧业持续发展具有特别重要的意义。利用积雪产品和气象台站的观测资料,对比分析了北疆地区2002年11月1日－2005年3月31日三个积雪季的AMSR-E每日雪水当量产品及其与MOD10A1每日积雪分类产品合成的图像MODAE1的积雪识别精度。结果表明,1)AMSR-E每日雪水当量产品的积雪识别率为66.59%,总精度为69.49%;2)利用用户自定义的合成算法计算的合成图像MODAE1,结合了AMSR-E雪水当量产品不受天气影响和MOD10A1每日积雪产品较高空间分辨率的优点,积雪识别率达76.43%;3)雪深和土地覆盖对合成图像MODAE1的积雪识别率具有重要的影响。在雪深为1～40cm时,合成图像的积雪识别精度随雪深的增加而增大;在雪深为31～40cm时,积雪识别率可达90.19%;在雪深大于40cm时,积雪识别率开始下降。在牧区合成图像的积雪识别率可达77.6%,而在开阔的灌丛区积雪识别率略有下降,为72.7%。     

基于MODIS与AMSR-E数据的雪被产品合成及精度评价

摘要：利用2002年10月1日-2008年3月31日青海省Terra/MOD10A1和Aqua/MYD10A1每日雪被产品,合成了MODIS五日积雪分类图像（MOYD_5D）,结合AMSR E五日雪水当量产品（AE_5D）,利用用户自定义合成算法合成五日积雪分类图像AEMD_5D。根据气象台站的雪情数据,对比分析MOYD_5D、AE_5D和AEMD_5D这3种积雪产品的积雪分类精度（Sa）。结果表明,1）当积雪深度为1~3 cm时, MOYD_5D、AE_5D和AEMD_5D的积雪分类精度分别为17.5%、49.8%和23.2%;2）积雪深度为4~6 cm时,MOYD_5D、AE_5D和AEMD_5D的Sa分别为46.2%、55.1%和56.9%;3）雪深为7~9 cm时,MOYD_5D、AE_5D和AEMD_5D的Sa分别为58.6%、78.5%和78.6%;4）当雪深≥10 cm时,MOYD_5D、AE_5D和AEMD_5D的Sa分别为66.7%、82.2%和84.1%。合成产品AEMD_5D对积雪分类精度有所提高,对于牧区雪灾监测及评价具有重要的应用价值。     

基于MODIS和AMER-E资料的青藏高原牧区雪被制图研究

本研究利用青藏高原地区2002-2008年MODIS/Terra-Aqua逐日雪被产品(MOD10A1及MYD10A1)和AMSR-E/Aqua每日雪水当量产品AE_DySno,研究了MODIS和AMSR-E逐日数据的融合算法,合成出逐日无云积雪分类图像MATS10A1,并利用气象台站提供的雪情数据验证了合成图像的积雪分类精度。研究结果表明:1)在青藏高原地区,虽然在晴空时MODIS积雪分类精度较高(当雪深>3 cm时达到80.82%),但MOD10A1和MYD10A1图像中的平均云量比分别达到39.74%和48.74%,无法对牧区雪情进行实时监测。2)MOD10A1和MYD10A1的合成图像(MOYDTS10A1)云量比为24.13%,不但消除了大部分云的影响,而且提高了积雪分类精度(积雪分类精度为81.67%)。3)合成图像MATS10A1结合了AMSR-E资料不受天气影响和MODIS雪被产品较高空间分辨率的优点,不仅完全消除了云的干扰,同时具有较高的积雪分类精度(79.36%)。因此,这种改进型算法生成的逐日无云图像,在青藏高原牧区雪灾监测与预警研究中将具有重要的应用前景。     

基于风云3B微波亮温数据的内蒙古草原牧区雪深反演研究

基于内蒙古草原牧区2011~2013年两个积雪季的国产卫星FY-3B双极化亮温数据,通过使用2012年MODIS的MCD12Q1土地覆盖类型产品数据提取内蒙古牧区草地植被类型,同时使用与FY-3B数据同期的MOD10A1日积雪覆盖产品剔除研究区内无积雪覆盖的像元,进而得到内蒙古草原牧区有积雪覆盖区域的FY-3B影像各像元的亮温数据。将亮温数据与研究区内相应的野外固定实验站观测数据及呼伦贝尔市的7个气象站点雪深观测数据建立回归拟合关系,初步建立了基于FY-3B亮温数据的适合于内蒙古草原牧区的雪深反演模型,模型参数拟合决定系数R2为0.59。使用2012年研究区雪深观测值检验模型,均方根误差为3.12cm,平均相对误差为18%,表明所建立的雪深反演模型能够较好地估算和识别内蒙古草原牧区雪深的空间分布特征。     

牧区雪灾遥感监测方法的研究

雪灾是影响我国北方草原牧区畜牧业发展的重要因子,如何准确评价雪灾对牧区造成的影响并及时援救,最大限度地减少灾区的经济损失,是一个十分迫切的问题.为此总结了国内外牧区雪灾遥感监测的现状,分析了卫星遥感系统在草地雪灾监测方面的应用及存在的问题,提出了雪灾遥感监测的原理及技术路线,为进一步做好牧区抗灾救灾及草地畜牧业持续发展决策的研究提供科学依据.     

新疆北部地区MODIS积雪遥感数据MOD10A1的精度分析

以新疆北部牧区为研究区,结合气象台站记录的雪情数据和土地利用类型,对比分析了2001年11月1日-2005年3月31日的MODIS每日积雪产品MOD10A1积雪制图精度。研究表明,1)晴天时MOD10A1产品的精度很高,总精度可达到98.5%,积雪分类精度为98.2%。2)地面台站的积雪分类精度和总精度同海拔之间的相关系数仅为0.04和0.02,但积雪深度与积雪分类精度之间存在显著的相关性。当雪深1~3 cm时积雪分类精度为54.1%~94.3%;当雪深3~36 cm时,积雪分类精度均大于90%;当雪深大于36 cm时,漏测次数为零,积雪分类精度将保持在100%。3)土地利用类型对积雪分类精度有一定的影响。在农田、草原和城市建筑用地3种类型上的总精度分别为97.9%,98.9%和96.9%,积雪分类精度分别为98.0%,98.5%和94.4%。4)3种土地利用类型在不同雪深下的总精度和积雪分类精度都较高。农田、草原和城市建筑用地上的最低积雪分类精度分别为94.6%,95.3%和89.5%,且最低积雪分类精度都出现在雪深为1~10 cm的分段上,这个结果与积雪分类精度随雪深的增加而增加相一致。     

3个高丹草品种在新疆北疆地区的生产性能综合评价

为筛选出适宜在新疆北疆地区推广种植的高丹草品种,采用随机区组设计,测定了3个冀草系列高丹草品种(冀草5号、冀草2号、冀草8号)的株高、干鲜比、草产量等指标,并利用灰色关联法进行了生产性能综合评价。结果表明,根据3个品种在北疆地区的生育期可将冀草5号、冀草2号、冀草8号分别划分为早、中、晚熟品种。冀草5号的株高最高,为325.30 cm,冀草2号的草产量最高,其鲜草产量为127 556.19 kg/hm²,干草产草量可达30 613.49 kg/hm²。灰色关联度综合评价结果由高到低的顺序为冀草2号>冀草5号>冀草8号。说明冀草2号高丹草更适宜在新疆北疆地区推广种植。     

乡村振兴视阈下草地畜牧业生态效率评价及影响因素研究——基于北疆纯牧区、半农半牧区案例的分析

中国的农牧生态区正面临着一系列的生态退化问题,生态效率的测度对促进农牧生态区可持续发展起着重要作用。文章运用超效率EBM模型测算北疆纯牧区和半农半牧区2001—2020年草地畜牧业的生态效率,结果表明：2001—2020年,北疆牧区整体生态效率呈波动上升趋势,到2020年,效率值为0.77,处于较低效率阶段。其中,半农半牧区县生态效率均值普遍高于纯牧区县;核密度图显示,北疆牧区草地畜牧业生态效率整体处于“前期平稳-中期波动-后期平稳”发展趋势,生态效率逐渐趋向良好;Malmquist指数分解结果显示,半农半牧区县TFP年均增长率高于纯牧区县TFP年均增长率;牧业产值比重、农牧业就业人口比重、牲畜存栏量、技术进步水平和旅游总消费因素是影响草地畜牧业生态效率的主要因素。     

北疆典型牧区草畜平衡动态监测生产力估产模型的初步研究

应用MODIS／TM数据初步探讨了北疆典型牧区草畜平衡遥感监测估产模型的建立,认为：在低盖度荒漠带草地,NDVI受土壤基质影响大,获得的相关系数普遍较低,采用线性模型能很好地反映牧草产量的变化;对于中、高盖度草场的草原类型,产量与NDVI的线性与非线性相关性都较好,采用指数模型能很好地反映牧草产量的变化。     

牧区积雪光学与微波遥感研究进展

在总结国内外积雪监测常用卫星资料甚高分辨率扫描辐射仪(AVHRR)、多光谱扫描仪(MSS)、专题绘图仪(TM)、中分辨率成像光谱仪(MODIS)、多通道微波辐射计(SMMR)、微波成像专用传感器(SSM/I)、改进型微波辐射扫描仪(AMSR/AMSR-E)、合成孔径雷达(SAR)和FY系列传感器优缺点的基础上,系统研究了牧区积雪可见光遥感研究进展以及微波积雪深度反演、积雪分类决策树遥感研究进展,提出了积雪监测中存在的一些问题及未来发展趋势和研究重点,为进一步做好牧区积雪监测提供科学依据。     

冷季深入对AMSR-E监测内蒙古积雪的影响

传统的积雪范围和厚度监测是通过气象台站的定时观测, 其缺点是:地面观测资料区域代表性有限和地面气象台站分布很均匀.遥感技术可以弥补传统观测的不足,中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer, MODIS)数据具有高空间分辨率、高时间分辨率,地球观测系统先进微波扫描辐射计(Advanced Microwave Scanning Radiometer-EOS, AMSR-E)数据具有不受云层影响的特点.分析冷季深入对AMSR-E影像积雪判别的影响,最终得出,在内蒙古地区随着冷季的深入,AMSR-E将MODIS影像上无雪像元和有云像元判别为有雪的比例越来越高,最高分别达34.22%和28.29%.两者同时判别为有雪像元的比例也越来越高,最高达33.66%.     

基于3S技术的牧区雪灾评价方法

利用NOAA卫星数据及地面气象台站观测资料,建立了积雪深度遥感反演模型;应用线性混合光谱分解原理,研究了基于像元的积雪覆盖率及积雪空间分类算法;依据草地畜牧业的特点,综合考虑了雪情、草情、畜情和气象因素的空间分布及其对草地畜牧业的危害程度,提出了2种新的基于格网单元的积雪危害指数和雪灾综合评价指数,构建了积雪危害分级与雪灾综合评价标准。通过对北疆阿勒泰牧区雪灾研究的结果表明,这2种指数和分级评价标准能准确详细地反映雪灾的时空分布特征和危害程度,对牧区雪灾的综合评价具有重要的应用价值。     

新疆北部（北疆）几种苜蓿属植物遗传结构的研究

以１７份国内外紫花苜蓿栽培品种为对照,对新疆北部地区２８份四倍体苜蓿属植物即紫花苜蓿（Ｍｅｄｉｃａｇｅｓａｔｉｖａ）黄花苜蓿（Ｍ．ｆａｌｃａｔａ）多变苜蓿（Ｍ．ｖａｒｉａ）的遗传结构进行研究,结果表明,四倍体种群为外繁育类型,其总遗传变异的９０％以上来源于各群内部,但由于地理或生殖隔离等因素导致个体别群表现出内繁育衰退现象,因此,应加强对这些种群的就地保护和迁地保护。