青藏高原退化高寒草地恢复对不同措施响应的Meta分析

为定量评估不同退化程度高寒草地的植物生产力、植物多样性与土壤质量对不同恢复措施的综合响应,本研究基于92篇文献,通过荟萃分析（Meta分析）,对2 478组恢复实验数据进行综合分析。结果表明：在未退化草地上,自然恢复显著提高植被生产力和植物多样性,且不会使土壤质量下降;在轻度退化草地上,自然和人工辅助恢复均显著提高植被生产力和土壤质量;但人工辅助恢复显著降低植物多样性,而自然恢复则相反。具体措施以中期围栏封育恢复效果最好;在中度退化草地上,人工辅助恢复比自然恢复效果好。具体措施以短期施肥以及短期和中期补播恢复效果较好;在重度退化草地上,人工建植效果最好,但人工建植恢复植物多样性以及土壤质量所需年限较长。     

光学积雪遥感研究进展

积雪在全球水文和气候变化中扮演着十分重要的角色。利用遥感技术进行积雪监测已有40多年的研究历史, 在雪盖制图、雪深反演、冰雪反照率等方面发展了一系列的算法及产品。其中,光学遥感以其高时空分辨率的特点在积雪监测中得到了非常广泛的应用。随着对地观测系统（Earth Observation System,EOS）的发展,以及国产环境卫星的陆续升空,越来越多的遥感数据被应用于积雪监测,遥感技术势必在积雪监测领域发挥更加重要的作用,为模拟地球辐射平衡、地表水文研究、全球变化等提供丰富的数据资料。     

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。     

基于集合种群模型的小麦和苜蓿锈病发生动态模拟研究

本研究利用生态建模方法,建立小麦和苜蓿2种农田植物锈病发生和传播流行的集合种群时间动态侵染模型,通过试验数据分析计算并确定侵染参数,用建模软件模拟动态侵染过程,以反映病害流行的特征,实现小麦条锈病和苜蓿锈病的空间动态和时间动态的协同模拟。