中国北方草原区积雪遥感监测——2007.10~2008.3期间
北疆牧区MODIS积雪产品MOD10A1和MOD10A2的精度分析与评价
北疆牧区MODIS积雪产品MOD10A1和MOD10A2的精度分析与评价北疆牧区MODIS积雪产品MOD10A1和MOD10A2的精度分析与评价【引言】积雪是北疆牧区冬季的典型自然现象,在温度较低的地区,积雪覆盖对于土壤、植被以及生态系统的水分和能量平衡起着重要作用。
为了准确估计积雪覆盖和监测其时空变化,使用遥感技术获取积雪数据是一种高效的方法。
MODIS是一种广为应用的遥感仪器,其获得的数据可用于生成积雪覆盖产品。
本文旨在分析和评价北疆牧区使用MODIS遥感获取的积雪产品MOD10A1和MOD10A2的精度。
【方法与数据】本次研究的数据来源于MODIS卫星传感器所获取的MOD10A1和MOD10A2产品,该产品能够较为准确地估计大尺度的积雪覆盖情况。
同时,为了对比验证,并评价MODIS数据的精度,我们收集了北疆牧区内的地面观测数据,包括气象站记录的降雪量和雪深数据。
通过对比遥感数据与地面观测数据,我们能够评估MODIS积雪产品对真实情况的反映程度。
【结果与讨论】1. MOD10A1和MOD10A2对积雪覆盖的提取结果与地面观测数据存在一定差异。
通过对比MODIS数据和地面观测数据的差异,我们发现,MOD10A1和MOD10A2存在一定的漏报和误报情况。
漏报是指MODIS数据未能正确识别到真实的积雪覆盖情况,误报是指MODIS数据错误地识别为空白处为积雪覆盖。
这些误差主要由基于卫星遥感的积雪提取算法以及地形和植被的复杂性所引起。
2. MODIS数据的精度与研究区域和季节有关。
由于北疆牧区地形起伏且植被覆盖复杂,导致影响积雪提取结果的因素较多。
某些区域的地形特征和植被类型使得MODIS数据对积雪覆盖的提取结果存在一定的偏差。
同时,不同季节的积雪覆盖特征也会对MODIS数据的精度产生影响,例如在大雪封闭的季节,积雪覆盖面积相比于其他季节更大。
3. MODIS积雪产品的精度可以通过改进算法和数据预处理来提高。
中国北方草原植被对气象因子的时滞响应
中国北方草原植被对气象因子的时滞响应植物生态2007,31(6)1054~1062Jouma/ofPlantEcology(ChineseV ersion)中国北方草原植被对气象因子的时滞响应李霞李晓兵陈云浩莺歌(北京师范大学资源学院,北京师范大学环境演变与自然灾害教育部重点实验室,北京100875)摘要利用1982~1997年的气温,降水和1983~1997年生长季的NOAA/A VHRR 的归一化植被指数(Normalizeddifferentialvegetationindex,)遥感数据,分析了中国北方温带草原植被生长对气象因子的时滞响应.根据4个时间尺度(1—4个月)和4个时滞期(前0—3个月)将降水数据进行16种组合方式,计算了植被的NDVI与同期及前期(前1—6个月)降水之间的相关系数.同时,计算了植被的NDVI与同期和前一个月气温之间的相关系数.结果表明:1)中国北方温带草原植被的NDVI与同期降水和气温的显着相关.2)植被的NDVI对前一个月降水的时滞响应最强烈,植被的NDVI与当月降水和前两个月降水的累积量相关性最强.3)在生长季的起始阶段,去冬,今春的降水总量对草甸草原植被的生长有重要的作用.在生长季的中期和后期,当月和前一,二个月的降水对典型草原和荒漠草原的植被有显着影响.4)在草甸草原,典型草原区,生长季早期的气温均对植被生长的影响较为显着.在荒漠草原区,气温不仅在生长季初期与植被的NDVI呈现正相关,而且在生长季的中后期,气温与植被的NDVI呈现负相关.陛.关键词NDVI降水气温时滞响应温带草原rI1RARESPID]i:SESoFVEG|TAⅡONToCLTEV ARIABIJ删.P]团RA TES1]EPPE0FNORrI]既ERNCHALIXia,LIXiao—Bing,CHENYun—Hao,andYINGGe嘶LaboratoryofEnvironmentalChangeandNaturalDisaster,MinistryofEducation,Col~geof R~ourcesSciaweandTechnology,BeijingNormalUniversity,Beijing100875,ChinaAbstractA/msV egetationhasstrongtemporalresponsetoclimatevariablesinsomeregions. Thenormal—izeddifferentialvegetationindex(NDVI)isgenerallyrecognizedasagoodindicatorofterrest rialvegetation,so itcanbeusedtoanalyzetemporalresponsesofvegetationtoclimatevariables.Thisstudyaddr essestwokeyquestions:a)HowquicklyandoverwhattimeperioddoesNDVIrespondtodifferentpatterns ofclimatevari—ables?b)HowdoesNDVIrespondtoweathervariationfordifferenttemperatesteppetypesof northernChina?MethodsWecalculated1)linearcorrelationsbetweenmonthlyclimatevariablesandNDVIf or1983—1997,2)NDVI—precipitationcorrelationcoefficients,withpreeipitationinfourdifferenttimeperiods(1—4months)andfourdifferenttimelags(0—3monthlags)toevaluatethetimeperiodoverwhichprecipitationmoststrong—lyinfluencesonNDVIand3)NDVI—temperaturecorrelationcoefficientsforthecurrentandpreviousmonth. ImportantfindingsThecorrelationcoefficientsbetweenNDVIandconcurrentclimatevaria bleswereallsig.nificantinthreetemperatesteppetypes.ThereisastrongrelationshipbetweenprecipitationandNDVIintern—peratesteppeofnorthernChina.CorrelationcoefficientsbetweenNDVIandprecipitationare highforspecificcombinationsoftimedurationandlag.Intermsoftimelag,NDV1wasmoststronglyrelatedtot hepreviousmonth,althoughdifferencesexistedamongdifferentsteppetypes.Intermsoftimeduration,N DV1wasmost stronglyrelatedtothesunlofprecipitationoverthreemonthsthanone,twoorfourmonthperio ds.Precipitation fromFebruarybacktoNovemberofthepreviousyearwaspositivelycorrelatedwithNDVIea rlyinthegrowingseasoninmeadowsteppe,andtherewasastrongcorrelationbetweenNDVIandprecipitationf orthepreceding1—2monthsinthemidandlategrowingseasonindesertsteppeandtypicalsteppe.Temperaturew asmoder—at~lycorrelatedtI1NDVIduringthegrowingseason.butdifferencesexistedamongsteppety pes.Fortypicalsteppeandmeadowsteppe,temperaturewaspositivelycorrelatedwithNDVIearlyinthegro wingseason.Fordesertsteppe,NDV1wasmoderatelyrelatedwithtemperatureearlyinthegrowingseasonan dnegativelycorre—latedwithtemperatureinthemidgrowingseason.KeywordsNDVI,precipitation,temperature,temporalresponses,temperatesteppe收稿13期:2O06—01—26接受13期:2O06—05—31基金项目:国家自然科学基金(30670398)和教育部新世纪优秀人才资助项目(NCTE-04-0149)*通讯作者Authorforcone~pondenceE-mail:************6期李霞等:中国北方草原植被对气象因子的时滞响应1055 植被是自然生态系统中最活跃的因子,能够指示自然环境中的某些组成成分的变化,是景观生态环境变化的综合指示器.随着全球变化研究的深入,植被对气候变化的响应方式及其程度已成为全球变化研究的热点(Pettorellieta1.,2005;张学霞等,2005).归一化植被指数(Normalizeddifferential vegetationindex,ⅣD)是最常用于监测植被的遥感指数,对于NOAA极轨卫星搭载的先进的甚高分辨率辐射仪(Advancedveryhighresolutionradiometer,A VHRR),NDVI被定义为:NDVI=(CH1一CH2)/(CH1+CH2)(1)式(1)中:CH1代表通道1(0.58~0.68tun)的反射率,通道1主要对可见光的红光反应敏感,而植物的叶绿素吸收红光;CH2代表通道2(0.725~1.1m)的反射率,通道2对近红外线反应敏感,而植物的叶肉结构反射近红外光线(张军等,2001;李晓兵等,2002).因此,NDVI与绿色叶片生物量,叶面积指数,植物光合能力,总的干物质积累以及年净初级生产力等均有很好的相关性,能够在大尺度上反映植被的绿度和光合作用强度,较好地反映植被的代谢强度及其季节性变化和年际问变化,已被广泛地运用于植被的农作物估产,叶面积指数估算,净第一性生产力估算,物候分析等研究(Price,1991;孙睿和朱启疆,2001;李晓兵等,2002;方修琦和余卫红,2002;张峰等,2004).目前,利用NDVI数据监测植被对同期气候变化的响应在国内外已有大量研究(Malo&Nicholson, 1990;Davenport&Nicholson,1993;Braswelleta1.,1997;齐哗,1999;李晓兵等,2000,2002;朴世龙和方精云,2003).研究表明,在降水量的一定范围内,植被的NDVI与降水量之问存在着很强的线性关系(Malo&Nieholson,1990)或对数关系(Davenport& Nicholson,1993).但若降水量超过一定的阈值,降水不再是植被生长的限制因子,随着降水的增多植被的NDVI数值的增加非常缓慢:非洲南部的博茨瓦纳,年降水量大于500toni或月降水量介于50~100toni之间时,植被的NDVI与降水的相关性很小(Nicholson&Farrar,1994);在非洲东部,年降水量大于1000111111或月降水量大于200111111时,植被的NDVI对降水的响应很慢(Davenport&Nichols0n, 1993).温度的升高同样对植被的NDVI有显着的影响,在北半球高纬度地区植被生长主要由温度控制,植被的NDVI的年最大值及该值出现的时问与温度之间存在着密切的相关,其定量关系因纬度而异,这两个参数在较高纬度地带对温度的反应更为敏感(齐晔,1999).植物对气候变化具有累积效应,除了当时的气候状况影响植被变化外,前一段时间的气候状况对植被生长状况也有滞后效应(张学霞等,2005).国内外学者已开展了一些植被对气象因子时滞响应的研究,研究表明在不同地区植被对气象因子的响应时段各不相同.Schmidt和Karnieli(2000)利用NOAA/AVHRRNDVI影像探讨了以色列内盖夫地区植被对降水的响应,发现前两个月的降水显着影响植被的生长,而当月的降水对植被影响很小.Ji和Peters(2003)基于月的时间尺度,计算了美国中部地区植被的NDVI和由降水量得到的干旱指数(Stan.dardizedprecipitationindex,SPI)的相关系数,结果表明,在生长季的中期相关性最大,而在生长季的早期和末期相关系数较小,同时,在土壤水分含量低的地区相关系数较大.Roerink等(2003)利用NOAA/A VHRRNDVI影像和降水数据对欧洲的研究表明: 在干旱的地区植被对降水的响应很强烈,在较湿润的地区(欧洲大部分地区)植被对降水仍有一定响应,但在非常湿润的地区(北欧的山地),降水不是植被生长的限制因子,植被对降水的响应很弱.Nezli. na等(2005)以中亚的咸海地区作研究区,分析了植被NDVI对降水的响应时间,结果表明:在咸海的东北部地区,植被的NDVI对降水响应较快,时滞期为0~2个月,而在咸海的北部地区,植被的NDVI对降水响应较慢,时滞期为3~4月.我国学者也开展了相关研究.李晓兵等(2000)基于季节的时间尺度,初步探讨了1983~1992年中国北方温带草原植被NDVI对降水的时滞响应,研究表明,前一年冬季降水对我国北方大部分温带草原地区植被生长都有较好的影响.唐海萍和陈玉福(2003)基于季节的时问尺度,采用NOAA/AVHRRNDVI两个特征值——年均NDVI和NDV1年内极差,分析了我国东北样带内5种不同植被类型NDVI对降水和气温的时滞响应,发现对年均NDVI影响显着的气候因子是上一年夏季降水量,当年冬季降水量和当年冬季气温;对NDV1年内极差作用显着的气候因子有当年秋季降水量和上一年夏季降水量.本研究选择对气候变化敏感的中国北方温带草原作为研究区,基于月的尺度对1983~1997年ND- 与同期和前期的降水(前0~6个月)和温度(前0~1个月)进行了细致的相关分析,探讨了不同草原类型内植被生长对气候变量的时滞响应,以及在植物生态31卷生长季的不同阶段植被对气象因子的响应程度.1数据源及处理方法1.1数据来源本项研究采用的NOAA/AVHRR的NDVI数字影像为中国北方温带草原1983~1997年生长季(4~9月)内的8km空间分辨率的以最大值合成法合成的逐旬数据,此数据集来自美国地球资源观测系统(Earthresourcesobservationsystem,EROS)数据中心的探路者数据库,在数据库建立过程中,所用到的辐射校正,大气纠正,云检验,质量控制和图像配准等数据处理方法都是国际上公认的可靠方法(James &Kalluri,1994;Smitheta1.,1997).同期气象数据来源于中国国家气象局在研究区内的l2个标准气象站,为1982~1997年的逐旬平均气温和降水资料.1.2数据处理方法1.2.1研究区及气象站点的选择本研究选择我国北方温带草原作为研究区,包括大兴安岭西侧和内蒙古东部边缘的草甸草原,内蒙古中部的典型草原和荒漠草原.本地区年平均降水量自东向西逐渐减少,为150~4OOBin,并多集中于6~8月,多年平均气温则在0~4℃.在地理信息系统支持下,将研究区气象站点分布图与利用时间序列NDVI影像分类得到的中国植被类型图叠合(李晓兵和史培军,1999),结合1:1000000中国植被图集,标定各草原类型对应的气象站点(表1).1.2.2数据预处理已有研究认为10km是气象站点数据的有效范围(Yueta1.,2003;Ji&Peters,2004),因此我们分别将每个气象站点10km以内所有像元(约4~5个)的NDVI平均值作为该站点逐旬NDVI时间序列数据,以每月3旬的NDVI平均值作为月NDVI值,建立月NDVI时间序列数据.根据逐旬的气象资料计算月均温和月降水,建立逐月的气温和降水的时间序列数据.1.2.3数据处理方法1.2.3.1NDVI与气象因子相关分析将1983~1997年生长季(4~9月)内的逐月NDVI与同期逐月气象因子进行相关分析,采用t检验对相关系数进行显着性检验.分析从两方面进行:1)根据不同草原类型对15年的植被NDVI序列与气象因子序列进行时间序列分析,得到各草原类型NDVI与降水和气温的相关系数.2)将所有草原类型l2站点全部NDVI序列与气象因子序列进行相关分析,以分析在空间上各站点间的相关性.表1各种草原类型对应的气象站点位置Table1locationofweatherstationscorrespondingtodifferentsteppetypes 1.2.3.2生长季内NDVI与气象因子时滞分析计算生长季内植被的NDVI序列与同期及前期(前1~6个月)降水序列之间的相关系数,按照4个时间尺度(1~4个月)和4个时滞期(前0~3个月)将降水数据进行l6种组合(表2),以探讨植被的NDVI对降水时滞响应的时段.表2降水的组合方式(4个时间尺度×4个时滞期)Table2Theonmhlnationsofprecipitation(4timedurations×4timelags) 具体的分析过程如下:首先,计算第一年(1983)3456砌d~~一甚.n.M兰一2345一m矗~~一as薹蓥1234一e~~~二量羔雾.:一晰一.~6期李霞等:中国北方草原植被对气象因子的时滞响应1o57生长季内月NDVI序列(4~9月)和同期降水序列(4~9月)的相关系数.对1983~1997每一年都计算此相关系数,求出这15个相关系数的均值.分别对研究区3种草原类型计算此数值.此数据处理过程对应的是表2中第一行第一列的降水组合方式(时问尺度为1个月,时滞期为0个月).然后,计算每一年生长季内NDVI(4~9月)和相应前一个月降水(3~8月)的相关系数,同样对1983~1997每一年都计算此相关系数,求出它们的均值.此数据处理过程对应的是表2中第二行第一列的降水组合方式(时间尺度为1个月,时滞期为前1个月).依此类推,计算l6种降水组合方式与植被的NDVI相关系数的均值.Wang等(2003)的研究表明,只有当月和前一个月的气温对植被的NDVI有显着影响,所以我们应用上述方法计算了当月及前一个月的气温时滞效应.1.2.3.3生长季问NDVI与气象因子时滞分析计算1983~1997年同一月份植被的NDVI序列与同期及前期降水序列之问的相关系数.将不同年份间同一月份的NDVI序列作为一组变量,相应不同年份问同一月份的降水序列作为另一组变量.降水的组合方式如表2所示,根据4个时间尺度(1~4 个月)和4个时滞期(前0~3个月)将降水进行16种组合方式.与生长季内NDVI和降水时滞分析不同,这种方法能够区分出生长季不同阶段受降水影响的强度及其时滞效应.具体的分析过程如下:首先,将1983~1997年4月NDVI作为一组变量,1983~1997年4月降水作为另一组变量,计算这两组变量的相关系数,对4~9月每一月都计算此相关系数,求出这6个相关系数的均值.分别对研究区内3种草原类型计算此数值.此数据处理过程对应的是表2中第一行第一列的降水组合方式(时问尺度为1个月,时滞期为0个月).然后,将1983~1997年4月NDVI作为一组变量,1983~1997年3月降水作为另一组变量,计算这两组变量的相关系数,同样对4~9月NDVI和3~8 月的降水都计算此相关系数,得到这6个相关系数的均值.此数据处理过程对应的是表2中第二行第一列的降水组合方式(时间尺度为1个月,时滞期为前1个月).依此类推,计算16种降水组合方式与NDVI的相关系数的均值.Wang等(2003)的研究表明,只有当月和前一个月的气温对植被的NDVI有显着影响,所以我们应用上述方法计算了当月及前一个月的气温的时滞效应.2研究结果与分析2.1NDVI,气象因子的年际动态及其关系图1列出了1983~1997年15年间3种草原类型对应气象站的年降水量,年均气温的变化情况,以及根据计算得到的各种植被类型NDV1年际动态. 可以看出,15年中,荒漠草原和草甸草原指标的NDVI略呈上升趋势,而草甸草原变化趋势不十分明显;各区域的年均气温均表现出上升趋势;各区域年降水量在15年间存在着不同程度的变化,除1996 年降水量很小之外,其它年份降水变化不明显.在此基础上,计算了每一种草原类型NDVI与同期气象数据的相关关系(表3),其结果均通过了0.001显着性水平的检验,气温和降水对不同植被类型NDVI的影响程度依次为:草甸草原>典型草原>荒漠草原,即由东向西,相关性逐渐减小.同时,计算15年问研究区内所有站点植被的NDVI序列数据与同期气象因子的关系(表3),其相关系数均通过了0.001显着性水平的检验,说明研究区内植被的NDVI与降水和气温普遍存在着显着的相关关系.2.2NDVI与降水时滞分析结果2.2.1生长季内NDVI与降水时滞分析结果表4列出了植被的NDVI与降水量(16种组合方式)的相关系数,从中可知,在特定的时段,植被的NDVI与降水的相关性很高.相对于较短时间尺度(1个月和两个月)和较长时间尺度(4个月),时间尺度为3个月(即当月降水量和前两个月降水量的总量)时,植被NDVI对降水的响应最强烈.同时,相对于其它时滞期(2和3个月),时滞期为1个月时, 二者的相关系数更高.基于生长季内NDVI与降水时滞分析,可以得知,在不同时间尺度和时滞期,1983~1997年各年NDVI与降水的相关系数.表5列出了在16种降水量组合方式中,3种草原植被的NDVI与降水的相关系数出现最大值时对应的降水量组合方式及时段. 不同草原类型NDVI与降水的相关系数各不相同: 草甸草原区降水量与NDVI的相关系数最大值介于0.58—0.88之间(均值为0.81),典型草原在0.73~0.92之间(均值为0.83),荒漠草原介于0.500.88之间(均值为0.77).结合图1和表5,可以看出随着降水量的不同,植被的NDVI对降水的响应速度植物生态31卷冒一旨皇''ga)皇蔷逝一一荒漠草原Desertsteppe一0一典型草原Typicalsteppe一△一草甸草原Meadowsteppe矩Y ear图1归一化植被指数(NDVI),降水量,气温的年际动态Fig.1Imerannualdy~.icsofnormalizeddifferentialvegetationindex(NDVI),precipitationa ndtemperature表3归一化植被指数(NDV/)与同期降水,气温相关系数Table3Correlationco~~cientsbetweennormalizeddifferentialvegetationindex(NDVI)an dconcurrentprecipitationandtemperaU.u'e有所差异.在草甸草原区,较干旱的1983,1986~1988,1994年植被的NDVI对降水的响应较快,时滞期较短;相反,1991,1992年降水量较充沛,植被的NDVI对降水的响应较慢,时滞期较长.在典型草原区,降水较少的1985,1991年植被的NDVI对降水的响应较快,相反,1990,1997年降水量较充沛,植被的NDVI对降水的响应较慢.在荒漠草原区,1984~1986,1991年降水较少,其植被的NDVI对降水的响应较快,相反,1988,1990年降水量较充沛,植被的NDVI对降水的响应较慢.但是,在最为干旱的1996年,3种草原类型植被的NDVI对降水的响应均较慢,其原因可能是降水量过少,以至于植被响应很弱.2.2.2生长季间NDVI与降水时滞分析结果虽然,随着降水的累积方式不同,生长季间植被的NDVI与降水时滞分析的结果有所差异(表6),但是,其呈现出的规律与生长季内NDVI与降水时滞分析相似,时间尺度为两个月(即当月降水和前一个月降水的总量)时,二者相关系数最大,同时,时滞期为1个月时,降水对不同草原类型的时滞效应最强烈.在生长季的不同阶段,植被的NDVI与降水的相关性呈现出不同的规律.基于生长季间NDVI与降水时滞分析,可以得知,在不同时段和时滞期,l5年间各个月份(4~9月)植被NDVI与降水的相关系数.表7列出了在l6种降水量组合方式中,3种草原植被的NDVI与降水的相关系数出现最大值时对应的降水量组合方式及时段.从中可知,在生长季的早期,草甸草原的NDVI与前一年11月到当年2月的总降水量有显着正相关,说明去冬,今春的降水对草甸草原植被的生长有重要的影响.在生长季的6期李霞等:中国北方草原植被对气象因子的时滞响应表4生长季内归一化植被指数(NDVI)与降水的相关系数Table4Within—growingseasoncorrelationcoefficientsbetweennormalized differentialvegetationindex(NDV[)andprecipitation表中的数值为15年每年相关系数的平均值.第一列的数字代表降水量的累积方式(O表示与NDV[同期的降水,1表示前1个月的降水,0~1表示当月降水与前1个月降水的总量)Fifteen,yearaverage山in—growingseas0ncorrelationcoefficients(r—value)areshown.Thenmn—bersinthefirstcolmnnindicate山etimeintervalfor山eprecipitationa~ulnu—lated(0indicatesthecurrentmonthlyperiod,1iIieatesthefirstprevious period.0—1indicatesfromcurrentperiodtofirstpreviousperiod):P<0.05*:P<0.O1**:P<0.001中期和晚期,典型草原的NDVI与当月或前一个月降水或二者总量有显着正相关,说明典型草原对当月和前一月的降水有明显的响应;在荒漠草原区,当月至前一个月或前两个月的降水总量对荒漠草原植被生长有极显着的影响.2.3NDVI与气温时滞分析结果2.3.1生长季内NDVI与气温时滞分析结果表8列出了在19831997年生长季内,研究区内3种草原类型植被的NDVI与同月和前一月的气温相关系数的均值.从中可知,荒漠草原植被的NDVI与同期的气温数据呈现出一定相关性,而草甸草原和典型草原的NDVI与当月和前一月的气温数据均表现出较大的相关性.2.3.2生长季间NDVI与气温时滞分析结果如表9所示,无论在生长季的哪个阶段,前一月气温与3种草原类型的相关系数均没有通过0.05显着性水平的检验,说明前一月气温对研究区内各草原植被没有明显的时滞效应.但是,由表9可知,在草甸草原和典型草原区,同期气温对生长季的初期(4月)植被生长的影响最明显,而在生长季的其它阶段,同期气温并不是这两种草原植被生长的限制因子,没有明显的相关性.在荒漠草原区,同期气表5生长季内归一化植被指数(NDVI)与降水相关系数最大值及对应时段Table5Maximumwithin—growings~asoncorrelationcoefficientsbetweennormalizeddifferentialvegetation index(NDVI)andprecipitationandcorrespondingduration表中的相关系数为1983~1997每年相关系数的最大值.时段代表降水量的累积方式(O表示与NDVI同期的降水,1表示前1个月的降水,0~1表示当月降水与前1个月降水的总量)Eachyearmaximulnwithin—growingseasoncorrelationcoefficients(r—value)areshown.Durationindicatesthe timeintervalfortheprecipitationaccumulated(0indicatesthecurrentmonthlyperiod,1indic atesthefirstpreviousperiod,0—1indicatesfromcurrentperiodto firstpreviousperiod)*:P<O.05**:P<O.O1***:P<O.0011060植物生态31卷表6生长季间归一化植被指数(NDV/)与降水的相关系数表Table6Cross-growing$easoncorrelationcoefficientsbetweennormalized differentialvegetationindex(NDVI)andprecipitation表中的数值为6个月对应的相关系数均值.第一列的数字代表降水量的累积方式(O表示与NDVI同期的降水,1表示前1个月的降水,0—1表示当月降水与前1个月降水的总量)AverageeroF~一growing $~asoncorrelationcoefficients(r_value)wel-eshown.Thenumbersintllefirst columnindicatetlletimeintervalfortlleoreeipirationaccumulated(0indi—catestllecurrentmonthlyperiod,1indicatestllefirstpmvi0usperiod.0—1 indicatesfromcurrentperiodtofirstpreviousperiod):P<0.05*:P<0.01温不仅对生长季初期(4月)植被的生长有促进作用,在生长季的中后期(7和8月),气温与NDVI呈现负相关性,说明7,8月的高温会抑制植被的生长,因为气温升高会加速植物的蒸腾作用和地表的蒸散,进而抑制草原植被的生长.3结论1)研究区域内,降水和气温的变化对植被生长的影响存在着明显的差异.降水和气温变化对植被的NDVI的影响程度依次为:草甸草原>典型草原>荒漠草原,即由东到西,相关性逐渐减少,这与以往研究结果相符(李晓兵等,2000).2)生长季内NDVI与降水时滞分析表明,虽然不同草原类型的相关系数不尽相同,但是当月植被的NDVI均对前一个月降水的时滞效应最显着,ND-均与当月降水至前两个月降水的累积量相关性最强.3)生长季间NDVI与降水时滞分析表明,草原植被当月NDVI均对前一个月降水的时滞效应最显着,NDVI与当月降水至前一个月降水的累积量相关性最强.表7生长季间归一化植被指数(NDVI)与降水相关系数最大值及对应时段Table7Maximumcross-growingseas0ncorrelationcoefficientsbetweennormalizeddiffer entialvegetationindex(NDVI)andprecipitationandcorrespondingduration时段表示降水量的组合方式Durationindicatesthetimeintervalfortheprecipitationaccumulated*:P<O.05**:JD< O.01***:JD<O.001表8生长季内归一化植被指数(NDV/)与气温相关系数Table8witllin—growingseasoncorrelationceeffieientsbetweennormalizeddifferentialvegetationindex( NDV1).andtemperature表中的数值为1983~1997年相应相关系数的均值1983—1997yearaveragewithin —growing$~asoncorrelationcoefficients(r_value)areshownP<O.05*:P<O.O1**:P<O.0016期李霞等:中国北方草原植被对气象因子的时滞响应1061表9生长季问归一化植被指数(NDVI)与气温相关系数Table9Cross—growingseasoncorrelationcoefficientsbetweennormalizeddifferentialvegetationindex( NDV1)andtemperature:P<0.05*:P<0.014)生长季内NDVI与降水时滞分析结果表明,在比较干旱的年份,草原植被的NDVI对降水的响应较快,时滞期较短.相反,在降水较为充沛的年份,草原植被的NDVI对降水的响应较慢,时滞期较长.5)根据生长季间NDVI与降水时滞分析,可以确定在生长季的不同阶段,植被的NDVI对什么时段的降水响应最强烈.在生长季的起始阶段的草甸草原区,去冬,今春的降水总量对植被生长有重要的作用;在生长季的中期和后期,典型草原区的植被对生长季内当月,前一个月的降水有明显的响应;荒漠草原区,生长季内当月,前一个月,前两个月的降水对植被有重要的影响.6)生长季早期的气温对3种草原植被的生长均有促进作用,但在生长季的中后期(7,8月),气温会抑制荒漠草原植被的生长,因为气温升高会加速植物的蒸腾作用和地表的蒸散,进而抑制草原植被的生长.参考文献BraswellBH,SchimelDS,LinderE(199"/).111eresponseofglob—alterrestrialecosystemstointernaltemperaturevariability.Sci?e/ice,278,870—872.DavenportML,NicholsonSE(1993).OntIlerelationbetweenrain—fallandthenormalizeddifferecevegetationindexfordiversevege. tationtypesinEastAfrica.Internationa/Jouma/ofRemoteSens—ing,14,2369—2389.FangxQ(方修琦),YuWH(余卫红)(20q2).Progressinthe strayonthephonologicaltoglobalwanning.Advancein Sciences(地球科学进展),17,714—719.(inChinesewith Englishabstract)JamesME,KalluriSNV(1994).ThePathfinderAVHRRlanddata set:animprovedeoar~resolutiondatasetforterrestrialmonitor—ing.Internationa/Jouma/ofRemoteSensing,15,3347—3363. JiL,PetersAJ(2003).Assessingvegetationresponsetodroughtin thenorthernGreatPlainsusingvegetationanddroughtindices.RemoteSensingofEnvironment,87,85—98.JiL,PetershJ(2004).Aspatialregressionprocedureforevaluat? ingtherelationshipbetweenAVHRR-NDVIandclimateinthe northernGreatPlains.Internat/ona/JournalofRemoteSensing, 25.297—311.LiXB(李晓兵),ChenYH(陈云浩),ZhangYX(张云霞)(2OO2).Impactofclimatechangeondesertsteppeinnorthern China.AdvanceEarthSciences(地球科学进展),17,254—261.(inChinesewithEnglishabstract)"xB(李晓兵),shiPJ(史培军)(1999).Researchonregula. tionofNDVIchangeofChineseprimaryvegetationtypesbasedon NOAA/AVHRRdata.ActaBotanicaSinica(植物),41, 314—324.(inChinesewitIlEnglishabstract)LiXB(李晓兵),WangY(王瑛),"KR(李克让)(2000). NDVIsensitivitytoseasonalandinterannualrainfallvafiationsin northernChina.ActaGeographica~nica(地理),5,83—89.(inChinesewitIlEnglishabSmact)MaloAR,NicholsonSE(1990).Astudyofrainfallandvegetation dynamicsintheAfricanSahelusingnormalizeddifferencevegeta—tionindex.Journa/ofAridEnvironments,19,1—24. NezlinaNP,Kostian。
基于多源遥感数据中国东北地区积雪覆盖度监测研究
基于多源遥感数据中国东北地区积雪覆盖度监测研究积雪有助于地球的辐射能量平衡,并作为广泛的蓄水层,影响着各种气候和水文过程。
常规的地面站监测不能准确地获取大范围的监测结果,地面站的监测范围是否具有代表性直接影响最终的监测精度。
随着卫星技术的发展,光学遥感中传感器丰富的波段信息可以提供准确的积雪覆盖信息,同时实现大范围的观测,而云干扰和森林遮挡是光学遥感中获得准确雪盖信息面临的重要问题。
本文主要结合多源遥感数据高时间分辨率、高空间分辨率以及丰富的波段信息的特点,结合森林透射率模型,降低云的影响和森林冠层遮挡的干扰,生成更准确有效的积雪覆盖度产品,具体研究内容和主要创新点如下:(1)基于FY-2G静止卫星遥感数据的东北地区积雪覆盖度监测。
首先对FY-2G数据进行预处理,包括辐射定标、几何校正和反射率校正等;然后通过阈值和相似度的运算识别数据中的云像元,最后结合雪在不同波段的特性计算分析,提取积雪覆盖度信息并融合多时相的数据,最终得到基于FY-2G静止卫星每日的积雪覆盖产品。
通过MODIS每日雪产品进行产品验证,MODIS可对晴朗空旷地区进行准确的积雪监测;有云状态下,多时相的风云数据可以得到更准确的雪盖信息。
(2)基于FY-3B极轨卫星遥感数据的东北地区积雪覆盖度监测。
中国东北地区的下垫面类型可以分为森林区和非森林区。
对于非森林区域,利用Landsat8OLI数据结合SNOWMAP算法得到“真实”的地表积雪覆盖情况,使用FY-3B数据计算研究区域每个像元的积雪指数;然后,通过线性回归建立积雪指数和积雪覆盖度的关系;最后,选取精度较高的积雪指数回归方程,得到无云条件下的积雪覆盖产品。
针对森林地区,利用SCAMOD模型计算森林透射率,将林下积雪覆盖度表示为FY-3B可见光反射率和森林透射率函数,生成更准确的林下积雪覆盖度产品,并且结合GF-2数据进行积雪覆盖度验证。
(3)基于FY-2G静止和FY-3B极轨卫星遥感数据的积雪覆盖度融合算法研究。
中国典型区积雪遥感监测及其时空变化特征研究
中国典型区积雪遥感监测及其时空变化特征研究中国典型区积雪遥感监测及其时空变化特征研究近年来,随着遥感技术的快速发展,遥感监测成为了研究地表覆盖变化的有效手段之一。
积雪是中国北方地区冬季的常见现象,对气候、水资源和生态环境等方面都有重要影响。
因此,积雪的遥感监测和时空变化特征研究对于理解和应对气候变化具有重要意义。
中国的积雪区包括青藏高原、东北地区和内蒙古高原等地。
对于这些典型区域的积雪遥感监测,常用的手段是利用遥感影像进行自动或半自动化的分类和提取。
通过分析积雪的空间分布和覆盖率,可以获得区域范围内的积雪变化信息。
在中国青藏高原地区,积雪是该地区冬季气候变化的重要特征之一。
其遥感监测和时空变化研究主要集中在X波段的微波遥感技术上。
由于青藏高原地理环境的复杂性,传统的光学遥感无法满足监测需求。
而微波遥感在云雾、降水等区域特点下能够更准确地获取积雪信息。
通过这一技术手段,可以实现青藏高原地区积雪的准确监测和时空变化分析。
东北地区是中国积雪最为丰富的地区之一,也是冬季气温较低的地区。
通过利用遥感数据和模型方法,可以对东北地区的积雪进行定量和定性分析。
基于这些分析结果,可以更好地理解东北地区冬季气候变化的规律,并为农业生产、水资源管理和交通运输等方面提供决策支持。
内蒙古高原地区是我国北方地区重要的牧区,也是季风影响下的典型积雪区。
通过利用多源遥感数据,可以对内蒙古高原地区的积雪进行长时间序列的监测和分析。
研究发现,该地区的积雪覆盖和持续时间与气温、降水和风向等因素密切相关。
这种关联关系的研究,对于农牧业生产和生态环境保护具有重要意义。
总结起来,中国典型区积雪遥感监测及其时空变化特征研究是一个涉及多学科的综合性课题。
无论是青藏高原、东北地区还是内蒙古高原,每个地区都有其独特的地理环境和气候特点,需要针对性地选择合适的遥感技术和方法进行研究。
积雪的遥感监测和时空变化特征研究不仅可以为气候变化研究提供数据支持,还可以为相关行业提供决策支持和应对措施。
中国北方地区草地地上生物量遥感估测及变化分析研究
中国北方地区草地地上生物量遥感估测及变化分析研究中国北方地区草地地上生物量遥感估测及变化分析研究摘要:草地是北方地区重要的生态系统,草地地上生物量的准确估测和变化分析对于草地管理和生态环境保护具有重要意义。
本文基于遥感技术,分析了中国北方地区草地地上生物量的估测方法及其变化的研究情况。
结果显示,遥感技术在草地生物量估测中具有广阔的应用前景,能够提供准确且高效的草地监测手段,为草地保护提供科学依据。
关键词:中国北方地区;草地;遥感;地上生物量;变化分析一、引言草地是中国北方地区的重要生态系统,具有重要的生态、经济和社会效益。
然而,由于过度放牧、气候变化等原因,草地生物量存在着显著的时空变化。
因此,准确估测草地地上生物量并分析其变化趋势具有重要意义,对草地管理和保护具有指导作用。
遥感技术拥有获取大范围、长时间序列数据的优势,能够提供草地地上生物量的准确估测手段。
因此,许多学者将遥感技术应用于草地生物量的估测和变化分析中,取得了一系列重要进展。
二、草地地上生物量估测方法1. 光谱指数法光谱指数法是最常用的草地地上生物量估测方法之一。
根据草地的光谱特征,利用遥感数据计算不同的植被指数,如归一化植被指数(NDVI)、增强型植被指数(EVI)等,通过建立草地地上生物量与植被指数之间的关系,实现草地生物量的估测。
2. 模型法模型法基于草地的生长规律和地上生物量与环境因素的关系,建立草地地上生物量估测模型。
常用的模型包括经验模型、统计模型和机器学习模型等。
这些模型可以利用遥感数据和环境因素数据,较准确地估测草地地上生物量。
三、草地地上生物量变化分析草地地上生物量的变化与多种因素相关,包括降水、温度、放牧强度等。
遥感技术能够提供多时相的遥感图像,通过对时序数据的分析,可以定量分析草地地上生物量的变化趋势。
1. 变化检测通过对不同时间的遥感图像进行比较,可以检测草地地上生物量的变化情况。
常用的变化检测方法包括差异图像比较法、主成分分析法和时间序列分析法等。
基于遥感和GIS的青藏高原牧区积雪动态监测与雪灾预警研究
基于遥感和GIS的青藏高原牧区积雪动态监测与雪灾预警研究基于遥感和GIS的青藏高原牧区积雪动态监测与雪灾预警研究一、引言青藏高原是中国重要的牧区之一,其特殊的地理环境和气候条件使得积雪动态监测与雪灾预警成为该地区牧民生产和生活的一个关键问题。
本文旨在利用遥感技术和地理信息系统(GIS)手段,对青藏高原牧区的积雪动态进行监测,并探讨如何进行雪灾预警研究。
二、青藏高原牧区积雪动态监测技术1. 遥感技术在积雪监测中的应用:借助卫星遥感数据,可以获取大范围、高时空分辨率的积雪信息。
通过对遥感影像的处理和分析,可以获取积雪覆盖度、雪深等相关参数,以及积雪变化的动态过程。
2. GIS技术在积雪监测中的应用:地理信息系统可以对积雪监测结果进行地理空间建模和空间分析。
通过将遥感数据与地理信息系统相结合,可以进行空间数据管理、可视化呈现、数据查询、分析和决策等工作,进一步提高积雪监测的效率和准确性。
三、青藏高原牧区积雪动态监测与雪灾预警研究案例1. 积雪监测案例:我们选择了某年冬季的青藏高原牧区作为研究对象,利用遥感数据和GIS技术,获取了该地区的积雪覆盖度和雪深信息,并结合地理信息系统进行了空间分析。
利用所获取的数据,我们可以了解到积雪分布的状况、雪深变化的趋势等信息。
2. 雪灾预警研究案例:根据青藏高原牧区的积雪监测结果,可以建立一个雪灾预警系统。
通过监测和分析积雪的覆盖状况、厚度等指标,结合气象数据和地形特征,可以预测可能发生的雪灾风险区,并及时发出预警信息,提醒相关部门和牧民采取相应措施。
四、结论与展望通过基于遥感和GIS的青藏高原牧区积雪动态监测与雪灾预警研究,我们可以更好地了解积雪的时空分布情况,为牧民生产和生活提供科学依据。
未来,可以进一步完善雪灾预警模型,引入更多地理要素和气象数据,提高预警的准确性和及时性。
此外,也可以将遥感和GIS技术应用于其他相关领域,比如农业、环境保护等,为青藏高原牧区的可持续发展做出更大的贡献。
基于遥感与GIS技术的北疆牧区积雪监测研究
基于遥感与GIS技术的北疆牧区积雪监测研究基于遥感与GIS技术的北疆牧区积雪监测研究摘要:积雪对北疆牧区的生态环境和畜牧业生产具有重要的影响。
本文基于遥感与GIS技术,对北疆牧区的积雪情况进行监测研究。
首先,通过获取卫星遥感影像数据,进行影像预处理,获得高质量的积雪遥感数据。
然后,借助GIS技术,将遥感数据与地理空间信息进行融合,建立积雪监测模型,并对北疆牧区的积雪深度、积雪覆盖范围等进行定量化分析。
最后,通过对监测结果的分析,提出相应的管理对策,为北疆牧区的牧业生产提供科学依据与指导。
1. 引言北疆牧区生态脆弱,牧民们的生活与畜牧业生产高度依赖自然环境。
北疆地区的积雪是牧区生态系统的重要组成部分之一,积雪的分布和变化对牧区生态和畜牧业生产具有重要的影响。
因此,了解北疆牧区的积雪状况,进行及时、准确的监测显得尤为重要。
2. 遥感数据的获取与预处理为了获取北疆牧区的积雪遥感数据,本文采用卫星遥感影像数据。
首先,从地面接收站下载卫星遥感影像数据。
然后,对所下载的数据进行预处理,包括影像去噪、辐射定标、云雪剔除等。
这些预处理步骤的目的是确保获得高质量的积雪遥感数据。
3. GIS技术的应用在遥感数据获取与预处理完成后,本文采用GIS技术对积雪数据进行分析。
首先,将遥感数据与地理空间信息进行融合,将积雪数据与地理要素进行关联,建立积雪监测模型。
模型的建立主要是基于影像分析、空间插值和空间推理等技术手段。
然后,通过对模型的运行,得到北疆牧区的积雪深度、积雪覆盖范围等定量化的分析结果。
4. 研究结果与分析通过对北疆牧区的积雪监测,本文得到了如下结果。
首先,北疆牧区的积雪深度在不同月份和区域呈现出明显的变化特点。
其中,冬季月份的积雪深度较大,而夏季月份的积雪深度较小。
其次,北疆牧区的积雪覆盖范围呈现出分布不均匀的特点,不同区域的积雪覆盖率存在差异。
最后,北疆牧区的积雪变化受到气候因素和地形因素的共同影响。
5. 管理对策的提出针对北疆牧区的积雪监测结果,本文提出以下管理对策。
中国北方草原区积雪遥感监测_2007_10_2008_3期间_杨秀春
第27卷 第5期2008年9月地 理 研 究GEOG RAPHICAL RESEA RC HV o l .27,N o .5Sept .,2008 收稿日期:2008-03-26;修订日期:2008-07-23 基金项目:中央级公益性科研院所基本科研业务费专项资金(2007-3);“十一五”国家科技支撑计划(2006BAD16B05-2,2006BAD16B04)资助 作者简介:杨秀春(1975-),女,河北迁安人,博士,副研。
主要从事草原遥感监测和土地退化研究。
*通讯作者:朱晓华,博士,副研,硕士生导师。
E -mail :z huxh @ig snrr .ac .cn中国北方草原区积雪遥感监测———2007.10~2008.3期间杨秀春1,曹云刚2,徐 斌1,朱晓华3*(1.中国农业科学院农业资源与农业区划研究所,北京100081;2.西南交通大学土木工程学院测量工程系,成都610031;3.中国科学院地理科学与资源研究所,北京100101)摘要:着眼于我国草原防灾减灾以及国家开展重特大雪灾应急响应工作的极迫切现实需求,基于N ASA M O DIS 数据,以天为监测(响应)时间单元,以旬为监测集成时段,对2008年春节大雪灾期间我国草原积雪状况实现了系统的遥感监测,获取了2007年10月至2008年3月期间中国北方9省区草原积雪发生范围及其面积等数据信息,揭示了监测期间我国草原积雪发生的时空特征。
青藏高原与内蒙古为我国持续降雪的核心区域,其他地区降雪情况随时间出现一定的波动;除东北地区外,积雪面积均在1月下旬达到最大值;各省区草原积雪面积占草原总面积的比例随时间的变化总体持续增加。
关键词:草原积雪;遥感;监测文章编号:1000-0585(2008)05-1109-09 冰雪灾害亦称白灾,是指因长时间大量降雪造成大范围积雪成灾的自然现象。
冰雪灾害可严重影响甚至破坏交通、通讯、输电线路等生命线工程,影响城镇居民的正常生产、生活,对工农业带来巨大破坏和影响。
遥感监测信息(2007)第1期.
遥感监测信息(2007)第1期
北京市气候中心2007年1月2日
北京及上游地区积雪覆盖监测报告
受东移弱冷空气和偏南暖湿
气流的共同影响,2006年12月
30~31日我市出现入冬以来最
大的一场雪,降雪最大出现在门
头沟,降雪量达4.4毫米。
从2007
年1月1日11时EOS-MODIS/Terra
卫星对北京地区的积雪监测表
明(见右图),我市大部分地区
为积雪覆盖。
此次降雪对改善土
壤墒情和作物安全越冬以及净化空气有积极作用,但也对交通产生了不
良影响。
从北京上游地区MODIS
卫星积雪监测图(见右图)
上可看出,北京的沙尘源区
内蒙中部、河北北部均为大
面积的积雪覆盖,对抑制北
京的沙尘天气非常有利。
值班员:刘勇洪签发:叶彩华。
2008年全国草原监测报告
2008年全国草原监测报告中华人民共和国农业部编制说明为准确掌握全国草原资源与生态状况,促进草原保护建设和合理利用,农业部组织开展了2008年全国草原监测工作,重点监测了草原植被生长状况、生产力、利用状况、灾害状况、生态状况和保护建设工程效益等。
本次监测工作由农业部畜牧业司负责,农业部草原监理中心具体组织、协调和指导,全国畜牧总站承担技术支持与服务工作。
河北、山西、内蒙古、辽宁、吉林、黑龙江、山东、河南、湖北、江西、广西、重庆、四川、云南、贵州、西藏、陕西、甘肃、青海、宁夏、新疆等21个主要草原省(区、市)的草原监测机构承担了草原地面监测工作。
农业部遥感应用中心、中国农业科学院农业资源与农业区划研究所、国家气象中心承担了草原利用状况分析、草原植被长势监测和气象条件分析等工作。
为做好2008年监测工作,农业部制定了专门的实施方案和技术规范。
各地根据要求认真组织实施,全国共有4000多人参加了本次监测工作,在400多个县开展了草原地面调查任务,设置样地3700个,获得样方数据8800个,工程效益样方数据790组,入户调查数据5400条。
根据各地监测数据,农业部草原监理中心组织进行了认真审核分析,并召开专家会进行会商,在此基础上形成了监测报告。
目录编制说明草原监测结果概要 (4)草原资源状况 (6)草原植被生长状况 (7)草原生产力 (10)草原保护建设工程效益 (13)草原利用状况 (17)草原火灾 (18)草原鼠害 (20)草原虫害 (22)草原生态状况 (24)对策建议 (25)草原监测结果概要草原生产力与上年基本持平2008年全国草原植被总体生长状况与上年接近。
全国天然草原鲜草总产量94715.5万吨,折合干草约29626.8万吨,与上年基本持平,载畜能力约23178万个羊单位。
草原保护建设工程成效显著与非工程区相比,草原植被盖度平均提高16个百分点,高度平均提高63%,鲜草产量平均提高80%,可食鲜草产量平均提高83%,毒杂草比例下降。
中国北方草原关键光合参数遥感反演与验证方法研究
中国北方草原关键光合参数遥感反演与验证方法研究草地生产力是草原生态系统物质与能量运转的基础,为草原所有有机体生命提供了最基本的生产资料。
草地生产力研究为合理开发、利用草地资源提供了科学依据。
遥感技术的应用促进了草地生产力模型产品的发展和广泛使用,其中,光能利用率(LUE)模型由于其简单的原理和可以使用遥感数据进行大尺度监测成为植被生产力估算主要方法。
虽然LUE模型都遵循相同的原理,但模型为了突出各自特点使用不同的公式和参数化方案,模型对不同生态系统生产力的模拟能力也有较大差异。
开展草地生产力及其关键光合参数(叶面积指数(LAI)、吸收光合有效辐射比例(FPAR)和LUE)的遥感产品验证及反演研究对于促进遥感产品在中国草原区深度使用并提高草地生产力模拟精度有重要意义。
本研究紧密围绕草地生产力及其关键参数(LAI/FPAR/LUE)反演与验证方法研究,开展了国际主流遥感产品验证及光合参数遥感反演工作;基于中国北方草地定点观测数据与地面实验资料,结合国内外多源多尺度卫星遥感数据(环境、哨兵-2、Landsat7&8、MODIS、GOME-2等),进行了中国北方草原区总初级生产力(GPP)/LAI/FPAR遥感产品真实性检验和误差来源分析;针对遥感产品存在的问题,通过多算法对比,发展了适合于中国北方草原的LAI/FPAR反演模型,探索了基于光化学植被指数(PRI)和日光诱导叶绿素荧光(SIF)的草地LUE/GPP遥感反演算法,研究主要结论如下:1.基于Chinaflux和Fluxnet涡度数据开展了中国北方草原区GPP遥感产品验证与误差来源分析。
结果显示,不同GPP产品在不同草地类型表现各异。
从总体精度上来看,BESS GPP>MODIS GPP>VPM GPP。
在高寒草甸草原,VPM GPP和MODIS GPP产品有轻微低估,但在位于干旱、半干旱的典型草原区,三个产品均有不同程度的高估,干旱年份高估更加严重。
基于遥感与GIS技术的北疆牧区积雪监测研究的开题报告
基于遥感与GIS技术的北疆牧区积雪监测研究的开
题报告
一、研究背景
随着全球气候变化的加剧,大量的研究表明,积雪是全球气候变化的敏感指标之一。
在北疆牧区,积雪的变化对于该地区农畜业生产、生态环境以及相关经济社会发展具有重要的影响。
因此,积雪监测研究成为当前地球科学研究的热点之一。
基于遥感与GIS技术,可实现快速、准确、全面地获取大面积积雪信息,从而为北疆牧区积雪监测提供了新的技术手段。
本研究旨在利用遥感与GIS技术,针对北疆牧区积雪监测研究展开深入探讨,为相关决策提供技术支撑。
二、研究内容
本研究将通过遥感技术获取北疆牧区积雪信息,并通过GIS技术进行数据处理和分析。
研究内容如下:
1. 北疆牧区积雪遥感数据获取方法研究。
本研究将选取适合北疆牧区的遥感数据源,并对不同遥感数据源进行比较分析,为后续数据处理提供数据基础。
2. 北疆牧区积雪遥感监测与反演结果研究。
本研究将通过遥感监测方法,获取北疆牧区积雪信息,并对不同的反演算法进行比较分析,提高积雪的监测精度。
3. 北疆牧区积雪空间分布与时间变化规律分析。
本研究将通过GIS 空间分析方法,分析北疆牧区积雪的空间分布和时间变化规律,为相关决策提供数据支撑和科学依据。
三、研究意义
本研究将利用遥感与GIS技术,深入探讨北疆牧区积雪监测方法,为该地区的农畜业生产、生态环境和相关经济社会发展提供技术支撑。
同时,本研究成果可为遥感与GIS技术在积雪监测及其他自然灾害监测研究方面提供参考,有着较大的社会科学意义与应用价值。
中国北方地区季节性积雪中吸收性粒子的含量、来源及其辐射效应研究
中国北方地区季节性积雪中吸收性粒子的含量、来源及其辐射效应研究中国北方地区季节性积雪中吸收性粒子的含量、来源及其辐射效应研究引言:中国北方地区是一个季节性积雪较为严重的地区,季节性积雪对大气环境和气候变化具有重要的影响。
其中,积雪中的吸收性粒子是一个关键因素,它们对太阳辐射的吸收作用以及与其他组分之间的相互作用,将直接影响到整个气候系统。
本文将对中国北方地区季节性积雪中吸收性粒子的含量、来源和辐射效应进行研究、分析和探讨。
一、季节性积雪中吸收性粒子的含量研究发现,中国北方地区的季节性积雪中含有大量的吸收性粒子。
这些吸收性粒子主要包括黑碳(BC)、有机碳(OC)、粉尘等。
黑碳是由不完全燃烧和燃料燃烧过程中产生的一种碳质颗粒物,它具有很强的光吸收能力,是季节性积雪中最主要的吸收性粒子。
有机碳是由生物质燃烧和化石燃料燃烧过程中产生的颗粒物,其含量较黑碳较低,但仍对积雪吸收太阳辐射起到一定的作用。
此外,气溶胶粉尘也是季节性积雪中的重要吸收性粒子。
二、季节性积雪中吸收性粒子的来源季节性积雪中的吸收性粒子主要来自大气污染物的排放和自然界的输入。
大气污染物的排放是吸收性粒子主要的来源之一,其中,工业活动和交通排放是黑碳和有机碳的主要来源。
工业活动中燃烧过程排放的颗粒物和排放的废气经过大气传输沉降到地面形成积雪,从而导致了含有吸收性粒子的季节性积雪的形成。
此外,交通尾气中的颗粒物也是季节性积雪中吸收性粒子的重要来源之一。
另一方面,自然界也是吸收性粒子的来源,例如,风沙等自然过程会将地表的土壤颗粒携带到大气中,并随着降雪沉积在积雪中。
三、季节性积雪中吸收性粒子的辐射效应季节性积雪中的吸收性粒子对太阳辐射起着重要的吸收作用。
黑碳和有机碳的存在使得积雪表面变暗,从而吸收更多的太阳辐射。
这样一来,积雪表面的温度升高,进一步加速了积雪的融化过程,从而影响到地表的水文循环和能量平衡。
此外,吸收性粒子还能改变积雪的光学特性,影响积雪的亮度和反射率,从而间接影响到大气环境和气候变化。
积雪污染物含量高光谱遥感监测研究
积雪污染物含量高光谱遥感监测研究积雪污染物含量高光谱遥感监测研究摘要:积雪中的污染物含量可以用来反映区域和全球范围内人类活动对环境的污染,但是迄今为止,对大范围或人类活动难以到达的地区进行积雪污染物含量时空监测的研究尚不多见.文章通过模拟大气沉降实验,应用光谱学技术分析了不同污染物含量对积雪反射光谱的影响,而后分别利用构建特征指数法、主成分分析法、BP神经网络以及RBF神经网络模型对积雪污染物含量预测,表明神经网络模型结合高光谱遥感数据方法能够较为准确地估算积雪污染物含量. 作者:汤旭光[1] 刘殿伟[2] 张柏[2] 杜嘉[2] 雷小春[1] 曾丽红[1] 王远东[1] 宋开山[2] Author: TANG Xu-guang[1] LIU Dian-wei[2] ZHANG Bai[2] DU Jia[2] LEI Xiao-chun[1] ZENG Li-hong[1] WANG Yuan-dong[1] SONG Kai-shan[2] 作者单位:中国科学院东北地理与农业生态研究所,吉林长春130012;中国科学院研究生院,北京100049中国科学院东北地理与农业生态研究所,吉林长春,130012 期刊:光谱学与光谱分析ISTICEISCIPKU Journal:SPECTROSCOPY AND SPECTRAL ANALYSIS 年,卷(期): 2011, 31(5) 分类号: X87 TP79 关键词:高光谱遥感积雪污染物含量主成分分析神经网络机标分类号:TP2 U41 机标关键词:积雪污染物含量高光谱遥感遥感监测研究 Snow Hyperspectral Remote Sensing RBF 神经网络模型人类活动主成分分析法数据方法时空监测技术分析含量预测构建特征反射光谱沉降实验指数法区域和光谱学文章基金项目:中国科学院知识创新工程项目,国家重点基础研究发展计划专题积雪污染物含量高光谱遥感监测研究[期刊论文] 光谱学与光谱分析--2011, 31(5)汤旭光刘殿伟张柏杜嘉雷小春曾丽红王远东宋开山积雪中的'污染物含量可以用来反映区域和全球范围内人类活动对环境的污染,但是迄今为止,对大范围或人类活动难以到达的地区进行积雪污染物含量时空监测的研究尚不多见.文章通过模拟大气沉降实验,应用光谱学技术分析了不同...。
我国牧区雪灾遥感判别初步研究——以西藏那曲地区为试验区
我国牧区雪灾遥感判别初步研究——以西藏那曲地区为试验
区
鲁安新;冯学智;曾群柱
【期刊名称】《自然灾害学报》
【年(卷),期】1994(3)4
【摘要】积雪是最为活跃且具有多重属性的自然因素。
在我国主要牧区,不同程度的雪灾几乎每年都会发生,已成为严重制约我国这些地区经济建设与牧业发展的重要因素之一。
因此,本文根据我国雪灾分布的地域特点,以雪灾高发区之一的西藏那曲地区为试验区,在建立以NOAA/AVHRR气象卫星资料为更新内容的雪灾背景数据库的基础上,在PC ARC/INFO地理信息系统的空间分析操作支持下,通过运用数理统计学原理而设计的雪灾逐步判别模型,对牧区雪灾进行判定和雪灾危险程度分类分析,从而对一场降雪能否成灾及其危险程度进行判别,为抗灾救灾提供准确的信息。
【总页数】8页(P69-76)
【关键词】雪灾;判别模型;危险程度;遥感
【作者】鲁安新;冯学智;曾群柱
【作者单位】中国科学院兰州冰川冻土研究所
【正文语种】中文
【中图分类】P426.635
【相关文献】
1.西藏牧区妇女社会地位的变迁——以西藏那曲地区聂荣县为例 [J], 《民主改革以来西藏妇女社会地位变迁研究》课题组
2.我国牧区雪灾判别因子体系及分级初探 [J], 鲁安新;冯学智
3.我国主要牧区雪灾遥感监测与评估研究 [J], 冯学智;曾群柱;鲁安新;李文君;孙文新;李新;
4.我国主要牧区雪灾遥感监测与评价系统中的数字地形分析及其信息传输 [J], 鲁安新;冯学智;李硕
5.我国牧区雪灾监测预报研究亟待加强——“全国首届牧区雪灾气象服务工作研讨会”简介 [J], 李培基
因版权原因,仅展示原文概要,查看原文内容请购买。
中国地区地面观测积雪深度和遥感雪深资料的对比分析
中国地区地面观测积雪深度和遥感雪深资料的对比分析李小兰;张飞民;王澄海【期刊名称】《冰川冻土》【年(卷),期】2012(34)4【摘要】比较了气象台站观测和卫星遥感(SMMR、SSM/I、AMSR-E)的积雪深度两种资料在空间分布、年际变化及其与中国夏季降水之间关系的异同性.结果表明:两种资料在积雪稳定区的分布比较一致,积雪深度的大值区位于东北地区、新疆北部和青藏高原地区;对于季节性积雪区且积雪深度不大的区域而言,二者之间存在着较大的差异,尤其在江淮流域及长江中下游地区,台站观测的积雪深度大于遥感得到的积雪深度;平均而言,两种资料获得的积雪深度在各地区基本一致.在新疆北部和高原南部,二种资料的年际变化存在着差异,在新疆北部,台站观测大于遥感得到的积雪深度,而在高原东南部遥感大于台站观测积雪.近30a来,两种资料获得的积雪深度在新疆北部和青藏高原的年际变化趋势基本一致,新疆北部为增加趋势,青藏高原有减少的趋势.值得注意的是,在东北地区,近30a来两种类型资料的年际变化趋势呈相反变化.两种资料在新疆北部的相关最强;东北、青藏高原其次;而高原东南部最差,在使用时应加注意.青藏高原地区的两种积雪资料与中国夏季降水的相关"信号"基本一致.青藏高原地区积雪与东北西部地区和长江中下游夏季降水之间的相关最为显著.资料间的差异性并不影响高原地区积雪对中国夏季降水"信号"的应用.【总页数】10页(P755-764)【作者】李小兰;张飞民;王澄海【作者单位】兰州大学大气科学学院【正文语种】中文【中图分类】P468.024【相关文献】1.基于SSM/I被动微波数据的中国积雪深度遥感研究2.阿尔山地区积雪深度微波遥感反演算法的改进与验证3.青藏高原地区积雪及其变化的不确定性:3种积雪观测资料的对比分析4.青藏高原积雪被动微波遥感资料与台站观测资料的对比分析5.东北冻土区积雪深度时空变化遥感分析因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
在 草原雪 灾 的 防灾 减 灾工作 中 ,能 否快 速 、及 时 、全 面准确 地获 取 积雪信 息 不仅 是认
识积 雪灾 害特 征 、机 制 的基础 ,而且是 救灾 的关 键 所 。常 规 的积雪 监 测主要 使 用气 象站
点 的观测 数据 ,观 测站 点 的空 间分 布特征 ,要求 将 点状 的信 息 映射到 面状 的 区域 中去 ,由
收 稿 日期 :2 0 — 3 2 ;修 订 日期 :2 0 — 7 2 0 80 —6 0 80 — 3
基 金 项 目: 中 央级 公 益 性 科 研 院 所 基 本 科 研 业 务 费 专 项 资 金 ( 0 73 ; 十 一 五 ” 家 科 技 支 撑 计 划 ( 0 6 AD 2 0— ) “ 国 20B 1B 52 0 6 AD1 B 4 资 助 6 0 — ,2 0 B 6 0) 作 者 简 介 :杨 秀春 (9 5) 17 一 ,女 ,河 北 迁 安 人 ,博 士 ,副 研 。主 要 从 事 草 原 遥 感 监 测 和 土 地 退 化 研究 。
春 节 大 雪 灾 期 间 我 国草 原 积 雪 状 况 实 现 了 系 统 的 遥 感 监 测 ,获 取 了 2 0 0 7年 1 0月 至 2 0 0 8年 3
月 期 间 中 国 北 方 9省 区 草 原 积 雪 发 生 范 围 及 其 面 积 等 数 据 信 息 ,揭 示 了 监 测 期 间 我 国 草 原 积
杨 秀 春 ,曹 云 刚 ,徐 斌 ,朱 晓华。
( .中 国农 业科 学 院农 业 资 源 与 农业 区 划 研 究 所 ,j 京 1 08 ; 1 E 0 0 1 2 .西 南 交通 大学 土 木 工 程 学 院测 量 工 程 系 ,成 都 6 0 3 ;3 1 0 1 .中 国科 学 院地 理 科 学 与 资 源 研 究 所 ,北 京 1 0 0 ) 0 1 1
来 看 ,早期 的积 雪遥 感监 测 只是 用 于较小 的研 究 范 围 ,真 正实 现大 范 围 的积雪监 测则 是 从 2 0世 纪 6 O年 代 初 开 始 _ ;到 2 g O世 纪 8 O年 代 , 随着 地 面 观 测 数 据 、NOAA AVHR R、 MS 、T 以及 MOD S积 雪制 图算 法 在时 空尺 度上 的深 入研 究 ,积雪 监 测 的精 度 不 断得 S M I
维普资讯
第2卷 7
第 5 期
地
理
研
究
Vo1 7.N O .2 .5 Se t ,20 p. 08
20 0 8年 9月
GE OG RA PH I CA L R ESEA RC H
中 国北 方 草 原 区 积 雪 遥 感 监 测
— —
2 0 . 0- 0 8 3期 间 0 7 1 -2 0 . -
此通 常采 用空 间 内插 的方法 来实 现 由点 到 面 的信 息转 化 。虽 然地 面观 测 数 据可 靠 度 较 高 , 但 其 在空 间和 时 间上 的不连 续性 ,则 极大 地 限制 了对 大范 围积雪覆 盖 的有 效 了解 。而遥 感
技 术 观 测 范 围 广 、观 测 周 期 短 , 已成 为 目前 进 行 积 雪 监 测 的 最 为 有 效 的 手 段 ] 。从 国 外
生活 ,对 工农 业带 来 巨大破 坏 和影 响 。2 0 0 8年 春节 前 后 的雪 灾 ,给 我 国造 成 直 接 经 济 损 失 约 11 1 1亿元 l ,损失 惨重 !雪 灾也 是我 国草 原 区冬 春季 的主 要 气 象灾 害 之 一 ,每 次 雪 _ 】
灾 发生 ,夺 去牲 畜轻 则 几十万 头 ,重 则几 百万 头 。长 期 以来 ,雪灾 对我 国草原地 区农 牧业 生 产 的持续 、稳 定发 展 造成 了极 其严 重 的危 害 。因此 ,快 速 、及 时与准 确地 进行 我 国草原
雪 发 生 的 时 空 特 征 。青 藏 高 原 与 内 蒙古 为 我 国 持 续 降 雪 的核 心 区 域 ,其 他 地 区 降 雪 情 况 随 时
间 出现 一 定 的 波 动 ;除 东 北 地 区 外 ,积 雪 面 积 均 在 1 下 旬 达 到 最 大 值 ;各 省 区 草 原 积 雪 面 月 积 占草 原 总 面积 的 比 例 随 时 间 的变 化 总 体 持 续 增 加 。
*通 讯 作者 :朱 晓华 ,博 士 , 副研 ,硕 士 生 导 师 。E mal h x @ isr. cc — i :z u h g nra. n
维普资讯
地
理
研
究
2 7卷
到 提 高 。我 国 从 8 0年 代 起 , 开 始 应 用 遥 感 技 术 进 行 积 雪 制 图 算 法 。 但 是 目前 这 些 研 究 都
摘 要 :着 眼 于 我 国草 原 防 灾 减 灾 以 及 国 家 开 展 重 特 大 雪 灾 应 急 响 应 工 作 的 极 迫 切 现 实 需 求 ,
基 于 NAS O I A M D S数 据 ,以 天 为 监 测 ( 应 ) 时 间 单 元 , 以 旬 为 监 测 集 成 时 段 ,对 2 0 响 0 8年
处 于方 法 的探 讨 阶段 ,没有进 行大 范 围应 用研 究 ,而且还 没有 适合 于大 面积 自动化 积雪 遥 感 监测 的方法 叫 。已有积 雪判读 算 法 虽然 相 对 成 熟 ,但 是 在 应 用 过 程 中, 区域 性 客 观 差 异仍 然存 在 ;再 者 ,关 于雪 灾及 灾情评 估研 究虽然 取得 了一 定 的研 究 进展 ,但是仍 存 在 各 自分散 的特 点 。本文一 方 面结合 中 国草 原 的客观 实际 ,对现 有一些 算法 进行 了修 正 ,提 高 了监测 精 度 ;另 一方 面 ,系统集 成 了雪 盖 、雪深 及灾情 等级 的系统算 法 。本 文 即应用该
关 键 词 :草 原 积 雪 ;遥 感 ;监 测 文 章 编 号 : 10 —5 5 20 )51 0 —9 0 00 8 ( 0 8 0 — 1 90
冰雪 灾 害亦称 白灾 ,是指 因长 时 间大量 降雪 造成 大 范 围积雪 成灾 的 自然现 象 。冰 雪灾 害可 严重 影 响甚 至破坏 交通 、通 讯 、输 电线 路 等 生命 线 工 程 ,影 响城 镇 居 民 的正 常 生 产 、