基于净初级生产力的丘陵山地生态系统水源涵养功能评价——以重庆市为例

以丘陵山地典型城市重庆为例,基于植被净初级生产力(Net Primary Productivity,NPP),改进水源涵养生态功能定量指标评估模型,对生态系统水源涵养功能以及重要性等级空间分布进行分析。结果表明:2019年,重庆市年平均NPP为934 gC·m^(-2),年降水量为500~1400 mm,改进的年平均水源涵养服务能力指数(Water Retention Index,WRI)为0.04。整体看,重庆市水源涵养生态功能呈“东北与东南部高、西部低”的空间分布格局,WRI高值区主要沿山脊呈带状分布。水源涵养功能极重要等级在渝东北和渝东南主要分布在高森林覆盖区域,而在渝西则大多集中在山脉附近呈带状分布;重要等级穿插在极重要等级之间,主要分布在奉节、云阳、忠县、綦江等区县;一般重要等级穿插在重要等级之间,主要分布在渝西。极重要等级面积中,森林、草地占比分别为33.8%、54.8%。改进的WRI综合利用遥感技术优势,耦合了植被和降水的信息,能可靠地对丘陵山地水源涵养功能进行定量化、空间化、精细化的监测。

重庆市主城都市区热岛效应定量评估

结合夜间灯光数据、高程数据及地表分类数据,提出一种针对山地城市郊区背景划分的方法,并采用城乡二分法定量评估2001—2020年重庆市主城都市区热岛效应时空变化特征。结果显示传统缓冲区法和综合缓冲区法提取的郊区背景存在明显差异。利用传统缓冲区法提取郊区背景估算的热岛存在大量假热岛像元,导致传统缓冲区法估算的热岛面积明显大于综合缓冲区法。综合缓冲区法估算结果表明:主城都市区热岛主要分布在中心城区、长寿区、涪陵区以及各区县驻地附近,冷岛分布在东南部高海拔地区及中心城区部分山脉处。2001—2020年主城都市区热岛面积占比随时间呈波动上升趋势,且具有明显的季节变化特征,夏季最强、冬季最弱。

重庆市花椒气候生态区划研究

为探讨影响花椒生长发育的主要气候资源和气象灾害,根据不同品种的花椒对气候生态条件要求的差异,确定影响重庆市花椒区域分布差异的主要气候生态区划指标,并利用Arcgis和数字高程模型(DEM)对气候生态区划进行扩建扩展,得到重庆市年平均气温、年平均空气相对湿度100m×100m空间分布;制作了花椒气候生态区划,将重庆市划分为喜热型花椒适宜栽培区、喜热型及喜凉忌湿型花椒次适宜栽培区、喜热型及喜凉耐湿型花椒次适宜栽培区、喜凉忌湿型花椒适宜栽培区、喜凉耐湿型花椒适宜栽培区、喜凉忌湿型花椒次适宜栽培区、喜凉耐湿型花椒次适宜栽培区和气候寒冷花椒不适宜栽培区等8个类型.

基于GIS的重庆市茶树气候区划研究

本文在分析茶树栽培与气象条件关系和重庆市气候资源和气象灾害特点的基础上,综合确定了影响重庆市茶树区域分布差异的主要气候生态区划指标;利用Arc GIS和数字高程模型(DEM)得到重庆市80%保证率≥10℃活动积温、春旱、夏旱、伏旱和秋旱100m×100m空间分布,制作了茶树气候生态区划,将重庆市划分为:气候炎热大叶茶适宜栽培区,气候温热中小叶茶适宜、大叶茶次适宜栽培区,气候温和中小叶茶适宜栽培区,气候温凉中小叶茶次适宜栽培区和气候寒冷茶树不适宜栽培区等5种类型区,为重庆市茶树产业合理布局提供了依据。

三峡库区(重庆段)水源涵养功能遥感监测及时空分布特征分析

水源涵养功能是生态系统最重要的功能之一,可以为生态系统和人类保持、提供水资源。本研究根据水源涵养的物理含义,使用叶面积指数、植被覆盖度、蒸散代表植被层的水源涵养能力,使用地表温度、土壤含水量、坡度代表土壤层的水源涵养能力,通过主成分分析法构建水源涵养遥感监测综合指标模型,探索三峡库区水源涵养功能时空分布特征。结果表明,水源涵养生态功能指数(water conservation index,WCI)客观耦合了各个指标信息,能够快速简便地对三峡库区水源涵养生态功能进行评估,合理地代表了评估区域的水源涵养生态能力。2019年,三峡库区水源涵养能力分布不均,呈现下游强、上游弱的空间分布格局,渝东北以森林生态系统为主,水源涵养功能最强。2013—2019年7 a来,三峡库区大部分区域WCI处于略微增加趋势,其中,以丰都、开州、云阳的部分区域增加得较为明显。

基于MODIS数据的重庆市植被覆盖度时空变化分析

利用2000-2014年MODIS NDVI产品,基于像元二分模型计算重庆市近15年来的植被覆盖度,并对其变化强度以及变化趋势进行了分析。结果表明,重庆市植被状况良好,2000-2014年平均植被覆盖度为65.24%,其中2014年为67.48%;渝东北、中部偏东和偏南地区植被覆盖度相对较高,渝西地区较低,主城区最低。尽管气象条件的年际变化造成植被覆盖度的起伏波动,但自2000年以来,全市植被覆盖度总体呈波动上升趋势,共增长了5.88%,平均年变化率为0.42%;境内91.03%的区域植被覆盖度有不同程度改善,其中,中度以上改善的区域占64.30%。以各区县为监测空间单位,各地植被覆盖度的变化趋势虽然不尽相同,但基本都保持增长的变化趋势,年平均增长率最高的区县为渝中区、长寿区、巴南区、合川区等。

基于GRACE数据的长江流域地表水储量变化

基于GRACE RL06 Level-2卫星产品数据,采用高斯滤波、P3M9去相关滤波等方法对2002年4月—2017年6月长江流域地表水储量变化进行了反演。结果表明:近16 a来,长江流域整体水储量处在一个缓慢上升的状态,地表水储量变化速率为4.1±1.1 mm·ɑ^(-1),总体水量在这一期间增加了大约1.1×10^(11) T,基于水文要素的统计分析显示这一结果较为准确的反映了长江流域的水量收支状态。

北斗CORS探测的大气可降水量与重庆降雨的关系

通过分析2018年2次典型降雨过程中大气可降水量(precipitable water vapor,PWV)的分布特征及其与实际降水量的关系,探讨PWV在预测降雨中的应用。结果表明,在降雨过程中,PWV的分布与实际降水量具有很好的相关性。PWV对降雨的发生具有一定的指示作用,在降雨发生前6~12 h,PWV开始增加;在降雨发生前1~2 h内PWV迅速上升;当PWV显著增加并保持高值时,预示强降雨的发生。PWV变化越快,降雨概率和降水量就越大。滑动平均处理结果进一步证明,强降雨发生前后,PWV会出现快速聚集和释放的现象,PWV可作为短期临近预报及天气分析等研究和应用的序列资料,为传统气象手段提供有力补充。

近40a重庆城市热岛特征及其与天气状况的关系

利用1980—2019年重庆市中心城区4个气象站点的气温、降水等观测资料以及典型时段卫星资料,分析重庆市热岛效应的时空变化特征以及不同天气状况对热岛的影响。结果表明:20世纪90年代中期以来,重庆城市热岛效应增强趋势明显,21世纪10年代达最强,近年有减缓迹象。热岛的日、月及季节变化特征分布为:白天弱,夜间强;8月最强,6月最弱;盛夏最强,初春次之,仲春至初夏最弱。卫星遥感显示城市热岛呈东北、西南走向分布,强热岛主要位于人口密集的老城区、商业区、广场、车站、工业园以及城市新区等区域。21世纪10年代,城市热岛效应受雨天、阴天等负向驱动因素的影响以及多云天、晴天等正向驱动因素的影响,重庆市中心城区雨天、阴天、多云天、晴天时的平均热岛强度分别为0.19、0.52、0.69、0.76℃。

基于GIS的重庆市秋玉米气候区划

本文分析了重庆秋玉米栽培与气象条件关系和主要气候问题,指出秋季热量资源是影响秋玉米分布的主要原因,将秋玉米生育期间80%保证率≥16℃活动积温作为重庆市秋玉米气候区划指标。利用ARCGIS和数字高程模型(DEM)得到了重庆市秋玉米生育期间80%保证率≥16℃活动积温的空间分布,以此为基础将重庆市秋玉米栽培区划分为:热量丰富中熟秋玉米适宜栽培区,热量较丰中熟鲜食秋玉米适宜栽培区、热量一般早熟秋玉米适宜栽培区、热量较差早熟鲜食秋玉米适宜栽培区以及热量不足秋玉米不适宜栽培区等5种类型区,并提出了相应的措施建议。

基于地理加权回归模型遥感近地表气温估算

利用地理加权回归模型(Geographically Weighted Regression,GWR),考虑近地表气温与自变量之间的空间非平稳性,实现重庆市近地表气温的估算。并将估算结果与地表温度-植被指数模型(Temperature-Vegetation Index,TVX)和普通线性回归模型(Ordinary Least Square,OLS)估算结果进行对比分析。研究结果表明,3种算法估算的近地表气温与站点实测数据空间分布趋势保持一致,但不同日期GWR算法估算的近地表气温与站点实测值间的RMSE均低于OLS和TVX算法,其中TVX算法估算值与实测值间的RMSE均值为2.83℃;OLS算法RMSE均值为1.65℃;GWR算法RMSE均值为1.58℃。此外,各验证站点处GWR算法估算的近地表气温与实测值间的差值(Temperature Deference,TD)的标准差以及绝对值的均值均小于OLS和TVX算法,体现出GWR算法在复杂地表环境下近地表气温的估算优势。

基于GNSS-IR的土壤湿度监测试验对比分析

开展基于GNSS-IR技术的土壤湿度监测设备观测试验,利用自动土壤水分观测仪,对比分析2021年两种土壤湿度观测设备在相同条件下的观测差异,对GNSS-IR的土壤湿度监测设备的观测性能进行评估。结果表明:GNSS-IR的土壤湿度监测设备基本实现了对土壤体积含水量的自动观测,设备灵敏度更高;当土壤体积含水量大于40%时,对降水的灵敏度更高,设备观测数据偏大;当土壤体积含水量小于30%时,对干旱的灵敏度更高,观测设备数据偏小;观测设备随季节变化明显,冬季>春季>秋季>夏季,冬季的季平均误差为1.8%、季平均绝对误差4.17%、季相关系数0.72,本次试验为GNSS-IR的土壤湿度监测设备后期的业务应用提供了科学依据和参考。

利用AMSR2和MODIS数据的土壤冻融相变水量降尺度方法

本文基于站点实测土壤温度和土壤湿度数据分析,发现温度指数TI(Temperature Index)和土壤冻融相变水量呈现幂函数关系,温度指数能够反映相变水量的变化。使用MODIS地表温度产品计算温度指数,在AMSR2卫星观测尺度上与相变水量建立了关系,从而对土壤冻融相变水量进行了降尺度研究。采用CTP-SMTMN数据采集仪观测网络上的站点观测到土壤水分对土壤冻融相变水量降尺度结果进行了验证。结果表明,土壤冻融相变水量降尺度结果与实测值较为接近,在土壤相变水量大于0.01(m3/m3)时,RMSE为0.0085(m3/m3),MAE为0.0059(m3/m3)。这种通过温度指数对土壤相变水量进行降尺度的方法具有简便,可行,可靠的优势,适合在冻融交替期计算较湿润土壤在冻融过程中产生的相变水量。同时,这种降尺度方法能够生成小尺度上的相变水量产品,实现了热红外遥感和被动微波遥感的优势整合,对研究地气水热平衡,气候变化,土壤冻结强度以及冻融侵蚀强度等具有重要意义。

基于FY3C地表温度重建的多云地区旱情监测评估

受热红外传感器无法探测云下地表信息的影响,热红外遥感数据失去了对多云地区旱情监测的能力。采用RSDAST(Remotely Sensed Daily Land Surface Temperature Reconstruction)模型实现了FY3C/VIRR(Visible and Infrared Radiometer)云像元LST值的重建,结合重建后LST和NDVI数据采用TVDI指数对2018年重庆市干旱进行监测分析,并通过对比土壤墒情数据与OTVDI(Original TVDI)和RTVDI(Reconstructed TVDI)间的相关性来评估RTVDI在多云条件下旱情监测的能力。评估结果表明:基于RSDAST模型扩大了多云地区遥感干旱监测的空间范围和时间连续性,提升了区域旱情监测的精度(长时间序列和空间分布上RTVDI与土壤墒情数据间的R值均高于OTVDI),极大地提高热红外遥感数据在多云条件下的可用性和可靠性。

基于半变异函数的重庆市地表温度空间异质性建模及多尺度特征分析

城市地表温度空间异质性的研究对理解城市地表温度空间结构有重要意义。本文利用大气校正法反演地表温度,基于半变异函数构建城市地表温度空间异质性模型,并进一步分析不同空间尺度下地表温度空间异质性结构参数的变化规律。以2013年6月16日的Landsat 8为数据源,以重庆为研究区开展实验,研究结果表明:①不同空间尺度下重庆地表温度空间异质性均呈现指数模型分布特征;②在30 m空间尺度下,地表温度空间异质性主要是由空间结构引起,但随机因素引起的空间变异占比为0.45,呈现出明显的块金效应,表明该尺度下随机因素引起的空间变异不可忽略;③从空间尺度(30~1500 m)整体变化上看,地表温度空间异质性主要由空间结构引起,同时表现出明显的尺度效应;随着空间尺度增大,块金值(C0)、偏基台值(C)、基台值(C0+C)以及块基比(C0/(C0+C))逐渐减小,表明地表温度空间异质性逐渐减弱但空间自相关性逐渐增强。变程(A)逐渐增大,表示空间自相关性范围逐渐扩大;④随机因素引起的空间变异占比为0.23~0.46,呈现出波动变化,这是因为地表温度在像元内部也存在空间异质性。空间结构引起的空间变异相对平缓,这是因为空间尺度的变化不会改变地形结构;⑤从尺度域来看,基台值与块金值在尺度域(690 m,1500 m)内呈现出较大幅度波动变化状态,且变化趋势相似,表明地表温度空间异质性的变化与随机因素有较大关联。综上所述,分析地表温度空间结构需要选取合适的空间尺度,尺度较小时,容易受到随机因素干扰,从而影响地表温度在空间结构上的空间变异性;尺度较大时,地表温度空间异质性较弱且变化不稳定。