雅鲁藏布江流域陆地水储量变化特征及归因

为准确识别高寒缺资料地区长序列陆地水储量变化特征及归因,该研究选取青藏高原东南部的雅鲁藏布江流域为研究区,基于2003—2017年的GRACE(Gravity Recovery and Climate Experiment)重力卫星数据,结合欧洲中期天气预报中心的第五代产品ERA5(the fifth-generation reanalysis product of the European Centre for Medium Range Weather Forecasts)再分析资料和GLDAS(Global Land Data Assimilation System)陆面同化数据,开展青藏高原东南部地区陆地水储量变化研究。分别使用ERA5和GLDAS两套数据集,采用水量平衡法和组分相加法两种方法,将反演的4套陆地水储量结果与GRACE反演的陆地水储量变化(Terrestrial Water Storage Change,TWSC)进行对比分析。结果表明:基于GLDAS的组分相加法反演的陆地水储量变化与GRACE反演的结果最为一致。因此,基于GLDAS数据集,采用组分相加法进一步探究雅鲁藏布江流域长序列(1948—2017年)陆地水储量的时空演变规律。在1948—2017年期间,TWSC呈现显著增加的趋势,但是在2002年左右发生了突变,即2002年之前呈现极显著增加的趋势(0.024 mm/月,P<0.01),2002年之后呈现极显著减少的趋势(-0.397 mm/月,P<0.01)。进一步归因分析表明,2002年前后土壤含水量和雪水当量的变化趋势与陆地水储量变化的趋势一致。然而,2002年前后土壤含水量的变化对陆地水储量变化的贡献率分别为61%和99%,对陆地水储量变化起主导作用。在空间分布上,TWSC呈现出较大的空间异质性,主要体现在人类活动强度较高的“一江两河”地区和冰川分布集中的帕隆藏布地区。研究结果可为探究气候变化背景下青藏高原水储量时空演变机理提供可靠的参考方法和数据支持。

基于GEE和机器学习的河套灌区复杂种植结构识别

河套灌区作为中国重要的商品粮油生产基地,准确快速地获取主要作物空间分布对灌区的农业可持续发展具有重要意义。然而,河套灌区土壤盐渍化严重,作物分布破碎散乱,生育期前后紧邻的作物在遥感影像中难以区分。因此,基于Google Earth Engine(GEE)云计算平台,采用Sentinel-2遥感数据提取作物种植结构,通过引入GlobeLand30地物分类数据集、红边植被特征和作物纹理特征,利用随机森林、支持向量机、朴素贝叶斯和分类回归树4种分类器,探讨了不同分类特征及分类器组合对分类精度的影响。结果表明,使用全部特征波段时,随机森林的分类效果优于另外3种分类算法,灌区平均总体精度达到81%,Kappa系数达到0.68;在作物空间分布提取中,光谱特征对分类精度起决定性作用,基于红边波段计算得到的植被指数比其他常用遥感植被指数更有优势;进行波段优选后的光谱、植被和纹理特征方案是平均分类精度最高的组合,平均精度为86%。研究结果可为复杂种植结构地区准确快速获取农作物空间分布信息提供新的思路和可靠的参考方法。

基于多源遥感数据的河套灌区干旱时空演变特征

利用中国气象局陆面数据同化系统(CLDAS)验证了2015—2016年土壤水分主动-被动微波数据集(SMAP)在河套灌区的适用性,基于土壤水分亏缺指数(SWDI)和干旱周百分比(PDW)分析了作物生育期内灌区农业干旱时空演变规律,通过两个参考指标检验了SWDI在河套灌区的精度。结果表明:(1)SMAP在河套灌区的适用性较好;区域尺度上,SMAP和CLDAS的相关系数为0.65;栅格尺度上,约有69%的栅格表现良好(R>0.5),且多集中在灌区西南部和东北部。(2)严重干旱主要发生在4月下旬到5月中旬、7月下旬到8月下旬以及9月中旬到10月中旬,主要集中在灌区的西南部、中部和东部;2015—2016年PDW值略有增大,干旱事件的持续时间有所延长。(3)大气水分亏缺量(AWD)表征的气象干旱在时间上显示2 a内灌区干旱月份为5—8月;空间上,除去地形原因,SWDI和AWD的相关性较为显著,且有一半格点通过了显著性水平为0.01的显著检验,表明基于SWDI对河套灌区进行干旱状况分析具有较高的可信度。