1982–2012年中亚植被变化及其对气候变化的响应

归一化植被指数(NDVI)能够反映植被生长状况,被广泛应用于区域乃至全球的植被变化研究中。该文利用1982–2012年GIMMS-NDVI数据,通过基于像元的线性趋势分析、偏相关分析,基于场域的经验正交分解(EOF)、奇异值分解(SVD),综合时间和空间两个维度上的信息,研究了近31年来中亚植被的变化及其变化中的区域差异,分析了植被对气候变化的响应关系。线性趋势分析发现,34%的中亚植被NDVI显著增长(p<0.05),山区植被NDVI的增长速率可达到每年0.004。偏相关分析表明,63%的中亚植被受到降水的显著影响(p<0.05,仅4%为负相关),而32%的植被受到气温的显著影响(p<0.05,仅9%为正相关)。EOF分析发现,中亚植被NDVI的变化表现出较大的空间差异:山区及东北部的植被NDVI变化主要分为3个阶段,即先增长(1982–1994年)、后波动(1994–2002年)、然后继续增长(2002–2012年);而西北部平原区的植被NDVI变化主要表现为两个阶段,即先增长(1982–1994年)而后减少(1994–2012年)。SVD分析表明:1982–2012年间中亚植被受到降水和气温的共同影响,植被NDVI的空间变化特征与降水的空间变化特征较为一致,但西北部和山区的植被NDVI对气温的响应存在差异。

基于Biome-BGC模型和集合卡尔曼滤波方法的阔叶红松林生态系统水碳通量模拟

数据同化为模型与遥感观测结合提供了一条有效的途径,通过在模型运行过程中融入遥感观测数据,调整模型运行轨迹从而降低模型误差,提高模拟精度。本文利用集合卡尔曼滤波(En KF)算法同化生长季中分辨率成像光谱仪(MODIS)叶面积指数(LAI)与Biome-BGC模型模拟的LAI模拟长白山阔叶红松林的水碳通量。同时,通过改进模拟的雪面升华与土壤温度计算方法的参数,旨在降低冬季生态呼吸的模拟误差。结果表明,相对于原始模型,数据同化与模型改进后使得生态系统总初级生产力(GPP)的模拟值与观测值之间的相关系数提高0.06,中心化均方根误差(RMSE)降低0.48 g C·m^(-2)·d^(-1);生态系统呼吸(RE)的相关系数提高0.02,中心化均方根误差降低0.20 g C·m^(-2)·d^(-1);净生态系统碳交换量(NEE)相关系数提高0.35,中心化均方根误差降低0.50 g C·m^(-2)·d^(-1)。同时,数据同化对蒸散发(ET)的模拟精度没有显著影响,改进的模型提高了其相关系数。基于En KF算法的数据同化提高了长白山阔叶红松林碳通量模拟精度,对于精确估算区域碳通量有着重要的意义。

新疆地区遥感、融合和陆面模式模拟的蒸散产品的不确定性分析

蒸散是干旱区水资源消耗的主要方式,由于该地区地表植被覆盖稀疏且空间异质性较大,目前国际常用的众多蒸散产品的结果存在较大差异。故选取中分辨率成像光谱仪（MOD16）蒸散产品、全球陆地蒸散阿姆斯特丹模型（global land evapotranspiration amsterdam model,GLEAM）和通用陆面模式（common land model,Co LM）的蒸散产品为代表,利用三角帽（three cornered hat,TCH）方法定量评价3种蒸散产品在新疆干旱区模拟结果的空间不确定性。结果表明：GLEAM和MOD16蒸散产品的空间分布规律相似,山区蒸散值均显著高于平原区;Co LM在阿尔泰山、天山蒸散值显著高于平原区。此外,全疆多年平均蒸散值分别为：GLEAM[（142.36±11.11）mm·a^-1]、Co LM[（126.66±19.12）mm·a^-1]、MOD16[（78.64±4.61）mm·a^-1]。基于TCH方法的全疆蒸散模拟的不确定性结果大小依次为：Co LM（24.18 mm·a^-1）,GLEAM蒸散产品（21.58 mm·a^-1）,MOD16蒸散产品（17.66 mm·a^-1）。在灌丛,山地半干旱区和山地半湿润区,3种蒸散产品的不确定性显著不同,其中Co LM不确定性最大（33.47 mm·a^-1、30.46 mm·a^-1、32.11 mm·a^-1）,MOD16不确定性最小（9.50 mm·a^-1、14.80 mm·a^-1、14.34 mm·a^-1）。量化新疆地区蒸散的不确定性为更加准确估算该地区的蒸散有着重要的科学意义。