坡形对坡面侵蚀过程的影响机制研究

采用实地观测和模拟降雨试验方法分析坡形对坡面侵蚀过程的影响机制,易受到客观环境条件的限制,难以全面分析不同因素对坡形效应的影响。研究基于被广泛检验过的WEPP模型,设置4种常见的坡面形状,分别为直线型、凸型、凹型和S型,研究不同坡形对土壤侵蚀过程的影响机制,并在此基础上分析坡形效应对不同降雨、土壤和细沟参数的敏感性。结果表明,不同坡形会显著改变坡面土壤侵蚀强度及其空间分布。随着降雨强度的增加,四种坡形的总侵蚀量和空间差异均会增加,其中凸型坡面总侵蚀量增加幅度最大,约为凹型坡增幅的2倍。随着细沟间距与初始细沟宽度比值的增加,所有坡面上的土壤侵蚀强度均有所减小,空间差异性也有所减小,其中S型坡面的土壤侵蚀强度整体减小程度最大,直线型坡面整体减小幅度最小。随着细沟可蚀性系数的增大,4种坡形的侵蚀区和沉积区相应的土壤侵蚀量和沉积量均有增加,但其增幅存在较大的空间差异性,相对而言,凸型坡面和S型坡面空间差异性变化较凹型和直线型坡面大。而随着细沟间可蚀性参数的增大,四种坡形坡面土壤侵蚀量及其空间分布变化并不明显。上述研究结果有助于深化坡面土壤侵蚀理论,对黄土高原不同坡形坡耕地土壤侵蚀防治和高质量发展具有重要的实践意义。

2016-2020年呼伦湖水体固有光学参数遥感产品

呼伦湖是我国内陆高纬度半干旱地区的第一大草原型湖泊,对于草原生产和草原–湖泊生态系统维持具有重要意义。水体固有光学量(InherentOptical Properties,IOPs)是指仅由水体本身的光学特性决定,而与周围环境光场无关的量,包括吸收系数(a)、散射系数(b)、后向散射系数(bbp)、衰减系数(c)等参数,有助于估计水体的光学活性物质等相关水体及水环境参数。本文基于从准分析算法(quasi-analytical algorithm,QAA)发展来的适用于内陆水体的QAA-750E吸收系数反演算法,以Sentinel-3/OLCI Level-1B数据为基础,生产了2016–2020年间呼伦湖的浮游植物吸收系数aph(675)和后向散射系数bbp(560)数据产品。利用实测数据对产品进行了验证分析(N=15),得到bbp(560)的相关系数为0.59,均方根误差为0.55,平均相对误差为0.54,验证结果表明产品具有一定的可靠性,可为呼伦湖的水质监测和生态环境保护等研究工作提供数据支持。

光学复杂水体中水色参数反演的不确定性评价

湖泊水色遥感为大范围、长时序监测湖泊水质提供了可能性,遥感反射率对构建水环境参数反演模型具有重要意义。该研究以太湖和乌梁素海为研究区,结合Landsat-8 OLI数据及已有的算法对透明度、悬浮物、藻华等参数进行验证,比较了不同级别反射率产品(大气顶部反射率(TOA)、经瑞利校正后的反射率(R_(rc))、地表反射率(SR))在参数反演中的不确定性。结果表明:(1)浑浊水体反射率高于清澈水体,TOA在可见光波段反射率明显提升,R_(rc)和SR更符合水体光谱曲线特征,且R_(rc)稳定性优于SR;(2)透明度模型SDD_(Song)在乌梁素海的效果优于太湖,SDD_(Zhang)模型则相反,SPM_(Cao)模型在2个湖泊的精度均高于SPM_(Wen)模型,FAI_(Rrc)和FAI_(SR)结果具有一致性;(3)不同级别的反射率产品误差表现为TOA<R_(rc)<SR,经误差传递后基于TOA和R_(rc)构建水环境参数反演模型的不确定性均低于SR,效果较好,且太湖各模型的不确定性均低于乌梁素海,在浑浊水体的应用效果优于清澈水体。该研究结合反射率产品及模型对比不同类型的水体参数计算结果,评价不同级别的遥感反射率产品在光学特性复杂的湖泊水环境参数反演中的不确定性,为湖泊水色遥感经验算法提供理论参考,以促进湖泊水质监测的可持续发展。

2003-2021年呼伦湖藻华数据集

蓝藻水华是湖泊富营养化程度的直观表现形式,准确地掌握藻华暴发程度、覆盖面积、位置等相关信息,实时监测水体富营养化变化程度,对生态环境修复以及保障人类生活质量至关重要。本数据集以MODIS Aqua卫星影像为原始数据,剔除云、耀斑、水生植被、高浑浊水体等干扰因素对藻华提取的影响,计算单一像元的藻华覆盖度,最终获得呼伦湖2003–2021年共19年的藻华时间序列数据,精度验证基本符合要求。本数据集为tif数据格式,适配于各GIS专业软件的文件读取与编辑,可为同行业人员提供数据参考以及为呼伦湖生态环境监测提供技术帮助与数据支持。

呼伦湖2002-2021年悬浮物浓度数据集

悬浮物浓度(Suspended particular matter,SPM)作为评价水质参数之一,监测湖泊水体悬浮物长期变化对湖泊管理和生态恢复具有重要价值。呼伦湖作为我国北方的重要湖泊,是“一湖两海”的重要部分,监测其水质变化对北方生态安全具有重要意义。通过对2002–2021年MODIS Aqua数据进行处理,去除水汽和臭氧吸收及瑞利散射的影响,获得瑞利校正反射率(Rayleigh-corrected reflectance,Rrc),利用构建的机器学习模型获得了呼伦湖2002–2021年的月均和年均悬浮物浓度数据集。经验证,该模型平均百分比误差为16.5%,满足湖泊悬浮物长期观测的实际需求。本数据集可为呼伦湖的生态环境变化监测和水质环境管理提供理论支撑和实践参考。