基于遥感与地面实测的青藏高原冻土流域土壤温湿度变化分析

为研究青藏高原冻土流域土壤温湿度变化特征,在唐古拉冻土流域基于多源遥感(SMAP、ESA CCI)监测数据进行表层土壤温湿度的时空分布刻画,基于地面实测站点(唐古拉冻土气象站、DFIR冻土积雪气象站)数据进行不同深度土壤温湿度的动态分析,并进行遥感与地面站点表层土壤温湿度的对比研究。结果表明,唐古拉冻土流域海拔较低处土壤温度高于海拔较高处,流域东部土壤湿度高于西部;土壤温湿度变化随着埋深加深明显滞后,且冻结期土壤湿度呈现出明显的两段式下降趋势;SMAP土壤温湿度数据与地面站点监测数据相关性较好,相比ESA CCI数据,SMAP数据准确度更高。

基于ESA CCI遥感数据的山西省土壤水时空变化特征及影响因子分析

土壤水分在调节陆地-大气水循环及能量收支平衡中起着重要作用,已有研究大多基于实验的方法探讨土壤水分的变化规律,然而对于大尺度区域和长时间土壤水序列的分析存在一定的局限性。卫星遥感监测能够提供大面积、全天时、全天候的数据,其中欧洲空间局(European Space Agency,ESA)气候变化项目(Climate Change Initiative,CCI)遥感土壤水分数据因具有“长时间序列、高精度”等特点,使其成为研究土壤水分变化规律的主要数据来源,可为大尺度农业旱情评估和预警提供一定的数据支撑。因此,以2000-2015年ESA CCI遥感土壤水分数据为基础,结合归一化植被指数(NDVI)和气候数据等,对山西省的土壤水分时空演变规律进行分析,并采用相关性分析法和主成分分析法探讨了土壤水分与NDVI、降水量、气温以及风速之间的相关关系,从而确定影响山西省土壤水分时空变化的主要因子。结果表明:山西省土壤水分整体呈“南部、北部低,中部高”的分布特征,且空间分布特征具有一定的稳定性。近16 a来,山西省土壤水分变化整体呈不显著上升趋势,其倾向率为0.0006 a^(-1)。采用相关性分析法得知土壤水分与NDVI、降水量、气温呈正相关关系,与风速呈负相关关系。结合主成分分析法最终确定影响山西省土壤水分变化的主要因子是NDVI和降水量,其次是气温以及风速。

基于时空矩阵图析土地覆盖演变——以中国珠江三角洲为例

[目的]在快速城市化的三角洲地区,气候变化与土地覆盖演变是高度相关的。因此,图析土地覆盖的演变过程,从而探讨人类活动对城市系统的影响,并评估城市抵抗自然灾害的能力至关重要。[方法]从空间和时间维度系统分析了珠江三角洲(简称珠三角)的土地覆盖演变模式,以揭示土地利用政策对珠三角地区的空间影响,并为应对气候变化和城市可持续发展提出建议。[结果]建立了一种利用R Studio、完全基于开放数据、通过时空矩阵在区域尺度图析土地覆盖演变过程的方法。利用开放的欧洲航天局气候变化倡议土地覆盖图和美国地质勘探局高程地图数据,分析了1992—2015年世界上城市化速度最快的地区之一珠三角的演变模式。通过在相对精细的时间颗粒度上来量化土地覆盖演变模式,揭示了珠三角不同地区对应不同发展阶段的各自变化强度与变化趋势。此外,低海拔海岸带的土地覆盖演变幅度较大,特别容易受到海平面上升、风暴增强等气候变化引发的灾害的影响。[结论]结果表明:2001—2002年,深圳和东莞土地覆盖演变幅度最大,2008年开始呈减小趋势;其他周边城市的土地覆盖年变化幅度具有更加稳定的特征。所提出的时空矩阵可以帮助决策者更好地了解三角洲地区土地覆盖的时空演变,有助于制定针对性的规划战略,以增强脆弱沿海地区的抗灾韧性。

基于遥感土壤湿度反演中尺度流域水储量季节性变化

基于GRACE卫星数据反演陆地水储量变化的能力在众多大尺度流域(>15000 km2)中得到验证,但该数据空间分辨率较低,难以应用于中尺度流域。本研究基于分辨率更高的遥感土壤湿度,通过引入转换系数Kpm,对2010年到2015年汛期、非汛期前后的中尺度流域水储量变化(dSm/dt)进行估算,并通过水量平衡方程对该方法进行验证分析。结果表明基于土壤湿度得到的dSm/dt与P-Q-E在各个中尺度流域上的相关系数均大于0.7,呈显著相关,土壤湿度能捕捉流域季节性水储量变化;相关系数和均方根偏差在南部区域偏大,说明该方法虽然在湿润区捕捉变化的能力更强,但对量级的把握能力较弱,在北部偏干区域则表现呈相反趋势。该方法为陆地水储量计算提供新途径,计算结果可为区域水资源调度管理起指导作用。

CCI遥感土壤水在东北粮食主产区表征干旱的准确性评估

针对长时间序列土壤湿度数据集在国内缺乏验证和应用的问题,利用东北粮食主产区1992—2013年土壤10cm表层实测站点数据,采用2种评估方法,即皮尔逊相关绝对法和干旱判断吻合度相对法,对欧洲空间局气候变化倡议(climate change initiative,CCI)的土壤湿度数据集,融合遥感土壤水数据产品在东北粮食主产区表征干旱的准确性进行评估.2种分析结果表明,CCI遥感土壤水在判断东北粮食主产区干旱事件上具有较高的准确性,可以作为东北粮食主产区内表征干旱的有效指标开展农业干旱评价研究.

基于CCI数据的中国北方地区土壤水分时空变化特征分析

针对我国实测土壤水分站点稀疏、分布不均、数据连续性较差且在大尺度鲜有研究的问题,将欧洲空间局气候变化项目(European Space Agency climate change initiative,ESA CCI)的土壤湿度数据集应用于中国北方5大农业生态区,开展土壤水分时空变化分析.采用皮尔逊相关系数进行遥感数据的有效性验证,利用时空持久性概念分析土壤水分的时空变化规律.结果表明:ESACCI遥感土壤水分数据在东北区夏季、西北区春季、黄土高原区春夏秋季、内蒙古高原区夏秋季具有很好的时空适应性;北方地区1991-2016年间土壤体积含水量年均值为0.06~0.39 m^3·m^-3,空间分布呈现出由西向东土壤水分逐渐升高的趋势,并表现出夏季最高、秋季其次、冬春季较低的季节特征;东北区、黄土高原区、黄淮海区中我国的重要粮食产区的土壤水分呈现出随时间季节变化波动大,且有较为明显的变干趋势.

ESA土壤湿度遥感产品在河南省的时空变化分析

利用河南省区域2012年1月1日到2012年12月31日的土壤湿度观测资料和欧空局(ESA CCI SM)土壤湿度遥感资料,验证ESA土壤湿度遥感产品在河南省的精度及其时空分布特征.进行了一系列的反复实验,得出结果,结果表明:(1)ESA土壤体积含水量反演值与地面实测值相关性较好,R 2为0.6765;RMSE为0.0511,偏差较小;平均值相差0.0113,土壤湿度值较接近.(2)ESA土壤湿度遥感产品可以很好地展现出河南省土壤湿度的空间分布特征.(3)ESA土壤湿度数据在一定程度上可以精确地展现各个季节河南省的土壤湿度时间变化趋势和空间变化特征,与实际情况大致符合,对分析河南的土壤水分变化有着一定的适用性.

ESA CCI土壤湿度资料在中国东部的综合评估

卫星遥感的土壤湿度产品为研究区域尺度的气候变化、水文效应等提供了便利,然而由于观测标准不统一、仪器更迭等因素,长时间序列土壤湿度数据集在我国的验证和应用犹显不足。该文基于中国气象局农气数据集和国际土壤水分网络(international soil moisture network,ISMN)的土壤湿度资料,首先构建了1981—2013年中国东部地区土壤湿度的月数据集;并在此基础上对比分析了同时间段欧洲航天局气候变化倡议项目(European apace agency climate change initiative,ESA CCI)的4种微波遥感土壤湿度产品(包括主动、被动、融合和校正的融合产品)在中国东部的表现能力。结果显示,主动产品和被动产品分别低估、高估了中国东部的土壤湿度,其中主动产品的最大偏差分布在华北和西北地区,相对偏差分别达到-30.9%和-29.6%,被动产品在东北和西北地区的相对偏差分别为39.1%和26.5%,融合产品可以很好地改进东北地区和西北地区主动产品低估、被动产品高估的现象,相对偏差分别减少到24.3%和3.7%。对区域平均的月土壤湿度的变化特征而言,主动产品和融合产品在江淮地区的表现最优,最高相关系数达0.66,被动产品和融合产品在东北地区的相关系数达0.44和0.47,华北地区和西北地区较差。通过对遥感产品方差来源进行分析,主动产品在描述土壤湿度的演变特征方面更具优势,被动产品在精度方面表现更优,融合产品在精度方面表现最佳。该文同时研究了CCI集成卫星设备的更迭对产品表现的影响,结果表明,不同时间段的主动产品在东北和西北表现较一致,被动传感器在再现土壤湿度的变化特征方面还有一定的差距,融合产品的整体方差明显优于主动产品和被动产品,但是在相关系数方面,融合产品在东北和西北较主动产品基本相当。校正后的融合产品没有特别明显的改进,这在一定程度上证明了利用CCI融合产品进行长期研究的可行性。研究结果有助于更深刻地理解不同卫星产品数据集的误差结构和特性,为研究者挑选相应数据产品、以及进行长时间序列的研究提供了证据支持。

基于随机森林的西辽河流域CCI土壤湿度降尺度研究

土壤湿度是气候系统中的关键因子,对农业管理、水资源管理和生态系统监测与评估等具有重要应用价值。遥感土壤湿度产品虽能提供大尺度范围的土壤湿度分布,但受限于较低的空间分辨率,难以满足实际应用的要求,对遥感土壤湿度产品的降尺度研究成为当前的热点之一。本文以0.25°分辨率的欧空局ESA CCI日土壤湿度为主要数据源,结合1 km分辨率的MODIS下垫面数据、地形数据、气象数据等环境因子,构建随机森林降尺度模型,对我国西辽河流域2013—2020年CCI日土壤湿度产品进行降尺度,得到1 km分辨率的土壤湿度时空分布数据。研究发现:(1)环境因子重要性分析表明,相对湿度和白天地表温度是影响土壤湿度变化最重要的2个因素,地形与位置因子的影响次之;(2)利用研究区内22个站点的实测数据序列对随机森林降尺度模型性能进行验证,结果表明考虑多种环境因子(地表、地形和气象)的降尺度结果比仅考虑地表参数的降尺度结果的精度要高,每个站点的RMSE都在0.0488 m^(3)/m^(3)以下,平均相关系数为0.4973,BIAS绝对值在0.0030~0.0333 m^(3)/m^(3),降尺度后的土壤湿度与原始CCI遥感土壤湿度的R^(2)是0.52~0.84;(3)降尺度后的土壤湿度比站点实测土壤湿度时间序列的数值波动小,但二者有着相近的时间变化趋势。本研究构建的降尺度方法在提高遥感土壤数据空间分辨率的同时保留了原数据集的空间分布特征,能够满足实际应用对高分辨率土壤水分数据的需求,并为土壤湿度降尺度研究的环境因子选取提供参考。

闪电河流域农牧交错带微波遥感土壤水分产品评价

空间网格分辨率为9 km的SMAP(Soil Moisture Active and Passive)、0.1D(Degree)的ASCAT(The Advanced Scatterometer)、25 km的FY-3B以及25 km ESA-CCI(European Space Agency-Climate Change Initiative)是较为广泛应用的卫星遥感土壤水分产品,对数据质量的评价是进一步应用于旱情监测、蒸散发估算等研究的前提。本研究基于2018年9月在闪电河流域内蒙古农牧交错带区域开展的碳、水循环与能量平衡遥感综合试验,采用近似同步的两种尺度观测数据即点尺度地面实测土壤水分数据以及面尺度(1 km×1 km)机载土壤水分数据,利用RMSE(Root Mean Square Error),MAE(Mean Absolute Error),R(Correlation Coefficient),Bias以及ubRMSE(unbiased Root Mean Square Error)等评价指标分别对SMAP,ASCAT,FY-3B,ESA-CCI土壤水分卫星遥感产品进行了评价。本研究利用机载土壤水分数据作为桥梁,实现了从点尺度地面实测土壤水分数据、至面尺度(1 km×1 km)机载土壤水分数据、再至粗格网面尺度(9 km×9 km、0.1 D×0.1 D、25 km×25 km)卫星遥感土壤水分产品的对比分析过程。利用地面观测值对机载观测土壤水分开展评价分析,发现在裸土区域,机载土壤水分数据与地面实测数据较为一致,RMSE,MAE,Bias,ubRMSE以及R值分别为0.033 cm^(3)/cm^(3),0.030 cm^(3)/cm^(3),-0.004 cm^(3)/cm^(3),0.033 cm^(3)/cm^(3),0.474。对卫星土壤水分产品的评价结果显示,SMAP的9 km土壤水分卫星产品与地面观测更为一致,其RMSE,MAE,Bias,ubRMSE以及R值分别为0.037 cm^(3)/cm^(3),0.032 cm^(3)/cm^(3),-0.008 cm^(3)/cm^(3),0.036 cm^(3)/cm^(3),0.507。SMAP,ASCAT,FY-3B以及ESA-CCI与机载土壤水分数据有更高的相关性,R值分别为0.735,0.558,0.558,0.575。综上,闪电河流域实验区内的4种卫星遥感土壤水分产品中,SMAP产品与地面土壤水分、机载土壤水分数据均较为一致,其次是FY-3B与ESA-CCI。

土地覆被遥感产品真实性检验方法对比

真实性检验是保障土地覆被遥感产品生产质量,支持土地覆被遥感产品应用的重要环节。土地覆被遥感产品真实性检验实践总与理论存在一些差异,其主要体现在用于检验的参考数据样本数量和空间分布两个方面,而这种差异对检验结果的影响还不十分清楚。以中国陆地范围为实验区域,GlobeLand30作为全样本参考数据,ESA CCI-LC作为检验对象,通过设计实验,评估了样本数量、抽样方式和样本单元的不同对检验结果的影响。结果表明:(1)样本量对检验结果有重要影响。当样本量减半(约600个样本点),点样本真实性检验的总体精度与在理论样本量下的总体精度接近,但是,在样本量较小的情况下,不同类型的精度对样本量的敏感程度不同,面积权重小的类别对样本量更敏感,尤其是在采用分层随机抽样的情况下;(2)在理论样本量基础上,无论是点样本真实性检验还是群样本真实性检验,抽样方式对总体精度影响不大,但是对各个类型的精度有重要影响,尤其是面积权重小的类别;(3)群样本检验稳定性比点样本检验差。在理论样本量基础上,样本单元的增大将增加检验结果的不确定性,随着样本单元的增加,虽然检验结果波动性变小,但是检验结果相较于点样本检验结果仍存在一定偏差。因此,对于以获取总体精度为目标的真实性检验,对于点样本,样本量可以减少到理论样本量的一半,总体精度的绝对误差在1%以内,标准差约为2%,而对于群样本,则需要增加到理论样本量的5倍。对于以获取各类型精度为目标的真实性检验,建议增加样本量为理论样本量的2倍以上,以确保面积权重小的类型被分配足够的样本点。