2001—2014年中国植被净初级生产力时空变化及其与气象因素的关系

植被净初级生产力(NPP)是表征植被活动的关键变量,对于评估生态系统承载力,理解陆地生态系统碳循环有着重要意义。以全球陆表特征数据集(GLASS)为基础,对2001—2014年中国植被NPP进行了估算。在此基础上,利用一元线性回归、经验正交分解(EOF)分析了我国植被NPP时空变化,利用逐象元相关性分析、奇异值分解(SVD)两种方法分析了我国植被NPP与温度、降雨量的相关性。结果表明:(1)我国植被NPP空间上基本呈由东南向西北递减的分布趋势,主要是由于植被分布和气候条件决定的。研究期间我国植被NPP呈波动增加趋势,总量在3.02—3.49PgC/a之间,平均约为3.25 PgC/a。(2)一元线性回归与EOF分析结果较为一致,表明我国长江中下游、华北平原和东北长白山地区NPP呈减少趋势,而青藏高原、西北、内蒙古中部及东南沿海地区NPP呈增加趋势。(3)NPP与气象要素逐象元相关性分析表明,长白山、青藏高原及南方地区NPP与温度呈正相关,内蒙东部和西北地区NPP与降雨量呈正相关,东北、长江下游地区NPP与降雨量呈负相关。SVD分析结果与逐象元分析结果基本一致表明,NPP与温度、降雨量均存在明显相关性,长白山、内蒙古、青藏高原地区NPP与温度正相关,西北、内蒙中部地区NPP与降雨量呈正相关,长江下游、东北地区NPP与降雨量呈负相关。

一种高空间分辨率遥感影像信噪比测定方法

信噪比是用来评价遥感影像质量一个重要的辐射特性参数。通过合适的方法精确地测定出遥感影像对应的信噪比参数,可以帮助数据提供者或用户更好地预测和提高遥感影像的信息提取能力。现有的信噪比测定方法大多基于中低空间分辨率遥感影像进行,并不能很好地适用于高空间分辨率遥感影像。针对现有信噪比测定方法的这一局限性,从高空间分辨率遥感影像本身特点出发,通过自适应地划分DN值子区间,以一定百分比最小局部标准差的平均值估算每一DN值子区间对应的噪声大小,进而估算每一DN值子区间对应的信噪比。该方法充分考虑了高分遥感影像内空间细节信息、边缘信息以及纹理信息较强而使得均值区域很难获取的特点。研究表明:改进的方法对于估算高分遥感影像信噪比具有较好的适用性。

基于多频被动微波遥感的土壤水分反演——以黑河上游为例

土壤水分是陆地生态系统中最重要的组成部分,如何有效地得到高精度的土壤水分产品成为当前研究最为关注的问题。被动微波遥感具有监测面积大、重访周期短、对土壤水分敏感等优点,成为反演土壤水分最有潜力的方式。基于SMOS(Soil Moisture and Ocean Salinity)和AMSR2(The Advanced Microwave Scanning Radiometer-2)数据,通过研究L波段与C波段融合亮度温度在土壤水分反演中的潜力,发展多频率土壤水分反演算法,并对黑河上游4个像元开展土壤水分反演研究。结果表明:①利用L/C组合亮温反演结果与实测数据较为吻合,长时间内变化趋势一致,相关系数为0.841,均方根误差为0.063 m^3/m^3。②通过与SMOS和AMSR2官方土壤水分产品比较发现,AMSR2土壤水分产品存在明显的低估,SMOS土壤水分产品缺失值较多,无法得到较为完整的土壤水分时间序列;利用L/C多频率组合反演得到的结果明显优于官方土壤水分产品。融合L与C波段亮温数据,可有效提高反演土壤水分精度,实现高精度土壤水分的获取。

模型参数全局敏感性分析的EFAST方法

分析遥感物理模型参数的敏感性是反演的前提。EFAST全局敏感性分析方法不仅可以分析单个参数的敏感性,还考虑了参数间的耦合影响,适用于分析高维非线性模型的参数敏感性。以SAIL模型为例,应用EFAST方法和2001年顺义冬小麦野外实测数据,对参数在整个生长季范围及不同生长阶段的敏感性进行了分析,并与USM分析方法进行比较。结果表明:EFAST和USM方法在分析SAIL模型的参数敏感性时都具有可行性,但是EFAST方法由于考虑了模型参数间的耦合影响,分析结果具有全局性,相对USM方法更客观全面。