基于灾害系统理论的地震灾害链研究——中国汶川“5.12”地震和日本福岛“3.11”地震灾害链对比

重大自然灾害中灾害链对灾情的巨大放大、累加作用,使灾害链研究备受关注。基于灾害系统理论,以中国汶川"5.12"地震灾害和日本福岛"3.11"地震灾害为例进行了地震灾害链梳理和区域对比,并探讨了不同灾害系统下,孕灾环境和承灾体对灾害链致灾成灾的影响。通过构建承灾体脆弱性与灾情累积关系的概念模型,阐述了灾害链对灾情的放大机制。研究表明:汶川地震具有陆地山区灾害链特征,主要灾害链为地震→崩塌/滑坡→(泥石流→)堰塞湖灾害链和地震→结构破坏→设施受损灾害链;日本地震具有海洋岛屿灾害链特征,主要灾害链为地震→海啸→核事故灾害链、地震→(海啸→)结构破坏→火灾/生命线系统损毁灾害链和地震→滑坡/火山/水库溃坝灾害链等;两场地震灾害中灾害链的成因及灾害链对灾情的放大过程差异显著;福岛地震灾害链危害巨大,使灾情在其他相关国家放大。

中国对全球地球观测系统的贡献(英文)

进一步认识地球、关注地球发展规律,保护人类共同家园已成为世界各国政府的共识。共同发展地球观测技术,提高对地观测能力成为新世纪世界各国的共同要求。2003年发起,2005年由欧盟组织的地球观测部长级峰会上通过了全球综合地球观测系统(Global Earth Observation System of Systems,GEOSS)十年执行计划,构成了世界范围内地球观测领域国际科技合作的主流。中国地球观测领域呈现出快速发展的趋势,并提出了该领域的全球性发展战略,预示着中国将在国际地球观测领域发挥越来越重要的作用。文章介绍了中国地球观测领域发展现状和趋势,在分析中国参与全球地球观测领域国际合作现状及目前存在问题的基础上,提出进一步促进中国参与该领域国际合作,为中国乃至国际社会发展做出重要贡献的建议。

农区MODIS植被指数时间序列数据重建

MODIS植被指数时间序列数据能够连续反映植被的覆盖情况,是农作物遥感测量的重要数据源。但现有MOD13产品中存在由云、气溶胶,传感器角度等干扰因素导致的噪声指数。因此,必须对MOD13时间序列中的噪声指数进行恢复。根据农作物种植区物候与熟制信息,将待重建像元时间序列划分为符合作物生长周期的时段。对各时段内指数按非对称高斯模型重建,优化相邻时段之间重叠期内指数。多次迭代重建和优化过程后恢复时间序列中噪声指数。对覆盖北京市通州区以南和河北省保定市以北农区2005年MOD13数据进行重建,与两阶段S-G滤波重建结果对比。结果表明:噪声指数被准确判断并恢复。农区多熟制导致的低值指数被有效保留。重建时间序列可以正确反映植被的覆盖情况。

联合MODIS与MISR遥感数据估算叶面积指数

多光谱传感器MODIS与多角度传感器MISR同时搭载在美国EOS观测计划的Terra卫星上,不同的观测方式使得两个传感器的数据组合后形成互补的多光谱多角度观测数据集,为地表参数的遥感估算提供了更多的对地观测信息。该文通过研究组合MODIS与MISR两种观测数据估算陆地表面植被覆盖区域叶面积指数的方法,发展了在物理模型反演的框架内引入基于伴随模型和信赖域优化的反演模式,改进了叶面积指数的遥感估算效果,提高了模型反演的运算速度。对试验区反演结果的验证说明融合两种数据源可以提高叶面积指数的估算精度。基于伴随模型和信赖域优化的地表参数反演方法,为应用于大范围遥感图像数据的模型反演提供了一种有效的途径。

植被层对被动微波遥感土壤水分反演影响的研究

在很多对土壤水分被动微波遥感的研究中 ,为简单起见 ,覆盖的植被层使用了一种简单的模型来表征其散射和衰减特性。本文中使用了一种基于辐射传输理论的离散模型来研究植被的发射率、传输率。这种方法可以更加真实地刻划组成植被的散射个体如叶、茎、树枝、树干等对这两个参数的影响 ,因而能更准确地描述植被对下垫面的影响。为了减少土壤水分反演算法中未知量的数目 ,该文给出了这两个参数的模拟结果分别在AMSR E三种不同频率下的简单关系。

基于机载LiDAR和多光谱图像的建筑物震害自动识别方法

地震破坏的建筑物在遥感影像上和空间上表现出的特征各异,致使遥感定量化估计其破坏程度较困难。本文介绍了基于LiDAR和多光谱影像相结合的多源遥感影像进行倒塌建筑物的面向对象识别的方法、分析处理步骤和特征参数选择,并以2010年1月12日海地地震后的太子港局部LiDAR数据和高分辨率卫星影像为例,提取了倒塌和未倒塌建筑物,经与高分影像目视解译结果比较,面向对象分类结果具有较高的分类精度。

遥感信息与作物生长模式的结合方法和应用——研究进展

将遥感信息与作物生长模式结合来预测作物产量,是目前的一个热点研究课题。概述了遥感信息与作物生长模式结合的主要方法,包括驱动法和初始化 /参数化法,以及最新的一些研究个例。同时还分析了将遥感信息应用到作物生长模式过程中存在和有待改进的问题。

运用动态谐波回归模型对MODIS叶面积指数时间序列产品的分析与预测

运用动态谐波回归模型(Dynamic Harmonic Regression,DHR)对MODIS的长时间序列的LAI产品进行分析,可以从中分离出LAI随时间变化的多年趋势、季节变化及残差等主要成分,通过建立的模型实现LAI年间变化的短时预测。本文将所述DHR模型分析方法试用于遥感数据产品随时间变化的信息提取,对LAI年间变化的预测结果证明该方法用于遥感像元尺度LAI产品的时间序列分析与预测的效果良好。

雷达后向散射模型及其在雷达图像地形影响纠正中的应用

在从雷达估测森林生物量时,经常遇到的一个问题是地形对雷达信号的影响。地形使得雷达波的入射角度改变,使每个雷达图像像元所包含的地表面积改变。由于地面的起伏,植被本身的结构也不同,纠正这种由地形而不是植被类型引起的雷达图像的变化是一个很复杂的问题。除了需要高质量的地形数据外,还必须理解植被雷达信号随地形变化的规律。 提出一种可用来模拟森林及其它植被处于山坡上的雷达后向散射模型。结合DEM数据,模拟的结果可用来进行雷达图像的地形影响纠正。如果多极化或多波段图像存在,通过雷达模型可用从一种极化推导出的地形信息来纠正其它极化的图像数据。

一个植被模式的检验和它在陆气相互作用中的应用

简要介绍了一个植被模式（ＳｉｍｐｌｉｆｉｅｄＳｉｍｐｌｅＢｉｏｓｐｈｅｒｅＭｏｄｅｌ）的发展过程及其在气候研究中的作用。许多观测资料被用来检验和标定这个模式。文中着重介绍了俄罗斯土壤湿度资料和非洲的ＨＡＰＥＸ－Ｓａｈｅｌ观测资料如何帮助我们改进模式和对陆面过程的机制的认识，对观测误差的影响也作了讨论。在地气相互作用中，着重讨论了东亚地气作用的特征。在文中介绍的两个东亚地区的试验中，尽管地面的异常被假设在东亚的两个不同的地区，但都对夏季风传输途径上的降水有很大影响。最后用一个区域模式对陆面模式在预测试验中的应用作了简介。初步的结果显示，这将是一个有很大发展潜力的新领域。

MISR和MODIS二向性反射数据产品的对比分析

利用4种地表类型共16个地面站点的MISR9个角度反射率数据产品和MODIS反射率数据产品(MOD09A1),对比两种传感器获取的地表方向反射观测数据和用BRDF模型参数产品计算的方向反射数据,分析了这两种BRDF模型参数的外推能力。研究结果表明:(1)MISR和MODIS BRDF模型参数数据产品都具有一定的对观测数据以外方向反射的外推能力,相比用MISR BRDF模型参数数据外推到相应MODIS观测角度方向反射的结果一致性较强。(2)采用两种BRDF模型参数推算的方向反射率与观测数据的接近程度有随观测天顶角的增大而减弱的趋势,在观测天顶角较小时一致性较好。(3)所用数据处理结果显示,MODIS BRDF模型参数数据产品在近垂直主平面方向反射率推算结果相比近主平面方向的推算结果更接近观测数据。

基于自回归神经网络的时间序列叶面积指数估算

叶面积指数LAI是众多气象、环境、农业等模型的关键输入参数。尽管具有多个传感器的全球LAI产品已经相继发布,但是由于受反演方法的局限性以及反射率产品质量的影响,这些由单一传感器数据得到的LAI产品在时间上表现出一定的不连续性,这与自然生长植被的LAI变化规律不能一致。而神经网络在对复杂的、非线性数据的模式识别能力方面具有出色的表现。如在3层神经网络中,只要对隐层采用非线性递增映射函数,输出层采用线性映射函数,就可以用于对任意连续函数进行逼近。对于具有相同植被覆盖类型的同一地点多年的LAI数据,在无自然灾害和人为破坏的前提下,可以构成一个非线性的、连续的时间序列。通过融合MODIS和VEGETATION两种传感器产品,在利用相同植被类型的LAI时间序列来建立自回归神经网络,即NARX神经网络的同时,引入红、近红外和短波红外3个波段上时间序列的反射率以及相应的太阳天顶角、观测天顶角和相对方位角作为NARX神经网络的外部输入变量,并最终达到估算时间序列LAI的目的。验证结果表明,NARX神经网络非常适用于时间序列的LAI估算,并且其预测的LAI比原始的MODIS LAI在时间序列上表现的更连续和平滑。因此,该方法在改进典型植被类型的LAI遥感数据产品质量方面具有一定的应用价值。

气候变化对我国农业生产的影响——基于多投入多产出生产函数的分析

本文基于2005年706县39551个农户的农业投入产出数据和气象观测站数据,利用多投入多产出生产函数,估计了气候变化对我国不同区域农业生产的影响。根据模型估计结果进一步模拟了IPCC气候情景方案A2和B2下,气候变化对我国未来不同区域农业生产的影响。计量经济模型估计结果表明,气温升高对土地的农业生产具有负面影响,其中西北地区受温度上升的不利影响最大;降水增加对除南方以外的所有区域都有正面影响。未来气候变化对我国农业生产的影响在区域间存在较大差异,未来气候变化将对华北和华东地区的农业生产产生正面影响,对西北地区的农业生产产生负面影响。

基于典型物候特征的MODIS-EVI时间序列数据农作物种植面积提取方法--小区域冬小麦实验研究

利用MODIS植被指数时间序列这一特性,以北京市通州及周边为实验区,冬小麦种植面积为研究对象,提出了农作物种植面积指数模型(Pan-CPI模型)的概念,并构造了冬小麦特征物候期植被指数与种植面积的定量函数关系,通过样区TM影像求解关键参数,对研究区冬小麦种植面积测量方法进行了试验研究。研究结果表明:(1)Pan-CPI模型能够很好地反映特定目标农作物种植面积状况,为基于植被指数时间序列影像识别农作物种植面积提供了新方法;(2)精度分析结果表明:Pan-CPI模型具有很高的稳定性,且不受样本变化的影响,只要达到满足模型计算的样本量(如:5%),多次测量结果间具有很好的一致性。选取MODIS6×6像元大小的窗口时,TM样本的复相关系数(R2)稳定在0.85左右,与TM结果比较,窗口相对精度稳定在95%左右,区域精度稳定在92%以上,经调整的区域精度高达96%以上;(3)对于种植结构复杂、目标作物种植破碎的地区,Pan-CPI模型可以充分利用MODIS植被指数时间序列的优势,有效改善TM单时相和多时相提取信息因时相缺失无法表征作物变化的不足。

采用DBM方法的时间序列LAI建模与估算

运用DBM(Data Based Mechanistic)方法,使用MODIS数据,建立了遥感观测反射率数据与叶面积指数(LAI)在时间序列上的统计关系模型(LAI_DBM模型),并结合部分Bigfoot站点实测LAI数据进行了模型检验。结果显示,LAI_DBM模型能够较好表达时间序列反射率与LAI的动态变化关系。LAI_DBM模型使用遥感观测数据实时估算得到的LAI,在数据质量和时间连续性上比MODISLAI有改进。

ICESat-2植被冠层高度和地表高程数据产品用于森林高度提取的效果评价

由美国宇航局(NASA)研制的新一代冰、云和陆地高程卫星(ICESat-2)于2018-09-15发射成功,其搭载的先进地形激光测高系统(ATLAS)采用微脉冲多波束光子计数激光雷达技术,可用于全球高程线采样数据的获取。目前公开发布了9种数据产品,其中包括植被冠层高度和地表高程数据产品(ATL08),为全球森林结构参数的估算提供了新的契机。本文以美国宾夕法尼亚州斯奈德县和印度尼西亚西加里曼丹吉打邦为研究区,在温带森林和热带雨林两种不同的生态系统立地条件下,对ICESat-2的ATL08数据产品用于森林高度估算的效果进行评价。首先建立了地形高程数据产品(ATL03)与ATL08数据产品的关联规则,以获取分别记录在这两种产品中的光子空间分布信息和分类信息;进而以机载小光斑激光雷达数据为参考,对ATL08数据产品的光子分类可靠性及其用于森林高度估算的准确性进行了分析评价。结果表明:(1)在温带森林情况下,ATL08数据产品提供的平均冠层高度和最大冠层高度与参考数据的相关系数(R~2)分别为0.54和0.61,相对误差分别为16.78%和10.71%,表明ATL08数据产品的光子分类结果能够用于刻画森林冠层结构和林下地形;(2)在热带雨林情况下,到达地面的光子数量相较于温带森林明显减少,地面光子类型识别的可靠性低,ATL08数据产品提供的平均冠层高度和最大冠层高度与参考数据的相关系数(R~)分别为0.21和0.19;(3)森林覆盖度的增大会导致ATL08计算的冠层高度误差增大,热带雨林平均冠层高度的误差随着坡度增大有增大趋势,在坡度为0°—10°、10°—20°和20°—30°共3组情况下,误差分别为5.7 m、6.6 m和9.3 m。因此,在高森林覆盖度情况下,现有的ATL08数据产品难以直接用于森林高度的提取。