权维俊[1]2003年在《中国大陆地区地表净太阳辐射的卫星遥感研究》文中研究说明近年来，随着卫星探传感器精度的提高和遥感技术的发展，利用卫星遥感全球辐射平衡的研究获得了长足的进展(例如，美国的CERES/EOS)。其中地表净太阳辐射的卫星遥感是全球辐射平衡遥感中的一个重要部分，因为它代表了地表吸收的太阳辐射能量，对地表辐射平衡和大气动力过程等有着重要的作用。 本文采用了李占清1995年提出的参数化模式(Li模式)对中国大陆地区18个台站的2001年1月份和2月份的部分日期的瞬时地表净太阳辐射进行了卫星遥感，并将反演结果同A模式(Li-Leighton模式)和B模式(Langley参数化模式)的结果作了比较分析。结果表明：在晴天情况下，Li模式与A模式很相近，而与B模式结果差别较大，因为B模式在晴空条件下是不准确的，这也可以从A模式与B模式的差别看出；在云天情况下，Li模式与B模式结果尽管有些差异，但是相似性仍然很好，除了个别的台站外，绝大部分台站两者的相对差在6％以内。因为，A模式只适用于晴天的情况，所以在各种天气状况下使用Li模式可以分别代替A模式(适用于晴空)和B模式(适用于云天)。 在Li模式中有一个重要的输入参数是大气可降水量。为了验证MODIS大气可降水量资料的可靠程度，本文利用NCEP的大气可降水量资料对其进行了检验。结果发现：在中国大陆地区，MODIS与NCEP的大气可降水量之差在绝大部分地区在±0.5cm以内，但是在中国西北、华北地区普遍偏大一些，在东南地区则普遍偏小一些，如果给上述地区的MODIS大气可降水量分别乘以0.933983和1.07686进行修正，则两者之差在±0.2cm以内。这样的精度对作为Li模式的输入参数来说精度已经足够了。
桂胜[2]2010年在《地表净辐射的卫星遥感研究》文中提出地表净辐射作为环境预测中的一个非常重要的参数,控制着蒸散、光合作用、地表和大气温度,在地气系统的相互作用中起着关键作用。高精度的地表净辐射数据对整个人类生态环境的研究具有极其重要的意义,也为使用地理信息系统作出生态环境相关的决策提供支持。毫无疑问,地表辐射观测站点可以提供最准确的地表净辐射通量的测量值,但是由于站点分布始终有限且维护费用昂贵,从而不能满足气候研究、天气预报和其他相关领域的研究需要,所以关于地表净辐射估算方法的研究仍具有巨大的现实意义,特别是卫星遥感手段的出现,其能够提供具有良好时间连续性和空间均一性的地球辐射收支资料的特点,使卫星遥感成为目前研究地表辐射收支的一个重要而有效的手段。目前使用卫星数据估算地表净辐射及其分量的成熟数据集产品普遍存在低分辨率和低精度的缺陷,而使用中高分辨率卫星数据的估算方法又普偏依赖地面观测资料,且大部分算法只适用于晴天条件,使用卫星数据估算阴天条件下的地表净辐射通量是目前存在的一个难题,在这种情况下,本文从现有的地表净辐射卫星数据集产品和算法出发,对已有的地表净辐射卫星数据集产品和算法进行了广泛综合的质量评价和误差分析,并以此为基础,进行了利用MODIS数据估算地表净辐射的相关研究,主要内容如下：1.使用全球分布的36个站点对叁种主要的使用卫星数据估算的地表辐射数据集产品(GEWEX-SRB, ISCCP-FD和CERES-FSW)的短波分量(下行短波辐射和上行短波辐射)进行质量评价和误差分析。结果说明,上述产品的在某些地区存在系统性的偏差,其精度并不能完全满足相关研究机构的要求。2.使用全球分布的15个站点对叁种主要的使用卫星数据估算的地表辐射数据集产品(GEWEX-SRB, ISCCP-FD和CERES-FSW)的长波分量(下行长波辐射和上行长波辐射)进行质量评价和误差分析。结果说明,上述产品的精度基本可以满足相关研究机构的要求,在部分地区发现的较大误差可以部分由高程差异和输入数据误差来解释。3.对叁个利用MODIS数据估算地表净辐射分量的算法进行质量评价,包括估算全天气下行短波辐射的查找表方法、晴天下行长波辐射混合方法和晴天上行长波辐射混合方法。对短波算法,选取了全球分布的26个站点进行验证,对长波算法,选取了全球分布的15个站点进行验证。结果说明,这叁种利用MODIS数据估算地表净辐射分量的算法均具有较高精度,已达到相关研究机构的精度要求,而且与GEWEX-SRB, ISCCP-FD和CERES-FSW验证结果的统计数据相比,MODIS算法在很多统计指标上都占有优势,与地表实测数据具有更高的吻合程度。4.提出了一种利用MODIS数据估算全天气条件下瞬时地表净辐射通量的算法框架。目前已有很多利用MODIS数据估算地表净辐射及各分量的算法,各有其优势和劣势,通过分析比较,在合理利用现有的理论和算法基础上,本文结合自身的具体研究情况和需求,提出了一种完全独立于地表观测数据,仅利用MODIS数据估算全天气条件下瞬时地表净辐射通量的算法框架,该框架分为两部分,晴天算法部分和阴天算法部分,完全摆脱了对地表观测数据的依赖,为本文接下来的具体算法的研究奠定了基础。5.系统总结了本文提出的利用MODIS数据估算全天气条件下瞬时地表净辐射通量算法框架所涉及到的所有算法,除此以外,针对目前缺乏阴天净辐射算法的情况,提出了一种在阴天条件下估算地表净辐射的算法,并将结果与已有的叁种数据集产品进行了对比。结果显示,使用本文提出的框架和具体算法估算的结果,不仅在估算精度上高于其他的叁种数据集(GEWEX-SRB, ISCCP-FD和CERES-FSW),而且拥有更高的空间分辨率。6.提出了全天气条件下估算日间总地表净辐射的具体算法并进行验证。本文将可调节正弦插值法引入日间总地表净辐射的研究中,并使用MODIS数据进行验证分析。结果说明,虽然在部分站点有着轻微的高估,但使用上述方法估算的日间总地表净辐射值与使用地表实测数据集成计算的日间总地表净辐射值具有较高的吻合程度。
梁宏[3]2012年在《青藏高原大气水汽变化和对辐射影响的模拟》文中研究表明本论文基于多源大气水汽资料（地基GPS、探空和数值模式输出），采用多种研究方法以及大气辐射模式，探讨了青藏高原（简称高原，下同）大气水汽多时间尺度变化特征及其对辐射模拟的影响。结果表明：（1）近10多年（1999～2010）拉萨探空（RS）观测的大气水汽总量（PW）比地基GPS观测的结果（GPS_PW）明显偏小，偏小程度随使用不同的探空仪而异，新型探空仪（GTS-1）的探测偏差明显小于旧型探空仪（GZZ-2）的探测偏差。分析发现PW偏差（RS_PW-GPS_PW）具有明显季节变化和日变化特征。太阳辐射加热以及气温日变化和季节变化是造成PW偏差日变化和季节变化的原因。据此提出了PW偏差的订正方法，该方法在实际应用中取得了较好订正效果。（2）近35年（1976～2010年）高原PW和大气平均温度均呈显着增加趋势，大气增温是PW增加的重要因素。在高原夏季风活跃期（4月上旬～10下旬）PW具有4～14天和60～90天的显着变化周期。夏季高原及周边地区的季风区和季风边缘区PW随海拔高度的变化符合幂函数规律。高原PW具有显着日变化特征，该特征随站点海拔高度、地形和局地气候特点的不同而异。（3）基于降水临界理论，建立了PW和降水量之间的关系式。在高原大气增温和增湿的背景下，极端降水发生频率增加。（4）高原地区ECMWF分析资料的PW与GPS_PW基本一致，JRA-25分析资料的PW在夏季略偏小。NCEP和Met-Office分析资料的PW夏季明显偏小，这些大气水汽估算误差对高原长短波辐射模拟均有重要影响。（5）高原大气水汽、臭氧、气溶胶和云对太阳辐射直接影响呈显着季节变化特征。水汽对太阳辐射吸收月平均值约9～95W/m~2，约占太阳总辐射2%～13%。臭氧对太阳辐射吸收月平均值约8～12W/m~2，约占太阳总辐射1.5%～1.8%。气溶胶对太阳辐射直接影响为春夏季较强，秋冬季较弱。高原气溶胶直接辐射强迫年平均值约-13.7~-10.1W/m~2。云对地表短波辐射强迫年平均值约70～140W/m~2，其大小与站点所处区域的气候特征有关。高原大气水汽、臭氧和云对向下长波辐射的影响也呈显着季节变化特征。大气水汽向下发射的长波辐射约10～78W/m~2，约占地表向下长波辐射6.0%～25.0%。臭氧向下发射的长波辐射约1.6～2.0W/m~2，约占地表向下长波辐射0.6%～1.0%。云对向下长波辐射影响的年平均值约20～40W/m~2。近35年高原夏季水汽增加对太阳总辐射、净短波辐射和长波辐射的影响分别为-1.16±0.40、-0.93±0.32和1.28W m-2/10a。年平均水汽增加对太阳总辐射、净短波辐射和长波辐射的影响分别为-0.57±0.18、-0.45±0.14和0.65W m-2/10a。
刘琼[4]2017年在《上海地区气溶胶对低层暖云的影响机制及气溶胶—云辐射效应研究》文中进行了进一步梳理气溶胶-云-辐射的作用机制是大气科学领域亟需解决的重大科学问题之一。本文利用“A-Train”卫星编队中的Aqua和CALIPSO卫星联合观测,以及时间上形成互补的上午星Terra和下午星Aqua上共同搭载的MODIS传感器,获得的气溶胶和云以及气象要素信息,同时利用地面微脉冲激光雷达提供的气溶胶垂直信息,建立上海地区气溶胶-云数据库,分析上海地区气溶胶叁维时空分布特征,研究气溶胶对低层暖云的影响机制,并探讨气溶胶层与云层在垂直方向上的距离对气溶胶-云相互作用的影响,最后利用最新的Accu RT辐射传输模式系统定量评估气溶胶和云的辐射效应。主要的结论如下:(1)基于MODIS十年观测数据可知,整个上海中心城区和大部分郊区的气溶胶光学厚度(AOD)均值在0.9~1.0之间,其中,中心城区以细粒子气溶胶污染为主,郊区则以粗粒子为主。气溶胶的季节变化明显,夏季气溶胶污染最重,春季和冬季次之,秋季最轻。春季,受到北方沙尘天气的影响,上海地区近地面和高空(3 km以上)均出现了较多的矿物沙尘型气溶胶,且高空多于近地面。夏季气溶胶细粒子的贡献明显多于其他季节,这与二次有机气溶胶的增多密切相关,污染沙尘型、污染大陆型(即城市/工业型)和烟尘型气溶胶是主要污染类型,均为本地及周边排放产生。秋季出现的气溶胶也不涉及长距离输送,多为局地产生的污染沙尘型、污染大陆型和烟尘型气溶胶等。冬季,上海的高空出现了一定的烟尘型气溶胶,这与北方突发性的霾污染事件有关,另外,污染沙尘型和污染大陆型气溶胶也是主要的气溶胶类型。(2)霾和浮尘污染的对比研究表明,霾期间的气溶胶主要由本地污染源产生,垂直方向上沿着高度逐渐抬升,气溶胶消光作用在抬升过程中逐渐减弱;浮尘天气的气溶胶则主要是受到远距离传输的影响,并由高空向地面沉降,在沉降过程中消光作用逐渐增强。浮尘气溶胶的AOD均值略高于霾气溶胶,但是,低空霾气溶胶的消光系数大于浮尘气溶胶。此外霾天气边界层高度和污染状况互相影响,而浮尘天气污染情况受大气边界层影响较小。(3)气溶胶光学厚度、云量(CF)、水汽总量(WV)和K指数(K)呈现相似的年变化特征,年内最大值均出现在夏季,但云量的最大峰值出现的时间略滞后于气溶胶光学厚度。水汽总量和大气稳定度对云的水平和垂直发展影响要大于气溶胶对其的影响。水汽含量越多、大气越不稳定,越利于云的发展。随着大气稳定程度的减弱,气溶胶对云量的影响也迅速减弱;但气溶胶对云顶气压的影响有增强趋势。排除气象条件的影响,上海地区气溶胶的增多会导致云量的减少、云顶气压值的减小、云顶高度的增加,不利于云的水平发展,但有利于云的垂直向上发展。(4)气溶胶光学厚度对云粒子等效半径的影响与云液态水含量(LWP)、水汽总量(WV)及气溶胶层与云底的垂直距离(△H)密切相关。研究表明,上海地区气溶胶对云粒子大小的影响既遵循“Twomey”效应,又出现了反“Twomey”效应,这主要是由于不同的LWP造成的。当LWP<50 g m-2,云粒子随着LWP的增大迅速增大,出现反“Twomey”效应;当50 g m-2<LWP<150 g m-2,云粒子等效半径随着气溶胶的增多而减小,遵循“Twomey”效应。而WV和△H对气溶胶的第一间接效应影响很大,水汽含量越多,气溶胶对云粒子等效半径的影响越小,水汽含量越少,气溶胶对云粒子等效半径的影响越大;随着△H的增加,气溶胶与云的相关性逐渐减弱,当二者距离大于150 m,几乎无相关性。(5)无论是在大气层顶、大气中还是地表处,上海地区气溶胶的短波辐射效应均表现为冷却作用,辐射强迫的绝对值随着高度的下降逐渐增大,气溶胶在地表的冷却作用要强于大气层顶。在大气层顶,云的短波辐射强迫因受到气溶胶的影响而削减,云的冷却作用受到了抑制;在地表,气溶胶的存在反而加强了云的短波辐射冷却效应,共同使地表降温。气溶胶和云都能增强大气吸收率,削减达到地面的太阳辐射,对地表起冷却作用,而且云层的出现对其上层和下层大气的吸收率都有影响,其对云上大气的吸收率的影响要大于云下大气。
王黎明[5]2005年在《吉林省西部区域遥感蒸散模型研究及其应用》文中提出针对吉林省西部地区草地退化、盐碱化和沙化等生态环境恶化问题,本文分别研究了研究区土地利用/覆盖变化和地表蒸散时空分布问题,通过两者的迭加分析,探讨了研究区生态环境问题与地表蒸散之间的内在联系,最后,从水分平衡的角度,提出一套有效控制地表蒸散的方法,来防治研究区“叁化”问题。为此,首先基于地表能量平衡理论建立了研究区区域遥感蒸散模型,采用交互式数据语言IDL 实现了模型算法,然后计算了研究区十余年的地表蒸散量,进行时空分布分析,及土地利用数据与地表蒸散图像迭加分析,最后提出了吉林省西部地区“叁化”问题的治理措施与建议。通过研究,本文得出以下几点结论:⒈基于地表能量平衡方程构建的区域遥感蒸散模型,能满足区域尺度陆面蒸散估算的精度要求,对中国的其他地区的陆面蒸散的计算具有推广和借鉴意义;⒉自20 世纪80 年代以来,吉林省西部的草地退化、盐碱化现象严重,沙地面积虽然有减少趋势,但从其空间形态指数的变化特点来看,研究区沙化形势依然严峻;⒊研究区地表蒸散时空分布分析及土地利用与地表蒸散迭加分析表明,地表蒸散与研究区“叁化”问题存在正向关系,即地表蒸散量的增加加剧了研究区“叁化”问题的进程;⒋有效减少地表蒸散量是防治吉林省西部地区“叁化”问题的有力措施。
凌肖露[6]2016年在《卫星遥感叶面积指数在陆面模型中的同化及应用》文中认为作为表征地表植被特性的一个重要参数,叶面积指数(LAI),是影响地表辐射传输、物质能量平衡的重要植被生物物理学参数,同时也是连接植被光合作用、呼吸作用等微观生物地球化学过程的重要参数。由于陆地下表面强烈的不均匀性,正确描述地表植被的冠层结构,以及物理、生物地球化学过程,是正确描述地表辐射特征、以及陆-气相互作用的基础和前提。直接观测是目前认为可以获得LAI最精确的方法,但是短期内还无法实现LAI在区域乃至全球范围内的统一台站观测;随着生物地球化学模块的应用和发展,越来越多的陆面模式能模拟出LAI等植被参数的动态演变,但模拟结果严重依赖于陆面过程模式的模块和参数化过程,以及模拟的初始条件等因素。陆面数据同化,利用滤波/变分方法将模型和观测融合在一起,同时结合陆面过程的动力框架进行约束,达到对目的状态量的最优估计,并实现资料的时空尺度扩展。现存的很多卫星遥感数据都可以提供时空连续的区域/全球分布的LAI,并且经过了严格的质量评估和校验,这为数据同化改善陆面模型中生物地球化学模块的模拟能力提供了数据基础。本文拟利用美国大气研究中心(NCAR)开发的公用陆面模式(CLM4)和数据同化研究平台(DART),将卫星遥感观测的全球LAI数据(GLASS LAI)同化到CLM4的碳-氮循环模块(CLM4-CN)中,并在同化的基础上进一步分析LAI的改变在全球尺度和区域尺度上对地表能量、水分平衡、植被-大气相互作用以及气候变化产生的影响。鉴于模型的初始条件分布为集合同化提供了初始误差,其发散程度对同化的进行和同化结果都会产生很大的影响,本论文首先对模型进行了单个大气数据和集合大气数据分别驱动CLM4-CN的模型初始化过程,以获得相应的初始条件集合。结果表明,在热带低纬度的森林覆盖地区、及草地、农田下垫面,集合模式足够发散,而在北方常绿针叶林和温带落叶阔叶灌木下垫面,集合模式的离散度则相对偏小：另外,模式模拟LAI的发散程度在植被的生长季明显优于非生长季。LAI值波动范围越大的季节或地区,初始条件集合的发散程度越高,越有利于同化过程的进行。为了找到有效的同化方案,本文设计了叁组对比实验,分别为：①没有进行同化的控制实验(CTL实验)、②在同化的过程中不进行碳-氮约束的NO-CN实验,和③在同化过程中进行碳-氮约束的C-N实验。结果显示,未进行同化时,CLM4-CN模拟的LAI系统性高估了全球的LAI分布,且在低纬度地区尤其明显,最大偏差甚至超过5 m2/m2。在同化过程中没有进行碳-氮约束时,同化效果并不明显;而在启动了碳-氮循环模块之后,同化的LAI值与观测的偏差明显降低,且在低纬度的偏差能够控制在±1 m2/m2。由此可见植被动态物理约束过程(C-N循环)的加入对同化过程具有很好的约束和修正作用。作为数据同化研究平台,DART可以同时提供各种集合同化算法为研究所用,因此本文分别对集合调整卡尔曼滤波(EAKF)、集合卡尔曼滤波(EnKF)、卡尔曼滤波(KF)和粒子滤波(PF)这四种同化算法进行了对比分析,结果表明,集合同化(EAKF、EnKF)的结果优于单个变量数目的同化算法(KF);另外,由于模型模拟的LAI系统偏高于观测,PF法在迭代的过程中逐步减小了LAI观测的权重,也就是降低了观测值对同化过程中后验概率的计算贡献。由于EAKF在每一步都对增益矩阵的更新进行了调整,使其在不低估分析误差协方差的前提下对观测场产生尽量小的扰动,所以,确定在用EAKF方法同化的过程中,同时考虑C-N模块的约束,才是最优的同化方案。在挑选出最优同化方案方法的基础上,本文对模型输出LAI的能力进行了评估,结果得到：同化不仅能够很好地模拟出LAI的空间分布,也能够改进不同纬度区域平均LAI的年变化(23°S以南除外)。另外,同化后LAI改进最明显的典型植被覆盖区罗列如下：同化后LAI显着减小的区域分别为非洲中部、亚马逊东部、欧亚大陆南部、中国东北、和欧洲西部,主要覆盖下垫面为常绿/落叶阔叶林、混合森林;LAI显着增加的区域分别为欧亚中部、北美西部、和澳大利亚西部地区,主要覆盖下垫面是开放式灌木丛和草地。在挑选出最优同化方案的基础上,本文首先利用单向耦合的方法分析了2002年北半球夏季LAI对地表状态量、陆-气相互交换通量的影响。结果得到,在亚马逊中部、北美北部地区、非洲北部及中部、以及欧亚大陆大部分地区,模型均低估了地表2m温度;而在北美中部及南部,欧亚大陆东部及东南部地区,以及澳大利亚大部分地区,模型则严重高估地表2m温度。就改进效果而言,在北美西部地区、亚马逊大部分区域、非洲中部地区、欧亚大陆的中东部及南部,改进后的LAI使得这种低估的形式有所缓解;而对于非洲南部,亚马逊中部地区、以及欧亚大陆的中西部地区,改进后的LAI缓解了高估地表温度的情况。总体而言,同化后的LAI对低估地表气温的改进效果明显好于对高估地表气温的改进效果,这大概与叶面积指数的全球效应有关。具体而言,LAI在全球范围内的减小,会导致地表2m气温增高,且在欧亚大陆西部地区达到最高(1.6℃),其次是亚马逊东部和非洲中部,偏差分别为1.1℃和1.0℃;区域LAI的升高会造成当地2m气温的降低,其中影响最大的地区为美国西部,偏差达-0.5℃。除了亚马逊东部地区,LAI减小的区域,表层土壤湿度增大,反之亦成立;这可能是由于亚马逊东部地区的土壤湿度受地表径流等因素的影响更大。值得说明的是,在低纬等LAI改变最大的区域,并不是地表状态量和陆-气通量改变最明显的区域,这主要与该区域的植被覆盖类型和气候平均态有关。利用LAI同化结果,本文还分别对比分析了在陆-气耦合、海-气-陆-冰耦合情况下LAI改变对地表状态量、物质能量平衡、以及气象条件的影响,以分析植被变化对天气和气候过程的反馈效应。结果表明,在耦合了大气和陆面模式的情况下,同化后的LAI不仅改善了模型对低纬度2m气温的模拟能力,还能改善对高纬度2m气温的模拟能力,模拟偏差从-5℃-4℃减小到-3℃-2℃。耦合了大气的陆面模型同时能够改善在非洲中部、东南亚群岛、亚马逊北部、阿拉伯半岛和澳大利亚西部地区对降水的模拟能力。另外,加入了海-冰耦合的模型,在热带地区LAI改变的地表温度、降水等特征量变化的影响有所削减,却加强了中高纬度地区LAI改变对区域气候的影响。由于本文积分时间较短,对海气耦合以及海气陆冰耦合结论的分析还有待深入;另外,对LAI导致的气候变化的机理解释还有待进一步验证。
刘朝顺[7]2008年在《区域尺度地表水热的遥感模拟及应用研究》文中研究指明区域尺度地表水热遥感监测与模拟研究是目前遥感技术在水资源领域应用研究的热点和前沿问题。用遥感技术实现大范围地表能量和水分动态监测,可以在水资源、气候、生态、农业等领域中发挥重要作用,过去几十年的研究虽然取得了许多重要成果,但由于地表水热过程的时空复杂性,依然面临很多有待突破的重要问题。本论文以此为出发点,对与所研究问题关系密切问题展开研究,并以山东省为研究区进行实证研究,具有比较重要的理论意义和实践价值。论文具体的研究工作和结论如下:1)分析了地表空间异质性对水热通量遥感模拟的影响,指出选择合适的遥感尺度须权衡遥感观测的有限性和水热过程的复杂性。然后分别基于土地覆盖图斑尺度、像元尺度、地表属性的半方差以及多尺度一致性指数分析基础上,检验了研究区域的空间尺度,综合检验结果表明研究区的空间异质性尺度约在250～500m左右。2)实现将数字高程模型(DEM)引入SEBAL模型中进行地形因子(坡度、坡向和海拔高度)的校正,拓展了区域蒸散模型的适用范围。基于NASA陆面资料同化系统的地表动力学参数查找表,利用土地覆盖信息和遥感植被指数动态估算的地表粗糙高度和零平面位移等地表动力学参数。对改进的模型进行了输入参数的敏感性分析,结果表明模型对LST最敏感,Albedo、NDVI次之,对风速和地表动力粗糙度的敏感性较低。模型较为稳定,各输入参数改变一定量没有引起蒸散反演结果显着的变化量。分析了地形因子——海拔高度、坡度、坡向对模型模拟结果的影响,表明如没有考虑地形影响将会高估高海拔区域及阴坡区域的蒸散量,约偏大30%左右。3)引入地表属性的邻域相似性改进Kustas等的热增强方法,并在研究过程中实现了利用250m MODIS植被指数将1km的地表温度、反照率的分辨率提高到250m,以充分利用MODIS数据的时间分辨率和空间分辨率的优势,构建满足研究区的空间异质性尺度要求的日常的区域水热通量监测的驱动数据,使进行较高频率的大面积水热通量监测具有很好的可操作性。利用区域蒸散模型,基于改进的MODIS驱动数据模拟的地表蒸散结果,在不同的时间尺度上进行验证,验证结果表明模拟的相对误差分别体现为日平均约-11.34%,周平均约-6.30%,月、季平均在4%以内,模拟结果符合实际情况。4)对研究区域水热特征的动态变化进行遥感监测,区域蒸散量在2005年和2006年均表现为夏季最大,春季次之,秋季最小。在春季,蒸散低值区主要分布在鲁中南低山丘陵区以及山东半岛一带;蒸散高值区则主要分布农作物生长较好的鲁西北、鲁西南平原,以及一些大型水体、水库;黄河叁角洲地区尽管植被覆盖度不高,但由于该区地下水位埋深较浅,蒸散量也较高。夏季,研究区域总体蒸散水平都较高,高值区主要分布在大型的水体、水库,黄河两岸的引黄灌溉区域和滨海滩涂等地,低值区主要分布在城镇人工用地以及鲁中南低山丘陵区。秋季,整个研究区域的蒸散量均较小。区域月蒸散量与植被覆盖度以及地表温度之间都存在着显着的相关关系,不同的是与植被覆盖度呈正相关,与地表温度之间呈负相关关系。5)最后,分析了不同土地利用/覆盖类型下蒸散的逐月变化规律,发现水域的月平均蒸散量最大,其次为水田,林地、旱田和草地基本相当,人工用地的月平均蒸散量最小。并结合降水量数据分析了研究区域2005年和2006年的水分盈亏状况。利用基于能量平衡原理的水热通量遥感模型提取区域缺少指数(RWSI)对研究区2005和2006年的秋季进行旱情的遥感动态监测,总体监测结果合理可信,推广应用有待进一步的研究工作。
李福根[8]2017年在《遥感混合像元日蒸散模型及应用研究》文中研究表明蒸散是水量平衡的主要分量,又是能量平衡的重要组成部分。遥感是目前公认的估算区域尺度蒸散的最有效方法。但是,下垫面的非均匀和时间尺度的扩展问题是遥感估算蒸散量研究的难点。论文针对下垫面地类的非均匀性造成的遥感混合像元,建立了适应不同尺度、不同数据源的非均匀地表蒸散模型;并将遥感观测到的瞬时地表蒸散量扩展到了日尺度,提高了模型的实际应用价值。论文首先根据蒸发比的含义和马赛克模型的思想,采用面积加权的思想,推导出了混合像元蒸发比的计算方法。在推导过程中,论文提出了两个关键假设:(1)混合像元中各亚像元的有效能在误差范围内大致相等,且等于混合像元的有效能;(2)将混合像元中地类的亚像元的蒸发比的值与该地类纯像元的蒸发比的值建立某种联系,从而使亚像元蒸发比可以被该地类纯像元的蒸发比的值代替。对于混合像元中亚像元蒸发比代表性的假设,论文利用遥感反演与站点实测数据相对比的方法,讨论了七种假设方案,最终根据数理基础和误差情况选定最邻近纯像元蒸发比来代替混合像元中亚像元地类的蒸发比。根据混合像元蒸发比计算公式,进一步推导出了混合像元蒸散量的估算方法,建立了混合像元日蒸散模型。同时,利用HJ1-B卫星采用先聚合再反演的方法,将30m分辨率的参数统一到地表温度参量的300m尺度,然后在此基础上进行水热通量反演。之后利用混合像元日蒸散模型对该结果进行尺度校正,并利用Hiwater(Heihe Watershed Allied Telemetry Experimental Research)非均匀下垫面多尺度蒸散发观测试验提供的涡度相关数据对结果进行验证,得到的结果相较于均匀地表假设的模型有一定的提高。
王军邦[9]2004年在《中国陆地净生态系统生产力遥感模型研究》文中进行了进一步梳理本文在Biome-BGC模型和BEPS模型基础上，构建了应用遥感数据的陆地净生态系统生产力模型(NEPARS)，并分别以我国东北地区和全国为例，进行了模拟研究；最后以光能利用率模型和过程模型为对象，介绍并初步进行了模型对比研究。 应用遥感数据的净生态系统生产力模型(NEPARS)的主要特点是：1)在BGC模型和BEPS模型基础上应用双源模型计算蒸散．将净辐射分解为冠层和土壤辐射，进而分别计算植被蒸腾和土壤蒸发。2)目前国内外还没有发现将遥感应用于土壤呼吸的研究，本文率先进行了以热红外冠层表面温度模拟土壤呼吸的试验研究，结果表明以热红外遥感反演土壤呼吸具有可行性。3)通过文献分析，校正了10℃时土壤的最佳呼吸速率，进而为在区域尺度上计算了我国陆地生态系统土壤呼吸提供了参数。4)模型以新型MODIS卫星遥感数据为输入。5)提出了在应用前对遥感数据进行精度评价的重要性，并对现有土地遥感分类图和部分参数进行了精度比较，并对叶面积指数产品进行了简单的评价；对模型的一系列主要参数以具体案例研究数据进行了校正：主要参数有植被生物量、生物量在根、干和叶之间的分配比率。 通过应用NEPARS模型对我国东北地区和全国不同空间尺度的研究，得出如下发现和初步结论。 1) 植被蒸散：通过模拟，中国东北地区植被年蒸腾量为132.86(±45.03)mm，最大蒸腾量为284.83mm；土壤年蒸发量为140.72mm，最大蒸发量为600mm。蒸散占年降水量的71.51％。本文得出的蒸散结果是合理的。其中植被蒸腾的模拟结果优于土壤蒸发的模拟结果。模拟结果反映了蒸散的时空格局特点。 2) 净初级生产力：东北区净初级生产力(NPP)的模拟结果为276.41(±164.89)gCm~(-2)a~(-1)，最大值为862.85gCm~(-2)a~(-1)，与第四次森林清查地面资料的对比结果表明模拟值与地面实测值具有较好的一致性。全国植被年净初级生产力(NPP)为337.70(±335.04)gCm~(-2)a~(-1)，变化范围从0gCm~(-2)a~(-1)到2987.19gCm~(-2)a~(-1)，由此得到全国陆地生态系统净初级生产力为3.249PgCa~(-1)。本文的模拟值与文献资料以及实测值的比较均出现模拟值偏小的不足，这需要对模型进一步分析各参数、或以实测数据重新参数化等。NPP的空间分布与叶面积指数、植被类型、温度、降水四个因子的相关性到达99％的显着性。在叶面积指数和植被类型两个因子出现的情况下，温度和降水的贡献很小，对NPP的效应并不显着。 3)土壤呼吸:东北地区平均土壤呼吸为250，57(士174.55)gcm，a一，，最大值为663.42gcm一“a一’。全国陆地生态系统土壤呼吸为7939 gcm一、一’，年土壤呼吸释放碳总量为0.752Gtc打一’。本文中对土壤呼吸的模拟并不理想.需要今后的工作中在模型结构、参数校正等方面进一步的研究。 4)净生态系统生产力(NEP):东北地区净生态系统生产力(NEP)为25.83gcm一、’，即在总体上，我国东北地区是大气COZ的汇，年固定总碳量为0.036飞C，是亚马孙地区的14.4%。碳源汇的空间分布格局明显的表明，受人类干扰更多的生态系统，其成为碳源的可能性更大。该地区的农田是最大的碳源;而受人类干扰较小的天然林是大气C02的汇。当然，这只是一个初步结果，还需要进一步从地面观测到模型模拟深入研究:另外，对两个地区的可比性也需要进一步分析。我国陆地净生态系统生产力(NEP)的模拟结果为259.08士289.7lgcm.Zyr’‘，即为大气coZ的汇，从大气中年固定coZ的量为2.45Gt你”。在不同植被类型之间，NEP存在较大差异。 5)时空格局及其主控因子:NEP表现出了较为明显的季节动态特征。植被比较明显的生长始于第97天，止于第289天，整个生长季长为192天。在生长季，总体上，碳收支速率最高峰出现在第209天。各因子与降水(R)和气温(T)的标准回归系数表明，温度是生态系统碳收支的主要控制因子，温度的影响是降水对碳收支的影响的192一20.67倍。 6)模型对比与非确定性分析:在介绍模型比较方法基础上，从模型结构和模拟结果两个方面对模型初步进行了对比与非确定性分析。本文的NEPARS模型基本上较为真实的模拟了区域生态系统功能及其时空分异格局。 中国植被NPP时结果存在较大差异，光能利用率模型较过程模型，其模拟结果变异较大。如果不考虑年际变化，二者模拟NPP的变异系数分别为咒.3%和7.7%，即过程模型的模拟结果更稳定一些。 当然，本模型还不完善，需要从模型的参数化、区域尺度的土壤呼吸观测和模拟、遥感数据评价等方面得以改进和完善。最后指出非确定性分析是模型研究的一个重要方面，模型非确定性分析应该，也必然是今后研究的一个热点问题。
王万同[10]2011年在《基于遥感技术的区域地表蒸散估算研究》文中认为区域地表蒸散的变化特征反映了陆面过程中能量和水分收支状况的演变趋势,同时也进一步影响区域气候和水资源总量分布,进而对区域经济发展产生影响。随着遥感技术的发展与逐渐成熟,研究大尺度范围的地表蒸散变得更为便捷。因此,开展基于遥感手段的区域地表能量与水分动态监测研究具有重要的意义和研究价值。本文以遥感技术为主要手段,分别利用ETM+、MODIS两种不同尺度的遥感数据,并引入DEM数字高程数据,对广泛应用的SEBS蒸散模型加以改进,拓展其在复杂地形条件下的适用范围,同时探讨两种不同尺度的遥感数据对蒸散估算精度的影响,并融合ETM+和MODIS数据构建了多尺度遥感模型,改善了MODIS数据的尺度效应(混合像元)问题。本文以伊洛河流域为研究区域进行了实证研究,并对研究区2002年、2008年的地表蒸散时空分布格局进行了分析和探讨,具有比较重要的理论意义和实践价值。研究的主要结论如下(1)利用ETM+和MODIS遥感数据可以较好地估算区域地表蒸散量。其中,利用ETM+数据估算的结果比利用MODIS数据估算的结果精度要高,与地面实测数据的对比分析表明,平均相对误差分别在10%和20%左右,高分辨率的影像数据对蒸散估算的精度有一定程度的提高。(2)基于DEM改进的净辐射通量估算山区模式可以用于地形复杂区域的净辐射通量估算。山区模式考虑到区域海拔高度、坡度、坡向的不同以及周围地形的遮蔽,从叁个方面进行太阳直接辐射的地形修正：首先,依据坡度、坡向、纬度等因子修正坡面太阳入射角的余弦值；其次,利用坡面太阳入射角的余弦值与太阳天顶角的余弦值的比值来修正坡面接收的辐射量；最后,引入一个二值函数——地形遮蔽因子来修正邻近地形的阴影遮蔽带来的影响。在研究区的实证结果表明,未考虑DEM情况下的净辐射通量估算结果不能准确反应研究区的地表特征,存在较大偏差,因此在地形复杂条件下的区域净辐射通量估算必须考虑地形的影响。(3)改进的SEBS模型估算的蒸散精度较高,模型在研究区的适应性和稳定性较好。以广泛应用的SEBS模型为基础,引入DEM数据,对坡面上太阳辐射、大气透射率、地表温度、地表粗糙度等地表参数及动力学参数进行了地形(海拔高度、坡度、坡向)修正使得模型更能适应复杂地形条件下的区域地表蒸散估算,拓展了蒸散模型的适用范围。经过在研究区的应用结果表明,改进的SEBS模型估算的日蒸散量和实测值的误差较小,估算精度较高,模型在研究区的适应性和稳定性较好,利用ETM+数据对研究区地表蒸散的估算结果精度要高于MODIS数据,改进的SEBS模型能够反映出研究区的地表覆盖类型和水分分布的时空格局。(4)分析了MODIS数据在蒸散估算中由混合象元造成的尺度误差,并基于空间增强方法构建了多尺度遥感模型,提高了模型估算的精度,使得进行高频率的区域地表能量与水分的动态监测具有可操作性,也拓展了MODIS和TM/ETM+数据的应用范围,提高了数据的利用率。多尺度遥感模型结合TM/ETM+的高空间分辨率数据对MODIS精度较高的地表温度数据进行增强,发挥二者的优势,以得到的30m高分辨率LST为输入参数,提高了模型估算的精度。尤其在F垫面破碎度高、土地利用类型复杂、混合像元严重的区域,多尺度遥感模型可以使估算的蒸散量精度得到一定程度的改善甚至显着提高。同时,MODIS的多时相优势也能得到充分发挥。(5)最后,选择了2002年和2008年四个季节中晴空无云或云量较少的典型日MODIS数据(8d),对伊洛河流域地表蒸散的时空格局进行了分析。研究结果表明,研究区地表蒸散总体特征为地区分布差异大、年内分配不均。研究区地表蒸散量受植被覆盖度、地表温度、地形条件的影响较大,其时空分布特征也与这些因素的变化相一致。流域内地表蒸散的空间分布有叁个特点：具有明显的地域差异；地表蒸散量受地形影响显着；地表蒸散受供水条件的影响较大。另外,日蒸散量在空间分布上也与地表覆盖类型的分布具有很好的一致性。日蒸散量与NDVI、地表温度呈线性相关,与海拔高度呈对数相关,与坡度、坡向无明显相关性。未考虑地形影响的日蒸散量平均偏大0.17mm/d,在不同坡向上的变化不大,并随坡度的增加呈增加趋势,这与研究区的实际情形不符,因此,在地形复杂的山区,必须要考虑地形因素的影响。从地表通量及蒸散的年内变化看,季节性差异特征明显,夏季最大,春秋次之,冬季最小,年内分布呈“单峰”变化趋势。2008年的地表净辐射、土壤热通量、日蒸散量均高于2002年,2008年年内日蒸散量差异比2002年大,表明2002年至2008年间,研究区内人类活动的影响加剧,地表蒸散过程逐渐增强,蒸散量逐年增加,年内季节性差异显着。
参考文献：
[1]. 中国大陆地区地表净太阳辐射的卫星遥感研究[D]. 权维俊. 南京气象学院. 2003
[2]. 地表净辐射的卫星遥感研究[D]. 桂胜. 武汉大学. 2010
[3]. 青藏高原大气水汽变化和对辐射影响的模拟[D]. 梁宏. 中国气象科学研究院. 2012
[4]. 上海地区气溶胶对低层暖云的影响机制及气溶胶—云辐射效应研究[D]. 刘琼. 东华大学. 2017
[5]. 吉林省西部区域遥感蒸散模型研究及其应用[D]. 王黎明. 吉林大学. 2005
[6]. 卫星遥感叶面积指数在陆面模型中的同化及应用[D]. 凌肖露. 南京大学. 2016
[7]. 区域尺度地表水热的遥感模拟及应用研究[D]. 刘朝顺. 南京信息工程大学. 2008
[8]. 遥感混合像元日蒸散模型及应用研究[D]. 李福根. 中国科学院大学(中国科学院遥感与数字地球研究所). 2017
[9]. 中国陆地净生态系统生产力遥感模型研究[D]. 王军邦. 浙江大学. 2004
[10]. 基于遥感技术的区域地表蒸散估算研究[D]. 王万同. 河南大学. 2011
标签：气象学论文; 遥感论文; modis论文; 气溶胶论文; 植被指数论文; 卫星遥感论文; 太阳辐射论文; 中国地形论文; 数据同化论文;