闽江流域水质时间序列变化趋势识别及特征分析

针对传统方法难以反映水质指标时间序列非线性、局部特征的问题,提出一种结合STL时间序列分解算法和Mann-Kendall趋势检验算法的水质时间序列识别与分析方法。该法首先应用STL时序分解算法对水质指标的时序数据进行回归分解,分离出水质指标趋势项,利用Mann-Kendall检验法,识别并分析出水质指标趋势项的变化趋势及特征。选用2014-2018年闽江流域12个监测站点、8个水质指标时间序列作为分析数据源,结果表明:闽江流域水质状况整体较好且呈现出稳步提高的趋势;闽江上游水质整体上优于闽江下游,但有机物污染较下游更为严重;闽江下游NH3—N、TP浓度下降趋势明显,但DO值较上游偏低并成为影响水质的主导因素。     

基于EnKS和SWAT模型的闽江流域径流数据同化

地表水文过程中观测变量对状态变量的响应存在时间滞后性,为提高径流数据同化的精度,以闽江流域为研究区,基于集合卡尔曼平滑器（EnKS）和SWAT模型,构建径流数据同化方案,并与集合卡尔曼滤波（EnKF）方法进行对比,评价不同同化模型的精度,分析数据同化对不同径流分量的影响。结果表明：EnKS最优时间窗口长度在不同水文周期、流域存在差异;考虑水文模型的时间滞后性可以有效提高模型的同化精度,对比EnKF方法,EnKS方法的纳什效率系数(NSE)在七里街、沙县、竹岐3个站点上分别提升了0.03、0.12、0.03,均方根误差(RMSE)分别减小了7.43%、26.81%、4.25%;数据同化方法对不同径流分量的改进程度存在空间异质性和时间异质性,在高渗透率土壤和陡坡区域EnKS方法能使壤中流获得更显著的改进,丰水期EnKS方法对地表径流的改进较枯水期更明显。     

遥感数据融合下的雄安新区NPP时空格局分析

高时空分辨率数据对实现植被生产力动态监测和生态环境评估具有重要意义.以雄安新区为研究区,基于改进的ESTARFM融合模型构建高时空分辨率NDVI数据集,结合改进的CASA模型,模拟和分析了 2000～2018年区域植被NPP的时空变化特征,并探讨气温与降水对NPP的影响.结果表明:①改进的ESTARFM融合模型预测结果...     

利用多源数据分析呼伦湖地表与地下水的动态变化

湖泊对揭示区域环境演变特征与规律具有重要意义.为研究近30 a呼伦湖地区地表水面积与地下水水储量的变化,利用Google Earth Engine(GEE)云平台处理了 1986～2018年间所有Landsat卫星影像.结合卫星测高所获得的水位数据,得到呼伦湖的水体面积长时间变化序列,并将其划分为4个阶段:2000年之...