贝加尔湖地区2003年-2005年间CO时空动态的遥感分析

主要基于搭载在Envisat卫星上的SCIAMACHY传感器反演的2003年-2005年间CO柱浓度数据产品,并结合生物质燃烧和土壤等辅助数据对贝加尔湖区域上空CO时空分布特征及其来源进行了分析,发现贝加尔湖区域2003年到2005年间的CO年均值浓度为2.28×10^18molecule.cm^-2,远高于欧亚大陆的本底浓度1.6×10^18molecule.cm^-2;CO浓度具有明显的季节波动,2003年的3月高达2.92×10^18molecule.cm^-2;CO的月均值变化和生物质燃烧具有很强的相关性,贝加尔湖地区4个大城市中赤塔（Chita）的年均值浓度是最高的;各土壤类型上空CO月均值季节变化显著,其中薄层栗钙土（Kh24-2b）类型土壤的振幅达2.91×10^18molecule.cm^-2。     

西南地区2001~2019年森林损失特征遥感监测与时空分析

森林在生态系统服务中起着重要作用,例如提供清洁空气、保护生物栖息地以及减少全球温室气体的排放等。全球森林变化数据集（Global Forest Change,GFC）每年以30 m的高空间分辨率绘制森林覆盖变化图,成为监测森林覆盖时空变化特征的有效工具。利用谷歌地球引擎（Google Earth Engine,GEE）,基于GFC产品,结合线性回归方法和空间自相关理论对西南地区2001~2019年森林变化情况进行研究,结果表明：近19 a来,西南地区森林损失面积为375.27万hm²,以2008年为拐点,2008年之前呈显著增加趋势（p<0.05）,在此之后波动下降,损失主要集中分布在广西、贵州东南和云南南部地区;森林损失与地形分析的关系表明损失主要分布在海拔2 000 m以下、坡度小于40°的区域,并逐渐向海拔更低坡度更缓的地方转移;森林损失面积具有一定的空间关联性,2001~2019年来Moran’s I 指数均为正,平均值为0.406,空间高值聚集在广西和贵州南部,低值聚集在重庆、四川和云南北部;政策因素在土地利用方式转变过程中发挥着重要作用,林业活动和农业扩张是影响损失现象发生的主要驱动因素,今后制定森林保护和管理战略时应充分考虑多方面因素造成的森林损失现象,研究结果可以为森林监测和保护提供更科学的指导。     

中国区域CO_2多年时空变化的卫星遥感分析

为了更充分地了解CO_2地面源和汇的分布特征,利用中国区域地面观测数据和AIRS反演的2003年1月~2012年12月CO_2三级产品分析了中国地区对流层CO_2浓度在不同季节的时空分布及多年变化特征。结果表明:1AIRS反演的CO_2产品与地面观测数据具有较好的一致性,相关系数0.85以上,月平均值偏差在3ppmv以内。CO_2随时间均呈增长趋势,两者呈现一致的季节波动性,卫星反演结果略有滞后。GOSAT反演CO_2比AIRS偏低,两者的相关性较低;2CO_2浓度呈现北高西南低的分布规律,多年月平均增长率为0.177。北方地区的CO_2增长率大于南方,东部的CO_2增长率大于西部;3CO_2浓度整体在春季呈现增长趋势,秋季呈现减小趋势。春季CO_2浓度较高主要出现在东北地区、内蒙古和新疆,多年平均浓度达到389ppmv以上,相应地这些地区在春季和夏季CO_2浓度年增加量达到2ppmv以上。秋季CO_2浓度在内蒙古和西南地区减小趋势明显。     

2015年中国PM2.5浓度遥感估算与时空分布特征

以PM2.5污染物为主的大气污染对社会的可持续发展及人类健康带来了严峻的挑战,厘清我国PM2.5污染物的空间分布特征及演变规律,对于PM2.5污染物的区域联防联控具有重要的意义。基于MODIS卫星的气溶胶产品、气象基础数据以及PM2.5污染物实测站点监测数据,构建地理加权回归模型,对2015年中国PM2.5污染物浓度进行了模拟估算,对PM2.5污染物浓度的空间分异格局及季节演化特征进行分析。结果表明：①2015年全国PM2.5浓度整体表现出明显的空间地带性分异特征。北方PM2.5污染物浓度明显高于南方,中部明显高于东部与西部;②4个季度PM2.5浓度表现出明显的季节适应性演化特征。第四季度PM2.5污染最重,第三季度和第一季度次之,第二季度最低,最大值出现在第四季度（165 μg/m³）,最小值出现在第二季度（4.3 μg/m³）。③通过多因子构建的地理加权回归模型估算的PM2.5浓度具有较高的模拟精度,第一至第四季度的相对误差分别为10.2%、7.0%、9.3%和8.6%。     

基于OMI/OMPS中国季风区大气边界层SO2时空格局分析

为研究季风对大气边界层 SO₂变化的影响,利用2005~2014年OMI SO₂、2015~2017年OMPS NMSO₂遥感数据,选取中国季风区为研究对象,分析大气边界层SO₂时空分布特征,并选取4座典型城市,通过相关性分析和HYSPLIT后向轨迹模拟。结果表明：中国季风区PBL SO₂空间上呈现异质性,冬、夏季风变迁对于季风区大气边界层 SO₂柱浓度变化影响明显;温度和气压是影响大气边界层 SO₂柱浓度的主要气象因子,其次是地域性气象条件;冬季气流对日SO₂柱浓度升高影响较大,四川盆地及来自印度半岛、孟加拉湾的西南气流对重庆市SO₂柱浓度升高效果显著,银川市SO₂受蒙古高原偏北气流及天山北部西北气流影响,天津市和杭州市受华北平原及蒙古高原地区气流的作用。     

1982~2015年海南岛NDVI时空变化及气候驱动力分析北大核心CSCD

为了揭示海南岛植被覆盖长期变化趋势以及进一步确定影响海南岛植被变化的主要气候驱动因子,为海南岛植被应对气候变化以及植被的良性发展提供科学指导。基于GIMMS NDVI数据,采用趋势分析法,探究1982~2015年海南岛植被的时空变化趋势;利用偏相关分析和主成分回归分析研究34 a里温度、降水和太阳辐射对海南岛植被变化的影响。研究表明:(1)空间上海南岛植被在北部和沿海地区呈明显增加趋势,而三亚及周边地区存在多处植被退化区域;(2)时间上海南岛植被整体以缓慢增长为主,增速为0.019/10 a,年际变化明显;(3)温度和太阳辐射显著主导海南岛88%地区的植被生长,其驱动因子存在如下关系:太阳辐射作用>温度作用>降水的驱动作用;(4)温度主导海南岛北部及西部地区植被的生长,太阳辐射主导驱动岛屿南部的植被生长,而降水是岛屿中部植被的主导气候驱动因子。综上所述,海南岛植被总体呈现良性发展的趋势,温度和太阳辐射是促进植被生长的主要气候因子。     

2001~2011年中国农田最大光能利用率参数时空变化特征

基于遥感数据的光能利用率模型被广泛应用于计算陆地生态系统的生产力,其结果对最大光能利用率(ε max)参数非常敏感。利用农业产量统计数据、MODIS遥感数据、气象观测数据和植被光合模型(VPM)推算2001~2011年全国各省逐年的农田平均ε max,并分析其时空变化特征及其影响因素。研究结果表明:2001~2011年全国31个省的农田ε max的变化范围为0.57~2.20 g C·MJ-1,呈现出东部和中部较高、西北和西南较低的分布特征。大部分省份农田ε max呈现上升趋势,但在2001~2007年存在年际波动,2008年后ε max呈相对稳定增长趋势。各省农田ε max的年际波动幅度呈现北高南低、东高西低的分布特征。大部分省份农田ε max的年际变化与单位耕地面积农用化肥施用量存在显著的正相关性(P<0.05);C4作物面积比例变化也是导致农田ε max变化的原因之一。在利用光能利用率模型计算农田生产力时,需要发展考虑ε max 时空变化的参数化方案。
     

基于OMI数据的兰州及附近地区大气边界层SO2量值变化初步分析

环境遥感是遥感技术应用的重要领域。随着高光谱遥感技术和定量遥感理论的发展,利用OMI、MODIS等数据开展大气SO²分布的研究得到关注。OMI是新一代大气成分探测传感器,其痕量数据产品OMSO²在反演大气SO²量值中有较好的效果。选取2005年2、5、8、11月及2005~2008年各年2月每日的OMI Level-2痕量数据,采用遥感和GIS方法,对兰州及附近地区大气边界层SO²空间分布、季节变化和冬季年际变化进行了分析。结果表明:研究区内SO²量值呈离散面状分布,兰州-白银、金昌是两个明显的高值区;冬季SO²量值明显高于其他季节,年际变化波动比较明显。研究表明,利用OMI Level\|2痕量数据产品,能够对较大尺度范围人类活动排放SO²状况进行检测和评估。     

基于Sentinel-2的海南耕地复种指数监测及时空变化分析

海南是发展热带特色高效农业的黄金宝地,开展高时空分辨率耕地复种指数遥感监测与时空变化分析对海南农业生产管理具有重要意义。基于Sentinel-2数据,利用最大值合成法和Savitzky-Golay滤波对NDVI时间序列曲线作平滑重构,结合二次差分法计算2016—2020年海南耕地复种指数,分析海南省耕地复种指数的时空演变特征。结果表明：通过2020年地面调查数据验证,海南耕地复种指数提取总体精度达91.94%,Kappa系数为0.88。海南省耕地复种指数从2016年1.53提升到2020年1.66,提高了0.13。从2016年到2020年单季种植面积占比增加了6.10%,两季种植面积占比减少了2.65%,三季种植面积占比增加了5.10%,休耕或抛荒耕地面积占比减少了5.60%。海南省各市县耕地复种指数在1.28—1.96区间内,其中海口市、三亚市、东方市、临高县等地区耕地复种指数上升,而琼海市、万宁市、琼中县等地区耕地复种指数下降。研究结果可为海南农业部门合理调整休耕、开垦方案等政策,实施热带高效农业可持续发展战略提供数据和决策支撑。     

2000—2018年黄河上中游地区蒸散发年际时空变化及其影响因素分析

黄河流域水资源匮乏且生态系统脆弱,明晰气候与下垫面变化对蒸散发（ET）时空变化的影响机制对于未来黄河流域水资源优化配置与生态建设规划均具有重要意义。基于实测降雨、径流量和GRACE产品数据,利用线性加权融合方法对5种全球ET产品进行融合。利用去趋势法、多元线性回归、全微分和残差法定量计算ET对降雨（Pre）、温度（Temp）、日照时数（SD）、饱和水汽压差（VPD）、风速（WS）和植被叶面积指数（LAI）的敏感性系数,定量分析了各气象要素、植被和其他要素（微地形变化和农业灌溉等）对ET变化趋势的贡献作用。结果表明：(1)与验证精度最高的GLDAS＿CLSM相比,融合ET均方根误差和平均相对误差分别减小12.8 mm和2.2%。2000—2018年黄河上中游ET净增长率为3.82 mm/a,头道拐—龙门区间ET增长率最大（6 mm/a）。(2)植被LAI显著增加导致上中游区ET趋势增加2.49 mm/a。各气象要素的变化趋势与ET对其敏感性系数的空间异质性共同决定了气象要素对ET的影响作用空间分布,5个气象要素对ET总体趋势的净影响量均为正值,其中温度影响作用最大（0.33 mm/a）。...     

Assessment of NO2 satellite observations for en-route aircraft emissions detection

In this work we examine the possibility of using satellite remote sensors for the detection of air traffic emissions produced during the en-route segment of flight in the Upper Troposphere/Lower Stratosphere region (8000-12,000 m). NO₂ has been considered as the tracer of aircraft plumes with highest possibility of being successfully detected from space. An analysis of the technical potential of the current orbital sensors capable of measuring NO₂ in the proximity of the tropopause has been conducted. In order to estimate an upper bound for the NO₂ column related to aircraft emissions, the Canary Islands Corridor has been selected for conducting a simple emission calculation exercise based on real air traffic and operational data, assuming an ideal atmospheric scenario. The results obtained in this approximation have been compared to the actual information retrieved from space sensors. An in-depth inspection of the NO₂ column data for two particular areas (Canary Islands Corridor and North Atlantic Flight Corridor) obtained in recent years by SCIAMACHY and OMI has also been carried out.The general conclusions of this viability study are not optimistic. The estimated maximum NO₂ column value attributable to aircraft emissions at cruise altitudes were lower than the detection limits associated with SCIAMACHY and OMI for NO₂ column measurements. As a result, detecting and quantifying the actual NO₂ levels in aircraft corridors by space remote sensing is a very challenging task.