基于MODIS和AMSR-E遥感数据的土壤水分降尺度研究

微波传感器获得的土壤水分产品空间分辨率一般都很粗,而流域尺度上的研究需要中高分辨率的土壤水分数据。用MODIS逐日地表温度产品MOD11A1和逐日地表反射率产品MOD09GA构建温度-植被指数特征空间,并计算得到TVDI(Temperature Vegetation Dryness Index)指数,它与土壤水分呈负相关关系,能够反映土壤水分的空间分布模式,但并不是真实的土壤水分值。在AMSR-E像元尺度上求得TVDI与土壤水分的负相关系数,进而对VUA AMSR-E土壤水分产品进行降尺度计算得到0.01°分辨率的真实土壤水分值。经NAFE06(The National Airborne Field Experiment 2006)试验地面采样数据验证,降尺度后的土壤水分均方根误差平均值为6.1%。     

基于宇宙射线观测的喀斯特槽谷区典型流域土壤水分反演研究

宇宙射线中子法是一种百米尺度的土壤水分无损测量方法。基于重庆市青木关槽谷区多个站点的多层土壤水分观测数据,针对宇宙射线土壤水分观测系统（COSMOS）同步测得的中子序列开展了土壤含水量反演研究。在反演算法研究过程中,引入S-G滤波对COSMOS快中子数进行平滑,分析了植被含水量的影响,探索和优化了算法率定和验证阶段不同的数据筛选方案。结果表明：该区域植被含水量对COSMOS反演结果影响较小,且考虑全时段土壤水分水平下发展的算法能得到与实测区域平均更为一致的土壤水分序列。最后应用该反演算法进一步生成了COSMOS观测时段的长时间序列土壤水分产品,并与周边相邻土壤水分观测进行间接验证,揭示了该区域的土壤水分季节变化特征。该研究发展的COSMOS土壤水分反演算法在该区域展现了较强的适用性,可为重庆市青木关喀斯特槽谷区典型流域的区域尺度土壤水分观测与水文气象分析提供支持。     

利用多时相ASAR数据反演黑河流域中游地表土壤水分

土壤水分是地表能、水循环过程中的重要变量之一,利用主动微波遥感,特别是合成孔径雷达（SAR）进行土壤水分的反演已经越来越受到人们的关注。地表与微波相互作用机理非常复杂,受到粗糙度的强烈影响,成为制约土壤水分准确反演的一个重要因素。利用3景时序接近的ASAR影像对黑河中游临泽草地试验区地表参数进行了多通道的反演,获得了像元尺度上的粗糙度分布状况,从而不需要借助粗糙度的地面测量辅助信息,节省了工作量。土壤水分反演取得了较为满意的结果（均方根误差< 6%）。      

应用叶绿素荧光估算植被总初级生产力研究进展

日光诱导叶绿素荧光作为光能在叶片上光合作用的伴生产物，包含丰富的光合信息，被认为是可以表征植物光合作用的快速、无损“指示器”。叶绿素荧光在研究植物胁迫、病虫害监测、估算植被总初级生产力（Gross Primary Production， GPP）等方面发挥着独特的作用。陆地植被GPP是研究全球气候、碳循环变化、全球生态系统等的重要内容。准确、及时地掌握GPP的时空分布特征，有利于深入理解生物圈与大气圈之间的相互作用，可为开展减缓全球气候变化的生态过程管理提出相应建议和对策。相比于植被指数，叶绿素荧光对植被光合作用的敏感程度更高，已被证实可以更直接有效地监测GPP，显著优于传统的GPP估算方法。深入探讨了叶绿素荧光在遥感估算GPP领域的基本原理、方法、不确定性以及最新进展，并对其面临的挑战和未来趋势进行了分析。     

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。     

Google Earth Engine在地球科学与环境科学中的应用研究进展

21世纪以来,随着全球信息化与工业化的高度集成发展,出现了物联网与云计算,人类进入大数据时代。在地学、环境科学及相关学科领域,海量地理、遥感及社会经济等数据产生,在本地平台存储、管理以及分析数据的传统方式已经较难满足当前需求。Google Earth Engine(GEE)云平台由Google云基建提供,是一个对海量地球科学数据集(尤其是遥感影像数据)进行全球尺度在线处理分析和可视化的云计算平台,它利用谷歌强大的计算能力,可以分析处理多种环境与社会问题,如气候变化、植被退化、粮食安全和水资源短缺等。首先对GEE云平台进行介绍,综述了近年来应用GEE云平台所做的相关研究,然后应用该平台及MODIS土地覆盖类型数据,研究了2002~2013年三峡库区主要土地覆盖类型的时空变化规律。结果表明:以林地、灌丛草地以及耕地变化最为明显。最后,经粗略统计得出GEE云平台无论在成本还是效益方面,其综合效率提升90%以上。GEE云平台不仅可以为地学及遥感领域专家提供强有力的支持,也能为相关学科领域人员进行科学研究提供帮助,是一个高效的科研工具。