利用Sentinel-2卫星遥感数据监测了2016年和2018年发生在西藏阿汝错和色东普沟的冰崩灾害，重现了两次冰崩灾害事件全过程，2022年2月还对阿汝错冰崩区进行了实地调查。结果表明：阿汝错53号冰崩是一起冰川前部断裂解体后发生的冰崩，冰崩体于2018年7月全部消融，而阿汝错50号冰崩是一起典型的冰川前部垮塌产生的冰崩，2021年6月22日仍有冰崩体面积0.58 km2。2017年和2018年4次大规模冰崩—岩崩—碎屑流事件不仅对色东普沟地表地貌形态和沟口水流状况产生了重要影响，对色东普流域造成了重大灾害。西藏东西两次冰崩灾害事件是气候变暖和局地强降水作用在特定的高山冰雪地形地貌结构上发生的。其中，阿汝错冰崩事件是由气候和天气驱动的外力强迫作用在该区多温和软性基岩的冰川特性上引起的，是一起历史罕见的低角度冰川的巨大灾难性不稳定事件。气候变暖引起的冰雪消融和局地强降雨是色东普沟冰崩–岩崩灾害事件发生的主要诱发因素，且呈多发、频发、周期性特点，今后很长的时间内仍会多次发生。
天山地区孕育着大量的跃动型冰川，目前该地区冰川跃动过程及跃动控制机制尚不明确。利用Landsat、Sentinel-1A、TerraSAR-X/TanDEM-X等多源遥感数据获得了中天山穆什科托夫冰川跃动前后的表面特征、流速和高程变化。结果表明：①该冰川主干表面流速从2017年夏末开始增加，在冬季流速达到最大峰值，约为4.4 m d-1，2018年夏末急剧减小；②2000—2012年冰川积蓄区平均增厚9.23±4.62 m，跃动前锋形成，而冰舌部分是以减薄为主；2012—2014年冰舌部分持续减薄，中上游仍以积累为主，增厚约1.23±0.91 m；2014—2018年冰川积蓄区出现明显减薄，最大减薄42.6±1.82 m，接收区高程显著增加，最高隆起75.6±1.82 m。根据冰川表面流速及高程变化特征，确认2017—2018年为该冰川跃动活跃期；结合冰川流动定律，认为穆什科托夫冰川跃动主要受冰下水文控制。根据现有的资料及数据，推断该冰川跃动间隔约为60 a。
海冰是全球气候系统中最为重要的指示因子之一，海冰厚度作为描述海冰变化的重要参数，对研究区域热量调节、气候变化等有重大意义。现有高度计在海冰监测中存在空间分辨率低、观测刈幅窄等弊端，而新型三维成像雷达高度计以小入射角以及短基线干涉测量技术可实现宽刈幅、高精度的海面测量，在海冰监测中有巨大的潜力。从干涉测高原理入手，基于交轨距离分析三维成像雷达高度计的斜距测量误差、基线倾角误差、基线长度误差、干涉相位误差对测高精度的影响，并对上述误差构成的测高总误差进行仿真分析，结合海冰分布图像以及海冰厚度估算原理，探究提高海冰厚度估算精度的因素。实验发现：利用干涉相位与基线倾角的相关性对基线倾角误差进行改正，可提高三维成像雷达高度计在海冰厚度估算的精度，使海冰厚度的估算误差由85.47 cm降至70.23 cm，精度提高17.83%。
冰川运动一定程度上会引发泥石流、滑坡等地质灾害，因此掌握冰川运动过程至关重要。冰川流速揭示冰川运动过程，而已有冰川流速构建方法未考虑冰川流动方向，揭示的冰川运动机制不够精准。选取中天山南依内里切克冰川为对象，基于2018—2020年Sentinel-1A升轨数据，利用像素偏移追踪（Pixel Offset Tracking，POT）技术获得南依内里切克冰川方位向与距离向位移场，引入冰川流动方向构建冰川主流线轴部二维流速，分析冰川运动机制。结果表明：稳定区像元偏移速度远小于冰川主流线轴部二维流速，利用POT技术构建的轴部二维流速模型监测冰川运动过程良好。2018、2019和2020年中天山南依内里切克冰川轴部二维平均流速分别为62.28 cm/d、49.41 cm/d、61.89 cm/d，消融区（冰舌）轴部二维流速随高程的降低呈先缓慢减小后逐渐增大再迅速减小趋势，冰川流速由轴部向两侧边缘递减。随着气温升高，冰川运动速度逐渐增大，气温升高可能是中天山南依内里切克冰川流速加快的主要原因。
对于天基对地观测成像任务，遥感影像中的云量往往决定了数据是否可用。然而云雪光谱特征近似，使得二者较难区分。云雪识别研究的目的是提高数据有效性判断的能力，具有实际应用价值，是遥感数据应用中的重要环节。研究提出一种提高局部特征信息提取能力的小块结构并构建了轻量化卷积神经网络模型作为骨干网络用于区分类云（云、雪、亮地物）与其他地物，通过分形维数与角二阶矩分析云、雪、地物的纹理及灰度特征形成二叉树辅助网络对类云进行精细化识别，网络权重层只有6层（4个卷积层，两个全连接层）。通过对天智1号、SPOT4/5/6、Pleiades等不同几何分辨率的数据进行训练与分析，并与随机森林、SVM、传统方法等进行对比，在云、雪、云雪共存等场景下，该方法能够较好地识别云、雪、（亮）地物，识别准确率达89%。方法适用于全色、多光谱、高光谱等遥感数据云雪识别，同时结构简洁、参数量少。
被动微波雪深反演算法是当前大范围获取青藏高原地表雪深信息的重要途径，但由于缺乏地面雪深观测资料，导致对算法在高原中西部区域的表现认识不足。为了评估当前被动微波雪深反演算法在青藏高原色林错、纳木错地区的适用性，利用AMSR2亮温数据和地面站点雪深数据，以相关系数、偏差和均方根误差作为评价指标，评估了Chang2算法、Che算法、SPD算法、AMSR2算法和Jiang算法等5种算法。结果显示，Jiang算法综合表现最好，在纳木错站R值最高为0.68；Che算法对浅雪反演效果较好，其在班戈站Bias为-0.66 cm；Chang2算法对纳木错站、色林错站深雪反演效果较好，在两地R值分别为0.63、0.50；SPD算法的反演效果最不理想，对雪深高估明显，其中浅雪高估近20 cm；AMSR2算法在区域间的表现差异较大，在纳木错站的反演结果比色林错站、班戈站好。除SPD算法外，其余算法均低估了研究区雪深，与以往研究结果一致。
厘清中国天山积雪物候时空演变特征对冰冻圈气候变化适应、生态文明建设以及固体水资源可持续发展具有重要意义。研究基于2002—2017年MODIS逐日无云积雪面积产品，采用逐像元统计方法计算每个水文年内中国天山积雪持续时间（Snow Cover Duration， SCD）、开始日期（Snow Onset Date， SOD）及结束日期（Snow End Date， SED），并结合气象资料采用趋势分析方法分析了积雪物候时空格局及其对地形和气候变化的响应。结果表明：天山积雪物候的空间格局及变化趋势存在差异性，SCD呈西高东低、北高南低的分布格局，且高海拔地区SOD较早，SED较晚。中部和西部的SOD呈提前趋势，巴音布鲁克大草原的SOD提前趋势较为明显，西南部、北部及东部地区的SOD呈推迟趋势；中部地区的SED呈推迟趋势。海拔5 000 m以下，SCD、SOD及SED随海拔变化的平均梯度分别为4.93 d/100 m、-1.64 d/100 m和2.94 d/100 m，SCD的增长趋势在2 500—3 000 m达到最大，随海拔的升高SCD增长的趋势逐渐缩减，SED对地形变化的响应与SCD基本相似，但海拔对SED的影响较SCD弱。天山秋季增温和变湿是SOD推迟的主要原因，春季增温可促进SED提前，而春季变湿有助于SED推迟。
“闪电河流域水循环和能量平衡遥感综合试验”以滦河上游的闪电河流域为试验区，开展了机载L波段微波辐射计观测。将其获取的机载亮温数据与SMOS、SMAP卫星亮温（L1C）进行对比研究。首先根据观测时间、角度和极化方式制定了机、星数据的选用方案，进而针对二者尺度差异设计了3种空间匹配策略，以数值差（卫星—机载）、相关系数（R）和无偏均方根误差（ubRMSE）作为量化指标，对机载和卫星观测亮温进行差异分析，结果显示：机载亮温与卫星亮温之差随角度变化的特征趋势与理论相符，其可靠性得到了初步验证；3种空间匹配策略下的总平均亮温差显著不同，证实了空间尺度差异与匹配策略对多源数据的验证及对比的量化影响；机载亮温与SMAP亮温的总体差小于与SMOS，反映了探测方式、传感器硬件设计以及空间组织方式的异同。
青藏高原地理位置特殊、环境特征显著，是地球系统作用的关键参与和决策者。利用大尺度的星载微波遥感数据开展其土壤水分研究，不仅能为理解典型地区对全球水、气、能、热交互机制的量化影响提供理论支持，还能够为证实遥感数据的可靠性提供实践依据。以SMOS（2011—2020）和SMAP（2016—2020）卫星土壤水分数据为主，以ISMN实测数据、GPCP降水数据、MOD16A2蒸散发数据、C3S地表类型数据为辅，利用土壤水分（年均值，
土壤水分在陆地和大气的能量交换和水循环中扮演十分重要的作用。以SMOS为代表的微波遥感卫星是目前获取全球土壤水分信息的主要途径，在其反演算法中，亮度温度（亮温）的模拟是求取土壤水分的重要前置环节。以L-MEB模型为核心，利用ISMN环境温、湿实测数据和SoilGrids土壤质地数据，研究关键辅助参量对亮温模拟的影响，以及利用丰富、可靠的实测数据模拟亮温的可行性。结果表明：土壤水分和土壤温度在时间上具有瞬变性，对亮温的模拟产生随机性影响，而砂土和黏土含量在时间上具有稳定性，属于缓变类背景参量，对亮温的模拟产生系统性影响；研究模拟的H和V极化亮温与SMOS模拟亮温的相关系数分别达到0.59、0.65，初步证实了以ISMN实测数据和SoilGrids土壤质地数据作为辅助数据进行亮温模拟可行、有效。
SMAP卫星的二级（L2）土壤水分数据是直接反演结果，能够从模型、算法、参数等多方面体现其对土壤水分反演的综合能力。在这一级别下，SMAP设计了包括L2_SM_P（36 km）、L2_SM_P_E（9 km）和L2_SM_SP（3 km和1 km）在内的多种尺度的土壤水分数据，能满足不同的实验和应用需求。以ISMN地面实测土壤水分数据作为对比参照，以偏差（Bias）、均方根误差（RMSE）、无偏均方根误差（ubRMSE）和相关系数（R）作为分析指标，分析了SMAP L2土壤水分数据和ISMN实测数据间的差异表现。结果显示：在不同静态条件下（气候类型、土壤性质和植被类型），植被对差异的影响最大，土壤性质的影响最小；在不同动态条件下（土壤水分、植被光学厚度和地表温度），植被光学厚度和土壤水分对差异影响较大，地表温度的影响较小；在4种SMAP L2土壤水分数据中，9 km数据与ISMN实测数据的差异最小，其次是36、3、1 km尺度的数据；结合静态条件和动态条件来看，36 km和9 km尺度的数据与ISMN实测数据的差异情况类似，3 km和1 km数据差异情况类似。
土壤水分是水文循环、生态环境、气候变化等研究中的关键参数，获取高分辨率长时间序列的土壤水分信息对农业管理、作物生长监测等具有重要的意义，同时也是研究的难点。基于时间序列（2019年至2020年）的Sentinel-1雷达数据和Sentinel-2光学数据，构建了地表土壤水分的雷达与光学数据协同反演模型，即裸土条件下地表土壤水分的变化检测方法，并利用归一化植被指数对植被影响进行校正，实现了青藏高原多年冻土区（五道梁）100 m空间分辨率的土壤水分反演。与地面实际观测的土壤水分进行对比验证，结果表明土壤水分反演结果与地面实测数据的相关系数介于0.672与0.941之间，无偏均方根误差介于0.031 m3/m3与0.073 m3/m3之间，土壤水分变化与区域降水事件和特征密切相关，验证了本文提出的考虑植被物候的变化检测方法在地势平坦、植被稀疏的青藏高原地区具有极高的适用性。
多种土壤水分产品的综合评估有助于了解产品的特性与差异，对产品的算法改进及合理应用有重要意义。从空间分布，站点评估，土地覆盖类型及干湿分类等多方面对2010—2011年中国北方典型区域遥感土壤水分产品（SMOS_L3、AMSR-E_LPRM、ESACCI v04.5）和模型土壤水分产品（ECMWF_ERA5、GLDAS_Noah v2.1、GLDAS_CLSM v2.2）进行差异性及适用性分析，并从多角度讨论了影响土壤水分产品准确性的可能原因。结果表明：①在年尺度上，各产品均能有效表征西部干旱区土壤水分分布情况。在季节尺度上，ESACCI和3种模型产品夏秋季土壤水分较高且空间分布相似。②在站点评估方面，ERA5产品整体性能最优，平均相关系数R值最高为0.582，无偏均方根误差ubRMSE最低为0.045 m3/m3。模型产品在ubRMSE和R方面均优于遥感产品，能有效刻画站点观测的动态特征，但容易出现干湿偏差。ESACCI产品在遥感产品中准确性最高。AMSR-E与观测值之间的偏差最小（-0.015 m3/m3），但受天气影响其与观测值的相关性较低。SMOS产品受无线频射干扰影响，整体表现一般。③SMOS产品和AMSR-E产品分别对农田和林地最为敏感，其余产品在不同土地类型下土壤水分分布与实际情况基本一致且能较好地反映干湿分布情况。
地形是影响地表微波辐射特征的重要因素之一。通过开展地基微波辐射计观测人工起伏地表的实验，结合改进的山区地表微波辐射模型，研究地形起伏与地表异质性对地表微波辐射亮温的影响，并根据实测数据对微波辐射模型进行了验证。结果表明：地形遮挡效应对地表微波辐射过程的影响与模型中几何光学的假设是一致的；模型模拟效果较好，实测数据与模拟数据随地形的变化趋势一致，考虑地表粗糙度后，实测值与模拟值之间的误差更小；地表异质性与地形起伏耦合使得H极化与V极化不同方位角观测亮温存在明显差异。这些结果为建立山区地表微波辐射亮温的地形校正模型提供了参考。
合理有效的土壤水分观测网能更好地监测土壤水分原位数据，并提供高精度的土壤水分信息。通过对武汉“1+8”城市圈2010—2019年土壤水分的时空变异性进行分析，并叠加现有站点分布情况和土地利用类型数据，对研究区域进行了两次分区，设计了一种基于时空变异性的土壤水分观测网优化布局方法。设计的观测网在已有的24个站点基础上，新增了79个站点，使现有单点控制面积下降到符合国家规范要求的381—792 km2之间，同时单点代表性相较于布设前平均提升了71.57%。该方法遵循了“先分区后布设”的思想，先利用空间相对连续的卫星遥感数据获取区域土壤水分地理规律，再推导地面站网的布局方案，可以为相关站网的优化布设提供一种新的参考。
土壤水分是地—气能量交换和全球水循环的重要参数之一，也是水文、气象、农业等研究中的关键参数。高空间分辨率的土壤水分在探讨区域水文过程、生态环境保护及农业水资源管理等方面具有重要意义。基于Sentinel-1雷达数据发展了青藏高原地区高空间分辨率土壤水分反演算法，并获取了区域尺度空间分辨率为20 m的土壤水分。该算法首先基于地面数据、Sentinel-1雷达数据和MODIS归一化植被指数对水云模型进行了参数优化，其次利用优化后的水云模型构建了模拟数据库，利用人工神经网络算法对模拟数据进行训练，构建了基于神经网络的土壤水分反演算法。为了检验该算法，利用Sentinel-1雷达数据反演了青藏高原站点区域土壤水分值，并使用站点实测土壤水分数据对其进行了验证。结果表明：土壤水分反演值与站点实测值有良好的一致性，其相关系数为0.784—0.82，均方根误差为0.052 m3/ m3—0.064 m3/ m3。土壤水分反演值在时间序列上能够捕捉到土壤水分实测值的变化趋势。该研究可为青藏高原地区高空间分辨率的土壤水分监测提供一定的参考。
地表土壤水分是陆地系统地气能量交换的关键参数，而喀斯特地区地表土壤水分是推动岩溶作用，影响土壤流失，造成喀斯特石漠化的重要因子，准确确定喀斯特地区地表土壤水分的分布及其动态变化对喀斯特地区生态地质环境安全及区域气候变化意义重大。以广西典型喀斯特地貌区为研究对象，利用MODIS地表温度数据和植被指数数据，构建LST-VI特征空间，首先比较不同植被指数（NDVI、EVI、SAVI、FVC）在喀斯特地区的适用性，得出FVC为研究区LST-VI特征空间的最优植被指数因子，而后在归一化的T*-FVC特征空间内分析得出森林、农田和喀斯特山区3种典型的下垫面类型下土壤水分指标M0随时间的运动轨迹和规律，以及其空间分布变化及原因。结果表明：相同的下垫面类型下土壤水分指标M0在T*-FVC特征空间中随时间的运动轨迹和规律相似，说明下垫面类型是影响土壤水分变化的重要因素。空间分布上，广西M0值域分布具有夏季小于冬季，西南部小于东北部，喀斯特地区小于非喀斯特地区的特征，农田M0季节变化较明显。总体上，利用归一化的T*-FVC特征空间实现了喀斯特地区土壤水分的时空动态变化监测。
冬季枯草是遥感监测服务的一个空白领域，通过揭示枯草的独特光谱特征、建立高寒冬季枯草监测技术方法等一系列针对高寒冬季枯草的研究，可推动高寒地区冬季牧草遥感监测新的服务领域与服务时段的发展，为青藏高原生态环境保护与管理提供创新性技术支持。基于2016年8月和11月青藏高原三江源腹地的玉树隆宝自然保护区两次野外观测试验，获取了72个鲜草与枯草样方的地面高光谱实测数据。枯草光谱特征的分析发现，在350—1 350 nm的可见光至近红外波段，枯草反射光谱呈显著的线性分布特征，其反射率自350 nm处的1.5%线性增长至1 350 nm附近约38%。枯草与鲜草光谱存在显著的差异性，枯草完全丧失了绿色植被红光强吸收、绿光强反射的光谱特征，其红光波段反射率约为鲜草的4.9倍，而绿光波段反射率也接近1.4倍，760—1 350 nm近红外波段一致的高反射也不复存在。基于枯草独特的光谱特征，建立了基于MODIS卫星波段5与波段3归一化的枯草指数DGVI（Dead Grass Vegetation Index）。地面样本和卫星数据的验证表明，DGVI可有效识别枯草，其估算值与实测值相关系数达到0.68（P<0.05），且明显优于现有的常用植被指数，可用于冬季高寒枯草的遥感识别与生物量监测。
以天津市中心城区为研究对象，基于丰富的OSM道路网数据、POI大数据在精细化尺度下进行功能区识别：利用OSM道路网数据生成道路空间将天津市中心城区划分成1 960个研究单元，结合权重赋分的POI数据分析其密度分布以及功能区分布特征。研究结果表明：①在城市功能密度分布中，除工业功能在中心城区外围有集中分布以外，其他城市功能的分布都呈现出从中心向外围逐渐分散的特征；②单一功能区中，商业区和公共管理与公共服务区所占比重较大，其他4个单一功能区所占比重较小；③混合功能区中，以商业—公共管理与公共服务为主的混合功能区所占比重最大；④将功能区识别结果与高德地图对比分析，发现识别结果准确性较高。
为探索不同城市建筑形态对地表温度影响的梯度与城市间差异，研究以西安、郑州、济南为研究区，基于Landsat-8 TIRS影像和城市三维建筑数据，通过多元线性回归模型分析了这3个城市中建筑形态对不同季节地表温度在城市整体和梯度尺度上的影响并比较其差异性：①夏季和冬季中地表温度受城市建筑形态影响最大的城市分别为西安（R2=0.414）和济南（R2=0.300）。建筑覆盖率和平均建筑高度分别对3个城市夏季和冬季地表温度影响最大，且分别表现为正向与负向影响。②对建筑覆盖率进行梯度分级后，发现当覆盖率小于20%时，建筑体积密度对3个城市有较强的降温作用；当覆盖率处于20%—40%时，平均建筑高度显著降低3个城市地表温度；当覆盖率处于40%—60%时，天空可视因子对3个城市有一定增温作用；当覆盖率大于60%时，平均建筑高度大幅度降低济南地表温度。③西安、济南、郑州低层建筑的平均地表温度分别为9.5℃、7.7℃、6.1℃，3个城市的地表温度由低层到高层都呈下降趋势，且每个梯度内西安的地表温度均高于郑州和济南。研究结果表明：合理规划城市建筑形态，有利于缓解中心城市地表温度过高的现象。
植被的变化特征是流域生态监测的重要内容和环境保护最为关键的信息。利用MODIS EVI数据产品和Hurst指数，分析2000—2019年湟水流域植被的时空变化趋势及其趋势的延续性。结合气温、降水等气象观测数据，分析湟水流域9个县区植被变化的影响因素。研究结果表明：从2000年至2019年间，湟水流域植被EVI最大值年均增幅为0.0063，受气温、降水、土地利用等因素的不同影响，上、中、下游的不同县区表现出不同的变化特征。对于年EVI最大值，下游的增加趋势均最为显著，河道地区变化剧烈程度更加明显。Hurst指数分析表明这种变化趋势短期内具有一定的延续性。本研究通过监测植被时序变化，揭示了高原流域地区植被监测趋势的重要性，为流域管理和可持续性发展提供了一定的数据支撑和科学依据。
以秦巴山区陕西段为研究区，基于地表水量平衡原理，利用MODIS数据、气象数据、DEM数据、土壤质地数据等资料，模拟2000—2020年水源涵养量，并对近21 a水源涵养量时空动态特征及其影响因素进行分析。结果表明：①秦巴山区水源涵养量主要在-142.84—419.41 mm之间，在空间上呈现出北低南高的分布特点，各市的水源涵养量大小依次为汉中市>安康市>宝鸡市>西安市>商洛市>渭南市；②2000—2020年，秦巴山区水源涵养量主要呈减少趋势，平均减少速率约为13.07 mm/a。其中，减少显著的区域约占区域总面积的48.36%；③水源涵养量的变化与其直接影响因素降水量、蒸散量密切相关，在其间接影响因素中，气温的影响最小。
淅川县作为南水北调中线的渠首及丹江口水库河南部分所在地，分析其水域扩张对当地生态、生产和生活（三生空间）及生态移民的影响对于区域生态保护和发展具有重要意义。研究利用Google Earth Engine遥感大数据云平台，使用1 631景Landsat遥感影像，对丹江口水库在2000—2020年的演化过程进行动态分析，通过构建生态空间分类体系，分析丹江口水库扩张对淅川县生态空间格局演变及生态移民所造成的影响。结果显示：①2000—2020年淅川县生态空间面积波动上升、生产空间面积逐渐减少，生活空间面积持续扩张。②淅川县境内的丹江口水库水域面积在2000—2020年处于波动上升的状态，丹江口水库扩张使淅川县新增淹没面积181.67 km2。③淅川县生态空间的扩张，特别是丹江口水库水体扩张占用了181.67 km2的生产和生活空间，承载土地面积减少，承载人口压力增加，导致淅川县产生16.2万生态移民。
甘公网安备 62010202000685号
