武汉市植被物候变化规律及影响因素分析

植被物候作为植被生长响应气候变化的指示器,对于研究气候变化以及城市化进程具有重要意义.城市内部植被通常分布破碎,因此公里级的低分辨率遥感影像难以实现植被的精细识别与分析,而十米级空间分辨率的遥感数据在时间分辨率方面又难以满足物候分析的要求.为此,该文基于遥感数据时空融合技术,缓解高时间分辨率与高空间分辨率之间的矛盾,进行城市植被物候变化规律的分析.基于非局部滤波融合方法,生成武汉市空间分辨率30 m、时间分辨率8 d的地表反射率及EVI(增强型植被指数)序列,进一步采用移动加权谐波分析方法对EVI序列进行重建,并通过动态阈值方法提取2006年～2014年武汉市植被物候信息.实验结果表明：1) 武汉市植被由中心向郊区呈现生长期开始时间(SOS)逐渐推迟、结束时间(EOS)逐渐提前、生长期长度(LOS)逐渐延长的空间分布规律,且整体呈现出SOS提前、EOS推迟、LOS延长的时间变化趋势;2) 植被物候和平均气温相关性并不显著,但EOS和LOS受气温年平均日较差影响显著,气温年平均日较差每增加1℃,EOS推迟约12 d,LOS延长约16 d,降水主要影响SOS和LOS,平均降水量每升高100 mm,SOS提前约5 d,LOS延长约9 d.     

基于高斯过程算法的日尺度IMERG降水数据与站点数据的融合研究——以湖北省为例

该文针对卫星降水数据空间分辨率较低的问题,以湖北省为研究区域,考虑经纬度、DEM、亮温数据、IMERG插值数据等辅助变量,融合2016年7月19日IMERG日分辨率卫星降水数据与气象站点数据资料.该文提出了点面融合方法和站点偏差校正估计两个融合方案,并选择了自适应样条多元回归、随机森林、高斯过程回归三种算法.结果表明,点面融合方法优于站点偏差校正估计方法,且高斯过程回归的融合结果优于其他两种算法.基于高斯过程方法的融合结果呈现合理的变化细节,符合降水的空间分布变化模式.融合结果的空间分辨率从约0.1°(约10 km)提高到1 km,且精度相对于原始的IMERG数据得到了较大的提升,该研究对高时间分辨率的多源降水数据的融合具有一定的意义.