共查询到19条相似文献，搜索用时 109 毫秒
1.
《地理与地理信息科学》2017,(2)
气温(Ta)是描述陆地气候环境的一个重要参数,其异常变化直接影响人类的生存环境,因此如何高精度地估算气温成为当前研究的热点。MODIS数据因其分辨率较低不能提供精细的地表信息,为此,本文以更高分辨率的Landsat8影像为数据源,结合自动气象站的气温数据,耦合经纬度、归一化植被指数、归一化建筑指数和改进的归一化水体指数等多种因子,建立了多窗口线性回归模型(Multi-Window Linear Regression Model,MWLR)。最后以浙江北部为研究区,使用MWLR模型对该地区冬季气温进行了估算,模型预测的RMSE在1.458~1.551℃之间,R~2在0.835~0.842之间,当窗口大小为3×3时取最优精度(RMSE=1.458℃,R~2=0.835),优于一般的空间内插方法。研究结果验证了利用MWLR模型和Landsat8影像进行气温估算的有效性,并提供了一种基于遥感数据在局部地区开展高精度和高分辨率气温估算的模型。 相似文献
2.
基于MODIS数据的青藏高原气温与增温效应估算 总被引：12，自引：2，他引：10
利用2001-2007 年MODIS地表温度数据、137 个气象观测台站数据和ASTERGDEM数据, 采用普通线性回归分析方法(OLS)及地理加权回归分析方法(GWR), 研究了高原月均地表温度与气温的相关关系, 最终选择精度较高的GWR分析方法, 建立了高原气温与地表温度、海拔高度的回归模型。各月气温GWR回归模型的决定系数(Adjusted R2) 都达到了0.91 以上(0.91~0.95), 标准误差(RMSE) 介于1.16~1.58℃;约70%以上的台站各月残差介于-1.5~1.5℃之间, 80%以上的台站的残差介于-2~2℃之间。根据该模型, 估算了青藏高原气温, 并在此基础上, 将高原及周边地区7 月份月均气温转换到4500 m和5000 m海拔高度上, 对比分析高原内部相对于外围地区的增温效应。研究结果表明:(1) 利用GWR方法, 结合地面台站的观测数据和MODIS Ts、DEM等, 对高原气温估算的精度高于以往普通回归分析模型估算的精度(RMSE=2~3℃), 精度可以提高到1.58℃;(2) 高原夏半年海拔5000 m左右的高山区气温能达到0℃以上, 尤其是7 月份, 海拔4000~5500 m的高山区的气温仍能达到10℃左右, 为山地森林的发育提供了温度条件, 使高原成为北半球林线分布最高的地方;(3) 高原的增温效应非常突出, 初步估算, 在相同的海拔高度上高原内部气温要比外围地区高6~10℃。 相似文献
3.
干旱荒漠区沙土凝结水与微气象因子关系 总被引：2，自引：1，他引：1
凝结水作为干旱区降雨以外的主要水分补给,具有重要的生态水文意义。目前,凝结水研究已成为干旱区生态水文学研究的一个重要组分\.通过定位观测,对凝结水的形成机理、形成量和影响因子已有了初步的认识\.但是受土壤水分、风速和下垫面性质的影响,凝结水量与微气象因子的关系复杂,导致凝结水模拟估算存在诸多困难。本文通过控制试验,在排除土壤水分、风速和下垫面对凝结水形成过程影响的条件下,开展观测,建立凝结水形成速率与近地层微气象因子之间的多元回归方程,旨在为凝结水模型构建提供参考。结果显示:凝结水形成速率与空气相对湿度呈波尔兹曼函数关系,与气温和地表温度均呈显著的线性负相关关系,而与气温和地表温度差、露点温度呈显著的线性正相关关系。多元回归分析显示,沙土凝结水主要受近地层空气相对湿度、气温和地表温度的控制,表明在凝结水模型构建中应重点考虑这3个微气象因子的影响。 相似文献
4.
空气温度是一个非常重要的气候变量,通常由气象台站观测获得。对其时空特征的精确估算是很多模型的基础,但是由于台站分布密度的不均和研究区复杂的地形,往往使其空间化的结果较差。目前,随着遥感技术的发展,使用热红外遥感数据估算的地表温度,结合地面观测数据,建立回归模型可以提高区域空气温度估算的精度。由于云和其它大气因素会影响遥感反演的地表温度数据结果,因此本研究本文将2001-2010年的LST历史数据作为先验知识,用以建立LST背景库,并提出了基于LST背景库的Savitzky-Golay(SG)滤波算法来实现LST时间序列数据的重建工作。将重建后的LST与研究区12个气象站空气温度数据进行了时序分析和回归分析,结果表明在月尺度合成序列上LST-TA的一致性较好,且具有非常好的线性相关关系,80%的台站的决定系数高于0.5。通过对比分析发现,加入植被指数(NDVI)的各月空气温度回归模型比直接用LST建立的回归模型精度更高。因此,本研究使用LST-NDVI模型对澜沧江流域2010年12个月份的空气温度进行空间化制图,并分析了其年内时空格局特征。 相似文献
5.
青藏高原气温空间分布规律及其生态意义 总被引：6，自引：1，他引：5
作为世界第三极的青藏高原,其巨大的块体产生了显著的夏季增温作用,对亚洲乃至全球气候都具有重大影响。但由于高原自然条件严酷,山区气象观测台站很少,气象资料极度匮乏;如果依靠台站数据进行空间插值获得高原气温的空间分布数据,会由于插值点过少而产生较大误差并可能掩盖一些空间信息,因而难以全面反映高原气温的空间分布规律。利用基于MODIS地表温度数据估算的青藏高原气温数据,详细分析各月气温及重要等温线的空间分布格局,并结合林线和雪线数据,初步探讨了高原气温空间分布格局对高原地理生态格局的重要影响。研究表明：① 等温线的海拔高度自高原东北部、东部边缘向内部逐渐升高,等温线在高原内部比东部边缘高500~2000 m,表明相同海拔高度上气温自边缘向高原内部逐渐升高。② 高原西北部的羌塘高原、可可西里为高原的寒冷区,全年有7个月的气温低于0 ℃,3~4个月的气温低于-10 ℃;青藏高原南部（喜马拉雅山北坡—冈底斯山南坡）和中部（冈底斯山北坡—唐古拉山南坡）是高原的温暖区,全年有5个月的气温能达到5~10 ℃,有3个月的气温能超过10 ℃,尤其是拉萨—林芝—左贡一带在3500~4000 m以下的地区最冷月均温也能高于0 ℃。③ 北半球最高雪线和林线分别分布于高原的西南部和东南部,表明高原气温空间分布特征对本地的地理生态格局具有重要影响。 相似文献
6.
空气动力学粗糙度是衡量地球表面与大气之间动量和能量交换的重要参数,对于研究各种地表过程和气候变化至关重要。遥感技术作为远距离监测手段,研究空气动力学粗糙度时其优势在于高时效、高经济效益,能实现区域或大空间尺度的动态监测,因此利用遥感技术估算空气动力学粗糙度成为热点问题。通过系统阐述近年来国内外空气动力粗糙度研究进展,重点介绍了利用遥感技术估算植被下垫面空气动力学粗糙度的方法,对各种估算方法的优势和不足进行了总结,分析了气象因素和地表粗糙元形态特征因素对空气动力学粗糙度的影响,进而对遥感技术在该领域的应用做出展望,旨在为空气动力学粗糙度遥感监测的研究提供思路。 相似文献
7.
8.
本文中的地区蒸发定义为一个很大区域的蒸散,满足这种区域条件是其蒸散对过境空气的温湿状况发生影响。可能蒸发有许多定义,这里所用的是科科勒和帕米利对彭曼公式进行修正后,根据气候观测资料估算的蒸发,即E_p=DR_A+(1-D)f_A(V-V_D)(1)式中,E_P-可能蒸发,R_A-地面温度为气温时的净辐射,f_A-水汽传输系数,V和V_D分别为气温和露地温度时的饱和水汽压,D=(1+λ/△)~(-1),△-饱和水汽压相对于气温的变 相似文献
9.
准确获取青藏高原地表反照率的季节变化特征对高原地表能水循环研究具有重要意义。本文利用青藏高原多年冻土区西大滩和唐古拉2007年的气象及辐射数据,运用相关分析方法研究了太阳高度角、积雪及活动层冻融过程对地表反照率变化的影响。结果显示:冷暖季降雪过程中地表反照率的变化差异较明显;地表无积雪覆盖期间,地表反照率与气温和表层土壤含水量呈反相关关系。利用多元回归分析法构建了以积雪日数和气温为影响因子的月均地表反照率计算回归方程,经检验与观测值对比平均相对误差为7.1%,可用于青藏高原北部地表反照率的估算。 相似文献
10.
气温变化对人群健康有重要的影响。通过对美国县区人口加权的月平均温度的准确估计可以用于气温与人群健康行为以及疾病的关联关系研究,如基于以县区为单位的抽样或者报告数据。针对气温的估计,多数学者都采用ArcGIS软件,很少使用SAS这一统计软件。本文比较了两种地统计模型的性能,并在同一个CITGO平台上采用ArcGIS9.3和SAS9.2工具软件估算全美48个州县区月平均温度。来自全美5435个气温监测站点2007年1-12月的平均温度和站点的海拔高度被用于估算县区人口中心点的温度,其中海拔数据是作为协变量。通过调整决定系数R2、均方误差、均方根误差和处理时间等指标来比较模型的效能。在ArcGIS中独立验证预测准确性在11个月中都达到90%以上,SAS中12个月均达到90%以上。与ArcGIS协同克里格相比,SAS协同克里格插值能获得更高的准确性和较低的偏差。两个软件包对于县区水平的气温估计值呈现正相关(调整R2在0.95-0.99之间);通过引入海拔高度作为协变量,使准确性和精确性都得以改善。两种方法对于美国县区层面的气温估计都是可靠的,但ArcGIS在空间数据前期处理和处理时间上的优势,尤其在涉及多年或者多个州的项目中是软件选择上的重要考虑。 相似文献
11.
MODIS-based estimation of air temperature of the Tibetan Plateau 总被引：1，自引：0，他引：1
The immense and towering Tibetan Plateau acts as a heating source and, thus, deeply shapes the climate of the Eurasian continent and even the whole world. However, due to the scarcity of meteorological observation stations and very limited climatic data, little is quantitatively known about the heating effect and temperature pattern of the Tibetan Plateau. This paper collected time series of MODIS land surface temperature （LST） data, together with meteorological data of 137 stations and ASTER GDEM data for 2001-2007, to estimate and map the spatial distribution of monthly mean air temperatures in the Tibetan Plateau and its neighboring areas. Time series analysis and both ordinary linear regression （OLS） and geographical weighted regression （GWR） of monthly mean air temperature （Ta） with monthly mean land surface temperature （Ts） were conducted. Regression analysis shows that recorded Ta is rather closely related to Ts, and that the GWR estimation with MODIS Ts and altitude as independent variables, has a much better result with adjusted R 2 〉 0.91 and RMSE = 1.13-1.53℃ than OLS estimation. For more than 80% of the stations, the Ta thus retrieved from Ts has residuals lower than 2℃. Analysis of the spatio-temporal pattern of retrieved Ta data showed that the mean temperature in July （the warmest month） at altitudes of 4500 m can reach 10℃. This may help explain why the highest timberline in the Northern Hemisphere is on the Tibetan Plateau. 相似文献
12.
Climatic conditions are difficult to obtain in high mountain regions due to few meteorological stations and, if any, their poorly representative location designed for convenient operation. Fortunately, it has been shown that remote sensing data could be used to estimate near-surface air temperature (Ta) and other climatic conditions. This paper makes use of recorded meteorological data and MODIS data on land surface temperature (Ts) to estimate monthly mean air temperatures in the southeastern Tibetan Plateau and its neighboring areas. A total of 72 weather stations and 84 MODIS images for seven years (2001 to 2007) are used for analysis. Regression analysis and spatio-temporal analysis of monthly mean Ts vs. monthly mean Ta are carried out, showing that recorded Ta is closely related to MODIS Ts in the study region. The regression analysis of monthly mean Ts vs. Ta for every month of all stations shows that monthly mean Ts can be rather accurately used to estimate monthly mean Ta (R2 ranging from 0.62 to 0.90 and standard error between 2.25℃ and 3.23℃). Thirdly, the retrieved monthly mean Ta for the whole study area varies between 1.62℃ (in January, the coldest month) and 17.29 ℃ (in July, the warmest month), and for the warm season (May-September), it is from 13.1℃ to 17.29℃. Finally, the elevation of isotherms is higher in the central mountain ranges than in the outer margins; the 0℃ isotherm occurs at elevation of about 4500±500 m in October, dropping to 3500±500 m in January, and ascending back to 4500±500 m in May next year. This clearly shows that MODIS Ts data combining with observed data could be used to rather accurately estimate air temperature in mountain regions. 相似文献
13.
Air temperature is an important climatological variable and is usually measured in meteorological stations. Accurate mapping of its spatial and temporal distribution is of great interest for various scientific disciplines, but low station density and complexity of the terrain usually lead to significant errors and unrepresentative spatial patterns over large areas. Fortunately the current studies have shown that the regression models can help overcome the problem with the help of time series remote sensing data. However, noise induced by cloud contamination and other atmospheric disturbances variability impedes the application of LST data. An improved Savizky-Golay (SG) algorithm based on the LST background library is used in this paper to reconstruct MODIS LST product. Data statistical analysis included 12 meteorological stations and 120 reconstructed MODIS LST images of the period from 2001 to 2010. The coeffificient of correlations (R2) for 80% of the stations was higher than 0.5 (below 0.5 for only 2 stations) which illustrated that there is a considerably close agreement between monthly mean TA (air temperature) and the reconstructed LST in the Lancang River basin. Comparing to the regression model for every month with only LST data, the regression model with LST and NDVI had higher R2 and RMSE. Finally, the LST-NDVI regression method was applied as an estimate model to produce distributed maps of air temperature with month intervals and 1 km spatial in the Lancang River basin of 2010. 相似文献
14.
针对地基GPS反演水汽空间不连续以及MODIS近红外水汽产品精度不足的问题,利用2010年香港地区地基GPS水汽数据和MODIS近红外水汽数据,提出了一种基于地基GPS订正MODIS水汽产品继而得到高精度空间连续分布可降水汽的方法。通过比较3种干延迟模型,选取最适合香港地区的Hopfield模型并利用高精度软件GAMIT解算GPS水汽,建立GPS水汽与MODIS水汽之间的线性模型,以实现对MODIS近红外水汽产品的逐月订正。结果表明,经过订正的MODIS水汽产品在各月的MRE、RMSE、PBIAS均有所改善,该方法能够有效融合地基GPS和MODIS的优点,可以得到连续区域的高精度水汽数据,这对天气预报、气候监测等有重要意义。 相似文献
15.
利用2001—2014年MOD16蒸散产品数据、MOD13植被[WTBX]NDVI[WTBZ]数据以及常规气象资料,基于植被指数、地表净辐射、气温优化改进混合型线性双源遥感蒸散模型,拟合地表蒸散分析实际蒸散（ET）、潜在蒸散（PET）时空动态变化特征,结合气象站实测蒸发皿数据验证MOD16数据在绿洲地区的适用性。进一步定义蒸散干旱指数（EDI）并计算△EDI进行研究区干旱特征分析,为大面积特殊地形蒸散估算研究和干旱监测提供一定依据。结果表明：（1） MOD16产品数据与研究区实测蒸发皿数据的相关性很好,通过0.01显著性检验,基于MOD16数据估算南疆绿洲地区蒸散量检验可行。（2） 2001—2014年均蒸散量总体变化不大,四季差异明显,ET与PET空间变化趋势相反;ET、PET年均差值较大,绿洲地区地表缺水情况严重。（3） EDI指数绿洲地区年均值总体偏大,△EDI对旱情的反映和干旱程度的判断比较可靠。 相似文献
16.
根据辽河三角洲19个气象台站1961~2010年气象观测资料,采用Penman-Monteith参考蒸散发计算方法,分析辽河三角洲半湿润区、半干旱区以及滨海干湿过渡区3个气候亚区参考蒸散发对平均气温、风速、相对湿度和太阳辐射的敏感性及其时空分异。结果表明：在半干旱区,敏感系数由大到小依次是相对湿度、风速、太阳辐射和平均气温;在半湿润区和滨海干湿过渡区,敏感系数由大到小依次是相对湿度、太阳辐射、平均气温和风速。不同气候亚区参考蒸散发对气象因子的敏感系数具有较大的差异和变化趋势。 相似文献
17.
The nutritional quality of grasslands is closely related to recruitment of young and population dynamics of livestock and wild herbivores. However, the response of nutritional quality to climate warming has not been fully understood in the alpine meadow on the Tibetan Plateau, especially in the Northern Tibet. Here, we investigated the effect of experimental warming ( beginning in 2008) on nutritional quality in three alpine meadows (site A: 4313 m, B: 4513 m and C: 4693 m) in the Northern Tibet. Crude protein (CP), neutral detergent fiber (NDF), acid detergent fiber (ADF), crude ash (Ash), ether extract (EE) and water-soluble carbohydrate (WSC) were examined in 2018-2019. Experimental warming only increased the content of CP by 27.25%, ADF by 89.93% and NDF by 41.20%, but it decreased the content of Ash by 57.76% in 2019 at site B. The contents of CP and WSC both increased with soil moisture (SM). The content of CP decreased with vapor pressure deficit (VPD). The combined effect of SM and VPD was greater than air temperature (Ta) in controlling the variations of the CP content, ADF content and nutritional quality. Compared to Ta, VPD explained more of the variation in NDF and Ash content. All of these findings suggest that warming effects on nutritional quality may vary with site and year, and water availability may have a stronger effect on the nutritional quality than temperature in the alpine meadow of the Northern Tibet. 相似文献
18.
基于Modis地表温度的青藏高原东部及其邻近地区气温估算(英文) 总被引：2，自引：1，他引：1
Climatic conditions are difficult to obtain in high mountain regions due to few meteorological stations and, if any, their poorly representative location designed for convenient operation. Fortunately, it has been shown that remote sensing data could be used to estimate near-surface air temperature (Ta) and other climatic conditions. This paper makes use of recorded meteorological data and MODIS data on land surface temperature (Ts) to estimate monthly mean air temperatures in the southeastern Tibetan Plateau and its neighboring areas. A total of 72 weather stations and 84 MODIS images for seven years (2001 to 2007) are used for analysis. Regression analysis and spatio-temporal analysis of monthly mean Ts vs. monthly mean Ta are carried out, showing that recorded Ta is closely related to MODIS Ts in the study region. The regression analysis of monthly mean Ts vs. Ta for every month of all stations shows that monthly mean Ts can be rather accurately used to estimate monthly mean Ta (R2 ranging from 0.62 to 0.90 and standard error between 2.25℃ and 3.23℃). Thirdly, the retrieved monthly mean Ta for the whole study area varies between 1.62℃ (in January, the coldest month) and 17.29℃ (in July, the warmest month), and for the warm season (May-September), it is from 13.1℃ to 17.29℃. Finally, the elevation of isotherms is higher in the central mountain ranges than in the outer margins; the 0℃ isotherm occurs at elevation of about 4500±500 m in October, dropping to 3500±500 m in January, and ascending back to 4500±500 m in May next year. This clearly shows that MODIS Ts data combining with observed data could be used to rather accurately estimate air temperature in mountain regions. 相似文献
19.
基于Modis地表温度的横断山区气温估算及其时空规律分析 总被引：5，自引：1，他引：4
横断山区气象观测站稀少且多分布在河谷之中,气温资料极度匮乏,严重影响山区地理与生态研究。随着遥感技术的发展,热红外遥感数据,结合地面观测数据,可以用来推测山区气温。本文通过对横断山区2001 年-2007 年间64 个气象台站的多年月平均气温数据(Ta) 与Modis地表温度多年月平均值(Ts) 进行了时序分析和回归分析,并取得如下研究结果：(1) Ts 与Ta 具有非常好的线性相关关系,89%的台站的决定系数高于0.5;95%的台站的标准误差都低于3 oC,84.4%的台站标准误差低于2.5 oC;12 个月份的Ts 与Ta 的决定系数R2在0.63~0.90 之间,标准误差在2.22~3.05 oC之间。(2) 研究区内月均气温的变化范围在-2.25~15.64 oC之间;生长季(5-9 月份) 的月均气温变化范围为：10.44~15.64 oC。(3) 等温线的海拔高度自山体外围向内部逐渐升高,与山体效应的增温效应相吻合;0 oC等温线自10 月份从海拔4700±500 m左右逐渐降低,至1月份降至最低点,约在3500±500 m左右,此后,逐渐回升,至次年5 月份再次达到4700±500 m左右,也就是说横断山区5200 m以下的广大山区全年至少有6~12 个月的气温在0 oC以上。研究表明：可以利用Modis月均地表温度结合地面观测台站的数据较精确的估算山区月均气温。 相似文献