共查询到19条相似文献，搜索用时 187 毫秒
1.
以黄淮海平原为研究区,基于59个气象站点的逐月降水数据,采用相关系数（R）、相对误差（BIAS）和均方根误差（RMSE）对TRMM 3B43降水产品的精度进行系统评估,揭示黄淮海平原降水的时空变化规律。研究表明：① TRMM 3B43产品对研究区内大部分气象站点存在轻微高估现象,总体上TRMM产品和站点数据在黄淮海平原的拟合效果较好,且月尺度的精度较年尺度高;② 1998—2016年黄淮海平原年降水和秋季降水增加明显,其余季节降水呈不同程度的减少趋势;③ 研究区降水在空间上呈从南到北递减的趋势,且南北降水差距较大。研究结果为卫星降水产品在中纬度地区水资源评估、农业生产和洪旱灾害等研究提供一定的参考。 相似文献
2.
青藏高原对全球气候研究具有重要意义,而降水数据对水文、气象和生态等领域的研究也至关重要,且随着研究内容和尺度的变化,对高时空分辨率的历史降水数据的需求越发迫切。本文基于TRMM 3B43降水数据,采用随机森林算法,引入归一化植被指数(AVHRR NDVI)、高程(SRTM DEM)、坡度、坡向、经度、纬度6个地理因子,建立历史降水重建模型,获得1982-1997年分辨率为0.0833°的青藏高原年降水数据,然后根据比例系数法计算出月降水数据。为提高精度,利用站点数据对月降水数据进行校正。结果表明,该方法能简单有效地获得高时空分辨率的历史降水数据,决定系数R2大部分在0.4~0.9之间,平均值为0.6767,其中夏季效果最好,冬季效果最差;均方根误差RMSE和平均绝对误差MAE均在50 mm以下,RMSE均值为22.66 mm,MAE均值为15.97 mm;偏差Bias较小,基本在0.0~0.1之间。 相似文献
3.
叶面积指数（LAI）是生态系统物质和能量循环过程的重要结构参数。研究植被LAI对监测估算生态环境极其脆弱的内陆干旱区具有理论和实践价值。使用LAI-2000植物冠层分析仪观测焉耆盆地植被LAI,并结合Landsat OLI的NDVI、SAVI、NDMI、NBR、NBR2、MSAVI和EVI等植被指数数据建立了LAI的反演模型,探求焉耆盆地LAI的空间分布特征及规律。结果表明：（1）各植被指数与观测的LAI均有明显的相关性。其中,SAVI与LAI的对数函数模型更好地模拟出研究区的LAI（R2=0.84）;通过LAI-SAVI模型反演研究区LAI的空间分布,估算精度可达89%（R2=0.82,RMSE=0.23）;（2）博斯腾湖小湖湿地、博斯腾湖大湖西北端的黄水沟入湖沼泽区以及焉耆盆地北部冲洪积扇平原绿洲区的LAI值较高,达3.85;焉耆盆地山区和平原区之间的过渡带和博斯腾湖南部的沙漠区LAI较低;（3）焉耆盆地LAI以博斯腾湖为中心环状分布,LAI随着研究区域与湖、河流距离的增加而逐渐降低的趋势。 相似文献
4.
基于无人机遥感的高寒草原沙化模型及等级划分 总被引：1，自引：0，他引：1
高寒草原是青藏高原草地生态系统的主要组成，在防风固沙、野生动物保育等方面具有重要作用。近年来，在全球气候变化和人为干扰加剧的背景下，高寒草原沙化加剧，基于时空尺度监测范围及程度是防治高寒草地沙化的前提。以青海三江源区玛多县的高寒草原为研究区，结合大疆“精灵3”和“经纬M100”旋翼无人机和地面调查，探讨基于无人机遥测的植被指数在草地沙化调查方面的适宜性，以此为基础制定了高寒草原沙化模型及等级划分标准。结果显示：（1）通过对VDVI（Visible-Band Difference Vegetation Index）、ENDVI（Enhanced Normalized Difference Vegetation Index）和NGRDI（Normalized Green-Red Difference Index）指数与草地沙化指数GDI（Grassland Desertification Index）的相关分析，选取出高寒草地沙化研究最优植被指数为VDVI（R=0.9055）；（2）GDI与VDVI的关系模型为VDVI=0.3024GDI2-0.0335GDI+0.0119（R2=0.9326）。模型相对误差为1.779%（RMSE=0.165，R2=0.7447），拟合精度较高；（3）基于无人机遥感植被指数的聚类分析，将研究区高寒草原沙化划分为5个等级，即无明显沙化（VDVI>0.2247）、轻度沙化（0.1493 < VDVI < 0.2246）、中度沙化（0.0924 < VDVI < 0.1492）、重度沙化（0.0692 < VDVI < 0.0923）和极度沙化（VDVI<0.0692）。 相似文献
5.
通过植物光学特性测量叶片性状是一种非破坏性的、长期的湿地动态监测方法。选择三江国家级自然保护区多种典型湿地植物为研究对象,探究植物性状与叶片光谱之间的联系。研究表明：叶片氮含量与光谱的模型构建效果最好,模型R2为0.61,均方根误差（RMSE）为2.3862;叶片含水量、叶片磷、可溶性糖、纤维素和木质素含量之和的模型一般,R2在0.38~0.55范围内,RMSE在0.0004~10.7019范围内;淀粉含量拟合效果较差, R2为0.29,RMSE为0.0106。光谱预测重要性的结果表明,可见光与近红外边缘范围内的光谱信息对于叶片含水量、叶片氮含量、叶片磷含量、单位叶面积质量、纤维素和木质素之和、可溶性糖和淀粉的预测具有最高的重要性。 相似文献
6.
CFSR气象数据在流域水文模拟中的适用性评价——以灞河流域为例 总被引：2，自引：0，他引：2
近年来,全球再分析气象数据已经越来越多地被运用到世界各地的水文建模中,但是其模拟的效果有很大差异。为探讨CFSR再分析数据在流域水文模拟中的适用性问题,本文以灞河流域为研究区,使用两种气象数据（传统气象数据和CFSR气象数据）构建SWAT水文模型,并从年和月尺度分别进行灞河流域2001-2012年的径流模拟,利用回归分析、纳什效率系数NSE和百分比偏差PBIAS等评价方法对两种数据的模拟效果进行对比。最后,提出了CFSR气象数据订正的方法。结果表明：① CFSR气象数据在灞河流域水文模拟中有一定的适用性,模拟结果的拟合优度R2>0.50,NSE>0.33,|PBIAS|<14.8,纳什效率系数NSE偏低。尽管CFSR气象数据质量存在一定问题,但是经过降雨数据订正后能够取得比较满意的模拟效果。② CFSR气象数据模拟流量比实测流量偏高,这主要是由于CFSR逐日降水数据估算的降雨天数较多、雨强较大,一般会导致该数据在水量平衡方面能够模拟出较高的基流和洪峰流量（个别年份除外）。③ 灞河流域CFSR降水数据（x）与实测降水数据（y）之间的关系大致可用幂指数方程表达：y = 1.4789x0.8875（R2 = 0.98,P<0.001）,每个CFSR站点的拟合方程略微不同,此方程为CFSR降水数据的订正提供了理论基础。 相似文献
7.
1901-2012年中国西北地区东部多时间尺度干旱特征 总被引：1，自引：0，他引：1
以干旱的多时间尺度特征出发,利用CRU最新数据,计算了考虑降水和气温双因子影响的标准化降水蒸散指数(SPEI),并与标准化降水指数(SPI)进行对比,分析中国西北地区东部1901-2012年不同时间尺度的干旱特征。本文不仅对百年来CRU资料的可靠性进行检验,而且对SPEI在西北地区东部的适应性进行讨论。结果表明:CRU资料可靠性较好,但由于CRU资料本身的属性,1920年以前资料的可靠性不确定。从干旱事件的发生强度及干旱范围分析,SPEI在西北地区东部具有较好的适用性。SPEI与SPI在不同时间尺度下的波动变化一致,短时间尺度主要表现年内或季节特征,长时间尺度则侧重表现年际、年代际特征。将研究区分为高原东北区和陕南区进行分析,1901-2012年高原东北区有4个干期,陕南区有5个干期。针对温度变化对西北地区东部干旱的影响及与SPI对比表明,高温对干旱的贡献不容忽视。 相似文献
8.
以亚热带季风区的典型流域——闽江流域为研究区域,根据Penman-Monteith（P-M）公式和双作物系数法,计算了闽江流域内8个气象观测站点的实际蒸散量,并评估了GLDAS-Noah实际蒸散产品在闽江流域的适用性。在此基础上,基于GLDAS-Noah实际蒸散发数据,解读了2000—2019年闽江流域的实际蒸散量的变化特征。结果表明：① GLDAS-Noah实际蒸散发数据在闽江流域的适用性较好(R2>0.9,NSE>0.8);② 2000年以来闽江流域的实际蒸散发呈增加趋势（3.86 mm/a,P < 0.01）,且存在显著的季节差异,表现为冬季和春季的增加速率要大于夏季和秋季;③ 闽江流域冬季和春季蒸散发增加与气温密切相关,冬季蒸散发与冬季气温呈微弱正相关（ R = 0.27）,春季蒸散发的增加与春季升温密切相关（R = 0.79）。 相似文献
9.
基于印度河流域及周围54个地面气象站气温、降水资料，结合CRU气温和GPCC降水全球格点化陆面再分析资料，通过插值构建了一套0.5°×0.5°分辨率1980—2016年逐月格点数据集。采用Thornthwaite方法计算了潜在蒸散发，基于标准化降水蒸散指数（SPEI），探讨了印度河流域气候变化及干旱演变特征。结果表明：（1）1980—2016年，印度河流域年平均气温以0.30℃·（10 a）-1的速率呈显著上升趋势，21世纪初增温幅度最大；干季（11月~次年4月）升温速率较快，达0.36℃·（10 a）-1，湿季（5~10月）增速0.25℃·（10 a）-1。年降水量呈现少雨—多雨—少雨—多雨年代际振荡。伴随着持续升温，年和各季的潜在蒸发量增加显著。干季干旱频率较多，但湿季干旱强度高，各季干旱频率与降水呈现较一致的年代际波动；干旱的影响面积在干季呈现微弱地增加趋势，湿季却略有减少趋势。（2）空间上，除西北局部，流域其他区域的年和季平均气温、潜在蒸发量增加趋势显著，均达到95%置信水平。其中南部平原和东北山区升温幅度较高，南部平原区潜在蒸发量增加也较大。新德里到喀布尔的东南至西北带状区域的年和湿季降水量，以及喀布尔周围地区的干季降水量呈显著增加趋势。东南平原区和东北局部山区的干季，以及东北和西南局部山区的湿季呈现显著的干旱化态势，需要加强防灾减灾的意识并采取相应措施，以规避干旱增多带来的不利影响。 相似文献
10.
选取Landsat TM影像的光谱反射率（R）、反射率之倒数（1/R）、反射率倒数之对数（lg（1/R））、反射率一阶导数（FDR）、波段深度（D）等5种光谱指标,分别建立了奇台县土壤有机质（SOM）含量的反演模型,并利用F检验来验证模型的显著性。结果表明：用各光谱指标建立的土壤各层和不同深度SOM含量的反演模型精度值由低到高的顺序均为lg（1/R）<R<1/R<FDR<D,以D反演SOM含量的模型效果最好,且对10～20 cm的SOM含量的反演精度最高,适用于对研究区SOM含量的反演,FDR的反演效果次之,1/R和R的模型精度一般,而lg（1/R）的模型精度最差;各层拟合模型的反演精准度由低到高的顺序为50～60 cm <40～50 cm <30～40 cm <20～30 cm <0～10 cm <10～20 cm,不同深度反演模型的优劣为0～60 cm <0～50 cm <0～40 cm <0～30 cm <0～10 cm <0～20 cm。 相似文献
11.
雅鲁藏布江流域不同源降水数据质量对比研究 总被引：2，自引：0，他引：2
本文以雅鲁藏布江流域为研究区,利用13个气象站点的实测降水量数据在年和月尺度上验证了中国地面降水网格数据、CRU(Climatic Research Unit)降水数据和GLDAS(Global Land Data Assimilation System)降水数据的精度,并分析了不同源数据降水量年际变化特征和概率分布特性之间的差异。结果表明：4种不同来源的降水数据均存在一定程度的差异。年尺度和月尺度上中国地面降水网格数据与实测降水量数值最接近;而CRU降水数据和GLDAS降水数据与实测降水量相差较大,在使用时需谨慎。从空间差异性看,年尺度上CRU降水数据在每个站点与实测降水数据的相关性均高于GLDAS降水数据,说明前者的空间一致性较好,但相对误差却比GLDAS降水数据大。从年内变化趋势看,中国地面降水网格数据能较好地反映流域降水月尺度的变化特征,CRU降水数据则在流域大部分地区的汛期时段都存在明显的高估,而GLDAS数据无法反映月降水变化趋势,年内坦化现象十分显著。从年际变化特征看,中国地面降水网格数据能较好地反映实际降水量的年际变化特征,而GLDAS降水数据和CRU降水数据反映的降水量年际变化特征偏小,其中GLDAS数据的坦化现象更严重,会高估低降水值,低估高降水值。从降水概率分布情况来看,3种来源的降水数据均不能反映站点实测的极端降水事件。 相似文献
12.
Precipitation is an important component of global water and energy transport and a major aspect of climate change. Due to the scarcity of meteorological observations, the precipitation climate over Tibet has been insufficiently documented. In this study, the distribution of precipitation during the rainy season over Tibet from 1980 to 2013 is described on monthly to annual time scales with meteorological observations. Furthermore, four precipitation products are compared to observations over Tibet. These datasets include products derived from the Asian Precipitation-Highly-Resolved Observational Data(APHRO), the Global Precipitation Climatology Centre(GPCC), the University of Delaware(UDel), and the China Meteorological Administration(CMA). The error, relative error, standard deviation, root-mean-square error, correlations and trends between these products for the same period are analyzed with in situ precipitation during the rainy season from May to September. The results indicate that these datasets can broadly capture the temporal and spatial precipitation distribution over Tibet. The precipitation gradually increases from northwest to southeast. The spatial precipitation in GPCC and CMA are similar and positively correlated to observations. Areas with the largest deviations are located in southwestern Tibet along the Himalayas. The APHRO product underestimates, while the UDel, GPCC, and CMA datasets overestimates precipitation on the basis of monthly and inter-annual variation. The biases in GPCC and CMA are smaller than those in APHRO and UDel with a mean relative error lower than 10% during the same periods. The linear trend of precipitation indicates that the increase in precipitation has accelerated extensively during the last 30 years in most regions of Tibet. The CMA generally achieves the best performance of these four precipitation products. Data uncertainty in Tibet might be caused by the low density of stations, complex topography between the grid points and stations, and the interpolation methods, which can also produce an obvious difference between the gridded data and observations. 相似文献
13.
近32 a中亚地区气温时空格局分析 总被引：3，自引：0，他引：3
中亚地区生态环境脆弱,生态系统对于气候变化的响应非常敏感,但其气候变化的时空格局并不清楚。该区域气象站点分布稀疏、高精度气象数据缺乏,利用单一数据源研究气候变化具有极大的不确定性。因此,结合站点数据和再分析数据探索中亚五国气候变化时空格局具有重要的研究价值。选取31个气象站点数据（OBS）、CRU气象插值数据和CFSR、ERA-Interim和MERRA三套高精度的再分析数据,对中亚地区1980-2011年的年、四季气温的时空格局变化进行分析。研究结果表明：（1） 近32 a中亚年均气温显著升高,增温速率为0.36～0.47 ℃·（10 a）-1,即过去的近32 a中亚地区平均气温升高1.15～1.50 ℃。（2）四季气温变化中春季的增温速率最快（0.71～0.93 ℃·（10 a）-1）,而冬季气温无显著性的变化。（3）中亚中部、南部、西南部、西部地区显著增温,尤其是在1990s后期至2000s前期经历了显著性地增温过程,而中亚其它地区气温无显著变化。 相似文献
14.
《寒旱区科学》2021,13(3)
Rainfall variability dominates livelihoods in all countries of Saharan Africa. To better understand the processes involved in Sahara precipitation changes, we used the Global Precipitation Climatology Center(GPCC) dataset to examine dry and wet seasonal trends in the Sahara region from 1979 to 2016. We also used the European Centre for Medium-Range Weather Forecasts(ECMWF) to evaluate the general atmospheric circulation associated with seasonal change of Sahara precipitation. The Mann-Kendall test and Theil sens' slope estimator methods were adopted to test and estimate the significance and weight of precipitation trend, respectively. The results revealed that Sahara precipitation has increased significantly.The seasonal evaluation shows a positive trend of 0.42 mm/decade and 1.43 mm/decade in JAS(June, August, and September) seasons for the northern and southern Saharan Desert, respectively. Moreover, the JFMA(January, February,March, and April) period shows a negative trend but not statistically significant. An examination of the general circulation and moisture transport changes suggested an increase of rainfall in southern Sahara. The wet period is also driven by northward penetration of moisture originating from the Sahel region, African Easterly Jet(AEJ), and weakening in the upper tropospheric zonal wind. Summer rainfall has also been likely associated with positive anomalies of sea surface temperature(SST) in the North Tropical Atlantic(NTA) and the Mediterranean Sea. 相似文献
15.
利用CRU月降水资料首先对参与IPCC第五次评估报告（IPCC AR5）的10个CMIP5模式对1951-2005年中亚地区年降水气候平均态、年际变率以及线性趋势等特征参数的模拟能力进行了系统评估,并选取具有较好模拟性能模式的未来预估试验结果作多模式集合平均预估未来50 a（2011-2060年）中亚地区在不同代表性浓度路径下降水量各特征参数的空间分布特征,结果表明：多数模式能够模拟出中亚地区年降水气候平均态、年际变率以及线性趋势的空间分布特征,同时发现中亚地区年降水量在过去50 a整体以轻微增加为主,趋势不显著。根据定量评估结果,从10个模式中选取4个具有较好模拟性能的模式结果做集合平均,同时利用历史回报试验数据进行检验,发现集合平均的模拟结果无论在量级还是高、低值中心的位置和范围与CRU资料非常接近。未来预估结果表明4种排放情景下4模式集合平均的中亚年降水在未来50 a增加较为明显,尤其在中国新疆南部（由低值区转变为高值区）。总体来看,未来50 a中亚降水增加趋势随着RCPs的增加而增加,且降水增加显著的区域随着RCPs的增加而明显增大。 相似文献
16.
2000—2014年甘肃省NDVI时空变化特征 总被引：1，自引：0，他引：1
基于甘肃省2000—2014年MODIS-NDVI遥感数据及气象数据,采用趋势分析法及相关分析法,对甘肃省归一化植被指数(NDVI)的时空变化特征进行研究,探讨了植被变化对区域气候变化的响应。结果表明:近15年,生长季及春、夏、秋季NDVI均呈增加趋势。区域尺度上,夏季NDVI增加趋势最显著,增速为0.071/10a(P<0.01);像元尺度上,生长季NDVI呈增加趋势的面积最大,呈极显著增加(P<0.01)和显著增加(0.01相似文献
17.
利用中亚1979-2011年间162个观测站点月降水数据（OBS）,以平均偏差（MBE）、相关系数（R）、平均绝对误差（MAE）和均方根误差（RMSE）对CFSR、ERA-Interim和MERRA气象再分析降水数据在中亚地区的适用性进行评估。结果表明：（1）3套数据的模拟效果存在明显差异。其中MERRA的模拟精度最高（R=0.71）,ERA-Interim次之（R=0.53）,CFSR最低（R=0.50）;体现出3套数据不同的同化方案和数据源导致模拟效果的不同;（2）降水的年内变化上,3套再分析数据之间具有较好的一致性,但对[OBS]均表现出高估,并且对强降水月份（3,4月）高估幅度最大;（3）3套数据对海拔500～1 000 m地区的降水模拟精度最好,超过1 000 m后,随海拔升高模拟精度下降。以上规律可为3套数据的订正及其在中亚地区气候变化研究中的应用提供科学依据。 相似文献
18.
The vulnerable ecosystem of the arid and semiarid region in Central Asia is sensitive to precipitation variations. Long-term changes of the seasonal precipitation can reveal the evolution rules of the precipitation climate. Therefore, in this study, the changes of the seasonal precipitation over Central Asia have been analyzed during the last century (1901–2013) based on the latest global monthly precipitation dataset Global Precipitation Climatology Centre (GPCC) Full Data Reanalysis Version 7, as well as their relations with El Niño- Southern Oscillation (ENSO). Results show that the precipitation in Central Asia is mainly concentrated in spring and summer seasons, especially in spring. For the whole study period, increasing trends were found in spring and winter, while decreasing trends were detected in summer and fall. Inter-annual signals with 3–7 years multi-periods were derived to explain the dominant components for seasonal precipitation variability. In terms of the dominant spatial pattern, Empirical orthogonal function (EOF) results show that the spatial distribution of EOF-1 mode in summer is different from those of the other seasons during 1901–2013. Moreover, significant ENSO-associated changes in precipitation are evident during the fall, winter, spring, and absent during summer. The lagged associations between ENSO and seasonal precipitation are also obtained in Central Asia. The ENSO-based composite analyses show that these water vapor fluxes of spring, fall and winter precipitation are mainly generated in Indian and North Atlantic Oceans during El Niño. The enhanced westerlies strengthen the western water vapor path for Central Asia, thereby causing a rainy winter. 相似文献
19.
论文对比分析了1980—2016年基于站点插值降水数据CMA(China Meteorological Administration)和APHRODITE(Asian Precipitation-Highly-Resolved Observational Data Integration Towards Evaluation)、卫星遥感降水数据PERSIANN-CDR(Precipitation Estimation from Remotely Sensed Information using Artificial Neural Network-Climate Data Record)和GPM(Global Precipitation Measurement)、大气再分析数据GLDAS(Global Land Data Assimilation System)以及区域气候模式输出数据HAR(High Asia Refined analysis)在雅鲁藏布江7个子流域的降水时空描述,利用国家气象站点数据对各套降水数据进行单点验证,并以这6套降水数据驱动VIC(Variable Infiltration Capacity)大尺度陆面水文模型反向评估了各套降水产品在雅鲁藏布江各子流域径流模拟中的应用潜力。结果表明：① PERSIANN-CDR和GLDAS年均降水量最高(770~790 mm),其次是HAR和GPM(650~660 mm),CMA和APHRODITE年均降水量最低(460~500 mm)。除GPM外,其他降水产品在各子流域都能表现季风流域的降水特征,约70%~90%的年降水量集中在6—9月份。② 除PERSIANN-CDR和GLDAS外,其他降水产品皆捕捉到流域降水自东南向西北递减的空间分布特征。其中,HAR数据空间分辨率最高,表现出更详细的流域内部降水空间分布特征。③ 与对应网格内的国家气象站降水数据对比显示,APHRODITE、GPM和HAR降水整体低估(低估10%~30%),且严重低估的站点主要集中在下游(低估40%~120%)。PERSIANN-CDR和GLDAS整体表现为高估上游流域站点降水(高估28%~60%),但低估下游流域站点降水(低估11%~21%)。④ 在流域径流模拟上,当前的6套降水产品在精度或时段上仍无法满足水文模型模拟的需求。⑤ 通过水文模型反向评估,6套降水产品中区域气候模式输出的HAR在流域平均降水量和季节分配上更合理。 相似文献