利用AMSR-E遥感数据反演地表温度——以2008年广东省春季寒害为例

基于2008年1月25日至2008年2月5日期间的AMSR-E/Aqua L2A微波亮度温度数据,以广东省为研究对象,依据微波极化差异指数（MPDI）、归一化植被指数（NDVI）和比率植被指数（RVI）等3种植被指数,将广东省地表植被覆盖情况分为裸地、草地、灌木林、针叶林和阔叶林等5种类型,利用逐步回归分析方法,建立了基于不同植被覆盖类型的微波亮度温度与地面气象温度多元回归模型。同步地面气象温度数据验证表明,本文建立的基于地表植被覆盖分类的多波段地表温度反演模型,地表温度反演精度基本可达到3.0℃,其中有大约86%的地区地表温度反演精度可以控制在2.5℃以内,为广东省作物寒害预测提供了微波遥感技术支持。     

基于被动微波遥感的2008年广东省春季低温与典型作物寒害研究

以2008年作物寒害为例,基于AMSR\|E亮温和地面气象温度数据构建了广东省气温反演模型,平均误差为2.5 ℃。寒害期间,全省最低气温均小于9 ℃,大部分地区降温幅度在5~15 ℃之间,降温持续天数均在10 d以上。综合最低气温、降温幅度和降温持续天数3个重要因子,构建了广东省寒害指数。结果显示,寒害程度从北部山区向南部沿海平原逐步递减:严重寒害主要发生在北部山区,较严重寒害发生在中部地区,以平行于海岸线的狭长带状形式分布,一般寒害和无寒害区域主要分布在沿海地区。其中,严重和较严重寒害约占省域总面积的40.1%,遭受严重寒害和较严重寒害的典型亚热带作物园地面积占总园地面积的49.61%。     

基于谷歌地球和GPS的物品定位跟踪系统

介绍了基于Google Earth和GPS进行目标物品定位跟踪系统开发的研究背景,借助相关技术进行了目标物品定位跟踪系统的总体构架设计以及功能设计,并选择基于C#语言、ASP.NET技术以及Microsoft Visual Studio 2005开发工具实现了编码开发。进行了实测轨迹实时定位跟踪实验,实验结果表明,基于Google Earth和GPS的目标物品定位跟踪系统能准确的实时定位、跟踪目标物品,达到了预期目的。提出的Google Earth和GPS技术相结合的开发思路,为地图位置服务提供了方法依据。     

基于AMSR-E的微波温度植被干旱指数的应用

以热带常绿阔叶林为主的亚马逊流域在全球气候变化的背景下频繁遭受干旱胁迫。但是对于该地区实施长时间序列的干旱监测一直是难点和热点。基于Liu等2017年提出的微波温度—植被干旱指数（Microwave Temperature-Vegetation Drought Index，MTVDI），对亚马逊流域进行了2003—2008年长时间序列的干旱监测，并采用饱和水汽压差（Vapor Pressure Deficit， VPD）、帕尔默干旱指数（Palmer Drought Severity Index， PDSI）、陆地地下水储量（Terrestrial Water Storage， TWS）、气象水分亏缺（Climatological Water Deficit， CWD）对MTVDI进行验证。结果表明：对于整个研究区而言，MTVDI与VPD （R=0.72）和CWD （R=-0.57）相关性较显著，但与TWS和PDSI相关性较弱。总体上，MTVDI能够较好地反映亚马逊地区干旱的季节动态。