淮河流域地表温度数据重建及时空变化分析

这是一篇关于淮河流域,MODIS,LST重建,精度对比,时空变化,相关性分析的论文, 主要内容为地表温度(LST,Land Surface Temperature),是评价气候变化的重要指标。研究地表温度的时空变化特征及与地理位置、气象学和下垫面的相互关系,能够进一步了解地气间的相互作用机理、明确气候变化的响应规律、预测地表温度的未来发展趋势。传统的基于气象站点的观测方法很难获得高空间分辨率地表温度数据,利用遥感技术可获取大面积且空间连续分布的地表温度数据,因遥感图像受到气溶胶、太阳观测角度和云等影响,使得遥感反演的地表温度在空间和时间上存在不同程度的缺失,对准确分析地表温度时空变化特征造成阻碍。针对上述问题,本文以MODIS遥感数据为主要数据源,采用时间序列谐波分析(HANTS,Harmonric Analysis of Time Series),S-G滤波(S-G,Savitzky-Golay)、平均距平插值(IMA,Interpolation of the Mean Anomalies)三种方法对淮河流域(2003～2018年)MODIS MYD11A2产品8天的地表温度数据进行重建,并对比结果精度;基于高精度的重建方法分析淮河流域16年的地表温度时空变化规律;在此基础上分析不同的地理因子、气候因素及土地覆盖类型对地表温度的影响。本文的研究内容和主要结论如下:(1)不同重建方法的精度对比重建前后空间分布差异性结果显示:IMA较HANTS、S-G,去噪能力最强,且重建后地表温度值区间与真值范围区间吻合,S-G去噪能力最差,HANTS较多改变了原始真实值,且重建后地表温度偏高。重建前后像元的相关性分析结果显示:IMA相关性系数达到0.90～0.98,高于HANTS和S-G。与实测地表温度比较,IMA法重建后的地表温度曲线与实测地表温度曲线吻合,且较光滑,均方根误差(RMSE,Root Mean Squard Error)为1.61℃,平均绝对误差(MAE,Mean Absolute Error)为1.17℃,均小于HANTS和S-G;IMA与实测地表温度的相关性系数为0.956,均高于HANTS和S-G;HANTS和S-G重建后曲线存在明显波动,且HANTS在高值处重建的地表温度高于实测值,S-G在冬季重建误差较大。(2)基于IMA重建方法分析地表温度时空变化特征年际月均温呈现增温趋势,其中8月份均值增温率最大,可达0.21℃/a;夏季增温趋势最明显,白天增温率达到0.25℃/a,夜间达到0.09℃/a;秋季的昼夜温差最大,最高可达16.89℃。1月份区域高温分布于淮河南部以及江苏长江以北的泰州、扬州区域,而低值则主要是在沂蒙山区附近。春季区域高温分布于淮河上游和淮河中游,夏季多分布于淮河中游,秋季无明显特征,冬季多分布于淮河上游以南区域。年际区域低温主要分布于沂沭泗河流域,以及海拔较高的沂蒙山、伏牛山、大别山区,区域高温分布于离海岸线较远的淮河上游、扬州和泰州的局部区域。(3)地表温度影响因素相关性分析冬季地表温度与纬度的相关性最强,结果显示纬度每增加1°,地表温度下降0.84℃。季均温与海拔高度均呈负相关,且春季负效应最明显,结果显示海拔每升高100米,地表温度下降0.71℃。地表温度与气温的相关性明显,其中春冬两季的相关性系数达到0.9以上。夏季,地表温度与降水量负效应最明显,结果显示降水量每增加1mm,地表温度下降1.91℃。地表温度在不同土地利用类型下差异性明显,结果表明:建设用地>耕地>未利用地>水域>草地>林地,其中,建设用地主要分布于高温区,当建设用地增加时,地表温度升温最快。

白山市五种主要生态系统服务功能评估及其变化驱动因素分析

这是一篇关于生态系统服务功能,土地利用变化,权衡协同关系,InVEST模型,时空变化的论文, 主要内容为半个多世纪以来,随着社会经济的高速发展,工业化、城镇化速度提升,无序且不合理的土地利用对区域生态环境造成严重破坏,这种破坏在发展中国家、资源型城市尤为明显。本文选取1995年、2000年、2005年、2010年、2015年和2020年为研究期,以我国较为典型的资源型城市白山市为研究区域,主要采用In VEST模型对区域产水量、碳储存、土壤保持、生境质量和净初级生产力(NPP)定量评估,明晰其时空分异特征,探究其权衡/协同关系、尺度效应和驱动因素,最后识别区域生态系统服务簇并进行功能分区,以期为区域生态治理提供科学依据。主要结果如下:(1)白山市土地利用结构相对单一,整体时序变化不明显,以建设用地扩张为主。林地为主要用地类型,其面积占研究区总面积的90%左右;耕地为第二大地类,与林地转化频繁且剧烈;建设用地持续扩张,使得林草空间呈破碎化和异质化发展趋势。(2)白山市五项生态系统服务功能在时空分布演变上存在较为明显的差异性。25年来白山市产水、土壤保持功能时空变化特点较为明显,二者总量均波动下降,空间分布上产水功能受气候因素影响显著且高低值集聚,功能与地形分布高度契合,碳储存、生境质量和净初级生产力三者时空变化规律较为相似。(3)白山市各生态系统服务功能在不同尺度下表现出权衡协同关系存在差异。仅生境质量与碳储存服务在全域、各县域尺度下均表现出强协同,多组关系在全域尺度表现连续权衡或协同且相关性较强,在县域情况相反或相关性不强。(4)人类因素是影响白山市生态系统服务功能的主要因素。通过最大似然回归进行初步分析,发现人口数量(POP)与建设用地比例存在中介效应,POP通过影响建设用地的扩张直接或间接影响着各服务功能变化。运用最优地理探测器进行进一步分析,选取坡度(SLOP)、植被覆盖度(NDVI)等6个自然环境因素因子和人类足迹指数(HFI)、夜间灯光指数(NTL)等4个人类活动代表因子分析各因子对各服务功能的驱动作用,发现POP和NDVI对碳储存、生境质量、净初级生产力服务均具强解释力,揭示了三者时空变化呈现高度相似的原因。碳储存和生境质量服务强解释因子(HFI、POP、NDVI)排序基本一致,揭示了二者各尺度均表现强协同的内在联系。(5)按照生态系统服务簇的空间分布特征可将白山市划分为生态保护区、生态过渡区、水土保持区和人类活动区4个功能区,面积分别为8235 km2、4936 km2、2574 km2和1384 km2。生态保护区以碳储存及生境质量服务为主导,位于人类活动较少海拔适中的林地;生态过渡区以产水及净初级生产力服务为主导,主要分布在高海拔山地;水土保持区以初级净生产力服务为主导,其他各功能占比均衡,土壤保持功能在各簇间占比最高,主要分布在研究区南部平缓地带;人类活动区以产水及初级净生产力服务为主导,主要地类为耕地、建筑用地。(6)依据研究区生态系统服务功能高低值空间分布情况,可划分出生态系统保护极重要区、各服务核心区、生态保护重点提升区和各功能重点提升区域,围绕不同区域应依据实际情况制定相应制度、政策,强化区域生态保护。对于高值集聚的重点保护区域,要严格划定生态红线,建立长效机制,要坚定不移地以生态保护优先;对于低值集聚的重点提升区域,要区别城镇、耕地等不同情况,分类施策,提升政策制定的前瞻性、与生态保护理论的有机结合,在具体功能恢复和提升上,坚持保护优先、自然恢复为主的方针;在整体机制架构建立上,要综合调用法律、行政、经济、意识形态教育等多种手段,探索县域间建立“生态评估-生态考核-生态补偿”机制,确保区域生态环境持续向好。

基于深度学习的叶绿素a数据重构及其时空变化特征研究

这是一篇关于叶绿素a,深度学习,数据重构,降尺度,时空变化的论文, 主要内容为叶绿素a是海洋浮游植物的主要光合色素,是水质评价的重要指标,它反映了海洋的初级生产力,其时空特征包含海区基本的生态信息,与各种海洋环境因素密切相关,具有重要的研究意义。卫星遥感技术具有尺度大、覆盖范围广和连续性强的特点,成为获取叶绿素a浓度信息有效方式。但是卫星携带的传感器覆盖面有限,易受云、太阳耀斑等气象因素的影响,使得卫星遥感叶绿素a数据存在大面积缺失,极大的降低了数据的利用率。由于卫星在时间和空间分辨率上的取舍,导致高时间分辨率卫星的叶绿素a数据的空间分辨率往往较低,难以对小区域尺度的叶绿素a进行细节的空间变化分析。针对上述问题,本文首先利用DINCAE方法对缺失叶绿素a数据进行重构,全方位评价了DINCAE的重构精度,并利用DINEOF方法进行对比分析;然后利用随机森林算法对近岸区域的叶绿素a图像进行降尺度重构提高其空间分辨率,最后,利用上述重构后的完整叶绿素a数据进行时空变化分析,并探究了叶绿素a浓度变化的影响因子。研究结果如下:(1)DINCAE算法重构后的叶绿素a数据与原始数据的R为0.87,DINCAE算法重构能够保留原始图像更多的小尺度细节特征,对原始数据的还原度高。DINCAE和DINEOF算法的重构精度都受缺失率的影响较大,其中DINCAE的重构偏差随着缺失率的增加,下降速率比DINEOF的重构偏差更快,表明DINCAE算法的重构精度受数据缺失率的影响比较敏感。(2)降尺度重构模型生成的叶绿素a数据能较好反映近岸海域叶绿素a浓度的空间变化特征,通过与实测站点数据对比分析表明,降尺度模型生成的叶绿素a数据与实测数据具有较高的一致性,R2达到了0.82,通过敏感性分析,得出大气校正在模型降尺度重构中具有重要作用,间接决定了模型精度。(3)南海北部叶绿素a浓度空间分布呈现出靠近陆地的浅水区域高,离岸水域低,随着水深逐级递减;在年均尺度上,叶绿素a浓度整体表现为逐年下降的趋势,在季节尺度上,叶绿素a浓度表现为冬季最高,春季最低。(4)叶绿素a浓度与海表温度和盐度均呈负相关,随着温度和盐度的增加,叶绿素a浓度逐渐减少,其中海表温度和盐度与叶绿素a浓度相关性最大的季节分别为冬季和夏季。

半干旱区激光雷达的探测及应用研究

这是一篇关于激光雷达,大气气溶胶,消光系数,实际探测高度,反演方法,仪器差异,时空变化的论文, 主要内容为激光雷达是当前一种应用广泛的主动式遥感工具,本文针对兰州大学两台激光雷达,CAMLTM CE-370-2和MPL-4B分别在2005年7月至2007年1月及2007年3月至2009年1月的观测资料,经过大量的数据筛选处理,探讨了两台雷达的实际探测高度和应用差异。利用Klett法及Fernald法对回波数据进行了反演计算,讨论了不同反演方法的参数选取、反演结果的差异性,探讨了激光雷达对半干旱区典型天气状况下(浮沉天气、扬沙天气、多云天气)大气气溶胶的反演能力,讨论了边界层内气溶胶的三维变化,主要研究结果如下： 1,实际探测高度的探讨：相对CAMLTM CE-370-2激光雷达,MPL-4B的实际探测高度较高,前者最大探测高度15.8km,平均探测高度6.6km,后者则分别为22.8km和12.4km。 2,反演参数的选取：认为在半干旱区,采用Klett算法反演气溶胶消光系数时参数k值取0.78较为合理；采用Fernald算法反演气溶胶消光系数时参数S1进行分层取值：2km以下取15,2km-15km取20,15km-20km取40,20km-25km取50。 3,反演方法的比较：分析两种方法的反演结果发现,对于实际探测高度顶端以下的气溶胶消光系数,两种方法的反演结果基本一致,在接近际探测高度顶端大约1km范围时开始出现差异：Fernald法反演结果较Klett法大1到2个量级；但当整层大气气溶胶分布较均匀时,两种方法反演得到的整层气溶胶消光系数廓线基本吻合。 4,仪器的差异性分析：对两台激光雷达的同期探测资料进行分析,发现两台仪器得到的大气气溶胶消光系数量级基本一致,垂直廓线的变化趋势十分相似,所反映的气溶胶密集区也十分一致。虽然MPL-4B的探测高度较高,但实际探测高度顶端附近的气溶胶消光系数却会出现数值较大的情况； 5,2008年5月1-2日,是一次半干旱区典型的浮尘、扬沙天气过程,MPL-4B的反演结果完整的反映了此次过程。浮尘天气下,低层气溶胶密集区出现在1-2km的高度范围内,密集区消光系数最大值在0.4-1.0km-1之间,高层气溶胶密集区出现在5-7km的高度范围内,密集区消光系数最大值在1.0-1.8km-1之间；扬沙天气下,低层气溶胶密集区出现在0-1km的高度范围内,密集区消光系数最大值在1.0-2.5km-1之间,高层气溶胶分布较均匀,消光系数值为0.25km-1左右,偶尔在6km处出现密集区,密集区消光系数最大值在2.0-2.5km-1； 6,2007年4月3日,是半干旱区典型的多云转晴天气过程,MPL-4B的反演结果也同样完整的反映了此次过程：3点,5km高度范围处出现较薄的气溶胶密集区,消光系数最大值约为0.2km-1；9点-15点,分别在4km和8km高度范围处出现较厚的密集区,消光系数最大值约为0.25-0.6km-1之间；18点之后,整层气溶胶分布趋于均匀,消光系数在0.05km-1左右； 7,选取春、夏、秋、冬四个季节的激光雷达探测资料,反演得到了半干旱区边界层内气溶胶消光系数的时空三维特征：半干旱区的边界层气溶胶平均消光系数具有明显的按冬、春、秋、夏顺序依次变小的特征,依次为：0.59km-1、0.14km-1、0.13km-1、0.11km-1,且冬季底层气溶胶消光系数较大,375m以下消光系数均值大于1。各季在中午12-15时,边界层内气溶胶消光系数较大。

基于遥感技术的西安市热舒适变化及影响因素分析

这是一篇关于西安市,热舒适,时空变化,趋势分析,影响因素的论文, 主要内容为在全球气候变化背景下,城市化进程迅速发展,越来越多的人涌入城市。在气候变化和城市化进程的共同作用下,城市热岛现象越来越普遍,并逐渐趋于常态化,对城市绿色可持续发展的不良影响日益突出。为减弱城市热岛效应的影响,改善城市居民居住环境品质,促进城市的高质量发展显得尤为重要。因此,大尺度、高效研究城市热舒适及其影响因素,对于改善城市人居环境及后续城市可持续协调发展具有十分重要的意义。本研究以陕西省省会城市——西安市为研究区域,应用Google Earth Engine云遥感处理平台调取Landsat 8系列遥感卫星数据,应用Pearson相关分析、地理探测器等分析方法,对西安市2015年、2017年、2019年和2021年的城市热舒适时空变化及影响因素进行分析。首先,基于Google Earth Engine平台调用Landsat 8遥感影像数据反演地表温度和归一化水汽指数,并计算西安市四年不同季节的热舒适指数,对此归一化后通过均值-标准差进行热舒适等级分类,通过可视化方法揭示不同热舒适等级的时空格局变化特征,再结合转移矩阵分析不同季节不同舒适等级面积间的动态转换及变化特征,并应用Slope趋势分析法进行趋势分析。最后应用Pearson相关分析和地理探测器方法探讨了影响热舒适的驱动力因素和影响程度。主要研究结论如下:(1)西安市的四季热舒适性整体较高,四季热舒适等级像元占比中,“更舒适”的像元百分比占比均较少,舒适范围主要集中在“舒适”和“较舒适”。西安市秦岭北坡以北地区夏季的舒适性低于其他三季。热舒适空间分布南北差异显著,春、秋、冬季南部秦岭山区舒适性低于北部平原地区;夏季南部秦岭山区舒适性高于北部平原地区。综合来说,西安市夏季和冬季舒适性较低,春季和秋季更适合户外活动。(2)从西安市四季不同热舒适等级土地转移变化数据中可以看出,热舒适等级分布呈正态分布,舒适等级主要集中在舒适、较舒适和较不舒适等级,并且四年间较不舒适和不舒适等级面积转出较多,说明西安市热舒适正在逐渐向好发展。(3)西安市春季、秋季、冬季三季修正温湿指数(Modified Temperature-humidity Index,MTHI)均值呈减少趋势的像元占比多于呈增大趋势的像元,秋季减少趋势的像元占比最大,为95.71%;夏季修正温湿指数均值呈增大趋势的像元占比多于呈减少趋势的像元,夏季增大像元占比为62.23%。春季呈增加趋势的像元主要分布西安市主城区、鄠邑区、周至县等北部平原地区;夏季呈减少趋势的像元零散分布于平原地区;秋季呈增加趋势的区域较少;冬季呈增加趋势的像元主要分布于平原区中部和东北部分地区。(4)通过Pearson相关性分析,热舒适空间分布与气温、相对湿度、风速、人口和夜间灯光呈正相关,相关性系数分别为0.86、0.44、0.33、0.27、0.58;与NDVI呈负相关,相关性系数为-0.65。其中,热舒适空间分布与气温呈高度相关,关系最为密切。(5)在探究西安市热舒适空间分布的影响因素中,因子解释力大小排序:气温(0.700)>人口(0.606)>夜间灯光(0.588)>NDVI(0.505)>湿度(0.198)>风速(0.111)。因子交互作用探测结果中的主要类型为双因子增强,其中气温在因子交互中作用十分明显,其与NDVI的双因子增强作用最为显著。生态探测进一步说明人口、夜间灯光和NDVI对研究区热舒适空间分布影响较大。

西北五省植被NDVI的时空变化及驱动力研究

这是一篇关于植被NDVI,西北五省,时空变化,自然因素,人为因素的论文, 主要内容为西北地区(新疆维吾尔自治区、宁夏回族自治区、青海省、甘肃省、陕西省)是典型的内陆干旱和半干旱区,这一区域不仅是我国重要的生态建设区,还是全球植被变化最敏感的地区之一。随着我国社会经济的发展,西北五省的经济水平在逐步增强,全域的生态环境却受到了破坏,草原、森林、湿地对生态环境的涵养能力下降,但是自国家实施退耕还林还草等生态修复工程以来,西北五省的生态环境一定程度上得到了恢复。为了探讨西北地区植被的时空变化规律,本研究借助归一化植被指数NDVI(Normalized Difference Vegetation Index)这一重要的陆地生态过程的关键参数,依托气象监测数据、地理空间数据云平台,借助地理信息系统软件,从年际尺度和空间分布上分析了西北五省2000年—2018年的植被NDVI的变化特征,并从自然因素和人为因素两方面剖析了影响其变化的驱动力。主要研究结果包括:(1)在时间变化上,2000—2018年西北五省植被NDVI的年际变化总体上呈现波动增加的趋势,植被覆盖变化保持着向好的态势。在季节变化中,植被NDVI在每个季节的变化差异显著,春季的植被NDVI值较低、变化速率相对缓慢;夏、秋季植被NDVI较高、变化速率较大;生长季植被NDVI呈现出逐年增长的趋势。(2)在空间变化上,西北五省植被NDVI地区差异显著,波动较小,稳定性较强,总体呈现由西北向东南递增的特征。高值区集中分布在陕西的秦岭地区、青海省的祁连山、甘肃的陇南地区;低值区则分布在新疆南部的沙漠和戈壁地区、陕西北部的沙地等地。19年中,植被呈现基本不变、轻度增加的区域分布在青海中部、新疆北部、宁夏南部等地;植被呈现显著减少的区域分布在新疆的沙漠、戈壁等干旱的区域;植被显著增加的区域分布在陕西南部的平原和谷地以及新疆的绿洲。未来趋势分析表明,植被覆盖改善的区域可能分布在陕西省、甘肃省东南部、宁夏南部等地;退化的区域则分布在甘肃西北部、青海中西部及新疆中部的沙漠地区。(3)自然因素中,气温、降水、干燥度和湿润指数均对西北五省植被NDVI的影响中,气温和降水的影响较为显著。植被NDVI与气温之间呈正相关的区域主要分布于新疆南部、青海西部、甘肃东南部及宁夏北部山区等地,二者间呈负相关的区域主要分布于新疆北部、甘肃的西北部的农牧交错带。而植被NDVI与降水之间呈正相关的区域集中在新疆的绿洲地区、青海省东部、甘肃省东南部、以及陕北地区,二者间呈负相关的区域主要集中分布于新疆中部的沙漠腹地和戈壁地区。(4)人为因素中,2000—2018年西北五省的植被NDVI变化与人口密度的增加、经济发展带来的建设用地增加、以及大规模的城镇化扩张密切相关,同时也与生态工程的落实有关。人类活动对植被NDVI的变化具有正向和负向的作用,人类活动对植被NDVI的变化起到促进作用的区域主要分布在青海东部、陕北地区、甘肃的中部等农牧交错带;而人类活动对植被NDVI变化起到破坏作用的区域主要分布在城镇地带,特别是西北五省中城市化进程较快的陕西南部等区域。

西北五省植被NDVI的时空变化及驱动力研究

这是一篇关于植被NDVI,西北五省,时空变化,自然因素,人为因素的论文, 主要内容为西北地区(新疆维吾尔自治区、宁夏回族自治区、青海省、甘肃省、陕西省)是典型的内陆干旱和半干旱区,这一区域不仅是我国重要的生态建设区,还是全球植被变化最敏感的地区之一。随着我国社会经济的发展,西北五省的经济水平在逐步增强,全域的生态环境却受到了破坏,草原、森林、湿地对生态环境的涵养能力下降,但是自国家实施退耕还林还草等生态修复工程以来,西北五省的生态环境一定程度上得到了恢复。为了探讨西北地区植被的时空变化规律,本研究借助归一化植被指数NDVI(Normalized Difference Vegetation Index)这一重要的陆地生态过程的关键参数,依托气象监测数据、地理空间数据云平台,借助地理信息系统软件,从年际尺度和空间分布上分析了西北五省2000年—2018年的植被NDVI的变化特征,并从自然因素和人为因素两方面剖析了影响其变化的驱动力。主要研究结果包括:(1)在时间变化上,2000—2018年西北五省植被NDVI的年际变化总体上呈现波动增加的趋势,植被覆盖变化保持着向好的态势。在季节变化中,植被NDVI在每个季节的变化差异显著,春季的植被NDVI值较低、变化速率相对缓慢;夏、秋季植被NDVI较高、变化速率较大;生长季植被NDVI呈现出逐年增长的趋势。(2)在空间变化上,西北五省植被NDVI地区差异显著,波动较小,稳定性较强,总体呈现由西北向东南递增的特征。高值区集中分布在陕西的秦岭地区、青海省的祁连山、甘肃的陇南地区;低值区则分布在新疆南部的沙漠和戈壁地区、陕西北部的沙地等地。19年中,植被呈现基本不变、轻度增加的区域分布在青海中部、新疆北部、宁夏南部等地;植被呈现显著减少的区域分布在新疆的沙漠、戈壁等干旱的区域;植被显著增加的区域分布在陕西南部的平原和谷地以及新疆的绿洲。未来趋势分析表明,植被覆盖改善的区域可能分布在陕西省、甘肃省东南部、宁夏南部等地;退化的区域则分布在甘肃西北部、青海中西部及新疆中部的沙漠地区。(3)自然因素中,气温、降水、干燥度和湿润指数均对西北五省植被NDVI的影响中,气温和降水的影响较为显著。植被NDVI与气温之间呈正相关的区域主要分布于新疆南部、青海西部、甘肃东南部及宁夏北部山区等地,二者间呈负相关的区域主要分布于新疆北部、甘肃的西北部的农牧交错带。而植被NDVI与降水之间呈正相关的区域集中在新疆的绿洲地区、青海省东部、甘肃省东南部、以及陕北地区,二者间呈负相关的区域主要集中分布于新疆中部的沙漠腹地和戈壁地区。(4)人为因素中,2000—2018年西北五省的植被NDVI变化与人口密度的增加、经济发展带来的建设用地增加、以及大规模的城镇化扩张密切相关,同时也与生态工程的落实有关。人类活动对植被NDVI的变化具有正向和负向的作用,人类活动对植被NDVI的变化起到促进作用的区域主要分布在青海东部、陕北地区、甘肃的中部等农牧交错带;而人类活动对植被NDVI变化起到破坏作用的区域主要分布在城镇地带,特别是西北五省中城市化进程较快的陕西南部等区域。

松嫩平原黑土区积雪表面温度反演研究

这是一篇关于雪面温度,遥感反演,MODIS,时空变化,松嫩平原黑土区的论文, 主要内容为积雪是重要的生态环境因子,对积雪区和中高纬度地区的农业、气象、水文等自然科学研究有重要影响。因此,对积雪表面温度等积雪参数进行定量化反演,实现全面、快速且高效的积雪监测和应用研究,对我国季节性积雪区的农业、生态和经济发展有至关重要的意义。然而,由于气象站点数量不足,实测数据受自然因素和人为因素影响较大,且常规的MOD11A1温度产品数据在积雪季因混淆云、雪而造成大量数据缺失,难以满足中纬度季节性积雪区的实际应用需求,因此应用时效性强、覆盖面广、信息量大的卫星遥感监测手段成为了积雪信息研究的重要助力。松嫩平原黑土区是我国东北黑土区的重要组成部分,既是我国三大季节性积雪区之一,又是我国商品率最高的商品粮基地,冬季漫长、积雪覆盖率高,积雪融化对松嫩平原黑土区土壤春墒和春季农业生产有着重要影响。因此,松嫩平原黑土区对于积雪研究具有良好的地理典型性和区域代表性,在该区域开展积雪表面温度反演工作具有重要意义,雪面温度反演结果可为该地区的农业生产、水循环和气候变化提供数据支撑和科学依据。本文归纳总结了地表温度反演和雪面温度反演的理论和主要方法,分析了现有雪面温度反演的优缺点。为有效解决雪面温度数据缺失和气象站点数量不足的问题,并着力破解定量反演中存在的混合像元问题,需要在中高纬度积雪区探索雪面温度反演新算法。本文充分考虑了不同地理位置的地区差异性,以松嫩平原黑土区为例,将MODIS影像作为数据源,进行普朗克方程低温线性简化等反演算法参数修正,利用归一化差分雪盖指数(NDSI)和归一化差分植被指数(NDVI)实现地物识别解决混合像元问题,建立了松嫩平原黑土区MODIS雪面温度反演方法,得到研究区雪面温度反演结果。结果表明,与同时期的MOD11A1温度产品进行对比分析,在图像对比、温度范围以及数据一致性等三个方面均呈现较高相似性和一致性。为了探究松嫩平原黑土区积雪表面温度的时空演变规律,利用本文建立的松嫩平原黑土区MODIS雪面温度反演方法,对研究区2002年12月至2017年3月的15个积雪季的雪面温度进行了反演,基于反演结果,分别从多年平均雪面温度、雪面温度年内变化和雪面温度年际变化的三个角度分析了松嫩平原黑土区雪面温度时空变化特征。结果表明,松嫩平原黑土区雪面温度呈现南高北低、西高东低的分布特征,雪面温度积雪季年际、年内变化明显,主要表现为高温区面积较少,低温区和中温区面积增加且不断向南移动。本文以松嫩平原黑土区为研究区,将MODIS影像作为数据源,通过算法参数修正和地物识别等操作建立了松嫩平原黑土区雪面温度反演方法,反演结果表明基于MODIS数据的雪面温度反演算法可以有效提取松嫩平原黑土区积雪季雪面温度数据,弥补积雪季温度产品数据缺失,满足积雪季实际研究需要。松嫩平原黑土区雪面温度反演结果和时空演变规律可为该地区的农业生产、水循环和气候变化提供数据支撑和科学依据。