Page 220 - 《高原气象》2026年第5期
P. 220

高     原      气     象                                 45 卷
              1436


































                                            图1 研究区域高程(单位: m)及气象站点分布
                               Fig. 1 Elevation (unit: m) and distribution of meteorological stations of study area

             降低, 呈现出从高原到平原的过渡特征(杨广等,                            段(NIR)和红外波段(RED)均来自 NASA MODIS
             2025)。文中涉及的地图是基于中华人民共和国自                           数据集, 数据可从 NASA 官方网站获取(https: //
             然资源部地图技术审查中心标准地图服务系统下                              ladsweb. modaps. eosdis. nasa. gov/)。
             载的审图号为 GS(2019)1822 的中国地图制作, 底
                                                                               表1  MODIS数据集
             图无修改。                                                         Table 1  The MODIS datasets
             2. 2 数据来源
                                                                 特征                 范围       空间分辨     时间分辨
             2. 2. 1 GOSIF数据                                     数据      数据集         /年       率/m       率/d
                  GOSIF(Global  dataset  of  solar-induced  chloro‐
                                                                 NDVI   MOD13A1   2001 -2022   500      16
             phyll fluorescence, GOSIF)是太阳诱导叶绿素荧光
                                                                  EVI   MOD13A1   2001 -2022   500      16
             (Solar-Induced Chlorophyll Fluorescence, SIF)的全
                                                                  NIR   MOD09A1   2001 -2022   500       8
             球网格化数据集, 可提供逐 8 d空间分辨率为 0. 05°
                                                                 RED    MOD09A1   2001 -2022   500       8
             覆盖全球的 SIF 数据(黄然等, 2024)。GOSIF 产品
             的生成采用机器学习方法, 通过构建 OCO-2 离散                             气象数据来源于中国气象数据网(https: //data.
             SIF 观测与多源环境变量的非线性映射关系实现空                           cma. cn/), 获取了研究区内 67个气象站点的气象数
             间扩展。具体而言, 以 OCO-2 卫星获取的高精度                         据, 主要包括平均气温、 降水、 日照时间、 平均风
             SIF观测为训练目标, 利用 MODIS增强型植被指数                        速和相对湿度等信息, 站点数据为日, 通过计算可
             (EVI)表征植被覆盖动态, 结合 MERRA-2 再分析                      得到月、 季和年, 构建干旱指数并分析。
             数据(包括气温、 蒸汽压亏缺和短波太阳辐射)刻画                               地形数据因子采用 SRTM(Shuttle Radar Topog‐
             环境胁迫条件, 构建基于随机森林算法的 SIF 预测                         raphy Mission)产品, 其空间分辨率约为 30 m 的数
             模型(Li and Xiao, 2019)。                             字高程模型(Digital Elevation Model, DEM)数据。
             2. 2. 2 MODIS数据                                    3  研究方法
                  MODIS(Moderate-resolution Imaging Spectrora‐
             diometer)是搭载 Terra和 Aqua两颗卫星的中分辨率                  3. 1 贝叶斯模型平均法
             成像光谱仪, 主要用来观测全球生物和物理过程的                                贝 叶 斯 模 型 平 均 法(Bayesian  Model Averag‐
             重要仪器(Jebali et al., 2021)。本文用到的归一化                 ing, BMA)是一种多模型融合技术, 旨在通过计算
             植被指数(NDVI)、 增强植被指数(EVI)、 近红外波                      多个模型的加权平均来提高预测的准确性(Brahmi
   215   216   217   218   219   220   221   222   223   224   225