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

