خلاصه
کلید واژه ها:
فلورسانس ناشی از خورشید ؛ خشکسالی ; علفزار معتدل و آلپ
۱٫ معرفی
- (۱)
-
آیا پاسخ SIF به شاخص های خشکسالی یک الگوی ثابت بین مراتع معتدل و مراتع آلپ را نشان می دهد؟
- (۲)
-
حساسیت SIF به شاخص های مختلف خشکسالی در فصول مختلف چگونه تغییر می کند؟
- (۳)
-
محرک های اصلی موثر بر رابطه بین شاخص های SIF و خشکسالی چیست؟
۲٫ مواد و روشها
۲٫۱٫ منطقه مطالعه
۲٫۲٫ داده ها
۲٫۲٫۱٫ داده های فلورسانس کلروفیل ماهواره ای
۲٫۲٫۲٫ مجموعه داده خشکسالی
دادههای میانگین ماهانه دمای هوا (°C) و رطوبت نسبی (%) در سیستمهای همسان سازی دادههای زمین جهانی (GLDAS) از سال ۲۰۰۷ تا ۲۰۱۸ برای محاسبه کسری فشار بخار (VPD) با استفاده از فرمولهای زیر استفاده شد:
جایی که هسفشار بخار اشباع، RH رطوبت نسبی (%) و T دما (درجه سانتیگراد) است.
محصول MODIS LST MOD11C3 با وضوح زمانی ۸ روزه و قدرت تفکیک مکانی ۵۰۰ متر از سال ۲۰۰۷ تا ۲۰۱۸ از مرکز فعال فرآیندهای زمین تهیه شده است. LST شبانه استخراج شد و با استفاده از تعداد روزهای هر ماه به عنوان وزن [ ۵۰ ] به LST ماهانه ترکیب شد. سپس شاخص وضعیت دما (TCI) از دادههای LST شبانه ماهانه برآورد شد و میتوان به صورت زیر فرمولبندی کرد:
که در آن LST i ، max و LST i ، min به ترتیب حداکثر LST شب و حداقل LST شب در ماه i هستند.
۲٫۲٫۳٫ داده های نوع پوشش گیاهی و داده های فرعی
۲٫۳٫ تحلیل آماری
ضرایب همبستگی (مقادیر r) بین SIF و متغیرهای خشکسالی (SPEI-1، SPEI-3، SPEI-6، SPEI-9، SPEI-12، PDSI، TCI)، رطوبت خاک و VPD برای ارزیابی توانایی استفاده شد. SIF فضایی برای نظارت بر خشکسالی در سراسر منطقه مورد مطالعه.
در اینجا، x i ، j و y i ، j مقادیر پیکسل ( i ، j ) هستند، و ایکس¯و y¯مقدار میانگین پیکسل ( i ، j ) از سال ۲۰۰۷ تا ۲۰۱۸ است.
۳٫ نتایج
۳٫۱٫ همبستگی بین SIF و SPEI در مقیاس های زمانی مختلف
۳٫۲٫ الگوی فضایی و زمانی روابط بین SIF و متغیرهای مختلف خشکسالی
۳٫۳٫ مقایسه مقیاس منطقه ای همبستگی بین متغیرهای مختلف خشکسالی و SIF
۳٫۴٫ عوامل محرک متغیر در رابطه بین متغیرهای SIF و خشکسالی
۴٫ بحث
۴٫۱٫ رابطه بین SIF و متغیرهای مختلف خشکسالی
۴٫۲٫ واریانس پاسخ SIF به خشکسالی در دو نوع اکوسیستم علفزار
۴٫۳٫ حساسیت SIF در مراحل مختلف در طول فصل رشد
۵٫ نتیجه گیری ها
منابع
- جیائو، دبلیو. چانگ، Q. وانگ، L. حساسیت فلورسانس کلروفیل ناشی از خورشید ماهواره ای به خشکسالی هواشناسی. Earths Future ۲۰۱۹ ، ۷ ، ۵۵۸–۵۷۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- فنگ، دبلیو. Shum، CK; ژونگ، ام. Pan, Y. تغییرات ذخیره آب زیرزمینی در چین از گرانش ماهواره ای: یک مرور کلی. Remote Sens. ۲۰۱۸ , ۱۰ , ۶۷۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- هلویگ، جی. د گراف، IEM; ویلر، ام. استال، ک. ارزیابی در مقیاس بزرگ پاسخ های تاخیری آب های زیرزمینی به خشکسالی. منبع آب Res. ۲۰۲۰ , ۵۶ , e2019WR025441. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- لیو، ایکس. پان، ی. زو، ایکس. یانگ، تی. بای، جی. Sun، Z. تکامل خشکسالی و تأثیر آن بر عملکرد محصول در دشت شمال چین. جی هیدرول. ۲۰۱۸ ، ۵۶۴ ، ۹۸۴-۹۹۶٫ [ Google Scholar ] [ CrossRef ]
- جمشیدی، س. زند پارسا، س. کامگار حقیقی، ع.ا. شهسوار، ع. Niyogi, D. تبخیر و تعرق، ضرایب زراعی و پاسخ های فیزیولوژیکی درختان مرکبات در شرایط اقلیمی نیمه خشک. کشاورزی مدیریت آب. ۲۰۲۰ , ۲۲۷ , ۱۰۵۸۳۸٫ [ Google Scholar ] [ CrossRef ]
- او، دبلیو. جو، دبلیو. شوالم، سی. سیپل، اس. وو، ایکس. کیائونینگ، اچ. آهنگ، ال. ژانگ، سی. لی، جی. سیچ، اس. و همکاران خشکسالی در مقیاس بزرگ مسئول کاهش چشمگیر جذب خالص کربن زمینی در آمریکای شمالی در سالهای ۲۰۱۱ و ۲۰۱۲ است. J. Geophys. Res. Biogeosci. ۲۰۱۸ ، ۱۲۳ ، ۲۰۵۳–۲۰۷۱٫ [ Google Scholar ] [ CrossRef ]
- یو، سی. هوانگ، ایکس. چن، اچ. هوانگ، جی. نی، س. رایت، جی اس؛ هال، جی. سیایس، پی. ژانگ، جی. شیائو، ی. و همکاران ارزیابی اثرات خشکسالی شدید کشاورزی در چین تحت تغییرات آب و هوایی و اجتماعی و اقتصادی Earths Future ۲۰۱۸ ، ۶ ، ۶۸۹–۷۰۳٫ [ Google Scholar ] [ CrossRef ]
- لی، ایکس. لی، ی. چن، آ. گائو، ام. اسلت، آی جی. پیائو، اس. تأثیر خشکسالی ۲۰۰۹/۲۰۱۰ بر رشد پوشش گیاهی و تعادل کربن زمینی در جنوب غربی چین. کشاورزی برای. هواشناسی ۲۰۱۹ ، ۲۶۹ ، ۲۳۹-۲۴۸٫ [ Google Scholar ] [ CrossRef ]
- ژانگ، ایکس. چن، ن. لی، جی. چن، ز. Niyogi، D. چارچوب یکپارچه چند حسگر و شاخص برای پایش خشکسالی کشاورزی. سنسور از راه دور محیط. ۲۰۱۷ ، ۱۸۸ ، ۱۴۱-۱۶۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- وانگ، جی. دونگ، جی. یی، ی. لو، جی. اویلر، جی. اسمیت، دبلیو. ژائو، ام. لیو، جی. در حال اجرا، S. کاهش تولید اولیه خالص به دلیل خشکسالی و کاهش جزئی تابش خورشیدی در چین از سال ۲۰۰۰ تا ۲۰۱۲٫ J. Geophys. Res. Biogeosci. ۲۰۱۷ ، ۱۱۲ ، ۲۶۱-۲۷۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- علمدارلو، ا.ح. منش، MB; خسروی، ح. ارزیابی احتمال آسیب پذیری پوشش گیاهی در برابر خشکسالی بر اساس داده های سنجش از دور. محیط زیست نظارت کنید. ارزیابی کنید. ۲۰۱۸ ، ۱۹۰ ، ۷۰۲٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
- چانگ، سی. وانگ، اچ. Huang, C. ارزیابی شاخصهای مشتق از تغییرات (۲۰۰۱-۲۰۱۳) برای خشکسالی در جنگلهای تایوان. بین المللی J. Biometeorol. ۲۰۱۷ ، ۶۲ ، ۸۰۹-۸۲۲٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
- باجگین، ر. شیائو، ایکس. واگل، پی. بسارا، ج. Zhou، Y. تجزیه و تحلیل حساسیت شاخص های پوشش گیاهی به خشکسالی در دو سایت دشت چمن بلند. ISPRS J. Photogramm. Remote Sens. ۲۰۱۵ ، ۱۰۸ ، ۱۵۱-۱۶۰٫ [ Google Scholar ] [ CrossRef ]
- یوشیدا، ی. جوینر، جی. تاکر، سی. بری، جی. لی، جی. واکر، جی. رایشل، آر. کوستر، آر. لیاپوستین، آ. وانگ، ی. تأثیر خشکسالی روسیه در سال ۲۰۱۰ بر اندازهگیریهای ماهوارهای فلورسانس کلروفیل ناشی از خورشید: بینش از مدلسازی و مقایسه با پارامترهای به دست آمده از بازتابهای ماهوارهای. سنسور از راه دور محیط. ۲۰۱۵ ، ۱۶۶ ، ۱۶۳-۱۷۷٫ [ Google Scholar ] [ CrossRef ]
- جئونگ، اس.-جی. شیمل، دی. فرانکنبرگ، سی. Drewry، DT; فیشر، جی بی. ورما، م. بری، جی. لی، جی.-ای. Joiner, J. کاربرد فلورسانس کلروفیل ناشی از خورشید ماهواره ای برای درک تغییرات در مقیاس بزرگ در فنولوژی پوشش گیاهی و عملکرد بیش از جنگل های عرض جغرافیایی بالا شمالی. سنسور از راه دور محیط. ۲۰۱۷ ، ۱۹۰ ، ۱۷۸-۱۸۷٫ [ Google Scholar ] [ CrossRef ]
- کوهلر، پی. گوانتر، ال. کوبایاشی، ح. والتر، اس. یانگ، دبلیو. ارزیابی پتانسیل فلورسانس ناشی از خورشید و ضریب پراکندگی تاج پوشش برای ردیابی پویایی پوشش گیاهی در مقیاس بزرگ در جنگلهای آمازون. سنسور از راه دور محیط. ۲۰۱۸ ، ۲۰۴ ، ۷۶۹-۷۸۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- لو، ایکس. لیو، ز. ژو، ی. لیو، ی. آن، اس. Tang, J. مقایسه فنولوژی برآورد شده از شاخص های مبتنی بر بازتاب و مشاهدات فلورسانس کلروفیل ناشی از خورشید (sif) در یک جنگل معتدل با استفاده از فنولوژی مبتنی بر gpp به عنوان استاندارد. Remote Sens. ۲۰۱۸ , ۱۰ , ۹۳۲٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- ما، جی. شیائو، ایکس. ژانگ، ی. دوغتی، ر. چن، بی. ژائو، ب. سازگاری مکانی-زمانی بین بهرهوری اولیه ناخالص و فلورسانس کلروفیل ناشی از خورشید از پوشش گیاهی در چین طی سالهای ۲۰۰۷-۲۰۱۴٫ علمی کل محیط. ۲۰۱۸ ، ۶۳۹ ، ۱۲۴۱-۱۲۵۳٫ [ Google Scholar ] [ CrossRef ]
- وانگ، ایکس. کیو، بی. لی، دبلیو. ژانگ، Q. اثرات خشکسالی و موج گرما بر اکوسیستم زمینی در چین همانطور که توسط فلورسانس کلروفیل ناشی از خورشید ماهواره ای نشان داده شده است. علمی کل محیط. ۲۰۱۹ ، ۶۹۳ ، ۱۳۳۶۲۷٫ [ Google Scholar ] [ CrossRef ]
- ژانگ، ال. کیائو، ن. هوانگ، سی. وانگ، اس. نظارت بر اثرات خشکسالی بر بهره وری پوشش گیاهی با استفاده از فلورسانس کلروفیل ناشی از خورشید ماهواره ای. Remote Sens. ۲۰۱۹ , ۱۱ , ۳۷۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- سان، ی. فو، آر. دیکنسون، آر. جوینر، جی. فرانکنبرگ، سی. گو، ال. شیا، ی. فرناندو، N. مکانیسمهای شروع خشکسالی که توسط فلورسانس کلروفیل ناشی از خورشید ماهوارهای نشان داده شد: بینشهایی از دو رویداد شدید متضاد. جی. ژئوفیز. Res.-Biogeosci. ۲۰۱۵ ، ۱۲۰ ، ۲۴۲۷-۲۴۴۰٫ [ Google Scholar ] [ CrossRef ]
- لای، سی. ژونگ، آر. وانگ، ز. وو، ایکس. چن، ایکس. وانگ، پی. لیان، ی. نظارت بر خشکسالی هیدرولوژیکی با استفاده از دادههای بارش بلندمدت مبتنی بر ماهواره. علمی کل محیط. ۲۰۱۹ ، ۶۴۹ ، ۱۱۹۸-۱۲۰۸٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
- شارما، اس. Mujumdar, P. افزایش فراوانی و گستردگی مکانی خشکسالیهای هواشناسی و موج گرمای همزمان در هند. علمی ۲۰۱۷ ، ۷ ، ۱-۹ . [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
- جمشیدی، س. زند پارسا، س. جهرمی، م.ن. Niyogi, D. کاربرد یک مدل همجوشی ساده لندست-مودیس برای تخمین تبخیر و تعرق در یک منطقه پوشش گیاهی ناهمگن. Remote Sens. ۲۰۱۹ , ۱۱ , ۷۴۱٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- جمشیدی، س. زند پارسا، س. پاک پرور، م. Niyogi, D. ارزیابی تبخیر و تعرق در یک منطقه نیمه خشک با استفاده از منابع داده چند وضوحی. J. Hydrometeorol. ۲۰۱۹ ، ۲۰ ، ۹۴۷–۹۶۴٫ [ Google Scholar ] [ CrossRef ]
- خو، اچ. وانگ، ایکس. ژائو، سی. یانگ، X. ارزیابی پاسخ فتوسنتز پوشش گیاهی به خشکسالی هواشناسی در سراسر چین شمالی. تخریب زمین توسعه دهنده ۲۰۲۰ . [ Google Scholar ] [ CrossRef ]
- سان، ایکس. وانگ، ام. لی، جی. Wang، Y. نظارت بر خشکسالی در مقیاس منطقه ای با استفاده از شاخص سنتز شده بر اساس سنجش از دور در شمال شرق چین. Geosci را باز کنید. ۲۰۲۰ ، ۱۲ ، ۱۶۳٫ [ Google Scholar ] [ CrossRef ]
- لی، ز. هان، ی. هائو، تی. ارزیابی سازگاری شاخصهای خشکسالی چندگانه سنجش از راه دور برای پایش پدیدههای خشکسالی در قاره چین. IEEE Trans. Geosci. Remote Sens. ۲۰۲۰ , ۵۸ , ۵۴۹۰–۵۵۰۲٫ [ Google Scholar ] [ CrossRef ]
- سندرز، AFJ؛ Verstraeten، WW; کورمن، ام ال. ون لث، TC; برینگر، جی. Joiner، J. Spaceborne سری زمانی فلورسانس پوشش گیاهی ناشی از خورشید از سال ۲۰۰۷ تا ۲۰۱۵ با اندازهگیریهای برج شار استرالیا ارزیابی شد. Remote Sens. ۲۰۱۶ ، ۸ ، ۸۹۵٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- وانگ، اس. هوانگ، سی. ژانگ، ال. لین، ی. سن، ی. Wu, T. نظارت و ارزیابی خشکسالی ۲۰۱۲ در دشتهای بزرگ: تجزیه و تحلیل فلورسانس کلروفیل ناشی از خورشید، شاخصهای خشکسالی و تولید اولیه ناخالص. Remote Sens. ۲۰۱۶ ، ۸ ، ۶۱٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- ژانگ، ی. شیائو، ایکس. جین، سی. دونگ، جی. ژو، اس. واگل، پی. جوینر، جی. گوانتر، ال. ژانگ، ی. ژانگ، جی. و همکاران سازگاری بین فلورسانس کلروفیل ناشی از خورشید و تولید اولیه ناخالص پوشش گیاهی در آمریکای شمالی سنسور از راه دور محیط. ۲۰۱۶ ، ۱۸۳ ، ۱۵۴-۱۶۹٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- دوویلر، جی. Cescatti، A. فلورسانس کلروفیل ناشی از نور خورشید به صورت فضایی کاهش می یابد که منجر به بهبود همبستگی زمانی با بهره وری اولیه ناخالص می شود. سنسور از راه دور محیط. ۲۰۱۶ ، ۱۸۲ ، ۷۲-۸۹٫ [ Google Scholar ] [ CrossRef ]
- گرو، ا. Velicogna، I.; کیمبال، جی اس. دو، ج. کیم، ی. Njoku، E. تغییرات حساسیت پوشش گیاهی به رطوبت خاک سطحی و تغییرات کل ذخیره آب را از زمان خشکسالی تگزاس در سال ۲۰۱۱ مشاهده کرد. محیط زیست Res. Lett. ۲۰۱۷ ، ۱۲ ، ۰۵۴۰۰۶٫ [ Google Scholar ]
- نی، ز. هوو، اچ. تانگ، اس. Li، Z.-L. لیو، ز. خو، اس. چن، ب. ارزیابی پاسخ فلورسانس کلروفیل و محصولات گیاهی مودیس ناشی از خورشید ماهواره ای به رطوبت خاک از سال ۲۰۱۰ تا ۲۰۱۷: موردی در استان یوننان چین. بین المللی J. Remote Sens. ۲۰۱۹ , ۴۰ , ۲۲۷۸–۲۲۹۵٫ [ Google Scholar ] [ CrossRef ]
- چن، ایکس. مو، ایکس. ژانگ، ی. سان، ز. لیو، ی. هو، اس. لیو، اس. تشخیص و ارزیابی خشکسالی با فلورسانس کلروفیل ناشی از خورشید در دوره رشد ذرت تابستانی در دشت شمال چین. Ecol. اندیک. ۲۰۱۹ ، ۱۰۴ ، ۳۴۷-۳۵۶٫ [ Google Scholar ] [ CrossRef ]
- کیان، ایکس. کیو، بی. Zhang، Y. کاهش گسترده در فتوسنتز پوشش گیاهی در جنوب شرقی آسیا به دلیل خشکسالی طولانی در طول سال ۲۰۱۵/۲۰۱۶ el nino. Remote Sens. ۲۰۱۹ , ۱۱ , ۹۱۰٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- مریک، تی. پائو، اس. خورخه، MLSP؛ سیلوا، TSF; Bennartz، R. الگوهای فضایی و زمانی و فنولوژی پوشش گیاهی گرمسیری فلورسانس کلروفیل ناشی از خورشید در سراسر بیوم برزیل با استفاده از مشاهدات ماهواره ای. Remote Sens. ۲۰۱۹ ، ۱۱ ، ۱۷۴۶٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- مائو، دی. وانگ، ز. وو، بی. زنگ، ی. لو، ال. Zhang، B. تخریب و احیای زمین در مناطق خشک و نیمه خشک چین: شواهد و پیامدهای کمی از ماهواره ها. تخریب زمین توسعه دهنده ۲۰۱۸ ، ۲۹ ، ۳۸۴۱–۳۸۵۱٫ [ Google Scholar ] [ CrossRef ]
- خو، سی. لیو، اچ. ویلیامز، AP; یین، ی. Wu، X. به سمت اوج اولیه فصل رشد در نیمکره شمالی عرض های جغرافیایی میانی گرایش دارد. گلوب. چانگ. Biol. ۲۰۱۶ ، ۲۲ ، ۲۸۵۲-۲۸۶۰٫ [ Google Scholar ] [ CrossRef ]
- Xiangjin، S. ژو، دی. لی، اف. Zhang، H. تغییر پوشش گیاهی و پاسخ آن به تغییرات آب و هوا در منطقه مرتع چین. علمی Geogr. گناه ۲۰۱۵ ، ۳۵ ، ۶۲۲-۶۲۹٫ [ Google Scholar ]
- یانگ، جی. دونگ، جی. شیائو، ایکس. دای، جی. وو، سی. شیا، جی. ژائو، جی. ژائو، ام. لی، ز. ژانگ، ی. و همکاران تغییرات متفاوت در زمان اوج فتوسنتز در مراتع معتدل و آلپ در چین. سنسور از راه دور محیط. ۲۰۱۹ ، ۲۳۳ ، ۱۱۱۳۹۵٫ [ Google Scholar ] [ CrossRef ]
- گوان، ک. بری، جی. ژانگ، ی. جوینر، جی. گوانتر، ال. بادگلی، جی. Lobell, DB بهبود نظارت بر بهره وری محصول با استفاده از فلورسانس ناشی از خورشید در فضا. گلوب. چانگ. Biol. ۲۰۱۶ ، ۲۲ ، ۷۱۶-۷۲۶٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
- جوینر، جی. یوشیدا، ی. گوانتر، ال. میدلتون، EM روشهای جدید برای بازیابی فلورسانس قرمز کلروفیل از ابزارهای ماهوارهای ابرطیفی: شبیهسازی و کاربرد برای gome-2 و سیاماکی. اتمس. Meas. فنی ۲۰۱۶ ، ۹ ، ۳۹۳۹-۳۹۶۷٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- ویسنته-سرانو، اس ام. آزورین-مولینا، سی. پنا-گالاردو، ام. توماس بورگورا، م. دومینگز-کاسترو، اف. مارتین هرناندز، ن. بگریا، اس. ال کناوی، ا. نوگورا، آی. گارسیا، ام. ارزیابی فضایی با وضوح بالا از اثرات تنوع خشکسالی بر فعالیت پوشش گیاهی در اسپانیا از سال ۱۹۸۱ تا ۲۰۱۵ . سیستم خطرات زمین. علمی ۲۰۱۹ ، ۱۹ ، ۱۱۸۹-۱۲۱۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- دای، A. خشکسالی تحت گرمایش جهانی: بررسی. وایلی اینتردیسیپ. Rev.-Clim. چانگ. ۲۰۱۱ ، ۲ ، ۴۵-۶۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- وانگ، اچ. او، بی. ژانگ، ی. هوانگ، ال. چن، ز. لیو، جی. پاسخ بهره وری اکوسیستم به شرایط خشک / مرطوب نشان داده شده توسط شاخص های مختلف خشکسالی. علمی کل محیط. ۲۰۱۸ ، ۶۱۲ ، ۳۴۷-۳۵۷٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
- گروبر، آ. اسکنلون، تی. ون در شالی، آر. واگنر، دبلیو. Dorigo، W. تکامل سوابق داده های آب و هوای رطوبت خاک esa cci و روش ادغام اساسی آنها. سیستم زمین علمی دادههای ۲۰۱۹ ، ۱۱ ، ۷۱۷–۷۳۹٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- دوریگو، دبلیو. واگنر، دبلیو. آلبرگل، سی. آلبرشت، اف. بالسامو، جی. بروکا، ال. چانگ، دی. ارتل، م. فورکل، ام. گروبر، آ. و همکاران رطوبت خاک Esa cci برای درک بهتر سیستم زمین: پیشرفته ترین و جهت گیری های آینده. سنسور از راه دور محیط. ۲۰۱۷ ، ۲۰۳ ، ۱۸۵-۲۱۵٫ [ Google Scholar ] [ CrossRef ]
- گروبر، آ. دوریگو، WA; کلاغ، دبلیو. واگنر، دبلیو. ادغام سهگانه همآهنگی بازیابیهای رطوبت خاک ماهوارهای. IEEE Trans. Geosci. Remote Sens. ۲۰۱۷ , ۵۵ , ۶۷۸۰–۶۷۹۲٫ [ Google Scholar ] [ CrossRef ]
- سان، ایکس. لی، بی. دو، ز. لی، جی. فن، ز. وانگ، ام. یو، تی. مدلسازی سطح زیست توده جنگلی بر اساس سنجش از دور و دادههای موجودی جنگل. Geocarto Int. ۲۰۱۹ ، ۱-۱۶٫ [ Google Scholar ] [ CrossRef ]
- لیاو، ا. وینر، ام. طبقه بندی و رگرسیون توسط جنگل تصادفی. R News ۲۰۰۲ , ۲۳ , ۱۸-۲۲٫ [ Google Scholar ]
- جاواکس، م. شرودر، تی. وندربرگت، جی. Vereecken، H. استفاده از یک رویکرد مدل سازی دقیق سه بعدی برای پیش بینی جذب آب ریشه. Vadose Zone J. ۲۰۰۸ , ۷ , ۱۰۷۹-۱۰۸۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- زو، اچ. گائو، جی. فو، ب. رابطه بین اکوسیستم مرتع و آب خاک در مناطق خشک و نیمه خشک: بررسی. Acta Ecol. گناه ۲۰۱۶ ، ۳۶ ، ۳۱۲۷-۳۱۳۶٫ [ Google Scholar ]
- کویرینگ، اس ام. گانش، س. ارزیابی سودمندی شاخص وضعیت پوشش گیاهی (vci) برای پایش خشکسالی هواشناسی در تگزاس. کشاورزی برای. هواشناسی ۲۰۱۰ ، ۱۵۰ ، ۳۳۰-۳۳۹٫ [ Google Scholar ] [ CrossRef ]
- چن، اچ. زو، س. پنگ، سی. وو، ن. وانگ، ی. نیش، ایکس. گائو، ی. زو، دی. یانگ، جی. تیان، جی. و همکاران اثرات تغییرات آب و هوا و فعالیت های انسانی بر چرخه های بیوژئوشیمیایی در فلات چینگهای-تبت گلوب. چانگ. Biol. ۲۰۱۳ ، ۱۹ ، ۲۹۴۰-۲۹۵۵٫ [ Google Scholar ] [ CrossRef ]
- جنرال الکتریک، آر. او، اچ. رن، ایکس. ژانگ، ال. لی، پی. زنگ، ن. یو، جی. ژانگ، ال. یو، اس.-ی. ژانگ، اف. و همکاران یک مدل مبتنی بر ماهواره برای شبیه سازی تنفس اکوسیستم در مراتع تبت و درونی مغولستان Remote Sens. ۲۰۱۸ , ۱۰ , ۱۴۹٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- وانگ، اچ. راجرز، جی سی. Munroe، DK معمولاً از شاخص های خشکسالی به عنوان شاخص رطوبت خاک در چین استفاده می شود. J. Hydrometeorol. ۲۰۱۵ ، ۱۶ ، ۱۳۹۷–۱۴۰۸٫ [ Google Scholar ] [ CrossRef ]
- خو، اچ. ژائو، سی. وانگ، X. تمایز فضایی و زمانی پاسخ تولید اولیه ناخالص زمینی به محدودیتهای آب و هوایی در یک اکوسیستم کوهستانی خشک در شمال غربی چین. کشاورزی برای. هواشناسی ۲۰۱۹ ، ۲۷۶–۲۷۷ ، ۱۰۷۶۲۸٫ [ Google Scholar ] [ CrossRef ]
- Buis، A. GeoCarb: نمایی جدید از کربن در قاره آمریکا. در دسترس آنلاین: https://www.nasa.gov/feature/jpl/geocarb-a-new-view-of-carbon-over-the-americas (در ۱۸ آوریل ۲۰۱۹ قابل دسترسی است).
- کوهلر، پی. فرانکنبرگ، سی. Magney، TS; گوانتر، ال. جوینر، جی. Landgraf، J. بازیابی جهانی فلورسانس کلروفیل ناشی از خورشید با TROPOMI: اولین نتایج و مقایسه بین حسگر با OCO-2. ژئوفیز. Res. Lett. ۲۰۱۸ ، ۴۵ ، ۴۵۶-۴۶۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- دروش، ام. مورنو، جی. بلو، UD; فرانکو، آر. گولاس، ی. هوث، ا. کرافت، اس. میدلتون، EM; میگلیتا، اف. محمد، جی. و همکاران مفهوم ماموریت کاوشگر فلورسانس-کاوشگر زمین ESA 8. IEEE Trans. Geosci. Remote Sens. ۲۰۱۷ ، ۵۵ ، ۱۲۷۳-۱۲۸۴٫ [ Google Scholar ] [ CrossRef ]
- بادگلی، جی. فیلد، CB; بری، JA Canopy بازتاب نزدیک مادون قرمز و فتوسنتز زمینی. علمی Adv. ۲۰۱۷ , ۳ , e1602244. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
- لی، ایکس. Xiao, J. محصول جهانی ۰٫۰۵ درجه فلورسانس کلروفیل ناشی از خورشید که از داده های oco-2، modis و تجزیه و تحلیل مجدد به دست آمده است. Remote Sens. ۲۰۱۹ , ۱۱ , ۵۱۷٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
بدون دیدگاه