本研究旨在探讨1983-2008 年间印度植被净初级生产力(NPP)的时空变化格局及其与温度降水的关系。基于遥感数据和GLOPEM-CEVSA模型估算区域植被NPP,利用分段线性回归,分析了过去26年印度植被NPP的时空格局与变化特征。结果表明：（1）过去26年间印度植被年均NPP为414.29 gC·m^-2·a^-1,森林、农田和草地的NPP平均值分别为1002.32、485.98和631.39 gC·m^-2·a^-1。（2）分段线性回归结果显示,1983-2008 年间,印度植被总平均NPP呈先上升后下降的趋势,趋势转折点在1996年。占印度面积比例最大的农田植被类型的平均NPP也呈先上升后下降的趋势,趋势转折点在1996年,与总平均NPP的趋势转折点一致。（3）在空间上,印度大部分地区,发生了趋势转折,趋势转折点集中在1991-2000年间,大部分地区NPP在趋势转折点前呈上升趋势,其后呈下降趋势,与区域平均NPP的变化趋势一致。（4）印度西北部干旱地区植被NPP与温度呈负相关,与降水呈正相关。喜马拉雅山南部森林NPP则与温度呈正相关。降雨量较大的印度南部地区NPP与降水呈负相关。

基于上海地区11个气象站气温、降水数据和主要天气现象记录资料,利用气候统计诊断方法研究了上海主要气候要素和天气现象的时空分布和变化特征。结果表明,上海年均气温呈中心城区高、周边郊区低的分布,中心城区与郊区年均温差最大可达0.9 ℃;降水量在中心城区和南部地区较多,而在北部和西部地区较少;高温日数中心城区明显多于东部和南部沿海,最多相差9.5 d;暴雨日数在中心城区和浦东较多,而在西部地区较少;雷暴、大风和大雾日数没有呈现出显著的城郊差异;霾日数在中心城区远高于郊区,最多相差49.2 d。1961-2013年间,上海年均气温显著上升,降水量略有增加,高温日数和霾日数分别以2.7 d/10 a和11.3 d/10 a的线性趋势增加,暴雨日数呈弱的增加趋势,而雷暴、大风和雾日数在1961-2013年间,分别以1.9、3.7和5.2 d/10 a的线性趋势减少。

同其他卫星相比,NOAA卫星搭载的AVHRR积雪产品,具有长达10 a的长时间序列数据集,能够应用于长时间、较大区域范围的积雪覆盖变化分析。由于不同卫星使用的反演算法,波谱宽度和大气订正等不完全相同,故需对不同卫星积雪产品数据集进行一致性检验,将卫星积雪产品更好地应用于气候分析研究。本文采用一种新的评估方法,对空间分辨率为0.05^o×0.05^o的AVHRR积雪产品与IMS和MOD10A1积雪产品,分别在空间和时间变化上进行对比分析,对AVHRR积雪产品数据集进行检验,发现AVHRR与MODIS积雪产品具有较好的一致性。

植被是联系陆地、大气和生态系统的自然纽带,其随着气候和人类活动而发生变化,因此,研究它的突变和变化趋势具有重要意义。本文利用3年滑动t检验、Mann-Kendall检验(MK检验)和距平分析法,研究了中国1982-2006年5-9月平均的NDVI(NOAA/AVHRR GIMMS)突变和变化趋势及其主要原因。3年滑动t检验和MK检验表明,1998年华东地区的NDVI出现了突变,而东北地区和青藏高原NDVI没有出现突变。NDVI变化趋势的分析表明,1982-1998年华东地区NDVI为较平稳的趋势,1998年出现突变后,1998-2006年转为明显下降的趋势(以1998年为转折点)。因此,华东地区NDVI存在明显的变化趋势。NDVI突变和变化趋势的成因分析表明,20世纪90年代后期至21世纪初,随着华东地区大规模的城市化建设和房地产的过度开发,导致耕地面积减少,华东地区植被1998年出现了突变,并从偏多转为明显偏少的趋势,而卫星仪器和气候因子并非是导致该地植被出现突变和变化趋势的主要原因。

本文基于CG-LTDR土地覆盖数据产品,利用GIS空间统计等方法分析了中国1990-2010年土地覆盖的变化特点。与参考数据的比较检验表明,CG-LTDR土地覆盖数据在中国具有与其他同类数据相当甚至更高的分类精度。经逐年的长时间地表覆盖数据分析发现,由于受气候与人为因素影响,土地覆盖类型有明显的年际变化波动,尤其是云南-内蒙一线的干旱区与湿润区的过渡带。1990-2010年中国的林地和荒漠呈增加趋势,而草地和耕地呈减少趋势。利用5年的合成数据分析其年际变化,结果显示1990-2000年土地覆盖类型变化大,2000-2010年的变化较为平缓。在几种主要覆盖类型中,林地增加最明显,这主要与东南地区大部分耕地、西南和东北地区大面积草地转变为林地有关,但也有部分省份由于树木砍伐和农耕区扩张导致林地面积减小。耕地面积占比最高,其减少趋势主要与耕地变为林地和草地有关。南部的耕地减少最明显,北部略有增加,新增耕地的重心从东南向北转移。林地的增加趋势与耕地的减少趋势主要与全国大范围的退耕还林工程和生态保护政策有关。草地主要分布在生态脆弱区,其面积减少最显著,在西南及东北部分地区主要是草地变为林地,在内蒙中东部-陕西北部一线发生草地与耕地相互转换,而在内蒙北部-青藏高原一线有草地与荒漠的互相转换,在土地覆盖类型交错区,其利用类型容易发生改变。荒漠主要分布于西北地区,由于受到草地退化等因素影响,荒漠化趋势在进一步加剧。

全球范围时空连续的长时间序列地表反照率,对气候模拟与陆面过程研究具有重要意义。针对现有地表反照率产品普遍存在大量的数据缺失、有效反演比例低和时间序列短的问题,本文以多年MODIS和AVHRR数据,通过构建背景知识库进行高时间分辨率的AVHRR和MODIS数据的BRDF参数反演,实现MODIS与AVHRR数据在像元尺度上的定量融合,生成了全球时空连续长时间序列的地表反照率产品。首先,通过假设不同年份同一时期的地表状态不变,利用多年同一时期的MODIS和AVHRR观测数据构造多角度方向反射率,基于BRDF模型反演得到窄波段反照率;然后,通过宽波-窄波转换,得到MODIS的宽波段反照率;最后,结合AVHRR长时间序列优势及MODIS数据多光谱的特点,对二者进行定量融合,生成具有高度一致性长时间序列地表反照率产品。验证结果表明,本文地表反照率产品在地表异质性较小时与SURFRAD地面实测反照率之间具有非常好的一致性,在无积雪覆盖时与MODIS反照率产品之间吻合良好。本文的地表反照率产品无时空缺失,且时间覆盖率得到了极大的提高,能支持气候模式模拟与陆面过程模型进行近30 a来的地气系统模拟研究。

叶面积指数是描述土壤-植被-大气之间物质和能量交换的关键参数,获取大区域长时间序列叶面积指数有助于研究气候变化条件下植被的响应及反馈。本文利用MODIS观测和经过重新处理的地表长时间数据集（Land Long Term Data Record）LTDR AVHRR数据,生成了全球1981-2012年叶面积指数数据。算法通过建立二者之间像元级关系,利用高质量MODIS观测约束历史AVHRR数据的反演,这有助于减小2种存在显著差别传感器反演结果的不一致性,也有助于提高AVHRR反演质量。首先算法利用高质量MODIS地表反射率反演2000-2012年叶面积指数,然后利用多年每8 d的LTDR AVHRR地表反射率数据计算简单比植被指数（Simple Ratio,SR）,利用SR平均值和MODIS LAI平均值建立像元级AVHRR SR-MODIS LAI关系。在此基础上,实现1981-1999年AVHRR LAI反演,最终得到全球1981-2012年叶面积指数数据。本算法反演的AVHRR和MODIS LAI与全球植被的空间分布吻合,能表征主要生物群系类型的季节变化特征,2个数据集一致性较好,并且与NASA MODIS LAI标准产品（MOD15A2）的空间分布和季节变化曲线吻合较好。

本文将CG-LTDR数据集中的地表覆盖数据产品应用于北京气候中心陆面模式（BCC_AVIM 1.0）中,并通过数值模拟分析不同覆盖类型的数据（冰川、湿地、湖泊、植被PFT）更新对模拟结果的影响。结果表明,新数据对不同地表类型的基本分布特征都有合理描述,但与模式中原有数据的差异明显,表现为冰川比例在格陵兰岛西部地区增加,湿地在大部分地区都减少,湖泊在北美和欧亚大陆中高纬地区的比例减少,但青藏高原及周边地区小幅增加,植被PFT的差异最明显。与采用模式原地表覆盖数据的控制试验相比,新数据引入所致的改变,主要局限于地表覆盖数据改变的区域。冰川数据更新使高纬冰川积雪区和青藏高原的温度降低,湿地数据提高了欧洲和北美主要水区的地面温度,湖泊数据有效降低了亚洲地区的温度,更新植被PFT的影响最广泛,使得南美、南非、东北亚、北美和澳洲大部分地区的温度升高,而中国华南江南地区以及南亚地区的温度降低,但在一些地区的模拟效果降低。数据全部更新引起的温度改变最明显,但并不是所有类型的简单叠加,尤其在地表复杂区域。不同的覆盖类型数据更新,可在一定程度上减少模式对于地表温度的模拟偏差（如格陵兰岛西部和青藏高原地区、欧洲内陆湖区的温度偏高）,因此需适当选用更新的数据。

通过地基观测站点的实测数据,首次证实大气温室效应是由人为排放造成的,地表能量平衡受二氧化碳（CO₂）浓度水平的影响。因此,分析CO₂浓度时空分布特征,从而探究其源汇、控制其排放尤为重要。本文采用AIRS（Atmospheric Infrared Sounder）对流层中层CO₂浓度数据及GOSAT（Greenhouse gases Observing SATellite）近地面CO₂浓度数据,对比研究了CO₂浓度在对流层中层及近地面的时空分布特征差异。结果表明,AIRS探测到的对流层中层CO₂浓度,在时空上普遍高于GOSAT探测到的近地面CO₂值,高值区位于30°~90°N,浓度多集中在390~395 ppm,这与AIRS探测的对流层中层CO₂浓度已充分混合相关;而GOSAT CO₂浓度高值区则位于热带、亚热带人口众多的地域,如非洲和中国东部沿海地区等人类活动活跃地带,这也表明GOSAT探测近地面CO₂的重要性,其可弥补地基站点测量在空间分布上的不足。本文进一步对比分析了CO₂浓度在海陆及南北半球的差异特征及影响原因,CO₂在海洋及陆地区域的平均浓度具有相似的时间波动特征,但其浓度在陆地几乎始终高于海洋,这与人类活动释放大量的CO₂密切相关。CO₂浓度在南北半球存在明显的差异,这是因为南半球的季节变化规律与北半球相反,且由于化石燃料燃烧及土地利用变化等主要集中在北半球,因而北半球CO₂浓度高于南半球。此外,本文还对NUCAPS（NOAA/NESDIS/STAR NOAA Unique CrIS/ATMS Processing System）反演得到的CrIS（Cross-track Infrared Sounder）CO₂柱平均浓度及廓线产品做了初步分析,发现其与AIRS、GOSAT CO₂分析结果一致。

卫星气候数据集是卫星气候研究的基础。在规范卫星气候数据集基本概念的基础上,针对现有基本气候数据集（FCDR）和专题气候数据集（TCDR）的分类方式,无法反映卫星气候数据特点的问题,认为应将专题气候数据集进一步划分为单一遥感仪器专题气候数据集、多种遥感仪器融合专题气候数据集及卫星与多源资料融合专题气候数据集等几类。这种分类方法便于用户更好地了解和使用卫星气候数据。然后,重点围绕基本气候变量和基本卫星气候变量含义、卫星气候数据集生产规范、国内外主要卫星气候数据生产计划等方面,综述了卫星气候数据集建设及规范化生产已取得的最新研究进展。在此基础上,分析了卫星气候数据集建设和应用中存在的主要问题,展望了卫星气候数据集发展,同时对我国卫星气候数据集建设提出具体建议。