基于日光诱导叶绿素荧光遥感的河南省干旱监测与时空变化研究

2023-05-16张兆旭肖月苟文涛崔津

农业大数据学报 2023年1期

关键词：成灾指数值旱情

张兆旭，肖月，苟文涛，崔津

研究论文

基于日光诱导叶绿素荧光遥感的河南省干旱监测与时空变化研究

张兆旭*，肖月，苟文涛，崔津

天津工业大学环境科学与工程学院，天津 300387

干旱这一自然灾害在近几十年内频繁发生，不仅造成土壤退化等自然环境的破坏，还会对经济发展形成巨大的影响。干旱的发生是一个长期、连续且复杂的过程，是大气、土壤以及农作物综合作用的结果。文章选取2001—2020年的日光诱导叶绿素荧光遥感数据，以河南省作为研究区域，以研究区多年叶绿素荧光异常指数作为干旱指标，基于分位数思想划分了干旱等级。论文最后利用产量、受灾面积和成灾面积等多种统计数据，分析叶绿素荧光异常指数与统计数据的相关关系，以及研究区多年干旱情况的时空变化特征，最终形成科学、有效的抗旱防旱建议。结果表明，叶绿素荧光干旱指数和小麦产量、玉米产量、受灾面积以及成灾面积的相关系数分别为0.93、0.89、-0.54和-0.58。叶绿素荧光干旱指数和小麦产量、玉米产量呈现出高的正相关关系，叶绿素荧光干旱指数和受灾面积、成灾面积呈现出负相关关系，表明叶绿素荧光指数监测干旱是可行的。基于叶绿素荧光干旱指数，从时间和空间两个维度计算了河南省干旱情况，分析研究区2001—2020年的干旱指标，发现河南省干旱程度总体减轻，干旱范围也大幅度缩小，干旱程度缓解，最后基于干旱监测结果为河南省抗旱防旱提出了4条建议性措施。本文基于日光诱导叶绿素荧光遥感的河南省干旱监测与分析研究为河南省的防旱抗旱提供了科学的依据。

日光诱导叶绿素荧光；干旱监测；时空变化；遥感

1 引言

干旱是指淡水总储备量相对较少，不足以满足植物生长和人类生产生活需要而产生的水分短缺现象[1-2]。严重的旱灾会对人类社会和自然环境产生一定程度的危害，例如会造成庄稼产量减少、人畜饮水困难，甚至可能会发生死亡现象[3]。同时干旱会引发一系列环境问题，例如土壤沙化等，从而导致人类社会及生态环境进入一个不良的循环。由于降水、植被、土壤等自然环境条件以及季节时间、地理位置上的差异，会影响干旱的严重程度和干旱的发生频率，同时在缺水区域内或是缺水时节，若长期无法获得充分的水资源缓解缺水状况，会导致干旱的持续发生。土壤长时间严重缺水将会造成大量植被死亡、植被覆盖率低的地区土壤逐渐荒漠化，严重影响社会的一般生活用水供应和基本生活生产，甚至危及经济社会的正常发展[4]。

近年来叶绿素荧光遥感发展迅速，在干旱监测方面取得了诸多成果[5-8]。除此之外，叶绿素荧光更容易对植被光合作用进行表征，因为其对植被中所含水分非常敏感，而且与植物的光合作用、受胁迫的情况以及生理状态等方面密切相关[9]，植物叶片反射的光谱也包括了叶片生化组分对入射光线的吸收等方面的相关信息，这两个方面都能够为研究提供较多的植被信息[10-11]。传统并且广泛应用的干旱遥感监测方法主要包括可见光近红外、热红外和微波等，但是因为植被在感受到外界对其存在威胁时进行自我保护的调节机制，会导致干旱监测存在滞后现象，并不能及时地反映植被变化，只能间接反映植被的生理变化，从而使得监测出现误差。而叶绿素荧光可以用于衡量植物的光合作用状况，尤其日光诱导叶绿素荧光与农作物的光合作用密切相关，是植被在太阳光照射下吸收能量后在650～800 nm范围内发射出来的一种长波信号，可以被用来监测植被生理状态以及水分胁迫的情况[12]。

河南省是中国的重要农业省份，干旱灾害的频发严重危害了当地农业的正常作业与发展，导致粮食减收，故而对当地的旱情进行及时监测尤为重要。本文的研究目的有三：其一，选择河南省作为研究区，基于日光诱导叶绿素荧光(Solar Induced Chlorophy11 Fluorescence, SIF)遥感数据，提取研究区多年的SIF图像，计算研究区叶绿素荧光异常指数，并对研究区的干旱程度进行合理有效的干旱等级划分；其二，分析多种统计数据与叶绿素荧光异常指数的相关关系，以此探究叶绿素荧光遥感在干旱监测中的可行性；其三，基于叶绿素荧光异常指数，在时间和空间两个维度分析研究区干旱发生程度以及干旱分布状况，得到研究区多年干旱情况的时空变化特征，以此对研究区抗旱提供科学合理建议。

2 研究区概况

河南省位于北纬31° 23～36° 22，东经110° 21～116°39之间，地处中国中东部、黄河中下游。河南省大部分地区地处暖温带，南部跨亚热带，属于大陆性季风气候，同时还具有自东向西，由平原向丘陵山地气候过渡的气候特点，具有四季分明、雨热同期、复杂多样和自然气象灾害频繁的特征。全省自南向北年平均气温约为15.7～12.1 ℃，年平均降水量为1380.6～532.5 mm，降雨以6—8月份最多，年平均日照达1848.0～2488.7 h，有利于种植生产多种农作物[13]。研究区示意图如图1所示。

注：基于自然资源部标准地图服务网站审图号为GS(2019)1823号的标准地图制作，底图边界无修改，图7同

3 研究区数据及方法

3.1 研究数据

3.1.1 遥感数据

本文中使用的SIF数据为河南省2001—2020年月尺度的GOSIF(Global Solar Induced Chlorophy11 Fluorescence, GOSIF)数据(空间分辨率为0.05°)，GOSIF的下载地址：http://globalecology.unh.edu。

GOSIF是根据离散的OCO-2SIF探测、来自中分辨率成像光谱仪(MODIS)的遥感数据以及使用数据驱动方法的气象再分析数据，开发出的具有高空间和时间分辨率(即0.05°，8 d/月)的全球“OCO-2”SIF数据集。其具有高空间和时间分辨率，以及全球连续的覆盖范围的特点。GOSIF产品具有季节性周期，能够研究全球SIF的长期变化趋势，对于评估陆地光合作用和生态系统功能以及监测干旱非常有价值[14]。

3.1.2 统计数据

本文统计数据来自国家统计局网站(http://www. stats.gov.cn/tjsj/)。为了验证SIF监测干旱的可行性，本文选取河南省2001—2020年间的小麦及玉米产量、受灾及成灾面积等数据，分析干旱对研究区农业的影响。通过对以上数据的分析，可以了解干旱灾害对研究区农业等方面产生的影响。

3.2 研究方法

3.2.1 荧光干旱指数建立

本文选取2001—2020年的GOSIF荧光数据产品，具体的数据处理以及建模方法如下。下载2001—2020年每月的GOSIF数据，对GOSIF数据进行预处理，最终将处理后的遥感数据转为TIF格式文件，叶绿素荧光异常指数是利用给出的一定时间内某个像素或区域的长期平均值来检测和绘制干旱图。

(1)计算每年的平均值

为了计算叶绿素荧光异常(SIF)，首先使用公式1计算每年(1—12月)的平均值(SIF)。

其中，SIF是第年的平均值。

SIF=(1+2+...+12)/12 (公式1)

(2)计算多年的平均值

其中是研究时间范围的年数，这里=20。

(3)计算异常指数

异常指数最后使用公式3得出研究区域内每个网格单元的叶绿素荧光异常值。

其中SIF是第年的叶绿素荧光异常值。

计算出异常指数后，依据研究区河南省的行政区划图对叶绿素荧光异常指数图像进行掩膜裁剪处理，同时计算每年图像中所有像元的平均值作为当年叶绿素荧光异常指数区域平均值。基于异常指数分析河南省2001—2020年干旱时空变化情况。

3.2.2 干旱等级划分

本文采用分位数法对干旱等级进行划分。分位数是指将一个随机变量的概率分布范围分为几个等份的数值点，常用的有中位数、四分位数和百分位数等。其定义为当随机变量X的概率密度函数为Pr(X)，若变量x满足以下公式，则，x为X的第k个q分位数对应的值，记为xk。

Pr(X＜x)=k/q (公式4)

通常，如果q=4，称为四分位数[15]。本研究中选用四分位数进行干旱等级的划分，将叶绿素荧光异常指数按照从小到大的顺序依次排列，则处于k%位置的值为第k个四分位数。给定四位数值σ1和σ2作为阈值，规定满足σ1＜k≤σ2的样本为某一干旱等级，这是采用分位数方法进行干旱等级划分的基本思想。

3.2.3 相关分析

相关分析是研究两个或两个以上处于同等地位随机变量间相关关系的统计分析方法，相关系数用R表示。若两个变量相关系数R为正，则表明变量的变动方向相同，反之亦然。相关系数公式如下。

4 分析与讨论

4.1 叶绿素荧光指数验证

4.1.1 叶绿素荧光指数与产量的相关关系

本文利用小麦及玉米产量与叶绿素荧光指数的相关关系来验证叶绿素荧光监测干旱的可行性。叶绿素荧光指数与小麦产量相关关系如图2所示，叶绿素荧光指数与玉米产量相关关系如图3所示。

叶绿素荧光异常指数与小麦产量的相关系数高达0.93，与玉米产量的相关系数也达到了0.89。并且通过关系图可以直观发现叶绿素荧光异常指数与小麦、玉米的产量均为正相关，指数值越大，产量越高。其中2001年的叶绿素荧光异常指数值为-0.23，是20年间的最低值，表示2001年干旱程度最为严重。并且同年的小麦产量为2299.71万 t，玉米产量为1151.4万 t，均为20年内的产量最低值，2001年的干旱严重影响了粮食生产。2020年的叶绿素荧光异常指数值最高，表示该年干旱程度最轻，同时2020年小麦玉米的产量均为20年内的最高值。因此利用SIF监测干旱情况符合同时期粮食产量的变化。

4.1.2 叶绿素荧光指数与受灾成灾面积的相关关系

本文利用受灾面积、成灾面积与叶绿素荧光指数的相关关系来验证叶绿素荧光监测干旱的可行性。叶绿素荧光指数与受灾面积相关关系如图4所示，叶绿素荧光指数与成灾面积相关关系如图5所示。

叶绿素荧光异常指数与受灾面积的相关系数为-0.54，与成灾面积的相关系数为-0.58，均为负相关。当叶绿素荧光异常指数值越大时，受灾及成灾面积越少。两者的相关关系以线性趋势为主，并且随着干旱程度的变化，受灾及成灾面积也有一定的增加或减少。例如2001—2009年叶绿素荧光异常指数值均为负数，2010年增长为正数0.01，同时受灾面积及成灾面积有了明显的下降，受灾面积减少至50.4 khm2，成灾面积减少至25 khm2。2011年叶绿素荧光异常指数值再次降为负数，表示干旱程度恶化，此时受灾面积增长19倍至1020.4 khm2，成灾面积增长7.5倍至211.3 khm2。因此，利用SIF监测出来的干旱情况符合同时期受灾及成灾面积的变化。

图2 叶绿素荧光指数与小麦产量相关关系

图3 叶绿素荧光指数与玉米产量相关关系

图4 叶绿素荧光指数与受灾面积相关关系

图5 叶绿素荧光指数与成灾面积相关关系

4.2 河南省2001—2020 年干旱时空变化

4.2.1 叶绿素荧光异常指数时间变化分析

本文依据叶绿素荧光异常指数作为干旱等级划分的指标，获得研究区2001—2020年干旱指数变化图，如图6所示。

在本研究中叶绿素荧光异常指数值越小，干旱程度越严重；叶绿素荧光异常指数值越大，干旱程度越轻。因此通过变化图我们可以直观发现河南省20年时间内干旱情况处于不停上下波动状态，但总体呈现干旱情况减弱的趋势。

图6 2001—2020 年干旱指数变化

对于每年的干旱情况分析发现，2001年干旱情况最为严重，叶绿素荧光异常指数值已经低于-0.2，但到了2002年叶绿素荧光异常指数值明显上涨，干旱程度相较于2001年减轻。2003年叶绿素荧光异常指数值与2002年相比小幅度减小，同时从2003年开始叶绿素荧光异常指数值一直处于平稳增长趋势，并持续到2008年。而从2009年开始，叶绿素荧光异常指数值开始大幅度上下波动变化，但仍然处于总体上升趋势，到2020年叶绿素荧光异常指数值高达0.19，是20年间的最高值，同时表明20年间河南省2020年干旱程度最轻。

4.2.2 叶绿素荧光异常指数空间变化分析

本文经过计算，选定当SIF＞0.087时表示为无旱；当0.007＜SIF＜0.087时表示为轻旱；当-0.081＜SIF＜0.007时表示为中旱；当SIF＜-0.081时表示为重旱，据此对研究区的干旱情况进行划分。利用叶绿素荧光异常指数对研究区进行干旱等级划分得到河南省2001—2020年干旱等级分布图，如图7所示。

在干旱等级分布图中红色为重旱，橙色为中旱，青色为轻旱，绿色为无旱。由此可见2001年河南省全省几乎都面临着重旱的情况；2002年相较于2001年干旱程度稍微减轻，但大部分地区仍然也处于重旱的情况，只有极少数地区为轻旱或无旱，并主要集中在河南省的东南部地区，如周口市、信阳市和驻马店市的东部；2003年重旱区域则转移到了河南省的东南部，只有洛阳市、郑州市等范围内有极少的轻旱无旱区域；2004年相较于2003年没有太大变化，轻旱无旱区域增多并主要集中在洛阳市、郑州市、焦作市、新乡市和安阳市范围内；2005年轻旱无旱情况比较分散，但重旱中旱则主要集中在三门峡市、新乡市、驻马店市和漯河市等范围内；2006年轻旱无旱区域向西移动，重旱中旱区域仍然集中在新乡市、驻马店市和漯河市等范围内；到了2007年轻旱无旱区域明显增多，重旱中旱区域减少，干旱程度减轻；2008年河南省西部主要为重旱中旱，轻旱无旱区域则主要集中于河南省东部；到了2009年河南省干旱情况又有些加重，并且重旱中旱区域又从2008年的西部转移到了河南省的中部和东北部；2010年干旱情况减轻，重旱中旱区域集中于河南省北部和西部；2011年干旱再次加剧，除了东南部的信阳市、驻马店市、周口市和商丘市，其他区域再次大面积沦为重旱中旱区域；而2012年河南省干旱情况明显好转，大部分地区已成为无旱或轻旱区域，只有极少一部分区域仍然是重旱中旱程度；2013年旱情再次反复，河南省西北部旱情加剧为重旱中旱程度；2014年重旱中旱区域集中转向河南省西部；直至2015年，河南省大部分地区再次无旱或轻旱，只有极少一部分区域为重旱中旱程度，并且这种情况一直持续到2020年，在此期间，重旱中旱程度只在极少一部分的不同区域内反复出现。

图7 2001—2020 年河南省干旱等级分布

Fig. 7 Distribution of drought levels in Henan Province from 2001 to 2020

河南省2001—2020年间干旱灾害虽然反复发生，但总体呈现减弱的趋势。河南省在2007年之前旱情极为严重，旱情涉及到了几乎河南省全省区域。而2007—2014年间，河南省旱情相较于2007年以前明显减弱，但仍然在省内的不同区域内不停反复出现。2015年开始河南省旱情除了极小部分地区，其他大部分地区旱情几乎不再出现。

4.3 河南省抗旱防旱措施

基于叶绿素荧光异常指数对河南省2001—2020年干旱时空变化进行分析，基于分析结果提出如下抗旱防旱措施。

4.3.1 修建水源工程，充分储存水源

为了保证旱情发生时农业工业生产及社会的正常用水，需要尽量多地储存水源。利用各类自然水源，如合理规划并修建水库及水利设施，有效利用地表水；同时可以修建并利用集水设施，收集降水，不仅可以减缓时常发生的灾害，还可以缓解旱灾的用水困难等问题。

4.3.2 改进灌溉技术，减少水源浪费

大力发展管道输水技术以及田间节水灌溉技术，如喷管、微灌。对农业种植各个阶段的用水进行监控，控制好灌溉水量，减少在灌溉环节的水资源浪费。

4.3.3 进行土地整理，合理规划用地

通过土地整治，改善田块分散、土地浪费等问题，建立集中连片、灌溉充分、防护到位的高标准基本农田。同时对土地利用现状进行规划调整，合理规划土地用途。

4.3.4 加强工程维护，及时发现灾害

加强对各类水利工程的维护工作，定期进行检修，确保水利工程能够一直正常使用。同时要警惕灾害的突然发生，时刻保持对旱情的监测，使得能够及早发现旱情，了解干旱程度，并及时采取措施应对干旱灾害，减轻因干旱所带来的损失。

5 结论

本文选取河南省作为研究区域，选用2001—2020年GOSIF数据，计算多年叶绿素荧光异常指数作为干旱指标，利用分位数法划分干旱等级，对河南省进行干旱监测，同时利用统计数据，分析叶绿素荧光异常指数与其相关关系，确定叶绿素荧光监测干旱的可行性，最终得到研究区多年干旱时空变化情况。本文的主要结论如下。

根据多种统计数据分别与叶绿素荧光异常指数的相关关系进行验证，可以有效确认叶绿素荧光监测干旱可行。小麦和玉米产量与叶绿素荧光异常指数均呈现正相关关系，相关系数高达0.93及0.89。受灾面积与成灾面积与叶绿素荧光异常指数的相关系数分别为-0.54和-0.58，均为负相关。当叶绿素荧光异常指数值越大时，干旱受灾及成灾面积越少。同时本文对研究区2001—2020年的干旱监测分析发现河南省干旱虽然反复出现，但干旱程度总体减轻，干旱范围也大幅度缩小，干旱程度缓解。时间上，2001—2020年河南省的干旱情况处于不停上下波动状态，但总体呈现干旱情况减弱的趋势。空间上，2007年之前旱情涉及到了几乎河南省全省区域。2007—2014年间，旱情相较于2007年以前明显减弱。2015年开始河南省旱情除了极小部分地区，其他大部分地区旱情几乎不再出现。本文基于SIF遥感数据的建模、分析与应用为河南省干旱的监测提供了新的思路。

[1] Kim J S, Seo G S, Jang H W, et al. Correlation analysis between Korean spring drought and large-scale teleconnection patterns for drought forecasting[J]. KSCE Journal of Civil Engineering, 2017, 21 (1): 458-466.

[2] Mishra A, Desai V. Drought forecasting using stochastic models[J]. Stochastic Environmental Research and Risk Assessment, 2005, 19 (5): 326-339.

[3] Wilhite D A, Svoboda M D, Hayes M J. Understanding the complex impacts of drought: A key to enhancing drought mitigation and preparedness[J]. Water resources management, 2007, 21 (5): 763-77.

[4] Mishra A K, Singh V P. A review of drought concepts[J]. Journal of Hydrology, 2010, 391 (1-2): 202-216.

[5] Frankenberg C. New global observations of the terrestrial carbon cycle from GOSAT: Patterns of plant fluorescence with gross primary productivity[J]. Geophysical Research Letters, 2011, 38(17): 351-365.

[6] Joiner J, Guanter L, Lindstrot R, et al. Global monitoring of terrestrial chlorophyll fluorescence from moderate-spectral-resolution near- infrared satellite measurements: methodology, simulations, and application to GOME-2[J]. Atmospheric Measurement Techniques, 2013, 6 (10): 2803-2823.

[7] Guanter L, Rossini M, Colombo R, et al. Using field spectroscopy to assess the potential of statistical approaches for the retrieval of sun-induced chlorophyll fluorescence from ground and space[J]. Remote Sensing of Environment, 2013, 133: 52-61.

[8] Joiner J, Yoshida Y, Vasilkov A, et al. First observations of global and seasonal terrestrial chlorophyll fluorescence from space[J]. Biogeosciences, 2011, 8 (3): 637-651.

[9] 刘新杰,刘良云. 叶绿素荧光的 GOSAT 卫星遥感反演[J]. 遥感学报, 2013, 17(6): 1518-1532.

Liu X J, Liu L Y. Retrieval of chlorophyll fluorescence from GOSAT TANSO-FTS data based on weighted least square fitting[J]. Journal of Remote Sensing, 2013, 17(6): 1518-1532.

[10] Zhang Z, Xu W, Qin Q, et al. Downscaling solar-induced chlorophyll fluorescence based on convolutional neural network method to monitor agricultural drought[J]. IEEE Transactions on Geoscience and Remote Sensing, 2020, 59 (2): 1012-1028.

[11] Zhang Z, Xu W, Shi Z, et al. Establishment of a comprehensive drought monitoring index based on multi-source remote sensing data and agricultural drought monitoring[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2021, 14: 2113-2126.

[12] Joiner J, Guanter L, Lindstrot R, et al. Global monitoring of terrestrial chlorophyll fluorescence frommoderate-spectral-resolution near-infrared satellite measurements: methodology, simulations, and application to GOME-2[J]. Atmospheric Measurement Techniques, 2013, 6 (10): 2803-2823.

[13] 王彦良, 刘艳华, 王文杰. 基于遥感技术的河南省农业旱情监测研究[J]. 测绘与空间地理信息, 2013, 36(9): 128-130+133.

Wang Y L, Liu Y H, Wang W J. Study on Henan agricultural drought monitoring based on remote sensing technology[J]. Geomatics & Spatial Information Technology, 2013, 36(9): 128-130+133.

[14] Li X, Xiao J. A global, 0.05-degree product of solar-induced chlorophyll fluorescence derived from OCO-2, MODIS, and reanalysis data[J]. Remote Sensing,2019, 11 (5): 517.

[15] 孙洪泉, 吕娟, 苏志诚, 等. 分位数法对多指标干旱等级划分一致性的作用[J]. 灾害学, 2017, 32(2): 13-17.

Sun H Q, Lv J, Su Z C, et al. The effectiveness of the Quantile method on the consistency of the drought classification by multiple indices [J]. Journal of Catastrophology, 2017, 32(2): 13-17.

Study on Drought Monitoring and Spatiotemporal Change in Henan Province Based on Sun/solar-induced Chlorophyll Fluorescence Remote Sensing

ZHANG Zhaoxu*, XIAO Yue, GOU Wentao, CUI Jin

School of Environmental Science and Engineering, Tiangong University, Tianjin 300387, China

Drought, a natural disaster that has occurred frequently in recent decades, not only causes damage to the natural environment such as soil degradation, but also has a huge impact on economic development. The occurrence of drought is a long-term, continuous and complex process, which is the result of the combined effect of the atmosphere, soil and crops. This paper selected sun/solar-induced chlorophyll fluorescence remote sensing data from 2001 to 2020, took Henan Province as the study area, used the multi-year chlorophyll fluorescence anomaly index as the drought index, and classified drought classes based on the idea of quantile. Finally, the correlations between chlorophyll fluorescence anomaly index and statistical data (yield, affected area and disaster area) were calculated, and the spatial and temporal variation characteristics of the multi-year drought situation were analyzed, to provide scientific and effective suggestions for drought resistance and prevention. Results showed that the correlation coefficients of chlorophyll fluorescence drought index and wheat yield, maize yield, affected area and disaster area were 0.93, 0.89,-0.54 and-0.58, respectively. The correlation coefficients of chlorophyll fluorescence drought index and wheat yield and maize yield showed high positive correlation, while this index and affected area and disaster area showed negative correlation. This indicated the feasibility of chlorophyll fluorescence index in monitoring drought. Using the chlorophyll fluorescence drought index, the drought situation in Henan Province was calculated in practical and spatial dimensions, and the drought from 2001 to 2020 was analyzed. The overall degree of drought in Henan Province was reduced, and the extent of drought was significantly reduced. Finally, four measures were proposed for drought prevention based on the results. This paper provided a scientific basis for drought prevention and drought control based on remote sensing of sun/solar-induced chlorophyll fluorescence for drought monitoring and analysis in Henan Province.

solar-induced chlorophyll fluorescence; drought monitoring; spatiotemporal variation; remote sensing

张兆旭, 肖月, 苟文涛, 等. 基于日光诱导叶绿素荧光遥感的河南省干旱监测与时空变化研究[J]. 农业大数据学报,2023,5(1):76-86.

ZHANG Zhaoxu,XIAO Yue, GOU Wentao, et al. Study on drought monitoring and spatiotemporal change in Henan Province based on sun/solar-induced chlorophyll fluorescence remote sensing[J].Journal of Agricultural Big Data,2023,5(1):76-86.

10.19788/j.issn.2096-6369.230116

2023-01-18

北京未名福科技有限公司开放基金(22-02-01018A-0017)，海水资源利用技术发展研究与报告编制(22-02-01018A-0023)

第一作者兼通信作者张兆旭，男，博士研究生，研究方向：定量遥感与 GIS 建模; E-mail: zhangzhaoxu@tiangong.edu.cn。