青藏高原地表温度近年来变化趋势外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

青藏高原地表温度近年来变化趋势

Yuichiro Oku and Hirohiko Ishikawa

京都大学防灾研究所， 日本 东京

Shigenori Haginoya

物理气象研究所， 日本 茨城

YaoMing Ma

中国科学院青藏高原研究所, 中国 北京

摘要：利用日本第五代地球同步气象卫星（GMS-5）观测得到的逐小时地表温度数据集来分析1996-2002年间青藏高原区域地表温度的日变化、季节变化和年际变化。将从GMS-5中获取的地表温度数据与独立降水量数据进行对比，可以发现两者之间存在一致的互补关系。结果表明在此期间内地表温度在升高，日最低温度的增幅大于最高温度，这导致了日地面温差变小。这个结论也符合全球及高原近地面气温观测的变化趋势。由于近地面气温主要受地表温度控制，这个结论确保了近地面气温的增暖趋势。

1. 引言

青藏高原通过地形和热力强迫机制在全球气候和大气环流中起到重要作用（Ye,Cao 1979;Ye 1981;Ye,Wu 1998）。青藏高原地表高度达到海拔4000多米，这阻碍了对流层的环流，并影响了欧亚大陆上空的气流。高原地区地面比周边其他地区吸收更多的入射太阳辐射，因此它能直接加热其上部的对流层中层。所以，研究高原地表和其上空的能量平衡是很有必要的。我们需要知道它对高原局部地区以及全球的影响，才能做到对热效应的定量估计。

地表温度（LST）是监测地表与大气之间显热潜热通量能量交换的重要参数。在讨论青藏高原局部地区以及全球热效应时，这些通量非常重要。显热通量由地表和大气之间的温差直接决定。大气温度在季节和年际尺度上的变化比地表温度的变化小，大气和地表温度的温差变化主要由地表温度变化决定。所以，地表温度是一个很适合用于分析地表和大气热力过程的参量。地表温度也与热力过程导致的气候变化有关，所以，对青藏高原的地表温度的研究在气候和气象学中都有很重要的意义。

政府间气候变化委员会指出了在全球增暖研究中对于包含长期地表遥感数据的迫切需求（Houghton et al.2001）。卫星遥感为确定地表温度的区域分布提供了可能性，但是在现阶段只能得到海表面温度的长期数据集。由于地表的不均匀性，陆地表面温度的传感很是难的。早期的研究通过将美国国家海洋和大气管理局（NOAA）开发的先进高分辨率辐射计（AVHRR）海表面温度裂窗技术应用于均质陆面(e.g., Sobrino et al. 1996; Li and Becker 1993)。尽管NOAA极轨卫星能提供一天两次的高空间分辨率观测数据，但是对于日循环观测是不够的。根据GEWEX的青藏高原项目中亚洲季风实验的地表观测表明，地表温度有着和年较差一样大的的日较差（图1）。这说明有必要对地表温度进行一天两次以上更多的观测。地表温度的日变化周期是一个可以用地球同步卫星观测到的重要变量。尽管极轨卫星能提供高空间分辨率数据，但对地静止卫星在地球赤道至中纬度大部分地区提供了很好的时间采样。对于青藏高原，很适合利用日本第五代地球同步气象卫星（GMS-5）来观测地表温度的空间分布。

图1：由位于（33.5°N，93.8°E）、（34.2°N，92.4°E）和（32.7读N，91.9°E）三个空间点观测得到的数据，绘出地表温度的季节变化（水平坐标）和日变化（垂直坐标）。

1. 算法和数据

GMS-5卫星于1995年3月18日发射，它的覆盖范围是从夏威夷到印度的亚太地区。它持续记录了8年的逐小时信息，并于2003年5月22日停止使用。GMS-5有一个可见光和红外自旋扫描辐射计（VISSR），它可以检测三个红外通道：两个分裂窗口通道（IR1,11;IR2,12）和一个水汽通道（6.7）。为了获得青藏高原上的LST分布，我们将这种三维红外通道（Oku和Ishikawa 2004）的辐射率应用了分割窗技术(Oku and Ishikawa 2004)。这种技术利用了辐射传输方程中两个不同波长（11和12）的大气吸收差异。 LST，，被定义为如下：

式中的和是GMS-5在11和12处的亮温，在这里，是两个通道的平均发射率，是两个光谱的辐射差。地表辐射率主要取决于植被，所以它的日变化于季节变化关系很小。根据Sobrino和Raissouni (2000)，和是通过NOAA /AVHRR图像的可见光分裂窗通道计算出的植被指数（NDVI）的标准差来估算的。NDVI通过如下计算：

这里的和分别是AVHRR通道1和通道2产生的反射率值。NDVI被看作是月平均值。公式（1）中的系数A到D如下给出：

这里的整层大气的光学厚度，是地表和顶层大气之间的平均温度。和的下标1、2分别代表11和12通道；是天顶角为53°时的透过率；和的变化与光学路径中的卫星天顶角和可降水量无关。可降水量是通过水汽通道的亮温直接估算得到的。由于6.7传感器的权重函数最大值接近400 hPa，并且不能反映较低水平的湿度，6.7的亮度温度这一指标不适合用于估算可降水量。但是青藏高原的地表处于500-600hPa高度，所以预估这个6.7的亮温与该地的可降水量信息有关。

除云是地表温度反演过程中的重要组成部分。 为了识别对流云活动，许多研究人员使用卫星红外测量和固定临界值技术。但在本研究中，不仅有必要除去对流云，还要除去其他所有云种。为了实现这个目标，Oku和Ishikawa（2004）使用了可变临界值技术，如下：

这里的临界值既有季节变化也有日变化，并且它的确定基于地表观测。通过采用这种技术，夏天可以去除相对温暖的云层，并在冬天夜间探测到较冷的地面。

从1996年到2002年，所有可用的GMS / VISSR和NOAA / AVHRR图像都用来估算青藏高原的LST和NDVI分布。研究区域定义为4000m以上的地区。以原始图像数据为基础，对经纬度分辨率为0.1°的网格格式数据进行插值，并以行像素格式存档。

LST取决于地表条件，如植被覆盖度和土壤湿度。NDVI是最常用的植被变化检测，植被分类等。 Lambin和Ehrlich（1995）证明，LST和NDVI的组合给出了更好的土地覆盖分类，Lambin和Ehrlich（1996）通过与生物物理分析的土地覆盖变化进行比较验证了这种方法。

LST的可靠性应通过独立数据集验证来证明。通过使用每月的气候预测中心降水合并分析（CMAP）数据（Xie and Arkin 1996,1997）和特殊传感器微波成像仪（SSM / I）月积雪产品（Basist等，1996,1998） 用于比较它们与LST的变化。

青藏高原高密度观测期和长期观测以及协调强化观测期（CEOP）青藏高原（CAMP /西藏）亚澳季风项目（CAMP）已经成功进行了7年。利用红外测温仪测量自1997年至2003年D66，MS3608和Gaize自动气象站（AWS）的LST数据，并将其与卫星探测作比较。在距地面1米高的地方安装了红外测温仪（盖泽公司的OPTEX Thermo-Hunter IK3和D66和MS3608的CHINO红外辐射测温仪HR1-FL）。数据采集器每秒对LST数据进行采样，并记录10分钟的平均值。采用MS3608深度4 cm土壤水分观测资料与LST资料进行比较。观测间隔为1小时并且自动收集数据。时域反射仪（TDR）探头测得的土壤含水量是指土壤融化时的体积含水量和土壤冻结时的体积解冻含水量。图2显示了青藏高原上的观测点和土地利用地图（Dickinson et al。1986）的位置。

详细的模型评估已经在Oku和Ishikawa（2004）中做了介绍。 使用该算法的GMS-5数据的估计地表温度与AWS的原位表面测量结果比较的结果显示高相关系数：接近0.9，均方根误差（rmse）为约10K。

图2：青藏高原上的AWS观测点和土地利用图的位置。

1. 结果

根据每个网格的可用数据计算日平均LST的月平均值，并且从1996年到2002年的每个月的网格值计算青藏高原的平均面积。处理大约6万个小时图像。应当注意的是，LST的估算只能在无云地区的情况下进行。在这7年中，无云地区占总格点的比例为百分之51.5。

GMS-5记录的月平均LST的年际变化如图3所示为平均年份的异常。为了显示图的相对重要性，无云像素与总数的比率由不同的标记表示。1997/1998年和1999/2000年冬季的日平均温度比其他冬季低7年。在这些冬季，从SSM / I得到的青藏高原平均积雪分数平均值比其他冬季大（图4），Sato（2001）报道1997 - 98年冬季积雪日最长 （世界气象组织（WMO）ID 55299, 31.5°N，92.0°E，4508 m），Sogxian（ID 56106,31.9°N，93.8°E，4024 m）以及昌都气象站 （ID 56137,31.2°N，97.2°E，3307 m）。另外，1990〜2000年沱沱河气象站（ID 56004,34.2°N，92.4°E，4535 m）常规测量的月平均气温比1997〜1998年和1999〜2000年冬季偏冷（Zhang et al。2003）。可以得到，冬季月平均日降水量降至较低值，比其他冬季降雪量偏多或气温偏低。

青藏高原地面在亚洲季风爆发前四月至五月是非常干燥的，这一时段太阳辐射比冬季强，云量少于夏季。因此，地面在白天容易被加热，在夜间被冷却，所以LST的日间范围成为全年最大。季风爆发后，由于降水，表层土壤水分逐渐增加，反映出日降水量的日变化。 LST的日变化范围在中旬季节成为其年度最小值。

图3：GMS-5从1996年到2002年的（最高）月平均最高日，（中上）日平均值和（中下）日平均最低LST异常（平均年偏差）和（底部）LST昼夜距平时间序列 所有的数值都是在青藏高原的平均值。 数据采集率的云雾效果的影响显示在空心圈超过75％，▽为50％-75％，●小于50％。

图4：根据SSM / I数据，从1996年到2002年青藏高原平均积雪分数平均值

戴等人 （1997）认为降水量是解释近地面气温昼夜变化的一个很好的候选方案。同样，地表温度的日变化也可以通过降水量的变化来解释。图5显示了高原平均月降水量的年际变化。1998年，2000年，2001年和2002年夏季，降水量均大于其他夏季。LST日变化的异常在这些夏季表现出极小值。降水增加可能通过白天地表蒸发冷却强化和夜间辐射冷却的抑制促成了LST日变化幅度的减小。预计LST的日变化范围与降水之间实质上为负相关。将归一化月降水量异常与相应的归一化月平均LST日变化范围异常进行比较，如图6左图所示。这两种异常之间的相关系数为-0.435。

图5：根据CMAP数据，从1996年到2002年，青藏高原平均月平均降水量。

图6：MS3608站观测到的（左）降水量和日平均LST日平均距平场的散点图（平均值）和（右）土壤湿度和LST日平均范围。所有值均为平均年份的归一化异常值。

降水量增加会导致该地区土壤水分的增加，土壤水分通过蒸发冷却可以使LST的日变化范围变小。这在行星边界层不稳定和潜在蒸发量高的那一天特别有效。利用MS3608测量的最长，最稳定的地表观测资料，将土壤水分的年际变化与LST日变化进行比较。图6的右图显示了土壤湿度与LST昼夜变化的关系。 相关系数是-0.470。虽然负相关性不强，但这些结果证明月降水量与降水的一致和互补关系。

图7：与图3相同，但自1997年到2003年，在MS3608（31.2°N，91.8°E，4610 m）测量的自动测深仪（LST）。

从1996年到2002年，日平均LST（图3中上图）略有上升。线性回归得到的趋势是0.1216 K/十年。 日最低LST（下中图）上升0.2865 K/十年，而最高LST（上图）则为0.0049 K/十年。由于日最高月平均值几乎没有变化趋势，日变化幅度以0.0745 K/十年（下图）逐渐减小。如图7和表1所示，从1997年到2003年，在AWS3608测量的地面观测数据中也可以发现类似的趋势。

表1：从1996 - 2002年的数据（1997 - 2003年的MS3608）的线性回归得到的LST趋势。 数值以每十年一次表示。

图8：在每个网格线性回归获得的趋势的水平分布。 （左上）日平均，（左下）最小，（右下）最大LST，和（右上）LST的日平均范围。

为了研究水平分布，计算每个网格的LST趋势，然后绘制在图8中。相比之下，日最大低温的趋势表现出相当大的区域差异。在高原东部和西南部，高原西北部和南部日降水量呈增加趋势，但日降水量逐渐减少。高原西北部和南部的LST日变化范围正在减小，反映出了这种最大的LST趋势模式。在高原的一半区域以上发现LST昼夜变化趋势的减少。这种日变幅趋势模式与NDVI的季节变化模式相一致（见图9）。植被的NDVI值如图2所示，在夏季有所增加。如图2所示，高原植被分为矮化植物（矮草）和未分化植物（半荒漠和荒漠）两个区域，而在半干旱/沙漠地区，NDVI几乎没有季节变化，保持在0.1以下。然后计算每个地区月平均NDVI和日均值，最大值，最小值LST和日平均温度。

图9：（左）1月份和（右）7月份的青藏高原7年平均值NDVI。

图10：与图3相同，但是左面板来自植被区域中的GMS恢复的LST，右面板是穿过非植物区域。 数据采集率的云雾效果的影响显示在空心圈超过75％，▽为50％75％，●低于50％。

图10显示植被面积每日最大值（左上），平均值（左上中），最小LST（左下中）和LST（左下）的每月平均值。在图10的右侧面板中示出了非面积

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21445]，资料为PDF文档或Word文档，PDF文档可免费转换为Word