太阳辐射几何模型在景观生态学中的应用外文翻译资料

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

太阳辐射几何模型在景观生态学中的应用

Pinde Fu and Paul M. Rich

地理学和堪萨斯州生态进化学的应用遥感项目部，堪萨斯生物调查，堪萨斯大学劳伦斯环境研究项目，KS 66045，美国

摘要

传入的太阳辐射（日晒）是最基本的物理和生物物理过程，因为它在能源和水平衡中的作用。我们开发了一个几何太阳辐射模型，计算日晒的太阳能分析地图从数字高程模型（DEM）。高度优化的算法可以考虑到对上视的视图、表面朝向、海拔和大气条件的影响。太阳能分析是一种方便有效的工具，在农业和林业领域有着不同的应用。在此，我们将重点介绍在景观尺度上的复杂地形测量土壤温度测量的应用。现有的插值技术通常只适用于大陆或广泛的区域尺度，而不捕捉更精细尺度的高变化。在落基山生物实验室附近的野外研究中，平均土壤温度与日晒和海拔高度密切相关。而每日最低温度与海拔高度负相关，每日温度变化（最大-最小）呈正相关，每天日晒。根据回归分析，我们每天生成最小和最大的土壤温度地图。剩余的变化是由植被覆盖等因素来解释的。该应用证明了对能量和水平衡研究的空间和时间变化的空间和时间变化的重要性。

1.0引言

空间日晒模型的重要性：日晒，通过对能源和水平衡在地球表面的影响，影响空气和土壤加热、蒸发蒸腾、光合作用、风、雪融化等过程（Geiger 1965、 Gates 1980， Dubayah and Rich 1995、 Rich et al. 1995）。在农业和林业领域，许多应用需要精确的日晒地图。在景观尺度上，地形是改变日晒分布的主要因素。高程变化、表面取向、由周围的地形特征和妨碍创造强烈的日晒的局部梯度。对于大多数地理区域来说，准确的日晒数据是不可用的。此外，由于具有较高的地形异质性，简单的插值和对点测量的推断是不可行的。与构建和维护高日晒监测站的费用、spatially-based太阳辐射模型形成对比，提供一个有成本效益的方法描述日晒的时空变化。SolarFlux模型（Hetrick et al. 1993a， 1993b， Rich et al. 1995）和另一个类似的模型（Kumar et al. 1997）模拟影子模式直接日晒的影响在离散时间间隔。这些模型是ARC / INFO地理信息系统开发平台（ESRI， Redlands， CA），并已被研究人员广泛使用不同的领域。但这些模型的ARC宏命令语言(AML) 的计算速度，简单扩散计算， 可用性仅为使用高成本的GIS软件。需要新一代模型来提供更好的准确性、更快的速度、更严格的散射计算，更好的灵活性和广泛的可用性。

TopoView and the Solar Analyst：基于这种需求，我们从数字高程模型（DEM）中开发了包括直接和散射太阳辐射的计算日晒地图的TopoView模型。我们移植作为太阳能分析，一个ArcView GIS扩展（ESRI， Redlands， CA），它提供了一个扩展用户界面和计算功能。Fu and Rich详细描述了TopoView and the Solar Analyst的理论和算法（1999a， 1999b， http：//www.hemisoft.com）。从本质上说，他们使用新一代算法（Rich 1994）生成upward-looking视域范围基于DEM，并使用这些视域范围计算的直接和从每个天空散射辐射方向。Solar Analyst之前开发的模型具有以下优势：

• 多功能输出：计算直接辐射、散射辐射、全球辐射，和持续直接辐射，skyview因素，sunmaps和 skymaps，视域范围；
• 简单的输入：只需要DEM、大气透射率和散射比例（后两个参数计算从附近气象站或使用典型值）；
• 改进的灵活性：

对任何指定的时期计算日晒；

对任何地区计算日晒；

允许接收地面特征为表面定向和高度补偿的规格；

• 快而准：

使用先进的视域范围算法计算，占视域范围（由靠近地面的天空阻塞特性），表面定位、高程、和大气条件比例；计算引擎中实现c 库格式和动态加载；

• 用户友好： 用户界面使用ArcView Dialog Designer and ArcView Avenue实现设计师；扩展受益ArcView的映射，查询、图形，和统计功能；
• 广泛的可访问性： 基于ArcView；不需要昂贵、高端GIS软件；
• 可设计的：添加了新的为面向对象组件，包括新类和实例请求， ArcView Avenue；提高用户效率通过允许任务自动化，自定义模型通过编程太阳能分析师连同大道或其他模型库。

研究在复杂地形中的小气候：作为一个正在进行的项目涉及植被模式和气候变化在落基山脉，我们需要包括温度的详细的地图的小气候。在这个从地形上不同区域，时间和空间变化的日晒温度时必须考虑构建高分辨率的地图。

2.0应用空间插值在复杂的地形景观尺度的温度数据

2.1背景

温度的区域差异：空气温度、土壤温度、水资源和土壤、农业和林业系统的关键因素。在很多情况下温度的因素决定了哪些作物或树可以生长在一个给定的区域，种子发芽、增长率、成熟、成熟和产量。

在全球规模、主要的植被模式是是由纬度梯度定义的。在大陆和区域尺度，因为绝热温度递减率，海拔因素干扰了纬向变化。因为这些尺度的大面积和粗糙的空间分辨率，温度机制看起来平滑而简单的内插可以充分地描述模式。在景观和地方尺度、温度模式深受精细日晒变异和微博因素（植被、土壤特性、风hellip;）。数不清的研究人员观察到高地形地貌区域的高温变化。例如，发现南坡的最大气温要比北坡高0.5℃to 5℃）。Holch（1931）发现，在南坡和北坡最高气温从0.5°到 5℃。卡特（1932），在他的德克萨斯州Big Bend County山里的植被的研究中，发现南坡地表两英寸下的土壤温度比北坡高出5℃到10℃。威尔逊（1970）指出了圣莱尔bull;蒙特森林地区南北坡气温度差异（平均每周最大），在春季为5℃，在夏季1.8 ℃。裸地地区的气温差异甚至更大。最近，迪克森（1986）在他的植物分布在落基山脉的研究中，发现土壤温度通常是0.4℃到12.1℃，比环境空气温暖，空气和土壤温度变化与地形位置有关。

气象数据的插入：对一个研究区域的温度特性的描述通常依赖于一系列在离散位置的测量值。这些离散数据的空间插值为一个连续面层通常是与其他GIS数据层一起使用的第一步。遥感的表面温度似乎是一种很有前途的技术，然而斜率和山区方面变化导致数据解译的困难（Lipton 1992）。研究人员使用了不同的统计模型和地理统计模型来从点取样位置生成表面温度。最简单的技术使用最接近的测量值，不能在复杂的地形中捕捉温度变化。另一个简单的技术广泛使用了一组坡向，坡度，温度和海拔的组合，并假设在这个组是相似的（Daubenmire 1956， Ayyad and Dix 1964， Dixon 1986）。这种方法可以以相似的方式处理迥然不同的景观位置，因为它忽略了周围地形特征的差异。此外，类别并不是连续的，而在表面方向上的细微差别被忽略了。趋势面，在全球，大陆，和广泛的区域尺度（Collins and Bolstad 1996， Kesteven and Hutchinson 1996）薄板样条距离倒数加权法（IDW），和ANUSPLIN(（Hutchinson 1991）都被用来插入温度测量。然而，这些模型假设基础表面光滑，缺乏在复杂地形条件下使用的机制。克里格和MT-CLIM表面插入模型（Hungerford et al. 1989， Running and Thornton 1996）可以使用相关变量创建表面，由于缺乏高分辨率日晒数据它们没有被用在景观尺度上。插值的问题或特定场地测量推断，包括温度，获得景观尺度估计仍然是一个挑战（Burrough and McDonnell 1998）。

通过加热地表面增加能量，日晒会对温度产生直接影响。成功的空间插值器不应该忽略这个底层物理过程。The Solar Analyst可以在高空间和时间分辨率下生成日晒地图。我们预计，在复杂地形的空间插值和温度测量外，日晒地图将非常有价值。

2.2方法

研究区域：如同一部分在落基山脉的小气候和植被之间的关系的区域分析，我们正在检查在格兰德台地- 安肯帕格里-甘尼森 （GMUG）国家森林和甘尼森流域的其他地区，科罗拉多州的现场测量和topoclimatic模型，详细的植被、土壤、DEMs和天气测量是现成的。这一地区地形变化剧烈。海拔范围从1600米到4400米。我们获得了覆盖整个区域的超过100美国地质调查局7.5 ′/ 30 m分辨率的DEM。这些DEM将作为主要数据层构建地图潜在的空气温度、土壤温度和土壤湿度和潜在蒸散。我们从（国家水与气候中心）获得了气象站的数据。这里我们给出位于甘尼森流域上流洛杉矶生物实验室附近的土壤温度的初步插值结果（图1）。

图1. 土壤温度传感器的位置邻近RMBL在DEM上的显示。圆圈表示在第一年的研究传感器用于分析（n = 7），三角形表明传感器没有收集有用的数据 (n = 4)。

场的测量温度：1998年8月，我们把十一个Hobo土壤温度传感器埋在20厘米深度（Onset Computer Corporation， Bourne， Massachusetts）对于一系列不同的坡向、坡度、upward-looking视域范围。传感器的确切位置是使用特异的纠正全球定位系统（Trimble Pathfinder）（图1）。每小时记录温度。每小时的阅读时间被转换为当地的太阳能时间进行分析。1999年6月，传感器被挖掘出来，传感器读本被下载。在11个传感器中，有3个是被动物挖出来的，其中一个有连接件坏了。1999年7月和8月，这些11传感器和另一个十个新的传感器又被埋（n=21 total）收集更多的数据对未来的分析。本文提供的分析从1998年8月10日到1999年6月17日为七个起作用的传感器。对于大多数统计分析来说，7个样本的样本容量不足。然而，这些数据是暂时的，而且是在景观中的关键位置上得到了高度的解决。此外，气象站的分布更稀疏，而且大多数都没有记录土壤温度。许多景观尺度的研究（覆盖数百平方公里）的土壤温度测量数据更少。我们的分析探讨了从一个小的集合抽样站中推断出的实际边界。

表面温度的插值/外推：太阳能分析人员习惯于用研究区域的平均晴朗天空条件计算日晒。在这片区域周围有一个30米的DEM被用作输入。日晒是计算一个月（1998年8月10日-1998年9月9日），然后除以31天来确定每日平均日晒。日晒的相关性最大、最小、日较差（maximum minus minimum）是检查和回归用于在整个研究区域生成表面土壤温度。剩余的残差是对其他因素的分析。

2.3结果与讨论

根据景观位置的不同，昼夜温差的变化：在温度测量的可变大部分时间里，7个采样点的温度是迥然不同的。只在11月，当雪花开始积累，在3月底和4月初，雪开始融化时，大部分地区也有类似的温度，所有附近的波动0℃ 。冬季温度传感器在不同的位置范围从-0.2℃——7.5℃。这一变化与积雪厚度和积雪深度的差异有关，最低的温度与积雪的厚度有关。夏末（8月至9月）和春末（5月至6月）显示高传感器之间的差异（图2）。夏末日均模式表明，每日最低气温非常相似（2℃范围）和日最高气温迥然不同（10℃范围）。

图2. 在夏末（1998年8月10日-1998年9月9日，测量值平均为每个小时）。不同的空间位置土壤温度的昼夜模式

海拔和日晒温度的相关性：没最低温度与海拔（r = –0.730）是强烈的负相关，与日晒没关系（r = -0.005）。

这可以用绝热递减率来解释，它可以使温度随着海拔的升高而降低。虽然每日最高温度与日晒有很强的正相关（r = 0.479），它与海拔没有显著相关性（r = 0.034）。日温度范围比日最高温度与日晒有很强的正相关（r = 0.504）。白天的加热很大程度上取决于对不同地点的日晒。

表1.海拔和日晒的温度的相关系数（1998年8月10日-1998年9月9日）

基于这些关系，每日最低温度和海拔高度之间的线性回归计算（方程1），在日温度范围和日晒之间的（公式2）。这些方程应用于野外研究区域和地图生成每日最低和最高温度（图3）。地图预测低海拔和高曝光的南坡的土壤温度更高，北坡和其他坡度的温度较低。

Temperaturemin = –0.0025 * [elevation] 17.90 （1）

Temperaturemax - Temperaturemin = 0.003629 * [insolation] – 15.01 （2）

图3. 平均日最高气温为夏末（1998年8月10日-1998年9月9日）

残差回归：由此产生的地图可以在一个高分辨率下捕捉复杂的土壤温度空间格局。日晒是模型的关键，直接关系到对系统的物理理解。均方根误差（RMSEs）0.98℃和6.46℃方程分别为1和2。剩余的变异可以用不同的因素来解释，包括传感器配置、植被的覆盖和DEM质量。其他因素，如空气流动模式的差异、土壤特性和水的含量等都没有考虑在内。

传感器配置：从传感器到地面的距离随坡度而变化（图4）。坡度越大，直线距离越接近地表。当检测土壤导电率时，必须考虑这种效应。一个简单的线性校正增大日晒和日温度范围之间的相关系数从0.504到0.688不等。

图4. 在斜坡上的传感器

和地面的实际距离

植物覆盖：每一个传感器的位置（裸露、低、

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25391]，资料为PDF文档或Word文档，PDF文档可免费转换为Word