论文部分内容阅读
积雪是地表反射率较高的自然要素之一,是全球能源(量)和水文循环的重要组成部分,其空间分布和特性对于气候变化十分敏感。表层积雪黑碳浓度和雪粒径的变化可以显著降低积雪反照率,造成雪层对太阳辐射的吸收,进而对区域水文循环和气候变化产生反馈作用。利用遥感技术对季节性积雪中的黑碳和雪粒径进行定量评估,可以获取时空上连续系统的积雪黑碳浓度和雪粒径变化情况,这也为许多气候模型和水文模型提供了必要而准确的输入参数。本文基于MODIS数据的3(0.47μm)、2(0.86μm)和5(1.24μm)波段的反射率数据,采用由AART(Analytical Asymptotic Radiative Transfer)模型发展的SGSP(Snow Grain Size and Pollution amount)算法反演中国三大稳定季节性积雪区的积雪黑碳浓度和雪粒径,尝试其在中纬度季节性积雪区的适用性,生成2000―2018年中国积雪黑碳浓度和雪粒径产品,并结合地面观测数据评估产品的精度,最后基于该产品分析了中国典型积雪区黑碳浓度和雪粒径的时空变化特征。研究结果表明:(1)基于MODIS数据,利用SGSP算法可以同时反演中国三大积雪区的积雪黑碳浓度和雪粒径,反演结果表明在纯雪像元上具有较高的精度,并且可以获取长时间序列较高时空分辨率的积雪黑碳浓度和雪粒径产品。验证结果表明,反演得到的积雪黑碳浓度与地面实测积雪黑碳浓度的相关系数是0.83、均方根误差和平均绝对误差分别为116.24ng/g和100.45ng/g;反演得到的雪粒径和实测雪粒径的相关系数为0.78,均方根误差和平均绝对误差分别为40.23μm和33.91μm。因此,SGSP算法反演结果与实测结果具有很好的相关性,反演精度较高,获取的产品具有较高质量。(2)基于MODIS长时间序列积雪黑碳浓度和雪粒径产品分析表明,2000―2018年中国积雪黑碳浓度整体呈现下降趋势,年均值在600ng/g~800ng/g波动,黑碳浓度减少量为3.44ng/g,累计年平均黑碳浓度为694.27ng/g。北疆和青藏高原积雪区的黑碳浓度呈不显著上升趋势,东北积雪区的黑碳浓度呈显著下降趋势,年均减少量为10.51ng/g。冬季积雪期各月积雪黑碳浓度存在差异,12月的积雪黑碳浓度最高,3月积雪黑碳浓度最低。空间变化上,积雪黑碳浓度减少区域主要分布在北疆阿勒泰西南部的古尔班通古特沙漠、准噶尔盆地,青藏高原西部边缘地区,东北哈尔滨、长春和沈阳三个省会城市形成的工业经济发达地区,减少幅度为10ng/g~50ng/g。增加区域主要集中在北疆天山经济带、东北黑龙江的齐齐哈尔市、佳木斯北部地区,增加幅度在10ng/g~20ng/g。此外,利用大气气溶胶光学厚度数据、夜间灯光数据及风速等辅助数据探究了积雪中的黑碳浓度分布及变化的可能原因,发现积雪黑碳一定程度上受人口及经济发展水平和大气稳定度等因素影响,在北疆、东北地区,受局地污染源影响,积雪黑碳浓度的高值区主要集中在人口密集、工业发达的城市带,而青藏高原地区由于海拔高、人口稀少,积雪黑碳浓度主要受大气稳定度影响,黑碳污染主要来源于高原外部的低海拔地区的排放。(3)基于MODIS长时间序列积雪黑碳浓度和雪粒径产品分析表明,2000―2018年中国年均雪粒径在120μm~130μm波动,平均值为124.67μm,年均减少量为0.04μm,变异系数为0.019,说明中国年均雪粒径没有显著变化,变化趋势稳定。月均雪粒径变化显示每年积雪期12月份的累计月雪粒径最大,而3月份的累计月均雪粒径最小。雪粒径空间变化范围为0~10μm,大部分地区雪粒径都呈增大趋势,变化率分布特征不明显。