论文部分内容阅读
青藏高原是全球中低纬度地区面积最大的多年冻土分布区,在全球变化背景下,多年冻土的影响日渐突出,了解青藏高原多年冻土分布现状及规律对全球气候变化研究、寒区工程规划、水资源管理、生态系统稳定以及碳循环研究具有重要的科学与实践意义。对于青藏高原冻土分布的模拟中通常面临着地表上边界条件的确定和模型中土壤参数的获取两个难题,本文利用野外综合调查资料获得了高原面不同土壤类型的土壤参数,同时利用自动气象站观测数据结合遥感数据获得了冻土地表边界条件,并依此驱动冻土分布模型对青藏高原冻土空间分布进行了模拟。首先利用自动气象站观测地表温度和Landsat反演地表温度对MODIS地表温度(LST)产品在青藏高原多年冻土区的适用性进行评价,采用多元线性回归方法建立了遥感数据的日均温经验模型,并对青藏高原地表冻结、融化指数进行了计算;然后利用野外土壤调查数据和潜在环境因子,结合决策树方法和土壤—环境推理模型对青藏高原土壤进行分类,并根据经验公式结合土壤参数估计了每类土壤的导热系数,实现了土壤热性质的空间化;最后利用以上获得的数据驱动三个冻土分布模型对青藏高原的冻土分布进行了模拟,将模拟结果利用典型区实际调查结果进行验证,得到青藏高原地区冻土分布图,并与年平均地温模型模拟结果进行了对比分析。综合本文的研究内容,得到的主要结论如下: 1.利用三个自动气象站的观测地表温度及具有较高空间分辨率的Landsat TM/ETM+反演地表温度与MODIS LST进行了对比分析。结果表明,白天MODIS LST平均绝对误差(MAE)和均方根误差(RMSE)分别约为3.42~4.41℃和4.41~5.29℃,夜晚MODIS LST精度高于白天,其MAE和RMSE分别为2.15~2.9℃和3.05~3.78℃;MODIS LST与TM、ETM+反演地表温度的一致性较好,相关系数(R2)分别达到0.85和0.95以上。MODIS LST与TM反演地表温度的MAE和RMSE分别为2.66~3.4℃和3.33~4.36℃,而与ETM+反演地表温度的一致性高于TM,MAE和RMSE分别为1.87~2.14℃和2.21~2.78℃。考虑到可能的误差来源,MODIS LST产品在青藏高原多年冻土区具有合理的误差范围,且不同空间尺度的遥感地表温度之间相关关系较好。利用MODIS LST的四个瞬时观测值拟合日均值过程中,预测精度随参与变量数的增加而得到提高。结合每日四次观测的模型具有最高的相关系数和最低的误差,其R2、MAE和RMSE分别为约0.92,2.4℃和3℃。本文采用方法比利用MODISLST作为训练数据的常规方法的误差小,精度更高。 2.为获取青藏高原时空连续的地表温度数据,本文利用HANTS算法对MODIS LST空缺值进行了插补。结果显示,青藏高原地表温度年均值范围为-31.7℃~22.6℃,从高原东南向西北地表温度逐渐降低,年均地表温度的空间分布主要受高程影响。地表冻结和融化指数的空间分布与地表温度的年均值相似,融化指数由东南向西北递减,冻结指数分布由东南向西北递增。同时,冻土和融土的导热系数依据经验公式结合土壤样品的含水量和干密度进行求算,并根据土壤类型的空间化结果实现导热系数的空间化。 3.综合考虑模型的复杂程度与可获取数据量,本文选取了冻结数模型(F1)、改进的冻结数模型(F2)、多年冻土顶板温度模型(TTOP1)和多年冻土顶板温度模型2(TTOP2,以-0.5℃为界限划分多年冻土和季节冻土)对青藏高原冻土分布进行了模拟。统计结果显示,F1、F2、TTOP1和TTOP2模型模拟的青藏高原多年冻土面积分别为103.9×104、107.05×104、106.43×104和96.19×104 km2。四种模拟结果在分布趋势上一致,分布面积和边界存在差异。 4.典型区冻土分布图利用钻孔资料和地形因素结合年平均地温模型进行模拟,并以5个典型区的冻土分布模拟结果对高原面模拟结果进行验证,四种模拟结果在5个典型区的表现良好,精度均超过67%。对于西昆仑典型区的模拟精度最高,均超过了94%,其次为温泉地区,精度均超过了82%。对阿尔金、改则、不冻泉—清水河典型区的精度也达到了67%~90%之间。若以四种结果在5个典型区的平均精度来看,F1的结果精度最高(84.76%),其它三种结果按精度高低依次为TTOP1(83.40%)、TTOP2(82.55)和F2(79.5%)。综合四种结果的表现,F1结果在5个典型区的4个中,模拟精度均达到了最高。 5.以精度最高的冻结数模型结果(F1)作为青藏高原冻土空间分布结果,其中多年冻土面积为103.90万km2,季节冻土为148.08万km2,非冻土的面积为2.92万km2。将模拟结果与年平均地温模型进行对比分析,存在差异地区主要分布在青藏公路沿线大片融区、连续多年冻土边界、藏北高原南部大片岛状多年冻土区以及东念青唐古拉山冰川周边。相对于年平均地温模型,本文采用的数据和方法对融区非常敏感,模拟精度在大片森林地区一定程度上受到影响。