论文部分内容阅读
土壤水分是全球气候系统中的重要变量,影响陆地表面与大气之间的水分、能量交换以及碳循环等过程,受到气候、地形、植被等多种因素的影响,土壤水分具有强烈的时空变异性。本文以八宝河流域为研究区域,基于黑河流域上游生态水文无线传感网络观测数据集,探索高寒山区土壤水分的时空变异性特征,并且研究了地形、植被、土壤温度三种因素与土壤水分的关系。本文分析了土壤水分的尺度效应,提出了一种基于亚网格标准差和表观热惯量(ATI)的降尺度方法,将分辨率为9 km的SMAP(Soil Moisture Active Passive)遥感土壤水分数据降尺度到1 km。本文取得的主要结论有:(1)土壤水分随着深度(4cm、10cm、20cm)的增加而增加,2013-2015年土壤水分有下降趋势;三个深度的土壤水分随时间都呈现周期变化趋势,表现出明显的季节变化特征。(2)用标准差、变异系数、半方差函数分析表层4cm 土壤水分的空间变异性,标准差随着均值的增加先增大后减小。变异系数在0.2-0.8的范围内,属于中等变异性。8-10月份土壤水分半方差函数的最优拟合模型为高斯模型,变程约为5.2 km,基台值约为0.018。(3)跟站点实测的流域日均含水量相比,SMAP 土壤水分数据有低估现象,但是随时间的变化规律与站点相似,两种数据的时间序列相关系数为0.826,SMAP的空间变异性比实测数据的变异性弱。(4)4cm、20cm的土壤水分均与海拔呈显著正相关,坡度、坡向、地形湿度指数、植被对土壤水分的影响不大;4 cm、20 cm的土壤水分与土壤温度的时间序列呈显著正相关,随着深度的增加,土壤温度对土壤水分的影响增大,冻土状态下二者的相关性大于土壤非冻融状态。(5)土壤水分存在尺度效应,变异性随着采样间距的增大而减小,不同尺度上的变异结构不同。(6)应用表观热惯量法反演的高分辨率ATI与土壤水分有较好的线性相关性,可以将ATI作为辅助变量对遥感土壤水分数据产品进行降尺度,从三个方面对降尺度方法进行评估,降尺度结果跟站点观测值之间相关系数(R)、均方根误差(RMSE)和平均绝对误差(MAE)的平均值分别为0.636、0.105 cm3/cm3、0.089 cm3/cm3,本文提出的降尺度方法理论基础扎实,降尺度结果可信。