论文部分内容阅读
叶面积指数(LAI)是表征植被冠层结构的一个重要参数,因大气条件等因素影响,使MODIS LAI数据产品中存在数据缺失、质量较低等问题,严重影响LAI数据集的应用。在陆面模式中,叶面积指数影响植被的光合作用、冠层蒸腾作用效率和能量平衡的状态,与整个物质、能量和水分的循环过程都有联系。为了获取较高精度的模式模拟结果,本研究以青藏高原为研究区,综合利用像元质量分析、S-G滤波和年序列异常值检测滤波方法,开展了LAI数据重建技术研究,重建了2015年MODIS LAI时序数据集,并将重建后的高质量LAI数据应用于陆面过程模拟研究,分别设计两组对比试验,开展地表温度、土壤湿度模拟,对比分析重建后LAI数据应用效果。主要结论如下:(1)像元质量统计分析表明,阔叶林高质量像元占比最低,仅为48.12%,各类别低质量与反演失败像元整体占比达到18.68%。针对数据集质量偏低的问题,提出了综合滤波方法,该方法有效保留了高质量像元信息值,改进了S-G滤波效果的不足。相较于S-G滤波法,综合滤波方法重建后的高质量像元的LAI均值与原始均值更趋一致,高质量像元重建后与原始数据的相关系数达到0.99,具有更好的保真性。对中低质量像元重建的异常值进行了滤波,填充了空值区,降低了标准偏差,较好地识别和修复了低值区或异常点,整体稳定性更好,能有效地拟合时序变化曲线。(2)采用最新研发的高时空分辨率的陆面数据同化(HRCLDAS/CLM)系统和不同的LAI资料,设计两组对比试验HRCLM/TG(模式自带的LAI数据)和试验NEW/TG(重建后的LAI数据)开展地表温度模拟。结果表明,两组试验的地表温度在青藏高原地区都呈现自西北至东南方向逐渐升高,均能较好地模拟出地表温度一年中呈现先上升后下降的时间变化趋势。试验NEW/TG模拟的地表温度与观测值的相关系数达到0.863,略大于试验HRCLM/TG,模拟结果相对较好,其中夏季和秋季的模拟结果与实测值的差异较大;试验NEW/TG均方根误差降低了0.109℃;偏差在三个季节均为负数,低估了实际地表温度值,且夏季地表温度模拟情况相对较差。整体上来看,LAI质量的改进提高了地表温度模拟效果。(3)通过设计两组试验HRCLM/SOIL(模式自带的LAI数据)和试验NEW/SOIL(重建后的LAI数据),研究LAI改进对青藏高原地区土壤湿度模拟效果的影响。结果表明,两组试验均能够较好地模拟出土壤湿度时间变化趋势,模拟结果与观测值的相关系数在0.800左右,试验NEW/SOIL模拟值与观测值的相关系数比试验HRCLM/SOIL略高了0.023,其中在春季的模拟值与实测值差异最大。两组试验的土壤湿度模拟值与观测值的均方根误差和偏差反映的季节规律相对一致,春季最小,夏季和秋季较大。从土壤湿度空间分布来看,两组试验均呈现由西北向东南方向土壤湿度逐渐增大的变化趋势,且高估了实际的土壤湿度。试验NEW/SOIL的模拟结果说明高质量的叶面积指数数据集,可提高陆面模式对土壤湿度的模拟效果。