渭河流域西部季节冻融对浅层非饱和土壤水热变化的影响

以黄土高原渭河流域西部黄土丘陵沟壑区为研究区域,建立了野外观测场地,对该区域浅层非饱和土体冻融过程及水热运移规律对气候作用的响应过程进行了研究与分析。结果表明：气温对地温及地温变幅的影响随深度增加而迅速衰减,地温振幅随深度增加按指数规律衰减且温度波的相位随深度的增加而滞后,地表下200 cm深度以内地温振幅受气温影响较大。该区域裸露地表土壤的最大冻结深度在20～50 cm之间。在土壤冻结过程中,深层土壤未冻水逐渐向冻结层运移,导致深层含水量逐渐减少。不同深度土壤冻结系数随土壤深度的增加而减小,融化系数则相反。地表下50 cm深度以内的土体含水量受降水影响波动显著。土壤含水量与温度呈相似变化,地温峰值出现的时间总滞后于土壤水分,其变异程度均随土壤深度的增加而减小。     

青藏高原春季土壤湿度与中国东部夏季降水之间的关系

应用SVD方法分析了青藏高原地区春季土壤湿度异常和中国东部地区夏季降水之间的关系.结果表明,青藏高原不同地区、不同深度的土壤湿度与中国东部夏季降水的相关特征不同.青藏高原东北部和西北部0~10cm深度(表层)土壤湿度与中国华北、东北地区的夏季降水为正相关,而与华南地区为负相关;青藏高原中部及南部0~10cm表层土壤湿度与华北地区夏季的降水有较强负相关;青藏高原北部及东部10~200cm深度(深层)土壤湿度与华北、东北地区的夏季降水为负相关,而与华南地区夏季降水为正相关;青藏高原中东部10~200cm深层土壤湿度与长江中下游和华南大部分地区夏季降水呈负相关关系.即青藏高原不同地区、不同深度层春季土壤湿度的变化,对中国东部地区的夏季降水具有显著影响.     

吉林省土壤冻融的逐日变化及与气温、 地温的关系

土壤冻融过程对气候和生态环境演变有重要影响。为了研究季节冻土区土壤冻融过程及其对气候变化的响应,利用2014-2017年吉林省典型代表观测站逐日冻土、气温和地温数据,研究土壤冻融的逐日变化及其与气温、地温的关系。结果表明：在土壤冻结和融化完整过程中,冻土上限呈直线上升趋势变化,下限呈先增大后减小的三次曲线趋势变化,即从稳定冻结初日起,冻土深度逐渐加深,在达到最大值后,缓慢变浅。冻土融化包括下限和上限融化两个过程,具有“两头化”的变化特征。冻土上限融化与下限同时开始或者晚于下限,但冻土上限融化的日变化量要大于下限。在土壤冻结过程中,活动积温、0 cm地积温、10 cm地积温与冻结深度呈三次曲线变化关系,随负积温的增加,冻结深度加深。在冻土上限融化过程中,活动积温、0 cm地积温、10 cm地积温与冻土上限深度呈三次曲线变化关系,随正积温的增加,上限融化深度加深。在冻土下限融化过程中,活动积温、0 cm地积温、160 cm地积温与冻土下限深度呈显著的直线趋势,随正积温的增加,下限融化深度变浅。     

黑龙江省春季浅层(0～20cm)地温变化特征及预报

利用1981-2012年黑龙江省74个气象观测站的气温、0 cm、10 cm、20 cm地温春季(3-5月)逐日资料,分析了黑龙江省春季浅层地温、气温变化特征.结果表明:0 cm地温年际间波动大,全省平均1987年最低,2008年最高;全省变化存在明显的空间一致性;尽管气候变暖使1990年代以后春季0 cm地温偏低年出现相对减少,但是出现春季浅层地温偏低的年份比例仍超过三分之一,并具有南部、北部反向变化的特征,2005年以后南北差异有减小的趋势.各地3月份开始解冻,主要农区10 cm地温稳定通过6℃的日期主要集中在4月中下旬.以10 cm地温为预报量,利用黑龙江省逐日气温、20 cm地温资料建立春季浅层地温预报模型,回代和2013年预报检验平均绝对误差平均为1.05℃,绝对误差最大值为1.9℃,4月份的预报结果要好于3、5月,可以应用于业务指导.     

黑河上游山区典型站的水热过程模拟研究

Noah LSM陆面过程模型在国际上被广泛应用于陆面的水热过程模拟, 但在高寒山区的适用性研究并不充分, 目前还没有在黑河上游高寒山区应用的案例. 利用Noah和黑河上游两个典型站(大冬树山垭口站和阿柔站)2008-2009年的观测数据, 对两站的水热过程进行了模拟. 通过比较模拟结果和实测的地温和液态水含量, 表明Noah能够较真实地反映该地区的水热过程. Noah对观测站的地温模拟较好, 但冬季存在一定偏差; 液态水含量的模拟总体偏低, 表层液态水含量在春季土壤融化期的模拟偏差较大. 以上现象与该地区土壤异质性较大、 春季融化期土壤冻融过程中土壤含冰量判定存在偏差、 冬季降水量观测不准等有关. 此外, 结合模拟结果, 讨论了观测数据的质量问题.     

2009-2010年青藏高原土壤湿度的时空分布特征

利用2009年7月1日至2010年6月30日中国气象局研制的多源土壤温湿度融合分析产品, 分析了青藏高原地区不同深度的土壤湿度分布特征. 结果表明: 青藏高原土壤湿度具有显著的季节变化特征, 即春季土壤湿度最大, 夏季次之, 秋季最小; 土壤湿度呈现出浅层和深层低湿、中间层高湿的特点, 且土壤湿度由浅到深层变化幅度逐渐减小. 随着温度回升, 3-8月为土壤湿度增加时段, 湿度增加区域从藏东南向西北、塔里木盆地向藏东北扩展, 9月以后土壤湿度呈大范围减小. 随着季节变化, 浅层土壤湿度高湿度区域从南部向北部移动, 中间层土壤湿度的变化与浅层相反, 深层土壤湿度季节变化差异不大, 高湿度区域基本位于高原南部.     

西藏自治区季节冻土区最大冻结深度及动态变化特征研究

利用西藏29个基准(基本)观测站1990-2014年逐日0cm地温资料,采用回归统计、斯蒂芬法等方法进行研究,基本查明西藏地区近25年间逐年最大冻结深度的变化情况。西藏地区最大冻结深度空间分布,西北靠多年冻土地区以及高山地区大于东南中低山谷地区;最大冻结深度呈从西北向东南方向递减的分布特征。最大冻结深度年变化率呈现出逐年变浅趋势,靠多年冻土区在个别低温年份冻结深度会明显增加。研究表明,除昌都市的最大冻结深度与年降水量呈现正相关外,其他地区最大冻结深度与年平均气温,年降水量基本呈负相关。年最大冻结深度与年平均气温的相关性,高于与年降水量的相关性。最大冻结深度减薄趋势反映与年平均气温和年降水量升高相关,最大冻结深度与年平均气温的相关性较与年降水量相关性显著。     

1981-2010年三江平原40～320cm深地温变化特征

利用1981-2010年黑龙江佳木斯气象站40～320cm逐月平均地温观测资料,研究了三江平原地温变化规律、气候突变、异常年份及冻融特征等.结果表明:40～320cm年平均地温呈极显著升温趋势,升幅为0.496～0.574℃.(10a)-1,其中夏季升幅最大;月平均地温呈波形变化,振幅随深度增加而减小;1月随着深度的增加地温逐渐增大,7月地温随深度增加而减小,维持正梯度.除秋季40cm和80cm,冬季320cm平均地温变化相对平稳,未出现地温突变现象,其他各层年、季平均地温均发生了突变;40cm和80cm年平均地温在1981年出现了异常偏冷,320cm年平均地温在20世纪90年代末出现了异常偏冷,40cm和160cm年平均地温在2004年出现了异常偏暖;80cm土壤较40cm冻融时间出现晚,冻结期缩短18d左右,土壤的冻结过程比消融过程要快.     

藏北高原D105点土壤冻融状况与温湿特征分析

利用CAMP/Tibet在藏北高原D105点所观测的2002年1月1日-2005年12月31日土壤温度、含水量资料, 分析了该点的土壤温、湿度变化及其冻融特征. 结果表明: D105点40 cm深度以上土壤温度日变化明显, 随着深度增加, 土壤温度日变化相位明显滞后. 各层土壤温度月最高值出现在8-9月, 月最低值都出现在1-2月; 年际气候的差异至少可以反映到185 cm深处的土壤. 土壤冻结和消融都是由表层开始, 土壤随深度增加冻结快, 消融则慢. 冻结期间, 土壤温度分布上部低, 下部高; 消融期间, 则分布相反. 60 cm深度以上的土壤含水量在消融期有显著的波动, 表明60 cm深度以上的土壤与大气之间的水热交换比较频繁. 土壤温度的日变化和平均温度对土壤的冻融过程有较大的影响; 土壤含水量的多少会极大的影响土壤的冻融过程、土壤热量的分布状况以及地表能量的分配. 因此水(湿度)热(温度)相互耦合影响着土壤的冻融过程.     

长江源区1956-2000年径流量变化分析

利用Mann-Kendall趋势检验法对长江源区直门达水文站的资料进行分析,揭示长江源区年径流量在1956-2000年间呈微弱的减少趋势。结合流域气象资料分析,该时段流域内升温明显,最大可能蒸发量呈增加趋势,降水也呈微弱减少趋势。径流变化与降水变化基本一致,降雨-径流关系没有发生明显变化,表明1980-2000年降水量减少是该时段径流量减少的直接原因,温度升高有利于融冰融雪和降水形式的变化,但由于融冰融雪占径流补给的比率相对较小,该时段温度升高导致融冰融雪的增加不足以抵消降水量的减少对径流的影响。径流量季节变化分析,揭示长江源区春季径流呈增加的趋势,这可能与融雪过程提前以及融雪量增加有关。     

冻融期东北农田土壤温度和水分变化规律及影响因素分析

为了更好地认识季节性冻融区冻融过程对农田土壤温度和水分的影响, 以吉林省长春市黑顶子河流域为研究对象, 监测了冻融期流域内玉米田和水稻田土壤温度和水分的变化过程。结果表明： 冻融期表层土壤温度主要受积雪厚度影响, 深层土壤温度主要受土壤初始含水率影响。冻结期, 冻结层含水率几乎都呈增加趋势, 其中浅层土壤增幅最大; 冻结速度慢、 初始含水量低、 相邻土层含水量高的土层冻结过程水分增加量更大, 反之则小。融化期, 各下垫面、 土层土壤含水率基本呈下降趋势, 且主要集中在表层0 ~ 30 cm, 水分损失以蒸发为主, 冻结层对土壤蒸发有抑制作用; 冻结层的融化是造成各下垫面不同土层土壤含水率差异, 以及各土层在不同融化阶段土壤含水率差异的主要原因。     

季冻区土质边坡滑动界面临界深度的试验研究

为研究季节冰冻区土质边坡春融期常发生的浅层滑坡灾害,考虑盐水冰点低于水的冰点这一物理特性,设计了模拟土坡内部冻融界面的试验方法。比较了在不同含水率时,经冻融循环后土质边坡滑动面的临界深度,验证了在冻融界面上土质边坡的破坏形态,根据试验结果拟合了符合本文土样条件的土质边坡滑动面临界深度的损伤模型。分析表明,冻融循环后,随含水率和冻融循环次数的增加,边坡滑动破坏的临界深度值逐渐减小,经对试验数据拟合提出的临界深度随冻融循环损伤模型,可为季节冰冻区的边坡设计提供参考。     

Research advances in passive microwave remote sensing of surface freeze-thaw state北大核心CSCD

Soil freeze-thaw cycles have important effects on surface water and energy balance,and then affect vegetation growth,soil water content,carbon cycle and terrestrial ecosystem. Passive microwave plays an important role in monitoring global and regional surface freeze-thaw processes due to its high temporal resolution,abundant data and sensitivity to soil moisture. With the launch of passive microwave sensors at home and abroad,it provides conditions for the study of permafrost interannual variation,seasonal variation,diurnal variation and long time series of near-surface soil freeze-thaw cycle. In recent years,the study of surface freeze-thaw cycle using passive microwave data has gradually increased. Based on previous studies,this paper summarizes the types of passive microwave remote sensing data and the characteristics of the bands contained in them. Expounded the principle of passive microwave monitoring data used for freezing and thawing,focus on passive microwave data in five categories in the study of freezing and thawing monitoring algorithms,including double index algorithm,the decision tree algorithm,freeze-thaw discriminant algorithm,seasonal threshold algorithm and based on the freezing L-band relative factors discriminant algorithm threshold,and analysis of 5 kinds of algorithms are compared;The freeze-thaw products based on different algorithms and passive microwave data were combed. Finally,the problems and future research directions of passive microwave remote sensing in surface freeze-thaw applications are summarized. In the acquisition of passive microwave data,it is found that the passive microwave data is missing due to the physical characteristics of the sensor,the shape and orbit of the earth,and the low resolution of passive microwave data leads to the low precision of freeze-thaw discrimination. For the problem of missing passive microwave data,it is proposed to use the average value of passive microwave data before and after two days to fill the missing brightness temperature data,or establish statistical function to complement the missing data. For the problem of low passive microwave resolution,the current development trend is to scale down based on passive microwave data and combine with multiple data products,such as ground temperature and active microwave data,or perform probability discrimination on surface freezing-thawing state in pixels,so as to better describe surface freeze-thaw state. In terms of the algorithm for discriminating surface freezing-thawing,based on the problem that dual-index algorithm,decision tree algorithm,freezing-thawing discriminant algorithm and seasonal threshold algorithm cannot accurately distinguish snow and frozen soil,this paper proposes to adopt the method of data assimilation or start from the snow radiation and frozen soil dielectric model. Optimization of the algorithm for the snow covered surface can further improve the accuracy of freeze-thaw classification. Based on existing freeze-thaw products,Although SMAP freeze-thaw products continue to be updated,SAMP satellite was launched late,and SAMP freeze-thaw products have a short time series. In the future,the time span of this algorithm for freezing-thawing products can be extended by combining L-band data provided by SMOS satellite. The problems mentioned above and the direction of further research are of great significance for improving the accuracy of freezing and thawing discrimination and improving the understanding of the variation law of freezing and thawing cycles,and also have certain research space. © 2022 Science Press (China).     

青藏公路沿线多年冻土区活动层起始冻融时间的时空变化特征和影响因素

多年冻土区活动层冻融格局对气候系统、能量平衡、水文过程和生态系统有重要的影响,地表冻融时间是反映冻融格局时空变化的重要指标。为了探明多年冻土区活动层起始冻融时间的影响因素和机制,通过对青藏公路沿线8个典型活动层观测场地表起始融化时间（OOT）和起始冻结时间（OOF）进行研究,分析了不同观测场起始冻融时间的时空差异及其影响因素。结果表明：（1）青藏高原多年冻土区活动层起始融化主要发生在4月中下旬,起始冻结主要发生在10月中下旬。OOT的年际变化幅度远大于OOF,每年起始冻结的发生较起始融化更为准时。（2）起始融化发生时的气温普遍比起始冻结发生时高1~4℃。气温对OOT的影响要比对OOF大,其中OOT的变化主要与春季气温有关,冬季气温对其影响不大。（3）植被和土壤水分对OOT和OOF有重要调节作用,土壤含水率越高,植被状况越好,起始融化和冻结的发生时间往往越迟。（4）在起始融化和冻结阶段,厚度较大和持续时间较长的积雪对地温变化有明显的抑制作用,对OOT和OOF有延迟作用。     

积雪变化对中国森林凋落物分解影响研究进展

森林凋落物的分解对于维持生态系统物质循环和养分平衡具有重要意义,并受到不同积雪厚度下冻融格局的影响。冻融期（包括冻结过程期、完全冻结期、融化过程期）是冻土区凋落物分解的重要时期,该时期分解的凋落物量约占全年分解总量的一半。积雪减少通常会导致土壤温度降低、冻融循环次数增加,进而影响凋落物分解。通过综述近10年来积雪变化对我国森林凋落物分解影响的研究成果发现,积雪厚度减少在冻融期通常会抑制凋落物质量损失、碳元素释放和纤维素降解,生长季则起到促进作用,从全年来看多数表现为抑制作用。因此,冻融作用造成凋落物的物理破坏,对其分解的促进作用主要发生在后续生长季。积雪厚度减少在冻融期通常抑制氮元素释放,生长季和全年则无明显规律;磷元素和木质素目前研究还存在很大差异。最后,进一步阐述了积雪变化对凋落物分解影响研究存在的问题及未来研究发展方向。     

青藏高原玉树地区巴塘高寒草甸土壤温湿特征分析

在青藏高原腹地青海省玉树藏族自治州玉树县巴塘高寒草甸草场设立野外试验场, 进行土壤温、湿动态监测. 利用温、湿监测数据及同步气象数据资料, 采用对比分析及线性趋势等方法, 分析了巴塘高寒草甸日、年土壤温、湿变化状况. 结果表明: 土壤温度从10:00时左右开始上升, 至17:00-18:00时达到最高值, 然后开始下降, 在第二天9:00时左右到达最低; 土壤湿度在10:00时达到最低值, 在18:00时达到最大值, 随着土壤深度的增加, 土壤湿度逐渐降低. 土壤温、湿度在不同的季节表现出不同的变化趋势, 二个点不同土层表现出相对一致的变化, 随着土壤深度的增加, 土壤温、湿度逐渐降低; 随着与雪栅距离的增加, 土壤温、湿度的变化幅度减弱; 随着土壤深度的增加, 雪栅的影响也逐渐减小. 通过对土壤温、湿不同时期的特征分析, 5月中旬至8月中旬, 土壤湿度与土壤温度呈现相反的变化趋势, 而在其余时期土壤温湿变化趋势一致; 秋季向冬季转换时, 土壤温湿呈显著下降趋势, 而后土壤进入封冻时期; 冬季向春季转换时, 土壤温湿呈显著上升趋势, 土壤进入解冻时期. 冷季时, 25 cm土壤温度高于5 cm; 暖季时, 5 cm土壤温度高于25 cm.     

Spatial-Temporal Variation Characteristics of Snow Cover Days in Northeast China in the Past 40 Years and Their Relationship with Climatic Factors

The snow cover days were extracted out of the snow data on depth distribution from 1979 to 2016 in China, combined with temperature, precipitation, humidity, sunlight and wind speed and other meteorological data, by taking advantage of traditional statistical methods and GIS spatial analysis methods, to study the temporal and spatial variation characteristics of snow cover days in northeast China region in the past 40 years, and to analyze their relationship with climatic factors. It turned out that the average annual snow cover days were 93 d in northeast China region, having an increasing trend, the rate was 0.6 d/10a, and the maximum average annual snow cover days appeared in 2013. Snow cover days in spring dominate the changes of the average snow days all year around. The snow cover days in northeast China region were affected by latitude, geography and land-sea thermal difference, which gradually decreased from north to south, and the maximum value appeared in the Da Hinggan area. Precipitation, humidity and snow cover days are positive correlation, and temperature, wind speed and sunlight are negative correlation. The correlation between climatic elements and snow cover days is as follows: temperature>humidity>wind speed>sunlight>precipitation. The influence of climatic elements on the seasonally frozen ground region is more significant than that in the permafrost region. The results show that temperature is the main factor that affects the average annual snow cover days in northeast China region.     

科尔沁草甸地冻融期土壤水热盐动态迁移规律

为掌握科尔沁草甸地冻融期土壤水、热、盐迁移规律,以科尔沁左翼后旗阿古拉生态水文试验站2013年10月—2014年5月土壤冻融期实测气象、土壤等数据为基础,用统计分析法对研究区草甸地冻融期土壤温度、水分、盐分的变化规律进行了分析。结果表明:气温对土壤剖面温度的影响随着土壤深度的增加而降低,土壤剖面温度变化滞后于气温变化的时间取决于气温升降幅度,且没有显著的规律;由于气温回升速度大于降温速度,导致土壤消融速度比冻结速度快;土壤冻结过程由表层向下进行,冻结温度与土壤含盐量呈负相关关系,用温度的线性内插法准确确定草甸地于2014年3月9日达到最大冻深104 cm;土壤消融时受地下暖土层热流和地表温度双重影响,由底部向地表和由地表向冻结层进行双向消融;地下水位埋深较浅,受土壤冻融作用影响,升降趋势显著;草甸地土壤冻结期盐分向地表积聚,并于2月达到最大,后经消融及雨水淋润作用开始下降;冻融期盐分变异性大于水分变异性,说明盐分的运移过程更为复杂。     

吉林省季节冻土区年冻融指数的时空变化特征

利用1961 - 2015年吉林省46个气象站的气象数据, 采用气候诊断分析方法, 研究了吉林省季节冻土区年冻融指数的时空变化特征及其与经度、 纬度、 海拔的关系。结果表明： 吉林省冻结指数呈由北向南逐渐降低, 融化指数由西向东逐渐降低的趋势分布。1961 - 2015年冻结指数呈显著下降趋势, AFI（空气冻结指数）和SFI（地表冻结指数）气候倾向率分别为-48.7 ℃·d·（10a）^-1和-166.8 ℃·d·（10a）^-1。融化指数显著上升, ATI（空气融化指数）和STI（地表融化指数）分别以57.0 ℃·d·（10a）^-1和93.7 ℃·d·（10a）^-1的气候倾向率显著上升。SFI、 ATI和STI分别于2001年、 1994年和1997年发生了突变。20世纪60、 70年代冻结指数异常偏高, 融化指数异常偏低。吉林省年冻融指数的变化趋势在未来整体上依然延续下去, 即冻结指数为下降趋势, 融化指数为上升趋势。冻结指数受纬度影响最大, 随着纬度的升高而上升, 融化指数受海拔影响最大, 随着海拔的升高而显著下降。冻结指数气候倾向率随着海拔的升高而上升, 融化指数气候倾向率随着纬度的升高而上升。