青藏高原大气边界层结构及其发展机制研究

研究青藏高原大气边界层对于我们认识其地面的热量与水分收支状况,了解高原及其周边地区的天气和气候变化具有重要意义。然而,高原大气边界层观测资料的匮乏制约着青藏高原的天气与气候研究。首先,梳理了针对青藏高原大气边界层的大气科学试验情况;其次,归纳了青藏高原大气边界层的高度与风场结构、温度与湿度场结构的研究进展,并从热力学和大气动力学角度介绍了大气边界层的发展机制,在此基础上,对目前研究中存在的不足进行了探讨,指出青藏高原大气边界层的研究还处于揭示现象阶段,对发展机制的研究不够深入,对整个高原面上不同区域同一时间的联动研究较少。针对上述不足之处对未来的研究方向进行了展望。     

利用ASTER资料估算黑河中游沙漠和绿洲地区夏季地表温度

利用美国宇航局地球观测系统EOS-Terra卫星所搭载高级空基热发射反射辐射计(ASTER)5个热红外通道遥感资料,并结合三种地表温度反演算法和可见近红外信息,估算2003年夏季黑河中游地区沙漠和绿洲景观下地表温度空间分布。分析发现三种方法估算的地表温度比较接近,且反演值与地面观测值较为一致,能够作为陆面过程研究输入数据。其中,估算的水体温度主要介于19.0~21.0℃,绿洲内农田温度分布于27.0~29.0℃,荒漠戈壁地表温度分布于40.0~60.0℃;在绿洲内,由植被覆盖度参数化比辐射率方法（Pv方法）所估算地表温度值最低,Alpha导出比辐射率方法(ADE方法)估算值最高,由温度比辐射率分离方法(TES方法)估算值介于二者之间;荒漠戈壁区域Pv方法地表温度估算值最高,ADE方法估算值最低,TES方法估算值仍然介于前两者之间;绿洲和荒漠戈壁均具有较大地表温度空间变率。利用有关比辐射率光谱库地物观测数据拟合出一个经验公式以获取地物宽通道比辐射率。分析计算表明,地物目标在较大地表环境温度变化范围内,利用地物宽通道比辐射率计算地表长波辐射最大绝对误差不超过8.0 W·m-2。     

青藏高原复杂地表能量通量研究

“全球能量水循环之亚洲季风青藏高原试验研究”（GAME/Tibet）和“全球协调加强观测计划（CEOP）亚澳季风之青藏高原试验研究”（CAMP/Tibet）的加强期观测和长期观测已经进行了9年多,并且已取得了大量的珍贵资料。首先介绍了GAME/Tibet 和CAMP/Tibet 试验的情况,并利用观测资料给出了局地能量分布（日变化和月际变化）特征。复杂地表区域能量通量研究是青藏高原地气相互作用研究中的重中之重。卫星遥感的应用成为解决这一问题,即实现GAME/Tibet和CAMP/Tibet试验主要初衷的必不可少的手段。利用卫星遥感观测（Landsat 7 ETM）资料结合地面观测的方法,计算得到了相关地区非均匀地表区域上的地表温度、地表反射率、标准化差值植被指数(NDVI)、校准的调整土壤植被指数（MSAVI）、植被覆盖度和叶面指数(LAI)及能量平衡各分量（净辐射通量、土壤热通量、感热和潜热通量）的分布图像,所得结果基本可信。为了得到整个青藏高原复杂地表的热通量分布,中国科学院青藏高原研究所正在与其他研究单位一起建立青藏高原地表和大气过程监测系统（MORP）。最后介绍了该监测计划和已建立的3个综合观测研究站及如何利用建立的台站把站点观测的热通量推广到整个青藏高原的途径。     

中亚干旱地区降水异常及其影响机制研究

中亚地区位于欧亚大陆内部,地处西风控制关键区。在近年全球加速变暖的背景下,观测和模拟均展现出中亚地区的暖湿化趋势。北大西洋的海温异常激发大气的涡度异常,通过罗斯贝波列的方式传播影响中亚地区的大尺度环流和垂直运动的异常,从而导致中亚地区的降水异常。同时,赤道太平洋和北印度洋的海温异常,引起阿拉伯半岛向中亚地区的水汽输送异常,以及西风-季风协同作用、丝绸之路遥相关相位转换、地表类型和局地环流的变化等均不同程度地贡献和加速了中亚地区的暖湿化进程。本文意在总结近20年关于中亚地区降水异常的主要影响因子及其背后机理,并在现有研究基础上提出了未来的研究展望。     

青藏高原能量和水循环试验研究--GAME/Tibet与CAMP/Tibet研究进展

“全球能量水循环之亚洲季风青藏高原试验研究”(GAME/Tibet)和“全球协调加强观测计划(CEOP)亚澳季风之青藏高原试验研究”(CAMP/Tibet)的加强期观测和长期观测已经进行了8年多,并取得了大量的珍贵资料和一系列研究成果。本文首先介绍了GAME/Tibet和CAMP/Tibet试验的科学目标、研究内容、试验区概况、仪器设置、观测时间及资料采集的情况,然后介绍了这两个试验在地气相互作用的观测研究、观测与卫星遥感资料相结合估算区域陆面过程参数和对青藏高原陆面过程的数值模拟及藏北高原降水的时空变化等方面的研究进展,同时指出了目前试验研究中所存在的问题并提出了解决问题的途经。     

珠峰地区大气边界层结构及近地层能量交换分析

利用2005年中国科学院珠穆朗玛峰地区科学考察期间的无线电高空探测资料和超声风温仪观测资料,分析了珠穆朗玛峰地区边界层高度、风速、风向和比湿的日变化以及两个海拔高度不同的观测站(珠峰站和曲宗站)的近地层能量交换特征,得到珠穆朗玛峰地区5月份边界层高度日变化比较明显,因冰川风的存在影响了大气边界层,边界层高度最高为3888 m;白天珠穆朗玛峰地区低层都存在逆湿现象。因珠峰站和曲宗站海拔高度、下垫面状况不同,能量交换特征也不同:4~5月份白天珠峰站感热大于潜热,而曲宗站潜热大于感热;珠峰站土壤热通量转为正、负值的时间早于曲宗站。     

珠穆朗玛峰北坡高寒草甸生态系统CO2通量日变化与月变化特征

采用涡度相关法,对珠穆朗玛峰北坡高寒草甸生长季与非生长季(2005年5～7月、10月、11月及2006年2月、3月)的CO2通量进行了观测.分析结果表明,在生长季,CO2通量存在明显的日变化,08:00～19:00(北京时,下同)为CO2净吸收,20:00～09:00为C02净排放.6月,CO2通量峰值出现在11:00左右为-0.61g·m-2·h-1;而7月,CO2通量峰值出现在14:00,达到-0.86g·m-2·h-1.从月变化来看,5月为CO2净排放,月总量为89g·CO2·m-2,6月和7月均为CO2净吸收阶段,月吸收总量分别为70g·CO2·m-2和104g·CO2·m-2;而10月,植物枯黄,生态系统转为碳排放,月排放量约为50g·CO2·m-2,与次年3月份月总量(52g·Co2·m-2)接近,而11月份与次年2月份的月排放量接近(分别是23g·CO2·m-2,25g·CO2·m-2).非生长季(2月)CO2通量日变化振幅很小,除14:00～19:00少量的CO2净排放外(0.14g·m-2·h-1左右),其余时间CO2接近零.     

西藏中部"一江两河"地区地表通量的卫星遥感估算

西藏中部一江两河地区(包括雅鲁藏布江中游和拉萨河、年楚河中下游地区)是西藏主要的农业区,藏中农业区地表特征参数(地表反照率、地表温度和植被指数)的变化和地表通量的遥感估算对农作物长势监测、农作物估产、灾害监测以及理解农业区内部乃至其与周边地区的能量水循环研究具有重要的意义.选取2003年4月14日和10月16日影像作为春季和秋季代表,利用两种相同空间分辨率的卫星资料———AVHRR和MODIS反演研究区地表特征参数和地表通量.在反演得到地表特征参数的基础上,结合研究区9个台站的地面气象观测资料,利用SEBS模式对该地区地表通量进行了遥感估算.结果表明,研究区地表能量平衡各分量具有明显的空间分布和时间变化特征.同一天中AVHRR和MODIS估算结果空间分布态势保持一致,但由于过境时间的差异,MODIS通量结果均大于AVHRR.     

利用静止卫星估算青藏高原全域地表潜热通量

青藏高原全域高时间分辨率潜热通量变化对定量理解高原能量和水分循环过程尤其是其日变化过程至关重要.为此,利用中国最新一代静止气象卫星Fengyun-4A上搭载的多通道扫描成像辐射计数据,结合中国区域高时空分辨率地表气象驱动数据集,基于陆面能量平衡系统模型估算得到青藏高原全域的地表潜热通量,卫星估算值与青藏高原观测研究平台站点实测值的均方根误差和平均偏差分别为76.05和17.33 W/m2.结果 表明,青藏高原地表潜热通量呈现显著的季节变化、昼夜分野和区域差异:4月高原潜热整体上略低于感热,而7月高原西部、中部和东部的潜热均高于感热;潜热通量昼夜相差极大,4月的昼间、夜间和昼夜平均值分别为74.22、3.09和38.66 W/m2,而7月的相应值分别为122.75、6.49和64.62W/m2.青藏高原地表热通量的空间分布具有经向区域差异,其中,净辐射通量与感热通量在高原西部和中部的数值明显高于高原东部,而潜热通量正好相反,在高原东部数值较高.研究结果可为青藏高原地表蒸散与大气热源的定量分析提供参考.     

青藏高原那曲地区MODIS 地表温度估算

地表温度是区域和全球尺度陆面过程研究中的一个关键参数,利用遥感卫星资料反演得到的地表温度数据在气象、水文和生态领域研究中有重要作用.本文基于改进后的针对MODIS 数据的分裂窗口算法,对MODIS L1B 卫星数据进行实用而简便的云检测处理,并根据青藏高原陆地、水体和冰雪等常见下垫面状况的遥感影像分类结果,反演得到了2007-01-03 、04-18 、06-12 和10-02 四日的无云下垫面地表温度.最后,将Sobrino 结果在青藏高原那曲地区与MODIS 日地表温度产品及CAMP/Tibet 观测站地表温度数据进行了对比验证分析.结果表明,该方法得到的地表温度结果与MODIS 数据产品具有较好的一致性,并且地表温度结果与地面观测数据(去除可疑点后)的平均误差仅为1.435 K .