1 引 言
蒸散发(Evapotranspiration,ET)是地表能量平衡和水量平衡的主要过程参量,包括土壤蒸发和植被蒸腾[1 ] 。在全球范围,蒸散发过程是陆地上超过60%的降水返回大气中的形式,与此同时,该过程也会消耗大约3/5的地表净辐射,同时伴随的潜热具有降温的作用,因此ET可视为是联系水热循环的纽带[2 ] 。ET作为陆表水热过程的主要参量之一,研究其分布规律与变化特征,对于探讨气候变化的影响具有重要意义,但由于气候、地形、地表覆被等自然要素的差异,ET便成为最难估算的参量。随着遥感技术的发展,因其具有探测范围广、实时动态监测、获取信息方便快捷等特点,成为获取区域大尺度的地表蒸散发时空分布的有效手段[3 ] 。众多的研究实验表明,利用遥感技术估算区域大尺度的ET精度高,能够满足区域研究的需求。
青藏高原平均海拔在4000 m以上,是全球平均海拔最高的高原,被誉为“第三极”和“世界屋脊”[4 ] ,在全球变化背景下,其水热能量交换对北半球乃至全球大气环流和气候极具影响[5 ] ,青藏高原不仅是全球变化的敏感区,也是受气候变化影响最严重的地区之一。研究表明,青藏高原近几十年来持续增温的趋势比其它地区更加显著,表现更为敏感[6 -7 ] ,温度的升高会提高地表ET过程的速率,从而改变水资源的可利用性。降水作为对生态系统影响最大的水资源,是全球变化的重要组成,降水的变化会调节大气蒸发需求和水分的供给,最终对地表ET造成影响[2 ] 。而青藏高原作为亚洲主要大河的发源地,素有“亚洲水塔”之称[8 ] ,水资源的改变不仅对高原生态系统带来巨大的影响,诱发的水文变异同时也会影响到下游地区[9 ] 。气温和降水格局的变化会对高原上植被的发展带来诸多不确定影响,而植被覆盖的变化通过影响太阳辐射量的吸收及其在植物冠层和土壤表面之间的分布,最终对植物蒸腾作用和土壤蒸发产生显著影响[5 , 10 ] 。因此需要对气温、降水及植被变化对青藏高原地表ET的影响进行分析。
青藏高原地表ET的时空分布对当地及其周边地区的气候具有重要影响。全球陆表特征参数(GLASS)产品作为我国首套拥有独立知识产权的全球陆表遥感高级产品,该数据产品已发展为包括10余个涵盖能量、水和碳循环等全球变化过程的关键陆表特征参量的系列产品,可用于全球变化研究的气候数据集[11 ] 。在中国黑河流域对比分析了5种主要卫星遥感ET产品,发现GLASS ET产品比单个模型计算更准确、产品精度更高[12 ] 。因此利用GLASS陆表潜热通量产品能够满足分析青藏高原地表ET时空变化特征研究的需求,然而,目前基于GLASS ET产品开展的青藏高原地表蒸散发时空分布特征研究还相对较少。
针对上述问题,首先评估了GLASS陆表潜热通量产品对青藏高原ET时空演变的估算能力;然后利用2001—2018年GLASS陆表潜热通量产品,对青藏高原不同生态地理区地表蒸散发的均值和整个高原蒸散发的趋势进行诊断,以揭示青藏高原地表蒸散发空间差异和变化规律,并分析ET如何随气温、降水以及植被变化的响应,以便在全球变化背景下,为当地可持续农业的水资源规划、理解高原气候变化和水循环过程提供科学依据。
2 数据与方法
2.1 研究数据
青藏高原生态地理分区数据来源于中国科学院资源环境科学与数据中心(http://www.resdc.cn/ ),该数据按照11类温度带和4类干湿地区的不同组合将中国划分成48个自然区[13 ] 。其中,青藏高原地区主要包括11个自然区,详细信息可见表1 ,青藏高原大部分地区属于干旱、半干旱地区,其中北部以干旱地区为主,中部和南部以湿润和半湿润为主。
GLASS陆表潜热通量产品来源于中国国家地球系统科学数据中心共享服务平台(http:∥www.geodata.cn/thematicView/GLASS.html)。GLASS ET产品基于数据融合的方法,针对不同的地表覆盖类型,使用贝叶斯平均方法集合5种潜热通量算法,MODIS ET(MOD16)算法[14 ] 、改进的 Penman-Monteith ET(RRS-PM)算法[15 ] 、基于 Priestley-Taylor 的 ET(PT-JPL)算法[16 ] 、改进的基于卫星的 Priestley-Taylor ET(MS-PT)算法[17 ] 以及半经验Penman ET(UMD-SEMI)算法[18 ] ,结合AVHRR和MODIS再分析数据生产的覆盖全球陆表空间连续的潜热通量遥感产品,其精度较其他方法明显提高,总体而言,GLASS ET产品均方根误差为13.981 W/m2 ,决定性系数为0.84,偏差-2.44 W/m2 ,更接近地面真实值[19 -20 ] 。相比之下,MOD16 ET产品由于不计算无植被覆盖的裸土、沙漠等区域[21 ] ,因而在青藏高原北部大范围的戈壁或沙漠等地区存在大面积的空缺值,影响了针对整个青藏高原的时空分布特征研究。对比之下,经直接验证和与现有产品对比表明GLASS ET产品的精度较好,产品质量高,并在算法先进性以及产品高质量等方面具有较好优势,且在无潜热通量观测数据的区域相对可靠,因此适合于研究青藏高原地区。目前,对外公开发布的GLASS ET产品的时间范围为1982—2018年,时间分辨率为8 d,空间分辨率有0.05°和1km两种,其中基于AVHRR的产品其最高空间分辨率为0.05°(1982—2018年);基于MODIS的产品其最高空间分辨率为1 km(2000—2018年)。在本研究中,选用了2001—2018年的GLASS11B01产品数据,空间分辨率为0.05°,该数据为8 d分辨率每天平均潜热通量(w/m2 ),须通过简单地转换,将每天平均潜热通量转换为每天平均蒸散发(mm/d),再集合得到各年的年蒸散发。
在实验中,为了进一步评估GLASS ET产品对青藏高原ET的表征能力,选用Niu等[22 ] 发布的1981—2015年中国蒸腾、蒸散发等数据集。该产品空间分辨率为0.05°,时间分辨率有8 d与年两种。该数据集基于模型—数据融合方法将PT-JPL模型与多变量观测数据集相结合而生成,其ET产品经与观测数据进行对比验证发现,所有站点、森林站点和非森林站点的R 2 值分别为0.71、0.68和0.64,其精度和其它遥感数据驱动的模型实现的性能相当[23 ] 。
与此同时,还采用青藏高原气温和降水数据来分析其与ET时空变化的耦合关系,相关数据来自于国家青藏高原科学数据中心(https:∥www.tpdc.ac.cn/zh-hans/)。该产品基于地面站点观测数据,通过空间插值并聚合得到整个高原的年气温和年降水数据。而植被数据则选用美国国家航天局的MOD13A2产品的归一化植被指数(Normalized difference vegetation index,NDVI)(http:∥files.ntsg.umt.edu)。该数据空间分辨率为1km,时间分辨率为16 d,时间范围为2001—2018年。本研究定义5—9月为青藏高原生长季,因此选择了113—237 d的NDVI数据,通过时间聚合得到每年生长季的平均NDVI数据,用以分析ET变化与植被变化的之间的联系。
2.2 研究方法
为准确认知该区域的ET、植被等参数的变化趋势,本研究采用Mann-Kendall(MK)趋势分析进行变化趋势探测。MK检验是一种常用的非参数趋势检验方法,它可以检测出气候时序变化趋势的显著性[24 ] ,该方法具有异常值干扰小,计算过程方便等优点,且所用的时间序列不需要遵循指定的线性或非线性变化趋势。MK检验中标准化统计量Z如公式(1)[25 ] 所示,采用显著性水平为α= 0.05,如果|Z|>Zα/2 ,则统计量在α显著水平上显著。根据Z值的大小来衡量地表ET是否存在显著变化,Z为正表示显著增加,Z为负表示显著减少。
Z = S - 1 V a r ( S ) , i f S > 0 0 , i f S = 0 S + 1 V a r ( S ) , i f S < 0 (1)
其中:S 为检验统计量;V a r 为方差;计算公式分别为式(2)与式(3):
S = ∑ k = 1 n - 1 ∑ j = k + 1 n s g n ( X j - X k ) (2)
V a r ( S ) = n ( n - 1 ) ( 2 n + 5 ) - ∑ k = 1 n t k k ( k - 1 ) ( 2 k + 5 ) 18 (3)
其中:n表示时间序列的长度;Xk 和Xj 是时间k ,j (j >k )的值。检验函数sgn(Xj -Xk )为如式(4)所示:
s g n ( X j - X k ) = + 1 ( X j - X k ) > 0 0 ( X j - X k ) = 0 - 1 ( X j - X k ) < 0 (4)
此外,针对显著变化的像素,其ET的变化趋势大小由Theil-Sen斜率决定,数值为正表示地表ET显著增长,为负表示显著降低。
S l o p e i = m e d i a n ( X j - X k j - k ) (5)
其中:1≤k<j≤n ,Xk 和Xj 是时间序列k ,j (j >k );Slope i (1≤i ≤n(n-1)/2)的中值是Sen的斜率估计量。如果n(n-1)/2是奇数,则使用中值i =(n(n-1)/2+1)/2作为斜率值。如果n(n-1)/2是偶数,则计算斜率值为i =(n(n-1)/2)/2和i =(n(n-1)/2+2)/2的平均值。
3 结果与分析
3.1 GLASS ET适用性分析
为保证研究所选GLASS ET产品适用于青藏高原地区,首先进行精度评价。由于该地区缺乏陆面ET的实测数据,利用2001—2015年中国蒸腾与蒸散比的时空连续数据集年尺度的ET数据(以下简称Annual ET)的多年均值与GLASS ET数据进行对比验证,结果如图1 所示。总体上,GLASS ET产品与Annual ET的匹配程度较好,相关系数为0.90(R 2 =0.80)。结果表明,虽然GLASS ET与Annual ET数据存在略微差异,但在整个青藏高原上表现出较好的一致性,结果也表明GLASS ET可用于分析青藏高原ET的时空变化特征。
图1
图1
Annual ET均值与GLASS ET均值比较
Fig.1
Comparison of the GLASS ET and annual ET
3.2 ET的空间分布特征
为了减小青藏高原某一年ET因为极端气候出现值出现异常波动,本研究以2001—2018年多年年均ET值分析青藏高原ET的空间分布。如图2 所示,青藏高原年均ET的多年均值为296.52 mm,其变化范围89.00—1 184.23 mm之间,表明该地区ET具有很强的空间异质性。尽管如此,但是总体上高原多年年均ET具有很明显的空间分异规律,呈现出东高西低、南高北低、由东南湿润及半湿润地区向西北干旱及半干旱地区递减的空间格局。
图2
图2
2001—2018年青藏高原多年年均ET
审图号:GS(2020)4618
Fig.2
Average annual ET on the Qinghai-Tibet Plateau from 2001 to 2018
结合青藏高原主要的11个生态地理区的多年年均ET(表2 ),位于青藏高原北部干旱地区的HIID1分区均值最低仅为163.47 mm;处于青藏高原西北干旱及半干旱地区的HIID2、HID1、HIC2、HIID3和HIC1等地理分区的年均蒸散量均不超过300 mm;而位于青藏高原东南部湿润地区的HIIC2、HIIC1、HIB1、HIIA/B1等地理分区的多年年均蒸散发较高介于342.85—427.29 mm。对比之下,地处青藏高原最南部VA6分区全年温度较高,平均海拔较低,靠近海洋的地理位置使得季风的作用带来了更多湿润的空气,降水充足[26 ] ,以热带雨林季雨林湿润区为主,植被种类丰富,水热条件好,因此在该区域ET以高值分布,其多年年均蒸散发也最高为690.94 mm。根据各生态地理区的干湿状况与气候条件,青藏高原的多年年均ET的空间分布与相对湿度高度相关,在干旱程度越严重的地方,蒸散发越低;反之越湿润的地方其蒸散发越高。此外,从图2 中可以注意到,在多年年均ET较低的羌塘高原湖盆和青东祁连山地的湖泊周围出现了该地理区高值,其原因可能是该地区地处湖泊水域附近,相对湿度较周围地区大。
3.3 ET的时间变化特征
3.3.1 高原尺度
2001—2018年青藏高原年ET呈波动上升趋势,增速为1.32 mm/a(R 2 =0.58,P =0.76),ET值在277.90—313.75 mm之间波动,均值为296.52 mm(图3 (a))。2001年青藏高原的年ET为277.90 mm,是年ET最低值,而后年ET呈多峰增长,5个峰值分别出现在2003、2005、2010、2012和2017年,其中2017年为近18 a来ET最大值(313.75 mm)。
图3
图3
2001—2018年青藏高原及各生态地理区ET年际变化
Fig.3
Annual variation of ET in the Qinghai-Tibet Plateau and various eco-geographic regions from 2001 to 2018
3.3.2 生态地理区尺度
图3 显示了近18 a来青藏高原各生态地理区年ET的变化趋势,除VA6之外,各地理区与青藏高原整体变化趋势较为一致,都呈波动上升,其中HIB1、HID1、HIIA/B1及HIID1的增速小于高原整体的增速,分别为0.98 mm/a、1.09 mm/a、0.83 mm/a、1.26 mm/a;其余各地理区增速均大于高原整体增速,HIC2增速最高为2.38 mm/a(R 2 =0.74,P =0.86);在呈增长的各生态地理区中,ET的年际波动范围大小与干湿状况密切相关,越干旱其波动越大,如地处干旱地区的HIIC1的ET年际波动最大为61.49 mm,相对湿润的地区波动较小,如地处湿润地区的HIIA/B1的波动最小仅为27.15 mm。由图3 可知,VA6呈波动性下降趋势,且下降速率极快为 -5.93 mm/a(R 2 =0.61,P=0.78),其波动范围大小与呈增长趋势的地理区不同,VA6虽地处湿润地区,但是ET年际波动为整个高原最大,值为133.68 mm,ET最高值出现在2006年为755.17 mm,随后于2015年降到最低值621.49 mm。
3.4 ET的变化趋势特征
基于MK趋势检验方法,在像元尺度上分析了2001—2018年青藏高原ET变化趋势,并分为显著增长、非显著增长、非显著减小和显著减小4个变化等级(图4 )。青藏高原整体上呈增长趋势,呈增长趋势的面积占比超过92%,远大于呈减小趋势的面积。具体而言,显著性增长趋势的地区面积最大,占比为47.44%,主要分布在高原的西部和东部,其中高原西部主要集中于HIID2和HID1分区的西北部、HIID3、HIC2、HIIC2和HIC1分区西部,高原东部主要集中于HIIC1分区,呈现显著增长的地区大多为干旱或半干旱区,因此可能是持续的干旱导致了该地区的ET逐年增长,其中以HIC2分区增长速率最高,个别地区增长速率高达15.02 mm/a;呈非显著增长趋势的地区占比为45.15%,主要分布在高原的北部和中南部地区;呈非显著减小趋势的地区占比为4.11%,主要集中于高原南部地区;呈显著减小趋势的地区占比最少,仅为3.82%,主要位于高原东南部VA6分区,小部分散落在HIIA/B1分区南部,该地带河流众多、降水充足,因此可能是湿度导致蒸散发逐年减小,其中VA6分区减小速率最快,个别地区为-22.44 mm/a,此外在干旱的HIID1分区和半干旱的HIC2分区的湖泊周围也呈显著减小趋势,进一步说明干湿状况是影响ET的变化趋势的重要原因。其中,以VA6分区为主的藏东南地区ET的变化趋势与Han等[27 ] 在此区域的研究结论相一致,均以显著减小趋势为主,证明该检测结果的一致性。这一现象与在此期间该区域的降水呈减少趋势有很大的关联[28 ] 。HIIA/B1分区是整个高原上变化最复杂的自然区,在该自然区的南部和西南部为显著性增长,随着纬度向北移动,逐渐变为以增长趋势为主,但也存在一小部分地区呈减小趋势。
图4
图4
2001—2018年青藏高原ET变化趋势及变化速率
审图号:GS(2020)4618
Fig.4
Trend of change and change rate of ET on the Qinghai-Tibet Plateau from 2001 to 2018
4 影响因素分析
4.1 ET与气温和降水的相关分析
青藏高原近18 a的年均气温总体上呈现出东部较暖、西部较冷、南部偏暖和北部偏冷的东高西低、南高北低的空间分布格局(图5 (a))。高温中心主要位于高原南部湿润的VA6分区,该地区同时也是高原ET 的高值区域,此时气温和ET呈正相关。而在干旱的HIID1分区为高原北部的高温中心,但是该地区为ET的低值区,此时气温与ET呈负相关。
图5
图5
近18年青藏高原多年年均气温和年均降水
审图号:GS(2020)4618
Fig.5
Average annual temperature and annual average precipitation on the Qinghai-Tibet Plateau from 2001 to 2018
同期,青藏高原降水的空间分布极不均匀,高原降水整体呈现出东南高—西北低分布格局(图5 (b)),年降水量高值集中分布于VA6分区,因此该地区常年湿润,年均ET值最高;随着区域由东南向西北方向推进,年降水总量逐渐减少,位于HIID1分区的年总降水量最少,该地也是也是高原上最干旱的地区之一,年均ET值最低。
由此可见,在青藏高原南部及东南部降水充足和气温较高的湿润区域,如VA6分区以及HIIA/B1分区,气温和降水量的分布都会影响到水热条件,并且均与ET呈正相关;而在高原北部降水严重不足和气温相对较高的干旱区域,如HIID1分区,气温会抑制ET的进程,呈负相关,降水量与ET呈正相关。
4.2 ET与NDVI的相关分析
2001—2018年青藏高原生长季的多年年均NDVI的间分布与ET较为一致,整体呈现出东南高西北低的格局(图6 (a))。NDVI的一个高值中心主要集中分布在高原南部的VA6分区,该地区日照时间长促使较多的辐射到达地面,海波相对较低,年平均气温高,常年降水充足,生态条件的共同作用使得该地年均ET最高;另一个高值中心位于高原的东部边缘,该区域气温相对较高,降水较多,该地年均ET相对于高原其他区域(除VA6外)较高。而在高原北部的 HIID1分区植被覆盖极低,尽管该地区为高原北部的高温区域,但是年降水量极低,水资源的匮乏与干旱的裸土使得该区域为高原ET的低值中心。
图6
图6
近18 a青藏高原多年年均NDVI及变化趋势
审图号:GS(2020)4618
Fig.6
The average annual NDVI and trend of change in the past 18 years
近18 a来青藏高原NDVI的变化趋势如图6 (b)所示,整体上呈现增长的趋势,呈增长趋势的面积占比为92.62%,远大于减小趋势。其中呈显著增长的地区占比为29.09%,主要分布在高原的北部区域;显著减小的区域占比不到1%,几乎可以忽略;非显著减小的区域占比为6.09%,一部分集中分布于高原南部的VA6分区及HIIA/B1分区的南部,其它散布在高原的中西部区域。NDVI在藏东南地区(即高温高湿地区)的变化趋势与Chen等[29 ] 的研究结果相符合,随着气温变暖,水逐渐成为影响植被生长的主要因素,相对湿度和降水在该区域的减少导致NDVI的下降。
在高原尺度上,ET与植被的分布主要呈正相关,尤其高原ET的高值中心VA6分区和低值中心HIID1分区,体现了植被对ET进程的促进作用。同时,ET变化趋势的空间格局与NDVI的变化趋势的空间格局具有较高的相似性,表明植被动态变化对ET具有明显影响,均以增长趋势为主,且呈减小趋势的地区主要分布在高原南部的VA6分区。但是在藏东南地区,由于受降水减少的影响,ET与NDVI对降水变化的响应程度不一,因此两者变化趋势的显著水平不一致,NDVI变化趋势的显著水平受到来自气温、降水以及人类活动等多方面的影响,因此变化比较复杂。总体来讲,NDVI的变化趋势与ET的变化趋势既存在正相关,也存在负相关关系。
5 结 论
GLASS ET产品为全球变化研究提供了长时序、高分辨率、高精度的蒸散发产品。本文基于GLASS ET产品,辅以MK趋势分析方法,结合研究区主要的生态地理区,分析了2001—2018年青藏高原ET的时空分布特征及变化趋势,进一步分析了同期气温、降水及NDVI的时空特征及对高原地表ET的影响,得出以下结论:
(1)GLASS ET产品与Annual ET的相关系数为0.90(R 2 =0.80),对青藏高原ET有较好的模拟能力,适用于分析青藏高原地区ET时空变化特征。
(2)2001—2018年青藏高原多年平均ET为296.52 mm,具有明显的区域差异,整体上呈现出东南高西北低的空间格局,年均ET介于89.00—1 184.23 mm,空间异质性较强;位于青藏高原北部干旱地区的柴达木盆地ET最低仅为163.47 mm,位于东南部湿润地区的东喜马拉雅南翼ET最高为690.94 mm。
(3)2001—2018年青藏高原ET年际变化较小,呈波动性上升趋势;高原大部分生态地理区ET都呈上升趋势,只有东喜马拉雅南翼(VA6)分区在下降,下降速率为-5.93 mm/a,波动最强,值为133.68 mm。
(4)2001—2018年青藏高原ET变化趋势以增长趋势为主,其中呈显著性增长趋势的地区占比47.44%,主要位于青藏高原西部的昆仑山北翼和昆仑高山高原的西北、阿里山地、羌塘高原湖盆、藏南山地和青南高原宽谷西部,及高原东部的青东祁连山地等区域;而呈显著性减小趋势的地区最少,占比仅为3.82%,集中于高原南部的东喜马拉雅南翼。
(5)通过对近18 a来青藏高原气温和降水的相关分析,气温空间分布在干旱区与ET呈负相关,在湿润区域呈正相关;降水空间格局总体与ET呈正相关。
(6)近18 a来青藏高原NDVI呈现出东南高西北低的空间分布,变化趋势以增长为主;ET与NDVI空间分布呈正相关,与NDVI的变化趋势大部分地区为正相关,受气温、降水等影响,小部分地区也存在负相关。
参考文献
View Option
[1]
Wang K C , Dickinson RE . A review of global terrestrial evapotranspiration:Observation,modeling,climatology,and climatic variability
[J]. Reviews of Geophysics ,2012 ,50 (2 ):000373 . DOI:10. 1029/2011RG000373 .
[本文引用: 1]
[2]
Jung M , Reichstein M , Ciais P , et al . Recent decline in the global land evapotranspiration trend due to limited moisture supply
[J]. Nature ,2010 ,467 (7318 ):951 -954 . DOI: 10.1038/ nature09396 .
[本文引用: 2]
[3]
Li Z L , Tang R , Wan Z , et al . A review of current methodologies for regional evapotranspiration estimation from remotely sensed data
[J].Sensors ,2009 ,9 (5 ):3801 -3853 .DOI:10.3390/ s90503801 .
[本文引用: 1]
[5]
Li T , Chen Y Z , Han L J , et al . Shortened duration and reduced area of frozen soil in the Northern Hemisphere
[J]. The Innovation ,2021 ,2 (3 ):100146 .DOI:10.1016/j.xinn. 2021. 100146 .
[本文引用: 2]
[6]
Chen Deliang , Xu Baiqing , Yao Tandong , et al . Assessment of past, present and future environmental changes on the Tibetan Plateau
[J]. Chinese Science Bulletin , 2015 , 60 (32 ):3025 -3035 .
[本文引用: 1]
陈德亮 , 徐柏青 , 姚檀栋 , 等 . 青藏高原环境变化科学评估:过去、现在与未来
[J]. 科学通报 ,2015 ,60 (32 ):3025 -3035 .
[本文引用: 1]
[7]
Yang M , Zhao W , Zhan Q , et al . Spatiotemporal patterns of land surface temperature change in the Tibetan Plateau based on MODIS/Terra daily product from 2000 to 2018
[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ,2021 ,14 :6501 -6514 . DOI:10.1109/JSTARS. 2021.3089851 .
[本文引用: 1]
[8]
Immerzeel W W , Van Beek L P , M F Js Bierkens . Climate change will affect the Asian water towers
[J]. Science , 2010 , 328 (5984 ):1382 -1385 . DOI: 10.1126/science.11831 .
[本文引用: 1]
[9]
Xie G , Li J F , Wang S Q , et al . Bridging the knowledge gap on the evolution of the Asian monsoon during 26–16 Ma
[J]. The Innovation ,2021 ,2 (2 ):100110 . DOI:10.1016/j.xinn. 2021.100110 .
[本文引用: 1]
[10]
Wang L , Good S P , Caylor K K . Global synthesis of vegetation control on evapotranspiration partitioning
[J]. Geophysical Research Letters 2014 ,41 (19 ):6753 -6757 . DOI: 10.1002/2014GL061439 .
[本文引用: 1]
[11]
Liang S , Cheng J , Jia K , et al . The Global Land Surface Satellite (GLASS) product suite
[J]. Bulletin of the American Meteorological Society ,2021 ,102 (2 ):E323 -E337 .DOI:10. 1175/BAMS-D-18-0341.1 .
[本文引用: 1]
[12]
Song L , Liu S , Kustas W P , et al . Monitoring and validating spatially and temporally continuous daily evaporation and transpiration at river basin scale
[J]. Remote Sensing of Environment , 2018 , 219 :72 -88 . DOI: 10.1016/j.rse.2018.10.002 .
[本文引用: 1]
[13]
Zheng Du . Study on the Eco-geographical region system of China [M]. Beijing : The Commercial Press ,2008 .
[本文引用: 1]
郑度 .中国生态地理区域系统研究 [M].北京 : 商务印书馆 ,2008 .
[本文引用: 1]
[14]
Mu Q , Zhao M , Running S W . Improvements to a MODIS global terrestrial evapotranspiration algorithm
[J]. Remote Sensing of Environment ,2011 ,115 (8 ):1781 -1800 . DOI: 10. 1016/j.rse.2011.02.019 .
[本文引用: 1]
[15]
Yuan W , Liu S , Yu G , et al . Global estimates of evapotranspiration and gross primary production based on MODIS and global meteorology data
[J]. Remote Sensing of Environment , 2010 ,114 (7 ):1416 -1431 . DOI:10.1016/j.rse.2010.01.022 .
[本文引用: 1]
[16]
Fisher J B , Tu K P , Baldocchi D D . Global estimates of the land-atmosphere water flux based on monthly AVHRR and ISLSCP-II data, validated at 16 FLUXNET sites
[J]. Remote Sensing of Environment , 2008 , 112 (3 ):901 -919 . DOI: 10.1016/j.rse.2007.06.025 .
[本文引用: 1]
[17]
Yao Y , Liang S , Cheng J , et al . MODIS-driven estimation of terrestrial latent heat flux in China based on a modified Priestley-Taylor algorithm
[J]. Agricultural and Forest Meteorology ,2013 ,171-172 :187 -202 .DOI:10.1016/j.agrformet. 2012. 11.016 .
[本文引用: 1]
[18]
Wang K C , Dickinson R E , Wild M , et al . Evidence for decadal variation in global terrestrial evapotranspiration between 1982 and 2002: 1. Model development
[J]. Journal of Geophysical Research ,2010 ,115 (D20 ):013847 . DOI: 10.1029/ 2010JD013847 .
[本文引用: 1]
[19]
Yao Y , Liang S , Li X , et al . Bayesian multimodel estimation of global terrestrial latent heat flux from eddy covariance, meteorological, and satellite observations
[J]. Journal of Geophysical Research: Atmospheres , 2014 , 119 (8 ):4521 -4545 . DOI: 10.1002/2013JD020864 .
[本文引用: 1]
[20]
Yao Y , Liang S , Li X , et al . A satellite-based hybrid algorithm to determine the Priestley–Taylor parameter for global terrestrial latent heat flux estimation across multiple biomes
[J]. Remote Sensing of Environment , 2015 , 165 :216 -233 . DOI: 10.1016/j.rse.2015.05.013 .
[本文引用: 1]
[21]
Mu Q , Zhao M , Running S W J R . Improvements to a MODIS global terrestrial evapotranspiration algorithm
[J]. 2011 , 115 (8 ):1781 -1800 . DOI: 10.1016/j.rse.2011.02.019 .
[本文引用: 1]
[22]
Niu Z , He H , Zhu G , et al . A spatial-temporal continuous dataset of the transpiration to evapotranspiration ratio in China from 1981-2015
[J]. Scientific Data , 2020 ,7 (1 ):1 -13 . DOI: 10.1038/s41597-020-00693-x .
[本文引用: 1]
[23]
Niu Z , He H , Zhu G , et al . An increasing trend in the ratio of transpiration to total terrestrial evapotranspiration in China from 1982 to 2015 caused by greening and warming
[J]. Agricultural and Forest Meteorology , 2019 , 279 :107701 . DOI: 10.1016/j.agrformet.2019.107701 .
[本文引用: 1]
[25]
Kendall M G . Rank correlation methods [M]. London :Grffin ,1975 .
[本文引用: 1]
[26]
Yang X , Huang P .Restored relationship between ENSO and In-dian summer monsoon rainfall around 1999/2000
[J].The Inno-vation ,2021 ,2 (2 ):100102 . DOI:10.1016/j.xinn.2021.100102 .
[本文引用: 1]
[27]
Han C , Ma Y , Wang B , et al . Long-term variations in actual evapotranspiration over the Tibetan Plateau
[J]. Earth System Science Data , 2021 , 13 (7 ):3513 -3524 . DOI: 10.5194/essd-13-3513-2021 .
[本文引用: 1]
[28]
An Chunchun .Monitoring of vegetation phenology based on MODIS data and its response to climate change in Tibetan Plateau,China
[D].Chengdu :University of Chinese Academy of Sciences(Institute of Mountain Hazards and Environment) ,2019 .
[本文引用: 1]
安淳淳 .基于MODIS数据的青藏高原植被物候监测及其对气候变化的响应研究
[D].成都 : 中国科学院大学(中国科学院水利部成都山地灾害与环境研究所) ,2019 .
[本文引用: 1]
[29]
Chen J , Yan F , Lu Q .Spatiotemporal variation of vegetation on the Qinghai-Tibet Plateau and the influence of climatic factors and human activities on vegetation trend(2000—2019)
[J].Remote Sensing ,2020 ,12 (19 ).DOI:10.3390/rs 12193150 .
[本文引用: 1]
A review of global terrestrial evapotranspiration:Observation,modeling,climatology,and climatic variability
1
2012
... 蒸散发(Evapotranspiration,ET)是地表能量平衡和水量平衡的主要过程参量,包括土壤蒸发和植被蒸腾[1 ] .在全球范围,蒸散发过程是陆地上超过60%的降水返回大气中的形式,与此同时,该过程也会消耗大约3/5的地表净辐射,同时伴随的潜热具有降温的作用,因此ET可视为是联系水热循环的纽带[2 ] .ET作为陆表水热过程的主要参量之一,研究其分布规律与变化特征,对于探讨气候变化的影响具有重要意义,但由于气候、地形、地表覆被等自然要素的差异,ET便成为最难估算的参量.随着遥感技术的发展,因其具有探测范围广、实时动态监测、获取信息方便快捷等特点,成为获取区域大尺度的地表蒸散发时空分布的有效手段[3 ] .众多的研究实验表明,利用遥感技术估算区域大尺度的ET精度高,能够满足区域研究的需求. ...
Recent decline in the global land evapotranspiration trend due to limited moisture supply
2
2010
... 蒸散发(Evapotranspiration,ET)是地表能量平衡和水量平衡的主要过程参量,包括土壤蒸发和植被蒸腾[1 ] .在全球范围,蒸散发过程是陆地上超过60%的降水返回大气中的形式,与此同时,该过程也会消耗大约3/5的地表净辐射,同时伴随的潜热具有降温的作用,因此ET可视为是联系水热循环的纽带[2 ] .ET作为陆表水热过程的主要参量之一,研究其分布规律与变化特征,对于探讨气候变化的影响具有重要意义,但由于气候、地形、地表覆被等自然要素的差异,ET便成为最难估算的参量.随着遥感技术的发展,因其具有探测范围广、实时动态监测、获取信息方便快捷等特点,成为获取区域大尺度的地表蒸散发时空分布的有效手段[3 ] .众多的研究实验表明,利用遥感技术估算区域大尺度的ET精度高,能够满足区域研究的需求. ...
... 青藏高原平均海拔在4000 m以上,是全球平均海拔最高的高原,被誉为“第三极”和“世界屋脊”[4 ] ,在全球变化背景下,其水热能量交换对北半球乃至全球大气环流和气候极具影响[5 ] ,青藏高原不仅是全球变化的敏感区,也是受气候变化影响最严重的地区之一.研究表明,青藏高原近几十年来持续增温的趋势比其它地区更加显著,表现更为敏感[6 -7 ] ,温度的升高会提高地表ET过程的速率,从而改变水资源的可利用性.降水作为对生态系统影响最大的水资源,是全球变化的重要组成,降水的变化会调节大气蒸发需求和水分的供给,最终对地表ET造成影响[2 ] .而青藏高原作为亚洲主要大河的发源地,素有“亚洲水塔”之称[8 ] ,水资源的改变不仅对高原生态系统带来巨大的影响,诱发的水文变异同时也会影响到下游地区[9 ] .气温和降水格局的变化会对高原上植被的发展带来诸多不确定影响,而植被覆盖的变化通过影响太阳辐射量的吸收及其在植物冠层和土壤表面之间的分布,最终对植物蒸腾作用和土壤蒸发产生显著影响[5 , 10 ] .因此需要对气温、降水及植被变化对青藏高原地表ET的影响进行分析. ...
A review of current methodologies for regional evapotranspiration estimation from remotely sensed data
1
2009
... 蒸散发(Evapotranspiration,ET)是地表能量平衡和水量平衡的主要过程参量,包括土壤蒸发和植被蒸腾[1 ] .在全球范围,蒸散发过程是陆地上超过60%的降水返回大气中的形式,与此同时,该过程也会消耗大约3/5的地表净辐射,同时伴随的潜热具有降温的作用,因此ET可视为是联系水热循环的纽带[2 ] .ET作为陆表水热过程的主要参量之一,研究其分布规律与变化特征,对于探讨气候变化的影响具有重要意义,但由于气候、地形、地表覆被等自然要素的差异,ET便成为最难估算的参量.随着遥感技术的发展,因其具有探测范围广、实时动态监测、获取信息方便快捷等特点,成为获取区域大尺度的地表蒸散发时空分布的有效手段[3 ] .众多的研究实验表明,利用遥感技术估算区域大尺度的ET精度高,能够满足区域研究的需求. ...
China:The third pole
1
2008
... 青藏高原平均海拔在4000 m以上,是全球平均海拔最高的高原,被誉为“第三极”和“世界屋脊”[4 ] ,在全球变化背景下,其水热能量交换对北半球乃至全球大气环流和气候极具影响[5 ] ,青藏高原不仅是全球变化的敏感区,也是受气候变化影响最严重的地区之一.研究表明,青藏高原近几十年来持续增温的趋势比其它地区更加显著,表现更为敏感[6 -7 ] ,温度的升高会提高地表ET过程的速率,从而改变水资源的可利用性.降水作为对生态系统影响最大的水资源,是全球变化的重要组成,降水的变化会调节大气蒸发需求和水分的供给,最终对地表ET造成影响[2 ] .而青藏高原作为亚洲主要大河的发源地,素有“亚洲水塔”之称[8 ] ,水资源的改变不仅对高原生态系统带来巨大的影响,诱发的水文变异同时也会影响到下游地区[9 ] .气温和降水格局的变化会对高原上植被的发展带来诸多不确定影响,而植被覆盖的变化通过影响太阳辐射量的吸收及其在植物冠层和土壤表面之间的分布,最终对植物蒸腾作用和土壤蒸发产生显著影响[5 , 10 ] .因此需要对气温、降水及植被变化对青藏高原地表ET的影响进行分析. ...
Shortened duration and reduced area of frozen soil in the Northern Hemisphere
2
2021
... 青藏高原平均海拔在4000 m以上,是全球平均海拔最高的高原,被誉为“第三极”和“世界屋脊”[4 ] ,在全球变化背景下,其水热能量交换对北半球乃至全球大气环流和气候极具影响[5 ] ,青藏高原不仅是全球变化的敏感区,也是受气候变化影响最严重的地区之一.研究表明,青藏高原近几十年来持续增温的趋势比其它地区更加显著,表现更为敏感[6 -7 ] ,温度的升高会提高地表ET过程的速率,从而改变水资源的可利用性.降水作为对生态系统影响最大的水资源,是全球变化的重要组成,降水的变化会调节大气蒸发需求和水分的供给,最终对地表ET造成影响[2 ] .而青藏高原作为亚洲主要大河的发源地,素有“亚洲水塔”之称[8 ] ,水资源的改变不仅对高原生态系统带来巨大的影响,诱发的水文变异同时也会影响到下游地区[9 ] .气温和降水格局的变化会对高原上植被的发展带来诸多不确定影响,而植被覆盖的变化通过影响太阳辐射量的吸收及其在植物冠层和土壤表面之间的分布,最终对植物蒸腾作用和土壤蒸发产生显著影响[5 , 10 ] .因此需要对气温、降水及植被变化对青藏高原地表ET的影响进行分析. ...
... [5 , 10 ].因此需要对气温、降水及植被变化对青藏高原地表ET的影响进行分析. ...
青藏高原环境变化科学评估:过去、现在与未来
1
2015
... 青藏高原平均海拔在4000 m以上,是全球平均海拔最高的高原,被誉为“第三极”和“世界屋脊”[4 ] ,在全球变化背景下,其水热能量交换对北半球乃至全球大气环流和气候极具影响[5 ] ,青藏高原不仅是全球变化的敏感区,也是受气候变化影响最严重的地区之一.研究表明,青藏高原近几十年来持续增温的趋势比其它地区更加显著,表现更为敏感[6 -7 ] ,温度的升高会提高地表ET过程的速率,从而改变水资源的可利用性.降水作为对生态系统影响最大的水资源,是全球变化的重要组成,降水的变化会调节大气蒸发需求和水分的供给,最终对地表ET造成影响[2 ] .而青藏高原作为亚洲主要大河的发源地,素有“亚洲水塔”之称[8 ] ,水资源的改变不仅对高原生态系统带来巨大的影响,诱发的水文变异同时也会影响到下游地区[9 ] .气温和降水格局的变化会对高原上植被的发展带来诸多不确定影响,而植被覆盖的变化通过影响太阳辐射量的吸收及其在植物冠层和土壤表面之间的分布,最终对植物蒸腾作用和土壤蒸发产生显著影响[5 , 10 ] .因此需要对气温、降水及植被变化对青藏高原地表ET的影响进行分析. ...
青藏高原环境变化科学评估:过去、现在与未来
1
2015
... 青藏高原平均海拔在4000 m以上,是全球平均海拔最高的高原,被誉为“第三极”和“世界屋脊”[4 ] ,在全球变化背景下,其水热能量交换对北半球乃至全球大气环流和气候极具影响[5 ] ,青藏高原不仅是全球变化的敏感区,也是受气候变化影响最严重的地区之一.研究表明,青藏高原近几十年来持续增温的趋势比其它地区更加显著,表现更为敏感[6 -7 ] ,温度的升高会提高地表ET过程的速率,从而改变水资源的可利用性.降水作为对生态系统影响最大的水资源,是全球变化的重要组成,降水的变化会调节大气蒸发需求和水分的供给,最终对地表ET造成影响[2 ] .而青藏高原作为亚洲主要大河的发源地,素有“亚洲水塔”之称[8 ] ,水资源的改变不仅对高原生态系统带来巨大的影响,诱发的水文变异同时也会影响到下游地区[9 ] .气温和降水格局的变化会对高原上植被的发展带来诸多不确定影响,而植被覆盖的变化通过影响太阳辐射量的吸收及其在植物冠层和土壤表面之间的分布,最终对植物蒸腾作用和土壤蒸发产生显著影响[5 , 10 ] .因此需要对气温、降水及植被变化对青藏高原地表ET的影响进行分析. ...
Spatiotemporal patterns of land surface temperature change in the Tibetan Plateau based on MODIS/Terra daily product from 2000 to 2018
1
2021
... 青藏高原平均海拔在4000 m以上,是全球平均海拔最高的高原,被誉为“第三极”和“世界屋脊”[4 ] ,在全球变化背景下,其水热能量交换对北半球乃至全球大气环流和气候极具影响[5 ] ,青藏高原不仅是全球变化的敏感区,也是受气候变化影响最严重的地区之一.研究表明,青藏高原近几十年来持续增温的趋势比其它地区更加显著,表现更为敏感[6 -7 ] ,温度的升高会提高地表ET过程的速率,从而改变水资源的可利用性.降水作为对生态系统影响最大的水资源,是全球变化的重要组成,降水的变化会调节大气蒸发需求和水分的供给,最终对地表ET造成影响[2 ] .而青藏高原作为亚洲主要大河的发源地,素有“亚洲水塔”之称[8 ] ,水资源的改变不仅对高原生态系统带来巨大的影响,诱发的水文变异同时也会影响到下游地区[9 ] .气温和降水格局的变化会对高原上植被的发展带来诸多不确定影响,而植被覆盖的变化通过影响太阳辐射量的吸收及其在植物冠层和土壤表面之间的分布,最终对植物蒸腾作用和土壤蒸发产生显著影响[5 , 10 ] .因此需要对气温、降水及植被变化对青藏高原地表ET的影响进行分析. ...
Climate change will affect the Asian water towers
1
2010
... 青藏高原平均海拔在4000 m以上,是全球平均海拔最高的高原,被誉为“第三极”和“世界屋脊”[4 ] ,在全球变化背景下,其水热能量交换对北半球乃至全球大气环流和气候极具影响[5 ] ,青藏高原不仅是全球变化的敏感区,也是受气候变化影响最严重的地区之一.研究表明,青藏高原近几十年来持续增温的趋势比其它地区更加显著,表现更为敏感[6 -7 ] ,温度的升高会提高地表ET过程的速率,从而改变水资源的可利用性.降水作为对生态系统影响最大的水资源,是全球变化的重要组成,降水的变化会调节大气蒸发需求和水分的供给,最终对地表ET造成影响[2 ] .而青藏高原作为亚洲主要大河的发源地,素有“亚洲水塔”之称[8 ] ,水资源的改变不仅对高原生态系统带来巨大的影响,诱发的水文变异同时也会影响到下游地区[9 ] .气温和降水格局的变化会对高原上植被的发展带来诸多不确定影响,而植被覆盖的变化通过影响太阳辐射量的吸收及其在植物冠层和土壤表面之间的分布,最终对植物蒸腾作用和土壤蒸发产生显著影响[5 , 10 ] .因此需要对气温、降水及植被变化对青藏高原地表ET的影响进行分析. ...
Bridging the knowledge gap on the evolution of the Asian monsoon during 26–16 Ma
1
2021
... 青藏高原平均海拔在4000 m以上,是全球平均海拔最高的高原,被誉为“第三极”和“世界屋脊”[4 ] ,在全球变化背景下,其水热能量交换对北半球乃至全球大气环流和气候极具影响[5 ] ,青藏高原不仅是全球变化的敏感区,也是受气候变化影响最严重的地区之一.研究表明,青藏高原近几十年来持续增温的趋势比其它地区更加显著,表现更为敏感[6 -7 ] ,温度的升高会提高地表ET过程的速率,从而改变水资源的可利用性.降水作为对生态系统影响最大的水资源,是全球变化的重要组成,降水的变化会调节大气蒸发需求和水分的供给,最终对地表ET造成影响[2 ] .而青藏高原作为亚洲主要大河的发源地,素有“亚洲水塔”之称[8 ] ,水资源的改变不仅对高原生态系统带来巨大的影响,诱发的水文变异同时也会影响到下游地区[9 ] .气温和降水格局的变化会对高原上植被的发展带来诸多不确定影响,而植被覆盖的变化通过影响太阳辐射量的吸收及其在植物冠层和土壤表面之间的分布,最终对植物蒸腾作用和土壤蒸发产生显著影响[5 , 10 ] .因此需要对气温、降水及植被变化对青藏高原地表ET的影响进行分析. ...
Global synthesis of vegetation control on evapotranspiration partitioning
1
2014
... 青藏高原平均海拔在4000 m以上,是全球平均海拔最高的高原,被誉为“第三极”和“世界屋脊”[4 ] ,在全球变化背景下,其水热能量交换对北半球乃至全球大气环流和气候极具影响[5 ] ,青藏高原不仅是全球变化的敏感区,也是受气候变化影响最严重的地区之一.研究表明,青藏高原近几十年来持续增温的趋势比其它地区更加显著,表现更为敏感[6 -7 ] ,温度的升高会提高地表ET过程的速率,从而改变水资源的可利用性.降水作为对生态系统影响最大的水资源,是全球变化的重要组成,降水的变化会调节大气蒸发需求和水分的供给,最终对地表ET造成影响[2 ] .而青藏高原作为亚洲主要大河的发源地,素有“亚洲水塔”之称[8 ] ,水资源的改变不仅对高原生态系统带来巨大的影响,诱发的水文变异同时也会影响到下游地区[9 ] .气温和降水格局的变化会对高原上植被的发展带来诸多不确定影响,而植被覆盖的变化通过影响太阳辐射量的吸收及其在植物冠层和土壤表面之间的分布,最终对植物蒸腾作用和土壤蒸发产生显著影响[5 , 10 ] .因此需要对气温、降水及植被变化对青藏高原地表ET的影响进行分析. ...
The Global Land Surface Satellite (GLASS) product suite
1
2021
... 青藏高原地表ET的时空分布对当地及其周边地区的气候具有重要影响.全球陆表特征参数(GLASS)产品作为我国首套拥有独立知识产权的全球陆表遥感高级产品,该数据产品已发展为包括10余个涵盖能量、水和碳循环等全球变化过程的关键陆表特征参量的系列产品,可用于全球变化研究的气候数据集[11 ] .在中国黑河流域对比分析了5种主要卫星遥感ET产品,发现GLASS ET产品比单个模型计算更准确、产品精度更高[12 ] .因此利用GLASS陆表潜热通量产品能够满足分析青藏高原地表ET时空变化特征研究的需求,然而,目前基于GLASS ET产品开展的青藏高原地表蒸散发时空分布特征研究还相对较少. ...
Monitoring and validating spatially and temporally continuous daily evaporation and transpiration at river basin scale
1
2018
... 青藏高原地表ET的时空分布对当地及其周边地区的气候具有重要影响.全球陆表特征参数(GLASS)产品作为我国首套拥有独立知识产权的全球陆表遥感高级产品,该数据产品已发展为包括10余个涵盖能量、水和碳循环等全球变化过程的关键陆表特征参量的系列产品,可用于全球变化研究的气候数据集[11 ] .在中国黑河流域对比分析了5种主要卫星遥感ET产品,发现GLASS ET产品比单个模型计算更准确、产品精度更高[12 ] .因此利用GLASS陆表潜热通量产品能够满足分析青藏高原地表ET时空变化特征研究的需求,然而,目前基于GLASS ET产品开展的青藏高原地表蒸散发时空分布特征研究还相对较少. ...
1
2008
... 青藏高原生态地理分区数据来源于中国科学院资源环境科学与数据中心(http://www.resdc.cn/ ),该数据按照11类温度带和4类干湿地区的不同组合将中国划分成48个自然区[13 ] .其中,青藏高原地区主要包括11个自然区,详细信息可见表1 ,青藏高原大部分地区属于干旱、半干旱地区,其中北部以干旱地区为主,中部和南部以湿润和半湿润为主. ...
1
2008
... 青藏高原生态地理分区数据来源于中国科学院资源环境科学与数据中心(http://www.resdc.cn/ ),该数据按照11类温度带和4类干湿地区的不同组合将中国划分成48个自然区[13 ] .其中,青藏高原地区主要包括11个自然区,详细信息可见表1 ,青藏高原大部分地区属于干旱、半干旱地区,其中北部以干旱地区为主,中部和南部以湿润和半湿润为主. ...
Improvements to a MODIS global terrestrial evapotranspiration algorithm
1
2011
... GLASS陆表潜热通量产品来源于中国国家地球系统科学数据中心共享服务平台(http:∥www.geodata.cn/thematicView/GLASS.html).GLASS ET产品基于数据融合的方法,针对不同的地表覆盖类型,使用贝叶斯平均方法集合5种潜热通量算法,MODIS ET(MOD16)算法[14 ] 、改进的 Penman-Monteith ET(RRS-PM)算法[15 ] 、基于 Priestley-Taylor 的 ET(PT-JPL)算法[16 ] 、改进的基于卫星的 Priestley-Taylor ET(MS-PT)算法[17 ] 以及半经验Penman ET(UMD-SEMI)算法[18 ] ,结合AVHRR和MODIS再分析数据生产的覆盖全球陆表空间连续的潜热通量遥感产品,其精度较其他方法明显提高,总体而言,GLASS ET产品均方根误差为13.981 W/m2 ,决定性系数为0.84,偏差-2.44 W/m2 ,更接近地面真实值[19 -20 ] .相比之下,MOD16 ET产品由于不计算无植被覆盖的裸土、沙漠等区域[21 ] ,因而在青藏高原北部大范围的戈壁或沙漠等地区存在大面积的空缺值,影响了针对整个青藏高原的时空分布特征研究.对比之下,经直接验证和与现有产品对比表明GLASS ET产品的精度较好,产品质量高,并在算法先进性以及产品高质量等方面具有较好优势,且在无潜热通量观测数据的区域相对可靠,因此适合于研究青藏高原地区.目前,对外公开发布的GLASS ET产品的时间范围为1982—2018年,时间分辨率为8 d,空间分辨率有0.05°和1km两种,其中基于AVHRR的产品其最高空间分辨率为0.05°(1982—2018年);基于MODIS的产品其最高空间分辨率为1 km(2000—2018年).在本研究中,选用了2001—2018年的GLASS11B01产品数据,空间分辨率为0.05°,该数据为8 d分辨率每天平均潜热通量(w/m2 ),须通过简单地转换,将每天平均潜热通量转换为每天平均蒸散发(mm/d),再集合得到各年的年蒸散发. ...
Global estimates of evapotranspiration and gross primary production based on MODIS and global meteorology data
1
2010
... GLASS陆表潜热通量产品来源于中国国家地球系统科学数据中心共享服务平台(http:∥www.geodata.cn/thematicView/GLASS.html).GLASS ET产品基于数据融合的方法,针对不同的地表覆盖类型,使用贝叶斯平均方法集合5种潜热通量算法,MODIS ET(MOD16)算法[14 ] 、改进的 Penman-Monteith ET(RRS-PM)算法[15 ] 、基于 Priestley-Taylor 的 ET(PT-JPL)算法[16 ] 、改进的基于卫星的 Priestley-Taylor ET(MS-PT)算法[17 ] 以及半经验Penman ET(UMD-SEMI)算法[18 ] ,结合AVHRR和MODIS再分析数据生产的覆盖全球陆表空间连续的潜热通量遥感产品,其精度较其他方法明显提高,总体而言,GLASS ET产品均方根误差为13.981 W/m2 ,决定性系数为0.84,偏差-2.44 W/m2 ,更接近地面真实值[19 -20 ] .相比之下,MOD16 ET产品由于不计算无植被覆盖的裸土、沙漠等区域[21 ] ,因而在青藏高原北部大范围的戈壁或沙漠等地区存在大面积的空缺值,影响了针对整个青藏高原的时空分布特征研究.对比之下,经直接验证和与现有产品对比表明GLASS ET产品的精度较好,产品质量高,并在算法先进性以及产品高质量等方面具有较好优势,且在无潜热通量观测数据的区域相对可靠,因此适合于研究青藏高原地区.目前,对外公开发布的GLASS ET产品的时间范围为1982—2018年,时间分辨率为8 d,空间分辨率有0.05°和1km两种,其中基于AVHRR的产品其最高空间分辨率为0.05°(1982—2018年);基于MODIS的产品其最高空间分辨率为1 km(2000—2018年).在本研究中,选用了2001—2018年的GLASS11B01产品数据,空间分辨率为0.05°,该数据为8 d分辨率每天平均潜热通量(w/m2 ),须通过简单地转换,将每天平均潜热通量转换为每天平均蒸散发(mm/d),再集合得到各年的年蒸散发. ...
Global estimates of the land-atmosphere water flux based on monthly AVHRR and ISLSCP-II data, validated at 16 FLUXNET sites
1
2008
... GLASS陆表潜热通量产品来源于中国国家地球系统科学数据中心共享服务平台(http:∥www.geodata.cn/thematicView/GLASS.html).GLASS ET产品基于数据融合的方法,针对不同的地表覆盖类型,使用贝叶斯平均方法集合5种潜热通量算法,MODIS ET(MOD16)算法[14 ] 、改进的 Penman-Monteith ET(RRS-PM)算法[15 ] 、基于 Priestley-Taylor 的 ET(PT-JPL)算法[16 ] 、改进的基于卫星的 Priestley-Taylor ET(MS-PT)算法[17 ] 以及半经验Penman ET(UMD-SEMI)算法[18 ] ,结合AVHRR和MODIS再分析数据生产的覆盖全球陆表空间连续的潜热通量遥感产品,其精度较其他方法明显提高,总体而言,GLASS ET产品均方根误差为13.981 W/m2 ,决定性系数为0.84,偏差-2.44 W/m2 ,更接近地面真实值[19 -20 ] .相比之下,MOD16 ET产品由于不计算无植被覆盖的裸土、沙漠等区域[21 ] ,因而在青藏高原北部大范围的戈壁或沙漠等地区存在大面积的空缺值,影响了针对整个青藏高原的时空分布特征研究.对比之下,经直接验证和与现有产品对比表明GLASS ET产品的精度较好,产品质量高,并在算法先进性以及产品高质量等方面具有较好优势,且在无潜热通量观测数据的区域相对可靠,因此适合于研究青藏高原地区.目前,对外公开发布的GLASS ET产品的时间范围为1982—2018年,时间分辨率为8 d,空间分辨率有0.05°和1km两种,其中基于AVHRR的产品其最高空间分辨率为0.05°(1982—2018年);基于MODIS的产品其最高空间分辨率为1 km(2000—2018年).在本研究中,选用了2001—2018年的GLASS11B01产品数据,空间分辨率为0.05°,该数据为8 d分辨率每天平均潜热通量(w/m2 ),须通过简单地转换,将每天平均潜热通量转换为每天平均蒸散发(mm/d),再集合得到各年的年蒸散发. ...
MODIS-driven estimation of terrestrial latent heat flux in China based on a modified Priestley-Taylor algorithm
1
2013
... GLASS陆表潜热通量产品来源于中国国家地球系统科学数据中心共享服务平台(http:∥www.geodata.cn/thematicView/GLASS.html).GLASS ET产品基于数据融合的方法,针对不同的地表覆盖类型,使用贝叶斯平均方法集合5种潜热通量算法,MODIS ET(MOD16)算法[14 ] 、改进的 Penman-Monteith ET(RRS-PM)算法[15 ] 、基于 Priestley-Taylor 的 ET(PT-JPL)算法[16 ] 、改进的基于卫星的 Priestley-Taylor ET(MS-PT)算法[17 ] 以及半经验Penman ET(UMD-SEMI)算法[18 ] ,结合AVHRR和MODIS再分析数据生产的覆盖全球陆表空间连续的潜热通量遥感产品,其精度较其他方法明显提高,总体而言,GLASS ET产品均方根误差为13.981 W/m2 ,决定性系数为0.84,偏差-2.44 W/m2 ,更接近地面真实值[19 -20 ] .相比之下,MOD16 ET产品由于不计算无植被覆盖的裸土、沙漠等区域[21 ] ,因而在青藏高原北部大范围的戈壁或沙漠等地区存在大面积的空缺值,影响了针对整个青藏高原的时空分布特征研究.对比之下,经直接验证和与现有产品对比表明GLASS ET产品的精度较好,产品质量高,并在算法先进性以及产品高质量等方面具有较好优势,且在无潜热通量观测数据的区域相对可靠,因此适合于研究青藏高原地区.目前,对外公开发布的GLASS ET产品的时间范围为1982—2018年,时间分辨率为8 d,空间分辨率有0.05°和1km两种,其中基于AVHRR的产品其最高空间分辨率为0.05°(1982—2018年);基于MODIS的产品其最高空间分辨率为1 km(2000—2018年).在本研究中,选用了2001—2018年的GLASS11B01产品数据,空间分辨率为0.05°,该数据为8 d分辨率每天平均潜热通量(w/m2 ),须通过简单地转换,将每天平均潜热通量转换为每天平均蒸散发(mm/d),再集合得到各年的年蒸散发. ...
Evidence for decadal variation in global terrestrial evapotranspiration between 1982 and 2002: 1. Model development
1
2010
... GLASS陆表潜热通量产品来源于中国国家地球系统科学数据中心共享服务平台(http:∥www.geodata.cn/thematicView/GLASS.html).GLASS ET产品基于数据融合的方法,针对不同的地表覆盖类型,使用贝叶斯平均方法集合5种潜热通量算法,MODIS ET(MOD16)算法[14 ] 、改进的 Penman-Monteith ET(RRS-PM)算法[15 ] 、基于 Priestley-Taylor 的 ET(PT-JPL)算法[16 ] 、改进的基于卫星的 Priestley-Taylor ET(MS-PT)算法[17 ] 以及半经验Penman ET(UMD-SEMI)算法[18 ] ,结合AVHRR和MODIS再分析数据生产的覆盖全球陆表空间连续的潜热通量遥感产品,其精度较其他方法明显提高,总体而言,GLASS ET产品均方根误差为13.981 W/m2 ,决定性系数为0.84,偏差-2.44 W/m2 ,更接近地面真实值[19 -20 ] .相比之下,MOD16 ET产品由于不计算无植被覆盖的裸土、沙漠等区域[21 ] ,因而在青藏高原北部大范围的戈壁或沙漠等地区存在大面积的空缺值,影响了针对整个青藏高原的时空分布特征研究.对比之下,经直接验证和与现有产品对比表明GLASS ET产品的精度较好,产品质量高,并在算法先进性以及产品高质量等方面具有较好优势,且在无潜热通量观测数据的区域相对可靠,因此适合于研究青藏高原地区.目前,对外公开发布的GLASS ET产品的时间范围为1982—2018年,时间分辨率为8 d,空间分辨率有0.05°和1km两种,其中基于AVHRR的产品其最高空间分辨率为0.05°(1982—2018年);基于MODIS的产品其最高空间分辨率为1 km(2000—2018年).在本研究中,选用了2001—2018年的GLASS11B01产品数据,空间分辨率为0.05°,该数据为8 d分辨率每天平均潜热通量(w/m2 ),须通过简单地转换,将每天平均潜热通量转换为每天平均蒸散发(mm/d),再集合得到各年的年蒸散发. ...
Bayesian multimodel estimation of global terrestrial latent heat flux from eddy covariance, meteorological, and satellite observations
1
2014
... GLASS陆表潜热通量产品来源于中国国家地球系统科学数据中心共享服务平台(http:∥www.geodata.cn/thematicView/GLASS.html).GLASS ET产品基于数据融合的方法,针对不同的地表覆盖类型,使用贝叶斯平均方法集合5种潜热通量算法,MODIS ET(MOD16)算法[14 ] 、改进的 Penman-Monteith ET(RRS-PM)算法[15 ] 、基于 Priestley-Taylor 的 ET(PT-JPL)算法[16 ] 、改进的基于卫星的 Priestley-Taylor ET(MS-PT)算法[17 ] 以及半经验Penman ET(UMD-SEMI)算法[18 ] ,结合AVHRR和MODIS再分析数据生产的覆盖全球陆表空间连续的潜热通量遥感产品,其精度较其他方法明显提高,总体而言,GLASS ET产品均方根误差为13.981 W/m2 ,决定性系数为0.84,偏差-2.44 W/m2 ,更接近地面真实值[19 -20 ] .相比之下,MOD16 ET产品由于不计算无植被覆盖的裸土、沙漠等区域[21 ] ,因而在青藏高原北部大范围的戈壁或沙漠等地区存在大面积的空缺值,影响了针对整个青藏高原的时空分布特征研究.对比之下,经直接验证和与现有产品对比表明GLASS ET产品的精度较好,产品质量高,并在算法先进性以及产品高质量等方面具有较好优势,且在无潜热通量观测数据的区域相对可靠,因此适合于研究青藏高原地区.目前,对外公开发布的GLASS ET产品的时间范围为1982—2018年,时间分辨率为8 d,空间分辨率有0.05°和1km两种,其中基于AVHRR的产品其最高空间分辨率为0.05°(1982—2018年);基于MODIS的产品其最高空间分辨率为1 km(2000—2018年).在本研究中,选用了2001—2018年的GLASS11B01产品数据,空间分辨率为0.05°,该数据为8 d分辨率每天平均潜热通量(w/m2 ),须通过简单地转换,将每天平均潜热通量转换为每天平均蒸散发(mm/d),再集合得到各年的年蒸散发. ...
A satellite-based hybrid algorithm to determine the Priestley–Taylor parameter for global terrestrial latent heat flux estimation across multiple biomes
1
2015
... GLASS陆表潜热通量产品来源于中国国家地球系统科学数据中心共享服务平台(http:∥www.geodata.cn/thematicView/GLASS.html).GLASS ET产品基于数据融合的方法,针对不同的地表覆盖类型,使用贝叶斯平均方法集合5种潜热通量算法,MODIS ET(MOD16)算法[14 ] 、改进的 Penman-Monteith ET(RRS-PM)算法[15 ] 、基于 Priestley-Taylor 的 ET(PT-JPL)算法[16 ] 、改进的基于卫星的 Priestley-Taylor ET(MS-PT)算法[17 ] 以及半经验Penman ET(UMD-SEMI)算法[18 ] ,结合AVHRR和MODIS再分析数据生产的覆盖全球陆表空间连续的潜热通量遥感产品,其精度较其他方法明显提高,总体而言,GLASS ET产品均方根误差为13.981 W/m2 ,决定性系数为0.84,偏差-2.44 W/m2 ,更接近地面真实值[19 -20 ] .相比之下,MOD16 ET产品由于不计算无植被覆盖的裸土、沙漠等区域[21 ] ,因而在青藏高原北部大范围的戈壁或沙漠等地区存在大面积的空缺值,影响了针对整个青藏高原的时空分布特征研究.对比之下,经直接验证和与现有产品对比表明GLASS ET产品的精度较好,产品质量高,并在算法先进性以及产品高质量等方面具有较好优势,且在无潜热通量观测数据的区域相对可靠,因此适合于研究青藏高原地区.目前,对外公开发布的GLASS ET产品的时间范围为1982—2018年,时间分辨率为8 d,空间分辨率有0.05°和1km两种,其中基于AVHRR的产品其最高空间分辨率为0.05°(1982—2018年);基于MODIS的产品其最高空间分辨率为1 km(2000—2018年).在本研究中,选用了2001—2018年的GLASS11B01产品数据,空间分辨率为0.05°,该数据为8 d分辨率每天平均潜热通量(w/m2 ),须通过简单地转换,将每天平均潜热通量转换为每天平均蒸散发(mm/d),再集合得到各年的年蒸散发. ...
Improvements to a MODIS global terrestrial evapotranspiration algorithm
1
2011
... GLASS陆表潜热通量产品来源于中国国家地球系统科学数据中心共享服务平台(http:∥www.geodata.cn/thematicView/GLASS.html).GLASS ET产品基于数据融合的方法,针对不同的地表覆盖类型,使用贝叶斯平均方法集合5种潜热通量算法,MODIS ET(MOD16)算法[14 ] 、改进的 Penman-Monteith ET(RRS-PM)算法[15 ] 、基于 Priestley-Taylor 的 ET(PT-JPL)算法[16 ] 、改进的基于卫星的 Priestley-Taylor ET(MS-PT)算法[17 ] 以及半经验Penman ET(UMD-SEMI)算法[18 ] ,结合AVHRR和MODIS再分析数据生产的覆盖全球陆表空间连续的潜热通量遥感产品,其精度较其他方法明显提高,总体而言,GLASS ET产品均方根误差为13.981 W/m2 ,决定性系数为0.84,偏差-2.44 W/m2 ,更接近地面真实值[19 -20 ] .相比之下,MOD16 ET产品由于不计算无植被覆盖的裸土、沙漠等区域[21 ] ,因而在青藏高原北部大范围的戈壁或沙漠等地区存在大面积的空缺值,影响了针对整个青藏高原的时空分布特征研究.对比之下,经直接验证和与现有产品对比表明GLASS ET产品的精度较好,产品质量高,并在算法先进性以及产品高质量等方面具有较好优势,且在无潜热通量观测数据的区域相对可靠,因此适合于研究青藏高原地区.目前,对外公开发布的GLASS ET产品的时间范围为1982—2018年,时间分辨率为8 d,空间分辨率有0.05°和1km两种,其中基于AVHRR的产品其最高空间分辨率为0.05°(1982—2018年);基于MODIS的产品其最高空间分辨率为1 km(2000—2018年).在本研究中,选用了2001—2018年的GLASS11B01产品数据,空间分辨率为0.05°,该数据为8 d分辨率每天平均潜热通量(w/m2 ),须通过简单地转换,将每天平均潜热通量转换为每天平均蒸散发(mm/d),再集合得到各年的年蒸散发. ...
A spatial-temporal continuous dataset of the transpiration to evapotranspiration ratio in China from 1981-2015
1
2020
... 在实验中,为了进一步评估GLASS ET产品对青藏高原ET的表征能力,选用Niu等[22 ] 发布的1981—2015年中国蒸腾、蒸散发等数据集.该产品空间分辨率为0.05°,时间分辨率有8 d与年两种.该数据集基于模型—数据融合方法将PT-JPL模型与多变量观测数据集相结合而生成,其ET产品经与观测数据进行对比验证发现,所有站点、森林站点和非森林站点的R 2 值分别为0.71、0.68和0.64,其精度和其它遥感数据驱动的模型实现的性能相当[23 ] . ...
An increasing trend in the ratio of transpiration to total terrestrial evapotranspiration in China from 1982 to 2015 caused by greening and warming
1
2019
... 在实验中,为了进一步评估GLASS ET产品对青藏高原ET的表征能力,选用Niu等[22 ] 发布的1981—2015年中国蒸腾、蒸散发等数据集.该产品空间分辨率为0.05°,时间分辨率有8 d与年两种.该数据集基于模型—数据融合方法将PT-JPL模型与多变量观测数据集相结合而生成,其ET产品经与观测数据进行对比验证发现,所有站点、森林站点和非森林站点的R 2 值分别为0.71、0.68和0.64,其精度和其它遥感数据驱动的模型实现的性能相当[23 ] . ...
A modified Mann-Kendall trend test for autocorrelated data
1
1998
... 为准确认知该区域的ET、植被等参数的变化趋势,本研究采用Mann-Kendall(MK)趋势分析进行变化趋势探测.MK检验是一种常用的非参数趋势检验方法,它可以检测出气候时序变化趋势的显著性[24 ] ,该方法具有异常值干扰小,计算过程方便等优点,且所用的时间序列不需要遵循指定的线性或非线性变化趋势.MK检验中标准化统计量Z如公式(1) [25 ] 所示,采用显著性水平为α= 0.05,如果|Z|>Zα/2 ,则统计量在α显著水平上显著.根据Z值的大小来衡量地表ET是否存在显著变化,Z为正表示显著增加,Z为负表示显著减少. ...
1
1975
... 为准确认知该区域的ET、植被等参数的变化趋势,本研究采用Mann-Kendall(MK)趋势分析进行变化趋势探测.MK检验是一种常用的非参数趋势检验方法,它可以检测出气候时序变化趋势的显著性[24 ] ,该方法具有异常值干扰小,计算过程方便等优点,且所用的时间序列不需要遵循指定的线性或非线性变化趋势.MK检验中标准化统计量Z如公式(1) [25 ] 所示,采用显著性水平为α= 0.05,如果|Z|>Zα/2 ,则统计量在α显著水平上显著.根据Z值的大小来衡量地表ET是否存在显著变化,Z为正表示显著增加,Z为负表示显著减少. ...
Restored relationship between ENSO and In-dian summer monsoon rainfall around 1999/2000
1
2021
... 结合青藏高原主要的11个生态地理区的多年年均ET(表2 ),位于青藏高原北部干旱地区的HIID1分区均值最低仅为163.47 mm;处于青藏高原西北干旱及半干旱地区的HIID2、HID1、HIC2、HIID3和HIC1等地理分区的年均蒸散量均不超过300 mm;而位于青藏高原东南部湿润地区的HIIC2、HIIC1、HIB1、HIIA/B1等地理分区的多年年均蒸散发较高介于342.85—427.29 mm.对比之下,地处青藏高原最南部VA6分区全年温度较高,平均海拔较低,靠近海洋的地理位置使得季风的作用带来了更多湿润的空气,降水充足[26 ] ,以热带雨林季雨林湿润区为主,植被种类丰富,水热条件好,因此在该区域ET以高值分布,其多年年均蒸散发也最高为690.94 mm.根据各生态地理区的干湿状况与气候条件,青藏高原的多年年均ET的空间分布与相对湿度高度相关,在干旱程度越严重的地方,蒸散发越低;反之越湿润的地方其蒸散发越高.此外,从图2 中可以注意到,在多年年均ET较低的羌塘高原湖盆和青东祁连山地的湖泊周围出现了该地理区高值,其原因可能是该地区地处湖泊水域附近,相对湿度较周围地区大. ...
Long-term variations in actual evapotranspiration over the Tibetan Plateau
1
2021
... 基于MK趋势检验方法,在像元尺度上分析了2001—2018年青藏高原ET变化趋势,并分为显著增长、非显著增长、非显著减小和显著减小4个变化等级(图4 ).青藏高原整体上呈增长趋势,呈增长趋势的面积占比超过92%,远大于呈减小趋势的面积.具体而言,显著性增长趋势的地区面积最大,占比为47.44%,主要分布在高原的西部和东部,其中高原西部主要集中于HIID2和HID1分区的西北部、HIID3、HIC2、HIIC2和HIC1分区西部,高原东部主要集中于HIIC1分区,呈现显著增长的地区大多为干旱或半干旱区,因此可能是持续的干旱导致了该地区的ET逐年增长,其中以HIC2分区增长速率最高,个别地区增长速率高达15.02 mm/a;呈非显著增长趋势的地区占比为45.15%,主要分布在高原的北部和中南部地区;呈非显著减小趋势的地区占比为4.11%,主要集中于高原南部地区;呈显著减小趋势的地区占比最少,仅为3.82%,主要位于高原东南部VA6分区,小部分散落在HIIA/B1分区南部,该地带河流众多、降水充足,因此可能是湿度导致蒸散发逐年减小,其中VA6分区减小速率最快,个别地区为-22.44 mm/a,此外在干旱的HIID1分区和半干旱的HIC2分区的湖泊周围也呈显著减小趋势,进一步说明干湿状况是影响ET的变化趋势的重要原因.其中,以VA6分区为主的藏东南地区ET的变化趋势与Han等[27 ] 在此区域的研究结论相一致,均以显著减小趋势为主,证明该检测结果的一致性.这一现象与在此期间该区域的降水呈减少趋势有很大的关联[28 ] .HIIA/B1分区是整个高原上变化最复杂的自然区,在该自然区的南部和西南部为显著性增长,随着纬度向北移动,逐渐变为以增长趋势为主,但也存在一小部分地区呈减小趋势. ...
基于MODIS数据的青藏高原植被物候监测及其对气候变化的响应研究
1
2019
... 基于MK趋势检验方法,在像元尺度上分析了2001—2018年青藏高原ET变化趋势,并分为显著增长、非显著增长、非显著减小和显著减小4个变化等级(图4 ).青藏高原整体上呈增长趋势,呈增长趋势的面积占比超过92%,远大于呈减小趋势的面积.具体而言,显著性增长趋势的地区面积最大,占比为47.44%,主要分布在高原的西部和东部,其中高原西部主要集中于HIID2和HID1分区的西北部、HIID3、HIC2、HIIC2和HIC1分区西部,高原东部主要集中于HIIC1分区,呈现显著增长的地区大多为干旱或半干旱区,因此可能是持续的干旱导致了该地区的ET逐年增长,其中以HIC2分区增长速率最高,个别地区增长速率高达15.02 mm/a;呈非显著增长趋势的地区占比为45.15%,主要分布在高原的北部和中南部地区;呈非显著减小趋势的地区占比为4.11%,主要集中于高原南部地区;呈显著减小趋势的地区占比最少,仅为3.82%,主要位于高原东南部VA6分区,小部分散落在HIIA/B1分区南部,该地带河流众多、降水充足,因此可能是湿度导致蒸散发逐年减小,其中VA6分区减小速率最快,个别地区为-22.44 mm/a,此外在干旱的HIID1分区和半干旱的HIC2分区的湖泊周围也呈显著减小趋势,进一步说明干湿状况是影响ET的变化趋势的重要原因.其中,以VA6分区为主的藏东南地区ET的变化趋势与Han等[27 ] 在此区域的研究结论相一致,均以显著减小趋势为主,证明该检测结果的一致性.这一现象与在此期间该区域的降水呈减少趋势有很大的关联[28 ] .HIIA/B1分区是整个高原上变化最复杂的自然区,在该自然区的南部和西南部为显著性增长,随着纬度向北移动,逐渐变为以增长趋势为主,但也存在一小部分地区呈减小趋势. ...
基于MODIS数据的青藏高原植被物候监测及其对气候变化的响应研究
1
2019
... 基于MK趋势检验方法,在像元尺度上分析了2001—2018年青藏高原ET变化趋势,并分为显著增长、非显著增长、非显著减小和显著减小4个变化等级(图4 ).青藏高原整体上呈增长趋势,呈增长趋势的面积占比超过92%,远大于呈减小趋势的面积.具体而言,显著性增长趋势的地区面积最大,占比为47.44%,主要分布在高原的西部和东部,其中高原西部主要集中于HIID2和HID1分区的西北部、HIID3、HIC2、HIIC2和HIC1分区西部,高原东部主要集中于HIIC1分区,呈现显著增长的地区大多为干旱或半干旱区,因此可能是持续的干旱导致了该地区的ET逐年增长,其中以HIC2分区增长速率最高,个别地区增长速率高达15.02 mm/a;呈非显著增长趋势的地区占比为45.15%,主要分布在高原的北部和中南部地区;呈非显著减小趋势的地区占比为4.11%,主要集中于高原南部地区;呈显著减小趋势的地区占比最少,仅为3.82%,主要位于高原东南部VA6分区,小部分散落在HIIA/B1分区南部,该地带河流众多、降水充足,因此可能是湿度导致蒸散发逐年减小,其中VA6分区减小速率最快,个别地区为-22.44 mm/a,此外在干旱的HIID1分区和半干旱的HIC2分区的湖泊周围也呈显著减小趋势,进一步说明干湿状况是影响ET的变化趋势的重要原因.其中,以VA6分区为主的藏东南地区ET的变化趋势与Han等[27 ] 在此区域的研究结论相一致,均以显著减小趋势为主,证明该检测结果的一致性.这一现象与在此期间该区域的降水呈减少趋势有很大的关联[28 ] .HIIA/B1分区是整个高原上变化最复杂的自然区,在该自然区的南部和西南部为显著性增长,随着纬度向北移动,逐渐变为以增长趋势为主,但也存在一小部分地区呈减小趋势. ...
Spatiotemporal variation of vegetation on the Qinghai-Tibet Plateau and the influence of climatic factors and human activities on vegetation trend(2000—2019)
1
2020
... 近18 a来青藏高原NDVI的变化趋势如图6 (b)所示,整体上呈现增长的趋势,呈增长趋势的面积占比为92.62%,远大于减小趋势.其中呈显著增长的地区占比为29.09%,主要分布在高原的北部区域;显著减小的区域占比不到1%,几乎可以忽略;非显著减小的区域占比为6.09%,一部分集中分布于高原南部的VA6分区及HIIA/B1分区的南部,其它散布在高原的中西部区域.NDVI在藏东南地区(即高温高湿地区)的变化趋势与Chen等[29 ] 的研究结果相符合,随着气温变暖,水逐渐成为影响植被生长的主要因素,相对湿度和降水在该区域的减少导致NDVI的下降. ...