Page 85 - 《高原气象》2025年第6期
P. 85

6 期                    陈霆炜等:青藏高原不同区域蒸散发变化特征及影响因子分析                                         1493
               反射率与 LAI 的关系, 训练得到 Bi-LSTM 算法模                    所驱动, 其速率则主要受到大气边界层和地表的调
               型, 最终生成时间分辨率分别为 250 m 和 500 m                     节(Van Heerwaarden et al, 2010)。夜间由于太阳辐
               LAI 产品数据。GLASS 与 MODIS 的 LAI 产品在空                 射减少和气温降低, 湍流活动减弱, 大气稳定度增
               间分布上具有较好的一致性, 但相较而言, GLASS                        强, 导致通量观测值偏小。同时, 蒸散发速率在夜
               的时间序列变化更加平滑、 连续, 特别是当地表反                          间趋近于零, 夜间蒸散发的累积量相较于日蒸散发
               射率受到持续的云或气溶胶污染影响时。此外, 基                           量占比较小。鉴于此, 本研究选取各站点白天的观
               于地面观测验证结果, 相较于 MODIS, GLASS 产                     测数据, 即对实际蒸散发逐 30 min累积量进行计算
               品与地面观测表现出更强的相关性以及更低的误                             后, 首先剔除负值并选择 08:30 -20:00(慕士塔格站
               差, 能更好捕捉植被扰动的变化特征(Xiao et al,                     选取 09:30 -21:00)时段内的结果进行累加得到日
               2014, 2017; Xu et al, 2018; Liang et al, 2021; Ma   累积值。而后对日值按月进行累加, 若该月缺失率
               and Liang, 2022)。本文选取 2007 -2021 年时间分             不超过 1/3 则利用该月月平均值对缺失日值进行插
               辨率为 8 天, 空间分辨率为 500 m 的数据, 使用                     补, 反之则剔除。紧接着对月按年进行累加, 若该
               ArcGIS 软件采用临近网格插值的方法提取相应站                         年缺失率不超过 1/2 则使用多年平均值对缺失月份
               点的 LAI数据, 并采取线性插值的方法将其拓展至                         的数据进行插补, 反之则剔除该年数据, 最后得到
               日尺度后进行分析。                                         各年累积值。
               2. 3. 2 降水数据                                      2. 5 路径分析

                   由于慕士塔格站缺少对降水的观测, 而那曲站                             路径分析(Path Analysis, PA)方法结合了图形
               与藏东南站则由于仪器故障导致降水数据存在不                             和数学表示, 通过标准化路径系数反应某一变量对
               确定性, 仅珠峰站设有人工降水观测。为保证气象                           另一变量的直接或间接影响, 相较于传统的统计方
               要素分析的完整性, 故本文选取 CLDAS 中的降水                        法, 它在进行定量分析和理解变量间的因果关系方
               数据作为补充。该数据的时间分辨率为 3 h, 空间
                                                                 面具有一定优势(Grace et al, 2012)。因此, 本文采
               分辨率为 0. 0625°×0. 0625°, 同样利用 ArcGIS 软件
                                                                 用该方法来量化研究季风时期各环境因子对 ET 的
                                                                                                            a
               对上述相应站点的降水数据进行提取, 并在数据质
                                                                 影响, 首先给出一个相对完整的、 涵盖所有可能路
               量控制后整理为日、 月以及年尺度数据。
                                                                 径的蒸散发过程模型, 然后根据显著性检验结果并
               2. 4 蒸散发计算
                                                                 结合物理过程考虑对相关的路径进行剔除, 直至所
                   利用涡动相关仪观测得到的相关变量 10 Hz 数
                                                                 有路径都通过显著性检验, 并根据模型输出参数对
               据作为 TK3 软件的输入, 该软件根据式(1)计算潜
                                                                 模型拟合结果进行评估。路径分析首先假设有 n+1
               热通量:                                              个随机自变量, 并通过线性组合的方式对某一因变
                                                 ρ v - -- -----
                     - -------   - -------       -
               λE = λ∙ω′ρ′ v + λ∙μσ∙ω′ρ′ v + λ∙( 1 + μσ) ∙  -  ∙ω′T ′ (1)  量 Y 进行解释, 相应的多元回归模型表示为(Bond‐
                                                  T
                                                                 ari, 1990):
                                               -2
               式中: λE 为潜热通量(单位: W·m ); λ 为水的汽
                                                                       Y = β 0  + β 1 X 1 + β 2 X 2 + … + β N X N + e  (3)
               化潜热系数(单位: J·Kg ); ρ 为水汽密度(单位:
                                     -1
                                          v
               Kg·m ); ω′为垂直湍流速度脉动(单位: m·s );                    式中: e 为剩余的随机变量, 其数学期望为 0, 且与
                    -3
                                                         -1
                                                                 其余自变量不相关, 接下来将式(3)改写并进行标
               ρ′ v 为水汽密度脉动; 上横线代表取协方差平均值; μ                     准化可得下式:
                                                     )
                                                                                                    -
                                                                                   -
                                                                     -
                                           M d
               为干空气与水汽分子量之比               ( M v  , 取1. 6 ; σ 为干  Y - Y  = β 1 X 1 (  X 1 - X 1 )  +  β 2 X 2 (  X 2 - X 2 )  + … +
                                    ( )                            σ Y    σ Y    σ X 1    σ Y    σ X 2
                                     -
                                                                                   -
               空气与水汽的密度之比            ρ v  。由于涡动观测得到的                     β n X n (  X n - X n )  +  eσ e   (4)
                                     -
                                     ρ d
               潜热通量为 30 min 的平均值, 因此通过式(2)计算                              σ Y    σ X n   σ Y σ e
               实际蒸散发:                                            式(4)又可简写为:
                        ì             λE                         Y = P x 1 ,Y,1  X 1 + P x 1 ,Y,2  X 2 + … + P x 1 ,Y,i  X i + P E,
                                                                                                       e,Y
                        ï ï ï ï  ET a,30min  =  × 1800
                        í              λ                 (2)         i = 1,2,......,n                      (5)
                        ï ï    3                  )
                        î                                        其中:
                        ï ïλ = 10 × ( 2501 - 2.37 × T a
                                                                                    -
                                                                        -
               式中: ET a, 30min 为蒸散发累积量[单位: mm·(30 min)];         Y =  Y - Y  , X i = (  X i - X i ) , i = 1,2,…,n, E =  e  (6)
                                                          -1
               T 为气温(单位: ℃)。蒸散发过程主要由太阳辐射                              σ Y         σ X i                  σ e
                a
   80   81   82   83   84   85   86   87   88   89   90