Page 42 - 《高原气象》2026年第2期
P. 42

高     原      气     象                                 45 卷
              342
             究区域地图是基于标准地图服务系统（http： //bzdt.                     持在 25% 以下， 能够对全球植被生产力的时空分布
             ch. mnr. gov. cn/）下 载 的 中 国 地 图［审 图 号 GS           及变化格局进行良好模拟。时间分辨率为 8 d， 空
             （2019）1822］制作而成， 底图无修改。DEM 数据来                     间分辨率为0. 05°（http： //www. geodata. cn）。
             源于中国科学院资源环境科学与数据中心（https： //                       2. 2. 3 IMERG 降水数据及中国 1 km 分辨率气温
             www. resdc. cn/）发布的全国 DEM 1 km 数据， 土地                     数据集
             利用数据来自国家冰川冻土沙漠科学数据中心                                   本文使用的卫星观测数据 IMERG 是由 Global
             （https： //www. ncdc. ac. cn/）。                     Precipitation  Measurement （GPM）制 作 的 IMERG
             2. 2 数据描述                                          Final V07B （https： //disc. gsfc. nasa. gov/）（Hou et al，
             2. 2. 1 大气数据                                       2014； Liu et al， 2017）， 空间分辨率为 0. 1°×0. 1°，
                  本研究使用中国区域地面气象要素驱动数据
                                                                时间分辨率为 0. 5 h。IMERG 数据的应用主要是参
             集（CMFD）（阳坤等， 2019）作为模式的驱动数据，
                                                                与计算西南地区 SPEI 干旱指数， 并检验 CLM5. 0
             该 数 据 在 Princeton 再 分 析 资 料 、  GLDAS 资 料 、
                                                                驱动数据的降水和干旱表征情况。
             TRMM 降水资料以及 GEWEX-SRB 辐射资料的基
                                                                    本 文 使 用 的 中 国 1  km 分 辨 率 气 温 数 据 集
             础上， 融合了中国气象局气象观测资料制作而成，
                                                               （Peng  et  al，  2018，  2017，  2019；  Ding  and  Peng，
             其精度位于观测数据与遥感数据之间， 且高于国际
                                                                2020）由时空三极环境大数据平台发布， 该数据是
             现存的再分析数据的精度（He et al， 2020； Yang et
                                                                中国区域的逐月平均气温数据， 空间分辨率约为
             al， 2010）。
                                                                1 km， 单位为 0. 1 ℃， 时间为 1901 -2021 年。该数
             2. 2. 2 遥感LAI和GPP产品
                                                                据集应用 Delta 空间降尺度方案， 对 CRU 的全球
                  LAI 遥感数据包括 GLASS-LAI、 GLOBMAP-
                                                                0. 5°分辨率气候数据集和 WorldClim 发布的全球高
             LAI 以及 GIMMS-LAI。其中， 全球陆表特征参量
                                                                分辨率气候数据集在中国地区降尺度形成的， 经过
             数据产品（GLASS产品）由北京师范大学自主研发。
                                                                496 个独立气象观测点数据验证后， 保证结果真实
             GLASS-LAI 为其中的叶面积指数（LAI）产品， 时间
                                                                可靠。该数据在本文的应用包括参与计算西南地区
             分辨率为 8 d， 空间分辨率为 0. 05°（https： //www.
                                                                SPEI干旱指数， 检测 CLM5. 0驱动数据的气温和干
             geodata. cn）； GLOBMAP-LAI是全球尺度的长时间
             序列LAI产品。该产品由两套不同时间跨度的产品                            旱表征情况。本文的数据使用情况如表1所示。
             组成， 包括 AVHRR LAI（1981 -2000 年）和 MODIS                             表1 数据使用情况
             LAI（2001 -2019 年）， 空间分辨率均为 0. 08°， 时间                           Table 1 Data utilization
             分 辨 率 则 分 别 为 8  d 和 半 月（Liu  et  al，  2012）；             数据名称            空间分辨率       时间分辨率
             GIMMS-LAI 是由 GIMMS、 AVHRR 等利用人工神                         GLASS-LAI          0. 05°       8 d
             经网络模型（ANN）合成（Zhu et al， 2013）。该数据                        GIMMS-LAI          1/12°        半月
             集时间分辨率为半月， 空间分辨率为1/12°。                                 GLOBMAP-LAI         0. 08°      8 d/半月
                  GPP 遥 感 数 据 则 包 括 GLOBMAP-GPP、                      GLASS-GPP          0. 05°       8 d
             GIMMS-GPP 以 及 GLASS-GPP 产 品 。 其 中 ，                      GIMMS-GPP          1/12°         月
             GLOBMAP-GPP 是通过使用双叶光利用效率模型                             GLOBMAP-GPP          0. 05°        月
             （TL-LUE）， 添加 CO 浓度的规则标量和修改后的                          中国1 km分辨率逐月           1 km          月
                                2
             温度标量合成的（Bi et al， 2022）。该产品时间分辨                        平均气温数据集
             率为月， 空间分辨率为 0. 05°； GIMMS-GPP 产品则                         IMERG             0. 1°        0. 5 h
             是基于光利用效率方程（LUE）， 结合优化的 LUE、                          中国区域地面气象要素             0. 1°        3 h
             GIMMS3g、 光合有效辐射比例（FRAR）以及 Mod‐                           驱动数据集
             ern-Era  Retrospective  analysis  for  Research  and Ap‐
             plications， Version 2 （MERRA-2）推导得出（Madani         2. 3 方法
             and Parazoo， 2020）。时间分辨率为月， 空间分辨率                  2. 3. 1 干旱监测及极端干旱事件的识别
             为 1/12°； GLASS-GPP 是由北京师范大学发布的                         标准化降水蒸散指数（SPEI）具有多尺度性， 可
             GLASS 产 品 之 一 ， 采 用 改 良 的 Eddy Covariance-         以刻画多种干旱情景， 已被证实是其他干旱指数中
             Light Use Efficiency （EC-LUE）模型使相对误差维              更适用于西南地区的指标。LAI 和 GPP 对 6 个月
   37   38   39   40   41   42   43   44   45   46   47