SMMR和SSM/I亮温时间序列(1978-2008)监测中国近地表土壤冻融循环

【作者】 晋锐； 张廷军； 李新； 杨兴国； 谢燕梅；

【机构】 中国科学院寒区旱区环境与工程研究所； 美国雪冰数据中心科罗拉多大学环境科学合作研究所； 甘肃省气象局；

【摘要】 近地表土壤冻融循环对大气和土壤间能水交换、地表径流、植被生长和生态系统具有重要的影响。冻土范围和空间分布规律时刻发生变化,全面理解近地表土壤冻融循环对气象学、水文学、农业科学等各方面的研究提供依据。热红外遥感受天气条件和云的影响较严重,观测结果误差较大。微波遥感受天气条件影响相对较小,且由于液态水的介电常数与冰和其他物质差别较大,微波信号对土壤中液态水敏感,利于监测冻融变化。目前被动微波辐射计在冻土研究中的算法主要是:双指标算法、时间序列变化检测算法及决策树算法。时间序列变化检测算法由于冻土温度渐变等原因无法得到逐日亮温或光谱信号的突变点。由于对数据的要求,决策树算法在SMMR辐射计中使用受到限制。本文重点对双指标算法进行标定和验证。使用25km空间分辨率的EASE-Grid SMMR(1978-1987)和SSM/I(1987-2008)逐日亮温数据,采用双指标算法(两个指标)获得30年时间序列的中国近地表土壤冻融状态数据集,并分析了土壤冻结的区域范围、开始时间、结束时间、持续时间及实际冻结天数的时间变化趋势和空间分布规律。双指标土壤冻融状态算法采用37GHz垂直极化亮温和37GHz与18/19GHz通道的光谱梯度作为判定标准,使用中国区域77个气象站观测的日最低地表温度数据对每种主要地表类型进行独立标定改进了算法精度。此外,使用1977至2006年月平均最低地表温度内插获得月分类掩膜,以消除冻土和融土的误分类。地表冻融状态日分类结果使用其他273个气象站点最低地表温度数据进行验证。对于每种地表类型来说,使用SMMR和SSM/I辐射计数据的冻结土壤、融化土壤和整体分类精度都高于80%。长时间序列的近地表土壤冻融循环数据集可用于核查研究区域冻土年际变化,可为水文模型、陆面过程模型及各种反演模型提供土壤信息,也可为研究中国区域土壤冻融循环与气候变化、植被生长期、碳循环、地气交互等研究提供基础数据集。更多还原