被动微波遥感地表冻融状态及冻土活动层数据同化方法研究

《被动微波遥感地表冻融状态及冻土活动层数据同化方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中国科学院寒区旱区环境与工程研究所博士学位论文被动微波遥感地表冻融状态及冻土活动层数据同化方法研究姓名：晋锐申请学位级别：博士专业：地图学与地理信息系统指导教师：李新20070501中国科学院博士研究生毕业论文一被动微波遥感地表冻融状态及冻土活动层数据同化方法研究摘要季节性和永久性冻土主要分布在高纬度和高海拔地区，占地球陆地总面积的35％；约有50X106km2的北半球陆地表层土壤每年都要历经冻融转换这一过程。土壤的冻融变化及其水热状态对地气能量交换、地表径流、作物生长和碳循环等均具有重要影响，并且可作为气候变化的灵敏指示器。本论文从被动微波遥

2、感和陆面过程模型两种基本研究手段入手，主要开展了利用被动微波遥感数据监测地表冻融状态和冻土活动层的被动微波数据同化两方面的研究。介电常数是决定物质微波辐射和散射特征的最基本物理量，因此本文首先总结归纳了冻土的介电常数计算模型。目前常用的经验模型都仅适用于融土，虽然发展了针对冻土的介电常数理论模型，但所需参数不易获取且计算过程复杂，难以直接应用于遥感领域。根据混合物介电理论，在经验模型Dobson基础上加入冰项，推导得到改进公式，经与实测数据比较，基本适用于冻土介电常数的计算。当土壤由融化状态转变为冻结状态，土壤介电常数的实部和虚部均显著降低，引

3、起冻土具有以下不同于融土的突出特征：①物理温度和亮度温度均较低；②发射率较高；③体散射较强，即亮度温度随着频率增大而减小；④后向散射系数较低。以上分析为冻土微波遥感提供了基本的理论依据。遥感在冻土研究中最直接的应用即是利用微波遥感监测浅层土壤的冻融状态。本论文在前人双指标冻融判别算法的基础上，以SSM／I亮温为基础数据，根据样本亮温时间序列特征、聚类统计分析以及冻结／融化地表的微波辐射和散射特征，首次联合使用19V、19H、22V、37V、85V五个通道的亮温和散射指数、37GHz垂直极化亮温及19GHz极化差三个关键指标发展了识别地表或植被冠

4、层的冻融状态，同时剔除沙漠和降水等散射体干扰的地表冻融状态决策树新算法。利用国际协同加强观测期CEOP．EOP3的土壤温度和湿度观测系统的4cm土壤温度数据对分类结果进行验证，准确率可达87％。经分析，约40％和73％的误分分别发生在浅层土壤温度为．0．5℃～0．5℃和一2．0℃～2．O℃之间，即冻结点附近；且多发生在冷暖季节过渡时期，即4～5月和9-10月，分别占误分的33％和38％。基于该决策树获得中国全境地表冻融数据集及冻结日数图，以中国冻土区划与类型图为参考进行精度评价，得到总体分类精度为91．66％，Kappa系数为80．5％，且冻融

5、界线与季节冻土的分布南界具有较好的一致性。基于地表冻融数据集，采用时间序列检测法获得土壤稳定冻结始日、稳定融化始日及稳定冻结期，经与土壤温度观测数据比较，基本吻合。该算法为获得长时间序列的地表冻融数据集提供了基础，可为冰冻圈与气候变化关系研究、区域和全球碳循环模型、水文模型、陆面过程模型乃至一般环流模型提供基本的土壤冻融信息；也可用于不同地表参数遥感反演算法实施前的预分类处理。遥感观测和模型模拟各有优缺点，陆面数据同化则为集成观测和模型提供了中国科学院博士研究生毕业论文一被动微波遥感地表冻融状态及冻土活动层数据同化方法研究新思路和新方法。本文即

6、开展了数据同化方法在冻土活动层研究中的应用。冻土活动层数据同化系统以考虑了雪盖、土壤盐分及枯枝落叶层对土壤冻融影响的一维水一热一盐分耦合模型SHAW为动力学约束框架，通过集合卡尔曼滤波算法同化SMTMS观测数据和SSM／I微波亮度温度观测以改善冻土活动层的水热状态变量估计值。通过试验分析表明：①模型算子SHAW能够比较准确地刻画土壤中水热状态的动态变化，但模拟的各层土壤含水量都系统性偏低，而土壤温度则偏高，预测的冻结深度偏小；②微波辐射传输模型作为同化系统中连接陆面过程模型状态变量和遥感观测量的桥梁，其模拟性能直接影响同化精度。本研究采用的AI

7、EM+LSP／R模型基本适用于同化SSM／I19GHz亮温的精度需求，但对于高频数据，则必须考虑体散射的影响；③集合卡尔曼滤波算法有效解决了在同化系统中应用非线性模型(包括阈值的不连续性)的问题，且同化精度和执行效率较高；④冬季，土壤水分多以固态形式存在，土壤导水率极低，导致各层土壤间水分迁移量很少，相关性较弱，且未冻水含量主要取决于土壤温度，因此开展冻土数据同化时，关键变量是土壤温度；夏季，高原季风降水直接影响土壤中的含水量，而土壤水分模拟不准将影响土壤温度，因此夏季同化时，关键变量是土壤水分；⑤同化直接的土壤温度、土壤水分观测数据能够显著改

8、善模型状态变量的估计值，改善程度与同化频率和同化数据的时间选择有关；⑥引入对地表水分和温度敏感的微波亮度温度，可以有效提高土壤温度廓线和水分廓线的估计