1、地 理 学 报ACTA GEOGRAPHICA SINICA第78卷 第3期2023年3月Vol.78,No.3March,202320022020年青藏高原近地表土壤日冻融循环时空变化模式沈麒凯，刘修国，周 欣，张正加，陈启浩（中国地质大学（武汉）地理与信息工程学院，武汉 430074）摘要：青藏高原近地表土壤的日冻融循环极大地影响着土壤和大气之间的水分与能量交换，研究其时空变化模式对深入理解青藏高原生态环境的气候变化响应具有重要意义。本文基于MODIS、AMSR-E、AMSR-2遥感数据等资料，获取AMSR系列传感器在青藏高原的昼夜校准系数，利用Fourier非线性模型实现AMSR微波辐射
2、产品与MODIS热红外地表温度产品的融合，生成每日1 km分辨率近地表土壤日冻融状态结果，开展20022020年青藏高原近地表土壤日冻融循环时空变化模式研究。结果表明：相比于面向全球的校准方法，本文改进的AMSR系列传感器校准方法更适合于青藏高原地区。利用Fourier非线性模型融合后获得的土壤冻融产品在提升分辨率的同时日冻融判别精度达80.96%，相较于未融合结果准确性提高3.95%。青藏高原近地表土壤季节性冻融过程中的日冻融循环发生天数空间上存在显著差异性，其中藏南区域与青海高原发生天数最高，时间上存在周期性，呈升温时向西北转移，降温时向东南转移。20022020年青藏高原不同区域年内日冻
3、融循环发生天数变化趋势不同，藏北高原、藏南高山及藏东区域呈增加状态，青海高原呈减少状态。青藏高原连续日冻融循环起始时间点存在区域差异，总体上解冻过程中起始时间点由东向西逐渐推迟，冻结过程起始时间点由西向东逐渐推迟；20022020年近地表土壤连续日冻融循环起始时间点在解冻过程中提前0.17 d/a，冻结过程中提前0.18 d/a。关键词：青藏高原；日冻融循环；近地表土壤；多源遥感；AMSR；MODISDOI:10.11821/dlxb2023030061 引言青藏高原位于中国西南部，是世界上最大的高海拔中低纬度多年冻土区，多年冻土区面积约为150万km2 1。冻土中土壤水分随温度变化而产生的由
4、融化到冻结、由冻结到融化的过程被称为冻融循环。近地表土壤的冻融循环在地气交换中起到重要作用，土壤冻融的时空模式变化，对全球和局部气候、陆地能量平衡、高原区域水文循环、植被生长和土壤呼吸等过程的生态系统循环以及人类活动都具有重要影响2-3。由于昼夜温差大，除季节性冻融循环外，青藏高原的近地表土壤在一天之内会出现白天融化、夜晚冻结的现象，即日冻融循环4-6。青藏高原的近地表日冻融循环现象在季节性冻融周期中较为普遍，在季节性冻结过程与融化过程中均有发生4。青藏高原表层土收稿日期：2022-05-30;修订日期：2023-02-17基金项目：国家自然科学基金项目(41801348,41771467)F
5、oundation:National Natural Science Foundation of China,No.41801348,No.41771467作者简介：沈麒凯(1995-),男,浙江宁波人,博士生,主要从事微波遥感冻土冻融研究。E-mail:通讯作者：陈启浩(1982-),男,湖北仙桃人,博士,副教授,主要从事微波遥感信息提取及地学应用研究。E-mail:587-603页地 理 学 报78卷壤的冻融状态极大地影响着土壤和大气之间的水分和能量交换、微生物的生存7。在气候变化背景下，青藏高原近地表土壤冻融状态时空模式也发生了改变8，日冻融循环现象作为更进一步的近地表土壤状态的描述4，
6、对于深入理解青藏高原生态环境对气候变化的响应具有重要意义。监测冻融循环的前提是获得土壤的冻融状态。传统的冻融状态判别方法主要依赖于研究区内监测站点获取的数据，然而，在青藏高原地区实地测量成本高、难度大，难以实现大范围的土壤冻融状态获取9。遥感技术的快速发展为实现大范围、长时间序列的土壤冻融循环监测提供了有力的技术支持10。遥感手段对土壤冻融状态的监测主要通过热红外、被动微波和主动微波传感器实现。热红外遥感通过长时序的地表温度（LandSurface Temperature,LST）实现冻土状态监测11与冻土类型判别12，但易受到天气的影响，限制连续冻融状态监测的开展13；被动微波辐射计通过观测
7、到的地表辐射亮温进行土壤状态判别，具有更好的可解释性和精度，但产品的空间分辨率较低，多为几公里至数十公里14-16；主动微波遥感通过微波散射计17和合成孔径雷达18-19获取土壤冻融状态，然而微波与地表作用过程复杂、影响因素众多，导致冻融状态模型建立存在挑战。总之，不同传感器各有其优势和不足。近年来，高空间分辨率的近地表土壤状态监测产品和方法得到广泛的关注。针对被动微波辐射计较为粗糙的空间分辨率，Hu等20利用热红外遥感数据将AMSR数据获得的冻融产品空间分辨率降尺度至5 km，为微波辐射计冻融产品的降尺度提供了可行的方案；Zhao等21将ASMR数据与热红外遥感产品融合以获取青藏高原高分辨率
8、冻融产品，并证明了热红外遥感数据与微波遥感数据在近地表土壤冻融状态判断中的互补性；Gao等22利用不同分辨率影像在频率域上的相似性，基于频谱分析的方法对AMSR系列冻融状态产品进行降尺度研究，将中国东北地区冻融产品分辨率提升至1 km，为后续其他区域冻融状态降尺度研究提供新的思路。针对更高分辨率的合成孔径雷达数据，Zhou等23利用C波段Sentinel-1A卫星，获取了青藏高原工程走廊区域的近地表土壤的冻融状态并将冻融状态的空间分辨率提升至10 m；但受限于传感器的重访周期，只能获取冻融状态变化时间点范围18。因此，开展大范围近地表土壤冻融状态的监测，需要在满足时间分辨率的同时尽可能提高空间
9、分辨率。随着海量数据的积累，融合多源遥感数据能够综合不同数据在时间和空间分辨率上的优势，为土壤冻融状态监测提供了新思路。Hu等14利用AMSR-E和AMSR-2两款微波辐射计获取地表冻融状态，实现了20022018年全球的土壤冻融产品生产，拓宽了近地表冻融产品的时间范围，但产品中青藏高原精度明显低于高纬度区域。此外，Hu等20通过线性回归模型融合AMSR-2获得的冻融判别产品与MODIS地表温度产品，生成了20132014年5 km空间分辨率的中国冻融状态图，但未考虑每个昼夜间冻融状态的变化。相比于高纬度冻土区，青藏高原的昼夜温差更大，昼夜冻融变化更加频繁20，因此在融合多源遥感数据时，需要考
10、虑温度变化对观测值的影响24，这对青藏高原区域近地表土壤冻融状态研究提出了更高的要求。尽管目前已经开展了大量青藏高原近地表土壤冻融监测与冻融循环的研究，结合昼夜冻融状态变化的近地表土壤日冻融循环模式的研究仍存在空缺，尤其是利用遥感数据对大范围日冻融循环的监测。当前研究使用夜间过境的瞬时遥感数据作为土壤是否发生冻融的判别标准，缺少对近地表土壤状态昼夜变化的描述，无法准确获取一天之内土壤冻融状态的动态变化。因此，本文基于昼夜MODIS、AMSR-E、AMSR-2遥感数据等资5883期沈麒凯 等：20022020年青藏高原近地表土壤日冻融循环时空变化模式料，获取AMSR系列传感器在青藏高原的昼夜校准
11、系数，利用Fourier非线性模型实现青藏高原区域内AMSR传感器产品与MODIS地表温度产品的融合，生成20022020年每日1 km分辨率近地表土壤日冻融状态结果，并进一步探索青藏高原近地表土壤日冻融循环的时空变化模式。2 研究区与数据2.1 研究区概况青藏高原（Qinghai-Tibet Plateau,QTP）是亚洲内陆高原，也是世界海拔最高、中国最大的高原，地理位置介于25N40N、68E105E之间，南起喜马拉雅山脉南缘，北至昆仑山、阿尔金山脉和祁连山北缘，西部为帕米尔高原和喀喇昆仑山脉，东及东北部与秦岭山脉西段和黄土高原相接，是全球最大的中低纬度多年冻土区25。高原与周围区域海拔
12、差异巨大，而其内部又较为平缓，总体地势为西北高东南低，自西北向东南倾斜，地形上可分为藏北高原、青海高原、藏南谷地、柴达木盆地、祁连山地和川藏高山峡谷区等6个部分，平均海拔超过4000 m。本文针对中国境内的青藏高原区域开展研究，如图1所示。2.2 遥感数据本文使用的MODIS产品26为MYD11A1。该产品提供当地时间凌晨1:30和13:30的地表温度反演数据（LST），空间分辨率为1 km。通过原始产品与官方提供的尺度系数（0.02）结合，去除无效值，即可获得对应开氏温度。本文使用AMSR-E和AMSR-2两代微波辐射计的亮度温度（Brightness Temperature,图 1研究区概
13、况Fig.1 Overview of the study area589地 理 学 报78卷Tb）产品15,27（https:/gportal.jaxa.jp）。其中两代微波辐射计L3产品提供10 km空间分辨率全球范围每天升轨和降轨的Tb数据，观测时间分别为13:30和凌晨1:30。AMSR-E于2011年出现故障，并于2012年12月2015年12月进入慢旋转模式，期间获得L1S级数据。AMSR-E L1S数据与AMSR-2 L3数据存在同步对地进行观测的部分，能够应用于两代微波辐射计之间的校准。AMSR-E与AMSR-2两者的参数基本一致28，因此可以联合使用进行长时间序列的土壤冻融监测
14、。2.3 气象数据本文使用的参考数据为中国基本气象站点实测0 cm地温数据。0 cm地温数据来自国家气象科学数据中心（http:/ 研究方法本文结合MODIS、AMSR-E、AMSR-2遥感数据等资料，首先获取AMSR系列传感器在青藏高原区域的校准系数并对AMSR-2数据进行校准。其次，使用由AMSR传感器得到的冻融指标（Freeze Thaw Index,FTI）与 MODIS LST 构造 Fourier 非线性融合模型，并使用LST与融合模型获得1 km冻融指标。最后，由经过后处理的1 km分辨率冻融指标获得20022020年每天的日冻融状态并进行时空变化分析。主要流程如图2所示。3.1
15、 AMSR传感器相互校准AMSR-E与AMSR-2传感器具有相近的参数，两者的观测结果有高度的一致性。但是两者的观测值存在误差28，对冻融状态的多年连续观测存在影响，需要对前后两代传图2日冻融产品获取流程图Fig.2 Flowchart of diurnal freeze-thaw product acquisition5903期沈麒凯 等：20022020年青藏高原近地表土壤日冻融循环时空变化模式感器进行校准。目前针对AMSR系列的传感器校准方法主要包括双差分校准法28和统计校准法29-30。由于AMSR-E L1S数据与AMSR-2 L3数据存在同步与重叠，两者的观测数据能够很好地用于两代
16、传感器的校准。AMSR系列传感器校准以AMSR-E为基准，通过20132015年青藏高原区域内的AMSR-E L1S有效数据与AMSR-2 L3产品进行拟合，分别获得适用于青藏高原区域的升轨与降轨校准系数，将获得的校准系数应用于所有年份的AMSR-2 L3产品从而获得AMSR-2校准后产品。具体流程包括：青藏高原区域20132015年AMSR-E L1S，AMSR-2 L3数据获取；AMSR-E L1S与AMSR-2 L3数据时间空间配对，对并发观测值进行筛选（观测时间差10 min）；异常值剔除，统计0.1 K 0.1 K范围内值出现次数，删除出现次数少于20次的观测值；以AMSR-E L1S每0.1 K为间隔，分别对不同通道的升轨或降轨数据使用最小二乘法对校准函数进行拟合；利用获取的校准系数，对所有年份升降轨AMSR-2 L3数据进行校准处理，得到校准后数据。升轨或降轨数据拟合公式如下：TbAMSR-E=aTbAMSR-2+b（1）式中：TbAMSR-E为L1S数据；TbAMSR-2为L3数据；a、b分别为待拟斜率与截距。3.2 基于Fourier函数的高分辨率冻融指数获取受到AM
