青藏高原南緣地理環境狀況及變遷研究
|
|
中國網/中國發展門戶網訊 青藏高原是全球海拔最高的巨型構造地貌單元，被譽為“世界第三極”，具有獨特的自然和人文環境。其劇烈隆起改變了亞洲的大氣環流形勢，促成了地球上最強大的亞洲季風系統，并對北半球的環流產生重要影響。高原特殊的下墊面和大氣過程使其成為全球氣候與環境變化的敏感區。在氣候變化和人類活動影響下，高原的冰川、凍土、積雪等冰凍圈劇烈變化，生態系統的結構和功能以及重要物種的種群數量和結構也發生了深刻的變化，對區域水循環、生態條件產生了巨大的影響，也給社會經濟和防災減災帶來了新挑戰。
青藏高原南緣沿喜馬拉雅山南麓延伸，位于南亞次大陸與青藏高原的交接過渡地帶，是西風帶、南亞季風和東亞季風的交匯地帶。該區域地形、氣候和生態環境十分復雜，海拔從?4?500?米以上的喜馬拉雅山脈迅速降低到?200?米左右的平原地帶，氣候也涵蓋了高山的高寒氣候和平原的熱帶季風氣候，地表覆蓋具有森林、農田、草地和冰雪等顯著的垂直地帶性。研究青藏高原南緣的地理環境和人文狀況及其變遷，有助于認識高原及鄰近區域對于氣候變化，特別是西風帶、亞洲季風變化的響應和適應狀況。
該區域（特別是西部）的地面站點十分稀疏，衛星遙感為這種難抵達區域的空間連續監測提供了可能。本文綜合利用地面觀測和衛星遙感等技術手段，分析近30年青藏高原南緣的土地利用/覆蓋、植被、溫度、降水、人口和夜間燈光等自然和人文狀況，刻畫該區域的地理環境狀況及其變遷。
數據和方法
數據
土地利用/覆蓋相關數據。采用?Landsat?衛星觀測、Google Earth?高分辨率影像，結合全球?30?米土地覆蓋分類產品?GlobeLand?30?分析該區域土地覆被、土地利用的狀況。其中，Landsat?采用1990?年和?2015?年附近的?TM和?ETM+晴空觀測，分辨率為?30?米。GlobeLand?30?是采用?Landsat及環境?_1?等衛星影像，基于綜合了面向像元、面向對象和專家知識的?POK?分類方法，獲得的全球?30?米分辨率土地覆被數據，總體分類精度達到了80%?以上，本文采用?2010?年分類結果。
植被葉面積指數數據。采用?GLOBMAP?葉面積指數（leaf area index, LAI）產品分析區域植被狀況及變化。該產品是基于?AVHRR?和?MODIS?數據生成的全球1981年以來的高一致性葉面積指數數據，空間分辨率為?8?公里，時間分辨率?1981—1999?年為?15?天，2000—2016?年為?8天。產品首先采用改進的?GLOBCARBON LAI?算法，基于?MODIS?數據反演葉面積指數，然后利用?AVHRR?與?MODIS?的重疊觀測，針對每個像元建立了AVHRR SR-MODIS LAI?關系，在此基礎上實現了歷史?AVHRR?數據的回溯反演。GLOBMAP?解決了兩種不同傳感器差異引起的反演結果不一致的問題。
氣候數據。利用TRMM衛星日降水產品3B42Daily、MODIS?地表溫度產品?MOD11A2?和研究區域氣象站點的降水與氣溫觀測，分析區域內降水和溫度等氣候狀況及其變遷。其中，TRMM?日降水產品提供了每天的降水量，空間分辨率為?0.25?度，時間覆蓋?1989—2016?年。MODIS?地表溫度產品?MOD11A2?提供了每?8天白天和夜間衛星過境時的地表溫度，空間分辨率為?1公里，時間覆蓋?2000—2016?年。地面觀測采用了中國氣象科學數據共享服務網的中國地面氣候資料日值數據集（V3.0）的?5?個站點和?NOAA NCDC?的?5?個印度及尼泊爾站點的?1980—2016?年逐日降水量和逐日最高、最低及平均氣溫資料。中國的?5?個站點包括：普蘭?556960、聶拉爾?557730、錯那?556900、隆子?556550?和帕里?554370，位于研究區域北側，海拔均在?3?500?米以上；尼泊爾及印度站點包括：DEHRADUN421110、LILABARI423090、DIBRUGARH423140、TEZPUR424150?和?TRIBHUVAN444540，位于區域南側，海拔在?1?500?米以下。
人口數據。采用哥倫比亞大學國際地球科學信息網絡中心（Center for International Earth Science Information Network, Columbia University）提供的全球人口格網數據第?4?版（Gridded Population of the World, Version4, GPWv4）來表征區域人口密度分布。該數據集基于人口統計數據，結合人口分布模型，生成了全球空間連續的人口分布?？臻g分辨率在赤道約為?1?公里，2000—2020年每?5?年發布?1?次，本文采用?2005?年和?2015?年的數據。
夜間燈光數據。采用?DMSP-OLS?夜間燈光數據（V4?版本）來描述區域人類活動的擴張。該數據包含無云觀測頻數（number of cloud-free observations）、平均燈光（average of the visible bands digital number values）和穩定燈光（stable light images）3?個產品。本文采用的是穩定燈光產品，該產品經過了去云處理，并且消除了背景噪聲及短時燈光數據（火山氣體、森林火災、極光等）。像元灰度值介于?0—63?之間，數據可獲取時間跨度為?1992—2013?年（年度合成數據），空間分辨率?1?公里。
方法
本文采用地理信息系統（geographic information system，GIS）空間分析、變化檢測、線性趨勢分析等方法，研究區域自然地理和人文要素的分布狀況及時間變化，具體方法如下。
土地利用/覆蓋。利用?2010?年?GlobeLand30?土地覆被數據，獲取研究區域?30?米的土地利用/覆蓋分類圖，分國別分析不同覆被類型的空間分布特征。針對變化的典型區域藏南地區，基于?Landsat TM/ETM+衛星影像和Google Earth?高分辨率影像，采用人工目視解譯方法，獲得?1990?年和?2015?年區域的居民地、機場等典型土地利用要素分布，分析其變化狀況。
植被狀況。采用?1981—2016?年的?GLOBMAP LAI?數據，計算各像元每年葉面積指數序列中的最大值，獲得各個年份的最大葉面積指數分布圖。由于?1981?年數據不全，在時間序列分析中予以排除。對獲得的?1982—2016?年共?35?年的最大葉面積指數進行線性擬合，分析各像元植被的狀況和生長趨勢變化。
氣候要素。利用?TRMM1998—2016?年的數據，計算19?年間的年降水量平均值，并對每年的年降水量進行線性擬合，計算斜率分析其年際變化。利用2000—2016?年?MODIS?地表溫度數據，分日夜計算每年的地表溫度平均值以及平均日夜溫差，分別進行每年結果的線性擬合，分析地表溫度的變化。另外，基于?1980?年以來逐日氣象站點觀測，計算年降水量、月降水量、年平均氣溫、年最高氣溫、年最低氣溫、月平均氣溫、月最高氣溫和月最低氣溫，并分析降水量和氣溫的年際變化。在站點分析中，分海拔高于?3?500?米和低于?1?500?米分別分析。另外，尼泊爾及印度站點的缺測較多，特別是?1995?年以前，嚴重影響年際變化的可靠性，因此在年際分析中僅保留?DEHRADUN421110?站點。
人類活動。對比?2005?年和?2015?年人口密度分布圖，分析區域人口變化。并利用?1992—2013?年?DMSP-OLS?夜間燈光數據，采用線性趨勢擬合獲得燈光數據灰度值的線性斜率，來表征區域人工建筑的變化模式。斜率大于?0?表示夜間燈光越來越亮，人工建筑呈現擴張趨勢；小于?0?表示夜間燈光越來越暗，人工建筑呈現縮小趨勢。