文摘

准确的估计地表长波辐射对表面辐射的预算很重要,进而控制蒸发和显热通量。区域土地利用变化会影响当地的天气条件;例如,异构土地利用模式和颞大气环流模式的改变会影响空气温度和水蒸气压力,更常用的是输入在现有模型估算向下长波辐射()。在这项研究中,首先,我们分析了云层覆盖和土地利用覆盖影响。接下来,在全天使用现有土地use-adapted模型开发的条件和云层的圣约翰河地区水资源管理的数据区(SJRWMD), FL。结果表明,因素,如季节性影响,云层,和土地利用评估的重要性和开发一个模型时,他们不能被忽视预测。次全天土地use-adapted模型与所有其他因素考虑执行比现有的统计模型。统计分析的结果表明,偏见,RMSE,梅,PMRE−0.18 Wm⁻²10.81 Wm⁻²8.00 Wm⁻²,2.30%;−2.61 Wm⁻²14.45 Wm⁻²10.64 Wm⁻²,3.19%;−0.07 Wm⁻²10.53 Wm⁻²8.03 Wm⁻²,2.27%;和−0.62 Wm⁻²13.97 Wm⁻²9.76 Wm⁻²,2.87%的城市、牧场、农业,分别和湿地区域。

1。介绍

准确的向下长波辐射(LW估计_d)是必要的计算净辐射,进而调节表面能的大小预算,包括潜热(1]。这些知识也是(a)预测所需的温度变化,霜冻发生,朦胧,(b)评估气候变化和全球变暖,和(c)辐射冷却系统的设计1,2]。

向下长波辐射的热红外能量(波长为4.0 -100μ米),主要是由水汽和气溶胶等云水滴,有限公司₂阿,₃分子(3]。长波辐射更加困难和昂贵比短波辐射测量,因为它不是一个传统的测量,因此其测量很少包含在气象站(4]。此外,由于水汽垂直分辨率差数据和困难与大气辐射和温度有关,许多相当成功的技术已经开发了近几十年来,LW估计_d基于screen-level湿度和空气温度测量。埃(5)首次发现实证向下长波晴空辐照度及蒸汽压之间的关系。随着他的开创性工作,对LW开发了参数化_d使用天气观测[6- - - - - -15]。

先前的研究的主要缺点是,他们的方法没有在其他地方表现得好,因为他们利用当地经验系数。这主要是由于系数的显著的变化在这些模型中,由于空气温度和水蒸气压力的变化,进而导致土地利用空间变化的大气环流模式和时间变化。在土地规模、人类活动影响区域气候通过改变土地利用生态系统的分布特征的影响,能源(潜在和显热)和质量通量(如水汽、微量气体和微粒)。这些对比土地利用模式产生对流循环影响云的形成和沉淀。例如,当大面积的森林被清除,减少蒸腾作用导致少云的形成,减少降雨量,增加干燥的地球表面16]。先前的研究在测量一些辐射组件(传入的短波辐射或净能量平衡)专注于特定的土地利用类型,如草、短的植被,裸露的土壤、森林,和一些作物,但忽视城市地区和大水覆盖区域(17- - - - - -19]。

因此,长期监测和建模的辐射组件特别是长波辐射在不同的土地利用类型包括城市和湿地地区而不是农业和牧场区域只有至关重要和关键。Rizou和Nnadi15)开发了一个土地use-adapted模型叠加在一个方程非线性温度效应和水蒸气占净对天空发射率的影响。他们的模型是健壮的和自适应的不同土地利用的区域。统计参数,包括归一化意味着偏见错误(MBE)和均方根误差(RMSE),小于其他现有模型,显示模型的良好的性能相对于别人。在他们的研究中,三个月的数据在2004年的春天在当前研究区进行了分析,但季节性变化和云的影响没有考虑各种土地利用的影响。

Culf和裂缝9]在考虑湿和干燥的季节之间的正弦变化表明,LW的主要系数_d回归模型是不同的。这类似于其他气象变量,如温度、太阳辐射、和水蒸气的压力。在旱季,水蒸气的递减率是低于标准的氛围。另一方面,雨季潮湿和有一个更高的水蒸气递减率。其他的研究表明,季节性LW分析和调整_d模型是必要的和重要的长期分析(1,4,12]。

Rizou和Nnadi15)表明,云将导致更多的辐射噪声在昼夜模式,而克劳福德和Duchon [1)认为,大多数技术适用于晴空的效用有很大的局限性。之前的研究也显示,云层中扮演一个重要的角色在预防辐射的赤字。这些研究表明厚云主要反映了太阳辐射和地球表面降温,而高和瘦云主要传输入射太阳辐射。然而,它也表明,厚云陷阱的一些外向的地球发出的红外辐射,辐射向下,从而变暖的地球的表面。因此,一些研究人员提出了LW局部调整方程_d通量在多云条件,如雅各布斯(8巴芬岛),加拿大,Maykut和教堂7]因为阿拉斯加,美国、杉和Brutsaert [20.美国]堪萨斯Konzelmann et al ., (21格陵兰岛),克劳福德和Duchon1]俄克拉何马州,美国。

因此,在这项研究中,季节性变化的影响和LW云层_d被认为是和一个新的土地use-adapted模型。本文的目标是(1)原位分析每年向下长波LW数据和季节性变化_d在年度数据基于湿和清晰,全天LW旱季_d辐射模型,(2)比较云LW和土地利用因素的影响_d基于旱季数据,和(3)开发土地use-adapted全天LW_d模型基于干和湿季的数据。

2。参数化方案

2.1。基本辐射率模型

Rizou和Nnadi15)建立了一个土地use-adapted模型根据Elachi板发射率(22]: 在哪里是入射波的强度,是总消光系数(包括吸收和发射),然后呢平板厚度。这个词通常称为光学厚度和深度。

在他们的研究中,作者认为,可以捕获所有LW温度或湿度参数_d在一个广泛的气候条件,因为温度和水蒸气的补偿效应。因此,下面的方程,这两个效应叠加在一个方程,生成每日LW_直流: 在哪里,,,按常数和大气的辐射率,W / m²K⁴)是Stefan-Boltzman常数,是空气温度。使用多元非线性回归分析,得到了参数的值为所有网站。因为温度和水蒸气变化影响云层,本研究开发的一种形式(2)通过考虑季节性变化和云的影响。

2.2。现有的全天参数化

云的存在导致气温的升高,也增加了数量的长波辐射到达地球表面。因此,各种研究认为云效应估计向下长波辐射(1,4,12,14]。大部分的方法调整分数的云层,计算辐射的增加。方程(a)通过(d)在表1开发估算全天向下longward辐射云层的吗是基于人类的观察。在决定,天空条件分为10个行业和10的分数是用来估计云分数(12]。然而,在一些研究领域,云层的数据缺席由于缺乏观察人士(1,4,12,14]。在他们未来的研究中,克劳福德和Duchon1广义云的效果,如图所示(3),通过引入一个云clf分数词,定义为,在这的比例是晴空的太阳辐照度测量辐照度: 在哪里数值月(例如,1 = 1)和是蒸汽压(mbar)。

一般的限制,这种方法的缺点是它只能在白天使用。为了避免这种限制,本研究使用云分数数据的自动化表面观测系统(ASOS的全天LW)_d模型。云计算的金额是由一束激光测云仪垂直距离为3600米梁的宽度为18米。ASOS云传感器波长0.9微米,名义上的脉冲频率770赫兹,和采样频率30年代平均间隔30分钟。因此,每日平均云量是基于内部云层30分钟。云分数记录在okta最大误差为5% (23]。

表2显示ASOS云层次中使用本研究开发云层分数。激光测云仪胜过人类观察员。传统上,观察者必须等待他们的眼睛适应黑暗之前,他们能够准确区分的夜空条件,而激光可以适应夜间条件。激光测云仪的另一个优点是,它报告发病较低的层云移动测云仪2分钟内和低天花板的形成/耗散在10分钟(23]。

相当于okta ASOS进一步减少到云层所定义的基于平均分数值(表2)。使用云覆盖分数发达,全天LW的一般形式_d调整后的方程给出 在哪里云层分数和吗,一般取决于云特征,利用多元非线性回归分析,得到了参数的值为所有网站。

3所示。数据收集

2004年的每日数据用于模型的发展。气象数据的数据包括(空气温度、露点温度、和云量)收集国家气候数据中心的国家海洋和大气管理局(NOAA), 2005年3月访问,http://www.ncdc.noaa.gov/oa/ncdc.html)和LW辐射净辐射仪(CNR1)在四个地点在圣约翰河地区水资源管理(SJRWMD)。LW辐射站点分布在纬度27.58°N 30.32°N和经度80.60°W到82.07°W,代表不同的土地用途(城市、农业、牧场、森林,打开水,和湿地),如图1。天气数据收集从NOAA的气象站附近的CNR1位置。邻近气象站的CNR1位置由-17′′纬度变化。迪兰CNR1站在这项研究中,橙色的小溪,Ocklawaha,林赛柑橘。迪兰辐射站,位于污水处理厂周围铺有路面的道路,草,灌木,代表了一个城市土地使用。橙溪、百喜草覆盖的、橡树、松树,代表一个牧场土地利用类型。Ocklawaha湿地覆盖着柳树,看见草、香蒲、睡莲和wiregrass。林赛柑橘是农业网站短草树荫下,这是常规灌溉下时间表。

在这些网站,长波和短波辐射通量是由地面辐射强度计(CG3辐射计测量光谱5-50范围μ米,由Kipp Zonen)和日射强度计(立方厘米辐射计、由Kipp和Zonen),分别。预期CG3传感器精度±10%的限制每日的总数和±20 W / m²为制造商提供的个人测量(24]。传感器校准的步骤,下面列出了数据质量保证15]。(1)我们比较同时实地测量和参考传感器数据每月两次。测量不同超过±3%会被记录下来。(2)对一致性的目的,我们也从其他地区相比数据传感器,包括传入LW辐射数据和传入的西南辐射数据。如果峰值在LW恰逢nadirs西南辐射,它通常表示一个阴影影响传感器。这些数据从数据集中删除。(3)此外,LW数据也与温度传感器数据和低电池电压的报告。当传感器加热器停用由于低电池阅读,LW数据与传入的SW数据比较。

ASOS ho - 83 hygrothermometer用于温度测量,它使用一个电阻温度设备(均方根误差(RMSE): 0.5°C,最大误差:1°C)来测量空气温度,和冷镜设备(RMSE: 0.6 - -2.6°C,最大错误:1.1 - -4.4°C)来测量露点温度。设备的采样频率与平均一分钟间隔5分钟。水蒸气压力数据通过每日平均NOAA的露点温度数据。表面的水蒸气压力计算使用(5)[25]: 在哪里(hPa)是实际的表面和水蒸气的压力(°C)的露点温度。

模型验证数据获得表面交换(SURFX)网站位于Bondville,伊利诺斯州(40.01°N, 88.29°W),代表一个农业设置与玉米和大豆。SURFX网站是全球能量与水循环试验(GEWEX)美国预测项目(新闻出版总署)计划的农业地区。SURFX网站收集的数据,其中包括能量通量,碳,和地面气象,被获得http://www.joss.ucar.edu/ghp/ceopdm/archive/eop1_data从2001年7月到9月。云层的数据来源于最近的NOAA车站位于香槟/乌尔班纳威拉德机场和其子as海拔230米。l (15]。

4所示。结果

4.1。季节性变化

在佛罗里达的雨季从5月底开始到十月中旬,其余的则被归为旱季。长波辐射较高和稳定的在湿季和较低的相对大的变化在旱季。图2显示了观察向下长波辐射所有土地使用的季节性变化。的LW_d范围从230到440 Wm⁻²在研究区四个网站在2004年。的LW_d从381年到441年Wm不等⁻²363到432 Wm⁻²359到431 Wm⁻²,349到436 Wm⁻²迪兰,橙溪,Ocklawaha草原,和林赛柑橘类,分别在雨季。的LW_d在城市迪兰(市区),橙色溪(牧场),Ocklawaha草原(湿地),和林赛柑橘(农业),从233年Wm多样⁻²441 Wm⁻²224 Wm⁻²431 Wm⁻²219 Wm⁻²432 Wm⁻²,241 Wm⁻²438 Wm⁻²,分别。在旱季。图3介绍了LW_d土地利用和云覆盖的四个网站在潮湿的季节,而图4提供了LW_d和云覆盖的四个网站在研究期间在干燥的季节。LW_d在所有的四个网站显示正相关与云层在雨季;然而,这种关系不是那么重要的旱季,因为只有几个晴朗的天空天在潮湿的季节,如表所示3,而有超过20天的晴朗的天空在旱季。可以看出,云层强烈影响LW_d,而在晴空条件下,LW_d值较低,明显下降,接近它的最小值。这种变化很明显小得多比旱季雨季。

4.2。影响因素在旱季向下长波辐射

平均空气温度和水蒸气压力在阴天观察在晴空高于天。数据5和6显示,每日平均空气温度和水蒸气压力,分别在研究网站在旱季。在晴朗的天空天,湿地有最小的表面反照率(约0.03 ~ 0.1小天顶角,(26),导致最高温度和水蒸气压力。然而,随着云层是一种反照率(0.6 ~ 0.9,26),当结合其他表面反照率会影响表面空气温度。因此农业面积显示最高温度和水蒸气压力在云的日子。这可以解释为在阴天条件下,土壤和植被反照率的下降从而导致更高的温度和水蒸气。高反射率的牧场面积(0.26,26])导致低温和低水蒸气压力下全天条件。

图7显示了LW_d从四个不同的土地使用网站在旱季最大的城市和最小的牧场面积在晴朗的天空和多云天气。考虑外在的长波辐射(LW的效果_o),这是地球吸收的太阳辐射导致地球升温和放出辐射,它可以观察到,农业地区最大的LW_o而牧场面积最小的LW_o。图8比较了LW_o和LW_d在四个不同的土地使用网站在干燥的季节,而图9显示了LW的比率_d对LW_o。因为在晴空条件下的一个重要部分的长波辐射表面吸收微量气体和空气中悬浮粒子,因此,市区LW的最大价值_d/ LW_o,而其他三个土地利用领域。这种情况导致了大气温室效应。

也在图6水蒸气和LW之间的关系_d晴空条件下显示,虽然市区的水蒸气是低于其他地区,但LW_d是更大的。这表明,(1)城市街道的几何吸收更多的短波辐射,使长波辐射建筑物之间的交换,而不是失去了天空,(2)混凝土结构特别是公路以及工业过程的高密度城市环境是有利于污染和粉尘释放,和(3)长波辐射被困在城市大气污染导致城市温室效应(27]。

4.3。次全天LW_d模型校准为旱季

在本节中,土地use-adapted模型、方程的一般形式(4发展在全天LW)使用_d在土地利用网站在旱季。晴空CNR1得到的数据被用来确定LW系数_直流在(2)和(2 b)。使用观测数据进行全天在旱季和条件(2)和(2 b)与云层数据系数和测定(4)所示的所有土地利用区域通过(l)(表(e)4)。在图10新全天LW_d通过比较LW验证模型_d在研究区域数据从测量获得。结果表明,新的次全天LW_d模型预测的测量数据值在0.88和0.92之间的所有土地利用领域的研究。

这些模型比较四个现有模型全天条件(7,8,12,20.如表所示5。使用的新的和现有的模式(2)和(2 b)计算LW_直流,在Rizou Nnadi研究[15),他们证明了LW调整土地使用_直流更好的统计性能比现有的模型,包括雅各布斯(8),Maykut和教堂7],杉田和Brutsaert [20.),和杜阿尔特12]。统计评估这些模型的性能建议新全天模型偏差的最小值,RMSE,梅和PMRE(表5)。四个现有的模型中,雅各布斯(8]模型最佳的性能在牧场面积,但最严重的城市,而Maykut和杉田的模型在城市最佳的性能,但最严重的牧场面积和杜阿尔特的12)模式表现最差的四种不同土地利用的地区。

验证新在全天的模型,一个农业土地利用面积全天条件Bondville,伊利诺斯州,被选中。新的农业土地利用晴朗的天空模型(方程(k)在表4)是用来确定LW_直流和云计算覆盖率数据是来自最近的NOAA车站,位于香槟/乌尔班纳威拉德机场,在方程(l)用于计算次全天LW_d。图11显示新全天模型有很好的符合数据值为0.93。四个现有的模型也从Bondville观测数据相比,伊利诺斯州。统计结果表明,这些模型表现不佳,如表所示6。表现不佳可能归因于这样一个事实:这些模型没有考虑影响土地利用的发展。因此,土地利用发展中在全天LW是一个重要的因素_d。图2和表3表明,在雨季,LW_d高少得多天的晴朗的天空比旱季。这一事实只有一个或者没有明确的天空天四个网站在潮湿季节表明计算LW是不必要的和不可能的_直流准确。然而,LW_直流需要计算LW吗_d次全天条件下,见(4)。为了克服这个困难,最初的方法是用温度和水蒸气的值在雨季旱季晴空条件下模型提出LW_直流然后在LW替代_d模型生成湿季模型下全天使用条件(4)。这种分析的统计结果表7。可以看出,获得的错误是高于旱季。

4.4。次全天LW_d在潮湿季节

提出了另一种方法在这项研究中,一个术语叫做pseudo-LW_直流介绍了。的pseudo-LW_直流被定义为一个长波辐射值在湿季当云覆盖=某个截止值足够小,但能保证足够的观测数据的回归(2)和(2 b),例如,10百分比整个观察云的覆盖率数据,(4)将适用于云覆盖情况下的截止值大于伪-。在这项研究中,截止云覆盖0.1是用于定义pseudo-LW的价值_直流给晴空天观测数据的22日,24日,30日,39天农业、草地、湿地,分别和城市地区。的全天LW_d基于pseudo-LW模型生成湿季_直流给出了方程(m)通过(t)为所有土地利用区域视为见表8。

和统计分析结果呈现在图12和表9,分别。统计pseudo-LW后的新模型_直流方法给最小的值相比,现有的四个模型如表所示9,因此这表明这种方法提供了一个更好的预测除了农业面积。这种差异可以归因于不当的选择pseudo-LW云覆盖的截止值_直流。正如上面提到的修改后的方程(4)主要适用于当云层大于截止值。如图4林赛柑橘类网站少天与云覆盖在湿季大于截止值;因此,使用的数据量来估计pseudo-LW_直流是有限的,进而影响预测能力LW吗_d。因此,天与云的网站有更好的预测。

5。摘要和结论

分析观察LW_d2004年数据显示,季节性变化在不同的土地使用,表明LW_d有更高的价值和雨季期间是稳定的和较低的值和相对较大的变化在旱季。因为变异在旱季,LW_d数据被用来比较LW影响因素_d辐射,如温度、水蒸气压力,云层和土地使用。因为不同的土地利用有不同的反照率与能源和水预算,温度和水蒸气压力的影响在不同的土地使用使用反照率进行评估。分析结果表明,(1)湿地面积较小的反照率导致更高的温度和水蒸气在晴空条件下的压力,而牧场的高反照率导致低温度和水蒸气压力在LW全天条件和(2)_d在四个地点调查随城市中的较大值和较小的牧场土地的价值清晰的天空和云环境。

基于季节性变化干和湿季数据分离和用于开发LW_d模型对不同土地利用下全天条件。这种方法提高了模型适用于旱季和雨季的预测。土地利用区域的旱季模型LW比现有模型进行调查_d次全天条件下显示的统计分析结果。然而,雨季模型没有以及干燥季节模型。湿季的低性能模型可以解释的存在或没有晴空的一天条件四个网站,这使得很难计算LW_直流准确地;因此,开发一个雨季LW模型_d是具有挑战性的。为了克服这个困难,一个术语,pseudo-LW_直流,被介绍给取代LW_直流在全天模型(4)。这项工作提高了模型值从0.32到0.68不等。然而,更多的工作需要进一步提高土地使用地区的潮湿季节模型研究。

附录

CNR1网站和CG3M传感器特性如表所示10。

NOAA站的详细信息见表11。

利益冲突

作者宣称没有利益冲突有关的出版。