文摘
地表温度(lst)在热带森林对气候变化作出贡献。然而,在这样的地区观测数据是非常有限的。本研究利用被动微波遥感数据的特殊传感器微波/成像仪(SSM / I)和特殊传感器微波成像仪测深仪(SSMIS),提供在各种天气条件下观察,探讨LST在亚马逊和刚果热带雨林。SSM / I和SSMIS数据收集从1996年到2012年。上午和下午的观察从被动微波遥感促进LST的年际变化异常的调查在周日的基础上。由于云层的可变性和相应的减少太阳辐射,下午LST异常往往比早上LST异常变化更多。占主导地位的时空模式interseasonal LST异常的变化分析了热带雨林。干旱和厄尔尼诺现象的影响在这个LST也被调查。清晨和傍晚LST异常之间的差异是由遥感识别产品,与早上LST异常由湿度控制(根据比较的国家环境预报中心(NCEP)再分析数据)。
1。介绍
准确和可靠的观测是必不可少的描述和理解气候变化和长期变化。原位观察在热带地区是稀疏的,他们的不确定性往往是大于,在北半球中纬度地区。虽然几个版本的网格数据内插原位气象测量(例如,1),并在全球范围内可用,差异出现在这些数据由于其不同的空间平均技术,治疗数据的差距,和站所使用的不同分析的数量2]。观察在热带森林非常稀疏,特别是1970年代前的时间段(3]。表面变暖在这些地区可以大幅改变区域和全球陆地与大气交换的碳(4- - - - - -6]。原位测量,它代表了表面空气温度在2米以上表面,大多位于草或裸露的地面和相差3 - 5公里的地表温度(LST)热带雨林树冠层(7]。如此大的差异可能混淆准确检测的变化LST(也称为树冠皮肤温度,在热带雨林的情况下),随后阻碍评估全球气候模型(GCMs)在热带森林。
最先进的(现在最常用)LST测量的中分辨率成像光谱仪(MODIS),它们驻留在每一个美国国家航空航天局地球观测系统(EOS) satellites-terra和aqua(自1999年和2002年,分别地)。然而,MODIS数据仅限于晴空条件和提供一些样品在热带森林在阴天或下雨[7,8]。为了解决这个问题,高et al。7)开发了一个经验算法提供森林的树冠皮肤温度在各种天气条件下使用地球观察系统的高级微波扫描辐射计(amsr - e)。此外,大约30年的微波数据已经收集了从被动辐射计扫描等多通道微波辐射计(SSMR, 1978年至1987年),特殊传感器微波/成像仪(SSM / I, 1987年至今),和特殊的传感器微波成像仪测深仪(SSMIS, 2003年至今)。LST基于这些被动微波不同辐射计的检索,如果相互校准,可以让我们检查热带雨林的树冠层皮肤温度变化从1970年代以来时期全球气温上升已成为快速、可归因于人为迫使[9,10]。
本工作采用微波提取所有天气LST产品调查的年际变化在热带森林树冠层皮肤温度。19 GHz偏振亮度温度收集到F13 SSM / I和F17 SSMIS。F13 SSM /我在服务从1995年5月到2009年11月,当F17 SSMIS已经收集数据从2006年12月到现在。我们专注于研究LST异常从1996年1月至2012年12月在亚马逊和刚果盆地的热带雨林。19日的卫星间校准GHz偏振亮度温度之间的重叠期间F13 SSM / I和F17 SSMIS进行维护两个数据源之间的一致性。
本研究的目的是要回答以下问题:(1)什么是年际变化的主要空间和时间模式在热带雨林的树冠皮肤温度?(2)干旱和厄尔尼诺现象如何影响LST在这两个区域?(3)不同的是清晨的年际变化(6点)和下午晚些时候(下午6点)。LST异常?这些差异是物理上合理吗?
我们专注于亚马逊和刚果盆地。部分2介绍了卫星数据和相互校准方法,以及本研究中使用的其他数据源;部分3显示亚马逊森林的结果和分析;部分4在刚果盆地森林调查LST异常;和部分5总结了结果和吸引的结论。
2。数据和方法
2.1。SSM / I和SSMIS卫星数据
我第一SSM /传感器(F08)于1987年由国防气象卫星计划(DMSP)。从那时起,一系列的SSM / I和SSMIS传感器(季、F13 F15, F16, F17,和F18)已经推出了连续测量大气,海洋,和地形微波亮度温度实时附近。极地轨道飞行,这些传感器提供垂直和水平极化微波频率数据在3 - 19.35,37.0和85.5 GHz和水平极化数据在22.2 GHz。升序和降序赤道穿越时间在这项研究中使用的卫星(即。、F13和F17)非常接近6点,6点。本文从所收集的数据获得亮度温度NOAA / NASA SSM / I探路者计划提供从美国国家冰雪数据中心(NSIDC)。我们使用等积3级可伸缩的接地栅极(EASE-Grid)亮度温度([11),http://nsidc.org/data/docs/daac/nsidc0032_ssmi_ease_tbs.gd.html)。数据日报,由升序和降序经过分离,由网格值25公里分辨率。然而,由于每日观察不能覆盖整个地球,通常有一个天桥上每隔一天对于一个给定的位置。因此,观察每像素的平均数量每个月大约是15。我们进一步将EASE-Grid数据插值到0.25°分辨率网格。
输入轨道NSIDC的亮度温度数据摄入通过遥感系统(RSS)软件(12),传感器相互校准的方式关闭。我们选择研究17年时期从1996年1月至2012年12月,涵盖重大气候variability-including事件如1997年至1998年,强烈的厄尔尼诺现象和亚马逊2005年和2010年的干旱。F17观察到水平和垂直偏振亮度温度(和)校准根据他们的同行F13测量。这个过程包含三个步骤:(1)平均升(降)亮度温度(和从每日,每月F13和F17观测;(2)派生F13之间的线性关系,并为每个像素重叠期间F17两颗卫星(即。,从2007年到2008年);和(3)校准F17观察从2009年到2012年基于第2步中建立的关系。
2.2。SSM / I LST在热带雨林
全球土地覆盖图来源于MODIS用于选择亚马逊河流域的热带雨林和刚果盆地。这些地区的LST检索使用19.35 GHz偏振亮度温度和一个算法由高et al。7]。LST微波检索算法的一般概念在于使用两个方程相结合,如下面。第一个方程是基于亮度温度的定义如下: 在哪里是1号,是水平的亮度温度,是水平发射率。的值可以推断出从极化率(PR),定义为是哪一个。建立经验在培训期间,公关关系计算之间的比率MODIS LST和SSM / I。
所述高et al。7),质量控制的MODIS LST数据在干一个月2002年7月被选为训练数据。培训领域是森林面积在整个亚马逊盆地,从20°S 13°N W W 82°34°经度和纬度。由于经验的关系是独立的观察时间,相同的关系是用于估计LST在早晨和下午。显示为的经验关系 一旦公关关系成立,基于无源微波LST可以估计。
在高的研究等。7),被动微波LST使用进行验证原位温度测量(从12个气象卫星天桥时)站在各种天气条件下在亚马逊森林。相关系数和均方根误差(RMSE)在多云的/雨天K分别为0.68和1.7,分别。被动微波LST在多云的/雨天表现实际遥感LST清楚天(从微波传感器和MODIS)。
每天从1996年1月1日,12月31日,2012年,LST值升序和降序的轨道计算,分别。消除nonforested地区在这项研究中,一个1°×1°面具热带雨林中提取应用SSM / I亮度温度数据。面具是源自于MODIS土地覆盖分类图。每日lst然后平均每个月从每日数据消除随机不确定性。我们进一步计算出每个月的温度异常下降/早上和提升/下午轨道。为了专注于在季节和年际变化的水平,每月异常平滑使用三个月移动平均线。
2.3。从全球降水气候降雨数据中心(GPCC)
我们使用每月从全球降水降水气候中心(GPCC), 1°×1°决议,协助分析。这来源于降水数据原位从雨量计测量网络(13]。图1显示了雨量数据的分布和时间可用性在每个1°×1°像素,从1996年到2006年在两雨林研究。看来,亚马逊均匀分布站比刚果盆地,大部分的仪表在整个研究期间收集的数据。比较降水数据集的华雷斯et al。14]表明GPCC数据吻合较好,热带降雨测量任务(TRMM)产品在南美洲热带。雨量数据在刚果盆地的数量非常有限,他们往往集中在森林的边缘。此外,大多数这些工具只在短时间内收集到的数据。因此,在下面几节中,降雨的比较与LST异常仅限于亚马逊。GPCC数据也可以用于计算标准降水指数(SPI [15])调查LST异常之间的关系和干旱3。世界气象组织推荐的标准描述气象干旱(16),SPI是一个概率指数,已在很多研究中使用了异常湿润和干燥条件(15,17- - - - - -20.]。
(一)
(b)
2.4。数据从美国国家环境预测中心(NCEP)再分析
每月表面空气温度和含湿量数据来自美国国家环境预测中心(NCEP)再分析(21)从1996年到2012年被用于分析连杆的遥感LST异常/亚马逊热带雨林下一节。
3所示。结果在亚马逊热带雨林
3.1。时间序列的LST异常年际变化
图2(一个)表明一个好的协议远程感觉到早晨LST异常和NCEP表面空气温度,但这不是在下午。这是因为LST异常从遥感物理代表树冠的皮肤温度更受到夜间长波辐射,从而有更强的连接整个环境的湿度和温度和云底22]。相比之下,下午LST异常往往高于气温温暖,比空气温度低时当它是冷的。
(一)
(b)
(c)
(d)
图2 (b)显示与SPI LST异常有负相关,相关系数的−−0.73和0.36,分别为下午和早上数据。LST异常的高相关性SPI下午在预料之中,因为白天云与降雨减少表面太阳能通量和太阳能加热进入一个更大的部分潜热通量(例如,23])。
在亚马逊热带雨林气候的年际变化主要由厄尔尼诺南方涛动(ENSO),异常的海面温度(SST)和大气压力模式在赤道太平洋海温异常通常表现为在尼诺3.4区域(5°存在°S, 170°W - 120°W)。因此,尼诺3.4指数(24用于描述ENSO)。图2 (c)上午和下午的时间序列比较LST异常尼诺3.4指数。他们都强烈应对1997 - 1998年的厄尔尼诺事件,但2002 - 2003年的厄尔尼诺现象是太软了,扎不影响LST显著异常。2010年的干旱LST异常显示了更大的影响比下午6点早上6点。LST异常滞后尼诺3.4 3 - 4个月(滞后相关性为0.8早上LST异常0.7,下午LST异常),符合报告结果Trenberth et al。25]。
图2 (d)显示远程感觉到早晨LST异常之间有着紧密联系的比湿NCEP再分析。canopies-as的反应以及碳焊剂干旱的反应与树冠的皮肤温度。17年的研究期间,三个重大干旱事件发生在亚马逊:1998年的干旱引发了强烈的厄尔尼诺现象和2005年和2010年的干旱,造成每个异常长时间的降雨反常地低。图3比较温度异常的空间分布代表三年干旱的十二个月,1998年3月,2010年3月(峰值的1997/98和2010年干旱、职责),2005年1月(2005年干旱的峰值)在早晨和下午。LST具有较强的正异常在1998年(特别是在下午),但从2005年的干旱影响不大,当降雨赤字并不是特别大(如图2 (b))。这种差异indicates-as预计依赖土壤水分的LST异常。1998年更大的土壤水分短缺也证实了SPI。2010年的干旱已经显示出更大的影响LST比2005年的干旱,但其异常比1998年略小。从1998年和2010年的空间模式也不同。
(一)
(b)
(c)
(d)
(e)
(f)
3.2。年际变化的空间格局
很难获得可靠和稀疏LST异常变化的空间格局原位测量在亚马逊雨林。相比之下,星载遥感定期提供有限的空间均匀测量时间序列的长度决定的空间模式的年际变化LST(及其与降水的变化)。在本节中,我们检查年际降水异常的空间模式的四个不同季节(老妈,环流,儿子,DJF)分别在上午和下午。
LST的空间格局异常标准偏差数据所示4和5分别为上午和下午。在早上和下午,LST的异常变化在旱季(环流)小于在雨季(DJF)。此外,这些变化是最小的位置从赤道最远的,主要是因为减少变异性的降雨。下午比早上更大变化,由于入射太阳辐射的变化就越大。
(一)
(b)
(c)
(d)
(一)
(b)
(c)
(d)
经验正交函数(EOF)是一种统计工具,识别相关结构的主导模式感兴趣的数据。因此,它被广泛用于客观描述气候变化的主要空间和时间模式(26]。图6显示第一个EOF模式早上LST异常的季节。其空间格局在很大程度上类似于标准差和解释了72%(儿子)(DJF)总方差的86%,表明LST的方差异常是由大规模的相干模式。EOF1的时空变化,第一主成分(PC1),类似ENSO的。因此,早上LST的异常是由厄尔尼诺(1997 - 1998)——所以在老妈和DJF季节比在环流和儿子的季节。LST的依赖季节性变化与更强大的厄尔尼诺现象对降水和云的影响(例如,8])。
(一)
(b)
(c)
(d)
早上和下午LST异常之间的关系可以用来推断出他们的原因。例如,潮湿和多雨的环境会减少长波冷却及增加早上LST异常但还将增加土壤水分蒸发蒸腾损失总量,从而降低下午LST异常。因此,我们希望一个早上和下午LST异常之间的负相关。另一方面,冷空气入侵在旱季可以减少两个上午和下午LST (27,28),导致正相关。表1显示的相关性EOF1空间模式在赛季中三个数据源:早上LST异常,下午LST异常,降雨异常。
4所示。结果在刚果盆地的热带雨林
非洲热带雨林的大多是在刚果河盆地在大西洋一侧的大陆。因此我们选择的领域10°E,−5°S 30°E, 5°S在这项研究中。
图7表明有明显关系域平均下午6:30 LST异常和6个月SPI在雨季期间刚果盆地。这种负相关是合理的因为LST异常更受到云太阳能白天在雨季的影响。
LST异常年际变化的空间格局对不同季节是如图8和9。这种变化不是在雨季(通常是11月至3月)和更大的在旱季(通常4月至10月)。这可能是由于更大的敏感性LST异常变化的大气湿度、朦胧,降雨少当大气和土壤饱和。变化在日出日落时分(下午)比(早上),同意观察温度的昼夜循环的地区(29日]。
(一)
(b)
(c)
(d)
(一)
(b)
(c)
(d)
图10显示的第一个EOF SSM / I LST 6:30异常在刚果盆地。它的模式是由南北梯度在老妈和DJF。这些模式的模式直接关系到非洲季风降水的变化。例如,在环流(北方夏天)负EOF值自西向东传播与衰减,这是一致的(趋势)的扩展降水从东部大西洋区。DJF(南国的夏天),EOF显然是分层从北方到南方降水区域发生在南部大陆的一部分,集中在10°S纬度(30.]。环流EOF模式类似于8月降雨量的西南梯度域10°E,−5°S 20°E, 5°S [31日]。早上EOF和下午EOF之间的相关系数是0.29,0.58,0.15,0.49,老妈,环流,儿子,和DJF(注意,他们是更好的相关常数附近有少雨环流)或雨(DJF))。低相关性都在雨季期间(老妈和儿子),因为更高的土壤水分(下午LST的灵敏度,从而降低异常降水)。
(一)
(b)
(c)
(d)
5。摘要和结论
热带雨林的LST异常的年际变化与变异的SST(例如,厄尔尼诺现象),与LST异常滞后尼诺3.4 3 - 4个月。的两个热带雨林,亚马逊森林是比刚果这样的海温变化更加敏感。干旱,由于土壤水分不足,导致增加LST通过减少潜热通量异常(即。蒸散)。较强的干旱在1998年有更大的影响在2005年比弱LST异常。这个结果是一致的大干旱胁迫和触发事件的增长在1998年和2005年(32]。先前的研究表明,在刚果西部干燥降水异常与厄尔尼诺现象有关,尽管它的影响是复杂的影响热带大西洋和印度洋海温异常(33]。
上午和下午的观察从SSM / I和SSMIS促进LST的年际变化异常的调查在周日的基础上。一般来说,下午LST异常往往比早上LST异常变化更多。比较与NCEP的数据集之间的差异表明,上午和下午远程感觉到身体温度是合理的。早上LST似乎由湿度控制,而且近地面空气温度从NCEP再分析。
对于热带雨林,上午和下午的空间格局LST异常检查的标准差和eof。LST异常变化在亚马逊展示了一个强大的空间变化,最大的三角洲(LST异常)发生在中央亚马逊。相比之下,LST异常的变化在刚果更空间统一。变化在亚马逊和刚果盆地是在下午湿特性最为明显。这显然是一个朦胧的可变性和太阳辐射的减少。的第一个EOF模式解释了在大多数情况下方差。LST异常空间组织模式在过渡季节往往是少比在潮湿和干燥的季节。
总之,SSM / I派生LST在热带森林提供了一个独特的产品数据源为研究土地大气相互作用。分析显示了早上和下午之间的相同点与不同点LST和揭示他们的物理联系SST,太阳辐射、降水、湿度。
本研究有助于我们理解极端气候之间的联系(如干旱)和树冠表面温度。早上和下午LST异常之间的比较提供一个新的视角land-atmospheric交互。因为大多数热带雨林遭受缺乏观测数据,基于这个被动微波LST数据集可用于改善估计模型和水文模型。
利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项工作是支持的启动资金从德州农工大学工程学院和Zachry土木工程系,国家科学基金会(ags - 0937400)和美国能源部GoAmazon DE-SC0011117。它有受益从德州农工大学超级计算设施的使用(http://sc.tamu.edu/)。作者还要感谢痴迷Shih博士大学大气研究公司(UCAR)的援助与NCEP资料。开放获取出版费用摘要覆盖了德州农工大学在线获取知识(橡树)基金,支持的大学图书馆和副总裁办公室的研究。