中國網(wǎng)/中國發(fā)展門戶網(wǎng)訊 青藏高原是全球海拔最高的巨型構(gòu)造地貌單元，被譽為“世界第三極”，具有獨特的自然和人文環(huán)境。其劇烈隆起改變了亞洲的大氣環(huán)流形勢，促成了地球上最強大的亞洲季風系統(tǒng)，并對北半球的環(huán)流產(chǎn)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(huán)境變化的敏感區(qū)。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(tài)系統(tǒng)的結(jié)構(gòu)和功能以及重要物種的種群數(shù)量和結(jié)構(gòu)也發(fā)生了深刻的變化，對區(qū)域水循環(huán)、生態(tài)條件產(chǎn)生了巨大的影響，也給社會經(jīng)濟和防災減災帶來了新挑戰(zhàn)。

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(qū)域地形、氣候和生態(tài)環(huán)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(nóng)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(huán)境和人文狀況及其變遷，有助于認識高原及鄰近區(qū)域?qū)τ跉夂蜃兓?，特別是西風帶、亞洲季風變化的響應和適應狀況。

該區(qū)域（特別是西部）的地面站點十分稀疏，衛(wèi)星遙感為這種難抵達區(qū)域的空間連續(xù)監(jiān)測提供了可能。本文綜合利用地面觀測和衛(wèi)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(qū)域的地理環(huán)境狀況及其變遷。

數(shù)據(jù)和方法

數(shù)據(jù)

土地利用/覆蓋相關數(shù)據(jù)。采用?Landsat?衛(wèi)星觀測、Google Earth?高分辨率影像，結(jié)合全球?30?米土地覆蓋分類產(chǎn)品?GlobeLand?30?分析該區(qū)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(huán)境?_1?等衛(wèi)星影像，基于綜合了面向像元、面向?qū)ο蠛蛯＜抑R的?POK?分類方法，獲得的全球?30?米分辨率土地覆被數(shù)據(jù)，總體分類精度達到了80%?以上，本文采用?2010?年分類結(jié)果。

植被葉面積指數(shù)數(shù)據(jù)。采用?GLOBMAP?葉面積指數(shù)（leaf area index, LAI）產(chǎn)品分析區(qū)域植被狀況及變化。該產(chǎn)品是基于?AVHRR?和?MODIS?數(shù)據(jù)生成的全球1981年以來的高一致性葉面積指數(shù)數(shù)據(jù)，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(chǎn)品首先采用改進的?GLOBCARBON LAI?算法，基于?MODIS?數(shù)據(jù)反演葉面積指數(shù)，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(xiàn)了歷史?AVHRR?數(shù)據(jù)的回溯反演。GLOBMAP?解決了兩種不同傳感器差異引起的反演結(jié)果不一致的問題。

氣候數(shù)據(jù)。利用TRMM衛(wèi)星日降水產(chǎn)品3B42Daily、MODIS?地表溫度產(chǎn)品?MOD11A2?和研究區(qū)域氣象站點的降水與氣溫觀測，分析區(qū)域內(nèi)降水和溫度等氣候狀況及其變遷。其中，TRMM?日降水產(chǎn)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(chǎn)品?MOD11A2?提供了每?8天白天和夜間衛(wèi)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(shù)據(jù)共享服務網(wǎng)的中國地面氣候資料日值數(shù)據(jù)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(qū)域北側(cè)，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(qū)域南側(cè)，海拔在?1?500?米以下。

人口數(shù)據(jù)。采用哥倫比亞大學國際地球科學信息網(wǎng)絡中心（Center for International Earth Science Information Network, Columbia University）提供的全球人口格網(wǎng)數(shù)據(jù)第?4?版（Gridded Population of the World, Version4, GPWv4）來表征區(qū)域人口密度分布。該數(shù)據(jù)集基于人口統(tǒng)計數(shù)據(jù)，結(jié)合人口分布模型，生成了全球空間連續(xù)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(fā)布?1?次，本文采用?2005?年和?2015?年的數(shù)據(jù)。

夜間燈光數(shù)據(jù)。采用?DMSP-OLS?夜間燈光數(shù)據(jù)（V4?版本）來描述區(qū)域人類活動的擴張。該數(shù)據(jù)包含無云觀測頻數(shù)（number of cloud-free observations）、平均燈光（average of the visible bands digital number values）和穩(wěn)定燈光（stable light images）3?個產(chǎn)品。本文采用的是穩(wěn)定燈光產(chǎn)品，該產(chǎn)品經(jīng)過了去云處理，并且消除了背景噪聲及短時燈光數(shù)據(jù)（火山氣體、森林火災、極光等）。像元灰度值介于?0—63?之間，數(shù)據(jù)可獲取時間跨度為?1992—2013?年（年度合成數(shù)據(jù)），空間分辨率?1?公里。

方法

本文采用地理信息系統(tǒng)（geographic information system，GIS）空間分析、變化檢測、線性趨勢分析等方法，研究區(qū)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(shù)據(jù)，獲取研究區(qū)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(qū)域藏南地區(qū)，基于?Landsat TM/ETM+衛(wèi)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(qū)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(shù)據(jù)，計算各像元每年葉面積指數(shù)序列中的最大值，獲得各個年份的最大葉面積指數(shù)分布圖。由于?1981?年數(shù)據(jù)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(shù)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(shù)據(jù)，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(shù)據(jù)，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(jié)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(qū)域人口變化。并利用?1992—2013?年?DMSP-OLS?夜間燈光數(shù)據(jù)，采用線性趨勢擬合獲得燈光數(shù)據(jù)灰度值的線性斜率，來表征區(qū)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(xiàn)擴張趨勢；小于?0?表示夜間燈光越來越暗，人工建筑呈現(xiàn)縮小趨勢。

相關文章