高山流域地表温度的地形和生态水文控制

作者：G. Bertoldi,^1* C. Notarnicola,² G. Leitinger,^1,3 S. Endrizzi,⁴

M.Zebisch,² S. Della Chiesa^1,3 and U. Tappeiner^1,3

国籍：1.欧洲高山环境研究所，意大利博尔扎诺

2.欧洲遥感研究所应用遥感研究所，意大利博尔扎诺

3.因斯布鲁克大学生态研究所，奥地利因斯布鲁克

4.国家水文研究中心，加拿大萨斯卡通

出处：Bertoldi G, Notarnicola C, Leitinger G等人.高山流域地表温度

的地形和生态水文控制[J]. Ecohydrology,2010,3(2):189-204.

中文译文：

摘要

在山区，地表温度（LST）是地表能量收支中的一个关键参数，受地形、入射辐射和大气过程以及土壤水分分布、不同土地覆盖和植被类型等复杂相互作用的控制。在本文中，我们利用GEOtop生态水文模型模拟奥地利阿尔卑斯山Stubai河谷的LST空间分布。通过与地面实测数据和Landsat陆地卫星影像数据反演结果进行对比，评价该模型在复杂地形下表征地表相互作用的能力，并分析得出不同环境因素的相对重要性。该模型描述了土壤、植被和大气之间的能量和物质交换，并考虑到了土地覆盖、土壤湿度以及地形对气温和太阳辐射的影响。GEOtop模型的相关系数为0.88，为标定的最小模型参数，能够再现遥感估算的LST分布的空间格局。结果表明，对于本研究所考虑的湿润气候，控制LST空间分布的主要因素是入射太阳辐射和土地覆被变异性。沿山脊和南部出露的陡坡，土壤水分分布对地表温度影响不大。朝北和朝南的斜坡显示出明显的热特性。事实上，LST沿北向斜坡呈现气温垂直梯度，而沿南向斜坡，LST垂直梯度受土地覆盖类型的影响较大。陆地卫星观测和模型模拟的结果都证实了高寒低温植被在晴天强烈变暖的现象，并表明这些现象会在区域范围内造成一定的影响。我们的研究结果表明，为了利用空间分布的水文模型来模拟山地环境中的LST，一个关键因素是要能够显式地模拟复杂地形对地表能量交换过程的影响。版权所有者为John Wiley amp; Sons有限公司（2010）。

关键词：地表温度；遥感；高山生态系统；水文模型

收稿日期为2009年7月1日；发稿日期为2010年3月7日。

引言

预测气候和土地利用变化对水资源、植被和生态系统的影响需要精确地建立地表能源和水量预算模型。虽然在全球和区域尺度上估计地表预算成分（即地表温度、显热通量和潜热通量）已经取得了重大进展（Lawford等人，2004年），但还是需要进一步努力提高山区的空间精度和建模能力（Brooks和Vivoni，2008年）。事实上，山区具有极端可变性，其往往表现为陡坡和数千米的高度变化。景观的复杂结构也反映在斑块状的土地覆盖和垂直结构的生态系统中（Becker等人，2007年）。

空间分布水文和地表模型（如Wigmosta等人，1994年；Ivanov等人，2004年；Kunstmann和Stadler，2005年）能够描述复杂地形下的地表相互作用，包括时间域和空间域。但同时，它们也需要高质量和空间分辨率的观测结果才能得到验证（Grayson和Bloschl，2000年；Schulz等人，2006年）。地表温度（LST）是地表能量和水分收支平衡的一个关键参数，往往通过蒸散作用来实现（Diak等人，2004年）。而由于LST很容易通过遥感得到（Turner等人，2001年），因此它可用于验证和改进分布式地表模型（Wang等人，2009）。

现有的卫星热红外传感器提供的数据具有不同的空间分辨率，可用于估计LST。地球静止运行环境卫星具有4km的热红外分辨率，而美国国家海洋和大气管理局（NOAA）先进的超高分辨率辐射计与Terra和Aqua中分辨率成像光谱仪的空间分辨率则为1km（Wang等人，2009年）。然而，在山地景观中，由于地形复杂，需要用到高分辨率的数据。具有90米像素分辨率搭载于Terra卫星上的星载热量散发和反辐射仪和具有60米分辨率搭载于Landsat 7卫星上的增强型专题制图仪（ETM）均包含了所需的高分辨率数据（Li等人，2004年）。但本文主要使用的是Landsat 7的数据，因为相对来说其具有最高的空间分辨率。

在山地景观中，LST的空间分布通过不同因素的相互作用与地形相联系:

1.海拔、坡度和坡向对入射太阳辐射有直接的控制作用（Dubayah等人，1990年）。同时，山谷的海拔和大气边界层会影响气温、湿度和风的分布（如Rampanelli，2004年；Garen和Marks，2005年；Chow等人，2006年）。

2.植被沿海拔呈梯度排列，冠层结构特性影响湍流传热过程、辐射发散（Wohlfahrt等人，2003年）和蒸腾作用，从而影响LST。虽然森林的冠层温度往往更接近实际气温（Korner，2007年），但低洼的高海拔植被倾向于创造与大气条件脱钩的小气候，在阳光充足的条件下，气温会大幅上升（Korner，2003年）。在海拔较高的地区，极其陡峭的山坡、覆盖的岩石表面和零星积雪的存在均会对LST造成强烈的影响。

3.土壤水分影响显热和潜热的分配，从而影响地表温度。地形与土壤性质（Romano 和Palladino，2002年）、土壤厚度（Heimsath等人，1997年）和植被（Brooks和Vivoni，2008年）相结合，共同控制流域尺度的土壤水分分布（Beven和Freer，2001年）。

在本文中，我们将生态水文模型GEOtop模拟的LST分布（Rigon等人，2006年）与高山流域的陆地卫星热成像和地面观测结果进行比较，目的在于改进模型的过程描述和参数识别，评价不同环境因素的相对重要性。

GEOtop模型在考虑海拔对气温的影响、坡度和照射位置对太阳辐射的影响以及植被和含水量的空间分布基础上，描述了土壤-植被-大气能量和物质交换的过程。由于模型根据表面能量预算值来计算LST，因此LST的正确估计值则是准确描述模型过程的良好指标。

此处模型被认为是理解过程的工具。为了确定哪些过程（即模型所需的复杂程度）与捕捉LST的主要空间模式最相关，我们进行了不同模型配置的模拟：

1.利用均匀或空间变化的土地覆盖特性，将入射太阳辐射与土地覆盖特性对LST分布的影响分离开来。

2.在土壤湿度均匀或呈一定空间分布规律的情况下，由于土壤水分分布与感潜热通量和潜热通量的能量分配有关，故可以量化土壤水分分布对LST的作用。

论文的第一部分介绍了研究区、目前可用的遥感和地面观测资料、GEOtop模型结构和模拟参数。然后是陆地卫星和模拟LST与地面观测的点尺度比较，以及观测模拟LST模式的空间比较。最后，讨论该模型模拟LST的能力以及不同控制因素的相对重要性。

研究区、遥感和地面观测

研究区

研究区位于奥地利阿尔卑斯山脉因斯布鲁克市西南部的Stubai山谷，面积为257平方公里。之所以选择该地区，一方面是因为它是高山环境的一个典型代表，另一方面是由于该区域的数据具有较好的可用性（Tenhunen等人，2009年）。

海拔高度从北部谷底900米延伸至山谷南端的3450米（图1a），气候湿润，属温带大陆性内高山气候。其特点是夏季多雨，降水丰沛，雷暴活动剧烈。每年约有50%的降水量是由冬季的降雪贡献。河谷处的年平均气温为6.3°C、年降水量在850毫米左右，林木线附近的年平均气温大约为3.0°C、年降水量在1100毫米左右（接近1900）。研究区域的城市化率不到1%，其余有8%的表面被冰川覆盖，31%的表面被岩石覆盖，23%的表面为天然或废弃草地，被管辖的草地面积占9%，剩下的27%是森林（Tappeiner等人，2008年）。

森林主要由密集分布的挪威云杉（云杉属冷杉属）和分布更加开阔的落叶松林组成，在林木线和向南的斜坡上普遍存在。而沙柳、赤杨和木槿的落叶林对当地具有重要意义。该地区以不同的强度对草原进行管理，包括密集使用的草地，大多位于谷底。这些草地被大量施肥，因而每年要修剪两到三次（Trisetetum flavescentis地区）。而在海拔较高的区域，人们发现了使用较少的草甸，特别是在向南的斜坡上。这些植物施肥较少，故每年仅需修剪一次（Sieversio-Nardetum strictae地区）。在林木线以上是受管理牧场（Seslerio-Caricetum地区）以及废弃牧场和草地的所在地，随着灌木和树苗的入侵，这些牧场和草地正在发生演替。天然高寒草原位于被管理草原之上，岩石和冰川是海拔2700米以上主要的陆地覆盖。

图1 Stubai山谷的研究区，位于奥地利蒂罗尔阿尔卑斯山脉中部。左图为数字地形模型（DTM）。黑色圆圈表示本研究中涉及的气象站位置。右图为Tappeiner等人（2008年）改进后的主要土地覆被类型。

遥感数据

本文以1999年9月13日上午10时50分拍摄的一幅Landsat ETM 影像为研究对象。此时的天气条件是该地区夏末晴朗天气具有的典型特征。根据Telves 气象站的记录和蒂罗尔州政府水文测量局的信息，该地区在过去5天没有降雨。然而在前一个月，此地区的总降水量在80至100毫米之间，这一数值与一年中这个时候的平均降水量相当。

研究使用陆地卫星影像的第6波段来产生一个60m分辨率的地表温度图件，波长范围为10.4到12.5micro;m。由于只有一个单一的条带，难以进行准确的大气校正，故陆地卫星数据较少被用于获取真实地表温度。只有具备一个精确的辐射传输模型以及大气气溶胶剖面和表面发射率的知识才可进行上述修正（Qin等人，2001年）。于是在这种情况下，由于缺少大气探测，故遵循Thome等人（2000年）提出的标准方法，转换亮温中的辐射度，并通过对特定目标进行地面测量来验证输出的温度值（表1）。

表1 1999年9月13日上午11时用以估计高层地区的T_a的土地覆盖、地形特征及气温观测资料