青藏高原南缘地理环境状况及变迁研究
|
|
中国网/中国发展门户网讯 青藏高原是全球海拔最高的巨型构造地貌单元，被誉为“世界第三极”，具有独特的自然和人文环境。其剧烈隆起改变了亚洲的大气环流形势，促成了地球上最强大的亚洲季风系统，并对北半球的环流产生重要影响。高原特殊的下垫面和大气过程使其成为全球气候与环境变化的敏感区。在气候变化和人类活动影响下，高原的冰川、冻土、积雪等冰冻圈剧烈变化，生态系统的结构和功能以及重要物种的种群数量和结构也发生了深刻的变化，对区域水循环、生态条件产生了巨大的影响，也给社会经济和防灾减灾带来了新挑战。
青藏高原南缘沿喜马拉雅山南麓延伸，位于南亚次大陆与青藏高原的交接过渡地带，是西风带、南亚季风和东亚季风的交汇地带。该区域地形、气候和生态环境十分复杂，海拔从 4 500 米以上的喜马拉雅山脉迅速降低到 200 米左右的平原地带，气候也涵盖了高山的高寒气候和平原的热带季风气候，地表覆盖具有森林、农田、草地和冰雪等显著的垂直地带性。研究青藏高原南缘的地理环境和人文状况及其变迁，有助于认识高原及邻近区域对于气候变化，特别是西风带、亚洲季风变化的响应和适应状况。
该区域（特别是西部）的地面站点十分稀疏，卫星遥感为这种难抵达区域的空间连续监测提供了可能。本文综合利用地面观测和卫星遥感等技术手段，分析近30年青藏高原南缘的土地利用/覆盖、植被、温度、降水、人口和夜间灯光等自然和人文状况，刻画该区域的地理环境状况及其变迁。
数据和方法
数据
土地利用/覆盖相关数据。采用 Landsat 卫星观测、Google Earth 高分辨率影像，结合全球 30 米土地覆盖分类产品 GlobeLand 30 分析该区域土地覆被、土地利用的状况。其中，Landsat 采用1990 年和 2015 年附近的 TM和 ETM+晴空观测，分辨率为 30 米。GlobeLand 30 是采用 Landsat及环境 _1 等卫星影像，基于综合了面向像元、面向对象和专家知识的 POK 分类方法，获得的全球 30 米分辨率土地覆被数据，总体分类精度达到了80% 以上，本文采用 2010 年分类结果。
植被叶面积指数数据。采用 GLOBMAP 叶面积指数（leaf area index, LAI）产品分析区域植被状况及变化。该产品是基于 AVHRR 和 MODIS 数据生成的全球1981年以来的高一致性叶面积指数数据，空间分辨率为 8 公里，时间分辨率 1981—1999 年为 15 天，2000—2016 年为 8天。产品首先采用改进的 GLOBCARBON LAI 算法，基于 MODIS 数据反演叶面积指数，然后利用 AVHRR 与 MODIS 的重叠观测，针对每个像元建立了AVHRR SR-MODIS LAI 关系，在此基础上实现了历史 AVHRR 数据的回溯反演。GLOBMAP 解决了两种不同传感器差异引起的反演结果不一致的问题。
气候数据。利用TRMM卫星日降水产品3B42Daily、MODIS 地表温度产品 MOD11A2 和研究区域气象站点的降水与气温观测，分析区域内降水和温度等气候状况及其变迁。其中，TRMM 日降水产品提供了每天的降水量，空间分辨率为 0.25 度，时间覆盖 1989—2016 年。MODIS 地表温度产品 MOD11A2 提供了每 8天白天和夜间卫星过境时的地表温度，空间分辨率为 1公里，时间覆盖 2000—2016 年。地面观测采用了中国气象科学数据共享服务网的中国地面气候资料日值数据集（V3.0）的 5 个站点和 NOAA NCDC 的 5 个印度及尼泊尔站点的 1980—2016 年逐日降水量和逐日最高、最低及平均气温资料。中国的 5 个站点包括：普兰 556960、聂拉尔 557730、错那 556900、隆子 556550 和帕里 554370，位于研究区域北侧，海拔均在 3 500 米以上；尼泊尔及印度站点包括：DEHRADUN421110、LILABARI423090、DIBRUGARH423140、TEZPUR424150 和 TRIBHUVAN444540，位于区域南侧，海拔在 1 500 米以下。
人口数据。采用哥伦比亚大学国际地球科学信息网络中心（Center for International Earth Science Information Network, Columbia University）提供的全球人口格网数据第 4 版（Gridded Population of the World, Version4, GPWv4）来表征区域人口密度分布。该数据集基于人口统计数据，结合人口分布模型，生成了全球空间连续的人口分布。空间分辨率在赤道约为 1 公里，2000—2020年每 5 年发布 1 次，本文采用 2005 年和 2015 年的数据。
夜间灯光数据。采用 DMSP-OLS 夜间灯光数据（V4 版本）来描述区域人类活动的扩张。该数据包含无云观测频数（number of cloud-free observations）、平均灯光（average of the visible bands digital number values）和稳定灯光（stable light images）3 个产品。本文采用的是稳定灯光产品，该产品经过了去云处理，并且消除了背景噪声及短时灯光数据（火山气体、森林火灾、极光等）。像元灰度值介于 0—63 之间，数据可获取时间跨度为 1992—2013 年（年度合成数据），空间分辨率 1 公里。
方法
本文采用地理信息系统（geographic information system，GIS）空间分析、变化检测、线性趋势分析等方法，研究区域自然地理和人文要素的分布状况及时间变化，具体方法如下。
土地利用/覆盖。利用 2010 年 GlobeLand30 土地覆被数据，获取研究区域 30 米的土地利用/覆盖分类图，分国别分析不同覆被类型的空间分布特征。针对变化的典型区域藏南地区，基于 Landsat TM/ETM+卫星影像和Google Earth 高分辨率影像，采用人工目视解译方法，获得 1990 年和 2015 年区域的居民地、机场等典型土地利用要素分布，分析其变化状况。
植被状况。采用 1981—2016 年的 GLOBMAP LAI 数据，计算各像元每年叶面积指数序列中的最大值，获得各个年份的最大叶面积指数分布图。由于 1981 年数据不全，在时间序列分析中予以排除。对获得的 1982—2016 年共 35 年的最大叶面积指数进行线性拟合，分析各像元植被的状况和生长趋势变化。
气候要素。利用 TRMM1998—2016 年的数据，计算19 年间的年降水量平均值，并对每年的年降水量进行线性拟合，计算斜率分析其年际变化。利用2000—2016 年 MODIS 地表温度数据，分日夜计算每年的地表温度平均值以及平均日夜温差，分别进行每年结果的线性拟合，分析地表温度的变化。另外，基于 1980 年以来逐日气象站点观测，计算年降水量、月降水量、年平均气温、年最高气温、年最低气温、月平均气温、月最高气温和月最低气温，并分析降水量和气温的年际变化。在站点分析中，分海拔高于 3 500 米和低于 1 500 米分别分析。另外，尼泊尔及印度站点的缺测较多，特别是 1995 年以前，严重影响年际变化的可靠性，因此在年际分析中仅保留 DEHRADUN421110 站点。
人类活动。对比 2005 年和 2015 年人口密度分布图，分析区域人口变化。并利用 1992—2013 年 DMSP-OLS 夜间灯光数据，采用线性趋势拟合获得灯光数据灰度值的线性斜率，来表征区域人工建筑的变化模式。斜率大于 0 表示夜间灯光越来越亮，人工建筑呈现扩张趋势；小于 0 表示夜间灯光越来越暗，人工建筑呈现缩小趋势。