近45年中国12个一级站大气气溶胶光学厚度变化特征

利用常规观测的总辐射和散射辐射日曝辐量资料,结合NASA GISS的月平均平流层气溶胶光学厚度(AOD)产品,反演计算了北京等12个台站1961～2005年0.75μm对流层AOD和气溶胶标高数据.基于这些数据,分析了各站AOD、气溶胶标高和地面能见度的年、季、月变化特征.结果表明:①就12个站45a总平均而言,光学厚度为0.276,年增长为0.0034;气溶胶标高为1.65km,年增加为0.015km;能见度为17.1km,年变化值为-0.08km;AOD春夏较大,秋冬较小;气溶胶标高夏季最高,春季次之,冬季最低.②各站点45a平均AOD范围为0.116～0.387;除格尔木外,各站AOD均有增长.年变化值为0.0010～0.0079.③20世纪70、80年代AOD增加明显;20世纪90年代以来,多数站点AOD有所下降,能见度有转好趋势.     

山地太阳散射辐射分布式模拟

基于100m×100m分辨率的数字高程模型（DEM）数据,全面考虑了地形因子对太阳散射辐射的影响,改进了开阔度的计算模型,并通过建立陕西省不同时空尺度月散射分量和晴空指数的估算模型,确定了陕西省气候平均情况下月散射系数的空间分布,实现了实际起伏地形下陕西省太阳散射辐射的分布式模拟,计算了陕西省范围内100m×100m分辨率1~12月气候平均太阳散射辐射的空间分布。结果表明：局地地形对太阳散射辐射空间分布的影响比较明显;模拟结果可靠,可进行大数据量处理,适用于遥感图像处理、地理信息系统等数据处理平台。     

中国北方沙漠戈壁区沙尘气溶胶与太阳辐射的关系

利用中国大陆气溶胶指数(TOMS AI)、天文总辐射、地面太阳总辐射和沙尘能见度等观测和理论计算资料,对中国北方沙漠戈壁区沙尘气溶胶与太阳辐射的关系进行了分析.结果表明:沙漠地区太阳辐射和沙尘气溶胶指数有非常高的相关性,且变化趋势一致.表明由太阳辐射触发的热对流是影响沙漠地区沙尘气溶胶最主要的因子;沙尘气溶胶进入大气中,必然也会对太阳辐射产生重大的影响.晴日时沙尘气溶胶吸收和散射辐射可达沙尘暴(含扬沙)天气时的60%以上.     

光合有效辐射总量及其散射辐射比例变化对 森林GPP影响的模拟

研究利用基于冠层辐射传输与植物生理过程的MAESTRA模型,结合中国东部鼎湖山、千烟洲及长白山3个典型森林生态系统的CO₂通量观测数据,对光合有效辐射(Photosynthetically Active Radiation, PAR)总量及其散射辐射比例变化影响下生态系统总初级生产力(Gross Primary Productivity,GPP)的变化进行了模拟与敏感性分析,从而探讨这两者的变化对森林生态系统GPP的综合影响。研究结果表明:PAR总量变化对GPP的影响程度由PAR总量变化幅度以及GPP对PAR总量变化的敏感程度所决定,较低的PAR总量与较高的温度条件下GPP对PAR总量变化较敏感;散射辐射比例增大可以提高森林冠层对入射PAR的吸收和利用效率,其对GPP的影响程度由散射辐射量的变化以及散射辐射与直射辐射在吸收与利用效率上的差别所决定,较高温度与叶面积条件下该差别较大;PAR总量与散射辐射比例共同变化对GPP的综合影响取决于上述两个过程的抵消结果,入射PAR较强时两者抵消作用通常更明显,在全年总量上,散射辐射比例变化对GPP的影响能抵消PAR总量变化影响的1/3~1/2。     

散射辐射对青藏高原高寒草地总初级生产力模拟的影响

太阳辐射的散射组分能够增强植被冠层LUE（light use efficiency,光能利用率）,因此需要在生产力模型中显式地加入散射辐射的影响,从而更准确地模拟植被冠层光合作用.以青藏高原高寒草地为研究对象,改进光能利用率模型,增加散射辐射模块,利用站点通量观测数据估计模型关键参数;结合区域尺度气象数据和遥感数据,模拟了2003—2008年青藏高原高寒草地区域尺度GPP（gross primary production,总初级生产力）,并量化了GPP模拟的不确定性,进而通过分析模型改进前后GPP空间分布及其不确定性的差异量化了散射辐射的作用.结果表明:考虑散射辐射对LUE的影响后,模型参数优化效果明显提升,青藏高原高寒草地GPP的模拟效果得到提升;2003—2008年青藏高原高寒草地GPP模拟值呈现东南部较大,西北部较小的空间格局,与不考虑散射辐射的结果一致,但GPP平均值由312.3 g/（m2·a）增至341.7 g/（m2·a）,增幅约9.4%,说明不考虑散射辐射会低估青藏高原高寒草地GPP;GPP模拟值不确定性的空间分布与不考虑散射辐射的结果一致,但是平均不确定性大小有所降低,从9.15%降至8.66%.研究显示,若在青藏高原高寒草地的GPP模拟中不考虑散射辐射,虽不会影响其空间格局,但会低估GPP模拟值的大小,同时增加其不确定性.