下载:
-
南北极是全球气候环境变化的“指示器”和“放大器”[1]。北极格陵兰岛拥有世界第二大冰盖，对气候和海平面变化尤为敏感。在过去二十多年间，格陵兰冰盖质量处于逐年亏损状态[2-3]，因此研究格陵兰冰盖能量收支变化问题变得愈发重要[4]。
地表反照率定义为地表所有辐射能量与入射能量之比，是到达地表的太阳辐射能量被地表反射与吸收的比例[5-8]。雪和冰作为极地最常见的地物类型，同时也具有地球上所有地物中最高的反照率，可以将太阳辐射的大部分能量反射到天空，从而使地表保持低能量的状态[9]。当反照率变小时，地面吸收更多的能量，会促进冰雪的消融，因此极地地表反照率变化会对全球气候产生重要影响。
目前可供两极地区使用的宽波段反照率产品主要有[10]：5 km分辨率甚高分辨率扫描辐射计（advanced very high resolution radiometer，AVHRR）极地探索者（AVHRR polar pathfinder，APP）反照率产品、25 km分辨率的APP扩展（extended APP，APP-x）反照率产品、15 km分辨率的气候监测卫星应用中心（The Satellite Application Facility on Climate Monitoring，CM-SAF）地表反照率产品、25 km分辨率的CM-SAF云-反照率-辐射反照率产品以及1 km分辨率的全球陆表卫星（global land surface satellite，GLASS）产品系统的反照率产品。
GLASS地表反照率产品是目前中国唯一自主开发的高精度、时空连续的全球地表反照率产品，同时也是目前国际上时间序列最长（1981—2017年）的全球反照率产品[11]。GLASS反照率产品主要以中分辨率成像光谱仪（moderate-resolution imaging spectroradiometer，MODIS）和AVHRR为数据源，首先采用直接反演算法获得初级产品[12]，然后通过时空滤波算法得到融合产品[4]。
目前，分析和评估极地地区GLASS反照率产品的研究还很少见，针对这个问题，本文主要进行了两个方面的工作：（1）利用自动气象观测站（automatic weather stations，AWS）实测得到的地表反照率数据对GLASS反照率产品进行精度评定，地面观测网络包括格陵兰气候观测网络（Greenland climate network，GC-Net）[13]与格陵兰冰架监测计划（programme for monitoring of the Greenland ice sheet，PROMICE）网络[14]。（2）利用2000—2017年GLASS反照率产品，研究格陵兰地区（< 80°N）2000—2017年夏季反照率的时空变化特征，并讨论其可能对北极地-气相互作用过程带来的影响。
-
GC-Net是美国航空航天局（National Aeronautics and Space Administration，NASA）和美国国家科学基金会（National Science Foundation，NSF）资助的工程，目前共有22个处于工作状态的自动气象观测站。大部分站点位于格陵兰内陆高海拔地区，少部分站点位于低海拔地区。自动气象站台能够对格陵兰冰盖的天气状况进行实时监测，观测量有可见光和红外波段的地表辐射平衡、气温、风速和气压等[13]。用来观测地表辐射平衡的仪器为LI-COR 200SZ光电二极管比热计，每小时观测一次0.4~1.1 $ \mathrm{\mu }\mathrm{m} $波段的上行辐射和下行辐射数据，其比值即为地表反照率，可用来验证GLASS反照率产品。
另外，格陵兰寒冷的气候条件会导致观测站仪器长时间结冰，若不及时清除则会导致仪器无法正常工作，此时仪器测量得到的数据序列会保持在正常工作的最后一个数据。因此，在选取观测站数据时，若该站点数据序列长时间保持不变，则视为无效数据。当无效数据多于总数据量的一半时，则不选取此站点。
根据以上原则，选择了数据质量较优、分布有代表性的11个GC-Net站点的数据。
-
PROMICE由丹麦能源署的丹麦北极环境合作项目（Danish cooperation for environment in the Arctic，DANCEA）资助，由丹麦和格陵兰地质调查局（Geological Survey of Denmark and Greenland，GEUS）牵头，丹麦技术大学（Technical University of Denmark，DTU）和格陵兰调查机构ASIAQ合作运营，主要用以评估冰盖质量平衡变化。气象站网络位于沿岸冰盖消融区域，地表类型变化较大[14]。PROMICE可以提供每日反照率数据，用来验证GLASS反照率产品。
根据§1.1中站点选取的原则，本文选择了具有代表性的13个PROMICE站点。
本文选取的GC-Net和PROMICE站点的空间位置分布如图 1所示。
图 1 选取的GC‑Net和PROMICE站点图
Figure 1. Location of GC‑Net and PROMICE Stations
-
GLASS地表反照率产品采用正弦投影，时间分辨率为8 d，时间范围为1981—2017年。其中，1981—1999年的产品是基于AVHRR数据生产，空间分辨率为0.05°；2000—2017年的产品是基于MODIS数据生产，空间分辨率为1 km[11]。产品的生产主要包括两个步骤[15]：（1）利用角度网格（angular bin，AB）算法生成每日分辨率的初级产品；（2）采用时空滤波（statistics-based temporal filtering，STF）对初级产品进行时间序列平滑、填补及融合，得到高质量融合产品[16]。
本文使用了2000—2017年间的GLASS反照率产品，数据集包括短波波段（0.3~5.0 μm）黑空反照率（black-sky albedo，BSA）以及短波波段白空反照率（white-sky albedo，WSA）。
-
GC-Net站点和PROMICE站点分别提供了1 h间隔与1 d间隔的反照率数据，为了与待验证的GLASS产品在时间分辨率上相对应从而减小误差，需要进行如下处理：
1）剔除站点数据中明显有误的数据。
2）计算GC-Net日平均地表反照率。由于GC-Net数据是每小时间隔，为了得到日平均反照率数据，选取正午时刻及前后1 h（共3 h）的数据并计算平均值，作为当日地表反照率数据。
3）计算8 d平均地表反照率。GLASS反照率最终产品是以17 d的时间窗口进行滤波，得到每8 d的平均地表反照率，如时间为第185天的GLASS产品，是由第177—193天的日平均地表反照率融合得到的。因此，将GC-Net和PROMICE数据进行同样的处理，得到每8 d平均地面观测反照率数据。
另外，GC-Net站点测量辐射的仪器Li-COR 200SZ所观测的波段为0.4~1.1 μm，而GLASS产品的数据源MODIS短波波段为0.3~3.0 μm，有研究指出，两波段的不匹配会导致GC-Net反照率数据比MODIS短波反照率平均高出0.035[17]。因此，需要将GC-Net 8 d平均地表反照率减去偏移量0.035。
-
GLASS地表反照率产品给出了BSA和WSA数据集，分别代表太阳辐射完全直射和完全漫射条件下的反照率，即完全晴空和完全阴天时的反照率，而真实地表反照率则由两者按天空散射比因子线性加权计算得到[18]。由经验统计公式可计算真实地表反照率[19]：
$$ {\alpha }_{\mathrm{B}\mathrm{l}\mathrm{u}\mathrm{e}}=\gamma {\alpha }_{\mathrm{W}\mathrm{S}\mathrm{A}}+\left(1-\gamma \right){\alpha }_{\mathrm{B}\mathrm{S}\mathrm{A}} $$ (1) $$ \gamma =0.122+0.85\cdot \mathrm{e}\mathrm{x}\mathrm{p}\left(-4.8\mathrm{c}\mathrm{o}\mathrm{s}\theta \right) $$ (2) 式中，$ {\alpha }_{\mathrm{B}\mathrm{l}\mathrm{u}\mathrm{e}} $是真实地表反照率；$ \theta $是当地正午时刻太阳天顶角；$ \gamma $是天空散射比因子；$ {\alpha }_{\mathrm{W}\mathrm{S}\mathrm{A}} $是白空反照率；$ {\alpha }_{\mathrm{B}\mathrm{S}\mathrm{A}} $是黑空反照率。
-
为了研究格陵兰夏季反照率的变化趋势，本文选用2000—2017年7月份的GLASS反照率产品。另外，在高纬度地区，地表各向异性模型的局限性会导致卫星反照率可靠性显著降低[20]。因此，GLASS反照率产品中没有格陵兰岛80°N以上地区的数据（下文中提到的格陵兰均不包括80°N以上地区）。
首先，计算格陵兰地区2000—2017年每年7月份的平均地表反照率，计算公式为：
$$ \stackrel{-}{\alpha }=\frac{\sum{\alpha }_{i}{S}_{i}}{{S}_{G}} $$ (3) 式中，$ \stackrel{-}{\alpha } $是该年7月份格陵兰整体的平均真实地表反照率；$ {\alpha }_{i} $是第i个像元7月份的平均真实地表反照率；$ {S}_{i} $是第i个像元的面积；$ {S}_{G} $是格陵兰地区总面积。
在得到格陵兰地区2000—2017年每年7月份的平均地表反照率的时间序列后，采用一元线性回归拟合法[21]计算年际变化速率：
$$ v=\frac{n\sum\limits_{k=1}^{n}\left(k{\stackrel{-}{\alpha }}_{k}\right)-\left(\sum\limits_{k=1}^{n}k\right)\sum\limits_{k=1}^{n}\left({\stackrel{-}{\alpha }}_{k}\right)}{n\sum\limits_{k=1}^{n}{k}^{2}-{\left(\sum\limits_{k=1}^{n}k\right)}^{2}} $$ (4) 式中，n为总年数；$ {\stackrel{-}{\alpha }}_{k} $为第k年7月份的平均地表反照率值；v是地表反照率的年际变化速率，当v为正时代表反照率呈增大趋势，反之呈减小趋势。
-
图 2是GC-Net各站点反照率数据与GLASS反照率产品的对比散点图，其中，图 2（a）~2（k）为GC-Net各站点的对比图，图 2（l）为所有站点的汇总对比图。从各个站点对比图来看，除JAR-1站点（图 2（g））外，绝大部分站点的散点分布比较类似，都呈现出聚集状，没有体现出明显的线性趋势，导致GC-Net与GLASS数据间的相关性很弱（决定系数R2很小），原因是这些站点位于高海拔地区，常年被积雪覆盖，反照率没有明显的季节变化，所以对于这些站点来说，R2的参考作用较小，因此需要以均方根误差（root mean square error，RMSE）作为主要参考指标。
图 2 GC‑Net站点反照率与GLASS反照率对比散点图
Figure 2. GC‑Net Station Albedo vs. GLASS Albedo Scatter Plots
除JAR-1以外的站点，RMSE在0.048 3~0.117 4之间。由图 2可以看出，GLASS反照率产品在大部分区域存在一定的低估现象（散点偏向GC-Net反照率轴），导致这种现象的原因可能有：（1）包括GITS（图 2（b））、HUMB（图 2（c））等在内的站点，近年来观测的反照率有轻微向上的偏移，这可能是由于仪器调平误差造成的[22]；（2）格陵兰岛北部地区出现的融化现象，以及高海拔地区一些冰川投射的阴影，会导致在卫星传感器探测到的1 km范围内出现部分低反照率情况；（3）在高纬度地区，太阳天顶角相对较大，导致卫星反演冰雪反照率有不同程度的偏低，主要是由冰雪光学特性造成的[10]。
JAR-1站点处于较低海拔的消融地区，反照率有更明显的季节变化。从图 2（g）中可以看出，JAR-1站点R2=0.560 6，RMSE=0.119 6，从数值上看GLASS和GC-Net在该站点没有体现出很好的相关性，RMSE也更大，这很有可能是两者的观测尺度差异造成的。GC-Net观测塔的观测直径在5 m以内，因此在反照率季节变化明显的地区，测得的反照率很大程度上依赖于观测塔观测范围内的环境（冰、雪、裸地、熔池等等），所以并不能完全代表观测范围外的反照率，从而与1 km分辨率的GLASS产品存在一定的偏差。
综合所有站点（图 2（l））可以看出，GLASS反照率产品与GC-Net数据整体RMSE较小，为0.077 8，GLASS反照率产品可以满足格陵兰地区冰雪监测对反照率的精度要求[22-24]。
-
图 3是PROMICE反照率数据与GLASS反照率产品在各站点的对比散点图，其中图 3（a）~3（m）为各站点2011—2016年的对比图，图 3（n）为所有站点的汇总图。PROMICE站点基本位于低海拔地区，与GC-Net的JAR-1类似，这些站点测得的反照率具有明显的季节变化趋势，因此，在比较这些站点的反照率时应注意PROMICE与GLASS的尺度差异。在用PROMICE站点数据比较时，R2与RMSE都应作为比较的参考指标。
图 3 PROMICE站点反照率与GLASS反照率对比散点图
Figure 3. PROMICE Station Albedo vs. GLASS Albedo Scatter Plots
从图 3可以看出，总体上PROMICE与GLASS展现出比较高的相关性，绝大部分站点的R2达到了0.85以上，而NUK_U（图 3（h））和KAN_L（图 3（j））的R2略低，分别为0.778 2和0.742 8。因此，GLASS反照率产品可以在很大程度上体现出格陵兰消融地区反照率的季节性变化。从RMSE上来看，SCO_L（图 3（b））有最低值0.055 5，KPC_L（图 3（a））有最大值0.103 8，造成偏差的原因与JAR-1类似，尺度差异是最大的误差来源。
综合所有站点（图 3（n））可以看出，PROMICE反照率数据与GLASS反照率产品的R2=0.899 9，RMSE=0.078 6，说明在消融地区两者具有非常好的相关性，同时精度也满足需求[22-24]。所以GLASS反照率产品能很好地反映出格陵兰消融地区反照率的季节性变化。
-
图 4（a）为2000—2017年格陵兰地区7月份的多年平均地表反照率分布图。可以看出，格陵兰地区7月份的反照率有很明显的空间分布特征：与海拔有明显的正相关关系，海拔越高，其反照率越大，反之越低。
图 4 格陵兰地区2000—2017年7月平均地表反照率分布与平均地表反照率标准差分布
Figure 4. Mean Surface Albedo Distribution and Mean Surface Albedo Standard Deviation Distribution of Greenland in July from 2000 to 2017
海拔2 000 m以上地区的反照率基本都在0.75以上，中部海拔最高的地区反照率达到了最大值0.80，南部部分地区略低（0.72左右），可能与纬度较低有关；海拔1 500~2 000 m的地区也保持在0.70左右，说明海拔1 500 m以上地区的地物类型基本都是冰雪[10]；750~1 500 m已经属于消融区，可以看出这一部分区域的反照率变化范围比较广，最高可达0.72左右，而低值也达到0.30甚至更低，这说明了海拔750~1 500 m的地区地表覆盖类型已经不只是冰雪，不同纬度的地区有不同程度的熔池和其他地物。而在海拔750 m以下，大部分地区反照率都比较低，在0.30左右，也有少部分高纬度地区数值较大。以上说明格陵兰地区的反照率在1 500 m以上比较一致，随海拔增长而略有变化，而在1 500 m以下各地区不尽相同，主要受不同地物类型的影响。
图 4（b）是格陵兰地区年平均地表反照率的标准差分布图，它代表了这18 a间格陵兰各地区反照率变化的稳定性，标准差越小说明该地区的地物类型越稳定，反之越不稳定。结果表明：海拔1 500 m以上以及低于750 m的地区标准差较小，基本都在0.03以下，因为在7月份，海拔1 500 m以上的地区常年覆盖冰雪，海拔低于750 m的地区是裸地或其他比较稳定的地物类型；而在海拔750~1 500 m的地区，可以看出标准差整体比较大，很多地区达到了最大值0.197 1附近，因此每年的反照率变化不稳定，说明这些地区对气候的变化是最敏感的，每年不同的温度和气候对反照率有很大影响。
-
根据式（3）计算得到了格陵兰地区2000—2017每年7月份全区域的平均反照率，利用式（4）计算得到反照率的年际变化速率，结果见图 5。从整体上看，格陵兰7月份的反照率有逐年降低的趋势，年际变化速率约为0.000 6/ a（显著性p值为0.041 3 < 0.05），说明下降趋势比较显著。
图 5 格陵兰整体平均反照率年际变化
Figure 5. Annual Albedo Variation in Greenland as a Whole
为了更深入地了解格陵兰地区反照率的年际变化空间分布情况，本文还逐像元地计算了年际变化速率，结果如图 6所示。从图 6中可以看出，格陵兰南部反照率整体上呈现变小的趋势，东南部有一区域变小趋势非常显著，速率约为0.02/ a；西部海拔2 000 m以下的地区可以看出有明显变小的趋势，尤其是在海拔750~1 500 m之间，速率最大达到了0.026/a，西北部反照率变小区域主要集中在海拔750 m以下的地区；东部反照率变小趋势没有西部和南部那么明显，主要集中在海拔较低的区域。
图 6 格陵兰反照率年际变化速率空间分布
Figure 6. Spatial Distribution of Annual Albedo Rate in Greenland
另外，从图 6中还可以看出，格陵兰冰盖不仅存在反照率变小的地区，还出现了反照率增大的区域，主要集中在格陵兰的中北部以及东部的部分地区。这一现象说明在格陵兰北部与东部高海拔地区出现了冰雪积累的现象，文献[24-25]也发现了类似现象，推测可能的原因有两个：（1）这些地区降雪事件异常，频率增加；（2）温度升高导致这些地区表面反照率较低的脏冰融化而露出反照率较高的白冰。如果是第（1）种原因，说明格陵兰的某些地区因为近年温度升高，冰盖融化，导致水循环加快，大气环流受到影响，从而使高纬度、高海拔地区的降雪增多；如果是第（2）种原因，则说明升温现象已经影响到了高纬度、高海拔地区。主要的原因或者是否存在其他的机制目前还需要进一步的实验证实，但无论如何，都说明格陵兰地区温度升高是不争的事实，并且长期来看，这些地区反照率最终还是会减小。所以全球变暖问题需要得到更多的重视。
根据以上分析，格陵兰地区反照率整体上还是呈现逐年变小的趋势，速率大约为0.000 6/ a。通过计算得到反照率变小的区域占格陵兰总面积的64%，其中变小最明显的区域位于西部海拔750~1 500 m处，是对气候最敏感的区域，与之前的研究较为一致[26]，反照率变小速率约为0.026/ a。另外，与平常认知不一样的是，部分区域也呈现出了反照率增大的趋势，除了上文中提到的两个原因以外，具体机理有待于更深入的研究。
-
针对格陵兰地区的GLASS反照率产品，本文的主要工作包括两个方面：（1）利用11个GC-Net站点和13个PROMICE自动气象观测站获得的反照率数据，对GLASS反照率产品进行了精度验证；（2）获取了整个格陵兰地区2000—2017年间夏季的GLASS反照率时间序列，计算了格陵兰地区18年的夏季反照率变化趋势及速率，并进行了空间分析与讨论。本文得到的结论主要有：
1）在GC-Net站点主要布设的高海拔地区，由于地表常年覆盖冰雪，反照率变化幅度很小。GLASS反照率产品与GC-Net数据间的最小RMSE为0.048 3，最大RMSE为0.119 6（位于消融区的JAR-1站），对全部站点进行统计后，RMSE为0.077 8，GLASS反照率产品可以用于该地区的冰雪反照率监测。另外，GLASS反照率产品在高海拔冰雪地表上的反照率普遍存在低估的现象，推测原因有：（1）站点仪器调平误差导致观测反照率有轻微的向上偏移；（2）格陵兰高海拔地区出现的融化现象导致卫星观测的反照率数值较低；（3）由于雪的光学特性，高纬度地区高太阳天顶角会导致卫星数据反演的反照率偏低。
2）PROMICE站点主要分布在消融地区，反照率会有明显的季节变化。大部分站点的GLASS反照率产品与PROMICE反照率产品的决定系数在0.85~0.9以上，只有NUK_U和KAN_L略低，分别为0.778 2和0.742 8，说明这两种产品具有很好的相关性；从均方根误差看，最小RMSE为0.055 5，最大RMSE为0.103 8，造成偏差的原因主要是两者的尺度差异。所有站点统计R2=0.899 9，RMSE=0.078 6，说明GLASS反照率产品能非常好地反映消融区的反照率变化。
3）通过研究格陵兰地区2000—2017年7月份的平均反照率及其标准差的空间分布特征，可以看出格陵兰地区的夏季反照率分布与海拔有很大的关系，海拔1 500 m以上地区反照率比较高，普遍达到了0.70以上，且比较稳定；海拔750~1 500 m的消融地区反照率为0.30~0.72不等，且标准差较大，说明这些地区夏季反照率在这18年间变化最大，对气候变化最敏感；750 m海拔以下地区夏季反照率较低，大约为0.30以下，同时年际变化也比较稳定。
4）从格陵兰地区2000—2017年7月的反照率年际变化及空间分布结果可以得出：格陵兰地区7月份的反照率整体呈现逐年缓慢下降的趋势，速率约为0.000 6 /a。其中，南部整体、东西部部分地区呈现变小趋势，约占格陵兰总面积的64%，特别是在西部海拔750~1 500 m之间可以看出有明显变小的趋势，速率最高达到0.026 /a；而在北部及东部部分地区还呈现出反照率增加的趋势，目前推测的原因有：这些地区降雪事件频繁，新雪增多导致反照率变大；表面反照率较低的脏冰融化，从而露出反照率较高的白冰。这两种原因都说明格陵兰地区正在逐年变暖。
Quality Evaluation of GLASS Albedo Products and Albedo Variation Trends Analysis in Greenland
-
摘要: 冰雪反照率是影响和评估全球气候变化的重要因子。北极格陵兰岛拥有世界第二大冰盖，定量获取该地区反照率是研究北半球能量收支变化的关键。全球陆表卫星(global land surface satellite，GLASS) 产品系统生产的反照率产品是目前国际上时间序列最长（1981—2017年）的全球反照率产品。利用格陵兰气候观测网络(Greenland climate network, GC-Net)与格陵兰冰架监测计划(programme for monitoring of the Greenland ice sheet, PROMICE)网络观测的反照率数据，评估了格陵兰地区GLASS地表反照率产品的精度；并基于2000—2017年的GLASS地表反照率产品，分析了格陵兰地区7月份反照率的年际变化趋势与空间分布特征。结果表明：GLASS与GC-Net反照率的均方根误差(root mean squared error, RMSE)为0.077 8(决定系数R2=0.490 7)，与PROMICE反照率差异的RMSE为0.078 6(R2=0.899 9)，GLASS产品的反照率数值呈现一定的低估现象，但已满足格陵兰地区冰雪反照率研究的需要。基于2000—2017年7月份格陵兰地区的GLASS反照率变化分析可以看出，格陵兰地区的反照率在此期间整体呈现变小的趋势，平均速率约为0.000 6 /a，变小的地区约占格陵兰总面积的64%；其中，位于格陵兰西部海拔750~1 500 m之间的区域对气候变化最为敏感，反照率变小速率也最大，达到了0.026 /a。
-
关键词:
- 格陵兰冰盖 /
- 冰雪反照率 /
- GLASS反照率产品 /
- 质量评估 /
- 年际变化
Abstract:Objectives The albedo of Greenland, the second largest ice sheet in the world, is the key to study the change of energy budget in the northern Hemisphere.Global land surface satellite products system (GLASS) is the global albedo product with the longest time series (1981—2017) in the world. Methods The accuracy of surface albedo of GLASS in Greenland is evaluated using Greenland climate network (GC-Net) and programme for monitoring of the Greenland ice sheet (PROMICE) ground observation data. Based on the surface albedo product of GLASS from 2000 to 2017, the annual variation trend and spatial distribution characteristics of albedo in Greenland in July are analyzed. Results The results show that the root mean square error (RMSE) between GLASS and GC-Net albedo is 0.077 8 (R2=0.490 7), and that between GLASS and PROMICE albedo is 0.078 6 (R2=0.899 9). The results of GLASS albedo change in Greenland in July from 2000 to 2017 show that the albedo of Greenland was decreasing during this period, with an average rate of about 0.000 6/a, and the decreased area accounts for about 64% of the total area of Greenland. Among them, the area between 750 m and 1 500 m above sea level in western Greenland is the most sensitive to climate change and has the highest rate of albedo reduction, reaching 0.026/a. Conclusions The albedo value of GLASS products is underestimated to some extent but it meets the needs of ice and snow albedo research in Greenland. Also, the albedo of Greenland shows a slow interannual decline in July, especially in the western region. -
图 2 GC‑Net站点反照率与GLASS反照率对比散点图
Figure 2. GC‑Net Station Albedo vs. GLASS Albedo Scatter Plots
图 3 PROMICE站点反照率与GLASS反照率对比散点图
Figure 3. PROMICE Station Albedo vs. GLASS Albedo Scatter Plots
图 4 格陵兰地区2000—2017年7月平均地表反照率分布与平均地表反照率标准差分布
Figure 4. Mean Surface Albedo Distribution and Mean Surface Albedo Standard Deviation Distribution of Greenland in July from 2000 to 2017
-
[1] 鄂栋臣, 姜卫平. 北极考察与GPS定位研究初探[J]. 极地研究, 2000, 12(1): 32-39 https://www.cnki.com.cn/Article/CJFDTOTAL-JDYZ200001004.htm E Dongchen, Jiang Weiping. Arctic Expedition and a Preliminary Research of GPS Positioning[J]. Chinese Journal of Polar Research, 2000, 12(1): 32-39 https://www.cnki.com.cn/Article/CJFDTOTAL-JDYZ200001004.htm [2] Rignot E, Box J, Burgess E, et al. Mass Balance of the Greenland Ice Sheet from 1958 to 2007[J]. Geophysical Research Letters, 2008, 35(20): L20502 doi: 10.1029/2008GL035417 [3] 杨元德, 鄂栋臣, 晁定波. 利用GRACE数据反演格陵兰冰盖冰雪质量变化[J]. 武汉大学学报∙信息科学版, 2009, 34(8): 961-964 http://ch.whu.edu.cn/article/id/1329 Yang Yuande, E Dongchen, Chao Dingbo. The Inversion of Ice Mass Change in Greenland Ice Sheet Using GRACE Data[J]. Geomatics and Information Science of Wuhan University, 2009, 34(8): 961-964 http://ch.whu.edu.cn/article/id/1329 [4] Tian Y, Qi H, Li R. Greenland Albedo Reanalysis Product and Preliminary Accuracy Assessment[C] //IEEE International Geoscience and Remote Sensing Symposium, Yokohama, Japan, 2019 [5] Dickinson R. Land Surface Processes and Climate-Surface Albedos and Energy Balance[J]. Advances in Geophysics, 1983, 25(12): 305-353 [6] Hogg J. Quantitative Remote Sensing of Land Surfaces[J]. Photogrammetric Record, 2004, 19(108): 413-415 [7] Liang S, Zhao X, Liu S, et al. A Long-Term Global Land Surface Satellite (GLASS) Dataset for Environmental Studies[J]. International Journal of Digital Earth, 2013, 6(sup1): 5-33 [8] Zhang X, Liang S, Wang K, et al. Analysis of Global Land Surface Shortwave Broadband Albedo From Multiple Data Sources[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2010, 3(3): 296-305 doi: 10.1109/JSTARS.2010.2049342 [9] Xiong X, Stamnes K, Lubin D. Surface Albedo over the Arctic Ocean Derived from AVHRR and Its Validation with SHEBA Data[J]. Journal of Applied Meteorology, 2002, 41(4): 413-425 doi: 10.1175/1520-0450(2002)041<0413:SAOTAO>2.0.CO;2 [10] 罗杰, 李斐, 程青, 等. 海冰反照率参数化和遥感反演方法及其产品的研究评述[J]. 地球物理学进展, 2020, 35(2): 445-460 https://www.cnki.com.cn/Article/CJFDTOTAL-DQWJ202002008.htm Luo Jie, Li Fei, Cheng Qing, et al. Review on Sea Ice Albedo Parameterization and Remote Sensing Inversion Methods and Products[J]. Progress in Geophysics, 2020, 35(2): 445-460 https://www.cnki.com.cn/Article/CJFDTOTAL-DQWJ202002008.htm [11] 梁顺林, 张晓通, 肖志强, 等. 全球陆表特征参量(GLASS)产品算法验证与分祈[M]. 北京: 高等教育出版社, 2014: 33-72 Liang Shunlin, Zhang Xiaotong, Xiao Zhiqiang, et al. Validation and Analysis of Global Land Surface Characteristic Parameters (GLASS) Product Algorithm[M]. Beijing: Higher Education Press, 2014: 33-72 [12] Qu Y, Liu Q, Liang S, et al. Direct-Estimation Algorithm for Mapping Daily Land-Surface Broadband Albedo from MODIS Data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(2): 907-919 [13] Box J, Steffen K. Greenland Climate Network (GC-Net) Data Reference[R]. Boulder, USA: University of Colorado, 1999 [14] Ahlstrom A, Andersen M, Andersen S. Programme for Monitoring of the Greenland Ice Sheet (PROMICE) [C]//AGU Fall Meeting, San Francisco, USA, 2011 [15] Qu Y, Liang S, Liu Q, et al. Estimating Arctic Sea-Ice Shortwave Albedo from MODIS Data[J]. Remote Sensing of Environment, 2016, 186: 32-46 [16] 韩谷怀, 秦其明, 任华忠, 等. 利用AB算法进行高分四号卫星数据反照率反演[J]. 武汉大学学报∙信息科学版, 2020, 45(4): 542-549 doi: 10.13203/j.whugis20180291 Han Guhuai, Qin Qiming, Ren Huazhong, et al. Retrieval of GF-4 Satellite Image Data Surface Albedo Based on Angular Bin Algorithm[J]. Geomatics and Information Science of Wuhan University, 2020, 45(4): 542-549 doi: 10.13203/j.whugis20180291 [17] Stroeve J, Box J, Haran T. Evaluation of the MODIS(MOD10A1) Daily Snow Albedo Product over the Greenland Ice Sheet[J]. Remote Sensing of Environment, 2006, 105(2): 155–171 [18] Lewis P, Barnsley M. Influence of the Sky Radiance Distribution on Various Formulations of the Earth Surface Albedo[C]//The Colloque International Mesures Physiques et Signatures en Teledetection, Val dIsere, Franc, 1994 [19] Stokes G, Schwartz S. The Atmospheric Radiation Measurement (ARM) Program: Programmatic Background and Design of the Cloud and Radiation Test Bed[J]. Bulletin of the American Meteorological Society, 1994, 75(7): 1201-1221 [20] Schaaf C, Wang Z, Strahler A. Commentary on Wang and Zender-MODIS Snow Albedo Bias at High Solar Zenith Angles Relative to Theory and to In-situ Observations in Greenland[J]. Remote Sensing of Environment, 2011, 115(5): 1296-1300 [21] 魏凤英. 现代气候统计诊断与预测技术[M]. 北京: 气象出版社, 1999 Wei Fengying. Modern Statistics and Prediction Technique on Climate[M]. Beijing: China Meteorological Press, 1999 [22] Stroeve J, Box J, Wang Z, et al. Re-evaluation of MODIS MCD43 Greenland Albedo Accuracy and Trends[J]. Remote Sensing of Environment, 2013, 138: 199-214 [23] 潘海珠, 王建, 李弘毅. 祁连山区MODIS积雪反照率产品的精度验证及云下积雪反照率估算研究[J]. 冰川冻土, 2015, 37(1): 49-57 https://www.cnki.com.cn/Article/CJFDTOTAL-BCDT201501005.htm Pan Haizhu, Wang Jian, Li Hongyi. Accuracy Validation of the MODIS Snow Albedo Products and Estimate of the Snow Albedo Under Cloud over the Qilian Mountains[J]. Journal of Glaciology and Geocryology, 2015, 37(1): 49-57 https://www.cnki.com.cn/Article/CJFDTOTAL-BCDT201501005.htm [24] Peng F, Zhou H, Chen G. New Insights in Regional Climate Change: Coupled Land Albedo Change Estimation in Greenland from 1981 to 2017[J]. Remote Sensing, 2020, 12(5): 756 [25] 崔红艳. 北极海冰变化对北半球气候影响研究[D]. 青岛: 中国海洋大学, 2014 Cui Hongyan. Research the Impact of Declining Arctic Sea Ice on Climate Change in Northern Hemisphere[D]. Qingdao: Ocean University of China, 2014 [26] He T, Liang S, Yu Y, et al. Greenland Surface Albedo Changes in July 1981—2012 from Satellite Observations[J]. Environmental Research Letters, 2013, 8(4): 044043 -
点击查看大图
图(6)
计量
- 文章访问数: 159
- HTML全文浏览量: 64
- PDF下载量: 33
- 被引次数: 0
