积雪与气溶胶粒子混合的光谱反照率模拟研究
陈文倩1,2, 丁建丽1,2,*, 王鑫3, 浦伟3, 张喆1,2, 石腾龙3
1. 新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室, 新疆 乌鲁木齐 830046
2. 绿洲生态教育部重点实验室, 新疆 乌鲁木齐 830046
3. 半干旱气候变化教育部重点实验室, 兰州大学大气科学学院, 甘肃 兰州 730000
*通讯联系人 e-mail: watarid@xju.edu.cn

作者简介: 陈文倩, 女, 1988年生, 新疆大学资源与环境科学学院博士研究生 e-mail: chimmyqu@yeah.net

摘要

积雪中的黑碳气溶胶粒子会导致积雪光谱反射率显著下降, 进而引起的气候辐射变化会推迟或提前积雪融化时间, 严重影响了干旱区地表径流特征、 区域水循环过程, 由此引起的干旱区生态水文问题也越来越受到关注。 2018年1月在新疆北疆地区开展积雪中气溶胶粒子观测实验, 借助ASD地物光谱仪、 Snow Folk积雪特性仪与HR-1024外场分光辐射度计等仪器获取原始积雪光谱数据与其他积雪参数, 应用Snow, Ice, and Aerosol Radiation model(SNICAR)模型模拟了不同雪粒径下、 不同太阳天顶角、 不同Black Carbon(BC)浓度下的积雪光谱反照率变化状况, 讨论了BC、 雪粒径在不同光谱范围内敏感性, 结果表明: 太阳天顶角对雪面光谱反照率的影响在近红外波段比其他波段表现得更明显, 在积雪光谱曲线中太阳天顶角从0°变化到80°, 可见光波段600 nm处光谱反照率升高了0.045, 近红外波段1 000, 1 200和1 300 nm处光谱反照率分别升高了0.16, 0.225和0.249; 在天顶角为60°时, 雪粒径从100 μm增大到800 μm, 对应的光谱反照率减少量最大可达到0.15, 且100~300 μm范围内的雪粒径比400~800 μm范围内的引起光谱反照率的下降量明显增大, 雪粒径的增大能使吸光性颗粒物的光吸收效应增强; 随着BC浓度的增加, 积雪反照率会显著下降, 且不同浓度的BC对积雪的反照率的差值不同, 随着BC浓度的增加, 反照率的差值量越来越小。 不同的BC浓度在近红外波段对光谱反照率影响较小, 影响较大的范围主要集中可见光波段, 在光谱800和1 100 nm处, 5 μg·g-1的BC浓度使光谱反照率减小了0.13和0.04, 5 μg·g-1的BC可使350与550 nm处的光谱反照率减小0.25与0.23; 比较不同粒径下, BC浓度对积雪光谱宽波段反照率的减少情况可发现, 在BC存在的情况下, 雪粒径的增加会增大BC的光吸收效应, 且浓度越高, 吸收增加的越多; 从光谱指数角度表明BC在可见光波段350~740 nm比较敏感, 相关系数较高; 雪粒径在近红外波段1 100~1 500 nm比较敏感, 尤其在1 000与1 300 nm左右, BC与雪粒径在积雪光谱曲线中的敏感波段相关性都较高, R2高达0.9以上; 最后将模型模拟的积雪反照率与实测数据进行验证对比, R2为0.738, 模拟效果较好, 可为干旱区积雪光谱反照率的研究奠定数据基础。

关键词: 干旱区; 积雪光谱反照率; 黑碳; 雪粒径; 光谱指数
中图分类号:P426.63 文献标志码:A
Simulation of Spectral Albedo Mixing of Snow and Aerosol Particles
CHEN Wen-qian1,2, DING Jian-li1,2,*, WANG Xin3, PU Wei3, ZHANG Zhe1,2, SHI Teng-long3
1. Xinjiang Common University Key Lab of Smart City and Environmental Stimulation, Xinjiang University, Urumqi 830046, China
2. Key Laboratory of Oasis Ecology, Ministry of Education, Urumqi 830046, China
3. Key Laboratory for Semi-Arid Climate Change, Ministry of Education, College of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China
*Corresponding author
Abstract

Aerosol particles of Black carbon in the snow cause a significant decrease in the albedo spectrum of the snow, which results in climatic radiation changes seriously, and will delay or advance the snow melting time, badly affecting the characteristics of surface runoff and processes of water cycle in the arid region. This problem is receiving increasing attention in ecological hydrology issues in the arid region. The data of field measurement were obtained by ASD spectrometer, Snow Folk and HR-1024 external field spectrum radiometer. SNICAR model was used to simulate the snow spectrum spectral characteristics under different parameters. Discussed the sensitivity of BC and snow particle size in different spectral ranges. The results showed that: In the snow spectral curve, the zenith angle changes from 0° to 80°, the albedo at 600 nm in the visible spectrum increases by 0.045, and the albedo at 1 000, 1 200 and 1 300 nm in the near-infrared band increases by 0.16, 0.225 and 0.249, respectively. The zenith angle is at 60°, when snow particle size increases from 100 to 800 μm, the albedo reduction can reach 0.15, and snow particle size in the range of 100~300 μm is significantly higher than the albedo in the range of 400~800 μm. And the increase of the snow particle size can enhance the absorption effect of the light spectrum absorbing particles; Different BC concentrations have little effect on the spectral albedo in the near-infrared region, but are mainly concentrated in the visible light band. At 800 and 1 100 nm, the BC concentration of 5 μg·g-1 reduces the spectral albedo by 0.13. The BC of 5 μg·g-1 can reduce the spectral albedo at 350 and 550 nm by 0.25 and 0.23. Compared with the different snow sizes, the decrease of BC concentration on the broad-band albedo of snow spectrum can be found in BC. In the case of the increase in the particle size of the snow, the light absorption effect of BC is increased, and at the higher concentration, the more the absorption increases; from the spectral index, the BC is sensitive in the visible light range of 350~740 nm, and the correlation coefficient is higher; The snow size is sensitive in the near-infrared band 1 100~1 500 nm, especially around 1 000 and 1 300 nm. The correlation between BC and snow particle size in the sensitive band of the snow spectral curve is high. Finally, the snow albedo simulated by the model is compared with the measured data. The R2 is 0.738, and the simulation effect is good. It can lay a data foundation for the study of the snow albedo in the arid region.

Keyword: Arid zone; Snow spectral albedo; Black carbon; Snow particle size; Spectral index
引言

积雪是冰冻圈的重要组成部分, 季节性积雪覆盖了地球陆地30%以上的面积, 直接影响着大气温度、 地表反射率与土壤湿度等, 进而影响地-气系统的辐射平衡。

地物光谱特征是遥感技术的物理基础, 也是遥感应用研究的理论依据。 目前在国内外对地物光谱特征研究中, 涉及范围越来越多, 包括土壤、 水体、 植被以及冰雪等领域。 地物光谱反射率是指某一波段向一定方向的反射, 光谱反照率则是反射率在所有方向上的积分, 而各波长处光谱反照率的积分又称为宽波段反照率, 相对于其他自然地表, 积雪光谱反照率较高, 对外界因素的变化更为敏感, 对气候的影响也更为显著[1]

目前, 干旱区季节性积雪与气溶胶粒子产生的混合光谱问题研究不多, 有报道在中国东北地区开展了类似研究。 而干旱区独特的地貌、 下垫面类型与脆弱的生态环境, 使得此问题在气候与水文效应中更加敏感, 二者的混合光谱反射率相比纯雪显著下降, 进而导致的气候辐射强迫问题, 开始得到关注。 辐射强迫是一种度量, 反映了某个因子对地球-大气系统入射与逸出能量平衡影响程度的改变情况, 揭示了这个因子对潜在气候变化机制中的重要作用。 具体表现为: 辐射正强迫会使得地球表面增暖, 负强迫使其降温。

积雪粒子的吸收系数随着波长变化而变化, 由于其在可见光波段与红外波段的吸收强弱不同, 会导致积雪在可见光波段的反照率较高, 对应其吸收程度, 在红外波段表现出相反的状态[2]。 纯雪的反照率主要受雪粒径、 形状与厚度等参数以及当时的太阳天顶角的影响, 而当气溶胶粒子通过干湿沉降到积雪表面, 与雪粒径通过内外混合, 其在可见光波段的吸收迅速增加使得积雪光谱反照率明显地减小[3]。 由此表明, 积雪中的吸收性粒子的含量不仅能减少积雪反照率, 也可用来反映区域与全球范围内人类活动对环境的污染等问题。 雪中常见的气溶胶粒子包括黑碳(black carbon, BC)、 沙尘、 有机碳等, 由于BC比雪中其他颗粒物的吸光性要高, 对积雪光谱影响较大, 研究人员着重在BC方面做了大量的野外采集进行研究[4, 5], 实验开展地主要包括北极、 南极、 格陵兰岛、 青藏高原与北美西部等地。 有相关研究指出当积雪场的粒半径为1 000 μ m时, 10 ng· g-1BC可使400 nm处的积雪光谱反照率减小约0.01[6]。 Hansen指出BC的影响使得北极地区积雪光谱反照率减小了1.5%, 通过模式模拟研究, BC使全球冰雪光谱反照率减小了0.4%, 而使得北半球平均减少1%[7]。 而当BC包含在气候模式中时, 其造成的积雪光谱反照率的减少会导致气候正的辐射强迫, 在一定程度上会加剧全球和区域气候变暖过程[8, 9]

积雪作为新疆干旱区水资源的主要来源, 气候的辐射变化会导致积雪融化时间提前或推迟, 影响地表径流特征与区域水循环, 进而导致区域性的干旱化加剧。 目前针对新疆大面积季节性积雪与BC的混合光谱观测目前较为缺乏, 开展系统综合观测实验研究BC对积雪光谱反照率与干旱区气候的影响十分必要。

现阶段对于积雪光谱反照率的模拟计算, 研究人员结合物理模型和一些经验参数建立了一些模型[10]。 开展相关模拟研究较多的是在假定雪粒是球形的条件下, 基于辐射传输理论对积雪反照率进行模拟计算。 SNICAR(snow, ice, and aerosol radiation model)模型是基于Toon等的二流、 多散射及多层辐射传输方案来计算每一雪层中向上和下的通量[11], 可结合多种积雪参数获取高精度的积雪反照率, 可应用于模拟冰雪表面反照率。

2018年1月在新疆北疆地区开展的积雪中气溶胶粒子观测实验, 获取了多种积雪参数, 利用SNICAR模型反演积雪光谱反照率, 模拟不同粒径下、 不同太阳天顶角、 不同BC浓度下的积雪光谱反照率变化状况, 亦为新疆干旱区积雪中气溶胶粒子产生的辐射胁迫模拟研究奠定基础。

1 实验部分
1.1 研究区概况

新疆属干旱半干旱地区, 是” 一带一路” 的重要通道, 深处亚-欧大陆腹地, 气候表现为典型温带大陆性特征。 由于地理位置原因, 地处内陆, 使得区域气温温差较大, 但常年日照时间充裕, 其远离海洋, 水汽不易到达, 整体降水量偏少, 年平均降水量为150 mm左右, 且区域降水量差异性较大。 下垫面类型为山地与盆地相间排列, 北部为阿尔泰山系, 天山横亘于中部, 南部为昆仑山系, 山脉之间为两大盆地, 新疆作为五大雪区之一, 永久性冰川主要存在于三大山脉高海拔地区。

“ 一带一路” 重大战略指出丝绸之路经济带沿线中亚洲中部干旱区(中国新疆地区与中亚地区之间)的跨国河流水资源问题, 亚洲中部干旱区自然环境相似, 也是全球陆地系统中气候较为脆弱地带, 河流均以帕米尔高原与天山等高大山系积雪融水为主, 水资源是此区域发展的重要限制性因素, 怎样更好地有效利用与管理干旱区水资源已成为一个重要课题。 新疆约有570多条河流, 包括多条跨国大河流, 如伊犁河, 额尔齐斯河(流经哈萨克斯坦)。 新疆绿洲又多发育于出山口河流沿岸的平原、 湖泊与河流三角洲地区, 积雪干旱区是绿洲的生命线[见图1(a, b)], 对绿洲农业与经济发展均有极其重要的现实意义。

图1 研究区及采样点Fig.1 The image of study and samples

1.2 雪样采集与处理

2018年1月8日— 1月22日在北疆地区开展大范围积雪中气溶胶粒子的观测实验, 见图2(a)。 实验主要集中于艾比湖流域、 天山北坡经济带沿线与北部阿勒泰地区, 途经乌鲁木齐、 石河子、 精河、 阿拉山口、 托里、 克拉玛依、 北屯等县市, 共得到了28个(104~131)采样点的积雪粒径、 密度、 含水率、 温度及吸收性气溶胶含量等诸多参数的实验结果。 整个采样过程涵盖了荒漠、 草原、 湖泊、 农田等下垫面类型, 使用仪器包括ASD地物光谱仪、 Snow Folk积雪特性仪与HR-1024型外场分光辐射度计等, 见图2(b)。

图2 实测积雪光谱数据Fig.2 Measured spectral of snow in field

采样点设计为距城市50 km, 距离道路或铁路至少1 km的上风处。 采集两个雪样的垂直剖面, 分别收集雪样, 取其平均值, 以减少可能受到人为影响的污染。 由于北疆地区此次降雪普遍较少, 采集的雪样大部分以表层参数为主。 整个实验过程中, 雪样一直保持冷冻直到开始过滤, 分别在奎屯市、 乌鲁木齐市、 吉木乃县的宾馆设立临时实验室, 对采集的雪样进行过滤处理。 首先将雪样迅速融化, 把融化的雪水静置3~5 min, 使用0.4 μ m的滤膜进行过滤雪水, 然后将过滤前与过滤后的雪水均进行保存处理, 用于进一步的化学分析。 实验使用ISSW分光光度计分析过滤样品中的BC, 首先利用一组标准滤膜, 将测量的吸收转换为滤膜上的BC质量, 然后通过测量滤膜的载荷面积和过滤的雪水质量, 将滤膜上的BC质量转换为雪中的BC浓度。 进而计算得到等效BC浓度。

1.3 遥感数据处理

MODIS是搭载于Terra/Aqua卫星上的光学遥感仪器, 提供了从可见光波段(0.4 μ m)到中红外波段(14 μ m)的全球观测资料。 实验利用2001年— 2018年MODIS积雪覆盖数据, 计算了干旱区积雪出现率图, 如图1(a, b)中北疆地区地图所示。

1.4 SNICAR模型

SNICAR(snow, ice, and aerosol radiation model)模型是一种广泛应用于模拟冰雪表面反照率的模型。 该模型基于二流、 多散射及多层辐射传输方案来计算每一雪层中向上和下的通量, 从而得到吸收参数和表层光谱反照率。 需要计算每一层雪在波段处的光学特性: 衰减吸收参数、 表层光谱反照率、 衰减厚度、 单次散射反照率和不对称因子。 同时雪层中每种杂质都拥有各自的光学特性, 其通过米散射理论模型计算得到。 SNICAR模型的输入参数包括: 入射辐射, 太阳天顶角, 每一雪层的雪粒有效半径, 每一雪层中杂质的含量, 下垫面的光谱反照率, 反照率的计算公式如式(1)

Albedo=EE=02πdφ01LR(ξ, η, φ)ηdη02πdφ01dη(1)

式中: E↑ 为向上的辐照度; E↓ 为向下的辐照度; L为向下的辐亮度; R(ξ , η , φ )表示反射率; ξ η 分别为入射角及观测角的余弦值; φ 为方位角; 引入朗伯体假设后, R只与入射角有关, 写为R(ξ )则反照率可表示为式(2)和式(3)

Albedo=EE=02πdφ01LR(ξ)ηdη02πdφ01dη(2)

R(ξ)=EE=02πdφ01dη02πdφ01dη=R(ξ)(3)

1.5 积雪光谱反照率的实地测量

在野外用ASD地物光谱仪与HR-1024分光辐射度计测量了19个站点的积雪光谱反射率, 波长测量范围处于350~2 500 nm之间。 测量时, 观测者面朝太阳, 用三脚架将仪器固定, 并放在离测量目标大约一米的位置, 外接电脑, 由人为操控测量。 对于一个标准的反射白板, 从可见光到红外区的反射率为0.98。 表层雪和标准板的反射率至少要测量10次, 目前大多数研究将雪面作为朗伯体来处理, 野外测量得到的光谱反射率在数值上可直接当做光谱反照率来处理。

已有研究证明, 在外场实验中用分光辐射度计测量的积雪在350~2 200 nm波段的反射率, 通过对反射率进行校正与积分, 获得相应的宽波段积雪反照率, 将其与地表辐射网测量的真值相比, 精度较高, 达到使用精度。 目前的光谱测量装置中, 分光辐射度计被认为是在野外实验中短时间内进行反射率测量较实用的, 在寒冷地区几乎也不受影响。 这类装置主要的优点是波长测量范围广, 同时在波长320 nm处, 太阳天顶角小于85° 时其余弦误差也将小于5%, 精度较高。

2 结果与讨论
2.1 SNICAR模型模拟结果分析

2.1.1 太阳光入射条件对积雪光谱的影响

图3(a)可以看出模型模拟北疆地区积雪的光谱反照率大致趋势为随着太阳天顶角的增大而增加, 模型设置了太阳天顶角从0° 变化到80° 的范围, 结果显示积雪在0.3~5 μ m整个波谱曲线中, 0.3~1.5 μ m处所对应的光谱反照率变化较大, 这很大一部分原因是由于光子在雪中传输路径变的较长, 使其雪粒吸收与散射变大。 除此之外, Wang[1, 3]在中国东部地区相关研究已证明太阳天顶角对雪面光谱反照率的影响在近红外波段比其他波段往往会表现的更为明显。 图3(b)为野外实测的太阳入射辐射曲线情况, 可以看出太阳入射辐射主要集中在可见光的范围, 随着波长增加, 到达地面的太阳辐射越来越少。 光谱曲线中天顶角从0° 变化到80° , 可见光波段600 nm光谱反照率升高了0.045, 而在近红外波段如1 000, 1 200和1 300 nm处光谱反照率分别升高了0.16, 0.225和0.249, 也与其他相关研究获取的结果较为一致。 在0.3~1.5 μ m波谱范围内, 发现积雪在近红外波段有明显的波谱吸收峰, 在1.1~1.2, 1.4与1.5 μ m处雪面的光谱反照率均有一个急剧的下降, 且光谱强度值降到了0.1左右。

图3 不同高度角下的积雪光谱
(a): SNICAS模拟不同太阳高度角下的积雪光谱; (b): 野外实测太阳入射辐射
Fig.3 The spectral albedo of snow with different solar zenith angles
(a): Simulated by SNICAR in different solar zenith angles; (b): Solar radiation by field measured

2.1.2 不同雪粒径下对积雪光谱反照率的影响

从图4(a)可以看出雪粒径的大小相对于太阳入射条件对积雪反照率的影响更明显。 随着雪粒径的增大, 积雪反照率的减少越显著, 这主要是因为雪粒径的增大会使得太阳入射辐射散射到下层的积雪中, 从而太阳辐射会被大量吸收, 导致积雪的反照率的减少量随着雪粒径的增大而大量减小。 模型模拟在球形雪粒条件下, 粒径从100 μ m增加到800 μ m时, 在1 300 nm处积雪反照率减少量最大可达到0.35。 与太阳入射条件模拟相似, 在近红外波段, 雪粒径的大小对积雪的光谱反照率影响也较大, 且相关研究也表明: 在近红外波段积雪反照率, 雪粒径起到决定性作用, 但这种减少并不是无限制的, 当雪粒径> 1.5 mm时, 雪密度则成为影响其反照率的主要因素。

图4 不同雪粒径下的积雪反照率
(a): 不同雪粒径下的积雪光谱; (b): 不同雪粒径下的宽波段反照率
Fig.4 The albedo of snow in different snow grain size
(a): The spectral of snow in different snow grain size; (b): Spectrally weighted snow albedo for different snow grains size

图4(b)为积分获取的宽波段反照率, 可以看出, 雪粒径为100~800 μ m, 反照率减少量最大可达到0.15, 且100~300 μ m范围, 反照率的下降量为0.092, 400~800 μ m处, 反照率的下降量为0.062, 斜率要明显大于400~800 μ m处, 并且积雪颗粒越小, 粒径的增加对反照率的减小影响越显著, 可见新雪在最初阶段的老化使其反照率减小更明显。

2.1.3 不同浓度BC对积雪光谱反照率的影响

目前在干旱区积雪中BC的研究较少, 我们利用SNICAR模型模拟在太阳天顶角为60° 和雪粒径为100 μ m的条件下, 不同BC浓度对积雪光谱反照率的影响(图5)。 从图5(a)可以看出, BC与模拟雪粒径和太阳入射条件时结论不同, BC在近红外波段对光谱反照率的影响很小, 且各个浓度的BC均表现出相似趋势, 其影响较大的范围反而主要为可见光波段, 在800和1 100 nm处, 5 μ g· g-1的BC浓度只使光谱反照率减小了0.13和0.04, 而在可见光波段BC对光谱反照率的影响则十分显著, 5 μ g· g-1的BC可以使350与550 nm处的光谱反照率减小0.25与0.23。 从积分得到的宽波段反照率结果来看, 不同浓度范围内的BC, 对积雪的反照率的差值也不同, 趋势为随着BC浓度的增加, 见图5(b), 反照率的差值量越来越小, BC浓度1~2 μ g· g-1反照率差值可达0.03, BC浓度2~3 μ g· g-1反照率差值为0.02, BC浓度3~4 μ g· g-1反照率差值为0.018, BC浓度4~5 μ g· g-1反照率差值为0.016, 结合理论与实验来看, BC的吸收主要集中在可见光波段, 这与到达地面的太阳辐射能量集中的波段一致, 也是与其他参数指标相比, 积雪中的BC浓度对地表的辐射平衡会产生显著的影响的原因。

图5 不同条件下的积雪反照率与宽波段反照率
(a): 不同BC浓度下的积雪光谱; (b): 不同BC浓度下的宽波段反照率
Fig.5 The spectsal albedo and spectrally weighted snow albedo indifferent
(a): Spectral of snow in different concentration of BC; (b): Spectrally weighted snow albedo for different concentration of BC

在分析了不同浓度下BC对积雪反照率的影响后, 模型在假定太阳天顶角为60° , 雪粒子为球形的条件下, 模拟了不同雪粒径时干旱区典型BC浓度对积雪宽波段反照率的影响。 如图6所示, 比较不同粒径下, BC浓度对积雪宽波段反照率的减小情况可以发现, 在有BC存在的情况下, 雪粒径的增加会加大BC的光吸收效应, BC浓度越高, 这种吸收增加的越多。 低浓度下, 雪粒径为50~800 μ m时反照率减少量最大为0.133, 0.6 μ g· g-1反照率减少量可达0.217, 1 μ g· g-1差值可达0.24, 2 μ g· g-1差值可达0.28, 3 μ g· g-1差值为0.3, 4 μ g· g-1差值0.32, 5 μ g· g-1差值为0.34, 在雪粒径为50~400 μ m条件下BC造成积雪宽波段反照率的减少量范围在0.117 9~0.458 0。 从模拟结果也可看出, 在老化的积雪中, 颗粒物的光吸收效应更为显著, 对积雪反照率的影响也更大。

图6 太阳天顶角为60° 时, 不同雪粒径下BC浓度变化对模拟的积雪宽波段反照率减少量的影响Fig.6 The spectrally weighted snow albedo reduction attributed to BC for the solar zenith angle of 60°

2.2 BC与雪粒径不同光谱指数下敏感性分析

为了进一步分析BC、 雪粒径对积雪光谱的影响, 将SNICAR模拟的积雪光谱, 进行光谱指数运算, 光谱范围为350~1 500 nm, 将光谱指数存入二维矩阵, 然后与BC、 雪粒径实测值计算相关系数, 最终得出基于NDI和RI的积雪中BC、 与雪粒径相关的光谱矩阵系数图, 如图7所示。

图7 积雪光谱指数与BC、 雪粒径相关性
(a): BC与NDI相关性; (b): BC与IR相关性; (c): 雪粒径与NDI相关性; (d): 雪粒径与RI相关性
Fig.7 Spectral matrix coefficients of spectral albedo and BC, snow size
(a): Coefficient of BC and NDI; (b): Coefficient of RC and IR; (c): Coeffcient of snow size and NDI; (d): Coefficient of snow size and RI

NDI指数

NDI=(ri-rj)/(ri+rj)(4)

式(4)中, rirj随机选取第i和j波段的积雪光谱反射率。

RI指数

RI=ri/rj(5)

式(5)中, rirj随机选取第ij波段的积雪光谱反射率。

图7(a)和(b)为BC与二维光谱指数相关性, (a)为BC与NDI指数相关图, 基于此矩阵系数图, 相关性较高区域主要在350~740和940~1 140 nm, 最佳估算参数为(600 nm, 680 nm), 最大相关系数为-0.992。 (b)为基于RI的光谱矩阵系数图, 与NDI分布大致相似, 相关性较高的区域也主要在350~600和940~1 140 nm, 最佳估算参数与NDI一致, 最大相关系数为-0.993, 两种光谱指数只在1 140 nm后有部分差异, 其余波段表现较为一致。 图7(c)和(d)为雪粒径与二维光谱指数相关性, (c)为雪粒径与NDI指数相关图, (d)为雪粒径与RI指数相关图, 二者均表明, 雪粒径与积雪光谱正相关性较高的区域主要在1 100~1 500 nm, 其中在1 000与1 300 nm处左右, 负相关系数可达到0.940。 将实测BC与雪粒径与SNICAR模拟的光谱曲线进行相关光谱指数分析可知, BC在可见光波段350~740 nm比较敏感, 相关系数较高; 雪粒径在近红外波段1 100~1 500 nm比较敏感, 尤其在1 000与1 300 nm左右, 相关系数较高, 研究结果表明, 从二维光谱指数这个视角来看, BC与雪粒径在积雪光谱上表现也与其他研究结果一致[12]

2.3 实测反照率与模拟结果分析

利用2018年1月8日至22日在晴空条件下, 使用ASD与HR-1024实地测量的分光辐射度计测量的12个站点的积雪光谱反射率数据对模拟数据进行验证。 将雪面作为朗伯体来处理[13], 反射率近似为光谱反照率, 基于太阳光谱在0.3~1.5 μ m波段对光谱反照率权重积分后得到积雪宽波段反照率。 将其与用SNICAR模式模拟得到的积雪宽波段反照率进行比较, 结果如图8所示, 实测积雪反照率与模拟值相关性较好, R2为0.738, 对干旱区积雪光谱反照率的预测效果较好, 结果也表明模拟得到的积雪反照率与实测反照率在某些站点低浓度BC处较为一致, 而在一些站点高浓度BC时模拟的反照率要比实测的反照率大, 差值可以达到0.1左右, 类似研究结果表明在高浓度BC处相比积雪有效粒径采用有效粒径范围时与实测积雪反照率更加一致。

图8 实测与模拟值对比Fig.8 Comparison of simulation with measured albedo of snow

3 结 论

为探究新疆干旱区季节性积雪中气溶胶粒子对积雪光谱反照率的影响, 借助ASD地物光谱仪、 Snow Folk积雪特性仪与HR-1024型外场分光辐射度计获取2018年1月8日— 22日原始积雪光谱与其他参数数据, 利用SNICAR模型模拟了不同条件下的新疆北疆地区季节性积雪光谱反照率曲线, 并将其与实测反照率数据进行验证, 结论如下: 随着天顶角的增加, 积雪光谱反照率增大, 不同波段增加幅度不同; 雪粒径为100~800 μ m时, 积雪反照率减少量最大可达到0.35, 从积分获取的宽波段反照率来看, 反照率减少量最大可达到0.15, 且积雪颗粒越小, 粒径的增加对反照率的减小影响越显著; 在可见光波段BC对光谱反照率的影响十分显著, 5 μ g· g-1的BC可以使350与550 nm处的光谱反照率减小0.25与0.23。 从积分得到的宽波段反照率结果来看, 随着BC浓度的增加, 反照率的差值量越来越小, 1~2 μ g· g-1反照率差值可达0.03, 4~5 μ g· g-1反照率差值为0.016; 将实测BC与雪粒径与SNICAR模拟的光谱曲线进行相关光谱指数分析可知, BC在可见光波段350~740 nm比较敏感, 雪粒径在近红外波段1 100~1 500 nm比较敏感; 最后将实测积雪反照率与模拟值进行拟合, 相关性较好, R2为0.738。

参考文献
[1] Wang X, Xu B, Ming J. Journal of Meteorological Research, 2014, 28(3): 354. [本文引用:2]
[2] YANG Yu, ZHANG Tian-tian, LI Jun-hui, et al(杨玉, 张甜甜, 李军会, ). Spectroscopy and Spectral Analysis(光谱学与光谱分析), 2018, 38(12): 3743. [本文引用:1]
[3] Wang X, Doherty S J, Huang Jianping. Journal of Geophysical Research, Atmospheres, 2013, 118(3): 1471. [本文引用:2]
[4] Wang X, Pu W, Ren Y, et al. Atmospheric Chemistry and Physics, 2017, 17(3): 2279. [本文引用:1]
[5] Bond T C, Doherty S J, Fahey D W, et al. J. Geophys. Res-Atmos. , 2013, 118(11): 5380. [本文引用:1]
[6] Wright P, Bergin M, Dibbj, et al. Remote Sensing of Environment, 2014, 140: 118. [本文引用:1]
[7] Zhang R, Jing J, Tao J, et al. Atmospheric Chemistry and Physics, 2013, 13(14): 7053. [本文引用:1]
[8] Painter T H, Bryant A C, Mckenzie Skiles S. Geophysical Research Letters, 2012, 39(17): 17502. [本文引用:1]
[9] Pu W. Aerosol & Air Quality Research, 2015, 15(6S): 2212. [本文引用:1]
[10] Lin G, Penner J E, Flanner M G, et al. J. Geophys. Res-Atmos. , 2014, 119(12): 7453. [本文引用:1]
[11] He C L, Liou K N, Takano Y, et al. J. Geophys. Res-Atmos. , 2018, 123(D19): 1253. [本文引用:1]
[12] Zhang Y, Kang S, Sprenger M, et al. Cryosphere, 2018, 12(2): 413. [本文引用:1]
[13] Pu W, Wang Xin, Wei Hailun, et al. Cryosphere, 2017, 11(3): 1. [本文引用:1]