地表冻融：敏感的气候指示器

在占地球表面积不足30%的陆地上，分布着大片大片富含冰晶的坚硬土壤：冻土。其中一部分冻土会随着季节的变化而融化或冻结，称之为季节性冻土；还有一部分冻土常年处于冻结状态，称之为永久性冻土。冻土约占地球陆地总面积的35%，因此地表冻融——当温度降到零度以下或升至零度以上时，土层产生冻结或融化的现象——对地气间水循环、能量交换、温室气体释放、碳循环等都有着不可小觑的作用。

从观测者的角度来看，地表冻融堪称气候变化的指示器。在土壤冻结时期，生物过程进入休眠期或缓慢活动期，地表和大气之间的水文循环、气体交换大幅减少；在土壤融化时期，生物过程进入活跃期，地气之间的气体、能量交换频繁。冻融开始和结束的时间通常与植物生长季的开始和结束时间一致，冻土融化期的长短与植被生长季的长短相一致，植被生长季以及春季融化期的持续时间通常和碳平衡联系紧密；如果融化时间提前，植被生长季开始时间以及冰川、雪水融化的时间也会相应提前，这将严重影响生态系统和大气层的二氧化碳交换量。由于季节性冻土及永久冻土中存储着大量含碳和氮的有机物，陆表升温会使多年冻土开始融化、季节性冻土融化期变长，进而增加二氧化碳和甲烷的释放量，尤其是永久冻土区出现的冻融循环现象会增加二氧化氮的释放量。而二氧化碳、甲烷、二氧化氮是主要的温室气体，其释放量的增加不仅会进一步加剧温室效应，还会影响全球碳循环和氮循环。

为了监控地表冻融状态，最初，研究者们通过在北半球高纬度地区建立地面气象观测网络来监测多年冻土以及活动层的变化。这种方法虽然可以获取真实的地面数据，但是高寒地区网络布设困难，只能用稀疏的站点代表较大的区域范围，因此依靠站点监测的可靠性较低。卫星遥感技术的发展使大范围地表冻融状况的同步监测成为可能。光学遥感方法可以提供区域范围内较为详细的积雪覆盖、反照率以及温度等信息，这些信息可以用来推断地表的冻融状态。然而，受云、气溶胶以及低太阳照度的影响，光学遥感一般只能利用8～16天时间范围的合成观测数据对高寒地区的土壤状态进行探测。相比而言，微波遥感具有全天时、全天候、受云雨影响小、穿透性强、对土壤水分变化敏感等多项优势。实际上，土壤冻融过程就是土壤中液态水和固态冰相变的过程，而水和冰在介电特性上存在较大的差异，会造成冻土和融土发射的微波信号（亮温或者后向散射系数）明显不同，这便是利用微波遥感监测地表冻融的基本原理。

基于此，国家973计划项目“复杂地表遥感信息动态分析与建模”第6课题“土壤-植被水热参数多模式遥感协同反演与动态分析”的研究团队对遥感监测地表冻融状态展开了研究。研究团队以提高复杂地表冻融状态的遥感监测能力为目标，针对国际上遥感监测冻融算法中的问题，通过机理研究加深对冻融变化中地物物理特性变化的认识；与此同时，探索利用热红外遥感和被动微波遥感产品联合监测地表冻融变化的方法，旨在为气象、水文、生态等方面的应用研究提供可靠的参考数据。

在冻土物理学中，温度和是否含冰晶是判识土壤是否发生冻结现象的主要因素。而温度又决定了水分是否结冰，可见在具有一定水分的土壤中，温度是决定土壤是否冻结最重要的因素，其中0摄氏度（即273.15开尔文）可以作为土壤冻结与融化的分界线。

根据这一认识，研究团队选取了青藏高原那曲地区为研究区。之所以选择这里，是因为青藏高原地区的冻土融化不仅会增加温室气体的排放，影响全球气候变化，还会影响印第安海陆之间的季风，进而改变亚洲乃至全球的气候；另外，季风的变化还会影响青藏高原的空气对流，导致其向大气中排放水蒸气及污染物。此外，冻土融化还会造成地表塌陷，对植被的生长、建筑设施的安全等造成影响，例如冻土就曾是青藏铁路建设过程中面临的一大难题。

研究团队在研究中引入贝叶斯最大熵方法，融合了热红外和被动微波遥感地表温度数据，获取了时空完整的高质量地表温度产品，并发展了基于地表温度产品的地表冻融状态判识算法，为高分辨率冻融判识提供了新的途径。

研究团队利用贝叶斯最大熵算法对热红外遥感传感器MODIS（Moderate Resolution Imaging Spectroradiometer，0.05°）与微波辐射计AMSR-E（The Advanced Microwave Scanning Radiometer-EOS，0.25°）的两种陆表温度产品进行时空融合，获取时空完整的陆表温度产品（0.05°）。当利用该陆表温度进行冻融判识时，结果与地面实测数据对比显示，总体判对率仅为60%。分析原因发现，该陆表温度代表的是肤面温度，主要反映地表以上的信息，与土壤本身的温度有差异。当利用该温度与实测土壤温度建立经验关系，并利用该关系对陆表温度进行校正之后，冻融判识精度升高至91%。可见，找到陆表温度与土壤温度之间的关系是提升该方法冻融判对率的关键因素。

由于地表环境要素复杂多变，在利用被动微波遥感数据对地表冻融状态进行判识的过程中，当前很多算法中的阈值都需要针对研究区域来进行校正，而且阈值的选择对于最终判别结果的影响很大。与此同时，建模过程中对真实地表的水平空间异质性考虑还不够全面。针对这些问题，研究团队基于寒区复杂地表微波辐射模型的模拟数据和实测数据构建了一个复杂地表状况下的综合数据库，该数据库考虑了土壤中有机质对介电常数的影响，并引入了最新的全国森林生物量数据；此外，还在地面训练数据中加入了全国地面气象站点数据，丰富了数据来源，使数据库更贴近地表的真实情况。基于综合数据库中的样本数据，研究团队对冻融判别式算法进行了改进，与地面实测数据的对比验证表明，该算法在升轨期内的总体判识精度由78.6%提升到91.1%，在降轨期则由79.8%提升到88.2%，使得该算法可应用于全球尺度的地表冻融监测。

此外，由于青藏高原那曲地区95%以上均为草地覆盖，研究团队假设同一像元（0.25°）范围内的发射率一致，此时亮温与温度成正比例关系。利用时空完整的融合温度作为权重因子，将被动微波亮温（0.25°）降尺度到0.05°，然后利用降尺度之后的亮温进行冻融判识。与地面实测数据对比发现，降尺度之后，冻融判识精度可以达到82%，与降尺度之前的判识精度大体相当。但是降尺度的空间分布图中可以反映出更多的冻融空间细节信息。因此降尺度后的冻融监测分布有助于更好地与区域生态水文模型、气候模型相结合，用于碳估算、气候变化模拟与预测研究。

地表冻融状态是关系气候、生态、水文、碳循环等变化的重要因素，因此地表冻融监测能力的提高和监测算法的改进也就具有极其重要的意义：不仅能够加深对冻土-气候相互作用的认识，改善陆表过程模式、区域气候模式、生态模式等的模拟精度，还能避免地表冻融引发的灾难，并进一步服务于气候、水文、生态等方面的应用，帮助人们掌控气候和生态变化。随着研究的推进，地表冻融这一敏感的气候指示器也将展现出更高的价值。

致谢：感谢国家973计划项目“复杂地表遥感信息动态分析与建模”第6课题“土壤-植被水热参数多模式遥感协同反演与动态分析”（课题编号：2013CB733406）的支持。