英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料
喜马拉雅山降水和地形的空间格局
艾莉森·安德斯
杰拉德·罗
伯纳德·哈莱特
大卫·蒙哥马利
诺亚·芬奈根
雅可科·普京科
华盛顿大学地球与空间科学学院 专栏351310，西雅图，华盛顿98195-1310，美国
摘要：降水的空间变化与气候和地形侵蚀、构造之间的联系在气象研究中很少受到重视。然而，在约10公里的空间尺度上降水呈现出很大的变化，受到地形的强烈影响。我们使用热带降雨降水降雨测量卫星（TRMM）卫星雷达数据来计算降水率，空间分辨率为10公里，无限接近于喜马拉雅山区地面气象站点测量的年降水量。所产生的降水模式分布在整个范围内，沿东西向延伸，主要山谷及其相邻山脊的差异为五倍。盆地范围内的平均降水量估计值与喜马拉雅河流的可用测量平均径流量相关。TRMM衍生年降水量估计误差为15％-50％，远低于预测研究区内空间变异性。一个简单的地形降水模型预测了降水与两个地形导数之间的正相关：表面饱和蒸汽压力乘以斜率。该模型模拟出了降水模式的显着特征，包括整个范围内的坡度和山脊差异，但无法预测东西梯度和最高总量。模型结果表明，降水的空间格局与地形密切相关，因此必须与地形相互演化，并表明我们的模型可能有助于调查耦合的气候 - 侵蚀构造系统之间的关系。
关键词：地形降水；遥感；喜马拉雅；景观演变
介绍
越来越多的证据表明，山体构造和地形发展的侵蚀强烈的影响着气候，导致我们对山地侵蚀和构造的有了新的认识。虽然侵蚀过程和空间构造梯度是我们有更多的研究，但大多数侵蚀模型假定气候在空间上是均匀的。然而，降水的空间格局在形成地形渗流和亚山地形地形的敏感性方面是有影响的。
在尼泊尔降水的空间格局（巴罗斯等人，2000年），阿尔卑斯山（弗雷等人，1998年），和奥林匹克山（安德斯等人，2004;另见巴罗斯等人，1993）共同研究特征在于几十公里的尺度上呈现出持续的变化。降水的空间变异性将流域分水岭区域与流域小平面建模模型的常见替代方案相混淆，在降水强度空间梯度方面使用这种替代方法可能会导致预测侵蚀模式的存在显著的差异（Roe等人，2002，2003;和芬利森蒙哥马利，2003）。
地形本身对全球和地区的降水空间格局都有深远的影响（例如史密斯，1979）。山脉影响空气的流动和通过充当物理屏障和作为热沉源（例如，巴罗斯等人，1994）扰乱大气的垂直分层。在整个山脉（数百公里）的范围内，雨影效应对降水模式有明显的影响。 在山脉的迎风面降水增加已经在地质界被公认为是对景观的演变长期控制和山脉的地质构造发展（例如，昆斯，1989年; Beaumont等，1992年;霍夫曼，1993年威利，1999年; Montgomery等，2001）。然而，风向上的强制上升并不是大气与地形相互作用的唯一途径。 代替在地形上升，空气可能被堵塞或周围的范围内（例如，辛普森，1987）转移。或者，由于大气的垂直密度分层（例如，Duran，1986），地形上的空气流可以激发内部波浪。山脉内部由于温度过高使之成为热空气，从低层向上抽空，并在斜坡上引发冷凝或对流，如在落基山脉的东部斜坡（Tripoli and Cotton，1989）的雷暴中所观察到的。温度和水分含量的垂直分布以及从风暴到风暴进入空气的速度以及包括山脉长度，宽度和高度在内的地形特征决定了大气如何与山脉相关联 ，1993）。然而，如果降水的空间格局随着时间的推移相对稳定，并且与给定地区的地形一致相关，则侵蚀模式，因此地形将与降水模式共同演变。
目前关于喜马拉雅山气候年降水模式的知识来源于雨量计，有几个内插可用（例如，莱曼和克莱默，1991，什雷斯塔，2000）。 此外，盆尺度地形沉淀模式已经在使用齐娜布雨量计研究（Singh等人，1995）和戈西盆地（达尔，1981）。
在喜马拉雅中部的有限区域地形沉淀已被记录用规密网络和各种遥感技术来调查过程控制期间风暴事件和季风季节上的10-20公里的结垢沉淀分布（巴罗斯等。 2000;郎和巴罗斯，2002年，2004年; 巴罗斯和Lang，2003）。 这些研究表明，短期的空间（约10公里）仅仅是季节性降雨与规模（巴罗斯和朗，2003年）总量的梯度大。在雨季（六月至9月）在涉及白天上坡高（gt; 2000米）和低海拔昼夜降水模式此外，他们已经证明差异大风切换到弱夜间下坡风（巴罗斯等人，2000;巴罗斯和朗 ，2003）。降水量卫星雷达航迹在季风季节（Lang和巴罗斯，2002）揭示嵌入对流单体层状云降水的大区域。 巴罗斯等人注意到季风季节期间弱对流细胞和云与SW面临的脊的空间关联。（2004年）。 几乎所有发生的2000米以下的降水是雨，而在高海拔站积雪占全年总降水量的17plusmn;11％，这一比例与高程（Lang和巴罗斯，2004）增加。 冬季降水量与西方的干扰，导致冬季降水量超过印度北部和克什米尔（朗和巴罗斯，2004）有关。 见巴罗斯等人。（本卷），用于模拟季风开始和冬季风暴事件的研究，说明复杂地形在塑造云模型中的作用。
由于在几十公里或更短的空间尺度上缺乏对降水的测量，一般山区和喜马拉雅山的长期降水模式受到的限制不大，缺乏测量数量超过几个 几年或几十年。 缺乏关于降水空间格局的信息部分是由于在适当的空间和时间尺度上测量降水的难度。雨量计提供有关降水的信息，但现有的雨量网络，特别是在山区，一般不够密集，不足以显示几十公里尺度的降水变化。 雨量计本身有几种错误，包括他们造成的局部流动干扰，自动测量雪水当量的难度，以及量规是点测量的事实，可能不代表较大区域的平均降水量 例如，Grossman and Legates，1994; Sinclair等，1997;丁曼，2002）。一般情况下，雨水隔距网络倾向于under sample相对于低海拔高海拔（例如，弗雷和SCHAR，1998;科尔等人，1999）。 通过统计算法（如Daly等人，2002年的PRISM方法）从雨量计网络到连续降水区域的外推依赖于假定的降水与地形的关系，鉴于稀疏采样难以证明 测量网络和天气条件的时空变化。 最后，在边远山区如喜马拉雅密集网络的建立和维护是艰巨的和迄今仅在一个小面积中喜马拉雅中部已经完成（巴罗斯等人，2000）。
因此，雷达反射率的遥感提供了令人信服的方式来定义在山区沉淀的空间模式。 热带降雨监测任务（TRMM）卫星上的第一个空间降落雷达提供了一个独特的机会来汇集低纬度地区降水空间格局的数据。 该仪器首次使我们能够收集有关山区空间降水的连续信息。因此，TRMM是值得研究的新工具，是了解卫星采样区降水和侵蚀的空间格局的手段。 在这里，重点是利用TRMM卫星的定义年降水量在喜马拉雅山脉的空间格局以及这些模式与地形应用比较。
基于TRMM卫星数据的喜马拉雅降水模式
景观演进 - 气候反馈的在我们的研究区域中的评估需要析出率在比较宽的区域的详细地图（36°N-25°N，105°E-65°E）。TRMM卫星使用空间雷达来提供近地表降水率的准确估计。 我们从2A25雷达剖面数据中获得了近地面降雨率估算值（http://daac.gsfc.nasa.gov/hydrology/）
TRMM的降水雷达的工作频率为13.8GHz，可以将反射率检测到〜18 dBZ，对应于雨量为〜0.7 mm / h。 雪对于给定的水当量比雷雨具有较低的雷达反射率，以及美国的反射率和水当量之间的关系的估计。国家气象局（http://www.nssl.noaa.gov/teams/watads/public_html/snow/snow.htm）建议，〜20 dBZ的检测极限仍然可以检测到ge;1mm / h的水当量。 然而，用于将测量的反射率曲线转换为近表面降雨率的TRMM算法假设降水是液态水，如果降水是降雪，则会低估水平衡。此外，衰减估计是基于液态降水，而不是冰。 全球降水测量任务正在开发下一代卫星降水测量，可能包括双降水雷达和降雨率，可以检测较低的积雪，并利用差异来区分降雪。
如下面在我们对抽样误差的估计中所讨论的，我们必须平衡空间分辨率与雨量瞬时估计数的减少。 这个平衡影响了我们选择将我们的研究区域（图1）网格化为0.1times;0.1度的盒子（约10公里times;10公里）。
TRMM在研究区（1998-2001）提供了4年的即时降雨率估算值，用于计算平均降雨率，并创建了年平均降水量（气候学）图。 TRMM卫星轨道设计用于在一天46天的不同时间内对每个位置进行采样。 通过将每年的TRMM估计值划分为八个46天的时间段，产生了昼夜周期的均匀采样，我们避免了由于降水的昼夜周期引起的偏差。每46天的平均降雨量乘以期间的时间，以获得该时段的估计降水量。 然后将这些体积求和以获得年降水量总每年（图2）为。 从每个所研究的四年中每年总计进行平均以产生平均每年气候（图1）。在46天期间，网格框中的样本总数随着纬度的变化从〜90到〜400变化。 所有样品中约95％为零（无沉淀）。 表面降水数据的一小部分（lt;0.01％）超过了100毫米/小时，这是不合理的超过100平方公里较大区域（Kozu等人，2001）。 这些异常的数据值被认为是伪像并且从分析中除去。
图1和图2显示了所研究的四个个别年份的平均年降水量和降水总量。 这是第一次在喜马拉雅山发布这样高的空间分辨率（〜10 kmtimes;10 km）的空间连续沉淀数据，它们揭示了跨越，沿和范围内的显着变化，以及强大的空间格局 这四个个人年份之间是一致的。降水模式的大规模特征 - 即从潮湿的前陆到干旱的青藏高原的降水陡峭程度以及沿东西向下的降水量的降低 - 都是通过TRMM估计来清晰地表明出来（图3）。此外，还有一个较小规模的重大结构，包括大平原以下大峡谷的大量降水。 如图1所示，东部范围附近数据的一个子集。高降水带紧随Tango /雅鲁藏布江北部的山谷，远处北部是喜马拉雅山和西藏南部干旱的地区 ，导致沿着陡度的山脊和山谷之间的降水量大幅度变化。此外，中西部地区的高降水量的双带段与接近喜马拉雅山的地形的第一次和第二次显着升高相一致。
研究了四年的年降水量在空间格局上的固定性质是显著，因为它支持的概念，即降水的空间分布格局是稳定的通过时间，因此将通过侵蚀的相关空间格局的影响地形的演变。降水模式与地形相互演化的关键要素是空间上的降水相对差异的时间稳定性。从10 4〜10 5年的时间尺度上的景观演化观点来看，由于长期气候变率，我们不一定会限制降水量的时间差异。 但如果相对降水总量的空间格局是稳定的，则可以模拟降水与地形侵蚀之间的相互作用。
错误估计
全年平均每年TRMM降水量与测量平均年径流量相关
由于该地区普遍缺乏雨量计，因此对基于地面测量的TRMM降水模式进行评估是困难的。 巴罗斯等人。（2000）目前正在对TRMM沉淀雷达算法在尼泊尔中部的一个小区域的事件的基础上地面验证。 在这里，我们希望评估在有数据的排水流域尺度上的TRMM衍生的年降水模式。 因此，我们转向河流排放的现场测量，通过芬利森等人从几个来源编译。（2002）作为沉淀的过流域集成图案（表1，图4）的检查。19个盆使用来自SRTM数字地形（航天飞机雷达地形团）与1公里的空间分辨率限定。 将每个盆地内的平均TRMM衍生降水与盆地测得的排放量除以盆地面积（年平均径流量）。在通过原点强迫的最小二乘线性回归中，这些量之间存在显着的相关性（TRMM平均降水= 0.77times;测量单位放电，R 2 = 0.88）。 流域面积从1000-200000平方公里的河流主要位于喜马拉雅山前沿。 我们认识到，这些河流的年平均径流受蒸发和未回归渗透的影响，除了降水之外我们也不试图建模。然而，TRMM平均降水量和测量的平均流量之间的强相关性表明TRMM衍生的沉淀估计沿喜马拉雅前放电提供一个合理的代理，并且比以前的数据集，如利曼斯和克拉默（1991）的改进使用芬利森 et al。（2002年）。 此外，它表明，使用TRMM估计的降水的空间格局被充分明确地定义，以捕捉这19个盆地之间的平均降水差异，用于我们的目的，即研究降水与地形之间的关系及其在长期景观演化中的作用。
地面杂波误差估计
除了注意到一些河流中TRMM年平均降水量与测量平均径流量之间的经验协调之外，我们还将使用TRMM估计值的理论误差限制在近似年降水总量。 TRMM估计值有测量误差和采样误差。 前者包括雷达反射率测量中的误差，当波束从降水处回到卫星时，考虑到反射率下降的衰减校正，以及半经验雨率反射率关系。估计测量误差的努力正在各种地面验证站点进行，包括尼泊尔的一个位于我们研究区域的地点（Barros et al。，2000）。 对尼泊尔校准地点记录的〜250-300次TRMM降水估计（20-70次雨量事件）的有限数据集的比较显示，具有更好的技能得分的较高的检测概率以及较低的误报率 仰角（lt;2000米）相对于夏季风期间高海拔计（巴罗斯等人，2000）。这种高海拔偏倚的观察并不是因为降雪而被忽略，因为这些观测是在夏季进行的。 此外，如果仅与降雨率大于0.5毫米/小时（理论上的卫星的灵敏度内）更高的事件被认为是高和低海拔之间的相同差被看作（巴罗斯等人，2000）。 这种差异的一部分可能与地面杂波算法有关，在高海拔处截断表面附近的降水。
由于地面杂波伪影可能导致山区的系统，空间相干测量误差，我们调查了测量误差的这一部分。 地面杂波伪影是由于地球表面的雷达回波被误解为由水滴引起的反射率。 这些通常来自于从陡峭斜坡反射的雷达光束。随着光束入射角的增大，斜坡上反映光束增加的几率增大。 用于创建TRMM近地面降雨率场的地面杂波算法通过去除低于地面1公里的数据来防止地面杂波测量误差（Meneghini et al。，2000）
然而，在喜马拉雅山，海拔可以在短的空间尺度上显着变化; 预计在我们的100公里的网格箱中有几公里的浮雕，使地面杂波文物的去除复杂化。
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[27232]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
