EN中文

干旱区地理 >

2024 , Vol. 47 >Issue 8: 1304 - 1313

DOI: https://doi.org/10.12118/j.issn.1000-6060.2024.140

第三次新疆综合科学考察

基于多源数据的昆仑山北坡地表太阳辐射调查评估

  • 张璐 , 1 ,
  • 孙美平 , 1, 2 ,
  • 闫欣 1 ,
  • 王伟生 1 ,
  • 范蕊谊 1
展开
  • 1.西北师范大学地理与环境科学学院，甘肃 兰州 730070
  • 2.甘肃省绿洲资源环境与可持续发展重点实验室，甘肃 兰州 730070
孙美平（1982-），女，教授，主要从事气候变化与寒旱区水文等方面的研究. E-mail:

张璐（1999-），女，硕士研究生，主要从事寒旱区生态水文等方面的研究. E-mail:

收稿日期: 2024-03-04

  修回日期: 2024-05-08

  网络出版日期: 2026-03-11

基金资助

第三次新疆综合科学考察——昆仑山北坡区域水文要素变化调查(2021xjkk0101)

国家自然科学基金(42161027)

收起

Investigation and evaluation of surface solar radiation on the north slope of Kunlun Mountains based on multi-source data

  • Lu ZHANG , 1 ,
  • Meiping SUN , 1, 2 ,
  • Xin YAN 1 ,
  • Weisheng WANG 1 ,
  • Ruiyi FAN 1
Expand
  • 1. College of Geography and Environmental Science, Northwest Normal University, Lanzhou 730070, Gansu, China
  • 2. Gansu Key Laboratory of Resource Environment and Sustainable Development of Oasis, Lanzhou 730070, Gansu, China

Received date: 2024-03-04

  Revised date: 2024-05-08

  Online published: 2026-03-11

Fold

摘要

地表太阳辐射在全球能量平衡中起着至关重要的作用，是气候变化和水文循环的主要动力。但由于太阳辐射组分的多样性、测量仪器的高成本，高海拔山区缺乏长期可靠的观测数据。基于高分辨率的均一化中国陆表气候观测格点数据集和ERA5再分析辐射数据集，分析了1984—2023年昆仑山北坡不同时间尺度地表太阳辐射的变化特征，并利用地理探测器模型对地表太阳辐射与大气因子间的关系进行了诊断。结果表明：（1） 昆仑山北坡年均地表太阳辐射在研究时段内呈显著下降趋势，下降速率为-1.24 W·m-2·(10a)-1，季节上以夏季下降趋势最为显著，月均地表太阳辐射表现为先增加后减小，于6月达到最大值。（2） 昆仑山北坡地表太阳辐射空间分布呈由南向北逐渐降低的特征，变化趋势表现出东西部差异，除冬季外，全年和春夏秋季均为东部下降速率快于西部。（3） 根据单因子探测结果，各大气因子对地表太阳辐射空间分异的解释能力存在差异，其中水汽的解释能力较高（q=0.90），表明水汽是影响昆仑山北坡地表太阳辐射空间分布的一个重要因素。

关键词： 地表太阳辐射; 时空变化; 影响因素; 昆仑山北坡

本文引用格式

张璐 , 孙美平 , 闫欣 , 王伟生 , 范蕊谊 . 基于多源数据的昆仑山北坡地表太阳辐射调查评估[J]. 干旱区地理, 2024 , 47(8) : 1304 -1313 . DOI: 10.12118/j.issn.1000-6060.2024.140

Abstract

Surface solar radiation is pivotal in the global energy balance and serves as the primary driver of climate change and the hydrological cycle. Despite its significance, the complexity of solar radiation components and the prohibitive cost of measurement instruments have resulted in a scarcity of long-term, reliable observation data in high-altitude mountain areas. This study utilizes the high-resolution homogeneous grid dataset of Chinese land surface climate observations alongside the ERA5 reanalysis radiation dataset to analyze the variation characteristics of surface solar radiation at different time scales over the north slope of the Kunlun Mountains from 1984 to 2023. Moreover, it employs the geographical detector model to examine the relationship between surface solar radiation and atmospheric factors. The findings indicate that: (1) The average annual surface solar radiation on the north slope of the Kunlun Mountains exhibited a significant decreasing trend during the study period, with a rate of -1.24 W·m-2·(10a)-1. Seasonally, the decline was most pronounced during summer. The monthly average surface solar radiation increased initially, peaking in June, before subsequently declining. (2) The spatial distribution of surface solar radiation on the north slope of the Kunlun Mountains gradually decreases from south to north. The variation trends differ between the east and west; except in winter, the eastern decline rate exceeded that of the west throughout the year, including during spring, summer, and autumn. (3) Single-factor detection results reveal that the explanatory capabilities of atmospheric factors on the spatial differentiation of surface solar radiation vary, with water vapor demonstrating a higher explanatory ability (q=0.90). These findings confirm that water vapor is a critical factor influencing the spatial distribution of solar radiation on the north slope of the Kunlun Mountains.

Key words： surface solar radiation; spatiotemporal variation; influencing factors; north slope of Kunlun Mountains

到达地表的太阳辐射为穿过大气层到达地面的直接辐射与经大气散射、反射作用后到达地面的散射辐射之和，地表太阳辐射（SSR）为地球各圈层提供了必需的能量[1]，是气候系统和水文循环的主要驱动力之一[2-3]，也是地表辐射收支的一个重要参数[4]，在物理、化学和生物过程中起着重要作用[5]，对大气环流、生态过程、全球能量平衡和人类活动有着深远的影响[6⇓-8]。因此，分析地表太阳辐射及其影响因子对认识气候变化、促进太阳能高效利用具有重要意义。
太阳辐射进入地球大气层后，在到达地表的过程中被云层、气溶胶和大气分子吸收、散射和反射。首先，云在地表辐射收支的变化中起着重要作用，Liepert[9]研究发现在1961—1990年期间，云量对美国地表太阳辐射长期变化的影响最大；Xia[10]基于中国1954—2005年的云量和日照时数地面观测资料，发现在我国南方低云量与日照时数呈强烈的负相关。此外，气溶胶可以直接吸收和散射太阳短波辐射，影响地表太阳辐射的变化[11]，还可以通过影响云的反照率和寿命，间接影响地表太阳辐射[12]；Yang等[11]发现尽管2000年后云层抵消了气溶胶的影响，但气溶胶仍然是我国1958—2016年地表太阳辐射变化的主要原因，然而Tang等[13]认为虽然气溶胶直接效应对全球辐射气候学有相当大的影响，但并不能完全解释1980—2010年中国地表太阳辐射的年代际变化，由此认为中国地表太阳辐射的变化很可能是由于云性质的变化以及云与气溶胶之间的相互作用造成的。水汽作为大气的重要组成部分，其变化与辐射收支密切相关，Wang等[14]利用1960—2000年中国40个气象站的地表太阳辐射资料，研究发现在中国大部分地区，地表太阳辐射与水汽呈负相关关系，特别是在中国高纬度地区，这种负相关更为明显；Wang等[15]研究表明2007年以来，水汽的增加削弱了东亚西北部晴空地表太阳辐射。大气中臭氧的变化直接影响紫外线辐射，Mckenzie等[16]认为全球臭氧浓度低于20世纪70年代，预计几十年内不会恢复到这一水平，而臭氧减少导致的紫外线辐射升高将持续数十年。由于各地区大气成分分布和变化差异较大，不同区域、不同时期地表太阳辐射的长期变化与大气因子之间的关系仍存在争议，有待进一步研究。
地面太阳辐射测量系统是世界范围内比较精确和直接的地表太阳辐射获取方式，然而由于测量仪器的高投资和维护成本[17]，辐射台站存在稀疏性和异质性[5]，再加上太阳辐射变化的多样性，导致很多气象站都无法提供可靠的辐射数据，地表太阳辐射长期、可靠的测量数据较少。因此，卫星和数值天气预报已经成为地表太阳辐射估计的替代方案[18]。
位于青藏高原北部的昆仑山北坡，海拔高、纬度低、大气透明度高，使该区域地表太阳辐射远高于同纬度其他地区，对区域气候变化、水文循环和能量平衡具有深远影响。山区辐射台站布设困难，关于地表太阳辐射的研究相对匮乏，为了弥补观测资料的不足，第三次新疆科考团队于东昆仑山木孜塔格峰地区伸舌川冰川末端和阿其克库勒湖湖岸架设了辐射观测仪器。本研究在第三次新疆综合科学考察——昆仑山北坡区域水文要素变化调查项目的支持下，选取长时间序列、时空分辨率较高的辐射产品，分析昆仑山北坡地表太阳辐射的时空变化特征，探究地表太阳辐射与大气因子之间的关系，讨论地表太阳辐射变化的可能原因，以期为山区地表太阳辐射和气候变化研究提供参考。

1 数据与方法

1.1 研究区概况

研究区位于青藏高原北部——昆仑山北坡区域。整个山体向南突出，自北向南海拔逐渐升高，大致呈东西走向，是中国重要的地理分界线。昆仑山全长约2500 km，平均海拔5500~6000 m，南北宽130~200 km，西窄东宽总面积多达50×104 km2[19]（图1）。地处欧亚大陆腹地，海洋水汽难以到达，年降水总量稀少，流域河流补给的主要来源是降水和冰雪融水[20]。昆仑山北坡属于暖温带荒漠气候，但随着海拔的增高，暖温带荒漠逐渐过渡为高山荒漠，空气稀薄，太阳辐射强烈。昆仑山地形陡峭，分布着高大山脉和活跃的冰川[21]。
图1 昆仑山北坡示意图

注：该图基于新疆维吾尔自治区自然资源厅标准地图服务网站下载的审图号为新S(2023)061号的标准地图制作，底图边界无修改。下同。

Fig. 1 Schematic diagram of the north slope of the Kunlun Mountains

1.2 数据来源

1.2.1 地表太阳辐射数据

与多有缺失的观测数据相比，卫星遥感和再分析数据集可以为山区地表太阳辐射研究提供思路。本文先收集了在全球范围内应用较广的两套再分析辐射产品（ERA5和MERRA-2），再分析产品可以提供较长时间序列的数据，但其空间分辨率较低，而且再分析产品通常会将多云预测为晴空，这种对晴空条件的高估导致了对地表太阳辐射的高估[22]。Yang等[23]利用57个BSRN站点27 a（1992—2018年）的完整记录，验证了6种最新卫星衍生辐射产品和2种最新全球再分析辐射产品（ERA5和MERRA-2）的准确性，结果表明卫星衍生产品优于再分析产品。在此基础上，本文又收集了3套卫星辐射产品[24⇓-26]，5套辐射产品基本信息如表1所示。
表1 辐射产品基本信息

Tab. 1 Basic information of radiation products

数据类型 数据 来源 数据处理方法 时段 空间分辨率 时间分辨率
卫星遥感产品 均一化中国陆表气候观测格点数据集（SSR-wang） 青藏高原科
学数据中心
 地理加权回归 1983.07—2017.06 0.1° 逐月
全球高分辨率地表太阳辐射数据集（SSR-tang） SUNFLUX方案 1983.07—2018.12 0.1° 3 h
中国区域地面气象要素驱动数据集（CMFD） Yang-混合模型 1979.01—2018.12 0.1° 3 h
再分析数据 ERA5 ECMWF 4D-Var同化 1979年至今 0.25°×0.25° 1 h
MERRA-2 NASA 4D-Var耦合同化 1980年至今 0.5°×0.625° 1 h
图2描述了5套辐射产品在昆仑山北坡的年际变化，可以看出除中国区域地面气象要素驱动数据集（CMFD）表现为不显著的增加趋势外，其余辐射产品均表现为下降趋势，且由5套地表太阳辐射产品的箱线图（图3）可知，中国区域地面气象要素驱动数据集（CMFD）存在异常值。两套再分析产品的地表太阳辐射值明显高于卫星遥感产品，其中MERRA-2的平均值最高。全球高分辨率地表太阳辐射数据集（SSR-tang）的地表太阳辐射值在研究区内波动范围较大。基于此，本文选取均一化中国陆表气候观测格点数据集（SSR-wang）和ERA5数据集，两套数据集在昆仑山北坡均表现为下降趋势，时间序列上相关性系数为0.67，空间上也呈现出较好的相关性，相关性系数为0.60。由于SSR-wang的时间范围为1983年7月至2017年6月，为了分析长时间序列和近期昆仑山北坡地表太阳辐射的变化，根据ERA5与SSR-wang两套数据集在同时段内的变化特征和偏离程度，对ERA5辐射数据进行偏差校正，将地表太阳辐射数据延长至2023年，两套数据统一空间分辨率为0.1°。并以3、4、5月为春季，6、7、8月为夏季，9、10、11月为秋季，12、1、2月为冬季进行季节划分，分析昆仑山北坡1984—2023年地表太阳辐射的月、季、年变化特征。
图2 昆仑山北坡5套地表太阳辐射产品数据变化趋势

Fig. 2 Variation trend of 5 sets of surface solar radiation product data on the north slope of Kunlun Mountains

图3 昆仑山北坡5套地表太阳辐射产品数据箱线图

Fig. 3 Data box diagram of 5 sets of surface solar radiation products on the north slope of Kunlun Mountains

1.2.2 大气因子数据

本文选用的大气因子数据来自ERA5产品（https://cds.climate.copernicus.eu/cdsap-p#!/search?type=dataset）和MERRA-2产品（https://di-sc.gsfc.nasa.gov/datasets?project=MERRA-2）。ERA5是ECMWF第五代大气再分析数据，可以提供1979年至今的各类数据，本研究采用了ERA5产品中昆仑山北坡1984—2023年总云量、低云量、大气柱水汽含量和臭氧浓度的月值数据。由于ERA5产品并不包含气溶胶数据，本文从MERRA-2产品中收集了气溶胶光学厚度（AOD）的月值数据，用于分析不同大气因子对昆仑山北坡地表太阳辐射的影响。MERRA-2数据集是在MERRA数据上进行同化系统改进后的长时间、全球范围的再分析数据集，其考虑了气溶胶、辐射相互作用以及与大气过程的双向反馈，提供了从1980年至今的数据。

1.3 研究方法

本研究主要运用气候倾向率、空间插值及地理探测器等方法探讨地表太阳辐射的时空变化及影响因素，重点对地理探测器模型做一介绍。该方法由王劲峰等[27]创建，是一种用于探究地理要素的空间分异性及驱动因素的统计学方法，已在气象研究领域得到广泛应用[28⇓⇓⇓-32]，地理探测器要求输入的自变量必须为类型量，通过分别计算和比较各单因子q值及两因子叠加后的q值，判断两因子是否存在交互作用，以及交互作用的强弱、方向等[27]。本文主要使用的是因子探测，可以衡量单个影响因子对因变量空间分异的解释力大小，计算公式如下：
q = 1 - ∑ h = 1 L N h σ h 2 N σ 2
式中：q为各影响因子的探测值，值域为[0,1]，q值越大表明该影响因子对地表太阳辐射空间分异的解释程度越大；L为因变量或自变量的分层；Nh和N分别为层h和研究区整体的单元数； σ h 2和 σ 2分别为层h和研究区整体的方差。

2 结果与分析

2.1 昆仑山北坡地表太阳辐射时间变化

1984—2023年昆仑山北坡年尺度和季节尺度地表太阳辐射变化及趋势如图4所示，多年平均地表太阳辐射为206.76 W·m-2，地表太阳辐射在近30 a呈显著下降趋势，下降速率为-1.24 W·m-2·(10a)-1（P<0.05），年均地表太阳辐射最高值出现在1984年，为215.19 W·m-2，最低值出现在2002年，为199.87 W·m-2。
图4 1984—2023年昆仑山北坡地表太阳辐射变化趋势

Fig. 4 Variation trends of surface solar radiation on the north slope of Kunlun Mountains from 1984 to 2023

昆仑山北坡地表太阳辐射存在季节差异，表现为夏季>春季>秋季>冬季，春季平均地表太阳辐射为243.83 W·m-2，在研究时段内呈显著上升趋势，上升速率为1.39 W·m-2·(10a)-1（P<0.05）。夏季平均地表太阳辐射为275.95 W·m-2，呈现出显著下降趋势，下降速率为-4.12 W·m-2·(10a)-1（P<0.05）。秋季平均地表太阳辐射为182.64 W·m-2，在时间序列上呈显著下降趋势，变化率为-1.40 W·m-2·(10a)-1（P<0.05）。冬季平均地表太阳辐射为124.62 W·m-2，随年份增加表现为不显著下降趋势，变化率为-0.83 W·m-2·(10a)-1（P>0.05）。You等[33]研究表明青藏高原秋季下降趋势最强，夏季和冬季次之，这与本研究所得的结论虽然有一定出入，但其下降趋势一致。
昆仑山北坡地表太阳辐射年内分布如图5所示，可以看出各月地表太阳辐射水平差异显著，最大值出现在1984年6月，为308.67 W·m-2，最小值出现在1994年12月，为93.14 W·m-2。月均地表太阳辐射以6月为转折点呈先增加后减小的趋势，于6月达到最高值（291.07 W·m-2），之后随着季节变化，太阳辐射逐渐下降，于12月达到最低值（107.09 W·m-2），研究区内月均地表太阳辐射最高与最低之差为183.98 W·m-2。
图5 昆仑山北坡地表太阳辐射年内分布

Fig. 5 Annual distribution of surface solar radiation on the north slope of Kunlun Mountains

2.2 昆仑山北坡地表太阳辐射空间变化

昆仑山北坡年和季节尺度地表太阳辐射空间分布如图6a~e所示，可以看出1984—2023年昆仑山北坡地表太阳辐射分布具有地带性，年和季节尺度上的地表太阳辐射空间分布一致，均呈现出比较规律的由北向南逐渐增加的分布特征。年均地表太阳辐射值在空间上的波动范围为155.70~242.53 W·m-2，地表太阳辐射大于200 W·m-2的面积占比为73.43%。全年和四季地表太阳辐射高值区主要集中在研究区西南部，这些区域纬度较低，所接受到的太阳辐射多，且海拔较高，大气因子对太阳辐射的削弱作用较小。夏季，研究区内地表太阳辐射表现出高水平，介于238.36~320.80 W·m-2之间。冬季则表现为低水平，地表太阳辐射值均在200 W·m-2以下，最大值仅为155.82 W·m-2。
图6 1984—2023年昆仑山北坡年和季节尺度地表太阳辐射及其变化率空间分布

Fig. 6 Spatial distributions of annual and seasonal surface solar radiation and its rate of change on the north slope of Kunlun Mountains from 1984 to 2023

为了进一步讨论昆仑山北坡地表太阳辐射的下降趋势，对全年和四季的地表太阳辐射变化率进行分析（图6f~j）。可以看出，昆仑山北坡年尺度上地表太阳辐射的变化率波动范围较广，介于-21.66~6.51 W·m-2·(10a)-1之间，且海拔较低的东部下降趋势较明显。从各季节变化率的空间分布来看，春季地表太阳辐射表现出明显的增加趋势，且存在东西部差异，地表太阳辐射在研究区西部增加趋势最大，达到了最大变化率20.49 W·m-2·(10a)-1。除春季外，其余季节均表现出下降趋势，夏季地表太阳辐射减弱的区域相对大一些，变化趋势介于-17.19~14.42 W·m-2·(10a)-1之间，变化率小于0的区域占比为94%，冬季地表太阳辐射下降趋势在西南部达到最大值，为-30.88 W·m-2·(10a)-1。全年及四季的变化趋势分布均呈现出比较明显的东西部差异，除冬季西部下降速率大于东部外，春夏秋季均为东部下降速率大于西部。

2.3 昆仑山北坡地表太阳辐射与大气因子关系

2.3.1 昆仑山北坡大气因子变化

1984—2023年昆仑山北坡年尺度上的总云量、低云量、气溶胶光学厚度（AOD）、水汽和臭氧的变化趋势如图7所示。总云量变化趋势较为平缓，介于0.40~0.48之间，年尺度上总云量呈不显著下降趋势，由表2可知，总云量最大变化率-0.0178·(10a)-1（P<0.05）出现在春季。低云量介于0.06~0.09之间，年和季节尺度上的变化趋势都较小，夏季变化率最大，为0.0082·(10a)-1。AOD于1992年达到最大值，这可能与当年柴达木盆地发生的沙尘暴有直接关系[34]，AOD除冬季表现为弱的下降趋势外，其他季节均为弱的上升趋势。水汽介于5.66~7.46 kg·m-2之间，年尺度上呈现显著增加趋势，增加速率为0.2779 kg·m-2·(10a)-1，除冬季外其他季节都表现出上升趋势，夏季上升速率最快，为0.7234 kg·m-2·(10a)-1（P<0.05）。臭氧在整个研究时段内表现出下降趋势，年尺度上的下降趋势为-2.2210 DU·(10a)-1（P<0.05），最大下降趋势出现在夏季。
图7 1984—2023年昆仑山北坡大气因子变化趋势

注：AOD为气溶胶光学厚度。下同。

Fig. 7 Variation trends of atmospheric factors on the north slope of Kunlun Mountains from 1984 to 2023

表2 1984—2023年昆仑山北坡大气因子时间尺度上的变化趋势

Tab. 2 Temporal trends of atmospheric factors on the north slope of Kunlun Mountains from 1984 to 2023

时间尺度 总云量/(10a)-1 低云量/(10a)-1 AOD/(10a)-1 水汽/kg·m-2·(10a)-1 臭氧/DU·(10a)-1
年 -0.0057 0.0019 0.0049 0.2779* -2.2210*
春季 -0.0178* -0.0024 0.0032 0.0732 -3.2164
夏季 0.0091 0.0082* 0.0180* 0.7234* -1.5928
秋季 0.0033 0.0032* 0.0045 0.3746* -1.2893
冬季 -0.0174* -0.0013 -0.0059 -0.0596 -2.7857

注：*表示通过0.05显著性检验。

2.3.2 昆仑山北坡地表太阳辐射变化归因分析

为了进一步分析大气因子对昆仑山北坡地表太阳辐射的影响，本文采用地理探测器从空间分异角度定量各因子对地表太阳辐射变化的影响。将地表太阳辐射作为因变量，总云量、低云量、AOD、水汽和臭氧作为自变量进行单因子探测，结果如图8所示。年尺度上水汽对地表太阳辐射的解释能力明显高于其他因素，q值为0.90，是地表太阳辐射空间分异的主要影响因素，臭氧和低云量的q值分别为0.77和0.61，是地表太阳辐射变化的次要影响因子，AOD和总云量虽然对地表太阳辐射变化有一定的影响，但其单因子解释能力较低，分别为0.47和0.41。各季节地表太阳辐射的变化均以水汽的贡献为主，q值分别为春季（0.90）、夏季（0.87）、秋季（0.90）和冬季（0.93）。
图8 昆仑山北坡大气因子与地表太阳辐射单因子探测q值

Fig. 8 q values of atmospheric factors and single factor detection of surface solar radiation on the north slope of Kunlun Mountains

3 讨论

前人研究指出1989年是中国由变暗转为变亮的转折点[35]，Xia[10]研究发现2000年后中国南北方出现不一致变化，北方地区出现新的“变暗”，而南方地区则出现较弱的“变亮”，与在中国全区域的研究结果不同，青藏高原作为一个独特的地理单元，在20世纪70年代末前后，太阳辐射经历了从变亮到变暗的过渡[36]，You等[33]研究了1960—2009年青藏高原东部和中部全天和晴空地表太阳辐射的时间变化特征，得出全年晴空地表太阳辐射以-1.00 W·m-2·(10a)-1的速率呈下降趋势。昆仑山北坡为青藏高原重要的地理组成单元，通过对昆仑山北坡地表太阳辐射数据的统计分析发现，地表太阳辐射的变化趋势为-1.24 W·m-2·(10a)-1（P<0.05），年际变化总体趋势与前人在青藏高原的研究大体一致。Yang等[37]认为导致青藏高原1984—2006年总辐射量下降的主要因素不是气溶胶，而是深对流云和大气水汽，Yu等[38]认为青藏高原晴空地表太阳辐射的87.0%可用气溶胶和水汽来解释，水汽对晴空地表太阳辐射的影响大于气溶胶。本文利用地理探测器分析昆仑山北坡各大气因子对地表太阳辐射的影响，同样得出了水汽贡献最大的结论。青藏高原在夏季的下降趋势尤为突出[37]，这与本文在昆仑山北坡的研究结果一致，夏季下降趋势最显著，下降速率为-4.12 W·m-2·(10a)-1，可能是因为青藏高原在夏季受到大量水汽输送和沙尘气溶胶的影响[39]，以及与青藏高原在夏季存在大气臭氧总量的低值中心有关[40]。
以往的研究主要集中在青藏高原整体，对其下属的地理单元研究较匮乏，而地表太阳辐射存在空间异质性，对区域气候变化有着重要影响。本文利用卫星遥感和再分析辐射产品，分析了1984—2023年昆仑山北坡地表太阳辐射的时空变化，进一步探讨了大气因子的变化趋势，同时量化了各大气因子对地表太阳辐射影响的贡献程度，研究结果可为山区地表太阳辐射估算模型中因子的选择提供参考。

4 结论

本文利用高时空分辨率的卫星遥感辐射产品（SSR-wang）和ERA5再分析辐射产品，揭示了近30 a来昆仑山北坡地表太阳辐射时空变化特征，并基于地理探测器方法分析了大气因子对昆仑山北坡地表太阳辐射的影响，主要结论如下：
（1） 昆仑山北坡1984—2023年地表太阳辐射整体呈显著下降趋势，下降速率为-1.24 W·m-2·(10a)-1（P<0.05）。在季节上除春季表现为增加趋势外，其他季节均为下降趋势，夏季下降速率为-4.12 W·m-2·(10a)-1（P<0.05），高于秋冬季节；地表太阳辐射年内分布上表现出6月辐射值最大，12月辐射值最小。
（2） 在空间分布上，昆仑山北坡年和季节尺度上地表太阳辐射均呈由南向北逐渐减小的特征，辐射高值集中在西南部海拔较高、纬度较低的区域；其变化速率呈明显的东西部差异，除冬季外，全年和春夏秋季均为东部下降趋势较快。
（3） 1984—2023年昆仑山北坡总云量呈不显著下降趋势，臭氧表现为显著下降趋势；低云量和AOD呈增加趋势，但没有通过显著性检验；水汽增加趋势显著，增率为0.2779 kg·m-2·(10a)-1。
（4） 昆仑山北坡大气因子对地表太阳辐射的影响存在差异，由单因子探测结果可知，无论是在年尺度上还是在季节尺度上，水汽对地表太阳辐射的影响都是最大的，水汽增多导致大气对太阳辐射的吸收作用增强，导致透射到地表的辐射量减少，表明大气中水汽含量多少是影响地表太阳辐射的主导因素。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Renner M, Wild M, Schwarz M, et al. Estimating shortwave clear-sky fluxes from hourly global radiation records by quantile regression[J]. Earth and Space Science, 2019, 6(8): 1532-1546.

DOI

[2]
Wang K, Dickinson R E, Ma Q, et al. Measurement methods affect the observed global dimming and brightening[J]. Journal of Climate, 2013, 26(12): 4112-4120.

[3]
Wild M, Folini D, Schär C, et al. The global energy balance from a surface perspective[J]. Climate Dynamics, 2013, 40(11): 3107-3134.

[4]
Liang S, Wang K, Zhang X, et al. Review on estimation of land surface radiation and energy budgets from ground measurement, remote sensing and model simulations[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2010, 3(3): 225-240.

[5]
Zhang X, Liang S, Wild M, et al. Analysis of surface incident shortwave radiation from four satellite products[J]. Remote Sensing of Environment, 2015, 165: 186-202.

[6]
Wild M, Ohmura A, Gilgen H, et al. Validation of general circulation model radiative fluxes using surface observations[J]. Journal of Climate, 1995, 8(5): 1309-1324.

[7]
Beer C, Reichstein M, Tomelleri E, et al. Terrestrial gross carbon dioxide uptake: Global distribution and covariation with climate[J]. Science, 2010, 329(5993): 834-838.

DOI PMID

[8]
Wang L, Kisi O, Zounemat-Kermani M, et al. Solar radiation prediction using different techniques: Model evaluation and comparison[J]. Renewable and Sustainable Energy Reviews, 2016, 61: 384-397.

[9]
Liepert B G. Observed reductions of surface solar radiation at sites in the United States and worldwide from 1961 to 1990[J]. Geophysical Research Letters, 2002, 29(10): 61, doi: 10.1029/2002GL014910.

[10]
Xia X. Spatiotemporal changes in sunshine duration and cloud amount as well as their relationship in China during 1954—2005[J]. Journal of Geophysical Research: Atmospheres, 2010, 115(D7): D00K06, doi: 10.1029/2009JD012879.

[11]
Yang S, Wang X L, Wild M. Causes of dimming and brightening in China inferred from homogenized daily clear-sky and all-sky in situ surface solar radiation records (1958—2016)[J]. Journal of Climate, 2019, 32(18): 5901-5913.

[12]
Feng F, Wang K. Determining factors of monthly to decadal variability in surface solar radiation in China: Evidences from current reanalyses[J]. Journal of Geophysical Research: Atmospheres, 2019, 124(16): 9161-9182.

[13]
Tang W, Yang K, Qin J, et al. A revisit to decadal change of aerosol optical depth and its impact on global radiation over China[J]. Atmospheric Environment, 2017, 150: 106-115.

[14]
Wang C, Zhang Z, Tian W. Factors affecting the surface radiation trends over China between 1960 and 2000[J]. Atmospheric Environment, 2011, 45(14): 2379-2385.

[15]
Wang Z, Zhang M, Wang L, et al. Long-term evolution of clear sky surface solar radiation and its driving factors over east Asia[J]. Atmospheric Environment, 2021, 262: 118661, doi: 10.1016/j.atmosenv.2021.118661.

[16]
Mckenzie R L, Aucamp P J, Bais A F, et al. Changes in biologically-active ultraviolet radiation reaching the earth’s surface[J]. Photochemical & Photobiological Sciences, 2007, 6(3): 218-231.

[17]
Zhou Y, Liu Y, Wang D, et al. A review on global solar radiation prediction with machine learning models in a comprehensive perspective[J]. Energy Conversion and Management, 2021, 235: 113960, doi: 10.1016/j.enconman.2021.113960.

[18]
Zhou Z, Lin A, Wang L, et al. Trends in downward surface shortwave radiation from multi-source data over China during 1984—2015[J]. International Journal of Climatology, 2020, 40(7): 3467-3485.

[19]
张连成, 胡列群, 李帅, 等. 基于RS的昆仑山区夏季雪线高程变化及其影响因素分析[J]. 冰川冻土, 2019, 41(3): 546-553.

DOI

[Zhang Liancheng, Hu Liequn, Li Shuai, et al. Analyses of variation of summer snowline elevation and its influencing factors in the Kunlun Mountains based on RS, 2001—2015[J]. Journal of Glaciology and Geocryology, 2019, 41(3): 546-553.]

DOI

[20]
许有鹏, 高蕴珏, 杨戍. 昆仑山北坡河流水文水资源特征研究[J]. 地理科学, 1994, 14(4): 338-346, 390.

[Xu Youpeng, Gao Yunjue, Yang Shu. Approach to water resource characteristics of rivers in north slope area of the Kunlun Mountains[J]. Scientia Geographica Sinica, 1994, 14(4): 338-346, 390.]

DOI

[21]
Farinotti D, Immerzeel W W, de Kok R J, et al. Manifestations and mechanisms of the Karakoram glacier anomaly[J]. Nature Geoscience, 2020, 13(1): 8-16.

DOI PMID

[22]
Boilley A, Wald L. Comparison between meteorological re-analyses from ERA-Interim and MERRA and measurements of daily solar irradiation at surface[J]. Renewable Energy, 2015, 75: 135-143.

[23]
Yang D, Bright J M. Worldwide validation of 8 satellite-derived and reanalysis solar radiation products: A preliminary evaluation and overall metrics for hourly data over 27 years[J]. Solar Energy, 2020, 210: 3-19.

[24]
Feng F, Wang K. Merging ground-based sunshine duration observations with satellite cloud and aerosol retrievals to produce high-resolution long-term surface solar radiation over China[J]. Earth System Science Data, 2021, 13(3): 907-922.

[25]
Tang W, Yang K, Qin J, et al. A 16-year dataset (2000—2015) of high-resolution (3 h, 10 km) global surface solar radiation[J]. Earth System Science Data, 2019, 11(4): 1905-1915.

[26]
He J, Yang K, Tang W, et al. The first high-resolution meteorological forcing dataset for land process studies over China[J]. Scientific Data, 2020, 7(1): 25, doi: 10.1038/s41597-020-0369-y.

PMID

[27]
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134.

DOI

[Wang Jinfeng, Xu Chengdong. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134.]

DOI

[28]
胡畔, 陈波, 史培军. 中国暴雨洪涝灾情时空格局及影响因素[J]. 地理学报, 2021, 76(5): 1148-1162.

DOI

[Hu Pan, Chen Bo, Shi Peijun. Spatiotemporal patterns and influencing factors of rainstorm-induced flood disasters in China[J]. Acta Geographica Sinica, 2021, 76(5): 1148-1162.]

DOI

[29]
田浩, 刘琳, 张正勇, 等. 2001—2020年中国地表温度时空分异及归因分析[J]. 地理学报, 2022, 77(7): 1713-1729.

DOI

[Tian Hao, Liu Lin, Zhang Zhengyong, et al. Spatiotemporal diversity and attribution analysis of land surface temperature in China from 2001 to 2020[J]. Acta Geographica Sinica, 2022, 77(7): 1713-1729.]

DOI

[30]
张淑花, 李新功, 李奇虎, 等. 提孜那甫河流域地表太阳辐射估算及其影响因素分析[J]. 干旱区地理, 2022, 45(3): 734-745.

[Zhang Shuhua, Li Xingong, Li Qihu, et al. Estimation of temporal and spatial distribution of solar radiation over Tizinafu River Basin and analysis of its influencing factors[J]. Arid Land Geography, 2022, 45(3): 734-745.]

[31]
张星星, 吕宁, 姚凌, 等. ECMWF地表太阳辐射数据在我国的误差及成因分析[J]. 地球信息科学学报, 2018, 20(2): 254-267.

DOI

[Zhang Xingxing, Lü Ning, Yao Ling, et al. Error analysis of ECMWF surface solar radiation data in China[J]. Journal of Geo-information Science, 2018, 20(2): 254-267.]

[32]
张仪辉, 梁康, 刘昌明, 等. 尼洋河流域极端气候时空分布特征及其可能成因[J]. 地理研究, 2022, 41(10): 2808-2820.

DOI

[Zhang Yihui, Liang Kang, Liu Changming, et al. Spatio-temporal distribution characteristics and possible causes of extreme climate in the Niyang River Basin[J]. Geographical Research, 2022, 41(10): 2808-2820.]

[33]
You Q, Sanchez-Lorenzo A, Wild M, et al. Decadal variation of surface solar radiation in the Tibetan Plateau from observations, reanalysis and model simulations[J]. Climate Dynamics, 2013, 40(7): 2073-2086.

[34]
郭晓宁, 杨延华, 马元仓, 等. 柴达木盆地春季沙尘暴变化特征分析[J]. 干旱区资源与环境, 2018, 32(8): 107-113.

[Guo Xiaoning, Yang Yanhua, Ma Yuancang, et al. The characteristics of the sandstorm weather in Qaidam Basin[J]. Journal of Arid Land Resources and Environment, 2018, 32(8): 107-113.]

[35]
Wang Y, Wild M. A new look at solar dimming and brightening in China[J]. Geophysical Research Letters, 2016, 43(22): 11777-11785.

[36]
Tang W, Yang K, Qin J, et al. Solar radiation trend across China in recent decades: A revisit with quality-controlled data[J]. Atmospheric Chemistry and Physics, 2011, 11(1): 393-406.

[37]
Yang K, Ding B, Qin J, et al. Can aerosol loading explain the solar dimming over the Tibetan Plateau?[J]. Geophysical Research Letters, 2012, 39(20): L20710, doi: 10.1029/2012GL053733.

[38]
Yu L, Zhang M, Wang L, et al. Variability of surface solar radiation under clear skies over Qinghai-Tibet Plateau: Role of aerosols and water vapor[J]. Atmospheric Environment, 2022, 287: 119286, doi: 10.1016/j.atmosenv.2022.119286.

[39]
Jia R, Liu Y, Chen B, et al. Source and transportation of summer dust over the Tibetan Plateau[J]. Atmospheric Environment, 2015, 123: 210-219.

[40]
周秀骥, 李维亮, 陈隆勋, 等. 青藏高原地区大气臭氧变化的研究[J]. 气象学报, 2004, 62(5): 513-527.

[Zhou Xiuji, Li Weiliang, Chen Longxun, et al. Study of ozone change over Tibetan Plateau[J]. Acta Meteorologica Sinica, 2004, 62(5): 513-527.]

Options
文章导航

/

〈 〉