2017, Vol. 36
2. 中国气象科学研究院, 北京 100081;
3. 云南省气象科学研究所, 昆明 650034
湍流感热和潜热交换是地气相互作用最为关键的物理过程之一, 其交换通量以非绝热加热的形式作用于大气, 对全球大气环流和天气气候系统有显著影响。因此, 准确测定和定量了解各种空间、时间尺度的湍流感热和潜热通量, 对天气气候、农业、水文和水资源管理等意义重大 (卢俐等, 2005)。目前, 测量地表湍流通量的手段按观测尺度来看, 大致可分为两类, 一类是基于单点的测量, 数据空间尺度代表性从几十米到几百米, 如涡动相关法 (王介民等, 2007)、通量方差法 (徐安伦等, 2008)、空气动力学法 (刘树华等, 2009)、波文比能量平衡法 (刘鹏飞等, 2010) 等; 另一类是基于区域的测量, 数据空间尺度代表性从几百米到十几公里, 如光闪烁通量法 (黄妙芬, 2003)、卫星遥感反演 (马耀明等, 2003; 王丽娟等, 2012) 等。其中, 涡动相关法是通过快速响应的传感器同步测量垂直风速脉动量与温度、经向和侧向风速、水汽和CO2密度等参数的脉动量, 计算它们的协方差而直接获取一定时段的湍流通量。尽管涡动相关仪 (Eddy-covariance System, EC) 是直接测定地气间水热和CO2通量的标准设备, 但该设备对特殊的安装环境条件 (如晃动平台、复杂地形地貌等) 非常敏感, 测量值的空间尺度代表性有限, 也难以用简单方式将观测尺度扩展。而以光强闪烁原理、近地层相似理论和能量收支平衡方程来测定通量的大口径闪烁仪 (Large Aperture Scintillometer, LAS), 可以连续获取较大尺度和非均匀下垫面的地表水热通量, 能实现传统地面通量的尺度扩展与遥感监测通量的地面验证 (朱治林等, 2010)。
针对LAS和EC两种设备测量地表水热通量的异同特征及其影响因素, 国内外学者在不同地区典型陆地生态系统开展了许多对比观测试验。Chehbouni et al (2010)对LAS和EC在退化草地和豆科灌木混合区测量的感热通量和摩擦速度进行了比较, 发现在考虑复杂地形的影响后, 两者测量值会吻合得更好。Kleissl et al (2008)比较了6套LAS与1套EC测得的感热通量, 认为LAS有效光学孔径的不确定性是造成每套LAS与EC测量值的差异原因。艾力·买买提明等 (2010)分析了LAS和EC在沙漠下垫面观测的感热通量差异, 得出LAS和EC测得的感热通量变化趋势一致, 两者有较好的相关性。Liu et al (2011)探讨了LAS和EC在黑河流域测量感热通量的差异原因, 指出两者差异是由能量不平衡现象、下垫面不均匀性和通量贡献源区不一致造成的。郭伟等 (2013)分析了LAS观测中莫宁—奥布霍夫MOST相似理论的适用性, 发现在大气不稳定条件下, 大尺度涡旋运动、湍流发展状况和温度尺度都能对MOST理论适用性产生显著影响。郝小翠等 (2013, 2014, 2015) 基于黄土高原定西和庆阳两站LAS和EC的实测数据, 不仅分析了测量感热通量过程中的温度特征尺度T*以及影响观测感热通量的物理因素, 而且从造成两者差异的一个重要原因—EC的能量不平衡闭合度为切入点, 探讨了垂直感热平流输送对两者测量结果差异的影响。由此可见, LAS和EC测得的地表水热通量存在明显差异, 其差异影响因素比较多而且复杂。在目前的对比试验中, 大多是探讨LAS和EC测量结果差异的原因, 然而, 有关两类仪器测量结果差异对气象环境因子的敏感性研究还比较少。考虑到准确获取多种空间尺度地表水热通量的重要性, 本文利用大理国家气候观象台2014年1月8日至12月31日LAS和EC的同步观测资料, 从两类仪器测量差异的日变化和季节变化入手, 结合差异原因的影响因素, 考察其与气象环境因子的相关性, 以期为不同空间尺度湍流通量数据的转换与验证提供观测依据。
2 试验概况和数据处理 2.1 试验概况试验地点位于大理国家气候观象台 (100°11′ E, 25°42′ N, 海拔1990.5 m) 东北方向的一片农田内 (图 1a), 下垫面地势较为平坦, 每年水稻与蚕豆轮作, 5-10月为水稻种植期, 11月-次年4月为蚕豆种植期。该试验区属低纬高原季风气候, 根据大理站1951-2014年地面观测资料统计, 年平均气温为15.1 ℃, 平均年降水量为1051.4 mm, 年平均风速为2.4 m·s-1, 盛行东东南风和西西北风。大理地区20092014年连续6年出现干旱。试验期间, 2014年降水量为811.8 mm, 其中2、7、8和12月降水量比历年偏多, 其他月份均比历年偏少 (图 2a); 年平均气温为16.1 ℃, 各月平均气温均比历年偏高 (图 2b)。
|
图 1 大理站试验区土地利用/覆盖情况 (a) 和观测仪器分布 (b) Figure 1 Land-use/land cover (a) and schematic diagram of instrument layout (b) in experimental field at Dali |
|
图 2 大理站试验区降雨量 (a) 和气温 (b) 的月变化 Figure 2 Monthly variation of precipitation (a) and air temperature (b) in experimental field at Dali |
观测仪器包括LAS (Kipp & Zonen公司生产, LAS MKⅡ)、EC (Campbell公司生产, CSAT3和LI-7500) 等, 其架设分布如图 1b所示。LAS发射端和接收端呈东北—西南向放置, 光径路线基本与观测场的盛行风向垂直, 以便获取最具有区域代表性的通量值。LAS光径长度为1938 m, 有效高度为10 m, 数据采样频率为2 Hz。EC架设在靠近LAS光径的一座铁塔上 (塔高20 m), 距离LAS接收端约为224 m, 架高为5.08 m, 数据采样频率为10 Hz。在该铁塔上还有4层 (2, 4, 10和20 m高度) 风速、风向、气温和相对湿度的观测, 铁塔下有1层 (1.5 m高度) 太阳总辐射、短波反射辐射、大气长波辐射和地面长波辐射以及3层 (4, 10和20 cm) 土壤热通量、5层 (4, 10, 20, 60和100 cm) 土壤温湿度等要素的观测。
2.2 LAS观测原理和数据处理LAS观测感热通量Hs是以大气折射率结构常数Cn2与温度结构常数CT2的经验公式以及近地面层相似性理论为基础, 结合空气温度T、零平面位移d、空气动力学粗糙度z0、LAS有效测量高度zLAS等参数来推算的, 其计算公式 (Kipp and Zonen, 2012) 如下:
| $ C_{n}^{2}={{\left(\frac{-0.78\times {{10}^{-6}}P}{{{T}^{2}}} \right)}^{2}}C_{T}^{2}{{\left(1+\frac{0.03}{\beta } \right)}^{2}}, $ | (1) |
| $ \begin{gathered} \frac{{C_T^2{{\left( {{z_{{\text{LAS}}}} - d} \right)}^{2/3}}}}{{T_*^2}} = \hfill \\ \;\;\;\;\;\left\{ \begin{gathered} {c_{T1}}{\left( {1 - {c_{T2}}\frac{{{z_{{\text{LAS}}}} - d}}{{{L_{{\text{MO}}}}}}} \right)^{ - 2/3}},\left( {{L_{{\text{MO}}}} < 0} \right) \hfill \\ {c_{T1}}\left( {1 + {c_{T3}}{{\left( {\frac{{{z_{{\text{LAS}}}} - d}}{{{L_{{\text{MO}}}}}}} \right)}^{2/3}}} \right),\left( {{L_{{\text{MO}}}} > 0} \right) \hfill \\ \end{gathered} \right. \hfill \\ \end{gathered} $ | (2) |
| $ {{T}_{*}}=\frac{-{{H}_{\text{s}}}}{{{\rho }_{a}}{{C}_{p}}{{u}_{*}}}, $ | (3) |
| $ {{u}_{*}}\frac{ku}{\ln \left(\frac{{{z}_{u}}-d}{{{z}_{0}}} \right)-{{\mathit{\Psi }}_{m}}\left(\frac{{{z}_{u}}-d}{{{L}_{\rm{MO}}}} \right)+{{\mathit{\Psi }}_{m}}\left(\frac{{{z}_{0}}}{{{L}_{\rm{MO}}}} \right)}, $ | (4) |
式中: P为气压; β为波恩比, 感热通量与潜热通量之比 (β=Hs/LvE); 1+0.03/β为湿度因子修正项; cT1、cT2、cT3为经验系数, 取值分别为4.9、6.1、2.2; LMO为Monin-Obukhov长度 (LMO=u*2T/gkT*); k为卡曼常数, 一般取为0.4; g为重力加速度; u*、T*分别为摩擦速度、特征温度; ρa为空气密度; CP为空气定压比热; u为风速; zu为风速测量高度; Ψm为动量稳定度修正函数。
选取近中性条件 (梯度理查森数|Ri| < 0.03) 的3层 (2、4和10 m) 风速廓线观测资料, 给定一个d的初值, 应用Microsoft Excel单变量求解工具GoalSeek来计算d, 求解公式 (Monteith et al, 2013) 如下:
| $ \frac{{{u}_{2}}-{{u}_{1}}}{{{u}_{3}}-{{u}_{1}}}\ln \left(\frac{{{z}_{3}}-d}{{{z}_{1}}-d} \right)-\ln \left(\frac{{{z}_{2}}-d}{{{z}_{1}}-d} \right)=0, $ | (5) |
式中: u1、u2、u3分别为观测高度z1、z2、z3的水平风速。将计算得到的d值代入如下公式中, 给定一个z0的初值, 利用Microsoft Excel单变量求解工具GoalSeek来计算z0。
| $ \frac{{{u}_{2}}}{{{u}_{1}}}\ln \left(\frac{{{z}_{1}}-d}{{{z}_{0}}} \right)-\ln \left(\frac{{{z}_{2}}-d}{{{z}_{0}}} \right)=0, $ | (6) |
通过计算得到大理站的d=0.46 m和z0=0.081 m。在已知d和z0的情况下, 选取LAS和边界层铁塔的同步观测数据, 采用LAS系统数据处理软件EVATION来计算30 min感热通量数据。
LAS观测潜热通量LvE是根据能量平衡方程, 以同步测量的净辐射通量Q*和地表土壤热通量Gs来计算, 即:
| $ {{L}_{\text{v}}}E={{Q}^{*}}-{{G}_{\text{s}}}-{{H}_{\text{s}}}, $ | (7) |
当利用LAS系统数据处理软件EVATION计算潜热通量时, 式 (7) 的净辐射通量Q*由CNR1净辐射计观测得到; 地表土壤热通量Gs由安装在距地表4 cm深处的2个热通量板观测值的平均来近似代替。
2.3 EC观测数据处理为了避免EC观测湍流通量的不确定性影响, 保证观测数据的准确性。首先采用英国爱丁堡大学开发的EdiRe软件 (http://www.geos.ed.ac.uk/abs/research/micromet/Edire/), 对高频 (10 Hz) 湍流资料进行预处理 (徐安伦等, 2014), 具体步骤包括剔除野点、二次坐标轴旋转、超声虚温修正、时间滞后校正、频率响应修正、空气密度效应修正 (即WPL修正), 然后输出感热和潜热通量的30 min平均值。最后, 参考Foken et al (2004)提出的质量控制方法, 以湍流平稳性和通量方差相似性检验为指标, 对数据进行“0, 1, 2”(即高、中、低)3个质量等级划分。
3 结果分析对观测结果进行比较时, LAS观测的湍流热通量数据选用无降雨时段和Cn2未超过饱和上限的数值, EC观测的选用无降雨时段以及质量等级标识为0和1的数值。
从2014年1月8日至12月31日利用LAS和EC两种仪器测得的感热通量散点分布 (图 3) 中可看出, 两者有较高的相关性 (图 3a), 相关系数R=0.85, 均方根误差RMSE和平均绝对误差MAE分别为32.8、22.1 W·m-2; Hs_LAS、Hs_EC分别在-127.4~288.0、-139.9~275.4 W·m-2之间, 平均值相接近, 分别为22.0、21.1 W·m-2。两种仪器测得的潜热通量与感热通量相似 (图 3b), 相关系数R=0.90有很好的相关性, 均方根误差RMSE和平均绝对误差MAE分别为94.8、70.9 W·m-2; LvE_LAS、LvE_EC分别在-94.2~649.4、-145.0~588.9 W·m-2之间, 平均值分别为93.5、77.1 W·m-2。说明LAS和EC在同时刻测得的感热通量、潜热通量并不完全一致, 均存在不同程度的差异。
|
图 3 LAS和EC测量感热通量 (a) 和潜热通量 (b) 的散点分布 Figure 3 Scatter plot of sensible heat fluxes (a) and latent heat fluxes (b) measured by LAS and EC |
为了定量给出LAS和EC测量感热和潜热通量的差异大小, 首先分别计算这两种仪器测量结果的差值, 即:
| $ \Delta {{H}_{\text{s}}}={{H}_{\text{s }\!\!\_\!\!\text{ LAS}}}-{{H}_{\text{s }\!\!\_\!\!\text{ EC}}}, \Delta {{L}_{\text{v}}}E={{L}_{\text{v}}}{{E}_{\text{ }\!\!\_\!\!\text{ LAS}}}-{{L}_{\text{v}}}{{E}_{\text{ }\!\!\_\!\!\text{ EC}}}, $ | (8) |
然后以50 W·m-2等间距划分区间, 统计区间差异频率分布, 如图 4所示。LAS和EC测量感热通量的差值ΔHs < 0 W·m-2的数据占总数据的38.8%, ΔHs>0 W·m-2的数据占总数据的61.2%, 两者差值主要分布在0~50 W·m-2之间 (图 4a)。LAS和EC测量潜热通量的差值ΔLvE < 0 W·m-2的数据占总数据的58.2%, ΔLvE>0 W·m-2的数据占总数据的41.8%, 两者差值主要分布在-50~0 W·m-2范围 (图 4b)。可见, 大部分时段LAS所测得的感热通量比EC测得的大, 而所测得的潜热通量比EC测得的小, 这种偏态分布可能与计算潜热通量过程中, 没有对浅层土壤0~4 cm的热储存量进行修正而带来的测量误差有关。
|
图 4 LAS和EC测量感热通量 (a) 和潜热通量 (b) 差异概率分布 Figure 4 Probability distribution of the difference of sensible heat fluxes (a) and latent heat fluxes (b) measured by LAS and EC |
由于LAS和EC两种仪器在各时刻的测量结果存在一定差异, 湍流感热和潜热通量所呈现的日变化、季节变化也明显不同。比较LAS和EC两种仪器测量感热和潜热通量的年平均日变化, 从图 5a可以看出, LAS和EC测量感热通量的年平均日变 化趋势基本一致, 白天时段Hs_LAS、Hs_EC均为正值, 13:00出现峰值, 夜间时段Hs_LAS、Hs_EC均为负值, 20:00出现谷值, 但其数值差异显著, 且两者之差ΔHs的日变化规律较为明显, 白天09:00-16:00的ΔHs < 0 W·m-2, Hs_LAS平均值比Hs_EC的偏小15.6 W·m-2, 13:00|ΔHs|出现最大值, 两者差异最明显, 夜间和白天其他时刻的ΔHs>0 W·m-2, Hs_LAS平均值比Hs_EC的偏大9.3 W·m-2, 08:00, |ΔHs|出现最小值, 17:00|ΔHs|出现次小值, 这两个时次的差异不明显。从图 5b中可看出, LAS和EC测量潜热通量的年平均日变化均呈现单峰型结构, 其数值差异同样显著, LvE_LAS白天时段为正值, 夜间时段为负值, 而无论是白天时段还是夜间时段LvE_EC均为正值, 白天08:00-17:00的ΔLvE>0 W·m-2, LvE_LAS平均值比LvE_EC的偏大94.6 W·m-2, 夜间和其他时刻的ΔLvE < 0 W·m-2, LvE_LAS平均值比LvE_EC的偏小40.6 W·m-2, 约在07:00、17:00两者差异较小, 11:00-12:00两者差异较大。
|
图 5 LAS和EC测量感热通量 (a) 和潜热通量 (b) 的年平均日变化 Figure 5 Annual mean diurnal variation of sensible heat fluxes (a) and latent heat fluxes (b) measured by LAS and EC |
图 6给出了LAS和EC两种仪器测量感热和潜热通量的月平均变化的月—时间剖面比较。从图 6a和图 6c可看出, LAS和EC测得的感热通量全年均出现三个大值中心, 中心值出现的时间和数值明显不同, 前者出现时间分别为1月、4月、9-12月的12:00-15:00, 中心值分别为100、100和120 W·m-2, 而后者出现时间分别为1-2月、5-6月、9-12月的12:00-15:00, 中心值分别为140、120和140 W·m-2。LAS和EC测得的感热通量均在24月19:00-22:00出现小值中心, LAS中心值比EC的偏大20 W·m-2。从图 6b和图 6d中可以看出, LAS和EC测得的潜热通量出现大值中心的时间范围大致相同, LAS中心值比EC的偏大100~120 W·m-2。
|
图 6 LAS测量感热通量 (a)、潜热通量 (b) 和EC测量感热通量 (c)、潜热通量 (d) 的月平均变化—时间剖面 Figure 6 Month-hour cross-sections of sensible heat fluxes (a) and latent heat fluxes (b) measured by LAS as well as sensible heat fluxes (c) and latent heat fluxes (d) measured by EC |
图 7比较了LAS和EC两种仪器测量感热和潜热通量的季节变化。从图 7a中可以看出, LAS和EC测得的感热通量月均值分别在4.0~34.8、7.9~35.5 W·m-2之间, 两者月均值之差ΔHs在湿季 (5-8月、10月) 均为负值, Hs_LAS平均值比Hs_EC的偏小6.9 W·m-2, 其他月份均为正值, Hs_LAS平均值比Hs_EC的偏大5.7 W·m-2, 6月|ΔHs|出现最大值, 两者差异最大, 10月|ΔHs|出现最小值, 两者差异最小。从图 7b中可以看出, LAS和EC测得的潜热通量月均值分别在54.4~128.7、43.8~112.6 W·m-2之间, 在干季 (4月), 两者月均值之差ΔLvE为-2.1 W·m-2, 其他月份ΔLvE均为正值, LvE_LAS平均值比LvE_EC的偏大18.1 W·m-2, 9月、10月|ΔLvE|较大, 两者差异明显, 3月、4月|ΔLvE|较小, 两者差异不明显。综合图 2和图 7分析可知, 在干季向湿季过渡期间 (4-6月), 特别是地表植被变化较快的4月和月平均气温最高的6月, LAS和EC观测的感热通量差异最明显, 而月降水出现峰值后, 即湿季向干季转换期间 (9-11月), LAS和EC观测的潜热通量差异最明显, 这表明两种仪器测量结果差异与地表植被、局地气候的季节性变化密切相关。
|
图 7 LAS和EC测量感热通量 (a) 和潜热通量 (b) 的月平均变化 Figure 7 Variation of monthly mean sensible heat fluxes (a) and monthly mean latent heat fluxes (b) measured by LAS and EC |
LAS和EC两种仪器测量感热和潜热通量的差异原因有气象环境因子影响、系统误差影响、测量高度差影响、能量不平衡影响、下垫面不均匀性影响、通量贡献源区不一致影响等。其中, 气象环境因子是造成LAS和EC测量结果差异的一个重要因素。表 1列出了LAS和EC测量感热和潜热通量差异大小与气象环境因子的相关性, 其中地气温差、饱和水汽压差是选取边界层铁塔10 m高度的气温和1.5 m高度的大气长波辐射、地面长波辐射观测数据, 参考刘辉志等 (2014)的公式和方法来计算的。从表 1中可看出, ΔHs和ΔLvE与土壤含水量、土壤热通量、垂直风速、水平风速、水平风向的相关性不明显, ΔHs与净辐射、地气温差、饱和水汽压差呈显著负相关关系, 相关系数分别为-0.45、-0.46、-0.55。ΔHs与净辐射的负相关性, 与郝小翠等 (2013)在黄土高原地区的分析结果恰好相反, 这可能与区域地表水热通量的分配额有关, 黄土高原地区的感热通量>潜热通量, 感热输送在地气热量交换中起主导作用, 而青藏高原东部及东南缘地区 (如大理) 的感热通量 < 潜热通量, 潜热输送在地气热量交换中占主导地位, 但具体原因还有待进一步研究。ΔLvE与净辐射、地气温差、饱和水汽压差呈显著正相关关系, 相关系数分别为0.85、0.74、0.68。上述分析表明, 净辐射和地气温差、饱和水汽差是两种仪器测量结果差异大小的主要气象环境因子。
|
表 1 LAS和EC测量感热和潜热通量差异大小与气象环境因子的相关性 Table 1 Correlative analysis of environmental factors to sensible heat fluxes and to latent heat fluxes |
通过对大理国家气候观象台LAS和EC两种仪器的同步测量湍流通量数据对比分析后, 得到如下主要结论:
(1) 两种仪器测得的感热和潜热通量均有很好的相关性, 相关系数≥0.85。10 m高度的LAS和5.08 m高度的EC测得感热通量的年均值相接近, 分别为22.0、21.1 W·m-2, 而LAS测得潜热通量的年均值比EC测得的偏大, 分别为93.5、77.1 W·m-2。
(2) 两种仪器测量结果差异与测量时段有关, 其差异大小存在明显的昼夜和季节变化特点。昼夜变化表现为白天时段LAS测得的平均感热 (潜热) 通量比EC测得的小 (大), 夜间时段的测量结果则相反, 两者均在正午前后差异最明显。季节变化表现为LAS在湿季 (5-8月、10月) 测得的平均感热通量比EC测得的小, 除干季 (4月) 测得的平均潜热通量比EC测得的小以外, 其他月份均比EC测得的大, 两者分别在6、10月的差异较明显。
(3) 两种仪器测得的感热通量差异大小与净辐射、地气温差、饱和水汽压差呈显著负相关关系, 相关系数≤-0.45, 而潜热通量差异情况则相反, 呈显著正相关关系, 相关系数≥0.68, 表明净辐射、地气温差、饱和水汽压差是两种仪器测量结果差异大小的主要环境控制因子。
从以往的对比试验和本文的分析结果来看, LAS和EC测得的水热通量在日变化趋势上较一致, 但在数值上存在较大差异, 这是一个没有争议的观测事实。因此, 如何从试验设计、观测原理以及数据质量控制等角度入手, 尽可能地去减小LAS和EC测量结果差异是值得今后研究的重要问题。
致谢 衷心感谢两位匿名审稿专家提出的宝贵修改意见。| Chehbouni A, Watts C, Lagouarde J, et al. 2000. Estimation of heat and momentum fluxes over complex terrain using a large aperture scintillometer[J]. Agricul Forest Meteor, 105(1): 215–226. | |
| Foken T, Göockede M, Mauder M, et al.2004.Post-field data quality control[C]//Lee X, Massman W, Law B, et al.Handbook of micrometeorology:A guide for surface flux measurement and analysis.Kluwer Academic Publishers, 181-208. | |
| Kipp, Zonen.2012.LAS MkⅡ large aperture scintillometer instruction manual[Z].Holland:Netherlands Press, 86. | |
| Kleissl J, Gomez J, Hong S, et al. 2008. Large aperture scintillometer intercomparison study[J]. Bound-layer Meteor, 128(1): 133–150. DOI:10.1007/s10546-008-9274-1 | |
| Liu S M, Xu Z W, Wang W Z, et al. 2011. A comparison of eddy-covariance and large aperture scintillometer measurements with respect to the energy balance closure problem[J]. Hydrology and Earth System Sciences, 15(4): 1291–1306. DOI:10.5194/hess-15-1291-2011 | |
| Monteith J, Unswrth M. 2013. Principles of Environmental Physics:Plants, animals, and the atmosphere[M]. Boston: Elsevier/Academic Press. | |
| 艾力·买买提明, 何清, 霍文, 等. 2010. 塔克拉玛干沙漠腹地LAS和EC观测感热通量对比分析[J]. 地球科学进展, 25(11): 1228–1236. DOI:10.11867/j.issn.1001-8166.2010.11.1228 Ali Mamtimin, He Qing, Huo Wen, et al. 2010. Intercomparison of sensible heat fluxes measured by large aperture scintillometer and eddy covariance system in the hinterland of Taklimakan desert[J]. Adv Earth Sci, 25(11): 1228–1236. DOI:10.11867/j.issn.1001-8166.2010.11.1228 | |
| 郭伟, 刘寿东, 刘绍民, 等. 2013. 大孔径闪烁仪观测中的相似理论适用性分析[J]. 高原气象, 32(4): 944–955. DOI:10.7522/j.issn.1000-0534.2012.00090 Guo Wei, Liu Shoudong, Liu Shaomin, et al. 2013. Analysis on the applicability of similarity theory in large aperture scintillometer observations[J]. Plateau Meteor, 32(4): 944–955. DOI:10.7522/j.issn.1000-0534.2012.00090 | |
| 郝小翠, 张强, 杨泽粟. 2015. 陇中黄土高原垂直感热平流输送对LAS和EC观测感热通量差异的影响[J]. 中国沙漠, 35(1): 211–219. DOI:10.7522/j.issn.1000-694X.2014.00156 Hao Xiaocui, Zhang Qiang, Yang Zesu. 2015. Impact of vertical sensible heat advection on differences between LAS and EC measured sensible heat flux over the Loess Plateau in central Gansu, China[J]. J Desert Res, 35(1): 211–219. DOI:10.7522/j.issn.1000-694X.2014.00156 | |
| 郝小翠, 张强, 岳平, 等. 2013. 黄土高原大孔径闪烁仪观测特征量T*的研究[J]. 高原气象, 32(3): 665–672. DOI:10.7522/j.issn.1000-0534.2012.0063 Hao Xiaocui, Zhang Qiang, Yue Ping, et al. 2013. Study of characteristic quantity T* by large aperture scintillometer over Chinese Loess Plateau[J]. Plateau Meteor, 32(3): 665–672. DOI:10.7522/j.issn.1000-0534.2012.0063 | |
| 郝小翠, 张强, 岳平, 等. 2014. 黄土高原影响LAS观测感热通量的物理因素分析[J]. 高原气象, 33(4): 957–966. DOI:10.7522/j.issn.1000-0534.2013.00042 Hao Xiaocui, Zhang Qiang, Yue Ping, et al. 2014. Analysis of physical factor of sensible heat flux by LAS over Loess Plateau[J]. Plateau Meteor, 33(4): 957–966. DOI:10.7522/j.issn.1000-0534.2013.00042 | |
| 黄妙芬. 2003. 地表通量研究进展[J]. 干旱区地理, 26(2): 159–165. Huang Miaofen. 2003. Advance of research on surface flux[J]. Arid Land Geography, 26(2): 159–165. | |
| 刘辉志, 冯健武, 孙绩华, 等. 2014. 洱海湖气界面水汽和二氧化碳通量交换特征[J]. 中国科学:地球科学, 44(11): 2527–2539. DOI:10.1007/s11430-014-4828-1 Liu Huizhi, Feng Jianwu, Sun Jihua, et al. 2014. Eddy covariance measurements of water vapor and CO2 fluxes above the Erhai Lake[J]. Science China:Earth Sciences, 44(11): 2527–2539. DOI:10.1007/s11430-014-4828-1 | |
| 刘鹏飞, 刘树华, 胡非, 等. 2010. 湍流通量计算方法和误差的比较研究[J]. 气象学报, 68(4): 487–500. DOI:10.11676/qxxb2010.047 Liu Pengfei, Liu Shuhua, Hu Fei, et al. 2010. A comparison of the different methods for estimating turbulent fluxes and their errors[J]. Acta Meteorologica Sinica, 68(4): 487–500. DOI:10.11676/qxxb2010.047 | |
| 刘树华, 茅宇豪, 胡非, 等. 2009. 不同下垫面湍流通量计算方法的比较研究[J]. 地球物理学报, 52(3): 616–629. Liu Shuhua, Mao Yuhao, Hu Fei, et al. 2009. A comparative study of computing methods of turbulent fluxes on different underling surfaces[J]. Chinese J Geophys, 52(3): 616–629. | |
| 卢俐, 刘绍民, 孙敏章, 等. 2005. 大孔径闪烁仪研究区域地表通量的进展[J]. 地球科学进展, 20(9): 932–939. DOI:10.11867/j.issn.1001-8166.2005.09.0932 Lu Li, Liu Shaomin, Sun Minzhang, et al. 2005. Advances in the study of areal surface fluxes with large aperture scintillometer[J]. Adv Earth Sci, 20(9): 932–939. DOI:10.11867/j.issn.1001-8166.2005.09.0932 | |
| 马耀明, 李茂善, 马伟强, 等. 2003. 西北干旱区及高原上卫星遥感非均匀地表区域能量通量研究[J]. 干旱气象, 21(3): 34–42. Ma Yaoming, Li Maoshan, Ma Weiqiang, et al. 2003. The study of regional land surface heat fluxes over heterogeneous landscape in northwest arid areas and Tibetan Plateau by using satellite remote sensing[J]. J Arid Meteor, 21(3): 34–42. | |
| 王介民, 王维真, 奥银焕, 等. 2007. 复杂条件下湍流通量的观测与分析[J]. 地球科学进展, 22(8): 791–797. DOI:10.11867/j.issn.1001-8166.2007.08.0791 Wang Jiemin, Wang Weizhen, Ao Yinhuan, et al. 2007. Turbulence flux measurements under complicated conditions[J]. Adv Earth Sci, 22(8): 791–797. DOI:10.11867/j.issn.1001-8166.2007.08.0791 | |
| 王丽娟, 左洪超, 陈继伟, 等. 2012. 遥感估算绿洲-沙漠下垫面地表温度及感热通量[J]. 高原气象, 31(3): 646–656. Wang Lijuan, Zuo Hongchao, Chen Jiwei, et al. 2012. Land surface temperature and sensible heat flux estimated from remote sensing over oasis and desert[J]. Plateau Meteor, 31(3): 646–656. | |
| 徐安伦, 孙绩华, 李建, 等. 2014. 大理涡动相关观测数据的处理及质量评价研究[J]. 云南大学学报 (自然科学版), 36(2): 224–232. DOI:10.7540/j.ynu.20130224 Xu Anlun, Sun Jihua, Li Jian, et al. 2014. A study on the data processing and quality assessment of the eddy-covariance system at Dali national climate observatory[J]. Journal of Yunnan University, 36(2): 224–232. DOI:10.7540/j.ynu.20130224 | |
| 徐安伦, 吴晓庆, 许利明, 等. 2008. 通量-方差法估算沿海近地面层的湍流通量分析[J]. 热带气象学报, 24(6): 708–712. Xu Anlun, Wu Xiaoqing, Xu Liming, et al. 2008. Analysis of flux-variance method in estimation of turbulent flux in the surface layer over coastal area[J]. J Trop Meteor, 24(6): 708–712. | |
| 朱治林, 孙晓敏, 贾媛媛, 等. 2010. 基于大孔径闪烁仪 (LAS) 测定农田显热通量的不确定性分析[J]. 地球科学进展, 25(11): 1199–1207. Zhu Zhilin, Sun Xiaomin, Jia Yuanyuan, et al. 2010. The uncertainty of sensible heat flux measurement over cropland using large aperture scintillometer (LAS)[J]. Adv Earth Sci, 25(11): 1199–1207. |
2. Chinese Academy of Meteorological Sciences, Beijing 100081, China;
3. Yunnan Institute of Meteorological Sciences, Kunming 650034, China