第七届青年地学论坛

地表辐射收支驱动陆地、大气和海洋循环（Wild el al., 2013）。地表下行长波辐射（surface downward longwave radiation, SDLR），也称为大气热辐射（4–100μm），是数值预测模型和陆表过程模型中必不可少的诊断参数（Stephens el al.，2012），也是地表辐射平衡中不确定性最高的分量（Trenberth el al.，2009）。例如，SDLR是解释北极变暖的主要地表通量（Lee et al.，2017）。因此，我们需要覆盖全球范围的高精度SDLR数据，以增进对地表辐射收支对全球气候变化影响的理解。近几十年来，研究人员已经开发了多种基于卫星数据的晴空SDLR反演算法，包括物理模型、参数化方法和混合模型（Liang et al.，2010）。对这些模型的系统验证和分析可以指导我们为不同情况选择合适的模型。
基于全球41个BSRN（Baseline Surface Radiation Network）站点的地面观测数据，本研究采用MODIS（Moderate Resolution Imaging Spectroradiometer）数据综合评估了六种SDLR晴空反演算法。利用大气辐射传输模型MODTRAN（MODerate resolution atmospheric TRANsmission），本研究首先模拟了MODIS波段辐亮度与SDLR的综合数据集，从而计算Tang2008模型的回归系数，并采用查找表法计算SDLR。研究结果表明，Wang2020模型的整体性能最佳（偏差为2.213 W/m²，RMSE为19.706 W/m²，R²为0.971），Tang2008模型具有与Wang2020类似的反演精度。但是，Zhou2007模型反演的SDLR结果与地面SDLR之间的差异最小（即在零值附近的波动）。Tang2008和Wang2009模型的正偏差和负偏差表明季节性变化可能与MODIS波段辐射的校准有关。
多个因素可影响SDLR的估算准确性。首先，地形改变了SDLR的空间分布。所有模型都高估了山顶站点的SDLR（偏差和RMSE值可分别高达56.614 W/m²和63.909 W/m²）。同时，地表高程对SDLR反演精度的影响较小。但是，土地覆被类型对反演精度有很大影响。在沙漠、荒原和雪/冰地区的模型性能较差。就RMSE而言，日夜变化（白天或夜间）对大部分模型SDLR反演精度的影响很小；但是Cheng2017模型的RMSE值比其他模型高出9 W/m²。
针对相同区域，六个模型的反演结果具有较大差异，因此应该考虑采用针对性的方法提高SDLR反演的准确性。例如，具有更多极端动态范围的训练数据集可以改善SDLR反演算法。此外，应特别注意不确定性最大的干旱和高海拔地区。高精度SDLR遥感数据是满足各领域科学应用的基础。下一步的工作将集中在算法开发上，以解决本研究中发现的问题，并使用长期数据和更广泛的地面观测数据评估模型性能。
 

地表长波辐射,全球验证,MODIS,BSRN