地表温度(LST)作为地气相互作用的关键参数，在地表水热循环中发挥重要作用，能准确表征地表热环境的变化。青藏高原拥有除极地以外储量最大的冰冻圈范围，对区域和全球气候系统及生态经济具有深远影响。作为受气候变化影响最显著的区域之一，深入了解青藏高原冰冻圈LST变化驱动因子，能为精准认知青藏高原冰冻圈热环境变化规律及驱动机制提供关键科学支撑。本研究基于地表温度年周期模型提取的年均地表温度(MAST),采用偏相关分析，分析了2003—2020年MAST与云量、植被覆盖度、积雪覆盖率、降水和气温5个与MAST变化密切相关的驱动因子之间的关系，揭示青藏高原不同区域MAST变化的主要驱动因子及其空间分布特征。结果表明，白天云量、植被覆盖度、积雪覆盖率和降水这4个驱动因子主要以负偏相关为主，晚上则以正偏相关为主，对于气温来说昼夜都以正偏相关为主。就青藏高原MAST动态的主导因子来说，昼夜MAST在青藏高原不同区域的主导因素存在明显差异，白天青藏高原的MAST的变化主要受云量的影响(主导变化面积占比达38.17%),影响区域集中分布于青藏高原的西北部和西部，且以负偏相关性为主。夜晚青藏高原MAST变化主...
地表温度(LST)作为地气相互作用的关键参数，在地表水热循环中发挥重要作用，能准确表征地表热环境的变化。青藏高原拥有除极地以外储量最大的冰冻圈范围，对区域和全球气候系统及生态经济具有深远影响。作为受气候变化影响最显著的区域之一，深入了解青藏高原冰冻圈LST变化驱动因子，能为精准认知青藏高原冰冻圈热环境变化规律及驱动机制提供关键科学支撑。本研究基于地表温度年周期模型提取的年均地表温度(MAST),采用偏相关分析，分析了2003—2020年MAST与云量、植被覆盖度、积雪覆盖率、降水和气温5个与MAST变化密切相关的驱动因子之间的关系，揭示青藏高原不同区域MAST变化的主要驱动因子及其空间分布特征。结果表明，白天云量、植被覆盖度、积雪覆盖率和降水这4个驱动因子主要以负偏相关为主，晚上则以正偏相关为主，对于气温来说昼夜都以正偏相关为主。就青藏高原MAST动态的主导因子来说，昼夜MAST在青藏高原不同区域的主导因素存在明显差异，白天青藏高原的MAST的变化主要受云量的影响(主导变化面积占比达38.17%),影响区域集中分布于青藏高原的西北部和西部，且以负偏相关性为主。夜晚青藏高原MAST变化主...
为探析第三极地区积雪时空变化规律，基于中国雪深长时间序列数据集（1979—2021）及中国区域地面气象要素驱动数据集（1979—2018），分析了青藏高原地区近40年雪深的时空变化特征及其与近地面气温、降水的偏相关性。时空变化分析结果显示，青藏高原地区雪深在年尺度上呈现出以内部三大区域的雪深减少为主的变化趋势，而这种趋势在月尺度及秋冬两季更为显著；高原东部是雪深显著增加的主要区域。偏相关分析发现，雪深在月、季和年尺度上均与气温有着较大的负相关性，最大负偏相关系数约为-0.8；雪深与降水在年、月尺度上有着以正相关为主且相似的空间分布，在春、夏两季二者呈“东正西负”的相关性，而大范围的正相关性（偏相关系数在0.4以上）集中在秋季。在日尺度上，气温与延迟10 d后的雪深呈现出最大负相关性（偏相关系数为-0.733）；而降水则与延迟3 d后的雪深呈现出最高的正相关性（偏相关系数为0.064）。青藏高原雪深与气象要素的相关性表现出明显的时空异质性，地形、融积时间乃至高原周围的季风与西风都可能是导致这种时空差异性的原因。
为探析第三极地区积雪时空变化规律，基于中国雪深长时间序列数据集（1979—2021）及中国区域地面气象要素驱动数据集（1979—2018），分析了青藏高原地区近40年雪深的时空变化特征及其与近地面气温、降水的偏相关性。时空变化分析结果显示，青藏高原地区雪深在年尺度上呈现出以内部三大区域的雪深减少为主的变化趋势，而这种趋势在月尺度及秋冬两季更为显著；高原东部是雪深显著增加的主要区域。偏相关分析发现，雪深在月、季和年尺度上均与气温有着较大的负相关性，最大负偏相关系数约为-0.8；雪深与降水在年、月尺度上有着以正相关为主且相似的空间分布，在春、夏两季二者呈“东正西负”的相关性，而大范围的正相关性（偏相关系数在0.4以上）集中在秋季。在日尺度上，气温与延迟10 d后的雪深呈现出最大负相关性（偏相关系数为-0.733）；而降水则与延迟3 d后的雪深呈现出最高的正相关性（偏相关系数为0.064）。青藏高原雪深与气象要素的相关性表现出明显的时空异质性，地形、融积时间乃至高原周围的季风与西风都可能是导致这种时空差异性的原因。
为探究青藏高原工程走廊带昆仑山地区冻融土导热系数基本特征,采用瞬态平面热源法对钻取的349组冻土试样和245组融土试样导热系数进行了测试,分析了五类土导热系数分布特征及天然含水率、干密度与导热系数的偏相关性,并以两者为变量因素建立了经验公式拟合、支持向量回归(SVR)和径向基(RBF)神经网络导热系数预测模型。结果表明:冻融土导热系数整体均呈粗颗粒土大于细颗粒土特征,且冻土和融土导热系数随土性分布规律存在差异;天然含水率、干密度与导热系数均呈正相关性,不同土类偏相关性结果差异明显,典型土导热系数二元经验回归方程表现为非线性拟合结果。对比三种预测模型下各典型土冻融土导热系数预测结果,全风化千枚岩、角砾及砾砂三种预测模型效果整体较佳,粉土的SVR及RBF神经网络预测精度较好;融土导热系数预测效果整体略优于冻土,SVR及RBF神经网络模型下角砾、粉土及全风化千枚岩融土导热系数预测精度较高。综合导热系数模型预测效果和误差结果分析可得,SVR和RBF神经网络模型预测效果显著优于经验方程拟合,后者针对部分土性拟合效果相对较好,可满足一般工程估算需求;SVR和RBF神经网络预测模型针对不同土性导热系...
为探究青藏高原工程走廊带昆仑山地区冻融土导热系数基本特征,采用瞬态平面热源法对钻取的349组冻土试样和245组融土试样导热系数进行了测试,分析了五类土导热系数分布特征及天然含水率、干密度与导热系数的偏相关性,并以两者为变量因素建立了经验公式拟合、支持向量回归(SVR)和径向基(RBF)神经网络导热系数预测模型。结果表明:冻融土导热系数整体均呈粗颗粒土大于细颗粒土特征,且冻土和融土导热系数随土性分布规律存在差异;天然含水率、干密度与导热系数均呈正相关性,不同土类偏相关性结果差异明显,典型土导热系数二元经验回归方程表现为非线性拟合结果。对比三种预测模型下各典型土冻融土导热系数预测结果,全风化千枚岩、角砾及砾砂三种预测模型效果整体较佳,粉土的SVR及RBF神经网络预测精度较好;融土导热系数预测效果整体略优于冻土,SVR及RBF神经网络模型下角砾、粉土及全风化千枚岩融土导热系数预测精度较高。综合导热系数模型预测效果和误差结果分析可得,SVR和RBF神经网络模型预测效果显著优于经验方程拟合,后者针对部分土性拟合效果相对较好,可满足一般工程估算需求;SVR和RBF神经网络预测模型针对不同土性导热系...