地表净辐射是地表向上和向下的总辐射之差，是估算地表能量收支的重要指标^［1］。作为地表与大气间物质能量交换、全球和区域气候模式中的重要因子，地表净辐射是驱动大气运动的首要能量来源，也是能量平衡方程的重要组分^［2］。地表净辐射在地表热量平衡中细微的变化将直接导致地表其他分量的变化，因此它也是各类生态、水文、气象等陆面过程模型的重要参量。因此对地表净辐射日变化特征的研究，可以帮助人们准确理解地表辐射和能量平衡等一系列陆面过程，对深入了解地球表面上的热力交换过程、数值预报、全球环境变化等方面具有重大意义。

气象台站观测数据与卫星遥感数据是目前研究地表辐射收支参数化方案的两种重要数据来源^［3］。在地面单点净辐射的研究中，主要通过气象台站获取地表净辐射数据。该方法利用空间插值或经验统计通过大气辐射传输模型，分析站点实测地表净辐射与常规气象要素之间的关系，最终建立二者之间的计算模型^［4-7］。该方法在气象站点分布较密集的地区精度较高，但在自然气候条件较为恶劣的地区，稀疏的气象站点难以支持模型准确获取该地区地表净辐射数据，所以此方法在空间尺度的扩展上仍存在一定的局限性^［8］。随着遥感技术的发展，遥感把传统的“点”测量方法获取的有限信息扩展到“面”上，利用卫星遥感数据获取辐射平衡方程各分量的参数值^［9-17］。该方法可以获取大面积地表特征和温度状况等信息，反演多时相、多角度的地表净辐射通量，很好地解决了稀疏的地面观测站点资料难以同化到空间区域的问题，被认为是局地、区域乃至全球尺度地表辐射估算最有发展前景的方法。

塔克拉玛干沙漠具有独特的下垫面和陆面物理过程，在中国天气气候和环境系统中占有重要地位^［18］。目前对塔克拉玛干沙漠地区地表辐射能量平衡的研究主要分为以下3类：①基于气象台站数据分析地表辐射与能量收支特征^［18-23］；②利用陆面过程模型对塔克拉玛干沙漠地表辐射通量进行模拟和分析^［24-27］；③利用SEBS（Surface Energy Balance System）模型与极地轨道卫星数据相结合对地表辐射能量进行模拟估算^［28-29］。但利用气候模式进行地表净辐射参数化过程时，参数化方案存在大量经验参数，这些参数在耦合模拟过程中存在不确定性，会直接影响模拟效果^［30］。利用SEBS模型模拟地表净辐射需要输入参数较为复杂、数据量大，并且极地轨道卫星时间分辨率较低，难以实现对辐射通量日变化的研究。这导致了该地区在日尺度下的地表净辐射研究较少，这极大限制了对塔克拉玛干沙漠地区陆-气相互作用日变化的研究。

本文利用中国第一代地球轨道静止业务气象卫星FY-2F获得的每日多时刻地表温度LST（Land Surface Temperature）数据，结合中分辨率成像光谱仪MODIS（Moderate Resolution Imaging Spectroradiometer）陆表产品数据与中国区域高时空分辨率地面气象要素驱动数据集CMFD（China Meteorological Forcing Dataset），计算各项地表特征参数，对塔克拉玛干沙漠地表净辐射通量进行区域性反演，利用实测数据评估反演精度并分析该地区地表净辐射时空变化特征。该方法简化了地表辐射收支估算模型，可为相关研究提供新的思路与研究基础。

塔克拉玛干沙漠位于新疆塔里木盆地中部，是中国面积最大、世界第二大流动沙漠^［18］（图1）。沙漠总面积33.76万^{km2，东西相距1 000 km，南北相距400 km，海拔 800—1 300 m。由于恶劣的自然条件，该地区植被资源极为匮乏。地表以连片流沙为主，除了和田河与克里雅河等两侧的走廊式林灌草甸带、沙漠公路周围有少量植被，其余地面均被沙漠覆盖［27］。塔克拉玛干沙漠大气环境观测试验站（塔中站，38°58′51″N、83°38′28″E，海拔1 099 m）是目前世界上唯一深入流动性沙漠腹地200 km的大气环境综合观测试验站。该站点降水量稀少，多年平均降水量仅23.0 mm，气候状况稳定，下垫面类型较为均一，地势平坦，因此，可以将其作为塔克拉玛干沙漠的典型代表［31］。}

卫星遥感数据包括FY-2F产品数据与MODIS产品数据。FY-2F是中国自行研制的第一代地球静止轨道气象卫星中的第4颗业务星，该星搭载可见光红外自旋扫描辐射仪，星下点经度为112°E。本文使用2017年每小时地表温度格点场产品，数据从风云卫星遥感数据服务网（http：//www.nsmc.cma.gov.cn/）免费下载。

由于塔克拉玛干沙漠地表反照率α、地表比辐射率ε_s在一天内变化很小，本文利用极地轨道卫星MODIS的温度、比辐射率产品MOD11A1、MOD11C1、MOD09GA计算这两个参数，数据来源于美国宇航局Earth Data网站（https：//earthdata.nasa.gov）。

再分析数据凭借其空间分辨率高、覆盖面积广、时间跨度长以及便于获取和处理的优势被广泛应用。本文气象再分析数据来自国家青藏高原数据中心（http：//data.tpdc. ac.cn）提供的CMFD数据集。该数据集以美国普林斯顿大学再分析资料、GLDAS（Global Land Data Assimilation System）资料、GEWEX-SRB（Global Energy and Water cycle Experiment-Surface Radiation Budget）辐射资料以及TRMM（Tropical Rain-fall Measuring Mission）降水资料为背景场，融合了遥感产品与常规气象原位站观测数据制作而成，是第一个专门为研究中国地表过程而开发的高时空分辨率网格化近地面气象数据集^［32］。为确保数据空间尺度的一致性，本文对卫星数据、气象强迫数据在ArcGIS中进行空间插值处理。上述数据具体信息见表1。

实测数据来自塔中站2017年连续同步观测的地表能量探测系统，地表能量探测系统设备如表2所列。由于塔克拉玛干沙漠地区下垫面的均一性，地表比辐射率时空差异很小。2013年10月至2014年9月期间，沿轮台至民丰、阿拉尔至和田2条沙漠公路，用便携式傅里叶变换热红外光谱仪（FTIR）采集25个野外样点数据作为地表宽波段比辐射率实测数据。

为了将天气等其他因素的干扰降到最低，本文利用塔中站天气记录数据，筛选出塔克拉玛干沙漠2017年各月连续晴天的中间日，大气透明度高、数据相对完整，共50天晴空数据作为数据样本。

地表净辐射是各波长辐射能在地表的净收支：

式中：R_n是地表净辐射；R_swd是向下短波辐射；R_lwd是 向下长波辐射；R_lwu是向上长波辐射；α是地表反照率；T_a为空气温度；LST为地表温度；ε_a和ε_s分别是空气比辐射率和地表比辐射率，ε_a使用Idso等^［33］提出的公式计算；σ为Stefan-Boltzmann常数（σ=5.67×10^-8 W·m^-2·K^-2）。

阿依尼格尔·亚力坤等^［34］基于GLASS数据AB1（Angular Bin1）算法，利用MODIS地表反射率产品（MOD09GA）和实测数据，建立线性回归模型，给出针对塔克拉玛干沙漠区域性地表反照参数化方案，与塔中站实测数据验证，该方法得到的地表反照率精度高于GLASS反照率产品数据。Offerle等^［35］发现，用一天不同时刻的地表反照率值对净辐射进行计算，净辐射结果整体上差异并不大，对精度的提升效果也并不突出。本文利用上述方案计算的宽波段地表反照率来代表一天内的地表反照率。

式中：α₁—α₇分别对应MOD09GA的第1—7波段值。

李火青等^［36］利用FTIR对塔克拉玛干沙漠地表光谱进行多样点观测，将实测比辐射率数据与MODIS比辐射率产品结合，得到适合塔克拉玛干沙漠的宽波段地表比辐射率参数化方程。该方程在沙漠地区的模拟结果比其他估算方法误差低1至2个数量级。故本文采用此方法计算地表比辐射率。

式中：ε₂₉—ε₃₂分别是MODIS第29—32波段的比辐射率值；α₇是MODIS第7波段的反射率值。

该方案主要参数包括空气温度T_a、地表反照率α、地表温度LST、向下短波辐射R_swd和地表比辐射率ε_s。由于再分析数据集在气象模拟过程中往往存在较大的区域不确定性^［37-38］，所以需要对再分析数据集进行精度检验。塔中站没有纳入CMFD的验证站点，所以该站可以作为独立的数据，验证该数据集在塔克拉玛干沙漠地区的适用性。本文选择决定系数（coefficient of determination， R²）、均方根误差（Root Mean Square Error， RMSE）、平均绝对误差（Mean Absolute Error， MAE）和模拟效率（modelling efficiency， EF）这4个评价指标来量化各输入参数与实测值之间的误差（表3）。

从图2与表4可知，空气温度T_a、地表反照率α、地表温度LST、向下短波辐射R_swd和地表比辐射率ε_s与站点实测值的拟合效果都较为理想，模拟效率均在0.75以上，决定系数也均在0.8以上。其中，向下短波辐射R_swd与实测数据的相关性最好，R²为0.991；空气温度T_a次之，R²为0.958；地表温度LST、地表反照率α、地表比辐射率ε_s与实测数据的相关系数分别为0.897，0.882和0.804。地表比辐射率ε_s的RMSE最小，为0.005；地表反照率α，空气温度T_a和地表温度LST次之，分别为3.643、9.350和9.350；向下短波辐射R_swd与实测值的偏差最大，RMSE为25.915。MAE能更好地反映模拟值误差的实际情况：地表比辐射率ε_s的MAE最小，为0.004；其次是地表反照率α、空气温度T_a和地表温度LST，MAE分别为0.008、2.883和8.044；向下短波辐射R_swd与实测值的偏差最大，MAE为16.054。

值得注意的是，所有计算参数中地表温度LST的模拟效率最低，从图2D可以看出，地表温度LST的点主要在1∶1等值线上方聚集，且在等值线上方存在呈圆弧分布的点，这表明FY-2F的温度产品数据在该地区有明显的高估现象。空气温度T_a大部分的点大致散布在1∶1等值线上方，但仍有较少部分点散布在其下方，表明该处的CMFD的空气温度数据也比实测值大，这些都将直接影响后续对净辐射的计算。

净辐射的估算值与实测值拟合效果较好，两者的相关系数在0.96以上（图3）。虽然CMFD的空气温度数据与FY-2F 地表温度数据在该地区都存在高估现象，这会直接导致向下长波辐射R_lwd与地表向上长波辐射R_lwu估算值偏高，但在净辐射计算过程中，两者带来的误差反而会产生部分抵消，所以图3中净辐射的点均匀分布在1∶1等值线两侧。净辐射估算值与实测值RMSE和MAE分别为29.193和20.466，这可能是由于CMFD气象采样点与实际站点存在着坡度、海拔等差异，同时单点的实测数据与像素级和网格级的气象强迫数据、卫星遥感数据存在尺度之间的差异也会造成反演结果的误差。

从图4、表5可知，2017全年地表净辐射的估算值与实测值吻合度较好，所有月份的EF均在90% 以上，整体趋势与RMSE的变化相符合，但并不完全一致。从图5可知，春季的估算值比实测值略低，夏季的拟合效果最优，秋季次之，冬季的拟合情况稍逊。主要由于FY-2F地表温度数据在3月和5月存在高估的情况，并且这种现象在3月的日出前后与5月正午时段极为突出，FY-2F地表温度数据比实测地表温度平均高出5—17 ℃，除此之外，CMFD向下短波辐射数据在5月出现了明显低估现象，平均误差可达40 W∙m^-2，这一点在图5A也有体现，春季地表净辐射估算值在地方时08:30与11:30前后低于实测值。冬季地面存在积雪，地表反照率偏高，为净辐射估算带来很大的不确定性，导致冬季的拟合状况略逊于其他季节。

塔克拉玛干沙漠气候极端干旱，下垫面以流沙裸地为主，这种特殊的地表性质造就了该地区独特的辐射收支平衡特征。以2017年7月8日为例，总体来看，卫星反演结果很好地再现了地表净辐射的日变化特征，净辐射日变化总体呈单峰曲线，日出前地表净辐射达到一天中的最低值，日出后随着地表和空气升温，净辐射也随之逐渐升高，于当地时间正午达到峰值，此后逐渐减小，随着夜间地表和大气辐射降温，净辐射基本为负，但夜间变化不大（图6）。从空间分布上看，绿洲、沙漠和高山冰川之间存在明显差异（图7）。塔克拉玛干沙漠边缘散布的绿洲和农田地区净辐射值最高，塔克拉玛干沙漠腹地次之，高山冰川最低。在08:30—17:30，沿沙漠公路区域的地表净辐射值要略高于沙漠腹地，这是由于沙漠公路两侧防沙绿化带存在些许植被覆盖，导致该区域的净辐射值比周围大，但这种现象在夜间却并不明显。沙漠南缘的昆仑山与阿尔金山的高山冰川区域常年有冰雪覆盖，地表反照率较大，地表反射辐射增多，所以净辐射在该区域呈现出较为明显的低值特征。

地表净辐射日变化存在明显的季节波动性：夏季（6—8月）较大；春（3—5月）秋（9—11月）季次之；冬季（12月至2月）较小，引起这种不同季节之间的差异主要是由于太阳高度角、白昼时间长短不同（图8）。4个季节最大净辐射通量的均值分别为349.24、399.39.4、297.83、190.84 W·m^-2。最小净辐射通量的平均值分别为-68.23、-74.44、-75.18、 -62.83 W·m^-2。虽然各个季节的净辐射变化趋势相同，但变化幅度与正负转换的时间却略有不同。地表净辐射整体表现为：1—4月日峰值逐渐增加，5—8月保持较高水平，9—12月逐渐减小。日峰值最大、最小分别出现在7月和12月，分别为466.182 W·m^-2和101.91 W·m^-2。地表净辐射由负值变为正值的时间从地方时05:30左右推迟到07:30左右，由正值变为负值的时间也从地方时17:30左右提前到15:30。一天中地表净辐射出现正值的累计时间也在不断减小，整体为7—12 h，最长为7月，最短为12月。

利用CMFD产品数据（向下短波辐射和空气温度），结合静止卫星FY-2F、极地轨道卫星MODIS陆表产品数据（地表温度、地表反照率和地表比辐射率），制订了一种简单可行的参数化方案，反演晴空条件下塔克拉玛干沙漠地表净辐射通量。

该方法估算各项参数与实测数据拟合度较高，相关系数R²均在0.8以上。由于塔中站并没有纳入CMFD的验证站点，本文利用这一独立站点数据对CMFD的产品数据进行精度检验，也从侧面验证了CMFD产品数据在该地区气象应用方面潜力巨大。

该方法很好地刻画了塔克拉玛干沙漠地表净辐射时空分布特征。地表净辐射的日变化与季节变化特征均呈单峰型曲线。日出后随着空气温度上升，净辐射逐渐增大，于正午达到峰值，午后值开始逐渐减小，夜间受地表辐射冷却的影响，净辐射基本为负值且变化幅度较小。净辐射夏季最大，春秋季次之，冬季最小。从空间分布上看，塔克拉玛干沙漠边缘散布的绿洲和农田净辐射值最高，沙漠腹地地区次之，沙漠南缘的昆仑山和阿尔金山地区的高山冰川区域净辐射值最低。

从精度检验结果来看，净辐射估算值与净辐射实测值有较好的一致性，相关系数R²为0.967，均方根误差RMSE为29.193 W·m^-2。此方法减少了对地面气象数据的依赖，实现了在空间大尺度上量化塔克拉玛干沙漠实际地表辐射收支的日变化。

将气象站点数据与遥感数据、再分析数据有机结合，特别是利用静止卫星与再分析数据高时间分辨率的特性，可以捕捉一天中多个时刻的地表参数的日变化信息，弥补了在该地区以往净辐射遥感反演研究中仅使用极地轨道卫星获取地表特征参数而导致时间分辨率较低的缺点，实现大尺度下地表净辐射的反演和地表净辐射日动态变化监测。

虽然塔克拉玛干沙漠下垫面具有很好的均一性，但还需要注意的是，站点观测的空间代表性对于卫星遥感反演验证至关重要。由于塔克拉玛干沙漠自然环境恶劣，实测地面观测站点数量有限，如何将地面观测资料与卫星遥感数据有效地进行空间和时间尺度上的匹配还需要进一步研究与完善。

本文提出的塔克拉玛干沙漠地区地表净辐射卫星遥感反演方法在晴空条件下精度较高，但大量有云覆盖的卫星影像仍未被利用，如何建立适用于塔克拉玛干沙漠地区全天空条件下的估算方案是我们下一步工作的重点。另一方面由于FY-2F地表温度数据本身空间分辨率较粗，信噪比较低，对遥感反演地表净辐射的精度影响较大。近年来，随着中国自主研发的第二代地球静止气象卫星FY-4A的成功发射，FY-4A卫星与现有风云二号业务气象卫星相比，空间分辨率有显著提升^［39］，下一步可以尝试利用FY-4A卫星数据作为模型的输入数据来提高反演精度。