DEM空間尺度對可照時數模擬結果的影響——以浙江省仙居縣為例*

李 軍，王 超，趙玉竹

?

DEM空間尺度對可照時數模擬結果的影響——以浙江省仙居縣為例*

李 軍1, 2, 3，王 超1，趙玉竹1

（1．重慶師范大學地理與旅游學院，重慶 401331；2．重慶市高校GIS應用研究重點實驗室，重慶 401331；3．三峽庫區地表過程與環境遙感重慶市重點實驗室，重慶 401331）

以浙江省仙居縣為實驗區，基于4種不同空間分辨率DEM提取相關地形因子，結合可照時數分布式模型，利用數字地形分析和空間數據疊置分析等方法，模擬1月和7月4種空間分辨率下的可照時數，并定量分析DEM尺度效應對模擬結果的影響。結果表明：（1）模擬結果的空間異質性隨分辨率減小而減小，其平均值逐漸增加，且1月增幅大于7月，最大值隨分辨率的變化不大，而最小值差異較大，標準差逐漸減小。（2）受海拔和地形遮蔽影響，平地和山脊處可照時數最多，海拔200?400m區間最少，400?1100m區域可照時數隨海拔增加而增加。以10m分辨率結果為參照，30m、90m和900m分辨率下的差值隨分辨率減小而增加，海拔<100m處差值最小，700?900m區域差值最大，1月日均多算0.7、1.4和2.9h，7月日均多算0.5、0.9和2.3h。（3）坡度0?55°范圍內，可照時數隨坡度增加而減少，30m、90m和900m分辨率與10m分辨率的差值隨分辨率降低而增加，且最小差值均在<5°區域，最大差值在不同坡度等級，1月日均多算2.1、1.8和1.7h，而7月日均多算0.3、0.6和1.2h。（4）受太陽高度角和方位角影響，可照時數在南坡?北坡間的差異較大，東南?西南坡、東坡?西坡以及東北?西北坡之間差異較小，30m、90m和900m分辨率與10m分辨率的差值隨分辨率降低而增加，在偏北坡，1月差值大于7月，最大差值在1月的北坡上，日均多算1.4、2.5和4.8h，在偏南坡上，1月差值小于7月，最大差值在7月的南坡或西南坡上，日均多算0.5、0.9和2.1h。

山地；可照時數；數字高程模型；尺度效應；空間分布

可照時數（Duration of Possible Sunshine，簡稱DPS）是指地理可照時數，即考慮地形遮蔽而不考慮大氣影響時從日出到日落的全天太陽可能照射時間。它是估算太陽輻射的重要參數之一，已被廣泛應用于地表輻射模擬和能量平衡等研究。對于多山且地形地貌復雜地區，由于緯度、海拔、坡度、坡向以及地形遮蔽度等因子的差異，可照時數空間異質性很大，其空間分布研究對于太陽能等氣候資源區劃及其開發利用、山地生態環境保護等均具有十分重要的意義[1]。

國內學者對可照時數空間分布的研究開始于理論模型，翁篤鳴等[1?5]等自20世紀80年代初陸續提出了不同的理論算法，但受制于計算條件等因素的限制，諸多地理和地形因子的提取只能在小范圍借助地形小網格的圖解法確定[4?5]，數據計算和分析能力十分有限，計算過程繁瑣且耗時長，制圖效果也差。之后，數字高程模型（DEM）的提出，數字地形分析的廣泛應用以及多種高空間分辨率DEM數據的免費獲取等，為山地可照時數空間分布研究提供了很好的條件，目前，基于DEM的山地可照時數空間分布模型已經成熟。國外，Dozier[6]在20世紀70年代末首次在地形參數快速算法的基礎上提出了基于DEM的太陽輻射空間化方法。之后，Dubayah等[7?10]相繼開展了基于GIS的直接輻射、散射輻射、總輻射和可照時數等不同太陽輻射要素的空間分布模擬研究。國內學者在20世紀90年代初開始基于DEM的山地可照時數空間分布研究。李新等[11]修正了基于DEM的日照時數空間分布模擬方法。曾燕等[12]利用1km分辨率DEM數據和基于PCI軟件的二次開發程序實現了中國可照時數的空間分布模擬，并探討了其受不同地形的影響。黃晚華等[13]改進了坡面日照計算模型，并利用模型、Citystar軟件和500m分辨率的地形數據，估算了湖南省的年日照時數。李軍等[14]以20m分辨率的DEM數據為基礎分析了浙江省仙居縣可照時數空間分布特征。孫嫻等[15]基于100m分辨率DEM數據，考慮了坡度、坡向、地形遮蔽等對可照時數的影響，通過數值模擬確定陜西省山地可照時數計算模型?王懷清等[16]基于1:25萬DEM構建了可照時數自動計算模型。近年來，張超等[17]基于DEM實照時數計算模型，以廣西省巴馬縣為例，對實照時數時空分布進行了模擬和驗證，采用的DEM是分辨率約為30m的ASTER GDEM?盧燕宇等[18]構建了起伏地形天文輻射模型，并以安徽省為例，對模型進行了參數化和應用。由以往研究可見，在基于DEM的可照時數空間分布模擬中，DEM數據是重要的輸入參數，對結果的影響非常顯著，然而，由于地形表面特征、空間尺度、DEM結構、內插方法和采樣點等原因致使DEM數據存在誤差，其中，不同空間分辨率的DEM在很大程度上反映了對真實地形的概括程度，也是山地可照時數模擬中由于其空間尺度效應產生誤差的重要根源。DEM的空間分辨率越小，尺度越大，對真實地形的概括程度越低，地形因子的誤差越大[19]。目前，基于不同分辨率的DEM分析其尺度效應對可照時數等太陽輻射要素的影響研究報道并不多見，而且，采用DEM的空間分辨率普遍較粗，不能較準確反映山地可照時數的空間異質性[20?22]。

本研究以浙江省仙居縣為例，綜合考慮目前應用較廣泛的DEM數據源、研究區范圍大小、數據計算量以及便于模擬結果的定量比較等因素，利用10、30、90和900m共4種不同空間分辨率的DEM數據，模擬起伏地形下不同空間尺度可照時數，并定量分析DEM的空間尺度效應對模擬結果的影響，以期為提高山地可照時數等太陽輻射要素的模擬精度、分析其模擬過程中存在的不確定性、以及山地其它氣候要素空間化精細模擬和山地氣候資源區劃等提供依據和借鑒。

1 資料與方法

1.1 研究區概況

研究區為仙居縣，地處浙江省東南丘陵山區，介于28°28′14″?28°59′48″N和120°17′6″? 120°55′51″E。總面積1996km2，其中，山地面積1624km2，約占全縣土地總面積的81.4%，屬于典型的山區（圖1）。

1.2 DEM數據

（1）1:10000的DEM

將仙居縣1:10000數字化地形圖在地理信息系統軟件ArcGIS建立不規則三角網（TIN），并通過空間內插得到10m空間分辨率的DEM（圖1），從中提取緯度、坡度、坡向等地理和地形因子空間數據，并將10m×10m網格作為推算可照時數的最小空間單元。

（2）其它3種空間分辨率的DEM

根據研究區邊界，分別從目前應用廣泛且能免費獲取的3種空間分辨率DEM數據庫（ASTER GDEM，SRTM和GTOPO30′）中截取，并進行投影轉換和重采樣等，得到實驗區3種空間分辨率的DEM數據，分辨率為30m、90m和900m。

1.3 山地可照時數的分布式模型

根據文獻[1?2]的研究結果，起伏地形下可照時數可表示為

（1）水平面可照時數（T0）

（3）地形遮蔽系數（gi）

起伏地形下，一天內某時段i的遮蔽情況取決于該時段內起始和結束兩時刻的遮蔽情況，若兩時刻均可照，則此時段可照，地形遮蔽系數取1；若兩時刻均遮蔽，則此時段遮蔽，地形遮蔽系數取0；若一個時刻可照，另一個時刻遮蔽，則此時段的地形遮蔽系數取0.5。某時刻的地形遮蔽情況可利用ArcGIS中的山體陰影函數（輸入坡度、坡向以及某時刻太陽天頂角和太陽方位角）計算得到，其中，遮蔽半徑取20km。

時間步長越短，模擬結果的精度越高，但其計算時間越長。根據李占清等研究，時間步長取20min與1min時的模擬結果僅相差5%[1?2]，在考慮數據計算量和模擬結果精度等因素后，將時間步長設為10min。

1.4 可照時數的模擬

以上模型中分別輸入4種空間分辨率的DEM和其它參數，利用ArcGIS對空間數據的疊加運算和分析功能等，得到研究區任意一天的可照時數模擬結果，一般將逐日可照時數累加可得到月或年可照時數。為了減少計算量，根據氣候學的相關論述[1,3]：取每月第15日為代表日，將每月代表日的可照時數乘以當月天數作為該月可照時數；考慮到冬夏季之間的差異較顯著，僅計算1月和7月代表日（第15日和第196日）的可照時數，乘以31得到1月和7月4種不同空間分辨率的可照時數。

2 結果與分析

2.1 DEM尺度對典型月可照時數空間分布的影響

由圖2和圖3可見，不論1月還是7月，研究區內可照時數分布的空間異質性均隨著空間分辨率的減小（10m、30m、90m和900m）而減小，直觀上看，10m、30m和90m分辨率下可照時數空間分布有隨高度、坡度、坡向等地形因子變化的特征，具體表現為平地和山脊的可照時數多，低海拔的山谷區域可照時數少，且其間差異不明顯，而900m分辨率下可照時數的空間分布均已看不出隨地形因子變化的特征。圖2與圖3相比可知，7月可照時數比1月多，空間異質性明顯比1月小，說明冬季可照時數受地形影響比夏季顯著。

為進一步定量比較不同空間尺度可照時數的差異性，利用ArcGIS的空間分析功能，統計典型月份（1月和7月）4種不同空間分辨率可照時數模擬結果的最小值、最大值、平均值和標準值，結果見表1。由表可看出，無論7月還是1月，隨著空間分辨率的減小，可照時數的平均值均逐漸增加，且1月增幅大于7月。進一步分析可見，不同分辨率下模擬的可照時數最大值間基本無差異，主要是由于可照時數的最大值常分布在平地和山頂，說明其對空間分辨率較不敏感。不同分辨率下模擬的可照時數最小值間差異很大，7月可照時數最小值隨著分辨率的降低逐漸增加，1月可照時數最小值一直為0，當分辨率降至900m時1月可照時數最小值從0陡增到220.1h，這是因為可照時數最小值常分布在坡度和地形遮蔽度大的區域，而這些地形因子對空間分辨率較敏感。從標準差的比較可見，隨著空間分辨率的降低，可照時數模擬結果的標準差逐漸減小，1月減幅大于7月，說明其模擬精度降低、空間異質性變小。

圖2 不同空間分辨率下仙居縣1月可照時數分布

圖3 不同空間分辨率下仙居縣7月可照時數分布

表1 不同空間分辨率下可照時數計算結果的統計特征值(h)

2.2 DEM尺度對典型月可照時數隨海拔高度分布的影響

利用ArcGIS的空間分析功能，將海拔高度按每100m分類，大于1100m作為一類，共分為12類進行統計，結果見表2和表3。由表2可看出，基于4種分辨率DEM計算的1月可照時數隨海拔高度變化均表現出同樣特點：平地（<200m）和山脊（>1100m）最多，200?400m區域由于受地形遮蔽影響最大，可照時數最少，400?1100m可照時數隨海拔高度增加逐漸增加。但從具體數值看，不同分辨率間存在一定差異。以10m分辨率的1月可照時數為參照，分別計算30m、90m和900m分辨率時1月可照時數在不同海拔高度上的差值，在海拔<100m的平地區域差值相對較小，高于100m區域差值呈現增加趨勢，但無論是哪個海拔高度等級上，各分辨率下可照時數與10m分辨率下的差值均隨分辨率的減小而增加。在海拔700?900m區域各分辨率與10m分辨率下的差值最大，30m、90m和900m分辨率時差值分別達到22、42、92h左右，相當于1月日平均可照時數多算0.7、1.4和2.9h?？梢姡直媛蕦Τ降赝馄渌鼌^域1月可照時數的計算結果均有明顯影響，分辨率越低，這些區域計算的1月可照時數越多，日可照時數可能偏多2～3h。

7月可照時數隨海拔高度的總體變化（表3）特點與1月類似，也表現為平地和山脊最多，200?400m區域最少，400?1100m區域隨海拔高度增加逐漸增加。各分辨率下可照時數與10m分辨率下的差值在各海拔高度等級上均隨分辨率的減小而增加，但差值均小于1月，此外，還存在一些具體的差異，相對1月而言，分辨率對7月可照時數的影響稍弱，與10m分辨率的差值最大也在海拔700?900m區域，其它分辨率的差值分別為15、28、71h左右，日平均可照時數約多算0.5、0.9和2.3h。可見，盡管7月的太陽高度角較高，可照時數受地形遮蔽影響較小，但分辨率對可照時數的計算結果仍有較明顯影響，日可照時數可能偏多2h以上。

表2 分海拔高度統計不同空間分辨率的1月可照時數(h)

表3 分海拔高度統計不同空間分辨率的7月可照時數(h)

2.3 DEM尺度對典型月可照時數隨坡度分布的影響

為了定量分析不同坡度處4種不同空間分辨率下可照時數的差異及其對可照時數的影響，利用ArcGIS的空間分析功能，將坡度按每5°分類，大于75°作為一類，共分16類統計不同坡度等級處不同空間分辨率的1月和7月可照時數，結果見表4和表5。

由表4可看出，基于4種分辨率DEM計算的1月可照時數隨坡度變化表現出共同特征，即在一定坡度范圍（0?55°），坡度越陡，可照時數越少，與10m分辨率下可照時數的差值隨著分辨率的降低而增加；各分辨率的差別在于：分辨率越低，坡度的空間異質性越差，甚至900m分辨率下的模擬結果不存在坡度大于25°的區域，在>55°的陡坡區域，坡度可能不是主要影響因素，因此，導致可照時數隨坡度先增加后減少的變化特征。由表4還可見，30m、90m和900m分辨率下模擬的可照時數在不同坡度上與10m分辨率下的差值表現為，在<5°的平緩坡區域差值最小，>5°區域不同分辨率下的差值呈現不同的變化規律，30m分辨率下的差值在5°?25°區域呈現減少趨勢，而在25°?70°區域呈現增加趨勢，90m分辨率下的差值在5°?25°區域無明顯變化規律，而在25°?60°區域也呈現增加趨勢，900m分辨率下的差值在5°?20°區域也呈現增加趨勢，30m、90m和900m分辨率下最大差值分別達到66、56、52h左右，相當于每日平均多算2.1、1.8和1.7h。

由表5可以看出，7月可照時數隨坡度的總體變化與1月相比具有共同特點，即坡度越陡，可照時數越少，與10m分辨率下可照時數的差值也隨著分辨率的降低而增加，900m分辨率下計算結果也不存在坡度大于25°的區域。無論哪種分辨率下，與10m分辨率下可照時數的差值均在<5°的平緩坡區域最小。各分辨率的差別在于，無論哪個坡度等級，30m、90m和900m分辨率下7月可照時數與10m分辨率下的差值均小于1月，尤以30m和90m分辨率下的差值在>40°的較陡區域減小較多，且在>5°區域兩個分辨率下的差值表現不同，30m分辨率下的差值在海拔5°?25°區域呈現減少趨勢，而在25°?45°區域呈現增加趨勢，>45°區域的波動較大，無明顯變化規律，90m分辨率下的差值在5°?25°區域也呈現減少趨勢，在25°?40°區域呈現增加趨勢，>40°區域無明顯變化規律，而900m分辨率下與10m分辨率下可照時數的差值，在不同海拔區域變化趨勢不明顯。30m、90m和900m分辨率下可照時數與10m分辨率下的最大差值分別為10、19、36h左右，相當于日均多算了0.3、0.6和1.2h。

表4 分坡度統計不同空間分辨率下的1月可照時數(h)

注：? 表示無統計值。下同。

Note: ? means no statistical value. The same as below.

表5 分坡度統計不同空間分辨率下的7月可照時數

2.4 DEM尺度對典型月可照時數隨坡向分布的影響

利用ArcGIS的空間分析功能，將坡向劃分為8個方位，分別統計各方位1月和7月可照時數的平均值（圖4），定量分析DEM尺度對1月和7月可照時數隨坡向分布的影響。

由圖4可見，基于4種分辨率DEM計算的1月和7月可照時數隨坡向變化均表現出共同特點，即東南?西南坡、東坡?西坡以及東北?西北坡之間的差異均較小，南坡?北坡之間的差異均較大；隨著分辨率的減小，任何坡向的可照時數均呈現增多趨勢，其中，1月在東坡?西坡的增幅與7月基本相同，900m分辨率的可照時數在不同坡向的差異均很小，其不同特征表現為，30m、90m和900m分辨率下1月可照時數與10m分辨率下在偏北坡（包括西北坡、北坡和東北坡）的差值大于7月，其中最大差值在1月北坡上，分別達到42、79、149h左右，相當于1月每日平均多算了1.4、2.5和4.8h，而在偏南坡（包括西南坡、南坡和東南坡）的差值小于7月，其中最大差值在7月南坡或西南坡上，分別達到16、29、66h左右，相當于7月每日平均多算0.5、0.9和2.1h。無論哪種分辨率，對于1月可照時數，南坡最多，其余方位表現為東南坡/西南坡>東坡/西坡>東北坡/西北坡，北坡最小；而對于7月可照時數，北坡最多，其余表現為東北坡/西北坡>東坡/西坡>東南坡/西南坡，南坡最小?？梢姡直媛蕦?月和7月可照時數的計算結果均有明顯影響，分辨率越低，計算的可照時數越多，1月每日可照時數可能偏多1.4～4.8h，而7月每日可照時數可能偏多0.5～2.1h。

3 結論與討論

（1）DEM存在空間尺度效應，因此，基于DEM的可照時數模擬也必然受到DEM空間尺度效應的影響，1月或7月模擬結果的空間異質性均隨分辨率的減小而減小，900m分辨率下的結果隨地形的變化特征不明顯，其它分辨率的7月模擬結果受地形影響比相應分辨率下1月的模擬結果更明顯。

（2）隨著分辨率的減小，1月或7月模擬結果的平均值均逐漸增加，且1月的增幅大于7月。由于模擬結果的最大值分布在平地或山頂，對分辨率不敏感，因此，不同分辨率下模擬的最大可照時數基本無差異，而最小值分布在坡度和地形遮蔽度大的區域，對分辨率較敏感，隨分辨率變化較大。由于隨分辨率的減小，模擬結果精度降低，空間異質性變小，因此標準差減小。

（3）可照時數受海拔高度影響明顯，平地和山脊處最多，海拔200?400m區域受地形遮蔽影響大，可照時數最少，400?1100m區域隨海拔高度增加逐漸增加。以10m分辨率模擬結果為參照，30m、90m和900m分辨率下的差值均隨分辨率的減小而增加。在海拔<100m的平地區域差值較小，＞100m區域隨海拔增加呈現增加趨勢，700?900m區域差值最大，1月日平均約多算0.7、1.4和2.9h，相對1月，分辨率對7月模擬結果影響稍弱，7月日均約多算0.5、0.9和2.3h。

圖4 不同分辨率下1月和7月可照時數隨坡向的變化(h)

（4）可照時數受坡度影響也十分明顯。在0?55°坡度范圍，坡度越陡，可照時數越少，與10m分辨率的差值隨分辨率的降低而增加，且30m、90m和900m分辨率下的最小差值均在<5°的平緩坡區域，最大差值出現在不同坡度等級，1月日均多算2.1、1.8和1.7h，7月日均多算0.3、0.6和1.2h。

（5）受太陽高度角的影響，坡向對可照時數的影響也不容忽視。南坡?北坡之間的差異較大，東南?西南坡、東坡?西坡以及東北?西北坡之間的差異較??；總體分布特征表現為，1月，南坡>東南坡/西南坡>東坡/西坡>東北坡/西北坡>北坡，7月，北坡>東北坡/西北坡>東坡/西坡坡>東南坡/西南坡>南坡；不同坡向上，30m、90m和900m分辨率下可照時數與10m分辨率下的差值隨分辨率的降低而增加，在偏北坡（包括西北坡、北坡和東北坡）上，1月差值大于7月，最大差值出現在1月的北坡上，日均多算1.4、2.5和4.8h，而在偏南坡（包括西南坡、南坡和東南坡）上，1月的差值小于7月，最大差值出現在7月的南坡或西南坡上，日均多算0.5、0.9和2.1h。東坡?西坡上，1月與7月的變化基本一致。

山區的光溫水等主要氣候要素受局地地形影響呈現顯著的空間異質性，目前，高精度DEM、數字地形分析、基于遙感反演的地表參數獲取等綜合應用可顯著提高山區氣候要素空間分布的模擬精度，能夠在一定程度上解決由于山區氣象站點稀少估算氣候要素空間分布困難等現實問題，然而，山區氣候復雜多變，如何準確定量分析山區氣候要素和諸多地形因子之間的關系并提高空間分布的模擬精度一直是研究熱點和難點，還需深入研究。

[1] 翁篤鳴,羅哲賢.山區地形氣候[M].北京:氣象出版社,1990.

Weng D M,Luo Z X.Topographical climate in mountainous areas[M].Beijing:China Meteorological Press,1990.(in Chinese)

[2] 李占清,翁篤鳴.一個計算山地可照時間的計算機模式[J].科學通報,1987,(17):1333-1335.

Li Z Q,Weng D M.A computer model to determine topographic parameters[J].Acta Geographica Sinica,1987,(17): 1333-1335.(in Chinese)

[3] 傅抱璞.山地氣候[M].北京:科學出版社,1983.

Fu B P. Climate in mountainous areas[M].Beijing:Science Press,1983.(in Chinese)

[4] 傅抱璞,虞靜明,盧其堯.山地氣候資源與開發利用[M].南京:南京大學出版社,1996.

Fu B P,Yu J M,Lu Q Y.Climate sources,development and utilization in mountainous areas[M].Nanjing:Nanjing University Press,1996.(in Chinese)

[5] 朱志輝.等可照時間與等日照方位[J].中國科學(B輯),l987, (12):1340-1347.

Zhu Z H.Equal insolation duration and equal sunshine azimuth[J].Science in China Series B,l987,(12):1340-1347.(in Chinese)

[6] Dozier J,Outcalt S I.An approach to energy balance simulation over rugged terrain[J].Geographic Analysis,1979, 11(1):65-85.

[7] Dubayah R,Dozier J,Davis W F.Topographic distribution of clear sky radiation over the Konza Prairie,Kansas[J].Water Resources Research,1990,26(4):679-690.

[8] Dozier J,Frew J.Rapid calculation of terrain parameters for radiation modeling from digital elevation data[J].IEEE Transaction on Geoscience and Remote Sensing,1990,28(5): 963-969.

[9] Kumar L,Skidmore A K,Knowles E.Modeling topographic variation in solar radiation in a GIS environment[J]. International Journal of Geographic Information Science,1997, 11(5):475-497.

[10] Pinde F U,Rich P M.A geometric solar radiation model with application in agriculture and forestry[J].Computer and Electionics in Agriculture,2002,37:25-35．

[11] 李新,程國棟,陳賢章,等.任意地形條件下太陽輻射模型的改進[J].科學通報,1999,44(9):993-998.

Li X,Cheng G D,Chen X Z,et al.Modification of solar radiation model over rugged terrain[J].Chinese Science Bulletin,1999,44(9):993-998.(in Chinese)

[12] 曾燕,邱新法,繆啟龍,等.起伏地形下我國可照時間的空間分布[J].自然科學進展,2003,13(5):545-548.

Zeng Y,Qiu X F,Miao Q L,et al.Distribution of possible sunshine durations over rugged terrains of China[J]. Progress in Natural Science,2003,13(5):545-548.(in Chinese)

[13] 黃晚華,帥細強,汪擴軍.考慮地形條件下山區日照和輻射的GIS模型研究[J].中國農業氣象,2006,27(2):89-93.

Huang W H,Shuai X Q,Wang K J.A study on GIS-based model of sunlight and radiation in view of terrain in mountain areas[J].Chinese Journal of Agrometeorology, 2006,27(2): 89-93.(in Chinese)

[14] 李軍,黃敬峰.基于DEM的山地可照時間的空間分布[J].浙江大學學報(理學版),2007,34(3):346-350.

Li J,Huang J F.Spatial distribution of duration of possible sunshine based on DEM in mountain area[J].Journal of Zhejiang University (Science Edition),2007,34(3):346-350. (in Chinese)

[15] 孫嫻,王娟敏,姜創業,等.陜西省山地日照時間的空間分布特征[J].自然資源學報,2010,25(4):625-635.

Sun X,Wang J M,Jiang C Y,et al.The spatial distribution of sunshine duration of mountain terrain[J].Journal of Natural Resources,2010,25(4):625-635.(in Chinese)

[16] 王懷清,殷劍敏,占明錦,等.考慮地形遮蔽的日照時數精細化推算模型[J].中國農業氣象,2011,32(2) :273-278.

Wang H Q,Ying J M,Zhan M J,et al.Refine project model of sunshine resources in China considering terrain masking[J]. Chinese Journal of Agrometeorology,2011,32(2):273-278.(in Chinese)

[17] 張超,吳良林,楊妮,等.基于GIS的喀斯特山區實照時數時空分布研究:以廣西巴馬瑤族自治縣為例[J].自然資源學報,2014,29(11):1968-1978.

Zhang C,Wu L L,Yang N,et al.Study on temporal and spatial distribution of sunshine duration based on GIS in karst mountain area-taking Guangxi Bama county for example[J]. Journal of Natural Resources,2014,29(11):1968-1978.(in Chinese)

[18] 盧燕宇,田紅,侯恩兵,等.實際地形下地表太陽總輻射的簡化算法及應用[J].中國農業氣象,2017,38(7): 397-406.

Lu Y Y,Tian H,Hou E B,et al.A simplified calculation method of surface solar radiation over rugged terrains:the procedure and its application in Anhui province[J].Chinese Journal of Agrometeorology,2017,38(7):397-406.(in Chinese)

[19] 湯國安,劉學軍,閭國年.數字高程模型及地學分析的原理與方法[M].北京:科學出版社,2005.

Tang G A,Liu X J,Lv G N.Principles and methods of digital elevation model and analysis[M].Beijing:Science Press,2005. (in Chinese)

[20] Daniel W M,Brendan G M,Brian L Z.Calibration and sensitivity analysis of a spatially distributed solar radiation model[J].International Journal of Geographical Information Science,1999,13(1):49-65.

[21] 張勇,陳良富,柳欽火,等.日照時間的地形影響與空間尺度效應[J].遙感學報,2005,9(5):521-530.

Zhang Y,Chen L F,Liu Q H,et al.Topographic and spatial- scaling effects on the sunlit time of the different terrains[J]. Journal of Remote Sensing,2005,9(5):521-530.(in Chinese)

[22] 姜創業,孫嫻,王娟敏,等.山地天文輻射的地形影響與空間尺度效應研究[J].高原氣象,2010,29(5):1230-1237.

Jiang C Y,Sun X,Wang J M,et al.Influences of various local topographic factors on astronomical radiation of mountain and its spatial scale effect in mountainous region[J].Plateau Meteorology,2010,29(5):1230-1237.(in Chinese)

Effect of Spatial Scale of DEM on Spatial Simulation of Duration of Possible Sunshine: A Case Study in Xianju County, Zhejiang Province

LI Jun1,2,3，WANG Chao1，ZHAO Yu-zhu1

（1.College of Geography and Tourism, Chongqing Normal University, Chongqing 401331, China; 2.Key Laboratory of GIS Application of Chongqing, Chongqing 401331; 3.Chongqing Key Laboratory of Earth Surface Processes and Environmental RemoteSensing in Three Gorges Reservoir Area, Chongqing 401331）

To analyze the effects of DEM with different spatial resolution on the numerical simulation of Duration of Possible Sunshine (DPS) based on DEM, Xianju County in Zhejiang Province was selected as the study area. DEM data with four spatial resolutions (10m, 30m, 90m, and 900m) derived from 1:10000 digital topographic map, ASTER GDEM, SRTM and GTOPO30′, respectively were used in this study. The topographic factors of altitude, slope, aspect, etc were derived from DEM. Using digital terrain analysis and spatial analysis for topographic factors and the distributed statistical model of DPS in GIS platform, this paper simulated the spatial distribution of DPS with four spatial resolutions in January and July. Then the effect of DEM scale on DPS simulation was analyzed. The results showed that spatial heterogeneity of DPS decreased as the spatial resolution decreased. Spatial distribution characteristics of DPS with topographic factors became increasingly hard to identify. The spatial data statistics showed that the average value increased with decreasing spatial resolution, while the standard deviation decreased. The maximum value varied little with spatial resolution, but the minimum value was quite different. Affected by altitude and other topographical factors, DPS was longest on flat and mountain ridges, while it was shortest in the region distributed at altitudes from 200?400m above sea-level. Moreover, it increased with the increasing altitude from 400?1100m above sea-level. Taking the DPS with 10m resolution as reference, the difference between the DPS with the other three spatial resolutions and the DPS with 10m resolution increased with the decrease of resolution. The minimum was at an altitude of <100m. The greatest differences were concentrated in the region of 700?900m. The average daily DPS in January were about 0.7h, 1.4h, and 2.9h more, while the one in July were about 0.5h, 0.9h, and 2.3h more. The DPS decreased with the increase of slope when the slope was in the range of 0?55°. The difference between the DPS with three spatial resolutions (30m, 90m, and 900m) and the reference value with 10m resolution increased with the decrease of resolution. The minimum all appeared in the flat region of slope 0?5°. The maximum occurred in the area with a steeper slope. The average daily DPS in January were about 2.1h, 1.8h, and 1.7h more, while the one in July were about 0.3h, 0.6h, and 1.2h more. Due to the effect of sloar altitude and azimuth angle, there was a great DPS differences between the south slope and the north slope. While the differences between SE slope and SW slope, E slope and W slope, NE slope and NW slope were smaller. The DPS differences with the reference value in all slopes increased with the decrease of resolution. In the northern slope (N, NE, and NW slopes), the difference in January was greater than that in July. The maximum occurred in the northern (N slope) slope of January. The average daily DPS were about 1.4h, 2.5h, and 4.8h more. In the southern slope (S, SE, and SW slopes), the difference in January was less than that in July. The maximum occurred in the southern slope (S or SW slope) of July. The average daily DPS were about 0.5h, 0.9h, and 2.1h more.

Mountain area; Duration of possible sunshine; Digital elevation model; Scale effect; Spatial distribution

10.3969/j.issn.1000-6362.2019.04.006

2018?10?10

重慶市前沿與應用基礎研究計劃一般項目（cstc2015jcyjA0332）；國家自然科學基金（41807498）

李軍（1974?），博士，副研究員，主要從事農業遙感和地理信息系統應用研究。E-mail: junli@cqnu.edu.cn

李軍,王超,趙玉竹.DEM空間尺度對可照時數模擬結果的影響:以浙江省仙居縣為例[J].中國農業氣象,2019,40(4):250-259