董国涛, 王鸣程, 白 娟, 蒋晓辉, 何宏谋, 党素珍, 王化儒

(1.黄河水利委员会黄河水利科学研究院, 郑州450003; 2.中国科学院 昆明植物研究所山地生态系统研究中心, 昆明650201;3.山西师范大学 城市与环境科学学院, 山西 临汾 041000; 4.黄河水资源保护科学研究院, 郑州 450003)



基于遥感的泾河流域日蒸散量估算

董国涛1, 王鸣程2, 白 娟3, 蒋晓辉1, 何宏谋1, 党素珍1, 王化儒4

(1.黄河水利委员会黄河水利科学研究院, 郑州450003; 2.中国科学院 昆明植物研究所山地生态系统研究中心, 昆明650201;3.山西师范大学 城市与环境科学学院, 山西 临汾 041000; 4.黄河水资源保护科学研究院, 郑州 450003)

蒸散发是陆地水分和能量循环过程中的重要环节。利用遥感数据与传统蒸散发模型相结合的方法，对泾河流域2006年3—10月日实际蒸散量进行动态模拟，并利用LAS站实测数据对模拟结果进行了验证。结果表明：1) 基于遥感的P-T方法估算地表实际蒸散发可获得较好的效果。2) 泾河流域蒸散发空间上，总体趋势为“南高北低；东西两侧山区高，中部平原低”；林地蒸散量最高，其次为农田，最低的是草地。3) 时间上，泾河流域蒸散发呈单峰型分布，7月、8月份的蒸散发量最高。4) 月均气温、月降雨量和月均植被指数与月均蒸散发量的相关系数分别在0.8，0.5，0.7左右，表明温度、降水和植被是影响泾河流域蒸散发的关键因素。

蒸散发; 遥感; 区域蒸散发模型; 泾河流域

蒸散发(Evapotranspiration，ET)包括土壤、水面的蒸发和植被蒸腾，是陆地生态系统水分输出的主要途径，是认识和研究地气相互作用中水量平衡和热量平衡过程的重要参量，也是植被生长状况与作物产量的重要指标[1]。蒸散发量的大小反映了陆面过程中地、气作用的强度，准确地估算区域地表蒸散量对于流域水资源管理和农业旱情监测等具有重要意义[1-2]。自1802年Dalton提出计算蒸发的公式以来，蒸散发理论取得一系列重要成果[3-8]，如波文比能量平衡法、空气动力学方法、涡度相关法、Penman-Monteith公式、Priestley-Taylor公式等。这些理论主要是在点尺度上应用，而在区域尺度上的应用仍有很多局限性。

从20世纪70年代起，遥感不仅作为获取区域信息的手段，而且开始作为一门独立的学科提出了一些估算区域蒸散发的方法，区域蒸发量的研究取得了突破性成果，并发展了许多遥感蒸散发模型。遥感估算区域蒸散发的方法主要分为[9]：经验统计模型、与传统方法相结合的遥感模型、地表能量平衡模型和陆面过程与数据同化等。其中与传统模型相结合的遥感模型方法，既具有较为坚实的理论基础，又能用遥感获取区域尺度的参数，国内外得到广泛的应用[10-12]。本研究在传统Priestley-Taylor(P-T)公式[8]的基础上，采用多源遥感数据驱动模型，对泾河流域2006年3—10月的日实际蒸散量进行估算，结合地表LAS实测数据对模型的模拟精度进行评价，并进一步分析研究区实际蒸散发的时空分布特征及降水和植被对实际蒸散发的影响，为泾河流域的水文过程模拟提供基础数据，对研究泾河流域水资源综合管理具有重要意义。

1 研究区概况

泾河是渭河重要的支流，发源于宁夏泾源县六盘山东麓，由西北向东南流经宁夏、甘肃、陕西3省区，在陕西省高陵县陈家滩注入渭河。流域位于106°14′—108°42′E，34°46′—37°19′N，全长483 km，流域面积45 421 km2，流域绝大部分位于陇东黄土高原。流域北缘有贺兰山、鄂尔多斯高原，南为秦岭山脉，西依六盘山脉，东抵子午岭山系，地貌分为北部黄土丘陵区、中部黄土残塬区、西南部山地林区和东南部山地河川区。地势西北高，东南低，总体是东北西三面向东南倾斜。

泾河流域属于大陆性气候，是半湿润—半干旱过渡带，气温南高北低，年平均气温8～13℃，年平均降水量390～560 mm，降雨时空分布不均，由东南向西北逐渐递减，降水主要集中于7—9月，多以暴雨形式出现，约占全年降水量的50%～60%[13]。泾河位于六盘山和子午岭森林分布区之间，流域的中上游主要为草地，流域的中下游主要为农田，灌丛主要处于森林向农田和草地的过渡区，这4种土地利用类型占流域总面积的比例超过90%[14]。土壤类型主要为黄绵土、黑垆土、褐土、新积土等。

2 研究方法及数据处理

2.1 研究方法

本文采用传统模型与遥感数据产品相结合的方法计算潜在蒸散发。选择P-T公式[8]，P-T模型是Priestley and Taylor对Penman 公式的修正式，主要输入参数为大气温度和太阳净辐射，这两个参量可通过遥感数据计算获取，基于遥感数据的P-T模型计算流程见图1。

图1 基于遥感数据的P-T模型计算流程

2.1.1 Priestley-Taylor公式 Priestley-Taylor是在平衡蒸发(当下垫面上空的空气趋于饱和或当下垫面的湿度与空气相等时的蒸发)的基础上，引入常数α，从而推导出无平流条件下潜在蒸散发的计算公式，其与Penman 公式的主要差别在于没有考虑空气动力项，Priestley-Taylor公式的表达式如下：

(1)

式中：ETP——潜在蒸散发(mm)；α——Priestley-Taylor系数，不同条件需要修正；Rn——地表净辐射量(W/m2)；G——土壤热通量(W/m2)；λ——汽化潜热(MJ/kg)；Δ——饱和水气压—温度曲线斜率(kPa/℃)；γ——干湿表常数(kPa/℃)。

饱和水汽压曲线斜率Δ计算公式如下：

(2)

式中：Ta——气温(℃)。

干湿表常数计算公式采用下式：

(3)

式中：Pr——空气定压比热，取值1.013×10-3MJ/(kg·℃)一定气压下，单位体积的空气温度升高1℃所需的能量为1.013×10-3MJ/(kg·℃)；Pr——大气压(kPa)；ε——水汽分子量与干空气分子量之比，值为0.622；λ——汽化潜热，取值2.45 MJ/kg；也可通过下式计算：

λ=2.50-0.0022Ta

(4)

区域尺度上大气压基于海拔估算：

(5)

式中：H——海拔高度(m)，由DEM数据获取。

净辐射是驱动地表蒸散和显热通量的主要来源[15]，本文中利用GLDAS数据产品净短波辐射和净长波辐射计算获得。土壤热通量的估算本文采用Su[16]提出的计算方法，对于有植被覆盖的地面，计算公式如下：

(6)

式中：全植被覆盖下，土壤热通量与净辐射的比值τc=0.05；裸地情况下，土壤热通量与净辐射比值τs=0.315；fc——植被覆盖率。

对于水体和冰雪，土壤热通量的计算多采用与Rn取比值的方法，本文水体的土壤热通量与净辐射的比值取0.5[16]，即

G=0.5Rn

(7)

2.1.2 日潜在蒸散发推求 本文采用正弦曲线法求算潜在蒸散发的日过程，根据谢贤群的研究结果[17]，当达到农田上的净辐射与土壤热通量之差为零时，蒸发速率为零，一般出现在日出后1 h和日出前1 h左右，同时潜在蒸散发的日变化过程呈现余弦曲线的变化趋势。最大潜在蒸散发量出现在当地正午时间，通过该最大值可计算出曲线上任何时间点的潜在蒸散发[18]，计算公式如下：

(8)

式中：ETPmax——日最大潜在蒸散发；t——任意时间点，trise，tset——日出时间和日落时间，分别对应净辐射变为正和变为负的当地时间，可通过纬度和日期计算得到。

通过遥感能获取卫星过境时刻的净辐射量以及大气温度,可由Priestley-Taylor公式估算卫星过境时刻的瞬时潜在蒸散发量，结合余弦曲线法即可估算日最大潜在蒸散发量，计算公式如下：

(9)

式中：INETP——卫星过境时刻的潜在蒸散发；tpass——卫星过境时刻的当地时间。由此，日潜在蒸散发总量计算公式为：

(10)

通过以上方法，即可计算出基于遥感数据的日潜在蒸散发。

2.1.3 实际蒸散发计算 基于潜在蒸散量结果，结合实际土壤水分状况计算实际蒸散量，实际蒸散发的估算采用土壤水分胁迫系数[19]，计算公式如下：

ETa=Ks×ETP

(11)

(12)

(13)

式中：ETa——实际蒸散量(mm)；Ks——土壤水分胁迫系数；SW——土壤水分(mm)；SWw——土壤凋萎含水量(mm)；SWFC——土壤田间持水量(mm)。

土壤水分计算采用为条件植被温度指数法(VTCI)[20]，利用MODIS遥感产品和农业气象观测站点土壤水分数据，建立基于温度植被指数的表层土壤水分遥感估算模型，对泾河流域土壤水分进行模拟估算。农业气象观测的土壤水分数据为泾河流域内10个农业气象观测站点2000—2010年的10 cm土壤相对含水量数据，时间为旬尺度。土壤相对含水量可通过下式计算：

(14)

式中：SW相对——土壤相对含水量；SW实际——土壤实际含水量；SWfc——土壤田间持水量。

通过公式(14)可知，站点土壤实际含水量可根据土壤相对含水量与田间持水量计算得出。通过全球土壤数据库HWSD(The harmonized world soil database)查询获得表层土壤类型、机械组成、有机碳含量、土壤容重等，再用SPAW软件(http：∥hydrolab.arsusda.gov/SPAW/index.htm)计算不同土壤类型的田间持水量和凋萎含水量。

以MODIS数据的植被指数NDVI为横坐标，地表温度LST为纵坐标的散点图，通过绘制特征空间拟合“干边”和“湿边”，并求出“干边”和“湿边”的截距和斜率，进而结合NDVI和LST数据利用波段运算得到2006年16 d的VTCI数据。利用泾河流域内农业气象观测站点的表层(0—10 cm)土壤相对含水量，计算出各站点的实际土壤水分，建立实际土壤水分与条件温度植被指数(VTCI)之间的线性关系模型，进而拟合得到泾河流域2006年16 d的土壤水分数据，最后利用线性时间插值为日土壤水分数据。

2.2 数据处理

本文使用的公共平台数据主要包括SRTM的DEM数据、GLDAS (Global Land Data Assimilation System)气温数据、MODIS(Moderate Resolution Imaging Spectroradiometer)数据、世界土壤属性数据库(HWSD)数据等。各数据的详细信息如表1所示。

表1 研究所用公用平台数据产品信息表

DEM 数据采用SRTM数据，空间分辨率为90 m，为了与其他数据保持一致，数据重采样到1 km×1 km分辨率。GLDAS 气温数据、净短波辐射和净长波辐射是模型的重要输入参数，本文采用NOAH模式同化的GLDAS产品，空间分辨率为0.25°，为满足模型空间分辨率的要求，进行降尺度处理和计算，获得到空间分辨率为1 km的瞬时气温数据和净辐射。MODIS数据主要有地表温度和发射率(MOD11A1)和植被指数数据(MOD13A2)。其中MOD11A1数据提供地表温度、过境时间等参数，MOD13A2计算获得植被覆盖率。下载的MODIS数据使用ModisTool 工具对数据进行波段提取、拼接及重采样、转投影处理，然后边界裁剪得到空间分辨率为1 km的ENVI标准格式数据。

3 结果与分析

3.1 模拟结果验证

利用泾川站LAS监测的2006年5—7月的日均蒸散量观测资料，将模型估算的日均蒸散发量与实测的日均蒸散量比较。考虑到影像的几何纠正的误差带来的空间尺度取样引起的误差，观测点处遥感估算采用以该像元为中心的3×3窗口内的平均值作为该像元的遥感估算值。模型模拟的2006年第152 d到212 d的模拟蒸散发量与实测蒸发量，总体符合较好，模拟值与观测值相关性分析见图2，相关系数为0.54。结果表明基于遥感的P-T方法计算实际蒸散发可以获得较好的效果，该方法适用于本地的蒸散发模拟。

3.2 时间变化规律分析

图3为泾河流域2006年3—10月实际蒸散发的月均值变化图。总体来看，泾河流域的月均地表实际蒸散发量分布呈单峰型分布，与杨小利等[21]采用Penman-Monteith公式估算的泾河上游潜在蒸散发的结论一致。3月份和10月份的蒸散发量较低，从4月开始蒸散发量呈现显著的增长趋势，5月份月蒸散量达到50 mm，6月份蒸散量继续快速攀升，7—8月两个月份的蒸散发量差异不大，均处于80 mm，其中8月蒸散发量最大，达到83 mm。分析原因为3月、10月份研究区气温极低，不利于地表蒸散发；从4月开始气温回升蒸散发逐渐升高，5月，6月份气温继续回升，空气饱和差变大，导致耗水增加。7月，8月份是植被生长的旺季，植被蒸腾显著提高，导致蒸散发量的大量增加。9月开始气温降低，植株衰老，叶片功能丧失，蒸散发降低。进入10月份随着温度进一步降低，大部分植物的代谢活动已经很低，蒸腾量也随之降低。

图2 泾川站模拟ETa与实测ETa相关性分析

图3 2006年3-10月地表实际蒸散发的月均值

3.3 空间变化规律分析

图4为泾河流域2006年3—10月蒸散发量的空间变化图。泾河流域实际蒸散发量随着季节的变化差异较大，在7月、8月份蒸散发量达到最高值。空间分布主要受土地利用类型的影响，总体趋势为“东西两侧山区高，中部平原低；南高北低”，3月、4月份林地蒸散发较显著，7月、8月份所有植被类型蒸散发都为一年中的最高值。

泾河流域3—10月蒸散发量处于20～95 mm之间，林地月蒸散发量最大，其它土地利用类型的蒸散发均在20～80 mm之间。从空间分布来看，月蒸散发的高值区主要分布于东部和西部的山区地带。北部黄土丘陵区是流域内蒸散发的数量洼地，受到降雨减少的影响，该区域的蒸散发远远小于其他区域。中下游的平原区主要为农田区域，蒸散发由于受农作物生长季节的影响，其蒸散发量要高于草地，但明显低于林地。

图4 泾河流域月均实际蒸散量空间分布

流域的蒸散发受土地利用和覆被类型的影响，同时与作物的生长有很好的对应关系。林地植被覆盖区，位于山区，降水相对多，7月份月蒸散发量超过100 mm；同期供水充足的农田，由于生长发育旺盛，蒸散发量也达到85 mm；而草地在7月份的蒸散发不到70 mm，由于泾河流域旱地大多不具备灌溉条件，大面积的旱田只能雨养，很多的时候处于缺水状态，故蒸散量较低。总体来说，林地覆盖区域蒸散发大于农田和草地，表明蒸散发量主要与植被盖度和水分供给状况有关。从年蒸散量(3—10月)来看，研究结果与张淑兰等[2,22]对泾河流域实际蒸散发研究结果较为一致，森林覆盖区域的年蒸散发量明显高于其他区域，且总体上看流域自南向北蒸散发有明显的减少趋势。

3.4 影响因素分析

蒸散发受很多因素的影响，主要包括气象因子、土壤水分条件、植被情况等[23]。本文选择气温、降雨和NDVI3个重要因子，分析其对蒸散发的影响作用。将2006年3—10月的日蒸散量求月平均，并对各月的气温、降雨量以及NDVI求月平均，分析月均温度、月降雨量和月均NDVI与区域蒸散发之间的相关关系，分别探讨温度、降水和植被对区域蒸散发量的影响。

3.4.1 降水和气温对蒸散发的影响 选择泾河流域环县站和西峰镇站两个典型站点，分析得到这两个站点的3—10月降雨量、月均气温与月蒸散发量之间的相关关系。如图5所示，降雨量与蒸散发的相关系数均达到了0.5左右，二者呈较好的正相关关系，气温与蒸散发的相关系数达到0.8左右，说明温度和降水对蒸散发均有显著影响，且温度较降水对流域蒸散发的影响作用更加明显。

3.4.2 植被对蒸散发的影响 泾河流域月均NDVI与月蒸散发量之间的相关关系如图6所示：流域的月均NDVI与月蒸散发量的相关系数均达到了0.718，高于降雨与区域蒸散发的相关系数，呈显著的正相关关系，表明植被对区域蒸散发的影响作用比较明显。

图5 环县和西峰镇降雨量和气温与蒸散发的相关关系

图6 泾河流域月均NDVI与月均蒸散发的相关关系

4 结 论

本文基于遥感驱动的区域蒸散发模型在泾河流域的模拟结果，对泾河流域蒸散发的时空变化规律进行分析，并分别探讨了降雨和植被因素对区域蒸散发的影响。结论如下：

1) 空间分布上，主要受土地利用类型的影响，总体趋势为“南高北低；东西两侧山区高，中部平原低”，林地蒸散量最高，其次为农田，最低的是草地。

2) 从时间上看，泾河流域蒸散发呈单峰型分布。3月份蒸散发量较低，从4月开始蒸散发量呈现显著的增长趋势，5月、6月份蒸散量继续快速攀升，7月、8月份的蒸散发量达到最高，9月、10月份显著下降。月份之间的变化主要受降雨量、气温和植被生长的影响。

3) 月均气温、月降雨量和月均植被指数与月均蒸散发量之间的相关系数分别在0.8，0.5，0.7左右，表明气温、降水和植被对区域蒸散发作用明显。

[1] 孙睿,刘昌明,李小文.利用累积NDVI估算黄河流域年蒸散量[J].自然资源学报,2003,18(2):155-160.

[2] 张淑兰,于澎涛,王彦辉,等.泾河上游流域实际蒸散量及其各组分的估算[J].地理学报,2011,66(3):385-395.

[3] BowenI S.The ratio of heat losses by conduction and by evaporation from any water surface[J].Physicalreview,1926,27(6):779-787.

[4] Thornthwaite C W, Holzman B. The determination of evaporation from land and water surfaces[J]. Monthly Weather Review,1939,67(1):4-11.

[5] Swinbank W C. The measurement of vertical transfer of heat and water vapor by eddies in the lower atmosphere[J]. Journal of Meteorology,1951,8(3):135-145.

[6] Penman H L. Natural evaporation from open water, bare soil and grass[J]. Proceedings of the Royal Society of London. Series A. Mathematical and Physical Sciences,1948(19)：205-234.

[7] Monteith J L. Evaporation and environment[C].Symposia of the Society for Experimental Biology,1965(19)：205-234.

[8] Priestley C H B, Taylor R J. On the assessment of surface heat flux and evaporation using large-scale parameters[J]. Monthly Weather Review,1972,100(2):81-92.

[9] 张荣华,杜君平,孙睿.区域蒸散发遥感估算方法及验证综述[J].地球科学进展,2012,27(12):1295-1307.

[10] 王军,李和平,鹿海员,等.典型草原地区蒸散发研究与分析[J].水土保持研究,2013,20(2):69-72.

[11] Mu Q, Zhao M, Running S W. Improvements to a MODIS global terrestrial evapotranspiration algorithm[J]. Remote Sensing of Environment,2011,115(8):1781-1800.

[12] 白娟,杨胜天,董国涛,等.基于多源遥感数据的三江平原日蒸散量估算[J].水土保持研究,2013,20(3):190-195.

[13] 毕晓丽,周睿,刘丽娟,等.泾河沿岸景观格局梯度变化及驱动力分析[J].生态学报,2005,25(5):1041-1047.

[14] 王辉,昝国盛,毕晓丽,等.基于MODIS的泾河流域植被动态年际变化[J].植物生态学报,2007,31(5):850-856.

[15] Wang W, Liang S. Estimation of high-spatial resolution clear-sky longwave downward and net radiation over land surfaces from MODIS data[J]. Remote Sensing of Environment, 2009,113(4):745-754.

[16] Su Z. The Surface Energy Balance System (SEBS) for estimation of turbulent heat fluxes[J]. Hydrology and Earth System Sciences,2002,6(1):85-100.

[17] 谢贤群.遥感瞬时作物表面温度估算农田全日蒸发散总量[J].环境遥感,1991,6(4):253-259.

[18] 陈云浩,李晓兵,史培军.中国西北地区蒸发散量计算的遥感研究[J].地理学报,2001,56(3):261-268.

[19] Kristensen K J, Jensen S E. A model for estimating actual evapotranspiration from potential evapotranspiration[J]. Nordic Hydrology,1975,6(3):170-188.

[20] 王鸣程,杨胜天,董国涛,等.基于条件温度植被指数(VTCI)的中国北方地区土壤水分估算[J].干旱区地理,2012,35(3):446-455.

[21] 杨小利,王丽娜.泾河上游典型站近45年参考作物蒸散量变化特征[J].干旱地区农业研究,2013,30(6):238-242.

[22] 张淑兰,于澎涛,张海军,等.气候变化对干旱缺水区中尺度流域水文过程的影响[J].干旱区资源与环境,2013,27(10):70-74.

[23] 易永红,杨大文,刘钰,等.区域蒸散发遥感模型研究的进展[J].水利学报,2008,39(9):1118-1124.

Estimation of Daily Evapotranspiration Based on Remote Sensing Data in Jinghe Basin

DONG Guotao1, WANG Mingcheng2, BAI Juan3, JIANG Xiaohui1,HE Hongmou1, DANG Suzhen1, WANG Huaru4

(1.YellowRiverInstituteofHydraulicResearch,YRCC,Zhengzhou450003,China;2.CentreforMountainEcosystemsStudies,KunmingInstituteofBotany,ChineseAcademyofSciences,Kunming650201,China; 3.CollegeofUrbanandEnvironmentalScience,ShanxiNormalUniversity,Linfen,Shanxi041000,China; 4.YellowRiverWaterResourcesProtectionInstitute,Zhengzhou450003,China)

Evapotranspiration (ET) is a key process in the global water and energy cycle. It is convenient to estimate the spatiotemporal variation of ET using remote sensing techniques. The regional ET model driven by remote sensing was built by coupling the conventional ET model with remote sensing data. Daily ET was estimated from March to October of 2006 in the Jinghe basin. The estimation was validated with LAS data. The results showed that: 1) the estimation using the P-T method based on remote sensing met the observations well; 2) spatial distribution patterns indicated that ET was higher in lower latitudes and mountainous areas than in higher latitudes and plains, and ET of forest ranked the highest among other land cover types; 3) ET presented a unimodal distribution and peaked in July and August; 4) strong correlations were found between monthly ET and the monthly average temperature, monthly precipitation, and vegetation index, the correlation coefficients were 0.8, 0.5 and 0.7, respectively. Temperature, precipitation and vegetation index were the major factors affecting the daily ET in Jinghe basin.

evapotranspiration; remote sensing; regional ET model; Jinghe basin

2014-04-23

2014-05-21

国家自然科学基金资助项目(41301496,41301030);中央级公益性科研院所基本科研业务费专项资金(HKY-JBYW-2013-22,HKY-JBYW-2013-23); “十二五”国家科技支撑计划(2012BAB02B0403)

董国涛(1982—),男,山东青州人,博士,工程师,主要从事水文水资源过程模拟等方面的研究。E-mail:dongguotao@hky.yrcc.gov.cn

蒋晓辉(1972—),男，湖南永州人，博士，教授级高级工程师，主要从事水资源和生态环境研究。E-mail:jxh3412@163.com

P426.2

1005-3409(2015)02-0101-05