天津平原区城市化地区蒸散发特征

2021-06-08曹润祥李发文李建柱

水科学进展 2021年3期

曹润祥,李发文,李建柱,冯平

(天津大学水利工程仿真与安全国家重点实验室,天津 300072)

蒸散发是水文循环和能量循环的关键环节[1],研究蒸散发对深入认识水文循环机理、正确评估和科学管理水资源具有十分重要的意义。城市蒸散发是区域蒸散发中的特殊形式。在高强度的人类活动和气候变化下,城市水循环表现出典型的“自然- 社会”二元特性[2],城市的社会侧水循环过程可概化为“供水- 用水- 耗水- 排水”[3]。城市耗水可以理解为城市区域所有可能的蒸散发,包括自然下垫面蒸散发和不透水面的蒸发、建筑内部人类生产生活活动的蒸散发等。城市蒸散发对城市微气象、城市生态环境及城市的供水都有着显著影响。

在已往的研究中,许多方法被用来计算蒸散发量,包括水量平衡法[4]、气象学方法[5- 6]与地表能量平衡法[7]。传统的方法一般仅考虑均匀下垫面,对城市复杂下垫面的理解不足,结合遥感反演方法可弥补此方面的不足[8]。目前基于遥感的蒸散发计算方法如SEBS模型(Surface Energy Balance System)和SEBAL模型(Surface Energy Balance Algorithm for Land),往往得出城市下垫面蒸散发量比森林、农田下垫面小的结论[9],但这无法解释城市高耗水的现象[10]。从能量的角度分析,传统基于遥感的地表能量平衡法计算区域蒸散时,能量平衡方程中的人为热项和水平能量传输项常常被忽略。而在城市环境中,密集的人口导致人为热大量排放[11],使其在地表能量收支平衡中占有不容忽视的比重[12]。Cong等[13]使用基于SEBS模型改进的SEBS- Urban模型计算了北京地区的蒸散量,模型考虑了城市人为热对模拟结果的影响,显示人为热对城市蒸散发具有显著的影响作用。Faridatul等[14]提出了改进的适用于城市的能量平衡算法uSEBAL,发现考虑了城市下垫面类型与人为热通量后,计算结果优于传统SEBAL模型。从二元水循环的角度分析,城市蒸散不仅包括自然侧的草地、树木灌丛以及其他植被覆盖地面的蒸散[15],也包括人类活动下的室内环境中产生的蒸发[16- 17],但这部分蒸发在传统方法计算过程中没有很好体现。为涵盖城市各个环节的耗水,Zhou等[17]提出了城市耗水模型(UWD)计算框架,并据此对厦门地区的蒸散进行了估算,并通过区域水量平衡的方法对结果进行验证,证明两者对应较好且数值上明显高于传统的遥感反演结果。

SEBS- Urban及UWD模型在城市化地区的蒸散发模拟对数据有较高的要求。基于水- 热耦合平衡理论的Budyko方程不需要大量的参数和计算资源,广泛应用于流域水文过程的研究[18]。已往的研究证明,不同Budyko模型中水热耦合控制参数受到流域下垫面特征的影响,包括植被覆盖、土壤类型、地型要素及季节性气候指数[19- 20]。很多研究也探讨了非闭合流域水量平衡关系与拓展Budyko框架假设(Extended Budyko Hypothesis)的可解释性[21],且一些研究也证明了Budyko在灌区尺度的适用性[22- 24],但较少有研究针对城市化地区探讨其适用性。

本研究以天津平原区为例,用SEBS- Urban方法计算区域蒸散发,分别在非城镇区和城市建成区内用MOD16产品和UWD对比分析,验证模型的合理性,以期初步揭示城市内特殊的水- 热平衡关系；分析Budyko方程在城市地区的适用性,评估现阶段研究区人为热排放对区域水热平衡关系的影响。

1 数据资料

1.1 研究区概况

本研究以天津市平原区为研究区域。天津是中国经济最发达也是城市化进程最为迅速的城市之一,中心城区高强度的人类经济活动对区域的水文循环过程及局地气候产生了显著的影响[25- 26]。天津市年内温差较大,多年平均气温在12 °C左右,极端最高气温为42.7 ℃,极端最低气温为-27.4 ℃；年平均相对湿度在50%～70%；区域多年平均降水在534.5～649.9 mm之间,属半湿润半干旱地带,年平均陆面蒸散发512.3 mm,水面蒸发961.8 mm。研究过程中以天津大学卫津路校区为城市建成区代表特征点。天津大学卫津路校区地属天津市南开区,位于天津市主城区西南部。研究区位置示意如图1所示。

图1 研究区位置示意Fig.1 Location of the study area

1.2 数据来源

1.2.1 SEBS- Urban模型数据

SEBS- Urban模型的数据输入包括遥感数据和气象数据两部分。本研究中,地表反照率、地面辐射率、植被覆盖度、叶面积指数(LAI)、归一化植被参数(NDVI)以及地表温度通过MODIS遥感数据反演得到；地面参考高度处风速、大气压、相对湿度、比湿、地表参考高度处气温、向下短波辐射、向下长波辐射等输入值通过中国区域地面气象要素驱动数据集[24]获得。此外,本研究为估算城区人为热使用了DMSP/OLS的夜间灯光V4数据,资料来源于美国地球物理数据中心,空间分辨率为1 km×1 km。

1.2.2 城市耗水UWD模型数据

计算天津大学卫津路校区位置城市耗水模型UWD所用到的气象数据也采用中国区域地面气象要素驱动数据集。校区2017年的土地利用及逐月供用水统计数据由天津大学后勤保障部提供。

1.2.3 Budyko模型数据

为构建研究区Budyko方程,除上述数据集中的降水数据之外,还需土壤湿度数据与区域入境水量数据。其中,区域土壤湿度数据的获取采用GLDAS- Noah陆面模式的V2.1数据,数据长度为2015—2017年,时间分辨率为1个月,空间分辨率为0.25°×0.25°。天津地区的入境水量由天津市水务局提供,时间精度为1个月。

2 模型方法

2.1 考虑人为热的SEBS- Urban模型

SEBS模型是由Su于2002年提出的蒸散单层模型[27]。SEBS模型基于能量平衡理论,增加了地表粗糙度的计算拓展模块以估算显热传输。在未考虑人为热和水平能量传输的情况下,地表能量平衡可用式(1)表示:

Rn=H+G0+λET

(1)

式中:Rn为净辐射,W/m2；G0为土壤通量,W/m2；H为显热通量,W/m2；λET为潜热通量,W/m2,其中λ为水汽化热,ET为实际蒸散发。如果求得Rn、G0和H的值,便可以求得余项潜热λET,进而可知实际蒸散发ET的值。

高度密集的城市建筑区的人为热可高达400 W/m2[28],若在能量平衡项中忽略此影响,势必会对城市地区蒸散量的估计造成较大的偏差。因此,本文采用Cong等[13]改进的SEBS- Urban模型对天津市城区的蒸散量进行计算。SEBS- Urban主要是将能量平衡方程的左侧添加了人为热项Qf,并用区域夜间灯光指数估算人为热。其中地表能量方程可写为

Rn+Qf=G0+H+λET

(2)

本研究中,人为热影响区域的灯光值域设为52～63[29],对人为热的赋值情况为:冬夏季值域为50～75 W/m2,春秋季值域为30～50 W/m2 [13,28],其中夏冬人为热较高的原因是空调和暖气的使用。本研究中SEBS- Urban的模型实现基于开源地理及水文建模工具PCRaster[29]。

2.2 城市耗水模型

相比基于能量平衡的SEBS- Urban模型,UWD模型[17]从城市二元水循环的角度解析城市蒸散发:城市环境中建筑的窗、门及其他通风口类似自然环境中的植被叶片气孔,水汽通过这些通道逸出而重新进入水循环。依据UWD模型对天津大学卫津路校区的建筑体、硬化地面与屋顶、水面及绿地下垫面的耗水进行分项计算。

将建筑依宿舍区、教学办公区与食堂分为3类,对于不同类型建筑内部耗水可按式(3)计算:

EB=SBφ+0.03AGδDf

(3)

(4)

式中:EB为建筑内部耗水量,m3；SB为建筑体内各月的用水量,m3；φ为不同类型建筑的耗水比例；AG为室内面积；δ为湿地面比例系数；Df为室内地面的耗水强度；κi为各种用水项的比例；ξi为不同用水项的耗水比例；n为6,分别为洗漱、做饭、洗澡、清洁、饮用与洗衣6类。

对于发生于硬化路面与屋顶的蒸散(EH)可表示为

EH=P0+(1-ψ)(PY-P0)+WA

(5)

式中:P0为各月未产流的日降水的总和,mm；PY为各月份降水量总和,mm；WA为各月校园内部道路的人为洒水量,mm。

对于水面蒸发(Ew)及绿地蒸散发(EG)分别采用Penman和Penman- Monteith公式计算。

2.3 SEBS- Urban蒸散发模型验证

目前大多数城市地区难以获得可靠的地面通量观测数据,对城市地区蒸散发模拟结果进行精确验证存在着客观上的困难[14]。有关城市地区蒸散发模型验证一般常采用与水量平衡法[13,16- 17]或蒸发皿数据对比的方法[14]。这些方法可以从整体上说明模型的合理性,但难以反映改进模型在建成区的细节效果,且当研究区内城市面积占比较小时,水量平衡计算过程中区域蓄水量的不确定性[31]容易掩盖城市化引起的蒸散发响应。

本研究采用了两步验证方法:整个研究区内非建设用地占据更大比重(约85%),首先采用MOD16数据对非城镇地区验证,从而可从整体上把握模型的合理性；在城市化地区,UWD模型原理简洁,模型结构的不确定性较小,可靠性较高,本文选用UWD模型结果进行验证,以反映出SEBS- Urban模型在考虑人为热前后的蒸散差异的细节。

2.4 任意时间尺度的水热耦合平衡方程

杨汉波等[32]基于Budyko曲线,将任意时段内的实际蒸散量(E)表示为该时段内的可用水量(Q)和可用能量(采用潜在蒸发量E0表示)的函数。其中时段内Q包括该时段的降雨量(P)、外部供水量(I)与时段初始时刻的土壤可供水量(S)。

(6)

式中:m为水热耦合参数。

3 结果与分析

3.1 非城镇区SEBS- Urban模型验证

在非城镇区,模型无人为热项添加,SEBS- Urban退化为普通SEBS模型,采用MOD16数据对非城镇地区模拟结果做验证。MOD16是目前应用最广的遥感蒸散发产品之一[33]。该数据集已经通过了全球232个流域和46个野外涡度通量站台的检验,总体模拟精度达到86%[34]。MOD16数据集在国内被应用到多个区域的蒸散发时空变化研究中[35],且研究[33]表明,MOD16产品在外流区与水量平衡法的一致性高于内流区,在北方优于南方。因此,可认为用MOD16产品来检验SEBS在非城市区域的表现有较高的可靠性。MOD16数据获取算法基于Penman- Monteith方程,该产品不能获得建成区的蒸散发数据,因此仅被用来检验非城镇地区SEBS/SEBS- Urban模型的准确性[31]。从2017年MOD16 A2产品中筛选了18景质量较好的产品,并从中随机抽取30个具有连续有效值的非城区格点和对应位置处SEBS/SEBS- Urban的计算结果进行对比,如图2所示。从相关系数来看,30个点中除了点22和点26外,相关系数整体介于0.5和0.8之间。从SEBS/SEBS- Urban与MOD16 A2的标准差比值(σ)来看,仅有5个点σ<1,剩余25个点σ>1,表明SEBS- Urban计算结果的年内变化幅度多数大于MOD16 A2产品,但相差幅度不大(除点14σ>2.0外,其他点均小于1.8)。从均方根偏差(RMSD)来看,RMSD值均不超过2.0倍的MOD16 A2标准差σMOD16。综上,SEBS/SEBS- Urban模型可以有效地模拟非城镇地区的蒸散发年内变化过程,模型在整体上具有合理性。

图2 SEBS反演结果相对于MOD16 A2产品的泰勒图Fig.2 Taylor diagram of SEBS estimated ET vs. MOD16 A2 product

3.2 城市地区SEBS- Urban与UWD的对比验证

将SEBS- Urban计算的城市部分ET与典型地市区域(天津大学卫津路校区)的UWD作对比验证,以反映模型添加人为热前后在建成区ET的细节效果。SEBS和SEBS- Urban模型计算结果与UWD计算结果对比如图3所示。

图3 UWD、SEBS与SEBS- Urban结果Fig.3 UWD,SEBS and SEBS- Urban simulation results

由图3可以看出,在未考虑人为热时,SEBS模型与UWD计算结果有较大的偏差,SEBS计算的ET全年均低于UWD计算结果。增加人为热之后,SEBS- Urban模型计算的ET结果整体较SEBS模型显著增加,除7月、8月外,SEBS- Urban与UWD的计算结果表现出很好的一致性。模型7月、8月的较大差异可能是SEBS- Urban的蒸发比插值引起对ET的高估。SEBS- Urban利用遥感数据仅可反演卫星过境日的当日ET值,但遥感模型常常因为天气状况和遥感质量的原因无法获取清晰的图像而造成数据缺失,1年中实际可用的遥感数据最多只有80 d左右。而由于区域气候特征,天津地区7月、8月雨水充沛,2017年7月、8月每月可用的遥感数据仅有1幅(晴日),因此,据此插值不可避免地造成了对ET的高估。总体看来,SEBS- Urban模型在考虑人为热影响后,与UWD计算结果的相关系数达0.84,Nash效率系数为0.82,两者表现出了较好的一致性。

UWD计算的年总蒸散发量为422.6 mm,ET最大的月份出现在6—8月,由图3(b)可以看出,夏季前后社会侧耗水,包括建筑内(宿舍、教学区、食堂)蒸发、硬化路面洒水蒸发,对整体蒸散发的贡献比最小,而冬季则为最大。这是因为冬季天然蒸散发很小,相对稳定的室内人类用水活动造成水量蒸散发占据了较大的比例；而夏季校园内植物蒸腾量极大增加,成为总蒸散发量的主导因素。

上述结果反映了城市地区特殊水- 热关系。从能量的角度来看,一方面城市由于不透水面积的增加导致了显热的增加,另一方面,城市人为热贡献了额外的潜热增长。而从二元水循环的角度来看,一方面城市不透水面的增加导致了自然侧的蒸散发减少；另一方面,城市中人类活动用水形成了社会侧的额外蒸散发形式。无论从哪种角度分析城市地区蒸散,忽略人类活动影响都将无法准确描述区域蒸散发特征。

3.3 天津市蒸散发特征分析

利用SEBS模型和SEBS- Urban模型获得研究区2015—2017年的蒸散发反演结果如表1所示,其空间分布如图4所示。由表1可以看出,对于整个天津平原区,由于考虑了人为热,SEBS- Urban各个月份的ET计算结果较SEBS均有不同程度的增高,3 a增幅范围为7.2%～8.7%。表1中冬季部分月份结果为负,是由于出现净辐射量为负的情形,对应时段可能出现了较大强度的凝结水[10]。从ET年内时程分配来看,两模型计算结果年内变化趋势具有明显的一致性,各年相关系数均达到0.99以上。从ET的空间分布来看,SEBS计算结果的ET低值区恰好与高度城市化地区相吻合。在以往蒸散模拟研究中,这一特征常被用来解释城市地区的陆面硬化对蒸散发的抑制作用；而计算结果中ET高值集中的地方出现在水域较多的沿海和湿地较多的地区,这些地方水分供给较好,蒸散发相对剧烈。SEBS- Urban模型结果中,由于考虑人为热的影响,城区的模拟结果较SEBS显著增高,建成区3 a增幅范围为85%～115%。中心城区考虑了最高的人为热,但ET仍较周边略微偏小,这反映了城区因硬化路面导致的ET减小和人为热剧烈导致潜热增加两者互相作用的结果,综合作用的结果仍然降低了城区的ET；郊区城镇化区域在考虑人为热后,ET显著增加,这可能是因为郊区聚集了较多的人口(表现为较高的夜间灯光指数),但对下垫面的改造远不如城市中心剧烈。对于非城市化地区(夜间灯光指数<52),SEBS模型与SEBS- Urban具有相同的模拟结果。

表1 SEBS与SEBS- Urban模型对研究区2015—2017年ET计算结果 mm

图4 2015—2017年SEBS与SEBS- Urban模型对天津平原地区蒸散发分布模拟结果Fig.4 Annual evapotranspiration distribution modelled by SEBS and SEBS- Urban over 2015—2017

3.4 水热耦合平衡方程在城市化地区的适用性分析

以研究区SEBS- Urban模型2015—2017年计算结果为样本进行Budyko方程拟合。由于序列较短,Budyko参数的验证借鉴了“留一法”交叉验证方法的思路,即每次取1 a对模拟结果作验证。由于人为热在1 a中不同时段具有一定的变化,因此在对水热耦合参数m率定时,将m看成Hj(j=1,2,…,12)向量,以率定期RMSE值最小为优化目标,并用和声算法(Harmony Search)对其优化求解。水热耦合方程模拟得到天津地区2015—2017年逐月的蒸散发量,结果如图5(a)所示,可以看出3种验证情形下,Budyko都可大致反映出月尺度下研究区蒸散规律。由图5(b)可以看出,验证期内两者保持了很好的线性关系,两者线性回归的方程斜率为0.8～1.2。同时,相关系数在0.9以上,p值均小于0.001,表明验证期模拟的月蒸散过程与SEBS- Urban吻合较好,在一定程度上可以说明水热耦合平衡方程仍可以适用于模拟受人为热影响剧烈的城市地区的月蒸散量。利用天津市2015—2017年数据拟合得到参数m的年内变化过程,如图5(c)所示。参数m反映了区域下垫面特征,对于天津地区,城区多样的景观植被、城市周边的作物及人为热的排放共同影响着区域水热平衡关系。由图5(c)可以看出,研究区Budyko参数m年内变化最主要体现的是季节变化趋势。用研究区SEBS- Urban与SEBS的各月差值表征人为热影响,同参数m作相关分析,并未发现显著相关(p>0.05)。将SEBS模型结果拟合得到的Budyko参数向量与SEBS- Urban的Budyko参数向量做t检验,亦未发现显著差异。这可能是因为在整个研究区范围,人为热影响的区域比例仅占研究区15%,虽然在城市建成区内人为热对蒸散发影响明显,但上升到整个区域尺度,这种影响未能在Budyko参数上有所体现。在更小的空间尺度上(如仅建成区)的研究有待进一步探索。