摘要:對一個指數化蒸散模型進行引進、
關鍵詞:遙感;蒸散;干旱監測
中圖分類號:P405 文獻標識碼:A 文章編號:0439-8114(2014)04-0771-06
The Improvement of the Exponential Evapotranspiration(ET) Model and Its Application on Monitoring Drought in Northern China
ZHENG You-feia,b,JIANG Fei-yana,WU Rong-juna,b
(a.College of Atmospheric Physics;b.College of Environmental Science and Engineering,
Nanjing University of Information Science Technology,Nanjing 210044, China)
Key words: remote sensing; evapotranspiration; drought monitoring
干旱是一種緩慢潛在的自然災害,也是人類面臨的主要自然災害之一。干旱災害具有發生頻率高、持續時間長、影響范圍廣、后續影響大等特點,對生態環境和農業造成非常大的危害[1]。隨著經濟發展和人口膨脹,水資源短缺現象日趨嚴重,這也直接導致了干旱地區的擴大和干旱化程度的加重。在全球氣候變化背景下,干旱災害的不確定性和隨機性相應增強,帶來的危害也越來越難以控制,怎樣有效地監測干旱成為人們所關心的問題。
衛星遙感技術具有宏觀、快速、動態、經濟等特點。研究人員將瞬時的蒸散速率與衛星所觀測到的地表溫度和植被覆蓋部分相聯系起來,得到了許多干旱監測模型,如溫度與植被指數的特征三角空間方法[2](Temperature/NDVI triangle method)、陸地表面能量平衡算法[3](Surface energy balance algorithm for land,SEBAL)、地表能量平衡系統[4](Surface energy balance system,SEBS)和雙層能量平衡模型[5](Two-source energy balance model,TSEB)等。Carlson等[6]和Gillies等[2]都針對土壤和水分評估工具 (SWAT)提出了LST-NDVI特征三角空間方法的反轉技術用來估算土壤濕度。Nagler等[7]利用SEBS能量平衡方程估算了美國西部的河岸植被的蒸散情況。Verstraeten等[8]結合物理模型和經驗模型預測大面積的蒸散值。這些蒸散模型都以能量傳輸的物理過程為基礎,輸入一系列通過遙感或地面儀器直接或間接測量的數據,再利用余項法,通過地表能量平衡來估算蒸發散射(ET)。在估算地表通量時,需要大量的地表觀測數據[9,10],且需要復雜的地面模型和遙感數據配合,使得計算過程變得繁雜[11]。
本研究通過引進、修正并驗證一個簡單的線性雙層經驗蒸散方程,在驗證模型準確性的基礎上,利用模型計算得到的蒸散干旱指數(EDI)對中國華北地區一次干旱事件進行監測,開展歷史實證研究,檢驗模型在實際干旱監測工作中的應用前景。
1 材料與方法
1.1 數據資料
本研究建模及進行干旱監測時所用到的遙感數據主要有:全球能源和水循環試驗(The global energy and water cycle experiment,GEWEX)的長、短波輻射數據,分辨率為1°×1°;中分辨率成像光譜儀MODIS(Moderate-resilution imaging spectroradio-meter)的L2級產品MOD11系列的日夜地表溫度,及16天合成產品MOD13系列的MODIS加強型植被指數(Enchanced vegetation index, EVI),分辨率都為0.05°×0.05°。
為得到修正型指數化蒸散模型的系數,從ARM(Atmospheric radiation measurement)、美國和歐洲通量觀測網站上選取了分布全球的21個站點(表1)的地面觀測數據,利用非線性回歸分析得到模型系數。
1.2 修正型指數化蒸散模型
2.2 模型應用
在模型的應用階段,選取了華北地區的一次干旱過程,利用改進后的模型進行監測,并與帕默爾干旱指數(PDSI)進行對比驗證,以期檢驗修正型指數化蒸散模型在實際干旱監測中的運用效果。
圖3是對2002年春季華北地區的一次干旱事件進行監測的過程。從整體上看,1~6月,干旱首先是從華北北部,即山西、河北西北部地區開始發展,之后逐漸擴大和加深,至6月時,整個華北地區都處于一個較干旱的狀態。2002年1月,較干旱的點主要位于山西、河北省西北部,與內蒙古接壤處。3月,干旱區域明顯擴大,整個華北大部分地區都出現了不同程度的干旱,EDI較大的地區主要還是在山西、河北大部。整體上來看,整個河北地區的EDI分布都有不同程度的上升,趨近于向干旱發展,且干旱程度由南向北呈逐漸加深的趨勢。進入4月,華北北部大部分區域都處于一個較干旱的狀態。5月時,華北北部干旱區域的EDI開始逐漸減小。6月時,雖然河北北部的大部分地區EDI較前面幾個月減小了,但整個河北地區的平均EDI在一個上升的狀態,這也表明河北地區仍處于一個較干旱的狀態。較往年同期,華北大部分區域1~3月的降水量普遍偏少4成以上,同時氣溫又持續異常上升,所以導致了此次干旱事件的發生。
PDSI小于-3時表示干旱,而PDSI大于3時為濕潤,這與EDI的表示方法是相反的,EDI是數值越大則表示越干旱。圖4是相應的華北地區同時段的帕默爾干旱指數等值線分布圖。從圖4中可以看到,與EDI分布情況相似,1月時,華北北部的山西、河北等地都位于一個小的帕默爾指數分布中心下,低值中心分別達到了-8和-10,說明此區域處于一個非常干旱的狀態。值得注意的是,帕默爾指數的監視結果顯示,華北地區較干旱的區域始終在北部地區,且1~6月的等值線圖上看不到較明顯的變化。說明帕默爾干旱指數不能明確指明干旱發生發展的趨勢變化,這與其自身的滯后性有關,因其是對前期降水數據和土壤含水量的統計。不同于此,圖3中的EDI則能較好地表明干旱的發展趨勢,因改進型指數化蒸散模型是對實時數據進行計算而模擬得到實時的地表蒸散情況,所以相應的干旱指數EDI也是對實時的地表干旱情況的一個反映和監測,這是改進型指數化蒸散模型的一大優勢。
在前面研究的基礎上,進一步做同時段華北地區EDI與帕默爾干旱指數的空間分布散點圖,分析兩者在空間上的相關性,也是對修正型指數化蒸散模型的進一步驗證。兩者由于數值表示的意義不同,所以呈負相關關系。圖5的結果表明,EDI與帕默爾干旱指數在空間分布上具有很好的相關性,2002年1~6月,兩者的決定系數范圍達到了0.72~0.92。說明在具體的干旱監測工作中,修正型指數化蒸散模型模擬計算得到的干旱區域具有較高的準確性。
3 小結與討論
本文對一個指數化蒸散模型進行修正,選取了與地表蒸散密切相關的地表參數:地表凈輻射量、加強型植被指數EVI、地表溫度及地表溫度的日變化幅度,通過非線性回歸分析得到了新的地表蒸散計算模型,并將模型的分辨率提高到0.25°×0.25°。利用該模型模擬獲得了中國華北地區的地表蒸散時空分布圖,分析了不同時間及不同地點的兩次干旱監測過程,主要結論如下:
1)通過引進一個指數化蒸散模型,并對其輸入參數及空間分辨率進行修正,得到新的修正型指數化蒸散模型:
參考文獻:
[1] 鄧振鏞,張 強,尹憲志,等.干旱災害對干旱氣候變化的響應[J]. 冰川凍土,2007,29(1):114-118.
[2] GILLIES R,KUSTAS W,HUMES K. A verification of the ‘triangle’ method for obtaining surface soil water content and energy fluxes from remote measurements of the Normalized Difference Vegetation Index (NDVI) and surface[J]. International Journal of Remote Sensing,1997,18(15):3145-3166.
[3] BASTIAANSSEN W, MENENTI M,FEDDES R,et al. A remote sensing surface energy balance algorithm for land (SEBAL). 1. Formulation[J]. Journal of Hydrology,1998,212(12):198-212.
[4] SU Z. The surface energy balance system (SEBS) for estimation of turbulent heat fluxes[J]. Hydrology and Earth System Sciences Discussions,2002,6(1):85-100.
[5] NORMAN J N, KUSTAS W P, HUMES K S. Source approach for estimating soil and vegetation energy fluxes in observations of directional radiometric surface temperature[J]. Agricultural and Forest Meteorology,1995,77(3-4):263-293.
[6] CARLSON T N, GILLIES R R, SCHMUGGE T J. An interpretation of methodologies for indirect measurement of soil water content[J]. Agricultural and Forest Meteorology,1995,77(3):191-205.
[7] NAGLER P L, CLEVERLY J, GLENN E, et al. Predicting riparian evapotranspiration from MODIS vegetation indices and meteorological data[J]. Remote Sensing of Environment,2005, 94(1):17-30.
[8] VERSTRAETEN W W, VEROUSTRAETE F, FEYEN J. Estimating evapotranspiration of European forests from NOAA-imagery at satellite overpass time:Towards an operational processing chain for integrated optical and thermal sensor data products[J]. Remote Sensing of Environment,2005,96(2):256-276.
[9] STEWART J B, KUSTAS W P, HUMES K S, et al. Sensible heat flux-radiometric surface temperature relationship for eight semiarid areas[J]. American Meteorological Society,1994,33(9):1110-1117.
[10] MALLICK K, BHATTACHARYA B, CHAURASIA S, et al. Evapotranspiration using MODIS data and limited ground observations over selected agroecosystems in India[J]. International Journal of Remote Sensing,2007,28(10):2091-2110.
[11] JIANG L, ISLAM S, GUO W, et al. A satellite-based daily actual evapotranspiration estimation algorithm over South Florida[J]. Global and Planetary Change,2009,67(1-2):62-77.
[12] YAO Y, LIANG S, QIN Q, et al. Monitoring drought over the conterminous United States using MODIS and NCEP reanalysis-2 data[J]. Journal of Applied Meteorology and Climatology, 2010,49(8):1665-1680.
[13] HARGREAVES G H. Accuracy of estimated reference crop evapotranspiration[J]. Journal of irrigation and drainage engineering,1989,115(6):1000-1007.
[14] 閆 娜,李登科,杜繼穩,等. 基于MODIS產品LST_NDVI_EVI的陜西旱情監測[J].自然災害學報,2010,19(4):178-182.