基于改進遙感蒸散模型的西南地表蒸散研究

于靜 柳錦寶 姚云軍 劉志紅

摘要：基于衛星遙感資料以及氣象站點數據，利用基于地表凈輻射、植被指數、月平均氣溫和月溫差的混合型線性雙源遙感蒸散模型估算了我國西南地區地表蒸散量，并與MODIS數據作對比驗證。結果表明：改進后的遙感蒸散模型估算的蒸散值與MODIS監測的值具有很好相關性，其模擬精度依次為：秋季>冬季>夏季>春季。利用改進后的模型研究了西南地表蒸散，發現近20 a來該地區實際蒸散呈現明顯的增加趨勢，春、夏兩季蒸散量較大，占全年總量的62.3%，春季由東南向西北遞減，廣西大部分地區以及云南南部實際蒸散量較大，而川西則較小;夏季與秋季呈現由東向西遞減的趨勢，由廣西、貴州、重慶向云南和四川遞減;冬季則呈現由南向北遞減的規律。

關?鍵?詞：遙感蒸散模型; 地表蒸散; 精度驗證; 西南地區

中圖法分類號： P33?文獻標志碼： ADOI：10.16232/j.cnki.1001-4179.2019.01.013

據IPCC第五次評估報告，全球變暖毋庸置疑，1880～2012年全球平均溫度已升高0.85℃[1]，地表的持續升溫加劇了地表蒸散，致使全球多數地區干旱狀況明顯加劇。近幾年，我國西南地區發生了大面積的干旱，對國民經濟和農業發展造成了嚴重影響。構建易操作的地表蒸散模型進而開展西南地區的干旱監測是旱災預防、科學灌溉的重要依據，同時也對西南地區的氣候變化、碳循環以及環境生態具有重要意義。

近幾十年來，由于衛星遙感技術的發展，遙感蒸散估算方法開始使用并逐步發展完善。20世紀70年代主要研究了反射率、亮度、溫度對土壤含水量的影響。如Rouse等建立歸一化植被指數法（NDVI），利用地表反射率估算蒸散[2]。后期NDVI已成為遙感蒸散模型中的一個重要因子，通過其衍生出來的植被指數模型有距平植被指數（AVI）[3]以及歸一化差值水分指數（NDWI）等[4]。至 80 年代，隨著Landsat和NOAA/AVHRR系列衛星的發射，結合熱慣量與蒸散模型提出了表面熱慣量法[5]，李興華等在研究內蒙古土壤墑情和干旱監測評估過程中，仍沿用此方法[6]。至90年代，MODIS，AMSR-E，TRMM等遙感產品的免費使用進一步推動了全球遙感實際應用研究的發展[7]。90年代后期，地表溫度成為遙感蒸散模型研究中的另一個重要因子，水分虧缺指數（WDI）[8]以及溫度條件指數（TCI）[9]等干旱指標都基于這一因子構建。但這些早期的遙感蒸散模型只適用于單一地表，很難應用于復雜的陸表，具有局限性。

目前，國內在以能量平衡為基礎，采用余項法計算蒸散方面取得了較大進步，主要是根據研究區域特點和觀測資料對模型參數的分析，得出了適合研究區域的參數計算方法，且以單層模型的研究與應用較多[10]。陳添宇等利用NOAA/AVHRR遙感資料反演值與地面觀測值擬合的方法，得到能量平衡各分量，獲得了中國西北地區東部4～8月的日蒸散量及其區域分布特征[11];倪猛等利用地表熱量平衡模型估算洛河流域的蒸散發量[12];喬平林等利用MODIS遙感數據反演石羊河流域的蒸散發情況[13];詹志明等利用NOAA/AVHRR資料，分別建立了裸土蒸發和植被覆蓋蒸騰模型，并利用植被覆蓋度建立了非均勻陸面條件下的區域蒸散量遙感計算模型[14]。與此同時，雙層模型的研究也有了長足發展，如辛曉洲等基于兩個假設對雙層模型進行了簡化[15];劉雅妮等對雙層模型存在的一些問題和難點進行了評述[16]。潘衛華等遵循SEBAL模型，給出了植被覆蓋和裸土2種類型的區域蒸散（發）量計算模型，并對泉州市的蒸散（發）量進行了反演[17]。在SEBS模型的研究與應用方面，利用NOAA數據對黃河三角洲區域蒸散發量進行了較多研究[18-20]。周彥召等利用SEBAL 和改進的SEBAL 模型估算了黑河中游戈壁、綠洲的蒸散發[21];張秀平等基于衛星遙感數據和實測水文氣象資料，利用 SEBAL 模型對鄱陽湖濕地及環湖區蒸散發量進行了估算，分析了鄱陽湖濕地蒸散發量分布及年內變化情況[22]。王秋云等基于SEBAL能量平衡模型，利用Landsat 8和MODIS L1B 遙感數據，對北京市蔡家河流域平原造林區的蒸散發量進行了估算[23]。遙感資料與土壤-植物-大氣模型結合，也是一種研究蒸散的重要方法。

上述研究中，遙感蒸散模型逐漸由單一化走向復雜化，模型種類也從單層向雙層甚至多層進化。但地表實際蒸散估算精度提升的同時，遙感蒸散模型也逐步陷入病態化，在估算反演過程中，需要參數過多，而這些參數又難以通過遙感手段獲取，嚴重限制了模型的地域推廣。因此，本文結合Kenlo Nishida建立的線性雙源遙感蒸散模型，并利用該模型開展西南地區的地表蒸散估算[24]。

1?材料與方法

1.1?研究區域與數據資料

本文研究的西南地區介于91°21′E～112°04′E，20°54′N～34°19′N 之間[25]，主要行政區域包括廣西壯族自治區、重慶市、四川省、貴州省和云南省，面積約136.4萬km2，占全國總面積的14.2%。使用的數據資料有：① 氣象數據。中國地面累年值月值數據集，包括中國基本、基準和一般地面氣象觀測站數據。本文選取西南地區的161個氣象站點的水汽壓、平均氣溫、最高以及最低氣溫數據，并利用ArcGIS軟件進行插值、裁剪處理。② NDVI數據。包括MODND1M植被指數數據和GIMMS AVHRR NDVI數據集，經過重采樣、重投影以及在感興趣區的提取得到西南地區的NDVI數據。③ 輻射數據。采用FAO 1998年推薦用于計算參考作物量Penman-Monteith公式中的計算方法[26]。

1.2?研究方法

1.2.1?構建混合型線性雙源遙感蒸散模型

在模型的構建過程中，沿用Nishida 等[24]提出的線性雙源遙感蒸散模型的建模思路。考慮到對蒸散的影響，利用植被覆蓋度（?fv?）把蒸散認為是由地球表面裸土蒸發和植被蒸騰兩部組成，具體表達式為

fv= NDVI-NDVI?min?NDVI?max?-NDVI?min?（1）

ET=fvETv+（1-fv）ETs（2）

式中，ET表示總蒸散量， ETv表示植被蒸騰，ETs表示土壤蒸發，NDVI?max?表示整個植被情況下的NDVI，此時，fv=1; NDVI?min?為整個裸土情況下的NDVI，此時，fv=0。

為降低簡單線性雙源蒸散模型的復雜性，選擇地表凈輻射Rn和空氣晝夜溫差的倒數1/（T?max?-T?min?）來簡化裸土的蒸散模型，空氣晝夜溫差的倒數可以用來表示土壤含水量，同時增加經驗性系數a1，具體簡化公式為

ETs= a1RnT?max?-T?min?（3）

式中，利用空氣晝夜溫差來代替地表晝夜溫差，主要是因為空氣溫度可以通過氣象資料獲得，而遙感反演的地表溫度產品受云的影響很難獲取每天的完整數據。

為了簡化植被蒸散函數，在本研究中，認為地表凈輻射Rn是植被蒸散的最主要控制因子，然后選擇其他的重要參數包括空氣溫度T、空氣晝夜溫差的倒數1/（T?max?-T?min?）通過增加經驗系數a2和a3來獲得簡易植被蒸散方程

ETv=a2RnT+ a3RnT?max?-T?min?（4）

為了獲取整個植被和土壤的蒸散量，增加a0Rn作為整個蒸散的訂正項，這主要是因為地表凈輻射是蒸散的最主要控制因素。這樣考慮到式（1）、（2）、（3）和（4），蒸散方程可以表達為

ET=（1-fv） a1RnT?max?-T?min?+fv a2RnT+ a3RnT?max?-T?min?+a0Rn（5）

考慮到fv是NDVI的函數，可以利用NDVI進行進一步簡化得到混合型線性雙源遙感蒸散模型：在模型的構建過程中，沿用Nishida等的線性雙源遙感蒸散模型的建模思路。考慮到NDVI對蒸散的影響，利用NDVI進行簡化得到混合型線性雙源遙感蒸散模型

ET=Rn（b0+b1NDVI×T+ b2NDVIT?max?-T?min?+ b3T?max?-T?min?）（6）

式中，ET表示地表蒸散，Rn表示地表凈輻射，NDVI代表歸一化植被指數，T?max?代表最高空氣溫度，T?min?代表最低空氣溫度，b0，b1，b2，b3為回歸系數。將預處理的氣象站點數據以及MODIS產品數據代入模型，求取回歸系數。

1.2.2?混合型線性雙源遙感模型精度驗證

通過MODIS的實際蒸散產品與模型擬合得到的實際蒸散計算相關系數，來驗證混合型線性雙源遙感模型的精度。將預處理得到的西南地區2000～2014年的MODIS實際蒸散產品數據按照氣象站點的經緯度提取130個代表點，同時，提取相同位置的擬合實際蒸散數據，并進行相關性計算。由圖1和圖2分析發現：

① 擬合實際蒸散與實際蒸散產品的相關系數春季、夏季、秋季呈現正相關，僅冬季呈現不顯著的負相關（相關系數為-0.003）。② 散點圖得到的結果有別于相關系數分布圖，表現為春季擬合效果最差，而夏季、秋季以及冬季的擬合效果更好，且擬合趨勢線通過了?0.05?的顯著性水平檢驗。相關系數是面向西南地區全部的點實現的，而散點圖僅提取了與站點對應的值。考慮到插值的誤差，筆者認為散點圖得到的結果更能說明混合型線性雙源遙感模型的精度。

2?結果與分析

西南地區實際蒸散量年內變化呈現單峰型。圖3給出了西南地區平均月實際蒸散量的分布以及各月的分配比。由圖3（a）可見，實際蒸散量峰值出現在7月份，占年總量的13.2%，其次為8月和6月，分別占年總量的12.65%和12.16%;最小值出現在12月，實際蒸散量為34.03 mm，占比4.6%。 表1給出了各季度實際蒸散量及占全年總量的比值。

由表1可見，西南地區春、夏兩季蒸散量最大，占全年總量的62.3%，而秋冬季則較小，占37.6%，一定程度上說明了春夏兩季的蒸散量對水循環起著重要作用。圖3（b）給出了西南地區實際蒸散量呈明顯增加趨勢，這與前文提到的許多學者的研究成果吻合，實際蒸散量的大小變化受到太陽輻射、空氣溫度、風速、空氣濕度等多種因素的影響。蘇秀程等研究發現進入21世紀以來，西南地區的平均溫度、平均風速、日照時數的上升以及相對濕度的下降，使得蒸散量增加明顯[27];韓蘭英等的研究也說明了1961～2012年間，西南年平均溫度明顯增加[28]。

由圖4可知，空間分布上，蒸散量春季由東南向西北遞減，廣西大部分地區以及云南南部實際蒸散量較大，而川西則較小;夏季與秋季呈現由東向西遞減的趨勢，由廣西、貴州、重慶向云南和四川遞減;冬季則呈現由南向北遞減的規律。此空間分異特征是由于西南降水在地區分布上的極不均勻造成的，西南降水呈現出由東南向西北降低，分布特點為南多北少，東多西少。3?討 論

（1） 本文構建的混合型線性雙源遙感蒸散模型通過了精度驗證，能夠較好地模擬西南地區近20 a的實際蒸散，一定程度上克服了傳統估算模型參數多、模型復雜、難以利用的缺點。但研究中使用的MODIS產品數據（植被指數?NDVI、陸表溫度LST以及蒸散ET?）較易受到天氣條件的影響，會給結果帶來一定的誤差。

（2） 模型精度評價過程中缺少實測的地表蒸散數據做對比驗證，僅利用產品數據進行評價，無法說明具體的可行性，也難以提高模型精度，且對于進一步的干旱監測工作開展也存在重要影響。對于這一問題，后期研究中將采用間接驗證的方法來研究其精度，擬通過使用實測的土壤濕度數據驗證干旱狀況，以說明本文研究的科學性。

4?結 論

通過構建混合型線性雙源遙感蒸散模型并對西南地區的地表蒸散進行研究，得到如下結論。

（1） 混合型線性雙源遙感蒸散模型獲得的模擬值與MODIS產品數據對比，相關性較好，其模擬精度適用于大面積尺度的地表蒸散研究。

（2） 西南地區實際蒸散近20 a來呈現明顯的增加趨勢，時間上，西南地區春、夏兩季蒸散量最大，占全年總量的62.3%，而秋冬則較小，占37.6%;空間上，春季由東南向西北遞減，廣西大部分地區以及云南南部實際蒸散量較大，而川西則較小;夏季與秋季呈現由東向西遞減的趨勢，由廣西、貴州、重慶向云南和四川遞減;冬季則呈現由南向北遞減的規律。

參考文獻：

[1]沈永平，王國亞.IPCC第一工作組第五次評估報告對全球氣候變化認知的最新科學要點[J].冰川凍土，2013，35（5）：1068-1076.

[2]Rouse J W，Haas R W，Schell J A，et al.Monitoring the vernal advancement and retrogradation（green wave effect）of natural vegetation[R].NASA/GSFC Type III Final Rep，1974，371.

[3]Chen W Y，Xiao Q G，Sheng Y W.Application of the anomaly vegetation index to monitoring heavy drought in 1992[J].Remote Sensing of Environment China，1994，9（2）：106-112.

[4]Feng Q，Tian G L， Wang A S，et al. Experimental Study on Drought Monitoring by Remote Sensing in China by Using Vegetation Condition Indexes（Ⅰ）-Data Analysis and Processing[J].Arid Land Geography，2004，27（2）：131-136.

[5]Price J C.The potential of remotely sensed thermal infrared data to infer surface soil moisture and evaporation[J].Water Resources Research，1980，16（4）：787-795.

[6]李興華，李云鵬，楊麗萍.內蒙古干旱監測評估方法綜合應用研究[J].干旱區資源與環境，2014，28（3）：162-166.

[7]郭鈮，王小平.遙感干旱應用技術進展及面臨的技術問題與發展機遇[J].干旱氣象，2015（1）：1-18.

[8]Moran M S，Clarke T R，Inoue Y，et al.Estimating crop water deficit using the relation between surface-air temperature and spectral vegetation index[J].Remote Sensing of Environment，1994，49（3）：246-263.

[9]Kogan F N，Application of vegetation index and brightness temperature for drought detection[J].Advance in Space Research，1995，15（11）：91-100.

[10]李星敏，盧玲，楊文峰，等.遙感技術在區域農田蒸散研究中的應用[J].西北農林科技大學學報：自然科學版，2009， 37（8）：161-170.

[11]陳添宇，陳乾，李寶梓.用衛星資料反演中國西北地區東部蒸散量的遙感模型[J].水科學進展，2006，17（6）：834-840.

[12]倪猛，陳波，岳建華，等.洛河流域蒸散發遙感反演及其與各參數的相關性分析[J].地理與地理信息科學，2007，23（6）：34-37.

[13]喬平林，張繼賢，王翠華，等.區域蒸散發量的遙感模型方法研究[J].測繪科學，2006，31（3）：45-46.

[14]詹志明，馮兆東，秦其明.隴西黃土高原陸面蒸散的遙感研究[J].地理與地理信息科學，2004，20（1）：16-19.

[15]辛曉洲.用定量遙感方法計算地表蒸散[D].北京：中國科學院研究生院，2003.

[16]劉雅妮，武建軍，夏虹，等.地表蒸散遙感反演雙層模型的研究方法綜述[J].干旱區地理，2005，28（1）：65-71.

[17]潘衛華，徐涵秋，李文，等.衛星遙感在東南沿海區域蒸散（發）量計算上的反演[J].中國農業氣象，2007，28（2）：154-158.

[18]張長春，王光謙，魏加華，等.聯合TM和NOAA數據研究黃河三角洲地表蒸發（散）量[J].清華大學學報：自然科學版， 2005（9）：1184-1188.

[19]崔亞莉，徐映雪，邵景力，等.應用遙感方法研究黃河三角洲地表蒸發及其與下墊面關系[J].地學前緣，2005，12（s1）：159-165.

[20]潘志強，劉高煥.黃河三角洲蒸散的遙感研究[J].地球信息科學學報，2003， 5（3）：91-96.

[21]周彥昭，周劍，李妍，等.利用SEBAL和改進的SEBAL模型估算黑河中游戈壁、綠洲的蒸散發[J].冰川凍土，2014，36（6）：1526-1537.

[22]張秀平，許小華，雷聲，等.基于遙感技術的鄱陽湖濕地蒸散發估算研究[J].人民長江，2014， 45（1）：28-31.

[23]王秋云，胡海棠，吳良才，等.基于SEBAL模型的蔡家河流域平原造林區蒸散發量研究[J].福建林業科技，2016（4）：21-26.

[24]Nishida K，Nemani R R， Running S W，et al. An operational remote sensing algorithm of land surface evaporation[J].Journal of Geophysical Research Atmospheres，2003，108（108）：469-474.

[25]馬建華.西南地區近年特大干旱災害的啟示與對策[J].人民長江，2010，41（24）：7-12.

[26]劉新安，于貴瑞， 何洪林，等.中國地表凈輻射推算方法的研究[J].自然資源學報，2006，21（1）：139-145.

[27]蘇秀程，王磊，李奇臨，等.近50 a中國西南地區地表干濕狀況研究[J].自然資源學報，2014，29（1）：104-116.

[28]韓蘭英，張強，姚玉璧，等.近60 a中國西南地區干旱災害規律與成因[J].地理學報，2014，69（5）：632-639.

引用本文：于?靜，柳錦寶，姚云軍，劉志紅.基于改進遙感蒸散模型的西南地表蒸散研究[J].人民長江，2019，50（1）：70-74.

Study on land surface evapotranspiration in southwest China basedon mixed linear dual source remote sensing evapotranspiration model

YU Jing?LIU Jinbao?YAO Yunjun3，LIU Zhihong1

（1. College of Resources and Environment， Chengdu University of Information Technology ， Chengdu 610225， China;2. Key Laboratory of Meteorological Disaster of Ministry of Education， Nanjing University of Information Science and Technology， Nanjing 210044， China;3.College of Global Change and Earth System Science， Beijing Normal University ，Beijing 100875， China）

Abstract：With satellite remote sensing data and meteorological data， the surface evapotranspiration in southwest China is estimated by mixed linear dual source remote sensing evapotranspiration model based on surface net radiation， vegetation index， monthly mean temperature and monthly temperature difference and the results are compared with the product data of MODIS. The results show that evapotranspiration estimated by improved remote sensing evapotranspiration model has a good correlation with the MODIS monitoring data， the order of simulation accuracy is autumn > winter > summer > spring; besides， in the past 20 years， the actual evapotranspiration in southwest China has increased obviously， and the evapotranspiration in spring and summer is larger， accounting for 62.3% of the total annual one; in spring， the evapotranspiration shows a descending trend from the southeast to northwest， the actual evapotranspiration in most of Guangxi and southern Yunnan is larger and the west Sichuan is smaller; in summer and autumn， the evapotranspiration shows a decreasing trend from east to west， i.e， from Guangxi， Guizhou， Chongqing to Yunnan and Sichuan; in winter， the trend is decreasing from the south to the north.

Key words：?remote sensing evapotranspiration model; surface evapotranspiration; accuracy verification; Southwest China