河套灌區(qū)土地利用對蒸散發(fā)分布規(guī)律的影響研究

王海霞，丁春蓮，韓 奮

(1.河套學(xué)院，內(nèi)蒙古 巴彥淖爾 015000；2.巴彥淖爾西部銅材有限公司，內(nèi)蒙古 巴彥淖爾 015000)

1 引言

蒸散發(fā)(ET)包含植被的蒸騰和土壤的蒸發(fā)，是水循環(huán)的重要環(huán)節(jié)，據(jù)統(tǒng)計降落到地球表面的降水70%～90%通過蒸散作用回到大氣中[1]。另外地表覆被類型的改變勢必會引起蒸散發(fā)量的改變，現(xiàn)有研究表明地球下墊面蒸散發(fā)量的變化直接影響到區(qū)域內(nèi)水量的平衡，進(jìn)而影響區(qū)域內(nèi)水資源的時空分布。因此在全球水資源短缺日益嚴(yán)峻的情況下，研究土地利用對ET的影響對準(zhǔn)確估算河套灌區(qū)作物需水量及灌區(qū)環(huán)境的承載能力方面具有深刻的理論意義。

2 國內(nèi)外研究現(xiàn)狀及趨勢

傳統(tǒng)基于站點觀測的蒸滲儀估算ET分布格局的研究方式多局限于單點尺度，對于復(fù)雜地形區(qū)域無法測量，很難獲得面域尺度的研究成果。由于遙感技術(shù)能夠快速、高效地對地球表面進(jìn)行觀測，遙感影像在宏觀和微觀方面兼具優(yōu)勢。目前通過遙感技術(shù)分析土地利用與ET分布格局之間的關(guān)系已成為近年來主要的技術(shù)手段。

國內(nèi)外在研究LUCC與ET相關(guān)性上做出探索的有：劉強等利用Penman—Monteith模型計算了洮兒河流域的生長季ET,指出LUCC引起參考作物ET的調(diào)節(jié)能力降低；金翠等以吉林省乾安縣為例指出當(dāng)不同作物的覆蓋度變化時其ET的變化與之成正向；Mishra等以美國中西部為例，得出一個網(wǎng)格單元的森林轉(zhuǎn)變?yōu)楦貢r，ET減少15 mm；張殿君等借助于SEBAL模型估算黃土高原羅玉溝流域ET，得到LUCC的特點基本控制了ET的分布特點[2]；Zhang等研究得出覆被由灌木轉(zhuǎn)變成森林ET增加2.3%～27.4%；袁勇等研究表明不同尺度下土地利用類型與蒸散發(fā)異質(zhì)性變化趨勢相似[3]；唐婷等得到結(jié)論土地利用類型轉(zhuǎn)化為城市用地會使ET強度降低；趙建剛研究橫排頭流域砍林實際ET平均增加193mm造林實際ET變化平均減少290 mm；呂文等得出太湖流域ET空間分布基本與土地利用類型的植被覆蓋度一致。以上研究表明土地利用對ET分布格局的影響較為顯著。

河套灌區(qū)土地利用對蒸散發(fā)分布規(guī)律的影響技術(shù)路線見圖1。

圖1 河套灌區(qū)土地利用對蒸散發(fā)分布規(guī)律的影響研究技術(shù)路線

3 數(shù)據(jù)處理

3.1 衛(wèi)星影像數(shù)據(jù)處理

本文主要使用Landsat系列衛(wèi)星數(shù)據(jù)和MODIS陸地蒸散產(chǎn)品數(shù)據(jù)MOD16，其中Landsat系列衛(wèi)星數(shù)據(jù)主要多光譜波段的空間分辨率為30 m，重訪周期為16 d，MOD16產(chǎn)品數(shù)據(jù)的空間分辨率為1 km。依據(jù)該地區(qū)農(nóng)作物的生長特點選擇了2014年5～9月的影像，篩選并剔除了多云覆蓋的影像。研究還采用了高程數(shù)據(jù)ASTER-GDEM，其空間精度為30 m，垂直精度為20 m。

利用NASA官網(wǎng)提供的MODIS專業(yè)轉(zhuǎn)投影工具M(jìn)RT，將原始MOD16的SIN投影HDF數(shù)據(jù)集統(tǒng)一轉(zhuǎn)成WGS-1984經(jīng)緯度坐標(biāo)下的GeoTiff格式圖像文件，再利用ENVI遙感處理軟件完成覆蓋整個灌區(qū)衛(wèi)星影像的預(yù)處理，主要處理有輻射定標(biāo)、大氣校正、圖像鑲嵌、投影轉(zhuǎn)換等處理。利用ArcMap數(shù)據(jù)處理平臺對灌區(qū)的行政規(guī)劃圖進(jìn)行配準(zhǔn)，并對其進(jìn)行矢量化得到灌區(qū)內(nèi)烏蘭布和、解放閘、永濟(jì)、義長、烏拉特五大灌區(qū)界線，使用這五大灌區(qū)界線的矢量數(shù)據(jù)，對處理好的灌區(qū)影像進(jìn)行掩膜裁剪處理、增強處理[4]。

3.2 氣象數(shù)據(jù)處理

氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn/)及研究區(qū)域內(nèi)實驗點田間氣象站，主要采集溫度、風(fēng)速、降雨量及日照強度。為了提高灌區(qū)蒸散發(fā)模型估算精度，本研究將2014年5～9月份不同氣象參數(shù)進(jìn)行Kriging空間插值，得到與遙感影像空間分辨率相同的氣象柵格數(shù)據(jù)。

3.3 土地利用分類

根據(jù)整個灌區(qū)地表覆蓋的特點，將該區(qū)的土地利用分為耕地、水體、居民地、草地、裸地、林地六大類。利用GPS定位踏查及google earth確定分類樣本，采用ENVI數(shù)據(jù)處理平臺的ROI Tool確定樣本對應(yīng)的遙感影像像元，并確定分類樣本及檢測樣本。選擇的支持向量機(jī)(SVM)分類器的監(jiān)督分類方式，該分類器具有自學(xué)習(xí)能力，能夠自動尋找對分類有較好區(qū)分度的支持向量，建立超平面，使類間距離最大化，將訓(xùn)練集中的數(shù)據(jù)分離開，分類結(jié)果較優(yōu)。以灌區(qū)內(nèi)1024×1024像素大小作為例，采用徑向基SVM的分類誤差混淆矩陣如表1，水體的錯分誤差為0，漏分誤差為10.3%、制圖精度89.71%、用戶精度100%，其中徑向基SVM監(jiān)督分類的精度最高，總精度達(dá)到87.8587%，Kappa系數(shù)為0.81333。

得到灌區(qū)不同土地利用類型的面積比例如表2，其中耕地所占比例最大為71.24%，耕地、草地、林地三者之和占78.98%，裸地占12.97%，居民地占5.68%，水體所占比例較小為2.37%。

表1 徑向基SVM的分類誤差混淆矩陣

表2 灌區(qū)不同土地利用類型的面積比例

4 灌區(qū)土地利用的ET模型

4.1 地表參數(shù)反演及ET模型建立

SEBAL模型主要是依據(jù)地表能量平衡方程提出的，該模型被國內(nèi)外的研究者廣泛地使用，是進(jìn)行區(qū)域蒸散量反演的有效手段，該模型特別適合于地勢平坦、植被覆蓋率較高的地區(qū)，這點與河套灌區(qū)較為吻合。

地表能量平衡方程：λET=Rn-G-H

(1)

式(1)中：λET為潛熱通量，其中λ為汽化潛熱；ET為蒸騰量；Rn為凈輻射通量；G為土壤熱通量；H為感熱通量[5]。

SEBAL模型是結(jié)合相關(guān)氣象資料對Landsat5數(shù)據(jù)及通過逐像元地反演出研究區(qū)域的地表參數(shù)：歸一化植被指數(shù)(NDVI)、地面反照率、比輻射率和地表溫度，進(jìn)一步依據(jù)反演參數(shù)推算出衛(wèi)星過境時刻的凈輻射Rn、土壤熱通量G，并選取遙感圖像中的“冷點”和“熱點”確定地表溫度與溫度梯度差的線性關(guān)系，使用Monin-Obukhov相似理論循環(huán)迭代計算，對空氣動力學(xué)阻力、空氣密度進(jìn)行校正，直到迭代出穩(wěn)定的感熱通量值為止，進(jìn)而粗略求得研究區(qū)域各像元點的感熱通量H。通過上面的地表能量平衡方程得到區(qū)域潛熱通量，也就是瞬時蒸散發(fā)。最后通過蒸發(fā)比不變原理進(jìn)行時間尺度擴(kuò)展，求得區(qū)域全天蒸散量，SEBAL模型建立流程見圖2。

SEBAL模型建立過程中“冷點”和“熱點”的選取對顯熱通量H反演的影響較大，該過程一般采用人為判斷，該研究結(jié)合Google高分影像，冷熱點選取的特征要求，選取水體像元作為特殊的“冷點”，沙地和城市像元作為特殊的“熱點”。為了便于計算數(shù)據(jù)，通過IDL語言實現(xiàn)SEBAL模型蒸散量反演的編譯，并將程序封裝為ENVI插件，程序直接讀取Landsat和MODIS的預(yù)處理結(jié)果，流程化地計算各地表參數(shù)和輻射通量、循環(huán)迭代求解顯熱通量、計算瞬時蒸散量并擴(kuò)展為日蒸散量結(jié)果[6]。

4.2 不同土地利用的ET

通過對灌區(qū)2014年作物生育期(5～9月份)的蒸散量進(jìn)行融合，將上述得到的日蒸散量進(jìn)行插值，得到6種地物覆蓋總蒸散量(圖3)。由圖可知，7月份各種地物覆蓋的蒸散量都很大，這與本月氣溫高蒸散量大直接相關(guān)。水體的ET總體最高在4.22～6.14 mm/d，荒地的ET最低在3.82～5.78 mm/d，這與灌區(qū)的實際情況基本吻合。

圖2 SEBAL模型建立流程

圖3 灌區(qū)不同土地類型的ET

5 結(jié)論與討論

本文使用基于SVM的監(jiān)督分類方式提取了河套灌區(qū)的耕地、水體、居民地、草地、裸地、林地六類，實際地物覆蓋種類繁多遠(yuǎn)遠(yuǎn)超出本研究中的6種，例如耕地由于種植的農(nóng)作物種類繁多，農(nóng)作物生長期特點各異，在監(jiān)督分類的過程中很難找到純凈的像元。另外，由于Landsat系列衛(wèi)星數(shù)據(jù)空間分辨率為30 m，分類過程不可避免地存在混合像元，將耕地附近的零碎居民地、草地、裸地、林地等混合像元的NDVI判別為耕地的NDVI。以上因素均對本研究產(chǎn)生了影響[6]。