基于多源遙感數(shù)據(jù)的三江平原日蒸散量估算

白 娟，楊勝天，董國濤，2，郝芳華，王鳴程，4

（1.北京師范大學 地理學與遙感科學學院 遙感科學國家重點實驗室，北京100875；2.黃河水利委員會 黃河水利科學研究院，鄭州450003；3.北京師范大學 環(huán)境學院 水環(huán)境模擬國家重點實驗室，北京100875；4.中國科學院 昆明植物研究所 山地生態(tài)系統(tǒng)研究中心，昆明650204）

蒸散發(fā)是影響區(qū)域水熱平衡的主要因素，也是水文循環(huán)的重要環(huán)節(jié)之一。區(qū)域蒸散過程涉及土壤、植被和大氣等多個要素，時空尺度陸面蒸散量的精確評價對區(qū)域水循環(huán)研究和植被生產力評價具有重要意義。蒸散發(fā)的估算方法目前有很多，如點尺度的波文比能量平衡法、空氣動力學方法和渦度相關法，區(qū)域尺度的水量平衡理論、SPAC理論和參考作物騰發(fā)量等［1］。聯(lián)合國糧農組織（FAO）于1998年推出的修正Pennman－Monteith（P－M）模型是目前最常用的蒸散發(fā)估算方法，常用于檢驗其他蒸散發(fā)模型的精度［2－3］。P－M 模型綜合了能量平衡（熱量平衡）方程和空氣動力學方法，具有較明確的物理意義，用于估算較長時期（月或年）的蒸散發(fā)時較為精確，被廣泛應用于區(qū)域參考作物蒸散量的估算［4－8］。目前大部分研究主要是基于氣象觀測資料，通過估算氣象站點的蒸散量，然后對站點的蒸散量進行空間插值推廣到區(qū)域上，這種方法在站點上具有很高的精度，但在區(qū)域尺度受下墊面幾何結構與物理性質的空間異質性影響，較難取得準確的結果。

隨著遙感技術的發(fā)展和應用，衛(wèi)星遙感技術被廣泛應用于區(qū)域蒸散發(fā)的研究中。雖然遙感不能直接測量蒸散發(fā)，但是利用遙感技術可以定量反演用于計算陸面蒸散的地表參數(shù)和地表通量。不少學者采用P－M模型結合遙感的方法對區(qū)域蒸散發(fā)量進行估算［9－10］，但這些研究多利用遙感數(shù)據(jù)進行通量反演，氣象數(shù)據(jù)仍采用站點數(shù)據(jù)的插值結果，在資料缺乏地區(qū)或者氣象觀測站點分布不均勻的地區(qū)的應用仍存在局限。

本研究在FAO Penman－Monteith模型的基礎上，采用多源遙感數(shù)據(jù)，對三江平原2011年生長季（5—9月）的日實際蒸散量進行估算，并結合地表連續(xù)觀測數(shù)據(jù)對模型精度進行評價?；诖?，進一步分析研究區(qū)實際蒸散發(fā)的時空分布特征和氣象因素對實際蒸散發(fā)的影響，驗證了遙感驅動的Penman－Monteith模型在三江平原的適用性，同時為三江平原的生態(tài)水文過程模擬提供了重要的基礎數(shù)據(jù)，對研究三江平原的生態(tài)水文過程具有重要意義。

1 研究區(qū)與實驗區(qū)概況

三江平原位于黑龍江省東部，是由黑龍江、烏蘇里江及松花江沖積而成的低平原。該區(qū)北起黑龍江，南抵興凱湖，西鄰小興安嶺，東至烏蘇里江，地理坐標為43°49′55″—48°27′40″N，129°11′20″—135°05′26″E，總面積10.89萬km2。氣候屬于溫帶濕潤、半濕潤大陸性季風氣候區(qū)，全年日照時數(shù)2 400～2 500h，1月平均氣溫低于－18℃，7月平均氣溫21～22℃，無霜期120～140d，凍結期140～190d，季節(jié)性凍土深度為1.4～2.5m。年降水量500～650mm，降水時空分布不均勻，75%～85%的降水集中在6—10月，空間上為東部降水多于西部。土壤類型主要有暗棕壤、黑土、沼澤土、白漿土、草甸土。

為了獲取地面實際蒸散發(fā)數(shù)據(jù)，在三江平原859農場內建立實驗區(qū)。實驗區(qū)位置為47°24′20.42″—47°24′21.38″N，134°07′11.12″—134°07′12.84″E。試驗田面積600m2，主要作物為小麥和大豆。區(qū)內架設有RR－9310換位式波文比通量觀測系統(tǒng)。通量觀測系統(tǒng)采樣頻率設置為10min，觀測時間為2011年6—9月，觀測因子包括地表凈輻射、土壤熱通量、不同高度層的大氣溫度和相對濕度。

2 研究方法與數(shù)據(jù)處理

2.1 研究方法

2.1.1 實際蒸散量 FAO P－M模型通過參考作物蒸散量和作物特性對需水量的影響即作物系數(shù)來計算潛在蒸散發(fā)量，然后結合實際土壤水分狀況計算實際蒸散量。實際蒸散量和潛在蒸散量表示為［11］：

式中：ET0——參考作物蒸散量（mm／d）；ETp——潛在蒸散量（mm／d）；ETa——實際蒸散量（mm／d）；Ks——土壤水分脅迫系數(shù)；Kc——作物系數(shù)，與土壤、氣候、作物種類、作物生長狀況等因素有關，在沒有試驗資料的情況下，可采用聯(lián)合國糧農組織（FAO）給出的不同作物各發(fā)育階段作物系數(shù)經驗值。

Jensen等［12］的研究結果表明，土壤水分脅迫系數(shù)Ks可用式（4）表示：

式中：Av——相對有效含水率；Wm——萎蔫含水量（m3／m3），通過全球土壤數(shù)據(jù)庫HWSD查詢表層土壤的機械組成和有機碳含量，然后帶入SPAW模型計算獲得；Wf——田間持水量（m3／m3），同樣采用SPAW模型進行計算；W——根區(qū)實際土壤含水量（m3／m3），采用遙感驅動的分布式時變增益水文模型（RS－DTVGM）進行估算［13］。

2.1.2 參考蒸散量 根據(jù)FAO的推薦，參考下墊面為表面開闊、具有充足水分供應、植被高度為0.12 m的草地，具有固定的表面阻抗70s／m，反照率為0.23。參考蒸散量的計算式為［11］：

式中：ET0——參考蒸散量（mm／d）；Δ——氣溫T 時的飽和水汽壓曲線斜率（kPa／℃）；Rn——地表凈輻射［MJ／（m2·d）］；G——土壤熱通量［MJ／（m2·d）］；γ——干濕表常數(shù)（kPa／℃）；T——日平均溫度（℃）；U2——2m 高度處風速（m／s）；es——飽和水汽壓（kPa）；ed——實際水汽壓（kPa）。

飽和水汽壓曲線斜率Δ：

式中：γ——干濕表常數(shù)（kPa／℃）；Cp——空氣定壓比熱，指一定氣壓下，單位體積的空氣溫度升高1℃所需的能量為1.013×10－3MJ／（kg·℃）；λ——蒸發(fā)潛熱，取2.45MJ／kg；ε——水汽分子量與干空氣分子量之比，為0.622。

地表熱通量G采用Su提出的計算方法［14］，對于有植被覆蓋的地面，計算公式如下：

式中：全植被覆蓋下，土壤熱通量與凈輻射的比值τc＝0.05；裸地情況下，土壤熱通量與凈輻射比值τs＝0.315；fc為植被蓋度，采用Nilson提出的計算方法［15］，表達式為：

式中：LAI——葉面積指數(shù)；k——與植被幾何結構有關的系數(shù)；Ω——聚集指數(shù)，取值參見不同IGBP類型的典型聚集指數(shù)［16］；K——冠層消光系數(shù)，對于2a生或多年生樹木，假定葉片在空間為球狀分布，則其折射光的消光系數(shù)只取決于太陽高度角或太陽天頂角，表達式為：

式中：z——太陽天頂角（°），Monsi認為草本植物的K 為0.3～0.5［17］。

2.1.3 遙感驅動的FAO P－M模型 遙感驅動的FAO P－M模型計算實際蒸散發(fā)的流程如圖1所示。首先利用遙感數(shù)據(jù)估算出凈輻射、土壤熱通量、平均飽和水汽壓和實際水汽壓等參數(shù)，然后利用以上參數(shù)結合作物系數(shù)計算潛在蒸散量，最后通過土壤含水量計算出實際蒸散量。

圖1 基于多源遙感數(shù)據(jù)的P－M模型計算流程

2.2 數(shù)據(jù)處理

2.2.1 地面實際蒸散實驗數(shù)據(jù)處理 波文比方法采用地表能量平衡方程和空氣動力學方程來計算實際蒸散發(fā)，原理簡單，精度較高，適用于常規(guī)地面觀測。由波文比計算蒸散耗熱通量的公式為［18］：

式中：E——蒸散量（mm）；λ——水的汽化潛熱（MJ／kg）；Rn——地表凈輻射［MJ／（m2·d）］；G——土壤熱通量［MJ／（m2·d）］；β為波文比。對由波文比方法計算得到的蒸散量進行嚴格篩選，剔除與實際方向相反的數(shù)據(jù)和嚴重偏離正態(tài)分布的數(shù)據(jù)，對剔除后的缺值數(shù)據(jù)采用滑動平均的方法進行補值，然后將補值后的10min間隔的蒸散量累加轉化為日實際蒸散量。

2.2.2 多源遙感數(shù)據(jù)處理 本研究主要采用的遙感數(shù)據(jù)包括：（1）2010年環(huán)境衛(wèi)星影像，對影像數(shù)據(jù)進行預處理，根據(jù)不同土地覆蓋類型的影像色調、紋理等特征，建立相應的解譯標志，通過人機交互式判讀，得到研究區(qū)的土地利用數(shù)據(jù)。土地利用類型主要包括：林地、草地、濕地、旱田、水田、裸地和水體。（2）采用“MODIS／Terra Leaf Area Index／FPAR 8－Day L4Global 1km SIN Grid V005”產品計算植被覆蓋度。產品空間分辨率為1km，時間分辨率為8 d，需要進行時間序列插值得到日尺度數(shù)據(jù)。（3）采用GLDAS＿NOAH025SUBP＿3H 產品，包括氣溫、風速、比濕、凈短波輻射和凈長波輻射數(shù)據(jù)，分別用于計算日平均氣溫、日平均風速、空氣相對濕度和凈輻射。由于GLDAS提供的數(shù)據(jù)是間隔25km的數(shù)據(jù)集點，不是連續(xù)的柵格數(shù)據(jù)，需要將原始數(shù)據(jù)提取生成1 km×1km分辨率的柵格數(shù)據(jù)，然后結合DEM做反距離加權插值，最后對不同類型的數(shù)據(jù)進行求平均或累加得到日尺度數(shù)據(jù)，獲得最終需要的氣象數(shù)據(jù)。（4）降水數(shù)據(jù)采用FY－2D標稱格式24h降水估計產品，空間分辨率為5.154km。（5）DEM數(shù)據(jù)采用SRTM 3數(shù)據(jù)，空間分辨率為90m。將不同空間分辨率的數(shù)據(jù)重采樣為1km×1km分辨率。

2.2.3 遙感數(shù)據(jù)精度評價 氣象數(shù)據(jù)來自GLDAS產品，有必要結合氣象站點數(shù)據(jù)和野外定點觀測數(shù)據(jù)對遙感氣象數(shù)據(jù)的精度進行驗證。驗證數(shù)據(jù)來自由中國氣象局提供的三江平原7個基準地面氣象觀測站的地面氣候資料日值數(shù)據(jù)和監(jiān)測站的波文比觀測數(shù)據(jù)。提取氣象站和地面觀測站所在像元的GLDAS數(shù)據(jù)的氣溫、風速和凈輻射數(shù)據(jù)，分別與相應站點的實測數(shù)據(jù)進行比較。GLDAS氣溫數(shù)據(jù)通過反距離加權并結合DEM插值后，與實測數(shù)據(jù)的一致性更好，GLDAS日均氣溫數(shù)據(jù)與研究區(qū)內各氣象站點的實測日均氣溫都呈現(xiàn)很好的相關性，R2均大于0.97；對比GLDAS風速數(shù)據(jù)和研究區(qū)內各氣象站點的風速數(shù)據(jù)，發(fā)現(xiàn)GLDAS數(shù)據(jù)總體上較觀測值偏小，GLDAS風速數(shù)據(jù)與各氣象站實測風速的R2為0.416～0.608，相關性較好；將基于 GLDAS數(shù)據(jù)獲取的凈輻射與波文比實測的凈輻射數(shù)據(jù)進行對比，發(fā)現(xiàn)二者比較接近，誤差在2.4～6.2MJ／m2之間，R2為0.704。以上驗證結果表明，GLDAS產品精度較高，由GLDAS產品提取的氣象數(shù)據(jù)適用于三江平原蒸散發(fā)量的計算。

3 結果與分析

3.1 實際蒸散量估算結果驗證

將P－M模型估算的旱田蒸散量與波文比實測的旱田蒸散量進行比較?？紤]到影像的幾何糾正會帶來取樣誤差，觀測點處的遙感估算值采用以該像元為中心的3×3窗口內的平均值作為該像元的遙感估算值，與實測值進行比較。圖2為生長季內日尺度上旱田蒸散發(fā)的模擬值與實測值。由圖2可以看出：模擬值和實測值比較接近，旱田日蒸散發(fā)的模擬值與實測值的R2為0.824，RMSE為0.493；旱田月平均蒸散量的模擬值與實測值的R2為0.938，RMSE為0.256，P－M模型對旱田蒸散量的模擬精度較高。生長季內月尺度上，在6—8月份，旱田實際蒸散發(fā)的P－M模型的模擬值比實測值偏高，相對誤差分別為11.7%，7.63%和19.4%；9月份的模擬值則低于實測值，相對誤差為－0.13%。在實際蒸散量較小時，模型模擬誤差較大，可能是由于模擬值為像元尺度，雖然旱田實驗區(qū)地勢平坦開闊，實測數(shù)據(jù)可以代表較大范圍的蒸散發(fā)情況，但仍存在尺度差異性，此外由于驅動P－M模型的遙感產品的精度問題，會造成誤差累積?？傮w而言，在整個觀測時期內，P－M模型的模擬值與實測值較為一致，表明本文所采用的多源遙感數(shù)據(jù)驅動P－M模型的方法適用于日蒸散發(fā)的估算。

圖2 三江平原旱田日蒸散發(fā)的模擬值與實測值

3.2 三江平原蒸散發(fā)計算結果

采用多源遙感數(shù)據(jù)，對三江平原2011年生長季內（5—9月）月蒸散量的變化情況進行估算。從時間上來看，三江平原的月蒸散發(fā)量分布呈單峰型，從5月到7月蒸散量呈顯著增長趨勢，其中7月蒸散量最大，普遍達到60～100mm，8月蒸散量開始減少，整體上與6月相比差異不大，基本上達到40～80mm，9月蒸散量顯著減少，大部分地區(qū)的蒸散量介于20～40mm，與杜嘉［19］在三江平原采用SEBS模型估算蒸散發(fā)的結論相同。分析其原因為：5月氣溫已經回升，空氣飽和差變大，導致耗水增加；6—8月氣溫達到最高，降水量大，供水充分，是植被生長的旺季，植被蒸騰顯著提高，導致蒸散發(fā)量大幅增加；9月氣溫開始緩慢降低，降水量減少，植株衰老，葉片功能喪失，蒸散發(fā)降低。

從空間分布來看，三江平原生長季的蒸散發(fā)量與土地利用方式密切相關。位于以黑龍江、松花江、烏蘇里江及其支流和興凱湖為主的水域，蒸發(fā)量最高，生長季的平均蒸發(fā)總量為445.72mm；其次為位于東北部地區(qū)的濕地和位于小興安嶺青黑山的林地覆蓋區(qū)，林地具有較高的蒸發(fā)系數(shù)，再加上該區(qū)降水充足，平均蒸散發(fā)量大于340mm；位于老爺嶺、張廣才嶺和完達山的林地覆蓋區(qū)，由于降水量較少，平均蒸散發(fā)量不足290mm；濕地由于有大面積水生植被覆蓋，且降水充沛，可提供充足的水分用于蒸騰，平均蒸散發(fā)量接近330mm；水田由于供水充足，生長發(fā)育旺盛，平均蒸散發(fā)量為310mm；位于三江平原中部的旱田和草地，平均蒸散發(fā)量不足280mm，這是由于三江平原旱地大多不具備灌溉條件，大面積的旱田只能雨養(yǎng)，很多時候處于缺水狀態(tài)，故蒸散發(fā)量較低?？傮w上，2011年三江平原生長季的蒸散發(fā)量主要與植被蓋度和水分供給狀況有關。三江平原水體的日蒸散量高于沼澤濕地的日蒸散量，與Burba［20］在美國內布拉斯加州對水體和濕地蒸散發(fā)研究的結論相同。

3.3 實際蒸散量影響因素分析

在三江平原區(qū)域范圍內，以5km為間隔進行均勻采樣，共得到44個樣點。通過計算整個生長季內各樣點的實際蒸散量與4個氣象因子（氣溫、凈輻射、風速和比濕）的相關系數(shù)，并對各氣象因子取其相關系數(shù)的平均值來衡量三江平原實際蒸散量與氣象因素的相關性。實際蒸散量與氣溫、凈輻射的相關性較好，其平均相關系數(shù)分別為0.49和0.63；實際蒸散量與比濕和風速的相關性較差，其平均相關系數(shù)分別為0.32和0.14；將比濕轉換為相對濕度，與實際蒸散量呈負相關，平均相關系數(shù)為0.15。各氣象因子與實際蒸散發(fā)的相關性分析表明，凈輻射和氣溫是影響三江平原實際蒸散發(fā)的兩個主要因子。各氣象因子按照對蒸散發(fā)量的貢獻大小排序為：凈輻射＞氣溫＞比濕＞風速。

圖3是三江平原生長季內觀測站點的實際蒸散發(fā)與氣溫、凈輻射和降水隨時間的變化規(guī)律，可以看出在降水較多時，氣溫和凈輻射與實際蒸散發(fā)的變化趨勢大體相同，實際蒸散發(fā)的峰值相對降水量呈現(xiàn)出一定的滯后性；7月15日到7月28日缺少降水，雖然期間氣溫和凈輻射值仍然比較高，潛在蒸散的平均值也達到4.87mm，但是由于土壤水分含量較低，實際蒸散量銳減，平均只有2.22mm，說明在氣溫、凈輻射和比濕較為穩(wěn)定的情況下，次降雨可以明顯增加蒸散量。三江平原降水時空分布不均勻，降水集中在6—10月，東多西少，而實際蒸散發(fā)的時空分布與降水的時空分布密切相關，因此降雨是影響區(qū)域實際蒸散發(fā)的制約性因素。

圖3 三江平原旱田日實際蒸散發(fā)和氣象要素的變化趨勢

4 結論

（1）采用P－M模型，結合多源遙感數(shù)據(jù)，對三江平原生長季內（5—9月）的日實際蒸散量進行估算，并用波文比通量觀測系統(tǒng)得到的實測數(shù)據(jù)對模擬結果進行了驗證。結果表明，在整個觀測時期內，P－M模型的模擬值與實測值比較一致，說明本文所采用的方法適用于日實際蒸散發(fā)的估算。

（2）蒸散發(fā)受土地利用和覆被類型的影響，同時與植被的生長季節(jié)有很好的相關關系。生長季內，三江平原蒸散發(fā)量呈明顯的季節(jié)變化，總體上表現(xiàn)為5月份最低，7月份最高；蒸散發(fā)量的空間分布與植被蓋度和水分供給狀況密切相關。

（3）三江平原生長季內各氣象因子與實際蒸散發(fā)的相關性分析表明，凈輻射和氣溫是影響三江平原實際蒸散發(fā)的兩個主要因子。各氣象因子對實際蒸散量的貢獻大小為：凈輻射＞氣溫＞比濕＞風速。此外，分析觀測站點氣象因素對實際蒸散發(fā)的影響得出，在其他氣象因素較為穩(wěn)定的情況下，次降雨可以明顯增加實際蒸散發(fā)量。三江平原降水的時空分布不均勻，降水是影響區(qū)域實際蒸散發(fā)的關鍵因素。

［1］ 武夏寧，胡鐵松，王修貴，等.區(qū)域蒸散發(fā)估算測定方法綜述［J］.農業(yè)工程學報，2006，22（10）：257－262.

［2］ 劉安花，李英年，薛曉娟，等.高寒草甸蒸散量及作物系數(shù)的研究［J］.中國農業(yè)氣象，2010，31（1）：59－64.

［3］ 左德鵬，徐宗學，李景玉，等.氣候變化情景下渭河流域潛在蒸散量時空變化特征［J］.水科學進展，2011，22（4）：455－461.

［4］ Tong Ling，Kang Shaozhong，Zhang Lu.Temporal and spatial variations of evapotranspiration for spring wheat in the Shiyang river basin in northwest China［J］.Agricultural Water Management，2007，87（3）：241－250.

［5］ Suleiman A A，Tojo S C M，Hoogenboom G.Evaluation of FAO－56crop coefficient procedures for deficit irrigation management of cotton in a humid climate［J］.Agricultural and Forest Meteorology，2007，91（1／3）：33－42.

［6］ 卓瑪蘭草，劉普幸，張亞寧，等.甘肅黃土高原區(qū)潛在蒸散量時空變化與成因研究［J］.水土保持研究，2012，19（1）：70－76.

［7］ 侯蘭功，肖洪浪，鄒松兵，等.黑河流域水循環(huán)特征研究［J］.水土保持研究，2010，17（3）：254－258.

［8］ 曾麗紅，宋開山，張柏，等.松嫩平原參考作物蒸散量變化及其影響因素分析［J］.農業(yè)系統(tǒng)科學與綜合研究，2010，26（1）：41－48.

［9］ Cleugh H A，Leuning R，Mu Q，et al.Regional evaporation estimates from flux tower and MODIS satellite data［J］.Remote Sensing of Environment，2007，106（3）：285－304.

［10］ 田雷，楊勝天，王玉娟.應用遙感技術研究貴州春季蒸散發(fā)空間分異規(guī)律［J］.水土保持研究，2008，15（1）：87－91.

［11］ Allen R G，Pereira L S，Raes D，et al.Crop Evapotranspiration－guidelines for Computing Crop Water Requirements［R］.FAO Irrigation and Drainage Paper 56.FAO，1998.

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

［13］ 楊勝天，等.生態(tài)水文模型與應用［M］.北京：科學出版社，2012.

［14］ 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.

［15］ Nilson T.A theoretical analysis of the frequency of gaps in plant stands［J］.Agricultural Meteorology，1971，8：25－38.

［16］ 唐世浩，朱啟疆，孫睿.基于方向反射率的大尺度葉面積指數(shù)反演算法及其驗證［J］.自然科學進展，2006，16（3）：331－337.

［17］ Monsi M，Saeki T.The light factor in plant communities and its significance for dry matter production［J］.Japanese Journal of Botany，1953，14：22－52.

［18］ 孫曉敏，朱治林，張仁華.生態(tài)系統(tǒng)中蒸發(fā)過程的精確測定：換位式波文比觀測儀介紹［J］.資源生態(tài)環(huán)境網絡研究動態(tài)，1995，6（4）：44－47.

［19］ 杜嘉，張柏，宋開山，等.基于NOAA／AV HRR數(shù)據(jù)估算三江平原蒸散量研究初探［J］.水土保持研究，2009，16（2）：56－62.

［20］ Burba G G，Verma S B，Kim J.A comparative study of surface energy fluxes of three communities（Phragmites australis，Scirpus acutus，and open water）in a prairie wetland ecosystem［J］.Wetlands，1999，19（2）：451－457.