修正型指數(shù)化蒸散模型對中國華北地區(qū)干旱監(jiān)測應用

鄭有飛等

摘要：對一個指數(shù)化蒸散模型進行引進、

關鍵詞：遙感；蒸散；干旱監(jiān)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(fā)生頻率高、持續(xù)時間長、影響范圍廣、后續(xù)影響大等特點，對生態(tài)環(huán)境和農(nóng)業(yè)造成非常大的危害[1]。隨著經(jīng)濟發(fā)展和人口膨脹，水資源短缺現(xiàn)象日趨嚴重，這也直接導致了干旱地區(qū)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(jiān)測干旱成為人們所關心的問題。

衛(wèi)星遙感技術具有宏觀、快速、動態(tài)、經(jīng)濟等特點。研究人員將瞬時的蒸散速率與衛(wèi)星所觀測到的地表溫度和植被覆蓋部分相聯(lián)系起來，得到了許多干旱監(jiān)測模型，如溫度與植被指數(shù)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(tǒng)[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(jīng)驗模型預測大面積的蒸散值。這些蒸散模型都以能量傳輸?shù)奈锢磉^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(shù)據(jù)，再利用余項法，通過地表能量平衡來估算蒸發(fā)散射（ET）。在估算地表通量時，需要大量的地表觀測數(shù)據(jù)[9，10]，且需要復雜的地面模型和遙感數(shù)據(jù)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(jīng)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(shù)（EDI）對中國華北地區(qū)一次干旱事件進行監(jiān)測，開展歷史實證研究，檢驗模型在實際干旱監(jiān)測工作中的應用前景。

1 材料與方法

1.1 數(shù)據(jù)資料

本研究建模及進行干旱監(jiān)測時所用到的遙感數(shù)據(jù)主要有：全球能源和水循環(huán)試驗（The global energy and water cycle experiment，GEWEX）的長、短波輻射數(shù)據(jù)，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(chǎn)品MOD11系列的日夜地表溫度，及16天合成產(chǎn)品MOD13系列的MODIS加強型植被指數(shù)（Enchanced vegetation index， EVI），分辨率都為0.05°×0.05°。

為得到修正型指數(shù)化蒸散模型的系數(shù)，從ARM（Atmospheric radiation measurement）、美國和歐洲通量觀測網(wǎng)站上選取了分布全球的21個站點（表1）的地面觀測數(shù)據(jù)，利用非線性回歸分析得到模型系數(shù)。

1.2 修正型指數(shù)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(qū)的一次干旱過程，利用改進后的模型進行監(jiān)測，并與帕默爾干旱指數(shù)（PDSI）進行對比驗證，以期檢驗修正型指數(shù)化蒸散模型在實際干旱監(jiān)測中的運用效果。

圖3是對2002年春季華北地區(qū)的一次干旱事件進行監(jiān)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(qū)開始發(fā)展，之后逐漸擴大和加深，至6月時，整個華北地區(qū)都處于一個較干旱的狀態(tài)。2002年1月，較干旱的點主要位于山西、河北省西北部，與內(nèi)蒙古接壤處。3月，干旱區(qū)域明顯擴大，整個華北大部分地區(qū)都出現(xiàn)了不同程度的干旱，EDI較大的地區(qū)主要還是在山西、河北大部。整體上來看，整個河北地區(qū)的EDI分布都有不同程度的上升，趨近于向干旱發(fā)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(qū)域都處于一個較干旱的狀態(tài)。5月時，華北北部干旱區(qū)域的EDI開始逐漸減小。6月時，雖然河北北部的大部分地區(qū)EDI較前面幾個月減小了，但整個河北地區(qū)的平均EDI在一個上升的狀態(tài)，這也表明河北地區(qū)仍處于一個較干旱的狀態(tài)。較往年同期，華北大部分區(qū)域1～3月的降水量普遍偏少4成以上，同時氣溫又持續(xù)異常上升，所以導致了此次干旱事件的發(fā)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(shù)值越大則表示越干旱。圖4是相應的華北地區(qū)同時段的帕默爾干旱指數(shù)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(shù)分布中心下，低值中心分別達到了-8和-10，說明此區(qū)域處于一個非常干旱的狀態(tài)。值得注意的是，帕默爾指數(shù)的監(jiān)視結果顯示，華北地區(qū)較干旱的區(qū)域始終在北部地區(qū)，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(shù)不能明確指明干旱發(fā)生發(fā)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(shù)據(jù)和土壤含水量的統(tǒng)計。不同于此，圖3中的EDI則能較好地表明干旱的發(fā)展趨勢，因改進型指數(shù)化蒸散模型是對實時數(shù)據(jù)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(shù)EDI也是對實時的地表干旱情況的一個反映和監(jiān)測，這是改進型指數(shù)化蒸散模型的一大優(yōu)勢。

在前面研究的基礎上，進一步做同時段華北地區(qū)EDI與帕默爾干旱指數(shù)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(shù)化蒸散模型的進一步驗證。兩者由于數(shù)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(shù)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(shù)范圍達到了0.72～0.92。說明在具體的干旱監(jiān)測工作中，修正型指數(shù)化蒸散模型模擬計算得到的干旱區(qū)域具有較高的準確性。

3 小結與討論

本文對一個指數(shù)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(shù)：地表凈輻射量、加強型植被指數(shù)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(qū)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(jiān)測過程，主要結論如下：

1）通過引進一個指數(shù)化蒸散模型，并對其輸入?yún)?shù)及空間分辨率進行修正，得到新的修正型指數(shù)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，F(xiàn)EDDES 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(wěn)，等. 基于MODIS產(chǎn)品LST_NDVI_EVI的陜西旱情監(jiān)測[J].自然災害學報，2010，19（4）：178-182.

在前面研究的基礎上，進一步做同時段華北地區(qū)EDI與帕默爾干旱指數(shù)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(shù)化蒸散模型的進一步驗證。兩者由于數(shù)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(shù)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(shù)范圍達到了0.72～0.92。說明在具體的干旱監(jiān)測工作中，修正型指數(shù)化蒸散模型模擬計算得到的干旱區(qū)域具有較高的準確性。

3 小結與討論

本文對一個指數(shù)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(shù)：地表凈輻射量、加強型植被指數(shù)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(qū)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(jiān)測過程，主要結論如下：

1）通過引進一個指數(shù)化蒸散模型，并對其輸入?yún)?shù)及空間分辨率進行修正，得到新的修正型指數(shù)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，F(xiàn)EDDES 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(wěn)，等. 基于MODIS產(chǎn)品LST_NDVI_EVI的陜西旱情監(jiān)測[J].自然災害學報，2010，19（4）：178-182.

在前面研究的基礎上，進一步做同時段華北地區(qū)EDI與帕默爾干旱指數(shù)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(shù)化蒸散模型的進一步驗證。兩者由于數(shù)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(shù)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(shù)范圍達到了0.72～0.92。說明在具體的干旱監(jiān)測工作中，修正型指數(shù)化蒸散模型模擬計算得到的干旱區(qū)域具有較高的準確性。

3 小結與討論

本文對一個指數(shù)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(shù)：地表凈輻射量、加強型植被指數(shù)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(qū)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(jiān)測過程，主要結論如下：

1）通過引進一個指數(shù)化蒸散模型，并對其輸入?yún)?shù)及空間分辨率進行修正，得到新的修正型指數(shù)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，F(xiàn)EDDES 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(wěn)，等. 基于MODIS產(chǎn)品LST_NDVI_EVI的陜西旱情監(jiān)測[J].自然災害學報，2010，19（4）：178-182.