秦淮河流域土地利用/覆被變化對蒸散量變化的貢獻*

秦孟晟，郝 璐**，鄭箐舟，金楷侖，孫 閣

?

秦淮河流域土地利用/覆被變化對蒸散量變化的貢獻*

秦孟晟1，郝 璐1**，鄭箐舟1，金楷侖1，孫 閣2

（1．南京信息工程大學江蘇省農(nóng)業(yè)氣象重點實驗室，南京，210044；2．Eastern Forest Environmental Threat Assessment Center，Southern Research Station，USDA Forest Service，Research Triangle Park，NC27606，USA）

為評估城市化造成的土地利用/覆被類型變化（Land use/cover change，LUCC）對流域尺度蒸散量變化的影響，選取長三角地區(qū)秦淮河流域為研究區(qū)，基于Landsat系列衛(wèi)星數(shù)據(jù)和站點氣象數(shù)據(jù)，構(gòu)建決策樹模型，提取2000年和2013年土地利用/覆被類型數(shù)據(jù)，同時借助SEBAL模型估算研究區(qū)四季典型日（春季：2014?05?26、夏季：2013?08?11、秋季：2013?10?14、冬季：2014?01?02）柵格尺度蒸散，探討2000?2013年秦淮河流域主要土地利用/覆被類型間轉(zhuǎn)化過程對流域尺度日蒸散量變化的貢獻。結(jié)果表明：（1）相較于2000年，2013年秦淮河流域不透水面增加183.8%，而水稻田、旱地、林地和水域分別減少19.1%、10.7%、12.8%和9.5%。2000?2013年主要土地利用/覆被類型轉(zhuǎn)化方向包括水稻田→不透水面、旱地→不透水面、水稻田→旱地和旱地→水稻田，轉(zhuǎn)化面積分別為208、168、282和232km2；（2）僅考慮LUCC的影響，對比2000年，2013年研究區(qū)流域尺度日蒸散總量在四季典型日分別減少134萬、109萬、60萬和5萬m3。在春、夏、秋三季典型日，水稻田和旱地向不透水面轉(zhuǎn)化過程造成的貢獻率分別為?58.5%、?59.5%、?54.4%和?35.1%、?36.3%、?39.8%，負貢獻會抵消旱地向水稻田轉(zhuǎn)化過程造成的正貢獻（分別為16.8%、16.3%、5.7%），導致春、夏、秋三季典型日流域尺度日蒸散量下降；而在冬季典型日，水稻田向不透水面、旱地向不透水面和水稻田向旱地轉(zhuǎn)化過程造成的負貢獻（分別為?48.8%、?20.5%和?31.8%）會抵消旱地向水稻田轉(zhuǎn)化過程造成的正貢獻（26.1%），導致冬季典型日流域尺度日蒸散量下降?？傮w而言，2000?2013年秦淮河流域城市化帶來土地利用/覆被的顯著變化，使蒸散較高的水稻田和旱地向蒸散較低的不透水面大面積轉(zhuǎn)化，導致流域尺度日蒸散量在四季均呈下降趨勢。

蒸散；SEBAL模型；土地利用/覆被變化；秦淮河流域；Landsat衛(wèi)星影像

蒸散（Evapotranspiration）是地表能量平衡和水量平衡的重要分量，全球約60%的降水以蒸散形式消耗[1]，而以蒸散形式消耗的農(nóng)業(yè)用水則超過90%[2]。近年來，由于人為影響加劇，中國農(nóng)業(yè)區(qū)土地利用/覆被變化（Land use/cover change，LUCC）發(fā)生了根本性變化[3?4]，導致下墊面性質(zhì)（如反照率、粗糙度、葉面積等）改變并最終使得區(qū)域尺度蒸散量變化[5]。因此，許多學者聚焦于中國農(nóng)業(yè)區(qū)LUCC對區(qū)域尺度蒸散量變化的影響研究。劉朝順等[5]指出，1987?2000年山東省北部墾利縣大面積鹽堿地和裸地轉(zhuǎn)化為農(nóng)田，導致該地區(qū)地表溫度顯著降低，蒸散量顯著增加。1986?2006年黃土高原內(nèi)羅玉溝流域坡耕地向梯田和林地大面積轉(zhuǎn)變，導致流域尺度蒸散量上升[6]。王潔等[7]發(fā)現(xiàn)松嫩平原西部2001?2012年存在草地和農(nóng)田的相互轉(zhuǎn)化，草地被人為開墾成農(nóng)田的地區(qū)蒸散量顯著上升，而“退耕還草”政策導致的農(nóng)田向草地轉(zhuǎn)化地區(qū)蒸散量下降。塔里木河干流區(qū)1985?2010年上中游農(nóng)田大面積擴張，導致上中游蒸散量上升；而農(nóng)田擴張同時使得流域上中游水資源開發(fā)量過大，下游來水量減少，蒸散量下降[8]。唐婷等[9]指出，2000?2010年北方京津唐地區(qū)城市化建設(shè)導致不同土地利用/覆被類型均向城市用地轉(zhuǎn)化，導致該地區(qū)蒸散量降低。

綜上所述，當前此類研究的研究區(qū)集中于中國北部干旱半干旱地區(qū)，且大多數(shù)研究重點關(guān)注農(nóng)田擴張對區(qū)域尺度蒸散量變化的影響，而對于中國濕潤地區(qū)，尤其是東部沿海城市分布密集，城市化水平較高的地區(qū)研究較少。但隨著社會經(jīng)濟的迅速發(fā)展，城市人口不斷增長，城市面積不斷擴張并侵占農(nóng)業(yè)生產(chǎn)用地，灌溉農(nóng)業(yè)所能獲取的水資源日益萎縮，并最終導致區(qū)域地表蒸散的空間差異加劇[3’10]。以往研究多關(guān)注各土地利用/覆被類型面積變化對蒸散量變化的影響，較少定量描述不同土地利用/覆被類型間轉(zhuǎn)化過程對流域尺度蒸散量變化的貢獻。此外，區(qū)域尺度蒸散數(shù)據(jù)的估算方法和估算精度一定程度上限制了城市下墊面蒸散研究的開展，如MODIS 16產(chǎn)品分辨率為1km且缺少城市等無植被覆蓋區(qū)域的數(shù)據(jù)；基于氣象站點數(shù)據(jù)的研究方法難以區(qū)分城市和郊區(qū)部分蒸散量差異[11?12]；基于SWAT（Soil and water assessment tool）、HEC-HMS（Hydrologic engineering center-hydrologic modeling system）等水文模型的研究重點關(guān)注LUCC對徑流的影響，而很少關(guān)注LUCC對蒸散變化的影響[13?14]。因此，為了獲得精確可靠的流域尺度蒸散數(shù)據(jù)，本研究采用基于遙感數(shù)據(jù)的SEBAL（Surface energy balance algorithm for land）模型估算秦淮河流域柵格尺度蒸散[15]。該模型具有堅實的物理基礎(chǔ)，且需要參數(shù)較少，自提出后已被成功運用于30多個國家的不同生態(tài)系統(tǒng)中，其在區(qū)域尺度上日和季節(jié)精度分別達到85%和95%[16]。

秦淮河流域位于中國南方濕潤區(qū)，為經(jīng)濟發(fā)展水平較高、城市化進程迅速的長江三角洲典型流域[17]。21世紀初，該流域內(nèi)農(nóng)業(yè)用地占主導地位，水稻田和旱地面積占比達70%，但隨著城市化進程的加速，流域內(nèi)不透水面的迅速擴張導致農(nóng)業(yè)用地迅速減少[18]。已有研究表明，近年來秦淮河流域內(nèi)頻發(fā)的水旱災(zāi)、城市熱島、城市干島和暴雨洪水等一系列生態(tài)環(huán)境問題，與下墊面土地利用/覆被類型和地表景觀格局的變遷密切相關(guān)[14,19?20]。因此，本研究選取秦淮河流域為研究區(qū)，基于Landsat系列衛(wèi)星數(shù)據(jù)和站點氣象數(shù)據(jù)，構(gòu)建決策樹模型提取土地利用/覆被類型數(shù)據(jù)，同時采用SEBAL模型估算該研究區(qū)柵格尺度蒸散，并探討2000?2013年秦淮河流域LUCC對不同季節(jié)流域尺度日蒸散量變化的貢獻。在城市和農(nóng)業(yè)用地矛盾日益尖銳的背景下，以期為流域土地利用的合理規(guī)劃提供科學依據(jù)，為流域尺度農(nóng)業(yè)水資源管理、生態(tài)環(huán)境整治和社會經(jīng)濟的協(xié)調(diào)發(fā)展提供理論基礎(chǔ)。

1 資料與方法

1.1 數(shù)據(jù)來源

秦淮河流域（118°30′?119°19′E，31°34′?32°10′N）位于江蘇省西南部，地形為完整的構(gòu)造盆地，海拔0?417m，四面環(huán)山，中間低平。屬亞熱帶季風氣候，具有冬暖夏熱，雨熱同期，光照充足等特點[21?22]。流域多年平均降水量為1116mm，且70%集中在生長季，多年平均日照時數(shù)為2240h，日平均溫度為15.6℃[19]。

數(shù)據(jù)資料包括：（1）30m×30m分辨率的影像數(shù)據(jù)來源于地理空間數(shù)據(jù)云（http://www.gscloud.cn/），Path/Row為120/38的2000年9月16日Landsat7 ETM+數(shù)據(jù)，2013年8月11日（代表夏季）、2013年10月14日（代表秋季）、2014年1月2日（代表冬季）和2014年5月26日（代表春季）Landsat8 OLI數(shù)據(jù)，用于提取秦淮河流域相應(yīng)時段土地利用/覆被和蒸散數(shù)據(jù)；（2）30m×30m分辨率高程數(shù)據(jù)（DEM）來源于NASA Land Processes Distributed Active Archieve Center（https://lpdaac.usgs.gov/da ta_access/ data_pool），用于輔助提取土地利用/覆被類型數(shù)據(jù)；（3）氣象數(shù)據(jù)來源于國家氣象數(shù)據(jù)共享服務(wù)網(wǎng)（http:// cdc.cma.gov.cn）和江蘇省氣象局，包括南京站、句容站、溧水站和浦口站的地面常規(guī)氣象資料（日最高氣溫、日最低氣溫、日平均氣溫、風速、日照時數(shù)等），用于估算日尺度凈輻射（Rnd）。

1.2 土地利用/覆被數(shù)據(jù)提取

基于2000?09?16和2013?08?11兩景遙感影像數(shù)據(jù)，使用ENVI（Environment for Visualizing images）平臺的決策樹分類模塊提取2000年和2013年土地利用/覆被數(shù)據(jù)。決策樹分類法作為人工智能遙感信息主要提取方法之一，具有靈活、直觀、清晰的結(jié)構(gòu)和很高的運算效率[23?24]。

（1）選取訓練樣本

訓練樣本的選取直接關(guān)系到分類結(jié)果精度，是決策樹分類的關(guān)鍵步驟。根據(jù)目視解譯結(jié)果和研究需要建立秦淮河流域土地利用/覆被分類系統(tǒng)，具體將該流域分為水域、不透水面、林地、旱地和水稻田五類。根據(jù)主成分分析、波段組合等增強處理結(jié)果，對各土地利用/覆被類型進行采樣，保證每類土地利用/覆被的樣本點不少于200個且在流域內(nèi)均勻分布。

（2）確定特征變量

光譜響應(yīng)特征是多光譜遙感影像進行地物識別最基本的要素，但因為存在“同物異譜、異物同譜”情況，依據(jù)單一通道的光譜響應(yīng)特征進行土地利用/覆被類型分類不能達到令人滿意的效果[23]。因此，除影像數(shù)據(jù)的6個波段（不考慮熱紅外波段）和DEM數(shù)據(jù)外，還引入歸一化建筑指數(shù)（NDBI）、改進的歸一化水體指數(shù)（MNDWI）、歸一化植被指數(shù)（NDVI）和影像K-T變換后的綠度指數(shù)（Greeness）等特征變量，用于輔助提取土地利用/覆被類型數(shù)據(jù)。其中

NDBI=(MIR?NIR)/(MIR+NIR) （1）

MNDWI=(Green?MIR)/(Green+MIR) （2）

NDVI=(NIR?R)/(NIR+R) （3）

式中，MIR為中紅外波段，NIR為近紅外波段，Green為綠光波段，R為紅光波段。

K-T變換是一種線性變換，其公式為

Y=BX （4）

式中，X為變換前多光譜空間的像元矢量，Y為變換后的新坐標空間的像元矢量，B為變化矩陣?；贓NVI平臺的K-T變換模塊進行計算，變換后的第二個變量為Greeness，能反映地表植被覆蓋和葉面積指數(shù)情況，用于輔助區(qū)分植被與非植被地物。

（3）構(gòu)建決策樹模型提取土地利用/覆被類型數(shù)據(jù)

根據(jù)各土地利用/覆被類型訓練樣本提取不同特征變量樣點，依次對比不同特征變量中各類土地利用/覆被樣點的光譜亮度值大小，構(gòu)建決策樹模型。不透水面NDBI值大于0，而Greenness小于其它地類，易于提取。同樣，水域因MNDWI大于0，band4+ band5光譜亮度值低于其它地類，易于提取。而僅根據(jù)NDVI無法區(qū)分林地、旱地和水稻田，但秦淮河流域特有的盆地結(jié)構(gòu)導致這三類土地利用/覆被類型DEM差異明顯。林地NDVI值明顯高于旱地，且DEM明顯高于平坦地區(qū)的水稻田，故根據(jù)林地NDVI與DEM均較大的特點可提取林地。在余下的水稻田和旱地混合區(qū)，根據(jù)水稻田NDVI高于旱地，但DEM卻低于旱地的特點提取水稻田地區(qū)。由此得到土地利用/覆被類型數(shù)據(jù)的初步結(jié)果。使用ENVI平臺土地利用分類模塊下Majority和Minority分析、聚類和過濾處理去除初步結(jié)果中的小斑塊，得到秦淮河流域2000年和2013年土地利用/覆被類型數(shù)據(jù)。

使用ENVI平臺精度評價模塊檢驗土地利用/覆被結(jié)果精度，采用隨機抽樣方法，選取500個樣點，借助實地考察和不同來源的與土地利用相關(guān)的圖片文件（如不同時期地圖和土地利用規(guī)劃圖），計算2000年和2013年分類結(jié)果的總體精度和Kappa系數(shù)。2000年兩項評價指標分別為91.3%和0.89，2013年兩項評價指標分別為89.1%和0.88，表明結(jié)果精度較高，能夠滿足該研究需要。

利用2000年和2013年土地利用/覆被類型數(shù)據(jù)，建立2000?2013年秦淮河流域土地利用轉(zhuǎn)移矩陣，進一步分析各土地利用/覆被類型轉(zhuǎn)入和轉(zhuǎn)出面積，并確定各土地利用/覆被類型間主要轉(zhuǎn)化方向。

1.3 蒸散量計算

1.3.1 潛熱通量

SEBAL模型的基本原理是根據(jù)地表能量平衡方程，使用余項法計算潛熱通量（λET），再通過時間尺度擴展得到日尺度蒸散數(shù)據(jù)，其中某時刻的地表能量平衡方程為

λET = Rn? G ? H （5）

式中，Rn為到達地表的凈輻射通量（W·m?2）；G為土壤熱通量（W·m?2）；H為感熱通量（W·m?2）；λET為潛熱通量（W·m?2），λ為水的汽化潛熱，即溫度不變時，單位質(zhì)量液態(tài)水汽化所吸收的熱量，單位為J·kg?1，ET為蒸散速率（kg·m?2·s?1）。

（1）凈輻射Rn

Rn由經(jīng)驗公式計算得到[15]

Rn=(1?α)Kin+(Lin?Lout)?(1?ε0)Lin（6）

Kin=Gsccosθdrτsw（7）

（2）土壤熱通量G

土壤熱通量（G）采用與Ts、Rn、α、NDVI有關(guān)的經(jīng)驗公式估算[26]，即

（3）感熱通量H

感熱通量（H）指由于傳導和對流作用散失到大氣中的能量[27]，采用迭代法計算。

式中，ρa為空氣密度（kg·m?3）；Cp為空氣定壓比熱容（取1004J·kg?1·K?1）；dT為高度Z1與Z2處溫差，一般Z1取0.01m，Z2取2m；rah為空氣動力學阻抗，采用Bastiaanssen[15]提出的經(jīng)驗公式計算。

dT與Ts滿足線性關(guān)系dT=aTs+b，其中a、b的計算需要在影像中選取“冷熱”像元。“熱點”指Ts很高，ET幾乎為0的像元，可從無植被覆蓋、干燥閑置地表或鹽堿地選擇。該研究從干燥裸露的旱地像元中選擇“熱點”，其滿足H ≈ Rn－G，λET ≈ 0。“冷點”指影像中水分供應(yīng)充足、植被生長茂盛、Ts很低、處于潛在蒸散水平的像元，可從植被長勢良好并完全覆蓋的區(qū)域和開放水體選取，“冷點”滿足λET ≈ Rn?G，H ≈ 0。通過計算“熱點”與“冷點”的dT，可以獲得所有像元的dT值。

因為近地層大氣極不穩(wěn)定，SEBAL模型引入Monin-Obukhov定律，通過多次迭代修正空氣動力學阻抗，直至得到穩(wěn)定的H值。

（4）潛熱通量λET

通過以上公式得到的Rn、G和H，將其帶入式（5），即可得到λET。

1.3.2 日蒸散速率

以上基于ETM+/OLI數(shù)據(jù)計算得到各像元的能量通量，均為瞬時值，要計算不同土地利用/覆被類型日蒸散速率（ETd）需要引入蒸發(fā)比的概念，蒸發(fā)比為

式中，Λ為各像元在影像成像時的瞬時蒸發(fā)比。研究表明，蒸發(fā)比在一天內(nèi)基本保持不變[28]，但各像元因吸收輻射不同，蒸發(fā)比也不同；經(jīng)計算，該研究區(qū)流域尺度蒸發(fā)比在四季典型日分別約為0.52（春）、0.56（夏）、0.39（秋）和0.21（冬）。因此，根據(jù)蒸發(fā)比的概念

式中，λETd為日潛熱通量；Λd為日尺度蒸發(fā)比；Rnd為日凈輻射通量，由FAO推薦的經(jīng)驗公式計算[29]；Gd為日尺度土壤熱通量，日間熱量從地表向土壤傳輸，土壤熱通量為正值，夜間熱量從土壤向地表傳輸，土壤熱通量為負值，且兩者數(shù)值相當，故其在日尺度為0，可忽略不計[29]。通過蒸發(fā)比在日尺度上幾乎恒定這一特性可以反推出各像元的ETd，即

式中，ETd單位為kg·m?2·s?1，實際應(yīng)用中ETd單位為mm·d?1，由水的密度可知mm·d?1即kg·m?2·d?1，與式（18）中ETd僅時間單位不同。一日24h可換算為86400s，將λ單位改為MJ·J?1，故

式中，ETd單位為mm·d?1，λ取2.45MJ·J?1。

根據(jù)式（19）可獲得流域尺度ETd柵格數(shù)據(jù)。利用2013?08?11（代表夏季）、2013?10?14（代表秋季）、2014?01?02（代表冬季）和2014?05?26（代表春季）遙感影像數(shù)據(jù)，采用SEBAL模型估算四季典型日流域尺度ETd柵格數(shù)據(jù)。結(jié)合土地利用/覆被數(shù)據(jù)，即可獲得2013?2014年四季典型日各土地利用/覆被類型單位面積ETd（mm·d?1）。

1.3.3 流域尺度日蒸散總量體積計算

以夏季為例，基于式（19）模型結(jié)果和GIS（Geography information system）平臺得到夏季典型日（2013?08?11）5種土地利用/覆被類型單位面積ETd，故夏季典型日流域尺度日蒸散總量體積為

式中，ETbasin為2013年夏季典型日流域尺度日蒸散總量體積（mm3·d?1，即10?9m3·d?1）；i=1、2…5分別代表水域、旱地、林地、不透水面和水稻田，故ETd,1、ETd,2、ETd,3、ETd,4和ETd,5分別為2013年夏季典型日水域、旱地、林地、不透水面和水稻田單位面積ETd（mm·d?1）；S1、S2、S3、S4和S5分別為2013年水域、旱地、林地、不透水面和水稻田面積（mm2）。以此類推，通過式（20）可以得到春、秋、冬三季典型日流域尺度日蒸散總量體積。

1.4 LUCC對流域尺度蒸散量變化的貢獻計算

氣候變化和LUCC是導致流域尺度蒸散量變化的主要原因[30]，當前水文氣象研究中分離氣候變化貢獻和LUCC貢獻的常用方法是設(shè)置合理情景，即假設(shè)研究時段內(nèi)土地利用/覆被類型未變化，計算氣候變化貢獻；或假設(shè)氣候條件未變化，計算LUCC貢獻[31]。Landsat系列衛(wèi)星16d過境一次，故大面積區(qū)域不同年份同一日序的遙感影像難以獲取。因此，李寶富等[8]指出，在基于Landsat系列衛(wèi)星數(shù)據(jù)和SEBAL模型的研究中，假設(shè)不同土地利用/覆被類型單位面積ETd在研究時段內(nèi)未發(fā)生變化，即認為研究時段末期各土地利用/覆被類型單位面積ETd與研究時段初期各土地利用/覆被類型單位面積ETd相等，以排除影像質(zhì)量影響和成像過程中大氣條件不同造成的干擾。

此外，在分析LUCC對流域尺度蒸散量變化的貢獻時，不能僅僅關(guān)注各土地利用/覆被類型面積數(shù)值上的變化，因為此數(shù)值只代表該土地利用/覆被類型在研究時段的變化趨勢和變化面積大小，并不能揭示該土地利用/覆被類型和其余土地利用/覆被類型間轉(zhuǎn)入和轉(zhuǎn)出過程。王潔等[7]發(fā)現(xiàn)，2001?2012年松嫩平原西部農(nóng)田面積增加143.3km2，但其余土地利用/覆被類型轉(zhuǎn)入農(nóng)田面積達到189.9km2，水田轉(zhuǎn)出面積為46.6km2。不同土地利用/覆被類型單位面積ETd差值大小也會影響計算結(jié)果，如某類單位面積ETd很高的土地利用/覆被類型轉(zhuǎn)化為單位面積ETd較低的土地利用/覆被類型時，雖轉(zhuǎn)化面積較小，但其對流域尺度蒸散量變化的貢獻會較大。因此，在計算LUCC對流域尺度蒸散量變化的貢獻時，不能完全獨立地考慮單個土地利用/覆被類型面積變化的影響，而需要考慮不同土地利用/覆被類型間相互轉(zhuǎn)化面積和不同土地利用/覆被類型間單位面積ETd差異對流域尺度蒸散量變化的影響。

（1）四季典型日流域尺度日蒸散總量體積變化計算

根據(jù)以上說明，參考李寶富等[8]在塔里木河干流區(qū)研究方案，假設(shè)秦淮河流域2013?2014年四季典型日各土地利用/覆被類型單位面積ETd與2000年對應(yīng)日序的土地利用/覆被類型單位面積ETd相等，可計算四季典型日流域尺度日蒸散總量體積變化。以夏季典型日為例

式中，ΔETbasin為2000?2013年夏季典型日流域尺度日蒸散總量體積變化（mm3·d?1，即10?9m3·d?1）；i=1、2…5分別代表水域、旱地、林地、不透水面和水稻田，故ETd1,2013、ETd2,2013、ETd3,2013、ETd4,2013、ETd5,2013為2013年夏季水域、旱地、林地、不透水面和水稻田單位面積ETd（mm·d?1），ETd1,2000、ETd2,2000、ETd3,2000、ETd4,2000、ETd5,2000為2000年夏季水域、旱地、林地、不透水面和水稻田單位面積ETd（mm·d?1），因假設(shè)情景中各土地利用/覆被類型單位面積ETd在2000?2013年未變化，故ETd1,2000、ETd2,2000、ETd3,2000、ETd4,2000、ETd5,2000數(shù)值取2013夏季水域、旱地、林地、不透水面和水稻田單位面積ETd值；S1,2000、S2,2000、S3,2000、S4,,2000和S5,2000分別為2000年水域、旱地、林地、不透水面和水稻田面積（mm2）；S1,2013、S2,2013、S3,2013、S4,2013和S5,2013分別為2013年水域、旱地、林地、不透水面和水稻田面積（mm2）。以此類推，可以得到春、秋、冬三季典型日流域尺度日蒸散總量體積變化。

（2）四季典型日不同土地利用/覆被類型間轉(zhuǎn)化過程對流域尺度日蒸散量變化貢獻的計算

利用2000?2013年秦淮河流域土地利用/覆被轉(zhuǎn)移矩陣和各土地利用/覆被類型單位面積ETd，計算各土地利用/覆被類型間轉(zhuǎn)化過程對流域尺度日蒸散量變化的貢獻。以計算水稻田轉(zhuǎn)化為不透水面過程對夏季典型日流域尺度日蒸散量變化的貢獻率為例。

式中，ETRice→Built為2000?2013年水稻田轉(zhuǎn)化為不透水面地區(qū)在夏季典型日日蒸散總量體積變化（mm3·d?1，即10?9m3·d?1）；ETdBuilt,2013為2013年夏季典型日不透水面單位面積ETd（mm·d?1），ETdRice,2000為2000年夏季典型日水稻田單位面積ETd（mm·d?1），同樣，因假設(shè)情景中各土地利用/覆被類型單位面積ETd在2000?2013年未變化，故ETdRice,2000數(shù)值取2013年夏季典型日水稻田單位面積ETd值；SRice→Built為2000?2013年水稻田轉(zhuǎn)化為不透水面地區(qū)面積（mm2）；CRice→Built為2000?2013年水稻田向不透水面轉(zhuǎn)化過程對夏季典型日流域尺度日蒸散量變化貢獻率；|△ETbasin|為2000?2013年夏季流域尺度日蒸散總量體積變化（mm3·d?1，即10?9m3·d?1）的絕對值。以此類推，可以得到不同土地利用/覆被類型間轉(zhuǎn)化過程對夏季典型日流域尺度日蒸散量變化的貢獻率。同樣，可以用于計算各土地利用類型/覆被類型間轉(zhuǎn)化過程對春、秋、冬三季典型日流域尺度日蒸散量變化貢獻率。

2 結(jié)果與分析

2.1 流域土地利用/覆被變化分析

利用2000?09?16和2013?08?11兩景影像數(shù)據(jù)得到2000年和2013年土地利用/覆被類型數(shù)據(jù)，結(jié)果見圖1。由圖可見，秦淮河流域占地面積最大是水稻田，其次為旱地，而水域占地面積最小。對比圖1a與圖1b可見，與2000年比較，2013年不透水面明顯擴大，特別是流域西北地區(qū)的南京市江寧區(qū)，以及流域東部和南部的句容市和南京市溧水區(qū)，水域和林地面積變化不大，水稻田范圍明顯減小。據(jù)統(tǒng)計（圖2），不透水面是唯一增加的土地利用/覆被類型，增加幅度達183.8%；其余4種土地利用/覆被類型面積均下降，其中水稻田減少最多，減少幅度達到19.1%；旱地和林地面積減少幅度分別為10.7%和12.8%；水域減少幅度最小，為9.5%。

圖1 2000?09?16（a）和2013?08?11（b）兩景Landsat ETM+/OLI影像數(shù)據(jù)中提取的秦淮河流域土地利用/覆被結(jié)果

利用2000年和2013年土地利用/覆被類型數(shù)據(jù)，建立2000?2013年秦淮河流域土地利用/覆被類型變化轉(zhuǎn)移矩陣，結(jié)果見表1。由表可見，秦淮河流域不透水面的面積由2000年198km2增至2013年562km2，其中有160km2的不透水面在2000?2013年未發(fā)生變化；而轉(zhuǎn)入面積達402km2，分別由水稻田、旱地、林地和水域轉(zhuǎn)入208、168、17和9km2；不透水面2000?2013年轉(zhuǎn)出面積為38km2，分別有2、2、10和24km2的不透水面轉(zhuǎn)化為水域、林地、旱地和水稻田。水稻田面積由2000年的1197km2減至2013年的968km2，有687km2的水稻田在研究時段內(nèi)未發(fā)生改變；水稻田轉(zhuǎn)入面積達281km2，其中232km2由旱地轉(zhuǎn)化而來，水域、不透水面、林地向水稻田轉(zhuǎn)入面積較小，分別為24、24和1km2；2000?2013年水稻田轉(zhuǎn)出面積為510km2，主要轉(zhuǎn)出方向為不透水面和旱地，分別達到208和282km2，而向水域和林地分別轉(zhuǎn)出18和2km2。與水稻田類似，旱地面積由2000年的737km2減至2013年658km2，有318km2旱地在2000?2013年未發(fā)生改變；由水域、不透水面、林地和水稻田轉(zhuǎn)化為旱地的面積分別為3、10、45和282km2；而分別有7、168、12和232km2的旱地轉(zhuǎn)化為水域、不透水面、林地和水稻田。林地面積由2000年的367km2減至2013年的320km2，其中303km2的林地區(qū)域在2000?2013年未改變；而轉(zhuǎn)入部分分別有1、2、12和2km2的水域、不透水面、旱地和水稻田；轉(zhuǎn)出部分分別有1、17、45和1km2的水域、不透水面、旱地和水稻田。水域減少面積最小，由2000年的95km2減至2013年的86km2，其中58km2的水域未發(fā)生改變；轉(zhuǎn)入部分主要來自于水稻田，為18km2，其余部分分別由2、1和7km2的不透水面、林地和旱地轉(zhuǎn)化而來；水域在2000?2013年轉(zhuǎn)出方向主要為水稻田和不透水面，分別為24和9km2，轉(zhuǎn)化為林地和旱地的部分分別為1和3km2。

圖2 秦淮河流域5種土地利用/覆被類型在2000?2013年的變化幅度

表1 秦淮河流域2000?2013年土地利用/覆被類型變化轉(zhuǎn)移矩陣（km2）

綜上所述，秦淮河流域2000?2013年LUCC主要表現(xiàn)為不透水面迅速擴張，水稻田和旱地顯著減少，林地和水域減少面積較小。各土地利用/覆被類型間主要轉(zhuǎn)換方向為水稻田和旱地向不透水面轉(zhuǎn)化，分別達到208和168km2，水稻田與旱地兩者之間相互轉(zhuǎn)化，其中水稻田向旱地轉(zhuǎn)化282km2，旱地向水稻田轉(zhuǎn)化232km2。轉(zhuǎn)化面積較大的過程會對流域尺度日蒸散量變化造成較大影響。

2.2 四季典型日不同土地利用/覆被類型日蒸散量對比

秦淮河流域四季氣候條件差異較大，且因“稻麥輪作”制度使得各季節(jié)農(nóng)田下墊面水分條件不同，導致同一土地利用/覆被類型ETd在不同季節(jié)差異較大。因此，分析LUCC對流域尺度日蒸散量變化貢獻需分季節(jié)計算，且需要準確估算四季典型日各土地利用/覆被類型單位面積ETd值。

利用四季典型日（春季：2014?05?26、夏季：2013?08?11、秋季：2013?10?14、冬季：2014?01?02）的四景遙感影像數(shù)據(jù)，借助SEBAL模型得到四季典型日ETd柵格數(shù)據(jù)，結(jié)果見圖3。由圖可見，秦淮河流域春夏兩季典型日蒸散旺盛，其次為秋季典型日，冬季典型日蒸散水平較低。具體而言，秦淮河流域春、夏兩季典型日流域尺度ETd分別為7.3mm·d?1和7.9mm·d?1，秋季為3.7mm·d?1，冬季僅1.6mm·d?1。使用GIS空間統(tǒng)計工具，得到四季典型日各土地利用/覆被類型單位面積ETd（圖4）。由圖4可見，同一土地利用/覆被類型上單位面積ETd在不同季節(jié)典型日的差異較大。具體而言，不透水面單位面積ETd在夏季典型日最大，達到5.2mm·d?1，春秋兩季典型日分別為4.5和2.0mm·d?1，冬季典型日僅0.8mm·d?1；旱地單位面積ETd在春夏兩季典型日均超過7mm·d?1，秋季減至3.5mm·d?1，而在冬季僅1.1mm·d?1；水稻田在春夏兩季存在人為灌溉，故其在春夏兩季典型日的單位面積ETd達到8.3和8.4mm·d?1，秋季為3.6mm·d?1，冬季水稻田地表無作物種植，單位面積ETd減至1.2mm·d?1；該流域林地為落葉闊葉和常綠闊葉混交林，春夏兩季植被覆蓋度高，單位面積林地ETd分別為9.3和8.8mm·d?1，秋冬兩季植被覆蓋度下降，單位面積林地ETd減至4.3和1.2mm·d?1；水域地區(qū)能量幾乎全部以潛熱通量形式導出，故單位面積水域ETd較大，在春夏兩季典型日超過9mm·d?1，秋季降至4.8mm·d?1，冬季僅2.3mm·d?1。綜上所述，秦淮河流域同一土地利用/覆被類型單位面積ETd在不同季節(jié)差異較大，尤其在蒸散旺盛的夏季與蒸散水平較低的冬季。這會導致LUCC對流域尺度日蒸散量變化的貢獻在不同季節(jié)有所差異。

2.3 LUCC對四季典型日流域尺度日蒸散量變化的貢獻分析

2.3.1 典型日流域日蒸散總量變化

利用秦淮河流域2000年和2013年土地利用/覆被類型數(shù)據(jù)（圖1）及四季典型日各土地利用/覆被類型單位面積ETd數(shù)據(jù)（圖4），得到2000?2013年秦淮河流域四季典型日流域尺度日蒸散總量的變化，結(jié)果見圖5。由圖可見，2000?2013年研究區(qū)流域尺度日蒸散總量在四季典型日均下降，在春季典型日下降13.4×105m3，夏季下降10.9×105m3，秋季下降6.0×105m3，冬季典型日的減量最小，僅0.5×105m3。

圖4 四季典型日各土地利用/覆被類型單位面積日蒸散量（ETd）

圖5 與2000相比，2013年四季典型日流域尺度日蒸散總量變化量

2.3.2 典型日覆被轉(zhuǎn)化地區(qū)日蒸散總量變化

基于2000?2013年土地利用/覆被類型變化轉(zhuǎn)移矩陣（表1），對轉(zhuǎn)化面積較大的土地利用/覆被類型間轉(zhuǎn)化方向，包括水稻田向不透水面、旱地向不透水面、水稻田向旱地、旱地向水稻田轉(zhuǎn)化地區(qū)日蒸散總量變化進行研究。林地向不透水面轉(zhuǎn)化地區(qū)面積雖較小，但兩者間單位面積ETd差值較大，導致這部分地區(qū)日蒸散總量變化也較大。利用上述5類轉(zhuǎn)化地區(qū)面積（表1）和四季典型日各土地利用/覆被類型單位面積ETd值（圖4），得到2000?2013年四季典型日水稻田向不透水面、旱地向不透水面、水稻田向旱地、旱地向水稻田和林地向不透水面轉(zhuǎn)化地區(qū)日蒸散總量變化，結(jié)果見圖6。由圖可見，僅旱地向水稻田轉(zhuǎn)化地區(qū)日蒸散總量變化為正，即表現(xiàn)為增加，其余4個轉(zhuǎn)化地區(qū)日蒸散總量變化均為負值，即表現(xiàn)為減少，其中以水稻田向不透水面轉(zhuǎn)化地區(qū)下降最多，其次為旱地向不透水面和水稻田向旱地轉(zhuǎn)化地區(qū)，林地向不透水面轉(zhuǎn)化地區(qū)日蒸散總量下降最少。具體而言，旱地單位面積ETd小于水稻田，故旱地向水稻田轉(zhuǎn)化地區(qū)日蒸散總量上升，在春季典型日達到2.3×105m3，在夏季典型日為1.8×105m3，在秋季和冬季典型日分別降低至0.3×105m3和0.1×105m3。在ETd較高的水稻田向ETd較低的不透水面轉(zhuǎn)化地區(qū)，其日蒸散總量在春季典型日下降7.9×105m3，夏季下降6.5×105m3，秋季下降3.2×105m3，冬季減量僅0.3×105m3；與水稻田地區(qū)相比，旱地單位面積ETd更接近不透水面（圖4），且其向不透水面轉(zhuǎn)化面積較水稻田少40km2（表1），故此類轉(zhuǎn)化地區(qū)日蒸散總量的減量低于水稻田向不透水面轉(zhuǎn)化地區(qū)，其在春季和夏季典型日分別為4.7×105m3和 4.0×105m3，秋季減量降至2.4×105m3，而冬季減量僅0.1×105m3。水稻田向旱地轉(zhuǎn)化地區(qū)雖面積較大（表1），但單位面積水稻田ETd與單位面積旱地ETd差值較小（圖4），其日蒸散總量在春季和夏季典型日下降2.7×105m3和2.2×105m3，秋季下降0.4×105m3，冬季僅下降0.2×105m3。單位面積林地和不透水面的ETd差值較大（圖4），但林地向不透水面轉(zhuǎn)化面積較?。ū?），故此類轉(zhuǎn)化地區(qū)日蒸散總量的減量在四季典型日均小于1×105m3，分別為0.8×105m3、0.6×105m3、0.4×105m3和0.03×105m3。

圖6 與2000年相比，2013年四季典型日主要土地利用/覆被類型間轉(zhuǎn)化地區(qū)日蒸散總量變化

2.3.3 覆被轉(zhuǎn)化過程的貢獻

利用四季典型日流域尺度日蒸散總量變化（圖5）和主要土地利用/覆被類型間轉(zhuǎn)化地區(qū)的日蒸散總量變化（圖6），得到四季典型日主要土地利用/覆被類型間轉(zhuǎn)化過程對流域尺度日蒸散量變化的貢獻率，結(jié)果見圖7。由圖可見，旱地向水稻田轉(zhuǎn)化過程對流域尺度日蒸散量變化貢獻為正，其余四類轉(zhuǎn)化過程貢獻均為負，且水稻田向不透水面轉(zhuǎn)化過程的負貢獻最大，其次為旱地向不透水面轉(zhuǎn)化過程和水稻田向旱地轉(zhuǎn)化過程，林地向不透水面轉(zhuǎn)化過程的負貢獻最小。旱地單位面積ETd小于水稻田，故旱地向水稻田轉(zhuǎn)換過程對流域尺度日蒸散量變化貢獻為正，在春季和夏季典型日貢獻率分別為16.8%和16.3%，秋季典型日降至5.7%，冬季典型日各土地利用/覆被類型間單位面積ETd差值較其它季節(jié)變小，使各類轉(zhuǎn)化過程的貢獻率受轉(zhuǎn)化面積影響變大，故旱地向水稻田轉(zhuǎn)化過程貢獻率在冬季典型日增加至26.1%。水稻田單位面積ETd大于不透水面，導致水稻田向不透水面轉(zhuǎn)化過程貢獻率為負，且因兩者單位面積ETd差值和轉(zhuǎn)化面積均較大（表1），故其貢獻率較大，在春夏秋三季典型日貢獻率均超過50%，分別為?58.5%、?59.5%和?54.4%，在冬季典型日貢獻率降低，為?48.8%。旱地向不透水面轉(zhuǎn)化面積（表1）和兩者單位面積ETd差值（圖4）均小于水稻田向不透水面轉(zhuǎn)化過程，故其貢獻率低于水稻田向不透水面轉(zhuǎn)化過程，在春秋兩季典型日分別為?35.1%和?36.3%，在秋季典型日變?yōu)?39.8%，在冬季典型日為?20.5%。水稻田向旱地轉(zhuǎn)化面積較大（表1），但兩者單位面積ETd差值很小（圖4），故此類轉(zhuǎn)化過程貢獻率低于水稻田和旱地向不透水面轉(zhuǎn)化過程，但同樣為負貢獻，春夏兩季典型日分別為?20.5%和?19.8%，秋季為?6.9%，冬季典型日因各土地利用/覆被類型間單位面積ETd差值較其余季節(jié)變小，使此類轉(zhuǎn)化過程貢獻率在冬季典型日增加至?31.8%。林地和不透水面單位面積ETd間差值較大（圖4），但因林地向不透水面轉(zhuǎn)化面積很小（表1），導致此類轉(zhuǎn)化過程貢獻率較小，在四季典型日分別為?6.0%、?5.5%、?6.5%和?6.4%。

圖7 2000?2013年四季典型日主要土地利用/覆被類型間轉(zhuǎn)化過程對流域尺度蒸散量變化的貢獻率

綜上所述，2000?2013年單位面積ETd較低的旱地轉(zhuǎn)化為單位面積ETd較高的水稻田，使此類轉(zhuǎn)化地區(qū)日蒸散總量上升，對流域尺度日蒸散量變化貢獻為正。但其余4類主要轉(zhuǎn)化過程，包括水稻田向不透水面、旱地向不透水面、水稻田向旱地和林地向不透水面，均為單位面積ETd較高的土地利用/覆被類型轉(zhuǎn)化為單位面積ETd較低的類型，導致其轉(zhuǎn)化地區(qū)日蒸散總量下降，對流域尺度日蒸散量變化貢獻為負?？傮w來說，水稻田和旱地向不透水面轉(zhuǎn)化是導致四季典型日流域尺度日蒸散量下降的主要原因。

3 結(jié)論與討論

3.1 結(jié)論

（1）受城市化影響，秦淮河流域土地利用/覆被類型在2000?2013年發(fā)生了顯著變化：不透水面迅速擴張（增加183.8%），導致水稻田、旱地、林地和水域面積分別減少19.1%、10.7%、12.8%和9.5%。其中水稻田和旱地向不透水面轉(zhuǎn)入面積分別為208和168km2，水稻田和旱地之間的相互轉(zhuǎn)化面積也較大，研究時段內(nèi)水稻田向旱地轉(zhuǎn)入282km2，旱地向水稻田轉(zhuǎn)入232km2。

（2）秦淮河流域LUCC對流域尺度蒸散量變化有顯著影響，通過情景假設(shè)排除影像質(zhì)量和成像時大氣條件干擾后，對比2000年，2013年流域尺度日蒸散總量在四季典型日分別下降134萬、109萬、60萬和5萬m3。

（3）2000?2013年水稻田和旱地向不透水面的大面積轉(zhuǎn)化是導致流域尺度蒸散量下降的主要原因。其中水稻田向不透水面轉(zhuǎn)化過程對流域尺度蒸散量變化的負貢獻較大，其在四季典型日的貢獻率分別為?58.5%、?59.5%、?54.4%、?48.8%。旱地向不透水面轉(zhuǎn)化過程對流域尺度蒸散量變化的負貢獻略低，四季典型日分別為?35.1%、?36.3%、?39.8%、?20.5%。

3.2 討論

近幾十年，中國大部分城市經(jīng)歷了前所未有的擴張[32]。伴隨著快速城市化進程，土地利用/覆被發(fā)生了顯著變化，進而對流域蒸散過程造成顯著影響[33]。本研究表明，秦淮河流域2000?2013年城市化進程迅速，LUCC主要表現(xiàn)為農(nóng)業(yè)用地（水稻田和旱地）向不透水面大面積轉(zhuǎn)化，導致流域尺度日蒸散量在不同季節(jié)均呈下降趨勢。這與已有的部分研究結(jié)果一致，王靜等[34]以南京市為例，探討城市化對地表水文過程的影響，并指出城市化建設(shè)使天然透水區(qū)大量被不透水面區(qū)域替代，導致地表蒸散量減少；鄭璟等[33]發(fā)現(xiàn)1980?2005年深圳市布吉河流域不透水面迅速擴張，耕地、林地等植被覆蓋地表面積迅速減少，導致流域尺度蒸散量減少42.09%；唐婷等[9]在京津唐地區(qū)的研究發(fā)現(xiàn)，2000?2010年京津唐地區(qū)城市擴張導致各土地利用/覆被類型向不透水面轉(zhuǎn)化，區(qū)域尺度蒸散量隨之下降。但上述研究均未討論和定量描述不同土地利用/覆被類型間轉(zhuǎn)化過程對區(qū)域尺度蒸散量變化的貢獻。在社會經(jīng)濟迅速發(fā)展的背景下，中國城市化水平會進一步提高，城市地區(qū)的持續(xù)擴張難以避免[35]，闡明不同土地利用/覆被類型向不透水面轉(zhuǎn)化過程對區(qū)域尺度蒸散量變化的貢獻，可以為平衡城市用地擴張、耕地保護和節(jié)水農(nóng)業(yè)發(fā)展提供理論依據(jù)，同時可以幫助協(xié)調(diào)和解決土地利用與水旱災(zāi)防御之間的矛盾。

SEBAL模型物理概念清晰，理論基礎(chǔ)堅實，是目前利用遙感數(shù)據(jù)估算區(qū)域蒸散信息較好的一種模型[36]。但該模型自身仍存在一定的不足，如受影像質(zhì)量的影響較大，只能選取晴空無云數(shù)據(jù)；在感熱計算中對“熱點”和“冷點”的選擇主觀性較強，尤其是“熱點”選取需經(jīng)過多次選擇比較；模型參數(shù)的計算過程中使用經(jīng)驗公式較多；大氣校正較為簡單等均在一定程度增加了模型結(jié)果的不確定性。因此，還需進一步改進模型算法，驗證模型中經(jīng)驗公式的區(qū)域適用性，以及尋找更加科學的“冷熱”像元選取方法。

[1] 蘇布達,周建,王艷君,等.全球升溫1.5℃和2.0℃情景下中國實際蒸散發(fā)時空變化特征[J].中國農(nóng)業(yè)氣象,2018,39(5): 293-303.

Su B D,Zhou J,Wang Y J,et al.Spatial and temporal variation of actual evapotranspiration in China under the 1.5℃ and 2.0℃ global warming scenarios[J].Chinese Journal of Agrometeorology,2018,39(5):293-303.(in Chinese)

[2] 馮禹,龔道枝,王罕博,等.基于雙作物系數(shù)的旱作玉米田蒸散估算與驗證[J].中國農(nóng)業(yè)氣象,2017,38(3): 141-149.

Feng Y,Gong D Z,Wang H B,et al.Estimating rainfed maize evapotranspiration using the FAO dual crop coefficient method on the Loess Plateau[J].Chinese Journal of Agrometeorology,2017,38(3):141-149.(in Chinese)

[3] 張小偉,何月,蔡菊珍,等.基于GIS的浙江省土地利用/覆蓋與地表溫度的關(guān)系[J].中國農(nóng)業(yè)氣象,2010, 31(2):295-299.

Zhang X W,He Y,Cai J Z,et al.GIS-based analysis on the relationship between land use/cover and land surface temperature in Zhejiang province[J].Chinese Journal of Agrometeorology,2010,31(2):295-299.(in Chinese)

[4] 馬克明,傅伯杰,郭旭東.農(nóng)業(yè)區(qū)城市化對植物多樣性的影響:遵化的研究[J].應(yīng)用生態(tài)學報,2001,(6):837-840.

Ma K M,Fu B J,Guo X D.Impact of urbanization in rural areas on plant diversity:a case study in Zunhua City[J]. Chinese Journal of Applied Ecology,2001,(6):837-840.(in Chinese)

[5] 劉朝順,高志強,高煒.基于遙感的蒸散發(fā)及地表溫度對LUCC響應(yīng)的研究[J].農(nóng)業(yè)工程學報,2007,23(8):1-8.

Liu C S,Gao Z Q,Gao W.Retrieval evapotranspiration and land surface temperature in response to land use /cover change based on remote sensing data[J].Transactions of the CSAE,2007,23(8):1-8.(in Chinese)

[6] 張殿君,張學霞,武鵬飛.黃土高原典型流域土地利用變化對蒸散發(fā)影響研究[J].干旱區(qū)地理,2011,34(3):400-408.

Zhang D J,Zhang X X,Wu P F.Relationship between ET and LUCC in a typical watershed of Loess Plateau over the past 20 years[J].Arid Land Geography,2011,34(3):400-408.(in Chinese)

[7] 王潔,董剛,張峰.松嫩平原西部氣候和土地利用變化對蒸散的影像[J].山西大學學報(自然科學版),2015,38(2):375-384.

Wang J,Dong G,Zhang F.Effects of climatic change and land use/cover change on evapotranspiration in the western Songnen Plain of northeast China[J].Journal of Shanxi University (Nat.Sci.Ed.),2015,38(2):375-384. (in Chinese)

[8] 李寶富,陳亞寧,李衛(wèi)紅,等.基于遙感和SEBAL模型的塔里木河干流區(qū)蒸散發(fā)估算[J].地理學報,2011,66(9):1230- 1238.

Li B F,Chen Y N,Li W H,et al.Remote sensing and the SEBAL model for estimating evapotranspiration in the Tarim River[J].Journal of Geography Science,2011,66(9):1230-1238. (in Chinese)

[9] 唐婷,冉圣宏,談明洪.京津唐地區(qū)城市擴張對地表蒸散發(fā)的影響[J].地球信息科學學報,2013,15(2):233-240.

Tang T,Ran S H,Tan M H.Urbanization and its impact on the evapotranspiration in Beijing-Tianjin-Tangshan Area[J]. Journal of Geo-Information Science,2013,15(2):233-240.(in Chinese)

[10] 楊建瑩,霍治國,鄔定榮,等.基于MODIS和SEBAL模型的黃淮海平原冬小麥水分生產(chǎn)力研究[J].中國農(nóng)業(yè)氣象, 2017,38(7):435-446.

Yang J Y,Huo Z G,Wu D R,et al.Investigation on water productivity of winter wheat based on MODIS and SEBAL in the Huang-Huai-Hai plain[J]. Chinese Journal of Agrometeorology,2017,38(7):435-446.(in Chinese)

[11] Jing Z,Wang L,Zhang Y S,et al.Spatiotemporal variations of actual evapotranspiration over the Lake Selin Co and surrounding small lakes(Tibetan Plateau) during 2003-2012 [J].Science China Earth Sciences,2016,59(12):2441-2453.

[12] Gao G,Chen D L,Xu C Y,et al.Trend of estimated actual evapotranspiration over China during 1960-2002[J].Journal of Geophysical Research: Atmospheres,2007,112:1-8.

[13] Du J K,Qian L,Rui H Y,et al.Assessing the effects of urbanization on annual runoff and flood events using an integrated hydrological modeling system for Qinhuai River basin,China[J].Journal of Hydrology(Amsterdam),2012,464: 127-139.

[14] 高玉琴,王懷志,陸曉華,等.基于LUCC的秦淮河流域暴雨洪水響應(yīng)分析[J].長江科學院院報,2018,35(6):47-52.

Gao Y Q,Wang H Z,Lu X H,et al.Simulation of rainstorm flood response in Qinhuai River Drainage basin under land use cover changes[J].Journal of Yangtze River Scientific Research Insti,2018,35(6):47-52.(in Chinese)

[15] Bastiaanssen W G M,Menenti M,Feddes R A,et al.A remote sensing surface energy balance algorithm for land(SEBAL) 1.Formulation[J].Journal of Hydrology,1998,212(1-4):213-229.

[16] Bastiaanssen W G M,Noordman E J M,Pelgrum H,et al. SEBAL Model with remotely sensed data to improve water-resources management under actual field conditions[J]. Journal of Irriation and Drainage Engineering,2005,13(1): 85-93.

[17] Gu C L,Hu L Q,Zhang X M,et al.Climate change and urbanization in the Yangzi River Delta[J].Habitat International,2011,35(4):1-9.

[18] Rui H Y,Du J K,Zheng D P,et al.GIS-based hydrologic modeling in the Qinhuai River Basin associated with land use changes[A].Proceeding of 19th International Conference on Geoinformatics[C].Shanghai:19th International Conference on Geoinformatics,2011:1-4.

[19] Hao L,Sun G,Liu Y Q,et al.Urbanizaiton dramatically altered the water balances of a paddy field-dominated basin in southern China[J].Hydrology and Earth System Sciences, 2015,12:1941-1972.

[20] Hao L,Huang X L,Qin M S,et al.Ecohydrological processes explain urban dry island effects in a wet region, southern China[J].Water Resources Research,2018,54(9):6757-6771.

[21] 秦孟晟,郝璐,施婷婷,等.秦淮河流域五種參考作物蒸散量估算方法的比較及改進[J].中國農(nóng)業(yè)氣象,2016,37(4): 390-399.

Qin M S,Hao L,Shi T T,et al.Comparison and modification of five crop reference evapotranspiration models for Qinhuai River Basin[J].Chinese Journal of Agrometeorology,2016, 37(4):390-399.(in Chinese)

[22] 白昕欣,黃蕭霖,秦孟晟,等.亞熱帶地區(qū)水稻田地表反照率變化特征[J].中國生態(tài)農(nóng)業(yè)學報,2017,25(11):1707-1717.

Bai X X,Huang X L,Qin M S,et al.Characteristics of surface albedo in subtropical paddy rice fields[J].Chinese Journal of Eco-Agriculture,2017,25(11):1707-1717.(in Chinese)

[23] 黃穎,周云軒,吳穩(wěn),等.基于決策樹模型的上海城市濕地遙感提取與分類[J].吉林大學學報(地球科學版),2009,39(6): 1156-1162.

Huang Y,Zhou Y X,Wu W,et al.Shanghai urban wetland extraction and classification with remote sensed imageries based on a Decision Tree Model[J].Journal of Jilin University(Earth Science Edition),2009,39(6):1156-1162.(in Chinese)

[24] 李恒凱,吳嬌,王秀麗.基于GF-1影像的東江流域面向?qū)ο笸恋乩梅诸怺J].農(nóng)業(yè)工程學報,2018,34(10):245-252.

Li H K,Wu J,Wang X L.Object oriented land use classification of Dongjiang River Basin based on GF-1 image[J].Transactions of the CSAE,2018,34(10):245-252.(in Chinese)

[25] Munoz J C J,Sobrino J.A generalized single-channel method for retrieving land surface temperature from remote sensing data[J].Journal of Geophysical Research,2003,108(22): 4688-4695.

[26] Bastiaanssen W G M.SEBAL based sensible and latent heat fluxes in the irrigated Gediz Basin Turkey[J].Journal of Hydrology,2000,229(1-2):87-100.

[27]Bastiaanssen W G M,Bandara K M P S.Evaporative depletion assessments for irrigated watersheds in Sri Lanka[J].Irrigation Science,2001,(21):1-15.

[28] Crago R D.Conservation and variability of the evaporative fraction during the daytime[J].Journal of Hydrology (Amsterdam),1996,180(1-4):1-194.

[29] Allen R G,Pereira L S,Raes D,et al.Crop evapotranspiration: guidelines for computing crop water requirements-FAO irrigation and drainage paper 56[J].FAO,1998,300(9):1-15.

[30] Yang L,Feng Q,Yin Z,et al.Identifying separate impacts of climate and land use/cover change on hydrological processes in upper stream of Heihe River,Northwest China[J]. Hydrological Processes,2017,31(5):1100-1112.

[31] Hong W,Fu B S,Jun X,et al.Impact of LUCC on streamflow based on the SWAT model over the Wei River basin on the Loess Plateau in China[J].Hydrology and Earth System Sciences,2017,21(4):1929-1945.

[32] 秦賢宏,魏也華,陳雯,等.南京都市區(qū)人口空間擴張與多中心化[J].地理研究,2013,32(4):711-719.

Qin X H,Wei Y H,Chen W,et al.Population expansion and polycentric development of Nanjing city in a period of hyper-growth[J].Geographical Research,2013,32(4):711-719. (in Chinese)

[33] 鄭璟,方偉華,史培軍,等.快速城市化地區(qū)土地利用變化對流域水文過程影響的模擬研究:以深圳市布吉河流域為例[J].自然資源學報,2009,24(9):1560-1572.

Zheng J,Fang W H,Shi P J,et al.Modeling the impacts of land use change on hydrological processes in fast urbanizing region:a case study of the Buji Watershed in Shenzhen City,China[J].Journal of Natural Resources,2009,24(9): 1560-1572.(in Chinese)

[34] 王靜,王臘春.城市化對水源系統(tǒng)的影響:以南京市為例[J].四川環(huán)境,2005,24(5):13-16.

Wang J,Wang L C.Impacts of urbanization on the water resources system:a case study of Nanjing[J].Sichuan Environment,2005,24(5):13-16.(in Chinese)

[35] 張克鋒,彭晉福,張定祥,等.基于城鎮(zhèn)化水平和GDP情景下中國未來30年土地利用變化模擬[J].中國土地科學,2007, 21(2):58-64.

Zhang K F,Peng J F,Zhang D X,et al.Simulation of land use change based on urbanization rate and GDP of China in next 30 years[J].China Land Science,2007,21(2):58-64.(in Chinese)

[36] 李紅軍,雷玉平,鄭力,等.SEBAL模型及其在區(qū)域蒸散研究中的應(yīng)用[J].遙感技術(shù)與應(yīng)用,2005,20(3):321-325.

Li H J,Lei Y P,Zheng L,et al.SEBAL model and its application in the study of regional evapotranspiration[J]. Remote Sensing Techonology and Appplication,2005,20(3): 321-325.(in Chinese)

Contributions of Land Use/Cover Change to the Change of Evapotranspiration in Qinhuai River Basin

QIN Meng-sheng1, HAO Lu1, ZHENG Qing-zhou1, JIN Kai-lun1, SUN Ge2

(1. Jiangsu Key Laboratory of Agricultural Meteorology, Nanjing University of Information Science & Technology, Nanjing 210044, China；2. Eastern Forest Environmental Threat Assessment Center, Southern Research Station, USDA Forest Service, Research Triangle Park, NC27606, USA)

In order to evaluate the impact of land use/cover change (LUCC) caused by the urbanization on the variation of basin-scale evapotranspiration (ET), the Qinhuai River basin in the Yangtze River Delta was selected as the research area. Based on the images of Landsat satellites in 2000 and 2013, the land use/cover maps of Qinhuai River basin were extracted by using the decision tree model, and the grid-scale ET in typical day of each season (spring: 2014?05?26, summer:2013?08?11, autumn:2013?10?14, winter:2014?01?02) were estimated by using the SEBAL model. The contributions of LUCC in 2000?2013 to the variation of ET were then analyzed. The results showed that: (1) compared to that in the year of 2000, the area of built-up land increased by 183.8%, while the areas of paddy rice field, dry land, woodland and water separately decreased by 19.1%, 10.7%, 12.8% and 9.5%. The main conversions between different land uses included paddy rice field→built-up land, dry land→built-up land, paddy rice field→dry land and dry land→paddy rice field, with the areas of 208, 168, 282 and 232km2, respectively. (2) Only with the regard to the impact of LUCC, the total daily ET at basin scale separately decreased by 13.4×105, 10.9×105, 6.0×105and 0.5×105m3in typical day of each season in 2013, when compared to that in 2000. In typical days of spring, summer and autumn, the positive contributions caused by the conversion from dry land to paddy rice field (16.8%, 16.3%, 5.7%, respectively) were overwhelmed by the negative contributions caused by the conversions from paddy rice field and dry land to the built-up land (?58.5%, ?59.5%, ?54.4% and ?35.1%, ?36.3%, ?39.8%, respectively), which led to the decreased ET at basin scale. However, in the typical day of winter, the positive contribution caused by the conversion from dry land to paddy rice field (26.1%) was overwhelmed by the negative contributions caused by the conversions from paddy rice field to built-up land, dry land to built-up land and paddy rice field to dry land (?48.8%, ?20.5%, ?31.8%, respectively), which led to the decreased ET at basin scale. In a word, rapid urbanization in Qinhuai River basin caused the large-scale conversion from paddy rice field and dry land both with high ET to the built-up land with low ET, and then led to the decreased basin-scale ET in all seasons during 2000?2013.

Evapotranspiration；SEBAL model；Land use/cover change；Qinhuai River basin；Landsat satellite image

10.3969/j.issn.1000-6362.2019.05.001

秦孟晟,郝璐,鄭箐舟,等.秦淮河流域土地利用/覆被變化對蒸散量變化的貢獻[J].中國農(nóng)業(yè)氣象,2019,40(5):269-283

2019?01?27

。E-mail：hl_haolu@163.com

國家自然科學基金（41571026；41877151）

秦孟晟（1991?），博士生，主要研究方向為應(yīng)用氣象。E-mail：qinmengsheng1@163.com