基于改進(jìn)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(wèi)星遙感資料以及氣象站點(diǎn)數(shù)據(jù)，利用基于地表凈輻射、植被指數(shù)、月平均氣溫和月溫差的混合型線(xiàn)性雙源遙感蒸散模型估算了我國(guó)西南地區(qū)地表蒸散量，并與MODIS數(shù)據(jù)作對(duì)比驗(yàn)證。結(jié)果表明：改進(jìn)后的遙感蒸散模型估算的蒸散值與MODIS監(jiān)測(cè)的值具有很好相關(guān)性，其模擬精度依次為：秋季>冬季>夏季>春季。利用改進(jìn)后的模型研究了西南地表蒸散，發(fā)現(xiàn)近20 a來(lái)該地區(qū)實(shí)際蒸散呈現(xiàn)明顯的增加趨勢(shì)，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(qū)以及云南南部實(shí)際蒸散量較大，而川西則較小;夏季與秋季呈現(xiàn)由東向西遞減的趨勢(shì)，由廣西、貴州、重慶向云南和四川遞減;冬季則呈現(xiàn)由南向北遞減的規(guī)律。

關(guān)?鍵?詞：遙感蒸散模型; 地表蒸散; 精度驗(yàn)證; 西南地區(qū)

中圖法分類(lèi)號(hào)： P33?文獻(xiàn)標(biāo)志碼： ADOI：10.16232/j.cnki.1001-4179.2019.01.013

據(jù)IPCC第五次評(píng)估報(bào)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(xù)升溫加劇了地表蒸散，致使全球多數(shù)地區(qū)干旱狀況明顯加劇。近幾年，我國(guó)西南地區(qū)發(fā)生了大面積的干旱，對(duì)國(guó)民經(jīng)濟(jì)和農(nóng)業(yè)發(fā)展造成了嚴(yán)重影響。構(gòu)建易操作的地表蒸散模型進(jìn)而開(kāi)展西南地區(qū)的干旱監(jiān)測(cè)是旱災(zāi)預(yù)防、科學(xué)灌溉的重要依據(jù)，同時(shí)也對(duì)西南地區(qū)的氣候變化、碳循環(huán)以及環(huán)境生態(tài)具有重要意義。

近幾十年來(lái)，由于衛(wèi)星遙感技術(shù)的發(fā)展，遙感蒸散估算方法開(kāi)始使用并逐步發(fā)展完善。20世紀(jì)70年代主要研究了反射率、亮度、溫度對(duì)土壤含水量的影響。如Rouse等建立歸一化植被指數(shù)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(gè)重要因子，通過(guò)其衍生出來(lái)的植被指數(shù)模型有距平植被指數(shù)（AVI）[3]以及歸一化差值水分指數(shù)（NDWI）等[4]。至 80 年代，隨著Landsat和NOAA/AVHRR系列衛(wèi)星的發(fā)射，結(jié)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?jī)?nèi)蒙古土壤墑情和干旱監(jiān)測(cè)評(píng)估過(guò)程中，仍沿用此方法[6]。至90年代，MODIS，AMSR-E，TRMM等遙感產(chǎn)品的免費(fèi)使用進(jìn)一步推動(dòng)了全球遙感實(shí)際應(yīng)用研究的發(fā)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(gè)重要因子，水分虧缺指數(shù)（WDI）[8]以及溫度條件指數(shù)（TCI）[9]等干旱指標(biāo)都基于這一因子構(gòu)建。但這些早期的遙感蒸散模型只適用于單一地表，很難應(yīng)用于復(fù)雜的陸表，具有局限性。

目前，國(guó)內(nèi)在以能量平衡為基礎(chǔ)，采用余項(xiàng)法計(jì)算蒸散方面取得了較大進(jìn)步，主要是根據(jù)研究區(qū)域特點(diǎn)和觀(guān)測(cè)資料對(duì)模型參數(shù)的分析，得出了適合研究區(qū)域的參數(shù)計(jì)算方法，且以單層模型的研究與應(yīng)用較多[10]。陳添宇等利用NOAA/AVHRR遙感資料反演值與地面觀(guān)測(cè)值擬合的方法，得到能量平衡各分量，獲得了中國(guó)西北地區(qū)東部4～8月的日蒸散量及其區(qū)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(fā)量[12];喬平林等利用MODIS遙感數(shù)據(jù)反演石羊河流域的蒸散發(fā)情況[13];詹志明等利用NOAA/AVHRR資料，分別建立了裸土蒸發(fā)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(qū)域蒸散量遙感計(jì)算模型[14]。與此同時(shí)，雙層模型的研究也有了長(zhǎng)足發(fā)展，如辛?xí)灾薜然趦蓚€(gè)假設(shè)對(duì)雙層模型進(jìn)行了簡(jiǎn)化[15];劉雅妮等對(duì)雙層模型存在的一些問(wèn)題和難點(diǎn)進(jìn)行了評(píng)述[16]。潘衛(wèi)華等遵循SEBAL模型，給出了植被覆蓋和裸土2種類(lèi)型的區(qū)域蒸散（發(fā)）量計(jì)算模型，并對(duì)泉州市的蒸散（發(fā)）量進(jìn)行了反演[17]。在SEBS模型的研究與應(yīng)用方面，利用NOAA數(shù)據(jù)對(duì)黃河三角洲區(qū)域蒸散發(fā)量進(jìn)行了較多研究[18-20]。周彥召等利用SEBAL 和改進(jìn)的SEBAL 模型估算了黑河中游戈壁、綠洲的蒸散發(fā)[21];張秀平等基于衛(wèi)星遙感數(shù)據(jù)和實(shí)測(cè)水文氣象資料，利用 SEBAL 模型對(duì)鄱陽(yáng)湖濕地及環(huán)湖區(qū)蒸散發(fā)量進(jìn)行了估算，分析了鄱陽(yáng)湖濕地蒸散發(fā)量分布及年內(nèi)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(shù)據(jù)，對(duì)北京市蔡家河流域平原造林區(qū)的蒸散發(fā)量進(jìn)行了估算[23]。遙感資料與土壤-植物-大氣模型結(jié)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(fù)雜化，模型種類(lèi)也從單層向雙層甚至多層進(jìn)化。但地表實(shí)際蒸散估算精度提升的同時(shí)，遙感蒸散模型也逐步陷入病態(tài)化，在估算反演過(guò)程中，需要參數(shù)過(guò)多，而這些參數(shù)又難以通過(guò)遙感手段獲取，嚴(yán)重限制了模型的地域推廣。因此，本文結(jié)合Kenlo Nishida建立的線(xiàn)性雙源遙感蒸散模型，并利用該模型開(kāi)展西南地區(qū)的地表蒸散估算[24]。

1?材料與方法

1.1?研究區(qū)域與數(shù)據(jù)資料

本文研究的西南地區(qū)介于91°21′E～112°04′E，20°54′N(xiāo)～34°19′N(xiāo) 之間[25]，主要行政區(qū)域包括廣西壯族自治區(qū)、重慶市、四川省、貴州省和云南省，面積約136.4萬(wàn)km2，占全國(guó)總面積的14.2%。使用的數(shù)據(jù)資料有：① 氣象數(shù)據(jù)。中國(guó)地面累年值月值數(shù)據(jù)集，包括中國(guó)基本、基準(zhǔn)和一般地面氣象觀(guān)測(cè)站數(shù)據(jù)。本文選取西南地區(qū)的161個(gè)氣象站點(diǎn)的水汽壓、平均氣溫、最高以及最低氣溫?cái)?shù)據(jù)，并利用ArcGIS軟件進(jìn)行插值、裁剪處理。② NDVI數(shù)據(jù)。包括MODND1M植被指數(shù)數(shù)據(jù)和GIMMS AVHRR NDVI數(shù)據(jù)集，經(jīng)過(guò)重采樣、重投影以及在感興趣區(qū)的提取得到西南地區(qū)的NDVI數(shù)據(jù)。③ 輻射數(shù)據(jù)。采用FAO 1998年推薦用于計(jì)算參考作物量Penman-Monteith公式中的計(jì)算方法[26]。

1.2?研究方法

1.2.1?構(gòu)建混合型線(xiàn)性雙源遙感蒸散模型

在模型的構(gòu)建過(guò)程中，沿用Nishida 等[24]提出的線(xiàn)性雙源遙感蒸散模型的建模思路?？紤]到對(duì)蒸散的影響，利用植被覆蓋度（?fv?）把蒸散認(rèn)為是由地球表面裸土蒸發(fā)和植被蒸騰兩部組成，具體表達(dá)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(fā)，NDVI?max?表示整個(gè)植被情況下的NDVI，此時(shí)，fv=1; NDVI?min?為整個(gè)裸土情況下的NDVI，此時(shí)，fv=0。

為降低簡(jiǎn)單線(xiàn)性雙源蒸散模型的復(fù)雜性，選擇地表凈輻射Rn和空氣晝夜溫差的倒數(shù)1/（T?max?-T?min?）來(lái)簡(jiǎn)化裸土的蒸散模型，空氣晝夜溫差的倒數(shù)可以用來(lái)表示土壤含水量，同時(shí)增加經(jīng)驗(yàn)性系數(shù)a1，具體簡(jiǎn)化公式為

ETs= a1RnT?max?-T?min?（3）

式中，利用空氣晝夜溫差來(lái)代替地表晝夜溫差，主要是因?yàn)榭諝鉁囟瓤梢酝ㄟ^(guò)氣象資料獲得，而遙感反演的地表溫度產(chǎn)品受云的影響很難獲取每天的完整數(shù)據(jù)。

為了簡(jiǎn)化植被蒸散函數(shù)，在本研究中，認(rèn)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(shù)包括空氣溫度T、空氣晝夜溫差的倒數(shù)1/（T?max?-T?min?）通過(guò)增加經(jīng)驗(yàn)系數(shù)a2和a3來(lái)獲得簡(jiǎn)易植被蒸散方程

ETv=a2RnT+ a3RnT?max?-T?min?（4）

為了獲取整個(gè)植被和土壤的蒸散量，增加a0Rn作為整個(gè)蒸散的訂正項(xiàng)，這主要是因?yàn)榈乇韮糨椛涫钦羯⒌淖钪饕刂埔蛩?。這樣考慮到式（1）、（2）、（3）和（4），蒸散方程可以表達(dá)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(shù)，可以利用NDVI進(jìn)行進(jìn)一步簡(jiǎn)化得到混合型線(xiàn)性雙源遙感蒸散模型：在模型的構(gòu)建過(guò)程中，沿用Nishida等的線(xiàn)性雙源遙感蒸散模型的建模思路?？紤]到NDVI對(duì)蒸散的影響，利用NDVI進(jìn)行簡(jiǎn)化得到混合型線(xiàn)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(shù)，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(shù)。將預(yù)處理的氣象站點(diǎn)數(shù)據(jù)以及MODIS產(chǎn)品數(shù)據(jù)代入模型，求取回歸系數(shù)。

1.2.2?混合型線(xiàn)性雙源遙感模型精度驗(yàn)證

通過(guò)MODIS的實(shí)際蒸散產(chǎn)品與模型擬合得到的實(shí)際蒸散計(jì)算相關(guān)系數(shù)，來(lái)驗(yàn)證混合型線(xiàn)性雙源遙感模型的精度。將預(yù)處理得到的西南地區(qū)2000～2014年的MODIS實(shí)際蒸散產(chǎn)品數(shù)據(jù)按照氣象站點(diǎn)的經(jīng)緯度提取130個(gè)代表點(diǎn)，同時(shí)，提取相同位置的擬合實(shí)際蒸散數(shù)據(jù)，并進(jìn)行相關(guān)性計(jì)算。由圖1和圖2分析發(fā)現(xiàn)：

① 擬合實(shí)際蒸散與實(shí)際蒸散產(chǎn)品的相關(guān)系數(shù)春季、夏季、秋季呈現(xiàn)正相關(guān)，僅冬季呈現(xiàn)不顯著的負(fù)相關(guān)（相關(guān)系數(shù)為-0.003）。② 散點(diǎn)圖得到的結(jié)果有別于相關(guān)系數(shù)分布圖，表現(xiàn)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(shì)線(xiàn)通過(guò)了?0.05?的顯著性水平檢驗(yàn)。相關(guān)系數(shù)是面向西南地區(qū)全部的點(diǎn)實(shí)現(xiàn)的，而散點(diǎn)圖僅提取了與站點(diǎn)對(duì)應(yīng)的值?？紤]到插值的誤差，筆者認(rèn)為散點(diǎn)圖得到的結(jié)果更能說(shuō)明混合型線(xiàn)性雙源遙感模型的精度。

2?結(jié)果與分析

西南地區(qū)實(shí)際蒸散量年內(nèi)變化呈現(xiàn)單峰型。圖3給出了西南地區(qū)平均月實(shí)際蒸散量的分布以及各月的分配比。由圖3（a）可見(jiàn)，實(shí)際蒸散量峰值出現(xiàn)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(xiàn)在12月，實(shí)際蒸散量為34.03 mm，占比4.6%。 表1給出了各季度實(shí)際蒸散量及占全年總量的比值。

由表1可見(jiàn)，西南地區(qū)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(shuō)明了春夏兩季的蒸散量對(duì)水循環(huán)起著重要作用。圖3（b）給出了西南地區(qū)實(shí)際蒸散量呈明顯增加趨勢(shì)，這與前文提到的許多學(xué)者的研究成果吻合，實(shí)際蒸散量的大小變化受到太陽(yáng)輻射、空氣溫度、風(fēng)速、空氣濕度等多種因素的影響。蘇秀程等研究發(fā)現(xiàn)進(jìn)入21世紀(jì)以來(lái)，西南地區(qū)的平均溫度、平均風(fēng)速、日照時(shí)數(shù)的上升以及相對(duì)濕度的下降，使得蒸散量增加明顯[27];韓蘭英等的研究也說(shuō)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(qū)以及云南南部實(shí)際蒸散量較大，而川西則較小;夏季與秋季呈現(xiàn)由東向西遞減的趨勢(shì)，由廣西、貴州、重慶向云南和四川遞減;冬季則呈現(xiàn)由南向北遞減的規(guī)律。此空間分異特征是由于西南降水在地區(qū)分布上的極不均勻造成的，西南降水呈現(xiàn)出由東南向西北降低，分布特點(diǎn)為南多北少，東多西少。3?討 論

（1） 本文構(gòu)建的混合型線(xiàn)性雙源遙感蒸散模型通過(guò)了精度驗(yàn)證，能夠較好地模擬西南地區(qū)近20 a的實(shí)際蒸散，一定程度上克服了傳統(tǒng)估算模型參數(shù)多、模型復(fù)雜、難以利用的缺點(diǎn)。但研究中使用的MODIS產(chǎn)品數(shù)據(jù)（植被指數(shù)?NDVI、陸表溫度LST以及蒸散ET?）較易受到天氣條件的影響，會(huì)給結(jié)果帶來(lái)一定的誤差。

（2） 模型精度評(píng)價(jià)過(guò)程中缺少實(shí)測(cè)的地表蒸散數(shù)據(jù)做對(duì)比驗(yàn)證，僅利用產(chǎn)品數(shù)據(jù)進(jìn)行評(píng)價(jià)，無(wú)法說(shuō)明具體的可行性，也難以提高模型精度，且對(duì)于進(jìn)一步的干旱監(jiān)測(cè)工作開(kāi)展也存在重要影響。對(duì)于這一問(wèn)題，后期研究中將采用間接驗(yàn)證的方法來(lái)研究其精度，擬通過(guò)使用實(shí)測(cè)的土壤濕度數(shù)據(jù)驗(yàn)證干旱狀況，以說(shuō)明本文研究的科學(xué)性。

4?結(jié) 論

通過(guò)構(gòu)建混合型線(xiàn)性雙源遙感蒸散模型并對(duì)西南地區(qū)的地表蒸散進(jìn)行研究，得到如下結(jié)論。

（1） 混合型線(xiàn)性雙源遙感蒸散模型獲得的模擬值與MODIS產(chǎn)品數(shù)據(jù)對(duì)比，相關(guān)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(qū)實(shí)際蒸散近20 a來(lái)呈現(xiàn)明顯的增加趨勢(shì)，時(shí)間上，西南地區(qū)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(qū)以及云南南部實(shí)際蒸散量較大，而川西則較小;夏季與秋季呈現(xiàn)由東向西遞減的趨勢(shì)，由廣西、貴州、重慶向云南和四川遞減;冬季則呈現(xiàn)由南向北遞減的規(guī)律。

參考文獻(xiàn)：

[1]沈永平，王國(guó)亞.IPCC第一工作組第五次評(píng)估報(bào)告對(duì)全球氣候變化認(rèn)知的最新科學(xué)要點(diǎn)[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(nèi)蒙古干旱監(jiān)測(cè)評(píng)估方法綜合應(yīng)用研究[J].干旱區(qū)資源與環(huán)境，2014，28（3）：162-166.

[7]郭鈮，王小平.遙感干旱應(yīng)用技術(shù)進(jìn)展及面臨的技術(shù)問(wèn)題與發(fā)展機(jī)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(shù)在區(qū)域農(nóng)田蒸散研究中的應(yīng)用[J].西北農(nóng)林科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2009， 37（8）：161-170.

[11]陳添宇，陳乾，李寶梓.用衛(wèi)星資料反演中國(guó)西北地區(qū)東部蒸散量的遙感模型[J].水科學(xué)進(jìn)展，2006，17（6）：834-840.

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

[13]喬平林，張繼賢，王翠華，等.區(qū)域蒸散發(fā)量的遙感模型方法研究[J].測(cè)繪科學(xué)，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(xué)，2004，20（1）：16-19.

[15]辛?xí)灾?用定量遙感方法計(jì)算地表蒸散[D].北京：中國(guó)科學(xué)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(qū)地理，2005，28（1）：65-71.

[17]潘衛(wèi)華，徐涵秋，李文，等.衛(wèi)星遙感在東南沿海區(qū)域蒸散（發(fā)）量計(jì)算上的反演[J].中國(guó)農(nóng)業(yè)氣象，2007，28（2）：154-158.

[18]張長(zhǎng)春，王光謙，魏加華，等.聯(lián)合TM和NOAA數(shù)據(jù)研究黃河三角洲地表蒸發(fā)（散）量[J].清華大學(xué)學(xué)報(bào)：自然科學(xué)版， 2005（9）：1184-1188.

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

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

[21]周彥昭，周劍，李妍，等.利用SEBAL和改進(jìn)的SEBAL模型估算黑河中游戈壁、綠洲的蒸散發(fā)[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(shù)的鄱陽(yáng)湖濕地蒸散發(fā)估算研究[J].人民長(zhǎng)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(qū)蒸散發(fā)量研究[J].福建林業(yè)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(qū)近年特大干旱災(zāi)害的啟示與對(duì)策[J].人民長(zhǎng)江，2010，41（24）：7-12.

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

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

[28]韓蘭英，張強(qiáng)，姚玉璧，等.近60 a中國(guó)西南地區(qū)干旱災(zāi)害規(guī)律與成因[J].地理學(xué)報(bào)，2014，69（5）：632-639.

引用本文：于?靜，柳錦寶，姚云軍，劉志紅.基于改進(jìn)遙感蒸散模型的西南地表蒸散研究[J].人民長(zhǎng)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