董國濤, 王鳴程, 白 娟, 蔣曉輝, 何宏謀, 黨素珍, 王化儒

(1.黃河水利委員會黃河水利科學研究院, 鄭州450003; 2.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650201;3.山西師范大學 城市與環(huán)境科學學院, 山西 臨汾 041000; 4.黃河水資源保護科學研究院, 鄭州 450003)

?

基于遙感的涇河流域日蒸散量估算

董國濤1, 王鳴程2, 白 娟3, 蔣曉輝1, 何宏謀1, 黨素珍1, 王化儒4

(1.黃河水利委員會黃河水利科學研究院, 鄭州450003; 2.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650201;3.山西師范大學 城市與環(huán)境科學學院, 山西 臨汾 041000; 4.黃河水資源保護科學研究院, 鄭州 450003)

蒸散發(fā)是陸地水分和能量循環(huán)過程中的重要環(huán)節(jié)。利用遙感數(shù)據(jù)與傳統(tǒng)蒸散發(fā)模型相結合的方法，對涇河流域2006年3—10月日實際蒸散量進行動態(tài)模擬，并利用LAS站實測數(shù)據(jù)對模擬結果進行了驗證。結果表明：1) 基于遙感的P-T方法估算地表實際蒸散發(fā)可獲得較好的效果。2) 涇河流域蒸散發(fā)空間上，總體趨勢為“南高北低；東西兩側山區(qū)高，中部平原低”；林地蒸散量最高，其次為農田，最低的是草地。3) 時間上，涇河流域蒸散發(fā)呈單峰型分布，7月、8月份的蒸散發(fā)量最高。4) 月均氣溫、月降雨量和月均植被指數(shù)與月均蒸散發(fā)量的相關系數(shù)分別在0.8，0.5，0.7左右，表明溫度、降水和植被是影響涇河流域蒸散發(fā)的關鍵因素。

蒸散發(fā); 遙感; 區(qū)域蒸散發(fā)模型; 涇河流域

蒸散發(fā)(Evapotranspiration，ET)包括土壤、水面的蒸發(fā)和植被蒸騰，是陸地生態(tài)系統(tǒng)水分輸出的主要途徑，是認識和研究地氣相互作用中水量平衡和熱量平衡過程的重要參量，也是植被生長狀況與作物產(chǎn)量的重要指標[1]。蒸散發(fā)量的大小反映了陸面過程中地、氣作用的強度，準確地估算區(qū)域地表蒸散量對于流域水資源管理和農業(yè)旱情監(jiān)測等具有重要意義[1-2]。自1802年Dalton提出計算蒸發(fā)的公式以來，蒸散發(fā)理論取得一系列重要成果[3-8]，如波文比能量平衡法、空氣動力學方法、渦度相關法、Penman-Monteith公式、Priestley-Taylor公式等。這些理論主要是在點尺度上應用，而在區(qū)域尺度上的應用仍有很多局限性。

從20世紀70年代起，遙感不僅作為獲取區(qū)域信息的手段，而且開始作為一門獨立的學科提出了一些估算區(qū)域蒸散發(fā)的方法，區(qū)域蒸發(fā)量的研究取得了突破性成果，并發(fā)展了許多遙感蒸散發(fā)模型。遙感估算區(qū)域蒸散發(fā)的方法主要分為[9]：經(jīng)驗統(tǒng)計模型、與傳統(tǒng)方法相結合的遙感模型、地表能量平衡模型和陸面過程與數(shù)據(jù)同化等。其中與傳統(tǒng)模型相結合的遙感模型方法，既具有較為堅實的理論基礎，又能用遙感獲取區(qū)域尺度的參數(shù)，國內外得到廣泛的應用[10-12]。本研究在傳統(tǒng)Priestley-Taylor(P-T)公式[8]的基礎上，采用多源遙感數(shù)據(jù)驅動模型，對涇河流域2006年3—10月的日實際蒸散量進行估算，結合地表LAS實測數(shù)據(jù)對模型的模擬精度進行評價，并進一步分析研究區(qū)實際蒸散發(fā)的時空分布特征及降水和植被對實際蒸散發(fā)的影響，為涇河流域的水文過程模擬提供基礎數(shù)據(jù)，對研究涇河流域水資源綜合管理具有重要意義。

1 研究區(qū)概況

涇河是渭河重要的支流，發(fā)源于寧夏涇源縣六盤山東麓，由西北向東南流經(jīng)寧夏、甘肅、陜西3省區(qū)，在陜西省高陵縣陳家灘注入渭河。流域位于106°14′—108°42′E，34°46′—37°19′N，全長483 km，流域面積45 421 km2，流域絕大部分位于隴東黃土高原。流域北緣有賀蘭山、鄂爾多斯高原，南為秦嶺山脈，西依六盤山脈，東抵子午嶺山系，地貌分為北部黃土丘陵區(qū)、中部黃土殘塬區(qū)、西南部山地林區(qū)和東南部山地河川區(qū)。地勢西北高，東南低，總體是東北西三面向東南傾斜。

涇河流域屬于大陸性氣候，是半濕潤—半干旱過渡帶，氣溫南高北低，年平均氣溫8～13℃，年平均降水量390～560 mm，降雨時空分布不均，由東南向西北逐漸遞減，降水主要集中于7—9月，多以暴雨形式出現(xiàn)，約占全年降水量的50%～60%[13]。涇河位于六盤山和子午嶺森林分布區(qū)之間，流域的中上游主要為草地，流域的中下游主要為農田，灌叢主要處于森林向農田和草地的過渡區(qū)，這4種土地利用類型占流域總面積的比例超過90%[14]。土壤類型主要為黃綿土、黑壚土、褐土、新積土等。

2 研究方法及數(shù)據(jù)處理

2.1 研究方法

本文采用傳統(tǒng)模型與遙感數(shù)據(jù)產(chǎn)品相結合的方法計算潛在蒸散發(fā)。選擇P-T公式[8]，P-T模型是Priestley and Taylor對Penman 公式的修正式，主要輸入?yún)?shù)為大氣溫度和太陽凈輻射，這兩個參量可通過遙感數(shù)據(jù)計算獲取，基于遙感數(shù)據(jù)的P-T模型計算流程見圖1。

圖1 基于遙感數(shù)據(jù)的P-T模型計算流程

2.1.1 Priestley-Taylor公式 Priestley-Taylor是在平衡蒸發(fā)(當下墊面上空的空氣趨于飽和或當下墊面的濕度與空氣相等時的蒸發(fā))的基礎上，引入常數(shù)α，從而推導出無平流條件下潛在蒸散發(fā)的計算公式，其與Penman 公式的主要差別在于沒有考慮空氣動力項，Priestley-Taylor公式的表達式如下：

(1)

式中：ETP——潛在蒸散發(fā)(mm)；α——Priestley-Taylor系數(shù)，不同條件需要修正；Rn——地表凈輻射量(W/m2)；G——土壤熱通量(W/m2)；λ——汽化潛熱(MJ/kg)；Δ——飽和水氣壓—溫度曲線斜率(kPa/℃)；γ——干濕表常數(shù)(kPa/℃)。

飽和水汽壓曲線斜率Δ計算公式如下：

(2)

式中：Ta——氣溫(℃)。

干濕表常數(shù)計算公式采用下式：

(3)

式中：Pr——空氣定壓比熱，取值1.013×10-3MJ/(kg·℃)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·℃)；Pr——大氣壓(kPa)；ε——水汽分子量與干空氣分子量之比，值為0.622；λ——汽化潛熱，取值2.45 MJ/kg；也可通過下式計算：

λ=2.50-0.0022Ta

(4)

區(qū)域尺度上大氣壓基于海拔估算：

(5)

式中：H——海拔高度(m)，由DEM數(shù)據(jù)獲取。

凈輻射是驅動地表蒸散和顯熱通量的主要來源[15]，本文中利用GLDAS數(shù)據(jù)產(chǎn)品凈短波輻射和凈長波輻射計算獲得。土壤熱通量的估算本文采用Su[16]提出的計算方法，對于有植被覆蓋的地面，計算公式如下：

(6)

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——植被覆蓋率。

對于水體和冰雪，土壤熱通量的計算多采用與Rn取比值的方法，本文水體的土壤熱通量與凈輻射的比值取0.5[16]，即

G=0.5Rn

(7)

2.1.2 日潛在蒸散發(fā)推求 本文采用正弦曲線法求算潛在蒸散發(fā)的日過程，根據(jù)謝賢群的研究結果[17]，當達到農田上的凈輻射與土壤熱通量之差為零時，蒸發(fā)速率為零，一般出現(xiàn)在日出后1 h和日出前1 h左右，同時潛在蒸散發(fā)的日變化過程呈現(xiàn)余弦曲線的變化趨勢。最大潛在蒸散發(fā)量出現(xiàn)在當?shù)卣鐣r間，通過該最大值可計算出曲線上任何時間點的潛在蒸散發(fā)[18]，計算公式如下：

(8)

式中：ETPmax——日最大潛在蒸散發(fā)；t——任意時間點，trise，tset——日出時間和日落時間，分別對應凈輻射變?yōu)檎妥優(yōu)樨摰漠數(shù)貢r間，可通過緯度和日期計算得到。

通過遙感能獲取衛(wèi)星過境時刻的凈輻射量以及大氣溫度,可由Priestley-Taylor公式估算衛(wèi)星過境時刻的瞬時潛在蒸散發(fā)量，結合余弦曲線法即可估算日最大潛在蒸散發(fā)量，計算公式如下：

(9)

式中：INETP——衛(wèi)星過境時刻的潛在蒸散發(fā)；tpass——衛(wèi)星過境時刻的當?shù)貢r間。由此，日潛在蒸散發(fā)總量計算公式為：

(10)

通過以上方法，即可計算出基于遙感數(shù)據(jù)的日潛在蒸散發(fā)。

2.1.3 實際蒸散發(fā)計算 基于潛在蒸散量結果，結合實際土壤水分狀況計算實際蒸散量，實際蒸散發(fā)的估算采用土壤水分脅迫系數(shù)[19]，計算公式如下：

ETa=Ks×ETP

(11)

(12)

(13)

式中：ETa——實際蒸散量(mm)；Ks——土壤水分脅迫系數(shù)；SW——土壤水分(mm)；SWw——土壤凋萎含水量(mm)；SWFC——土壤田間持水量(mm)。

土壤水分計算采用為條件植被溫度指數(shù)法(VTCI)[20]，利用MODIS遙感產(chǎn)品和農業(yè)氣象觀測站點土壤水分數(shù)據(jù)，建立基于溫度植被指數(shù)的表層土壤水分遙感估算模型，對涇河流域土壤水分進行模擬估算。農業(yè)氣象觀測的土壤水分數(shù)據(jù)為涇河流域內10個農業(yè)氣象觀測站點2000—2010年的10 cm土壤相對含水量數(shù)據(jù)，時間為旬尺度。土壤相對含水量可通過下式計算：

(14)

式中：SW相對——土壤相對含水量；SW實際——土壤實際含水量；SWfc——土壤田間持水量。

通過公式(14)可知，站點土壤實際含水量可根據(jù)土壤相對含水量與田間持水量計算得出。通過全球土壤數(shù)據(jù)庫HWSD(The harmonized world soil database)查詢獲得表層土壤類型、機械組成、有機碳含量、土壤容重等，再用SPAW軟件(http：∥hydrolab.arsusda.gov/SPAW/index.htm)計算不同土壤類型的田間持水量和凋萎含水量。

以MODIS數(shù)據(jù)的植被指數(shù)NDVI為橫坐標，地表溫度LST為縱坐標的散點圖，通過繪制特征空間擬合“干邊”和“濕邊”，并求出“干邊”和“濕邊”的截距和斜率，進而結合NDVI和LST數(shù)據(jù)利用波段運算得到2006年16 d的VTCI數(shù)據(jù)。利用涇河流域內農業(yè)氣象觀測站點的表層(0—10 cm)土壤相對含水量，計算出各站點的實際土壤水分，建立實際土壤水分與條件溫度植被指數(shù)(VTCI)之間的線性關系模型，進而擬合得到?jīng)芎恿饔?006年16 d的土壤水分數(shù)據(jù)，最后利用線性時間插值為日土壤水分數(shù)據(jù)。

2.2 數(shù)據(jù)處理

本文使用的公共平臺數(shù)據(jù)主要包括SRTM的DEM數(shù)據(jù)、GLDAS (Global Land Data Assimilation System)氣溫數(shù)據(jù)、MODIS(Moderate Resolution Imaging Spectroradiometer)數(shù)據(jù)、世界土壤屬性數(shù)據(jù)庫(HWSD)數(shù)據(jù)等。各數(shù)據(jù)的詳細信息如表1所示。

表1 研究所用公用平臺數(shù)據(jù)產(chǎn)品信息表

DEM 數(shù)據(jù)采用SRTM數(shù)據(jù)，空間分辨率為90 m，為了與其他數(shù)據(jù)保持一致，數(shù)據(jù)重采樣到1 km×1 km分辨率。GLDAS 氣溫數(shù)據(jù)、凈短波輻射和凈長波輻射是模型的重要輸入?yún)?shù)，本文采用NOAH模式同化的GLDAS產(chǎn)品，空間分辨率為0.25°，為滿足模型空間分辨率的要求，進行降尺度處理和計算，獲得到空間分辨率為1 km的瞬時氣溫數(shù)據(jù)和凈輻射。MODIS數(shù)據(jù)主要有地表溫度和發(fā)射率(MOD11A1)和植被指數(shù)數(shù)據(jù)(MOD13A2)。其中MOD11A1數(shù)據(jù)提供地表溫度、過境時間等參數(shù)，MOD13A2計算獲得植被覆蓋率。下載的MODIS數(shù)據(jù)使用ModisTool 工具對數(shù)據(jù)進行波段提取、拼接及重采樣、轉投影處理，然后邊界裁剪得到空間分辨率為1 km的ENVI標準格式數(shù)據(jù)。

3 結果與分析

3.1 模擬結果驗證

利用涇川站LAS監(jiān)測的2006年5—7月的日均蒸散量觀測資料，將模型估算的日均蒸散發(fā)量與實測的日均蒸散量比較?？紤]到影像的幾何糾正的誤差帶來的空間尺度取樣引起的誤差，觀測點處遙感估算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。模型模擬的2006年第152 d到212 d的模擬蒸散發(fā)量與實測蒸發(fā)量，總體符合較好，模擬值與觀測值相關性分析見圖2，相關系數(shù)為0.54。結果表明基于遙感的P-T方法計算實際蒸散發(fā)可以獲得較好的效果，該方法適用于本地的蒸散發(fā)模擬。

3.2 時間變化規(guī)律分析

圖3為涇河流域2006年3—10月實際蒸散發(fā)的月均值變化圖?？傮w來看，涇河流域的月均地表實際蒸散發(fā)量分布呈單峰型分布，與楊小利等[21]采用Penman-Monteith公式估算的涇河上游潛在蒸散發(fā)的結論一致。3月份和10月份的蒸散發(fā)量較低，從4月開始蒸散發(fā)量呈現(xiàn)顯著的增長趨勢，5月份月蒸散量達到50 mm，6月份蒸散量繼續(xù)快速攀升，7—8月兩個月份的蒸散發(fā)量差異不大，均處于80 mm，其中8月蒸散發(fā)量最大，達到83 mm。分析原因為3月、10月份研究區(qū)氣溫極低，不利于地表蒸散發(fā)；從4月開始氣溫回升蒸散發(fā)逐漸升高，5月，6月份氣溫繼續(xù)回升，空氣飽和差變大，導致耗水增加。7月，8月份是植被生長的旺季，植被蒸騰顯著提高，導致蒸散發(fā)量的大量增加。9月開始氣溫降低，植株衰老，葉片功能喪失，蒸散發(fā)降低。進入10月份隨著溫度進一步降低，大部分植物的代謝活動已經(jīng)很低，蒸騰量也隨之降低。

圖2 涇川站模擬ETa與實測ETa相關性分析

圖3 2006年3-10月地表實際蒸散發(fā)的月均值

3.3 空間變化規(guī)律分析

圖4為涇河流域2006年3—10月蒸散發(fā)量的空間變化圖。涇河流域實際蒸散發(fā)量隨著季節(jié)的變化差異較大，在7月、8月份蒸散發(fā)量達到最高值。空間分布主要受土地利用類型的影響，總體趨勢為“東西兩側山區(qū)高，中部平原低；南高北低”，3月、4月份林地蒸散發(fā)較顯著，7月、8月份所有植被類型蒸散發(fā)都為一年中的最高值。

涇河流域3—10月蒸散發(fā)量處于20～95 mm之間，林地月蒸散發(fā)量最大，其它土地利用類型的蒸散發(fā)均在20～80 mm之間。從空間分布來看，月蒸散發(fā)的高值區(qū)主要分布于東部和西部的山區(qū)地帶。北部黃土丘陵區(qū)是流域內蒸散發(fā)的數(shù)量洼地，受到降雨減少的影響，該區(qū)域的蒸散發(fā)遠遠小于其他區(qū)域。中下游的平原區(qū)主要為農田區(qū)域，蒸散發(fā)由于受農作物生長季節(jié)的影響，其蒸散發(fā)量要高于草地，但明顯低于林地。

圖4 涇河流域月均實際蒸散量空間分布

流域的蒸散發(fā)受土地利用和覆被類型的影響，同時與作物的生長有很好的對應關系。林地植被覆蓋區(qū)，位于山區(qū)，降水相對多，7月份月蒸散發(fā)量超過100 mm；同期供水充足的農田，由于生長發(fā)育旺盛，蒸散發(fā)量也達到85 mm；而草地在7月份的蒸散發(fā)不到70 mm，由于涇河流域旱地大多不具備灌溉條件，大面積的旱田只能雨養(yǎng)，很多的時候處于缺水狀態(tài)，故蒸散量較低。總體來說，林地覆蓋區(qū)域蒸散發(fā)大于農田和草地，表明蒸散發(fā)量主要與植被蓋度和水分供給狀況有關。從年蒸散量(3—10月)來看，研究結果與張淑蘭等[2,22]對涇河流域實際蒸散發(fā)研究結果較為一致，森林覆蓋區(qū)域的年蒸散發(fā)量明顯高于其他區(qū)域，且總體上看流域自南向北蒸散發(fā)有明顯的減少趨勢。

3.4 影響因素分析

蒸散發(fā)受很多因素的影響，主要包括氣象因子、土壤水分條件、植被情況等[23]。本文選擇氣溫、降雨和NDVI3個重要因子，分析其對蒸散發(fā)的影響作用。將2006年3—10月的日蒸散量求月平均，并對各月的氣溫、降雨量以及NDVI求月平均，分析月均溫度、月降雨量和月均NDVI與區(qū)域蒸散發(fā)之間的相關關系，分別探討溫度、降水和植被對區(qū)域蒸散發(fā)量的影響。

3.4.1 降水和氣溫對蒸散發(fā)的影響 選擇涇河流域環(huán)縣站和西峰鎮(zhèn)站兩個典型站點，分析得到這兩個站點的3—10月降雨量、月均氣溫與月蒸散發(fā)量之間的相關關系。如圖5所示，降雨量與蒸散發(fā)的相關系數(shù)均達到了0.5左右，二者呈較好的正相關關系，氣溫與蒸散發(fā)的相關系數(shù)達到0.8左右，說明溫度和降水對蒸散發(fā)均有顯著影響，且溫度較降水對流域蒸散發(fā)的影響作用更加明顯。

3.4.2 植被對蒸散發(fā)的影響 涇河流域月均NDVI與月蒸散發(fā)量之間的相關關系如圖6所示：流域的月均NDVI與月蒸散發(fā)量的相關系數(shù)均達到了0.718，高于降雨與區(qū)域蒸散發(fā)的相關系數(shù)，呈顯著的正相關關系，表明植被對區(qū)域蒸散發(fā)的影響作用比較明顯。

圖5 環(huán)縣和西峰鎮(zhèn)降雨量和氣溫與蒸散發(fā)的相關關系

圖6 涇河流域月均NDVI與月均蒸散發(fā)的相關關系

4 結 論

本文基于遙感驅動的區(qū)域蒸散發(fā)模型在涇河流域的模擬結果，對涇河流域蒸散發(fā)的時空變化規(guī)律進行分析，并分別探討了降雨和植被因素對區(qū)域蒸散發(fā)的影響。結論如下：

1) 空間分布上，主要受土地利用類型的影響，總體趨勢為“南高北低；東西兩側山區(qū)高，中部平原低”，林地蒸散量最高，其次為農田，最低的是草地。

2) 從時間上看，涇河流域蒸散發(fā)呈單峰型分布。3月份蒸散發(fā)量較低，從4月開始蒸散發(fā)量呈現(xiàn)顯著的增長趨勢，5月、6月份蒸散量繼續(xù)快速攀升，7月、8月份的蒸散發(fā)量達到最高，9月、10月份顯著下降。月份之間的變化主要受降雨量、氣溫和植被生長的影響。

3) 月均氣溫、月降雨量和月均植被指數(shù)與月均蒸散發(fā)量之間的相關系數(shù)分別在0.8，0.5，0.7左右，表明氣溫、降水和植被對區(qū)域蒸散發(fā)作用明顯。

[1] 孫睿,劉昌明,李小文.利用累積NDVI估算黃河流域年蒸散量[J].自然資源學報,2003,18(2):155-160.

[2] 張淑蘭,于澎濤,王彥輝,等.涇河上游流域實際蒸散量及其各組分的估算[J].地理學報,2011,66(3):385-395.

[3] BowenI S.The ratio of heat losses by conduction and by evaporation from any water surface[J].Physicalreview,1926,27(6):779-787.

[4] Thornthwaite C W, Holzman B. The determination of evaporation from land and water surfaces[J]. Monthly Weather Review,1939,67(1):4-11.

[5] Swinbank W C. The measurement of vertical transfer of heat and water vapor by eddies in the lower atmosphere[J]. Journal of Meteorology,1951,8(3):135-145.

[6] Penman H L. Natural evaporation from open water, bare soil and grass[J]. Proceedings of the Royal Society of London. Series A. Mathematical and Physical Sciences,1948(19)：205-234.

[7] Monteith J L. Evaporation and environment[C].Symposia of the Society for Experimental Biology,1965(19)：205-234.

[8] Priestley C H B, Taylor R J. On the assessment of surface heat flux and evaporation using large-scale parameters[J]. Monthly Weather Review,1972,100(2):81-92.

[9] 張榮華,杜君平,孫睿.區(qū)域蒸散發(fā)遙感估算方法及驗證綜述[J].地球科學進展,2012,27(12):1295-1307.

[10] 王軍,李和平,鹿海員,等.典型草原地區(qū)蒸散發(fā)研究與分析[J].水土保持研究,2013,20(2):69-72.

[11] Mu Q, Zhao M, Running S W. Improvements to a MODIS global terrestrial evapotranspiration algorithm[J]. Remote Sensing of Environment,2011,115(8):1781-1800.

[12] 白娟,楊勝天,董國濤,等.基于多源遙感數(shù)據(jù)的三江平原日蒸散量估算[J].水土保持研究,2013,20(3):190-195.

[13] 畢曉麗,周睿,劉麗娟,等.涇河沿岸景觀格局梯度變化及驅動力分析[J].生態(tài)學報,2005,25(5):1041-1047.

[14] 王輝,昝國盛,畢曉麗,等.基于MODIS的涇河流域植被動態(tài)年際變化[J].植物生態(tài)學報,2007,31(5):850-856.

[15] Wang W, Liang S. Estimation of high-spatial resolution clear-sky longwave downward and net radiation over land surfaces from MODIS data[J]. Remote Sensing of Environment, 2009,113(4):745-754.

[16] Su Z. The Surface Energy Balance System (SEBS) for estimation of turbulent heat fluxes[J]. Hydrology and Earth System Sciences,2002,6(1):85-100.

[17] 謝賢群.遙感瞬時作物表面溫度估算農田全日蒸發(fā)散總量[J].環(huán)境遙感,1991,6(4):253-259.

[18] 陳云浩,李曉兵,史培軍.中國西北地區(qū)蒸發(fā)散量計算的遙感研究[J].地理學報,2001,56(3):261-268.

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

[20] 王鳴程,楊勝天,董國濤,等.基于條件溫度植被指數(shù)(VTCI)的中國北方地區(qū)土壤水分估算[J].干旱區(qū)地理,2012,35(3):446-455.

[21] 楊小利,王麗娜.涇河上游典型站近45年參考作物蒸散量變化特征[J].干旱地區(qū)農業(yè)研究,2013,30(6):238-242.

[22] 張淑蘭,于澎濤,張海軍,等.氣候變化對干旱缺水區(qū)中尺度流域水文過程的影響[J].干旱區(qū)資源與環(huán)境,2013,27(10):70-74.

[23] 易永紅,楊大文,劉鈺,等.區(qū)域蒸散發(fā)遙感模型研究的進展[J].水利學報,2008,39(9):1118-1124.

Estimation of Daily Evapotranspiration Based on Remote Sensing Data in Jinghe Basin

DONG Guotao1, WANG Mingcheng2, BAI Juan3, JIANG Xiaohui1,HE Hongmou1, DANG Suzhen1, WANG Huaru4

(1.YellowRiverInstituteofHydraulicResearch,YRCC,Zhengzhou450003,China;2.CentreforMountainEcosystemsStudies,KunmingInstituteofBotany,ChineseAcademyofSciences,Kunming650201,China; 3.CollegeofUrbanandEnvironmentalScience,ShanxiNormalUniversity,Linfen,Shanxi041000,China; 4.YellowRiverWaterResourcesProtectionInstitute,Zhengzhou450003,China)

Evapotranspiration (ET) is a key process in the global water and energy cycle. It is convenient to estimate the spatiotemporal variation of ET using remote sensing techniques. The regional ET model driven by remote sensing was built by coupling the conventional ET model with remote sensing data. Daily ET was estimated from March to October of 2006 in the Jinghe basin. The estimation was validated with LAS data. The results showed that: 1) the estimation using the P-T method based on remote sensing met the observations well; 2) spatial distribution patterns indicated that ET was higher in lower latitudes and mountainous areas than in higher latitudes and plains, and ET of forest ranked the highest among other land cover types; 3) ET presented a unimodal distribution and peaked in July and August; 4) strong correlations were found between monthly ET and the monthly average temperature, monthly precipitation, and vegetation index, the correlation coefficients were 0.8, 0.5 and 0.7, respectively. Temperature, precipitation and vegetation index were the major factors affecting the daily ET in Jinghe basin.

evapotranspiration; remote sensing; regional ET model; Jinghe basin

2014-04-23

2014-05-21

國家自然科學基金資助項目(41301496,41301030);中央級公益性科研院所基本科研業(yè)務費專項資金(HKY-JBYW-2013-22,HKY-JBYW-2013-23); “十二五”國家科技支撐計劃(2012BAB02B0403)

董國濤(1982—),男,山東青州人,博士,工程師,主要從事水文水資源過程模擬等方面的研究。E-mail:dongguotao@hky.yrcc.gov.cn

蔣曉輝(1972—),男，湖南永州人，博士，教授級高級工程師，主要從事水資源和生態(tài)環(huán)境研究。E-mail:jxh3412@163.com

P426.2

1005-3409(2015)02-0101-05