焦丹丹,吉喜斌,金博文,趙麗雯,張靖琳,郭 飛

1 中國科學(xué)院西北生態(tài)環(huán)境資源研究院臨澤內(nèi)陸河流域研究站,中國科學(xué)院生態(tài)水文與流域科學(xué)重點實驗室, 蘭州 730000 2 中國科學(xué)院大學(xué), 北京 100049

蒸散是地氣相互作用[1]、全球氣候與水循環(huán)及農(nóng)業(yè)灌溉用水[2]等領(lǐng)域研究的重要內(nèi)容,在調(diào)節(jié)局地小氣候乃至區(qū)域氣候方面,蒸散可作為潛熱減少凈輻射向感熱的轉(zhuǎn)換,對改善大氣環(huán)流有重要影響[3- 4]；另一方面,蒸散作為地氣水熱交換的主要組分,在將地表水汽帶到大氣中的同時消耗了大量地表熱量,影響了不同下墊面地表各分量和降水的重新分配,在土壤-植被-大氣系統(tǒng)中也發(fā)揮了重要作用[5]。Rosenberg等[6]指出降落在地面的降水有70%通過蒸散作用回到大氣中,在干旱區(qū)甚至可達(dá)90%,因此提高水分利用效率對于干旱區(qū)而言至關(guān)重要,而任何提高水分利用效率的嘗試都應(yīng)基于對每日蒸散量的精確估計[7],Ramos等[8]曾使用遙感數(shù)據(jù)來評估灌溉用水量,依靠SEBAL模型計算了實際蒸散值并通過水分利用率指數(shù)計算了凈灌溉量,發(fā)現(xiàn)此法是可行的；Yang等[9]發(fā)現(xiàn)黃河引水的減少將直接導(dǎo)致灌區(qū)內(nèi)水量減少,為了提高水資源利用率,需要根據(jù)變化的用水策略來對不同地表類型的用水量進(jìn)行分配,因此獲取蒸散值是必不可少的。以上研究均涉及蒸散變化趨勢和灌溉水量分配情況,表明作物用水量的計算需要蒸散量來輔助,而要達(dá)到最大水分利用效率和最高產(chǎn)量,灌水的時間和總量都要進(jìn)行合理安排[10],由此可見蒸散的研究已經(jīng)被廣泛應(yīng)用在農(nóng)田作物生長方面[11-12],它不僅可以反映作物耗水的空間分布狀況,據(jù)此來做灌溉計劃,還能減少作物因水分缺失或過度灌溉而導(dǎo)致減產(chǎn)現(xiàn)象的發(fā)生,因此準(zhǔn)確估算蒸散對干旱區(qū)氣候動態(tài)變化及維持水資源供需平衡至關(guān)重要。

作為水文循環(huán)中最難準(zhǔn)確估算的分量之一,自1802年Dalton提出計算蒸發(fā)的公式以來,出現(xiàn)了許多蒸散量的計算公式,其中傳統(tǒng)估算法有蒸滲儀法[13]、波文比-能量平衡法[14]、渦度相關(guān)法[15]以及公式計算法[16-23],其中適用性最好的當(dāng)屬基于能量平衡和空氣動力學(xué)的Penman法和FAO- 56法。傳統(tǒng)估算蒸散的方法雖然能夠獲取相對準(zhǔn)確的均勻下墊面的蒸散量,但大多局限于一點或同一種作物的均勻下墊面來開展,難以反映蒸散的空間異質(zhì)性。因遙感技術(shù)能夠提供大范圍地表特征參數(shù),它的應(yīng)用使得區(qū)域尺度蒸散量的估算成為可能,是定量估算區(qū)域尺度蒸散量最有效的途徑,干旱區(qū)下墊面幾何結(jié)構(gòu)和物理性質(zhì)的水平不均勻性使得該方法在干旱區(qū)蒸散研究方面得到了廣泛應(yīng)用。目前應(yīng)用較多的有地表能量平衡指數(shù)SEBI模型[24]、陸面能量平衡算法SEBAL模型[25]、簡化的地表能量平衡指數(shù)S-SEBI模型[26]、地表能量平衡系統(tǒng)SEBS模型[27]和METRIC模型[28]等。以上模型均為單層模型,因其使用效果較好,近年來在國內(nèi)外被廣泛應(yīng)用于估算不同氣候條件下的地表蒸散。Elhag等[7]利用SEBS模型和MERIS、AATSR資料估算了尼羅河三角洲地區(qū)的日蒸散和蒸發(fā)比,并與均勻分布于研究區(qū)內(nèi)的92個地面實測點數(shù)據(jù)進(jìn)行對比驗證,結(jié)果具有很強(qiáng)的一致性；Folhes等[29]利用METRIC模型和Landsat遙感數(shù)據(jù)估算了巴西東北部半干旱地區(qū)的蒸散量,將計算值與微氣象塔實測蒸散值進(jìn)行對比,研究結(jié)果為灌溉農(nóng)業(yè)用水量提供了數(shù)據(jù)支撐；何延波等[30]在對SEBS模型參數(shù)進(jìn)行訂正的基礎(chǔ)上,利用MODIS遙感數(shù)據(jù)對黃渤海地區(qū)地表通量進(jìn)行了估算,并分別與地面觀測點和LAS數(shù)據(jù)進(jìn)行對比驗證,結(jié)果表明精度可靠且能滿足日蒸散量計算的要求。從眾多研究可以看出,利用遙感計算蒸散需要反演的其中一個重要參數(shù)為地表溫度,將地表溫度與其他參數(shù)相結(jié)合能得到較為精確的近地表層湍流通量值和下墊面的干濕狀況[31-32],對于計算區(qū)域蒸散意義重大,而溫度的反演需要用到熱紅外波段數(shù)據(jù),但高分辨率的熱紅外數(shù)據(jù)難以獲取,因此盡管對區(qū)域范圍內(nèi)蒸散發(fā)估算的研究較多,但大部分為中低分辨率尺度獲取蒸散值[33-34],為提高計算精度,有必要在該研究區(qū)開展結(jié)合高空間分辨率數(shù)據(jù)利用多尺度空間融合獲取日蒸散量的研究,為小區(qū)域范圍內(nèi)水資源合理利用與精準(zhǔn)分配提供借鑒。

本研究區(qū)位于西北干旱區(qū)河西走廊中段臨澤綠洲北部,地表覆蓋包括綠洲內(nèi)部農(nóng)田、綠洲-荒漠過渡帶、人工-天然植被防風(fēng)固沙林和荒漠。利用Landsat 8遙感影像的反演參數(shù)及氣象數(shù)據(jù)估算研究區(qū)的日蒸散量,依靠臨澤內(nèi)陸河流域研究站的通量塔渦動相關(guān)數(shù)據(jù)和氣象數(shù)據(jù)來驗證遙感反演的精度,將不同季節(jié)的蒸散值與通量塔通量數(shù)據(jù)進(jìn)行對比驗證,分析SEBS模型在該地區(qū)的適用性,同時探討了不同土地覆蓋類型對蒸散量空間分布的影響；并利用資源三號(ZY3)影像的高分辨率植被信息來獲取空間增強(qiáng)后的地表溫度值,以提高蒸散量的估算精度,通過遙感手段來估算蒸散量為陸面過程的研究和水資源管理提供了關(guān)鍵參量,對于農(nóng)業(yè)生態(tài)和水文學(xué)的發(fā)展意義重大[35]。

1 資料與方法

1.1 研究區(qū)概況

該荒漠綠洲位于甘肅省張掖市臨澤縣北部(100°06′04″E—100°09′53″E,39°19′07″N—39°24′40″N),地處河西走廊中段,屬黑河流域中游,最高海拔1481 m,最低1273 m,根據(jù)中國科學(xué)院臨澤內(nèi)陸河流域研究站(100°07′48″E,39°20′50″N,海拔1384 m)氣象站的年觀測數(shù)據(jù)[36],該地區(qū)年均氣溫9.2℃,多年平均降水量124 mm,有77%集中在7、8月份,年均無霜期195 d,屬溫帶干旱氣候。研究區(qū)內(nèi)土地覆蓋類型復(fù)雜,東部和西北部多裸地,中部和南部多農(nóng)田及農(nóng)田外圍防護(hù)林地,主要種植楊樹,裸地與農(nóng)田的過渡帶長有梭梭、泡泡刺、沙拐棗等防風(fēng)固沙灌木,在雨水較多的年份還會生長刺蓬、霧冰藜、白莖鹽生草等一年生草本植物,西南有黑河流經(jīng),為典型的荒漠綠洲農(nóng)田,由于農(nóng)田比例較高,區(qū)內(nèi)受人類活動影響較大。該研究區(qū)主要種植作物有制種玉米、大田玉米,作物生長以灌溉為主,灌區(qū)內(nèi)密布各級水渠,在生長季內(nèi)大部分區(qū)域通過水渠引平川水庫內(nèi)水進(jìn)行灌溉,也有部分抽取地下水灌溉,由于該研究區(qū)地處西北干旱區(qū),水資源短缺,蒸發(fā)旺盛,加之人類對水資源的不合理利用,導(dǎo)致該地區(qū)生態(tài)環(huán)境十分脆弱,沙塵暴等惡劣天氣時有發(fā)生,因此合理利用水資源以提高利用率對于生態(tài)環(huán)境保護(hù)和該地區(qū)農(nóng)業(yè)的發(fā)展具有重要意義。

1.2 研究方法

本文采用SEBS模型[27],該模型是一種利用遙感數(shù)據(jù)和氣象數(shù)據(jù)來估算地表通量的模型,模型的計算需輸入兩套參數(shù)：第一套為遙感反演數(shù)據(jù),其中包括空間分布的地表反照率α、植被歸一化指數(shù)NDVI、植被覆蓋度Pv、葉面積指數(shù)LAI、地表比輻射率ε、地表溫度Ts、高程DEM等,第二套為研究區(qū)內(nèi)衛(wèi)星過境時刻的氣象數(shù)據(jù),包括氣溫、風(fēng)速、濕度、氣壓、日照時數(shù)等,在輸入ILWIS軟件的SEBS模塊時,將第一套參數(shù)中的遙感反演數(shù)據(jù)統(tǒng)一為30 m分辨率的TIFF格式以計算日蒸散量。它的理論基礎(chǔ)是地表能量平衡方程：

Rn=G0+H+λE

(1)

式中,Rn為凈輻射量(W/m2),G0為土壤熱通量(W/m2),H為感熱通量(W/m2),λE為潛熱通量(W/m2),其中λ為水的蒸發(fā)潛熱,取值2.49×106J/kg,E為實際蒸散量(kg m-2s-1)。

1.2.1凈輻射量

(2)

1.2.2土壤熱通量

G0=Rn[Γc+(1-Pv)(Γs-Γc)]

(3)

式中,Γc=0.05,為全植被覆蓋條件下土壤熱通量與凈輻射的比率；Γs=0.315,為裸土條件下土壤熱通量與凈輻射的比率。Pv為植被覆蓋度[39-40],由歸一化植被指數(shù)NDVI計算得到：

Pv=[(NDVI-NDVIs)/(NDVIv-NDVIs)]2

(4)

式中,NDVIv、NDVIs分別為植被和裸土的NDVI值,分別取研究區(qū)內(nèi)累積百分比98%和5%的值。

根據(jù)下式中葉面積指數(shù)LAI與植被覆蓋度之間的關(guān)系,可以得到LAI值[41]：

LAI=[ln(1-Pv)]/(-0.5)

(5)

1.2.3感熱通量

(6)

(7)

(8)

式中,u為風(fēng)速(m/s),u*為摩擦風(fēng)速(m/s),k為von Karman常數(shù),取值0.4,z為參考高度(m),d0為零平面位移(m),z0m、z0h分別為動量、熱量交換粗糙度(m),ψm、ψh分別為動力交換和熱力交換的MOS穩(wěn)定度訂正函數(shù),L為奧布霍夫長度,定義為式(8),θ0、θa分別為觀測高度和參考高度的位溫(K),ρ為空氣密度(kg/m3),Cp為空氣熱容(J kg-1k-1),θv為近地表虛位溫(K),g為重力加速度(m/s2)。其中,摩擦風(fēng)速、奧布霍夫長度和感熱通量利用MOS相似性理論通過Broyden非線性方程組進(jìn)行求解,其余所需參數(shù)均可通過氣象數(shù)據(jù)結(jié)合遙感影像信息獲取。

1.2.4日蒸散量

由于蒸發(fā)比在一日之內(nèi)可被認(rèn)為是常數(shù),利用蒸發(fā)比不變法可進(jìn)行日時間尺度擴(kuò)展[42],因此由衛(wèi)星過境時刻的瞬時蒸散值可得到日蒸散量：

(9)

在極端干旱狀態(tài)下,由于土壤水分的缺失潛熱通量約為零,而此時的感熱通量達(dá)最大值：Hdry=Rn-G0,式中：Hdry為干燥地表環(huán)境下的感熱通量(W/m2)；在土壤供水充足的極端濕潤環(huán)境下,蒸散發(fā)旺盛且達(dá)到潛在蒸發(fā)速率,此時的感熱通量取最小值：Hwet=Rn-G0-λEwet,式中：Hwet為濕潤地表環(huán)境下的感熱通量(W/m2),λEwet為濕潤地表環(huán)境下的潛熱通量(W/m2)。

根據(jù)以上兩種極端狀態(tài)就可計算相對蒸發(fā)比Λr,在該模型中定義Λr為實際蒸發(fā)速率與潛在蒸發(fā)速率(即濕限蒸發(fā)速率)之比：

(10)

由此可知瞬時蒸散量可用下式計算：

(11)

同時可以得到蒸發(fā)比Λ,定義為實際蒸散與潛熱通量與感熱通量之和的比值,即可帶入式(9)計算日蒸散量：

(12)

1.3 數(shù)據(jù)來源與處理

根據(jù)Landsat 8影像條帶號及本研究區(qū)所在地理位置,選擇133行、33列遙感數(shù)據(jù),下載地址為https://earthexplorer.usgs.gov/,該影像全色波段空間分辨率為15 m,基本分辨率30 m,還包括了兩個100 m空間分辨率的熱紅外波段,所下載熱紅外數(shù)據(jù)已經(jīng)過重采樣將分辨率轉(zhuǎn)為30 m。本文選取了研究區(qū)2014年8景質(zhì)量較好的Landsat 8遙感影像(1月13日、2月14日、3月18日、6月6日、7月24日、8月9日、9月26日、11月13日),這幾日均為晴朗天氣,研究區(qū)云量均在8%以下,并用ENVI 5.3軟件進(jìn)行輻射定標(biāo)、大氣校正、裁剪等處理,反演出SEBS模型需要輸入的地表參數(shù)。同時在該網(wǎng)站下載ASTER DEM高程數(shù)據(jù),投影為UTM/WGS84,空間分辨率為1 ″(約30 m),按照研究區(qū)邊界進(jìn)行拼接裁剪。在2014年6—8月份覆蓋該研究區(qū)的眾多高分辨率遙感影像中,資源三號衛(wèi)星在2014年8月27日獲取的該研究區(qū)影像晴朗無云,因此選購該景影像與2014年8月9日的Landsat 8影像進(jìn)行融合,因時間距離較近,可將植被信息看作同一時相,其全色數(shù)據(jù)空間分辨率為2.1 m,多光譜數(shù)據(jù)分辨率為5.8 m。本文只選了生長季的高分辨率影像來進(jìn)行植被空間信息的增強(qiáng),而未選擇冬季月份的,是因為該研究區(qū)冬季降水稀少,幾乎無植被,蒸散量較小,即便使用高分辨率影像進(jìn)行空間信息增強(qiáng),變化也不甚明顯。

圖1 研究區(qū)土地覆蓋類型分類Fig.1 Classification of land cover in study area

氣象數(shù)據(jù)來自臨澤內(nèi)陸河流域研究站,同時收集位于該研究區(qū)內(nèi)的綠洲內(nèi)部農(nóng)田觀測場和綠洲-荒漠過渡帶觀測場兩個不同下墊面(圖1)的通量塔數(shù)據(jù)對相應(yīng)位置像元內(nèi)遙感反演的日蒸散值進(jìn)行地面驗證。

1.3.1土地覆蓋類型分類

土地覆蓋類型的特點影響著蒸散量的空間分布,為進(jìn)一步分析不同土地覆蓋類型對蒸散發(fā)的影響,運用監(jiān)督分類里的支持向量機(jī)分類法將地表分為裸地、防護(hù)林、梭梭群落、白刺群落、農(nóng)田、水體、其他共計7類,由于荒漠內(nèi)部在幾米范圍內(nèi)就會有多種植被覆蓋,為提高分類精度,選用ZY3數(shù)據(jù)進(jìn)行分類,并用混淆矩陣法檢驗分類精度,總體分類精度為88.96%,Kappa系數(shù)為0.83,分類精度較高,圖1所示為地物類型圖,以6種地表類型(在統(tǒng)計分析時將梭梭群落和白刺群落合并為綠洲外圍防風(fēng)固沙灌木叢)為掩膜圖像,借助ArcGIS軟件中的區(qū)域分析功能,計算各類土地覆蓋在不同時間的日蒸散值并分析。

1.3.2地表溫度求取

基于Kustas[43]和Anderson[44]提出的植被指數(shù)與地表溫度之間的最小二乘法擬合關(guān)系,可以利用高分辨率的植被信息獲取空間增強(qiáng)后的地表溫度,該方法使用二次回歸分析式而非線性公式求解回歸系數(shù)是因為線性公式只能考慮到平均狀態(tài),會忽略土壤濕度對模型的影響。本研究利用空間分辨率為2.1 m的ZY3影像反演植被指數(shù)NDVI,并結(jié)合Landsat 8影像模擬高空間分辨率的地表溫度信息,步驟如下：

(1)將2.1 m空間分辨率的NDVI值重采樣至30 m,在不同地物類型上分別選取純像元的NDVI30值(ZY3提供)和T30值(Landsat 8提供),計算系數(shù)a、b、c,王萬同等[45]構(gòu)建了一種純像元選取需遵循的原則：區(qū)域相似度判定函數(shù),可用來進(jìn)行純像元的選取。

T30=a+bNDVI30+cNDVI302

(13)

(14)

1.3.3蒸散量測定

蒸散量利用位于綠洲內(nèi)部農(nóng)田和綠洲-荒漠過渡帶的開路式渦動相關(guān)系統(tǒng)測定的潛熱通量換算得到,其中位于綠洲內(nèi)部農(nóng)田的開路式渦動相關(guān)系統(tǒng)由三維超聲風(fēng)速儀(HS- 50,Gill Solent Instruments,英國)和紅外CO2/H2O氣體分析儀(LI- 7500,LI-COR inc.,美國)組成,觀測高度距地面4.5 m,風(fēng)浪區(qū)范圍均為灌溉玉米農(nóng)田；綠洲-荒漠過渡帶開路式渦動相關(guān)系統(tǒng)由三維超聲風(fēng)速儀(WindMaster Pro, Gill Solent Instruments,英國)和紅外CO2/H2O氣體分析儀(LI- 7500A,LI-COR inc.,美國)組成,觀測高度距地面8.0 m,風(fēng)浪區(qū)范圍是由梭梭、沙拐棗和白刺等組成的稀疏灌木林地。兩套開路式渦動相關(guān)觀測系統(tǒng)的紅外CO2/H2O氣體分析儀與垂直方向夾角為10°,與三維超聲風(fēng)速儀的感應(yīng)面相距均為20 cm。兩個通量塔周圍地勢相對平坦。

2 結(jié)果

2.1 SEBS模型驗證

綠洲農(nóng)田觀測場下墊面主要種植玉米,植被均一,荒漠-綠洲過渡帶觀測場下墊面為梭梭群落、白刺群落、裸地等,植被類型較為復(fù)雜,為保證數(shù)據(jù)的準(zhǔn)確性,在SEBS模型計算的蒸散結(jié)果中提取兩個通量塔所在經(jīng)緯度的像元值與通量塔數(shù)據(jù)分別進(jìn)行對比,以模型計算值為自變量,實測日蒸散值為因變量,用回歸方程對二者進(jìn)行擬合,以決定系數(shù)R2來表示回歸方程擬合的好壞,同時計算了模型計算值與實測日蒸散值之間的均方根誤差(RMSE)、平均絕對誤差(MAE),二者絕對值越小,表明兩種方法之間的差異越小。由圖2明顯可以看出：模型估算值不管是在綠洲農(nóng)田還是在綠洲-荒漠過渡帶都存在高估現(xiàn)象,且在蒸散量越小時高估現(xiàn)象越嚴(yán)重。農(nóng)田區(qū)模型計算值與實測值回歸方程斜率為1.07(R2=0.96,P<0.001),相比回歸方程斜率為0.80(R2=0.72,P<0.001)的綠洲-荒漠過渡帶來看,變化趨勢較為一致且方程擬合效果較好,且農(nóng)田區(qū)隨著蒸散量的增加,模型值與實測值的擬合程度越好,說明用SEBS模型估算該研究區(qū)蒸散值是可行的。單獨看SEBS模型計算值與綠洲農(nóng)田蒸散值之間的差異(表1),RMSE、MAE分別為0.84 mm/d、0.56 mm/d,而模型計算值與綠洲-荒漠過渡帶蒸散值之間的RMSE、MAE分別為1.33 mm/d、1.12 mm/d,均比與綠洲農(nóng)田之間的差異要大,說明在下墊面為均一農(nóng)田時,SEBS模型的估算結(jié)果更為準(zhǔn)確。

2.2 綠洲-荒漠過渡帶蒸散季節(jié)變化

SEBS模型計算的研究區(qū)日蒸散量分布如圖3所示,四季可以明顯看出該地區(qū)蒸散量的季節(jié)變化規(guī)律：夏季>春季>秋季>冬季?？臻g上整體變化特征主要受土地覆蓋類型的影響,南部多農(nóng)田、林地,靠近水域(河流：黑河；水庫：平川水庫),多植被覆蓋且供水充足,蒸散量較大；北部和東部多裸地,水分不足因此蒸散值較小。

圖2 實測值和地表能量平衡系統(tǒng)(SEBS)模型計算值之間的相關(guān)性Fig.2 Correlation between measured values and ETdaily (daily evapotranspiration) estimated by surface energy balance system (SEBS) model

Table 1 Comparison between measured values and ETdaily(daily evapotranspiration)estimated by surface energy balance system(SEBS)model

時間TimeSEBS計算值Simulated values by SEBS/(mm/d)綠洲農(nóng)田值Values for oasis/(mm/d)SEBS計算值Simulated values by SEBS/(mm/d)綠洲-荒漠過渡帶值Values for oasis-desert ecotone/(mm/d)1-130.440.090.960.022-140.970.101.610.093-182.010.272.250.066-62.722.741.830.777-247.166.683.622.208-95.665.382.041.299-261.760.881.580.4011-131.020.221.110.07RMSE:均方根誤差Root mean squared error0.841.33MAE:平均絕對誤差Mean absolute error0.561.12

由圖3可知研究區(qū)的時間變化特征：1月13日、2月14日表征冬季蒸散情況,氣溫低且地表裸露,水庫內(nèi)水結(jié)冰,蒸發(fā)微弱,大部分蒸散量均在1.5 mm/d以下；比較這兩日蒸散值可知,2月14日蒸散量在整個研究區(qū)內(nèi)相比1月13日有小幅上升,這與溫度值升高有關(guān)。

圖3 SEBS模型計算日蒸散量對比Fig.3 ETdaily estimated by SEBS model for various days

3月18日代表初春,農(nóng)田地區(qū)作物還未播種,但因溫度升高,蒸散值也相應(yīng)增大,均在2.0 mm/d左右,水庫與河流解凍,蒸發(fā)加強(qiáng)。6月6日為春末夏初時節(jié),農(nóng)田作物已進(jìn)入生長階段,該地區(qū)為引水灌溉,且此時作物已經(jīng)過第一輪澆水及施肥,生長旺盛,蒸散量明顯增加。從圖3可以看到北部農(nóng)田蒸散值比南部高,這是由于引水灌溉并不能在一天內(nèi)對研究區(qū)內(nèi)所有農(nóng)田進(jìn)行澆水,這充分說明了水分對于蒸散的影響是極其顯著的,同時水庫、河流及湖面(中部水域為鎖龍?zhí)?的蒸散值大幅上升,可達(dá)7.0 mm/d。

7月24日蒸散結(jié)果代表仲夏時節(jié),此時為該地區(qū)雨季,是荒漠地區(qū)植物的生長季,因此荒漠地區(qū)蒸散值增加明顯,約為3.0 mm/d；農(nóng)田作物此時進(jìn)入生長關(guān)鍵期,需大量引水灌溉,且已經(jīng)過第二輪施肥,蒸散量達(dá)全年最高,均在6.0 mm/d以上,同時蒸散差異也達(dá)最大。8月9日整個研究區(qū)蒸散值較7月24日有所回落,但仍處于較高水平。

9月26日蒸散結(jié)果對應(yīng)秋季,此時農(nóng)作物生長結(jié)束,進(jìn)入收割季節(jié),該地區(qū)種植的作物大部分為玉米,需在9月20日至10月1日前后進(jìn)行收割[46],且此時溫度也有所下降,因此蒸散量較8月9日大幅降低。11月13日為秋末,溫度降低且地表又恢復(fù)裸露狀態(tài),蒸散值極小,均在1.5 mm/d以下。

2.3 土地覆蓋類型對蒸散的影響

圖4 Landsat 8與ZY3數(shù)據(jù)融合的蒸散結(jié)果 Fig.4 The results of evapotranspiration of Landsat 8 and ZY3 data fusion

將8月 27日ZY3數(shù)據(jù)的高分辨率影像和8月9日Landsat 8影像融合(圖4)與僅使用8月9日Landsat 8影像(圖3f)計算結(jié)果對比來看,在大面積農(nóng)田的中部和水域中部,蒸散值有所增大,而在東部、西北部的荒漠處蒸散值整體上變小,僅在0.5 mm/d以下,在這些地區(qū)大部分為純像元,空間增強(qiáng)后像元內(nèi)地表類型未發(fā)生變化,因此蒸散值發(fā)生變化主要是由于植被信息的增強(qiáng)。南部占比例較小的居民地和道路(歸在其他類)在空間增強(qiáng)后蒸散值變小,與周圍農(nóng)田、防護(hù)林的蒸散值區(qū)分度增大。由此可見,在地物類型交界的地方,如農(nóng)田與荒漠交界處、居民地和道路與農(nóng)田的交界處,都不再是緩慢地發(fā)生變化,區(qū)分度變得明顯,變化值約在2 mm/d左右；而在面積較大的地方空間增強(qiáng)前后變化程度較小,約在1 mm/d。

將所選8景數(shù)據(jù)的日期以儒略日的形式表示出來,得到不同土地覆蓋類型日平均蒸散值的比較(表2),可知這6種地物蒸散值的季節(jié)變化趨勢一致,均在7月24日(205)取得最大值。但各土地覆蓋類型的季節(jié)變化幅度不同,水體的季節(jié)變幅最大(6.20 mm/d),其次為農(nóng)田(5.43 mm/d),而灌木叢的變幅最小,僅為2.66 mm/d。由表中信息還可看出,在3月18日(77)以前,各土地覆蓋類型的蒸散值均在緩慢變大且差距不大,而從6月6日(157)開始蒸散量出現(xiàn)明顯差異,在9月26日(269)之后,各土地覆蓋類型的蒸散值又回到相差不大的狀態(tài)。蒸散量的多少按照土地覆蓋類型排序依次為：水體>農(nóng)田>防護(hù)林>裸地>綠洲外圍防風(fēng)固沙灌木叢,其中水體蒸散值在這幾日均為最大,其他類由于包含水體和農(nóng)田等,蒸散值也較高,在此不列入排序。

表2 不同土地覆蓋類型日平均值及變化幅度

裸地與生長在荒漠中的灌木叢群落的蒸散變化趨勢極為相似,由于荒漠地區(qū)植物生長需依靠降水和地下水作為水分補給來源,而7月份為該研究區(qū)雨季,水熱條件較好,植物生長迅速,所以7月24日蒸散量較大,其他時間均在2 mm/d以下,由此可見,裸地與灌木叢可代表荒漠地區(qū)蒸散量的季節(jié)變化。農(nóng)田的日蒸散值除夏季的7月24日和8月9日外,其他時間均小于林地,這是由于作物在夏季供水充足,作物生長旺盛,蒸散能力極強(qiáng),因此要高于林地的蒸散值。

3 討論

從SEBS模型值和通量塔實測值所建立的回歸方程來看,斜率接近于1,說明變化趨勢較一致,擬合程度較好且兩者之間差異不大,表明該模型適用性較強(qiáng)。但是該模型在估算日蒸散值時存在明顯的高估現(xiàn)象,在缺水的荒漠地區(qū)比農(nóng)田地區(qū)高估現(xiàn)象更嚴(yán)重,這是由于在干旱區(qū)植被生長過程中會遭受水分脅迫,因此會低估感熱通量,高估蒸散量,Gokmen等[47]在研究中發(fā)現(xiàn)：SEBS模型中在計算蒸散量時并未明確考慮到土壤水分的依賴性,對此他們將利用微波遙感獲取的土壤水分信息整合進(jìn)SEBS模型中顯熱通量的計算,以獲取在水分脅迫下的蒸散值,改進(jìn)后的模型即成為將土壤水分考慮在計算蒸散量內(nèi)的單源模型。連晉姣等[48]將利用METRIC模型計算的黑河中游生長季日蒸散值與通量數(shù)據(jù)做對比,同樣也發(fā)現(xiàn)模型存在高估現(xiàn)象。Ma等[49]利用改進(jìn)后的SEBS模型估算了黑河中游6—9月農(nóng)田地區(qū)的日蒸散,為4.9 mm/d,與本文在7月24日利用SEBS模型估算得到的農(nóng)田區(qū)日蒸散值6.0 mm/d有一定出入,但兩個研究的范圍有所不同,亦可能與SEBS模型存在高估現(xiàn)象有關(guān)。相比較異質(zhì)性較強(qiáng)的綠洲-荒漠過渡帶,下墊面為均一農(nóng)田時模型的模擬效果更好,該結(jié)果與吳雪嬌等[50]利用MODIS/Terra影像,基于SEBS模型在黑河中游估算日蒸散值并用不同下墊面的通量塔數(shù)據(jù)進(jìn)行驗證而得出的結(jié)論一致,也是在下墊面為均一條件時的估算結(jié)果更為精準(zhǔn)。值得注意的是在將模型計算值與實測值進(jìn)行對比時所選取的像元個數(shù)和位置會影響模擬的精度,Meijninger等[51]曾測試了大口徑閃爍儀LAS在非均質(zhì)地表的適用性并確定了用于模擬的像元數(shù)量,本文中為了精確起見,僅選擇了通量塔所在經(jīng)緯度的一個像元值,在實際應(yīng)用中,可根據(jù)分辨率大小來確定所選像元個數(shù)。同時,由于通量塔覆蓋范圍與像元大小并不完全一致,因此蒸散值存在差別是確定的,這也會對驗證結(jié)果的準(zhǔn)確性產(chǎn)生影響,為進(jìn)一步對模型計算值做精確驗證,應(yīng)選取與通量塔覆蓋范圍相當(dāng)?shù)南裨笮》秶?以消除衛(wèi)星軌道漂移及其他原因造成的像元變形等問題。由于該研究區(qū)只有農(nóng)田和荒漠兩種土地覆蓋類型下設(shè)有通量塔,其他幾種類型的蒸散值無驗證數(shù)據(jù),僅用兩組數(shù)據(jù)來驗證模型的適用性顯得過于單薄。

從時間變化來看,夏季熱量充足,作物生長需水量大,植被覆蓋度增加,且是荒漠地區(qū)的雨季,達(dá)到水熱最佳耦合點,因此是蒸散量最大的季節(jié)。蒸散的多少主要是由于下墊面供水狀況和植被生長差異造成,綠洲農(nóng)田和防護(hù)林供水充足,植被指數(shù)較大,具有高蒸散量,荒漠則恰好相反,為低蒸散值區(qū)。為具體說明植被與蒸散之間的關(guān)系,將不同土地覆蓋類型的NDVI像素點與對應(yīng)的蒸散量(7月24日影像)進(jìn)行對比分析,在農(nóng)田取NDVI為0.74時,模型計算蒸散值為7.14 mm/d,防護(hù)林取NDVI為0.44時,蒸散量為4.91 mm/d,灌木叢取NDVI為0.22時,蒸散量為3.19 mm/d,裸地取NDVI為0.13時,蒸散量為2.98 mm/d,由此可說明隨著植被覆蓋度增加,蒸散量也隨之增加。

利用空間增強(qiáng)后的地表溫度值求取蒸散量相當(dāng)于采用較高空間分辨率的數(shù)據(jù)來解析混合像元內(nèi)部的情況,能夠得到更為準(zhǔn)確的地表蒸散值。對比分析空間增強(qiáng)前后的影像,受混合像元的影響,土地覆蓋類型交界部分的信息會被夸大或忽略,在交界處一個像元內(nèi)若存在著裸土和植被至少兩種土地覆蓋類型,則該部分的土壤熱通量因為裸土的存在會比空間增強(qiáng)前增加,因此蒸散值會變??；若交界處一個像元內(nèi)存在著農(nóng)田、林地、道路及居民地等地表類型,面積較小的地表類型將會被忽略,而在空間增強(qiáng)后又被考慮進(jìn)去,顯熱通量就會增加,蒸散值相應(yīng)變小。該研究結(jié)果與辛?xí)灾薜萚52]將MODIS數(shù)據(jù)與CBERS-02提供的地表類型圖相結(jié)合并用面積權(quán)重平均法得到MODIS像元的通量一文中所得的結(jié)論,以及劉雅怩等[53]用同樣方法在黑河流域進(jìn)行地表通量的估算所得出的結(jié)論是一致的。王萬同等[45]在利用ETM+與MODIS數(shù)據(jù)對伊洛河流域地表蒸散值進(jìn)行估算時也發(fā)現(xiàn)低分辨率影像中的混合像元容易被忽略或夸大。為提高計算的精度,所選擇高分辨率植被信息的時間應(yīng)盡可能地接近Landsat 8影像的獲取時間,這樣才可以保證地表植被信息是在相同時相下獲取的,但是由于兩種數(shù)據(jù)獲取周期的差異,導(dǎo)致很難選擇到時間近乎接近的兩日數(shù)據(jù)。并且從整個計算過程來看,僅有植被信息部分使用了高分辨率數(shù)據(jù),而影響蒸散的還有多種氣象因素,單純提高某個參數(shù)對計算結(jié)果的影響是極小的,以上都是空間增強(qiáng)法需要改進(jìn)的地方。

從各土地覆蓋類型的日蒸散量統(tǒng)計分布來看,季節(jié)變化趨勢是一致的,但變化幅度不盡相同,變化幅度由大而小依次為：水體>農(nóng)田>防護(hù)林>裸地>綠洲外圍防風(fēng)固沙灌木叢。蒸散值達(dá)最大的時間都在夏季。夏季是農(nóng)作物生長的黃金時期,灌溉充足且熱量條件豐富,農(nóng)田和林地的蒸散值明顯增加。此時為該地區(qū)雨季,裸地水熱條件好且荒漠植物也進(jìn)入生長季節(jié),因此裸地和綠洲外圍防風(fēng)固沙灌木叢的蒸散變化特征可用來表示荒漠地區(qū)蒸散量的季節(jié)變化。其他類主要包括了居民地和道路,其具有較高蒸散值可能與實際不符,這是由于盡管使用了分辨率較高的ZY3數(shù)據(jù)來提取地物類型,但不可避免地將農(nóng)田或林地劃分進(jìn)去,且農(nóng)田和其他類的地表與近地面大氣之間熱力性質(zhì)差異較大,地氣能量交換的主要方式不同,居民地、道路等以感熱交換為主,近地表形成不穩(wěn)定層結(jié),而農(nóng)田、林地主要通過潛熱進(jìn)行交換,因此兩者間容易造成平流交換,產(chǎn)生“冷島效應(yīng)”[54-55],使得臨近居民地的林地和農(nóng)田的蒸散值更高,也就解釋了其他類蒸散值較高的原因。

4 結(jié)論

本文利用我國資源三號影像提供的高分辨率植被信息獲取了空間增強(qiáng)后的地表溫度值,運用SEBS模型對黑河中游綠洲-荒漠過渡帶地表蒸散量進(jìn)行了估算,探討了不同土地覆蓋類型對蒸散量空間分布的影響,得到的主要結(jié)論有：

(1)將高分辨率的ZY3影像與Landsat 8數(shù)據(jù)進(jìn)行融合后由于植被信息的增強(qiáng),在地物交界處蒸散量的區(qū)分度變得明顯；通過與通量數(shù)據(jù)的觀測值對比分析表明：SEBS模型對該地區(qū)日蒸散量進(jìn)行估算可行,且在均一地表類型時精度更高。

(2)從季節(jié)變化來看,各土地覆蓋類型的季節(jié)變化趨勢一致(夏季>春季>秋季>冬季),但變幅存在差異：水體>農(nóng)田>防護(hù)林>裸地>綠洲外圍防風(fēng)固沙灌木叢,主要與下墊面供水、熱量收支和植被覆蓋有關(guān)。

(3)在空間分布上,除水體外,地表植被覆蓋對蒸散量影響明顯,夏季綠洲內(nèi)部農(nóng)田和防護(hù)林蒸散量較高,最大值分別為5.95 mm/d、5.14 mm/d,是綠洲以外荒漠裸地的2—3倍。