基于多源遥感数据的三江平原日蒸散量估算

白 娟，杨胜天，董国涛，2，郝芳华，王鸣程，4

（1.北京师范大学 地理学与遥感科学学院 遥感科学国家重点实验室，北京100875；2.黄河水利委员会 黄河水利科学研究院，郑州450003；3.北京师范大学 环境学院 水环境模拟国家重点实验室，北京100875；4.中国科学院 昆明植物研究所 山地生态系统研究中心，昆明650204）

蒸散发是影响区域水热平衡的主要因素，也是水文循环的重要环节之一。区域蒸散过程涉及土壤、植被和大气等多个要素，时空尺度陆面蒸散量的精确评价对区域水循环研究和植被生产力评价具有重要意义。蒸散发的估算方法目前有很多，如点尺度的波文比能量平衡法、空气动力学方法和涡度相关法，区域尺度的水量平衡理论、SPAC理论和参考作物腾发量等［1］。联合国粮农组织（FAO）于1998年推出的修正Pennman－Monteith（P－M）模型是目前最常用的蒸散发估算方法，常用于检验其他蒸散发模型的精度［2－3］。P－M 模型综合了能量平衡（热量平衡）方程和空气动力学方法，具有较明确的物理意义，用于估算较长时期（月或年）的蒸散发时较为精确，被广泛应用于区域参考作物蒸散量的估算［4－8］。目前大部分研究主要是基于气象观测资料，通过估算气象站点的蒸散量，然后对站点的蒸散量进行空间插值推广到区域上，这种方法在站点上具有很高的精度，但在区域尺度受下垫面几何结构与物理性质的空间异质性影响，较难取得准确的结果。

随着遥感技术的发展和应用，卫星遥感技术被广泛应用于区域蒸散发的研究中。虽然遥感不能直接测量蒸散发，但是利用遥感技术可以定量反演用于计算陆面蒸散的地表参数和地表通量。不少学者采用P－M模型结合遥感的方法对区域蒸散发量进行估算［9－10］，但这些研究多利用遥感数据进行通量反演，气象数据仍采用站点数据的插值结果，在资料缺乏地区或者气象观测站点分布不均匀的地区的应用仍存在局限。

本研究在FAO Penman－Monteith模型的基础上，采用多源遥感数据，对三江平原2011年生长季（5—9月）的日实际蒸散量进行估算，并结合地表连续观测数据对模型精度进行评价。基于此，进一步分析研究区实际蒸散发的时空分布特征和气象因素对实际蒸散发的影响，验证了遥感驱动的Penman－Monteith模型在三江平原的适用性，同时为三江平原的生态水文过程模拟提供了重要的基础数据，对研究三江平原的生态水文过程具有重要意义。

1 研究区与实验区概况

三江平原位于黑龙江省东部，是由黑龙江、乌苏里江及松花江冲积而成的低平原。该区北起黑龙江，南抵兴凯湖，西邻小兴安岭，东至乌苏里江，地理坐标为43°49′55″—48°27′40″N，129°11′20″—135°05′26″E，总面积10.89万km2。气候属于温带湿润、半湿润大陆性季风气候区，全年日照时数2 400～2 500h，1月平均气温低于－18℃，7月平均气温21～22℃，无霜期120～140d，冻结期140～190d，季节性冻土深度为1.4～2.5m。年降水量500～650mm，降水时空分布不均匀，75%～85%的降水集中在6—10月，空间上为东部降水多于西部。土壤类型主要有暗棕壤、黑土、沼泽土、白浆土、草甸土。

为了获取地面实际蒸散发数据，在三江平原859农场内建立实验区。实验区位置为47°24′20.42″—47°24′21.38″N，134°07′11.12″—134°07′12.84″E。试验田面积600m2，主要作物为小麦和大豆。区内架设有RR－9310换位式波文比通量观测系统。通量观测系统采样频率设置为10min，观测时间为2011年6—9月，观测因子包括地表净辐射、土壤热通量、不同高度层的大气温度和相对湿度。

2 研究方法与数据处理

2.1 研究方法

2.1.1 实际蒸散量 FAO P－M模型通过参考作物蒸散量和作物特性对需水量的影响即作物系数来计算潜在蒸散发量，然后结合实际土壤水分状况计算实际蒸散量。实际蒸散量和潜在蒸散量表示为［11］：

式中：ET0——参考作物蒸散量（mm／d）；ETp——潜在蒸散量（mm／d）；ETa——实际蒸散量（mm／d）；Ks——土壤水分胁迫系数；Kc——作物系数，与土壤、气候、作物种类、作物生长状况等因素有关，在没有试验资料的情况下，可采用联合国粮农组织（FAO）给出的不同作物各发育阶段作物系数经验值。

Jensen等［12］的研究结果表明，土壤水分胁迫系数Ks可用式（4）表示：

式中：Av——相对有效含水率；Wm——萎蔫含水量（m3／m3），通过全球土壤数据库HWSD查询表层土壤的机械组成和有机碳含量，然后带入SPAW模型计算获得；Wf——田间持水量（m3／m3），同样采用SPAW模型进行计算；W——根区实际土壤含水量（m3／m3），采用遥感驱动的分布式时变增益水文模型（RS－DTVGM）进行估算［13］。

2.1.2 参考蒸散量 根据FAO的推荐，参考下垫面为表面开阔、具有充足水分供应、植被高度为0.12 m的草地，具有固定的表面阻抗70s／m，反照率为0.23。参考蒸散量的计算式为［11］：

式中：ET0——参考蒸散量（mm／d）；Δ——气温T 时的饱和水汽压曲线斜率（kPa／℃）；Rn——地表净辐射［MJ／（m2·d）］；G——土壤热通量［MJ／（m2·d）］；γ——干湿表常数（kPa／℃）；T——日平均温度（℃）；U2——2m 高度处风速（m／s）；es——饱和水汽压（kPa）；ed——实际水汽压（kPa）。

饱和水汽压曲线斜率Δ：

式中：γ——干湿表常数（kPa／℃）；Cp——空气定压比热，指一定气压下，单位体积的空气温度升高1℃所需的能量为1.013×10－3MJ／（kg·℃）；λ——蒸发潜热，取2.45MJ／kg；ε——水汽分子量与干空气分子量之比，为0.622。

地表热通量G采用Su提出的计算方法［14］，对于有植被覆盖的地面，计算公式如下：

式中：全植被覆盖下，土壤热通量与净辐射的比值τc＝0.05；裸地情况下，土壤热通量与净辐射比值τs＝0.315；fc为植被盖度，采用Nilson提出的计算方法［15］，表达式为：

式中：LAI——叶面积指数；k——与植被几何结构有关的系数；Ω——聚集指数，取值参见不同IGBP类型的典型聚集指数［16］；K——冠层消光系数，对于2a生或多年生树木，假定叶片在空间为球状分布，则其折射光的消光系数只取决于太阳高度角或太阳天顶角，表达式为：

式中：z——太阳天顶角（°），Monsi认为草本植物的K 为0.3～0.5［17］。

2.1.3 遥感驱动的FAO P－M模型 遥感驱动的FAO P－M模型计算实际蒸散发的流程如图1所示。首先利用遥感数据估算出净辐射、土壤热通量、平均饱和水汽压和实际水汽压等参数，然后利用以上参数结合作物系数计算潜在蒸散量，最后通过土壤含水量计算出实际蒸散量。

图1 基于多源遥感数据的P－M模型计算流程

2.2 数据处理

2.2.1 地面实际蒸散实验数据处理 波文比方法采用地表能量平衡方程和空气动力学方程来计算实际蒸散发，原理简单，精度较高，适用于常规地面观测。由波文比计算蒸散耗热通量的公式为［18］：

式中：E——蒸散量（mm）；λ——水的汽化潜热（MJ／kg）；Rn——地表净辐射［MJ／（m2·d）］；G——土壤热通量［MJ／（m2·d）］；β为波文比。对由波文比方法计算得到的蒸散量进行严格筛选，剔除与实际方向相反的数据和严重偏离正态分布的数据，对剔除后的缺值数据采用滑动平均的方法进行补值，然后将补值后的10min间隔的蒸散量累加转化为日实际蒸散量。

2.2.2 多源遥感数据处理 本研究主要采用的遥感数据包括：（1）2010年环境卫星影像，对影像数据进行预处理，根据不同土地覆盖类型的影像色调、纹理等特征，建立相应的解译标志，通过人机交互式判读，得到研究区的土地利用数据。土地利用类型主要包括：林地、草地、湿地、旱田、水田、裸地和水体。（2）采用“MODIS／Terra Leaf Area Index／FPAR 8－Day L4Global 1km SIN Grid V005”产品计算植被覆盖度。产品空间分辨率为1km，时间分辨率为8 d，需要进行时间序列插值得到日尺度数据。（3）采用GLDAS＿NOAH025SUBP＿3H 产品，包括气温、风速、比湿、净短波辐射和净长波辐射数据，分别用于计算日平均气温、日平均风速、空气相对湿度和净辐射。由于GLDAS提供的数据是间隔25km的数据集点，不是连续的栅格数据，需要将原始数据提取生成1 km×1km分辨率的栅格数据，然后结合DEM做反距离加权插值，最后对不同类型的数据进行求平均或累加得到日尺度数据，获得最终需要的气象数据。（4）降水数据采用FY－2D标称格式24h降水估计产品，空间分辨率为5.154km。（5）DEM数据采用SRTM 3数据，空间分辨率为90m。将不同空间分辨率的数据重采样为1km×1km分辨率。

2.2.3 遥感数据精度评价 气象数据来自GLDAS产品，有必要结合气象站点数据和野外定点观测数据对遥感气象数据的精度进行验证。验证数据来自由中国气象局提供的三江平原7个基准地面气象观测站的地面气候资料日值数据和监测站的波文比观测数据。提取气象站和地面观测站所在像元的GLDAS数据的气温、风速和净辐射数据，分别与相应站点的实测数据进行比较。GLDAS气温数据通过反距离加权并结合DEM插值后，与实测数据的一致性更好，GLDAS日均气温数据与研究区内各气象站点的实测日均气温都呈现很好的相关性，R2均大于0.97；对比GLDAS风速数据和研究区内各气象站点的风速数据，发现GLDAS数据总体上较观测值偏小，GLDAS风速数据与各气象站实测风速的R2为0.416～0.608，相关性较好；将基于 GLDAS数据获取的净辐射与波文比实测的净辐射数据进行对比，发现二者比较接近，误差在2.4～6.2MJ／m2之间，R2为0.704。以上验证结果表明，GLDAS产品精度较高，由GLDAS产品提取的气象数据适用于三江平原蒸散发量的计算。

3 结果与分析

3.1 实际蒸散量估算结果验证

将P－M模型估算的旱田蒸散量与波文比实测的旱田蒸散量进行比较。考虑到影像的几何纠正会带来取样误差，观测点处的遥感估算值采用以该像元为中心的3×3窗口内的平均值作为该像元的遥感估算值，与实测值进行比较。图2为生长季内日尺度上旱田蒸散发的模拟值与实测值。由图2可以看出：模拟值和实测值比较接近，旱田日蒸散发的模拟值与实测值的R2为0.824，RMSE为0.493；旱田月平均蒸散量的模拟值与实测值的R2为0.938，RMSE为0.256，P－M模型对旱田蒸散量的模拟精度较高。生长季内月尺度上，在6—8月份，旱田实际蒸散发的P－M模型的模拟值比实测值偏高，相对误差分别为11.7%，7.63%和19.4%；9月份的模拟值则低于实测值，相对误差为－0.13%。在实际蒸散量较小时，模型模拟误差较大，可能是由于模拟值为像元尺度，虽然旱田实验区地势平坦开阔，实测数据可以代表较大范围的蒸散发情况，但仍存在尺度差异性，此外由于驱动P－M模型的遥感产品的精度问题，会造成误差累积。总体而言，在整个观测时期内，P－M模型的模拟值与实测值较为一致，表明本文所采用的多源遥感数据驱动P－M模型的方法适用于日蒸散发的估算。

图2 三江平原旱田日蒸散发的模拟值与实测值

3.2 三江平原蒸散发计算结果

采用多源遥感数据，对三江平原2011年生长季内（5—9月）月蒸散量的变化情况进行估算。从时间上来看，三江平原的月蒸散发量分布呈单峰型，从5月到7月蒸散量呈显著增长趋势，其中7月蒸散量最大，普遍达到60～100mm，8月蒸散量开始减少，整体上与6月相比差异不大，基本上达到40～80mm，9月蒸散量显著减少，大部分地区的蒸散量介于20～40mm，与杜嘉［19］在三江平原采用SEBS模型估算蒸散发的结论相同。分析其原因为：5月气温已经回升，空气饱和差变大，导致耗水增加；6—8月气温达到最高，降水量大，供水充分，是植被生长的旺季，植被蒸腾显著提高，导致蒸散发量大幅增加；9月气温开始缓慢降低，降水量减少，植株衰老，叶片功能丧失，蒸散发降低。

从空间分布来看，三江平原生长季的蒸散发量与土地利用方式密切相关。位于以黑龙江、松花江、乌苏里江及其支流和兴凯湖为主的水域，蒸发量最高，生长季的平均蒸发总量为445.72mm；其次为位于东北部地区的湿地和位于小兴安岭青黑山的林地覆盖区，林地具有较高的蒸发系数，再加上该区降水充足，平均蒸散发量大于340mm；位于老爷岭、张广才岭和完达山的林地覆盖区，由于降水量较少，平均蒸散发量不足290mm；湿地由于有大面积水生植被覆盖，且降水充沛，可提供充足的水分用于蒸腾，平均蒸散发量接近330mm；水田由于供水充足，生长发育旺盛，平均蒸散发量为310mm；位于三江平原中部的旱田和草地，平均蒸散发量不足280mm，这是由于三江平原旱地大多不具备灌溉条件，大面积的旱田只能雨养，很多时候处于缺水状态，故蒸散发量较低。总体上，2011年三江平原生长季的蒸散发量主要与植被盖度和水分供给状况有关。三江平原水体的日蒸散量高于沼泽湿地的日蒸散量，与Burba［20］在美国内布拉斯加州对水体和湿地蒸散发研究的结论相同。

3.3 实际蒸散量影响因素分析

在三江平原区域范围内，以5km为间隔进行均匀采样，共得到44个样点。通过计算整个生长季内各样点的实际蒸散量与4个气象因子（气温、净辐射、风速和比湿）的相关系数，并对各气象因子取其相关系数的平均值来衡量三江平原实际蒸散量与气象因素的相关性。实际蒸散量与气温、净辐射的相关性较好，其平均相关系数分别为0.49和0.63；实际蒸散量与比湿和风速的相关性较差，其平均相关系数分别为0.32和0.14；将比湿转换为相对湿度，与实际蒸散量呈负相关，平均相关系数为0.15。各气象因子与实际蒸散发的相关性分析表明，净辐射和气温是影响三江平原实际蒸散发的两个主要因子。各气象因子按照对蒸散发量的贡献大小排序为：净辐射＞气温＞比湿＞风速。

图3是三江平原生长季内观测站点的实际蒸散发与气温、净辐射和降水随时间的变化规律，可以看出在降水较多时，气温和净辐射与实际蒸散发的变化趋势大体相同，实际蒸散发的峰值相对降水量呈现出一定的滞后性；7月15日到7月28日缺少降水，虽然期间气温和净辐射值仍然比较高，潜在蒸散的平均值也达到4.87mm，但是由于土壤水分含量较低，实际蒸散量锐减，平均只有2.22mm，说明在气温、净辐射和比湿较为稳定的情况下，次降雨可以明显增加蒸散量。三江平原降水时空分布不均匀，降水集中在6—10月，东多西少，而实际蒸散发的时空分布与降水的时空分布密切相关，因此降雨是影响区域实际蒸散发的制约性因素。

图3 三江平原旱田日实际蒸散发和气象要素的变化趋势

4 结论

（1）采用P－M模型，结合多源遥感数据，对三江平原生长季内（5—9月）的日实际蒸散量进行估算，并用波文比通量观测系统得到的实测数据对模拟结果进行了验证。结果表明，在整个观测时期内，P－M模型的模拟值与实测值比较一致，说明本文所采用的方法适用于日实际蒸散发的估算。

（2）蒸散发受土地利用和覆被类型的影响，同时与植被的生长季节有很好的相关关系。生长季内，三江平原蒸散发量呈明显的季节变化，总体上表现为5月份最低，7月份最高；蒸散发量的空间分布与植被盖度和水分供给状况密切相关。

（3）三江平原生长季内各气象因子与实际蒸散发的相关性分析表明，净辐射和气温是影响三江平原实际蒸散发的两个主要因子。各气象因子对实际蒸散量的贡献大小为：净辐射＞气温＞比湿＞风速。此外，分析观测站点气象因素对实际蒸散发的影响得出，在其他气象因素较为稳定的情况下，次降雨可以明显增加实际蒸散发量。三江平原降水的时空分布不均匀，降水是影响区域实际蒸散发的关键因素。

［1］ 武夏宁，胡铁松，王修贵，等.区域蒸散发估算测定方法综述［J］.农业工程学报，2006，22（10）：257－262.

［2］ 刘安花，李英年，薛晓娟，等.高寒草甸蒸散量及作物系数的研究［J］.中国农业气象，2010，31（1）：59－64.

［3］ 左德鹏，徐宗学，李景玉，等.气候变化情景下渭河流域潜在蒸散量时空变化特征［J］.水科学进展，2011，22（4）：455－461.

［4］ Tong Ling，Kang Shaozhong，Zhang Lu.Temporal and spatial variations of evapotranspiration for spring wheat in the Shiyang river basin in northwest China［J］.Agricultural Water Management，2007，87（3）：241－250.

［5］ Suleiman A A，Tojo S C M，Hoogenboom G.Evaluation of FAO－56crop coefficient procedures for deficit irrigation management of cotton in a humid climate［J］.Agricultural and Forest Meteorology，2007，91（1／3）：33－42.

［6］ 卓玛兰草，刘普幸，张亚宁，等.甘肃黄土高原区潜在蒸散量时空变化与成因研究［J］.水土保持研究，2012，19（1）：70－76.

［7］ 侯兰功，肖洪浪，邹松兵，等.黑河流域水循环特征研究［J］.水土保持研究，2010，17（3）：254－258.

［8］ 曾丽红，宋开山，张柏，等.松嫩平原参考作物蒸散量变化及其影响因素分析［J］.农业系统科学与综合研究，2010，26（1）：41－48.

［9］ Cleugh H A，Leuning R，Mu Q，et al.Regional evaporation estimates from flux tower and MODIS satellite data［J］.Remote Sensing of Environment，2007，106（3）：285－304.

［10］ 田雷，杨胜天，王玉娟.应用遥感技术研究贵州春季蒸散发空间分异规律［J］.水土保持研究，2008，15（1）：87－91.

［11］ Allen R G，Pereira L S，Raes D，et al.Crop Evapotranspiration－guidelines for Computing Crop Water Requirements［R］.FAO Irrigation and Drainage Paper 56.FAO，1998.

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

［13］ 杨胜天，等.生态水文模型与应用［M］.北京：科学出版社，2012.

［14］ 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.

［15］ Nilson T.A theoretical analysis of the frequency of gaps in plant stands［J］.Agricultural Meteorology，1971，8：25－38.

［16］ 唐世浩，朱启疆，孙睿.基于方向反射率的大尺度叶面积指数反演算法及其验证［J］.自然科学进展，2006，16（3）：331－337.

［17］ Monsi M，Saeki T.The light factor in plant communities and its significance for dry matter production［J］.Japanese Journal of Botany，1953，14：22－52.

［18］ 孙晓敏，朱治林，张仁华.生态系统中蒸发过程的精确测定：换位式波文比观测仪介绍［J］.资源生态环境网络研究动态，1995，6（4）：44－47.

［19］ 杜嘉，张柏，宋开山，等.基于NOAA／AV HRR数据估算三江平原蒸散量研究初探［J］.水土保持研究，2009，16（2）：56－62.

［20］ Burba G G，Verma S B，Kim J.A comparative study of surface energy fluxes of three communities（Phragmites australis，Scirpus acutus，and open water）in a prairie wetland ecosystem［J］.Wetlands，1999，19（2）：451－457.