基于SEBAL模型的蔡家河流域平原造林区蒸散发量研究

王秋云，胡海棠，吴良才，李存军

(1.东华理工大学测绘工程学院，江西 南昌 330013； 2.北京农业信息技术研究中心，北京 100089)

基于SEBAL模型的蔡家河流域平原造林区蒸散发量研究

王秋云1，2，胡海棠2，吴良才1，李存军2

(1.东华理工大学测绘工程学院，江西 南昌 330013； 2.北京农业信息技术研究中心，北京 100089)

基于SEBAL能量平衡模型，利用Landsat 8和MODIS L1B遥感数据，对北京市蔡家河流域平原造林区的蒸散发量进行估算，并采用FAO-Penman模型反演得到的潜在蒸散发量对其进行了验证。结果表明：研究区不同季节的蒸散发量差异较大，以夏季的蒸散发量最大，以春季的蒸散发量最小；不同土地利用类型的的蒸散发量，春、夏季均为幼林>农田>成林，秋季为幼林>成林>农田；不同树种的蒸散发量差异很大，其中以柳树、杨树和槐树等树种的蒸散发量较大，以松柏等树种的蒸散发量最小。

Landsat 8影像；SEBAL模型；蒸散发量；平原造林区

北京地处干旱的华北地区，属于资源型缺水性城市，北京的水资源从多年(1956—2000年)平均37.93亿m3降到现状(2001—2009年)22.33亿m3，水资源产量减少了约40.1%，同时由于人口增长，北京市人均水资源占有量从270 m3下降到114 m3[1]。随着中国经济的快速发展，使得对水资源需求量的矛盾更加恶化，地下水严重超采，引发一系列生态问题。为了改善生存环境，北京市政府启动了平原造林工程。

北京市百万亩平原造林工程作为当地最大的生态恢复工程，其节水与否一直饱受争议。蒸散发(ET)是水资源管理的一个重要参考指标，蒸散发包括植物蒸腾和土壤蒸发，曾有研究表明约70%的地面降水通过蒸发蒸腾作用又回到大气中，在干旱地区甚至达到了90%以上[2]。而遥感技术的兴起则提供了丰富的地表特征空间分布信息[3]，同时将遥感技术运用到估算蒸散发中具有不受地域和时序限制的优点，可将点测资料延拓到面领域，解决很多因地域原因而缺乏实测气象、水文资料带来的估算问题[4]。国内外学者利用遥感技术估算蒸散发量方面取得了很大进展，得到很多估算模型，其中比较有代表性、应用最广泛的就是基于能量平衡原理的SEBAL模型[5]。

本文以北京市蔡家河平原造林区域为例，采用SEBAL能量平衡模型估算平原造林工程中不同树种、不同种植年份林地的蒸散发量，分析水资源受限条件下蔡家河流域平原造林区林地的实际耗水状况，对于更科学合理地安排有限的水资源，充分发挥生态系统的生产和生态效益具有重要的意义。

1 研究资料及方法

1.1 研究区概况

延庆县地处北京市西北部，位于其境内的张山营镇蔡家河流域是官厅水库重要水源——妫水河的上游水源，全长8.7 km，总流域面积78.5 km2，途径张山营镇11个村，被称为延庆的“龙须沟”。平原造林工程中，该流域先后完成造林面积1533.3和800 hm2，共2333.3 hm2，成为北京平原地区最大的森林之一。

1.2 数据来源及预处理

数据包括Landsat 8遥感影像、气象数据、数字高程数据等。Landsat 8数据来自于美国地质勘探局USGS网站，选择2014年04月13日、2014年07月25日、2014年10月06日的平原造林区含云量较少的3景遥感影像，分别代表春、夏、秋3个季节的蒸散发量。气象数据来自中国气象科学数据共享服务网，包括温度、风速等。90 m的DEM数据来自于美国太空总署和国防部国家测绘局联合测量的SRTM数据，包括高程和坡度等[6]。本文统一采用WGS-84地理坐标系，UTM投影，空间分辨率30 m。

1.3 研究方法

在遥感影像预处理、重采样和对地物进行分类的基础上，结合气象数据和数字高程数据，基于SEBAL模型利用热红外波段和劈窗算法估算得到研究区的地表温度[7]，同时利用Landsat 8遥感影像的可见光、近红外等波段反演出净辐射通量、土壤热通量等地表能量平衡各参量，得到卫星过境时刻的瞬时蒸散发量，并对其进行时间尺度的扩展，得到日蒸散发量。同时利用FAO-Penman模型估算出研究区的潜在蒸散发量[8]，利用潜在蒸散发量对SEBAL模型估算得到的实际蒸散发量进行验证。根据得到的日蒸散发量数据进行时空分析[9]，为北京市生态系统服务评估和生态恢复政策制定等提供参考。

1.4 基于SEBAL模型的蒸散发量估算

SEBAL模型是单层模型，利用能量平衡原理估算蒸散发量，主要包括4个方面：①通过对遥感图像的处理获得一系列地表物理参数，如反照率、比辐射率、温度和植被覆盖度等；②建立热传导粗糙度模型；③利用总体相似理论(Bulk Atmospheric Similarity，BAS)确定摩擦速度、显热通量和奥布霍夫稳定度；④利用地表能量平衡指数计算蒸发比[10]。

能量平衡公式为：Rn=H+λE+G0，式中：Rn为地表净辐射通量(W·m-2)；H为显热通量(W·m-2)；λE为潜热通量(W·m-2)；G0为土壤热通量(W·m-2)。

地球表面的能量来自太阳的有效辐射，所有这些入射的能量和发射的能量之差就是净辐射能量[11]。地表净辐射通量可以根据地表辐射平衡方程求得：Rn=(1-∂)Rs↓+RL↓-RL↑-(1-ε)RL↓，式中：Rs↓为下行的短波辐射(W·m-2)；RL↑、RL↓分别为上、下行的长波辐射(W·m-2)；∂为地表反射率；ε为比辐射率。

2 模型反演结果及验证

2.1 基于SEBAL模型反演的日蒸散发量结果

选用蔡家河流域平原造林区2014年04月13日、2014年07月25日和2014年10月06日共3景Landsat 8卫星数据，同时还选取了与Landsat 8卫星相应时间段的MODIS遥感数据，结合气象站提供的气象数据和数字高程数据，基于SEBAL能量平衡模型，利用ERDAS IMAGINE软件中的空间建模工具模拟出平原造林区的日蒸散发量(图2)。

从图2可以明显看出，蒸散发量的时空分布特征比较明显。水体及其周边区域具有很高的蒸散发量。相比较而言，林地的蒸散发量也比较大，仅次于水体，草地和农田的蒸散差异并不大，城镇的蒸散发量相对最低。04月13日(春季)的日蒸散发量是3个时间点中蒸散发量最小的时间点，当日的日蒸散发量主要集中在2.5～3.0 mm之间，平均值为2.78 mm。其次是10月06日(秋季)，其日蒸散发量整体上有略微的提升，主要分布在3.0～3.5 mm之间，秋季蒸散发量的平均值为3.22 mm。与春、秋季相比，07月25日(夏季)的蒸散发量最大，07月25日的日蒸散发量主要在4.0～4.5 mm之间，平均值最大，达4.39 mm。

2.2 2种模型估算的蒸散发量的对比

采用世界农粮组织1998年修正的目前计算ET0最准确的FAO Penman-Monteith模型[13]进行验证，经过Penman公式估算得到的蒸散发量是参考作物的潜在蒸散发量，通常需要乘以作物系数Kc[14]得到研究区的实际蒸散发量。

表1 2种模型估算的蒸散发量的对比

从表1可以看出，利用SEBAL能量平衡模型对2014年04月13日、2014年07月25日、20104年10月06日03景遥感影像计算得到的日实际蒸散发量和Penman Monteith公式计算的日蒸散发量相差不大，相对误差均少于10%。Landsat 8卫星的时间分辨率较低，每16 d过境1次，而且在估算日蒸散发量的过程中，采用了蒸发比不变法对日蒸散发进行估算，除此之外还有大气条件的不稳定性，这些都是产生误差的主要原因，但可以看出，该模型仍达到预期的精度要求，可以认为最终的反演精度令人满意，能够用来估算区域的蒸散发量。

3 结果与分析

3.1 不同土地利用类型的蒸散发量对比分析

通过对数据进行统计分析，分别得出春、夏、秋季蔡家河流域平原造林区域的农田、幼林和成林的蒸散发量(图3)。从图3可以看出，不同季节蒸散发量差异很大，其中夏季的蒸散发量最大，究其原因该地区的雨季主要在夏季，且夏季温度高，植被的叶面积指数大，蒸腾作用旺盛，故其蒸散发量达到最大值。其次是秋季，秋季作物的叶片开始变黄，蒸腾作用减弱，故其蒸散发量也相应的变小。而春季，由于地表刚刚经历过寒冬，地表温度上升缓慢，植物开始发芽生长，且雨水较少，故春季蒸散发量最小。由于冬季的日蒸散发量比较低，本文没有反演冬季的蒸散发量[15-16]。

除此之外，相同季节不同土地利用类型的蒸散发量也有差异。不同土地利用类型日蒸散发量的分布情况是：春季：幼林(2.505 mm)>农田(2.355 mm)>成林(2.08 mm)；夏季：幼林(5.519 mm)>农田(5.09 mm)>成林(4.808 mm)；秋季：幼林(3.549 mm)>成林(3.464 mm)>农田(3.218 mm)。

相对比而言，在幼林时期，人类活动对幼林的影响较大，使得幼林的水分较充足，且幼林生长旺盛，故蒸散发量也较大。成林的生长主要通过自然界的降水来满足生长的需要，人类干预较少，故幼林的日蒸散发量比成林的日蒸散发量大。春季和夏季的农田蒸散发量比成林的蒸散发量大，主要是因为该地区农田主要种植春玉米，春玉米在生长过程中通常要进行灌浆，水量充足，且叶面积指数很大，故蒸腾作用旺盛。

3.2 不同树种的蒸散发量对比分析

基于SEBAL能量平衡模型，利用Landsat 8等遥感数据反演出蔡家河流域平原造林区的日蒸散发量，同时结合延庆县平原造林工作的时间部署分别对2012年、2013年、2014年种植的幼林的蒸散发量进行提取(表2～表4)。

表2 2012年种植区的蒸散发量

图3 蔡家河流域不同土地利用类型的蒸散发量图4 2012年植树区的蒸散发量

从图4可看出，不同气候条件下，相同树种的蒸散发量也不相同，均表现出夏季的蒸散发量最大，春季的蒸散发量较小。但在相同的外界条件下，不同树种蒸散发量也有差异。其中槐树、柳树和杨树等树种的蒸散发量最大，松柏树种的蒸散发量最小。如2014年4月的槐树、柳树和杨树日蒸散发量达到了3 mm左右，相同条件下松柏的日蒸散发量只有2.8 mm左右，到了7月，由于蒸腾作用比较旺盛，各树种的蒸散发量差异较大，其中槐树、柳树和杨树等树种的日蒸散发量达到了5.58 mm左右，而松柏的日蒸散发量只有5.18 mm。秋季，降雨减少、温度也有明显的变化，蒸腾作用相应的减少，各树种的蒸散发量差异也变小，但仍然表现出槐树、柳树和杨树的日蒸散发量比松柏的日蒸散发量大。

从图5可以看出，不同季节的日蒸散发量差异较大，其中仍以夏季的日蒸散发量最大，春季的日蒸散发量最小，与图4的结论一致。除此之外，以2013年4月和7月的树种为例，4月时，杨树、柳树和槐树的日蒸散发量达到了2.45 mm左右，相应的松柏日蒸散发量只有2.33 mm左右，到了7月25日杨树、柳树和槐树的日蒸散发量达到了5.15 mm左右，而松柏的日蒸散发量只有4.8 mm左右。

这与图4的结果相吻合，可以得出槐树、柳树和杨树等阔叶林的蒸散发量较大，松柏等针叶林的蒸散发量比较小。

从图6可以看出，不论是4月、7月和10月仍然是以槐树、杨树和榆树的蒸散发量较大，松柏的蒸散发量较小，该结论与图4、图5的结论相吻合。

表3 2013年植树区的蒸散发量

表4 2014年植树区的蒸散发量

图5 2013年植树区的蒸散发量图6 2014年植树区的蒸散发量

4 小结

通过对延庆县蔡家河流域平原造林区不同季节的蒸散发量的反演可知，不同季节的蒸散发量差异较大，夏季的蒸散发量最大，春季的蒸散发量最小。对成林、幼林和农田的蒸散发量进行对比，可以看出不同季节蒸散发量的大小有变化，且刚种植的幼林耗水量较大，而当幼林长成成林，其耗水量在相应减少。相同的外界条件下，不同树种的蒸散发量差异也较大，其中以柳树、杨树和槐树等阔叶林的蒸散发量最大，以松柏为主的针叶林的蒸散发量最小。

[1]张士锋，孟秀敬，廖强.北京市水资源与水量平衡研究[J].地理研究，2012，31(11)：1991-1997.

[2]张晓涛，康绍忠，王鹏新，等.估算区域蒸发蒸腾量的遥感模型对比分析[J].农业工程学报，2006，22(7)：6-13.

[3]何玲，莫兴国，汪志农.基于MODIS遥感数据计算无定河流域日蒸散[J].农业工程学报，2007，23(5)：144-149.

[4]王霞，崔龙，阿不都·沙拉木，等.应用RS技术建立估算蒸散发模型的研究[J].节水灌溉，2012(1)：53-56.

[5]冯晓曦，秦作栋，郑秀清，等.基于SEBS模型的柳林泉域蒸散发研究[J].太原理工大学学报，2014，45(2)：259-264.

[6]程春晓，徐宗学，张淑荣，等.黑河流域上中游植被蒸散发时空演变趋势及其影响因子分析[J].北京师范大学学报，2014，50(5)：535-542.

[7]Rajeshwari A，Mani ND.Estimation of land surface temperature of dindigul district using Landsat 8 data[J].International Journal of Research in Engineering and Technology，2014，3(5)：122-126.

[8]李艳，刘海军，罗雨.北京地区潜在蒸散量计算方法的比较研究[J].灌溉排水学报，2010，29(5)：27-32.

[9]何磊，别强，王瑶，等.SEBS模型在黑河流域中游的应用及参数敏感性分析[J].中国沙漠，2013，23(6)：1866-1873.

[10]崔旭东，陶正平，张俊，等.基于SEBS方法的蒸散量计算及可靠度分析[J].勘察科学技术，2011(6)：10-12.

[11]张发耀.基于MODIS数据的浙江省区域蒸散发量时空格局分析[D].杭州：浙江大学，2013.

[12]王霞.基于SEBAL模型的极端干旱气候区域蒸散发的遥感估算[D].乌鲁木齐：新疆农业大学，2012.

[13]左德鹏，徐宗学，刘兆飞.基于气温的潜在蒸散发量估算方法在我国西北干旱地区的应用比较[J].干旱区资源与环境，2009，23(10)：123-131.

[14]姜红.基于MODIS影像的新疆奇台县区域蒸散发量的研究[D].乌鲁木齐：新疆大学，2007.

[15]吴越.吐鲁番盆地地表蒸散量估算与植被演化特征研究[D].北京：中国地质大学，2013.

[16]张薇，蔺文静，王贵玲.基于遥感反演河套平原区域蒸发蒸腾量研究[J].遥感应用，2009(6)：28-32.

Estimation of Evapotranspiration in Caijiahe River Plain Afforestation Region Based on SEBAL Model

WANG Qiuyun1，2，HU Haitang2，WU Liangcai1，LI Cunjun2

(1.FacultyofGeomaticsEastChinaInstituteofTechnology，Nanchang330013，Jiangxi，China；2.BeijingResearchCenterForInformationTechnologyinAgriculture，Beijing100089，China)

This article is based on SEBAL energy balance model，selected Landsat 8 and MODIS L1B remote sensing data，estimated and analyzed the evapotranspiration of Yanqing Caijia River plain afforestation project and validated by Potential evapotranspiration obtained from FAO-Penman model.The results show that the evapotranspiration varies greatly in different sensons,in summer the evapotranspiration is the largest，but in spring it is the smallest；For different types of land use，in spring and summer the evapotranspiration is yong forest>farmland>Forest，and in fall the evapotranspiration is yong forest>Forest>farmland；besides，there is a large difference evapotranspiration between species，which the willow，the poplar and the acacia have the largest evapotranspiration,and the Pine has the smallest.

Landsat 8 Remote Sensing；SEBAL model；evapotranspiration；plain afforestation region

10.13428/j.cnki.fjlk.2016.04.005

2016-05-01；

2016-06-30

国家自然科学基金面上项目(时序遥感数据与生长模型结合的区域人工林地上生物量估算方法研究，41571423)；北京市农业科技项目(平原造林林地病虫害智能监测技术试验示范，20140110)

王秋云(1988—)，女，河南周口人，东华理工大学测绘工程学院硕士研究生，从事遥感蒸散发研究。E-mail：wangqy2922@163.com。

胡海棠(1977—)，女，湖北武汉人，北京农业信息技术研究中心博士，从事空间信息技术在农学及生态学应用研究。E-mail：huht@nercita.org.cn。

S715.4；P237

A

1002-7351(2016)04-0021-06