基于Landsat 8数据的亚热带小流域蒸散发估算及时空特征分析

马秋梅，刘新亮，李 勇①，王 毅，吴金水

(1.中国科学院亚热带农业生态研究所亚热带农业生态过程重点实验室，湖南 长沙 410125；2.中国科学院长沙农业环境观测研究站，湖南 长沙 410125；3.中国科学院大学，北京 100049)



基于Landsat 8数据的亚热带小流域蒸散发估算及时空特征分析

马秋梅1,2,3，刘新亮1,2，李 勇1,2①，王 毅1,2，吴金水1,2

(1.中国科学院亚热带农业生态研究所亚热带农业生态过程重点实验室，湖南 长沙 410125；2.中国科学院长沙农业环境观测研究站，湖南 长沙 410125；3.中国科学院大学，北京 100049)

以亚热带典型小流域——金井流域为研究对象，应用Landsat 8遥感数据基于SEBS模型估算了不同季节4个典型日的蒸散发(ET)值。结果表明，春季(5月12日)、夏季(7月31日)、秋季(9月17日)和冬季(次年1月23日)典型日的日ET均值及90%分位数上界分别为2.69和4.14、2.73和5.41、2.75和5.78、1.33和3.25 mm·d-1。为研究ET在不同土地利用类型中的分布差异性，统计了研究区不同土地利用类型的日ET值，结果显示水体日ET值最高〔(4.21±2.63) mm·d-1〕，稻田〔(2.67±1.49) mm·d-1〕次之，再次是林地和茶园〔(2.06±1.35) mm·d-1〕，公路和居民地最低〔(1.17±1.14) mm·d-1〕。对所选4个典型日的ET和归一化植被指数(NDVI)进行相关分析，表明两者存在显著相关性(r值为0.34～0.63，P<0.05)。将ET遥感估算值与Penman-Monteith公式经验值、涡度相关系统的野外观测值进行对比，3者结果较为一致，表明SEBS模型适用于研究区ET估算。

遥感估算；蒸散发；SEBS模型；金井流域

蒸散发(evapotranspiration,ET)指通过土壤水蒸发和植物蒸腾作用产生的水分流失,掌握蒸散发时空变化规律对研究气候变化、大气环流模式和相关地表过程有重要意义[1-2]。近年来,多种遥感估算ET模型被用于不同区域蒸散发研究,常用模型包括BASTIAANSSEN等[3-4]于1998年提出的陆面能量平衡算法(surface energy balance algorithm for land,SEBAL),SU[5]于2002年提出的地表能量平衡系统模型(surface energy balance system,SEBS),以及SHUTTLEWORTH等[6]于1985年提出的串联式双层能量平衡(two source energy balance,TSEB)模型。遥感估算ET可提供作物水量需求信息,有益于农业水管理[7],还可开展植被的时空动态分析。另外空间尺度的ET估算为生物地球化学模型的动态模拟提供了连续、精确的空间信息[8],进而为农业面源污染防治提供了有利条件。然而，目前关于蒸散发的研究区域多集中在干旱、半干旱地区,以南方亚热带流域为研究区的报道较少。基于遥感影像的模型是否适用于估算亚热带气候驱动和以南方丘陵区为下垫面的蒸散发尚不清楚。

为此,笔者选取亚热带丘陵区金井流域为研究对象,基于陆地卫星Landsat 8采集的4期遥感影像资料,运用SEBS模型估算分析了金井流域4个典型日的蒸散发数量和分布特征,并结合Penman-Monteith(P-M)经验值和涡度相关系统观测值作对比验证,为亚热带地区的水循环研究提供参考。

1 研究区域与数据处理

1.1 研究区概况

金井农业小流域(27°55′～28°40′ N,112°56′～113°30′ E)位于湖南省长沙县金井镇,流域面积约135 km2。该流域属南方低丘地貌,地势总体上呈北部偏高、南部偏低的走势,海拔45～456 m。研究区多年平均气温17.2 ℃,年均降水量1 200～1 500 mm,相对空气湿度80%左右,属典型亚热带湿润季风气候区。土壤以花岗岩和板页岩母质发育的红壤和水稻土为主,土地利用类型以林地、稻田和茶园为主。研究区内的气象站每1 h记录1次气温、降水和风速等参数,涡度相关系统每1 s检测10次瞬时水热通量。

1.2 数据来源与预处理

气象数据(气温、降水、相对湿度和风速等)来源于金井流域内气象站的长期野外观测,并利用一致性检验进行数据质量控制。所用的Landsat 8 OLI和TIRS 遥感影像采集自美国地质勘探局网站2013年5月12日(第132天)、7月31日(第212天)、9月17日(第260天)和1月23日(次年第23天)共4期数据,卫星的过境时刻为当地时间10时57分。遥感图像的空间分辨率为30 m,图像采用通用横轴墨卡托(universal transverse Mercator,UTM)投影和WGS-1984地心坐标系统。图像的处理分析和模型的具体实现借助GRASS软件完成[9]。

宽波段地表反照率通过Landsat 8影像的地表反射计算。地表温度(Ts)利用单窗算法[10]通过Landsat 8数据的热红外波段11的灰度像元值反演,公式为

Ts={67.355 4×(C+D-1)+[0.441 4× (C+D)+0.458 6]×T11-D×Ta}/C。

(1)

式(1)中,T11为卫星高度上遥感器所观测到的亮度温度,K;Ta为大气评价作用温度,K;C和D为中间变量,分别用下式计算:

C=ε×τ,

(2)

D=(1-ε)×[1+(1-ε)×τ]。

(3)

式(2)～(3)中,ε为地表比辐射率,根据归一化植被指数(NDVI，INDV),由经验公式ε=1.009 4+0.047×lnINDV计算得来;τ为大气透射率,通过空气湿度和温度等参数估计得到[11]。

2 基于SEBS的遥感ET估算模型

遥感ET估算模型结构日趋复杂,但是所依据的基本原理并未改变,依然遵循地表能量平衡原理。不考虑植物光合作用消耗的能量,单层模型SEBS满足瞬时能量平衡公式:

Rn=G0+H+λE。

(4)

式(4)中,Rn为净辐射通量,W·m-2;G0为土壤热通量，W·m-2,用于下垫面升温;H为显热通量，W·m-2,用于大气升温;λ为水的汽化热，取值2.49×106J·kg-1;E为蒸散率，kg·m-2·s-1；λE为潜热通量，W·m-2,用于水分蒸发凝结。

2.1 蒸发比

在SEBS模型中,潜热通量(蒸散发量)通过残余法求得。SEBS模型存在干限和湿限2种极端情况下的能量平衡。干限指下垫面干燥缺水,土壤中没有水分蒸发,也没有水分供给植被蒸腾的情形,此时显热通量H达最大(Hdry)。

Hdry=Rn-G0。

湿限指下垫面水分充足,蒸散发不受水分制约的情形,此时显热通量处于最小(Hwet)。

λEwet=Rn-G0-Hwet。

(5)

式(5)中,Hwet和λEwet分别为湿润环境下的显热通量和潜热通量[12]。

地表瞬时蒸发比(Λ0)为实际蒸散发与可用能量的比值,计算公式为

一天当中,地表的各种通量波动往往较大,但是蒸发比(Λ)相对稳定。

(6)

2.2 土壤热通量

土壤热通量是地表能量平衡的重要分量,它取决于地表特征和土壤含水量。BASTIAANSSEN等[3-4]基于NDVI，利用由地表温度(Ts)表示描述热传导的比例因子、地表反照率和描述辐射反射率的消光系数3者确定G0[10]。在植被覆盖区,G0可表示为

(7)

式(7)中,α0为地表反照率,从遥感图像的多个波段提取;C1为从瞬时值获得日平均地表反照率的转换因子,默认为1.1。裸露区的G0为

G0=0.20×Rn。

2.3 显热通量

显热通量(H)是温度梯度、地表阻抗和风速的函数,由于温度梯度和表面阻抗互相依存,在任意时刻计算显热通量的函数关系中含有2个未知量,这使得H的计算较为复杂。对于单层模型,H的基本表达式[13]为

H=ρ×cp×(Taero-Th)/ra。

(8)

式(8)中,Taero为空气动力学温度,℃;Th为地参考高度处的温度,℃;ρ为空气密度,kg·m-3;cp为定压比热,J·kg-1·K-1;cp为空气的体积热容量,通常取定值1 205 W·s·m-3·K-1；上述参数中的Taero和Th可通过遥感观测数据结合实测气象资料计算；ra为空气动力学阻抗,s·m-1,按VETTER等[14]提出的方法计算:

ra=4.72×[ln (z/z0)]2/(1+0.54×U1)。

(9)

式(9)中,z为参考高度,通常取值2 m;U1为参考高度处的风速,m·s-1;z0为粗糙长度,m,可由植被冠层高度(h)确定:

z0=0.13×h。

h根据叶面积指数(LAI，ILA)间接获得,即:

h=exp[2/3×(ILA-5.5)]。

(10)

式(10)中，ILA选用研究区同时期的实测值。

2.4 日蒸散量

估算出卫星过境时刻的瞬时蒸散发量后,利用蒸发比不变法扩展时间尺度[15],由蒸发比Λ获取一天的地表蒸散发总量。在日尺度上对式(6)中变量E、Rn和G0进行累加,因昼夜土壤热通量相互抵消,所以忽略G0项,进一步统一量纲后得到下式:

(11)

式(11)中,TE,d为实际蒸散发量,mm·d-1;Rn，24为日平均净辐射,W·m-2;λ为气化潜热,取值2.49×106J·kg-1;ρw为水密度,kg·m-3。

3 结果与分析

3.1 遥感ET时空特征

图1为利用Landsat 8陆地遥感卫星数据估算的处于不同季节的4个典型晴空日的蒸散发分布情况。2013年7月31日和9月17日图像中ET值在8～10 mm·d-1之间的区域较大,表明夏秋季典型日ET高值较多,其次是2013年5月12日图像有小部分的ET高值区域,而2014年1月23日图像中ET值普遍低于 6 mm·d-1。

表1为4期ET图像像元值的统计分析结果。春季典型日(第132天)的ET均值为(2.69±1.15) mm·d-1,90%的ET值≤4.14 mm·d-1,夏季典型日(第212天)ET均值为(2.73±2.09) mm·d-1,90%的ET值≤5.41 mm·d-1,秋季典型日(第260天)ET均值为(2.75±1.62) mm·d-1,90%的ET值≤5.78 mm·d-1,冬季典型日(次年第23天)ET均值为(1.33±1.39) mm·d-1,90%的ET值≤3.25 mm·d-1。夏季和秋季典型日的蒸散发量较高,主要是由于该地区夏秋季节气温高(日平均气温23.26 ℃),降水充沛,下垫面的蒸散发活动旺盛,位于流域东南部的金井水库、中部的稻田以及金井河网密集处蒸散发量较大,达6 mm·d-1以上;冬季和春季蒸散发量较低,主要是由于冬季和春季该地区温度较低(日平均气温12.09 ℃),空气湿度较大,蒸散发活动受到抑制,除ET值最大的金井水库外,其他地区日ET值均<6 mm·d-1。

金井流域4个典型日中ET值的频率分布见图2。由此可估算出整个金井流域各季节相应的ET值：春季约为352.35万m3·d-1,夏季约为368.55万m3·d-1,秋季约为371.25万m3·d-1,冬季约为179.55万m3·d-1。从空间分布角度看,不同季节ET的空间分散程度不同:图2(b)～(c)中ET密度曲线矮而宽,反映夏秋季ET分布较为分散;图2(a)和(d)中的ET密度曲线高而窄,反映冬春季ET分布较为集中。这种分散程度上的差异说明ET的空间异质性。考虑到4个典型日土壤、地形、土地利用和水文地质条件均相似,上述空间异质性主要是由气象因素和农业耕作管理措施不同造成的。温度和降水是不可忽略的ET影响要素,而不同的农业管理措施则跟该流域内大面积种植水稻有关。夏秋两季稻田持续性或间断性处于淹水状态,地表水体的覆盖面积也相对较大;冬春两季稻田排水,长期处于晒田状态。因而流域内水体面积随稻田管理措施变化而变化,在空间分布上具有不均匀性,进而导致ET分布呈现在夏秋两季较为分散、冬春两季较为集中的季节性规律。

表1 金井流域日蒸散发(ET)值的统计情况

Table 1 Statistics of daily evapotranspiration in the Jinjing Catchment

时间(年-月-日)均值/(mm·d-1)标准差/(mm·d-1)变异系数/%最大值/(mm·d-1)90%分位数/(mm·d-1)2013-05-122.691.1541.858.914.142013-07-312.732.0976.8713.855.412013-09-172.751.6260.279.255.782014-01-231.331.39104.878.903.25

图2 金井流域4个典型日ET值的频率直方图

为进一步研究ET的空间分布规律,选取金井流域6种典型土地利用类型(林地、茶园、公路、居民地、水体和水田)分别统计日ET值。从图3可见,ET值在不同土地利用类型中差异很大。夏秋季各土地利用类型的日ET值普遍高于冬春两季。图3(a)～(d)中异常值占所有ET数据的比例分别为0.458%、0.226%、0.199%和0.313%。由于ET异常值的比例非常小,其对总体精度的影响可忽略。与其他土地利用类型相比,水体区域的ET异常值少,但是空间分布却更加分散。其次,依次观察图3的每个子图发现ET最低点出现在居民地和公路,代表SEBS模型中的“极干点”,这些区域干燥缺水,ET值极低。

箱体内部横线表示中位数,箱顶和箱底分别表示25%和75%分位数,箱体外部上下端的线表示10%和90%分位数,空心点为超出该范围的数据。

茶园和林地的ET值高于居民地和公路,这些地区植被覆盖面积大,依靠蒸腾作用失水,尤其在夏秋季植物茂盛,蒸腾作用促进了ET值升高。而稻田区域的ET值高于林地和茶园,因为稻田持续性或间断性处于淹水状态(每年约110 d),这为蒸散发活动提供了充足水源。反之,ET值也间接反应稻田生态系统的需水情况,可作为稻田水分管理的动态指标给农业活动提供信息。ET最高点位于金井水库,该处为水面,依靠蒸发失水,ET值主要受降水、温度、空气湿度和风速影响。

3.2 ET与NDVI的关系

为揭示ET变化趋势的外在联系,将典型日的ET与NDVI 作相关性分析,结果显示两者存在显著正相关性(P<0.05)。相关系数(r)由大到小依次为春季典型日(0.63)>秋季典型日(0.41)>夏季典型日(0.37)>冬季典型日(0.34),可见春季典型日的ET和NDVI线性相关性最明显。另外有小部分散点偏离两者的回归线,造成这一结果的主要原因是金井流域内分布着多处小面积地表水体,这些点的蒸发量远大于植被覆盖区的蒸腾量,但其NDVI默认为负值,而进行相关性分析时难以完全避开这些区域。NDVI是反映植被和土壤含水状况的指标,可用于评估农田生态系统的水压力水平[16]。NDVI出现极大值的时间和区域，ET值也较高。综合时间和空间因素来看,金井流域北部和中部植被覆盖度大,蒸散发耗水量也大,而南部中间位置的几处零星区域为居民用地较集中的地方,其蒸散发则保持在较低水平。夏秋季植物生长茂盛,植被覆盖度比冬春季大,因此夏秋两季的ET量高于冬春两季。金井小流域除少量地区是居民用地和水域外,大部分区域有植被覆盖,因此蒸散发活动与NDVI关系密切。ET与NDVI间的量化结果可为动态监测流域下垫面植被的需水状况提供理论依据。

3.3 遥感ET与P-M经验值及观测值对比

目前空间面状连续观测实际蒸散发的技术较难实现,多为基于位点的站点式观测。为验证估算的ET结果准确性及所用SEBS模型精度,将遥感反演的日ET分别与FAO推荐使用的P-M公式[17]和涡度相关系统观测的蒸散发进行对比分析。其中P-M公式输入的参数和变量来源于金井流域内气象站观测资料的校正数据,同时参考FAO推荐的作物系数及文献[18-19]得到。作为重要的输入参数,LAI选用2014年同时期的实测值带入公式(表2)。P-M公式在使用中需区分作物类型,以LAI作为区分标准。考虑到研究区内土地利用类型和作物种类的分布情况,将稻田归为1类作物,由于林地和茶园LAI相似,将这2种植被归为1类。进行比较的遥感ET值为研究区内按作物类型(稻田和林地/茶园)分类计算的日ET平均值。4个典型日的蒸散发对比结果见表3。

表2 Penman-Monteith公式中的LAI经验值

Table 2 LAI empirical values in the Penman-Monteith equation

时间(年-月-日)土地利用类型稻田林地/茶园2013-05-285.03.52013-07-311.53.52013-09-176.03.02014-01-230.72.5

表3 4个典型日蒸散发的遥感估算值与Penman-Monteith经验值对比

Table 3 Remote-sensing (RS) based estimation of ET and empirical value of the Penman-Monteith (PM) equation on four typical days

时间(年-月-日)稻田/mm林地/茶园/mmRSPMRSPMEC2013-05-282.78±1.145.252.91±1.145.232.342013-07-313.09±1.674.882.51±1.505.992.282013-09-173.61±1.924.663.39±1.623.812.882014-01-231.21±1.260.751.24±1.371.080.89

RS为遥感估算值;PM为P-M公式计算的经验值;EC为涡度相关观测值。

不论在水田还是林地/茶园中,除2014年1月23日数据外,遥感估算值均在一定程度上低于P-M公式计算值(表3)。两者存在较强的正相关性,水田、林地/茶园的相关系数分别为0.90和0.67。遥感估算值和P-M公式计算值存在偏差,其中2014年1月23日稻田中两者的相对误差高达60.2%。此时，稻田处于晒田期,LAI较低,而P-M公式中LAI是较为敏感的参数,该参数过低可能会超出P-M公式的最佳使用范围,导致理论值失真。

涡度相关仪器位于金井茶园内,用于测量区域范围内的水热通量,由于所测风浪区长度可达100 m,包含了遥感影像中的单元格面积,因此将涡度相关系统观测的ET(TE，OB)与遥感估算ET值(TE，RS)进行比较具有合理性。ET的遥感估算值略高于观测值(表3),前者的平均相对误差比后者高17.1%,4个典型日中两者的趋势线可用TE，OB=-0.185+0.911×TE，RS(R2=0.97,P<0.05)表示。除去模型结构、参数和输入带来的不确定性,小流域内实际能量不闭合也可能是遥感估算值的误差来源。

研究结果表明遥感估算的ET具有合理性,时空变化特征反映了典型晴空日流域尺度的ET动态。但由于陆地过程的复杂性尤其是下垫面的非均匀特性,遥感估算ET存在不确定性,因此需要进一步优化模型结构,例如加强陆面过程和流域尺度地-气相互作用机理研究;提高模型精度,例如保证输入气象要素以及下垫面几何特征参数的精准性;改进验证办法,例如选取典型流域作为实验区,改进像元尺度上蒸散关系的定量表达。

4 结论

基于SEBS单层模型利用最新陆地遥感卫星Landsat 8提供的高分辨率遥感数据估算了流域尺度的蒸散发,分析了日ET的数量特征和空间分布格局。

(1)金井流域ET的空间变异性与稻田管理措施(田间蓄水和排水)密切相关。夏秋季稻田持续性或间断性处于淹水状态,导致ET分布在夏秋季较为分散;冬春季稻田排水,ET分布较为集中。

(2)金井流域4个典型日的ET值与NDVI值存在显著线性相关性(r值为0.34～0.63,P<0.05),这为实时监测流域下垫面植被的需水状况提供了理论依据。

(3)所用Landsat 8 遥感数据具有较好的时空精度,基本满足动态监测的需求;将遥感估算ET与P-M公式经验值和涡度相关系统的观测值进行对比,3者具有较好的一致性,所用SEBS模型及模型相关的参数适用于研究区的ET估算。

[1] 贾志军,吴文心,赵海亮.三江平原大豆田蒸散量模拟[J].生态与农村环境学报,2014,30(1):50-56.

[2] 宁婷婷,刘文兆,林文,等.近56年来内蒙古东胜矿区潜在蒸散发的时程变化[J].水土保持学报,2014,28(3):62-66.

[3] BASTIAANSSEN W G M,MENENTI M,FEDDES R A,etal.A Remote Sensing Surface Energy Balance Algorithm for Land (SEBAL):1.Formulation[J].Journal of Hydrology,1998,212/213(1/2/3/4):198-212.

[4] BASTIAANSSEN W G M,PELGRUM H,WANG J,etal.A Remote Sensing Surface Energy Balance Algorithm for Land (SEBAL):2.Validation[J].Journal of Hydrology,1998,212/213(1/2/3/4):213-229.

[5] SU Z B.The Surface Energy Balance System (SEBS) for Estimation of Turbulent Heat Fluxes[J].Hydrology and Earth System Sciences,2002,6(1):85-100.

[6] SHUTTLEWORTH J W,WALLACE J S.Evaporation From Sparse Crops:An Energy Combination Theory[J].Quarterly Journal of the Royal Meteorological Society,1985,111(469):839-855.

[7] CRUZ-BLANCO M,LORITE I J,SANTOS C.An Innovative Remote Sensing Based Reference Evapotranspiration Method to Support Irrigation Water Management Under Semi-Arid Conditions[J].Agricultural Water Management,2014,131(1):135-145.

[8] LI Y,WHITE R,CHEN D L,etal.A Spatially Referenced Water and Nitrogen Management Model (WNMM) for (Irrigated) Intensive Cropping Systems in the North China Plain[J].Ecological Modelling,2007,203(3):395-423.

[9] NETELER M,MITASOVA H.Open Source GIS:A GRASS GIS Approach[M].New York,USA:Springer Science & Business Media,2013:33-47.

[10]陈云.基于Landsat 8的城市热岛效应研究初探:以厦门市为例[J].测绘与空间地理信息,2014,37(2):123-128.

[11]覃志豪,李文娟,徐斌,等.陆地卫星TM 6波段范围内地表比辐射率的估计[J].国土资源遥感,2004,16(3):28-32,36,41.

[12]辛晓洲.用定量遥感方法计算地表蒸散[D].北京:中国科学院遥感应用研究所,2003.

[13]倪猛,陈波,岳建华,等.洛河流域蒸散发遥感反演及其与各参数的相关性分析[J].地理与地理信息科学,2008,23(6):34-37.

[14]VETTER S H,SCHAFFRATH D,BEMHOFER C.Spatial Simulation of Evapotranspiration of Semi-Arid Inner Mongolian Grassland Based on MODIS and Eddy Covariance Data[J].Environmental Earth Sciences,2012,65(5):1567-1574.

[15]周剑,程国栋,李新,等.应用遥感技术反演流域尺度的蒸散发[J].水利学报,2009,40(6):679-687.

[16]李明,沈润平,王迪,等.基于像元质量分析的SG滤波重建 MODIS-NDVI[J].生态与农村环境学报,2015,31(3):425-431.

[17]何延波,SU Z B,JIA L,等.遥感数据支持下不同地表覆盖的区域蒸散[J].应用生态学报,2007,18(2):288-296.

[18]姜朋辉,赵锐锋,赵海莉,等.1975年以来黑河中游地区土地利用/覆被变化时空演变[J].生态与农村环境学报,2012,28(5):473-479.

[19]宋妮,孙景生,王景雷,等.基于Penman修正式和Penman-Monteith公式的作物系数差异分析[J].农业工程学报,2013,29(19):88-97.

(责任编辑： 许 素)

Estimation and Spatio-Temporal Distribution of Evapotranspiration in Small-Scaled Catchments in Subtropics of China Based on Landsat 8 Data.

MA Qiu-mei1,2,3, LIU Xin-liang1,2, LI Yong1,2, WANG Yi1,2, WU Jin-shui1,2

(1.Key Laboratory of Agro-Ecological Processes in Subtropical Regions, Institute of Subtropical Agriculture, Chinese Academy of Sciences, Changsha 410125, China;2.Changsha Research Station for Agricultural & Environmental Monitoring, Institute of Subtropical Agriculture, Chinese Academy of Sciences, Changsha 410125, China;3.University of Chinese Academy of Sciences, Beijing 100049, China)

Based on the Landsat 8 remote-sensing data of the Jinjing Catchment, typical of the subtropics of China, evapotranspiration (ET) in the catchment on 4 days, typical of the four seasons, was estimated separately, using the SEBS model. Results show that the mean and the upper bound of 90% quantile of ET was estimated to be 2.69 and 4.14 mm on the spring day (May 12, 2013), 2.73 and 5.41 mm on the summer day (July 31, 2013), 2.75 and 5.78 mm on the autumn day (September 17, 2013), and 1.33 and 3.25 mm on the winter day (January 23, 2014), respectively. To study variation of the distribution of ET as affected by land use, statistics were done of ETs varying with type of land use, exhibiting a decreasing order of water body [(4.21±2.63) mm·d-1]> paddy field [(2.67±1.49) mm·d-1] > wood land and tea garden [(2.06±1.35) mm·d-1] > highway and residential land [(1.17±1.14) mm·d-1]. Pearson correlation analysis shows that ET was significantly related (r=0.34-0.63,P<0.05) to normalized difference vegetation index (NDVI) on the four typical days. Besides, remote-sensing based estimation of ET was quite consistent with that using the Penman-Monteith equation or the eddy correlation method, and the values acquired in field observation, which suggests that the SEBS model is applicable to estimation of ET in the Jinjing Catchment.

remote-sensing-based estimation; ET; SEBS model; Jinjing Catchment

2015-12-24

国家重点基础研究发展计划(2012CB417105);国家自然科学基金青年基金(41301202)

X87

A

1673-4831(2016)06-0901-07

10.11934/j.issn.1673-4831.2016.06.006

马秋梅(1988—),女,河北衡水人,硕士生,主要从事环境模型不确定性分析研究。E-mail: simonemaqm@163.com

① 通信作者E-mail: yli@isa.ac.cn