基于MOD16的洞庭湖流域2000－2014年地表蒸散时空变化分析

张 猛，曾永年，齐 玥



基于MOD16的洞庭湖流域2000－2014年地表蒸散时空变化分析

张 猛，曾永年※，齐 玥

（1. 中南大学地球科学与信息物理学院，长沙 410083； 2. 中南大学空间信息技术与可持续发展研究中心，长沙 410083）

地表蒸散是决定土壤-植被-大气之间水循环与能量转换的关键因素，研究流域蒸散量的时空变化对水文、气象和农业等领域的治理和管理具有重要意义。该文基于时间序列MOD16数据集，分析了2000－2014年洞庭湖流域地表蒸散量时空变化，并利用多年降水量及气温数据，采用回归模型探讨了蒸散量与气候因子之间的相关性, 以期为洞庭湖流域热量平衡和气候干湿状况评价提供数据支持。结果表明：1）MOD16地表蒸散量产品数据的精度满足洞庭湖流域蒸散量时空分布研究的需求；2）洞庭湖流域年蒸散量值具有较高的空间分异性，呈现出东北部低、西部和南部高的趋势。洞庭湖流域各年蒸散量多年年平均蒸散量值为636.83 mm/a，多年年均蒸散量整体呈波动下降趋势；3）蒸散量的季节性变化明显，一年中夏季地表蒸散量平均值最高4）洞庭湖流域地表蒸散量年内分布显现为先增大后减小的单峰型分布趋势，蒸散量的高值区主要集中在5－9月，最高值出现在7月，最小值出现在12月；5）地表蒸散量值与降水量和气温的平均相关系数分别是0.67和0.41，表明地表蒸散量与降水量的相关性较高。基于已有的研究表明，总体而言，MOD16产品为全球变化研究提供了较为可靠的、长时间序列蒸散发产品，并可以用于全球范围地表蒸散研究。

蒸散；气温；降水；时空变化；MOD16；洞庭湖流域

0 引 言

蒸散（evapotranspiration, ET）是指植被与地面向大气输送的水汽总通量，既包括从土壤和植物表面的水分蒸发，也包括通过植物体表和体内的蒸腾，是土壤-植被-大气系统（SPAC）中水分转移、转化的重要一环，也是水文水循环和水量平衡研究的核心[1-6]。蒸散作为生态环境和水资源评估的重要环节，适时、准确地分析区域蒸散时空特征及其与气候因子的关系，对区域气象、水文、水利工程及农业等领域有着重要的意义[7-12]。洞庭湖流域是长江流域重要的组成部分，素有“鱼米之乡”之称的洞庭湖流域也是中国粮食主生产区之一[13-14]。由于受气候的影响，降水量年际变化率较大，加之全球气候变暖的影响，洞庭湖流域极端旱涝灾害频发，给农业经济造成了巨大的损失[15]。据统计表明，旱涝灾害是制约洞庭湖流域农业可持续发展最大制约因素[16-17]。旱涝灾害的频繁发生表明洞庭湖流域的水量平衡关系产生了变化，由于地表蒸散量的时空变化对流域水量平衡关系中占据十分关键的作用，及时地监测与研究流域地表蒸散量及其时空变化，对于揭示洞庭湖流域水量平衡关系的变化，研究流域水资源合理利用以及旱涝监测等研究具有重要意义。

遥感技术现已成为区域蒸散（能量平衡和水分状况）监测的主要手段，国内外学者基于遥感数据对不同尺度的地表蒸散进行了分析[17-19]。以往的研究多基于分辨率较低的NOAA/AVHRR数据，尽管能够分析大区域、大尺度范围长时间序列的地表蒸散状况，但其无法精细地表达地表蒸散的空间分布和变化。也有学者基于Landsat数据，采用不同的模型模拟估算了地表蒸散[20-21]。但由于受天气和Landsat重访周期的影响，其无法获取长时间序列的地表蒸散数据，从而影响了长时间序列的变化研究。由美国NASA地球观测系统发布的全球MODIS陆地蒸散产品数据（MOD16）已在大范围流域、乃至全球范围的地表蒸散的时空分布及变化研究得到较为广泛的应用[22-24]。同时，MOD16蒸散产品数据在中国不同尺度的地表蒸散定量分析中也得到应用，李伟光等[25]以MOD16蒸散产品数据为基础，分析海南岛蒸散量的变化规律，并探讨了该区域干旱灾害的成因分析及生态需水量。吴桂平等[26]基于MOD16产品数据对鄱阳湖流域地表蒸散量的时空分布特征进行了研究。贺添等[27]基于MOD16产品对中国2001－2010年蒸散发时空格局变化进行了分析。因此，MOD16产品已成为分析区域及全球地表蒸散量时空分布的重要遥感数据产品。

本文基于2000－2014年的MOD16遥感蒸散产品数据，定量分析了近15 a来洞庭湖流域蒸散时空分布特征及年际变化，并探讨流域地表蒸散变化与气候因子间的相关性，为理解流域水热平衡，气候的干湿状况评价提供数据支持，并为流域旱涝灾害中水量平衡关系变化的成因和生态需水量研究提供科学依据。

1 研究区及数据

1.1 研究区概况

洞庭湖流域位于长江中游，该流域范围介于107°16′～114°17′E，24°38′～30°26′N（图1），范围覆盖了湖南绝大部分，以及湖北、广西、贵州部分地区，流域总面积约26.3万km2[28]。研究区水系发达，河网稠密，包括洞庭湖区以及湘、资、沅、澧泗水。流域内地貌形态复杂多样，以山地和丘陵为主，海拔在-21～2 529 m之间。洞庭湖流域属亚热带季风气候，四季分明，雨热同期，年均降水量在420 mm左右，但降水和蒸散时空分布不均，具有明显的季节性和区域性[29]。

图1 研究范围

1.2 数据及处理

1.2.1 数据来源

本文采用地表蒸散产品（MOD16）数据下载于http://www.ntsg.umt.edu/project/mod16，根据洞庭湖流域的地理位置及MOD16产品数据轨道号，选择下载数据的卫星轨道号为h27v05、h27v06和h28v06，涵盖了洞庭湖流域2000－2014年共15 a的数据。

研究区的DEM数据来源于地理空间数据云（http://www.gscloud.cn/），分辨率为30 m。气象数据来源于中国气象科学数据共享网（http://cdc.nmic.cn），选取2000－2014年研究区及周边地区46个气象站点的月平均温度、月总降水量。1:25万全国土地利用数据来源于中科院地理所，该数据是基于TM/ETM+遥感影像通过人机交互目视解译获得。

洞庭湖流域边界数据下载于国家基础地理信息中心（http://ngcc.sbsm.gov.cn/），同时依据流域DEM数据、流域水系特征及国内外学者研究的成果，划出洞庭湖流域的子流域分布区。

1.2.2 数据处理

1）土地利用数据处理

依据洞庭湖流域主要的土地利用类型和分析精度要求，基于1:25万土地利用数据，利用ENVI与ArcGIS平台，将研究区土地利用类型归并为水体、草地、耕地、林地、城镇和裸地6个一级地类。

2）气象数据处理

以研究区的DEM数据及气象站点的经纬度数据为基础，得到洞庭湖流域栅格格式的经度、纬度、坡度、坡向数据，并在SPSS及ArcGIS环境下，通过多元线性回归法将气象要素实现空间化，进而获取气象要素栅格数据，并将其空间分辨率与MOD16数据保持一致。同时，计算得出洞庭湖流域时间序列的年均降水量与气温，从温度、降水的时间序列线性回归趋势以及两者的平均值线可以得出，研究区多年降水量呈微弱下降趋势，而温度则呈微弱上升趋势（图2）。

图2 洞庭湖流域时间序列年均降水量与气温

3）MOD16产品及精度说明

对原始的MOD16产品进行投影转换（WGS-1984），并进行影像镶嵌和裁剪。基于研究区各子流域的矢量边界图，裁剪得到不同时间和空间尺度下研究区域内的地表蒸散数据，并分别统计蒸散量的最大值、最小值、平均值及方差统计。本文将MOD16重采样为3 km×3 km，并与桃源农业生态站多年实测数据（实测点范围为3 km×3 km）对比分析。结果表明2000-2014年实测值与遥感蒸散量（MOD16）之间的相对误差较小，总体小于10%左右（表1）。同时，对实测值与遥感蒸散量（MOD16）的回归分析表明，两者的相关系数为0.88，相关性显著（图3）。另一方面，已有研究表明[25-27]，MODIS产品数据的精度较好，可以用于流域或大范围地表蒸散研究。因此，MOD16产品数据能够满足洞庭湖流域地表蒸散量时空变化。

表1 MOD16蒸散量产品的精度检验

图3 蒸散量实测值与MOD16蒸散量值的相关性分析

2 研究方法

2.1 年际趋势分析

洞庭湖流域年地表蒸散量值的年际趋势分析主要采用一元线性回归分析法，年际变化率即为趋势线斜率。公式如下

式中表示趋势斜率，表示估算年数，ET表示第年的年际蒸散量（mm），利用ET值与时间序列的相关关系表示ET年际变化的显著性，>0表示增加，<0表示减少[30]。

2.2 气候因子相关性分析

以研究区每个像元的蒸散量值和已被空间化的气象要素为基础，研究区每个像元的蒸散量值与降水量和温度之间的相关性利用单相关系数来表达，得到以下公式

3 结果与分析

3.1 洞庭湖流域地表年度蒸散值时空分布特征

3.1.1 洞庭湖流域多年ET平均值空间特征

2000－2014年，洞庭湖流域蒸散量空间分布如图4所示。总体而言，洞庭湖流域年蒸散量具有较高的空间分异性，呈现出东北部低、西部和南部高的趋势。蒸散量的不均匀分布，在一定程度上与流域内植被覆盖度不均有较大的联系。流域东北部洞庭湖区及其周边高强度人类活动和经济发展，致使该地区植被覆盖相对较低，从而使得蒸散量值也相对较低；高值区聚集地多为地势较高的西部与南部的山地森林区，这些地域年最大植被覆盖率可达90%以上，是常年植被覆盖区域，植被类型多种多样，植物蒸腾作用明显，导致蒸散量值较高。

图4 2000－2014年洞庭湖流域多年蒸散量平均值的空间分布

由于生理生态特性及降水的差异，不同土地利用类型的平均蒸散量及分布特征表现出不同的特点[26]，洞庭湖流域年均蒸散量与土地利用类型密切相关，不同土地利用类型的平均蒸散量存在着较大的差异[27]。利用研究区土地利用数据对MOD16数据进行裁剪，并分地类进行统计得到不同土地利用类型年ET均值（图5）。其中，林地的年均蒸散量最高，达到了1 284 mm/a；城镇的年ET均值最低，为568 mm/a；耕地多为水田、水浇地，其蒸散量的大小及空间变化与农作物种类、土壤水分含量以及农业技术措施等有关。总体来看，除水体外，流域内各土地利用类型的年均蒸散量大小依次为林地>草地>裸地>耕地>建设用地。

图5 不同土地利用类型年ET均值

3.1.2 洞庭湖流域ET变化特征

洞庭湖流域地表年蒸散量值的逐年变化过程，以及洞庭湖流域年蒸散量值的相对变化率的年际波动情况如图6所示。2000－2014年，洞庭湖流域地表年蒸散量均值在610～670 mm/a之间波动。研究时段，年蒸散量最高值出现在2001年，蒸散量为669.19 mm/a；年蒸散量最低值为613.62 mm/a，出现在2011年。洞庭湖流域多年年平均蒸散量为636.83 mm/a（如图3所示），研究时段，各年蒸散量平均值整体呈波动下降趋势。相对变化率变化的情况也较为复杂，其中最低为−0.06%（2002年），最高达到0.08%（2001年），总体趋势呈下降趋势。比较分析2000－2014年各年流域蒸散量平均值发现，年蒸散量值超出多年年平均蒸散量值的年份出现在2001年、2003年、2005年、2006年、2007年、2013年，其他年份均低于多年年蒸散量的平均值。其中，2001年2003年尤为突出，分别超出多年年蒸散量平均值32.73和32.36 mm。根据此变化情况可将研究时段分为以下几个阶段：2001－2003年，年蒸散量值呈快速上升趋势并达到研究时段的最大值；2004－2007年，年蒸散量值在波动中呈较平稳的增加趋势；2009－2011年，年蒸散量值显著下降并降到波谷。2011－2014年流域蒸散量变化较大，与研究时段多数年份旱情有关，尤其是2011年由于旱情的影响导致年降水量为研究时段的最低值，年总降水量为1 078 mm（图2a），且流域整体年降水量表现为显著减少趋势。总体上看，年蒸散量值的年际变化趋势的复杂性的主要是由于气候变化的复杂性。

图6 2000－2014年洞庭湖流域地表蒸散量值的年际变化

3.1.3 洞庭湖流域各子流域ET变化

为进一步研究洞庭湖流域地表年蒸散量值的空间分布特征，本研究分析了近15a来洞庭湖流域各个子流域的年蒸散量值的空间分布特征来去除年际变化的影响，如图7所示。其中，湘江流域多年平均蒸散量值最高，达到576.2 mm/a左右，湘江流域占洞庭湖流域的面积最大，水系发达，河网密布，并且支流水库众多，降水丰沛，植被覆盖度高，所以蒸散量值也呈现为高值状态，该子流域的蒸散量平均值总体趋势为先升高后降低再升高，呈现为稳定中增加趋势；其次，沅江流域的多年平均蒸散量值为448.6 mm/a，在所有子流域中，沅江流域占洞庭湖流域面积位居第二，干流长位居第一；资水流域和澧水流域的多年平均蒸散量值差别不大，都集中在340～390 mm/a之间，这2个子流域所占洞庭湖流域面积较小，2个子流域的蒸散量平均值总体变化趋势为先降低后升高再降低，呈现为稳定中降低的趋势。

图7 洞庭湖流域各子流域逐年ET平均值

3.1.4 洞庭湖流域ET年际趋势分析

2000－2014年地表蒸散量值变化趋势如图8所示。总体上看，近15a的洞庭湖流域内大部分地区的地表蒸散量值变化趋势不显著，多年地表年蒸散量值的年际变化率均值为−2.98%（<0.05，结果呈显著相关），即流域蒸散量整体呈下降趋势。洞庭湖流域地表蒸散量值整体呈现中度的变化居多、低程度的变化偏少、高程度的变化最少的特征，整体为不显著的下降趋势。依据此变化程度将年地表蒸散量值变化划分为：明显减少、较明显减少、轻微减少、轻微增加、较明显增加、明显增加6种情况。其中，年地表蒸散量值呈明显减少、较明显减少的的区域主要分布在东北地区及其边缘地带，集中在洞庭湖周边以及子流域的周边地区，减少的主要原因与年地表蒸散量值的变化原因相似；而西北部和东南部蒸散量的变化趋势较为类似，小部分地区地表蒸散量值为明显和较明显的增加趋势，这些地区地势高、植被覆盖率高、植物种类多样，以至于地表蒸散量值的增加趋势明显；剩下的大多数地区地表蒸散量值接近为无变化，这些区域地表蒸散量值分布主要受气候变化的影响，人为因素干扰波动较小，因此年地表蒸散量值的年际变化相对稳定。

蒸散量值分布的年际变化与气象因素变化息息相关，降水量的增加、气候的变暖导致的植物本身返青期提前，其生长期延长，这些对植被的生长起到了良好的推进作用，加速了植被覆盖度的提高，间接导致地表蒸散量值的提高[31-32]，但洞庭湖流域内部分区域的草地退化是人类活动与自然因素长期累积的结果，不可能短期内实现扭转，故部分区域的地表蒸散量值仍有下降现象。

图8 洞庭湖流域2000－2014年ET值变化率空分布

3.2 洞庭湖流域地表季度蒸散量值时空分布特征

3.2.1 洞庭湖流域多年季度ET平均值空间特征

受洞庭湖流域气温、降水等气候因素影响，洞庭湖流域的四季地表蒸散量值空间分布差异明显，流域春季、夏季、秋季及冬季地表蒸散量值的空间分布如图9。整体上看，春、夏、秋季地表蒸散量值变化趋势的空间分布与多年地表蒸散量值较为一致，其中，冬季地表蒸散量值空间差异小，空间差异不明显。洞庭湖流域春季地表蒸散发的高值区主要集中在西部及南部地区，而低值区则主要分布在流域的东部、北部地区（洞庭湖周边及子流域周边地区）；夏季受季风气候的影响，雨水较多，加之气温的升高，使得流域地表蒸散量值整体较高，但高值区最为显著的仍为流域西部及南部地区；秋季，与春季的空间分布趋势较为相似，流域的西南一带地表蒸散量值高值区仍较为显著。冬季，大部分地区的地表蒸散量值均呈显著的下降趋势，尤其是东北一带，地表蒸散量值下降最为明显。

图9 洞庭湖流域多年季度蒸散量平均值空间分布

3.2.2 洞庭湖流域多年季度蒸散平均值时间特征

时间尺度上，春季（3－5月）地表蒸散量均值为84.60 mm，随着气温的回暖、降水量增长、植被返青，地表蒸散量较冬季逐渐增大。夏季（6－8月）为洞庭湖流域的雨季，气温较高、太阳辐射较大，为地表蒸散发供给了有利条件，夏季的地表蒸散量平均值为122.69 mm。具体来看，地表蒸散量值在6月份略有降低，是因为植被得蒸腾作用减弱，7、8月份正值草地和森林的生长旺季，植被较茂盛，加之洞庭湖流域内的水系较多，植被的蒸腾、土壤的蒸发及水面的蒸发非常旺盛，使得流域内的地表蒸散量迅速增加，7月份时达到全年的最大值；秋季（9－11月）洞庭湖流域受到大陆的冷气团控制，气温降低，雨量也逐渐减少，并且秋季是植物的衰败或处于非生长的阶段，因此地表蒸散量也随之降低，此季的地表蒸散量平均值较小，约为79.76 mm；冬季（12月－次年2月）植被量减少为最低，降水量少、气温低、气候干冷，流域内的地表蒸散量值的空间分布差异不明显，地表蒸散量较小并且几乎不会变化，所以12月至次年2月的地表蒸散量值的变动趋势平缓；冬季洞庭湖流域的地表蒸散量值平均值为55.78 mm。总体而言，一年中地表蒸散量平均值为：夏季（122.69 mm）＞春季（84.60 mm）＞秋季（79.76 mm）＞冬季（55.78 mm）。

3.3 洞庭湖流域地表月蒸散平均值时空分布特征

2000－2014年洞庭湖流域不同月份的月平均蒸散量空间分布如图10所示。从洞庭湖流域的月蒸散量均值的空间分布图可以看出，受到降水、温度等气候因素的影响，洞庭湖流域内多年地表蒸散量月平均值的空间分布差异较为明显。除7、8月份外，其他月份的地表蒸散值整体趋势表现为东北部较低，西部及南部较高，与年蒸散量值的空间分布特征类似。

洞庭湖流域地表蒸散量年内分布显现为先增大后减小的单峰型分布趋势，11月到次年4月的变化较为平缓，5－8月，月蒸散量值处于快速升高阶段，8月时月蒸散量值达到最大，而后9月、10月月蒸散量值迅速下降，月蒸散量的高值区主要集中在5月－9月，其中月蒸散量值最小值出现在12月，仅为52.53 mm左右，7月的月蒸散量数值最大，达到130.13 mm左右，其主要原因为：1月、2月、12月，洞庭湖流域的气温较低，不利于地表蒸散发，加之降水量也相对较少，故月蒸散量值平均值较低，仅为55.78 mm；3－5月，洞庭湖流域的气温缓慢回升，气候条件逐渐利于蒸散发，地表蒸散量也随之升高，月蒸散量值平均值达到84.60 mm；6－8月份气温达到最高，并且此时期正值长江主汛期，降雨量大，供水充裕，再加上风速大、日照充足，有利于地表蒸散发，同时，7月的月蒸散量达到了最高值，并且这一季度的蒸散量均值达到了122.69 mm；9－11月时气温又缓慢降低，因此该阶段的蒸散量值又逐渐回落，该阶段的蒸散量均值下降为79.76 mm。由此可见，不同月份的地表蒸散量值分布与该时段内的气温和降水等因素的变化关系密切。

图10 洞庭湖流域不同月份的地表蒸散空间分布

3.4 蒸散量与气候因子的相关性分析

湖南省的气象要素的空间分布表现为：降水量从北方向南方逐渐增加，高值区出现在流域东南部；温度方面，环洞庭湖区和湘中南地区的温度值高于近15 a的年温度平均值，而低于年平均值的区域则分布在西北地区，以及南部的小部分地区（图11a、11b）。利用相关系数分析法分析2000－2014年地表年蒸散量值与年均降水量、年均气温在像元尺度上的相关性空间分布如图11c、11d，通过统计分析得到地表蒸散量值与降水量和气温的平均相关系数分别是0.67和0.41，相比较而言，地表蒸散量值与降水量的相关性更强。地表蒸散量值与降水量、气温正相关的面积占流域总面积的比例分别为95.65%和91.86%；地表蒸散量值与降水量、气温负相关的面积占流域总面积的比例分别为4.35%和8.14%。

通过将洞庭湖流域年蒸散量与年均降水量、年均气温分布比较可知，南部一带地区的年降水量与年均温均呈显著增加趋势，降水量充沛、气温偏高，这样温和且湿润的气候条件有利于植被的生长发育，随之植被覆盖度增加，地表蒸散量值也随之增加；西边一带，地表蒸散量总值随气温和降水量的相互影响状况有年际波动现象，但总体平稳增加；东北一带降水偏少、但气温偏高，易导致干旱等自然灾害的发生，不利于植被的生长，导致地表蒸散量总值低。西部地区的地表蒸散量值影响因素主要是降水量，而东部地区和北部气温是地表蒸散量值的主要影响因素，南部地区的地表蒸散量值的变化则是气温和降水量共同影响下的结果。

图11 洞庭湖流域2000－2014年蒸散量与降水及温度的相关性空间分布

另外，一定温度范围内降水量的增多而导致的连续低温、阴雨天气可能会导致植被的生长受限，不利于植被的光合作用进行，阻碍植被的覆盖度增长，进而导致地表蒸散量值得减少[33]。从图11可知，大部分的区域降水量与年地表蒸散量值呈现正相关趋势（95.65%），尤其北部边缘地区（洞庭湖周边及其子流域的周边地区）最为明显，少数地区呈现为负相关，并且集中在流域的西南一带，中部地区则是大部分为负相关关系中间穿插少部分的正相关关系。温度方面，洞庭湖流域气温和年地表蒸散量值整体呈现正相关，且主要分布于流域北部与南部。而流域中部与西部的部分区域则呈现出一定的负相关。根据以上分析，可以进一步说明气温和降水量的耦合作用是影响地表蒸散量值的重要因素。

4 结 论

在地表试验数据验证的基础上，本文基于时间序列的MOD16产品数据，分析了洞庭湖流域2000－2014年地表蒸散的时空变化，获得如下结论：1）洞庭湖流域多年年均蒸散量空间分异性显著，空间上呈东北部低、西部和南部高的格局。2）2000－2014年洞庭湖流域蒸散量年平均值呈波动下降趋势，但各子流域的蒸散量平均值变化趋势无显著差异。年际变化率（）均值为−2.98%，整体呈下降趋势。3）洞庭湖流域蒸散量的季节性变化明显，呈现为夏季>春季>秋季>冬季，蒸散量年内分布显现为先增大后减小的单峰型分布趋势。4）洞庭湖流域地表蒸散量与降水量存在显著的相关关系，说明降水量对地表蒸散量有较大影响。

本文用于流域地表蒸散分析的MOD16产品空间分辨率较低，为进一步精细分析与评价洞庭湖流域地表蒸散时空变化，后续研究将基于250 m空间分辨率MODIS数据，利遥感蒸散估算模型反演与分析流域地表蒸散。另一面，气温、降水等气候因素与地表蒸散变化之间的关系较为复杂，尚需进一步定量分析与厘定。

[1] Lievens H, Martens B, Verhoest N E C, et al. Assimilation of global radar backscatter and radiometer brightness temperature observations to improve soil moisture and land evaporation estimates[J]. Remote Sensing of Environment, 2017, 189: 194－210.

[2] Venturini, Shafiqul, Rodriguez, et al. Estimation of evaporative fraction and evapotranspiration from MODIS products using a complementary based model[J]. Remote Sensing of Environment, 2008, 112(1): 132－141.

[3] 莫兴国，林忠辉，李宏轩，等. 基于过程模型的河北平原冬小麦产量和蒸散量模拟[J]. 地理研究，2004，23(5)：623－631.

Mo Xingguo, Lin Zhonghui, Li Hongxuan, et al. Simulation of winter wheat yield and evapotranspiration with process-based model and remote[J]. Geographical Research, 2004, 23(5): 623－631. (in Chinese with English abstract)

[4] He R, Jin, Y, Kandelous M M, et al. Evapotranspiration estimate over an almond orchard using landsat satellite observations[J].2017,436－448.

[5] Alemayehu T, Griensven A, Senay G B, et al. Evapotranspiration mapping in a heterogeneous landscape using remote sensing and global weather datasets: Application to the Mara Basin, East Africa[J].2017,: 390－402.

[6] 段春锋，缪启龙，曹雯. 西北地区参考作物蒸散变化特征及其主要影响因素[J]. 农业工程学报，2011，27(8)：77－83.

Duan Chunfeng, Lao Qilong, Cao Wen. Changing characteristics of reference crop evapotranspiration and main causes in the Northwest China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(8): 77－83. (in Chinese with English abstract)

[7] 连晋姣，黄明斌，李杏鲜，等. 夏季黑河中游绿洲样带蒸散量遥感估算[J]. 农业工程学报，2014，30(15)：120－129.

Lian Jinjiao, Huang Mingbin, Li Xingxian, et al. Evapotranspiration estimation for oasis transect in middle reach of Heihe River Basin based on remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(15): 120－129. (in Chinese with English abstract)

[8] 王潇潇，潘学标，顾生浩，等. 内蒙古地区参考作物蒸散变化特征及其气象影响因子[J]. 农业工程学报，2015，31(增刊1)：142－152.

Wang Xiaoxiao, Pan Xuebiao, Gu Shenghao, et al. Trend in reference crop evapotranspiration and meteorological factors affecting trends in Inner Mongolia[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(Supp.1): 142－152. (in Chinese with English abstract)

[9] Guo S, Zhu A X, Meng L, et al. Unification of soil feedback patterns under different evaporation conditions to improve soil differentiation over flat area[J]. International Journal of Applied Earth Observations & Geoinformation, 2016, 49(49): 126－137.

[10] Martens B, Miralles D, Lievens H, et al. Improving terrestrial evaporation estimates over continental Australia through assimilation of SMOS soil moisture[J]. International Journal of Applied Earth Observation & Geoinformation, 2015, 48: 146－162.

[11] 张静，任志远. 基于MOD16的汉江流域地表蒸散发时空特征[J]. 地理科学，2017，37(2)：274－282.

Zhang Jing, Ren Zhiyuan. Spatiotemporal characteristics of evapotranspiration based on MOD16 in the Hanjiang River Basin[J]. Scientia Geographica Sinica, 2017, 37(2): 274－282. (in Chinese with English abstract)

[12] 张猛，曾永年，朱永森. 面向对象方法的时间序列MODIS数据湿地信息提取：以洞庭湖流域为例[J]. 遥感学报，2017，21(3)：479－492.

Zhang Meng, Zeng Yongnian, Zhu Yongsen. Wetland mapping of Dongting Lake Basin based on time-series MODIS data and object-oriented method[J]. Journal of Remote Sensing, 2017, 21(3): 479－492. (in Chinese with English abstract)

[13] 龙岳红，秦建新，贺新光，等. 洞庭湖流域植被动态变化的小波多分辨率分析[J]. 地理学报，2015，70(9)：1491－1502.

Long Yuehong, Qin Jianxin, He Xinguang, et al. Wavelet multi-resolution analysis of vegetation dynamic change in Dongting Lake Basin[J]. Acta Geographica Sinica, 2015, 70(9):1491－1502. (in Chinese with English abstract)

[14] 王婷，章新平，黎祖贤，等. 近52年来洞庭湖流域气象干旱的时空分布特征[J]. 长江流域资源与环境，2016(3)：514－522.

Wang Ting, Zhang Xinping, Li Zuxian, et al. Temporal and spatial distribution characteristics of meteorological drought for recent 52 years in Dongting Lake Basin[J]. Resources and Environment in the Yangtze Basin, 2016(3): 514－522. (in Chinese with English abstract)

[15] 孙葭，章新平，黄一民，等. 基于多源降水数据的洞庭湖流域夏季降水与西太平洋副热带高压的关系[J]. 地理科学，2016，36(7)：1115－1124.

Sun Jia, Zhang Xinping, Huang Yimin, et al. Relationship between summer precipitation of different data in Dongting Lake and Western Pacific Subtropical High[J]. Scientia Geographica Sinica, 2016, 36(7): 1115－1124. (in Chinese with English abstract)

[16] 孙占东，黄群，姜加虎，等. 洞庭湖近年干旱与三峡蓄水影响分析[J]. 长江流域资源与环境，2015，24(2)：251－256.

Sun Zhandong, Huang Qun, Jiang Jiahu, et al. Recent hydrological droughts in Dongting Lake and its association with the operation of Three Gorges Reservoir[J]. Resource and Environment in Yangtze Basin, 2015, 24(2): 251－256. (in Chinese with English abstract)

[17] 张长春，王晓燕，邵景力. 利用NOAA数据估算黄河三角洲区域蒸散量[J]. 资源科学，2005(1)：86－91.

Zhang Changchun, Wang Xiaoyan, Shao Jingli. Estimated of evapotranspiration based on NOAA data in the Yellow River Delta[J]. Resources Science, 2005(1): 86－91. (in Chinese with English abstract )

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

Du Jia, Zhang Bo, Song Kaishan, et al. Estimated evapotranspiration based on NOAA/AVHRR data in the Sanjiang Plain[J]. Research of Soil and Water Conservation, 2009(2): 56－62. (in Chinese with English abstract)

[19] Venturini V, Bisht G, Islam S, et al. Comparison of evaporative fractions estimated from AVHRR and MODIS sensors over South Florida[J]. Remote Sensing of Environment, 2004, 93(1/2): 77－86.

[20] 曾丽红，宋开山，张柏，等. 应用Landsat数据和SEBAL模型反演区域蒸散发及其参数估算[J]. 遥感技术与应用，2008，23(3)：255－263.

Zeng Lihong, Song Kaishan, Zhang Bo, et al. Applying Landsat data and SEBAL model to inverse regional evapotranspiration and its parameters estimation[J]. Remote Sensing Technology and Application, 2008, 23(3): 255－263. (in Chinese with English abstract )

[21] 张圆，郑江华，刘志辉，等. 基于Landsat 8与GEOEYE-1数据融合的天山北坡县域蒸散量计算：以呼图壁县为例[J]. 中国沙漠，2016，36(2)：508－514. Zhang Yuan, Zheng Jianghua, Liu Zhihui, et al. Evapotranspiration estimation at Hutubi County in northern slope of the Tianshan Mountains using data fusion of Geoeye-1 and Landsat8[J]. Journal of Desert Research, 2016, 36(2): 508－514. (in Chinese with English abstract)

[22] Hu G, Jia L, Menenti M. Comparison of MOD16 and LSA-SAF MSG evapotranspiration products over Europe for 2011[J]. Remote Sensing of Environment, 2015, 156: 510－526.

[23] Arantes A E, Ferreira L G, Coe M T. The seasonal carbon and water balances of the Cerrado environment of Brazil: Past, present, and future influences of land cover and land use[J]. Isprs Journal of Photogrammetry & Remote Sensing, 2016, 117: 66－78.

[24] 何慧娟，卓静，董金芳，等. 基于MOD16监测陕西省地表蒸散变化[J]. 干旱区地理，2015(5)：960－967.

He Huijuan, Zhuo Jing, Dong Jinfang, et al. Surveying variations of evapotranspiration in Shanxi Province using MOD16 products[J] Arid Land Geography, 2015(5): 960－967. (in Chinese with English abstract)

[25] 李伟光，易雪，蔡大鑫，等. 基于MOD16蒸散量的海南岛干旱特征分析[J]. 自然灾害学报，2016，25(5)：176－183.

Li Weiguang, Yi Xue, Cai Daxin, et al. Analysis of drought characteristics in Hainan Island based on MOD16 evapotranspiration data[J]. Journal of Natural Disasters, 2016, 25(5): 176－183. (in Chinese with English abstract)

[26] 吴桂平，刘元波，赵晓松，等. 基于MOD16产品的鄱阳湖流域地表蒸散量时空分布特征[J]. 地理研究，2013，32(4)：617－627.

Wu Guiping, Liu Yuanbo, Zhao Xiaosong, et al. Spatio-temporal variations of evapotranspiration in Poyang Lake Basin using MOD16 products[J]. Geographical Research, 2013, 32(4): 617－627. (in Chinese with English abstract)

[27] 贺添，邵全琴. 基于MOD16产品的我国2001－2010年蒸散发时空格局变化分析[J]. 地球信息科学学报，2014，16(6)：979－988.

He Tian, Shao Quanqin. Spatial-temporal variation of terrestrial evapotranspiration in China from 2001 to 2010 using MOD16 products[J]. Journal of Geo-Information Science, 2014, 16(6): 979－988. (in Chinese with English abstract)

[28] 徐卫红，葛德祥，李娜，等. 1960－2011年洞庭湖流域降水量变化特征[J]. 湿地科学，2016，14(1)：108－112.

Xu Weihong, Ge Dexiang, Li Na, et al. Characteristics of precipitation variation in the Dongting Lake Basin during 1961－2011[J]. Wetland Science, 2016, 14(1): 108－112. (in Chinese with English abstract)

[29] 符静，秦建新，张猛，等. 2001－2013年洞庭湖流域植被覆盖度时空变化特征[J]. 地球信息科学学报，2016，18(9)：1209－1216.

Fu Jing, Qin Jianxin, Zhang Meng, et al. Spatial-temporal variations of vegetation coverage in the Dongting Lake Basin from 2001 to 2013[J]. Journal of Geo-Information Science, 2016, 18(9): 1209－1216. (in Chinese with English abstract)

[30] 陈晓玲，曾永年. 亚热带山地丘陵区植被NPP时空变化及其与气候因子的关系：以湖南省为例[J]. 地理学报，2016，71(1)：35－48.

Chen Xiaoling, Zeng Yongnian. Spatial and temporal variability of the net primary production (NPP) and its relationship with climate factors in subtropical mountainous and hilly regions of China: A case study in Hunan Province[J]. Acta Geographica Sinica, 2016, 71(1): 35－48. (in Chinese with English abstract)

[31] Yao Y, Liang S, Cheng J, et al. MODIS-driven estimation of terrestrial latent heat flux in China based on a modified Priestley-Taylor algorithm[J]. Agricultural and Forest Meteorology, 2013, 171-172(3): 187－202.

[32] 周蕾，王绍强，陈镜明，等. 1991年至2000年中国陆地生态系统蒸散时空分布特征[J]. 资源科学，2009，31(6)：962－972.

Zhou Lei, Wang Shaoqiang, Chen Jingming, et al. The spatial-temporal characteristics of evapotranspiration of China’s terrestrial ecosystems during 1991－2000[J]. Resource Science, 2009, 31(6): 962－972.

[33] Chen Y, Xia J Z, Liang S L, et al. Comparison of satellite based evapotranspiration models over terrestrial ecosystems in China[J]. Remote Sensing of Environment, 2014, 140: 279－293.

Analyzing spatio-temporal variations of evapotranspiration in Dongting Lake Basin during 2000－2014 based on MOD16

Zhang Meng, Zeng Yongnian※, Qi Yue

(1.,410083,; 2.,,410083,)

As an important part of ecological environment and water resources assessment, timely and accurate analysis of spatio-temporal characteristics of regional evapotranspiration and its relationship with climate factors, is of great significance to the regional weather, hydrology, water conservancy and agricultural fields. In this article, we analyzed the inter-annual variation and annual variation of surface evapotranspiration in the Dongting Lake Basin during 2000－2014 based on the time series MOD16 dataset. And the correlation between evapotranspiration and climate factors was discussed by using regression model based on the annual precipitation and temperature data of study area. The results show that: 1) Based on the measured evapotranspiration of Taoyuan station, we validated the MOD16 dataset. The correlation coefficient between the measured evapotranspiration and surface evapotranspiration from MOD16 was 0.88, which met the needs of accuracy of the study on the spatial and temporal distribution of evapotranspiration in Dongting Lake Basin; 2) The annual evapotranspiration value of Dongting Lake Basin has a strong spatial differentiation pattern, showing a trend of being low in the northeast area, and high in western and southern areas of the study area. During the study period, the average annual evapotranspiration in Dongting Lake Basin was 636.83 mm/a, which showed a downward trend with irregular fluctuations. The highest evapotranspiration value appeared in 2001, which was 669.19 mm/a, and the lowest evapotranspiration value was 613.62mm/a, which appeared in 2011. The change rate of annual surface evapotranspiration () was -2.98%, which indicated that the evapotranspiration value showed a downward trend of Dongting Lake Basin. The spatial distribution of evapotranspiration was related to land cover types, which had effect on the evapotranspiration distribution in the Dongting Lake Basin, and the order of evapotranspiration intensity of different land cover types was forest > grassland > bare land > cultivated land > town. 3) The seasonal variation of evapotranspiration value was obvious, and the evapotranspiration in summer was the highest. The order of evapotranspiration value of different seasons was Summer > Spring > Autumn > Winter. 4) Furthermore, the annual variation of evapotranspiration in Dongting Lake Basin showed a unimodal pattern that increased first and then decreased. The high value area of monthly evapotranspiration was mainly concentrated between May and September, the minimum value appeared in December, and the peak value occurred in July. 5) The correlation coefficients between surface evapotranspiration and precipitation and temperature were 0.67 and 0.41, respectively. Most of the regional precipitation and temperature have a positive correlation with surface evapotranspiration in Dongting Lake Basin. Comparatively, the correlation between surface evapotranspiration and precipitation was stronger than that between surface evapotranspiration and temperature. The humid climatic condition is beneficial to the growth and development of vegetation. With the increase of vegetation coverage, the value of surface evapotranspiration also increases. However, a higher temperature and less precipitation, being not conducive to the growth of vegetation, results in low surface evapotranspiration. According to the above analysis of this article, it can be further explained that the coupling effect of temperature and precipitation is an important factor affecting the surface evapotranspiration in Dongting Lake Basin.

evapotranspiration; temperature; precipitation; spatio-temporal change; MOD16; Dongting Lake Basin

10.11975/j.issn.1002-6819.2018.20.020

TP79; S127

A

1002-6819(2018)-20-0160-09

2018-04-16

2018-09-01

国家自然科学基金（41171326，40771198）；中南大学中央高校基本科研业务费专项资金（2016zzts087）

张 猛，博士生，研究方向为环境遥感。Email：251zhangmeng@sina.com

曾永年，博士，教授，博导，研究方向为遥感与地理信息系统及其环境变化研究。Email：ynzeng@mail.csu.edu.cn

张 猛，曾永年，齐 玥. 基于MOD16的洞庭湖流域2000-2014年地表蒸散时空变化分析[J]. 农业工程学报，2018，34(20)：160－168. doi：10.11975/j.issn.1002-6819.2018.20.020 http://www.tcsae.org

Zhang Meng, Zeng Yongnian, Qi Yue. Analyzing spatio-temporal variations of evapotranspiration in Dongting Lake Basin during 2000－2014 based on MOD16[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(20): 160－168. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2018.20.020 http://www.tcsae.org