基于Priestley-Taylor模型的贵州省涟江流域蒸散发时空变化及其影响因素分析

韦小茶，蒋翼，韦政学，陈孟，罗应忠，周建龙

(1 贵州师范大学地理与环境科学学院，贵州贵阳550025；2 贵州省三都水族自治县自然资源局，贵州三都558100)

蒸散发是土地覆盖与水资源状况的综合表现[1]，也是水循环主要形式和水资源管理的重要环节[2]。由于受到大气温度、水汽压、风速、太阳辐射以及下垫面条件等多因子综合作用的原因，蒸散发是最难准确估算的水文循环要素[3]。尤其在全球气候变化和快速的人类活动变化背景下，蒸散发时空格局及其影响因素是当前国内外的研究热点之一。

遥感技术具有实时动态、宏观大尺度和省时省力等优点，其与水文模型的结合是目前获取区域尺度ET的主要手段[4-6]。刘薇等[7]基于LAI(Leaf Area Index，叶面积指数)和Penman-Monteith模型反演褒河流域的蒸散发时空分布特征，发现植被的蒸腾作用强于土壤蒸发，不同植被覆盖对蒸散发能力和时间分布特征差异显著。宋文献等[8]基于SEBS(Surface Energy Balance System，地表能量平衡系统)模型，研究指出老哈河流域不同土地利用类型、不同月份的蒸散发量不尽相同，其中林地的日平均蒸散发量最高，其次为耕地、灌丛和草地，流域实际蒸散发量与NDVI(Normalized Difference Vegetation Index，归一化植被指数)呈线性正相关，与LST(Land Surface Temperature，地表温度)呈线性负相关。赵玲玲等[9]将水文模型中蒸散估算方法分为整体折算法和分类汇总法，并预估基于水文循环估算蒸散发方法朝着复杂机理化和简单实用化2个方向发展。此外，其他学者对中亚五国、中国新疆、黑河、渭河等不同区域的蒸散发及驱动因素进行研究，并取得大量研究成果[10-12]。

然而，地表蒸散发及其影响因素的关系极其复杂，且存在区域差异性，尤其是在地形复杂且受人类活动影响显著地区仍值得开展深入研究[13-15]。贵州省涟江流域是典型的喀斯特流域(图1)，具有复杂的地表和地下二元三维结构系统，土层浅薄，地表渗漏系数大，即使在丰富的降水条件下，仍容易出现“工程性缺水”问题[16]。在典型脆弱的喀斯特环境背景和近年快速城镇化进程等人类活动影响下，地表蒸散发更是加剧了该区的水资源问题[17]。因此，本文基于Priestley-Taylor模型，结合MODIS数据、DEM和气象等多源遥感数据，估算涟江流域2005—2014年的蒸散发量。并用气象站点蒸发皿校正数据对估算结果进行精度验证，分析流域蒸散发量的时间变化趋势、不同土地覆盖类型以及不同土壤类型下蒸散发的分布差异，以期为流域农业生产、生态建设和喀斯特区的水资源开发管理与可持续利用等提供理论依据和数据参考。

图1 涟江流域区位

1 材料与方法

1.1 研究区概况

涟江流域位于贵州省中南部(106°14′～106°51′E，25°32′～26°26′N)，海拔约为1 148 m，流域面积约3 050.65 km2。地势东南高西北低，主要发育有岩溶高原和峰丛洼地的喀斯特地貌，以黄壤、水稻土和石灰土为主要土壤类型[17-18]。属亚热带季风气候区，具有温暖湿润、降雨量大的特点，年均温为15.8 ℃，年降水量约为1 231 mm，以亚热带常绿阔叶林为主。降水资源丰富，但水资源开发难度大，多数地区的工程性缺水问题非常明显。

1.2 数据来源与处理

1.2.1MODIS数据

本文所用MODIS数据基本信息见表1，运用MRT工具将所有数据的原始HDF格式统一转为WGS-1984经纬度坐标和Albert等积投影坐标下的GeoTiff格式，并采用最大值合成法获取月、年数据[19]。

表1 MODIS产品详细信息

1.2.2DEM数据

DEM数据为美国太空总署和国防部国家测绘局联合测量的SRTM(Shuttle Radar Topography Mission)数据，空间分辨率为90 m，将其重采样与MODIS数据一致的空间分辨率和坐标系统。

1.2.3气象数据

气象数据源于中国气象数据网(https://data.cma.cn/)，包括2005—2014年的空气温度、气压、降雨量。气象数据采用反距离权重法对气象数据进行空间插值，最后把坐标系转换为Albert等积投影，得到空间分辨率为1 km的气象数据。基于流域的蒸发皿观测站点(图1)数据，对模型模拟的蒸散发量进行精度验证。

1.2.4土地利用/覆被和土壤类型数据

土地利用/覆被数据源于GLC的全球300 m空间分辨率数据(图2a)，土壤数据扫描自贵州1∶50万土壤图，在erdas8.4中进行地形校正，并在ArcMap10.2中对涟江流域土壤类型数据进行矢量化，2种数据都统一转为Albert等积投影(图2b)。

a) 土地利用/覆被类型 b) 土壤类型图2 涟江流域不同土地覆盖和土壤类型的空间分布

1.2.5研究方法

Priestley-Taylor模型忽略空气动力学项对ET的影响，需要的输入参数相对较少，在蒸散发估算中得到广泛应用[20-22],见式(1)：

(1)

式中 ET——潜在蒸散量，mm/d；常数α=1.26；Δ——饱和水汽压-气温关系斜率，kPa/℃；γ——干湿表常数，kPa/℃；Rn——净辐射通量，MJ/m2/d；G——土壤热通量，MJ/m2/d。

2 结果与分析

2.1 Priestley-Taylor模型精度验证

为确保Priestley-Taylor模型估算结果的准确性，本文基于气象站点(紫云站-57910、长顺站-57912)的小型蒸发皿2009—2014年数据，对涟江流域蒸散发模拟结果进行精度验证。图3所示，紫云站实测值与模拟值的绝对误差为3.29 mm，相对误差为-12.05%，长顺站的绝对误差为4.63 mm，相对误差为-1.39%。结果表明，该模型对涟江流域的蒸散量估算精度满足要求，在一定程度上能够用于该区地表蒸散发的时空格局研究。

a) 紫云站 2009年57910 b) 紫云站 2010年57910

2.2 涟江流域ET年际变化特征

2005—2014年涟江流域多年平均ET为901.08 mm，呈波动增长趋势，增长率为36.8 mm/(10a)(图4)。高于多年平均ET的年份有2005、2012、2013和2014年，其他年份则低于多年均值。2010年和2014年与多年均值的相差较大，分别低于和超出多年ET均值29.31、36.03 mm，相对变化率分别为-2.01%和2.15%。分析气象数据及相关资料发现，2010年涟江流域旱情严重，年总降雨量虽比较正常，但时空分布不均，有多次大范围、高强度的降水，而涟江流域属于喀斯特地区，地表水与地下水转化率较高，地表蓄水能力较弱，从而导致地表蒸散量较低。而2014年涟江流域降雨量达1 529.08 mm，比多年平均降雨量高出29.05%，大部分降水被植被和土壤截留，可能是最终导致蒸散量较高的原因。

图4 涟江流域2005—2014年ET年际变化

涟江流域ET的空间差异明显(图5)，总体呈东南、东北高，西部和中部地区低的空间分布格局；高蒸散量主要分布在海拔较低的罗甸县、平塘县和惠水县，呈带状分布。各地(县/市)多年ET均值与流域整体均值相差不大(图6)，由大到小依次为平塘县(956.208 mm)>罗甸县(927.073 mm)>惠水县(920.245 mm)>龙里县(895.808 mm)>长顺县(886.981 mm)>贵阳市(875.486 mm)>紫云县(865.794 mm)。

a) 2005年 b) 2006年

不同土地覆盖类型的多年ET均值差异显著(图7a)，由大到小依次为常绿针叶林(936.22 mm)>永久湿地(908.09 mm)>落叶阔叶林(872.83 mm)>裸地或低值被覆盖地(851.22 mm)>城市建成区(840.4 mm)。针叶林、湿地和阔叶林等高植被覆盖区的蒸散量较大，城市建成区等低植被覆盖区的蒸散量最小。如图7b所示，各土壤类型的多年ET均值由大到小依次为石灰土(912.38 mm)>黄壤(901.72 mm)>红壤(901 mm)>水稻土(870.25 mm)>紫色土(865.24 mm)。不同土壤的质地、土层厚度不同，石灰土的土层较薄，保水性能差，易受地表温度影响，因而蒸散量最大；黄壤、红壤和其他土壤类型的保水、保肥性强，土温比较稳定，且土层较厚，蒸散发量较小。

a) 不同土地利用/覆被类型图7 涟江流域不同土地利用/覆被类型和不同土壤类型的年均ET

b) 不同土壤类型续图7 涟江流域不同土地利用/覆被类型和不同土壤类型的年均ET

2.3 涟江流域ET季节分布特征

图8所示，春、夏和秋季的蒸散量空间分布与多年平均蒸散量空间格局较为相似，而冬季的差别较大。春季(3—5月)蒸散量在198.4～296.25 mm之间，均值为233.24 mm。春季地表温度逐渐升高，日照时数逐渐变长，此时正值农作物快速生长的季节，需水量增加，虽然春季的降雨量较少，但大量的人工抽水灌溉使土地中水分较为充足，因此蒸散量处于较高水平。夏季(6—8月)蒸散量在233～448.94 mm之间，均值为336.46 mm，为一年中蒸散量最高的季节，且各地蒸散量相差较大，主要是因为夏季的气温较高且和降雨量较大，以及充足的日照时数都都导致蒸散发作用较强。秋季(9—11月)蒸散量在172.19～274.45 mm之间，均值为200.64 mm，受降雨量减少、空气温度下降、日照时数逐渐缩短的影响，蒸散量也逐渐减小。冬季(12月至翌年2月)蒸散量在100.37～143.64 mm之间，均值为127.97 mm。主要是因为冬季植被的枝叶枯黄凋落，植被蒸散减弱，以及研究区土壤保水能力小，不能为土壤蒸散发提供充足的水分。且冬季不仅降雨量小，气温也是一年中的最低季节，因此地表蒸散显著低于其它季节。整体而言，涟江流域不同季节蒸散量占全年比重由小到大依次为冬季(14%)<秋季(22%)<春季(26%)<夏季(38%)。

a) 春季 b) 夏季

2.4 涟江流域ET各月变化特征

图9a所示，整个流域年内ET各月变化趋势呈先升后降的单峰型变化趋势，1—2月缓慢上升，2—7月持续快速上升，7—8月稍有下降，随后8—11月急剧下降，11—12月下降趋于平缓。7月蒸散量最大(120.01 mm)，12月蒸散量最小(37.22 mm)。各县/市年内各月变化趋势与整体趋势基本一致，在4—6月各地区蒸散量差别较为明显，罗甸县、平塘县和惠水县整体各月高于流域均值，而龙里县、贵阳市、长顺县和紫云县低于流域均值。

各土地覆盖类型月均ET变化趋势呈现先升后降的单峰变化趋势(图9b)，峰值均出现在7月。常绿针叶林4—10月各月蒸散量均高于其他地类，该时期累计ET与其它地类极差达96.69 mm。在1—3月和11—12月，各地类的蒸散量基本一致，该期间降雨偏少、地表温度也较低，蒸散作用较弱。4月常绿针叶林蒸散量(82.04 mm)最大，永久湿地(78.33 mm)次之，落叶阔叶林、城市和建成区、裸地或低值被覆盖地蒸散量基本相同；5—10月各土地覆盖类型蒸散量由大到小依次为常绿针叶林>永久湿地>落叶阔叶林>裸地或低值被覆盖地>城市和建成区；9—10月裸地或低值被覆盖地与城市和建成区的蒸散量差值显著减小。

各土壤类型的ET峰值均出现在7月(图9c)，1、3、12月蒸散量最大的是紫色土，在2、4、5月石灰土蒸散量最大，6—11月红壤蒸散量最大；1—4月、12月红壤蒸散量最小，5—10月紫色土蒸散量最小，11月蒸散量最小的是水稻土；年内各月蒸散量差值最大的是9月，红壤(95.72 mm)与紫色土(83.60 mm)，极差达12.12 mm，而差值最小的则是12月，紫色土(38.28 mm)与红壤(36.49 mm)，差值仅为1.79 mm。究其原因，一方面蒸散量的大小与气象条件具有密切的关系，因而在气温低、降雨少等不利于蒸散进行的12月各类土壤蒸散量差值最小。另一方面，红壤黏粒含量适中，在降雨量大的夏季地表水能够较好地下渗进入土壤，并且保水能力较好，能为植被生长较长时间提供充足的水分，因而在6—11月其蒸散量大于石灰土；随着冬季降雨量的减少，土壤水补给来源减少，黏土中的石灰土对土壤水的保水能力最强，前期植被生长消耗的水分少于红壤，因此在降雨偏少的12、2、4月其蒸散量高于红壤。

图9d结果显示，2005—2014年10年间涟江流域的年内各月变化趋势整体呈先升后降的单峰变化趋势，蒸散量最大值多在7月，而最小值多在12月，只有2007年最小值出现在11月，但2007年11月与12月差值仅有2.51 mm，可能与2007年11月降雨量低于12月有关。其中与整体趋势差异较大的为2005年，其蒸散量在5月显著减小，并比5月的多年均值92.57 mm低26.60 mm。而蒸散量在6、7月迅速恢复到多年平均水平，可能是与夏季的强降雨和高温条件有关。

a) 不同县/市

3 结论与讨论

本文基于Priestley-Taylor模型，并结合地表温度、地表反照率、NDVI、太阳天顶角、DEM、土壤和土地利用覆盖类型等数据，估算贵州省涟江流域2005—2014年的蒸散发量。并用气象站点蒸发皿校正数据对估算结果进行精度验证，分析蒸散发的时空变化特征、不同土地覆盖类型以及不同土壤类型下的蒸散发分布差异，得出以下主要结论：①Priestley-Taylor模型在涟江流域的反演精度良好，相对误差为-1.39%～12.05%，估算结果能够满足该区的蒸散发时空变化研究需求；②2005—2014年涟江流域多年平均ET为901.08 mm，呈波动增长趋势，增长率为36.8 mm/(10a)，年内各月ET呈春、夏季高而秋、冬季节低的单峰变化形式；③流域ET的空间差异明显，总体呈东南、东北高，西部和中部地区低的空间分布格局，春、夏、秋季ET的空间分布与多年平均空间分布基本一致，而冬季的空间分布较为不同；④ET受地表土地覆盖类型和土壤类型的影响明显，蒸散强度表现为常绿针叶林>永久湿地>落叶阔叶林>裸地或低值被覆盖地>城市建成区，高植被覆盖区的蒸散发大于低植被覆盖区；⑤石灰土>黄壤>红壤>水稻土>紫色土，石灰土区的土层较薄，蒸散发量较大，不利于土壤水分涵养。

蒸散作为水循环的重要一个环节，准确估算蒸散发是当前研究的热点与重点。随着各种卫星遥感技术的进一步发展，利用遥感监测数据估算越来越体现出其优越性，并且随着大数据、云计算和人工智能的发展，未来基于高新技术监测地表蒸散发也将会更加精细、准确，从而为地球水分循环和能量平衡的研究提供全新的视角。尤其是在地表崎岖、地形复杂、基础资料缺乏和水资源问题突出的喀斯特高原山区，可以结合稀疏的地面实测数据和遥感大数据的“天-空-地”一体化数据，针对蒸散发的过程机理、影响机制、驱动因素以及如何减缓地表蒸散发作更细致的分析和探讨。