基于MODIS蒸散量数据的淮河流域蒸散发时空变化及影响因素分析

郭晓彤，孟 丹，蒋博武，朱 琳，龚建师

（1.首都师范大学资源环境与旅游学院，北京 100048；2.水资源安全北京实验室，北京 100048；3.中国地质调查局南京地质调查中心，江苏 南京 210016）

蒸散发包括植被蒸腾，土壤、水面的蒸发及截留降水或露水的蒸发，是地表能量平衡和水量平衡的重要组成部分，深刻影响着气候变化。蒸散发的准确估算，监测其时空变化规律并分析其与气象因子的关联性，对农林、水资源、气候、经济等相关领域意义重大[1]。区域蒸散发的研究方法有多种，主要包括野外仪器实地测量法、基于物理机制的气象因子计算法、水文模型模拟法以及遥感反演等。传统的蒸散发多以观测站观测为主，得到的数据为“点”尺度，在空间上具有较大的局限性。而遥感技术基于能量平衡原理，可得到大区域、短周期的蒸散发量[2]。空间上克服了传统“点”尺度的局限性，时间上可动态、实时的根据需求获取相应的遥感数据。

现今JRA55、GLEAM、MODIS、GLDAS等国内外产品为蒸散发研究提供了方便。其中MODIS蒸散量产品（MOD16）空间分辨率较高，通过了全球通量塔站台的检验，受到国内外研究学者的关注。此领域的研究主要包括蒸散发产品的精度验证[3-4]、不同蒸散发产品的评估[5-6]、区域蒸散发时空分布特征[7]、蒸散发影响因素分析[8-9]以及以蒸散发为参考因素对植被缺水指数[10]、地下水[11]、干旱指数[12]等的研究。在蒸散发区域时空分布与影响因素分析方面，蒙雨等[13]运用MOD16产品和气象站数据，使用一元线性回归分析法计算蒸散发的时间变化趋势并进行影响因素的单相关分析，探讨了乌江流域蒸散发时空变化特征及其影响因素；温媛媛等[14]采用变异系数法、Theil-Sen median趋势法研究了山西省多年实际蒸散发、潜在蒸散发的空间分布特征与变化趋势；梁红闪等[15]在已有趋势分析的基础上，增添了Mann-Kendall 和Hurst 指数，研究了伊犁河流域蒸散量时空变化特征及波动性。黄葵等[16]在单相关分析基础上，增加了偏相关和复相关，分析海河流域蒸散发的影响因素。

当前对于蒸散发的研究主要集中于我国北部干旱半干旱地区，而对于湿润地区的研究相对较少。淮河流域人口密集，农业用地占比较高，是我国的重要粮食产地，因此该地区的水土气候及水资源具有很高的研究价值。本文基于MOD16/ET数据集定量分析淮河流域2000—2014年蒸散量的时空变化特征，结合时序气温、降水数据，采用相关分析方法定量探讨了蒸散发与气候因子的驱动力关系，并分析土地利用及其变化对区域蒸散发的影响，以期为淮河流域的水资源合理开发利用提供科学指导。

1 研究区概况

淮河流域介于长江和黄河两流域之间，面积为26.6×104km2。淮河流域包括淮河和沂沭泗河两大水系。西部、西南部及东北部为山区和丘陵地带，其余为平原，平原面积占流域总面积的2/3（图1）。淮河流域地处中国南北气候过渡带，是我国南北方重要分界线，冬春干旱少雨，夏季闷热多雨，冷暖和旱涝转变急剧，流域多年平均降水量为 897.7 mm，年均气温为15.1℃。

2 方法与数据

2.1 研究数据

本文数据主要包括MOD16/ET、气象数据、土地利用数据、DEM数据、淮河流域边界数据及水系矢量数据。MOD16全球蒸散发产品（http://files.ntsg.umt.edu）算法是基于改进的Penman-Monteith 公式，对于无植被覆盖区域做了空值处理。本文使用的MOD16A2，MOD16A3蒸散发产品时间尺度分别是月尺度及年尺度，空间分辨率1 km×1 km，数据卫星轨道行列号为h27v05和h28v05。对数据进行裁剪拼接，提取实际蒸散发波段，投影变换为CGCS2000，并剔除空值。

图1 研究区概况及气象站位置Fig.1 Overview of the study area and location of the weather stations

气象资料来源于国家气象科学数据中心（http://data.cma.cn）中国地面气候资料数据集，收集了2000—2014年的年、月、日气象数据。本文用到的气象因子包括气温、降水量、蒸发量。因年、月值数据集缺少蒸散发数据，故采用中国地面气象资料日值数据集（V3.0），选取许昌、砀山、蒙城、泗洪、沐阳、灌云等6个气象站蒸散量的日值数据累加得到月尺度蒸散量数据，用于MOD16A2/ET月尺度数据的适用性分析。选取气温、降水量作为蒸散量的主要气候影响因素，采用IDW插值法对淮河流域内部及周边共计61个地面气象站的年尺度和月尺度气象数据进行空间插值，空间分辨率设置为1 km×1 km。空间化后的气象数据与MOD16/ET进行偏相关分析和复相关分析，用于蒸散量的气候驱动类型研究。

本研究采用资源环境科学与数据中心（http://www.resdc.cn）提供的2000年、2005年、2010年、2015年土地利用数据，空间分辨率为1 km×1 km，用于分析土地利用及其变化对区域蒸散发的影响。该数据集间隔5年有一期数据，考虑到相差一年土地利用类型不会发生显著变化，所以在本研究中用2015年土地利用数据替代2014年土地利用数据进行相关分析。根据“中科院土地利用覆盖分类体系”，将数据重分类为水田、旱地、林地、草地、建设用地、水域、未利用地等7种土地利用类型，其中耕地划分成水田和旱地，可量化不同农田类型下蒸散量分布特征。

2.2 研究方法

2.2.1 数据适用性分析

为验证MOD16/ET数据在本研究区的适用性，采用相关系数（r）、均方根误差（RMSE）、平均偏差（BIAS）和平均绝对偏差（MAE）等指标，将气象站蒸发皿观测数据与MOD16A2/ET进行比对。

2.2.2 趋势分析

利用一元线性回归方程的斜率对淮河流域2000—2014年 MOD16A2/ET数据进行基于像元尺度的趋势分析：

式中：n——监测时间序列的长度，本文中n=15；

METi——第i年ET的平均值；

θslope——像元ET的回归斜率值，并对回归系数进行显著性检验。

结合基于像元尺度的趋势分析法，模拟蒸散量空间变化趋势斜率θslope和P值，并将变化趋势分为5个等级，见表1[17]。

表1 变化趋势等级Table 1 Variation trend level

2.2.3 蒸散量气候驱动分区准则

根据相关研究成果，在已有的植被覆盖变化气候驱动[18]和蒸散量变化气候驱动研究[16]的基础上，结合年尺度蒸散量与气候因子偏相关系数和复相关系数的显著性检验结果，确定淮河流域蒸散量与气候因子的驱动分区准则，见表2。

表2 淮河流域蒸散发驱动分区准则Table 2 Rules of regionalization for the drivers of ET change

3 结果与分析

3.1 MOD16A2/ET数据适用性分析

因气象站数据为小型蒸发皿观测的水面蒸发量，而MOD16A2/ET为实际蒸散量，参考文献[19−20]确定折算系数。选取江苏省的沐阳站、灌云站、泗洪站、河南省的许昌站、安徽省沐阳站、砀山站共计6个气象站2000—2004年的观测数据对MOD16A2/ET进行分析。结果表明r值均大于0.7，RMSE在19.89～42.50 mm/mon，与相关研究结论吻合[21]，证明了MOD16A2/ET在淮河流域的适用性较好。

3.2 淮河流域 MOD16/ET的时空变化特征

3.2.1 蒸散量的年际变化特征

根据2000—2014年蒸散发统计结果，淮河流域多年蒸散量平均值为589.1 mm，标准差为99.1 mm。该区域蒸散发在空间上呈南高北低的分布格局（图2）。

图2 多年蒸散量均值空间分布Fig.2 Spatial distribution of the mean ET over the years

蒸散量最大值位于南部山区地带，北部地区蒸散量值相对较低。根据地貌基本形态划分指标[22]将该地区高程分为5个区间（表3）。统计不同高程区间内的蒸散量均值，结果表明中山地区蒸散量最高，其次为平原、高山地区，丘陵和低山地区蒸散量较低。

表3 不同地貌类型划分及其蒸散量数据统计Table 3 Classification of different geomorphic types and ET data statistics

对淮河流域2000—2014年整个研究区的年蒸散量、降水量、气温进行统计（图3），可看出15年中2002—2008年、2010年的蒸散值超过了多年平均值589.1 mm。15年间，整体上淮河流域蒸散发具有先增加后减少的趋势，自2003年达到峰值630.53 mm后，虽后续年份存在蒸散发的回升情况（2005—2008年），但整体上蒸散发开始呈现减少趋势，其中2011年的蒸散量最低。相关资料显示，2003年淮河流域遭受洪灾，2011年淮河流域曾遭遇旱灾。同时，该地区年均降水为897.7 mm，降水充沛且年际变化较大；而气温年际变化较小，年均气温一直保持在15℃左右。根据相关性计算，气温与降水量相关系数为−0.351，呈负相关，而降水量与蒸散发的相关系数为0.549，远高于气温与蒸散发的相关系数0.042，说明该地区蒸散发受到降水的影响更大。

图3 2000—2014年蒸散量与气候因子时间变化曲线Fig.3 Change of ET and climate factor from 2000 to 2014

为表征蒸散量年际变化在空间上的分布特征，本文基于像元尺度对15年间的蒸散量变化趋势进行了拟合，见图4。结果显示15年间，31.4%的地区蒸散量呈显著或极显著减少趋势，其中极显著减少地区占16.6%，显著减少地区占14.8%，主要分布在西部地区与江苏省东部地区；5.4%的地区蒸散量呈显著或极显著增加趋势，其中极显著增加地区占1.8%，显著增加地区占3.6%；63.2%的地区蒸散量无显著变化。

3.2.2 蒸散量的年内变化特征

以2014年数据为例，分析蒸散量及气候数据的月尺度变化特征，结果如图5所示。数据显示1—4月蒸散量逐步增加，5—6月份有所降低。查阅相关资料，产生这种现象主要与农作物种植周期有关，该地区农作物类型主要以冬小麦夏玉米轮作为主，而冬小麦在河南、安徽一带收割时段为5月下旬至6月上旬，从而影响到地表蒸散发。7—8月份蒸散量迅速增加，在8月达到峰值，此后蒸散量逐渐降低。对照降水量、气温的年内变化，1—12月气温整体上呈现先上升后下降的趋势，7月气温最高；而年降水量呈现波动上升，7—9月降水量较大，基本呈现雨、热、蒸散同期。

图4 2000—2014年蒸散量变化趋势空间分布Fig.4 Spatial distribution of ET variation trend from 2000 to 2014

图5 2014年各月份蒸散量与气温、降水量时间变化图Fig.5 Variation diagram of evapotranspiration,temperature and precipitation in each month in 2014

统计2000—2014年蒸散量的季节分布，春夏秋冬四季的蒸散量均值分别为144.6，257.4，121.8，66.3 mm，夏季蒸散量最高，冬季蒸散量最低。夏季充沛的降水增加了该地区土壤水分，有研究表明陆面蒸散量以及土壤储水量会随着降水的增加而增加，且与其关系密切[23]。

3.3 气候变化对淮河流域蒸散发时空变化的影响

分别计算年尺度蒸散量与年降水量、年均气温的偏相关系数和复相关系数。蒸散量与降水的偏相关系数整体均值达到了0.42，正相关地区占整个研究区的92.1%；蒸散量与气温的偏相关系数则表现为东部以正相关为主，西部以负相关为主，整体均值为0.12，其中正相关的地区占了总面积的68.6%。蒸散量与降水量、气温的复相关系数均值达到了0.51，说明降水量和气温对该地区蒸散发存在一定的影响。结合蒸散量与气候因子偏相关系数和复相关系数的显著性检验结果，确定了淮河流域蒸散发的气候因子驱动分区（图6）。结果表明淮河流域蒸散发主要表现为非气候因子驱动型，面积占比52.0%；其次为降水驱动型，面积占比44.1%，双因子驱动型和气温驱动型范围很小，面积占比分别为2.4%、1.5%。

结合高程对蒸散发驱动分区的分布进行讨论，其中海拔小于20 m的平原地带主要以非气候因子驱动型为主，面积占比达到81.3%；海拔在20～500 m之间的丘陵与低山地带，降水量驱动型与非气候因子驱动型分别占比46.9%、43.3%；海拔大于500 m的地区，以非气候因子驱动型为主，面积占比为85.2%。总体而言，该地区降水量驱动型主要集中在西部的丘陵与低山地带；非气候因子驱动型主要分布在东部平原，东部地区水网密集，农用地以水田为主，人类活动对蒸散发的影响显著。

图6 蒸散量气候驱动类型空间分布图Fig.6 Spatial distribution of ET climate driven types

3.4 土地利用变化对淮河流域蒸散发时空变化的影响

研究区以旱地为主，其次为水田和建设用地，以2000年为例，旱地、水田、建设用地、林地、水域、草地、未利用地面积占比依次为52.66%、17.33%、14.18%、7.07%、4.94%、3.73%、0.09%。2000—2015年间，建设用地和水域面积增加，旱地、水田、林地、草地面积减少，未利用地面积变化不大。

由于MOD16/ET数据在建设用地类型下多为空值，本研究仅统计旱地、水田、林地、草地4种植被类型的蒸散量均值及总量（表4）。以2000年为例，4种土地覆盖类型蒸散量均值由大到小依次为：林地、水田、旱地、草地。2000年蒸散发总量的统计结果中，旱地最多为798.36×108m3，其次为水田289.02×108m3、林地116.63×108m3，草地最少为53.76×108m3。

表4 淮河流域不同土地利用类型年均蒸散量统计Table 4 Annual average ET of different land use types in the Huaihe River Basin

本研究计算了2000—2014年的土地利用转移矩阵，并对每种转变的用地类型面积、蒸散量均值及总量进行了统计。结果显示，草地转至水田蒸散量明显增加，旱地转变为草地、林地转变为旱地的蒸散量明显减少。总体而言，与2000年相比，2014年蒸散量明显减少，15年间4种用地类型的蒸散量总共减少66.83×108m3。

4 结论

本文基于MOD16/ET数据集对淮河流域蒸散发时空变化及影响因素进行了分析，得到以下主要结论：

（1）适用性分析表明MOD16/ET产品与采用蒸发皿观测折算后的蒸散量数据的一致性较高，相关系数均大于0.7，均方根误差为19.89～42.50 mm/mon。

（2）淮河流域多年平均蒸散量为589.1 mm，空间上表现为南高北低；对不同高程下蒸散量的统计分析发现该地区中山地区蒸散量最高，其次为平原、高山地区，丘陵和低山地区蒸散量较低。时间上，15年间蒸散量呈先升后降的趋势，总体而言蒸散量减少；基于像元尺度分析，31.4%的地区蒸散量呈减少趋势，5.4%的地区蒸散量呈增加趋势，63.2%的地区无显著变化。

（3）蒸散量与降水的偏相关系数整体均值达到了0.42，正相关地区占整个研究区的92.1%；蒸散量与气温的偏相关系数整体均值为0.12，其中正相关的地区占总面积的68.6%，相比于气温，淮河流域蒸散量与降水量的相关性更高。从蒸散量的气候因子分区来看，52.0%的区域表现为非气候因子驱动型，44.1%的地区为降水驱动型，双因子驱动型和气温驱动型范围很小，面积占比分别为2.4%、1.5%。

（4）蒸散量受土地利用类型的影响很大，呈现出明显差异性，总体表现为林地＞水田＞旱地＞草地。草地转至水田蒸散量明显增加，旱地转变为草地、林地转变为旱地的蒸散量明显减少，与2000年相比，2014年蒸散量明显减少，15年间4种用地类型的蒸散量共减少66.83×108m3。

本文仅探讨了气温和降水因素对淮河流域实际蒸散发的影响驱动，实际蒸散发的影响因子还包括植被覆盖度、光照强度、风速、相对湿度、人工灌溉等诸多因素的影响，在不同气候区蒸散发的影响因素也存在差别，因此多种复杂情况还需进一步讨论。此外，本文气候因子驱动分区讨论是在年尺度数据的基础上进行的分析，不可避免会模糊气温和降水的年内变化，因此后续的研究中可以使用更精细的时间尺度数据进行研究。