2019, Vol. 52文章信息
- 陈少丹, 张利平, 田祥勇, 汤柔馨, 柳鑫
- CHEN Shaodan, ZHANG Liping, TIAN Xiangyong, TANG Rouxin, LIU Xin
- 基于P-M模型和MOD16数据的长江中下游潜在蒸散量比较分析
- Comparative analysis of potential evapotranspiration estimation between Penman-Monteith model and MOD16 data in Middle and Lower Yangtze River Basin
- 武汉大学学报(工学版), 2019, 52(4): 283-289,296
- Engineering Journal of Wuhan University, 2019, 52(4): 283-289,296
- http://dx.doi.org/10.14188/j.1671-8844.2019-04-001
-
文章历史
- 收稿日期: 2018-10-12
2. 鄂北地区水资源配置工程建设与管理局，湖北 武汉 430071
2. Construction and Management Bureau of North Hubei Water Transfer Project, Wuhan 430071, China
蒸散发是全球气候变化环境下水循环和地表能量循环的重要组成部分，因此，准确地测定与估算蒸散发对气候干湿状况分析和流域水资源管理与利用都具有十分重要的意义[1-4].潜在蒸散发(Potential Evapotranspiration，PET)是表征充分供水条件下区域蒸散发的能力，目前对于潜在蒸散发的估算方法应用最广泛的有水量平衡法、质量传导法、辐射能量法、温度法和综合法[5].联合国粮农组织(FAO)推荐的Penman-Monteith(P-M)公式反映了气候要素的综合影响[6]，考虑了气温、气压、太阳辐射、湿度等气象因子[7,8]，计算结果准确，因此很多研究都选用P-M模型来计算区域的PET.在计算PET的过程中，传统算法都是利用气象站点资料进行计算，对于站点分布不均的区域会造成较大的误差.因此，许多学者对流域的潜在蒸散量进行空间插值分析，反距离权重(Inverse Distance Weighting，IDW)是一种常用的空间插值方法，高歌等[9]采用IDW对区域的日降水量进行插值，插值结果与实测值之间的相关系数为0.83；张山清等[10]在研究新疆地区的参考作物蒸散量时指出，使用IDW进行空间插值效果较好.以上研究表明，采用IDW进行空间插值对于从站点延展到整个区域的空间分布提供了很好的途径.
随着遥感技术的发展，利用遥感信息对大面积区域的潜在蒸散发进行计算成为可能.赵燊等利用MODIS蒸散发产品对山东省ET(Evapotranspiration，ET)及PET时空变化规律进行了研究，验证得到MOD16产品的精度可满足研究需要[11]；贺添等在站点尺度及流域尺度上进行验证，结果表明MOD16产品在中国几大流域的模拟精度较高[12]；李超凡等[13]、杨文峰等[14]利用遥感影像对区域的蒸散量进行了准确的估算，但在长江中下游流域的应用研究还较少，并且基于P-M模型和区域的遥感蒸散的相关性研究也较少.基于此，本文以长江中下游流域为研究对象，采用P-M公式来计算研究区域中各气象站点的PET，并以MODIS数据的蒸散发产品MOD16A2为基础[15,16]，计算长江中下游流域遥感蒸散量的时空分布，同时和P-M方法计算的结果进行对比分析，探索两者之间的相关性，为研究区域的水资源优化配置和合理利用提供参考.
1 研究区域与数据长江中下游流域位于25°N~35°N、108°E~121°E之间，为长江三峡以东的中下游沿岸带状平原[17]，划分为6个大的子流域，分别是：汉江水系、洞庭湖水系、中游干流区间、鄱阳湖水系、下游干流区间和三角洲平原区.文中采用长江中下游流域64个气象站点1961-2013年共53 a的气象资料，主要包括最高与最低气温、平均气温、日照时数、平均气压、相对湿度和风速等，64个气象站点的分布见图 1.
|
| 图 1 长江中下游流域气象站点分布图 Fig. 1 Locations of meteorological stations in the Middle and Lower Yangtze River Basin |
本文采用的各种气象数据，时间从1961年到2013年，都是由中国气象科学数据共享网(http://cdc.cma.gov.cn/home.do)提供.基于MODIS的遥感蒸散发产品MOD16A2来自NASA官方网站的8 d合成数据，包括蒸散发、潜热通量、潜在蒸散发与潜在潜热通量[18,19]，文中主要应用了2004-2013年的遥感影像数据MOD16A2，将8 d的MOD16A2进行月加权平均得到月尺度PET数据，该数据利用MRT(MODIS ReProjection Tool)工具进行影像拼接和投影转换为等经纬度投影，基准面设定为WGS-84，空间分辨率为500 m.文中季节的划分原则为3-5月是春季，6-8月是夏季，9-11月是秋季，12-次年2月是冬季.
2 研究方法1) P-M模型
P-M方法是根据能量平衡与水分输送原理的半经验法，既考虑了热量因子，也考虑了空气动力因子，被公认为世界上应用最为广泛、精度较高的公式之一[20,21].1948年Penman提出了在无水汽平流输送的情况下，湿润下垫面计算蒸发的公式[22].1965年，Monteith在Penman研究的基础上将表面阻抗引入到蒸散发的计算过程，使Penman公式得到进一步发展[23,24].后来经联合国粮农组织(FAO)修改验证，发展成为广泛使用的P-M方程：
(1)
式中:PET为潜在蒸散量, mm; Rn为地表净辐射, MJ/(m2·d)；G为土壤热通量，MJ/(m2·d)；γ为干湿计常数，kPa；u2为2 m处风速；es与ea分别是饱和水汽压和实际水汽压；Δ是饱和水汽压-气温曲线斜率，kPa/℃.
2) MOD16蒸散算法
MOD16的蒸散算法是Mu等[25,26]基于P-M公式进行改进的算法，主要结合反照率、植被覆盖率、地表覆盖类型等遥感数据以及相对湿度、气压、气温等实测站点的气象数据，计算时考虑了土壤表层蒸发与植物冠层的蒸腾作用[12].MOD16A2产品主要包括蒸散发、潜热通量、潜在蒸散发与潜在潜热通量，本研究中所用到的数据为2004-2013年的MOD16A2中的PET数据集，然后利用NASA官网提供的MRT工具对MOD16A2进行影像拼接与投影转换[27]，采用ArcGIS和遥感影像处理软件ENVI对MOD16A2进行数据处理与分析.
3 结果与讨论 3.1 基于P-M方法的潜在蒸散发量的时空变化本文选用长江中下游流域的64个气象站点1961-2013年气象数据，同时利用前面介绍的P-M公式进行PET的计算，然后对计算的各站点的PET值进行平均得到研究区及各子流域的1961-2013年共53 a的PET年际动态变化图(图 2).从图 2中可以看出长江中下游流域年潜在蒸散量均在750 mm以上，最大值是1 011 mm，最小值是781 mm，平均年潜在蒸散量是885 mm.流域的年潜在蒸散量1961-2002年呈减少趋势，2002-2013年大体呈增加趋势，高值点出现在1963、1966、1978和2004年，具体原因可能是由于这几年降水偏少，地表蒸发力较其他年份增加.
|
| 图 2 1961-2013年潜在蒸散量年际变化 Fig. 2 Interannual variation of potential evopotranspiration during 1961-2013 |
根据长江中下游流域气象站点数据计算得到1961-2013年PET值，然后采用反距离权重插值生成流域的PET年值及季节值的空间分布(图 3).其中，长江中下游流域的平均年PET值为885 mm，春季是233 mm，约占全年的26.38%；夏季是377 mm，占全年的42.62%；秋季是191 mm，占全年的21.58%；冬季是84 mm，约占全年的9.42%.春、夏2个季节的PET值是一年中最多的，约占全年的69%.图 3中夏季PET占全年PET比例为最大，4个季节的PET值对年PET值的贡献大小顺序为：夏季>春季>秋季>冬季.图中春季的高值出现在汉江流域，低值出现在洞庭湖水系区域；夏季、秋季和冬季的高、低值出现的分布较为类似，高值主要出现在鄱阳湖水系，低值主要出现在汉江水系.主要是因为夏季降水量大，气温也较高，土壤的蒸发能力与植被蒸腾作用都较强；到秋、冬季节，气温下降，植物凋零，土壤蒸发与植被蒸腾作用都随之下降.各子流域的四季多年平均分布见图 4，从图中可以看出，鄱阳湖水系年PET值最高，洞庭湖水系最低，四季分布对年PET值的贡献大小顺序与整个流域变化规律相似.
|
| 图 3 长江中下游流域潜在蒸发量年、四季的时空变化 Fig. 3 Spatial variation of annual and seasonal patential evapotranspiration in study area based on IDW interpolation |
|
| 图 4 长江中下游流域各子流域潜在蒸散量的季节变化 Fig. 4 Annual and seasonal variation of mean potential evapotranspiration in every sub-basin |
MODIS的遥感蒸散发产品MOD16A2提供了较高的空间分辨率，已在全球范围内得到了广泛应用.因此，为了评估遥感蒸散发产品在长江中下游流域的适用性，以2004-2013年为研究对象，将MOD16/PET与P-M公式计算的PET进行对比，在流域尺度上进行遥感影像产品与基于站点生成的蒸散发量进行评价研究(表 1).从表中可以看出，基于P-M公式计算的PET值与遥感产品的相关系数平均值为0.67，最大相关系数是0.82，最小相关系数是0.51；站点PET值与MOD16/PET的平均相对误差与均方根误差均值分别是10.4%、0.31 mm/d，由此表明，MOD16的遥感产品与站点计算PET值的匹配程度比较好，可以用来进行长江中下游流域长时间序列的潜在蒸散量计算.
| 年份 | 相关系数 | 平均相对误差/% | 均方根误差/(mm·d-1) |
| 2004 | 0.79 | 9.70 | 0.28 |
| 2005 | 0.57 | 12.68 | 0.43 |
| 2006 | 0.82 | 11.17 | 0.33 |
| 2007 | 0.71 | 10.97 | 0.34 |
| 2008 | 0.65 | 11.26 | 0.37 |
| 2009 | 0.52 | 13.85 | 0.38 |
| 2010 | 0.76 | 8.28 | 0.25 |
| 2011 | 0.51 | 9.92 | 0.31 |
| 2012 | 0.64 | 8.62 | 0.23 |
| 2013 | 0.73 | 7.55 | 0.20 |
为了进一步分析各子流域的分布状况，对各区域进行分区统计分析，得到各子流域月PET值分布(图 5)和PET月平均变化趋势图(图 6)以及基于遥感蒸散发产品MOD16的长江中下游流域分布图(图 7).图 5、6表明各子流域年内分布趋势相似，都呈现先增大后减小的分布规律，高值出现在7月，低值出现在1、2月，主要因为12、1、2月长江中下游流域的气温较低，地表蒸散量较少；春季3、4、5月份气温开始回升，地表蒸散量也随着气温的升高而开始增大；6、7、8月流域的气温升到最高，此时正值长江中下游流域主汛期，降水较多，水分供给充足，有利于地表的蒸散发，因此达到了最大值，与基于P-M公式得到的结果一致.从图 7中则可更为清晰地看出各区域2004-2013年月平均PET值的空间分布.
|
| 图 5 基于MOD16A2的各子流域潜在蒸散量变化趋势 Fig. 5 The changes of potential evapotranspiration based on MOD16A2 in every sub-basin |
|
| 图 6 各子流域PET月变化趋势图 Fig. 6 PET monthly trends in each sub-basin |
|
| 图 7 基于MOD16A2的长江中下游流域2004-2013年月平均潜在蒸散量分布 Fig. 7 Spatial distribution of monthly potential evapotranspiration based on MOD16A2 during 2004-2013 |
此外，为了进一步将基于P-M模型的PET与基于MOD16A2的PET进行综合比较分析，采用IDW将基于P-M公式计算的PET进行插值，然后与MOD16A2计算的PET进行相关性分析，得到整个流域的相关性分布图(图 8).图 8表明，高相关值的区域(>0.8)主要位于长江中下游流域的四周边界处，低相关值区域(<0.5)在流域中心不均匀分布，主要集中在汉江水系的东部和洞庭湖水系的北部.由于长江中下游流域气温变化的特异性，流域内海拔的总落差为3 400 m左右，气温垂直分布也较为明显，昼夜温差较大，对于基于P-M模型计算的潜在蒸散量有较大影响，这可能是导致相关性较低的原因.在MOD16A2产品的计算中采用了MODIS的土地覆盖类型产品MCD12Q1(MODIS/Terra Land Cover Type Yearly L3 Global 500 m SIN Grid)，研究表明，土地覆盖类型的变化是引起全球气候变化的原因之一，对于流域的蒸散发等过程具有显著的影响，而P-M公式没有考虑土地覆盖类型的变化，会对流域潜在蒸散量的计算造成一定的影响.另外，由于MOD16A2产品的空间分辨率是500 m，与基于气象站点的插值计算存在空间分辨率匹配不一致的问题，因此，提高空间分辨率，综合考虑高程、土地覆盖类型分类等因素是未来研究的方向.总体上，两者的相关性较好，由此可见，MOD16A2作为全球蒸散发产品，为全球的潜在蒸散发研究提供了高分辨率、长时间序列的蒸散产品.
|
| 图 8 基于P-M的PET与MOD16A2产品的潜在散蒸量的相关性分布 Fig. 8 Potential evapotranspiration in spatial distribution of correlations between P-M model and MOD16 data |
本文基于64个气象站点的1961-2013年共53 a的气象数据，利用P-M模型计算了长江中下游流域的潜在蒸散量，并采用IDW插值生成流域的PET年值及季节值的空间分布.然后以MODIS数据的蒸散发产品MOD16A2为基础，计算流域2004- 2013年遥感蒸散发的时空分布，同时和P-M公式计算的结果进行对比分析，探索两者之间的相关性.得到以下结论：
1) 长江中下游流域的年潜在蒸散量1961-2002年呈减少趋势，2002-2013年大体呈增加趋势，高值点出现在1963、1966、1978和2004年，具体原因可能是由于这几年降水偏少，地表蒸发力较其他年份增加.
2) 采用IDW插值生成流域的年PET均值为885 mm，夏季PET占全年PET比例为最大，4个季节的PET值对年PET值的贡献大小顺序为：夏季>春季>秋季>冬季.各子流域中鄱阳湖水系年PET值最高，洞庭湖水系最低，四季分布对年PET值的贡献大小顺序与整个流域变化规律相似.
3) 对长江中下游流域2004-2013年的遥感蒸散发产品MOD16/PET与基于P-M公式计算的PET值进行对比分析，其相关系数、平均相对误差与均方根误差均值分别是0.67、10.4%、0.31 mm/d，由此表明，两者的匹配程度较好，可以用来计算流域的PET值，同时为长江中下游流域的水资源优化配置和合理利用提供参考.
| [1] |
She Dunxian, Xia Jun, Zhang Yongyong. Changes in reference evapotranspiration and its driving factors in the middle reaches of Yellow River Basin, China[J]. Science of the Total Environment, 2017, 607-608: 1151-1162. DOI:10.1016/j.scitotenv.2017.07.007 |
| [2] |
Kool D, Agam N, Lazarovitch N, et al. A review of approaches for evapotranspiration partitioning[J]. Agricultural and Forest Meteorology, 2014, 184: 56-70. DOI:10.1016/j.agrformet.2013.09.003 |
| [3] |
李红霞, 张永强, 张新华, 等. 遥感Penman-Monteith模型对区域蒸散发的估算[J]. 武汉大学学报(工学版), 2011, 44(4): 457-461. Li Hongxia, Zhang Yongqiang, Zhang Xinhua, et al. Estimation of regional transpiration and evaporation using Penman-Monteith equation[J]. Engineering Journal of Wuhan University, 2011, 44(4): 457-461. |
| [4] |
Jung M, Reichstein M, Ciais P, et al. Recent decline in the global land evapotranspiration trend due to limited moisture supply[J]. Nature, 2010, 467(7318): 951-954. DOI:10.1038/nature09396 |
| [5] |
秦年秀, 陈喜, 薛显武, 等. 潜在蒸散发量计算公式在贵州省适用性分析[J]. 水科学进展, 2010, 21(3): 357-363. Qin Nianxiu, Chen Xi, Xue Xianwu, et al. An applicability study of potential evapotranspiration models in Guizhou Province[J]. Advances in Water Science, 2010, 21(3): 357-363. |
| [6] |
Dinpashoh Yagob, Jhajharia Deepak, Fakheri-Fard Ahmad, et al. Trends in reference crop evapotranspiration over Iran[J]. Journal of Hydrology, 2011, 399(3): 422-433. |
| [7] |
刘昌明, 张丹. 中国地表潜在蒸散发敏感性的时空变化特征分析[J]. 地理学报, 2011, 66(5): 579-588. Liu Changming, Zhang Dan. Temporal and spatial change analysis of the sensitivity of potential evapotranspiration to meteorological influencing factors in China[J]. Acta Geographica Sinica, 2011, 66(5): 579-588. |
| [8] |
刘胜娅, 王会肖, 王艳阳, 等. 北京市潜在蒸散发量的时间序列变化特征分析[J]. 南水北调与水利科技, 2013, 11(4): 13-16. Liu Shengya, Wang Huixiao, Wang Yanyang, et al. Variation characteristics analysis of time series of potential evapotranspiration in Beijing[J]. South-to-North Water Transfers and Water Science & Technology, 2013, 11(4): 13-16. |
| [9] |
高歌, 龚乐冰, 赵珊珊, 等. 日降水量空间插值方法研究[J]. 应用气象学报, 2007, 18(5): 732-736. Gao Ge, Gong Lebing, Zhao Shanshan, et al. Spatial interpolation methods of daily precipitation[J]. Journal of Applied Meteorological Science, 2007, 18(5): 732-736. DOI:10.3969/j.issn.1001-7313.2007.05.020 |
| [10] |
张山清, 普宗朝. 新疆参考作物蒸散量时空变化分析[J]. 农业工程学报, 2011, 27(5): 73-79. Zhang Shanqing, Pu Zongchao. Temporal and spatial variation characteristics of reference evapotranspiration in Xinjiang[J]. Transactions of the Chinese Society of Agricultural Engineering, 2011, 27(5): 73-79. DOI:10.3969/j.issn.1002-6819.2011.05.012 |
| [11] |
赵燊, 陈少辉. 基于台站和MOD16数据的山东省蒸散及潜在蒸散时空变化[J]. 地理科学进展, 2017, 36(8): 1040-1047. Zhao Shen, Chen Shaohui. Spatiotemporal variations of evapotranspiration and potential evapotranspiration in Shandong Province based on station observations and MOD16[J]. Progress in Geography, 2017, 36(8): 1040-1047. |
| [12] |
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. |
| [13] |
李超凡, 罗格平, 李均力, 等. 近20 a中亚净初级生产力与实际蒸散发特征分析[J]. 干旱区地理(汉文版), 2012, 35(6): 919-927. Li Chaofan, Luo Geping, Li Junli, et al. Net primary productivity and actual evapotranspiration of Central Asia in recent 20 years[J]. Arid Land Geography, 2012, 35(6): 919-927. |
| [14] |
杨文峰, 李星敏, 卢玲. 基于能量平衡的蒸散遥感估算模型的应用研究[J]. 西北农林科技大学学报:自然科学版, 2013, 41(2): 46-52. Yang Wenfeng, Li Xingmin, Lu Ling. Application of remote sensing model based on energy balance to estimate evapotranspiration[J]. Journal of Northwest A&F University: Natural Science Edition, 2013, 41(2): 46-52. |
| [15] |
Yao Yunjun, Liang Shunlin, Li Xianglan, et al. Improving global terrestrial evapotranspiration estimation using support vector machine by integrating three process-based algorithms[J]. Agricultural & Forest Meteorology, 2017, 242: 55-74. |
| [16] |
朱婧瑄, 齐述华, 刘贵花, 等. 2000-2013年鄱阳湖流域蒸散量时空变化[J]. 长江流域资源与环境, 2016, 25(Z1): 9-16. Zhu Jingxuan, Qi Shuhua, Liu Guihua, et al. Spatiotemporal variation of terrestrial evapotranspiration in Poyang Lake Watershed from 2001 to 2013[J]. Resources and Environment in the Yangtze Basin, 2016, 25(Z1): 9-16. |
| [17] |
陈少丹, 张利平, 闪丽洁, 等. 长江中下游流域土壤湿度遥感反演研究及其影响因素分析[J]. 应用基础与工程科学学报, 2017, 25(4): 657-669. Chen Shaodan, Zhang Liping, Shan Lijie, et al. Research on remote sensing inversion of soil moisture and analysis of influencing factors in the middle and lower Yangtze River Basin[J]. Journal of Basic Science and Engineering, 2017, 25(4): 657-669. |
| [18] |
Liu Rong, Wen Jun, Wang Xin, et al. Validation of evapotranspiration and its long-term trends in the Yellow River source region[J]. Journal of Water & Climate Change, 2017, c2017134. |
| [19] |
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. |
| [20] |
Wang Zhaoli, Xie Peiwei, Lai Chengguang, et al. Spatiotemporal variability of reference evapotranspiration and contributing climatic factors in China during 1961-2013[J]. Journal of Hydrology, 2017, 544: 97-108. DOI:10.1016/j.jhydrol.2016.11.021 |
| [21] |
张守红, 刘苏峡, 莫兴国, 等. 阿克苏河流域气候变化对潜在蒸散量影响分析[J]. 地理学报, 2010, 65(11): 1363-1370. Zhang Shouhong, Liu Suxia, Mo Xingguo, et al. Assessing the impact of climate change on reference evapotranspiration in Aksu River Basin[J]. Acta Geographica Sinica, 2010, 65(11): 1363-1370. DOI:10.11821/xb201011006 |
| [22] |
Penman H L. Natural evaporation from open water, hare soil and grass[J]. Proceedings of the Royal Society of London, 1948, 193(1032): 120. |
| [23] |
Monteith J L. Evaporation and environment[J]. Symposia of the Society for Experimental Biology, 1965, 19(19): 205. |
| [24] |
Liu Tiegang, Li Longguo, Lai Jianbin, et al. Reference evapotranspiration change and its sensitivity to climate variables in southwest China[J]. Theoretical & Applied Climatology, 2016, 125(3-4): 499-508. |
| [25] |
Mu Qiaozhen, Heinsch Faith Ann, Zhao Maosheng, et al. Development of a global evapotranspiration algorithm based on MODIS and global meteorology data[J]. Remote Sensing of Environment, 2007, 111(4): 519-536. |
| [26] |
Mu Qiaozhen, Zhao Maosheng, Running Steven W. Improvements to a MODIS global terrestrial evapotranspiration algorithm[J]. Remote Sensing of Environment, 2011, 115(8): 1781-1800. DOI:10.1016/j.rse.2011.02.019 |
| [27] |
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. |