蒸散發包括植被蒸騰和土壤表面蒸發兩部分,是水文循環中自降水到達地表后由液態或固體轉化為水汽返回大氣的階段.Rosenberg N. J. 和 Blad B. L. 等人[1]的研究指出降落到地表的降水約有 70% 通過蒸散發返回大氣,在干旱區這個數字能達到 90%[2].由此可見蒸散發是水文循環的重要環節.作為淡水資源的主要耗散方式之一,近年來,對陸面蒸散發的研究越來越受到重視,首先因為它是陸地表層水文循環中最大、最難估算的分量,在地球的大氣圈 - 水圈 - 生物圈中發揮著極其重要的作用,我們人類必須了解它[3]; 其次,由水分變成水汽需要吸收能量,因而它也是地表能量平衡的主要分量,而地表熱量和水分收支狀況在很大程度上決定著天氣、氣候的變化,所以在對全球氣候變化的認識和研究中,蒸散發信息的重要性也日益得到重視[3 -5]; 另外,在全球水資源日益匱乏的現實背景下,為了合理利用和分配水資源,更需深入了解不同植被覆蓋和土地利用條件下的蒸散發耗水規律,在干旱區尤為如此.因此,作為干旱區流域最主要的耗水方式,準確合理地估算蒸散發量,深入分析其時空分布特征,對了解干旱區流域水分循環和能量平衡,科學管理水資源,具有重要的理論價值和迫切的現實意義.

傳統的蒸散發量估算方法如 Penman - Monteith 模型、Penman - 組合模型和基于太陽輻射的日蒸散發模型等,主要利用氣象數據,估算點尺度上的蒸散發量,局限于離散的點觀測與估算,存在插值外延精度低、大范圍高密度觀測成本大等缺陷[6],而遙感技術提供了面尺度上估算方法.隨著遙感空間分辨率、時間分辨率和光譜分辨率的不斷改善,利用遙感技術定量反演地表參數和地表通量,進而基于地表能量平衡方程推算陸面蒸散發量已經成為估算區/流域蒸散發量的重要發展方向[7].

文中基于雙層阻抗模型,以典型干旱區流域 - 瑪納斯河流域為研究對象,采用理論基礎堅實、區域應用限制小、反演陸面蒸散發量較為合理準確的雙層阻抗模型,并根據研究區實際情況進行了模型參數化的基礎上,結合 MOIDS 數據、氣象觀測數據和 DEM 數據,估算了該流域的陸面蒸散量,并分析了其時空分布特征.

1 材料與研究方法

1. 1 研究區概況

瑪納斯河流域位于新疆天山北麓中段,準噶爾盆地南緣,地理坐標 85°01' ~86°32'E,43°27' ~45°21'N,東西最長 198. 7km,南北最寬 260. 8km,海拔最高 5242. 5m,最低 256m,由南向北依次分為南部山地丘陵區、中部綠洲平原區和北部沙漠區 3 大地貌類型區,流域總面積 2. 67 ×10^4km2[8].流域遠離海洋,屬典型的大陸性干旱氣候,年平均氣溫在 6. 0 ~6. 9 ℃之間,夏季極端最高氣溫可達 43. 1 ℃,冬季極端最低氣溫可達 -42. 8℃左右[9].年降水量 110 ~200mm,年蒸發量 1500 ~2000mm,具有氣候干燥,光照充足,熱量豐富,雨量稀少,蒸發量大,氣溫日較差大等大陸性氣候特點[10,11].

1. 2 數據來源

文中研究主要采用了兩類數據: MODIS 遙感數據和地面實測數據.

1. 2. 1 MODIS 遙感數據

文中研究采用了 2007 年 7 月 3 日的可用來監測地球植被季節變化和年際變化的 MODIS 反射率數據\\( 圖 1\\) ,空間分辨率為 500m.該數據從地球觀測系統\\( EOS\\) 計劃的 NASA 網站上下載,已進行了輻射和大氣校正,其特點是在已有數據的基礎上進行了一些改進,如去除了部分影響較大的噪音點.

1. 2. 2 地面實測數據

為了深入分析遙感反演結果,與遙感數據相對應,文中獲取了該流域 2007 年 7 月 3 日炮臺、鐘家莊和烏蘭烏蘇氣象站\\( 圖 2\\) 的實測數據.

1. 3 研究方法

1. 3. 1 雙層阻抗模型

所謂的雙層就是把非均勻陸面的植被冠層和土壤表面分別看作獨立的通量源,作為上下兩個層,分別考慮他們的動量吸收、能量和物質轉化傳輸過程以及兩者的相互作用.雙層阻抗模型將充分考慮到冠層小氣候對土壤和植被的不同影響,從而分別針對土壤表面和植被冠層進行模型的參數確定.對于陸地地表來說,地表能量平衡方程可簡化為[12,13]: LE = Rn- H - G \\( 1\\)
式中: LE 為潛熱通量\\( L 為蒸散系數,通常取 2. 49 ×10^6W / \\( m2·mm\\) ; E 為蒸散發量,單位 mm\\) ,Rn為地表凈輻射,H 為顯熱通量,G 為土壤熱通量.各參數的單位均為 W/m2.

由式\\( 1\\) 及梯度擴散理論,植被冠層和土壤表面的能量平衡方程可分別表示為:

LEv= Rnv- Hv \\( 2\\).

LEg= Rng- Hg- G \\( 3\\)

式中: LEv為植被冠層的潛熱通量,LEg為土壤表面的潛熱通量,Rnv為植被冠層截獲的凈輻射,Rng為透過植被冠層孔隙到達下層土壤表面的凈輻射,Hv為植被冠層的顯熱通量,Hg為土壤表面的顯熱通量.各參數的單位均為 W/m2.

因而,對蒸散發量的估算就演變成對 Rnv、Rng、Hv、Hg、G 的估算.

\\( 1\\) 植被冠層和土壤表面的凈輻射\\( Rnv、Rng\\)
Rnv和 Rng可以利用植被覆蓋率來估算他們的構成比例,具體可分別用公式\\( 4\\) 和\\( 5\\) 來估算:

Rnv= fv·Rn \\( 4\\)
Rng= \\( 1 - fv\\) ·Rn \\( 5\\)

式中: fv為像元上植被所覆蓋的比例,即植被覆蓋率.一般情況下,植被指數與植被覆蓋度具有較強的正相關性,植被指數值越高,其植被覆蓋度就越大[14],據 Gutman 研究表明 fv可由公式\\( 6\\) 計算得到[15]:

fv= \\( NDVI - NDVImin\\) /\\( NDVImax- NDVImin\\) \\( 6\\)

式中: NDVI 為歸一化差異植被指數,NDVImax和 NDVImin分別為整個生長季 NDVI 的最大和最小值.

\\( 2\\) 土壤熱通量\\( G\\)

G 可以采用公式\\( 7\\) 給出綜合法進行計算: G = Rn·\\( kv+ \\( 1 - fv\\) ·\\( ks- kv\\) \\) \\( 7\\)

通常式中: ks= 0. 315、kv= 0. 05.

\\( 3\\) 顯熱通量\\( H,Hv、Hg\\)

整個植被冠層與參考高度處空氣的顯熱通量 H,可以湍流形式表示為[16]:

H = ρCp\\( Te- T\\) / ra \\( 8\\) H = Hv+ Hs \\( 9\\)

顯然,植被冠層與空氣的顯熱通量\\( Hv\\) 和土壤表面與植被冠層的顯熱通量\\( Hg\\) 分別表示為:

Hv= ρCp\\( Tv- Te\\) /rv \\( 10\\) Hg= ρCp\\( Tg- Te\\) /rg\\( 11\\)

式中: ρ 為空氣密度,kg/m3; Cp為空氣定壓比熱,J/\\( kg·K\\) ; Ta為參考高度處的氣溫,Tg為土壤表面溫度,Tv為植被冠層溫度,Te為冠層有效高度處的空氣動力學溫度,單位均為 K; ra為空氣動力學阻抗,rv為整個植被冠層的葉面邊界層阻抗,rg為土壤表面與熱源高度間的空氣動力學阻抗,單位均為 s/m.

將式\\( 10\\) 、\\( 11\\) 代入式\\( 9\\) 并與式\\( 8\\) 聯立可得到式\\( 12\\) ,再將式\\( 12\\) 代入式\\( 10\\) 、\\( 11\\) ,則得到式\\( 13\\) 、\\( 14\\) :

1. 3. 2 日蒸散發模型

遙感獲取的是衛星過境時地表瞬時影像信息,由此反演得到的地表參數只代表那個瞬時的值,因而估算得到的輻射量、熱通量以及蒸散發量也只代表那個瞬時的狀況.而實際應用中需要的至少是日蒸散發量,因此,就必須對其進行時間尺度擴展,從瞬時值推算一天的累計值.相關研究表明,日蒸散發量與瞬時蒸散發量存在如下關系[17 -19].

式中: Ed為日蒸散發量,Ei為衛星過境時的瞬時蒸散發量,單位 mm; t 為從日出到 i 時刻的時間間隔;NE為日出到日落的時間長度,可近似為日照時數減 2[12].

2 結果與分析

2. 1 瞬時蒸散發量

應用上述雙層阻抗模型,利用 2007 年 7 月3 日的 MODIS 數據,在 ENVI + IDL 4. 5 軟件環境下,通過編制程序,反演得到了 2007 年 7 月 3 日衛星過境時的瞬時蒸散發量及其空間分布\\( 圖 3\\) .

從圖 3 可以看出瑪納斯河流域的瞬時蒸散發量表現出明顯的地理分布規律,從南到北依次可分為 4個區: 南部高山區、低山丘陵區、平原綠洲區、平原沙漠區.南部高山區瞬時蒸散發量最低,沙漠區瞬時蒸散發量最大.

2. 2 日蒸散發量

應用上述日蒸散發模型,對反演得到的瞬時蒸散發量進行時間尺度擴展,得到 2007 年 7 月 3 日的日蒸散發量及其空間分布\\( 圖 4\\) .

從圖 4 可以看出,南部高山區海拔高,終年積雪,氣溫低,蒸散發量很小; 中山區植被覆蓋度高,氣溫低、蒸散發量也很小; 低山丘陵區海拔較低,氣溫較高、植被稀疏,蒸發強烈,蒸散發量較大; 綠洲平原區氣溫高、但由于植被\\( 農田\\) 覆蓋率很高,蒸散發量較低山丘陵區小; 沙漠區植被稀疏、氣溫很高、蒸發強烈,因而蒸散發量最大.

2. 3 地面實測驗證

為了驗證遙感反演結果,文中選取炮臺、鐘家莊和烏蘭烏蘇三個氣象站 2007 年 7 月 3 日的實測數據與遙感反演結果進行對比分析,分析對比結果\\( 表 1\\) .

從對比分析結果可以看出,炮臺站和鐘家莊站利用 MODIS 數據反演的蒸散發量與實測值相對誤差最大不超過 6. 0%,可以認為利用 MODIS 數據反演的蒸散發量是合理的,而且精度較高.而烏蘭烏蘇站利用 MODIS 數據反演的蒸散發量與實測值相比誤差很大,相對誤差達到了 31. 48%,因此是不合理的,其主要原因是烏蘭烏蘇氣象站附近當天下午有雨,實測降雨量為 4. 8mm,由于遙感數據是衛星過境瞬時\\( 上午10 時 30 分\\) 的數據,當時天氣晴朗,而進行時間尺度擴展時以此數據為基準,沒有考慮一天內天氣的變化對蒸散量的影響.因此,將瞬時遙感蒸散發量進行時間尺度的擴展時,應該考慮當天天氣的變化情況.

3 討論

\\( 1\\) 基于雙層阻抗模型,利用 MODIS 數據可以有效及時地估算時段內流域比較準確的蒸散量及其分布情況,其所具有的計算迅捷、準確、無成本等優勢使其具有了很好的推廣價值.但是在實際應用中還存在一些問題,如模型在地形陡峭的山區中應用尚不成熟,模型采用的大量經驗公式還需用實測資料來加以率定以及最終計算結果往往還需根據實際情況進行人工的修正等等,這些不足之處還都有待于在今后的工作中予以改進.

\\( 2\\) 研究發現一天內天氣的變化對蒸散發量的影響較大,而模型在進行時間尺度擴展時沒有考慮當天天氣的變化情況,目前這方面的研究還比較薄弱,因此,今后應該加強這方面的研究.

\\( 3\\) 文中主要利用了 MODIS 遙感數據.MODIS 數據時間分辨率高,有利于捕捉地面快速動態變化信息,適合估算時間變異性大的蒸散發量.但是 MODIS 數據空間分辨率不足,這將影響估算的精度,因此,在今后的研究中,應該將 MODIS 數據與其他遙感數據相結合,充分利用其他數據的高空間和光譜分辨率,達到優勢互補,從而實現對蒸散發量的有效估算.

4 結論

\\( 1\\) 基于雙層阻抗模型,利用 MODIS 數據,得到了瑪納斯河流域的蒸散發量及空間分布情況.研究區瞬時蒸散量的最小值為 0. 2035mm,最大值為 2. 3981mm,日蒸散量的最小值為 2. 2062mm/d,最大值為25. 9978mm / d,平均值為 10. 0057mm / d.

\\( 2\\) 在空間上,中高山區和綠洲平原區,由于植被覆蓋度高,以植被蒸騰為主,蒸散發量小; 而低山丘陵區和沙漠區,由于植被稀疏,以土壤蒸發為主,蒸發強烈,蒸散發量大.因而,在干旱區流域植被覆蓋對下墊面的蒸散發量的影響很大,有無植被覆蓋的下墊面蒸散發量很不相同[20].

參考文獻

[1]Rosenberg N J,Blad B L,Verma S B. Microclimate: the biological environment of Plants[M]. New York: Wiley - Interscience,1983.

[2]郭曉寅,程國棟. 遙感技術應用于地表面蒸散發的研究進展[J]. 地球科學進展,2004,19\\( 1\\) : 107 -114.

[3]辛曉洲. 用定量遙感方法計算地表蒸散[D]. 北京: 中國科學院研究生院\\( 遙感應用研究所\\) 地圖學與地理信息系統,2003.

[4]Sellers P J,Bounoua L,Collatz G J,et al. Comparison of radiative and physiological effects of doubled atmospheric CO2 on climate[J]. Science,1996,271\\( 5254\\) : 1402 - 1406.

[5]Sellers P J,Randall D A,Collatz G J,et al. A revised land surface parameterization \\( SiB2\\) for atmospheric GCMs. Part I: Model formulation[J]. Journal of Climate,1996,9\\( 4\\) : 676 -705.

[6]鄧世贊,張友靜,張子衡,等. 基于 IDL 的 MODIS 影像地表蒸散發參數反演系統[J]. 河海大學學報\\( 自然科學版\\) ,2010,38\\( 4\\) : 447- 451.

[7]李發鵬,徐宗學,李景玉. 基于 MODIS 數據的黃河三角洲區域蒸散發量時空分布特征[J]. 農業工程學報,2009,25\\( 2\\) : 113 -120.

[8]趙寶峰. 干旱區水資源特征及其合理開發模式研究 - 以瑪納斯河流域為例[D]. 西安: 長安大學,2010.

[9]凌紅波,徐海量,張青青,等. 1956 -2007 年新疆瑪納斯河流域氣候變化趨勢分析[J]. 冰川凍土,2011,33\\( 1\\) : 64 -71.

[10]封玲. 瑪納斯河流域農業開發與生態環境變遷研究[D]. 南京: 南京農業大學,2005.

[11]禹樸家,張青青,樊自立,等. 瑪納斯河流域生態補償機制探析[J]. 水土保持通報,2010,30\\( 5\\) : 191 -195.

[12]陳云浩,李曉兵,李京,等. 陸面日蒸發散量計算的兩層阻抗遙感模型[J]. 武漢大學學報\\( 信息科學版\\) ,2005,30\\( 12\\) : 1075 -1079.

[13]喬平林,張繼賢,王翠華. 石羊河流域蒸散發遙感反演方法[J]. 干旱區資源與環境,2007,21\\( 4\\) : 107 -110.

[14]段英杰,何政偉,王永前,等. 基于遙感數據的西藏自治區土地沙漠化監測分析研究[J]. 干旱區資源與環境,2014,28\\( 1\\) : 55 -61.

[15]Gutman G,Ignatov A. The Derivation of the Green Vegetation Fraction from NOAA/AVHRR Data for Use in Numerical Weather Prediction Mod-els[J]. International Journal of Remote Sensing,1998\\( 19\\) : 1533 - 1543.

[16]Spittlehouse L D,Black A T. Evaluation of the Bowen Ratio/energy Balance Method for Determining forest Evapotranspiration[J]. Atmosphere -Ocean,1980\\( 18\\) : 98 - 116.

[17]D J R. Evaluating Evapotranspiration at Local and Regional Scales[M]. USA: Proceedings of The I. E. E. E. ,1985.

[18]謝賢群. 遙感瞬時作物表面溫度估算農田全日蒸發散總量[J]. 環境遙感,1991,6\\( 4\\) : 253 -259.

[19]Zhang L,Lemeur R,Goutorbe J P. A one - layer resistance model for estimating regional evapotranspiration using remote sensing data[J]. Agri-cultural and Forest Meteorology,1995,77\\( 3 - 4\\) : 241 - 261.

[20]Huo Aidi,Li Hua,Hou Ming,et al. Relations between surface evapotranspiration and water table: A case study base on remote sensing[J]. Afri-can Journal of Agricultural Research,2011,6\\( 32\\) : 6653 - 6660