基于遥感数据与SEBAL模型的江浙沪地区地表蒸散反演

图1 江浙沪地区高程图

Fig.1 Regional DEM in Jiangsu-Zhejiang-Shanghai Area

1.2 数据源

本研究主要采用美国USGS网站(https://lpdaac.usgs.gov/)提供的3种MODIS产品MOD09A1,MOD09Q1和MOD11A2对SEBAL模型中的重要参数进行了反演。MODIS数据具有中等空间分辨率和高时间分辨率,非常适用于对江浙沪地区的蒸散进行遥感反演。MOD09A1,MOD09Q1和MOD11A2的空间分辨率分别为500 m,250 m和1 000 m,所以要用MRT软件将3种MODIS产品的空间分辨率统一采样为1 000 m,再对后续的数据进行进一步的处理。其中,提取MOD09A1的6个波段对反照率进行计算,利用MOD09Q1的第1和第2波段进行归一化差值植被指数(normalized difference vegetation index,NDVI)的计算; 并利用MOD11A2中提取LST_Day_1 km波段数据,参与计算SEBAL模型中的各能量组分。

除遥感数据外,还需要用到气象数据参与SEBAL模型的辅助计算,用引土地利用数据进行结果分析。土地利用数据来源于国家科技基础条件平台—国家地球系统科学数据共享服务平台(http://www.geodata.cn),并利用ArcGIS软件对土地利用数据进行重分类。气象数据来源于中国气象数据共享网站(http://data.cma.cn/),包括江浙沪区域内30个气象站的各站点最高温度、最低温度、平均气温、风速、日照时数、相对湿度以及气压等,在SEBAL模型中主要参与显热通量的计算和蒸散在季节尺度上的扩展计算。

在计算显热通量时分别将风速与气温的站点数据以插值的形式扩展到整个空间区域上。其中风速的插值采用了基于ArcGIS软件平台的反距离权重法^[16]; 但是考虑到高程对气温的影响,在对温度进行插值时采用了局部薄盘光滑样条法^[17],从而使气象数据与遥感数据在空间与时间尺度上相匹配。

2 SEBAL模型构成与蒸散在时间上的扩展2.1 SEBAL模型构成

SEBAL模型是由Bastiaanssan^[13]于1998年提出的考虑了各部分能量物理机制的蒸散反演模型。其基本核心为地表能量平衡方程,即在求得及辐射通量、土壤热通量以及显热通量的基础上通过剩余法对潜热通量进行求解。地表能量平衡方程为:

(1)LE=R_n-G_n-H ,

式中: R_n为净辐射通量,w/m² ,可以通过大气辐射传输方程计算得到,代表了地表所接收到来自太阳的有效辐射; G_n为土壤热通量,w/m² ,为单位时间、单位面积上的土壤热交换量,可表征为R_n 的经验函数; H为显热通量,w/m² ,与空气动力学阻抗以及温度梯度以及其他空气参数有关,代表单位面积上地表与大气在垂直方向上所交换的热量; LE为潜热通量,w/m² ,是地表能量平衡方程的余项,代表水分由液态转换为气态所释放的热量。

根据大气辐射传输方程理论,净辐射通量R_n为:

(2)R_n=(1-α)R_s+

R_{L}^{↓}

R_{L}^{↑}

式中: R_s为太阳总辐射; α为地表反照率,可以根据MOD09A1产品经过计算得出; $R_{L}^{↓}$ 为下行长波辐射; $R_{L}^{↑}$ 为上行长波辐射。其中 $R_{L}^{↓}$ 与大气比辐射率与空气温度相关; $R_{L}^{↑}$ 与地表比辐射率ε和地表温度相关,其中ε是关于NDVI的函数。

土壤热通量作为土壤和植被在辐射传输作用中保存下来的能量,其占有组分较小,通常状况下多采用与R_n相关的经验公式计算得到,即

(3)

\frac{G_{n}}{R_{n}}

\frac{T_{s} - 273.15 (0.0038 α + 0.0074 α^{2}) (1 - 0.98 NDV I^{4})}{α}

式中T_s 为区域上的地表温度,K。NDVI由MOD09Q1计算得到。公式为:

(4)NDVI=

\frac{B_{NIR} - B_{RED}}{B_{NIR} + B_{RED}}

式中B_RED与B_NIR分别对应MOD09Q1产品的红光波段与近红外波段的反照率。

显热通量H的计算是SEBAL模型中的反演重点,其计算中的核心便是结合土地利用分类图像对冷热像元点的选择,其目的主要是为了计算空气温度梯度变量d_T,其中一般会选择水田地物中地表温度最低的像元作为冷点,而选择裸土地物中的地表温度最高的像元作为热点。此外,风速作为一项重要的气象要素也被考虑进显热通量的计算中,其主要目的是计算处于距离地面200 m的大气中性稳定度的摩擦风速U_*与空气动力学阻力r_ah。得到第一次的空气动力学阻力后计算第一次显热通量,然后进行迭代计算,直到得到相对稳定的r_ah,进而求得最终的显热通量H,即

(5)H=

\frac{ρ_{air} c_{p} d_{T}}{r_{ah}}

式中: ρ_air为空气密度,是关于空气温度与高程的函数,kg·m³ ; c_p为空气的比热容,通常取常数1 004 J·kg^-1·K^-1; r_ah为空气动力学阻抗; d_T为空气温度梯度,空气温度梯度的计算与冷热点的选择有关。以选择的冷热点为基准,提取2个点的地表温度T_s并建立线性回归方程,即

(6)d_T=aT_s+b 。

在显热通量的确定上采用迭代方法进行计算,在SEBAL模型中采用Monin-Obukhov长度作为迭代的参考标准,以此来校正不同像元上的r_ah,Monin-Obukhov长度公式为:

(7)L=-

\frac{ρ_{air} c_{p} u_{*}^{3} T_{s}}{k gH}

式中: u_*为摩擦速度,可以由风速计算得出; g为重力加速度,通常取值为9.81 m·s^-2 ; k为卡曼常数,取值为0.41。根据式(7)的结果L共分为3种情况,L>0,L=0和L<0,分别代表了每个像元所处区域上大气的实际情况,并以此作为标准,对每个像元的r_ah进行校正,得到相对稳定的r_ah,并以此为最终结果计算最终的显热通量H。

将以上3个地表能量平衡方程的能量分量计算出后,根据式(1)可以得到潜热通量LE,进而可以推导出日尺度上的蒸散量。卫星过境时每个像元的日尺度蒸散量为:

(8)ET₂₄=

\frac{86400 Λ_{inst} (R_{n 24} - G_{n 24})}{λ}

(9)λ=[2.501-0.002 36×(T_a-273.15)]×10⁶ ,

(10)Λ_inst=

\frac{LE}{R_{n} - G_{n}}

式中: λ为汽化潜热,J·kg^-1; R_n24为地表一天所接受的净辐射通量; G_n24为地表一天的土壤热通量,一般情况下认为地表白天吸收与夜晚释放的能量相等,所以G_n24一般情况下为0; Λ_inst为瞬时蒸发比。

在计算R_n24时采用了Raúl E. Rivas 与 Facundo Carmona等的方法^[18],即

(11)R_n24=C_dR_n ,

(12)C_d=0.43-54/R_n ,

式中: C_d为日尺度上的净辐射通量与瞬时净辐射通量之比,并且C_d与R_n存在着如式(12)所示的关系,故以此为基础计算R_n24。

SEBAL模型的验算流程如图2所示。

图2

图2 SEBAL模型演算流程

Fig.2 SEBAL model calculation process

2.2 日尺度蒸散在月尺度上的扩展

日尺度蒸散向月尺度蒸散的扩展借鉴了瞬时蒸散向日尺度蒸散的思想。DU等^[20]认为,某一天的实际蒸散ET与日参考作物蒸散ET₀之间的比值是不变的。以此为基础通过计算某一天晴空遥感影像的ET与ET₀之间的比值EF_day,以此作为某段时间内的特征值来计算这一段时间内的实际蒸散。其计算方法为:

(13)EF_day=

\frac{ET}{E T_{0}}

(14)ET₀=

\frac{0.408 Δ (R_{n_s} - G_{n_s}) + γ \frac{900}{T_{a} + 273.15} U_{2} (e_{s} - e_{a})}{Δ + γ (1 + 0.34 U_{2})}

式中: ET₀为参考作物蒸散,由世界粮农组织推荐的彭曼公式计算得到; R_{n_s}为站点的日净辐射通量,MJ·m^-2·d^-1; G_{n_s}为站点的日土壤热通量,MJ·m^-2·d^-1; T_a为空气温度,℃; U₂为站点2 m处的风速,m·s^-1; e_s为饱和水汽压,kPa; e_a为实际水汽压,kPa; Δ为饱和水汽压与温度的曲线斜率,kPa·℃^-1; γ为温度计常数,kPa·℃^-1。

本研究选择的MODIS产品的时间分辨率为8 d,所以在下一步计算时求得的ET_{0_8d}值为8 d的参考作物蒸散的总和。而8 d总共的实际蒸散ET_8d为:

(15)ET_8d=EF_day×ET_{0_8d} 。

3 结果与分析

3.1 结果验证

选择安置于南京信息工程大学农业气象试验站稻田间的大型称重式蒸渗仪数据作为对比数据进行验证。该蒸渗仪由兰州干旱气象研究所研制的,有效蒸散面积为4.0 m²,原状土注深2.6 m, 可保证作物根系的自由生长。试验期间由微处理机换算为重量,并进行自动采集监测,每1 h自动采集纪录一次数据,前后2次测值之差即为蒸散量。该蒸渗计采用优良的称重系统,测量精度为0.1 mm。作物的蒸散量利用水量平衡法原理计算得到,因此,计算中忽略气态水的凝结,将灌溉日与降雨日的数据剔除或修正再使用。因为2012年的蒸渗仪观测数据相对比较完整,因此采用2012年的11景遥感蒸散估算结果进行验证。结果表明,基于SEBAL模型所反演的江浙沪地区的蒸散的相对误差为25%,线性回归方程的决定系数R²为0.71(图3),可以认为这个蒸散结果较为准确。

图3

图3 SEBAL估算结果验证

Fig.3 Validation of the SEBAL model calculation results

3.2 江浙沪地区土地利用变化特征

基于江苏省、浙江省和上海市的地物分类,本研究的地类共分为9个大类,分别为: 林地、草地、水体、水田、旱地、城镇、农村居民点、未利用地和滩涂滩地。具体的分析如表1所示。图4为研究区2000年和2010年土地利用分类图。结合表1和图4可知,研究区未利用地与城镇在这10 a间有了明显的增长,增长量分别为138.2 km²和8 432.1 km²,增长率分别为178.3%与126.7%。其他面积增长的地物还有水体与农村居民点,增长量为2 628.3 km²与2 035.8 km²,增长率为17.7%与15.6%。未利用地的增长率较高,但其实际增长的面积与其他面积增长的地物相比很小。其余土地利用类型的面积都有减少的趋势。其中林地的面积在所有面积减少的地物中变化程度最小。林地在这10 a间减少1 729.7 km²,减少率仅为2.5%。草地与滩涂滩地的减少程度比较明显,分别减少了558.4 km²,与656.5 km²,减少率分别为14.8%与17.2%。水田与旱地的减少量为7 316.7 km²与2 973.1 km²。江浙沪地区的城镇用地在10 a间有着明显的变化,特别是研究区中部的城市群表现出了明显的扩张特征,而在这10 a中城镇的地物的主要来源为水田等农用地。

表1 2000—2010年江浙沪地区土地利用转移矩阵

Tab.1 Land use transfer matrix of the Jiangsu-Zhejiang-Shanghai Area from 2000 to 2010(km²)

2000年	2010年
2000年	林地	草地	水体	未利用地	水田	旱地	农村居民点	滩涂滩地	城镇	总计
林地	66 674.8	285.1	297.4	34.3	495.8	714.4	164.4	11.0	590.8	69 268.0
草地	216.3	2 777.8	306.5	64.8	67.6	86.2	13.5	82.2	155.3	3 770.3
水体	20.7	14.0	14 230.7	0.6	124.2	60.1	35.7	129.1	268.5	14 883.7
未利用地	5.0	2.3	3.0	15.0	0.3	41.3	1.1	0.1	9.6	77.5
水田	450.6	16.4	1 479.8	23.3	62 898.3	194.9	2 706.6	34.0	5427.0	73 230.9
旱地	118.9	4.8	212.4	40.6	1 990.6	25 275.0	596.0	10.4	1195.7	29 444.3
农村居民点	14.6	0.9	60.6	2.6	204.2	51.7	11 296.9	1.5	1 398.0	13 030.9
滩涂滩地	24.9	79.3	601.8	0.2	76.0	28.6	13.2	2879.7	104.9	3 808.5
城镇	12.4	31.5	320.0	34.2	57.1	19.2	239.4	3.9	5 936.2	6 653.8
总计	67 538.3	3 211.9	17 512.0	215.7	65 914.2	26 471.2	15 066.7	3 152.0	15 085.9	21 4167.9
变化量	-1 729.7	-558.4	2 628.3	138.2	-7 316.7	-2 973.1	2 035.8	-656.5	8 432.1	—

新窗口打开| 下载CSV

图4

图4 江浙沪地区2000年和2010年的土地利用分类

Fig.4 LUCC in the Jiangsu-Zhejiang-Shanghai Area in 2000 and in 2010

3.3 江浙沪地区日平均蒸散特征

对江浙沪地区的不同土地利用类型的生长季进行提取后得到不同土地利用类型的蒸散特征,该地区的日蒸散结果的空间特征与生长季蒸散空间特征接近,不同下垫面的日平均蒸散特征较为明显,总的来说自然地物(林地、草地、未利用地、水体、滩涂滩地)的蒸散要大于人造地物(水田、旱地、农村居民点、城镇)。从总体上看2004年生长季间的每日平均蒸散为4.5 mm,而2013年生长季间的每日平均蒸散为4.2 mm。在城镇地区蒸散依然表现出了明显的低值特征,2004年生长季间城镇日平均蒸散3.1 mm,而2013年生长季间,城镇日平均蒸散为2.1 mm。农村居民点、水田和旱地的日平均蒸散较为相近,在2004年生长季间,旱地的日平均蒸散为3.9 mm,而在2013年生长季间的日平均蒸散则为4 mm。水田在2 a中的日平均蒸散为4与3.7 mm。农村居民点2 a生长季间日平均蒸散分别为4 mm和3.6 mm。

对于自然地物来说,其蒸散特征与生长季总蒸散相似,水体、林地、滩涂滩地的蒸散最高。水体在2004年与2013年的生长季日平均蒸散为5.7 mm与5.1 mm。林地在2 a间的生长季日平均蒸散都为5.2 mm。滩涂滩地在2 a间的生长季日平均蒸散分别为5.2 mm与5 mm。而草地以及未利用地相比于开放性水体以及林地有所不同,二者的含水量与需水量相较于其他地物较低,因此与其他3种自然地物日蒸散相比,草地与未利用地的日蒸散稍低。草地在2004年的日平均蒸散为4.7 mm,在2013年的日平均蒸散为4.8 mm。未利用地在2 a间的日平均蒸散分别为4.5 mm与4 mm。

3.4 江浙沪地区生长季蒸散的空间特征

蒸散一般集中在植被生长旺盛的季节,所以对生长季的蒸散研究可以直观探讨区域尺度上的蒸散变化。根据江浙沪地区一般作物物候情况,可以认为每年5月—10月为江浙沪地区的生长季,因此以这6个月进行研究。

江浙沪地区由于下垫面复杂导致整个地区的蒸散差异明显。该地区的生长季蒸散范围在2004年与2013年分别为7.7~2 022 mm和0~1 552 mm,整个区域上的生长季平均总蒸散分别为929.4 mm与757.8 mm, 总体上看2013年的生长季蒸散要低于2004年的生长季蒸散。城市发达的地方蒸散较低,而开放型水体区域如: 长江、钱塘江、太湖和洪泽湖等,以及植被覆盖良好的地区的蒸散较高,其他地物的蒸散处于低蒸散区域和高蒸散区域之间(图5)。

图5

图5 江浙沪地区2004年和2013年生长季总蒸散空间分布

Fig.5 Evapotranspiration spatial distribution in the Jiangsu-Zhejiang-Shanghai Area in 2004 and in 2013

蒸散在城镇地区表现较低,在2004年与2013年生长季中的蒸散平均值分别为639.8 mm和415.6 mm。而蒸散在水体与林地地区表现很高,水体2004年的年生长季平均蒸散为1 277.9 mm,而在2013年的生长季平均蒸散为947.6 mm。城镇下垫面大部分为不透水面,其下层土壤的水分无法蒸散出来而降水在不透水面处无法下渗而通过径流流走,因此城镇的蒸散很低。而林地和水体作为高需水与高储水的土地利用蒸散很高。林地在2004年与2013年的生长季平均蒸散分别为1 018.8 mm和926.4 mm。除此之外,草地的需水量不如林地的结果高,但是在整个江浙沪区域草地的生长季平均蒸散相对于其他地物也是比较高的,分别为947.7 mm与863.3 mm。而对于未利用地来说在江浙沪地区中主要为沼泽地,虽然该类地物的蒸散并不低,但是可以看到2013年相较于2004年而言,其蒸散值的差距非常明显。在2004年未利用地的生长季平均蒸散值为976 mm,在2013年为685.1 mm。

水体的生长季平均蒸散在2004年与2013年分别为1 277.9与947.6 mm。而与水体紧密相连的另一地物滩涂滩地,其既属于土地也属于水体的一部分,所以滩涂滩地的生长季平均蒸散也较高,2004年与2013年生长季平均蒸散分别为1 077.5 mm与840.4 mm。

旱地与水田作为江浙沪地区的农用地,其在生长季的蒸散也非常明显。水田地物在所选取的2004年与2013年生长季平均蒸散分别为861.4 mm与653.7 mm。而旱地的生长季平均蒸散分别为813.2 mm与692.9 mm。与农用地紧密相连的居民点由于受到农用地的影响所以其蒸散也和农用地相近,2004年与2013年的生长季平均蒸散分别为858.5 mm和652.1 mm。

4 讨论

4.1 蒸散空间特征

吴桂平等^[20]的研究发现,处在亚热带季风性气候的鄱阳湖流域2000—2010年间的蒸散波动范围为742~825 mm/a,平均年蒸散为775 mm/a。本研究的江浙沪地区同样处于亚热带季风性气候区,根据2 a的蒸散看出本研究的结果与吴桂平等的结果较为相近。然而,由于吴桂平等所采用的数据为MOD16数据,在结果上未能表现出水体的蒸散特征,并且江浙沪地区水系更为发达,因此本研究结果上与前者的研究结果相比要高一些。此外,根据Li等^[21]所做的全国多年(1985—2015年)蒸散模拟结果所得出的多年平均蒸散与本研究的结果相近,也从侧面佐证了本研究结果的可靠性,另外空间上蒸散会随着纬度升高而降低的结论与杨泽栗等^[22]和冯飞等^[23]的研究结果相一致。

其次,从空间分布上看,本研究对比了几个大尺度地区的蒸散,发现江浙沪地区的蒸散相较于其他的地区要高。例如冯飞等^[23]研究得到的东北三江平原的年平均蒸散值为497 mm,显然江浙沪地区年生长季蒸散要远高于三江平原的蒸散。本研究结果还显示,在自然地物中林地的蒸散最高,并且草地的蒸散要高于农田的蒸散。这与冯飞等^[23]、杜嘉等^[24]在三江平原的研究结果不同,但与黄飞羽等^[25]在安徽省的结果类似。由于江浙沪地区的未利用地类型的下垫面特点与三江平原地区不同,因此未利用地蒸散要高于三江平原地区的未利用地,此结果同样与冯飞等^[23]和杜嘉等^[24]的结果不同。这证明不同的土地利用会对蒸散产生明显的影响,虽为同一种大类的地物类型,但是下垫面的不同导致蒸散会产生明显的差异。

此外,本研究发现水田与旱地的蒸散相差不大,这主要是由于研究中所使用的数据空间分辨率为1 000 m,并且水田、旱地与农村居民点普遍穿插在一起,导致3种地物难以明确区分开。受到混合像元的影响这3种地物的蒸散结果都较为相近,所以结果相差不大。

4.2 模型的不确定性分析

国内外学者的研究^{[26,27,28,29]}表明,SEBAL模型在蒸散模拟上的精确性较为可靠。大多研究利用SEBAL模型进行了田间尺度蒸散的反演。模型验证大多利用田间尺度上的通量观测数据、根据水平衡模型求出实际蒸散值或者基于FAO-56彭曼公式所求得的参考蒸散进行对比验证。对于大尺度地区来说,SEBAL模型的验证要困难许多。为解决这个问题,多位学者对于验证方法给出了新的思路。如杜嘉等^[30]认为在进行大尺度地区的蒸散验证时,由于图像存在卫星轨道漂移导致像元变形以及像元分辨率较低的问题,所以采用以通量塔所在地像元为中心包括周边像元的共9个像元做蒸散的平均值,再与通量塔的观测数据进行对比,得到了较好的验证结果。此外,Li等^[31]采取了利用气象数据中的蒸散数据进行空间上的插值并与估算值对比进行验证的方法。本研究中选取稻田的蒸散仪实测值作为验证参照,考虑到像元分辨率的问题,根据30 m空间分辨率的土地利用数据,选取了一块位于蒸渗仪附近的一块1 000 m×1 000 m的稻田遥感影像像元与蒸渗仪的观测结果进行对比,得到了较好的验证精度。但由于可用于模型验证的地面观测站点数据较少,导致只能选取区域内较为典型的稻田观测数据进行验证,今后应进一步利用不同土地利用类型的通量观测数据以及其他观测数据进行验证,以提高模型精度。

5 结论

本研究探究了江浙沪地区这种下垫面复杂且年降水丰富地区的蒸散特征,将SEBAL模型应用在了亚热带季风区的蒸散模拟上,并尝试了通过引进日尺度净辐射通量的线性公式,使SEBAL模型能更方便地应用在大尺度区域,得到了较好的精度结果。主要结论如下:

1)SEBAL模型在研究区的蒸散反演结果的相对误差为25%,与蒸渗仪所测得的地面蒸散结果线性拟合后的R²为0.71。该结果表明,SEBAL模型可以较好地模拟湿润地区的实际蒸散。

2)由于江浙沪地区纬度跨度较大,并且由于南部地区多为林地的原因,因此区内的蒸散在空间分布上呈现南高北低的特征。此外,不同地类间的蒸散差异较为明显,并且自然地物的蒸散要高于人造地物。

3)该地区2013年的生长季蒸散低于2004年的生长季蒸散,城镇扩张明显会区域内的蒸散普遍较低,并且城镇周边地区的蒸散也随之降低。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Jiang

, Islam

, Guo

, et al.

A satellite-based daily actual evapotranspiration estimation algorithm over South Florida

[J]. Global and Planetary Change, 2009,67(1-2):62-77.

DOI:10.1016/j.gloplacha.2008.12.008 URL [本文引用: 1]

[2]

田文婷, 王飞, 王新, 等.

钱塘江流域蒸散发遥感估算

[J]. 浙江水利科技, 2015,43(6):84-89.

Tian W

, Wang

, et al.

Evapotranspiration remote sensing estimation of Qiantang River

[J]. Zhejiang Hydrotecnics, 2015,43(6):84-89.

[3]

张雨航, 王晓林, 胡光成.

基于MODIS数据的海流兔河流域蒸散量的计算

[J]. 地球科学, 2012,37(2):375-380.

Zhang Y

, Wang X

, Hu G

Evapotranspiration estimation of Hailiu River Basin based on MODIS data

[J]. Earth Science—Journal of China University of Geosciences, 2012,37(2):375-380.

[4]

韩松俊, 张宝忠.

基于Penman方法和互补原理的蒸散发研究历程与展望

[J]. 水利学报, 2018,49(9):1158-1168.

Han S

, Zhang B

Advances of evapotraspiration research based on the Penman approach and complementary principle

[J]. Journal of Hydraulic Engineering, 2018,49(9):1158-1168.

[5]

Penman H

Natural evaporation from open water,bare soil and grass

[J]. Proceedings of the Royal Society of London, 1948,193(1032):120-145.

[6]

Monteith J I

Evaporation and environment

[J]. Symposia of the Society for Experimental Biology, 1965,19:205-234.

[7]

Cai

, Liu

, Lei

, et al.

Estimating reference evapotranspiration with the FAO Penman-Monteith equation using daily weather forecast messages

[J]. Agricultural and Forest Meteorology, 2007,145(1-2):22-35.

[8]

Wilm H

, Thornthwaite C

, Colman E

, et al.

Report of the committee on transpiration and evaporation,1943—44

[J]. Eos Transactions American Geophysical Union, 1944,25(5):683-693.

[9]

Swinbank

The measurement of vertical transfer of heat and water vapor by eddy the lower atmosphere

[J]. Meteorol, 1951,8(3):135-145.

[10]

张荣华, 杜君平, 孙睿.

区域蒸散发遥感估算方法及验证综述

[J]. 地球科学进展, 2012,27(12):1295-1307.

Zhang R

, Du J

, Sun

Review of estimation and validation of regional evapotranspiration based on remote sensing

[J]. Advances in Earth Science, 2012,27(12):1295-1307.

[11]

姚云军, 程洁, 赵少华, 等.

基于热红外遥感的农田蒸散估算方法研究综述

[J]. 地球科学进展, 2012,27(12):1308-1318.

Yao Y

, Cheng

, Zhao S

, et al.

Estimation of farmland evapotranspiration:A review of methods using thermal infrared remote sensing data

[J]. Advances in Earth Science, 2012,27(12):1308-1318.

[12]

Bhattarai

, Shaw S

, Quackenbush L

, et al.

Evaluating five remote sensing based single-source surface energy balance models for estimating daily evapotranspiration in a humid subtropical climate

[J]. International Journal of Applied Earth Observation & Geoinformation, 2016,49:75-86.

[13]

Bastiaanssen W G

SEBAL-based sensible and latent heat fluxes in the irrigated Gediz Basin,Turkey

[J]. Journal of Hydrology(Amsterdam), 2000,229(1-2):87-100.

[14]

Hao

, Sun

, Liu Y

, et al.

Urbanizaiton dramatically altered the water balances of a paddy field-dominated basin in southern China

[J]. Hydrology and Earth System Sciences, 2015,19(7):3319-3331.

[15]

Hao

, Huang X

, Qin M

, et al.

Ecohydrological processes explain urban dry island effects in a wet region,southern China

[J]. Water Resources Research, 2018,54(9):6757-6771.

[16]

冯天梅

基于SEBAL模型的青海省东部农业区蒸散发量的遥感估算研究

[D]. 杨凌:西北农林科技大学, 2015: 13-14.

Feng T

Study of Evapotranspiration estimaition by remote sensing of eastern agricultural area in Qinghai Province based on SEBAL model

[D]. Yang Ling:Northwest F&A University, 2015: 13-14.

[17]

刘志红

Li L

, Mcvicar T

, et al.

专用气候数据空间插值软件ANUSPLIN及其应用

[J]. 气象, 2008,34(2):92-100.

Liu Z

, Li L

, Mcvicar T

, et al.

Introduction of the professional interpolataion software for meteorlogy data:ANUSPLIN

[J]. Meteorlogical Monthly, 2008,34(2):92-100.

[18]

Raúl

E.Rivas

, Carmona

Evapotranspiration in the Pampean Region using field measurements and satellite data

[J]. Physics and Chemistry of the Earth Parts A/B/C, 2013,55(2):27-34.

[19]

, Song K

, Wang Z

, et al.

Evapotranspiration estimation based on MODIS products and surface energy balance algorithms for land mdoel in Sanjiang Plain northeast China

[J]. Chinese Geographical Science, 2013,23:73-91.

[20]

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 G

, Liu Y

, Zhao X

, et al.

Spatial-temporal variation of evapotranspiration in Poyang Lake Basin using MOD16 products

[J]. Geographical Rsearch, 2013,32(4):617-627.

[21]

, He

, Zeng

, et al.

Spatiotemporal pattern of terrestrial evapotranspiration in China during the past thirty years

[J]. Agricultural & Forest Meteorology, 2018,259:131-140.

[22]

杨泽粟, 张强, 郝小翠, 等.

黄土高原地表蒸散量估算及其空间分布分析

[C]//中国气象学会年会s12大气物理学与大气环境. 2014: 239-256.

Yang L

, Zhang

, Hao X

, et al.

Estimation of surface evapotranspiration and spatial distribution analysis in Loess Plateau

[C]// Annual meeting of China Meteorological Society s12 Annual meeting of China Meteorological Society. 2014: 239-256.

[23]

冯飞, 姚云军, 张彦彬, 等.

基于MOD16产品的三江平原蒸散量时空分布特征分析

[J]. 生态环境学报, 2015,24(11):1858-1864.

[本文引用: 4]

Feng

, Yao Y

, Zhang Y

, et al.

Spatio-temporal variations of evapotranspiration in Sanjiang Plain using MOD16 products

[J]. Ecology and Environmental Sciences, 2015,24(11):1858-1864.

[本文引用: 4]

[24]

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, 2009,16(2):56-62.

, Zhang

, Song K

, et al.

Estimated evapotranspiration based on NOAA/AVHRR data in the Sanjiang Plain

[J]. Research of Soil and Water Conservation, 2009,16(2):56-62.

[25]

黄飞羽, 何彬方, 汪翔, 等.

基于MOD16的安徽省蒸散时空分布特征研究

[J]. 农业科学与技术:英文版, 2017,18(11):2092-2097.

Huang F

, He B

, Wang

, et al,

Spatio-temporal variations of evapotranspiration in Anhui Province based on MOD16 products

[J]. Agricultural Science & Technology, 2017,18(11):2092-2097.

DOI:10.7522/j.issn.1000-0240.2014.0183 URL [本文引用: 1]

[26]

Timmermans W

, Kustas W

, Anderson M

, et al.

An intercomparison of the surface energy balance algorithm for land(SEBAL) and the two-source energy balance(TSEB) modeling schemes

[J]. Remote Sensing of Environment, 2007,108(4):369-384.

DOI:10.1016/j.rse.2006.11.028 URL [本文引用: 1]

[27]

Yang

, Shang

, Jiang

Remote sensing temporal and spatial patterns of evapotranspiration and the responses to water management in a large irrigation district of North China

[J]. Agricultural and Forest Meteorology, 2012,164:112-122.

DOI:10.1016/j.agrformet.2012.05.011 URL [本文引用: 1]

To deal with water resources crisis caused by climate change and intensified human activities, the Hetao Irrigation District of Inner Mongolia in North China has been experiencing rehabilitation for water-saving since 1999. This has significantly changed its regional hydrological cycle and thus water use patterns over different land use types. In this paper, Surface Energy Balance Algorithm for Land (SEBAL) model fed with MODIS data was applied in Hetao area from 2000 to 2010 to examine the spatial and temporal patterns of evapotranspiration (ET). The SEBAL estimated ET agreed well with that from other methods in the study area. The results indicate that inter-annual variability in ET over agricultural land, water body, woodland and irrigated grassland are primarily explained by the variation of reference ET. So it is with the seasonal variability in agricultural land Er on monthly basis. However, the inter-annual variations of ET over sandy land, Gobi desert and mountain areas are mainly controlled by precipitation. Over the study period, a reduction in river water diversion for irrigation has not reduced the agricultural land ET, indicating no significant impact on agricultural production. But ET over the non-irrigated grassland tends to decrease, which was likely caused by declining groundwater table in recent years. (C) 2012 Elsevier B.V.

[28]

周彦昭, 周剑, 李妍, 等.

利用SEBAL和改进的SEBAL模型估算黑河中游戈壁、绿洲的蒸散发

[J]. 冰川冻土, 2014,36(6):1526-1537.

蒸散发是干旱、半干旱地区内陆河流域水分消耗的主要途径, 利用遥感估算流域尺度上的蒸散发对内陆河流域水循环和水资源的合理利用具有重要的指导意义. 基于2012年开展的黑河流域生态-水文过程综合遥感观测联合试验(HiWATER)的观测资料和高分辨率的ASTER影像, 分别利用 SEBAL 模型和改进的SEBAL(M-SEBAL)模型估算黑河中游不同时期戈壁、绿洲等不同下垫面的蒸散发, 通过涡动观测数据对比分析了SEBAL模型和M-SEBAL模型估算戈壁、绿洲蒸散发的精度. 结果表明: SEBAL模型在绿洲低估感热通量, 高估潜热通量; 在戈壁高估感热通量, 低估潜热通量. M-SEBAL 模型充分考虑不同下垫面地表辐射温度与植被覆盖度之间的关系, 能很好地反映不同植被覆盖区域的湍流通量的异质性, 估算黑河中游戈壁、绿洲蒸散发的精度高于SEBAL模型.

Zhou Y

, Zhou

, Li

, et al.

Simulating the evapotranspiration with SEBAL and modified SEBAL(M-SEBAL) models over the desert and oasis of the middle reaches of the Heihe River

[J]. Journal of Glaciology and Geocryology, 2014,36(6):1526-1537.

DOI:10.7522/j.issn.1000-0240.2014.0183 URL [本文引用: 1]

Evapotranspiration in the arid and semi-arid inland river basins is the main way of water expend. Accurately estimating evapotranspiration based on remote sensing has very important guiding significance for rationally using water resources in these regions. To reduce ambiguity in flux estimation by the Surface Energy Balance Algorithms for Land (SEBAL) due to the subjectivity in extreme pixels selection, in this study, a trapezoidal framework of the temperature-vegetation index space, which involves in the relationship between vegetation fraction of underlying surface and the surface temperature, is used to improve the SEBAL model estimation results. The performances of the SEBAL and the Modified Surface Energy Balance Algorithm for Land (M-SEBAL) in the middle reaches of the Heihe River are compared and evaluated, based on the three Advanced Space borne Thermal Emission and Reflection Radiometer (ASTER) images of different growth stages and a network consisting of 20 automatic meteorological meteorological-flux (AMS-EC) stations. All data is acquired in the Heihe Watershed Allied Telemetry Experimental Research. The performances of the SEBAL and M-SEBAL models in the study area show that SEBAL model underestimates the sensible heat flux, but over estimates the latent heat flux in the oasis regions. The M-SEBAL model is able to capture the distinct land surface heterogeneities because of involving temperature-vegetation index. Thus M-SEBAL model can provide more reliable and accurate estimation of ET over desert and oasis rather than SEBAL model.

[29]

Sun

, Wei

, Su

, et al.

Evapotranspiration estimation based on the SEBAL model in the Nansi Lake Wetland of China

[J]. Mathematical & Computer Modelling, 2011,54(3):1086-1092.