分布式模型在流域蒸散模拟中的应用与验证

根据四川杂谷脑河流域上游地区1989～2000年气象站常规观测数据,应用分布式模型方法,考虑流域的空间异质性及时空变异性,选择离散单元格尺度为500 m,时间步长为1 d,采用Penman-Monteith公式的改进形式,估算流域多年平均潜在蒸散量的时空分布;结合流域下垫面特点,估算逐日实际蒸散量的时空分布;并将模型模拟的多年平均值与研究区同期水量平衡法计算结果相比,相对误差为+3.47%且时空分布合理.为流域分布式降雨-径流模型提供了可靠的实际蒸散量模拟方法.     

浑太流域实际蒸散的时空变化特征及影响因素

基于浑太流域1970—2006年气象、水文资料,采用参数率定后的平流-干旱（AA）模型计算浑太流域蒸散.根据水量平衡法得到的蒸散结果对模型的原始参数进行调整,并在4个子流域进行验证.采用线性趋势分析、滑动平均法、克里金插值、灵敏度分析方法研究浑太流域蒸散的时空变化和影响因素.结果表明： AA模型经验参数（0.75）在浑太流域上的计算误差为11.4%,表明AA模型在浑太流域上是可行的;浑太流域年均蒸散量为347.4 mm,并以1.58 mm·(10 a)^-1的速率略呈上升趋势,但上升趋势不明显,年内呈单峰变化,峰值出现在7月;季节变化上,夏季最大,冬季最小,春季高于秋季;整个流域实际蒸散量呈现从西北至东南逐渐减少的分布特征,但差异不大;净辐射是影响浑太流域蒸散变化的主导因素.
     

岷江上游黑水河流域不同景观结构小流域径流系数的比较

在GIS技术支持下,结合岷江上游黑水河流域1988-2002年多年平均降水量和蒸散量空间分布,对不同景观结构的小流域多年平均径流系数进行比较.结果表明:不同土地覆盖类型组合流域多年平均径流系数大小关系依次为林灌流域《林灌草复合流域《森林流域《林草流域,这与流域土地利用类型、流域海拔分布和迎风坡向分布特征有关;对于森林流域和灌木流域,其多年平均径流系数主要受多年平均降水量、多年平均蒸散量和平均坡度共同影响;对于林草流域和林灌草复合流域,其多年平均径流系数主要受流域的多年平均降水量、多年平均蒸散量和多林草面积比共同影响.     

基于三温模型的南宁市蒸散量估算及其影响因素

蒸散发是水文能量循环和气候系统的关键要素。研究蒸散发的时空变化特征及其响应气候、土地利用的变化规律,对理解城市流域水循环和生态过程效应具有重要意义。本研究基于三温模型和MODIS影像,估算并分析2001—2018年南宁市的蒸散量时空演变特征,并探讨了主要气候要素、土地利用类型对蒸散量的影响规律和驱动模式。结果表明: 2001—2018年,南宁市年均蒸散量在495.7～781.1 mm,年际相对变化率为-22.5%～23.1%,整体呈上升趋势;区域蒸散量呈南北高、中间低的分布格局,市区蒸散量显著低于郊区。南宁市蒸散量与气候因子呈显著的复相关性,气温对蒸散量的影响大于降水,在郊区呈气温驱动型,而市区则存在多种驱动类型复合现象。南宁市各土地利用类型的平均蒸散量大小依次为:林地(823.4 mm)>草地(675.6 mm)>耕地(582.9 mm)>建设用地(346.6 mm)。土地利用类型的转变是导致区域蒸散量发生显著变化的主要下垫面因素。     

基于NOAA PAL数据集的地表蒸散遥感估算方法

基于NOAA AVHRR气象卫星长时间序列10 d合成的PAL数据集（分辨率8 km×8 km）以及地表能量平衡原理和“VI-T_s”方法,建立了地表蒸散的遥感估算方法,该方法不需要地面气象观测数据的支持,所需参数可直接从遥感数据反演或推算,并选择国际上著名的遥感蒸散模型——SEBS模型对新建模型进行了验证比较.结果表明：新建模型和SEBS模型模拟的地表蒸散值及其季节性变化趋势非常一致,说明新构建模型的模拟结果比较可靠,能够反映地表蒸散的实际情况.新建地表蒸散遥感估算模型可操作性强,为利用长时间序列的卫星遥感数据研究我国乃至全球地表蒸散的时空变化规律提供了一个新的途径.     

遥感数据支持下不同地表覆盖的区域蒸散

将地表能量平衡系统(SEBS)扩展成遥感日蒸散估算模型,利用MODIS遥感数据估算了黄淮海地区的区域蒸散,并在地理信息系统的支持下分析了不同地表覆盖下的区域蒸散统计分布特征.在缺乏各地表覆盖类型相应蒸散量实测值进行对比的情况下,以2001年4月17日估算的日蒸散量为例,通过各地表覆盖类型日蒸散量间的相互对比分析表明,SEBS估算的区域日蒸散量具有一定的合理性.分析结果表明：在黄淮海地区,荒地具有最低的蒸散量;森林、灌木、草地等地表覆盖类型具有中等的蒸散量;而水体、湿地以及耕地具有较高的蒸散量.可能由于包含绿地和水面,城镇用地的蒸散量也较高.土壤含水量的空间差异性导致森林、灌木、草地和耕地等地表覆盖类型的蒸散量具有明显的空间差异性.耕地蒸散量的空间差异性可以为制定合理、高效的农田灌溉计划提供指示作用.SEBS遥感日蒸散模型的局限性在于有可能低估水体和湿地等地表覆盖类型的蒸散量.     

南京地区蒸散发降尺度研究--基于增强型时空自适应反射融合模型

蒸散发是水文循环的重要组成部分,获取高时空分辨率的数据能够更加精细化蒸散发的时空变化规律,对于水资源管理、生态水文过程量化具有重要意义。由于单一传感器反演的蒸散发无法同时具有高空间和高时间分辨率,以南京地区为例,首先结合Landsat-8遥感影像数据和气象数据,采用基于能量平衡原理的SEBS模型估算日蒸散量。在此基础上,选取典型区域采用基于增强型时空自适应反射融合模型(ESTARFM)将估算的蒸散发结果与低空间分辨率的MOD16A2蒸散发产品数据进行时空融合降尺度研究,并评价模型的融合精度。结果表明:(1)SEBS模型估算的蒸散发结果与蒸发皿折算后的数据、MOD16A2产品数据的平均相对误差分别为0.14 mm/d和0.22 mm/d。(2)南京地区蒸散量季节差异明显,表现为夏季＞秋季＞冬季;各区在夏季的日平均蒸散量差异也较大,六合区蒸散量最大,秦淮区最小;另外,蒸散量分布受土地利用类型的影响,总体上表现为水域＞林地＞耕地＞草地＞其他,且植被覆盖度较高的区域蒸散量较大。(3)基于ESTARFM模型融合的蒸散发结果与基于Landsat-8遥感影像反演的蒸散发数据在空间分布上具有相似性,二者相关系数为0.74。在全球气候变化的背景下,本研究可为蒸散发数据集时空分辨率的提高提供参考,同时也能够为南京地区水循环过程和水资源管理研究提供数据支撑。     

岷江上游不同景观结构小流域水量平衡的比较

研究了1988～2002年岷江上游两个小流域（镇江关流域和黑水河流域）不同景观结构（土地覆盖、海拔、坡度、斑块密度、最大斑块指数等）对水量平衡的影响.基于两个流域土地覆盖类型、1988～2002年多年平均降水量和蒸散量的空间分布、两个流域土地覆盖类型同期多年平均径流深度的数据,得到不同土地覆盖类型的海拔、坡度、坡向与降雨、蒸散、径流的关系.结果表明,两个流域有林地海拔、坡度、坡向的不同导致其降水、蒸散降水比、径流降水比各异;两个流域草地水量平衡对景观格局的响应模式与有林地基本一致;由于黑水河流域的耕地分布在干旱河谷中,其蒸散量远远大于降水量,耕地本身的景观结构（坡向、坡度,斑块密度）并不对其水量平衡产生影响,这一点与镇江关完全不同.     

辽河三角洲湿地生长季蒸散量时空格局及影响因素

蒸散是湿地系统水分损失的重要途径之一,有效量化湿地蒸散量并对其时空格局进行研究具有重要意义。本文以Landsat数据和气象观测数据为基础,利用SEBAL模型估算辽河三角洲湿地1985—2017年共8期植被生长季的蒸散量,并分析其时空格局和影响因素。结果表明:(1)反演得到的蒸散量平均相对误差为9.01%,估测值与实测值相关系数为0.61,基本满足湿地蒸散研究需求;(2)研究区多年日蒸散量均值和相对变化率整体呈双峰态势,极小值出现在2005年,极大值出现在1989年和2014年;(3)日蒸散量具有水陆交界处最低、西部较低、中东部和南部高的趋势,具有显著的空间分异特征;(4)不同土地利用/覆被类型的蒸散量大小依次为:水体区湿地植被区非湿地植被区非植被区(除水体外),多年不同土地利用/覆被类型的蒸散量变化也呈双峰态势,日总蒸散量变化与土地利用转型有关,土地利用/覆被是导致湿地蒸散时空分异的重要因素;(5)平均蒸散量与太阳辐射、气温、风速、相对湿度四个气象因子加权值显著相关,相关系数为0.69,两者年际波动趋势基本一致,蒸散量变化与气象条件变动联系密切。     

不同植被条件下实际蒸散的变化特征及其影响因子——以淮河流域为例

基于遥感-过程耦合模型开展淮河流域2001—2012年实际蒸散(ET)的模拟研究,并对其时空变化特征、不同覆被类型下的区域实际蒸散特征及其主要影响因子进行定量分析.结果表明: 研究期间,研究区年均ET在空间上呈现由东南向西北逐渐递减的趋势;时间上呈现逐年增加趋势,月际波动为双峰变化曲线.不同植被类型下ET的差异性表现为: 农田对研究区域实际蒸散总量的贡献最大;混交林的年均单位面积实际蒸散量最大,裸地的年均单位面积实际蒸散量最小;除裸地以外,其他土地覆被类型年均实际蒸散都呈增长趋势,其中常绿阔叶林实际蒸散增加趋势最明显.平均温度等热力学因子是影响淮河流域实际蒸散的主导因子,其次是辐射因子和水分因子.     

2000-2015年中国陆地生态系统蒸散时空变化及其影响因素

准确量化区域蒸散时空格局及其影响因素对理解陆地生态系统碳水循环具有十分重要的意义。近年来中国经历了严重的空气污染及气候波动,亟须探讨蒸散的时空变化及其影响因素。基于PT-JPL（Priestly-Taylor Jet Propulsion Laboratory）模型,集成遥感数据和气象数据模拟了中国陆地生态系统2000-2015年蒸散,并分析其时空变化及影响因素。结果表明：1）参数优化后PT-JPL模型可解释蒸散年际变化的68%,优于原始模型及MODIS蒸散产品;2）中国地区多年平均蒸散为440.16 mm/a,呈东南沿海到西北内陆逐渐递减的空间格局;3）2000-2015年蒸散整体呈轻微下降趋势（slope=6.48 Gt/a,P=0.17）,但具有年代际差异,2000-2010年中国地区蒸散呈显著下降趋势（slope=21.05,P < 0.01）,占全国蒸散总量45.05%的内蒙古地区、甘新地区、黄土高原地区及青藏地区解释了61.88%的年际变化;2010-2015年呈轻微上升趋势（slope=10.48,P=0.71）,各地区均无显著变化趋势;4）辐射主导了蒸散的年代际差异,分别解释了2010年前后蒸散下降及上升趋势的51.45%、85.26%。蒸散呈显著变化趋势的内蒙古地区、黄土高原地区及青藏地区主要受辐射控制,甘新地区主要受降水和温度的影响。     

基于实际蒸散构建的干旱指数在黄淮海地区的适用性

基于NOAH陆面模式模拟的实际蒸散产品,分析了2002—2010年黄淮海地区实际蒸散的时空分布特征.同时,结合MOD17潜在蒸散数据和MOD13 NDVI构建了2002—2010年的农业干旱指数——干旱敏感性指数(DSI),并以2002年1—12月为例,利用帕默尔干旱指数(PDSI)、冬小麦减产率以及实际旱情资料,分析了DSI在该地区干旱监测的适用性.结果表明: 黄淮海地区年均实际蒸散从西北向东南递增,最高值出现在研究区域东南部(800~900 mm),最低值出现在西北部(<300 mm);DSI、PDSI两种干旱指数的年际变化呈正相关(R²=0.61)和变化趋势的一致性,均在2002年达到最低(-0.61和-1.33),2003年最高(0.81和0.92),DSI与冬小麦减产率的相关性(R²=0.43)明显优于PDSI(R²=0.06),且表征干旱的空间分辨率较高,对区域农业干旱程度的判断和旱情的指示比较可靠.     

辽宁省潜在蒸散量演变规律及归因分析

根据辽宁省21个气象站点1965—2017年的逐日实测气象数据,利用Penman-Monteith法、小波分析法、敏感系数和因子分析法探究潜在蒸散量的时空变异规律及其主要气象要素多年变化定量分析。结果表明:(1)从变化趋势来看,在时间尺度上,辽宁省潜在蒸散量下降趋势显著,变化率为2.89 mm/a,多年平均值为955.82 mm,21个气象站点中有20个气象站点潜在蒸散量呈递减趋势,仅有1个气象站点呈递增趋势;在空间尺度上,辽宁省潜在蒸散量由西向东呈递减趋势。(2)潜在蒸散量对相对湿度最为敏感,对最低气温敏感性最小。(3)平均风速是对潜在蒸散量影响最大的气象因子,相对湿度与潜在蒸散量呈负相关。     

辽宁省潜在蒸散时空变化特征与成因

潜在蒸散量是衡量变化环境下区域水热资源演变的重要参数,探究其历史变化规律及制约因素对预测农业用水走势乃至合理制定相关决策都至关重要。基于辽宁省23个气象站点1966—2015年的逐日气象数据,采用FAO推荐的Penman-Monteith模型与偏相关性检验法辨识辽宁省近50年潜在蒸散量的时空特征及其影响因素。结果表明:辽宁省各监测站年平均潜在蒸散量为453—1043 mm,多年变化趋势以1.43 mm/a的速度递减,并于2003年发生突变。此外,其时空差异性较为显著。在年代际尺度上表现为,辽西北至辽西南逐次降低;在季节尺度上表现为,夏季潜在蒸散量最高、春秋季节次之、冬季最低;日最高气温、日最低气温和日照时数的减少共同导致过去50年辽宁省潜在蒸散量在整体上表现出减少的趋势。该研究成果可以为水资源的优化配置,评价区域干湿程度等提供一定的理论支撑。     

松嫩平原潜在蒸散量的时空变化特征

利用松嫩平原及周边地区72个气象站1961—2003年逐日气象资料,应用Penman-Monteith方程计算潜在蒸散量,采用气候倾向率、Mann-Kendall突变检验、累积距平法,对松嫩平原地区潜在蒸散量变化进行定量分析,并应用ArcGIS软件的空间分析功能对研究区潜在蒸散量的空间分布特征进行分析.结果表明:1961—2003年,松嫩平原年均潜在蒸散量在330~860 mm,总体呈减小趋势,空间分布总体特征为西南高、四周低,呈环带状向西南方向增加;年潜在蒸散量的气候倾向率为-0.21 mm.a-1;年潜在蒸散量在1982年达最大值,形成突变点,而后下降,至1995年降至最低,此后呈增加趋势;春、夏、秋、冬季潜在蒸散量的气候倾向率分别为-0.19、0.01、-0.05、0.03 mm.a-1,表明春、秋季潜在蒸散量呈微弱减小趋势,夏、冬呈微弱增加趋势.     

光闪烁方法测算区域蒸散研究进展

蒸散是土壤-植物-大气连续体(SPAC)水热运移的一个重要环节,是全球水量平衡的重要组成,一直是气象学、水文学、地理学及生态学等相关学科重要的研究主题。区域尺度地表蒸散的时空变化过程十分复杂。迄今为止,在像元尺度水平上,特别在非均匀下垫面和地形起伏条件下,有代表性的进行地表蒸散的观测仍然十分困难。虽然遥感方法可获得区域尺度水平蒸散,但其主要根据经验或半经验模型对区域蒸散进行估算,模型选用的参数以及结果还需地面实测数据进行改进、优化,如何获得与遥感尺度相应的地面蒸散实测数据成为模型验证的重点和难点,光闪烁方法的出现为上述问题的解决带来了希望。光闪烁方法能够适应复杂下垫面,测量结果准确且具有时空平均等优点,成为测量区域蒸散的有效方法、验证遥感模型结果的最佳手段。从理论原理、计算方法、主要应用情况等方面,概述了光闪烁方法观测区域蒸散研究进展,指出了影响测算精度的不确定性因素,并提出了研究展望,旨在进一步推动该方法在区域蒸散观测研究中的应用,促进相关学科的发展。     

Influence of vegetation cover on evapotranspiration patterns in mountainous areas

The study presents results of calculation of potential evapotranspiration based on vegetation cover and actual solar energy income modeling obtained in the Jalovecky creek experimental hydrological basin in the Western Tatra mountains. Vegetation cover in the basin is represented by Bare rock, Grass, Natural grassland, Coniferous forest and Dwarf pine. Spatial evapotranspiration patterns for vegetation cover were calculated with three different methods build in the SOLEI model. They are Simple regression model, Radiation model by FAO and Penman-Monteith model. Vegetation cover is represented in all mentioned methods by albedo maps derived from the land use grid map. Together with Digital elevation model (DEM) it is the main input value to the SOLEI model. Albedo coefficients influence mainly solar energy income to the slopes. Because the Simple regression model and Radiation model by FAO are mainly based on solar energy income, the shapes of calculated spatial evapotranspiration patterns are similar to solar energy spatial maps. Results obtained from PenmanMonteith model are more closed to vegetation maps.     

蒸散发广义互补原理中关键参数αe的时空变化特征及计算方法分析

蒸散发广义互补原理是实测数据稀少条件下估算蒸散发的重要方法, 其中准确估算参数α_e是应用该方法的关键。该研究利用中国不同气候和生态类型的8个通量站数据, 首先基于实测数据校准得到α_e年值及月值, 探究α_e的时空变异性并对比使用不同时间尺度的α_e对广义互补原理模型计算精度的影响。考虑到实际情况下蒸散发实测数据缺乏而无法校准得到α_e, 进一步探究两个基于干旱系数(AI)的α_e年值统计模型(下称Liu法和Brutsaert法)在站点尺度的适用性, 明确α_e是否可以利用AI确定, 最后探讨各计算方法的误差来源。主要结论如下: 1)季节变化影响α_e, 不同通量站α_e月值变化规律有所差异; 在空间变化上, 湿润站点α_e年值总体大于干旱站点。Liu法和Brutsaert法计算的α_e接近年校准值。2)在应用广义互补原理模型时, 使用校准α_e年值能取得较好的模拟精度, 使用各月份α_e时精度进一步提升。两种基于AI的免校准方法取得较好的模拟效果, 当缺少实测数据而无法校准α_e时, 基于AI计算α_e具有较大的潜力。3)使用校准α_e年值时广义互补原理模型能模拟出蒸散发的年内变化趋势, 但在部分月份估算值出现偏差。Liu法和Brutsaert法计算的蒸散发在干旱站点的夏季月份呈现低估现象, 原因可能在于高估了降雨集中的夏季月份的AI。结果也进一步验证了广义互补原理在估算广泛不同的自然环境下的蒸散发的潜力。