漢江流域多種遙感蒸散發產品評估

姚冠澤，王衛光，李進興

(河海大學 水文水資源與水利工程科學國家重點實驗室，南京 210098)

0 引 言

實際蒸散發(ETa)是液態水轉化為氣態水的過程，包括土壤蒸發、植被截留和植物蒸騰。蒸散發不僅是陸面過程研究的關鍵參數，也是地表能量平衡與水量平衡的重要組成部分，深刻影響著氣候變化、水循環及陸地生態系統水文過程。因此，準確估算ETa對于理解水文-氣象過程及地球系統的交互過程都十分重要[1]。目前，獲取ETa主要是通過地面觀測和模型模擬[2,3]兩種途徑。其中，我國地面觀測站點相對較少，分布稀疏，且僅在點尺度上具有一定的代表性。而模型模擬受限于模型的精度以及參數的不確定性，不能夠準確地得到ETa。因此，大尺度ETa估算仍然是水循環領域的一大難題。20世紀70年代以來，隨著衛星遙感技術的發展，采用遙感數據驅動蒸散發反演模型，為大尺度ETa的精確估算提供了新的可行性方法。然而，不同蒸散發反演模型采用的輸入數據與計算方法均存在一定的差異，導致生產的蒸散發產品其精度在時間和空間上表現出不同程度的差異性。因此，已有國內外學者通過對蒸散發產品進行驗證和應用，評估蒸散發產品在各類地區的適用性。王文[4]等將GLDAS數據模擬蒸散及蓄量變化與實測數據進行比對，結果表明兩種模式的GLDAS產品均高估了中國外流區的蒸散發數據，且GLDAS-1的高估程度大于GLDAS-2；賀添等[5]利用MOD16產品分析我國2001-2010年蒸散發的時空變化，結果顯示MOD16產品在我國遼河、海河、黃河和淮河流域的模擬精度較高；楊秀芹等[6]利用GLEAM產品分析了淮河流域地表蒸散發的時空分布特征，結果表明GLEAM產品在淮河流域模擬精度較高。

目前，漢江流域地表蒸散發研究主要集中在模型模擬[7]或對單一蒸散發產品進行分析[8]，而多種蒸散發產品在漢江流域的適用性仍缺乏對比研究，且通過對蒸散發產品進行偏差校正以提高產品精度的研究尚不多見。本文將目前應用較為廣泛的六種蒸散發產品與GRACE水儲量變化得到的水量平衡蒸散發數據進行比較，分析產品蒸散發的月變化，并利用一種偏差校正方法對蒸散發產品值進行修正，減小產品不確定性帶來的分析誤差，從而評估出漢江流域擬合度較高的產品，為漢江流域實際蒸散發的準確估算及水資源開發與配置提供科學依據。

1 研究區概況及數據資料

1.1 研究區概況

漢江流域位于中國中部，是長江上最大支流(106°12′～114°14′E，30°08′～34°11′N)，漢江干流全長約1 500 km，流域面積約17.4 萬km2，地勢西北高東南低，西部為山區，東部以平原丘陵為主。漢江流域屬于亞熱帶季風氣候區，氣候溫和濕潤，四季分明。降水較為豐富，多年平均雨量約750～1 435 mm，年內分配極不均勻，降水主要集中在夏季，約占全年降水量的40%～50%。流域多年平均徑流量為256 億m3，流域年徑流深由西向東遞減，年際變化較大；徑流年內分配不均，5-10月徑流量占全年75%左右。流域示意圖如圖1所示。

圖1 漢江流域示意圖Fig.1 The map of Han River basin

1.2 蒸散發產品簡介

本文采用的蒸散發產品主要包括3類：①診斷模型產品(Diagnostic Models)；②陸面模式產品；③再分析產品。診斷模型產品是使用遙感植被信息作為重要輸入數據，并利用傳統估算方法計算得到的產品。本文使用的診斷模型產品有3種，一是美國國家航空航天局(NASA)利用植被覆蓋率和反照率等遙感數據，結合氣象數據計算得到凈輻射量，并通過Penman-Monteith算法計算得到的MODIS MOD16產品[9]；二是利用遙感數據(葉面積指數和植被覆蓋指數)，結合Penman-Monteith算法，估算得到的全球尺度1982-2013年的蒸散發數據[10]；三是利用GLEAM模型，并考慮了土壤濕度對蒸散發的影響，基于Pristley-Taylor模型反演得到的日蒸散發數據[11]。陸面模式產品則選取全球陸面同化數據系統(GLDAS)中的蒸散量數據。GLDAS數據集共有兩種模式，其中模式一是通過選取觀測數據和衛星數據作為驅動場，驅動4種陸面模式(Mosaic、Noah、CLM、 VIC)生成的全球1979年至今的全球范圍的數據集，模式二則是采用普林斯頓大學全球氣象數據作為強迫場，利用Noah陸面模式驅動得到的1948-2010年的數據集[12,13]。再分析數據產品選用的是日本氣象廳采用三維變分法對多種氣象數據進行同化，獲得了一套的從1958年開始的55年再分析產品JRA55[14]。各遙感蒸散發產品的基本情況見表1。文章計算所采用的蒸散發產品值均為面平均蒸散發值，即基于柵格面積在流域內的權重加權得到的平均值。

表1 蒸散發產品簡介Tab.1 Overview of the six ET products

1.3 GRACE衛星水儲量數據及其他數據

重力反演與氣候試驗衛星Gravity Recovery and Climate Experiment(GRACE)是2002年3月由美國國家航空航天局(NASA)和德國航天局(DLR)聯合發射，并用于觀測地球重力場變化的衛星。目前，德州大學空間研究中心(CSR)、美國宇航局噴氣推進實驗室(JPL)以及德國地學研究中心(GFZ)等多家機構都有基于GRACE重力場數據開發的全球水儲量變化(TWSA)產品可供下載。所有TWSA產品均經過條帶濾波及冰川均衡調整來減小反演的誤差，但由于各機構在數據處理方法上有所不同，不同TWSA產品之間也存在一些差異。

由圖2可以看出，雖然利用3種TWSA分別計算得到的月水儲量變化(ΔS)時間趨勢基本一致，相關性較高，但仍存在一定的差異。因此，為減小計算過程中的不確定性，本文采用三種產品計算得到的ΔS均值作為流域月水儲量變化。

圖2 2005-2012年研究區內月水儲量變化Fig.2 Water storage change in the study area for 2005 to 2012

此外，本文還采用了2005-2012年的漢江流域降水和徑流數據。其中，降水數據來源于中國科學院青藏高原研究所開發的0.1°×0.1°地面氣象要素驅動數據集(CMFD)；徑流數據來源于水文年鑒中仙桃水文站實測數據。

2 研究方法

2.1 水量平衡原理

水量平衡原理在計算封閉的流域實際蒸散發時是一種十分有效的方法。其計算公式為：

ET=P-R-ΔS

(1)

式中：P為流域面平均降水，mm/月；R為流域平均徑流深，mm/月；ΔS為流域下墊面月水儲量變化，mm/月。

在年尺度或多年尺度的計算中，水儲量變化通常忽略不計，但在對月尺度的蒸散發進行估算時，ΔS不可忽略。因此本文采用GRACE重力衛星的水儲量產品對水量平衡蒸散發(ETWB)進行估算，并以此值作為流域實際蒸散發的參考值來評估其他實際蒸散發產品的精度。

2.2 數據精度評價

本文采用統計參數包括平均值(MEAN)、均方根誤差(RMSE)、偏差(BIAS)、相關系數(R)作為蒸散發產品精度檢驗的依據。各項指標的計算公式如下：

(2)

(3)

(4)

(5)

式中：Ai為蒸散發產品值；Bi為GRACE水儲量數據所計算得到的蒸散發值；N為數據序列長度。

3 結果與分析

3.1 月蒸散發產品表現評估

2005-2012年間不同產品和參考蒸散發之間的比較結果如表2所示。其中，ETGLEAM和ETZHANG的RMSE在6種產品中最低，分別為16.17和17.78 mm/月；同時，ETZHANG的BIAS取值最小，為0.82 mm/月，ETGLEAM的R取值最大，為0.89，兩種產品均表現出了與ETWB較高的擬合度。兩種陸面模式產品的表現差異性較大，其中ETGNOAH1的BIAS為13.46 mm/月，而ETGNOAH2的BIAS為-9.76 mm/月，這與兩種產品計算過程中的驅動氣象要素數據來源不同有關。再分析數據的蒸散發值偏大，且相關性較好，為-16.69 mm/月。總體來看，診斷模型產品的表現優于陸面模式產品和再分析產品。

表2 蒸散發產品與水量平衡蒸散發(ETWB)的比較Tab.2 Comparison of different ET products and ETWB

3.2 各產品多年平均蒸散發空間分布差異

受計算方法以及模型輸入數據的影響，蒸散發產品的空間分布表現出一定的差異。從圖3中可以看出，除ETGNOAH1外，其他產品均表現出了相似的空間分布特性，即流域蒸散發量從中部向兩邊遞減，這主要是由于漢江流域中部的土地覆蓋類型主要以林地為主，下游則主要以種植業為主。此外，ETJRA55、ETGLEAM、ETGNOAH2的年蒸散量范圍較為接近，約為500～900 mm/a，而ETMOD16的年最大蒸散發量明顯高于其他產品，為1017.98 mm/a，最低值較其他產品也相對偏低；ETGNOAH1的年最低蒸散量明顯高于其他產品的年最低值，主要分布在流域東部；ETZHANG的年蒸散量與其他產品差異較大，取值范圍明顯偏低。

3.3 蒸散發產品的偏差校正

為提高實際蒸散發產品模擬的準確性，本文采用一種基于γ累積分布函數的偏差校正方法對蒸散發數據進行修正[15]。其中，γ累積分布的計算過程如下：

圖3 蒸散發產品多年平均蒸散量空間分布Fig.3 Spatial distribution of annual ET of ET products

(6)

式中：α、β分別為γ累積分布中的形狀參數和尺度參數。

圖4展示了6種蒸散發產品的γ累積概率分布。虛線WB-ET表示ETWB修正前的累積概率分布，實線WB-FIT則表示擬合后的γ累積概率分布，其他同理。所有產品表現出了與ETWB相似的累積概率分布曲線，曲線之間的差異主要是由于蒸散發產品與ETWB的偏差造成的。

圖4 漢江流域月蒸散發值累積概率分布圖Fig.4 Distribution of the monthly domain-averaged ET values from the ETWB and ET products

根據γ累積分布函數，可對蒸散發產品進行偏差校正：每一個產品蒸散發值在擬合曲線上對應的一個累積概率值，該累積概率在WB-FIT曲線上所對應的蒸散發值即為校正之后的產品蒸散發值。此過程可表述為：

(7)

為消除年際間的偏差，再利用下式進行第二步計算：

(8)

式中：ETfinal(m)為年偏差校正后的月產品蒸散發，mm/月；Pannual為年降雨量，mm/a；Rannual為年徑流量，mm/a；ETcorrected(m)、ETcorrected(a)分別為月蒸散發校正量(mm/月)和年蒸散發校正量，mm/a。

3.4 校正后蒸散發產品精度評估

由圖5可以看出，經過偏差校正之后，6種蒸散發產品的BIAS和RMSE均顯著減小，而R2變化較小，變化幅度在0.01～0.03左右。其中，ETGNOAH1、ETGNOAH2和ETJRA55的BIAS，BIAS的變化幅度均在7 mm/月以上。3種診斷模型產品的校正變化較小，主要原因在于產品在校正前精度較高。結果表明，γ累積概率分布可以有效提高蒸散發產品精度，減小誤差。

由圖6可以看出，月蒸散發產品的多年變化呈現一定的規律性，即5-9月份的蒸散發活動最強，11月-次年2月的蒸散發活動較弱。校正前各產品與ETWB的差異明顯，且產品之間的差異較大；經過校正后，蒸散發產品的月變化規律更為一致，在同一時刻蒸散發取值差異明顯減小，且與ETWB的變化一致性顯著提高。

圖5 偏差校正前后蒸散發產品模擬效果對比Fig.5 Comparison of the monthly ET products with the ETWB before and after the bias correction

圖6 校正前與校正后的產品月蒸散發過程Fig.6 Comparison of the monthly domain-averaged values before and after bias correction

由圖7可以看出，各產品在不同月份的校正效果不同，蒸散發活動強的月份的校正效果優于蒸散發活動弱的月份。其中，ETJRA55和ETGNOAH15-9月份模擬值偏大問題均得到了明顯改善；ETZHANG和ETGLEAM與ETWB校正前后均表現出與ETWB較高的相似度，除6月份但ETGLEAM的蒸散發量略高于ETZHANG外，各月的蒸散發強度基本一致。通過偏差校正，各產品的蒸散發量與變化過程更為準確。

圖7 各產品多年平均月蒸散發校正前與校正后對比Fig.7 Annual variations of the domain-averaged values before and after bias correction

4 結 語

本文采用GRACE水儲量變化數據，驅動水量平衡方程，得到漢江流域ETWB，并將其作為流域參考蒸散發對現有應用廣泛的蒸散發產品(ETMOD16、ETZHANG、ETGLEAM、ETGNOAH1、ETGNOAH2、ETJRA55)精度進行評估。同時，利用γ累積概率分布對蒸散發產品進行偏差校正，結果表明：

(1)3種類型的蒸散發產品中，診斷模型產品的表現優于其他兩類產品，陸面模式產品的均方根誤差最大，再分析產品的偏差較大(但相關性較好)。而診斷模型產品中，ETGLEAM和ETZHANG與ETWB均有較高的相關性。

(2)6種產品在漢江流域的空間分布具有一定的相似性，呈現出流域中部蒸散發量高，流域兩邊蒸散量低的分布特性。6種產品中，ETMOD16的最大蒸散發量明顯高于其他產品，ETGNOAH1的蒸散量區間整體偏大。

(3)通過γ累積概率分布，可以有效地消除產品的偏差，校正后的產品在月和年尺度上都有更好的模擬效果。其中，ETGLEAM在校正前后均表現出了與ETWB較高的擬合度，在漢江流域的表現優于其他產品。

□

參考文獻：

[1] 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.

[2] 張榮華, 杜君平, 孫 睿. 區域蒸散發遙感估算方法及驗證綜述[J]. 地球科學進展, 2012,27(12):1 295-1 307.

[3] 孫飛飛, 許 欽, 任立良,等. BTOPMC模型蒸散發計算及徑流模擬[J]. 中國農村水利水電, 2013,(12):85-88.

[4] 王 文, 崔 巍, 王 鵬. GLDAS Noah模型水文產品與中國地面觀測及衛星觀測數據的對比[J]. 水電能源科學, 2017,(5):1-6.

[5] 賀 添, 邵全琴. 基于MOD16產品的我國2001-2010年蒸散發時空格局變化分析[J]. 地球信息科學學報, 2014,16(6):979-988.

[6] 楊秀芹, 王國杰, 葉金印,等. 基于GLEAM模型的淮河流域地表蒸散量時空變化特征[J]. 農業工程學報, 2015,31(9):133-139.

[7] 鄧志民, 張 翔, 羅 蔚. 基于MODIS的SEBAL模型在流域蒸散發反演中的應用[J]. 水電能源科學, 2012,(12):6-9.

[8] 張 靜, 任志遠. 基于MOD16的漢江流域地表蒸散發時空特征[J]. 地理科學, 2017,37(2):274-282.

[9] Mu Q, Zhao M, Running S W. Improvements to a MODIS global terrestrial evapotranspiration algorithm[J]. Remote Sensing of Environment, 2011,115(8):1 781-1 800.

[10] Zhang K, Kimball J S, Nemani R R, et al. A continuous satellite‐derived global record of land surface evapotranspiration from 1983 to 2006[J]. Water Resources Research, 2010,46(9):109-118.

[11] Miralles D G, Jeu R A M D, Gash J H, et al. Magnitude and variability of land evaporation and its components at the global scale[J]. Hydrology & Earth System Sciences, 2011,15(3):967-981.

[12] Rodell M, Famiglietti J S, Chen J, et al. Basin scale estimates of evapotranspiration using GRACE and other observations[J]. Geophysical Research Letters, 2004a,31(20):183-213.

[13] Rodell M, Houser P R, Jambor U, et al. The global land data assimilation system. Bull. America Meteorological Society, 2004b,85(3):381-394

[14] Kobayashi S, Ota Y, Harada Y, et al. The JRA-55 Reanalysis: General Specifications and Basic Characteristics[J]. Journal of the Meteorological Society of Japan.ser.i, 2015,93(1):5-48.

[15] Li X, Wang L, Chen D, et al. Seasonal evapotranspiration changes (1983-2006) of four large basins on the TibETan Plateau[J]. Journal of Geophysical Research Atmospheres, 2015,119(23):13 079-13 095.