西北干旱區河西走廊荒漠綠洲土地覆蓋類型與蒸散的關系研究
——基于Landsat 8和ZY3數據融合

焦丹丹,吉喜斌,金博文,趙麗雯,張靖琳,郭 飛

1 中國科學院西北生態環境資源研究院臨澤內陸河流域研究站,中國科學院生態水文與流域科學重點實驗室, 蘭州 730000 2 中國科學院大學, 北京 100049

蒸散是地氣相互作用[1]、全球氣候與水循環及農業灌溉用水[2]等領域研究的重要內容,在調節局地小氣候乃至區域氣候方面,蒸散可作為潛熱減少凈輻射向感熱的轉換,對改善大氣環流有重要影響[3- 4]；另一方面,蒸散作為地氣水熱交換的主要組分,在將地表水汽帶到大氣中的同時消耗了大量地表熱量,影響了不同下墊面地表各分量和降水的重新分配,在土壤-植被-大氣系統中也發揮了重要作用[5]。Rosenberg等[6]指出降落在地面的降水有70%通過蒸散作用回到大氣中,在干旱區甚至可達90%,因此提高水分利用效率對于干旱區而言至關重要,而任何提高水分利用效率的嘗試都應基于對每日蒸散量的精確估計[7],Ramos等[8]曾使用遙感數據來評估灌溉用水量,依靠SEBAL模型計算了實際蒸散值并通過水分利用率指數計算了凈灌溉量,發現此法是可行的；Yang等[9]發現黃河引水的減少將直接導致灌區內水量減少,為了提高水資源利用率,需要根據變化的用水策略來對不同地表類型的用水量進行分配,因此獲取蒸散值是必不可少的。以上研究均涉及蒸散變化趨勢和灌溉水量分配情況,表明作物用水量的計算需要蒸散量來輔助,而要達到最大水分利用效率和最高產量,灌水的時間和總量都要進行合理安排[10],由此可見蒸散的研究已經被廣泛應用在農田作物生長方面[11-12],它不僅可以反映作物耗水的空間分布狀況,據此來做灌溉計劃,還能減少作物因水分缺失或過度灌溉而導致減產現象的發生,因此準確估算蒸散對干旱區氣候動態變化及維持水資源供需平衡至關重要。

作為水文循環中最難準確估算的分量之一,自1802年Dalton提出計算蒸發的公式以來,出現了許多蒸散量的計算公式,其中傳統估算法有蒸滲儀法[13]、波文比-能量平衡法[14]、渦度相關法[15]以及公式計算法[16-23],其中適用性最好的當屬基于能量平衡和空氣動力學的Penman法和FAO- 56法。傳統估算蒸散的方法雖然能夠獲取相對準確的均勻下墊面的蒸散量,但大多局限于一點或同一種作物的均勻下墊面來開展,難以反映蒸散的空間異質性。因遙感技術能夠提供大范圍地表特征參數,它的應用使得區域尺度蒸散量的估算成為可能,是定量估算區域尺度蒸散量最有效的途徑,干旱區下墊面幾何結構和物理性質的水平不均勻性使得該方法在干旱區蒸散研究方面得到了廣泛應用。目前應用較多的有地表能量平衡指數SEBI模型[24]、陸面能量平衡算法SEBAL模型[25]、簡化的地表能量平衡指數S-SEBI模型[26]、地表能量平衡系統SEBS模型[27]和METRIC模型[28]等。以上模型均為單層模型,因其使用效果較好,近年來在國內外被廣泛應用于估算不同氣候條件下的地表蒸散。Elhag等[7]利用SEBS模型和MERIS、AATSR資料估算了尼羅河三角洲地區的日蒸散和蒸發比,并與均勻分布于研究區內的92個地面實測點數據進行對比驗證,結果具有很強的一致性；Folhes等[29]利用METRIC模型和Landsat遙感數據估算了巴西東北部半干旱地區的蒸散量,將計算值與微氣象塔實測蒸散值進行對比,研究結果為灌溉農業用水量提供了數據支撐；何延波等[30]在對SEBS模型參數進行訂正的基礎上,利用MODIS遙感數據對黃渤海地區地表通量進行了估算,并分別與地面觀測點和LAS數據進行對比驗證,結果表明精度可靠且能滿足日蒸散量計算的要求。從眾多研究可以看出,利用遙感計算蒸散需要反演的其中一個重要參數為地表溫度,將地表溫度與其他參數相結合能得到較為精確的近地表層湍流通量值和下墊面的干濕狀況[31-32],對于計算區域蒸散意義重大,而溫度的反演需要用到熱紅外波段數據,但高分辨率的熱紅外數據難以獲取,因此盡管對區域范圍內蒸散發估算的研究較多,但大部分為中低分辨率尺度獲取蒸散值[33-34],為提高計算精度,有必要在該研究區開展結合高空間分辨率數據利用多尺度空間融合獲取日蒸散量的研究,為小區域范圍內水資源合理利用與精準分配提供借鑒。

本研究區位于西北干旱區河西走廊中段臨澤綠洲北部,地表覆蓋包括綠洲內部農田、綠洲-荒漠過渡帶、人工-天然植被防風固沙林和荒漠。利用Landsat 8遙感影像的反演參數及氣象數據估算研究區的日蒸散量,依靠臨澤內陸河流域研究站的通量塔渦動相關數據和氣象數據來驗證遙感反演的精度,將不同季節的蒸散值與通量塔通量數據進行對比驗證,分析SEBS模型在該地區的適用性,同時探討了不同土地覆蓋類型對蒸散量空間分布的影響；并利用資源三號(ZY3)影像的高分辨率植被信息來獲取空間增強后的地表溫度值,以提高蒸散量的估算精度,通過遙感手段來估算蒸散量為陸面過程的研究和水資源管理提供了關鍵參量,對于農業生態和水文學的發展意義重大[35]。

1 資料與方法

1.1 研究區概況

該荒漠綠洲位于甘肅省張掖市臨澤縣北部(100°06′04″E—100°09′53″E,39°19′07″N—39°24′40″N),地處河西走廊中段,屬黑河流域中游,最高海拔1481 m,最低1273 m,根據中國科學院臨澤內陸河流域研究站(100°07′48″E,39°20′50″N,海拔1384 m)氣象站的年觀測數據[36],該地區年均氣溫9.2℃,多年平均降水量124 mm,有77%集中在7、8月份,年均無霜期195 d,屬溫帶干旱氣候。研究區內土地覆蓋類型復雜,東部和西北部多裸地,中部和南部多農田及農田外圍防護林地,主要種植楊樹,裸地與農田的過渡帶長有梭梭、泡泡刺、沙拐棗等防風固沙灌木,在雨水較多的年份還會生長刺蓬、霧冰藜、白莖鹽生草等一年生草本植物,西南有黑河流經,為典型的荒漠綠洲農田,由于農田比例較高,區內受人類活動影響較大。該研究區主要種植作物有制種玉米、大田玉米,作物生長以灌溉為主,灌區內密布各級水渠,在生長季內大部分區域通過水渠引平川水庫內水進行灌溉,也有部分抽取地下水灌溉,由于該研究區地處西北干旱區,水資源短缺,蒸發旺盛,加之人類對水資源的不合理利用,導致該地區生態環境十分脆弱,沙塵暴等惡劣天氣時有發生,因此合理利用水資源以提高利用率對于生態環境保護和該地區農業的發展具有重要意義。

1.2 研究方法

本文采用SEBS模型[27],該模型是一種利用遙感數據和氣象數據來估算地表通量的模型,模型的計算需輸入兩套參數：第一套為遙感反演數據,其中包括空間分布的地表反照率α、植被歸一化指數NDVI、植被覆蓋度Pv、葉面積指數LAI、地表比輻射率ε、地表溫度Ts、高程DEM等,第二套為研究區內衛星過境時刻的氣象數據,包括氣溫、風速、濕度、氣壓、日照時數等,在輸入ILWIS軟件的SEBS模塊時,將第一套參數中的遙感反演數據統一為30 m分辨率的TIFF格式以計算日蒸散量。它的理論基礎是地表能量平衡方程：

Rn=G0+H+λE

(1)

式中,Rn為凈輻射量(W/m2),G0為土壤熱通量(W/m2),H為感熱通量(W/m2),λE為潛熱通量(W/m2),其中λ為水的蒸發潛熱,取值2.49×106J/kg,E為實際蒸散量(kg m-2s-1)。

1.2.1凈輻射量

(2)

1.2.2土壤熱通量

G0=Rn[Γc+(1-Pv)(Γs-Γc)]

(3)

式中,Γc=0.05,為全植被覆蓋條件下土壤熱通量與凈輻射的比率；Γs=0.315,為裸土條件下土壤熱通量與凈輻射的比率。Pv為植被覆蓋度[39-40],由歸一化植被指數NDVI計算得到：

Pv=[(NDVI-NDVIs)/(NDVIv-NDVIs)]2

(4)

式中,NDVIv、NDVIs分別為植被和裸土的NDVI值,分別取研究區內累積百分比98%和5%的值。

根據下式中葉面積指數LAI與植被覆蓋度之間的關系,可以得到LAI值[41]：

LAI=[ln(1-Pv)]/(-0.5)

(5)

1.2.3感熱通量

(6)

(7)

(8)

式中,u為風速(m/s),u*為摩擦風速(m/s),k為von Karman常數,取值0.4,z為參考高度(m),d0為零平面位移(m),z0m、z0h分別為動量、熱量交換粗糙度(m),ψm、ψh分別為動力交換和熱力交換的MOS穩定度訂正函數,L為奧布霍夫長度,定義為式(8),θ0、θa分別為觀測高度和參考高度的位溫(K),ρ為空氣密度(kg/m3),Cp為空氣熱容(J kg-1k-1),θv為近地表虛位溫(K),g為重力加速度(m/s2)。其中,摩擦風速、奧布霍夫長度和感熱通量利用MOS相似性理論通過Broyden非線性方程組進行求解,其余所需參數均可通過氣象數據結合遙感影像信息獲取。

1.2.4日蒸散量

由于蒸發比在一日之內可被認為是常數,利用蒸發比不變法可進行日時間尺度擴展[42],因此由衛星過境時刻的瞬時蒸散值可得到日蒸散量：

(9)

在極端干旱狀態下,由于土壤水分的缺失潛熱通量約為零,而此時的感熱通量達最大值：Hdry=Rn-G0,式中：Hdry為干燥地表環境下的感熱通量(W/m2)；在土壤供水充足的極端濕潤環境下,蒸散發旺盛且達到潛在蒸發速率,此時的感熱通量取最小值：Hwet=Rn-G0-λEwet,式中：Hwet為濕潤地表環境下的感熱通量(W/m2),λEwet為濕潤地表環境下的潛熱通量(W/m2)。

根據以上兩種極端狀態就可計算相對蒸發比Λr,在該模型中定義Λr為實際蒸發速率與潛在蒸發速率(即濕限蒸發速率)之比：

(10)

由此可知瞬時蒸散量可用下式計算：

(11)

同時可以得到蒸發比Λ,定義為實際蒸散與潛熱通量與感熱通量之和的比值,即可帶入式(9)計算日蒸散量：

(12)

1.3 數據來源與處理

根據Landsat 8影像條帶號及本研究區所在地理位置,選擇133行、33列遙感數據,下載地址為https://earthexplorer.usgs.gov/,該影像全色波段空間分辨率為15 m,基本分辨率30 m,還包括了兩個100 m空間分辨率的熱紅外波段,所下載熱紅外數據已經過重采樣將分辨率轉為30 m。本文選取了研究區2014年8景質量較好的Landsat 8遙感影像(1月13日、2月14日、3月18日、6月6日、7月24日、8月9日、9月26日、11月13日),這幾日均為晴朗天氣,研究區云量均在8%以下,并用ENVI 5.3軟件進行輻射定標、大氣校正、裁剪等處理,反演出SEBS模型需要輸入的地表參數。同時在該網站下載ASTER DEM高程數據,投影為UTM/WGS84,空間分辨率為1 ″(約30 m),按照研究區邊界進行拼接裁剪。在2014年6—8月份覆蓋該研究區的眾多高分辨率遙感影像中,資源三號衛星在2014年8月27日獲取的該研究區影像晴朗無云,因此選購該景影像與2014年8月9日的Landsat 8影像進行融合,因時間距離較近,可將植被信息看作同一時相,其全色數據空間分辨率為2.1 m,多光譜數據分辨率為5.8 m。本文只選了生長季的高分辨率影像來進行植被空間信息的增強,而未選擇冬季月份的,是因為該研究區冬季降水稀少,幾乎無植被,蒸散量較小,即便使用高分辨率影像進行空間信息增強,變化也不甚明顯。

圖1 研究區土地覆蓋類型分類Fig.1 Classification of land cover in study area

氣象數據來自臨澤內陸河流域研究站,同時收集位于該研究區內的綠洲內部農田觀測場和綠洲-荒漠過渡帶觀測場兩個不同下墊面(圖1)的通量塔數據對相應位置像元內遙感反演的日蒸散值進行地面驗證。

1.3.1土地覆蓋類型分類

土地覆蓋類型的特點影響著蒸散量的空間分布,為進一步分析不同土地覆蓋類型對蒸散發的影響,運用監督分類里的支持向量機分類法將地表分為裸地、防護林、梭梭群落、白刺群落、農田、水體、其他共計7類,由于荒漠內部在幾米范圍內就會有多種植被覆蓋,為提高分類精度,選用ZY3數據進行分類,并用混淆矩陣法檢驗分類精度,總體分類精度為88.96%,Kappa系數為0.83,分類精度較高,圖1所示為地物類型圖,以6種地表類型(在統計分析時將梭梭群落和白刺群落合并為綠洲外圍防風固沙灌木叢)為掩膜圖像,借助ArcGIS軟件中的區域分析功能,計算各類土地覆蓋在不同時間的日蒸散值并分析。

1.3.2地表溫度求取

基于Kustas[43]和Anderson[44]提出的植被指數與地表溫度之間的最小二乘法擬合關系,可以利用高分辨率的植被信息獲取空間增強后的地表溫度,該方法使用二次回歸分析式而非線性公式求解回歸系數是因為線性公式只能考慮到平均狀態,會忽略土壤濕度對模型的影響。本研究利用空間分辨率為2.1 m的ZY3影像反演植被指數NDVI,并結合Landsat 8影像模擬高空間分辨率的地表溫度信息,步驟如下：

(1)將2.1 m空間分辨率的NDVI值重采樣至30 m,在不同地物類型上分別選取純像元的NDVI30值(ZY3提供)和T30值(Landsat 8提供),計算系數a、b、c,王萬同等[45]構建了一種純像元選取需遵循的原則：區域相似度判定函數,可用來進行純像元的選取。

T30=a+bNDVI30+cNDVI302

(13)

(14)

1.3.3蒸散量測定

蒸散量利用位于綠洲內部農田和綠洲-荒漠過渡帶的開路式渦動相關系統測定的潛熱通量換算得到,其中位于綠洲內部農田的開路式渦動相關系統由三維超聲風速儀(HS- 50,Gill Solent Instruments,英國)和紅外CO2/H2O氣體分析儀(LI- 7500,LI-COR inc.,美國)組成,觀測高度距地面4.5 m,風浪區范圍均為灌溉玉米農田；綠洲-荒漠過渡帶開路式渦動相關系統由三維超聲風速儀(WindMaster Pro, Gill Solent Instruments,英國)和紅外CO2/H2O氣體分析儀(LI- 7500A,LI-COR inc.,美國)組成,觀測高度距地面8.0 m,風浪區范圍是由梭梭、沙拐棗和白刺等組成的稀疏灌木林地。兩套開路式渦動相關觀測系統的紅外CO2/H2O氣體分析儀與垂直方向夾角為10°,與三維超聲風速儀的感應面相距均為20 cm。兩個通量塔周圍地勢相對平坦。

2 結果

2.1 SEBS模型驗證

綠洲農田觀測場下墊面主要種植玉米,植被均一,荒漠-綠洲過渡帶觀測場下墊面為梭梭群落、白刺群落、裸地等,植被類型較為復雜,為保證數據的準確性,在SEBS模型計算的蒸散結果中提取兩個通量塔所在經緯度的像元值與通量塔數據分別進行對比,以模型計算值為自變量,實測日蒸散值為因變量,用回歸方程對二者進行擬合,以決定系數R2來表示回歸方程擬合的好壞,同時計算了模型計算值與實測日蒸散值之間的均方根誤差(RMSE)、平均絕對誤差(MAE),二者絕對值越小,表明兩種方法之間的差異越小。由圖2明顯可以看出：模型估算值不管是在綠洲農田還是在綠洲-荒漠過渡帶都存在高估現象,且在蒸散量越小時高估現象越嚴重。農田區模型計算值與實測值回歸方程斜率為1.07(R2=0.96,P<0.001),相比回歸方程斜率為0.80(R2=0.72,P<0.001)的綠洲-荒漠過渡帶來看,變化趨勢較為一致且方程擬合效果較好,且農田區隨著蒸散量的增加,模型值與實測值的擬合程度越好,說明用SEBS模型估算該研究區蒸散值是可行的。單獨看SEBS模型計算值與綠洲農田蒸散值之間的差異(表1),RMSE、MAE分別為0.84 mm/d、0.56 mm/d,而模型計算值與綠洲-荒漠過渡帶蒸散值之間的RMSE、MAE分別為1.33 mm/d、1.12 mm/d,均比與綠洲農田之間的差異要大,說明在下墊面為均一農田時,SEBS模型的估算結果更為準確。

2.2 綠洲-荒漠過渡帶蒸散季節變化

SEBS模型計算的研究區日蒸散量分布如圖3所示,四季可以明顯看出該地區蒸散量的季節變化規律：夏季>春季>秋季>冬季。空間上整體變化特征主要受土地覆蓋類型的影響,南部多農田、林地,靠近水域(河流：黑河；水庫：平川水庫),多植被覆蓋且供水充足,蒸散量較大；北部和東部多裸地,水分不足因此蒸散值較小。

圖2 實測值和地表能量平衡系統(SEBS)模型計算值之間的相關性Fig.2 Correlation between measured values and ETdaily (daily evapotranspiration) estimated by surface energy balance system (SEBS) model

Table 1 Comparison between measured values and ETdaily(daily evapotranspiration)estimated by surface energy balance system(SEBS)model

時間TimeSEBS計算值Simulated values by SEBS/(mm/d)綠洲農田值Values for oasis/(mm/d)SEBS計算值Simulated values by SEBS/(mm/d)綠洲-荒漠過渡帶值Values for oasis-desert ecotone/(mm/d)1-130.440.090.960.022-140.970.101.610.093-182.010.272.250.066-62.722.741.830.777-247.166.683.622.208-95.665.382.041.299-261.760.881.580.4011-131.020.221.110.07RMSE:均方根誤差Root mean squared error0.841.33MAE:平均絕對誤差Mean absolute error0.561.12

由圖3可知研究區的時間變化特征：1月13日、2月14日表征冬季蒸散情況,氣溫低且地表裸露,水庫內水結冰,蒸發微弱,大部分蒸散量均在1.5 mm/d以下；比較這兩日蒸散值可知,2月14日蒸散量在整個研究區內相比1月13日有小幅上升,這與溫度值升高有關。

圖3 SEBS模型計算日蒸散量對比Fig.3 ETdaily estimated by SEBS model for various days

3月18日代表初春,農田地區作物還未播種,但因溫度升高,蒸散值也相應增大,均在2.0 mm/d左右,水庫與河流解凍,蒸發加強。6月6日為春末夏初時節,農田作物已進入生長階段,該地區為引水灌溉,且此時作物已經過第一輪澆水及施肥,生長旺盛,蒸散量明顯增加。從圖3可以看到北部農田蒸散值比南部高,這是由于引水灌溉并不能在一天內對研究區內所有農田進行澆水,這充分說明了水分對于蒸散的影響是極其顯著的,同時水庫、河流及湖面(中部水域為鎖龍潭)的蒸散值大幅上升,可達7.0 mm/d。

7月24日蒸散結果代表仲夏時節,此時為該地區雨季,是荒漠地區植物的生長季,因此荒漠地區蒸散值增加明顯,約為3.0 mm/d；農田作物此時進入生長關鍵期,需大量引水灌溉,且已經過第二輪施肥,蒸散量達全年最高,均在6.0 mm/d以上,同時蒸散差異也達最大。8月9日整個研究區蒸散值較7月24日有所回落,但仍處于較高水平。

9月26日蒸散結果對應秋季,此時農作物生長結束,進入收割季節,該地區種植的作物大部分為玉米,需在9月20日至10月1日前后進行收割[46],且此時溫度也有所下降,因此蒸散量較8月9日大幅降低。11月13日為秋末,溫度降低且地表又恢復裸露狀態,蒸散值極小,均在1.5 mm/d以下。

2.3 土地覆蓋類型對蒸散的影響

圖4 Landsat 8與ZY3數據融合的蒸散結果 Fig.4 The results of evapotranspiration of Landsat 8 and ZY3 data fusion

將8月 27日ZY3數據的高分辨率影像和8月9日Landsat 8影像融合(圖4)與僅使用8月9日Landsat 8影像(圖3f)計算結果對比來看,在大面積農田的中部和水域中部,蒸散值有所增大,而在東部、西北部的荒漠處蒸散值整體上變小,僅在0.5 mm/d以下,在這些地區大部分為純像元,空間增強后像元內地表類型未發生變化,因此蒸散值發生變化主要是由于植被信息的增強。南部占比例較小的居民地和道路(歸在其他類)在空間增強后蒸散值變小,與周圍農田、防護林的蒸散值區分度增大。由此可見,在地物類型交界的地方,如農田與荒漠交界處、居民地和道路與農田的交界處,都不再是緩慢地發生變化,區分度變得明顯,變化值約在2 mm/d左右；而在面積較大的地方空間增強前后變化程度較小,約在1 mm/d。

將所選8景數據的日期以儒略日的形式表示出來,得到不同土地覆蓋類型日平均蒸散值的比較(表2),可知這6種地物蒸散值的季節變化趨勢一致,均在7月24日(205)取得最大值。但各土地覆蓋類型的季節變化幅度不同,水體的季節變幅最大(6.20 mm/d),其次為農田(5.43 mm/d),而灌木叢的變幅最小,僅為2.66 mm/d。由表中信息還可看出,在3月18日(77)以前,各土地覆蓋類型的蒸散值均在緩慢變大且差距不大,而從6月6日(157)開始蒸散量出現明顯差異,在9月26日(269)之后,各土地覆蓋類型的蒸散值又回到相差不大的狀態。蒸散量的多少按照土地覆蓋類型排序依次為：水體>農田>防護林>裸地>綠洲外圍防風固沙灌木叢,其中水體蒸散值在這幾日均為最大,其他類由于包含水體和農田等,蒸散值也較高,在此不列入排序。

表2 不同土地覆蓋類型日平均值及變化幅度

裸地與生長在荒漠中的灌木叢群落的蒸散變化趨勢極為相似,由于荒漠地區植物生長需依靠降水和地下水作為水分補給來源,而7月份為該研究區雨季,水熱條件較好,植物生長迅速,所以7月24日蒸散量較大,其他時間均在2 mm/d以下,由此可見,裸地與灌木叢可代表荒漠地區蒸散量的季節變化。農田的日蒸散值除夏季的7月24日和8月9日外,其他時間均小于林地,這是由于作物在夏季供水充足,作物生長旺盛,蒸散能力極強,因此要高于林地的蒸散值。

3 討論

從SEBS模型值和通量塔實測值所建立的回歸方程來看,斜率接近于1,說明變化趨勢較一致,擬合程度較好且兩者之間差異不大,表明該模型適用性較強。但是該模型在估算日蒸散值時存在明顯的高估現象,在缺水的荒漠地區比農田地區高估現象更嚴重,這是由于在干旱區植被生長過程中會遭受水分脅迫,因此會低估感熱通量,高估蒸散量,Gokmen等[47]在研究中發現：SEBS模型中在計算蒸散量時并未明確考慮到土壤水分的依賴性,對此他們將利用微波遙感獲取的土壤水分信息整合進SEBS模型中顯熱通量的計算,以獲取在水分脅迫下的蒸散值,改進后的模型即成為將土壤水分考慮在計算蒸散量內的單源模型。連晉姣等[48]將利用METRIC模型計算的黑河中游生長季日蒸散值與通量數據做對比,同樣也發現模型存在高估現象。Ma等[49]利用改進后的SEBS模型估算了黑河中游6—9月農田地區的日蒸散,為4.9 mm/d,與本文在7月24日利用SEBS模型估算得到的農田區日蒸散值6.0 mm/d有一定出入,但兩個研究的范圍有所不同,亦可能與SEBS模型存在高估現象有關。相比較異質性較強的綠洲-荒漠過渡帶,下墊面為均一農田時模型的模擬效果更好,該結果與吳雪嬌等[50]利用MODIS/Terra影像,基于SEBS模型在黑河中游估算日蒸散值并用不同下墊面的通量塔數據進行驗證而得出的結論一致,也是在下墊面為均一條件時的估算結果更為精準。值得注意的是在將模型計算值與實測值進行對比時所選取的像元個數和位置會影響模擬的精度,Meijninger等[51]曾測試了大口徑閃爍儀LAS在非均質地表的適用性并確定了用于模擬的像元數量,本文中為了精確起見,僅選擇了通量塔所在經緯度的一個像元值,在實際應用中,可根據分辨率大小來確定所選像元個數。同時,由于通量塔覆蓋范圍與像元大小并不完全一致,因此蒸散值存在差別是確定的,這也會對驗證結果的準確性產生影響,為進一步對模型計算值做精確驗證,應選取與通量塔覆蓋范圍相當的像元大小范圍,以消除衛星軌道漂移及其他原因造成的像元變形等問題。由于該研究區只有農田和荒漠兩種土地覆蓋類型下設有通量塔,其他幾種類型的蒸散值無驗證數據,僅用兩組數據來驗證模型的適用性顯得過于單薄。

從時間變化來看,夏季熱量充足,作物生長需水量大,植被覆蓋度增加,且是荒漠地區的雨季,達到水熱最佳耦合點,因此是蒸散量最大的季節。蒸散的多少主要是由于下墊面供水狀況和植被生長差異造成,綠洲農田和防護林供水充足,植被指數較大,具有高蒸散量,荒漠則恰好相反,為低蒸散值區。為具體說明植被與蒸散之間的關系,將不同土地覆蓋類型的NDVI像素點與對應的蒸散量(7月24日影像)進行對比分析,在農田取NDVI為0.74時,模型計算蒸散值為7.14 mm/d,防護林取NDVI為0.44時,蒸散量為4.91 mm/d,灌木叢取NDVI為0.22時,蒸散量為3.19 mm/d,裸地取NDVI為0.13時,蒸散量為2.98 mm/d,由此可說明隨著植被覆蓋度增加,蒸散量也隨之增加。

利用空間增強后的地表溫度值求取蒸散量相當于采用較高空間分辨率的數據來解析混合像元內部的情況,能夠得到更為準確的地表蒸散值。對比分析空間增強前后的影像,受混合像元的影響,土地覆蓋類型交界部分的信息會被夸大或忽略,在交界處一個像元內若存在著裸土和植被至少兩種土地覆蓋類型,則該部分的土壤熱通量因為裸土的存在會比空間增強前增加,因此蒸散值會變小；若交界處一個像元內存在著農田、林地、道路及居民地等地表類型,面積較小的地表類型將會被忽略,而在空間增強后又被考慮進去,顯熱通量就會增加,蒸散值相應變小。該研究結果與辛曉洲等[52]將MODIS數據與CBERS-02提供的地表類型圖相結合并用面積權重平均法得到MODIS像元的通量一文中所得的結論,以及劉雅怩等[53]用同樣方法在黑河流域進行地表通量的估算所得出的結論是一致的。王萬同等[45]在利用ETM+與MODIS數據對伊洛河流域地表蒸散值進行估算時也發現低分辨率影像中的混合像元容易被忽略或夸大。為提高計算的精度,所選擇高分辨率植被信息的時間應盡可能地接近Landsat 8影像的獲取時間,這樣才可以保證地表植被信息是在相同時相下獲取的,但是由于兩種數據獲取周期的差異,導致很難選擇到時間近乎接近的兩日數據。并且從整個計算過程來看,僅有植被信息部分使用了高分辨率數據,而影響蒸散的還有多種氣象因素,單純提高某個參數對計算結果的影響是極小的,以上都是空間增強法需要改進的地方。

從各土地覆蓋類型的日蒸散量統計分布來看,季節變化趨勢是一致的,但變化幅度不盡相同,變化幅度由大而小依次為：水體>農田>防護林>裸地>綠洲外圍防風固沙灌木叢。蒸散值達最大的時間都在夏季。夏季是農作物生長的黃金時期,灌溉充足且熱量條件豐富,農田和林地的蒸散值明顯增加。此時為該地區雨季,裸地水熱條件好且荒漠植物也進入生長季節,因此裸地和綠洲外圍防風固沙灌木叢的蒸散變化特征可用來表示荒漠地區蒸散量的季節變化。其他類主要包括了居民地和道路,其具有較高蒸散值可能與實際不符,這是由于盡管使用了分辨率較高的ZY3數據來提取地物類型,但不可避免地將農田或林地劃分進去,且農田和其他類的地表與近地面大氣之間熱力性質差異較大,地氣能量交換的主要方式不同,居民地、道路等以感熱交換為主,近地表形成不穩定層結,而農田、林地主要通過潛熱進行交換,因此兩者間容易造成平流交換,產生“冷島效應”[54-55],使得臨近居民地的林地和農田的蒸散值更高,也就解釋了其他類蒸散值較高的原因。

4 結論

本文利用我國資源三號影像提供的高分辨率植被信息獲取了空間增強后的地表溫度值,運用SEBS模型對黑河中游綠洲-荒漠過渡帶地表蒸散量進行了估算,探討了不同土地覆蓋類型對蒸散量空間分布的影響,得到的主要結論有：

(1)將高分辨率的ZY3影像與Landsat 8數據進行融合后由于植被信息的增強,在地物交界處蒸散量的區分度變得明顯；通過與通量數據的觀測值對比分析表明：SEBS模型對該地區日蒸散量進行估算可行,且在均一地表類型時精度更高。

(2)從季節變化來看,各土地覆蓋類型的季節變化趨勢一致(夏季>春季>秋季>冬季),但變幅存在差異：水體>農田>防護林>裸地>綠洲外圍防風固沙灌木叢,主要與下墊面供水、熱量收支和植被覆蓋有關。

(3)在空間分布上,除水體外,地表植被覆蓋對蒸散量影響明顯,夏季綠洲內部農田和防護林蒸散量較高,最大值分別為5.95 mm/d、5.14 mm/d,是綠洲以外荒漠裸地的2—3倍。