區域遙感雙源蒸散發模型研究進展

李 晗，陳 晗，黃津輝，張珈瑋，高俊杰，藍至清

(南開大學環境科學與工程學院，天津 300350)

地表蒸散發過程關聯著水、碳及能量交換，是地表水循環和能量循環的重要組成部分[1-2]。估算地表蒸散發及其組成(土壤蒸發、植被蒸騰)對于區域水資源調配、農業精準灌溉、植被耗需水量的計算以及研究氣候變化對水文和生態的影響具有重要的理論和現實意義[3-6]。土壤蒸發和植被蒸騰涉及的物理和生物過程相對復雜，不同地表類型的植被覆蓋度和土壤特性的高度異質化導致蒸散量的實測和估算相對困難[7-10]。近年來，研究人員結合衛星遙感數據，開發了用于估算區域乃至全球尺度的蒸散發模型，這些模型可分為單源模型和雙源模型[11-15]。雙源模型相對于單源模型物理機制更為先進，能夠區分土壤蒸發和植被蒸騰，尤其在植被稀疏地區運算結果精度更高[16-17]。本文將區域遙感雙源模型歸納為兩大類：一類是通過提取熱紅外遙感影像中地表溫度的熱紅外遙感蒸散發模型；另一類是基于冠層阻抗過程反演植被結構參數信息的蒸散發模型。通過綜述各類模型的優缺點，以期為蒸散發模型的選擇和后續開發提供參考。

1 基于熱紅外遙感的蒸散發模型

基于熱紅外遙感的蒸散發模型主要利用熱紅外傳感器觀測到的地表溫度來估算顯熱通量，并將蒸散量估算為能量平衡的余項，或者估算蒸發比，結合可利用總能量得出實際蒸散量。對于雙源蒸散發模型，土壤層和植被層均遵循能量守恒定律，到達土壤層的凈輻射通量由土壤表面潛熱通量、土壤顯熱通量及土壤熱通量組成；到達植被層的凈輻射通量由植被冠層潛熱通量、植被顯熱通量組成；土壤蒸發水汽和植被蒸騰水汽在植被冠層處充分混合后擴散到參考高度。

1.1 雙源能量平衡模型

雙源能量平衡(two-source energy balance，TSEB)模型主要包含以下幾類:

a.基于Priestley-Taylor公式的雙源能量平衡(two-source energy balance-Priestley-Taylor，TSEB-PT)模型。Norman等[18]對應用在單點尺度的Shuttleworth-Wallace(S-W)模型進行改進，提出了第一個基于能量平衡理論的TSEB-PT蒸散發模型。該模型將S-W模型中5個復雜阻抗的計算簡化為植被冠層空氣動力學阻抗和土壤表面空氣動力學阻抗，其主要優勢在于：①TSEB-PT模型框架中充分利用了遙感反演熱紅外地表溫度數據；②將混合像元地表溫度分解為土壤表面溫度和植被冠層溫度提升了土壤蒸發和植被蒸騰計算的可靠性; ③僅使用一個熱紅外數據信息源就可以對組分溫度進行分解。通過上述改進后，模型具有較為完整的物理機制，更適合于區域尺度模擬。TSEB-PT模型使用Priestley-Taylor方程估算植被蒸騰量，實現組分溫度的準確分解：

(1)

式中：Lv為植被蒸騰量，W/m2；αPT為Priestley-Taylor系數，當表面完全濕潤時，αPT=1.26[19]，其他工況取值可參考Kustas等[20-21]的研究；fc為植被覆蓋率；Δ為飽和水汽壓相對于溫度的變化率，Pa/K；γ為濕度計算常數，γ=0.667 hPa/K；Rnv為植被冠層凈輻射通量，W/m2。

b.地氣交換(atmosphere-land exchange inverse，ALEXI)模型。Anderson等[22]基于TSEB-PT模型提出了ALEXI模型。該模型添加了新的計算模塊，估算了基于時間積分的行星邊界層(planetary boundary layer, PBL)熱能約束區域顯熱通量，建立了太陽升起1～5 h地表升溫速率和輻射溫度的關系，并結合地球靜止軌道環境業務衛星(geostationary operational environmental satellites，GOES )反演的地表溫度信息，實現衛星過境時刻地面蒸散量的準確估算。ALEXI模型存在的問題有：①GOES衛星僅能觀測低緯度地區的高頻氣象信息；②用時間差分法處理遙感數據導致潛熱通量計算誤差，影響蒸散量估值；③模型沒有確定冠層上方溫度邊界條件。

c.分類地氣交換(disaggregated ALEXI，DisALEXI)模型。在ALEXI模型的基礎上，Anderson等[23-24]提出了DisALEXI模型。該模型有效地考慮了PBL對區域熱通量估算以及高分辨率和低分辨率遙感圖像的影響，獲取了高分辨率的感熱通量和潛熱通量分布，充分利用遙感數據源繪制蒸散量的區域分布。DisALEXI模型的應用已擴展到碳通量和光合作用效率的估算，是目前唯一的同時基于熱紅外遙感和阻抗過程的蒸散發模型[25]，模型的弊端在于地表溫度、反照率和葉面積指數等數據的不確定性影響蒸散量估值。

d.內部校準雙源能量平衡(TSEB-a scene-based internal calibration，TSEB-IC)模型。為了避免TSEB模型中地面觀測空氣溫度的輸入，Cammalleri 等[26]提出了TSEB-IC模型。模型選擇區域完全濕潤或者完全由植被覆蓋的像元，并使用Priestley-Taylor方程估算研究區域的空氣溫度和蒸散量。但模型無法在非植被生長季使用，并且利用單個像元的空氣溫度代表整個研究區域的空氣溫度不可避免產生誤差。

e.斑塊模型(patch model)。在非均勻下墊面情況下，土壤和植被呈現斑塊狀分布，兩者具有相互獨立的水汽源，彼此之間沒有水汽、能量交換和混合作用。斑塊模型的優勢在于：①分別計算裸土區域和植被覆蓋區域的蒸發量，并根據其面積比例估算空間尺度的蒸散量[18,27]；②模型的土壤層和植被層凈輻射通量的計算與上述模型采用相同的方法，在干旱和半干旱地區的植被稀疏區域和農田區域往往具有較高的精度，但不適用于植被覆蓋率較高的區域。

其他TSEB模型還包括基于地氣溫差的雙源能量平衡模型[28-29]、簡化的雙源能量平衡模型[30]等。目前TSEB模型已被廣泛應用于流域、區域甚至全球尺度的土壤蒸發量及植被蒸騰量估算，但該模型往往會高估植被蒸騰量和總蒸散量，低估土壤蒸發量。不同遙感圖像的分辨率會顯著影響模型的估算精度，對于較高分辨率(30 m、90 m、120 m等)的遙感影像，TSEB模型的預測結果與地面渦動相關的觀測更為吻合，模型精度往往較高，而對于較低分辨率(1～10 km)的遙感影像，TSEB模型的精度會顯著下降。

1.2 特征空間模型

在TSEB模型中，顯熱通量的計算需要風速、植被高度、空氣溫度和濕度、降水量等參數，為了避免雙源模型對于觀測數據的依賴，嘗試在不同植被覆蓋率情況下利用熱紅外地表溫度的融合信息獲取一些關鍵的地面參數，如地表濕潤情況、植被覆蓋及地表溫度等，將熱紅外遙感信息和可見光遙感信息投影到二維坐標系，從兩者構成的散點圖中獲取地表濕潤狀況，用于估算區域蒸散量及其組分，這類模型被稱為特征空間模型。

特征空間模型的關鍵在于蒸發比的確定，將蒸發比與凈輻射通量、植被冠層凈輻射通量和土壤表面凈輻射通量相結合，可有效估算區域蒸散量、土壤蒸發量以及植被蒸騰量[31-34]。在這類模型中，短波遙感數據用于獲取植被指數,如歸一化植被指數,并確定植被覆蓋率，而熱紅外遙感數據則可以提供地表溫度。包含各類植被覆蓋率和土壤水分含量的特定研究區域的二維散點圖通常呈梯形形狀，梯形上邊界(干邊界)由該區域中地表溫度最高的干燥像元構成，理論上定義為完全干燥時的表面溫度，對應最小蒸發和蒸騰量；下邊界(濕邊界)由該區域中地表溫度最低的濕潤像元構成，理論上定義為完全濕潤時的表面溫度，對應最大蒸發和蒸騰量。從干邊界變化到濕邊界表面溫度逐漸降低，土壤水分逐漸升高，蒸發和蒸騰量逐漸升高，因此理論上在梯形內部存在逐漸過渡的等值土壤濕度線，位于該線上的點具有相同的地表濕潤狀況和土壤含水量，且植被冠層溫度Tv和地表溫度Ts相同。土壤蒸發比Efs的表達式為

(2)

式中：Ts,max為地表最高溫度，K；Ta為空氣溫度，K；Rn為凈輻射通量，W/m2；Rns為土壤表面凈輻射通量，W/m2；G為土壤熱通量，W/m2。

總蒸發比Ef在絕對干邊界和絕對濕邊界之間線性變換[14,31]，由下式計算：

(3)

式中：Tv,max為植被冠層最高溫度，K。

特征空間模型主要包含以下幾類:

a.混合像元組分排序對比算法(pixel component arranging and comparing algorithm，PCACA)模型。PCACA模型[35]假設植被和附近的土壤具有相同的水分源，但具有不同的能量驅動，因此模型首先對混合像元地表溫度和混合像元反照率進行分解，利用組分溫度和反照率估算土壤層和植被層的可利用能量，然后基于波文比法構造土壤表面溫度-植被覆蓋率的梯形特征空間和植被冠層溫度-植被覆蓋率梯形特征空間，分別計算土壤和植被的波文比，得出土壤和植被潛熱通量。PCACA模型提高了干、濕邊界定位的可靠性，但由梯形邊界確定理論邊界時，像元數據獲取的準確性將直接影響模型精度；利用波文比法分割土壤、植被凈輻射通量會導致模型計算的不確定性[36]。

b.雙源梯形蒸散發模型(two-source trapezoid model for evapotranspiration，TTME)。TTME基于TSEB理論定位了地表溫度歸一化植被指數(temperature normalized difference vegetation index，Tm-NDVI)梯形特征空間的4個理論極端像元[37]。在TTME中，假設梯形特征空間的絕對干邊界不存在潛熱通量，只存在顯熱通量[16]。Tm-NDVI梯形特征空間干邊界可利用能量和空氣動力阻抗并耦合地表能量平衡方程確定，因此梯形4個頂點被確定為植被覆蓋率的兩個極端值(0和100%)。Tang等[38-39]對TTME進行了改進并提出了基于極端像元的土壤和植被能量劃分模型，該模型考慮根區和土壤水分隨深度和時間的變化，對目標像元的地表總凈輻射通量進行分解，再利用土壤凈輻射通量和植被凈輻射通量分別計算梯形特征空間土壤和植被組分的溫度。

c.基于混合雙源模式和梯形狀態空間的蒸散發模型(hybrid dual-source scheme and trapezoid framework-based evapotranspiration model，HTEM)。HTEM使用分層方法定義植被和土壤的可利用能量，并使用斑塊模型理論計算土壤層和植被層的潛熱通量[40]。HTEM中土壤和植被蒸發比的確定也基于Tm-NDVI特征空間，并使用與TTME相同的理論干濕邊界定位方法，類似的模型還有改進的雙源蒸散發模型[41]等。

d.像元排序對比和分層能量劃分(pixel component arranging comparing and layered energy partition，PCALEP)模型。Chen等[42]對PCACA模型進行了改進，開發了PCALEP模型用于區分大尺度的土壤蒸發量和植被蒸騰量，該模型提出了一種新的梯形上下邊界定位算法，實現了對梯形上下邊界的自動識別與定位，降低了傳統梯形特征空間模型中極端像元選擇可能導致的模型不確定性。此外，該模型從機理上規避了復雜的阻抗網絡計算，將所有遙感像元的阻抗計算壓縮到了4個極端像元，克服了阻抗計算對模型結果帶來的誤差。

上述模型均存在以下共性不足：①極端干濕邊界定位不確定性將影響蒸散量反演精度；②沒有考慮平流作用，導致蒸散量計算結果被低估；③依賴地面氣象要素觀測數據。TSEB模型和特性空間模型原理相對簡單，可用于區域和全球尺度的遙感蒸散量模擬。然而，遙感熱紅外波段經常受到云層遮擋，使得模型很難獲得時空連續的蒸散量分布，而基于阻抗過程的遙感蒸散發模型為區域蒸散量的模擬提供了有效的方案。

2 基于阻抗過程的遙感蒸散發模型

基于阻抗過程的遙感蒸散發模型主要依賴短波遙感獲得的植被結構信息來量化葉片氣孔導度或利用冠層阻抗估算植被蒸騰量，而葉片氣孔導度同時影響植被的光合作用和蒸騰作用。植被冠層結構參數的季節性變化可以從衛星數據中獲取，因此該類蒸散發模型通常是地球系統模型的主要選擇[43-44]。與基于地表溫度的模型相比，基于阻抗過程的模型優勢在于這類模型可以將區域碳循環信息用于蒸散量的輔助計算[45-46]。基于阻抗過程的遙感蒸散發模型主要有以下幾類：

a.Penman-Monteith-MU(PM-MU)模型。PM-MU模型[6,47]改進了Penman-Monteith(PM)模型，用水汽壓差和溫度來約束冠層阻抗計算，根據晝夜地表溫度分別計算白天和黑夜的地表蒸散量，兩者求和為日蒸散量，并使用互補相關理論估算土壤蒸發量目前該模型已經被用于估算全球尺度的植被蒸騰量Lv和土壤蒸發量Ls：

(4)

(5)

式中：CP為空氣定壓比熱，CP=1 005 J/(kgK)；Da為飽和水汽壓差，由Ta與氣壓P確定，hPa；rs為冠層阻抗，s/m；ra為空氣動力學阻抗，s/m；RH為相對濕度，%；β為經驗參數，β=1 000[21]；ρ為空氣密度，在20℃時為1.204 kg/m3；rtot為空氣動力學和水汽擴散的總阻抗，s/m。PM-MU模型的不足之處在于土壤蒸發參數化方案里存在大量經驗參數計算，并且由相對濕度得到土壤含水率將產生一定的誤差。

b.大葉PM蒸散發(big-leaf PM ET，B-PM-ET)模型。PM模型中的關鍵參數之一是冠層阻抗，B-PM-ET模型假設冠層為一張大葉，可通過葉片的氣孔導度乘以葉面積指數估算冠層阻抗。常見的計算葉片氣孔導度的模型有兩種，分別是Jarvais模型[48]和Ball-Woodrow-Barry(BWB)模型，其中BWB模型計算過程中需要聯立Farquhar方程求解，因此BWB模型能將葉片的蒸騰速率與光合作用速率相耦合。B-PM-ET模型的局限性是將冠層視為大葉時，降低了輻射對光合作用的影響。

c.雙大葉PM蒸散發(two-big-leaf PM ET，TB-PM-ET)模型。TB-PM-ET模型將冠層的葉片分為受陽光照射部分(陽葉)和陰影遮蓋部分(陰葉)兩類，陰、陽葉的冠層阻抗計算方法可由對應葉面積指數與葉片氣孔導度乘積估算，然后根據PM模型依次估算出陰、陽葉的植被蒸騰量，取兩者之和為總蒸騰量：

rsun=gsunIA-sun

(6)

rsh=gshIA-sh

(7)

Lv=Lsun+Lsh

(8)

式中：rsun為陽葉的冠層阻抗，s/m；gsun為陽葉氣孔導度；IA-sun為陽葉的葉面積指數，葉面積計算方法可參考Chen等[49-51]研究；rsh為陰葉的冠層阻抗，s/m；gsh為陰葉氣孔導度；IA-sh為陰葉的葉面積指數；Lsh、Lsun分別為陰、陽葉的植被蒸騰量，W/m2。

d.雙葉PM蒸散發(two-leaf PM ET，T-PM-ET)模型。該模型認為蒸散量與葉片氣孔阻抗或者冠層阻抗呈非線性關系，先根據PM模型計算葉片尺度蒸騰量后，再乘以葉面積指數得到冠層尺度總蒸騰量[52-53]。研究表明B-PM-ET模型估算的蒸散量偏差最大，T-PM-ET模型估算結果偏差最小[46]。

理論上，基于阻抗過程的模型可應用于各種氣候和植被條件，但這些模型對區域和全球尺度的蒸散量計算精度很大程度上取決于從衛星圖像中獲取的降水和土壤濕度數據的準確性，盡管目前土壤濕度的反演算法得到了顯著的改進，但在植被覆蓋率較高的區域，土壤濕度的反演精度還不夠理想[54]。對于土壤表面蒸發比相對較大的稀疏植被區域，基于阻抗過程的遙感蒸散發模型會產生較大的誤差。

3 研究展望

區域遙感雙源蒸散發模型充分利用了從短波遙感到熱紅外遙感的整個光譜范圍內的遙感信息，未來生態系統和城市區域遙感多源蒸散發模型的開發和應用，應關注以下方向：

a.耦合基于熱紅外地表溫度和基于阻抗過程的遙感蒸散發模型。基于熱紅外地表溫度的蒸散發模型相對簡單且容易操作，但是易受到云層遮擋的影響，不能獲取時空連續的區域蒸散量分布；基于阻抗過程的遙感蒸散發模型在區域和全球尺度下的蒸散量計算精度受衛星圖像獲取的降水和土壤濕度數據準確性的影響，因此耦合兩類模型將成為區域蒸散發模型的新方向。可從以下3個方面開展具體工作：①基于地表能量平衡理論量化冠層表面溫度；②在基于阻抗過程的遙感蒸散發模型中進一步完善地表能量平衡的機制；③在不同氣候和氣象條件下生成時空連續的區域蒸散量分布。

b.蒸散發模擬中強化機器學習的應用。隨著人工智能技術的發展，其已經成功應用于包括生態水文在內的多個領域。研究蒸散發過程需要大量氣象參數和土壤、植被參數校準模型，復雜的模型操作過程和大量的輸入參數使模型結果產生了較大誤差。機器學習模型對輸入參數的依賴性較低，模型操作相對簡單[55-56]，適合模擬時空連續區域土壤蒸發量和植被蒸騰量。

c.在基于阻抗過程的遙感蒸散發模型中加強與碳循環的耦合。PM模型中氣孔導度的估算可優先選擇Farquhar模型，使用T-PM-ET模型能夠實現水碳循環模型的耦合，更準確地估算區域和全球范圍內蒸散量。通過獲取高精度的葉面積指數和植被聚集指數，能夠提高T-PM-ET模型精度。

d.城市區域遙感蒸散發模型需要進一步開發和優化。目前對于自然生態系統遙感蒸散發模型的研究已經非常完善，而城市作為人類居住生活的主要場所，了解城市區域蒸散量的變化，開發城市區域遙感蒸散發模型有利于為城市景觀布局規劃、緩解城市熱島效應、改善人居環境舒適度等提供指導[57-58]。由于城市區域下墊面異質性程度較高，且存在較大面積的不透水區域，同時城市生態系統觀測站點數量較少，目前對城市蒸散發模型的研究尚處于起步階段，未來應關注城市區域的遙感多源模型開發[59-60]。

4 結 語

基于熱紅外遙感的蒸散發雙源模型可用于區域和全球尺度的遙感蒸散量模擬，其中TSEB模型將地表溫度分解為土壤表面溫度和植被冠層溫度，提升了估算蒸散組分的可靠性，但模型存在高估植被蒸騰量和總蒸散量、低估土壤蒸發量的問題，同時遙感分辨率會影響模型估算精度；特征空間模型通過計算蒸發比和凈輻射通量估算區域蒸散量，但干濕邊界定位不確定性以及沒有考慮平流作用會低估蒸散量。基于阻抗過程的遙感蒸散發模型避免了遙感熱紅外波段易受到云層遮擋的問題，植被冠層阻抗能夠表征葉片的蒸騰作用與光合作用，考慮到葉片氣孔導度估算的不確定性，模型的預測結果會有偏差。建議未來遙感多源蒸散發模型開發中，加強不同類型模型間的耦合，強化機器學習的應用，在基于阻抗過程的遙感蒸散發模型中加強與碳循環的耦合以及進一步開發城市區域的蒸散發模型。