EN中文

地球信息科学学报 >

2014 , Vol. 16 >Issue 6: 979 - 988

DOI: https://doi.org/10.3724/SP.J.1047.2014.00979

基于MOD16产品的我国2001-2010年蒸散发时空格局变化分析

  • 贺添 , 1, 2, 3 ,
  • 邵全琴 , 1, *
展开
  • 1. 中国科学院地理科学与资源研究所,北京 100101
  • 2. 中国科学院大学,北京 100049
  • 3. 郑州大学水利与环境学院,郑州 450001
*通讯作者：邵全琴(1962-),女,江苏常州人,研究员,博士生导师,研究方向为GIS应用与生态信息。E-mail:

作者简介：贺添(1977-),男,博士生,四川成都人,研究方向为区域气候变化。E-mail:

收稿日期: 2014-05-21

  要求修回日期: 2014-06-23

  网络出版日期: 2014-11-01

基金资助

国家重点基础研究发展计划“973”项目(2010CB950902)

国家科技支撑计划项目(2013BAC03B04)

国家自然科学基金项目(41371409)

收起

Spatial-temporal Variation of Terrestrial Evapotranspiration in China from 2001 to 2010 Using MOD16 Products

  • HE Tian , 1, 2, 3 ,
  • SHAO Quanqin , 1, *
Expand
  • 1. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. Graduate University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. Zhengzhou University, Zhengzhou 450001, China
*Corresponding author: SHAO Quanqin, E-mail:

Received date: 2014-05-21

  Request revised date: 2014-06-23

  Online published: 2014-11-01

Copyright

《地球信息科学学报》编辑部 所有
Fold

摘要

蒸散发的时空格局分析对理解气候变化与水资源之间的相互影响具有重要的作用。本文基于MODIS全球蒸散发产品(MOD16),分析了2001-2010年我国陆面蒸散发的时空格局变化,得出以下结论：(1)站点尺度和流域尺度的精度验证结果表明,MOD16产品对于我国森林、农田生态系统类型,以及辽河、海河、黄河和淮河流域的模拟精度较高;(2)2001-2010年,我国年均蒸散发为532±10 mm,年内蒸散值变化最大的是东北区,月均蒸散变异系数为0.87,而西北区变化幅度最小,变异系数为0.19;(3)2001-2010年,我国陆面蒸散发年际变化总的趋势不明显,占陆地面积11.2%区域的蒸散发呈显著减少趋势(p<0.05),主要分布在青藏高原中部,内蒙古中东部地区及新疆北部,只有2.3%的区域的蒸散发增加趋势显著,(p<0.05),主要分布在黄土高原地区、黄淮海平原及东北平原;(4)通过对比干旱指数变化趋势、植被指数变化趋势图可以看出,蒸散发显著减少的区域主要分布于干旱加剧的半干旱地区,而蒸散发显著增加的区域主要位于植被变好的地区。

关键词： 蒸散发; MODIS数据; 时空格局变化; 中国

本文引用格式

贺添 , 邵全琴 . 基于MOD16产品的我国2001-2010年蒸散发时空格局变化分析[J]. 地球信息科学学报, 2014 , 16(6) : 979 -988 . DOI: 10.3724/SP.J.1047.2014.00979

Abstract

Terrestrial evapotranspiration (ET) is a key process in the climate system and a nexus of the water and energy cycles. Understanding the temporal and spatial change of ET is important to analyze the climate impact on water resource. However, large scale ET estimation methods are still in evolution due to the complexity of processing ET. With the aid of MODIS ET products (MOD16), we obtained the 10-year spatial-temporal data sets of terrestrial ET in China from 2001 to 2010.MOD16 ET products were first validated at 8 flux towers and 10 large basins in China. The results show that although some uncertainties are present, the magnitudes and spatial pattern of ET in China are basically reasonable. The MOD16 products withthe best performances were observed at sites with forest and crop land cover, as well as in four basins in the north of China.The average annual terrestrial ET in China from 2001 to 2010 is 532±10 mm.The seasonal change of the ET in Northeast China is most obvious with a coefficient of variation (CV) of 0.87 based onthe average monthly ET, while the Northwest China has little seasonal variations making the CV is only 0.19. Generally, the estimated terrestrial ET in China shows littlesignificant variation during the 2001 to 2010 period. On the regional scale, approximately11.2% of the areas show significant negative ET trends, which occur mainly in the center of Tibetan Plateau, northeast of Inner Mongolia and the north of Xinjiang. Only 2.3% of the areas show significant positive ET trends, which mostly occur in Loess Plateau, Northeast Plain and Huang-Huai-Hai Plain. According to the analysis of the maps of the linear trends of PDSI and NDVI in China during 2001 to 2010, we can see the negative ET mainly occurs in the semi-arid areas which under go increasing drought; while the positive ET occurs in areas where the vegetation is turning better after large-scale ecological restoration projects were implemented.

Key words： evapotranspiration; MODIS; spatial-temporal variation; China

1 引言

蒸散发既是地表能量平衡的分量,又是水量平衡的分量。全球陆地大约60%的降水都会以蒸散发的形式返回到大气中[1],蒸散发过程同时也消耗了大约3/5的地表净辐射能量[2]。陆面蒸散发可以影响降水,同时伴随的潜热具有降温作用,因此,蒸散发被看作气候系统中的核心过程,是连接水热循环的纽带[3]。全球气候变暖会影响大气中的水汽含量和大气环流,从而影响降水、蒸散发等过程,这些变化可能对农业灌溉和生态需水造成影响。由于地球系统内可供利用的淡水资源越来越稀缺,因此,充分认识蒸散发的时空格局变化过程,对于了解气候变化对水资源的影响具有极其重要的作用。
大尺度陆面蒸散发研究对于理解地球表层的能量平衡和水分循环非常重要。遍布全球的通量网络在过去几十年内已提供了长时间序列较为可靠的蒸散发观测值,可用于评估不同气候带和生态系统的蒸散发变化。然而,站点测量的蒸散值并不能提供蒸散发的区域分布信息。区域蒸散发的估算过去以水量平衡法为主,可以得到较为准确的多年平均蒸散发值,然而其难以得到较高时间分辨率的蒸散发空间分布[1]。遥感技术被认为是区域尺度上估算蒸散发的最可行方法[4-5],具有较好的时效性和区域性的特点,可以使蒸散发的计算在时空尺度上得以扩展。
近年来,国内从遥感蒸散发模型的发展[6-7],到地表蒸散发观测试验[8-9],以及典型生态系统类型的蒸散发模拟[10]都取得了很多的成果。然而,由于遥感蒸散发模拟的复杂性,区域蒸散发的模拟主要应用在一些特定的区域或流域[11-12],全国尺度的研究不多。目前,SEBS模型[13]、Priestley-Taylor模型[14]、NOAH陆面模式[15]和BEPS模型[16]已应用于整个中国区域的陆面蒸散发模拟研究。Chen等[17]使用相同气象和遥感数据作为输入,评估了8个遥感蒸散发模型在中国的估算结果,说明不同遥感蒸散发模型的假设和主要控制因子的不同会造成陆面蒸散发估计的差异。如何反演得到时空格局合理的数据集是进行蒸散发研究的前提条件,而NASA的MODIS全球蒸散发产品MOD16,提供了较高时空分辨率的陆面蒸散发数据集,已在全球得到了较为广泛的应用。国内利用MOD16产品评估了鄱阳湖流域的蒸散发时空格局演变[18],以及利用MOD16产品与MODIS地表温度产品一起评估了我国造林对于降低地表温度的作用[19],然而,目前还缺乏MOD16产品在整个中国区域的精度评估和应用研究。
本文利用中国陆地生态系统通量观测研究网络(ChinaFLUX)通量站观测数据和流域水文数据,分别在站点尺度和区域尺度上评价了MOD16产品在我国的应用精度,并用MOD16产品对我国2001-2010年的蒸散发时空分布和变化进行了应用分析和评估。

2 数据和方法

2.1 通量站点观测数据

本文选择了ChinaFLUX的8个典型生态类型通量站点的涡度相关观测数据对MOD16产品进行站点尺度的评估。通量观测站包括4个森林站(长白山温带落叶混交林、千烟洲人工针叶林、鼎湖山亚热带常绿阔叶林和西双版纳热带雨林)、3个草地站(内蒙古半干旱温带草原、海北高寒草甸和当雄高寒草甸)和1个农田站(禹城温带半湿润旱作农田)[20-22],通量观测站点的基本信息如表1所示。
Tab. 1 General background of flux observation sites used in this study

表1 通量观测站点基本信息

站点 覆被类型 经度 纬度 气候类型 海拔(m) 降水(mm)
长白山 落叶阔叶和针叶混交林 128°05′45″ 42°24′9″ 温带大陆性气候 738 713
千烟洲 人工针叶林 115°03′29″ 26°44′29″ 典型亚热带季风气候 100 1542
鼎湖山 常绿阔叶林 112°34′ 23°10′ 热带季风气候 300 1956
西双版纳 热带季节性雨林 101°12′ 21°57′ 热带季风气候 756 1453
禹城 旱作农田 116°34′ 36°50′ 暖温带半湿润季风气候 28 582
海北 高寒草甸 101°19′52″ 37°39′55″ 高原大陆性气候 3293 580
内蒙古 典型草原和草甸草原 116°40′ 44°32′ 温带半干旱大陆性气候 1187 400
当雄 高寒草甸 91°05′ 30°51′ 高原大陆性气候 4250 476
对上述通量站点的观测数据进行了必要的预处理,包括坐标旋转,WPL校正及数据插补。由于冠层储热等原因,通量站点都存在能量平衡不闭合的问题。8个站点的能量闭合状况评估表明[23]：西双版纳站的能量平衡状况稍差;当雄、内蒙古、鼎湖山、海北、长白山、千烟洲的能量平衡状况较好;禹城站的能量平衡状况最好,能量平衡比率范围为0.58-1.00。
Tab. 2 Average precipitation and runoff data of selected river basins for ET comparisons from 2001-2010 national water resource first-order regionalizations

表2 中国水资源一级区2001-2010年平均降水和径流

编号 水资源一级区 计算面积(×104km2) 降水量(mm) 径流量
(mm)
1 松花江区 93.5 461 134
2 辽河区 31.4 514 138
3 海河区 32.0 490 81
4 黄河区 79.5 443 79
5 淮河区 33.0 869 314
6 长江区 180.0 1055 532
7 东南诸河 24.5 1663 944
8 珠江区 57.8 1536 811
9 西南诸河区 84.4 1071 667
10 西北诸河区 336.2 172 42

2.2 流域水文数据

为了验证模型区域蒸散发计算结果,选取了中国水资源一级区2001-2010年的降水和径流数据,通过水量平衡法计算流域尺度的年均蒸散发。其中降水和径流数据来自于中华人民共和国水利部公布的“中国水资源公报”,径流量包括地表径流和地下径流。通过水量平衡法,利用流域的水分收支状况分析区域尺度的蒸散发(ET)。
ET = P - Q - Δ S (1)
式(1)中,P为降水;Q为径流,包括地表径流和地下径流;ΔS为储存水的动态变化,在年尺度或多年尺度时可以忽略[24-25]。

2.3 MOD16蒸散算法及产品

MOD16产品数据集包含蒸散发(ET)、潜热通量(LE)、潜在蒸散发(PET)和潜在潜热通量(PLE),空间分辨率1 km,时间分辨率有8天、月和年。MOD16蒸散算法[26-28]基于Penman-Monteith公式如下,计算时分别考虑了土壤表面蒸发、冠层截流水分蒸发和植物蒸腾。
λE = s ⋅ A + ρ ⋅ C p ⋅ ( e sat - e ) / r a s + γ ⋅ ( 1 + r s / r a )
式(2)中,λE为潜热通量;λ为蒸发潜热;s为饱和水汽压与温度的曲线斜率;A为可利用能量,通过植被覆盖度可计算冠层和土壤表面分别获取的能量;r为空气密度;Cp为空气定压比热;γ为湿度计算常数;esat和e分别为饱和水汽压和实际水汽压;ra和rs分别为空气动力学阻抗和表面阻抗,主要是通过不同生态类型的气孔导度和边界层导度的不同,以及受到水分胁迫和温度胁迫时的导度变化情况计算得到,在算法中使用了一张不同生物群落叶片气孔开闭时的临界温度和水汽压差查找表(BPLUT)进行计算。
本文主要使用了MOD16A2和MOD16A3,分别为8天和年均产品。MOD16产品是基于SIN投影的HDF格式,运用MRT(MODIS Reprojection Tool)软件,进行重投影和拼接转化为TIFF格式后用作下一步的统计分析。

2.4 研究方法

(1)数据精度评价
本文利用相关系数r、均方根误差RMSE、平均偏差BIAS和平均绝对偏差MAE等[29]指标对MOD16产品开展数据精度评价,计算公式分别为：
BIAS = N - 1 ∑ i = 1 N ( P i - O i ) (3)
RMSE = N - 1 ∑ i = 1 N ( P i - O i ) 2 (4)
MAE = N - 1 ∑ i = 1 N | P i - O i | (5)
式中,N为观测个数;Pi和Oi分别为模拟值和观测值。
(2)蒸散发年际变化的评估指标
利用最小二乘法,基于每个像元计算2001-2010年的年均蒸散变化趋势,计算公式为：
b = ∑ i = 1 n i × E T i - ∑ i = 1 n i ∑ i = 1 n E T i n ∑ i = 1 n i 2 - ∑ i = 1 n E T i 2 n (6)
式(6)中,b为趋势斜率;n为时间段(n = 10);ETi为第i年的年蒸散值。利用MOD16A3年值序列和时间序列(年份)的相关关系来判断蒸散值年际间变化的趋势,斜率为负表示蒸散值变化趋势为减少,斜率为正表示蒸散值变化趋势为增加。变化趋势的显著性检验采用t检验,统计指标b/SE(b)(SE(b)为b的标准差)具有t分布,t检验的结果可以对变化趋势的显著性进行判别。当|b/SE(b)|≥t0.05时,趋势变化为“显著”。需要注意的是显著性仅代表趋势变化可置信程度的高低,与趋势变化快慢无关。
按照中国自然地理区划[30],将全国划分为东北、华北、华中、华南、西北、西南、内蒙、青藏8大区域,分析蒸散发在空间上的变化特征。

3 蒸散发时空格局变化分析

3.1 站点与流域尺度MOD16产品的精度分析

3.1.1 站点尺度MOD16产品的精度
将站点观测数据累加到8天与MOD16A2数据进行验证,对于能量平衡闭合率较低的站点[23],通过波文比校正法[31]对实测数据进行闭合处理后再进行验证。结果表明(表3,图1),MOD16产品在森林站点的模拟结果最佳,与Kim等[32]利用亚洲通量网(AsiaFlux)17个站点对MOD16产品的验证结果一致。观测值与模拟值的相关系数平均值为0.76(r范围为0.53-0.94,p<0.001),其中,千烟洲站的观测值与模拟值相关系数最高(r=0.94),内蒙古站的相关系数最低(r=0.53)。各站点观测值与模拟值的RMSE平均值为0.81 mm/d(范围0.53~1.68 mm/d)。长白山站的RMSE最低(0.53 mm/d),当雄站的RMSE最高(1.45 mm/d)。禹城作为唯一的农田站点,相关系数和均方根误差分别为0.82和0.59 mm/d,MOD16产品对于禹城站的模拟效果较好。草地站中的海北站验证效果较好,而当雄站和内蒙古站的验证结果一般,相关系数分别只有0.53和0.59,内蒙古站的RMSE较小,只有0.67 mm/d,与观测值还是比较接近。
Fig. 1 Validation results from ChinaFlux sites

图1 通量站点验证结果

Tab. 3 Statistics of MOD16 ET against the eddy-flux tower observations.

表3 通量站点观测值与MOD16值比较

站点 r RMSE BIAS MAE 时段
长白山 0.93 0.53 0.32 0.41 2003-2005
千烟洲 0.94 0.64 0.37 0.52 2003-2004
鼎湖山 0.62 0.85 0.14 0.69 2004-2005
西双版纳 0.85 0.99 0.89 0.86 2003-2004
禹城 0.82 0.59 0.12 0.43 2003-2004
海北 0.82 0.78 0.02 0.58 2003-2005
内蒙古 0.53 0.67 -0.16 0.48 2004-2005
当雄 0.59 1.45 -0.56 1.07 2004
总体上,MOD16产品与站点观测值的匹配程度较好。与Kalma等[33]总结的大部分遥感蒸散发模型日蒸散值的RMSE在0.5~1.2 mm/d,以及相关系数为0.81-0.91一致。但是,MOD16与观测值仍然存在一定的差异,分析误差来源可帮助理解验证结果和改进模型的参数化方案[34]。(1)MOD16算法使用的GMAO气象再分析资料分辨率太粗,为1.00°×1.25°,虽然进行了插值处理,但是对于区域尺度的应用来说还是会存在精度不够的问题。如果能用时空分辨率较高的气象数据,就能极大地提高MOD16产品的性能。(2)输入的MODIS数据本身会引入一些误差,例如,MODIS的叶面积指数产品和地表反照率产品会由于云污染会带来误差。(3)MOD16算法还有改进的空间。区域蒸散过程包含大量复杂的生物物理过程,部分参数在MOD16算法中做了一定的简化或假设。例如,草地站点的总体模拟效果不如森林站点[23,27],这可能与MOD16算法的阻抗参数化方案有关：一方面特定生态类型(草地)的气孔开闭时的温度、水汽压差和气孔导度使用的是全球一个值,这不可避免会带来误差;另一方面,MOD16算法的阻抗参数化方案沿用Biome-BGC模型[27],而Biome-BGC模型是由Forest-BGC模型发展而来,对于森林生态系统的模拟可能更为准确。(4)验证过程中存在的一些问题也会影响误差的存在[34]。例如,涡度相关仪器在测量时的通量源区(footprint)的代表性,遥感像元与站点观测值如何进行尺度匹配也会造成模拟值与实测值之间的差异。
3.1.2 流域尺度MOD16数据的精度评价
利用2001-2010年我国十大流域的多年平均蒸散值与MOD16产品的年蒸散数据集对比验证可看出,MOD16的年蒸散发量总体偏高,两者相关系数为0.92,均方根误差为152 mm/a(图2),小于全球26个流域的验证结果(RMSE=194 mm/a)[35]。不同流域而言,辽河、海河、黄河和淮河流域的验证结果精度较高,MOD16产品在这些流域的应用较好。MOD16产品在南方的几大流域的模拟值偏高,与南方流域水热条件好、植被覆盖度高、森林面积大有一定关系,站点验证结果也表明MOD16产品对于南方地区森林的模拟有所高估。
Fig. 2 Comparisons ofannual ET over the 10 selected basins. (basin No. listedin Table 4)

图2 水资源一级区年均蒸散值与MOD16均值比较(流域编号见表4)

3.2 2001-2010年我国蒸散发的空间格局变化

2001-2010年,我国多年平均蒸散发量为532±10 mm/a,呈现明显的空间分异特征(图3)。蒸散发的空间分布与降水梯度分布接近：蒸散发最小的区域主要分布于我国西北干旱区新疆、内蒙古、甘肃和青海的沙漠周边地带,该区域广布荒漠草原和沙地,降水量少、土壤湿度低、空气干燥;蒸散最大的区域主要分布在热带和亚热带的东南沿海、台湾岛、滇南和青藏高原东南部。由于MOD16产品对于无植被覆盖的裸土,沙漠等区域的蒸散发不进行计算,所以,图3中西北地区的大部分沙漠和戈壁地带为空白,没有蒸散发。
Fig. 3 Map of multiyear (2001-2010) mean annual ET in China

图3 我国2001-2010年均蒸散分布图

Tab. 4 Comparison of the MOD16 ET and basin scale ET over the 10 basins.

表4 水资源一级区年均蒸散值与MOD16年均值比较

编号 水资源一级区 流域 ET(mm) MOD16 ET(mm)
1 松花江区 326.9 442.0
2 辽河区 376.8 391.4
3 海河区 408.6 402.8
4 黄河区 363.7 387.9
5 淮河区 554.9 573.7
6 长江区 523.5 696.5
7 东南诸河 717.3 930.3
8 珠江区 726.0 974.4
9 西南诸河区 401.6 654.0
10 西北诸河区 130.2 266.6
图4为我国2001-2010年的月平均蒸散发空间分布,图中看出我国多年平均月蒸散发年内呈现比较明显的季节变化,不同区域的年内变化差异也比较大。就区域而言,蒸散发值最大的地区为华南区,月均蒸散量为85.6 mm;最小的区域是内蒙区,月均蒸散量仅19.3 mm。每年6-8月,是全年气温最高、降水最多的时期,植物处于生长季、植被茂盛,蒸腾和蒸发旺盛。9月至次年5月,植物处于折损或是非生长季节,同时由于较低的温度,能量和气孔导度,蒸散值比较小。此外,从表5看到,年内蒸散值变化较大的区域在东北区,月均蒸散值变异系数为0.87,而西北区变化幅度较小,变异系数为0.19。东北区蒸散值变化较大,与大、小兴安岭和长白山林区集中分布有关,森林生态系统的蒸散发最强,随着夏季降水的增加,蒸散值有显著的变化;而西北区全年降水都较小,所以全年蒸散值变化都较小。
Fig. 4 Average monthly ET in China during 2001-2010

图4 我国2001-2010年逐月陆面蒸散发分布图

Tab. 5 Statistics of average monthly ET of every district in China(mm)

表5 我国不同区域多年平均月蒸散发量统计(mm)

地区 月份 均值 变异系数
1 2 3 4 5 6 7 8 9 10 11 12
东北区 8.8 12.8 25.6 23.0 32.5 70.4 102.9 95.4 40.3 19.3 16.8 9.9 38.1 0.87
华北区 22.4 21.8 21.6 25.1 35.8 40.5 73.9 81.2 48.7 23.6 19.5 21.0 36.3 0.59
华中区 30.0 35.5 47.7 62.8 84.4 97.3 120.2 114.3 90.2 59.4 37.0 28.0 67.2 0.49
华南区 45.7 52.2 70.4 87.1 105.2 108.0 120.0 119.0 113.5 96.1 62.6 47.4 85.6 0.33
西南区 37.1 38.7 48.5 54.8 71.0 88.1 99.7 99.7 87.7 71.3 48.6 37.2 65.2 0.37
内蒙区 16.5 17.5 18.8 10.9 10.0 20.0 34.5 33.8 16.8 15.2 20.0 17.4 19.3 0.39
西北区 20.8 21.3 23.4 19.5 21.4 26.7 33.6 27.8 20.4 18.6 21.2 21.5 23.0 0.19
青藏区 29.4 31.1 36.0 34.5 42.1 48.1 55.5 55.2 45.4 35.8 28.5 28.2 39.1 0.25

注：分区依据任美锷、包浩生提出的中国自然地理区划方案

3.3 2001-2010年我国蒸散发年际变化特征及其驱动因素分析

2001-2010年,我国陆面蒸散发保持相对稳定(-1.6 mm/a,p=0.12),图5(a)显示了我国近10 a的蒸散发变化趋势,蒸散发减少的区域占整个中国区域的64%,其中,有11.2%的区域陆面蒸散发减少的趋势具有显著性(p<0.05),主要位于青藏高原中部,内蒙古中东部地区和新疆北部。只有2.3%的区域的陆面蒸散发增加具有显著性(p<0.05),增加的区域主要位于黄土高原地区、黄淮海平原及东北平原。
Fig. 5 Map of the linear trend of ET, PDSI and NDVI in China during 2001-2010

图5 中国2001-2010年ET、PDSI和NDVI变化趋势图

近10 a来,我国干旱加剧的区域基本上也是陆面蒸散发减少的地区。图5(b)为近10 a来我国PDSI的变化趋势图,可以看到干旱加剧的区域主要是西藏南部和云贵两省大部分区域,以及新疆北部地区,这与蒸散发显著减少的区域基本重合。当下垫面水分充足时,净辐射等能量成为驱动蒸散发变化的主要因素;当下垫面比较干旱时,蒸散发就会受到土壤含水量的影响。青藏高原大部分区域处于半干旱区,蒸散发受土壤水分的影响较大,由于干旱的加剧,土壤水分减少,导致该区域蒸散减少。藏南及云南东南部虽有干旱加剧的趋势,但由于处于湿润的热带雨林地区,森林茂盛,水分条件充足,对蒸散发的影响不大,因此,蒸散发并没有呈现显著减少的趋势。
除了气候变化,人类活动也可影响地表的水分循环从而影响区域蒸散变化。自2000年以来,国家投入巨资开展生态修复,先后实施了一批生态环境保护与建设重大工程,如退耕还林还草、退牧还草、天然林保护、防护林体系工程等。随着生态工程的实施,部分区域的植被状况得到了改善,NDVI和植被覆盖度具有明显的增长趋势。对比图5(a)和图5(c)可看到,2001-2010年我国蒸散发显著增加的区域主要位于植被状况变好的区域,特别是黄土高原,由于植被覆盖增加导致该区域的陆面蒸散发具有明显的增长趋势。刘纪远等[36]研究表明东北平原的旱地转换为水田是近10 a来该区域比较典型的土地利用变化类型,从图5(a)可看到,该区域的蒸散发增加的趋势也较为明显。相反,内蒙古东部地区由于人类活动的影响,草地开垦为耕地或开矿挖煤,导致草地破坏,造成了该区域的蒸散呈现降低趋势。

4 结论

由于陆面蒸散发过程的复杂性,目前大尺度的区域蒸散发模拟还存在一些不确定性。周蕾等[16]利用BEPS模型计算了中国1991-2000年的年均蒸散量为442.55 mm,Yao等[14]利用改进的Priestley-Taylor计算了中国地区2001-2010年的年均蒸散量为364.9±14.6 mm,都低于MOD16的结果(532± 10 mm)。然而,Chen等[17]评估的8个蒸散发模型在中国的模拟结果比较,MOD16算法的模拟结果最低,PT-JPL算法结果是MOD16的1.59倍,说明即使都是基于物理过程的遥感蒸散发模型,由于相关假设的不同和控制因子的敏感性,导致模拟结果也具有一定的差异。总的来说,MOD16作为MODIS全球蒸散发产品,为全球变化研究提供了长时间序列较高分辨率的蒸散发产品。本文利用MOD16产品对我国2001-2010年蒸散发时空格局和变化趋势进行了分析,得出以下主要结论：
(1)通过在站点尺度和流域尺度的验证结果表明,MOD16产品对于我国森林、农田生态系统类型,以及辽河、海河、黄河和淮河流域的模拟精度较高。
(2)我国2001-2010年的年均蒸散发量为532±10 mm,蒸散发的时空格局分布合理。年内蒸散值变化最大的是东北区,月均蒸散发变异系数为0.87,而西北区变化幅度最小,变异系数为0.19。
(3)2001-2010年我国陆面蒸散发年际变化总体趋势不明显,占陆地面积11.2%的区域的蒸散发呈显著减少趋势(p<0.05),主要分布在青藏高原中部,内蒙古中东部地区和新疆北部;只有2.3%的区域的蒸散发增加趋势显著(p<0.05),主要分布在黄土高原地区、黄淮海平原及东北平原。
(4)通过2001-2010年的我国干旱指数变化趋势、植被指数变化趋势图分析看出,蒸散发显著减少的区域主要分布在干旱加剧的半干旱地区,而蒸散发显著增加的区域主要位于植被变好的地区。由于大尺度陆面蒸散发的变化与驱动因素之间的关系相对比较复杂,故还需今后进一步进行定量分析。
致谢：文中的PDSI数据集来源于NCAR CGD's Climate Analysis Section dataset (http://www.cgd.ucar.edu/cas/catalog/climind/pdsi.html),在Yao帮助下进行了重绘[14,37]。通量站点数据来源于ChinaFLUX (http://159.226.111.42/pingtai/LoginRe/opendata.jsp)。对上述提供数据的单位和同志,深表谢忱。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Wang K C, Dickinson R E.A review of global terrestrial evapotranspiration: observation, modeling, climatology, and climatic variability[J]. Reviews of Geophysics, 2012,50(RG2005):1-54.

[2]
Trenberth K E, Fasullo J T, Kiehl J.Earth's global energy budget[J]. Bulletin of the American Meteorological Society, 2009,90(3):311-323.

[3]
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):951-954.

[4]
Li Z L, Tang R L,Wan Z M, et al.A review of current methodologies for regional evapotranspiration estimation from remotely sensed data[J]. Sensors, 2009,9(5):3801-3853.

[5]
高彦春,龙笛.遥感蒸散发模型研究进展[J].遥感学报,2008,12(3):515-528.

[6]
吴炳方,熊隽,闫娜娜. ETWatch的模型与方法[J].遥感学报,2011,15(2):224-239.

[7]
Tang R L, Li Z L, Tang B H.An application of the T-s-VI triangle method with enhanced edges determination for evapotranspiration estimation from MODIS data in arid and semi-arid regions: Implementation and validation[J]. Remote Sensing of Environment, 2010,114(3):540-551.

[8]
李新,刘绍民,马明国,等.黑河流域生态-水文过程综合遥感观测联合试验总体设计[J].地球科学进展,2012,27(5):481-498.

[9]
张仁华. 定量热红外遥感模型及地面试验基础[M].北京:科学出版社,2009:1-51.

[10]
魏焕奇,何红林,刘敏,等.基于遥感的千烟洲人工林蒸散及其组分模拟研究[J].自然资源学报,2012,27(5):778-789.

[11]
陈丹,莫兴国,林忠辉,等.基于MODIS数据的无定河流域蒸散模拟[J].地理研究,2006,25(4):617-623.

[12]
尹云鹤,吴绍洪,赵东升,等.1981-2010年气候变化对青藏高原实际蒸散的影响[J].地理学报,2012,67(11):1471-1481.

[13]
占车生. 中国陆面蒸散发量的遥感反演及时空格局[D].北京:中国科学院研究生院,2005.

[14]
Yao Y, Liang S, Cheng J, et al. MODIS-driven estimation of terrestrial latent heat flux in China based on a modified Priestley-Taylor algorithm[J]. Agricultural and Forest Meteorology, 2013,171-172:187-202.

[15]
邴龙飞,苏红波,邵全琴,等.近30年来中国陆地蒸散量和土壤水分变化特征分析[J].地球信息科学学报,2012,14(1):1-13.

[16]
周蕾,王绍强,陈镜明,等.1991年至2000年中国陆地生态系统蒸散时空分布特征[J].资源科学,2009,31(6):962-972.

[17]
Chen Y, Xia J Z, Liang S L, et al.Comparison of satellite-based evapotranspiration models over terrestrial ecosystems in China[J]. Remote Sensing of Environment, 2014,140:279-293.

[18]
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.

[19]
Peng S S, Piao S, Zeng Z, et al.Afforestation in China cools local land surface temperature[J]. Proceedings of the National Academy of Sciences, 2014,111(8): 2915-2919.

[20]
于贵瑞,孙晓敏.陆地生态系统通量观测的原理与方法[M].北京:高等教育出版社,2006:461-474.

[21]
Yu G R, Wen X F, Sun X M, et al.Overview of ChinaFLUX and evaluation of its eddy covariance measurement[J]. Agricultural and Forest Meteorology, 2006,137(3-4):125-137.

[22]
Yu G R, Fu Y L, Sun X M, et al.Recent progress and future directions of ChinaFLUX[J]. Science In China Series D-Earth Sciences, 2006,49(2):1-23.

[23]
李正泉,于贵瑞,温学发,等. 中国通量观测网络(ChinaFLUX)能量平衡闭合状况的评价[J]. 中国科学, 2004(S2):46-56.

[24]
Hobbins M T, Ramirez J A, Brown T C.Trends in pan evaporation and actual evapotranspiration across the conterminous US: Paradoxical or complementary?[J]. Geophysical Research Letters, 2004,31(L13503):1-5.

[25]
Teuling A J, Hirschi M, Ohmura A, et al.A regional perspective on trends in continental evaporation[J]. Geophysical Research Letters, 2009,36(L02404):1-5.

[26]
Mu Q, Heinsch F A, Zhao M, et al.Development of a global evapotranspiration algorithm based on MODIS and global meteorology data[J]. Remote Sensing of Environment, 2007,111(4):519-536.

[27]
Mu Q, Zhao M, Running S W.Improvements to a MODIS global terrestrial evapotranspiration algorithm[J]. Remote Sensing of Environment, 2011,115(8):1781-1800.

[28]
Cleugh H A, Leuning R, Mu Q, et al.Regional evaporation estimates from flux tower and MODIS satellite data[J]. Remote Sensing of Environment, 2007,106(3):285-304.

[29]
Willmott C J.Some comments on the evaluation of model performance[J]. Bulletin of The American Meteorological Society, 1982,63(11):1309-1313.

[30]
任美锷. 中国自然地理纲要(修订第三版)[M].北京:商务印书馆,1992:114-130.

[31]
Twine T E, Kustas W P, Norman J M, et al.Correcting eddy-covariance flux underestimates over a grassland[J]. Agricultural and Forest Meteorology, 2000,103(3):279-300.

[32]
Kim H W, Hwang K, Mu Q, et al.Validation of MODIS 16 global terrestrial evapotranspiration products in various climates and land cover types in Asia[J]. KSCE Journalof Civil Engineering, 2012,16(2):229-238.

[33]
Kalma J D, McVicar T R, McCabe M F. Estimating land surface evaporation: A review of methods using remotely sensed surface temperature data[J]. Surveys in Geophysics, 2008,29(4-5):421-469.

[34]
Jia Z, Liu S, Xu Z, et al.Validation of remotely sensed evapotranspiration over the Hai River Basin, China[J]. Journal of Geophysical Research: Atmospheres, 2012,117(D13113):1-21.

[35]
Vinukollu R K, Wood EF,Ferguson CR, et al. Global estimates of evapotranspiration for climate studies using multi-sensor remote sensing data: Evaluation of three process-based approaches[J]. Remote Sensing of Environment, 2011,115(3):801-823.

[36]
Liu JY, Kuang WH, Zhang ZX, et al.Spatiotemporal characteristics,patterns,and causes of land-use changes in China since the late 1980s[J]. Journal of Geographical Sciences, 2014,24(2):195-210.

[37]
Dai A, Trenberth K E, Qian T.A global dataset of Palmer Drought Severity Index for 1870-2002: Relationship with soil moisture and effects of surface warming[J]. Journal of Hydrometeorology, 2004,5(6):1117-1130.

Options
文章导航

/

〈 〉