EN中文

Journal of Geo-information Science >

2018 , Vol. 20 >Issue 9: 1361 - 1372

DOI: https://doi.org/180043/dqxxkx.2018.180043

Characteristics and Impact Factors of Evapotranspiration in Ugan and Kuqa Rivers Delta Oasis Based on SEBAL Model

  • ABDUSALAM Turup , 1, 2 ,
  • MAMAT Sawut , 1, 2, 3, * ,
  • MA Chunyue 1, 2 ,
  • ZHANG Shuxia 1, 2
Expand
  • 1. College of Resources and Environment Science, Xinjiang University, Urumqi 830046, China
  • 2. Key Laboratory of Oasis Ecology Ministry of Education, Xinjiang University, Urumqi 830046, China
  • 3. Key Laboratory for Wisdom City and Environmental Modeling, Urumqi 830046, China
*Corresponding author: MAMAT Sawut, E-mail:

Received date: 2018-01-11

  Request revised date: 2018-06-06

  Online published: 2018-09-25

Supported by

National Natural Science Foundation of China, No.41361016, 40901163.

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

The arid zone refers to the arid climate area, which accounts for about 30% of the land area. The common characteristics are: the precipitation is low and the change rate is large, the ranges of both the daily and annual temperature are large, and the evaporation is far greater than the precipitation. Thus, the estimation of evapotranspiration in the Ugan and Kuqa Rivers Delta Oasis plays an important role in the management and allocation of water resources. At the same time, it has a great significance to understand the water cycle and hydrological process of the study area. In this paper takes the Ugan and Kuqa Rivers Delta Oasis as the study site, the daily evapotranspiration of Ugan and Kuqa Rivers Delta Oasis in 1997(August 30) and 2016(August 2) was estimated, and the spatial distribution characteristics of daily evapotranspiration, and the correlation between daily evapotranspiration and relative surface parameters were analyzed by combining Landsat TM/OLI remote sensing images with meteorological data, and using SEBAL model. The results showed that the spatial distribution of daily evapotranspiration in the Ugan and Kuqa Rivers Delta Oasis was characterized by distribution patterns of high to low from west to east, and from north to south. The high value appeares in the oasis area covered with abundant water and vegetation, and the low value is distributed in the east, southeast and west part of the study area with the low vegetation coverage. In terms of the correlation between the daily evapotranspiration and surface parameters, such as vegetation indices (NDVI, SAVI, LAI), water indices (MNDWI, NDWI, TVI, VSWI, TVDI) and land surface temperature (LST), the daily evapotranspiration showed the good correlation with every index. The Pearson correlation coefficients past the significance test at 0.01 level, especially with a best correlation with NDWI. the results indicate that water bodies are the most important factor for distribution and changes of the daily evapotranspiration in the Ugan and Kuqa Rivers Delta Oasis.

Key words： SEBAL model; remote sensing estimation; daily evapotranspiration; partial autocorrelation; Land surface parameters

Cite this article

ABDUSALAM Turup , MAMAT Sawut , MA Chunyue , ZHANG Shuxia . Characteristics and Impact Factors of Evapotranspiration in Ugan and Kuqa Rivers Delta Oasis Based on SEBAL Model[J]. Journal of Geo-information Science, 2018 , 20(9) : 1361 -1372 . DOI: 180043/dqxxkx.2018.180043

1 引言

蒸散发的准确估算在干旱区水资源管理和分配以及生态环境的保护上扮演着重要作用,同时对于深刻了解流域水循环和水文过程也具有重要意义。基于气象数据对蒸散量进行估算,容易受到气象站点数量及数据连续性等因素的制约,无法大尺度的获取区域的蒸散状况。遥感技术一直被认为可以大范围的监测地表能量和水分动态,是在区域尺度上获取蒸散信息的有效手段[1,2,3]。利用遥感数据反演区域蒸散发能够满足水文、生态和农业等领域的需求[4],已经成为国内外相关学科的研究热点。
目前,国内外常见的蒸散发遥感估算模型主要有SEBAL（Surface Energy Balance Algorithm for Land）[5]、TSEB（Two Source Energy Balance）[6]、S-SEBI（Simplified Surface Energy Balance Index）[7]、SEBS（Surface Energy Balance System）[8]等。其中,SEBAL模型是蒸散发遥感估算的经典模型,得到众多学者的广泛关注,如Tang等发现SEBAL模型可以获得比地表温度-植被指数三角模型更好地的地表蒸散发估算结果。利用该模型可以减少气象数据的制约性,仅利用气温和风速等少量的气象数据就可以估算蒸散发[4],因此在国内外已经得到了广泛的应用。如：Celso Augusto GuimarãesSantos等[11]以巴西的Brigida河流域为研究对象,基于SEBAL模型,利用Landsat遥感影像,分别估算干旱年份和湿润年份的日蒸散量,并结合土地覆被类型数据,分析了土地覆被类型的变化对日蒸散量的影响;魏天锋等[12]通过Landsat 8和MODIS遥感数据相结合,基于SEBAL模型,估算了博尔塔拉河流域蒸散量,并在此基础上对该流域典型植被的生态需水进行了分析;杨肖丽等[13]利用SEBAL模型,采用MODIS数据估算了沙拉沐沦河流域的蒸散量,并对该流域的土地利用/覆被类型、地表温度、植被指数、高程、坡度和坡向与蒸散量的关系进行了综合研究。韩惠等[14]、张殿君等[15]和李宝富等[16]分别以祖厉河流域、罗玉沟流域和塔里木河干流区为研究区,利用Landsat TM遥感影像,SEBAL模型对蒸散量进行了估算,并估算结果与土地利用/覆被类型数据相结合,分析了蒸散量的变化特征。上述研究成果对于利用SEBAL模型,通过遥感数据估算蒸散发面积累了重要的理论和实践经验。
渭-库绿洲是新疆重要的绿洲农业区,干旱区的典型缩影,独特的气候、地质、地貌条件造就了该区域水资源的局限性。目前,对渭-库绿洲的相关水文研究主要集中于地下水特征[17]、生态水文特 征[18]及需水量分析[19]等领域,但是对地表蒸散量的研究比较缺乏,而这种研究对于准确估算该绿洲蒸散量并掌握蒸散的空间分布规律、水资源的有效利用、防止干旱等方面具有重要意义。因此本文以Landsat TM/OLI 遥感数据为基础,采用SEBAL模型,结合气象数据对渭-库绿洲蒸散量进行估算,并分析蒸散量空间分布特征以及蒸散量与相关地表参数的相关性,因而为渭-库绿洲水资源管理和分配以及生态环境保护提供一定的科学依据。

2 研究区概况与数据源

2.1 研究区概况

渭干河-库车河绿洲位于塔里木盆地的中北部,天山南麓,在行政上隶属阿克苏地区管辖（图1）, 其总面积约为523.76×104 hm2,其中大部分是沙漠和戈壁,而绿洲面积仅有 56.096 ×104 hm2。地理坐标为东经80°54′~83°48′,北纬41°00′~42°24′,全区东西宽194 km,南北长322 km,地形北高南低,是一个典型的山前冲积扇平原。该绿洲气候为大陆性温暖带干旱和极端干旱气候,年降水量46.4~64.5 mm,年平均气温10.5~14.5 ℃,年蒸发量为1992~2863.4 mm,干燥度系数44.37。
Fig. 1 Location of the study area and its land use / cover map

图1 研究区域地理位置与土地利用/覆被类型图

整个研究区域的水资源主要有地表水和地下水组成,绿洲境内不会产生地表径流,地表水主要来源于北部高海拔山区的冰雪融水和降水产生的地表径流汇集而成的内陆河,渭干河与库车河流域的冰川总面积1710.11 km2[20]。流经该绿洲的河流主要有渭干河、库车河和塔里木河,其三条河流的年均净流量均为69.65×108 m3[21]。地下水补给主要依靠河流潜流及渠系、田间和雨水渗漏,渭-库绿洲平原地下水每年总补给量为19.94×108 m3。

2.2 数据资料

本研究所用数据包括遥感数据、DEM数据和气象数据,遥感数据为从地理空间数据云（http://www.gscloud.cn/）获取的1997年8月30日的TM影像和2016年8月2日的Landsat OLI影像,轨道号为145/31。DEM数据为空间分辨率为30 m的ASTER GDEM V2产品,其垂直精度为7~14 m。气象数据为气温、相对湿度、风速、降雨量等地表常规的气象数据,来源于中国气象科学数据共享服务网(http://cdc.cma gov. cn/home.do)。

3 研究方法

本文基于SEBAL模型对渭-库绿洲的ET进行了遥感估算,利用1 km×1 km的格网对ET进行格网化并计算出每个格网的ET平均值,在此基础上采用GeoDa软件计算ET 的Moran散点图和空间关联局部指标（LISA）,然后对ET进行局部空间自相关分析,最后同样采用1 km×1 km的格网对植被指数、水体指数和地表温度等地表参数进行格网化,形成8853个点,并与ET进行相关性分析。

3.1 基于SEBAL模型估算ET

SEBAL模型是基于遥感的陆面能量平衡模型,其利用遥感数据获取反照率、比辐射率、地表温度、NDVI等地表参数,结合气温、风速等基本气象资料,对地表净辐射、土壤热通量和感热进行估算,进而根据实际蒸发比得到区域尺度的蒸散发。对于某一研究区任何时刻的陆面能量平衡方程为：
R n = G + H + λET （1）
式中：Rn是净辐射量/W·m-2;G是土壤热通量/W·m-2;H是感热通量/W·m-2;λ是水的汽化潜热/（W·m-2·mm-1）;ET是蒸散量/mm。
3.1.1 地表净辐射量Rn
R n = 1 - α R s ↓ + R L ↓ - R L ↑ - ( 1 - ε ) R L ↓ （2）
式中：α是地表反照率;Rs↓是下行的太阳短波辐射;RL↓是下行的长波辐射;RL↑是上行的太阳辐射; ε是地表比辐射率。
3.1.2 土壤热通量G
G = T S - 273.16 α × 0.0032 × α C 11 + 0.0062 × α C 11 2 × 1 - 0.978 NDV I 4 × R n （3）
式中：TS是地表温度/K;C11表示卫星过境时间对G的影像,过境时间在地方时12点以前C11取0.9;在12-14时之间取1.0;在14-16时之间取1.1。
3.1.3 感热通量H
H = ρ air C P dT r ah （4）
式中：ρair是空间密度/（kg·m-3）;CP是空气热通量常数（取1004 J·kg-1·K-1）;dT是高度为Z1和Z2处的温度之差;rah是空气动力学阻力/（S·m-1）。
3.1.4 蒸发比∧
因为卫星过境时所观测的是地面瞬时数据,我们只求得的是ΛET,因此我们把瞬时蒸散量扩展到日蒸散量。蒸发比∧：
∧ inst = λET R n - G = ∧ 24 （5）
式中：∧24是一天24 h内的蒸散发比。
3.1.5 日蒸散量ET24：
E T 24 = R n 24 × ∧ 24 × 86400 2.501 - 0.002361 × T S - 273.15 × 10 6 （6）
式中：Rn24是一天内的净辐射量/W·m-2;TS是地表温度/K。

3.2 FAO-PM（彭曼-蒙特斯）公式

为验证SEBAL模型反演精度,本文基于地面观测的气象数据,采用FAO-PM（彭曼-蒙特斯）公式计算日ET,并与SEBAL模型反演结果进行验证对比,其计算公式为：
E T 0 = 0.408 ∆ R n - G + γ 900 T + 273 U 2 ( e s - e a ) ∆ + γ ( 1 + 0.34 ) U 2 （7）
式中：ET0为参考作物的蒸散量/（mm/d）;Rn为参考地表作物表面的净辐射量/（MJm-2/d）;G为土壤热通量;γ为湿度表常数;T为2 m高出的平均气温/℃;u2为2 m高出24 h平均风速（m/s）;（es-ea）为2 m高出水气压差/KPa;∆为饱和水气压曲线斜率/（KP/℃）。

3.3 局部空间自相关

局部空间自相关包括Moran散点图[22]和空间关联局部指标[23]。Moran散点图是反应空间位置属性局部自相关性的统计图方法。Moran散点图分为 4个象限,第一象限（高-高,HH）表示具有高观测值的区域单元被同是具有高观测值的区域所包围,第二象限（低-高,LH）表示具有低观测值的区域单元被高观测值的区域所包围,第三象限（低-低,LL）表示具有低观测值的区域单元被同是具有低观测值的区域所包围,第四象限（高-低,HL）表示具有高观测值的区域单元被低观测值的区域所包围。
Local Moran's I（LISA）是将Moran's I分解到各个空间单元。对于某一个空间单元i,LISA计算公式为：
I i = n x i - x ̅ ∑ x i - x ̅ 2 × ∑ w i , j x j - x ̅ = z i ∑ w i , j z j （8）
式中：n为研究对象的数目;Xi,Xj为观测值; x ̅ 为观测值得平均值;Zi和Zj是区域i和j上观测值的标准化;W（i,j）为研究对象I,j之间的空间权重矩阵。Ii的值大于0表示存在正的局部空间自相关,空间单元高-高值或低-低值发生聚集;Ii的值小于0表示存在负的局部空间自相关,空间单元高-低值或低-高值发生聚集。
在给定显著性水平α的情况下,可用标准化统计量对局部Moran's I指数的显著性进行检验,其计算公式为：
Z I i = I i - E ( I i ) Var ( I i ) （9）
式中：Z（Ii）表示Ii的标准化;E（Ii）表示Ii的数学期望;Var（Ii）表示方差。

3.4 地表参数的选取

植被、水体等地物类型和地表温度对日ET的分布和变化有一定影响[24,25,26],因此为了揭示日ET与植被,水体和地表温度之间的关系,本文选取植被指数（NDVI[27]、SAVI[28]、LAI[29]）、水体指数（MNDWI[30]、NDWI[31]、TVI[32]、VSWI[32]、TVDI[33]）和地表温度（LST[34]）9个地表参数与日ET进行Pearson相关性分析,其相关计算公式如表1所示。
Tab. 1 Formula and description of relevant surface parameters

表1 相关地表参数的公式及描述

参数名称 公式 公式参变量及描述
植被指数 归一化植被指数NDVI (NIR-R)/(NIR+R) NIR、R分别为近红外波段和红波段
土壤调整植被指数SAVI (NIR-R)/(NIR+R+L)×(1+L) NIR、R分别为近红外波段和红波段,L为常数,一般取值为0.5
叶面积指数LAI 3.618×EVI-0.118 EVI为增强植被指数
增强植被指数EVI 2.5×(NIR-R)/(NIR+6×R-7.5×B+1) NIR、R和B分别为近红外波段、红波段和蓝波段
水体指数 改进的归一化水体指数MNDWI (Green-MIR)/(Green+MIR) Green、MIR分别为绿波段和中红外波段
归一化水体指数NDWI (Green-NIR)/(Green+NIR) Green、NIR分别为绿波段和近红外波段
温度植被指数TVI TS/NDVI TS、NDVI分别为地表温度和归一化植被指数
植被供水指数VSWI NDVI/TS NDVI、TS分别为归一化植被指数和地表温度
温度植被干旱指数TVDI (TS-TS min)/(TS max-TS min) TS、TS max、TS min分别为地表温度、最大地表温度和最小地表温度
地表温度 黑体辐射亮度B(TS) [Lλ-L↑-τ(1-ε)L↓]/τε Lλ、L↑、L↓分别为卫星传感器接收到的热红外辐射亮度值、大气上行辐射亮度和大气下行辐射亮度;ε、τ分别为地表辐射率和大气在热红外波段的透过率
地表温度LST K2/ln[K1/B(TS)+1] K1、K2是定标常数,对于Landsat8 TIRS数据第十波段的K1值为774.89,K2值为1321.08;B(TS)为黑体辐射亮度

4 结果与分析

4.1 SEBAL模型精度验证4.2 日蒸散量的空间分布特征分析

本文选取库车、新和、沙雅3个气象站的数据资料,采用FAO P-M公式计算的蒸散量来验证SEBAL模型估算精度。由表2可知,1997年SEBAL模型估算结果的相对误差分别为19.67%、17.26%和24.88%,而2016年分别为17.01%、18.93%、16.2%,这与其他研究者的验证精度较近[35-16],说明该模型的估算结果是可信的。
Tab. 2 SEBAL model accuracy validation results

表2 SEBAL模型精度验证结果

站点 经度 纬度 1997年 2016年
FAO P-M/mm SEBAL/mm 相对误差/% FAO P-M/mm SEBAL/mm 相对误差/%
库车 82.97 41.72 6.05 4.86 19.67 7.76 6.44 17.01
新和 82.62 41.53 5.33 4.41 17.26 8.03 6.51 18.93
沙雅 82.78 41.23 6.51 4.89 24.88 8.21 6.88 16.2
利用SEBAL模型分别估算渭-库绿洲1997年和2016年日ET,并得出空间反演图（图2）,由图2可看出,在研究时段内渭-库绿洲日ET空间分布具有明显的差异性。在绿洲南部的塔里木河周边和北部的一些湖泊及水库等区域,1997年和2016年的日ET平均值分别为7.74 mm/d和12.29 mm/d;研究区北部以渭干河及库车河为中心的绿洲内部区域日ET平均值在1997年和2016年分别为4.06 mm/d和6.76 mm/d;而在研究区东、东南和西部的绿洲与荒漠交错带以及绿洲外围区域,其1997年和2016年日ET平均值分别为0.37 mm/d和0.55 mm/d;可见渭-库绿洲1997年和2016年的日ET空间分布特征一致,高值主要出现在绿洲内部区域,低值则出现在绿洲交错带及外围区域,总体态势为中高周低,并呈现出从东到西逐渐增高,由北到南逐步减少,西高东低,北高南低的分布规律。这在一定程度上与该绿洲独特的自然地理环境有关,渭-库绿洲北靠天山,南邻塔克拉玛干沙漠,东部和西部被戈壁所包围,是一个典型的封闭性绿洲,绿洲内部区域离水源较近且植被覆盖较高,因此日ET相应的取高值,而绿洲交错带及外围区域离水源较远,植被覆盖度较低,致使日ET值相应的较小。为了证明上述对该绿洲日ET空间分布特征分析的合理性,下一步本文将利用空间局部自相关法对日ET空间分布特征做进一步验证。
Fig. 2 Spatial distribution map of daily ET in 1997 and 2016

图2 蒸散量空间分布图

4.3 日蒸散量局部空间自相关分析

为了更准确的反映渭-库绿洲日ET的空间关系和特征,本文利用Moran 散点图来分析日ET的标准化向量与空间滞后向量之间的相关关系。从图3中可知,1997年和2016年渭-库绿洲日ET值的Moran's I指数分别为0.8468和0.8162,并且主要分布在第一（HH）和第三（LL）象限的日ET值散点数量始终多于分布在第二（LH）和第四（HL）象限的日ET值散点数量,表明渭-库绿洲日ET值具有较显著的空间正自相关,且日ET值相近的格网在空间上呈聚集分布状态;相比1997年,2016年分布在第一（HH）象限的日ET值散点比较分散,表明日ET高值区格网之间差异性变大,自相关程度减弱;第三（LL）象限的日ET值散点数量有一定的增加,表明日ET低值区各格网间的差别变小;第二（LH）和第四（HL）象限的日ET值散点数量变化不太大,但均出现了一些离群点,这说明在日ET值高低交错分布的区域中,仍有少数的格网日ET值与周边格网差别较大。
Fig. 3 Moran scatter of daily evapotranspiration in research area

图3 研究区日蒸散量Moran散点图

LISA聚类图是对Moran散点图中通过了显著性检验的区域单元的地理表达[36]。从图4可以看出,渭-库绿洲1997年与2016年日ET局部自相关格局较为一致,日ET高值聚集区主要出现在渭干河和库车河的中上游周边以及塔里木河北岸等土壤水分和植被覆盖度较高地区,这主要是由于绿洲内部植被覆盖度高且面积较大,植被蒸腾量较高,尤其在农田灌溉区域的农作物生长比较旺盛,蒸腾作用相应导致了日ET的升高,从而在一定程度上表现出植被覆盖越高,日ET越高的特征;另外,对于渭干河、库车河以及塔里木河等河流及周边水量充足的地区而言,水面蒸发强度相对较高,致使研究区范围内水库、湖泊、沼泽地及河流的日ET较高,绿洲内部区日ET高值由此呈现出沿河分布的特征;低值聚集区主要分布在研究区东、东南和西部的一些盐碱地及戈壁广布的绿洲交错带及外围区域,由于植被覆盖度低,较多的太阳辐射会引起地表温度相对升高,但同时又因为该区域供给蒸发的水分不足,使日ET表现出地表温度越高,日ET越低的特征。低高和高低聚集区范围很小且变化不明显。2016年在渭干河上游的日ET高值聚集区范围发生了以河流为中心往外扩散的现象,这可能是由于研究区北部耕地面积的增多促使了植被覆盖度的增加,从而引起植物蒸腾作用增强的结果;而研究区南部水体面积的减少导致了水面蒸发活动的降低,致使塔里木河周边的高值聚集区呈现面积减少的趋势;研究区东部和西部低值聚集区范围减少,这可能主要与戈壁面积的减少有关[18,37]。
Fig. 4 The LISA cluster graph of daily evapotranspiration in research area

图4 研究区日蒸散量LISA聚集图

由图5可知,研究时期内渭-库绿洲大部分区域日ET的空间相关性不显著,空间相关性较显著的区域主要是日ET高值聚集区和低值聚集区,显著性水平大于0.05。水体和湿地的日ET值显著性水平达到了0.001,表明这些区域的日ET值在空间分布上表现出很强的相关性。从时间上看,显著性水平0.05的区域,面积表现出递减的趋势,而显著性水平0.01的区域范围呈现增长趋势,可见日ET值在空间分布上的差异性变小,空间趋同性增强。显著性水平0.001的区域,在绿洲南部的面积减少,而在研究区中北部略微增长。
Fig. 5 The LISA significant level of daily evapotranspiration in research area

图5 研究区日蒸散量显著性水平

4.4 日ET与地表参数的相关性分析

本文分别将1997年和2016年的日ET与植被指数（NDVI、SAVI、LAI）、水体指数（MNDWI、NDWI、TVI、VSWI、TVDI）和地表温度（LST）进行了Pearson相关性分析,其结果如表3、图6所示,从中可以看出,在研究时段内,日ET与整个地表参数的Pearson相关系数都通过0.01水平的显著性检验,表明在渭-库绿洲日ET与这9个参数具有较高的相关关系。
Tab. 3 The Pearson correlation coefficient between evapotranspiration and different surface parameters of research area in 1997 and 2016

表3 研究区1997年和2016年日蒸散量与不同地表参数的Pearson相关系数（r）

Index 1997 ET 2016 ET
植被指数 NDVI 0.513** 0.755**
SAVI 0.510** 0.746**
LAI 0.598** 0.816**
水体指数 MNDWI 0.003** -0.404**
NDWI 0.803** 0.850**
TVI -0.314** -0.569**
VSWI 0.564** 0.761**
TVDI -0.538** -0.492**
地表温度 LST -0.746** -0.715**

注：**相关系数在0.01水平上显著

Fig. 6 Correlations between evapotranspiration and different surface parameters of research area in 1997 and 2016

图6 研究区1997年和2016年日蒸散量与不同地表参数的相关性

对于植被指数而言,1997年和2016年日ET与不同植被指数（NDVI、SAVI、LAI）表现出的相关性基本一致,都呈正相关关系,相关系数都大于0.5,并且2016年的相关系数都大于1997年,这可能与研究区耕地面积的增加有较大的关系;两个时期内各植被指数与日ET相关系数的大小关系都为LAI>NDVI>SAVI,其中LAI与日ET的相关系数分别为0.598和0.816,可见植被指数中LAI与日ET的相关性最强。
对于水体指数而言,不同水体指数与日ET的相关性呈现出明显的差异,NDWI和VSWI与日ET之间存在正相关性,而日ET与TVI和TVDI呈负相关关系;1997年各水体指数与日ET的相关系数绝对值大小分别为NDWI>VSWI>TVDI>TVI>MNDWI,而2016年为NDWI>VSWI>TVI>TVDI>MNDWI,由此可知两时期内水体指数中的NDWI与日ET的相关性最大,其相关系数分别为0.803,0.850,绝对值都大于0.8,其次为VSWI,而相关性最差的是MNDWI,其相关系数分别为0.003,-0.404。
对于地表温度而言,LST与日ET的相关系数分别为-0.746和-0.715,其绝对值都大于0.7,可见LST与日ET之间存在较强的负相关关系。
总而言之,在整个地表参数中日ET与LAI、NDWI和LST的相关性最好,并且在1997年这3个地表参数与日ET的相关系数绝对值大小为NDWI>LST>LAI,2016年为NDWI>LAI>LST,NDWI作为表征水分的参数,始终与日ET有最高的相关性,因此,可以说在渭-库绿洲水分对日ET分布与变化的影响最大。

5 讨论

本文利用Landsat遥感数据和SEBAL模型,以空间统计分析方法结合GIS技术,定量分析了渭-库绿洲日ET的空间分布特征。目前在基于遥感数据估算ET方面利用传统的描述统计法和定性分析来分析ET空间分布特征的研究较多[38,39,40],采用空间分析方法,如Moran散点图和空间关联局部指标（LISA）等对ET进行空间相关分析来揭示ET的空间聚集规律和空间关联模式等空间分布特征的研究较少,本研究是一个新的尝试,为今后对干旱区域ET的估算及水资源管理和分配提供一定的科学依据。
从研究结果可知,渭-库绿洲日ET高值区主要出现在绿洲南部的塔里木河周边和北部的一些湖泊、水库等区域以及以渭干河及库车河为中心的绿洲内部区域耕地和林草地等区域,则日ET低值区主要分布在绿洲与荒漠交错带以及绿洲外围区域的盐碱地和戈壁等区域,其几乎接近为零。这与其他一些干旱区典型区域日ET空间分布特征有相似性,如郭玉川等[38]利用SEBAL模型,对于焉耆盆地的日ET进行了估算,发现水体和小芦苇沼泽区的日ET值最高,而农田的ET值为次之,山前戈壁的ET值则最低;代鹏超等[39]基于SEBAL模型对于精河流域日ET的估算结果表明,不同土地利用类型日ET值高到低的排序依次为水体,耕地、林地、草地、未利用地;马宏伟等[40]利用SEBAL模型,估算了石羊河流域的日ET,其结果发现植被覆盖区域的ET明显大于裸地和沙漠区。说明在干旱区域对于水体、耕地和林草地等区域而言,所需蒸发的水量充足,且植被覆盖面积大,依靠蒸发和蒸腾作用失水,因此ET值相对较高,而对于盐碱地和戈壁等区域而言,由于植被覆盖较低且供给蒸发的水分不足,因此ET值相对较低。
本研究也存在一些不足之处。目前ET的时间尺度拓展方法较多,本文所利用的时间尺度拓展方法是目前SEBAL和SEBS等模型中较被广泛应用的蒸发比法[1,41,26],在晴朗的天气下蒸发比的日内变化较小[42]。而近年来,Tang等[43,44,45]研究发现蒸发比法会显著低估日尺度ET,并提出了新的具有物理基础的解耦因子不变法[44,45],该方法考虑了卫星过境时刻与非卫星过境时刻的蒸发比的差异,具有更强的稳健性且优于已有的蒸发比不变法,能够显著减轻日尺度蒸散发的低估。以后的研究中,可以利用解耦因子不变法进行ET的时间拓展,为提高干旱区ET的估算精度找出一个可行的方法。
同时,需加强不同数据源和模型对比和尺度衔接研究。近年来一些学者对于干旱区ET估算方面,与不同于本研究所使用的Landsat数据和SEBAL模型,利用MODIS数据[46,47]和SEBS[41,26]来揭示各自研究区域的蒸散量空间分布特征,虽然这些也会对ET的估算带来一定的偏差和不确定性,但仍然丰富了ET评估方法在干旱典型绿洲的应用,为干旱区利用遥感数据估算ET方面积累了重要的理论和实践经验。
此外,本文主要侧重研究区ET分布格局的空间展示与植被、水分和地表温度对ET的影响,受限于资料方面的局限,关于ET变化驱动力及其驱动机制不够深入研究。其ET变化受降水量、相对湿度、气温、太阳辐射、日照时数、风速等自然因素的制约,又受土地利用类型等人文因素的共同作用的结果[2]。以后继续加强综合考虑诸多因子,进一步研究自然和人文因素对ET的影响,为干旱区ET的估算及分析空间分布特征研究提供基础。

6 结论

（1）1997年与2016年渭-库绿洲日ET值的空间分布特征基本一致,高值主要出现在绿洲内部区域,低值则出现在绿洲交错带及外围区域,总体态势为中高周低,并呈现出从东到西逐渐增高,由北到南逐步减少,西高东低,北高南低的分布规律。
（2）渭-库绿洲日ET具有显著的空间正自相关性,空间聚集程度较高,日ET高值聚集区主要集中于渭干河、库车河及塔里木河周边土壤水分和植被覆盖度较高地区,日ET低值聚集区则主要集中于植被覆盖度较低的研究区东、东南和西部区域。相比1997年,2016年日ET高值聚集区呈现出在研究区北部以河流为中心往外扩散,在研究区南部面积逐渐减少的趋势,而低值聚集区表现为在研究区东部和西部范围逐渐减少的走向。
（3）在日ET与地表参数的相关性方面,2个时期内NDVI、SAVI、LAI、MNDWI、NDWI、TVI、VSWI、TVDI、LST等地表参数与日ET具有较高的相关关系,Pearson相关系数都通过0.01水平的显著性检验。植被指数中的LAI,水体指数中NDWI及LST与日ET表现出最高的相关性,而其中NDWI与日ET的相关性又始终保持最高,表明在渭-库绿洲水分对日ET分布与变化的影响是最大的。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
贺广均,冯学智,肖鹏峰,等.一种基于植被指数-地表温度特征空间的蒸散指数[J].干旱区地理,2015,38(5):887-899.利用遥感获取的植被指数和地表温度信息,进行地表能量和水分平衡过程研究是目前陆表过程研究的前沿。根据地表能量和水分平衡原理,对地表温度(<em>Ts</em>)、植被指数(<em>VI</em>),地表蒸散发(<em>ET</em>)之间的空间关系进行了分析,并基于假设条件,构建了温度植被蒸散指数(<em>TVETI</em>)。为验证<em>TVETI</em>表征地表蒸散的能力,利用环境卫星数据和<em>SEBAL</em>模型,对<em>SEBAL</em>模型中各能量通量构建的蒸散指数与<em>TVETI</em>进行线性回归分析,从2012年4~9月6个不同日期的确定性系数分别为:0.838、0.935、0.912、0.921、0.926、0.825, <em>TVETI</em>能很好的表征地表蒸散能力。通过对SEBAL模型估算的<em>ET</em>和<em>TVETI</em>估算的ET进行交叉验证发现,两者大小一致性显著, <em>TVETI</em>可以实现区域尺度地表蒸散发的快速估算。

[ He G J, Feng X Z, Xiao P F, et al.An evapotranspiration index from Ts-VI feature space[J]. Arid Land Geography, 2015,38(5):887-899. ]

[2]
马耀明,王介民.非均匀陆面上区域蒸发(散)研究概况[J].高原气象,1997,16(4):446-452.介绍和评述了非均匀陆面上蒸发(散)研究的传统方法、模拟方法和遥感方法,指出遥感方法在估算非均匀陆地表面区域蒸发(散)量时有独到的作用。最后总结了卫星遥感方法的优点和不足,并讨论了用卫星遥感与地面观测相结合估算非均匀陆面上区域蒸发(散)量方法的发展前景。

[ Ma Y M, Wang J M.A survey in the study of area evaporation (evapotranspiration) over the heterogeneous landscape[J]. Plateau Meteorology, 1997,16(4):446-452. ]

[3]
Wang J, Bastiaanssen W G M, Ma Y, et al. Aggregation of land surface parameters in the oasis-desert systems of north-west China[J]. Hydrological Processes, 1998,12(13-14):2133-2147.

DOI

[4]
曾丽红,宋开山,张柏,等.应用Landsat数据和SEBAL模型反演区域蒸散发及其参数估算[J].遥感技术与应用,2008,23(3):255-263.lt;p>随着遥感技术的进步,人们发展了多种通过遥感计算区域蒸散发的方法。SEBAL模型是通过遥感反演地面蒸散的典型方法,它以陆面能量平衡为基础,物理意义明确,只利用遥感影像和少量的气象数据（风速、气温）就能反演蒸散量。Landsat数据的波谱信息丰富、空间分辨率高,数据源稳定,是通过遥感技术反演蒸散发的理想数据源。如果能合理地估算SEBAL模型中的基本参数,将会获得较高精度的反演结果,能够满足在水文、生态、林业等研究或应用中的需要,对区域水资源的管理与利用具有重要意义。从SEBAL模型的基本原理出发,分析了利用SEBAL模型采用Landsat的TM/ETM+数据反演区域蒸散发的基本过程,针对TM/ETM+数据特点对模型所需要的基本参数进行估算求解,为SEBAL模型在蒸散量反演中的广泛应用提供了一定的指导。</p>

DOI

[ Zeng L H, Song K S, Zhang B, et al.Applying Landsat data and SEBAL model to inverse regional evapotranspiration and its parameters estimation[J]. Remote Sensing Technology and Application, 2008,23(3):255-263. ]

[5]
Bastiaanssen W G M, Menenti M, Feddes R A, et al. The Surface Energy Balance Algorithm for Land(SEBAL): Part 1 formulation[J]. Journal of Hydrology, 1998,212(98):801-811.

[6]
Norman J M, Kustas W P, Humes K S.Source approach for estimating soil and vegetation energy fluxes in observations of directional radiometric surface temperature[J]. Agricultural and Forest Meteorology, 1995,77(3):263-293.

DOI

[7]
Roerink G J, Su Z, Menenti M.S-SEBI: A simple remote sensing algorithm to estimate the surface energy balance[J]. Physics and Chemistry of the Earth Part B Hydrology Oceans and Atmosphere, 2000,25(2):147-157.ABSTRACT A small field campaign was conducted during August 1997 in the Piano di Rosia area in Tuscany, Italy. The terms of both the radiation balance and the surface energy balance were measured by several techniques and for several field sites. Together with a LANDSAT-TM scene of 23 August 1997 of the same area, these data give an excellent opportunity for a profound study of interaction between the radiation and energy fluxes from point to regional scale. A new method to derive the surface energy fluxes from remote sensing measurements, called the Simplified Surface Energy Balance Index (S-SEBI), is developed, tested and validated with the available data. If the atmospheric conditions over the area can be considered constant and the area reflects sufficient variations in surface hydrological conditions the fluxes can be calculated without any further information than the remote sensing image itself. The results of this case study show that with the relative simple S-SEBI method the surface energy balance parameters can be estimated with a high precision. The measured and estimated evaporative fraction values have a maximum relative difference of 8%.

DOI

[8]
Su Z.The Surface Energy Balance System (SEBS) for estimation of turbulent heat fluxes[J]. Hydrology and Earth System Sciences, 1999,6(1):85-100.A Surface Energy Balance System (SEBS) is proposed for the estimation of atmospheric turbulent fluxes and evaporative fraction using satellite earth observation data, in combination with meteorological information at proper scales. SEBS consists of: a set of tools for the determination of the land surface physical parameters, such as albedo, emissivity, temperature, vegetation coverage etc., from spectral reflectance and radiance measurements; a model for the determination of the roughness length for heat transfer; and a new formulation for the determination of the evaporative fraction on the basis of energy balance at limiting cases. Four experimental data sets are used to assess the reliabilities of SEBS. Based on these case studies, SEBS has proven to be capable to estimate turbulent heat fluxes and evaporative fraction at various scales with acceptable accuracy. The uncertainties in the estimated heat fluxes are comparable to in-situ measurement uncertainties.</p> <p style="line-height: 20px;">Keywords: Surface energy balance, turbulent heat flux, evaporation, remote sensing

DOI

[9]
Tang R, Li Z L, Chen K S, et al.Spatial-scale effect on the SEBAL model for evapotranspiration estimation using remote sensing data[J]. Agricultural and Forest Meteorology, 2013,174(174):28-42.

[10]
Tang R, Li Z L.Evaluation of two end-member-based models for regional land surface evapotranspiration estimation from MODIS data[J]. Agricultural and Forest Meteorology, 2015,202(202):69-82.

DOI

[11]
Santos C A G, Silva R M D, Silva A M, et al. Estimation of evapotranspiration for different land covers in a Brazilian semi-arid region: A case study of the Brígida River basin, Brazil[J]. Journal of South American Earth Sciences, 2017,74:54-66.

DOI

[12]
魏天锋. 基于SEBAL模型的博尔塔拉河流域典型植被生态需水估算[D].乌鲁木齐:新疆大学,2015.

[ Wei T F.Estimated ecological water requirement of typical vegetation in Boertala Rever Basin based on RS and SEBAL model[D]. Urumqi: Xinjiang University, 2015. ]

[13]
杨肖丽,任立良,袁飞,等.利用SEBAL模型对沙拉沐沦河流域蒸散发的分析[J].干旱区研究,2010,27(4):507-514.以2001年7月10日的MODIS数据为数据源,采用基于地表 热量平衡的SEBAL模型估算位于半干旱地区的沙拉沐沦河流域的实际蒸散发量,综合分析蒸散发量与土地利用/覆被、地表温度、植被指数、高程、坡度和坡向 的关系.结果表明:该流域的夏季日实际蒸散发量空间差异比较大,从0 mm到6.57 mm,平均蒸散发约2.90 mm;蒸散发的空间分布不均匀,流域边缘林地覆盖区的蒸散发最高,中部和流域出口所在的草地、耕地分布区相对较低.实际蒸散发量与地表温度和归一化植被指 数高度线性相关;不同的土地利用类型具有不同的日平均蒸散发量,林地的日平均蒸散发量最高,其次为耕地,建设用地最低.

[ Yang X L, Ren L L, Yuan F, et al.Study on evapotranspiration in the Shalamulun River Basin using SEBAL model and MODIS data[J]. Arid Zone Research, 2010,27(4):507-514. ]

[14]
韩惠. 基于遥感技术的祖厉河流域土地利用/土地覆盖变化与蒸散发研究[D].兰州:兰州大学,2006.

[ Han H.Investigation of LUCC and ET in Zuli Basin of the loess plateau using remotely sensed data[D]. Lanzhou: Lanzhou University, 2006. ]

[15]
张殿君,张学霞,武鹏飞.黄土高原典型流域土地利用变化对蒸散发影响研究[J].干旱区地理(汉文版),2011,34(3):400-408.选取黄土高原典型流域罗玉沟流域为研究区,以2006年和1986年两个时段的TM影像为原始数据,通过SEBAL模型估算蒸散量,采用地面实测资料对估算结果进行验证,表明SEBAL模型在该流域较为适用。同时,得到该流域蒸散发的空间变化规律,并结合该流域相应时段的土地利用变化进行对比分析。结果表明:(1)遥感反演日蒸散量平均为2.41 mm和2.96 mm,平均误差为12.38%和13.14%,反演精度较高。(2)流域内蒸散量呈现西北高、东部低的空间分布规律,尤其在高植被覆盖区蒸散量比较大。(3)流域内土地利用变化明显,主要为坡耕地向梯田和林地转移,ET的空间分布与土地利用/覆盖类型有关,土地利用/覆盖的特点基本控制了研究区域ET的分布特点。(4)对比两期日蒸散量图,ET显著增大的区域占到罗玉沟总面积的47.6%,显著减小的占到13.2%,并且2006年各个土地类型的日ET量均大于1986年的日ET量。研究流域内蒸散发分布规律可为罗玉沟流域土地利用规划、环境规划提供科学支持。

[ Zhang D J, Zhang X X, Wu P F.Relationship between ET and LUCC in a typical watershed of loess plateau over the past 20 years[J]. Arid Land Geography, 2011,34(3):400-408. ]

[16]
李宝富,陈亚宁,李卫红,等.基于遥感和SEBAL模型的塔里木河干流区蒸散发估算[J].地理学报,2011,66(9):1230-1238.

[ Li B F, Chen Y N, Li W H, et al.Remote sensing and the SEBAL model for estimating evapotranspiration in the Tarim River[J]. Acta Geographica Sinica, 2011,66(9):1230-1238. ]

[17]
谭娇,丁建丽,陈文倩,等.基于多变量时间序列模型的地下水埋深预测——以渭库绿洲为例[J].节水灌溉,2017(9):55-59.为能够更好地预测干旱区渭库绿洲的地下水埋深及合理规划、开发地下水资源.以1995-2014年降雨量、蒸发量、农业用水量和地下水埋深等数据作为数据源展开研究.利用主成分分析法提取贡献率较大的因素,将其应用于多变量时间序列CAR(Controlled Auto-regressive)模型,从而建立地下水埋深的预测模型,并对模型进行验证.研究结果表明:渭库绿洲的地下水埋深受蒸发量、农业用水量的影响大,分别为0.533、0.466;模型预测值与实测值相对误差的平均值仅为1.483%,表明该模型在干旱区绿洲区域预测精度高、效果佳.预测趋势显示:若研究区蒸发量持续增加25%、降雨量减少15%、农业用水量减少15%时,地下水埋深将达到4.21 m,预测地下水埋深对渭库绿洲的生态环境和农业发展提供了有力的参考.

[ Tan J, Ding J L, Chen W Q, et al.Groundwater depth prediction based on multivariate time series model: A case study on Weigan and Kuq Rivers Delta Oasis[J]. Water Saving Irrigation, 2017(9):55-59. ]

[18]
王娟,张飞,于海洋,等.基于LUCC的渭干河—库车河三角洲绿洲水文及生态特征[J].水土保持研究,2016,23(2):236-242.

[ Wang J, Zhang F, Yu H Y, et al.Analysis on the hydrological and ecological characteristics based on the LUCC in Weigan and Kuqa River[J]. Research of Soil and Water Conservation, 2016,23(2):236-242. ]

[19]
玉苏甫·买买提,阿热孜古丽·图尔荪,艾萨迪拉·玉苏甫.渭-库河三角洲绿洲农作物需水量分析[J].节水灌溉,2015(11):85-88.对渭-库河三角洲绿洲的主要农作物需水量为研究对象,采用FAO-PM公式,主要农作物不同灌溉方式的需水量进行计算及统计分析.结果显示:主要农作物的传统灌溉总用水量为44.66亿m3,节水灌溉定额总需水量只有为11亿m3,传统灌溉总用水量比节水灌溉定额总需水量大约4.06倍多(33.03亿m3),导致农业用水浪费严重;在渭-库河三角洲绿洲大部分农田仍然采用粗放的大水漫灌和宽河大渠输水的灌溉方式为主,因此,通过采用滴灌、膜上滴灌、膜下滴灌和喷灌等高效节水灌溉技术,可以增加节约水量,并达到农业节永灌溉的目的,这表明可挖节水灌溉潜力相当大.研究对渭-库河三角洲绿洲水资可持续利用提供经验和技术保障,并提出高效节水灌溉的新思路、新方法、新举措,为渭-库河绿洲发展高效节水灌溉农业提供科学依据.

[ Yusup Mamat, Arzigul Tursun, Asadilla Yusup.Analysis of crop water requirement in Weigan-Kuqa River Delta Oasis of Xinjiang[J]. Water Saving Irrigation, 2015(11):85-88. ]

[20]
张飞,郭玉川,姜红涛,等.气候和土地利用/覆盖变化对渭干河-库车河三角洲绿洲水资源的影响[J].湖北农业科学,2014,53(23):5716-5723.气候变化和土地利用变化对流域水循环和水资源的影响已经引起社会 的广泛关注.为探究气候和土地利用/覆盖变化对水资源的影响,选取塔里木河流域中游典型生态脆弱区渭干河-库车河三角洲绿洲为研究区域,首先以1998年 和2011年的TM影像数据为基础,分析了研究区土地利用/覆盖的时空变化特征,并结合该绿洲历史水资源的利用状况和气候状况分析了气候和土地利用变化对 水资源的影响.其次,分析了该绿洲的水资源变化特征.结果表明,1972～2012年渭-库绿洲年平均温度的变化呈上升趋势,温度最高增加了 0.9℃/(6年);年降水量总的变化呈减少趋势,降水量最高减少了21 mm/(6年);年蒸发量总体呈减少趋势,蒸发量最高减少了305 mm/(6年);各种土地利用/覆盖类型在1998～2011年都发生了较大变化,其中林地的缩减最大,其次为沙地,而增加最大的是耕地,其次为其他用地 (山地、裸地等)和盐碱地.绿洲耗水量增加,并且地下水位呈现急剧下降趋势.总之,该绿洲土地利用/覆盖的变化使其需水结构在向耗水的方向变化,因此,在 目前气候变化的大环境下,改善土地利用方式对提高渭干河流域水资源的利用效率具有重要意义.

DOI

[ Zhang F, Guo Y C, J H T, et al. Impacts of climate and land use-cover change on water resources in the Delta Oasis of Weigan River-Kuqa River[J]. Hubei Agricultural Sciences, 2014,53(23):5716-5723. ]

[21]
满苏尔·沙比提,帕尔哈提·艾孜木,玉素浦江·如.渭干河—库车河三角洲绿洲近50a来生态环境变化特征及防治对策[J].干旱区资源与环境,2004,18(4):13-18.近 5 0年来 ,渭干河—库车河三角洲绿洲地区在人类不合理活动的作用下 ,水文与生态环境发生了一系列变化。1绿洲地表径流总量多年变化有增有减呈现波动性趋势 ,但是水体盐化和含沙量趋势加剧。2绿洲森林面积持续减少 ,其天然屏障作用减弱 ,草地面积减少、退化严重 ,载畜能力大大降低。 3土地退化面积扩大 ,土地沙漠化发展强烈 ,土壤肥力降低 ,生产能力下降。因此 ,进行水资源统筹利用规划与管理 ,统筹兼顾各县的经济发展与生态环境建设对水的需求 ,以生态系统健康发展为原则 ,遵循生态规律来进行土地资源的开发利用 ,开展整个绿洲为单元的生态功能保护与建设是提高绿洲可持续发展能力的根本途径

DOI

[ Mansur Sabit, Parhat Aizim, Yusupjan Rusul.Analysis on the changes of ecological environment characters and it's countermeasures of Wigan-Kuqa River[J]. Journal of Arid Land Resources and Environment, 2004,18(4):13-18. ]

[22]
Anselin L, Syabri I, Kho Y.GeoDa: An introduction to spatial data analysis[J]. Geographical Analysis, 2006,38(1):5-22.

DOI

[23]
Anselin L.Local indicators of spatial association LISA[J]. Geographical Analysis, 1995,27(2): 93-115.

[24]
马秋梅,刘新亮,李勇,等.基于Landsat 8数据的亚热带小流域蒸散发估算及时空特征分析[J].生态与农村环境学报,2016,32(6):901-907.

[ Ma Q M, Liu X L, Li Y, et al.Estimation and spatio-temporal distribution of evapotranspiration in small-scaled catchments in subtropics of China based on Landsat 8 data[J]. Journal of Ecology and Rural Environment, 2016,32(6):901-907. ]

[25]
童瑞,杨肖丽,任立良,等.黄河流域1961-2012年蒸散发时空变化特征及影响因素分析[J].水资源保护,2015,31(3):16-21.基于黄河流域1 500个0.25°×0.25°网格,应用可变下渗能力模型VIC-3L计算1961—2012年黄河流域水文过程,获得日尺度的实际蒸散发量和潜在蒸散发量数据。运用Mann-Kendall趋势检验方法和Budyko水分能量平衡公式,分析了实际蒸散发量、潜在蒸散发量、蒸散发率和干燥指数的时空变化趋势及蒸散发受水分能量供应条件限制情况。结果表明:总体上实际蒸散发量和潜在蒸散发量呈减小趋势,其中潜在蒸散发量减小趋势显著,但在流域不同区域的增减趋势不同;蒸散发率和干燥指数的变化不明显;黄河流域上游蒸散发主要受能量供应条件限制影响,而中下游受水量供应条件限制影响较大。

DOI

[ Tong R, Yang X L, R L L, et al. Temporal and spatial characteristics of evapotranspiration in the Yellow River Basin during 1961-2012 and analysis of its influence factors[J]. Water Resources Protection, 2015, 31(3):16-21. ]

[26]
金学杰,周剑.基于SEBS模型和Landsat 8数据的黑河下游蒸散发时空特性分析[J].冰川冻土,2017,39(3):572-582.对黑河下游地区蒸散发量的估算及其时空特性的研究,有助于进一步了解流域水循环,合理利用水资源,防止生态环境进一步恶化.利用SEBS模型估算了黑河下游额济纳绿洲2014年15天的日蒸散量,将SEBS估算的日蒸散与不同下垫面5个站点的EC实测值进行对比,其均方根误差和确定性系数分别为1.2mm、0.85(5个站点),0.5mm、0.96(2个站点),表明SEBS模型的结果是合理的,可以适用于黑河下游额济纳绿洲地区的地表蒸散量的估算.同时分析了黑河下游蒸散发的时空变化规律,结果表明,黑河下游额济纳绿洲地区,蒸散发在时间上存在明显的季节变化规律:夏季＞春季＞秋季＞冬季;空间上呈现明显的沿河分布的趋势.不同土地覆被类型蒸散发有相似的季节变化特征,但其季节变化幅度并不相同,规律为:水体＞耕地＞灌丛地＞草地＞裸土地＞沙地.

DOI

[ Jin X J, Zhou J.Analysis of spatial-temporal characteristics of evapotranspiration in the lower reaches of Heihe River based on surface energy balance system model and Landsat 8 data[J]. Journal of Glaciology and Geocryology, 2017,39(3):572-582. ]

[27]
Rouse J W.Monitoring the vernal advancement and retrogradation (greenwave effect) of natural vegetation[J]. Nasa/gsfct Type Report, 1974.

[28]
Huete A R.A soil-adjusted vegetation index[J]. Remote Sensing of Environment, 1988,27(3):295-309.A transformation technique is presented to minimize soil brightness influences from spectral vegetation indices involving red and near-infrared (NIR) wavelengths. Graphically, the transformation involves a shifting of the origin of reflectance spectra plotted in NIR-red wavelength space to account for first-order soil-vegetation interactions and differential red and NIR flux extinction through vegetated canopies. For cotton ( Gossypium hirsutum L. var DPI-70) and range grass ( Eragrostics lehmanniana Nees) canopies, underlain with different soil backgrounds, the transformation nearly eliminated soil-induced variations in vegetation indices. A physical basis for the soil-adjusted vegetation index (SAVI) is subsequently presented. The SAVI was found to be an important step toward the establishment of simple lobal that can describe dynamic soil-vegetation systems from remotely sensed data.

DOI

[29]
Boegh E, Soegaard H, Broge N, et al.Airborne multispectral data for quantifying leaf area index, nitrogen concentration, and photosynthetic efficiency in agriculture[J]. Remote Sensing of Environment, 2002,81(2-3):179-193.

DOI

[30]
徐涵秋. 基于谱间特征和归一化指数分析的城市建筑用地信息提取[J].地理研究,2005,24(2):311-320.以福州市ETM+影像为例,研究了城市建筑用地信息快速准确提取的原理和方法。通过对归一化差异型指数构成原理的分析以及对同名异义和异名同义现象的甄别,选取了归一化差异建筑指数(NDBI)、修正归一化差异水体指数(MNDWI)和土壤调节植被指数(SAVI)来代表城市建成区的三种最主要的土地利用类型--建筑用地、水体和植被。在此基础上进一步对这三个新的指数波段进行谱间特征分析,最后利用基于规则的逻辑判别运算将城市建筑用地信息提取出来。研究表明这一方法可以使繁杂的多波段谱间分析得以简化, 是一种快速准确、未经人工干预的建筑用地信息提取方法。本文还探讨了在城市建成区的研究中采用SAVI指数替代NDVI指数的优点。

DOI

[ Xu H Q.Fast information extraction of urban built-up land based on the analysis of spectral signature and normalized difference index[J]. Geographical Research, 2005,24(2):311-320. ]

[31]
Mcfeeters S K.The use of the normalized difference water index (NDWI) in the delineation of open water features[J]. International Journal of Remote Sensing, 1996,17(7):1425-1432.

DOI

[32]
闫峰,覃志豪,李茂松,等.农业旱灾监测中土壤水分遥感反演研究进展[J].自然灾害学报,2006,15(6):114-121.

[ Yan F, Qin Z H, Li M S, et al.Progress in soil moisture estimation from remote sensing data for agricultural drought monitoring[J]. Journal of Natural Disasters, 2006,15(6):114-121. ]

[33]
Sandholt I, Rasmussen K, Andersen J.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J]. Remote Sensing of Environment, 2002,79(2):213-224.

DOI

[34]
吴志刚,江滔,樊艳磊,等.基于Landsat8数据的地表温度反演及分析研究——以武汉市为例[J].工程地球物理学报,2016,13(1):135-142.

[ Wu Z G, Jiang T, Fan Y L, et al.Land surface temperature retrieval and result analysis based on landsat8 data in Wuhan city[J]. Chinese Journal of Engineering Geophysics, 2016,13(1):135-142. ]

[35]
陈云浩,李晓兵,史培军.中国西北地区蒸发散量计算的遥感研究[J].地理学报,2001,56(3):261-268.

[ Chen Y H, Li X B, Shi P J.Regional evapotranspiration estimation over Northwest China using remote sensing[J]. Acta Geographica Sinica, 2001,56(3):261-268. ]

[36]
喻露露,张晓祥,李杨帆,等.海口市海岸带生态系统服务及其时空变异[J].生态学报,2016,36(8):2431-2441.海岸带位于陆地、海洋交汇地带,有着重要的生态价值,但也是生态环境较为脆弱的地区。以海口市为研究区,研究海口市海岸带生态系统服务及其时空变异。基于1990、1995、2004和2012年4期Landsat TM影像得到土地利用覆盖数据;采用基于当量因子的生态系统服务价值评价方法,结合海口市实际情况,构建了海口市海岸带生态系统服务价值动态评估模型;借助GIS空间分析技术,应用局部空间自相关模型,定量研究了生态系统服务价值(ESV)的时空变异特征。研究结果表明:(1)在生态系统服务的总值方面,过去20多年的ESV整体变化不大,但近年来ESV有所降低,生态环境出现退化趋势。(2)在生态系统服务的时空变异方面,海口市海岸带ESV的空间正相关性显著,空间集聚程度较高,高值区主要集中于中心城区西部和东寨港周围,低值区主要集中于中心城区;近来,在发展城市经济和保护生态环境的双重作用下,位于中心城区的低值区和位于东寨港红树林自然保护区的高值区都有所辐射扩张。

DOI

[ Yu L L, Zhang X X, Li Y F, et al.Coastal ecosystem services and their spatial-temporal variation in Haikou, China[J]. Acta Ecologica Sinica, 2016,36(8):2431-2441. ]

[37]
麦尔耶姆·亚森,买买提·沙吾提,吐尔逊·艾山,等.新疆渭干河—库车河三角洲绿洲耕地时空变化特征分析[J].中国农业科学,2017,50(18):3506-3518.

[ Maieryemu Yasen, Maimaiti Shawuti, Tuerxun Aishan, et al.Spatial-Temporal Characteristics of Cropland in the Ugan-Kuqa River Delta Oasis[J]. Scientia Agricultura Sinica, 2017,50(18):3506-3518. ]

[38]
郭玉川,董新光.SEBAL模型在干旱区区域蒸散发估算中的应用[J].遥感信息,2007(3):75-78.

[ Guo Y C, Dong X G.The SEBAL Model for estimating regional evapor-transpiration in arid regions[J]. Remote Sensing Information, 2007(3):75-78. ]

[39]
代鹏超,牛苏娟,毋兆鹏,等.新疆精河流域实际蒸散发时空变化特征[J].生态与农村环境学报,2017,33(7):600-606.精河流域是新疆天山北坡经济带的重要组成部分。利用近60 a气象数据及Landsat 5 TM影像数据,采用Penman-Monteith公式和SEBAL模型、morlet小波分析和M-K突变检验,研究了精河流域实际蒸散量时空格局、变化特征及周期性。结果表明：（1）全流域实际蒸散量的时空分布变化受到气象要素及地表下垫面的影响,近60 a蒸散量整体呈显著波动减小趋势,实际蒸散量变化速率在季节上表现为夏季〉春季〉秋季〉冬季。（2）实际蒸散量于1982年突变后年平均蒸散量减少150.654 mm（17.361%）,且蒸散量变化存在以29 a为主的3个振荡周期,未来15 a蒸散量将呈先小幅上升后下降的趋势。（3）蒸散量的空间分布变化与地表土地利用类型具有显著相关关系,相关性表现为水域〉耕地〉林地〉草地〉未利用地。

DOI

[ Dai P C, Niu S J, Wu Z P, et al.Temporal and spatial characteristics of actual evapotranspiration in Jinghe Watershed, Xinjiang[J]. Journal of Ecology and Rural Environment, 2017,33(7):600-606. ]

[40]
马宏伟,王乃昂,朱金峰,等.石羊河流域蒸发蒸腾量遥感反演及灵敏度分析[J].水资源与水工程学报,2010,21(6):76-80.

[ Ma H W, Wang N A, Zhu J F, et al.analysis of evapotranspiration using satellite remote and its sensitivity in Shiyang River Basin[J]. Journal of Water Resources and Water Engineering, 2010,21(6):76-80. ]

[41]
张圆,郑江华,刘志辉,等.基于Landsat8遥感影像和SEBS模型的呼图壁县蒸散量时空格局分析[J].生态科学,2016,35(2):26-32.利用Landsat8 影像, 采用SEBS 模型, 结合呼图壁县气象站观测的温度风速、日照时数等气象数据, 对新疆昌吉回族自治州呼图壁县2013 年4 月22 日、6 月9 日、8 月28 日 10 月15 日的蒸散发量进行了估算。从时间上看, 估算结果存在明显的季节变化规律: 夏季最大, 春季次之, 秋季最小, 以耕地为例四天蒸散发量分别为: 1.938, 3.136, 2.641 和1.314 mm&middot;day&ndash;1。从空间上看, 县域蒸散发量整体变化趋势为: 北部荒漠区&lt;中部平原区&lt;南部山区。四天当中最大值出现在南部山区6 月9 日达到了4.128mm&middot;day&ndash;1。对SEBS 的估算结果与呼图壁县气象站的观测结果和利用彭曼公式计算的结果进行比较,表明SBES 模型的结果是合理的, 可以在实践中用来反映天山北坡典型县域蒸散量的时空变化特征。

[ Zhang Y, Zheng J H, Liu Z H, et al.Spatial and temporal distribution of evapotranspiration in the hutubi County based on Landsat8 data and SEBS model[J]. Ecological Science, 2016,35(2):26-32. ]

[42]
Shuttleworth W, Gurney R, Hsu A, et al.FIFE: The variation in energy partition at surface flux sites[J] . IAHS Publication, 1989,186:67-74.

[43]
Tang R, Li Z L, Sun X.Temporal upscaling of instantaneous evapotranspiration: An intercomparison of four methods using eddy covariance measurements and MODIS data[J]. Remote Sensing of Environment, 2013,138(138):102-118.

DOI

[44]
Tang R, Li Z.An improved constant evaporative fraction method for estimating daily evapotranspiration from remotely sensed instantaneous observations[J]. Geophysical Research Letters, 2017,44(5):2319-2326.

[45]
Tang R, Li Z L.Estimating daily evapotranspiration from remotely sensed instantaneous observations with simplified derivations of a theoretical model[J]. Journal of Geophysical Research Atmospheres, 2017,122(19):10177-10190.

DOI

[46]
程春晓,徐宗学,张淑荣,等.黑河流域上中游植被蒸散发时空演变趋势及其影响因子分析[J].北京师范大学学报(自然科学版),2014(5):535-542.

[ Cheng C X, Xu Z X, Zhang S R, et al.Temporal-spatial variation in evapotranspiration in the Heihe River basin and their correlation with different meteorological/hydrological factors[J]. Journal of Beijing Normal University(Natural Science), 2014(5):535-542. ]

[47]
徐永明,赵巧华,巴雅尔,等.基于MODIS数据的博斯腾湖流域地表蒸散时空变化[J].地理科学,2012,32(11):1353-1357.<p>基于2002~2009 年期间的MODIS遥感数据和气象观测数据, 运用能量平衡法计算博斯腾湖流域的地表蒸散量, 蒸散平均绝对误差为12.39 mm, 相对误差为14.15%。根据遥感反演结果分析了研究区地表蒸散的时空变化特征及其与降水、气温等气候因子的关系。博斯腾湖流域年地表蒸散表现出西北高东南低的空间分布格局, 明显受到土地覆盖类型的影响。蒸散季节变化主要表现为单峰形式, 夏季蒸散量占全年总蒸散量的48.10%。降水、气温对于博斯腾湖流域的地表蒸散变化有重要影响, 并且在不同季节中两者的贡献度存在很大差异。</p>

[ Xu Y M, Zhao Q H, Ba Y E, et al.Spatio-temporal variations of land surface evapotranspiration of Bosten Lake based on MODIS data[J]. Scientia Geographica Sinica, 2012,32(11):1353-1357. ]

Options
Outlines

/

〈 〉