基于SEBAL模型的盘锦湿地日蒸散估算及其分布特征

为了验证SEBAL模型对湿地蒸散量估算的准确性,本研究基于Landsat 8卫星数据和SEBAL模型,以盘锦湿地生态系统野外观测站的涡动相关实测数据为检验,估算盘锦湿地2013-2015年典型晴天卫星过境时刻的瞬时蒸散量,并利用正弦函数法将遥感反演订正后的蒸散瞬时值转换为日尺度的蒸散值,分析芦苇和稻田湿地的日蒸散量分布特征.结果表明:SEBAL模型反演的盘锦湿地瞬时蒸散量比实测值偏高,平均相对误差为31.6％,但相关系数达0.79,为了提高反演精度,利用线性方程进行订正,订正后的遥感估算值与实测值平均相对误差为6.4％,提高了25.2％;芦苇湿地日蒸散量集中在3.4～4.0 mm/d之间,占总面积的64.7％～82.4％;稻田湿地日蒸散量集中在3.6～4.1mm/d之间,占总面积的67.4％ ～86.6％;稻田湿地日蒸散量普遍比芦苇湿地高0.1 ～0.2mm/d.应用订正后的SEBAL模型反演湿地蒸散量,可为湿地区域蒸散估算及湿地水资源管理提供依据.     

夏季黑河中游绿洲样带蒸散量遥感估算

黑河中游绿洲集中了全流域95%的耕地,利用了全流域68%的水资源,绿洲农田蒸散是水资源的主要支出项。为了解绿洲生态系统不同景观单元的耗水规律,高效管理区域水资源,该文利用2011年6-8月的7期Landsat TM影像,结合地面气象、物候数据和土地覆盖类型,基于SEBAL-METRIC模型估算了夏季黑河中游样带尺度不同土地覆盖类型蒸散量,并利用涡度观测数据对卫星过境日模型估算的蒸散量进行验证,发现遥感估算值与实测值具有较好的一致性。结果表明:由于土地覆盖类型和灌溉的差异,黑河中游样带尺度内蒸散量空间变化较大,6-8月农田平均总蒸散量是340 mm,林地是328 mm,草地的平均值是214 mm,荒漠区只有97 mm;夏季不同土地覆盖类型蒸散量均保持在较高水平,农田日蒸散量在6月底达到最大值,荒漠日蒸散量于7月中旬达到最大值,草地6月和7月平均日蒸散值较8月大,林地蒸散量月际变化较小。另外,荒漠与绿洲土壤类型差异较大,在荒漠区与绿洲区分别选取"热点"可有效提高模型估算精度。研究对于干旱半干旱区域水资源利用与管理有参考价值。     

FY-3/VIRR卫星遥感数据反演省级区域蒸散量

为了扩大气象卫星FY-3在科研、业务中的应用范围,将数据尽快用于遥感反演蒸散量业务工作中,根据FY-3/VIRR卫星通道特点,以山东为研究区域,基于地表能量平衡方程,结合地面气象要素,提出了利用FY-3卫星遥感数据进行区域蒸散反演的方法,建立了省级的区域逐日蒸散量估算系统。以2013年5月11日、8月20日、10月16日估算的日蒸散量为例,分析表明:基于FY-3/VIRR卫星反演的日蒸散量与利用Pen-man公式方法得到的数据对比,偏差分别为-0.19、-0.12和0.16 mm/d,相对偏差分别为10%、12%和11%;反演结果可准确揭示区域内不同地表覆盖类型的蒸散量的空间特点和差异性,结果较为合理;与同区域、同时段的EOS/MODIS蒸散产品进行对比分析表明:2种日蒸散产品的空间分布特征总体非常相似,相关系数在0.99以上,均方根差在0.36 mm以下,说明2种产品的一致性较好。利用中国新型自主研发的FY-3卫星资料估算蒸散量是可行的。     

基于自然生态约束空间差异的区域生态安全格局构建

在利用TM资料求取皇甫川流域地表特征参数和地表能量平衡各参量的基础上,反演出该流域的瞬时蒸散量,经过尺度转换,得到日蒸散量.在该估算方法中,将水体当作裸地进行处理,但水体和土壤的性质差别很大,用Penman公式对水体蒸发进行了单独估算,整合到流域日蒸散量中,以提高精度.分析结果表明,用该方法反演的日蒸散量与地表状况比较吻合,经过检验,反演的地表温度相对误差为0.58%,反演的日蒸散量平均相对误差为11.75%,都在误差允许范围之内.     

松嫩平原不同地表覆盖蒸散特征的遥感研究

为了准确估算松嫩平原不同地表覆盖的蒸散量,以MODIS产品及实测气象资料为数据源,通过SEBAL模型估算了松嫩平原2008年生长季（5－9月）的蒸散量,并利用涡动相关数据验证估算结果,发现估算值与实测值的变化趋势相吻合,整个生长季蒸散量的相对误差为18.26%,基本可以满足区域蒸散研究需求。通过探讨松嫩平原蒸散量的时空格局,发现2008年生长季蒸散量为183～1 003 mm,具有从西南部向东部、东北部逐渐增加的变化趋势,水体、林地、湿地的平均蒸散量最高,耕地、居工地次之,草地最低。最后,将蒸散量与降水量进行对比,分析了2008年生长季水分亏缺状态,发现松嫩平原平均水分亏缺量为195.96 mm,97%以上区域的蒸散量大于降水量,蒸散过程中很大程度上还需依靠地下水、径流来弥补降水量不足,生长季蒸散强烈,而降水量相对不足,对松嫩平原生态环境的稳定发展造成了重大影响及压力。     

基于STME模型和MODIS数据的滹滏平原实际蒸散量遥感估算

滹滏平原光、热及土壤资源优越,是华北平原重要的粮食生产基地,灌溉是该区农业获得稳产高产的重要保障,持续抽取地下水和无节制利用地表水已经引起了严重的水资源危机,合理高效利用有限水资源进行农业生产势在必行。本文利用单源梯形遥感蒸散发模型(a single-source trapezoid model for evapotranspiration,STME)和中等分辨率成像光谱仪MODIS(2011—2012年共115期)地表温度和反射率产品估算区域地表土壤缺水状况及实际蒸散量,并利用中国科学院栾城农业生态系统试验站(以下简称"栾城站")和赵县梨园涡度相关系统地表水热通量的观测值对STME模型估算结果进行验证。结果表明该模型可以很好地估算区域蒸散量,误差在可接受范围内。赵县梨园净辐射Rn的观测平均值为4.10 mm,估算平均值为4.69 mm,均方根差RMSD为0.80 mm;赵县梨园蒸散量观测平均值为2.86 mm,估算平均值为3.01 mm,均方根差RMSD为0.95 mm;栾城站蒸散量的观测平均值为2.67 mm,估算平均值为2.44 mm,均方根差RMSD为0.87 mm。将STME模型应用到滹滏平原估算日蒸散量,明确了区域尺度蒸散发的时空变化特征:10月份果园生态系统蒸散量多于农田生态系统;11月份区域蒸散量整体小于1 mm;第2年春季小麦返青、拔节期,农田生态系统蒸散量多于果园生态系统蒸散量;5月份处于植被生长旺盛期,农田和果园生态系统的蒸散量相差不大;6月份小麦收获,玉米播种,农田生态系统蒸散量少于果园生态系统;7月份整个区域蒸散量达到最大,蒸散量不仅与植被长势相关,而且与土壤湿度相关;8、9月份随着植被的成熟和收获,区域蒸散量整体变小。不同时期区域水分亏缺指数不同,可根据其指导区域灌溉量。STME模型继承了基于数理计算确定梯形顶点的方法和水分亏缺指数,使得计算过程得以简化且物理机制明确。     

毛乌素沙地杨树防护林内紫花苜蓿蒸散耗水规律的研究

本文利用验证后的Penman-Monteith模型,计算了内蒙古毛乌素沙地新疆杨防护林内紫花苜蓿的蒸散耗水,结果表明：(1)通过Penman-Monteith模型计算得到的蒸散量与涡度相关法实测值平均相对误差为14.73%(R²=0.84),说明利用Penman-Monteith模型计算林草复合模式内牧草蒸散量是可行的;(2)不同生育期内紫花苜蓿蒸散量差别较大,具体表现为：返青－分枝阶段、现蕾－开花阶段蒸散量较小,分别为5.03 mm和44.95 mm;分枝－现蕾、开花－结荚阶段蒸散量较大,分别为71.10 mm和101.74 mm;其中耗水最大的生育期为开花－结荚阶段,占整个生育期总耗水量的45.66%。在空间上表现为：随着距主防护林带距离增加,紫花苜蓿蒸散量逐渐增大,最大蒸散量出现在距离林带约115 m处(约7倍树高),为234.41 mm,之后,受另一侧防护林的影响,蒸散量逐渐减少。整个生育期防护林内紫花苜蓿总蒸散量为222.83 mm,对照地紫花苜蓿蒸散量为269.02 mm,与对照相比,防护林内紫花苜蓿比林外蒸散量降低了17.2%。防护林内和对照紫花苜蓿生物量干重分别为3287.28 kg/hm²和2959.93 kg/hm²,林内比对照增产11.1%。     

R-K蒸散模型用于华北平原冬小麦农田的参数校正与评价

为了解华北平原冬小麦田蒸散特征,并对蒸散估算模型在冬小麦田的适用性和稳定性进行分析,该文利用涡度相关系统对2013-2015年冬小麦田的蒸散量进行观测,以气象数据为基础对估算模型Rana和Katerji模型(简称R-K模型)进行修正;利用修正后模型对日蒸散量进行预测;并与FAO-PM模型的预测值及涡度相关系统的测量值进行对比,来说明R-K模型在冬小麦田的适用性。结果表明冬小麦田蒸散量有明显的季节变化,日蒸散量在1月底最小,返青期开始逐渐增大,于4、5月份达到最大值;2个冬小麦生长季总蒸散量分别为436.3和334.8 mm。统计参数的对比说明修正后R-K模型对冬小麦田日蒸散量的预测效果优于FAO-PM模型。敏感性分析说明R-K模型对气象因素不敏感,稳定性良好。R-K模型对冬小麦不同生长阶段的蒸散量预测效果在后期表现最佳,其次为发育期、中期和初期,越冬期表现最差。该研究可为利用模型估算蒸散量及指导农田精确灌溉提供参考。     

锡林河流域蒸散量遥感反演

以锡林河流域为研究区,利用遥感对合成的MODIS影像数据进行处理,结合同期气象资料估算出流域日蒸散量。结果表明,反演得到的日蒸散量分布与地表状况比较吻合,上游地区日蒸散量高于中下游地区,其中低湿地植被、草甸草原蒸散量较大,锡林河流经区域的地段形成的湿地植被日蒸散量较大,植被密集的地方如耕地蒸散值较大,明显高于植被稀疏的地区。日蒸散量分布曲线基本为正态分布,主值区间为2～7 mm/d,流域平均蒸散量为4.51 mm/d。运用FAO推荐式进行了验证,误差在允许范围之内,说明该遥感方法具有一定的适用性。     

通径分析结合BP神经网络方法估算夏玉米作物系数及蒸散量

准确估算蒸散量对于精准管理农田水分至关重要。为了解作物系数的动态特征,准确估算作物需水量,使用叶面积指数和气象要素模拟玉米全生育期作物系数及蒸散量。利用2018年五道沟实验站气象和称重式蒸渗仪实测数据,运用通径分析法筛选影响作物系数的关键因子,建立无雨期不同地下水埋深下作物系数模型,以此估算蒸散量。结果表明:1 m埋深下全生育期作物系数平均绝对误差为0.04 mm/d,相关系数为0.94,其中初期、发育期、中期和后期平均绝对误差分别为0.06、0.09、0.05和0.03 mm/d。3 m埋深下全生育期作物系数平均绝对误差为0.08 mm/d,相关系数为0.92,各生育期平均绝对误差分别为0.11、0.10、0.07和0.03 mm/d,利用温度、风速和叶面积指数模拟作物系数精度较高。1 m埋深全生育期ET平均绝对误差为0.72 mm/d,各生育阶段平均绝对误差分别为0.56、059、0.66和0.45 mm/d。3 m埋深全生育期ET平均绝对误差为0.73 mm/d,各生育阶段ET平均绝对误差分别为0.82、0.98、0.68和0.29 mm/d。不同时间尺度下(1、3、5 d)2种埋深ET模拟值与实际值一致性指数均接近1.00,平均绝对误差小于1.0 mm/d,预报准确率达70%。随预报时间尺度的增加,预报精度提高。该方法可用于夏玉米蒸散发量计算。     

锡林河流域长时间序列蒸散量遥感监测及其相关因子

蒸散的准确估算对于草地干旱监测、水资源分布及利用等具有重要的参考价值。选择锡林河流域为研究区,基于地表能量平衡原理,利用遥感方法对2000—2014年每年7月、2000年、2007年、2010—2014年每年4—9月的MODIS影像数据进行处理,结合同期气象资料估算出流域日蒸散量,按所占日数加权得到月蒸散量。运用FAO推荐式进行了验证,平均相对误差为16.678%,在误差允许范围之内,说明该遥感方法有一定的可用性。结果表明,在时间分布上,2000—2014年这15年流域蒸散量的时间变化没有固定的趋向,基本与各年7月份降水量的趋势相一致,一年中蒸散量的最大值主要出现在6—7月份。将月蒸散量与月日均气温、风速、大气相对湿度、水汽压和月降水量作了单因子相关分析,表明,与蒸散量最为相关的气象因子是降水量,说明降水量是影响蒸散量大小的主要限制因子;由于气温季节变化明显,因此气温也是影响蒸散量的主要因子,但在每年的同一时间段(如7月),气温变化不明显时,气温就不再是影响蒸散量大小的主要因子了。     

基于日天气预报数据估算小麦生长季参考作物蒸散量

为了在气象要素类型不完整条件下采用Penman-Monteith方法估算小麦生长季蒸散量,运用2014/2015和2015/2016年度两个小麦生长季新乡历史日天气预报数据和对应日气象实测数据,以及修正后的太阳辐射参数和调节系数,首先验证天气预报气温值的准确性,并以预报气温为基础,估算实际水汽压和太阳辐射,最后利用天气预报气温和平均风速值,以Penman-Monteith公式为基础估算参考作物蒸散量。结果表明：日天气预报温度数据可以代替气温观测数据;用天气预报中的最高和最低气温估算的水汽压和太阳辐射能满足Penman-Monteith公式的要求;用天气预报数据估算的辐射项的精度高于空气动力项的精度。总体上,用天气预报数据估算的日参考作物蒸散量中辐射项的精度高于空气动力项,用天气预报估算值总体偏低,但低估范围在7%之内,经统计分析,用天气预报估算与利用Penman-Monteith估算的日参考作物蒸散量相关性较高（R2=0.77）。因此,采用日天气预报的气象资料估算参考作物蒸散量这一方法可行,建议在干旱半干旱地区采用辐射法估算参考作物蒸散量,这给农业灌溉预报提供了理论和方法上的保证,并对指导当地农业水资源的优化配置具有参考意义。     

基于遥感蒸散发数据的耕地灌溉保证能力评价方法

灌溉保证能力是耕地质量的重要方面,为了提高区域耕地质量监测信息的获取效率,该文构建了一种基于遥感蒸散发的耕地灌溉保证能力评价方法。以MODIS蒸散发产品(MOD16)为数据基础,在水量平衡原理的基础上,利用降雨量、MOD16A2产品中的实际蒸散发参量,计算年度有效灌溉量;利用地面气象站点计算的参考作物需水量和MOD16A2月合成产品中潜在蒸散发参量,建立回归方程,得到空间连续的参考作物需水量;采用作物系数法结合区域作物类型分布图计算年度作物需水量,并在此基础进一步计算年度灌溉需水量;将有效灌溉量与灌溉需水量之间的比值作为灌溉保证能力评价的基础,利用多年的灌溉保证能力评价指标,监测和评价耕地灌溉保证能力。以河北省衡水市为研究区,开展了试验验证,结果表明,耕地灌溉保证能力综合评价结果与2012年补充完善后农用地分等成果中灌溉保证率的分级结果相比,除了在空间整体分布上具有较好的一致性外,级差小于1级的栅格单元达到75%以上。该文构建的灌溉保证能力评价指标物理意义明确、可获取性强,评价方法能够满足区域耕地质量监测与评价的应用需求。     

利用MODIS数据计算地表蒸散

地表蒸散影响着地表水分和能量的输送,在水文、气象、地理等诸多领域占有重要地位。该文首先基于大气辐射传输原理,利用MODIS大气产品提供的臭氧、水汽以及550 nm气溶胶含量,运用大气透过率计算模型,进行了太阳总辐射的计算,均方根误差（RMSE）为61.4 W/m2,相比FAO-56透过率模式112.1 W/m2的误差有了明显改进。在此基础上结合MODIS的地表温度、植被指数产品进行了地表蒸散的计算。瞬时显热通量与郑州市大孔径闪烁仪（LAS）观测相比,有较好的一致性,RMSE为29.9 W/m2。应用本文的透过率模型计算得到的日蒸散与观测值相比,RMSE为0.69 mm,应用FAO-56透过率计算式得到的日蒸散RMSE为1.42 mm。从验证结果来看,透过率的准确计算能够比较明显的提高地表蒸散计算精度。     

锡林河流域蒸散量时空变化遥感监测

研究选择锡林河流域为研究区,基于地表能量平衡原理,利用遥感方法对2000—2012年每年7月、2012年4—9月的MODIS影像数据进行处理,结合同期气象资料估算出流域日蒸散量,按所占日数加权得到月（旬）蒸散量。运用FAO推荐式进行了验证,平均相对误差为16.678%,在误差允许范围之内,说明该遥感方法有一定的可用性。结果表明:反演得到的蒸散量分布与地表状况比较吻合,其中低湿地植被、草甸草原蒸散量较大,锡林河流经区域的地段形成的湿地植被蒸散量较大,植被密集的地方如耕地蒸散值较大,明显高于植被稀疏的地区。在空间分布上均为上游大于中游,中游大于下游,与地表植被覆盖相一致。2000—2012年这13 a流域最大蒸散量出现在2012年,最小值出现在2000年,基本与各年7月份降水量的趋势相一致,它们之间的决定因子为0.755 3;2012年4—9月份月蒸散量和旬蒸散量随时间的变化基本为一钟形曲线,反映了植物在整个生长季的蒸散耗水状况。     

南宁郊区水稻蒸散研究初报

利用1988年和1989年对中熟水稻品种桂密实地观测的蒸散资料,分析了影响蒸散的气象因子和作物因子,并与气候学方法估算的蒸散量作了比较。初步得出南宁郊区水稻蒸散的一些规律。从移栽到成熟的总蒸散量为422mm,平均日蒸散量为5.3mm。水稻蒸散主要取决于叶面积和温度,风速和日照也有影响。蒸散最低值出现在生长初期,最高值出现在穗始分化至开花期,但早晚稻有所差异。     

黄土塬区农田蒸散的变化特征及主控因素

蒸散是水量平衡和能量平衡的重要组成部分,也是农田生态系统水分消耗的主要途径。为探究黄土塬区农田蒸散的日动态变化规律,运用涡度相关法、土壤水分及常规微气象观测系统等,于2013年作物生长季(4—10月)对试验区农田作物(冬小麦、春玉米)蒸散特征及影响因素进行分析。结果表明,降水对蒸散的影响较为显著,降水过后的日蒸散量较降水前会有所增加;农田0~100 cm土壤含水量变异系数较大,土壤水分变化剧烈,作物根系的集中分布范围在0~80 cm之间,因此0~100 cm土壤水分主要参与蒸散过程;晴天蒸散的累积量大于阴天,晴天和阴天的日均蒸散量分别为4.5、3.8 mm d-1,相差0.7 mm d-1。阴天蒸散开始的时间较晴天晚,阴天条件下的蒸散更易受到气象因子的扰动;不同天气条件下净辐射均为蒸散的主要影响因子,蒸散速率与净辐射变化趋势一致,但在时间上滞后于净辐射;在不同的土壤水分环境条件下,蒸散的过程和强度差异较大,水分胁迫条件下,全天蒸散量水平较低,"蒸散高地"的持续时间较长;而水分相对充足时,全天蒸散水平较高,"蒸散高地"持续时间较短,维持较高的蒸散速率的时间较长。