资助项目:国家自然科学基金面上项目(41775105,41975111); 国家自然科学基金重大培育项目(91637106); 甘肃省气象局气象科研项目GSMAMs2018-12)
第一作者:杨扬(1988—),女,甘肃民乐人,硕士,助理研究员,主要从事陆气相互作用研究。E-mail:yangmeng07.happy@163.com
(中国气象局兰州干旱气象研究所 甘肃省(中国气象局)干旱气候变化与减灾重点实验室, 兰州 730020)
(Key Laboratory of Arid Climatic Change and Disaster Reduction of Gansu(CMA), Institute of Arid Meteorology, China Meteorological Administration, Lanzhou 730020, China)
terrestrial evapotranspiration; remote sensing empirical model; land surface model; normalized vegetation index; semi-arid region
陆面蒸散发是地表水循环和能量循环的重要组成部分,准确的估算蒸散发对区域气候研究和干旱监测有重要意义。利用公用陆面过程模式CLM 4.0模式输出的高时间分辨率的净辐射、地表温度作为遥感经验模型的输入,结合SACOL站观测资料估算了西北半干旱区的陆面蒸散发,并将估算值与观测值进行了对比分析。结果 表明:CLM模式对净辐射、地表温度的模拟性能较理想,与观测值的RMSE,MAPE相对较小,相关性更高。遥感经验模型估算的SACOL站陆面蒸散发与实测值的偏差较小,CLM模式模拟的蒸散发与观测值的一致性较好,但模式较观测值偏大。基于CLM模式模拟得到更为准确的净辐射、地表温度和NDVI估算得到的蒸散发与观测值的变化趋势较为一致,两者的误差较小,相关性更好,对半干旱区蒸散发的估算精度有显著提高,且能够得到更高时间分辨率的陆面蒸散发。
Land surface evapotranspiration is an important component of surface water and energy cycle. Accurate estimation of land surface evapotranspiration is of great significance to regional climate research and drought monitoring. We used the high temporal resolution net radiation and surface temperature simulated by CLM as the input of the remote sensing empirical statistical model(EMP)to estimate terrestrial evapotranspiration in the semi-arid region of Northwest China based on the observation data of Semi-Arid Climate Observatory and Laboratory of Lanzhou University(SACOL). Compared with the observed values, the results showed that the simulation performance of CLM for net radiation and surface temperature was ideal, the RMSE, MAPE of the net radiation and surface temperature simulated by CLM were relatively small, and the correlation was closer; the deviation between evapotranspiration estimated by EMP and measured values was small; the evapotranspiration simulated by CLM model was in good agreement with the observed values, but the values were larger than the observed values; the trend of evapotranspiration obtained by EMP_CLM which proposed by more accurate net radiation and surface temperature simulated by CLM and NDVI was more consistent with the observed values; the deviation between the two was smaller and the correlation was better. The estimation accuracy of evapotranspiration in semi-arid region was significantly improved, and higher temporal resolution evapotranspiration can be obtained. Generally speaking, the new method can improve the estimation performance of evapotranspiration in semi-arid area.
陆地蒸散发是地表能量和水分平衡的重要组成部分,同时与植物的光合作用紧密相关,影响碳循环过程,因而对区域乃至全球气候产生重要影响[1-2]。不仅如此,陆面蒸散发对水资源管理、农业种植规划等均具有重要的指导意义[3]。研究还表明,蒸散发的变化趋势在干旱监测预警方面扮演着至关重要的角色[4],尤其是当前经常发生的骤发性干旱主要是由区域蒸散量剧增造成的[5]。在不同的气候背景下,各种气象要素和陆面特性对蒸散发的影响并不相同,因而不同区域的陆面蒸散发存在显著差异,其对陆气相互作用、气候变化及干旱等的影响并不相同[6-7]。因此,陆面蒸散发的研究一直以来都是国际国内研究的热点科学问题。
一般而言,陆面蒸散发可通过观测和数值模拟获得。目前,陆面蒸散量的测定方法可归纳为水文学法、微气象法、植物生理学法和遥感法。但仪器测量值的空间代表范围有限,如涡动相关法大约为200~400 m,大孔径闪烁仪大约为500~5 000 m[8]。现有的陆面蒸散发观测站点十分稀少,且测量仪器昂贵,维护成本高,难以获取区域非均匀下垫面的陆面实际蒸散发。真正能实现区域蒸散发观测的是卫星遥感方法[9-10]。但遥感法并不是直接观测蒸散发,而是通过反演出地表温度、净辐射、植被指数等间接计算蒸散发,其精度与反演算法及选取的参数有关[3]。另外,卫星遥感中通常使用的极轨卫星如MODIS,TERRA等对某一地区仅能获取有限的1个或2个时次的观测数据,无法合理表征日变化或日平均值误差很大,且在陆气相互作用、干旱监测等研究中并不能满足其高时间分辨率的需要。因此,获取高时空分辨率、高精度的陆面蒸散发仍是研究中的一大难点,是当前研究的迫切需要。
针对蒸散发的估算模型可以分为两大类。一类是经验统计模型,这类方法主要采用观测的陆面蒸散量与遥感参数(如地表温度、植被参数)的回归关系估算区域尺度上的陆面蒸散量。例如,Wang等[11] 、Anderson等[12] 、Jung等[13]利用蒸散量与辐射、气温、地表温度、土壤热通量、降水及植被参数等的拟合关系建立了估算蒸散发的经验统计模型。这类方法简单易行,可以充分利用遥感资料,但缺点是经验统计模型不考虑蒸散发的具体物理过程,仅仅利用相关关系,计算精度依赖于参数的选取及其反演精度,具有较大的经验性,难以推广到不同地区[14]。另外,虽然统计模型可以使用遥感资料方便的获得区域尺度的蒸散发量,但受制于遥感资料的时间分辨率,经验统计模型估算的时间分辨率较低。
第2类估算模型是基于物理过程的模型,如Penman公式、以地表能量平衡为基础的SEBS和SEBAL等模型、陆面过程模式等。这类模型优点是具有明确的物理结构,可以根据下垫面类型,动态的调整参数等,而且模型的大气驱动变量如气温、相对湿度和风速等的观测均有较高的分辨率,因此能输出高时间分辨率的蒸散发。如全球土壤湿度计划(GSWP)、全球陆面数据同化系统(GLDAS)、中国陆面数据同化系统(CLDAS)等均是利用陆面过程模式模拟得到全球格点、高时间分辨率的地表通量。Haddeland 等[15]比较了11个模式模拟的陆面蒸散发,发现全球陆面蒸散量在415~586 mm/a间变化。Xia等[16-17]表明NLDAS-2在区域和流域尺度上,SAC-SMA模式高估了蒸散量,而Noah和VIC模式则低估了蒸散量。由于陆面过程模式中的参数化方案、参数选取等均存在较大的不确定性[18],因而其模拟的蒸散发与观测值也存在较大的偏差。
综上所述,目前遥感观测和经验统计模型能获得陆面蒸散发,但是时间分辨率较低; 而陆面过程模式能获得高时间分辨率的蒸散发量,但其偏差较大。为了获得高时间分辨率的陆面蒸散发量,一种可行的方法是结合遥感统计模型和陆面过程模式,利用陆面过程模式输出的高分辨率变量,作为遥感统计模型的输入,最终获得高时间分辨率的蒸散发量。本研究正是基于这种想法,结合公用陆面过程模式CLM和遥感经验模型估算了黄土高原半干旱区的蒸散发,并通过与兰州大学半干旱气候与环境监测站SACOL的观测资料对比分析,检验该方法的可行性,以期为高时间分辨率的陆面蒸散发估算提供参考。
兰州大学半干旱气候与环境监测站(Semi-Arid Climate Observatory and Laboratory of Lanzhou University,SACOL)位于甘肃省榆中县兰州大学萃英山顶(35.946°N,104.137°E,海拔1 961 m),观测场占地约8.0 hm2,下垫面较为平坦,为天然荒漠草地,优生植被为多年生草本长芒草,伴生植被为赖草和冷蒿等[19]。SACOL站位于中国黄土高原地区,地处温带半干旱气候区,年平均降水量为381.8 mm,年平均气温6.7℃,代表了方圆几百公里的半干旱区气候状况[20]。SACOL站土壤以黄壤为主,土层深厚、质地疏松、通气透水性强[21]。Yue等[22]分析了SACOL站与其周边16个气象观测站日平均地气温差的空间相关关系发现16个观测站与SACOL站之间的地气温差高度相关,表明该站具有良好的空间代表性,能够代表黄土高原半干旱地区的陆面基本特征。
本文主要使用SACOL站2006—2008年的近地层观测资料,包括空气温度,相对湿度,风速,大气压强; 向下和向上的短波和长波辐射,感热通量和潜热通量,及土壤温度和含水量。文章使用的蒸散发观测数据来自于涡动相关系统测量,为保证观测数据的可靠性,对30 min的原始资料进行二次坐标旋转、超声虚温的侧向风校正和WPL修正。然后剔除由于降水、露水等天气导致涡动相关系统观测的异常。
本文所使用的卫星资料为2006—2008年每天的地表温度产品MOD11A1和通道反射率产品MOD09GA,MOD11A1空间分辨率为1 km×1 km,MOD09GA空间分辨率为500 m×500 m。首先通过MRT对MODIS产品进行投影转换等处理,再利用最邻近插值法得到SACOL站的单站数据,并在数据中剔除有降水的时段,最后得到SACOL站的卫星资料总数为89组。
遥感经验统计模型(Remote Sensing Empirical Statistical Model)众多,最常用的为Wang等[11]根据美国22个观测站和中国青藏高原2个观测站的资料,利用短波辐射Rsn、气温T、相对湿度RH及植被指数Ⅵ建立的经验统计模型估算相应时段净辐射和陆面蒸散发。其后,王丽娟等[23]提出利用MODIS的白天/夜间地表温度来代替Wang经验统计模型中的气温来计算蒸散发。改进后的模型不仅表征了下垫面类型对辐射和蒸散发的影响,而且还表征了土壤湿度对辐射和蒸散的影响。然后,利用半干旱区SACOL站实测资料重新修正了回归系数,得到了如下修正的经验统计模型:
Rnes=Rsn(c0+c1·stn+c2·std+c3·NDVI+c4·RH)(1)
ETes=Rnes(d0+d1·NDVI+d2·stm+d3·std)(2)
式中:c0~c4,d0~d3为回归系数,分别表示NDVI等各项对净辐射、蒸散的贡献比重,各系数的具体值见表1。Rsn为短波辐射; stn为MOD11A1中的夜间地表温度; stm和std分别为MOD11A1中的白天和夜间的地表温度均值和差值。
CLM模式(Community Land Surface Model,Version 4.0)是NCAR发布的陆面过程模式,是公用地球系统模式CESM(Community Earth System Model)的一个子模块,包括地球物理化学、生物地球物理、水循环和动态植被过程4个部分,广泛应用于气候研究的各个方面[24]。CLM模式所需的地表参数主要包括植被功能类型,茎、叶面积指数,植株高度,土壤颜色、质地、有机质含量等,与植被功能类型有关的数据来自于MODIS的数据,而土壤质地来自于IGBP数据[24],土壤有机质含量来自于Lawrence[25]。CLM模式地表温度及各层土壤温度的初始值取为274 K,土壤含水量初始化为0.3,而最下面的5层初始化为0.0。
遥感经验模型中输入的变量是净辐射、地表温度、归一化植被指数和相对湿度,其中净辐射和地表温度、相对湿度均具有非常明显的日变化,而植被指数的日变化较小。Oudin 等[26]研究表明地表净辐射和温度是估算潜在蒸散发必不可少的因子。为了估算高时间分辨率的蒸散发,需要使用时间分辨率较高的净辐射、地表温度等,利用较易获取的高时间分辨率大气强迫驱动陆面过程模式,进而模拟得到高时间分辨率的净辐射和地表温度。为此,结合陆面过程模式和经验统计模型后,区域蒸散发的估算方法如下式所示
ETes=Rnm(e0+e1·NDVI+e2·TGm+e3·TGd)(3)
式中:Rnm,TGm和TGd分别为CLM模式模拟的地表温度均值、地表温度差值,e0~e3为新的回归系数,根据2006年SACOL站的观测数据和CLM模式的模拟值进行回归分析,得出(3)式中的系数分别为e0=0.669,e1=0.565,e2=-0.032,e3=0.008。
为了方便起见,经验统计模型简记为“EMP”,陆面过程模式简记为“CLM”,结合经验统计和陆面过程模式的模型简记为“EMP_CLM”。为评估模式模拟性能,给出模拟值与观测值的均方根偏差(Root Mean Bias Error,RMBE)、平均相对误差(Mean Absolute Percent Error,MAPE)和相关系数(Correlation Coefficient,R)定量评估模拟值与观测值的偏差。
为了验证模式的计算效果,首先分别给出了利用EMP估算和CLM模式模拟的SACOL站净辐射与实测值之间的比较。如图1A所示,EMP估算的净辐射与实测值的相关系数为0.67,均方根误差为25.93 W/m2,平均相对误差为16.97%。从图中也可以看出,在净辐射值较大的部分,估算结果与实测值之间较为吻合,不存在偏差特别大的点; 而在净辐射值较小的部分,两者之间的偏差较大,这可能与卫星资料受云影响有关。图1B中,CLM模式模拟的净辐射与观测值的相关系数达到了0.93,相关性较好,均方根误差为17.74 W/m2,平均相对误差为12.38%。图2给出了CLM模式模拟的2007—2008年净辐射与观测值日均值的比较。如图2所示,CLM模式能较好地模拟出净辐射的变化趋势,但模拟值较观测值偏大。夏季净辐射的模拟值与观测值基本吻合,只在个别峰谷值处稍有偏差; 冬季模拟值与观测值的偏差相对较大。综上可见,陆面过程模式不仅能模拟出高时间分辨率的净辐射,且偏差也较EMP的小。在陆面过程模式离线模拟中,太阳辐射和大气长波辐射作为强迫场输入,因此净辐射由反射辐射和地表长波辐射决定,CLM模式对反射辐射和地表长波辐射的模拟较好从而使净辐射的模拟较好,这也从另一个方面表明CLM模式对土壤温度和感热通量的模拟较好。
图3分别给出了EMP中使用的MODIS观测的和CLM模式模拟的SACOL站地表温度与实测值之间的比较。如图3A所示,EMP中地表温度与实测值的相关系数为0.89,均方根误差为3.03℃,平均相对误差为10.71%。从图中也可以看出,在地表温度较高的部分,估算结果与实测值之间较为吻合,不存在偏差特别大的点; 而在地表温度偏低的部分,两者之间的偏差较大,总体上MODIS地表温度较观测值偏高。如图3B所示,CLM模式模拟的地表温度与观测值的相关系数达到了0.94,相关性较好,均方根误差为1.48℃,平均相对误差为5.15%,模拟值与观测值的散点均匀的分布在拟合线两侧。图4给出了CLM模式模拟的2007—2008年地表温度与观测值日均值的比较。如图4所示,CLM 模式模拟的地表温度能较好地体现其季节变化特征,其变化趋势、峰谷值都与观测值基本一致。总体来看CLM模式对地表温度的模拟效果比EMP中使用的MODIS地表温度精度更高,所以利用CLM模式地表温度代替EMP中的温度计算蒸散发是可行的。
图5给出了利用EMP,CLM模式及EMP_CLM计算的SACOL站蒸散发(潜热通量)与观测值的散点图。如图5A所示,EMP的估算值与模拟值的散点分布较分散,拟合线离1:1线较远,相关系数为0.72,均方根误差为22.88 W/m2,平均相对误差为36.26%。Wang and Dickinson[3]研究表明陆面蒸散发的估算存在15%~30%的不确定性,虽然EMP提高了蒸散发的模拟精度[23],但是其对半干旱区蒸散量的估算精度仍不够理想。图5B给出的CLM模拟的蒸散发与观测值的相关系数为0.71,均方根误差为26.17 W/m2,平均相对误差为36.86%。在蒸散发较小时,CLM模式模拟的蒸散发与实测值较为吻合,两者的散点均匀地分布在1:1线两侧; 而在蒸散发较强时,模拟值与观测值的偏差较大,模拟值较观测值偏大。从总体上看,EMP估算的蒸散发与实测值的相关性较好,均方根误差及相对误差较小,但CLM模式模拟的蒸散发与观测值的散点更加接近于1:1线,两者各有优劣。如图5C所示,EMP_CLM估算的蒸散发与观测值的拟合效果更好,散点均匀地分布在1:1线附近,相关系数更高,估算值与观测值的一致性较好。从偏差的统计结果来看,估算值与观测值的RMSE由EMP的22.88减小到14.59 W/m2,MAPE由36.26%减小到20.75%,相关系数增加到0.84,EMP_CLM方法提高了半干旱区陆面蒸散发的估算精度。
图6给出了CLM模式、EMP_CLM模拟的2007—2008年蒸散发与观测值日均值的比较。如图所示,CLM模式能较好的模拟出蒸散发的变化趋势,但模拟值较观测值偏大。在非生长季,模式的模拟值较观测值的偏差较大; 在生长季,模拟的蒸散发与观测值的偏差相对较小。
从图中还可以看出,EMP_CLM模拟的蒸散发与观测值更为接近,偏差较小。从偏差的统计结果来看,新方法估算的蒸散发的RMSE由CLM模式的19.45减小到8.90 W/m2,MAPE由36.23%减小到20.77%,R由0.83增加到0.93,估算精度有显著的改进。Kustas[27]利用单源能量平衡模型(SEB),结合Mast卫星和飞机、涡动相关法(EC)和能量平衡方法(BR)观测的净辐射和地表热通量等估算了干旱区犁沟棉的蒸散发,其中RMSE为24~85 W/m2,相对误差为10%~25%。Anderson等[28-29]利用ALEXI和disALEXI方法,结合GEOS,MODIS卫星观测资料反演了可利用能量及其他参数,计算了水域、森林、灌丛、草地、作物、裸土及密集建筑物等不同下垫面的小时蒸散发,通过与EC观测值相比较,模型的RMSE为58 W/m2,相对误差为25%。Wang等[30]基于EVI的经验模型,利用MODIS卫星资料和EC数据,分析了森岭、草地和作物下垫面的16 d蒸散发,其RMSE为58 W/m2,相对误差为36%。从表2给出的不同方法对蒸散发的计算结果来看,目前计算蒸散发的不确定性为10%~36%。因此,利用陆面过程模式模拟的较为精确的净辐射及地表温度和NDVI估算得到的蒸散发与观测值的变化趋势较为一致,两者的误差较小,相关性更好,对半干旱区蒸散发的估算精度有显著提高,且能够得到更高时间分辨率的陆面蒸散发。CLM模式对净辐射、地表温度的模拟性能较好。与遥感经验模型相比,净辐射的RMSE从25.93 W/m2降低到17.74 W/m2,MAPE则从16.97%减小到12.38%,相关性更高; 地表温度的RMSE从3.03℃减小到1.48℃,MAPE则从10.71%减小到5.15%,模拟值与观测值的相关性更好,散点均匀的分布在拟合线两侧。从整体上来看,遥感经验模型估算的SACOL站陆面蒸散发与实测值的偏差较小,模型相对改进了蒸散发的估算效果; CLM模式模拟的蒸散发与观测值的一致性较好,但模式较观测值偏大; 遥感经验模型和CLM模式对蒸散发的计算各有优劣。基于CLM模式模拟得到更为准确的净辐射、地表温度和NDVI提出的新估算方法得到的蒸散发与观测值的变化趋势较为一致,两者的误差较小,相关性更好,对半干旱区蒸散发的估算精度有显著提高,且能够得到更高时间分辨率的陆面蒸散发。
基于遥感产品的经验模型对蒸散发的估算依赖于遥感产品的精度及经验参数,在缺乏地面观测资料的区域,改进的遥感经验模型能够给出陆面蒸散发的粗略分布。但受技术所限,目前只能获取较为准确的晴天遥感产品,基于遥感产品的经验模型并不能用于获取连续完整的陆面蒸散发数据。随着对陆面过程研究的深入,陆面过程模式取得了长远发展,其对净辐射和地表温度的模拟更为准确。因此,利用陆面过程模式更为准确的净辐射和地表温度来替代遥感经验模型中的估算值,同时综合NDVI来弥补陆面过程模式在半干旱区植被生理生态过程参数化的不确定性,是提高西北半干旱区陆面蒸散发的估算精度的可行方法。随着陆面同化数据集(如GLDAS,ERA-Interim和CLDAS等)的建立及进一步发展,在缺少观测资料的地区利用陆面同化数据集和遥感植被指数是获取较为准确蒸散发行之有效的方法。但新估算方法仅针对黄土高原半干旱区特殊的环境条件建立,其在西北更多区域的适用性还有待更多测站的资料来验证。
致谢:感谢兰州大学干旱气候与环境观测站(SACOL站)为本文提供数据支持。