劉 遠,周買春

(華南農(nóng)業(yè)大學水利與土木工程學院,廣州 510642)

?

空間插值氣象數(shù)據(jù)在Shuttleworth-Wallace潛在蒸散發(fā)模型中的應用

劉 遠,周買春

(華南農(nóng)業(yè)大學水利與土木工程學院,廣州 510642)

基于Kriging空間插值氣象數(shù)據(jù)、IGBP土地覆蓋和AVHRR NDVI數(shù)據(jù),利用Shuttleworth-Wallace模型估算韓江流域2000—2006年的潛在蒸散發(fā)(PET)。結果表明：流域PET空間分布呈顯著的非均勻性,其值在496.6～1741.8 mm/a范圍內(nèi)變化,標準差為165.9 mm/a,主要受區(qū)域的氣候和植被類型影響;PET隨氣候的變化和植被的生長呈季節(jié)性變化;低分辨率的輸入數(shù)據(jù)會使PET模擬結果在相同尺度的范圍內(nèi)被一定程度地均化;氣象站點密度對PET的計算結果有影響,Kriging插值氣象數(shù)據(jù)的站點密度遠大于CRU數(shù)據(jù),兩種數(shù)據(jù)計算的PET結果的空間分布和季節(jié)變化的對比顯示,前者計算的PET精度高于后者。

潛在蒸散發(fā);Kriging插值;Shuttleworth-Wallace模型;氣象數(shù)據(jù);韓江流域

氣象數(shù)據(jù)是研究全球碳循環(huán)和水文循環(huán)、氣候變化、植被生態(tài)過程及動態(tài)變化等的基礎數(shù)據(jù)。對于小區(qū)域的短期研究,通常可自設小型的氣象站來獲取所需的氣象數(shù)據(jù);但對于大范圍的長期研究,以自主觀測來獲得完全的氣象數(shù)據(jù)顯然是不現(xiàn)實的,使用國家地面氣象站的觀測數(shù)據(jù)是唯一可行的途徑。由于從氣象部門獲得數(shù)據(jù)較復雜，學者們更偏向于使用現(xiàn)成的、易獲得的氣象數(shù)據(jù),如應用最廣泛的由英國東安哥拉大學氣象研究中心(Climatic Research Unit, CRU)基于國際氣象交換站資料建立的CRU數(shù)據(jù)集。CRU數(shù)據(jù)覆蓋全球,且時間跨度長,在很多研究領域中得到了應用[1-7]。由于CRU數(shù)據(jù)的低空間分辨率(0.5°,約50 km)無法體現(xiàn)氣象要素的空間變異性,使得模擬結果在與之相同的空間尺度內(nèi)被均化[8]。2001年,國家科技部啟動了基礎性工作專項資金項目“氣象資料共享系統(tǒng)建設”,標志著氣象資料公益性共享進入了試點建設和實施階段。截至2011年底,氣象科學數(shù)據(jù)共享平臺共開發(fā)了599個基本覆蓋大氣科學領域的數(shù)據(jù)集產(chǎn)品,數(shù)據(jù)量達到116 TB,可在線共享服務的數(shù)據(jù)量超過了50 TB。這些數(shù)據(jù)向廣大的科研工作者開放,為研究提供了極大的便利。隨著這些氣象數(shù)據(jù)在氣候、水文、生態(tài)等方面的應用,相關的成果不斷呈現(xiàn)[9-16]。

潛在蒸散發(fā)(potential evapotranspiration,PET)是指充分供水條件下地表的蒸散發(fā)能力。Penman-Montieth(P-M)方程[17]是應用最廣的潛在蒸散發(fā)計算模型之一。P-M方程被稱為“大葉”模型,不適用于計算稀疏植被和作物全生育期的蒸散發(fā)[18]。在P-M方程的基礎上,Shuttleworth和Wallace[19]采用植被冠層和冠層間(或冠層下)裸土表面雙源蒸發(fā)耦合的阻力網(wǎng)絡,構建了適用于稀疏植被的Shuttleworth-Wallace(S-W)模型。S-W模型結構復雜,包含很多參數(shù),需要大量的氣象和地面特征數(shù)據(jù)。隨著遙感技術的發(fā)展,為區(qū)域潛在蒸散發(fā)模擬提供了時空連續(xù)的地面參數(shù),如地表反射率、植被參數(shù)(NDVI、LAI等)、地表溫度等。但是,眾多的氣象要素仍依靠于地面氣象站的觀測數(shù)據(jù),而且作為PET的主要影響因素,氣象數(shù)據(jù)的精度對PET模擬結果有重要的影響,劉遠等[20]研究表明,S-W模型的PET計算結果對各氣象要素都有著較高的敏感性。利用當前可獲得的較多站點的氣象數(shù)據(jù)來替代CRU數(shù)據(jù),可望提高S-W模型的PET模擬精度。

本文以我國南方的韓江流域為例,應用多個地面氣象站的觀測數(shù)據(jù),通過Kriging插值獲得其空間分布;采用S-W模型計算流域的PET,并與CRU數(shù)據(jù)計算的PET結果比較,分析不同精度氣象數(shù)據(jù)對PET模擬結果的影響。

1 研究方法

1.1 Kriging插值法

Kriging插值法又稱空間自協(xié)方差最佳插值法,由南非礦山地質工程師Krige于1951年提出,法國地質學家Matheron于1962年引入?yún)^(qū)域化變量的概念,將Kriging插值法加以完善[21]。普通Kriging插值法采用區(qū)域變量觀測點原始數(shù)據(jù)和變異函數(shù)對未觀測點的區(qū)域化變量進行線性無偏最優(yōu)估計。通過對預測點周圍的各個觀測點的觀測值賦予不同的權重,累加后得到預測點的估計值,即

(1)

(2)

(3)

式中:Z(x0)為區(qū)域化變量在預測點x0處的真值；E(ξ)為ξ的數(shù)學期望,Var(ξ)為ξ的方差。根據(jù)區(qū)域化變量滿足二階平穩(wěn)或本征假設,應用拉格朗日乘數(shù)法求極值,由式(2)(3)可得到Kriging線性方程組:

(4)

式中：μ為拉格朗日乘子;γ(xi-xj)為變異函數(shù),滿足

(5)

式中：h為兩樣本點空間距離;Z(x)和Z(x+h)分別為區(qū)域化變量在x和x+h處的真值。

在實際計算中常采用理論變異函數(shù)模型來替代實驗變異函數(shù),Kriging法常用的理論變異函數(shù)模型有球形模型、指數(shù)模型、高斯模型、冪函數(shù)模型等。其中球形模型是地統(tǒng)計分析中應用最廣泛的理論模型,常用于氣象物理量場的空間插值，表達式為

(6)

式中:C0為塊金常數(shù)；C為拱高；C0+C為基臺值；a為變程。

1.2 S-W模型

S-W模型中植被地面蒸發(fā)由植被冠層騰發(fā)和冠層間(或冠層下)裸土地面蒸發(fā)兩部分組成:

λET=CcETc+CsETs

(7)

(8)

(9)

式中：ET為總蒸散發(fā)，mm/d;λ為水汽化潛熱，MJ/kg;ETc、ETs分別為郁閉冠層騰發(fā)和裸土地面蒸發(fā),以相應潛熱表示，MJ/(m2·d),Cc、Cs分別為它們的權重系數(shù);Rn、Rsn分別為冠層和土壤表面的凈輻射，MJ/(m2·d);G為土壤熱通量，MJ/(m2·d);es和ea分別為飽和水汽壓和實際水汽壓，kPa;Δ為飽和水汽壓-溫度曲線的斜率，kPa/℃;ρ為平均空氣密度，kg/m3;cp為空氣定壓比熱容,平均大氣條件下cp=1.013 kJ/(kg·℃);γ為空氣濕度常數(shù)，kPa/℃;rcs、rca分別為冠層氣孔阻力和冠層邊界層阻力，s/m;rsa、raa分別為土壤表面到冠層、冠層到參考高度間的空氣動力學阻力，s/m;rss為土壤表面阻力，s/m。

圖1 韓江流域位置、水系及IGBP土地覆蓋分布

S-W模型參數(shù)可歸為以下3類分別進行計算:①大氣環(huán)境參數(shù)。S-W模型中與大氣環(huán)境有關的參數(shù)包括λ、es、Δ、ρ、cp和γ,采用Shuttleworth和Allen的方法計算[22-23]。②阻力參數(shù)。應用K理論,通過積分土壤表面到冠層的優(yōu)先高度(preferred height)和冠層的優(yōu)先高度到參考高度的渦流擴散系數(shù),可得到空氣動力學阻力rsa和raa[24];冠層氣孔阻力rcs受葉面積指數(shù)(leaf area index,LAI)和環(huán)境變量(光合有效輻射、水汽壓差、溫度、土壤水分)的影響,可用Jarvis的方法計算[25];冠層邊界層阻力rca采用與葉片寬度有關的平均邊界層阻力來計算[19, 26];在計算PET時,假定根系層的土壤含水量為田間持水量,此時土壤表面阻力rss=500 s/m[19, 27]。③能量參數(shù)。冠層凈輻射Rn使用FAO-56方法中的公式[23],扣除地面的反射,用下墊面的輻射能量平衡來計算,地表面的反射率表示為地面植被LAI的函數(shù)[28];土壤表面凈輻射Rsn采用Beer指數(shù)衰減定律計算;土壤熱通量G采用前一時段和后一時段的平均氣溫的經(jīng)驗公式來計算[23]。

除了土壤表面阻力和土壤熱通量外,S-W模型的其他阻力參數(shù)和能量參數(shù)都與植被參數(shù)(LAI、植被高度和葉片寬度)有關。植被LAI使用SiB2方法由AVHRR NDVI反演得到[29];植被高度和葉片寬度通過區(qū)分一年生和多年生植被來計算,并與LAI相關聯(lián)[1]。S-W模型的參數(shù)化過程中,需要確定一系列植被冠層參數(shù)的閾值(如最小和最大植被高度、最大LAI、最大葉片寬度、地面粗糙高度等),Zhou等[1]根據(jù)IGBP(international geosphere-biosphere program)土地覆蓋分類,確定了這些參數(shù)的相應閾值。

2 研究區(qū)域和數(shù)據(jù)

2.1 研究區(qū)域

韓江流域(圖1(a))位于115°13′～117°09′E、23°17′～26°05′N范圍,覆蓋廣東東部、福建西南部、江西東南部共22個縣市,流域面積30 112 km2。其中山地約占70%,主要分布在流域北部和中部;丘陵約占25%,分布在梅江流域和其他干支流谷地;平原約占5%,主要分布在韓江三角洲。梅江是韓江的主流,在廣東大埔的三河壩與汀江匯合后始稱韓江,全長470 km。梅江、汀江、韓江干流和三角洲的集水面積分別為13 929 km2、11 802 km2、3 346 km2和1 035 km2。

韓江流域屬亞熱帶氣候,受海洋性西南季風影響很大,夏長冬短,雨量充沛,四季常綠。流域多年平均氣溫20℃,極端最高溫度42.8℃(上杭站1952年8月),極端最低溫度-7.3℃(梅縣站1958年1月);在4—9月的前、后汛期里,西南、東南季風將孟加拉灣和南海的豐沛水汽帶入流域,7—10月是熱帶氣旋盛行季節(jié),臺風將西太平洋與南海的暖濕水汽帶入韓江流域;流域多年平均降水量1 450～2 000 mm,降水量年際變率大,年內(nèi)季節(jié)分配極不均勻,多集中于4—9月,約占全年的80%;流域多年平均水面蒸發(fā)量為996～1 406 mm。

2.2 土地覆蓋和植被數(shù)據(jù)

土地覆蓋數(shù)據(jù)采用USGS(United States Geological Survey)建立的GLCC(global land cover characteristics)全球IGBP土地覆蓋數(shù)據(jù)集,該數(shù)據(jù)將全球土地覆蓋分為17種類型,空間分辨率為1 km。圖1(b)是韓江潮安水文站(韓江干流控制性水文站)以上流域IGBP土地覆蓋分布,流域主要植被是常綠針葉林和農(nóng)作物(或農(nóng)作物和自然植被的鑲嵌體),約占全流域總面積的90%。

植被NDVI數(shù)據(jù)采用由NASA(National Aeronautics and Space Administration)GIMMS(global inventor modeling and mapping studies)發(fā)布的覆蓋全球的半月最大值合成AVHRR NDVI數(shù)據(jù),數(shù)據(jù)空間分辨率是8 km,時間是1981年1月至2006年12月。GIMMS數(shù)據(jù)經(jīng)過幾何精度糾正、輻射校正、大氣校正等預處理,且都已采用最大值合成法以減少云、大氣、太陽高度角等的影響,同時還利用經(jīng)驗模式分解減少了由于衛(wèi)星軌道漂移所產(chǎn)生的噪音,并利用交叉輻射定標的方法,增強了數(shù)據(jù)的精度。用流域邊界裁剪得到韓江流域的NDVI,圖2(a)是韓江流域2000—2006年的平均NDVI分布?；赟iB2方法[29],由NDVI和IGBP計算得到流域的LAI,如圖2(b)所示。可以看到,植被類型為常綠針葉林的地區(qū),植被覆蓋率較高,NDVI和LAI較大;農(nóng)作物(或農(nóng)作物和自然植被的鑲嵌體)地區(qū)的植被覆蓋率較低,NDVI和LAI較小;由于采用SiB2方法由NDVI計算LAI時,融入了與1 km分辨率IGBP土地覆蓋分類相關的參數(shù),使得LAI的分辨率為1 km,即在1個8 km的NDVI網(wǎng)格中,若IGBP類型不同,計算得到的LAI不同。但在一些大面積IGBP類型相同的區(qū)域,同一NDVI網(wǎng)格中計算得到的LAI是相同的,呈現(xiàn)出與NDVI相同的分辨率。

圖2 韓江流域2000—2006年平均NDVI和LAI分布

2000—2006年月平均NDVI和LAI的年內(nèi)變化如圖3所示,結果顯示兩者是同步變化的,且與流域的氣候變化相一致;在降水充足的4—9月,植被生長旺盛,而植被對降水的響應通常有1個月的滯后[30],所以NDVI和LAI在5—10月較大;在降水較少的1—3月和12月,植被開始凋落,NDVI和LAI在1—4月較小。

圖3 韓江流域AVHRR NDVI和LAI的年內(nèi)變化

2.3 氣象數(shù)據(jù)

用于空間插值的氣象數(shù)據(jù)來自中國氣象科學數(shù)據(jù)共享服務網(wǎng)(http://cdc.nmic.cn/home.do)提供的“中國地面氣候資料月值數(shù)據(jù)集”。該數(shù)據(jù)集是中國752個基本、基準地面氣象觀測站及自動站1951年以來的氣候資料月值數(shù)據(jù)集,內(nèi)容包括S-W模型所需的平均氣溫、最高氣溫、最低氣溫、水汽壓、風速和日照百分率,以及其他一些常用的氣象數(shù)據(jù)。在數(shù)據(jù)集中獲取韓江流域內(nèi)和附近的45個氣象站2000—2006年的月時間序列數(shù)據(jù),這些氣象站主要分布在廣東省、福建省和江西省境內(nèi)。

用于比較的氣象數(shù)據(jù)是基于國際交換站(其中中國194個)氣象資料建立的CRU數(shù)據(jù)集,其中CRU TS(a gridded time-series dataset)可提供平均氣溫、最高氣溫、最低氣溫、降水、云量、水汽壓等地表變量1901—2014年月平均值的,空間分辨率為0.5°×0.5°(約50 km×50 km),覆蓋全球陸地; CRU CL(a gridded climatology of 1961—1990 monthly means)可提供1961—1990年多年平均月風速,空間分辨率也是0.5°×0.5°。

3 結果與分析

3.1 氣象數(shù)據(jù)Kriging插值結果及與CRU數(shù)據(jù)的對比

圖4 韓江流域2000—2006年氣象要素平均值的插值分布

圖5 韓江流域2000—2006年CRU氣象要素平均值的分布

根據(jù)“中國地面氣候資料月值數(shù)據(jù)集”中獲得的韓江流域內(nèi)和附近的45個氣象站2000—2006年的月時間序列數(shù)據(jù),利用Kriging插值法得到流域各氣象要素的分布場,將其轉化為1 km分辨率的柵格圖。同時,用流域邊界在CRU TS數(shù)據(jù)中裁剪同期的平均氣溫、最高氣溫、最低氣溫、水汽壓和云量數(shù)據(jù),將云量轉換成日照百分率n/N(n/N=0.923 4-0.048C-0.0042C2,其中C是云量);裁剪CRU CL數(shù)據(jù)中的多年平均月風速代替2000—2006年各月的平均風速。兩種方法得到的各氣象要素平均值在韓江流域的分布如圖4、圖5所示(最高氣溫和最低氣溫的分布與平均氣溫類似,圖中未給出)?？梢钥吹?由于“中國地面氣候資料月值數(shù)據(jù)集”的站點密度遠高于CRU數(shù)據(jù)(在中國前者是752個站點,后者是194個站點),所以Kriging插值法得到的氣象要素空間分辨率高于CRU數(shù)據(jù)。但兩種方法得到的氣象要素空間分布的變化趨勢是一致的,其中氣溫、水汽壓和日照百分率隨緯度的增大而減小的趨勢較明顯,風速則從沿海向內(nèi)陸呈減小趨勢。

統(tǒng)計各氣象要素月平均值的年內(nèi)變化,結果如圖6所示。兩種方法得到的氣象要素的季節(jié)變化一致;從數(shù)值大小來看,兩者的平均氣溫大小基本沒有差別,而CRU的水汽壓全年都略小于Kriging插值得到的值;由于CRU采用的是1961—1990年的平均風速,其值明顯較Kriging插值得到的大,這有可能是因為近30年來流域的城市化建設使得地面粗糙度變大,所以氣象站的風速測值較過去小;CRU的日照百分率除1月和12月較Kriging插值得到的值大外,其他月份的值都較小,而且在少數(shù)月份(如6月、9月)兩種方法得到的值相差較大,這有可能是因為日照百分率與云量直接相關,而云量隨空間具有較大的變異性,即使是位置較接近的氣象站測到的云量都可能相差較大,CRU和Kriging插值使用不同的氣象站數(shù)據(jù),導致日照百分率的大小差異較大。

圖6 韓江流域2000—2006年氣象要素 月平均值的年內(nèi)變化

3.2 Kriging插值計算的PET及與CRU計算結果的比較

3.2.1 PET的空間分布

分別利用Kriging插值氣象數(shù)據(jù)和CRU數(shù)據(jù)驅動S-W模型,計算韓江流域2000—2006年的PET(分別記為EK和EC),圖7給出了它們的年平均值在流域的空間分布。EK的流域平均值為1 009.7 mm/a,其空間分布具有較大的非均勻性,標準差達165.9 mm/a;最大值為1 741.8 mm/a,出現(xiàn)在流域出口潮安水文站處的水域,因為該處緯度較低,太陽輻射較強,且為水面蒸發(fā),所以EK最大;最小值為496.6 mm/a,出現(xiàn)在流域北部汀江干流附近的多樹草地,因為該處緯度較高,太陽輻射較弱,且為矮小植被覆蓋,蒸騰作用較弱,所以EK最小。EK有些地方呈現(xiàn)“馬賽克”分布,同一“馬賽克”中的EK值相近。這些“馬賽克”的大小為8 km×8 km,與AVHRR NDVI(或LAI)的柵格大小相同,且位置重合,EK“繼承”了NDVI數(shù)據(jù)的分辨率,說明位置接近時,相同的植被覆蓋,EK的大小相當。

圖7 韓江流域2000—2006年平均PET分布(單位：mm/a)

EC的流域平均值為951.2 mm/a,比EK小5.8%,且EC的最大和最小值也都較EK的小;從流域內(nèi)的空間分布看,EC與EK的空間分布基本是一致的。EC同時繼承了來自NDVI數(shù)據(jù)的8 km分辨率和CRU數(shù)據(jù)的50 km分辨率,使其分布中既存在8 km的“馬賽克”,又可見50 km的“塊”;由于EC融入了來自IGBP土地覆蓋的1 km高分辨率,且不同土地覆蓋對PET有較大的影響(見3.2.2),使得這些粗分辨率在EC中表現(xiàn)的并不明顯。

3.2.2 PET隨植被類型的變化

表1為全流域和流域內(nèi)4種主要植被覆蓋的多年平均LAI和PET值。EK隨植被類型的不同有較大的變化。由于常綠針葉林屬高大植被,LAI也是4種植被類型中最大的,相比較矮小的農(nóng)作物和草地,其蒸騰作用更劇烈,所以EK最大;其他3種植被LAI較接近,由于農(nóng)作物大多分布在流域的南部,太陽輻射較強,所以其EK較大;多樹草地、農(nóng)作物和自然植被的鑲嵌體分布都較分散,后者的LAI較大,所以EK較大。除多樹草地由于分布分散,相對標準差(標準差與平均值之比)較大外,其余植被覆蓋EK的相對標準差幾乎在同一水平,說明韓江流域不同植被覆蓋EK的地域差異是相類似的,而且都呈從北向南逐漸增大的趨勢。

與全流域的計算結果一樣,各種植被覆蓋計算得到的EK均比EC大,其中常綠針葉林的EK和EC差距明顯較其他3種植被小,說明LAI較大時,PET受氣象要素的影響較小。全流域和各種植被的EC標準差均比EK的大,因為較低分辨率的CRU氣象數(shù)據(jù)的空間差異較Kriging插值的數(shù)據(jù)大,所以計算得到的EC空間差異也較大。

表1 韓江流域2000—2006年不同植被覆蓋平均LAI與PET

3.2.3 PET的季節(jié)變化

圖8 韓江流域2000—2006年不同植被覆蓋 平均月PET年內(nèi)變化

圖8(a)(b)為全流域和流域內(nèi)3種主要植被覆蓋的多年平均月PET的年內(nèi)變化,氣候變化對流域的EK有較大的影響。常綠針葉林各月的EK都較其他植被的大,多樹草地各月的EK都最小。雖然各種植被覆蓋的EK大小不同,但是它們隨季節(jié)的變化是同步的,最小值都出現(xiàn)在1月,最大值都出現(xiàn)在7月。EK在5—10月較大,因為該時段流域的氣溫較高,太陽輻射強烈,且雨量充沛(占全年雨量的80%以上),植物生長旺盛,蒸騰作用劇烈,所以EK較大。

由CRU氣象數(shù)據(jù)計算得到的各種植被覆蓋的EC同樣具有季節(jié)變化的一致性,而且變化的規(guī)律與EK基本相同,較大的EC同樣出現(xiàn)在5—10月。但是,各種植被5月和6月的EC基本相等,而EK則較明顯地上升,較好地反映了植被的生長趨勢。將全流域的EK和EC進行對比(圖8(c)),可以發(fā)現(xiàn)在6—9月EK明顯比EC大。Kriging插值得到的氣溫和CRU的基本相等,它們計算的PET差異主要是由水汽壓、日照百分率和風速引起的。S-W模型的敏感性分析表明[20],PET對水汽壓和日照百分率有較高的敏感性,而對風速的敏感性較低,PET隨水汽壓的增大而減小,隨日照百分率的增大而增大。Kriging插值得到水汽壓和日照百分率全年都較CRU的大(1月和12月的日照百分率除外),日照百分率相差更為明顯,尤其是6—9月,使得這4個月的EK明顯比EC大;由于CRU 6月的日照百分率明顯下降,使得該月的EC沒有較5月上升。

4 結 語

隨著氣象科學數(shù)據(jù)共享平臺各種數(shù)據(jù)集的開放和應用,結合覆蓋全球的、免費公開使用的土地覆蓋數(shù)據(jù)和反映植被形態(tài)隨環(huán)境(如長期水分脅迫)、季節(jié)動態(tài)變化的衛(wèi)星遙感植被數(shù)據(jù)(NDVI、LAI),將S-W潛在蒸散發(fā)模型用于大流域長時段PET模擬成為可能。基于Kriging插值氣象數(shù)據(jù)的S-W模型在韓江流域的應用表明,流域PET空間分布呈顯著的非均勻性,PET在496.6～1 741.8 mm/a范圍內(nèi)變化,標準差為165.9 mm/a,主要受區(qū)域的氣候和植被類型影響;PET隨氣候變化和植被生長呈季節(jié)性變化;低分辨率的輸入數(shù)據(jù)會使PET模擬結果在相同尺度的范圍內(nèi)被一定程度地均化;獲得氣象空間數(shù)據(jù)的站點密度對PET的計算結果有影響,Kriging插值氣象數(shù)據(jù)的站點密度遠大于CRU數(shù)據(jù),兩種數(shù)據(jù)計算的PET結果的空間分布和季節(jié)變化的對比顯示,前者計算的PET精度高于后者。

流域水文模擬時間尺度一般要達到日,對于洪水預報更是要以小時為尺度,但受輸入數(shù)據(jù)的時間尺度限制,模型估算的潛在蒸散發(fā)的尺度往往只到月或旬。大多數(shù)學者是將月潛在蒸散發(fā)簡單應用到日,即認為月內(nèi)每天潛在蒸散發(fā)不變,這無疑均化了潛在蒸散發(fā)的時間變異性,對水文模擬的結果造成影響。隨著遙感技術的發(fā)展,植被數(shù)據(jù)的時間分辨率不斷提高(如MODIS植被數(shù)據(jù)的時間分辨率可達到8 d),以及各種時間序列(月、日、時)氣象數(shù)據(jù)的開放,使日尺度的潛在蒸散發(fā)模擬成為可能。

[1] ZHOU Maichun,ISHIDAIRA H,HAPUARACHCHI H P,et al.Estimating potential evapotranspiration using Shuttleworth-Wallace model and NOAA-AVHRR NDVI data to feed a distributed hydrological model over the Mekong River Basin[J].Journal of Hydrology,2006,327(1/2): 151-173.

[2] ZHOU Maichun,ISHIDAIRA H,TAKEUCHI K.Estimation of potential evapotranspiration over the Yellow River Basin: reference crop evaporation or Shuttleworth-Wallace?[J].Hydrological Processes,2007,21(14): 1860-1874.

[3] 王景凱,郭華東,李新武.2003—2010年中亞地表土壤水對氣候變化的響應[J].干旱區(qū)研究,2015,23(1): 40-47.(WANG Jingkai,GUO Huadong,LI Xinwu.Responses of surface soil moisture in Central Asia to climate change during 2003—2010[J].Arid Zone Research,2015,23(1): 40-47.(in Chinese))

[4] 趙靖川,劉樹華.植被變化對西北地區(qū)陸氣耦合強度的影響[J].地球物理學報,2015,58(1): 47-62.(ZHAO Jingchuan,LIU Shuhua.Research on the impact of vegetation change on land-atmosphere coupling strength in Northwest China[J].Chinese Journal of Geoghysics,2015,58(1): 47-62 (in Chinese))

[5] 戚穎,王斌,黃金柏,等.CRU數(shù)據(jù)集在黑龍江省ET0計算中的應用[J].河海大學學報(自然科學版),2014,42(4): 367-371.(QI Ying,WANG Bin,HUANG Jinbai,et al.Application of CRU dataset to calculation ofET0of Heilongjiang Province[J].Journal of Hohai University (Natural Sciences),2014,42(4): 367-371.(in Chinese))

[6] 孫文超,龐博,魚京善,等.基于分布式水文模型BTOPMC的晉江流域水文循環(huán)模擬[J].北京師范大學學報(自然科學版),2013,49(2/3): 145-151.(SUN Wenchao,PANG Bo,YU Jingshan,et al.Simulating hydrological cycle in Jinjiang River Basin with BTOPMC[J].Journal of Beijing Normal University (Natural Science),2013,49(2/3): 145-151.(in Chinese))

[7] 劉晉,魏新平,王軍.SWAT模型在密賽流域的應用與比較研究[J].水文,2014,34(6): 49-54.(LIU Jin,WEI Xinping,WANG Jun.Application of SWAT model in Misai Basin[J].Journal of China Hydrology,2014,34(6): 49-54.(in Chinese))

[8] 曹啟桓,劉遠,周買春,等.基于AVHRR NDVI的Shuttleworth-Wallace模型在韓江流域的應用[J].中山大學學報(自然科學版),2013,52(2): 121-128.(CAO Qihuan,LIU Yuan,ZHOU Maichun,et al.Application of Shuttleworth-Wallace model in Hanjiang River Basin using AVHRR NDVI data[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2013,52(2): 121-128.(in Chinese))

[9] 牛紀蘋,粟曉玲.石羊河流域參考作物蒸發(fā)蒸騰量對氣候變化的響應模擬及預測[J].水利學報,2014,45(3): 286-295.(NIU Jiping,SU Xiaoling.Simulation and estimation of reference evapotranspiration responsing to climate change in Shiyang River Basin[J].Journal of Hydraulic Engineering,2014,45(3): 286-295.(in Chinese))

[10] 夏婷,王忠靜,羅琳,等.基于REDRAW模型的黃河河龍間近年蒸散發(fā)特性研究[J].水利學報,2015,46(7): 811-818.(XIA Ting,WANG Zhongjing,LUO Lin,et al.REDRAW-based evapotranspiration characters analysis in Hekou-Longmen Section of the Yellow River[J].Journal of Hydraulic Engineering,2015,46(7): 811-818.(in Chinese))

[11] 徐勇,奚硯濤.江蘇省植被覆蓋動態(tài)變化及其與氣候因子的關系[J].水土保持通報,2015,35(4): 195-201.(XU Yong,XI Yantao.Change of vegetation coverage in Jiangsu Province and its relation with climatic factors[J].Bulletin of Soil and Water Conservation,2015,35(4): 195-201.(in Chinese))

[12] 劉憲鋒,朱秀芳,潘耀忠,等.1982—2012年中國植被覆蓋時空變化特征[J].生態(tài)學報,2015,35(16): 5332-5342.(LIU Xianfeng,ZHU Xiufang,PAN Yaozhong,et al.Spatiotemporal changes in vegetation coverage in China during 1982—2012[J].Acta Ecologica Sinica,2015,35(16): 5331-5342.(in Chinese))

[13]蔡輝藝，余鐘波，楊傳國，等.淮河流域參考蒸散發(fā)量變化分析[J].河海大學學報(自然科學版),2012,40(1):76-82.(CAI Huiyi,YU Zhongbo,YANG Chuanguo,et al.Analysis of variation of reference evapotranspiration in Huaihe Basin[J]. Journal of Hohai University (Natural Sciences), 2012,40(1):76-82. (in Chinese))

[14] 馬放,姜曉峰,王立,等.基于SWAT模型的亞流域劃分方法研究[J].中國給水排水,2015,31(7): 53-57.(MA Fang,JIANG Xiaofeng,WANG Li,et al.Study on subwatershed delineation based on SWAT model[J].China Water & Wastewater,2015,31(7): 53-57.(in Chinese))

[15]朱非林,王衛(wèi)光,孫一萌,等.漢江流域實際蒸散發(fā)的時空演變規(guī)律及成因分析[J].河海大學學報(自然科學版),2013,41(4):300-306.(ZHU Feilin,WANG Weiguang, SUN Yimeng,et al.Spatial and temporal variations of actual evapotranspiration and their causes in Hanjiang River Basin[J]. Journal of Hohai University (Natural Sciences), 2013,41(4):300-306. (in Chinese))

[16] 仙巍,邵懷勇.長江上游安寧河流域植被生長變化對氣候條件的響應[J].國土資源遙感,2015,27(3): 108-113.(XIAN Wei,SHAO Huaiyong.Responses of vegetation changes to climatic variations in Anning River Basin of upper Yangtze River Region[J].Remote Sensing for Land and Resources,2015,27(3): 108-113.(in Chinese))

[17] MONTEITH J L.Evaporation and environment[C]//19th Symposia of the Society for Experimental Biology.Cambridge: Cambridge University Press,1965: 205-234.

[18] 莫興國,林忠輝,劉蘇峽.基于Penman-Monteith公式的雙源模型的改進[J].水利學報,2000,31(5): 6-11.(MO Xingguo,LIN Zhonghui,LIU Suxia.An improvement of the dual-source model based on Penman-Monteith formula[J].Journal of Hydraulic Engineering,2000,31(5): 6-11.(in Chinese))

[19] SHUTTLEWORTH W J,WALLACE J S.Evaporation from sparse crops-an energy combination theory[J].Quarterly Journal of the Royal Meteorological Socciety,1985,111(469): 839-855.

[20] 劉遠,周買春,陳芷菁,等.基于S-W模型的韓江流域潛在蒸散發(fā)的氣候和植被敏感性[J].農(nóng)業(yè)工程學報,2013,29(10): 92-100.(LIU Yuan,ZHOU Maichun,CHEN Zhijing,et al.Sensitivity of the potential evapotranspiration to climate and vegetation in Hanjiang River Basin based on S-W Model[J].Transactions of the Chinese Society of Agricultural Engineering,2013,29(10): 92-100.(in Chinese))

[21] 范玉潔,余新曉,張紅霞,等.降雨資料Kriging與IDW插值對比分析:以漓江流域為例[J].水文,2014,34(6): 61-66.(FAN Yujie,YU Xinxiao,ZHANG Hongxia,et al.Comparison between Kirging interpolation method and Inverse Distance Weighting tension for precipitation data analysis: taking Lijiang River Basin as a study case[J].Journal of China Hydrology,2014,34(6): 61-66.(in Chinese))

[22] SHUTTLEWORTH W J.Evaporation[M].New York: McGraw-Hill,1993.

[23] ALLEN R G,PEREIRA L S,RAES D,et al.Crop evapotranspiration-guidelines for computing crop water requirements[R].Roma: Food and Agriculture Organization of the United Nations,1998.

[24] SHUTTLEWORTH W J,GURNEY R J.The theoretical relationship between foliage temperature and canopy resistance in sparse crop[J].Quarterly Journal of the Royal Meteorological Society,1990,116(492): 497-519.

[25] JARVIS P G.The interpretation of the variations in leaf water potential and stomatal conductance found in canopies in the field[J].Philosophical Transactions of the Royal Society B Biological Sciences,1976,273(927): 593-610.

[26] BRISSON N,ITIER B,L’HOTEL J C,et al.Parameterisation of the Shuttleworth-Wallace model to estimate daily maximum transpiration for use in crop models[J].Ecological Modeling,1998,107(2/3): 159-169.

[27] FEDERER C A,VOROSMARTY C J,FEKETE B.Intercomparison of methods for potential evapotranspiration in regional or global water balance models[J].Water Resources Research,1996,32(7): 2315-2321.

[28] UCHIJIMA Z.Maize and rice[M].New York: Academic Press,1976.

[29] SELLERS P J,LOS S O,TUCKER C J,et al.A revised land surface parameterization (SiB2) for atmospheric GCMs,part II: the generation of global fields of terrestrial biophysical parameters from satellite data[J].Journal of Climate,1996,9: 706-737.

[30] 崔林麗,史軍,楊引明,等.中國東部植被NDVI對氣溫和降水的旬響應特征[J].地理學報,2009,64(7): 850-860.(CUI Linli,SHI Jun,YANG Yinming,et al.Ten-day response of vegetation NDVI to the variations of temperature and precipitation in eastern China[J].Acta Geographica Sinica,2009,64(7): 850-860.(in Chinese))

Application of spatially interpolated meteorological data in estimation of potential evapotranspiration using Shuttleworth-Wallace model//

LIU Yuan, ZHOU Maichun

(CollegeofWaterConservancyandCivilEngineering,SouthChinaAgriculturalUniversity,Guangzhou510642,China)

Based on meteorological data generated by Kriging spatial interpolation, International Geosphere-Biosphere Program (IGBP) land cover data, and Normalized Difference Vegetation Index data observed by the Advanced Very High Resolution Radiometer (AVHRR NDVI), the potential evapotranspiration (PET) in the Hanjiang River Basin during the period from 2000 to 2006 was estimated with the Shuttleworth-Wallace (S-W) model. The results show that the spatial distribution of PET over the basin is significantly non-uniform, with annual PET values ranging from 496.6 to 1 741.8 mm/a and an annual standard deviation of 165.9 mm/a. The non-uniform distribution of PET is mainly caused by local climate and vegetation types. PET changes seasonally with climate and the growth of vegetation. Input data with low resolution may homogenize the PET results to a certain extent in the same coverage. The density of the meteorological stations will affect the estimated results of PET. The density of meteorological data from Kriging spatial interpolation is much higher than that of the Climatic Research Unit (CRU) data. The spatial distribution and seasonal change of PET calculated using the Kriging interpolation data and CRU data were compared, and the results show that the PET data calculated using the Kriging interpolation data are more accurate than those using the CRU data.

potential evapotranspiration; Kriging interpolation; Shuttleworth-Wallace model; meteorological data; Hanjiang River Basin

國家自然科學基金(41171029);廣東省水利科技創(chuàng)新項目(2009-42)

劉遠(1979—),男,副教授,博士,主要從事水文預報和地理信息系統(tǒng)研究。E-mail:lyuan@scau.edu.cn

周買春(1965—),男,教授,博士,主要從事水文及水資源研究。E-mail:mczhou@scau.edu.cn

10.3880/j.issn.1006-7647.2017.01.002

TV11

A

1006-7647(2017)01-0008-09

2015-12-25 編輯：鄭孝宇)