姚冠澤,王衛(wèi)光,李進(jìn)興
(河海大學(xué) 水文水資源與水利工程科學(xué)國家重點(diǎn)實(shí)驗(yàn)室,南京 210098)
實(shí)際蒸散發(fā)(ETa)是液態(tài)水轉(zhuǎn)化為氣態(tài)水的過程,包括土壤蒸發(fā)、植被截留和植物蒸騰。蒸散發(fā)不僅是陸面過程研究的關(guān)鍵參數(shù),也是地表能量平衡與水量平衡的重要組成部分,深刻影響著氣候變化、水循環(huán)及陸地生態(tài)系統(tǒng)水文過程。因此,準(zhǔn)確估算ETa對于理解水文-氣象過程及地球系統(tǒng)的交互過程都十分重要[1]。目前,獲取ETa主要是通過地面觀測和模型模擬[2,3]兩種途徑。其中,我國地面觀測站點(diǎn)相對較少,分布稀疏,且僅在點(diǎn)尺度上具有一定的代表性。而模型模擬受限于模型的精度以及參數(shù)的不確定性,不能夠準(zhǔn)確地得到ETa。因此,大尺度ETa估算仍然是水循環(huán)領(lǐng)域的一大難題。20世紀(jì)70年代以來,隨著衛(wèi)星遙感技術(shù)的發(fā)展,采用遙感數(shù)據(jù)驅(qū)動(dòng)蒸散發(fā)反演模型,為大尺度ETa的精確估算提供了新的可行性方法。然而,不同蒸散發(fā)反演模型采用的輸入數(shù)據(jù)與計(jì)算方法均存在一定的差異,導(dǎo)致生產(chǎn)的蒸散發(fā)產(chǎn)品其精度在時(shí)間和空間上表現(xiàn)出不同程度的差異性。因此,已有國內(nèi)外學(xué)者通過對蒸散發(fā)產(chǎn)品進(jìn)行驗(yàn)證和應(yīng)用,評估蒸散發(fā)產(chǎn)品在各類地區(qū)的適用性。王文[4]等將GLDAS數(shù)據(jù)模擬蒸散及蓄量變化與實(shí)測數(shù)據(jù)進(jìn)行比對,結(jié)果表明兩種模式的GLDAS產(chǎn)品均高估了中國外流區(qū)的蒸散發(fā)數(shù)據(jù),且GLDAS-1的高估程度大于GLDAS-2;賀添等[5]利用MOD16產(chǎn)品分析我國2001-2010年蒸散發(fā)的時(shí)空變化,結(jié)果顯示MOD16產(chǎn)品在我國遼河、海河、黃河和淮河流域的模擬精度較高;楊秀芹等[6]利用GLEAM產(chǎn)品分析了淮河流域地表蒸散發(fā)的時(shí)空分布特征,結(jié)果表明GLEAM產(chǎn)品在淮河流域模擬精度較高。
目前,漢江流域地表蒸散發(fā)研究主要集中在模型模擬[7]或?qū)我徽羯l(fā)產(chǎn)品進(jìn)行分析[8],而多種蒸散發(fā)產(chǎn)品在漢江流域的適用性仍缺乏對比研究,且通過對蒸散發(fā)產(chǎn)品進(jìn)行偏差校正以提高產(chǎn)品精度的研究尚不多見。本文將目前應(yīng)用較為廣泛的六種蒸散發(fā)產(chǎn)品與GRACE水儲量變化得到的水量平衡蒸散發(fā)數(shù)據(jù)進(jìn)行比較,分析產(chǎn)品蒸散發(fā)的月變化,并利用一種偏差校正方法對蒸散發(fā)產(chǎn)品值進(jìn)行修正,減小產(chǎn)品不確定性帶來的分析誤差,從而評估出漢江流域擬合度較高的產(chǎn)品,為漢江流域?qū)嶋H蒸散發(fā)的準(zhǔn)確估算及水資源開發(fā)與配置提供科學(xué)依據(jù)。
漢江流域位于中國中部,是長江上最大支流(106°12′~114°14′E,30°08′~34°11′N),漢江干流全長約1 500 km,流域面積約17.4 萬km2,地勢西北高東南低,西部為山區(qū),東部以平原丘陵為主。漢江流域?qū)儆趤啛釒Ъ撅L(fēng)氣候區(qū),氣候溫和濕潤,四季分明。降水較為豐富,多年平均雨量約750~1 435 mm,年內(nèi)分配極不均勻,降水主要集中在夏季,約占全年降水量的40%~50%。流域多年平均徑流量為256 億m3,流域年徑流深由西向東遞減,年際變化較大;徑流年內(nèi)分配不均,5-10月徑流量占全年75%左右。流域示意圖如圖1所示。
圖1 漢江流域示意圖Fig.1 The map of Han River basin
本文采用的蒸散發(fā)產(chǎn)品主要包括3類:①診斷模型產(chǎn)品(Diagnostic Models);②陸面模式產(chǎn)品;③再分析產(chǎn)品。診斷模型產(chǎn)品是使用遙感植被信息作為重要輸入數(shù)據(jù),并利用傳統(tǒng)估算方法計(jì)算得到的產(chǎn)品。本文使用的診斷模型產(chǎn)品有3種,一是美國國家航空航天局(NASA)利用植被覆蓋率和反照率等遙感數(shù)據(jù),結(jié)合氣象數(shù)據(jù)計(jì)算得到凈輻射量,并通過Penman-Monteith算法計(jì)算得到的MODIS MOD16產(chǎn)品[9];二是利用遙感數(shù)據(jù)(葉面積指數(shù)和植被覆蓋指數(shù)),結(jié)合Penman-Monteith算法,估算得到的全球尺度1982-2013年的蒸散發(fā)數(shù)據(jù)[10];三是利用GLEAM模型,并考慮了土壤濕度對蒸散發(fā)的影響,基于Pristley-Taylor模型反演得到的日蒸散發(fā)數(shù)據(jù)[11]。陸面模式產(chǎn)品則選取全球陸面同化數(shù)據(jù)系統(tǒng)(GLDAS)中的蒸散量數(shù)據(jù)。GLDAS數(shù)據(jù)集共有兩種模式,其中模式一是通過選取觀測數(shù)據(jù)和衛(wèi)星數(shù)據(jù)作為驅(qū)動(dòng)場,驅(qū)動(dòng)4種陸面模式(Mosaic、Noah、CLM、 VIC)生成的全球1979年至今的全球范圍的數(shù)據(jù)集,模式二則是采用普林斯頓大學(xué)全球氣象數(shù)據(jù)作為強(qiáng)迫場,利用Noah陸面模式驅(qū)動(dòng)得到的1948-2010年的數(shù)據(jù)集[12,13]。再分析數(shù)據(jù)產(chǎn)品選用的是日本氣象廳采用三維變分法對多種氣象數(shù)據(jù)進(jìn)行同化,獲得了一套的從1958年開始的55年再分析產(chǎn)品JRA55[14]。各遙感蒸散發(fā)產(chǎn)品的基本情況見表1。文章計(jì)算所采用的蒸散發(fā)產(chǎn)品值均為面平均蒸散發(fā)值,即基于柵格面積在流域內(nèi)的權(quán)重加權(quán)得到的平均值。
表1 蒸散發(fā)產(chǎn)品簡介Tab.1 Overview of the six ET products
重力反演與氣候試驗(yàn)衛(wèi)星Gravity Recovery and Climate Experiment(GRACE)是2002年3月由美國國家航空航天局(NASA)和德國航天局(DLR)聯(lián)合發(fā)射,并用于觀測地球重力場變化的衛(wèi)星。目前,德州大學(xué)空間研究中心(CSR)、美國宇航局噴氣推進(jìn)實(shí)驗(yàn)室(JPL)以及德國地學(xué)研究中心(GFZ)等多家機(jī)構(gòu)都有基于GRACE重力場數(shù)據(jù)開發(fā)的全球水儲量變化(TWSA)產(chǎn)品可供下載。所有TWSA產(chǎn)品均經(jīng)過條帶濾波及冰川均衡調(diào)整來減小反演的誤差,但由于各機(jī)構(gòu)在數(shù)據(jù)處理方法上有所不同,不同TWSA產(chǎn)品之間也存在一些差異。
由圖2可以看出,雖然利用3種TWSA分別計(jì)算得到的月水儲量變化(ΔS)時(shí)間趨勢基本一致,相關(guān)性較高,但仍存在一定的差異。因此,為減小計(jì)算過程中的不確定性,本文采用三種產(chǎn)品計(jì)算得到的ΔS均值作為流域月水儲量變化。
圖2 2005-2012年研究區(qū)內(nèi)月水儲量變化Fig.2 Water storage change in the study area for 2005 to 2012
此外,本文還采用了2005-2012年的漢江流域降水和徑流數(shù)據(jù)。其中,降水?dāng)?shù)據(jù)來源于中國科學(xué)院青藏高原研究所開發(fā)的0.1°×0.1°地面氣象要素驅(qū)動(dòng)數(shù)據(jù)集(CMFD);徑流數(shù)據(jù)來源于水文年鑒中仙桃水文站實(shí)測數(shù)據(jù)。
水量平衡原理在計(jì)算封閉的流域?qū)嶋H蒸散發(fā)時(shí)是一種十分有效的方法。其計(jì)算公式為:
ET=P-R-ΔS
(1)
式中:P為流域面平均降水,mm/月;R為流域平均徑流深,mm/月;ΔS為流域下墊面月水儲量變化,mm/月。
在年尺度或多年尺度的計(jì)算中,水儲量變化通常忽略不計(jì),但在對月尺度的蒸散發(fā)進(jìn)行估算時(shí),ΔS不可忽略。因此本文采用GRACE重力衛(wèi)星的水儲量產(chǎn)品對水量平衡蒸散發(fā)(ETWB)進(jìn)行估算,并以此值作為流域?qū)嶋H蒸散發(fā)的參考值來評估其他實(shí)際蒸散發(fā)產(chǎn)品的精度。
本文采用統(tǒng)計(jì)參數(shù)包括平均值(MEAN)、均方根誤差(RMSE)、偏差(BIAS)、相關(guān)系數(shù)(R)作為蒸散發(fā)產(chǎn)品精度檢驗(yàn)的依據(jù)。各項(xiàng)指標(biāo)的計(jì)算公式如下:
(2)
(3)
(4)
(5)
式中:Ai為蒸散發(fā)產(chǎn)品值;Bi為GRACE水儲量數(shù)據(jù)所計(jì)算得到的蒸散發(fā)值;N為數(shù)據(jù)序列長度。
2005-2012年間不同產(chǎn)品和參考蒸散發(fā)之間的比較結(jié)果如表2所示。其中,ETGLEAM和ETZHANG的RMSE在6種產(chǎn)品中最低,分別為16.17和17.78 mm/月;同時(shí),ETZHANG的BIAS取值最小,為0.82 mm/月,ETGLEAM的R取值最大,為0.89,兩種產(chǎn)品均表現(xiàn)出了與ETWB較高的擬合度。兩種陸面模式產(chǎn)品的表現(xiàn)差異性較大,其中ETGNOAH1的BIAS為13.46 mm/月,而ETGNOAH2的BIAS為-9.76 mm/月,這與兩種產(chǎn)品計(jì)算過程中的驅(qū)動(dòng)氣象要素?cái)?shù)據(jù)來源不同有關(guān)。再分析數(shù)據(jù)的蒸散發(fā)值偏大,且相關(guān)性較好,為-16.69 mm/月??傮w來看,診斷模型產(chǎn)品的表現(xiàn)優(yōu)于陸面模式產(chǎn)品和再分析產(chǎn)品。
表2 蒸散發(fā)產(chǎn)品與水量平衡蒸散發(fā)(ETWB)的比較Tab.2 Comparison of different ET products and ETWB
受計(jì)算方法以及模型輸入數(shù)據(jù)的影響,蒸散發(fā)產(chǎn)品的空間分布表現(xiàn)出一定的差異。從圖3中可以看出,除ETGNOAH1外,其他產(chǎn)品均表現(xiàn)出了相似的空間分布特性,即流域蒸散發(fā)量從中部向兩邊遞減,這主要是由于漢江流域中部的土地覆蓋類型主要以林地為主,下游則主要以種植業(yè)為主。此外,ETJRA55、ETGLEAM、ETGNOAH2的年蒸散量范圍較為接近,約為500~900 mm/a,而ETMOD16的年最大蒸散發(fā)量明顯高于其他產(chǎn)品,為1017.98 mm/a,最低值較其他產(chǎn)品也相對偏低;ETGNOAH1的年最低蒸散量明顯高于其他產(chǎn)品的年最低值,主要分布在流域東部;ETZHANG的年蒸散量與其他產(chǎn)品差異較大,取值范圍明顯偏低。
為提高實(shí)際蒸散發(fā)產(chǎn)品模擬的準(zhǔn)確性,本文采用一種基于γ累積分布函數(shù)的偏差校正方法對蒸散發(fā)數(shù)據(jù)進(jìn)行修正[15]。其中,γ累積分布的計(jì)算過程如下:
圖3 蒸散發(fā)產(chǎn)品多年平均蒸散量空間分布Fig.3 Spatial distribution of annual ET of ET products
(6)
式中:α、β分別為γ累積分布中的形狀參數(shù)和尺度參數(shù)。
圖4展示了6種蒸散發(fā)產(chǎn)品的γ累積概率分布。虛線WB-ET表示ETWB修正前的累積概率分布,實(shí)線WB-FIT則表示擬合后的γ累積概率分布,其他同理。所有產(chǎn)品表現(xiàn)出了與ETWB相似的累積概率分布曲線,曲線之間的差異主要是由于蒸散發(fā)產(chǎn)品與ETWB的偏差造成的。
圖4 漢江流域月蒸散發(fā)值累積概率分布圖Fig.4 Distribution of the monthly domain-averaged ET values from the ETWB and ET products
根據(jù)γ累積分布函數(shù),可對蒸散發(fā)產(chǎn)品進(jìn)行偏差校正:每一個(gè)產(chǎn)品蒸散發(fā)值在擬合曲線上對應(yīng)的一個(gè)累積概率值,該累積概率在WB-FIT曲線上所對應(yīng)的蒸散發(fā)值即為校正之后的產(chǎn)品蒸散發(fā)值。此過程可表述為:
(7)
為消除年際間的偏差,再利用下式進(jìn)行第二步計(jì)算:
(8)
式中:ETfinal(m)為年偏差校正后的月產(chǎn)品蒸散發(fā),mm/月;Pannual為年降雨量,mm/a;Rannual為年徑流量,mm/a;ETcorrected(m)、ETcorrected(a)分別為月蒸散發(fā)校正量(mm/月)和年蒸散發(fā)校正量,mm/a。
由圖5可以看出,經(jīng)過偏差校正之后,6種蒸散發(fā)產(chǎn)品的BIAS和RMSE均顯著減小,而R2變化較小,變化幅度在0.01~0.03左右。其中,ETGNOAH1、ETGNOAH2和ETJRA55的BIAS,BIAS的變化幅度均在7 mm/月以上。3種診斷模型產(chǎn)品的校正變化較小,主要原因在于產(chǎn)品在校正前精度較高。結(jié)果表明,γ累積概率分布可以有效提高蒸散發(fā)產(chǎn)品精度,減小誤差。
由圖6可以看出,月蒸散發(fā)產(chǎn)品的多年變化呈現(xiàn)一定的規(guī)律性,即5-9月份的蒸散發(fā)活動(dòng)最強(qiáng),11月-次年2月的蒸散發(fā)活動(dòng)較弱。校正前各產(chǎn)品與ETWB的差異明顯,且產(chǎn)品之間的差異較大;經(jīng)過校正后,蒸散發(fā)產(chǎn)品的月變化規(guī)律更為一致,在同一時(shí)刻蒸散發(fā)取值差異明顯減小,且與ETWB的變化一致性顯著提高。
圖5 偏差校正前后蒸散發(fā)產(chǎn)品模擬效果對比Fig.5 Comparison of the monthly ET products with the ETWB before and after the bias correction
圖6 校正前與校正后的產(chǎn)品月蒸散發(fā)過程Fig.6 Comparison of the monthly domain-averaged values before and after bias correction
由圖7可以看出,各產(chǎn)品在不同月份的校正效果不同,蒸散發(fā)活動(dòng)強(qiáng)的月份的校正效果優(yōu)于蒸散發(fā)活動(dòng)弱的月份。其中,ETJRA55和ETGNOAH15-9月份模擬值偏大問題均得到了明顯改善;ETZHANG和ETGLEAM與ETWB校正前后均表現(xiàn)出與ETWB較高的相似度,除6月份但ETGLEAM的蒸散發(fā)量略高于ETZHANG外,各月的蒸散發(fā)強(qiáng)度基本一致。通過偏差校正,各產(chǎn)品的蒸散發(fā)量與變化過程更為準(zhǔn)確。
圖7 各產(chǎn)品多年平均月蒸散發(fā)校正前與校正后對比Fig.7 Annual variations of the domain-averaged values before and after bias correction
本文采用GRACE水儲量變化數(shù)據(jù),驅(qū)動(dòng)水量平衡方程,得到漢江流域ETWB,并將其作為流域參考蒸散發(fā)對現(xiàn)有應(yīng)用廣泛的蒸散發(fā)產(chǎn)品(ETMOD16、ETZHANG、ETGLEAM、ETGNOAH1、ETGNOAH2、ETJRA55)精度進(jìn)行評估。同時(shí),利用γ累積概率分布對蒸散發(fā)產(chǎn)品進(jìn)行偏差校正,結(jié)果表明:
(1)3種類型的蒸散發(fā)產(chǎn)品中,診斷模型產(chǎn)品的表現(xiàn)優(yōu)于其他兩類產(chǎn)品,陸面模式產(chǎn)品的均方根誤差最大,再分析產(chǎn)品的偏差較大(但相關(guān)性較好)。而診斷模型產(chǎn)品中,ETGLEAM和ETZHANG與ETWB均有較高的相關(guān)性。
(2)6種產(chǎn)品在漢江流域的空間分布具有一定的相似性,呈現(xiàn)出流域中部蒸散發(fā)量高,流域兩邊蒸散量低的分布特性。6種產(chǎn)品中,ETMOD16的最大蒸散發(fā)量明顯高于其他產(chǎn)品,ETGNOAH1的蒸散量區(qū)間整體偏大。
(3)通過γ累積概率分布,可以有效地消除產(chǎn)品的偏差,校正后的產(chǎn)品在月和年尺度上都有更好的模擬效果。其中,ETGLEAM在校正前后均表現(xiàn)出了與ETWB較高的擬合度,在漢江流域的表現(xiàn)優(yōu)于其他產(chǎn)品。
□
參考文獻(xiàn):
[1] 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.
[2] 張榮華, 杜君平, 孫 睿. 區(qū)域蒸散發(fā)遙感估算方法及驗(yàn)證綜述[J]. 地球科學(xué)進(jìn)展, 2012,27(12):1 295-1 307.
[3] 孫飛飛, 許 欽, 任立良,等. BTOPMC模型蒸散發(fā)計(jì)算及徑流模擬[J]. 中國農(nóng)村水利水電, 2013,(12):85-88.
[4] 王 文, 崔 巍, 王 鵬. GLDAS Noah模型水文產(chǎn)品與中國地面觀測及衛(wèi)星觀測數(shù)據(jù)的對比[J]. 水電能源科學(xué), 2017,(5):1-6.
[5] 賀 添, 邵全琴. 基于MOD16產(chǎn)品的我國2001-2010年蒸散發(fā)時(shí)空格局變化分析[J]. 地球信息科學(xué)學(xué)報(bào), 2014,16(6):979-988.
[6] 楊秀芹, 王國杰, 葉金印,等. 基于GLEAM模型的淮河流域地表蒸散量時(shí)空變化特征[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2015,31(9):133-139.
[7] 鄧志民, 張 翔, 羅 蔚. 基于MODIS的SEBAL模型在流域蒸散發(fā)反演中的應(yīng)用[J]. 水電能源科學(xué), 2012,(12):6-9.
[8] 張 靜, 任志遠(yuǎn). 基于MOD16的漢江流域地表蒸散發(fā)時(shí)空特征[J]. 地理科學(xué), 2017,37(2):274-282.
[9] Mu Q, Zhao M, Running S W. Improvements to a MODIS global terrestrial evapotranspiration algorithm[J]. Remote Sensing of Environment, 2011,115(8):1 781-1 800.
[10] Zhang K, Kimball J S, Nemani R R, et al. A continuous satellite‐derived global record of land surface evapotranspiration from 1983 to 2006[J]. Water Resources Research, 2010,46(9):109-118.
[11] Miralles D G, Jeu R A M D, Gash J H, et al. Magnitude and variability of land evaporation and its components at the global scale[J]. Hydrology & Earth System Sciences, 2011,15(3):967-981.
[12] Rodell M, Famiglietti J S, Chen J, et al. Basin scale estimates of evapotranspiration using GRACE and other observations[J]. Geophysical Research Letters, 2004a,31(20):183-213.
[13] Rodell M, Houser P R, Jambor U, et al. The global land data assimilation system. Bull. America Meteorological Society, 2004b,85(3):381-394
[14] Kobayashi S, Ota Y, Harada Y, et al. The JRA-55 Reanalysis: General Specifications and Basic Characteristics[J]. Journal of the Meteorological Society of Japan.ser.i, 2015,93(1):5-48.
[15] Li X, Wang L, Chen D, et al. Seasonal evapotranspiration changes (1983-2006) of four large basins on the TibETan Plateau[J]. Journal of Geophysical Research Atmospheres, 2015,119(23):13 079-13 095.