(河海大學 水文水資源與水利工程科學國家重點實驗室，江蘇 南京 210098)

潛在蒸散發(fā)(Potential Evapotranspiration，記為ETp)是指充分供水條件下的區(qū)域蒸散發(fā)能力。該變量是影響區(qū)域水熱平衡的重要因素，是水文過程中的重要環(huán)節(jié)，不僅可以指示一個區(qū)域的干濕狀況，也對分析地區(qū)水文平衡過程、氣候變化等具有重要意義。

不同研究者對于ETp的定義存在差異[1]。世界氣象組織(WMO)定義ETp為特定氣候條件下植物完全覆蓋且充分供水時地表的蒸散發(fā)量[2]，但對植物類型未做定義；聯(lián)合國糧農組織(FAO)則以平均高度0.12 m，反照率為0.23，冠層阻力為70 s/m的植被作為“參考作物”，并將該植被在地表充分供水時的蒸散量稱為“參考蒸散發(fā)”[3]。從這兩個定義來看，F(xiàn)AO提出的“參考蒸散發(fā)”是將WMO對“潛在蒸散發(fā)”定義中的植被條件做了進一步的補充，可以認為“參考蒸散發(fā)”是一個特定條件下的“潛在蒸散發(fā)”。而關于ETp的估算，目前沒有一個可以直接獲取廣闊自然水面或地表ETp的方法，通常是利用間接的手段進行估算[2]，例如以蒸發(fā)皿蒸發(fā)量作為ETp觀測值使用，或使用氣象站點的觀測資料結合各種蒸散公式(Penman-Moneith、Priestley-Taylor和Hargreaves-Samani等)來估算ETp[1]。而在全球50多種ETp的估算方法和模型中，修正的FAO56 Penman-Moneith(P-M)方程計算結果被認為是最可靠的[4]，因此基于該方法計算的ETp結果常被作為標準值來評估其他方法的ETp估算結果。但無論是蒸發(fā)皿觀測值還是公式的計算結果，當區(qū)域上站點分布不均且數(shù)量較少時，會使區(qū)域ETp的估算結果缺乏代表性。近幾十年來，由于衛(wèi)星遙感技術的發(fā)展 ，遙感蒸散估算方法開始使用并逐步發(fā)展完善[5]。

現(xiàn)有的蒸散發(fā)產品(包括實際蒸散發(fā)ETa和潛在蒸散發(fā)ETp)可以大致分為模型模擬和遙感數(shù)據(jù)反演兩大類[6]，前者的代表性產品有NASA基于全球氣象數(shù)據(jù)以及多個陸面模型模擬得到的全球陸面數(shù)據(jù)同化系統(tǒng)(GLDAS)[7]；而后者的代表性產品有由英國布里斯托大學地理科學學院的Miralles博士發(fā)布的GLEAM產品[8]、由美國航空航天局(NASA)發(fā)布的基于MODIS衛(wèi)星遙感數(shù)據(jù)制作的全球陸地蒸散產品MOD16[9]和美國地質調查局(USGS)發(fā)布的基于業(yè)務化簡化地表能量模型的SSEBop/ET產品[10]等。這些產品數(shù)據(jù)集都同時提供了ETa與ETp數(shù)據(jù)。目前，這些數(shù)據(jù)集中的ETa被廣泛應用于全球的蒸散發(fā)時空變化及干濕變化規(guī)律研究當中，并在很多地區(qū)進行了評估，而對潛在蒸散發(fā)產品評估很少。例如趙燊等[11]在分析山東省蒸散及潛在蒸散時空變化的過程中，僅從時空相關性的角度分析了MOD16 ETp產品的精度，發(fā)現(xiàn)其與蒸發(fā)皿觀測數(shù)據(jù)的空間相關系數(shù)為0.872，時間相關系數(shù)高達0.913，但對于該產品數(shù)據(jù)質量的時空特性缺乏系統(tǒng)性認識。

ETp作為許多水文和生態(tài)模型的重要輸入?yún)?shù)，它的準確估算是展開相關研究的基礎，并且，有些產品(例如GLEAM及SSEBop/ET)的ETa數(shù)據(jù)是基于ETp進一步計算得到的。因此，有必要對不同ETp產品在各地的運用和分析進行質量評估，為相關應用研究提供數(shù)據(jù)可靠性的支撐。本文利用2個版本的GLDAS氣象驅動數(shù)據(jù)，通過FAO56 Penman-Monteith公式計算得到云南和貴州2000～2014年的逐月ETp，之后利用研究區(qū)內站點觀測蒸發(fā)皿蒸發(fā)量數(shù)據(jù)，對基于Penman-Monteith公式的ETp計算結果以及GLDAS-2.1和MODIS MOD16的月尺度ETp產品，從時間和空間分布特征上進行數(shù)據(jù)質量的評估，為西南地區(qū)水資源管理和干旱監(jiān)測等提供數(shù)據(jù)支撐。

1 資料和方法

1.1 研究區(qū)域

貴州和云南是典型的喀斯特地貌地區(qū)，總面積約57萬km2。該地區(qū)受到熱帶和亞熱帶季風的影響，氣候類型多樣并具有明顯的區(qū)域差異。氣溫年較差較小，日較差較大，降水時空分布不均，干濕季分明。

由圖1數(shù)字高程(DEM)數(shù)據(jù)(來源：http://srtm.csi.cgiar.org/SELECTION/inputCoord.asp)可看出整個云貴地區(qū)地形高差達到6 000 m。貴州地區(qū)的地勢主要表現(xiàn)為西高東低，云南地區(qū)的地勢則呈現(xiàn)出北高南低的特點。

1.2 研究數(shù)據(jù)

1.2.1MODIS MOD16數(shù)據(jù)

由美國航空航天局(NASA)發(fā)布的基于MODIS衛(wèi)星遙感數(shù)據(jù)制作的全球陸地蒸散量產品MOD16[12](http://files.ntsg.umt.edu/data/NTSG_Products/MOD16/)主要包含了陸面蒸散發(fā)數(shù)據(jù)、潛在蒸散發(fā)數(shù)據(jù)、潛熱通量等數(shù)據(jù)。目前NASA已發(fā)布了版本6的MOD16數(shù)據(jù)，但因該版本的數(shù)據(jù)在云貴地區(qū)缺失值較多，故本文使用MOD16版本5的數(shù)據(jù)，由蒙大拿大學密蘇拉分校地球動態(tài)數(shù)值模擬研究組(Numerical Terra dynamic Simulation Group，NTSG)提供。NTSG將空間分辨率為1 km、時間分辨率8 d的MOD16數(shù)據(jù)處理后，得到月和年尺度的0.05°×0.05°,0.5°×0.5°數(shù)據(jù)。本文使用的是2000～2014年0.05°×0.05°的月尺度潛在蒸散發(fā)量(記為MOD16_ETp)數(shù)據(jù)。

圖1 云貴地區(qū)高程及氣象站點分布Fig.1 Elevation and meteorological stations in Yunnan-Guizhou region

1.2.2全球陸面數(shù)據(jù)同化系統(tǒng)數(shù)據(jù)

由美國NASA戈達德空間飛行中心(GSFC)和美國海洋和大氣局(NOAA)國家環(huán)境預報中心(NCEP)聯(lián)合開發(fā)的全球陸面同化系統(tǒng)GLDAS(Global Land Data Assimilation System)用再分析氣象數(shù)據(jù)離線驅動多個陸面模型(包括Noah模型、VIC模型等)，得到全球范圍的地表狀態(tài)變量[13]。GLDAS-2產品(http://disc.sci.gsfc.nasa.gov/hydrology/data-holdings)包含了GLDAS-2.0和GLDAS-2.1兩種數(shù)據(jù)集，其中，GLDAS-2.0由普林斯頓大學制作的全球氣象數(shù)據(jù)，驅動Noah或CLM模型生成1948～2014年的1°×1°以及0.25°×0.25°的數(shù)據(jù)集[14]；GLDAS-2.1產品則是基于NOAA/GDAS大氣數(shù)據(jù)、全球降水氣候學計劃(GPCP)的降水數(shù)據(jù)以及由美國空軍氣象局農業(yè)氣象模擬系統(tǒng)(AGRMET)生成的輻射數(shù)據(jù)，共同驅動Noah模型得到的2000年至今1°×1°和0.25°×0.25°的數(shù)據(jù)集。GLDAS-2.0和GLDAS-2.1產品都是按3h時間尺度生成各氣象要素，并以此為基礎合成月尺度數(shù)據(jù)[15]。本文所用數(shù)據(jù)為GLDAS 2.1的月尺度潛在蒸散發(fā)數(shù)據(jù)，空間分辨率為0.25°×0.25°，因潛在蒸散發(fā)數(shù)據(jù)的單位為W/m2，需利用潛熱通量λ=2.45 MJ/kg將其換算，根據(jù)各月的日數(shù)將其換算為月潛在蒸散發(fā)量(記為GLDAS_ETp)。此外，由于GLDAS-2.0和GLDAS-2.1的氣象驅動數(shù)據(jù)不同，且GLDAS-2.0只提供了實際蒸散發(fā)數(shù)據(jù)，因此本文結合GLDAS-2.0和GLDAS-2.1的3 h尺度產品中的長波輻射、短波輻射、氣壓、氣溫、風速和比濕等數(shù)據(jù)，運用FAO推薦的P-M公式求得逐日ETp(分別用PM_ETp_2.0和PM_ETp_2.1表示)后，再累加得到逐月PM_ETp_2.0和PM_ETp_2.1。

1.2.3蒸發(fā)皿數(shù)據(jù)

中國氣象數(shù)據(jù)網(wǎng)地面氣候資料日值數(shù)據(jù)集V3.0(http://data.cma.cn/site/index.html)提供了國家基準氣象站1951～2017年逐日數(shù)據(jù)，由于大型蒸發(fā)皿數(shù)據(jù)在每年1～3月、11～12月存在缺失，故本文選取了云貴地區(qū)范圍內42個站點(見圖1)2000～2014年的逐日小型蒸發(fā)皿蒸發(fā)量，通過累加得到各站點的月蒸發(fā)皿蒸散發(fā)數(shù)據(jù)，并以該蒸發(fā)量作為參考值(記為Epan)，用于檢驗其他潛在蒸散發(fā)數(shù)據(jù)的精度。

1.3 研究方法

1.3.1潛在蒸散發(fā)的計算

采用P-M公式[3]，利用GLDAS-2.0、GLDAS-2.1驅動數(shù)據(jù)中的長波輻射、短波輻射、氣壓、氣溫、風速和比濕等數(shù)據(jù)計算ETp，其表達式為

(1)

式中,Δ表示飽和水汽壓-溫度曲線的斜率,kPa·℃-1；γ表示干濕表常數(shù),kPa·℃-1；Rn表示參考作物表面的凈輻射,MJ·m-2·d-1；G表示土壤熱通量密度,MJ·m-2·d-1，因為日均G相對Rn數(shù)值很小，一般默認G=0；T表示2 m高度處的氣溫,℃；u2表示2 m高度處的風速,m·s-1；es和ea分別表示飽和水汽壓和實際水汽壓，故es-ea表示飽和水汽壓差，kPa。

1.3.2評估方法

采用相關系數(shù)(r)、平均偏差(MBE)、絕對誤差(MRAE)和均方根誤差(RMSE)，基于站點分別從時間和空間分布特征上對MOD16、GLDAS 2.1以及基于P-M公式計算所得的ETp數(shù)據(jù)進行評估。各指標的計算公式如下：

(2)

(3)

(4)

(5)

式中,xi表示待評估ETp數(shù)據(jù)(包括MOD16_ETp、GLDAS_ETp、PM_ETp_2.0和PM_ETp_2.1)，yi表示氣象站實測值Epan，n為統(tǒng)計樣本數(shù)。

2 各套蒸散發(fā)數(shù)據(jù)的質量評估結果

2.1 數(shù)據(jù)質量總體特征

42個站點實測Epan均值和待評估的4套ETp數(shù)據(jù)在云貴地區(qū)的逐月均值變化情況如圖2所示。由圖2可知，Epan與4套ETp數(shù)據(jù)的逐月變化基本一致，但GLDAS_ETp的數(shù)據(jù)明顯高于其他ETp值，這種高估情況在3～5月最明顯；PM_ETp_2.1與MOD16_ETp的一致性較好，兩者在大部分時段約有±10 mm的偏差，在其余時段下的變化情況相似；PM_ETp_2.0比實測值存在低估的情況，在2002，2005，2009，2012等年份的冬季(11，12月)，PM_ETp_2.0與Epan偏差可達約-20 mm，而其余時段內與Epan的匹配程度較好。

圖2 2000～2014年云貴地區(qū)月潛在蒸散發(fā)變化情況Fig.2 Variation of monthly ETp during 2000～2014 in Yunnan-Guizhou region

綜合對比發(fā)現(xiàn)，云南和貴州地區(qū)ETp數(shù)據(jù)大小排序為GLDAS_ETp，MOD16_ETp，PM_ETp_2.1，Epan，PM_ETp_2.0的特征，說明GLDAS 2.1和MOD16的ETp產品存在高估現(xiàn)象，PM_ETp_2.0最接近于實測Epan數(shù)據(jù)。進一步利用相關系數(shù)和均方根誤差等指標對4套數(shù)據(jù)進行評估，結果列于表1，可以看出，4套數(shù)據(jù)與Epan都有較好的相關性，均能較好地反映地區(qū)ETp的時程變化特征，其中PM_ETp_2.0與Epan相關性最好，MBE及MRAE也最小，而MOD16和GLDAS-2.1的ETp產品則與Epan有較大的偏差，存在嚴重高估。

2.2 數(shù)據(jù)質量季節(jié)性特征

4套數(shù)據(jù)4個誤差指標的逐月變化情況見圖3，結

圖3 不同ETp數(shù)據(jù)的r、RMSE、MBE、MRAE季節(jié)變化Fig.3 Seasonal variation of r , RMSE, MBE and MRAE of different ETp in comparison with Epan

果表明各套數(shù)據(jù)與Epan的相關性具有明顯的季節(jié)變化特性。總體看，各月的PM_ETp_2.0與實測值的相關性不如其他數(shù)據(jù)，而2.1節(jié)中該數(shù)據(jù)與逐月Epan相關性最好，這說明PM_ETp_2.0能夠較好地擬合出Epan的季節(jié)性波動情況，但在反映逐月Epan的年際波動情況上不如其他3套數(shù)據(jù)。4套數(shù)據(jù)相關系數(shù)的逐月變化顯示，一年中，2，3月和8，9月的r均大于0.7，而在6月和10～12月，4套ETp數(shù)據(jù)的相關系數(shù)均出現(xiàn)了整體的下降。

表1 云貴地區(qū)4套ETp評估結果Tab.1 Evaluation results of four ETp data sets in Yunnan-Guizhou region

RMSE、MBE和MRAE的逐月變化情況較為相似，一致反映出GLDAS_ETp全年正偏，且誤差的季節(jié)波動性較大，即在春季(3～4月)有大幅的正偏；MOD16_ETp和PM_ETp_2.1也全年正偏，夏半年(4～9月)的高估程度最嚴重；PM_ETp_2.0的偏差最小且季節(jié)波動最小，6～8月微有正偏，1，2月及9～12月則略有負偏。

2.3 數(shù)據(jù)質量空間特征

從4套ETp數(shù)據(jù)與站點實測Epan的相關系數(shù)空間分布來看(圖4)，在貴州以及云南中、東部地區(qū)，各套數(shù)據(jù)與Epan均有較好的相關性，相關系數(shù)均大于0.8。而在海拔較高的云南西北部的站點，各套數(shù)據(jù)與實測值之間的相關性很低，大部分都低于0.4，這說明在海拔較高的云南地區(qū)，ETp數(shù)據(jù)與實測值的一致性較差?？傮w上相關關系表現(xiàn)出由東向西北遞減的特征。

圖4 不同ETp數(shù)據(jù)與Epan的相關系數(shù)r分布Fig.4 Correlation coefficient between Epan and ETp

由RMSE和MBE的空間分布可知(圖5～6)，PM_ETp_2.0總體在整個區(qū)域都存在負偏，負偏程度在云南的北部和南部站點較為明顯，但總體精度較好，平均MBE為-6.1 mm/月；而GLDAS_ETp數(shù)據(jù)則整體高于Epan，其正偏程度由西部向東部降低。圖6反映出位于云南西南部和貴州西部的部分站點正偏嚴重，MBE均大于50 mm/月。另一方面MOD16_ETp和PM_ETp_2.1的評估結果顯示，兩套數(shù)據(jù)在貴州地區(qū)比PM_ETp_2.0和GLDAS_ETp數(shù)據(jù)存在更大程度的高估，但總體上MOD16_ETp和PM_ETp_2.1比實際的Epan偏高了約48～49 mm/月，精度優(yōu)于GLDAS_ETp。

MRAE的空間分布與RMSE、MBE的空間分布相似(圖7)，即絕大部分地區(qū)的MOD16_ETp、PM_ETp_2.1和GLDAS_ETp存在較大程度偏差，3套數(shù)據(jù)的MRAE均大于50%，在貴州北部的一些站點MOD16_ETp和PM_ETp_2.1的MRAE甚至達到了101%～130%；而全區(qū)域PM_ETp_2.0的MRAE則低于50%，呈現(xiàn)出均勻的空間分布狀況。

綜合4套數(shù)據(jù)的評估結合來看，PM_ETp_2.0與Epan偏差最小，數(shù)據(jù)質量最優(yōu)，MOD16_ETp、PM_ETp_2.1及GLDAS_ETp在整個區(qū)域都存在高估的情況，尤其是GLDAS_ETp在春季嚴重高估，總體精度最差。

圖5 不同ETp數(shù)據(jù)與Epan的均方根誤差(RMSE)分布Fig.5 RMSE between Epan and ETp

圖6 不同ETp數(shù)據(jù)與Epan的平均偏差(MBE)分布Fig.6 MBE between Epan and ETp

3 影響潛在蒸散發(fā)數(shù)據(jù)質量的原因分析

根據(jù)本文結果來看，基于GLDAS-2.0數(shù)據(jù)利用P-M方法計算得到的PM_ETp_2.0最為合理，而MOD16_ETp、GLDAS_ETp和PM_ETp_2.1產品計算存在高估的現(xiàn)象。下面從ETp計算方法及驅動數(shù)據(jù)兩方面分析不同產品的數(shù)據(jù)質量差異原因。

從方法上看，MOD16_ETp、PM_ETp_2.0和PM_ETp_2.1均基于P-M方法，它們的逐月變化和誤差的季節(jié)特征一致；而GLDAS_ETp是Noah模型模擬結果，存在較嚴重的高估問題。考慮到Noah模型以地表參數(shù)和氣象驅動數(shù)據(jù)為輸入數(shù)據(jù)，之后根據(jù)輸入數(shù)據(jù)和一系列的參數(shù)化方案來計算地表溫度、濕度、動量以及地表能量通量[16]，因此用于計算ETa和ETp的一些參數(shù)是模型計算所得而非實際觀測值，同時由于模型輸入數(shù)據(jù)的誤差，一些地區(qū)基于Noah模型所得的ETa會存在數(shù)值偏大的問題[17-18]，同樣也會造成ETp的高估問題。

圖7 不同ETp數(shù)據(jù)與Epan的相對絕對誤差(MRAE)分布Fig.7 MRAE between Epan and ETp

從驅動數(shù)據(jù)上看，ETp計算的驅動數(shù)據(jù)包括兩類，一類是輻射數(shù)據(jù)，另一類是常規(guī)氣象數(shù)據(jù)。而影響ETp數(shù)值大小的輻射驅動項主要是凈輻射(Rn)，該數(shù)據(jù)需由潛熱通量減去顯熱通量和土壤熱通量得到，故理論上凈輻射應大于潛熱通量(λE，水的汽化系數(shù)λ=2.45 MJ/kg)。GLDAS-2.0的Rn以及MOD16_ETp、PM_ETp_2.0所對應的潛熱通量在2000～2014年的逐月變化過程見圖8。圖中顯示，PM_ETp_2.0所對應的λE小于Rn，而MOD16_ETp的λE則明顯高于Rn，這說明在使用MOD16和GLDAS-2.0數(shù)據(jù)計算ETp的過程中，前者所用凈輻射數(shù)據(jù)明顯大于后者，這是造成MOD16_ETp產品高估的主要原因。

而PM_ETp_2.0和PM_ETp_2.1存在較大差異的原因在于兩個版本GLDAS的氣象驅動數(shù)據(jù)存在偏差。如1.2.2節(jié)所述，GLDAS-2.0產品的全部氣象驅動數(shù)據(jù)均為普林斯頓大學經(jīng)過偏差校正的氣象數(shù)據(jù)，而GLDAS-2.1的氣象驅動產品則是不同來源的大氣、降水、輻射數(shù)據(jù)。以2001年為例，對比GLDAS-2.0和GLDAS-2.1的氣象驅動數(shù)據(jù)發(fā)現(xiàn)，GLDAS-2.0和GLDAS-2.1的氣溫、風速和比濕數(shù)據(jù)差別很小(相對誤差約為0.3%，0.02%和0.4%)。兩數(shù)據(jù)集的差異主要體現(xiàn)在，GLDAS-2.1與GLDAS-2.0相比短波輻射偏小(相對誤差約-21.15%)，長波輻射偏大(相對誤差約21.86%)，進而導致凈輻射值偏?。粴鈮浩?相對誤差約為0.14%)，導致公式(1)的飽和水汽壓差以及干濕表常數(shù)等參數(shù)發(fā)生變化，而這些差異最終造成了PM_ETp_2.1的計算結果偏大。相比而言，GLDAS-2.0的氣象驅動數(shù)據(jù)精度較好，更適合于反映云貴地區(qū)ETp的變化。

圖8 凈輻射與潛熱通量的逐月變化過程Fig.8 Monthly variation of net radiation and latent heat flux

4 結 論

本文基于2000～2014年云南和貴州地區(qū)42個站點的實測蒸發(fā)皿蒸發(fā)量數(shù)據(jù)Epan，對MODIS MOD16 與GLDAS-2.1潛在蒸散發(fā)數(shù)據(jù)產品(MOD16_ETp、GLDAS_ETp)，以及結合P-M公式和GLDAS兩個版本氣象數(shù)據(jù)計算所得的潛在蒸散發(fā)數(shù)據(jù)(PM_ETp_2.0和PM_ETp_2.1)，通過相關性和偏差等指標的變化，從空間分布、季節(jié)變化評估了各數(shù)據(jù)在云貴地區(qū)的質量，結果如下。

(1) 從全區(qū)面平均值來看，4套數(shù)據(jù)在貴州、云南中部和東部地區(qū)都與Epan有較好的相關性，逐月序列的總體相關性均大于0.9。4套數(shù)據(jù)的質量存在一定的季節(jié)性波動；GLDAS_ETp的季節(jié)波動性較大，總體與Epan的均方根誤差約53.7 mm/月，在春季(3～5月)會有超過60%的大幅正偏；MOD16_ETp和PM_ETp_2.1全年正偏，且這種正偏情況在4～9月最明顯，此時段內的MRAE均大于50%；PM_ETp_2.0的偏差最小且季節(jié)穩(wěn)定性更好，僅在夏季(6～8月)有較小幅度正偏，而在1～2月以及9～12月略有負偏。

(2) 從空間分布來看，MOD16_ETp、GLDAS_ETp、PM_ETp_2.0和PM_ETp_2.1數(shù)據(jù)在貴州、云南中部和東部地區(qū)，與實測Epan都有較好的相關性，相關系數(shù)達0.6以上；而在海拔較高的云南西北部，4套ETp數(shù)據(jù)與Epan的一致性較差，相關系數(shù)僅為0.2～0.4。RMSE和MBE的空間分布表明，PM_ETp_2.0總體在整個區(qū)域存在較小程度的負偏，平均MBE為-6.1 mm/月；GLDAS_ETp則在云南西南部和貴州西部的部分站點嚴重正偏，MBE超過50 mm/月；而MOD16_ETp和PM_ETp_2.1雖然在貴州地區(qū)有較大程度正偏，但總體正偏量約為48～49 mm/月，精度優(yōu)于GLDAS_ETp。

(3) 綜合各類誤差指標結果，PM_ETp_2.0與Epan最接近，數(shù)據(jù)質量最優(yōu)，MOD16_ETp、PM_ETp_2.1及GLDAS_ETp在整個區(qū)域都存在高估的情況，尤其是GLDAS_ETp在春季嚴重高估，總體精度最差。