劉曼晴,胡德勇,*,于 琛,王莎莎

1 首都師范大學(xué)資源環(huán)境與旅游學(xué)院,北京 100048 2 資源環(huán)境與地理信息系統(tǒng)北京市重點(diǎn)實(shí)驗(yàn)室,北京 100048

濕地是水陸相互作用的獨(dú)特自然綜合體,在抵御洪水、調(diào)節(jié)氣候、控制污染等方面具有不可替代的作用,被譽(yù)為“地球之腎”。水是維持濕地穩(wěn)定和健康的關(guān)鍵生境因子[1]：濕地的水文過程通過改變濕地環(huán)境的生物、物理和化學(xué)特性來影響濕地的類型、結(jié)構(gòu)和功能,進(jìn)而控制著濕地的形成與演化[2]。由于受自然環(huán)境變化和人類活動(dòng)的雙重影響,濕地水循環(huán)過程發(fā)生了深刻變化,其生態(tài)水文過程成為了國內(nèi)外學(xué)者研究的熱點(diǎn)。

蒸發(fā)和散發(fā)(Evapotranspiration,簡(jiǎn)稱“ET”)是濕地水分損失的主要途徑[3],在很大程度上影響著濕地生態(tài)系統(tǒng)的水熱平衡。因此,開展?jié)竦卣羯⒘考捌鋾r(shí)空特征研究,對(duì)濕地生境保護(hù)、生物多樣性保護(hù)、水資源管理、濕地退化修復(fù)、災(zāi)害防御等方面具有重要意義。

傳統(tǒng)的ET測(cè)量主要采用水文、氣象學(xué)原理和方法在站點(diǎn)或田間測(cè)定。該類方法主要的不足有2點(diǎn)：(1)大范圍蒸散觀測(cè)耗費(fèi)大量人力、物力和財(cái)力；(2)生境因子的空間變異性使站點(diǎn)觀測(cè)數(shù)據(jù)很難在區(qū)域尺度擴(kuò)展。由于遙感數(shù)據(jù)具有快速、宏觀、重復(fù)性觀測(cè)等特點(diǎn),所用光譜波段涵蓋可見光、近紅外和熱紅外等波段,使得遙感數(shù)據(jù)不僅能解決尺度擴(kuò)展問題,而且能提供豐富且與蒸散密切相關(guān)的參數(shù),從而使遙感技術(shù)在區(qū)域ET反演中得到廣泛應(yīng)用[4- 6]。目前,利用遙感反演ET的方法主要有指數(shù)法和余項(xiàng)法[7]。指數(shù)法將遙感反演的指數(shù)(植被指數(shù)、微波土壤濕度指數(shù)、能量平衡指數(shù))與 Penman-Monteith公式結(jié)合計(jì)算蒸散量[8- 9]；余項(xiàng)法利用遙感技術(shù)獲得的輻射和通量數(shù)據(jù)結(jié)合能量平衡方程估算蒸散量,主要分為單層、雙層和多層模型[10]。單層模型將土壤和植被視為均勻的“大葉”模型[11],在眾多單層模型中,“陸面能量平衡算法”(Surface Energy Balance Algorithm for Land,簡(jiǎn)稱“SEBAL”)發(fā)展于美國植被密集的平原地區(qū),以地表能量平衡方程為核心,結(jié)合遙感數(shù)據(jù)和氣象資料便可估算區(qū)域尺度的蒸散量[12],適用于所有可見光、近紅外、熱紅外傳感器和不同的氣候條件,特別是在我國東部地區(qū)已有很多成功的應(yīng)用實(shí)例[10,13- 16]。由于研究區(qū)植被覆蓋度較高且長勢(shì)均勻,可視為單一層次,故選擇SEBAL模型作為本文ET遙感反演模型。

遼河三角洲濕地在調(diào)節(jié)河流水位和保持水量平衡中起著重要的作用,在氣候變化的大背景下,農(nóng)業(yè)用水量逐年增加以及中下游水壩的修建,導(dǎo)致該區(qū)域生態(tài)用水不足。目前,已有多個(gè)學(xué)者在遼河三角洲開展了濕地ET研究,如王炳亮等[17]探究了1961—2010年潛在蒸散量的變化特征,于文穎等[18]估算了盤錦濕地2013—2015年生長季日蒸散量,并分析其空間和頻率特征。然而,對(duì)于遼河三角洲濕地實(shí)際蒸散量特別是長時(shí)間序列的蒸散量變化及其時(shí)空格局研究甚少,加上以往研究中多采用MOD16產(chǎn)品數(shù)據(jù)[19]開展長時(shí)間序列區(qū)域ET研究,其數(shù)據(jù)空間分辨率對(duì)于小區(qū)域ET反演存在不足。

本文以遼河三角洲濕地為研究區(qū),利用Landsat數(shù)據(jù)、氣象數(shù)據(jù)等,基于SEBAL模型模擬濕地生長季蒸散量,并進(jìn)一步分析蒸散量的時(shí)空特征及其影響因素,為增進(jìn)對(duì)濕地水量平衡的理解和保護(hù)濕地生態(tài)平衡提供支持。

1 研究區(qū)和數(shù)據(jù)

1.1 研究區(qū)

遼河三角洲濕地位于遼寧省西南部遼河平原,是我國重要的河口濕地之一,本文研究區(qū)如圖1所示。它包括盤錦、營口、錦州部分區(qū)域,由來自遼河、大凌河、小凌河的泥沙沉積而成,介于約121°10′—122°30′E,40°30′—41°30′N之間,面積約6000km2。該區(qū)域海拔小于7m,地勢(shì)平坦。遼河三角洲屬于溫帶半濕潤半干旱季風(fēng)氣候,年平均溫度約為8.6℃；年平均降雨量約為631mm,雨熱同期；年蒸發(fā)量約為1390—1705mm。遼河三角洲是我國重要的蘆葦、糧食和石油產(chǎn)地,在地區(qū)經(jīng)濟(jì)中起著支柱作用。1985年以來,由于社會(huì)經(jīng)濟(jì)快速發(fā)展,居民和工礦用地面積大幅增加,濕地景觀破碎化程度加劇,人類活動(dòng)正導(dǎo)致著遼河三角洲濕地生境特征和生態(tài)結(jié)構(gòu)轉(zhuǎn)變[20]。

1.2 數(shù)據(jù)

1.2.1遙感數(shù)據(jù)

本文所采用的遙感數(shù)據(jù)為Landsat系列衛(wèi)星數(shù)據(jù),包括Landsat- 5 TM和Landsat- 8 OLI/TIRS數(shù)據(jù)。在數(shù)據(jù)選擇方面,由于生長季內(nèi)研究區(qū)植被覆蓋度較高,基于SEBAL模型反演的蒸散量更為準(zhǔn)確,故本文對(duì)區(qū)域生長季蒸散量加以研究。但由于研究區(qū)地處海邊,遙感影像大多有云層覆蓋,加之Landsat衛(wèi)星重訪周期為16天,選擇同日或同月數(shù)據(jù)較為困難。綜上,本文選擇1985—2017年7—9月(植被生長期)晴空少云資料共16景,對(duì)數(shù)據(jù)進(jìn)行嚴(yán)格預(yù)處理,使之盡可能真實(shí)地反映地面屬性。具體影像資料介紹見表1。

表1 遙感數(shù)據(jù)

1.2.2氣象數(shù)據(jù)

研究區(qū)內(nèi)有兩個(gè)氣象站：大洼和營口(圖1)。本文所采用的氣象數(shù)據(jù)來自中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc.cma.gov.cn/),包括太陽輻射、風(fēng)速、氣溫、相對(duì)濕度和蒸散發(fā)數(shù)據(jù),采用反距離權(quán)重法對(duì)輸入模型的氣象數(shù)據(jù)進(jìn)行了空間插值[21]。

1.2.3土地利用數(shù)據(jù)

研究區(qū)土地利用/覆被專題信息提取于1985—2017年的Landsat影像,共分為20類(圖2)。為方便后續(xù)統(tǒng)計(jì),按照景觀類型差異,將研究區(qū)分為四類：水體區(qū)(水庫、鹽池、河流、水池、養(yǎng)殖水體)、濕地植被區(qū)(水田沼澤、草甸、葦田)、非濕地植被區(qū)(旱地、灌叢、林地)、非植被區(qū)(灘涂、淺水沙洲、裸地、城鎮(zhèn)居民點(diǎn)),灘地、工礦、道路、防護(hù)堤由于面積小,統(tǒng)計(jì)誤差較大,因此不做分析。

2 方法和技術(shù)流程

2.1 研究方法

2.1.1SEBAL模型及其參數(shù)確定

陸面能量平衡方程如下：

Rn-G-H-λET=0

(1)

式(1)中,λET為潛熱通量,W/m2；ET為蒸散量,mm；Rn為地表凈輻射,W/m2；G為土壤熱通量,W/m2；H為顯熱通量,W/m2。

圖1 研究區(qū)示意圖Fig.1 Schematic map of research area

圖2 土地利用/覆被類型圖Fig.2 Map of land use/cover types

(1)凈輻射通量計(jì)算方法[22]

Rn=(1-α)RS↓+(RL↓-RL↑)-(1-ε)RL↓

(2)

式中,ε為地表發(fā)射率,無量綱；α為地面反照率,無量綱；RS↓為入射的短波輻射,W/m2；RL↓為入射的長波輻射,W/m2；RL↑為反射的長波輻射,W/m2。其具體參數(shù)獲取詳見參考文獻(xiàn)[23]。

(2)土壤熱通量估算方法[24]

(3)

式(3)中,I為歸一化植被指數(shù),無量綱；c11的取值與衛(wèi)星過境時(shí)刻地方時(shí)有關(guān),12:00前,c11=0.9,12:00—14:00,c11=1.0,14:00—16:00,c11=1.1。

(3)顯熱通量估算方法

(4)

式(4)中,ρa(bǔ)ir為空氣密度,kg/m3；Cp為空氣定壓比熱容(1004 J kg-1K-1)；rah為空氣動(dòng)力學(xué)阻抗,s/m；dT是地氣溫差,K。

(4)瞬時(shí)蒸散量估算方法

基于得到的Rn、H和G,由式(1)得衛(wèi)星過境時(shí)刻的瞬時(shí)蒸散量(ET)：

(5)

式(5)中,λ是水的汽化潛熱,計(jì)算公式為[23]：

λ=2.501-0.002361×(Ts-273.15)

(6)

2.1.2日蒸散量的估算方法

以上各通量均是基于遙感影像計(jì)算所得的瞬時(shí)通量,需轉(zhuǎn)換為日蒸散量。假設(shè)24h內(nèi),蒸發(fā)比EF(潛熱通量λET與可利用能量Rn-G之比)相對(duì)穩(wěn)定[25]。

(7)

式(7)中,EF為瞬時(shí)蒸發(fā)比,無量綱；EFd為日蒸發(fā)比,無量綱；λETd為日潛熱通量,W/m2；Rnd為日總凈輻射量,W/m2,通過Allen等推薦的氣象學(xué)方法計(jì)算[26]；Gd為日土壤熱通量,W/m2,白天熱量從地表向土壤傳輸,取正值,晚上則相反,且二者數(shù)量相當(dāng),因此Gd=0[26]。故日蒸散量ETd為：

(8)

2.1.3蒸散量反演結(jié)果的精度評(píng)價(jià)方法

本文擬選用氣象站實(shí)測(cè)的小型蒸散發(fā)數(shù)據(jù)對(duì)蒸散量的反演結(jié)果進(jìn)行驗(yàn)證。該數(shù)據(jù)采用小型蒸發(fā)皿(平底圓筒形、器口直徑20cm、面積314cm2、深度10cm)測(cè)得,因蒸發(fā)皿的蒸發(fā)條件與自然水體不同,所以該數(shù)據(jù)不能準(zhǔn)確代表自然水體的蒸散量。首先,設(shè)置不同的折算系數(shù)對(duì)蒸發(fā)皿數(shù)據(jù)進(jìn)行校正,其轉(zhuǎn)換方法如下[27- 28]：

E0=E1×0.98

(9)

E1=E2×k

(10)

式(9)—(10)中,E0為自然水體蒸散量；E1為大型蒸發(fā)器的蒸散量；E2為小型蒸發(fā)器的蒸散量,k是折算系數(shù)。1、2、3、11、12月由于冬季結(jié)冰故不進(jìn)行觀測(cè),所以只提供生長季k值,如表2所示。

表2 遼寧E2對(duì)E1蒸散量的平均折算系數(shù)

其次,在蒸散反演結(jié)果中選擇離氣象站點(diǎn)最近的水體作為樣點(diǎn),并選擇以水體樣點(diǎn)為中心的3像元×3像元窗口內(nèi)的9個(gè)像元蒸散量的平均值作為SEBAL模型的水面蒸發(fā)估測(cè)值；最后,進(jìn)行蒸散量的SEBAL模型估測(cè)值與實(shí)測(cè)值之間的對(duì)比分析。

2.1.4氣象因子的加權(quán)綜合分析方法

本文擬通過對(duì)氣象因子的加權(quán)綜合分析來探究氣象因子對(duì)蒸散量變化的影響。該方法主要利用蒸散量與幾個(gè)關(guān)鍵氣象因子(如平均氣溫、太陽輻射、風(fēng)速、相對(duì)濕度)的相關(guān)性所占比例作為權(quán)重,以多個(gè)氣象因子的歸一化值作為統(tǒng)計(jì)參數(shù),進(jìn)行加權(quán)綜合,得到氣象因子歸一化加權(quán)值,用于分析氣象因子對(duì)蒸散量的影響。

蒸散量與氣象因子的相關(guān)性用相關(guān)系數(shù)表達(dá)：

(11)

2.2 技術(shù)流程

本文技術(shù)流程如圖3所示。首先,利用遙感數(shù)據(jù)反演地表參數(shù)(地表溫度、地面反照率、植被指數(shù)、地表發(fā)射率),結(jié)合氣象數(shù)據(jù)(氣溫)和DEM數(shù)據(jù),計(jì)算研究區(qū)凈輻射通量、土壤熱通量、顯熱通量,基于輻射平衡估算瞬時(shí)蒸散量；再根據(jù)蒸發(fā)比恒定原理,估算研究區(qū)日蒸散量；最后,對(duì)所得估算結(jié)果進(jìn)行精度驗(yàn)證,分析日蒸散量的時(shí)空格局及其影響因素。

3 結(jié)果與分析

3.1 蒸散量反演結(jié)果及精度評(píng)價(jià)

由以上方法反演得到研究區(qū)1985—2017年8期日蒸散量結(jié)果。于文穎等[18]利用渦度相關(guān)數(shù)據(jù)驗(yàn)證了蒸散量的反演結(jié)果,但在許多情況下,渦度相關(guān)數(shù)據(jù)不易獲得。為此,本文選用郭生練和任芝花等的轉(zhuǎn)換公式[27- 28],將從中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)獲得的小型蒸散發(fā)數(shù)據(jù)轉(zhuǎn)換為自然水體蒸散量,與蒸散反演結(jié)果中水面蒸發(fā)量進(jìn)行對(duì)比分析。選取9組符合統(tǒng)計(jì)要求的數(shù)據(jù)進(jìn)行比較,得到圖4和表3。

圖3 技術(shù)流程圖Fig.3 Technique flow chart

圖4 實(shí)測(cè)值與估測(cè)值相關(guān)性分析Fig.4 Analysis of correlation between measured and estimated values

由圖4可知,估測(cè)值和實(shí)測(cè)值具有一定相關(guān)性,相關(guān)系數(shù)為0.61(P<0.1)。表3得出SEBAL模型估測(cè)值的相對(duì)誤差為9.01%,與于文穎等[18]模擬精度接近,說明SEBAL模型反演蒸散量在本研究區(qū)可行。

表3 精度評(píng)價(jià)

3.2 蒸散量時(shí)空格局分析

3.2.11985—2017年日蒸散量均值變化特點(diǎn)

在分析長時(shí)間序列日蒸散量均值變化趨勢(shì)前,本文首先對(duì)遙感數(shù)據(jù)的選擇做驗(yàn)證,由于蒸散量遙感反演結(jié)果與遙感數(shù)據(jù)所選年份內(nèi)生長季(7—9月)氣象站實(shí)測(cè)數(shù)據(jù)平均值有較好的相關(guān)性,表明本文所選8期遙感數(shù)據(jù)基本能代表相應(yīng)年份生長季蒸散量的平均水平,可以用于進(jìn)行蒸散量的時(shí)空變化分析。

圖5 蒸散量的時(shí)間變化特征Fig.5 Temporal change characteristics of ET

日蒸散量不同年份的變化過程及其相對(duì)變化率的年際波動(dòng)情況如圖5所示。1985—2017年,日蒸散量均值在3.09—3.70mm/d之間波動(dòng),整體呈雙峰態(tài)勢(shì)。研究時(shí)段,日蒸散量最高值出現(xiàn)在1989年(3.70mm/d)；最低值出現(xiàn)在2005年(3.09mm/d)；多年日均蒸散量為3.40mm/d(實(shí)線)。相對(duì)變化率波動(dòng)情況也呈雙峰態(tài)勢(shì),其中最低為-17.21%(2005年),最高達(dá)到8.31%(1989年)。

比較分析各年日蒸散量均值發(fā)現(xiàn),日蒸散量超出多年日均蒸散量的年份出現(xiàn)在1985、1989、1995、2014年,其他年份均低于多年日蒸散量均值,以2005年最為突出,低于0.50mm。據(jù)此將研究時(shí)段分為：1985—2005年,日蒸散量呈顯著降低趨勢(shì)；2005—2017年,日蒸散量呈顯著上升趨勢(shì)。從整體上看,1985—2017年蒸散量微弱下降(虛線)。

3.2.2日蒸散量均值的空間格局

圖6 平均蒸散量空間分布圖Fig.6 Spatial distribution map of average ET

1985—2017年,日蒸散量空間分布如圖6所示。總體而言,研究區(qū)日蒸散量具有較高的空間分異性,呈現(xiàn)水陸交界處最低、西部較低、中東部和南部高的趨勢(shì)。由圖6和圖2可知,蒸散量的空間分異性表現(xiàn)為：研究區(qū)水陸交界處主要是潮間帶光灘、裸地和淺水沙洲,植被覆蓋度低,在不受海水影響的情況下蒸散量也相對(duì)較低；南部主要是水體,包括水庫、河流等,蒸散過程以水面蒸發(fā)為主,蒸散量較高；東部主要是水稻田,水面蒸發(fā)和植被蒸騰都很重要；中部主要是蘆葦沼澤,由于蘆葦高度和覆蓋度較高,以植被蒸騰為主,蒸散量較大。該結(jié)果表明在一定程度上蒸散與區(qū)域內(nèi)土地利用/覆被類型有較大聯(lián)系。

3.3 蒸散量影響因素分析

影響區(qū)域蒸散量時(shí)空格局的因素極有可能源于下墊面特性的土地利用/覆被和長時(shí)間的區(qū)域氣象條件變動(dòng)[10],它們驅(qū)使蒸散量形成獨(dú)特的時(shí)空特征,下面分別對(duì)此進(jìn)行分析。

3.3.1土地利用/覆被類型對(duì)蒸散量的影響

以2000年為例,統(tǒng)計(jì)該年不同土地利用/覆被類型的日蒸散量(圖7)?？傮w來看,水體及其周圍濕地的蒸散量較大,植被區(qū)蒸散量大于非植被區(qū),蒸散主要與植被覆蓋度及水分供給狀況有關(guān)[29],蒸散量從大到小排序依次為：水體區(qū)>濕地植被區(qū)>非濕地植被區(qū)>非植被區(qū)(除水體外)。相關(guān)研究指出,水體蒸發(fā)是濕地蒸散的主體[30]；作為研究區(qū)面積最大的兩種植被的水田沼澤和葦田,水田沼澤日蒸散量高于葦田的結(jié)論與于文穎等[18]結(jié)論相似。

圖8為1985—2017年不同土地利用/覆被類型的蒸散量變化趨勢(shì),水體蒸散量最高,非植被區(qū)蒸散量在大多數(shù)年份最低,按蒸散量從大到小排序?yàn)椋核w區(qū)>濕地植被區(qū)>非濕地植被區(qū)>非植被區(qū)。由于非植被區(qū)中的灘涂、淺水沙洲等多位于淺海水域附近,該區(qū)域受潮汐的影響較大,使得蒸散量大小不可避免受水體影響。多年土地利用/覆被類型下蒸散量平均值(虛線)變化趨勢(shì)與圖5所示的蒸散量年際變化趨勢(shì)一致,均呈雙峰態(tài)勢(shì)。

圖7 不同土地利用/覆被類型平均蒸散量Fig.7 Average ET of different land use/cover types1: 草甸；2: 居民點(diǎn)；3: 灌叢；4: 旱地；5: 河流；6: 林地；7: 裸地；8: 淺水沙洲；9: 水池；10: 水庫；11: 水田沼澤；12: 灘地；13: 灘涂；14: 葦田；15: 鹽池；16：養(yǎng)殖水體

為進(jìn)一步探究土地利用/覆被類型變化對(duì)蒸散量的影響,本文分析了不同土地利用/覆被類型面積的變化情況及由于面積的改變導(dǎo)致日總蒸散量的變化情況(圖9)?？梢钥闯?水體、非濕地植被區(qū)、非植被區(qū)面積均呈增加趨勢(shì),增加量分別為12.75km2、103.89km2、25.36km2；濕地植被區(qū)面積減小,且變化量最大(167.53km2)。研究時(shí)段內(nèi),水體、濕地植被區(qū)、非濕地植被區(qū)、非植被區(qū)單位面積平均蒸散量相差不大,但由于較大的面積變化量也會(huì)給日總蒸散量帶來較大影響,需先剔除不同土地/覆被類型單位面積平均蒸散量的影響。從圖9中曲線可知,水體、非濕地植被區(qū)、非植被區(qū)日總蒸散量增加,增加量分別為4.34×104m3、31.25×104m3、7.52×104m3；濕地植被區(qū)日總蒸散量減小,且變化量最大(54.45×104m3)。不同土地利用/覆被類型日總蒸散量的變化特征與其面積變化特征一致。結(jié)果表明,研究區(qū)土地利用/覆被變化主要是濕地植被的轉(zhuǎn)型,日總蒸散量隨土地利用/覆被面積的變化而變化。

圖8 不同土地利用/覆被類型蒸散量變化趨勢(shì)Fig.8 Trends of ET in different land use/cover types

圖9 不同土地利用/覆被面積與日總蒸散量變化情況Fig.9 Changes of land use/cover area and total daily ET

3.3.2氣象因子對(duì)蒸散量的影響

蒸散主要受下墊面性質(zhì)、太陽輻射、氣溫、風(fēng)速、相對(duì)濕度的影響[31]。圖10為氣象因子與日蒸散量的相關(guān)關(guān)系,結(jié)果表明：太陽輻射、氣溫、風(fēng)速、相對(duì)濕度與日蒸散量均呈正相關(guān)關(guān)系,相關(guān)系數(shù)分別為0.37、0.73、0.24、0.30,說明氣溫可能是影響遼河三角洲濕地蒸散量變化的主要因子。

日蒸散量的變化原因復(fù)雜,是多種因素綜合作用的結(jié)果。圖11為蒸散量與氣象因子加權(quán)值的關(guān)系。圖中曲線均是多項(xiàng)式擬合曲線,兩者吻合度較好,相關(guān)系數(shù)為0.69,說明四個(gè)氣象因子加權(quán)能解釋蒸散量變化的原因。由圖5和圖8可知,2005年蒸散量為曲線拐點(diǎn)。而2005年平均氣溫、風(fēng)速、太陽輻射和相對(duì)濕度分別為16.70℃、1.70m/s、17.65M J m-2和53%,除相對(duì)濕度外,其他三個(gè)氣象因子值都是序列中的最低值。由此,我們可以推斷：太陽輻射低,對(duì)土壤、植被和空氣的增溫作用較弱；氣溫較低,使得下墊面的水分運(yùn)動(dòng)較弱；而近地面風(fēng)速較小,減弱了近地面空氣流動(dòng)過程伴隨的水汽擴(kuò)散和熱能傳遞能力,這可能最終導(dǎo)致蒸散速率較低,植物蒸騰和地表蒸發(fā)量較少。

圖10 蒸散量與氣象因子的關(guān)系Fig.10 The relationship between ET and meteorological factors

圖11 蒸散量與氣象因子加權(quán)值的關(guān)系 Fig.11 Relationship between ET and weighted values of meteorological factors

4 結(jié)論

本文基于SEBAL模型反演遼河三角洲濕地1985—2017年生長季蒸散量,分析其時(shí)空格局,探討不同土地利用/覆被類型、氣象因子對(duì)蒸散量的影響,主要得到以下結(jié)論：

(1) 蒸散量估測(cè)值與實(shí)測(cè)值相比,相對(duì)誤差為9.01%,相關(guān)系數(shù)為0.61。SEBAL模型能被用來估算遼河三角洲濕地蒸散量,估算結(jié)果可應(yīng)用于時(shí)空變化研究。

(2) 時(shí)間變化特征表現(xiàn)為：1985—2017年平均蒸散量及相對(duì)變化率呈雙峰態(tài)勢(shì),其中極小值出現(xiàn)在2005年,極大值出現(xiàn)在1989年和2014年,區(qū)域蒸散量呈微弱下降趨勢(shì)；空間變化特征表現(xiàn)為：遼河三角洲濕地蒸散量具有顯著的空間分異特征。

(3) 土地利用/覆被類型和氣象因子是濕地蒸散量時(shí)空變化的主要影響因素。多年土地利用/覆被類型蒸散量平均值的變化趨勢(shì)與蒸散量的年際波動(dòng)趨勢(shì)一致,均呈雙峰態(tài)勢(shì)；不同土地利用/覆被類型按蒸散量從大到小排序依次為：水體區(qū)>濕地植被區(qū)>非濕地植被區(qū)>非植被區(qū)(除水體外)；土地利用/覆被變化能直接影響區(qū)域日總蒸散量。在區(qū)域尺度上,選取與蒸散量變化關(guān)系顯著的氣象因子(太陽輻射、氣溫、風(fēng)速、相對(duì)濕度),采用因子加權(quán)方法能在一定程度上解釋蒸散量的時(shí)間變化特征。

本文選擇氣象站點(diǎn)的蒸散發(fā)實(shí)測(cè)數(shù)據(jù)來進(jìn)行精度評(píng)價(jià),這種驗(yàn)證可能存在一定的不確定性；濕地蒸散同時(shí)存在蒸發(fā)和蒸騰兩種過程,兩種方式對(duì)總蒸散的影響仍需進(jìn)一步研究；同時(shí),氣象因子的加權(quán)方法解釋蒸散量的時(shí)間變化特征僅被初步應(yīng)用在遼河三角洲,需要在其他區(qū)域進(jìn)行驗(yàn)證。