吳 凡，陳植華，胡 成

(中國地質(zhì)大學(xué)(武漢)環(huán)境學(xué)院，湖北 武漢 430078)

江漢平原地處華中地區(qū)，西起宜昌，東至武漢，是國內(nèi)重要的稻產(chǎn)水產(chǎn)基地之一。江漢平原屬亞熱帶季風(fēng)氣候，年平均降雨量達(dá)1 000 mm以上。整個江漢平原河流縱橫交錯，湖泊星羅棋布，水是整個平原生態(tài)系統(tǒng)及資源環(huán)境的重要樞紐。水資源事關(guān)生態(tài)系統(tǒng)的循環(huán)及穩(wěn)定，是區(qū)內(nèi)重要的生態(tài)資源之一，正確地評價區(qū)域水資源量，可以更加明晰地揭示區(qū)域水文循環(huán)及能量循環(huán)過程，對合理配置水資源，保障區(qū)域生態(tài)用水提供更為科學(xué)的建議，也是實現(xiàn)水循環(huán)的可再生持續(xù)利用，保障生態(tài)、社會和諧發(fā)展的重要手段之一。蒸散發(fā)作為水文循環(huán)中的重要消耗途徑之一，濕潤及半濕潤地區(qū)可占降水總量的約60%，干旱地區(qū)可占降水總量的近90%，而完整的蒸散發(fā)過程更能夠?qū)⒔?0%的太陽輻射進(jìn)行對流交換，因此蒸散發(fā)也是能量平衡以及水量平衡的重要影響因子，準(zhǔn)確、快捷地評價區(qū)域蒸散量，對正確評價區(qū)域水資源量有著至關(guān)重要的作用。蒸散發(fā)表征了植物表面以及地表的水分蒸散以及植物體內(nèi)的水分蒸騰，其物理過程十分復(fù)雜，與土壤熱交換、大氣湍流交換、植被冠層水汽交換等都有著緊密的聯(lián)系，也是整個水文循環(huán)中最難直接測量的部分。作為水資源主要消耗途徑之一的蒸散發(fā)也日益受到全球?qū)W者的關(guān)注，對其研究也隨著關(guān)注度日益加深。由于蒸散發(fā)物理過程復(fù)雜，涉及環(huán)境變量多，如何精確地估算蒸散量已經(jīng)成為水文學(xué)、氣象學(xué)等多個學(xué)科的重要研究課題之一。傳統(tǒng)手段通過經(jīng)驗?zāi)Ｐ凸浪愕恼羯⒘拷Y(jié)果，其精度已難以滿足現(xiàn)代水資源量評價的需求，氣象站通過蒸發(fā)皿測得的蒸發(fā)量數(shù)據(jù)，也只能表征該區(qū)域內(nèi)的蒸發(fā)潛力，與實際蒸散發(fā)仍然有著較大的差異，而通過儀器測定如蒸滲儀法、渦度相關(guān)儀法等，其空間尺度仍然局限在點或小區(qū)域上，難以實現(xiàn)大面積的蒸散發(fā)測定。針對以上問題，本文采用遙感蒸散發(fā)模型反演江漢平原實際蒸散量，并探討METRIC模型對江漢平原蒸散量估算的適用性，對江漢平原的水資源量評價具有重要的意義。此次遙感反演的江漢平原屬半濕潤地區(qū)，且未進(jìn)行地面蒸散測量設(shè)備如渦度儀、蒸滲儀等的建設(shè)，其基礎(chǔ)氣象數(shù)據(jù)暫無法滿足雙層及多層模型的使用條件，而由于冷熱像元的選取原則導(dǎo)致SEBAL模型在半濕潤地區(qū)的適用性較弱，此次引進(jìn)了采用全新冷熱像元選取原則的METRIC模型，理論上能夠在半濕潤地區(qū)獲得更高的蒸散量遙感反演精度，同時能夠有效增強遙感反演在此類區(qū)域的可用性及實用性，為區(qū)域提供更為可靠的蒸散量數(shù)據(jù)，并提高區(qū)域水資源規(guī)劃精度，具有較高的研究意義。

1 研究數(shù)據(jù)與方法

1. 1 遙感數(shù)據(jù)源和氣象數(shù)據(jù)選擇

在本次研究區(qū)域蒸散量遙感反演中，主要使用的遙感數(shù)據(jù)為4期Landsat8遙感影像數(shù)據(jù)。Landsat8是美國陸地衛(wèi)星計劃中的第8顆，于2013年2月11日發(fā)射升空，以填補自2003年Landsat7攜帶的SLC傳感器故障導(dǎo)致的遙感影像缺失。自1972年陸地衛(wèi)星計劃首顆衛(wèi)星發(fā)射以來，Landsat系列衛(wèi)星已成為全球范圍內(nèi)重要的環(huán)境監(jiān)測及資源調(diào)查遙感衛(wèi)星，從Landsat1/2/3只攜帶覆蓋了三波段的RBV傳感器及紅外波段的MSS傳感器，到如今Landasat8攜帶OLI光學(xué)傳感器及TIRS熱紅外傳感器，覆蓋波段高達(dá)11個波段，精度最高達(dá)15 m，Landsat系列衛(wèi)星已在幾十年間取得了長足的進(jìn)步。截止目前Landsat全系列衛(wèi)星數(shù)據(jù)仍面向全球免費提供，至今仍然是進(jìn)行區(qū)域蒸散量遙感反演的理想數(shù)據(jù)源之一。此次遙感反演選擇了研究區(qū)域2015年10月25日、2016年3月1日、2018年3月23日、2018年4月8日共4期的Landsat8遙感影像數(shù)據(jù)，此4期遙感影像數(shù)據(jù)為研究時間段內(nèi)影像質(zhì)量最佳的4期數(shù)據(jù)，并能夠一定程度反映研究區(qū)域蒸散量的季節(jié)性變化。本研究主要利用Landasat8攜帶的OLI光學(xué)傳感器的2～7波段進(jìn)行植被指數(shù)(NDVI)、土地利用類型等的遙感反演以及TIRS熱紅外傳感器的10及11波段進(jìn)行地表溫度等參數(shù)的遙感反演。氣象數(shù)據(jù)選取研究區(qū)域周邊孝感市氣象站和孝昌縣氣象站共兩個站點的氣溫、濕度、風(fēng)速、降雨量等各類氣象數(shù)據(jù)輸入模型參與蒸散量遙感反演。

1.2 METRIC模型和SEBAL模型介紹

遙感蒸散發(fā)模型的發(fā)展距今已有30余年的歷史，其研究的開端為采用手持式紅外輻射儀測量植被冠層溫度并與蒸散發(fā)建立經(jīng)驗公式，直至1983年，Seguin等首次利用衛(wèi)星傳感器測得的地表溫度對蒸散發(fā)進(jìn)行了估算，正式拉開了現(xiàn)代對遙感蒸散發(fā)模型的研究。

1988年，由Bastiaanssen提出了迄今為止使用最為廣泛的遙感蒸散發(fā)模型即SEBAL(Surface Energy Balance Algorithm for Land)模型。該模型基于地表能量平衡，巧妙避免了氣象數(shù)據(jù)在空間插值并訂正溫度時引起的誤差，具有十分重要的物理意義，目前在世界范圍內(nèi)都得到了廣泛應(yīng)用。美國的愛達(dá)荷州水利部門曾經(jīng)對SEBAL模型的估算精度進(jìn)行了大面積、高精度的地面驗證，結(jié)果表明其估算誤差可以控制在4%以內(nèi)。在國內(nèi)，由中國科學(xué)院蘭州大氣物理研究所在黑河地區(qū)的實驗研究表明：在估算單日蒸散量時，SEBAL模型的估算誤差保持在8%以內(nèi)。上述研究說明，SEBAL模型在區(qū)域蒸散量估算上具有實際可用性。2005年，Allen等利用與SEBAL模型相同的原理，開發(fā)了METRIC模型，克服了SEBAL模型在山區(qū)反演精度不足的問題，并對模型中的干濕邊界采用了新的選取方式，同時在時間尺度上采取了全新的瞬時蒸散擴展方法，更好地考慮了風(fēng)速、濕度等氣象因素帶來的影響。

METRIC模型和SEBAL模型的原理都是基于能量平衡方程，只需要遙感影像中的可見光、紅外光以及極少量氣象參數(shù)(氣溫、風(fēng)速)等即可計算出地表各項輻射通量(包括凈輻射通量、土壤熱通量、顯熱通量)，同時根據(jù)這些輻射通量計算出表征蒸散發(fā)部分的輻射通量、潛熱通量，并利用比例不變法將瞬時蒸散量擴展到日蒸散量。

2 模型各項參數(shù)求解

遙感蒸散發(fā)模型的基礎(chǔ)原理為能量平衡，區(qū)域內(nèi)的能量平衡方程如下：

R

=

G

+

H

+

λET

(1)

式中：

R

為凈輻射通量(W/m)，表征了太陽能夠有效輻射到地表的輻射能量;

G

為土壤熱通量(W/m)，表征了土壤與地面之間的熱量交換;

H

為顯熱通量(W/m)，表征了大氣與地面之間以湍流形式進(jìn)行的感熱交換;

λ

為水的汽化潛熱[W/(m·mm)]；

ET

為蒸散量(mm)。

以上各項參數(shù)均可以通過遙感影像結(jié)合地表氣象數(shù)據(jù)反演得到，并具有較大的空間尺度。

在利用METRIC模型和SEBAL模型對區(qū)域內(nèi)蒸散量進(jìn)行遙感反演時，其主要需求的參數(shù)為太陽高度角、太陽天頂角、日地距離、歸一化植被指數(shù)、地表反照率、地表比輻射率，地表溫度等，以上各項地表參數(shù)需要結(jié)合遙感數(shù)據(jù)和氣象數(shù)據(jù)，并利用遙感軟件分別進(jìn)行反演。此次遙感軟件平臺選用ENVI。METRIC模型的主要計算流程見圖1。

圖1 METRIC模型的計算流程圖Fig.1 Flow chart of METRIC model calculation

2. 1 模型參數(shù)獲取

2.1.1 歸一化植被指數(shù)(NDVI)

根據(jù)蒸散發(fā)的基礎(chǔ)原理，植被蒸騰作用是蒸散發(fā)的主要占比之一，區(qū)域內(nèi)的植被覆蓋情況以及植被生長狀況等對蒸散發(fā)有著極大的影響。而在遙感反演中，體現(xiàn)植被覆蓋情況以及植被生長狀態(tài)的主要參數(shù)就是植被指數(shù)，又被稱作歸一化植被指數(shù)(NDVI)，其主要原理來自植被葉面對于光的吸收有著其獨特的特征，其中葉面對可見光中的紅光波段吸收能力很強，但與此同時，它對于不可見的近紅外波段有著極強的反射能力。根據(jù)以上兩個特征，對區(qū)域遙感影像的近紅外波段與紅光波段進(jìn)行比值計算即可反映區(qū)域的植被覆蓋狀況，其計算公式如下：

NDVI=(NIR-R)/(NIR+R)

(2)

式中：NDVI為歸一化植被指數(shù);NIR為近紅外波段的像元值(DN值);R為可見光紅波段DN值。

根據(jù)NDVI，可以計算得到區(qū)域的植被覆蓋度

P

，其計算公式如下：

(3)

式中:

P

為植被覆蓋度；NDVI為植被指數(shù)最小值；NDVI為植被指數(shù)最大值。2.1.2 地表反照率(

α

)地表反照率(

α

)也是整個蒸散量遙感反演中極為重要的地表參數(shù)之一，因為其表征的是區(qū)域內(nèi)反射輻射通量總和與入射輻射通量總和的比值，該比值的大小決定了整個區(qū)域總?cè)肷淠芰康亩嗌佟?p>α

主要受到來自土地利用類型，即下墊面變化的影響，不同下墊面的

α

值差別較大，在Landsat8衛(wèi)星影像的

α

計算中，采用如下計算公式：

(4)

式中：

α

為地表反照率;

α

為大氣外反照率;

α

為大氣程輻射(取值在0.025～0.04之間);

τ

為大氣透過率。其中，大氣外反照率

α

的計算公式為

(5)

式中:

α

分別為Landsat8遙感影像2/4/5/6/7波段的DN值。大氣透過率

τ

的計算公式為

τ

=0.75+2×10×

Z

(6)

式中:

Z

為地面高程(m)，代指氣象觀測站的海拔高度。2.1.3 地表比輻射率(

ε

)地表比輻射率(

ε

)的物理意義表征在物體表面單位面積上所輻射出的輻射通量與在相同溫度下黑體輻射出的輻射通量的比值。

ε

的值域受到很多因素的影響，通常有物質(zhì)的界定常數(shù)、波長等不同條件的影響，通常

ε

的取值范圍在0～1之間。正常情況下

ε

難以進(jìn)行量化計算，而多年來學(xué)者已經(jīng)總結(jié)出地表輻射率與植被覆蓋率之間的經(jīng)驗公式，并根據(jù)該經(jīng)驗公式對

ε

進(jìn)行估算，經(jīng)多位學(xué)者實踐證明其效果較好。但在對

ε

進(jìn)行估算時，需根據(jù)波段和土地利用類型分別進(jìn)行計算，具體如下：水體：Landsat8 BAND10下，

ε

取值為0.995；Landsat8 BAND11下，

ε

取值為0.986。水體

ε

取定值其主要原因為水體在熱紅外波段下，該

ε

值遠(yuǎn)遠(yuǎn)高出其他土地利用類型，無限接近于黑體，因此根據(jù)不同紅外波段及不同衛(wèi)星傳感器對其做定值處理。建筑用地：建筑用地地表比輻射率

ε

的計算，公式為

(7)

式中：

ε

為地表比輻射率;

P

為植被覆蓋度。

其他自然地物：其他自然地物地表比輻射率ε的計算公式為

(8)

2.1.4 地表溫度(

T

)

地表溫度的反演在遙感反演中起步較早，多年來已經(jīng)開發(fā)出多種穩(wěn)定算法用以計算地表溫度，均具有較好的效果,目前主流地表溫度反演算法有大氣校正法、分裂窗算法等。本次地表溫度的遙感反演根據(jù)傳感器類型以及區(qū)域氣候狀況采取了大氣校正法。

L

主要代表由Landsat8影像傳感器接收到的熱紅外輻射亮度，對比Landsat8中兩熱紅外波段的大氣透過情況可以發(fā)現(xiàn)，BAND10有更優(yōu)異的性能表現(xiàn)，因此在日常使用中通常采取第10波段作為地表溫度反演的基礎(chǔ)波段。Landsat8影像傳感器接受到的輻射組成主要有三部分，分別是大氣向上輻射亮度、大氣向下輻射反射能量和地表熱輻射，其計算公式如下：

L

=[

ε

·

B

(

T

)+(1-

ε

)

L

↓]·

τ

+

L

↑

(9)

式中：

L

為熱紅外輻射亮度[W/(m·μm·sr]；

B

(

T

)為地表輻射亮度[W/(m·μm·sr]；

L

↑為大氣向上輻射亮度[W/(m·μm·sr]；

L

↓為大氣向下輻射亮度[W/(m·μm·sr]；

T

為地表溫度(K)。

對公式(9)進(jìn)行數(shù)學(xué)轉(zhuǎn)換，可得到：

(10)

其中，

T

可以利用普朗克公式計算：

(11)

式中：

K

和

K

需根據(jù)傳感器及波段取定值，對于Landsat8的TRIS傳感器Band10波段，

K

為774.89W/(m·μm·sr)，

K

為1 321.08 K。

2. 2 能量平衡各分量反演

根據(jù)上述所得到的各地表特征參數(shù)，結(jié)合氣象參數(shù)(溫度、濕度、風(fēng)速等)，即可對地表各項能量通量進(jìn)行反演，并根據(jù)能量平衡計算潛熱通量。

2.2.1 凈輻射通量(

R

)

凈輻射通量(Net Radiant Flux，NRF)反映的是到達(dá)地表的太陽短波輻射和大氣長波輻射的凈收支，它是驅(qū)動大氣運動的主要能量。根據(jù)地表輻射平衡原理，地表單位面積上接收到的凈輻射通量的計算公式如下：

R

=(1-

α

)

R

)+

εR

-

R

(12)

式中：

R

為凈輻射通量(W/m)；

R

為入射的太陽短波輻射(W/m);

R

為大氣下行長波輻射(W/m);

R

為大氣上行長波輻射(W/m)。

其中，入射的太陽短波輻射的計算公式如下：

R

=

G

×cos×

d

×

τ

(13)

式中：

G

為太陽常數(shù)(W/m)，其取定值1 367 W/m;

θ

為太陽天頂角(°)，可通過查詢遙感數(shù)據(jù)頭文件獲得；

d

為日地距離系數(shù)(無固定量綱),其計算公式為

(14)

式中：DOY為太陽歷日序。

大氣下行長波輻射的計算公式如下：

(15)

式中：

σ

為玻爾茲曼常數(shù)(W/m·K)，其取定值5.67×10W/m·K；

T

為近地處氣溫(K)；

ε

為大氣比輻射率，其計算公式為

ε

=1.08(-ln

τ

)

(16)

大氣上行長波輻射計算公式如下：

(17)

式中：ε為地表比輻射率。

2.2.2 土壤熱通量(

G

)通過儀器觀測可知，土壤在不同深度下其溫度也會隨深度發(fā)生改變，因此在不同深度下土壤發(fā)生了熱量交換，此過程中產(chǎn)生的通量叫做土壤熱通量(Soil Heat Flux，SOHF)。土壤熱通量與其他3個通量相比較小，而且它與凈輻射通量之間有一定的關(guān)系。Teixeira等提出考慮地表溫度、歸一化植被指數(shù)、地表反照率的土壤熱通量

G

計算公式為

(18)

式中：

G

為土壤熱通量(W/m)。上式僅針對區(qū)域內(nèi)有植被覆蓋的區(qū)域，無植被覆蓋的區(qū)域中，水體：

G

=0.3

R

，建筑用地：

G

=0.41

R

-51。2.2.3 顯熱通量(

H

)

由地表流向大氣的熱量，一般被稱為顯熱通量，其主要計算公式及過程如下：

(19)

式中:

H

為顯熱通量(W/m)；

ρ

為空氣密度(kg/m)；

C

為空氣定壓比熱容[J/(kg·K)]，其取值為1 004 [J/(kg·K)];d

T

為不同高度處的溫差(K)，一般取0.01～2 m處的溫差；

r

為空氣動力學(xué)阻抗(s/m)。其中，空氣密度

ρ

的計算公式為

(20)

式中：

T

為近地表處氣溫(K);

Z

為地面高程(m)?？諝鈩恿W(xué)阻抗

r

的計算公式為

(21)

式中：

k

為卡曼常數(shù)，取值為0.41；

u

為摩擦速度(m/s)；

Z

和

Z

代表公式(19)中的兩個不同高度，

Z

為2 m，

Z

為0.01 m。其中，摩擦速度

u

的計算公式為

(22)

式中：

u

為

Z

高度處的平均風(fēng)速(m/s);

Z

為動力粗糙度(m)，其暫無量化計算公式，可以由氣象站點的植被高度和歸一化植被指數(shù)按如下經(jīng)驗公式擬合得到：

Z

=exp(1.442 1×NDVI-3.916 7)

(23)

其中，相關(guān)系數(shù)

R

=0.898 8。

在此類單層遙感蒸散量估算中，使用了一個假設(shè)量，即在距離地面200 m高程的高空，區(qū)域內(nèi)所有像元的風(fēng)速均是相等的，根據(jù)此假設(shè)，即可方便地計算出整個區(qū)域內(nèi)的摩擦速度，具體計算過程有以下幾個步驟：第一步，根據(jù)動力粗糙度計算公式計算出氣象站附近的動力粗糙度，再結(jié)合氣象數(shù)據(jù)，計算出氣象站點的摩擦速度；第二步，根據(jù)以上公式及氣象站的數(shù)據(jù)，計算出氣象站上空200 m處的風(fēng)速，即為全研究區(qū)上空200 m處的風(fēng)速，此風(fēng)速值在整個反演過程中保持不變；第三步，根據(jù)以上數(shù)據(jù)及公式，即可以計算出整個研究區(qū)的摩擦速度。

基于能量平衡的單層模型中，假設(shè)溫度差d

T

與地表溫度

T

之間存在線性關(guān)系，并假設(shè)其關(guān)系式如下：d

T

=

aT

+

b

(24)

式中：

a

和

b

均為線性系數(shù)，通過選擇干濕邊界，即冷熱像元可以求得。一般情況下，“冷點”即代表擁有大蒸散量的像元點，該類像元點一般擁有大量水分且生長旺盛的植被，且地表溫度較其他地區(qū)明顯偏低，該類像元一般假設(shè)其近地層氣溫與其地表溫度相等，對于METRIC模型，一般設(shè)定“冷點”像元的潛熱通量值為此像元點的參考蒸散量的1.05倍；“熱點”的選擇一般選擇裸土，因為此類像元點一般無植被覆蓋，無表面的水分來源，其蒸散量可以視作0，則

λET

≈0。本文中，將冷像元點選取在區(qū)域中部較其他地區(qū)溫度明顯較低的耕地內(nèi)，而熱像元點則選取在西南地區(qū)遠(yuǎn)離水源且溫度較周圍地區(qū)明顯偏高的建筑用地內(nèi)。結(jié)合土壤熱通量計算公式(18)和顯熱通量計算公式(19)，根據(jù)能量平衡原理，針對冷熱像元的輻射特征，對線性系數(shù)

a

和

b

進(jìn)行數(shù)學(xué)推導(dǎo)，可得到：

(25)

b

=-

a

×

T

冷

(26)

式中：

R

熱和

G

分別為熱像元的凈輻射通量(W/m)和土壤熱通量(W/m);

r

熱為熱像元的空氣動力學(xué)阻抗(s/m);

T

和

T

分別為熱像元和冷像元的地表溫度(K)。在得到線性系數(shù)

a

和

b

之后，即可根據(jù)溫度差計算公式(24)計算得到全區(qū)域的溫度差。

由于低層大氣存在不穩(wěn)定性，因此根據(jù)上述公式計算所得的顯熱通量也存在一定的誤差，METRIC模型等單層能量平衡模型引入了莫寧-奧布霍夫(Monin-Obukhov)的循環(huán)遞歸計算對顯熱通量的結(jié)果進(jìn)行了校正，通過5次以上的循環(huán)計算至莫寧-奧布霍夫長度值大于0，即可得到正確的顯熱通量值。

2.2.4 潛熱通量

根據(jù)能量平衡公式(1)，即可計算潛熱通量

λET

。

2.2.5 日蒸散量

通過閱讀眾多學(xué)者前期的研究成果可以發(fā)現(xiàn)，估算所得蒸散量與參考作物蒸散量的比值在24 h內(nèi)，其值的變化較小，因此在計算日蒸散量時，假設(shè)衛(wèi)星影像過境瞬間的蒸發(fā)率在當(dāng)天是保持不變的，此假設(shè)引起的誤差在天及更長的時間尺度上對最終結(jié)果的影響較小，其計算公式如下：

(27)

式中：

W

為瞬時蒸發(fā)率；

W

為日蒸發(fā)率。

則過境當(dāng)天的日蒸散量計算公式如下：

(28)

式中：

ET

為當(dāng)日日蒸散量(mm/d)，86 400為時間系數(shù)；

R

24為日平均凈輻射通量(W/m);

G

為日平均土壤熱通量(W/m)。

3 研究結(jié)果與討論

本次以位于江漢平原的孝感市孝昌縣肖港鎮(zhèn)作為遙感反演的主要區(qū)域，其地理位置位于北緯30°00′～31°10′、東經(jīng)113°45′～114°00′之間，包括了1∶5萬水文地質(zhì)調(diào)查肖港鎮(zhèn)幅圖幅所在的整個區(qū)域，總面積為430 km。整個研究區(qū)域從氣候帶分帶劃分，屬亞熱帶季風(fēng)性氣候，一年中四季雨水量均比較充足，日照時間長，氣候較溫暖。區(qū)域內(nèi)風(fēng)向主要以東南風(fēng)為主，一年平均氣溫一般在15～16℃之間，冬季平均氣溫一般在1～4℃之間，夏季平均氣溫一般在28～29℃之間，其年內(nèi)日平均氣溫一般不低于10℃，整個孝感市年平均降雨量在1 200 mm左右，一年之中約有70%的降水集中在屬于夏季的7月至9月，其多年年平均蒸散量約為1 435 mm。

3. 1 遙感反演結(jié)果

以上述模型公式及理論為基礎(chǔ)，利用ESRI旗下ENVI軟件平臺和ArcGIS空間分析平臺分別根據(jù)METRIC模型和SEBAL模型的原理，對研究區(qū)域進(jìn)行日蒸散量遙感反演，并根據(jù)世界糧食組織(FAO)推薦的P-M模型對METRIC模型和SEBAL模型最終得到的研究區(qū)域蒸散量估算結(jié)果進(jìn)行精度檢驗與對比，其中METRIC模型額外加入DEM數(shù)據(jù)對區(qū)域地形坡度加以修正，以降低高程差引起的冷卻效應(yīng)。

本文利用METRIC模型反演得到的研究區(qū)域4日日蒸散量頻率分布圖和4日蒸散量空間分布圖，見圖2和圖3。

圖2 利用METRIC模型反演得到的研究區(qū)域4日 日蒸散量頻率分布圖Fig.2 Four-day daily evapotranspiration frequency distribution diagram of the study area retrieved from METRIC model

圖3 利用METRIC模型反演得到的研究區(qū)域4日 蒸散量空間分布圖Fig.3 Four-day daily evapotranspiration spatial distribution diagram of the study area retrieved from METRIC model

由圖2和圖3可見，研究區(qū)域內(nèi)日蒸散量主要集中在0～7 mm/d，在空間分布上，城鎮(zhèn)、裸地等遠(yuǎn)離水體及植被覆蓋度較低的地區(qū)，其日蒸散量較小，而河流及湖泊等因其水源直接暴露在太陽輻射下，無土地及植被等固定的地區(qū)，其日蒸散量較大；因研究區(qū)域內(nèi)作物下墊面存在水稻田等含水量較大的下墊面，其蒸散規(guī)律與水體類似，導(dǎo)致耕地中也存在部分大蒸散量像元，其蒸散量達(dá)6 mm/d，總體上研究區(qū)域內(nèi)日蒸散量符合以潛熱通量交換為主的客觀規(guī)律；在時間分布上，研究區(qū)域2018年4月8日的蒸散量要顯著大于其他3日的蒸散量,觀察當(dāng)天平均氣溫達(dá)19.7℃，要顯著高于其他3日，且其時間節(jié)點剛好位于2018年清明節(jié)之后，氣溫顯著提升，日照條件良好，風(fēng)速較大，其蒸散量為4日最大，符合客觀規(guī)律，而秋季研究區(qū)域2015年10月25日的蒸散量最小，符合其季節(jié)條件下的客觀規(guī)律。

SEBAL模型的區(qū)域蒸散量估算方法，與MEITRIC模型類似，均為利用能量平衡余項對潛熱通量進(jìn)行估算，但未引入DEM數(shù)據(jù)進(jìn)行精校正，且冷熱像元的選取原則以地表溫度大小為主，以干燥的裸地作為熱像元，以濕潤的低溫度水體作為冷像元。利用SEBAL模型反演得到的研究區(qū)域4日日蒸散量頻率分布圖，見圖4。

圖4 利用SEBAL模型反演得到的研究區(qū)域4日 日蒸散量頻率分布圖Fig.4 Four-day daily evapotranspiration frequency distribution diagram of the study area retrieved from SEBAL model

利用FAO提供的改進(jìn)P-M模型以及氣象站氣象數(shù)據(jù)估算研究區(qū)域4日遙感影像當(dāng)天氣象站點參考蒸散量，并作為此次遙感反演的標(biāo)準(zhǔn)蒸散量，與遙感反演所得的氣象站點實際蒸散量進(jìn)行了對比，同時進(jìn)行了估算誤差分析。P-M模型4日日蒸散量的估算結(jié)果，見表1。

3. 2 討論

本文分別統(tǒng)計了各遙感蒸散發(fā)模型(即METRIC模型和SEBAL模型)反演得到的研究區(qū)域4日遙感影像當(dāng)天氣象站點蒸散量，并與P-M模型日蒸散量估算結(jié)果進(jìn)行了對比同時進(jìn)行了估算誤差分析，其結(jié)果見表1。

表1 3種模型研究區(qū)域日蒸散量的估算結(jié)果及相對誤差

由表1可知，在日蒸散量較小的時間段，METRIC模型日蒸散量的估算誤差要低于SEBAL模型，其中在2016年3月1日，METRIC模型日蒸散量的估算誤差較SEBAL模型低約4%，在2018年3月23日，METRIC模型日蒸散量的估算誤差較SEBAL模型低約13%，在2015年10月25日，METRIC模型日蒸散量的估算誤差較SEBAL模型低約10%，而在2018年4月8日，其日蒸散量較大，METRIC模型日蒸散量的估算結(jié)果出現(xiàn)了較大誤差，其估算誤差較SEBAL模型高約33%，而SEBAL模型在蒸散量較大的時間段與P-M模型日蒸散量的估算結(jié)果保持了高度的一致，其相對誤差僅為0.28%，受限于Landsat8圖像分辨率原因，其在點位上的估算精度與實際測量結(jié)果仍存在一定的差距，導(dǎo)致其與P-M模型日蒸散量的估算誤差在大部分時間段維持在10%以上，此處點位估算僅用于誤差趨勢分析，其實際應(yīng)用模式應(yīng)為區(qū)域性估算。

通過以上數(shù)據(jù)可以發(fā)現(xiàn)，在蒸散量較小的時間段內(nèi)，METRIC模型的估算精度要高于SEBAL模型，METRIC模型在蒸散量較小的3日內(nèi)平均估算誤差較SEBAL模型低約9%，說明METRIC模型在蒸散量較小的季節(jié)，在反演區(qū)域所屬氣候環(huán)境下，相較于SEBAL模型具有更好的區(qū)域適用性；在蒸散量較大的季節(jié)，SEBAL模型表現(xiàn)出了更好的適用性，以P-M模型為基準(zhǔn)，其估算誤差僅為0.28%，METRIC模型的估算精度較其有較大的差距。從METRIC模型和SEBAL模型的原理分析兩個模型在不同蒸散條件下估算精度表現(xiàn)不一致的原因，可以發(fā)現(xiàn)其主要原因集中在冷熱像元的選取原則上，即模型干濕邊界的選取原則上，兩模型均通過人工圈定方式來選擇區(qū)域內(nèi)的干濕邊界，但選取原則具有一定的差別，SEBAL模型的濕邊界一般以溫度較低的水體為主，而METRIC模型則以溫度較低且水分較多的濕潤地帶，如林地、耕地等作為其濕邊界，不同土地利用類型的蒸散發(fā)特征表明，水體的蒸散發(fā)在區(qū)域內(nèi)總蒸散量的占比較高；而METRIC模型的干濕邊界選取原則，雖避免了SEBAL模型在植被覆蓋度較高的區(qū)域估算時受水分脅迫像元的影響而帶來的誤差，但因未直接選擇水體作為濕邊界，降低了對水體蒸散部分權(quán)重的考慮，導(dǎo)致其在蒸散量較大的季節(jié)出現(xiàn)了較大的估算誤差，反之SEBAL模型的干濕邊界選取原則導(dǎo)致其在此條件下表現(xiàn)出了較高的估算精度；兩模型的估算誤差表現(xiàn)符合兩個模型不同的干濕邊界選取原則。此外，METRIC模型中通過加入DEM數(shù)據(jù)，考慮了高程、地形坡度的影響以及“高程差”帶來的冷卻效應(yīng)，進(jìn)一步減小了因下墊面不平整而帶來的估算誤差。

4 結(jié)論與建議

METRIC模型一般用于干旱及半干旱、地勢起伏較大地區(qū)的蒸散量遙感估算，此次將METRIC模型首次運用于江漢平原地區(qū)蒸散量估算，并采用全球內(nèi)運用范圍較廣、效果較好的SEBAL模型進(jìn)行蒸散量估算并進(jìn)行估算結(jié)果對比，同時利用P-M模型進(jìn)行估算誤差驗證，總體上取得了較好的實驗效果。結(jié)果表明：METRIC模型在蒸散量較小的時間段內(nèi)，在研究區(qū)域范圍內(nèi)具有較好的適用性，以P-M模型估算結(jié)果為基準(zhǔn)，其平均估算精度較SEBAL模型提高約9%；而在蒸散量較大的時間段內(nèi)，其估算結(jié)果出現(xiàn)了一定的偏差，與SEBAL模型的估算精度有較大的差距。因此，在研究區(qū)域所屬江漢平原地帶遙感蒸散量估算模型選擇中，在蒸散量較小的時間及季節(jié)，推薦以METRIC模型作為遙感反演模型，而在蒸散量較大的時間及季節(jié)，如夏季等，推薦以SEBAL模型作為遙感反演模型，兩種模型交替使用能夠有效提高本區(qū)域蒸散量的估算精度。

在本研究中，仍存在諸多不足之處，例如：雖同時采用了METRIC模型和SEBAL模型雙模型作為對比，但仍未解決干濕邊界選擇方式為人為圈定這個兩個模型都存在的重要限制問題，此次遙感反演因條件所限，未進(jìn)行嚴(yán)格的地面蒸散量及溫度實測對比驗證，雖采用聯(lián)合國糧農(nóng)組織提供的改進(jìn)P-M模型估算參考蒸散量以驗?zāi)Ｐ凸浪憔?，但仍與地面實際驗證數(shù)據(jù)存在差距，今后的研究中需提前對驗證方式提出方案，并對驗證所需儀器進(jìn)行布置，以進(jìn)一步提高驗證數(shù)據(jù)的精度及驗證方法的科學(xué)性；受限于國內(nèi)衛(wèi)星影像數(shù)據(jù)獲取途徑，此次僅獲得4期可用遙感影像數(shù)據(jù)，后期需通過更多途徑獲取更多可用遙感影像數(shù)據(jù)。

相較于傳統(tǒng)蒸散量測定方式，區(qū)域蒸散量遙感反演的便捷性及大尺度性賦予了其極高的研究價值，隨著近年來各類高分辨率傳感器反射、各種基于大數(shù)據(jù)統(tǒng)計以及AI神經(jīng)網(wǎng)絡(luò)算法的涌現(xiàn)，賦予了蒸散量遙感估算長足的進(jìn)步空間。因此，在未來的研究中還需加強對此類單層模型的優(yōu)化，主要可集中在以下幾點：對干濕邊界選取流程化、數(shù)據(jù)化確定；進(jìn)一步加強復(fù)雜下墊面光譜分析；對模型中仍使用經(jīng)驗公式計算的部分參數(shù)提出量化計算方法；鋪設(shè)大孔徑閃爍通量儀，結(jié)合小流域范圍水文閉合，對遙感反演結(jié)果進(jìn)行高精度驗證，以此為遙感蒸散發(fā)模型估算的精度提高提供更可信的數(shù)據(jù)。相信在解決以上難點之后，遙感蒸散發(fā)模型的估算精度及適用范圍將會得到進(jìn)一步的提升。