基于 SEBAL 模型的河套灌区永济灌域蒸散发估算及其变化特征_李彦彬_2023

摘要

  为探索基于遥感技术建立快捷估算区域蒸散发的方法，选取河套灌区永济灌域为研究区，利用Landsat 遥感影像和土地利用分类结果，基于 SEBAL 模型，对永济灌域 2019 年生长季的日蒸散量进行估算，分析研究区蒸散发时空变化特征以及不同土地类型蒸散发的差异。结果表明：
  ①SEBAL 模型估算结果与 FAO P-M 公式相比，决定系数 R2为 0.94，均方根误差 RMSE 为 0.43 mm/d，相对误差 MRE 为 8.62%，模型反演精度较高，可以为研究区提供合理的蒸散发估算；
  ②永济灌域生长季内日均蒸散量呈单峰变化趋势，最大值为 7 月的 4.56 mm/d，最小值为 10 月的 1.87 mm/d，并存在明显的空间分布差异。
  ③不同土地利用类型的日蒸散量大小依次为：水体＞耕地＞城乡用地＞草地＞荒地。基于 SEBAL 模型估算区域的蒸散量，可为灌区水资源的节约利用提供参考。

关键词

蒸散发；SEBAL 模型；土地利用；永济灌域

1 数据

1.1 研究区概况

  以内蒙古河套灌区永济灌域为研究区，永济灌域地形较为平缓，地势呈现西南高、东北低的特点，见图 1。

1.2 数据来源

1.2.1 遥感数据及预处理
  本文采用分辨率为 30 m，过境周期为 16 d 的 Landsat8 OIL/TIRS 及 Landsat7 ETM+遥感影像，数据获取于 USGS 官方（https://earthexplorer.usgs.gov/）。选取 2019 年 4—10 月共 7 期质量良好（晴空或少量云覆盖）的遥感影像作为反演对象，根据研究区控制面积，需要影像轨道号为 129-31 和 129-32的两景影像镶嵌得到，见表 1。

1.2.2 DEM 数据
  数字高程数据 DEM 来自地理空间数据云网站(http://www.gscloud.cn/)，选取分辨率为 30 m 的 ASTER GDEM V2 全球数字高程数据。根据研究区跨度，在 ArcGIS 中将两幅 DEM 数据拼接在一起，并利用矢量文件裁剪出研究区高程影像。
1.2.3 气象数据
  本文的气象数据均在中国数据气象网（http://data.cma.cn）下载。收集研究区临河气象站点 2019 年 4—10 月的气象数据，包括最高气温、最低气温、平均气温、平均风速、相对湿度和日照时数，见表 2。

1.2.4 土地利用数据
  土地利用数据来源于武汉大学团队制作的 2019 年中国土地覆盖 30 m 分辨率数据集,总体分类精度为 79.31%。结合永济灌域的实际情况，将土地利用类型分为五类，即耕地、草地、水体、荒地、城乡用地。

2 研究方法

2.1 SEBAL 模型原理

  SEBAL(surface energy balance algorithm for land)模型是 1 种基于能量平衡的遥感蒸散发模型。该模型利用遥感数据和少量气象数据估算出净辐射通量、土壤热通量和显热通量，将潜热通量作为能量平衡的余项求出，计算见式（1）。

2.1.1 地表净辐射通量
  地表净辐射通量是单位面积内的入射辐射能量与出辐射能量的差值，代表着地表可用的实际辐射能量，见式（2）—（5）。

2.1.2 土壤热通量
  土壤热通量是指由于传导作用而储存在土壤和植被中的那部分能量，是 1 个相对较小的量，由式（6）计算得到。

2.1.3 感热通量
  感热通量是指由于对流和传导作用而从地球表面散失到大气中的能量，表征下垫面与大气间湍流形式的热交换，见式（7）—（11）。

2.1.4 日蒸散发
  以上通量均为卫星过境时刻的瞬时能量通量，而研究要用到每日蒸散发,因此采用蒸发比不变法将瞬时蒸散发量转换为日蒸散发量，见式（12）—（14）。

2.2 FAO P-M 公式

  P-M 公式是根据能量平衡与水分输送原理研究非饱和下垫面蒸散发的方法[19]，被认为是世界上应用最为广泛、精度较高的公式之一，后经联合国粮农组织（FAO）修改验证，发展为广泛使用的 FAO P-M 公式，计算公式见式（15）—（16）。

2.3 模型精度评价

  如图 2 所示，为评价 SEBAL 模型反演 ET 的精度，选取决定系数（R2），均方根误差（RMSE）和相对误差（MRE）这 3 个指标对模型反演结果进行分析，计算过程见式（17—19）所示。

3 结果分析

3.1 SEBAL 模型精度验证

  如图 3 所示，SEBAL 模型估算结果与 FAO P-M 公式计算结果比较：R2为 0.94，说明二者之间具有较好的相关性和变化趋势；RMSE 为 0.43 mm/d，MRE 为 8.62%，表明模型估算值与 FAO P-M 计算值接近，SEBAL 模型的估算结果可信。基于上述验证结果，可以说明 SEBAL 模型具有良好的反演精度，模型在永济灌域的适应性和稳定性较好。

3.2 日蒸散反演结果及变化

  选取 2019 年 4 月 21 日、5 月 15 日、6 月 8 日、7 月 10 日、8 月 27 日、9 月 20 日、10 月 6 日永济灌域作物生长季内晴空或云量较少的 Landsat 影像，分析永济灌域 2019 年生长季日蒸散估算结果，见图 4。

  如图 5 所示，统计了 SEBAL 模型反演的日均蒸散量。总的来说，研究区生长季日均蒸散量呈现先增加后减少的变化趋势，最大值出现在 7 月，最小值出现在 10 月，生长季日均蒸散量在 1.87~4.56 mm 内变化,存在明显的时间分布差异。

3.3 不同土地利用类型蒸散特征分析

  根据研究区土地利用和覆盖特点将研究区地形分为耕地、草地、水体、荒地和城乡用地 5 种类型，见图 6。

  从表 3 和图 7 中可以看出，各土地利用类型的日均蒸散量，在时间上都是先升高而后逐渐降低，呈单峰型分布。水体的日均蒸散量最大，其次是耕地，草地和城乡用地比较接近，荒地的日均蒸散量最小，不同土地利用类型的蒸散量存在较大差异。

4 结论与讨论

  将 SEBAL 模型应用于干旱区的永济灌域，评估其日尺度 ET 估算的准确性和适用性，分析研究区生长季蒸散发的时空变化特征。主要结论如下。
  a）在日尺度上，SEBAL 模型估算 ET 与 FAO P-M 公式计算结果一致，决定系数 R
2 为 0.94，均方根误差 RMSE 为 0.43 mm/d，相对误差 MRE 为 8.62%。说明可以利用 SEBAL 模型和 Landsat 数据对永济灌域的 ET 分布进行估计。
  b）从蒸散量的时间特征来看，研究区日均蒸散量在 4 月开始逐渐增加，到 7 月日均蒸散量达到最大，为 4.56 mm/d。8—10 月逐渐减少，10 月日均蒸散量最小，为 1.87 mm/d，蒸散量变化总体呈现单峰型分布。
  c）蒸散量受土地利用类型的影响很大，呈现出明显的差异性，不同土地利用类型生长季蒸散量大小依次为水体＞耕地＞城乡用地＞草地＞荒地。