基于AVHRR NDVI的Shuttleworth-Wallace模型在韩江流域的应用

曹启桓，刘 远，周买春，钟向宁

(1.华南农业大学水利与土木工程学院，广东 广州 510642；2.广东珠荣工程设计有限公司，广东 广州 510610)

流域陆面蒸发是植被地面在气象作用力下对植被截留和土壤水分的蒸发，以土壤水分蒸发为主。水文站和气象站具有长期的蒸发皿观测资料，代表气象作用力对水面的蒸发。由于下垫面和蒸发条件不同，蒸发皿测量数据不能代表陆面蒸发，大面积的陆面蒸发难以通过实测来获得，往往先通过模型计算陆面的潜在蒸散发，然后将潜在蒸散发输入到水文模型得到实际蒸散发，以考虑土壤水分对蒸散发的胁迫。

潜在蒸散发(PET)是指充分供水条件下地表的蒸散发能力。计算潜在蒸散发的模型很多，从单一气候变量的经验公式(如Thornthwaite公式[1])到能量平衡和空气动力学原理相结合的组合方法(如Penman方程[2])。通过引进冠层阻力系数，Monteith将Penman方程推广到受水分胁迫的旱作物蒸发，即Penman-Montieth(P-M)方程[3]，并被标准化为FAO-56方法用以计算参考作物的蒸散发(RET)以指导农业灌溉[4]。P-M方程被称为“大叶”模型，不适用于计算稀疏植被和作物全生育期的蒸散发[5]。在P-M方程的基础上，Shuttleworth和Wallace采用植被冠层和冠层间(或冠层下)裸土表面双源蒸发耦合的阻力网络，构建了适用于稀疏植被的Shuttleworth-Wallace(S-W)模型[6]。S-W模型可用于计算植被截留蒸发和土壤水分蒸发，但S-W模型复杂，包含大量的参数，需要大量的气象和地面特征数据，以往的研究大多集中在模型验证，或在较小的实验流域对一些特定植被进行短期研究[7]。近年来，随着遥感技术的发展和大型数据库的支持，S-W模型在大流域得到了应用[8,9]。

1 S-W模型

S-W模型计算植被地面蒸发由植被冠层腾发和冠层间(或冠层下)裸土地面蒸发两部分组成：

λET=CcETc+CsETs

(1)

ETc=

(2)

ETs=

(3)

(4)

(5)

(6)

(7)

(8)

2 研究区域和数据来源

韩江流域位于115°13′-117°09′E、23°17′-26°05′N范围，覆盖广东东部、福建西南部、江西东南部共22个县市，流域面积30 112 km2。其中山地约占70%，主要分布在流域北部和中部；丘陵约占25%，分布在梅江流域和其它干支流谷地；平原约占5%，主要分布在韩江三角洲。梅江是韩江的主流，在广东大埔的三河坝与汀江汇合后始称韩江，全长470 km。梅江、汀江、韩江干流和三角洲的集水面积分别为13 929，11 802，3 346和1 035 km2(图1(a))。

气象数据包括平均气温，最高、最低气温，水汽压，云量和风速，采用CRU(Climate Research Unit at University of East Anglia in UK)月时间序列数据集，空间分别率0.5°，覆盖全球。NDVI采用NASA(National Aeronautics and Space Administration)NOAA-AVHRR NDVI数据集，包括旬数据和月数据，空间分辨率8 km，覆盖全球。下载的AVHRR NDVI数据已经过几何、辐射、大气等校正处理，为旬和月最大合成值，减少了云、大气、太阳高度角等的影响。LAI使用SiB2方法[10]由NDVI反演得到。植被覆盖采用USGS GLCC IGBP(International Geosphere-Biosphere Program，Global Land Cover Characteristics，United States Geological Survey)数据集，将全球土地覆盖分为17种类型，空间分辨率为1 km。图1(b)是韩江潮安水文站以上流域IGBP土地覆盖分布，流域主要植被是常绿针叶林和农作物(或农作物和自然植被的镶嵌体)，约占全流域总面积的90%。

3 结果分析

3.1 韩江流域PET计算结果

由月NDVI，得到韩江流域1981-2000年的PET变化曲线如图2所示，多年平均为1 146 mm/a，标准差(STDEV)为59.7 mm，相对标准差(RSD，与多年平均值之比)为5.2%，见表1。图3是流域多年平均PET的空间分布，最小出现在流域北部汀江上游的农作物地，仅715 mm/a，因为该处纬度较高，太阳辐射较弱，且为矮小植被覆盖，蒸腾作用较弱，所以PET最小；最大出现在兴宁市和山岩水库，1 571 mm/a，因为该处纬度较高，太阳辐射较强，且为水面蒸发，所以PET最大。流域PET空间分布呈显著的非均匀性，主要受土地覆盖类型和地理位置影响。另外，输入数据的时间、空间分辨率对PET的估算精度也有较大影响。

3.2 植被类型对PET的影响

图2 1981-2000年韩江流域及代表点PET变化Fig.2 Annual PET over Hanjiang river basin and at specific points in 1981-2000

在流域中选取3个代表不同植被的点：点1汀江上游的农作物，点2汀江中游的常绿针叶林，点3梅江上游的多树草地，如图1(b)所示。各点在1981-2000年的PET变化如图2所示，其多年平均值两两相差约200 mm/a，点2最大，点3最小，见表1。从地理位置上看，点3的纬度最低，点2次之，一般来讲纬度越低太阳辐射越强，但因点3是多树草地，属矮小植被，PET反而最小，而点2是常绿针叶林，属高大植被，PET最大。尽管3个点的地理位置和植被类型不同，但它们的RSD几乎在同一水平，同时又都略大于全流域的平均值。这说明韩江流域不同植被对气候变化的响应是相类似的，程度上存在微小差别，其中常绿针叶林是多年生植被，LAI较大且相对稳定，所以气候变化对其影响较其它植被小，RSD较小。尽管不同土地覆盖对气候变化的响应程度存在差别，但由于流域存在多种土地覆盖，全流域平均就拉平了流域对气候变化响应程度，使其RSD最小。

表1 韩江流域及代表点的年PET特征值Table 1 Characteristic values of annual PET over Hanjiang river basin and at some specific points

图3 韩江流域1981-2000年的平均PET分布Fig.3 Annual PET over Hanjiang river basin averaged in 1981-2000

如图2所示，虽然3个点的PET大小处于不同水平，变化幅度也有所差别，但它们的变化具有同步性，且与全流域的变化情况相似。只是点2的PET在1990年有明显下降，点2植被覆盖为常绿针叶林，常绿针叶林占全流域最大面积，使得全流域该年的PET也略有下降。常绿针叶林属于多年生高大植被，阳光和充足的水分有助于其生长，蒸腾作用更强烈；农作物和草地属于一年生矮小植被，对阳光的需求不像森林那样强烈，只要温度适宜、水分充足也能生长很好。分析气象数据发现，1990年降雨量较前后年份大，相应地云量和水汽压也较高，导致太阳辐射减少，森林蒸腾作用减弱；但该年的温度并不低，在适宜的范围，且水分充足，农作物和草地生长良好，蒸腾作用并没有减弱。

为排除地理位置的影响，另选位置接近但植被不同的两点：点4常绿针叶林和点5农作物，都在兴宁市内，如图1(b)所示。多年平均的LAI和PET，点4为2.213和1 406 mm/a，而点5为0.994和1 136 mm/ a。可见，位于同一纬度上的两个点，森林的LAI和PET比农作物的高出许多。

3.3 地理位置对PET的影响

点1和点5均为农作物，处于不同纬度，它们的LAI和PET随季节的变化具有同步性，如图4所示(多年平均)，而且LAI大致反映韩江流域水稻种植两个时期，即3-7月和8-11月。另一方面，点5的LAI和PET全年都高于点1，说明韩江流域低纬度地区农作物生长较茂盛，LAI较大；纬度较低，太阳辐射越强，PET越大。

3.4 数据分辨率对PET的影响

3.4.1 NDVI时间分辨率的影响 采用旬NDVI，各旬气象数据采用月值，计算旬PET。无论全流域，还是不同植被，计算结果与月NDVI计算的PET具有同步性，但后者较前者大，在2-6月相差明显，其它月份则相差不多(见图5)。这是因为月NDVI是由该月各旬NDVI的最大值合成，旬NDVI是由日NDVI的最大值合成，2-6月阴雨天气多，云量明显较其它月份的大，云量对旬NDVI的影响较大，所以这段时间的旬NDVI明显小于月NDVI，相应的PET也明显较小。对于不同植被，在点4(森林)月NDVI计算的PET比旬NDVI的大75 mm/a，而在点5(农作物)月NDVI计算的PET比旬NDVI的大93 mm/a，说明NDVI时间分辨率造成的PET差异因植被类型而异。与森林植被相比，农作物随季节动态生长快(从苗期、分蘖、拔节、孕穗、乳熟、黄熟到收割)，LAI变化较快，PET对NDVI时间分辨率更为敏感。

图4 不同位置代表点LAI和PET的季节变化Fig.4 Seasonal change of LAI and PET at different sites

图5 NDVI时间分辨率对PET的影响Fig.5 Effects of NDVI temporal resolution on PET estimation

3.4.2 空间分辨率的影响 图3韩江流域PET的分辨率为1 km，与IGBP数据相同，但明显呈块状分布。为了检查这种块状分布的原因，在PET相差较大的块边界处选取植被相同的两点：点A和点B，均为常绿针叶林，相距约3.1 km。两点靠近、植被相同是为了使太阳辐射和植被类型的影响最小。A、B两点多年平均PET分别为1 090和1 251mm/a，相差达到161 mm/a。对比发现，PET“块”恰恰与CRU气象数据0.5°×0.5°网格重合。即A、B两点在CRU数据中处于相邻的两个网格，它们的气象要素大小不同，如多年平均气温分别为17.8和19.7 ℃，相差近2 ℃；多年平均水汽压和云量分别为1.77 kPa、7.06 tenth和1.92 kPa、7.03 tenth，也有一定差异。FAO-56方法为气象要素驱动力的综合反映(见下节)，在A、B两点上计算的多年平均RET分别为984和1 067mm/a，相差83 mm/a，其差别比PET小，这是因为RET是参考作物(12 cm高的全覆盖草地)的潜在蒸散发。高大的针叶林将草地参考作物所反映的气象驱动力(RET)放大了。另外，各块中有一些马赛克，这些“马赛克”与NDVI数据8 km×8 km网格重合。可见，PET“继承”了输入数据的空间分辨率。

3.5 与其它蒸散发估算方法的比较

将S-W模型(月NDVI)与Thornthwaite公式[1, 11]、FAO-56方法[3-4]比较，计算结果见表1。除点3外，PET值及其相对标准差(RSD)，Thornthwaite公式最小，FAO-56方法次之，S-W模型最大(点5的PET值与FAO-56方法几近相等，略小)。这是因为Thornthwaite公式是温度经验公式，仅考虑了单一气象因素，FAO-56方法考虑了包括温度在内的各种气象因素(如风速、水汽压、太阳辐射等)，而S-W模型不仅考虑了各种气象因素，还考虑了土地覆盖类型和植被生长过程。比较S-W模型与FAO-56方法，对于农作物(点1和点5)，两者估算值较接近；但对于森林(点2和点4)，S-W模型的计算值较FAO-56方法大；而对于草地(点3)，S-W模型的计算值又较FAO-56方法小。一方面这是因为S-W模型是双源模型，冠层结构(如植被高度、叶片宽度、郁闭度等)对计算结果有较大影响。但更主要的原因是对于不同植被，S-W模型采用不同冠层反射率，并与植被的LAI相关联，常绿针叶林和多树草地的冠层反射率相差较大，它们的最大反射率(冠层密闭区的反射率)分别为0.16和0.20[8]。反射率越大冠层吸收的太阳辐射就越少，腾发量就越小。由于全流域植被多为常绿针叶林，草地面积很少，所以在整个流域，S-W模型的估算值高于FAO-56方法。

4 S-W模型估算的PET在分布式水文模拟中的应用

以Nash-Sutcliffe效率系数ns为目标函数[15]，同时考虑模拟流量与实测流量的体积比Vol，产、汇流各阶段的水量平衡，使用试错法率定模型参数。率定期1981-1984年，验证期1985-1988年，使用来自5个水文站的实测日流量数据。水文模拟的评价指标列于表2，率定期5个站的ns都在80%以上，Vol超过90%；验证期ns稍差，除上杭站外，ns和Vol分别都超过75%和90%。BTOPMC对韩江流域的模拟有较高精度。以潮安站为例(如图6所示)，模拟和实测结果吻合良好，中小洪峰的模拟精度高，大洪峰的模拟精度相对较低。

5 结 论

S-W模型在韩江流域应用表明，潜在蒸散发不仅受气候条件影响，而且随植被类型及其生长过程而变化。与Thornthwaite公式和FAO-56方法相比，S-W模型虽然复杂，但由于其物理基础好，能够反映地表的动态变化，值得推荐。CRU气象数据集、IGBP土地覆盖、特别是反映植被形态随环境条件(如长期水分胁迫)和季节动态变化的卫星遥感NDVI，为S-W模型提供了大流域长时段的完整数据，这些数据覆盖全球范围、公开免费使用。将S-W模型估算的PET和PET0输入到分布式水文模型BTOPMC，实现了韩江流域的水文模拟。

由于CRU数据集的空间分辨率是0.5°、时间分辨率是月，AVHRR NDVI的空间分辨率是8 km，时间分辨率最大是10 d，对潜在蒸散发的估算精度有一定的影响。要实现对中小流域的精确模拟，还需寻求更高时空分辨率的气象数据和地面数据，一种可能性是采用气象站实测资料和MODIS卫星遥感数据。

表2 BTOPMC在韩江流域的模拟评价
Table 2 Evaluation of BTOPMC in Hanjiang river basin modeling %

水文站上杭溪口水口横山潮安率定期nsVol80.891.182.893.980.996.882.298.585.194.1验证期nsVol73.689.175.592.376.096.175.597.581.697.2

图6 潮安站日流量模拟过程Fig.6 Daily streamflow simulation at Chao’an station

参考文献：

[1] THORNTHWAITE C W. An approach toward a rational classication of climate[J]. Geographical Review, 1948, 38: 55-94.

[2] PENMAN H L. Natural evaporation from open water, bare soil and grass [C]//Proceedings of royal society of London. Mathematical and Physical Sciences, 1948, Series A 193: 120-146.

[3] MONTEITH J L. Evaporation and environment [C]//The state and movement of water in living organisms. Symposium of society for experimental biology. England: Cambridge University Press, 1965, 19: 205-234.

[4] ALLEN R G, PEREIRA L S, RAES D,etal. Crop evapotranspiration-guidelines for computing crop water requirements [R]. Roma: FAO Irrigation and Drainage Paper, 1998.

[5] 莫兴国, 林忠辉, 刘苏峡. 基于Penman-Monteith公式的双源模型的改进[J]. 水利学报, 2000 (5): 6-11.

[6] SHUTTLEWORTH W J, WALLACE J S. Evaporation from sparse crops-an energy combination theory [J]. Quarterly Journal of the Royal Meteorological Socciety, 1985, 111: 839-855.

[7] IRITZ Z, LINDROTH A, HEIKINHEIMO M,etal. Test of a modied Shuttleworth-Wallace estimate of boreal forest evaporation [J]. Agricultural and Forest Meteorology, 1999, 98/99: 605-619.

[8] ZHOU M C, ISHIDAIRA H, HAPUARACHCHI H P,etal. Estimating potential evapotranspiration using the Shuttleworth-Wallace model and NOAA-AVHRR NDVI to feed a distributed hydrological modeling over the Mekong River Basin [J]. Journal of Hydrology, 2006, 327: 151-173.

[9] ZHOU M C, ISHIDAIRA H, TAKEUCHI K. Estimation of potential evapotranspiration over the Yellow River basin: reference crop evaporation or Shuttleworth-Wallace? [J]. Hydrological Processes, 2007, 21(14): 1860-1874.

[10] SELLERS P J, LOS S O, TUCKER C J,etal. A revised land surface parameterization (SiB2) for atmospheric GCMs, Part II: the generation of globalelds of terrestrial biophysical parameters from satellite data [J]. Journal of Climate, 1996, 9: 706-737.

[11] WILLMOTT C J, ROWE C M, MINTZ Y. Climatology of the terrestrial seasonal water cycle [J]. Journal of Climatology, 1985, 5: 589-606.

[12] TAKEUCHI K, AO T Q. Introduction of block-wise use of TOPMODEL and Muskingum-Cunge method for the hydro-environment simulation of a large ungauged basin [J]. Hydrological Sciences Journal, 1999, 44 (4): 633-646.

[13] AO T Q. Development of a Distributed Hydrological Model for Large River Basins and Its Application to Southeast Asian Rivers [D]. Kofu, Japan: University of Yamanashi, 2001.

[14] TAKEUCHI K, HAPUARACHCHI H P, ZHOU M C,etal. A BTOP model to extend TOPMODEL for distributed hydrological simulation of large basins [J]. Hydrological Processes, 2008, 22(17): 3236-3251.

[15] NASH J E, SUTCLIFFE J V. River flow forecasting through conceptual models, Part I: A discussion of principles [J]. Journal of Hydrology, 1970, 10(3): 282-290.