汉江流域多种遥感蒸散发产品评估

姚冠泽，王卫光，李进兴

(河海大学 水文水资源与水利工程科学国家重点实验室，南京 210098)

0 引 言

实际蒸散发(ETa)是液态水转化为气态水的过程，包括土壤蒸发、植被截留和植物蒸腾。蒸散发不仅是陆面过程研究的关键参数，也是地表能量平衡与水量平衡的重要组成部分，深刻影响着气候变化、水循环及陆地生态系统水文过程。因此，准确估算ETa对于理解水文-气象过程及地球系统的交互过程都十分重要[1]。目前，获取ETa主要是通过地面观测和模型模拟[2,3]两种途径。其中，我国地面观测站点相对较少，分布稀疏，且仅在点尺度上具有一定的代表性。而模型模拟受限于模型的精度以及参数的不确定性，不能够准确地得到ETa。因此，大尺度ETa估算仍然是水循环领域的一大难题。20世纪70年代以来，随着卫星遥感技术的发展，采用遥感数据驱动蒸散发反演模型，为大尺度ETa的精确估算提供了新的可行性方法。然而，不同蒸散发反演模型采用的输入数据与计算方法均存在一定的差异，导致生产的蒸散发产品其精度在时间和空间上表现出不同程度的差异性。因此，已有国内外学者通过对蒸散发产品进行验证和应用，评估蒸散发产品在各类地区的适用性。王文[4]等将GLDAS数据模拟蒸散及蓄量变化与实测数据进行比对，结果表明两种模式的GLDAS产品均高估了中国外流区的蒸散发数据，且GLDAS-1的高估程度大于GLDAS-2；贺添等[5]利用MOD16产品分析我国2001-2010年蒸散发的时空变化，结果显示MOD16产品在我国辽河、海河、黄河和淮河流域的模拟精度较高；杨秀芹等[6]利用GLEAM产品分析了淮河流域地表蒸散发的时空分布特征，结果表明GLEAM产品在淮河流域模拟精度较高。

目前，汉江流域地表蒸散发研究主要集中在模型模拟[7]或对单一蒸散发产品进行分析[8]，而多种蒸散发产品在汉江流域的适用性仍缺乏对比研究，且通过对蒸散发产品进行偏差校正以提高产品精度的研究尚不多见。本文将目前应用较为广泛的六种蒸散发产品与GRACE水储量变化得到的水量平衡蒸散发数据进行比较，分析产品蒸散发的月变化，并利用一种偏差校正方法对蒸散发产品值进行修正，减小产品不确定性带来的分析误差，从而评估出汉江流域拟合度较高的产品，为汉江流域实际蒸散发的准确估算及水资源开发与配置提供科学依据。

1 研究区概况及数据资料

1.1 研究区概况

汉江流域位于中国中部，是长江上最大支流(106°12′～114°14′E，30°08′～34°11′N)，汉江干流全长约1 500 km，流域面积约17.4 万km2，地势西北高东南低，西部为山区，东部以平原丘陵为主。汉江流域属于亚热带季风气候区，气候温和湿润，四季分明。降水较为丰富，多年平均雨量约750～1 435 mm，年内分配极不均匀，降水主要集中在夏季，约占全年降水量的40%～50%。流域多年平均径流量为256 亿m3，流域年径流深由西向东递减，年际变化较大；径流年内分配不均，5-10月径流量占全年75%左右。流域示意图如图1所示。

图1 汉江流域示意图Fig.1 The map of Han River basin

1.2 蒸散发产品简介

本文采用的蒸散发产品主要包括3类：①诊断模型产品(Diagnostic Models)；②陆面模式产品；③再分析产品。诊断模型产品是使用遥感植被信息作为重要输入数据，并利用传统估算方法计算得到的产品。本文使用的诊断模型产品有3种，一是美国国家航空航天局(NASA)利用植被覆盖率和反照率等遥感数据，结合气象数据计算得到净辐射量，并通过Penman-Monteith算法计算得到的MODIS MOD16产品[9]；二是利用遥感数据(叶面积指数和植被覆盖指数)，结合Penman-Monteith算法，估算得到的全球尺度1982-2013年的蒸散发数据[10]；三是利用GLEAM模型，并考虑了土壤湿度对蒸散发的影响，基于Pristley-Taylor模型反演得到的日蒸散发数据[11]。陆面模式产品则选取全球陆面同化数据系统(GLDAS)中的蒸散量数据。GLDAS数据集共有两种模式，其中模式一是通过选取观测数据和卫星数据作为驱动场，驱动4种陆面模式(Mosaic、Noah、CLM、 VIC)生成的全球1979年至今的全球范围的数据集，模式二则是采用普林斯顿大学全球气象数据作为强迫场，利用Noah陆面模式驱动得到的1948-2010年的数据集[12,13]。再分析数据产品选用的是日本气象厅采用三维变分法对多种气象数据进行同化，获得了一套的从1958年开始的55年再分析产品JRA55[14]。各遥感蒸散发产品的基本情况见表1。文章计算所采用的蒸散发产品值均为面平均蒸散发值，即基于栅格面积在流域内的权重加权得到的平均值。

表1 蒸散发产品简介Tab.1 Overview of the six ET products

1.3 GRACE卫星水储量数据及其他数据

重力反演与气候试验卫星Gravity Recovery and Climate Experiment(GRACE)是2002年3月由美国国家航空航天局(NASA)和德国航天局(DLR)联合发射，并用于观测地球重力场变化的卫星。目前，德州大学空间研究中心(CSR)、美国宇航局喷气推进实验室(JPL)以及德国地学研究中心(GFZ)等多家机构都有基于GRACE重力场数据开发的全球水储量变化(TWSA)产品可供下载。所有TWSA产品均经过条带滤波及冰川均衡调整来减小反演的误差，但由于各机构在数据处理方法上有所不同，不同TWSA产品之间也存在一些差异。

由图2可以看出，虽然利用3种TWSA分别计算得到的月水储量变化(ΔS)时间趋势基本一致，相关性较高，但仍存在一定的差异。因此，为减小计算过程中的不确定性，本文采用三种产品计算得到的ΔS均值作为流域月水储量变化。

图2 2005-2012年研究区内月水储量变化Fig.2 Water storage change in the study area for 2005 to 2012

此外，本文还采用了2005-2012年的汉江流域降水和径流数据。其中，降水数据来源于中国科学院青藏高原研究所开发的0.1°×0.1°地面气象要素驱动数据集(CMFD)；径流数据来源于水文年鉴中仙桃水文站实测数据。

2 研究方法

2.1 水量平衡原理

水量平衡原理在计算封闭的流域实际蒸散发时是一种十分有效的方法。其计算公式为：

ET=P-R-ΔS

(1)

式中：P为流域面平均降水，mm/月；R为流域平均径流深，mm/月；ΔS为流域下垫面月水储量变化，mm/月。

在年尺度或多年尺度的计算中，水储量变化通常忽略不计，但在对月尺度的蒸散发进行估算时，ΔS不可忽略。因此本文采用GRACE重力卫星的水储量产品对水量平衡蒸散发(ETWB)进行估算，并以此值作为流域实际蒸散发的参考值来评估其他实际蒸散发产品的精度。

2.2 数据精度评价

本文采用统计参数包括平均值(MEAN)、均方根误差(RMSE)、偏差(BIAS)、相关系数(R)作为蒸散发产品精度检验的依据。各项指标的计算公式如下：

(2)

(3)

(4)

(5)

式中：Ai为蒸散发产品值；Bi为GRACE水储量数据所计算得到的蒸散发值；N为数据序列长度。

3 结果与分析

3.1 月蒸散发产品表现评估

2005-2012年间不同产品和参考蒸散发之间的比较结果如表2所示。其中，ETGLEAM和ETZHANG的RMSE在6种产品中最低，分别为16.17和17.78 mm/月；同时，ETZHANG的BIAS取值最小，为0.82 mm/月，ETGLEAM的R取值最大，为0.89，两种产品均表现出了与ETWB较高的拟合度。两种陆面模式产品的表现差异性较大，其中ETGNOAH1的BIAS为13.46 mm/月，而ETGNOAH2的BIAS为-9.76 mm/月，这与两种产品计算过程中的驱动气象要素数据来源不同有关。再分析数据的蒸散发值偏大，且相关性较好，为-16.69 mm/月。总体来看，诊断模型产品的表现优于陆面模式产品和再分析产品。

表2 蒸散发产品与水量平衡蒸散发(ETWB)的比较Tab.2 Comparison of different ET products and ETWB

3.2 各产品多年平均蒸散发空间分布差异

受计算方法以及模型输入数据的影响，蒸散发产品的空间分布表现出一定的差异。从图3中可以看出，除ETGNOAH1外，其他产品均表现出了相似的空间分布特性，即流域蒸散发量从中部向两边递减，这主要是由于汉江流域中部的土地覆盖类型主要以林地为主，下游则主要以种植业为主。此外，ETJRA55、ETGLEAM、ETGNOAH2的年蒸散量范围较为接近，约为500～900 mm/a，而ETMOD16的年最大蒸散发量明显高于其他产品，为1017.98 mm/a，最低值较其他产品也相对偏低；ETGNOAH1的年最低蒸散量明显高于其他产品的年最低值，主要分布在流域东部；ETZHANG的年蒸散量与其他产品差异较大，取值范围明显偏低。

3.3 蒸散发产品的偏差校正

为提高实际蒸散发产品模拟的准确性，本文采用一种基于γ累积分布函数的偏差校正方法对蒸散发数据进行修正[15]。其中，γ累积分布的计算过程如下：

图3 蒸散发产品多年平均蒸散量空间分布Fig.3 Spatial distribution of annual ET of ET products

(6)

式中：α、β分别为γ累积分布中的形状参数和尺度参数。

图4展示了6种蒸散发产品的γ累积概率分布。虚线WB-ET表示ETWB修正前的累积概率分布，实线WB-FIT则表示拟合后的γ累积概率分布，其他同理。所有产品表现出了与ETWB相似的累积概率分布曲线，曲线之间的差异主要是由于蒸散发产品与ETWB的偏差造成的。

图4 汉江流域月蒸散发值累积概率分布图Fig.4 Distribution of the monthly domain-averaged ET values from the ETWB and ET products

根据γ累积分布函数，可对蒸散发产品进行偏差校正：每一个产品蒸散发值在拟合曲线上对应的一个累积概率值，该累积概率在WB-FIT曲线上所对应的蒸散发值即为校正之后的产品蒸散发值。此过程可表述为：

(7)

为消除年际间的偏差，再利用下式进行第二步计算：

(8)

式中：ETfinal(m)为年偏差校正后的月产品蒸散发，mm/月；Pannual为年降雨量，mm/a；Rannual为年径流量，mm/a；ETcorrected(m)、ETcorrected(a)分别为月蒸散发校正量(mm/月)和年蒸散发校正量，mm/a。

3.4 校正后蒸散发产品精度评估

由图5可以看出，经过偏差校正之后，6种蒸散发产品的BIAS和RMSE均显著减小，而R2变化较小，变化幅度在0.01～0.03左右。其中，ETGNOAH1、ETGNOAH2和ETJRA55的BIAS，BIAS的变化幅度均在7 mm/月以上。3种诊断模型产品的校正变化较小，主要原因在于产品在校正前精度较高。结果表明，γ累积概率分布可以有效提高蒸散发产品精度，减小误差。

由图6可以看出，月蒸散发产品的多年变化呈现一定的规律性，即5-9月份的蒸散发活动最强，11月-次年2月的蒸散发活动较弱。校正前各产品与ETWB的差异明显，且产品之间的差异较大；经过校正后，蒸散发产品的月变化规律更为一致，在同一时刻蒸散发取值差异明显减小，且与ETWB的变化一致性显著提高。

图5 偏差校正前后蒸散发产品模拟效果对比Fig.5 Comparison of the monthly ET products with the ETWB before and after the bias correction

图6 校正前与校正后的产品月蒸散发过程Fig.6 Comparison of the monthly domain-averaged values before and after bias correction

由图7可以看出，各产品在不同月份的校正效果不同，蒸散发活动强的月份的校正效果优于蒸散发活动弱的月份。其中，ETJRA55和ETGNOAH15-9月份模拟值偏大问题均得到了明显改善；ETZHANG和ETGLEAM与ETWB校正前后均表现出与ETWB较高的相似度，除6月份但ETGLEAM的蒸散发量略高于ETZHANG外，各月的蒸散发强度基本一致。通过偏差校正，各产品的蒸散发量与变化过程更为准确。

图7 各产品多年平均月蒸散发校正前与校正后对比Fig.7 Annual variations of the domain-averaged values before and after bias correction

4 结 语

本文采用GRACE水储量变化数据，驱动水量平衡方程，得到汉江流域ETWB，并将其作为流域参考蒸散发对现有应用广泛的蒸散发产品(ETMOD16、ETZHANG、ETGLEAM、ETGNOAH1、ETGNOAH2、ETJRA55)精度进行评估。同时，利用γ累积概率分布对蒸散发产品进行偏差校正，结果表明：

(1)3种类型的蒸散发产品中，诊断模型产品的表现优于其他两类产品，陆面模式产品的均方根误差最大，再分析产品的偏差较大(但相关性较好)。而诊断模型产品中，ETGLEAM和ETZHANG与ETWB均有较高的相关性。

(2)6种产品在汉江流域的空间分布具有一定的相似性，呈现出流域中部蒸散发量高，流域两边蒸散量低的分布特性。6种产品中，ETMOD16的最大蒸散发量明显高于其他产品，ETGNOAH1的蒸散量区间整体偏大。

(3)通过γ累积概率分布，可以有效地消除产品的偏差，校正后的产品在月和年尺度上都有更好的模拟效果。其中，ETGLEAM在校正前后均表现出了与ETWB较高的拟合度，在汉江流域的表现优于其他产品。

□

参考文献：

[1] Jung M, Reichstein M, Ciais P, et al. Recent decline in the global land evapotranspiration trend due to limited moisture supply[J]. Nature, 2010,467(7318):951.

[2] 张荣华, 杜君平, 孙 睿. 区域蒸散发遥感估算方法及验证综述[J]. 地球科学进展, 2012,27(12):1 295-1 307.

[3] 孙飞飞, 许 钦, 任立良,等. BTOPMC模型蒸散发计算及径流模拟[J]. 中国农村水利水电, 2013,(12):85-88.

[4] 王 文, 崔 巍, 王 鹏. GLDAS Noah模型水文产品与中国地面观测及卫星观测数据的对比[J]. 水电能源科学, 2017,(5):1-6.

[5] 贺 添, 邵全琴. 基于MOD16产品的我国2001-2010年蒸散发时空格局变化分析[J]. 地球信息科学学报, 2014,16(6):979-988.

[6] 杨秀芹, 王国杰, 叶金印,等. 基于GLEAM模型的淮河流域地表蒸散量时空变化特征[J]. 农业工程学报, 2015,31(9):133-139.

[7] 邓志民, 张 翔, 罗 蔚. 基于MODIS的SEBAL模型在流域蒸散发反演中的应用[J]. 水电能源科学, 2012,(12):6-9.

[8] 张 静, 任志远. 基于MOD16的汉江流域地表蒸散发时空特征[J]. 地理科学, 2017,37(2):274-282.

[9] Mu Q, Zhao M, Running S W. Improvements to a MODIS global terrestrial evapotranspiration algorithm[J]. Remote Sensing of Environment, 2011,115(8):1 781-1 800.

[10] Zhang K, Kimball J S, Nemani R R, et al. A continuous satellite‐derived global record of land surface evapotranspiration from 1983 to 2006[J]. Water Resources Research, 2010,46(9):109-118.

[11] Miralles D G, Jeu R A M D, Gash J H, et al. Magnitude and variability of land evaporation and its components at the global scale[J]. Hydrology & Earth System Sciences, 2011,15(3):967-981.

[12] Rodell M, Famiglietti J S, Chen J, et al. Basin scale estimates of evapotranspiration using GRACE and other observations[J]. Geophysical Research Letters, 2004a,31(20):183-213.

[13] Rodell M, Houser P R, Jambor U, et al. The global land data assimilation system. Bull. America Meteorological Society, 2004b,85(3):381-394

[14] Kobayashi S, Ota Y, Harada Y, et al. The JRA-55 Reanalysis: General Specifications and Basic Characteristics[J]. Journal of the Meteorological Society of Japan.ser.i, 2015,93(1):5-48.

[15] Li X, Wang L, Chen D, et al. Seasonal evapotranspiration changes (1983-2006) of four large basins on the TibETan Plateau[J]. Journal of Geophysical Research Atmospheres, 2015,119(23):13 079-13 095.