秦淮河流域土地利用/覆被变化对蒸散量变化的贡献*

秦孟晟，郝 璐**，郑箐舟，金楷仑，孙 阁



秦淮河流域土地利用/覆被变化对蒸散量变化的贡献*

秦孟晟1，郝 璐1**，郑箐舟1，金楷仑1，孙 阁2

（1．南京信息工程大学江苏省农业气象重点实验室，南京，210044；2．Eastern Forest Environmental Threat Assessment Center，Southern Research Station，USDA Forest Service，Research Triangle Park，NC27606，USA）

为评估城市化造成的土地利用/覆被类型变化（Land use/cover change，LUCC）对流域尺度蒸散量变化的影响，选取长三角地区秦淮河流域为研究区，基于Landsat系列卫星数据和站点气象数据，构建决策树模型，提取2000年和2013年土地利用/覆被类型数据，同时借助SEBAL模型估算研究区四季典型日（春季：2014−05−26、夏季：2013−08−11、秋季：2013−10−14、冬季：2014−01−02）栅格尺度蒸散，探讨2000−2013年秦淮河流域主要土地利用/覆被类型间转化过程对流域尺度日蒸散量变化的贡献。结果表明：（1）相较于2000年，2013年秦淮河流域不透水面增加183.8%，而水稻田、旱地、林地和水域分别减少19.1%、10.7%、12.8%和9.5%。2000−2013年主要土地利用/覆被类型转化方向包括水稻田→不透水面、旱地→不透水面、水稻田→旱地和旱地→水稻田，转化面积分别为208、168、282和232km²；（2）仅考虑LUCC的影响，对比2000年，2013年研究区流域尺度日蒸散总量在四季典型日分别减少134万、109万、60万和5万m3。在春、夏、秋三季典型日，水稻田和旱地向不透水面转化过程造成的贡献率分别为−58.5%、−59.5%、−54.4%和−35.1%、−36.3%、−39.8%，负贡献会抵消旱地向水稻田转化过程造成的正贡献（分别为16.8%、16.3%、5.7%），导致春、夏、秋三季典型日流域尺度日蒸散量下降；而在冬季典型日，水稻田向不透水面、旱地向不透水面和水稻田向旱地转化过程造成的负贡献（分别为−48.8%、−20.5%和−31.8%）会抵消旱地向水稻田转化过程造成的正贡献（26.1%），导致冬季典型日流域尺度日蒸散量下降。总体而言，2000−2013年秦淮河流域城市化带来土地利用/覆被的显著变化，使蒸散较高的水稻田和旱地向蒸散较低的不透水面大面积转化，导致流域尺度日蒸散量在四季均呈下降趋势。

蒸散；SEBAL模型；土地利用/覆被变化；秦淮河流域；Landsat卫星影像

蒸散（Evapotranspiration）是地表能量平衡和水量平衡的重要分量，全球约60%的降水以蒸散形式消耗[1]，而以蒸散形式消耗的农业用水则超过90%[2]。近年来，由于人为影响加剧，中国农业区土地利用/覆被变化（Land use/cover change，LUCC）发生了根本性变化[3−4]，导致下垫面性质（如反照率、粗糙度、叶面积等）改变并最终使得区域尺度蒸散量变化[5]。因此，许多学者聚焦于中国农业区LUCC对区域尺度蒸散量变化的影响研究。刘朝顺等[5]指出，1987−2000年山东省北部垦利县大面积盐碱地和裸地转化为农田，导致该地区地表温度显著降低，蒸散量显著增加。1986−2006年黄土高原内罗玉沟流域坡耕地向梯田和林地大面积转变，导致流域尺度蒸散量上升[6]。王洁等[7]发现松嫩平原西部2001−2012年存在草地和农田的相互转化，草地被人为开垦成农田的地区蒸散量显著上升，而“退耕还草”政策导致的农田向草地转化地区蒸散量下降。塔里木河干流区1985−2010年上中游农田大面积扩张，导致上中游蒸散量上升；而农田扩张同时使得流域上中游水资源开发量过大，下游来水量减少，蒸散量下降[8]。唐婷等[9]指出，2000−2010年北方京津唐地区城市化建设导致不同土地利用/覆被类型均向城市用地转化，导致该地区蒸散量降低。

综上所述，当前此类研究的研究区集中于中国北部干旱半干旱地区，且大多数研究重点关注农田扩张对区域尺度蒸散量变化的影响，而对于中国湿润地区，尤其是东部沿海城市分布密集，城市化水平较高的地区研究较少。但随着社会经济的迅速发展，城市人口不断增长，城市面积不断扩张并侵占农业生产用地，灌溉农业所能获取的水资源日益萎缩，并最终导致区域地表蒸散的空间差异加剧[3’10]。以往研究多关注各土地利用/覆被类型面积变化对蒸散量变化的影响，较少定量描述不同土地利用/覆被类型间转化过程对流域尺度蒸散量变化的贡献。此外，区域尺度蒸散数据的估算方法和估算精度一定程度上限制了城市下垫面蒸散研究的开展，如MODIS 16产品分辨率为1km且缺少城市等无植被覆盖区域的数据；基于气象站点数据的研究方法难以区分城市和郊区部分蒸散量差异[11−12]；基于SWAT（Soil and water assessment tool）、HEC-HMS（Hydrologic engineering center-hydrologic modeling system）等水文模型的研究重点关注LUCC对径流的影响，而很少关注LUCC对蒸散变化的影响[13−14]。因此，为了获得精确可靠的流域尺度蒸散数据，本研究采用基于遥感数据的SEBAL（Surface energy balance algorithm for land）模型估算秦淮河流域栅格尺度蒸散[15]。该模型具有坚实的物理基础，且需要参数较少，自提出后已被成功运用于30多个国家的不同生态系统中，其在区域尺度上日和季节精度分别达到85%和95%[16]。

秦淮河流域位于中国南方湿润区，为经济发展水平较高、城市化进程迅速的长江三角洲典型流域[17]。21世纪初，该流域内农业用地占主导地位，水稻田和旱地面积占比达70%，但随着城市化进程的加速，流域内不透水面的迅速扩张导致农业用地迅速减少[18]。已有研究表明，近年来秦淮河流域内频发的水旱灾、城市热岛、城市干岛和暴雨洪水等一系列生态环境问题，与下垫面土地利用/覆被类型和地表景观格局的变迁密切相关[14,19−20]。因此，本研究选取秦淮河流域为研究区，基于Landsat系列卫星数据和站点气象数据，构建决策树模型提取土地利用/覆被类型数据，同时采用SEBAL模型估算该研究区栅格尺度蒸散，并探讨2000−2013年秦淮河流域LUCC对不同季节流域尺度日蒸散量变化的贡献。在城市和农业用地矛盾日益尖锐的背景下，以期为流域土地利用的合理规划提供科学依据，为流域尺度农业水资源管理、生态环境整治和社会经济的协调发展提供理论基础。

1 资料与方法

1.1 数据来源

秦淮河流域（118°30′−119°19′E，31°34′−32°10′N）位于江苏省西南部，地形为完整的构造盆地，海拔0−417m，四面环山，中间低平。属亚热带季风气候，具有冬暖夏热，雨热同期，光照充足等特点[21−22]。流域多年平均降水量为1116mm，且70%集中在生长季，多年平均日照时数为2240h，日平均温度为15.6℃[19]。

数据资料包括：（1）30m×30m分辨率的影像数据来源于地理空间数据云（http://www.gscloud.cn/），Path/Row为120/38的2000年9月16日Landsat7 ETM+数据，2013年8月11日（代表夏季）、2013年10月14日（代表秋季）、2014年1月2日（代表冬季）和2014年5月26日（代表春季）Landsat8 OLI数据，用于提取秦淮河流域相应时段土地利用/覆被和蒸散数据；（2）30m×30m分辨率高程数据（DEM）来源于NASA Land Processes Distributed Active Archieve Center（https://lpdaac.usgs.gov/da ta_access/ data_pool），用于辅助提取土地利用/覆被类型数据；（3）气象数据来源于国家气象数据共享服务网（http:// cdc.cma.gov.cn）和江苏省气象局，包括南京站、句容站、溧水站和浦口站的地面常规气象资料（日最高气温、日最低气温、日平均气温、风速、日照时数等），用于估算日尺度净辐射（Rnd）。

1.2 土地利用/覆被数据提取

基于2000−09−16和2013−08−11两景遥感影像数据，使用ENVI（Environment for Visualizing images）平台的决策树分类模块提取2000年和2013年土地利用/覆被数据。决策树分类法作为人工智能遥感信息主要提取方法之一，具有灵活、直观、清晰的结构和很高的运算效率[23−24]。

（1）选取训练样本

训练样本的选取直接关系到分类结果精度，是决策树分类的关键步骤。根据目视解译结果和研究需要建立秦淮河流域土地利用/覆被分类系统，具体将该流域分为水域、不透水面、林地、旱地和水稻田五类。根据主成分分析、波段组合等增强处理结果，对各土地利用/覆被类型进行采样，保证每类土地利用/覆被的样本点不少于200个且在流域内均匀分布。

（2）确定特征变量

光谱响应特征是多光谱遥感影像进行地物识别最基本的要素，但因为存在“同物异谱、异物同谱”情况，依据单一通道的光谱响应特征进行土地利用/覆被类型分类不能达到令人满意的效果[23]。因此，除影像数据的6个波段（不考虑热红外波段）和DEM数据外，还引入归一化建筑指数（NDBI）、改进的归一化水体指数（MNDWI）、归一化植被指数（NDVI）和影像K-T变换后的绿度指数（Greeness）等特征变量，用于辅助提取土地利用/覆被类型数据。其中

NDBI=(MIR−NIR)/(MIR+NIR) （1）

MNDWI=(Green−MIR)/(Green+MIR) （2）

NDVI=(NIR−R)/(NIR+R) （3）

式中，MIR为中红外波段，NIR为近红外波段，Green为绿光波段，R为红光波段。

K-T变换是一种线性变换，其公式为

Y=BX （4）

式中，X为变换前多光谱空间的像元矢量，Y为变换后的新坐标空间的像元矢量，B为变化矩阵。基于ENVI平台的K-T变换模块进行计算，变换后的第二个变量为Greeness，能反映地表植被覆盖和叶面积指数情况，用于辅助区分植被与非植被地物。

（3）构建决策树模型提取土地利用/覆被类型数据

根据各土地利用/覆被类型训练样本提取不同特征变量样点，依次对比不同特征变量中各类土地利用/覆被样点的光谱亮度值大小，构建决策树模型。不透水面NDBI值大于0，而Greenness小于其它地类，易于提取。同样，水域因MNDWI大于0，band4+ band5光谱亮度值低于其它地类，易于提取。而仅根据NDVI无法区分林地、旱地和水稻田，但秦淮河流域特有的盆地结构导致这三类土地利用/覆被类型DEM差异明显。林地NDVI值明显高于旱地，且DEM明显高于平坦地区的水稻田，故根据林地NDVI与DEM均较大的特点可提取林地。在余下的水稻田和旱地混合区，根据水稻田NDVI高于旱地，但DEM却低于旱地的特点提取水稻田地区。由此得到土地利用/覆被类型数据的初步结果。使用ENVI平台土地利用分类模块下Majority和Minority分析、聚类和过滤处理去除初步结果中的小斑块，得到秦淮河流域2000年和2013年土地利用/覆被类型数据。

使用ENVI平台精度评价模块检验土地利用/覆被结果精度，采用随机抽样方法，选取500个样点，借助实地考察和不同来源的与土地利用相关的图片文件（如不同时期地图和土地利用规划图），计算2000年和2013年分类结果的总体精度和Kappa系数。2000年两项评价指标分别为91.3%和0.89，2013年两项评价指标分别为89.1%和0.88，表明结果精度较高，能够满足该研究需要。

利用2000年和2013年土地利用/覆被类型数据，建立2000−2013年秦淮河流域土地利用转移矩阵，进一步分析各土地利用/覆被类型转入和转出面积，并确定各土地利用/覆被类型间主要转化方向。

1.3 蒸散量计算

1.3.1 潜热通量

SEBAL模型的基本原理是根据地表能量平衡方程，使用余项法计算潜热通量（λET），再通过时间尺度扩展得到日尺度蒸散数据，其中某时刻的地表能量平衡方程为

λET = Rn− G − H （5）

式中，Rn为到达地表的净辐射通量（W·m−2）；G为土壤热通量（W·m−2）；H为感热通量（W·m−2）；λET为潜热通量（W·m−2），λ为水的汽化潜热，即温度不变时，单位质量液态水汽化所吸收的热量，单位为J·kg−1，ET为蒸散速率（kg·m−2·s−1）。

（1）净辐射Rn

Rn由经验公式计算得到[15]

Rn=(1−α)Kin+(Lin−Lout)−(1−ε0)Lin（6）

Kin=Gsccosθdrτsw（7）

（2）土壤热通量G

土壤热通量（G）采用与Ts、Rn、α、NDVI有关的经验公式估算[26]，即

（3）感热通量H

感热通量（H）指由于传导和对流作用散失到大气中的能量[27]，采用迭代法计算。

式中，ρa为空气密度（kg·m−3）；Cp为空气定压比热容（取1004J·kg−1·K−1）；dT为高度Z1与Z2处温差，一般Z1取0.01m，Z2取2m；rah为空气动力学阻抗，采用Bastiaanssen[15]提出的经验公式计算。

dT与Ts满足线性关系dT=aTs+b，其中a、b的计算需要在影像中选取“冷热”像元。“热点”指Ts很高，ET几乎为0的像元，可从无植被覆盖、干燥闲置地表或盐碱地选择。该研究从干燥裸露的旱地像元中选择“热点”，其满足H ≈ Rn－G，λET ≈ 0。“冷点”指影像中水分供应充足、植被生长茂盛、Ts很低、处于潜在蒸散水平的像元，可从植被长势良好并完全覆盖的区域和开放水体选取，“冷点”满足λET ≈ Rn−G，H ≈ 0。通过计算“热点”与“冷点”的dT，可以获得所有像元的dT值。

因为近地层大气极不稳定，SEBAL模型引入Monin-Obukhov定律，通过多次迭代修正空气动力学阻抗，直至得到稳定的H值。

（4）潜热通量λET

通过以上公式得到的Rn、G和H，将其带入式（5），即可得到λET。

1.3.2 日蒸散速率

以上基于ETM+/OLI数据计算得到各像元的能量通量，均为瞬时值，要计算不同土地利用/覆被类型日蒸散速率（ETd）需要引入蒸发比的概念，蒸发比为

式中，Λ为各像元在影像成像时的瞬时蒸发比。研究表明，蒸发比在一天内基本保持不变[28]，但各像元因吸收辐射不同，蒸发比也不同；经计算，该研究区流域尺度蒸发比在四季典型日分别约为0.52（春）、0.56（夏）、0.39（秋）和0.21（冬）。因此，根据蒸发比的概念

式中，λETd为日潜热通量；Λd为日尺度蒸发比；Rnd为日净辐射通量，由FAO推荐的经验公式计算[29]；Gd为日尺度土壤热通量，日间热量从地表向土壤传输，土壤热通量为正值，夜间热量从土壤向地表传输，土壤热通量为负值，且两者数值相当，故其在日尺度为0，可忽略不计[29]。通过蒸发比在日尺度上几乎恒定这一特性可以反推出各像元的ETd，即

式中，ETd单位为kg·m−2·s−1，实际应用中ETd单位为mm·d−1，由水的密度可知mm·d−1即kg·m−2·d−1，与式（18）中ETd仅时间单位不同。一日24h可换算为86400s，将λ单位改为MJ·J−1，故

式中，ETd单位为mm·d−1，λ取2.45MJ·J−1。

根据式（19）可获得流域尺度ETd栅格数据。利用2013−08−11（代表夏季）、2013−10−14（代表秋季）、2014−01−02（代表冬季）和2014−05−26（代表春季）遥感影像数据，采用SEBAL模型估算四季典型日流域尺度ETd栅格数据。结合土地利用/覆被数据，即可获得2013−2014年四季典型日各土地利用/覆被类型单位面积ETd（mm·d−1）。

1.3.3 流域尺度日蒸散总量体积计算

以夏季为例，基于式（19）模型结果和GIS（Geography information system）平台得到夏季典型日（2013−08−11）5种土地利用/覆被类型单位面积ETd，故夏季典型日流域尺度日蒸散总量体积为

式中，ETbasin为2013年夏季典型日流域尺度日蒸散总量体积（mm3·d−1，即10−9m³·d−1）；i=1、2…5分别代表水域、旱地、林地、不透水面和水稻田，故ETd,1、ETd,2、ETd,3、ETd,4和ETd,5分别为2013年夏季典型日水域、旱地、林地、不透水面和水稻田单位面积ETd（mm·d−1）；S1、S2、S3、S4和S5分别为2013年水域、旱地、林地、不透水面和水稻田面积（mm²）。以此类推，通过式（20）可以得到春、秋、冬三季典型日流域尺度日蒸散总量体积。

1.4 LUCC对流域尺度蒸散量变化的贡献计算

气候变化和LUCC是导致流域尺度蒸散量变化的主要原因[30]，当前水文气象研究中分离气候变化贡献和LUCC贡献的常用方法是设置合理情景，即假设研究时段内土地利用/覆被类型未变化，计算气候变化贡献；或假设气候条件未变化，计算LUCC贡献[31]。Landsat系列卫星16d过境一次，故大面积区域不同年份同一日序的遥感影像难以获取。因此，李宝富等[8]指出，在基于Landsat系列卫星数据和SEBAL模型的研究中，假设不同土地利用/覆被类型单位面积ETd在研究时段内未发生变化，即认为研究时段末期各土地利用/覆被类型单位面积ETd与研究时段初期各土地利用/覆被类型单位面积ETd相等，以排除影像质量影响和成像过程中大气条件不同造成的干扰。

此外，在分析LUCC对流域尺度蒸散量变化的贡献时，不能仅仅关注各土地利用/覆被类型面积数值上的变化，因为此数值只代表该土地利用/覆被类型在研究时段的变化趋势和变化面积大小，并不能揭示该土地利用/覆被类型和其余土地利用/覆被类型间转入和转出过程。王洁等[7]发现，2001−2012年松嫩平原西部农田面积增加143.3km²，但其余土地利用/覆被类型转入农田面积达到189.9km²，水田转出面积为46.6km²。不同土地利用/覆被类型单位面积ETd差值大小也会影响计算结果，如某类单位面积ETd很高的土地利用/覆被类型转化为单位面积ETd较低的土地利用/覆被类型时，虽转化面积较小，但其对流域尺度蒸散量变化的贡献会较大。因此，在计算LUCC对流域尺度蒸散量变化的贡献时，不能完全独立地考虑单个土地利用/覆被类型面积变化的影响，而需要考虑不同土地利用/覆被类型间相互转化面积和不同土地利用/覆被类型间单位面积ETd差异对流域尺度蒸散量变化的影响。

（1）四季典型日流域尺度日蒸散总量体积变化计算

根据以上说明，参考李宝富等[8]在塔里木河干流区研究方案，假设秦淮河流域2013−2014年四季典型日各土地利用/覆被类型单位面积ETd与2000年对应日序的土地利用/覆被类型单位面积ETd相等，可计算四季典型日流域尺度日蒸散总量体积变化。以夏季典型日为例

式中，ΔETbasin为2000−2013年夏季典型日流域尺度日蒸散总量体积变化（mm3·d−1，即10−9m³·d−1）；i=1、2…5分别代表水域、旱地、林地、不透水面和水稻田，故ETd1,2013、ETd2,2013、ETd3,2013、ETd4,2013、ETd5,2013为2013年夏季水域、旱地、林地、不透水面和水稻田单位面积ETd（mm·d−1），ETd1,2000、ETd2,2000、ETd3,2000、ETd4,2000、ETd5,2000为2000年夏季水域、旱地、林地、不透水面和水稻田单位面积ETd（mm·d−1），因假设情景中各土地利用/覆被类型单位面积ETd在2000−2013年未变化，故ETd1,2000、ETd2,2000、ETd3,2000、ETd4,2000、ETd5,2000数值取2013夏季水域、旱地、林地、不透水面和水稻田单位面积ETd值；S1,2000、S2,2000、S3,2000、S4,,2000和S5,2000分别为2000年水域、旱地、林地、不透水面和水稻田面积（mm²）；S1,2013、S2,2013、S3,2013、S4,2013和S5,2013分别为2013年水域、旱地、林地、不透水面和水稻田面积（mm²）。以此类推，可以得到春、秋、冬三季典型日流域尺度日蒸散总量体积变化。

（2）四季典型日不同土地利用/覆被类型间转化过程对流域尺度日蒸散量变化贡献的计算

利用2000−2013年秦淮河流域土地利用/覆被转移矩阵和各土地利用/覆被类型单位面积ETd，计算各土地利用/覆被类型间转化过程对流域尺度日蒸散量变化的贡献。以计算水稻田转化为不透水面过程对夏季典型日流域尺度日蒸散量变化的贡献率为例。

式中，ETRice→Built为2000−2013年水稻田转化为不透水面地区在夏季典型日日蒸散总量体积变化（mm3·d−1，即10−9m³·d−1）；ETdBuilt,2013为2013年夏季典型日不透水面单位面积ETd（mm·d−1），ETdRice,2000为2000年夏季典型日水稻田单位面积ETd（mm·d−1），同样，因假设情景中各土地利用/覆被类型单位面积ETd在2000−2013年未变化，故ETdRice,2000数值取2013年夏季典型日水稻田单位面积ETd值；SRice→Built为2000−2013年水稻田转化为不透水面地区面积（mm²）；CRice→Built为2000−2013年水稻田向不透水面转化过程对夏季典型日流域尺度日蒸散量变化贡献率；|△ETbasin|为2000−2013年夏季流域尺度日蒸散总量体积变化（mm3·d−1，即10−9m³·d−1）的绝对值。以此类推，可以得到不同土地利用/覆被类型间转化过程对夏季典型日流域尺度日蒸散量变化的贡献率。同样，可以用于计算各土地利用类型/覆被类型间转化过程对春、秋、冬三季典型日流域尺度日蒸散量变化贡献率。

2 结果与分析

2.1 流域土地利用/覆被变化分析

利用2000−09−16和2013−08−11两景影像数据得到2000年和2013年土地利用/覆被类型数据，结果见图1。由图可见，秦淮河流域占地面积最大是水稻田，其次为旱地，而水域占地面积最小。对比图1a与图1b可见，与2000年比较，2013年不透水面明显扩大，特别是流域西北地区的南京市江宁区，以及流域东部和南部的句容市和南京市溧水区，水域和林地面积变化不大，水稻田范围明显减小。据统计（图2），不透水面是唯一增加的土地利用/覆被类型，增加幅度达183.8%；其余4种土地利用/覆被类型面积均下降，其中水稻田减少最多，减少幅度达到19.1%；旱地和林地面积减少幅度分别为10.7%和12.8%；水域减少幅度最小，为9.5%。

图1 2000−09−16（a）和2013−08−11（b）两景Landsat ETM+/OLI影像数据中提取的秦淮河流域土地利用/覆被结果

利用2000年和2013年土地利用/覆被类型数据，建立2000−2013年秦淮河流域土地利用/覆被类型变化转移矩阵，结果见表1。由表可见，秦淮河流域不透水面的面积由2000年198km2增至2013年562km2，其中有160km²的不透水面在2000−2013年未发生变化；而转入面积达402km2，分别由水稻田、旱地、林地和水域转入208、168、17和9km²；不透水面2000−2013年转出面积为38km²，分别有2、2、10和24km²的不透水面转化为水域、林地、旱地和水稻田。水稻田面积由2000年的1197km²减至2013年的968km²，有687km²的水稻田在研究时段内未发生改变；水稻田转入面积达281km²，其中232km²由旱地转化而来，水域、不透水面、林地向水稻田转入面积较小，分别为24、24和1km²；2000−2013年水稻田转出面积为510km²，主要转出方向为不透水面和旱地，分别达到208和282km²，而向水域和林地分别转出18和2km²。与水稻田类似，旱地面积由2000年的737km²减至2013年658km²，有318km²旱地在2000−2013年未发生改变；由水域、不透水面、林地和水稻田转化为旱地的面积分别为3、10、45和282km²；而分别有7、168、12和232km²的旱地转化为水域、不透水面、林地和水稻田。林地面积由2000年的367km²减至2013年的320km²，其中303km²的林地区域在2000−2013年未改变；而转入部分分别有1、2、12和2km²的水域、不透水面、旱地和水稻田；转出部分分别有1、17、45和1km²的水域、不透水面、旱地和水稻田。水域减少面积最小，由2000年的95km2减至2013年的86km2，其中58km2的水域未发生改变；转入部分主要来自于水稻田，为18km2，其余部分分别由2、1和7km2的不透水面、林地和旱地转化而来；水域在2000−2013年转出方向主要为水稻田和不透水面，分别为24和9km2，转化为林地和旱地的部分分别为1和3km2。

图2 秦淮河流域5种土地利用/覆被类型在2000−2013年的变化幅度

表1 秦淮河流域2000−2013年土地利用/覆被类型变化转移矩阵（km2）

综上所述，秦淮河流域2000−2013年LUCC主要表现为不透水面迅速扩张，水稻田和旱地显著减少，林地和水域减少面积较小。各土地利用/覆被类型间主要转换方向为水稻田和旱地向不透水面转化，分别达到208和168km2，水稻田与旱地两者之间相互转化，其中水稻田向旱地转化282km2，旱地向水稻田转化232km2。转化面积较大的过程会对流域尺度日蒸散量变化造成较大影响。

2.2 四季典型日不同土地利用/覆被类型日蒸散量对比

秦淮河流域四季气候条件差异较大，且因“稻麦轮作”制度使得各季节农田下垫面水分条件不同，导致同一土地利用/覆被类型ETd在不同季节差异较大。因此，分析LUCC对流域尺度日蒸散量变化贡献需分季节计算，且需要准确估算四季典型日各土地利用/覆被类型单位面积ETd值。

利用四季典型日（春季：2014−05−26、夏季：2013−08−11、秋季：2013−10−14、冬季：2014−01−02）的四景遥感影像数据，借助SEBAL模型得到四季典型日ETd栅格数据，结果见图3。由图可见，秦淮河流域春夏两季典型日蒸散旺盛，其次为秋季典型日，冬季典型日蒸散水平较低。具体而言，秦淮河流域春、夏两季典型日流域尺度ETd分别为7.3mm·d−1和7.9mm·d−1，秋季为3.7mm·d−1，冬季仅1.6mm·d−1。使用GIS空间统计工具，得到四季典型日各土地利用/覆被类型单位面积ETd（图4）。由图4可见，同一土地利用/覆被类型上单位面积ETd在不同季节典型日的差异较大。具体而言，不透水面单位面积ETd在夏季典型日最大，达到5.2mm·d−1，春秋两季典型日分别为4.5和2.0mm·d−1，冬季典型日仅0.8mm·d−1；旱地单位面积ETd在春夏两季典型日均超过7mm·d−1，秋季减至3.5mm·d−1，而在冬季仅1.1mm·d−1；水稻田在春夏两季存在人为灌溉，故其在春夏两季典型日的单位面积ETd达到8.3和8.4mm·d−1，秋季为3.6mm·d−1，冬季水稻田地表无作物种植，单位面积ETd减至1.2mm·d−1；该流域林地为落叶阔叶和常绿阔叶混交林，春夏两季植被覆盖度高，单位面积林地ETd分别为9.3和8.8mm·d−1，秋冬两季植被覆盖度下降，单位面积林地ETd减至4.3和1.2mm·d−1；水域地区能量几乎全部以潜热通量形式导出，故单位面积水域ETd较大，在春夏两季典型日超过9mm·d−1，秋季降至4.8mm·d−1，冬季仅2.3mm·d−1。综上所述，秦淮河流域同一土地利用/覆被类型单位面积ETd在不同季节差异较大，尤其在蒸散旺盛的夏季与蒸散水平较低的冬季。这会导致LUCC对流域尺度日蒸散量变化的贡献在不同季节有所差异。

2.3 LUCC对四季典型日流域尺度日蒸散量变化的贡献分析

2.3.1 典型日流域日蒸散总量变化

利用秦淮河流域2000年和2013年土地利用/覆被类型数据（图1）及四季典型日各土地利用/覆被类型单位面积ETd数据（图4），得到2000−2013年秦淮河流域四季典型日流域尺度日蒸散总量的变化，结果见图5。由图可见，2000−2013年研究区流域尺度日蒸散总量在四季典型日均下降，在春季典型日下降13.4×105m3，夏季下降10.9×105m3，秋季下降6.0×105m3，冬季典型日的减量最小，仅0.5×105m3。

图4 四季典型日各土地利用/覆被类型单位面积日蒸散量（ETd）

图5 与2000相比，2013年四季典型日流域尺度日蒸散总量变化量

2.3.2 典型日覆被转化地区日蒸散总量变化

基于2000−2013年土地利用/覆被类型变化转移矩阵（表1），对转化面积较大的土地利用/覆被类型间转化方向，包括水稻田向不透水面、旱地向不透水面、水稻田向旱地、旱地向水稻田转化地区日蒸散总量变化进行研究。林地向不透水面转化地区面积虽较小，但两者间单位面积ETd差值较大，导致这部分地区日蒸散总量变化也较大。利用上述5类转化地区面积（表1）和四季典型日各土地利用/覆被类型单位面积ETd值（图4），得到2000−2013年四季典型日水稻田向不透水面、旱地向不透水面、水稻田向旱地、旱地向水稻田和林地向不透水面转化地区日蒸散总量变化，结果见图6。由图可见，仅旱地向水稻田转化地区日蒸散总量变化为正，即表现为增加，其余4个转化地区日蒸散总量变化均为负值，即表现为减少，其中以水稻田向不透水面转化地区下降最多，其次为旱地向不透水面和水稻田向旱地转化地区，林地向不透水面转化地区日蒸散总量下降最少。具体而言，旱地单位面积ETd小于水稻田，故旱地向水稻田转化地区日蒸散总量上升，在春季典型日达到2.3×105m3，在夏季典型日为1.8×105m3，在秋季和冬季典型日分别降低至0.3×105m3和0.1×105m3。在ETd较高的水稻田向ETd较低的不透水面转化地区，其日蒸散总量在春季典型日下降7.9×105m3，夏季下降6.5×105m3，秋季下降3.2×105m3，冬季减量仅0.3×105m3；与水稻田地区相比，旱地单位面积ETd更接近不透水面（图4），且其向不透水面转化面积较水稻田少40km2（表1），故此类转化地区日蒸散总量的减量低于水稻田向不透水面转化地区，其在春季和夏季典型日分别为4.7×105m3和 4.0×105m3，秋季减量降至2.4×105m3，而冬季减量仅0.1×105m3。水稻田向旱地转化地区虽面积较大（表1），但单位面积水稻田ETd与单位面积旱地ETd差值较小（图4），其日蒸散总量在春季和夏季典型日下降2.7×105m3和2.2×105m3，秋季下降0.4×105m3，冬季仅下降0.2×105m3。单位面积林地和不透水面的ETd差值较大（图4），但林地向不透水面转化面积较小（表1），故此类转化地区日蒸散总量的减量在四季典型日均小于1×105m3，分别为0.8×105m3、0.6×105m3、0.4×105m3和0.03×105m3。

图6 与2000年相比，2013年四季典型日主要土地利用/覆被类型间转化地区日蒸散总量变化

2.3.3 覆被转化过程的贡献

利用四季典型日流域尺度日蒸散总量变化（图5）和主要土地利用/覆被类型间转化地区的日蒸散总量变化（图6），得到四季典型日主要土地利用/覆被类型间转化过程对流域尺度日蒸散量变化的贡献率，结果见图7。由图可见，旱地向水稻田转化过程对流域尺度日蒸散量变化贡献为正，其余四类转化过程贡献均为负，且水稻田向不透水面转化过程的负贡献最大，其次为旱地向不透水面转化过程和水稻田向旱地转化过程，林地向不透水面转化过程的负贡献最小。旱地单位面积ETd小于水稻田，故旱地向水稻田转换过程对流域尺度日蒸散量变化贡献为正，在春季和夏季典型日贡献率分别为16.8%和16.3%，秋季典型日降至5.7%，冬季典型日各土地利用/覆被类型间单位面积ETd差值较其它季节变小，使各类转化过程的贡献率受转化面积影响变大，故旱地向水稻田转化过程贡献率在冬季典型日增加至26.1%。水稻田单位面积ETd大于不透水面，导致水稻田向不透水面转化过程贡献率为负，且因两者单位面积ETd差值和转化面积均较大（表1），故其贡献率较大，在春夏秋三季典型日贡献率均超过50%，分别为−58.5%、−59.5%和−54.4%，在冬季典型日贡献率降低，为−48.8%。旱地向不透水面转化面积（表1）和两者单位面积ETd差值（图4）均小于水稻田向不透水面转化过程，故其贡献率低于水稻田向不透水面转化过程，在春秋两季典型日分别为−35.1%和−36.3%，在秋季典型日变为−39.8%，在冬季典型日为−20.5%。水稻田向旱地转化面积较大（表1），但两者单位面积ETd差值很小（图4），故此类转化过程贡献率低于水稻田和旱地向不透水面转化过程，但同样为负贡献，春夏两季典型日分别为−20.5%和−19.8%，秋季为−6.9%，冬季典型日因各土地利用/覆被类型间单位面积ETd差值较其余季节变小，使此类转化过程贡献率在冬季典型日增加至−31.8%。林地和不透水面单位面积ETd间差值较大（图4），但因林地向不透水面转化面积很小（表1），导致此类转化过程贡献率较小，在四季典型日分别为−6.0%、−5.5%、−6.5%和−6.4%。

图7 2000−2013年四季典型日主要土地利用/覆被类型间转化过程对流域尺度蒸散量变化的贡献率

综上所述，2000−2013年单位面积ETd较低的旱地转化为单位面积ETd较高的水稻田，使此类转化地区日蒸散总量上升，对流域尺度日蒸散量变化贡献为正。但其余4类主要转化过程，包括水稻田向不透水面、旱地向不透水面、水稻田向旱地和林地向不透水面，均为单位面积ETd较高的土地利用/覆被类型转化为单位面积ETd较低的类型，导致其转化地区日蒸散总量下降，对流域尺度日蒸散量变化贡献为负。总体来说，水稻田和旱地向不透水面转化是导致四季典型日流域尺度日蒸散量下降的主要原因。

3 结论与讨论

3.1 结论

（1）受城市化影响，秦淮河流域土地利用/覆被类型在2000−2013年发生了显著变化：不透水面迅速扩张（增加183.8%），导致水稻田、旱地、林地和水域面积分别减少19.1%、10.7%、12.8%和9.5%。其中水稻田和旱地向不透水面转入面积分别为208和168km²，水稻田和旱地之间的相互转化面积也较大，研究时段内水稻田向旱地转入282km²，旱地向水稻田转入232km²。

（2）秦淮河流域LUCC对流域尺度蒸散量变化有显著影响，通过情景假设排除影像质量和成像时大气条件干扰后，对比2000年，2013年流域尺度日蒸散总量在四季典型日分别下降134万、109万、60万和5万m3。

（3）2000−2013年水稻田和旱地向不透水面的大面积转化是导致流域尺度蒸散量下降的主要原因。其中水稻田向不透水面转化过程对流域尺度蒸散量变化的负贡献较大，其在四季典型日的贡献率分别为−58.5%、−59.5%、−54.4%、−48.8%。旱地向不透水面转化过程对流域尺度蒸散量变化的负贡献略低，四季典型日分别为−35.1%、−36.3%、−39.8%、−20.5%。

3.2 讨论

近几十年，中国大部分城市经历了前所未有的扩张[32]。伴随着快速城市化进程，土地利用/覆被发生了显著变化，进而对流域蒸散过程造成显著影响[33]。本研究表明，秦淮河流域2000−2013年城市化进程迅速，LUCC主要表现为农业用地（水稻田和旱地）向不透水面大面积转化，导致流域尺度日蒸散量在不同季节均呈下降趋势。这与已有的部分研究结果一致，王静等[34]以南京市为例，探讨城市化对地表水文过程的影响，并指出城市化建设使天然透水区大量被不透水面区域替代，导致地表蒸散量减少；郑璟等[33]发现1980−2005年深圳市布吉河流域不透水面迅速扩张，耕地、林地等植被覆盖地表面积迅速减少，导致流域尺度蒸散量减少42.09%；唐婷等[9]在京津唐地区的研究发现，2000−2010年京津唐地区城市扩张导致各土地利用/覆被类型向不透水面转化，区域尺度蒸散量随之下降。但上述研究均未讨论和定量描述不同土地利用/覆被类型间转化过程对区域尺度蒸散量变化的贡献。在社会经济迅速发展的背景下，中国城市化水平会进一步提高，城市地区的持续扩张难以避免[35]，阐明不同土地利用/覆被类型向不透水面转化过程对区域尺度蒸散量变化的贡献，可以为平衡城市用地扩张、耕地保护和节水农业发展提供理论依据，同时可以帮助协调和解决土地利用与水旱灾防御之间的矛盾。

SEBAL模型物理概念清晰，理论基础坚实，是目前利用遥感数据估算区域蒸散信息较好的一种模型[36]。但该模型自身仍存在一定的不足，如受影像质量的影响较大，只能选取晴空无云数据；在感热计算中对“热点”和“冷点”的选择主观性较强，尤其是“热点”选取需经过多次选择比较；模型参数的计算过程中使用经验公式较多；大气校正较为简单等均在一定程度增加了模型结果的不确定性。因此，还需进一步改进模型算法，验证模型中经验公式的区域适用性，以及寻找更加科学的“冷热”像元选取方法。

[1] 苏布达,周建,王艳君,等.全球升温1.5℃和2.0℃情景下中国实际蒸散发时空变化特征[J].中国农业气象,2018,39(5): 293-303.

Su B D,Zhou J,Wang Y J,et al.Spatial and temporal variation of actual evapotranspiration in China under the 1.5℃ and 2.0℃ global warming scenarios[J].Chinese Journal of Agrometeorology,2018,39(5):293-303.(in Chinese)

[2] 冯禹,龚道枝,王罕博,等.基于双作物系数的旱作玉米田蒸散估算与验证[J].中国农业气象,2017,38(3): 141-149.

Feng Y,Gong D Z,Wang H B,et al.Estimating rainfed maize evapotranspiration using the FAO dual crop coefficient method on the Loess Plateau[J].Chinese Journal of Agrometeorology,2017,38(3):141-149.(in Chinese)

[3] 张小伟,何月,蔡菊珍,等.基于GIS的浙江省土地利用/覆盖与地表温度的关系[J].中国农业气象,2010, 31(2):295-299.

Zhang X W,He Y,Cai J Z,et al.GIS-based analysis on the relationship between land use/cover and land surface temperature in Zhejiang province[J].Chinese Journal of Agrometeorology,2010,31(2):295-299.(in Chinese)

[4] 马克明,傅伯杰,郭旭东.农业区城市化对植物多样性的影响:遵化的研究[J].应用生态学报,2001,(6):837-840.

Ma K M,Fu B J,Guo X D.Impact of urbanization in rural areas on plant diversity:a case study in Zunhua City[J]. Chinese Journal of Applied Ecology,2001,(6):837-840.(in Chinese)

[5] 刘朝顺,高志强,高炜.基于遥感的蒸散发及地表温度对LUCC响应的研究[J].农业工程学报,2007,23(8):1-8.

Liu C S,Gao Z Q,Gao W.Retrieval evapotranspiration and land surface temperature in response to land use /cover change based on remote sensing data[J].Transactions of the CSAE,2007,23(8):1-8.(in Chinese)

[6] 张殿君,张学霞,武鹏飞.黄土高原典型流域土地利用变化对蒸散发影响研究[J].干旱区地理,2011,34(3):400-408.

Zhang D J,Zhang X X,Wu P F.Relationship between ET and LUCC in a typical watershed of Loess Plateau over the past 20 years[J].Arid Land Geography,2011,34(3):400-408.(in Chinese)

[7] 王洁,董刚,张峰.松嫩平原西部气候和土地利用变化对蒸散的影像[J].山西大学学报(自然科学版),2015,38(2):375-384.

Wang J,Dong G,Zhang F.Effects of climatic change and land use/cover change on evapotranspiration in the western Songnen Plain of northeast China[J].Journal of Shanxi University (Nat.Sci.Ed.),2015,38(2):375-384. (in Chinese)

[8] 李宝富,陈亚宁,李卫红,等.基于遥感和SEBAL模型的塔里木河干流区蒸散发估算[J].地理学报,2011,66(9):1230- 1238.

Li B F,Chen Y N,Li W H,et al.Remote sensing and the SEBAL model for estimating evapotranspiration in the Tarim River[J].Journal of Geography Science,2011,66(9):1230-1238. (in Chinese)

[9] 唐婷,冉圣宏,谈明洪.京津唐地区城市扩张对地表蒸散发的影响[J].地球信息科学学报,2013,15(2):233-240.

Tang T,Ran S H,Tan M H.Urbanization and its impact on the evapotranspiration in Beijing-Tianjin-Tangshan Area[J]. Journal of Geo-Information Science,2013,15(2):233-240.(in Chinese)

[10] 杨建莹,霍治国,邬定荣,等.基于MODIS和SEBAL模型的黄淮海平原冬小麦水分生产力研究[J].中国农业气象, 2017,38(7):435-446.

Yang J Y,Huo Z G,Wu D R,et al.Investigation on water productivity of winter wheat based on MODIS and SEBAL in the Huang-Huai-Hai plain[J]. Chinese Journal of Agrometeorology,2017,38(7):435-446.(in Chinese)

[11] Jing Z,Wang L,Zhang Y S,et al.Spatiotemporal variations of actual evapotranspiration over the Lake Selin Co and surrounding small lakes(Tibetan Plateau) during 2003-2012 [J].Science China Earth Sciences,2016,59(12):2441-2453.

[12] Gao G,Chen D L,Xu C Y,et al.Trend of estimated actual evapotranspiration over China during 1960-2002[J].Journal of Geophysical Research: Atmospheres,2007,112:1-8.

[13] Du J K,Qian L,Rui H Y,et al.Assessing the effects of urbanization on annual runoff and flood events using an integrated hydrological modeling system for Qinhuai River basin,China[J].Journal of Hydrology(Amsterdam),2012,464: 127-139.

[14] 高玉琴,王怀志,陆晓华,等.基于LUCC的秦淮河流域暴雨洪水响应分析[J].长江科学院院报,2018,35(6):47-52.

Gao Y Q,Wang H Z,Lu X H,et al.Simulation of rainstorm flood response in Qinhuai River Drainage basin under land use cover changes[J].Journal of Yangtze River Scientific Research Insti,2018,35(6):47-52.(in Chinese)

[15] Bastiaanssen W G M,Menenti M,Feddes R A,et al.A remote sensing surface energy balance algorithm for land(SEBAL) 1.Formulation[J].Journal of Hydrology,1998,212(1-4):213-229.

[16] Bastiaanssen W G M,Noordman E J M,Pelgrum H,et al. SEBAL Model with remotely sensed data to improve water-resources management under actual field conditions[J]. Journal of Irriation and Drainage Engineering,2005,13(1): 85-93.

[17] Gu C L,Hu L Q,Zhang X M,et al.Climate change and urbanization in the Yangzi River Delta[J].Habitat International,2011,35(4):1-9.

[18] Rui H Y,Du J K,Zheng D P,et al.GIS-based hydrologic modeling in the Qinhuai River Basin associated with land use changes[A].Proceeding of 19th International Conference on Geoinformatics[C].Shanghai:19th International Conference on Geoinformatics,2011:1-4.

[19] Hao L,Sun G,Liu Y Q,et al.Urbanizaiton dramatically altered the water balances of a paddy field-dominated basin in southern China[J].Hydrology and Earth System Sciences, 2015,12:1941-1972.

[20] Hao L,Huang X L,Qin M S,et al.Ecohydrological processes explain urban dry island effects in a wet region, southern China[J].Water Resources Research,2018,54(9):6757-6771.

[21] 秦孟晟,郝璐,施婷婷,等.秦淮河流域五种参考作物蒸散量估算方法的比较及改进[J].中国农业气象,2016,37(4): 390-399.

Qin M S,Hao L,Shi T T,et al.Comparison and modification of five crop reference evapotranspiration models for Qinhuai River Basin[J].Chinese Journal of Agrometeorology,2016, 37(4):390-399.(in Chinese)

[22] 白昕欣,黄萧霖,秦孟晟,等.亚热带地区水稻田地表反照率变化特征[J].中国生态农业学报,2017,25(11):1707-1717.

Bai X X,Huang X L,Qin M S,et al.Characteristics of surface albedo in subtropical paddy rice fields[J].Chinese Journal of Eco-Agriculture,2017,25(11):1707-1717.(in Chinese)

[23] 黄颖,周云轩,吴稳,等.基于决策树模型的上海城市湿地遥感提取与分类[J].吉林大学学报(地球科学版),2009,39(6): 1156-1162.

Huang Y,Zhou Y X,Wu W,et al.Shanghai urban wetland extraction and classification with remote sensed imageries based on a Decision Tree Model[J].Journal of Jilin University(Earth Science Edition),2009,39(6):1156-1162.(in Chinese)

[24] 李恒凯,吴娇,王秀丽.基于GF-1影像的东江流域面向对象土地利用分类[J].农业工程学报,2018,34(10):245-252.

Li H K,Wu J,Wang X L.Object oriented land use classification of Dongjiang River Basin based on GF-1 image[J].Transactions of the CSAE,2018,34(10):245-252.(in Chinese)

[25] Munoz J C J,Sobrino J.A generalized single-channel method for retrieving land surface temperature from remote sensing data[J].Journal of Geophysical Research,2003,108(22): 4688-4695.

[26] Bastiaanssen W G M.SEBAL based sensible and latent heat fluxes in the irrigated Gediz Basin Turkey[J].Journal of Hydrology,2000,229(1-2):87-100.

[27]Bastiaanssen W G M,Bandara K M P S.Evaporative depletion assessments for irrigated watersheds in Sri Lanka[J].Irrigation Science,2001,(21):1-15.

[28] Crago R D.Conservation and variability of the evaporative fraction during the daytime[J].Journal of Hydrology (Amsterdam),1996,180(1-4):1-194.

[29] Allen R G,Pereira L S,Raes D,et al.Crop evapotranspiration: guidelines for computing crop water requirements-FAO irrigation and drainage paper 56[J].FAO,1998,300(9):1-15.

[30] Yang L,Feng Q,Yin Z,et al.Identifying separate impacts of climate and land use/cover change on hydrological processes in upper stream of Heihe River,Northwest China[J]. Hydrological Processes,2017,31(5):1100-1112.

[31] Hong W,Fu B S,Jun X,et al.Impact of LUCC on streamflow based on the SWAT model over the Wei River basin on the Loess Plateau in China[J].Hydrology and Earth System Sciences,2017,21(4):1929-1945.

[32] 秦贤宏,魏也华,陈雯,等.南京都市区人口空间扩张与多中心化[J].地理研究,2013,32(4):711-719.

Qin X H,Wei Y H,Chen W,et al.Population expansion and polycentric development of Nanjing city in a period of hyper-growth[J].Geographical Research,2013,32(4):711-719. (in Chinese)

[33] 郑璟,方伟华,史培军,等.快速城市化地区土地利用变化对流域水文过程影响的模拟研究:以深圳市布吉河流域为例[J].自然资源学报,2009,24(9):1560-1572.

Zheng J,Fang W H,Shi P J,et al.Modeling the impacts of land use change on hydrological processes in fast urbanizing region:a case study of the Buji Watershed in Shenzhen City,China[J].Journal of Natural Resources,2009,24(9): 1560-1572.(in Chinese)

[34] 王静,王腊春.城市化对水源系统的影响:以南京市为例[J].四川环境,2005,24(5):13-16.

Wang J,Wang L C.Impacts of urbanization on the water resources system:a case study of Nanjing[J].Sichuan Environment,2005,24(5):13-16.(in Chinese)

[35] 张克锋,彭晋福,张定祥,等.基于城镇化水平和GDP情景下中国未来30年土地利用变化模拟[J].中国土地科学,2007, 21(2):58-64.

Zhang K F,Peng J F,Zhang D X,et al.Simulation of land use change based on urbanization rate and GDP of China in next 30 years[J].China Land Science,2007,21(2):58-64.(in Chinese)

[36] 李红军,雷玉平,郑力,等.SEBAL模型及其在区域蒸散研究中的应用[J].遥感技术与应用,2005,20(3):321-325.

Li H J,Lei Y P,Zheng L,et al.SEBAL model and its application in the study of regional evapotranspiration[J]. Remote Sensing Techonology and Appplication,2005,20(3): 321-325.(in Chinese)

Contributions of Land Use/Cover Change to the Change of Evapotranspiration in Qinhuai River Basin

QIN Meng-sheng1, HAO Lu1, ZHENG Qing-zhou1, JIN Kai-lun1, SUN Ge2

(1. Jiangsu Key Laboratory of Agricultural Meteorology, Nanjing University of Information Science & Technology, Nanjing 210044, China；2. Eastern Forest Environmental Threat Assessment Center, Southern Research Station, USDA Forest Service, Research Triangle Park, NC27606, USA)

In order to evaluate the impact of land use/cover change (LUCC) caused by the urbanization on the variation of basin-scale evapotranspiration (ET), the Qinhuai River basin in the Yangtze River Delta was selected as the research area. Based on the images of Landsat satellites in 2000 and 2013, the land use/cover maps of Qinhuai River basin were extracted by using the decision tree model, and the grid-scale ET in typical day of each season (spring: 2014−05−26, summer:2013−08−11, autumn:2013−10−14, winter:2014−01−02) were estimated by using the SEBAL model. The contributions of LUCC in 2000−2013 to the variation of ET were then analyzed. The results showed that: (1) compared to that in the year of 2000, the area of built-up land increased by 183.8%, while the areas of paddy rice field, dry land, woodland and water separately decreased by 19.1%, 10.7%, 12.8% and 9.5%. The main conversions between different land uses included paddy rice field→built-up land, dry land→built-up land, paddy rice field→dry land and dry land→paddy rice field, with the areas of 208, 168, 282 and 232km², respectively. (2) Only with the regard to the impact of LUCC, the total daily ET at basin scale separately decreased by 13.4×105, 10.9×105, 6.0×105and 0.5×105m3in typical day of each season in 2013, when compared to that in 2000. In typical days of spring, summer and autumn, the positive contributions caused by the conversion from dry land to paddy rice field (16.8%, 16.3%, 5.7%, respectively) were overwhelmed by the negative contributions caused by the conversions from paddy rice field and dry land to the built-up land (−58.5%, −59.5%, −54.4% and −35.1%, −36.3%, −39.8%, respectively), which led to the decreased ET at basin scale. However, in the typical day of winter, the positive contribution caused by the conversion from dry land to paddy rice field (26.1%) was overwhelmed by the negative contributions caused by the conversions from paddy rice field to built-up land, dry land to built-up land and paddy rice field to dry land (−48.8%, −20.5%, −31.8%, respectively), which led to the decreased ET at basin scale. In a word, rapid urbanization in Qinhuai River basin caused the large-scale conversion from paddy rice field and dry land both with high ET to the built-up land with low ET, and then led to the decreased basin-scale ET in all seasons during 2000−2013.

Evapotranspiration；SEBAL model；Land use/cover change；Qinhuai River basin；Landsat satellite image

10.3969/j.issn.1000-6362.2019.05.001

秦孟晟,郝璐,郑箐舟,等.秦淮河流域土地利用/覆被变化对蒸散量变化的贡献[J].中国农业气象,2019,40(5):269-283

2019−01−27

。E-mail：hl_haolu@163.com

国家自然科学基金（41571026；41877151）

秦孟晟（1991−），博士生，主要研究方向为应用气象。E-mail：qinmengsheng1@163.com