河套灌区土地利用对蒸散发分布规律的影响研究

王海霞，丁春莲，韩 奋

(1.河套学院，内蒙古 巴彦淖尔 015000；2.巴彦淖尔西部铜材有限公司，内蒙古 巴彦淖尔 015000)

1 引言

蒸散发(ET)包含植被的蒸腾和土壤的蒸发，是水循环的重要环节，据统计降落到地球表面的降水70%～90%通过蒸散作用回到大气中[1]。另外地表覆被类型的改变势必会引起蒸散发量的改变，现有研究表明地球下垫面蒸散发量的变化直接影响到区域内水量的平衡，进而影响区域内水资源的时空分布。因此在全球水资源短缺日益严峻的情况下，研究土地利用对ET的影响对准确估算河套灌区作物需水量及灌区环境的承载能力方面具有深刻的理论意义。

2 国内外研究现状及趋势

传统基于站点观测的蒸渗仪估算ET分布格局的研究方式多局限于单点尺度，对于复杂地形区域无法测量，很难获得面域尺度的研究成果。由于遥感技术能够快速、高效地对地球表面进行观测，遥感影像在宏观和微观方面兼具优势。目前通过遥感技术分析土地利用与ET分布格局之间的关系已成为近年来主要的技术手段。

国内外在研究LUCC与ET相关性上做出探索的有：刘强等利用Penman—Monteith模型计算了洮儿河流域的生长季ET,指出LUCC引起参考作物ET的调节能力降低；金翠等以吉林省乾安县为例指出当不同作物的覆盖度变化时其ET的变化与之成正向；Mishra等以美国中西部为例，得出一个网格单元的森林转变为耕地时，ET减少15 mm；张殿君等借助于SEBAL模型估算黄土高原罗玉沟流域ET，得到LUCC的特点基本控制了ET的分布特点[2]；Zhang等研究得出覆被由灌木转变成森林ET增加2.3%～27.4%；袁勇等研究表明不同尺度下土地利用类型与蒸散发异质性变化趋势相似[3]；唐婷等得到结论土地利用类型转化为城市用地会使ET强度降低；赵建刚研究横排头流域砍林实际ET平均增加193mm造林实际ET变化平均减少290 mm；吕文等得出太湖流域ET空间分布基本与土地利用类型的植被覆盖度一致。以上研究表明土地利用对ET分布格局的影响较为显著。

河套灌区土地利用对蒸散发分布规律的影响技术路线见图1。

图1 河套灌区土地利用对蒸散发分布规律的影响研究技术路线

3 数据处理

3.1 卫星影像数据处理

本文主要使用Landsat系列卫星数据和MODIS陆地蒸散产品数据MOD16，其中Landsat系列卫星数据主要多光谱波段的空间分辨率为30 m，重访周期为16 d，MOD16产品数据的空间分辨率为1 km。依据该地区农作物的生长特点选择了2014年5～9月的影像，筛选并剔除了多云覆盖的影像。研究还采用了高程数据ASTER-GDEM，其空间精度为30 m，垂直精度为20 m。

利用NASA官网提供的MODIS专业转投影工具MRT，将原始MOD16的SIN投影HDF数据集统一转成WGS-1984经纬度坐标下的GeoTiff格式图像文件，再利用ENVI遥感处理软件完成覆盖整个灌区卫星影像的预处理，主要处理有辐射定标、大气校正、图像镶嵌、投影转换等处理。利用ArcMap数据处理平台对灌区的行政规划图进行配准，并对其进行矢量化得到灌区内乌兰布和、解放闸、永济、义长、乌拉特五大灌区界线，使用这五大灌区界线的矢量数据，对处理好的灌区影像进行掩膜裁剪处理、增强处理[4]。

3.2 气象数据处理

气象数据来源于中国气象数据网(http://data.cma.cn/)及研究区域内实验点田间气象站，主要采集温度、风速、降雨量及日照强度。为了提高灌区蒸散发模型估算精度，本研究将2014年5～9月份不同气象参数进行Kriging空间插值，得到与遥感影像空间分辨率相同的气象栅格数据。

3.3 土地利用分类

根据整个灌区地表覆盖的特点，将该区的土地利用分为耕地、水体、居民地、草地、裸地、林地六大类。利用GPS定位踏查及google earth确定分类样本，采用ENVI数据处理平台的ROI Tool确定样本对应的遥感影像像元，并确定分类样本及检测样本。选择的支持向量机(SVM)分类器的监督分类方式，该分类器具有自学习能力，能够自动寻找对分类有较好区分度的支持向量，建立超平面，使类间距离最大化，将训练集中的数据分离开，分类结果较优。以灌区内1024×1024像素大小作为例，采用径向基SVM的分类误差混淆矩阵如表1，水体的错分误差为0，漏分误差为10.3%、制图精度89.71%、用户精度100%，其中径向基SVM监督分类的精度最高，总精度达到87.8587%，Kappa系数为0.81333。

得到灌区不同土地利用类型的面积比例如表2，其中耕地所占比例最大为71.24%，耕地、草地、林地三者之和占78.98%，裸地占12.97%，居民地占5.68%，水体所占比例较小为2.37%。

表1 径向基SVM的分类误差混淆矩阵

表2 灌区不同土地利用类型的面积比例

4 灌区土地利用的ET模型

4.1 地表参数反演及ET模型建立

SEBAL模型主要是依据地表能量平衡方程提出的，该模型被国内外的研究者广泛地使用，是进行区域蒸散量反演的有效手段，该模型特别适合于地势平坦、植被覆盖率较高的地区，这点与河套灌区较为吻合。

地表能量平衡方程：λET=Rn-G-H

(1)

式(1)中：λET为潜热通量，其中λ为汽化潜热；ET为蒸腾量；Rn为净辐射通量；G为土壤热通量；H为感热通量[5]。

SEBAL模型是结合相关气象资料对Landsat5数据及通过逐像元地反演出研究区域的地表参数：归一化植被指数(NDVI)、地面反照率、比辐射率和地表温度，进一步依据反演参数推算出卫星过境时刻的净辐射Rn、土壤热通量G，并选取遥感图像中的“冷点”和“热点”确定地表温度与温度梯度差的线性关系，使用Monin-Obukhov相似理论循环迭代计算，对空气动力学阻力、空气密度进行校正，直到迭代出稳定的感热通量值为止，进而粗略求得研究区域各像元点的感热通量H。通过上面的地表能量平衡方程得到区域潜热通量，也就是瞬时蒸散发。最后通过蒸发比不变原理进行时间尺度扩展，求得区域全天蒸散量，SEBAL模型建立流程见图2。

SEBAL模型建立过程中“冷点”和“热点”的选取对显热通量H反演的影响较大，该过程一般采用人为判断，该研究结合Google高分影像，冷热点选取的特征要求，选取水体像元作为特殊的“冷点”，沙地和城市像元作为特殊的“热点”。为了便于计算数据，通过IDL语言实现SEBAL模型蒸散量反演的编译，并将程序封装为ENVI插件，程序直接读取Landsat和MODIS的预处理结果，流程化地计算各地表参数和辐射通量、循环迭代求解显热通量、计算瞬时蒸散量并扩展为日蒸散量结果[6]。

4.2 不同土地利用的ET

通过对灌区2014年作物生育期(5～9月份)的蒸散量进行融合，将上述得到的日蒸散量进行插值，得到6种地物覆盖总蒸散量(图3)。由图可知，7月份各种地物覆盖的蒸散量都很大，这与本月气温高蒸散量大直接相关。水体的ET总体最高在4.22～6.14 mm/d，荒地的ET最低在3.82～5.78 mm/d，这与灌区的实际情况基本吻合。

图2 SEBAL模型建立流程

图3 灌区不同土地类型的ET

5 结论与讨论

本文使用基于SVM的监督分类方式提取了河套灌区的耕地、水体、居民地、草地、裸地、林地六类，实际地物覆盖种类繁多远远超出本研究中的6种，例如耕地由于种植的农作物种类繁多，农作物生长期特点各异，在监督分类的过程中很难找到纯净的像元。另外，由于Landsat系列卫星数据空间分辨率为30 m，分类过程不可避免地存在混合像元，将耕地附近的零碎居民地、草地、裸地、林地等混合像元的NDVI判别为耕地的NDVI。以上因素均对本研究产生了影响[6]。