金沙江流域实际蒸散发遥感重建及时空特征分析

张 珂,鞠 艳,李致家

(1. 河海大学水文水资源与水利工程科学国家重点实验室,江苏 南京 210098；2. 河海大学水文水资源学院,江苏 南京 210098)

实际蒸散发(Actual Evapotranspiration,ETA)是指在不同气候和下垫面条件下,土壤蒸发、水面蒸发和植被蒸腾的总和[1],联系着水- 碳循环和能量循环,是构成全球气候系统的中心环节[2]。受地理、气候、植被等因素影响,准确估算区域实际蒸散发一直是水循环研究中的难点[3]。区域实际蒸散发信息对流域水资源的合理高效配置和生态评价[4],以及实际蒸散发时空变化对植被动态监测、农业生产管理等具有重要意义[5]。

近年来,遥感反演定量估算区域蒸散发逐渐兴起[6],全球范围内已形成多套蒸散发产品[7],然而在非均匀下垫面区域,卫星数据对辐射传输和陆面过程描述存在尺度效应问题[8],水量平衡方法不受大气变化影响,在区域尺度上有较高适用性[9]。2002年GRACE(Gravity Recovery and Climate Experiment)卫星反演水储量的应用,为利用水量平衡方法估算实际蒸散发提供了有效途径[10]。王松等[11]利用该卫星来评估了9种不同蒸散发产品,结果表明基于模型树集的通量观测产品和基于能量平衡的诊断模型产品精度较好；Wan等[12]基于水量平衡方法研究了美国大陆地区的水循环过程,基于GRACE卫星数据得到了一种新的蒸散发产品,结果表明其蒸散发结果有很好的分辨率和很高的一致性。研究表明,尽管GRACE卫星产品存在一定误差,但总体上能较准确地探测水储量的时空变化,为解决长期以来忽略水储量变化对区域实际蒸散发计算的影响提供了有效途径[13],水量平衡方法数据获取较易且计算简单,在水文、气象数据难以直接获取的大尺度地区研究具有重要意义。

金沙江流域位于青藏高原东侧,地形起伏大,其水文过程空间异质性强[14]。郑巍斐等[15]基于CMIP5和VIC模型预测长江上游水文过程变化趋势,结果表明未来蒸散发呈增加趋势；Meng等[16]基于改进的GXAJ模型模拟金沙江流域的水文过程,研究表明金沙江流域蒸散发主要集中在中下游的森林和林地,上游的灌木丛和草地蒸散发较少。由于区域内水文气象资料缺乏,本文基于GRACE卫星水储量数据,通过水量平衡方法估算重建实际蒸散发,进而分析其时空变化特征,探究局部水文循环过程,为流域水资源管理、水旱灾害预测和国民经济决策提供参考依据。

1 研究区概况及数据

1.1 研究区概况

金沙江流域发源于青藏高原,介于25°N—36°N和90°E—103°E之间(图1),集水面积达38.754万km2,约占长江流域面积的26%,流经云贵高原西北部、川西南山地和四川盆地西南部,流域内地形极为复杂,众多高山峡谷相间并列,地势北高南低,落差约5 100 m,约占长江总落差的95%,各区段自然环境差异较大,流域内包括高原山地气候、干热河谷气候和亚热带季风气候等多种气候区,并且有明显的垂直气候特征。多年平均气温为4～12 ℃,多年平均雨量为550～1 650 mm,径流深年际变化较大,年内分配不均。

该流域水文站点主要有沱沱河、直达门、岗拖、奔子栏、攀枝花、甘孜、雅江、泸宁、孙水关、桐子林等32个水文站点(图1(a)),其中,中上游站点相对较少,有7个站点,多数站点集中在流域下游；流域内植被覆盖主要有草地、常绿针叶林等(图1(b))。根据DEM提取金沙江流域子流域,依据流域内站点建立拓扑关系,产生32个互不重叠的子流域。

图1 金沙江流域地貌和水系分布及地表覆盖类型

1.2 数据来源

研究采用的数据主要为陆面模式同化数据、卫星遥感数据和地面观测数据(表1)。包括全球土地数据同化系统(Global Land Data Assimilation Systems,GLDAS)陆面模式同化数据和GRACE卫星全球水储量数据。地面观测数据包括水文观测数据(径流)和气象观测数据(降水)。

GLDAS数据是由美国宇航局哥达航空中心和海洋大气局环境预报中心共同开发(http:∥earthdata.nasa.gov),在中国湿润地区数据质量较好[17],本文采用GLDAS V2.1产品中的土壤水(0～10 cm、10～40 cm、40～100 cm、100～200 cm)、积雪和植物冠层储水数据之和来估算流域水储量。水储量卫星数据选取GRACE重力卫星反演数据,由美国德克萨斯大学奥斯汀分校空间研究中心提供的最新的GRACE Land Grid Data Release- 05(RL05)版本数据(http:∥grace.jpl.nasa.gov),同时也采用了基于过程的地表蒸散发/热通量(Process- based Land Surface ET/Heat Fluxes,PLSH)ETPLSH(http:∥www.ntsg.umt.edu/project/et)、基于模型树集的通量观测蒸散发产品(ETJung)(http:∥www.bgc- jena.mpg.de)和MODIS卫星遥感反演蒸散发(ETMODIS)(http:∥files.ntsg.umt.edu/data/)对本研究遥感重建的实际蒸散发进行对比验证。3种遥感蒸散发产品均后处理至0.25°,分辨率低于0.25°的产品采用双线性插值至0.25°,分辨率高于0.25°的数据采用面积加权平均升尺度至0.25°。

逐月平均径流观测数据来自于金沙江流域的2002—2016年的水文站点数据,包括沱沱河、直达门等32个站点。同时,降水和气温数据源自中国地面气候资料数据集V3.0的逐月数据(http:∥data.cma.cn/),并基于协克里金插值法,将站点降水数据插值为栅格数据。

表1 几种数据产品信息

2 研究方法

2.1 降尺度方法

由于GRACE卫星水储量数据只能在较大的尺度上(>20万km2)反映陆地水储量的变化,当研究区域较小时,GRACE数据空间分辨率不足。本文利用0.25°分辨率GLDAS陆面模式同化数据对1°分辨率GRACE数据进行空间降尺度,获取研究区的0.25°分辨率的水储量数据。首先以面积为权重将GLDAS数据升尺度到1°分辨率,并使其与GRACE水储量数据空间上完全匹配:

(1)

式中:SM为1°分辨率GLDAS水储量,mm；Si为0.25°分辨率GLDAS水储量,mm；ai是0.25°网格单元的面积,m2；A为1°网格单元的总面积,m2。

如果把GRACE水储量数据作为“真值”,则两者之间的差值B代表SM的偏差:

B=SM-SG

(2)

式中:SG为GRACE水储量数据,mm。

将水量体积作为权重对两者之间的总水量体积偏差(BA)进一步分配到0.25°网格中:

(3)

(4)

每月的储水量的变化(ΔSm)是在网格单元中已知月的最后一天与前一个月的最后一天的差值:

(5)

式中:dm和dm-1分别是第m月和第m-1月的最后一天。

2.2 水量平衡方法

本文中使用水量平衡方法计算蒸散发,利用该方法可以得到每个子流域的月平均实际蒸散发量,其公式如下:

ETRecon=P-R-ΔS+ε

(6)

式中:ETRecon为通过计算重建的实际蒸散发,mm；P为月降水量,mm；R为月径流深,mm；ΔS为每月陆地水储量的变化,mm；ε为误差项。由于水通量(P、R和ΔS)来自地面观测和卫星观测,这些数据集有一定的测量误差和处理误差,但这些误差相对于水量平衡变量的值来说很小,因此,本文中忽略了这些误差。

2.3 评价指标与趋势分析

为评价该方法下蒸散发产品的可靠性,本文将ETRecon同ETPLSH、ETJung和ETMODIS3种蒸散发产品进行对比验证,并采用平均差(DM)、均方根差(ERMS)和相关系数(r)3种评估指标来衡量。平均差的绝对值越小,均方根误差越小,r的值越接近1,表明两组数据的差异程度越小,精密程度越高,相关性越好,反之越差。

(7)

同时,利用线性回归方程的最小二乘法来分析2002—2016年金沙江流域实际蒸散发的变化,K为负值表示实际蒸散发减少,反之为增加。用Mann- Kendall检验判断实际蒸散发变化趋势显著性,序列检验结果置信度达到p<0.1,则变化趋势显著。

(8)

3 结果分析与讨论

3.1 实际蒸散发结果对比

为进一步检验金沙江流域的水循环情况以及该降尺度方法下得到的误差修正的水储量,本文将该降尺度方法下得到的误差修正的流域月水储量结果、原始GRACE卫星水储量数据和原始GLDAS陆面模式模拟的水储量结果进行比较,见图2。结果表明,该降尺度方法有效修正了GLDAS数据的偏差(图2)。金沙江流域多年平均降水量为678.8 mm,多年平均降水量范围为193.3～1 179.4 mm,空间分布上为自西北向东南增加,多年面平均径流深为289.3 mm,空间分布与降水分布基本一致,呈现自西北向东南增加。从图2可以看到,虽然降尺度后误差修正的水储量结果与GRACE卫星水储量结果有一些差异,但相较于原始的GLDAS模型模拟的水储量结果,在年际变化上与GRACE卫星水储量结果有较好的一致性,并且在一定程度上减小了误差,提高了分辨率。

图2 降尺度水储量月值与GRACE、GLDAS数据对比

为了验证ETRecon可靠性,本文利用ETPLSH、ETJung和ETMODIS3种蒸散发产品来进行对比,如图3所示。图3(a)—图3(c)分别为ETPLSH、ETJung和ETMODIS3种流域月均值蒸散发结果与本研究基于GRACE降尺度数据和水量平衡重建的蒸散发结果(ETRecon)的散点对比图,可以看出ETRecon与ETPLSH和ETJung在月值模拟上较为一致,散点分布相对均匀集中,ETRecon与ETPLSH和ETJung有较高的相关性,r分别达到0.820和0.784,与ETMODIS结果虽不如其他2种产品,但是相关系数也高达0.757。同时可以发现,ETRecon与ETJung的ERMS和DM计算结果最好,分别为1.26 mm/月和2.76 mm/月。同时为进一步验证本研究提出的降尺度方法的有效性,本文也采用双线性插值将1°的GRACE卫星水储量数据直接插值到0.25°,再基于水量平衡计算得到实际蒸散发(ETP-R)进行对比,图3(d)—图3(f)分别为ETPLSH、ETJung和ETMODIS3种流域月均值蒸散发结果与ETP-R的比较,可以看出ETP-R和ETPLSH、ETJung在图上分布散乱,一致性较差,在高值区拟合也分散,其相关系数都相对较小,分别为0.634、0.692和0.646,DM和ERMS结果也较差,ERMS最小值(1.51 mm/月),大于ETRecon的最大值(1.50 mm/月)。同时本文也在32个子流域进行了流域尺度的研究,32个子流域多年平均尺度可以假设E=P-R,进而可以将结果与水量平衡结果进行比较(图3(g)),发现大多数子流域结果较好,两者相关性较高为0.984,ERMS为7.74 mm/a,由此可以看出,直接进行插值的GRACE卫星水储量数据会导致较大的不确定性和误差,在一定程度上也验证本研究提出的降尺度方法的有效性,可以将分辨率较粗的GRACE卫星水储量数据分解到更细的分辨率,得到空间和时间分辨率更好的数据,从而提高该方法下实际蒸散发的估算精度。

图3 几种实际蒸散发产品结果对比

3.2 实际蒸散发时空格局

本文计算了金沙江流域2002—2016年实际蒸散发,分析其空间分布特征。图4为流域多年平均实际蒸散发及变化趋势的空间分布。从图中可以看到,金沙江流域年实际蒸散发变化范围为195.3～830.8 mm,空间分布差异明显(图4(a)):从东南向西北递减,高值区集中分布在攀枝花地区,其中,中江、大慧庄、地索等地实际蒸散发量高值尤其明显；低值区主要分布在西北部地区,沱沱河、直达门和甘孜等地,这些地区地处青藏高原的腹地,气温较低,降水量很少,蒸散发量较小。图4(b)为2002—2016年金沙江流域实际蒸散发变化趋势的空间分布,图中阴影表明该区域的变化趋势通过了置信度90%(即p<0.1)的检验,在统计上显著。结果表明,该研究区上游段的新寨、道孚以及下游段的灈桑、泸宁、石龙坝一带,蒸散发呈显著的下降趋势,下降速率>12 mm/a；上桥头、下桥头和乌拉溪等地区呈显著增加趋势,其中,乌拉溪地区增加速率>10 mm/a；除此以外,其余部分的蒸散发没有显著变化趋势。人为因素对下垫面影响巨大,主要包括土地开发利用和水利水保工程建设,对金沙江下游攀枝花附近影响较大,区段下垫面变化影响了径流,径流量减少,同时近年来雅砻江流域以及攀枝花附近兴建水库,不同时期的水库蓄水用水改变了径流的年内分布,水库蓄水改变水面面积和地下水位,实际蒸散发较蓄水前会有所增加。

图4 金沙江流域多年平均实际蒸散发空间分布及其变化趋势空间分布

图5为金沙江流域四季多年平均实际蒸散发的空间分布。受降水、温度、植被覆盖、风速等因素的影响,流域内各个季节的实际蒸散发量具有显著差异。从图中可以看出,四季平均实际蒸散发量排序为夏季>秋季>春季>冬季。其中,春季(3—5月)为66.3 mm,占全年蒸散发量的16.0%;夏季(6—8月)为222.4 mm,占全年蒸散发量的53.7%;秋季(9—11月)蒸散发量为91.1 mm,占全年蒸散发量的22.0%;而冬季(12月—翌年2月)蒸散发仅有34.3 mm,占全年蒸散发量的8.3%。同时,本文也分析了四季实际蒸散发空间上的变化趋势(图6)。春季实际蒸散发在研究区中部及西北部均呈现增加趋势,但不显著(图6(a))；夏季实际蒸散发在北部及中部多呈增加趋势,生古桥、灈桑等地区增加最为显著,增加速率>8mm/a(图6(b))。秋季实际蒸散发在金沙江上游段流域和雅砻江水系流域均呈微弱减少趋势(图6(c))；冬季实际蒸散发在流域内大多地区呈现较小的增加趋势,生古桥至攀枝花一带变幅很小,巴塘和灈桑、雅江以上流域增加趋势显著,增加速率>4 mm/a,其余子流域均没有显著的变化(图6(d))。

图5 金沙江流域四季多年平均实际蒸散发值空间分布

图6 金沙江流域四季实际蒸散发变化趋势空间分布

3.3 实际蒸散发年际变化

为探究金沙江流域2002—2016年实际蒸散发的变化规律及可能驱动原因,本文进一步分析了该流域降水、实际蒸散发和气温的年际、年内以及季节变化特征(图7)。该流域多年平均实际蒸散发为410.8 mm,最大值出现在2014年,为430.6 mm；最小值在2002年,为329.2 mm。蒸散发作为复杂的水热传输过程,受到降水、温度、风速、湿度、水汽压等气候因子的综合影响。在年尺度上,金沙江流域年降水和气温均呈不显著增加趋势,年实际蒸散发呈增加的趋势,平均增加速度为2.98 mm/a(p>0.1)。季节尺度上,春秋两季,降水和气温呈不显著的增加趋势,蒸散发也呈不显著的增加趋势；夏季降水呈不显著的减少趋势,气温呈现微弱增加趋势,但蒸散发在夏季呈增加趋势；冬季降水呈不显著的增加趋势,气温呈减小趋势,蒸散发呈不显著增加趋势。流域蒸散发受年内降水和水热差异影响较大,春季气温回升,降水增加,植被返青,实际蒸散发开始逐渐增加；进入夏季6月底至7月,水热条件丰富,植被迅速生长,降水增多,植被蒸腾、土壤蒸发以及冰川融水的水面蒸发使得流域内实际蒸散发量增加迅速,7月份达到全年最大值；进入秋季以来,植被开始衰败,温度降低,实际蒸散发也逐渐减少；12月至次年2月,降水最少,冰川冻结,植被量减少,实际蒸散发较少,因此其变化也平缓。

图7 金沙江流域降水、气温以及实际蒸散发变化趋势

实际蒸散发时空变化具有一定的不确定性,与其受气候变化和人类活动的共同影响有关,金沙江流域地处青藏高原,气候变化复杂,近年来,人类活动引起的土地利用变化、跨流域调水[23]、土地水源涵养能力变化等下垫面条件改变,也在不断作用于实际蒸散发[24],今后需进一步研究实际蒸散发的影响机制。

4 结 论

本文利用GLDAS陆面模式同化数据将GRACE卫星水储量观测数据进行空间降尺度,并利用地面观测降水和径流数据,基于水量平衡的方法,重建了金沙江流域2002—2016年月尺度的实际蒸散发序列,得到了以下主要结论:

(1) 利用降尺度后GRACE卫星水储量数据和水量平衡方法重建的实际蒸散发数据具有较高的可靠性,重建数据与其他遥感反演产品具有较高的相关系数和较小的均方根差,同时,利用该降尺度方法可获取更精细分辨率的蒸散发数据。

(2) 金沙江流域年均实际蒸散发量为410.8 mm,空间分布上由西北向东南增加,年际变化不大。季节尺度上,受降水、温度、植被覆盖、风速等因素的影响,流域内各个季节的实际蒸散发量具有显著差异,该研究区四季平均实际蒸散发大小为夏季>秋季>春季>冬季。

(3) 金沙江流域年实际蒸散发呈增加的变化趋势,平均增加速度为2.98 mm/a(p>0.1)。季节尺度变化趋势存在明显的季节差异,春秋蒸散发呈增加趋势,夏季呈不显著增加趋势。