基于混合型线性双源遥感蒸散模型的南疆绿洲地区干旱研究

高瑜莲，柳锦宝，柳维扬，于 静，3，刘志红

(1.成都信息工程大学，四川 成都 610225；2.塔里木大学植物科学学院，新疆 阿拉尔 843300；3. 内蒙古自治区通辽市气象局，内蒙古 通辽市 028000)

在全球变暖的大背景下，近年来由于人类活动对气候变化的影响，一些极端气候事件在国内外相继发生并且灾害频率不断增加[1-2]。气候变暖会对大气环流和水文过程产生影响，在一定程度上来说，气候变暖的大环境会使干旱加剧[3]。干旱带来的影响巨大，它的持续时间长，覆盖范围广[4-5]。因此，干旱监测和研究对气候变化以及防灾减灾都具有重要的现实意义。在干旱半干旱地区的干旱监测研究中，水分的蒸发蒸腾是水循环的重要途径，蒸散与降水共同决定地区干旱程度[6]。充分认识蒸散的变化过程，对干旱监测等研究有十分重要的参考意义[7]。干旱形成的原因十分复杂，影响干旱的因素众多，因此针对干旱的研究不仅需要考虑降水量，还要充分考虑气温、蒸发、径流以及土壤湿度等因素[8]。针对干旱发生的原因以及规律，许多学者们都进行了干旱研究。随着近年来遥感技术的不断发展，目前有许多干旱监测的方法基于卫星遥感信息来完成，例如基于植被指数的干旱监测指数、基于地表温度的干旱监测指数以及植被指数和地表温度相结合的干旱监测指数等[9]。利用气象要素进行干旱监测的指数包括帕默尔干旱指数(Palmer Drought Severity Index，PDSI)、标准化降水指数(Standardized Precipitation Index，SPI)、作物湿度指数(Crop Moisture Index，CMI)、地表供水指数(Surface Water Index，SWSI)、标准化降水蒸散指数(Standardized Precipitation Evapotranspiration Index，SPEI)等[10-16]。其中Palme指数综合考虑了前期降水、水分供给、水分需求、实际蒸散量、潜在蒸散量等要素，以水分平衡为基础而建立了一个气象干旱指数(Palmer Drought Severity Index，PDSI)，PDSI指数现被广泛应用在干旱评估、旱情比较、旱情的时空分布特征等的分析中[9,16]；SPI计算较简单，它利用降水数据反映干旱强度以及持续时间，但是SPI没有考虑到温度、蒸散等其他因素的影响；SPEI是既有PDSI对温度的敏感性，又有SPI多时间尺度以及计算简单的一种干旱监测方法，近年来在干旱研究中得到广泛应用[17-18]。这些干旱指数主要都是基于降水对干旱进行的相关研究，而引起干旱的因素是复杂多样的，经常是蒸发量和降水量等因素综合作用而造成的[19]。近年来全球持续性增温，由于升温所导致的蒸发变化对地表干湿程度产生了很大影响[1,20-21]。众多学者基于降水以及蒸散相关指数对地区的地表干湿程度进行了分析，研究表明蒸散量能够较好地反映土壤和植被的干旱状况[22]，是干旱指标中重要的水分支出项之一，因此，准确地测定和估算蒸散量是干旱指标能否精确反映干旱程度的关键[23-24]。

由于在新疆南疆绿洲地区通过蒸散角度探索干旱进程的研究目前并不充分，本文在已有的混合型线性双源遥感模型基础上进行调整，加入植被因素的影响构建适用于南疆绿洲地区的混合型线性双源遥感蒸散模型，从地表蒸散变化的角度，利用MODIS蒸散产品数据和南疆地区2001—2014年气象站点月数据集等数据，估算近14 a新疆南疆绿洲地区的地表蒸散，构建蒸散干旱指数进行干旱监测，为新疆南疆绿洲地区的旱情监测提供参考依据。

1 研究区概况

新疆南疆作为典型的干旱地区之一，沙漠与绿洲共存，水资源极度短缺。绿洲是南疆地区人们居住活动的主要中心，在极端沙漠气候环境下，绿洲为人们的生活提供了各项需求保障[25]。我国新疆绿洲主要分布在天山南北麓、昆仑山和祁连山北麓、柴达木盆地及河套平原，新疆是我国绿洲分布面积最大的地区。本文通过最新土地覆盖数据以及植被产品数据对南疆地区绿洲的范围进行筛选确定。

2 数据与研究方法

2.1 数据源

本研究中所使用的数据有：(1)中国地面累年值月值数据集，研究中主要利用了新疆南疆地区2001—2014年气象站点的月数据集，在本文中用到数据集中的平均气温、降水量、水汽压、蒸发量、最高气温及最低气温数据。(2)本研究采用MODIS产品数据，包括MODI13归一化植被指数NDVI产品数据和MOD16蒸散产品数据，蒸散产品数据包含了潜在蒸散(PET)产品数据和实际蒸散(ET)产品数据。

2.2 构建混合型线性双源遥感蒸散模型

在模型的构建过程中，参考Nishida 等[26]利用卫星数据通过简单双源遥感蒸散模型估算蒸发量的思路，将地表认为是裸土和植被覆盖的混合物。本研究沿用Nishida等区分裸土和植被的思想，考虑NDVI对蒸散的影响，利用植被覆盖度(fv)把蒸散划分为地球表面裸土蒸发和植被蒸腾两部分，具体表达式如下：

(1)

ET=fvETv+(1-fv)ETs

(2)

其中，ET表示总蒸散量，ETv表示植被蒸腾，ETs表示土壤蒸发，NDVImax表示整个植被情况下的NDVI，此时，fv=1；NDVImin为整个裸土情况下的NDVI，此时，fv=0。

为降低线性双源蒸散模型的复杂性，利用地表净辐射(Rn)和空气昼夜温差的倒数(1/(Tmax-Tmin))来简化裸土的蒸散模型，空气昼夜温差的倒数可以用来表示土壤含水量，同时增加经验性系数a1，土壤蒸散模型具体公式如下：

(3)

式中，a1是经验系数，Rn为地表净辐射，Tmax和Tmin分别为最高和最低空气温度。利用空气昼夜温差来代替地表昼夜温差，空气温度可以通过气象资料获得，而遥感反演的地表温度产品受云影响很难获取每日完整数据。

为了简化植被蒸散函数，在本研究中，认为地表净辐射(Rn)是植被蒸散的最主要控制因子，选择其他的重要参数包括空气温度(T)、空气昼夜温差的倒数(1/(Tmax-Tmin))，通过增加经验系数a2和a3获得简易植被蒸散方程：

(4)

为了获取整个植被和土壤的蒸散量，本研究增加a0Rn作为整个蒸散的订正项，因为地表净辐射是蒸散的最主要控制因素。考虑方程(1)、(2)、(3)和(4)，蒸散方程可以表达为：

(5)

进一步考虑到NDVI对蒸散的影响，因此利用NDVI进行简化得到混合型线性双源遥感蒸散模型：

(6)

式中，ET表示地表蒸散，Rn表示地表净辐射，NDVI代表归一化植被指数，Tmax为最高空气温度，Tmin为最低空气温度，b1、b2、b3、b4为回归系数。通过上述方法，能够反演计算研究区的实际蒸散量。

2.3 潜在蒸散模型

采用Hargreaves公式来进行新疆南疆绿洲地区潜在蒸散的估算，Hargreaves公式只需要地理纬度、空气温度和空气温差3个参数来完成计算。Hargreaves 公式可以表达为：

(7)

式中，PET表示地表潜在蒸散，Tmean表示空气平均温度，Tmax表示空气最高温度，Tmin表示空气最低温度，Ra表示太阳辐射。利用式(7)能够反演研究区的潜在蒸散量。

2.4 蒸散干旱指数

蒸散干旱指数(EDI)根据蒸散胁迫指数ESI的机理，得到蒸散干旱指数EDI的表达式，即

(2)溶液储槽。通过优化槽体结构和使用工况条件，消除了溶液储槽制造、维护缺陷，使储槽使用性能进一步改善，运行过程中未发生溶液储槽渗漏、塌陷等意外情况，运行状况良好。

(8)

其中,ET为实际蒸散，PET为潜在蒸散。理论上EDI的值在0～1之间。地区干旱越严重，水分胁迫就越严重，对应潜在蒸散与实际蒸散的差值就越大，即EDI值越高。反之，土壤越湿润，EDI值越低。

为了突出年、季、月的EDI指数与多年相应的平均值的差异，引入EDI距平指数，表示为：

(9)

式中，j为年份。

EDI距平能够在一定程度上判断干旱轻重程度，EDI距平值为正的年份干旱较严重，反之，EDI距平值为负的年份干旱程度稍轻。

2.5 降水距平

利用实测降水数据，在南疆进行降水距平(ΔR)计算，利用历史平均水平作为基础来确定干旱程度[27]，能够有效地反映EDI在绿洲地区的干旱监测合理程度。

降水距平ΔR的计算公式：

(10)

式中，i为月份，j为年份。

3 结果与分析

3.1 精度检验分析

本研究参考Nishida[26]等利用卫星遥感数据估算蒸散量的思路，利用MOD16蒸散产品数据对新疆南疆绿洲地区的蒸散量进行估算。本研究首先验证MOD16蒸散产品数据在新疆南疆绿洲地区的适用性，检验MOD16蒸散产品数据与气象站蒸发皿实测蒸发量数据之间的相关程度，判定利用MOD16蒸散产品数据估算绿洲地区蒸散量的可行性。结果(图1)表明，蒸发皿实测蒸发量数据与MOD16蒸散产品数据相关性较高，并且通过了0.01显著性检验，说明MOD16蒸散产品数据在南疆绿洲地区的适用性较好。

进一步验证反演蒸散量与蒸发皿实测蒸发量数据之间的相关性，结果(图2)表明，气象站蒸发皿实测蒸发量数据与反演蒸散量相关性较高，检验结果通过0.01显著性检验。说明利用MOD16蒸散产品数据进行蒸散量的估算可信度较高。

图1 蒸发皿实测蒸散量与MOD16蒸散产品关系图Fig.1 Correlation between the measured evaporation volume of the evaporating dish and the MOD16 evapotranspiration product

图2 蒸发皿实测蒸散量与反演蒸散量关系图Fig.2 Correlation between the measured evaporation volume of the evaporating dish and inversion evapotranspiration

观察图1和图2发现，蒸发皿实测蒸发量比MOD16蒸散产品数据和反演蒸散量都偏大。夜间不会产生蒸散量，但是由于日间残余热量在夜间持续影响蒸发皿，使蒸发皿实测的蒸散量偏大。因此，导致蒸发皿实测蒸发量与MOD16蒸散产品数据和反演蒸散量之间存在一定差异。

3.2 EDI的年际、四季变化分析

南疆绿洲地区四季中EDI均值春季最高达0.75，夏季其次0.74，秋冬EDI依次降低，分别为0.68和0.38。绿洲在南疆地区呈现环状分布，由图3可知，南部绿洲地区EDI值普遍高于北部。由于地域特征，北部的绿洲有积雪融水的供应，水分来源比南部的绿洲更充足，绿洲地区的EDI空间上呈现出明显的由南至北减小趋势。图4表明了EDI在新疆南疆绿洲地区的年际变化情况，能够看出2001—2014年间EDI值均在0.6以上，因此南疆绿洲地区干旱程度总体较严重。EDI年均值变化情况与EDI距平变化一致，即南疆绿洲地区EDI值越高、EDI距平正值越大的年份干旱越严重。通过EDI距平的计算来判断干旱的严重程度，新疆南疆绿洲地区在2001、2007、2008、2009、2014年EDI值较大，EDI距平呈正值，说明在2001—2014年间干旱较严重。

3.3 新疆南疆绿洲地区干旱特点分析

多年EDI平均值能够反映研究时限内的平均干湿程度，但是想要反映出地区的干湿状况就需要进行EDI距平值的计算。本文分别针对新疆南疆绿洲地区的四季EDI进行了距平计算，使四季的干旱情况能够有更详细的展示。图5A反映出新疆南疆绿洲地区的春季干旱情况，2003年和2005年的干旱较轻，其余12 a的春季干旱均较严重；图5B反映绿洲地区夏季在2001、2002、2004、2006、2007、2008、2009年干旱情况偏严重，其余7 a干旱较轻；在图5C中，南疆绿洲地区秋季在2001、2002、2006、2007、2008、2013年干旱严重；冬季的干旱情况可以从图5D反映出来，新疆南疆绿洲地区在2001、2002、2007、2009、2011、2013、2014年干旱情况较为严重。针对春、夏、秋、冬4个季节对绿洲地区进行距平计算，详细地反映出近14 a研究区四季干旱的情况。

本文基于混合型线性双源遥感蒸散模型在新疆南疆绿洲地区进行干旱监测，计算出南疆绿洲地区的EDI，利用降水距平与EDI结果进行比较，旨在论述蒸散干旱指数在绿洲地区的适用程度[28]。

图3 EDI四季空间变化图Fig.3 Spatial change map of EDI in four seasons

图4 EDI与EDI距平(ΔEDI)变化Fig.4 Diagram of EDI and EDI anomaly (ΔEDI) variation

从表1可以发现，近14 a新疆南疆绿洲地区的EDI值全部都在0.6以上，说明在研究时段内绿洲地区整体干旱比较严重。其中2001、2007、2008、2009、2014年的EDI距平值均为正值，反映出这5 a的干旱异常严重。将EDI、EDI距平值以及降水距平进行竖向对比，在干旱异常严重的5 a中降水距平都为负值，EDI与EDI距平均为正值。在新疆南疆绿洲地区EDI值越大，降水量越少，干旱情况越严重。

图6为年际降水距平值与年际EDI距平值对比图，可以发现降水距平值与EDI年际变化以及EDI距平值变化呈相反的趋势，反映出在实测降水量降低的情况下，降水距平值负值越小、EDI距平正值越大则EDI值越大，地区干旱情况越严重。

4 讨 论

1)定义干旱指数是干旱监测的基础，干旱指数的大小能够反映干旱轻重程度。本研究的结果表明，南疆绿洲地区的干旱轻重程度四季变化分明，春季干旱比夏季严重[29]，秋冬干旱严重程度递减。

2)从时间尺度来看，在2001、2007、2008、2009、2014年新疆南疆绿洲地区的干旱较为严重，其中EDI值最小为0.66。因此，本研究以0.66的EDI值作为界限，EDI值小于0.66的年份干旱相对较轻，反之，EDI值大于0.66的年份干旱较为严重。从空间尺度来看，南疆绿洲地区的土壤湿度南部低于北部，干旱严重程度南部高于北部[30]。

3)降水距平值作为单因素指数，由于降水数据的不连续性，使得降水距平在月以上尺度才具有意义[31]。由于单一距平不能准确地反映影响蒸散以及干旱的全面因素，将降水距平作为对照，对比验证EDI反映地区干旱情况的能力以及准确度。

4)利用混合型线性双源遥感蒸散模型估算新疆南疆绿洲地区地表蒸散，在估算地表蒸散的基础上，建立干旱指数进行干旱监测，展示出了利用遥感资料和地面资料简化进行大尺度干旱监测的能力[32-33]。由于地表蒸散受多种气象、地理要素的综合影响，不同下垫面的蒸散能力不尽相同。因此，进一步估算不同下垫面的蒸散将是下一步研究的重点。

图5 EDI四季距平(ΔEDI)Fig.5 EDI four seasons anomaly (ΔEDI)

图6 年际降水距平、年际EDI距平对比图Fig.6 Comparison of interannual precipitation anomaly and interannual EDI anomaly

5 结 论

基于混合型线性双源遥感蒸散模型在新疆南疆绿洲地区进行蒸散计算进而实现干旱监测，通过EDI、ΔEDI及降水距平在新疆南疆绿洲地区的对比应用，有如下结论：

(1)EDI指数的空间分布特征呈现南高北低的总体趋势，北部的绿洲地区毗邻天山，不仅有来自河流的水分，还有来自天山的积雪冰山等融水，导致四季绿洲地区的干旱情况均比南部更为严重。

(2)通过计算EDI距平值，定义一个区分干旱轻重程度的临界值。EDI大于0.66的年份干旱较为严重，EDI值小于0.66的年份干旱较轻。新疆南疆绿洲地区在2001—2014年间，在2001、2007、2008、2009、2014年的EDI值都大于0.66，说明在这5 a绿洲地区的干旱情况较为严重。

表1 2001—2014年EDI、EDI距平值(ΔEDI)和降水距平值(ΔR)对比表

(3)验证了气象站蒸发皿实测蒸发量数据与MOD16蒸散产品数据之间的相关性，结果通过0.01显著性检验；进一步验证蒸发皿实测蒸发量数据与反演蒸散量之间的关系，验证结果通过0.01显著性检验。说明MOD16蒸散产品数据在新疆南疆绿洲地区具有较好的适用性，也表明了利用MOD16蒸散产品数据估算蒸散量具有较高合理性。

(4)混合型线性双源遥感模型在新疆南疆绿洲地区干旱监测的合理程度，通过降水距平进行了间接验证。降水距平的年际变化与年均EDI值变化和EDI距平值变化情况相反，即降水距平值为越小的负值时，EDI值越大，EDI距平值为越大的正值，干旱越严重。