徐浩瑋,段浩,趙紅莉,郝震,樊玉苗

(1.中國(guó)水利水電科學(xué)研究院,北京 100048;2.水利部數(shù)字孿生流域重點(diǎn)實(shí)驗(yàn)室,北京 100048;3.黃河水利科學(xué)研究院,鄭州 450003)

0 引言

隨著全球性的氣候變化及人類(lèi)對(duì)水資源的過(guò)度開(kāi)發(fā)和不合理利用,水已經(jīng)成為制約全世界農(nóng)業(yè)糧食生產(chǎn)、影響生態(tài)環(huán)境的重要因素之一。蒸散發(fā)(evapotranspiration,ET)是水文循環(huán)中極為重要的環(huán)節(jié)[1],對(duì)區(qū)域水量平衡有重要意義[2]。ET由地表蒸發(fā)、植被蒸騰和冠層截留蒸發(fā)等多個(gè)部分共同構(gòu)成[3],氣候條件、環(huán)境、種植的作物類(lèi)型以及人類(lèi)生產(chǎn)活動(dòng)都會(huì)對(duì)其產(chǎn)生重要影響[4]。由于ET的變化會(huì)對(duì)灌區(qū)的農(nóng)業(yè)用水管理、灌溉效率及水資源的合理利用產(chǎn)生直接影響,因此對(duì)灌區(qū)的ET研究具有重要意義。

傳統(tǒng)的ET觀(guān)測(cè)以地面站點(diǎn)觀(guān)測(cè)為主,遙感技術(shù)的發(fā)展為大尺度的ET監(jiān)測(cè)提供了新的方法。目前基于遙感數(shù)據(jù)進(jìn)行ET反演的方法可以分為4類(lèi)。第一類(lèi)是基于地表能量平衡原理計(jì)算的能量平衡余項(xiàng)法,如陸面能量平衡算法(surface energy balance algorithm for land,SEBAL)模型[5]、地表能量平衡系統(tǒng)(surface energy balance system,SEBS)模型[6]、基于高分辨率和內(nèi)在校準(zhǔn)的蒸散估算法(mapping evapotranspiration at high resolution and with internalized calibration,METRIC)模型[7]等。第二類(lèi)是基于氣象數(shù)據(jù)與植被指數(shù)統(tǒng)計(jì)關(guān)系的經(jīng)驗(yàn)關(guān)系法,如土壤-植被-大氣傳輸模型(soil-vegetation-atmosphere transfer,SVAT)[8]、T-VI三角/梯形模型[9]等。第三類(lèi)是基于導(dǎo)度和阻抗的Penman-Monteith(PM)公式模型,如Penman-Monteith-Leuning(PML)模型[10]、MOD16 ET模型等[11]。第四類(lèi)是基于互補(bǔ)相關(guān)原理的互補(bǔ)相關(guān)模型,如互補(bǔ)相關(guān)模型(complementary relationship areal evapotranspiration,CRAE)[12]、平流-干旱模型[13]等。其中,PML模型因?yàn)閰?shù)較為簡(jiǎn)單,有合理的生物物理基礎(chǔ),且對(duì)蒸騰和蒸發(fā)的機(jī)理刻畫(huà)較為合理,適用于下墊面類(lèi)型復(fù)雜、大尺度、大區(qū)域的遙感蒸散監(jiān)測(cè),因而被研究學(xué)者廣泛運(yùn)用[14]。王海波等[15]基于PML模型,反演了黑河流域的ET;李紅霞等[16]利用此模型對(duì)澳大利亞的ET進(jìn)行了模擬;Li 等[17]依據(jù)此模型分析了植被變化對(duì)ET量的影響;段浩等[18]向該模型引入冠層截留模塊改善ET模型精度;Zhang等[19]通過(guò)解析植被氣孔對(duì)大氣CO2濃度、光合作用與水分傳輸?shù)捻憫?yīng)機(jī)制,構(gòu)建了植被氣孔導(dǎo)度的碳水耦合估算方法,研發(fā)了機(jī)理性更強(qiáng)的二代蒸散發(fā)模型PML-V2,并基于此模型研發(fā)了2000—2020年全球500 m分辨率的陸地ET和植被總初級(jí)生產(chǎn)力耦合數(shù)據(jù)產(chǎn)品。

在遙感ET反演中,常用的數(shù)據(jù)源主要有MODIS數(shù)據(jù)、Landsat ETM+數(shù)據(jù)、主動(dòng)微波遙感數(shù)據(jù)(ENVISAT/ASAR)等。但我國(guó)的農(nóng)業(yè)耕地大多具有細(xì)碎化、作物種植結(jié)構(gòu)復(fù)雜等特點(diǎn),同時(shí)屬于小型地塊的農(nóng)田超過(guò)了農(nóng)田總面積的1/2[20],需要高分辨率的ET反演,對(duì)遙感數(shù)據(jù)的時(shí)空分辨率提出了較高的要求。田間尺度ET的空間異質(zhì)性主要受到植被和土壤含水量的影響。在PML模型中,植被可以通過(guò)葉面積指數(shù)(leaf area index,LAI)體現(xiàn),而土壤含水量的影響目前大多考慮通過(guò)土壤蒸發(fā)系數(shù)f來(lái)表征。Zhang等[21]提出了用區(qū)域累計(jì)降水量計(jì)算土壤蒸發(fā)系數(shù)f的參數(shù)化方法;Morillas等[22]提出模擬降水后土壤干燥程度來(lái)計(jì)算土壤蒸發(fā)系數(shù)f。但目前對(duì)PML模型的應(yīng)用研究中,缺少采用遙感反演的土壤含水量數(shù)據(jù)計(jì)算土壤蒸發(fā)系數(shù)f的工作。不過(guò)現(xiàn)有的其他類(lèi)型ET反演模型中,已經(jīng)有學(xué)者進(jìn)行過(guò)引入遙感反演的土壤水分?jǐn)?shù)據(jù)對(duì)模型參數(shù)改進(jìn)的嘗試,例如Yi等[23]將修正的垂直干旱指數(shù)(modified perpendicular drought index,MPDI)作為水分脅迫的一個(gè)指標(biāo)整合到SEBS模型中,以改進(jìn)ET的反演精度,不足之處是此方法中反演土壤水分的數(shù)據(jù)源大多與模型中的反演其他參數(shù)的數(shù)據(jù)源不同源,不同的數(shù)據(jù)源時(shí)空分辨率不同,也會(huì)使反演結(jié)果產(chǎn)生誤差。本文考慮在PML模型中引入與其他參數(shù)同源的土壤含水量數(shù)據(jù)對(duì)模型的土壤蒸發(fā)系數(shù)f進(jìn)行改進(jìn)。

Sentinel-2數(shù)據(jù)重返周期為5 d,空間分辨率可達(dá)10 m,且數(shù)據(jù)的光譜特性較為穩(wěn)定,能夠滿(mǎn)足田間尺度高分辨率ET反演的需要。近年來(lái),Sentinel-2數(shù)據(jù)在種植結(jié)構(gòu)識(shí)別、植被指數(shù)反演等方面均有比較廣泛的應(yīng)用[24-25]。但基于PML模型和Sentinel-2數(shù)據(jù)進(jìn)行ET反演的研究還較少,馬宗瀚[26]利用耦合植被碳水過(guò)程的PML模型在黑河流域和海河流域進(jìn)行了田間尺度的ET反演研究;Zhang等[27]利用Sentinel-2數(shù)據(jù)和PML-V2模型計(jì)算了10 m分辨率的北京市海綿城市項(xiàng)目區(qū)的ET。但上述研究在計(jì)算土壤蒸發(fā)時(shí)均沒(méi)有考慮土壤含水量變化對(duì)ET的影響。本文基于PML模型,結(jié)合Sentinel-2數(shù)據(jù),反演得到10 m分辨率的土壤含水量,耦合土壤含水量數(shù)據(jù)改進(jìn)PML模型土壤蒸發(fā)系數(shù)f的參數(shù)化方案,并對(duì)內(nèi)蒙古河套灌區(qū)建設(shè)二分干渠灌域主要農(nóng)作物生育期內(nèi)的實(shí)際ET進(jìn)行反演,以期為高分辨率ET的反演提供參考,進(jìn)而為干旱和半干旱區(qū)的農(nóng)業(yè)灌溉決策提供支持。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

本文的研究區(qū)是內(nèi)蒙古河套灌區(qū)建設(shè)二分干渠灌域,位于106.80°E～106.83°E,40.56°N～40.59°N之間,研究區(qū)的位置和種植結(jié)構(gòu)如圖1所示。灌域的總面積約為427 hm2,地勢(shì)平坦,海拔為1 025～1 050 m,土壤主要以砂壤土和壤土為主。灌區(qū)熱量充足,全年日照3 100～3 200 h,無(wú)霜期120～150 d。雨量稀少,年降水量?jī)H130～250 mm,而年蒸發(fā)量達(dá)2 000～2 400 mm。本研究區(qū)內(nèi)主要種植的農(nóng)作物為玉米、葵花、小麥、葫蘆等。

圖1 研究區(qū)位置和種植結(jié)構(gòu)圖

1.2 遙感數(shù)據(jù)下載與處理

研究使用的遙感數(shù)據(jù)來(lái)源于Sentinel-2的Sentinel-2A和Sentinel-2B衛(wèi)星,該數(shù)據(jù)的空間分辨率分別為10 m(band 2、band 3、band 4、band 8)和20 m(band 11、band 12,重采樣到10 m),時(shí)間分辨率為5 d(https://scihub.copernicus.eu/)。本研究選擇研究區(qū)主要作物玉米和葵花的生育期(6—10月)進(jìn)行ET反演。在除去了研究時(shí)段內(nèi)有云遮擋影響的數(shù)據(jù)后,共選取了31期影像進(jìn)行研究。下載原始數(shù)據(jù)后,利用Sen2Cor軟件對(duì)其進(jìn)行幾何校正、輻射定標(biāo)、重采樣和裁剪等處理。預(yù)處理完成后進(jìn)一步反演獲得遙感ET模型所需的地表反照率、MPDI等參數(shù)。徐存剛[28]將Sentinel-2影像計(jì)算的MPDI、垂直干旱指數(shù)(perpendicular drought index,PDI)和植被調(diào)整垂直干旱指數(shù)(vegetation adjusted perpendicular drought index,VAPDI)分別與土壤水分實(shí)測(cè)數(shù)據(jù)建立的回歸模型進(jìn)行分析,發(fā)現(xiàn)利用 MPDI構(gòu)建模型時(shí),反演精度優(yōu)于PDI、VAPDI。因此本文通過(guò)MPDI與地面安裝的自動(dòng)墑情站點(diǎn)所測(cè)量的土壤含水量之間的回歸關(guān)系建立回歸模型,利用MPDI反演得到研究區(qū)域內(nèi)空間分辨率為10 m的土壤含水量。

1.3 地面監(jiān)測(cè)數(shù)據(jù)

根據(jù)2021年研究區(qū)域的實(shí)際種植情況,本文選取研究區(qū)內(nèi)的建設(shè)二分干渠范圍內(nèi)的東四斗和新三斗進(jìn)行觀(guān)測(cè)設(shè)備的布設(shè),用于觀(guān)測(cè)作物生育期內(nèi)(6—10月)的氣象、土壤墑情、通量等數(shù)據(jù)。研究區(qū)布設(shè)的氣象觀(guān)測(cè)站為T(mén)RM-ZS3型農(nóng)田小氣候觀(guān)測(cè)站(數(shù)據(jù)采集時(shí)間間隔為15 min),ET模型輸入的氣象要素均來(lái)自氣象觀(guān)測(cè)站連續(xù)觀(guān)測(cè)的氣象信息,包括氣溫、相對(duì)濕度、氣壓、風(fēng)速、降水量等。同時(shí)研究區(qū)內(nèi)還布設(shè)了智墑+系列自動(dòng)墑情站,共4處,每?jī)蓚€(gè)為一組安放在種植不同作物的臨近地塊中,可自動(dòng)采集記錄地下深度1 m以?xún)?nèi)的土壤墑情變化情況,數(shù)據(jù)采集時(shí)間間隔為1 h。研究區(qū)內(nèi)設(shè)有一處SCIRGA開(kāi)路渦動(dòng)協(xié)方差系統(tǒng),通過(guò)測(cè)量顯熱通量H、潛熱通量LE、地表熱通量Gs、凈輻射通量Rn、摩擦風(fēng)速,以及其他物質(zhì)通量等要素來(lái)獲取實(shí)際ET量,數(shù)據(jù)采集時(shí)間間隔為30 min,并采用線(xiàn)性回歸方法和能量平衡比法分析了站點(diǎn)的能量平衡狀況[29](圖2(a))。經(jīng)分析,該站點(diǎn)的能量平衡比為0.952 7,能量閉合率為83.92%,說(shuō)明數(shù)據(jù)質(zhì)量較好,可以進(jìn)行ET模型精度的驗(yàn)證。同時(shí)分析研究時(shí)間內(nèi)的渦動(dòng)相關(guān)的貢獻(xiàn)源區(qū),運(yùn)用Kljun足跡解析模型[30]對(duì)站點(diǎn)的數(shù)據(jù)計(jì)算通量足跡,選取通量貢獻(xiàn)為55%源區(qū)遠(yuǎn)端點(diǎn)距觀(guān)測(cè)點(diǎn)的距離以及足跡最大值離觀(guān)測(cè)點(diǎn)距離進(jìn)行分析。本站點(diǎn)的通量貢獻(xiàn)源區(qū)分布較為集中,基本在觀(guān)測(cè)點(diǎn) 100 m范圍之內(nèi)。若將耕地作為感興趣區(qū)域,研究時(shí)段內(nèi)有97.42%的通量源區(qū)全部落在感興趣區(qū)域內(nèi),99.72%的足跡最大值落在感興趣區(qū)域內(nèi)。因此,本渦動(dòng)相關(guān)站具有較好的空間代表性,可以用于對(duì)模型結(jié)果的精度驗(yàn)證。其他信息如土地利用類(lèi)型、土壤類(lèi)型等通過(guò)人工實(shí)地調(diào)研采集獲得,并且通過(guò)調(diào)研的土壤類(lèi)型,參照Koren等[31]給出的土壤水分常數(shù)表,可以獲取研究區(qū)內(nèi)每種土壤類(lèi)型對(duì)應(yīng)的土壤凋萎含水量和田間持水量。

1.4 ET模型

PML模型將可用能量分為冠層吸收和土壤吸收兩部分,將ET總量拆分為植被蒸騰和土壤蒸發(fā)兩部分計(jì)算,考慮到冠層截留在ET過(guò)程中的影響,本研究采用加入冠層截留模塊的PML模型進(jìn)行計(jì)算,并對(duì)模型中部分參數(shù)的計(jì)算方法進(jìn)行了調(diào)整。

其中,土壤蒸發(fā)系數(shù)f用來(lái)表征土壤的濕潤(rùn)程度,在本文中通過(guò)表層土壤含水量得到,如式(1)所示。

(1)

式中:θ為遙感反演的土壤含水量;θw代表土壤凋萎含水量;θcr表示田間持水量。

歸一化植被指數(shù)(normalized difference vegetation index,NDVI)由Sentinel-2數(shù)據(jù)直接反演獲得,并通過(guò)LAI與NDVI的經(jīng)驗(yàn)回歸模型計(jì)算得到LAI[32]。地表反照率α目前多采用針對(duì)不同波段設(shè)定經(jīng)驗(yàn)參數(shù)來(lái)反演的方法,本研究的經(jīng)驗(yàn)參數(shù)參考Li等[33]提出的用Sentinel-2數(shù)據(jù)計(jì)算地表反照率的波段經(jīng)驗(yàn)參數(shù)。

1.5 精度評(píng)價(jià)方法

采用相關(guān)系數(shù)(R)、均方根誤差(RMSE)和偏離度(bias)來(lái)量化評(píng)價(jià)模型的反演精度。

2 結(jié)果與討論

2.1 模型精度評(píng)價(jià)

基于PML模型對(duì)研究區(qū)的ET進(jìn)行反演,并利用渦動(dòng)站的渦動(dòng)相關(guān)數(shù)據(jù)對(duì)反演結(jié)果進(jìn)行擬合驗(yàn)證(圖2(b))。由于儀器故障、不利的微氣象條件、異常值剔除和質(zhì)量控制等原因造成數(shù)據(jù)缺失,通常渦動(dòng)相關(guān)站一年中約有17%～50%的觀(guān)測(cè)數(shù)據(jù)缺測(cè)或被剔除[34]。本研究從原始觀(guān)測(cè)數(shù)據(jù)中篩選出質(zhì)量較好的觀(guān)測(cè)數(shù)據(jù),其中有Sentinel-2遙感影像、可用于精度驗(yàn)證的日期共17 d。從PML模型反演結(jié)果中提取渦度站所在像元的反演數(shù)據(jù),進(jìn)行精度指標(biāo)計(jì)算。從圖2可以看出,站點(diǎn)的實(shí)際觀(guān)測(cè)值與PML模型的反演結(jié)果具有較好的相關(guān)性,相關(guān)系數(shù)R=0.813,線(xiàn)性擬合結(jié)果接近1∶1。在RMSE和bias指標(biāo)方面,RMSE=0.971 mm/d,bias=8.44%。綜合各項(xiàng)評(píng)價(jià)指標(biāo)可以說(shuō)明,引入了Sentinel-2遙感數(shù)據(jù)的PML模型在研究區(qū)域的精度較好。

圖2 2021年渦動(dòng)相關(guān)站的能量閉合度檢驗(yàn)和6—10月哨兵監(jiān)測(cè)日反演結(jié)果與渦動(dòng)相關(guān)站實(shí)測(cè)數(shù)據(jù)對(duì)比圖

2.2 模型對(duì)土壤蒸發(fā)改進(jìn)效果的分析

1)不同土壤蒸發(fā)系數(shù)方案的對(duì)比。土壤蒸發(fā)系數(shù)f反映土壤的干濕程度與蒸發(fā)能力,目前研究中常用的計(jì)算方法有兩大類(lèi):一是通過(guò)實(shí)測(cè)數(shù)據(jù)進(jìn)行參數(shù)率定取固定系數(shù);二是通過(guò)土壤含水量、降水后的土壤干燥程度、累計(jì)降水量等數(shù)據(jù)進(jìn)行參數(shù)化計(jì)算。本文采用第二類(lèi)方法,通過(guò)耦合土壤含水量數(shù)據(jù)對(duì)f進(jìn)行參數(shù)化。分析該方法對(duì)土壤蒸發(fā)結(jié)果精度的改進(jìn)效果,將采用上述兩類(lèi)方法計(jì)算的土壤蒸發(fā)值進(jìn)行對(duì)比,并選取10月26日的結(jié)果為例進(jìn)行比較(圖3),其中,固定系數(shù)取值參考研究區(qū)域地理?xiàng)l件相似的區(qū)域取值,取1.26。從土壤蒸發(fā)的結(jié)果對(duì)比可以看出,采用固定系數(shù)計(jì)算的土壤蒸發(fā)結(jié)果集中分布在0.7～1.5 mm/d的區(qū)間內(nèi),而f參數(shù)化得出的土壤蒸發(fā)主要分布在0～0.8 mm/d區(qū)間內(nèi),計(jì)算時(shí)段10月26日研究區(qū)的土壤蒸發(fā)并不活躍,固定系數(shù)計(jì)算的土壤蒸發(fā)與實(shí)際情況相比偏大,說(shuō)明此方法忽略了土壤實(shí)際干濕狀態(tài)的變化以及實(shí)際情況,無(wú)法較好地反映客觀(guān)規(guī)律。同時(shí)利用渦度站的渦度相關(guān)數(shù)據(jù)對(duì)兩種方法的ET反演結(jié)果進(jìn)行對(duì)比驗(yàn)證(圖4),從圖中可以看出,當(dāng)實(shí)測(cè)ET大于4 mm/d時(shí),兩種方案的ET模擬值與實(shí)測(cè)值的擬合情況都比較好,但是當(dāng)實(shí)測(cè)ET小于4 mm/d時(shí),固定系數(shù)法的ET模擬值存在明顯高于實(shí)測(cè)值的情況,使得固定系數(shù)法的ET反演結(jié)果總體擬合精度較差。綜上所述,土壤蒸發(fā)系數(shù)f參數(shù)化方案對(duì)土壤蒸發(fā)結(jié)果的改進(jìn)效果較好。

圖4 不同土壤蒸發(fā)系數(shù)方案反演結(jié)果與2021年渦度相關(guān)站6—10月哨兵監(jiān)測(cè)日實(shí)測(cè)數(shù)據(jù)對(duì)比圖

2)不同下墊面條件下的土壤蒸發(fā)對(duì)比。影響土壤蒸發(fā)的下墊面條件主要包括氣溫、相對(duì)濕度、氣壓、降水量、LAI、土壤類(lèi)型等,由于本文的研究區(qū)范圍較小,因此不考慮氣象條件對(duì)土壤蒸發(fā)的影響,本節(jié)主要研究不同LAI、土壤類(lèi)型條件下土壤含水量對(duì)土壤蒸發(fā)的影響。首先,為對(duì)比不同LAI條件下模型對(duì)土壤蒸發(fā)的改進(jìn)效果,選擇研究區(qū)內(nèi)LAI較高的7月18日和較低的10月26日,對(duì)土壤含水量和土壤蒸發(fā)結(jié)果進(jìn)行比較(圖5)。

從7月18日的結(jié)果可以發(fā)現(xiàn)土壤含水量與土壤蒸發(fā)量相關(guān)性較弱,這是由于模型中土壤蒸發(fā)模塊的影響因素——土壤吸收能量與該計(jì)算單元的LAI呈反比關(guān)系,而7月、8月、9月正值研究區(qū)作物的生長(zhǎng)旺季,土壤含水量的高值區(qū)均為耕地,作物生長(zhǎng)茂盛,LAI較高,導(dǎo)致該處的土壤吸收能量較低,從而導(dǎo)致了土壤蒸發(fā)量也較低,因此可以看出7月18日的土壤蒸發(fā)與LAI在空間上有較好的一致性(圖5(b)、圖5(c)),二者呈反比例關(guān)系。而10月26日研究區(qū)域內(nèi)的作物均已成熟收割,LAI降至最低(圖5(f)),土壤吸收能量不再受到LAI的影響,此時(shí)的土壤蒸發(fā)量主要由土壤含水量大小決定,因此看出土壤含水量與土壤蒸發(fā)的相關(guān)性較高(圖5(d)、圖5(e)),土壤含水量越高,土壤蒸發(fā)越大。因此,本模型的土壤蒸發(fā)系數(shù)f參數(shù)化方案在低植被覆蓋度條件下的改進(jìn)效果更加顯著。

圖5 土壤含水量、土壤蒸發(fā)、LAI對(duì)比圖

為了進(jìn)一步分析10月26日不同土壤類(lèi)型條件下土壤含水量與土壤蒸發(fā)的關(guān)系,在研究區(qū)中以種植結(jié)構(gòu)、地塊劃分、土壤類(lèi)型為依據(jù)選取了800個(gè)樣本點(diǎn)進(jìn)行分析(圖6)。通過(guò)對(duì)數(shù)據(jù)分析發(fā)現(xiàn),低植被覆蓋條件下土壤含水量與土壤蒸發(fā)呈正比例關(guān)系,但是在不同的土壤類(lèi)型中相關(guān)關(guān)系不同,這是由于不同類(lèi)型土壤的顆粒的孔隙度不同,從而導(dǎo)致了它們的田間持水量和凋萎含水量不同,因此相同的土壤含水量在不同的土壤中計(jì)算出的土壤蒸發(fā)系數(shù)不同,所以土壤蒸發(fā)量也不同。砂壤土的土壤顆粒比壤土顆粒的孔隙度大,透水性更強(qiáng),在相同水分條件下砂壤土的土壤蒸發(fā)量更大。而同一類(lèi)型的土壤,土壤含水量與土壤蒸發(fā)對(duì)應(yīng)的關(guān)系也會(huì)不同,分析是由于部分種植玉米的耕地在作物收割以后,有殘留的秸稈覆蓋土地導(dǎo)致的。當(dāng)土壤水分較小時(shí),土壤水分是限制土壤蒸發(fā)的主要因素,所以有無(wú)秸稈覆蓋的差異不明顯。隨著土壤水分增大,能量成為限制土壤蒸發(fā)的主要因素,有殘留秸稈覆蓋的耕地,土壤表面接受的能量少,所以有秸稈覆蓋的耕地土壤蒸發(fā)弱于無(wú)秸稈覆蓋的耕地,并且土壤水分越大限制越明顯,所以在相同土壤類(lèi)型的條件下,有無(wú)秸稈覆蓋的土壤蒸發(fā)差值會(huì)越來(lái)越大。但在低植被覆蓋的條件下,土壤類(lèi)型仍然是土壤蒸發(fā)主要的影響因素。

2.3 不同下墊面模擬ET日值的時(shí)序變化分析

為進(jìn)一步分析模型反演ET的時(shí)間變化精度及合理性,以研究區(qū)的種植結(jié)構(gòu)為依據(jù),在3種主要農(nóng)作物(玉米、葵花、葫蘆)的耕地中選取樣本點(diǎn),將作物生育期內(nèi)的模型ET反演值按時(shí)間序列進(jìn)行分析比較(圖7),分析ET在作物不同生長(zhǎng)階段的變化情況。

圖7 PML模型的哨兵監(jiān)測(cè)日ET反演結(jié)果

圖7分別展示了PML模型反演得到的3種農(nóng)作物地塊的日ET變化過(guò)程。從整體上看,在時(shí)間變化上,7月至10月日ET呈現(xiàn)出逐漸減小的趨勢(shì),與研究區(qū)內(nèi)的作物生長(zhǎng)季和地面所接收的凈輻射能量變化規(guī)律一致。在最值方面,7月的日ET最大,最大值為6.284 mm/d,10月的日ET最大值較小,為1.116 mm/d。同一時(shí)段內(nèi)的日ET分布特征主要與土地的種植結(jié)構(gòu)相關(guān)。按作物類(lèi)別劃分來(lái)看,在作物的生育期內(nèi),7月中下旬3種作物的日ET在時(shí)間序列上的變化趨勢(shì)較為一致,但玉米的日ET相較于同時(shí)段的葵花和葫蘆更大,這是因?yàn)榇穗A段中植被蒸騰占ET的主要部分,而植被蒸騰的強(qiáng)度由作物本身的生長(zhǎng)特性和植被郁閉度決定,玉米的植被郁閉度在同時(shí)期的3種作物中最大,因此蒸騰能力也最強(qiáng);而自7月下旬開(kāi)始,葫蘆逐漸進(jìn)入成熟期,葉片開(kāi)始慢慢枯黃和凋萎,也不再進(jìn)行灌溉,但此時(shí)的玉米和葵花仍生長(zhǎng)旺盛,因此葫蘆的日ET下降的節(jié)點(diǎn)較玉米和葵花更早;9月中下旬玉米與葵花成熟收獲,由于在研究區(qū)內(nèi)玉米的收獲時(shí)間比葵花早,所以玉米日ET的下降節(jié)點(diǎn)也較葵花更早。進(jìn)入10月后作物生育期結(jié)束,此階段中土壤蒸發(fā)占ET的主要部分,在研究區(qū)內(nèi)不同作物的秸稈處理方式不同,10月底玉米的秸稈通常大部分還殘留在耕地中,土地沒(méi)有進(jìn)行翻耕,殘留的秸稈會(huì)阻礙土壤的能量吸收從而導(dǎo)致土壤蒸發(fā)降低,因此10月份種植玉米的耕地的ET稍弱于種植葵花和葫蘆的耕地。

3 結(jié)束語(yǔ)

本文基于PML模型對(duì)河套灌區(qū)建設(shè)二分干渠范圍內(nèi)部分日期的日ET進(jìn)行了反演研究。通過(guò)引入Sentinel-2數(shù)據(jù)、改進(jìn)土壤蒸發(fā)系數(shù)f的參數(shù)化方案,獲得了空間分辨率為10 m的田間尺度日ET結(jié)果,分析了相同數(shù)據(jù)源的土壤含水量對(duì)土壤蒸發(fā)空間異質(zhì)性的影響,主要得到以下結(jié)論。

1)通過(guò)與研究區(qū)內(nèi)渦度相關(guān)站點(diǎn)的17 d有效觀(guān)測(cè)數(shù)據(jù)進(jìn)行對(duì)比,模型反演結(jié)果與渦度相關(guān)數(shù)據(jù)的相關(guān)系數(shù)R為0.813,均方根誤差為0.971 mm/d,偏離度為8.44%,模型的精度較好。

2)基于不同土壤蒸發(fā)系數(shù)參數(shù)化方案的反演結(jié)果表明,通過(guò)耦合土壤含水量進(jìn)行土壤蒸發(fā)系數(shù)參數(shù)化方案能夠更好地反映土壤蒸發(fā)的實(shí)際情況,并且在植被覆蓋度低的場(chǎng)景下,改進(jìn)效果更顯著。

3)對(duì)ET的時(shí)間變化過(guò)程分析表明,使用PML與Sentinel-2數(shù)據(jù)反演的ET結(jié)果能夠很好地描述下墊面的空間異質(zhì)性,同時(shí)也準(zhǔn)確地反映了作物不同生長(zhǎng)階段的ET特征,對(duì)干旱區(qū)和半干旱區(qū)的農(nóng)業(yè)用水管理研究有重要意義。