大沽河流域水文要素监测体系建设与实践：结论及分析

2023-09-17 理论教育版权反馈

【摘要】：从大沽河流域2013年逐月的蒸散量结果可以看出，四季典型蒸散量的年内分布均体现出大沽河流域自然气候条件特征，存在明显的季节变化规律：夏季最大，春秋次之，冬季最小。冬季蒸散量相对较少，12月、1月、2月的月均蒸散量分别为30.34mm、20.01mm、22.83mm。总体而言，水体蒸散量最大，其次是林地和耕地，城镇及建筑用地蒸散量最小。虽然存在一定误差的影响，但是2013年大沽河流域蒸散量估算值与年内变化趋势均与实测数据具有良好的一致性。

（1）以Bastiaanssen于1998年提出的SEBAL 模型为基础，利用MODIS影像数据产品，结合流域气象数据对大沽河流域2013年的蒸散量进行估算，并与气象台站实测数据进行了对比，发现蒸散量估算值与实测值的变化趋势基本一致，结果显示实测值与计算值的平均绝对误差（MAE）为0.733mm，均方根误差（RMSE）为1.0078mm，证实了SEBAL 模型在大沽河流域的蒸散量研究中具有一定的适用性。

（2）从大沽河流域2013年逐月的蒸散量结果可以看出，四季典型蒸散量的年内分布均体现出大沽河流域自然气候条件特征，存在明显的季节变化规律：夏季最大，春秋次之，冬季最小。冬季蒸散量相对较少，12月、1月、2月的月均蒸散量分别为30.34mm、20.01mm、22.83mm。春季和秋季次之，夏季蒸散量最多，在8 月达到峰值，月蒸散量达到141.62mm。在空间分布上，蒸发量区域变化幅度不算明显，但相比之下流域东部蒸散值偏小。在整个1年内的各个月中，各土地利用类型的平均蒸散量之间的大小关系不完全是固定不变的，对于同一个月的不同土地利用类型，其平均蒸散量也不相同。总体而言，水体蒸散量最大，其次是林地和耕地，城镇及建筑用地蒸散量最小。

（3）利用遥感方法估算区域蒸散量具有大范围、同步测量、时效性、经济性等特点，大量研究表明，遥感技术在区域蒸散发的估算中具有其他手段无可比拟的优势，尤其在反映蒸散发空间分布上具有独特优越性。然而，到目前为止区域蒸散发的遥感估算还存在很多不确定性，在一定程度上影响了模型精度。首先，区域蒸散发的遥感估算模型涉及大量有关下垫面物理特征（如表反照率、植被覆盖度、地表温度、净辐射等）的参数，由于云、大气、太阳角、观测视角等外部因素的影响，遥感数据的有效性受到一定限制，加上地表参数反演误差的累积效应等，导致区域蒸散发遥感估算精度不高。其次，现有模型需要近地层参考高度处的气温、风速等非遥感参数的支持，但这些参数是遥感手段较难获取的，大多依据气象站等的观测值进行内插，而内插过程则会带来较大误差。第三，在非均匀下垫面条件下的陆面过程具有复杂性和时空变化，不同遥感蒸散发模型有不同的适用条件及范围，即使是相同模型应用于不同区域其误差结果也会存在不同程度的差异。在区域蒸散发估算中考虑不同模型的优缺点及适用条件，有助于提高遥感蒸散发估算结果在区域（流域）水资源研究中的适用性。最后，利用遥感反演的蒸散量涉及尺度扩展的问题，由于遥感获取的是瞬时值，为获得长时间尺度（日、旬、月、季、年等）的信息，需要进行时间尺度扩展，但天气所造成的影响如阴雨天及风速变化大时会导致尺度扩展效果并不理想，如何将瞬时值进行很好的时空尺度扩展，也将是遥感研究的重点。

（4）快速精确地估算大沽河流域的蒸散量，总结蒸散量的时空变化规律，对大沽河流域水资源的高效利用具有重要的意义。通过基于能量平衡方程的SEBAL模型反演大沽河流域蒸散量时，由于模型中一些参数的获取难度较大，必须采用一些简化和近似的处理，这些处理难免会带来一些误差。此外，虽然选取的MODIS数据产品都经过严格筛选，数据质量较好，但仍然避免不了MODIS数据产品会出现不同程度的云区覆盖的问题，导致蒸散量估算值的空间分布图中存在较少部分面积比例的无值区，给反演结果带来一定误差。虽然存在一定误差的影响，但是2013年大沽河流域蒸散量估算值与年内变化趋势均与实测数据具有良好的一致性。

大沽河流域水文要素监测体系建设与实践：结论及分析

相关推荐