结合遥感数据对云贵地区蒸散发量及干湿变化特征的研究

黄 瑾，崔 巍，钟 鸣，李析男

(1.贵州省水利水电勘测设计研究院有限公司，贵阳 550002；2.贵州省喀斯特地区水资源开发利用工程技术研究中心，贵阳 550002；3.南京水利科学研究院，南京 210029)

陆面蒸散发是全球水热循环的重要环节。在我国喀斯特地区，岩溶地貌的发育和脆弱的土壤结构造成了该地区可利用水资源的匮乏。蒸散量作为水量平衡中的损失项，其发展趋势将显著地影响农业和经济的发展。因此，通过准确的蒸散发信息来探析其时空分布规律，将有助于了解喀斯特地区的水资源配置、区域水文过程以及干湿状况的演变特征。

遥感技术的日益发展，使遥感影像反演得到的陆面蒸散发数据得到广泛应用。国内外学者利用遥感技术对蒸散发的研究主要集中在估算方法[1]、质量评估[2, 3]、时空变化以及影响因素[4, 5]和干旱监测运用[6]等方面。一些研究在获取地区蒸散发时空分布的基础上，通过计算实际蒸散发(ETa)和潜在蒸散发(ETp)的差值来反映流域干旱化趋势[7, 8]。目前针对各省蒸散发数据适用性及时空分布特性的相关研究较多，但如何将区域蒸散发的时空分布规律与干湿变化状况联系起来，并深入分析地区的干旱化趋势还缺乏系统的研究。因此，本文以云南、贵州两个喀斯特典型区域作为研究区，利用遥感系统MOD16的蒸散发产品和全球陆面数据同化系统(GLDAS)模拟的蒸散发数据，结合不同蒸散发数据的共同特征揭示2000-2014年云贵地区蒸散发时空变化规律，并通过计算3种干湿指数获取云贵高原的干湿演变状况，深入探究蒸散发、降水与地区干湿演变的关系，为云贵地区旱情监测以及水资源评价提供科学依据。

1 材料与方法

1.1 研究区域

贵州和云南地区又称作云贵高原，位于中国的西南部，两省总面积约57 万km2。在山地高原地貌和热带、亚热带季风的影响下，云贵高原的气候类型多样且具有明显的区域差异，降水充沛但分配不均，造成该地区干湿季分明。

作为世界上典型的喀斯特地貌地区[9]，贵州省地处全世界范围内喀斯特面积最大、最集中的岩溶山区[10]，喀斯特地貌面积达10.9 万km2。而云南高原东南部喀斯特地区占总面积53%，是我国喀斯特最发育地区之一[11]。通过SRTM网站(http:∥srtm.csi.cgiar.org/SELECTION/inputCoord.asp)获取云贵地区空间分辨率为90 m的数字高程模型(DEM，见图1)，可以看出该区域地势悬殊较大，总体呈现出海拔高度由云南西北部向南部及贵州地区递减的特点。

1.2 研究数据及来源

1.2.1 全球陆面数据同化系统(GLDAS)数据

全球陆面同化系统(Global Land Data Assimilation System，GLDAS)目前提供GLDAS-2数据集，包含了GLDAS-2.0和GLDAS-2.1两类数据。两者气象驱动数据具有差异[12]，其中GLDAS-2.0由Princeton大学制作的全球气象数据驱动Noah或CLM模型模拟得到1984-2014年，时间尺度为3 h或1月，空间尺度为0.25°×0.25°和1°×1°的各种地表水热通量数据集。本文使用GLDAS-2.0数据集的ETa数据，因数据集中没有提供ETp，因此利用GLDAS-2.0时间尺度为3 h产品中的辐射、气压、气温和风速等气象数据，运用FAO56推荐的P-M公式[13]计算逐日ETp后，累加得到逐月潜在蒸散发量(记为PM_ETp)。

1.2.2 MOD16全球陆地蒸散发产品

MOD16全球陆地蒸散发产品由美国航空航天局(NASA)发布，该产品包含了陆面蒸散发数据(ETa)、潜在蒸散发数据(ETp)和潜热通量等数据。MOD16中ETa数据结合了MODIS数据以及实测气象信息，在得到植被与土壤的净辐射量后，以Penman-Monteith公式为基础计算得到[14]。ETp数据表征的是蒸散面水量趋于饱和时的蒸散量，该变量的计算结合了湿润土壤和植被表面的蒸发数据，经Priestley-Taylor公式得到的植被潜在蒸腾量以及土壤的潜在蒸发量。

目前NASA已更新发布版本6的MOD16数据，因该版本数据在云贵高原缺失严重，本文使用版本5的MOD16数据(来源：ftp:∥ftp.ntsg.umt.edu/pub/MODIS/Mirror/MOD16)该数据由蒙大拿大学密苏拉分校地球动态数值模拟研究组(NTSG)基于MOD16基本数据，进一步处理得到月尺度下0.05°×0.05°和年时间尺度下0.5°×0.5°数据。本文采用数据为0.05°×0.05°的月尺度实际蒸散量(记为MOD16_ETa)和潜在蒸散发量(记为MOD16_ETp)。

1.2.3 气象数据

气象数据来源于中国气象数据网(http:∥data.cma.cn/site/index.html)，该数据集基于中国地面2472个台站的资料，利用ANUSPLIN软件的薄盘样条法，结合三维地理空间信息进行空间插值后，生成了1961至2018年的水平分辨率为0.5°×0.5°的格点降水数据。本文所用数据时间范围为2000年1月至2014年12月。

1.2.4 MOD16与GLDAS数据适用性讨论

国内外一些研究已对MOD16和GLDAS中蒸散发产品在各地的适用性进行了较为广泛的验证：Andam-Akorful[15]等以非洲Volta流域为研究区，结合水量平衡原理对MOD16和GLDAS的蒸散发产品进行评估，结果显示总体上MOD16与GLDAS_NOAH的ETa产品和各类产品校正后计算的平均参考ETa较一致，但MOD16数据的不确定性相较GLDAS的更小。贺添等[16]分别从站点、流域尺度对MOD16_ETa进行精度检验，总体上讲MOD16产品值与实测数据匹配较好，但在与我国十大流域多年平均蒸散值的对比验证中发现MOD16估算的年蒸散发量总体偏高，两者的均方根误差为152 mm/a。姜艳阳等[2]通过水量平衡方法，对中国松花江、黄河以及长江上游和中游地区的MOD16_ETa产品进行了评估，指出该产品的月尺度数据存在着低值区高估而高值区低估的特点，尤其在蒸发过程较弱的11月至次年3月，存在普遍性高估。针对云南和贵州的研究中，很多研究从站点尺度对MOD16蒸散发产品的可靠性进行了分析[17, 18]，结果表明MOD16蒸散发产品和气象站点观测的蒸发量在时空分布上有较高一致性。基于已有研究，虽然MOD16和GLDAS蒸散发产品仍存在一定的不确定性，但整体模拟精度较好，两套遥感蒸散发数据可应用于分析云贵地区ETa和ETp的时空分布及干湿演变研究。

1.3 研究方法

1.3.1 趋势分析方法

Mann-Kendall(M-K)检验是一种非参数的时间序列趋势性检验方法，常用于检验温度、降水、蒸散发等时间序列的显著性变化[19]。对于具有明显季节性的时间序列数据，可采用季节性M-K检验方法。M-K检验的结果由变化率τ值和显著性水平p值综合反映变量的趋势性变化情况。变化率τ>0表示趋势在增加，τ<0表示趋势在减小，τ=0表示没有变化；显著性水平p≤0.01表明变化趋势极显著，0.01

1.3.2 干燥度(ETp/P)

根据年潜在蒸散发量ETp和年降水量P，可求得年均干燥度(ETp/P)。该指数与气候分布有密切关系，数值越大表明蒸发能力超过降水量越多，干燥程度越严重，干燥度的分级指标如表1所示[20]。

表1 干燥度分级指标Tab.1 The classification of aridity indicator

1.3.3 蒸散发比(ETa/ETp)

实际蒸散发ETa与潜在蒸散发ETp之比能够反映一个地区的水分供应环境。在充分供水条件下，ETa=ETp。水分供应不充分时，Penman[21]认为ETa/ETp是关于植被生长和土壤供水能力的函数，ETa与ETp之间成正比关系。Bouchet[22]则认为当水分供应减小时，ETa的减少会使地面释放出更多的显热能量，大气通过对陆面的反馈作用使得温度上升、湿度下降，进而造成ETp的上升，从而两者表现为互补关系。尽管对于两者之间的关系认识还不明确，但可以利用ETa与ETp的比值关系反映一个地区土壤的供水能力与干湿状况。在供水充足的湿润地区，一年的实际蒸散发接近于潜在蒸散发，该比值接近于1；在半干旱或半湿润地区，ETa/ETp一般在0.2～0.7之间波动；而在干旱地区，ETa/ETp一般小于0.1[23]。

1.3.4 蒸散发系数(ETa/P)

2 结果与分析

2.1 云贵地区降水时空变化特征

2000-2014年云贵地区的平均降水P空间分布规律及季节性M-K检验结果如图2所示，该地区多年平均降水量的变化范围为487～2 638 mm。从空间分布情况来看，年均降水量在西北部最低，而逐渐向南部和东部增加。结合一年中各月份平均降水量数据进行分析，发现月均降水量的空间分布特征与图2(a)的年均降水量空间分布基本一致，在年内分配上，降水主要集中在7-8月，月均最大值在7月可达216 mm，在12月达到全年最小值，约17 mm。

从降水量变化趋势来看，贵州省内降水量基本无显著变化，昆明以西的云南省中部地区的降水量显著下降，且这部分地区多年平均降水量基本小于1 000 mm，说明云贵地区降水较少的区域变得更加少雨。对比各月降水量的变化情况，5月降水的变化趋势与图2(b)所示全年降水趋势分布最为相似，但显著下降的区域范围更大，这说明昆明以西区域降水量的显著下降与5月降水量的减少关系密切，其余月份的降水量变化不显著。

2.2 实际蒸散发量的空间分布与变化

图3为云贵地区实际蒸散发的空间分布情况，两套ETa在数值上存在一定差异。MOD16_ETa的年均值范围为344～1 325 mm；而GLDAS_ETa年均值范围为453～1 062 mm。总体上GLDAS_ETa数据偏低，但两者的空间分布状况较为相似，且与该地区的年均降水量空间分布较为一致：ETa总体呈现为云南南部最高，贵州东部其次，云南北部最低的特点。

通过计算2000-2014年的各月平均实际蒸散发数据，对比两套ETa数据发现它们具有相似的季节性变化规律，即夏高冬低，但是不同的月份存在一定的差异，具体表现为：月均MOD16_ETa产品在7月达到全年最大值106.89 mm，在12月达到全年最少蒸散量37.34 mm，这与月均降水量的最值分配情况一致。而GLDAS_ETa则是在8月达到了全年蒸散量最大值，约为108.11 mm，全年蒸散最小值发生在1月，仅35.46 mm。总体来看，相较于GLDAS_ETa数据，MOD16_ETa的最大和最小值发生时间提前。

图4是对2000-2014年云贵地区逐月MOD16_ETa和GLDAS_ETa季节性M-K趋势检验结果。两套数据反映出的ETa空间变化趋势存在着相同处，即ETa在云南西南部显著增加，而在云南北部地区显著减小。对比图3可知，云南西南部及北部分别对应于ETa的高值和低值区，即云南地区的ETa高值区的蒸散发量变得更大，而低值区的蒸散发量变得更小。贵州地区的ETa变化不明显，仅北部地区有零散增加。两套数据反映ETa的变化趋势存在一些差异：云南西北角MOD16_ETa显著减小，而GLDAS_ETa在显著增加。同时，MOD16_ETa在贵州南部零散地区具有增加趋势，而GLDAS_ETa显示有零散地区呈减少趋势。

此外，在分别计算各月ETa的变化趋势后发现，MOD16_ETa在2、3、5月的变化趋势的时空分布与图4(a)的结果较一致，10、11月MOD16_ETa增加的区域与图4(a)中显示MOD16_ETa总体增加的云南西南部一致，这表明多个月份MOD16_ETa的增加造成了云南西南部MOD16_ETa的上升，而2、3、5月MOD16_ETa的减小主要造成了云南中部地区MOD16_ETa的下降。

1-6月GLDAS_ETa减小的区域与图4(b)中显示GLDAS_ETa总体减少的云南中部区域一致，9-12月呈增加趋势的区域与图4(b)中显示GLDAS_ETa总体增加的云南西南部一致，因此可认为1～6月的GLDAS_ETa减小造成云南中部区域总体GLDAS_ETa的减小，而9-12月这4个月GLDAS_ETa的增加造成了云南西南部GLDAS_ETa的总体增加。

2.3 潜在蒸散发量的空间分布与变化

MOD16_ETp和PM_ETp在2000-2014年的年均分布见图5。两套数据表明整体ETp在云贵高原的空间分布差异较小，PM_ETp在数值上明显低于MOD16_ETp，PM_ETp的年均值范围为645～1 190 mm，MOD16_ETp的年均值范围为1 157～2 067 mm。通过对比各月的ETp均值分布(图略)发现，PM_ETp和MOD16_ETp的季节变化较为一致：在1-2月处于较低水平，3-4月开始由南向北增加，其中以云南地区增加速度最快；伴随着能量和降水的增加，云南和贵州的最大值分别出现在5月和7月；ETp从9月开始自回落，以贵州地区的下降速率最快，整个区域的ETp在12月达到全年最低值，约40.41 mm(PM_ETp)和79.14 mm(MOD16_ETp)。

两套ETp数据的季节性M-K趋势检验结果见图6，可以看出，两套ETp数据的变化趋势分布格局有较大差异。MOD16_ETp在云南中部及北部、贵州大部分地区具有显著上升趋势，其余地区基本保持不变。而PM_ETp显示云南绝大部分地区(尤其是中西部地区)呈显著上升趋势，在贵州仅零散地区有显著上升趋势。

对两套数据各月的ETp变化趋势分别进行分析，MOD16_ETp产品在5月与图5(a)的总体趋势分布最为相似，但显著上升的范围更大；在8、11月均表现出整体的上升趋势，说明5、8、11月MOD16_ETp的增加造成了云贵大部分地区的MOD16_ETp具有显著上升趋势。PM_ETp数据在5月的变化趋势同样与总体最相似，且显著上升的范围较广，而3、4、5以及9月的PM_ETp呈上升趋势的地区集中在云南西南和北方地区，与图5(b)所示上升区域一致，说明这4个月对PM_ETp的变化趋势影响最大。

综合降水、实际蒸散发和潜在蒸散发在各月的变化情况来看，5月是云贵地区水分状况发生急剧变化的时期，在此期间降水量和ETa显著减小，而ETp显著增加，这些因素的变化共同加剧了云南中部区域春季的干旱化趋势，其中ETp的增加对地区干旱化具有显著影响，这与WANG等[25]认为ETp较快的增加速率将加剧西南干旱事件的结论比较一致。

2.4 ETa/ETp的空间分布与变化

图7(a)、7(b)为分别使用MOD16的ETa与ETp数据、GLDAS_ETa与PM_ETp数据计算得到的年均ETa/ETp空间分布状况，以及对逐月ETa/ETp进行季节性M-K趋势检验得到的趋势结验结果[图7(c)、7(d)]。基于MOD16所得ETa/ETp范围为0.1～0.8，反映云贵地区大部分地区处于半湿润半干旱状态，这与云贵地区主要为湿润区的实际状况[20, 26]不符。

基于GLDAS_ETa和PM_ETp计算的ETa/ETp在0.7～1.0间波动，反映整个云贵地区非常湿润。两套ETa/ETp计算结果的数值上差异很大，但空间分布上则较一致地表现出ETa/ETp由云南北部和中部逐渐向西南、东部增加，整体表现出与云贵地区地势特点相反的分布特点。

结合ETa/ETp的变化趋势图来看，两种ETa/ETp在云南的中部至北部区域均显著下降，一致地反映该区域变干，这主要是因为云南中北部地区ETa在减小、ETp在增加，两套ETa/ETp的变化共同反映出该区域的大气蒸散发能力在增加。

2.5 蒸散发系数的空间分布与变化

云贵地区2000-2014年的年均蒸散发系数ETa/P空间分布状况如图8所示。由图8可知，两种遥感产品得到蒸散发系数的空间分布大体一致，ETa/P在云南的昆明附近及贵州的西北部分地区较高，部分地区ETa/P接近1，说明这部分区域较周边区域更干燥。

通过ETa/P的季节性M-K检验结果，两种数据一致反映云贵的大部分地区蒸散发系数无显著性变化，仅在云南中部以及西南部分区域具有增加趋势，即有所变干。但MOD16数据显示的变干区域位于贵州的贵阳以北地区，昆明以西、以南地区，且显著性很强；而GLDAS数据显示的云南的变干区域位置相对偏南部，且显著性略弱。对比降水和实际蒸散发的趋势结果后发现，昆明以西区域主要对应ETa和降水减小的区域，故两变量中ETa的减小速度更快；而云南西南部散发率ETa/P的增加主要受ETa变化所控制。

2.6 干燥度的空间分布与变化

根据年均MOD16_ETp、PM_ETp和地面观测年均降水量，可求得云贵地区2000-2014年的年均干燥度(ETp/P)分布情况如图9所示。根据表1的干燥度分级指标，若采用MOD16的计算结果，云南的中部至北部地区属于半干旱地区，云南西南部与贵州地区为半湿润区，仅滇南少部分区域为湿润区，该结果与云贵地区主要为湿润区的实际状况[20,26]不符，说明MOD16的ETp数据存在一定的高估情况。若采用PM_ETp的结果，半湿润地区则主要分布在滇中和滇北，其余均为湿润区。同时，对比干燥度与降水分布可以发现，1 000 mm等降水量线基本与MOD16所得的半干旱和半湿润分区界限、PM_ETp所得的半湿润和湿润分区界限重合。

通过M-K检验的结果综合分析发现，干燥度显著增加的区域主要位于半干旱和半湿润区，这与年均降水量小于1 000 mm的区域基本符合，其余地区干燥度基本不变。由于干燥度增加的区域存在ETp增加，P减小的现象，说明此区域年蒸散发能力与年降水量在逐渐接近，即在近15 a的气候变化过程中，偏干地区的蒸散发能力逐渐达到饱和，干旱化程度愈发严重。

3 讨 论

本文对比GLDAS和MOD16的潜在蒸散发产品发现，MOD16_ETp数据普遍高于PM_ETp，导致基于MOD16_ETp的干燥度和ETa/ETp结果与我国实际气候分区[20,26]不符。而利用PM_ETp和GLDAS_ETa得到的干燥度、ETa/ETp结果则与中国自然地理区划基本一致。结合降水的分布情况来看，采用MOD16_ETp得到的干湿分区显示半干旱区位于年降水量小于1 000 mm的区域，这与降水带的分布不吻合，由此可见，P-M方法的计算结果基本合理，而MOD16_ETp产品存在高估的现象。

从能量的角度来分析，净辐射数据的误差可能是导致MOD16潜在蒸散发估计值偏大的原因。对比GLDAS的净辐射数据(Rn)，并计算MOD16_ETp、PM_ETp所对应潜热通量(λ=2.45 MJ/kg)在2000-2014年的逐月变化过程(见图10)发现，PM_ETp所对应的潜热通量小于Rn，而MOD16_ETp的潜热通量则明显大于Rn，这说明用于计算ETp的MOD16净辐射数据明显大于GLDAS产品的。

针对MOD16净辐射数据偏大的原因可以从Rn的计算方法做进一步分析，Rn实际是地表接收到的净短波辐射与长波辐射能量之和(方向向下)，其中长波辐射是向下与向上长波辐射之差，需同时考虑大气温度与地表温度的影响，其计算公式为[27]：

(1)

式中:α为地表反照率；Rs↓为向下的短波辐射；εa和εs分别为大气和地表发射率；σ为Stefan-Boltzmann常数；Ta为大气温度，K；Ts为地表温度，K。

在MOD16算法中，将大气温度代替了地表温度进行计算[19]：

(2)

式中：εa=1-0.26 exp[-7.77×10-4×(Ta-273.15)2]；εs=0.97。

由于在大部分地区Ts与Ta具有很强的相关性，但实际很多土地覆盖类型下的白天Ts高于Ta，夜间的Ts低于Ta[28,29]，而在MOD16的蒸散发算法中，用Ta代替Ts进行长波辐射的计算，这可能会使长波辐射的计算结果在白天偏高，而在夜间偏低，但因夜间蒸散发量较小，所以总体上长波辐射的计算结果偏大。另外，εs取为0.97，而εa是关于气温的函数，在正常气温范围内均存在关系εa<εs，综合大气和地表温度、发射率的算方法来看，Ta代替Ts以及εs=0.97可能是造成MOD16的长波辐射估算偏高的原因。为此，本文利用2010年1、4、7、10月(分别代表春、夏、秋、冬季节)GLDAS所提供的地表温度与气温数据，按式(1)和式(2)计算长波辐射后，两种方法结果的平均偏差约为1.34 W/m2，由此可知MOD16算法中净短波辐射的计算偏高，造成了其潜在蒸散发产品存在高估现象，并进一步导致本文利用MOD16_ETp数据所得干燥度和ETa/ETp结果对我国气候的分区与实际不符。

4 结 论

本文采用0.05°×0.05°的MOD16和0.25°×0.25°的GLDAS蒸散发数据，结合中国气象局的降水数据，首先分析了云贵地区降水量和蒸散发量的时空变化，在此基础上分别计算了3个干湿状况指标，探讨了云贵地区在近15年来的干湿演变状况、发展趋势及其与蒸散发时空变化的内在联系。结果表明：

(1)MOD16_ETa和GLDAS_ETa的结果显示，2000-2014年云贵地区年均ETa空间分布情况与年均降水量较为一致，ETa总体呈现为云南南部最高，贵州东部其次，云南北部最低的特点；从变化趋势来看，15年来云南西南部的ETa在显著增加，而云南北部地区的ETa在显著减小。

(2)云贵高原上MOD16_ETp和PM_ETp在2000-2014年的年均空间分布差异较小，但PM_ETp在数值上明显低于MOD16_ETp；两种ETp数据的趋势检验结果共同反映云南中部及部分北方区域的ETp具有显著性上升趋势。

(3)基于MOD16_ETp计算得到的干燥度和ETa/ETp反映云南西南部和贵州地区为半湿润区，云南中部至云南北部为半干旱区，仅云南南部的少部分区域为湿润区，这与实际状况不符；而根据GLDAS_ETa和PM_ETp计算的干燥度及ETa/ETp显示半湿润地区主要分布在云南中部和北部，其余均为湿润区，这与传统气候大区的分布结果相近，更具可靠性。MOD16_ETp数据普遍高于PM_ETp，而造成MOD16_ETp数据偏高的原因主要与其中净辐射计算结果偏大有关。

(4)结合多种干湿指数的变化趋势来看，贵州地区干湿情况较稳定，云南的中部地区具有较显著的变干趋势，原因在于此区域的ETa和降水量显著下降，ETp在显著增加。这些因素在5月的变化最明显，共同加剧着近15年来该区域的干旱化程度。

□