论文部分内容阅读
蒸散发（Evapotranspiration，ET）是地表能量平衡与水循环的重要组成部分，准确地对区域蒸散发进行估算，对水资源管理、农业生产、全球变化适应等具有重要意义。遥感技术已成为估算区域地表蒸散发的重要手段，但是目前存在着数据源受天气影响大，不能考虑平流效应的影响，地表阻抗不易确定等问题。针对上述问题，本研究采用物理意义明确的Decouple模型综合利用遥感信息和再分析数据开展ET反演研究。首先分析地表阻抗不确定性对ET反演结果的影响，揭示了应用Decouple模型的必要性;其次开展Decouple模型的关键参数Ω影响因子分析，筛选出敏感因子;接着基于敏感因子，构建参数化方法，并在单点尺度检验其精度;最后将新参数化方案和Decouple模型应用于区域ET反演，并将其结果与其他模型结果和实测数据进行对比分析，检验精度。 论文开展的主要工作如下: (1)研究了RS-PM的代表性模型MOD16算法，针对该算法地表阻抗中未考虑土壤水分影响的问题，提出了改进算法。一是利用地表和根系范围的土壤水分信息对地表阻抗模型进行修正;二是改进了土壤表面蒸发计算方法，原算法先计算潜在蒸发，再根据相对湿度和饱和水汽压计算经验系数，两者相乘获得实际蒸发;改进算法根据表层土壤水分计算土壤表面阻抗，再利用PM公式计算实际蒸散发。利用位于美国不同气候带的9个站点实测资料检验改进算法和原算法的表现（在每个站点开展计算值与实测值误差统计后，再对相关参数进行平均值计算）。考虑土壤水分因子影响后，平均偏差(BIAS)绝对值从0.36mm/d降低至0.30mm/d;平均均方误差(RMSE)从1.14mm/d降低至0.97mm/d，平均相关系数(R)由0.54提升至0.70。MOD16算法中加入土壤水分参数后，提高了ET计算精度。 (2)利用数值模拟技术分析了Decouple模型参数Ω的主要影响因子。首先，从宏观尺度利用植被-大气耦合模型，分析Ω与地表阻抗、风速和地表粗糙度三个因子关系，结果表明Ω与地表阻抗呈双曲线函数关系，当地表阻抗rs由100s/m增加至1000s/m，Ω由0.56降低至0.10;当风速由2m/s增加至20m/s，Ω由0.56降低至0.10;当地表粗糙度zom由0.05m增加至1.2m时，Ω由0.64降低至0.44，因此Ω对地表阻抗敏感而对其它两个因子不敏感。其次，从微观尺度利用NOAH模型分析Ω与植被覆盖率、土壤水分、大气相对湿度、气温和净辐射等因子关系，结果表明土壤水分、植被覆盖率、相对湿度对Ω影响较大。 (3)根据遥感植被指数信息和大气驱动因子，构建了Ω的参数化方法。该方法将Ω分解为三部分:①湿润表面液态水耦合度，fwet，②干燥植被耦合度，Ωv和③干燥土壤耦合度，Ωs。参数化的关键是对干燥植被耦合度中的rc/ra参数进行确定。利用美国通量网16个站点实测通量资料和气象资料开展统计分析，结果表明日尺度上rc/ra和r*/ra之间呈线性相关关系，并且回归系数a，b受气候类型影响较大。利用植被指数时间序列可估算系数a，b，结合大气驱动因子，可实现Ω的参数化。选择千烟洲站和禹城站实测资料对该方法进行验证，在千烟洲站计算误差为0.4％;在禹城站计算误差为-12.3％，结果表明此方法具有较高精度。 (4)利用Decouple模型开展区域ET反演研究，并将结果与其它遥感ET模型结果、实测数据进行对比分析，评价其精度。以北京市及周边为研究区，以2013年9月1日为典型日开展ET反演案例研究，Decouple反演结果表明，ET高值区分布于研究区的东北部和和西南部，其值为3.01～4.50mm/d;ET低值区分布于西北部，其值为1.01～2.50mm/d。以Decouple模型结果为基准，其它遥感ET模型的结果与其对比，SEBAL模型的BIAS值为-0.03mm/d，RMSE值为0.71mm/d;MOD16模型的BIAS值为-0.44mm/d，RMSE值为0.85mm/d;PT模型的BIAS值为-0.91mm/d，RMSE值为1.91mm/d。研究区内怀来站当日实测ET值为2.70mm/d，Decouple模型计算结果与实测值最接近，BIAS值为-0.26mm/d，相对误差为-9.6％，研究结果表明，Decouple模型反演的区域ET具有较高的精度。