论文部分内容阅读
摘 要：該研究利用MODIS与Landsat TM/OLI多源遥感资料获取的艾比湖地表温度和植被指数信息，进行陆面水热平衡过程研究，结合空间三角形法，根据水热平衡原理反演温度植被蒸散指数（TVETI），并选用MODIS蒸散发产品数据对反演结果进行线性回归分析与精度验证，结果表明：MODIS-TVETI与Landsat-TVETI都可以有效地反演陆面蒸散发；其中MODIS-TVETI最高相关性达到0.847、0.803、0.723，Landsat-TVETI达到0.837、0.818、0.717；发现2000—2014艾比湖15a蒸散发时空动态变化较大，空间差异显著，其中5月、6月、7月变化程度为：7月>6月>5月；通过分析，艾比湖蒸散发时空格局呈现由季节性温度升高，风速增大导致蒸散发面积增大的趋势，在此基础上分析了影响艾比湖蒸散发变化的驱动力因素，近年来随着温度升高，大风天气频繁，人口增加等因素，使艾比湖地区蒸散现象较为严重。可见，开展艾比湖蒸散发时空监测对于干旱区湿地生态有重要的理论与实际意义。
关键字：空间三角形法；蒸散发；多源遥感；驱动力
中图分类号 P426.2 文献标识码 A 文章编号 1007-7731（2017）18-0057-07
Analysis of Spatiotemporal Changes of Evapotranspiration and Driving Forces of the Ebinur Lake Basin Based on Triangle Method
Guo Jiaxin et al.
（College of Resources and Environment Science，Xinjiang University，Urumqi 830046，China；Key Laboratory of Oasis Ecology under Ministry of Education，Xinjiang University，Urumqi 830046，China）
Abstract：In this paper the land surface temperature （LST） and normalized difference vegetation index （NDVI） products of MODIS were used to analyze regional enemy balance，hydrological cycle and water utilization in the Ebinur lake basin.The temperature vegetable evapotranspiration index（TVETI） was built by using dry and wet edges in the Ts-VI trapezoid space.At the same time the accuracy and regression analysis of TVETI was obtained from MODIS evapotranspiration （ET） product showed that TVETI could estimate the regional evapotranspiration well when use Landsat remote sensing data or MODIS LST and NDVI products，the MODSI-TVETI certainty coefficient is respectively：0.847，0.803，0.723，Landsat-TVETI certainty coefficient is respectively：0.837，0.818，0.717；The spatiotemporal changes of evapotranspiration in the 15 years from 2000 to 2014 is obvious，and it changed obviously in different season，the spatiotemporal changes of evapotranspiration has strongly changed from May to July，the evapotranspiration increased in the southeastern of Ebinur lake in May and the evapotranspiration increased in June is in the west of Ebinur lake，the evapotranspiration increased strongly in the south and southeastern；In this paper the driving forces of ET in Ebinur lake basin was analyzed also，there are two significant parts affecting ET which are natural factor and human factor.For the natural factor，the wind speed plays an important role in influencing the ET，the wind speed and LST could speed up water from ground and vegetation to evaporate.In the latest years，the days of strong wind and population increased，the evapotranspiration also increased. In conclusion carrying out research on the spatial and temporal dynamic changes and the driving forces in drought of Ebinur Lake has important theoretical and practical significance for the arid zone. Key words：Temperature and vegetation dryness index （TVDI）；Evapotranspiration；Multisource remote sensing；Driving force
陆面蒸发与植物蒸腾（蒸散发）是区域内热量平衡与水分平衡的重要的组成部分，亦是下垫面生态系统与大气进行能量、水分循环的重要途径[1-2]，尤其对于干旱与半干旱区域，进行及时有效的地表蒸散发监测，对于区域的水资源管理以及生态系统安全具有重要的意义。蒸散发在时间与空间上都存在较大的不可确定性，主要表现为空间上的非均匀性以及时间上的非线性[3]，近年来，有不少学者对此展开了相关研究，但研究进展突破较少，因此对蒸散发在时间与空间上的格局研究有较大意义。
遥感作为空间尺度与时间尺度的陆面水热平衡监测的技术手段[4]，已经取得了很大的突破。当前，利用遥感进行蒸散发估算的模型主要分为两大类：一类是基于Penman-Monteith[5-6]公式的能量瞬时转换模型，是一种对能量转换的清晰表达，其中需要实地获取地表观测的空气和植被冠层的数据。另一种模型是基于感热通量为核心的能量余项法，其中最有代表性的模型为SEBAL（Surface Energy BalanceAlgorithm for Land）模型[7]。经过较长时间的发展，SEBAL模型利用遥感可获得构建模型的所需参数，比如地表比辐射率、地表反照率、地表温度等参数。并通过能量转换方程与地表参数模拟，可以为中高分辨率遥感资料反演蒸散发提供较好的依据[8-9]。通过分析前人的研究，利用遥感估算蒸散发取得了一定的成果，但是基于地面实测数据的限制以及模型精度的验证等问题，通过分析温度与植被指数的水热平衡关系，建立一种利用地表能量平衡方程估算蒸散发的模型，并且反演效果较好。如Price[10]，Carlson等[11]发现归一化植被指数（Normalized Differential Vegetation Index，NDVI）与地表温度（Ts）之间存在负相关关系，呈现二维负相关空间三角形特征；Sandholt等[12]更深入分析该特征空间生态特征的解释，提出了利用温度植被干旱指数TVDI估算土壤表层水分状况。NEMANI和RUNNING[13]通过分析地表温度和植被指数与植物叶片与蒸散的关系，为遥感估算地表蒸散量提供相应参考。
本研究以新疆艾比湖湿地为研究区，选用MODIS温度与植被指数产品数据根据水热平衡原理，构建TVETI蒸散指数，同时利用相同时间段的Landsat 8遥感资料构建的TVETI与MODIS估算结果进行对比研究和交叉验证，最后选用MODIS-ET产品分别对MODIS-TVETI和Landsat-TVETI做线性相关性分析与精度验证，分析基于空间三角形法构建的蒸散发模型的可行性以及不同数据源所反演的蒸散发的特点，为艾比湖蒸散发时空分布特征以及水资源管理措施提供一定的科学依据。
1 研究区概况与数据来源
1.1 研究区概况 艾比湖流域位于43°38′～45°52′N，79°53′～85°02′E之间（图1），流域东临古尔班通过特沙漠，西接哈萨克斯坦共和国，北部相邻托里县，南部为精河县。大风日天气较多，蒸发量大，降水稀少，年平均气温6.6 ～7.8℃，年降水量116.0～169.2mm。艾比湖流域属于典型的干旱区生态环境，目前有限的水资源使艾比湖流域人类生产生活用水与生态用水间的矛盾日益突出[14]。
1.2 数据来源 通过USGS网站分别下载2010年与2014年5月8日、6月10日、7月4日的MODIS16d的蒸散发、温度、植被指数数据，空间分辨率为1km。同时下载相同时间段的无云或天气状况较好的Landsat TM与Landsat 8 OLI遥感影像数据。空间分辨率为30m，利用ENVI 5.1对MODIS遥感资料坐标系进行转换，对OLI数据裁剪、辐射校正、FLAASH大气校正等，精度符合研究标准。
2 研究方法
2.1 地表温度
2.1.1 Offer Rozenstein劈窗算法 Offer Rozenstein等和覃志豪等[15]根据以往的劈窗算法以及Landsat 8数据的特点，提出了SW1（Split-Window Algorithm）反演算法。其计算公式如下：
[TS=AO+A1T10-A2T11] （1）
式中，Ts為地表温度，T10、T11，分别Landsat 8第10，第11波段的亮温温度。A0、A1和A2是系数。
2.2 温度植被干旱指数（TVDI） 在NDVI和Ts构成的三角形特征空间中，将不同植被指数条件对应的最高下垫面温度（Tsmax）相连，构成了三角形的干边，表示为该区域内的干旱上限，将其干旱指数定义为1，与之相反的将不同植被指数对应的最低下垫面温度（Tsmin）相连构成了三角形的湿边，表示为该区域内的最湿润区，将其干旱指数定义为0。通过温度植被干旱指数方法对两者信息进行综合处理与相应的实测数据拟合，可以得到TVDI模型进而得到研究区的土壤干旱状况，为科学研究该研究区干旱情况提供了重要的依据[16]。
[TVDI=Ts-TsminTsmax-Tsmin] （2）
[Tsmax=NDVIα+b]；[Tsmin=NDVIc+d] （3）
式中，Tsmax，Tsmin分别由植被指数与地表温度根据干边、湿边线性拟合获得，本研究中采用NDV I植被指数，a、b、c、d分别是干边和湿边线性拟合方程的系数。
在三角形区域内任一点的TVDI值介于0～1，TVDI值越大，对应的土壤湿度越低，TVDI值越小，对应的土壤湿度越高。
Ts-NDVI的直线斜率可以反映土壤湿度状况。许多研究发现[10-11，17]，在Ts-NDVI的特征空间中，存在一系列土壤湿度的等值线，这些等值线都可近似认为相交于干湿边的交点，并且该等值线近似为直线（图2），该直线的斜率与土壤湿度间可以描述为一元线性函数关系。 2.3 温度植被蒸散指数（TVETI） 贺广均等[2]基于以下假设构建温度植被蒸散指数方程： （1）土壤具有含水量极低和含水量饱和2种临界状态；（2）地表平坦，同一植被覆盖度的地表接收的净太阳辐射通量R相同；（3）地表每天在接收太阳辐射前，表面温度与大气温度相等，在接收太阳辐射后，感热通量H与地表温度和大气接收太阳辐射前温度的差值成正比。
根据以上假设与水热平衡原理，温度值被指数被定义为如下：
[TVETI=Tsmax-TsTsmax-Tsmin] （4）
[Tsmax=αd*NDVI+bd]，[Tsmin=αw*NDVI+bw] （5）
式中：Tsmax与Tsmax分别代表干湿边植被指数对应的最大与最小温度，ad、aw与bd、bw分别代表干湿边上的斜率与截距。
3 结果与分析
3.1 构建特征空间 通过构建MODIS数据与OLI数据的特征空间，并利用TVDI确定特征空间干湿边（3式）。从图3中看出，随着NDVI的增加，Ts的最大值呈减小趋势；随着NDVI的减小，Ts的最大值逐渐增大。Ts的最大最小值在0.01分割的NDVI尺度上呈现三角形特征，两种数据源的散点分布大致相似，但是也存在较大差异。MODIS-TVDI与Landsat-TVDI相比，散点图较为稀疏，二维特征空间既有三角形也有梯形。MORAN等[18]从理论的角度进行分析，认为Ts与VI之间存在梯形的关系。韩丽娟等[19]研究表明三角形关系与梯形关系是并存的，只是在某种情况下可以互相转换。
由表1看出，整体上MODIS数据拟合结果与Landsat 8数据拟合结果较为相似，拟合精度较好；MODIS数据中，2010年7月干边R2=0.93，湿边R2=0.08相差最大，2014年7月的干湿边R2=0.93，湿边R2=0.03，存在差异较大；Landsat 8拟合结果中，整体效果相比于MODIS数据较好，但2014年7月干、湿边拟合结果分别为0.90、0.38，相差较大。
3.2 TVETI时空特征 本文利用空间三角形TVDI模型，通过对植被指数与温度进行能量与水分平衡进行分析，反演区域蒸散发，图4反应了宏观上艾比湖蒸散发的时空变化，从图中可以看出：与MODIS-ET数据相比，MODIS-TVEI与Landsat-TVETI整体态势相同，反演效果较好；从局部与细节上分析可知，由于MODIS-ET数据有部分像元缺失，导致湖体周边的对比结果不能凸显，但是在艾比湖西部的农耕区植被的蒸散发效果相似性较高，以及西北部与西南部高山积雪处的蒸散发趋势相同；Landsat-TVETI整体效果以及精度都略高于MODIS-TVEI，尤其是2014年Landsat-TVETI与MODIS-ET数据整体趋势最为相似；另一方面，MODIS数据在2010年5月与2010年7月出现湖体像元缺失，以及Landsat-TM影像在2010年7月存在云量较多的影响，会对反演效果有略微干扰，但不影响整体TVETI对蒸散发的估算效果。
3.3 精度验证 利用研究区往年采样点坐标信息，通过Arcgis软件对不同数据源估算的TVETI以及MODIS-ET数据进行对点像元的蒸散发数据提取，通过提出异常值后，利用MODIS-ET数据对MODIS-TVEI与Landsat-TVETI进行线性相关分析与对比精度验证。由图5可以看出：MODIS-TVEI和Landsat-TVETI与MODIS-TVETI相关性较好，都能很好的进行区域蒸散发的估算；MODIS-TVEI与MODIS-ET数据相关性最高达到0.847，最低为0.56，Landsat-TVETI与MODIS-ET数据相关性最高为0.837，最低为0.67，整体精度较高。
4 蒸散发时空变化
为了更好地研究艾比湖蒸散发的时空动态变化，本文选取2000—2014年的MODIS-TVETI反演数据，对2000年与2014年的5月、6月、7月蒸散发进行差值变化研究，充分考虑艾比湖5—7月植被长势变化、气候变化、环境变化的因素，可以较为明显的分析艾比湖15a间5月、6月、7月蒸散发的空间分布差异。杨秀芹[20]等基于GLEAM模型分析淮河蒸散发年际、月际变化，发现蒸散发空间差异较为显著，蒸散发量表现为大范围增加趋势。本研究根据杨秀芹对蒸散发变化的划分结果，将2000—2014年蒸散发划分为明显减少、轻微减少、基本不变、基本增加、轻微增加、显著增加。
图6显示了艾比湖湿地蒸散发的年际变化特征，通过进一步分析2000—2014年5月、6月、7月蒸散发的空间分布特征，可以更好地反映蒸散发在时间尺度上的变化情况。结果显示：3个月的蒸散发在空间上显现出较大差异，且影响范围逐渐增大，其中蒸散发量增加最为明显的是7月，其次为6月，5月主要以基本增加和轻微减少占主导；蒸散发在5月变化较大的区域位于艾比湖的东南部，经查阅相关艾比湖的风速气象资料表明，春季时，位于艾比湖湖体西北部的阿拉山口风口风速较大，最大达到3.8m/s，且大风日较多。另外，2000年艾比湖全年风速较大，所以春季阿拉山口西北风是艾比湖東南部蒸散发有所增加的因素之一；在6月份时，蒸散发增加区域明显向西移动，空间变化显著，蒸散发面积有所增加。主要由于农作物及植被在夏季覆盖度较大，加之温度升高，导致在6月份时艾比湖西部蒸散量主要以植被蒸腾和温度升高引起的地面蒸发为主导；7月时，蒸散发变化范围最大，空间变化最为显著，主要区域为艾比湖西北部与西南部的山体区域、南部耕地区域以及东南部的荒漠区域。综上所述，艾比湖湖体蒸散发在年际变化上并不显著，主要表现为随着温度升高、风速增大而引起的山体、植被覆盖较大的区域以及荒漠区域的蒸散发明显增加的现象。
5 驱动力分析
5.1 自然因素
5.1.1 风速的影响 艾比湖湿地处于干旱区与半干旱区域，属于典型的温带大陆性气候，干旱区湖泊生态对区域自然环境敏感性较高。据统计，1980—2000年，艾比湖湖水面积萎缩趋势减缓，暂时进入相对稳定期，湖面稳定在500km2左右（图7）。可以看出1998—2016年期间，艾比湖湖面面积存在一定的起伏波动，受到阿拉山口风口大风的影响，艾比湖面积与风速的变化呈现显著地负相关关系；2002年与2013年属于艾比湖湖面面积突变年，而艾比湖区域的风速从1998年到2013年为稳步增长，同时2013年也是风速变化的突变年，2013年到2016年风速变化率为45.7%；湖面面积从2002到2013年逐年递减，湖面面积减少46.2%，萎缩趋势较为明显，线性斜率变化为-33.82，线性相关性R2=0.71；可见艾比湖湿地及周边生态安全将受到强烈影响，同时由于艾比湖地处阿拉山口风口处，艾比湖地表一直处于阿拉山口大风的直接影响下，大风天气的频繁增加，更为直接地驱动艾比湖蒸散发量的增大，整体上随着艾比湖风速的增加，与艾比湖蒸散发量呈现正相关关系，艾比湖湖面面积呈现减小的趋势，二者呈负相关，由此说明风速是影响艾比湖蒸散量变化的自然影响因素之一。 5.1.2 降水量、气温、相对湿度的影响 干旱区气候变化对区域生态系统影响较大，尤其对干旱区生态脆弱的湿地环境影响最为直接。水分与热量的平衡关系是决定区域湿润度与干旱度的重要因子。进一步分析艾比湖湿地的降水、温度与相对湿度的关系，对揭示区域蒸散发的强弱有一定的参考价值。作者进一步分析了艾比湖从2010年到2014年5月、6月、7月艾比湖湿地的水热情况（图8～图10），由于5月、6月、7月处于艾比湖的湿季，区域水热情况与植被长势有助于更好地分析艾比湖湿地的蒸散情况。在图8中看出降水量与相对湿度呈现正相关关系，变化趋势相似性明显；5—7月间，相对湿度逐渐增大，呈现很好规律性，由于气候变化频繁，导致艾比湖在2011年5月、2011年7月、2013年7月出现极高的降水量，其它时间段内仍然呈现与相对湿度相同的趋势；气温变化与相对湿度变化近乎相同（图9），同时与降水量的相关性最高；在风速的影响下（图10），艾比湖湿地的相对湿度与风速呈现负相关关系，其中风速在每年的3个月中波動较大，但与相对湿度和温度变化相似，逐月增加。总体而言，随着艾比湖湿地风速的增大，降水量的减少，温度升高等因素，对区域的蒸散发及生态安全影响较大。可见降水量、温度、相对湿度的变化也是艾比湖蒸散发的重要影响因素。
5.2 人为因素
5.2.1 过度放牧 在众多影响艾比湖蒸散发的因素中，过度放牧是加剧艾比湖蒸散发增大的间接因素之一。自1980年以来，艾比湖湿地的人口逐年增加，随之牲畜数量也呈现相同的增长趋势（图11），不合理地牲畜数量的控制与过度放牧等人为活动加剧了艾比湖湿地草地生态系统植被的退化，土壤沙漠化、荒漠化现象频频出现，草场的急剧退化导致下垫面覆盖类型与地表丰富度变化剧烈，加之牲畜过度的啃食，草场高度降低，植被减少，土壤沙化对于土壤的热量与水分的保持能力下降，另外由于牲畜数量的增多，对草场和植被的践踏较为严重，造成水土流失的严重后果，使水资源受到严重威肋，间接导致地表蒸散量逐渐增大，相对湿度负相关性的减少。1980—2004年间牲畜头数呈明显增长趋势。2004—2010年间呈减少趋势。从整体上来看，近30年来牲畜数量呈整体增加的趋势。因为牲畜数量是衡量一个草场利用合理性的重要指标，牲畜数量的快速增加，草场退化现象加剧，植被覆盖度降低，导致水土流失较为严重，在一定程度上加重艾比湖蒸散量的增加。
5.2.2 过度开垦 1980—2010年近30年间，艾比湖周边县城的人口急剧增加，加之农耕地的过度开垦，导致总人口数量与耕地面积呈现稳步增长的相同态势。农耕地面积的增加，农用地需水量随之增加，随着社会的发展和大规模的水土工程兴建，导致水资源的合理利用效率下降；另外由于人口数量的逐年增长，城市发展速度加快，工业工厂的增多，对区域的生活用水，工业用水，农业用水总量增大，需要制定合理的水资源利用模式是当前需要解决的问题。从人口与耕地面积变化图（图12）可以看出，随着艾比湖近30年的快速发展人口增长率增大，从1980年到2010年间人口增长42.8%，耕地面积增长43.7%。因此过度开垦与人口的急剧增长而导致的水资源的利用效率降低是影响艾比湖蒸散发增加的相关因素。
6 结论
对于地处西北边陲的新疆而言，艾比湖对区域的生态环境安全与社会经济的发展是至关重要的[20]。本文基于空间三角形法并结合水分与能量平衡原理，在缺资料情况下，利用多源遥感资料构建温度植被指数，对干旱区艾比湖进行蒸散发估算，并通过MODIS-ET数据对多源遥感数据估算的蒸散发进行线性相关性分析，结果表明：
（1）利用MODIS温度与植被指数数据与Landsat系列数据，基于空间三角形法在一定的假设下所构建的TVETI在缺资料情况下能很好的反演区域地表蒸散发，且效果较好，可行性较高。分析2010年与2014年5—7月的逐月蒸散发量，发现利用TVETI估算的艾比湖蒸散发量与MODIS-ET验证数据整体趋势一致。
（2）通过相关性分析可知，MODIS-TVETI的相关性最高达到0.847，Landsat-TVETI最高达到0.837，探究MODIS-TVETI与Landsat-TVETI的区域变化程度，发现Landsat-TVETI能够更好地估算区域蒸散发，且于MODIS-ET整体趋势最为相同，尤其在2014年6月与7月，效果凸显更为明显。
（3）通过分析艾比湖蒸散发的年及月际变化，并结合气象资料充分揭示影响艾比湖蒸散发在时间与空间上的变化特征。在2000—2014艾比湖15a间，5月、6月、7月蒸散发的变化空间分布特征差异较大；5—7月，蒸散发明显增加区域面积逐渐增大，空间分布特征从艾比湖东南部向西移动，随后在7月时向西南部、南部、东南部以及西北部大范围移动，可见随着温度及植被覆盖度的季节性变化，蒸散发的时空变化特征尤为显著。
（4）进一步分析影响艾比湖蒸散发的自然与人为的驱动机制。自然因素中，1980—2015年间，艾比湖风速逐年增大，加之处于阿拉山口风口的直接影响下，艾比湖的蒸散量呈现增大的趋势，2013年到2016年风速变化率为45.7%，湖面面积从2002到2013年逐年递减，湖面面积减少46.2%，萎缩趋势较为明显；探究艾比湖2010年到2014年每年5—7月的温度、降水量、风速、相对湿度的关系，得知相对湿度和气温与降水量呈现正相关关系，风速与相对湿度呈现明显的负相关性；人为因素中，主要表现为随着艾比湖在近30年的快速发展，总人口数目逐年增长，随之耕地面积与牲畜数量增长率变大，1980—2010年间人口增长42.8%，耕地面积增长43.7%，导致区域水资源的利用效率和草场健康程度下降，土壤水土保持能力严重不足。综上所述，探究干旱区湖泊生态系统的蒸散发时空变化，对于区域的生态安全与社会经济的发展有着重要的理论与实际意义。
参考文献 [1]张宝忠，许迪，刘钰，等.多尺度蒸散发估测与时空尺度拓展方法研究进展[J].农业工程学报，2015，31（6）：8-16.
[2]贺广均，冯学智，肖鹏峰，等.一种基于植被指数-地表温度特征空间的蒸散指数[J].干旱区地理（汉文版），2015，38（5）：887-899.
[3]许迪.灌溉水文学尺度转换问题研究综述[J].水利学报，2006，37（2）：141-149.
[4]张荣华，杜君平，孙睿.区域蒸散发遥感估算方法及验证综述[J].地球科学进展，2012，27（12）：1295-1307.
[5]Cai J，Liu Y，Lei T，et al.Estimating reference evapotranspiration with the FAO Penman–Monteith equation using daily weather forecast messages[J].Agricultural & Forest Meteorology，2007，145（1–2）：22-35.
[6]张晓琳，熊立华，林琳，等.五种潜在蒸散发公式在汉江流域的应用[J].干旱区地理（汉文版），2012，35（2）：229-237.
[7]Bastiaanssen W G M，Menenti M，Feddes R A，et al.The Surface Energy Balance Algorithm for Land （SEBAL）： Part 1 formulation[J].Journal of Hydrology，1998，212（98）：801-811.
[8]Bastiaanssen W G M，Pelgrum H，Wang J，et al.A remote sensing surface energy balance algorithm for land （SEBAL）.： Part 2： Validation[J].Journal of Hydrology，1998，212–213（1-4）：213-229.
[9]张殿君，张学霞，武鹏飞.黄土高原典型流域土地利用变化对蒸散发影响研究[J].干旱区地理（汉文版），2011，34（3）：400-408.
[10]Price J C.Using spatial context in satellite data to infer regional scale evapotranspiration[J].IEEE Transactions on Geoscience & Remote Sensing，1990，28（5）：940-948.
[11]Carlson T N，Gillies R R，Schmugge T J.An Interpretation of Methodologies for Indirect Measurement of Soil-Water Content[J].Agricultural & Forest Meteorology，1995，77（3）：191-205.
[12]Sandholt I，Rasmussen K，Andersen J.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J].Remote Sensing of Environment，2002，79（2-3）：213-224.
[13]Nemani R R，Running S W.Estimation of Regional Surface Resistance to Evapotranspiration from NDVI and Thermal-IR AVHRR Data[J].Journal of Applied Meteorology，2000，28（4）：276-284.
[14]张飞，塔西甫拉提·特依拜，曹鑫，等.干旱区内陆艾比湖流域景观格局时空变化及生态安全评价[J].水土保持通报，2015，35（1）：249-254.
[15]RozensteinO，Qin Z H，Derimian Y and Kamieili A.Derivation of land surface temperature for landsat-8 TIRS using a split window algorithm[J].Sensors，2014，14（4）：5768-5780.
[16]刘立文，张吴平，段永红，等.TVDI模型的农业旱情时空变化遥感应用[J].生态学报，2014，34（13）： 3704-3711.
[17]S.J.Goetz.Multi-sensor analysis of NDVI，surface temperature，and biophysical variables at a mixed grassland site[J].International Journal of Remote Sensing，1997，18（1）：71-94.
[18]Moran M S，Clarke T R，Inoue Y，et al.Estimating crop water deficit using the relation between surface-air temperature and spectral vegetation index[J].Remote Sensing of Environment，1994，49（3）：246-263.
[19]韓丽娟，王鹏新，王锦地，等.植被指数-地表温度构成的特征空间研究[J].中国科学：地球科学，2005，35（4）：371-377.
[20]杨秀芹，王国杰，叶金印，等.基于GLEAM模型的淮河流域地表蒸散量时空变化特征[J].农业工程学报，2015，31（9）：133-139.
[21]钱亦兵，蒋进，吴兆宁.艾比湖地区土壤异质性及其对植物群落生态分布的影响[J].干旱区地理（汉文版），2003，26（3）：217-222.
（责编：张宏民）
关键字：空间三角形法；蒸散发；多源遥感；驱动力
中图分类号 P426.2 文献标识码 A 文章编号 1007-7731（2017）18-0057-07
Analysis of Spatiotemporal Changes of Evapotranspiration and Driving Forces of the Ebinur Lake Basin Based on Triangle Method
Guo Jiaxin et al.
（College of Resources and Environment Science，Xinjiang University，Urumqi 830046，China；Key Laboratory of Oasis Ecology under Ministry of Education，Xinjiang University，Urumqi 830046，China）
Abstract：In this paper the land surface temperature （LST） and normalized difference vegetation index （NDVI） products of MODIS were used to analyze regional enemy balance，hydrological cycle and water utilization in the Ebinur lake basin.The temperature vegetable evapotranspiration index（TVETI） was built by using dry and wet edges in the Ts-VI trapezoid space.At the same time the accuracy and regression analysis of TVETI was obtained from MODIS evapotranspiration （ET） product showed that TVETI could estimate the regional evapotranspiration well when use Landsat remote sensing data or MODIS LST and NDVI products，the MODSI-TVETI certainty coefficient is respectively：0.847，0.803，0.723，Landsat-TVETI certainty coefficient is respectively：0.837，0.818，0.717；The spatiotemporal changes of evapotranspiration in the 15 years from 2000 to 2014 is obvious，and it changed obviously in different season，the spatiotemporal changes of evapotranspiration has strongly changed from May to July，the evapotranspiration increased in the southeastern of Ebinur lake in May and the evapotranspiration increased in June is in the west of Ebinur lake，the evapotranspiration increased strongly in the south and southeastern；In this paper the driving forces of ET in Ebinur lake basin was analyzed also，there are two significant parts affecting ET which are natural factor and human factor.For the natural factor，the wind speed plays an important role in influencing the ET，the wind speed and LST could speed up water from ground and vegetation to evaporate.In the latest years，the days of strong wind and population increased，the evapotranspiration also increased. In conclusion carrying out research on the spatial and temporal dynamic changes and the driving forces in drought of Ebinur Lake has important theoretical and practical significance for the arid zone. Key words：Temperature and vegetation dryness index （TVDI）；Evapotranspiration；Multisource remote sensing；Driving force
陆面蒸发与植物蒸腾（蒸散发）是区域内热量平衡与水分平衡的重要的组成部分，亦是下垫面生态系统与大气进行能量、水分循环的重要途径[1-2]，尤其对于干旱与半干旱区域，进行及时有效的地表蒸散发监测，对于区域的水资源管理以及生态系统安全具有重要的意义。蒸散发在时间与空间上都存在较大的不可确定性，主要表现为空间上的非均匀性以及时间上的非线性[3]，近年来，有不少学者对此展开了相关研究，但研究进展突破较少，因此对蒸散发在时间与空间上的格局研究有较大意义。
遥感作为空间尺度与时间尺度的陆面水热平衡监测的技术手段[4]，已经取得了很大的突破。当前，利用遥感进行蒸散发估算的模型主要分为两大类：一类是基于Penman-Monteith[5-6]公式的能量瞬时转换模型，是一种对能量转换的清晰表达，其中需要实地获取地表观测的空气和植被冠层的数据。另一种模型是基于感热通量为核心的能量余项法，其中最有代表性的模型为SEBAL（Surface Energy BalanceAlgorithm for Land）模型[7]。经过较长时间的发展，SEBAL模型利用遥感可获得构建模型的所需参数，比如地表比辐射率、地表反照率、地表温度等参数。并通过能量转换方程与地表参数模拟，可以为中高分辨率遥感资料反演蒸散发提供较好的依据[8-9]。通过分析前人的研究，利用遥感估算蒸散发取得了一定的成果，但是基于地面实测数据的限制以及模型精度的验证等问题，通过分析温度与植被指数的水热平衡关系，建立一种利用地表能量平衡方程估算蒸散发的模型，并且反演效果较好。如Price[10]，Carlson等[11]发现归一化植被指数（Normalized Differential Vegetation Index，NDVI）与地表温度（Ts）之间存在负相关关系，呈现二维负相关空间三角形特征；Sandholt等[12]更深入分析该特征空间生态特征的解释，提出了利用温度植被干旱指数TVDI估算土壤表层水分状况。NEMANI和RUNNING[13]通过分析地表温度和植被指数与植物叶片与蒸散的关系，为遥感估算地表蒸散量提供相应参考。
本研究以新疆艾比湖湿地为研究区，选用MODIS温度与植被指数产品数据根据水热平衡原理，构建TVETI蒸散指数，同时利用相同时间段的Landsat 8遥感资料构建的TVETI与MODIS估算结果进行对比研究和交叉验证，最后选用MODIS-ET产品分别对MODIS-TVETI和Landsat-TVETI做线性相关性分析与精度验证，分析基于空间三角形法构建的蒸散发模型的可行性以及不同数据源所反演的蒸散发的特点，为艾比湖蒸散发时空分布特征以及水资源管理措施提供一定的科学依据。
1 研究区概况与数据来源
1.1 研究区概况 艾比湖流域位于43°38′～45°52′N，79°53′～85°02′E之间（图1），流域东临古尔班通过特沙漠，西接哈萨克斯坦共和国，北部相邻托里县，南部为精河县。大风日天气较多，蒸发量大，降水稀少，年平均气温6.6 ～7.8℃，年降水量116.0～169.2mm。艾比湖流域属于典型的干旱区生态环境，目前有限的水资源使艾比湖流域人类生产生活用水与生态用水间的矛盾日益突出[14]。
1.2 数据来源 通过USGS网站分别下载2010年与2014年5月8日、6月10日、7月4日的MODIS16d的蒸散发、温度、植被指数数据，空间分辨率为1km。同时下载相同时间段的无云或天气状况较好的Landsat TM与Landsat 8 OLI遥感影像数据。空间分辨率为30m，利用ENVI 5.1对MODIS遥感资料坐标系进行转换，对OLI数据裁剪、辐射校正、FLAASH大气校正等，精度符合研究标准。
2 研究方法
2.1 地表温度
2.1.1 Offer Rozenstein劈窗算法 Offer Rozenstein等和覃志豪等[15]根据以往的劈窗算法以及Landsat 8数据的特点，提出了SW1（Split-Window Algorithm）反演算法。其计算公式如下：
[TS=AO+A1T10-A2T11] （1）
式中，Ts為地表温度，T10、T11，分别Landsat 8第10，第11波段的亮温温度。A0、A1和A2是系数。
2.2 温度植被干旱指数（TVDI） 在NDVI和Ts构成的三角形特征空间中，将不同植被指数条件对应的最高下垫面温度（Tsmax）相连，构成了三角形的干边，表示为该区域内的干旱上限，将其干旱指数定义为1，与之相反的将不同植被指数对应的最低下垫面温度（Tsmin）相连构成了三角形的湿边，表示为该区域内的最湿润区，将其干旱指数定义为0。通过温度植被干旱指数方法对两者信息进行综合处理与相应的实测数据拟合，可以得到TVDI模型进而得到研究区的土壤干旱状况，为科学研究该研究区干旱情况提供了重要的依据[16]。
[TVDI=Ts-TsminTsmax-Tsmin] （2）
[Tsmax=NDVIα+b]；[Tsmin=NDVIc+d] （3）
式中，Tsmax，Tsmin分别由植被指数与地表温度根据干边、湿边线性拟合获得，本研究中采用NDV I植被指数，a、b、c、d分别是干边和湿边线性拟合方程的系数。
在三角形区域内任一点的TVDI值介于0～1，TVDI值越大，对应的土壤湿度越低，TVDI值越小，对应的土壤湿度越高。
Ts-NDVI的直线斜率可以反映土壤湿度状况。许多研究发现[10-11，17]，在Ts-NDVI的特征空间中，存在一系列土壤湿度的等值线，这些等值线都可近似认为相交于干湿边的交点，并且该等值线近似为直线（图2），该直线的斜率与土壤湿度间可以描述为一元线性函数关系。 2.3 温度植被蒸散指数（TVETI） 贺广均等[2]基于以下假设构建温度植被蒸散指数方程： （1）土壤具有含水量极低和含水量饱和2种临界状态；（2）地表平坦，同一植被覆盖度的地表接收的净太阳辐射通量R相同；（3）地表每天在接收太阳辐射前，表面温度与大气温度相等，在接收太阳辐射后，感热通量H与地表温度和大气接收太阳辐射前温度的差值成正比。
根据以上假设与水热平衡原理，温度值被指数被定义为如下：
[TVETI=Tsmax-TsTsmax-Tsmin] （4）
[Tsmax=αd*NDVI+bd]，[Tsmin=αw*NDVI+bw] （5）
式中：Tsmax与Tsmax分别代表干湿边植被指数对应的最大与最小温度，ad、aw与bd、bw分别代表干湿边上的斜率与截距。
3 结果与分析
3.1 构建特征空间 通过构建MODIS数据与OLI数据的特征空间，并利用TVDI确定特征空间干湿边（3式）。从图3中看出，随着NDVI的增加，Ts的最大值呈减小趋势；随着NDVI的减小，Ts的最大值逐渐增大。Ts的最大最小值在0.01分割的NDVI尺度上呈现三角形特征，两种数据源的散点分布大致相似，但是也存在较大差异。MODIS-TVDI与Landsat-TVDI相比，散点图较为稀疏，二维特征空间既有三角形也有梯形。MORAN等[18]从理论的角度进行分析，认为Ts与VI之间存在梯形的关系。韩丽娟等[19]研究表明三角形关系与梯形关系是并存的，只是在某种情况下可以互相转换。
由表1看出，整体上MODIS数据拟合结果与Landsat 8数据拟合结果较为相似，拟合精度较好；MODIS数据中，2010年7月干边R2=0.93，湿边R2=0.08相差最大，2014年7月的干湿边R2=0.93，湿边R2=0.03，存在差异较大；Landsat 8拟合结果中，整体效果相比于MODIS数据较好，但2014年7月干、湿边拟合结果分别为0.90、0.38，相差较大。
3.2 TVETI时空特征 本文利用空间三角形TVDI模型，通过对植被指数与温度进行能量与水分平衡进行分析，反演区域蒸散发，图4反应了宏观上艾比湖蒸散发的时空变化，从图中可以看出：与MODIS-ET数据相比，MODIS-TVEI与Landsat-TVETI整体态势相同，反演效果较好；从局部与细节上分析可知，由于MODIS-ET数据有部分像元缺失，导致湖体周边的对比结果不能凸显，但是在艾比湖西部的农耕区植被的蒸散发效果相似性较高，以及西北部与西南部高山积雪处的蒸散发趋势相同；Landsat-TVETI整体效果以及精度都略高于MODIS-TVEI，尤其是2014年Landsat-TVETI与MODIS-ET数据整体趋势最为相似；另一方面，MODIS数据在2010年5月与2010年7月出现湖体像元缺失，以及Landsat-TM影像在2010年7月存在云量较多的影响，会对反演效果有略微干扰，但不影响整体TVETI对蒸散发的估算效果。
3.3 精度验证 利用研究区往年采样点坐标信息，通过Arcgis软件对不同数据源估算的TVETI以及MODIS-ET数据进行对点像元的蒸散发数据提取，通过提出异常值后，利用MODIS-ET数据对MODIS-TVEI与Landsat-TVETI进行线性相关分析与对比精度验证。由图5可以看出：MODIS-TVEI和Landsat-TVETI与MODIS-TVETI相关性较好，都能很好的进行区域蒸散发的估算；MODIS-TVEI与MODIS-ET数据相关性最高达到0.847，最低为0.56，Landsat-TVETI与MODIS-ET数据相关性最高为0.837，最低为0.67，整体精度较高。
4 蒸散发时空变化
为了更好地研究艾比湖蒸散发的时空动态变化，本文选取2000—2014年的MODIS-TVETI反演数据，对2000年与2014年的5月、6月、7月蒸散发进行差值变化研究，充分考虑艾比湖5—7月植被长势变化、气候变化、环境变化的因素，可以较为明显的分析艾比湖15a间5月、6月、7月蒸散发的空间分布差异。杨秀芹[20]等基于GLEAM模型分析淮河蒸散发年际、月际变化，发现蒸散发空间差异较为显著，蒸散发量表现为大范围增加趋势。本研究根据杨秀芹对蒸散发变化的划分结果，将2000—2014年蒸散发划分为明显减少、轻微减少、基本不变、基本增加、轻微增加、显著增加。
图6显示了艾比湖湿地蒸散发的年际变化特征，通过进一步分析2000—2014年5月、6月、7月蒸散发的空间分布特征，可以更好地反映蒸散发在时间尺度上的变化情况。结果显示：3个月的蒸散发在空间上显现出较大差异，且影响范围逐渐增大，其中蒸散发量增加最为明显的是7月，其次为6月，5月主要以基本增加和轻微减少占主导；蒸散发在5月变化较大的区域位于艾比湖的东南部，经查阅相关艾比湖的风速气象资料表明，春季时，位于艾比湖湖体西北部的阿拉山口风口风速较大，最大达到3.8m/s，且大风日较多。另外，2000年艾比湖全年风速较大，所以春季阿拉山口西北风是艾比湖東南部蒸散发有所增加的因素之一；在6月份时，蒸散发增加区域明显向西移动，空间变化显著，蒸散发面积有所增加。主要由于农作物及植被在夏季覆盖度较大，加之温度升高，导致在6月份时艾比湖西部蒸散量主要以植被蒸腾和温度升高引起的地面蒸发为主导；7月时，蒸散发变化范围最大，空间变化最为显著，主要区域为艾比湖西北部与西南部的山体区域、南部耕地区域以及东南部的荒漠区域。综上所述，艾比湖湖体蒸散发在年际变化上并不显著，主要表现为随着温度升高、风速增大而引起的山体、植被覆盖较大的区域以及荒漠区域的蒸散发明显增加的现象。
5 驱动力分析
5.1 自然因素
5.1.1 风速的影响 艾比湖湿地处于干旱区与半干旱区域，属于典型的温带大陆性气候，干旱区湖泊生态对区域自然环境敏感性较高。据统计，1980—2000年，艾比湖湖水面积萎缩趋势减缓，暂时进入相对稳定期，湖面稳定在500km2左右（图7）。可以看出1998—2016年期间，艾比湖湖面面积存在一定的起伏波动，受到阿拉山口风口大风的影响，艾比湖面积与风速的变化呈现显著地负相关关系；2002年与2013年属于艾比湖湖面面积突变年，而艾比湖区域的风速从1998年到2013年为稳步增长，同时2013年也是风速变化的突变年，2013年到2016年风速变化率为45.7%；湖面面积从2002到2013年逐年递减，湖面面积减少46.2%，萎缩趋势较为明显，线性斜率变化为-33.82，线性相关性R2=0.71；可见艾比湖湿地及周边生态安全将受到强烈影响，同时由于艾比湖地处阿拉山口风口处，艾比湖地表一直处于阿拉山口大风的直接影响下，大风天气的频繁增加，更为直接地驱动艾比湖蒸散发量的增大，整体上随着艾比湖风速的增加，与艾比湖蒸散发量呈现正相关关系，艾比湖湖面面积呈现减小的趋势，二者呈负相关，由此说明风速是影响艾比湖蒸散量变化的自然影响因素之一。 5.1.2 降水量、气温、相对湿度的影响 干旱区气候变化对区域生态系统影响较大，尤其对干旱区生态脆弱的湿地环境影响最为直接。水分与热量的平衡关系是决定区域湿润度与干旱度的重要因子。进一步分析艾比湖湿地的降水、温度与相对湿度的关系，对揭示区域蒸散发的强弱有一定的参考价值。作者进一步分析了艾比湖从2010年到2014年5月、6月、7月艾比湖湿地的水热情况（图8～图10），由于5月、6月、7月处于艾比湖的湿季，区域水热情况与植被长势有助于更好地分析艾比湖湿地的蒸散情况。在图8中看出降水量与相对湿度呈现正相关关系，变化趋势相似性明显；5—7月间，相对湿度逐渐增大，呈现很好规律性，由于气候变化频繁，导致艾比湖在2011年5月、2011年7月、2013年7月出现极高的降水量，其它时间段内仍然呈现与相对湿度相同的趋势；气温变化与相对湿度变化近乎相同（图9），同时与降水量的相关性最高；在风速的影响下（图10），艾比湖湿地的相对湿度与风速呈现负相关关系，其中风速在每年的3个月中波動较大，但与相对湿度和温度变化相似，逐月增加。总体而言，随着艾比湖湿地风速的增大，降水量的减少，温度升高等因素，对区域的蒸散发及生态安全影响较大。可见降水量、温度、相对湿度的变化也是艾比湖蒸散发的重要影响因素。
5.2 人为因素
5.2.1 过度放牧 在众多影响艾比湖蒸散发的因素中，过度放牧是加剧艾比湖蒸散发增大的间接因素之一。自1980年以来，艾比湖湿地的人口逐年增加，随之牲畜数量也呈现相同的增长趋势（图11），不合理地牲畜数量的控制与过度放牧等人为活动加剧了艾比湖湿地草地生态系统植被的退化，土壤沙漠化、荒漠化现象频频出现，草场的急剧退化导致下垫面覆盖类型与地表丰富度变化剧烈，加之牲畜过度的啃食，草场高度降低，植被减少，土壤沙化对于土壤的热量与水分的保持能力下降，另外由于牲畜数量的增多，对草场和植被的践踏较为严重，造成水土流失的严重后果，使水资源受到严重威肋，间接导致地表蒸散量逐渐增大，相对湿度负相关性的减少。1980—2004年间牲畜头数呈明显增长趋势。2004—2010年间呈减少趋势。从整体上来看，近30年来牲畜数量呈整体增加的趋势。因为牲畜数量是衡量一个草场利用合理性的重要指标，牲畜数量的快速增加，草场退化现象加剧，植被覆盖度降低，导致水土流失较为严重，在一定程度上加重艾比湖蒸散量的增加。
5.2.2 过度开垦 1980—2010年近30年间，艾比湖周边县城的人口急剧增加，加之农耕地的过度开垦，导致总人口数量与耕地面积呈现稳步增长的相同态势。农耕地面积的增加，农用地需水量随之增加，随着社会的发展和大规模的水土工程兴建，导致水资源的合理利用效率下降；另外由于人口数量的逐年增长，城市发展速度加快，工业工厂的增多，对区域的生活用水，工业用水，农业用水总量增大，需要制定合理的水资源利用模式是当前需要解决的问题。从人口与耕地面积变化图（图12）可以看出，随着艾比湖近30年的快速发展人口增长率增大，从1980年到2010年间人口增长42.8%，耕地面积增长43.7%。因此过度开垦与人口的急剧增长而导致的水资源的利用效率降低是影响艾比湖蒸散发增加的相关因素。
6 结论
对于地处西北边陲的新疆而言，艾比湖对区域的生态环境安全与社会经济的发展是至关重要的[20]。本文基于空间三角形法并结合水分与能量平衡原理，在缺资料情况下，利用多源遥感资料构建温度植被指数，对干旱区艾比湖进行蒸散发估算，并通过MODIS-ET数据对多源遥感数据估算的蒸散发进行线性相关性分析，结果表明：
（1）利用MODIS温度与植被指数数据与Landsat系列数据，基于空间三角形法在一定的假设下所构建的TVETI在缺资料情况下能很好的反演区域地表蒸散发，且效果较好，可行性较高。分析2010年与2014年5—7月的逐月蒸散发量，发现利用TVETI估算的艾比湖蒸散发量与MODIS-ET验证数据整体趋势一致。
（2）通过相关性分析可知，MODIS-TVETI的相关性最高达到0.847，Landsat-TVETI最高达到0.837，探究MODIS-TVETI与Landsat-TVETI的区域变化程度，发现Landsat-TVETI能够更好地估算区域蒸散发，且于MODIS-ET整体趋势最为相同，尤其在2014年6月与7月，效果凸显更为明显。
（3）通过分析艾比湖蒸散发的年及月际变化，并结合气象资料充分揭示影响艾比湖蒸散发在时间与空间上的变化特征。在2000—2014艾比湖15a间，5月、6月、7月蒸散发的变化空间分布特征差异较大；5—7月，蒸散发明显增加区域面积逐渐增大，空间分布特征从艾比湖东南部向西移动，随后在7月时向西南部、南部、东南部以及西北部大范围移动，可见随着温度及植被覆盖度的季节性变化，蒸散发的时空变化特征尤为显著。
（4）进一步分析影响艾比湖蒸散发的自然与人为的驱动机制。自然因素中，1980—2015年间，艾比湖风速逐年增大，加之处于阿拉山口风口的直接影响下，艾比湖的蒸散量呈现增大的趋势，2013年到2016年风速变化率为45.7%，湖面面积从2002到2013年逐年递减，湖面面积减少46.2%，萎缩趋势较为明显；探究艾比湖2010年到2014年每年5—7月的温度、降水量、风速、相对湿度的关系，得知相对湿度和气温与降水量呈现正相关关系，风速与相对湿度呈现明显的负相关性；人为因素中，主要表现为随着艾比湖在近30年的快速发展，总人口数目逐年增长，随之耕地面积与牲畜数量增长率变大，1980—2010年间人口增长42.8%，耕地面积增长43.7%，导致区域水资源的利用效率和草场健康程度下降，土壤水土保持能力严重不足。综上所述，探究干旱区湖泊生态系统的蒸散发时空变化，对于区域的生态安全与社会经济的发展有着重要的理论与实际意义。
参考文献 [1]张宝忠，许迪，刘钰，等.多尺度蒸散发估测与时空尺度拓展方法研究进展[J].农业工程学报，2015，31（6）：8-16.
[2]贺广均，冯学智，肖鹏峰，等.一种基于植被指数-地表温度特征空间的蒸散指数[J].干旱区地理（汉文版），2015，38（5）：887-899.
[3]许迪.灌溉水文学尺度转换问题研究综述[J].水利学报，2006，37（2）：141-149.
[4]张荣华，杜君平，孙睿.区域蒸散发遥感估算方法及验证综述[J].地球科学进展，2012，27（12）：1295-1307.
[5]Cai J，Liu Y，Lei T，et al.Estimating reference evapotranspiration with the FAO Penman–Monteith equation using daily weather forecast messages[J].Agricultural & Forest Meteorology，2007，145（1–2）：22-35.
[6]张晓琳，熊立华，林琳，等.五种潜在蒸散发公式在汉江流域的应用[J].干旱区地理（汉文版），2012，35（2）：229-237.
[7]Bastiaanssen W G M，Menenti M，Feddes R A，et al.The Surface Energy Balance Algorithm for Land （SEBAL）： Part 1 formulation[J].Journal of Hydrology，1998，212（98）：801-811.
[8]Bastiaanssen W G M，Pelgrum H，Wang J，et al.A remote sensing surface energy balance algorithm for land （SEBAL）.： Part 2： Validation[J].Journal of Hydrology，1998，212–213（1-4）：213-229.
[9]张殿君，张学霞，武鹏飞.黄土高原典型流域土地利用变化对蒸散发影响研究[J].干旱区地理（汉文版），2011，34（3）：400-408.
[10]Price J C.Using spatial context in satellite data to infer regional scale evapotranspiration[J].IEEE Transactions on Geoscience & Remote Sensing，1990，28（5）：940-948.
[11]Carlson T N，Gillies R R，Schmugge T J.An Interpretation of Methodologies for Indirect Measurement of Soil-Water Content[J].Agricultural & Forest Meteorology，1995，77（3）：191-205.
[12]Sandholt I，Rasmussen K，Andersen J.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J].Remote Sensing of Environment，2002，79（2-3）：213-224.
[13]Nemani R R，Running S W.Estimation of Regional Surface Resistance to Evapotranspiration from NDVI and Thermal-IR AVHRR Data[J].Journal of Applied Meteorology，2000，28（4）：276-284.
[14]张飞，塔西甫拉提·特依拜，曹鑫，等.干旱区内陆艾比湖流域景观格局时空变化及生态安全评价[J].水土保持通报，2015，35（1）：249-254.
[15]RozensteinO，Qin Z H，Derimian Y and Kamieili A.Derivation of land surface temperature for landsat-8 TIRS using a split window algorithm[J].Sensors，2014，14（4）：5768-5780.
[16]刘立文，张吴平，段永红，等.TVDI模型的农业旱情时空变化遥感应用[J].生态学报，2014，34（13）： 3704-3711.
[17]S.J.Goetz.Multi-sensor analysis of NDVI，surface temperature，and biophysical variables at a mixed grassland site[J].International Journal of Remote Sensing，1997，18（1）：71-94.
[18]Moran M S，Clarke T R，Inoue Y，et al.Estimating crop water deficit using the relation between surface-air temperature and spectral vegetation index[J].Remote Sensing of Environment，1994，49（3）：246-263.
[19]韓丽娟，王鹏新，王锦地，等.植被指数-地表温度构成的特征空间研究[J].中国科学：地球科学，2005，35（4）：371-377.
[20]杨秀芹，王国杰，叶金印，等.基于GLEAM模型的淮河流域地表蒸散量时空变化特征[J].农业工程学报，2015，31（9）：133-139.
[21]钱亦兵，蒋进，吴兆宁.艾比湖地区土壤异质性及其对植物群落生态分布的影响[J].干旱区地理（汉文版），2003，26（3）：217-222.
（责编：张宏民）