下载:
-
蒸散作用是大自然的水循环进程中最重要的机制与变量之一，是制约着全球自然生态系统演化的最重要因素，它还在全球环境的构建上起着至关重要作用[1]。一般，70%的地表雨水都以热蒸散的形式返回海洋中，但在半干旱地区，这一数量却高达90%。旱灾是一个很普遍的自然灾害，在气候变化的大背景下，其出现的时间频率和空间格局都会出现变化，对地方经济社会发展和粮食安全都造成了不稳定性[2]。干旱地区蒸散对下垫面的影响非常灵敏，并控制了蒸散的影响格局[3]。据此，通过深入研究海洋和地表蒸散量的干旱变化及其特征，也就可以对区域资源的合理分配提出科学依据，对水文模拟、生态农业和环境保护等领域，均存在着重要的研究价值和研究意义。近几十年来，随着NASA科学家们的努力，一系列具体的海洋远程遥感蒸散作用模型应运而生，其中最著名的是Peaman-Monteith方程，它可以准确反映陆地的表面状况，而最近推出的MOD16则更是可靠，它的准确性达到86%，并且获得了国际认可[4]。CWSI，一种建立在能量平衡原则之上的方法，它（Crop Water Stress Index）的物理含义清晰，可靠性强，而且可以提供较高的计算准确率，因而被广泛地应用于探索大规模蒸发的变化规律[5]。
四川省气候特点主要为区域差异大，自然资源分配不均，自然灾害频发，严重制约了当地的农业发展[6]。已有学者对代表站点对潜在蒸散量进行研究，探讨了影响作物蒸散的主要因素[7]。由于前人对于土壤蒸散作用的探讨，大多是根据站点气象资料预测的，对于土壤地表和垫层植物生长等要素考察不足，目前虽然已采用了尽可能多的地面测候站，但还是面临着台站数量稀疏的困难问题。当利用经验模式对预测所获得的各站土壤地表分布量外插内推时，因为四川盆地土壤多样而出现了很大偏差。近年来，采用卫星遥感技术进行土壤蒸散反演算法也比较可行，何慧娟等人根据MODIS遥感数据资料的收集结果，采用作物缺水指数方法，探讨了陕西省关中地区的旱灾特点[8]。尼格娜热·阿曼太等使用可变下渗过程模拟技术模拟艾比湖流域的水文过程，分析了区值实际蒸发散量的日、年、日时间规律[9]。褚荣浩等利用MOD16数据分析了安徽省蒸散和干旱变化的影响因素[10]。但研究过程中选取的气象站点数量不足，研究结果缺少说服力，且对不同土地利用类型下的蒸散研究与变化情况分析也较少。因此选取了MOD16遥感数据，以及四川省气象站点常规观测数据，结合变异系数、趋势分析方法和Mann-Kendall检验（M-K），探讨了2000年—2020年地表ET、PET和CWSI变化和不同土地利用状况下的ET、PET和CWSI的变化特征，并为四川省农业发展，水资源合理分配和经济发展提供科学依据。
-
四川（97°21′~108°12′E，26°03′~34°19′N），位于我国西南中心腹地，长江上游流域，地处长江流域中下游平原和青藏高原中间的过渡带。河流众多，以长江水系为主。地处亚热带湿润气候，年均温16—18℃，年降水量900—1200 mm，降水主要集中在5—10月，容易引发洪涝灾害，季风气候明显，雨热同期。四川地貌复杂，以山地为主要特点，分布有山地、丘陵、平地和草原等四种主要地貌类型，分别为全省国土面积的74.2%、10.3%、8.2%、7.3%，也是我国山地资源最为集中的区域之一[1]。
图 1 四川省概况图（2020年）
Figure 1. Overview map of Sichuan Province
-
采用的是数字高程模型（Digital Elevation Model，DEM），空间分辨率为90m，数据来源于地理空间数据云（
https://www.gscloud.cn/ ）。 -
采用的是第六版的MOD16遥感蒸散产品数据，空间分辨率为500 m，数据来源为美国NASA（
https://ladsweb.modaps.eosdis.na sa.gov/archive / ），它是以Penman-Monteith公式为基础计算得到的， 但MOD16对裸土、沙漠地区的蒸散发不进行计算，数据原始分辨率为500 m，时间分辨率为8天，时间跨度为2001—2020年。数据集主要包括实际蒸散量（ET）、潜热通量（LE）、潜在蒸散量（PET）和潜在潜热通量（PLE），该数据已在全球范围内得到了广泛验证与使用。 -
该产品采用武汉大学制作的中国年度土地覆盖数据集（annual China Land Cover Dataset, CLCD），将四川省土地利用类型分为9种，分别为农田、森林、灌木、草地、水体、冰雪、裸地、不透水面和湿地[11]。数据来源为武汉大学遥感信息处理所（
http://irsip.whu.edu.cn/index.php ）。 -
基于热力学定律的作物缺水指数法，具有物理学上的显著性，其可操作性强、覆盖面宽，而且具有较高的计算准确性，已经被普遍地运用于干旱的监控。具体计算公式如下：
$$ CWSI = 1 - \frac{{ET}}{{PET}} $$ 式中，ET表示实际蒸发量（mm），PET表示潜在蒸发量（mm），这是指该地区在充分供水时的蒸发量。这个公式表明，CWSI值在0—1之间，值越大，说明该地区越干旱，反之，说明该地区越湿润。
-
非参数Mann-Kendall（M-K）检验[12]。基于H0为一系列数据，xi是独立、均匀分布，而H1则是位于X中，并呈现出单调的特征。因此，可以用统计学方法来计算S以及标准化检验统计量Z，其计算方法可以用以下方程来表示：
$$ S = \sum\limits_{i = 1}^{n - 1} {} \sum\limits_{j = i + 1}^n {{sgn} ({x_j} - {x_i})} $$ $$ sgx({x}_{j}-{x}_{i})=\left(\begin{array}{c}+1,if({x}_{j}-{x}_{i})<0\\ 0，if({x}_{j}-{x}_{i})=0\\ -1,if({x}_{j}-{x}_{i})>0\end{array}\right) $$ 式中，xj表示第j年的数据，xi表示第i年的数据，而n则表示该时间序列的总长。统计量S大多呈正态分布，且n8），而它的平均值E（S）以及它的方差Var（S）的计算可以用以下的公式来表示：
$$ E(S) = 0 $$ $$ Var(S) = \frac{1}{{18}}\left[ {n(n - 1)(2n + 5) - \sum\limits_{p = 1}^q {{t_p}({t_p} - 1)(2{t_p} + 5)} } \right] $$ q代表一致的编号，而tp则指的是在第p次步骤中，该公式所得出的结果。
$$ Z=\left(\begin{array}{c}\dfrac{S-1}{\sqrt{V\text{a}s(S)}},ifS<0 \\ 0,ifS=0\\ \dfrac{S+1}{\sqrt{V\text{a}s(S)}},ifS>0\end{array}\right) $$ 其中Z为时间序列数据的变化趋势，Z>0和Z<0分别表示时间序列数据呈上升或下降趋势。如果|Z|>Z(1-a/2)，说明该假设不成立，且时间序列数据有显著的变化趋势。Z(1-a/2)为标准正态分布表中的标准正态偏差。
通过Theil-Sen’s 估计方法，可以准确地评估相关变量的变化趋势，以及它们之间的关系。
$$ \beta = Median\left( {\frac{{{x_j} - {x_i}}}{{j - i}}} \right) $$ $$ \forall 1<i<j $$ β代表了估计出的数据序列的变化趋势，它可以用来描述时间j和i之间的变化情况。当β>0时，表明该序列数据正在不断增长，而当β<0时，则表明该序列数据正在减少。
-
计算逐年ET、PET和CWSI栅格数据的变异系数（Coefficient of Variation，CV），以此来反映各要素在近20年的变异程度，统计分析研究区ET、PET和CWSI在空间分布上的稳定性，具体计算公式如下：
$$ CV = \frac{{S{D_{ij}}}}{{\overline {E{T_{ij}}} }} $$ 其中，SDij为第i行、第j列的像元的标准差，
${\overline {E{T_{ij}}} } $ 为第i行第j列的像元年均值。CV越大，表明各要素分布越离散，且在时间序列上波动较大；反之，CV越小，表明各要素分布较集中，且在时间序列上较稳定。为直观反映四川省各要素变化特征，将CV分为5个等级[13]。表 1 CV波动性等级表
Table 1. Volatility scale of CV
CV值 CV≤0.05 0.05<CV≤0.10 0.10<CV≤0.15 0.15<CV≤0.20 CV>0.20 波动性 低波动性 较低波动性 中等波动性 较高波动性 高波动性 -
通过ArcGIS10.2的分析，可以深入研究各种土地利用类型的ET、PET以及CWSI的变动情况，从而获得2001-2020年期间各个地区的数据，最终得到该时期的平均数据。根据图6可以看出，按照ET值从高到低，分别是灌木、草原、森林、湿地、农田、水域、裸地、不透水面以及冰雪这几类土地利用类型。灌木、草地、森林和湿地这几种土地利用类型的ET值整体表现出了逐渐增加的特征，但是在其他地方的ET值增长却并未表现出太大的差异。PET值在不同的土壤中表现出了明显的差异，其中，湿地的PET值最大，其次是灌木、草原、树林、水体、不透水面、裸地，最后是冰雪，而这些PET值的变化趋势与整个区域的PET值的变化趋势大致一致，均在逐渐减小。各土地利用类型对应的CWSI值则总体呈现下降趋势。其中，不透水面的CWSI值最高，而裸地和冰雪的CWSI值最低，其余各地类对应的CWSI值则差异不明显。
图 6 不同土地利用类型ET、PET和CWSI变化特征
Figure 6. Variation characteristics of ET, PET and CWSI in different land use types
由图2可知，四川省2001—2020年ET呈增长趋势，增长速率为6.7739 mm·a−1；PET呈减少趋势，减少速率为5.1192 mm·a−1；CWSI呈减少趋势，减少速率为0.0045·a−1。ET的上升趋势较为平缓，PET的下降趋势也较为平缓，而CWSI的下降趋势相比ET和PET更加快速。
图 2 四川省2001年—2020年ET、PET和CWSI年变化特征
Figure 2. Annual change characteristics of ET, PET and CWSI in Sichuan Province from 2001 to 2020
由图3中ET、PET和CWSI的空间变异分布图中可发现，四川省地区平均ET值在0—1390 mm之间，总体呈现出中西部地区高，东部地区低的特征，尤其以四川盆地地区为最低。年均PET位于0—2550 mm之间，总体呈现四川盆地地区稍低，而其余地区较高的特点。年均CWSI则呈现东部和西部地区较高，中部地区偏低的特点，CWSI的值在0.067—0.918之间。这表明四川省总体呈现东部和西部地区较为干燥，而中部地区较为湿润的气候特点，其中湿润地区主要包括成都、眉山、德阳、雅安和绵阳地区。
图 3 四川省2001年—2020年ET、PET和CWSI的空间分布特征
Figure 3. Spatial distribution characteristics of ET, PET and CWSI in Sichuan Province from 2001 to 2020
根据图4和表2的数据，可以发现，在2001年至2020年期间，四川省的CWSI变化呈现出明显的下降趋势，大约占总面积的65.37%。相比之下，其余地区的CWSI变化并不明显，只有4.37%和0.07%的地区出现了显著的增加。ET显著增加地区和不显著增加的地区仅有四川省中部少部分地区，大部分位于雅安市，其余地区基本呈显著减少和不显著减少趋势。ET变化趋势总体上呈不显著增加趋势，占总面积的72.48%；其次为不显著减少和显著增加趋势，分别占总面积的17.09%和9.83%；显著减少趋势最少，面积占比仅为0.6%。ET呈现显著减少和不显著减少的地区为雅安、凉山和乐山部分地区，其余地区均呈显著和不显著增加趋势。PET变化趋势总体比较稳定，主要呈不显著减少和不显著增加趋势，占总面积的51.74%和42.73%；其余地区呈显著减少和显著增加趋势，占总面积的3.65%和1.88%。四川省PET总体呈现东部地区不显著减少趋势，而西部地区则呈现不显著增加趋势。
图 4 四川省2001—2020年CWSI、ET和PET变化趋势和显著性检验空间分布
Figure 4. Spatial distribution of ET, PET and CWSI trends and their significance in Sichuan Province from 2001 to 2020
表 2 CV波动性等级表
Table 2. Volatility scale of CV
变化趋势
Change trend显著减少
Insignificant increase不显著减少
Significant increase不显著增加
Insignificant decrease显著增加
Significant decreaseCWSI 65.37% 30.18% 4.37% 0.07% ET 0.60% 17.09% 72.48% 9.83% PET 3.65% 51.74% 42.73% 1.88% 根据图5可知，四川省的ET变化情况总体上表现出较低的波动性，在四川盆地东部和西北高原地区，波动性更加明显。而PET变化情况则表现出高波动性和低波动性，在遂宁、南充和资阳等地区表现出低波动性，而在巴中、广元、绵阳、成都和乐山等地区，表现出高波动性。CWSI总体呈现低波动性，除了东北和东南部少部分地区以外，CWSI波动性都维持在较低水平。
图 5 四川省2001—2020年ET、PET和CWSI变异系数空间分布
Figure 5. Spatial distribution of variation coefficients of ET, PET and CWSI in Sichuan Province from 2001 to 2020
-
通过对MODIS遥感数据、CLCD数据、水分亏缺指数、变异系数、趋势分析方法及其显著性检验检验的综合分析，探究了四川省2001—2020年的地表蒸散与干旱的时空变化特征。结论如下：
时间上，四川省2001—2020年ET总体呈不显著增加趋势，增长速率为0.6674 mm·a−1。总的来说，PET没有明显的下降趋势，下降幅度为0.5199 mm·a−1。相比之下，CWSI有明显的下降趋势，下降幅度为0.0045 mm·a−1。
空间上，四川省年均ET位于0—1390 mm，高值区域主要位于西部高原区域，低值地区主要位于四川盆地。变化趋势在−4—4.29 mm·a−1之间，总体呈显著增加趋势以及低波动性和较低波动性。PET位于0—2550 mm，除了四川省中部少部分地区为低值区域，其余皆为高值区域。变化趋势在−15.14—17.95 mm之间，总体呈不显著减少趋势以及低波动性和高波动性。CWSI位于0.066—0.917，高值区域位于四川省东部和西部，而低值区域位于四川省中部地区。变化趋势−0.0366—0.0208之间，总体呈显著减少趋势以及低波动性。
基于武汉大学CLCD土地利用数据将四川省土地利用分为9类，分别为农田、森林、灌木、草地、水体、冰雪、裸地、不透水面和湿地，各土地利用类型对应的ET值从高到低依次基本为灌木、草地、森林、湿地、农田、水体、裸地、不透水面和冰雪，PET值从高到低分别为湿地、灌木、草地、森林、水体、不透水面、裸地和冰雪，而CWSI，不透水面的值最高，而裸地和冰雪的值最低，其余各地类对应的CWSI值则差异不明显。
-
四川省蒸散相关的研究较少，多是基于站点尺度来进行分析参考作物的蒸散量。基于MOD16遥感数据，分析了ET、PET和CWSI的变化特征，探讨了不同地类ET、PET和CWSI的差异，弥补了现有研究的不足。但由于四川省地表情况较为复杂，高差较大，数据精度不足，数据种类较少，研究方法较少，且影响ET、PET和CWSI的因素较多，因此还需提高数据精度，使用更多方法，并结合研究区实际情况来进行进一步分析。随着工业化和城市化的继续发展，ET、PET和CWSI的变化趋势是否会继续延续，研究区的生态系统会如何响应，也需要更全面的数据和更精确的方法来进行研究。
Temporal and spatial variation characteristics of surface evapotranspiration and drought in Sichuan Province from 2001 to 2020
More Information-
摘要: 通过对四川省2001—2020年的MODIS16、ET、PET和CLCD遥感产品数据的研究，并结合水分亏缺指数、变异系数、趋势分析方法和Mann-Kendall趋势检验，深入探究了四川省ET、PET 和 CWSI 的时空变化特征，并基于不同土地利用类型来分析ET、PET和CWSI的变化情况。结果显示，四川省2001—2020年ET总体呈不显著增加趋势，年均增加6.7739 mm。PET总体呈不显著减少趋势，年均减少5.1192 mm。CWSI总体呈显著减少趋势，年均减少0.0045。四川省年均ET在0—1390 mm之间，西部高原区域大部分为高值区域，四川盆地大部分为低值区域。变化趋势在−4—4.29 mm·a−1之间，总体呈显著增加趋势和低波动性或较低波动性。PET在0—2550 mm之间，除了四川省中部少数地区为低值，其他都为高值区域。变化趋势在−15.14—17.95 mm之间，总体呈不显著减少趋势和低波动性或高波动性。CWSI在0.066—0.917之间，高值区域在四川省东部和西部，低值区域在四川省中部地区。变化趋势在−0.0366—0.0208之间，总体呈显著减少趋势和低波动性。Abstract: Based on the data of MODIS16, ET, PET and CLCD remote sensing products in Sichuan Province from 2001 to 2020, combined with water deficit index, coefficient of variation, trend analysis method and Mann-Kendall trend test, the spatio-temporal variation characteristics of ET, PET and CWSI was deeply explored in Sichuan Province. The changes of ET, PET and CWSI were analyzed based on different land use types. The results showed that ET showed no significant increase trend from 2001 to 2020, with an average annual increase of 6.7739 mm. The overall trend of PET generally showed an insignificant decrease trend, with an annual decrease of 5.1192 mm. The overall CWSI showed a significant decrease trend, with an average annual decrease of 0.0045. The average annual ET in Sichuan Province was from 0 to 1390 mm, most of the western plateau areas were high-value areas, while most of the Sichuan basin areas were low-value aeas. The variation trend was between −4 and 4.29 mm·a−1, showing a significant increase trend and low or low volatility. PET value was between 0 and 2550 mm, except for a few areas in central Sichuan Province, which are low-value, other areas are high-value. The variation trend was between −15.14 and 17.95 mm, and the overall trend was insignificant decreasing trend and low or high volatility. The CWSI value ranged from 0.066 to 0.917, with high values in the eastern and western parts of Sichuan Province and low values in the central part of Sichuan Province. The variation trend was between −0.0366 and 0.0208, showing a significant decreasing trend and low volatility.
-
Key words:
- MOD16;
- evapotranspiration;
- drought;
- influencing factor;
- Sichuan Province;
- land use
-
图 6 不同土地利用类型ET、PET和CWSI变化特征
Fig. 6 Variation characteristics of ET, PET and CWSI in different land use types
图 2 四川省2001年—2020年ET、PET和CWSI年变化特征
Fig. 2 Annual change characteristics of ET, PET and CWSI in Sichuan Province from 2001 to 2020
图 3 四川省2001年—2020年ET、PET和CWSI的空间分布特征
Fig. 3 Spatial distribution characteristics of ET, PET and CWSI in Sichuan Province from 2001 to 2020
图 4 四川省2001—2020年CWSI、ET和PET变化趋势和显著性检验空间分布
Fig. 4 Spatial distribution of ET, PET and CWSI trends and their significance in Sichuan Province from 2001 to 2020
图 5 四川省2001—2020年ET、PET和CWSI变异系数空间分布
Fig. 5 Spatial distribution of variation coefficients of ET, PET and CWSI in Sichuan Province from 2001 to 2020
表 1 CV波动性等级表
Tab. 1 Volatility scale of CV
CV值 CV≤0.05 0.05<CV≤0.10 0.10<CV≤0.15 0.15<CV≤0.20 CV>0.20 波动性 低波动性 较低波动性 中等波动性 较高波动性 高波动性 
下载: 导出CSV
表 2 CV波动性等级表
Tab. 2 Volatility scale of CV
变化趋势
Change trend显著减少
Insignificant increase不显著减少
Significant increase不显著增加
Insignificant decrease显著增加
Significant decreaseCWSI 65.37% 30.18% 4.37% 0.07% ET 0.60% 17.09% 72.48% 9.83% PET 3.65% 51.74% 42.73% 1.88%
下载: 导出CSV
-
[1] 李汇文,王世杰,白晓永,等. 西南近50年实际蒸散发反演及其时空演变[J]. 生态学报,2018, 38(24):8835−8848. [2] 阮宏威,于静洁. 1992-2015年中亚五国土地覆盖与蒸散发变化[J]. 地理学报,2019, 74(07):1292−1304. [3] 宋璐璐,尹云鹤,吴绍洪. 蒸散发测定方法研究进展[J]. 地理科学进展,2012, 31(09):1186−1195. [4] MU Q, ZHAO M, RUNNING S W. Improvements to a MODIS global terrestrial evapotranspiration algorithm[J]. Remote sensing of environment, 2011, 115(8): 1781−1800. doi: 10.1016/j.rse.2011.02.019 [5] Jackson R D, Kustas W P, Choudhury B J. A reexamination of the crop water stress index[J]. Irrigation science, 1988, 9: 309−317. doi: 10.1007/BF00296705 [6] 陈东东,王晓东,王森,等. 四川省潜在蒸散量变化及其气候影响因素分析[J]. 中国农业气象,2017, 38(09):548−557. [7] 陈超,庞艳梅,潘学标,等. 四川地区参考作物蒸散量的变化特征及气候影响因素分析[J]. 中国农业气象,2011, 32(01):35−40. [8] 何慧娟,卓静,李红梅,等. 基于MOD16产品的陕西关中地区干旱时空分布特征[J]. 干旱地区农业研究,2016, 34(01):236−241. [9] 尼格娜热·阿曼太,丁建丽,葛翔宇,等. 1960—2017年艾比湖流域实际蒸散量与气象要素的变化特征[J]. 地理学报,2021, 76(05):1177−1192. [10] 褚荣浩,李萌,谢鹏飞,等. 安徽省近20年地表蒸散和干旱变化特征及其影响因素分析[J]. 生态环境学报,2021, 30(06):1229−1239. doi: 10.16258/j.cnki.1674-5906.2021.06.014 [11] Yang, J. and Huang, X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019, Earth Syst. Sci. Data, 13, 3907–3925, https://doi.org/10.5194/essd-13-3907-2021, 2021. [12] Mann H B. Nonparametric tests against trend[J]. Econometrica: Journal of the econometric society, 1945: 245−259. [13] 邓兴耀,刘洋,刘志辉,等. 中国西北干旱区蒸散发时空动态特征[J]. 生态学报,2017, 37(09):2994−3008. -
点击查看大图
计量
- 文章访问数: 224
- HTML全文浏览量: 78
- PDF下载量: 114
- 被引次数: 0
