基于SEBAL模型的别拉洪河流域典型生态系统蒸散量估算

第31卷第10期2009年10月

2009，31（10）：

1755-1763

Vol.31，No.10Oct.，2009

1引言

湿地是生态系统的重要组成部分。湿地水文

过程控制着湿地的生物过程和化学过程，是影响湿地功能和演化的最重要的因素。对大多数湿地而言，蒸散发是湿地水循环的重要组成和水分损失的主要途径，与蒸散发相对应的潜热通量则是湿地的主要能量支出项，可以说，蒸散发在很大程度上影

响着湿地的水热平衡[1，2]

。

传统的蒸散研究方法是基于“点”尺度的，对于几何结构和物理性质非均匀的陆面，将研究结果进行空间尺度扩展时会引起较大的误差。遥感技术提供了从“面”尺度研究蒸散的方法，通过多波段的卫星遥感影像结合少量的地面观测数据就能反演区域蒸散。地表能量平衡算法SEBAL （Surface Energy Balance Algorithm for Land ）是一种典型的基于能量平衡方程的区域蒸散反演方法，要求输入的观测数据较少，反演精度较高，在区域水资源管理、

流域水量平衡研究中发挥了重要作用，在美国、巴基斯坦和中国等地区都得到了应用[3~6]。

本研究采用SEBAL 模型，根据别拉洪河流域的地形数据、地物类型估算模型参数，利用TM 影像及气象数据，通过ERDAS IMAGINE 8.7的Spatial Modeler 工具编程计算日蒸散量。

2研究区概况与研究方法

2.1

研究区概况

别拉洪河位于三江平原腹地，属沼泽性河流，流域总面积4340km ，流域总长170km ，平均宽度22.7km ，地面坡降1/6000~1/1000。由于地势低平，加之三江平原特殊的气候条件，在河流两岸发育大面积沼泽湿地，流域沼泽率曾高达45%。研究区属黑龙江、松花江、乌苏里江低冲积型平原区，地貌主要包括低山地、漫平原、低平原、洪泛地四种类型，平原区海拔约在37～60m 之间。由于地势低洼，研究区内河、湖、泡、沼泽较多，沼泽湿地以毛果苔草

文章编号：1007-7588（2009）10-1755-09

基于SEBAL 模型的别拉洪河流域

典型生态系统蒸散量估算

杜

嘉1，2

，张

柏1，宋开山1，王宗明1，曾丽红1，

2

（1.中国科学院东北地理与农业生态研究所，长春130012；2.中国科学院研究生院，北京100049）

摘要：蒸散发是水量平衡和能量平衡的重要环节,传统的计算方法只能以点为基础进行计算。为排除蒸散

发空间变异特性的影响,在遥感技术的基础上,引入了基于地表能量平衡原理的SEBAL 模型,对别拉洪河流域典型生态系统的日蒸散情况进行了计算模拟,获取了相关地面特征参数及日蒸散量,并根据地表实测温度和涡度相关系统测量的蒸散量对遥感估算结果进行了验证，验证结果表明2008年三期估算结果的地表温度误差分别为1.57K 、0.72K 、1.73K 左右，2006年一期估算蒸散量的误差为12.86%，说明SEBAL 模型的精度能够满足蒸散量遥感估算的要求。在此基础上，结合土地利用数据分析了研究区不同土地利用方式下的蒸散量分布情况。结果表明不同土地利用下的日蒸散量并不相同，其中水体和植被覆盖较好的地区的蒸散量较高，而没有灌溉措施的旱田的蒸散量

较低。不同生态系统日蒸散量的空间分布不仅和灌溉条件有一定关系，而且也受气候条件的制约。

关键词：蒸散；能量平衡；SEBAL 模型；别拉洪河流域；TM 影像

收稿日期：2008-12-03；修订日期：2009-03-23

基金项目：中国科学院知识创新工程重要方向项目（编号：KZCX3-SW-356）；中国科学院东北地理与农业生态研究所知识创新工程领域前沿项目（编号：C08Y46）。

作者简介：杜嘉，男，吉林通榆人，博士生，主要从事遥感蒸散研究。E-mail ：horrizon@ 通讯作者：张柏，E-mail ：zhangbai@

资源科学

沼泽和漂筏沼泽湿地为主。研究区属大陆性季风气候，夏季短而炎热，冬季长而严寒，春季多风，夏季多雨；年平均降水600mm ，年平均日照2304h ；年平均气温2.2℃，历年平均积温2000℃左右；无霜期在l15～130d 之间，初霜期一般在9月下旬，终霜期在第二年5月上旬[7]。2.2数据来源

资料包括：①2006年8月30日、2008年5月15日、2008年6月16日、2008年7月11日上午10：15左右成像的TM 影像，影响过境当天均为晴天，云量均小于5％；②从中国气象科学数据共享服务网（http ：///）和美国国家海洋大气局的卫星与信息服务中心（http ：///）下载的影像获取当天的研究区附近15个站点的气象

数据，包括最高温、最低温、平均气温、日照时数、风速、相对湿度等；③从马里兰大学地球科学数据中心（http ：// ）下载的90m 分辨率的DEM 。2.3研究方法

2.3.1数据处理（1）影像预处理。预处理包括影像与DEM 的配准、截取研究区，并转换为地理坐标系统。

（2）气象数据处理。由于研究区内部并未设立国家地面气象站点，因此需要将附近15个气象站点的平均风速、最高气温、最低气温、平均气温、相对湿度、日照时数等气象要素进行插值以得到研究区的气象数据。在此，利用ARCGIS 的Spatial Analyst 模块按克里金法进行插值得到覆盖研究区的100m 分辨率的网格状气象数据。

（2）土地利用数据提取与处理。利用中巴卫星遥感数据，分辨率分别为23m ，并附以一景TM 数据，根据研究区土地覆盖类影像特征，建立解译标志，获得研究区土地利用/土地覆盖信息。在解译过程中，充分使用地貌图、植被图、土壤图、道路等辅助数据等，这些数据在GIS 平台的支持下分别完成矢量化、离散化，最终形成与土地利用/土地覆被数据相对应的空间分析数据。2.3.2

模型介绍

SEBAL 模型是由荷兰学者

Bastiaanssen 开发的基于遥感的蒸散反演模型[8，9]。模型的理论基础是地表能量平衡方程：

R n =G+H+λET

（1）

式中R n 表示净辐射量，W/m 2；G 表示土壤热通量，

W/m 2；H 表示感热通量，W/m 2；λET 表示潜热通量，W/m 2；λ表示水的汽化潜热，J/kg ；ET 表示蒸散量，

kg/（m 2·s ）。

图1

研究区及气象站点的位置

Fig.1

Map of study area and meteorogical

stations

图2

SEBAL 模型流程

Fig.2

Flow chart of SEBAL

model

1756