Verification and comparison of three high-resolution surface evapotranspiration products in North China
HE Shaoyang,1,2, TIAN Jing,1, ZHANG Yongqiang1通讯作者:
收稿日期:2020-05-6修回日期:2020-08-11网络出版日期:2020-10-25
基金资助: |
Received:2020-05-6Revised:2020-08-11Online:2020-10-25
作者简介 About authors
何韶阳,女,河南新乡人,硕士生,研究方向为遥感水文和水足迹。E-mail:
摘要
关键词:
Abstract
Keywords:
PDF (14387KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
何韶阳, 田静, 张永强. 三种高分辨率地表蒸散发产品在华北地区的验证与对比. 资源科学[J], 2020, 42(10): 2035-2046 doi:10.18402/resci.2020.10.19
HE Shaoyang, TIAN Jing, ZHANG Yongqiang.
1 引言
华北平原作为世界上水资源短缺最为严峻的地区之一,大部分降水都由地表蒸散发(evapotranspiration, ET)直接消耗返回至大气中,ET是水资源消耗的最大项[1,2]。ET作为能量平衡和水量平衡的重要分量,受土壤、植被和气候等要素影响[3,4]。这些要素在区域尺度上具有空间变异性,基于遥感数据时空特性,将区域尺度土壤、植被和气候信息引入ET模型,为评估下垫面较为复杂的华北平原ET提供了有效手段。因此对华北平原ET进行准确的估算是进行水资源管理的重要基础。截至目前,国内诸多研究人员开展了华北地区ET的估算研究,例如陈鹤等[5]基于土壤热通量改进的地表能量平衡模型估算出华北平原农田区ET量,实现了区域尺度地表蒸散发时空分布的连续模拟;Jia等[6]基于能量平衡和Penman-Monteith(PM)公式法的ETwatch系统模拟出2002—2009年中国海河流域ET,并详细分析了ET的误差来源和验证过程中的不确定性;莫兴国等[7]基于PM法和双源Priestley-Taylor(PT)模型模拟了华北平原2000—2009年的ET,并分析了ET的时空格局和演变特征;田静等[8]基于地表温度和植被指数梯形空间的算法估算了2004年3—6月华北平原的土壤蒸发和植被蒸腾量,评估了梯形法在华北平原的适用性。但是,目前尚缺乏能够被广泛使用的ET数据产品。由于使用的输入数据、模型方案和算法等方面的差异,不同的ET产品在不同地区具有不同的精度和适用性[9,10]。如Chen等[11]基于中国及其周边的23个涡动相关仪观测站点对5种蒸散经验模型和3种过程模型进行对比,发现由于模型结构和输入数据不同,蒸散的年际变异性在不同的模型之间存在显著差异。苏涛[12]基于9套再分析ET数据,对全球蒸发量的时空变化特征和成因进行研究,发现5套ET数据在中国西北至青藏高原西北部和东南沿海地区差别较大。Xue等[13]采用水量平衡方法评价了4种ET产品,发现全球陆面数据同化系统(Global Land Data Assimilation System, GLDAS)和Zhang等[14]的ET产品分别在长江流域和黄河流域表现最好。因此,在应用ET产品时最首要的工作是在研究区对产品进行详尽的验证和对比。区域尺度的ET研究通常需要较高分辨率的数据支撑,目前国际上高空间分辨率(≤1 km尺度)且更新较快的ET产品主要有Penman-Monteith-Leuning Version 2(PML_V2)、Moderate Resolution Imaging Spectroradiometer MOD16A2(MODIS MOD16A2)和Simplified Surface Energy Balance model Version 4(SSEBop_V4),分辨率分别是500 m,500 m和1 km。目前针对华北平原高分辨率ET产品的比较研究较少。本文的目标是对上述3种高分辨率ET产品在华北平原5个省市进行验证和比较,从而为选择更适用于华北平原的高分辨率ET产品提供参考信息,更好地为水资源的研究和管理服务。2 研究区概况
本文的研究区为包含北京市、天津市以及河北省、河南省和山东省共5省市的华北平原地区,地处北纬31°—42°,东经110°—122°。地貌区划如图1a所示,可分为中部的河北平原、鲁西北平原、豫东平原,北部的坝上高原、冀北山地、北京西北山地,西部的冀西山地、豫北山地,南部的豫西山地、南阳盆地和豫南山地,以及东部的鲁中山地和鲁东丘陵。研究区土地利用以耕地为主,图1b显示了由MCD12Q1.006 IGBP产品重归类后的2017年研究区土地利用图。由国家统计局分省年度数据库[15]计算得出2009—2018年华北平原地区年均水资源总量800亿m3,占全国水资源总量2.88%,水资源较为匮乏;该区面积52.78万km2,年均农作物播种面积为34.59万km2,占区域总面积的66%;该区是中国最重要的农业主产区之一,其小麦和玉米的产量分别占全国总产量的58%和27%。区内年降雨量不足500 mm,且年内分布不均。由于大量的农业灌溉需要,每年约有350 mm的净耗水量需要提取地下水弥补[16]。为缓解严重的地下水超采导致的地下漏斗问题,近年来华北地区实行了节水压采政策[17,18]。ET是表征作物耗水量的关键要素,因此在华北地区准确的ET数据对于农业水资源管理更显重要[19]。图1
新窗口打开|下载原图ZIP|生成PPT图1华北平原地区的地貌划分(a)和土地利用现状及通量站点分布(b)
Figure 1Geomorphological map (a) and land use type and locations of five flux stations (b) on the North China Plain
3 数据来源和研究方法
3.1 数据来源
3.1.1 蒸散发产品数据如前所述,本文主要针对3种高分辨率的ET产品在华北地区进行验证和比较。表1显示了3种产品的主要特征。
Table 1
表1
表13种高分辨率蒸散发产品
Table 1
产品名称 | 时间跨度 | 时间分辨率/天 | 空间分辨率/m | 方法原理 |
---|---|---|---|---|
PML_V2 | 2002.7—2019.9 | 8 | 500 | 基于Penman-Monteith公式和光合速率-气孔导度模型计算而得 |
MOD16A2 | 2001.1—现在 | 8 | 500 | 基于Penman-Monteith公式和Jarvis气孔导度模型计算而得 |
SSEBop_V4 | 2003.1—现在 | 10 | 1000 | 基于简化的地表能量平衡(SSEB)方法对每个像素使用了预定义的“热”和“冷”边界条件估算蒸散发 |
新窗口打开|下载CSV
PML_V2的陆地蒸散发产品以MODIS数据和GLDAS的气象强迫(降水、短波和长波辐射、水汽压、空气温度、风速)数据作为模型输入,按照土壤蒸发、植被蒸腾和植被截留蒸发3个部分进行发布[20],产品覆盖全球范围。基于分布在10种植被功能类型上的全球95个通量站点的参数率定和验证,PML_V2产品在全球尺度上的均方根误差(RMSE)为0.73 mm/d[9]。数据在GEE(Google Earth Engine)平台免费下载获得,网址为
MOD16A2的蒸散发产品以MODIS数据和MERRA GMAO(NASA’s Global Modeling and Assimilation Office)气象数据作为输入,核心是以Penman-Monteith(PM)公式结合Jarvis气孔导度算法为基础估算蒸散发[21,22]。该数据也可以在GEE平台上免费下载获得(
SSEBop_V4的蒸散发产品以MODIS数据和GLDAS气象数据作为模型输入,基于简化的地表能量平衡(SSEB)方法对每个像素使用了预定义的“热”和“冷”边界条件估算蒸散发[23,24,25],产品覆盖全球范围。该数据发布于USGS FEWS NET网站(
3.1.2 涡动相关通量观测数据
本文在研究区内共收集到5个地表通量观测站的数据(
Table 2
表2
表2华北平原地区5个通量观测站情况
Table 2
站点名称 | 站点简称 | 所在县(区、市) | 经度/°E | 纬度/°N | 海拔/m | 观测时间 |
---|---|---|---|---|---|---|
大兴站 | DX | 北京市大兴区 | 116.43 | 39.62 | 20 | 2008年1月1日—2010年12月27日 |
密云站 | MY | 北京市密云区 | 117.32 | 40.63 | 350 | 2008年1月1日—2010年12月29日 |
怀来站 | HL | 河北省怀来县 | 115.79 | 40.35 | 480 | 2013年1月1日—2017年12月31日 |
馆陶站 | GT | 河北省馆陶县 | 115.13 | 36.52 | 30 | 2008年1月1日—2010年12月31日 |
禹城站 | YC | 山东省禹城市 | 116.57 | 36.82 | 28 | 2008年1月1日—2010年12月31日 |
新窗口打开|下载CSV
3.1.3 土地覆盖数据
为了对比不同土地利用类型下不同蒸散发产品之间的差异,本文使用了MODIS全球500 m土地覆盖类型产品(MCD12Q1.006),时间跨度为2003—2018年。该产品使用Friedl的全球土地覆盖算法,根据MODIS Terra和Aqua反射率数据的监督分类结果将全球划分为16类土地利用类型[28,29]。数据发布在GEE平台(
3.2 研究方法
3.2.1 通量观测数据和ET产品的时空匹配为保证观测数据和ET产品的单位一致,本文利用公式(1)先将潜热通量观测数据的单位由W/m2转换为mm/d。
式中:O表示由观测值转换得到的蒸散发值,LE代表潜热通量,λ为水蒸发潜热(2.45×106 J/kg)。
PML_V2、MOD16A2、SSEBop_V4蒸散发产品分别是8天平均日值(mm/d),8天总和(mm/8d)以及10天总和(mm/10d),因此,本文将后两者产品和台站的观测数据处理成8天平均日值和10天平均日值,保证观测数据时间尺度与ET产品对应。同时,根据5个通量观测站的经纬度信息提取每个ET产品对应像元的ET值,保证空间位置上与ET产品匹配。
3.2.2 ET产品验证和对比的指标
本文通过站点尺度上ET产品与地面观测数据的对比实现精度验证,通过3种产品在时空分布上的对比实现对它们的差异分析。
在站点尺度上,研究中使用线性相关系数(
式中:Pi为估测值,Oi为观测值,
在产品间的时空对比上,使用R和
3.2.3 土地覆盖类型重归类和统计
为对比3种产品在不同土地覆盖类型上的差异,结合研究区2003—2018年土地利用的实际情况,本文将MCD12Q1.006 IGBP产品的16类土地覆盖类型重归类为林地、草地、耕地、水域、建设用地和其他用地共6类,重归类方法见表3。根据重新归类的土地利用类型分别计算每年不同产品在林地、草地、耕地的ET平均值,最后统计并对比每种产品在3种土地类型的多年ET平均值。
Table 3
表3
表3对MCD12Q1土地覆盖数据重归类的方法
Table 3
重归类的土地覆盖类型 | 包含的IGBP土地覆盖类型 | 对应的IGBP编码 |
---|---|---|
林地 | 常绿阔叶林、落叶针叶林、落叶阔叶林、针阔混交林、郁闭灌丛、稀疏灌丛 | 1、2、3、4、5、6、7 |
草地 | 木本稀树草原、稀树草原、草地 | 8、9、10 |
耕地 | 耕地、耕地和天然植被混合体 | 12、14 |
建设用地 | 城市和建成区 | 13 |
水域 | 水域 | 17 |
其他用地 | 永久湿地、永久冰雪、裸地和低植被覆盖区 | 11、15、16 |
新窗口打开|下载CSV
4 结果与分析
4.1 3种高分辨率蒸散发产品的精度验证
在站点尺度上,3种蒸散发产品在华北平原地区的模拟效果差异较大。总体来说,3种产品的估算值与各个站点观测值的相关系数处于0.52~0.81之间(图2)。其中,PML_V2与观测值之间具有最高的相关性,相关系数为0.81,其次是SSEBop_V4,相关系数为0.74,而MOD16A2在华北平原地区的模拟效果最差,相关系数为0.52。基于样本数据点的趋势线和1:1线比较分析,发现SSEBop_V4整体上存在高估现象,而其他2个ET产品存在低估现象,MOD16A2产品低估尤为明显。这可能是由于MOD16A2算法的植被气孔在夜间关闭的假设导致了ET值低估[16,30]。PML_V2的RMSE和Bias绝对值最小,分别为0.87 mm/d和6.27%,小于MOD16A2的1.44 mm/d和39.27%,以及SSEBop_V4的1.52 mm/d和35.69%。Bias的正负情况也很好地说明了ET产品的高估或低估现象。图2
新窗口打开|下载原图ZIP|生成PPT图2日均ET估测值与5个通量塔站点的涡动相关仪测量值的比较
Figure 2Comparison of the simulated daily evapotranspiration (ET) and eddy covariance measurements from the 5 flux stations
将3种ET产品分别与5个观测站的观测结果进行比较,统计结果如表4所示。总体上除禹城站,PML_V2与其余站点的观测值具有最高的相关系数,处于0.80~0.95之间,其中,PML_V2在密云站的估算值效果最好,R为0.95,但是存在低估现象。关于SSEBop_V4产品,5个站点的相关系数也都分布在0.73~0.90之间,具有较强的相关性,其中馆陶站的相关性为0.90,但是存在高估现象。另外,MOD16A2在5个站点的估算值都出现不同程度的低估现象,其中Bias绝对值最大的禹城站与该ET产品的相关性最差(为0.20),而密云站与该ET产品的相关性系数最高(为0.90)。
Table 4
表4
表4日均ET估测值在5个通量观测站的精度验证
Table 4
站点 名称 | PML_V2 | MOD16A2 | SSEBop_V4 | ||||||
---|---|---|---|---|---|---|---|---|---|
R | RMSE/(mm/d) | Bias/% | R | RMSE/(mm/d) | Bias/% | R | RMSE/(mm/d) | Bias/% | |
大兴站 | 0.80 | 1.08 | -24.22 | 0.51 | 1.92 | -57.71 | 0.73 | 1.19 | -8.15 |
馆陶站 | 0.91 | 0.61 | 12.08 | 0.56 | 1.24 | -33.04 | 0.90 | 1.14 | 26.21 |
怀来站 | 0.80 | 0.91 | 0.68 | 0.55 | 1.29 | -14.45 | 0.75 | 2.27 | 114.76 |
密云站 | 0.95 | 0.49 | -12.32 | 0.90 | 0.81 | -24.81 | 0.88 | 0.77 | -0.01 |
禹城站 | 0.77 | 0.98 | -5.50 | 0.20 | 3.40 | -65.87 | 0.83 | 1.29 | 29.55 |
新窗口打开|下载CSV
因为华北地区以农田用地为主,且以冬小麦和夏玉米为主要作物,为更好地衡量3种ET产品在时间尺度上以及对作物耗水估算的准确性,本文对各个站点的观测值与ET产品估算值分别从月尺度,和冬小麦、夏玉米2个生长季进行比较分析。图3显示了多年月均值的比较。结果表明,3种ET产品均表现出明显的季节性特征,均为夏季最大,冬季最小。这主要是由于夏季植被蒸腾较大所致。同时,不同产品在冬季ET的差异较小,而夏季差异较大。估算值与站点观测值的季节变化相比,PML_V2与站点观测值的波动趋势一致性最高,而SSEBop_V4的ET估算值整体上存在高估现象,明显高估时期为5—10月,MOD16A2存在低估现象,明显低估时期为3—7月。观测数据显示6月出现ET的低值,这主要由华北地区冬小麦收割引起。PML_V2产品计算时使用了平滑后的MODIS叶面积指数(leaf area index, LAI)产品,平滑后的LAI产品未能显示出6月份由于小麦收割导致的LAI低值,导致该产品未在6月出现低值。SSEBop_V4产品未显示此特征,主要是由于其输入信息缺少植被物候信息[17]。
图3
新窗口打开|下载原图ZIP|生成PPT图3ET估测值和站点观测值的季节变化
Figure 3Seasonal variations of the simulated evapotranspiration (ET) and site observations
表5显示了3种ET产品在冬小麦和夏玉米生长季与观测值的对比,因为密云和怀来观测站为一季作物,故表5的分析中只使用了其余3个观测站的数据。由表5可见,3种产品在小麦生长季与观测值的相关性均高于玉米生长季。其中,SSEBop_V4和PML_V2的ET值与观测值在小麦季具有较高的相关性,R分别为0.86和0.85;PML_V2的ET值与观测值在玉米季具有最高的相关性,R为0.46。另外,3个产品在小麦生长季的Bias均为负值,尤其是MOD16A2和PML_V2,Bias分别为-51.32%和 -26.16%,这与图3小麦生长季节变化出现的低估现象吻合。同时,从各ET产品在小麦季和玉米季的RMSE值分析,可以发现SSEBop_V4和PML_V2在小麦季的ET估算值与观测值误差更小,模拟效果更好,而MOD16A2相反。
Table 5
表5
表5ET估测值在生长季与观测值的对比
Table 5
蒸散发产品 | 小麦生长季(当年10月初—次年6月中旬) | 玉米生长季(当年6月中旬—9月末) | ||||
---|---|---|---|---|---|---|
R | RMSE/(mm/d) | Bias/% | R | RMSE/(mm/d) | Bias/% | |
PML_V2 | 0.85 | 0.89 | -26.16 | 0.46 | 1.03 | 10.41 |
MOD16A2 | 0.61 | 1.63 | -51.32 | 0.29 | 1.49 | -21.50 |
SSEBop_V4 | 0.86 | 0.88 | -3.81 | 0.20 | 1.86 | 41.24 |
新窗口打开|下载CSV
4.2 3种高分辨率蒸散发产品在时空尺度上的对比
以PML_V2、MOD16A2和SSEBop_V4产品共有的2003年1月—2018年12月为研究时段,分别计算3种产品的多年平均值。2003—2018年,华北平原地区PML_V2、MOD16A2和SSEBop_V4的ET年平均值分别是601 mm/a 、514 mm/a和694 mm/a,其中PML_V2的ET值与研究区年平均降水量596 mm近似持平,而MOD16A2和SSEBop_V4的ET值分别比年均降水量低82 mm和高98 mm。图4显示了3种ET产品年平均值的空间分布。3种ET产品年均值在华北平原地区的总体趋势为南高北低,结合该区的地貌划分,具体表现在:三者共有的ET明显低值区分布在区域北部的坝上高原和东部的鲁东丘陵,ET明显高值区分布在黄河以北的豫东平原和鲁西北平原构成的中部农业生态区。每个产品的空间差异表现在,PML_V2最高值区分布于区域南部的豫东平原,最低值区在坝上高原;MOD16A2最高值区位于区域南部的豫西、豫南山地以及北京西北山地,而最低值区除了坝上高原,还包括太行山脉组成的冀西山地、豫北山地;SSEBop_V4的最高值区不仅包含黄河以北的豫东平原和鲁西北平原,还包括北京西北山地。显然,PML_V2和SSEBop_V4产品在空间分布上较一致,但SSEBop_V4产品具有更大的数值跨度,在高值区ET值更高,在低值区值更低。图4
新窗口打开|下载原图ZIP|生成PPT图42003—2018年3种产品估算的年均ET空间分布
Figure 4Mean annual evapotranspiration (ET) spatial distribution estimated for the three products, 2003-2018
依据表3中的土地覆盖类型,分别统计出3种ET产品2003—2018年在耕地、林地和草地每年的ET值,其时间序列变化如图5所示。结果表明:总体上,耕地和草地的3种ET产品的估计值均为SSEBop_V4>PML_V2>MOD16A2,林地显示出,SSEBop_V4>MOD16A2>PML_V2;耕地的PML_V2、MOD16A2和SSEBop_V4的ET多年平均值分别为634 mm/a、419 mm/a和708 mm/a。林地的PML_V2、MOD16A2和SSEBop_V4的多年ET平均值分别为615 mm/a、623 mm/a和815 mm/a。草地的PML_V2、MOD16A2和SSEBop_V4的多年ET平均值分别为534 mm/a、512 mm/a和628 mm/a。三者的最大差异出现在ET估算值较高的耕地,这说明3种ET产品在人类干扰程度强的地区存在很大的差异性。
图5
新窗口打开|下载原图ZIP|生成PPT图52003—2018年3个产品ET估算值在耕地、林地、草地的年际变化对比
Figure 5Annual variations of estimated evapotranspiration (ET) of cropland, forest land, and grassland of the three products, 2003-2018
针对每个产品,SSEBop_V4表现出林地>耕地>草地;PML_V2表现出耕地>林地>草地;MOD16A2表现出林地>草地>耕地,三者完全不同。从2003—2018年的变化趋势上,MOD16A2在3种土地利用类型下明显呈增加趋势,而SSEBop_V4和PML_V2变化较平稳。耕地SSEBop_V4在2014年后出现明显的下降。
为在空间尺度上更好对比3种ET产品之间的一致性,以2003—2018年3种产品在8天尺度上的ET值为样本数据,基于GEE平台,采用双线性插值方法重采样至1 km相同分辨率下,分别逐象元计算每2种产品的R和RMSE,其空间分布如图6和图7所示。总体上,3种ET估算值之间的相关系数具有相同的空间分布格局,即林地和草地的ET估算值相关性高,然而不同ET产品之间的相关程度存在差异性。其中,PML_V2和SSEBop_V4之间的相关系数最高,相关系数大于0.8的面积占整个研究区面积的46.04%(表6),表明在时间序列上2种ET估算值具有相似的时间变化,尤其是在林地,平均相关系数达到0.86,且相关系数大于0.8的林地面积占研究区林地总面积的90.11%;草地次之,平均相关系数为0.79;而受人类影响程度较大的耕地ET估算值的相关性较小,平均相关系数为0.75,相关性小于0.6的耕地面积占研究区总耕地面积的10.39%。PML_V2和MOD16A2、SSEBop_V4和MOD16A2的估算值相关性明显小于PML_V2和SSEBop_V4的结果,其中相关系数小于0.6的面积分别占整个研究区面积的36.5%和43.66%(表6),说明MOD16A2的产品与其他2个产品差异最大。
图6
新窗口打开|下载原图ZIP|生成PPT图62003—2018年PML_V2、MOD16A2和SSEBop_V4的ET估算值逐像元的R分布
Figure 6Pixel level R distribution of the estimated evapotranspiration (ET) of the three products, 2003-2018
图7
新窗口打开|下载原图ZIP|生成PPT图72003—2018年PML_V2、MOD16A2和SSEBop_V4的ET估算值逐像元的RMSE分布
Figure 7Root mean square error (RMSE) distribution of the estimated evapotranspiration (ET) of the three products, 2003-2018
Table 6
表6
表6不同土地类型ET产品在R和RMSE分组下的面积比
Table 6
蒸散发产品 | 土地类型 | R | RMSE | ||
---|---|---|---|---|---|
>0.8的占比/% | <0.6的占比/% | >8 mm/8 d的占比/% | <6 mm/8 d的占比/% | ||
PML_V2-SSEBop_V4 | 耕地 | 48.41 | 10.39 | 0.83 | 66.92 |
林地 | 90.11 | 0.14 | 0.003 | 97.72 | |
草地 | 42.51 | 7.25 | 0.13 | 82.08 | |
研究区 | 46.04 | 10.45 | 1.01 | 69.78 | |
SSEBop_V4-MOD16A2 | 耕地 | 14.91 | 42.43 | 78.23 | 1.78 |
林地 | 14.95 | 4.87 | 44.37 | 0.32 | |
草地 | 5.02 | 52.92 | 50.63 | 0.63 | |
研究区 | 11.71 | 43.66 | 69.00 | 1.47 | |
PML_V2-MOD16A2 | 耕地 | 32.63 | 32.37 | 50.25 | 6.49 |
林地 | 21.42 | 3.89 | 0.03 | 87.37 | |
草地 | 8.69 | 52.15 | 1.34 | 74.93 | |
研究区 | 24.36 | 36.50 | 34.27 | 24.61 |
新窗口打开|下载CSV
通过对比像元尺度上3种ET产品之间的RMSE发现(图7),林地和草地的ET估算值差异小,主要分布在6 mm/8d以下,且不同ET产品之间呈现出不同的差异程度。总体上,PML_V2和SSEBop_V4之间差异水平小于6 mm/8d,且RMSE<6 mm/8d和>8 mm/8d的面积分别占研究区面积的69.78%和1.01%(表6)。尤其是在林地和草地(图6和图7),林地和草地RMSE<6 mm/8d的面积分别占研究区总林地和总草地面积的97.72%和82.08%,表明林地和草地的ET估算值二者较接近。SSEBop_V4和MOD16A2之间的RMSE<6 mm/8d的面积仅占研究区总面积的1.47%,而RMSE>8 mm/8d的面积占研究区总面积的69%,其中耕地的差异水平最大,RMSE>8 mm/8d和<6 mm/8d的面积分别占研究区总耕地面积的78.23%和1.78%。PML_V2和MOD16A2之间的RMSE主要分布在(0.6~0.8) mm/8d之间,这部分面积占研究区总面积的41.12%,其中耕地的差异水平也是最大,RMSE>8 mm/8d和<6 mm/8d的面积分别占研究区总耕地的50.25%和6.49%。
5 结论
目前针对地表蒸散发产品的验证与对比研究较多,但缺乏对华北平原高分辨率ET产品的比较探讨。本文针对3种高分辨率蒸散发产品(PML_V2、MOD16A2和SSEBop_V4),利用涡动相关通量站观测数据在华北地区进行了ET产品精度分析和验证,同时对比分析了2003—2018年3种ET产品时空差异。研究发现:(1)3种蒸散发产品在本文区的模拟效果差异较大,PML_V2的ET产品在华北平原地区与涡动相关仪的观测结果最接近,其次是SSEBop_V4的ET产品,而MOD16A2的ET产品精度最低。在时间尺度上,3种ET产品均可以模拟出ET的季节性特征,即ET在夏季最大,冬季最小;SSEBop_V4的ET值整体上存在高估现象,MOD16A2存在低估现象。植被物候信息考虑不足,可能是SSEBop_V4和PML_V2未能捕捉到小麦收割季节的物候特征的原因;3种ET产品在小麦生长季的估算值与观测值的相关性均高于玉米生长季,其中SSEBop_V4和PML_V2的ET值分别在小麦季和玉米季均具有最高的相关性。
(2)3种产品相互对比,PML_V2和SSEBop_V4产品捕捉的ET空间分布较一致,相关系数最高为0.76,但SSEBop_V4产品可能受植被冠层复杂度的影响,导致ET值具有更大的数值跨度,在高值区ET值更高,在低值区值更低。MOD16A2产品的空间分布与其他2个产品差异较大,与PML_V2和SSEBop_V4的相关系数分别为0.56和0.53。从2003—2018年的变化趋势上,MOD16A2在耕地、林地和草地下明显呈增加趋势,而SSEBop_V4和PML_V2变化较平稳。三者的最大差异出现在ET估算值较高的耕地地区,这说明3种ET产品在人类干扰程度强的地区存在很大的差异性。
由于涡动相关仪观测尺度与ET产品像元尺度的尺度不匹配[31,32,33,34],加之观测站点下垫面的异质性,尤其密云站和大兴站地表异质性较大,因此直接利用涡动相关观测值对ET产品进行验证仍存在不确定性。结合通量观测足迹模型进行站点观测值的尺度扩展,从而获取像元尺度/区域尺度ET“地面真值”是需要进一步开展的工作。另外,本文没有对涡动相关观测的通量数据进行能量闭合的订正,这可能也会带来验证误差。
致谢
感谢国家青藏高原科学数据中心和国家生态科学数据中心提供华北平原地区的涡动相关通量观测数据,Google Earth Engine平台提供PML_V2和MOD16A2蒸散发产品以及土地覆盖数据,USGS FEWS NET网站提供SSEBop_V4蒸散发产品。参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[D]. ,
[本文引用: 1]
[D].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
DOI:10.1016/j.agrformet.2018.04.020URL [本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
URLPMID:11542931 [本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
DOI:10.1016/j.rse.2018.12.031URL [本文引用: 2]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
DOI:10.1016/j.rse.2013.08.045URL [本文引用: 1]
[D]. ,
[本文引用: 1]
[D].
[本文引用: 1]
[J]. ,
DOI:10.1016/j.jhydrol.2013.04.005URL [本文引用: 1]
[J]. ,
URLPMID:30906078 [本文引用: 1]
[EB/OL]. (
URL [本文引用: 1]
[EB/OL]. (
URL [本文引用: 1]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[J]. ,
[本文引用: 2]
[J].
[本文引用: 2]
[D]. ,
[本文引用: 1]
[D].
[本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
URLPMID:26750505 [本文引用: 1]
[J]. ,
DOI:10.1016/j.rse.2011.02.019URL [本文引用: 1]
[J]. ,
DOI:10.1016/j.rse.2018.10.002URL [本文引用: 1]
[J]. ,
DOI:10.1016/j.jhydrol.2016.02.026URL [本文引用: 1]
[J]. ,
DOI:10.1111/jawr.2013.49.issue-3URL [本文引用: 1]
[J]. ,
DOI:10.1016/j.agwat.2010.10.014URL [本文引用: 1]
[J]. ,
DOI:10.1016/j.jhydrol.2016.02.026URL [本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]
[J]. ,
DOI:10.1016/S0034-4257(02)00078-0URL [本文引用: 1]
[J]. ,
DOI:10.1016/j.rse.2009.08.016URL [本文引用: 1]
[J]. ,
DOI:10.1016/S2095-3119(17)61900-2URL [本文引用: 1]
[J]. ,
DOI:10.1029/2018JD028422URL [本文引用: 1]
[J]. ,
DOI:10.1016/j.agrformet.2016.04.008URL [本文引用: 1]
[J]. ,
DOI:10.1029/2018JD028447URL [本文引用: 1]
[J]. ,
[本文引用: 1]
[J].
[本文引用: 1]