基于PML-V2数据集的中国蒸散发时空动态特征分析

doi:10.12118/j.issn.1000-6060.2022.476

摘要/Abstract

摘要：

陆地蒸散发是陆-气水热交换的重要过程，是全球水分运移及能量转换中重要的一环。识别蒸散发的时空动态特征对研究区域水循环和能量转换具有重要意义。此次研究利用9个通量站观测数据，对比分析了3种全球蒸散发产品（GLEAM、MOD16以及PML-V2）在中国区域的适用性。在此基础上，选取在中国区域适宜性最佳的地表蒸散发产品数据，对2003—2020年中国地表蒸散发时空动态特征进行了分析。结果表明：（1） PML-V2蒸散发产品在中国区域的适用性最佳。（2）在时间上，中国蒸散发在研究时间段呈增长趋势;空间上，研究时间段由西北到东南总体呈增加趋势。（3）基于Hurst指数分析的未来中国蒸散发变化状况，预期将与过去表现相反趋势，即过去总体呈增长趋势，未来蒸散发会下降。此次研究通过对中国地表蒸散发时空动态特征进行分析，以期为区域水资源利用及优化配置提供参考借鉴。

关键词: 蒸散发, 适宜性, 动态特征, 中国

Abstract:

Terrestrial evapotranspiration (ET) is an important process of land-atmosphere exchange and an important link in the global water migration and energy transfer system. Identifying the temporal and spatial dynamic characteristics of ET is of great significance in the study of regional water cycle and energy conversion. In this study, we compared the appropriateness of the three different ET products (GLEAM, MOD16, and PML-V2) in China using the flux data of nine tower stations in the country. We used the dataset of ET products between 2003 and 2020 to analyze the temporal and spatial dynamic characteristics of evapotranspiration in China. The results showed the following: (1) The ET products of PML-V2 is the most suitable for China. (2) On the time scale, ET gradually increased during the research period. On the spatial scale, ET exhibited an increasing tendency during 2003—2020 from northwest to southeast of China. (3) According to the Hurst index, the future ET of the whole nation is expected to show the opposite trend compared to the past. This means that ET increased in the past but is expected to decrease in the future. This study analyzed the spatiotemporal dynamic characteristics of ET in China, which could provide a reference for regional water resources utilization and optimal allocation.

Key words: evapotranspiration, appropriateness, dynamic characteristic, China

魏涛, 王云权. 基于PML-V2数据集的中国蒸散发时空动态特征分析[J]. 干旱区地理, 2023, 46(6): 857-867.

WEI Tao, WANG Yunquan. Temporal and spatial dynamic analysis of terrestrial evapotranspiration in China based on PML-V2 product[J]. Arid Land Geography, 2023, 46(6): 857-867.

图/表 16

图1

表1

表2

图2

图3

图4

图5

表 3

图6

表4

图7

表5

图8

图9

表6

图10

参考文献 29

[1]	左大幸, 臧传富, 汪丽娜. 1980-2019年珠江流域潜在蒸发量时空变化及其影响因素分析[J]. 人民珠江, 2022, 43(10): 41-49.
	[Zuo Daxing, Zang Chuanfu, Wang Li'na. Temporal and spatial variation of potential evaporation and its influencing factors in Pearl River Basin from 1980 to 2019[J]. Pearl River, 2022, 43(10): 41-49.]
[2]	张琨. 遥感蒸散发模型参数敏感性分析与优化方法研究[D]. 兰州: 兰州大学, 2018.
	[Zhang Kun. Parameter sensitivity analysis and optimization for remote sensing based evapotranspiration model[D]. Lanzhou: Lanzhou University, 2018.]
[3]	Mu Q Z, Zhao M S, 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
[4]	Zhang Y Q, Kong D D, Gan R, et al. Coupled estimation of 500 m and 8-day resolution global evapotranspiration and gross primary production in 2002-2017[J]. Remote Sensing of Environment, 2019, 222: 165-182. doi: 10.1016/j.rse.2018.12.031
[5]	Martens B, Miralles D G, Lievens H, et al. GLEAM v3: Satellite-based land evaporation and root-zone soil moisture[J]. Geoscientific Model Development, 2017, 10(5): 1903-1925. doi: 10.5194/gmd-10-1903-2017
[6]	刘昌明, 张丹. 中国地表潜在蒸散发敏感性的时空变化特征分析[J]. 地理学报, 2011, 66(5): 579-588. doi: 10.11821/xb201105001
	[Liu Changming, Zhang Dan. Temporal and spatial change analysis of the sensitivity of potential evapotranspiration to meteorological influencing factors in China[J]. Acta Geographica Sinica, 2011, 66(5): 579-588.] doi: 10.11821/xb201105001
[7]	张巧凤, 刘桂香, 于红博, 等. 基于MOD16A2的锡林郭勒草原近14年的蒸散发时空动态[J]. 草地学报, 2016, 24(2): 286-293. doi: 10.11733/j.issn.1007-0435.2016.02.007
	[Zhang Qiaofeng, Liu Guixiang, Yu Hongbo, et al. Temporal and spatial dynamic of ET based on MOD16A2 in recent fourteen years in Xilingol Steppe[J]. Acta Agrestia Sinica, 2016, 24(2): 286-293.] doi: 10.11733/j.issn.1007-0435.2016.02.007
[8]	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(9): 2994-3008.
	[Deng Xingyao, Liu Yang, Liu Zhihui, et al. Temporal-spatial dynamic change characteristics of evapotranspiration in arid region of northwest China[J]. Acta Ecologica Sinica, 2017, 37(9): 2994-3008.]
[9]	郑德凤, 詹诗瑶, 曹永强. 河北省潜在蒸散量与水分盈亏量时空动态特征分析[J]. 人民珠江, 2022, 43(3): 54-65.
	[Zheng Defeng, Zhan Shiyao, Cao Yongqiang. Analysis of spatiotemporal dynamic characteristics on potential evapotranspiration and water budget in Hebei Province[J]. Pearl River, 2022, 43(3): 54-65.]
[10]	Pastorello G, Trotta C, Canfora E, et al. The FLUXNET2015 dataset and the ONEFlux processing pipeline for eddy covariance data[J]. Scientific Data, 2020, 7(1): 1-27. doi: 10.1038/s41597-019-0340-y
[11]	朱炳海. 中国气候[M]. 北京: 科学出版社, 1962: 147-150.
	[Zhu Binghai. Climate of China[M]. Beijing: Science Press, 1962: 147-150.]
[12]	Miralles D G, Holmes T R H, De Jeu R A M, et al. Global land-surface evaporation estimated from satellite-based observations[J]. Hydrology and Earth System Sciences, 2011, 15(2): 453-469. doi: 10.5194/hess-15-453-2011
[13]	Miralles D G, Van Den Berg M J, Gash J H, et al. El Niño-La Niña cycle and recent trends in continental evaporation[J]. Nature Climate Change, 2014, 4(2): 122-126. doi: 10.1038/nclimate2068
[14]	Running S W, Mu Q Z, Zhao M S, et al. MODIS global terrestrial evapotranspiration (ET) product (MOD16A2/A3 and year-end gap-filled MOD16A2GF/A3GF) NASA Earth Observing System MODIS Land Algorithm (for collection 6)[M]. Washington, DC, USA: National Aeronautics and Space Administration, 2019: 1-37.
[15]	Farr T G, Rosen P A, Caro E, et al. The shuttle radar topography mission[J]. Reviews of Geophysics, 2007, 45(2): RG2004, doi: 10.1029/2005RG000183. doi: 10.1029/2005RG000183
[16]	陈龙. 基于不同遥感数据估算全球陆地初级生产力与蒸散发的对比研究[D]. 北京: 中国矿业大学, 2017.
	[Chen Long. Comparison of estimated global gross primary productivity and evapotranspiration based on different remote sensing data[D]. Beijing: China University of Mining and Technology, 2017.]
[17]	谢旭红, 武磊, 魏健美, 等. 三种蒸散发产品在西北内陆河上游山区的适用性比较[J]. 兰州大学学报(自然科学版), 2021, 57(4): 437-446.
	[Xie Xuhong, Wu Lei, Wei Jianmei, et al. Applicability assessment of AET products in the alpine regions of northwestern China[J]. Journal of Lanzhou University (Natural Sciences Edition), 2021, 57(4): 437-446.]
[18]	汪士为. 近20年内蒙古干旱时空动态及其对气候、蒸散发变化的响应[J]. 水土保持研究, 2022, 29(4): 231-239.
	[Wang Shiwei. Spatial and temporal dynamics of drought in Inner Mongolia in recent 20 years and its response to seasonal climate and evapotranspiration[J]. Research of Soil and Water Conservation, 2022, 29(4): 231-239.]
[19]	张鹏, 张圣微, 徐冉, 等. 基于遥感的科尔沁沙地蒸散发时空动态[J]. 水土保持研究, 2021, 28(3): 399-405, 414-415.
	[Zhang Peng, Zhang Shengwei, Xu Ran, et al. Spatiotemporal dynamics of evapotranspiration in Horqin Sandy Land based on remote sensing[J]. Research of Soil and Water Conservation, 2021, 28(3): 399-405, 414-415.]
[20]	张翔, 朱晓昱, 沈贝贝, 等. 呼伦贝尔植被蒸散发时空变化研究[J]. 中国农业资源与区划, 2020, 41(4): 308-316.
	[Zhang Xiang, Zhu Xiaoyu, Shen Beibei, et al. Analysis of temporal and spatial variation of vegetation evapotranspiration in Hulun Buir[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2020, 41(4): 308-316.]
[21]	Milich L, Weiss E. GAC NDVI interannual coefficient of variation (CoV) images: Ground truth sampling of the Sahel along north-south transects[J]. International Journal of Remote Sensing, 2000, 21(2): 235-260. doi: 10.1080/014311600210812
[22]	张钊, 陈宝瑞, 辛晓平. 1960-2015年呼伦贝尔草原气温和降水格局变化特征[J]. 中国农业资源与区划, 2018, 39(12): 121-128.
	[Zhang Zhao, Chen Baorui, Xin Xiaoping. Variations of temperature and precipitation pattern in Hulunber grassland from 1960 to 2015[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2018, 39(12): 121-128.]
[23]	谷佳贺, 薛华柱, 董国涛, 等. 黄河流域NDVI/土地利用对蒸散发时空变化的影响[J]. 干旱区地理, 2021, 44(1): 158-167.
	[Gu Jiahe, Xue Huazhu, Dong Guotao, et al. Effects of NDVI/land-use on spatiotemporal changes of evapotranspiration in the Yellow River Basin[J]. Arid Land Geography, 2021, 44(1): 158-167.]
[24]	Fensholt R, Langanke T, Rasmussen K, et al. Greenness in semi-arid areas across the globe 1981-2007: An earth observing satellite based analysis of trends and drivers[J]. Remote Sensing of Environment, 2012, 121: 144-158. doi: 10.1016/j.rse.2012.01.017
[25]	Jiapaer G, Liang S L, Yi Q X, et al. Vegetation dynamics and responses to recent climate change in Xinjiang using leaf area index as an indicator[J]. Ecological Indicators, 2015, 58: 64-76. doi: 10.1016/j.ecolind.2015.05.036
[26]	Zhang H F, Shu Y T, Yang O. Estimation of Hurst parameter by variance-time plots[C]// 1997 IEEE Pacific Rim Conference on Communications, Computers and Signal Processing, PACRIM. 10 Years Networking the Pacific Rim, 1987-1997. Canada: IEEE, 1997, 2: 883-886.
[27]	陈耀亮. 干旱区内陆河流域土地利用/土地覆被变化及其对蒸散发的影响[D]. 杭州: 浙江大学, 2018.
	[Chen Yaoliang. Land-use and land-cover change and its impacts on evapotranspiration in inland river basin of arid region[D]. Hangzhou: Zhejiang University, 2018.]
[28]	詹明月. 基于模式数据的中国植被绿化对陆地蒸散发影响研究[D]. 南京: 南京信息工程大学, 2022.
	[Zhan Mingyue. Effects of vegetation greening on land evapotranspiration in China based on model data[D]. Nanjing: Nanjing University of Information Science & Technology, 2022.]
[29]	杨晓慧, 于凤存. 巢湖芦苇湿地蒸散发量及其影响因素分析[J]. 治淮, 2022(4): 21-23.
	[Yang Xiaohui, Yu Fengcun. Analysis of evapotranspiration and its influencing factors in reed wetland of Chaohu Lake[J]. Harnessing the Huaihe River, 2022(4): 21-23.]

站点ID	站点名	经度/(°)	纬度/(°)	土地覆盖类型	年份
CN-Cha	长白山	128.0958	42.4025	混生林	2003—2005
CN-Cng	长岭	123.5092	44.5934	草地	2007—2010
CN-Dan	当雄	91.0664	30.4978	草地	2004—2005
CN-Din	鼎湖山	112.5361	23.1733	常绿阔叶林	2003—2005
CN-Du2	多伦草地	116.2836	42.0467	草地	2006—2008
CN-Du3	多伦退化草甸	116.2809	42.0551	草地	2009—2010
CN-Ha2	海北灌丛	101.3269	37.6086	湿地	2003—2005
CN-HaM	西藏海北高山站	101.1800	37.3700	草地	2002—2004
CN-Qia	千烟洲	115.0581	26.7414	常绿针叶林	2003—2005

方法	作用
变异系数法	统计变量各组数据的变异程度，统计分析蒸散发在时间序列上的稳定性，变异系数的大小反应了像元各年份数据间的离散程度。
Theil-Sen Median趋势分析	稳健的非参数统计趋势计算方法，趋势值（β）大于0时，表示正增长趋势，小于0则表示下降趋势。
Mann-Kendall检验	非参数的时间序列趋势性检验方法。在给定显著性水平下，当M-K检验值（Z）的绝对值小于临界值时，即接受原假设，趋势不显著;当Z的绝对值大于临界值时，则拒绝原假设，趋势显著。
赫斯特指数	用来衡量时间序列是否有长期记忆的一个指标，赫斯特指数（H）位于0和1之间，当H为0.5时，序列是随机的，即没有自相关性;当H大于0.5时，序列有很强的正相关性，未来趋势与过去趋势一致;当H小于0.5时，序列有很强的负相关性，未来趋势与过去趋势相反。

分区	面积/10⁴ km²	最小值/mm·a^-1	最大值/mm·a^-1	均值/mm·a^-1	标准差/mm·a^-1	变异系数
北温带区（I）	18.73	38.02	716.72	107.47	24.50	0.23
中温带区（II）	303.49	0.20	2205.41	180.85	108.76	0.60
南温带区（III）	162.77	0.10	2466.08	259.15	215.44	0.83
北亚热带区（IV）	56.76	0.20	2283.38	537.27	232.99	0.43
中亚热带区（V）	120.64	0.20	2462.84	522.95	147.82	0.28
南亚热带区（VI）	38.23	0.10	3422.79	719.66	179.79	0.25
北热带区（VII）	7.60	0.20	3434.04	858.29	203.59	0.24
中热带区（VIII）	0.91	1.01	3382.74	990.66	256.40	0.26
高原气候区（H）	251.41	0.10	2288.14	278.22	207.24	0.74

分区	面积/10⁴ km²	最小值	最大值	均值	标准差
北温带区（I）	18.73	0.09	1.28	0.37	0.16
中温带区（II）	303.49	0.03	4.24	0.35	0.15
南温带区（III）	162.77	0.03	4.24	0.38	0.35
北亚热带区（IV）	56.76	0.00	4.24	0.13	0.06
中亚热带区（V）	120.64	0.00	4.24	0.16	0.08
南亚热带区（VI）	38.23	0.00	4.24	0.13	0.11
北热带区（VII）	7.60	0.03	4.24	0.11	0.07
中热带区（VIII）	0.91	0.03	4.24	0.09	0.21
高原气候区（H）	251.41	0.03	4.24	0.34	0.22

分区	面积/10⁴ km²	B₀	B₁
北温带区（I）	18.73	-5517.40	2.80
中温带区（II）	303.49	161.74	0.01
南温带区（III）	162.77	1645.51	-0.69
北亚热带区（IV）	56.76	-4028.99	2.27
中亚热带区（V）	120.64	-3788.96	2.14
南亚热带区（VI）	38.23	464.99	0.13
北热带区（VII）	7.60	310.23	0.27
中热带区（VIII）	0.91	-699.10	0.84
高原气候区（H）	251.14	-268.73	0.27
全区	961.63	-1302.30	0.89