基于SEBS模型的黑河流域蒸散发

利用MODIS遥感数据并结合地面气象观测数据,应用SEBS模型对黑河流域的蒸散发进行了估算,得到了黑河流域蒸散发的分布.结果表明:SEBS模型在估算黑河蒸散发上具有一定的精度,可满足区域日蒸散发估算的需要.     

气候变化下乌江流域蒸散发互补关系变化及成因辨识

为了阐明气候变化下乌江流域蒸散发互补关系的变化及其成因,利用乌江思南以上流域1961-2007年的水文、气象资料,验证了该区域蒸散发量存在互补关系;采用蒸散发互补关系模型和两参数月水量平衡模型估算该区域蒸散发量,并分析了气候变化下该区域蒸散发互补关系的变化.结果表明:乌江流域蒸散发互补关系显著,基于互补关系估算的该流域...     

基于SEBS模型的辽河三角洲地表蒸发量的研究

利用MODIS数据,采用SEBS模型,结合地面站点观测的温度、湿度、风速、日照时数等气象数据,并结合地面气象观测数据,对辽河三角洲的蒸散发进行了估算,对辽河三角洲区域蒸散发量的时间分布特点进行了分析。得到了辽河三角洲蒸散发的分布结果,并对结果进行了可信度测试,结果表明模型在估算辽河蒸散发上具有一定的精度,可满足区域日蒸散发估算的需。     

基于蒸散发同化的流域ET过程模拟研究

采用集合卡尔曼滤波同化水文模型与遥感模型反演的蒸散发(ET)结果,获得更接近真实情况的ET,并利用同化后的ET结果进一步优化水文模型,从而获取连续精度较高的区域ET.通过对北京市沙河流域1999—2007年的ET过程研究显示,运用本方案可以改善水文模型对ET的估算精度,模拟出精度较高的流域蒸散发过程.     

黄土丘陵沟壑区小流域蒸散发的遥感估算——以静宁县魏沟流域为例

利用TM遥感影像和地表热量平衡模型估算静宁县魏沟流域的蒸散发量,并结合地面实测资料进行检验,分析了该流域蒸散发的分布规律,研究了蒸散发量与土地利用、地表参数和地形参数的关系.结果表明,研究区当日蒸散发量为1.13～8.86 mm,平均4.94mm,分布上呈现由西北向东南递增的趋势;不同下垫面的蒸散发能力有一定差别,其中水体和林地的日蒸散发量最大;蒸散发量与INDV和高程等呈线性正相关,而与地表温度呈线性负相关.     

基于SEBS模型的柳林泉域蒸散发研究

利用MODIS数据,结合气象站实测资料,应用SEBS模型,对柳林泉域蒸散发量进行估算,并分析其影响因素。结果表明,柳林泉域2001—2004年蒸散发量总体趋势平稳。在时间序列上,具有明显的季节性,蒸散发量月值随温度呈指数增长,降水峰值相对于蒸散发量峰值滞后,平均滞后2个月。在空间分布上,蒸散发量与土壤覆盖类型和地貌单元具有良好的一致性:东部低中山区林地覆盖率高,蒸散发量大;西部堆积侵蚀丘陵区灌木丛覆盖稀疏,蒸散发量最小;中部山间河谷阶地区多为农田和城市,蒸散发量介于两者之间。对蒸散发量影响较大的因素依次为:高程、气温、坡度。     

基于改进的两参数月水量平衡模型的月径流模拟

对熊立华等提出的两参数月水量平衡模型进行了分析,辨析了模型参数的物理意义,针对模型计算公式中的不合理之处,对原模型作了改进:首先,考虑到降水和流域前期蓄水量对流域蒸散发的共同作用,将两者同时作为影响因子,构造了新的蒸散发计算公式;其次,根据有关参数的变化范围,用线性函数近似双曲正切函数,改进了月径流量计算公式.运用改进后的模型模拟、验证了北运河通县站控制流域1980~1991年的月径流和蒸散发过程.结果表明,较之原模型,改进后的模型精度更高,月径流计算过程与实测过程拟合效果较好,年内最大洪峰流量相对误差明显减小,模拟的月蒸散发和流域蓄水量过程更加合理.     

气候变化对我国华南沿海地区水资源的影响——以南流江流域为例

为研究气候变化对我国华南沿海地区的水资源的影响,以南流江流域作为研究对象,应用具有物理机制的分布式水文模型SWAT对流域径流进行模拟。以常乐站1970~1994年月径流数据对模型进行率定,以1995~2013年月径流数据进行验证,基于南流江流域气候变化预估成果设置20种未来气候情景,模拟不同气候变化条件下的流域水文过程,计算不同情景下南流江流域径流及蒸散发的变化,分析气候变化条件下的水资源响应程度。结果表明:月径流模拟值与实测过程线总体拟合程度很好(R20.85,Ens0.8),SWAT模型在南流江流域具有较好适用性;降水是影响南流江流域径流变化的主要气候因子,而影响蒸散变化的主要气候因子是气温。降水不变时,气温每上升1℃,年均蒸散发量增加9.1 mm,年均径流量减少9.2 mm;气温不变时,降水量每增加10%,年均蒸散发量增加5.1 mm,年均径流量增加159.3 mm。预计到本世纪中叶,南流江流域年均径流变化幅度为-29.6%~27.6%,到本世纪末的变化幅度为-30.5%~26.7%,这将对南流江流域带来一系列的问题与挑战。     

基于Landsat 5 TM的祁连山区蒸散发遥感估算——以青海祁连县为例

蒸散发的估算在区域能量平衡和水分循环研究中具有重要意义.本研究利用Landsat 5TM数据和能量平衡模型相结合,通过遥感数据获取各参量,对祁连山区的日蒸散发进行估算,研究表明估算值与实测值基本一致,相对误差为4.23%,基本上满足了该区域蒸散发研究的精度要求.通过对蒸散结果的分析发现,该区域的日蒸散发空间分布受气候特征、地形因素、土壤供水条件及土地利用类型的影响比较严重,其分布趋势主要在空间上表现出随海拔的降低而降低,阳坡蒸散量大于阴坡,在土地利用类型上呈现按照"林地沼泽地水域草地耕地城乡工矿居民用地"的类型而降低的规律,而永久性冰川雪地以及裸土裸岩石砾地的蒸散发则随冰川面积的缩小而减小.     

基于遥感双层模型的宝鸡峡灌区日蒸散发估算

本文选取了陕西宝鸡峡灌区为研究区,基于遥感双层模型,选择2000-2011年不同季节典型日的TM 数据,辅以气象观测资料,估算了宝鸡峡灌区典型日蒸散发,分析灌区内日蒸散发的时空分布以及不同土地利用类型日蒸散发季节变化.结果表明,基于遥感双层模型估算半干旱区的日蒸散发是可行的.模拟典型日中,春季晴日灌区日蒸散发约为5.06mm、夏季约为5.36mm、秋季约为4.24mm、冬季约1.03mm,呈单峰型分布,有较好的季节变化特征;不同季节日蒸散发的空间分布差异较大,不同土地利用类型的日蒸散发季节变化特征相似,但略有不同.利用Penman-Monteith公式计算值结合作物系数验证日蒸散发估算精度,其中耕地和林地相对误差约为20%,相关系数R2>0.7,表明遥感反演的日蒸散发精度较高.      

黄河三角洲日蒸散发遥感估算及其空间格局特征分析

 蒸散发是水循环中的一个重要过程,研究蒸散发对农业灌溉、水资源合理利用和地区生态环境的可持续发展均有重要意义。本文基于Landsat TM数据和SEBAL模型,详细介绍了日蒸散发遥感估算的方法,分析了黄河三角洲蒸散发的数值特征和空间格局特征,并在此基础上研究了土地利用类型与蒸散发的关系。结果表明,2009年6月4日黄河三角洲日蒸散发量在0-9.11mm,平均值为5.31mm。蒸散量的空间分异特征较为显著,受下垫面条件的影响突出,高值区主要分布在东部以林地为主的国家级自然保护区和河口区大范围的盐田和养殖池、中部东营市区周边的平原水库区以及南部广饶县的优质农田区域。水体、林草地、建设用地和未利用地的日蒸散发空间分布频率图均呈单峰分布,耕地受作物类型空间分布差异等因素的影响而呈现为较明显的双峰分布。土地利用类型决定了日蒸散发的水平,不同下垫面蒸散发量的日均值从大到小依次为：水体、滩涂、苇地、林草地、耕地、建设用地和未利用地。     

伏牛山地区潜在蒸散发变化特征及成因分析

基于河南省西部22个县市的22个气象站点及相邻的陕西省丹凤县和商南县的2个气象站点2016—2017年的逐日气象数据,运用Penman-Monteith模型,估算伏牛山地区潜在蒸散发量,分析其时空分布特征,并运用相关分析和地理探测器方法探讨其空间差异的主要驱动因素.结果表明:①伏牛山地区年潜在蒸散发量平均值为792.89 mm,空间上呈自南向北递增;春夏两季潜在蒸散发量对全年潜在蒸散发量贡献最大,占全年的71.53%.②该地区潜在蒸散发量具有明显的年内分配特征,整体表现为先增大后减小,最高值出现在7月,最低值出现在1月.③该地区潜在蒸散发量与降水量相关性最大,呈显著的负相关关系;地理探测器结果发现,降水量对潜在蒸散发量空间差异的贡献率最大,且降水量与其他因素的交互作用贡献率显著增大,表明潜在蒸散发量的空间差异是由降水量与其他因素相互作用、共同影响产生的.     

基于特征空间法的美国南部大平原蒸散发遥感反演

蒸散发是地表能量平衡和水热循环的重要环节,准确估算对区域水资源合理开发利用、农业节水研究以及气候调节等至关重要。特征空间法作为蒸散发反演的主要方法之一,因其对地表参数的依赖较小,具有较好的优势。然而,该方法在干湿边界确定时却存在一定的主观性和不确定性,给出相应的干湿边界理论公式,以美国南部大平原为研究区,利用MODIS遥感数据,构建具有时空二维属性的地表温度——植被指数特征空间,获得了2017年美国南部大平原蒸散发;并采用站点数据进行验证,分析时空分布规律。结果表明:本文方法对于研究区地表蒸散发模拟精度较高,略微存在高估,与观测值相关系数(r)达到0.86,均方根误差(RMSE)和偏差(B)分别为1.07 mm和0.06。从时空特征分析,蒸散发年内变化呈单峰型分布,与植被生长周期相一致。此外,蒸散发季节差异显著,夏季蒸散发最高,春秋次之,冬季最低,并且四季蒸散发空间分布趋势均呈东南向西北递减。     

黑河流域蒸散发分布的遥感研究

利用NOAA AVHRR资料，选取Priestley-Taylor公式作为计算蒸散发的模型，对黑河流域的蒸散发进行了研究，并利用有关资料对多种地表参数和蒸散发进行了验证，分析了蒸散发的时空分布特征．结果表明，对黑河流域蒸散发的遥感估算和一些地表生物物理参数的反演结果，与实测值基本吻合，说明文中所采用的方法估算蒸散发是可行的．寒漠、冰川、沙漠和戈壁等植被条件较差的地区的蒸散量极低．弱水三角洲和古日乃湖盆作为下游植被较好的地方其蒸散量有别于周围地区．中游绿洲的蒸散量与绿洲发展程度具有密切关系．河流两岸天然绿洲，明显与周围沙漠和戈壁区分开来．高覆盖度草地和沼泽蒸散量最高，其次为中覆盖度草地和林地．     

加拿大CRAE蒸散发模型开发应用

用我国北方一个试验站实测土壤蒸散发量资料和７个流域的实测水文资料对加拿大ＣＲＡＥ蒸散发模型的计算精度进行了检验。计算成果表明，模型中关于流域蒸散发互补相磁的物理成因基础在我国北方是客观存在的，模型中的各项计算公式也较合适，但结果全搬模型中参数进行分析计算，则效果不好，必须结合计算流域的地理特点，对某些重要参数优选，才能获得良好的效果。     

基于TETIS模型的东北黑土区乌裕尔河流域径流模拟

将TETIS模型引进我国东北黑土区,以乌裕尔河流域为例,进行了径流模拟,结合SCEUA算法与手动调参,对1971—1987年日径流进行了模型的率定与验证,并对流域水量平衡进行了分析。结果表明:率定期和验证期纳什效率系数(ENS)和决定系数(R2)均超过0.7,水量平衡误差均不超过10%。蒸散发是流域水量的主要输出形式,地表径流为河道径流量的主要组成部分。年内径流量差异较大,夏季最多,冬季最少。结合模型评价指标与流域实际地理环境,认为TETIS模型在东北黑土区适用性良好。     

蒸散发遥感估算方法的研究进展

传统的估算蒸散发的方法虽然能够获取相对准确的均匀下垫面的蒸散发,但大多局限于点或田间尺度,难以反映蒸散发的空间异质性.遥感作为一种高效的空间信息获取和处理手段,被认为是估算陆面蒸散发的有效途径.近30多年来,随着技术的进步,发展了从简单的经验公式到结合陆面过程模型的陆面数据同化系统等基于遥感数据估算蒸散发的方法.本文总结了遥感估算地表蒸散发各种方法的输入数据、假设、原理、优缺点,并概括了遥感估算陆面蒸散发存在的主要问题和发展趋势.     

基于水热耦合平衡的塔里木盆地绿洲的年蒸散发

为了分析中国塔里木盆地沙漠绿洲的水资源转化消耗规律,建立了绿洲水热耦合平衡模型。该模型以年灌溉引水量和降水量之和作为绿洲年可供水量,采用傅抱璞公式将Budyko假设推广。以塔里木盆地绿洲的5个大型绿洲1971—2004年的年降水、灌溉引水、径流和潜在蒸散发资料,验证了水热耦合平衡关系。分析了年蒸散发规律和土地利用变化对模型参数的影响。拟合了阿克苏河绿洲的估算模型参数的经验公式。     

基于SWAT模型干旱区内陆河流域径流成分的模拟分析——以玛纳斯河上游为例

干旱区内陆河流域径流主要来源于山区降水,但降雨产流和融雪产流对山前绿洲水资源的时空供给周期与强度有很大不同,因此区分径流成分对流域的水文预报和水资源配置具有重要意义。本文以西北干旱区典型内陆河流域——玛纳斯河流域上游为例,基于历史逐月径流资料(1980-2000年),应用SWAT分布式水文模型对玛纳斯河上游径流成分进行模拟分析。分析结果表明:SWAT分布式水文模型可以有效的模拟玛纳斯河的径流变化特征,在率定期和验证期,Nash-Sutcliffe效率系数以及决定系数r~2分别高于0.81和0.89,达到评价标准。基于水量平衡原理的计算结果表明:多年流域的实际蒸散发量、地表径流量、土壤对地下水补给量、地下侧流量分别占降水量的53.54%、25.51%、17.60%和3.35%,进一步分析表明雪冰融水占降水量的64.50%,说明该流域的径流量主要来自雪冰融水,但各月降水量变化趋势与地表径流量的变化趋势具有一致性,说明大部分降水转化为径流的时间较短。该研究对流域水文预报和水资源调控具有参考意义。     

汉江流域实际蒸散发的时空演变规律及成因分析

根据汉江流域14个气象站点1961—2011年的逐日气象资料，分别利用参数率定后的AA模型和GG模型计算汉江流域的实际蒸散发。在此基础上，采用Mann-Kendall检验法、Sen’s坡度检测法和Pettitt突变检测法对过去51a汉江流域实际蒸散发的时空演变规律及主要气象因子的变化趋势进行分析，并探讨实际蒸散发变化的成因。结果表明，参数率定后的AA模型和GG模型对汉江流域实际蒸散发的模拟结果基本一致；汉江流域1961—2011年平均实际蒸散发总体上呈现自东南向西北逐次减少的空间分布特征；整个流域的多年平均实际蒸散发呈现显著下降趋势，并于1979年发生显著性突变；显著下降的风速和日照时数是导致汉江流域年实际蒸散发显著下降的主要原因。