2000—2018年黄河上中游地区蒸散发年际时空变化及其影响因素分析

doi:10.11873/j.issn.1004-0323.2022.4.0865

遥感技术与应用

2022, Vol. 37

Issue (4): 865-877 DOI: 10.11873/j.issn.1004-0323.2022.4.0865

蒸散发遥感专栏

2000—2018年黄河上中游地区蒸散发年际时空变化及其影响因素分析

崔泽鹏^1,²(

),王志慧²(

),肖培青²,申震洲²,常晓格³,石永磊³,马力²

^1.郑州大学水利科学与工程学院，河南郑州 450001
^2.黄河水利科学研究院水利部黄土高原水土保持重点实验室，河南郑州 450003
^3.河南理工大学测绘与国土信息工程学院，河南焦作 454000

Analysis of Spatio-temporal Dynamics of Interannual Evapotranspiration and Its Influencing Factors in the Upper and Middle Reaches of the Yellow River from 2000 to 2018

Zepeng Cui^1,²(

),Zhihui Wang²(

),Peiqing Xiao²,Zhenzhou Shen²,Xiaoge Chang³,Yonglei Shi³,Li Ma²

^1.School of Water Conservancy Engineering，Zhengzhou University，Zhengzhou 450001，China
^2.Key Laboratory of Soil and Water Conservation on the Loess Plateau of Ministry of Water Resources，Yellow River Institute of Hydraulic Research，Zhengzhou 450003，China
^3.School of Surveying and Land Information Engineering Henan Polytechnic University，Jiaozuo，454000，China

全文: PDF(10051 KB) HTML

摘要：

黄河流域水资源匮乏且生态系统脆弱，明晰气候与下垫面变化对蒸散发（ET）时空变化的影响机制对于未来黄河流域水资源优化配置与生态建设规划均具有重要意义。基于实测降雨、径流量和GRACE产品数据，利用线性加权融合方法对5种全球ET产品进行融合。利用去趋势法、多元线性回归、全微分和残差法定量计算ET对降雨（Pre）、温度（Temp）、日照时数（SD）、饱和水汽压差（VPD）、风速（WS）和植被叶面积指数（LAI）的敏感性系数，定量分析了各气象要素、植被和其他要素（微地形变化和农业灌溉等）对ET变化趋势的贡献作用。结果表明：①与验证精度最高的GLDAS_CLSM相比，融合ET均方根误差和平均相对误差分别减小12.8 mm和2.2%。2000—2018年黄河上中游ET净增长率为3.82 mm/a，头道拐—龙门区间ET增长率最大（6 mm/a）。②植被LAI显著增加导致上中游区ET趋势增加2.49 mm/a。各气象要素的变化趋势与ET对其敏感性系数的空间异质性共同决定了气象要素对ET的影响作用空间分布，5个气象要素对ET总体趋势的净影响量均为正值，其中温度影响作用最大（0.33 mm/a）。以微地形变化和灌溉活动为主的其他要素导致ET趋势增加0.5 mm/a，相对影响率为13.1%。③气象要素主导源区和唐乃亥—青铜峡区间ET趋势，而植被LAI主导了青铜峡-花园口区间ET趋势，其中LAI对不同子流域ET趋势影响作用排序为：延河>无定河>泾河>北洛河>汾河>窟野河>伊洛河>沁河>渭河>大黑河。其他要素对唐乃亥—青铜峡和龙门—花园口区间的ET影响作用较大，表明该区域的水利水保工程措施和灌溉等人类活动更为剧烈。

关键词： 蒸散发; 多源产品融合; 时空变化; 影响因素分析; 黄河上中游

Abstract:

Yellow River Basin （YRB） has been facing issue of severe water shortage， hence detection and attribution of spatio-temporal variation of Evapotranspiration （ET） in the YRB is very significant for optimal allocation of water resources and sustainable development of social-economy and eco-environment. Combined with measured rainfall and runoff and GRACE product， five global ET products were merged by an linear weighting method. Detrended scheme， multiple linear regression， partial differential and residual method were then employed to calculate the sensitivities of ET to Precipitation （Pre）， Temperature （Temp）， Vapor Pressure Deficit （VPD）， Sunshine Duration （SD）， Wind Speed（WS） and Leaf Area Index （LAI）， and quantitative impacts of different climatic factors， LAI and residual factors （microtopography change， irrigation， impoundment of reservoir， etc.） on the ET trend. ① Compared to the GLDAS_CLSM with best performance， RMSE and MRE of the merged ET were reduced by 12.8 mm and 2.2% respectively. The growth rate of ET over the whole study area during 2000—2018 was 3.82 mm/a， and the ET trend of Toudaoguai-Longmen was highest （6 mm/a） among all subregions. ② Dramatic increasing of LAI improved the ET trend by 2.47 mm/a in the upper and middle reaches of the Yellow River Basin. Spatial heterogeneity of change trend of meteorological factors and sensitivities of ET to them determined the spatial pattern of impacts of meteorological factors on the ET trend. The net impact of all five meteorological factors on the trend of ET was positive， with Temp having the largest impact （0.33 mm/a）. The impact of residual factors on ET trend mainly induced by microtopography change and irrigation should also not be neglected， with impact and relative impact rate of 0.5 mm/a and 13.1%. ③the ET trends of source area and Tangnaihai-Qingtongxia were dominated by climatic factors. Vegetation restoration is the dominant factor for ET increasing trend in the middle reaches， where the impact rates of LAI on the ET trend were ranked as follows： Yanhe Rive > Wudinghe River > Jinghe River > Beiluohe River > Fenhe River > Kuyehe River > Yiluohe River > Qinhe River > Weihe River > Daheihe River. Residual factors have higher effects on ET in the Tangnaihai-Qingtongxia and Longmen-Huayuankou subregions， indicating that human activities such as water conservation engineering measures and irrigation are more intense in this region.

Key words: Evapotranspiration Multi-source product merge Spatio-temporal variation Analysis of influencing factors Upper and Middle reaches of the Yellow River

收稿日期: 2021-08-22 出版日期: 2022-09-28

P333

基金资助: 中央级公益性科研院所基本科研业务费专项(HKY?JBYW?2022?13);国家自然科学基金黄河水科学研究联合基金项目(U2243212)

通讯作者: 王志慧 E-mail: 835243561@qq.com;wzh8588@aliyun.com

作者简介: 崔泽鹏（1996-），男，河南汝州人，硕士研究生，主要从事水文遥感研究。E?mail:835243561@qq.com

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	崔泽鹏
	王志慧
	肖培青
	申震洲
	常晓格
	石永磊
	马力

引用本文:

崔泽鹏,王志慧,肖培青,申震洲,常晓格,石永磊,马力. 2000—2018年黄河上中游地区蒸散发年际时空变化及其影响因素分析[J]. 遥感技术与应用, 2022, 37(4): 865-877.

Zepeng Cui,Zhihui Wang,Peiqing Xiao,Zhenzhou Shen,Xiaoge Chang,Yonglei Shi,Li Ma. Analysis of Spatio-temporal Dynamics of Interannual Evapotranspiration and Its Influencing Factors in the Upper and Middle Reaches of the Yellow River from 2000 to 2018. Remote Sensing Technology and Application, 2022, 37(4): 865-877.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2022.4.0865 或 http://www.rsta.ac.cn/CN/Y2022/V37/I4/865

图1 研究区与气象水文实测站点地理空间分布

表1 本研究使用的生态水文参数产品数据

表2 本研究使用的气象水文站点观测数据

图2 各ET产品的权重系数

图3 5种ET产品与融合ET产品精度验证

图4 2000—2018年黄河流域多年平均ET空间分布和ET年际变化率空间分布

图5 气象要素与植被要素变化趋势的空间分布图

图6 ET对气象要素与植被要素敏感性的空间分布图

图7 气象、植被和其他因素对ET变化趋势的影响量与相对影响率

图8 黄河流域不同区间气象、植被和其他因素对ET变化趋势的影响量与相对影响率

图9 黄河流域不同子流域气象、植被和其他因素对ET变化趋势的影响量与相对影响率

1	Zhang Y Q， Leuning R， Hutley L B， et al. Using long-term water balances to parameterize surface conductances and calculate evaporation at 0.05° spatial resolution［J］. Water Resources Research， 2010， 46（5）： 5512-5512.
2	Zhang Ke， Yan Jü， Li Zhijia， et al. Satellite-based reconstruction and spatiotemporal variability analysis of actual evapotranspiration in the Jinshajiang basin， China［J］. Advances in Water Science， 2021， 32（2）： 182-191.
2	张珂，鞠艳，李致家，等. 金沙江流域实际蒸散发遥感重建及时空特征分析［J］. 水科学进展，2021，32（2）： 182-191.
3	Vinukollu R K， Wood E F， Ferguson C R， et al. Global estimates of evapotranspiration for climate studies using multi-sensor remote sensing data： Evaluation of three process-based approaches［J］. Remote Sensing of Environment， 2011， 115（3）： 801-823.
4	Wang Weiguang， Li Jinxing， Wei Jiande， et al. Runoff simulation by hydrological model based on the assimilated evapotranspiration［J］. Advances in Water Science， 2018， 29（2）： 159-168.
4	王卫光，李进兴，魏建德，等. 基于蒸散发数据同化的径流过程模拟［J］. 水科学进展，2018，29（2）：159-168.
5	Vishwakarma D K， Pandey K， Kaur A， et al. Methods to estimate evapotranspiration in humid and subtropical climate conditions［J］. Agricultural Water Management， 2022， 261： 107378.
6	Ramoelo A， Majozi N， Mathieu R， et al. Validation of Global evapotranspiration product （MOD16） using flux tower data in the african savanna， South Africa［J］. Remote Sensing， 2014， 6（8）： 7406-7423. DOI： 10.3390/rs6087406 . doi: 10.3390/rs6087406
7	Jung M， Reichstein M， Ciais P， et al. Recent decline in the global land evapotranspiration trend due to limited moisture supply［J］. Nature， 2010， 467（7318）： 951-954.
8	Mu Q Z， Zhao M S， Running S W， et al. Improvements to a MODIS global terrestrial evapotranspiration algorithm［J］. Remote Sensing of Environment， 2011， 115（8）： 1781-1800.
9	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.
10	Kobayashi S， Ota Y， Harada Y， et al. The JRA-55 reanalysis： General specifications and basic characteristics［J］. Journal of the Meteorological Society of Japan， 2015， 93（1）： 5-48.
11	Rodell M， Houser P R， Jambor U E A， et al. The global land data assimilation system［J］. Bulletin of the American Meteorological Society， 2004， 85（3）： 381-394.
12	Martens B， Miralles D G， Lievens H， et al. GLEAM v3：Satellite-based land evaporation and root-zone soil moisture［J］. Geoscientific Model Development Discussions， 2017， 10（5）： 1903-1925.
13	Liu Changming， Tian Wei， Liu Xiaomang， et al. Analysis and understanding on runoff variation of the Yellow River in recent 100 years［J］. Yellow River， 2019，41（10）： 11-15.
13	刘昌明，田巍，刘小莽，等. 黄河近百年径流量变化分析与认识［J］. 人民黄河，2019，41（10）：11-15.
14	Chen Y P， Wang K B， Lin Y S， et al. Balancing green and grain trade［J］. Nature Geoscience， 2015， 8（10）： 739-741.
15	Hua F Y， Wang X Y， Zheng X L， et al. Opportunities for biodiversity gains under the world’s largest reforestation programme［J］. Nature Communications， 2016， 7（1）： 1-11.
16	Feng X M， Fu B J， Piao S L， et al. Revegetation in China's Loess Plateau is approaching sustainable water resource limits［J］. Nature Climate Change， 2016， 6（11）： 1019-1022.
17	Jia X X， Shao M A， Zhu Y J， et al. Soil moisture decline due to afforestation across the Loess Plateau， China［J］. Journal of Hydrology， 2017， 546： 113-122.
18	Huang Jinhui， Shi Xiaoxin， Zhang Qiang， et al. Characteristics of ecological system and target identification of ecological protection of the Yellow River［J］. Soil and Water Conservation in China， 2006（12）： 14-17.
18	黄锦辉，史晓新，张蔷，等. 黄河生态系统特征及生态保护目标识别［J］.中国水土保持，2006（12）：14-17.
19	Shao R， Zhang B Q， Su T X， et al. Estimating the increase in regional evaporative water consumption as a result of vegetation restoration over the Loess Plateau，China［J］. Journal of Geophysical Research： Atmospheres，2019，124（22）：11783-11802.
20	Zhang Yongqiang， Kong Dongdong， Zhang Xuanze， et al. Impacts of vegetation changes on global evapotranspiration in the period 2003—2017［J］. Acta Geographica Sinica， 2021， 76（3）： 584-594.
20	张永强，孔冬冬，张选泽，等. 2003—2017年植被变化对全球陆面蒸散发的影响［J］. 地理学报，2021，76（3）：584-594.
21	Liu Changming， Li Yanzhong， Liu Xiaomang， et al. Impact of vegetation change on water transformation in the middle Yellow River［J］. Yellow River， 2016， 38（10）： 7-12.
21	刘昌明，李艳忠，刘小莽，等. 黄河中游植被变化对水量转化的影响分析［J］. 人民黄河，2016，38（10）：7-12.
22	Lv X Z， Zuo Z G， Sun J， et al. Climatic and human-related indicators and their implications for evapotranspiration management in a watershed of Loess Plateau， China［J］. Ecological Indicators， 2019， 101： 143-149.
23	Li G， Zhang F M， Jing Y S， et al. Response of evapotranspiration to changes in land use and land cover and climate in China during 2001—2013［J］. Science of The Total Environment， 2017， 596： 256-265.
24	Yang L S， Feng Q， Adamowski J F， et al. The role of climate change and vegetation greening on the variation of terrestrial evapotranspiration in northwest China's Qilian Mountains［J］. Science of The Total Environment，2021，759： 143532. DOI：10.1016/j.scitotenv.2020.143532 . doi: 10.1016/j.scitotenv.2020.143532
25	Yang Zelong， Li Yanzhong， Liang Kang， et al. Variation patterns of evapotranspiration and its components in the Middle Yellow River and six typical basins under the background of vegetation restoration［J］. Journal of Natural Resources， 2022， 37（3）： 816-828.
25	杨泽龙，李艳忠，梁康，等. 植被恢复背景下黄河中游及6个典型流域蒸散发及其组分变化格局［J］.自然资源学报，2022，37（3）：816-828.
26	Pei T T， Wu X C， Li X Y， et al. Seasonal divergence in the sensitivity of evapotranspiration to climate and vegetation growth in the Yellow River Basin，China［J］. Journal of Geophysical Research： Biogeosciences， 2017， 122（1）： 103-118.
27	Li J J， Peng S Z， Li Z. Detecting and attributing vegetation changes on China’s Loess Plateau［J］. Agricultural and Forest Meteorology， 2017， 247： 260-270.
28	Yuan W P， Zheng Y， Piao S L， et al. Increased atmospheric vapor pressure deficit reduces global vegetation growth［J］. Science Advances， 2019， 5（8）： eaax1396.
29	Yao Y J， Liang S L， Xie X H， et al. Estimation of the terrestrial water budget over Northern China by merging multiple datasets［J］. Journal of Hydrology， 2014， 519： 50-68.
30	Bai M， Mo X G， Liu S X， et al. Contributions of climate change and vegetation greening to evapotranspiration trend in a typical hilly-gully basin on the Loess Plateau， China［J］. Science of the Total Environment， 2019， 657： 325-339.
31	Liu Q， Yang Z F. Quantitative estimation of the impact of climate change on actual evapotranspi-ration in the Yellow River Basin， China［J］. Journal of Hydrology， 2010， 395（3-4）： 226-234.
32	Villarreal S， Vargas R， Yepez E A， et al. Contrasting precipitation seasonality influences evapotranspiration dynamics in water-limited shrublands［J］. Journal of Geophysical Research Biogeosciences， 2016， 121（2）： 494-508.
33	Feng K S， Siu L Y， Guan D B， et al. Assessing regional virtual water flows and water footprints in the Yellow River basin， China： A consumption based approach［J］. Applied Geography， 2012， 32（2）： 691-701.
34	Heitman J L， Horton R， Sauer T J， et al. Sensible heat observations reveal soil-water Evaporation dynamics［J］. Journal of Hydrometeorology， 2008， 9（1）： 165-171.
35	Cong Z T， Yang D W， Gao B， et al. Hydrological trend analysis in the Yellow River basin using a distributed hydrological model［J］. Water Resourhes Research，2009，45（7）. DOI：10. 1029/2008WR006852 . doi: 10. 1029/2008WR006852
36	Li Xiaoyuan， Yu Deyong. Progress on evapotranspiration estimation methods and driving forces in arid and semiarid regions［J］. Arid Zone Research， 2020，37（1）： 29-39.
36	李晓媛，于德永. 蒸散发估算方法及其驱动力研究进展［J］. 干旱区研究，2020，37（1）：29-39.
37	Wang Xiaoxiao， Pan Xuebiao， Gu Shenghao， et al. Trend in reference crop evapotranspiration and meteorological factors affecting trends in Inner Mongolia［J］. Transactions of the Chinese Society of Agricultural Engineering， 2015， 31（Sup.1）： 142-152.
37	王潇潇，潘学标，顾生浩，等. 内蒙古地区参考作物蒸散变化特征及其气象影响因子［J］. 农业工程学报，2015，31（）：142-152.
38	Deng C L， Zhang B Q， Cheng L Y， et al. Vegetation dynamics and their effects on surface water-energy balance over the Three-North Region of China［J］. Agricultural and Forest Meteorology， 2019， 275： 79-90.
39	He Z M， Jia G D， Liu Z Q， et al. Field studies on the influence of rainfall intensity， vegetation cover and slope length on soil moisture infiltration on typical watersheds of the Loess Plateau， China［J］. Hydrological Processes， 2020， 34（25）： 4904-4919.
40	Wei W， Feng X R， Yang L， et al. The effects of terracing and vegetation on soil moisture retention in a dry hilly catchment in China［J］. Science of The Total Environment， 2019， 647： 1323-1332.
41	Zhang H D， Wei W， Chen L D， et al. Effects of terracing on soil water and canopy transpiration of Pinus tabulaeformis in the Loess Plateau of China［J］. Ecological Engineering， 2017， 102： 557-564.
42	Zhang M， Yuan X. Crucial role of natural processes in detecting human influence on evapotranspiration by multisource data analys-is［J］. Journal of Hydrology，2020，580：124350. DOI：10.1016/J.JHYDROL.2019.124350 . doi: 10.1016/J.JHYDROL.2019.124350

[1]	孟莹,姜鹏,董巍. 基于遥感的地表蒸散发研究进展[J]. 遥感技术与应用, 2022, 37(4): 839-853.
[2]	刘立越,苗则朗,吴立新. 基于MODIS数据的亚马逊热带雨林火灾时空变化规律研究[J]. 遥感技术与应用, 2022, 37(3): 721-730.
[3]	赵天玮,朱文彬,裴亮,宝康妮. 三江源蒸散发遥感估算及其时空分布特征研究[J]. 遥感技术与应用, 2022, 37(1): 137-147.
[4]	徐艳豪,丁忠昊,宋立生. TSEB模型在复杂下垫面下模拟结果比较研究[J]. 遥感技术与应用, 2022, 37(1): 85-93.
[5]	李佳,辛晓洲,彭志晴,李小军. 地表蒸散发遥感产品比较与分析[J]. 遥感技术与应用, 2021, 36(1): 103-120.
[6]	熊育久,冯房观,方奕舟,邱国玉,赵少华,姚云军. 蒸散发遥感反演产品应用关键问题浅议[J]. 遥感技术与应用, 2021, 36(1): 121-131.
[7]	乔海伟,张彦丽. 融合FY-3C号和FY-4A号卫星数据的积雪面积变化研究—以祁连山区为例[J]. 遥感技术与应用, 2020, 35(6): 1320-1328.
[8]	李荪青,付碧宏. 基于线性光谱混合分析的乌鲁木齐不透水层提取及其时空变化分析[J]. 遥感技术与应用, 2020, 35(4): 962-974.
[9]	龙爽,郭正飞,徐粒,周华真,方伟华,许映军. 基于Google Earth Engine的中国植被覆盖度时空变化特征分析[J]. 遥感技术与应用, 2020, 35(2): 326-334.
[10]	郑贵洲,熊良超,廖艳雯,王红平. 利用MODIS数据反演南海南部海表温度及时空变化分析[J]. 遥感技术与应用, 2020, 35(1): 132-140.
[11]	卢静, 贾立, 郑超磊, 胡光成. 遥感水分收支对区域水资源估算潜能[J]. 遥感技术与应用, 2019, 34(3): 630-638.
[12]	王莹莹, 袁金国, 张莹, 吴朝阳. 中国温带地区植被物候期时空变化特征及对总初级生产力的影响[J]. 遥感技术与应用, 2019, 34(2): 377-388.
[13]	冯姣姣, 王维真, 李净, 刘雯雯. 基于BP神经网络的华东地区太阳辐射模拟及时空变化分析[J]. 遥感技术与应用, 2018, 33(5): 881-889.
[14]	茹皮亚·西拉尔, 杨辽. 新疆棉花物候时空变化遥感监测及气温影响分析[J]. 遥感技术与应用, 2018, 33(5): 923-931.
[15]	郝斌飞，韩旭军，马明国，刘一韬，李世卫. Google Earth Engine在地球科学与环境科学中的应用研究进展[J]. 遥感技术与应用, 2018, 33(4): 600-611.

Viewed

Full text

Abstract

Cited

Shared

Discussed