English

流域水循环展望:构建完全由遥感数据驱动的产水量模型曙光初现


流域水循环模拟是水文学机理、流域水资源管理的重要组成部分。从物理机理的角度解释水循环模拟是众多学者追求的目标,经过几十年的发展,水循环模拟从经验式向半分布式,乃至到全分布式模拟转化。

随着计算机数字模拟技术的不断进步,集总式、半分布式、分布式水文模型不断涌现,涵盖宏观、大、中、小、微观尺度流域模拟,如陆面模式可变下渗能力(variable infiltration capacity,VIC) (Liang et al.,1994) 水文模型、土壤与水评估模型(soil and water assessment tool,SWAT) (Arnold et al.,1998)、MIKE SHE 模型(Refshaard et al.,1995) 等。就水资源计算与评价而言,各类模型耦合了大气水、地表水、土壤水与地下水的相互转化,就水循环而言,各类模型都能用于径流、蒸散、土壤水、地下水等过程模拟,为人类认知水循环的整个过程,理解人类活动对水循环过程的影响,有效评估流域水资源的可利用量、优化流域水资源配置提供了有效工具。

模型的功能越强,结构就越复杂,模型所需要的输入参数就越多,仅靠有限的地面观测站点无法满足模型驱动、标定等的数据需求,造成模型与现实数据采集之间的鸿沟(Grayson et al.,2002)。

以观测最为直接的降水为例,一般认为雨量筒计量的方式最为准确,以雨量筒实测降水量通过空间插值的是获得面上降水量的最主要方式,雨量筒布设越密,获得的面状降水量就越准确,但现实状况是,受地形、气候、人力、物力等外在因素的制约,许多具有重要水文意义的大江大河区、冰雪区、荒漠区、热带雨量区,以及财力较为匮乏的发展中国家,地面降水观测站点的数据普遍不足(Beesley et al.,2009;夏军,2002),因此,仅靠地面观测的手段不足以认知水循环的各过程。

以地下水储量监测为例,当前观测也仅局限于人类活动聚集的区域,通过地下水位观测井的方式洞悉地下水储量的变化,而在人类活动较弱的地区,或在经费不发达的区域,尚缺乏足够的观测设备。

以陆表蒸散发为例,基于陆表能量平衡的蒸散发过程耦合了陆表与大气的相互作用,当前主要采用蒸渗仪、LAS、涡度相关仪等仪器开展监测,仅局限于有人看护的试验站使用。即使是在地面观测密集的区域,由于观测的对象的特征时刻发生改变,次观测仅能反映观测对象的瞬时特征,如植被参数等。

除驱动参数获取困难之外,对流域水循环过程由决定性作用的流域下垫面也无时无刻在发生改变。仅依靠传统的方法,很难有效、及时反映下垫面的变化过程。

如地表覆被,植被覆盖度、叶面积指数等植被参量变化十分显著,其既包含地表覆被随季节的变化过程,如植被生长、凋落等,同时也包含人类活动多地表覆被状况的改变,如城市扩张导致的不透水面扩张、农作物播种与收割等过程。

以地形、地貌为例,随着城市的不断扩张,城市微地形、地貌无时无刻在发生不断改变。

以河流、水系为例,由于河流的侵蚀切割作用、人类拦河筑坝等活动都在改变河流的形态与物理属性。

要素获取的代表性、时效性等限制直到遥感技术的出现,才逐步得到有效的解决。当前,多源遥感数据的不断涌现,中、低分辨率卫星数据及其产品的开放共享,如今水循环过程所涉及的重要变量都有相应的卫星数据作为支撑。

以降水为例,自1998 年开始,TRMM 卫星就源源不断地为南北纬50°之间的广大区域提供时间分辨率为3h,空间分辨率为0. 25°等不等分辨率的降水产品(Huffman et al.,2007),有效解决了宏观尺度水循环过程模拟降水驱动数据的获取瓶颈,2014 年TRMM 的后继卫星全球降水测量(GPM) 卫星发射升空,在TRMM 的基础上,GPM 采用多星联动组网的方式开展降水监测,具备提供空间分辨率为0. 1°、时间分辨率为1h、覆盖范围为南北纬60°之间的降水数据(Smith et al.,2007),此外,GPM 还具备比TRMM 更敏感的降水强度探测能力,有效弥补TRMM 高估弱降水强度、低估强降水事件的缺陷。

以水循环的重要参量蒸散为例,以SEBAL (Bastiaanssen et al.,1998 、SEBS (Su,2002)、ETWatch (Wu et al.,2008) 等以遥感数据为驱动数据,以能量平衡为核心的区域尺度蒸散模型的不断涌现,就有较高精度的时间尺度为日、旬、月与年,空间分辨率为1km、250m 与30m 的精细ET 数据不断涌现,该数据可为流域水文模型蒸腾蒸散过程的模拟提供充足的参数标定数据源。

以地表土壤为例,采用微波技术监测评估土壤水含量的技术日臻成熟,可利用的主被动微波遥感数据源层出不穷,如NASA 的SMAP 土壤水卫星(Entekhabi et al.,2010) 等,可为水文模型土壤水过程模拟提供充足的数据支撑。

对于地下水,GRACE 重力卫星(Yeh et al.,2006) 通过重返周期内地表重力的改变为有效地监测地下水含量的变化提供了支持,当前该技术为揭示美国加利福尼亚州、大平原地区(Strassberg et al.,2009)、中国华北平原(Feng et al.,2013)、印巴交界处的印度河平原(Rodell et al.,2009)、中东地区(Joodaki et al.,2014)地下水储量变化与地下水水位下降程度监测提供了有力的支撑。

对流域下垫面所涉及的各类要素而言,当前已经涌现出多种多样的遥感产品。

以地表覆被为例,如NASA MODIS 土地覆被产品、中国国家基础地理信息中心研发的空间分辨率为30m 的Global Land (Chen et al.,2015)、中国科学院遥感与数字地球研究所研发的空间分辨率为30m 的ChinaCover 产品(吴炳方等,2014) 为下垫面土地覆被要素的更新提供了新的数据源; 随着云计算与并行技术的不断进步,当前,大区域尺度乃至全球尺度的土地覆被要素更新已成为可能,如2013 年美国马里兰大学的利用Google Earth Engine 平台仅用数天的时间就完成2001 ~ 2012 年全球空间分辨率为30m 的森林数据制图(Hansen et al.,2013); 与此同时,土地覆被中变化较为显著的植被要素,如植被覆盖度、叶面积指数、生物量等参数都已经有成熟的算法与产品。

遥感技术的出现,有效解决了传统观测代表性不足、时效性滞后的现实问题。遥感客观、真实、重返性强的特征为深入剖析水循环各过程深层次机理的认知,有利于探究水的各相态转变过程,以及水的相态转变导致的热量转换过程提供了有力支撑。

(1) 遥感参量作为水文模型的输入参数。

快速有效获取水文模型驱动所需的各类参数是遥感的最大优势,因此,以遥感监测变量作为水文模型的直接输入参数是当前最常见的方式,特别在人迹罕至,但又具有重要水文意义的大江大河的源区已经得到普遍应用。

如TRMM 卫星遥感降水产品的出现,推动了全球水文模拟的发展,如Su 等(2008;2011)在南美的拉普拉塔地区以TRMM 研究产品与近实时产品为驱动,以VIC 模型为手段,对该地区的产汇流过程进行了模型;Scheel 等(2011) 在南美的安第斯山中部区域探讨了基于TRMM 近实时降水产品开展水文模拟的有效性;Tong 等(2014) 在中国青藏高原区利用TRMM、GPCC、CMORPH、PERSIANN 等遥感降水产品开展径流模拟研究。

Chormanski等(2008) 在比利时的Scheldt 子流域利用遥感监测的不透水面盖度有效提升径流模拟的效果。

全球土地覆被遥感产品的出现,解决了水文模型模拟下垫面不均一的问题,土地覆被已经成为SWAT 模型划分水文响应单元的重要参考依据,基于遥感技术反演的叶面积指数、地表粗糙度、土壤含水量等都已经成为水文模型参数确定的重要依据。

(2) 遥感参量作为水文模型水循环输出结果的检验标准。

遥感参量的另一重要用途,是检验水文模拟的准确度。

Parajka 和Bloschl (2008) 利用MODIS 雪产品对半分布式的径流模型HVB 的模拟进行了验证与标定(Parajka and Bl?schl,2008),标定之后模型模拟的雪的覆盖度误差由7. 1%下降至5. 6%,纳什系数由0. 67 提升至0. 70,即利用MODIS 遥感的雪产品标定模型参数之后,有效提升了模型模拟的精确度。

Immerzeel 等(2007) 在印度Bhima 流域上游,利用SEBAL算法反演的遥感蒸散发(ET) 数据(Immerzeel et al.,2007),采用Gauss-Marquardt-Levenberg 算法率定SWAT 模型蒸散发模拟的结果,经模型标定之后,模型模拟的实际蒸散发与实测蒸散发之间的决定系数R2 由0. 40 提升至0. 81。 Li等(2009) 利用遥感监测的潜水蒸发数据标定MODFLOW 2000 模型在中国新疆博斯腾湖水文模拟的效果,模型标定之后,蒸发模拟的效果改善明显。

Gao 等(2016) 在开展黑河流域上游生态水文过程耦合机理及模型研究时,有关分布式水文模型模拟的蒸散发数据,采用ETWatch 模型估算的黑河流域长时间序列蒸散发数据进行对比,结果表明两个数据集在空间与时间上具有较好的一致性(Qin et al.,2016;Gao et al.,2016)。

郑春苗在开展黑河流域中下游生态水文过程的系统行为和调控与华北地区地表水和地下水模型研究时,采用ETWatch 模型估算的黑河流域长时间序列蒸散发数据对MIKE SHE 模型参数进行率定,最终模拟的蒸散发数据与遥感估算结果在空间与时间上具有较好的一致性(Qin et al.,2013;Tian et al.,2016)。

随着更高时空分辨率遥感数据的不断涌现,遥感产品作为分布式水文模型的输入数据的可利用性与作为水文过程模拟结果验证产品的可信度将大为提升,必将水文模型与水循环的研究推向一个新的高度。

遥感产品本身就为水循环提供了独特的数据产品,精度不仅仅取决于原始遥感影像的质量,也取决于遥感反演算法的精度,空间分辨率越高、时间越快、畸变越小的遥感数据源的不断涌现,原始遥感影像的质量将大为改善。

因此,进一步提升遥感反演方法的精度至关重要,如降水、蒸散、冰雪盖度、水储量等,一方面需要加强对各类要素形成的机理过程的认识,另一方面,可借鉴当前较为成熟的分布式水文模型的要素模拟方法与原理,提升反演精度,从而提升水循环模拟的精度。由于水循环各过程的输出结果在很大程度上可以利用遥感方法反演,因此高精度的遥感变量监测结果反过来可作为检验当前水文机理认知是否正确的手段。

拟发射的全球水循环观测卫星(WCOM)(Shi et al.,2014) 将研发主、被动多波段微波传感器为基础的,多波段同步、主被动联合、多变量系统观测的新型有效载荷和卫星平台以及多参数高精度协同反演的理论和方法,形成比当前国际上任何卫星对水循环关键要素(包括土壤水分、雪水当量、地表冻融状态、和海水盐度) 更高精度的观测能力以及对其他环境影响因素(包括大气校正、地表温度、和粗糙度) 的校正能力。后者不但减小了水循环关键变量卫星遥感观测的不确定度,而且进一步提供在给定时刻的大气降水和海洋蒸发信息,实现对水循环系统更加全面的观测能力。从而实现大幅度提高水循环各关键参数的观测精度和水循环过程的系统观测能力的目标,以满足水循环系统研究的整体精确性、时空一致性和动态特征分析以及相关模型模式发展的科学需要。

遥感产品能解决水文模型的输入参数与输出结果的不确定性,但是流域是一个自然过程与人类社会活动高度耦合的复杂系统,物理机制再精细的水文模型,都很难精细刻画自然与人类耦合的复杂系统对水循环过程的作用机制。在今后相当长的一段时间内,流域水循环过程的模拟要达到尽善尽美的地步还遥不可及。

回归到水循环的本质,随着遥感监测技术的不断发展,水循环的关键变量,如降水、土壤水、蒸散、地下水储量、地表水储量等都能用遥感来探测。因此,构建完全由遥感数据驱动的产水量模型已经曙光初现。

以流域最为关切的产水量为例,O =P-ET-ΔS,P,ET,ΔS 都已能用遥感来监测,Bastiaanssen等(1998) 在尼罗河流域,就综合利用遥感降水、蒸散、地下水储量、水文数据合算了尼罗河各子流域的产水情景。该方法的优点是避免了自然与人类耦合复杂系统机理解释不清,不能响应复杂系统快速变化的影响的弊端。特别是随着云计算的不断发展,特别是谷歌云、亚马逊云等为代表的,拥有完善基础设施与强大计算能力的商业公司逐步开发应用平台,通过云端的服务,任何人都可以直接调用水循环关键变量的数据,构建适应于自身流域的流域水循环模型。

 

 

本文转自科学出版社地球科学公众号“赛杰奥”,相关内容摘编自《流域遥感》(吴炳方著.北京: 科学出版社,2019. 11)。

附件