MODIS Collection 5 global land cover: Algorithm refinements and characterization of new datasets - ScienceDirect
Export JavaScript is disabled on your browser. Please enable JavaScript to use all the features on this page., 15 January 2010, Pages 168-182Author links open overlay panelShow moreAbstractInformation related to land cover is immensely important to global change science. In the past decade, data sources and methodologies for creating global land cover maps from remote sensing have evolved rapidly. Here we describe the datasets and algorithms used to create the Collection 5 MODIS Global Land Cover Type product, which is substantially changed relative to Collection 4. In addition to using updated input data, the algorithm and ancillary datasets used to produce the product have been refined. Most importantly, the Collection 5 product is generated at 500-m spatial resolution, providing a four-fold increase in spatial resolution relative to the previous version. In addition, many components of the classification algorithm have been changed. The training site database has been revised, land surface temperature is now included as an input feature, and ancillary datasets used in post-processing of ensemble decision tree results have been updated. Further, methods used to correct classifier results for bias imposed by training data properties have been refined, techniques used to fuse ancillary data based on spatially varying prior probabilities have been revised, and a variety of methods have been developed to address limitations of the algorithm for the urban, wetland, and deciduous needleleaf classes. Finally, techniques used to stabilize classification results across years have been developed and implemented to reduce year-to-year variation in land cover labels not associated with land cover change. Results from a cross-validation analysis indicate that the overall accuracy of the product is about 75% correctly classified, but that the range in class-specific accuracies is large. Comparison of Collection 5 maps with Collection 4 results show substantial differences arising from increased spatial resolution and changes in the input data and classification algorithm.KeywordsGlobal land coverMODISClassificationCheck if you have access through your login credentials or your institution.ororRecommended articlesCiting articles (0)Friedl M A, Sulla-Menashe D, Tan B, et al. 2010. MODIS Collection 5 global land cover: Algorithm refinements and characterization of new datasets. Remote Sens Environ, 114: 168-182
被如下文章引用：
AUTHORS: ,,,,,
KEYWORDS: 空间聚合,Landsat,MODIS,生物多样性,气候变化,多分辨率,众数聚合法
JOURNAL NAME:
Jan 05, 2016
ABSTRACT: ？全球地表覆盖数据产品（如地表覆盖，植被连续场）最高空间分辨率已达到30m.不同领域的用户对于这些产品的精度和空间分辨率有着不同的需求.基于此，本文从制图精度和空间分辨率两方面对现有的30m地表覆盖数据进行改进和分析.首先通过将两套30m全球地表覆盖产品（FROM-GLC、FROM-GLC-seg（Segmentation））与两套粗分辨率全球产品（基于夜间灯光数据的不透水层NL-ISA、MODIS城市产品MODIS-urban）进行集成，生成了30m分辨率的地表覆盖新产品FROM-GLC-agg（Aggregation）.随后，采用了分辨率低于30m的数据集（如MODIS地表覆盖产品MCD12Q1，全球地表覆盖产品GlobCover2009，MODIS水体掩模产品MOD44W等）对FROM-GLC-agg进行后处理以进一步消除类别混淆.经过多源数据合成的新地表覆盖数据产品中来自30m分辨率全球地表覆盖产品的象元仍占98.9%.在此基础上，通过众数聚合和比例聚合这两种升尺度方法生成了8套粗分辨率（250m，500m，1km，5km，10km，25km，50km和100km）全球地表覆盖数据集来满足不同应用的需求.通过基于混淆矩阵的精度比较表明FROM-GLC-agg的总体精度为65.51%，该精度显著优于先前的两套30m地表覆盖产品.多源数据合成后的30m分辨率数据以及升尺度处理后的250m，500m，1km分辨率数据的最高总体精度分别为69.50%，76.65%，74.60%和73.47%.对采用众数聚合法得到的不同分辨率下地表覆盖类型的面积偏差分析显示，当分辨率超过5km时，大部分植被类型会有至少5%的面积偏差.因此，对于需要使用粗分辨率地表覆盖数据作为输入的用户，建议使用包含了准确地表覆盖类型占比的比例聚合数据.MODIS MOD16蒸散发产品在中国流域的质量评估
姜艳阳, 王文, 周正昊. MODIS MOD16蒸散发产品在中国流域的质量评估[J].自然资源学报, ): 517-528
JIANG Yan-yang, WANG Wen, ZHOU Zheng-hao. Evaluation of MODIS MOD16 Evaportranspiration Product in Chinese River Basins[J]. Journal of Natural Resources, ): 517-528&&
DOI:10.11849/zrzyxb.
Permissions
MODIS MOD16蒸散发产品在中国流域的质量评估
王文*,
河海大学水文水资源与水利工程科学国家重点实验室,南京 210098
第一作者简介：姜艳阳（1992- ）,女,江苏南通人,研究方向为水文遥感与水文过程模拟研究。E-mail: *通信作者简介：王文（1967- ）,男,江苏姜堰人,教授,博士,主要从事全球变化、水文遥感与水文过程模拟研究。E-mail:
网络出版日期:
基金:高等学校博士学科点专项科研基金课题（07）
利用地面观测降水数据、流量数据,以及重力卫星（GRACE）观测的与全球陆面数据同化系统（GLDAS）模拟的流域蓄水量变化数据,基于流域水量平衡原理,从年与月两个时间尺度分析了MODIS全球蒸散发产品（MOD16）在中国不同流域的一致性及其时空特征。结果表明：1）年尺度上,MOD16/ET在中国流域（除松花江流域）与基于水量平衡估算的流域实际ET（ WBET）相比呈现高估,且在不同集水区高估程度不同,与流域实际ET的差异从北方的松花江流域、黄河流域到南方的长江流域有从小到大的特点;2）月尺度上,MOD16/ET与 WBET相比,存在低值区（<20 mm/月）高估、高值区（>20 mm/月）低估的特点;在蒸散发过程较弱的11月到次年3月,MOD16/ET产品在中国流域存在普遍性高估;而在其他月份,MOD16/ET与 WBET的一致性因流域而异;3）MOD16/ET与 WBET的一致性在中国不同流域存在地域性差异,总体上在外流区的一致性优于内流区,在北方松花江流域的一致性优于南方的长江流域。
MODIS数据;
中图分类号:P407;P426.2
文献标志码:A
文章编号:17)03-0517-12
Evaluation of MODIS MOD16 Evaportranspiration Product in Chinese River Basins
JIANG Yan-yang,
ZHOU Zheng-hao
State Key Laboratory of Hydrology-water Resources and Hydraulic Engineering, Hohai University, Nanjing 210098, China
Fund:Specialized Research Fund for the Doctoral Program of Higher Education, No. 07.
MODIS MOD16 evapotranspiration (ET) product is widely used in various applications in geosciences, and the product has been evaluated by many researchers in different regions over the world. However, when evaluating the ET product on catchment scales, previous studies were conducted on the annual scale under the assumption of no terrestrial water storage (TWS) change. But the annual TWS change is not negligible, and ignoring the TWS change may result in big biases when evaluating MOD16/ET product. In addition, the use of ET product on monthly scale is often required in many applications. In the present study, the monthly MODIS MOD16/ET product of Chinese river basins during
are compared with actual evapotranspiration ( WBET) which is calculated based on the principle of water balance from ground observed precipitation data, discharge data, GRACE satellite observed terrestrial water storage (TWS) data and Global Land Data Assimilation System (GLDAS) simulated TWS data. The results show that: 1) on the annual scale, MOD16/ET is overestimated except for Songhua River Basin, and the difference between MOD16/ET and WBET increases from the Songhua River Basin in the north to the Yangtze River B 2) on the monthly scale, MOD16/ET tends to be overestimated compared to WBET in low value range (<20 mm/month) and underestimated in high value range (>20 mm/month), and the overestimation is prevalent across China in the period from November to March, but the consistency between MOD16/ET and WBET differs among the catchm 3) the consistency between monthly MOD16/ET and WBET is better in exorheic basins than in endorheic basin, better in the Songhua River Basin in northeastern China than in the Yangtze River Basin in the southern China.
evapotranspiration;
蒸散发（ET）是地表水分循环的重要组成部分, 同时也是地表能量平衡的一个重要通量成分。现有的蒸散发产品大致分为遥感数据反演和模型模拟两大类。常用的由遥感数据反演的蒸散发产品包括由美国国家航空航天局（NASA）提供的MODIS MOD16/ET产品[]、蒙大拿大学以及欧洲气象卫星组织（EUMETSAT）发布的LSA-SAF MSG ETa产品数据[]、美国地质调查局（USGS）发布的基于业务化简化地表能量模型的ET产品（SSEBOP/ET）[]等; 模型模拟产品中最有代表性的是由NASA研发的全球陆面数据同化系统（GLDAS）[]基于多个陆面模型模拟的全球ET产品。MOD16/ET产品因时空分辨率较高, 并且数据容易获取, 是目前应用最广的遥感ET产品。各国研究者从站点尺度以及流域尺度对MOD16/ET产品开展了不少评估工作。Kim等[]利用亚洲地区具有不同植被类型以及气候类型的17个站点的ET观测数据进行MOD16/ET产品评估, 认为MOD16/ET在森林地区与ET实测值较为一致, 在稻田农田地区一致性较差; Trambauer等[]对非洲地区5种气候类型进行8种蒸散发产品数据的对比, 以多蒸散发产品融合数据为基准, 得出MOD16/ET在非洲大部分地区与基准数据的相关性和一致性不高, 与其他ET产品的一致性在半湿润和半干旱地区要高于干旱地区; Velpuri等[]对比了MOD16/ET产品和SSEBOP/ET产品在美国的精度, 结果表明, 在站点尺度上, MOD16/ET、SSEBOP/ET与国际通量观测网（FLUXNET）站点实测数据的确定性系数R² 分别是0.56和0.64; 在流域尺度上, MOD16/ET与格点化FLUXNET ET数据的R² 为0.82~0.93, MOD16/ET与流域实际ET的R² 在0.65~0.77之间。在中国, Xue等[]采用了4种蒸散发产品数据对MOD16/ET在黄河上游以及长江上游的精度进行评估, 发现MOD16/ET与P-R（降雨与径流的差值）相比, 在长江以及黄河上游均高估, 其年偏差均值分别为119.8和194.6 贺添等[]从站点尺度和流域尺度评估了MOD16/ET产品在中国几大流域的应用精度, 在站点尺度上MOD16/ET产品与ET实测值的相关系数平均值为0.76, 均方根误差RMSE平均值为0.81 mm/d（范围0.53~1.68 mm/d）, 而在流域尺度上, MOD16/ET与P-R相比年值总体偏高, 南方流域的年偏差均值较之北方流域更大, 在珠江区偏差值达到248.4 mm。由于缺乏足够的实际蒸散观测数据, 根据流域水量平衡原理利用流域降水与径流数据进行蒸散发产品评估是常用做法[, , ]。同时, 由于缺乏流域蓄水量观测数据, 现有基于流域水量对MOD16/ET的评估都是在年尺度上进行的, 假定年蓄水量变化为0[, ]。但实际上流域的年蓄水量变化通常不为0。Landerer等[]由GLDAS-Noah模型计算得出的Columbia流域年蓄水量变化在-100~100 mm之间, 而由GRACE得到的年蓄水量变化波幅更大。在对MOD16/ET进行评估时, 将年蓄水量变化值假定为0可能会对评估结果带来较大差异。另一方面, 仅从年尺度进行MOD16/ET产品评估无法满足更精细时间尺度的应用需求, 因而有必要从更小的时间尺度分析产品的月、季节变化特征。本文针对MOD16/ET产品2002&#x0年的月尺度数据, 利用地面观测的流域逐月降水、流量数据, 以及GRACE卫星观测数据与GLDAS模拟的逐月流域蓄水量变化数据, 根据水量平衡方程计算流域实际ET（下文记做WBET）, 通过对比WBET与MOD16/ET, 评估MOD16/ET月尺度数据在中国流域的结果。1 研究区域与数据1.1 研究区域研究区域包括中国大陆的1个内流区、6个外流区, 集水区名称以及集水面积见, 研究区域具体位置见图1。文中所指的松花江流域, 仅包含松花江的上游以及中游, 不包含下游; 在对松花江上游以及中游的评估结果进行综合说明时, 统称为松花江流域。同样, 在提到长江流域与黄河流域时, 含义也相同。表1Table 1表1(Table 1)
表1 集水区名称以及集水面积
Table 1 Names and sizes of catchments investigated in the study集水区类型集水区名称面积/km2径流序列长度内流区青藏中部388 500外流区松花江大赉以上266 5002003-01&#x0-12松花江大赉— 佳木斯363 8002002-01&#x0-12长江宜昌以上942 0002000-01&#x0-12长江宜昌— 大通634 6002000-01&#x0-12黄河兰州以上187 9002000-01&#x0-12黄河兰州— 花园口580 7002000-01&#x0-12
表1 集水区名称以及集水面积
Table 1 Names and sizes of catchments investigated in the study图1Fig. 1 图1 流域地理位置以及水文控制站点Fig. 1 Watersheds and locations of discharge gauging stations1.2 研究数据本文的评估对象是MOD16/ET月尺度产品数据, 评估所用的数据包括逐月实测降水格点数据、径流观测数据, 以及GRACE卫星观测蓄水量数据与GLDAS模拟的月蓄水量变化数据。1.2.1 MOD16/ET数据MOD16[]是MODIS标准数据产品, 包含蒸散发（ET）、潜热通量（LE）、潜在蒸散发（PET）和潜在潜热通量（PLE）, 空间分辨率为1 km网格, 时间分辨率为8 d。MOD16产品由蒙大拿大学密苏拉分校地球动态数值模拟研究组（NTSG）制作, 其基本计算过程[]是, 结合植被覆盖率、反照率等遥感数据以及气压、气温、相对湿度等实测气象信息, 计算得到植被与土壤的净辐射量, 再以Penman-Monteith公式为基础计算得到ET。在1 km网格8 d时间尺度ET数据的基础上, NTSG制作了0.05° 及0.5° 网格的月、年尺度数据（获取网址：ftp://ftp.ntsg.umt.edu/pub/MODIS/Mirror/MOD16/）。本文使用的是空间分辨率为0.05° 网格的月尺度MOD16/ET数据。1.2.2 实测降水及径流数据降水数据来源于国家气象信息中心提供的1961年至今的逐月格点数据（/data/index/f0fb4bca.html）, 空间分辨率为0.5° × 0.5° 。该数据是由地面 约2 400多个台站观测降水资料经空间插值获得, 插值时考虑了高程对降水空间分布的影响[]。径流数据来自水文年鉴, 径流数据序列时段见。1.2.3 全球陆面数据同化系统（GLDAS）数据GLDAS[]有两个版本（即GLDAS-1与GLDAS-2）, 分别采用不同的气象数据驱动。GLDAS-1驱动Noah、CLM、MOS和VIC 4个陆面模型, 模拟地表各种水热通量数据。本文使用的是GLDAS-1中由Noah模型驱动生成的2000&#x0年空间分辨率为1° × 1° 的月尺度土壤含水量、雪水当量、植被冠层水量、径流等数据。1.2.4 GRACE卫星数据GRACE重力探测卫星于2002年发射, 其主要目标是提供高精度地球重力场的时空变化。本文采用的陆地水储量数据是由美国国家航空航天局（NASA）喷气推进实验室（JPL）根据美国德克萨斯奥斯汀分校空间研究中心（CSR）、JPL以及德国地学研究中心（GFZ）三家研究中心发布的GRACE RL05数据制作而成的GRACE Tellus数据（http://grace.jpl.nasa.gov/）。该产品数据是空间分辨率为1° × 1° , 2002年4月至2013年12月的逐月陆地水蓄水量距平值（逐月陆地蓄水量值与2004年1月至2009年12月蓄水量平均值的差值）。由于GRACE卫星在其运行过程中因自身轨道调整等因素导致部分数据缺失, 该产品去除了10个误差较大月份的数据（与自身数据序列对比）。受GRACE空间分辨率所限, GRACE数据适用于20万km2以上的大型集水区的蓄水量变化计算。2 评估方法2.1 水量平衡蒸散发以及流域蓄水量变化计算本文评估MOD16/ET产品的基本思路是, 根据流域水量平衡原理, 利用观测与模拟数据计算逐月的流域实际ET（即WBET）, 然后将MOD16/ET与WBET进行对比, 计算各项误差指标, 在流域尺度进行MOD16/ET产品与WBET的一致性评价。WBET的计算公式为： WBET=P-R-ΔW（1）式中：降水P与径流量R为地面观测数据; Δ W为时段内蓄水量变化量, 其计算采用两种方式获得[], 一是由GRACE重力卫星观测数据计算得到（记为Δ WGRACE）, 二是由GLDAS模拟数据计算得到（记为Δ WGLDAS）。相应地, 由不同Δ W根据水量平衡计算得到的WBET分别记为WBETGRACE与WBETGLDAS。2.2 评价指标评估采用4个指标, 即相关系数r、平均偏差MBE、相对绝对误差MRAE和均方根误差RMSE, 计算公式分别为： r=∑i=1N(Xi-X—)(Yi-Y—)∑i=1N(Xi-X—)2?∑i=1N(Yi-Y—)2（2） MBE=1N∑i=1N(Xi-Yi)（3） MRAE=1N∑i=1N(Xi-YiYi)×100%（4） RMSE=1N∑i=1N(Xi-Yi)2（5）式中：N为数据个数; Xi为第i个月的MOD16/ET; Yi为第i个月的WBET数据值;
X—为MOD16/ET月数据的平均值;
Y—为WBET月数据的平均值。2.3 趋势性分析选取Mann-Kendall（M-K）检验法进行变量与时间序列的趋势性检验。趋势性检验的结果主要包括变化率τ 值和显著性水平p值。τ 值为正代表上升趋势, 为负则表示下降; 对于p值, 当p< 0.05, 说明存在显著性变化趋势, 0.05< p< 0.1轻微变化, p> 0.1变化不显著。3 MOD16/ET产品评估结果及分析3.1 蓄水量数据分析首先利用GRACE重力卫星观测数据以及GLDAS模拟数据计算7个集水区（）2002&#x0年逐年、逐月Δ W值, 将两套数据的月际变化、年际变化进行对比, 并计算两套Δ W数据的相关性、波动幅度以及年值变化趋势, 以分析两套Δ W数据的一致性。3.1.1 逐月蓄水量变化计算与对比利用GLDAS-1数据产品计算Δ W有两种方法：一是根据水量平衡方程进行计算（即由降水减去模拟的径流量与实际蒸散发量）, 二是根据土壤水、雪水及植物蓄水量的变化量进行计算。两种方法的计算结果差别不大, 而且后者在已有研究中较为多用[], 因而本文对GLDAS-1的Δ W计算方法也采用后者, 第i个月流域蓄水量变化量Δ WGLDAS, i计算公式为： ΔWGLDAS, i=TSMi+CWSi+SWEi-TSMi-1+CWSi-1+SWEi-1（6）式中：TSMi为第i个月的根据GLDAS格点数据计算的流域平均土壤含水量; CWSi为第i个月的流域平均植被冠层水量; SWEi为第i个月的流域平均雪水当量。利用GRACE重力卫星观测数据, 计算流域逐月蓄水量变化的方法是, 先根据GRACE格点数据计算流域平均逐月蓄水量距平值, 然后将相邻月的蓄水量距平值相减, 即： ΔWGRACE, i=Wi-Wi-1（7）式中：Δ WGRACE, i为根据GRACE数据计算的第i个月的Δ W; Wi为第i个月计算得到的流域平均蓄水量距平值。利用GLDAS-1与GRACE数据分别计算得到7个集水区的逐月Δ W数据之后, 计算了两套Δ W数据的r、MBE与RMSE, 计算结果列于。表2Table 2表2(Table 2)
表2 Δ WGLDAS与Δ WGRACE数据在各集水区的一致性分析
Table 2 The consistency between Δ WGLDAS and Δ WGRACE in different drainage areas评价指标松花江上游松花江中游黄河上游黄河中游长江上游长江中游青藏中部r0.630.690.560.570.830.690.56MBE/(mm/月)0.06-0.14-0.68-0.350.500.840.27RMSE/(mm/月)26.6529.0930.6117.9528.9348.1216.06
表2 Δ WGLDAS与Δ WGRACE数据在各集水区的一致性分析
Table 2 The consistency between Δ WGLDAS and Δ WGRACE in different drainage areas在月尺度上, 两套Δ W数据在长江上游呈强相关性, 在其余流域也呈中等相关; 平均偏差值均小于1 mm/月, 差异最大的是长江中游（0.84 mm/月）, 最小的是黄河中游 （-0.68 mm/月）; 均方根误差范围在16.06~48.12 mm/月之间, 最大的在长江中游, 最小的在青藏中部。在逐月Δ W数据的基础上计算2002&#x0年1— 12月各月份的Δ W均值, 绘于图2。图2Fig. 2 图2 2002&#x0年间各集水区的1— 12月Δ W变化Fig. 2 Monthly variation of Δ WGLDAS and Δ WGRACE of seven drainage areas从图2可以看出, 在月尺度上Δ WGLDAS与Δ WGRACE的季节性变化规律基本一致, 但也存在一定的偏差, 在黄河上游及长江中游尤为明显。总体而言, Δ WGRACE的月际波动范围要比Δ WGLDAS大, 以黄河上游为例, Δ WGLDAS波动范围是-16.97~8.09 mm/月, 而Δ WGRACE的波动范围则为-30.15~44.83 mm/月, 波动幅度达到74.88 mm。3.1.2 年蓄水量变化分析根据月尺度上的Δ WGLDAS和Δ WGRACE数据, 累加得到2002&#x0年的年Δ W值, 对比结果绘于图3。对两套蓄水量变化数据进行相关分析以及年际变化的标准差计算, 并对年Δ W序列进行了趋势性检验, 结果见。图3Fig. 3 图3 2002&#x0年间7个主要集水区的年Δ W变化Fig. 3 Annual change of terrestrial water storage of seven major drainage areas表3Table 3表3(Table 3)
表3 两套Δ W数据相关性、波动幅度分析
Table 3 Correlation and amplitude of fluctuation of two Δ W datasets流域名称相关系数GLDASGRACE标准差/(mm/a)M-K检验标准差/(mm/a)M-K检验τ pτ p松花江上游0.6357.000.1790.42857.030.2120.373松花江中游0.6961.790.1030.66954.810.1820.451黄河上游0.5634.950.2820.20039.760.2420.304黄河中游0.5735.010.2820.20027.200.2730.244长江上游0.8324.970.3330.12746.810.4240.064长江中游0.6962.310.0510.85584.550.2730.244青藏中部0.5612.970.0770.76032.480.0910.732
表3 两套Δ W数据相关性、波动幅度分析
Table 3 Correlation and amplitude of fluctuation of two Δ W datasets综合图表结果看出：1）两套蓄水量数据在年尺度上具有较好的一致性, 其中在长江流域二者的相关性最强, 长江上游的相关系数达到0.83, 其次为松花江流域, 黄河流域以及内流区的相关性最差, 相关系数值仅为0.56; 2）各集区的两套数据在2002&#x0年间均无显著变化趋势; 3）两套数据均在0值附近存在较大幅度的波动, 并且总体而言Δ WGRACE的波动幅度比Δ WGLDAS大。GRACE年蓄水量变化量Δ W的波动幅度为48~293 mm, GLDAS的波动幅度是26~253 mm。进一步计算2002&#x0年间年Δ W占年降水量的比值发现, 比值最大的是松花江流域, Δ WGLDAS和Δ WGRACE在松花江上游分别平均占年降水量的10.98%和11.05%, 在中游也达到9.27%及7.87%; 在黄河流域, Δ W占年降水的比值范围为5.12%~6.32%; 在长江流域, Δ W只占年降水的2.56%~5.04%。由以上分析可知, Δ WGLDAS和Δ WGRACE二者在月与年际变化特性上具有较好的一致性。因此, 后续分析工作将利用Δ WGLDAS计算各集水区的逐月WBET, 并与月MOD16/ET进行对比, 从月尺度上评估MOD16/ET数据。3.2 月尺度MOD16/ET与WBET数据对比 3.2.1 MOD16/ET与WBET数据总体对比根据公式（1）, 利用各集水区的逐月平均观测降水数据、观测流量数据及Δ WGLDAS, 计算各流域逐月的WBET, 当计算过程中WBET出现负值时取0。MOD16/ET月数据与相应各月的WBET散点图分别绘于图4。图4Fig. 4 图4 基于GLDAS蓄量变化数据计算的WBET与MOD16/ET对比Fig. 4 Comparison of MOD16/ET and WBET calculated with GLDAS data从图4可以看出, MOD16/ET数据与WBET散点在WBET的低值区（< 20 mm/月）基本分布于y=x直线上侧, 在WBET的高值区（> 20 mm/月）则分布于y=x直线下侧。也就是说, MOD16/ET数据与WBET相比, 存在低值区高估、高值区低估的现象。同时, 这种差异情况存在地域性差异。在松花江流域, MOD16/ET与WBET的系统性偏差相对较小, 图4中MOD16/ET与WBET的散点均基本在y=x直线附近分布, 且分布比较均匀; 在黄河流域、长江流域, MOD16/ET在低值区高估、高值区低估的现象非常明显; 而在青藏中部, MOD16/ET基本没有反映出ET的季节性变化, 因而低值区（冬季）高估、高值区（夏季）低估的现象也就更突出。3.2.2 MOD16/ET与WBET数据的季节性和地域性变化特征为了进一步分析MOD16/ET的季节性特征和地域性特征, 分别计算1— 12月各主要流域的WBET与MOD16/ET月均值, 绘于图5。从图5月均值的对比中可以得出, MOD16/ET在松花江流域的季节变化特征与WBET最为接近; 在黄河流域, MOD16/ET在冬半年有明显高估, 在夏季则有明显低估的现象; 在长江流域, MOD16/ET在大多数月份略呈高估; 在青藏中部内流区, MOD16/ET缺乏季节性, 并且ET的最大月值出现在1、2月, 与实际情况相悖。为了分析MOD16/ET与WBET差异的空间分布, 逐格计算了0.5° × 0.5° 的空间尺度上的MOD16/ET与WBET, 并在此基础上计算了1— 12月MOD16/ET与WBET的差异均值, 见图6。0.5° × 0.5° 网格的MOD16/ET数据由0.05° 格点取均值获得。0.5° × 0.5° 网格的WBET计算过程为：首先将GLDAS数据通过双线性内插, 由1° × 1° 网格降为0.5° × 0.5° 网格, 并计算每个网格的逐月Δ W; 然后根据各集水区内GLDAS模拟的每个网格径流量, 计算每个网格在该集水区内的径流量权重, 并据此将集水区出口处的实测径流量分摊到集水区各网格, 得到各网格实测径流量; 最后利用各网格上实测径流、实测降水及GLDAS模拟Δ W, 根据水量平衡方程计算得到各网格的WBET。图5Fig. 5 图5 不同月份下WBET与MOD16/ET对比Fig. 5 Comparison of monthly mean MOD16/ET and WBET图6Fig. 6 图6 不同月份MOD16/ET与WBET差异的空间分布Fig. 6 Spatial distribution of the difference between MOD16/ET and WBET in each month of the year由图6可见, MOD16/ET与WBET的差异存在较为明显的季节性变化以及空间性差异, MOD16/ET总体呈现正偏（尤其是冬季）, 并且正偏程度由西部向东部降低。MOD16/ET与WBET相比, 在松花江流域除个别月份外全年基本均呈现高估, 但在7月的部分地区存在一定程度的低估, 总体而言, 冬半年的高估程度高于夏半年; 黄河流域也基本全年高估, 但在6— 9月, 存在部分地区的低估; 长江流域在1、2月以及10— 12月, 与WBET相比, MOD16/ET基本呈现正偏, 但在3— 6月, 长江中游的出水口段存在较为集中的低估区。对MOD16/ET与WBET一致性的总体统计结果列于, 可以看出, 与在内流区的青藏中部相比, MOD16/ET在外流区与WBET呈现较高的相关性、较小的MBE、MRAE及RMSE, 也就是说, MOD16/ET在外流区与WBET的一致性优于在内流区。在外流区, 虽然相对而言在黄河流域二者的相关系数最高, 但结合MBE等其他评估指标结果来看, 在松花江流域二者一致性更高。表4Table 4表4(Table 4)
表4 7个主要集水区MOD16/ET评估结果
Table 4 Results of MOD16/ET evaluation in seven major drainage areas流域名称rMBE/(mm/月)MRAE/%RMSE/(mm/月)松花江上游0.8021.86263.925.00松花江中游0.850-1.67306.722.88黄河上游0.9059.921 754.528.96黄河中游0.755-8.45254.223.55长江上游0.84015.24282.822.56长江中游0.71012.68172.534.13青藏中部0.325-3.79808.435.15
表4 7个主要集水区MOD16/ET评估结果
Table 4 Results of MOD16/ET evaluation in seven major drainage areas4 讨论4.1 假定年蓄水量变化为0对MOD16/ET评估结果的影响目前对MOD16/ET的评估工作都假定年尺度蓄水量变化为0, 根据流域水量平衡方程将降水P与径流R的差值做为实际蒸散发量, 以此评估MOD16/ET产品, 如吴桂平等[]对鄱阳湖流域地表蒸散量时空分布特征的研究及贺添等[]对2001&#x0年中国蒸散发时空格局变化的研究分析等都基于这样的假设。在此假设基础上, 贺添等[]认为MOD16/ET产品在年尺度上在中国水资源一级区（除海河流域外）普遍高估, MOD16/ET与P-R的偏高量在西南诸河区最大, 达到252.4 在淮河区偏高量最小, 也达到18.8 在松花江、黄河以及长江流域的年差异均值分别为115.1、24.2以及173 mm。而根据本文研究结果, 流域的年蓄水量具有很大的变化幅度, 在本文所分析的几个集水区中, 变幅最大可以达到年降水量的11.05%。考虑年蓄水量变化之后, 本文评估结果显示MOD16/ET与WBET相比在松花江流域（包括上游与中游）在年尺度上不是高估115.1 mm, 而是低估-14.13 在黄河以及长江流域MOD16/ET数据的评估结果与贺添等[]差异不大, 但MOD16/ET产品的高估程度有所降低。由此看来, 在采用水量平衡方法对MOD16/ET产品进行评估时, 考虑蓄水量变化十分必要, 并且可以较为有效地反映出MOD16/ET产品质量的季节性特性。4.2 GRACE与GLDAS Δ W估算精度对评估结果的影响 在利用月Δ W进行MOD16/ET月尺度数据评估时, 需要考虑到Δ W估算中存在的不确定性。首先, GLDAS的驱动数据（降水、气温等）就具有一定的偏差[, ]; 其次, 计算月Δ WGLDAS值没有考虑地表水以及地下水的储量变化[], 因而在一些地区忽视了这些对储量变化的贡献; 而Δ WGRACE数据是根据时变重力场来反演得到陆地水储量的变化, 而这个过程有较多的不确定性或误差源。此外, 两种蓄水量数据空间分辨率较粗, 数据本身以及其处理过程也存在一定的误差[]。因而由GRACE与GLDAS数据获得的WBET存在着多方面的误差, 这必然对MOD16/ET数据评估结果会产生一定的影响。考虑到GLDAS与GRACE数据的空间分辨率较低, 本文选取的流域面积均大于20万km2, 并且对根据GLDAS与GRACE数据估算得到的Δ W数据进行了对比分析, 认为两套数据年变化以及变化趋势较为一致, 因而可以认为两套Δ W数据基本可信。所以Δ W数据的不确定性对于MOD16/ET评估结果的可信度不会造成很大影响。但是今后寻求更为准确、精细的Δ W数据源将有助于提高MOD16/ET月尺度数据评估结果的可信度。5 结论本文采用降雨格点数据、水文站观测径流数据, 以及GRACE卫星观测与GLDAS模型模拟的流域蓄水量变化数据（Δ WGRACE与Δ WGLDAS）, 将MOD16/ET产品与基于流域水量平衡原理计算得到的流域实际ET（即WBET）进行对比, 从月尺度上对MOD16/ET产品在中国若干主要流域与WBET一致性的时空特征进行了评估。结果表明：1）流域蓄水量的年际变化有较大的波动幅度, 考虑蓄水量变化与否对MOD16/ET评估结果有一定的影响。GRACE年蓄水量变化量Δ W的波动幅度为48~293 mm, GLDAS的波动幅度是26~253 mm。在考虑Δ W数据后, MOD16/ET在黄河上游、松花江上游以及长江流域表现为高估, 但在青藏中部、黄河中游以及松花江中游表现为低估。2）与WBET相比, MOD16/ET在月尺度上存在低值区（< 20 mm/月）高估、高值区（> 20 mm/月）低估的特点, 使ET的季节性波动幅度被压缩。在蒸散发过程较弱的11月到次年3月, MOD16/ET产品在各流域普遍存在高估。而在其他月份, MOD16/ET与WBET的一致性因流域而异。3）MOD16/ET月尺度数据与WBET在各流域的一致性存在地域性差异。在松花江流域, 冬半年高估, 夏半年低估, 但其差异的正负偏程度相差不大; 在黄河流域的6— 9月, 存在部分地区的低估; 3— 6月在长江中游的出水口段存在较为集中的低估区。综合各项评估指标, MOD16/ET数据与WBET的一致性在外流区优于内流区, 在北方松花江流域优于南方的长江流域。
The authors have declared that no competing interests exist.
MU Q Z, ZHAO M S, RUNNING S W.
Improvements to a MODIS global terrestrial evapotranspiration algorithm[J].
[本文引用:3]
GHILAIN N, ARBOLEDA A, GELLENS-MEULENBERGHS F.
Evapotranspiration modelling at large scale using near-real time MSG SEVIRI derived data[J].
[本文引用:1]
SENAY G B, VELPURI N, SINGH R K, et al.
Operational evapotranspiration mapping using remote sensing and
weather datasets: A new parameterization for the SSEB approach[J].
[本文引用:1]
HOUSER P R, RODELL M, JAMBOR U, et al.
The global land
data assimilation system[J]. GEWEX News, 2001, 11(2): 11-13.
[本文引用:1]
KIM H W, HWANG K, MU Q, et al.
Validation of MODIS 16 global terrestrial evapotranspiration products in various climates and
cover types in Asia[J].
[本文引用:2]
TRAMBAUER P, DUTRA E, MASKEY S, et al.
Comparison of different evaporation estimates over the African continent[J]. Hydrology & Earth System Sciences, 2014, 18(1): 193-212.
[本文引用:1]
VELPURI N M, SENAY G B, SINGH R K, et al.
A comprehensive evaluation of two MODIS evapotranspiration products over the conterminous United States: Using point and
gridded FLUXNET and
water balance ET[J].
[本文引用:1]
XUE B L, WANG L, LI X P, et al.
Evaluation of evapotranspiration estimates for two river basins on the Tibetan Plateau by a water balance method[J].
[本文引用:1]
贺添, 邵全琴.
基于MOD16产品的我国2001&#x年蒸散发时空格局变化分析[J]. [HE T, SHAO Q Q.
Spatial-temporal variation of terrestrial evapotranspiration in China from 2001 to 2010 using MOD16 products. Journal of Geo-information
[本文引用:4]
JIA Z Z, LIU S M, XU Z W, et al.
Validation of remotely sensed evapotranspiration over the Hai River Basin, China[J]. Journal of Geophysical Research Atmospheres, 2012, 117(D13): 110-117.
[本文引用:2]
LANDERER F W, SWENSON S C.
Accuracy of scaled GRACE terrestrial water storage estimates[J]. Water Resources Research, 2012, 48(4): 1427-1434.
[本文引用:3]
沈艳, 冯明农, 张洪政, 等.
我国逐日降水量格点化方法[J]. [SHEN Y, FENG M N, ZHANG H Z, et al.
Interpolation methods of China daily precipitation data.
[本文引用:3]
SYED T H, FAMIGLIETTI J S, RODELL M, et al.
Analysis of terrestrial water storage changes from GRACE and
GLDAS[J]. Water Resources Research, 2008, 44(2): 339-356.
[本文引用:3]
王文, 汪小菊, 王鹏.
GLDAS月降水数据在中国区的适用性评估[J]. [WANG W, WANG X J, WANG P.
Assessing the applicability of GLDAS monthly precipitation data in China.
[本文引用:1]
汪小菊, 王文, 王鹏.
GLDAS月气温数据在中国区的适用性评估[J]. [WANG X J, WANG W, WANG P.
Assessing the applicability of GLDAS monthly temperature data in China.
[本文引用:1]
吴桂平, 刘元波, 赵晓松, 等.
基于MOD16产品的鄱阳湖流域地表蒸散量时空分布特征[J]. [WU G P, LIU Y B, ZHAO X S, et al.
Spatio-temporal variations of evapotranspiration in Poyang Lake Basin using MOD16 products.
[本文引用:1]
... 常用的由遥感数据反演的蒸散发产品包括由美国国家航空航天局（NASA）提供的MODIS MOD16/ET产品[1]、蒙大拿大学以及欧洲气象卫星组织（EUMETSAT）发布的LSA-SAF MSG ETa产品数据[2]、美国地质调查局（USGS）发布的基于业务化简化地表能量模型的ET产品（SSEBOP/ET）[3]等 ...
... MOD16[1]是MODIS标准数据产品,包含蒸散发（ET）、潜热通量（LE）、潜在蒸散发（PET）和潜在潜热通量（PLE）,空间分辨率为1 km网格,时间分辨率为8 d ...
... MOD16产品由蒙大拿大学密苏拉分校地球动态数值模拟研究组（NTSG）制作,其基本计算过程[1]是,结合植被覆盖率、反照率等遥感数据以及气压、气温、相对湿度等实测气象信息,计算得到植被与土壤的净辐射量,再以Penman-Monteith公式为基础计算得到ET ...
... 常用的由遥感数据反演的蒸散发产品包括由美国国家航空航天局（NASA）提供的MODIS MOD16/ET产品[1]、蒙大拿大学以及欧洲气象卫星组织（EUMETSAT）发布的LSA-SAF MSG ETa产品数据[2]、美国地质调查局（USGS）发布的基于业务化简化地表能量模型的ET产品（SSEBOP/ET）[3]等 ...
... 常用的由遥感数据反演的蒸散发产品包括由美国国家航空航天局（NASA）提供的MODIS MOD16/ET产品[1]、蒙大拿大学以及欧洲气象卫星组织（EUMETSAT）发布的LSA-SAF MSG ETa产品数据[2]、美国地质调查局（USGS）发布的基于业务化简化地表能量模型的ET产品（SSEBOP/ET）[3]等 ...
... 模型模拟产品中最有代表性的是由NASA研发的全球陆面数据同化系统（GLDAS）[4]基于多个陆面模型模拟的全球ET产品 ...
... Kim等[5]利用亚洲地区具有不同植被类型以及气候类型的17个站点的ET观测数据进行MOD16/ET产品评估,认为MOD16/ET在森林地区与ET实测值较为一致,在稻田农田地区一致性较差 ...
... GLDAS[5]有两个版本（即GLDAS-1与GLDAS-2）,分别采用不同的气象数据驱动 ...
... Trambauer等[6]对非洲地区5种气候类型进行8种蒸散发产品数据的对比,以多蒸散发产品融合数据为基准,得出MOD16/ET在非洲大部分地区与基准数据的相关性和一致性不高,与其他ET产品的一致性在半湿润和半干旱地区要高于干旱地区 ...
... Velpuri等[7]对比了MOD16/ET产品和SSEBOP/ET产品在美国的精度,结果表明,在站点尺度上,MOD16/ET、SSEBOP/ET与国际通量观测网（FLUXNET）站点实测数据的确定性系数R#cod#x000b2 ...
... 在中国,Xue等[8]采用了4种蒸散发产品数据对MOD16/ET在黄河上游以及长江上游的精度进行评估,发现MOD16/ET与P-R（降雨与径流的差值）相比,在长江以及黄河上游均高估,其年偏差均值分别为119 ...
贺添, 邵全琴.
基于MOD16产品的我国2001&#x年蒸散发时空格局变化分析[J]. [HE T, SHAO Q Q.
Spatial-temporal variation of terrestrial evapotranspiration in China from 2001 to 2010 using MOD16 products. Journal of Geo-information
Terrestrial evapotranspiration (ET) is a key process in the climate system and a nexus of the water and energy cycles. Understanding the temporal and spatial change of ET is important to analyze the climate impact on water resource. However, large scale ET estimation methods are still in evolution due to the complexity of processing ET. With the aid of MODIS ET products (MOD16), we obtained the 10-year spatial-temporal data sets of terrestrial ET in China from 2001 to 2010.MOD16 ET products were first validated at 8 flux towers and 10 large basins in China. The results show that although some uncertainties are present, the magnitudes and spatial pattern of ET in China are basically reasonable. The MOD16 products withthe best performances were observed at sites with forest and crop land cover, as well as in four basins in the north of China.The average annual terrestrial ET in China from 2001 to 2010 is 532&10 mm.The seasonal change of the ET in Northeast China is most obvious with a coefficient of variation (CV) of 0.87 based onthe average monthly ET, while the Northwest China has little seasonal variations making the CV is only 0.19. Generally, the estimated terrestrial ET in Chinashows littlesignificant variation during the 2001 to 2010 period. On the regional scale, approximately11.2% of the areas show significant negative ET trends, which occur mainly in the center of Tibetan Plateau, northeast of Inner Mongolia and the north of Xinjiang. Only 2.3% of the areas show significant positive ET trends, which mostly occur in Loess Plateau, Northeast Plain and Huang-Huai-Hai Plain. According to the analysis of the maps of the linear trends of PDSI and NDVI in China during 2001 to 2010, we can see the negative ET mainly occurs in the semi-arid areas which under g while the positive ET occurs in areas where the vegetation is turning better after large-scale ecological restoration projects were implemented.
蒸散发的时空格局分析对理解气候变化与水资源之间的相互影响具有重要的作用。本文基于MODIS全球蒸散发产品(MOD16), 分析了 年我国陆面蒸散发的时空格局变化, 得出以下结论:(1)站点尺度和流域尺度的精度验证结果表明, MOD16 产品对于我国森林、农田生态系统类型, 以及辽河、海河、黄河和淮河流域的模拟精度较高; (2) 年, 我国年均蒸散发为532&10 mm, 年内蒸散值变化最大的是东北区, 月均蒸散变异系数为0.87, 而西北区变化幅度最小, 变异系数为0.19; (3) 年, 我国陆面蒸散发年际变化总的趋势不明显, 占陆地面积11.2%区域的蒸散发呈显著减少趋势( p p
... 贺添等[9]从站点尺度和流域尺度评估了MOD16/ET产品在中国几大流域的应用精度,在站点尺度上MOD16/ET产品与ET实测值的相关系数平均值为0 ...
... 1 假定年蓄水量变化为0对MOD16/ET评估结果的影响目前对MOD16/ET的评估工作都假定年尺度蓄水量变化为0,根据流域水量平衡方程将降水P与径流R的差值做为实际蒸散发量,以此评估MOD16/ET产品,如吴桂平等[16]对鄱阳湖流域地表蒸散量时空分布特征的研究及贺添等[9]对2001#cod#x02014 ...
... 在此假设基础上,贺添等[9]认为MOD16/ET产品在年尺度上在中国水资源一级区（除海河流域外）普遍高估,MOD16/ET与P-R的偏高量在西南诸河区最大,达到252 ...
... 在黄河以及长江流域MOD16/ET数据的评估结果与贺添等[9]差异不大,但MOD16/ET产品的高估程度有所降低 ...
... 由于缺乏足够的实际蒸散观测数据,根据流域水量平衡原理利用流域降水与径流数据进行蒸散发产品评估是常用做法[10,11,12] ...
... 同时,由于缺乏流域蓄水量观测数据,现有基于流域水量对MOD16/ET的评估都是在年尺度上进行的,假定年蓄水量变化为0[10,12] ...
... 由于缺乏足够的实际蒸散观测数据,根据流域水量平衡原理利用流域降水与径流数据进行蒸散发产品评估是常用做法[10,11,12] ...
... Landerer等[11]由GLDAS-Noah模型计算得出的Columbia流域年蓄水量变化在-100~100 mm之间,而由GRACE得到的年蓄水量变化波幅更大 ...
... 此外,两种蓄水量数据空间分辨率较粗,数据本身以及其处理过程也存在一定的误差[11] ...
沈艳, 冯明农, 张洪政, 等.
我国逐日降水量格点化方法[J]. [SHEN Y, FENG M N, ZHANG H Z, et al.
Interpolation methods of China daily precipitation data.
Precipitation is one of the most important meteorological factors. Its spatial and temporal distribution is critical in climate diagnostics, numerical models verifications and hydrological models initiation. Substantial progress has been made in the last two decades in quantitatively documenting global precipitation. The development and operation of precipitation analysis products over China are relatively lagging behind other countries. Through the cooperation with the Climate Prediction Center (CPC) affiliated to National Oceanic and Atmospheric Administration (NOAA), the real time operational system of daily precipitation analysis over China is established in National Meteorological Information Center (NMIC). Based on the daily precipitation observations of over 2419 gauges, a system with the resolution of 0.5°×0.5° is established. It is consisted of four modules: Data obtaining, quality controlling, data processing and products serving. The kernel interpolation algorithm of this system is introduced from the CPC known as the climatological optimal interpolation (OI) method which can reduce the analysis error substantially arising from the large spatial discontinuity of precipitation. Daily climatology is defined for each station as the summation of the first 6 harmonics for the 365 calendar day time series of the mean daily precipitation, and then climatology fields are created by interpolating the truncated station climatology through the algorithm of Shepard. These fields are then adjusted by the PRISM (Parameter elevation Regressions on Independent Slopes Model) monthly precipitation climatology data, and the temporal variation patterns in the original daily climatology time series which also reflect orographic effects reasonably are retained. Analyzed fields of the ratio between daily precipitation and climatology are derived by interpolating the corresponding station values through the OI technique. Analyses of total daily precipitation are finally calculated by multiplying the daily climatology with the daily ratio. This system runs stably with reasonable products and users can get the products in three formats after 09:20 everyday on CDC website. It is an integral part of China real time and fine resolution precipitation analyses system under construction. Further improvements of the gauge based analysis will be implemented to correct the bias of wind effects. Collaborations in improving this system by refining the algorithm and merging with the satellite based precipitation products are welcome.
国家气象信息中心(NMIC)和美国大气海洋局气候预测中心合作开发了“中国逐日格点降水量实时分析系统（V1.0）”，并已在NMIC投入业务试运行。该系统基于我国2419个国家级地面气象站日降水量观测（08:00—08:00，北京时）数据，采用“基于气候背景场”的最优插值方法，实时生成空间分辨率为0.5°×0.5°的格点化日降水量资料。通过对汛期典型区域和单站降水过程的对比分析表明：该格点化产品的精度较高，能准确捕捉并再现每一次降水过程。误差分析表明：约91%的数据绝对误差小于1.0 mm/d。该产品在定量分析天气实况、检验天气气候模式精度、检验卫星产品精度等方面有应用前景。
... 由于缺乏足够的实际蒸散观测数据,根据流域水量平衡原理利用流域降水与径流数据进行蒸散发产品评估是常用做法[10,11,12] ...
... 同时,由于缺乏流域蓄水量观测数据,现有基于流域水量对MOD16/ET的评估都是在年尺度上进行的,假定年蓄水量变化为0[10,12] ...
... 该数据是由地面 约2 400多个台站观测降水资料经空间插值获得,插值时考虑了高程对降水空间分布的影响[12] ...
... W为时段内蓄水量变化量,其计算采用两种方式获得[13],一是由GRACE重力卫星观测数据计算得到（记为#cod#x00394 ...
... 两种方法的计算结果差别不大,而且后者在已有研究中较为多用[13],因而本文对GLDAS-1的#cod#x00394 ...
... WGLDAS值没有考虑地表水以及地下水的储量变化[13],因而在一些地区忽视了这些对储量变化的贡献 ...
王文, 汪小菊, 王鹏.
GLDAS月降水数据在中国区的适用性评估[J]. [WANG W, WANG X J, WANG P.
Assessing the applicability of GLDAS monthly precipitation data in China.
Global Land Data Assimilation System (GLDAS) is an important data source for global change and water cycle research. GLDAS-1 and GLDAS-2 monthly precipitation data during
are compared with Chinese ground-based observations for evaluating their capabilities to detect spatial and temporal changes, and evaluating data quality in terms of correlation coefficient, mean bias error, relative absolute error and root mean square error. The results show that: The quality of GLDAS-1 data sets has a problem of discontinuity, especially serious anomalies in 1996 and poor quality in 2000; the qualities of both GLDAS-1 data and GLDAS-2 data decline during the period from 1979 to 2012 according to their fitness with the observe GLDAS data sets show better quality in eastern China wet areas than in western C in terms of correlation and error measures, GLDAS-1 precipitation data are slightly better than GLDAS-2 data (mostly in the period before 1995), but GLDAS-2 data are significantly superior to GLDAS-1 data in the temporal consistency, seasonal stability and their capability to describe temporal variations.
全球陆面数据同化系统(GLDAS)是全球变化与水循环研究的重要数据源之一.对比分析了年间GLDAS多套降水数据与中国地面观测逐月降水数据所反映的中国降水趋势变化空间特征,采用相关系数、平均偏差、相对绝对误差和均方根误差4个指标,从时间变化和空间分布特征两个方面,对GLDAS降水数据在中国区域的数据质量进行了系统评估.结果表明:GLDAS-1的几套数据在时间上具有明显不连续性,1996年数据质量严重异常,2000年数据质量也较差,而且,不论是GLDAS-1数据,还是GLDAS-2数据,都存在前期(年)与实测数据吻合度高于后期(1997年以后)的现象;GLDAS数据在中国东部湿润区的质量高于在西部干旱区;从相关性与误差指标来看,GLDAS-1数据质量略优于GLDAS-2(主要体现在1995年以前时段),但是GLDAS-2在数据一致性、数据质量季节稳定性及对趋势性描述能力方面则明显优于GLDAS-1数据.
... 首先,GLDAS的驱动数据（降水、气温等）就具有一定的偏差[14,15] ...
汪小菊, 王文, 王鹏.
GLDAS月气温数据在中国区的适用性评估[J]. [WANG X J, WANG W, WANG P.
Assessing the applicability of GLDAS monthly temperature data in China.
鉴于全球陆面数据同化系统(GLDAS)已广泛应用于全球变化与水循环研究中,以气温逐月变化趋势、相关系数、平均偏差和平均绝对偏差等指标,评估了年间GLDAS五套气温数据在中国区的数据质量时空间分布特征。结果表明,GLDAS气温数据与实测气温数据相比,总体误差较小,相关性较好,但不同时段数据质量有所不同。其中各套数据在年质量最高;GLDAS-1气温数据在年有严重问题,相关系数明显偏低;GLDAS-2/NOAH则在存在一定异常;各套数据中,GLDAS-1/NOAH、GLDAS-1/MOS与GLDAS-1/VIC三者精度一致,GLDAS-1/CLM数据质量最差,而GLDAS-2/NOAH数据在一致性、趋势性特征描述、季节稳定性等方面优于其他几套数据;各套GLDAS气温数据在湿润区的描述能力明显高于干旱区。
... 首先,GLDAS的驱动数据（降水、气温等）就具有一定的偏差[14,15] ...
吴桂平, 刘元波, 赵晓松, 等.
基于MOD16产品的鄱阳湖流域地表蒸散量时空分布特征[J]. [WU G P, LIU Y B, ZHAO X S, et al.
Spatio-temporal variations of evapotranspiration in Poyang Lake Basin using MOD16 products.
Under the support of ArcGIS spatial analysis module,this paper mainly aims at mod16-ET product to conduct a systematic research on the spatial and temporal characteristics in the Poyang Lake Basin during .The results indicated that MOD16-ET product is more applicable for the analysis of spatio-temporal distribution characteristic of evapotranspiration.In addition to water bodies and wetlands,the average ET from 2000 to 2010 changed obviously,and the sudden ascent happened in 2003 and 2007,which exceeded the average ET value by 49.28 mm and 46.71 mm respectively.The spatial distribution of the ET had obvious regional characteristics.ET values in the central part of the basin are higher than those in the surrounding areas in terms of their spatial distribution,especially in the high vegetation coverage areas.Furthermore,the seasonal variation of ET shows a unimodal pattern,and its peak value occurs in July.The spatial distribution of ET is related to land cover characteristics,which have effect on the ET distribution in the Poyang Lake Basin,and the order of ET intensity by land cover types is woodland>grassland>farmland>unused land>building land.The results of the study are of great theoretical and practical significance to analyses of the cause of drought and effective use of water resources across the Poyang Lake Basin.
基于MOD16遥感数据集,统计分析了鄱阳湖流域年地表蒸散量的年际和年内时空变化状况,探讨了不同地表类型下蒸散量的差异性变化特征。研究表明:①MOD16产品的精度能够满足鄱阳湖流域地表蒸散量时空变化分析的要求;②流域内平均蒸散量的年际波动较大,以2003年、2007年尤为突出,分别超出多年平均值49.28 mm和46.71 mm。ET空间格局呈现四周高、中间低的分布规律,尤其在高植被覆盖区蒸散量较大;③年内蒸散量呈单峰型分布,季节性变化特征明显,地表蒸散主要集中在5-9月份,最高值出现在7月;④土地利用特点基本影响着流域蒸散量的分布状况。蒸散强度大小按地表类型排序依次为林地>草地>农田>裸地>城镇。研究结果对鄱阳湖流域旱涝灾害成因分析、生态需水量研究等均具有一定的理论和实践参考意义。
... 1 假定年蓄水量变化为0对MOD16/ET评估结果的影响目前对MOD16/ET的评估工作都假定年尺度蓄水量变化为0,根据流域水量平衡方程将降水P与径流R的差值做为实际蒸散发量,以此评估MOD16/ET产品,如吴桂平等[16]对鄱阳湖流域地表蒸散量时空分布特征的研究及贺添等[9]对2001#cod#x02014 ...
MODIS MOD16蒸散发产品在中国流域的质量评估
[姜艳阳, 王文*, 周正昊]}