using modis satellite images to estimate evapotranspiration in …...

249台灣林業科學 21(2): 249-61, 2006

研究報告

1) 國立屏東科技大學森林系， 9 1 2 0 1屏東縣內埔鄉學府路 1號 D e p a r t m e n t o f F o r e s t r y, N a t i o n a l

Pingtung University of Science and Technology. 1 Hsuehfu Rd., Neipu, Pingtung 91201, Taiwan.2) 實踐大學高雄校區觀光管理學系， 8 4 5 5 0高雄縣內門鄉大學路 2 0 0號 D e p a r t m e n t o f To u r i s m

Management, Shih Chien University. 200 University Rd., Neimen, Kaohsiung 84550, Taiwan.3) 通訊作者 Corresponding author, e-mail:st [email protected]

2005年10月送審 2006年3月通過 Received October 2005, Acceped March 2006.

應用MODIS衛星影像推估台灣地區之蒸發散量陳朝圳1) 吳守從2,3) 江彥鋒1)

摘　要

蒸發散量是影響水文循環的重要因子，然以往在估算蒸發散量的研究中，大都對於研究區域土地

利用型之非均質性缺乏考慮，更無法合理表示蒸發散量之空間變化情形，因而難以達成有效監控與管

理水資源之境界。本研究採用SEBAL模式，配合四期不同季節之MODIS影像估算全台灣之蒸發散量，並探討不同土地利用類型蒸發散量的差異性。研究結果顯示，利用MODIS影像推估地面蒸發散量是一種可接受之方式；而四種土地利用類型中，以森林地的蒸發散量最高，水體次之，都市用地再次之，

而農業用地為最末，且彼此間具有極顯著差異。利用SEBAL模式推估蒸發散量，以晴朗無雲之地區所得估算結果較佳，因此未來進行蒸發散量估算時，若能選擇多幅晴朗無雲之影像來進行，相信對於準

確度的提升會有很好的幫助。

關鍵詞：蒸發散量、SEBAL模式、MODIS衛星影像。陳朝圳、吳守從、江彥鋒。2006。應用MODIS衛星影像推估台灣地區之蒸發散量。台灣林業科學

21(2):249-61。

Research paper

Using MODIS Satellite Imagesto Estimate Evapotranspiration in Taiwan

Chaur-Tzuhn Chen,1) Shou-Tsung Wu,2,3) Yan-Fang Chiang1)

【Summary】

Evapotranspiration (ET) from land is a major component in the hydrological cycle, and much of the research related to estimating ET has only rarely considered different land use types of the study area and is thus still unable to reasonably explain the spacial distribution of ET. Therefore, monitoring and managing water resources in an efficient way are still difficult nowadays. This re-search adopted the SEBAL model and 4 seasons of MODIS satellite images to estimate the ET for the entire island of Taiwan. We discuss the variability among different land use types. The results of this research showed that using MODIS satellite images to estimate ET is an acceptable method,

250 陳朝圳等―應用MODIS衛星影像推估台灣地區之蒸發散量

and the estimated value for forestland was the highest, while that for agricultural land was the lowest. In addition, the estimated ET of different land use types significantly differed when tested with one-way ANOVA. By using the SEBAL model to estimate ET, clear weather was better than cloudy or rainy days. As result, in order to reduce errors of estimation in the future, it is suggested that selecting good images which were shot on clear days is the best policy.Key words: evapotranspiration, SEBAL, MODIS.Chen CT, Wu ST, Chiang YF. 2006. Using MODIS satellite images to estimate evapotranspiration

in Taiwan. Taiwan J For Sci 21(2):249-61.

緒言

全球每年降雨中約有7 0%之水量會返回大氣，故一般溫度之區域環境下，蒸發散量

(evapotranspiration)幾乎等於降雨量。由於蒸發散量不但是水資源規劃利用上之重要參數，更

是農業灌溉管理之參考指標，因此在整個水資

源利用中，真實蒸發散之預報即扮演著極重要

之角色(Jayatilaka et al. 1998)。然而目前關於蒸發散量的研究中，仍難有效進行全面性估計，

故許多研究不是用單一固定測站之觀測結果，

就是予以忽略不計，如此不僅對於整個研究區

域的非均質性缺乏考慮，更無法合理表示蒸發

散量之空間變化情形，因而難以達成有效監控

與管理水資源之境界。

台灣地區年雨量充沛，且有57%的森林覆蓋面積，理論上應擁有相當豐富之水資源，但

實際上森林並不能增加降雨量，而且林地的蒸

發散量(包括截留雨水的蒸發)通常比其他植生覆蓋或裸露地區高，所以單純就長期的水生產量

而言，林地通常比草地或裸露地為低，故森林

對水資源生產總量的影響是負面的(Cheng and Hsia 1988)；再者，台灣地區之降雨量在空間與時間的分布上原本就不平均，加上地勢陡峭、

部份山坡地開發不當，均使得水資源的管理與

利用難以掌握。因此，就台灣地區水資源之監

控與管理而言，除掌握土地利用與降雨相關資訊

外，有效推估區域潛在蒸發散量將是首要工作。

對於蒸發散量的推估，以往多從潛勢蒸發

散量、氣象站測得之蒸發量或水平衡公式計算

而得(Chiew et al. 1995, Liang and Geng 1998)，惟其應用除多以農業方面為主外，通常缺乏非

均質性空間分布之考量，故如何正確依土地利

用別推估蒸發散量，有其探討之必要性。衛星

影像能提供大面積即時之地面資訊，並運用於

蒸發散量之推估，例如NOAA-AVHRR之第4、5波段能推算地表溫度(ground temperature)，而第2波段可計算反照率並估算淨輻射量 (ne t r a d i a t i o n )；影像像元常態化差異植生指數(normalized difference vegetation index, NDVI)之計算，能代表地面粗糙度(roughness)及水蒸氣轉換率(water vapor transmission rate)等，均是良好的證明(Laymon et al. 1998, Kite and Droogers 2000)。有鑑於此，本研究以MODIS衛星影像為材料，結合蒸發散量之推估公式，

計算台灣地區不同季節之潛在蒸發散量，其目

的除希望獲致全面性的蒸發散量資訊之外，更

期盼能從研究成果中，提供具體之意見供相關

經營管理單位參考，以達成水資源有效監控、

合理運用之目標。

材料與方法

一、研究區概述

台灣地處亞熱帶，地形陡峭，中央山脈貫

穿島內南北，河川多發源於此山脈，分別流向

東西兩側匯入太平洋及台灣海峽，全島氣候特

徵為高溫、潮濕、強風，各地氣候具有季節性

差異，年均溫約20℃，年平均降雨量約為2,500 mm左右，降雨的季節分配多不平均，北部冬季多雨，南部則為夏季多雨，降雨的分布是山地

多於平地，東岸多於西岸，北部多於南部。

251台灣林業科學 21(2): 249-61, 2006

二、研究材料

(一)氣象站資料本研究採用基隆、淡水、鞍部、台北、新

竹、台中、梧棲、日月潭、阿里山、玉山、嘉

義、台南、高雄、恆春、宜蘭、蘇澳、花蓮、

台東與大武等19個中央氣象局局屬氣象站相關氣象資料，作為研究參考、比對、檢核之用。

(二)MODIS衛星影像MODIS為Terra (Earth Observing System,

EOS AM)和Aqua (EOS PM)兩衛星上所搭載的中級解析度成像分光輻射度感測器，掃瞄

寬度為2,330 km、長度為6,000~7,000 km，空間解析力為250 m (bands 1~2)、500 m (bands 3~7)、1,000 m (bands 8~36)，其光譜大致介於405~14,385 nm之間，涵蓋可見光、近紅外光與熱紅外光等範圍。

本研究使用不同拍測時間之MODIS影像資料共四張，分別代表春、夏、秋、冬四季，進

行影像計算之用(屬性資料如Table 1)。除採用第1、2波段計算NDVI值，第1~7波段計算地表反照率外(surface albedo)，並以第13、16波段進行濾雲處理，第31、32波段推估地表溫度。

三、利用表面能量平衡演算法推估蒸發散量

由前人研究結果顯示 ( M e n e n t i a n d Choudhury 1993, Zhang and Lemeur 1995, Stefano and Ferro 1997, Laymon et al. 1998, Kite and Droogers 2000, Roerink et al. 2000, Szilagyi 2000, Kenlo et al. 2002)，推估蒸發散量之模式相當多，各有其不同之計算考量與使

用範圍，而利用衛星影像資料來推估蒸發散量

亦證明可行，故本研究在評估後(Su et al. 1999,

Morse et al. 2000)，採用MODIS衛星影像、數位地形資料(digital terrain model, DTM)，配合表面能量平衡演算法(surface energy balance algorithm for land, SEBAL)來推估台灣地區之蒸發散量。

由於SEBAL模式之基本原理為地表能量平衡與太陽輻射量平衡的結合，故需利用坡度

(slope)、坡向(aspect)資料與MODIS衛星影像來反演坡度與坡向餘弦影像 (cosine image)、日輻射潛能(potential beam solar irradiance)、地表反照率、常態化差異植生指數、熱紅外光

地表發射率(thermal infrared emissivity)、地表溫度等遙測地表參數，以及淨輻射量、土壤熱

通量(soil heat flux)、大氣可感熱(atmospheric s e n s i b l e h e a t )、蒸發係數 ( e v a p o r a t i o n coefficient)等能量平衡參數，並綜合以上參數推估蒸發散量(Morse et al. 2000)。以下僅就各參數之推估與蒸發散量之演算方法加以說明：

(一)坡度、坡向正餘弦影像利用40×40 m的數位地形資料，以正南方

為0º，順時針至正北方為180º，逆時針至正北方則為-180º，其正餘弦影像轉算所得之值會介於-1~1之間(Chen 1999)。

(二)日輻射潛能推估在日輻射潛能的推估中，最重要的就是日

地距離(sun-earth distance)、日緯度(declination)及時差(equation of time)等三項因子，而實際運用於計算的則為時角 (hour angle)、天頂角(zenith angle)、方位角(azimuth angle)等，本研究先以式(1)推估單位面積之日輻射潛能通量，再利用式(2)估算該影像拍攝時全日之日輻射潛能(Morse et al. 2000)。

Table 1. MODIS image attribute data used in this study (units: degree)MODIS 2003/04/19 Aqua 2002/08/12 Terra 2003/10/27 Terra 2003/12/29 AquaSensor azimuth -9.4864 8.3089 8.3718 -9.5941Sensor zenith 30.5144 30.3021 30.5197 30.2890Solar azimuth -115.0698 123.5299 154.2249 -156.2337Solar zenith 23.2058 22.9990 41.9225 47.8649


θp = θ0 / r2×cosθs .......................................... (1)

θp (daily) = θ0 / r2×24 / π×(cosφcosδ)×(sin ωts

- ωts cos ωts).................................................. (2)θ p：水平面單位面積上所接受之日輻射潛能通

量(flux density) (W m-2)；θ0：太陽常數，值為1367 (W m-2)；r = 1 + 0.033cos (Jday×2π365-1)：地球與太陽間距離與其平均距離之比率；

1 / r2 = 1.0001 + 0.03422cosT + 0.00128sinT + 0.000719cos2T + 0.000077sin2T；T = [(Jday - 1)×2π]365-1 (Jday：由1月1日至估算日之天數)；θs：太陽天頂角；

cosθs = sinφsinδ + cosφcosδcosωt；

φ：緯度；δ：太陽傾角，即日午時太陽與赤道面之夾角；δ = 0.006918 - 0.399912cosT + 0.070257sinT - 0.006758cos2T + 0.000907sin2T - 0.002697cos3T+ 0.001480sin3T；ω：地球自轉之角速度，每小時π/2為；t：距日午之時距，單位為小時，早上為負值，下午為正值；

θp (daily)：全日之日輻射潛能(W m-2)；ts：地平面日出、日落與日午之時距(h)。

(三)地表反照率地表的反射不但取決於環境溫度及物體特

性，也與光線的入射和反射方向有關，而求取

此一地表反射特性的參數稱之為地表反照率。

衛星上所記錄之太陽反射率為半球方向之反射

率，但實際上陽光反射率需考慮大氣層與地表

層雙重反射率，故要求得地表反照率需以公式

(3)進行之(Morse et al. 2000)。

α0 = ................................... (3)

α0：地表反照率；

αtoa = Σ[c(band)×Radiation(band)]：大氣層表面反照率；

c(band) = R_bandi / ΣR_bandi：MODIS第1~7

波段輻射值所占比率係數；

αpath - radiance：反照率路徑輻射，通常介於0.025~0.040；

τsw2 = (0.75×2×10-5×z)2：二維穿透係數(z：高

程值)。

(四)常態化差異植生指標常態化差異植生指標能表示植被生長勢，

通常利用近紅外光(IR band)與紅光(R band)兩波段的線性或非線性組合表示，本研究以式(4)計算之(Benedetti and Rossini 1993)。

NDVI = ............................ (4)

(五)熱紅外光地表發射率熱紅外光地表發射率為修正地表溫度之重

要因子，本研究以式(5)計算之(Van de Griend and Owe 1993)。ε0 = 1.009 + 0.047ln (NDVI).......................... (5)

(六)地表溫度估算溫度高低會影響蒸發散量，故計算地表

溫度是推估蒸發散量重要因子之一。François and Eric (2002)指出MODIS衛星影像第31及32波段為熱感應波段，可偵測地表溫度變化，故

將上述兩波段轉換為輻射強度後予以平均，再

利用式 (6)、 (7)之轉換公式計算溫度值後，代入式(8)加以修正(Wukelic et al. 1989, Morse et al. 2000)，即可得到地表之亮溫值(brightness temperature)。

L = ...................... (6)

T = [ ] ...........................(7)

T0 = ...................................................... (8)

L：輻射量(W m-2)；h：Plank常數(6.626×10-34 J s-1)；c：光速(2.998×108 m s-1)；k：Boltzman常數(1.381×10-23 J °K-1)；λ：波長(µm)；T：地表溫度(°K)；T0：修正後地表溫度(°K)。

(七)淨輻射量太陽之輻射量透過大氣層頂，經大氣吸

253台灣林業科學 21(2): 249-61, 2006

收、散射及反射等綜合效應到達地面，其淨輻

射量Rn值是由短波輻射量與長波輻射量之和求

得，如式(9) (Bastiaanssen et al. 1998a, b, Morse et al. 2000)。Rn = (Kin - Kout) + (Lin - Lout) = (1 - α0) Kin + (Lin - Lout) ........................................................... (9)Rn：淨輻射量(W m-2)；Kin = θ0×cosθ s×r×τ sw：太陽照射地面之短波

輻射；

Kout：地面反射之短波輻射；

Lin = 1.08 (-lnτsw)0.265sT04：太陽照射地面之長波

輻射；

Lout = ε0sT04：地面反射之長波輻射；

τ sw = 0.75×2×10-5×z：一維穿透係數(z：高程值)；s：Stefan Boltzman常數(5.67×10-8 W m-2 K-4)。

(八)土壤熱通量本研究對土壤熱通量之計算，係利用淨輻

射量和NDVI，配合式(10)計算之(Morse et al. 2000)。G0 = 0.30 (1 - 0.98NDVI 4) Rn ...................... (10)G0：土壤熱通量(W m-2)。

(九)大氣可感熱在一個非均勻質的地表，地表反射率會與

表面粗糙度大小有關，故本研究以式(11)計算大氣可感熱(Morse et al. 2000, Chen 2004)。

H = ........................................... (11)

H：大氣可感熱(W m-2)；ρair：大氣密度(kg m-3)；Cpair = 1004：空氣中熱能量(J kg-1 K-1)；

rah = ：空氣阻抗熱傳導係數；

u* = ：摩擦速度；

k = 0.41：von Karman’s常數；Z0, Z1, Z2, Zx：高程值；

dT = aT0 + b：溫度增量(°K)。

(十)蒸發係數

當淨輻射量減去土壤熱通量與大氣可感熱

後，所剩餘者為水蒸氣能量，由於蒸發係數可

代表地面蒸發散比率，故為估算蒸發散量參數

之一，通常以式(12)計算之(Morse et al. 2000)。

Λ = = ......................... (12)

Λ：蒸發係數；λE：淨輻射能(W m-2)。

所有參數計算完成之後，利用式(13)即可推估單日蒸發散量(Morse et al. 2000)。

ET24 = ......................... (13)

ET24：單日蒸發散量(mm day-1)；Λ：蒸發係數；Rn24：單日淨輻射量(W m-2)；G024：單日土壤熱通量(W m-2)；H λ = [2.501 - 0.00236(T0 - 273)]×106：水蒸發

潛熱(J kg-1)。

四、不同土地利用類型蒸發散量之差異分析

為了解不同土地利用類型蒸發散量之差異

性，本研究採用變異數分析來探討蒸發散量是

否會因土地利用型態不同而有所不同。

結果與討論

本研究利用SEBAL模式，配合春、夏、秋、冬四幅不同季節之MODIS影像進行台灣地區蒸發散量推估，並藉以探討不同土地利用類

型，在不同季節蒸發散量之差異情形。

一、日輻射潛能推估

日輻射潛能之推估受到所在地區緯度、日

出時間、日落時間及坡度、坡向等因子影響，

故輸入上述參數並經式(1)、(2)計算後可得單日之日輻射潛能推估影像，計算其平均值以夏季

最高、春季次之、秋季再次之、冬季最低。其

中平地部分之日輻射量值春、夏季約為400~500 W m-2之間，秋季約為300~400 W m-2之間，冬季

約在200~300 W m-2之間；山地部分，北向坡日

輻射量值較低，而南向坡及西南向坡之值較高。


二、地表反照率

本研究利用四季MODIS衛星影像第1~7波段，將反照率路徑輻射值以0.03代入式(3)進行演算，可求得全台之地表反照率。本研究所使

用之春季與冬季影像由於受到雜訊(noise)干擾而有斜紋現象產生，但因原始影像已進行幾何

糾正(geometric correction)處理完畢，故無法將雜訊現象消除之。為減低此一系統誤差之影

響，不同土地利用型之地表反照率計算係將所

得結果結合土地利用圖層資料，避開斜紋區域

後萃取樣點，並計算反照率平均值，其結果列

如Table 2。Table 2之結果顯示，農業地與都市地之地

表反照率較高，可能係因其表面較為平整，不

若森林地複雜之故。而比較Kenlo et al. (2002)所提出森林地(針葉林、落葉林)的反照率範圍(0.10~0.20)、水體的反照率範圍(0.03~0.35)、農業地(稻田、玉米田)的反照率範圍(0.14~0.22)後，本研究所推測之反照率應大致符合現況。

三、常態化差異植生指標

本研究利用四季MODIS衛星影像結合式(4)計算不同季節之NDVI，並將結果列如Table 3，由其結果可知，各土地利用類型以夏季之NDVI

值最高、冬季最低，而森林的NDVI值又較其他土地利用型來得高而穩定。

Chen (1999)利用四期SPOT衛星影像計算南仁山地區常態化差異植生指標顯示，向風坡

與背風坡植生皆以6~9月份生長勢最高。Liu et al. (2004)將台灣植生分為針葉林、闊葉林、草地、防風林等四種類型，比較其NDVI值域，以夏季及秋季最大，冬季最低。而本研究所推

測之季節性NDVI結果與前述研究所得之結果相同，表示利用MODIS影像之第1、2波段，亦能演算有效之NDVI影像。

四、地表溫度

地表溫度為推估蒸發散量所需考慮的重要

因子，本研究利用MODIS衛星第31、32熱波段影像，並結合式(5)~(8)計算地表溫度，其結果示如Fig. 1。

Laymon et al . (1998)利用衛星影像資料演算美國內華達州Goshute Valley地區之地表溫度，其範圍介於17~45℃間，而平均溫度為36℃，此結果與地面實測資料之誤差在2~7℃間；該研究同時指出，造成此誤差之原因除氣

候因素外，衛星拍攝角度亦會影響地表溫度推

估而有誤差產生。本研究所推估之各季地表溫

Table 2. Mean values of surface albedo for different land use types in 4 seasons Land use typeSeason Water Forest Urban Agriculture

spring 0.05 0.16 0.20 0.17summer 0.02 0.12 0.17 0.17autumn 0.03 0.11 0.16 0.15winter 0.01 0.11 0.15 0.15

Table 3. Mean values of NDVI for different land use types in 4 seasons Land use typeSeason Water Forest Urban Agriculture

spring － 0.54 0.29 0.31summer － 0.57 0.29 0.40autumn － 0.55 0.20 0.29winter － 0.54 0.12 0.29

255台灣林業科學 21(2): 249-61, 2006

度換算後約在10~35℃間，而萃取與地面氣象站相同位置之資料，並將該推估值與氣象站實測

溫度比較後，其差距亦在前述範圍內，表示所

推估之結果尚屬合理，惟值得一提的是，若要

比較不同季節之溫度差異狀況，尚需考慮影像

拍攝之時間(日夜溫差現象之影響)，故以多張影像之平均值進行比較應較為恰當。

五、淨輻射量

太陽輻射會影響蒸發散量，而因淨輻射為

潛熱(latent heat)、可感熱(sensible heat)及土壤熱通量之綜合反應，故為推估蒸發散量中必須

求取之重要參數。所謂淨輻射為所有長、短波

長的入射減去反射的結果，本研究利用公式(9)計算後將結果示如Fig. 2，經整理後發現(Table 4)，其值以春、夏季較高，秋、冬季較低。

六、土壤熱通量

一般土壤熱通量之值通常很小 (可被忽略)，但當表土溫度到達最大值時(通常為中午前後)，則不能忽略之，因此在單日蒸發散量的推估中，土壤熱通量是不可忽略的因子之一。

然土壤通量與淨輻射量有密不可分之關係，故

SEBAL模式是利用淨輻射量及NDVI來推導出地面之土壤熱通量，本研究利用式(10)推算全台之土壤熱通量影像後發現(示如Fig. 3)，以春、夏季之值較高，秋、冬季之值較低。

七、大氣可感熱

在計算大氣可感熱的過程中，需取得大氣

密度(ρair)、空氣阻抗熱傳導係數(rah)、摩擦速度(u*)、溫度增量(dT)等相關資料。於本研究中，大氣密度係利用波以爾定律(Boyle’s law)結合高

Fig. 1. Estimated ground temperature images of Taiwan.


程資料求得；而空氣阻抗熱傳導係數與摩擦速

度則可藉由風速資料結合數學模式求解(Prandtl 1932 , Chen 2004)，故本研究以蒲福風級表(Beaufort scale)之「和風」(moderate breeze, 5.5~7.9 m s-1)風速代入(5.5 m s-1)進行解算；至於溫度增量之a、b係數，係將氣象站實測溫度

與影像推估溫度差值、影像推估溫度值以迴歸

分析取得。

八、蒸發係數

蒸發係數是由淨輻射量、土壤熱通量與大

氣可感熱三者求得，此結果可代表該地區蒸發

Fig. 2. Estimated net radiation images of Taiwan.

Table 4. Descriptive statistical values of estimated net radiation images (units: W m-2) SeasonValue Spring Summer Autumn Winter

max. 994.86 990.55 983.60 979.09min. 132.68 151.85 146.32 135.02mean 406.55 574.60 383.58 386.29median 505.20 611.36 361.16 405.39Std. 284.19 162.28 105.93 133.26

257台灣林業科學 21(2): 249-61, 2006

Fig. 3. Estimated soil heat flux images of Taiwan.

散量之多寡。本研究利用式(12)推算全台之蒸發係數影像後(示如Fig. 4)發現，其值以春季較高，且變化量較大。

九、單日蒸發散量

SEBAL模式唯一所需使用之地表參數為風速資料，其餘參數則由衛星與數位地形資料獲

得。由於全台風速資料較難完整取得，且Chen (2002)認為當風速改變量在±80%時，推估蒸發散量之改變量小於±10%，故為影響較低的參數，以一固定值代入計算即可。爰此，本研

究以風速0及5.5 m s -1分別代表零風面與海拔

200 m之風速，經解算大氣可感熱與蒸發係數後(Morse et al. 2000, Chen 2004)，再利用式(13)推算全台單日蒸發散量，其結果如Fig. 5。由Fig. 5可知，森林地之蒸發散量比其它平原地區

高，此結果與Cheng and Hsia (1988)所指出林地的蒸發散量(包括截留雨水的蒸發)通常比其他植生覆蓋或裸露地區高之結果相符合。

為了解MODIS衛星影像結合SEBAL模式所推估之全台蒸發散量是否具有實用性，在考慮

資料同質性後，本研究去除Fig. 5影像中有雲霧影響之地區，結合土地利用圖層粹取水體部份

之推估值，並結合氣象站實測資料進行獨立樣

本t檢定，其結果列如Table 5。Table 5之結果呈差異不顯著，故利用衛星影像推估地面蒸發散

量，雖然不能達到百分百準確，但卻是一種可

接受之方式。

十、不同土地利用類型蒸發散量之差異分析

為進一步探討不同土地利用類型蒸發散量

之差異，本研究先去除所推估蒸發散量影像之


Fig. 4. Estimated evaporation coefficient images of Taiwan.

Fig. 5. Estimated day time evapotranspiration images of Taiwan.

259台灣林業科學 21(2): 249-61, 2006

雲霧作用區域後，結合以2001年SPOT衛星影像

所分類之全台土地利用資料，利用套疊方式粹

取各土地利用類型不同季節影像之像元值，除

計算其平均蒸發散量外(Table 6)，並進行變異

數分析(Tables 7, 8)。由Table 6之結果得知，森

林之蒸發散量為最高，水體次之，而農業用地

之蒸發散量最低，此結果與氣象站資料相同；

而Table 7同一季節中不同土地利用類型蒸發散

量之變異數分析結果顯示，四種土地利用類型

之蒸發散量呈極顯著性差異；Table 8同一土地

利用類型不同季節中蒸發散量之變異數分析結

果亦顯示，同一土地利用類型不同季節之蒸發

散量存在極顯著性差異。上述結果說明影響蒸

發散量變化之原因，除土地利用類型本身因子

之外，季節性變化之外在條件也相當重要。

Table 5. Independent t-test results of weather station data and image estimated dataData source Mean (mm day-1) Std. t-value Sig.weather station data 3.54 1.4405 -0.368 0.713image estimated data 2.69 0.5502

Table 6. Average evapotranspiration values of different land use types in eash seasonLand use type Season Mean (mm day-1) Std. max. min. spring 3.34 1.35 7.75 2.36

Water summer 2.13 0.14 2.37 1.92 autumn 2.79 0.33 4.93 1.36 winter 2.80 0.52 3.34 1.04 spring 6.04 3.18 11.33 0.05

Forest summer 3.63 1.83 8.45 0.01 autumn 4.47 1.54 10.90 1.59 winter 3.05 1.66 6.51 0.00 spring 1.94 0.67 4.12 1.20

Urban summer 1.12 0.79 3.00 0.00 autumn 1.88 0.50 3.06 1.36 winter 1.35 0.28 2.42 0.37 spring 1.42 0.36 2.86 0.88

Agriculture summer 0.36 0.32 1.05 0.00 autumn 1.35 0.28 2.42 0.37 winter 1.33 0.14 1.61 0.84

Table 7. One-way ANOVA results of different land use types in eash seasonSeason SS F-ratio F Prob.spring 3984.499 72.539** 0.000summer 454.543 174.749** 0.000autumn 3222.611 778.793** 0.000winter 1330.947 113.706** 0.000SS, sum of squares.

Table 8. One-way ANOVA results for eash land use type in different seasonsLand use type SS F-ratio F Prob.water 588.105 287.800** 0.000forest 10334.076 150.603** 0.000urban 93.703 50.394** 0.000agriculture 29.212 115.891** 0.000SS, sum of squares.


結論

蒸發散量是影響水文循環的重要因子之

一，但要快速而有效的估算大面積的蒸發散量

並不容易，故近來專家學者雖常運用衛星影像

推估地面蒸發散量，但往往還是需用地面氣象

資料來輔助。本研究利用SEBAL模式進行全台之四種土地利用型蒸發散量推估工作，其結果

證明確實可行，而水體、森林地、都市用地及

農業用地等四類土地利用類型中，以森林地的

蒸發散量最高，水體次之，都市用地再次之，

而農業用地為最末，顯見森林地不但為涵養水

源的主要因子，同時也是最大之水源利用者，

故森林地水文循環模式之探討，將是掌握森林

涵養水源功能的關鍵。

SEBAL模式推估蒸發散量，以晴朗無雲之地區所得估算結果較佳，然以全台灣為試區進

行蒸發散量推估時，想要挑選出一張晴朗無雲

之影像實屬不易，因此未來進行蒸發散量估算

時，若能選擇多幅晴朗無雲之影像結合地面實

測蒸發散量資料來進行，相信對於準確度的提

升會有很好的幫助。

引用文獻

Bastiaanssen WGM, Menenti M, Feddes RA, Holtslag AAM. 1998a. The surface en-ergy balance algorithm for land (SEBAL): Part 1 formulation. J Hydrol 212-3:198-212.Bastiaanssen WGM, Pelgrum H, Wang J, Ma Y, Moreno J, Roerink GJ, Van der Wal T. 1998b. The surface energy balance algorithm for land (SEBAL): Part 2 validation. J Hydrol 212-3:213-29.Benedetti R, Rossini P. 1993. On the use of NDVI profiles as a tool for agricultural statis-tics: the case study of wheat yields estimate and forecast in Emilia-Romagna. Remote Sens Environ 45:311-26.Chen CC. 2002. Applying satellite remote sensing on regional evapotranspiration estima-tion, master’s thesis. Tainan, Taiwan: Graduate

Institute of the Department of Hydraulic and Ocean Engineering, National Cheng Kung University. 105 p.Chen CT. 1999. Studies on the seasonal varia-tion of vegetation greenness of Nanjenshan forest ecosystem. Q J Chin For 32(1):53-66.Chen YY. 2004. The research of developing the retrieval algorithm of sensible heat and latent heat fluxes from remote sensing data set, master’s thesis. Taoyuan, Taiwan: Graduate Institute of Hydrological Sciences, National Central University. p 10-28.Cheng JD, Hsia YJ. 1988. Management and engineering implications of stormflow genera-tion in upstream forested watershed of Taiwan. Taipei, Taiwan: Taiwan Forestry Research In-stitute. Proceedings of Forest Management in Eco-principles Conference, p 231-44.Chiew FHS, Kamaladasa NN, Malano HM, Mcmahon TA. 1995. Penman-Monteith, FAO-24 reference crop evapotranspiration and class-A pan data in Australia. Agric Water Mgmt 28:9-21.François P, Eric V. 2002. Land surface reflec-tance, emissivity and temperature from MO-DIS middle and thermal infrared data. Remote Sens Environ 83:112-34.Jayatilaka CJ, Storm B, Mudgway LB. 1998. Simulation of water flow on irriga-tion bay scale with MIKE-SHE. J Hydrol 208:108-30.Kenlo N, Ramakrishna RN, Steven WR, Joseph MG. 2002. Remote sensing of land surface evaporation (I) theoretical ba-sis for an operational algorithm, Retrieved January 3, 2005, from the World Wide Web: http://www.ntsg.umt.edu/MOD16/SER-ver9-JGR.DOCKite GW, Droogers P. 2000. Comparing evapotranspiration estimates from satellites, hydrological models and field data. J Hydrol 229:3-18.Laymon C, Quattrochi D, Malek E, Hipps L,

261台灣林業科學 21(2): 249-61, 2006

Boettinger J, McCurdy G. 1998. Remotely-sensed regional-scale evapotranspiration of a semi-arid great basin desert and its relationship to geomorphology, soils, and vegetation. Geo-morphology 21:329-49.Liang JY, Geng S. 1998. A simulation study of the estimation on Taiwan’s svapotranspira-tions. Meteorol Bull 42(3):212-29.Liu GR, Liang CK, Kuo TH, Lin TH, Huang S. 2004. Comparison of the NDVI, ARVI and AFRI vegetation index, along with their relations with the AOD using SPOT 4 vegetation data. Terrestrial, Atmospheric and Oceanic Sciences 15(1):1-17.Menenti M, Choudhury BJ. 1993. Parame-terization of land surface evaporation by means of location dependent potential evaporation and surface temperature range. Proceedings of IAHS Conference on Land Surface Processes. Oxfordshire, UK: IAHS Publ. 212:561-8.Morse A, Tasumi T, Richard GA, William JK. 2000. Application of the SEBAL method-ology for estimating consumptive use of water and stream flow depletion in the bear river ba-sin of Idaho through remote sensing. The Ray-theon System’s Company Earth Observation System Data and Information System Project. Mass, USA: the Raytheon Co.Prandtl L. 1932. Meteorologische Anwend-ung der Strömungslehre. Beitr Phys fr Atmos 19:188-202.

Roerink GJ, Su Z, Menenti M. 2000. S-SEBI: A simple remote sensing algorithm to estimate the surface energy balance. Physics Chem Earth 25(2):147-57.Stefano CD, Ferro V. 1997. Estimation of evapotranspiration by Hargreaves formula and remotely sensed data in semi-arid Mediterra-nean areas. J Agric Engin Res 68:189-99.Su Z, Menenti M, Van den Hurk BJJM. 1999. Large area case study with SEBAL: the contribution of the new observing systems, Report USP-2, Winand Staring Centre for Integrated Land, Soil and Water Research. Wa-geningen, Netherlands: Wageningen University and Research Centre. p 63-77.Szilagyi J. 2000. Can a vegetation index de-rived from remote sensing be indicative of areal transpiration? Ecol Model 127:65-79.Van de Griend AA, Owe M. 1993. On the relationship between thermal emissivity and the normalized difference vegetation in-dex for natural surfaces. Int J Remote Sens 14(6):1119-31.Wukelic GE, Gibbons DE, Martucci LM, Foote HP. 1989. Radiometric calibration of Landsat thematic thermal band. Remote Sens Environ 28:339-47.Zhang L, Lemeur R. 1995. Evaluation of daily evapotranspiration estimates from instan-taneous measurements. Agric For Meteorol 74:139-54.

using modis satellite images to estimate evapotranspiration in …...

Documents