姚歡歡，景元書，韓麗娟

(1.南京信息工程大學 氣象災害預報預警與評估協(xié)同創(chuàng)新中心，南京 210044；2.國家氣象中心，北京 100081)

0 引 言

近年來全球變暖、水資源匱乏等環(huán)境問題日益凸顯，地球生態(tài)系統(tǒng)與大氣之間能量、水分以及二氧化碳的輸送和轉(zhuǎn)化過程愈加受到關(guān)注[1]。中國作為水資源緊缺國家之一，水資源供需間的尖銳矛盾已經(jīng)不同程度地影響了農(nóng)業(yè)生產(chǎn)[2]。實行高效用水、節(jié)水灌溉等措施迫在眉睫。因此掌握區(qū)域水熱通量變化規(guī)律，對合理分配水資源、提高水分利用率有重要的參考價值。

地表水熱通量是指顯熱、潛熱的交換過程，作為地表能量平衡的重要組成部分[3]，不僅對區(qū)域的熱量收支產(chǎn)生了深刻影響，還是地區(qū)水循環(huán)的動力機制。目前，地表水熱通量的計算方法主要包括光閃爍通量法[4]、渦度相關(guān)系統(tǒng)法[5,6]、空氣動力學法[7,8]和波文比-能量平衡法[9]。近年來大孔徑閃爍儀(Large Aperture Scintillator,LAS)的出現(xiàn)，有效地解決了非均勻下墊面觀測的有效性問題。LAS不僅在尺度幾米到幾千米的區(qū)域上精度較高，而且操作簡單，可利用性較大，其觀測尺度可與地表通量遙感估算模型或陸面過程模型、水文模型等像元或網(wǎng)格尺度相匹配，因此LAS成為模型驗證的最佳地面通量觀測儀器[10,11]。

基于半經(jīng)驗半理論的Priestley-Taylor模型由于所需參數(shù)較少被廣泛應用于不同地區(qū)不同下墊面狀況，包括農(nóng)田[12,13]、森林[14,15]、沼澤濕地[16,17]等。該模型模擬精度主要取決于系數(shù)α的本地化準確程度。因此，利用大孔徑閃爍儀的實測值，對模型模擬值進行對比驗證，確定研究區(qū)系數(shù)α的適宜值，為該地區(qū)精準灌溉等農(nóng)業(yè)生產(chǎn)措施提供理論基礎，對提高區(qū)域水資源合理利用率也有著深遠意義。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于江西省鷹潭市余江縣劉家站墾殖農(nóng)場三分場(116°55’E，28°15’N)，觀測區(qū)域面積為65.5 hm2，屬于武夷山向鄱陽湖的過渡地帶，是典型的低丘紅壤區(qū)。土地利用類型有旱地、農(nóng)林復合地、林地、水田等，主要種植水稻、花生和柑橘等作物。該區(qū)氣候特征屬中亞熱帶溫暖濕潤季風氣候，雨量充沛、光照充足、四季分明。年平均氣溫17.6 ℃，年平均日照時數(shù)1 769.4 h，無霜期258 d。年均水面蒸發(fā)量1 229.1 mm，年均降水量達1 794.7 mm，夏季高溫少雨，蒸發(fā)量接近全年的 50%，蒸發(fā)量大于降水量常造成伏秋旱。研究區(qū)示意圖見圖1。

圖1 研究區(qū)示意圖Fig.1 Sketch map of the research area

1.2 研究方法

(1)

(2)

(3)

(4)

式中：β為波文比；z為閃爍儀光徑高度；d為零平面位移高度；T*為摩擦溫度；L為莫寧—奧布霍夫長度；u*為摩擦速度；ρ為空氣密度；CP為空氣定壓比熱；u″和w″分別為x坐標與z坐標的脈沖速度分量；fT為穩(wěn)定度普適參數(shù)。

求得感熱通量(H)后，根據(jù)地表能量平衡方程計算潛熱通量(LE)，即：

LE=Rn-H-G

(5)

式中：Rn為凈輻射通量；G為土壤熱通量。

(2)Priestley-Taylor模型。Priestley-Taylor(P-T)模型是Priestley和Taylor在Penman-Monteith模型的基礎上簡化并建立的適用于大尺度濕潤表面的蒸散模型。該模型是在無平流假設條件以及忽略空氣動力學項對估算結(jié)果的影響下得到的，為了修正平流對蒸散的影響，P-T模型引入了在一定程度上反映平流影響的經(jīng)驗系數(shù)α，并根據(jù)海面和濕潤地面的觀測資料得出α=1.26，計算公式如下：

(6)

式中：ET表示估算蒸散發(fā)，mm/d；Δ為飽和水汽壓～氣溫關(guān)系斜率，kPa/℃；λ為水汽化潛熱，MJ/kg；γ為干濕球常數(shù)，kPa/℃；Rn和H的意義同上。

1.3 數(shù)據(jù)處理與計算

(1)數(shù)據(jù)收集及處理。本文選取了研究區(qū)2018年7-10月大孔徑閃爍儀通量觀測、土壤熱通量及常規(guī)氣象觀測數(shù)據(jù)。數(shù)據(jù)篩選和處理過程包括剔除降水時刻、達到飽和、信號強度較弱以及穩(wěn)定狀態(tài)下的弱湍流數(shù)據(jù)，選取大氣穩(wěn)定度普適函數(shù)，計算有效高度等步驟，最終得到1 h的數(shù)據(jù)序列。

(2)實測蒸散發(fā)。利用大孔徑閃爍儀得到的實測潛熱通量值，通過公式(7)轉(zhuǎn)換得到蒸散發(fā)，即：

(7)

式中：ET為實測蒸散發(fā)；LE、λ意義同上。

(3)Priestley-Taylor模型系數(shù)α。P-T模型系數(shù)可以通過潛熱通量、凈輻射通量、土壤熱通量計算得出，公式如下：

(8)

式中：Δ、γ、LE、Rn、G意義同上。

2 結(jié)果與分析

2.1 日尺度水熱通量特征

(1)平均日變化規(guī)律。 將紅壤區(qū)全生育期同時段的凈輻射通量、感熱通量、潛熱通量、土壤熱通量進行平均，得到農(nóng)田水熱通量主要分量的平均日變化規(guī)律，結(jié)果見圖2。凈輻射通量曲線變化呈單峰形，從6∶00開始迅速上升，在12∶00前后達到峰值，在18∶00附近下降至零值，夜晚一般為負值。凈輻射通量作為地表水熱通量的主要來源，直接影響著感熱和潛熱交換。感熱通量和潛熱通量與凈輻射通量變化規(guī)律趨同，但總體數(shù)值有所降低。土壤熱通量數(shù)值白天為正，夜晚為負，說明其通過白天吸收熱量，夜晚釋放熱量來維持地表能量平衡。與凈輻射峰值相比，感熱通量和潛熱通量峰值分別推遲和提前了1 h，土壤熱通量峰值推遲了2 h。

圖2 紅壤區(qū)7-10月水熱通量主要分量平均日變化 Fig.2 Diurnal variation of main components of water and heat flux from July to October in red soil Region注：Rn為凈輻射通量；H為感熱通量；LE為潛熱通量；G為土壤熱通量；下同。

(2)典型天氣條件下日變化規(guī)律。為了研究典型天氣條件下(晴天、陰天)研究區(qū)水熱通量日尺度變化特征，在研究時段7-10月各選擇1個典型晴天和陰天進行分析，選擇的時間分別為7月11日(陰)、7月23日(晴)、8月5日(晴)、8月25日(陰)、9月11日(陰)、9月27日(晴)、10月12日(晴)、10月19日(陰)，見圖3。

圖3 紅壤區(qū)典型天氣條件下水熱通量主要分量日變化Fig.3 Diurnal variation of main components of water and heat flux under typical weather conditions in red soil region

從圖3可以看出，凈輻射通量呈現(xiàn)明顯的晝高夜低規(guī)律，白天為正值，夜晚凈輻射通量在-100～-50 W/m2范圍內(nèi)波動，隨著日出逐漸升高至正值，在正午前后達到峰值，后又隨著日落開始下降。晴天與陰天變化趨勢相似，但變化曲線存在差異。晴天凈輻射通量曲線呈單峰形，曲線較為平滑；而陰天由于受到云層遮蔽的影響，整體數(shù)值低于晴天，且曲線波動較大，多呈多峰形變化。典型晴天條件下，7月23日、8月5日、9月27日、10月12日凈輻射通量的最大值分別為701.90、713.02、603.63、532.53 W/m2，而典型陰天條件下，7月11日、8月25日、9月11日、10月19日凈輻射通量的最大值分別為378.97、234.24、478.95、179.93 W/ m2，總體上，晴天凈輻射通量峰值是陰天的1.26～3.96倍。

不同月份晴天條件下，潛熱通量分別在4.28～546.09、-38.12～631.88、-19.15～410.01、-48.84～355.57 W/m2范圍內(nèi)變化，與晴天相比，陰天潛熱通量變化規(guī)律趨同，但變化幅度明顯降低。陰天夜間潛熱通量高于晴天夜間，這是因為陰天云層的保溫作用促進地表水汽蒸發(fā)，使得蒸發(fā)大于吸收作用，從而使得潛熱通量升高。陰天感熱通量的啟動時間較晴天有所延遲，在8∶00甚至9∶00才開始逐漸升高，在10∶00-14∶00到達峰值。晴天感熱通量也較陰天高，晴天和陰天感熱通量的峰值分別為289.75、93.20 W/m2，這是因為晴天太陽輻射的加熱作用強，地氣間溫度梯度大，促進感熱交換不斷進行。2種天氣條件下土壤熱通量波動范圍均很小，但晴天土壤熱通量、變化幅度明顯高于陰天，這是因為晴天太陽輻射強，白天土壤吸收的熱量多，夜間沒有云層的保溫作用熱量損失也較陰天高。

2.2 月尺度水熱通量特征

選取大孔徑閃爍儀觀測的凈輻射通量及水熱通量數(shù)據(jù)，分析得到低丘紅壤區(qū)水熱通量的月變化。從圖4中可以看出，凈輻射通量與潛熱通量、土壤熱通量變化趨勢相同，隨著月份增加而減少。7月凈輻射通量日積值最大，為13.60 MJ/(m2·d)；10月份凈輻射通量日積值最小，為5.42 MJ/(m2·d)。潛熱交換與降水在研究區(qū)具有較好的一致性。在降水較多的夏季，潛熱通量普遍較高，最大值出現(xiàn)在7月，為12.47 MJ/(m2·d)，該時期正值水稻移栽分蘗期，田間水分充足，作物蒸散發(fā)劇烈，潛熱交換不斷進行；冬季降水較少，潛熱通量也偏低。感熱通量的變化趨勢與前2者有所不同，其最大值出現(xiàn)在10月，為1.35 MJ/(m2·d)，這是因為10月氣溫降低，地氣溫度梯度大，水稻和柑橘處于收獲期，農(nóng)田蒸散明顯減小，感熱交換增強；最小值出現(xiàn)在7月，為0.59 MJ/(m2·d)。土壤熱通量隨著月份由正轉(zhuǎn)負，可能是因為7、8、9月太陽輻射較強，足以支撐地表水熱交換，土壤通過吸收輻射保證地表能量平衡，10月份太陽輻射虧缺，土壤釋放熱量供能量消耗，維持地表能量平衡。從表1中可以看出，研究時段內(nèi)潛熱通量占凈輻射通量的比例均高于89%，而感熱通量所占比例最高僅為24%，土壤熱通量所占比例最高僅為6.4%，即研究區(qū)以潛熱交換為主。

圖4 紅壤區(qū)水熱通量主要分量月變化Fig.4 Monthly variation of main components of water and heat flux in red soil region

表1 7-10月水熱通量和Rn的日積值及比值 MJ/(m2·d)Tab.1 Daily heat value and ratio of water heat flux and Rn from July to October

2.3 水熱通量對氣象因子的響應

從上文可知，潛熱交換是研究區(qū)能量交換的主要形式，所以探究潛熱通量與氣象因子的相關(guān)性基本可以反映水熱通量對氣象因子的響應。

研究區(qū)潛熱通量與各因子的通徑分析結(jié)果見圖5、表2，逐日尺度上潛熱通量影響因子相關(guān)系數(shù)排序關(guān)系為Rn(太陽輻射)>T(空氣溫度)>VPD(水汽壓虧缺)>RH(相對濕度)。Rn對潛熱通量的直接通徑系數(shù)為0.811，遠高于其他氣象因子，說明Rn對潛熱通量的影響主要表現(xiàn)在直接作用上，Rn對潛熱通量的間接作用影響(間接通徑系數(shù)之和P=0.107)只占總貢獻的11.7%，是通過與T以及VPD的交互作用產(chǎn)生影響的。RH和VPD的直接通徑系數(shù)次之，T對潛熱通量的直接作用最小(P=0.043)，主要是通過其他氣象因子間接影響潛熱通量，其中T通過Rn路徑和VPD路徑作用潛熱通量的間接作用系數(shù)，分別占總間接作用系數(shù)的66.2%和34.3%。RH對潛熱交換有抑制作用，主要是通過Rn、T及VPD的互相作用而間接影響潛熱通量。由逐日尺度降為逐時尺度，除了Rn與潛熱通量的相關(guān)系數(shù)有所提高外，其他因子相關(guān)系數(shù)的絕對值都有所下降。Rn是影響潛熱通量最顯著的因子，其次是VPD，主要體現(xiàn)在直接影響上。但由于Rn對其他氣象因子的影響程度減弱，導致其對潛熱通量的間接作用為負?？傮w來說，逐時、逐日尺度上各氣象因子相互影響，對潛熱通量產(chǎn)生直接和間接的綜合性作用。

圖5 潛熱通量與各因子的通徑關(guān)系圖Fig.5 Diagram of the relationship between latent heat flux and various factors

表2 不同時間尺度上氣象因子對潛熱通量的通徑分析Tab.2 Path analysis of meteorological factors on latent heat flux at different time scales

2.4 Priestley-Taylor模型的應用及參數(shù)修正

通過大孔徑閃爍儀獲得的潛熱通量數(shù)據(jù)，計算得到該時期內(nèi)的蒸散ETLAS，利用該數(shù)據(jù)對Priestley-Taylor模型的模擬值ETP-T進行對比驗證，驗證效果見圖6。7、8、9、10月份ETLAS與ETP-T均呈線性關(guān)系。其中，7月模擬蒸散和觀測蒸散線性的斜率為1.16，相關(guān)性R2=0.98，表明Priestley-Taylor模型總體上表現(xiàn)良好，可以用于蒸散的模擬。8月、9月、10月模擬蒸散與觀測蒸散的斜率呈上升趨勢，分別為1.17、1.22、1.30，R2呈下降趨勢，分別為0.97、0.94、0.88。說明不同月份條件下，Priestley-Taylor模擬精度也會受到影響。這是因為溫度、凈輻射、濕度、水汽壓虧缺、降水量等氣象條件的不同可能會引起α系數(shù)的突變，對模擬值產(chǎn)生直接影響。所以為了提高模擬的精確度，需要對α系數(shù)進行一定的修正。

圖6 生育期(7-10月)Priestley-Taylor模型模擬精度Fig.6 Simulation of the Priestley-Taylor model during the growth period (July-October)

通過公式(8)利用實測潛熱通量及相關(guān)參數(shù)，求得Priestley-Taylor模型在7-10月期間的系數(shù)α。由圖7可見，總體上73%的α系數(shù)都在0.9～1.6的范圍內(nèi)波動，大于2.00的較高系數(shù)約占總體的4.7%。各月平均系數(shù)值存在季節(jié)變化，隨著月份先降低后升高，數(shù)值大小順序為7月(1.12)>8月(1.09)>10月(1.06)>9月(0.99)。為了提高P-T模型的模擬精度，α系數(shù)取7-10月生育期的平均值(α=1.07)對蒸散量進行模擬，并且與α取1.26的模擬結(jié)果進行對比。如圖8所示，P-T1.26在整個生育期的蒸散模擬值與實測值擬合直線的斜率為1.176 2，截距為0.008 1，相關(guān)系數(shù)R2為0.954 6，說明雖然P-T1.26模型可以良好地模擬蒸散，但模擬值存在一定的高估；將α系數(shù)調(diào)整為1.07后，雖然R2并沒有明顯的提高，但P-T1.07模擬值與實測值擬合直線的斜率達到0.998 8，說明P-T1.07模型對于研究區(qū)蒸散的模擬值十分可靠。因此可以選取7-10月生長季α系數(shù)均值作為研究區(qū)系數(shù)α的修正值。

圖7 生育期(7-10月)P-T系數(shù)α日變化Fig.7 Diurnal variation of P-T coefficient during the growth period (July-October)

圖8 P-T1.26和P-T1.07 2種模擬精度的比較Fig.8 Comparison of two analog precisions P-T1.26 and P-T1.07

利用P-T1.26和P-T1.07模擬了農(nóng)田研究時段的蒸散，結(jié)果見表3。與實測的ET相比，P-T1.26的模擬值偏高，特別是在峰值時刻較為明顯，蒸散計算偏高了28%。P-T1.07蒸散峰值計算偏高了8.0%，總體上，P-T1.07的模擬值偏低，但P-T1.07與實測值更加接近。 7-10月生育期蒸散隨著月份逐漸降低，最高值出現(xiàn)在7月，8月和9月次之，10月最低，蒸散分別為125.99、116.83、88.73、47.72 mm。7月、8月正值水稻分蘗中后期，空氣溫度較高，太陽輻射較強，促進作物蒸散，而9月、10月水稻處于收獲期，與7月、8月相比，空氣溫度降低，太陽輻射減弱，因此處于低蒸散期。對于整個生育期而言，蒸散實測總值為379.27 mm，P-T1.26和P-T1.07模型估算值分別為431.50、366.43 mm，P-T1.26整體蒸散計算偏高了13.8%，均方根誤差為0.083，平均絕對誤差為0.06；P-T1.07模型各時期估算值相互彌補，總體上蒸散計算偏低了3.39%，均方根誤差為0.055，說明估算值與實測值之間的偏離程度較小，平均絕對誤差為0.038，可以反映估算值與實測值之間誤差較小。從表3中可以看出修正后的系數(shù)α=1.07模型模式效率較前者更接近1，均方根誤差和平均絕對誤差數(shù)值減小。因此，P-T1.07能較好地模擬低丘紅壤區(qū)復雜下墊面ET的日變化。

表3 P-T1.26及P-T1.07模型模擬蒸散精度比較Tab.3 Comparison of simulated evapotranspiration accuracy of P-T1.26 and P-T1.07 models

3 討 論

典型天氣條件下及月尺度條件下，潛熱通量的變化趨勢均和凈輻射通量變化規(guī)律保持高度的一致性。原因是凈輻射通量為植物蒸騰及土壤蒸發(fā)提供汽化潛熱能量，是地氣交換的主要驅(qū)動因子。研究發(fā)現(xiàn)潛熱交換是研究區(qū)能量耗散的主要形式，且潛熱通量所占比例達88%以上，這是因為研究區(qū)下墊面為典型南方低丘紅壤，7、8月多雨，氣候濕潤，有利于蒸散發(fā)。前人對于興安落葉松林[18]、小尺度農(nóng)田[19]、科爾沁沙地[20]的研究結(jié)果也表明生長季以潛熱交換為主。但前人對戈壁[21,22]、裸地[23]、荒漠[24]等較為干旱下墊面的研究發(fā)現(xiàn)潛熱通量遠小于感熱通量，這是因為下墊面無植被覆蓋、氣候干旱更有利于感熱交換。更有前人研究發(fā)現(xiàn)，濕地生態(tài)系統(tǒng)[25,26]的能量分配更為復雜多變，由于高溫、強光、低濕等環(huán)境特點，使得生長季只有部分月份白天潛熱通量占主導。因此，不同下墊面條件下能量分配比例也會有所差異。

各氣象因子及因子間的相互作用對潛熱通量影響顯著。通徑分析結(jié)果表明，逐日尺度及逐時尺度，Rn和VPD對潛熱通量的影響主要表現(xiàn)在直接作用上，其他氣象因子主要通過間接作用影響潛熱通量。這與前人對冬小麥[27]潛熱通量影響因子的通徑分析結(jié)果保持一致。前人對小尺度輪作稻田[28]潛熱通量與各相關(guān)因子的研究發(fā)現(xiàn)，VPD對每10 min潛熱通量的影響以間接作用為主，與本文研究結(jié)果有些偏差。Rn對潛熱通量的影響處于主導地位，這與前人對崇陵流域人工林[29]潛熱通量與環(huán)境影響因子的通徑分析和分段回歸的結(jié)果一致，潛熱通量隨Rn升高而升高，尚無抑制情況發(fā)生。這是因為隨著太陽輻射的增強，T和VPD隨之升高，葉溫升高，增大葉片內(nèi)外水汽壓差，誘導氣孔開放，促進蒸騰，潛熱交換增強，且其他因子通過Rn路徑對潛熱通量的間接作用也不容忽視。

Priestley-Taylor模型修正及其區(qū)域適應性規(guī)律的研究已成為全球熱點問題，由于系數(shù)α受不同下墊面狀況、氣象因子等外界因子影響，所以P-T模型對于不同區(qū)域、不同氣候條件具有很大的局限性，精確確定在指定研究區(qū)的系數(shù)α是模擬蒸散的關(guān)鍵。本文基于α的推薦值1.26對研究區(qū)蒸散進行模擬，研究結(jié)果與前人[12,30,31]在多個研究區(qū)模擬結(jié)果一致，模擬值偏高?；谛拚蟮哪Ｐ蚉-T1.07，蒸散計算偏低了3.39%，RMSE、MAE較調(diào)整前有所降低，ME有所提高，說明修正后模型精度明顯提高，α=1.07可以作為本研究區(qū)P-T模型參數(shù)的修正值。前人利用渦度相關(guān)技術(shù)[32]觀測的沼澤濕地蒸散發(fā)，對P-T模型的日蒸散模擬值進行驗證，確定了當α=1.03時，模型模擬狀況最佳。研究發(fā)現(xiàn)，P-T模型系數(shù)推薦值α也會造成低估。前人在西安地區(qū)[33]及內(nèi)蒙古地區(qū)[34]的蒸散發(fā)研究中，將系數(shù)α分別修正為1.32和1.3。因此，進一步確定系數(shù)α與模型模擬值以及相關(guān)因子的關(guān)系，對于P-T模型在不同地區(qū)的適用性規(guī)律有重要意義。

4 結(jié) 論

典型天氣條件下，水熱通量逐日變化曲線平滑，多呈單峰趨勢，陰天條件下由于云層遮擋，波動性較大，曲線較為復雜。凈輻射通量、潛熱通量及土壤熱通量隨著月份遞減，感熱通量則相反。研究時段凈輻射通量和潛熱通量平均日積值分別為9.82和9.18 MJ/(m2·d)，潛熱通量占研究區(qū)能量分配的主要部分。低丘紅壤區(qū)潛熱通量對各氣象因子的響應程度有明顯差異。Rn是影響潛熱通量的主要因子，逐日尺度上，Rn對潛熱通量的總貢獻系數(shù)高達0.918，其他因子影響的大小順序為T(0.732)>VPD(0.581)>RH(-0.159)，在一定范圍內(nèi)，隨著Rn、T及VPD的增大，潛熱交換增強，RH與潛熱通量呈負相關(guān)，各因子相互作用、制約，共同影響潛熱通量。據(jù)統(tǒng)計，生育期蒸散實測總值為379.27 mm，不同月份蒸散值有所差異，7月蒸散最高，為125.99 mm，約占蒸散總值的33.2%。經(jīng)過系數(shù)修正的P-T1.07模型估算蒸散為366.43 mm，較實測蒸散計算低估了3.39%。因此，采用系數(shù)α=1.07的P-T模型可以較好地模擬研究區(qū)的實際蒸散。