陳厚兵，陳耀亮，宋清海，Montri Sanwangsri，Nuttapon Khongdee，張 晶

2001—2020年瀾湄流域熱帶地區(qū)土地覆被變化對蒸散發(fā)的影響

陳厚兵1,2，陳耀亮1,2※，宋清海1，Montri Sanwangsri3,4，Nuttapon Khongdee3，張 晶1

（1. 中國科學院西雙版納熱帶植物園熱帶森林生態(tài)學國家重點實驗室，勐臘 666303；2. 福建師范大學福建省亞熱帶資源與環(huán)境重點實驗室，福州 350117；3. Department of Highland Agriculture and Natural Resources, Faculty of Agriculture, Chiang Mai University, Chiang Mai, Thailand 50200；4. Agriculture and Forestry Climate Change Research Center (AFCC), Faculty of Agriculture, Chiang Mai University, Chiang Mai, Thailand 50200）

準確量化土地覆被變化對蒸散發(fā)的影響是深刻理解全球變化背景下的水資源響應機理的重要前提。該研究基于土地覆被產品MCD12Q1、蒸散發(fā)產品MOD16及渦動相關等數據，通過構建剔除氣候變化的動態(tài)分析方法，量化了2001—2020年間瀾湄流域熱帶地區(qū)土地覆被變化對蒸散發(fā)耗水量的動態(tài)影響。結果表明：1）MCD12Q1與MOD16在該流域的精度較高，其中MCD12Q1的總體精度為82.3%，MOD16在8 d以及月尺度上的RMSE僅略大于1 mm/d；2）2001—2020年研究區(qū)植被整體退化明顯，其中森林轉變?yōu)楣嗄竞凸嗄巨D變?yōu)檗r田約占流域變化面積的61.2%；3）2001—2020年期間主要土地覆被變化導致區(qū)域蒸散發(fā)耗水量減少約278.87億m3，主要土地覆被變化區(qū)氣候差異導致蒸散發(fā)耗水量增加190.96 億m3?？傮w上，瀾湄流熱帶地區(qū)植被整體呈現出退化的趨勢，主要表現為森林轉變?yōu)楣嗄竞凸嗄巨D變?yōu)檗r田。該地區(qū)土地覆被變化區(qū)域也使得其近20年內蒸散發(fā)耗水量減少，改變了土地覆被變化區(qū)域水資源循環(huán)過程。以上研究結果可為瀾湄流域熱帶地區(qū)水資源安全提供有效監(jiān)測，對地區(qū)土水資源合理配置提供重要的科學參考依據。

土地利用；蒸散發(fā)；瀾湄流域；水資源

0 引 言

蒸散發(fā)（Evapotranspiration，ET）是實現陸-氣間水汽交換的重要途徑，在全球水循環(huán)和能量循環(huán)中具有不可忽視的影響。然而，蒸散發(fā)也是各水文要素估算中不確定性最大的成分之一，其不僅會受到氣溫、降水、風速等氣候因素的影響，而且對土地覆被的變化也極具敏感性[1-4]。在全球土地覆被變化（Land Use Change，LUC）加劇背景下，蒸散發(fā)量變化的不確定性也在隨之逐步增加，這給水資源的精確估算帶來了巨大挑戰(zhàn)[5-6]。因此，準確量化土地覆被變化對蒸散發(fā)量變化的影響對于探究全球變化背景下的水文循環(huán)響應機理和精準估算流域水資源具有重要的科學意義。

探究土地覆被變化對蒸散發(fā)的影響可以分為基于研究期端點土地覆被和蒸散發(fā)量變化的靜態(tài)分析方法（簡稱“靜態(tài)分析方法”，下同）和基于動態(tài)土地覆被和蒸散發(fā)量變化的分析方法（簡稱“動態(tài)分析方法”，下同）。靜態(tài)分析方法可以直接對比研究期端點年份土地覆被和蒸散發(fā)的變化以得到研究期蒸散發(fā)的變化，但忽視了土地覆被動態(tài)變化造成的影響[7-8]。動態(tài)分析方法又分為基于動態(tài)情景的模型模擬變化的方法和基于產品動態(tài)分析的方法。前者基于本地參數化模型模擬相同氣候狀態(tài)下不同土地覆被的蒸散發(fā)情景以探究動態(tài)土地覆被變化對蒸散發(fā)的影響[6,9]，后者則通過剔除氣候變化對蒸散發(fā)的影響以評估動態(tài)土地覆被變化對蒸散發(fā)的影響。

過去二十多年來強烈的人類活動使得熱帶地區(qū)的森林面積急劇減少且農田面積迅速擴張，植被格局發(fā)生了劇烈變化，這也加速了區(qū)域生態(tài)-水文環(huán)境的變化。目前已有大量研究聚焦熱帶地區(qū)的土地覆被變化[10]、徑流變化[11]、地表水資源變化及調控[12]，以及各覆被類型的生態(tài)水文效應[8]等方面，但是少有研究聚焦在熱帶地區(qū)土地覆被變化的蒸散發(fā)耗水量影響方面[13]。本研究聚焦的瀾滄江-湄公河流域熱帶地區(qū)近年來土地覆被類型發(fā)生了巨大的變化，植被退化現象明顯，這使得區(qū)域蒸散發(fā)過程發(fā)生相應改變，給該區(qū)域的水資源可持續(xù)利用帶來了一定的不確定性。本文通過動態(tài)分析方法量化了瀾湄流域土地覆被變化對蒸散發(fā)耗水量的影響，以期深化全球變化背景下對瀾湄流域熱帶地區(qū)水循環(huán)過程的認識。

1 研究區(qū)概況與數據來源

1.1 研究區(qū)概況

瀾湄流域位于中南半島地區(qū)，流域主干河流為瀾滄江-湄公河，長度為4 880 km，為亞洲重要的跨境河流。其熱帶地區(qū)（圖1）涵蓋中國西雙版納和緬甸、老撾、越南、泰國以及柬埔寨的部分區(qū)域。本研究根據地形特性以及植被分布等特征，將該區(qū)域分成瀾滄江下游、北部高地、呵叻高原、安南山脈、洞里薩湖盆地以及湄公河三角洲6個不同的地形區(qū)（圖1）。在植被類型上，該區(qū)域上游以常綠闊葉林和稀樹草原（灌木）為主，下游以農田和稀樹草原（灌木）為主。研究區(qū)受到太平洋以及印度洋季風的影響，常年降水充足，但具有明顯的干濕季，氣溫炎熱。

圖1 瀾湄流域熱帶地區(qū)渦動相關站點及土地覆被類型分布

1.2 研究數據

1.2.1 土地覆被數據

本研究采用美國國家宇航局開發(fā)的土地覆被產品MODIS Land Cover（MCD12Q1），該產品的空間分辨率為500 m，實現了全球覆蓋，且逐年更新[14]。MCD12Q1該產品包含了8個分類標準，本研究采用的IGBP（InternationaI Geosphere Biosphere Programme）分類使用最為廣泛，該分類體系共有17個不同的土地覆被類型。

1.2.2 遙感蒸散發(fā)數據

本研究采用的蒸散發(fā)產品為MOD16，其空間分辨率為500 m。MOD16采用基于Penman-Monteith（PM）模型改進的實際蒸散發(fā)算法，該算法相比前一版本的算法（2008 年），改進了植被覆蓋度、阻抗等指標的計算，增加了土壤熱通量的計算，并且將土壤的表面分成飽和濕潤表面以及潮濕表面進行分析[15-16]。但MOD16僅覆蓋植被生長區(qū)域，缺少水體以及城市等區(qū)域的蒸散發(fā)。PML-V2中有水體蒸散這一模塊，能分別計算土壤蒸發(fā)、植被蒸騰以及冠層截留蒸發(fā)，且耦合了水-碳交換過程，生態(tài)過程機理完善[17]。因此本文使用PML-V2對MOD16產品中的水體和城市等蒸散發(fā)空值區(qū)域進行補充。

1.2.3 渦度相關數據

本研究使用10個站點的渦動相關數據對MOD16產品的蒸散發(fā)進行評估。由于流域范圍內僅有3個通量觀測站點觀測數據可以獲取，因此本文增加了一些在該流域附近氣候相似、植被類型相同的站點通量數據（如表 1）。此外，FluxPro的4個站點數據來自文獻資料[18-19]，時間尺度為月，其數據均經過質量控制。為統(tǒng)一渦動相關數據與蒸散發(fā)產品的時間尺度，本研究將計算得到的蒸散發(fā)量時間尺度上升至8 d以及月。在進行時間升尺度時，僅考慮白天的蒸散發(fā)（下行短波輻射大于10 W/m2）。針對能量不閉合的站點，本研究使用波文比校正法以實現能量平衡矯正[20]。由于土壤熱通量在 8 d和月尺度上的變化量可以忽略不計[17,21]，本研究在能量平衡校正過程中不考慮土壤熱通量。

表1 本研究使用的各通量站點信息

2 研究方法

2.1 土地覆被產品修正與評價

為實現土地覆被類型變化在時間序列上的合理性，本研究對土地覆被產品進行了以下合理的修正：1）土地覆被類型發(fā)生變化之后至少維持4 a，若少于4 a則調整為變化之前的類型；2）土地覆被類型變成水域以及建成區(qū)之后不會再變?yōu)橹脖唬?）假設2001年之前和2020年之后的土地覆被類型不發(fā)生變化；4）根據Google Earth高空間分辨率影像分析發(fā)現MCD12Q1中研究區(qū)赤道氣候帶的大部分草地都是種植在農田中的幼小經濟林，并非真實草地，因此將其修正為農田。其他少量草地主要分布在瀾湄流域的溫帶地區(qū)中，均在瀾滄江下游區(qū)域內。為減少MCD12Q1中因類型多而錯分和漏分所產生的影響，在對土地覆被產品進行修正的基礎上，將該流域的14個土地覆被類型合并成8個土地覆被類型。將常綠闊葉林、落葉闊葉林和混交林合并為森林，合并之后森林面積為30.65%；將郁閉灌木、開放灌木、喬本稀樹草原（含未成熟人工林）和稀樹草原合并為灌木，合并之后灌木面積為25.58%；將農田與農田/自然植被合并為農田，合并之后農田面積為40.33%；草地、濕地、建成區(qū)、裸土和水體則保持不變。此外，為了進一步評估合并后土地覆被產品的精度評價，采用先分層后隨機抽樣的方式選取了共2 198個樣本點，通過Google Earth的歷史影像進行目視解譯進行驗證（圖1）。

2.2 蒸散發(fā)產品精度評價

使用皮爾遜相關系數（Pearson correlation coefficient，）、均方根誤差（Root Mean Square Error，RMSE）、平均絕對偏差（Mean Absolute Error，MAE）以及平均相對百分比偏差（Mean Residual Percentage Error，MRPE）進行蒸散發(fā)產品的精度評價分析[13]，其中MOD16為與渦動相關站點最近的4個500 m×500 m像元的平均蒸散發(fā)。將各產品進行對比分析時，為降低不同植被類型驗證數據數量的不一致對驗證結果的影響，本文以最少數據的灌木類型為基準，所有類型在8 d尺度上均隨機選擇122個樣本，月尺度上均隨機選擇31個樣本進行評估。

2.3 土地覆被變化對蒸散發(fā)影響分析

本研究采用基于產品的動態(tài)分析方法定量土地覆被變化對蒸散發(fā)的影響。由于動態(tài)的變化還包含氣候變化的影響，因此土地覆被變化導致的平均蒸散發(fā)差異ETLUC可以表示為

式中ETTC為土地覆被類型發(fā)生變化之后的平均蒸散發(fā)變化量；ETCC為氣候變化導致的平均蒸散發(fā)差異。

在研究區(qū)上對研究期所有像元進行分析時，假設：研究期為年（∈Z*）、像元在第年（∈Z*,<）發(fā)生類型變化，此時土地覆被類型由變?yōu)?，則土地覆被類型變化后蒸散發(fā)平均變化量（ET,TC）為

式中ET,t()為像元在第年的蒸散發(fā)（∈Z*,<，此時土地覆被類型為），ET,s-1()為像元在第-1 年的蒸散發(fā)（此時土地覆被類型為）。

為剔除氣候差異對蒸散發(fā)的影響，假設10 km范圍內氣候較為穩(wěn)定，通過尋找該范圍內土地覆被類型從變化年份前一年均為類型的區(qū)域，即參考像元（設為'），參考像元總量為（≥20），假設參考像元為，則氣候差異導致的蒸散發(fā)變化總量（ET,CC）為

式中ET,t(')為參考像元第年的蒸散發(fā)（土地覆被類型為'），ET,s-1(')為參考像元第-1年的蒸散發(fā)。

則區(qū)域像元由土地覆被變化導致的平均蒸散發(fā)（ET,LUC）為

則氣候差異和土地覆被變化對蒸散發(fā)的總影響ETCC和ETLUC分別為

（5）

式中為全流域（或地形區(qū)）中發(fā)生變化類型的像元總數。

3 結果與分析

3.1 土地覆被與蒸散發(fā)產品精度評價結果分析

3.1.1 土地覆被產品精度分析

MCD12Q1的分類總體精度為82.3%，Kappa系數為0.75。研究區(qū)內主要植被如森林、灌木以及農田的用戶精度均在69%以上，且森林的用戶精度達到了90.5%。原始MCD12Q1產品中的草地和農田在進行地類修正之后，農田的用戶精度從73.7%提升到89.4%。如圖2所示，農田與灌木之間有較為嚴重的錯分現象，這主要是因為研究區(qū)內的耕地中橡膠、油棕等人工林幼林較多。建成區(qū)、草地和裸土在該區(qū)域的分類精度較低，主要是因為這幾種植被類型在該地區(qū)的面積占比較少，樣本量較少，因此精度存在一定不確定性。但本研究的主要變化區(qū)域為植被覆蓋區(qū)域，并且這類面積占比很低，因此其分類精度對結果的影響不大。

圖2 修正后MCD12Q1用戶精度驗證混淆矩陣

3.1.2 蒸散發(fā)產品精度分析

總體上，MOD16在8 d以及月尺度上的RMSE均僅略大于1 mm/d（圖3），與其在全球尺度上的精度相近[17]。MOD16在8 d尺度以及月尺度上的精度有明顯差異。一方面，在8 d尺度上，其MRPE大于0，MOD16存在一定的高估。另一方面，時間尺度從8 d上升至月后，上升0.05，MAE與MRPE分別下降0.008 mm/d和0.04 %/d，這表明時間尺度的上升可以提升蒸散發(fā)產品的精度。從不同植被類型上看，MOD16在常綠闊葉林和落葉闊葉林上均存在一定的高估，其在8 d的MRPE分別為10.0%和12.9%，在月尺度上的MRPE分別為4.6%和8.8%。MOD16在農田、灌木以及混合植被上存在一定的低估，其在月尺度上的MRPE分別為-18.3%、-24.8%和-29.4%。雖然MOD16在不同植被類型上存在不同程度的偏差，但在月尺度上森林、灌木和農田這3種研究區(qū)最主要的植被類型的MAE均低于1 mm/d，表明該產品可用于研究區(qū)的蒸散發(fā)量變化分析。

注：r為相關系數；RMSE為均方根誤差；MAE為平均絕對偏差；MRPE為平均相對百分比偏差；n為樣本數。

3.2 瀾湄流域熱帶地區(qū)20年土地覆被變化分析

瀾湄流域熱帶地區(qū)在2001—2020年間約有16.6萬km2的土地覆被類型發(fā)生了轉變，占全流域面積的24.7%。最主要的變化類型如圖4所示，總面積約為14.3萬km2，占流域變化總面積的86.3%。在6個地形區(qū)中，湄公河三角洲區(qū)域在2001—2020年土地覆被面積變化最小，為0.38萬km2，洞里薩湖盆地區(qū)域的變化面積最大，為4.23 萬km2。森林轉變?yōu)楣嗄疽约肮嗄巨D變?yōu)檗r田這兩種變化類型在研究區(qū)中分布最廣，占流域變化面積的61.2%，尤其是在北部高地、安南山脈、洞里薩湖盆地以及湄公河三角洲區(qū)域，這表明這些區(qū)域的植被整體呈現出退化趨勢（圖4）。在瀾滄江下游區(qū)域主要變化類型為灌木變森林和森林變灌木，但前者會比后者多0.1萬km2。這主要是由該地區(qū)在本世紀初大量種植的橡膠林幼苗（MCD12Q1中視為灌木）的成熟與森林退化所導致。在北部高地和安南山脈區(qū)域，最主要的變化類型均為森林轉變?yōu)楣嗄?，占主要變化類型總面積的比例分別為52.2%和48.1%，由植被自然退化以及森林砍伐后人工種植橡膠林幼苗等現象所致。呵叻高原北部的人工林（油棕、橡膠等）面積不斷增加，且將大量幼小人工林種植在農田中，這導致呵叻高原變化區(qū)域中約有40.1%的區(qū)域由農田變成灌木。在洞里薩湖盆地區(qū)域，植被退化明顯，尤其是在洪泛區(qū)域，已研究表明東南亞地區(qū)洪泛區(qū)森林砍伐面積（31%）要多于北部高地區(qū)域約13%[24]。森林轉變?yōu)楣嗄驹俎D變?yōu)樯峙c灌木轉變?yōu)樯衷俎D變?yōu)楣嗄具@兩種變化類型主要是因為該流域常年種植橡膠以及油棕等人工林，當人工林在研究期內被砍伐，并再次種植幼苗時，其幼苗的光譜特征與灌木相近，因此被識別為灌木。少數地區(qū)存在農田轉變?yōu)楣嗄驹俎D變?yōu)檗r田這一變化類型主要是因為該類地區(qū)存在將人工林種植在農田中的這一情況。發(fā)生森林轉變?yōu)楣嗄驹俎D變?yōu)檗r田這一現象則是由于植被自然退化之后，開墾為農田而被利用。

注：“→”表示土地覆被類型的轉變，下同。

3.3 瀾湄流域蒸散發(fā)及其耗水的空間格局分析

全流域多年平均蒸散發(fā)在1 000 mm左右（圖5），以山地為主的區(qū)域多年平均蒸散發(fā)較高，可達1 200 mm，但在以農田為主的呵叻高原（泰國東部）等地區(qū)年平均蒸散量較低，約為700 mm。

圖5 瀾湄流域熱帶地區(qū)2001—2020年平均蒸散發(fā)及蒸散發(fā)量變化趨勢空間分布

通過Theil-Sen回歸來分析發(fā)現流域2001—2020年蒸散發(fā)正在以5 mm/a的速度緩慢增加（圖5）。然而年蒸散發(fā)的變化趨勢具有明顯的空間異質性：研究區(qū)大部分地區(qū)年蒸散發(fā)呈現增長的趨勢，而豆蔻山脈、洞里薩湖平原東側以及波羅芬高原等地的年蒸散發(fā)則呈現著總體緩慢下降的趨勢。瀾湄流域熱帶地區(qū)近20年蒸散發(fā)量總體呈現緩慢上升的趨勢，其中瀾滄江下游和呵叻高原的增長趨勢最為明顯，均在10 mm/a以上，而洞里薩湖盆地的年均蒸散發(fā)量增長僅為0.62 mm/a，其增長速率明顯低于研究區(qū)其他區(qū)域。從瀾湄流域熱帶地區(qū)近20年不同植被覆蓋區(qū)域的蒸散發(fā)來看，森林的年均蒸散發(fā)（1 254.49 mm）最高，農田的年均蒸散發(fā)最低（811.23 mm），灌木的年均蒸散發(fā)（1 103.56 mm）處于兩者之間。水體和濕地的年均蒸散發(fā)差異較大，而森林的年均蒸散發(fā)差異較小。各地形區(qū)中，水體和濕地廣泛分布的湄公河三角洲的平均蒸散發(fā)最高，呵叻高原的年均蒸散發(fā)最低。

3.4 典型土地覆被類型變化的蒸散發(fā)差異

總體上，瀾湄流域熱帶地區(qū)的土地覆被變化會導致每年蒸散發(fā)減少133.48 mm，氣候差異會導致每年蒸散發(fā)增加101.25 mm。由于各地形區(qū)中主要植被變化類型為森林轉變?yōu)楣嗄疽约肮嗄巨D變?yōu)檗r田，使得大部分區(qū)域中土地覆被變化導致的蒸散發(fā)降低（表2）。其中在洞里薩湖盆地由森林轉變?yōu)楣嗄驹俎D變?yōu)檗r田的蒸散發(fā)降低最多，為186.79 mm/a。與土地覆被變化導致研究區(qū)每年蒸散發(fā)減少不同，氣候差異使得研究區(qū)年蒸散發(fā)增加。瀾滄江下游、北部高地和呵叻高原的氣候差異使得主要植被變化類型蒸散發(fā)分別增加9.99、2.39和5.31 mm/a（表 2）。但值得注意的是，并非每個地形區(qū)的氣候差異都導致蒸散發(fā)增加。例如，北部高地、安南山脈和洞里薩湖盆地的氣候影響在不同土地覆被變化類型區(qū)存在較大差異。總體上，與土地覆被變化導致的蒸散發(fā)相比，氣候差異對蒸散發(fā)的影響較小，平均變化量在50 mm/a以內。由于本研究的“動態(tài)分析方法”使用不同年份蒸散發(fā)進行比較，受各年份氣候差異以及植被生長狀況的影響，同種植被類型在不同年份的蒸散發(fā)差異較大，因此土地覆被類型變化導致的蒸散發(fā)變化波動較大（表2、表3）。

表2 瀾湄流域熱帶地區(qū)不同土地覆被變化類型以及氣候差異對蒸散發(fā)的影響

表3 瀾湄流域熱帶地區(qū)不同變化類型靜態(tài)/動態(tài)變化分析對蒸散發(fā)的影響

基于動態(tài)分析方法與靜態(tài)分析方法下的蒸散發(fā)量變化趨勢并沒有方向性的差異，但是蒸散發(fā)量變化量級會明顯縮小。在動態(tài)分析方法下，研究區(qū)主要植被類型變化使得年平均蒸散發(fā)量減少約39.55 mm，低于靜態(tài)分析方法下的年平均蒸散發(fā)量變化量（142.68 mm）（表3）。此外，由森林轉變?yōu)楣嗄疽约肮嗄巨D變?yōu)檗r田這兩種變化類型會使得區(qū)域蒸散發(fā)分別減少（34.06±124.63）和（117.99±151.98）mm，且兩種類型的連續(xù)變化會使得蒸散發(fā)量變化更為劇烈，如由森林轉變?yōu)楣嗄驹俎D變?yōu)檗r田會使得蒸散發(fā)量減少（158.38±150.89）mm，要明顯多于前兩者的蒸散發(fā)量變化總和。

從蒸散發(fā)耗水量角度看，土地覆被變化使研究區(qū)近20年的蒸散發(fā)耗水量減少約278.87 億m3，氣候差異使得耗水量增加約190.96億m3。在瀾滄江下游，北部高地，安南山脈以及湄公河三角洲地區(qū)中，土地覆被變化使得蒸散發(fā)耗水量減少，而氣候差異使得蒸散發(fā)耗水量增加。在洞里薩湖盆地區(qū)域，近20年氣候差異使得該區(qū)域的蒸散發(fā)耗水量減少約43.82 億m3，這可能與該區(qū)域近年干旱事件頻發(fā)密切相關。從不同土地變化類型看，森林轉變?yōu)楣嗄疽约吧洲D變?yōu)楣嗄驹俎D變?yōu)檗r田對研究區(qū)耗水量貢獻度較大，其占比分別達到48.01%和41.69%（表 4）。在呵叻高原，其土地覆被變化會導致蒸散發(fā)耗水量的增加，這是由大面積的農田轉變?yōu)楣嗄疽约肮嗄巨D變?yōu)樯炙?。值得注意的是，洞里薩湖盆地區(qū)域的蒸散發(fā)耗水量減少163.06億m3，占全研究區(qū)蒸散發(fā)減少量的58.47%，這主要是森林轉變?yōu)楣嗄驹俎D變?yōu)檗r田、森林轉變?yōu)楣嗄?、灌木轉變?yōu)檗r田三種變化類型所致。

表4 不同區(qū)域各主要土地覆被變化類型導致的耗水量變化

4 討 論

4.1 產品不確定性分析

4.1.1 土地覆被產品導致的不確定性

在缺少真實地類樣本時，基于遙感影像數據對土地覆被產品進行精度評價是進行驗證的有效方式之一，但使用該方法有一定的不確定性[25]。一方面，MCD12Q1空間分辨率低，各像元內的植被類型僅能以主要植被確定。在東南亞地區(qū)，灌木與農田的植被組成較為復雜，灌木中包含稀樹草原、郁閉灌木、開放灌木和未成熟人工林等多種植被類型，農田中不僅有各種水稻等農作物，還有橡膠和油棕等人工林。另一方面，受云層分布和氣候等因素影響，產品每年的偏差不完全一致，這給產品的精度帶來一定的不確定性。

為量化分類誤差導致的土地覆被變化的不確定性，本文采用Cochran提出的不確定性分析方法[26]，通過精度驗證數據得到不同置信水平下的各地類的偏差程度對各個土地覆被類型在95%置信水平下的不確定性進行求和，得到最大不確定性比例以及由土地覆被產品不確定性導致的蒸散發(fā)耗水量變化不確定性[27]（表5）。結果發(fā)現僅考慮土地覆被變化對耗水量不確定性影響時，各主要變化類型所導致的耗水量最大標準差不確定性均在15%以內，因此在置信度為95%內認為流域由土地覆被變化導致的耗水量偏差不會超過73.32億m3。從變化次數上看，多年內發(fā)生兩次變化導致的不確定性明顯會多于一次，這說明變化次數的增加會增加土地覆被變化分析的不確定性，導致耗水量不確定性變大。在各地形區(qū)中，洞里薩湖盆地的耗水量不確定性最大，為36.44億m3，為全流域耗水量不確定性的50%。在主要植被變化類型中，灌木轉變?yōu)樯衷俎D變?yōu)楣嗄九c森林轉變?yōu)楣嗄驹俎D變?yōu)樯值淖畲蟛淮_定性比例高于其他變化類型，均為14.6%，其對研究區(qū)總體耗水量不確定性貢獻并不高。而森林轉變?yōu)楣嗄驹俎D變?yōu)檗r田面積雖然占比并不高，但是其蒸散發(fā)量變化較大，其導致的耗水量不確定性達到31.1億m3，占總體不確定性的42%。

表5 不同區(qū)域土地覆被變化導致的耗水量變化不確定性

4.1.2 蒸散發(fā)產品導致的不確定性

盡管MOD16在全球范圍內被廣泛應用，但不可忽略該產品的算法缺陷而帶來的不確定性：1）MOD16沒有考慮二氧化碳濃度以及碳水耦合過程，而缺失碳水耦合過程可能割裂植被蒸騰作用與光合作用的關系。當植被受到環(huán)境壓力（例如干旱、高溫等）時，植被蒸騰作用與光合作用過程會通過葉片氣孔相互約束[17]；2）MOD16在計算氣孔導度時是通過氣溫和大氣壓的經驗方程對其進行約束，而經驗方程在不同地區(qū)的適用性存在差異[28]。相比其他全球蒸散發(fā)產品，本文使用的MOD16具有以下三點明顯的優(yōu)勢：1）MOD16在模型構建時，依據不同植被功能類型選擇相應的葉片氣孔、水汽壓差等影響因子的生物群落特征值閾值，因此可以量化不同植被功能類型的蒸散發(fā)差異；2）MOD16計算蒸散發(fā)時采用了與MCD12Q1相一致的植被功能類型蒸散發(fā)特征參數，這大大增加了本研究結果的可靠性；3）本研究結果表明MOD16總體上可以刻畫出區(qū)域蒸散發(fā)的空間分布及年際變化。盡管現有遙感蒸散發(fā)產品已經取得了較大發(fā)展，但受限制于輸入產品精度不高，現有估算方法有限以及觀測技術不足等多方面原因，短時間遙感蒸散發(fā)產品精度較難提升。隨著時間尺度上升，由于蒸散發(fā)產品在部分時間上會存在高估或者低估，因此隨著時間尺度的上升，有相當一部分誤差會被平均掉，其精度也會逐漸上升。此外，流域通量觀測設備多為采購的國外設備，精度較為可靠。最后，本研究使用的AISAFlux（http://asiaflux.net/）和ChinaFLUX（http://www.chinaflux. org/）為成熟的觀測通量聯合體系，具有相對一致的技術處理規(guī)范。在對蒸散發(fā)產品驗證時，使用的渦動相關觀測系統(tǒng)有開路式和閉路式，兩者在觀測上有一定的差異，但總體上對結果影響較小[29]。

4.2 分析方法的不確定性

蒸散發(fā)量不僅會受到土地覆被變化的影響，還會受到氣溫、降水等氣象因子的影響，因此分析土地覆被變化對蒸散發(fā)的影響時應充分考慮氣候變化差異[30-31]。本研究通過分析鄰近參考像元的蒸散發(fā)量變化得到其受氣候變化的影響，進而得到實際像元在氣候變化前后的蒸散發(fā)差異。這種方式可以在對缺少資料地區(qū)分析蒸散發(fā)量變化時剔除氣候變化分析，分離出土地覆被變化與氣候變化對蒸散發(fā)的影響，具有簡單且可行性高的優(yōu)點。但也存在一些不足之處，主要表現在：1）在計算動態(tài)氣候變化時，雖然實際像元與參考像元的溫度、降水、輻射以及風速等氣象條件都近乎相同，但兩者的土壤質地、水分、養(yǎng)分等要素往往存在較大差異，這會給評估氣候差異的影響帶來誤差；2）本研究將土地覆被類型發(fā)生變化前一年的氣候條件作為氣候差異的對照，但在區(qū)域尺度上看，像元上土地覆被類型發(fā)生變化前一年的氣候與區(qū)域尺度上氣候存在差異；3）相比于基于情景的模型模擬方法，基于產品的動態(tài)分析方法無法實現氣溫、降水以及風速等關鍵要素的分離：4）本研究方法未考慮農田人為活動的影響。農田的蒸散發(fā)會因農作物種植類型、管理方式以及灌溉方式等因素存在較大差異。

4.3 氣候變化與土地覆被變化對蒸散發(fā)的影響

本文研究結果表明土地覆被變化區(qū)域的土地覆被變化導致蒸散發(fā)減少量為278.87億m3，氣候變化導致蒸散發(fā)耗水增加量為190.96 億m3，表明在變化區(qū)域土地覆被變化的影響要大于氣候變化。由于土地覆被變化導致減少的蒸散發(fā)大于氣候變化導致增加的蒸散發(fā)，土地覆被變化區(qū)域總體蒸散發(fā)呈減少態(tài)勢。從水量平衡角度看，這會增加變化區(qū)域的徑流量，因此在雨季變化區(qū)域要注意徑流激增帶來的風險災害。盡管土地覆被變化區(qū)域蒸散發(fā)量總體下降，但由于變化區(qū)域的范圍僅占流域總面積的25%左右，因此土地覆被變化區(qū)域導致的蒸散發(fā)減少量并沒有影響整個研究區(qū)由于氣候變化導致蒸散發(fā)量增加的趨勢。

5 結 論

本研究構建動態(tài)分析方法量化了瀾湄流域熱帶地區(qū)土地覆被變化對蒸散發(fā)的影響，結果表明：

1）MCD12Q1與MOD16可用于土地覆被變化與蒸散發(fā)量變化研究，其中MCD12Q1的總體精度為82.3%，MOD16在8 d以及月尺度上的均方根誤差僅略大于1 mm/d；

2）2001—2020年間，研究區(qū)植被整體退化明顯，其中森林轉變?yōu)楣嗄竞凸嗄巨D變?yōu)檗r田約占流域變化面積的61.2%；主要土地覆被變化導致區(qū)域蒸散發(fā)耗水量減少約278.87億m3，而蒸散發(fā)對氣候差異的響應導致耗水量增加190.96 億m3。

本研究結果有助于增進對區(qū)域水文循環(huán)過程的了解，為瀾湄流域水資源可持續(xù)利用提供科學的參考依據。

致謝：感謝黃鑫毅和Boonsiri Sawasdchai在瀾湄流域熱帶地區(qū)土地覆被類型驗證及蒸散發(fā)量分析過程中的幫助。

[1] Lettenmaier D P, Famiglietti J S. Hydrology - Water from on high[J]. Nature, 2006. 444(7119): 562-563.

[2] Michel D, Jiménez C, Miralles D G, et al. The WACMOS-ET project-Part 1: Tower-scale evaluation of four remote-sensing-based evapotranspiration algorithms[J]. Hydrology and Earth System Sciences, 2016. 20(2): 803-822.

[3] Chen Y, Wang S, Ren Z, et al. Increased evapotranspiration from land cover changes intensified water crisis in an arid river basin in northwest China[J]. Journal of Hydrology, 2019, 574: 383-397.

[4] 郭雯雯，黃生志，趙靜，等. 渭河流域潛在蒸散發(fā)時空演變與驅動力量化分析[J]. 農業(yè)工程學報，2021，37(3)：81-89.

Guo Wenwen, Huang Shengzhi, Zhao Jing, et al. Spatio-temporal dynamics and driving forces of potential evapotranspiration in the Wei River Basin[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(3): 81-89. (in Chinese with English abstract)

[5] Grimm N B, Faeth S H, Golubiewski N E, et al. Global change and the ecology of cities[J]. Science, 2008, 319: 756-760.

[6] 張永強，孔冬冬，張選澤，等. 2003—2017年植被變化對全球陸面蒸散發(fā)的影響[J]. 地理學報，2021，76(3)：584-594.

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. (in Chinese with English abstract)

[7] 張殿君，張學霞，武鵬飛. 黃土高原典型流域土地利用變化對蒸散發(fā)影響研究[J]. 干旱區(qū)地理，2011，34(3)：400-408.

Zhang Dianjun, Zhang Xuexia, Wu Pengfei. Relationship between ET and LUCC in a typical watershed of Loess Plateau over the past 20 years[J]. Arid Land Geography, 2011, 34(3): 400-408. (in Chinese with English abstract)

[8] 宮兆寧，陸麗，金點點，等. 土地利用/覆被變化扎龍濕地蒸散發(fā)量及生態(tài)需水量的遙感估算[J]. 生態(tài)學報，2021，41(9)：3572-3587.

Gong Zhaoning, Lu Li, Jin Diandian, et al. Remote sensing estimation of evapotranspiration and ecological water demand in Zhalong wetland under land use /cover change[J]. Acta Ecologica Sinica, 2021, 41(9): 3572-3587. (in Chinese with English abstract)

[9] 楊肖麗，李文婷，任立良，等. 渭河流域藍綠水對土地利用變化的響應模擬[J]. 農業(yè)工程學報，2021，37(11)：268-276.

Yang Xiaoli, Li Wenting, Ren Liliang, et al. Simulation of the response of blue and green water to land use change in the Weihe River Basin[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(11): 268-276. (in Chinese with English abstract)

[10] Feng Y, Zeng Z, Searchinger T D, et al. Doubling of annual forest carbon loss over the tropics during the early twenty-first century[J]. Nature Sustainability, 2022, 5: 444-451

[11] 徐靜，華健，閆中月. 土地覆被變化對河源區(qū)小流域徑流模擬影響分析研究[J]. 南京大學學報（自然科學），2016，52(1)：142-148.

Xu Jing, Hua Jian, Yan Zhongyue. Study on effects of land cover change on runoff simulation result in a headstream watershed[J]. Journal of Nanjing University (Natural Science), 2016, 52(1): 142-148. (in Chinese with English abstract)

[12] 岳思羽，李懷恩，趙麗. 氣候和土地利用變化對渭河流域水資源短缺的影響[J]. 水土保持研究，2021，28(5)：95-101.

Yue Siyu, Li Huaien, Zhao Li. Impacts of climate and land use changes on water scarcity in the Wei River Basin[J]. Research of Soil and Water Conservation, 2021, 28(5): 95-101. (in Chinese with English abstract)

[13] Chen H, Gnanamoorthy P, Chen Y, et al. Assessment and inter-comparison of multi-source high spatial resolution evapotranspiration products over Lancang-Mekong River Basin, Southeast Asia[J]. Remote Sensing, 2022, 14(3): 479.

[14] Sulla-Menashe D, Gray J M, Abercrombie S P, et al. Hierarchical mapping of annual global land cover 2001 to present: The MODIS Collection 6 Land Cover product[J]. Remote Sensing of Environment, 2019, 222: 183-194.

[15] Mu Q, Heinsch F A, Zhao M, et al, Development of a global evapotranspiration algorithm based on MODIS and global meteorology data[J]. Remote Sensing of Environment, 2007, 111: 519-536.

[16] Mu Q, Zhao M, Running S W. Improvements to a MODIS global terrestrial evapotranspiration algorithm[J]. Remote Sensing of Environment, 2011, 115: 1781-1800.

[17] Zhang Y, Kong 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.

[18] Kim W, Miyata A, Ashraf A, et al. FluxPro as a realtime monitoring and surveilling system for eddy covariance flux measurement[J]. Journal of Agricultural Meteorology, 2015. 71: 32-50.

[19] Kim W, Seo H, Komori D, et al. Characteristics of the relative sampling error and its application to flux aggregation in eddy covariance measurements[J]. Journal of Agricultural Meteorology, 2020. 76: 89-95.

[20] Wohlfahrt G, Haslwanter A, H?rtnagl L, et al. On the consequences of the energy imbalance for calculating surface conductance to water vapour[J]. Agricultural and Forest Meteorology, 2009, 149: 1556-1559.

[21] Leuning R, Zhang Y, Rajaud A, et al. A simple surface conductance model to estimate regional evaporation using MODIS leaf area index and the Penman-Monteith equation[J]. Water Resources Research, 2008, 44(10): W10419.

[22] 起德花，楊大新，宋清海，等. 2013–2015年元江干熱河谷生態(tài)站碳水通量觀測數據集[J]. 中國科學數據，2021，6(1)：110-122.

Qi Dehua, Yang Daxin, Song Qinghai, et al. An observation dataset of carbon and water fluxes at Yuanjiang Dry-hot Valley Ecological Station (2013 – 2015)[J]. China Scientific Data, 2021, 6(1): 110-122. (in Chinese with English abstract)

[23] 起德花，費學海，宋清海，等. 2009–2013年哀牢山亞熱帶常綠闊葉林碳水通量觀測數據集[J]. 中國科學數據，2021，6(1)：87-97.

Qi Dehua, Fei Xuehai, Song Qinghai, et al. A dataset of carbon and water fluxes observation in subtropical evergreen broad-leaved forest in Ailao Shan from 2009 to 2013[J]. China Scientific Data, 2021, 6(1): 87-97. (in Chinese with English abstract)

[24] Lohani S, Dilts T E, Weisberg P J, et al. Rapidly accelerating deforestation in Cambodia’s Mekong River Basin: A comparative analysis of spatial patterns and drivers[J]. Water, 2020, 12(8): 2191.

[25] 劉瓊歡，張鐿鋰，劉林山，等. 七套土地覆被數據在羌塘高原的精度評價[J]. 地理研究，2017，36(11)：2061-2074.

Liu Qionghuan, Zhang Yili, Liu Linshan, et al. Accuracy evaluation of the seven land cover data in Qiangtang Plateau[J]. Geographical Research, 2017, 36(11): 2061-2074. (in Chinese with English abstract)

[26] Cochran W G. Sampling Techniques[M]. New York: Wiley, 1977.

[27] Olofsson P, Foody G M, Stehman S V, et al. Making better use of accuracy data in land change studies: Estimating accuracy and area and quantifying uncertainty using stratified estimation[J]. Remote Sensing of Environment, 2013, 129: 122-131.

[28] Ryu Y, Baldocchi D D, Kobayashi H, et al. Integration of MODIS land and atmosphere products with a coupled-process model to estimate gross primary productivity and evapotranspiration from 1 km to global scales[J]. Global Biogeochemical Cycles, 2011, 25(4): GB4017.

[29] Liu S, Xu Z, Wang W, et al. A comparison of eddy-covariance and large aperture scintillometer measurements with respect to the energy balance closure problem[J]. Hydrology and Earth System Sciences, 2011, 15(4): 1291-1306.

[30] 王凱利，王志慧，肖培青，等. 氣候與下墊面變化對黃土高原蒸散發(fā)變化的影響評估[J]. 水土保持學報，2022. 36(3)：166-172，180.

Wang Kaili, Wang Zhihui, Xiao Peiqing, et al. Assessment on the impact of climate and the changes of underlying surface on the evapotranspiration in the Loess Plateau[J]. Journal of Soil and Water Conservation, 2022, 36(3): 166-172, 180. (in Chinese with English abstract)

[31] 黎云云，暢建霞，樊晶晶，等. 氣候和土地利用變化下黃河流域農業(yè)干旱時空演變及驅動機制[J]. 農業(yè)工程學報，2021，37(19)：84-93.

Li Yunyun, Chang Jianxia, Fan Jingjing, et al. Agricultural drought evolution characteristics and driving mechanisms in the Yellow River Basin under climate and land use changes[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(19): 84-93. (in Chinese with English abstract)

Effects of land cover change on evapotranspiration in the tropical Lancang-Mekong River Basin from 2001 to 2020

Chen Houbing1,2, Chen Yaoliang1,2※, Song Qinghai1, Montri Sanwangsri3,4, Nuttapon Khongdee3, Zhang Jing1

(1.,,,666303,;2.,,350117,;3.,,,50200,;4.(),,,50200,)

Land cover types have changed dramatically in the tropics as human activity is ever increasing in recent years. These changes can cause great impacts on regional water security. Therefore, it is a high demand to accurately quantify the effect of land cover change on evapotranspiration (ET) for a better understanding of the mechanism of the water cycle under global warming. This study aims to investigate the effects of land cover change on the ET in the tropical Lancang-Mekong River Basin (LMRB) from 2001 to 2020. Firstly, the land cover data was reclassified and we corrected the unreasonable change types. The land cover product (MCD12Q1) was then evaluated using high spatial resolution images with Google Earth Pro. Secondly, the ET product (MOD16) was assessed using a total of 10 eddy covariance observation sites. Pearson's correlation coefficient (), Root Mean Square Error (RMSE), Mean Absolute Error (MAE), and Mean Relative Percentage Error (MRPE) were also used to analyze the land cover changes and ET trends in this region. Finally, a dynamic analysis was developed to accurately quantify the effect of land cover changes on ET water consumption, where the impacts of climate change were excluded. The results show that: 1) The MCD12Q1 performed better with an overall accuracy beyond 82%, the forests and cropland of which were 90.5% and 89.4%, respectively. The RMSE values of MOD16 on the 8-day and monthly scales were only slightly larger than 1 mm/day. Therefore, the two products (land cover and ET) can be expected to analyze the ET changes in the study area. 2) The changing area accounted for 24.7% of the total. There was a degradation trend of the overall vegetation, where the conversion areas of the forest to shrubs and shrubs to cropland accounted for 61.2% of the changing area. 3) The trend analysis showed that there was an increasing average ET of 5 mm/a in the entire region. 4) A significant difference was observed in the annual average ET of each land cover type. Generally, the annual average ET of the forest was higher than that of shrubs, and the annual average ET of shrubs was higher than that of cropland. 5) The major types of land cover change caused a total decrease of 27.89 billion m3of water consumption, whereas, climate change led to an increase of 19.10 billion m3of ET water consumption. 6) Although there was a decrease of ET in the land cover change area, there was no significant influence of the land cover change area on the increasing ET. In general, the vegetation degradation resulted in a decrease in ET and water consumption, indicating the conversion of forests to shrubs and shrubs to cropland from 2001 to 2020. A better understanding of the water cycle response to global change can provide useful knowledge to effectively monitor the water resources security and the allocation of land and water resources in the tropical LMRB.

land use; evapotranspiration; Lancang-Mekong River Basin; water resource

10.11975/j.issn.1002-6819.2022.22.012

S126

A

1002-6819(2022)-22-0113-10

陳厚兵，陳耀亮，宋清海，等. 2001—2020年瀾湄流域熱帶地區(qū)土地覆被變化對蒸散發(fā)的影響[J]. 農業(yè)工程學報，2022，38(22)：113-122.doi：10.11975/j.issn.1002-6819.2022.22.012 http://www.tcsae.org

Chen Houbing, Chen Yaoliang, Song Qinghai, et al. Effects of land cover change on evapotranspiration in the tropical Lancang-Mekong River Basin from 2001 to 2020[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(22): 113-122. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.22.012 http://www.tcsae.org

2022-08-30

2022-11-13

國家自然科學基金資助項目（41901124）；中國科學院熱帶森林生態(tài)學重點實驗室開放基金（20-CAS-TFE-01）

陳厚兵，研究方向為土地覆被變化以及水文遙感研究。Email：qsx20201145@student.fjnu.edu.cn

陳耀亮，博士，副教授，研究方向為植被變化的碳水響應機理及水文遙感研究。Email：chenyl@fjnu.edu.cn