韓典辰， 張方敏， 陳吉泉， 李云鵬， 盧 琦， 盧燕宇

（1.南京信息工程大學(xué)應(yīng)用氣象學(xué)院/江蘇省農(nóng)業(yè)氣象重點實驗室，江蘇 南京 210044；2.密歇根州立大學(xué)地理環(huán)境空間科學(xué)系全球變化觀測中心，密歇根 東蘭辛 MI48825；3.內(nèi)蒙古自治區(qū)生態(tài)與農(nóng)業(yè)氣象中心，內(nèi)蒙古 呼和浩特 010051；4.中國林科院荒漠化研究所，北京 100091；5.中國林科院沙漠林業(yè)實驗中心，北京 100091；6.安徽省氣象局氣象科學(xué)研究所大氣科學(xué)與衛(wèi)星遙感安徽省重點實驗室，安徽 合肥 230031）

蒸散（Evapotranspiration，ET）表示陸面水分轉(zhuǎn)化為水蒸汽后進(jìn)入大氣的過程［1］，主要由蒸發(fā)（Evaporation，E）和蒸騰（Transpiration，T）組成，是生態(tài)系統(tǒng)水循環(huán)中的重要一環(huán)，與水分物理傳輸過程和能量轉(zhuǎn)換過程密切相關(guān)［2］。隨著氣候變化和人類城市化發(fā)展，ET發(fā)生了明顯且復(fù)雜的變化［3］。從區(qū)域尺度量化蒸發(fā)、蒸騰和蒸散情況，認(rèn)識環(huán)境因素對其的影響機制，有助于科學(xué)認(rèn)識區(qū)域水文循環(huán)過程，促進(jìn)區(qū)域水資源管理，為氣候變化影響生態(tài)系統(tǒng)水文循環(huán)的相關(guān)研究提供科學(xué)參考［4］。

半干旱地區(qū)生態(tài)環(huán)境較脆弱，氣候變化與人類活動極易對生態(tài)系統(tǒng)帶來不可逆影響［5］。由于降水少，水資源時空分布不均勻，使得水分成為制約半干旱地區(qū)生態(tài)系統(tǒng)發(fā)展的重要因素［6-7］。蒸散作為半干旱地區(qū)水循環(huán)中的主要組成之一，其變化特征受到植被自身特性和環(huán)境條件的影響，具有顯著的區(qū)域異質(zhì)性和季節(jié)差異性［8］。眾多學(xué)者對半干旱地區(qū)蒸散時空格局和變化規(guī)律進(jìn)行了研究。代鵬超等［9］基于陸地表面能量平衡算法（Surface energy balance algorithm for land, SEBAL）研究了精河流域蒸散的時空變化，認(rèn)為近60 a蒸散呈波動減小趨勢，且空間分布與地表利用類型有關(guān)。金學(xué)杰等［10］基于地表能量平衡系統(tǒng)（Surface energy balance system,SEBS）模擬了黑河下游蒸散變化，表明不同地表利用類型蒸散有相似的季節(jié)變化特征，但變化幅度不同。蹇東南等［11］采用互補相關(guān)理論模型，研究蒸散與氣象要素的關(guān)系，認(rèn)為下墊面供水和實際水汽壓變化使得蒸散增加。王思如等［12］利用生態(tài)水文模型，分析了科爾沁沙地氣象因子變化和蒸散的關(guān)系，認(rèn)為降水的年際變化是影響蒸散的主要因子。對比分析，發(fā)現(xiàn)我國半干旱地區(qū)蒸散空間分布不均勻，變化趨勢及其主控因子存在一定差異，并且少有研究將蒸散拆解為蒸騰和蒸發(fā)，進(jìn)一步分析蒸散過程中水分的分配問題。

氣候變化與人類活動加劇的背景下，內(nèi)蒙古半干旱區(qū)的錫林郭勒和烏蘭察布地區(qū)暖干化使得當(dāng)?shù)厮止┬杵胶獯嬖诓淮_定性［13］。分析其蒸散時空變化不僅能幫助揭示水文循環(huán)機理，又有利于評估區(qū)域水分虧缺狀況，為當(dāng)?shù)馗珊禐?zāi)害評估與水資源開發(fā)利用提供科學(xué)依據(jù)。因此本研究選擇位于半干旱區(qū)的錫林郭勒盟和烏蘭察布市作為研究區(qū)，分析和量化目標(biāo)區(qū)域蒸發(fā)、蒸騰和蒸散的時空變化及其組分關(guān)系，對比不同氣象要素和植被生長狀況對蒸發(fā)、蒸騰和蒸散變化的影響，揭示半干旱區(qū)生態(tài)系統(tǒng)蒸發(fā)、蒸騰和蒸散對氣候變化的響應(yīng)特征及主控因子。

1 材料與方法

1.1 研究區(qū)概況

本文研究區(qū)域為內(nèi)蒙古半干旱區(qū)的錫林郭勒盟與烏蘭察布市，地理位置位于40.16°～46.77°N，110.33°～119.91°E 之間（圖1）。該區(qū)域面積約為28.56×104km2，多年平均總降水量為314.76 mm，多年平均氣溫為3.12 ℃，屬于溫帶大陸性氣候，地表覆蓋類型主要以草地和農(nóng)田為主。研究區(qū)內(nèi)2 個代表性草地生態(tài)觀測站［14］為多倫站和錫林浩特站，經(jīng)緯度分別為42.53°N，116.22°E 和43.53°N，116.67°E，有長期水汽通量觀測試驗，用于本研究對比驗證。

圖1 研究區(qū)示意圖Fig.1 Distribution map of study area

根據(jù)地表植被覆蓋類型數(shù)據(jù)統(tǒng)計，1981—2018年研究區(qū)草地、農(nóng)田和森林多年平均分別占75.07%、11.67%、5.94%，植被覆蓋分布面積變化較小，其中草地面積增長1.50%，農(nóng)田面積減少0.84%，森林面積共減少1.56%。因此本研究忽略由于植被覆蓋類型變化的影響，主要探究氣候變化和植被生長狀況對研究區(qū)域水循環(huán)的影響。

1.2 模型介紹

本文采用生態(tài)系統(tǒng)生產(chǎn)力模擬（Boreal ecosystem productivity simulator,BEPS）模型模擬區(qū)域的蒸騰、蒸發(fā)和蒸散。模型最主要的特點是將冠層葉片分為陽葉和陰葉，通過進(jìn)行氣孔導(dǎo)度的積分對葉片尺度的Farquhar 瞬時光化學(xué)模型進(jìn)行時空尺度轉(zhuǎn)換，模擬計算逐日的碳水循環(huán)通量［15-16］。經(jīng)過不斷發(fā)展和完善，BEPS被證實能夠準(zhǔn)確的估算生態(tài)系統(tǒng)蒸散過程，并成功應(yīng)用于東亞［17-18］和中國［19］等地。模型的ET主要計算過程詳見Chen等［20］和Liu等［21］。

1.3 數(shù)據(jù)來源

模型需要的氣象輸入數(shù)據(jù)來自于國家氣象科學(xué)數(shù)據(jù)中心的中國地面氣候資料日值數(shù)據(jù)集（http://data.cma.cn），包括1981—2018 年國家氣象站點的氣溫、降水量、相對濕度、日照時數(shù)等日數(shù)據(jù)。該數(shù)據(jù)集經(jīng)嚴(yán)格的質(zhì)量控制，包括空間和時間上的一致性檢查及相應(yīng)的人工核查與更正，進(jìn)一步對數(shù)據(jù)進(jìn)行異常值剔除。研究區(qū)域地勢較平坦，因此采用Kriging 方法插值至0.01°并根據(jù)研究區(qū)域邊界掩膜裁剪［22］，獲得958×662像元數(shù)的空間日數(shù)據(jù)集。

1981—2018 年的葉面積指數(shù)（Leaf area index，LAI）數(shù)據(jù)來源于中國科學(xué)院地理科學(xué)與資源研究所劉榮高團隊制作的每8 d 的1 km GLOBMAP LAI V3產(chǎn)品，該產(chǎn)品經(jīng)驗證具有較高的精度［23］。將數(shù)據(jù)重采樣至像元分辨率為0.01°，并掩膜至與氣象數(shù)據(jù)相同大小，統(tǒng)一作為模型輸入數(shù)據(jù)。

地表利用類型數(shù)據(jù)來源于中國科學(xué)院地理科學(xué)與資源研究所資源環(huán)境科學(xué)數(shù)據(jù)中心（http://www.resdc.cn/）。該數(shù)據(jù)集以Landsat TM/ETM 遙感影像為主要數(shù)據(jù)源，通過人工目視解譯生成，是目前我國精度最高的土地利用遙感監(jiān)測數(shù)據(jù)產(chǎn)品之一。土地利用類型主要劃分為農(nóng)田、森林、草地、水域、居民用地和裸地6 個一級類型。數(shù)據(jù)分辨率為0.01°，根據(jù)研究區(qū)域進(jìn)行裁剪掩膜，作為模型地表覆蓋類型輸入數(shù)據(jù)。

歸一化植被指數(shù)（Normalized difference vegetation index，NDVI）是反映植被生長狀況的重要參數(shù)。本文選用1981—2015年GIMMS3g數(shù)據(jù)（https://ecocast.arc.nasa.gov/data/pub/gimms）和1998—2018年中國科學(xué)院SPOT/VEGETATION NDVI 合成數(shù)據(jù)（http://www.resdc.cn）。數(shù)據(jù)預(yù)處理包括對原始數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換、投影轉(zhuǎn)換、數(shù)據(jù)拼接、裁切等，并將數(shù)據(jù)重采樣為0.01°分辨率的影像。為獲得連續(xù)一致的NDVI，使用最大值合成法計算NDVI年數(shù)據(jù)［24］，用于區(qū)域蒸散及組分變化的歸因分析。

站點驗證數(shù)據(jù)采用研究區(qū)內(nèi)多倫站和錫林浩特站的開路渦度相關(guān)系統(tǒng)觀測的水汽通量數(shù)據(jù)。利用垂直風(fēng)速脈動的平均協(xié)方差和水汽濃度標(biāo)量的乘積計算30 min 平均潛熱通量，利用EddyPro 軟件對數(shù)據(jù)進(jìn)行處理計算，包括去除野點、二維坐標(biāo)旋轉(zhuǎn)訂正等。將每日潛熱通量除以汽化潛熱（λ≈2.45 MJ·kg-1）計算得出日蒸散數(shù)據(jù)。對于缺失時間短（＜2 h）的數(shù)據(jù)采用線性內(nèi)插法進(jìn)行插補，對于缺失時間較長的數(shù)據(jù)采用日平均法對其進(jìn)行插補［25］，通量數(shù)據(jù)的能量平衡比率大于90%，符合能量不閉合程度的要求，說明數(shù)據(jù)質(zhì)量良好［26］，通量數(shù)據(jù)的具體處理方法介紹詳見Tian等的文章［27-28］。

1.4 敏感性分析

本文采用由McCuen 提出的敏感性系數(shù)，即因變量與單個自變量要素相對變化量之比，反映各自變量要素對因變量變化的貢獻(xiàn)情況，具體計算方法見畢彥杰等［29］的研究。結(jié)合敏感性系數(shù)及自變量本身變化情況，綜合解析和量化要素對因變量的作用。本文主要選擇平均氣溫（TEMP）、降水量（PRE）、飽和水汽壓差（VPD）、太陽總輻射（RAD）和NDVI 5個要素分析其變化對蒸發(fā)、蒸騰和蒸散變化的貢獻(xiàn)。

2 結(jié)果與分析

2.1 模型驗證

圖2 給出了BEPS 模型模擬的研究區(qū)多倫站和錫林浩特站2006—2008 年月蒸散與相應(yīng)實測值對比結(jié)果。BEPS模型月ET模擬值與2站點月實測值差距較小，RMSE 分別為9.62 mm 和10.14 mm（圖2a～b）。BEPS 模型可以解釋2 站85%的蒸散變化（圖2c）。通過與他人文獻(xiàn)結(jié)果對比（表1），BEPS模型模擬T時平均相對誤差為3.20%，模擬ET 時平均相對誤差為6.70%，模擬T/ET 時平均相對誤差為1.90%，這表明BEPS模型在站點尺度模擬準(zhǔn)確性較好［30-35］。將T、ET 和T/ET 空間分布情況與Niu 等［32］發(fā)布的1981—2015 年中國陸地生態(tài)系統(tǒng)蒸騰蒸散比數(shù)據(jù)集結(jié)果相對比，三者空間分布情況高度一致。綜上，BEPS 模型估算結(jié)果合理，可以用于研究區(qū)E、T和ET的模擬計算。

圖2 2006—2008年月蒸散模擬值和實測值變化及對比Fig.2 Changes and comparison of simulated and measured values of monthly evapotranspiration from 2006 to 2008

表1 BEPS模型模擬值與實測值數(shù)據(jù)對比Tab.1 Comparisons of simulated values from BEPS model and measured data

2.2 蒸散及其組分的時空特征

根據(jù)地表利用類型數(shù)據(jù)，提取草地、農(nóng)田和森林像元，并統(tǒng)計不同地表利用類型下E、T和ET。表2給出了研究區(qū)域1981—2018年不同地表類型年平均耗水量和產(chǎn)水量（PRE-ET）的總體情況。草地的E、T和ET 耗水量分別為170.20 mm、108.02 mm 和278.22 mm。農(nóng)田的E、T和ET耗水量分別為149.73 mm、212.77 mm 和362.50 mm。森林的E、T和ET 耗水量分別為119.17 mm、189.64 mm 和308.81 mm。結(jié)果表明，農(nóng)田總耗水量最大，森林次之，草地最小。結(jié)合降水量看，森林PRE-ET 最大，為53.52 mm；草地次之，為31.32 mm；農(nóng)田PRE-ET 為負(fù)值，為-12.43 mm。

表2 1981—2018年研究區(qū)不同地表類型年平均耗水量Tab.2 Average annual water consumption of different surface types in the study area from 1981 to 2018 /mm

圖3 為1981—2018 年研究區(qū)E、T和ET 的年際變化。結(jié)果表明研究區(qū)E、T和ET 多年平均值分別為167.13 mm、119.16 mm和286.35 mm，三者均呈顯著上升趨勢（P＜0.05），上升速率分別為0.42 mm·a-1、0.63 mm·a-1和1.05 mm·a-1。與T相比，E年際變化較平穩(wěn)，波動幅度更小，因此ET 年尺度波動主要受到T影響，變化情況與T更一致。T/ET 多年平均值為41.53%，38 a共上升3.80%，表明蒸騰在蒸散中的比例呈增加趨勢。

圖3 1981—2018年研究區(qū)蒸發(fā)、蒸騰、蒸散、蒸騰和蒸散比的變化趨勢Fig.3 Trends of evaporation,transpiration,evapotranspiration and transpiration/evapotranspiration in the study area from 1981 to 2018

圖4 為研究區(qū)1981—2018 年多年年均E、T、ET和T/ET 的空間分布。E多年平均空間分布整體呈西北向東南遞減趨勢，在西北部植被稀疏區(qū)E較高，可達(dá)160 mm，但在東北部地區(qū)E較低，小于140 mm。T空間分布和E相反，在西北部草地稀疏區(qū)T較低，東北部和東南部森林、農(nóng)田覆蓋區(qū)較高。在西北部地區(qū)，T小于80 mm，在東北部至南部的森林農(nóng)田覆蓋區(qū)，T大于120 mm。ET 和T/ET 空間分布與T相似，草地覆蓋區(qū)ET多小于275 mm，南部和東北部農(nóng)田和森林覆蓋區(qū)域ET且大于300 mm。T/ET在西北部植被覆蓋度較低區(qū)小于0.40，南部農(nóng)田覆蓋區(qū)和東北部森林覆蓋區(qū)大于0.50。

圖4 1981—2018年研究區(qū)蒸發(fā)、蒸騰、蒸散、蒸騰和蒸散比的空間分布Fig.4 Spatial distributions of evaporation,transpiration,evapotranspiration and transpiration/evapotranspiration in the study area from 1981 to 2018

圖5為1981—2018年研究區(qū)E、T、ET和T/ET的變化趨勢空間分布。E在全區(qū)域多呈增大趨勢，特別在東北部森林和中南部農(nóng)田區(qū)呈增大速率且大于0.50 mm·a-1，在西北部和南部部分地區(qū)呈減小趨勢，但減小趨勢不顯著。在農(nóng)田覆蓋的中南部和南部地區(qū)，T增大趨勢顯著（P＜0.05），增大速率大于1.00 mm·a-1，但在東北部森林覆蓋區(qū)，T呈減小趨勢，減小速率最快為-0.78 mm·a-1。綜合E和T變化，ET 在全區(qū)域多呈增大趨勢，特別在北部草地覆蓋區(qū)和南部農(nóng)田覆蓋區(qū)增大趨勢較顯著（P＜0.05），增大速率大于1.50 mm·a-1；ET僅在西北部和東北部部分地區(qū)呈減小趨勢，但不顯著。T/ET空間變化趨勢和T相似，從整體上看西部地區(qū)多呈上升趨勢，但在東北部森林覆蓋區(qū)域T/ET呈下降趨勢，減小速率最快為-0.002·a-1。

圖5 1981—2018年研究區(qū)蒸發(fā)、蒸騰、蒸散、蒸騰和蒸散比的變化趨勢空間分布Fig.5 Spatial distributions of change rates for evaporation,transpiration,evapotranspiration and transpiration/evapotranspiration in the study area from 1981 to 2018

2.3 蒸散及其組分的歸因分析

表3為1981—2018年研究區(qū)主要影響因子變化情況。NDVI區(qū)域平均值為0.22，表現(xiàn)為增加趨勢，變化率為0.0001·a-1，草地呈增大趨勢，農(nóng)田和森林均呈減小趨勢，其中森林減小趨勢最大，為-0.0004·a-1。TEMP在全區(qū)域平均為3.12°C，呈增大趨勢，變化率為0.05°C·a-1，38 a升高1.90°C。PRE在全區(qū)域多年年均為314.76 mm，全區(qū)域內(nèi)呈減小趨勢，森林減小最快，變化率為-1.00 mm·a-1，38 a 下降了38.00 mm。VPD 在全區(qū)域多年年均為0.37 kPa，全區(qū)域多呈增大趨勢，平均變化率為0.002 kPa·a-1，38 a 上升0.09 kPa。RAD 全區(qū)域呈減小趨勢，農(nóng)田減小速率最快，變化率為-0.17 W·m-2·a-1，38 a下降6.46 W·m-2。

表3 1981—2018年研究區(qū)主要影響因子的變化率統(tǒng)計Tab.3 Change statistics of main influencing factors of the study area from 1981 to 2018

1981—2018 年各要素變化對區(qū)域E變化的貢獻(xiàn)情況如表4 所示。森林E變化最大，相對變化率為15.90%，考慮E對各要素變化的敏感性系數(shù)及各要素相對變化率，VPD 增大為森林E增加的主要原因，VPD 增大引起E增大12.22%。草地和農(nóng)田E相對變化率分別為9.38%和10.90%。與森林主導(dǎo)因子相似，草地和農(nóng)田E變化的主導(dǎo)因子也為VPD。綜合全區(qū)域E相對變化率為9.55%，E的主導(dǎo)因子排序為VPD＞PRE＞RAD＞TEMP＞NDVI。

表4 1981—2018年研究區(qū)影響因子對蒸發(fā)變化的貢獻(xiàn)分析Tab.4 Contribution analysis of influencing regulators to evaporation dynamics in the study area from 1981 to 2018

1981—2018年各要素變化對區(qū)域T變化的貢獻(xiàn)情況如表5 所示。農(nóng)田T相對變化率最大，為24.80%。綜合T對各因子變化的敏感性和各因子相對變化，VPD 和TEMP 增大為農(nóng)田T增大的主要原因。森林T變化主要受到VPD 增大的正向影響和NDVI 減小的負(fù)向影響，相對變化率為13.83%。草地T相對變化率為19.34%，主導(dǎo)因子和農(nóng)田相似。綜合全區(qū)域，T相對變化率為20.09%，主導(dǎo)因子依次為VPD＞TEMP＞NDVI＞RAD＞PRE。

表5 1981—2018年研究區(qū)影響因子對蒸騰變化的貢獻(xiàn)分析Tab.5 Contribution analysis of influencing regulators to transpiration dynamics in the study area from 1981 to 2018

1981—2018 年各要素變化對區(qū)域ET 變化的貢獻(xiàn)情況如表6 所示。農(nóng)田ET 相對變化率最大，為19.10%。各要素對農(nóng)田ET 相對貢獻(xiàn)大小依次為VPD＞TEMP＞RAD＞NDVI＞PRE，VPD 和TEMP 增大為農(nóng)田ET 增大的主要原因。草地和森林相對變化率分別為13.25%和14.64%，各要素對草地和森林ET 相 對 貢 獻(xiàn) 依 次 為VPD＞TEMP＞NDVI＞RAD＞PRE。綜合全區(qū)域ET 相對變化率為13.93%，主導(dǎo)因子排序為VPD＞TEMP＞RAD＞PRE＞NDVI。

表6 1981—2018年研究區(qū)影響因子對蒸散變化的貢獻(xiàn)分析Tab.6 Contribution analysis of influencing regulators to evapotranspiration dynamics in the study area from 1981 to 2018

3 討論

研究通過站點ET 實測數(shù)據(jù)和前人模擬結(jié)果相對比驗證發(fā)現(xiàn)，T、ET 和T/ET 估算相對誤差最小分別為2.10%、2.30%和1.60%。Li 等［36］研究結(jié)果表明，T/ET 和LAI 水平相關(guān)，當(dāng)LAI 較小時，T/ET 穩(wěn)定在0.33±0.50，而在植被生長狀況良好區(qū)域，T/ET 大于0.40。本研究區(qū)西北部LAI 數(shù)值較小，變化范圍為1.30～2.00 m2·m-2，全區(qū)域年均T/ET 為0.38，而東部森林和南部農(nóng)田覆蓋區(qū)植被生長狀況較好，T/ET則穩(wěn)定在0.50左右，與Li等研究結(jié)果相符。1981—2018 年BEPS 模擬多年平均ET 結(jié)果介于278.22～362.50 mm；牛忠恩等［37］基于PT-JPL 模型對中國ET分布情況進(jìn)行估算，內(nèi)蒙古地區(qū)多年平均ET 介于300～400 mm；王思如等［12］基于WaVEM 模型對內(nèi)蒙古科爾沁地區(qū)ET 變化進(jìn)行研究，發(fā)現(xiàn)ET 介于200～450 mm，以上均與本研究模擬結(jié)果相符。因此通過站點實測數(shù)據(jù)及研究結(jié)果的比對證明BEPS模型結(jié)果合理，可以較準(zhǔn)確模擬研究區(qū)ET及其組分。

半干旱區(qū)不同的生態(tài)條件會影響蒸散對氣候條件的響應(yīng)［38］。根據(jù)對E、T和ET空間分布結(jié)果，研究區(qū)西北部植被稀疏，年均NDVI 小于0.15，但較高的氣溫及較大的VPD 使得蒸發(fā)速率較快。研究區(qū)東部和南部森林和農(nóng)田環(huán)境植被覆蓋度較高，年均NDVI 大于0.27，下墊面粗糙度更高，植被的蒸騰作用成為地表和大氣間水分交換的主要方式，因此在東北部森林和南部農(nóng)田覆蓋區(qū)域T和T/ET 均高于其他區(qū)域。根據(jù)Jiang等［39］研究，半干旱區(qū)T是主導(dǎo)ET 變化的主要驅(qū)動組分，結(jié)合圖3 和圖4，E的高值區(qū)主要分布在西北部植被稀疏區(qū)，年際間波動主要受到氣候條件支配，而T高值區(qū)主要分布在東北部森林和南部農(nóng)田覆蓋區(qū)，年際變化除受到氣候條件影響外還受到植被生長狀況以及人為因素（例如農(nóng)田人工灌溉等）影響，因此E年際波動較小，變化趨勢較平穩(wěn)，而ET和T年際波動變化一致性較高。

T/ET 表征植被蒸騰對生態(tài)系統(tǒng)蒸散的貢獻(xiàn)率，是準(zhǔn)確量化生態(tài)系統(tǒng)水分利用效率的關(guān)鍵參數(shù)［40］。TEMP、VPD 和NDVI 升高和地表植被生長會影響T/ET［41］。TEMP增大，有利于延長植被生長季；VPD作為大氣水分虧缺狀況的表征因子，主要通過影響裸地和植被表面的水分梯度，調(diào)節(jié)葉片氣孔導(dǎo)度影響植被蒸騰量［42］。半干旱地區(qū)升溫效應(yīng)增大了水分梯度和葉片氣孔導(dǎo)度，加速葉片和外界水汽交換，對T/ET起促進(jìn)作用。NDVI增大表明研究區(qū)域植被長勢逐漸增加，冠層截獲的輻射增多，導(dǎo)致蒸騰耗水增加，同時長勢良好的樹木和作物水分利用效率更高［43］，蒸騰作用隨之增強。結(jié)合E和T歸因分析結(jié)果，研究區(qū)草地NDVI 多年呈增大趨勢，對草地E為負(fù)貢獻(xiàn)，對T為正貢獻(xiàn)，有利于增大草地生態(tài)系統(tǒng)蒸散中蒸騰的比例，提高了草地的水分利用效率。而森林和農(nóng)田NDVI 多年呈下降趨勢，特別在森林覆蓋區(qū)NDVI 下降速率最快，因此農(nóng)田和森林部分區(qū)域T/ET呈減小趨勢，E在ET中的占比逐漸增加。

根據(jù)前人研究，ET 和氣候條件、地表覆蓋類型有密切關(guān)系［44］。如表2，研究區(qū)域單位面積草地E大于農(nóng)田和森林，但T小于農(nóng)田和森林，這主要由于草地植被葉面積較小，地表土壤裸露較多，到達(dá)地表的光照輻射能量使得地表蒸發(fā)旺盛，而森林和農(nóng)田植被葉片面積較大，更高的冠層高度和植被層厚度有利于吸收更多光照輻射能量，導(dǎo)致下滲到土壤表層的水分不易蒸發(fā)，進(jìn)而被植被發(fā)達(dá)的根系吸收，為蒸騰作用提供更多水分來源。另一方面，農(nóng)田多分布在研究區(qū)域南部，平均年P(guān)RE 為350.07 mm，但PRE-ET 僅為-12.43 mm，說明農(nóng)牧資源的不合理分配，可能導(dǎo)致未來半干旱區(qū)域更容易發(fā)生土壤干旱，進(jìn)而造成該區(qū)域水土流失及土壤退化等環(huán)境問題。

4 結(jié)論

本文以位于內(nèi)蒙古半干旱區(qū)的錫林郭勒盟和烏蘭察布市為例，結(jié)合遙感、氣象資料和站點觀測資料等，采用BEPS 模型，分析和量化以農(nóng)田、草地和森林為主的半干旱區(qū)E、T和ET的時空變化，揭示半干旱草地生態(tài)系統(tǒng)E、T和ET 對氣候變化的響應(yīng)特征及主控因子，得出主要結(jié)論如下：

經(jīng)過站點實測數(shù)據(jù)對比，BEPS模型計算結(jié)果能夠精確反應(yīng)研究區(qū)ET 及其組分的分布情況和變化趨勢。研究區(qū)域草地、農(nóng)田和森林年均ET 分別為278.22 mm、362.50 mm 和308.81 mm。E、T和ET 多年呈顯著上升趨勢，上升速率分別為0.42 mm·a-1、0.63 mm·a-1和1.05 mm·a-1，1981—2018 年共上升15.96 mm、23.94 mm 和39.9 mm。ET 與T在全區(qū)域內(nèi)空間分布格局相似，與E相反，ET 年際波動主要受到T年際波動的影響。綜合影響因子的變化和E、T、ET對因子的敏感性，研究區(qū)域草地和農(nóng)田T和ET以及森林的ET主要受到VPD和TEMP變化的控制。農(nóng)田和森林NDVI 都呈減小趨勢，但森林T對NDVI變化更加敏感，因此負(fù)貢獻(xiàn)更大。