翁升恒,張方敏,盧燕宇,段春鋒,4,倪 婷

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(diǎn)實(shí)驗(yàn)室,南京 210044 2 壽縣國(guó)家氣候觀象臺(tái) 中國(guó)氣象局淮河流域典型農(nóng)田生態(tài)氣象野外科學(xué)試驗(yàn)基地,淮南 232000 3 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(diǎn)實(shí)驗(yàn)室,合肥 230031 4 安徽省氣候中心,合肥 230031

在全球范圍內(nèi)有60%的降水通過(guò)蒸散發(fā)(Evapotranspiration,ET)的形式返回大氣[1]。蒸散發(fā)即蒸散(ET),主要包括土壤蒸發(fā)、植被蒸騰及植被截留水蒸發(fā),是聯(lián)結(jié)土壤-植被-大氣過(guò)程的紐帶,作為能量平衡和水循環(huán)的重要組成[2],在能量交換、水循環(huán)和植被生理過(guò)程中均扮演著重要角色。全面了解氣候和植被生長(zhǎng)變化在ET變化中的作用有助于明確地氣系統(tǒng)相互作用,更好地應(yīng)對(duì)未來(lái)可能的氣候變化。

ET的變化受環(huán)境和生物多方面因素的影響。諸多學(xué)者展開了相應(yīng)的ET歸因研究,但持有不同觀點(diǎn),大致可以歸結(jié)于輻射、溫度、水分和植被生長(zhǎng)條件的影響。周亞軍等[3]利用SEBAL模型研究錫林河流域認(rèn)為該流域ET對(duì)凈輻射變化最敏感,韓典辰等[4]發(fā)現(xiàn)內(nèi)蒙古半干旱地區(qū)草地ET也主要受凈輻射的直接影響；Pei等[5]則認(rèn)為黃河流域ET對(duì)歸一化植被指數(shù)的敏感性最強(qiáng),同時(shí)歸一化植被指數(shù)對(duì)該地區(qū)ET的變化也起主導(dǎo)作用；但針對(duì)華北平原研究認(rèn)為降水是導(dǎo)致ET增加的主要因素[6],而氣候變暖是導(dǎo)致中國(guó)濕潤(rùn)地區(qū)ET增加的主要原因[7]。不同季節(jié)的影響因子也不同,比如楊倩[8]研究表明引起漢江流域四季ET變化的因素分別為氣溫、日照時(shí)數(shù)、降水和相對(duì)濕度。綜上所述,我國(guó)不同區(qū)域ET變化特征不同,其主控因子存在顯著的區(qū)域特征差異[9]。

淮河流域地處中國(guó)華中地區(qū),介于長(zhǎng)江和黃河兩流域之間,包含安徽大部、江蘇大部、河南大部和山東南部,屬于亞熱帶季風(fēng)氣候區(qū)。該地區(qū)是我國(guó)重要的亞熱帶糧食生產(chǎn)基地,主要耕作模式為稻麥輪作[10],農(nóng)業(yè)用水需求量大,研究該地區(qū)ET時(shí)空變化特征,并進(jìn)行歸因分析對(duì)區(qū)域用水與生產(chǎn)十分重要。目前已有關(guān)于淮河流域參考作物蒸散量(ET0)時(shí)空變化特征及成因分析的相關(guān)研究,比如王曉東等[11]認(rèn)為風(fēng)速下降是引起淮河流域ET0下降的主要因子,但ET0忽略了實(shí)際下墊面植被情況,與ET存在較大差異,因此需要定量各因子對(duì)淮河流域ET變化的影響。本文采用經(jīng)驗(yàn)證的BEPS(Boreal Ecosystem Productivity Simulator)模型計(jì)算淮河流域ET,剖析其時(shí)空分布特征及區(qū)域重心遷移過(guò)程,分析ET對(duì)葉面積指數(shù)(Leaf Area Index,LAI)、氣溫(Air Temperature,Ta)、降水(Precipitation,Pre)、太陽(yáng)總輻射(Radiation,Rad)、相對(duì)濕度(Relative Humidity,RH)的敏感性；在此基礎(chǔ)上量化主要環(huán)境氣候因子對(duì)ET變化的貢獻(xiàn)率,為有效應(yīng)對(duì)未來(lái)淮河流域環(huán)境氣候變化及極端氣候事件加劇對(duì)水循環(huán)的影響以及合理配置區(qū)域水資源提供參考。

1 材料與方法

1.1 研究區(qū)域概況

淮河流域地處111.94—121.39°E、30.96—36.31°N(圖1)[12],淮河流域西部、西南部及東北部為山區(qū)和丘陵區(qū),約占1/3,其余均為廣闊的平原,約占2/3。1981—2019年流域下墊面類型發(fā)生改變的面積為流域總面積的1%,根據(jù)2010年的土地利用類型數(shù)據(jù)統(tǒng)計(jì),流域中約81.7%的下墊面類型為農(nóng)田,草地與林地主要分布在西南部邊緣地區(qū),分別約占4.1%、7.2%,水域、城鄉(xiāng)用地和未利用土地零星分布,分別約占4.7%、2.2%、0.1%。流域的多年平均氣溫為15℃,多年平均降水量為913.6 mm,多年平均太陽(yáng)總輻射為129.5 W/m2,多年平均相對(duì)濕度達(dá)71%。

圖1 2010年淮河流域下墊面概況(來(lái)源于資源環(huán)境科學(xué)數(shù)據(jù)中心：www.resdc.cn)Fig.1 Overview of underlying surface of the Huai River Basin in 2010 (from Resource and Environmental Science Data Center: www.resdc.cn)

1.2 蒸散量計(jì)算

采用BEPS(Boreal Ecosystem Productivity Simulator)模型對(duì)區(qū)域ET進(jìn)行模擬。BEPS模型是在FOREST—BGC(Forest Biogeochemical Cycles)模型的基礎(chǔ)上不斷改進(jìn)、發(fā)展而來(lái)的一個(gè)被廣泛應(yīng)用的陸面生態(tài)過(guò)程模型,已被許多學(xué)者應(yīng)用于不同區(qū)域的碳水循環(huán)研究[13—17]。BEPS模型采用如下方案計(jì)算ET,詳細(xì)過(guò)程參考Chen等[15]和Liu等[16—17]：

ET=Tplant+Esoil+Eplant+Splant+Sground

(1)

式中,ET為蒸散量(mm)；Tplant為植被的蒸騰量(mm)；Esoil為無(wú)積雪覆蓋時(shí)的土壤蒸發(fā)量(mm),根據(jù)Penman-Montheith原理計(jì)算；Eplant為無(wú)積雪覆蓋時(shí)植被截留降水的蒸發(fā)量(mm)；Splant為植被截留降雪的升華量(mm)；Sground為地表積雪的升華量(mm)。

按陰生葉和陽(yáng)生葉分別計(jì)算植被蒸騰量,Tplant可以表示為：

Tplant=TsunLAIsun+TshadeLAIshade

(2)

式中,Tsun和Tshade分別為陽(yáng)葉和陰葉的蒸騰量(mm),根據(jù)Penman-Montheith原理計(jì)算；LAI為植被冠層的總?cè)~面積指數(shù)(m2/m2)；LAIsun和LAIshade分別為陽(yáng)葉和陰葉的葉面積指數(shù)(m2m-2),具體計(jì)算見(jiàn)Chen等[15]和Liu等[17]。

(3)

(4)

Sground=min(snow,(Rad-Rad_int)csnow/λs)

(5)

式中,Pint為植被截流降水量(mm)；babs_water為水對(duì)太陽(yáng)總輻射的吸收率；babs_snow_water是雪對(duì)太陽(yáng)總輻射的吸收率；λv為水蒸發(fā)潛熱(0℃時(shí)為2.5×106J/kg)；λs為雪升華潛熱(0℃時(shí)為2.8×106J/kg)；Rad為太陽(yáng)總輻射(J m-2d-1)；Rad_int為植被截獲的太陽(yáng)總輻射(J m-2d-1)；snow為雪水當(dāng)量(mm)；csnow為雪升華時(shí)太陽(yáng)總輻射轉(zhuǎn)化為潛熱的比例系數(shù)；具體計(jì)算見(jiàn)Liu等[16]。

1.3 重心模型

空間分析中,重心的動(dòng)態(tài)變化可以反映區(qū)域要素整體的空間變換特征和趨勢(shì)[18]。本文采用重心分析淮河流域ET重心的時(shí)序變化,重心一般用研究要素的重心坐標(biāo)來(lái)表達(dá),即：

(6)

式中,X、Y為重心坐標(biāo)；n、m為矩陣的行列數(shù)；xij、yij分別為第i行、第j列格點(diǎn)的經(jīng)緯度坐標(biāo)；ETij為第i行、第j列格點(diǎn)上某一年的ET值。

1.4 敏感性與貢獻(xiàn)率計(jì)算

敏感性系數(shù)是由Mccuen[19]提出的,利用因變量和自變量的逐步回歸關(guān)系得到因變量對(duì)自變量的敏感性系數(shù),即：

(7)

(8)

式中,vi代表第i個(gè)環(huán)境因子；ε是逐步回歸方程的系統(tǒng)誤差項(xiàng)；Svi為ET對(duì)某環(huán)境因子vi的敏感性系數(shù)。敏感性系數(shù)的正負(fù)反映ET與該環(huán)境因子的相關(guān)性,值為正表明ET與該環(huán)境因子變化趨勢(shì)相同,反之亦然。敏感性系數(shù)的絕對(duì)值反映環(huán)境因子對(duì)ET影響大小。

每個(gè)環(huán)境因子的貢獻(xiàn)率可表示為其相對(duì)變化率(Rcvi)與其敏感系數(shù)(Svi)的乘積[20],即：

(9)

(10)

式中,Cvi和Svi為相對(duì)貢獻(xiàn)率和敏感系數(shù)；Rcvi為環(huán)境因子的多年相對(duì)變化率；ρ為所選所有環(huán)境因子對(duì)因變量變化的解釋程度；Trendvi為該環(huán)境因子多年線性變化率,由環(huán)境因子vi多年線性回歸趨勢(shì)分析或者最小二乘法計(jì)算得到；n為統(tǒng)計(jì)總年份,本文n為39。

1.5 數(shù)據(jù)

本文的氣象數(shù)據(jù)來(lái)自中國(guó)氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn)的中國(guó)地面氣候資料日值數(shù)據(jù)集,包括了1981—2019年全國(guó)2420個(gè)氣象站點(diǎn)的氣溫、降水、日照時(shí)數(shù)、相對(duì)濕度等數(shù)據(jù),太陽(yáng)總輻射由日照時(shí)數(shù)計(jì)算得到[21]。研究中,經(jīng)剔除、插補(bǔ)異常數(shù)據(jù)后根據(jù)克里金法[22]插值和重采樣至1 km空間分辨率,進(jìn)一步提取淮河流域柵格數(shù)據(jù)用于模型運(yùn)算和數(shù)據(jù)分析。葉面積指數(shù)(Leaf Area Index, LAI)資料來(lái)源于中國(guó)科學(xué)院地理科學(xué)與資源研究所劉榮高團(tuán)隊(duì)制作的每8天的1 km GLOBMAP LAI V3產(chǎn)品,產(chǎn)品已經(jīng)得到了很好的驗(yàn)證[23]。土地利用類型數(shù)據(jù)來(lái)源于驗(yàn)證過(guò)的中國(guó)科學(xué)院地理科學(xué)與資源研究所中國(guó)土地利用遙感監(jiān)測(cè)數(shù)據(jù)集(http://www.resdc.cn),其將地表利用類型主要?jiǎng)澐譃檗r(nóng)田、林地、草地、水域、城鄉(xiāng)用地和未利用土地6大類,本文使用的土地利用類型年份為1980、1990、2000、2010、2018年。

本文的模型驗(yàn)證數(shù)據(jù)來(lái)源于壽縣國(guó)家氣候觀象臺(tái)的通量觀測(cè)數(shù)據(jù),觀測(cè)時(shí)段為2007年7月至2018年12月,通量數(shù)據(jù)的缺失率為4%。對(duì)于缺失時(shí)間短(<2 h)的數(shù)據(jù)采用線性內(nèi)插法進(jìn)行插補(bǔ),對(duì)于缺失時(shí)間較長(zhǎng)的數(shù)據(jù)采用日平均法對(duì)其進(jìn)行插補(bǔ),具體參考翁升恒等[24]。通量數(shù)據(jù)的能量平衡比率為89%,符合數(shù)據(jù)能量閉合的要求。

1.6 數(shù)值實(shí)驗(yàn)設(shè)計(jì)

數(shù)值實(shí)驗(yàn)方法是通過(guò)設(shè)計(jì)不同情景實(shí)驗(yàn)得到因子對(duì)因變量的影響,可以用于研究特殊背景條件下的歸因。由于所采用的BEPS模型中有五個(gè)輸入變量,即LAI、Ta、Pre、Rad、RH,因此設(shè)計(jì)了一個(gè)對(duì)照實(shí)驗(yàn)和六個(gè)情景實(shí)驗(yàn)來(lái)研究ET的變化歸因(表1),對(duì)照實(shí)驗(yàn)下的ET表示氣候和植被變化的綜合影響。每個(gè)情景實(shí)驗(yàn)中改變一個(gè)變量為多年平均值,然后通過(guò)將每個(gè)情景實(shí)驗(yàn)的ET與對(duì)照實(shí)驗(yàn)的ET對(duì)比計(jì)算每個(gè)因素對(duì)ET的影響[25],即：

(11)

式中,CNE(xi)是基于數(shù)值實(shí)驗(yàn)的自變量xi對(duì)ET變化的影響；ETc為對(duì)照實(shí)驗(yàn)的ET值,ETxi為基于xi情景實(shí)驗(yàn)的ET值。

表1 蒸散(ET)歸因的數(shù)值實(shí)驗(yàn)方法

圖2 BEPS(Boreal Ecosystem Productivity Simulator)模型模擬的壽縣2007—2018年月蒸散(ET)和觀測(cè)數(shù)據(jù)的對(duì)比Fig.2 Comparison of monthly evapotranspiration (ET) simulated by BEPS (Boreal Ecosystem Productivity Simulator) model and observed data in Shouxian county from 2007 to 2018

2 結(jié)果

2.1 模型驗(yàn)證

在以往的研究中,BEPS模型已被多次驗(yàn)證。Liu等[26]利用通量站點(diǎn)數(shù)據(jù)對(duì)BEPS模型在中國(guó)區(qū)域的精度進(jìn)行了驗(yàn)證,結(jié)果表明BEPS模型能夠較好的模擬中國(guó)陸地表面ET時(shí)空分布特征；張方敏等[27]研究發(fā)現(xiàn)BEPS模型可以解釋東亞地區(qū)81%以上的ET變化。壽縣通量觀測(cè)ET與BEPS模型模擬結(jié)果對(duì)比顯示BEPS模型模擬的淮河流域農(nóng)田ET與實(shí)測(cè)值相近(圖2),R2達(dá)到了0.81(P<0.01),接近1∶1線,說(shuō)明了BPES模型在以農(nóng)田為主的淮河流域上具有一定的適用性,可以用于進(jìn)行該區(qū)域ET的模擬。

2.2 環(huán)境因子變化特征

統(tǒng)計(jì)各環(huán)境因子的變化特征(表2)可知,1981—2019年淮河流域LAI、Ta、Pre、Rad、RH發(fā)生了強(qiáng)度不等的變化,且在各個(gè)季節(jié)表現(xiàn)不同。LAI在39年間表現(xiàn)為明顯的增加趨勢(shì),變化率為0.01 m2m-2a-1,且在夏季增加趨勢(shì)更明顯；Ta在39年間也表現(xiàn)出上升趨勢(shì),變化率為0.04℃/a,39年共升高了1.56℃,在春季升溫最顯著,超過(guò)了全年增溫速率；Pre在研究時(shí)段內(nèi)變化幅度較小,變化率僅為0.17 mm/a,39年共增加了6.63 mm,在春季和冬季降水增加,但是在夏季和秋季降水變少；Rad和RH在39年內(nèi)均表現(xiàn)為下降,變化率為-0.19 W m-2a-1和-0.10%/a,分別在秋季和春季下降最明顯。

2.3 ET時(shí)空變化特征

2.3.1ET時(shí)間變化

圖3顯示了1981—2019年淮河流域全年和各季節(jié)ET的年際變化趨勢(shì)?；春恿饔?9年平均ET年總量為549.83 mm,其中夏季ET總量最大(261.89 mm),占年總量的47.63%,其次是春季和秋季,分別為151.68 mm和107.95 mm,占27.59%和19.64%,最小為冬季(28.31 mm),占5.14%。39年來(lái),淮河地區(qū)ET整體呈極顯著上升趨勢(shì)(P<0.01),線性趨勢(shì)變化率為4.41 mm/a；各季節(jié)ET總量均表現(xiàn)出不同程度的增加,增長(zhǎng)速率為夏季>春季>秋季>冬季,值分別為2.40、1.29、0.57、0.15 mm/a,其中夏季和春季呈極顯著增加(P<0.01)。分析表明,淮河流域ET年總量的增長(zhǎng)主要來(lái)源于夏季ET的增加。

表2 1981—2019年全年和不同季節(jié)各環(huán)境因子變化特征

圖4 淮河流域各年代蒸散(ET)年內(nèi)月變化Fig.4 Monthly variation of evapotranspiration (ET) in Huai River Basin in different decades

淮河流域各年代ET的年內(nèi)變化如圖4所示。8月份的ET最大,占全年總量的16.9%,其次為7月、6月、5月與9月,分別占16.5%、14.2%、13.3%、10.9%。各時(shí)段的ET年內(nèi)變化規(guī)律基本一致,隨著年代的變化該地區(qū)各月ET均呈上升趨勢(shì),尤其5—8月上升更明顯。

2.3.2ET空間變化

1981—2019年淮河流域ET年總量和變化率的空間分布如圖5所示。ET高值大多位于淮河流域中東部和南部,其中宿州市中部、宿遷市中部、徐州市中部、連云港市中部、六安市南部和淮安、揚(yáng)州市交界處ET大于600 mm。39年來(lái)ET在全流域上幾乎都呈上升趨勢(shì)但分布不均,大體為中西部增加較多,東北部增加較少,一半以上地區(qū)變化率在2.5—7.5 mm/a,少部分區(qū)域(駐馬店市南部、周口市北部、宿遷市中北部、六安市西南部)變化率大于7.5 mm/a。

圖6顯示了1981—2019年淮河流域四季ET年總量和變化率的空間分布,由圖6可知,四季ET總量和變化率均表現(xiàn)為較大差別。春季ET高值區(qū)位于淮河流域中東部和南部,大多分布在150—200 mm；夏季ET大部分處在250—300 mm,西部和南部地區(qū)達(dá)到300 mm以上；秋季ET明顯低于春夏兩季,大部分區(qū)域ET為100—125 mm；冬季ET處于低值,大部分區(qū)域低于45 mm。根據(jù)四季ET變化率的空間分布可知,夏季ET增加最多,中西部增長(zhǎng)率大于3.0 mm/a；春季ET大部分地區(qū)增長(zhǎng)率為1.0—2.0 mm/a,在中部大部分地區(qū)表現(xiàn)為增長(zhǎng),而東北、西北和東南的部分地區(qū)略有下降；秋季ET在東南部增長(zhǎng)明顯(>2.0 mm/a),其余大部分地區(qū)增長(zhǎng)率為0—1.0 mm/a；冬季在全區(qū)域增長(zhǎng)緩慢,區(qū)域上增長(zhǎng)率多為0—0.5 mm/a。總體來(lái)看,各個(gè)季節(jié)ET表現(xiàn)為下降趨勢(shì)的地區(qū)僅零星分布,進(jìn)一步說(shuō)明了近年來(lái)淮河流域ET的增長(zhǎng)變化趨勢(shì)。

圖5 1981—2019年淮河流域蒸散(ET)多年平均年總量、變化率的空間分布Fig.5 Spatial distribution of multi-year average annual total amount and change rate of evapotranspiration (ET) in Huai River Basin from 1981 to 2019

圖6 1981—2019年淮河流域四季蒸散(ET)多年平均年總量、變化率的空間分布Fig.6 Spatial distribution of annual average and change rate of evapotranspiration (ET) in four seasons of Huai River Basin from 1981 to 2019

2.3.3ET重心的遷移

圖7為1981—2019年淮河流域ET空間重心的年際動(dòng)態(tài)變化。由圖7可知,ET重心緯度呈現(xiàn)顯著下降趨勢(shì)(P<0.05),表明流域ET重心具有向低緯度地區(qū)移動(dòng)的顯著趨勢(shì)；ET重心經(jīng)度也呈現(xiàn)出下降趨勢(shì),但未通過(guò)0.05顯著性水平的檢驗(yàn),表明流域ET重心沒(méi)有顯著向西轉(zhuǎn)移趨勢(shì),但是2005年以后經(jīng)度重心明顯向西轉(zhuǎn)移?？傮w而言,39年間淮河流域ET重心有著顯著的南移趨勢(shì),間接說(shuō)明了流域ET具有南部增速大于北部的趨勢(shì)。

圖7 1981—2019年淮河流域蒸散(ET)重心經(jīng)緯度的年際變化Fig.7 Interannual variation of longitude and latitude of evapotranspiration (ET) barycenter in Huai River Basin from 1981 to 2019

2.4 ET歸因分析

2.4.1環(huán)境因子敏感性變化

淮河流域ET對(duì)不同環(huán)境因子的敏感性表現(xiàn)出較大差異,同時(shí)敏感性系數(shù)存在年際變化(圖8)。Ta的敏感性系數(shù)的絕對(duì)值最大(1.02),其次是RH(-0.91)、Rad(0.60)和LAI(0.36),Pre敏感性系數(shù)絕對(duì)值最小(-0.05),說(shuō)明淮河流域ET對(duì)Ta變化最為敏感。從年尺度上看,ET對(duì)LAI、Pre和RH的敏感性系數(shù)呈上升趨勢(shì),其中對(duì)LAI和RH的敏感性系數(shù)表現(xiàn)出極顯著上升趨勢(shì)(P<0.01),對(duì)Pre表現(xiàn)出顯著上升趨勢(shì)(P<0.05)；ET對(duì)Rad和Ta的敏感性系數(shù)呈極顯著下降趨勢(shì)(P<0.01)。分析表明,淮河流域ET對(duì)LAI的正敏感性逐漸增強(qiáng),對(duì)Ta和Rad的正敏感性逐漸減弱,而對(duì)Pre和RH的負(fù)敏感性有所減弱。

圖8 1981—2019年淮河流域環(huán)境因子敏感性年際變化Fig.8 Interannual variation of sensitivity of environmental factors in Huai River Basin from 1981 to 2019

2.4.2環(huán)境因子貢獻(xiàn)率分析

表3給出了全年及不同季節(jié)各因子對(duì)ET變化的貢獻(xiàn)率。由R2可知,五個(gè)環(huán)境因子綜合可以解釋淮河流域蒸散89%以上的變化。結(jié)合表2可知,LAI、Ta的顯著增加和RH的降低對(duì)ET年總量的增長(zhǎng)呈正貢獻(xiàn),而Pre的增加和Rad的降低限制了ET年總量的增加,其中LAI的增加對(duì)ET年總量的變化影響最大,其相對(duì)貢獻(xiàn)率達(dá)到了44.51%。結(jié)合圖8可知,雖然ET對(duì)Ta、Rad、RH的敏感性系數(shù)絕對(duì)值明顯高于ET對(duì)LAI的敏感性系數(shù)絕對(duì)值,但Ta、RH、Rad在39年間僅分別變化了+10.2%、-5.6%、-5.6%,導(dǎo)致它們的相對(duì)貢獻(xiàn)率低于LAI的相對(duì)貢獻(xiàn)率。四季中,春、夏、秋三季的主導(dǎo)因子均為L(zhǎng)AI,其相對(duì)貢獻(xiàn)率分別為37.35、61.06、39.94%；冬季的主導(dǎo)因子為Ta,其相對(duì)貢獻(xiàn)率達(dá)到51.97%。另外,影響淮河流域全年、春季、夏季、秋季、冬季的ET變化的次主導(dǎo)因子分別為Ta、Ta、RH、Ta、Rad。

2.4.3特濕潤(rùn)年份ET偏低的歸因

根據(jù)降水量多年變化特征可知,2003年淮河流域平均年降水量達(dá)到了1319.8 mm,比1981—2019年平均值(913.6 mm)高出了44.46%,為特濕潤(rùn)年份,但是2003年的ET明顯偏低(圖3)。因此,利用表1的不同情景數(shù)值實(shí)驗(yàn)對(duì)2003年ET進(jìn)行研究,分析引起特濕潤(rùn)年份ET低值的原因。

由數(shù)值實(shí)驗(yàn)結(jié)果(表4)可知,五個(gè)單因子變量的情景實(shí)驗(yàn)結(jié)果(ETLAI、ETTa、ETPre、ETRad、ETRH)均大于控制實(shí)驗(yàn)(ETc),說(shuō)明五個(gè)因子變量在2003年均對(duì)ET產(chǎn)生負(fù)效應(yīng),ET低值是由多種環(huán)境因子綜合作用產(chǎn)生的結(jié)果。將五個(gè)實(shí)驗(yàn)因子變量同時(shí)替換(ETALL),可以引起ET年總量32.62%的增加,但是實(shí)驗(yàn)因子變量對(duì)年總ET的增加程度不盡相同,具體表現(xiàn)為RH>Pre>Rad>LAI>Ta,說(shuō)明對(duì)于2003年來(lái)說(shuō),RH的偏高(5.80%)是導(dǎo)致當(dāng)年ET總量偏低的主要原因,引起2003年ET總量偏低12.3%,而嚴(yán)重偏高的降水(44.46%)是次要原因,引起ET總量偏低6.6%。根據(jù)不同季節(jié)的結(jié)果分析可知,導(dǎo)致2003年春、夏、秋、冬四季ET總量偏低的主導(dǎo)因子分別是RH、RH、RH、Pre,次主導(dǎo)因子分別是Pre、Rad、Pre、RH。

表3 不同季節(jié)環(huán)境因子對(duì)蒸散(ET)變化的貢獻(xiàn)率

表4 淮河流域蒸散(ET)數(shù)值實(shí)驗(yàn)結(jié)果

3 討論

ET作為能量平衡和水循環(huán)的重要組成,其變化成因具有明顯的地域性和季節(jié)性,早已受到諸多關(guān)注,但是很少考慮ET對(duì)環(huán)境因子的敏感性及影響因子對(duì)ET的貢獻(xiàn)率[3—8]。本文不僅明確了淮河流域不同季節(jié)ET對(duì)不同環(huán)境因子的敏感性,還揭示了不同環(huán)境因子對(duì)ET的貢獻(xiàn)率,指出LAI是影響淮河流域ET年總量變化的主導(dǎo)因子,并明確其對(duì)ET年總量變化的相對(duì)貢獻(xiàn)率達(dá)到了44.5%,這與郭春明等[28]和Jin等[29]研究結(jié)果一致,但他們均并未對(duì)LAI對(duì)ET的影響程度做出量化。季節(jié)上,LAI對(duì)ET變化的貢獻(xiàn)率也存在很大的差異,并且LAI不是淮河流域冬季ET變化的主要因子,說(shuō)明了LAI對(duì)ET的影響作用存在差異性,而這種差異性原因還可能具有空間性[30]。結(jié)合早期研究發(fā)現(xiàn),在較干旱的黃土高原地區(qū),LAI的提高會(huì)導(dǎo)致更多降水被冠層攔截并滲透進(jìn)土壤,補(bǔ)充干旱區(qū)缺乏的水資源,從而導(dǎo)致ET的增加[29]；而在特濕潤(rùn)地區(qū),LAI引起冠層和土壤之間可用能量的重新分配,可用能量的限制導(dǎo)致LAI對(duì)ET的促進(jìn)效應(yīng)低于干旱地區(qū),進(jìn)而導(dǎo)致ET的變化[30—31]。淮河流域?yàn)檩^濕潤(rùn)地區(qū),植被增加而多截留的水分對(duì)水資源有一定補(bǔ)充,同時(shí)該地區(qū)近年來(lái)植被光合有效輻射吸收比顯著上升[32],植被可用能量未受限制,蒸騰明顯增加,因此,該區(qū)域植被增加會(huì)導(dǎo)致ET的顯著增加。其他環(huán)境條件亦可能通過(guò)促進(jìn)LAI對(duì)ET產(chǎn)生影響[33]。從淮河流域的氣候因子變化對(duì)植被可能造成的影響來(lái)看,近年來(lái)流域內(nèi)溫度和降水增加,這有效降低了干旱和積溫不足對(duì)作物生長(zhǎng)的不利影響[34]；另一方面,近年來(lái)不斷增加的大氣CO2濃度協(xié)同氮沉降與化肥用量的增加[35—36],補(bǔ)充了植被所需的營(yíng)養(yǎng)物質(zhì),刺激了植被的生理過(guò)程,植被LAI明顯增加(表2),ET也隨之增強(qiáng)。

土地利用類型對(duì)ET變化特征的影響至關(guān)重要,在長(zhǎng)時(shí)間的模擬中土地利用類型卻并不是一成不變的,土地利用類型的改變會(huì)增加區(qū)域ET的不確定性[37],在研究中必須考慮下墊面改變對(duì)區(qū)域ET可能產(chǎn)生的影響。本文根據(jù)1 km土地利用類型數(shù)據(jù)識(shí)別其變化,發(fā)現(xiàn)39年間土地利用類型發(fā)生改變的像元僅為1%,故在研究該區(qū)域ET歸因時(shí)可以忽略,但采用的數(shù)據(jù)像元為1 km分辨率,亞像元級(jí)的實(shí)際土地利用類型變化有可能被混合像元掩蓋,在今后的研究中,需要更精細(xì)的、長(zhǎng)序列土地利用類型數(shù)據(jù),進(jìn)一步闡述由于土地利用類型對(duì)該區(qū)域ET可能產(chǎn)生的影響。

在全球氣候變化背景下,極端氣候事件的發(fā)生概率急劇增加[38],極端氣候事件的發(fā)生對(duì)區(qū)域水循環(huán)可能有著較大的影響。在淮河流域極端濕潤(rùn)的2003年,流域ET出現(xiàn)低谷,進(jìn)一步研究表明高相對(duì)濕度是當(dāng)年淮河流域ET的主要限制因子(表4),這與長(zhǎng)時(shí)間序列的歸因結(jié)果不同,因此,如果忽略極端氣候條件下的ET變化分析,可能導(dǎo)致對(duì)全球及區(qū)域水循環(huán)認(rèn)知的不全面。不同極端事件對(duì)水循環(huán)的影響有較大差別,加強(qiáng)不同極端氣候條件下ET的變化特征及歸因的定量分析,可以更有效的為應(yīng)對(duì)全球氣候變化提供決策服務(wù)。本研究對(duì)極端濕潤(rùn)條件下淮河流域ET特征的定量歸因分析,對(duì)全面認(rèn)識(shí)該流域ET變化研究提供了一定參考。

4 結(jié)論

本文采用經(jīng)驗(yàn)證的BEPS模型模擬淮河流域ET,在此基礎(chǔ)上,剖析了ET的時(shí)空分布特征、區(qū)域重心遷移過(guò)程以及ET對(duì)環(huán)境因子的敏感性,進(jìn)一步量化了環(huán)境因子對(duì)ET變化的貢獻(xiàn)率,揭示淮河流域地區(qū)ET對(duì)氣候及植被變化的響應(yīng)特征及其主控因子,得出主要結(jié)論如下：

淮河流域多年平均ET年總量為549.83 mm,且呈顯著上升趨勢(shì),線性趨勢(shì)率為4.41 mm/a,夏季ET占全年ET的比值達(dá)到47.63%,且上升趨勢(shì)在四季中最顯著。多年來(lái),ET高值區(qū)位于中東部和南部,同時(shí)重心模型顯示高值區(qū)域呈顯著的由北向南移動(dòng)趨勢(shì)。根據(jù)敏感性系數(shù)結(jié)果表明,研究區(qū)域內(nèi)ET對(duì)氣溫的變化最為敏感,其次為L(zhǎng)AI；綜合各環(huán)境因子的變化和ET對(duì)因子的敏感性系數(shù),多年來(lái)LAI對(duì)ET年總量變化影響最大,相對(duì)貢獻(xiàn)率達(dá)到了44.51%,而對(duì)冬季ET總量變化影響最大的是氣溫。進(jìn)一步研究發(fā)現(xiàn),特濕潤(rùn)年ET變化的影響因子與常規(guī)年份不同；在特濕潤(rùn)年份,高相對(duì)濕度是引起當(dāng)年ET明顯偏低的最主要因素。研究結(jié)論可以為有效應(yīng)對(duì)未來(lái)淮河流域環(huán)境變化及極端氣候事件對(duì)水循環(huán)的影響以及區(qū)域水資源合理分配提供參考。