翁升恒,張方敏,盧燕宇,段春鋒,4,倪 婷

1 南京信息工程大學應用氣象學院江蘇省農(nóng)業(yè)氣象重點實驗室,南京 210044 2 壽縣國家氣候觀象臺 中國氣象局淮河流域典型農(nóng)田生態(tài)氣象野外科學試驗基地,淮南 232000 3 安徽省氣象局氣象科學研究所 大氣科學與衛(wèi)星遙感安徽省重點實驗室,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)和植被生理過程中均扮演著重要角色。全面了解氣候和植被生長變化在ET變化中的作用有助于明確地氣系統(tǒng)相互作用,更好地應對未來可能的氣候變化。

ET的變化受環(huán)境和生物多方面因素的影響。諸多學者展開了相應的ET歸因研究,但持有不同觀點,大致可以歸結(jié)于輻射、溫度、水分和植被生長條件的影響。周亞軍等[3]利用SEBAL模型研究錫林河流域認為該流域ET對凈輻射變化最敏感,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]則認為黃河流域ET對歸一化植被指數(shù)的敏感性最強,同時歸一化植被指數(shù)對該地區(qū)ET的變化也起主導作用；但針對華北平原研究認為降水是導致ET增加的主要因素[6],而氣候變暖是導致中國濕潤地區(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、日照時數(shù)、降水和相對濕度。綜上所述,我國不同區(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]。

淮河流域地處中國華中地區(qū),介于長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,屬于亞熱帶季風氣候區(qū)。該地區(qū)是我國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時空變化特征,并進行歸因分析對區(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)時空變化特征及成因分析的相關(guān)研究,比如王曉東等[11]認為風速下降是引起淮河流域ET0下降的主要因子,但ET0忽略了實際下墊面植被情況,與ET存在較大差異,因此需要定量各因子對淮河流域ET變化的影響。本文采用經(jīng)驗證的BEPS(Boreal Ecosystem Productivity Simulator)模型計算淮河流域ET,剖析其時空分布特征及區(qū)域重心遷移過程,分析ET對葉面積指數(shù)(Leaf Area Index,LAI)、氣溫(Air Temperature,Ta)、降水(Precipitation,Pre)、太陽總輻射(Radiation,Rad)、相對濕度(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ET變化的貢獻率,為有效應對未來淮河流域環(huán)境氣候變化及極端氣候事件加劇對水循環(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,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,多年平均太陽總輻射為129.5 W/m2,多年平均相對濕度達71%。

圖1 2010年淮河流域下墊面概況(來源于資源環(huán)境科學數(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 蒸散量計算

采用BEPS(Boreal Ecosystem Productivity Simulator)模型對區(qū)域ET進行模擬。BEPS模型是在FOREST—BGC(Forest Biogeochemical Cycles)模型的基礎(chǔ)上不斷改進、發(fā)展而來的一個被廣泛應用的陸面生態(tài)過程模型,已被許多學者應用于不同區(qū)域的碳水循環(huán)研究[13—17]。BEPS模型采用如下方案計算ET,詳細過程參考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為無積雪覆蓋時的土壤蒸發(fā)量(mm),根據(jù)Penman-Montheith原理計算；Eplant為無積雪覆蓋時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)。

按陰生葉和陽生葉分別計算植被蒸騰量,Tplant可以表示為：

Tplant=TsunLAIsun+TshadeLAIshade

(2)

式中,Tsun和Tshade分別為陽葉和陰葉的蒸騰量(mm),根據(jù)Penman-Montheith原理計算；LAI為植被冠層的總?cè)~面積指數(shù)(m2/m2)；LAIsun和LAIshade分別為陽葉和陰葉的葉面積指數(shù)(m2m-2),具體計算見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為水對太陽總輻射的吸收率；babs_snow_water是雪對太陽總輻射的吸收率；λv為水蒸發(fā)潛熱(0℃時為2.5×106J/kg)；λs為雪升華潛熱(0℃時為2.8×106J/kg)；Rad為太陽總輻射(J m-2d-1)；Rad_int為植被截獲的太陽總輻射(J m-2d-1)；snow為雪水當量(mm)；csnow為雪升華時太陽總輻射轉(zhuǎn)化為潛熱的比例系數(shù)；具體計算見Liu等[16]。

1.3 重心模型

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

(6)

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

1.4 敏感性與貢獻率計算

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)系得到因變量對自變量的敏感性系數(shù),即：

(7)

(8)

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

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

(9)

(10)

式中,Cvi和Svi為相對貢獻率和敏感系數(shù)；Rcvi為環(huán)境因子的多年相對變化率；ρ為所選所有環(huán)境因子對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多年線性回歸趨勢分析或者最小二乘法計算得到；n為統(tǒng)計總年份,本文n為39。

1.5 數(shù)據(jù)

本文的氣象數(shù)據(jù)來自中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn)的中國地面氣候資料日值數(shù)據(jù)集,包括了1981—2019年全國2420個氣象站點的氣溫、降水、日照時數(shù)、相對濕度等數(shù)據(jù),太陽總輻射由日照時數(shù)計算得到[21]。研究中,經(jīng)剔除、插補異常數(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,進一步提取淮河流域柵格數(shù)據(jù)用于模型運算和數(shù)據(jù)分析。葉面積指數(shù)(Leaf Area Index, LAI)資料來源于中國科學院地理科學與資源研究所劉榮高團隊制作的每8天的1 km GLOBMAP LAI V3產(chǎn)品,產(chǎn)品已經(jīng)得到了很好的驗證[23]。土地利用類型數(shù)據(jù)來源于驗證過的中國科學院地理科學與資源研究所中國土地利用遙感監(jiān)測數(shù)據(jù)集(http://www.resdc.cn),其將地表利用類型主要劃分為農(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。

本文的模型驗證數(shù)據(jù)來源于壽縣國家氣候觀象臺的通量觀測數(shù)據(jù),觀測時段為2007年7月至2018年12月,通量數(shù)據(jù)的缺失率為4%。對于缺失時間短(<2 h)的數(shù)據(jù)采用線性內(nèi)插法進行插補,對于缺失時間較長的數(shù)據(jù)采用日平均法對其進行插補,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)值實驗設(shè)計

數(shù)值實驗方法是通過設(shè)計不同情景實驗得到因子對因變量的影響,可以用于研究特殊背景條件下的歸因。由于所采用的BEPS模型中有五個輸入變量,即LAI、Ta、Pre、Rad、RH,因此設(shè)計了一個對照實驗和六個情景實驗來研究ET的變化歸因(表1),對照實驗下的ET表示氣候和植被變化的綜合影響。每個情景實驗中改變一個變量為多年平均值,然后通過將每個情景實驗的ET與對照實驗的ET對比計算每個因素對ET的影響[25],即：

(11)

式中,CNE(xi)是基于數(shù)值實驗的自變量xi對ET變化的影響；ETc為對照實驗的ET值,ETxi為基于xi情景實驗的ET值。

表1 蒸散(ET)歸因的數(shù)值實驗方法

圖2 BEPS(Boreal Ecosystem Productivity Simulator)模型模擬的壽縣2007—2018年月蒸散(ET)和觀測數(shù)據(jù)的對比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 模型驗證

在以往的研究中,BEPS模型已被多次驗證。Liu等[26]利用通量站點數(shù)據(jù)對BEPS模型在中國區(qū)域的精度進行了驗證,結(jié)果表明BEPS模型能夠較好的模擬中國陸地表面ET時空分布特征；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ET與BEPS模型模擬結(jié)果對比顯示BEPS模型模擬的淮河流域農(nóng)田ET與實測值相近(圖2),R2達到了0.81(P<0.01),接近1∶1線,說明了BPES模型在以農(nóng)田為主的淮河流域上具有一定的適用性,可以用于進行該區(qū)域ET的模擬。

2.2 環(huán)境因子變化特征

統(tǒng)計各環(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)生了強度不等的變化,且在各個季節(jié)表現(xiàn)不同。LAI在39年間表現(xiàn)為明顯的增加趨勢,變化率為0.01 m2m-2a-1,且在夏季增加趨勢更明顯；Ta在39年間也表現(xiàn)出上升趨勢,變化率為0.04℃/a,39年共升高了1.56℃,在春季升溫最顯著,超過了全年增溫速率；Pre在研究時段內(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時空變化特征

2.3.1ET時間變化

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。淮河流域39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,淮河地區(qū)ET整體呈極顯著上升趨勢(P<0.01),線性趨勢變化率為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年總量的增長主要來源于夏季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,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、揚州市交界處ET大于600 mm。39年來ET在全流域上幾乎都呈上升趨勢但分布不均,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,中西部增長率大于3.0 mm/a；春季ET大部分地區(qū)增長率為1.0—2.0 mm/a,在中部大部分地區(qū)表現(xiàn)為增長,而東北、西北和東南的部分地區(qū)略有下降；秋季ET在東南部增長明顯(>2.0 mm/a),其余大部分地區(qū)增長率為0—1.0 mm/a；冬季在全區(qū)域增長緩慢,區(qū)域上增長率多為0—0.5 mm/a。總體來看,各個季節(jié)ET表現(xiàn)為下降趨勢的地區(qū)僅零星分布,進一步說明了近年來淮河流域ET的增長變化趨勢。

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空間重心的年際動態(tài)變化。由圖7可知,ET重心緯度呈現(xiàn)顯著下降趨勢(P<0.05),表明流域ET重心具有向低緯度地區(qū)移動的顯著趨勢；ET重心經(jīng)度也呈現(xiàn)出下降趨勢,但未通過0.05顯著性水平的檢驗,表明流域ET重心沒有顯著向西轉(zhuǎn)移趨勢,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,間接說明了流域ET具有南部增速大于北部的趨勢。

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對不同環(huán)境因子的敏感性表現(xiàn)出較大差異,同時敏感性系數(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)絕對值最小(-0.05),說明淮河流域ET對Ta變化最為敏感。從年尺度上看,ET對LAI、Pre和RH的敏感性系數(shù)呈上升趨勢,其中對LAI和RH的敏感性系數(shù)表現(xiàn)出極顯著上升趨勢(P<0.01),對Pre表現(xiàn)出顯著上升趨勢(P<0.05)；ET對Rad和Ta的敏感性系數(shù)呈極顯著下降趨勢(P<0.01)。分析表明,淮河流域ET對LAI的正敏感性逐漸增強,對Ta和Rad的正敏感性逐漸減弱,而對Pre和RH的負敏感性有所減弱。

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)境因子貢獻率分析

表3給出了全年及不同季節(jié)各因子對ET變化的貢獻率。由R2可知,五個環(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ET年總量的增長呈正貢獻,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ET年總量的變化影響最大,其相對貢獻率達到了44.51%。結(jié)合圖8可知,雖然ET對Ta、Rad、RH的敏感性系數(shù)絕對值明顯高于ET對LAI的敏感性系數(shù)絕對值,但Ta、RH、Rad在39年間僅分別變化了+10.2%、-5.6%、-5.6%,導致它們的相對貢獻率低于LAI的相對貢獻率。四季中,春、夏、秋三季的主導因子均為LAI,其相對貢獻率分別為37.35、61.06、39.94%；冬季的主導因子為Ta,其相對貢獻率達到51.97%。另外,影響淮河流域全年、春季、夏季、秋季、冬季的ET變化的次主導因子分別為Ta、Ta、RH、Ta、Rad。

2.4.3特濕潤年份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到了1319.8 mm,比1981—2019年平均值(913.6 mm)高出了44.46%,為特濕潤年份,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)值實驗對2003年ET進行研究,分析引起特濕潤年份ET低值的原因。

由數(shù)值實驗結(jié)果(表4)可知,五個單因子變量的情景實驗結(jié)果(ETLAI、ETTa、ETPre、ETRad、ETRH)均大于控制實驗(ETc),說明五個因子變量在2003年均對ET產(chǎn)生負效應,ET低值是由多種環(huán)境因子綜合作用產(chǎn)生的結(jié)果。將五個實驗因子變量同時替換(ETALL),可以引起ET年總量32.62%的增加,但是實驗因子變量對年總ET的增加程度不盡相同,具體表現(xiàn)為RH>Pre>Rad>LAI>Ta,說明對于2003年來說,RH的偏高(5.80%)是導致當年ET總量偏低的主要原因,引起2003年ET總量偏低12.3%,而嚴重偏高的降水(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,導致2003年春、夏、秋、冬四季ET總量偏低的主導因子分別是RH、RH、RH、Pre,次主導因子分別是Pre、Rad、Pre、RH。

表3 不同季節(jié)環(huán)境因子對蒸散(ET)變化的貢獻率

表4 淮河流域蒸散(ET)數(shù)值實驗結(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對環(huán)境因子的敏感性及影響因子對ET的貢獻率[3—8]。本文不僅明確了淮河流域不同季節(jié)ET對不同環(huán)境因子的敏感性,還揭示了不同環(huán)境因子對ET的貢獻率,指出LAI是影響淮河流域ET年總量變化的主導因子,并明確其對ET年總量變化的相對貢獻率達到了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LAI對ET的影響程度做出量化。季節(jié)上,LAI對ET變化的貢獻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,說明了LAI對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的提高會導致更多降水被冠層攔截并滲透進土壤,補充干旱區(qū)缺乏的水資源,從而導致ET的增加[29]；而在特濕潤地區(qū),LAI引起冠層和土壤之間可用能量的重新分配,可用能量的限制導致LAI對ET的促進效應低于干旱地區(qū),進而導致ET的變化[30—31]。淮河流域為較濕潤地區(qū),植被增加而多截留的水分對水資源有一定補充,同時該地區(qū)近年來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)域植被增加會導致ET的顯著增加。其他環(huán)境條件亦可能通過促進LAI對ET產(chǎn)生影響[33]。從淮河流域的氣候因子變化對植被可能造成的影響來看,近年來流域內(nèi)溫度和降水增加,這有效降低了干旱和積溫不足對作物生長的不利影響[34]；另一方面,近年來不斷增加的大氣CO2濃度協(xié)同氮沉降與化肥用量的增加[35—36],補充了植被所需的營養(yǎng)物質(zhì),刺激了植被的生理過程,植被LAI明顯增加(表2),ET也隨之增強。

土地利用類型對ET變化特征的影響至關(guān)重要,在長時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歸因時可以忽略,但采用的數(shù)據(jù)像元為1 km分辨率,亞像元級的實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,需要更精細的、長序列土地利用類型數(shù)據(jù),進一步闡述由于土地利用類型對該區(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的2003年,流域ET出現(xiàn)低谷,進一步研究表明高相對濕度是當年淮河流域ET的主要限制因子(表4),這與長時間序列的歸因結(jié)果不同,因此,如果忽略極端氣候條件下的ET變化分析,可能導致對全球及區(qū)域水循環(huán)認知的不全面。不同極端事件對水循環(huán)的影響有較大差別,加強不同極端氣候條件下ET的變化特征及歸因的定量分析,可以更有效的為應對全球氣候變化提供決策服務。本研究對極端濕潤條件下淮河流域ET特征的定量歸因分析,對全面認識該流域ET變化研究提供了一定參考。

4 結(jié)論

本文采用經(jīng)驗證的BEPS模型模擬淮河流域ET,在此基礎(chǔ)上,剖析了ET的時空分布特征、區(qū)域重心遷移過程以及ET對環(huán)境因子的敏感性,進一步量化了環(huán)境因子對ET變化的貢獻率,揭示淮河流域地區(qū)ET對氣候及植被變化的響應特征及其主控因子,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,線性趨勢率為4.41 mm/a,夏季ET占全年ET的比值達到47.63%,且上升趨勢在四季中最顯著。多年來,ET高值區(qū)位于中東部和南部,同時重心模型顯示高值區(qū)域呈顯著的由北向南移動趨勢。根據(jù)敏感性系數(shù)結(jié)果表明,研究區(qū)域內(nèi)ET對氣溫的變化最為敏感,其次為LAI；綜合各環(huán)境因子的變化和ET對因子的敏感性系數(shù),多年來LAI對ET年總量變化影響最大,相對貢獻率達到了44.51%,而對冬季ET總量變化影響最大的是氣溫。進一步研究發(fā)現(xiàn),特濕潤年ET變化的影響因子與常規(guī)年份不同；在特濕潤年份,高相對濕度是引起當年ET明顯偏低的最主要因素。研究結(jié)論可以為有效應對未來淮河流域環(huán)境變化及極端氣候事件對水循環(huán)的影響以及區(qū)域水資源合理分配提供參考。