桑春云，王 倩，金淑媛，張占豪，郭建茂

（1.南京信息工程大學(xué)應(yīng)用氣象學(xué)院，南京 210044；2.澤庫縣氣象局，青海 澤庫 811400；3.青海省氣象臺，西寧 810000）

0 引 言

當今全球升溫引起的氣候變暖驅(qū)動復(fù)雜的水循環(huán)變化，導(dǎo)致水資源在數(shù)量結(jié)構(gòu)和能量分配上發(fā)生了改變[1]，其中蒸散的變化是這一過程不可忽視的影響因子。蒸散作用常用于表示地球大氣圈-水圈-生物圈的熱量交換和水量交換過程，系統(tǒng)間復(fù)雜的相互作用，使得蒸散成為水文循環(huán)過程中最難估算的參量[2,3]。作物參考蒸散（Reference crop evapotranspiration，ET0）作為研究蒸散的重要參量，對區(qū)域生態(tài)需水指標構(gòu)建[4]、作物氣候生產(chǎn)潛力[5]及干旱分布[6]研究等方面具有重要意義。世界糧農(nóng)組織定義ET0為假設(shè)平坦地面在土壤水分充足條件下被生長旺盛、低矮的禾本類作物(高0.12 m，表面阻力為70 m/s，反射率為0.23)完全遮蔽時的蒸散，并推薦使用FAO56 Penman-Monteith 方程計算ET0[7]，該方法以能量平衡和水汽擴散為基礎(chǔ)，綜合考慮了作物生理結(jié)構(gòu)、空氣動力學(xué)特性和太陽輻射等因素，計算所得的ET0不受作物種類、作物生長狀況和土壤水分等因限制，氣候條件是影響ET0變化的唯一因素，因其良好的水文物理基礎(chǔ)，得到眾多學(xué)者的青睞[6,8-13]，并已取得良好的模擬結(jié)果。

三江源地區(qū)是長江、黃河、瀾滄江的發(fā)源地，是我國和亞洲重要河流的上游關(guān)鍵源區(qū)，被譽為“中華水塔”[14]，是氣候變化敏感性和生態(tài)環(huán)境脆弱性反應(yīng)最為強烈的地區(qū)之一，對我國乃至全球的生態(tài)環(huán)境具有深遠的影響[15]。20世紀90年代以來，在氣候變化背景和人類活動干預(yù)下，三江源地區(qū)生態(tài)環(huán)境惡化，水土涵養(yǎng)能力急劇下降，出現(xiàn)草場退化、濕地萎縮、土地荒漠化和冰川消融等一系列生態(tài)問題[16]，生態(tài)環(huán)境的惡化直接影響了區(qū)域經(jīng)濟社會的可持續(xù)發(fā)展，對源區(qū)中下游地區(qū)的生態(tài)環(huán)境也帶來了各種不利影響，這與蒸散量的變化密切相關(guān)。三江源地區(qū)地表類型主要以草地生態(tài)系統(tǒng)為主，草地面積為32 萬km2，占比92%，下墊面牧草覆蓋度較好[17,18]，可采用ET0開展蒸散分析。近年來三江源地區(qū)蒸散分析結(jié)果均表明該地區(qū)蒸散總體上呈現(xiàn)增長趨勢[12,19]，但目前鮮少有研究對三江源地區(qū)未來不同氣候情景下ET0的研究。研究該區(qū)域歷史ET0時空變化特征及其未來氣候條件下的響應(yīng)，可為深入理解區(qū)域生態(tài)水文過程、水資源合理調(diào)控及制定生態(tài)修復(fù)保護政策提供理論依據(jù)，也為未來氣候變化趨勢下的三江源地區(qū)生態(tài)安全和用水安全提供科學(xué)借鑒，有利于提前做好宏觀規(guī)劃和應(yīng)對措施，促進區(qū)域生態(tài)系統(tǒng)良性發(fā)展。

當前，大氣環(huán)流模式(General Circulation Model，GCM)成為預(yù)測未來氣候變化的可靠工具，但是粗分辨率的GCM 對區(qū)域天氣過程和極端天氣氣候事件的模擬能力有限，所以降尺度技術(shù)在區(qū)域尺度氣候變化研究方面具有廣泛的應(yīng)用。常用于降尺度的氣象要素有降水、氣溫、氣壓、濕度、風速、蒸散發(fā)量等氣象因子[20]。降尺度技術(shù)通常分為動力降尺度、統(tǒng)計降尺度以及動力降尺度和統(tǒng)計降尺度相結(jié)合的方法，統(tǒng)計降尺度可以彌補動力降尺度的不足，因而也被廣泛應(yīng)用[6,10,21-24]。

本文以三江源地區(qū)為研究區(qū)，以1979-2014年為基準時段，利用FAO Penman-Monteith（P-M）公式計算ET0日序數(shù)據(jù)，在分析該時期ET0時空變化特點的基礎(chǔ)上，利用統(tǒng)計降尺度模型(Statistical Downscaling Simulation Model,SDSM)建立GCM 預(yù)報因子(即近地面和高層大氣環(huán)流變量)和三江源地區(qū)地面預(yù)報因子(各氣象觀測站ET0計算值)之間的經(jīng)驗關(guān)系，將CanESM5輸出數(shù)據(jù)[25]輸入SDSM 模型進行降尺度，生成各站點2015-2100年作物參考蒸散在ssp1-2.6、ssp2-4.5 和ssp5-8.5情景模式下[26]的降尺度日序列，分析三江源地區(qū)未來ET0在3種情景模式下相對于基準期ET0的時空變化趨勢。

1 研究區(qū)概況和研究方法

1.1 研究區(qū)域

三江源地區(qū)，地處青藏高原腹地，青海省南部，位于31°39′～36°12′N，89°45′～102°23′E 之間，行政區(qū)域包括玉樹、果洛、海南、黃南4 個藏族自治州的16 個縣和格爾木市的唐古拉鄉(xiāng)，總面積35.66 萬km2，見圖1。氣候為典型的高原大陸性氣候,表現(xiàn)為冬季漫長干冷，雨熱同季，氣溫較低，熱量不足，日照時間長，輻射強烈。多年平均氣溫在-5.38～4.14 ℃之間，年平均降水量262.2～772.8 mm，年蒸發(fā)量為730～1 700 mm，年平均日照時數(shù)為2 602.8 h，年平均太陽輻射值為6 751.08 MJ/m[27,28]。

圖1 三江源地區(qū)氣象站點分布Fig.1 The spatial distribution of meteorological stations in the Three Rivers Headwaters Region

1.2 數(shù)據(jù)來源

本文研究數(shù)據(jù)包括氣象臺站歷史觀測資料和CMIP6 模式數(shù)據(jù)兩部分。

氣象臺站歷史觀測數(shù)據(jù)(http://www.cma.gov.cn/)。采用三江源地區(qū)13 個氣象臺站實測氣象資料，包括1979-2014年逐日平均相對濕度、平均氣溫、最低氣溫、最高氣溫、20～20時降水、日照時數(shù)、平均水汽壓、平均風速等資料。

CMIP6 模式數(shù)據(jù)(https://climate-scenarios.canada.ca/)。已有研究開展了全球不同氣候模式在青藏高原的氣候模擬能力及適用性評估[29,30]，認為CanESM5模式在在青藏高原地區(qū)氣候模擬能力及數(shù)據(jù)可用性較好，參考相關(guān)研究成果，本文選取該模式對三江源地區(qū)作物參考蒸散進行降尺度初步分析。數(shù)據(jù)包括1979-2014年NCEP 再分析資料NCEP-DOE 逐日數(shù)據(jù)，包含26 個大氣環(huán)流預(yù)報因子；2015-2100年加拿大氣候模擬與分析中心最新的氣候耦合模式CanESM5 模式下輸出的ssp1-2.6、ssp2-4.5和ssp5-8.5排放情景模式下的逐日數(shù)據(jù)，預(yù)報因子和NCEP 再分析資料一致。數(shù)據(jù)集由64×128 的經(jīng)緯網(wǎng)格單元組成，空間分辨率為2.8125°×2.8125°，本文研究區(qū)域共有6個網(wǎng)格覆蓋，需要通過降尺度處理將網(wǎng)格數(shù)據(jù)和氣象站點進行匹配。該數(shù)據(jù)集對NCEP 再分析資料和GCM 都進行了插值處理以匹配CanESM5網(wǎng)格，并對數(shù)據(jù)(風向以外的其他數(shù)據(jù))進行了標準化處理。

1.3 研究方法

1.3.1 ET0計算

已有研究表明，F(xiàn)AO56 Penman-Monteith（P-M）方程與三江源地區(qū)氣象觀測站蒸發(fā)皿實測值之間存在較好的相關(guān)性，采用FAO56 P-M方程計算ET0是可行的[13]。具體公式如下：

式中：ET0為作物參考蒸散量，mm/d；△為飽和水汽壓曲線斜率，kPa/℃；Rn為地表凈輻射，MJ/（m2·d）；G為土壤熱通量，MJ/（m2·d），在逐日或10 d 尺度上可以忽略不計；γ為干濕表常數(shù)，kPa/℃；T為2 m 高處氣溫，℃；u2為2 m 高處風速，m/s；es為飽和水汽壓，kPa；ea為實際水汽壓，kPa。

主要參數(shù)計算方法為：

式中：u10為10 m 高處風速，m/s，即氣象觀測站實測風速數(shù)據(jù)；Rns為地表接受的凈短波輻射，Rnl為地表發(fā)射的凈長波輻射，兩者之差為地表凈輻射Rn；n為日照時數(shù)，N為可照時數(shù)，Ra為天文輻射，α為反射率，as、bs為擬合系數(shù)，F(xiàn)AO 推薦取值為α取0.23，as取0.25，bs取0.55。計算所用其余參數(shù)均采用FAO推薦的標準值[7]。

1.3.2 統(tǒng)計降尺度模型SDSM

統(tǒng)計降尺度方法的核心是建立三江源地區(qū)近地面和高層大氣環(huán)流因子與各氣象站點ET0之間的統(tǒng)計經(jīng)驗關(guān)系，即：

式中：Y代表地面ET0計算值；X(X1，X2，…，Xn)代表n個大氣尺度氣象預(yù)報因子；F是建立的統(tǒng)計經(jīng)驗關(guān)系。

Wilby 等[31]結(jié)合線性回歸方法和隨機發(fā)生器設(shè)計了SDSM，用于在日時間尺度上構(gòu)建單個站點的氣候變化情景。SDSM 的主要應(yīng)用包括數(shù)據(jù)質(zhì)量控制和轉(zhuǎn)換、降尺度預(yù)報因子篩選、模型校準、天氣發(fā)生器和基于GCM 預(yù)報變量生成未來氣候情景等模塊。SDSM 基于隨機天氣發(fā)生器和多元線性回歸耦合的原理，將近地面和高層大氣環(huán)流變量用作區(qū)域尺度天氣發(fā)生器參數(shù)，確定每日ET0估算值，隨后利用多元線性回歸方法建立區(qū)域長期ET0預(yù)測方程[24]，即第t天的作物參考蒸散Yt為：

式中：Zt是第t天的z-score 標準化值；βj為估計的回歸參數(shù)；βt-1和Zt-1是自相關(guān)參數(shù)以及前一天的z-score；?t為預(yù)報因子；ε為變量參數(shù)；φ為正態(tài)累積分布函數(shù)；F1是ET0日值Yt的經(jīng)驗分布函數(shù)。

預(yù)報因子的選擇決定降尺度效果好壞，選擇預(yù)報因子需遵循以下幾點[22]：①選擇的預(yù)報因子與預(yù)報量之間具有較強的線性關(guān)系；②所選因子能夠表征近地面和高層大氣環(huán)流場的物理過程變化；③GCM 對所選因子的模擬效果較好。SDSM 模型提供了季節(jié)相關(guān)分析、偏相關(guān)分析和散點圖等評價指標用來確定預(yù)報因子，因此本文根據(jù)三江源氣象站ET0和預(yù)報因子之間的偏相關(guān)分析，選擇了相關(guān)性通過0.05 顯著性檢驗的預(yù)報因子，其中500 hPa 位勢高度（p500）和地表2m 高處的平均氣溫（temp）對三江源地區(qū)ET0響應(yīng)最強烈，見表1。

表1 站點預(yù)報因子選擇Tab.1 Station predictor selection

以FAO56 P-M 得出的ET0計算值為標準，采用決定系數(shù)(R2)、均方根誤差(RMSE)和平均絕對百分比誤差(MAPE)等指標來評價SDSM模型降尺度效果，公式如下：

式中：Yi為SDSM 預(yù)測的第i日ET0值；Xi為P-M 方程計算的第i日ET0值；Xˉ、Yˉ分別表示Xi和Yi的平均值；n為數(shù)據(jù)樣本數(shù)量。

R2越接近1，表明模型吻合度越高；RMSE越小，表明模型偏差越?。籑APE越接近于0，表明偏差程度越小。

1.3.3 ET0趨勢分析方法

根據(jù)研究區(qū)域各個站點面積權(quán)重，計算區(qū)域平均的未來ET0日序列。采取反距離權(quán)重插值、最小二乘法線性回歸以及Mann-Kendall 趨勢檢驗和突變分析等方法評價三江源地區(qū)作物參考蒸散量時空變化趨勢。本文以α=0.05 的顯著性水平為MK 突變檢驗置信區(qū)間，臨界值U0.05=±1.96，若UF(k)值大于0，表明序列呈上升趨勢；UF(k)值小于0，表明序列呈下降趨勢；UF(k)值超過臨界值，表明序列上升或者下降趨勢顯著。UF(k)和UB(k)曲線出現(xiàn)交點，且交點在置信區(qū)間范圍內(nèi)，則交點對應(yīng)的時間為開始發(fā)生突變的時間。

2 結(jié)果與分析

2.1 SDSM模型校準

利用三江源地區(qū)各站點1979-2014年ET0計算值對SDSM模型進行率定和驗證。首先對1979-1999年13 個氣象站點的ET0計算值和NCEP 再分析資料的26 個大氣環(huán)流預(yù)報因子建立統(tǒng)計關(guān)系，率定模型；然后根據(jù)建立的統(tǒng)計關(guān)系模擬生成2000-2014年各站點ET0日序列，對比其與計算值序列的差異，驗證模型。最終率定期和驗證期SDSM 預(yù)測ET0值與P-M 公式計算值對比情況見表2。結(jié)果表明，率定期各站點ET0降尺度預(yù)測值和ET0計算值之間的線性斜率K為0.778～0.901，決定系數(shù)R2為0.756～0.893，均方根誤差RMSE為0.325～0.522 mm/d，絕對百分比誤差MAPE為42.6%～91.5%；驗證期線性斜率K為0.773～0.906，決定系數(shù)R2為0.734～0.896，均方根誤差RMSE為0.340～0.532，絕對百分比誤差MAPE為45.8%～73.5%。

表2 模型率定期和驗證期各站點SDSM預(yù)測ET0效果對比Tab.2 Comparison of ET0 prediction effect of SDSM at each station during calibration and validation period

基于各站點在三江源地區(qū)的面積權(quán)重得到三江源地區(qū)ET0計算值和模擬值日序列，見圖2?？芍炞C期和率定期三江源地區(qū)SDSM 預(yù)測ET0與實際計算ET0之間的線性斜率K分別為0.919和0.918，決定系數(shù)R2分別為0.924和0.917，均方根誤差RMSE分別為0.291 mm/d 和0.333 mm/d，絕對百分比誤差MAPE分別為66.4%和61.4%，表明模型模擬值與計算值較為一致，模擬效果較好。因此，基于ET0計算值和NCEP 再分析資料率定的SDSM 模型在三江源地區(qū)具有很好的區(qū)域適用性，可用于預(yù)測未來氣候條件下的ET0變化。

圖2 三江源地區(qū)ET0計算值和模擬值散點圖Fig.2 Scatter plot of ET0 between calculated and modeled series in the Three Rivers Headwaters Region

2.2 1979-2014年（基準期）ET0時空變化

2.2.1 1979-2014年ET0時間趨勢變化

1979-2014年三江源地區(qū)ET0平均值為855 mm，整體上以每年0.043 mm/a 的增長速率增加，最大值出現(xiàn)在2010年為923 mm，最小值出現(xiàn)在1989年為799 mm，方程線性擬合斜率表示年平均ET0的變化趨勢，逐年擬合斜率為0.395，總體呈現(xiàn)增長趨勢見圖3，具體變化如下。

圖3 1979-2014年年平均ET0趨勢變化和Mann-Kendall突變檢驗結(jié)果Fig.3 The statistical results of average annual ET0 trend change and Mann-Kendall test from 1979 to 2014

（1）ET0年內(nèi)逐月分布變化，見圖4。年內(nèi)平均ET0分布隨月份變化呈現(xiàn)單峰曲線變化，1-7月呈現(xiàn)增長趨勢，7-12月呈現(xiàn)下降趨勢。最高月7月為111.4 mm，最低月12月為32.8 mm。

圖4 ET0逐月分布變化Fig.4 The distribution of ET0 changed monthly

（2）ET0年內(nèi)季節(jié)變化，見圖5。區(qū)域范圍內(nèi)有明顯的季節(jié)性變化，夏季平均ET0最高，為320 mm，其次是春季251 mm 和秋季178 mm，冬季最低107 mm，分別為全年的37%，29%，20%和13%，與全國范圍內(nèi)季節(jié)平均潛在蒸散分布特征[11]趨于一致。

圖5 ET0季節(jié)分布變化Fig.5 The distribution of ET0 changed seasonal

2.2.2 1979-2014年年平均ET0趨勢檢驗結(jié)果

用Mann-Kendall 方法和z檢驗對研究區(qū)域13 個站點的年平均ET0進行趨勢檢驗，所有站點均呈現(xiàn)增長趨勢（z>0）。其中曲麻萊、囊謙、玉樹、瑪沁、久治在α=0.01 水平上顯著相關(guān)；瑪多、清水河、達日在α=0.001水平上顯著相關(guān)。三江源地區(qū)1979-2015年年平均ET0突變檢驗結(jié)果表明，見圖3，三江源地區(qū)ET0呈現(xiàn)明顯的增長趨勢，由UFk曲線和UBk曲線的交點可知，年平均ET0在2001年產(chǎn)生突變，增長趨勢突然增大。2006年之后增長趨勢超過α=0.05 的顯著性水平（U0.05=±1.96），說明三江源地區(qū)ET0的增長趨勢是十分顯著的。

2.2.3 1979-2014年ET0空間趨勢變化

（1）平均ET0空間分布總體情況。1979-2014年三江源地區(qū)平均ET0為759～1 014 mm，其空間分布總體上呈現(xiàn)南部和東北部地區(qū)高，西北和中部地區(qū)低的空間分布格局，見圖6。ET0的高值區(qū)分布在玉樹、興海和雜多等地，均在886 mm 以上。低值區(qū)出現(xiàn)在五道梁、清水河、瑪多、班瑪和久治等地，在844 mm 以下。分析結(jié)果與周秉榮[12]等對三江源地區(qū)潛在蒸散的計算基本一致。

圖6 ET0空間分布Fig.6 The spatial distribution of annual average ET0

（2）季節(jié)平均ET0空間分布情況。1979-2014年三江源地區(qū)季節(jié)平均夏季ET0最高值出現(xiàn)在玉樹為364 mm，冬季ET0最低值出現(xiàn)在五道梁為80 mm，見圖7。春季ET0為219～298 mm，整體呈現(xiàn)由東南向西北減少的趨勢，低值區(qū)出現(xiàn)在五道梁、瑪多、清水河，高值區(qū)出現(xiàn)在雜多、玉樹和興海；夏季ET0為279～364 mm，除囊謙、久治、五道梁等低值區(qū)為279～308 mm，其他地區(qū)ET0均高于308 mm；秋季ET0空間分布格局與夏季大致一致，ET0為157～212 mm，高值區(qū)出現(xiàn)在雜多、玉樹，低值區(qū)出現(xiàn)在五道梁、班瑪?shù)鹊兀欢綞T0為79～136 mm，空間分布格局與春季一致，低值區(qū)出現(xiàn)在五道梁、瑪多、清水河，為79～89 mm，高值區(qū)出現(xiàn)在玉樹、囊謙。

圖7 1979-2014年季節(jié)平均ET0空間分布Fig.7 The spatial distribution of seasonal average ET0 from 1979 to 2014

2.3 2015-2100年（預(yù)估期）ET0時空變化

應(yīng)用率定好的SDSM 模型，將ssp1-2.6、ssp2-4.5 和ssp5-8.5 三種氣候情景模式下的CanESM5 逐日輸出數(shù)據(jù)作為模型輸入，分別得到2015-2100年3 種氣候情景模式下各氣象站點的降尺度ET0模擬日序列，根據(jù)面積權(quán)重模擬三江源地區(qū)平均ET0日序列，分析3種氣候情景模式三江源地區(qū)的ET0時空變化。

2.3.1 2015-2100年ET0時間趨勢變化

2015-2100年三江源地區(qū)ET0在ssp1-2.6、ssp2-4.5 和ssp5-8.5 情景模式下年平均值分別為943.5 mm、971.2 mm 和1 032.8 mm，逐年變化擬合斜率分別為3.476、1.648 和0.586，整體上分別以每年0.097 mm/a、0.194 mm/a 和0.225 mm/a 的增長率增加，見圖8。具體變化如下。

圖8 2015-2100年年平均ET0趨勢變化和ssp1-2.6情景Mann-Kendall突變檢驗結(jié)果Fig.8 The statistical results of average annual ET0 trend change and Mann-Kendall test of scenario ssp1-2.6 from 1979 to 2014

（1）ET0年內(nèi)逐月分布變化，見圖4。年內(nèi)平均ET0最高值出現(xiàn)在7月，分別為120.9 mm、121.9 mm 和129.0 mm，與基準期相比分別增長了9.5 mm、10.5 mm 和17.6 mm；最低值出現(xiàn)在12月，分別為36.3 mm、37.6 mm 和41.2 mm，分別增長了3.3 mm、4.6 mm和8.2 mm。

（2）ET0年內(nèi)季節(jié)分布變化，見圖5。ssp1-2.6、ssp2-4.5和ssp5-8.5 情景模式下2015-2100年三江源地區(qū)季節(jié)平均ET0變化和基準期一致，均呈現(xiàn)年內(nèi)單峰曲線變化和夏季>春季>秋季>冬季的季節(jié)分布特征，但季節(jié)ET0增量存在差異，ssp1-2.6、ssp2-4.5 和ssp5-8.5 情景模式下夏季分別增長36 mm、42 mm 和63 mm；春季增長18 mm、28 mm 和48 mm；秋季增長26 mm、31 mm 和40 mm；冬季增長10 mm、15 mm 和28 mm。表明未來季節(jié)平均ET0在ssp1-2.6 和ssp2-4.5 情景模式下的ET0增幅呈現(xiàn)夏季>秋季>春季>冬季的變化，ssp5-8.5情景模式下的增長量與季節(jié)分布特征一致。

2.3.2 2015-2100年年平均ET0趨勢檢驗結(jié)果

用Mann-Kendall 方法和z檢驗對ssp1-2.6、ssp2-4.5 和ssp5-8.5情景下的三江源地區(qū)13個站點的2015-2100年年平均ET0進行趨勢檢驗，所有站點在3 種情景下均呈現(xiàn)增長趨勢（z>0），均在α=0.001 水平上顯著相關(guān)。突變檢驗結(jié)果表明，見圖8，3種情景下三江源地區(qū)ET0均存在增長突變年份，文中僅給出了ET0在ssp1-2.6 情景下的突變檢驗結(jié)果。由UFk曲線和UBk曲線的交點可知，ssp1-2.6、ssp2-4.5和ssp5-8.5情景模式下年平均ET0增長趨勢突然增大的年份分別發(fā)生在2031年、2052年和2056年，增長趨勢超過α=0.05 顯著水平的年份分別為2041年、2025年和2037年。

2.3.3 2015-2100年ET0空間趨勢變化

（1）平均ET0空間分布總體情況。2015-2100年三江源地區(qū)平均ET0在ssp1-2.6、ssp2-4.5和ssp5-8.5三種氣候情景模式下的空間分布和基準期相對一致，研究區(qū)域未來ET0都將普遍增大，但3 種情景模式下的ET0區(qū)域增長量存在差異，ssp5-8.5 增幅最多，其次是ssp2-4.5，ssp1-2.6 增幅最少，見圖6。3 種情景下瑪多、雜多、班瑪3 個站點增量最多，曲麻萊、達日、囊謙增量最少。ssp1-2.6情景模式下，瑪多、雜多、班瑪增量分別為148 mm、141 mm、104 mm，曲麻萊、達日、囊謙增量為33 mm、53 mm、61 mm；ssp2-4.5 情景模式下，瑪多、雜多、班瑪增量為191 mm、187 mm、137 mm，曲麻萊、達日、囊謙增量為52 mm、75 mm、77 mm；ssp5-8.5 情景模式下，瑪多、雜多、班瑪增量為296 mm、281 mm、214 mm，曲麻萊、達日、囊謙增量為106 mm、107 mm、134 mm。結(jié)合上述分析，瑪多、班瑪未來可能向三江源地區(qū)ET0高值區(qū)發(fā)展。

（2）季節(jié)平均ET0空間分布情況。2015-2100年季節(jié)平均ET0三種情景模式分布變化相對一致，故本文只給出了ssp2-4.5 情景模式下的季節(jié)平均ET0分布，見圖9。ssp2-4.5 情景模式下，2015-2100年三江源地區(qū)季節(jié)平均ET0夏季最高值出現(xiàn)在瑪多為417 mm，冬季最低值出現(xiàn)在五道梁為92 mm。春季ET0為235～331 mm，大部分地區(qū)為267～283 mm，中南部和東北部高于283 mm，低值區(qū)出現(xiàn)在五道梁、清水河、班瑪，高值區(qū)出現(xiàn)在雜多、玉樹、興海。夏季ET0為299～417 mm，呈現(xiàn)東北、西南部高，西北、東南部低的分布格局，高值區(qū)出現(xiàn)在雜多、玉樹、瑪多和興海等地，低值區(qū)出現(xiàn)在囊謙、五道梁、達日和瑪沁。秋季ET0為189～250 mm，由西南向東北遞減，高值區(qū)出現(xiàn)在雜多、玉樹，低值區(qū)出現(xiàn)在五道梁、曲麻萊、久治。冬季ET0為92～158 mm，由西北向東南遞增，高值區(qū)出現(xiàn)在玉樹、囊謙，低值區(qū)出現(xiàn)在五道梁、瑪多。

圖9 ssp2-4.5情景2015-2100年季節(jié)平均ET0空間分布Fig.9 The spatial distribution of seasonal average ET0 of scenario ssp2-4.5 from 2015 to 2100

預(yù)估期季節(jié)平均ET0與基準期季節(jié)平均ET0分布進行對比發(fā)現(xiàn)：在夏季和冬季空間分布上相對一致，但在春季和秋季存在明顯的區(qū)域差異，春季低值區(qū)范圍由西北部縮小至五道梁及周邊地區(qū)，秋季低值區(qū)范圍由五道梁及周邊地區(qū)向東北部擴散。

2.3.4 2015-2100年ET0年際變化

將2015-2100年的預(yù)測數(shù)據(jù)分為2020s(2015-2040年)、2050s(2041-2066年)、2080s(2067-2100年)3個時段分析年平均ET0在ssp1-2.6、ssp2-4.5和ssp5-8.5情景模式下相對于基準期(1979-2014年)年平均ET0增量變化見表3。3 種情景模式下的年平均ET0均呈現(xiàn)較為明顯的上升趨勢，其中ssp1-2.6 情景模式下，2050s和2080s增幅變化不大，ssp2-4.5 和ssp5-8.5 情景模式下隨著時間的推移增幅明顯；在2020s、2050s和2080s三個時期平均升高65.70 mm、125.98 mm、176.62 mm。由此可推測，由于未來ET0的升高，作物需水量增加，三江源地區(qū)存在發(fā)生極端干旱的天氣風險。

表3 未來時段年平均作物參考蒸散變化Tab.3 Annual average crop reference evapotranspiration change for future time periods

3 討 論

本文采用統(tǒng)計降尺度方法用CMIP6 模式中的CanESM5 模式輸出數(shù)據(jù)模擬不同發(fā)展路徑和輻射強迫情景下(ssp1-2.6、ssp2-4.5 和ssp5-8.5)的三江源地區(qū)ET0變化。韋晶等[32]在2015年對三江源地區(qū)進行生態(tài)脆弱性評價，發(fā)現(xiàn)三江源地區(qū)生態(tài)環(huán)境中度脆弱程度面積占比較大，與ssp2-4.5情景模式下的中等社會脆弱性相對吻合，并且ssp2-4.5 相對于ssp1-2.6 和ssp5-8.5 相比屬于中間穩(wěn)定路徑，更符合實際發(fā)展。因此ssp2-4.5 可能更適合預(yù)測三江源地區(qū)未來ET0變化。需要指出的是，本文只用CanESM5 模式數(shù)據(jù)分析三江源地區(qū)ET0變化，具有不確定性，但是CanESM5 數(shù)據(jù)在青藏高原地區(qū)的適用性[29,30]，在一定程度上降低了這種不確定性。在后續(xù)研究中應(yīng)當應(yīng)用多種模式數(shù)據(jù)、采取不同降尺度方法進行評估，使模擬結(jié)果更加準確。另外，NCEP 再分析資料在青藏高原及其周邊地區(qū)的氣候變化研究的有效性[33]，是SDSM 模型在三江源地區(qū)校準效果好的原因之一。NCEP 再分析資料預(yù)報因子中500 hPa 位勢高度（p500）和地表2m 高處的平均氣溫（temp）對三江源地區(qū)ET0響應(yīng)強烈，所有站點均選擇這兩個因子為預(yù)報因子，選擇temp可以很好地說明氣溫是該區(qū)域ET0主要氣象影響因子[34,35]，但是p500 及其他預(yù)報因子的選擇需要在定量化分析氣象因子對ET0變化貢獻基礎(chǔ)上，結(jié)合地形因子、大氣環(huán)流等因素的影響進行進一步分析。

研究結(jié)果表明，三江源地區(qū)基準期年ET0趨勢在2001年發(fā)生突變，與青藏高原及其周邊地區(qū)總體年ET0趨勢在1996[36]、1997年[37]發(fā)生轉(zhuǎn)折不同，可能與研究區(qū)域尺度、站點選用及數(shù)據(jù)序列長短有關(guān)，因此，分析該地區(qū)氣象因子變化時要充分考慮強時空異質(zhì)性。三江源地區(qū)ET0未來時期內(nèi)的上升趨勢是不可避免的，可能導(dǎo)致區(qū)域水資源短缺進一步加劇，使發(fā)生干旱的頻率不斷增加，可以將預(yù)測的ET0與降水結(jié)合起來[6,21]，構(gòu)建干旱指數(shù)，評估作物需水量和區(qū)域干濕狀況，研究未來氣候條件下的三江源地區(qū)干旱情況，提前做好應(yīng)對措施。

目前，基于機器學(xué)習(xí)的數(shù)據(jù)預(yù)測為ET0未來趨勢預(yù)測提供了新思路[9]，其主要原理是基于歷史ET0結(jié)合數(shù)理統(tǒng)計原理進行數(shù)據(jù)訓(xùn)練，通過數(shù)值預(yù)測方法預(yù)測未來ET0變化；而降尺度方法預(yù)測未來ET0，主要目的是分析GCM氣候模式在不同輻射強迫和CO2排放路徑下對未來ET0的響應(yīng)。兩者預(yù)測機理不同導(dǎo)致預(yù)測結(jié)果也會相應(yīng)存在差異，后續(xù)研究可將兩種方法結(jié)合，開展未來ET0研究，分析采取不同方法得出的預(yù)測結(jié)果差異，為三江源地區(qū)ET0預(yù)測提供新方法。

4 結(jié) 論

本研究以三江源地區(qū)1979-2014年13 個氣象站點的逐日氣象數(shù)據(jù)為基礎(chǔ)，利用Penman-Monteith 公式計算得到三江源地區(qū)各站點逐日ET0并分析該時期時空變化的基礎(chǔ)上，分析SDSM 模型對研究區(qū)域ET0的模擬效果。應(yīng)用率定的SDSM 模型將ssp1-2.6、ssp2-4.5 和ssp5-8.5 情景模式下的CanESM5 模式數(shù)據(jù)降尺度到三江源站點尺度，分析三江源地區(qū)2015-2100年ET0的變化趨勢，初步得到以下主要結(jié)論：

（1）SDSM 模型率定時，NCEP 預(yù)報因子500 hPa 位勢高度（p500）和地表2m 高處的平均氣溫（temp）對三江源地區(qū)ET0響應(yīng)最強烈。驗證期和率定期三江源地區(qū)SDSM 預(yù)測ET0與實際計算ET0之間的線性斜率K分別為0.919 和0.918，決定系數(shù)R2分別為0.924 和0.917，均方根誤差RMSE分別為0.291 mm/d和0.333 mm/d，絕對百分比誤差MAPE分別為66.4%和61.4%，表明模型模擬值與計算值較為一致，模擬效果較好，基于ET0計算值和NCEP 再分析資料率定的SDSM 模型在三江源地區(qū)具有很好的區(qū)域適用性，可用于預(yù)測未來氣候條件下的ET0變化。

（2）1979-2014年三江源地區(qū)年平均ET0平均值為855 mm，空間分布上，呈現(xiàn)南部和東北部高，西北和中部地區(qū)低的分布格局；時間分布上，整體以每年0.043 mm/a 的增長率增加，年內(nèi)ET0最大值出現(xiàn)在7月，最低值出現(xiàn)在12月。研究區(qū)域范圍內(nèi)ET0有明顯的季節(jié)響應(yīng)，夏季平均ET0最高，其次是春季、秋季，冬季最低，分別占全年的37%，29%，20%和13%。M-K 趨勢檢驗和突變分析結(jié)果表明，所有站點ET0均呈現(xiàn)增長趨勢，2001年存在年平均ET0增長趨勢突然增大的現(xiàn)象，2006年以后ET0的增長趨勢十分顯著。

（3）2015-2100年三江源地區(qū)年平均ET0空間分布特征和基準期保持一致，區(qū)域增量存在地區(qū)差異，3 種情景下模式，瑪多、雜多、班瑪增量最多，曲麻萊、達日、囊謙增量最少，瑪多、班瑪可能成為研究區(qū)域未來ET0高值區(qū)。季節(jié)平均ET0空間分布夏季和冬季與基準期空間分布一致，但春季、秋季都以五道梁為低值區(qū)中心，存在低值區(qū)范圍縮小、擴散的分布特征。

（4）2015-2100年三江源地區(qū)ET0時間分布上，ssp1-2.6、ssp2-4.5 和ssp5-8.5 情景模式下年平均值分別為943.5 mm、971.2 mm 和1 032.8 mm，整體上分別以0.097 mm/a、0.194 mm/a和0.225 mm/a的增長率增加。ssp1-2.6和ssp2-4.5情景模式下，季節(jié)ET0增量呈現(xiàn)夏季>秋季>春季>冬季的變化，與夏季>春季>秋季>冬季的季節(jié)ET0分布特征存在差異。趨勢檢驗和突變分析結(jié)果表明，3 種情景模式下的各站點ET0均呈現(xiàn)增長趨勢，分別在2031年、2052年和2056年存在年平均ET0增長趨勢突然增大的現(xiàn)象。3種情景下的ET0在2041年、2025年和2037年的增長趨勢十分顯著。2020s、2050s 和2080s 的ET0具有明顯上升趨勢，ssp1-2.6情景下，2050s和2080s增幅變化不大，ssp2-4.5和ssp5-8.5情景下隨著時間推移增幅明顯。