半干旱区草地站蒸散特征及其对气象因子和植被的响应

韩典辰，张方敏*，陈吉泉，李云鹏，卢 琦

(1.南京信息工程大学气象灾害预报预警与评估协同创新中心，江苏 南京 210044； 2.密歇根州立大学地理环境空间科学系全球变化观测中心，密歇根 东兰辛 MI48825； 3.内蒙古自治区生态与农业气象中心，内蒙古 呼和浩特 010051；4.中国林科院荒漠化研究所/沙漠林业实验中心，北京 100091)

蒸散(Evapotranspiration，ET)表示水分在陆面转化成水蒸汽后进入大气的过程[1]，它决定了生态系统水分和热量传输[2]。ET的变化会影响生态系统降水量以及陆面可利用水分的分配，对植被的生长和气候反馈产生重要作用[3-4]。因此分析ET的变化特征有助于研究气候变化对生态系统水文循环的影响[5-6]。

半干旱地区约占全球陆地总面积的30%，是气候变化的敏感区和脆弱区[7-8]。该区域降水少，使得水分成为制约半干旱地区生态系统发展的重要因素[9]。由于气候变化和人类活动影响，半干旱地区水资源时空分布不均，水分收支平衡出现新的变化[10-13]。ET作为半干旱地区水分交换中关键一环，其变化特征因受到植被本身特性和环境条件的影响，具有很显著的区域异质性和季节差异性。

不同地区的植被ET的影响因素有很大差异性。Zhang等人发现在内蒙古东北部地区气温和太阳净辐射是影响ET的主要因素，而在中部和西南部半干旱地区相对湿度对ET变化起重要作用[14]，但王思如等人认为年降水量是影响内蒙古东南部ET变化的主要因素[15]。又有学者发现地表植被的类型以及生长情况也影响ET的变化[16]。草地是半干旱区主要地表类型之一[17]，与其他生态系统相比，半干旱草地生态系统对水文循环的变化更为敏感[18]，因此，揭示半干旱地区草地ET的特征及影响因子对研究气候变化对半干旱区水文循环的影响有重要理论和实践意义。

多伦和锡林浩特为内蒙古典型的半干旱草地站，因此本研究以多伦和锡林浩特草地为对象，分析两个不同草地站的ET变化特征，对比不同气象要素和植被状况对两站ET变化的影响，揭示半干旱草地对气候变化的响应特征，为未来气候变化背景下半干旱草地资源的开发与保护提供参考意义。

1 材料与方法

1.1 站点概况

多伦站位于东经116°13′36″，北纬42°32′03″，海拔高度为1 350 m，地处内蒙古高原东南部，多年平均气温为1.6℃，年最低气温多在1月，为—18.3℃，年最高气温多在7月，为18.3℃。多年平均降水量为385.5 mm，67%集中在6月—8月。植被主要以克氏针茅(StipakryloviiRoshev)和冷蒿(Artemisiafrigida)为主，生长季为5月—9月[17]。锡林浩特站位于东经116°40′40″，北纬43°32′45″，海拔高度为1 250 m，地处蒙古高原东南部，多年平均气温为2℃，年最低气温多在1月，为—22.3℃，年最高气温多在7月，为18.8℃。多年平均降水量为350 mm，80%集中在6—9月。植被主要以羊草(Leymuschinensis)和大针茅(Stipagrandis)为主，生长季为5月—9月[19]。两站位于内蒙古自治区中部(图1)，属于中温带半干旱气候，是农牧交错的生态脆弱区[20]。

图1 研究区站点位置示意图(基于1980—2018年平均年降水量线划分气候区)Fig.1 Site location of study area (The climate zones are based on the mean annual precipitation during 1980—2018)

1.2 数据来源

本文选取多伦和锡林浩特2006年至2013年开路涡度相关系统观测的通量数据。涡度相关技术是通过垂直风速波动量和水汽浓度协方差的乘积计算30分钟平均潜热通量。系统包括1台开放式红外气体分析仪(LI-7500，LICOR)、1台快速响应的三维声波风速计(CSAT3，CSI)和1台CR5000数据记录器(CSI)。利用垂直风速脉动的平均协方差和水汽浓度标量的乘积计算30分钟平均潜热通量，利用EddyPro软件对数据进行处理计算，包括野点去除、二维坐标旋转订正等。将每日潜热通量除以汽化潜热(λ≈2.45 MJ·kg-1)计算得出日ET数据。对于缺失时间短(<2 h)的数据采用线性内插法进行插补，对于缺失时间较长的数据采用日平均法对其进行插补[21]，通量数据的能量平衡平衡比率大于90%，符合能量不闭合程度的要求，说明数据质量良好[22-23]。具体的数据处理介绍参考Tian等人的方法[24-25]。

气象数据主要包括：太阳净辐射(Rnet)、光合有效辐射(PAR)、降水量(Pre)、相对湿度(RH)、空气温度(TA)、10 cm处土壤含水量(SWC)、土壤温度(TS)。其中降水量资料来源于附近的气象观测站，其他数据来源于两个台站的自动气象站。对数据采用三倍标准差法进行检测，并剔除异常值。对于缺测的数据，采用通量数据的补插方法进行补插[24]。

叶面积指数(LAI)作为草地重要的绿量指标，能很好说明绿地在空间结构上的差异，因此采用LAI反应草地植被生长状况[26]。资料来源于中国科学院地理科学与资源研究所刘荣高团队制作的每8天的1 km GLOBMAP LAI V3产品，该产品经验证具有较高的精度[27]。我们根据观测站的经纬度选用2×2网格的LAI平均值表示该站的草地生长状况。

1.3 通径分析

通径分析是研究多个自变量和响应变量间线性关系的统计方法，可以清晰地表明数据因果关系结构[28]。通径分析将自变量和响应变量的相关关系分为直接影响(直接通径系数)和间接影响(间接通径系数)，具体计算过程见张雪松等人研究[29]。影响因子决策系数为正时，对因变量为正促进作用，反之为负抑制作用；决策系数绝对值越大，表明影响因子对因变量影响强度越强。

2 结果与分析

2.1 两站的气象条件和植被变化特征

多伦和锡林浩特气候要素变化如图2。结果表明，两站Rnet年内呈单峰型分布(图2a)，年际变化较小，最大值出现在6月—7月，最小值多出现在11月。两站TA年际变化较小，变化趋势和Rnet相近，最大值出现在7月—8月，最小值出现在12月。两站多年均年降水总量分别为352.88 mm和263.41 mm，但是年际及年内变化明显(图2c)，总体上均表现为生长季高；多伦在2007,2009年和2011年降水总量较低，在2016年生长季偏高；锡林浩特2012年Pre较高，2007年Pre较低。SWC变化与Pre相似，年际及年内变化明显(图2 d)。多伦和锡林浩特饱和水汽压差(VPD)月变化明显，年内多在3月开始显著上升，6月至7月达到最大值，之后开始下降(图2e)。多伦和锡林浩特站LAI多年平均值分别为0.23 m2·m-2和0.24 m2·m-2；在生长季，锡林浩特LAI大于多伦；与其他年相比，两站LAI都在2007—2010年比较小；LAI年内均为单峰型分布，5月开始显著上升，7月达到最大值后开始下降。

图2 2006—2013年多伦和锡林浩特太阳净辐射(Rnet)、气温(TA)、降水量(Pre)、土壤含水量(SWC)、饱和水汽压差(VPD)与叶面积指数(LAI)变化Fig.2 Changes in solar net radiation (Rnet),temperature (TA),precipitation (Pre),soil water content (SWC),saturated water vapor pressure difference (VPD),and leaf area index (LAI) in Duolun and Xilinhot from 2006 to 2013

2.2 两站的蒸散(ET)变化特征

多伦和锡林浩特的年和生长季ET总量的变化趋势基本一致。多伦的ET年总量范围为278.17 mm～542.76 mm，多年平均值为417.15 mm。锡林浩特ET年总量变化范围为300.57 mm～547 mm，多年平均值为440.20 mm。由于受到当地水分条件的影响(图2)，在2007年和2009年水分条件不佳，导致ET总量均较小。总体来说，两站ET年总量多年均428.67 mm，多年均ET总量相差小于5.4%。

两站ET主要集中在生长季，生长季多年均为317.57 mm，两站多年均生长季总量相差小于1%，但是由于降水量季节分配的差异，导致生长季总量占年总量的比例有时差异很大。多伦的ET生长季总量占年总量的变化范围为69.40%～81.22%之间，多年平均为75.75%，最小和最大分别在2010年和2012年。锡林浩特ET生长季占年总量的变化范围为64.15%～80.66%，多年平均为72.38%，最小和最大分布在2011年和2013年。

两站ET年内均呈单峰型分布，有明显的季节性变化特征(图3)。多年平均上看，基本表现为从3月开始随着Rnet与TA的升高，ET明显上升，至6月—7月达到最高水平，9月—10月Rnet,TA,VPD与LAI均下降，ET也随之逐渐下降，11月—12月降至最低水平。由于生长季Rnet和TA水平较高，站点水分供应不足时，容易出现干旱胁迫，ET对水分的变化更敏感，会导致ET下降，比如多伦在2010年6月和2011年的6月，锡林浩特2006年8月、2008年7月和2011年6月。总体来说，多伦和锡林浩特的多年月均最高ET均在7月，分别为85.2 mm和77.64 mm，月均最低ET均在12月，分别为4.74 mm和4.98 mm。

图3 2006—2013年多伦和锡林浩特蒸散(Evapotranspiration,ET)月变化及生长季占比情况Fig.3 Monthly changes of evapotranspiration (ET) and growth season proportion of Duolun and Xilinhot from 2006 to 2013注：折线图代表多伦和锡林浩特ET变化，柱状图代表多伦和锡林浩特ET生长季占比变化Note：Broken line graph represents ET changes in Duolun and Xilinhot, bar graph represents ET proportion of the growing season in Duolun and Xilinhot

2.3 气象因子和植被状况与两站蒸散(ET)的关系

通过分析，多伦与锡林浩特ET月变化受到气候因素与LAI月变化的驱动。气象要素、LAI与两站ET的相关关系也相似(图4)。影响多伦和锡林浩特ET的主要因子包括热量因子(Rnet,TA),水分因子(Pre,SWC,VPD)与植被状况(LAI)。ET和6个因子相关性均通过0.01显著性检验。

热量因子Rnet和TA显著自相关，ET和Rnet,TA在两站均呈显著的指数关系(P<0.01)，这与前人研究结果一致[29]。当Rnet在20 W·m-2以下时，两站ET的变化不明显；当Rnet介于20 W·m-2和100 W·m-2之间时，随着Rnet的增大，ET增加缓慢；当Rnet大于100 W·m-2时，随着Rnet的增大，两站的ET呈显著指数型增长(图4a)。当TA在-10℃以下时，两站ET的变化不明显；当TA在0℃以下时，两站ET缓慢上升；TA大于0℃时，两站的ET随着TA的升高而显著指数型上升。这说明，冬季ET小和Rnet,TA有很大关系，春季Rnet,TA增加，也是造成ET开始迅速上升的原因。

有研究表明，降水等水分条件以非线性方式影响生态系统水循环输出项[30-31]。本研究也表明，ET和Pre为非线性二次多项式型相关关系，即随着Pre增大，ET先增大后缓慢下降；多伦Pre达到140 mm时，ET由增大趋势转为缓慢下降；锡林浩特Pre达到120 mm时，ET由增大趋势转为缓慢下降。Pre较低时，Pre和ET呈良好正相关关系，Pre基本用于ET，而当Pre水平较高时，ET没有随Pre增大而线性增长(图4c)。ET和SWC与VPD都呈线性正相关关系，ET均随着两者的增大而呈增大趋势，在SWC与VPD水平较低时，ET趋近于0(图4 d，图4e)。ET与VPD的离散程度大于与SWC的离散程度，说明草地生态系统ET变化更受土壤水分的影响。总体来说，降水并不能直接影响ET，而是通过别的因素比如净辐射或土壤水分影响ET。所以，降水量小时，土壤水分补给下降，造成植被受胁迫，影响ET的增加；当降水量过大时，密集性阴雨天气可能影响了地表净辐射，大部分的降水可能通过径流失掉，用于土壤蒸发和植被蒸腾的有效水并没有增加，加上受温度条件的影响，因此ET反而也会降低。

两站的ET与LAI均呈对数关系。当LAI小于0.1 m2·m-2时，基本上在非生长季的1—3月和11—12月，植被稀少，ET主要受热量条件的影响；当LAI大于0.1 m2·m-2后，两站的ET均随着LAI的增加而快速增加，在LAI达到一定值后增大减缓，可能因为当LAI增加时，冠层植被覆盖导致的遮荫作用增强，减少了土壤的蒸发作用[32]；同时ET对LAI的离散程度很大，说明除了植被蒸腾对两站草地生态系统ET有贡献外，土壤蒸发也很重要，而土壤蒸发主要受热量和水分条件的影响。

图4 多伦、锡林浩特蒸散(ET)与影响因子散点图Fig.4 Correlations between evapotranspiration (ET) and main impact factors in Duolun and Xilinhot

2.4 影响两站蒸散(ET)因子的通径分析

以多伦和锡林浩特多年ET月数据为因变量，同步观测因子包括Rnet，TA，SWC，Pre，VPD和LAI为拟自变量进行通径分析。部分因子在综合考虑直接影响和间接影响时，对ET的作用不显著，逐步回归过程中被剔除。

图5 多伦、锡林浩特蒸散(ET)通径分析图Fig.5 Path analysis chart of evapotranspiration (ET) in Duolun and Xilinhot注：**表示相关性在通过0.01显著性检验，下同Note:** indicates that the correlation is passing the 0.01 significance test,the same as below

多伦ET和不同因子通径分析结果如表1和图5a所示。考虑各个因子直接和间接作用的共同贡献，对多伦ET变化的影响依次为Rnet>SWC>Pre>LAI，其中直接作用依次为Rnet>LAI>Pre>SWC，总间接作用依次为SWC>Pre>LAI>Rnet。Rnet的直接作用最大，系数为0.507。Rnet的总间接作用系数为0.322，与直接作用系数相差0.185，表明Rnet的直接作用大于间接作用。SWC的总间接作用系数最大，为0.59，且远大于直接作用系数0.157，说明SWC对ET的影响主要通过和Rnet、Pre和LAI相互作用(相关系数分别为0.646,0.745,0.608)间接影响ET。综合考虑直接和间接影响，Rnet的决策系数最大，为0.593，LAI,Pre和SWC的决策系数相对较小，表明Rnet对多伦ET的综合决定能力最大，LAI,Pre和SWC次之。

表1 多伦蒸散(ET)影响因子通径分析Table 1 Path analysis of influencing factors of evapotranspiration (ET) in Duolun

锡林浩特ET和不同因子通径分析结果如表2和图5b所示。考虑各个因子直接和间接作用的共同贡献，对锡林浩特ET变化的影响依次为Rnet>SWC>Pre>LAI，其中直接作用为Rnet>Pre>LAI>SWC，总间接作用为SWC>LAI>Pre>Rnet。Rnet的直接作用系数最大，为0.608，表明Rnet对ET变化的直接作用最大。Rnet的总间接作用系数为0.285，与直接作用系数相差较大，表明Rnet主要通过直接作用的方式影响ET变化。SWC的总间接作用系数最大，为0.619，远大于直接作用系数0.125，说明SWC对ET的影响主要通过和Rnet、Pre和LAI相互作用(相关系数分别为0.736,0.612,0.552)间接影响ET。LAI总间接作用系数和直接作用系数之差(0.439)相比多伦(0.2)更大，说明锡林浩特LAI对ET的间接促进作用更强。综合考虑直接和间接影响后，Rnet的决策系数最大，为0.716，Pre,LAI和SWC的决策系数小于0.2，表明Rnet对锡林浩特ET的综合决定能力最大，Pre,LAI和SWC次之。

表2 锡林浩特蒸散(ET)影响因子通径分析Table 2 Path analysis of influencing factors of evapotranspiration (ET) in Xilinhot

结合上述分析，将ET影响因子组合，建立简单多元ET估算模型，用于未来半干旱区多伦和锡林浩特草地的ET估算，其中多伦ET回归方程为：ET=0.2Rnet+0.1Pre+1.4SWC+64.48LAI-12.54(R2=0.90)。锡林浩特ET回归方程为：ET=0.38Rnet+0.17Pre+0.83SWC+17.49LAI-5.12(R2=0.84)。

3 讨论

根据前人研究，半干旱区不同的生态条件会影响ET对气候条件的响应[33-36]。多伦和锡林浩特在气象条件和地表植被上存在一定差异，所以，虽然气候和植被变化和两站ET变化的相关关系及影响ET的主导因子基本一致，但是造成ET的控制因子的直接作用和间接作用存在区别。

有研究表明，站点水分条件是ET变化的重要限制因素[37]。半干旱地区水分条件较差，ET对于降水和土壤水分情况较敏感。根据本研究通径分析结果，Pre和SWC均为多伦和锡林浩特ET变化的主要影响因子，但两种因子的间接作用系数均远大于直接作用系数，表明Pre和SWC主要通过Rnet路径间接影响ET变化。在生长季中期，阴雨天气多发，大气云量增加，降水量大，地表接收的净辐射存在降低现象(图2)，从而不利于ET的增加，这也符合前人对于降水以非线性形式影响ET的结果[25]。

有研究表明，不同植被状况影响着地表辐射吸收以及蒸散过程[38]。本研究结果表明，多伦和锡林浩特ET主要影响因子Rnet变化差别较小，而多伦和锡林浩特LAI存在差异。两站植被差异可能造成地表对净辐射的吸收程度不同，更高的植被覆盖度有利于充分利用地表接收的净辐射能量，加大蒸腾作用，因此，锡林浩特LAI间接作用系数和直接作用系数之差比多伦更大，锡林浩特LAI对ET的间接促进作用更强。

半干旱地区整体降水较少，地表储水能力又较差，水分流失较严重，而近年来该地区气候暖干化程度较强[39-40]，ET作为地表-大气水分交换中重要过程，如何更好地运用该地区ET的变化特征和气候变化及植被之间的关系，科学有效增加大气湿度及降水、抑制区域暖干化是今后重要的研究内容。

4 结论

本研究利用通量、气象及植被观测数据，分析多伦和锡林浩特草地站的ET变化特征，探究不同气象要素和植被状况对ET的影响。结果表明，半干旱草地多伦站和锡林浩特站多年均ET总量分别为417.15 mm和440.20 mm，ET年内变化多呈单峰型，生长季占比分别为75.75%和72.38%，受到水分胁迫时，ET生长季出现低值现象。两站ET变化均和热量因子(Rnet，TA)、水分因子(Pre，SWC，VPD)与植被状况(LAI)呈显著性正相关关系(P<0.01)。通径分析进一步表明，ET变化主要受到Rnet直接作用的驱动，其次受到LAI，Pre和SWC间接作用的影响。