基于多源产品的西南河流源区地表蒸散发时空特征

2021-05-19刘绍民马燕飞徐自为

水资源保护 2021年3期

温馨，周纪，刘绍民，马燕飞，徐自为，马晋

(1.电子科技大学资源与环境学院，四川成都 611731； 2.北京师范大学地理科学学部，北京 100875；3.邯郸学院经济管理学院，河北邯郸 056005)

西南河流源区位于具有地球“第三极”之称的青藏高原[1]，对全球气候变化的响应具有敏感性和快速性，同时受到大气圈、水圈、冰冻圈的影响，是中低纬度地区地-气热量调节的关键地区[2-4]。源区孕育了黄河、长江、雅鲁藏布江、澜沧江等7条亚洲重要的河流，有着丰富的水资源，但水资源分布集中，水资源的开发利用难度较大[5-6]。在全球气候变暖的背景下，高原地区的冰川消融正在加速，跨国界河流径流量的时空变化加剧，水资源分配模式的不稳定性逐年增加，这些变化已经引起了国内外学者的广泛关注[7-10]。

地表蒸散发是能量平衡和水循环的重要组成部分，了解地表蒸散发的变化规律，对提高水资源利用效率、干旱治理、生态环境保护都具有重要的意义[11-16]。目前蒸散发数据的获取主要有地面蒸散发观测和模型模拟两种手段[17-18]。地面蒸散发的观测包括蒸渗仪法、液流法、波文比法、涡动相关法和闪烁仪法等，但因为地形、气候、植被类型和土壤性质等原因，站点蒸散发的观测无法捕捉到蒸散发在空间上的异质性[19-20]。模型模拟方法包括水量平衡法、能量守恒法、互补相关理论、参考作物系数法等以水文学和气象学为基础的方法。随着遥感技术的兴起，获取大范围的特征参数成为可能，使蒸散发研究从站点走向区域成为现实。遥感技术为地表蒸散发模型模拟方法提供了新的驱动数据，用遥感手段进行区域尺度非均匀下垫面的蒸散发估算，已成为遥感应用领域的重要方向。

地表蒸散发在水资源管理中有着广泛的应用，在气候变化的背景下，水热条件的改变对西南河流源区生态格局分布、能源分配利用有着深刻的影响。目前，国内外与西南河流源区地表蒸散发有关的研究主要集中在青藏高原，包括区域蒸散发模拟估算、潜在蒸散发的时空特征分析[4]和采用水量平衡法进行流域尺度蒸散发估算[11]，这些研究的主要目的是探究和发展适用于青藏高原或高原特殊生态系统的地表蒸散发算法或模型。如，Chang等[21]提出了一种改进的MOD16算法估算青藏高原高寒草甸的地表蒸散发；Fei等[22]利用3种不同的模型估算了青藏高原高山草原生态系统的地表蒸散发，发现参数考虑了土壤水分状况的Katerji-Perrier模型表现最好；Peng等[23]交叉比较了6种地表蒸散发产品在青藏高原的时空特征，发现HOLAPS(high resolution land atmosphere parameters from space)产品和LandFlux-EVAL产品的空间格局有相似之处，其他产品(SEBSSRB-PU、SEBSChen、PTSRB-PU、PMSRB-PU)则表现出不同的空间格局，但所有产品都可以很好地捕捉到蒸散发的季节变化规律。针对青藏高原的地表蒸散发时空变化开展的研究较少，研究方法主要为线性趋势法，如，尹云鹤等[24]发现青藏高原大部分地区的实际蒸散发在过去30年呈上升趋势，主要受降水增加的影响；Gu等[25]发现青藏高原高寒草甸的蒸散发主要受降水的影响；Song等[26]发现青藏高原的地表蒸散发从东南向西北逐渐降低，相对湿度是青藏高原西北部地表蒸散发变化的主导因子。线性趋势法可以研究一个区域整体的变化趋势，经验正交分解(empirical orthogonal function, EOF)方法可以从像元尺度展现要素的时空特征，目前尚未有研究使用EOF方法探究西南河流源区地表蒸散发的时空特征。此外，在过去的研究中缺少对源区不同流域地表蒸散量变化的研究。

本文基于EOF方法对西南河流源区地表蒸散发的时空特征进行研究，探究不同流域地表蒸散发的差异及其相关因子，以期揭示西南河流源区地表蒸散发的时空分布特征及其影响因素。

1 研究区概况与数据来源

1.1 研究区概况

西南河流源区位于北纬25°～40°、东经74°～104°之间，主要包括青藏高原东部、东南部和南部及其毗邻地区，是我国西南诸河的发源地。按照流域划分，可以将西南河流域源区分为雅鲁藏布江流域、澜沧江流域、河西走廊内陆河(南部部分)、长江上游、怒江流域(包括伊洛瓦底江)、黄河上游、藏南诸河及青海湖水系共8个一级流域。该地区地表覆盖类型包括林地、草地、农用地、城市及建设用地、水体、冰川积雪、未分类区共7类(图1)。按照海拔高度，源区大致可以分为5个区间，如图2所示，源区大部分地区的海拔在3 000 m以上。

图1 西南河流源区地表覆盖类型及流域概况

图2 西南河流源区高程分布与通量站点位置

1.2 数据来源

1.2.1通量站点观测数据

采用5个站点通量系统的观测数据对地表蒸散发产品进行站点尺度的评估，由于源区内通量站点较少，且观测数据缺乏，因此补充了源区东南方向最近的两个站点：哀牢山站和西双版纳站(图2)。其中，阿柔站的数据来自黑河流域水文气象网[27-29]，珠峰站的数据来自青藏高原科学数据中心[30-33](http://www.tpedatabase.cn)，海北站、哀牢山站和西双版纳站的数据来自中国通量观测研究联盟(http://www.chinaflux.org/)。观测仪器为涡动相关仪，主要观测数据包括感热、潜热通量，对数据预处理后得到站点的月蒸散发值。各站点的基本信息如表1所示。

表1 通量观测站点的基本信息

1.2.2地表蒸散发产品

本研究采用的地表蒸散发产品包括ET-EB[34]、MOD16[35]、GLEAM(global land evaporation amsterdam model)[36]、Zhang-ET[37]和GLDAS(global land data assimilation system)产品[38]。ET-EB为月产品，空间分辨率0.05°；MOD16为8天合成产品，空间分辨率为1 km;GLEAM为逐日产品，空间分辨率为0.25°；Zhang-ET为月产品，空间分辨率为 8 km；GLDAS为月产品，空间分辨率为0.25°。所有产品预处理后合成到月尺度上进行分析。

a. ET-EB产品。Chen等[9]基于Su[39]提出的基于地表能量平衡的单层模型SEBS优化形成了ET-EB。ET-EB基于输入的空气温度与遥感地表温度来获得地气温差进行感热计算，另外通过一个基于植被覆盖度的动态热量传输附加阻尼kB-1模型，改进了空气动力学阻抗中附加阻抗计算。地表能量平衡公式如下：

Rn=GO+H+λE

(1)

式中：Rn为净辐射通量；GO为土壤热通量；H为感热通量；λE是潜热通量。

b. MOD16产品。MOD16由蒙大拿大学密苏拉分校地球动态数值模拟研究组研发，其主要输入的变量包括气象数据、FPAR(光合有效辐射吸收比例)和LAI数据集，以及一些辅助数据例如土壤成分等，产品覆盖范围为有植被区域，不包括水体、城市等无植被覆盖区域。MOD16计算基于依据能量平衡和紊流扩散原理的Penman-Monteith(P-M)公式[40]，其计算公式如下：

(2)

式中：s为饱和水汽压与温度的曲线斜率；A为可利用能量，植被覆盖度可计算冠层和土壤表面分别获取的能量；ρ为空气密度；Cp为空气定压比热；γ为干湿表常数；esat和e分别为饱和水汽压和实际水汽压；ra和rs分别为空气动力学阻抗和表面阻抗。

c. GLEAM产品。GLEAM产品由荷兰阿姆斯特丹大学研发，计算了蒸散发(ET)的所有组分：植被蒸腾(Et)、冠层截留蒸发(Ei)、裸土蒸发(Eb)、雪升华蒸发(Es)和水面蒸发(Ew)。主要基于Priestley-Taylor(P-T)公式：

(3)

式中：αPT为P-T常数；Δ为饱和水汽压-空气温度的斜率。

该模型计算所用的数据主要来源于卫星观测，包括降水量数据、土壤水分和植被光学厚度数据、辐射通量、气温数据和雪水当量数据。

d. Zhang-ET产品。Zhang-ET产品基于改进的P-M公式对冠层蒸腾和土壤蒸发进行量化，利用归一化植被指数(NDVI)定义全球不同生态群落的冠层导度，并使用P-T方法对开放水域蒸发进行量化。使用了GIMMS NDVI、NCEP/NCAR再分析资料以及NASA/GEWEX等数据作为输入。

e. GLDAS产品。GLDAS是美国国家航空航天局戈达德航天飞行中心和美国国家海洋与大气管理局国家环境预测中心联合发展的，融合了地面和卫星观测数据的全球陆面数据模拟系统，该系统用了包括Noah、Mosaic、VIC(variable infiltration capacity)和CLM(common land model)等多个国际上流行的陆面模式。本文使用的是GLDAS_NOAH025_M的地表蒸散发数据。

1.2.3气象参数

气象参数来自中国区域高时空分辨率地面气象要素驱动数据集，下载自国家青藏高原科学数据中心。该数据集的时间分辨率为3 h，空间分辨率0.1°。本研究中使用的数据包括2001—2013年的3种气象要素：近地面气温(瞬时近地面2 m气温，单位：K)、近地面空气比湿(单位：kg/kg)和地面降水率(3 h平均降水率，单位：mm/h)。利用降水率与时间乘积求出降水量，最后将各数据预处理到月尺度。

2 研究方法

本文使用了ET-EB、MOD16、GLEAM、Zhang-ET和GLDAS共5种地表蒸散发产品，采用站点数据验证后选出精度较好的产品研究西南河流源区地表蒸散发的时空变化及其影响因子，利用两种不同类型的EOF方法，分别突出源区地表蒸散发的时间特征和空间特征。为了进一步分析影响流域的地表蒸散发的气象因子，基于偏相关分析方法对流域的地表蒸散发与3种气象要素分别进行相关分析。

2.1 地表蒸散发产品的精度检验

直接利用地面的通量观测数据对地表蒸散发产品进行检验，这是最为常用的对蒸散发产品进行检验的方法。根据经纬度提取5个产品在站点相应位置的蒸散发值与实测值对比，用泰勒图[41]在像元尺度上评价了不同产品的精度，由于通量仪观测范围较大，5种产品中MOD16产品空间分辨率较高，因此采用范围内3×3像元的均值与观测值进行对比[42]，其他产品分辨率较低，像元包含范围大提取单个像元值作为代表。泰勒图的评价指标包括均方根误差(root mean square deviation, RMSD)、标准差(standard deviation, SD)、相关系数r(correlation coefficient)。

2.2 EOF方法

EOF方法由Pearson提出，20世纪50年代Lorenz将该方法引入大气科学领域，随后被广泛应用至今，是大气、海洋以及地球物理科学分析中的有力工具。EOF方法能对气象要素场进行时空分解，分解为相互正交的空间模态和时间系数。

在进行EOF分解前，Paden等[43]提出了两种对数据的距平处理方法：时间距平和空间距平。对原始数据的空间距平为

(4)

式中：X′ij为每个像元减去每幅图像平均值的时间序列数据；i为像元在原始场矩阵中的行数；j为像元在原始场矩阵中的列数；m为一幅图像的像元(要素)个数；k为与像元Xij同一时间序列的其他像元。空间距平可以在一定程度上可反映要素场的空间分布特点，描述一些持久性的特征[44]。在空间距平的基础上进行的EOF分析又称为梯度EOF。

在时间距平的基础上进行的EOF分析又称为协方差EOF，时间距平得到的时间系数可以反映相应空间模态随时间的权重变化。对原始数据的时间距平为

(5)

式中：n为时间序列；l为像元Xij在2001年1月至2013年12月之间的月时间序列。

EOF分解后得到的结果只有通过了检验才是有效的。North等[45]的研究指出，在95%置信度水平下的特征根误差为

(6)

式中：λ为特征根；N*为数据的有效自由度。将λ按顺序带入，依次检查，并且标记误差范围，当相邻两个特征值λj和λj+1没有重叠时，认为两个特征值是有差别的，如果前后两个特征值的误差范围有重叠部分，那么认为它们是没有显著差别的。

由于本文使用的地表蒸散发产品相比于站点观测的气象要素来说，要素点的数目远大于观测时间序列，即n≫m，在计算空间模态和时间系数时采用时空转换[46]方法。

2.3 偏相关分析

偏相关分析可以在对其他变量的影响进行控制的条件下，权衡多个变量中某两个变量之间线性相关程度。在分析变量x1和x2之间的偏相关系数时，当控制了变量x3的线性作用后，x1和x2之间的一阶偏相关系数定义为

(7)

式中r12、r23、r13分别为两个变量间的简单相关系数。二阶偏相关系数可由一阶偏相关系数求得。

3 结果与分析

3.1 站点尺度数据检验

图3为各产品在不同站点的精度检验结果，其中横轴和纵轴黑线为标准差(SD)，纵轴蓝色虚线为相关系数(r)，绿色虚线圆弧为均方根误差(RMSD)。可以看出，不同产品、不同站点的精度不同，其中阿柔站：Zhang-ET产品的RMSD最低(17.19 mm/月)，相关系数最高(r=0.96)；海北站：除ET-EB外其余4种产品验证结果精度较高，其中GLEAM产品的RMSD最低(20 mm/月)，相关系数最高(r=0.92)；哀牢山站：MOD16、GLDAS、GLEAM 3种产品的验证结果精度较高，其中GLDAS的RMSD最低(20.31 mm/月)，GLEAM的相关系数最高(r=0.91);西双版纳站：MOD16、GLDAS、GLEAM 3种产品的验证结果精度较高，其中GLDAS的RMSD最低(20 mm/月)，相关系数最高(r=0.80)；珠峰站：除Zhang-ET外其余的4种产品验证结果精度较高，其中GLEAM的RMSD最低(20 mm/月)，MOD16的相关系数最高(r=0.87)。总体上，GLEAM与站点观测值的匹配程度较好，RMSD为23.4 mm/月，与各站点相关系数均在0.7以上，且标准差与观测值较为接近；其次是MOD16和GLDAS，RMSD分别为24.6 mm/月和 26.7 mm/月；而ET-EB与站点的匹配程度较低，RMSD为34.5 mm/月，在海北站和哀牢山站与观测值的SD相差较大。

图3 5种产品在海北站、哀牢山站、阿柔站、西双版纳站及珠峰站的精度检验结果

ET-EB产品基于surface energy balance system(SEBS)模型理论，假定正午附近遥感瞬时蒸发比在一天之内恒定的方法估算地表蒸散发[44]，所以反演大气在稳定和非稳定状态的转换时刻的通量误差较大[47]。而地表蒸发率由感热计算得到，在计算的过程中带入了感热的误差，造成地表蒸散发反演的不确定性。在计算时，SEBS模型不区分土壤和植被，但实际的下垫面类型并不单一，从而也造成了误差[48]。另一方面，产品采用MOD11C3和MYD11C3的月平均值来代表地表温度，只有晴空条件才能获得较好的数据，而产品模型中地表蒸散发的计算对地表温度数据有着较高的要求，这也是ET-EB产品不确定性较大的可能原因。

在以往的研究中，GLEAM的产品质量已被多次验证。Michel等[49-50]基于站点通量数据、再分析资料、水量平衡原理对PM-MOD、SEBS、PT-JPL和GLEAM 4种模型进行了评估，评估结果显示PT-JPL模型和GLEAM的效果最好；Yang等[51]利用8个通量站点数据对GLEAM产品在中国区域的精度进行了验证，其中海北站与阿柔站与本研究使用的站点相同，但验证的时间段不同，其研究结果表明GLEAM在中国区域的精度可靠。结合前人的研究和本研究的验证结果，研究选取精度较好的GLEAM产品进行源区地表蒸散发的时空特征分析。

3.2 地表蒸散发的空间分布

3.2.1不同流域的地表蒸散发

为了研究西南河流源区不同流域地表蒸散发的时空变化特点，利用GLEAM产品对不同流域的旬平均地表蒸散发展开了分析。

西南河流源区不同流域2001—2013年的旬平均地表蒸散发如图4所示，不同流域的地表蒸散发年内变化一致并且有明显的季节特征。澜沧江流域、怒江流域、藏南诸河的地表蒸散发在7月中旬达到峰值；其他流域地表蒸散发在8月下旬达到峰值。各流域在1月上旬和12月中下旬地表蒸散发最低，其中青海湖水系和黄河上游在这几个旬内地表蒸散发不足1 mm；6月上旬到9月上旬，长江上游和澜沧江流域蒸散发较高，最高达到27.89 mm。总的来说，按地表蒸散发旬平均蒸散量由高到低排序：藏南诸河(15.71 mm)、澜沧江流域(14.28 mm)、长江上游(13.18 mm)、怒江流域(13.05 mm)、雅鲁藏布江流域(12.03 mm)、黄河上游(11.12 mm)、青海湖水系(9.33 mm)。

图4 GLEAM产品不同流域的旬平均蒸散发

3.2.2地表蒸散发的空间分布特征

2001—2013年5种产品的年平均蒸散发空间分布格局相似，呈现出南高北低的分布特点，具体以GLEAM产品在季节上展开分析，结果如图5所示。可见，春夏秋冬4个季节地表蒸散发的空间分布一致，南部地表蒸散发明显高于北部，受海拔和地表覆盖类型影响明显。结合图2进行分析，源区的地表蒸散发大致可以分为4个区间：地表蒸散发高值区，集中在藏南诸河及澜沧江、雅鲁藏布江、雅砻江、大渡河的下游等2 000 m以下的低海拔区，这里降水充沛，日照充足，气温较高，主要地表覆盖类型为林地；地表蒸散发次高值区，集中源区东南部2 000～3 000 m 海拔高度；地表蒸散发较低区，集中在源区东北部 3 000～4 000 m海拔高度，这里的地表蒸散发略低于东南部；地表蒸散发最低区，集中在源区中部、北部，这里也是源区海拔最高的地区，主要地表覆盖类型为草地。

(a) 春季

为进一步分析源区地表蒸散发在月尺度上的时空特征，对2001—2013年西南河流源区GLEAM产品进行梯度EOF分解(图6)，虽然空间模态的值并不直接代表地表蒸散发的高低，但可以反映地表蒸散发的分布特征，空间模态与时间系数同号表示地表蒸散发较高，异号则表示地表蒸散发较低。分解得到前3个模态的累计方差贡献率达到了92.8%，且都通过了North检验。第一空间模态的方差贡献率达到了84.19%，可以很好地代表地表蒸散发的空间分布特征，这里只分析第一空间模态。

(a) 第一空间模态

第一空间模态(图6(a))是对地表蒸散发空间梯度的反映，是源区地表蒸散发的典型场，与源区多年平均地表蒸散发的空间分布一致。特征值以藏南诸河、长江上游流域南部为强正值中心向北递减，这说明源区南部的地表蒸散发高于北部，这主要由于源区南部降水充沛，主要地表覆盖类型为林地，蒸腾作用较强，所以地表蒸散发更高；绝对值最高的地区出现是藏南诸河一带，表示这里地表蒸散发的变化程度更显著。第一空间模态的时间系数(图6(b))均为负值，并不随着时间推移发生正负变化，这说明源区地表蒸散发北低南高的空间分布格局不会随着时间发生变化，是一种固定的空间特征；时间系数在5—8月振幅最大，这表示每年5—8月是源区空间差异较明显的月份；受到复杂气候条件的影响，在2002年、2004—2005年、2007年和2010—2013年时间系数出现了双峰，这表示地表蒸散发在低谷点的月份空间差异弱于邻近月份。

3.3 地表蒸散发的时间变化

为进一步探究源区地表蒸散发随时间的变化特征，分别从流域尺度(图7)和像元尺度(图8)对西南河流源区地表蒸散发随时间的变化进行分析。源区各流域年平均地表蒸散发的变化趋势如图7所示，年尺度源区地表蒸散量从高到低排序为：藏南诸河，澜沧江、雅鲁藏布江、长江上游、怒江、黄河上游、青海湖水系，其顺序与旬尺度一致。对流域年地表蒸散发进行线性趋势拟合，只有长江上游和黄河上游两个流域的地表蒸散发线性趋势均达到0.05显著水平，呈显著上升趋势。长江上游上升幅度为1.8 mm/a，黄河上游上升幅度为2.3 mm/a，其他流域地表蒸散发均未发现显著变化趋势。

图7 西南河流源区各流域年平均地表蒸散发

协方差EOF分解可以表征要素随时间变化的特征。一种现象越强烈，协方差EOF分解后其空间模态的幅值越高，模态对应的时间振幅表示特定现象的重要性。对源区地表蒸散发进行协方差EOF分解，分解后前3个空间模态的方差贡献率达到了93.65%，说明EOF分解的收敛速度很快，并且前3个模态均通过了North检验。第一空间模态的方差贡献率为89.06%，具有很好的代表性，这里分析方差贡献率最大的第一空间模态。

第一空间模态(图8(a))源区特征向量均为负值，表明2001—2013年源区地表蒸散发的变化具有全区一致性。绝对值高值区出现在藏南诸河一带，表明该地区地表蒸散发的变化程度较大。结合时间系数(图8(b))分析，时间系数呈周期变化，地表蒸散发具有明显的季节特征；每年4—9月时间系数与空间模态同号为负，源区太阳辐射强，土壤含水量多，植被生长密集，蒸腾作用强，这段时间源区地表蒸散发较高；10月至次年3月时间系数与空间模态异号，源区土壤含水量少，可利用能量低，这段时间源区地表蒸散发较低；源区地表蒸散发年内变化呈单峰格局，高峰出现在每年7月。

(a) 第一空间模态

3.4 地表蒸散发与气象因子的关系

区域内的降水量、温度和湿度等气候条件一定程度上会影响到区域能量供给和水汽输送条件。温度差异驱动水分从液态转为气态，蒸散发面上的水汽压与周围空气水汽压之间的差值是驱动水汽从地表蒸散发的主要动力之一，将区域实际蒸散发与气象因子做相关分析，对于了解区域蒸散发的分布特征和变化趋势有重要的意义。

对2001—2013年GLEAM产品在西南河流源区的月平均地表蒸散发与降水、气温(近地面2 m气温)和比湿(近地面空气比湿)做相关分析，结果如图9所示。源区的地表蒸散发与3种气象要素相关性的年内变化相似，在夏季地表蒸散发与3种气象要素的相关性最强；源区地表蒸散发与比湿的相关性强于降水和气温。

图9 源区月平均地表蒸散发与不同气象因子的相关系数

为了进一步探究源区不同流域与气象因子的相关性，对2001—2013年GLEAM各流域不同季节的地表蒸散发与降水、气温、比湿3种气象因子做偏相关分析。偏相关系数反映了在控制其他两个气象因子的线性影响的条件下单个气象因子与地表蒸散发两变量间的线性相关性，图10为2001—2013年各流域的月地表蒸散发与不同气象因子的偏相关系数热力图。由图10可见，长江上游的地表蒸散发在春秋两季与比湿呈正相关关系，在夏冬两季与降水呈正相关关系，但在冬季与气温的相关性更强；黄河上游的地表蒸散发在所有季节均与气温正相关(除冬季外，与气温的相关系数均大于0.5，呈显著相关关系)，在秋季与比湿的相关性更强；澜沧江流域的地表蒸散发在春秋两季与比湿呈显著正相关关系，在夏冬两季与气温呈正相关关系，在不同季节均与降水无相关关系；怒江流域的地表蒸散发在春秋两季与气温正相关，在夏季与比湿正相关，在不同季节均与降水无显著相关关系；雅鲁藏布江和藏南诸河的地表蒸散发在春秋两季与气温的相关系最强(相关系数均大于0.5，呈显著相关关系)，在冬季与降水的相关性更强，藏南诸河的地表蒸散发在不同季节均与比湿无显著相关关系；青海湖水系的地表蒸散发在春秋与气温呈正相关关系，在夏季与比湿呈正相关关系。

注：“*”表示偏相关系数在0.05水平上显著。

藏南诸河、澜沧江流域、长江上游、黄河上游、雅鲁藏布江流域和怒江流域降水充沛，陆面水供给充足，蒸散发主要受气温等大气能量因素的驱动；青海湖水系处于半干旱区，陆面比较干旱，所以主要受到陆面能量的影响(本文以近地面空气比湿间接体现)。对2001—2013年各流域年平均降水量、气温、比湿进行线性趋势拟合发现，藏南诸河的降水量呈显著上升趋势，澜沧江流域、长江上游、黄河上游、雅鲁藏布江流域和怒江流域的年平均气温呈显著上升趋势(0.01K/a左右)，这与各流域蒸散发的变化趋势一致，从侧面证明了西南河流源区的主要流域的地表蒸散发主要受降水和气温等因素的影响。

3.5 地表蒸散发与地形因子的关系

除气象因子外，地形因子也会影响区域地表蒸散发。将高程每500 m划分为一个区间，坡度每10°划分为一个区间，坡向每15°划分为一个区间(以正北为0°，坡向方向基于顺时针方向角度增加)，统计不同区间内西南河流源区的平均地表蒸散发，分析不同地形因子与地表蒸散发的关系。

对不同高程区间的年平均地表蒸散发进行统计，结果如图11(a)所示。2001—2013年不同高程区间地表蒸散量随高程呈梯度状变化且变化规律一致，在海拔2 500 m以下区域2006年和2013年的地表蒸散发高于其他年。整体来看西南河流源区的地表蒸散发随着海拔的升高而降低，但在1 000～1 500 m 区间和3 500～4 000 m区间出现了两个微弱的抬升。在高程小于500 m时，年均地表蒸散发最高，在高程大于5 500 m的区域，地表蒸散发最低，两个高程区间的年平均地表蒸散量差值最高达 576 mm。研究区坡度集中在0～60°之间，不同坡度区间的年平均地表蒸散发如图11(b)所示，各年变化规律一致，其中2006年和2013年在不同坡度区间的地表蒸散量均高于其他年。总体来说，随着坡度的增加地表蒸散发逐渐变高，在坡度小于40°的区间，地表蒸散发随着坡度增加的趋势较为明显，约为每10°增加55.21 mm；在坡度大于40°之后，地表蒸散发的增加趋势变缓，约为每10°增加 31.81 mm。研究区不同坡向区间地表蒸散发的变化如图11(c)所示，竖线对应数字代表该值减15°至该值的一个坡度区间。各年地表蒸散发在不同坡向区间的变化一致总体上是西侧(坡向小于180°)地表蒸散量高于东侧(坡向小于180°)，其中坡向在西北15°方向内及东南30°方向内的地表蒸散发较高，而西南侧、东北侧的地表蒸散发较低。研究区地表蒸散发于差异主要体现在东南与西北方向，与北侧、南侧(即阳坡阴坡)无明显关系。