淮河流域蒸散发时空变化与归因分析

翁升恒,张方敏,卢燕宇,段春锋,4,倪 婷

1 南京信息工程大学应用气象学院江苏省农业气象重点实验室,南京 210044 2 寿县国家气候观象台 中国气象局淮河流域典型农田生态气象野外科学试验基地,淮南 232000 3 安徽省气象局气象科学研究所 大气科学与卫星遥感安徽省重点实验室,合肥 230031 4 安徽省气候中心,合肥 230031

在全球范围内有60%的降水通过蒸散发(Evapotranspiration,ET)的形式返回大气[1]。蒸散发即蒸散(ET),主要包括土壤蒸发、植被蒸腾及植被截留水蒸发,是联结土壤-植被-大气过程的纽带,作为能量平衡和水循环的重要组成[2],在能量交换、水循环和植被生理过程中均扮演着重要角色。全面了解气候和植被生长变化在ET变化中的作用有助于明确地气系统相互作用,更好地应对未来可能的气候变化。

ET的变化受环境和生物多方面因素的影响。诸多学者展开了相应的ET归因研究,但持有不同观点,大致可以归结于辐射、温度、水分和植被生长条件的影响。周亚军等[3]利用SEBAL模型研究锡林河流域认为该流域ET对净辐射变化最敏感,韩典辰等[4]发现内蒙古半干旱地区草地ET也主要受净辐射的直接影响；Pei等[5]则认为黄河流域ET对归一化植被指数的敏感性最强,同时归一化植被指数对该地区ET的变化也起主导作用；但针对华北平原研究认为降水是导致ET增加的主要因素[6],而气候变暖是导致中国湿润地区ET增加的主要原因[7]。不同季节的影响因子也不同,比如杨倩[8]研究表明引起汉江流域四季ET变化的因素分别为气温、日照时数、降水和相对湿度。综上所述,我国不同区域ET变化特征不同,其主控因子存在显著的区域特征差异[9]。

淮河流域地处中国华中地区,介于长江和黄河两流域之间,包含安徽大部、江苏大部、河南大部和山东南部,属于亚热带季风气候区。该地区是我国重要的亚热带粮食生产基地,主要耕作模式为稻麦轮作[10],农业用水需求量大,研究该地区ET时空变化特征,并进行归因分析对区域用水与生产十分重要。目前已有关于淮河流域参考作物蒸散量(ET0)时空变化特征及成因分析的相关研究,比如王晓东等[11]认为风速下降是引起淮河流域ET0下降的主要因子,但ET0忽略了实际下垫面植被情况,与ET存在较大差异,因此需要定量各因子对淮河流域ET变化的影响。本文采用经验证的BEPS(Boreal Ecosystem Productivity Simulator)模型计算淮河流域ET,剖析其时空分布特征及区域重心迁移过程,分析ET对叶面积指数(Leaf Area Index,LAI)、气温(Air Temperature,Ta)、降水(Precipitation,Pre)、太阳总辐射(Radiation,Rad)、相对湿度(Relative Humidity,RH)的敏感性；在此基础上量化主要环境气候因子对ET变化的贡献率,为有效应对未来淮河流域环境气候变化及极端气候事件加剧对水循环的影响以及合理配置区域水资源提供参考。

1 材料与方法

1.1 研究区域概况

淮河流域地处111.94—121.39°E、30.96—36.31°N(图1)[12],淮河流域西部、西南部及东北部为山区和丘陵区,约占1/3,其余均为广阔的平原,约占2/3。1981—2019年流域下垫面类型发生改变的面积为流域总面积的1%,根据2010年的土地利用类型数据统计,流域中约81.7%的下垫面类型为农田,草地与林地主要分布在西南部边缘地区,分别约占4.1%、7.2%,水域、城乡用地和未利用土地零星分布,分别约占4.7%、2.2%、0.1%。流域的多年平均气温为15℃,多年平均降水量为913.6 mm,多年平均太阳总辐射为129.5 W/m2,多年平均相对湿度达71%。

图1 2010年淮河流域下垫面概况(来源于资源环境科学数据中心：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 蒸散量计算

采用BEPS(Boreal Ecosystem Productivity Simulator)模型对区域ET进行模拟。BEPS模型是在FOREST—BGC(Forest Biogeochemical Cycles)模型的基础上不断改进、发展而来的一个被广泛应用的陆面生态过程模型,已被许多学者应用于不同区域的碳水循环研究[13—17]。BEPS模型采用如下方案计算ET,详细过程参考Chen等[15]和Liu等[16—17]：

ET=Tplant+Esoil+Eplant+Splant+Sground

(1)

式中,ET为蒸散量(mm)；Tplant为植被的蒸腾量(mm)；Esoil为无积雪覆盖时的土壤蒸发量(mm),根据Penman-Montheith原理计算；Eplant为无积雪覆盖时植被截留降水的蒸发量(mm)；Splant为植被截留降雪的升华量(mm)；Sground为地表积雪的升华量(mm)。

按阴生叶和阳生叶分别计算植被蒸腾量,Tplant可以表示为：

Tplant=TsunLAIsun+TshadeLAIshade

(2)

式中,Tsun和Tshade分别为阳叶和阴叶的蒸腾量(mm),根据Penman-Montheith原理计算；LAI为植被冠层的总叶面积指数(m2/m2)；LAIsun和LAIshade分别为阳叶和阴叶的叶面积指数(m2m-2),具体计算见Chen等[15]和Liu等[17]。

(3)

(4)

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

(5)

式中,Pint为植被截流降水量(mm)；babs_water为水对太阳总辐射的吸收率；babs_snow_water是雪对太阳总辐射的吸收率；λv为水蒸发潜热(0℃时为2.5×106J/kg)；λs为雪升华潜热(0℃时为2.8×106J/kg)；Rad为太阳总辐射(J m-2d-1)；Rad_int为植被截获的太阳总辐射(J m-2d-1)；snow为雪水当量(mm)；csnow为雪升华时太阳总辐射转化为潜热的比例系数；具体计算见Liu等[16]。

1.3 重心模型

空间分析中,重心的动态变化可以反映区域要素整体的空间变换特征和趋势[18]。本文采用重心分析淮河流域ET重心的时序变化,重心一般用研究要素的重心坐标来表达,即：

(6)

式中,X、Y为重心坐标；n、m为矩阵的行列数；xij、yij分别为第i行、第j列格点的经纬度坐标；ETij为第i行、第j列格点上某一年的ET值。

1.4 敏感性与贡献率计算

敏感性系数是由Mccuen[19]提出的,利用因变量和自变量的逐步回归关系得到因变量对自变量的敏感性系数,即：

(7)

(8)

式中,vi代表第i个环境因子；ε是逐步回归方程的系统误差项；Svi为ET对某环境因子vi的敏感性系数。敏感性系数的正负反映ET与该环境因子的相关性,值为正表明ET与该环境因子变化趋势相同,反之亦然。敏感性系数的绝对值反映环境因子对ET影响大小。

每个环境因子的贡献率可表示为其相对变化率(Rcvi)与其敏感系数(Svi)的乘积[20],即：

(9)

(10)

式中,Cvi和Svi为相对贡献率和敏感系数；Rcvi为环境因子的多年相对变化率；ρ为所选所有环境因子对因变量变化的解释程度；Trendvi为该环境因子多年线性变化率,由环境因子vi多年线性回归趋势分析或者最小二乘法计算得到；n为统计总年份,本文n为39。

1.5 数据

本文的气象数据来自中国气象数据网(http://data.cma.cn)的中国地面气候资料日值数据集,包括了1981—2019年全国2420个气象站点的气温、降水、日照时数、相对湿度等数据,太阳总辐射由日照时数计算得到[21]。研究中,经剔除、插补异常数据后根据克里金法[22]插值和重采样至1 km空间分辨率,进一步提取淮河流域栅格数据用于模型运算和数据分析。叶面积指数(Leaf Area Index, LAI)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,产品已经得到了很好的验证[23]。土地利用类型数据来源于验证过的中国科学院地理科学与资源研究所中国土地利用遥感监测数据集(http://www.resdc.cn),其将地表利用类型主要划分为农田、林地、草地、水域、城乡用地和未利用土地6大类,本文使用的土地利用类型年份为1980、1990、2000、2010、2018年。

本文的模型验证数据来源于寿县国家气候观象台的通量观测数据,观测时段为2007年7月至2018年12月,通量数据的缺失率为4%。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,具体参考翁升恒等[24]。通量数据的能量平衡比率为89%,符合数据能量闭合的要求。

1.6 数值实验设计

数值实验方法是通过设计不同情景实验得到因子对因变量的影响,可以用于研究特殊背景条件下的归因。由于所采用的BEPS模型中有五个输入变量,即LAI、Ta、Pre、Rad、RH,因此设计了一个对照实验和六个情景实验来研究ET的变化归因(表1),对照实验下的ET表示气候和植被变化的综合影响。每个情景实验中改变一个变量为多年平均值,然后通过将每个情景实验的ET与对照实验的ET对比计算每个因素对ET的影响[25],即：

(11)

式中,CNE(xi)是基于数值实验的自变量xi对ET变化的影响；ETc为对照实验的ET值,ETxi为基于xi情景实验的ET值。

表1 蒸散(ET)归因的数值实验方法

图2 BEPS(Boreal Ecosystem Productivity Simulator)模型模拟的寿县2007—2018年月蒸散(ET)和观测数据的对比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 结果

2.1 模型验证

在以往的研究中,BEPS模型已被多次验证。Liu等[26]利用通量站点数据对BEPS模型在中国区域的精度进行了验证,结果表明BEPS模型能够较好的模拟中国陆地表面ET时空分布特征；张方敏等[27]研究发现BEPS模型可以解释东亚地区81%以上的ET变化。寿县通量观测ET与BEPS模型模拟结果对比显示BEPS模型模拟的淮河流域农田ET与实测值相近(图2),R2达到了0.81(P<0.01),接近1∶1线,说明了BPES模型在以农田为主的淮河流域上具有一定的适用性,可以用于进行该区域ET的模拟。

2.2 环境因子变化特征

统计各环境因子的变化特征(表2)可知,1981—2019年淮河流域LAI、Ta、Pre、Rad、RH发生了强度不等的变化,且在各个季节表现不同。LAI在39年间表现为明显的增加趋势,变化率为0.01 m2m-2a-1,且在夏季增加趋势更明显；Ta在39年间也表现出上升趋势,变化率为0.04℃/a,39年共升高了1.56℃,在春季升温最显著,超过了全年增温速率；Pre在研究时段内变化幅度较小,变化率仅为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变少；Rad和RH在39年内均表现为下降,变化率为-0.19 W m-2a-1和-0.10%/a,分别在秋季和春季下降最明显。

2.3 ET时空变化特征

2.3.1ET时间变化

图3显示了1981—2019年淮河流域全年和各季节ET的年际变化趋势。淮河流域39年平均ET年总量为549.83 mm,其中夏季ET总量最大(261.89 mm),占年总量的47.63%,其次是春季和秋季,分别为151.68 mm和107.95 mm,占27.59%和19.64%,最小为冬季(28.31 mm),占5.14%。39年来,淮河地区ET整体呈极显著上升趋势(P<0.01),线性趋势变化率为4.41 mm/a；各季节ET总量均表现出不同程度的增加,增长速率为夏季>春季>秋季>冬季,值分别为2.40、1.29、0.57、0.15 mm/a,其中夏季和春季呈极显著增加(P<0.01)。分析表明,淮河流域ET年总量的增长主要来源于夏季ET的增加。

表2 1981—2019年全年和不同季节各环境因子变化特征

图4 淮河流域各年代蒸散(ET)年内月变化Fig.4 Monthly variation of evapotranspiration (ET) in Huai River Basin in different decades

淮河流域各年代ET的年内变化如图4所示。8月份的ET最大,占全年总量的16.9%,其次为7月、6月、5月与9月,分别占16.5%、14.2%、13.3%、10.9%。各时段的ET年内变化规律基本一致,随着年代的变化该地区各月ET均呈上升趋势,尤其5—8月上升更明显。

2.3.2ET空间变化

1981—2019年淮河流域ET年总量和变化率的空间分布如图5所示。ET高值大多位于淮河流域中东部和南部,其中宿州市中部、宿迁市中部、徐州市中部、连云港市中部、六安市南部和淮安、扬州市交界处ET大于600 mm。39年来ET在全流域上几乎都呈上升趋势但分布不均,大体为中西部增加较多,东北部增加较少,一半以上地区变化率在2.5—7.5 mm/a,少部分区域(驻马店市南部、周口市北部、宿迁市中北部、六安市西南部)变化率大于7.5 mm/a。

图6显示了1981—2019年淮河流域四季ET年总量和变化率的空间分布,由图6可知,四季ET总量和变化率均表现为较大差别。春季ET高值区位于淮河流域中东部和南部,大多分布在150—200 mm；夏季ET大部分处在250—300 mm,西部和南部地区达到300 mm以上；秋季ET明显低于春夏两季,大部分区域ET为100—125 mm；冬季ET处于低值,大部分区域低于45 mm。根据四季ET变化率的空间分布可知,夏季ET增加最多,中西部增长率大于3.0 mm/a；春季ET大部分地区增长率为1.0—2.0 mm/a,在中部大部分地区表现为增长,而东北、西北和东南的部分地区略有下降；秋季ET在东南部增长明显(>2.0 mm/a),其余大部分地区增长率为0—1.0 mm/a；冬季在全区域增长缓慢,区域上增长率多为0—0.5 mm/a。总体来看,各个季节ET表现为下降趋势的地区仅零星分布,进一步说明了近年来淮河流域ET的增长变化趋势。

图5 1981—2019年淮河流域蒸散(ET)多年平均年总量、变化率的空间分布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

图6 1981—2019年淮河流域四季蒸散(ET)多年平均年总量、变化率的空间分布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重心的迁移

图7为1981—2019年淮河流域ET空间重心的年际动态变化。由图7可知,ET重心纬度呈现显著下降趋势(P<0.05),表明流域ET重心具有向低纬度地区移动的显著趋势；ET重心经度也呈现出下降趋势,但未通过0.05显著性水平的检验,表明流域ET重心没有显著向西转移趋势,但是2005年以后经度重心明显向西转移。总体而言,39年间淮河流域ET重心有着显著的南移趋势,间接说明了流域ET具有南部增速大于北部的趋势。

图7 1981—2019年淮河流域蒸散(ET)重心经纬度的年际变化Fig.7 Interannual variation of longitude and latitude of evapotranspiration (ET) barycenter in Huai River Basin from 1981 to 2019

2.4 ET归因分析

2.4.1环境因子敏感性变化

淮河流域ET对不同环境因子的敏感性表现出较大差异,同时敏感性系数存在年际变化(图8)。Ta的敏感性系数的绝对值最大(1.02),其次是RH(-0.91)、Rad(0.60)和LAI(0.36),Pre敏感性系数绝对值最小(-0.05),说明淮河流域ET对Ta变化最为敏感。从年尺度上看,ET对LAI、Pre和RH的敏感性系数呈上升趋势,其中对LAI和RH的敏感性系数表现出极显著上升趋势(P<0.01),对Pre表现出显著上升趋势(P<0.05)；ET对Rad和Ta的敏感性系数呈极显著下降趋势(P<0.01)。分析表明,淮河流域ET对LAI的正敏感性逐渐增强,对Ta和Rad的正敏感性逐渐减弱,而对Pre和RH的负敏感性有所减弱。

图8 1981—2019年淮河流域环境因子敏感性年际变化Fig.8 Interannual variation of sensitivity of environmental factors in Huai River Basin from 1981 to 2019

2.4.2环境因子贡献率分析

表3给出了全年及不同季节各因子对ET变化的贡献率。由R2可知,五个环境因子综合可以解释淮河流域蒸散89%以上的变化。结合表2可知,LAI、Ta的显著增加和RH的降低对ET年总量的增长呈正贡献,而Pre的增加和Rad的降低限制了ET年总量的增加,其中LAI的增加对ET年总量的变化影响最大,其相对贡献率达到了44.51%。结合图8可知,虽然ET对Ta、Rad、RH的敏感性系数绝对值明显高于ET对LAI的敏感性系数绝对值,但Ta、RH、Rad在39年间仅分别变化了+10.2%、-5.6%、-5.6%,导致它们的相对贡献率低于LAI的相对贡献率。四季中,春、夏、秋三季的主导因子均为LAI,其相对贡献率分别为37.35、61.06、39.94%；冬季的主导因子为Ta,其相对贡献率达到51.97%。另外,影响淮河流域全年、春季、夏季、秋季、冬季的ET变化的次主导因子分别为Ta、Ta、RH、Ta、Rad。

2.4.3特湿润年份ET偏低的归因

根据降水量多年变化特征可知,2003年淮河流域平均年降水量达到了1319.8 mm,比1981—2019年平均值(913.6 mm)高出了44.46%,为特湿润年份,但是2003年的ET明显偏低(图3)。因此,利用表1的不同情景数值实验对2003年ET进行研究,分析引起特湿润年份ET低值的原因。

由数值实验结果(表4)可知,五个单因子变量的情景实验结果(ETLAI、ETTa、ETPre、ETRad、ETRH)均大于控制实验(ETc),说明五个因子变量在2003年均对ET产生负效应,ET低值是由多种环境因子综合作用产生的结果。将五个实验因子变量同时替换(ETALL),可以引起ET年总量32.62%的增加,但是实验因子变量对年总ET的增加程度不尽相同,具体表现为RH>Pre>Rad>LAI>Ta,说明对于2003年来说,RH的偏高(5.80%)是导致当年ET总量偏低的主要原因,引起2003年ET总量偏低12.3%,而严重偏高的降水(44.46%)是次要原因,引起ET总量偏低6.6%。根据不同季节的结果分析可知,导致2003年春、夏、秋、冬四季ET总量偏低的主导因子分别是RH、RH、RH、Pre,次主导因子分别是Pre、Rad、Pre、RH。

表3 不同季节环境因子对蒸散(ET)变化的贡献率

表4 淮河流域蒸散(ET)数值实验结果

3 讨论

ET作为能量平衡和水循环的重要组成,其变化成因具有明显的地域性和季节性,早已受到诸多关注,但是很少考虑ET对环境因子的敏感性及影响因子对ET的贡献率[3—8]。本文不仅明确了淮河流域不同季节ET对不同环境因子的敏感性,还揭示了不同环境因子对ET的贡献率,指出LAI是影响淮河流域ET年总量变化的主导因子,并明确其对ET年总量变化的相对贡献率达到了44.5%,这与郭春明等[28]和Jin等[29]研究结果一致,但他们均并未对LAI对ET的影响程度做出量化。季节上,LAI对ET变化的贡献率也存在很大的差异,并且LAI不是淮河流域冬季ET变化的主要因子,说明了LAI对ET的影响作用存在差异性,而这种差异性原因还可能具有空间性[30]。结合早期研究发现,在较干旱的黄土高原地区,LAI的提高会导致更多降水被冠层拦截并渗透进土壤,补充干旱区缺乏的水资源,从而导致ET的增加[29]；而在特湿润地区,LAI引起冠层和土壤之间可用能量的重新分配,可用能量的限制导致LAI对ET的促进效应低于干旱地区,进而导致ET的变化[30—31]。淮河流域为较湿润地区,植被增加而多截留的水分对水资源有一定补充,同时该地区近年来植被光合有效辐射吸收比显著上升[32],植被可用能量未受限制,蒸腾明显增加,因此,该区域植被增加会导致ET的显著增加。其他环境条件亦可能通过促进LAI对ET产生影响[33]。从淮河流域的气候因子变化对植被可能造成的影响来看,近年来流域内温度和降水增加,这有效降低了干旱和积温不足对作物生长的不利影响[34]；另一方面,近年来不断增加的大气CO2浓度协同氮沉降与化肥用量的增加[35—36],补充了植被所需的营养物质,刺激了植被的生理过程,植被LAI明显增加(表2),ET也随之增强。

土地利用类型对ET变化特征的影响至关重要,在长时间的模拟中土地利用类型却并不是一成不变的,土地利用类型的改变会增加区域ET的不确定性[37],在研究中必须考虑下垫面改变对区域ET可能产生的影响。本文根据1 km土地利用类型数据识别其变化,发现39年间土地利用类型发生改变的像元仅为1%,故在研究该区域ET归因时可以忽略,但采用的数据像元为1 km分辨率,亚像元级的实际土地利用类型变化有可能被混合像元掩盖,在今后的研究中,需要更精细的、长序列土地利用类型数据,进一步阐述由于土地利用类型对该区域ET可能产生的影响。

在全球气候变化背景下,极端气候事件的发生概率急剧增加[38],极端气候事件的发生对区域水循环可能有着较大的影响。在淮河流域极端湿润的2003年,流域ET出现低谷,进一步研究表明高相对湿度是当年淮河流域ET的主要限制因子(表4),这与长时间序列的归因结果不同,因此,如果忽略极端气候条件下的ET变化分析,可能导致对全球及区域水循环认知的不全面。不同极端事件对水循环的影响有较大差别,加强不同极端气候条件下ET的变化特征及归因的定量分析,可以更有效的为应对全球气候变化提供决策服务。本研究对极端湿润条件下淮河流域ET特征的定量归因分析,对全面认识该流域ET变化研究提供了一定参考。

4 结论

本文采用经验证的BEPS模型模拟淮河流域ET,在此基础上,剖析了ET的时空分布特征、区域重心迁移过程以及ET对环境因子的敏感性,进一步量化了环境因子对ET变化的贡献率,揭示淮河流域地区ET对气候及植被变化的响应特征及其主控因子,得出主要结论如下：

淮河流域多年平均ET年总量为549.83 mm,且呈显著上升趋势,线性趋势率为4.41 mm/a,夏季ET占全年ET的比值达到47.63%,且上升趋势在四季中最显著。多年来,ET高值区位于中东部和南部,同时重心模型显示高值区域呈显著的由北向南移动趋势。根据敏感性系数结果表明,研究区域内ET对气温的变化最为敏感,其次为LAI；综合各环境因子的变化和ET对因子的敏感性系数,多年来LAI对ET年总量变化影响最大,相对贡献率达到了44.51%,而对冬季ET总量变化影响最大的是气温。进一步研究发现,特湿润年ET变化的影响因子与常规年份不同；在特湿润年份,高相对湿度是引起当年ET明显偏低的最主要因素。研究结论可以为有效应对未来淮河流域环境变化及极端气候事件对水循环的影响以及区域水资源合理分配提供参考。