寒旱区草地不对称增温现象对蒸散发的影响分析

王国强,王立波,刘廷玺,薛宝林,段利民

(1. 北京师范大学水科学研究院,北京 100875；2. 内蒙古农业大学水利与土木建筑工程学院,内蒙古 呼和浩特 010018)

陆地生态系统对于气候变化的响应及其反馈是全球变化研究的核心领域之一[1]。据联合国政府间气候变化专门委员会(IPCC)报告显示,近10 a(2011—2020年)全球地表温度比工业革命前(1850—1990年)升高了1.09 ℃,近50 a(1970—2020年)地表温度上升速度超过2000年以来任何一个50 a[2]。全球范围的气候变暖将影响水循环过程中降水、径流、蒸发等环节,进而影响水资源的时空再分配,同时频繁的人类活动对植被生产力格局带来深刻影响。其中,蒸散发作为唯一同时参与水量循环和能量循环的水文参量,是干旱区水文研究的重点。由于下垫面特性、气象要素变化等时空异质性,蒸散发在时间连续条件下的模拟与预测具有挑战性。因此,时空连续蒸散发量的估算对明确气候变化下的区域生态水文循环驱动机制十分重要[3]。

作为地球上分布最广泛的植被类型之一,草地植被在受气候影响的同时,又能对区域气候起到重要的调节作用[4]。海拉尔河流域地处中国北方呼伦贝尔典型草原分布区内,属大陆性干旱气候,在全球气候变化影响下,研究区内物种向耐旱种退化,群落组成单一,植被覆盖度略有上升[5],对于气候变化响应敏感,脆弱性、波动性及严酷性等特点显著。在区域特征的影响下,该地蒸散发时空演变趋势复杂,但现阶段应用较广、精度较高的Penman- Monteith(P- M)蒸散发计算模型,忽略了土壤的蒸发量,不适用于植被稀疏区域[6]。基于TOPMODEL的BTOPMC分布式水文模型在植被较为稀疏的干旱区适用性更高,相较于其他水文模型,考虑了植被冠层及层间裸土表面的双水汽来源蒸散发,在估算地区冠层截留能力与土壤水蒸发能力中具有可靠性[7]。

在全球变暖情势下,增温趋势在时间(昼夜或季节间)与空间(海拔、纬度与不同地区等)上均呈现出不对称变化的特征。这种不对称性一方面表现为增温幅度与其规律本身的不一致,另一方面则为不同时空内全球气候变暖对不同生态系统产生的影响不对称[8]。在中国北方地区,不对称增温现象尤为显著[9]。张慧等[10]对1962—2011年中国不同植被类型区452个站点气温资料进行分析,表明过去50 a气温显著升高,低温增速快于高温,昼夜温差减小且在寒温带森林区表现明显。另外,昼夜不对称增温现象对于高寒生态系统功能与结构变化也具有一定影响[11]。在气温呈现不对称性增温的同时,地温也在升高,符睿等[12]在相关研究中同样发现,中国大部分范围内地温的升温速率要快于气温,且频发于干旱半干旱地区,季节性差异显著,形成土壤- 大气的不对称增温现象。作为计算地表感热通量的直接变量,地气温差的变化趋势可以反映地表感热通量的变化特征,地气温差的水平分布不均,将导致地表- 大气间热量传递差异,对植被生长产生影响。根据闫俊杰等[13]对2001—2015年伊犁河谷草地蒸散发量时空变化分析可知,植被覆盖、降水和气温是草地蒸散发量降低的主要驱动因素。由此可见,作为全球气候循环系统的重要组成部分,蒸散发对于温度变化响应敏感,且近年来相关研究表明,在极端干旱地区,降水及温度成为蒸散发变化的主导因素[14]。目前,对于寒旱区草地蒸散发在气候变化下的影响因子定量分析研究较少,且不对称增温现象的出现会为蒸散发变化及其响应机理带来怎样的影响还没有明确结论。

海拉尔河流域多年平均降水基本保持不变,温度的升高使得该区域气候类型逐渐向暖干化转变[15]。但在此环境下,该区域蒸散发量却出现下降趋势,这种趋势是否与近期出现的不对称增温现象相关、能否定性且定量地进行分析是本研究关注的重点。本研究使用BTOP(Block- wise use of TOPMODEL)分布式水文模型获取研究区内1981—2020年连续蒸散发量,分析影响其多年变化的主控因子,进而结合区域大气温度及地表温度变化差异,探究不对称增温现象下的蒸散发量变化趋势。

1 研究区域概况

海拉尔河流域位于中国东北部典型寒旱区内(119°45′E—122°28′E,47°34′N—50°16′N),海拔534～1 706 m,研究区面积为5.48万km2,如图1所示。该区域属温带大陆性季风气候,夏季炎热多雨,冬季寒冷干燥；多年平均气温-3 ℃～0 ℃,且具有自东向西递减趋势；年降水量240～400 mm,全年变化较大且呈自东向西递减趋势；主要土地覆盖类型为典型草地,植被建群种包括大针茅和羊草等；植被类型由东到西依次可概括为森林—森林草原过渡带—草地,生长季为5—9月。

图1 海拉尔河流域水文及气象站点位置Fig.1 Study area and locations of the hydrologic and meteorological stations in Hailaer River basin

2 数据来源及处理

2.1 气象及水文数据

本文参与模型输入及分析所使用的气象数据包括日平均气温、日最高气温、日最低气温、日平均地表温度、日最高地表温度、日最低地表温度、日平均气压、日相对湿度、近地面风速和日照时长10个要素。气象数据采用中国气象数据网(http:∥data.cma.cn/)中国地面气候资料日值数据集(V3.0),包括海拉尔站、牙克石站、扎兰屯站3个气象站点。降水资料来源于牙克石站、海拉尔站、额尔古纳站及新巴尔虎左旗4个雨量站日降水资料(https:∥data.cma.cn/)。流量资料来源于牙克石站、海拉尔站、坝后站逐日观测数据。选取坝后站为模型出口水文站点,1981年为模型预热期,1982—2000年为率定期,2000—2020为验证期。蒸散发验证数据来源于内蒙古生态系统研究站(图1观测站点1),该站位于内蒙古自治区呼伦贝尔谢尔塔拉种牛场,代表温性草甸草原生态类型,属温带半干旱大陆性气候(http:∥www.chinaflux.org)。研究区内典型贝加尔针茅样地(图1观测站点2)围建于1999年,面积为0.33km2,草场类型为贝加尔针茅(StipaBaicalensisRoshev)、日荫菅(Carexpediformis)和羊草(LeymuschinensisTzvel)。考虑植被数据系列长度,本研究所选数据时段为1981—2020年。

2.2 高程、土地覆盖及植被数据

高程数据采用美国国家地球物理数据中心全球陆地1 km基础高程GLOBE数据(http:∥www.ngdc.noaa.gov/mgg/topo/globe.html),空间分辨率为30″；土地利用资料为国际地圈生物圈计划全球数据(http:∥nsidc.org/data/ease/ancillary.html#igbp_classes),空间分辨率为1 km；土壤数据采用联合国粮食和农业组织土壤类型图(http:∥www.fao.org/faostat/en/#data/S),分辨率为1km；植被归一化指数(NDVI)采用NOAA- AVHRR第3代GIMMS NDVI3g遥感数据(http:∥ecocast.arc.nasa.gov/data/pub/gimms/),分辨率为8 km,时间为1981—2006年,MODIS NDVI遥感数据(http:∥Itdr.nascom.nasa.gov/cgibin/Itdr/ItdrPage.cgi)分辨率为5km,时间为2000—2020年,通过ArcGIS10.2软件进行重采样为分辨率1 km的数据；风速资料来源于UEA/CRU资料库(http:∥www.cru.uea.ac.uk/cru/data),分辨率为10′。以上各类数据分辨率已按照模型需求进行统一,栅格单元经ArcGIS软件重采样后为0.01°。植被分析数据采用MODIS MOD15A2叶面积指数(LAI)数据产品(http:∥ecocast.arc.nasa.gov/data/),分辨率为1 km。

3 研究方法

3.1 BTOP模型

BTOP模型是基于数字高程(DEM)的网格分布式水文模型[7],核心部分包括地形模块、产流模块和汇流模块,该模型根据TOPMODEL蓄满产流模式概化产流过程,使用Muskingum- Cunge法进行汇流演算,与Shuttleworth- Wallace(S- W)双水汽源模型耦合,适用于植被较为稀疏的干旱区。S- W模型总蒸散发计算公式如下:

ET=CcETc+CsETs

(1)

式中:ET为蒸散发量,mm/d；ETc和ETs分别为植被密闭区和裸土区的潜热通量,MJ/(m2·J)；Cc和Cs为权重系数。

(2)

(3)

(4)

Ra=(k+γ)raaRc=(k+γ)rac+γrscRs=(k+γ)ras+γrss

(5)

式中:Rn为冠层表面净辐射,MJ/(m2·J)；Rns为土壤表面净辐射,MJ/(m2·J)；G为土壤热通量,MJ/(m2·J)；es为饱和水汽压,kPa；ea为实际水汽压,kPa；k为饱和水汽压—温度曲线斜率,kPa/P；ρ为平均空气密度,kg/m3；γ为空气湿度常数,kPa/P；cp为空气定压比热,cp=1.013×10-3MJ/(kg·℃)；rsc为冠层气孔阻力,s/m；rac为冠层边界层阻力,s/m；ras为土壤表面到冠层间的空气动力学阻力,s/m；raa为冠层到参考高度间的空气动力学阻力,s/m；rss为土壤表面阻力,s/m[16]。

本文模型采用SCE- UA(Shuffled Complex Evolution developed at University of Arizona)全局优化算法进行参数自动率定[17],配合手动微调,对模型结果进行进一步优化,以Nash效率系数(ENS)作为目标函数,计算如下:

(6)

同时,使用模型模拟结果与实测结果百分比(EVol)进行模型精度评估,计算公式如下[18]:

(7)

式中:Xobs为实测值,mm；Xmodel为模型反演值,mm。模型参数率定结果见表1。

表1 BTOP模型参数率定结果

3.2 敏感性分析

对于模型参数敏感性分析,本研究采用改进的Morris筛选方法,探究参数变化对于模拟结果及目标函数的影响程度[19],计算公式如下:

(8)

式中:Ski为模型敏感度判别系数；n为模型运行次数；Y0为参数率定后计算结果的初始值；Yi为模型第i次目标函数的输出值；Pi为第i次模型运算参数值相比于率定后参数值的变化百分率。

本文采用量纲一的相对敏感性系数度量蒸散发对于因子的敏感性,计算公式如下[20]:

(9)

式中:Vi为选取的气候、植被因子；SVi为蒸散发对Vi的敏感性系数,为量纲一参数,可直接反映不同参数对于蒸散发量的影响程度,敏感性系数为正,则蒸散发与所选参数的变化趋势一致,绝对值越大所选参数对蒸散发量的影响越强,反之亦然。本研究选取日平均气温(TEM)、日最高气温(TMAX)、日最低气温(TMIN)、日平均地表温度(TGS),昼夜温差(DTR)、地气温差(DGAT)、日照时长(DSS)、降水(PREC)、相对湿度(VAP)、太阳净辐射(RAD)、近地表风速(WIN)、叶面积指数(ILA)12个气象、植被因子及表1中T0、Sr,max、m、A、n05个参数从气候变化及物理模型方面探究蒸散发量的影响因子。

4 结果与讨论

4.1 模型模拟结果验证及参数敏感性分析

经参数优化后,海拉尔站模拟结果在率定期与验证期ENS均达0.80以上。蒸散发模拟结果验证通过涡度相关系统观测值与模型模拟日尺度数据对比(图2)可知,内蒙古生态研究站(P<0.001,样本量为1 096)、贝加尔针茅样地(P<0.001,样本量为2 557)模型率定期与验证期的ENS分别为0.852和0.877,结果表明构建的BTOP模型估算蒸散发结果可靠。

图2 BTOP模型估算蒸散发与观测蒸散发的验证评估Fig.2 BTOP model estimates ET and the validation of observed data

表2 BTOP模型模拟结果验证

将BTOP模型率定期设置为1981—1990年,验证期为1991—2020年,对径流的模拟评定结果见表2,根据径流模拟结果,模型在3个水文站内ENS均为0.750以上,总体来说,BTOP模型在研究区内构建效果较好,对于长时间尺度连续数据获取具有较高精度(图3)。

通过模型参数的敏感性分析(图4)可知,对于模型结果影响参数由强到弱依次为Sr,max>m>T0,A和n0几乎对模型结果没有影响。根区最大土壤水分含量是反映植被与土地利用对于模型结果的影响参数,对于蒸散发影响较大,且季节性变化明显,海拉尔河流域夏、秋两季植被覆盖面积占全年的80%以上[21],故Sr,max对蒸散发的影响较大,且变化趋势相同。

图3 海拉尔河流域降水量、蒸散发量年际变化Fig.3 Annual variation of precipitation and evapotranspiration in Hailaer River basin

图4 模型参数对于模拟结果ET的敏感性季节变化Fig.4 Seasonal variation of sensitivity of model parameters to simulation result ET

4.2 蒸散发量对气象、植被因子的敏感性分析

根据上述模型参数敏感性分析可知,下垫面的变化对于蒸散发量具有显著影响,因此本研究采用改进的Morris方法对气象及植被等下垫面因子与蒸散发量的敏感性进行定量分析,各因子的敏感性系数分别记为：日平均气温(STEM)、日平均地表温度(STGS)、昼夜温差(SDTR)、地气温差(SDGAT)、日照时长(SDSS)、相对湿度(SVAP)、太阳净辐射(SRAD)、近地表风速(SWIN)和叶面积指数(SILA)。通过对比不同因子敏感性系数年际变化(图5)可知,蒸散发量对于气候、植被因子响应程度由大到小依次为VAP>WIN>DGAT>TGS>DTR>RAD>ILA>TEM>DSS,其中昼夜温差、地气温差、相对湿度和叶面积指数的敏感性系数均为负数,说明以上因子变化趋势与蒸散发量相反，即当昼夜温差变大时,蒸散发量将会减小,反之亦然。不同因子对于蒸散发量的影响程度存在一定差异,风速与相对湿度的敏感性系数绝对值远大于其他因子,说明蒸散发量变化对这2种因子的响应程度更大。

图5 气象及植被因子对蒸散发量响应强度年际变化Fig.5 Annual variation of meteorological and vegetation factors response to evapotranspiration

在此过程中,虽然温度相关因子对于蒸散发量的影响小于风速与相对湿度,但在年际尺度上,蒸散发量对温度的敏感性逐年增强(图6),其中昼夜温差、地气温差与蒸散发量均呈相反变化。值得关注的是,相较于其他因子,蒸散发量对于地温与地气温差间的敏感性系数增加幅度更大,地表温度对于蒸散发量的影响不可忽视。温度变化不仅会直接作用于蒸散发量,还会通过影响其他水文、气象及植被因子,间接影响蒸散发量的变化[22],其中昼夜温差、地气温差变化影响更为显著。

图6 蒸散发量敏感性因子年际变化趋势Fig.6 Annual variation trend of evapotranspiration sensitivity factors

4.3 不对称增温现象对于蒸散发量的影响

根据蒸散发量对温度及降水因子的敏感性分析可知(图7),在春季和夏季降水对于蒸散发的影响程度更为剧烈,且夏季降水是增加蒸散发量的主要因子；而在秋季,温度对于蒸散发的影响强度超过了降水,成为蒸散发变化的主要影响因素。其中降水、温度和夜间低温对于蒸散发的影响为正向。值得关注的是日间最高温与昼夜温差对蒸散发带来了一定的负向影响,尤其是昼夜温差,对于蒸散发的负向影响显著,且影响程度夏季>春季>秋季。

进而对区域多年气温变化分析可知,过去40 a间,研究区内年平均气温、年平均最高气温、年平均最低气温均呈现极显著升高,且年平均最低气温的升温速率高于年平均最高气温的升温速率,表现出昼夜温差减小的不对称增温变化趋势。根据昼夜温差变化年内分析可知,春季>秋季>夏季>冬季,且季节变化分布较为集中(图8)。该结果与中国温带昼夜增温季节性变化趋势分析[23]基本一致。

图7 降水及温度因子对蒸散发的影响敏感性分析Fig.7 Sensitivity analysis of the effects of precipitation and temperature factors on evapotranspiration

图8 温度因子年内变化趋势Fig.8 Intra- annual trends in temperature factors

根据上述分析可以看出,与气温类似,地表温度也呈现出了增温的不对称性,且随着气候变化,二者间增温也存在不对称性。地气温差的变化由地表温度与大气温度共同制约,因地表温度变化幅度较大,区间较广,故其变化趋势主要由地表温度主导,冬季地表温度显著大于大气温度,且相较于其他季节,冬季地气温差分布不集中,可见全年地气温差贡献主要来源于冬季。地表温度作为地气温度不同步变化的指标,地表温度的显著增加,一定程度上使得植被生理过程对温度响应更复杂[24],进而对区域水文过程产生影响。

海拉尔河流域气候类型逐渐向暖干化转变[12]，在此环境下,该区域蒸散发量出现下降趋势,究其原因,一方面从地表能量平衡角度分析[12],地表温度和地气温差的增大,代表显热通量的增加,该区域多年地面净辐射与地表热通量无显著变化,根据Sn=λET+H+G(Sn为地表净太阳辐射通量；λ为水汽汽化潜能；H为下垫面到大气的感热通量)，蒸散发量将呈现下降趋势。另一方面,蒸散发量的变化受控于蒸散潜力及土壤水分和植被状态,是对蒸散能力和区域水分条件需求的反映[22],这一点与4.1中对于BTOP模型参数的敏感性分析所得结果根区土壤水分含量对于蒸散发量具有显著影响一致。在蒸散发对于植被因子敏感性响应分析中可知,植被叶面积指数与蒸散发量变化趋势相反,海拉尔河流域近年来植被向好发展显著[5],故对于蒸散发量带来负向影响。

地气不对称增温现象的出现,在总体上对于蒸散发具有负向作用。随着研究区内的地表温度不断上升,且增幅速度明显快于气温,故此趋势对研究区内蒸散发量负向影响将随地表温度变化幅度增大而增加。地气不对称增温模式将打破植被对于地上与地表温度的适应关系,影响植被根区储水能力,进而对植被生理过程造成不利影响[25]。

5 结 论

由于海拉尔河流域近年来出现的大气及地表温度差异性变化现象,本研究在BTOP模型估算多年连续蒸散发量的基础上将温差变化作为主要因素,分析其对于蒸散发变化的影响程度,探究影响蒸散发变化的主控因子,主要结论如下:

(1) 海拉尔河流域在1981—2020年间整体出现昼夜温差减小及地气温差减小的不对称增温趋势，夜间温度对于昼夜温差变化具有主导作用,地表温度变化速率及区间均高于大气温度。

(2) 蒸散发量对于气候、植被因子变化的敏感性由大到小依次为相对湿度>风速>地气温差>地表温度>昼夜温差>辐射>叶面积指数>大气温度>日照时长,其中相对湿度、昼夜温差和地气温差与蒸散发量变化趋势相反,根据敏感性系数年际变化结果可知,相较于响应程度更明显的相对湿度和风速,温度相关因子如地表温度及地气温差对于蒸散发量影响逐年增强趋势显著。

(3) 不对称增温对于海拉尔河流域蒸散发量的影响逐年增强,在此过程中,地表增温速率的增强是造成地气不对称增温的主要原因,在不对称增温现象的影响下,区域蒸散发呈现减小趋势,故在探究蒸散发量变化原因时,温差变化的作用不可忽视。