中亚费尔干纳盆地灌溉气候效应的数值模拟研究*

张学珍 刘欣睿 严建武 丁娜娜

1.中国科学院地理科学与资源研究所，中国科学院陆地表层格局与模拟重点实验室，北京，100101

2.中国科学院大学，北京，100049

3.陕西师范大学，地理科学与旅游学院，西安，710119

1 引言

近年来，人类活动对气候系统的影响受到广泛关注。灌溉，作为一种重要的土地管理方式，通过人为提升土壤含水量显著改变地表的蒸散发和能量平衡，调节陆-气相互作用的强度，从而改变天气和气候（Lu，et al，2017）。因而，科学地考虑灌溉的影响对提高天气和气候的预测精度具有重要作用（Koster，et al，2004；Ambika，et al，2020）。在全球范围内，灌溉农田面积约为274×106hm2，支撑着世界粮食生产的40%，灌溉耗水占人类用水量的70%（Siebert，et al，2005）；至2050年，全球灌溉农田面积很有可能（约95%）超过322×106hm2（Puy，et al，2020）。因而，灌溉被认为是人类影响气候的重要途径，灌溉的气候效应及形成机制是气候学领域的重要问题。

中外学者在灌溉的气候效应方面开展了大量研究，取得了一系列科学认识。总体来说，灌溉的局地和区域气候效应强于全球气候效应（Pitman，et al，2012；Thiery，et al，2017）。灌溉的温度效应突出表现为近地表空气被冷却，温度降幅因地而异，日均气温降幅0.2—4℃（Cook，et al，2015；Thiery，et al，2017；Kang，et al，2019；Ambika，et al，2019，2020），最高气温降幅约3℃（Valmassoi，et al，2020；Mathur，et al，2020）。在强灌溉区，尤其是干燥、炎热的气候条件下，灌区附近的冷却效应更为明显（Sacks，et al，2009；Thiery，et al，2017；Kang，et al，2019；Oh，et al，2019；Li，et al，2020）。如高强度灌溉的美国西部（Cook，et al，2015）和中西部（Troy，et al，2015；Mueller，et al，2016；Nocco，et al，2019）、中 国 华 北（Wu，et al，2018）与 东 北（Zhu，et al，2012；Yang，et al，2020）及西北（Zhang，et al，2017；Yang，et al，2020）、印度（Cook，et al，2015；Thiery，et al，2020；Mathur，et al，2020），降 温幅 度 可达2.6—6℃。

与灌溉对温度影响的区域差异相比，灌溉对降水影响的区域性更加明显。目前灌溉对降水影响有3种 观 点：灌 区 降 水 增 加（Segal，et al，1998；Harding，et al，2012；Kang，et al，2019；Oh，et al，2019），其主导机制为蒸发增强了对流有效位能（CAPE），从动力学上促进降水增加；灌区降水变化不显著甚至减少（Cook，et al，2015；Devanand，et al，2019；Mathur，et al，2020），主要是因为近地表冷却作用抑制了对流，空气动力抬升减弱，从而减少降雨；灌区以外局地降水增加（Wei，et al，2013），如有研究（Huber，et al，2014；De Vrese，et al，2016；Zhang，et al，2017；Thiery，et al，2017；Keune，et al，2018）发现灌溉可通过大气动力学过程显著影响远离灌溉密集地区的降水。总体来说，不同区域灌溉影响降水的主导机制不尽相同，与区域气候条件密切相关。

现有研究几乎全部是从多年平均气候态的角度认识灌溉效应，对不同气候年景下灌溉气候效应的差异认识不足。近年来，逐渐有研究发现灌溉的影响可能因气候背景场而异，例如Huber等（2014）指出灌溉的潜在影响会在湿润年份得到抑制，在干旱年份得到加强。Harding等（2012）发现美国大平原灌区的降水在湿润年份显著增加，增幅最大6.14 mm，在干旱年份增幅则有所减小，仅2.85 mm。Zhang等（2021）指出中国北方农耕地扩展在少雨年景下可产生减雨效应，在多雨年景下产生增雨效应。

由此来看，灌溉的气候效应存在明显的区域特征且因气候年景而异。中亚费尔干纳盆地地处欧亚大陆中心，远离海洋，位于乌兹别克斯坦、吉尔吉斯 斯坦和塔吉克斯坦 交 界 处（40°15′—41°50′N，70°30′—73°15′E）。盆地内地势平坦、农业发达，但是由于属于温带大陆性气候，干旱少雨，蒸散量约为降水量的2—10倍，再加上生长季具有旱季性质，6—9月降水仅占全年的11.7%（王江丽等，2013），致使农业生产高度依赖灌溉，灌溉面积约为16530 km2（Conrad，et al，2013）。灌溉水源主要是地表径流，其中逾70%来自于锡尔河。苏联时期修建了大费尔干纳、南费尔干纳和北费尔干纳等几条灌渠将盆地内的数十条河流连接，形成庞大的水利系统。丁娜娜等（2021）利用WRF-Noah模式开展了敏感性试验，发现灌溉对当地地表能量收支与气温影响极为显著，考虑灌溉过程可以大幅度提升模拟精度。然而如此高强度灌溉对区域温度、降水的影响及其机制特别是不同气候年景下（多雨年、少雨年、正常年）灌溉气候效应的差异尚不清楚。由此阻碍了对区域气候成因的深入认识，并在一定程度上增加了区域气候变化预测的不确定性。

基于上述背景，本研究拟利用更新土壤参数并嵌入灌溉参数化方案的WRF-Noah模式，开展不同气候年景（多雨年、少雨年、正常年）下有/无灌溉过程的区域气候模拟试验，系统分析灌溉对区域气温与降水的影响及其机制，以及不同年景之间的差异，以期增进对中亚费尔干纳盆地灌溉气候效应的理解，深化对区域气候成因的认识。

2 数据与方法

2.1 试验设计

本研究使用嵌入干旱区绿洲农业灌溉参数化的WRF-Noah模式（Zhang，et al，2017），进行2组模拟试验：开启灌溉方案（简称IRRG）和关闭灌溉方案（简称NATU）；其余设置完全相同，因此，IRRG与NATU试验的差异主要来自于灌溉，可以表征灌溉的作用。

模拟区范围完全覆盖费尔干纳盆地及周边山区（图1），中心点（40.3°N，71.5°E），东西方向130个网格，南北方向110个网格，网格大小为5 km×5 km，垂直方向27层。主要参数化方案包括：WSM 6微物理方案（Hong，et al，2006）、CAM3辐射参数化方案（Collins，et al，2004）、YSU行星边界层方案（Hong，et al，1996），Noah陆面模型（Chen，et al，2001）。侧边界数据与初始场数据均来自再分析数据集NCEP/FNL（http://rda.ucar.edu/datasets/ds 083.2/），空间分辨率为1°×1°，侧边界数据6 h更新一次。

图1 模拟区域范围与地形（色阶，海拔高度）、研究区地理位置（红色多边形）及气象站分布（红色空心圈，蓝色数字表示NOAA气候数据集中气象站的编号）Fig. 1 Model domain and topography（shaded，altitude），geographical location of the Fergana basin （red polygon）and meteorology stations（red circle，blue numbers denote station IDs in the NOAA climate dataset）

本研究根据CRU（Climatic Research Unit）观测数据集1998—2018年研究区年降水量数据，选取降水量接近常年的2007年（年降水量355.09 mm）、降水量偏少的2008年（年降水量302.29 mm）和降水量偏多的2009年（年降水量389.30 mm）分别代表正常、少雨、多雨年景开展模拟试验，以研究不同气候年景下灌溉的气候效应。同时，为降低模拟误差，本研究采用了集合模拟方法，每组试验包括12个成员，初始化时间分别为3月20—31日，结束时间均为10月31日18时（世界时）。将3、4月视为模式的起转阶段，取5—9月的模拟结果进行分析，以12个成员的平均值作为该组的模拟结果。采用t检验对12个试验之差平均值是否显著大于或者小于0进行了显著性检验（置信水平取95%）。

研究区内地面气象观测站较为稀少，本研究利用盆地内部2个气象站的观测数据（来自美国国家海洋和大气管理局（NOAA），图1）验证模拟结果。同时，由于春季是研究区的雨季，在年降水量中所占比例较大且年际变率较大，致使不同年景的灌溉量差异明显。为了揭示春季降水量差异导致的灌溉气候效应差异，在结果分析环节增加了针对5—6月模拟结果的分析。水汽通量是单位时间、单位面积内通过的水汽质量，被广泛用于解释降水变化。本研究用整层积分计算研究区上空大气层中的水汽通量（式（1））（Benton，et al，1950）。

式中，Q为水汽通量，g为 重力加速度，q为比湿，V为水平风矢量，ps为 地面气压，pt为大气层顶气压。

2.2 灌溉参数化方案

本研究采用Zhang等（2017）设计的动态灌溉方案，参考农业技术准则（张建国等，2010），以田间持水量的70%作为判断是否需要灌溉的阈值，一旦根层（指Noah模型中的上面3层）的平均土壤含水量低于该阈值，灌溉就开始。田间灌溉采用漫灌方式为土壤提供足够的水，每次灌溉都会使土壤达到饱和，灌溉需水量的计算如式（2）。研究区农业活动主要发生在5—9月，因此本研究仅在5—9月激活灌溉模块。同时，灌溉活动仅出现在有耕地分布的网格，实际灌溉需水量考虑了模式网格内的耕地面积占比。耕地面积占比用MODIS土地利用数据集（MCD12Q1_006）中的耕地面积除以模式网格面积得到（丁娜娜等，2021）。研究区耕地分布特征表现为盆地中部耕地占比超过80%，比南、北部占比高。

为了增强WRF模式在当地的适用性，本研究使用国际土壤参比信息中心（ISRIC）发布的SoilGrids250m-Texture class（USDA system）数据集替换了WRF模式的默认参数。中部平原的黏土被替换为粉砂黏壤土，平原南、北边缘和盆地以外地区的壤土被替换为粉砂壤土。通过更新土壤类型和土壤参数，在很大程度上纠正了WRF模拟的地表气温偏高、空气湿度偏低、感热通量偏大、潜热通量偏小的误差，模拟的灌溉量也更接近实际耗水量。更新土壤数据后，模拟的2 m气温均方根误差由6.52℃降至5.46℃，大气比湿均方根误差由1.66 g/kg降至1.08 g/kg，提高了模型模拟精度（丁娜娜等，2021）。

3 结果

3.1 灌溉量

灌溉量呈明显季节变化（图2a），与气温的季节变化特征基本一致。5—9月，灌溉量先增大后减小，7月达最大。其中，5、6月灌溉量少主要有两方面原因，一是费尔干纳盆地春季降水偏多，给土壤提供了丰富的水源补给；二是相较于高温的7、8月，5、6月土壤蒸发较小。7、8月温度升高，土壤蒸发增强，土壤失墒，需要更多的灌溉水补充。研究区内主要农作物在9—10月收获，植被蒸腾量减少，同时温度降低，蒸发潜力随之降低，9月的灌溉量降至约105 mm，明显低于前4个月（5—8月）的平均灌溉量（约146 mm）。

图2 研究区IRRG试验550个农田网格（a）平均的逐月灌溉量与（b）多雨、少雨、正常3类年景平均的生长季（5—9月）灌溉量空间分布Fig.2 Average monthly irrigation amount of IRRG simulation over 550 cropland grids in the study area（a）and spatial distribution of averaged monthly irrigation amount in the growth season （May to September）for years of above normal rainfall，below normal rainfall and normal rainfall（b）

同时，灌溉量也因气候年景而异。本研究中，生长季平均灌溉量在正常年约为700 mm，少雨年约为710 mm，多雨年约为660 mm。其中，5—6月灌溉量在不同气候年景下的差异最明显。这是因为费尔干纳盆地春季降雨较多，降水多寡的气候年景也主要取决于春季降水多寡，5—6月的降水量随气候年景差异较大。

空间上（图2b），生长季（5—9月）平均灌溉量在盆地南、北部较多，约250 mm/月，其中，盆地北部整体灌溉量更高，接近300 mm/月，盆地中部灌溉量较少，仅约150 mm/月。这一空间特征与盆地中部耕地最集中的特征不一致，但与土壤类型的空间分布吻合。盆地中部的土壤类型为粉砂黏壤土，南、北边缘为粉砂壤土。粉砂壤土比粉砂黏壤土包含的土壤大颗粒多、黏粒少，对水分的吸持能力小，故导水率更高，水分入渗更多，从而需要更多的灌溉以维持较高的土壤含水量（宋日权等，2010）。

3.2 地表能量收支

受灌溉影响，IRRG模拟的地表净辐射较NATU模拟偏多约19.5 W/m2（图3e），主要原因是IRRG模拟的地表净吸收长波辐射大于NATU。灌溉使地表温度的降幅大于地表气温的降幅，地面发射长波辐射的减幅较其吸收的大气逆辐射减幅更多，导致地表净吸收长波辐射增加。一般来说，灌溉可以增加土壤含水量，加深土壤颜色，从而降低土壤表面反照率。但是本研究中，灌溉对地表反照率的影响十分微弱，主要是由于Noah陆面模型没有考虑表层土壤含水量对反照率的影响，因而IRRG模拟的地表净吸收短波辐射变化甚微。灌溉对地表辐射平衡的影响也随气候年景的变化而变化。少雨年灌溉量多，导致地表发射的长波辐射减幅大，因此地表净辐射增幅大，较正常年多1%；多雨年灌溉量少，对辐射的影响与上述少雨年相反，地表净辐射增加量较正常年少1%。

相较于地表净辐射微弱的变幅，地表感热与潜热变幅较大。以NATU模拟为参照，IRRG的地表感热通量显著减小，潜热通量则显著增大（图3f—g）。空间上，盆地中部感热通量减少与潜热通量增加的幅度最大，盆地南、北边缘处变幅较小（图4）。时间上，灌溉导致5—9月平均感热通量从127.8 W/m2降至66.5 W/m2，潜热通量从17 W/m2增至96.2 W/m2。各月由灌溉引起的变幅不一，具有明显季节性，5—7月变幅增加，7—9月变幅减小，5和9月感热通量减幅分别为50.6和46.1 W/m2，7月高达74.3 W/m2，5和9月潜热通量增幅分别为65.3和61.3 W/m2，7月高达95.8 W/m2。感热通量受地表温度主导，因此NATU试验呈现与地表温度一致的季节性变化；在灌溉情况下地表温度下降且降幅与灌溉量近似同步变化，故IRRG呈现与灌溉量一致的季节性变化。而潜热受大气温度和土壤水分的共同影响。温度升高时，大气饱和水汽压增大，潜在蒸发增加，而NATU中土壤水分有限，潜热随时间不断减少；灌溉提高了土壤含水量，故IRRG潜热通量受温度主导呈现出与温度一致的季节性变化特征，最终灌溉导致的感热、潜热变幅均具有季节性变化特征。不同年景下灌溉对感热和潜热的影响不同：少雨年温度高，蒸发作用强，灌溉量大，感热通量降幅较正常年大4%，潜热通量增幅较正常年大6%；而多雨年灌溉导致的感热、潜热变幅仅较正常年小2%。

图4 IRRG与NATU模拟的2007年5—9月感热通量 （a）与潜热通量（b）之差（黑点区表示置信水平为95%）Fig.4 Differences between IRRG and NATU simulations in sensible heat flux（a）and latent heat flux（b）from May toSeptember in 2007（the black dots denote the 95%confidence level）

灌溉使土壤热通量增大，但变幅远小于潜热和感热的变幅。如图3h所示，IRRG模拟的土壤热通量比NATU模拟大。Abu-Hamdeh等（2000）研究表明，灌溉可导致土壤导热系数增大，从而使IRRG模拟的土壤热通量比NAUT大。但是，与感热和潜热的变幅相比，土壤热通量变幅很小。

图3 2007年5—9月灌区地表辐射平衡与能量收支（a.地表接收短波辐射，b.地表反射短波辐射，c.地表净吸收短波辐射，d.地表净吸收长波辐射，e.地表净辐射，f.感热通量，g.潜热通量，h.土壤热通量）Fig.3 Surface radiation balance and energy budget over irrigation area from May to September in 2007（a.shortwave radiation reaching the surface，b.shortwave radiation reflected by the surface，c.net shortwave radiation absorbed by the surface，d.net longwave radiation absorbed by the surface，e.net surface radiation，f.sensible heat flux，g.latent heat flux，h.ground heat flux）

3.3 地表气温与比湿

与感热通量减小和潜热通量增大相对应，IRRG模拟的灌区地表气温低于NATU，比湿高于NATU。其中，盆地中部湿润、冷却效应最强，而灌溉量最大的盆地南、北边缘处稍弱（图5）。这种现象与土壤类型有很大关系，盆地南、北部是粉砂壤土，土壤多为大颗粒，导水率高，水分下渗较多，此外，粉砂壤土非毛管孔隙多，毛管作用弱，田间持水量小，土壤表层的水分蒸散和次表层毛管水上升到表层受热再蒸散过程弱。而盆地中部的粉砂黏壤土与之相反，保水性好，毛管孔隙多，土壤含水量能够支持更多的潜在蒸发，因此灌溉的湿润、冷却效应强（宋日权等，2010）。

上述的湿润冷却效应因季节与气候年景而异。如图5a、b所示，3类年景5—9月盆地中部的日平均气温降幅大约为2℃，空气比湿升幅为2.4 g/kg，约为NATU模拟结果的40%；盆地南、北边缘处气温降幅大约为1.3℃，空气比湿升幅为1.5 g/kg，约为NATU模拟的32%。而5—6月的湿润冷却效应稍弱（图5c、d），盆地中部的日均气温降幅为1.7℃，空气比湿升幅为1.8 g/kg，约为NATU模拟的35%；盆地南、北边缘日均气温降幅1℃，空气比湿升幅为1.3 g/kg，约为NATU模拟的24%。因为月平均灌溉量极大值出现在7月，所以5—6月气候效应不及5—9月。图6展示了少雨、多雨年景下5—6月灌溉的湿润冷却效应。其中少雨年5—6月灌溉的气候效应更明显，盆地中部日均气温降幅比多雨年大0.2℃，比湿升幅比多雨年大0.6 g/kg；盆地南、北部日均气温降幅比多雨年大0.4℃，比湿升幅比多雨年大0.4 g/kg。其原因是：少雨年景下灌溉量极大值出现在6月，而多雨年景下出现在7月。因此，造成了2种年景下5—6月气候效应的强弱差异。

图5 IRRG与NATU模拟的3类年景平均5—9月（a、b）及5—6月（c、d）比湿（a、c）与地表气温（b、d ）之差（黑点区表示置信水平为95%）Fig.5 Differences between IRRG and NATU simulations in specific humidity（a，c）and surface air temperature（b，d）from May to September（a，b）and from May to June（c，d）for the three years of different rainfall anomalies（the black dots denote the 95%confidence level）

图6 IRRG与NATU模拟的少雨年（a、b）及多雨年（c、d）5—6月比湿（a、c）与地表气温（b、d）之差（黑点区表示置信水平为95%）Fig.6 Same as Fig.5 but for May to June in the years of below normal rainfall（a，b）and above normal rainfall（c，d）（the black dots denote the 95%confidence level）

在站点尺度上对比2组模拟试验进一步印证灌溉的冷却效应。如图7所示，IRRG模拟的5—9月温度均低于NATU，其中6、7和8月灌溉的冷却效应较强（降温约1.6℃），5和9月冷却效应较弱（降温约1℃）。已有研究（丁娜娜等，2021）将模拟结果与再分析数据对比，发现更新土壤数据并增加灌溉模块能够提升WRF模式的模拟精度。在此基础上，本研究使用盆地内2个站点的观测数据与模拟结果进行对比，发现加入灌溉过程的IRRG模拟偏差小于NATU模拟的暖偏差，在一定程度上说明灌溉缺失可能是NATU模拟结果存在暖偏差的部分原因。不过，IRRG模拟的温度仍较观测值具有较大的暖偏差（3℃），其原因可能有两个方面：一方面WRF模式具有系统性偏差，同时侧边界数据本身温度偏高；另一方面，模式采用的灌溉耕地分布数据存在偏差，气象站所在网格内的灌溉耕地面积小，灌溉量小，降温效应弱。

图7 正常（a1、b1）、少雨（a2、b2）、多雨（a3、b3）年景下气象站（a1—a3.38611站，b1—b3.38618站）观测（OBS）与模拟的地表气温Fig.7 Observed and simulated surface air temperature at two meteorological stations（a1—a3.Site ID 38611，b1—b3.Site ID 38618）for the normal rainfall year （a1，b1），below normal rainfall year （a2，b2） and above normal rainfall year （a3，b3）

从垂直维度看，灌溉的湿润和冷却效应主要存在于低层大气，越接近地表，湿润和冷却效应越强（图8）。低层大气中最强的灌溉效应出现在盆地中部。大约600 hPa的高度，湿润效应几乎消失；大约在500 hPa的高度，冷却效应消失，取而代之的是轻微的暖、干效应。研究区海拔600 m，600和500 hPa等压面位势高度大约分别为3760和4660 gpm，灌溉湿润和冷却效应显著的大气层厚度大约分别为3150和4000 m。不同气候年景下（图9），少雨年5—6月的气候效应较多雨年强，灌溉产生的湿润冷却幅度更大。其中，灌溉使少雨年近地表比湿升高1.2 g/kg，气温降低约1.4℃。

图8 IRRG与NATU模拟的3类年景平均5—9月（a、b）及5—6月（c、d）比湿（a、c）与大气温度（b、d）之差的垂直剖面（黑点区表示置信水平为95%）Fig.8 Mean vertical profiles of differences between IRRG and NATU simulations in specific humidity（a，c）and air temperature（b，d） from May to September（a，b）and from May to June（c，d） for the three years of different rainfall anomalies （the black dots denote the 95%confidence level）

图9 少雨年 （a、b）及多雨年（c、d）IRRG与NATU模拟的5—6月比湿 （a、c）与气温（b、d）之差的垂直剖面（黑点表示置信水平为95%）Fig.9 Same as Fig.8 but for May to June in below normal rainfall year（a，b） and above normal rainfall year（c，d）（the black dots denote the 95%confidence level）

3.4 降水

受灌溉影响，灌区内降水变化甚微，盆地周边的山区降水显著增加（图10、11红框）。5—9月，山区降水增加0.6 mm/d，约为NATU的17%（图10b），其中，北部山区较南部山区降水增幅大，分别占NATU的20%和14%。5—6月，山区降水增幅更大（1 mm/d），约为NATU的14%（图10d）。平原灌区降水变化甚微是空气湿度升高与大气稳定度博弈的结果。一方面，灌溉导致空气湿度升高，增大了可降水量，形成了潜在增雨效应。另一方面，灌溉降低了地表气温，致使大气层结稳定性增强，动力抬升减弱，形成了潜在减雨效应（Zhang，et al，2015）。而灌溉对盆地外围南、北部山区造成了明显的增雨效应。

图10 NATU模拟的3类年景平均5—9月（a、b）与5—6月（c、d）降水量（a、c）及IRRG与NATU模拟的降水量之差（b、d）（黑点区表示置信水平为95%，红框为降水增加典型区域）Fig.10 Mean NATU simulated precipitation（a，c）and differences between IRRG and NATU simulations in precipitation（b，d）from May to September （a，b）and from May to June（c，d）in the three years of different rainfall anomalies（the black dots denote the 95%confidence level，red polygons denote typical areas where precipitation increases）

续图7Fig.7 Continued

不同年景下（图11），盆地周边山区的背景降水量差异明显。虽然各气候年景下水汽通量均从西南到东北，但灌溉影响下产生的降水增加范围及幅度并不相同。降水增加主要出现在盆地南、北部山区，少雨年景下，5—6月盆地南、北部山区降水增幅为0.7 mm/d，约为NATU降雨的12%；多雨年景下，灌溉对降水的影响较强，南、北部山区的降水增幅约1.3 mm/d，约为NATU降雨的19%，甚至盆地内也发生少量降水增加（图11d）。灌溉在多雨年景下的增雨效应较少雨年景强，一方面可能是多雨年空中水汽含量高，具有较大的对流有效位能，本就易于形成降水；另一方面可能是多雨年盆地北部山区的水汽通量较其他年景小（图12c），所以灌溉导致的蒸散发增加极易诱发多雨年降雨增加，并且北部山区在不同年景增加相同水汽通量的情况下灌溉对多雨年产生的效应强度更大，范围更广，以至于盆地内也有少量的降水增加。在盆地东南部山区降水增加典型区域（图12d红框），由于灌溉引起的水汽通量增加量较其他年景更多，气旋性涡旋规模更大，所以降雨增幅和范围更大。

续图8Fig.8 Continued

图12 NATU模拟的少雨年（a、b）与多雨年（c、d）5—6月水汽通量（a、c）及IRRG与NATU模拟的整层水汽通量之差（b、d）（红框表示降水增加典型区域，箭头表示水汽输送方向）Fig.12 Mean NATU simulated column-integrated water vapor flux（a，c） and the differences between IRRG and NATU（b，d）for May to June under below normal rainfall years（a，b）and under above normal rainfall years （c，d）（red polygons indicate typical areas where precipitation increases，arrows denote direction of water vapor transportation）

4 结论与讨论

本研究利用嵌入灌溉参数化方案并更新土壤参数的WRF-Noah模式，针对中亚费尔干纳盆地开展了灌溉的区域气候效应研究。研究发现：（1）灌溉通过增加蒸发，增强地表潜热，削减地表感热，致使近地表空气比湿增大，温度降低，从而产生冷却和湿润效应。不同气候年景下，潜热、感热的变幅与湿润冷却效应的强度有所不同，其中5—6月表现最明显，在多雨年景下，灌溉量约130 mm/月，日均气温降幅约1.3℃，比湿升幅约1.4 g/kg；在少雨年景下，灌溉量增至约150 mm/月，日均气温降幅约1.6℃，比湿升幅约1.9 g/kg（比多雨年多36%）。（2）盆地内灌溉致冷引起的对流抑制效应与灌溉增湿引起的增雨效应相互抵消，因而灌溉未引起当地降水量发生显著变化；但是，灌溉引起了局地环流异常，致使北部山区西风的水汽输送增大，南部山区出现气旋性涡旋动力抬升，因而北部与南部山区降水显著增多。并且，山区降水增幅因气候年景而异，在多雨年景下灌溉的增雨效应较强，南、北部山区降水约为少雨年的2倍。

本研究明晰了灌溉对当地气候产生的影响，丰富了对区域气候成因机制的认识，同时完善了不同地区灌溉对降雨影响的认识，为揭示灌溉对降水的影响与地理环境之间的内在联系提供了新的例证。在实践方面，明确灌溉的气候效应有利于提高区域气候变化的预测水平，降低因未考虑灌溉而导致的温度预测偏高、空气比湿与山区降水量预测偏低的误差，从而为农田灌溉活动规划提供理论依据，便于通过灌溉手段对区域气候进行调节。

本研究尚有一定的不确定性：（1）每类年景的典型年份仅选取了1年，致使模拟结果对年景的代表性欠充分，因而研究发现的不同年景之间灌溉气候效应的差异具有一定的不确定性。（2）为控制“灌溉”为单一变量，IRRG、NATU两组模拟试验中使用的叶面积指数（LAI）为实际灌溉情况下卫星遥感所得。其实，因NATU试验关闭了灌溉过程，其LAI应小于IRRG试验。因此，NATU试验可能高估了蒸散发与潜热通量，致使IRRG与NATU试验之差可能被低估。所以本研究的试验设置可能低估了灌溉的湿润、冷却效应。（3）本研究采取的灌溉方式比较理想化，只考虑土壤需水量，未考虑实际可供给水量，开展了无灌溉与饱和灌溉的两种极端情景下的气候模拟试验。而现实中灌溉量还受实际可供水量限制，通常难以达到本研究设置的饱和灌溉量，由此导致本研究可能夸大了该地区灌溉的气候效应。

将灌溉过程纳入区域（流域）水循环过程，全面认识灌溉的影响是未来一个潜在研究方向。本研究没有考虑灌溉下渗对地下水的影响，以及由此可能引发的邻近地区地下水上涌导致土壤盐渍化等问题，也尚未分析因灌溉而致山区降水增加对地表产流的影响。在全球变暖背景下，冰川消融速率加快，中亚冰川物质平衡可能损失而无法持续供水，将威胁到该地区人民的生活和福祉（Xu，et al，2018）。本研究中，灌溉导致盆地外围山区的降水增加，有利于补偿局地冰川的消融，减缓冰川快速融化可能带来的风险（De Kok，et al，2018）。但是若要明确灌溉产生的水汽对山区降水的贡献百分比，需要扩大模拟区域对水汽进行追踪，并量化灌溉对山地冰川的补偿。这将加深灌溉对区域气候影响的科学认知，并为当地政府农业灌溉活动的规划提供科学依据。