嘉陵江流域潜在蒸散发时空演变特征及其影响因素

赵宾华, 马方铭, 李占斌, 李 鹏, 黄金华, 高 蓓, 孙 虎

(1.西安理工大学 省部共建西北旱区生态水利国家重点实验室, 陕西 西安 710048; 2.旱区生态水文与灾害防治国家林业局重点实验室, 陕西 西安 710048; 3.西安市水利规划勘测设计院, 陕西 西安 710054)

1 研究背景

水是关乎生态系统功能和人类社会福祉的重要自然资源,在全球干旱事件频发的影响下,水资源量的匮乏成为制约生态向好和社会可持续发展的一大挑战性因素,而潜在蒸散发作为水循环的关键部分,在不同影响因子的作用下,与降水共同决定着地区的干湿程度[1]。因此,了解区域潜在蒸散发的时空格局演变及其驱动因子的变化,是解决全球气候变化背景下区域水资源问题的重要途径。

目前可采用多种方法或模型计算潜在蒸散发(ET0),根据其估算机理主要分为温度法、辐射法、质量传输法和综合法等,不同的方法对输入资料的要求有所不同,部分学者对于不同估算方法在研究区域的适用性也做了一定的探讨[2-4]。目前,联合国粮农组织(Food and Agriculture Organization of the United Nations, FAO)推荐的Penman-Monteith公式作为标准计算方法已得到广泛应用[5-9],该公式引入空气动力学和冠层阻力系数,具有严格的物理基础,较全面地考虑了包括植物气孔导度和气象因素对蒸散发结果的影响作用,具有较高的精度和适用性。潜在蒸散发的时空变化受多种因子的影响,不同地区的地理位置差异及气候特征不同,导致各类型因子对潜在蒸散发的贡献程度也存在较大差异,Tang等[1]使用综合Penman-Monteith模型、基于辐射的Priestley-Taylor模型和基于温度的Hamon模型对1975—2014年西伯利亚大流域ET0变化及驱动因素进行了综合分析,研究表明饱和水汽压差的增加和风速的减小对潜在蒸散发的贡献十分重要;Yang等[10]根据祁连山5个气象站的实测数据研究分析得出气象因子随海拔变化显著,净辐射敏感程度最高;毕彦杰等[11]以京津冀地区为研究区域,分析得出ET0整体呈下降趋势且春季减幅最为明显,ET0对相对湿度最为敏感,风速变化对京津冀地区ET0变化的贡献最大。

本研究基于Penman-Monteith计算方法,选取长江支流中面积最大的嘉陵江流域内部及周边气象观测站点1970—2019年的逐日气象数据作为分析计算基础,以流域潜在蒸散发不同时空格局的演变特征以及平均气温、相对湿度、平均风速和日照时数4个气象因子对潜在蒸散发变化的影响为研究核心,量化了这些气象因子对潜在蒸散发的贡献率,并借助地理探测器分析了4个气象因子在空间上的交互作用,以期为流域干旱研究和水资源规划利用提供一定的理论支撑,从而对长江流域水资源循环利用以及整个长江经济带的可持续发展起到推动作用。

2 数据来源与研究方法

2.1 研究区概况

嘉陵江流域(102.59°E～109.02°E,29.29°N～34.47°N)面积为15.98×104km2,干流全长1 120 km,平均比降2.05‰,是长江支流中面积最大的流域,发源于秦岭并自北向南流经陕西、甘肃、四川、重庆4省(市)纵贯四川盆地中部,流域内水资源丰富,支流众多,主要包括嘉陵江干流、渠江、涪江三大水系。流域大部分属亚热带湿润季风气候,四季分明,多年平均气温约为10 ℃,多年平均最高气温为19.4 ℃,多年平均最低气温为4.3 ℃。流域多年平均降水量为912.8 mm,时空分配不均匀,整体上由西北至东南递增[12]。流域形似扇形洪水向心汇聚,多年平均径流量约为700×108m3,研究流域概况见图1。

图1 嘉陵江流域概况

2.2 数据来源

本研究气象数据均来自中国气象数据网(http://data.cma.cn),通过剔除缺测或无观测数据较多的部分站点后选择嘉陵江流域内部及周边45个气象站点1970—2019年日气象数据,主要包括逐日平均气温、最高最低气温、相对湿度、平均风速、日照时数等。流域数字高程模型(digital elevation model,DEM)分辨率为30 m,数据来源于地理空间数据云(http://www.gscloud.cn)。

2.3 研究方法

2.3.1 潜在蒸散发计算 本研究采用联合国粮农组织(FAO)1998年推出的修正Penman-Monteith公式进行潜在蒸散发估算,该式适用于任何研究区域及不同气候类型区的每日气象数据[13],其表达式为:

(1)

式中:ET0为潜在蒸散发量,mm/d;Δ为饱和水气压曲线斜率,kPa/℃;γ为干湿常数,kPa/℃;u2为2 m高处风速,m/s;Rn为净辐射,MJ/(m2·d);G为土壤热通量,MJ/(m2·d),一般忽略不计;T为日平均气温,℃;es为饱和水汽压,kPa;ea为实际水汽压,kPa。

2.3.2 敏感性分析 本研究采用McCuen[14]引入的ET0对气象因子变化响应的敏感系数即气候敏感系数(潜在蒸散发量变化率与气象因子变化率之比),分析嘉陵江流域潜在蒸散发对气象因子的敏感性,其表达式为:

(2)

式中:ET0为潜在蒸散发量,mm/d;Sxi为ET0对各气象因子xi的敏感系数,无量纲,用于评估不同气象因子对ET0的影响程度。当Sxi为正时表明ET0与影响因子xi保持一致的变化趋势,当Sxi为负时表明ET0与影响因子xi为相反的变化趋势,|Sxi|越大表明影响因子对ET0的影响等级越高。

2.3.3 气象因子贡献率计算 本研究采用因子贡献率表示气象因子变化所引起的ET0变化,即将气象因子的敏感系数与该因子的多年相对变化率相乘。当贡献率为正(负)时表明该气象因子对ET0的贡献为正(负)向作用,即会引起ET0的增加(减少),贡献率的绝对值可以表示出由该因子的相对变化所引起的ET0变化,其表达式为[15]:

Conxi=Sxi·RCxi

(3)

(4)

2.3.4 地理探测器 地理探测器包括因子、风险、交互作用和生态探测器4种[16]。可以利用其中的交互作用探测器计算得到各单因子及两因子相互叠加后的q值,并且可以通过比较来分析选取的两因子间是否存在交互作用以及交互作用的大小、方向、线(非线)性等。本研究借助交互作用探测器q统计量衡量因子的空间分异性,其公式为:

(5)

(6)

SST=Nσ2

(7)

3 结果与分析

3.1 嘉陵江流域气象因子时间变化特征

1970—2019年嘉陵江流域年尺度和季节尺度不同气象因子的倾向率如表1所示。由表1可知,在年尺度上,除平均气温以0.20 ℃/10a的倾向率显著上升外,相对湿度、平均风速和日照时数均呈减小趋势,倾向率分别为0.239%/10a、0.048 (m·s-1)/10a和0.100 (h·d-1)/10a,在研究时间序列内流域整体上有变暖、变干的趋势。在季节尺度上,平均气温均呈上升趋势,春、冬两季的温度增幅相对较高;相对湿度除秋季外其他季节均呈现下降趋势;平均风速虽在2000年左右有明显的转折点,但是整体波动范围集中在0.6～2.0 m/s,整体来说在四季均呈现减小趋势,尤其在春季变化更显著;日照时数除春季外其他季节均表现为减少趋势且变化幅度相差不大。

表1 1970—2019年嘉陵江流域4个气象因子的倾向率

3.2 嘉陵江流域ET0时空变化规律

3.2.1 嘉陵江流域ET0时间变化特征 1970—2019年嘉陵江流域年ET0及不同季节ET0的变化过程分别如图2、3所示,ET0变化M-K趋势检验结果见表2。分析图2、3可知,全流域ET0在年尺度上总体呈不显著减小趋势,根据Pettitt检验结果可知,在研究序列内ET0变化的突变点出现在1979年,1970—1979年ET0呈现减小趋势,1979年之后为增加趋势。流域多年平均ET0为895.75 mm,线性变化率为-0.133 mm/10a。季节尺度上夏季和秋季ET0分别以2.209、0.455 mm/10a的速率减少,春季和冬季ET0均表现为上升趋势,多年倾向率分别为1.946和0.585 mm/10a。由表2可知,嘉陵江流域不同季节尺度上的ET0变化趋势均不显著。

表2 1970—2019年嘉陵江流域ET0变化M-K趋势检验结果

图2 1970—2019年嘉陵江流域年ET0变化过程

图3 1970—2019年嘉陵江流域不同季节ET0变化过程

3.2.2 嘉陵江流域ET0空间变化规律 利用ArcGIS10.5平台,采用反距离加权(inverse distance weight, IDW)插值得到嘉陵江流域ET0的空间分布。结果表明,1970—2019年嘉陵江流域多年平均ET0最高值为1 061.4 mm,出现在北部陇南市武都区附近,主要为以九寨沟县、武都区和文县形成的高值圈,多年平均最低值出现在东部城口县附近,为805.3 mm,同时围绕ET0高值圈形成以成县、文县等为代表的低蒸散发能力圈,流域多年平均ET0分布整体上呈现北部高南部低的特征,与流域高程分布大致相似,高值圈站点平均海拔高度超过1 100 m。

1970—2019年嘉陵江流域各季节多年平均ET0空间分布如图4所示。图4表明,流域春、冬季ET0分布规律与流域年ET0分布规律较为一致,均为北部高南部低,而夏、秋季流域内ET0分布规律整体上与其他季节相反。流域ET0的最高值均出现在九寨沟县、武都区和文县附近,春、夏季流域ET0最低值出现在东部城口县附近,秋、冬季流域ET0最低值出现在北部成县附近。

图4 1970—2019年嘉陵江流域各季节多年平均ET0空间分布

3.3 ET0影响因子分析

计算得到的嘉陵江流域不同时间尺度ET0对4个气象因子的敏感系数见表3。由表3可以看出,除相对湿度敏感系数为负值外,平均气温、平均风速和日照时数的敏感系数均为正值,即ET0与相对湿度呈负相关关系,与平均气温、平均风速和日照时数呈正相关关系。当流域呈现变湿趋势时潜在蒸散发有一定程度的下降,而增温会提升潜在蒸散发。在年尺度上,嘉陵江流域ET0对相对湿度的敏感度较高(-0.505),其次为平均气温(0.402)和日照时数(0.171),而ET0对风速变化的响应程度不高,敏感系数仅为0.096。在季节尺度上,4个因子在不同季节对ET0的作用均保持一致,平均风速在春季、秋季的敏感系数与年平均敏感系数相一致,均为0.09左右;平均气温敏感系数夏季最高(0.554),冬季最低(0.193);日照时数敏感系数夏季最高(0.269),而冬季ET0对日照时数呈现弱敏感(0.073);相对湿度敏感系数四季变化较小,敏感系数最高和最低值分别出现在冬季(-0.648)和夏季(-0.343),整体上均表现为较高敏感性。

表3 嘉陵江流域不同时间尺度ET0对4个气象因子的敏感系数

利用反距离加权插值得到嘉陵江流域ET0对各气象因子的敏感程度分布,如图5所示。

图5 嘉陵江流域ET0对各气象因子敏感系数的空间分布

由图5可以看出,流域内ET0对不同因子变化的响应程度分布不一致。ET0对平均风速的敏感程度较大值集中在九寨沟县、武都区和文县一带,敏感程度在流域内整体上由北部向南部呈递减趋势;ET0对平均气温的敏感度与对平均风速的敏感度分布相反,呈现由南部向北部衰减的趋势,最低值(0.146)出现在若尔盖县附近地区,平武县以南地区平均气温敏感系数差别不大;ET0对日照时数的敏感度变化幅度不大,相对湿度的敏感程度整体上分布较为一致,低值区域主要集中在流域内仪陇县以南。

3.4 ET0影响因子贡献率

贡献率计算有助于分析确定流域ET0变化的主导因子,表4为嘉陵江流域气象因子对在不同时间尺度下ET0的贡献率。由表4可以看出,年尺度和季节尺度下主导因子表现不一致。流域内年平均风速、平均气温、日照时数和相对湿度对ET0的贡献率分别为-1.72%、2.84%、-2.13%和0.81%,平均气温占据主导地位,其中平均气温和相对湿度对ET0的变化起正向促进作用,而平均风速和日照时数对ET0的变化与之相反,4个因子的共同作用使流域潜在蒸散发呈现不显著的减小趋势。季节尺度上,平均风速对ET0的变化在不同季节内均为负向作用,即该因子会引起ET0的减小,各季节贡献率变化范围为-2.02%～-0.86%;平均气温均为正贡献,贡献率相对来说表现为春、冬季高(4.40%、4.86%)、而夏季较低(1.57%)的特征;日照时数贡献率在各季节变化程度较大,其中春季最低,为0.06%,夏季最高,为-4.81%,在夏季和秋季均为影响ET0变化的主导因子;相对湿度在秋季对ET0的贡献率为-0.41%,整体贡献率在不同季节变化幅度不大。

表4 嘉陵江流域4个气象因子在不同时间尺度下对ET0的贡献率 %

3.5 ET0影响因子交互作用

通过地理探测器中的交互作用探测可以识别并评估空间上不同气象因子同时作用时对ET0的解释力相比于单个因子对ET0的解释力是否有差异,通过判断两个自变量对因变量交互作用的类型(表5),得到嘉陵江流域气象因子之间对ET0空间分异性的解释力(图6)。

表5 因子交互作用类型

图6 交互作用探测器对单、双因子作用q值计算结果

由图6可见,平均风速和相对湿度独立发挥作用时的q值分别为0.176和0.092,交互作用下的q值为0.268,分析可得其交互作用类型为双因子增强,说明平均风速和相对湿度交互作用的影响力均大于各单一因子的影响力。其他因子两两交互作用的q值也均大于其单一作用下的q值之和,属于非线性增强类型,其中平均气温和相对湿度、平均风速、日照时数的交互作用相对于其单一作用下对ET0的解释力大幅提高,分别达68.4%、60.5%和46.7%,平均风速和日照时数交互作用的解释力为58.2%,表明嘉陵江流域ET0的变化是多因子共同作用的结果。

4 讨 论

蒸散发是水文循环过程中的重要环节,以探究潜在蒸散发时空变化作为全面了解气候变化背景下区域水文气象变化的载体,对解决区域水资源短缺及管理等问题意义重大。在本研究中,以嘉陵江流域若干气象站的实测气象数据为基础分析了流域气象要素的变化特征,并基于Penman-Monteith公式计算了嘉陵江流域长序列的潜在蒸散发量。得出“在1970—2019年随着嘉陵江流域平均气温以0.02 ℃/a的速率升高,潜在蒸散发变化以1979年为突变点、在高-低-高变化趋势下整体却以0.133 mm/10a的速度减少”的结论,这与吕明权等[17]的研究结果相一致,说明在全球增温背景下,虽然变暖后的大气能够容纳更多的水分,从而导致潜在蒸散发量更高,但是实际研究中全球部分区域的潜在蒸散发变化速率却在减小[18-20],嘉陵江流域同样也存在“蒸发悖论”现象。同时,Herath等[21]对嘉陵江流域的研究也表明年潜在蒸散发呈现微弱的减小趋势,而在流域空间上呈现北部最高、西部最低的分布特征,本研究中潜在蒸散发在空间上的分布与流域平均高程的分布较一致,存在北部高、南部低的分布特征,这与该学者的研究结论基本一致。

关于影响潜在蒸散发变化的驱动因素,在本研究中通过敏感系数及贡献率分析量化了不同气象因子的敏感程度,发现1970—2019年嘉陵江流域年潜在蒸散发变化的主导因子为平均气温,刘昌明等[22]对中国十大流域片区的潜在蒸散发进行了相关研究,结果表明长江流域片区的潜在蒸散发对最高气温最为敏感,吕明权等[17]也认为1982年后随着气候变暖,温度上升也成为了影响嘉陵江流域潜在蒸散发的主导因子。正如不同计算模型的输入资料所表现得一样,驱动潜在蒸散发变化的因素不仅包括气温、风速、水汽压和辐射等,植被变化以及水-能-植被间的相互作用也值得研究,例如杨铭珂等[23]分析了黔中地区1995—2015年的土地利用结构变化情况,认为草地以及耕地向林地转移会使潜在蒸散发增大,林地、草地以及耕地向建设用地、未利用地转移会使潜在蒸散发减小;Xu等[24]以黄河上游地区为研究区分析了流域长期蒸散发变化特征,认为气温和风速是潜在蒸散发减少的主要驱动因素,同时植被绿化也是影响蒸散发的主要因子。而本文仅分析讨论了4个气象因子对潜在蒸散发的影响,对于其他可能影响潜在蒸散发时空变化格局的因素还有待进一步深入研究。

5 结 论

(1)1970—2019年4个气象因子除平均气温升高外,相对湿度、平均风速和日照时数均呈下降趋势。流域年潜在蒸散发以0.133 mm/10a的速率呈不显著下降趋势,突变点发生在1979年。季节尺度上春季和冬季ET0呈上升趋势,夏季和秋季呈下降趋势。空间上,年ET0分布北高南低,变化范围为805.3～1 061.4 mm。

(2)年尺度上潜在蒸散发对相对湿度最为敏感(敏感系数-0.505),平均气温次之(敏感系数0.402),其次是日照时数(敏感系数0.171)和风速(敏感系数0.096)。季节尺度上,在春、夏季对平均气温最敏感,在秋、冬季对相对湿度最敏感。流域内年平均气温、相对湿度、平均风速和日照时数对ET0的贡献率分别为2.84%、0.81%、-1.72%和-2.13%,平均气温占据主导地位,多气象因子的共同作用引起了流域ET0的下降趋势。

(3)平均气温和相对湿度交互作用下对潜在蒸散发的解释力达到68.4%,远大于二者独立发挥作用时的解释力,与贡献率分析中平均气温和相对湿度总贡献率值最大的结果相一致;平均气温和平均风速交互作用次之,解释力为60.5%;平均风速和日照时数交互作用的解释力为58.2%。