彭冲涧小流域蒸发散变化及其影响因素分析

盛 菲，刘士余*，时建国，卢静媛，杨 敏，李 俊

（1.江西农业大学 国土资源与环境学院，江西 南昌 330045；2.江西省鄱阳湖流域农业资源与生态重点实验室，江西 南昌 330045；3.江西省水文局，江西 南昌 330000）

【研究意义】蒸发散是森林水文过程的重要组成部分[1-3]。大量研究表明，森林生态系统的蒸发散约占年降水量的40%～80%，主要由水面蒸发、土壤蒸发和植物散发3 部分组成[4-6]。同时，森林流域蒸发散是一个复杂的过程[7]，深入探究其变化规律及影响因素，是森林水文学领域的研究热点与难点[8-10]。【前人研究进展】目前，国内外诸多学者开展过相关研究。Chen 等[11]对北美3 个不同气候区常绿针叶林蒸发散控制因素的研究表明，气温对蒸发散起主导作用；Xu 等[8]在黄河上游的探究显示，实际蒸发散在1960—2014 年明显上升，主要受植被绿化的影响；Costa 等[12]在亚马逊热带雨林的分析表明，旱季蒸散量高于雨季，地表净辐射是蒸发散的主要控制因素。温姗姗等[13]的研究显示，松花江流域1961—2010年蒸发散以4.9 mm/10 a速率上升，年尺度和季节尺度蒸发散的主导因素均为实际水汽压；王艳君等[14]在长江流域围绕“蒸发悖论”的研究显示，实际蒸发量与潜在蒸发量的关系取决于干燥度指数，且太阳辐射是影响年、春、夏季实际蒸发量的主要因素，降雨量等是秋、冬季的主要影响因素。【本研究切入点】综上可知，国内外已开展过大量蒸发散变化的影响因素研究，但在不同时段、不同时间尺度上，各因素对蒸发散影响程度排序的差异分析较少，尤其是以南方红壤区小流域为对象的相关研究更是鲜见报道。【拟解决的科学问题】因此，本文以彭冲涧小流域为研究对象，分析1983—2014年蒸发散及其影响因素的变化特征，计算1983—2014 年、1983—2003 年、2004—2014 年3 个时段的年尺度上和1983—2014 年的季节尺度上蒸发散影响因素的灰色关联度排序，并对其差异的成因进行探讨。旨在为小流域森林植被水文效应评价提供科学依据。

1 资料与方法

1.1 研究区概况

彭冲涧小流域位于江西省九江市都昌县境内，无人居住，也未修建水利、水土保持工程，集水面积为2.90 km2。地理位置为29°31'44''～29°32'56''N，116°25'48''～116°27'7''E，属亚热带湿润季风气候，年均降水量1 560 mm。小流域四周闭合，地形西北高东南低，海拔高度80～560 m，主要地层出露为浅变质岩、花岗岩和灰岩。植被类型主要为杉木林。20 世纪80 年代杉木林被砍伐之后，植被一直处于恢复过程中，是开展森林植被水文效应研究的天然理想场所。1981 年江西省水文局在小流域径流出口处设立彭冲涧水文站，并一直持续观测气象、径流等数据。

图1 彭冲涧小流域示意图Fig.1 Sketch map of the location of Pengchongjian small watershed

1.2 数据

本文基于彭冲涧水文站1983—2014年的逐日降雨、径流、水面蒸发量和日平均气温、平均风速、平均水汽压、日照时数等观测资料，整理、计算得到季节、年尺度上的降雨、径流、水面蒸发、气温、日照时数、风速、饱和水汽压差和潜在蒸发散；同时，根据水量平衡公式，求得蒸发散[5]。

式中E为蒸发散，P为降雨，R为径流；∆S为土壤蓄水量变化，对于闭合小流域，∆S忽略不计。

1.3 方法

1.3.1 潜在蒸发散的计算 流域蒸发散能力（潜在蒸发散）与水面蒸发关系密切，而水面蒸发一般可通过蒸发皿直接观测。因此，根据水面蒸发确定潜在蒸发散受到广泛应用。潜在蒸发散与水面蒸发的关系式为[5]：

其中：Em—潜在蒸发散（mm）；φ—蒸发散系数（本研究区水面蒸发E0是通过E601 型蒸发皿观测，根据中国的经验，对于湿润地区，φ=1）；E0—水面蒸发（mm）。

1.3.2 饱和水汽压差的计算 饱和水汽压差指在一定温度下，饱和水汽压与空气中实际水汽压之间的差值。饱和水汽压由Tetens公式计算而得。计算过程如下[15]：

其中：E—饱和水汽压（hPa）；t—温度（℃）

1.3.3 NDVI 的计算 归一化差值植被指数（NDVI，normalized difference vegetation index）在现有植被指数中应用最为广泛，它是植被生长状态及植被覆盖度的良好指示因子[16-19]。因此，本文选取NDVI来反映植被的状况。NDVI的计算公式如下[20]：

其中：NIR和R分别指近红外波段和红外波段。

本文从地理空间数据云获取了彭冲涧小流域1983—2014 年的遥感影像，利用ENVI5.0 软件对影像进行裁剪、辐射定标处理后，计算得到了彭冲涧小流域的NDVI值。

1.3.4 趋势检验和突变检验 采用Mann-Kendall（MK）检验法对水文气象要素时间序列进行趋势检验。MK 是一种非参数检验法，具有计算简便、定量化程度高且不受其它异常值干扰的优点，应用十分广泛。MK检验统计量（Z值）的绝对值大于1.96（2.58）时，表示趋势达到0.05（0.01）显著性水平[21-22]。**表示0.01显著性水平，*表示0.05 显著性水平，NS表示不显著。采用累积距平法进行蒸发散时间序列的突变检验，该方法可通过曲线直观地判断序列的变化趋势，进而甄别突变点[23-24]。

1.3.5 小波分析 小波分析是一种通过序列“时—频”信息反映不同时间尺度上周期变化特征的信号处理方法，是研究时间序列多尺度、非平稳信号的有力工具，能够较好地应用于非平稳变化的水文序列分析[25-27]。本文采用Matlab 小波分析工具箱中的Morlet 连续复小波变换对蒸发散时间序列进行分析。

为降低时间变化过程中噪音对结果的影响，小波分析前先对数据进行标准化，公式如下：

其中xi'为标准化后的时间序列值，xi为原始序列值，为原始序列均值，σ为原始序列标准差。

1.3.6 灰色关联度分析 灰色关联度分析是一种以灰色系统理论为基础的重要方法，其结合了数学模型的客观性，克服了传统分析方法的主观性，具有较高的准确度[28-29]。其基本思路为根据各比较数列构成的曲线与参考数列构成的曲线之间的几何相似程度来判断其关联性，其几何形状越相似，说明比较数列与参考数列之间的关联程度越大，反之说明其关联程度越小。本文采用灰色关联度分析来探究蒸发散与其影响因素之间的关系，该方法的具体计算过程如下：

设参考数列为Y0(k)，比较数列为Yi(k)，i=1，2，3…n，k=1，2，3…m（n为因素个数，m为序列长度），研究的关键在于确定Y0(k)与Yi(k)序列的关联程度。

由于各数列的量纲或数量级不同，为保证分析结果的准确性，首先对原始数据进行初值化处理，即将各数列中的每一个数均除以对应数列中的第一个数，即为：

则比较数列xi(k)与参考数列x0(k)之间的关联系数为：

式中：ζi(k)是指比较曲线与参考曲线间的相对差值，即数列xi与数列xo在k时刻的关联系数；ρ指分辨系数，介于0～1之间，本文取ρ=0.5。

在求得关联系数的基础上，灰色关联度的计算公式为：

2 结果与分析

2.1 降雨量和径流深变化特征

年尺度上，1983—2014年彭冲涧小流域年均降雨量为1 560.3 mm，并以-3.897 mm/年的速率下降，最大值和最小值分别出现在1998年（2 320.1 mm）和2011年（979.5 mm）（图2a）；年均径流深为748.4 mm，下降速率为-8.569 mm/年，最大值为1 677.9 mm（1998 年），最小值为274.0 mm（2007 年）（图2b）。MK 趋势检验表明，降雨量、径流深年际变化趋势均不显著（图2）。

图2 1983—2014年彭冲涧小流域降雨量（a）、径流深（b）年际变化Fig.2 Inter-annual variation of precipitation（a）and depth of runoff（b）in Pengchongjian small watershed from 1983 to 2014

季节尺度上，春、夏、秋季的降雨量呈下降趋势，变化率分别为-1.778 mm/年、-0.194 mm/年、-3.037 mm/年，冬季降雨量以1.109 mm/年的速率上升。4 个季节的径流深均呈下降趋势，变化率分别为-4.418 mm/年、-1.639 mm/年、-2.024 mm/年和-0.487 mm/年。MK 趋势检验表明，降雨量和径流深在季节尺度上的年际变化趋势均不显著（表1）。

表1 1983—2014年彭冲涧小流域降雨量、径流深季节尺度趋势检验Tab.1 Seasonal trend test of precipitation and depth of runoff in Pengchongjian small watershed from 1983 to 2014

2.2 蒸发散变化特征

2.2.1 时段划分 从彭冲涧小流域1983—2014年蒸发散序列的累积距平曲线（图3）可知，1983—2003年蒸发散的累积距平值总体呈下降趋势，为蒸发散的减少时期；2004—2014年总体呈上升趋势，为蒸发散的增加时期。因此，2003 年为蒸发散序列的突变点，将研究时段划分为1983—2003 年和2004—2014 年2 个时段。

2.2.2 不同时段蒸发散年际变化 年尺度上，1983—2014 年蒸发散以4.672 mm/年的速率上升，均值为811.9 mm。最大值为2012 年的1 132.9 mm，最小值为2003 年的518.6 mm；1983—2003 年和2004—2014 年的蒸发散分别呈下降和上升趋势，变化率为-0.498 mm/年和10.295 mm/年。MK 检验表明，3个时段蒸发散年际变化趋势均不显著（图4）。

图3 1983—2014年彭冲涧小流域蒸发散序列累积距平曲线Fig.3 Cumulative anomaly curve of the evapotranspiration series from the Pengchongjian small watershed during 1983—2014

季节尺度上，1983—2014 年的春季蒸发散MK 检验Z值大于1.96，呈显著的上升趋势，上升速率为2.64 mm/年，夏季和冬季呈不显著的上升趋势，秋季呈不显著的下降趋势；1983—2003年、2004—2014 年四季的蒸发散年际变化趋势均不显著（表2）。

不同时段、不同时间尺度，蒸发散的年际变化程度不尽相同。年尺度上，突变后（2004—2014 年）的蒸发散相对突变前（1983—2003 年）增加103.7 mm，增幅13.4%；季节尺度上，不同时段蒸发散由大到小顺序均为夏季、春季、秋季和冬季，且突变后的蒸发散均大于突变前，特别是冬季和春季蒸发散分别增加20.2%和19.6%。2004—2014年蒸发散的CV值在年和冬季分别上升12.5%和12.9%，在春、夏和秋季的CV值分别下降7.4%、36%和7.3%（表3）。表明，突变后的蒸发散年际波动程度在年和冬季高于突变前，而在春季、夏季和秋季低于突变前。

图4 不同时段彭冲涧小流域蒸发散年际变化Fig.4 Inter-annual variation of evapotranspiration in different periods of Pengchongjian small watershed

表2 不同时段彭冲涧小流域季节尺度蒸发散的趋势检验Tab.2 Trend test of seasonal evapotranspiration in different periods of Pengchongjian small watershed

2.2.3 不同时段蒸发散年内分配 1983—2014 年、1983—2003 年、2004—2014 年的蒸发散主要集中在5—8 月，这4个月累计蒸发散分别为365.3，348.4，397.4 mm，均占全年的45%。3个时段月蒸发散的最大值分别为103.3 mm（6月）、104.5 mm（8月）和107.4 mm（6月），各占全年的12.7%、13.5%和12.2%；最小值均为37.6 mm（12 月），各占全年的4.6%、4.8%和4.3%。表明，相对1983—2003 年，2004—2014 年蒸发散的年内分配相对更均匀（图5）。

2.2.4 蒸发散周期变化 小波系数实部等值线（图6a）显示，1983—2014 年彭冲涧小流域蒸发散主要存在3 种时间尺度的周期变化：3～7 年、9～15 年和18～26 年；在3～7 年时间尺度上，蒸发散出现了非常频繁的“强-弱”交替现象；在9～15 年和18～26 年时间尺度上，蒸发散分别出现了“强-弱”交替的准4 次震荡和准2 次震荡。1983—2014 年蒸发散小波方差（图6b）分别在4 年，6 年，25 年和12 年达到峰值，依次为蒸发散变化的第一、第二、第三和第四主周期。

表3 不同时段彭冲涧小流域蒸发散的特征值Tab.3 Eigenvalue of evapotranspiration in different periods of Pengchongjian small watershed

图5 不同时段彭冲涧小流域蒸发散年内分配Fig.5 Intra-annual distribution of evapotranspiration in different periods of Pengchongjian small watershed

图6 1983—2014年彭冲涧小流域蒸发散小波系数实部等值线图（a）和小波方差图（b）Fig.6 Real part contour map（a）and wavelet variance plot（b）for the evapotranspiration series from the Pengchongjian small watershed during 1983—2014

2.3 蒸发散影响因素变化特征

彭冲涧小流域的蒸发散变化是多因素共同作用的结果，深入探讨各因素对蒸发散的影响程度具有重要意义。经查阅文献资料[8,10-14]，并结合小流域的实际情况，本文选取的蒸发散影响因素有7 个：降雨量、气温、风速、NDVI、饱和水汽压差、潜在蒸发散和日照时数，降雨量的变化特征已在前文描述，现对其它6个因素的特征进行分析。

年尺度上，1983—2014 年的气温、NDVI、饱和水汽压差、日照时数均呈上升趋势，年均值分别为17.49 ℃、0.77、5.29 hPa 和5.01 h，年均变化率分别为0.038 ℃、0.004、0.07 hPa 和0.028 h；年均风速、潜在蒸发散分别为2.7 m/s、706.9 mm，并以-0.009 m/s、-0.865 mm 的年均速率下降；除NDVI的变化趋势显著，潜在蒸发散的变化趋势不显著外，其它因素均为极显著（图7）。

图7 1983—2014年彭冲涧小流域蒸发散影响因素的年际变化Fig.7 Inter-annual variation of evapotranspiration factors in Pengchongjian small watershed from 1983 to 2014

季节尺度上，小流域春、秋季气温分别以0.065 ℃和0.041 ℃的年均速率呈极显著上升，夏、冬季上升趋势不显著；风速在秋、冬季呈显著下降趋势，变化率年均为-0.01 m/s，春、夏季下降趋势不显著；NDVI在春、夏、秋季分别以0.007、0.004、0.005的年均速率呈极显著上升，在冬季上升趋势不显著；饱和水汽压差在4 个季节的年均上升速率分别为0.092 hPa、0.091 hPa、0.073 hPa 和0.023 hPa，除冬季变化趋势显著外，其它季节均表现为极显著变化；潜在蒸发散在4个季节的变化趋势均不显著；日照时数在4个季节均呈上升趋势，在春、秋季分别以0.057 h和0.029 h的年均速率呈极显著和显著上升（表4）。

2.4 蒸发散影响因素的灰色关联分析

由表5 可知，1983—2014 年彭冲涧小流域蒸发散影响因素的关联度从大到小排序为：风速、气温、NDVI、日照时数、潜在蒸发散、饱和水汽压差和降雨量，表明1983—2014 年的蒸发散主要受风速、气温、NDVI的影响，饱和水汽压差、降雨量的影响相对较小。除潜在蒸发散大于日照时数外，1983—2003年蒸发散的影响因素排序与1983—2014 年的基本一致。而2004—2014 年蒸发散影响因素的关联度从大到小排序为：NDVI、气温、降雨量、日照时数、饱和水汽压差、潜在蒸发散和风速，除NDVI和气温外，该时段蒸发散主要受降雨量的影响，风速的影响最小。

表6显示，1983—2014年的季节尺度上，春、夏季蒸发散影响因素的灰色关联度排序基本一致，蒸发散主要受NDVI、饱和水汽压差、日照时数的影响，降雨量、风速、潜在蒸发散的影响相对较小；秋季的灰色关联度从大到小排序为：降雨量、潜在蒸发散、风速、气温、日照时数、NDVI和饱和水汽压差，冬季的灰色关联度从大到小排序为：降雨量、气温、风速、日照时数、饱和水汽压差、NDVI 和潜在蒸发散。可知，秋、冬季灰色关联度排序相似，但与春、夏季的排序差异较大。

表4 1983—2014年彭冲涧小流域蒸发散影响因素季节尺度趋势检验Tab.4 Seasonal trend test of factors influencing evapotranspiration in Pengchongjian small watershed from 1983 to 2014

表5 年尺度上蒸发散影响因素的灰色关联度Tab.5 Grey relational degree of factors influencing evapotranspiration in the Pengchongjian small watershed at the annual scale

表6 季节尺度上1983—2014年蒸发散影响因素的灰色关联度Tab.6 Grey relational degree of factors influencing evapotranspiration in the Pengchongjian small watershed at the seasonal scale（1983—2014）

3 讨论

年尺度上，1983—2014 年蒸发散的前3 位影响因素为风速、气温、NDVI，降雨量排在最后（表5），这与温姗姗等[13]在松花江流域、Wang 等[10]在鄱阳湖流域、Chen 等[11]在北美不同气候区的研究结果相似，与王艳君等[14]在长江流域、Zhang 等[30]在黄河流域、Li 等[31]在海河流域的研究结果相差较大（表7）。这可能是由于不同流域的大小、植被、气候、地形、土壤等条件的差异所致[4,32]。

1983—2003年的排序结果与2004—2014年的相差较大。1983—2003年排序前3位的影响因素为风速、气温、NDVI，降雨量排在最后，而2004—2014 年蒸发散与NDVI 关联度最高，与风速关联度最低（表5）。大量研究表明，蒸发散与植被关系密切[3,33-34]；而风具有输送水热的作用，大多情况下是决定蒸发散的关键因素[35-36]。彭冲涧小流域自20世纪80年代植被一直处于恢复过程中，且NDVI在研究时段内呈显著上升趋势，风速呈极显著下降趋势（图7），这可能是导致不同时段影响因素排序差异的原因。

表7 不同区域蒸发散主导因素Tab.7 Driving factors of evapotranspiration in different regions

季节尺度上，1983—2014 年春、夏季蒸发散主要受NDVI、饱和水汽压差、日照时数的影响，降雨量、风速、潜在蒸发散的影响相对较小（表6），该结果与Li等[31]在海河流域、温姗姗等[13]在松花江流域的研究结果相似，与王艳君等[14]在长江流域的结果相差较大（表7）。秋季蒸发散主要受降雨量、潜在蒸发散、风速的影响，NDVI、饱和水汽压差的影响相对较小，而冬季蒸发散的前3位影响因素为降雨量、气温、风速，NDVI、潜在蒸发散排在最后2位（表6），该结果与王艳君等[14]在长江流域的结果相似，与Li等[31]在海河流域、温姗姗等[13]在松花江流域的结果相差较大（表7）。这可能是在季节尺度上供水情况的不同所致[4,32]。

1983—2014 年彭冲涧小流域春、夏季蒸发散影响因素排序结果与秋、冬季差异较大。相关研究显示，春、夏季气候变暖，水汽含量丰富，可促进植被生长和叶片活动，而秋、冬季由于气温下降，植被逐渐进入休眠状态[8,33]；同时，秋、冬季降雨量较小，气候相对干燥，这可能是春、夏季与秋、冬季影响因素排序差异的原因。

综上可知，在不同流域，由于气候、流域面积、植被、土壤等的不同，蒸发散的主要影响因素出现较大差异；而在同一流域，不同时段、不同时间尺度蒸发散的主导因素同样存在差异。限于试验条件、观测资料等，加之蒸发散的影响因素众多及其研究的复杂性和难度，不同流域、同一流域不同时段和不同时间尺度的蒸发散影响因素研究仍有待于今后进一步深入。

4 结论

（1）1983—2014 年，降雨量和径流深在年、春季、夏季、秋季呈下降趋势，冬季呈上升趋势，变化趋势均不显著。蒸发散在年、春季、夏季、冬季呈上升趋势，在秋季呈下降趋势，仅在春季变化趋势显著；年蒸发散存在4年的第一主周期，且在2003年发生突变，突变后蒸发散年内分配趋于均匀。

（2）季节、年尺度上，小流域气温、NDVI、饱和水汽压差、日照时数均呈上升趋势，而风速呈下降趋势；潜在蒸发散在春季呈上升趋势，在年、夏季、秋季、冬季呈下降趋势。

（3）年尺度上，1983—2014 年和1983—2003 年蒸发散的前3 位影响因素均为风速、气温、NDVI，而2004—2014年的为NDVI、气温、降雨量。季节尺度上，1983—2014年春季和夏季的蒸发散影响因素的灰色关联度排序前3位为NDVI、饱和水汽压差、日照时数，而秋季为降雨量、潜在蒸发散、风速，冬季为降雨量、气温、风速。

通过分析各因素在不同时段、不同时间尺度上对蒸发散影响程度排序的差异，可为其它流域蒸发散的探究提供参考，同时为森林流域水资源的合理配置及植被建设提供科学依据。