气候和流域特征变化对淮河流域地表水文过程的影响

孙善磊,王嘉志,周舒佳,王 洁,闫桂霞,王宏宙,毕早莹

1 南京信息工程大学,气象灾害教育部重点实验室, 南京 210044 2 金坛区气象局, 常州 213200

水是人类赖以生存和发展的基础,其变化可以严重影响地区和国家的稳定发展。水循环始终与气候、下垫面特征(如灌溉、毁林、造林、城市化、水利水保工程)等密切相关,因此这些因素的任何变化都将或多或少地改变水文循环,从而影响水资源的开发利用以及社会安全和生态系统[1—2]。近年来,在全球气候变化和人类活动的共同影响下,流域、区域乃至全球水循环已经发生了明显变化[2—3]；同时,由于气候变化、人类活动、下垫面属性的差异性,地表水文循环变化相应地呈现出明显的区域性特点[3]。因此,不同地区或流域地表水文过程对全球变化的响应已成为当前水文学研究备受关注的热点问题[2—5]。如,Sun等详细分析了鄱阳湖流域4个子流域1961—2000年的径流变化,发现各流域径流均呈增加趋势,其中两个流域显著增加[4]；任宗萍等分析了无定河流域不同地貌区1960—2012年的径流变化,指出该流域及其不同地貌区子流域年径流均显著下降,但年蒸散发(Evapotranspiration,ET)变化并不显著[5]。

为进一步深入揭示不同地区水文循环变化的潜在机理,学者们利用不同手段和方法(如流域“配对”法、水文模型、陆面模式等),从气候变化、土地利用变化、人类活动、CO2浓度升高等角度开展了大量研究工作,得到了许多重要结论[4—10]。Yurtseven等采用流域“配对”法,对比分析了贝尔格莱德两个流域不同森林砍伐情形下的径流变化,结果显示森林砍伐使得年径流增加,但不超过径流总量的5%[6]。Sun等基于SWAT(Soil and Water Assessment Tools)水文模型定量分析了鄱阳湖流域地表水文分量的变化,指出气候变化是影响流域径流和ET变化的主要原因,而植被生理结构的影响较为有限[4]；Zhang等利用一个过程水文模型估算了气候和植被对中国南方湿润区ET变化的贡献,结果表明气候变化是导致ET增加的主要因子[7]；Piao等指出CO2浓度升高引起的植被叶面积增加可能是1901—1999年全球径流下降的一个重要原因[8]。需要注意的是,这些技术和方法依然存在自身的局限性。例如,流域“配对”法很难应用于大流域,且费时费力,更重要的是很难找到两个完全一致的流域[6]；尽管水文模型和陆面模式较全面地考虑了水文过程,但模型存在较大的不确定性,且对计算资源和驱动场的要求较高[10]。由于流域多年平均ET主要受降水和蒸发能力的控制,Budyko提出了流域水量和能量耦合平衡方程的设想,即Budyko框架理论[11],该理论已在全球不同地区得到了验证,并被广泛应用于模拟和估算ET以及其他关键水文变量[12—15]。随后,许多研究发现除降水和蒸发能力外,流域下垫面等也是影响流域水热平衡的重要因素[12—13,16—17]；为此,众多学者采用数理方程等方法,推导出了一系列包含下垫面参数的Budyko经验公式,如傅抱璞和Yang等的公式(分别包含参数ω和n),并指出这些解析式方程严格遵守能量和水分边界条件[12,18—20]。综上,相较流域“配对”、水文模型、陆面模式等方法,Budyko解析式方程具有驱动数据需求少、结构简单、物理机制明确、模型参数少(一般为1个待定下垫面参数)等优点,且方程参数可以反映流域的综合特征(如人类活动、土地利用变化等)；因此,Budyko解析式方程已成为定量化研究气候和流域特征变化对流域水文循环影响的重要手段,且被广泛用于不同流域水文循环变化的归因研究[20—24]。曹文旭等基于Budyko假设分析了潮白河流域气候和植被变化对ET的影响,指出该流域ET的上升可归因于气候变化[21]。张丽梅等采用Budyko假设归因分析了渭河流域的径流变化,发现由人类活动引起的下垫面变化是渭河流域径流减少的主要原因,其贡献率超过了60%[22]。Zheng等利用Budyko假设和气候弹性度方法研究了黄河上游径流对气候和下垫面变化的响应,结果显示下垫面变化是20世纪90年代径流减少的主要原因[23]。

淮河流域位于江淮地区,介于长江和黄河之间,属南北气候过渡带；流域耕地面积约占全国的10%,粮食产量约为全国的20%,是我国重要的粮食生产基地之一,同时还是我国社会经济发展潜力最大的地区之一[25]。然而,由于地理位置、自然环境、水系变化和社会经济等方面的特殊性,淮河流域水资源的时空分布极不均匀,旱涝灾害频发,已给人民生命财产安全造成了巨大损失[26]。另外,淮河流域人均水资源占有量仅为全国平均水平的1/5[25],属严重缺水地区,已经威胁到农业生产、社会经济的可持续发展[26]。鉴于此,近年来众多学者从气候学和水文学角度出发,开展了大量研究[27—29]；如,高超等分析了1958—2007年间淮河流域的气候变化特征,发现年降水量和极端降水等均呈无突变性的增加或减少,尤以夏季变化最大[27]；秦莉云和金忠青指出淮河流域水资源承载潜力相对较小,水资源的开发利用程度已接近开发容量[28]；金君良等的研究发现未来气候变化可能加速淮河流域水文循环,导致水资源总体增加[29]。毋庸置疑,前人的研究很大程度上增强了人们对淮河流域气候和水文过程变化的认识和理解。然而,针对ET变化以及气候和流域特征在淮河流域地表水文过程变化中的作用,目前尚缺少定量化的研究。以往研究多采用相关分析[30]、敏感系数[31]、微分方程[20]等方法分析水文分量的变化,而未充分考虑影响因子间的相互作用,这可能会对理解水文循环变化机理带来一定的不确定性[31]。近来,Sun等原创性地提出了一种基于敏感性试验的多控制因子联立求解方法,此方法可以有效而准确地剥离各气候因子对水文分量变化的影响,且已成功应用于鄱阳湖流域ET和径流变化、西南地区干湿转变以及中国潜在蒸散发(Potential Evapotranspiration,PET)变化的归因分析,为定量化理解地表水文过程变化提供了较为可靠的新方法[4,32—33]。

综上,本研究将在分析淮河流域气候变化背景的前提下,详细分析流域上游、中游和沂沭泗河地区主要陆面水文分量(如ET和径流)的变化；然后,基于Budyko解析式方程和多控制因子联立求解方法[4,32—33],定量估算气候和流域特征变化对主要水文分量变化的影响,最终揭示淮河流域陆面水文循环变化机理。本研究有助于深入理解淮河流域水文循环变化及其物理机制,同时可以为建立科学的水资源管理制度、维持淮河流域农业生产和社会经济的健康发展提供重要保障。

1 资料与方法

1.1 资料及处理

图1 淮河流域气象站、水文站和水文分区的分布Fig.1 Locations of weather sites, hydrological sites and hydrological divisions across the Huai River Basin

淮河流域1961—2010年间151个常规气象站(图1)的逐日观测资料来自于国家气候中心,主要包括降水(mm)、日照时数(h)、10m风速(m/s)、相对湿度(%),以及最低、最高和平均温度(℃)。1961—2010年间20个水文站的逐年径流数据(m3/s)来自《淮河流域水文年鉴》。基于1km×1km SRTM(Shuttle Radar Topography Mission)数字高程模型(http://westdc.westgis.ac.cn)和ArcGIS 10.2水文分析工具,提取各水文站对应的流域边界、面积和河网。考虑流域陆面水文分量响应的空间差异性,根据水文站的上下游位置关系,对王家坝、淮滨、长台关、息县、横排头、临沂、青峰岭和大官庄水文站对应的流域进行了分段处理,获得了王家坝-淮滨、淮滨-息县、长台关-大坡岭、息县-长台关、横排头-响洪甸、临沂-跋山-岸堤、青峰岭-沙沟和大官庄-清风岭水文分区(方便起见,以下将其他水文站对应的流域一并称为水文分区)；然后,利用径流资料和水文分区面积计算地表径流深(mm)。本研究采用世界粮农组织推荐的FAO56 Penman-Monteith公式估算PET；该公式具有明确的物理含义,主要输入变量有净辐射、2m风速、相对湿度、温度；其中,净辐射采用日照时数和Allen等[34]推荐的公式估算,2m风速可利用10m风速及风速-高度转换公式计算获得,具体计算公式及细节可参见Allen等[34]。

各水文分区ET可采用水量平衡方法估算得到。考虑水量平衡成立的条件(即研究时段尽量较长)[21—22]及基准期(1961—1980年)的人类活动相对较弱[35],本研究将1961—2010年分成了基准期、20世纪80年代(1981—1990年)、20世纪90年代(1991—2000年)和21世纪初(2001—2010年)四个时段；基于反距离权重法,对降水和PET进行空间插值,并提取各水文分区不同时期的多年平均值；然后,以多年平均降水减去对应的多年平均年径流,可获得ET。气候和水文分量的变化,均以各年代减去基准期表示。

1.2 Budyko方程

Budyko在开展全球水量和能量平衡研究时,发现流域水分供给(即降水)和蒸发能力(即PET)之间的平衡决定了流域长期平均ET[11],即流域多年平均降水(Precipitation,Pre)和PET之间存在耦合平衡关系,并定义了水热耦合平衡方程的一般形式：

(1)

许多学者对Budyko框架理论进行了改进,并提出了一系列经验公式；如傅抱璞[18]和Yang等[13]基于无量纲分析和数理方程,分别推导出了可以反映地表特征影响的Budyko解析式方程。本研拟究采用Yang等[13]的方程：

(2)

一般而言,n越大,ET消耗的降水越多,反之则相反。利用各年代的降水、径流、PET和ET及方程(2),拟合获得基准期、20世纪80年代、20世纪90年代和21世纪初的参数n,分别记为nbase、n1980s、n1990s和n2000s。相应地,径流(Q)的方程可写为：

(3)

1.3 归因方法

为剔除或减少影响因子间相互作用造成的不确定性,Sun等原创性地提出了一种基于敏感性试验的多控制因子联立求解方法；较传统分离方法(即控制试验结果减去敏感性试验结果),该方法剥离的各影响因子贡献更加准确[4,32—33]。因此,依照该方法的思路,设计试验,本研究将分离各影响因子对ET和径流变化的贡献。鉴于影响ET或径流的因子有气候变量(温度、净辐射、相对湿度、风速和降水)和参数n,共需设计7组试验,包括1组基准试验(记为EXP_BASE)和6组敏感性试验(记为EXP_non-Y,Y表示因子),具体试验设计见表2。以20世纪80年代的温度试验(EXP_non-Tave)为例,温度为基准期温度,其他气候变量为20世纪80年代的实测数据,采用FAO56 Penman-Monteith公式计算EXP_non-Tave的PET,再利用方程(2)或(3)及参数n1980s,估算EXP_non-Tave的ET或径流。最后,采用多控制因子联立求解方法,求取各因子对水文分量年代际变化的单独贡献。

表1 敏感性试验设计

以EXP_non-Y为例,其对应的ET或径流变化(相对EXP_BASE)可以认为是由除Y以外的其余因素变化共同引起的,故可表示为：

(4)

(5)

式中,PET对ET或径流变化的贡献为温度、辐射、相对湿度和风速的贡献之和。对于ET和径流的敏感性试验分别采用方程(2)和(3)开展。为确定ET(径流)变化的主控因子,首先,判断参数n的贡献是否大于气候的贡献(即降水和PET贡献之和)；如果参数n的贡献较大,则认为ET(径流)变化的主控因子为参数n；相反,在气候的贡献较大时,如果降水贡献大于PET贡献,则主控因子为降水,否则为PET。

2 结果分析

2.1 降水、潜在蒸散发和Budyko参数n的年代际变化特征

由图2,基准期降水存在一定的空间差异性,但均大于600mm；上游和中游南部水文分区的降水基本都在1000mm以上,其中横排头-响洪甸、梅山及响洪甸最大(>1200mm)。对于基准期的PET,各水文分区之间差别不大,介于1026—1190mm之间。各水文分区的基准期参数n差别也不大,大部分小于1.6,但淮滨-息县、明光、临沂-跋山-岸堤的参数n在2.2以上,说明这些地区ET消耗的降水较多。图3给出了各年代降水、PET和参数n的变化情况,总体而言,沂沭泗河各水文分区的20世纪80年代、90年代降水均有所减少,且以80年代减少最为明显(<-100mm)。而上游和中游地区的20世纪80年代、21世纪初降水以增加为主,其中横排头-响洪甸、梅山和响洪甸在20世纪80年代增加了150mm左右；20世纪90年代,中游南部水文分区降水增加,而其他大部分水文分区减少(>-50mm)。就不同年代的PET,所有地区均呈减小态势,基本在-50mm左右或以下,其中中游的中牟和沈丘下降最为明显(<-80mm)。对于多数水文分区,各年代的参数n有所增加,即ET消耗的降水增加,但参数n的增幅多小于0.5；特别地,明光21世纪初和黄庄20世纪80年代、90年代的参数n增幅最大(>1.0)。

图2 淮河流域1961—1980年各水文分区主要气候和水文分量、参数nFig.2 The major meteorological and hydrological elements, and parameter n during 1961—1980 over various hydrological divisions of the Huai River BasinET: 年蒸散发; PET: 潜在蒸散发

图3 淮河流域各年代降水、PET和参数n相对基准期的变化Fig.3 Compared to the baseline period, changes in precipitation, PET, and parameter n in the Huai River Basin

2.2 蒸散发和径流的年代际变化特征

由图2可知,在基准期,大多数水文分区的径流小于400mm,最小值(95mm)和最大值(>500mm)分别出现在沂沭泗河的黄庄和淮河中游的横排头-响洪甸、梅山、响洪甸；除紫罗山、中牟、临沂-跋山-岸堤和沙沟的基准期ET低于500mm,其他均大于500mm,其中上游和中游南部水文分区最大,在700mm以上。对比分析发现,横排头-响洪甸和响洪甸的径流大于ET,而其他水文分区则相反。从图4来看,ET的变化具有明显的时空差异性；20世纪80年代,沂沭泗河所有水文分区的ET均减小,而其他水文分区(除大坡岭)则有所增加,其中梅山和响洪甸增加最大(>100mm)；20世纪90年代,淮滨-息县、中牟、明光、横排头-响洪甸的ET略有增加,其他水文分区均有所减小,其中紫罗山、响洪甸和临沂-跋山-岸堤减小最明显(<-110mm)；21世纪初,ET的变化幅度基本在80mm以内,但不同水文分区间有明显差异性。就径流而言,20世纪80年代,上游和沂沭泗河多数水文分区呈现减小趋势,其中响洪甸、青峰岭-沙沟减小最大(约-70mm),而其他水文分区略有增加(<50mm)；20世纪90年代,除上游多数水文分区的径流略微减小外,其他大部分水文分区的径流增加,且响洪甸和临沂-跋山-岸堤增加最大(约150mm)；21世纪初,上游和中游水文分区径流分别以减小和增加为主,其中王家坝—淮滨、明光和横排头—响洪甸(息县—长台关)增加(减小)最明显,大于80mm(为68mm)。

图4 淮河流域各年代ET、径流相对基准期的变化Fig.4 Compared to the baseline period, changes in ET and runoff for different periods in the Huai River Basin

2.3 蒸散发及径流变化的归因分析

2.3.1归因方法评价

应用基于敏感性试验的多控制因子联立求解方法,分离了气候和Budyko参数n对ET、径流年代际变化的贡献；采用各因子贡献之和与观测的ET、径流年代际变化作对比,利用相关系数(R)、趋势系数及均方根误差(RMSE)等指标,评估了该方法的适用性；所用指标计算结果如图5所示。总体来看,估算的各因子贡献之和与观测的ET、径流年代际变化几乎处在1∶1线上。由定量指标来看,各因子贡献之和与观测的ET、径流变化的R几乎都等于1,RMSE均小于1.5mm,且拟合趋势线的趋势系数也几乎为1,这些均说明多控制因子联立求解方法可以较为有效而准确地估算出各影响因子对ET、径流变化的贡献。

图5 归因方法评估Fig.5 Validation for the selected attribution method

2.3.2蒸散发变化的归因分析

图6给出了淮河流域降水、PET及参数n对ET变化的贡献。20世纪80年代,降水对沂沭泗河所有水文分区ET变化的贡献均为负,且贡献率大于60mm,而对其他水文分区的贡献基本为正,但贡献率均小于31mm；20世纪90年代,除中游南部水文分区的降水贡献为正外,其他水文分区的降水贡献基本为负,贡献率小于50mm(除黄庄)；21世纪初,降水使得大坡岭、长台关-大坡岭的ET减小,而使得其他水文分区的ET增加,贡献率小于30mm。就PET对各年代ET变化的贡献,绝大部分水文分区呈现负值,贡献率在30mm以内。对于各年代参数n的贡献,大部分水文分区显示贡献为正,即参数n的变化使得ET增加；20世纪80年代,参数n使得沂沭泗河大部分水文分区的ET增大了60mm以上,而使得响洪甸的ET减少了81mm；20世纪90年代,多数水文分区显示参数n对ET变化的贡献在50mm左右或以上,其中对响洪甸和临沂-跋山-岸堤的贡献最大(>170mm)；21世纪初,多数水文分区显示参数n的贡献为正,且在王家坝-淮滨、长台关-大坡岭、紫罗山、明光和横排头-响洪甸的贡献较大(>50mm)。表2给出了各年代ET变化的主控因子,对于上游水文分区而言,20世纪80年代和90年代的主控因子多为PET,而21世纪初的主控因子多为参数n；就中游多数水文分区,各年代的主控因子均为参数n；就沂沭泗河水文分区,20世纪80年代和90年代的ET变化主要受降水或参数n控制。

图6 淮河流域降水、PET和参数n对各年代ET变化的贡献Fig.6 Contributions of precipitation, PET and parameter n to ET changes for different periods in the Huai River Basin

表2 各水文分区不同年代ET变化的主控因子

2.3.3径流变化的归因分析

由图7,20世纪80年代,降水使得沂沭泗河各水文分区的径流减小,贡献率大于60mm(除黄庄),而其他大部分水文分区显示降水对径流变化的贡献为正,其中横排头-响洪甸、梅山和响洪甸的贡献大于110mm；20世纪90年代,降水对沂沭泗河各水文分区径流变化的贡献依然为负,但贡献率较小(<50mm),上游和中游多数水文分区则显示降水的贡献为正,贡献率基本在40mm以内；21世纪初,除个别水文分区的降水贡献为负,其他水文分区均为正,介于10—44mm间。就PET对各年代径流变化的影响,绝大部分水文分区显示贡献为正,但贡献率均小于30mm。由图7,参数n对不同年代径流变化的影响基本为负；20世纪80年代,参数n对沂沭泗河水文分区的负贡献较大,贡献率在50mm左右或以上,值得注意的是,在中游响洪甸,参数n使得径流增加了81mm；20世纪90年代,除响洪甸、临沂-跋山-岸堤的负贡献较大(<-170mm),多数水文分区均显示参数n的贡献较小(>-50mm)；21世纪初,参数n的负贡献在王家坝-淮滨和横排头-响洪甸最大(<-80mm)。由表3可知,20世纪80年代,除个别水文分区的径流变化受控于参数n,其他水文分区的主控因子均为降水或PET,且中游、沂沭泗河水文分区的主控因子多为降水；20世纪90年代,上游水文分区的径流变化可归因于降水或参数n,而中游和沂沭泗河多归因于参数n；21世纪初,上游多数水文分区的主控因子为参数n,而中游多为降水或参数n。

图7 淮河流域降水、PET和参数n对各年代径流变化的贡献Fig.7 Contributions of precipitation, PET and parameter n to runoff changes for different periods in the Huai River Basin

3 讨论

3.1 淮河流域Budyko参数n空间差异的可能原因

本研究估算的参数n大小与前人研究结果总体一致[13,16,36],基本在2.4以下；但淮河流域参数n表现出较大的空间差异(图1和图2)。许多学者已经指出,参数n的空间差异与流域或水文分区的特征存在重要联系[13—14,16,19]。例如,王卫光等分析了黄河流域Budyko参数n的变化,发现人类活动(如人口、生产总值和有效灌溉面积等)是影响参数n的一个重要因素[16]；孙福宝等研究了黄河流域63个子流域的水热耦合平衡规律,并以流域相对入渗能力、相对植被-土壤有效蓄水能力和流域平均坡度构建了参数n的经验公式[19]。因此,为了解释淮河流域参数n的较大空间性差异,本研究收集了6个与水文分区特征有关的指标(如耕地面积百分比、水文分区面积、土壤饱和含水量[37]、土壤相对入渗能力[38]、平均坡度和植被覆盖度指数[20]),并计算了它们与参数n的相关系数(表4),发现：(1)参数n与耕地面积百分比、水文分区面积和土壤饱和含水量显著正相关,即这些指标越大,参数n就越大。耕地通过改变土壤组成和结构,可以影响降水再分配过程,如减小表层土壤的田间持水量,进而减缓降水入渗速度；同时,人类通过翻耕土地,使得下层相对湿润的土壤上翻,进而促进ET过程[39]。水文分区面积越大,汇流时间越长,越有利于水分被ET耗散[13]。土壤饱和含水量越大,说明有更多水分被存储于土壤中供ET消耗[40]。(2)参数n与土壤相对入渗能力、平均坡度显著负相关。土壤相对入渗能力、坡度越大,则降水的再分配过程就越有利于产生径流,进而减少ET消耗的降水(即参数n越小)[13]。(3)植被覆盖度与参数n呈负相关关系,但并不显著；这可能与植被覆盖度和参数n间存在复杂的非线性关系有关[23,36]。综上,淮河流域参数n的较大空间差异可以归咎于这些指标的共同影响；另外,这些因子还可能通过复杂的非线性相互作用对参数n施加影响[13,16]。例如,Xing等发现平均暴雨深度可以显著影响参数n；在干旱区,较大平均暴雨深度的流域对应着较大的ET,而在半湿润和湿润地区,较小平均暴雨深度的流域显示降水主要转换为径流。同时,在不同的农田面积情况下,暴雨深度对参数n的调节作用存在一定的差异[17]。

表3 各水文分区不同年代径流变化的主控因子

表4 水文分区特征指标与参数n的相关系数

相关系数的计算采用了20世纪80年代(20个样本)、20世纪90年代(20个样本)和21世纪初(12个样本)的所有数据,样本总数为52个；第3列中加星号的数字表示相关系数显著(P<0.05)

3.2 不确定性

本研究依然存在一定的不确定性,可能来自资料处理及归因方法。考虑辐射观测资料的匮乏,本研究利用Allen等[34]推荐的方法和站点观测的日照时间估算了净辐射。该方法将地表反照率设置为常数0.23；然而,气候条件、土壤湿度及土地利用与反照率密切相关,决定了反照率在时间和空间上存在较大变化[41]。因此,采用固定数值的反照率估算净辐射可能会造成估算的PET出现偏差,乃至ET和径流。近年来,大量观测和模拟研究结果显示,CO2浓度的升高改变了植被生理特征(如气孔导度和植被结构)；但是计算PET的FAO56 Penman-Monteith公式并未考虑这些变化。最近,Piao等[8]、Milly和Dunne[42]指出不考虑CO2浓度升高引起的植被生理特征变化,可能会对水文、气象、生态相关研究带来不确定性。迄今为止,区域尺度上的ET估算和观测依然是个难题。本研究估算的ET主要基于水量平衡方程,而该方法的前提为闭合流域,且不考虑人类活动(如灌溉、水利工程等)和取用地下水,但实际并非如此。例如,淮河流域建有5700多座水库,蓄洪区28处,可调蓄洪水库容88.6亿m3[43]；这些水利工程对水资源的调蓄势必会改变径流,最终影响ET和Budyko参数n的估算。受仪器观测误差的影响,气象要素(尤其是降水)的观测值通常和真实值之间存在一定偏差[44],进而影响研究结果的准确性。尽管本研究采用了一个新的分离气候和参数n贡献的方法,且评估结果令人满意；但不同影响因子贡献是线性叠加的假设可能会给研究结果带来不确定性。

4 结论

为厘清气候和流域特征(以Budyko参数n反映)变化对淮河流域地表水文过程的影响机制,本研究在详细分析主要气候和水文变量及参数n的变化(较基准期1961—1980年)基础上,基于Budyko方程和多控制因子联立求解方法,定量化估算了气候和参数n对ET、径流变化的贡献,进行了归因分析,主要结论如下：

(1)较基准期,各水文分区不同年代的降水、ET、径流均发生了变化,其中,20世纪80年代和90年代的降水、ET、径流在沂沭泗河各水文分区均有所减小,而在上游和中游各水文分区三者的变化则表现出明显的年代际差异和空间差异。对于所有(大部分)水文分区,不同年代的PET(参数n)减小(增加)。

(2)基于Budyko方程和多控制因子联立求解方法可以有效而准确地估算降水、PET、参数n对ET和径流变化的贡献。

(3)在淮河流域多数水文分区,各年代ET变化的主控因子为参数n,其次为降水和PET,分别集中在沂沭泗河地区和上游。就径流变化而言,大部分水文分区20世纪80年代的主控因子为降水,其次为PET,且多出现在中游；20世纪90年代和21世纪初主控因子多为参数n,其次为降水。以上结果均说明控制淮河流域ET和径流变化的物理机制存在明显的空间差异和年代际变化。