内蒙古半干旱区蒸散估算和归因分析

2022-08-08 09:31韩典辰张方敏陈吉泉李云鹏卢燕宇
干旱区地理(汉文版) 2022年4期
关键词:变化率农田植被

韩典辰, 张方敏, 陈吉泉, 李云鹏, 卢 琦, 卢燕宇

(1.南京信息工程大学应用气象学院/江苏省农业气象重点实验室,江苏 南京 210044;2.密歇根州立大学地理环境空间科学系全球变化观测中心,密歇根 东兰辛 MI48825;3.内蒙古自治区生态与农业气象中心,内蒙古 呼和浩特 010051;4.中国林科院荒漠化研究所,北京 100091;5.中国林科院沙漠林业实验中心,北京 100091;6.安徽省气象局气象科学研究所大气科学与卫星遥感安徽省重点实验室,安徽 合肥 230031)

蒸散(Evapotranspiration,ET)表示陆面水分转化为水蒸汽后进入大气的过程[1],主要由蒸发(Evaporation,E)和蒸腾(Transpiration,T)组成,是生态系统水循环中的重要一环,与水分物理传输过程和能量转换过程密切相关[2]。随着气候变化和人类城市化发展,ET发生了明显且复杂的变化[3]。从区域尺度量化蒸发、蒸腾和蒸散情况,认识环境因素对其的影响机制,有助于科学认识区域水文循环过程,促进区域水资源管理,为气候变化影响生态系统水文循环的相关研究提供科学参考[4]。

半干旱地区生态环境较脆弱,气候变化与人类活动极易对生态系统带来不可逆影响[5]。由于降水少,水资源时空分布不均匀,使得水分成为制约半干旱地区生态系统发展的重要因素[6-7]。蒸散作为半干旱地区水循环中的主要组成之一,其变化特征受到植被自身特性和环境条件的影响,具有显著的区域异质性和季节差异性[8]。众多学者对半干旱地区蒸散时空格局和变化规律进行了研究。代鹏超等[9]基于陆地表面能量平衡算法(Surface energy balance algorithm for land, SEBAL)研究了精河流域蒸散的时空变化,认为近60 a蒸散呈波动减小趋势,且空间分布与地表利用类型有关。金学杰等[10]基于地表能量平衡系统(Surface energy balance system,SEBS)模拟了黑河下游蒸散变化,表明不同地表利用类型蒸散有相似的季节变化特征,但变化幅度不同。蹇东南等[11]采用互补相关理论模型,研究蒸散与气象要素的关系,认为下垫面供水和实际水汽压变化使得蒸散增加。王思如等[12]利用生态水文模型,分析了科尔沁沙地气象因子变化和蒸散的关系,认为降水的年际变化是影响蒸散的主要因子。对比分析,发现我国半干旱地区蒸散空间分布不均匀,变化趋势及其主控因子存在一定差异,并且少有研究将蒸散拆解为蒸腾和蒸发,进一步分析蒸散过程中水分的分配问题。

气候变化与人类活动加剧的背景下,内蒙古半干旱区的锡林郭勒和乌兰察布地区暖干化使得当地水分供需平衡存在不确定性[13]。分析其蒸散时空变化不仅能帮助揭示水文循环机理,又有利于评估区域水分亏缺状况,为当地干旱灾害评估与水资源开发利用提供科学依据。因此本研究选择位于半干旱区的锡林郭勒盟和乌兰察布市作为研究区,分析和量化目标区域蒸发、蒸腾和蒸散的时空变化及其组分关系,对比不同气象要素和植被生长状况对蒸发、蒸腾和蒸散变化的影响,揭示半干旱区生态系统蒸发、蒸腾和蒸散对气候变化的响应特征及主控因子。

1 材料与方法

1.1 研究区概况

本文研究区域为内蒙古半干旱区的锡林郭勒盟与乌兰察布市,地理位置位于40.16°~46.77°N,110.33°~119.91°E 之间(图1)。该区域面积约为28.56×104km2,多年平均总降水量为314.76 mm,多年平均气温为3.12 ℃,属于温带大陆性气候,地表覆盖类型主要以草地和农田为主。研究区内2 个代表性草地生态观测站[14]为多伦站和锡林浩特站,经纬度分别为42.53°N,116.22°E 和43.53°N,116.67°E,有长期水汽通量观测试验,用于本研究对比验证。

图1 研究区示意图Fig.1 Distribution map of study area

根据地表植被覆盖类型数据统计,1981—2018年研究区草地、农田和森林多年平均分别占75.07%、11.67%、5.94%,植被覆盖分布面积变化较小,其中草地面积增长1.50%,农田面积减少0.84%,森林面积共减少1.56%。因此本研究忽略由于植被覆盖类型变化的影响,主要探究气候变化和植被生长状况对研究区域水循环的影响。

1.2 模型介绍

本文采用生态系统生产力模拟(Boreal ecosystem productivity simulator,BEPS)模型模拟区域的蒸腾、蒸发和蒸散。模型最主要的特点是将冠层叶片分为阳叶和阴叶,通过进行气孔导度的积分对叶片尺度的Farquhar 瞬时光化学模型进行时空尺度转换,模拟计算逐日的碳水循环通量[15-16]。经过不断发展和完善,BEPS被证实能够准确的估算生态系统蒸散过程,并成功应用于东亚[17-18]和中国[19]等地。模型的ET主要计算过程详见Chen等[20]和Liu等[21]。

1.3 数据来源

模型需要的气象输入数据来自于国家气象科学数据中心的中国地面气候资料日值数据集(http://data.cma.cn),包括1981—2018 年国家气象站点的气温、降水量、相对湿度、日照时数等日数据。该数据集经严格的质量控制,包括空间和时间上的一致性检查及相应的人工核查与更正,进一步对数据进行异常值剔除。研究区域地势较平坦,因此采用Kriging 方法插值至0.01°并根据研究区域边界掩膜裁剪[22],获得958×662像元数的空间日数据集。

1981—2018 年的叶面积指数(Leaf area index,LAI)数据来源于中国科学院地理科学与资源研究所刘荣高团队制作的每8 d 的1 km GLOBMAP LAI V3产品,该产品经验证具有较高的精度[23]。将数据重采样至像元分辨率为0.01°,并掩膜至与气象数据相同大小,统一作为模型输入数据。

地表利用类型数据来源于中国科学院地理科学与资源研究所资源环境科学数据中心(http://www.resdc.cn/)。该数据集以Landsat TM/ETM 遥感影像为主要数据源,通过人工目视解译生成,是目前我国精度最高的土地利用遥感监测数据产品之一。土地利用类型主要划分为农田、森林、草地、水域、居民用地和裸地6 个一级类型。数据分辨率为0.01°,根据研究区域进行裁剪掩膜,作为模型地表覆盖类型输入数据。

归一化植被指数(Normalized difference vegetation index,NDVI)是反映植被生长状况的重要参数。本文选用1981—2015年GIMMS3g数据(https://ecocast.arc.nasa.gov/data/pub/gimms)和1998—2018年中国科学院SPOT/VEGETATION NDVI 合成数据(http://www.resdc.cn)。数据预处理包括对原始数据进行格式转换、投影转换、数据拼接、裁切等,并将数据重采样为0.01°分辨率的影像。为获得连续一致的NDVI,使用最大值合成法计算NDVI年数据[24],用于区域蒸散及组分变化的归因分析。

站点验证数据采用研究区内多伦站和锡林浩特站的开路涡度相关系统观测的水汽通量数据。利用垂直风速脉动的平均协方差和水汽浓度标量的乘积计算30 min 平均潜热通量,利用EddyPro 软件对数据进行处理计算,包括去除野点、二维坐标旋转订正等。将每日潜热通量除以汽化潜热(λ≈2.45 MJ·kg-1)计算得出日蒸散数据。对于缺失时间短(<2 h)的数据采用线性内插法进行插补,对于缺失时间较长的数据采用日平均法对其进行插补[25],通量数据的能量平衡比率大于90%,符合能量不闭合程度的要求,说明数据质量良好[26],通量数据的具体处理方法介绍详见Tian等的文章[27-28]。

1.4 敏感性分析

本文采用由McCuen 提出的敏感性系数,即因变量与单个自变量要素相对变化量之比,反映各自变量要素对因变量变化的贡献情况,具体计算方法见毕彦杰等[29]的研究。结合敏感性系数及自变量本身变化情况,综合解析和量化要素对因变量的作用。本文主要选择平均气温(TEMP)、降水量(PRE)、饱和水汽压差(VPD)、太阳总辐射(RAD)和NDVI 5个要素分析其变化对蒸发、蒸腾和蒸散变化的贡献。

2 结果与分析

2.1 模型验证

图2 给出了BEPS 模型模拟的研究区多伦站和锡林浩特站2006—2008 年月蒸散与相应实测值对比结果。BEPS模型月ET模拟值与2站点月实测值差距较小,RMSE 分别为9.62 mm 和10.14 mm(图2a~b)。BEPS 模型可以解释2 站85%的蒸散变化(图2c)。通过与他人文献结果对比(表1),BEPS模型模拟T时平均相对误差为3.20%,模拟ET 时平均相对误差为6.70%,模拟T/ET 时平均相对误差为1.90%,这表明BEPS模型在站点尺度模拟准确性较好[30-35]。将T、ET 和T/ET 空间分布情况与Niu 等[32]发布的1981—2015 年中国陆地生态系统蒸腾蒸散比数据集结果相对比,三者空间分布情况高度一致。综上,BEPS 模型估算结果合理,可以用于研究区E、T和ET的模拟计算。

图2 2006—2008年月蒸散模拟值和实测值变化及对比Fig.2 Changes and comparison of simulated and measured values of monthly evapotranspiration from 2006 to 2008

表1 BEPS模型模拟值与实测值数据对比Tab.1 Comparisons of simulated values from BEPS model and measured data

2.2 蒸散及其组分的时空特征

根据地表利用类型数据,提取草地、农田和森林像元,并统计不同地表利用类型下E、T和ET。表2给出了研究区域1981—2018年不同地表类型年平均耗水量和产水量(PRE-ET)的总体情况。草地的E、T和ET 耗水量分别为170.20 mm、108.02 mm 和278.22 mm。农田的E、T和ET耗水量分别为149.73 mm、212.77 mm 和362.50 mm。森林的E、T和ET 耗水量分别为119.17 mm、189.64 mm 和308.81 mm。结果表明,农田总耗水量最大,森林次之,草地最小。结合降水量看,森林PRE-ET 最大,为53.52 mm;草地次之,为31.32 mm;农田PRE-ET 为负值,为-12.43 mm。

表2 1981—2018年研究区不同地表类型年平均耗水量Tab.2 Average annual water consumption of different surface types in the study area from 1981 to 2018 /mm

图3 为1981—2018 年研究区E、T和ET 的年际变化。结果表明研究区E、T和ET 多年平均值分别为167.13 mm、119.16 mm和286.35 mm,三者均呈显著上升趋势(P<0.05),上升速率分别为0.42 mm·a-1、0.63 mm·a-1和1.05 mm·a-1。与T相比,E年际变化较平稳,波动幅度更小,因此ET 年尺度波动主要受到T影响,变化情况与T更一致。T/ET 多年平均值为41.53%,38 a共上升3.80%,表明蒸腾在蒸散中的比例呈增加趋势。

图3 1981—2018年研究区蒸发、蒸腾、蒸散、蒸腾和蒸散比的变化趋势Fig.3 Trends of evaporation,transpiration,evapotranspiration and transpiration/evapotranspiration in the study area from 1981 to 2018

图4 为研究区1981—2018 年多年年均E、T、ET和T/ET 的空间分布。E多年平均空间分布整体呈西北向东南递减趋势,在西北部植被稀疏区E较高,可达160 mm,但在东北部地区E较低,小于140 mm。T空间分布和E相反,在西北部草地稀疏区T较低,东北部和东南部森林、农田覆盖区较高。在西北部地区,T小于80 mm,在东北部至南部的森林农田覆盖区,T大于120 mm。ET 和T/ET 空间分布与T相似,草地覆盖区ET多小于275 mm,南部和东北部农田和森林覆盖区域ET且大于300 mm。T/ET在西北部植被覆盖度较低区小于0.40,南部农田覆盖区和东北部森林覆盖区大于0.50。

图4 1981—2018年研究区蒸发、蒸腾、蒸散、蒸腾和蒸散比的空间分布Fig.4 Spatial distributions of evaporation,transpiration,evapotranspiration and transpiration/evapotranspiration in the study area from 1981 to 2018

图5为1981—2018年研究区E、T、ET和T/ET的变化趋势空间分布。E在全区域多呈增大趋势,特别在东北部森林和中南部农田区呈增大速率且大于0.50 mm·a-1,在西北部和南部部分地区呈减小趋势,但减小趋势不显著。在农田覆盖的中南部和南部地区,T增大趋势显著(P<0.05),增大速率大于1.00 mm·a-1,但在东北部森林覆盖区,T呈减小趋势,减小速率最快为-0.78 mm·a-1。综合E和T变化,ET 在全区域多呈增大趋势,特别在北部草地覆盖区和南部农田覆盖区增大趋势较显著(P<0.05),增大速率大于1.50 mm·a-1;ET仅在西北部和东北部部分地区呈减小趋势,但不显著。T/ET空间变化趋势和T相似,从整体上看西部地区多呈上升趋势,但在东北部森林覆盖区域T/ET呈下降趋势,减小速率最快为-0.002·a-1。

图5 1981—2018年研究区蒸发、蒸腾、蒸散、蒸腾和蒸散比的变化趋势空间分布Fig.5 Spatial distributions of change rates for evaporation,transpiration,evapotranspiration and transpiration/evapotranspiration in the study area from 1981 to 2018

2.3 蒸散及其组分的归因分析

表3为1981—2018年研究区主要影响因子变化情况。NDVI区域平均值为0.22,表现为增加趋势,变化率为0.0001·a-1,草地呈增大趋势,农田和森林均呈减小趋势,其中森林减小趋势最大,为-0.0004·a-1。TEMP在全区域平均为3.12°C,呈增大趋势,变化率为0.05°C·a-1,38 a升高1.90°C。PRE在全区域多年年均为314.76 mm,全区域内呈减小趋势,森林减小最快,变化率为-1.00 mm·a-1,38 a 下降了38.00 mm。VPD 在全区域多年年均为0.37 kPa,全区域多呈增大趋势,平均变化率为0.002 kPa·a-1,38 a 上升0.09 kPa。RAD 全区域呈减小趋势,农田减小速率最快,变化率为-0.17 W·m-2·a-1,38 a下降6.46 W·m-2。

表3 1981—2018年研究区主要影响因子的变化率统计Tab.3 Change statistics of main influencing factors of the study area from 1981 to 2018

1981—2018 年各要素变化对区域E变化的贡献情况如表4 所示。森林E变化最大,相对变化率为15.90%,考虑E对各要素变化的敏感性系数及各要素相对变化率,VPD 增大为森林E增加的主要原因,VPD 增大引起E增大12.22%。草地和农田E相对变化率分别为9.38%和10.90%。与森林主导因子相似,草地和农田E变化的主导因子也为VPD。综合全区域E相对变化率为9.55%,E的主导因子排序为VPD>PRE>RAD>TEMP>NDVI。

表4 1981—2018年研究区影响因子对蒸发变化的贡献分析Tab.4 Contribution analysis of influencing regulators to evaporation dynamics in the study area from 1981 to 2018

1981—2018年各要素变化对区域T变化的贡献情况如表5 所示。农田T相对变化率最大,为24.80%。综合T对各因子变化的敏感性和各因子相对变化,VPD 和TEMP 增大为农田T增大的主要原因。森林T变化主要受到VPD 增大的正向影响和NDVI 减小的负向影响,相对变化率为13.83%。草地T相对变化率为19.34%,主导因子和农田相似。综合全区域,T相对变化率为20.09%,主导因子依次为VPD>TEMP>NDVI>RAD>PRE。

表5 1981—2018年研究区影响因子对蒸腾变化的贡献分析Tab.5 Contribution analysis of influencing regulators to transpiration dynamics in the study area from 1981 to 2018

1981—2018 年各要素变化对区域ET 变化的贡献情况如表6 所示。农田ET 相对变化率最大,为19.10%。各要素对农田ET 相对贡献大小依次为VPD>TEMP>RAD>NDVI>PRE,VPD 和TEMP 增大为农田ET 增大的主要原因。草地和森林相对变化率分别为13.25%和14.64%,各要素对草地和森林ET 相 对 贡 献 依 次 为VPD>TEMP>NDVI>RAD>PRE。综合全区域ET 相对变化率为13.93%,主导因子排序为VPD>TEMP>RAD>PRE>NDVI。

表6 1981—2018年研究区影响因子对蒸散变化的贡献分析Tab.6 Contribution analysis of influencing regulators to evapotranspiration dynamics in the study area from 1981 to 2018

3 讨论

研究通过站点ET 实测数据和前人模拟结果相对比验证发现,T、ET 和T/ET 估算相对误差最小分别为2.10%、2.30%和1.60%。Li 等[36]研究结果表明,T/ET 和LAI 水平相关,当LAI 较小时,T/ET 稳定在0.33±0.50,而在植被生长状况良好区域,T/ET 大于0.40。本研究区西北部LAI 数值较小,变化范围为1.30~2.00 m2·m-2,全区域年均T/ET 为0.38,而东部森林和南部农田覆盖区植被生长状况较好,T/ET则稳定在0.50左右,与Li等研究结果相符。1981—2018 年BEPS 模拟多年平均ET 结果介于278.22~362.50 mm;牛忠恩等[37]基于PT-JPL 模型对中国ET分布情况进行估算,内蒙古地区多年平均ET 介于300~400 mm;王思如等[12]基于WaVEM 模型对内蒙古科尔沁地区ET 变化进行研究,发现ET 介于200~450 mm,以上均与本研究模拟结果相符。因此通过站点实测数据及研究结果的比对证明BEPS模型结果合理,可以较准确模拟研究区ET及其组分。

半干旱区不同的生态条件会影响蒸散对气候条件的响应[38]。根据对E、T和ET空间分布结果,研究区西北部植被稀疏,年均NDVI 小于0.15,但较高的气温及较大的VPD 使得蒸发速率较快。研究区东部和南部森林和农田环境植被覆盖度较高,年均NDVI 大于0.27,下垫面粗糙度更高,植被的蒸腾作用成为地表和大气间水分交换的主要方式,因此在东北部森林和南部农田覆盖区域T和T/ET 均高于其他区域。根据Jiang等[39]研究,半干旱区T是主导ET 变化的主要驱动组分,结合图3 和图4,E的高值区主要分布在西北部植被稀疏区,年际间波动主要受到气候条件支配,而T高值区主要分布在东北部森林和南部农田覆盖区,年际变化除受到气候条件影响外还受到植被生长状况以及人为因素(例如农田人工灌溉等)影响,因此E年际波动较小,变化趋势较平稳,而ET和T年际波动变化一致性较高。

T/ET 表征植被蒸腾对生态系统蒸散的贡献率,是准确量化生态系统水分利用效率的关键参数[40]。TEMP、VPD 和NDVI 升高和地表植被生长会影响T/ET[41]。TEMP增大,有利于延长植被生长季;VPD作为大气水分亏缺状况的表征因子,主要通过影响裸地和植被表面的水分梯度,调节叶片气孔导度影响植被蒸腾量[42]。半干旱地区升温效应增大了水分梯度和叶片气孔导度,加速叶片和外界水汽交换,对T/ET起促进作用。NDVI增大表明研究区域植被长势逐渐增加,冠层截获的辐射增多,导致蒸腾耗水增加,同时长势良好的树木和作物水分利用效率更高[43],蒸腾作用随之增强。结合E和T归因分析结果,研究区草地NDVI 多年呈增大趋势,对草地E为负贡献,对T为正贡献,有利于增大草地生态系统蒸散中蒸腾的比例,提高了草地的水分利用效率。而森林和农田NDVI 多年呈下降趋势,特别在森林覆盖区NDVI 下降速率最快,因此农田和森林部分区域T/ET呈减小趋势,E在ET中的占比逐渐增加。

根据前人研究,ET 和气候条件、地表覆盖类型有密切关系[44]。如表2,研究区域单位面积草地E大于农田和森林,但T小于农田和森林,这主要由于草地植被叶面积较小,地表土壤裸露较多,到达地表的光照辐射能量使得地表蒸发旺盛,而森林和农田植被叶片面积较大,更高的冠层高度和植被层厚度有利于吸收更多光照辐射能量,导致下渗到土壤表层的水分不易蒸发,进而被植被发达的根系吸收,为蒸腾作用提供更多水分来源。另一方面,农田多分布在研究区域南部,平均年PRE 为350.07 mm,但PRE-ET 仅为-12.43 mm,说明农牧资源的不合理分配,可能导致未来半干旱区域更容易发生土壤干旱,进而造成该区域水土流失及土壤退化等环境问题。

4 结论

本文以位于内蒙古半干旱区的锡林郭勒盟和乌兰察布市为例,结合遥感、气象资料和站点观测资料等,采用BEPS 模型,分析和量化以农田、草地和森林为主的半干旱区E、T和ET的时空变化,揭示半干旱草地生态系统E、T和ET 对气候变化的响应特征及主控因子,得出主要结论如下:

经过站点实测数据对比,BEPS模型计算结果能够精确反应研究区ET 及其组分的分布情况和变化趋势。研究区域草地、农田和森林年均ET 分别为278.22 mm、362.50 mm 和308.81 mm。E、T和ET 多年呈显著上升趋势,上升速率分别为0.42 mm·a-1、0.63 mm·a-1和1.05 mm·a-1,1981—2018 年共上升15.96 mm、23.94 mm 和39.9 mm。ET 与T在全区域内空间分布格局相似,与E相反,ET 年际波动主要受到T年际波动的影响。综合影响因子的变化和E、T、ET对因子的敏感性,研究区域草地和农田T和ET以及森林的ET主要受到VPD和TEMP变化的控制。农田和森林NDVI 都呈减小趋势,但森林T对NDVI变化更加敏感,因此负贡献更大。

猜你喜欢
变化率农田植被
基于高分遥感影像的路域植被生物量计算
呼和浩特市和林格尔县植被覆盖度变化遥感监测
青海省近60年气温变化特征分析
达尔顿老伯的农田
达尔顿老伯的农田
山西省2020年建成高标准农田16.89万公顷(253.34万亩)
追踪盗猎者
第一节 主要植被与自然环境 教学设计
例谈中考题中的变化率问题
黑板像农田