基于SWH双源模型的鄱阳湖流域蒸散发组分时空变化特征及归因分析

王 钊，张润润，章 阳

（河海大学水文水资源学院，江苏 南京 210098）

0 引言

蒸散发主要包括土壤蒸发和植被蒸腾，是水文和能量循环中重要的组成成分，也是影响气候变化和生态系统演变的主要因素之一［1，2］。蒸散发与气候、下垫面等因素息息相关，不同气候区蒸散发的变化趋势及其主要影响因素存在着明显的时空差异性。目前对于蒸散发的研究多集中于蒸散发总量，而对其组分的研究相对较少。由于土壤蒸发和植被蒸腾物理机制的差异，影响二者时空动态的因素也有所不同。杨晓甜［3］等基于GLEAM 蒸散发产品分析了黄淮海流域实际蒸散发的时空演变规律和影响因素，指出NDVI增加是流域蒸散发显著上升的主要原因；鞠艳［4］等通过GRACE 重力卫星观测数据、GLDAS 陆面模式同化数据以及水量平衡法，重建了金沙江流域多年平均实际蒸散发呈不显著的增加趋势，并说明流域蒸散发主要受到降雨和气温影响较多，风速次之；刘洋［5］等采用GG 模型估算了西北干旱区实际蒸散发时空变化特征，分析得出该地区60年来实际蒸散发呈微弱上升的趋势，而在夏季和秋季则呈下降趋势，其影响因素主要是气温、相对湿度和风速。

流域蒸散发时空变化受到气候和下垫面条件等复杂因素的综合影响。自21世纪以来，地处亚热带季风气候的鄱阳湖流域干旱频发，降水时空差异明显，湖区最低水位不断刷新［6］。流域内人类活动和气候变化过程较为显著，城市化进程较快。一系列生态修复工程大规模实施，流域内大部分地区植被覆盖率增加［7］。同时，鄱阳湖流域也呈现出明显的暖化趋势，年均气温持续增长，极端天气事件时有发生，洪旱程度加剧［8］。研究该流域蒸散发及其组分的时空动态和影响成因对流域水资源合理配置利用、揭示复杂环境下流域水文循环的响应机理有重要意义。

基于气象站点蒸发皿的实测蒸发，以及传统的单源模型的模拟蒸发，均无法区分土壤蒸发与植被蒸腾等组分动态［9］。Shuttleworth 和Wallace 综合考虑了来自冠层和土壤的蒸散发过程，于1985年提出了S-W 双源模型，并在站点尺度上实现了较好的模拟效果［10，11］。HU 等［12］通过引入Ball-Berry 气孔导度模型以及基于光能利用率的GPP 模型改进了S-W 模型，解决了S-W 模型在区域尺度模拟的难题，形成了SWH双源模型［13］。该模型在我国黄土高原［14］、黄河流域［15］、西北地区［16］等多时空尺度取得了良好的模拟效果，适用于不同气候区蒸散发的模拟［17］。

因此，以鄱阳湖流域为研究对象，基于SWH双源模型模拟2001-2017年流域蒸散发组分，结合实测通量资料和MODIS 遥感数据进行结果验证，分析流域多年蒸散发总量（ET）、土壤蒸发（Es）、植物蒸腾（Ec）和蒸发占比（Es/ET）的时空分布特征与趋势变化规律，并进一步基于SOBOL全局敏感性分析法［18］对蒸散发各组分变量的影响因素进行定量评估，分析流域蒸散发组分变化的实际成因。研究旨在一方面基于SWH双源模型模拟估算鄱阳湖流域蒸散发ET，分离蒸散发组分Es和Ec；另一方面探讨不同时空尺度下流域蒸散发组分和占比的变化反应机理和敏感成因，以期为气候变化背景下区域蒸散发响应机制和水资源合理开发利用等方面提供支撑。

1 资料与方法

1.1 研究区概况

鄱阳湖流域（115°49′～117°46′E，28°24′～29°46′N）位于长江中下游南岸，总面积为16.22 万km2，由鄱阳湖、赣江、抚河、信江、饶河与修河等水系组成（图1）。鄱阳湖流域三面环山，地形复杂，中部为相对低洼的丘陵及盆地，北部为鄱阳湖冲积平原，整体地势为南高北低。流域属于典型的亚热带湿润季风气候，年均气温17.1 ℃，年均降水量约为1 632 mm，降水具有明显的季节性和区域差异性，整体表现为秋多冬少、北多南少的特点。流域内土地覆盖类型以林地、耕地、草地和水体为主，植被则以常绿阔叶林、农作物以及混交林为主。

图1 鄱阳湖流域范围Fig.1 Poyang Lake Basin

1.2 数据来源

SWH 模型驱动数据包括气温（TEM）、降水（PRE）、风速WS、相对湿度RH、净辐射RN、光合有效辐射PAR、植被指数NDVI以及土地利用LUCC等。其中气温、降水、风速和相对湿度数据为2001-2017年鄱阳湖流域内部及周边共83 个站点的逐日气象资料，来源于中国气象数据网（https：//data.cma.cn），在经过ANUSPLIN 空间插值后用于模型驱动，空间分辨率为1 km。NDVI和土地利用类型数据采用MODIS 数据产品MOD13A2 和MCD12Q1（https：//ladsweb.modaps.eosdis.nasa.gov），光合有效辐射和净辐射数据集采用GLASS 数据产品，来源于国家地球系统科学数据中心（http：//www.geodata.cn），经过程序化批量预处理后得到8天时间分辨率的数据序列。其中光合有效辐射数据换算系数参考董泰锋［19］取值为4.55。

采用ChinaFLUX 发布的涡度通量塔监测数据（http：//www.cnern.org.cn）和MODIS 蒸散发产品MOD16A2 数据，分别用于SWH 模型模拟结果在站点及流域尺度上的验证。其中站点尺度验证数据选择千烟洲站潜热通量数据集。

高程数据来源于中国科学院资源环境科学与数据中心（https：//www.resdc.cn），空间分辨率为1 km，地理坐标系为WGS84。本文利用ArcGIS 软件进行裁剪、投影等操作后，作为研究区气象数据空间插值的协变量。

1.3 方法

1.3.1 SWH双源模型

SWH双源模型将蒸散发分为植被蒸腾和土壤蒸发两个相对独立的过程。在Penman-Monteith 方程的基础上，将所有冠层看作一片“大叶”，并假设植被和土壤的水热过程均汇于一定高度与大气进行湍流交换。其中蒸散发计算公式如下：

式中：PMS与PMC分别为土壤表面和植被冠层的蒸散发量，W/m2；CS和CC为相应的权重系数，分别表征植被和土壤对蒸散发影响作用大小，计算方法见［14］；Rn和Rns分别为植被冠层净辐射与土壤表面净辐射［20］，MJ/（m2·d）；G为土壤热通量，MJ/（m2·d）；ρ为空气密度，kg/m3；Δ为饱和蒸气压与温度的斜率，γ为湿度计常数，kPa/℃；cp为定压比热容，J/（kg·℃）；VPD为饱和水汽压与实际水汽压之差，kPa；ras和rac分别为从土壤表面到冠层高度和从植被气孔到冠层高度的空气动力学阻抗，raa为从冠层高度到参考高度的空气动力学阻抗［21］，s/m；rss和rsc分别为土壤表面阻抗和植被气孔阻抗，s/m。

Hu 等［12，13］为实现土壤表面阻抗rss以及植被冠层阻抗rsc在区域尺度的准确估计，引入了Ball-Berry 气孔导度模型和土壤表面阻抗方程，实现了对rss和rsc的估算。

土壤表面阻抗rss估算方法如下：

式中：SW和SWs分别为土壤表层含水量与饱和含水量，m3；b1、b2和b3均为经验参数，根据土地利用覆盖类型来确定，其中b1取为3.5。

Ball-Berry气孔导度模型计算方法如下：

式中：hs为冠层表面空气相对湿度（此处以空气湿度代替）；cs为植被气孔胞间的CO2浓度，取值为390 ppm；g0和a1为经验参数；pn为光合速率，μmol/（m2·s），是估算rsc的重要变量，以光能利用率模型估算的GPP代替［22］，公式如下：

式中：PAR为光合有效辐射，W/m2；FPAR为植被冠层吸收的PAR占总入射PAR的比例（根据NDVI计算FPAR=1.24NDVI-0.618）；ε为根据气温、饱和水气压差以及土壤表层含水量标准化后的光能利用率，公式如下：

式中：εmax为最大光能利用效率；f(T)和f(VPD)分别为减量调节后温度和饱和水汽压差标量；Tmax、Tmin和Topt分别为最大温度、最小温度和光合作用最适温度。如果温度低于最小温度或高于最大温度，则f(T)取为0；Tmin、Tmax和Topt分别取值为0、20和40 ℃。如果VPD＜0.5 kPa，则f(VPD)取值为1。如果估算出的f(VPD)＜0，则f(VPD)取值为0。VPDmax取值为3.5 kPa。

SWH 双源蒸散发模型的具体原理见HU 等［12，13］，在本研究模拟过程中的部分参数取值参考HU［22］。其中，b1、b2、εmax、a1、g0分别取值为3.5、3.2、0.001 2、10.6、0.018。

1.3.2 多时空尺度验证评价

在站点尺度上，根据千烟洲通量站（图1）潜热数据计算获得站点蒸散发总量，将其与基于SWH模型模拟获得对应空间位置的蒸散发进行对比验证。本文将千烟洲站点周围5×5 共25个栅格点的蒸散发平均值作为模拟值，在时间尺度上分别进行了8天、月、季及年尺度的验证。千烟洲站日尺度潜热数据换算为蒸散发水量数据的方法见参考文献［23］。

在流域尺度上，采用MODIS 蒸散发产品MOD16A2 数据作为参照值，与SWH 模型的模拟值进行8 d、月、季与年尺度的验证分析。由于MOD16A2 数据在鄱阳湖湖区附近存在一定数量的空值，且不同日期的遥感数据空值栅格数不同，因此本文采用ANUSPLIN 空间插值方法［24］对MOD16A2 数据进行插值计算，以插值结果代替原数据空值，从而与模型模拟值进行验证计算。

用以评价验证效果的统计指标有平均绝对误差（MAE）、均方根误差（RMSE）、相关系数（R2）以及纳什系数（NSE），计算公式为：

式中：yi为实测潜热通量数据或MOD16A2数据，mm；为观测值的平均值，mm；xi为SWH双源模型的模拟结果，mm；为模拟值的平均值，mm；n为数据总量。

1.3.3 时空趋势分析方法

采用世界气象组织推荐的Mann-Kendall 非参数化趋势检验法［25，26］对SWH 模型模拟的蒸散发进行趋势分析，Mann-Kendall的检验统计量S可定义如下：

式中：xj和xi为趋势检验的随机变量；n为数据序列长度；该检验统计量S为正态分布，均值为0，方差计算公式如下：

当n＞10时，标准化统计量Z通过下式计算：

式中：j＞i＞1；统计量Z表示趋势及其显著性，当Z＞0时表示增加趋势，当Z＜0 时表示降低趋势。本文采取95%置信区间下的阈值（±1.96）为显著性判定值。

1.3.4 敏感性分析方法

基于SOBOL 敏感分析法［18］对影响蒸散发组分的因素进行定量评估，计算公式为：

式中：X为总方差；Xi为变量i贡献的方差；Xi，j为变量i与j相互作用贡献的方差。根据SOBOL全局敏感性方法的定义，一阶与总阶敏感系数计算方式为：

式中：Si为变量i的一阶敏感性系数；Si，j为变量i的二阶敏感性系数；STi为变量i的总阶敏感性系数。

1.3.5 数值实验归因分析

在研究中，SWH双源模型共有八种驱动数据，分别为气温TEM、降水PRE、风速WS、相对湿度RH、净辐射RN、光合有效辐射PAR、植被指数NDVI以及土地利用覆盖类型LUCC。除LUCC以外，本文通过数值实验的方法来解释其余7种数据对流域蒸散发组分的实际变化贡献，核心思路为设计一个对照实验过程和7个情景实验过程。其中对照实验采用原始驱动数据进行输入计算，代表着气候变化和下垫面条件综合影响下的流域蒸散发动态过程；每个情景实验分别采用6 种原始驱动数据和一种非趋势化数据序列进行输入计算，代表着6 种驱动因素影响下的流域蒸散发动态。通过对每个情景实验的模拟蒸散发组分和对照实验的蒸散发组分进行比较分析，计算出每种驱动因素的实际贡献量，具体方法见［27］。计算公式为：

式中：CNE(xi)是xi对基于数值实验方法的流域蒸散发变化的贡献量；xi为第i个驱动因素；TET为基于线性回归法的对照实验的蒸散发变化斜率；TETxi为基于第i个情景实验的蒸散发变化斜率。

2 结果与分析

2.1 蒸散发模拟结果的验证

模型在站点上的验证评价指标计算结果如表1所示。模型模拟值与通量站实测值在各时间尺度下的相关系数均较高，8天、月、季与年尺度下的相关系数分别为0.92、0.95、0.96 和0.85。结合图2（a）可知，模拟值与实测值的拟合情况较为良好，整体上模拟值略大于实测值。模拟值与实测值在8天尺度下的平均绝对误差和均方根误差分别为0.52 mm和0.70 mm。

表1 基于千烟洲站实测数据的SWH模型模拟验证结果Tab.1 Validation results of SWH dual-source model simulation based on observation data of Qianyanzhou Station

图2 基于千烟洲站实测数据和MODIS遥感数据对SWH双源模型在8天尺度模拟验证Fig.2 Validation results of SWH dual-source model on 8-day scale based on observation data of Qianyanzhou Station and MODIS remote sensing data

在流域尺度上的验证结果如表2 和图2（b）所示。SWH 模型模拟值与MODIS 参照值在8 天、月、季与年尺度下的相关系数分别为0.89、0.94、0.98 和0.73，模拟值与参照值一致性好。8天线性拟合斜率小于1，说明模拟值相较参照值略小，平均绝对误差与均方根误差分别为0.43 mm和0.59 mm。

表2 基于MODIS遥感数据的SWH模型模拟验证结果Tab.2 Validation results of SWH dual-source model simulation based on MODIS remote sensing data

2.2 流域蒸散发时空演变特征分析

图3 为鄱阳湖流域蒸散发总量（ET）、土壤蒸发（Es）和植物蒸腾（Ec）的年际变化过程。对ET而言，年平均值为829.5 mm，年最大值出现在2009年，为867.6 mm，年最小值则出现在2015年，为761.8 mm。总体上，ET以1.0 mm/a的速度下降，但在0.05显著性水平下趋势性不显著。其中，夏季和秋季ET分别以0.4 mm/a 和0.7 mm/a 的速度下降，而春季ET则以0.1 mm/a 的速度增加，在0.05显著性水平下趋势性均不显著（表3）。

表3 蒸散发组分及蒸发占比年际MK趋势统计量Tab.3 MK trend statistics for evapotranspiration components and evaporation ratio

图3 鄱阳湖流域蒸散发组分年际变化Fig.3 Interannual variation of evapotranspiration components in Poyang Lake Basin in years

Es年均值为553.4 mm，以2.6 mm/a 的速度显著下降。春季、夏季、秋季和冬季Es分别以0.6、0.8、1.2 和0.2 mm/a 的速度减少。其中秋季Es在0.05 显著性水平下呈显著变化趋势（表3）。

Ec年均值为276.1 mm，以1.7 mm/a 的速度不显著增加。春季Ec以0.7 mm/a 的速度显著性增加。夏季、秋季和冬季Ec的季值分别为150.4、72.4 和6.6 mm，分别以0.4、0.4 和0.1 mm/a 的速度呈不显著增加（表3）。

图4 为鄱阳湖流域Es/ET年际变化过程。结合表3 可以看出，在2001-2017年间，鄱阳湖流域年Es占ET的比例呈下降趋势（P＜0.05），年Es/ET以0.28%/a 的速度显著下降。在季节方面，冬季Es/ET＞春季＞秋季＞夏季，年均值分别为91.52%、79.08%、69.85%和59.51%。其中，仅夏季Es/ET以0.05%/a 的速度呈不显著下降；而春季、秋季和冬季Es/ET则分别以0.41%/a、0.32%/a 和0.27%/a 的速率呈显著下降趋势。虽然鄱阳湖流域年Ec呈一定的增长趋势，但由于Es的下降趋势更为显著，导致Es/ET总体呈现年际显著的下降趋势，尤以春季和秋季Es/ET的变化为主要贡献。

图4 鄱阳湖流域年、季尺度蒸发占比年际变化Fig.4 Interannual variation of evaporation ratio at annual and seasonal scales in Poyang Lake Basin

在空间上，鄱阳湖流域年均ET总量呈现中部高、四周低的特征，各子流域及湖区空间分布存在显著差异［图5（e）］。其中ET最大的区域为鄱阳湖湖区，其次为赣江流域上游地区，低值多分布在流域边际地势较高的地区，尤其是修河流域中部和信江流域南部。流域中部区域如湖区、抚河流域及赣江流域上中游地区ET呈增加趋势，而流域东西部如修河流域、饶河流域和信江流域则呈现下降趋势，其中饶河流域下降趋势最为显著［图6（e）］。

图5 鄱阳湖流域春季、夏季、秋季、冬季与年蒸散发空间分布Fig.5 Spatial distribution of evapotranspiration in the Poyang Lake Basin in spring，summer，autumn，winter and years

图6 鄱阳湖流域春季、夏季、秋季、冬季与年蒸散发趋势变化Fig.6 Distribution of temporal trend of evapotranspiration in the Poyang Lake Basin in spring，summer，autumn，winter and years

在季节分布上，春季ET空间分布与年ET类似［图5（a）］，鄱阳湖湖区、赣江流域和饶河流域为春季ET最大的区域。就时变趋势而言，仅赣江流域西部山区约占3.95%的区域呈现显著的下降趋势，其余地区均不显著。以湖区为中心的流域中部地区呈增加趋势，尤其是抚河流域，共占24.06%的流域面积［图6（a）］。相较于春季，夏季ET空间分布与地势的关系较为密切，以湖区为中心的平原地区ET最大，其次为赣江流域中部地区，而地势较高的山区ET最小［图5（b）］。夏季ET除湖区呈不显著增加趋势以外，90%以上的流域均呈下降趋势。其中以饶河流域和信江流域下降趋势最为显著，约占总面积的21.65%，空间差异明显［图6（b）］。秋季ET整体呈不显著变化的趋势，趋势增加的区域约为33.88%，基本集中在湖区平原及赣江流域南部地区［图6（c）］。冬季ET空间分布与秋季类似，仅在湖区和赣江流域南部ET较大，其他子流域地区ET均较小，修河流域最小［图5（d）］。趋势上冬季ET在流域大部分地区均呈现增加趋势，在湖区和赣江流域中部呈显著增加的趋势［图6（d）］。

图7 为鄱阳湖流域2001-2017年Es/ET时变趋势的空间分布。流域80%以上的地区年Es/ET呈下降趋势，仅湖区中部以及赣江流域西部山区呈增加趋势。其中，33.86%的区域呈显著下降趋势，主要集中在湖区南部平原以及信江流域［图7（e）］。春季、夏季、秋季和冬季Es/ET呈下降趋势的流域面积分别占80.26%、61.41%、86.11%和76.80%，其中显著下降的流域面积分别为27.17%、11.76%、34.86%和23.47%。春季和冬季Es/ET空间趋势变化特征较为相似，Es/ET增大的区域主要在鄱阳湖湖区和赣江流域局部地区，冬季湖区Es/ET呈显著增大的趋势，春季信江流域Es/ET则呈显著下降的趋势［图7（a）、（d）］。夏季Es/ET整体空间上趋势变化不显著，趋势增加的区域主要在流域中部，饶河流域Es/ET趋势增加最为明显［图7（b）］。秋季Es/ET增大的面积仅占13.89%，且集中在鄱阳湖湖区，湖区南部平原和信江流域中部Es/ET则呈现显著的下降趋势［图7（c）］。

图7 鄱阳湖流域春季、夏季、秋季、冬季与年蒸发占比趋势变化Fig.7 Distribution of temporal trend of evaporation ratio in Poyang Lake Basin in spring，summer，autumn，winter and years

2.3 流域蒸散发组分敏感性分析

针对植被指数（NDVI）、光合有效辐射（PAR）、降水（PRE）、相对湿度（RH）、净辐射（RN）、气温（TEM）和风速（WS）等七种影响因子对流域蒸散发总量及其组分进行敏感性分析。结果表明，流域ET变化的主要敏感因素为TEM和WS，其总阶敏感系数分别为0.47 和0.57，其次为PRE和RN（表4）。其中，春季和夏季ET的敏感系数排序一致，为WS＞TEM＞RN＞RH＞PRE＞NDVI＞PAR，而秋季和冬季ET对PRE较为RH更加敏感，其总阶敏感系数分别为0.42 和0.44。同时，各影响因子的敏感系数在年内的分布变化有所差异，ET对WS、TEM、PRE和RH的敏感系数均呈先减小后增大，对NDVI则呈先增大后减小；ET对RN在春夏季的敏感系数波动幅度较大，而对PAR的敏感系数在全年无明显变化［图8（a）］。

表4 基于SOBOL分析法的蒸散发总量年际总阶敏感系数Tab.4 Interannual sensitivity coefficient of total evapotranspiration based on SOBOL method

图8 鄱阳湖流域蒸散发总量、蒸发占比、土壤蒸发与植被蒸腾的敏感系数年内变化过程Fig.8 Sensitivity coefficient of total evapotranspiration，evaporation ratio，soil evaporation，plant transpiration in Poyang Lake Basin in annual process

Es/ET的主要敏感因素为NDVI，其总阶敏感系数为0.71，其次为TEM和PRE（表5）。在季节方面，Es/ET在各季节对NDVI最为敏感，在秋冬季对PRE和TEM较为敏感，在春夏季则对WS和TEM较为敏感。在年内和年际分布变化中，Es/ET对各影响因子的敏感系数也呈现出明显的差异，排序为NDVI＞TEM＞WS＞PRE＞RN＞PAR≈RH，且除NDVI以外Es/ET对其他影响因子的敏感系数在年内均呈先减小后增大的变化过程，尤以TEM和PRE变化幅度最大［图8（b）］。对ET和Es/ET的敏感性分析表明流域ET受到的影响主要集中在气候因素方面，而Es/ET受到的影响则主要为下垫面因素，尤其是植被相关的因素。

表5 基于SOBOL分析法的蒸发占比年际总阶敏感系数Tab.5 Interannual sensitivity coefficient of evaporation ratio based on SOBOL method

在对Es和Ec的敏感性分析结果中可以看出，Es的敏感性分析结果与ET较为接近，而Ec的敏感性分析结果则与Es/ET较为接近（表6、7）。对Es而言，除WS和TEM是最主要的敏感因子以外，Es对NDVI、RN和PRE的敏感性较大，其总阶敏感性系数分别为0.31、0.32 和0.35。Es对各影响因子的敏感系数在年内的变化过程与ET较为一致，对NDVI则更加敏感，尤其是在夏季，其敏感系数为0.40，而在该季对TEM的敏感系数为0.37［图8（c）］。Ec在各尺度下的主要敏感因素为NDVI，年Ec对NDVI的总阶敏感系数为0.72，其次为TEM和WS，对PRE的敏感性较低。年内各敏感系数的变化也与Es/ET一致［图8（d）］。

表6 基于SOBOL分析法的土壤蒸发年际总阶敏感系数Tab.6 Interannual sensitivity coefficient of soil evaporation based on SOBOL method

表7 基于SOBOL分析法的植被蒸腾年际总阶敏感系数Tab.7 Interannual sensitivity coefficient of plant transpiration based on SOBOL method

2.4 流域蒸散发归因分析

在敏感性分析的基础上，本文对2001-2017年鄱阳湖流域气温TEM、降水PRE、风速WS、相对湿度RH、净辐射RN、光合有效辐射PAR和植被指数NDVI等7 种流域蒸散发的影响因子进行时间演变趋势分析。结果显示，2001-2017年鄱阳湖流域四种气象因子TEM、PRE、WS和RH均呈不显著增加趋势（P＜0.05），TEM和WS在秋季增长趋势显著，PRE在夏季增长趋势显著（表8）。各气象因子的空间特征存在较大差异，流域TEM呈南高北低、中高周低的特征；流域PRE则表现为自西向东逐渐增加的空间特征；流域WS表现为周高中低的特征，28.46%的地区变化趋势显著；流域RH则表现为由北向南先增大再减小的特征。流域RN和PAR均呈不显著下降趋势（表8），空间上RN呈中高周低的特征，以湖区为中心向四周逐渐递减，27.92%的地区呈显著下降趋势，主要分布在湖区、饶河流域等北部地区。流域PAR呈现为南北高、中间低的特征，峰值集中在湖区附近。流域年NDVI呈显著增加趋势，春季、秋季和冬季NDVI也均呈显著增加的趋势（表8）。NDVI在空间上表现为周高中低的特征，以湖区为中心向四周逐渐增加，峰值主要分布在流域周边地势较高的地区，49.51%的地区NDVI呈显著增加趋势，主要分布在湖区南部、赣江流域和信江流域。

表8 蒸散发驱动影响因素年际MK趋势统计量Tab.8 MK trend statistics for driving factors of evapotranspiration

对鄱阳湖流域2001-2017年蒸散发总量（ET）、蒸发占比（Es/ET）、土壤蒸发（Es）和植被蒸腾（Ec）的实际变化成因进行研究分析。结果显示：对年ET而言，NDVI和PRE对流域ET的贡献量分别为0.378 和0.750，RH和RN对ET的贡献量分别为-0.441 和-1.169（表9），说明鄱阳湖流域年ET增加主要由NDVI和PRE的变化引起，ET下降则主要由RH和RN的变化导致。结合RH、RN和WS的年际变化趋势分析可知，年RH的增大和RN的下降是导致流域年ET呈下降趋势的主要原因，WS增大对年ET的贡献量则较小。

表9 鄱阳湖流域蒸散发总量驱动影响因素的贡献量特征Tab.9 Characteristics of contribution of driving factors of total evapotranspiration in Poyang Lake Basin

在季节方面，鄱阳湖流域各影响因素对春季ET变化的实际贡献均较为明显，RN和NDVI对流域春季ET变化的贡献量最大，其贡献量分别为-1.364 和0.462。夏季ET下降的主要原因来源于RN和RH，贡献量分别为-0.649 和-0.290。秋季RN、RH和WS对流域ET的负贡献量较大，分别为-3.723、-1.819 和-1.770，同时秋季ET对RN、RH和WS均较为敏感，因此秋季ET表现为下降趋势。冬季ET变化的主要贡献来源于PRE和RN，实际贡献量分别为-2.054 和1.017，且均为冬季ET较为敏感的影响因素。

对年Es/ET而言，NDVI的实际贡献量为-1.233，PAR、PRE和WS的实际贡献量分别为0.242、0.258 和0.154（表10）。年Es/ET最主要的敏感因素即为NDVI，这与年Es/ET变化的实际贡献量特征一致（表5）。流域Es/ET整体表现为显著性下降的变化趋势，其主要原因即为流域NDVI呈显著性增加的变化。

表10 鄱阳湖流域蒸发占比驱动影响因素的贡献量特征Tab.10 Characteristics of contribution of driving factors of evaporation ratio in Poyang Lake Basin

各季Es/ET的实际贡献特征与年Es/ET较为一致（表10）。对春季Es/ET的变化起主要贡献作用的是NDVI，其次为PAR，贡献量分别为-1.161 和0.230，NDVI显著增加的趋势变化是流域春季Es/ET显著性下降的主要原因。夏季Es/ET的负贡献量主要来源于NDVI和RH，实际贡献量为别为-0.950 和-0.505，整体上略大于PAR、PRE和WS的正贡献量，因此夏季Es/ET呈下降趋势，但变化趋势不显著。秋季NDVI对流域Es/ET的实际贡献量为-1.212，NDVI显著增加是秋季Es/ET显著下降的主要成因。NDVI是冬季Es/ET最敏感的驱动影响因素，实际变化贡献量为-1.786，此外RN对冬季Es/ET的贡献量也为-0.746，冬季NDVI和RN增加是Es/ET呈显著性下降的主要原因。

鄱阳湖流域年Es的主要敏感因素为TEM和WS，对流域年Es起主要贡献作用的影响因素为RN、NDVI、PRE和RH，贡献量分别为-0.591、-0.531、0.503 和-0.273（表11）。整体上鄱阳湖流域RN、NDVI和RH的负贡献量大于正贡献量，因此流域年Es呈显著的下降趋势。结合RN、NDVI和RH年际变化趋势可知，流域年Es变化的主要成因在于年RN下降和NDVI、RH增加。对Ec而言，流域年Ec的主要贡献来源于NDVI、RN和PAR，贡献量分别为1.152、0.537和0.488，流域年NDVI和PAR的增长是Ec呈增长趋势的主要原因（表12）。在季节方面，春季、秋季和冬季Ec驱动影响因素的贡献量特征与年Ec类似，NDVI是对各季Ec贡献量最大的影响因素，贡献量分别为1.169、0.633 和0.878。

表11 鄱阳湖流域土壤蒸发驱动影响因素的贡献量特征Tab.11 Characteristics of contribution of driving factors of soil evaporation in Poyang Lake Basin

表12 鄱阳湖流域植被蒸腾驱动影响因素的贡献量特征Tab.12 Characteristics of contribution of driving factors of plant transpiration in Poyang Lake Basin

3 讨 论

在模拟估算流域蒸散发及其组分的过程中，由于模型机制将流域水体看作为含水率接近100%的“土壤”，从而模拟估算Ec和Es，而对于鄱阳湖流域而言，湖区水体面积占比较大，这样的处理可能导致流域Ec和Es的估算误差。同时，不同的植被指数对流域植被变化的反映存在一定差异，主要体现在植被指数对下垫面FPAR估算具有不同的适应性［28］，在森林FPAR估算中增强型植被指数（EVI）更有优势［29］，而对部分农作物生育期FPAR估算中NDVI与FPAR的相关性则更高［30］，鄱阳湖流域植被覆盖率较高，年均NDVI为0.578，除冬季以外其余时段NDVI均在0.5 以上，在植被生长季阶段NDVI可较好地模拟不同下垫面条件的FPAR，而在非生长季或植被茂密地区NDVI对流域植被变化的表征程度有所不足，导致FPAR的估计存在一定的偏差，这也导致本研究估计的ET和Ec存在一定的不确定性。在研究时段内鄱阳湖流域曾多次发生严重干旱事件，而较为直接反映干旱情况的降雨数据并非是作为模型公式的变量进入模拟的过程［13］，且气温、降雨等气象实测数据均是通过ANUSPLIN 空间插值得到流域面尺度数据，这也可能导致模型模拟误差，后续可通过对多元数据及多种模型的比较分析，进一步提高对该流域蒸散发时空动态规律的认识。

ET的时空动态受到气候变化、下垫面条件等多方面因素的影响，对ET各组分作单独的分析可进一步明确ET的响应变化机理。近年来鄱阳湖流域经历了显著的气候变化过程，流域年均气温快速增长，暖化趋势明显［8］，降水量及降水日数则明显减少，降水时空分布不均［6］；鄱阳湖流域自20世纪90年代以来实施了大规模的“退耕还林还草”等生态工程，流域植被覆盖率大大增加［7］。这些气候和下垫面的变化对蒸散发组分造成了一定的影响。本文基于SWH 模型模拟得到2001-2017年鄱阳湖流域ET、Es、Ec和Es/ET，并对其进行时空变化趋势和影响因素的分析。研究结果表明，鄱阳湖流域年均ET为829.5 mm，多年波动范围为761.8～867.6 mm，与刘冲［7］等和赵晓松［8］等研究结果较为接近，总体上以1.0 mm/a 的速度下降；鄱阳湖流域ET在研究时段内各尺度下的变化趋势均不显著，夏季和冬季ET的趋势性结果与秦晓晨［31］等一致，但Es/ET在除夏季以外均呈现出显著的下降趋势，说明流域Ec相对于Es增加趋势明显，在各时段内Ec在ET中的占比显著增大，流域蒸散发组分存在着明显的变化情况，流域蒸散发结构正在发生一定的变化。对于Es而言，仅在秋季呈现出显著的下降趋势，在其他时段内变化趋势均不显著；年Ec以1.7 mm/a 的速度不显著增加，春季Ec增加趋势显著；在ET总量同样变化不显著的情况下，Ec在各时段内的趋势变化可能决定着ET总量的变化情况。通过对Es/ET在年内及年际的分布变化可知，2001-2017年鄱阳湖流域年Es/ET以0.28%/a 的速度减小，2012年以前Es/ET年均水平约为76%，而在2012年以后年均水平约为73%，春季、秋季和冬季也均有3%左右的降幅；Es/ET在年内3-8月降幅为33.17%，尤其在植被生长季（3-6月）月均下降8%左右，在7-9月则维持在2%左右，进一步可以说明Ec相较Es对ET总量起着更加重要的影响作用。

结合上述流域背景情况［6-8］以及敏感性分析结果可知，ET和Es对TEM、WS和PRE等气候因素更加敏感，而Es/ET和Ec对NDVI等下垫面因素更加敏感，且Es对NDVI也具有一定的敏感性，各变量对RN和PAR等能量因素的敏感性程度一般，刘冲［7］等和赵晓松［8］等也认为TEM等气候因素对流域ET影响较大，但在RN等能量因素的分析上存在着一定差异。植被条件改善是驱动流域ET增长的主导因素，气候变化是导致ET年际波动的主要原因［7］，而主要体现在对流域蒸散发组分Ec的影响，Ec对NDVI的敏感系数为0.72。因此鄱阳湖流域气温增长、暖化趋势明显可能是导致年Es显著下降的主要原因，而流域内开展的生态修复工程使得植被覆盖率大大增加，植被冠层吸收的光合有效辐射增加，导致Ec在春季显著增大、Es/ET下降趋势显著。

4 结论

（1）SWH双源模型在站点和流域尺度上均取得了良好的模拟效果，适用于鄱阳湖流域蒸散发的模拟。

（2）在2001-2017年期间，流域年均ET变化趋势不显著，年Es和Es/ET均呈显著下降趋势。Ec全年呈增大趋势，在春季显著增大，导致Es/ET显著下降，尤其是在湖区南部平原和信江流域。

（3）鄱阳湖流域年ET和Es变化的主要敏感因素为TEM和WS，其次为PRE和RN。其中秋季和冬季受PRE影响较大，Es对NDVI也较为敏感。Ec和Es/ET在年、季尺度下的主要敏感因素均为NDVI，其次为TEM。

（4）鄱阳湖流域对ET变化贡献最大的影响因子为RN、PRE和RH，年RN下降和RH增大是导致流域年ET呈下降趋势的主要原因。流域年Es/ET显著下降的主要原因为NDVI显著性增加。对流域Es起主要作用的影响因子为RN、NDVI和RH，年Es显著下降的主要成因在于RN下降和NDVI、RH增加。流域Ec显著增大的主要原因为NDVI和PAR增大，NDVI是各季Ec增大的主要成因。