2001—2020 年四川省地表蒸散与干旱变化特征

王旭, 秦翔宇, 苏子昕, 王鑫, 青玲萱, 薛飞阳, 杨存建

四川师范大学地理与资源科学学院

蒸散作用是大自然的水循环进程中最重要的机制与变量之一，是制约着全球自然生态系统演化的最重要因素，它还在全球环境的构建上起着至关重要作用[1]。一般，70%的地表雨水都以热蒸散的形式返回海洋中，但在半干旱地区，这一数量却高达90%。旱灾是一个很普遍的自然灾害，在气候变化的大背景下，其出现的时间频率和空间格局都会出现变化，对地方经济社会发展和粮食安全都造成了不稳定性[2]。干旱地区蒸散对下垫面的影响非常灵敏，并控制了蒸散的影响格局[3]。据此，通过深入研究海洋和地表蒸散量的干旱变化及其特征，也就可以对区域资源的合理分配提出科学依据，对水文模拟、生态农业和环境保护等领域，均存在着重要的研究价值和研究意义。近几十年来，随着NASA 科学家们的努力，一系列具体的海洋远程遥感蒸散作用模型应运而生，其中最著名的是Peaman-Monteith 方程，它可以准确反映陆地的表面状况，而最近推出的MOD16 则更是可靠，它的准确性达到86%，并且获得了国际认可[4]。CWSI，一种建立在能量平衡原则之上的方法，它（Crop Water Stress Index）的物理含义清晰，可靠性强，而且可以提供较高的计算准确率，因而被广泛地应用于探索大规模蒸发的变化规律[5]。

四川省气候特点主要为区域差异大，自然资源分配不均，自然灾害频发，严重制约了当地的农业发展[6]。已有学者对代表站点对潜在蒸散量进行研究，探讨了影响作物蒸散的主要因素[7]。由于前人对于土壤蒸散作用的探讨，大多是根据站点气象资料预测的，对于土壤地表和垫层植物生长等要素考察不足，目前虽然已采用了尽可能多的地面测候站，但还是面临着台站数量稀疏的困难问题。当利用经验模式对预测所获得的各站土壤地表分布量外插内推时，因为四川盆地土壤多样而出现了很大偏差。近年来，采用卫星遥感技术进行土壤蒸散反演算法也比较可行，何慧娟等人根据MODIS 遥感数据资料的收集结果，采用作物缺水指数方法，探讨了陕西省关中地区的旱灾特点[8]。尼格娜热·阿曼太等使用可变下渗过程模拟技术模拟艾比湖流域的水文过程，分析了区值实际蒸发散量的日、年、日时间规律[9]。褚荣浩等利用MOD16 数据分析了安徽省蒸散和干旱变化的影响因素[10]。但研究过程中选取的气象站点数量不足，研究结果缺少说服力，且对不同土地利用类型下的蒸散研究与变化情况分析也较少。因此选取了MOD16 遥感数据，以及四川省气象站点常规观测数据，结合变异系数、趋势分析方法和Mann-Kendall 检验（M-K），探讨了2000 年—2020 年地表ET、PET 和CWSI 变化和不同土地利用状况下的ET、PET 和CWSI 的变化特征，并为四川省农业发展，水资源合理分配和经济发展提供科学依据。

1 研究区概况

四川（97°21′～108°12′E，26°03′～34°19′N），位于我国西南中心腹地，长江上游流域，地处长江流域中下游平原和青藏高原中间的过渡带。河流众多，以长江水系为主。地处亚热带湿润气候，年均温16—18℃，年降水量900—1 200 mm，降水主要集中在5—10 月，容易引发洪涝灾害，季风气候明显，雨热同期。四川地貌复杂，以山地为主要特点，分布有山地、丘陵、平地和草原等四种主要地貌类型，分别为全省国土面积的74.2%、10.3%、8.2%、7.3%，也是我国山地资源最为集中的区域之一[1]。

2 数据来源

2.1 高程数据

采用的是数字高程模型（Digital Elevation Model，DEM），空间分辨率为90m，数据来源于地理空间数据云（https://www.gscloud.cn/）。

2.2 遥感数据

采用的是第六版的MOD16 遥感蒸散产品数据，空间分辨率为500 m，数据来源为美国NASA（https://ladsweb.modaps.eosdis.na sa.gov/archive /），它是以Penman-Monteith 公式为基础计算得到的，但MOD16 对裸土、沙漠地区的蒸散发不进行计算，数据原始分辨率为500 m，时间分辨率为8 天，时间跨度为2001—2020 年。数据集主要包括实际蒸散量（ET）、潜热通量（LE）、潜在蒸散量（PET）和潜在潜热通量（PLE），该数据已在全球范围内得到了广泛验证与使用。

2.3 土地利用数据

图1 四川省概况图（2020 年）Fig. 1 Overview map of Sichuan Province

该产品采用武汉大学制作的中国年度土地覆盖数据集（annual China Land Cover Dataset, CLCD），将四川省土地利用类型分为9 种，分别为农田、森林、灌木、草地、水体、冰雪、裸地、不透水面和湿地[11]。数据来源为武汉大学遥感信息处理所（http://irsip.whu.edu.cn/index.php）。

3 研究方法

3.1 作物缺水指数（CWSI）

基于热力学定律的作物缺水指数法，具有物理学上的显著性，其可操作性强、覆盖面宽，而且具有较高的计算准确性，已经被普遍地运用于干旱的监控。具体计算公式如下：

式中，ET 表示实际蒸发量（mm），PET 表示潜在蒸发量（mm），这是指该地区在充分供水时的蒸发量。这个公式表明，CWSI 值在0—1 之间，值越大，说明该地区越干旱，反之，说明该地区越湿润。

3.2 趋势分析

非参数Mann-Kendall（M-K）检验[12]。基于H0为一系列数据，xi是独立、均匀分布，而H1则是位于X 中，并呈现出单调的特征。因此，可以用统计学方法来计算S 以及标准化检验统计量Z，其计算方法可以用以下方程来表示：

式中，xj表示第j 年的数据，xi 表示第i 年的数据，而n 则表示该时间序列的总长。统计量S 大多呈正态分布，且n≥8），而它的平均值E（S）以及它的方差Var（S）的计算可以用以下的公式来表示：

q 代表一致的编号，而tp则指的是在第p 次步骤中，该公式所得出的结果。

其中Z 为时间序列数据的变化趋势，Z＞0 和Z＜0 分别表示时间序列数据呈上升或下降趋势。如果|Z|＞Z(1-a/2)，说明该假设不成立，且时间序列数据有显著的变化趋势。Z(1-a/2)为标准正态分布表中的标准正态偏差。

通过Theil-Sen’s 估计方法，可以准确地评估相关变量的变化趋势，以及它们之间的关系。

β 代表了估计出的数据序列的变化趋势，它可以用来描述时间j 和i 之间的变化情况。当β＞0 时，表明该序列数据正在不断增长，而当β＜0 时，则表明该序列数据正在减少。

3.3 变异系数

计算逐年ET、PET 和CWSI 栅格数据的变异系数（Coefficient of Variation，CV），以此来反映各要素在近20 年的变异程度，统计分析研究区ET、PET 和CWSI 在空间分布上的稳定性，具体计算公式如下：

其中，SDij为第i 行、第j 列的像元的标准差，为第i 行第j 列的像元年均值。CV 越大，表明各要素分布越离散，且在时间序列上波动较大；反之，CV 越小，表明各要素分布较集中，且在时间序列上较稳定。为直观反映四川省各要素变化特征，将CV 分为5 个等级[13]。

4 结果与分析

4.1 四川省ET、PET 和CWSI 时空变化特征

由图2 可知，四川省2001—2020 年ET 呈增长趋势，增长速率为6.7739 mm·a-1；PET 呈减少趋势，减少速率为5.1192 mm·a-1；CWSI 呈减少趋势，减少速率为0.0045·a-1。ET 的上升趋势较为平缓，PET 的下降趋势也较为平缓，而CWSI 的下降趋势相比ET 和PET 更加快速。

表1 CV 波动性等级表Tab. 1 Volatility scale of CV

图2 四川省2001 年—2020 年ET、PET 和CWSI 年变化特征Fig. 2 Annual change characteristics of ET, PET and CWSI in Sichuan Province from 2001 to 2020

由图3 中ET、PET 和CWSI 的空间变异分布图中可发现，四川省地区平均ET 值在0—1 390 mm 之间，总体呈现出中西部地区高，东部地区低的特征，尤其以四川盆地地区为最低。年均PET 位于0—2 550 mm 之间，总体呈现四川盆地地区稍低，而其余地区较高的特点。年均CWSI 则呈现东部和西部地区较高，中部地区偏低的特点，CWSI 的值在0.067—0.918 之间。这表明四川省总体呈现东部和西部地区较为干燥，而中部地区较为湿润的气候特点，其中湿润地区主要包括成都、眉山、德阳、雅安和绵阳地区。

图3 四川省2001 年—2020 年ET、PET 和CWSI 的空间分布特征Fig. 3 Spatial distribution characteristics of ET, PET and CWSI in Sichuan Province from 2001 to 2020

根据图4 和表2 的数据，可以发现，在2001 年至2020 年期间，四川省的CWSI 变化呈现出明显的下降趋势，大约占总面积的65.37%。相比之下，其余地区的CWSI 变化并不明显，只有4.37%和0.07%的地区出现了显著的增加。ET 显著增加地区和不显著增加的地区仅有四川省中部少部分地区，大部分位于雅安市，其余地区基本呈显著减少和不显著减少趋势。ET 变化趋势总体上呈不显著增加趋势，占总面积的72.48%；其次为不显著减少和显著增加趋势，分别占总面积的17.09%和9.83%；显著减少趋势最少，面积占比仅为0.6%。ET 呈现显著减少和不显著减少的地区为雅安、凉山和乐山部分地区，其余地区均呈显著和不显著增加趋势。PET 变化趋势总体比较稳定，主要呈不显著减少和不显著增加趋势，占总面积的51.74%和42.73%；其余地区呈显著减少和显著增加趋势，占总面积的3.65%和1.88%。四川省PET 总体呈现东部地区不显著减少趋势，而西部地区则呈现不显著增加趋势。

表2 CV 波动性等级表Tab. 2 Volatility scale of CV

图4 四川省2001—2020 年CWSI、ET 和PET 变化趋势和显著性检验空间分布Fig. 4 Spatial distribution of ET, PET and CWSI trends and their significance in Sichuan Province from 2001 to 2020

根据图5 可知，四川省的ET 变化情况总体上表现出较低的波动性，在四川盆地东部和西北高原地区，波动性更加明显。而PET 变化情况则表现出高波动性和低波动性，在遂宁、南充和资阳等地区表现出低波动性，而在巴中、广元、绵阳、成都和乐山等地区，表现出高波动性。CWSI 总体呈现低波动性，除了东北和东南部少部分地区以外，CWSI 波动性都维持在较低水平。

图5 四川省2001—2020 年ET、PET 和CWSI 变异系数空间分布Fig. 5 Spatial distribution of variation coefficients of ET, PET and CWSI in Sichuan Province from 2001 to 2020

4.2 不同土地利用类型下的ET、PET 和CWSI变化特征

通过ArcGIS10.2 的分析，可以深入研究各种土地利用类型的ET、PET 以及CWSI 的变动情况，从而获得2001-2020 年期间各个地区的数据，最终得到该时期的平均数据。根据图6 可以看出，按照ET 值从高到低，分别是灌木、草原、森林、湿地、农田、水域、裸地、不透水面以及冰雪这几类土地利用类型。灌木、草地、森林和湿地这几种土地利用类型的ET 值整体表现出了逐渐增加的特征，但是在其他地方的ET 值增长却并未表现出太大的差异。PET 值在不同的土壤中表现出了明显的差异，其中，湿地的PET 值最大，其次是灌木、草原、树林、水体、不透水面、裸地，最后是冰雪，而这些PET 值的变化趋势与整个区域的PET 值的变化趋势大致一致，均在逐渐减小。各土地利用类型对应的CWSI 值则总体呈现下降趋势。其中，不透水面的CWSI 值最高，而裸地和冰雪的CWSI 值最低，其余各地类对应的CWSI 值则差异不明显。

图6 不同土地利用类型ET、PET 和CWSI 变化特征Fig. 6 Variation characteristics of ET, PET and CWSI in different land use types

5 结论与讨论

5.1 结论

通过对MODIS 遥感数据、CLCD 数据、水分亏缺指数、变异系数、趋势分析方法及其显著性检验检验的综合分析，探究了四川省2001—2020 年的地表蒸散与干旱的时空变化特征。结论如下：

时间上，四川省2001—2020 年ET 总体呈不显著增加趋势，增长速率为0.6674 mm·a-1。总的来说，PET 没有明显的下降趋势，下降幅度为0.5199 mm·a-1。相比之下，CWSI 有明显的下降趋势，下降幅度为0.0045 mm·a-1。

空间上，四川省年均ET 位于0—1 390 mm，高值区域主要位于西部高原区域，低值地区主要位于四川盆地。变化趋势在-4—4.29 mm·a-1之间，总体呈显著增加趋势以及低波动性和较低波动性。PET位于0—2 550 mm，除了四川省中部少部分地区为低值区域，其余皆为高值区域。变化趋势在-15.14—17.95 mm 之间，总体呈不显著减少趋势以及低波动性和高波动性。CWSI 位于0.066—0.917，高值区域位于四川省东部和西部，而低值区域位于四川省中部地区。变化趋势-0.0366—0.0208 之间，总体呈显著减少趋势以及低波动性。

基于武汉大学CLCD 土地利用数据将四川省土地利用分为9 类，分别为农田、森林、灌木、草地、水体、冰雪、裸地、不透水面和湿地，各土地利用类型对应的ET 值从高到低依次基本为灌木、草地、森林、湿地、农田、水体、裸地、不透水面和冰雪，PET 值从高到低分别为湿地、灌木、草地、森林、水体、不透水面、裸地和冰雪，而CWSI，不透水面的值最高，而裸地和冰雪的值最低，其余各地类对应的CWSI 值则差异不明显。

5.2 讨论

四川省蒸散相关的研究较少，多是基于站点尺度来进行分析参考作物的蒸散量。基于MOD16 遥感数据，分析了ET、PET 和CWSI 的变化特征，探讨了不同地类ET、PET 和CWSI 的差异，弥补了现有研究的不足。但由于四川省地表情况较为复杂，高差较大，数据精度不足，数据种类较少，研究方法较少，且影响ET、PET 和CWSI 的因素较多，因此还需提高数据精度，使用更多方法，并结合研究区实际情况来进行进一步分析。随着工业化和城市化的继续发展，ET、PET 和CWSI 的变化趋势是否会继续延续，研究区的生态系统会如何响应，也需要更全面的数据和更精确的方法来进行研究。