黃河下游大型引黃灌區蒸散發長期變化特性

雷慧閩,蔡建峰,楊大文,王鳳嬌

(1.清華大學水沙科學與水利水電工程國家重點實驗室,北京 100084;

2.聊城市位山灌區管理處,山東 聊城 252000;3.濱州市氣象局,山東 濱州 256600)

黃河下游灌區是中國主要糧食產區之一,由于該地區水資源總量十分有限,因而灌溉是糧食生產的重要保障之一,但灌溉同時也引起了地下水超采、河道斷流等嚴重的環境問題。水資源的合理配置需要定量掌握該地區的水循環規律。非濕潤農田地區的主導水文過程主要為垂向水分交換,主要表現為蒸散發引起的水分耗散[1]。例如,海河流域山區的蒸散發占降雨的88%[2],而農田的這一比例高達96%[3]。準確模擬蒸散發成為水循環模擬的重點。蒸散發既是水循環的關鍵要素,也是能量循環的重要部分(表現為潛熱通量),蒸散發將能量循環與水循環緊密結合。光合作用是聯系碳循環和水循環的紐帶,植物通過葉片氣孔控制CO2的吸收和蒸騰。水循環過程通過土壤水分脅迫影響植物生長,進而影響植物的光合作用和氣孔運動。水分、能量以及碳循環之間存在固有的緊密耦合關系。基于這一認識,模型已經從描述單一的水文循環過程的水文模型逐漸發展為耦合水分、能量及碳循環過程的生態水文模型[4-7]。驗證結果表明,生態水文模型能更加準確地描述水文循環過程,提高水文循環模擬的機理研究水平。

本文以分布式水文模型為框架,引入能量及碳循環耦合過程以增強對水文循環機理的描述,模擬了大型引黃灌區——位山灌區 1984—2006年間蒸散發的變化過程,并基于模擬結果分析蒸散發的變化規律,為水資源的高效管理提供依據。

1 研究方法

1.1 研究區域概況

位山灌區位于海河流域南系徒駭馬頰河流域上游,總面積約為5711km2,歷年平均引黃灌溉面積約為4448km2,氣候條件為半濕潤、溫帶季風氣候。灌區內農田占81%,城鎮用地占16%。大部分農田采用冬小麥/夏玉米輪種制。冬小麥一般10月中旬播種,次年6月收割;夏玉米一般6月中下旬播種,10月初收割。黃河是灌區的主要灌溉水源,灌渠下游的北部和西部輔有井灌。渠系由3條南北向干渠和若干條支渠組成,排水道為天然河道,見圖1。土壤類型主要有潮土和脫潮土 2種,其中潮土約占72%,脫潮土約占28%,主要分布在灌區的西北和東南部。

圖1 灌區位置及測站點分布

1.2 模型介紹

陸面過程模型因耦合了水分、能量和碳循環過程,是模擬地表蒸散發的有效工具,但未考慮地下水及側向匯流的模擬,對產流的模擬也較為簡單。為實現區域水文循環模擬的封閉性,將陸面過程模型與分布式水文模型相耦合。其中,陸面過程模型用于模擬網格內的蒸散發和土壤水,是模型的核心;分布式水文模型僅用于模擬產流、地下水變化和匯流過程。二者的耦合關系如圖2所示。陸面過程模型在簡單生物圈模型(SiB2)[8-9]基礎上根據灌區的特點進行修改[10]。SiB2由一系列具有物理機制的方程組成,描述了水量平衡、能量平衡、植被生化過程以及它們之間的相互耦合關系,主要用于模擬陸面與大氣之間的能量(包括凈輻射、顯熱通量和潛熱通量)、蒸散發以及CO2交換。模型中 ,蒸散發由4個部分組成,分別為植物蒸騰Ect、冠層表面截留水蒸發Eci、土壤蒸發Egs和土壤表面儲水蒸發Egi,計算公式如下:

圖2 網格單元內的模型結構示意圖

式中:Tc和Tg分別為冠層和地表的溫度;e*(Tc)和e*(Tg)分別為Tc和Tg對應的飽和水汽壓;ea為參考高度處的水汽壓;ρa為大氣密度;cp為定壓比熱容;γ為濕度計常數;λ為汽化潛熱;rc為冠層氣孔阻抗;rb為冠層邊界層阻抗;hsoil為土壤孔隙中的相對濕度;rsoil為土壤阻抗;rd為地面與冠層空間之間的空氣動力學阻抗;Wc,Wg分別為冠層和土壤表面的濕潤比(或雪的覆蓋率)。這些變量的計算方法見文獻[8]。

分布式水文模型由楊大文等[11]開發,是一個建立在數字高程模型(DEM)及GIS基礎上的以網格為基本單元的水文模型。根據灌區下墊面較為均一的特點,模型將灌區離散成2km大小的網格,并根據DEM、實測水系和流域邊界提取河網、匯流方向及地表坡度、高程等地形參數。產流包括坡面流、壤中流以及地下徑流3個部分,河道流量采用一維運動波方程組計算。這些過程的詳細描述見文獻[11]。

模型的輸入包括葉面積指數和氣象數據,包括風速、降雨、氣溫、相對濕度以及太陽短波輻射。土壤水分特征參數來源于實測數據(表1)。本研究的模擬時段為1984—2006年,模擬步長為1h。在模型驗證方面,采用灌區內典型通量觀測站的實測地表通量、土壤水分以及表面溫度數據對模型進行綜合評價。結果表明,模型對小麥和玉米生長期潛熱通量模擬的確定性系數均在0.8以上;對顯熱通量、土壤熱通量、土壤水分以及表面溫度的模擬精度也較高,表明該模型適合于灌區水循環的模擬[10]。

表1 土壤水分特征參數

1.3 數據及其處理

DEM數據來自全球地形數據庫[12],分辨率為90m。1∶100萬土地利用類型及8km分辨率 15d平均GIMMS植被歸一化指數NDVI的數據均來源于國家自然科學基金委員會中國西部環境與生態科學數據中心[13]。1985年、1995年及 2000年農田所占比例分別為82%,81%和 81%,城鎮所占比例分別為15%,16%和16%,土地利用類型分布幾乎未發生變化。土壤類型分布來源于1∶100萬中國土壤數據庫。氣象數據來源于灌區內外共19個國家氣象站,包括日降水量,日平均、最大、最低氣溫,日平均相對濕度,日照時數以及日平均風速。日灌渠流量數據來源于聊城市水利局位山灌區管理處。

模型假設網格內的氣象條件均勻,每個網格的日氣象數據根據其周邊最近的8個氣象站的觀測數據采用距離方向加權平均法插值得到[11],其中氣溫還考慮了高程修正。由于模擬步長為1 h,因此需要對日氣象數據進行小時降尺度。小時溫度根據日最高和最低氣溫由正弦函數計算得到;小時降雨量由日降雨量根據正態分布確定(正態分布的參數由通量觀測站實測小時降雨數據確定),降雨中心時刻由程序隨機生成;小時向下短波輻射采用日照時數計算得到[14];小時風速和小時相對濕度假設與日平均值相等。根據灌溉測流站分布、縣市行政區劃以及干渠的空間位置,將灌區分為若干灌溉區域(圖1),并假設每個灌溉區域內的灌溉量相同。灌溉量由同一引水期內灌溉區域進出口測流站的流量差計算得到。部分井灌地區的灌溉量I采用式(5)計算:

式中:θmax和 θmin分別為灌溉上限和開始的閾值,中等灌溉水平下 θmax和 θmin分別為 0.6θfld和 0.4θfld(θfld為田間持水率)[15];Droot

為根層深度。

葉面積指數LAI根據WDRVI指數推算[16]:

式中:LAImax為植被的最大葉面積指數;WDRVI為寬動幅植被指數;WDRVImax與W DRVImin分別為WDRVI的最大值和最小值;β為參數,取值0.2[16]。

文中,小麥和玉米的WDRVImax分別為 0.43和0.77,WDRVImin均為 -0.60,LAImax分別為 6.5和5.0。

采用基于秩的Mann-Kendall非參數統計檢驗方法對蒸散發量及相關因子的時間序列進行趨勢分析[17],并取顯著性水平為5%。

2 結果分析

2.1 灌區水量平衡的基本特點

1984—2006年間灌區多年平均降雨量和灌溉量分別為534mm和196mm,灌溉量占供水量(降雨量與灌溉量之和)的 27%。另一方面,多年平均蒸散發量為596mm,占供水量的82%,表明灌區絕大部分供水為蒸散發所消耗。灌區不同時期的水量平衡統計見表2。表 2表明,引黃灌溉占供水的比例從20世紀80年代的30%降低到2000年之后的24%。小麥生長期內(10月16日至次年6月15日)多年平均降雨量和灌溉量分別為152mm和134mm,灌溉量與降雨量相當;多年平均蒸散發量為284mm,為其供水量的99%。玉米生長期內(6月16日至10月15日)多年平均降雨量和灌溉量分別為382mm和60mm,灌溉量僅為降雨量的16%;多年平均蒸散發量為314mm,占供水量的71%。

小麥生長期內雖然供水量與蒸發量基本持平,但由于一部分供水通過地下徑流的形式排出,蒸散發量的消耗還來源于一部分土壤和地下水。相反,土壤和地下水則主要在玉米生長期的七八月得到補給。受季風氣候的影響,灌區降雨主要集中在玉米生長期的6—9月。由于小麥生長期大量引黃灌溉(主要發生在3—5月以及10月),蒸散發的季節變化過程與降雨的變化過程相差較大,而與潛在蒸發的季節變化相似。但六七月的蒸散發量較潛在蒸發量顯著偏低,這主要是受小麥收割及玉米播種的影響。

表2 灌區不同時期的水量平衡統計

2.2 蒸散發量的年際變化特點及其控制因素

蒸散發量年際變化的主要影響因素為降雨量、灌溉量、潛在蒸發量以及作物生長過程(以NDVI表示),其中降雨量和灌溉量表示水分供給能力,潛在蒸發量表示大氣需水能力,而NDVI表示植物通過氣孔對蒸騰的控制。對于自然流域,濕潤區蒸散發量主要受潛在蒸發量的控制,而在非濕潤區,蒸散發量主要受降雨量的控制[18]。Mann-Kendall趨勢分析表明,灌區年蒸散發量、降雨量、灌溉量、潛在蒸發量以及NDVI均無顯著的時間變化趨勢。但年降雨量呈現出較大的年際變異性,變化范圍為295mm(2002年)～800mm(1990年);年灌溉量的變化范圍為90mm(1991年)～301mm(1989年),且與年降雨量呈互補關系;年蒸散發量的年際變異性較小,變幅為526mm(2003年)～681mm(2005年),見圖 3。進一步分析小麥和玉米主要生長期內蒸散發量的變化規律,結果表明:小麥主要生長期內(3—5月)蒸散發量呈顯著升高的趨勢,為 2.7mm/a,但同期降雨量、灌溉量和潛在蒸發量均無顯著的變化趨勢,僅NDVI呈顯著升高趨勢,表明NDVI升高可能是小麥蒸散發量顯著升高的主要原因;玉米主要生長期內(7—9月)降雨量、灌溉量、潛在蒸發量以及蒸散發量均無顯著的變化趨勢。小麥和玉米主要生長期內水量平衡的年際變化表明,玉米主要生長期內降雨量的年際變異性顯著大于小麥主要生長期內降雨量的年際變異性(圖4),這在一定程度上有利于小麥生長期灌溉水的管理。

圖3 灌區平均水量平衡的年際變化過程

圖4 小麥和玉米主要生長期灌區平均水量平衡的年際變化過程

本文通過互信息方法[19]分析蒸散發量年際變異性的主要來源,結果見表 3。互信息法是一種非參數統計方法,可用于反映2個變量之間的相關性。當2個變量之間互不相關時,互信息值趨近于零;當2個變量之間存在某種函數關系時,互信息值將趨近于正無窮大。分析結果表明,年蒸散發量年際變異性主要源于NDVI的變化,潛在蒸發量和供水量的影響次之。這說明灌區總體上供水充分,年蒸散發量的變化不受供水量的控制而主要受作物氣孔調節的控制。小麥和玉米主要生長期內蒸散發量的年際變異性主要源于潛在蒸發量的變化,其次是NDVI的變化,與降雨和灌溉量的相關關系最弱。年蒸散發量與季節蒸散發量的年際變異性的主要來源不同,表明在作物非主要生長期內(6月、10月至次年2月作物處于成熟或生長初期),氣孔導度對蒸散發的控制作用更強,使得NDVI成為蒸散發量的主要控制因素。另外,相關分析表明小麥主要生長期內蒸散發量與降雨和灌溉量呈負相關,這是因為在充分灌溉條件下降雨和灌溉量的增加將導致潛在蒸發量的下降,從而引起蒸散發量的下降。

表3 蒸散發量與相關因子之間的互信息值

相比非濕潤區自然流域內蒸散發量、降雨量以及潛在蒸發量三者之間的關系(即蒸散發量主要受降雨量的控制),灌區內三者之間的關系發生了較大的變化,蒸散發量的主要控制因素由降雨量轉變為潛在蒸發量或NDVI,與濕潤區的特點一致。這表明灌溉顯著改變了非濕潤區灌區的水文循環特征。

3 結 語

在水量平衡中引入能量和碳循環過程,構建了新的生態水文模型,利用該模型模擬了黃河下游位山灌區1984—2006年間水循環過程,分析了該地區蒸散發的基本特點。研究表明:灌區多年平均降雨量和灌溉量分別為534mm和196mm,多年平均蒸散發量為596mm,蒸散發量占供水量的82%。小麥生長期內多年平均蒸散發量為284 mm,占供水量的

99%;玉米生長期內多年平均蒸散發量為314mm,占供水量的71%。年降雨量表現出強烈的年際變異性。由于引黃灌溉,灌區供水較為充分,年蒸散發量的年際變異性較小,且無顯著的時間變化趨勢。作物主要生長期內蒸散發量的年際變異性主要受潛在蒸發量的控制。蒸散發量的季節變化不受降雨季節變化的影響而主要受潛在蒸發量及作物生長過程的影響。

:

[1]黃聿剛,叢振濤,雷志棟,等.新疆麥蓋提綠洲水資源利用與耗水分析:綠洲耗散型水文模型的應用[J].水利學報,2005,36(9):1062-1066.

[2]YANG Da-wen,SUN Fu-bao,LIU Zhi-yu,et al.Analyzing spatial and temporal variability of annualwater-energy balance in non-humid regions of China using the Budyko hypothesis[J].Water Resources Research,2007,43,W04426,doi:10.1029/2006WR005224.

[3]LIU Chang-ming,ZHANG Xi-ying,ZHANG Yong-qiang.Determination of daily evaporation and evapotranspiration of winter wheat and maize by large-scale weighing lysimeter and microlysimeter[J].Agricultural and Forest Meteorology,2002,111:109-120.

[4]PITMAN A J.The evolution of,and revolution in,land surface schemes designed for climate models[J].International Journal of Climatology,2003,23:479-510.

[5]EMANUEL R E,EPSTEIN H E,MCGLYNN B L,et al.Spatial and temporal controls on watershed ecohydrology in the northern Rocky Mountains[J].Water Resources Research,2010,46,W11553,doi:10.1029/2009WR008890.

[6]HWANG T,BAND L,HALES T C.Ecosystem processes at the watershed scale:extendingoptimality theory from plot to catchment[J].Water Resources Research,2009,45,W11425,doi:10.1029/2009WR007775.

[7]KOLLET S J,MAXWELL R M.Capturing the influence of groundwater dynamics on land surface processes using an integrated,distributed watershed model[J].Water Resources Research,2008,44,W02402,doi:10.1029/2007WR006004.

[8]SELLERS P J,RANDALL D A,COLLATZ G J,et al.A revised land surface parameterization(SiB2)for atmospheric GCMs:partⅠmodel formulation[J].Journal of Climate,1996,9:676-705.

[9]SELLERS P J,LOS S O,TUCKER C J,et al.A revised land surface parameterization(SiB2)for atmospheric GCMs:partⅡ the generation of global fields of terrestrial biophysical parameters from satellite data[J].Journal of Climate,1996,9:706-737.

[10]LEI Hui-min,YANG Da-wen,SHEN Yan-jun,et al.Simulation of evapotranspiration and carbon dioxide flux in the wheatmaize rotation croplands of the North China Plain using the simple biosphere model[J].Hydrological Processes,2011,25:3107-3120.

[11]楊大文,李,倪廣恒,等.分布式水文模型在黃河流域的應用[J].地理學報,2004,59(1):143-154.

[12]USGS.Seamless data warehouse[EB/OL].[2011-11-21].http://seamless.usgs.gov.

[13]劉紀遠,張增祥,莊大方,等.20世紀 90年代中國土地利用變化的遙感時空信息研究[M].北京:科學出版社,2005.

[14]YANG Kun,KOIKE T.A general model to estimate hourly and daily solar radiation forhydrological studies[J].Water Resources Research,2005,41,W10403,doi:10.1029/2005WR003976.

[15]尚松浩,毛曉敏,雷志棟,等.土壤水分動態模擬模型及其應用[M].北京:科學出版社,2009.

[16]GITELSON A A,WARDLOW B D,KEYDAN G P,et al.An evaluationof MODIS 250m data for green LAI estimation in crops[J].Geophysical Research Letters,2007,34,L20403,doi:10.1029/2007GL031620.

[17]BURN D H,HAGELNUR M A.Detection of hydrologic trends and variability[J].Journal of Hydrology,2002,255:107-122.

[18]YANG Da-wen,SUN Fu-bao,LIU Zhi-yu,et al.Interpreting the complementary relationship in nonhumid environments based on the Budyko and Penman hypotheses[J].Geophysical Research Letters,2006,33,L18402,doi:10.1029/2006GL027657.

[19]趙銅鐵鋼,楊大文.神經網絡徑流預報模型中基于互信息的預報因子選擇方法[J].水力發電學報,2011,30(1):24-30.