氣候和植被變化對黃土高原蒸散發的影響

楊 潔，裴婷婷(.甘肅甘谷縣新興鎮政府，甘肅 天水 7400； .甘肅農業大學 管理學院，甘肅 蘭州 730070)

陸地蒸散發(簡稱為ET)將土壤和植被中大量的水轉移到大氣中，緊密聯系著陸地生態系統中的水循環、能量循環和碳循環。蒸散發的變化對區域植被生長和氣候反饋產生重要的影響[1]，尤其是在以嚴重的水分脅迫為特征的干旱半干旱區。全面理解氣候和植被對蒸散發時空模式的驅動作用，對于預測地表-大氣相互關系起到了至關重要的作用[2]。大量研究表明，蒸散發的變化歸因于氣候和植被的共同影響[3]?，F有的研究尺度包括空間(從點到全球)和時間尺度(從月到幾十年)[4-5]，研究方法包括單個/區域的渦動觀測、遙感數據驅動集以及地表模型等[6-7]。目前，研究發現，在很多水分限制區域溫度和降水的年際變化主導控制區域ET變化[8]，其他氣候因素的變化，比如土壤含水量，太陽輻射，水汽壓差以及風速[9-10]，它們在調節區域蒸散發的時空模式上同樣也起到了重要的作用。另外，蒸散發的變化受到了植被生長的影響[11]，而這種影響在不同的植被類型之間有所差異。因此，植被生長/地表覆蓋和氣候因素對于量化和理解區域蒸散發的時空模式仍存在很多不確定性。

以往的研究對于理解區域蒸散發的時空模式以及氣候和植被變化對蒸散發的影響提供了基礎[12]，但是，目前氣候升溫存在明顯的季節不對稱性。最新的IPCC5報道，春季和冬季的升溫速率更快[13]，不對稱的季節增溫調節了水熱狀況(如土壤含水量)的季節性模式以及相應的植被生長/活動。黃土高原經歷了快速且明顯的季節性升溫，盡管以往學者對黃土高原氣候變化和植被生長對于蒸散發的影響已經做了大量的研究[14-15]，但是，氣候和植被生長的季節性變化對蒸散發的季節性影響卻鮮有研究，而該問題對于將來預測水分限制區域的季節性水文循環以及陸地-大氣相互關系則是一個關鍵的先決條件。因此，基于大尺度遙感數據，運用廣義線性模型探究1982～2011年氣候和植被變化對黃土高原蒸散發影響的季節性差異，分析了蒸散發季節性差異的內在機理。

1 材料和方法

1.1 研究區概況

黃土高原的地理位置為E 100°54′～114°33′，N 33°43′～41°16′，東西長約1 300 km，南北寬約700 km，總面積 64萬km2，主要由山西高原、陜甘晉高原、隴中高原、鄂爾多斯高原和河套平原組成，占了中國國土面積的6.6%。海拔高度在89～5 210 m，年降水量為150～800 mm，多集中于6～9 月，屬于典型的大陸季風氣候特征，冬季寒冷，夏季溫暖濕潤，雨熱同期。年均氣溫為3.6～14.3℃，其水平分布和垂直分布差異較大。黃土高原的蒸發量普遍高于實際降水量，年蒸發量為1 400～2 000 mm，其總體趨勢是南低北高，東低西高。

為了改善黃土高原水土流失、荒漠化以及環境惡化的問題，在1999年我國開始實施退耕還林還草工程。自退耕還林還草工程實施以來，黃土高原的植被類型以及植被覆蓋均發生了顯著變化，截止2009年底，全國累計完成退耕造林 902.26萬 hm2，配套荒山造林1 413.72萬hm2，灌叢面積達到4.64萬km2，草地面積達到 27.14萬km2。

1.2 數據來源

1.2.1 NDVI 數據集 最新的第三代歸一化植被指數(NDVI)數據來源于超高分辨率輻射儀(Advanced Very High Resolution Radiometer (AVHRR))/國家海洋和大氣局衛星(National Oceanographic and Atmospheric Agency (NOAA) satellites)，全球庫存建模和映射研究組Global Inventory Modeling and Mapping Studies (GIMMS) group，即GIMMS NDVI3g。該套數據空間分辨率為0.083°，時間分辨率為半月，時間尺度為1982～2011年。

1.2.2 ET數據集 蒸散發數據來源于全球渦動通量塔的觀測數據(簡稱FLUXNET ET)，使用模型樹整合機器學習的算法獲得，并通過了內部交叉驗證和模型模擬。該數據集的空間分辨率為0.5°，時間分辨率為月，時間長度為1982～2011年。為了和其他數據相匹配，將這套數據集重采樣到0.083°。

1.2.3 氣候數據集 柵格溫度及降水數據來源于中國區域高時空分辨率地面氣象要素驅動數據集。該數據集融合中國氣象局氣象站點的數據而制作的一套時間分辨率為3 h，空間分辨率0.1°，時間尺度為1982～2011年的數據集。文中將3 h合并為天，空間分辨率重采樣到0.083°。

1.2.4 植被類型圖 1∶1 000 000的中國植被底圖來源于中國科學院植物所。將數據庫中的10種植被亞類合并為6大類，包括林地(針葉林、闊葉林和高山植被)，草地(草原，草甸)，灌木、荒漠、栽培植被以及其他(沼澤和無植被覆蓋)。將植被圖空間分辨率重采樣為0.083°，且主要集中分析了林地、灌木和草地3種植被類型(圖1)。

圖1 黃土高原植被分類圖Fig.1 Distribution map of vegetation types in the Loess Plateau

1.3 研究方法

運用廣義線性模型(GLM)來探究氣候和植被生長對于ET的影響，該模型被認為是釋放自變量對于因變量的相對貢獻的行之有效的方法。

廣義線性模型是對經典線性模型理論的重要推廣，模型自1972年由Nelder和Wedderburn引入以來，已經在很多領域得到廣泛的應用[16]。

廣義線性模型[17-18]：

μi=E[Yi]=g-1(∑Xijβj+ξi)

var[Yi]=φV(μi)/ωi

式中：βj為需要估計的模型向量參數，ξi為干擾項，Yi為因變量向量，Xij為自變量向量，φ為方差函數V(x)的散布參數，ωi指觀察值的信度，var為方差。

廣義線性模型是由隨機部分、系統部分和聯系函數3部分構成。隨即部分可以明確因變量的概率分布，系統部分用于確定預測解釋變量的線性函數，聯系函數用于描述系統成分與隨機成分的期望值之間的函數關系。

NDVI被用來表征植被變化，該指標被認為是在特定季節植被生長的整體狀況的指示，將NDVI<0.1的值在最后的分析中剔除。降水、溫度和NDVI為自變量，而ET為因變量。所有的變量在進行廣義線性模型之前去趨勢。將生長季定義為4～10月。數據處理和分析均在Matlab和R軟件中完成。

2 結果與分析

2.1 溫度對黃土高原蒸散發的影響

通過對比發現，春季、夏季和秋季3個季節中溫度對ET的貢獻(簡稱RCTEM)普遍較小，且夏季的RCTEM高于春季和秋季，同時通過計算進一步證實，春季的RCTEM為2.85%±1.50%，夏季的RCTEM為3.21%±1.03%，秋季的RCTEM為2.59%±1.08%，這3個季節的空間分布較為均勻(表1)。另外，不同植被的溫度對ET的貢獻也存在明顯的差異，夏季林地RCTEM高于春季和秋季，而灌木和草地則表現為春季RCTEM高于夏季和秋季。同時，同一季節的RCTEM在植被類型之間也存在差異。春季灌木RCTEM最高，達到7.28±5.45%；而夏季林地RCTEM(4.42%±3.57%)高于灌木和草地；秋季不同植被RCTEM普遍較低，RCTEM最高的植被是草地。

表1 1982～2011年不同植被類型的氣候和植被對蒸散發貢獻的季節性差異Table 1 Spatial pattern of the relative contributions of climate and vegetation growth to evapotranspiration in different seasons in 1982-2011

注：春季4、5月，夏季6-8月，秋季9、10月。表中括號里的數值指的是廣義線性模型通過顯著性檢驗的象元點所占的比例

2.2 降水對黃土高原蒸散發的影響

降水對ET貢獻程度(簡稱RCPRE)普遍較高，RCPRE在春季、夏季和秋季分別為16.35%±5.30%,12.25%±4.73%,和11.06%±5.75%，且在更干旱的區域/植被類型中發現更高的RCPRE，草地和荒漠在3個季節的RCPRE普遍高于林地和灌木，且這兩種植被在春季的RCPRE最高。同樣，為了進一步明確降水對ET的貢獻。隨著降水梯度的變化，將降水以50 mm為間隔進行劃分，并提取相應區間內RCPRE(圖2)。通過對比發現隨著年均降水量從200 mm增加到650 mm，降水對ET的貢獻在3個季節中都出現了降低趨勢，盡管春季在350～400 mm內RCPRE更高，但是并不影響整體趨勢。降水對ET的貢獻隨著降水梯度的增加而降低，在春季從40.87%±19.19%減少到4.89%±5.60%,在夏季從30.38%±15.14% 減少到7.69%±8.55%,在秋季從28.57%±16.06%減少到3.65%±3.12%。值得注意的是，幾乎在所有的降水梯度內，春季降水對ET的貢獻都要高于夏季和秋季，同時，夏季降水對ET的貢獻表現出更大的空間變化，在草地中發現更高的RCPRE。

圖2 1982～2011年降水對ET貢獻隨降水梯度變化的季節性差異Fig.2 Relationships between the relative contributions of precipitation to evapotranspiration and mean annual precipitation along a precipitation gradient in the Loess Plateau during 1982～2011

2.3 植被生長對黃土高原蒸散發的影響

NDVI對ET的貢獻(RCNDVI)存在明顯的空間差異。春季，在植被覆蓋更高的區域發現NDVI對ET的貢獻也更高，區域主要是以林地(RCNDVI為25.6%±12.84%)和灌木(RCNDVI為18.31%±13.81%)為主。但是，夏季林地RCNDVI(10.24%±13.87%)相比春季(24.18%±15.69%)減少，夏季更高的RCNDVI主要出現在農田以及退耕還林還草工程的核心區。更為顯著的是，調查發現在秋季3種植被類型的RCNDVI普遍較高，RCNDVI在3種植被類型中從18.07%±12.09%變到24.55%±12.15%。同時，通過對比同一種植被在不同季節之間的RCNDVI，發現灌木和草地在秋季的RCNDVI明顯高于春季和夏季，而林地則表現出春季的RCNDVI略高于秋季，而春季的RCNDVI最低。概率密度函數(PDF)進一步展示了不同植被類型的RCNDVI存在明顯的季節性差異(α=0.05)(圖3)。林地和灌木的概率密度函數在3個季節均表現出較為一致的浮動范圍，RCNDVI均在0～60%，而草地的概率密度函數在春季的分布范圍最低，草地春季RCNDVI的范圍為0～40%，另外，草地在夏季和秋季RCNDVI的范圍則擴展到0～60%。

圖3 1982～2011年不同植被NDVI對蒸散發貢獻的概率密度分布Fig.3 Probability density function (PDF) of the relative contribution of normalized difference vegetation index (NDVI) to evapotranspiration for different vegetati on type during 1982～2011

3 討論

基于大尺度遙感數據，運用廣義線性模型探究了氣候和植被變化對黃土高原蒸散發的影響，通過分析發現氣候和植被對蒸散發的影響存在明顯的季節性差異。在水分受限的黃土高原，降水和植被生長對于季節性的ET的分布模式具有重要的影響[19-20]，但是，各因素對ET的貢獻易受到季節性水熱狀況以及植被結構和功能(植被生長以及用水策略)的影響。和以往研究結果一致，研究發現降水在3個季節對ET均起到了十分重要的控制作用。黃土高原的植被在生長季經歷了較為嚴重的水分短缺，因此，水分供給在調節ET的變化中扮演了重要的作用，尤其是在更干的區域/植被類型[21]。有研究表明更溫暖的春季促使植被物候提前以及春季高蓋度植被生長的增加[22]，而這些植被對于陸地ET的變化產生重要的影響，即春季NDVI對ET的高貢獻，而秋季NDVI對ET的高貢獻則可能歸因于近年來黃土高原秋季物候的延長。

試驗對數據進行了全面的評估，但是不同數據源的結果仍然存在不確定以及可能的偏差，尤其是在空間尺度的縮放上差異就會更加明顯。為了進一步理解驅動區域水循環的潛在過程，使用擴展的現場觀測網絡，更加精準的遙感數據，以及改進的生態系統模型等多種手段的綜合研究是非常有必要的。

4 結論

(1)溫度對黃土高原蒸散發的影響相對降水和NDVI普遍較低，但是仍然存在明顯的季節性差異。整體上表現為夏季溫度對ET的影響最大，但是不同植被類型的溫度對ET的影響季節差異明顯。

(2)降水是黃土高原蒸散發變化的重要影響因素之一，3個季節均表現出隨著降水的增加，對ET的影響逐漸減小。

(3)NDVI對黃土高原蒸散發的影響顯著，尤其是秋季林地、灌木、草地3種植被NDVI對ET的貢獻普遍較高。

參考文獻:

[1] Li Z,Liu X,Niu T,etal.Ecological restoration and its effects on a regional climate:The source region of the Yellow River,China[J].Environ Sci Technol,2015,49(10),5897-5904.

[2] Mohammat A,Wang X,Xu X,etal.Drought and spring cooling induced recent decrease in vegetation growth in Inner Asia[J].Agric For Meteorol,2013,178：21-30.

[3] 賀添,邵全琴.基于MOD16產品的我國2001-2010年蒸散發時空格局變化分析[J].地球信息科學學報,2014,16(6):979-988.

[4] Detto M,Montaldo N,Albertson J D,etal.Soil moisture and vegetation controls on evapotranspiration in a heterogeneous Mediterranean ecosystem on Sardinia[J].Water Resoure Res,2006,42:356-367.

[5] Gao G,Chen D,Xu C Y,etal.Trend of estimated actual evapotranspiration over China during 1960～2002[J].J.Geophys Res,2007,112:1120-1128.

[6] Liu Q,Yang Z.Quantitative estimation of the impact of climate change on actual evapotranspiration in the Yellow River Basin[J].China J Hydrol,2010,395(3),226-234.

[7] Mu Q,Zhao M,Running S W.Improvements to a MODIS global terrestrial evapotranspiration algorithm[J].Remote Sens Environ,2011,115(8),1781-1800.

[8] Liu Q,Yang Z.Quantitative estimation of the impact of climate change on actual evapotranspiration in the Yellow River Basin[J].China J Hydrol,2010,395(3),226-234.

[9] Villarreal S.Contrasting precipitation seasonality influences evapotranspiration dynamics in water-limited shrublands[J].J Geophys Res Biogeosci,2016,121,494-508.

[10] Zhang S Y,Li X Y,Zhao G Q,etal.Surface energy fluxes and controls of evapotranspiration in three alpine ecosystems of Qinghai Lake watershed,NE Qinghai-Tibet Plateau[J].Ecohydrology,2015(9):267-279.

[11] Xia J.Satellit-based analysis of evapotranspiration and water balance in the grassland ecosystems of Dryland East Asia,PLoS One,9(5),e97295,doi:10.1371/journal.pone.0097295.

[12] 張殿君,張學霞,武鵬飛.黃土高原典型流域土地利用變化對蒸散發影響研究[J].干旱區地理,2011,34(03):400-408.

[13] Stocker T,Qin D,Plattner G,etal.Climatechange 2013:The physical science basis.Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change[M].Cambridge:Cambridge University press,2014:78-79.

[14] Feng X M,Sun G,Fu B J,etal.Regionaleffects of vegetation restoration on water yield across the Loess Plateau[J].China Hydrol Earth Syst Sci,2012,16(8),2617-2628.

[15] Xu J.Decreasing trend of sediment transfer function of the Upper Yellow River,China,in response to human activity and climate change[J].Hydrol Sci J,2014,60(2),311-325.

[16] Nelder J A,Wedderburm R W M.Generalized linear models[J].J Roy Statist Soc,Ser A,1972,135:370-384.

[17] 陳希孺.廣義線性模型(一)[J].數理統計與管理,2002,21(5):54-61.

[18] 張進春,吳超.基于廣義線性模型的概率風險評價方法及其應用[J].中南大學學報(自然科學版),2011,42(6):1719-1724.

[19] 邵薇薇,楊大文,孫福寶,等.黃土高原地區植被與水循環的關系[J].清華大學學報(自然科學版),2009,49(12):1958-1962.

[20] Zeng R,Cai X.Assessing the temporal variance of evapotranspiration considering climate and catchment storage factors[J].Adv Water Resour,2015,79:51-60.

[21] Jung M.Recent decline inthegloballand evapotranspiration trend due to limited moisture supply[J].Nature,2010,467(7318):951-954.

[22] Piao S,Fang J,Zhou L,etal.Variations in satellite-derived phenology in China's temperate vegetation[J].Global Change Biol,2006,12(4):672-685.