安徽省近20年地表蒸散和干旱變化特征及其影響因素分析

褚榮浩，李萌，謝鵬飛，倪鋒，蔣躍林，申雙和

1. 安徽省公共氣象服務中心/安徽省氣象局，安徽 合肥 230031；2. 安徽農業大學資源與環境學院，安徽 合肥 230036；3. 南京信息工程大學應用氣象學院，江蘇 南京 210044

蒸散是水文循環過程中的重要步驟和關鍵變量（Xu et al.，2006），其參與了地下水補給、地表徑流、土壤濕度和植物生長等關鍵過程（Thomas，2008），在氣候、水文研究、灌溉規劃和管理中起著至關重要的作用（Jhajharia et al.，2009；Sheffield et al.，2012；Li et al.，2016）。干旱是一種常見的自然災害，在氣候變化背景下，其發生的頻率和空間格局也將發生很大的轉變，給區域社會經濟發展以及糧食安全帶來了極大的不確定性。因此，研究區域地表蒸散和干旱時空變化特征，能夠為區域水資源的合理配置提供重要的理論依據，且在水文模擬、農業生產及生態環境保護等方面具有重要的科學意義與應用價值。

目前，氣候變化對安徽省地表蒸散的影響主要集中于參考作物蒸散和蒸發皿蒸發量的研究上（吳必文等，2009；吳文玉等，2013）。然而，該區域實際蒸散及干旱的時空變化特征仍不明晰。前人關于實際蒸散的研究主要是基于站點氣象數據估算求得，未考慮地表植被覆蓋和下墊面類型等情況；盡管已采用盡可能多的氣象站點數據，但仍存在站點稀疏等問題，采用經驗模型估算得到的各站點地表蒸散在外推內插時，可能會由于地表類型的變化而產生較大誤差。近年來，衛星遙感技術和相關反演算法的發展使得大規模監測實際蒸散和干旱成為可能（何慧娟等，2016）。在過去幾十年里，利用遙感數據估算蒸散的模型已越來越多，主要包括TSEB 模型（Norman et al.，1995）、SEBAL 模型（Bastiaanssen et al.，1998a；Bastiaanssen et al.，1998b）、S-SEBI模型（Roerink et al.，2000）、SEBS模型（Su，2002）、STSEB模型（Sanchez et al.，2008）、GLEAM 模型（Miralles et al.，2011）和MODIS-ET（Mu et al.，2011）等。上述模型性能均表現良好，與全球不同生態系統地面通量觀測值的相對誤差在5%—30%（Gowda et al.，2008）。其中，美國NASA團隊基于遙感反演得到的陸地表面特征和Penman-Monteith方程，研制開發出了全球陸地蒸散產品數據 MOD16，該數據已采用全球通量觀測數據進行驗證，估算精度達86%（Mu et al.，2011）。由于 MOD16數據的較高估算精度、易獲取性以及操作簡便性，該產品目前已在中國乃至全球區域尺度蒸散時空變化特征研究中得到了廣泛應用。此外，以熱量平衡原理為基礎的作物缺水指數法（Crop Water Stress Index，CWSI），因其物理意義明確、適用范圍廣以及估算精度較高等優點，在干旱監測中得到了較好的應用。Jackson et al.（1981，1988）基于冠層能量平衡理論提出了CWSI的簡易計算方法，即 1與實際蒸散（Evapotranspiration，ET）和潛在蒸散（Potential evapotranspiration，PET）比值之間的差值，該方法在有植被覆蓋的條件下取得了較高的監測精度。因此，在區域尺度干旱研究中，MOD16遙感產品數據可以為CWSI的計算提供新的思路與路徑。

基于MOD16探討中國地表蒸散的研究已有很多，主要包括鄱陽湖流域（吳桂平等，2013）、三江平原（馮飛等，2015）、陜西（范建忠等，2014；王鵬濤等，2016）、西北地區（鄧興耀等，2017）、澴河流域（張特等，2018）、洞庭湖流域（張猛等，2018）等。然而，上述研究均是采用第 5版本的MOD16產品數據，數據僅更新到2014年。此外，針對安徽省地表蒸散和干旱變化特征的相關研究仍較少，最新版本（第6版）的MOD16產品數據在安徽省的適用性也尚不明確。因此，采用第6版本的MODIS遙感產品數據（包括ET、PET、土地覆蓋類型數據（MCD12Q1））以及 77個國家級氣象觀測站點常規氣象觀測數據，結合變異系數、Theil-Sen’s趨勢估算方法和 Mann-Kendall（M-K）檢驗，首先探討第6版本MOD16產品數據在安徽省的適用性，進而明晰安徽省近20年（2000—2019年）地表蒸散和干旱變化特征、不同土地利用類型ET、PET和CWSI變化特征，最終揭示影響ET、PET和CWSI變化的主要因素，以期為安徽省水資源的有效規劃和管理、農業灌溉措施的制定等提供重要的理論依據和科學指導。

1 研究區域、數據與方法

1.1 研究區域

安徽省（114°54′—119°27′E，29°41′—34°38′N）位于長江下游和淮河中游流域，屬于暖溫帶和亞熱帶過渡區，氣候溫暖濕潤，四季分明，年平均氣溫14—17 ℃，年平均降水量800—1600 mm。其中，降水量總體呈現南多北少、山地多、平原和丘陵少的分布特征。夏季降水豐富，占年總降水量的40%—60%。全省總面積139600 km2，約占國土面積的1.45%。地形總體呈現南高北低的分布特征，南部以丘陵、山地為主，北部以平原為主（圖1a）。長江和淮河分別流經安徽省416 km和430 km，將其劃分為淮北平原、江淮丘陵和皖南山區三大自然區域。土地利用類型主要為農田，約占全省總面積的58%，其次為草地、林地、水體、城鎮、濕地和裸地（圖1b）。

1.2 數據

1.2.1 高程數據

采用的數字高程模型（Digital Elevation Model，DEM）數據的空間分辨率為90 m（圖1a），數據來源于http://srtm.csi.cgiar.org/。

圖1 安徽省地理位置、（a）氣象站點分布和（b）土地利用類型（2019年）特征Fig. 1 Characteristics of geographical location, (a) meteorological station distribution and (b) land use types (2019) of Anhui province

1.2.2 遙感數據

采用的第6版MOD16遙感蒸散產品數據，空間分辨率為500 m×500 m，時間分辨率為8天和年，數據集主要包括實際蒸散量（evapotranspiration，ET）、潛熱通量（latent heat flux，LE）、潛在蒸散量（potential ET，PET）和潛在潛熱通量（potential LE，PLE），該數據已在全球范圍內得到了廣泛驗證與使用。本研究主要采用2000—2019年MOD16的8天（MOD16A2）和年（MOD16A3）合成產品數據，結合安徽省所處地理位置，主要選取衛星軌道號為h27v05、h28v05和h28v06的遙感影像數據。土地覆蓋類型數據采用 MODIS 2001—2019年MCD12Q1產品數據，空間分辨率為500 m×500 m，該產品采用國際地圈-生物圈計劃（International Geosphere-Biosphere Programme，IGBP）將全球地表類型分類為17種。結合安徽省主要植被類型，本文將其重分類為7種，分別為農田、林地、草地、城鎮、水體、濕地和裸地。上述數據均可從https://e4ftl01.cr.usgs.gov/網站上進行免費下載。由于MODIS產品數據是基于SIN投影的HDF格式，在數據處理過程中主要采用 MRT（MODIS Reprojection Tool）軟件對原始數據進行拼接、重投影等預處理。

1.2.3 氣象數據

采用安徽省2000—2019年77個國家級氣象觀測站點常規氣象觀測數據，數據來源于安徽省氣象信息共享平臺，主要包括：日平均氣溫（ta，℃）、相對濕度（RH，%）、10 m風速（v10，m·s?1）、日照時數（SD，h）、降水量（Pre，mm）。其中，v10轉換為2 m風速（v2，m·s?1）以及日照時數轉換為凈輻射的轉換公式詳見文獻（Li et al.，2018）。此外，采用2000—2013年38個氣象站點小型蒸發皿蒸發量（Epan，mm）數據驗證MOD16數據的準確性。

1.3 研究方法

1.3.1 作物缺水指數（CWSI）

目前，以熱量平衡原理為基礎的作物缺水指數法（Crop Water Stress Index，CWSI），因其物理意義明確、適用范圍廣以及估算精度較高等優點，在干旱監測中得到了較好的應用。Jackson et al.（1981，1988）基于冠層能量平衡理論提出了CWSI的簡易計算方法，該方法在有植被覆蓋的條件下取得了較高的監測精度。具體計算公式如下：

其中，ET為實際蒸散量（mm）；PET為潛在蒸散量（mm），即為區域充分供水條件下的蒸散量；CWSI值介于0—1之間，值越大，表明區域越干旱，反之越濕潤。

1.3.2 趨勢分析

非參數 Mann-Kendall（M-K）檢驗（Mann，1945；Kendall，1975）在水文氣象時間序列數據分析中具有一定的優勢（Tabari et al.，2011），因此本文采用該方法來確定地表蒸散量及相關氣象變量的變化趨勢。零假設H0為一系列的數據（xi, i=1, 2,3, ..., n），xi獨立且均勻分布。替代假設H1存在于X中且具有單調趨勢。與此同時，統計值S和標準化檢驗統計量Z計算公式如下：

其中，xj和xi分別為第j年和第i年的數據值，n是時間序列中數據集的長度。統計量S基本遵循正態分布（n≥8），平均值E(S)和方差Var(S)計算公式如下：

其中，q表示相同的組號，tp表示第p次步驟中的值。

其中，Z為時間序列數據的變化趨勢，Z>0和Z<0分別表示時間序列數據呈上升或下降趨勢。如果|Z|>Z(1?a/2)，說明該假設不成立，且時間序列數據具有顯著的變化趨勢。Z(1?a/2)為標準正態分布表中的標準正態偏差。當α=0.05和α=0.01為顯著性水平時，對應的Z(1?a/2)值分別為1.96和2.58。

此外，采用Theil-Sen’s估算方法來檢測相關變量變化趨勢的大?。═heil，1992；Sen，1968）：

其中，β為估算得到的數據序列的趨勢斜率，xj和xi分別表示對應于時間j和i的序列數據。β>0表示序列數據呈增加趨勢，β<0表示序列數據呈減少趨勢。即設定α=0.05，當β>0和P>α時為不顯著增加，β>0和P<α時為顯著增加，β<0和P>α時為不顯著減少，β<0和P<α時為顯著減少。

1.3.3 變異系數

逐像元計算 ET、PET和 CWSI的變異系數（Coefficient of Variation，CV），以此來反映各要素在近20年的變異程度，統計分析其在空間分布上的穩定性，具體計算公式如下：

其中，SDij為第i行、第j列像元的標準差，為第i行、第j列像元的年均值。CV越大，表明各要素分布越離散，且在時間序列上波動較大；反之，CV越小，表明各要素分布較集中，且在時間序列上較穩定。為直觀反映安徽省各要素變化特征，將CV分為5個等級：低波動性（CV≤0.05）、較低波動性（0.050.20）（鄧興耀等，2017）。

2 結果與分析

2.1 MOD16產品數據的適用性驗證

采用安徽省 2000—2013年月尺度小型蒸發皿蒸發量數據（Epan）來驗證月尺度MOD16 PET產品數據的適用性。如圖2所示，Epan與PET之間的散點擬合效果整體較好，誤差較?。ň礁`差RMSE 為 29.7 mm·month?1），相關系數 r2達 0.734，且呈顯著相關（P=0）。因此，MOD16產品數據總體精度較高，可用于研究安徽省地表蒸散和干旱變化特征。

圖2 MOD16 PET產品數據在安徽省的適用性驗證Fig. 2 Applicability verification of MOD16 PET product data in Anhui province

2.2 ET、PET和CWSI時空變化特征

如圖3所示，安徽省近20年ET總體呈現顯著增加趨勢，增加速率為 6.98 mm·a?1（P=0）；PET呈不顯著增加趨勢，增加速率為 3.24 mm·a?1（P=0.27）；而CWSI總體呈現顯著下降趨勢，下降速率為?0.004 a?1（P=0.008）。

從ET、PET和CWSI空間分布圖（圖4）可以看出，安徽省年均ET介于285—1282 mm，總體呈現南部高、北部低的分布特征，高值區主要分布在皖南山區、西南大別山區，其中皖南山區主要包括黃山市、池州市、宣城市大部地區，大別山區主要包括六安市西南部、安慶市西北部。PET介于1118—1673 mm，總體呈現西部高、東部低的分布特征，其中高值區主要分布在六安市大部、安慶市、亳州市西北部、阜陽市東北部。CWSI介于0.17—0.80，其分布特征與ET相反，總體呈現出北部高、南部低的分布特征，表明安徽省北部較干旱，濕潤地區主要位于皖南山區和大別山區。

圖4 安徽省2000—2019年ET、PET和CWSI空間分布特征Fig. 4 Spatial distribution characteristics of ET, PET and CWSI in Anhui Province during 2000-2019

結合圖5和表1，安徽省近20年ET變化趨勢介于?25.5—50.6 mm·a?1，空間上總體呈顯著增加趨勢，約占總面積的 80.71%；其次為不顯著增加趨勢，約占總面積的 14.71%，主要位于西北部阜陽市境內；而ET呈顯著減少趨勢的區域主要位于土地利用類型為城鎮的周邊，僅占總面積的1.58%。PET 變化趨勢介于?34.4—23.5 mm·a?1，空間上總體呈不顯著增加趨勢，約占總面積的 87.84%；其次為不顯著減少趨勢，約占總面積的6.20%，主要位于長江沿線及皖南山區局部地區；顯著增加的區域主要位于六安市、池州市、滁州市西部、淮南市、蚌埠市局部地區，約占總面積的4.63%；顯著減少的區域主要位于城鎮周邊局部地區，僅占總面積的1.33%。CWSI總體呈顯著減少趨勢，約占總面積的 62.11%；不顯著減少區域主要位于北部部分地區，包括阜陽市大部、合肥市北部大部、六安市、蚌埠市、蕪湖市北部部分地區等，約占總面積的32.79%；不顯著增加區域主要位于北部城鎮周邊局部地區，約占總面積的4.55%；而顯著增加的區域僅占總面積的0.55%。

圖5 安徽省2000—2019年ET、PET和CWSI變化趨勢和顯著性空間分布Fig. 5 Spatial distribution of ET, PET and CWSI trends and their significance in Anhui province during 2000-2019

表1 安徽省2000—2019年ET、PET和CWSI變化趨勢顯著性檢驗（占總面積的百分比）Table 1 Significance test of variation trends of ET, PET and CWSI in Anhui Province during 2000-2019 (percentage of total area)

2.3 ET、PET和CWSI空間變異特征

如圖6所示，安徽省年均ET總體呈較低波動性和中等波動性特征，其中較低波動性區域主要位于皖南山區大部和大別山區部分地區，其余大部地區以中等波動性為主。低波動性區域主要位于黃山市西部以及宣城市西部局部地區；較高波動性區域主要位于安徽北部局部地區。PET總體呈現出較低波動性和低波動性特征，其中低波動性區域主要位于皖南山區和大別山區部分地區。CWSI總體呈現出中等波動性和較低波動性特征。

圖6 安徽省2000—2019年ET、PET和CWSI變異系數空間分布Fig. 6 Spatial distribution of the CV of ET, PET and CWSI in Anhui Province during 2000-2019

2.4 不同土地利用類型ET、PET和CWSI變化特征

為探究不同土地利用類型 ET、PET和 CWSI變化特征，采用ArcGIS 10.2提取出2001—2019年逐年各土地利用類型對應的ET、PET和CWSI，并計算出區域平均值。如圖7所示，各土地利用類型對應 ET大小依次為：林地>草地>農田>濕地>水體>裸地>城鎮，其中林地、草地和農田ET與全區域ET變化趨勢基本一致，而裸地和城鎮ET呈明顯減少趨勢，濕地和水體ET變化趨勢不明顯。各土地利用類型對應PET值差異較小，大小依次為：水體>濕地>草地>林地>農田>裸地>城鎮。各土地利用類型對應 CWSI變化趨勢與全區域變化趨勢（圖3）均保持一致，總體呈現明顯下降趨勢。此外，各土地利用類型對應CWSI值大小依次為：林地<草地<農田<水體<濕地<城鎮<裸地，總體與各土地利用類型對應ET大小的排序相反。

圖7 不同土地利用類型ET、PET和CWSI變化特征Fig. 7 Variation characteristics of ET, PET and CWSI in different land use types

2.5 ET、PET和CWSI的影響因素分析

如圖8所示，安徽省近20年降水量（Pre）總體呈現不顯著的增加趨勢（10.52 mm·a?1），峰值出現在2016年，之后呈顯著減少趨勢；溫度（ta）總體呈不顯著增加趨勢（0.016 ℃·a?1）；相對濕度（RH）總體呈不顯著增加趨勢（0.025 a?1），2011年之前呈顯著減少趨勢，之后呈顯著增加趨勢；風速（v2）總體呈顯著減少趨勢（?0.006 m·s?1·a?1），其中2011年和2014年風速較低，2014年之后呈顯著增加趨勢；凈輻射（Rn）總體呈不顯著增加趨勢（0.001 MJ·m?2·d?1·a?1），其中 2011 年之前減少趨勢明顯，2013年增加至峰值，2014年減少至谷值，之后又呈明顯增加趨勢。

圖8 安徽省2000—2019年氣象要素變化趨勢Fig. 8 Change trends of meteorological factors in Anhui province during 2000-2019

為進一步揭示安徽省近20年ET、PET和CWSI變化的主要影響因素，且考慮到MOD16產品數據在某些區域存在空白，本文從 77個站點中剔除掉無數據的站點后，共提取出38個站點逐年ta、RH、v2、Rn和Pre值以及對應的ET、PET和CWSI值，并將上述5種氣象要素分別與ET、PET和CWSI進行相關分析。如圖9所示，ET與ta、RH和Pre總體呈正相關，其中與Pre和RH之間的相關系數（r2）較高，分別為0.42和0.25，且均通過0.05水平顯著性檢驗（P=0）；而與 v2總體呈負相關，與Rn之間的相關性不明顯，且相關系數均較小。PET與 RH和 Pre呈負相關，與 Rn呈正相關，而與 ta和v2之間的相關性不明顯，其中與Rn和Pre之間的r2較高，分別為0.21和0.101，均通過0.05水平顯著性檢驗。CWSI與氣象要素之間的正負相關性總體與PET類似，其中與Pre和RH之間的r2較高，分別為0.54和0.25，均通過0.05水平顯著性檢驗。由此可見，安徽省近20年ET和CWSI變化主要受水分條件影響，即降水量和相對濕度的增加是 ET增加和CWSI下降的主要原因，最終使得安徽省干旱化趨勢有所緩解。然而，PET的變化主要受輻射條件影響，即不顯著增加的Rn可能是PET增加的主要原因。

圖9 安徽省ET、PET和CWSI與氣象要素之間的相關性Fig. 9 Correlation relationship between ET, PET, CWSI and meteorological factors in Anhui province

3 結論與討論

3.1 結論

采用MODIS遙感產品數據中的蒸散產品數據（MOD16）、土地覆蓋類型數據（MCD12Q1）以及國家級氣象觀測站點常規氣象觀測數據，結合水分虧缺指數（CWSI）、變異系數、Theil-Sen’s趨勢估算方法以及M-K檢驗，探究了安徽省近20年地表蒸散和干旱時空變化特征及其與氣象要素之間的相關性。主要研究結論如下：

（1）經小型蒸發皿蒸發量數據驗證，MOD16產品數據總體精度較好，可用于研究安徽省地表蒸散和干旱變化特征。

（2）時間上，安徽省近20年ET總體呈現顯著增加趨勢（6.98 mm·a?1），PET 呈不顯著增加趨勢（3.24 mm·a?1），而 CWSI呈顯著下降趨勢（?0.004 a?1）。空間上，安徽省年均 ET 介于 285—1282 mm，總體呈南高北低分布，高值區主要位于皖南山區、西部大別山區；變化趨勢介于?25.5—50.6 mm·a?1，總體呈顯著增加趨勢以及較低波動性和中等波動性變化特征。PET介于1118—1673 mm，總體呈西部高、東部低分布，變化趨勢介于?34.4—23.5 mm·a?1，總體呈不顯著增加趨勢以及較低波動性和低波動性變化特征。CWSI介于0.17—0.80，與ET分布特征相反，總體呈顯著減少趨勢以及中等波動性和較低波動性變化特征。

（3）安徽省土地利用類型主要為農田、林地、草地、城鎮、水體、濕地和裸地，各土地利用類型對應 ET大小依次為：林地>草地>農田>濕地>水體>裸地>城鎮，而對應的 PET值差異較小，且對應CWSI大小的排序與ET總體相反。

（4）ET的增加和CWSI的下降主要受水分條件影響（即降水量和相對濕度的增加），最終使得安徽省干旱化趨勢有所緩解；而輻射條件可能是PET增加的主要原因。

3.2 討論

本研究采用月尺度Epan數據驗證了最新第6版本MOD16 PET產品數據的適用性，整體效果較好。該結論與前人關于第5版本MOD16產品數據精度的驗證結果基本一致（吳桂平等，2013；田義超等，2015；位賀杰等，2015；鄧興耀等，2017；張猛等，2018），進一步證明了 MOD16產品數據在區域乃至全球尺度的適用性。如果條件允許的話，后期可進一步采用渦度相關數據（Du et al.，2017）或蒸滲儀（楊炳玉等，2015）觀測數據對第6版本MOD16 ET數據的精準性進行驗證，以更好地揭示MOD16 ET和PET數據在區域乃至全球尺度的適用性。

不同土地利用類型會對ET等產生一定影響。研究發現各土地利用類型對應ET大小依次為：林地>草地>農田>濕地>水體>裸地>城鎮，結合安徽省地形分布圖（圖1），安徽省林地主要分布于海拔較高的皖南山區和西部大別山區，由于上述山區降水豐沛，土壤水分充足，水源涵養能力較好，進而導致ET值最高（馬梓策等，2020）；盡管草地植株較為矮小，然而與林地類似，草地也主要分布于山區，其對應的ET值也相對較高；安徽省種植作物主要包括水稻、小麥、玉米等，考慮到作物生長周期，土地利用類型為農田的區域在一年中的部分時段無植被覆蓋，進而導致對應的年ET值較低（喻元等，2015）。

除土地利用類型影響外，氣候因子也會對區域ET或PET產生一定影響。其中，降水作為水文過程中極為重要的因素之一，在一定程度上會影響ET（Walter et al.，2004）。本研究發現水分條件（降水量和相對濕度的增加）可能是安徽省ET增加的主要原因，葉紅等（2018）研究也表明黃河源區ET主要表現為降水驅動，類似結論在海河流域（Huang et al.，2019）、洞庭湖流域（張猛等，2018）也有所體現。造成上述現象的原因可能是由于降水增加、氣候變暖在一定程度上會對植被生長起到良好的促進作用，進而導致ET的增加?？紤]到數據精度問題，由于本研究中氣候因子主要采用的是氣象站點觀測數據，后續研究可結合多源氣候數據集以匹配MODIS產品數據精度，進而從空間尺度上探究氣候因子與ET等因子之間的關聯性，進一步增強本文的結論。此外，盡管本研究探究了土地利用類型和氣候因子對區域ET、PET以及CWSI的影響，然而如何量化二者對區域尺度ET的影響仍有待進一步研究；其次，不同土地利用類型對 ET的貢獻也值得深入探究。