基于SWH雙源模型的鄱陽湖流域蒸散發組分時空變化特征及歸因分析

王 釗，張潤潤，章 陽

（河海大學水文水資源學院，江蘇 南京 210098）

0 引言

蒸散發主要包括土壤蒸發和植被蒸騰，是水文和能量循環中重要的組成成分，也是影響氣候變化和生態系統演變的主要因素之一［1，2］。蒸散發與氣候、下墊面等因素息息相關，不同氣候區蒸散發的變化趨勢及其主要影響因素存在著明顯的時空差異性。目前對于蒸散發的研究多集中于蒸散發總量，而對其組分的研究相對較少。由于土壤蒸發和植被蒸騰物理機制的差異，影響二者時空動態的因素也有所不同。楊曉甜［3］等基于GLEAM 蒸散發產品分析了黃淮海流域實際蒸散發的時空演變規律和影響因素，指出NDVI增加是流域蒸散發顯著上升的主要原因；鞠艷［4］等通過GRACE 重力衛星觀測數據、GLDAS 陸面模式同化數據以及水量平衡法，重建了金沙江流域多年平均實際蒸散發呈不顯著的增加趨勢，并說明流域蒸散發主要受到降雨和氣溫影響較多，風速次之；劉洋［5］等采用GG 模型估算了西北干旱區實際蒸散發時空變化特征，分析得出該地區60年來實際蒸散發呈微弱上升的趨勢，而在夏季和秋季則呈下降趨勢，其影響因素主要是氣溫、相對濕度和風速。

流域蒸散發時空變化受到氣候和下墊面條件等復雜因素的綜合影響。自21世紀以來，地處亞熱帶季風氣候的鄱陽湖流域干旱頻發，降水時空差異明顯，湖區最低水位不斷刷新［6］。流域內人類活動和氣候變化過程較為顯著，城市化進程較快。一系列生態修復工程大規模實施，流域內大部分地區植被覆蓋率增加［7］。同時，鄱陽湖流域也呈現出明顯的暖化趨勢，年均氣溫持續增長，極端天氣事件時有發生，洪旱程度加劇［8］。研究該流域蒸散發及其組分的時空動態和影響成因對流域水資源合理配置利用、揭示復雜環境下流域水文循環的響應機理有重要意義。

基于氣象站點蒸發皿的實測蒸發，以及傳統的單源模型的模擬蒸發，均無法區分土壤蒸發與植被蒸騰等組分動態［9］。Shuttleworth 和Wallace 綜合考慮了來自冠層和土壤的蒸散發過程，于1985年提出了S-W 雙源模型，并在站點尺度上實現了較好的模擬效果［10，11］。HU 等［12］通過引入Ball-Berry 氣孔導度模型以及基于光能利用率的GPP 模型改進了S-W 模型，解決了S-W 模型在區域尺度模擬的難題，形成了SWH雙源模型［13］。該模型在我國黃土高原［14］、黃河流域［15］、西北地區［16］等多時空尺度取得了良好的模擬效果，適用于不同氣候區蒸散發的模擬［17］。

因此，以鄱陽湖流域為研究對象，基于SWH雙源模型模擬2001-2017年流域蒸散發組分，結合實測通量資料和MODIS 遙感數據進行結果驗證，分析流域多年蒸散發總量（ET）、土壤蒸發（Es）、植物蒸騰（Ec）和蒸發占比（Es/ET）的時空分布特征與趨勢變化規律，并進一步基于SOBOL全局敏感性分析法［18］對蒸散發各組分變量的影響因素進行定量評估，分析流域蒸散發組分變化的實際成因。研究旨在一方面基于SWH雙源模型模擬估算鄱陽湖流域蒸散發ET，分離蒸散發組分Es和Ec；另一方面探討不同時空尺度下流域蒸散發組分和占比的變化反應機理和敏感成因，以期為氣候變化背景下區域蒸散發響應機制和水資源合理開發利用等方面提供支撐。

1 資料與方法

1.1 研究區概況

鄱陽湖流域（115°49′～117°46′E，28°24′～29°46′N）位于長江中下游南岸，總面積為16.22 萬km2，由鄱陽湖、贛江、撫河、信江、饒河與修河等水系組成（圖1）。鄱陽湖流域三面環山，地形復雜，中部為相對低洼的丘陵及盆地，北部為鄱陽湖沖積平原，整體地勢為南高北低。流域屬于典型的亞熱帶濕潤季風氣候，年均氣溫17.1 ℃，年均降水量約為1 632 mm，降水具有明顯的季節性和區域差異性，整體表現為秋多冬少、北多南少的特點。流域內土地覆蓋類型以林地、耕地、草地和水體為主，植被則以常綠闊葉林、農作物以及混交林為主。

圖1 鄱陽湖流域范圍Fig.1 Poyang Lake Basin

1.2 數據來源

SWH 模型驅動數據包括氣溫（TEM）、降水（PRE）、風速WS、相對濕度RH、凈輻射RN、光合有效輻射PAR、植被指數NDVI以及土地利用LUCC等。其中氣溫、降水、風速和相對濕度數據為2001-2017年鄱陽湖流域內部及周邊共83 個站點的逐日氣象資料，來源于中國氣象數據網（https：//data.cma.cn），在經過ANUSPLIN 空間插值后用于模型驅動，空間分辨率為1 km。NDVI和土地利用類型數據采用MODIS 數據產品MOD13A2 和MCD12Q1（https：//ladsweb.modaps.eosdis.nasa.gov），光合有效輻射和凈輻射數據集采用GLASS 數據產品，來源于國家地球系統科學數據中心（http：//www.geodata.cn），經過程序化批量預處理后得到8天時間分辨率的數據序列。其中光合有效輻射數據換算系數參考董泰鋒［19］取值為4.55。

采用ChinaFLUX 發布的渦度通量塔監測數據（http：//www.cnern.org.cn）和MODIS 蒸散發產品MOD16A2 數據，分別用于SWH 模型模擬結果在站點及流域尺度上的驗證。其中站點尺度驗證數據選擇千煙洲站潛熱通量數據集。

高程數據來源于中國科學院資源環境科學與數據中心（https：//www.resdc.cn），空間分辨率為1 km，地理坐標系為WGS84。本文利用ArcGIS 軟件進行裁剪、投影等操作后，作為研究區氣象數據空間插值的協變量。

1.3 方法

1.3.1 SWH雙源模型

SWH雙源模型將蒸散發分為植被蒸騰和土壤蒸發兩個相對獨立的過程。在Penman-Monteith 方程的基礎上，將所有冠層看作一片“大葉”，并假設植被和土壤的水熱過程均匯于一定高度與大氣進行湍流交換。其中蒸散發計算公式如下：

式中：PMS與PMC分別為土壤表面和植被冠層的蒸散發量，W/m2；CS和CC為相應的權重系數，分別表征植被和土壤對蒸散發影響作用大小，計算方法見［14］；Rn和Rns分別為植被冠層凈輻射與土壤表面凈輻射［20］，MJ/（m2·d）；G為土壤熱通量，MJ/（m2·d）；ρ為空氣密度，kg/m3；Δ為飽和蒸氣壓與溫度的斜率，γ為濕度計常數，kPa/℃；cp為定壓比熱容，J/（kg·℃）；VPD為飽和水汽壓與實際水汽壓之差，kPa；ras和rac分別為從土壤表面到冠層高度和從植被氣孔到冠層高度的空氣動力學阻抗，raa為從冠層高度到參考高度的空氣動力學阻抗［21］，s/m；rss和rsc分別為土壤表面阻抗和植被氣孔阻抗，s/m。

Hu 等［12，13］為實現土壤表面阻抗rss以及植被冠層阻抗rsc在區域尺度的準確估計，引入了Ball-Berry 氣孔導度模型和土壤表面阻抗方程，實現了對rss和rsc的估算。

土壤表面阻抗rss估算方法如下：

式中：SW和SWs分別為土壤表層含水量與飽和含水量，m3；b1、b2和b3均為經驗參數，根據土地利用覆蓋類型來確定，其中b1取為3.5。

Ball-Berry氣孔導度模型計算方法如下：

式中：hs為冠層表面空氣相對濕度（此處以空氣濕度代替）；cs為植被氣孔胞間的CO2濃度，取值為390 ppm；g0和a1為經驗參數；pn為光合速率，μmol/（m2·s），是估算rsc的重要變量，以光能利用率模型估算的GPP代替［22］，公式如下：

式中：PAR為光合有效輻射，W/m2；FPAR為植被冠層吸收的PAR占總入射PAR的比例（根據NDVI計算FPAR=1.24NDVI-0.618）；ε為根據氣溫、飽和水氣壓差以及土壤表層含水量標準化后的光能利用率，公式如下：

式中：εmax為最大光能利用效率；f(T)和f(VPD)分別為減量調節后溫度和飽和水汽壓差標量；Tmax、Tmin和Topt分別為最大溫度、最小溫度和光合作用最適溫度。如果溫度低于最小溫度或高于最大溫度，則f(T)取為0；Tmin、Tmax和Topt分別取值為0、20和40 ℃。如果VPD＜0.5 kPa，則f(VPD)取值為1。如果估算出的f(VPD)＜0，則f(VPD)取值為0。VPDmax取值為3.5 kPa。

SWH 雙源蒸散發模型的具體原理見HU 等［12，13］，在本研究模擬過程中的部分參數取值參考HU［22］。其中，b1、b2、εmax、a1、g0分別取值為3.5、3.2、0.001 2、10.6、0.018。

1.3.2 多時空尺度驗證評價

在站點尺度上，根據千煙洲通量站（圖1）潛熱數據計算獲得站點蒸散發總量，將其與基于SWH模型模擬獲得對應空間位置的蒸散發進行對比驗證。本文將千煙洲站點周圍5×5 共25個柵格點的蒸散發平均值作為模擬值，在時間尺度上分別進行了8天、月、季及年尺度的驗證。千煙洲站日尺度潛熱數據換算為蒸散發水量數據的方法見參考文獻［23］。

在流域尺度上，采用MODIS 蒸散發產品MOD16A2 數據作為參照值，與SWH 模型的模擬值進行8 d、月、季與年尺度的驗證分析。由于MOD16A2 數據在鄱陽湖湖區附近存在一定數量的空值，且不同日期的遙感數據空值柵格數不同，因此本文采用ANUSPLIN 空間插值方法［24］對MOD16A2 數據進行插值計算，以插值結果代替原數據空值，從而與模型模擬值進行驗證計算。

用以評價驗證效果的統計指標有平均絕對誤差（MAE）、均方根誤差（RMSE）、相關系數（R2）以及納什系數（NSE），計算公式為：

式中：yi為實測潛熱通量數據或MOD16A2數據，mm；為觀測值的平均值，mm；xi為SWH雙源模型的模擬結果，mm；為模擬值的平均值，mm；n為數據總量。

1.3.3 時空趨勢分析方法

采用世界氣象組織推薦的Mann-Kendall 非參數化趨勢檢驗法［25，26］對SWH 模型模擬的蒸散發進行趨勢分析，Mann-Kendall的檢驗統計量S可定義如下：

式中：xj和xi為趨勢檢驗的隨機變量；n為數據序列長度；該檢驗統計量S為正態分布，均值為0，方差計算公式如下：

當n＞10時，標準化統計量Z通過下式計算：

式中：j＞i＞1；統計量Z表示趨勢及其顯著性，當Z＞0時表示增加趨勢，當Z＜0 時表示降低趨勢。本文采取95%置信區間下的閾值（±1.96）為顯著性判定值。

1.3.4 敏感性分析方法

基于SOBOL 敏感分析法［18］對影響蒸散發組分的因素進行定量評估，計算公式為：

式中：X為總方差；Xi為變量i貢獻的方差；Xi，j為變量i與j相互作用貢獻的方差。根據SOBOL全局敏感性方法的定義，一階與總階敏感系數計算方式為：

式中：Si為變量i的一階敏感性系數；Si，j為變量i的二階敏感性系數；STi為變量i的總階敏感性系數。

1.3.5 數值實驗歸因分析

在研究中，SWH雙源模型共有八種驅動數據，分別為氣溫TEM、降水PRE、風速WS、相對濕度RH、凈輻射RN、光合有效輻射PAR、植被指數NDVI以及土地利用覆蓋類型LUCC。除LUCC以外，本文通過數值實驗的方法來解釋其余7種數據對流域蒸散發組分的實際變化貢獻，核心思路為設計一個對照實驗過程和7個情景實驗過程。其中對照實驗采用原始驅動數據進行輸入計算，代表著氣候變化和下墊面條件綜合影響下的流域蒸散發動態過程；每個情景實驗分別采用6 種原始驅動數據和一種非趨勢化數據序列進行輸入計算，代表著6 種驅動因素影響下的流域蒸散發動態。通過對每個情景實驗的模擬蒸散發組分和對照實驗的蒸散發組分進行比較分析，計算出每種驅動因素的實際貢獻量，具體方法見［27］。計算公式為：

式中：CNE(xi)是xi對基于數值實驗方法的流域蒸散發變化的貢獻量；xi為第i個驅動因素；TET為基于線性回歸法的對照實驗的蒸散發變化斜率；TETxi為基于第i個情景實驗的蒸散發變化斜率。

2 結果與分析

2.1 蒸散發模擬結果的驗證

模型在站點上的驗證評價指標計算結果如表1所示。模型模擬值與通量站實測值在各時間尺度下的相關系數均較高，8天、月、季與年尺度下的相關系數分別為0.92、0.95、0.96 和0.85。結合圖2（a）可知，模擬值與實測值的擬合情況較為良好，整體上模擬值略大于實測值。模擬值與實測值在8天尺度下的平均絕對誤差和均方根誤差分別為0.52 mm和0.70 mm。

表1 基于千煙洲站實測數據的SWH模型模擬驗證結果Tab.1 Validation results of SWH dual-source model simulation based on observation data of Qianyanzhou Station

圖2 基于千煙洲站實測數據和MODIS遙感數據對SWH雙源模型在8天尺度模擬驗證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

在流域尺度上的驗證結果如表2 和圖2（b）所示。SWH 模型模擬值與MODIS 參照值在8 天、月、季與年尺度下的相關系數分別為0.89、0.94、0.98 和0.73，模擬值與參照值一致性好。8天線性擬合斜率小于1，說明模擬值相較參照值略小，平均絕對誤差與均方根誤差分別為0.43 mm和0.59 mm。

表2 基于MODIS遙感數據的SWH模型模擬驗證結果Tab.2 Validation results of SWH dual-source model simulation based on MODIS remote sensing data

2.2 流域蒸散發時空演變特征分析

圖3 為鄱陽湖流域蒸散發總量（ET）、土壤蒸發（Es）和植物蒸騰（Ec）的年際變化過程。對ET而言，年平均值為829.5 mm，年最大值出現在2009年，為867.6 mm，年最小值則出現在2015年，為761.8 mm。總體上，ET以1.0 mm/a的速度下降，但在0.05顯著性水平下趨勢性不顯著。其中，夏季和秋季ET分別以0.4 mm/a 和0.7 mm/a 的速度下降，而春季ET則以0.1 mm/a 的速度增加，在0.05顯著性水平下趨勢性均不顯著（表3）。

表3 蒸散發組分及蒸發占比年際MK趨勢統計量Tab.3 MK trend statistics for evapotranspiration components and evaporation ratio

圖3 鄱陽湖流域蒸散發組分年際變化Fig.3 Interannual variation of evapotranspiration components in Poyang Lake Basin in years

Es年均值為553.4 mm，以2.6 mm/a 的速度顯著下降。春季、夏季、秋季和冬季Es分別以0.6、0.8、1.2 和0.2 mm/a 的速度減少。其中秋季Es在0.05 顯著性水平下呈顯著變化趨勢（表3）。

Ec年均值為276.1 mm，以1.7 mm/a 的速度不顯著增加。春季Ec以0.7 mm/a 的速度顯著性增加。夏季、秋季和冬季Ec的季值分別為150.4、72.4 和6.6 mm，分別以0.4、0.4 和0.1 mm/a 的速度呈不顯著增加（表3）。

圖4 為鄱陽湖流域Es/ET年際變化過程。結合表3 可以看出，在2001-2017年間，鄱陽湖流域年Es占ET的比例呈下降趨勢（P＜0.05），年Es/ET以0.28%/a 的速度顯著下降。在季節方面，冬季Es/ET＞春季＞秋季＞夏季，年均值分別為91.52%、79.08%、69.85%和59.51%。其中，僅夏季Es/ET以0.05%/a 的速度呈不顯著下降；而春季、秋季和冬季Es/ET則分別以0.41%/a、0.32%/a 和0.27%/a 的速率呈顯著下降趨勢。雖然鄱陽湖流域年Ec呈一定的增長趨勢，但由于Es的下降趨勢更為顯著，導致Es/ET總體呈現年際顯著的下降趨勢，尤以春季和秋季Es/ET的變化為主要貢獻。

圖4 鄱陽湖流域年、季尺度蒸發占比年際變化Fig.4 Interannual variation of evaporation ratio at annual and seasonal scales in Poyang Lake Basin

在空間上，鄱陽湖流域年均ET總量呈現中部高、四周低的特征，各子流域及湖區空間分布存在顯著差異［圖5（e）］。其中ET最大的區域為鄱陽湖湖區，其次為贛江流域上游地區，低值多分布在流域邊際地勢較高的地區，尤其是修河流域中部和信江流域南部。流域中部區域如湖區、撫河流域及贛江流域上中游地區ET呈增加趨勢，而流域東西部如修河流域、饒河流域和信江流域則呈現下降趨勢，其中饒河流域下降趨勢最為顯著［圖6（e）］。

圖5 鄱陽湖流域春季、夏季、秋季、冬季與年蒸散發空間分布Fig.5 Spatial distribution of evapotranspiration in the Poyang Lake Basin in spring，summer，autumn，winter and years

圖6 鄱陽湖流域春季、夏季、秋季、冬季與年蒸散發趨勢變化Fig.6 Distribution of temporal trend of evapotranspiration in the Poyang Lake Basin in spring，summer，autumn，winter and years

在季節分布上，春季ET空間分布與年ET類似［圖5（a）］，鄱陽湖湖區、贛江流域和饒河流域為春季ET最大的區域。就時變趨勢而言，僅贛江流域西部山區約占3.95%的區域呈現顯著的下降趨勢，其余地區均不顯著。以湖區為中心的流域中部地區呈增加趨勢，尤其是撫河流域，共占24.06%的流域面積［圖6（a）］。相較于春季，夏季ET空間分布與地勢的關系較為密切，以湖區為中心的平原地區ET最大，其次為贛江流域中部地區，而地勢較高的山區ET最小［圖5（b）］。夏季ET除湖區呈不顯著增加趨勢以外，90%以上的流域均呈下降趨勢。其中以饒河流域和信江流域下降趨勢最為顯著，約占總面積的21.65%，空間差異明顯［圖6（b）］。秋季ET整體呈不顯著變化的趨勢，趨勢增加的區域約為33.88%，基本集中在湖區平原及贛江流域南部地區［圖6（c）］。冬季ET空間分布與秋季類似，僅在湖區和贛江流域南部ET較大，其他子流域地區ET均較小，修河流域最小［圖5（d）］。趨勢上冬季ET在流域大部分地區均呈現增加趨勢，在湖區和贛江流域中部呈顯著增加的趨勢［圖6（d）］。

圖7 為鄱陽湖流域2001-2017年Es/ET時變趨勢的空間分布。流域80%以上的地區年Es/ET呈下降趨勢，僅湖區中部以及贛江流域西部山區呈增加趨勢。其中，33.86%的區域呈顯著下降趨勢，主要集中在湖區南部平原以及信江流域［圖7（e）］。春季、夏季、秋季和冬季Es/ET呈下降趨勢的流域面積分別占80.26%、61.41%、86.11%和76.80%，其中顯著下降的流域面積分別為27.17%、11.76%、34.86%和23.47%。春季和冬季Es/ET空間趨勢變化特征較為相似，Es/ET增大的區域主要在鄱陽湖湖區和贛江流域局部地區，冬季湖區Es/ET呈顯著增大的趨勢，春季信江流域Es/ET則呈顯著下降的趨勢［圖7（a）、（d）］。夏季Es/ET整體空間上趨勢變化不顯著，趨勢增加的區域主要在流域中部，饒河流域Es/ET趨勢增加最為明顯［圖7（b）］。秋季Es/ET增大的面積僅占13.89%，且集中在鄱陽湖湖區，湖區南部平原和信江流域中部Es/ET則呈現顯著的下降趨勢［圖7（c）］。

圖7 鄱陽湖流域春季、夏季、秋季、冬季與年蒸發占比趨勢變化Fig.7 Distribution of temporal trend of evaporation ratio in Poyang Lake Basin in spring，summer，autumn，winter and years

2.3 流域蒸散發組分敏感性分析

針對植被指數（NDVI）、光合有效輻射（PAR）、降水（PRE）、相對濕度（RH）、凈輻射（RN）、氣溫（TEM）和風速（WS）等七種影響因子對流域蒸散發總量及其組分進行敏感性分析。結果表明，流域ET變化的主要敏感因素為TEM和WS，其總階敏感系數分別為0.47 和0.57，其次為PRE和RN（表4）。其中，春季和夏季ET的敏感系數排序一致，為WS＞TEM＞RN＞RH＞PRE＞NDVI＞PAR，而秋季和冬季ET對PRE較為RH更加敏感，其總階敏感系數分別為0.42 和0.44。同時，各影響因子的敏感系數在年內的分布變化有所差異，ET對WS、TEM、PRE和RH的敏感系數均呈先減小后增大，對NDVI則呈先增大后減小；ET對RN在春夏季的敏感系數波動幅度較大，而對PAR的敏感系數在全年無明顯變化［圖8（a）］。

表4 基于SOBOL分析法的蒸散發總量年際總階敏感系數Tab.4 Interannual sensitivity coefficient of total evapotranspiration based on SOBOL method

圖8 鄱陽湖流域蒸散發總量、蒸發占比、土壤蒸發與植被蒸騰的敏感系數年內變化過程Fig.8 Sensitivity coefficient of total evapotranspiration，evaporation ratio，soil evaporation，plant transpiration in Poyang Lake Basin in annual process

Es/ET的主要敏感因素為NDVI，其總階敏感系數為0.71，其次為TEM和PRE（表5）。在季節方面，Es/ET在各季節對NDVI最為敏感，在秋冬季對PRE和TEM較為敏感，在春夏季則對WS和TEM較為敏感。在年內和年際分布變化中，Es/ET對各影響因子的敏感系數也呈現出明顯的差異，排序為NDVI＞TEM＞WS＞PRE＞RN＞PAR≈RH，且除NDVI以外Es/ET對其他影響因子的敏感系數在年內均呈先減小后增大的變化過程，尤以TEM和PRE變化幅度最大［圖8（b）］。對ET和Es/ET的敏感性分析表明流域ET受到的影響主要集中在氣候因素方面，而Es/ET受到的影響則主要為下墊面因素，尤其是植被相關的因素。

表5 基于SOBOL分析法的蒸發占比年際總階敏感系數Tab.5 Interannual sensitivity coefficient of evaporation ratio based on SOBOL method

在對Es和Ec的敏感性分析結果中可以看出，Es的敏感性分析結果與ET較為接近，而Ec的敏感性分析結果則與Es/ET較為接近（表6、7）。對Es而言，除WS和TEM是最主要的敏感因子以外，Es對NDVI、RN和PRE的敏感性較大，其總階敏感性系數分別為0.31、0.32 和0.35。Es對各影響因子的敏感系數在年內的變化過程與ET較為一致，對NDVI則更加敏感，尤其是在夏季，其敏感系數為0.40，而在該季對TEM的敏感系數為0.37［圖8（c）］。Ec在各尺度下的主要敏感因素為NDVI，年Ec對NDVI的總階敏感系數為0.72，其次為TEM和WS，對PRE的敏感性較低。年內各敏感系數的變化也與Es/ET一致［圖8（d）］。

表6 基于SOBOL分析法的土壤蒸發年際總階敏感系數Tab.6 Interannual sensitivity coefficient of soil evaporation based on SOBOL method

表7 基于SOBOL分析法的植被蒸騰年際總階敏感系數Tab.7 Interannual sensitivity coefficient of plant transpiration based on SOBOL method

2.4 流域蒸散發歸因分析

在敏感性分析的基礎上，本文對2001-2017年鄱陽湖流域氣溫TEM、降水PRE、風速WS、相對濕度RH、凈輻射RN、光合有效輻射PAR和植被指數NDVI等7 種流域蒸散發的影響因子進行時間演變趨勢分析。結果顯示，2001-2017年鄱陽湖流域四種氣象因子TEM、PRE、WS和RH均呈不顯著增加趨勢（P＜0.05），TEM和WS在秋季增長趨勢顯著，PRE在夏季增長趨勢顯著（表8）。各氣象因子的空間特征存在較大差異，流域TEM呈南高北低、中高周低的特征；流域PRE則表現為自西向東逐漸增加的空間特征；流域WS表現為周高中低的特征，28.46%的地區變化趨勢顯著；流域RH則表現為由北向南先增大再減小的特征。流域RN和PAR均呈不顯著下降趨勢（表8），空間上RN呈中高周低的特征，以湖區為中心向四周逐漸遞減，27.92%的地區呈顯著下降趨勢，主要分布在湖區、饒河流域等北部地區。流域PAR呈現為南北高、中間低的特征，峰值集中在湖區附近。流域年NDVI呈顯著增加趨勢，春季、秋季和冬季NDVI也均呈顯著增加的趨勢（表8）。NDVI在空間上表現為周高中低的特征，以湖區為中心向四周逐漸增加，峰值主要分布在流域周邊地勢較高的地區，49.51%的地區NDVI呈顯著增加趨勢，主要分布在湖區南部、贛江流域和信江流域。

表8 蒸散發驅動影響因素年際MK趨勢統計量Tab.8 MK trend statistics for driving factors of evapotranspiration

對鄱陽湖流域2001-2017年蒸散發總量（ET）、蒸發占比（Es/ET）、土壤蒸發（Es）和植被蒸騰（Ec）的實際變化成因進行研究分析。結果顯示：對年ET而言，NDVI和PRE對流域ET的貢獻量分別為0.378 和0.750，RH和RN對ET的貢獻量分別為-0.441 和-1.169（表9），說明鄱陽湖流域年ET增加主要由NDVI和PRE的變化引起，ET下降則主要由RH和RN的變化導致。結合RH、RN和WS的年際變化趨勢分析可知，年RH的增大和RN的下降是導致流域年ET呈下降趨勢的主要原因，WS增大對年ET的貢獻量則較小。

表9 鄱陽湖流域蒸散發總量驅動影響因素的貢獻量特征Tab.9 Characteristics of contribution of driving factors of total evapotranspiration in Poyang Lake Basin

在季節方面，鄱陽湖流域各影響因素對春季ET變化的實際貢獻均較為明顯，RN和NDVI對流域春季ET變化的貢獻量最大，其貢獻量分別為-1.364 和0.462。夏季ET下降的主要原因來源于RN和RH，貢獻量分別為-0.649 和-0.290。秋季RN、RH和WS對流域ET的負貢獻量較大，分別為-3.723、-1.819 和-1.770，同時秋季ET對RN、RH和WS均較為敏感，因此秋季ET表現為下降趨勢。冬季ET變化的主要貢獻來源于PRE和RN，實際貢獻量分別為-2.054 和1.017，且均為冬季ET較為敏感的影響因素。

對年Es/ET而言，NDVI的實際貢獻量為-1.233，PAR、PRE和WS的實際貢獻量分別為0.242、0.258 和0.154（表10）。年Es/ET最主要的敏感因素即為NDVI，這與年Es/ET變化的實際貢獻量特征一致（表5）。流域Es/ET整體表現為顯著性下降的變化趨勢，其主要原因即為流域NDVI呈顯著性增加的變化。

表10 鄱陽湖流域蒸發占比驅動影響因素的貢獻量特征Tab.10 Characteristics of contribution of driving factors of evaporation ratio in Poyang Lake Basin

各季Es/ET的實際貢獻特征與年Es/ET較為一致（表10）。對春季Es/ET的變化起主要貢獻作用的是NDVI，其次為PAR，貢獻量分別為-1.161 和0.230，NDVI顯著增加的趨勢變化是流域春季Es/ET顯著性下降的主要原因。夏季Es/ET的負貢獻量主要來源于NDVI和RH，實際貢獻量為別為-0.950 和-0.505，整體上略大于PAR、PRE和WS的正貢獻量，因此夏季Es/ET呈下降趨勢，但變化趨勢不顯著。秋季NDVI對流域Es/ET的實際貢獻量為-1.212，NDVI顯著增加是秋季Es/ET顯著下降的主要成因。NDVI是冬季Es/ET最敏感的驅動影響因素，實際變化貢獻量為-1.786，此外RN對冬季Es/ET的貢獻量也為-0.746，冬季NDVI和RN增加是Es/ET呈顯著性下降的主要原因。

鄱陽湖流域年Es的主要敏感因素為TEM和WS，對流域年Es起主要貢獻作用的影響因素為RN、NDVI、PRE和RH，貢獻量分別為-0.591、-0.531、0.503 和-0.273（表11）。整體上鄱陽湖流域RN、NDVI和RH的負貢獻量大于正貢獻量，因此流域年Es呈顯著的下降趨勢。結合RN、NDVI和RH年際變化趨勢可知，流域年Es變化的主要成因在于年RN下降和NDVI、RH增加。對Ec而言，流域年Ec的主要貢獻來源于NDVI、RN和PAR，貢獻量分別為1.152、0.537和0.488，流域年NDVI和PAR的增長是Ec呈增長趨勢的主要原因（表12）。在季節方面，春季、秋季和冬季Ec驅動影響因素的貢獻量特征與年Ec類似，NDVI是對各季Ec貢獻量最大的影響因素，貢獻量分別為1.169、0.633 和0.878。

表11 鄱陽湖流域土壤蒸發驅動影響因素的貢獻量特征Tab.11 Characteristics of contribution of driving factors of soil evaporation in Poyang Lake Basin

表12 鄱陽湖流域植被蒸騰驅動影響因素的貢獻量特征Tab.12 Characteristics of contribution of driving factors of plant transpiration in Poyang Lake Basin

3 討 論

在模擬估算流域蒸散發及其組分的過程中，由于模型機制將流域水體看作為含水率接近100%的“土壤”，從而模擬估算Ec和Es，而對于鄱陽湖流域而言，湖區水體面積占比較大，這樣的處理可能導致流域Ec和Es的估算誤差。同時，不同的植被指數對流域植被變化的反映存在一定差異，主要體現在植被指數對下墊面FPAR估算具有不同的適應性［28］，在森林FPAR估算中增強型植被指數（EVI）更有優勢［29］，而對部分農作物生育期FPAR估算中NDVI與FPAR的相關性則更高［30］，鄱陽湖流域植被覆蓋率較高，年均NDVI為0.578，除冬季以外其余時段NDVI均在0.5 以上，在植被生長季階段NDVI可較好地模擬不同下墊面條件的FPAR，而在非生長季或植被茂密地區NDVI對流域植被變化的表征程度有所不足，導致FPAR的估計存在一定的偏差，這也導致本研究估計的ET和Ec存在一定的不確定性。在研究時段內鄱陽湖流域曾多次發生嚴重干旱事件，而較為直接反映干旱情況的降雨數據并非是作為模型公式的變量進入模擬的過程［13］，且氣溫、降雨等氣象實測數據均是通過ANUSPLIN 空間插值得到流域面尺度數據，這也可能導致模型模擬誤差，后續可通過對多元數據及多種模型的比較分析，進一步提高對該流域蒸散發時空動態規律的認識。

ET的時空動態受到氣候變化、下墊面條件等多方面因素的影響，對ET各組分作單獨的分析可進一步明確ET的響應變化機理。近年來鄱陽湖流域經歷了顯著的氣候變化過程，流域年均氣溫快速增長，暖化趨勢明顯［8］，降水量及降水日數則明顯減少，降水時空分布不均［6］；鄱陽湖流域自20世紀90年代以來實施了大規模的“退耕還林還草”等生態工程，流域植被覆蓋率大大增加［7］。這些氣候和下墊面的變化對蒸散發組分造成了一定的影響。本文基于SWH 模型模擬得到2001-2017年鄱陽湖流域ET、Es、Ec和Es/ET，并對其進行時空變化趨勢和影響因素的分析。研究結果表明，鄱陽湖流域年均ET為829.5 mm，多年波動范圍為761.8～867.6 mm，與劉沖［7］等和趙曉松［8］等研究結果較為接近，總體上以1.0 mm/a 的速度下降；鄱陽湖流域ET在研究時段內各尺度下的變化趨勢均不顯著，夏季和冬季ET的趨勢性結果與秦曉晨［31］等一致，但Es/ET在除夏季以外均呈現出顯著的下降趨勢，說明流域Ec相對于Es增加趨勢明顯，在各時段內Ec在ET中的占比顯著增大，流域蒸散發組分存在著明顯的變化情況，流域蒸散發結構正在發生一定的變化。對于Es而言，僅在秋季呈現出顯著的下降趨勢，在其他時段內變化趨勢均不顯著；年Ec以1.7 mm/a 的速度不顯著增加，春季Ec增加趨勢顯著；在ET總量同樣變化不顯著的情況下，Ec在各時段內的趨勢變化可能決定著ET總量的變化情況。通過對Es/ET在年內及年際的分布變化可知，2001-2017年鄱陽湖流域年Es/ET以0.28%/a 的速度減小，2012年以前Es/ET年均水平約為76%，而在2012年以后年均水平約為73%，春季、秋季和冬季也均有3%左右的降幅；Es/ET在年內3-8月降幅為33.17%，尤其在植被生長季（3-6月）月均下降8%左右，在7-9月則維持在2%左右，進一步可以說明Ec相較Es對ET總量起著更加重要的影響作用。

結合上述流域背景情況［6-8］以及敏感性分析結果可知，ET和Es對TEM、WS和PRE等氣候因素更加敏感，而Es/ET和Ec對NDVI等下墊面因素更加敏感，且Es對NDVI也具有一定的敏感性，各變量對RN和PAR等能量因素的敏感性程度一般，劉沖［7］等和趙曉松［8］等也認為TEM等氣候因素對流域ET影響較大，但在RN等能量因素的分析上存在著一定差異。植被條件改善是驅動流域ET增長的主導因素，氣候變化是導致ET年際波動的主要原因［7］，而主要體現在對流域蒸散發組分Ec的影響，Ec對NDVI的敏感系數為0.72。因此鄱陽湖流域氣溫增長、暖化趨勢明顯可能是導致年Es顯著下降的主要原因，而流域內開展的生態修復工程使得植被覆蓋率大大增加，植被冠層吸收的光合有效輻射增加，導致Ec在春季顯著增大、Es/ET下降趨勢顯著。

4 結論

（1）SWH雙源模型在站點和流域尺度上均取得了良好的模擬效果，適用于鄱陽湖流域蒸散發的模擬。

（2）在2001-2017年期間，流域年均ET變化趨勢不顯著，年Es和Es/ET均呈顯著下降趨勢。Ec全年呈增大趨勢，在春季顯著增大，導致Es/ET顯著下降，尤其是在湖區南部平原和信江流域。

（3）鄱陽湖流域年ET和Es變化的主要敏感因素為TEM和WS，其次為PRE和RN。其中秋季和冬季受PRE影響較大，Es對NDVI也較為敏感。Ec和Es/ET在年、季尺度下的主要敏感因素均為NDVI，其次為TEM。

（4）鄱陽湖流域對ET變化貢獻最大的影響因子為RN、PRE和RH，年RN下降和RH增大是導致流域年ET呈下降趨勢的主要原因。流域年Es/ET顯著下降的主要原因為NDVI顯著性增加。對流域Es起主要作用的影響因子為RN、NDVI和RH，年Es顯著下降的主要成因在于RN下降和NDVI、RH增加。流域Ec顯著增大的主要原因為NDVI和PAR增大，NDVI是各季Ec增大的主要成因。