2000—2015年中國陸地生態系統蒸散時空變化及其影響因素

牛忠恩,胡克梅,何洪林,任小麗,張 黎,葛 蓉, 2,李 攀,鄭 涵,朱曉波,曾 納

1 中國科學院地理科學與資源研究所,生態系統網絡觀測與模擬重點實驗室,北京 100101 2 中國科學院大學,北京 100049 3 大連海事大學,大連 116026 4 中國科學院地球化學研究所,貴陽 550002 5 中國科學院地球環境研究所,黃土與第四紀地質國家重點實驗室,西安 710061 6 西南大學地理科學學院,遙感大數據應用重慶市工程研究中心,重慶 400715

蒸散是陸地生態系統碳水循環及能量流動的重要組成部分,與生態系統生產力緊密相關[1- 6],其吸收了約一半的陸地生態系統太陽輻射,并將60%以上的降水返回到大氣層中[5, 7- 9]。由于氣候變化和人類活動的影響,過去十幾年內全球蒸散呈上升趨勢,但不同地區蒸散仍存在很大不確定性[5, 10- 12]。準確模擬和量化區域尺度蒸散及其影響因素對全球碳水循環具有十分重要的意義[1]。

區域蒸散模型是準確獲取全球及區域尺度長時間序列、高空間分辨率蒸散數據的重要手段。基于生物物理過程的機理模型具有堅實的理論基礎且在站點尺度具有較好的表現,但冠層導度等關鍵參數的估算問題限制了其應用范圍[13- 15]。近年來,遙感技術的快速發展極大改善了大尺度土壤和植被的動態監測,并在區域蒸散估算中發揮越來越重要的作用[16- 19]。基于此,已有學者構建了蒸散模擬的經驗半經驗模型[5, 20- 23],但表征空氣動力學和表面阻力的一些重要變量很難通過遙感獲取,限制了其在大尺度上的應用[7, 24]。為克服經驗模型的缺點,Cleugh等基于Penman-Monteith 公式[25]發展了遙感驅動的蒸散模型[26],并成功應用于全球MODIS產品的估算[8],但許多計算冠層和氣動阻力的參數仍依賴于地面氣象觀測和再分析產品[7]。Priestley-Taylor方程[27]可以認為是Penman-Monteith方程[25]的簡化版本,其避免了空氣動力學和表面阻力的計算[23, 27- 29],可根據生理生態限制將潛在蒸散降低到實際蒸散[28],因而得到廣泛應用和發展[30- 33]。WACMOS-ET項目基于通量觀測數據、流域水量平衡數據等在站點及區域尺度比較了四種常用的區域蒸散估算模型(PM-MOD、GLEAM、PT-JPL、SEBE),發現PT-JPL模型在絕大部分生態系統和氣候區表現最優[34-35]。

中國陸地生態系統蒸散約占全球蒸散總量的5.6%—8.3%[2],對全球碳水循環具有重要影響[1]。盡管當前針對區域尺度蒸散已經了大量研究,但高精度蒸散模擬仍具有很大挑戰[12, 36],如基于8個蒸散模型模擬中國地區多年平均蒸散介于535—852 mm之間[36],區域蒸散模擬需進一步改善。同時,研究發現中國陸地生態系統蒸散與輻射、溫度及水分均顯著相關[18, 37],但不同地區蒸散年際變化主導因素存在很大差異,如在濕潤地區,輻射主導了蒸散年際變化,而在干旱地區,水分因子控制了蒸散的長時間變化趨勢[2, 12]。近年來,中國地區日益嚴重的空氣污染問題導致大氣氣溶膠濃度上升[38-39],同時東亞季風增強導致中國降雨帶北移[40-41],上述因素顯著改變了中國地區的輻射及降水的空間格局,并進一步影響蒸散的時空變化。當前已有很多研究報道了中國地區蒸散時間變化趨勢[2, 7],但氣候變化對中國陸地生態系統不同地區蒸散的影響尚不明確。

本文基于PT-JPL模型,集成遙感數據和柵格化氣象數據模擬了中國陸地生態系統2000—2015年蒸散,并進一步分析了全國及不同地區蒸散年際變化及其影響因素,為研究更長時間尺度的蒸散時空變異及其環境控制機制和對未來氣候變化的響應提供基礎。

1 數據和方法

1.1 PT-JPL模型

PT-JPL模型在避免空氣動力學和表面阻力計算的情況下,綜合考慮多種生物物理因素的脅迫作用,將Priestley-Taylor[27]方程估算的潛在蒸散降低到實際蒸散[28]。該模型通過能量分配將實際蒸散拆分為冠層蒸騰(LEc)、土壤蒸發(LEs)及林冠截留蒸發(LEi)三部分。冠層蒸騰指植物通過葉片將體內水分以水蒸氣形式散失到體外的過程,主要受植被形態、植被生長狀況、溫度和水分供應的影響;土壤蒸發指土壤中水分通過上升和汽化從土壤表面進入大氣的過程,受到土壤表面和土壤內部含水量的雙重影響;林冠截留蒸發指林冠截留的降水直接蒸發,主要受葉片表面濕潤狀況的影響[32]。模型主要結構見公式1—4,詳見參考文獻[28]。

ET=LEc+LEs+LEi

(1)

式中,α為Priestley-Taylor方程對潛在蒸散的原始描述(0.26)[42],Δ為溫度-飽和水汽壓斜率(kPa/℃),γ為干濕常數(0.066),Rnc為冠層截獲凈輻射(W/m2),Rns為土壤吸收凈輻射(W/m2),G為土壤熱通量(W/m2),fwet為相對地表濕度(無量綱),fg為綠葉覆蓋比例(無量綱),ft為溫度限制因子(無量綱),fm為植被水分限制因子(無量綱),fsm為土壤水分限制因子(無量綱)。

不同生態系統類型的氣候條件、生態系統結構、植被特征存在很大差異,因此本文將PT-JPL模型應用于中國陸地生態系統蒸散模擬時,采用分植被類型設置模型關鍵參數(Topt、fm、fsm、kpar)的方法。依據CASA模型,植被最優溫Topt設定為溫度、葉面積指數及植被冠層光合有效輻射吸收量乘積最大時的溫度[32, 43];參考VPM模型中水分脅迫因子的計算方法[44-45],fm采用(fapar+1)/(faparmax+1)形式計算,其中fapar、faparmax分別為冠層吸收光合有效輻射的實際比例和最大比例[46];fsm(fsm=RHVPD/β)計算中空氣濕度變化響應曲線參數β以及消光系數kpar在不同植被類型的取值參見表1,β取值主要來源于中國東部典型森林生態系統的觀測結果,kpar取值主要來源于陸地生態系統的mate分析。

表1 中國陸地生態系統關鍵模型參數取值

1.2 分析方法

1.2.1分段擬合

2000—2015年蒸散時間變化趨勢采用線性回歸模型獲取。應用分段線性回歸[48-49]獲取不同年代際蒸散的變化強度：

式中,t為年份,y為不同年份的蒸散;α為蒸散變化拐點,β0、β1、β2回歸系數,ε為殘差。

1.2.2氣候因子對蒸散的貢獻

氣候因子對蒸散變化趨勢(YET)的貢獻率采用下列多元線性回歸方程獲取[50]：

YET=b0+bPRCPXPRCP+bTAVGXTAVG+bRaXRa+ε

(6)

fi=d(biXi)/dt,i=PRCP, TAVG,Ra

(7)

式中,ε為殘差,b0為常數項;bPRCP、bTAVG、bRa分別表示降水XPRCP、溫度XTAVG、輻射XRa的擬合斜率;fi為各氣候因子對蒸散變化趨勢的貢獻。

1.3 數據

1.3.1觀測數據

本研究所用蒸散觀測數據來源于已發表文獻的搜集數據及中國通量觀測網(http://www. chinaflux.org/)長期地面觀測數據(圖1)。文獻搜集蒸散數據來源于Zheng等[52],共涵蓋47個站點的146個站點-年數據,用于驗證年尺度模型模擬結果的精度及其空間異質性。中國通量網觀測數據包括長白山、千煙洲、鼎湖山、西雙版納、禹城、內蒙古、當雄及海北灌叢等8個渦度通量觀測站點,對觀測數據進行三次坐標軸旋轉、WPL校正、無效數據剔除、夜間數據篩選等一系列處理后[53-54],進一步將潛熱(W/m2)換算到蒸散(mm/m2),為驗證模型模擬結果的年際波動,將觀測蒸散數據匯總到年尺度。

圖1 通量觀測站點及文獻搜集數據站點空間分布[51]Fig.1 Spatial distribution of flux sites and literature collection data sites[51] I 東北地區 Northeast region;II 內蒙地區 Inner Mongolia region;III 甘新地區 Gan-xin region;IV 黃淮海地區 Huang-huang-hai region;V 黃土高原地區 Loess Plateau region;VI 青藏地區 Tibetan region;VII 長江中下游地區 Mid-downstream of Yangtze region;VIII 西南地區 Southwest China;IX 華南地區 South China;ENF 常綠針葉林 Evergreen needleleaf forest;EBF 常綠闊葉林 Evergreen broadleaf forest;DNF 落葉針葉林 Deciduous needleleaf forest;DBF 落葉闊葉林 Deciduous broadleaf forest;MF 混交林 Mixed forest;SHR 灌叢 Shrubland;GRA 草地 Grassland;CRO 農田 Cropland;NV 無植被 No vegetation

1.3.2遙感數據

模型運行所需植被植被指數EVI和NDVI[55-56]源于MODIS陸地產品第5版數據集地表反射率產品MOD09A1(https://modis.gsfc.nasa.gov/, 空間分辨率500 m×500 m,時間分辨率8 d),為消除云雨干擾,利用TIMESAT的非對稱高斯函數對EVI及NDVI進行平滑處理[57],相比于其他函數,非對稱高斯函數平滑后植被指數與原始變化曲線更加吻合[58]。為與氣象數據相匹配,將遙感數據重采樣至1 km×1 km。

1.3.3氣象數據

空間氣象數據(溫度、降水等)源于利用ANUSPLIN氣象插值軟件進行空間化得到的時間分辨率為8 d、空間分辨率為1 km的氣象柵格數據集,基礎數據來自2000—2015年國家氣象科學數據共享服務平臺(http://data.cma.cn/)獲取的“中國地面氣候資料日值數據集”及全球日氣候歷史數據網絡數據。采用7個亞洲通量觀測臺站(http://asiaflux.net)的氣象要素對空間插值結果進行了驗證,發現插值結果和通量觀測數據顯著線性相關,分別可以解釋降水、溫度的67%、94%[59]。總輻射數據首先利用122個輻射觀測站的總輻射和日照時數數據估計Angstrom模型[60]參數,然后利用756個氣象站的日照時數數據和參數化后的Angstrom模型計算756個站的總輻射,進而利用ANUSPLIN氣象插值方法進行插值,基于站點觀測數據對插值結果進行驗證,幾乎所有地區相關系數均高于0.8,RMSE低于3 MJ/d[61- 63]。凈輻射數據首先利用全國53個氣象輻射站點逐日地表凈輻射數據擬合FAO Penman修正式的經驗參數,并將模型運用到全國站點,利用各站點的日照時數、平均氣溫、平均水汽壓等實測數據模擬得到各站點凈輻射,地表凈輻射觀測值與模擬值的相關系數為0.85,平均相對誤差為0.13,總體精度較高[64]。

2 結果

2.1 模型驗證

基于站點觀測蒸散數據對模型模擬結果進行驗證,采用站點周邊3×3范圍內所有像元的平均值作為站點模擬結果。發現參數優化后PT-JPL模型可解釋所有站點、非森林站點和森林站點蒸散年際變化的68%、59%、65%,RMSE分別為130.82 mm/a(22%)、116.32 mm/a(16%)、147.5 mm/a(30%)(圖2);采用原始參數的PT-JPL模型模擬結果對年際變化的解釋率略低于參數優化后PT-JPL模型,但RMSE顯著高于參數優化后PT-JPL模型,分別為209.54 mm/a(36%)、211.68 mm/a(30%)、207.06 mm/a(42%)(圖2);MOD16產品在森林站點對年際變化的解釋率略低于參數優化后PT-JPL模型(58%),在非森林站點解釋率較差(32%),RMSE分別為206.13 mm/a(28%)、225.39 mm/a(62%)(圖2)。說明參數優化后PT-JPL模型較原始模型模擬效果有了較大提升,且優于廣泛使用的MOD16產品,可以很好的模擬出中國陸地生態系統蒸散的年際變化及空間分布。

圖2 基于文獻搜集數據驗證對參數優化后PT-JPL模擬結果、原始PT-JPL模型及MOD16蒸散產品的驗證Fig.2 Validation of PT-JPL model with optimized parameters, PT-JPL model with original parameters and MOD16 evapotranspiration product based on literature collection data圖中黑色表示全部站點;藍色為森林站點;紅色為非森林站點

2.2 空間分布格局

多年平均蒸散具有明顯的空間異質性,即由東南沿海到西北內陸逐漸遞減(圖3),全國平均蒸散為440.16 mm/a。進一步在九大區分析陸地生態系統蒸散的空間分布格局(圖3),發現華南地區蒸散最高(833.80 mm/a),其次為長江中下游地區(699.14 mm/a)和西南地區(586.9 mm/a),這些地區水熱條件良好且植被覆蓋度較高;甘新區(263.81 mm/a)蒸散最低,該地區降水稀少且植被稀疏。

圖3 2000—2015年中國陸地生態系統蒸散多年均值及年際變化率的空間分布格局Fig.3 Spatial distribution of averaged evapotranspiration and annual evapotranspiration trends of Chinese terrestrial ecosystem from 2000 to 2015

2.3 時間變化趨勢

2000—2015年中國陸地生態系統蒸散總量多年平均值為4.12 Tt/a,年均輕微下降6.48 Gt/a(P=0.17),且具有年代際差異,即2000—2010年中國地區蒸散呈顯著下降趨勢(P<0.01),而2010—2015年輕微上升(P=0.71)(圖4)。2004及2013年蒸散高值與總輻射(下文中輻射均指代總輻射)高值同時發生(圖4)。2010年蒸散變化趨勢轉折可能與氣候因子相關,2010年前后降水及溫度由上升改為下降趨勢,輻射由下降變為上升趨勢(圖4)。

圖4 2000—2015年中國陸地生態系統蒸散及降水、溫度及輻射距平的時間變化趨勢Fig.4 Interannual changes of Chinese terrestrial ecosystems in evapotranspiration, and anomaly of precipitation, temperature, and radiation

2000—2010年各生態區蒸散均呈下降趨勢(表2),其中顯著下降(P<0.1)的內蒙古地區、甘新地區、黃土高原地區及青藏地區蒸散總量占全國的45.05%,解釋了61.88%的年際變化。2010—2015年各生態區均無顯著變化(表2),其中東北地區及長江中下游地區呈下降趨勢,抵消了全國上升速率的57.59%;其余地區呈輕微上升趨勢,甘新地區占全國上升趨勢的70.52%。圖3在像元尺度展示了蒸散年際變化率的空間分布格局,2000—2010年73.95%的像元呈下降趨勢,其中14.5%的像元顯著下降,主要分布在黃淮海地區、甘新地區、黃土高原地區及青藏地區,與區域統計結果一致(圖3,表2);2010—2015年上升像元比下降像元多10.83%,顯著變化像元僅為7.01%(圖3)。

表2 2000—2010年及2010—2015年中國陸地生態系統不同生態區蒸散變化趨勢

Table 2 The trends of evapotranspiration in different ecosystem regions of Chinese terrestrial ecosystem from 2000 to 2010 and 2010 to 2015

地區 Regions2000—20102010—2015斜率Slope/(Gt/a)R2P斜率 Slope/(Gt/a)R2P東北地區 Northeast region-1.990.150.245-0.680.020.765內蒙古地區 Inner Mongolia region-2.090.510.0140.790.210.362甘新地區 Gan-xin region-3.750.290.0877.390.500.114黃淮海地區 Huang-huai-hai region-1.490.130.2801.870.120.500黃土高原區Loess Plateau region-2.190.380.0443.610.490.120青藏地區 Tibetan region-4.990.400.0361.200.020.792長江中下游區 Mid-downstream of Yangtze-1.170.030.585-5.350.050.668西南地區 Southwest China-1.880.120.3050.040.000.997華南地區 South China-1.490.100.3381.600.060.632

2.4 時間變化趨勢影響因素

圖5 全國及不同生態區蒸散與降水、溫度及輻射的相關關系 Fig.5 Correlation coefficient between evapotranspiration and precipitation, temperature and radiation for each region實線和虛線分別表示P=0.05和P=0.01

由2000—2015年蒸散和氣候因子之間的相關性分析可知,在全國尺度,蒸散與輻射顯著正相關(P<0.05),與溫度及降水相關性很弱(圖5)。在生態區尺度,輻射主導了幾乎所有地區蒸散的年際變異,但溫度、降水與蒸散的相關性存在顯著差異：在內蒙古地區及甘新地區等干旱地區降水與蒸散顯著正相關(P<0.05),在其他地區(除青藏地區)均呈負相關;在長江中下游地區、西南地區及華南地區溫度與蒸散呈正相關,而內蒙古地區及甘新地區蒸散與溫度呈負相關(圖5)。在空間尺度,超過78%的像元輻射與蒸散顯著正相關(P<0.05),僅在內蒙古地區、甘新地區部分像元兩者相關性較弱(圖6);約8%的像元降水與蒸散顯著正相關(P<0.05),主要分布在降水較少的內蒙古地區及甘新地區,同時超過25%的像元降水與蒸散呈顯著負相關(P<0.05),在水熱條件良好的東部季風區及青藏地區東北部廣泛分布(圖6);約10%的像元溫度與蒸散呈負相關(P<0.05),主要分布在內蒙古地區及甘新地區,約16%的像元蒸散與溫度顯著正相關(P<0.05),主要分布在水分充足的長江中下游地區、西南地區及華南地區(圖6)。

本文進一步基于多元線性回歸方程量化不同氣候因子對蒸散年際變化趨勢的貢獻率。結果表明2000—2010年輻射降低可解釋蒸散下降的51.45%;2010年以后輻射增高可解釋蒸散上升的85.26%,說明輻射主導了全國尺度蒸散的年際變化。但不同地區的主要影響因素存在很大差異,2000—2010年內蒙古地區及黃土高原地區輻射下降(表3,圖6)是蒸散下降的主要原因,貢獻率分別為50.20%、72.29%;甘新地區降水減少且溫度增加(表3,圖6),共同解釋蒸散降低的60.8%;青藏地區東北部蒸散下降(圖3),該地區降水增多(圖6)導致輻射降低(圖6),進而影響蒸散變化;其他各區輻射是蒸散年際變化的主要影響因子,解釋率介于77.62%—90.50%之間。2010—2015年,各生態區蒸散變化均不顯著,其中內蒙古地區及黃土高原地區輻射由下降轉為輕微上升(表3,圖6)導致蒸散轉為輕微上升趨勢(表2);甘新地區溫度由上升轉為下降(表3,圖6),同時降水開始增多(表3,圖6),導致蒸散上升;青藏地區降水減少導致輻射增多,進而影響蒸散(表3,圖6);東北地區及長江中下游地區蒸散下降(表2)主要由輻射下降導致(表3,圖6)。

圖6 2000—2015年中國陸地生態系統蒸散與氣象因子(降水、溫度、輻射)相關性及不同年代際氣象因子變化趨勢的空間分布格局Fig.6 Spatial distribution of the coefficients between evapotranspiration and climate factors (i.e., precipitation, temperature and radiation) and the annual climate factors trends of Chinese terrestrial ecosystem from 2000 to 2015

地區Regions2000—20102010—2015溫度Temperature降水Precipitation輻射Radiation溫度Temperature降水Precipitation輻射Radiation東北地區 Northeast region-0.03 9.44 -82.68 0.31 -10.58 -86.83 內蒙地區 Inner Mongolia region0.01 0.49 -74.91 0.27 0.82 11.56 甘新地區 Gan-xin region0.03 -1.36 29.40 -0.23 0.54 151.90 黃淮海地區 Huang-huai-hai region0.01 1.40 -95.15 0.16 -17.10 -41.02 黃土高原區Loess Plateau region0.02 -3.91 -96.50? 0.12 -7.08 70.93 青藏地區 Tibetan region0.11?2.87 12.30 -0.13? -18.66 129.08 長江中下游區 Mid-downstream of Yangtze0.03 -0.12 18.79 0.08 29.43 -307.21 西南地區 Southwest China0.05 -8.13 -11.82 0.06 28.05 -19.13 華南地區 South China0.02 -3.63 -59.44 -0.13 -2.91 191.91

*P<0.05

3 討論

3.1 模型不確定性分析

本研究基于通量觀測及文獻搜集的實測蒸散數據對模型模擬結果進行驗證,發現PT-JPL模型可解釋蒸散季節變化和年際變化的65%、68%。Chen等利用23個通量觀測站實測數據對8個蒸散模型進行了驗證,發現決定系數介于0.5—0.8[36];其他相關研究所得蒸散的決定系數介于0.55—0.80之間[2, 7, 30, 65- 67],說明本研究模擬結果已達到當前主流蒸散模型的模擬精度。

本研究模擬多年平均蒸散為440.16 mm/a,介于相關研究的364—852 mm/a之間(表4),Chen等基于8個蒸散模型模擬了中國地區蒸散(535—852 mm/a)[36],顯著高于本研究及其他相關研究結果,可能是由不同模型結構導致[36],另外,不同模型中輸入數據來源及分辨率不一致也會導致模型模擬結果的差異[69]。本研究模擬蒸散的空間分布格局與相關研究基本一致[1-2, 7, 70],表現出與中國氣候格局相對應的區域異質性和緯度梯度[7, 71]。

近15年中國陸地生態系統蒸散年均輕微下降0.15%,2001—2013 MODIS蒸散產品年均輕微下降0.11%(基于變化速率及多年均值計算所得)[71],在相同時段內本研究估算的蒸散年均下降速率為0.12%,兩者基本一致。本研究模擬蒸散具有年代際差異,即2000—2010年年均顯著下降0.51%,顯著下降的內蒙古地區、甘新地區、黃土高原地區及青藏地區蒸散總量占全國的45.05%,解釋了61.88%的年際變化,而2010—2015年輕微上升0.26%(P=0.71)。基于PT-DTsR模型模擬發現2001—2010中國地區潛熱通量呈下降趨勢[7],其中華中地區、西北地區及內蒙古地區顯著下降[7];基于修正的Penman-Monteith公式模擬2000—2010年青藏地區蒸散亦呈顯著下降趨勢(P<0.01)[72],與本研究的顯著下降區域基本吻合。

表4 中國陸地生態系統蒸散的相關研究

表中第一列英文縮寫均為模型名稱

3.2 蒸散影響因素

陸地生態系統蒸散年際變化主要受輻射控制[73- 75],同時也受到水分、溫度等因素的影響[2, 7, 18, 76]。2000年以來,在北半球持續變亮背景下,中國地區開始變暗(即到達地表輻射減少)[77],2000—2010年輻射減少解釋了蒸散下降的51.45%,2010—2015年輻射上升解釋了蒸散上升的85.26%。已有研究表明南亞季風減弱導致2009—2010年中國西南及北部地區發生嚴重干旱,降水量較正常年份減少約25%[78-79],水分供給不足導致2009—2010年蒸散降低(圖4);2013年蒸散高值主要由輻射增高引起(圖4)。2009—2013年蒸散快速上升可歸因于干旱緩解及輻射增加。我國幅員遼闊,不同地區蒸散年際變化的主要影響因素存在顯著差異[7]。黃土高原地區及內蒙古地區蒸散主要受輻射控制,到達地表的太陽輻射主要受大氣氣溶膠含量和云量的影響[80],高濃度PM2.5會抑制蒸散[81]。2000年以來,我國空氣污染問題日趨嚴重[38-39],工業活動釋放的氣溶膠吸收大量太陽輻射和地表反射輻射[66, 77],使得到達地表的輻射減少,進而導致蒸散減少;而2010年后,黃土高原地區及內蒙古地區輻射輕微上升(表3),可能是由于環境改善所至。甘新地區蒸散主要受水分限制[2, 7],且本地區整體呈暖濕化趨勢[82-83],朝有利于蒸散的方向發展,但2000—2010年蒸散顯著下降,可能是由于2009—2010年的大面積干旱導致[7, 78-79],氣候變化可解釋新疆地區蒸散下降趨勢的99%[84]。2000—2010年青藏地區東北部降水增加相關,并進一步導致輻射降低[77, 80, 85],從而引起蒸散下降。

4 結論

本文基于PT-JPL模型,利用遙感數據及氣象觀測數據,模擬了中國陸地生態系統2000—2015年蒸散,并進一步分析了蒸散的時空變化及其影響因素。主要結論如下：

(1)參數優化后PT-JPL模型可解釋蒸散年際變化的68%,優于原始模型及MOD16蒸散產品;

(2)2000—2015平均蒸散具有明顯的空間異質性,即由東南沿海到西北內陸逐漸遞減,華南地區蒸散最高,甘新地區蒸散最低;

(3)2000—2015年蒸散整體呈輕微下降趨勢(slope=6.48 Gt/a,P=0.17),但具有年代際差異,即2000—2010年中國地區蒸散呈顯著下降趨勢(slope=21.05,P<0.01),占全國蒸散總量45.05%的內蒙古地區、黃土高原地區、甘新地區及青藏地區解釋了61.88%的年際變化;2010—2015年輕微上升(slope=10.48,P=0.71),各區均無顯著變化趨勢;

(4)輻射是2010年前后蒸散不同變化趨勢的主要影響因素,分別解釋下降和上升趨勢的51.45%、85.26%。蒸散呈顯著變化趨勢的內蒙古地區、黃土高原地區及青藏地區主要受輻射影響,甘新地區主要受降水和溫度的影響。