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(wù)中心/安徽省氣象局，安徽 合肥 230031；2. 安徽農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，安徽 合肥 230036；3. 南京信息工程大學(xué)應(yīng)用氣象學(xué)院，江蘇 南京 210044

蒸散是水文循環(huán)過程中的重要步驟和關(guān)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(guān)鍵過程（Thomas，2008），在氣候、水文研究、灌溉規(guī)劃和管理中起著至關(guān)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(zāi)害，在氣候變化背景下，其發(fā)生的頻率和空間格局也將發(fā)生很大的轉(zhuǎn)變，給區(qū)域社會經(jīng)濟發(fā)展以及糧食安全帶來了極大的不確定性。因此，研究區(qū)域地表蒸散和干旱時空變化特征，能夠為區(qū)域水資源的合理配置提供重要的理論依據(jù)，且在水文模擬、農(nóng)業(yè)生產(chǎn)及生態(tài)環(huán)境保護等方面具有重要的科學(xué)意義與應(yīng)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(fā)皿蒸發(fā)量的研究上（吳必文等，2009；吳文玉等，2013）。然而，該區(qū)域?qū)嶋H蒸散及干旱的時空變化特征仍不明晰。前人關(guān)于實際蒸散的研究主要是基于站點氣象數(shù)據(jù)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(shù)據(jù)，但仍存在站點稀疏等問題，采用經(jīng)驗?zāi)Ｐ凸浪愕玫降母髡军c地表蒸散在外推內(nèi)插時，可能會由于地表類型的變化而產(chǎn)生較大誤差。近年來，衛(wèi)星遙感技術(shù)和相關(guān)反演算法的發(fā)展使得大規(guī)模監(jiān)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(shù)據(jù)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(xiàn)良好，與全球不同生態(tài)系統(tǒng)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(fā)出了全球陸地蒸散產(chǎn)品數(shù)據(jù) MOD16，該數(shù)據(jù)已采用全球通量觀測數(shù)據(jù)進行驗證，估算精度達86%（Mu et al.，2011）。由于 MOD16數(shù)據(jù)的較高估算精度、易獲取性以及操作簡便性，該產(chǎn)品目前已在中國乃至全球區(qū)域尺度蒸散時空變化特征研究中得到了廣泛應(yīng)用。此外，以熱量平衡原理為基礎(chǔ)的作物缺水指數(shù)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(yōu)點，在干旱監(jiān)測中得到了較好的應(yīng)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(jiān)測精度。因此，在區(qū)域尺度干旱研究中，MOD16遙感產(chǎn)品數(shù)據(jù)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(qū)（鄧興耀等，2017）、澴河流域（張?zhí)氐龋?018）、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(chǎn)品數(shù)據(jù)，數(shù)據(jù)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(guān)研究仍較少，最新版本（第6版）的MOD16產(chǎn)品數(shù)據(jù)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(chǎn)品數(shù)據(jù)（包括ET、PET、土地覆蓋類型數(shù)據(jù)（MCD12Q1））以及 77個國家級氣象觀測站點常規(guī)氣象觀測數(shù)據(jù)，結(jié)合變異系數(shù)、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(chǎn)品數(shù)據(jù)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(guī)劃和管理、農(nóng)業(yè)灌溉措施的制定等提供重要的理論依據(jù)和科學(xué)指導(dǎo)。

1 研究區(qū)域、數(shù)據(jù)與方法

1.1 研究區(qū)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(qū)，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(xiàn)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(xiàn)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(jīng)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(qū)三大自然區(qū)域。土地利用類型主要為農(nóng)田，約占全省總面積的58%，其次為草地、林地、水體、城鎮(zhèn)、濕地和裸地（圖1b）。

1.2 數(shù)據(jù)

1.2.1 高程數(shù)據(jù)

采用的數(shù)字高程模型（Digital Elevation Model，DEM）數(shù)據(jù)的空間分辨率為90 m（圖1a），數(shù)據(jù)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(shù)據(jù)

采用的第6版MOD16遙感蒸散產(chǎn)品數(shù)據(jù)，空間分辨率為500 m×500 m，時間分辨率為8天和年，數(shù)據(jù)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(shù)據(jù)已在全球范圍內(nèi)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(chǎn)品數(shù)據(jù)，結(jié)合安徽省所處地理位置，主要選取衛(wèi)星軌道號為h27v05、h28v05和h28v06的遙感影像數(shù)據(jù)。土地覆蓋類型數(shù)據(jù)采用 MODIS 2001—2019年MCD12Q1產(chǎn)品數(shù)據(jù)，空間分辨率為500 m×500 m，該產(chǎn)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(jié)合安徽省主要植被類型，本文將其重分類為7種，分別為農(nóng)田、林地、草地、城鎮(zhèn)、水體、濕地和裸地。上述數(shù)據(jù)均可從https://e4ftl01.cr.usgs.gov/網(wǎng)站上進行免費下載。由于MODIS產(chǎn)品數(shù)據(jù)是基于SIN投影的HDF格式，在數(shù)據(jù)處理過程中主要采用 MRT（MODIS Reprojection Tool）軟件對原始數(shù)據(jù)進行拼接、重投影等預(yù)處理。

1.2.3 氣象數(shù)據(jù)

采用安徽省2000—2019年77個國家級氣象觀測站點常規(guī)氣象觀測數(shù)據(jù)，數(shù)據(jù)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(fēng)速（v10，m·s?1）、日照時數(shù)（SD，h）、降水量（Pre，mm）。其中，v10轉(zhuǎn)換為2 m風(fēng)速（v2，m·s?1）以及日照時數(shù)轉(zhuǎn)換為凈輻射的轉(zhuǎn)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(fā)皿蒸發(fā)量（Epan，mm）數(shù)據(jù)驗證MOD16數(shù)據(jù)的準(zhǔn)確性。

1.3 研究方法

1.3.1 作物缺水指數(shù)（CWSI）

目前，以熱量平衡原理為基礎(chǔ)的作物缺水指數(shù)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(yōu)點，在干旱監(jiān)測中得到了較好的應(yīng)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(jiān)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(qū)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(qū)域越干旱，反之越濕潤。

1.3.2 趨勢分析

非參數(shù) Mann-Kendall（M-K）檢驗（Mann，1945；Kendall，1975）在水文氣象時間序列數(shù)據(jù)分析中具有一定的優(yōu)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(guān)氣象變量的變化趨勢。零假設(shè)H0為一系列的數(shù)據(jù)（xi, i=1, 2,3, ..., n），xi獨立且均勻分布。替代假設(shè)H1存在于X中且具有單調(diào)趨勢。與此同時，統(tǒng)計值S和標(biāo)準(zhǔn)化檢驗統(tǒng)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(shù)據(jù)值，n是時間序列中數(shù)據(jù)集的長度。統(tǒng)計量S基本遵循正態(tài)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(shù)據(jù)的變化趨勢，Z>0和Z<0分別表示時間序列數(shù)據(jù)呈上升或下降趨勢。如果|Z|>Z(1?a/2)，說明該假設(shè)不成立，且時間序列數(shù)據(jù)具有顯著的變化趨勢。Z(1?a/2)為標(biāo)準(zhǔn)正態(tài)分布表中的標(biāo)準(zhǔn)正態(tài)偏差。當(dāng)α=0.05和α=0.01為顯著性水平時，對應(yīng)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(guān)變量變化趨勢的大小（Theil，1992；Sen，1968）：

其中，β為估算得到的數(shù)據(jù)序列的趨勢斜率，xj和xi分別表示對應(yīng)于時間j和i的序列數(shù)據(jù)。β>0表示序列數(shù)據(jù)呈增加趨勢，β<0表示序列數(shù)據(jù)呈減少趨勢。即設(shè)定α=0.05，當(dāng)β>0和P>α?xí)r為不顯著增加，β>0和P<α?xí)r為顯著增加，β<0和P>α?xí)r為不顯著減少，β<0和P<α?xí)r為顯著減少。

1.3.3 變異系數(shù)

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

其中，SDij為第i行、第j列像元的標(biāo)準(zhǔn)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(wěn)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(jié)果與分析

2.1 MOD16產(chǎn)品數(shù)據(jù)的適用性驗證

采用安徽省 2000—2013年月尺度小型蒸發(fā)皿蒸發(fā)量數(shù)據(jù)（Epan）來驗證月尺度MOD16 PET產(chǎn)品數(shù)據(jù)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，誤差較小（均方根誤差RMSE 為 29.7 mm·month?1），相關(guān)系數(shù) r2達 0.734，且呈顯著相關(guān)（P=0）。因此，MOD16產(chǎn)品數(shù)據(jù)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(chǎn)品數(shù)據(jù)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(xiàn)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(xiàn)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(xiàn)南部高、北部低的分布特征，高值區(qū)主要分布在皖南山區(qū)、西南大別山區(qū)，其中皖南山區(qū)主要包括黃山市、池州市、宣城市大部地區(qū)，大別山區(qū)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(xiàn)西部高、東部低的分布特征，其中高值區(qū)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(xiàn)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(qū)主要位于皖南山區(qū)和大別山區(qū)。

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(jié)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(nèi)；而ET呈顯著減少趨勢的區(qū)域主要位于土地利用類型為城鎮(zhèn)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(qū)局部地區(qū)；顯著增加的區(qū)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(qū)，約占總面積的4.63%；顯著減少的區(qū)域主要位于城鎮(zhèn)周邊局部地區(qū)，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(qū)域主要位于北部部分地區(qū)，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(qū)等，約占總面積的32.79%；不顯著增加區(qū)域主要位于北部城鎮(zhèn)周邊局部地區(qū)，約占總面積的4.55%；而顯著增加的區(qū)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(qū)域主要位于皖南山區(qū)大部和大別山區(qū)部分地區(qū)，其余大部地區(qū)以中等波動性為主。低波動性區(qū)域主要位于黃山市西部以及宣城市西部局部地區(qū)；較高波動性區(qū)域主要位于安徽北部局部地區(qū)。PET總體呈現(xiàn)出較低波動性和低波動性特征，其中低波動性區(qū)域主要位于皖南山區(qū)和大別山區(qū)部分地區(qū)。CWSI總體呈現(xiàn)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(shù)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(yīng)的ET、PET和CWSI，并計算出區(qū)域平均值。如圖7所示，各土地利用類型對應(yīng) ET大小依次為：林地>草地>農(nóng)田>濕地>水體>裸地>城鎮(zhèn)，其中林地、草地和農(nóng)田ET與全區(qū)域ET變化趨勢基本一致，而裸地和城鎮(zhèn)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(yīng)PET值差異較小，大小依次為：水體>濕地>草地>林地>農(nóng)田>裸地>城鎮(zhèn)。各土地利用類型對應(yīng) CWSI變化趨勢與全區(qū)域變化趨勢（圖3）均保持一致，總體呈現(xiàn)明顯下降趨勢。此外，各土地利用類型對應(yīng)CWSI值大小依次為：林地<草地<農(nóng)田<水體<濕地<城鎮(zhèn)<裸地，總體與各土地利用類型對應(yīng)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(xiàn)不顯著的增加趨勢（10.52 mm·a?1），峰值出現(xiàn)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(fēng)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(fēng)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(chǎn)品數(shù)據(jù)在某些區(qū)域存在空白，本文從 77個站點中剔除掉無數(shù)據(jù)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(yīng)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(guān)分析。如圖9所示，ET與ta、RH和Pre總體呈正相關(guān)，其中與Pre和RH之間的相關(guān)系數(shù)（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(fù)相關(guān)，與Rn之間的相關(guān)性不明顯，且相關(guān)系數(shù)均較小。PET與 RH和 Pre呈負(fù)相關(guān)，與 Rn呈正相關(guān)，而與 ta和v2之間的相關(guān)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(fù)相關(guān)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(guān)性Fig. 9 Correlation relationship between ET, PET, CWSI and meteorological factors in Anhui province

3 結(jié)論與討論

3.1 結(jié)論

采用MODIS遙感產(chǎn)品數(shù)據(jù)中的蒸散產(chǎn)品數(shù)據(jù)（MOD16）、土地覆蓋類型數(shù)據(jù)（MCD12Q1）以及國家級氣象觀測站點常規(guī)氣象觀測數(shù)據(jù)，結(jié)合水分虧缺指數(shù)（CWSI）、變異系數(shù)、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(guān)性。主要研究結(jié)論如下：

（1）經(jīng)小型蒸發(fā)皿蒸發(fā)量數(shù)據(jù)驗證，MOD16產(chǎn)品數(shù)據(jù)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(xiàn)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(qū)主要位于皖南山區(qū)、西部大別山區(qū)；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(nóng)田、林地、草地、城鎮(zhèn)、水體、濕地和裸地，各土地利用類型對應(yīng) ET大小依次為：林地>草地>農(nóng)田>濕地>水體>裸地>城鎮(zhèn)，而對應(yīng)的 PET值差異較小，且對應(yīng)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(shù)據(jù)驗證了最新第6版本MOD16 PET產(chǎn)品數(shù)據(jù)的適用性，整體效果較好。該結(jié)論與前人關(guān)于第5版本MOD16產(chǎn)品數(shù)據(jù)精度的驗證結(jié)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(chǎn)品數(shù)據(jù)在區(qū)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(guān)數(shù)據(jù)（Du et al.，2017）或蒸滲儀（楊炳玉等，2015）觀測數(shù)據(jù)對第6版本MOD16 ET數(shù)據(jù)的精準(zhǔn)性進行驗證，以更好地揭示MOD16 ET和PET數(shù)據(jù)在區(qū)域乃至全球尺度的適用性。

不同土地利用類型會對ET等產(chǎn)生一定影響。研究發(fā)現(xiàn)各土地利用類型對應(yīng)ET大小依次為：林地>草地>農(nóng)田>濕地>水體>裸地>城鎮(zhèn)，結(jié)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(qū)和西部大別山區(qū)，由于上述山區(qū)降水豐沛，土壤水分充足，水源涵養(yǎng)能力較好，進而導(dǎo)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(qū)，其對應(yīng)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(nóng)田的區(qū)域在一年中的部分時段無植被覆蓋，進而導(dǎo)致對應(yīng)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(qū)域ET或PET產(chǎn)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(fā)現(xiàn)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(qū)ET主要表現(xiàn)為降水驅(qū)動，類似結(jié)論在海河流域（Huang et al.，2019）、洞庭湖流域（張猛等，2018）也有所體現(xiàn)。造成上述現(xiàn)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(dǎo)致ET的增加。考慮到數(shù)據(jù)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(shù)據(jù)，后續(xù)研究可結(jié)合多源氣候數(shù)據(jù)集以匹配MODIS產(chǎn)品數(shù)據(jù)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(guān)聯(lián)性，進一步增強本文的結(jié)論。此外，盡管本研究探究了土地利用類型和氣候因子對區(qū)域ET、PET以及CWSI的影響，然而如何量化二者對區(qū)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。