氣候和流域特征變化對淮河流域地表水文過程的影響

孫善磊,王嘉志,周舒佳,王 潔,閆桂霞,王宏宙,畢早瑩

1 南京信息工程大學,氣象災害教育部重點實驗室, 南京 210044 2 金壇區氣象局, 常州 213200

水是人類賴以生存和發展的基礎,其變化可以嚴重影響地區和國家的穩定發展。水循環始終與氣候、下墊面特征(如灌溉、毀林、造林、城市化、水利水保工程)等密切相關,因此這些因素的任何變化都將或多或少地改變水文循環,從而影響水資源的開發利用以及社會安全和生態系統[1—2]。近年來,在全球氣候變化和人類活動的共同影響下,流域、區域乃至全球水循環已經發生了明顯變化[2—3]；同時,由于氣候變化、人類活動、下墊面屬性的差異性,地表水文循環變化相應地呈現出明顯的區域性特點[3]。因此,不同地區或流域地表水文過程對全球變化的響應已成為當前水文學研究備受關注的熱點問題[2—5]。如,Sun等詳細分析了鄱陽湖流域4個子流域1961—2000年的徑流變化,發現各流域徑流均呈增加趨勢,其中兩個流域顯著增加[4]；任宗萍等分析了無定河流域不同地貌區1960—2012年的徑流變化,指出該流域及其不同地貌區子流域年徑流均顯著下降,但年蒸散發(Evapotranspiration,ET)變化并不顯著[5]。

為進一步深入揭示不同地區水文循環變化的潛在機理,學者們利用不同手段和方法(如流域“配對”法、水文模型、陸面模式等),從氣候變化、土地利用變化、人類活動、CO2濃度升高等角度開展了大量研究工作,得到了許多重要結論[4—10]。Yurtseven等采用流域“配對”法,對比分析了貝爾格萊德兩個流域不同森林砍伐情形下的徑流變化,結果顯示森林砍伐使得年徑流增加,但不超過徑流總量的5%[6]。Sun等基于SWAT(Soil and Water Assessment Tools)水文模型定量分析了鄱陽湖流域地表水文分量的變化,指出氣候變化是影響流域徑流和ET變化的主要原因,而植被生理結構的影響較為有限[4]；Zhang等利用一個過程水文模型估算了氣候和植被對中國南方濕潤區ET變化的貢獻,結果表明氣候變化是導致ET增加的主要因子[7]；Piao等指出CO2濃度升高引起的植被葉面積增加可能是1901—1999年全球徑流下降的一個重要原因[8]。需要注意的是,這些技術和方法依然存在自身的局限性。例如,流域“配對”法很難應用于大流域,且費時費力,更重要的是很難找到兩個完全一致的流域[6]；盡管水文模型和陸面模式較全面地考慮了水文過程,但模型存在較大的不確定性,且對計算資源和驅動場的要求較高[10]。由于流域多年平均ET主要受降水和蒸發能力的控制,Budyko提出了流域水量和能量耦合平衡方程的設想,即Budyko框架理論[11],該理論已在全球不同地區得到了驗證,并被廣泛應用于模擬和估算ET以及其他關鍵水文變量[12—15]。隨后,許多研究發現除降水和蒸發能力外,流域下墊面等也是影響流域水熱平衡的重要因素[12—13,16—17]；為此,眾多學者采用數理方程等方法,推導出了一系列包含下墊面參數的Budyko經驗公式,如傅抱璞和Yang等的公式(分別包含參數ω和n),并指出這些解析式方程嚴格遵守能量和水分邊界條件[12,18—20]。綜上,相較流域“配對”、水文模型、陸面模式等方法,Budyko解析式方程具有驅動數據需求少、結構簡單、物理機制明確、模型參數少(一般為1個待定下墊面參數)等優點,且方程參數可以反映流域的綜合特征(如人類活動、土地利用變化等)；因此,Budyko解析式方程已成為定量化研究氣候和流域特征變化對流域水文循環影響的重要手段,且被廣泛用于不同流域水文循環變化的歸因研究[20—24]。曹文旭等基于Budyko假設分析了潮白河流域氣候和植被變化對ET的影響,指出該流域ET的上升可歸因于氣候變化[21]。張麗梅等采用Budyko假設歸因分析了渭河流域的徑流變化,發現由人類活動引起的下墊面變化是渭河流域徑流減少的主要原因,其貢獻率超過了60%[22]。Zheng等利用Budyko假設和氣候彈性度方法研究了黃河上游徑流對氣候和下墊面變化的響應,結果顯示下墊面變化是20世紀90年代徑流減少的主要原因[23]。

淮河流域位于江淮地區,介于長江和黃河之間,屬南北氣候過渡帶；流域耕地面積約占全國的10%,糧食產量約為全國的20%,是我國重要的糧食生產基地之一,同時還是我國社會經濟發展潛力最大的地區之一[25]。然而,由于地理位置、自然環境、水系變化和社會經濟等方面的特殊性,淮河流域水資源的時空分布極不均勻,旱澇災害頻發,已給人民生命財產安全造成了巨大損失[26]。另外,淮河流域人均水資源占有量僅為全國平均水平的1/5[25],屬嚴重缺水地區,已經威脅到農業生產、社會經濟的可持續發展[26]。鑒于此,近年來眾多學者從氣候學和水文學角度出發,開展了大量研究[27—29]；如,高超等分析了1958—2007年間淮河流域的氣候變化特征,發現年降水量和極端降水等均呈無突變性的增加或減少,尤以夏季變化最大[27]；秦莉云和金忠青指出淮河流域水資源承載潛力相對較小,水資源的開發利用程度已接近開發容量[28]；金君良等的研究發現未來氣候變化可能加速淮河流域水文循環,導致水資源總體增加[29]。毋庸置疑,前人的研究很大程度上增強了人們對淮河流域氣候和水文過程變化的認識和理解。然而,針對ET變化以及氣候和流域特征在淮河流域地表水文過程變化中的作用,目前尚缺少定量化的研究。以往研究多采用相關分析[30]、敏感系數[31]、微分方程[20]等方法分析水文分量的變化,而未充分考慮影響因子間的相互作用,這可能會對理解水文循環變化機理帶來一定的不確定性[31]。近來,Sun等原創性地提出了一種基于敏感性試驗的多控制因子聯立求解方法,此方法可以有效而準確地剝離各氣候因子對水文分量變化的影響,且已成功應用于鄱陽湖流域ET和徑流變化、西南地區干濕轉變以及中國潛在蒸散發(Potential Evapotranspiration,PET)變化的歸因分析,為定量化理解地表水文過程變化提供了較為可靠的新方法[4,32—33]。

綜上,本研究將在分析淮河流域氣候變化背景的前提下,詳細分析流域上游、中游和沂沭泗河地區主要陸面水文分量(如ET和徑流)的變化；然后,基于Budyko解析式方程和多控制因子聯立求解方法[4,32—33],定量估算氣候和流域特征變化對主要水文分量變化的影響,最終揭示淮河流域陸面水文循環變化機理。本研究有助于深入理解淮河流域水文循環變化及其物理機制,同時可以為建立科學的水資源管理制度、維持淮河流域農業生產和社會經濟的健康發展提供重要保障。

1 資料與方法

1.1 資料及處理

圖1 淮河流域氣象站、水文站和水文分區的分布Fig.1 Locations of weather sites, hydrological sites and hydrological divisions across the Huai River Basin

淮河流域1961—2010年間151個常規氣象站(圖1)的逐日觀測資料來自于國家氣候中心,主要包括降水(mm)、日照時數(h)、10m風速(m/s)、相對濕度(%),以及最低、最高和平均溫度(℃)。1961—2010年間20個水文站的逐年徑流數據(m3/s)來自《淮河流域水文年鑒》。基于1km×1km SRTM(Shuttle Radar Topography Mission)數字高程模型(http://westdc.westgis.ac.cn)和ArcGIS 10.2水文分析工具,提取各水文站對應的流域邊界、面積和河網。考慮流域陸面水文分量響應的空間差異性,根據水文站的上下游位置關系,對王家壩、淮濱、長臺關、息縣、橫排頭、臨沂、青峰嶺和大官莊水文站對應的流域進行了分段處理,獲得了王家壩-淮濱、淮濱-息縣、長臺關-大坡嶺、息縣-長臺關、橫排頭-響洪甸、臨沂-跋山-岸堤、青峰嶺-沙溝和大官莊-清風嶺水文分區(方便起見,以下將其他水文站對應的流域一并稱為水文分區)；然后,利用徑流資料和水文分區面積計算地表徑流深(mm)。本研究采用世界糧農組織推薦的FAO56 Penman-Monteith公式估算PET；該公式具有明確的物理含義,主要輸入變量有凈輻射、2m風速、相對濕度、溫度；其中,凈輻射采用日照時數和Allen等[34]推薦的公式估算,2m風速可利用10m風速及風速-高度轉換公式計算獲得,具體計算公式及細節可參見Allen等[34]。

各水文分區ET可采用水量平衡方法估算得到。考慮水量平衡成立的條件(即研究時段盡量較長)[21—22]及基準期(1961—1980年)的人類活動相對較弱[35],本研究將1961—2010年分成了基準期、20世紀80年代(1981—1990年)、20世紀90年代(1991—2000年)和21世紀初(2001—2010年)四個時段；基于反距離權重法,對降水和PET進行空間插值,并提取各水文分區不同時期的多年平均值；然后,以多年平均降水減去對應的多年平均年徑流,可獲得ET。氣候和水文分量的變化,均以各年代減去基準期表示。

1.2 Budyko方程

Budyko在開展全球水量和能量平衡研究時,發現流域水分供給(即降水)和蒸發能力(即PET)之間的平衡決定了流域長期平均ET[11],即流域多年平均降水(Precipitation,Pre)和PET之間存在耦合平衡關系,并定義了水熱耦合平衡方程的一般形式：

(1)

許多學者對Budyko框架理論進行了改進,并提出了一系列經驗公式；如傅抱璞[18]和Yang等[13]基于無量綱分析和數理方程,分別推導出了可以反映地表特征影響的Budyko解析式方程。本研擬究采用Yang等[13]的方程：

(2)

一般而言,n越大,ET消耗的降水越多,反之則相反。利用各年代的降水、徑流、PET和ET及方程(2),擬合獲得基準期、20世紀80年代、20世紀90年代和21世紀初的參數n,分別記為nbase、n1980s、n1990s和n2000s。相應地,徑流(Q)的方程可寫為：

(3)

1.3 歸因方法

為剔除或減少影響因子間相互作用造成的不確定性,Sun等原創性地提出了一種基于敏感性試驗的多控制因子聯立求解方法；較傳統分離方法(即控制試驗結果減去敏感性試驗結果),該方法剝離的各影響因子貢獻更加準確[4,32—33]。因此,依照該方法的思路,設計試驗,本研究將分離各影響因子對ET和徑流變化的貢獻。鑒于影響ET或徑流的因子有氣候變量(溫度、凈輻射、相對濕度、風速和降水)和參數n,共需設計7組試驗,包括1組基準試驗(記為EXP_BASE)和6組敏感性試驗(記為EXP_non-Y,Y表示因子),具體試驗設計見表2。以20世紀80年代的溫度試驗(EXP_non-Tave)為例,溫度為基準期溫度,其他氣候變量為20世紀80年代的實測數據,采用FAO56 Penman-Monteith公式計算EXP_non-Tave的PET,再利用方程(2)或(3)及參數n1980s,估算EXP_non-Tave的ET或徑流。最后,采用多控制因子聯立求解方法,求取各因子對水文分量年代際變化的單獨貢獻。

表1 敏感性試驗設計

以EXP_non-Y為例,其對應的ET或徑流變化(相對EXP_BASE)可以認為是由除Y以外的其余因素變化共同引起的,故可表示為：

(4)

(5)

式中,PET對ET或徑流變化的貢獻為溫度、輻射、相對濕度和風速的貢獻之和。對于ET和徑流的敏感性試驗分別采用方程(2)和(3)開展。為確定ET(徑流)變化的主控因子,首先,判斷參數n的貢獻是否大于氣候的貢獻(即降水和PET貢獻之和)；如果參數n的貢獻較大,則認為ET(徑流)變化的主控因子為參數n；相反,在氣候的貢獻較大時,如果降水貢獻大于PET貢獻,則主控因子為降水,否則為PET。

2 結果分析

2.1 降水、潛在蒸散發和Budyko參數n的年代際變化特征

由圖2,基準期降水存在一定的空間差異性,但均大于600mm；上游和中游南部水文分區的降水基本都在1000mm以上,其中橫排頭-響洪甸、梅山及響洪甸最大(>1200mm)。對于基準期的PET,各水文分區之間差別不大,介于1026—1190mm之間。各水文分區的基準期參數n差別也不大,大部分小于1.6,但淮濱-息縣、明光、臨沂-跋山-岸堤的參數n在2.2以上,說明這些地區ET消耗的降水較多。圖3給出了各年代降水、PET和參數n的變化情況,總體而言,沂沭泗河各水文分區的20世紀80年代、90年代降水均有所減少,且以80年代減少最為明顯(<-100mm)。而上游和中游地區的20世紀80年代、21世紀初降水以增加為主,其中橫排頭-響洪甸、梅山和響洪甸在20世紀80年代增加了150mm左右；20世紀90年代,中游南部水文分區降水增加,而其他大部分水文分區減少(>-50mm)。就不同年代的PET,所有地區均呈減小態勢,基本在-50mm左右或以下,其中中游的中牟和沈丘下降最為明顯(<-80mm)。對于多數水文分區,各年代的參數n有所增加,即ET消耗的降水增加,但參數n的增幅多小于0.5；特別地,明光21世紀初和黃莊20世紀80年代、90年代的參數n增幅最大(>1.0)。

圖2 淮河流域1961—1980年各水文分區主要氣候和水文分量、參數nFig.2 The major meteorological and hydrological elements, and parameter n during 1961—1980 over various hydrological divisions of the Huai River BasinET: 年蒸散發; PET: 潛在蒸散發

圖3 淮河流域各年代降水、PET和參數n相對基準期的變化Fig.3 Compared to the baseline period, changes in precipitation, PET, and parameter n in the Huai River Basin

2.2 蒸散發和徑流的年代際變化特征

由圖2可知,在基準期,大多數水文分區的徑流小于400mm,最小值(95mm)和最大值(>500mm)分別出現在沂沭泗河的黃莊和淮河中游的橫排頭-響洪甸、梅山、響洪甸；除紫羅山、中牟、臨沂-跋山-岸堤和沙溝的基準期ET低于500mm,其他均大于500mm,其中上游和中游南部水文分區最大,在700mm以上。對比分析發現,橫排頭-響洪甸和響洪甸的徑流大于ET,而其他水文分區則相反。從圖4來看,ET的變化具有明顯的時空差異性；20世紀80年代,沂沭泗河所有水文分區的ET均減小,而其他水文分區(除大坡嶺)則有所增加,其中梅山和響洪甸增加最大(>100mm)；20世紀90年代,淮濱-息縣、中牟、明光、橫排頭-響洪甸的ET略有增加,其他水文分區均有所減小,其中紫羅山、響洪甸和臨沂-跋山-岸堤減小最明顯(<-110mm)；21世紀初,ET的變化幅度基本在80mm以內,但不同水文分區間有明顯差異性。就徑流而言,20世紀80年代,上游和沂沭泗河多數水文分區呈現減小趨勢,其中響洪甸、青峰嶺-沙溝減小最大(約-70mm),而其他水文分區略有增加(<50mm)；20世紀90年代,除上游多數水文分區的徑流略微減小外,其他大部分水文分區的徑流增加,且響洪甸和臨沂-跋山-岸堤增加最大(約150mm)；21世紀初,上游和中游水文分區徑流分別以減小和增加為主,其中王家壩—淮濱、明光和橫排頭—響洪甸(息縣—長臺關)增加(減小)最明顯,大于80mm(為68mm)。

圖4 淮河流域各年代ET、徑流相對基準期的變化Fig.4 Compared to the baseline period, changes in ET and runoff for different periods in the Huai River Basin

2.3 蒸散發及徑流變化的歸因分析

2.3.1歸因方法評價

應用基于敏感性試驗的多控制因子聯立求解方法,分離了氣候和Budyko參數n對ET、徑流年代際變化的貢獻；采用各因子貢獻之和與觀測的ET、徑流年代際變化作對比,利用相關系數(R)、趨勢系數及均方根誤差(RMSE)等指標,評估了該方法的適用性；所用指標計算結果如圖5所示。總體來看,估算的各因子貢獻之和與觀測的ET、徑流年代際變化幾乎處在1∶1線上。由定量指標來看,各因子貢獻之和與觀測的ET、徑流變化的R幾乎都等于1,RMSE均小于1.5mm,且擬合趨勢線的趨勢系數也幾乎為1,這些均說明多控制因子聯立求解方法可以較為有效而準確地估算出各影響因子對ET、徑流變化的貢獻。

圖5 歸因方法評估Fig.5 Validation for the selected attribution method

2.3.2蒸散發變化的歸因分析

圖6給出了淮河流域降水、PET及參數n對ET變化的貢獻。20世紀80年代,降水對沂沭泗河所有水文分區ET變化的貢獻均為負,且貢獻率大于60mm,而對其他水文分區的貢獻基本為正,但貢獻率均小于31mm；20世紀90年代,除中游南部水文分區的降水貢獻為正外,其他水文分區的降水貢獻基本為負,貢獻率小于50mm(除黃莊)；21世紀初,降水使得大坡嶺、長臺關-大坡嶺的ET減小,而使得其他水文分區的ET增加,貢獻率小于30mm。就PET對各年代ET變化的貢獻,絕大部分水文分區呈現負值,貢獻率在30mm以內。對于各年代參數n的貢獻,大部分水文分區顯示貢獻為正,即參數n的變化使得ET增加；20世紀80年代,參數n使得沂沭泗河大部分水文分區的ET增大了60mm以上,而使得響洪甸的ET減少了81mm；20世紀90年代,多數水文分區顯示參數n對ET變化的貢獻在50mm左右或以上,其中對響洪甸和臨沂-跋山-岸堤的貢獻最大(>170mm)；21世紀初,多數水文分區顯示參數n的貢獻為正,且在王家壩-淮濱、長臺關-大坡嶺、紫羅山、明光和橫排頭-響洪甸的貢獻較大(>50mm)。表2給出了各年代ET變化的主控因子,對于上游水文分區而言,20世紀80年代和90年代的主控因子多為PET,而21世紀初的主控因子多為參數n；就中游多數水文分區,各年代的主控因子均為參數n；就沂沭泗河水文分區,20世紀80年代和90年代的ET變化主要受降水或參數n控制。

圖6 淮河流域降水、PET和參數n對各年代ET變化的貢獻Fig.6 Contributions of precipitation, PET and parameter n to ET changes for different periods in the Huai River Basin

表2 各水文分區不同年代ET變化的主控因子

2.3.3徑流變化的歸因分析

由圖7,20世紀80年代,降水使得沂沭泗河各水文分區的徑流減小,貢獻率大于60mm(除黃莊),而其他大部分水文分區顯示降水對徑流變化的貢獻為正,其中橫排頭-響洪甸、梅山和響洪甸的貢獻大于110mm；20世紀90年代,降水對沂沭泗河各水文分區徑流變化的貢獻依然為負,但貢獻率較小(<50mm),上游和中游多數水文分區則顯示降水的貢獻為正,貢獻率基本在40mm以內；21世紀初,除個別水文分區的降水貢獻為負,其他水文分區均為正,介于10—44mm間。就PET對各年代徑流變化的影響,絕大部分水文分區顯示貢獻為正,但貢獻率均小于30mm。由圖7,參數n對不同年代徑流變化的影響基本為負；20世紀80年代,參數n對沂沭泗河水文分區的負貢獻較大,貢獻率在50mm左右或以上,值得注意的是,在中游響洪甸,參數n使得徑流增加了81mm；20世紀90年代,除響洪甸、臨沂-跋山-岸堤的負貢獻較大(<-170mm),多數水文分區均顯示參數n的貢獻較小(>-50mm)；21世紀初,參數n的負貢獻在王家壩-淮濱和橫排頭-響洪甸最大(<-80mm)。由表3可知,20世紀80年代,除個別水文分區的徑流變化受控于參數n,其他水文分區的主控因子均為降水或PET,且中游、沂沭泗河水文分區的主控因子多為降水；20世紀90年代,上游水文分區的徑流變化可歸因于降水或參數n,而中游和沂沭泗河多歸因于參數n；21世紀初,上游多數水文分區的主控因子為參數n,而中游多為降水或參數n。

圖7 淮河流域降水、PET和參數n對各年代徑流變化的貢獻Fig.7 Contributions of precipitation, PET and parameter n to runoff changes for different periods in the Huai River Basin

3 討論

3.1 淮河流域Budyko參數n空間差異的可能原因

本研究估算的參數n大小與前人研究結果總體一致[13,16,36],基本在2.4以下；但淮河流域參數n表現出較大的空間差異(圖1和圖2)。許多學者已經指出,參數n的空間差異與流域或水文分區的特征存在重要聯系[13—14,16,19]。例如,王衛光等分析了黃河流域Budyko參數n的變化,發現人類活動(如人口、生產總值和有效灌溉面積等)是影響參數n的一個重要因素[16]；孫福寶等研究了黃河流域63個子流域的水熱耦合平衡規律,并以流域相對入滲能力、相對植被-土壤有效蓄水能力和流域平均坡度構建了參數n的經驗公式[19]。因此,為了解釋淮河流域參數n的較大空間性差異,本研究收集了6個與水文分區特征有關的指標(如耕地面積百分比、水文分區面積、土壤飽和含水量[37]、土壤相對入滲能力[38]、平均坡度和植被覆蓋度指數[20]),并計算了它們與參數n的相關系數(表4),發現：(1)參數n與耕地面積百分比、水文分區面積和土壤飽和含水量顯著正相關,即這些指標越大,參數n就越大。耕地通過改變土壤組成和結構,可以影響降水再分配過程,如減小表層土壤的田間持水量,進而減緩降水入滲速度；同時,人類通過翻耕土地,使得下層相對濕潤的土壤上翻,進而促進ET過程[39]。水文分區面積越大,匯流時間越長,越有利于水分被ET耗散[13]。土壤飽和含水量越大,說明有更多水分被存儲于土壤中供ET消耗[40]。(2)參數n與土壤相對入滲能力、平均坡度顯著負相關。土壤相對入滲能力、坡度越大,則降水的再分配過程就越有利于產生徑流,進而減少ET消耗的降水(即參數n越小)[13]。(3)植被覆蓋度與參數n呈負相關關系,但并不顯著；這可能與植被覆蓋度和參數n間存在復雜的非線性關系有關[23,36]。綜上,淮河流域參數n的較大空間差異可以歸咎于這些指標的共同影響；另外,這些因子還可能通過復雜的非線性相互作用對參數n施加影響[13,16]。例如,Xing等發現平均暴雨深度可以顯著影響參數n；在干旱區,較大平均暴雨深度的流域對應著較大的ET,而在半濕潤和濕潤地區,較小平均暴雨深度的流域顯示降水主要轉換為徑流。同時,在不同的農田面積情況下,暴雨深度對參數n的調節作用存在一定的差異[17]。

表3 各水文分區不同年代徑流變化的主控因子

表4 水文分區特征指標與參數n的相關系數

相關系數的計算采用了20世紀80年代(20個樣本)、20世紀90年代(20個樣本)和21世紀初(12個樣本)的所有數據,樣本總數為52個；第3列中加星號的數字表示相關系數顯著(P<0.05)

3.2 不確定性

本研究依然存在一定的不確定性,可能來自資料處理及歸因方法。考慮輻射觀測資料的匱乏,本研究利用Allen等[34]推薦的方法和站點觀測的日照時間估算了凈輻射。該方法將地表反照率設置為常數0.23；然而,氣候條件、土壤濕度及土地利用與反照率密切相關,決定了反照率在時間和空間上存在較大變化[41]。因此,采用固定數值的反照率估算凈輻射可能會造成估算的PET出現偏差,乃至ET和徑流。近年來,大量觀測和模擬研究結果顯示,CO2濃度的升高改變了植被生理特征(如氣孔導度和植被結構)；但是計算PET的FAO56 Penman-Monteith公式并未考慮這些變化。最近,Piao等[8]、Milly和Dunne[42]指出不考慮CO2濃度升高引起的植被生理特征變化,可能會對水文、氣象、生態相關研究帶來不確定性。迄今為止,區域尺度上的ET估算和觀測依然是個難題。本研究估算的ET主要基于水量平衡方程,而該方法的前提為閉合流域,且不考慮人類活動(如灌溉、水利工程等)和取用地下水,但實際并非如此。例如,淮河流域建有5700多座水庫,蓄洪區28處,可調蓄洪水庫容88.6億m3[43]；這些水利工程對水資源的調蓄勢必會改變徑流,最終影響ET和Budyko參數n的估算。受儀器觀測誤差的影響,氣象要素(尤其是降水)的觀測值通常和真實值之間存在一定偏差[44],進而影響研究結果的準確性。盡管本研究采用了一個新的分離氣候和參數n貢獻的方法,且評估結果令人滿意；但不同影響因子貢獻是線性疊加的假設可能會給研究結果帶來不確定性。

4 結論

為厘清氣候和流域特征(以Budyko參數n反映)變化對淮河流域地表水文過程的影響機制,本研究在詳細分析主要氣候和水文變量及參數n的變化(較基準期1961—1980年)基礎上,基于Budyko方程和多控制因子聯立求解方法,定量化估算了氣候和參數n對ET、徑流變化的貢獻,進行了歸因分析,主要結論如下：

(1)較基準期,各水文分區不同年代的降水、ET、徑流均發生了變化,其中,20世紀80年代和90年代的降水、ET、徑流在沂沭泗河各水文分區均有所減小,而在上游和中游各水文分區三者的變化則表現出明顯的年代際差異和空間差異。對于所有(大部分)水文分區,不同年代的PET(參數n)減小(增加)。

(2)基于Budyko方程和多控制因子聯立求解方法可以有效而準確地估算降水、PET、參數n對ET和徑流變化的貢獻。

(3)在淮河流域多數水文分區,各年代ET變化的主控因子為參數n,其次為降水和PET,分別集中在沂沭泗河地區和上游。就徑流變化而言,大部分水文分區20世紀80年代的主控因子為降水,其次為PET,且多出現在中游；20世紀90年代和21世紀初主控因子多為參數n,其次為降水。以上結果均說明控制淮河流域ET和徑流變化的物理機制存在明顯的空間差異和年代際變化。