嘉陵江流域潛在蒸散發時空演變特征及其影響因素

趙賓華, 馬方銘, 李占斌, 李 鵬, 黃金華, 高 蓓, 孫 虎

(1.西安理工大學 省部共建西北旱區生態水利國家重點實驗室, 陜西 西安 710048; 2.旱區生態水文與災害防治國家林業局重點實驗室, 陜西 西安 710048; 3.西安市水利規劃勘測設計院, 陜西 西安 710054)

1 研究背景

水是關乎生態系統功能和人類社會福祉的重要自然資源,在全球干旱事件頻發的影響下,水資源量的匱乏成為制約生態向好和社會可持續發展的一大挑戰性因素,而潛在蒸散發作為水循環的關鍵部分,在不同影響因子的作用下,與降水共同決定著地區的干濕程度[1]。因此,了解區域潛在蒸散發的時空格局演變及其驅動因子的變化,是解決全球氣候變化背景下區域水資源問題的重要途徑。

目前可采用多種方法或模型計算潛在蒸散發(ET0),根據其估算機理主要分為溫度法、輻射法、質量傳輸法和綜合法等,不同的方法對輸入資料的要求有所不同,部分學者對于不同估算方法在研究區域的適用性也做了一定的探討[2-4]。目前,聯合國糧農組織(Food and Agriculture Organization of the United Nations, FAO)推薦的Penman-Monteith公式作為標準計算方法已得到廣泛應用[5-9],該公式引入空氣動力學和冠層阻力系數,具有嚴格的物理基礎,較全面地考慮了包括植物氣孔導度和氣象因素對蒸散發結果的影響作用,具有較高的精度和適用性。潛在蒸散發的時空變化受多種因子的影響,不同地區的地理位置差異及氣候特征不同,導致各類型因子對潛在蒸散發的貢獻程度也存在較大差異,Tang等[1]使用綜合Penman-Monteith模型、基于輻射的Priestley-Taylor模型和基于溫度的Hamon模型對1975—2014年西伯利亞大流域ET0變化及驅動因素進行了綜合分析,研究表明飽和水汽壓差的增加和風速的減小對潛在蒸散發的貢獻十分重要;Yang等[10]根據祁連山5個氣象站的實測數據研究分析得出氣象因子隨海拔變化顯著,凈輻射敏感程度最高;畢彥杰等[11]以京津冀地區為研究區域,分析得出ET0整體呈下降趨勢且春季減幅最為明顯,ET0對相對濕度最為敏感,風速變化對京津冀地區ET0變化的貢獻最大。

本研究基于Penman-Monteith計算方法,選取長江支流中面積最大的嘉陵江流域內部及周邊氣象觀測站點1970—2019年的逐日氣象數據作為分析計算基礎,以流域潛在蒸散發不同時空格局的演變特征以及平均氣溫、相對濕度、平均風速和日照時數4個氣象因子對潛在蒸散發變化的影響為研究核心,量化了這些氣象因子對潛在蒸散發的貢獻率,并借助地理探測器分析了4個氣象因子在空間上的交互作用,以期為流域干旱研究和水資源規劃利用提供一定的理論支撐,從而對長江流域水資源循環利用以及整個長江經濟帶的可持續發展起到推動作用。

2 數據來源與研究方法

2.1 研究區概況

嘉陵江流域(102.59°E～109.02°E,29.29°N～34.47°N)面積為15.98×104km2,干流全長1 120 km,平均比降2.05‰,是長江支流中面積最大的流域,發源于秦嶺并自北向南流經陜西、甘肅、四川、重慶4省(市)縱貫四川盆地中部,流域內水資源豐富,支流眾多,主要包括嘉陵江干流、渠江、涪江三大水系。流域大部分屬亞熱帶濕潤季風氣候,四季分明,多年平均氣溫約為10 ℃,多年平均最高氣溫為19.4 ℃,多年平均最低氣溫為4.3 ℃。流域多年平均降水量為912.8 mm,時空分配不均勻,整體上由西北至東南遞增[12]。流域形似扇形洪水向心匯聚,多年平均徑流量約為700×108m3,研究流域概況見圖1。

圖1 嘉陵江流域概況

2.2 數據來源

本研究氣象數據均來自中國氣象數據網(http://data.cma.cn),通過剔除缺測或無觀測數據較多的部分站點后選擇嘉陵江流域內部及周邊45個氣象站點1970—2019年日氣象數據,主要包括逐日平均氣溫、最高最低氣溫、相對濕度、平均風速、日照時數等。流域數字高程模型(digital elevation model,DEM)分辨率為30 m,數據來源于地理空間數據云(http://www.gscloud.cn)。

2.3 研究方法

2.3.1 潛在蒸散發計算 本研究采用聯合國糧農組織(FAO)1998年推出的修正Penman-Monteith公式進行潛在蒸散發估算,該式適用于任何研究區域及不同氣候類型區的每日氣象數據[13],其表達式為:

(1)

式中:ET0為潛在蒸散發量,mm/d;Δ為飽和水氣壓曲線斜率,kPa/℃;γ為干濕常數,kPa/℃;u2為2 m高處風速,m/s;Rn為凈輻射,MJ/(m2·d);G為土壤熱通量,MJ/(m2·d),一般忽略不計;T為日平均氣溫,℃;es為飽和水汽壓,kPa;ea為實際水汽壓,kPa。

2.3.2 敏感性分析 本研究采用McCuen[14]引入的ET0對氣象因子變化響應的敏感系數即氣候敏感系數(潛在蒸散發量變化率與氣象因子變化率之比),分析嘉陵江流域潛在蒸散發對氣象因子的敏感性,其表達式為:

(2)

式中:ET0為潛在蒸散發量,mm/d;Sxi為ET0對各氣象因子xi的敏感系數,無量綱,用于評估不同氣象因子對ET0的影響程度。當Sxi為正時表明ET0與影響因子xi保持一致的變化趨勢,當Sxi為負時表明ET0與影響因子xi為相反的變化趨勢,|Sxi|越大表明影響因子對ET0的影響等級越高。

2.3.3 氣象因子貢獻率計算 本研究采用因子貢獻率表示氣象因子變化所引起的ET0變化,即將氣象因子的敏感系數與該因子的多年相對變化率相乘。當貢獻率為正(負)時表明該氣象因子對ET0的貢獻為正(負)向作用,即會引起ET0的增加(減少),貢獻率的絕對值可以表示出由該因子的相對變化所引起的ET0變化,其表達式為[15]:

Conxi=Sxi·RCxi

(3)

(4)

2.3.4 地理探測器 地理探測器包括因子、風險、交互作用和生態探測器4種[16]。可以利用其中的交互作用探測器計算得到各單因子及兩因子相互疊加后的q值,并且可以通過比較來分析選取的兩因子間是否存在交互作用以及交互作用的大小、方向、線(非線)性等。本研究借助交互作用探測器q統計量衡量因子的空間分異性,其公式為:

(5)

(6)

SST=Nσ2

(7)

3 結果與分析

3.1 嘉陵江流域氣象因子時間變化特征

1970—2019年嘉陵江流域年尺度和季節尺度不同氣象因子的傾向率如表1所示。由表1可知,在年尺度上,除平均氣溫以0.20 ℃/10a的傾向率顯著上升外,相對濕度、平均風速和日照時數均呈減小趨勢,傾向率分別為0.239%/10a、0.048 (m·s-1)/10a和0.100 (h·d-1)/10a,在研究時間序列內流域整體上有變暖、變干的趨勢。在季節尺度上,平均氣溫均呈上升趨勢,春、冬兩季的溫度增幅相對較高;相對濕度除秋季外其他季節均呈現下降趨勢;平均風速雖在2000年左右有明顯的轉折點,但是整體波動范圍集中在0.6～2.0 m/s,整體來說在四季均呈現減小趨勢,尤其在春季變化更顯著;日照時數除春季外其他季節均表現為減少趨勢且變化幅度相差不大。

表1 1970—2019年嘉陵江流域4個氣象因子的傾向率

3.2 嘉陵江流域ET0時空變化規律

3.2.1 嘉陵江流域ET0時間變化特征 1970—2019年嘉陵江流域年ET0及不同季節ET0的變化過程分別如圖2、3所示,ET0變化M-K趨勢檢驗結果見表2。分析圖2、3可知,全流域ET0在年尺度上總體呈不顯著減小趨勢,根據Pettitt檢驗結果可知,在研究序列內ET0變化的突變點出現在1979年,1970—1979年ET0呈現減小趨勢,1979年之后為增加趨勢。流域多年平均ET0為895.75 mm,線性變化率為-0.133 mm/10a。季節尺度上夏季和秋季ET0分別以2.209、0.455 mm/10a的速率減少,春季和冬季ET0均表現為上升趨勢,多年傾向率分別為1.946和0.585 mm/10a。由表2可知,嘉陵江流域不同季節尺度上的ET0變化趨勢均不顯著。

表2 1970—2019年嘉陵江流域ET0變化M-K趨勢檢驗結果

圖2 1970—2019年嘉陵江流域年ET0變化過程

圖3 1970—2019年嘉陵江流域不同季節ET0變化過程

3.2.2 嘉陵江流域ET0空間變化規律 利用ArcGIS10.5平臺,采用反距離加權(inverse distance weight, IDW)插值得到嘉陵江流域ET0的空間分布。結果表明,1970—2019年嘉陵江流域多年平均ET0最高值為1 061.4 mm,出現在北部隴南市武都區附近,主要為以九寨溝縣、武都區和文縣形成的高值圈,多年平均最低值出現在東部城口縣附近,為805.3 mm,同時圍繞ET0高值圈形成以成縣、文縣等為代表的低蒸散發能力圈,流域多年平均ET0分布整體上呈現北部高南部低的特征,與流域高程分布大致相似,高值圈站點平均海拔高度超過1 100 m。

1970—2019年嘉陵江流域各季節多年平均ET0空間分布如圖4所示。圖4表明,流域春、冬季ET0分布規律與流域年ET0分布規律較為一致,均為北部高南部低,而夏、秋季流域內ET0分布規律整體上與其他季節相反。流域ET0的最高值均出現在九寨溝縣、武都區和文縣附近,春、夏季流域ET0最低值出現在東部城口縣附近,秋、冬季流域ET0最低值出現在北部成縣附近。

圖4 1970—2019年嘉陵江流域各季節多年平均ET0空間分布

3.3 ET0影響因子分析

計算得到的嘉陵江流域不同時間尺度ET0對4個氣象因子的敏感系數見表3。由表3可以看出,除相對濕度敏感系數為負值外,平均氣溫、平均風速和日照時數的敏感系數均為正值,即ET0與相對濕度呈負相關關系,與平均氣溫、平均風速和日照時數呈正相關關系。當流域呈現變濕趨勢時潛在蒸散發有一定程度的下降,而增溫會提升潛在蒸散發。在年尺度上,嘉陵江流域ET0對相對濕度的敏感度較高(-0.505),其次為平均氣溫(0.402)和日照時數(0.171),而ET0對風速變化的響應程度不高,敏感系數僅為0.096。在季節尺度上,4個因子在不同季節對ET0的作用均保持一致,平均風速在春季、秋季的敏感系數與年平均敏感系數相一致,均為0.09左右;平均氣溫敏感系數夏季最高(0.554),冬季最低(0.193);日照時數敏感系數夏季最高(0.269),而冬季ET0對日照時數呈現弱敏感(0.073);相對濕度敏感系數四季變化較小,敏感系數最高和最低值分別出現在冬季(-0.648)和夏季(-0.343),整體上均表現為較高敏感性。

表3 嘉陵江流域不同時間尺度ET0對4個氣象因子的敏感系數

利用反距離加權插值得到嘉陵江流域ET0對各氣象因子的敏感程度分布,如圖5所示。

圖5 嘉陵江流域ET0對各氣象因子敏感系數的空間分布

由圖5可以看出,流域內ET0對不同因子變化的響應程度分布不一致。ET0對平均風速的敏感程度較大值集中在九寨溝縣、武都區和文縣一帶,敏感程度在流域內整體上由北部向南部呈遞減趨勢;ET0對平均氣溫的敏感度與對平均風速的敏感度分布相反,呈現由南部向北部衰減的趨勢,最低值(0.146)出現在若爾蓋縣附近地區,平武縣以南地區平均氣溫敏感系數差別不大;ET0對日照時數的敏感度變化幅度不大,相對濕度的敏感程度整體上分布較為一致,低值區域主要集中在流域內儀隴縣以南。

3.4 ET0影響因子貢獻率

貢獻率計算有助于分析確定流域ET0變化的主導因子,表4為嘉陵江流域氣象因子對在不同時間尺度下ET0的貢獻率。由表4可以看出,年尺度和季節尺度下主導因子表現不一致。流域內年平均風速、平均氣溫、日照時數和相對濕度對ET0的貢獻率分別為-1.72%、2.84%、-2.13%和0.81%,平均氣溫占據主導地位,其中平均氣溫和相對濕度對ET0的變化起正向促進作用,而平均風速和日照時數對ET0的變化與之相反,4個因子的共同作用使流域潛在蒸散發呈現不顯著的減小趨勢。季節尺度上,平均風速對ET0的變化在不同季節內均為負向作用,即該因子會引起ET0的減小,各季節貢獻率變化范圍為-2.02%～-0.86%;平均氣溫均為正貢獻,貢獻率相對來說表現為春、冬季高(4.40%、4.86%)、而夏季較低(1.57%)的特征;日照時數貢獻率在各季節變化程度較大,其中春季最低,為0.06%,夏季最高,為-4.81%,在夏季和秋季均為影響ET0變化的主導因子;相對濕度在秋季對ET0的貢獻率為-0.41%,整體貢獻率在不同季節變化幅度不大。

表4 嘉陵江流域4個氣象因子在不同時間尺度下對ET0的貢獻率 %

3.5 ET0影響因子交互作用

通過地理探測器中的交互作用探測可以識別并評估空間上不同氣象因子同時作用時對ET0的解釋力相比于單個因子對ET0的解釋力是否有差異,通過判斷兩個自變量對因變量交互作用的類型(表5),得到嘉陵江流域氣象因子之間對ET0空間分異性的解釋力(圖6)。

表5 因子交互作用類型

圖6 交互作用探測器對單、雙因子作用q值計算結果

由圖6可見,平均風速和相對濕度獨立發揮作用時的q值分別為0.176和0.092,交互作用下的q值為0.268,分析可得其交互作用類型為雙因子增強,說明平均風速和相對濕度交互作用的影響力均大于各單一因子的影響力。其他因子兩兩交互作用的q值也均大于其單一作用下的q值之和,屬于非線性增強類型,其中平均氣溫和相對濕度、平均風速、日照時數的交互作用相對于其單一作用下對ET0的解釋力大幅提高,分別達68.4%、60.5%和46.7%,平均風速和日照時數交互作用的解釋力為58.2%,表明嘉陵江流域ET0的變化是多因子共同作用的結果。

4 討 論

蒸散發是水文循環過程中的重要環節,以探究潛在蒸散發時空變化作為全面了解氣候變化背景下區域水文氣象變化的載體,對解決區域水資源短缺及管理等問題意義重大。在本研究中,以嘉陵江流域若干氣象站的實測氣象數據為基礎分析了流域氣象要素的變化特征,并基于Penman-Monteith公式計算了嘉陵江流域長序列的潛在蒸散發量。得出“在1970—2019年隨著嘉陵江流域平均氣溫以0.02 ℃/a的速率升高,潛在蒸散發變化以1979年為突變點、在高-低-高變化趨勢下整體卻以0.133 mm/10a的速度減少”的結論,這與呂明權等[17]的研究結果相一致,說明在全球增溫背景下,雖然變暖后的大氣能夠容納更多的水分,從而導致潛在蒸散發量更高,但是實際研究中全球部分區域的潛在蒸散發變化速率卻在減小[18-20],嘉陵江流域同樣也存在“蒸發悖論”現象。同時,Herath等[21]對嘉陵江流域的研究也表明年潛在蒸散發呈現微弱的減小趨勢,而在流域空間上呈現北部最高、西部最低的分布特征,本研究中潛在蒸散發在空間上的分布與流域平均高程的分布較一致,存在北部高、南部低的分布特征,這與該學者的研究結論基本一致。

關于影響潛在蒸散發變化的驅動因素,在本研究中通過敏感系數及貢獻率分析量化了不同氣象因子的敏感程度,發現1970—2019年嘉陵江流域年潛在蒸散發變化的主導因子為平均氣溫,劉昌明等[22]對中國十大流域片區的潛在蒸散發進行了相關研究,結果表明長江流域片區的潛在蒸散發對最高氣溫最為敏感,呂明權等[17]也認為1982年后隨著氣候變暖,溫度上升也成為了影響嘉陵江流域潛在蒸散發的主導因子。正如不同計算模型的輸入資料所表現得一樣,驅動潛在蒸散發變化的因素不僅包括氣溫、風速、水汽壓和輻射等,植被變化以及水-能-植被間的相互作用也值得研究,例如楊銘珂等[23]分析了黔中地區1995—2015年的土地利用結構變化情況,認為草地以及耕地向林地轉移會使潛在蒸散發增大,林地、草地以及耕地向建設用地、未利用地轉移會使潛在蒸散發減小;Xu等[24]以黃河上游地區為研究區分析了流域長期蒸散發變化特征,認為氣溫和風速是潛在蒸散發減少的主要驅動因素,同時植被綠化也是影響蒸散發的主要因子。而本文僅分析討論了4個氣象因子對潛在蒸散發的影響,對于其他可能影響潛在蒸散發時空變化格局的因素還有待進一步深入研究。

5 結 論

(1)1970—2019年4個氣象因子除平均氣溫升高外,相對濕度、平均風速和日照時數均呈下降趨勢。流域年潛在蒸散發以0.133 mm/10a的速率呈不顯著下降趨勢,突變點發生在1979年。季節尺度上春季和冬季ET0呈上升趨勢,夏季和秋季呈下降趨勢。空間上,年ET0分布北高南低,變化范圍為805.3～1 061.4 mm。

(2)年尺度上潛在蒸散發對相對濕度最為敏感(敏感系數-0.505),平均氣溫次之(敏感系數0.402),其次是日照時數(敏感系數0.171)和風速(敏感系數0.096)。季節尺度上,在春、夏季對平均氣溫最敏感,在秋、冬季對相對濕度最敏感。流域內年平均氣溫、相對濕度、平均風速和日照時數對ET0的貢獻率分別為2.84%、0.81%、-1.72%和-2.13%,平均氣溫占據主導地位,多氣象因子的共同作用引起了流域ET0的下降趨勢。

(3)平均氣溫和相對濕度交互作用下對潛在蒸散發的解釋力達到68.4%,遠大于二者獨立發揮作用時的解釋力,與貢獻率分析中平均氣溫和相對濕度總貢獻率值最大的結果相一致;平均氣溫和平均風速交互作用次之,解釋力為60.5%;平均風速和日照時數交互作用的解釋力為58.2%。