黃河下游大型引黃灌區(qū)蒸散發(fā)長(zhǎng)期變化特性

雷慧閩,蔡建峰,楊大文,王鳳嬌

(1.清華大學(xué)水沙科學(xué)與水利水電工程國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京 100084;

2.聊城市位山灌區(qū)管理處,山東 聊城 252000;3.濱州市氣象局,山東 濱州 256600)

黃河下游灌區(qū)是中國(guó)主要糧食產(chǎn)區(qū)之一,由于該地區(qū)水資源總量十分有限,因而灌溉是糧食生產(chǎn)的重要保障之一,但灌溉同時(shí)也引起了地下水超采、河道斷流等嚴(yán)重的環(huán)境問題。水資源的合理配置需要定量掌握該地區(qū)的水循環(huán)規(guī)律。非濕潤(rùn)農(nóng)田地區(qū)的主導(dǎo)水文過程主要為垂向水分交換,主要表現(xiàn)為蒸散發(fā)引起的水分耗散[1]。例如,海河流域山區(qū)的蒸散發(fā)占降雨的88%[2],而農(nóng)田的這一比例高達(dá)96%[3]。準(zhǔn)確模擬蒸散發(fā)成為水循環(huán)模擬的重點(diǎn)。蒸散發(fā)既是水循環(huán)的關(guān)鍵要素,也是能量循環(huán)的重要部分(表現(xiàn)為潛熱通量),蒸散發(fā)將能量循環(huán)與水循環(huán)緊密結(jié)合。光合作用是聯(lián)系碳循環(huán)和水循環(huán)的紐帶,植物通過葉片氣孔控制CO2的吸收和蒸騰。水循環(huán)過程通過土壤水分脅迫影響植物生長(zhǎng),進(jìn)而影響植物的光合作用和氣孔運(yùn)動(dòng)。水分、能量以及碳循環(huán)之間存在固有的緊密耦合關(guān)系。基于這一認(rèn)識(shí),模型已經(jīng)從描述單一的水文循環(huán)過程的水文模型逐漸發(fā)展為耦合水分、能量及碳循環(huán)過程的生態(tài)水文模型[4-7]。驗(yàn)證結(jié)果表明,生態(tài)水文模型能更加準(zhǔn)確地描述水文循環(huán)過程,提高水文循環(huán)模擬的機(jī)理研究水平。

本文以分布式水文模型為框架,引入能量及碳循環(huán)耦合過程以增強(qiáng)對(duì)水文循環(huán)機(jī)理的描述,模擬了大型引黃灌區(qū)——位山灌區(qū) 1984—2006年間蒸散發(fā)的變化過程,并基于模擬結(jié)果分析蒸散發(fā)的變化規(guī)律,為水資源的高效管理提供依據(jù)。

1 研究方法

1.1 研究區(qū)域概況

位山灌區(qū)位于海河流域南系徒駭馬頰河流域上游,總面積約為5711km2,歷年平均引黃灌溉面積約為4448km2,氣候條件為半濕潤(rùn)、溫帶季風(fēng)氣候。灌區(qū)內(nèi)農(nóng)田占81%,城鎮(zhèn)用地占16%。大部分農(nóng)田采用冬小麥/夏玉米輪種制。冬小麥一般10月中旬播種,次年6月收割;夏玉米一般6月中下旬播種,10月初收割。黃河是灌區(qū)的主要灌溉水源,灌渠下游的北部和西部輔有井灌。渠系由3條南北向干渠和若干條支渠組成,排水道為天然河道,見圖1。土壤類型主要有潮土和脫潮土 2種,其中潮土約占72%,脫潮土約占28%,主要分布在灌區(qū)的西北和東南部。

圖1 灌區(qū)位置及測(cè)站點(diǎn)分布

1.2 模型介紹

陸面過程模型因耦合了水分、能量和碳循環(huán)過程,是模擬地表蒸散發(fā)的有效工具,但未考慮地下水及側(cè)向匯流的模擬,對(duì)產(chǎn)流的模擬也較為簡(jiǎn)單。為實(shí)現(xiàn)區(qū)域水文循環(huán)模擬的封閉性,將陸面過程模型與分布式水文模型相耦合。其中,陸面過程模型用于模擬網(wǎng)格內(nèi)的蒸散發(fā)和土壤水,是模型的核心;分布式水文模型僅用于模擬產(chǎn)流、地下水變化和匯流過程。二者的耦合關(guān)系如圖2所示。陸面過程模型在簡(jiǎn)單生物圈模型(SiB2)[8-9]基礎(chǔ)上根據(jù)灌區(qū)的特點(diǎn)進(jìn)行修改[10]。SiB2由一系列具有物理機(jī)制的方程組成,描述了水量平衡、能量平衡、植被生化過程以及它們之間的相互耦合關(guān)系,主要用于模擬陸面與大氣之間的能量(包括凈輻射、顯熱通量和潛熱通量)、蒸散發(fā)以及CO2交換。模型中 ,蒸散發(fā)由4個(gè)部分組成,分別為植物蒸騰Ect、冠層表面截留水蒸發(fā)Eci、土壤蒸發(fā)Egs和土壤表面儲(chǔ)水蒸發(fā)Egi,計(jì)算公式如下:

圖2 網(wǎng)格單元內(nèi)的模型結(jié)構(gòu)示意圖

式中:Tc和Tg分別為冠層和地表的溫度;e*(Tc)和e*(Tg)分別為Tc和Tg對(duì)應(yīng)的飽和水汽壓;ea為參考高度處的水汽壓;ρa(bǔ)為大氣密度;cp為定壓比熱容;γ為濕度計(jì)常數(shù);λ為汽化潛熱;rc為冠層氣孔阻抗;rb為冠層邊界層阻抗;hsoil為土壤孔隙中的相對(duì)濕度;rsoil為土壤阻抗;rd為地面與冠層空間之間的空氣動(dòng)力學(xué)阻抗;Wc,Wg分別為冠層和土壤表面的濕潤(rùn)比(或雪的覆蓋率)。這些變量的計(jì)算方法見文獻(xiàn)[8]。

分布式水文模型由楊大文等[11]開發(fā),是一個(gè)建立在數(shù)字高程模型(DEM)及GIS基礎(chǔ)上的以網(wǎng)格為基本單元的水文模型。根據(jù)灌區(qū)下墊面較為均一的特點(diǎn),模型將灌區(qū)離散成2km大小的網(wǎng)格,并根據(jù)DEM、實(shí)測(cè)水系和流域邊界提取河網(wǎng)、匯流方向及地表坡度、高程等地形參數(shù)。產(chǎn)流包括坡面流、壤中流以及地下徑流3個(gè)部分,河道流量采用一維運(yùn)動(dòng)波方程組計(jì)算。這些過程的詳細(xì)描述見文獻(xiàn)[11]。

模型的輸入包括葉面積指數(shù)和氣象數(shù)據(jù),包括風(fēng)速、降雨、氣溫、相對(duì)濕度以及太陽(yáng)短波輻射。土壤水分特征參數(shù)來(lái)源于實(shí)測(cè)數(shù)據(jù)(表1)。本研究的模擬時(shí)段為1984—2006年,模擬步長(zhǎng)為1h。在模型驗(yàn)證方面,采用灌區(qū)內(nèi)典型通量觀測(cè)站的實(shí)測(cè)地表通量、土壤水分以及表面溫度數(shù)據(jù)對(duì)模型進(jìn)行綜合評(píng)價(jià)。結(jié)果表明,模型對(duì)小麥和玉米生長(zhǎng)期潛熱通量模擬的確定性系數(shù)均在0.8以上;對(duì)顯熱通量、土壤熱通量、土壤水分以及表面溫度的模擬精度也較高,表明該模型適合于灌區(qū)水循環(huán)的模擬[10]。

表1 土壤水分特征參數(shù)

1.3 數(shù)據(jù)及其處理

DEM數(shù)據(jù)來(lái)自全球地形數(shù)據(jù)庫(kù)[12],分辨率為90m。1∶100萬(wàn)土地利用類型及8km分辨率 15d平均GIMMS植被歸一化指數(shù)NDVI的數(shù)據(jù)均來(lái)源于國(guó)家自然科學(xué)基金委員會(huì)中國(guó)西部環(huán)境與生態(tài)科學(xué)數(shù)據(jù)中心[13]。1985年、1995年及 2000年農(nóng)田所占比例分別為82%,81%和 81%,城鎮(zhèn)所占比例分別為15%,16%和16%,土地利用類型分布幾乎未發(fā)生變化。土壤類型分布來(lái)源于1∶100萬(wàn)中國(guó)土壤數(shù)據(jù)庫(kù)。氣象數(shù)據(jù)來(lái)源于灌區(qū)內(nèi)外共19個(gè)國(guó)家氣象站,包括日降水量,日平均、最大、最低氣溫,日平均相對(duì)濕度,日照時(shí)數(shù)以及日平均風(fēng)速。日灌渠流量數(shù)據(jù)來(lái)源于聊城市水利局位山灌區(qū)管理處。

模型假設(shè)網(wǎng)格內(nèi)的氣象條件均勻,每個(gè)網(wǎng)格的日氣象數(shù)據(jù)根據(jù)其周邊最近的8個(gè)氣象站的觀測(cè)數(shù)據(jù)采用距離方向加權(quán)平均法插值得到[11],其中氣溫還考慮了高程修正。由于模擬步長(zhǎng)為1 h,因此需要對(duì)日氣象數(shù)據(jù)進(jìn)行小時(shí)降尺度。小時(shí)溫度根據(jù)日最高和最低氣溫由正弦函數(shù)計(jì)算得到;小時(shí)降雨量由日降雨量根據(jù)正態(tài)分布確定(正態(tài)分布的參數(shù)由通量觀測(cè)站實(shí)測(cè)小時(shí)降雨數(shù)據(jù)確定),降雨中心時(shí)刻由程序隨機(jī)生成;小時(shí)向下短波輻射采用日照時(shí)數(shù)計(jì)算得到[14];小時(shí)風(fēng)速和小時(shí)相對(duì)濕度假設(shè)與日平均值相等。根據(jù)灌溉測(cè)流站分布、縣市行政區(qū)劃以及干渠的空間位置,將灌區(qū)分為若干灌溉區(qū)域(圖1),并假設(shè)每個(gè)灌溉區(qū)域內(nèi)的灌溉量相同。灌溉量由同一引水期內(nèi)灌溉區(qū)域進(jìn)出口測(cè)流站的流量差計(jì)算得到。部分井灌地區(qū)的灌溉量I采用式(5)計(jì)算:

式中:θmax和 θmin分別為灌溉上限和開始的閾值,中等灌溉水平下 θmax和 θmin分別為 0.6θf(wàn)ld和 0.4θf(wàn)ld(θf(wàn)ld為田間持水率)[15];Droot

為根層深度。

葉面積指數(shù)LAI根據(jù)WDRVI指數(shù)推算[16]:

式中:LAImax為植被的最大葉面積指數(shù);WDRVI為寬動(dòng)幅植被指數(shù);WDRVImax與W DRVImin分別為WDRVI的最大值和最小值;β為參數(shù),取值0.2[16]。

文中,小麥和玉米的WDRVImax分別為 0.43和0.77,WDRVImin均為 -0.60,LAImax分別為 6.5和5.0。

采用基于秩的Mann-Kendall非參數(shù)統(tǒng)計(jì)檢驗(yàn)方法對(duì)蒸散發(fā)量及相關(guān)因子的時(shí)間序列進(jìn)行趨勢(shì)分析[17],并取顯著性水平為5%。

2 結(jié)果分析

2.1 灌區(qū)水量平衡的基本特點(diǎn)

1984—2006年間灌區(qū)多年平均降雨量和灌溉量分別為534mm和196mm,灌溉量占供水量(降雨量與灌溉量之和)的 27%。另一方面,多年平均蒸散發(fā)量為596mm,占供水量的82%,表明灌區(qū)絕大部分供水為蒸散發(fā)所消耗。灌區(qū)不同時(shí)期的水量平衡統(tǒng)計(jì)見表2。表 2表明,引黃灌溉占供水的比例從20世紀(jì)80年代的30%降低到2000年之后的24%。小麥生長(zhǎng)期內(nèi)(10月16日至次年6月15日)多年平均降雨量和灌溉量分別為152mm和134mm,灌溉量與降雨量相當(dāng);多年平均蒸散發(fā)量為284mm,為其供水量的99%。玉米生長(zhǎng)期內(nèi)(6月16日至10月15日)多年平均降雨量和灌溉量分別為382mm和60mm,灌溉量?jī)H為降雨量的16%;多年平均蒸散發(fā)量為314mm,占供水量的71%。

小麥生長(zhǎng)期內(nèi)雖然供水量與蒸發(fā)量基本持平,但由于一部分供水通過地下徑流的形式排出,蒸散發(fā)量的消耗還來(lái)源于一部分土壤和地下水。相反,土壤和地下水則主要在玉米生長(zhǎng)期的七八月得到補(bǔ)給。受季風(fēng)氣候的影響,灌區(qū)降雨主要集中在玉米生長(zhǎng)期的6—9月。由于小麥生長(zhǎng)期大量引黃灌溉(主要發(fā)生在3—5月以及10月),蒸散發(fā)的季節(jié)變化過程與降雨的變化過程相差較大,而與潛在蒸發(fā)的季節(jié)變化相似。但六七月的蒸散發(fā)量較潛在蒸發(fā)量顯著偏低,這主要是受小麥?zhǔn)崭罴坝衩撞シN的影響。

表2 灌區(qū)不同時(shí)期的水量平衡統(tǒng)計(jì)

2.2 蒸散發(fā)量的年際變化特點(diǎn)及其控制因素

蒸散發(fā)量年際變化的主要影響因素為降雨量、灌溉量、潛在蒸發(fā)量以及作物生長(zhǎng)過程(以NDVI表示),其中降雨量和灌溉量表示水分供給能力,潛在蒸發(fā)量表示大氣需水能力,而NDVI表示植物通過氣孔對(duì)蒸騰的控制。對(duì)于自然流域,濕潤(rùn)區(qū)蒸散發(fā)量主要受潛在蒸發(fā)量的控制,而在非濕潤(rùn)區(qū),蒸散發(fā)量主要受降雨量的控制[18]。Mann-Kendall趨勢(shì)分析表明,灌區(qū)年蒸散發(fā)量、降雨量、灌溉量、潛在蒸發(fā)量以及NDVI均無(wú)顯著的時(shí)間變化趨勢(shì)。但年降雨量呈現(xiàn)出較大的年際變異性,變化范圍為295mm(2002年)～800mm(1990年);年灌溉量的變化范圍為90mm(1991年)～301mm(1989年),且與年降雨量呈互補(bǔ)關(guān)系;年蒸散發(fā)量的年際變異性較小,變幅為526mm(2003年)～681mm(2005年),見圖 3。進(jìn)一步分析小麥和玉米主要生長(zhǎng)期內(nèi)蒸散發(fā)量的變化規(guī)律,結(jié)果表明:小麥主要生長(zhǎng)期內(nèi)(3—5月)蒸散發(fā)量呈顯著升高的趨勢(shì),為 2.7mm/a,但同期降雨量、灌溉量和潛在蒸發(fā)量均無(wú)顯著的變化趨勢(shì),僅NDVI呈顯著升高趨勢(shì),表明NDVI升高可能是小麥蒸散發(fā)量顯著升高的主要原因;玉米主要生長(zhǎng)期內(nèi)(7—9月)降雨量、灌溉量、潛在蒸發(fā)量以及蒸散發(fā)量均無(wú)顯著的變化趨勢(shì)。小麥和玉米主要生長(zhǎng)期內(nèi)水量平衡的年際變化表明,玉米主要生長(zhǎng)期內(nèi)降雨量的年際變異性顯著大于小麥主要生長(zhǎng)期內(nèi)降雨量的年際變異性(圖4),這在一定程度上有利于小麥生長(zhǎng)期灌溉水的管理。

圖3 灌區(qū)平均水量平衡的年際變化過程

圖4 小麥和玉米主要生長(zhǎng)期灌區(qū)平均水量平衡的年際變化過程

本文通過互信息方法[19]分析蒸散發(fā)量年際變異性的主要來(lái)源,結(jié)果見表 3?；バ畔⒎ㄊ且环N非參數(shù)統(tǒng)計(jì)方法,可用于反映2個(gè)變量之間的相關(guān)性。當(dāng)2個(gè)變量之間互不相關(guān)時(shí),互信息值趨近于零;當(dāng)2個(gè)變量之間存在某種函數(shù)關(guān)系時(shí),互信息值將趨近于正無(wú)窮大。分析結(jié)果表明,年蒸散發(fā)量年際變異性主要源于NDVI的變化,潛在蒸發(fā)量和供水量的影響次之。這說明灌區(qū)總體上供水充分,年蒸散發(fā)量的變化不受供水量的控制而主要受作物氣孔調(diào)節(jié)的控制。小麥和玉米主要生長(zhǎng)期內(nèi)蒸散發(fā)量的年際變異性主要源于潛在蒸發(fā)量的變化,其次是NDVI的變化,與降雨和灌溉量的相關(guān)關(guān)系最弱。年蒸散發(fā)量與季節(jié)蒸散發(fā)量的年際變異性的主要來(lái)源不同,表明在作物非主要生長(zhǎng)期內(nèi)(6月、10月至次年2月作物處于成熟或生長(zhǎng)初期),氣孔導(dǎo)度對(duì)蒸散發(fā)的控制作用更強(qiáng),使得NDVI成為蒸散發(fā)量的主要控制因素。另外,相關(guān)分析表明小麥主要生長(zhǎng)期內(nèi)蒸散發(fā)量與降雨和灌溉量呈負(fù)相關(guān),這是因?yàn)樵诔浞止喔葪l件下降雨和灌溉量的增加將導(dǎo)致潛在蒸發(fā)量的下降,從而引起蒸散發(fā)量的下降。

表3 蒸散發(fā)量與相關(guān)因子之間的互信息值

相比非濕潤(rùn)區(qū)自然流域內(nèi)蒸散發(fā)量、降雨量以及潛在蒸發(fā)量三者之間的關(guān)系(即蒸散發(fā)量主要受降雨量的控制),灌區(qū)內(nèi)三者之間的關(guān)系發(fā)生了較大的變化,蒸散發(fā)量的主要控制因素由降雨量轉(zhuǎn)變?yōu)闈撛谡舭l(fā)量或NDVI,與濕潤(rùn)區(qū)的特點(diǎn)一致。這表明灌溉顯著改變了非濕潤(rùn)區(qū)灌區(qū)的水文循環(huán)特征。

3 結(jié) 語(yǔ)

在水量平衡中引入能量和碳循環(huán)過程,構(gòu)建了新的生態(tài)水文模型,利用該模型模擬了黃河下游位山灌區(qū)1984—2006年間水循環(huán)過程,分析了該地區(qū)蒸散發(fā)的基本特點(diǎn)。研究表明:灌區(qū)多年平均降雨量和灌溉量分別為534mm和196mm,多年平均蒸散發(fā)量為596mm,蒸散發(fā)量占供水量的82%。小麥生長(zhǎng)期內(nèi)多年平均蒸散發(fā)量為284 mm,占供水量的

99%;玉米生長(zhǎng)期內(nèi)多年平均蒸散發(fā)量為314mm,占供水量的71%。年降雨量表現(xiàn)出強(qiáng)烈的年際變異性。由于引黃灌溉,灌區(qū)供水較為充分,年蒸散發(fā)量的年際變異性較小,且無(wú)顯著的時(shí)間變化趨勢(shì)。作物主要生長(zhǎng)期內(nèi)蒸散發(fā)量的年際變異性主要受潛在蒸發(fā)量的控制。蒸散發(fā)量的季節(jié)變化不受降雨季節(jié)變化的影響而主要受潛在蒸發(fā)量及作物生長(zhǎng)過程的影響。

:

[1]黃聿剛,叢振濤,雷志棟,等.新疆麥蓋提綠洲水資源利用與耗水分析:綠洲耗散型水文模型的應(yīng)用[J].水利學(xué)報(bào),2005,36(9):1062-1066.

[2]YANG Da-wen,SUN Fu-bao,LIU Zhi-yu,et al.Analyzing spatial and temporal variability of annualwater-energy balance in non-humid regions of China using the Budyko hypothesis[J].Water Resources Research,2007,43,W04426,doi:10.1029/2006WR005224.

[3]LIU Chang-ming,ZHANG Xi-ying,ZHANG Yong-qiang.Determination of daily evaporation and evapotranspiration of winter wheat and maize by large-scale weighing lysimeter and microlysimeter[J].Agricultural and Forest Meteorology,2002,111:109-120.

[4]PITMAN A J.The evolution of,and revolution in,land surface schemes designed for climate models[J].International Journal of Climatology,2003,23:479-510.

[5]EMANUEL R E,EPSTEIN H E,MCGLYNN B L,et al.Spatial and temporal controls on watershed ecohydrology in the northern Rocky Mountains[J].Water Resources Research,2010,46,W11553,doi:10.1029/2009WR008890.

[6]HWANG T,BAND L,HALES T C.Ecosystem processes at the watershed scale:extendingoptimality theory from plot to catchment[J].Water Resources Research,2009,45,W11425,doi:10.1029/2009WR007775.

[7]KOLLET S J,MAXWELL R M.Capturing the influence of groundwater dynamics on land surface processes using an integrated,distributed watershed model[J].Water Resources Research,2008,44,W02402,doi:10.1029/2007WR006004.

[8]SELLERS P J,RANDALL D A,COLLATZ G J,et al.A revised land surface parameterization(SiB2)for atmospheric GCMs:partⅠmodel formulation[J].Journal of Climate,1996,9:676-705.

[9]SELLERS P J,LOS S O,TUCKER C J,et al.A revised land surface parameterization(SiB2)for atmospheric GCMs:partⅡ the generation of global fields of terrestrial biophysical parameters from satellite data[J].Journal of Climate,1996,9:706-737.

[10]LEI Hui-min,YANG Da-wen,SHEN Yan-jun,et al.Simulation of evapotranspiration and carbon dioxide flux in the wheatmaize rotation croplands of the North China Plain using the simple biosphere model[J].Hydrological Processes,2011,25:3107-3120.

[11]楊大文,李,倪廣恒,等.分布式水文模型在黃河流域的應(yīng)用[J].地理學(xué)報(bào),2004,59(1):143-154.

[12]USGS.Seamless data warehouse[EB/OL].[2011-11-21].http://seamless.usgs.gov.

[13]劉紀(jì)遠(yuǎn),張?jiān)鱿?莊大方,等.20世紀(jì) 90年代中國(guó)土地利用變化的遙感時(shí)空信息研究[M].北京:科學(xué)出版社,2005.

[14]YANG Kun,KOIKE T.A general model to estimate hourly and daily solar radiation forhydrological studies[J].Water Resources Research,2005,41,W10403,doi:10.1029/2005WR003976.

[15]尚松浩,毛曉敏,雷志棟,等.土壤水分動(dòng)態(tài)模擬模型及其應(yīng)用[M].北京:科學(xué)出版社,2009.

[16]GITELSON A A,WARDLOW B D,KEYDAN G P,et al.An evaluationof MODIS 250m data for green LAI estimation in crops[J].Geophysical Research Letters,2007,34,L20403,doi:10.1029/2007GL031620.

[17]BURN D H,HAGELNUR M A.Detection of hydrologic trends and variability[J].Journal of Hydrology,2002,255:107-122.

[18]YANG Da-wen,SUN Fu-bao,LIU Zhi-yu,et al.Interpreting the complementary relationship in nonhumid environments based on the Budyko and Penman hypotheses[J].Geophysical Research Letters,2006,33,L18402,doi:10.1029/2006GL027657.

[19]趙銅鐵鋼,楊大文.神經(jīng)網(wǎng)絡(luò)徑流預(yù)報(bào)模型中基于互信息的預(yù)報(bào)因子選擇方法[J].水力發(fā)電學(xué)報(bào),2011,30(1):24-30.