寒旱區(qū)草地不對(duì)稱(chēng)增溫現(xiàn)象對(duì)蒸散發(fā)的影響分析

王國(guó)強(qiáng),王立波,劉廷璽,薛寶林,段利民

(1. 北京師范大學(xué)水科學(xué)研究院,北京 100875；2. 內(nèi)蒙古農(nóng)業(yè)大學(xué)水利與土木建筑工程學(xué)院,內(nèi)蒙古 呼和浩特 010018)

陸地生態(tài)系統(tǒng)對(duì)于氣候變化的響應(yīng)及其反饋是全球變化研究的核心領(lǐng)域之一[1]。據(jù)聯(lián)合國(guó)政府間氣候變化專(zhuān)門(mén)委員會(huì)(IPCC)報(bào)告顯示,近10 a(2011—2020年)全球地表溫度比工業(yè)革命前(1850—1990年)升高了1.09 ℃,近50 a(1970—2020年)地表溫度上升速度超過(guò)2000年以來(lái)任何一個(gè)50 a[2]。全球范圍的氣候變暖將影響水循環(huán)過(guò)程中降水、徑流、蒸發(fā)等環(huán)節(jié),進(jìn)而影響水資源的時(shí)空再分配,同時(shí)頻繁的人類(lèi)活動(dòng)對(duì)植被生產(chǎn)力格局帶來(lái)深刻影響。其中,蒸散發(fā)作為唯一同時(shí)參與水量循環(huán)和能量循環(huán)的水文參量,是干旱區(qū)水文研究的重點(diǎn)。由于下墊面特性、氣象要素變化等時(shí)空異質(zhì)性,蒸散發(fā)在時(shí)間連續(xù)條件下的模擬與預(yù)測(cè)具有挑戰(zhàn)性。因此,時(shí)空連續(xù)蒸散發(fā)量的估算對(duì)明確氣候變化下的區(qū)域生態(tài)水文循環(huán)驅(qū)動(dòng)機(jī)制十分重要[3]。

作為地球上分布最廣泛的植被類(lèi)型之一,草地植被在受氣候影響的同時(shí),又能對(duì)區(qū)域氣候起到重要的調(diào)節(jié)作用[4]。海拉爾河流域地處中國(guó)北方呼倫貝爾典型草原分布區(qū)內(nèi),屬大陸性干旱氣候,在全球氣候變化影響下,研究區(qū)內(nèi)物種向耐旱種退化,群落組成單一,植被覆蓋度略有上升[5],對(duì)于氣候變化響應(yīng)敏感,脆弱性、波動(dòng)性及嚴(yán)酷性等特點(diǎn)顯著。在區(qū)域特征的影響下,該地蒸散發(fā)時(shí)空演變趨勢(shì)復(fù)雜,但現(xiàn)階段應(yīng)用較廣、精度較高的Penman- Monteith(P- M)蒸散發(fā)計(jì)算模型,忽略了土壤的蒸發(fā)量,不適用于植被稀疏區(qū)域[6]?；赥OPMODEL的BTOPMC分布式水文模型在植被較為稀疏的干旱區(qū)適用性更高,相較于其他水文模型,考慮了植被冠層及層間裸土表面的雙水汽來(lái)源蒸散發(fā),在估算地區(qū)冠層截留能力與土壤水蒸發(fā)能力中具有可靠性[7]。

在全球變暖情勢(shì)下,增溫趨勢(shì)在時(shí)間(晝夜或季節(jié)間)與空間(海拔、緯度與不同地區(qū)等)上均呈現(xiàn)出不對(duì)稱(chēng)變化的特征。這種不對(duì)稱(chēng)性一方面表現(xiàn)為增溫幅度與其規(guī)律本身的不一致,另一方面則為不同時(shí)空內(nèi)全球氣候變暖對(duì)不同生態(tài)系統(tǒng)產(chǎn)生的影響不對(duì)稱(chēng)[8]。在中國(guó)北方地區(qū),不對(duì)稱(chēng)增溫現(xiàn)象尤為顯著[9]。張慧等[10]對(duì)1962—2011年中國(guó)不同植被類(lèi)型區(qū)452個(gè)站點(diǎn)氣溫資料進(jìn)行分析,表明過(guò)去50 a氣溫顯著升高,低溫增速快于高溫,晝夜溫差減小且在寒溫帶森林區(qū)表現(xiàn)明顯。另外,晝夜不對(duì)稱(chēng)增溫現(xiàn)象對(duì)于高寒生態(tài)系統(tǒng)功能與結(jié)構(gòu)變化也具有一定影響[11]。在氣溫呈現(xiàn)不對(duì)稱(chēng)性增溫的同時(shí),地溫也在升高,符睿等[12]在相關(guān)研究中同樣發(fā)現(xiàn),中國(guó)大部分范圍內(nèi)地溫的升溫速率要快于氣溫,且頻發(fā)于干旱半干旱地區(qū),季節(jié)性差異顯著,形成土壤- 大氣的不對(duì)稱(chēng)增溫現(xiàn)象。作為計(jì)算地表感熱通量的直接變量,地氣溫差的變化趨勢(shì)可以反映地表感熱通量的變化特征,地氣溫差的水平分布不均,將導(dǎo)致地表- 大氣間熱量傳遞差異,對(duì)植被生長(zhǎng)產(chǎn)生影響。根據(jù)閆俊杰等[13]對(duì)2001—2015年伊犁河谷草地蒸散發(fā)量時(shí)空變化分析可知,植被覆蓋、降水和氣溫是草地蒸散發(fā)量降低的主要驅(qū)動(dòng)因素。由此可見(jiàn),作為全球氣候循環(huán)系統(tǒng)的重要組成部分,蒸散發(fā)對(duì)于溫度變化響應(yīng)敏感,且近年來(lái)相關(guān)研究表明,在極端干旱地區(qū),降水及溫度成為蒸散發(fā)變化的主導(dǎo)因素[14]。目前,對(duì)于寒旱區(qū)草地蒸散發(fā)在氣候變化下的影響因子定量分析研究較少,且不對(duì)稱(chēng)增溫現(xiàn)象的出現(xiàn)會(huì)為蒸散發(fā)變化及其響應(yīng)機(jī)理帶來(lái)怎樣的影響還沒(méi)有明確結(jié)論。

海拉爾河流域多年平均降水基本保持不變,溫度的升高使得該區(qū)域氣候類(lèi)型逐漸向暖干化轉(zhuǎn)變[15]。但在此環(huán)境下,該區(qū)域蒸散發(fā)量卻出現(xiàn)下降趨勢(shì),這種趨勢(shì)是否與近期出現(xiàn)的不對(duì)稱(chēng)增溫現(xiàn)象相關(guān)、能否定性且定量地進(jìn)行分析是本研究關(guān)注的重點(diǎn)。本研究使用BTOP(Block- wise use of TOPMODEL)分布式水文模型獲取研究區(qū)內(nèi)1981—2020年連續(xù)蒸散發(fā)量,分析影響其多年變化的主控因子,進(jìn)而結(jié)合區(qū)域大氣溫度及地表溫度變化差異,探究不對(duì)稱(chēng)增溫現(xiàn)象下的蒸散發(fā)量變化趨勢(shì)。

1 研究區(qū)域概況

海拉爾河流域位于中國(guó)東北部典型寒旱區(qū)內(nèi)(119°45′E—122°28′E,47°34′N(xiāo)—50°16′N(xiāo)),海拔534～1 706 m,研究區(qū)面積為5.48萬(wàn)km2,如圖1所示。該區(qū)域?qū)贉貛Т箨懶约撅L(fēng)氣候,夏季炎熱多雨,冬季寒冷干燥；多年平均氣溫-3 ℃～0 ℃,且具有自東向西遞減趨勢(shì)；年降水量240～400 mm,全年變化較大且呈自東向西遞減趨勢(shì)；主要土地覆蓋類(lèi)型為典型草地,植被建群種包括大針茅和羊草等；植被類(lèi)型由東到西依次可概括為森林—森林草原過(guò)渡帶—草地,生長(zhǎng)季為5—9月。

圖1 海拉爾河流域水文及氣象站點(diǎn)位置Fig.1 Study area and locations of the hydrologic and meteorological stations in Hailaer River basin

2 數(shù)據(jù)來(lái)源及處理

2.1 氣象及水文數(shù)據(jù)

本文參與模型輸入及分析所使用的氣象數(shù)據(jù)包括日平均氣溫、日最高氣溫、日最低氣溫、日平均地表溫度、日最高地表溫度、日最低地表溫度、日平均氣壓、日相對(duì)濕度、近地面風(fēng)速和日照時(shí)長(zhǎng)10個(gè)要素。氣象數(shù)據(jù)采用中國(guó)氣象數(shù)據(jù)網(wǎng)(http:∥data.cma.cn/)中國(guó)地面氣候資料日值數(shù)據(jù)集(V3.0),包括海拉爾站、牙克石站、扎蘭屯站3個(gè)氣象站點(diǎn)。降水資料來(lái)源于牙克石站、海拉爾站、額爾古納站及新巴爾虎左旗4個(gè)雨量站日降水資料(https:∥data.cma.cn/)。流量資料來(lái)源于牙克石站、海拉爾站、壩后站逐日觀(guān)測(cè)數(shù)據(jù)。選取壩后站為模型出口水文站點(diǎn),1981年為模型預(yù)熱期,1982—2000年為率定期,2000—2020為驗(yàn)證期。蒸散發(fā)驗(yàn)證數(shù)據(jù)來(lái)源于內(nèi)蒙古生態(tài)系統(tǒng)研究站(圖1觀(guān)測(cè)站點(diǎn)1),該站位于內(nèi)蒙古自治區(qū)呼倫貝爾謝爾塔拉種牛場(chǎng),代表溫性草甸草原生態(tài)類(lèi)型,屬溫帶半干旱大陸性氣候(http:∥www.chinaflux.org)。研究區(qū)內(nèi)典型貝加爾針茅樣地(圖1觀(guān)測(cè)站點(diǎn)2)圍建于1999年,面積為0.33km2,草場(chǎng)類(lèi)型為貝加爾針茅(StipaBaicalensisRoshev)、日蔭菅(Carexpediformis)和羊草(LeymuschinensisTzvel)?？紤]植被數(shù)據(jù)系列長(zhǎng)度,本研究所選數(shù)據(jù)時(shí)段為1981—2020年。

2.2 高程、土地覆蓋及植被數(shù)據(jù)

高程數(shù)據(jù)采用美國(guó)國(guó)家地球物理數(shù)據(jù)中心全球陸地1 km基礎(chǔ)高程GLOBE數(shù)據(jù)(http:∥www.ngdc.noaa.gov/mgg/topo/globe.html),空間分辨率為30″；土地利用資料為國(guó)際地圈生物圈計(jì)劃全球數(shù)據(jù)(http:∥nsidc.org/data/ease/ancillary.html#igbp_classes),空間分辨率為1 km；土壤數(shù)據(jù)采用聯(lián)合國(guó)糧食和農(nóng)業(yè)組織土壤類(lèi)型圖(http:∥www.fao.org/faostat/en/#data/S),分辨率為1km；植被歸一化指數(shù)(NDVI)采用NOAA- AVHRR第3代GIMMS NDVI3g遙感數(shù)據(jù)(http:∥ecocast.arc.nasa.gov/data/pub/gimms/),分辨率為8 km,時(shí)間為1981—2006年,MODIS NDVI遙感數(shù)據(jù)(http:∥Itdr.nascom.nasa.gov/cgibin/Itdr/ItdrPage.cgi)分辨率為5km,時(shí)間為2000—2020年,通過(guò)ArcGIS10.2軟件進(jìn)行重采樣為分辨率1 km的數(shù)據(jù)；風(fēng)速資料來(lái)源于UEA/CRU資料庫(kù)(http:∥www.cru.uea.ac.uk/cru/data),分辨率為10′。以上各類(lèi)數(shù)據(jù)分辨率已按照模型需求進(jìn)行統(tǒng)一,柵格單元經(jīng)ArcGIS軟件重采樣后為0.01°。植被分析數(shù)據(jù)采用MODIS MOD15A2葉面積指數(shù)(LAI)數(shù)據(jù)產(chǎn)品(http:∥ecocast.arc.nasa.gov/data/),分辨率為1 km。

3 研究方法

3.1 BTOP模型

BTOP模型是基于數(shù)字高程(DEM)的網(wǎng)格分布式水文模型[7],核心部分包括地形模塊、產(chǎn)流模塊和匯流模塊,該模型根據(jù)TOPMODEL蓄滿(mǎn)產(chǎn)流模式概化產(chǎn)流過(guò)程,使用Muskingum- Cunge法進(jìn)行匯流演算,與Shuttleworth- Wallace(S- W)雙水汽源模型耦合,適用于植被較為稀疏的干旱區(qū)。S- W模型總蒸散發(fā)計(jì)算公式如下:

ET=CcETc+CsETs

(1)

式中:ET為蒸散發(fā)量,mm/d；ETc和ETs分別為植被密閉區(qū)和裸土區(qū)的潛熱通量,MJ/(m2·J)；Cc和Cs為權(quán)重系數(shù)。

(2)

(3)

(4)

Ra=(k+γ)raaRc=(k+γ)rac+γrscRs=(k+γ)ras+γrss

(5)

式中:Rn為冠層表面凈輻射,MJ/(m2·J)；Rns為土壤表面凈輻射,MJ/(m2·J)；G為土壤熱通量,MJ/(m2·J)；es為飽和水汽壓,kPa；ea為實(shí)際水汽壓,kPa；k為飽和水汽壓—溫度曲線(xiàn)斜率,kPa/P；ρ為平均空氣密度,kg/m3；γ為空氣濕度常數(shù),kPa/P；cp為空氣定壓比熱,cp=1.013×10-3MJ/(kg·℃)；rsc為冠層氣孔阻力,s/m；rac為冠層邊界層阻力,s/m；ras為土壤表面到冠層間的空氣動(dòng)力學(xué)阻力,s/m；raa為冠層到參考高度間的空氣動(dòng)力學(xué)阻力,s/m；rss為土壤表面阻力,s/m[16]。

本文模型采用SCE- UA(Shuffled Complex Evolution developed at University of Arizona)全局優(yōu)化算法進(jìn)行參數(shù)自動(dòng)率定[17],配合手動(dòng)微調(diào),對(duì)模型結(jié)果進(jìn)行進(jìn)一步優(yōu)化,以Nash效率系數(shù)(ENS)作為目標(biāo)函數(shù),計(jì)算如下:

(6)

同時(shí),使用模型模擬結(jié)果與實(shí)測(cè)結(jié)果百分比(EVol)進(jìn)行模型精度評(píng)估,計(jì)算公式如下[18]:

(7)

式中:Xobs為實(shí)測(cè)值,mm；Xmodel為模型反演值,mm。模型參數(shù)率定結(jié)果見(jiàn)表1。

表1 BTOP模型參數(shù)率定結(jié)果

3.2 敏感性分析

對(duì)于模型參數(shù)敏感性分析,本研究采用改進(jìn)的Morris篩選方法,探究參數(shù)變化對(duì)于模擬結(jié)果及目標(biāo)函數(shù)的影響程度[19],計(jì)算公式如下:

(8)

式中:Ski為模型敏感度判別系數(shù)；n為模型運(yùn)行次數(shù)；Y0為參數(shù)率定后計(jì)算結(jié)果的初始值；Yi為模型第i次目標(biāo)函數(shù)的輸出值；Pi為第i次模型運(yùn)算參數(shù)值相比于率定后參數(shù)值的變化百分率。

本文采用量綱一的相對(duì)敏感性系數(shù)度量蒸散發(fā)對(duì)于因子的敏感性,計(jì)算公式如下[20]:

(9)

式中:Vi為選取的氣候、植被因子；SVi為蒸散發(fā)對(duì)Vi的敏感性系數(shù),為量綱一參數(shù),可直接反映不同參數(shù)對(duì)于蒸散發(fā)量的影響程度,敏感性系數(shù)為正,則蒸散發(fā)與所選參數(shù)的變化趨勢(shì)一致,絕對(duì)值越大所選參數(shù)對(duì)蒸散發(fā)量的影響越強(qiáng),反之亦然。本研究選取日平均氣溫(TEM)、日最高氣溫(TMAX)、日最低氣溫(TMIN)、日平均地表溫度(TGS),晝夜溫差(DTR)、地氣溫差(DGAT)、日照時(shí)長(zhǎng)(DSS)、降水(PREC)、相對(duì)濕度(VAP)、太陽(yáng)凈輻射(RAD)、近地表風(fēng)速(WIN)、葉面積指數(shù)(ILA)12個(gè)氣象、植被因子及表1中T0、Sr,max、m、A、n05個(gè)參數(shù)從氣候變化及物理模型方面探究蒸散發(fā)量的影響因子。

4 結(jié)果與討論

4.1 模型模擬結(jié)果驗(yàn)證及參數(shù)敏感性分析

經(jīng)參數(shù)優(yōu)化后,海拉爾站模擬結(jié)果在率定期與驗(yàn)證期ENS均達(dá)0.80以上。蒸散發(fā)模擬結(jié)果驗(yàn)證通過(guò)渦度相關(guān)系統(tǒng)觀(guān)測(cè)值與模型模擬日尺度數(shù)據(jù)對(duì)比(圖2)可知,內(nèi)蒙古生態(tài)研究站(P<0.001,樣本量為1 096)、貝加爾針茅樣地(P<0.001,樣本量為2 557)模型率定期與驗(yàn)證期的ENS分別為0.852和0.877,結(jié)果表明構(gòu)建的BTOP模型估算蒸散發(fā)結(jié)果可靠。

圖2 BTOP模型估算蒸散發(fā)與觀(guān)測(cè)蒸散發(fā)的驗(yàn)證評(píng)估Fig.2 BTOP model estimates ET and the validation of observed data

表2 BTOP模型模擬結(jié)果驗(yàn)證

將BTOP模型率定期設(shè)置為1981—1990年,驗(yàn)證期為1991—2020年,對(duì)徑流的模擬評(píng)定結(jié)果見(jiàn)表2,根據(jù)徑流模擬結(jié)果,模型在3個(gè)水文站內(nèi)ENS均為0.750以上,總體來(lái)說(shuō),BTOP模型在研究區(qū)內(nèi)構(gòu)建效果較好,對(duì)于長(zhǎng)時(shí)間尺度連續(xù)數(shù)據(jù)獲取具有較高精度(圖3)。

通過(guò)模型參數(shù)的敏感性分析(圖4)可知,對(duì)于模型結(jié)果影響參數(shù)由強(qiáng)到弱依次為Sr,max>m>T0,A和n0幾乎對(duì)模型結(jié)果沒(méi)有影響。根區(qū)最大土壤水分含量是反映植被與土地利用對(duì)于模型結(jié)果的影響參數(shù),對(duì)于蒸散發(fā)影響較大,且季節(jié)性變化明顯,海拉爾河流域夏、秋兩季植被覆蓋面積占全年的80%以上[21],故Sr,max對(duì)蒸散發(fā)的影響較大,且變化趨勢(shì)相同。

圖3 海拉爾河流域降水量、蒸散發(fā)量年際變化Fig.3 Annual variation of precipitation and evapotranspiration in Hailaer River basin

圖4 模型參數(shù)對(duì)于模擬結(jié)果ET的敏感性季節(jié)變化Fig.4 Seasonal variation of sensitivity of model parameters to simulation result ET

4.2 蒸散發(fā)量對(duì)氣象、植被因子的敏感性分析

根據(jù)上述模型參數(shù)敏感性分析可知,下墊面的變化對(duì)于蒸散發(fā)量具有顯著影響,因此本研究采用改進(jìn)的Morris方法對(duì)氣象及植被等下墊面因子與蒸散發(fā)量的敏感性進(jìn)行定量分析,各因子的敏感性系數(shù)分別記為：日平均氣溫(STEM)、日平均地表溫度(STGS)、晝夜溫差(SDTR)、地氣溫差(SDGAT)、日照時(shí)長(zhǎng)(SDSS)、相對(duì)濕度(SVAP)、太陽(yáng)凈輻射(SRAD)、近地表風(fēng)速(SWIN)和葉面積指數(shù)(SILA)。通過(guò)對(duì)比不同因子敏感性系數(shù)年際變化(圖5)可知,蒸散發(fā)量對(duì)于氣候、植被因子響應(yīng)程度由大到小依次為VAP>WIN>DGAT>TGS>DTR>RAD>ILA>TEM>DSS,其中晝夜溫差、地氣溫差、相對(duì)濕度和葉面積指數(shù)的敏感性系數(shù)均為負(fù)數(shù),說(shuō)明以上因子變化趨勢(shì)與蒸散發(fā)量相反，即當(dāng)晝夜溫差變大時(shí),蒸散發(fā)量將會(huì)減小,反之亦然。不同因子對(duì)于蒸散發(fā)量的影響程度存在一定差異,風(fēng)速與相對(duì)濕度的敏感性系數(shù)絕對(duì)值遠(yuǎn)大于其他因子,說(shuō)明蒸散發(fā)量變化對(duì)這2種因子的響應(yīng)程度更大。

圖5 氣象及植被因子對(duì)蒸散發(fā)量響應(yīng)強(qiáng)度年際變化Fig.5 Annual variation of meteorological and vegetation factors response to evapotranspiration

在此過(guò)程中,雖然溫度相關(guān)因子對(duì)于蒸散發(fā)量的影響小于風(fēng)速與相對(duì)濕度,但在年際尺度上,蒸散發(fā)量對(duì)溫度的敏感性逐年增強(qiáng)(圖6),其中晝夜溫差、地氣溫差與蒸散發(fā)量均呈相反變化。值得關(guān)注的是,相較于其他因子,蒸散發(fā)量對(duì)于地溫與地氣溫差間的敏感性系數(shù)增加幅度更大,地表溫度對(duì)于蒸散發(fā)量的影響不可忽視。溫度變化不僅會(huì)直接作用于蒸散發(fā)量,還會(huì)通過(guò)影響其他水文、氣象及植被因子,間接影響蒸散發(fā)量的變化[22],其中晝夜溫差、地氣溫差變化影響更為顯著。

圖6 蒸散發(fā)量敏感性因子年際變化趨勢(shì)Fig.6 Annual variation trend of evapotranspiration sensitivity factors

4.3 不對(duì)稱(chēng)增溫現(xiàn)象對(duì)于蒸散發(fā)量的影響

根據(jù)蒸散發(fā)量對(duì)溫度及降水因子的敏感性分析可知(圖7),在春季和夏季降水對(duì)于蒸散發(fā)的影響程度更為劇烈,且夏季降水是增加蒸散發(fā)量的主要因子；而在秋季,溫度對(duì)于蒸散發(fā)的影響強(qiáng)度超過(guò)了降水,成為蒸散發(fā)變化的主要影響因素。其中降水、溫度和夜間低溫對(duì)于蒸散發(fā)的影響為正向。值得關(guān)注的是日間最高溫與晝夜溫差對(duì)蒸散發(fā)帶來(lái)了一定的負(fù)向影響,尤其是晝夜溫差,對(duì)于蒸散發(fā)的負(fù)向影響顯著,且影響程度夏季>春季>秋季。

進(jìn)而對(duì)區(qū)域多年氣溫變化分析可知,過(guò)去40 a間,研究區(qū)內(nèi)年平均氣溫、年平均最高氣溫、年平均最低氣溫均呈現(xiàn)極顯著升高,且年平均最低氣溫的升溫速率高于年平均最高氣溫的升溫速率,表現(xiàn)出晝夜溫差減小的不對(duì)稱(chēng)增溫變化趨勢(shì)。根據(jù)晝夜溫差變化年內(nèi)分析可知,春季>秋季>夏季>冬季,且季節(jié)變化分布較為集中(圖8)。該結(jié)果與中國(guó)溫帶晝夜增溫季節(jié)性變化趨勢(shì)分析[23]基本一致。

圖7 降水及溫度因子對(duì)蒸散發(fā)的影響敏感性分析Fig.7 Sensitivity analysis of the effects of precipitation and temperature factors on evapotranspiration

圖8 溫度因子年內(nèi)變化趨勢(shì)Fig.8 Intra- annual trends in temperature factors

根據(jù)上述分析可以看出,與氣溫類(lèi)似,地表溫度也呈現(xiàn)出了增溫的不對(duì)稱(chēng)性,且隨著氣候變化,二者間增溫也存在不對(duì)稱(chēng)性。地氣溫差的變化由地表溫度與大氣溫度共同制約,因地表溫度變化幅度較大,區(qū)間較廣,故其變化趨勢(shì)主要由地表溫度主導(dǎo),冬季地表溫度顯著大于大氣溫度,且相較于其他季節(jié),冬季地氣溫差分布不集中,可見(jiàn)全年地氣溫差貢獻(xiàn)主要來(lái)源于冬季。地表溫度作為地氣溫度不同步變化的指標(biāo),地表溫度的顯著增加,一定程度上使得植被生理過(guò)程對(duì)溫度響應(yīng)更復(fù)雜[24],進(jìn)而對(duì)區(qū)域水文過(guò)程產(chǎn)生影響。

海拉爾河流域氣候類(lèi)型逐漸向暖干化轉(zhuǎn)變[12]，在此環(huán)境下,該區(qū)域蒸散發(fā)量出現(xiàn)下降趨勢(shì),究其原因,一方面從地表能量平衡角度分析[12],地表溫度和地氣溫差的增大,代表顯熱通量的增加,該區(qū)域多年地面凈輻射與地表熱通量無(wú)顯著變化,根據(jù)Sn=λET+H+G(Sn為地表凈太陽(yáng)輻射通量；λ為水汽汽化潛能；H為下墊面到大氣的感熱通量)，蒸散發(fā)量將呈現(xiàn)下降趨勢(shì)。另一方面,蒸散發(fā)量的變化受控于蒸散潛力及土壤水分和植被狀態(tài),是對(duì)蒸散能力和區(qū)域水分條件需求的反映[22],這一點(diǎn)與4.1中對(duì)于BTOP模型參數(shù)的敏感性分析所得結(jié)果根區(qū)土壤水分含量對(duì)于蒸散發(fā)量具有顯著影響一致。在蒸散發(fā)對(duì)于植被因子敏感性響應(yīng)分析中可知,植被葉面積指數(shù)與蒸散發(fā)量變化趨勢(shì)相反,海拉爾河流域近年來(lái)植被向好發(fā)展顯著[5],故對(duì)于蒸散發(fā)量帶來(lái)負(fù)向影響。

地氣不對(duì)稱(chēng)增溫現(xiàn)象的出現(xiàn),在總體上對(duì)于蒸散發(fā)具有負(fù)向作用。隨著研究區(qū)內(nèi)的地表溫度不斷上升,且增幅速度明顯快于氣溫,故此趨勢(shì)對(duì)研究區(qū)內(nèi)蒸散發(fā)量負(fù)向影響將隨地表溫度變化幅度增大而增加。地氣不對(duì)稱(chēng)增溫模式將打破植被對(duì)于地上與地表溫度的適應(yīng)關(guān)系,影響植被根區(qū)儲(chǔ)水能力,進(jìn)而對(duì)植被生理過(guò)程造成不利影響[25]。

5 結(jié) 論

由于海拉爾河流域近年來(lái)出現(xiàn)的大氣及地表溫度差異性變化現(xiàn)象,本研究在BTOP模型估算多年連續(xù)蒸散發(fā)量的基礎(chǔ)上將溫差變化作為主要因素,分析其對(duì)于蒸散發(fā)變化的影響程度,探究影響蒸散發(fā)變化的主控因子,主要結(jié)論如下:

(1) 海拉爾河流域在1981—2020年間整體出現(xiàn)晝夜溫差減小及地氣溫差減小的不對(duì)稱(chēng)增溫趨勢(shì)，夜間溫度對(duì)于晝夜溫差變化具有主導(dǎo)作用,地表溫度變化速率及區(qū)間均高于大氣溫度。

(2) 蒸散發(fā)量對(duì)于氣候、植被因子變化的敏感性由大到小依次為相對(duì)濕度>風(fēng)速>地氣溫差>地表溫度>晝夜溫差>輻射>葉面積指數(shù)>大氣溫度>日照時(shí)長(zhǎng),其中相對(duì)濕度、晝夜溫差和地氣溫差與蒸散發(fā)量變化趨勢(shì)相反,根據(jù)敏感性系數(shù)年際變化結(jié)果可知,相較于響應(yīng)程度更明顯的相對(duì)濕度和風(fēng)速,溫度相關(guān)因子如地表溫度及地氣溫差對(duì)于蒸散發(fā)量影響逐年增強(qiáng)趨勢(shì)顯著。

(3) 不對(duì)稱(chēng)增溫對(duì)于海拉爾河流域蒸散發(fā)量的影響逐年增強(qiáng),在此過(guò)程中,地表增溫速率的增強(qiáng)是造成地氣不對(duì)稱(chēng)增溫的主要原因,在不對(duì)稱(chēng)增溫現(xiàn)象的影響下,區(qū)域蒸散發(fā)呈現(xiàn)減小趨勢(shì),故在探究蒸散發(fā)量變化原因時(shí),溫差變化的作用不可忽視。