EN中文

Journal of Geo-information Science >

2019 , Vol. 21 >Issue 12: 1888 - 1902

DOI: https://doi.org/10.12082/dqxxkx.2019.190269

Effects of Land Use and Climate Change on Spatiotemporal Changes of Evapotranspiration in Haihe River Basin

  • HUANG Kui 1, 2, 3, 4 ,
  • LU Yimin , 1, 2, * ,
  • WEI Zheng 3, 4 ,
  • CHEN He 3, 4 ,
  • ZHANG Baozhong 3, 4 ,
  • MA Wenjin 3, 4
Expand
  • 1. Key Lab of Spatial Data Mining and Information Sharing of Ministry of Education, Fuzhou University, Fuzhou 350002, China
  • 2. Academy of Digital China (Fujian), Fuzhou 350002, China
  • 3. State Key Laboratory of Simulation and Regulation of Water Cycle in River Basin, China Institute of Water Resources and Hydropower Research, Beijing 100038, China
  • 4. National Center of Efficient Irrigation Engineering and Technology Research-Beijing, Beijing 100048, China
LU Yimin, E-mail:

Received date: 2019-05-31

  Request revised date: 2019-10-08

  Online published: 2019-12-25

Supported by

National Key Research and Development Program of China(2017YFB0503500)

National Key Research and Development Program of China(2017YFC0403202)

National Natural Science Foundation of China Excellent Youth Science(51822907)

Basic research business fee special program of China Institute of Water Resources and Hydropower Research(01881910)

Basic research business fee special program of China Institute of Water Resources and Hydropower Research(0145B102019)

Basic research business fee special program of China Institute of Water Resources and Hydropower Research(0145B492017)

Copyright

Copyright reserved © 2019
Fold

Abstract

Evapotranspiration (ET) is the key element linking surface water balance and hydrological energy cycle. Studying the spatiotemporal variations of ET and its driving climatic factors is of great significance for clarifying the relationship between water resources and climate change. Based on the MOD16/ET dataset, this paper quantitatively analyzed the temporal and spatial variations of ET in the Haihe River Basin from 2000 to 2014. Based on the long-term observation data of air temperature and precipitation, the correlation analysis method was used to quantitatively explore the relationships between ET and various climatic factors. Results show: (1) The ET of the Haihe River Basin from 2000 to 2014 showed a relatively significant spatial distribution pattern, with higher values in the north and south, and lower values in the northwest and middle east. Distribution of the inter-annual ETs of different land use types showed a decreasing pattern for forest land, grassland, cultivated land, and other types. (2) The annual average ET of the Haihe River Basin from 2000 to 2014 ranged from 371.96 mm/a to 441.29 mm/a, with an average of 398.69 mm/a. The average relative change rate was -0.41%, which showed a downward trend. (3) The ET as well as climatic factors of air temperature and precipitation in 2000-2014 showed a uni-modal periodic variation trend, and the monthly ET showed a single peak trend within the year. (4) The correlation between ET and precipitation/air temperature in spring and autumn was significantly higher than other seasons, with their average correlation coefficients being -0.17 and 0.37, respectively. This indicates that ET is positively related with precipitation and negatively related with air temperature. (5) The majority types of ET changes in the Haihe River Basin were precipitation driven as well as precipitation and air temperature combination driven. (6) The climate factor driving mode of cultivated land ET change in Haihe River Basin was mainly precipitation and temperature; the driving mode of forest land and grassland was mainly air temperature and precipitation, while the drivers of other land-use types were mainly other factors. Our findings provide scientific guidance for water resource development management and regional climate regulation in the Haihe River Basin.

Key words： Evapotranspiration (ET); spatio-temporal characteristics; driving factors; land use types; air temperature; precipitation; Haihe River Basin; MOD16

Cite this article

HUANG Kui , LU Yimin , WEI Zheng , CHEN He , ZHANG Baozhong , MA Wenjin . Effects of Land Use and Climate Change on Spatiotemporal Changes of Evapotranspiration in Haihe River Basin[J]. Journal of Geo-information Science, 2019 , 21(12) : 1888 -1902 . DOI: 10.12082/dqxxkx.2019.190269

1 引言

地表蒸散发（Evapotranspiration, ET）是指地表土壤和植被向大气传输的水汽总通量,主要包括土壤水分的蒸发和植被体内水分的蒸腾,是陆气水循环和地表水热量平衡的重要的组成部分[1,2,3]。ET作为全球气候变化和水文循环的重要影响参量,机理关系复杂,影响因素众多,主要包括能量因素（气温、太阳辐射、风速、水气压差等[4]）和水分因素（降水、土壤含水量等[5]）。准确地探索区域地表蒸散的时空分布规律以及与气候因子之间的响应关系,对于区域的水资源开发管理、科学分配、高效利用等具有重要的科学意义[6,7,8]。另外,土地利用类型变化是人类活动和区域生态环境共同影响的结果,土地利用变化引起的地表温度、植被覆盖度、土壤湿度等一系列地表参数的变化也会对ET的时空格局产生深刻影响[9,10,11]。不同土地利用类型的蒸散发在时空分布上呈现出不同的特征,因此探讨不同土地利用类型的ET时空变化对于掌握区域地表水热平衡具有重要意义。
传统的ET监测手段主要是基于单点仪器的测算,无法满足于大尺度区域ET的研究[12]。相较于传统方法,遥感技术已成为监测区域ET的重要途 径[13,14]。国内外基于遥感数据的ET研究主要集中在区域蒸散发遥感估算方法（SEBS模型[15]、SEBAL模型[16]、Priestley-Taylor模型[17]、P-M公式[18]）等,由此衍生出很多的地表蒸散遥感产品（如AVHRR NOAA[19]、LSA-SAFMSG/ET[20]、MOD16/ET[21,22]等）。其中,由NASA和蒙大拿大学NTSG联合发布的具有较高时空分辨率和免费获取等特点的全球陆地蒸散产品（MOD16/ET）已经在国内外的大尺度ET研究中广泛运用,该数据集已经通过了全球232个流域和涡流通量站台的检验,总体模拟精度达到86%,可以准确地用于区域的能量平衡及干湿分布方面的研究[11]。国内学者利用MOD16/ET数据集对不同区域的ET时空变化特征进行了研究,如黄河源区[23]、伊犁河谷[11]、鄱阳湖流域[24]、洞庭湖流域[25]。贺添等[26]利用中国通量站（China FLUX）观测数据和流域水文数据,分别在站点尺度和区域尺度上评价了MOD16产品在我国的应用精度并且对中 国2001-2010年蒸散发时空格局变化进行了分析;叶红等[23]基于MOD16/ET数据和研究区内部18个气象站的气温、降水和相对湿度数据研究了黄河源区ET时空特征及其与气候因子的关系。
海河流域是我国的七大流域之一,也是重要的工农业生产基地[27]。近年来,由于地下水超采问题较为严重,海河流域可利用的水资源量已越来越稀缺。ET作为流域水循环的关键支出项,充分了解海河流域ET的时空变化特征以及响应土地利用和气候变化的驱动机制,对于海河流域的水资源开发利用以及生态修复具有重要的科学意义。目前,有关海河流域的ET研究大多是基于遥感数据和遥感蒸散发模型模拟流域内的ET时空分布,如曹永强等[28]基于SEBS模型模拟了海河流域2010年的蒸散发量;吴炳方等[29]提出基于遥感的区域蒸散量ET Watch方法并对海河流域的ET状况进行了连续监测。有关MOD16/ET产品在海河流域的应用以及ET受土地利用和气候变化影响的研究较为缺乏。鉴于此,本文基于MOD16/ET产品数据,定量分析了海河流域2000-2014年ET的时空变化特征,并结合流域内的降水和气温时序数据和土地利用数据,探讨了海河流域ET时空变化特征以及响应土地利用和气候变化的驱动机制,以期为海河流域的水资源合理开发利用及气候演变提供科学指导。

2 研究区概况、数据来源及处理

2.1 研究区概况

海河流域位于我国华北地区112°E-120° E, 35°N-43° N之间,范围覆盖了北京市和天津市的全部区域,河北省的绝大部分,河南省、山东省的北部以及辽宁省和内蒙古自治区的小部分区域[30]（图1（a））。流域总面积约为3182万hm2,包括海河、徒骇马颊河和滦河三大水系。流域内地貌复杂多样,大致分为平原、高地、以及山地3种类型。海拔在-52~3061 m之间。海河流域的东部和东南部为平原,面积为1273万hm2,占40%;西部为太行山区和黄土高原,北部为燕山山区和蒙古高原,面积1909万hm2,占60%（图1（b））。海河流域属于温带东亚季风气候区,四季分明,年平均气温在1.5~14 ℃之间,年均降水量在540 mm左右,年均陆面蒸发量为470 mm,但降水和蒸散具有很明显的时空差异性和区域性。近年来,由于受气候变化和人口数量激增的影响,海河流域生态环境遭遇严重破坏,导致水资源量异常紧张,水资源供需矛盾已成为制约海河流域经济可持续发展的主要因素[31,32,33]。因此,准确的掌握海河流域内蒸散发的时空变化特征以及以及响应土地利用和气候变化的驱动机制,对于理解流域气候变化、水汽循环以及人类活动对于流域内生态系统的影响具有重要意义。
图1 海河流域DEM和气象站点、2015年土地利用类型空间分布

Fig. 1 Spatial distribution of DEM and meteorological stations and land-use types of 2015 in the Haihe River Basin

2.2 数据来源及预处理

地表蒸散数据来源于NTSG网站（http://files.ntsg.umt.edu/data/NTSG_Products/MOD16）,空间分辨率1 km。数据集包括时间分辨率为年（MOD16A3-annual）、月（MOD16A2-monthly）,遥感卫星轨道号为h26v04、h26v05、h27v04和h27v05,时间段为2000-2014年,共15 a。利用NASA提供的MRT工具对下载的MOD16/ET数据进行批量的投影转换（WGS84/UTM 50N）、格式转换和影像镶嵌。根据MOD16全球ET的产品说明文件和质量评估数据对MOD16/ET数据进行异常值剔除和统计分析。根据海河流域的边界范围裁剪得到不同时间尺度的MOD16/ET数据,用于后面的数据分析。
气象数据来自于中国国家气象信息中心（http://data.cma.cn/）,选取海河流域内部及周边地区43个气象站点2000-2014年逐月气象数据[30],包括月总降水量/mm）和月平均气温/℃。采用Aunspline插值方法对气象数据进行空间插值处理,获取气象数据的栅格数据并重采样,生成与MOD16/ET数据具有相同空间分辨率和投影方式的栅格数据。
DEM数据来自于地理空间数据云（http://www.gscloud.cn/）,空间分辨率为90 m。土地利用遥感监测数据来源于中国科学院资源环境数据云平台（http://www.resdc.cn/）,获取了海河流域2000、2005、2010和2015年的土地利用类型数据,空间分辨率1 km[27]。海河流域的土地利用类型归并为耕地、林地、草地、水体、建设用地和其他类型（沙地、盐碱地、沼泽地、戈壁等）,考虑MOD16/ET的官方数据说明中将水体和建设用地作为无效ET值进行处理,因此参与研究分析的土地利用类型主要有耕地、林地、草地和其他类型4类。

3 研究方法

3.1 海河流域ET年际趋势分析

海河流域地表ET年际趋势分析采用一元线性回归分析法,趋势线斜率（ETslope）表示ET的年际变化率,得到海河流域内每个像元的变化趋势,进而反映整个研究区内ET的时空变化规律[34]。计算公式如下：
E T slope = n ∙ ∑ i = 1 n ( i ∙ E T i ) - ∑ i = 1 n E T i ∑ i = 1 n i n ∙ ∑ i = 1 n i 2 - ∑ i = 1 n i 2
式中：n为MOD16/ET时序数据的所跨年数（n=15）;ETi为第i年的ET值（mm）;ETslope为2000-2014年海河流域各像元回归方程的趋势斜率,利用ET与年际时间序列的相关关系表示ET年际变化的显 著性,ETslope>0表示ET随时间变化呈增大趋势, ETslope<0表示呈减少趋势。

3.2 气候因子与ET的相关性分析

3.2.1 单相关性分析
国内外相关研究表明,气温和降水是响应区域水热变化最为重要的2个气候因子[22,26],因此本文将气温和降水作为影响海河流域ET时空变化的主控气候因子来进行相关性分析。基于像元尺度的ET分别与空间插值后的气候因子（降水和气温）进行单气候因子相关性分析[35],相关系数的计算公式如下：
R xy = ∑ i = 1 n ( x i - x ̅ ) ( y i - y ̅ ) ∑ i n ( x i - x ̅ ) 2 ∙ ∑ i = 1 n ( y i - y ̅ ) 2
式中：Rxy表示变量x和y的相关系数;xi表示第i年的ET值/mm;yi表示第i年的气候因子的值（降水量/mm和温度/℃）; x ̅ 和 y ̅ 分别表示ET和气候因子n年的平均值。
3.2.2 偏相关性分析
引入偏相关系数来表示两因子（ET与气温、ET与降水量）之间的相关程度,研究气温（降水量）对ET的影响且排除降水量（气温）的干扰[36],偏相关系数的计算公式如下：
R xy , z = R xy - R xz ∙ R yz ( 1 - R xz 2 ) ( 1 - R yz 2 )
式中：Rxy,z表示气温不变,ET和降水量的偏相关系数,即在分析ET和降水量的相关性中排除了气温的影响;Rxy、Rxz、Ryz分别表示ET和降水量、ET和气温、气温和降水量的相关系数。利用经典的t检验法对偏相关系数进行显著性检验[30],统计量的计算公式如下：
t = R xy , z 1 - R xy , z 2 n - m - 1
式中：Rxy ,z为偏相关系数;n为样本数;m为自由度。
3.2.3 复相关性分析
在综合考虑多因子共同作用下,引入复相关系数来计算多因子的相关程度,研究气温、降水量与ET之间的相关关系[37],计算公式如下：
R x , yz = 1 - ( 1 - R xy 2 ) ( 1 - R xz , y 2 )
式中：Rx, yz为ET与降水量和气温的复相关系数;Rxy为ET与降水量的相关系数;Rxz,y为降水量不变时,ET与气温的偏相关系数。这里采用F检验法对复相关系数进行显著性检验[30]。统计量的计算公式如下：
F = R x , yz 2 1 - R x , yz 2 ∙ n - k - 1 k
式中：Rx,yz为复相关系数;n为样本数;k为自变量个数。

3.3 驱动分区准则

参考国内外学者的相关研究成果,在已有植被覆盖变化驱动准则、NPP变化驱动准则和ET变化驱动准则研究基础上[27,32,34],结合ET与气候因子偏相关系数和复相关系数的显著性检验（α=0.05）结果,确定了海河流域ET与气候因子的驱动分区准则（表1）。
表1 海河流域ET驱动分区准则

Tab. 1 Regionalization rules of driving factors for ET in the Haihe River Basin

ET驱动类型 驱动分区准则（显著性水平α=0.05）
t检验（降水） t检验（气温） F检验
降水驱动型 |t| > t0.05 F >F0.05
气温驱动型 |t| > t0.05 F >F0.05
降水气温共同驱动型 |t| < t0.05 |t| < t0.05 F >F0.05
其他因素驱动型 F <F0.05

4 结果及分析

4.1 海河流域ET时空变化特征

4.1.1 ET时间变化特征
海河流域2000-2014年ET的逐年变化过程以及ET年际相对变化率的波动情况如图2所示。2000-2014年海河流域ET年平均值的波动范围为371.96~441.29 mm/a,多年ET的平均值为398.69 mm/a（图1虚线）。年均ET值超过多年ET均值的年份有2003年（441.29 mm/a）、2004年（438.19 mm/a）、2005年（414.76 mm/a）、2008年（418.62 mm/a）、2012年（408.22 mm/a）和2013年（402.66 mm/a）,年际ET最高值与最低值的之差为69.33 mm。不同研究时段,年际蒸散量的相对变化率波动范围也较为复杂,最高为2003年的16.06%,最低为-10.45%（2009年）,平均相对变化率为-0.41%,总体呈下降趋势。结合时间序列年均降水量和温度来看,降水量多年均值呈缓慢上升趋势,气温呈缓慢下降趋势。研究区时间序列年均降水量与ET的年际变化趋势基本一致（图3（a））,时间序列年均气温却与ET的年际变化趋势相反（图3（b））。因此,ET复杂的年际变化趋势与气温、降水的变化具有一定的联系。
图2 2000-2014年海河流域ET的年际变化

Fig. 2 Annual variation of ET in the Haihe River Basin during 2000-2014

图3 2000-2014年海河流域年时间序列年均降水量与气温

Fig. 3 Time-series annual precipitation and air temperature of the Haihe River Basin during 2000-2014

海河流域年内月均ET呈单峰变化趋势如 图4（a）所示。其中,1-4月ET呈平稳变化趋势,4-6月呈缓慢上升趋势,6-8月ET呈快速上升趋势且在8月到达峰值（81.73 mm）。随后,8-10月ET急速下降,10-12月ET平稳变化,全年ET的最低值为3月（15.67 mm）。结合2000年1月到2014年12月（180 m）海河流域气温和降水的月平均值来看（图4(b)）,多年月ET与气温和降水量近乎都呈单峰型周期性变化趋势,1-4月、10-12月,海河流域内的平均气温较低（2.13 ℃）、平均降水量也较少（12.23 mm）,导致流域内植被生长速度缓慢,因此月均ET较低,仅为18.32 m;4-6月,海河流域气温逐渐回升（10.2 ℃）,降水量也逐渐增大（31.71 mm）,ET也逐渐增大（23.69mm）;6-8月,海河流域受海洋性气团的影响,气温和降水量同时达到年内的峰值,供水充足,日照时数长,流域内植被生长旺盛,植被体内水的蒸腾明显,ET到达峰值,这一时段,月均ET为65.57 mm;8-10月,这一时段,气温逐渐降低,降水量也逐步减少,植被慢慢进入枯萎期,蒸腾作用下降,因此ET也逐渐回落（27.13 mm）。流域内水热协同变化特征表明年内降水和气温的耦合作用是引起ET发生变化的重要因素。
图4 2000-2014年海河流域年内月平均ET与降水、气温的时间序列变化

Fig. 4 Temporal variations of mean monthly ET, and precipitation and air temperature in the Haihe River Basin during 2000-2014

4.1.2 ET空间变化特征
2000-2014年海河流域多年ET平均值空间分布如图5（a）所示。海河流域多年ET平均值存在较为明显的空间分布特征,呈现出北部和南部高、西北部和中东部低的分布特性。ET的空间差异性分布在一定程度上与流域内植被分布不均有较大的联系。海河流域蒸散低值（200 mm/a左右）区域绝大部分出现在西部的黄土高原和北部的蒙古高原,高原地区的植被覆盖多为稀疏灌草丛,因此这些地区的蒸散值相对较低。另外,经济发展较为迅速的京津冀城市群区域由于人类活动较为频繁,植被覆盖率逐年减少,ET也相对较低。ET高值（500 mm/a以上）区域大多聚集在北部的燕山与南部的森林区,这些地区的植被覆盖率可达85%以上且植被类型多样,因此这些地区的ET普遍较高。2000-2014年海河流域ET变化趋势空间分布如图5（b）所示,根据回归方程的趋势斜率大小将ET的变化趋势划分为5类：明显减小趋势（-34.18<ETslope≤-21.18）、 微弱减小（-21.18<ETslope≤-2）、变化趋势不明显 （-2<ETslope≤2）、微弱增加（2<ETslope≤10）、明显增加（10<ETslope≤27.37）。其中,年ET呈增加趋势的区域主要分布在流域的东北部地区,这些地区属燕山林区,植被覆盖率高,因此ET总体呈增加趋势,且增加趋势较为明显;而流域的南部和中部地区的ET总体呈减小趋势,且减小趋势的空间分布呈“带状分布”,减小的主要原因是这些地区人口密度较为稠密、城市化效应明显;剩下的大部分地区蒸散值变化趋势不明显,主要分布在西部和西北部,这些区域多为山区和高原地带,主要受气候变化的影响,人类活动干扰较小,因此年际ET变化较为稳定。总体来看,海河流域15年ET的年际变化率均值为-0.7%,整体呈一定减小趋势。
图5 2000-2014年海河流域ET均值和ET变化趋势空间分布

Fig. 5 Spatial distribution of ET average and ET trend in the Haihe River Basin during 2000-2014

4.2 气候变化对海河流域蒸散发时空变化的影响

4.2.1 ET与气候因子的相关性分析
图6是海河流域2000-2014年季度ET与气温和降水量的相关性分析结果。季度ET与气温和降水呈现显著差异的相关性。其中,季度ET与气温的相关系数大小依次为秋季（0.80）>春季（0.73）>夏季（0.35）>冬季（-0.23）,季度ET与降水量的相关系数大小依次为春季（0.76）>秋季（0.74）>夏季（0.49）>冬季（0.28）。春秋两季的ET与气温和降水的相关系数明显高于其他两季,说明春秋两个季度气温和降水都是海河流域ET的重要影响因素,气温越高、降水越多,ET也就越高。春季ET与降水量的相关系数略高于与气温的相关系数,表明该季度内制约海河流域内的ET值大小的主要因素是水热平衡中的水。夏季ET与气温和降水量的相关系数都较低且与降水量的相关系数大于与气温的相关系数,说明流域内夏季ET除受气温和降水影响外,还受到其他气候因子的影响。冬季ET与气温的相关系数为负值,表明当气温低于0℃时,蒸发和蒸腾量都较低,此时ET与气温的关系不大。
图6 2000-2014年海河流域四季ET与气温和降水量的相关性

Fig. 6 Correlation between ET and air temperature and precipitation of the four seasons in the Haihe River Basin during 2000-2014

海河流域2000-2014年基于像元尺度的ET与气温、降水量的相关性空间分布如图7所示,通过统计分析可知,ET与气温的相关系数在-0.9~0.85之间,空间平均相关系数为-0.17;与降水的相关系数在-0.65~0.93之间,空间平均相关系数为0.37,整体呈正相关关系。ET与气温和降水呈正相关的面积分别为668.14万hm2和2776.48万hm2,分别占流域总面积的20.99%和87.26%。ET与气温和降水呈负相关关系的面积分别为1889.83万hm2和220.44万hm2,分别占流域总面积的59.39%和6.92%。因此,ET与降水量的正相关性更强,研究内绝大部分区域ET与降水量呈正相关关系,说明降水是影响海河流域ET的主要因素,负相关区域主要零散分布在海河流域中南部和北京城区的外圈;ET与气温的负相关性更强,正相关区域主要分布在海河流域的东北部以及西南部。另外,ET与气温和降水量呈一致相关性的区域主要分布在西部地区和东南部地区,这进一步说明降水量和气温是影响区域ET时空差异性分布的主要气候因子。
图7 2000-2014年海河流域ET与气温和降水的相关系数空间分布

Fig. 7 Spatial distribution of correlation between ET and air temperature and precipitation in the Haihe River Basin during 2000-2014

4.2.2 海河流域ET与气候因子的偏相关及复相关 分析
海河流域ET与气候因子的偏相关系数空间分布如图8所示,ET与气温的偏相关系数波动范围为-0.90~0.88,平均值为-0.13,整体呈负相关性表现,偏相关性呈正相关的区域主要分布在流域南部和东部地区,总面积为1178.59万 hm2,占流域总面积的37.04%,西部的大片区域呈负相关特征,总面积为1818.33万hm2,占流域总面积的57.14%（图8（a））。显著性水平（α=0.05）的双侧t检验表明,海河流域ET与气温的偏相关系数通过显著性检验的区域（t≥t0.05）主要分布在西北部地区,总面积为203.57万hm2,约占气温偏相关系数呈正相关区域的17.27%;ET与降水量的偏相关系数位于-0.74~0.93之间,平均值为0.29,整体呈正相关性表现,偏相关呈负相关的区域主要分布在南部和东北部地区,总面积为248.20万hm2,占流域总面积的7.80%,其余地区都呈正相关性表现（图8（b））。显著性水平（α=0.05）的双侧t检验表明,海河流域ET与降水量的偏相关系数通过显著性检验的区域（t≥t0.05）主要分布在海河流域的西部和北部边界且分布较为连续和集中,总面积为749.23万hm2,约占降水偏相关系数呈正相关区域的27.26%。总体而言,海河流域ET与降水量的偏相关显著性要强于气温。
图8 2000-2014年海河流域ET与气温和降水量的偏相关系数空间分布

Fig. 8 Spatial distribution of partial correlation between ET and air temperature precipitation in the Haihe River Basin during 2000-2014

海河流域ET与气候因子的复相关系数空间分布如图9（a）所示,复相关系数在0~0.94之间,空间均值为0.50,海河流域绝大部分地区ET与气候因子的复相关性明显,流域内南部和西部复相关性显著,复相关性较弱的地区主要集中分布在中西部和东部沿海区域。显著性水平（α=0.05）的F检验表明,海河流域ET与气候因子的复相关系数通过显著性检验的区域（F>F0.05）主要分布在流域的南部和西北部地区,总面积为909.83万hm2,占流域总面积的28.59%。
图9 2000-2014年海河流域ET与气候因子的复相关系数和驱动分区空间分布

Fig. 9 Spatial distribution of multiple correlation between ET and climatic factors and spatial zoning of coupling modes in the Haihe River Basin during 2000-2014

4.2.3 海河流域ET时空变化的气候因子驱动力分析
根据确定的驱动准则进行海河流域的气候因子驱动力分区（图9（b））,气候因子的驱动力分区具有很强的空间分异特征,研究区ET受气候因子驱动的主要类型是降水、气温共同驱动型（I）、气温驱动型（II）、降水驱动型（III）以及其他因素驱动型（IV）。流域内降水驱动型主要分布在西部和北部地区,以内蒙古自治区和山西省大部分地区为主,总面积为544.70万hm2,约占流域总面积的17.12%,降水驱动型区域（III）主要分布在海拔较高的地区,表明海拔较高的山区ET的主要驱动力是降水量,山区植被种类多样,植被覆盖更为稠密,植被生长对降水量的响应程度更强[38]。降水气温共同驱动型主要分布在南部和东南部地区,以河北省南部和山东省大部分区域为主,总面积为363.75万hm2,约占流域总面积的11.43%。气温驱动型面积为70万hm2,仅占流域总面积的2.23%,即气温驱动型在海河流域表现不显著,气温驱动型区域（II）分布较为聚集,主要集中分布在海河流域西北部的高原地带,高原地区气温温差大,降水相对较少,植被蒸腾易受气温影响[39]。其他因素驱动型离散分布于整个海河流域内,总面积为2087.09 hm2,约占整个研究区面积的65.59%。

4.3 土地利用变化对海河流域蒸散发时空变化的 影响

4.3.1 不同土地利用类型的ET时空变化特征
利用研究区的2000、2005、2010、2015年的土地利用类型的数据来研究2000-2014年海河流域连续4个时间序列段的不同土地利用类型的ET时空变化特征。海河流域2000-2014年不同土地利用类型的面积大小和ET的变化如图10所示。流域内不同土地利用类型的面积大小依次是耕地>草地>林地>其他类型。流域内不同土地利用类的年均ET的大小依次为：林地（464.56 mm/a）>草地（384.40 mm/a）>耕地（383.69 mm/a）>其他类型（345.62 mm/a）。不同土地利用类型的ET大小与土地利用类型的面积占比不具有一致性表现,林地约占海河流域总面积的19.09%（603.75万hm2）,相当于耕地总面积的38.57%,但是林地的多年平均ET比耕地的多年平均ET约高80.88 mm/a。究其原因,一方面,由于林木根系吸水的生理特性,用于蒸腾作用;另一方面,高郁闭度的林木树冠下覆盖的低矮植物对于林地整体ET的贡献也较大[9,21]。研究时段内,耕地面积呈下降趋势,对应的耕地ET均值也呈下降趋势,这与海河流域正处于快速工业化阶段密不可分,流域内建设用地急剧增长,耕地面积呈迅速减少态势。由于这种土地利用格局的突出表现,耕地ET值呈下降趋势;林地、草地、其他类型的面积波动范围较小,多年ET均值近年来呈增加趋势,这与研究时段内海河流域降水量增加有关。
图10 2000-2014年海河流域不同土地利用类型的面积变化和ET变化

Fig. 10 Areal and ET changes of different land use types in the Haihe River Basin from during 2000-2014

4.3.2 土地利用和气候变化背景下的ET驱动分区 分析
海河流域2000、2005、2010、2015年ET每种驱动类型的土地利用类型占比如图11所示,每种驱动类型的土地利用类型占比年际变化不明显,其中I（降水气温共同驱动型）的耕地占比依次是75.38%、75.17%、74.97%、74.51%;II（气温驱动型）的林地占比依次是21.45%、21.48%、21.79%、21.73%;III（降水驱动型）的草地占比依次是30.84%、30.76%、27.05%、30.85%。总体来看,耕地在每种ET驱动类型内占比最大,跨驱动类型的年均占比为52.04%,在I（降水气温共同驱动型）中占比最大,年均占比为75.01%。因此,海河流域耕地的ET变化的气候因子驱动模式主要是I（降水气温共同驱动型）。林地的ET变化气候因子驱动类型在II（气温驱动型）和III（降水驱动型）中年均占比较为接近,分别为21.61%和24.56%,说明林地在海河流域的主要气候因子驱动模式是II和III。草地与林地分析结果较为类似,在II和III中的年均占比分别为28.92%和29.87%,因此草地在海河流域的主要气候因子驱动模式也为II和III。其他类型的土地利用类型的ET变化气候因子驱动类型在I和IV（其他因素驱动型）中年均占比分别为13.39%和13.27%,在II和III中占比较低,分别为4.92%和6.02%,说明其他土地利用类型的ET变化气候因子驱动机制在海河流域内较为复杂,受到其他因素驱动。
图11 2000、2005、2010、2015年海河流域ET驱动类型I（降水气温共同驱动型）、II（气温驱动型）、III（降水驱动型）、IV（其他因素驱动型）的土地利用类型占比

Fig. 11 Proportions of land use types in the Haihe River Basin 2000, 2005, 2010, 2015 with ET-climate coupling modes I (precipitation air temperature common driven type), II (air temperature driven type), III (precipitation driven type), IV (other factors driven type)

5 讨论

海河流域的ET时空特征表现出一定的时空规律性,ET多年的高值主要分布在北部的燕山山区和西南部的太行山区,这些地区海拔相对较高,表明海河流域的ET空间强弱关系与海拔具有一定的联系[40]。ET与气候因子的相关性分析结果表明ET与降水量的正相关性明显要强于气温,这与该流域处于温带东亚季风气候区和半干旱半湿润地带有关[41],气温与ET在海河流域的相关性较差且部分地区的负相关性显著可能与海河流域存在“蒸发悖论”现象有关[42]。依据驱动分区准则划分的气候因子驱动分区与中国科学院生态环境研究中心划分的生态区[32]相一致。降水气温共同驱动型区域（I）对应于华北平原农业生态区,这一区域多是农业灌溉用地和林地,气温和降水作为农作物生长发育不可或缺的因素,共同驱动这一区域的ET时空演化。气温驱动型（II）对应于内蒙古高原中东部典型草原生态区,降水驱动型（III）对应于燕山太行山山地落叶阔叶林生态区,其他因素驱动的区域（IV）对应于京津唐城镇与城郊农业生态区,气候因子在这些地区对ET的驱动显著性较差,结合土地利用类型来看,这些地区多为建设用地和耕地,人类活动较为频繁,表明人类活动也是这些区域ET发生时空变化的主要驱动因子[43,44]。
ET的时空动态变化受诸多因子的驱动影响,文中主要基于气温和降水2种气候因子讨论了海河流域气候因子的驱动机制。ET除上述2种因素的影响外,还受到其他因素（如风速、日照时数、海拔以及人类活动等）影响,这些复杂的关系还需要后面的进一步定量探索与综合分析。

6 结论

本文基于MOD16/ET数据对海河流域2000-2014年ET的时空变化特征进行了分析,并结合研究区内气象站点的降水和气温时序数据,采用相关分析方法研究了海河流域ET与气候因子的关系以及响应土地利用和气候变化的驱动机制,得到以下结论：
（1）海河流域2000-2014年ET表现为较为显著的空间分布格局,呈现出北部和南部高、西北部和中东部低的分布特性。不同土地利用类型的多年ET的分布规律为林地>草地>耕地>其他类型。
（2）2000-2014年海河流域年均ET值波动范围为371.96~441.29 mm/a,多年ET值的均值为398.69 mm/a,平均相对变化率为-0.41%,整体呈下降趋势,年ET呈增加趋势的区域主要分布在东北部地区,流域的南部和中部地区ET总体呈减小趋势。研究时段内,年均降水量与ET的年际变化趋势基本一致,而气温却恰恰相反。
（3）海河流域2000-2014年月ET与气温和降水都呈单峰型周期性变化趋势,年内月ET呈单峰变化趋势。ET与气候因子的关系呈现较为明显的季节性差异,季度ET与气温的相关系数大小依次是秋季>春季>夏季>冬季,与降水的相关系数大小依次是春季>秋季>夏季>冬季。
（4）海河流域内ET与降水量的正相关性更强,与气温的负相关性更强,ET与气温和降水呈同一相关性的区域主要分布在西部和东南部地区。海河流域ET与降水量的偏相关显著性要强于气温,复相关性分析的结果表明,海河流域大部分地区ET与气候因子的相关性显著。
（5）海河流域ET受气候因子驱动的主要类型是降水驱动型和降水、气温共同驱动型。
（6）海河流域耕地ET变化气候因子驱动模式主要是降水、气温共同驱动型;林地、草地的驱动模式主要气温驱动型和降水驱动型,其他土地利用类型的驱动模式主要是受其他因素驱动。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Jung M, Reichstein M, Ciais P , et al. Recent decline in the global land evapotranspiration trend due to limited moisture supply[J]. Nature, 2010,467(7318):951-954.

DOI PMID

[2]
Shukla J, Mintz Y . Influence of land-surface evapotranspiration on the earth's climate[J]. Science, 1982,215(4539):1498-1501.

DOI PMID

[3]
Sharma V, Kilic A, Irmak S . Impact of scale/resolution on evapotranspiration from Landsat and MODIS images[J]. Water Resources Research, 2016,52(3):1800-1819.

DOI

[4]
刘健, 张奇, 许崇育 , 等. 近50年鄱阳湖流域实际蒸发量的变化及影响因素[J]. 长江流域资源与环境, 2010,19(2):139-145.

[ Liu J, Zhang Q, Xu C Y , et al. Change of actual evapotranspiration of Poyang lake watershed and associated influencing factors in the past 50 years[J]. Resources and Environment in the Yangtze Basin, 2010,19(2):139-145. ]

[5]
王莺, 张雷, 王劲松 . 洮河流域土地利用/覆被变化的水文过程响应[J]. 冰川冻土, 2016,38(1):200-210.

DOI

[ Wang Y, Zhang L, Wang J S . Response of the hydrological process to land-use/cover change in Taohe River basin[J]. Journal of Glaciology and Geocryology, 2016,38(1):200-210. ]

[6]
尹剑, 欧照凡, 付强 , 等. 区域尺度蒸散发遥感估算——反演与数据同化研究进展[J]. 地理科学, 2018,38(3):448-456.

DOI

[ Yin J, Ou Z F, Fu Q , et al. Review of current methodologies for regional evapotranspiration estimation: inversion and data assimilation[J]. Scientia Geographica Sinica, 2018,38(3):448-456.]

[7]
占车生, 董晴晴, 叶文 , 等. 基于水文模型的蒸散发数据同化研究进展[J]. 地理学报, 2015,70(5):809-818.

DOI

[ Zhan C S, Dong Q Q, Ye W , et al. A review on evapotranspiration data assimilation based on hydrological models[J]. Acta Geographica Sinica, 2015,70(5):809-818. ]

[8]
Yun B, Jiahua Z, Sha Z , et al. A remote sensing based two-leaf canopy conductance model: Global optimization and applications in modeling gross primary productivity and evapotranspiration of crops[J]. Remote Sensing of Environment, 2018,215:411-437.

DOI

[9]
阿布都沙拉木·吐鲁甫, 买买提·沙吾提, 马春玥 , 等. 基于SEBAL模型的渭库绿洲蒸散量特征及影响因子研究[J]. 地球信息科学学报, 2018,20(9):1361-1372.

DOI

[ Abdusalam Turup, Mamat Sawut, Ma C Y , et al. Characteristics and impact factors of evapotranspiration in Ugan and Kuqa Rivers Delta Oasis based on SEBAL model[J]. Journal of Geo information Science, 2018,20(9):1361-1372. ]

[10]
Sumit Sharma, Nithya Rajan, Song Cui , et al. Carbon and evapotranspiration dynamics of a nonnative perennial grass with biofuel potential in the southern U.S. Great Plains[J]. Agricultural and Forest Meteorology, 2019, 269-270.

[11]
阿迪来·乌甫, 玉素甫江·如素力, 热伊莱·卡得尔 , 等. 伊犁河谷蒸散量时空分布特征及变化趋势[J]. 地球信息科学学报, 2018,20(2):217-227.

DOI

[ Adilai Wufu, Yusufujiang Rusuli, Reyilai Kadeer , et al. Spatiotemporal distribution and variation trend of evapotranspiration in Ili River valley[J]. Journal of Geo-information Science, 2018,20(2):217-227. ]

[12]
张圣微, 张鹏, 张睿 , 等. 科尔沁沙地典型区生长季蒸散发估算及其变化特征[J]. 水科学进展, 2018,29(6):768-778.

[ Zhang S W, Zhang P, Zhang R , et al. Estimation of growing season evapotranspiration and its variation in a typical area of Horqin Sandy Land[J]. Advances in Water Science, 2018,29(6):768-778. ]

[13]
Yang Y, Shang S, Jiang L . Remote sensing temporal and spatial patterns of evapotranspiration and the responses to water management in a large irrigation district of North China[J]. Agricultural and Forest Meteorology, 2012,164:112-122.

DOI

[14]
Ma Z Z, Ray R L, He Y P . Assessing the spatiotemporal distributions of evapotranspiration in the Three Gorges Reservoir Region of China using remote sensing data[J]. Journal of Mountain Science, 2018,15(12):119-135.

[15]
Xu T, Liang S, Liu S . Estimating turbulent fluxes through assimilation of geostationary operational environmental satellites data using ensemble Kalman filter[J]. Journal of Geophysical Research Atmospheres, 2011,116(D9).

[16]
Bastiaanssen W G M, Pelgrum H, Wang J , et al. A remote sensing surface energy balance algorithm for land (SEBAL):2. Validation[J]. Journal of Hydrology, 1998,212(1-4):213-229.

[17]
吕玉平, 徐俊增, 李斌 , 等. Priestley-Taylor和Hargreaves公式在高矮两种参考作物上的适应性与率定[J]. 水利水电科技进展,2015, 35(6):47-51.

[ Lv Y P, Xu J Z, Li B , et al. Calibration of Priestley-Taylor and Hargreaves and its applicability for both alfalfa and grass reference crops[J]. Advances in Science and Technology of Water Resources, 2015,35(6):47-51. ]

[18]
Cleugh H A, Leuning R, Mu Q , et al. Regional evaporation estimates from flux tower and MODIS satellite data[J]. Remote Sensing of Environment, 2007,106(3):285-304.

DOI

[19]
Cherchali S, Amram O, Flouzat G . Retrieval of temporal profiles of reflectances from simulated and real NOAA-AVHRR data over heterogeneous landscapes[J]. International Journal of Remote Sensing, 2000,21(4):753-775.

DOI

[20]
Rahimikhoob A, Hosseinzadeh M . Assessment of Blaney-Criddle equation for calculating reference evapotranspiration with NOAA/AVHRR data[J]. Water Resources Management, 2014,28(10):3365-3375.

DOI

[21]
Jia L, Xi G, Liu S , et al. Regional estimation of daily to annual regional evapotranspiration with MODIS data in the Yellow River Delta wetland[J]. Hydrology and Earth System Sciences, 2009,13(10):1775-1787.

DOI

[22]
Mu Q, Zhao M, Running S W . Improvements to a MODIS global terrestrial evapotranspiration algorithm[J]. Remote Sensing of Environment, 2011,115(8):1781-1800.

DOI

[23]
叶红, 张廷斌, 易桂花 , 等. 2000-2014年黄河源区ET时空特征及其与气候因子关系[J]. 地理学报, 2018,73(11):2117-2134.

DOI

[ Ye H, Zhang T B, Yi G H , et al. Spatio-temporal characteristics of evap-otranspiration and its relationship with climate factors in the source region of the Yellow River from 2000 to 2014[J]. Acta Geographica Sinica, 2018,73(11):2117-2134. ]

[24]
吴桂平, 刘元波, 赵晓松 , 等. 基于MOD16产品的鄱阳湖流域地表蒸散量时空分布特征[J]. 地理研究, 2013,32(4):617-627.

DOI

[ Wu G P, Liu Y B, Zhao X S , et al. Spatio-temporal variations of evapotranspiration in Poyang Lake Basin using MOD16 products[J]. Geographical Research, 2013,32(4):617-627. ]

[25]
张猛, 曾永年, 齐玥 . 基于MOD16的洞庭湖流域2000-2014年地表蒸散时空变化分析[J]. 农业工程学报, 2018,34(20):160-168.

[ Zhang M, Zeng Y N, Qi Y . Analyzing spatio-temporal variations of e-vapotranspiration in Dongting Lake Basin during 2000-2014 based on MOD16[J]. Transactions of the ChineseSociety of Agricultural Engineering (Transactions of the CSAE), 2018,34(20):160-168. ]

[26]
贺添, 邵全琴 . 基于MOD16产品的我国2001-2010年蒸散发时空格局变化分析[J]. 地球信息科学学报, 2014,16(6):979-988.

DOI

[ He T, Shao Q Q . Spatial-temporal variation of terrestrial evapotranspiration in China from 2001 to 2010 using MOD16 products[J]. Journal of Geo-information Science, 2014,16(6):979-988. ]

[27]
杨永辉, 任丹丹, 杨艳敏 , 等. 海河流域水资源演变与驱动机制[J]. 中国生态农业学报, 2018,26(10):1443-1453.

[ Yang Y H, Ren D D, Yang Y M , et al. Advances in clarification of the driving forces of water shortage in Haihe River Catchment[J]. Chinese Journal of Eco-Agriculture, 2018,26(10):1443-1453. ]

[28]
曹永强, 张亭亭, 徐丹 , 等. 海河流域蒸散发时空演变规律分析[J]. 资源科学, 2014,36(7):1489-1500.

[ Cao Y Q, Zhang T T, Xu D , et al. Analysis of evapotranspiration of temporal-space evolution in the Haihe Basin[J]. Resources Science, 2014,36(7):1489-1500. ]

[29]
吴炳方, 熊隽, 闫娜娜 , 等. 基于遥感的区域蒸散量监测方法-ETWatch[J]. 水科学进展, 2008(5):671-678.

[ Wu B F, Xiong J, Yan N N , et al. ETWatch for monitoring regional evapotranspiration with remote sensing[J]. Advances in Water Science, 2008(5):671-678. ]

[30]
王永财, 孙艳玲, 王中良 . 1998-2011年海河流域植被覆盖变化及气候因子驱动分析[J]. 资源科学, 2014,36(3):594-602.

[ Wang Y C, Sun Y L, Wang Z L . Spatial-temporal change in vegetation cover and climate factor drivers of variation in the Haihe River Basin 1998-2011[J]. Resources Science, 2014,36(3):594-602. ]

[31]
孔佩儒, 陈利顶, 孙然好 , 等. 海河流域面源污染风险格局识别与模拟优化[J]. 生态学报, 2018,38(12):4445-4453.

DOI

[ Kong P R, Chen L D, Sun R H , et al. Identification and optimized simulation of non point source pollution risk patterns in the Haihe River Basin[J]. Acta Ecologica Sinica, 2018,38(12):4445-4453. ]

[32]
赵安周, 张安兵, 冯莉莉 , 等. 海河流域生态水分利用效率时空变化及其与气候因子的相关性分析[J]. 生态学报, 2019,39(04):1452-1462.

[ Zhao A Z, Zhang A B, Feng L L , et al. Spatio-temporal characteristics of water use efficiency and its relationship with climatic factors in the Haihe River basin[J]. Acta Ecologica Sinica, 2019,39(4):1452-1462. ]

[33]
周侃, 樊杰, 刘汉初 . 环渤海地区水污染物排放的时空格局及其驱动因素[J]. 地理科学进展, 2017,36(2):171-181.

DOI

[ Zhou K, Fan J, Liu H C . Spatiotemporal patterns and driving forces of water pollutant discharge in the Bohai Rim Region[J]. Progress in Geography, 2017,36(2):171-181. ]

[34]
王强, 张廷斌, 易桂花 , 等. 横断山区2004-2014年植被NPP时空变化及其驱动因子[J]. 生态学报, 2017,37(9):3084-3095.

DOI

[ Wang Q, Zhang T B, Yi G H , et al. Tempo-spatial variations and driving factors analysis of net primary productivity in the Hengduan mountain area from 2004 to 2014[J]. Acta Ecologica Sinica, 2017,37(9):3084-3095. ]

[35]
张静, 任志远 . 基于MOD16的汉江流域地表蒸散发时空特征[J]. 地理科学, 2017,37(2):274-282.

DOI

[ Zhang J, Ren Z Y . Spatiotemporal characteristics of evapotranspiration based on MOD16 in the Hanjiang River Basin[J]. Scientia Geographica Sinica, 2017,37(2):274-282. ]

[36]
Smith A A, Welch C, Stadnyk T A . Assessing the seasonality and uncertainty in evapotranspiration partitioning using a tracer-aided model[J]. Journal of Hydrology, 2018: 560:595-613.

DOI

[37]
王景才, 郭佳香, 徐蛟 , 等. 近55年淮河上中游流域气候要素多时间尺度演变特征及关联性分析[J]. 地理科学, 2017,37(4):611-619.

DOI

[ Wang J C, Guo J X, Xu J , et al. Multi-time scales change characteristics and relationship of meteorological variables in the upper and middle regions of the Huaihe River Basin in recent 55 years[J]. Scientia Geographica Sinica, 2017,37(4):611-619. ]

[38]
Poon P K, Kinoshita A M . Spatial and temporal evapotranspiration trends after wildfire in semiarid landscapes[J]. Journal of Hydrology, 2018,559:71-83.

DOI

[39]
Zhai R, Tao F, Xu Z . Spatial-temporal changes in runoff and terrestrial ecosystem water retention under 1.5 and 2 ℃ warming scenarios across China[J]. Earth System Dynamics Discussions, 2017: 1-31.

[40]
Choi Y . A new algorithm to calculate weighted flow-accumulation from a DEM by considering surface and underground stormwater infrastructure[J]. Environmental Modelling & Software, 2012,30:81-91.

DOI PMID

[41]
Li R N, Zheng H, Huang B B , et al. Dynamic impacts of climate and landuse changes on surface runoff in the mountainous region of the Haihe River Basin, China[J]. Advances in Meteorology, 2018,2018:1-10.

[42]
鲍振鑫, 严小林, 王国庆 , 等. 气象因子在海河流域蒸发悖论中的作用机理[J]. 水资源与水工程学报, 2014,25(3):1-7.

[ Bao Z X, Yan X L, Wang G Q , et al. Mechanism of effect of meteorological factors in paradox theory of pan evaporation of Haihe River basin[J]. Journal of Water Resources &Water Engineering, 2014,25(3):1-7. ]

[43]
Lei H, Yang D, Lokupitiya E , et al. Coupling land surface and crop growth models for predicting evapotranspiration and carbon exchange in wheat-maize rotation croplands[J]. Biogeosciences, 2010,7(10):3363-3375.

DOI

[44]
Lei H, Yang D . Interannual and seasonal variability in evapotranspiration and energy partitioning over an irrigated cropland in the North China Plain[J]. Agricultural and Forest Meteorology, 2010,150(4):581-589.

DOI

Options
Outlines

/

〈 〉