1982年至2018年间多种气候因素和植被变化对中国西南地区蒸发蒸腾的影响

《Journal of Cleaner Production》：Impacts of multiple climate factors and vegetation changes on evapotranspiration in southwest China from 1982 to 2018

西南中国1982-2018年蒸散发时空变化与多因素耦合驱动机制研究。采用GLASS蒸散发产品，结合遥感与再分析数据，揭示地貌分区下蒸散发北-南递增趋势（>80%区域显著上升），温度（T）和湿度（H）贡献率均超20%，植被动态（LAI）影响增强，并通过岭回归与弹性模型验证了气候-植被交互作用及人活动潜在影响。

　　本研究聚焦于中国西南地区（SWC）1982年至2018年间蒸散发（ET）的动态变化，深入探讨其变化的驱动机制，特别是气候变率与植被动态的影响。蒸散发作为全球水循环中的关键组成部分，连接着陆地生物圈与大气之间的水分、碳和能量交换，对水资源管理、农业生产和生态系统稳定性具有深远影响。随着全球变暖的加剧，水循环正在加速，蒸散发作为陆地水分通量的重要组成部分，不仅影响地表水分损失，还促进陆地与大气之间的水分交换，并对区域降水模式产生影响。因此，监测和理解蒸散发的动态变化对于优化水资源分配和保障生态系统的可持续管理至关重要。

然而，随着全球变暖的加剧以及区域极端事件的频繁发生，影响蒸散发过程的气候和植被变化变得日益复杂。这使得蒸散发的变率成为水循环中高度不确定的环节。此外，除了自然因素，人类活动如土地利用变化、生态恢复和水资源开发在塑造蒸散发动态方面也发挥着越来越重要的作用。这些人为因素可能改变植被组成、土壤湿度和水资源分布，从而进一步影响蒸散发反馈机制。因此，对蒸散发时空变化及其驱动机制进行系统性研究，对于理解水循环动态、支持生态恢复和水资源管理具有重要意义。

在以往的研究中，蒸散发动态变化的分析多集中在气候-植被-蒸散发系统内单个因素的单向关系上。气候变量通过影响大气湿度、土壤水分和温度等直接调节蒸散发，而植被则通过其叶面积指数（LAI）、根系分布和生长状态对水分传输和转化过程产生影响。然而，传统研究往往假设这些因素独立运作，忽略了气候与植被之间的相互作用。事实上，气候变化不仅直接影响蒸散发，还会通过改变植被类型和生长周期产生间接影响。例如，气温升高和降水模式变化可能导致某些地区的植被变化，从而改变蒸散发过程。同时，不同植被类型在生理结构和水分利用策略上存在显著差异，森林、草地、农田和灌丛等在面对气候变率时表现出不同的蒸散发响应，这与它们的冠层结构、根系深度和物候动态密切相关。因此，忽视植被类型的异质性可能导致对蒸散发响应的生态解释过于简化。

为了全面理解蒸散发变化的驱动因素，许多研究已经探讨了气候和植被因素对其动态变化的影响。早期研究多集中在特定生态系统、流域或实验站点，通过高分辨率的地面观测和实验分析揭示蒸散发的变化及其在特定环境中的驱动因素。虽然这些研究提供了较为可靠的数据，但它们依赖于长期的地面观测，这在一些难以进行实地调查的地区可能受到限制。相比之下，卫星遥感数据能够覆盖广阔的地理区域，并提供长期、连续的观测记录，这使其在遥感研究中具有不可替代的价值。因此，卫星遥感技术在大规模研究中得到了广泛应用。近年来，越来越多的研究采用基于过程的模型来评估气候变化和植被变化对蒸散发的区域影响。然而，在多因素驱动分析中，变量之间的多重共线性是一个需要特别关注的问题。温度、太阳辐射和降水等变量在时间和空间上常常表现出高度相关性，这可能掩盖了单个因素的真实贡献。为了解决这一问题，研究者通常采用多元线性回归模型来分析变量并缓解多重共线性问题。

在中国，许多研究已经探讨了黄土高原和青藏高原等地区的蒸散发动态，但中国西南地区（SWC）由于其独特的喀斯特地貌、复杂的植被镶嵌结构以及显著的生态工程措施，仍然在长期、多因素的蒸散发评估中处于研究不足的状态。该地区不仅是重要的生态屏障，还是长江、珠江等主要流域的上游水源地。然而，由于地面观测数据的局限性、缺乏非森林通量塔的覆盖，以及在分离气候、植被和人为因素影响方面的困难，我们对该地区蒸散发变率的理解仍然存在一定的障碍。此外，许多现有研究使用叶面积指数（LAI）作为植被的替代指标，但并未考虑不同植被类型之间的差异。同时，也很少有研究将土地利用变化或水资源基础设施等人为活动变量纳入分析框架。因此，本研究旨在填补这些研究空白，通过整合多源遥感和再分析数据，探讨该地区过去几十年的蒸散发动态变化，并利用岭回归和双对数弹性模型量化气候和植被因素对蒸散发变化的相对贡献。

本研究的区域范围涵盖了中国西南部，其地理坐标为东经96.64°至112.88°，北纬20.94°至34.32°，总面积约为1.38×10^6平方公里，占中国陆地总面积的14.34%。该区域包括四川省、重庆市、云南省、贵州省和广西壮族自治区，其地形复杂多样，主要由横断山脉（HDM）、若尔盖高原（RGP）、四川盆地（SCB）、云贵高原（YGP）和广西丘陵（GXH）等构成。这些地形单元的海拔高度范围从-100米到6511米不等，显示出显著的垂直变化。该地区的气候条件也呈现出多样性，不同地形单元之间气候特征存在显著差异。例如，横断山脉的高海拔地区可能受到较强的季风影响，而四川盆地则可能具有较为稳定的温湿条件。同时，该地区植被类型丰富，包括森林、草地、灌丛和农田等，不同植被类型在蒸散发过程中的表现也各不相同。

为了确保所使用的蒸散发数据集具有较高的质量，本研究对四个蒸散发数据集（GLEAM、FLDAS、GLASS和MERRA）进行了独立验证，比较了来自XSBN、ALS、RG和PD站点的每日通量数据。结果显示，GLASS蒸散发数据集在所有站点上均显示出与观测数据最高的相关性，其决定系数（R2）值最高，而均方根误差（RMSE）值最低。这表明GLASS数据集在模拟蒸散发过程方面具有较高的准确性。因此，本研究选择了GLASS蒸散发数据集作为进一步分析的基础。通过使用这一数据集，我们能够更准确地捕捉中国西南地区蒸散发的空间分布模式及其在不同地形单元中的变化趋势。

在分析蒸散发的时空变化时，我们发现该地区的蒸散发呈现出从南向北逐渐增加的趋势，年均值范围从若尔盖高原的500毫米到广西丘陵的1000毫米。这种空间分布模式表明，不同地形单元在蒸散发方面的表现存在显著差异。此外，我们还发现，几乎所有地形单元都表现出显著的上升趋势，特别是在植被变化较为显著的区域。这一趋势不仅反映了气候变化的影响，还可能受到人为活动和生态工程措施的共同作用。因此，为了全面理解蒸散发变化的驱动因素，我们需要结合气候、植被和人为因素进行综合分析。

在分析驱动因素时，我们采用了岭回归方法，以量化温度（T）、太阳辐射（Rs）、比湿（H）、降水（P）、风速（U）和叶面积指数（LAI）对蒸散发变率的相对贡献。研究结果表明，温度和比湿是影响蒸散发变化的主要因素，其相对贡献在两个研究时间段（1982–1999和2000–2018）均超过了20%。此外，不同地形单元中主导蒸散发变化的因素表现出相位依赖的变化，这意味着某些因素在特定地形单元中可能在不同时间段内具有不同的主导地位。例如，在某些地形单元中，温度可能在早期阶段对蒸散发变化起主导作用，而在后期阶段，比湿可能成为主要影响因素。这种相位依赖的变化表明，气候和植被因素之间的相互作用可能在不同地形单元中呈现出不同的表现形式。

同时，我们还发现，植被因素（LAI）对蒸散发的相对贡献在所有子区域中均有所增加。这一趋势表明，随着植被覆盖的变化，植被因素在蒸散发过程中的作用可能逐渐增强。这可能与植被类型的变化、植被生长状态的改善以及生态恢复措施的实施有关。因此，为了更准确地量化植被因素对蒸散发变化的贡献，我们需要在分析中考虑植被类型的异质性，并结合遥感数据和再分析数据进行综合评估。

在模型选择方面，我们采用了双对数弹性模型来进一步验证研究结果，以增强其可靠性和说服力。该模型能够更准确地反映不同驱动因素对蒸散发变化的弹性系数，从而帮助我们更好地理解各个因素在不同时间段内的相对重要性。研究结果显示，温度的弹性系数最高且为正值，而比湿的弹性系数最高且为负值。这一结果表明，温度的增加可能促进蒸散发的增加，而比湿的增加可能抑制蒸散发的增加。这种弹性关系的差异可能与不同地形单元的气候特征和植被类型有关。

本研究的成果不仅有助于理解中国西南地区蒸散发变化的机制，还为揭示区域植被-水文-气候相互作用提供了重要的科学依据。通过整合多源遥感和再分析数据，我们能够更全面地评估蒸散发变化的驱动因素，并在不同时间段和不同空间尺度上进行系统性分析。这一研究方法不仅提高了模型的稳定性，还增强了结果的可信度。此外，通过采用岭回归和双对数弹性模型，我们能够更有效地处理多重共线性问题，并量化各个因素对蒸散发变化的相对贡献。

综上所述，本研究通过多源遥感和再分析数据的整合，结合岭回归和双对数弹性模型，系统性地分析了中国西南地区1982年至2018年间蒸散发的动态变化及其驱动因素。研究结果表明，该地区的蒸散发呈现出从南向北逐渐增加的趋势，年均值范围从若尔盖高原的500毫米到广西丘陵的1000毫米。大多数区域表现出显著的上升趋势，特别是在植被变化较为显著的地区。温度和比湿是影响蒸散发变化的主要因素，其相对贡献在两个研究时间段均超过了20%。此外，不同地形单元中主导蒸散发变化的因素表现出相位依赖的变化，而植被因素（LAI）对蒸散发的相对贡献在所有子区域中均有所增加。这些发现不仅丰富了我们对蒸散发变化机制的理解，还为区域植被-水文-气候相互作用的研究提供了重要的科学支持。