美国本土极端参考蒸散量驱动因素的区域差异

《Water Resources Research》：Regional Variations in Drivers of Extreme Reference Evapotranspiration Across the Contiguous United States

本研究分析美国本土339个水文单元中极端参考蒸散发（ERT）的气象驱动因素，发现气温主导北部及中部，太阳辐射主导东南部，西南部以风速为主，中部湿度亦具影响。通过两种ERT事件识别方法（历史阈值与气候阈值）及多数据集验证，揭示区域差异及不确定性来源，包括数据集选择（gridMET、Daymet、ERA5-Land）、时空尺度（日/周/月）和湿度变量（实际水汽压、相对湿度）的影响，为水资源管理和农业规划提供科学依据。

　　该研究聚焦于美国大陆内部（CONUS）的339个水文单元代码6（HUC6）流域，旨在深入分析极端参考蒸散发（ET）的气象驱动因素及其区域差异。作为水文循环中仅次于降水的第二大组成部分，蒸散发不仅在地球-大气系统中扮演着能量预算与水文平衡耦合的关键角色，还直接影响农业灌溉、水资源管理以及生态系统的稳定性。随着全球气候变化的加剧，极端气象事件的频率和强度呈现出显著增加的趋势，这些事件对水资源和生态环境的影响日益显著，特别是在干旱频发或气候波动较大的地区。然而，尽管极端ET事件具有重要的环境意义，关于其驱动因素的系统性研究仍然较为有限。

研究发现，不同区域的极端ET事件表现出明显的驱动因素差异。例如，在美国北部，空气温度是主要驱动因素；而在东南部湿润地区，太阳辐射成为主导变量；而在西南部干旱区域，风速则是主要的驱动变量。这些发现表明，极端ET事件的形成与区域的气候特征、地理条件以及气象变量之间的相互作用密切相关。研究还指出，不同气象数据集的选择、变量的定义方式、时间与空间尺度的设定以及极端事件的严重程度，都会对分析结果产生不确定性。因此，研究强调在极端事件分析中，综合使用多种数据集和方法，可以提高结论的稳健性与可靠性。

研究采用了两种不同的方法来识别极端ET事件，分别是基于历史数据的极端参考蒸散发（ERT_hist）和基于气候数据的极端参考蒸散发（ERT_clim）。ERT_hist通过设定一个固定阈值来识别极端事件，而ERT_clim则根据每天的气候背景进行动态调整，以识别与气候标准相比的异常值。这种区分方法使得研究能够更全面地理解极端ET事件的形成机制，同时也能识别不同区域在不同严重程度下的变化趋势。

研究结果表明，极端ET事件的驱动因素在不同区域和不同时间尺度下具有显著的区域异质性。例如，在西南部，风速的主导作用在较短时间尺度下更为明显，而在更长的时间尺度下，太阳辐射的影响逐渐增强。这说明，在极端事件分析中，时间尺度的选择对结果的解释具有重要影响。此外，研究还发现，不同数据集在某些区域（如东北部和德克萨斯州南部）对极端事件的识别存在差异，这种差异可能是由于数据来源的精度、空间分辨率和时间覆盖范围不同所导致的。

在分析过程中，研究采用了敏感性分析的方法，通过比较使用全部原始驱动因素和仅使用单一驱动因素的模拟结果，量化不同驱动因素对极端ET事件的相对贡献。这种方法能够帮助识别哪些变量在极端事件中起着决定性作用，以及它们之间的相互关系。研究发现，风速、太阳辐射、空气温度和实际水汽压这四个变量在不同区域的贡献比例存在显著差异。例如，在风速主导的区域，其平均贡献率高达58%，而在太阳辐射主导的区域，贡献率则相对较低。此外，某些区域的极端ET事件虽然不以风速为主导，但在较长的时间尺度下，风速的相对贡献却有所增加。

研究还指出，实际水汽压和相对湿度作为空气湿度的替代变量，对极端ET事件的贡献存在不确定性。在某些地区，相对湿度可能取代空气温度成为主导因素，这可能是因为相对湿度的变化更能反映空气湿度的异常情况。然而，这种变量选择的差异可能会影响对驱动因素的判断，尤其是在气候条件较为复杂或变化较大的区域。因此，研究建议在未来的分析中，应结合多种湿度指标，并充分考虑它们之间的相关性，以提高对极端事件成因的解释能力。

从时间趋势来看，极端ET事件的频率在CONUS范围内呈现出显著上升的趋势，尤其是在某些关键年份，如1988年、2011年和2012年。这些年份的极端事件与严重的干旱现象相关，特别是1988年的干旱被视作20世纪美国最严重的自然灾害之一，对中西部和北部大平原地区造成了深远影响。2011年和2012年的干旱则主要影响德克萨斯州和中西部大平原，导致土壤水分快速下降，给农业生产和经济带来了重大损失。这些结果不仅揭示了极端ET事件与干旱之间的密切联系，也说明了极端气象事件对区域水资源和农业活动的深远影响。

此外，研究还探讨了极端事件的严重程度与气象驱动因素之间的关系。在不同的严重程度下，极端ET事件的驱动因素可能发生变化。例如，在较轻的极端事件中，太阳辐射和空气温度可能共同作用，而在更严重的极端事件中，风速和实际水汽压的影响可能更为显著。这种现象表明，极端事件的严重程度不仅影响其发生的频率，还可能改变其成因的复杂性。因此，研究建议在分析极端ET事件时，应采用多种严重程度的定义，以更全面地评估其驱动因素的动态变化。

在方法论上，研究强调了建立标准化分析框架的重要性。传统的极端事件分析方法往往缺乏统一的定义标准，导致不同研究之间难以进行有效比较。因此，研究提出了一种基于发生率的极端事件定义方法，通过使用最优路径阈值（OPT）技术，能够更精确地识别极端事件，并确保不同区域和不同时间尺度下的比较具有可比性。这种方法不仅提高了分析的客观性，还为未来研究提供了可借鉴的框架。

在数据使用方面，研究综合采用了多种气象数据集，包括gridMET、Daymet和ERA5-Land，以评估数据来源对分析结果的影响。这些数据集虽然在空间分辨率和时间覆盖上存在差异，但总体上对极端ET事件的驱动因素识别结果较为一致。然而，在某些特定区域，如东北部和德克萨斯州南部，不同数据集的分析结果存在明显差异，这表明在这些区域，进一步的数据验证和高精度观测对于减少不确定性具有重要意义。

研究还探讨了空间尺度对极端事件分析的影响。在较大的流域尺度上，空间平均可能会削弱极端事件的强度，导致分析结果的偏差。因此，研究采用了“点在面内”算法，通过选择每个HUC6流域内的代表性点，提取气象数据以减少这种偏差。这种方法虽然提高了分析的精度，但也可能引入新的不确定性，特别是在地形复杂或气候多变的区域。因此，研究建议在未来的分析中，应结合多种空间尺度，以全面评估极端事件的驱动因素。

总体而言，该研究揭示了极端参考蒸散发在不同区域和不同时间尺度下的驱动因素差异，并强调了数据选择、变量定义和分析方法对结果的潜在影响。这些发现不仅有助于深入理解极端ET事件的形成机制，也为农业灌溉、水资源管理以及气候预测提供了科学依据。同时，研究也指出了当前分析方法的局限性，并提出了未来研究的方向，包括扩大研究范围至全球尺度、开发更复杂的敏感性分析方法、加强对特定区域的深入研究以及整合多种数据资源，以提高对极端事件驱动因素的识别能力。这些成果为应对气候变化带来的挑战，优化水资源管理策略，提供了重要的科学支持。