气象因子对青藏高原高寒草甸参考蒸散的驱动特征

戴黎聪，曹莹芳，柯 浔，张法伟，杜岩功，郭小伟，曹广民

(1.中国科学院西北高原生物研究所,青海 西宁 810001; 2.中国科学院大学，北京 100039)

蒸散(ET0)是高寒草甸水文循环和能量平衡的重要组成部分[1]，常用于表征大气蒸散发能力，是指假设作物水分充足、生长旺盛，一般将其定义作物高度为0.12 m，叶面阻力为70 s·m-1，反照率为0.23参考作物蒸散量[2]，常作为水热通量及植被生产力评价的一项重要指标。近年来，在全球气候变化的大背景下，关于作物参考蒸散对气候变化的研究已经成为国内外众多学者研究的热点。

目前，许多研究表明，在世界各地潜在蒸散和参考作物蒸散普遍存在下降的趋势[3]，如澳大利亚[4]、西班牙[5]、以色列[6]、美国[7]和中国[8]。由于估测方法及研究区域气候条件的不同，所估算的参考作物蒸散对气候变化的响应差异较大。近几年，敏感性分析被广泛用于气象因子对参考蒸散的驱动敏感特征分析，在西北地区敏感性研究中，生长季参考蒸散变化对相对湿度和太阳辐射的敏感性较大，而风速和气温对参考蒸散变化敏感性较小[9]；在澜沧江流域中，参考蒸散对日照时数较为敏感[10]；而在海河流域及长江流域中，参考蒸散对实际水汽压敏感性最强，然后依次是短波辐射、气温和风速[11]。随着全球气候变暖，气温对参考蒸散影响也不可忽视，根据IPCC第4次评估报告，在过去的100年(1906-2005年)中，全球气温的平均增幅为0.74 ℃[12]。有研究发现，在澳大利亚地区气温的升高是导致参考蒸散增加的主要因素[13]；而在中国、印度等国家，影响参考蒸散的主要驱动因子是太阳辐射和风速[14]。

青藏高原被誉为“中华水塔”，水资源丰富，在保证我国和东南亚水资源安全上具有重要的战略意义[15]，由于其独特的地形和气候特征，使之成为全球气候变化和水热循环研究的热点地区。随着全球气候变暖和人类活动的加剧，青藏高原水资源发生一系列变化，如冰川退缩、冻土消融、雪线上升、草地荒漠化[15]。鉴于青藏高原独特的战略地位及其生态安全的脆弱性，有必要研究该区域蒸散发与气象因子之间的相互关系，虽然过去关于青藏高原蒸散变化也有一定报道，但只是通过一些传统的相关和多元线性回归分析方法探讨气象因子对ET0的变化影响[16]，由于各气象因子间存在严重的共线性，并不能准确定量评估各气象因子对ET0的贡献。此外，对于一些影响青藏高原参考蒸散关键气象因子还存在一定的差异。有的学者认为，青藏高原的参考蒸散表现为逐渐减少趋势，主要是风速的减少导致[17]。也有学者认为，风速和太阳辐射的减少是青藏高原参考蒸减少的主要原因[18]。究竟气候变化如何影响高原蒸散发，高原蒸散发变化趋势及未来预测，都是亟待解决的问题。因此，本研究基于2011-2016年6年净辐射总量、气温、饱和水汽压差、降水、风速、相对湿度和日照时数自动观测连续数据，参考蒸散ET0采用联合国粮食及农业组织(FAO)推荐的Penman-Monteith公式方法[2]，运用随机森林分析方法(random forest)，试图定量评估各气象因子对青藏高原参考蒸散的贡献，确定影响青藏高原蒸散的主要影响因子，旨在为我国青藏高原水资源安全和合理管理、利用提供重要的理论依据。

1 研究区概况

试验在中国科学院海北综合观测场高寒矮嵩草(Kobresiahumilis)草甸进行(37°37′ N,101°19′ E)，其地处祁连山北支冷龙岭东段南麓的大通河谷，位于青藏高原东北隅，平均海拔3 200 m，属典型的高原大陆性季风气候，年均气温-1.7 ℃，年均降水约580 mm，且主要集中在生长季，即5-9月。一年只有冷暖两季，夏季温暖多雨，冬季寒冷干燥。最暖月份在7月份，平均气温9.8 ℃；冬季最冷是在1月，平均气温-14.8 ℃。该区域土壤类型为草毡寒冻雏形土(matcryosod soil)，矮嵩草为建群种，异针茅(Stipaaliena)、垂穗披碱草(Elymusnutans)为主要优势种，美丽风毛菊(Saussureasuperba)、羊茅(Festucaovina)、线叶龙胆(Gentianafarreri)和麻花艽(Gentianastraminea)等为次优势种[19-20]。

2 数据来源与分析方法

2.1 数据来源

通过获取海北站高寒矮嵩草草甸2011-2016年6年净辐射总量、气温、饱和水汽压差、降水、风速、相对湿度、日照时数、蒸发皿蒸发量等日观测值数据，其中净辐射总量、降水、气温、相对湿度、风速、日照时数来自气象站自动观测数据，饱和水汽压差通过相对湿度和实际水汽压换算得到，蒸发数据通过小型标准蒸发皿观测获得。

2.2 分析方法

2.2.1参考蒸散的计算 参考蒸散量基于Penman-FAO公式计算[2]如下：

式中：ET0为参考蒸散(mm·d-1)；A为温度-水汽压曲线斜率(kPa)；Rn为日净辐射总量[MJ·(m2·d)-1]；G为土壤热通量[MJ·(m2·d)-1]；T为日平均温度；γ为干湿常数；u2为2 m处风速；es为饱和水汽压(kPa)；ea为实际水汽压(kPa)；es-ea为饱和水汽压差(kPa)。

2.2.2随机森林分析方法 随机森林与其他模型原理相似，其主要原理是一种基于分类树的算法[21]。根据树分类的大小，可以定量分析自变量与因变量之间的相互关系，且随机森林对变量之间的非线性作用和交互作用不敏感，鉴于气象因子之间的交互作用显著(表1)，一般多元线性回归已不适用，本研究基于随机森林分析方法，对净辐射总量、饱和水汽压差、气温、降水、相对湿度、风速、日照时数等自变量与参考蒸散因变量之间进行随机森林分析。

表1 各个变量之间的相关系数Table 1 Correlation coefficients among the variables

MT，平均气温；RH，日相对湿度；NR，日净辐射总量；VPD，饱和水汽压差；WS，风速；R，降水；SH，日照时数；HT，最高气温；LT，最低气温；下同。*表示显著相关(P<0.05)，**表示极显著相关(P<0.01)。

MT, Average temperature; RH, relative humidity; NR, total net radiation; VPD, vapor pressure deficit; WS, wind speed; R, rainfall; SH, sunshine hours; HT, the maximum air temperature; LT, minimum air temperature; similarly for the following figures. * and ** indicate singificant correlation at 0.05 and 0.01 levels, respectively.

3 结果与分析

3.1 参考蒸散与气象因子的变化趋势

季节尺度上，生长季参考蒸散明显高于非生长季参考蒸散，总体表现为单峰曲线，即1-7月呈逐渐增加，7月份达到最大值(132.48 mm)，7-12月开始下降；年际尺度上，总体表现为逐渐增加趋势，平均每年参考蒸散为1 023.03 mm，且每年以29.61 mm增加趋势上升(图1)。

对于各气象因子的季节变化，日平均气温、气温日最高值、气温日最低值均表现为相同的变化趋势，1-8月逐渐升高，8月达到最大值，分别为11.18、18.01、3.38 ℃，8-12月呈下降趋势。净辐射总量和相对湿度与温度变化趋势相似，即1-8月呈增加趋势，8月份达到最大值，分别为305.96 MJ·m-2和75.53%，8-12月逐渐下降。对于饱和水汽压差，1-6月逐渐增加，6月份达到最大值，6-12月呈下降趋势。而降水主要集中生长季(80%)，非生长季降水较少(图2)；在年际尺度上，各气象因子总体表现为增加趋势，其中净辐射总量、日最高温度年平均值及日照时数分别每年以63.40 MJ·m-2、0.21 ℃和64.71 h速度增加(图3)。

3.2 参考蒸散与蒸发皿蒸发量的关系

参考蒸散与蒸发皿蒸发量呈显著相关关系(R2=0.91，P<0.01)(图4)，且可以在两者间建立一个数学表达式来表征参考蒸散与蒸发皿蒸发量相关关系。季节尺度上，参考蒸散与蒸发皿蒸发量变化趋势相同，即1-7月逐渐增加，7月达到最大值，7-12月呈减少趋势，但两者在不同月份也存在一定的差异，参考蒸散在1-3月高于蒸发皿蒸发量，而在3-8月，蒸发皿蒸发量明显高于参考蒸散，只有在8-12月，参考蒸散与蒸发皿蒸发量差异较小。总体上，蒸发皿蒸发量年均值高于参考蒸散。

图1 参考蒸散的季节与年际变化Fig. 1 Seasonal and interannual variation in reference evapotranspiration (ET0)

图2 气象因子的季节变化Fig. 2 Seasonal variation in meteorological factors

图3 主要气象因子的年际变化Fig. 3 Interannual variation in major meteorological factors

图4 参考蒸散与蒸发皿蒸发量的关系Fig. 4 Relationship between reference evapotranspiration and pan evaporation

3.3 气象因子对参考蒸散的影响

结合随机森林两种因子重要性分析方法可知(图5)，各气象因子平均基尼指数递减度重要性指标与平均准确率降低度重要性指标排序顺序基本一致。影响参考蒸散年内变异的气象因子排序为净辐射>饱和水汽压差>最高气温>日照时数>平均气温>风速，而相对湿度、最低气温和降水对参考蒸散年内变异影响较小。对于生长季参考蒸散，气象因子对其影响大小为净辐射>日照时数>相对湿度>饱和水汽差>最高气温。而降水、风速、最低气温和平均温度对生长季参考蒸散贡献较小。气象因子对非生长季参考蒸散的影响大小为净辐射>饱和水汽压差>风速>最高气温>平均气温。而最低气温、日照时数、相对湿度和降水对非生长季参考蒸散的影响较小。

此外，本研究通过随机森林进一步分析了生长季、非生长季、每年各主要气象因子对参考蒸散的影响，探讨了各主要气象因子对参考蒸散的局部效应(图6)。参考蒸散的年内变异主要受净辐射、饱和水气压差、最高气温和日照时数影响，而最低气温、相对湿度、风速和降水对参考蒸散的年内变异影响较小，且除了相对湿度和降水，参考蒸散均随着各气象因子的增大而增大。对于饱和水气压差，当其日值超过4 kPa时，饱和水气压差对参考蒸散的影响贡献不大。当日最高气温和平均气温低于分别低于10和-12 ℃时，气温对参考蒸散的贡献较小。在季节尺度上，生长季参考蒸散主要受净辐射、日照时数、相对湿度、饱和水汽压差和最高气温影响，降水、风速、最低气温和平均气温对生长季参考蒸散影响较小，且最大气温和降水量的不同对生长季参考蒸散驱动规律不同，当日最大气温低于15 ℃时，气温对参考蒸散是负效应，当日最大气温高于15 ℃时，气温对参考蒸散是正效应。同时，当日降水低于5 mm时，降水对生长季参考蒸散是负效应，当降水高于5mm时，降水对生长季参考蒸散影响较小(图7)。对于非生长季参考蒸散，净辐射、饱和水汽压、风速、最高气温和平均气温对其贡献较大，且当日饱和水汽压差大于3.5 kPa时,饱和水汽差对参考蒸散的影响较小，当日最高气温和日平均气温分别低于-5和-12.5 ℃时，气温与非生长季参考蒸散负相关。此外，当每天日照时数超过9 h时，日照时数对参考蒸散影响急剧增加。同时，当日降水低于5 mm时，降水对参考蒸散产生负效应，当降水高于5 mm时，降水对非生长季参考蒸散影响微弱(图8)。

图5 各气象因子对参考蒸散的贡献指标Fig. 5 Contribution index of meteorological factors to reference evapotranspiration

图6 每年气象因子对参考蒸散的局部效应Fig. 6 Partial A effect of annual meteorological factors on reference evapotranspiration

4 讨论

本研究结果表明，青藏高原高寒矮嵩草年内呈现单峰曲线趋势，且生长季参考蒸散(5-9月份)明显高于非生长季参考蒸散(1-4月份和10-12月份)(图1)，这与祁连山高寒草甸研究结果一致[22]。由于生长季降水丰沛，几乎80%的降水发生在生长季，且生长季净辐射强，日照时数长，为植被蒸散发提供了良好的水热条件，导致生长季参考蒸散明显高于非生长季参考蒸散。但本研究中高寒矮嵩草草甸平均每年蒸散为1 023.03 mm，高于祁连山老虎沟流域高寒草甸蒸散发量[22]，这主要由于气候条件的不同，本研究地点位于中国科学院海北综合观测场，其年均温和年降水分别为-1.7 ℃和560 mm,而祁连山老虎沟流域年均温和年降水量分别为-6℃和390mm。相比与祁连山老虎沟流域，本研究区域热量与水分较为充足。因此，本研究每年蒸散发量明显高于祁连山老虎沟流域高寒草甸蒸散发量。对于青藏高原高寒矮嵩草草甸参考蒸散的年际变化，本研究发现，2011-2016年高寒矮嵩草草甸参考蒸散呈显著递增的趋势(P<0.01)(图1)，这与青藏高原中部高寒草甸年际变化基本一致[23]，但与一些学者在青藏高原西南部研究结果不一致[24]。以往许多研究表明，青藏高原西南部地区参考蒸散普遍存在下降的趋势[24]，甚至在一些西藏地区，还存在温度升高，蒸发下降现象(“蒸发悖论”)[25]，而本研究并没有发现“蒸发悖论”现象。本研究之所以与其他研究结果存在较大的差异，一方面是由于研究蒸散发的方法不同，过去多采用蒸发皿蒸发量代表植被的蒸散发，但蒸发皿蒸发量并不代表植被的实际蒸散量，尽管蒸发皿蒸发量与参考蒸散在本研究中存在较高的相关性(R2=0.91，P<0.01)，但仍存在一定的差异，如1-3月份参考蒸散高于蒸发皿蒸发量，4-8月份蒸发皿蒸发量明显高于参考蒸散量，另外，本研究蒸散采用Penman-FAO公式计算，综合考虑了辐射项和空气动力项，相比于蒸发皿蒸发量，能够更好地反映植被的散发。另一方面由于气候条件不同，在本研究中，2011-2016年净辐射总量和日照时数及气温总体都呈逐渐增加趋势，且在辐射总量和日照时数达到显著性水平(P<0.05)，尽管相对湿度每年呈增加趋势，在一定程度上削弱了蒸散作用(图3)，但净辐射、气温及日照时数增加对蒸散发的增加作用远大于相对湿度增加对蒸散发的减少作用，从而加快了表层土壤水分的蒸发和植被的蒸腾，导致参考蒸散每年呈逐渐增加趋势。

图7 生长季气象因子对参考蒸散的局部效应Fig. 7 Partial B effect of meteorological factors on reference evapotranspiration in growing season

图8 非生长季气象因子对参考蒸散的局部效应Fig.8 Partial C effect of meteorological factors on reference evapotranspiration in non-growing season

随着人类活动和气候变暖的加剧，关于青藏高原的水热循环，近几十年来已做了大量研究，但多集中在降水、气温的时空变化[26]，而关于气象因子对青藏高原的参考蒸散研究较为匮乏，且对于一些影响青藏高原蒸散发的关键因子存在一定的争议。基于此，本研究通过随机森林分析发现，无论在年内尺度上还是在季节尺度上，净辐射始终是驱动青藏高原参考蒸散变化的最重要气象因子，这与刘晓英等[27]在小汤山的研究结果一致。同时，在青藏高原唐古拉地区也发现，高寒草甸的蒸散发一年四季均受净辐射影响最大[23]。此外，除了净辐射，其他重要气象因子对参考蒸散也有一定影响，且在不同季节，其响应程度存在一定的差异。在生长季，参考蒸散主要受净辐射、日照时数、相对湿度和饱和水汽压差、最高气温和降水影响，而温度、降水和风速对参考蒸散影响较小，由于生长季辐射强、日照时数长，加上80%降水发生在生长季，土壤水分蒸发加强，植物蒸腾旺盛，导致生长季参考蒸散较大。对于非生长季参考蒸散，则主要受净辐射、饱和水汽压差、风速和最高气温影响，而日照时数、相对湿度、降水对其影响较小。由于非生长季日照时数短，降水少，气候干燥，风速较大。此外，本研究还发现，相比于平均气温和日最低值气温，日最大值气温对参考蒸散的影响最大，尤其是在生长季和每年尺度上，这与Hupet和Vanclooster[28]的研究结果基本一致。这表明在未来全球气候变暖背景下，极端气候将会对高寒草甸参考蒸散产生较大影响。尽管本研究利用自动气象观测站气象数据，探讨了在生长季、非生长季，每年气象因子对参考蒸散的驱动规律，但参考蒸散的变化是多个因子的综合作用，由于青藏高原地形复杂，气象站点少，数据获取较难，本研究只是基于一个气象站点6年数据，时间周期较短，未来需要结合长时间多站点连续观测，以期明晰青藏高原参考蒸散空间和时间变化规律。

5 结论

总体而言，参考蒸散每年以29.21 mm增加趋势上升，生长季参考蒸散明显高于非生长季参考蒸散，1-7月呈逐渐增加趋势，最大值出现在7月份(平均为132.48 mm)，7-12月逐渐减少，且参考蒸散与蒸发皿蒸发量相关性较好(R2=0.91，P<0.01)。

无论在年内还是季节尺度上，净辐射总量始终是影响青藏高原参考蒸散最重要的驱动因子，而其他气象因子对参考蒸散的影响存在一定的差异，在生长季，影响参考蒸散的主要因子是日照时数、相对湿度和饱和水汽压差，而其他气象因子对参考蒸散的影响较小；在非生长季，参考蒸散的主要影响因子则是饱和水汽压、风速和最高气温。