基于遥感数据的中国东南沿海地区蒸散发时空演变特征分析

魏 炜，莫崇勋

（1.广西交通职业技术学院，南宁 530023；2.广西大学土木建筑工程学院，南宁 530004；3.广西防灾减灾与工程安全重点实验室，南宁 530004）

0 引 言

蒸散发是水循环过程中的重要组分，起着连接地表水和大气水汽的重要作用。在地表水热过程中，能量传输也是以蒸散发方式进行，因此，蒸散发对地表水循环和能量循环都发挥着关键作用[1,2]。探究地表蒸散发的时空演变特征及规律，有助于我们更深入地认识地表水循环变化过程，更好地应对当今气候变化所带来的影响。我国东南沿海地区是我国经济发展速度相对较快且人口集中度较高的地区。该地区常年受到太平洋副热带高压的控制和东南亚季风影响。在全球气候变化的背景下，大气环流等气候气象状况在正在发生着深刻改变。对蒸散发影响较大的气象因子，如降水、太阳辐射、风速等也势必会随之发生变化。因此，针对我国东南沿海地区，开展地表蒸散发的时空演变特征分析是十分必要的。

随着卫星遥感技术的兴起，蒸散发的观测突破了原有站点测量的局限性，使观测大规模尺度蒸散发量成为现实，不再受到地表异质性的影响。因此，陆续出现了多种基于遥感的地表蒸散发产品，如MODIS、GLEAM、PML-CSIRO、PLSH等，各个产品在观测基础数据和模型反演上存在差异。根据基本原理和模型结构，主要分为经验方法[3,4]、能量平衡余项法[5]、微气象理论法[6]、蒸发互补理论[7]等。本文结合遥感产品的适用性，选用GLEAM遥感数据作为分析沿海地区蒸散发时空演变特性的基础。对于GLEAM遥感蒸散发产品在中国地区的适用性，Yang等[8]利用中国地区基于涡度通量观测的ChinaFLUX站点数据分别从年、月、日尺度对其进行过评估，结果显示，GLEAM产品在中国地区具有良好的精度和适用性。

目前，随着遥感蒸散发产品的陆续研发，利用遥感产品对我国不同地区的蒸散发量分析的研究相继出现。王海波[9]等基于遥感数据和Penman-Monteith模型在我国黑河流域开展了不同生态系统的蒸散发估算研究；杨秀芹[10]等利用遥感数据对淮河流域多年蒸散发时空变化及其季节性演变进行了分析；王焕[11]等通过分析2000-2014年MODIS蒸散发产品，研究了贵州省蒸散发的时空变化特征及其与气候因子的关系，结果表明贵州省蒸散发年内变化影响最大的是气候因子。符淑宜[12]利用遥感蒸散发模型估算了黄土高原地区的蒸散发，并结合植被覆盖数据探究了两者之间的时空变化规律。虽然已有相关研究，然而，上述多数产品的实时性不够，且多应用在我国内陆流域或省份，沿海地区的研究相对较少。鉴于此，本文利用GLEAM最新版数据产品（1980-2020年），探究我国沿海地区的蒸散发时空演变特性，以期为沿海地区的水文循环演变研究提供科学参考。

1 研究数据及区域

1.1 研究数据

GLEAM蒸散发数据由英国布里斯托大学Miralles团队研发的，基于多颗卫星遥感观测数据和反演算法模型得到。GLEAM模型的基础是Priestley-Taylor方程，该模型利用卫星观测的地表净辐射和近地面气温数据计算潜在蒸散发（Potential Evapotranspiration, PET），然后利用微波植被光学厚度和根区土壤湿度得到蒸散发应力因子，之后将潜在蒸散发转化为实际蒸散发。GLEAM模型包括4个模块：植被截留Gash模块、PET模块、蒸发胁迫压力的模块和根区土壤湿度模块。GLEAM的空间分辨率约为25 km（0.25°×0.25°），时间分辨率为年、月、日尺度。本研究选用GLEAM version3.5的逐月的蒸散发数据，其时间跨度为1980-2020年（共41年），通过ArcGIS提取出中国大陆东南沿海地区的蒸散发数据。

1.2 研究区域概况

本研究选取的中国东南沿海省市包括江苏省、上海市、浙江省、福建省、广东省和广西壮族自治区等6个省市地区，如图1所示。研究区处于太平洋的西岸，常年受太平洋上副热带高压和季风的影响，属于典型的亚热带季风气候，夏季高温多雨、冬季低温少雨。由于常年受到季风的影响，该研究区水资源量时空分布不均，多年平均降水量在1 600 mm以上，太阳辐射在150 W∕m2以上，常年风速1.5 m∕s以上。此外，该区域是我国经济发展速度较快、人口聚集度较高的地区，其面积总和约为74.82 万km2，占国土总面积的7.8%，而2021年GDP总量占全国的37.7%，在经济社会发展中起着十分重要的支撑作用。其中，“长三角城市群”和“粤港澳大湾区”等国际城市群属于高度城市化地区，其下垫面的变化势必会影响蒸散发过程及其时空演变特征。

图1 研究区地理位置图Fig.1 Geographic position of study area

2 研究方法

2.1 Mann-Kendall趋势检验

Mann-Kendall趋势检验是一种非参数方法，其被广泛用在水文气象领域的时间序列趋势检测研究中[13]，该方法的基本原理为：

式中：n表示时间序列长度；xk和xj分别取k=1,2,…,n-1和j=k+1,…,n。

当n＞10时，可以认为统计量S近似服从标准正态分布，如此可知，统计量S均值为0，方差为：

之后，可得到统计量Z为：

当Z＞0时，表示待检测的时间序列呈增加趋势，反之为减少趋势。此外，通过限定显著性水平α，检测能否成立，可以判断序列的变化是否显著，其中对应遵循标准正态分布，本研究中p=0.05，即对应95%的显著性水平。

2.2 小波分析

小波分析（Wavelet Analysis）是分析时间序列周期性规律的方法，该方法通过Fourier变化，利用一簇小波函数去近似逼近待分析信号，在水文气象领域较受欢迎[14]。其中，Morlet小波函数是一种具有多种分辨率功能的函数，其具有震荡特性，表达式为：

式中：φ(t)表示子小波；a为尺度因子，表示小波周期的涨幅；b为平移因子，表示小波在时间上的平移量。

Wf(a,b)为小波信号的转换形式，也称作小波系数，kΔt为t的离散形势，和φ相互共轭；通过对小波系数的平方值积分，可求得小波方差，如下：

小波方差对着尺度因子a的变化为小波方差图，它能够反映信号波动的能量随着尺度的分布规律。因此，通过小波方差图可以判断出信号波动变化的主周期。之后，Torrence等人把红、白噪音引入到小波方差峰值的显著性检验中，进一步丰富了小波分析的周期性检测理论。

3 研究结果

3.1 蒸散发时间变化特征

3.1.1 年尺度时间变化

通过对中国东南沿海地区1980-2020年GLEAM蒸散发量多年面积平均值数据分析，可得到图2。由图2可知，多年平均蒸散发量为794.7 mm，其中最大值发生在2018年，其蒸散发量为858.0 mm；最小值年份为1984年，其值为763.5 mm。经过一阶线性趋势分析可知，近40年来蒸散发虽有不同程度的波动，但整体而言，表现出明显的增加趋势，其增速为1.87 mm∕a。从增加趋势可知，2000-2020年蒸散发的增加趋势较1980-1999年更为显著。

图2 1980-2020年东南沿海地区蒸散发量年际时间变化及趋势Fig.2 Temporal changes and trends of annual ET in southeast coastal China from 1980 to 2020

3.1.2 季节尺度时间变化

为了进一步探究蒸散发增加的原因，将1980-2020年的年内四季的蒸散发量也进行绘制，可得图3。春、夏、秋、冬4个季节的蒸散发量分别为68.9、95.5、64.3和35.5 mm∕mon，因此，其对全年蒸散发的贡献度为夏季（36.15%）＞春季（26.08%）＞秋季（24.34%）＞冬季（13.44%）。由于夏季东南沿海地区的温度为全年最高，且经常受到东亚季风的影响，加之该地区受副热带高压的控制，夏季潮湿的空气从太平阳西岸吹向大陆，空气中携带大量的水汽，较容易形成降水。丰沛的降水和季风，为地表蒸散发过程创造了良好的气象条件，促使蒸散发量明显较其它季节偏多。

图3 1980-2020年东南沿海地区蒸散发量年内四季的变化及趋势Fig.3 Temporal changes and trends of seasonal ET in southeast coastal China from 1980 to 2020

从4个季节蒸散发的时间变化趋势可知，春、夏、秋、冬4个季节均表现出蒸散发量增加的发展趋势，且增加程度并不相同。4个季节的蒸散发增速分别为0.22、0.16、0.13和0.09 mm∕(mon·a)。值得注意的是，虽然夏季的蒸散发量对于全年蒸散发总量贡献较大，但对于蒸散发的增加趋势，春季的蒸散发量增速对全年蒸散发的增速贡献却是最大的。换言之，年蒸散发量的增加更多是源于春季蒸散发的增加。相比之下，由于冬季本身温度较低，降水较少，所以，无论是蒸散发量，或是蒸散发量增加速率，冬季对于全年的蒸散发的影响相对较小。春、夏、秋、冬4个季节的贡献率分别为36.73%、27.45%、21.25%和14.57%。

3.2 蒸散发的空间分布变化特征

为探究蒸散发的空间变化特征，基于GLEAM蒸散发数据，绘制了中国东南沿海地区蒸散发的空间格局，分别从年尺度和季节尺度分析蒸散发的空间变化特征及规律。

3.2.1 年尺度空间变化

将1980-2020年蒸散发的空间分布形态绘制成图4，并通过年际间标准差反映蒸散发的波动情况。通过多年蒸散发量空间分布可知，蒸散发多年平均值为794.7 mm，其中广西、广东和福建3个地区的蒸散发量较浙江、上海、江苏等地区偏多，前者多年平均蒸散发量在800～1 000 mm∕a左右，后者约为600 mm∕a左右，这与广西、广东和福建更靠南的地理位置和气候条件有关。此外，从蒸散发空间分布上可知，在广东省珠三角地区、长江三角洲、上海等地区，年蒸散发量呈现出明显的低值，其值为200 mm∕a以下。由此表明，在城市化程度相对较高的地区，由于城市发展需要，城市建设使得原本被植被覆盖的地区转化为建设用地，并使地表“硬底化”程度越来越高，从而在一定程度上减少了植被蒸散发。然而，植被蒸散发是蒸散发的重要组成成分，植被蒸散发减少，总蒸散发量会随之减少。此外，从图4（b）的蒸散发量年际变化可知，在广西的中西部（柳州等地）、广东的中部（广州）、东部（潮汕地区）、福建东北部（福州等地）以及浙江西部（杭州等地），其蒸散发的标准差表现出明显的高值，均大于5 mm；相比之下，其它地区的蒸散发量年际波动相对较小。

图4 1980-2020年东南沿海地区年蒸散发量空间变化Fig.4 Spatial changes of annual ET in southeast coastal China from 1980 to 2020

基于Mann-Kendall趋势检验，对每个空间网格点的蒸散发变化进行趋势分析，并统计其Z统计量的分布情况。图5（a）中，网格颜色表示Z统计量的数值，蓝色表示增加，红色表示减少。对于沿海6个省市地区蒸散发空间分布，绝大多数网格的蒸散发均表现出明显的变化趋势。统计分析可知，80.02%的地区表现出显著变化趋势，其中77.62%为显著增加趋势，2.40%为显著减少趋势[图5（a）]。值得注意的是，呈现显著减少趋势的地区主要分布在广东省的珠江三角洲地区（如粤港澳大湾区），以及长江三角地区（上海、杭州、宁波和苏州等地区）。由此表明，随着城市化进程的加剧，人类活动正在不同程度上改变着地表下垫面，而这一改变也对地表蒸散发过程乃至水循环过程产生着深刻影响。从Mann-Kendall趋势检验Z统计量的分布规律可知，Z统计量的均值为3.68，且频数较大的值主要分布在4～6之间，远远大于1.96的显著性检验标准。由此表明，研究区的蒸散发增加趋势是主要且显著的。

图5 1980-2020年东南沿海地区年蒸散发量变化趋势空间分布Fig.5 Spatial distribution of ET change trend in southeast coastal China from 1980 to 2020

3.2.2 季节尺度空间变化

为进一步探究蒸散发的年内季节性空间变化规律，分别绘制春、夏、秋、冬4个季节的蒸散发空间格局，见图6和图7。从4个季节蒸散发的空间分布可知，夏季蒸散发量最大，春季和秋季相当，冬季蒸散发量最小。对于夏季，广西、广东、福建、浙江等地区的蒸散发量较上海和江苏等地区大，前者蒸散发量均在100 mm∕mon以上，部分地区超过120 mm∕mon。其中，福建省的蒸散发量最大，主要集中在西部和北部地区，这主要与下垫面较高的森林覆盖度有关。福建省是我国公认的绿化率最高的省份，森林覆盖率高达66.8%，位于全国首位，素有“八山一水一分田”之称。地处福建省西部的三明市，森林覆盖率超过78%，是中国的“绿都”和“国家森林城市”。因此，植被的覆盖为下垫面蒸散发量提供主要贡献。相比之下，城市化水平较高的上海和广州等地区，其蒸散发量则稍显偏低，这一现象在春季[图6（a）]表现的更为明显。此外，由于受到气候条件的影响，以北纬30°为界限，无论是秋季还是冬季，界限以南的区域和以北的区域，蒸散发量也呈现出明显的区别。例如，在冬季，江苏省及其以南的省份蒸散发量基本维持在40 mm∕mon以上，而在其以北的地区，蒸散发量则基本不超过40 mm∕mon。

图6 1980-2020年东南沿海地区蒸散发量年内四季的空间变化形态Fig.6 Spatial distribution of seasonal ET in southeast coastal China from 1980 to 2020

图7 1980-2020年东南沿海地区四季蒸散发量的年际间标准差Fig.7 Spatial distribution of the standard deviation of seasonal ET in southeast coastal China from 1980 to 2020

从四季蒸散发的年际间标准差空间分布可知，春、夏、秋、冬4个季节蒸散发量标准差分别为6.00、5.73、3.70和3.92 mm∕mon，说明波动幅度剧烈程度为春季＞夏季＞冬季＞秋季，这与蒸散发量的贡献率表现出不一致。其中，春季蒸散发年际波动最为明显，且主要波动高值主要出现在福建省的中西部和浙江省的西部等地区。秋冬两季的蒸散发年际波动最弱，其中冬季江苏省中部以北地区的蒸散发波动尤为不明显，基本在2.0 mm∕mon以下。波动情况与蒸散发量的不一致表明，蒸散发的空间分布具有较强的异质性及不确定性。

类似地，利用Mann-Kendall趋势检验方法分别对蒸散发在年内4个季节的变化趋势进行分析，可得图8、图9和表1。从图8和图9可知，春、夏、秋、冬4个季节蒸散发量总体上均表现出明显的增加趋势。其中，春季蒸散发增加趋势最为明显，其呈现显著增加（通过95%显著性检验）的面积占比高达76.89%，显著减少的面积占比仅有0.18%，而22.93%面积的地区蒸散发量虽有变化，但并不显著。此外，对于蒸散发量增加趋势相对较小的冬季，同样有接近60%地区的蒸散发呈现显著增加。与蒸散发年变化趋势类似，对于秋、冬两季，呈现显著减少趋势的地区主要分布在广东省的珠江三角洲地区和江苏南部等地。

表1 四季蒸散发变化趋势面积占比 %Tab.1 The proportion of the area of the change trend of evapotranspiration in the four seasons

图8 基于Mann-Kendall趋势检验的1980-2020年东南沿海地区四季蒸散发量变化趋势空间分布Fig.8 Spatial distribution of seasonal ET change trend in southeast coastal China from 1980 to 2020

图9 基于Mann-Kendall趋势检验的1980-2020年东南沿海地区四季蒸散发Z统计量的分布情况Fig.9 Spatial distribution of the Z statistics of seasonal ET derived from Mann-Kendall method in southeast coastal China during 1980 to 2020

此外，通过对Mann-Kendall趋势检验的Z统计量分布规律进行分析可知，4个季节的Z统计量拟合得到的正态分布的均值基本都在2～4之间，不同季节略有差异。从整个分布形态不难看出，春季的Z统计量分布更为分散，而秋季和冬季则表现为更加集中。总体而言，大多数Z统计量都大于95%的显著性水平标准（|Z|＞1.96）。

3.3 蒸散发的周期性分析

为了探究蒸散发时空变化的周期性，本研究采用功率谱小波分析对蒸散发的年际、季节在年际尺度的周期性进行计算分析，因此每个序列都有41个值，即每年的区域平均值，计算结果见图10～图12。在图10（a）中，横坐标代表年份，纵坐标表示周期（通常以年为单位）。图中的颜色可勾勒出等值线，不同颜色表示不同的小波谱密度，其中粗黑等值线为置信水平大于95%，“V”形结构表示影响锥，其可以将功率谱分为“锥内”和“锥外”两个部分，其中“锥外”的部分由于数据长度限制可以不予考虑。在图10（b）中，横轴表示能量，纵轴表示周期，图中红色虚线代表背景红噪音理论曲线，如果黑色实线在红色虚线右边，则超越的部分黑色实线对应的数值就是周期值，且通过了显著性检测。

图10 年蒸散发量小波功率谱等值线图及小波方差谱图Fig.10 Wavelet power spectrum contour and variance spectrum of annual ET

图12 四季蒸散发量小波方差谱图Fig.12 Wavelet variance spectrum of seasonal ET

从沿海地区年尺度蒸散发的周期性（图10）可知，在1980-2020年间，蒸散发量虽有波动，但其周期性并不明显。小波功率谱图“锥内”没有出现明显的周期性等值线高值中心，且小波方差图的红色虚线右侧也无黑色实线。由此表明，蒸散发在年尺度的周期性特征似乎并不明显。然而，进一步探究蒸散发的四季周期性特性可以发现（图11和图12），春、夏、秋、冬4个季节均呈现出明显的周期性变化规律，其中春季以4.0 a为周期，并伴随着明显的震荡；夏季以2.3 a为周期；秋季则以3.2 a为周期并伴随着强烈的震荡。最为明显的是冬季，其主周期为7.4 a和3.2 a，并出现了明显的周期性震荡规律。

图11 四季蒸散发量小波功率谱等值线图Fig.11 Wavelet power spectrum contour of seasonal ET

从蒸散发年尺度和季节尺度周期性分析结果可知，虽然年尺度上没有明显的周期性变化特征，但其年内4个季节却呈现出不同尺度的显著周期性变化规律。由此表明，短时段蒸散发量的周期性变化（如季节性的周期性），在进行时段合并或整合成长时间尺度（年尺度）之后，这种周期性会不同程度地“坦化”掉，导致在长时间尺度上无法表现出来。

4 结 论

（1）1980-2020年，我国东南沿海地区的多年平均蒸散发量为794.7 mm，春、夏、秋、冬4个季节的蒸散发量分别为68.9、95.5、64.3和35.5 mm∕mon，对全年蒸散发量的贡献度为夏季＞春季＞秋季＞冬季。

（2）时间上，我国东南沿海地区近40年蒸散发量呈现出明显的增加趋势，增速为1.87 mm∕a。春、夏、秋、冬4个季节蒸散发增速分别为0.22、0.16、0.13和0.09 mm∕(mon·a)，其中春季对于年蒸散发增加的贡献度最大，夏季次之，冬季最小，这和蒸散发量的贡献度表现出不一致的顺序。空间上，年尺度蒸散发有80.02%的面积表现为显著增加的趋势，且增加趋势通过了95%的显著性水平的检验。春、夏、秋、冬四季中，呈现显著性增加的面积也基本都在60%以上。其中广西、广东、福建等省份较为明显。周期性上，蒸散发在年尺度上无明显的周期性，但在季节尺度上却表现出明显的周期性规律。

（3）珠江三角洲和长江三角地区的蒸散发表现出明显的减少趋势，这可能源于该区域高度的城市化，城市建设不同程度地使植被覆盖减少，进而导致植被蒸散发减少。