鲁 汉， 叶林媛， 罗 鹏，刘 攀， 熊立华， 夏 军， 程 磊

(1.武汉大学水资源与水电工程科学国家重点实验室，武汉 430072；2.湖北省海绵城市建设水系统科学重点实验室(武汉大学),武汉 430072； 3.水利部水利水电规划设计总院, 北京 100120)

水循环是联系地球系统多圈层的纽带，蒸散发是水循环过程中的关键要素，在地球的生物圈-水圈-大气圈中发挥着重要作用。据估计，约有70%的陆地降雨以蒸散发的形式回归大气，同时这一过程还消耗了约60%的太阳净辐射[1, 2]。因而，蒸散发影响着区域乃至全球的水量平衡过程，是探究水循环变化最关键的变量之一[3-5]。长江是我国经济和社会永续发展的生命河。近年来，气候变化和人类活动导致长江流域降雨、径流等水循环要素都发生了显著变化[6, 7]。因此，研究长江流域的蒸散发时空分布特征及其演变规律，不仅可以为长江流域的水循环变化研究提供科学参考，而且能够为长江流域水资源规划及长江经济带建设提供科学支撑，具有重要科学意义和战略价值。

蒸散发直接观测方法主要是通过蒸渗仪、涡度相关等仪器观测，但仅能够有效观测较小空间尺度的蒸散发[8]。对于水资源管理较关注的景观或流域尺度的蒸散发来说，由于下垫面特征、水热条件等时空高度异质性，传统方法难以进行有效观测。目前，大尺度蒸散发估算主要依赖遥感反演、统计分析和模型模拟等方法[9]。但是由于模型结构复杂、参数物理机制不清、输入数据不足及尺度变异等问题，不同蒸散发产品的时空分布存在很大不确定性[10, 11]。Xu等[12]以通量观测数据和水量平衡蒸散发为验证，采用三角帽法评估了12种蒸散发产品在美国本土的不确定性，发现MODIS产品的不确定性约10～15 mm/月，远大于NLDAS-3产品(4～7 mm/月)。Miralles等[13]对5种全球蒸散发产品对比发现PT-JPL和GLEAM产品在大部分生态系统和气候区中表现较好，而PM-MOD产品有低估热带和亚热带地区蒸散发的问题。Sörensson等[14]分析了9种蒸散发产品在南美洲的不确定性，总结了各个产品的重要特征，并强调应根据研究区域和研究目的选择蒸散发产品。因此，针对长江流域水循环变化机理不清的问题，十分有必要对现有蒸散发产品进行比较分析，为水循环变化研究、未来气候变化预测、水资源管理等方面提供支撑。

本研究基于7种可公开获得并广泛使用的蒸散发产品，包括4种诊断模型产品和3种再分析产品，以长江流域为研究区域，参照水量平衡法获取的蒸散发数据，对7种蒸散发产品的时空特征及其长期演变规律进行了分析研究，以此探究长江流域水循环变化时空特征。

1 研究区域与数据方法

1.1 研究区域

长江流域发源于青藏高原腹地，流域总面积达180 万km2，是世界第三大流域。长江全长约6 397 km，上游为长江源头至宜昌市，中游为宜昌至湖口一段，下游为湖口以下至长江入海口。根据全国水资源综合区划导则，长江流域内支流划分为12个二级流域分区(图1)，从西至东分别为金沙江石鼓以上流域(1)、金沙江石鼓以下流域(2)、岷沱江流域(3)、嘉陵江流域(4)、上游干流(5)、乌江流域(6)、汉江流域(7)、中游干流(8)、洞庭湖水系(9)、鄱阳湖水系(10)、下游干流区域(11)以及太湖水系(12)。长江流域地势西高东低，上游海拔可达5 000 m以上，中下游平原区海拔在500 m以下。其具有典型的季风气候特征，流域年平均气温约13.3 ℃，呈现随高程降低而升高的趋势；年降雨量约1 067 mm，具有典型的季节性特征[15]。流域内水系纵横发达，大部分地区相对湿度在65%以上。

图1 长江流域水系及二级流域分区图Fig.1 The Yangtze River Basin and its second hydrological units

1.2 数据资料

1.2.1 遥感和再分析蒸散发产品

本研究搜集了可公开获取并广泛应用于分析区域水循环变化的7种蒸散发产品(表1)，来比较诊断长江流域的水循环变化。这7种蒸散发产品是：①EMTE[16]是基于模型树集合方法(Model Tree Ensemble, MTE)集成了全球通量站网的水碳通量观测数据、卫星遥感下垫面覆被特征和陆面气象数据等地理空间信息数据，该数据包含1982-2011年的全球月蒸散发，空间分辨率为0.5°×0.5°；②EGLEAMv3a[17]是结合大量的遥感观测数据来获得日蒸散发量及其不同组分的全球蒸散发产品，包含了1980-2014年日蒸散发数据，空间分辨率为0.5°×0.5°；③EPML[18]采用Penman-Monteith-Leuning(PML)模型来估测过去30年蒸散发的趋势和不同蒸散发组分的贡献，包含了1981-2012年日蒸散发，空间分辨率为0.5°×0.5°；④EMTE-WB[19]通过耦合水量平衡模型和机器学习算法来模拟全球1982-2013年的月蒸散发数据，空间分辨率为0.5°×0.5°；⑤EMERRAa[20]是由NASA开发的产品，包含1980-2014年月蒸散发数据，空间分辨率为0.5°×0.5°；⑥EMERRAs[21]基于GPCP对MERRA数据的气象要素的修正，提高了估测精度，分辨率和时间段与EMERRAa产品相同；⑦EERA[22]是欧洲中期天气预报中心开发的全球大气再分析产品ERA-Interim同化数据，估算了全球1979-2014年的日蒸散发数据，空间分辨率为0.5°×0.5°。其中EMTE、EGLEAMv3a、EPML和EMTE-WB为诊断模型产品，EMERRAa、EMERRAs、EERA为再分析产品。本研究选取7种蒸散发产品共有时段1982- 2011共30年的月蒸散发数据进行分析。

表1 本研究使用的全球蒸散发产品基本信息表Tab.1 Basic information of the global evapotranspiration products used in this study

1.2.2 水量平衡蒸散发数据

本研究还根据水量平衡公式计算多年平均蒸散发量，并以此为基准评估不同蒸散发产品在中国区域的精度。水量平衡计算蒸散发公式为：

EWB=P-R-ΔS

(1)

式中：EWB为水量平衡计算的蒸散发量；P为流域降水；R为流域径流；ΔS为流域蓄水变化量；单位均为mm/a。

水量平衡方法是计算流域多年平均蒸散发十分有效的方法，因为降水和径流是水循环中观测精度较高、且有长期广泛观测的两个变量。在多年平均尺度上，通常忽略水储量变化ΔS部分，以此计算得到的流域多年平均蒸散发作为参照。

降水数据采用国家气象信息中心(http:∥data.cma.cn/)提供的1961-2016年中国地面降水月值0.5°×0.5°格点数据集[23]。径流数据采用Linear Optimal Runoff Aggregate(LORA)1980-2012年全球格点径流产品，该产品采用最优加权法综合考虑多个径流产品的径流输入数据，在全球范围内的年平均径流量上表现出较好的准确性[24]，空间分辨率为0.5°×0.5°。

1.3 研究方法

1.3.1 评价指标

本研究将多年平均尺度下的水量平衡原理计算出的蒸散发量作为流域实际蒸散发量值的参照值，分析产品数据的准确性。研究采用均方根误差(Root Mean Squared Error,RMSE)、皮尔逊相关系数(r)等指标来评价不同蒸散发产品在长江流域的适用性。各指标计算公式如下：

(2)

(3)

式中：E为蒸散发产品的蒸散发量；EWB为水量平衡蒸散发数据；N为数据系列长度。

RMSE显示了各蒸散发产品与真实值之间的差异，RMSE越小，代表其与真实值的差异越小；r是研究变量间的线性相关程度的指标，它在0 ～ 1之间变化，r值越大，相关程度越大。本研究中采用EWB作为区域蒸散发量的参照值，逐象元分析蒸散发产品与EWB的相关性和误差。

1.3.2 Mann-Kendall非参数趋势检验及Pettitt检验

本研究采用Mann-Kendall(MK)趋势检验法分析各产品在长江流域的蒸散发年际变化趋势，并采用Pettitt突变检验分析其变点位置。MK检验和Pettitt检验能很好的处理非正态分布的数据，广泛应用于水文分析中。

1.3.3 经验正交函数展开法

经验正交函数展开法(Empirical Orthogonal Function，EOF)，最早是由统计学家Pearson在1902年提出，被广泛应用于气象科学中来分析气象变量的时空特征[25]。EOF方法将原始数据处理成M×N的矩阵：

(4)

式中：M为站点数；N为时间序列长度。

可通过EOF分解得到：

A=VMK×ZKN

(5)

式中：V和Z分别为空间函数矩阵和时间系数矩阵。V的列即矩阵A的特征向量，代表数据场的空间模态(EOFs)，指征要素场的空间分布特征，V越大即代表该空间点变化越频繁。时间系数代表所对应特征向量空间分布模态的时间变化特征，系数的符号决定模态的方向，正号表示与模态同方向，负号则相反，且系数绝对值越大，表明在该时间点这一模态越典型。

本研究对7种产品距平化后的逐年蒸散发数据，进行EOF分析，得到1982-2011年长江流域蒸散发逐年变化趋势及空间分布特征。空间模态反映长江流域各地区变化的空间分布，时间系数反应蒸散发的逐年变化趋势，两者符号相同即表示该地区蒸散发有上升趋势，反之则有下降趋势。

2 结果与讨论

2.1 多年平均蒸散发对比

7种蒸散发产品在长江流域多年平均蒸散发的空间分布总体趋一致，由下游向中上游逐渐递增(图2)。蒸散发最低值均分布在长江源区，其中EPML和EGLEAMv3a在低值区域(即长江源头)空间分布情况较一致，最低值低于其他产品，约为120 mm/a；EMERRAa最低值明显比其他产品高，约460 mm/a。蒸散发最高值则主要分布在中游鄱阳湖、洞庭湖及长江下游地区，EMERRAa最高值在7种产品中最大，约1 200 mm/a。EWB变化的总体趋势是从上游到下游逐步上升，在洞庭湖、鄱阳湖、太湖等湖泊地区及中下游干流区有明显的高值区，各蒸散发产品的空间分布均与EWB相似。

图2 长江流域7种蒸散发产品多年平均蒸散发量空间分布特征和区域平均蒸散发量比较Fig.2 Comparison of the Spatial distribution and regional magnitude of the evapotranspiration of 7 products in the Yangtze River Basin at the mean annual time scale

从流域多年平均蒸散发来看，7种蒸散发产品在长江流域的多年平均蒸散发量在600～1 000 mm/a之间[图2(b)]，均大于EWB的571.8 mm/a(黑线)。EPML、EMTE和EGLEAMv3a的平均蒸散发量接近，分别是666.8±26.9，644.7±8.5和662.9±18.4 mm/a。EMERRAa的多年平均蒸散发量达到955.3±19.4 mm/a，年平均蒸散发量明显大于其他产品，而另外两种在分析产品EERA和EMERRAs的多年平均蒸散发量相近，分别是770.1±16.9和779.0±37.9 mm/a。总体上看，7种蒸散发产品与水量平衡蒸散发空间分布一致，但均高估了流域多年平均蒸散发。

图3泰勒图显示了各产品与EWB逐象元间的相关系数以及均方根误差。7种蒸散发产品与EWB的相关系数在0.51～0.64之间，EMTE、EMERRAs和EERA与EWB的相关系数最高，达到了0.64。不同蒸散发产品与EWB的RMSE差异较大，约在150～210 mm/a，其中EMTE的最小，EMERRAa的最大。可以发现，所有产品中与EWB最接近的是EMTE，相关性最好(r=0.64)且RMSE最低(162.5 mm/a)；差异最大的是EMERRAa，与EWB的相关系数仅为0.51，RMSE为186.7 mm/a。两种诊断模型产品EMTE、EGLEAMv3a和两种再分析产品EMERRAs、EERA的RMSE在150～170 mm/a，明显小于EPML、EMTE-WB和EMERRAa，r在0.60～0.65之间，与EWB一致性较高。

图3 7种蒸散发产品与水量平衡蒸散发(EWB)比较的泰勒图Fig.3 Taylor diagram showing the comparison the evapotranspiration of 7 products with water balance evapotranspiration

长江流域蒸散发分布的空间特征主要受到气候和地形条件控制。长江上游地区海拔高、辐射充足，但是年降水量低，受水分限制，蒸散发量基本在400 mm/a以下；中下游地区降水充足，蒸散发量较高[26]。本文的对比结果表明诊断模型产品更接近EWB，再分析产品存在明显高估长江流域蒸散发的情况。这些差异反映了产品模型结构、输入数据间的不同。与诊断模型产品相比，3种再分析产品缺少地表植被等观测数据[20-22]，而长江流域植被覆盖度大、植被类型多样，对蒸散发估算影响很大，这可能是造成再分析产品的表现差于诊断模型产品的原因之一。EMERRAa数据集对辐射估算过高，在降水量等的估算上存在较大不确定性[20]，也会导致其蒸散发高于EWB；EMERRAs对其降水等气象变量进行修正后的蒸散发量明显降低。同时，本研究采用的径流产品存在高估径流的情况，尤其是在积雪地区和干旱半干旱地区[24]，这可能导致本文中的EWB偏低。

2.2 年际/季节蒸散发波动性对比

2.2.1 年际蒸散发波动性

7种产品的流域年平均蒸散发表现出相似的年际波动特征(图4)。EMTE年际波动性最小，Cv=0.01。EPML、EMTE-WB、EMERRAs蒸散发年际波动较大，Cv>0.04，在1990年、1996年和1998年等年份均有较大波动。其中，EPML在乌江流域的Cv=0.07，是波动最大的区域；EMTE-WB在乌江流域及两湖地区Cv都达到0.07以上；而EMERRAs在金沙江石鼓以上区域波动最大，Cv约为0.11。波动较大的区域主要集中在长江上游及两湖地区。

图4 7种蒸散发产品的年际变化及其年际变异系数大小Fig.4 Annual variability of 7 products time series of the annual evapotranspiration and The value of Cv

2.2.2 年内蒸散发波动性

尽管各产品的季节分布比例类似，但是同一季节蒸散发量存在较明显差异(图5)。春季蒸散发量再分析产品均大于诊断模型产品，尤其是EMERRAa春季蒸散发量达到247.3 mm，比其余产品高出约16.1%～32.6%，这也是其多年平均蒸散发量较高的原因之一。7种产品夏季蒸散发均占年蒸散发40%以上，但蒸散发量差距较大，EMTE的夏季蒸散发量最小，仅为267.6 mm，EMERRAa最大达到376.4 mm；EMTE-WB的夏季蒸散发量占比最高，大约占全年蒸散发量的46.1%。冬季产品间差异减小，分布较集中。从图5也可得知，EMERRAa在四季都比其他产品高。总体上7种产品年内蒸散发变化趋势一致，表现为夏高冬低，但各月蒸散发量存在明显差异。

图5 7种蒸散发产品的月蒸散发及季节蒸散发量Fig.5 The monthly and seasonal average evapotranspiration of 7 products

2.3 蒸散发变化趋势比较分析

经MK趋势检验，7种蒸散发产品除EMTE-WB外都表现出显著(p<0.05)的上升趋势(图6)，年蒸散发量的平均增加趋势为1.25±0.46 mm/a2(22.3±8.2 亿m3/a)。其中EMERRAs上升速率最快为2.14 mm/a2(38.2 亿m3/a)；EMTE上升速率最慢为0.73 mm/a2(13.0 亿m3/a)。EPML和EMERRAa表现出显著的上升趋势(p<0.05)，增长速率分别为1.36 mm/a2(24.3 亿m3/a)和1.03 mm/a2(18.4亿m3/a)。总体看7种蒸散发产品均显示1982-2011年长江流域年蒸散发有上升趋势。

经Pettitt检验，7种产品年值序列都存在变点，大都位于2000年左右。其中EMTE、EGLEAMv3a、EMERRAa、EMERRAs和EERA5种产品都通过了95%的显著性检验，变点分别位于2001年、1999年、1997年、1997年和1993年。EPML和EMTE-WB的变点分别在2006年和1992年，但并未通过95%置信水平的显著性检验。

图6 7种蒸散发产品的线性趋势及其变点(黑色虚线)Fig.6 Linear trends and break points (black dotted lines) of 7 products used in this study

图7展示了各蒸散发产品MK趋势检验结果在长江流域的空间分布。从图7中看到，上升区域主要集中在长江中下游地区，其中大部分区域上升速率在2 mm/a2以上。EMERRAa、EPML、EGLEAMv3a在上游四川盆地、嘉陵江流域等地区存在大于3 mm/a2的显著上升趋势。源区蒸散发趋势不变或略有下降(0～-2 mm/a2)。7种产品在大部分区域蒸散发都呈现显著上升趋势，尤其是长江中下游地区。

长江流域蒸散发总体呈现上升趋势可能与近年来显著的气候变化和频繁的人类活动有关。辐射和温度是7种蒸散发产品的主要输入变量，NDVI是基于遥感的蒸散发数据的重要输入变量。有研究表明，1990年以来长江流域气温、辐射和NDVI都有显著增大趋势，这种变化会造成流域内大部分区域蒸散发显著上升[15, 27-29]。本研究对比发现的蒸散发趋势变化与之前的基于不同数据和时段的研究结果是一致的。强皓凡等[30]研究发现1960-2012年长江源区年蒸散发存在明显升降变化过程，且于1997年发生显著突变；曾小凡等[27]发现长江中下游地区年平均气温的突变发生在1995年，长江流域南部、金沙江流域发生在1998年，3个区域年平均气温增加都在20世纪90年代后期，可能是长江流域蒸散发突变的原因。Lu等[31]分析1980-2014年长江流域中下游地区的蒸散发呈显著增长趋势(2～3 mm/a2)，而源区无明显趋势，与本研究结果一致。

图7 长江流域年蒸散发线性趋势的空间分布特征(黑点网格为趋势显著(p<0.1)的网格)Fig.7 Spatial distribution of the linear in annual evapotranspiration in the Yangtze River Basin during the period of 1982-2011

2.4 基于EOF的蒸散发趋势时空特征解析

表2展示了EOF分析结果前3种模态的方差贡献率和累积方差贡献率，前3个模态的累计方差贡献率达到50%～70%，可以较好的反映蒸散发数据的时空变化特征。第一模态的贡献率约在30%～50%之间，是蒸散发场的主要空间分布模式，因此本研究以第一模态分析各蒸散发产品的时空特征。

表2 EOF分析主要模态的方差贡献率及累积方差贡献率Tab.2 Variance contribution of the first three modes of EOF

图8显示了第一模态特征向量空间分布结果，EPML、EGLEAMv3a和EERA在长江中下游区呈现正值(负值)，而在上游区呈现相反的负值(正值)，在源头区再次呈现正值(负值)，这三种产品第一模态的空间分布大致呈源区-上-中下游反向型。结合它们第一模态的时间系数(图9)，EPML在2003年前以负值为主，源区和中下游年蒸散发量下降，上游区年蒸散发量上升；2003年以后以正值为主，源区和中下游年蒸散发量上升，上游区年蒸散发量下降。EGLEAMv3a和EERA的蒸散发量则分别在2001年和2000年前后有相同变化。

图8 7种蒸散发产品EOF分析的第一模态Fig.8 First EOF patterns of 7 evapotranspiration products

图9 7种蒸散发产品的EOF分析的时间系数序列Fig.9 Time series of temporal coefficients of 7 evapotranspiration products

EMTE、EMERRAs的第一模态在全流域基本为正(负)值，EMTE时间系数在2003年前为负值，即年蒸散发量呈下降趋势，在2003年以后主要是正值，即年蒸散发有上升趋势；而EMERRAs则在2000年前主要为正值，蒸散发呈下降趋势，而后转为负值，蒸散发量上升。EMTE-WB在长江流域北部基本为负值，南部则为正值，故第一模态空间分布大致呈现南北反向型；时间系数在1992年前主要为负值，即长江流域北部蒸散发量上升，南部蒸散发量下降，之后时间系数转为正值，但在2004年以后再次转为负值。EMERRAa第一模态在源区和汉江流域东部为正值，其他区域为负值，其时间系数在2002年前为正值，源区和汉江流域东部蒸散发量上升，其他地区蒸散发量下降，2002年以后时间系数则转为负值，即中下游蒸散发上升。总体上EOF第一模态的分布表明不同产品的蒸散发变化在大部分地区有较高的一致性，源区和中下游地区较其他区域变化更显著。

3 结 论

蒸散发是区域水循环演变规律检测分析最关键的变量之一，特别是受人类活动显著影响的区域。本文以长江流域为研究区域，以水量平衡方法得到多年平均蒸散发量EWB作为参照，基于7种可公开获得并广泛使用的遥感和再分析蒸散发产品(包括4种诊断模型产品EMTE、EGLEAMv3a、EPML、EMTE-WB和3种再分析产品EMERRAa、EMRRRAs、EERA)，对比分析了1982-2011年间长江流域蒸散发和水循环变化的时空特征，结果表明：

(1)不同蒸散发产品的空间分布特征相似，但量值上存在显著差异。不同蒸散发产品的多年平均蒸散发量在600～1 000 mm/a之间，均高于水量平衡蒸散发EWB。空间上，EMTE与EWB相关性最好(r=0.64)，且RMSE最低(162.5 mm/a)。

(2)不同蒸散发产品的年际和年内波动性差别不大。7种产品的年蒸发变异系数(Cv)在0.01～0.05，EPML、EMTE-WB、EMERRAs蒸散发年际波动较大(Cv>0.04)，波动性较大区域主要在上游及两湖地区；月蒸散发表现为夏高冬低，夏季蒸散发均占年蒸散发40%以上。

(3)7种蒸散发产品的流域年蒸发量在1982-2011年间均呈上升趋势，平均速率为1.25±0.46 mm/a2(约22.3±8.2 亿m3/a)，中下游地区上升趋势较大(> 3.5 mm/a2)；基于经验正交函数展开法分析发现，各产品大部分区域年蒸散发增加趋势均发生在2000年后，由源区和中下游地区的趋势主导。