Page 65 - 2022年第53卷第4期

则分别优选出 NSE 最大而 RB 较小的 BMA 与 BMA 模型集成。在北江流域，CLSM、VIC 模型的权重
CV CVI
分别为 0.26 和 0.76；在东江流域，CLSM、VIC、ERA-Interim 模型的权重分别为 0.26、0.46 和 0.28。

图 5 陆面水文模型的优选指标结果
3.4 人为蒸散发变异评估 图 6 所示为珠江流域实际蒸散发（ET ）、天然蒸散发（ET ）以及人为蒸
obs
nat
散发变异（ET ）的逐月变化过程。利用优选出的模型集成与相应的权重，可得到珠江流域 ET 的多年
nat
H
平均值为677.57 mm/a。基于水量平衡原理得到的珠江流域2003—2016年ET 的多年平均值为814.39 mm/a，
obs
与 Zhong 等 ［49］ 的研究结果相似。受水汽条件与温度影响，珠江流域 ET nat 的月变化呈单峰型分布，主
要集中在 5—9 月，占 ET nat 总量的 60%，最大值出现在 7 月，为 99.07 mm/月，最小值出现在 2 月，为
24.97 mm/月。由于受到非平稳的人类活动影响，ET 显示出比 ET 更大的年内振荡，尤其是在人类
obs
nat
活动较为强烈的东江流域。西江、东江流域 ET obs的月变化呈现双峰型分布，在北江流域为三峰型分
布，峰值首次出现时间均比 ET 峰值出现时间早 1～2 个月。
nat
就 珠 江 流 域 全 流 域 而 言（图 7（a））， 2003—2016 年 人 类 活 动 导 致 蒸 散 发 平 均 增 大 136.82 mm/a
（21%），在西江、北江与东江子流域，人类活动分别导致蒸散发增大 125.48 mm（19%）、232.19 mm/a
（37%）、149.80 mm/a（18%）。珠江流域 ET 整体呈增加趋势（图 7（b）），平均增加速率为 7.02mm/a，但
H
2
趋势并不显著（R =0.18，p>0.05）。从年内分布来看，珠江流域 ET 最大值出现在 5 月，为 37.52 mm/月，
H
最小值出现在 7月，为-26.69 mm/月。西江和东江 ET 最大值均出现在 5月，分别为 37.14和 53.01 mm/月，
H
北江流域 ET 最大值出现在 1 月，为 46.57 mm/月；而三个子流域的 ET 最小值均出现在 7 月，分别
H
H
为-27.00、-30.66、-16.44 mm/月。ET 最大值出现在 5 月可能与珠江流域以水稻种植为主的农业结构
H
有关 ［50］ 。在 5 月份，水稻初插秧灌溉量增大，导致蒸散发显著增大。而在 7 月份，人类活动导致蒸散
发显著减小，这可能与该月水库开闸泄洪、降水较 6 月和 8 月偏少（图 3）以及数据误差等因素有关。
值得注意的是，在经过模型优选与集成后，人为蒸散发变异的评估结果仍存在较大的不确定性。在
90%置信区间内，珠江流域多年平均逐月 ET 的不确定性范围在 38.09～71.48 mm/月之间波动。在三个
H
子流域之中，东江流域水资源开发利用程度最高，人类活动对水循环的干扰最为显著 ［51］ ，导致了该流
域 ET 存在较大的不确定性（53.73～133.31 mm/月），尤其是在 4—7 月。
H

— 439 —