Page 67 - 2022年第53卷第4期
P. 67

4  结论


                   本文构建了一种基于多源数据与 BMA 多模型集成的人为蒸散发变异评估框架,并将其应用于珠
               江流域,主要结论如下。
                  (1)Noah、CLSM、VIC、ERA-Interim 等 4 种陆面水文模型的模拟结果与实测结果在季节变化特
               征上较为一致,但仍存在一定的系统性误差,在结合地面实测降水数据进行校正后,模拟效果得
               到有效提升,其中 Noah 模型与 VIC 模型分别在珠江流域径流与天然蒸散发的模拟上体现出更强的
               适用性。
                  (2)4 种单一模型与 11 种不同模型集成的径流模拟结果表明,BMA 方法可有效集成不同模型的优
               势,在一定程度上提高模拟精度。但是,由于大尺度陆面模型在应用于区域尺度时往往有较大的不
               确定性,优选集成模型时应权衡考虑平均模拟值的精度(如 NSE)与不确定性区间(如 RB)。在本例

               中,BMA     、BMA 与 BMA       模型集成分别在西江、北江与东江流域体现出最佳的适用性。
                       CVI      CV      CVI
                  (3)人类活动导致珠江流域蒸散发增大 136.82 mm/a(21%),其中,西江、北江、东江流域蒸散发
               分别增大 125.48 mm/a(19%)、232.19mm/a(37%)和 149.80 mm/a(18%)。
                  (4)珠 江 流 域 人 为 蒸 散 发 变 异 的 年 内 最 大 值 与 最 小 值 分 别 出 现 在 5 月(+37.52 mm/月)和 7 月
              (-26.69 mm/月),月际振荡特征可能主要受灌溉耗水、水库调蓄等因素控制。
                   本文侧重于在子流域尺度上解析人类活动对天然蒸散发过程与流域水量平衡的干扰及其不确定
               性,相较于 MODIS-ET 等遥感 ET 产品,GLDAS 等陆面水文模型能够提供更为完整的流域水循环过程
               数据,便于结合降水与径流的实测数据校验蒸散发,然而对于人类活动影响的识别仍受限于实测站
                                                                                             [52]
               点的数量。此外,本文中的分析结果主要反映了土地利用类型改变(如城市化、造林) 、水库调蓄
               与蒸发渗漏损失       [53] 、消耗性用水等人类活动对流域蒸散发的综合影响及其不确定性,将陆面水文模
               型所模拟的蒸散发视为气候演变作用下的天然蒸散发,并未考虑人类活动对陆面模型大气驱动要素
               及蒸散发的间接影响(如农业灌溉通过影响地表气温和湿度而干扰蒸散发过程                                     [54] ),未来需要针对人
               为影响空间异质性的精细化表征、陆-气双向反馈关系等问题展开进一步研究。


               参   考   文   献:


                [ 1 ] 杨秀芹,王国杰,潘欣,等 . 基于 GLEAM 遥感模型的中国 1980-2011 年地表蒸散发时空变化[J]. 农业工程
                       学报,2015,31(21):132-141 .
                [ 2 ] TANG Q,PETERSON S,CUENCA R H,et al . Satellite-based near-real-time estimation of irrigated crop water
                       consumption[J]. Journal of Geophysical Research,2009,114:D05114 .
                [ 3 ] YAN N,TIAN F,WU B,et al. Spatiotemporal analysis of actual evapotranspiration and its causes in the Hai Ba⁃
                       sin[J]. Remote Sensing,2018,10(2):332-348 .
                [ 4 ] ZHAO G,GAO H. Estimating reservoir evaporation losses for the United States:fusing remote sensing and model⁃
                       ing approaches[J]. Remote Sens Environ,2019,226:109-124 .
                [ 5 ] 段凯,孙阁,刘宁 . 变化环境下流域水-碳平衡演化研究综述[J]. 水利学报,2021,52(3):300-309 .
                [ 6 ] 刘家宏,王浩,高学睿,等 . 城市水文学研究综述[J]. 科学通报,2014,59(36):3581-3590 .
                [ 7 ] LONG D,LONGUEVERGNE L,SCANLON B R . Uncertainty in evapotranspiration from land surface modeling,

                       remote sensing,and GRACE satellites[J]. Water Resources Research,2014,50(2):1131-1151 .
                [ 8 ] 张圆,贾贞贞,刘绍民,等 . 遥感估算地表蒸散发真实性检验研究进展[J]. 遥感学报,2020,24(8):975-999 .
                [ 9 ] SUTANUDJAJA E H,VAN BEEK R,WANDERS N,et al . PCR-GLOBWB 2:a 5 arcmin global hydrological
                       and water resources model[J]. Geoscientific Model Development,2018,11(6):2429-2453 .
                [ 10] ZOU M,NIU J,KANG S,et al . The contribution of human agricultural activities to increasing evapotranspiration
                       is significantly greater than climate change effect over Heihe agricultural region[J]. Sci Rep,2017,7(1):8805 .


                                                                                               — 441  —
   62   63   64   65   66   67   68   69   70   71   72