淮河流域蒸散发时空变化与归因分析

蒸散发（Evapotranspiration,ET）是联结土壤-植被-大气过程的纽带,对理解地表水热平衡至关重要。因此,量化分析ET时空变化特征、揭示其主要控制因子对区域用水管理和农业生产十分重要。利用遥感数据和气象数据,基于BEPS模型估算了1981-2019年的淮河流域ET,分析了该区域ET时空分布特征,并通过敏感度系数和贡献率方法对该区域的ET多年变化特征进行了归因分析,最后借助数值实验方法深入探究影响特湿润年（2003年）ET较低的主要原因。结果表明：（1）1981-2019年淮河流域多年平均ET为549.83 mm,其中夏季ET占全年ET的比值达到47.63%;1981年以来区域ET整体呈极显著上升趋势（4.41 mm/a,P<0.01）;季节上,除冬季外,其他三个季节的ET增幅均呈显著性增加（P<0.05）,四季增幅速率大小依次为：夏季>春季>秋季>冬季;空间上,中东部和南部ET较高,重心模型显示ET高值区域呈显著的由北向南的移动趋势;（2）归因分析结果表明,淮河流域ET对气温变化最敏感,其次为相对湿度、太阳总辐射、叶面积指数（LAI）和降水,但ET对LAI的正敏感性逐渐增强导致LAI的显著升高对流域ET年际变化贡献最大（44.5%）,其次是气温的升高（25.93%）;同时,LAI是春、夏、秋三季ET变化的主导因素,气温是冬季ET变化的主导因素;（3）数值实验显示高相对湿度是引起特湿润年（2003年）ET明显偏低的最主要因素,这与导致长时间序列ET变化的原因不同。因此,建议今后加强极端气候条件下ET变化的归因分析,为更有效地应对全球气候变化提供决策服务。研究结果能够为认识淮河流域环境变化对水循环影响及合理分配区域水资源提供科学参考。     

1982-2020年安徽省净生态系统生产力时空格局变化及其成因

净生态系统生产力（NEP）是定量描述陆地生态系统与大气之间碳交换的重要指标。明确区域尺度NEP的时空格局及主导因子，有助于增强对区域碳循环变化机制的认知。基于BEPS （Boreal Ecosystem Productivity Simulator）模型模拟结果，评估了安徽省1982-2020年NEP时空格局，分析了安徽省NEP对主要环境植被因子的敏感性，并借助通径分析和贡献率分析探究了影响安徽省NEP时空变化的驱动因子。结果表明：（1）1982-2020年，安徽省多年年均NEP为651.14 gC/m²，线性趋势变化率为1.10 gC m^-2 a^-1，总体呈显著增加趋势（P<0.01）。在空间上，NEP表现为"南北部较高、中部较低"的分布，显著增加（P<0.05）的区域占52.77%，主要分布在北部和南部，显著减小（P<0.05）的区域占7.11%，主要分布在西部和东南部。NEP重心有显著的北移趋势（P<0.01）。（2） NEP对大气CO₂浓度变化最为敏感，对降水变化最不敏感。时间上，NEP对叶面积指数（LAI）（P<0.01）、CO₂（P<0.01）和饱和水汽压差（VPD）（P<0.05）的敏感性变化显著增强，对总辐射的敏感性变化显著减弱（P<0.01），对气温和降水的敏感性变化不显著（P>0.05）。空间上，NEP对各因子的敏感性有地区差异性。（3）所选环境植被因子综合解释了NEP 79%的时空变化。LAI与CO₂是安徽省NEP时空变化的主导因子，为正贡献，气候因子为次主导因子，为负贡献。空间上，LAI为主导因子的地区主要分布在安徽省北部、中西部的大部分地区，占49.65%，CO₂为主导因子的地区主要分布在安徽省西北部与东南部的大部分地区，占44.54%。