陆地蒸散发(简称为ET)将土壤和植被中大量的水转移到大气中，紧密联系着陆地生态系统中的水循环、能量循环和碳循环。蒸散发的变化对区域植被生长和气候反馈产生重要的影响[1]，尤其是在以严重的水分胁迫为特征的干旱半干旱区。全面理解气候和植被对蒸散发时空模式的驱动作用，对于预测地表-大气相互关系起到了至关重要的作用[2]。大量研究表明，蒸散发的变化归因于气候和植被的共同影响[3]。现有的研究尺度包括空间(从点到全球)和时间尺度(从月到几十年)[4-5]，研究方法包括单个/区域的涡动观测、遥感数据驱动集以及地表模型等[6-7]。目前，研究发现，在很多水分限制区域温度和降水的年际变化主导控制区域ET变化[8]，其他气候因素的变化，比如土壤含水量，太阳辐射，水汽压差以及风速[9-10]，它们在调节区域蒸散发的时空模式上同样也起到了重要的作用。另外，蒸散发的变化受到了植被生长的影响[11]，而这种影响在不同的植被类型之间有所差异。因此，植被生长/地表覆盖和气候因素对于量化和理解区域蒸散发的时空模式仍存在很多不确定性。

以往的研究对于理解区域蒸散发的时空模式以及气候和植被变化对蒸散发的影响提供了基础[12]，但是，目前气候升温存在明显的季节不对称性。最新的IPCC5报道，春季和冬季的升温速率更快[13]，不对称的季节增温调节了水热状况(如土壤含水量)的季节性模式以及相应的植被生长/活动。黄土高原经历了快速且明显的季节性升温，尽管以往学者对黄土高原气候变化和植被生长对于蒸散发的影响已经做了大量的研究[14-15]，但是，气候和植被生长的季节性变化对蒸散发的季节性影响却鲜有研究，而该问题对于将来预测水分限制区域的季节性水文循环以及陆地-大气相互关系则是一个关键的先决条件。因此，基于大尺度遥感数据，运用广义线性模型探究1982～2011年气候和植被变化对黄土高原蒸散发影响的季节性差异，分析了蒸散发季节性差异的内在机理。

1 材料和方法

1.1 研究区概况

黄土高原的地理位置为E 100°54′～114°33′，N 33°43′～41°16′，东西长约1 300 km，南北宽约700 km，总面积 64万km2，主要由山西高原、陕甘晋高原、陇中高原、鄂尔多斯高原和河套平原组成，占了中国国土面积的6.6%。海拔高度在89～5 210 m，年降水量为150～800 mm，多集中于6～9 月，属于典型的大陆季风气候特征，冬季寒冷，夏季温暖湿润，雨热同期。年均气温为3.6～14.3℃，其水平分布和垂直分布差异较大。黄土高原的蒸发量普遍高于实际降水量，年蒸发量为1 400～2 000 mm，其总体趋势是南低北高，东低西高。

为了改善黄土高原水土流失、荒漠化以及环境恶化的问题，在1999年我国开始实施退耕还林还草工程。自退耕还林还草工程实施以来，黄土高原的植被类型以及植被覆盖均发生了显著变化，截止2009年底，全国累计完成退耕造林 902.26万 hm2，配套荒山造林1 413.72万hm2，灌丛面积达到4.64万km2，草地面积达到 27.14万km2。

1.2 数据来源

1.2.1 NDVI 数据集 最新的第三代归一化植被指数(NDVI)数据来源于超高分辨率辐射仪(Advanced Very High Resolution Radiometer (AVHRR))/国家海洋和大气局卫星(National Oceanographic and Atmospheric Agency (NOAA) satellites)，全球库存建模和映射研究组Global Inventory Modeling and Mapping Studies (GIMMS) group，即GIMMS NDVI3g。该套数据空间分辨率为0.083°，时间分辨率为半月，时间尺度为1982～2011年。

1.2.2 ET数据集 蒸散发数据来源于全球涡动通量塔的观测数据(简称FLUXNET ET)，使用模型树整合机器学习的算法获得，并通过了内部交叉验证和模型模拟。该数据集的空间分辨率为0.5°，时间分辨率为月，时间长度为1982～2011年。为了和其他数据相匹配，将这套数据集重采样到0.083°。

试验对数据进行了全面的评估，但是不同数据源的结果仍然存在不确定以及可能的偏差，尤其是在空间尺度的缩放上差异就会更加明显。为了进一步理解驱动区域水循环的潜在过程，使用扩展的现场观测网络，更加精准的遥感数据，以及改进的生态系统模型等多种手段的综合研究是非常有必要的。

广义线性模型是由随机部分、系统部分和联系函数3部分构成。随即部分可以明确因变量的概率分布，系统部分用于确定预测解释变量的线性函数，联系函数用于描述系统成分与随机成分的期望值之间的函数关系。

师：是呀，文本以第一人称介绍黑脸琵鹭，把黑脸琵鹭当做人来写，拉近了文本与读者的距离，值得借鉴。我们同学们也可以学着他的样子，让你喜欢的小动物开口说话。

图1 黄土高原植被分类图 Fig.1 Distribution map of vegetation types in the Loess Plateau

1.3 研究方法

式中：βj为需要估计的模型向量参数，ξi为干扰项，Yi为因变量向量，Xij为自变量向量，φ为方差函数V(x)的散布参数，ωi指观察值的信度，var为方差。

广义线性模型是对经典线性模型理论的重要推广，模型自1972年由Nelder和Wedderburn引入以来，已经在很多领域得到广泛的应用[16]。

1.2.4 植被类型图 1∶1 000 000的中国植被底图来源于中国科学院植物所。将数据库中的10种植被亚类合并为6大类，包括林地(针叶林、阔叶林和高山植被)，草地(草原，草甸)，灌木、荒漠、栽培植被以及其他(沼泽和无植被覆盖)。将植被图空间分辨率重采样为0.083°，且主要集中分析了林地、灌木和草地3种植被类型(图1)。

广义线性模型[17-18]：

μi=E[Yi]=g-1(∑Xijβj+ξi)

通过对比发现，春季、夏季和秋季3个季节中温度对ET的贡献(简称RCTEM)普遍较小，且夏季的RCTEM高于春季和秋季，同时通过计算进一步证实，春季的RCTEM为2.85%±1.50%，夏季的RCTEM为3.21%±1.03%，秋季的RCTEM为2.59%±1.08%，这3个季节的空间分布较为均匀(表1)。另外，不同植被的温度对ET的贡献也存在明显的差异，夏季林地RCTEM高于春季和秋季，而灌木和草地则表现为春季RCTEM高于夏季和秋季。同时，同一季节的RCTEM在植被类型之间也存在差异。春季灌木RCTEM最高，达到7.28±5.45%；而夏季林地RCTEM(4.42%±3.57%)高于灌木和草地；秋季不同植被RCTEM普遍较低，RCTEM最高的植被是草地。

运用广义线性模型(GLM)来探究气候和植被生长对于ET的影响，该模型被认为是释放自变量对于因变量的相对贡献的行之有效的方法。

农村配电网线路中存在同杆并架线路时，当某回线路上发生短路故障后，继电保护将故障线路跳开，但同杆并架的另一回线路仍然处于正常运行状态。此时，由于非故障线路与故障线路间的电容和互感，导致故障点电弧电流无法降低至0，增加电弧灭弧难度。在此状态下，故障点电弧中流过的电流称为潜供电流。由于潜供电流增加了故障点灭弧的难度，延长了故障点灭弧时间，可能导致自动重合闸后故障点绝缘未成功恢复，引发重合闸失败。

利用腹部具有实测横波的庄5井获取该区的纵、横波关系，并通过成1井岩样实测不同储层流体的纵、横波速度对其进行校正。对彩35井进行流体替换的井旁道集正演（图1）。模拟结果表明，该井的含油气砂体顶部的反射振幅随偏移距的增大而减小，确定侏罗系头屯河组含油气砂体为第Ⅰ类AVO异常，即AVO截距P为正、AVO斜率G为负。

（2）喜辽妥又名多磺酸粘多糖乳膏，是具有麝香草酚气味的乳剂型白色软膏，其主要活性成分是多磺酸粘多糖（组织性肝磷脂），它通过作用于血液凝固和纤维蛋白融解系统而发挥抗血栓形成作用；通过抑制各种参与分解代谢的酶以及影响前列腺素和补体系统而具有抗炎作用；通过促进间叶细胞的合成以及恢复细胞间物质保持水分的能力促进结缔组织再生，能防止浅表血栓形成，促进其吸收，阻止局部炎症发展和加速血肿吸收。

NDVI被用来表征植被变化，该指标被认为是在特定季节植被生长的整体状况的指示，将NDVI<0.1的值在最后的分析中剔除。降水、温度和NDVI为自变量，而ET为因变量。所有的变量在进行广义线性模型之前去趋势。将生长季定义为4～10月。数据处理和分析均在Matlab和R软件中完成。

2 结果与分析

2.1 温度对黄土高原蒸散发的影响

var[Yi]=φV(μi)/ωi

表1 1982～2011年不同植被类型的气候和植被对蒸散发贡献的季节性差异 Table 1 Spatial pattern of the relative contributions of climate and vegetation growth to evapotranspiration in different seasons in 1982-2011

植被类型季节NDVI/%降水/%温度/%林地春季25．60±12．84(77．77%)11．81±15．49(41．36%)5．12±5．41(18．69%)夏季10．24±13．87(41．36%)8．07±9．56(29．85%)4．42±3．57(20．19%)秋季23．55±12．15(83．70%)6．69±9．46(22．05%)2．35±2．68(6．02%)灌木春季18．31±13．81(69．36%)17．49±18．99(46．21%)7．28±5．45(28．50%)夏季16．00±14．78(57．98%)7．73±9．95(29．57%)3．49±5．83(16．44%)秋季21．13±13．22(82．59%)8．35±11．80(30．06%)2．81±3．14(7．88%)草地春季8．39±10．13(41．42%)26．99±20．66(67．18%)6．24±7．59(22．82%)夏季18．02±14．96(67．60%)15．71±13．45(53．86%)3．32±4．63(11．46%)秋季18．07±12．09(76．08%)16．43±13．85(64．90%)2．98±3．78(7．24%)

注：春季4、5月，夏季6-8月，秋季9、10月。表中括号里的数值指的是广义线性模型通过显著性检验的象元点所占的比例

2.2 降水对黄土高原蒸散发的影响

降水对ET贡献程度(简称RCPRE)普遍较高，RCPRE在春季、夏季和秋季分别为16.35%±5.30%,12.25%±4.73%,和11.06%±5.75%，且在更干旱的区域/植被类型中发现更高的RCPRE，草地和荒漠在3个季节的RCPRE普遍高于林地和灌木，且这两种植被在春季的RCPRE最高。同样，为了进一步明确降水对ET的贡献。随着降水梯度的变化，将降水以50 mm为间隔进行划分，并提取相应区间内RCPRE(图2)。通过对比发现随着年均降水量从200 mm增加到650 mm，降水对ET的贡献在3个季节中都出现了降低趋势，尽管春季在350～400 mm内RCPRE更高，但是并不影响整体趋势。降水对ET的贡献随着降水梯度的增加而降低，在春季从40.87%±19.19%减少到4.89%±5.60%,在夏季从30.38%±15.14% 减少到7.69%±8.55%,在秋季从28.57%±16.06%减少到3.65%±3.12%。值得注意的是，几乎在所有的降水梯度内，春季降水对ET的贡献都要高于夏季和秋季，同时，夏季降水对ET的贡献表现出更大的空间变化，在草地中发现更高的RCPRE。

图2 1982～2011年降水对ET贡献随降水梯度变化的季节性差异 Fig.2 Relationships between the relative contributions of precipitation to evapotranspiration and mean annual precipitation along a precipitation gradient in the Loess Plateau during 1982～2011

2.3 植被生长对黄土高原蒸散发的影响

NDVI对ET的贡献(RCNDVI)存在明显的空间差异。春季，在植被覆盖更高的区域发现NDVI对ET的贡献也更高，区域主要是以林地(RCNDVI为25.6%±12.84%)和灌木(RCNDVI为18.31%±13.81%)为主。但是，夏季林地RCNDVI(10.24%±13.87%)相比春季(24.18%±15.69%)减少，夏季更高的RCNDVI主要出现在农田以及退耕还林还草工程的核心区。更为显著的是，调查发现在秋季3种植被类型的RCNDVI普遍较高，RCNDVI在3种植被类型中从18.07%±12.09%变到24.55%±12.15%。同时，通过对比同一种植被在不同季节之间的RCNDVI，发现灌木和草地在秋季的RCNDVI明显高于春季和夏季，而林地则表现出春季的RCNDVI略高于秋季，而春季的RCNDVI最低。概率密度函数(PDF)进一步展示了不同植被类型的RCNDVI存在明显的季节性差异(α=0.05)(图3)。林地和灌木的概率密度函数在3个季节均表现出较为一致的浮动范围，RCNDVI均在0～60%，而草地的概率密度函数在春季的分布范围最低，草地春季RCNDVI的范围为0～40%，另外，草地在夏季和秋季RCNDVI的范围则扩展到0～60%。

加强酸性气田安全文化建设的探索与思考…………………………………………………………………………陆 博（2.91）

图3 1982～2011年不同植被NDVI对蒸散发贡献的概率密度分布 Fig.3 Probability density function (PDF) of the relative contribution of normalized difference vegetation index (NDVI) to evapotranspiration for different vegetati on type during 1982～2011

3 讨论

基于大尺度遥感数据，运用广义线性模型探究了气候和植被变化对黄土高原蒸散发的影响，通过分析发现气候和植被对蒸散发的影响存在明显的季节性差异。在水分受限的黄土高原，降水和植被生长对于季节性的ET的分布模式具有重要的影响[19-20]，但是，各因素对ET的贡献易受到季节性水热状况以及植被结构和功能(植被生长以及用水策略)的影响。和以往研究结果一致，研究发现降水在3个季节对ET均起到了十分重要的控制作用。黄土高原的植被在生长季经历了较为严重的水分短缺，因此，水分供给在调节ET的变化中扮演了重要的作用，尤其是在更干的区域/植被类型[21]。有研究表明更温暖的春季促使植被物候提前以及春季高盖度植被生长的增加[22]，而这些植被对于陆地ET的变化产生重要的影响，即春季NDVI对ET的高贡献，而秋季NDVI对ET的高贡献则可能归因于近年来黄土高原秋季物候的延长。

1.2.3 气候数据集 栅格温度及降水数据来源于中国区域高时空分辨率地面气象要素驱动数据集。该数据集融合中国气象局气象站点的数据而制作的一套时间分辨率为3 h，空间分辨率0.1°，时间尺度为1982～2011年的数据集。文中将3 h合并为天，空间分辨率重采样到0.083°。

4 结论

(1)温度对黄土高原蒸散发的影响相对降水和NDVI普遍较低，但是仍然存在明显的季节性差异。整体上表现为夏季温度对ET的影响最大，但是不同植被类型的温度对ET的影响季节差异明显。

(2)降水是黄土高原蒸散发变化的重要影响因素之一，3个季节均表现出随着降水的增加，对ET的影响逐渐减小。

于是乎，五湖四海、各行各业、天南地北寻鲤活动遍地开花，集中轰炸。于是乎，高校锦鲤、品牌锦鲤、地方锦鲤此起彼伏、层出不穷。要么是美容仪、营养素、包包、鞋子那些老少皆宜的东西，要么是某地方提供各种免费的吃喝玩乐，铜臭味太重太浓，充满了庸俗低俗，竟然很多人说臭得人神清气爽、俗得人醍醐灌顶，二脉打通了，我们给你点不俗的。

(3)NDVI对黄土高原蒸散发的影响显著，尤其是秋季林地、灌木、草地3种植被NDVI对ET的贡献普遍较高。

老板娘还没等我把话说完，就急切地说：“哪有这么巧的事情？好端端的衣柜，怎么早不散架，晚不散架，偏偏一抬到他周二家门口的时候就散架了哩？他周二当时也不仔细想想，他只捡了两块木板拿在手里敲了敲，木板‘空空空’地响，他当真就稀里糊涂地认定是衣柜的料不好，硬不相信那有什么不吉利的兆头。”

参考文献:

[1] Li Z,Liu X,Niu T,et al.Ecological restoration and its effects on a regional climate:The source region of the Yellow River,China[J].Environ Sci Technol,2015,49(10),5897-5904.

[2] Mohammat A,Wang X,Xu X,et al.Drought and spring cooling induced recent decrease in vegetation growth in Inner Asia[J].Agric For Meteorol,2013,178：21-30.

[3] 贺添,邵全琴.基于MOD16产品的我国2001-2010年蒸散发时空格局变化分析[J].地球信息科学学报,2014,16(6):979-988.

[4] Detto M,Montaldo N,Albertson J D,et al.Soil moisture and vegetation controls on evapotranspiration in a heterogeneous Mediterranean ecosystem on Sardinia[J].Water Resoure Res,2006,42:356-367.

[5] Gao G,Chen D,Xu C Y,et al.Trend of estimated actual evapotranspiration over China during 1960～2002[J].J.Geophys Res,2007,112:1120-1128.

[6] Liu Q,Yang Z.Quantitative estimation of the impact of climate change on actual evapotranspiration in the Yellow River Basin[J].China J Hydrol,2010,395(3),226-234.

[7] Mu Q,Zhao M,Running S W.Improvements to a MODIS global terrestrial evapotranspiration algorithm[J].Remote Sens Environ,2011,115(8),1781-1800.

[8] Liu Q,Yang Z.Quantitative estimation of the impact of climate change on actual evapotranspiration in the Yellow River Basin[J].China J Hydrol,2010,395(3),226-234.

[9] Villarreal S.Contrasting precipitation seasonality influences evapotranspiration dynamics in water-limited shrublands[J].J Geophys Res Biogeosci,2016,121,494-508.

[10] Zhang S Y,Li X Y,Zhao G Q,et al.Surface energy fluxes and controls of evapotranspiration in three alpine ecosystems of Qinghai Lake watershed,NE Qinghai-Tibet Plateau[J].Ecohydrology,2015(9):267-279.

[11] Xia J.Satellit-based analysis of evapotranspiration and water balance in the grassland ecosystems of Dryland East Asia,PLoS One,9(5),e97295,doi:10.1371/journal.pone.0097295.

[12] 张殿君,张学霞,武鹏飞.黄土高原典型流域土地利用变化对蒸散发影响研究[J].干旱区地理,2011,34(03):400-408.

[13] Stocker T,Qin D,Plattner G,et al.Climatechange 2013:The physical science basis.Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change[M].Cambridge:Cambridge University press,2014:78-79.

[14] Feng X M,Sun G,Fu B J,et al.Regionaleffects of vegetation restoration on water yield across the Loess Plateau[J].China Hydrol Earth Syst Sci,2012,16(8),2617-2628.

[15] Xu J.Decreasing trend of sediment transfer function of the Upper Yellow River,China,in response to human activity and climate change[J].Hydrol Sci J,2014,60(2),311-325.

[16] Nelder J A,Wedderburm R W M.Generalized linear models[J].J Roy Statist Soc,Ser A,1972,135:370-384.

[17] 陈希孺.广义线性模型(一)[J].数理统计与管理,2002,21(5):54-61.

[18] 张进春,吴超.基于广义线性模型的概率风险评价方法及其应用[J].中南大学学报(自然科学版),2011,42(6):1719-1724.

[19] 邵薇薇,杨大文,孙福宝,等.黄土高原地区植被与水循环的关系[J].清华大学学报(自然科学版),2009,49(12):1958-1962.

[20] Zeng R,Cai X.Assessing the temporal variance of evapotranspiration considering climate and catchment storage factors[J].Adv Water Resour,2015,79:51-60.

[21] Jung M.Recent decline inthegloballand evapotranspiration trend due to limited moisture supply[J].Nature,2010,467(7318):951-954.

[22] Piao S,Fang J,Zhou L,et al.Variations in satellite-derived phenology in China's temperate vegetation[J].Global Change Biol,2006,12(4):672-685.