2001–2022年间中国蒸散作用的时空变化及其驱动因素

《Journal of Hydrology X》：Spatiotemporal variation and driving effects of evapotranspiration in China during 2001–2022

本研究通过整合三个主流ET产品（PML-V2、GLEAM、MODIS）在中国20个flux观测站的数据，系统评估了其区域适用性。采用随机森林模型结合SHAP分析，发现GLEAM整体拟合精度最高，PML-V2次之，MODIS较差。中国ET自2001-2022年呈显著上升趋势，未来将呈现空间异质性，以反持续性增加为主，持续增加为辅。主要驱动因素为降水（PRE）、植被覆盖（LAI）和温度（TEM），其中PRE影响最显著。研究为ET机制分析和生态修复提供了科学依据。

　　本研究通过整合三种主流的遥感蒸散发（ET）产品，并结合中国20个通量观测站的月度数据，对ET的变化趋势及其驱动机制进行了系统性评估。研究结果揭示了中国ET变化的复杂性，并为理解ET的非线性影响提供了科学依据。以下是对研究内容的详细解读。

### 中国蒸散发的背景与重要性

蒸散发是地表与大气之间水和能量交换的关键过程，主要包括植被蒸腾、冠层截留蒸发以及土壤蒸发。在气候变化背景下，蒸散发的变化不仅反映了生态系统水循环的动态，还对区域的水热平衡和碳循环产生重要影响。此外，随着全球变暖，气候和植被因素的交互作用使得ET的变化趋势更加复杂。因此，准确监测ET的变化特征及其驱动机制对于理解气候变化及其影响以及制定有效的适应策略具有重要意义。

### 研究方法与数据来源

本研究采用了多种方法，包括Taylor图进行ET产品的性能评估、M-K趋势检验和Hurst指数分析以识别ET的时间趋势和未来变化的持续性，以及随机森林（RF）回归模型与SHAP方法结合，以量化主要气候和植被驱动因素对ET变化的非线性影响。研究数据来源于2001年至2022年中国20个通量观测站的月度观测数据，以及MODIS、GLEAM和PML-V2三种遥感ET产品。这些数据经过预处理，包括统一投影、重采样和裁剪，以确保分析的一致性和准确性。

### ET产品的准确性验证

通过将ET产品与观测数据进行比较，研究发现GLEAM在大多数站点表现最佳，其与观测数据的Pearson相关系数（r）普遍高于0.80，平均r值为0.86，且均方根误差（RMSD）为17.40 mm·a?1。PML-V2在大部分站点也表现出良好的拟合性能，平均r值为0.81，RMSD为19.90 mm·a?1。相比之下，MODIS的平均r值仅为0.58，RMSD为24.60 mm·a?1，表明其在拟合性能方面相对较弱。这种差异可能源于不同产品对水文和气象变量的处理方式不同，其中GLEAM通过结合多种遥感数据源，平衡了能量驱动和水分限制过程，从而提高了ET估算的准确性。

### ET的时空变化趋势与未来预测

从2001年至2022年，中国整体的ET呈现出显著上升趋势，这一趋势在生态脆弱地区尤为明显，如中国西南部的高地、东北地区的森林-草原过渡带以及黄土高原。这种增长趋势主要归因于过去二十年实施的大规模生态恢复项目，如“退耕还林”和“三北防护林”工程，这些项目显著改善了区域植被覆盖，提高了植物蒸腾作用，从而促进了ET的增加。然而，在未来气候情景下，ET的变化趋势将变得更加复杂，预计将以“反持续增加”为主导，辅以“持续增加”。具体而言，预计超过48%的区域将表现出ET的下降趋势，而黄土高原和东北森林-草原过渡带等生态恢复区仍将继续维持ET的上升趋势。

### 驱动因素的非线性分析

研究采用RF-SHAP方法对ET的主要驱动因素进行了非线性分析。结果表明，降水（PRE）是影响中国ET变化的最重要因素，其在所有三种ET产品中均占据主导地位，对ET的平均影响超过50%。植被覆盖指数（LAI）作为第二重要的驱动因素，在所有产品中都显示出显著的正向影响，尤其是在黄土高原等植被恢复区。温度（TEM）在所有产品中也表现出较强的总体影响，尤其是在PML-V2模型中。然而，其他因素如蒸气压差（VPD）、太阳辐射（SRAD）和土壤水分（SM）的影响则因产品而异。MODIS产品对VPD的响应较强，而PML-V2对SRAD的依赖性较高。尽管SM在所有模型中的SHAP值相对较低，但在水分限制地区，其对ET的调控作用仍然不可忽视。

### 驱动因素的线性与非线性差异

部分相关性分析与RF-SHAP方法在解释ET驱动因素方面展现了不同的机制。部分相关性分析主要关注单一驱动因素与ET之间的线性关系，而RF-SHAP方法则能够揭示不同驱动因素在非线性及交互作用下的相对影响。研究发现，虽然部分相关性分析显示SM与ET之间存在最强的线性关联，但在非线性框架下，PRE的影响更为显著。这一结果表明，虽然SM在某些区域具有重要的线性作用，但PRE作为主要的水分来源，其在整体上对ET变化的主导作用更为明显。类似地，MODIS产品中LAI与ET的线性相关性较强，但PRE的影响仍大于LAI，表明植被对ET的调控作用高度依赖于降水条件。

### 驱动因素的区域差异

研究还揭示了不同区域驱动因素对ET的影响存在显著差异。例如，在西北地区，PRE和SRAD是主要的驱动因素，而在干旱和半干旱地区，SM的作用则更为突出。此外，植被因素如LAI在多个区域显示出较强的正向影响，尤其是在黄土高原和东南沿海地区。这些区域的变化趋势主要受到生态恢复政策和气候变化的共同影响。值得注意的是，虽然某些区域的ET表现出上升趋势，但其他区域如东南西藏和内蒙古中部则可能呈现下降趋势，这与该地区气候条件和植被状况的变化密切相关。

### 研究的局限性与未来展望

尽管本研究提供了对ET变化趋势和驱动机制的深入理解，但仍存在一定的局限性。首先，研究主要依赖于遥感数据和有限数量的通量观测站点，这可能影响结果的全面性和准确性。其次，部分模型的参数化方法存在不确定性，特别是在处理水分限制和能量驱动因素时。此外，土地利用变化、城市扩张和人为活动等因素对ET的影响尚未完全纳入分析框架。未来的研究需要进一步整合更广泛的气候和人为变量，以系统评估这些因素对ET变化的潜在影响。同时，研究还应关注大气中二氧化碳浓度的变化，因为其对ET的影响具有复杂的非线性特征，且在不同区域和生态系统中表现出显著的差异。

### 结论

本研究通过整合三种主流ET产品，结合多站点观测数据和先进的非线性分析方法，揭示了中国ET变化的复杂性及其驱动机制。研究发现，GLEAM在大多数区域表现出最佳的拟合性能，特别是在干旱和生态复杂地区，而MODIS的性能相对较弱。从2001年至2022年，中国整体的ET显著上升，未来的变化趋势则预计以反持续增加为主。降水是影响ET变化的最主要因素，而植被覆盖指数在多个区域显示出重要影响。此外，温度、蒸气压差和太阳辐射等气象因素在不同区域表现出不同的作用。通过采用RF-SHAP方法，研究不仅量化了各驱动因素对ET变化的非线性影响，还增强了模型的可解释性，为理解ET的机制提供了新的视角。这些发现对于指导生态恢复政策、优化遥感ET产品以及应对气候变化具有重要意义。