《Journal of Hydrology: Regional Studies》：Intensification of irrigated agriculture and precipitation explain rising evapotranspiration in the Snake River Basin despite declining atmospheric demand
编辑推荐：
蒸散发（evapotranspiration, ET）是美国西部灌溉农业流域水平衡中的主要输出项，常超过降水量的70%。与可在点尺度直接测定的径流或地下水引水量不同，ET的测量必须整合气候强迫、植被生理、土壤水分动态以及异质景观下的土地管理决策等综合效应，这使
蒸散发（evapotranspiration, ET）是美国西部灌溉农业流域水平衡中的主要输出项，常超过降水量的70%。与可在点尺度直接测定的径流或地下水引水量不同，ET的测量必须整合气候强迫、植被生理、土壤水分动态以及异质景观下的土地管理决策等综合效应，这使得ET成为流域尺度水量平衡中难以量化且不确定度较高的组分。在实行优先占用权制度和已裁决的河流系统中，量化不同用户消耗的水量及其随时间的演变，直接关系到水权管理、州际协议和气候变化背景下的长期规划。尽管卫星遥感ET估算方法已日趋成熟，并已发展为OpenET平台——一个基于六套卫星驱动模型、以30米空间分辨率提供美国全境一致化ET估算的云平台，但在蛇河流域这一兼具复杂水治理结构和高强度灌溉农业的地区，ET趋势及其驱动因素的定量认识仍存在关键空缺。本研究利用OpenET集成模型，分析了2000–2023水文年蛇河流域53个HUC-8子流域的水年总ET，采用线性混合效应模型将ET趋势归因于灌溉面积、降水和大气蒸发需求的变化，并评估了ET模型选择对趋势检测和归因的影响。结果表明，53个子流域中有25个ET显著增加，流域中位数斜率为1.7毫米每年；灌溉面积扩张是主导驱动因子，在显著趋势子流域中贡献中位数占54%，降水为次要正贡献，而参考ET呈负向抵消作用。实际ET在参考ET下降背景下仍上升，表明土地利用变化较气候因素更为主导。GRACE水量平衡ET和Landsat净初级生产力（NPP）两套独立数据从方向上印证了ET增强信号。六套OpenET模型间的对比显示，趋势幅度和归因结果存在实质性差异，表明采用集成平均并系统刻画不确定性，是遥感ET在水资源管理中可靠应用的必要前提。
蛇河流域蒸散发增强驱动的多源证据与归因研究解读
一、研究背景与问题
蒸散发（evapotranspiration, ET）是美国西部灌溉农业流域水平衡中最大的输出项，常超过降水量的70%。不同于可在点尺度直接测定的径流或地下水引水量，ET需要整合气候强迫、植被生理、土壤水分动态和土地管理决策在异质景观中的综合效应，因此成为流域尺度水量平衡估算中最困难且不确定度最高的组分。在实行优先占用权制度的美国西部，准确核算ET直接关系到水权管理、州际协议执行和气候变化下长期规划。蛇河流域（Snake River Basin, SRB）涵盖爱达荷州南部超过一百万公顷灌溉农田，依赖蛇河地表引水和东蛇河平原含水层（Eastern Snake Plain Aquifer, ESPA）地下水供水，其水权分配受制于优先占用权和州级 conjunctive management 规则，并长期存在地下水用户与地表水联盟之间的法律争端。尽管需求紧迫，蛇河流域仍存在关键认识空缺：实际ET在近期究竟增加、减少还是稳定？其驱动因素是什么？不同驱动因素的相对重要性在空间上如何变化？ET模型选择给趋势和归因结论带来多大不确定性？本研究针对这些问题展开系统分析。
二、研究目标与结论概述
研究的具体目标包括：（1）利用OpenET集成模型分析2000–2023水文年蛇河流域53个HUC-8子流域的水年总ET及其趋势；（2）通过线性混合效应模型将ET趋势归因于灌溉面积、降水和大气蒸发需求变化；（3）评估ET模型选择对趋势检测和归因结论的影响。研究得出如下核心结论：ET在53个子流域中的25个显著增加（p<0.05），流域中位数Sen斜率为1.7毫米每年；灌溉面积扩张是最主导的驱动因子，在显著趋势子流域中贡献中位数占54%，其次为降水（19%），参考ET则呈负向抵消作用（中位数-5.7%）；实际ET在参考ET下降的背景下仍上升，凸显土地利用变化对消耗性用水变化的主导作用；GRACE水收支ET和Landsat净初级生产力（NPP）两套独立数据从方向上印证了ET增强信号；同时，六套OpenET模型之间的趋势幅度和归因差异显著，说明系统刻画模型不确定性是遥感ET用于水资源管理的前提。
三、主要技术方法
研究以OpenET集成平均月ET为响应变量（2000–2023水文年，30米分辨率），在53个HUC-8子流域内聚合并求水年总量，形成53×24的流域-年面板数据。灌溉面积采用IrrMapper产品（Landsat随机森林分类，30米分辨率）计算各子流域年灌溉比例。大气蒸发需求以gridMET提供的参考ET（ETrs，紫花苜蓿参考蒸散发）表示，降水亦取自gridMET。上述数据处理均在Google Earth Engine中完成。净初级生产力（NPP）采用Robinson等（2018）的Landsat派生产品（2000–2020年，30米分辨率），作为ET增强的生态学旁证。作物类型结构使用USDA NASS的作物数据层（Cropland Data Layer, CDL，2008–2023年）。独立验证方面，基于GRACE/GRACE-FO的JPL mascon陆地水储量异常，结合四种降水产品和USGS径流数据，按水量平衡残差法估算HUC-4尺度的ET。趋势检测采用Theil-Sen斜率和Mann-Kendall检验，必要时使用趋势游离预白化处理。归因采用含随机截距和随机斜率的线性混合效应模型，将所有预测变量中心化和标准化，以固定效应系数反映流域平均敏感性，并结合各预测因子的Sen斜率计算驱动因子的绝对和相对贡献。
四、研究结果
（1）ET的变化
OpenET观测显示，2000–2023年间蛇河流域53个HUC-8子流域中有25个ET显著增加（p<0.05），另有25个呈不显著正趋势，没有出现显著下降。流域中位数Sen斜率为1.7毫米每年，相当于研究期内累计上升约41毫米（长期均值452毫米每年）。显著趋势子流域的中位增加速率为2.4毫米每年，最快流域接近4–5毫米每年。最强且统计上最稳健的趋势集中在蛇河干流沿线及邻近子流域，边缘源头子流域趋势较弱且不显著。上蛇河子流域ET增速（2.0毫米每年）高于中蛇河（1.41毫米每年）。GRACE和GRACE-FO导出的水量平衡ET趋势虽然统计上不显著，但方向一致：上蛇河为2.1毫米每年，上下蛇河合计为2.7毫米每年；ET占两个区域年平均降水的75%–84%。Landsat NPP在53个子流域全部呈增加趋势，其中47个显著（p<0.05），流域中位数Sen斜率为3.6×10?3 kg C m?2每年，累计增加约87 g C m?2。NPP趋势的空间格局与ET高度吻合，从过程机制上印证了ET增强信号。
（2）ET趋势归因
在25个ET显著增加的子流域中，灌溉面积是最主要驱动因子，贡献中位数占54%，并在20个子流域中排名第一；其贡献在53个子流域中的52个为正值，一致性极强。降水是第二大贡献因子，中位数归因占19%，在48个子流域中为正贡献。参考ET具有相反作用，中位数归因占-5.7%，在39个子流域中为负贡献。线性混合效应模型中三个固定效应均显著：灌溉面积敏感性最大（β=115.8毫米每标准差，p<0.001），其次为降水（β=24.8毫米每标准差，p<0.001）和参考ET（β=6.2毫米每标准差，p=0.015）。预测变量间共线性极低（VIF=1.02–1.07）。随机斜率方差显示，各子流域对灌溉面积变化的敏感性差异最大（σ2=1419），远大于降水（σ2=588）和参考ET（σ2=176）。模型条件R2=0.979，固定效应边际R2=0.372。从所有53个子流域看，灌溉面积、降水、参考ET对观测ET趋势的贡献中位数分别为0.61、0.29和-0.10毫米每年，三者合计解释趋势中位数约1.0毫米每年，占观测中位数趋势（1.7毫米每年）的约三分之二，剩余约0.6毫米每年归因于模型未解析的因子，包括作物组成变化、灌溉现代化等。
（3）对ET模型选择的敏感性
六套OpenET模型的长期流域均值ET相差最多达160毫米（eeMETRIC为373毫米每年，PT-JPL为532毫米每年），模型间中位数离散度约135毫米每年，并且未随研究期收敛。模型分歧在冬季和过渡月份最大（12月–4月变异系数>0.25），在生长旺季（6–7月）最小（变异系数<0.10）。基于不同模型计算的显著趋势子流域数差异明显（图中显示3至40个不等）。重新拟合归因模型后，灌溉面积固定效应系数从geeSEBAL的50.5毫米每标准差到SSEBop的276.0毫米每标准差不等（集成平均为115.8毫米每标准差）；降水系数从geeSEBAL的0.7毫米每标准差到SIMS的83.0毫米每标准差；参考ET系数从ALEXI/DisALEXI的-4.4毫米每标准差到SSEBop的+17.2毫米每标准差。尽管定量归因对模型选择敏感，但“灌溉面积为主导正驱动、参考ET为次要或负驱动”的方向性结论在大多数模型中保持一致，支持归因结论的稳健性。
五、讨论与结论
讨论部分指出，蛇河流域ET增强的重要背景是农业商品结构演变。USDA NASS作物数据层（2008–2023）显示流域整体向奶牛饲草种植转变：紫花苜蓿、其他干草和玉米在作物总面积中的占比上升，而上蛇河子流域该变化最为明显（约43%升至52%以上）。奶牛饲草作物（苜蓿、玉米、其他干草）和其替代的作物相比，年ET平均高出约77毫米（832毫米每年对比755毫米每年），差异主要来源于更长的活跃生长季节。作物组成的这种变化即使灌溉总面积不变也可驱动ET增加，可能解释了归因模型中约33%的残差趋势。灌溉现代化（如从漫灌改为加压喷灌）减少了深层渗漏和径流等非消耗性损失，提高了消耗性用水比例，也是可能机制之一。ET增加直接减少了可用的下游水量，加剧了ESPA水位下降和蛇河断面临近地区的短缺，为2024年地表水联盟与地下水区之间谈判新的缓解计划提供了需求侧压力背景。按均匀趋势推算，观测到的ET趋势对应上蛇河、中蛇河及全流域的体积累积增加分别约为150600、109500和273800英亩英尺每年，2000–2023年间累计增加约660万英亩英尺。研究还强调，实际ET上升与参考ET下降的相反走势，表明基于作物系数的FAO56两步法会掩盖土地利用变化对ET的影响，只有能够刻画动态地表特征的遥感ET产品才能捕捉这种分异。
研究结论：2000–2023年间蛇河流域ET显著增强，53个子流域中有25个呈显著增加，流域中位数速率为1.7毫米每年；该信号的正确性得到GRACE水收支ET和NPP两方面的独立方向性印证。灌溉面积扩张是最主要驱动因子，在显著趋势子流域中中位贡献54%，降水为次要正贡献，参考ET下降为负向抵消。实际ET在参考ET下降背景下仍上升，表明土地利用变化相对于气候因素在消耗性用水变化中居主导地位；而参考ET的下降也可能部分是对实际ET上升的互补性响应。作物数据层分析进一步显示灌溉扩张主要指向奶牛饲草生产，作物组成变化可能贡献未解释残差。六套OpenET模型之间的比较揭示了趋势幅度和归因结果的实质性不确定性，因此集成平均方法和全面的不确定性刻画是遥感ET在受管河流系统水资源核算中可靠应用的必要前提。
