基于多源數(shù)據(jù)與多模型集成的流域人為蒸散發(fā)變異評(píng)估

韋 林，段 凱，2，劉效東，林玉茹，陳曉宏，王小辣

（1.中山大學(xué) 土木工程學(xué)院，廣東 廣州 510275；2.南方海洋科學(xué)與工程廣東省實(shí)驗(yàn)室（珠海），廣東 珠海 519082；3.華南農(nóng)業(yè)大學(xué) 林學(xué)與風(fēng)景園林學(xué)院，廣東 廣州 510642；4.長(zhǎng)江水利委員會(huì) 長(zhǎng)江科學(xué)院，湖北 武漢 430010）

1 研究背景

蒸散發(fā)包括地表植被蒸騰、冠層截留、水面和土壤的蒸發(fā)，是水文循環(huán)和能量平衡的關(guān)鍵要素［1］。蒸散發(fā)不僅受氣候變化的影響，還受水庫(kù)調(diào)蓄、消耗性用水、跨流域調(diào)水、土地利用/覆被變化等人類(lèi)活動(dòng)的影響［2-4］。在人類(lèi)活動(dòng)日益加劇的背景下，評(píng)估流域或區(qū)域尺度上的人為蒸散發(fā)變異對(duì)水資源可持續(xù)管理至關(guān)重要［5-6］。

然而，蒸散發(fā)的實(shí)測(cè)數(shù)據(jù)稀少且難以獲取，流域蒸散發(fā)的估算通常基于對(duì)站點(diǎn)/小流域尺度上觀測(cè)數(shù)據(jù)的升尺度分析、流域水文模型模擬、或大尺度遙感數(shù)據(jù)產(chǎn)品的應(yīng)用，面臨著空間異質(zhì)性與尺度差異的難題，仍存在較大不確定性［7-8］。目前研究人為蒸散發(fā)變異的思路主要有兩種，一種是在傳統(tǒng)水文模型中加入取水、耗水、灌溉等模塊，用于模擬人類(lèi)活動(dòng)對(duì)蒸散發(fā)及其它主要水文過(guò)程的影響［9-12］。由于缺少人類(lèi)活動(dòng)的相關(guān)數(shù)據(jù)以及對(duì)其影響機(jī)制的認(rèn)知有限，模型相關(guān)參數(shù)的區(qū)域性顯著，一般很難在全球陸面水文模型中實(shí)現(xiàn)參數(shù)化［13］，因此大多數(shù)陸面水文模型側(cè)重于模擬自然條件下的蒸散發(fā)。第二種思路是比較模型模擬蒸散發(fā)與水量平衡法得到的蒸散發(fā)之間的差異，從而衡量人類(lèi)活動(dòng)的影響程度［14-15］。重力恢復(fù)與氣候?qū)嶒?yàn)（GRACE）衛(wèi)星觀測(cè)的陸地水儲(chǔ)量變化被廣泛用于水量平衡計(jì)算［16-17］。在較大的空間尺度上，陸面水文模型模擬的天然蒸散發(fā)與基于水量平衡法估算的實(shí)際蒸散發(fā)之間的差異可被認(rèn)為是人類(lèi)活動(dòng)所引起的蒸散發(fā)變化［18-19］。例如，Castle 等［14］利用水量平衡與北美陸面數(shù)據(jù)同化系統(tǒng)（NLDAS）數(shù)據(jù)，識(shí)別了美國(guó)科羅拉多河流域生長(zhǎng)季節(jié)期間人類(lèi)活動(dòng)引起的蒸散發(fā)變化；Pan 等［15］比較了水量平衡法與全球陸面數(shù)據(jù)同化系統(tǒng)（GLDAS）模擬的蒸散發(fā)，發(fā)現(xiàn)人類(lèi)活動(dòng)導(dǎo)致海河流域年蒸散發(fā)增加了12%；Chen 等［20］用類(lèi)似的方法，發(fā)現(xiàn)人類(lèi)活動(dòng)導(dǎo)致松花江流域年蒸散發(fā)減少了12%；Liu 等［21］對(duì)比水量平衡法與VIP-RS 模擬結(jié)果，發(fā)現(xiàn)近年來(lái)人類(lèi)活動(dòng)引起子牙-大清河流域蒸散發(fā)量持續(xù)增長(zhǎng)，增幅為4.88 km3/a。該類(lèi)研究的評(píng)估結(jié)果高度依賴于模型的選擇，盡管有研究利用人類(lèi)活動(dòng)影響之前的時(shí)期作為參照，校正陸面模式的天然徑流數(shù)據(jù)［22］，但模型結(jié)構(gòu)的不確定性仍是限制蒸散發(fā)評(píng)估精度的重要因素［23］。

多模型集成技術(shù)是彌補(bǔ)單個(gè)數(shù)據(jù)產(chǎn)品或單個(gè)模型系統(tǒng)偏差的有效工具，可從單值預(yù)測(cè)［24-25］或概率密度預(yù)測(cè)［26-27］的角度集成不同模型的優(yōu)勢(shì)。其中，以貝葉斯模型加權(quán)平均（Bayesian model averaging，BMA）為代表的多模型概率集成方法可綜合多個(gè)模型模擬值的后驗(yàn)分布，提供更為可靠的概率分布預(yù)測(cè)，已在氣象與水文預(yù)報(bào)等領(lǐng)域得到廣泛應(yīng)用，但在蒸散發(fā)研究中尚不多見(jiàn)［28-30］。為充分利用現(xiàn)有多源數(shù)據(jù)［31］，合理評(píng)估人類(lèi)活動(dòng)導(dǎo)致的流域蒸散發(fā)變異并量化其不確定性，本文構(gòu)建了一種基于多源數(shù)據(jù)與BMA 多模型集成的人為蒸散發(fā)變異評(píng)估框架，通過(guò)綜合利用地面觀測(cè)、水資源統(tǒng)計(jì)、衛(wèi)星遙感、與陸面模型等數(shù)據(jù)，并以概率方式集成多個(gè)模型的模擬結(jié)果，以提高評(píng)估結(jié)果的可靠性，為強(qiáng)烈人類(lèi)活動(dòng)影響下的流域水資源管理提供科學(xué)依據(jù)。

2 研究方法

本研究技術(shù)路線如圖1 所示。通過(guò)BMA 集成多種陸面水文模型對(duì)天然條件下流域蒸散發(fā)的模擬結(jié)果（即“天然蒸散發(fā)”），利用流域?qū)崪y(cè)降水、徑流序列與GRACE 重力衛(wèi)星提供的陸地水儲(chǔ)量數(shù)據(jù)推算實(shí)際發(fā)生的流域蒸散發(fā)（即“實(shí)際蒸散發(fā)”），進(jìn)而使用“天然蒸散發(fā)”與“實(shí)際蒸散發(fā)”的差值，評(píng)估人類(lèi)活動(dòng)所導(dǎo)致的流域蒸散發(fā)變異及其不確定性區(qū)間。

圖1 人為蒸散發(fā)變異評(píng)估框架

2.1 數(shù)據(jù)預(yù)處理搜集整理研究區(qū)域的降水、徑流、潛熱通量等地面觀測(cè)數(shù)據(jù)，相關(guān)地區(qū)的水資源統(tǒng)計(jì)數(shù)據(jù)，GRACE 衛(wèi)星陸地水儲(chǔ)量數(shù)據(jù)，陸面水文模型的降水、蒸散發(fā)、徑流再分析數(shù)據(jù)產(chǎn)品等基礎(chǔ)數(shù)據(jù)。結(jié)合地面實(shí)測(cè)數(shù)據(jù)，對(duì)統(tǒng)計(jì)數(shù)據(jù)、遙感數(shù)據(jù)與再分析數(shù)據(jù)進(jìn)行尺度同化與校正處理。統(tǒng)計(jì)分析流域內(nèi)的水資源供用耗排、水庫(kù)調(diào)蓄與滲漏損失、跨流域調(diào)水等因素，應(yīng)用逐項(xiàng)還原法，將實(shí)際徑流還原為天然徑流。

2.2 天然蒸散發(fā)計(jì)算

2.2.1 陸面水文模型優(yōu)選與集成 由于可用于模型校驗(yàn)的蒸散發(fā)數(shù)據(jù)較為缺乏，本文根據(jù)備選模型對(duì)于天然徑流的模擬精度進(jìn)行模型優(yōu)選，在結(jié)合降水輸入數(shù)據(jù)進(jìn)行徑流校正處理的前提下，假設(shè)模型的徑流模擬精度可有效反映流域蒸散發(fā)的模擬效果。模型優(yōu)選按以下步驟進(jìn)行：首先，分析單個(gè)模型的模擬效果，確定備選模型；其次，使用BMA 方法進(jìn)行多模型集成，分析不同模型組合在集成后的模擬精度與不確定性；最后，綜合分析單個(gè)模型與模型集成在研究區(qū)域的適用性。

BMA 是一種基于貝葉斯理論的統(tǒng)計(jì)后處理方法，可以結(jié)合多個(gè)模型進(jìn)行聯(lián)合推斷和預(yù)測(cè)，其核心是以后驗(yàn)概率作為權(quán)重，對(duì)備選模型進(jìn)行概率的加權(quán)平均［32-33］：

式中：y為多模型集成結(jié)果；f=f1，…，fk為k個(gè)模型的模擬值；yT為通過(guò)實(shí)測(cè)值；p(fk|yT)為第k個(gè)模型模擬值的后驗(yàn)概率，即模型權(quán)重；pk(y|(fk，yT))表示與單個(gè)模型的模擬結(jié)果fk相聯(lián)系的條件概率密度函數(shù)。BMA 多模型集成的期望值和方差分別為：

式中：g(y|fk，σk2)表示均值為fk、方差為σk2的正態(tài)分布；wk為第k個(gè)模型的權(quán)重；方差包含兩項(xiàng)，分別為模式間方差與模式內(nèi)方差。模型集成中單個(gè)模型的權(quán)重wk和方差σk2可通過(guò)期望最大化（EM）算法求解，算法流程參見(jiàn)文獻(xiàn)［26，34］。

2.2.2 模型評(píng)價(jià)指標(biāo) 本文采用納什效率系數(shù)（NSE）［36］、相關(guān)系數(shù)（r）、均方根誤差（RMSE）［37］作為模擬精度的評(píng)價(jià)指標(biāo)，使用覆蓋率（CR）、平均相對(duì)帶寬（RB）來(lái)衡量BMA 集成模擬的不確定性［33］，通過(guò)綜合考慮模擬精度與不確定性范圍來(lái)進(jìn)行模型優(yōu)選。表1所示為各個(gè)指標(biāo)的計(jì)算公式。

表1 模型評(píng)價(jià)指標(biāo)及計(jì)算公式

2.2.3 天然蒸散發(fā)數(shù)據(jù)的概率集成 通過(guò)將BMA 權(quán)重賦予備選模型模擬的蒸散發(fā)序列，最終得到蒸散發(fā)集成模擬結(jié)果與不確定性區(qū)間。步驟如下：（1）考慮到天然情況下的徑流和蒸散發(fā)變量通常是非正態(tài)的，而B(niǎo)MA 方法假定條件分布需服從正態(tài)分布，首先使用Box-Cox 變換對(duì)各個(gè)模型的蒸散發(fā)序列進(jìn)行正態(tài)轉(zhuǎn)換；（2）使用蒙特卡羅組合抽樣方法隨機(jī)抽選出某個(gè)備選模型，重復(fù)抽選100 次以生成逐時(shí)段的樣本分布；（3）將樣本從小到大排序，使用5%和95%分位數(shù)分別作為上下邊界，即可得到90%置信區(qū)間內(nèi)的不確定性范圍；（4）使用Box-Cox 逆變換，得到多模型集成蒸散發(fā)序列的期望值與不確定性范圍。具體算法可參見(jiàn)文獻(xiàn)［26，34-35］。

2.3 實(shí)際蒸散發(fā)與人類(lèi)活動(dòng)影響評(píng)估根據(jù)流域水量平衡原理，利用降水、實(shí)測(cè)徑流、陸地水儲(chǔ)量變化［16］計(jì)算逐月的流域?qū)嶋H蒸散發(fā)：

式中：P為降水量；Robs為實(shí)測(cè)徑流量；TWSC為時(shí)段內(nèi)的陸地水儲(chǔ)量變化量。

TWSC計(jì)算公式為：

式中TWSAt為第t個(gè)月的陸地水儲(chǔ)量距平值。

實(shí)際蒸散發(fā)與天然蒸散發(fā)的差值可視為人類(lèi)活動(dòng)引起的流域蒸散發(fā)變化（ETH）：

式中：ETobs為基于水量平衡法估算的實(shí)際蒸散發(fā)；ETnat為模型模擬的天然蒸散發(fā)。

3 案例研究

3.1 研究區(qū)域與數(shù)據(jù)本文以珠江流域?yàn)槔?。珠江流域（東經(jīng)102°14′—115°53′，北緯21°31—26°49′）地處華南熱帶亞熱帶氣候地區(qū)（圖2），研究區(qū)域面積為44.21萬(wàn)km2，包括西江、北江和東江三大子流域。當(dāng)前珠江流域的流域尺度蒸散發(fā)研究主要集中在時(shí)空變化規(guī)律分析［38-40］，針對(duì)人為蒸散發(fā)變異的系統(tǒng)研究較為缺乏。所使用的數(shù)據(jù)如表2所示。

圖2 珠江流域水系、站點(diǎn)與土地利用類(lèi)型分布

表2 研究數(shù)據(jù)

3.1.1 地面觀測(cè)數(shù)據(jù) 降水?dāng)?shù)據(jù)來(lái)自中國(guó)區(qū)域地面氣象要素?cái)?shù)據(jù)集（CMFD）［41-42］，該數(shù)據(jù)集通過(guò)地面氣象站點(diǎn)的實(shí)測(cè)數(shù)據(jù)插值生成，時(shí)間分辨率為3 h，水平空間分辨率為0.1°×0.1°。水文數(shù)據(jù)包括高要、石角、博羅三個(gè)主要控制站的逐月實(shí)測(cè)徑流數(shù)據(jù)。此外，潛熱通量觀測(cè)數(shù)據(jù)可通過(guò)汽化系數(shù)（λ=2.45×106J/kg）換算為點(diǎn)尺度上的實(shí)測(cè)蒸散發(fā)，本文使用ChinaFLUX 鼎湖山站通量系統(tǒng)的數(shù)據(jù)代表珠江流域森林生態(tài)系統(tǒng)蒸散發(fā)［43］，作為模型模擬精度的參照標(biāo)準(zhǔn)之一。

3.1.2 GRACE 衛(wèi)星數(shù)據(jù) GRACE 衛(wèi)星通過(guò)監(jiān)測(cè)時(shí)變重力場(chǎng)變化得到地表質(zhì)量變化，并轉(zhuǎn)化為厘米級(jí)的等效水高變化［44］，數(shù)據(jù)序列最早始于2002年4月。本文使用CSR 和JPL 2 家研究機(jī)構(gòu)公布的2003—2016年RL06 Mascon 數(shù)據(jù)產(chǎn)品，為了減少由不同GRACE 后處理策略帶來(lái)的不確定性，采用這2 種數(shù)據(jù)計(jì)算結(jié)果的算數(shù)平均值作為研究區(qū)域的陸地水儲(chǔ)量距平［45］。由于GRACE 衛(wèi)星在其運(yùn)行過(guò)程中因自身軌道調(diào)整等因素導(dǎo)致部分?jǐn)?shù)據(jù)缺失，采用K 近鄰算法（K Neareast Neighbor，KNN）插補(bǔ)缺失值［46］。

3.1.3 陸面水文模型數(shù)據(jù) 本文采用ERA-Interim［47］、GLDAS2［48］的天然蒸散發(fā)、天然徑流、降水?dāng)?shù)據(jù)。ERA-Interim 數(shù)據(jù)為逐日時(shí)間步長(zhǎng)，空間分辨率為0.25°。GLDAS2 采用目前發(fā)布的最新版本GLDAS2.1，包含Noah、VIC、CLSM 模式，三個(gè)模式由于缺少人類(lèi)活動(dòng)的參數(shù)僅模擬自然條件下的蒸散發(fā)［14］。其中，Noah 數(shù)據(jù)空間分辨率為0.25°，VIC 和CLSM 數(shù)據(jù)空間分辨率為1.0°，為保持一致性，用雙線性插值法將VIC 和CLSM 數(shù)據(jù)從1.0°插值到0.25°。

3.2 水文模型適用性分析

3.2.1 降水 圖3 為2003—2016年4 個(gè)陸面水文模型模擬的降水、徑流與實(shí)測(cè)降水、Rnat的年內(nèi)變化特征。受東南季風(fēng)和西南季風(fēng)的影響，珠江流域降水具有明顯的季節(jié)性，4 種模擬數(shù)據(jù)均呈現(xiàn)出夏季高、冬季低的特點(diǎn)，其中，CLSM、Noah 的降水強(qiáng)迫數(shù)據(jù)是相同的，CLSM、VIC 的季節(jié)變化特征與CMFD 降水最為接近。在珠江流域，4 個(gè)模型模擬的降水與CMFD 降水的r均在0.9 以上，Noah 的精度最高，與CMFD 的r為0.98，ERA-Interim 與CMFD 的r最低，為0.91。從西江、北江、東江三個(gè)子流域來(lái)看，Noah、CLSM、VIC的RMSE（17.63 ～31.30 mm/月）小于ERA-Interim（47.05 ～65.37 mm/月）。在珠江流域多年平均降水量上，CMFD 為1418.38 mm/a，Noah 為1439.82 mm/a，CLSM 和VIC 為1440.52 mm/a，ERA-Interim 為1707.74 mm/a，ERA-Interim 高估了實(shí)際降水量。降水作為水文模型最重要的輸入，其準(zhǔn)確性對(duì)模型徑流和蒸散發(fā)的模擬至關(guān)重要。為減小誤差，在分析前使用CMFD 降水與模型降水?dāng)?shù)據(jù)的比值校正模型模擬的徑流、蒸散發(fā)數(shù)據(jù)。

圖3 四種陸面水文模型模擬的多年平均月降水與月徑流

3.2.2 徑流 在基于實(shí)測(cè)降水進(jìn)行校正后，Noah、CLSM、VIC、ERA-Interim 模型模擬徑流（圖3）與還原計(jì)算后的天然徑流的r分別由0.92、0.92、0.94 和0.77 提高至0.94、0.93、0.95 和0.86；RMSE則由31.64、17.12、29.50 和32.97 mm/月減小至27.31、15.58、27.93 和23.13 mm/月，說(shuō)明校正后的模型模擬精度得到有效提高。校正后的Noah、CLSM、VIC、ERA-Interim模型模擬的珠江流域多年平均天然徑流量分別為656.36、464.92、963.60 和486.73 mm/a，相較于實(shí)測(cè)結(jié)果（678.84 mm/a），Noah、CLSM、ERA-Interim 模型在不同程度上低估了天然徑流量，VIC 模型則呈現(xiàn)高估，其中Noah 模型對(duì)于均值的模擬精度最高，相對(duì)誤差為3%。各模型模擬的月徑流在年內(nèi)分布特征上均呈先增大后減小的單峰型分布，與實(shí)測(cè)數(shù)據(jù)（Rnat）相符。在西江、東江流域，Noah 與Rnat最為接近，而VIC 明顯高估了Rnat。在徑流最大的6月，ERA-Interim 在北江、東江流域存在明顯低估。

3.2.3 蒸散發(fā) 圖4 為2003—2009年模型模擬蒸散發(fā)與鼎湖山（DHF）站點(diǎn)實(shí)測(cè)數(shù)據(jù)的比較，其中，橫軸和縱軸黑線為標(biāo)準(zhǔn)差，縱軸藍(lán)色虛線為r，綠色虛線圓弧為RMSE?？梢钥闯?，4 種模型均與實(shí)測(cè)數(shù)據(jù)顯著相關(guān)，r均達(dá)到0.6 以上。其中，VIC 模型總體精度最高，r為0.78，RMSE為15.24 mm/月，標(biāo)準(zhǔn)差與實(shí)測(cè)數(shù)據(jù)相近，為20.99 mm/月；Noah 模型精度次之，r為0.77，RMSE為17.74 mm/月，標(biāo)準(zhǔn)差為27.17 mm/月；ERA-Interim與CLSM誤差略大，r分別為0.69和0.63，RMSE分別為34.17和28.04 mm/月，標(biāo)準(zhǔn)差均處于30 至50 mm/月之間。較高的相關(guān)性與相近的標(biāo)準(zhǔn)差表明，4 個(gè)陸面水文模型均能較好地捕捉到蒸散發(fā)的季節(jié)變化特征。

圖4 四種陸面水文模型在鼎湖山站的蒸散發(fā)模擬精度

3.3 模型優(yōu)選與概率集成圖5 為4 種單一模型與11 種不同模型集成的徑流模擬精度及不確定性。橫坐標(biāo)中的下標(biāo)“N”“C”“V”“I”分別表示Noah、CLSM、VIC、ERA-Interim 等4 種模型，例如，BMANC表示利用BMA 方法集成Noah 與CLSM 模型，以此類(lèi)推。從圖5（a）可以看出，單一模型的性能無(wú)法得到保障，Noah 模型在東江流域、VIC 模型在西江流域均出現(xiàn)NSE為負(fù)值的情況，而B(niǎo)MA 方法可集成不同模型的優(yōu)勢(shì)，避免單一模型中的不確定性所帶來(lái)的誤差，由此提高模擬精度。例如，在西江流域，單一模型NSE最大為0.71（CLSM），集成Noah、CLSM、ERA-Interim 模型后NSE達(dá)到0.80（BMANCI），提高13%；在東江流域，單一模型NSE最大僅為0.44（CLSM），集成CLSM 與VIC、ERA-Interim 模型后NSE達(dá)到0.72（BMACVI），顯著提高64%。

所有集成結(jié)果均具有較高的覆蓋率（圖5（c）），達(dá)到85%以上，但平均相對(duì)帶寬（RB）的結(jié)果表明，不同模型集成產(chǎn)生的不確定性范圍存在較大差異（圖5（b）），因此，選擇集成模型時(shí)需要權(quán)衡模擬精度與不確定性范圍。在西江流域，平均模擬精度最高的模型集成為BMANCI（NSE=0.80）與BMACVI（NSE=0.78），但BMANCI的平均相對(duì)帶寬為6.23，遠(yuǎn)大于BMACVI（RB=1.95），故在西江流域選擇BMACVI更為合適。其中，CLSM、VIC、ERA-Interim 模型的權(quán)重分別為0.25、0.48 和0.27。在北江流域與東江流域，則分別優(yōu)選出NSE最大而RB較小的BMACV與BMACVI模型集成。在北江流域，CLSM、VIC 模型的權(quán)重分別為0.26 和0.76；在東江流域，CLSM、VIC、ERA-Interim 模型的權(quán)重分別為0.26、0.46 和0.28。

圖5 陸面水文模型的優(yōu)選指標(biāo)結(jié)果

3.4 人為蒸散發(fā)變異評(píng)估圖6 所示為珠江流域?qū)嶋H蒸散發(fā)（ETobs）、天然蒸散發(fā)（ETnat）以及人為蒸散發(fā)變異（ETH）的逐月變化過(guò)程。利用優(yōu)選出的模型集成與相應(yīng)的權(quán)重，可得到珠江流域ETnat的多年平均值為677.57 mm/a?；谒科胶庠淼玫降闹榻饔?003—2016年ETobs的多年平均值為814.39 mm/a，與Zhong 等［49］的研究結(jié)果相似。受水汽條件與溫度影響，珠江流域ETnat的月變化呈單峰型分布，主要集中在5—9月，占ETnat總量的60%，最大值出現(xiàn)在7月，為99.07 mm/月，最小值出現(xiàn)在2月，為24.97 mm/月。由于受到非平穩(wěn)的人類(lèi)活動(dòng)影響，ETobs顯示出比ETnat更大的年內(nèi)振蕩，尤其是在人類(lèi)活動(dòng)較為強(qiáng)烈的東江流域。西江、東江流域ETobs的月變化呈現(xiàn)雙峰型分布，在北江流域?yàn)槿逍头植?，峰值首次出現(xiàn)時(shí)間均比ETnat峰值出現(xiàn)時(shí)間早1～2 個(gè)月。

圖6 珠江流域2003—2016年實(shí)際蒸散發(fā)（ETobs）、天然蒸散發(fā)（ETnat）與人為蒸散發(fā)變異（ETH）

就珠江流域全流域而言（圖7（a）），2003—2016年人類(lèi)活動(dòng)導(dǎo)致蒸散發(fā)平均增大136.82 mm/a（21%），在西江、北江與東江子流域，人類(lèi)活動(dòng)分別導(dǎo)致蒸散發(fā)增大125.48 mm（19%）、232.19 mm/a（37%）、149.80 mm/a（18%）。珠江流域ETH整體呈增加趨勢(shì)（圖7（b）），平均增加速率為7.02mm/a，但趨勢(shì)并不顯著（R2=0.18，p＞0.05）。從年內(nèi)分布來(lái)看，珠江流域ETH最大值出現(xiàn)在5月，為37.52 mm/月，最小值出現(xiàn)在7月，為-26.69 mm/月。西江和東江ETH最大值均出現(xiàn)在5月，分別為37.14和53.01 mm/月，北江流域ETH最大值出現(xiàn)在1月，為46.57 mm/月；而三個(gè)子流域的ETH最小值均出現(xiàn)在7月，分別為-27.00、-30.66、-16.44 mm/月。ETH最大值出現(xiàn)在5月可能與珠江流域以水稻種植為主的農(nóng)業(yè)結(jié)構(gòu)有關(guān)［50］。在5月份，水稻初插秧灌溉量增大，導(dǎo)致蒸散發(fā)顯著增大。而在7月份，人類(lèi)活動(dòng)導(dǎo)致蒸散發(fā)顯著減小，這可能與該月水庫(kù)開(kāi)閘泄洪、降水較6月和8月偏少（圖3）以及數(shù)據(jù)誤差等因素有關(guān)。值得注意的是，在經(jīng)過(guò)模型優(yōu)選與集成后，人為蒸散發(fā)變異的評(píng)估結(jié)果仍存在較大的不確定性。在90%置信區(qū)間內(nèi)，珠江流域多年平均逐月ETH的不確定性范圍在38.09～71.48 mm/月之間波動(dòng)。在三個(gè)子流域之中，東江流域水資源開(kāi)發(fā)利用程度最高，人類(lèi)活動(dòng)對(duì)水循環(huán)的干擾最為顯著［51］，導(dǎo)致了該流域ETH存在較大的不確定性（53.73～133.31 mm/月），尤其是在4—7月。

圖7 珠江流域水文變量多年平均值與蒸散發(fā)年際變化趨勢(shì)

4 結(jié)論

本文構(gòu)建了一種基于多源數(shù)據(jù)與BMA 多模型集成的人為蒸散發(fā)變異評(píng)估框架，并將其應(yīng)用于珠江流域，主要結(jié)論如下。

（1）Noah、CLSM、VIC、ERA-Interim 等4 種陸面水文模型的模擬結(jié)果與實(shí)測(cè)結(jié)果在季節(jié)變化特征上較為一致，但仍存在一定的系統(tǒng)性誤差，在結(jié)合地面實(shí)測(cè)降水?dāng)?shù)據(jù)進(jìn)行校正后，模擬效果得到有效提升，其中Noah 模型與VIC 模型分別在珠江流域徑流與天然蒸散發(fā)的模擬上體現(xiàn)出更強(qiáng)的適用性。

（2）4 種單一模型與11 種不同模型集成的徑流模擬結(jié)果表明，BMA 方法可有效集成不同模型的優(yōu)勢(shì)，在一定程度上提高模擬精度。但是，由于大尺度陸面模型在應(yīng)用于區(qū)域尺度時(shí)往往有較大的不確定性，優(yōu)選集成模型時(shí)應(yīng)權(quán)衡考慮平均模擬值的精度（如NSE）與不確定性區(qū)間（如RB）。在本例中，BMACVI、BMACV與BMACVI模型集成分別在西江、北江與東江流域體現(xiàn)出最佳的適用性。

（3）人類(lèi)活動(dòng)導(dǎo)致珠江流域蒸散發(fā)增大136.82 mm/a（21%），其中，西江、北江、東江流域蒸散發(fā)分別增大125.48 mm/a（19%）、232.19mm/a（37%）和149.80 mm/a（18%）。

（4）珠江流域人為蒸散發(fā)變異的年內(nèi)最大值與最小值分別出現(xiàn)在5月（+37.52 mm/月）和7月（-26.69 mm/月），月際振蕩特征可能主要受灌溉耗水、水庫(kù)調(diào)蓄等因素控制。

本文側(cè)重于在子流域尺度上解析人類(lèi)活動(dòng)對(duì)天然蒸散發(fā)過(guò)程與流域水量平衡的干擾及其不確定性，相較于MODIS-ET 等遙感ET 產(chǎn)品，GLDAS 等陸面水文模型能夠提供更為完整的流域水循環(huán)過(guò)程數(shù)據(jù)，便于結(jié)合降水與徑流的實(shí)測(cè)數(shù)據(jù)校驗(yàn)蒸散發(fā)，然而對(duì)于人類(lèi)活動(dòng)影響的識(shí)別仍受限于實(shí)測(cè)站點(diǎn)的數(shù)量。此外，本文中的分析結(jié)果主要反映了土地利用類(lèi)型改變（如城市化、造林）［52］、水庫(kù)調(diào)蓄與蒸發(fā)滲漏損失［53］、消耗性用水等人類(lèi)活動(dòng)對(duì)流域蒸散發(fā)的綜合影響及其不確定性，將陸面水文模型所模擬的蒸散發(fā)視為氣候演變作用下的天然蒸散發(fā)，并未考慮人類(lèi)活動(dòng)對(duì)陸面模型大氣驅(qū)動(dòng)要素及蒸散發(fā)的間接影響（如農(nóng)業(yè)灌溉通過(guò)影響地表氣溫和濕度而干擾蒸散發(fā)過(guò)程［54］），未來(lái)需要針對(duì)人為影響空間異質(zhì)性的精細(xì)化表征、陸-氣雙向反饋關(guān)系等問(wèn)題展開(kāi)進(jìn)一步研究。