張學珍 劉欣睿 嚴建武 丁娜娜

1.中國科學院地理科學與資源研究所，中國科學院陸地表層格局與模擬重點實驗室，北京，100101

2.中國科學院大學，北京，100049

3.陜西師范大學，地理科學與旅游學院，西安，710119

1 引言

近年來，人類活動對氣候系統(tǒng)的影響受到廣泛關注。灌溉，作為一種重要的土地管理方式，通過人為提升土壤含水量顯著改變地表的蒸散發(fā)和能量平衡，調節(jié)陸-氣相互作用的強度，從而改變天氣和氣候（Lu，et al，2017）。因而，科學地考慮灌溉的影響對提高天氣和氣候的預測精度具有重要作用（Koster，et al，2004；Ambika，et al，2020）。在全球范圍內(nèi)，灌溉農(nóng)田面積約為274×106hm2，支撐著世界糧食生產(chǎn)的40%，灌溉耗水占人類用水量的70%（Siebert，et al，2005）；至2050年，全球灌溉農(nóng)田面積很有可能（約95%）超過322×106hm2（Puy，et al，2020）。因而，灌溉被認為是人類影響氣候的重要途徑，灌溉的氣候效應及形成機制是氣候學領域的重要問題。

中外學者在灌溉的氣候效應方面開展了大量研究，取得了一系列科學認識?？傮w來說，灌溉的局地和區(qū)域氣候效應強于全球氣候效應（Pitman，et al，2012；Thiery，et al，2017）。灌溉的溫度效應突出表現(xiàn)為近地表空氣被冷卻，溫度降幅因地而異，日均氣溫降幅0.2—4℃（Cook，et al，2015；Thiery，et al，2017；Kang，et al，2019；Ambika，et al，2019，2020），最高氣溫降幅約3℃（Valmassoi，et al，2020；Mathur，et al，2020）。在強灌溉區(qū)，尤其是干燥、炎熱的氣候條件下，灌區(qū)附近的冷卻效應更為明顯（Sacks，et al，2009；Thiery，et al，2017；Kang，et al，2019；Oh，et al，2019；Li，et al，2020）。如高強度灌溉的美國西部（Cook，et al，2015）和中西部（Troy，et al，2015；Mueller，et al，2016；Nocco，et al，2019）、中 國 華 北（Wu，et al，2018）與 東 北（Zhu，et al，2012；Yang，et al，2020）及西北（Zhang，et al，2017；Yang，et al，2020）、印度（Cook，et al，2015；Thiery，et al，2020；Mathur，et al，2020），降 溫幅 度 可達2.6—6℃。

與灌溉對溫度影響的區(qū)域差異相比，灌溉對降水影響的區(qū)域性更加明顯。目前灌溉對降水影響有3種 觀 點：灌 區(qū) 降 水 增 加（Segal，et al，1998；Harding，et al，2012；Kang，et al，2019；Oh，et al，2019），其主導機制為蒸發(fā)增強了對流有效位能（CAPE），從動力學上促進降水增加；灌區(qū)降水變化不顯著甚至減少（Cook，et al，2015；Devanand，et al，2019；Mathur，et al，2020），主要是因為近地表冷卻作用抑制了對流，空氣動力抬升減弱，從而減少降雨；灌區(qū)以外局地降水增加（Wei，et al，2013），如有研究（Huber，et al，2014；De Vrese，et al，2016；Zhang，et al，2017；Thiery，et al，2017；Keune，et al，2018）發(fā)現(xiàn)灌溉可通過大氣動力學過程顯著影響遠離灌溉密集地區(qū)的降水。總體來說，不同區(qū)域灌溉影響降水的主導機制不盡相同，與區(qū)域氣候條件密切相關。

現(xiàn)有研究幾乎全部是從多年平均氣候態(tài)的角度認識灌溉效應，對不同氣候年景下灌溉氣候效應的差異認識不足。近年來，逐漸有研究發(fā)現(xiàn)灌溉的影響可能因氣候背景場而異，例如Huber等（2014）指出灌溉的潛在影響會在濕潤年份得到抑制，在干旱年份得到加強。Harding等（2012）發(fā)現(xiàn)美國大平原灌區(qū)的降水在濕潤年份顯著增加，增幅最大6.14 mm，在干旱年份增幅則有所減小，僅2.85 mm。Zhang等（2021）指出中國北方農(nóng)耕地擴展在少雨年景下可產(chǎn)生減雨效應，在多雨年景下產(chǎn)生增雨效應。

由此來看，灌溉的氣候效應存在明顯的區(qū)域特征且因氣候年景而異。中亞費爾干納盆地地處歐亞大陸中心，遠離海洋，位于烏茲別克斯坦、吉爾吉斯 斯坦和塔吉克斯坦 交 界 處（40°15′—41°50′N，70°30′—73°15′E）。盆地內(nèi)地勢平坦、農(nóng)業(yè)發(fā)達，但是由于屬于溫帶大陸性氣候，干旱少雨，蒸散量約為降水量的2—10倍，再加上生長季具有旱季性質，6—9月降水僅占全年的11.7%（王江麗等，2013），致使農(nóng)業(yè)生產(chǎn)高度依賴灌溉，灌溉面積約為16530 km2（Conrad，et al，2013）。灌溉水源主要是地表徑流，其中逾70%來自于錫爾河。蘇聯(lián)時期修建了大費爾干納、南費爾干納和北費爾干納等幾條灌渠將盆地內(nèi)的數(shù)十條河流連接，形成龐大的水利系統(tǒng)。丁娜娜等（2021）利用WRF-Noah模式開展了敏感性試驗，發(fā)現(xiàn)灌溉對當?shù)氐乇砟芰渴罩c氣溫影響極為顯著，考慮灌溉過程可以大幅度提升模擬精度。然而如此高強度灌溉對區(qū)域溫度、降水的影響及其機制特別是不同氣候年景下（多雨年、少雨年、正常年）灌溉氣候效應的差異尚不清楚。由此阻礙了對區(qū)域氣候成因的深入認識，并在一定程度上增加了區(qū)域氣候變化預測的不確定性。

基于上述背景，本研究擬利用更新土壤參數(shù)并嵌入灌溉參數(shù)化方案的WRF-Noah模式，開展不同氣候年景（多雨年、少雨年、正常年）下有/無灌溉過程的區(qū)域氣候模擬試驗，系統(tǒng)分析灌溉對區(qū)域氣溫與降水的影響及其機制，以及不同年景之間的差異，以期增進對中亞費爾干納盆地灌溉氣候效應的理解，深化對區(qū)域氣候成因的認識。

2 數(shù)據(jù)與方法

2.1 試驗設計

本研究使用嵌入干旱區(qū)綠洲農(nóng)業(yè)灌溉參數(shù)化的WRF-Noah模式（Zhang，et al，2017），進行2組模擬試驗：開啟灌溉方案（簡稱IRRG）和關閉灌溉方案（簡稱NATU）；其余設置完全相同，因此，IRRG與NATU試驗的差異主要來自于灌溉，可以表征灌溉的作用。

模擬區(qū)范圍完全覆蓋費爾干納盆地及周邊山區(qū)（圖1），中心點（40.3°N，71.5°E），東西方向130個網(wǎng)格，南北方向110個網(wǎng)格，網(wǎng)格大小為5 km×5 km，垂直方向27層。主要參數(shù)化方案包括：WSM 6微物理方案（Hong，et al，2006）、CAM3輻射參數(shù)化方案（Collins，et al，2004）、YSU行星邊界層方案（Hong，et al，1996），Noah陸面模型（Chen，et al，2001）。側邊界數(shù)據(jù)與初始場數(shù)據(jù)均來自再分析數(shù)據(jù)集NCEP/FNL（http://rda.ucar.edu/datasets/ds 083.2/），空間分辨率為1°×1°，側邊界數(shù)據(jù)6 h更新一次。

圖1 模擬區(qū)域范圍與地形（色階，海拔高度）、研究區(qū)地理位置（紅色多邊形）及氣象站分布（紅色空心圈，藍色數(shù)字表示NOAA氣候數(shù)據(jù)集中氣象站的編號）Fig. 1 Model domain and topography（shaded，altitude），geographical location of the Fergana basin （red polygon）and meteorology stations（red circle，blue numbers denote station IDs in the NOAA climate dataset）

本研究根據(jù)CRU（Climatic Research Unit）觀測數(shù)據(jù)集1998—2018年研究區(qū)年降水量數(shù)據(jù)，選取降水量接近常年的2007年（年降水量355.09 mm）、降水量偏少的2008年（年降水量302.29 mm）和降水量偏多的2009年（年降水量389.30 mm）分別代表正常、少雨、多雨年景開展模擬試驗，以研究不同氣候年景下灌溉的氣候效應。同時，為降低模擬誤差，本研究采用了集合模擬方法，每組試驗包括12個成員，初始化時間分別為3月20—31日，結束時間均為10月31日18時（世界時）。將3、4月視為模式的起轉階段，取5—9月的模擬結果進行分析，以12個成員的平均值作為該組的模擬結果。采用t檢驗對12個試驗之差平均值是否顯著大于或者小于0進行了顯著性檢驗（置信水平取95%）。

研究區(qū)內(nèi)地面氣象觀測站較為稀少，本研究利用盆地內(nèi)部2個氣象站的觀測數(shù)據(jù)（來自美國國家海洋和大氣管理局（NOAA），圖1）驗證模擬結果。同時，由于春季是研究區(qū)的雨季，在年降水量中所占比例較大且年際變率較大，致使不同年景的灌溉量差異明顯。為了揭示春季降水量差異導致的灌溉氣候效應差異，在結果分析環(huán)節(jié)增加了針對5—6月模擬結果的分析。水汽通量是單位時間、單位面積內(nèi)通過的水汽質量，被廣泛用于解釋降水變化。本研究用整層積分計算研究區(qū)上空大氣層中的水汽通量（式（1））（Benton，et al，1950）。

式中，Q為水汽通量，g為 重力加速度，q為比濕，V為水平風矢量，ps為 地面氣壓，pt為大氣層頂氣壓。

2.2 灌溉參數(shù)化方案

本研究采用Zhang等（2017）設計的動態(tài)灌溉方案，參考農(nóng)業(yè)技術準則（張建國等，2010），以田間持水量的70%作為判斷是否需要灌溉的閾值，一旦根層（指Noah模型中的上面3層）的平均土壤含水量低于該閾值，灌溉就開始。田間灌溉采用漫灌方式為土壤提供足夠的水，每次灌溉都會使土壤達到飽和，灌溉需水量的計算如式（2）。研究區(qū)農(nóng)業(yè)活動主要發(fā)生在5—9月，因此本研究僅在5—9月激活灌溉模塊。同時，灌溉活動僅出現(xiàn)在有耕地分布的網(wǎng)格，實際灌溉需水量考慮了模式網(wǎng)格內(nèi)的耕地面積占比。耕地面積占比用MODIS土地利用數(shù)據(jù)集（MCD12Q1_006）中的耕地面積除以模式網(wǎng)格面積得到（丁娜娜等，2021）。研究區(qū)耕地分布特征表現(xiàn)為盆地中部耕地占比超過80%，比南、北部占比高。

為了增強WRF模式在當?shù)氐倪m用性，本研究使用國際土壤參比信息中心（ISRIC）發(fā)布的SoilGrids250m-Texture class（USDA system）數(shù)據(jù)集替換了WRF模式的默認參數(shù)。中部平原的黏土被替換為粉砂黏壤土，平原南、北邊緣和盆地以外地區(qū)的壤土被替換為粉砂壤土。通過更新土壤類型和土壤參數(shù)，在很大程度上糾正了WRF模擬的地表氣溫偏高、空氣濕度偏低、感熱通量偏大、潛熱通量偏小的誤差，模擬的灌溉量也更接近實際耗水量。更新土壤數(shù)據(jù)后，模擬的2 m氣溫均方根誤差由6.52℃降至5.46℃，大氣比濕均方根誤差由1.66 g/kg降至1.08 g/kg，提高了模型模擬精度（丁娜娜等，2021）。

3 結果

3.1 灌溉量

灌溉量呈明顯季節(jié)變化（圖2a），與氣溫的季節(jié)變化特征基本一致。5—9月，灌溉量先增大后減小，7月達最大。其中，5、6月灌溉量少主要有兩方面原因，一是費爾干納盆地春季降水偏多，給土壤提供了豐富的水源補給；二是相較于高溫的7、8月，5、6月土壤蒸發(fā)較小。7、8月溫度升高，土壤蒸發(fā)增強，土壤失墑，需要更多的灌溉水補充。研究區(qū)內(nèi)主要農(nóng)作物在9—10月收獲，植被蒸騰量減少，同時溫度降低，蒸發(fā)潛力隨之降低，9月的灌溉量降至約105 mm，明顯低于前4個月（5—8月）的平均灌溉量（約146 mm）。

圖2 研究區(qū)IRRG試驗550個農(nóng)田網(wǎng)格（a）平均的逐月灌溉量與（b）多雨、少雨、正常3類年景平均的生長季（5—9月）灌溉量空間分布Fig.2 Average monthly irrigation amount of IRRG simulation over 550 cropland grids in the study area（a）and spatial distribution of averaged monthly irrigation amount in the growth season （May to September）for years of above normal rainfall，below normal rainfall and normal rainfall（b）

同時，灌溉量也因氣候年景而異。本研究中，生長季平均灌溉量在正常年約為700 mm，少雨年約為710 mm，多雨年約為660 mm。其中，5—6月灌溉量在不同氣候年景下的差異最明顯。這是因為費爾干納盆地春季降雨較多，降水多寡的氣候年景也主要取決于春季降水多寡，5—6月的降水量隨氣候年景差異較大。

空間上（圖2b），生長季（5—9月）平均灌溉量在盆地南、北部較多，約250 mm/月，其中，盆地北部整體灌溉量更高，接近300 mm/月，盆地中部灌溉量較少，僅約150 mm/月。這一空間特征與盆地中部耕地最集中的特征不一致，但與土壤類型的空間分布吻合。盆地中部的土壤類型為粉砂黏壤土，南、北邊緣為粉砂壤土。粉砂壤土比粉砂黏壤土包含的土壤大顆粒多、黏粒少，對水分的吸持能力小，故導水率更高，水分入滲更多，從而需要更多的灌溉以維持較高的土壤含水量（宋日權等，2010）。

3.2 地表能量收支

受灌溉影響，IRRG模擬的地表凈輻射較NATU模擬偏多約19.5 W/m2（圖3e），主要原因是IRRG模擬的地表凈吸收長波輻射大于NATU。灌溉使地表溫度的降幅大于地表氣溫的降幅，地面發(fā)射長波輻射的減幅較其吸收的大氣逆輻射減幅更多，導致地表凈吸收長波輻射增加。一般來說，灌溉可以增加土壤含水量，加深土壤顏色，從而降低土壤表面反照率。但是本研究中，灌溉對地表反照率的影響十分微弱，主要是由于Noah陸面模型沒有考慮表層土壤含水量對反照率的影響，因而IRRG模擬的地表凈吸收短波輻射變化甚微。灌溉對地表輻射平衡的影響也隨氣候年景的變化而變化。少雨年灌溉量多，導致地表發(fā)射的長波輻射減幅大，因此地表凈輻射增幅大，較正常年多1%；多雨年灌溉量少，對輻射的影響與上述少雨年相反，地表凈輻射增加量較正常年少1%。

相較于地表凈輻射微弱的變幅，地表感熱與潛熱變幅較大。以NATU模擬為參照，IRRG的地表感熱通量顯著減小，潛熱通量則顯著增大（圖3f—g）?？臻g上，盆地中部感熱通量減少與潛熱通量增加的幅度最大，盆地南、北邊緣處變幅較小（圖4）。時間上，灌溉導致5—9月平均感熱通量從127.8 W/m2降至66.5 W/m2，潛熱通量從17 W/m2增至96.2 W/m2。各月由灌溉引起的變幅不一，具有明顯季節(jié)性，5—7月變幅增加，7—9月變幅減小，5和9月感熱通量減幅分別為50.6和46.1 W/m2，7月高達74.3 W/m2，5和9月潛熱通量增幅分別為65.3和61.3 W/m2，7月高達95.8 W/m2。感熱通量受地表溫度主導，因此NATU試驗呈現(xiàn)與地表溫度一致的季節(jié)性變化；在灌溉情況下地表溫度下降且降幅與灌溉量近似同步變化，故IRRG呈現(xiàn)與灌溉量一致的季節(jié)性變化。而潛熱受大氣溫度和土壤水分的共同影響。溫度升高時，大氣飽和水汽壓增大，潛在蒸發(fā)增加，而NATU中土壤水分有限，潛熱隨時間不斷減少；灌溉提高了土壤含水量，故IRRG潛熱通量受溫度主導呈現(xiàn)出與溫度一致的季節(jié)性變化特征，最終灌溉導致的感熱、潛熱變幅均具有季節(jié)性變化特征。不同年景下灌溉對感熱和潛熱的影響不同：少雨年溫度高，蒸發(fā)作用強，灌溉量大，感熱通量降幅較正常年大4%，潛熱通量增幅較正常年大6%；而多雨年灌溉導致的感熱、潛熱變幅僅較正常年小2%。

圖4 IRRG與NATU模擬的2007年5—9月感熱通量 （a）與潛熱通量（b）之差（黑點區(qū)表示置信水平為95%）Fig.4 Differences between IRRG and NATU simulations in sensible heat flux（a）and latent heat flux（b）from May toSeptember in 2007（the black dots denote the 95%confidence level）

灌溉使土壤熱通量增大，但變幅遠小于潛熱和感熱的變幅。如圖3h所示，IRRG模擬的土壤熱通量比NATU模擬大。Abu-Hamdeh等（2000）研究表明，灌溉可導致土壤導熱系數(shù)增大，從而使IRRG模擬的土壤熱通量比NAUT大。但是，與感熱和潛熱的變幅相比，土壤熱通量變幅很小。

圖3 2007年5—9月灌區(qū)地表輻射平衡與能量收支（a.地表接收短波輻射，b.地表反射短波輻射，c.地表凈吸收短波輻射，d.地表凈吸收長波輻射，e.地表凈輻射，f.感熱通量，g.潛熱通量，h.土壤熱通量）Fig.3 Surface radiation balance and energy budget over irrigation area from May to September in 2007（a.shortwave radiation reaching the surface，b.shortwave radiation reflected by the surface，c.net shortwave radiation absorbed by the surface，d.net longwave radiation absorbed by the surface，e.net surface radiation，f.sensible heat flux，g.latent heat flux，h.ground heat flux）

3.3 地表氣溫與比濕

與感熱通量減小和潛熱通量增大相對應，IRRG模擬的灌區(qū)地表氣溫低于NATU，比濕高于NATU。其中，盆地中部濕潤、冷卻效應最強，而灌溉量最大的盆地南、北邊緣處稍弱（圖5）。這種現(xiàn)象與土壤類型有很大關系，盆地南、北部是粉砂壤土，土壤多為大顆粒，導水率高，水分下滲較多，此外，粉砂壤土非毛管孔隙多，毛管作用弱，田間持水量小，土壤表層的水分蒸散和次表層毛管水上升到表層受熱再蒸散過程弱。而盆地中部的粉砂黏壤土與之相反，保水性好，毛管孔隙多，土壤含水量能夠支持更多的潛在蒸發(fā)，因此灌溉的濕潤、冷卻效應強（宋日權等，2010）。

上述的濕潤冷卻效應因季節(jié)與氣候年景而異。如圖5a、b所示，3類年景5—9月盆地中部的日平均氣溫降幅大約為2℃，空氣比濕升幅為2.4 g/kg，約為NATU模擬結果的40%；盆地南、北邊緣處氣溫降幅大約為1.3℃，空氣比濕升幅為1.5 g/kg，約為NATU模擬的32%。而5—6月的濕潤冷卻效應稍弱（圖5c、d），盆地中部的日均氣溫降幅為1.7℃，空氣比濕升幅為1.8 g/kg，約為NATU模擬的35%；盆地南、北邊緣日均氣溫降幅1℃，空氣比濕升幅為1.3 g/kg，約為NATU模擬的24%。因為月平均灌溉量極大值出現(xiàn)在7月，所以5—6月氣候效應不及5—9月。圖6展示了少雨、多雨年景下5—6月灌溉的濕潤冷卻效應。其中少雨年5—6月灌溉的氣候效應更明顯，盆地中部日均氣溫降幅比多雨年大0.2℃，比濕升幅比多雨年大0.6 g/kg；盆地南、北部日均氣溫降幅比多雨年大0.4℃，比濕升幅比多雨年大0.4 g/kg。其原因是：少雨年景下灌溉量極大值出現(xiàn)在6月，而多雨年景下出現(xiàn)在7月。因此，造成了2種年景下5—6月氣候效應的強弱差異。

圖5 IRRG與NATU模擬的3類年景平均5—9月（a、b）及5—6月（c、d）比濕（a、c）與地表氣溫（b、d ）之差（黑點區(qū)表示置信水平為95%）Fig.5 Differences between IRRG and NATU simulations in specific humidity（a，c）and surface air temperature（b，d）from May to September（a，b）and from May to June（c，d）for the three years of different rainfall anomalies（the black dots denote the 95%confidence level）

圖6 IRRG與NATU模擬的少雨年（a、b）及多雨年（c、d）5—6月比濕（a、c）與地表氣溫（b、d）之差（黑點區(qū)表示置信水平為95%）Fig.6 Same as Fig.5 but for May to June in the years of below normal rainfall（a，b）and above normal rainfall（c，d）（the black dots denote the 95%confidence level）

在站點尺度上對比2組模擬試驗進一步印證灌溉的冷卻效應。如圖7所示，IRRG模擬的5—9月溫度均低于NATU，其中6、7和8月灌溉的冷卻效應較強（降溫約1.6℃），5和9月冷卻效應較弱（降溫約1℃）。已有研究（丁娜娜等，2021）將模擬結果與再分析數(shù)據(jù)對比，發(fā)現(xiàn)更新土壤數(shù)據(jù)并增加灌溉模塊能夠提升WRF模式的模擬精度。在此基礎上，本研究使用盆地內(nèi)2個站點的觀測數(shù)據(jù)與模擬結果進行對比，發(fā)現(xiàn)加入灌溉過程的IRRG模擬偏差小于NATU模擬的暖偏差，在一定程度上說明灌溉缺失可能是NATU模擬結果存在暖偏差的部分原因。不過，IRRG模擬的溫度仍較觀測值具有較大的暖偏差（3℃），其原因可能有兩個方面：一方面WRF模式具有系統(tǒng)性偏差，同時側邊界數(shù)據(jù)本身溫度偏高；另一方面，模式采用的灌溉耕地分布數(shù)據(jù)存在偏差，氣象站所在網(wǎng)格內(nèi)的灌溉耕地面積小，灌溉量小，降溫效應弱。

圖7 正常（a1、b1）、少雨（a2、b2）、多雨（a3、b3）年景下氣象站（a1—a3.38611站，b1—b3.38618站）觀測（OBS）與模擬的地表氣溫Fig.7 Observed and simulated surface air temperature at two meteorological stations（a1—a3.Site ID 38611，b1—b3.Site ID 38618）for the normal rainfall year （a1，b1），below normal rainfall year （a2，b2） and above normal rainfall year （a3，b3）

從垂直維度看，灌溉的濕潤和冷卻效應主要存在于低層大氣，越接近地表，濕潤和冷卻效應越強（圖8）。低層大氣中最強的灌溉效應出現(xiàn)在盆地中部。大約600 hPa的高度，濕潤效應幾乎消失；大約在500 hPa的高度，冷卻效應消失，取而代之的是輕微的暖、干效應。研究區(qū)海拔600 m，600和500 hPa等壓面位勢高度大約分別為3760和4660 gpm，灌溉濕潤和冷卻效應顯著的大氣層厚度大約分別為3150和4000 m。不同氣候年景下（圖9），少雨年5—6月的氣候效應較多雨年強，灌溉產(chǎn)生的濕潤冷卻幅度更大。其中，灌溉使少雨年近地表比濕升高1.2 g/kg，氣溫降低約1.4℃。

圖8 IRRG與NATU模擬的3類年景平均5—9月（a、b）及5—6月（c、d）比濕（a、c）與大氣溫度（b、d）之差的垂直剖面（黑點區(qū)表示置信水平為95%）Fig.8 Mean vertical profiles of differences between IRRG and NATU simulations in specific humidity（a，c）and air temperature（b，d） from May to September（a，b）and from May to June（c，d） for the three years of different rainfall anomalies （the black dots denote the 95%confidence level）

圖9 少雨年 （a、b）及多雨年（c、d）IRRG與NATU模擬的5—6月比濕 （a、c）與氣溫（b、d）之差的垂直剖面（黑點表示置信水平為95%）Fig.9 Same as Fig.8 but for May to June in below normal rainfall year（a，b） and above normal rainfall year（c，d）（the black dots denote the 95%confidence level）

3.4 降水

受灌溉影響，灌區(qū)內(nèi)降水變化甚微，盆地周邊的山區(qū)降水顯著增加（圖10、11紅框）。5—9月，山區(qū)降水增加0.6 mm/d，約為NATU的17%（圖10b），其中，北部山區(qū)較南部山區(qū)降水增幅大，分別占NATU的20%和14%。5—6月，山區(qū)降水增幅更大（1 mm/d），約為NATU的14%（圖10d）。平原灌區(qū)降水變化甚微是空氣濕度升高與大氣穩(wěn)定度博弈的結果。一方面，灌溉導致空氣濕度升高，增大了可降水量，形成了潛在增雨效應。另一方面，灌溉降低了地表氣溫，致使大氣層結穩(wěn)定性增強，動力抬升減弱，形成了潛在減雨效應（Zhang，et al，2015）。而灌溉對盆地外圍南、北部山區(qū)造成了明顯的增雨效應。

圖10 NATU模擬的3類年景平均5—9月（a、b）與5—6月（c、d）降水量（a、c）及IRRG與NATU模擬的降水量之差（b、d）（黑點區(qū)表示置信水平為95%，紅框為降水增加典型區(qū)域）Fig.10 Mean NATU simulated precipitation（a，c）and differences between IRRG and NATU simulations in precipitation（b，d）from May to September （a，b）and from May to June（c，d）in the three years of different rainfall anomalies（the black dots denote the 95%confidence level，red polygons denote typical areas where precipitation increases）

續(xù)圖7Fig.7 Continued

不同年景下（圖11），盆地周邊山區(qū)的背景降水量差異明顯。雖然各氣候年景下水汽通量均從西南到東北，但灌溉影響下產(chǎn)生的降水增加范圍及幅度并不相同。降水增加主要出現(xiàn)在盆地南、北部山區(qū)，少雨年景下，5—6月盆地南、北部山區(qū)降水增幅為0.7 mm/d，約為NATU降雨的12%；多雨年景下，灌溉對降水的影響較強，南、北部山區(qū)的降水增幅約1.3 mm/d，約為NATU降雨的19%，甚至盆地內(nèi)也發(fā)生少量降水增加（圖11d）。灌溉在多雨年景下的增雨效應較少雨年景強，一方面可能是多雨年空中水汽含量高，具有較大的對流有效位能，本就易于形成降水；另一方面可能是多雨年盆地北部山區(qū)的水汽通量較其他年景小（圖12c），所以灌溉導致的蒸散發(fā)增加極易誘發(fā)多雨年降雨增加，并且北部山區(qū)在不同年景增加相同水汽通量的情況下灌溉對多雨年產(chǎn)生的效應強度更大，范圍更廣，以至于盆地內(nèi)也有少量的降水增加。在盆地東南部山區(qū)降水增加典型區(qū)域（圖12d紅框），由于灌溉引起的水汽通量增加量較其他年景更多，氣旋性渦旋規(guī)模更大，所以降雨增幅和范圍更大。

續(xù)圖8Fig.8 Continued

圖12 NATU模擬的少雨年（a、b）與多雨年（c、d）5—6月水汽通量（a、c）及IRRG與NATU模擬的整層水汽通量之差（b、d）（紅框表示降水增加典型區(qū)域，箭頭表示水汽輸送方向）Fig.12 Mean NATU simulated column-integrated water vapor flux（a，c） and the differences between IRRG and NATU（b，d）for May to June under below normal rainfall years（a，b）and under above normal rainfall years （c，d）（red polygons indicate typical areas where precipitation increases，arrows denote direction of water vapor transportation）

4 結論與討論

本研究利用嵌入灌溉參數(shù)化方案并更新土壤參數(shù)的WRF-Noah模式，針對中亞費爾干納盆地開展了灌溉的區(qū)域氣候效應研究。研究發(fā)現(xiàn)：（1）灌溉通過增加蒸發(fā)，增強地表潛熱，削減地表感熱，致使近地表空氣比濕增大，溫度降低，從而產(chǎn)生冷卻和濕潤效應。不同氣候年景下，潛熱、感熱的變幅與濕潤冷卻效應的強度有所不同，其中5—6月表現(xiàn)最明顯，在多雨年景下，灌溉量約130 mm/月，日均氣溫降幅約1.3℃，比濕升幅約1.4 g/kg；在少雨年景下，灌溉量增至約150 mm/月，日均氣溫降幅約1.6℃，比濕升幅約1.9 g/kg（比多雨年多36%）。（2）盆地內(nèi)灌溉致冷引起的對流抑制效應與灌溉增濕引起的增雨效應相互抵消，因而灌溉未引起當?shù)亟邓堪l(fā)生顯著變化；但是，灌溉引起了局地環(huán)流異常，致使北部山區(qū)西風的水汽輸送增大，南部山區(qū)出現(xiàn)氣旋性渦旋動力抬升，因而北部與南部山區(qū)降水顯著增多。并且，山區(qū)降水增幅因氣候年景而異，在多雨年景下灌溉的增雨效應較強，南、北部山區(qū)降水約為少雨年的2倍。

本研究明晰了灌溉對當?shù)貧夂虍a(chǎn)生的影響，豐富了對區(qū)域氣候成因機制的認識，同時完善了不同地區(qū)灌溉對降雨影響的認識，為揭示灌溉對降水的影響與地理環(huán)境之間的內(nèi)在聯(lián)系提供了新的例證。在實踐方面，明確灌溉的氣候效應有利于提高區(qū)域氣候變化的預測水平，降低因未考慮灌溉而導致的溫度預測偏高、空氣比濕與山區(qū)降水量預測偏低的誤差，從而為農(nóng)田灌溉活動規(guī)劃提供理論依據(jù)，便于通過灌溉手段對區(qū)域氣候進行調節(jié)。

本研究尚有一定的不確定性：（1）每類年景的典型年份僅選取了1年，致使模擬結果對年景的代表性欠充分，因而研究發(fā)現(xiàn)的不同年景之間灌溉氣候效應的差異具有一定的不確定性。（2）為控制“灌溉”為單一變量，IRRG、NATU兩組模擬試驗中使用的葉面積指數(shù)（LAI）為實際灌溉情況下衛(wèi)星遙感所得。其實，因NATU試驗關閉了灌溉過程，其LAI應小于IRRG試驗。因此，NATU試驗可能高估了蒸散發(fā)與潛熱通量，致使IRRG與NATU試驗之差可能被低估。所以本研究的試驗設置可能低估了灌溉的濕潤、冷卻效應。（3）本研究采取的灌溉方式比較理想化，只考慮土壤需水量，未考慮實際可供給水量，開展了無灌溉與飽和灌溉的兩種極端情景下的氣候模擬試驗。而現(xiàn)實中灌溉量還受實際可供水量限制，通常難以達到本研究設置的飽和灌溉量，由此導致本研究可能夸大了該地區(qū)灌溉的氣候效應。

將灌溉過程納入?yún)^(qū)域（流域）水循環(huán)過程，全面認識灌溉的影響是未來一個潛在研究方向。本研究沒有考慮灌溉下滲對地下水的影響，以及由此可能引發(fā)的鄰近地區(qū)地下水上涌導致土壤鹽漬化等問題，也尚未分析因灌溉而致山區(qū)降水增加對地表產(chǎn)流的影響。在全球變暖背景下，冰川消融速率加快，中亞冰川物質平衡可能損失而無法持續(xù)供水，將威脅到該地區(qū)人民的生活和福祉（Xu，et al，2018）。本研究中，灌溉導致盆地外圍山區(qū)的降水增加，有利于補償局地冰川的消融，減緩冰川快速融化可能帶來的風險（De Kok，et al，2018）。但是若要明確灌溉產(chǎn)生的水汽對山區(qū)降水的貢獻百分比，需要擴大模擬區(qū)域對水汽進行追蹤，并量化灌溉對山地冰川的補償。這將加深灌溉對區(qū)域氣候影響的科學認知，并為當?shù)卣r(nóng)業(yè)灌溉活動的規(guī)劃提供科學依據(jù)。