2. 中国水利水电科学研究院, 北京 100038
2. China Institute of Water Resources and Hydropower Research, Beijing 100038, China
蒸散发是联系土壤-植被-大气连续体的关键过程，也是连接地球各系统的重要纽带[1]。陆地水平衡中，降水量的60%以蒸散发的形式返回大气[2-3]；同时，地表吸收太阳辐射的50%以潜热形式消耗[4-5]。因此，大气干燥力、地表水分供给、能量驱动、动力驱动以及植被的几何和生理特性共同控制着蒸散发的时空变化，蒸散发是水文学、气象学、生态学、地球系统科学的重要过程和关键研究内容。
陆地蒸散发包括水面、降水截留、土壤等的非生物蒸发和叶片气孔中水分子从叶片扩散到大气中的生物蒸腾[6]。其中：非生物蒸发过程的速率变化主要归因于供水(降水、土壤水分)和气象要素(温度、辐射、湿度和风速)的变化；生物蒸腾作用除气象要素外，还受到CO2浓度以及植被的生理特性影响，例如叶面积指数(leaf area index, LAI)、叶片质量、反照率、表面粗糙度和根的深度等。由于蒸腾作用占陆地总蒸散发的主导地位，因此植被通过改变陆地蒸散发，在全球水循环中发挥着重要作用[7]。在过去30年中，全球植被变化的一个明显特征是地球变绿，不同的LAI数据集和产品估算的趋势都表现为植被覆盖度增加[8]。研究表明，由于CO2排放、氮沉降、气候变化和土地利用类型变化，全球LAI已显著上升8%[8]。在过去的30年中，气温的升高和降水的增加解释了46%的陆地蒸散发的增加，地球的绿化占全球陆地蒸散发增加量的52%[8]。2000年后，中国黄土高原实施大规模的退耕还林还草工程。冯晓明等[9]认为黄土高原的植被条件正在逼近可持续的水资源极限，植被的扩张造成了生态系统和人类用水之间的水资源冲突。
海河流域地处渤海湾西部。该流域2018年人口占全国的8%，国内生产总值(GDP)占全国的9.45%[10]。该流域是全国水资源短缺、空气和水污染严重、发展和资源环境矛盾最严重的地区之一[11-12]。受到气候变化和人类活动的双重影响，流域内潮白河、滦河、漳河、洋河、桑干河等河流的径流量均表现出下降趋势。地表水资源量衰减、平原地下水位下降、湿地面积萎缩情势日益严峻[13]。与黄土高原的退耕还林还草措施类似，为防风固沙、防治土壤沙化、保护水源，海河流域也实施了一系列的植树造林和生态修复工作。因此，本文在全球变绿的背景下，关注水资源严重受限的海河流域及京津冀地区，分析植被变化的趋势并探索植树造林和气候变化对蒸散发的影响程度，以期提高有关植被变化对区域水循环和生态水文过程作用的认识，并为土地管理和利用政策提供有效的理论支撑。
1 材料和方法 1.1 研究区域概况海河流域是中国华北地区最大的流域，覆盖北京、天津、石家庄和其他23个大中城市[14]，地理位置位于112°E~120°E、35°N~44°N之间(图 1)。该流域东接渤海，西倚太行山，南靠黄河，北临蒙古高原，流域内海河、滦河和徒骇马颊河是渤海湾水系的主体[15]。海河流域多年年均降水量为532 mm，汛期降水多集中在6~9月，占全年降水量的75%~85%。多年年均气温10.0 ℃，属于大陆性季风气候，是中国干旱地区和湿润地区的过渡带[15-16]。流域主要土地利用类型有草原、耕地、常绿针叶林和林地草原。草原主要分布在西北部山区，耕地主要分布在流域东部的平原地区，林地分布在浅山区。在中国政治经济中，海河流域占有重要地位，同时也承载着京津冀城市群的发展。根据2019年《中国水资源公报》显示(http://www.mwr.gov.cn/)，海河流域水资源总量为221.4亿m3，严重制约了经济社会的可持续发展。考虑到海河流域与京津冀区域的高度重合性，本文的研究区域包含海河流域及京津冀地区，研究区域总面积为342 697.7 km2(图 1)。
|
| 图 1 研究区域位置及概况 |
1.2 研究方法
本文中用到的统计分析包括：利用时间序列分解法(seasonal and trend decomposition using loess, STL)探求植被变化趋势；蒸散发与降水、气温、LAI之间的相关系数计算；使用结构方程模型(structural equation model, SEM)测量气候变化和植被变化对蒸散发的直接影响。所涉及的计算均在R语言环境中进行[17]。
时间序列分解法[18]对数据的周期频率没有限制，通过对季节重复模式和长期趋势进行局部多项式回归[19]，可以将时间序列X(j)生成3个分量：趋势项(Xt)、周期项(Xc)和随机项(Xi)[20]。
| $ X(j)=X_{\mathrm{t}}(j)+X_{\mathrm{c}}(j)+X_{\mathrm{i}}(j). $ | (1) |
SEM是一种用于测试系统中关系假设的方法，表现为一系列回归方程式(结构方程式)，起源于社会科学，也被广泛用于生态学研究中[21]。在SEM中，首先根据理论和先验研究的结果构造一组变量之间的因果关系假设，再根据拟合指标是否满足统计要求进行修改。该模型包括观测变量和潜在变量。观测变量是直接测量的变量，在概念图中用正方形或矩形表示。潜在变量用来描述未观测到的变量，可以通过可观测到的变量来获得有关潜在变量的信息，用圆形或椭圆形表示。SEM可以通过整合潜在变量来识别间接测量[22]，并测试有关结构如何在理论上联系起来且带有一定的方向性。根据已有的认识，应用遥感蒸散发(evapotranspiration, ET)产品和气候要素驱动数据集在研究区域首先建立如图 2所示的概念模型，其中气候变化的潜变量(climate, cli)由降水(precipitation, P)、气温(temperature, T)和饱和水汽压与实际水汽压之差(vapor pressure deficit, VPD)代表，植被变化由LAI代表。采用的拟合指标为比较拟合指数(comparative fit index, CFI)、非规范拟合指数(non-normed fit index, NNFI)和均方根误差(standard root mean square residual, SRMR)。CFI≈1，NNFI > 0.95以及SRMR < 0.08则表明建模较为适合[23-24]。
|
| 图 2 结构方程模型的概念模型 |
1.3 数据
近地面T、P和VPD的气象驱动数据来自中国区域地面气象驱动要素数据集[25]，空间分辨率为0.1°，研究时段为2001—2018年。该数据集融合地面观测数据、再分析资料和卫星遥感数据多种数据源，是中国首个用于陆面过程研究的高分辨率气象数据集[26]，在水文模型、陆面过程模拟和蒸散发估算等领域得到了广泛应用[27-28]，可在国家青藏高原科学数据中心(http://data.tpdc.ac.cn)下载。
由于大尺度的观测非常困难，蒸散发可能是水文循环的各组分中最难估计的部分之一。目前，遥感技术结合模型手段是估算大尺度蒸散发最被认可的方法之一，具有较高的时效性[29]。本文选取的ET产品为全球陆地蒸发Amsterdam模型(global land evaporation Amsterdam model, GLEAM, https://www.gleam.eu/)[30]。GLEAM产品依靠Priestley-Taylor方程从观测到的地面净辐射和近地表气温推导出每日的潜在蒸发量，然后根据根区土壤水分的估计值和观测到的植被光学深度对潜在蒸发量进行约束调节，进而得到实际蒸散发量[30]。利用卫星观测数据估算0.25°分辨率、覆盖全球1980—2018年日尺度的蒸腾量、截留量、裸土蒸发量、雪升华量、水面蒸发量。利用涡动相关仪观测数据对GLEAM产品在全球范围内进行验证，结果表明GLEAM模型反演的蒸散发数据能较好地描述不同生态系统的蒸散发[31]。GLEAM模型被认为是迄今为止，时间序列最长、空间分辨率较高、模拟效果最佳的遥感蒸散发产品[8]。
研究时段内的LAI数据来自于中分辨率成像光谱仪MODIS的500 m分辨率8 d合成产品(MOD15A2H)。搭载MODIS传感器的Terra卫星发射于2000年2月。考虑到数据的完整性，本文的分析并未包括2000年的LAI数据，但2001年的LAI数据仍有部分缺失值。不同的插补方法均无法还原真实数据，且不同类型插值方法的选择取决于用户的不同需求。本文中的LAI数据为时间序列数据，具有明显的周期特征，因此选择线性插值法将缺失值补全。在Google Earth Engine(https://code.earthengine.google.com/)平台裁剪本文的研究区域，再进一步作时间序列分析。
2 结果 2.1 蒸散发和植被变化研究区域内2001—2018年的多年平均蒸散发最小值为276 mm/a，最大值为875 mm/a，全区域平均值为447 mm/a (图 3a)。区域内蒸散发量基本呈现出由西北向东南递增的空间分布规律。图 3b为蒸散发Mann-Kendall (MK)趋势检验的z值[32]空间分布。73.65%的区域蒸散发量呈现出显著增加的趋势(z > 1.96)，基本覆盖全区域，在中部及西北地区的林地范围内增加的趋势更加显著，仅有0.18%的区域是显著降低的(z < -1.96)，其他地区的变化趋势并不显著。蒸散发量的明显增加，也暗示该时段内耗水量的增加和水文循环的加快。
|
| 图 3 2001—2018年实际蒸散发的多年平均值和MK检验的变化趋势 |
图 4a中LAI的多年平均值为0.76 m2/m2(2001—2019年)，在0.006~2.69 m2/m2之间变化。空间上，西北部和沿海地区LAI数值较低，南部的平原和东北部的林地数值较高。在研究时段内，MK趋势检验的结果表明，区域内仅有2.12%的地区LAI呈现出显著降低的趋势，多集中在主要的城市周围和沿海地区；有77.13%的地区LAI显著增加(z > 1.96)，分布较为广泛(图 4b)。
|
| 图 4 2001—2019年叶面积指数的多年平均值和MK检验的变化趋势 |
2.2 时间序列分析
基于STL方法将每8 d的LAI时间序列分解为3个部分：周期项(季节项)、趋势项和随机项。如图 5a所示，LAI存在显著的增加趋势和周期性。为检测LAI的变化，对趋势成分进行了线性回归分析(图 5b)。通过趋势项可以看出，在2001—2019年期间，LAI平均每年增加0.014 m2/m2(p < 0.01)，总增加量为0.27 m2/m2，增加百分比为42.56%。
|
| 图 5 LAI时间序列的STL拆分及趋势项的斜率 |
将2001—2019年8 d间隔的LAI数据在年际间求均值得到多年平均值的年内变化(图 6a)。LAI在年内整体呈现单峰分布，最大值出现在夏季7月27日(2.26 m2/m2)，且夏季的波动较大。冬季12、1、2月的LAI较低，普遍低于0.25 m2/m2。另外，将每年的LAI序列绘制在图 6b中，不仅可以看出随着时间的推移，LAI的数值整体升高(颜色由浅到深)，还可以看到植被生长时间的增长，表现为生长季节初期(4、5月份)LAI达到同样数值的时间提前。例如，用LAI达到数值1.0的时间比较，2018年比2007年约提前48 d(图 6b)。
|
| 图 6 叶面积指数的多年平均值与年内变化 |
2.3 结构方程模型
ET、LAI、P、T、VPD的相关性分析结果表明(图 7)，ET与LAI、P呈显著正相关，相关系数分别为0.84、0.59。P与LAI呈显著正相关，相关系数为0.45。T与ET、LAI的相关性均不显著。基于对数据的了解和先验知识，本文提出了2个假设：1) 蒸散发的变化可以由植被密度和气候条件的变化解释，气候变化由P、T和VPD代表；2) P、T和VPD也会对植被密度产生直接影响，进而对蒸散发产生间接影响。
|
| *，p < 0.05；**，p < 0.01；***，p < 0.001 图 7 蒸散发、叶面积指数、降水、气温和水汽压差的相关性 |
图 8为最终得到的SEM结构，最终模型的拟合优度指标为：CFI=0.99、NNFI=0.953、SRMR=0.039。各变量之间的相互作用以及蒸散发变化及其驱动因素的多元关系在SEM中得到了很好的体现。图 8中，圆圈中的变量是潜在变量，方框中的变量是观测变量。黑线表示正作用路径，而红线表示负作用路径。箭头的粗细与每个箭头上所示的标准化路径系数的绝对值成正比。路径上的系数代表该路径上起始变量对箭头终端变量的直接作用，相连路径上的系数乘积代表间接作用。例如，在图 8中，P对LAI的直接影响为0.76，P通过LAI对ET产生的间接影响为0.83×0.76=0.63。整体而言，气候和植被的综合作用可以解释蒸散发的70.7%(R2=0.707)。将总影响拆分为直接影响和间接影响，其中植被对ET的直接影响程度为0.83，远大于气候因素对ET的影响。气候因素对ET的直接影响并不显著(p=0.406)。P、T和VPD通过LAI传递给ET的间接影响分别为0.63、0.37和0.09(图 8)。
|
| 图 8 最终的结构方程模型示意图 |
3 讨论 3.1 LAI变化的原因
植被恢复是应对全球气候变暖和实现碳中和的主要途径。一方面，气候变化有利于植被变绿，如降水增加和温度升高(图 8)；另一方面，人类主导的植被建设也在植被的恢复中发挥着举足轻重的作用，使得植被覆盖度得到了显著提升。例如2002年起的京津风沙源治理工程[33]，实施退耕还林3 944万亩(1亩=666.67 m2)、营造林7 416万亩等一系列生物固土防沙措施，减少了沙尘暴和风沙天气。1994年全面实施的太行山绿化工程[34]，使该地区森林覆盖率由11%提高至22.4%，森林质量和林区生态环境都得到明显提升。每年减少的土壤流失量达800多万t，改变了该地区“土易失、水易流”的状况。除了大规模的植被恢复工作外，人工灌溉活动也会导致一定的植被变化。海河流域南部的华北平原是重要的粮食产区，农业面积占土地利用的80%以上，农业灌溉消耗了区域内70%的用水量[35]。图 6b中显示的在不同年份LAI达到同一数值的时间提前，不仅是气温升高的结果，也可能是由于灌溉时间提前使作物生长周期延长以及种植密度加大的影响。
3.2 植被变化带来的影响结构方程模型的结果显示，研究区域内植被对蒸散发的影响程度远远大于气候变化的影响。虽然植被恢复工程措施的实施对当地的生态保护和建设起到了积极作用，但是随之而来植被蒸散发耗水的增加却进一步加重了原本就缺水的京津冀地区的水资源负担。即使南水北调工程为流域供水，仍不能有效遏制地下水超采、河道断流的趋势。海河流域山区作为水源区，承担了下游平原对生活和农业的主要用水需求，山区产流是否会因植被持续修复而进一步减少、流域水资源紧缺情势是否会加剧还有待观察。雷惠闽等[36]基于陆面过程模型模拟山区径流量的研究表明，海河流域75%的山区年径流呈下降趋势。在模型中输入静态植被数据时，年径流量减少幅度较小；输入动态植被数据时，年径流下降趋势会增大20%，动态植被的变化对该地区的径流变化发挥着不可忽视的作用。
总体而言，生态修复工程应当以维持当地生态水文平衡、保证植被在自然条件下能够可持续生长为目标[9]，以不超过自然承载力的人工种植和植被的自然修复为主要手段。在施加人工种植时，应选择本土植被，避免引入外来物种。同时，应充分考虑不同物种的需水量，尽量选择低耗水的植被类型[37]，如草地耗水量明显低于林地。另外，海河流域上游山区耕地的增加大大降低了流域产水能力，减少上游小流域的农田面积，将农业活动转移到下游地区，是一个降低上游水资源消耗的策略[38]。
本文中尚未区分植被应对气候变化的“主动”变绿和人工措施的“被动”变绿。未来应考虑人工的植被建设活动对LAI的贡献，进而探究人类活动对水循环的影响。
4 结论本文在海河流域应用结构方程模型等统计方法，对蒸散发变化和植被变化进行空间分析，并量化了植被变化和气候条件对蒸散发的影响，以及P、T、ET、LAI、VPD的相关程度，得到以下结论：
1) 研究时段内，区域内有73.65%的地区蒸散发量呈现显著增加的趋势(z > 1.96)；同时有77.13%的地区LAI显著增加(z > 1.96)，平均每年增加0.014 m2/m2(p < 0.01)，总增加量为0.27 m2/m2，增加百分比为42.56%。
2) 构建的SEM中，气候和植被的综合作用可以解释蒸散发的70.7%(R2=0.707)。气候对蒸散发的影响途径包括直接影响和通过植被的间接影响。其中通过植被的间接影响程度更大，为0.83，而气候变化对蒸散发的直接影响并不显著，为0.11。
3) 生态修复工程应充分考虑不同植被类型和土地利用状况的水资源消耗量。本文研究结果可以为海河流域的生态保护、环境修复提供参考，对水资源的科学管理具有现实意义。
| [1] |
FISHER J B, MELTON F, MIDDLETON E, et al. The future of evapotranspiration: Global requirements for ecosystem functioning, carbon and climate feedbacks, agricultural management, and water resources[J]. Water Resources Research, 2017, 53(4): 2618-2626. DOI:10.1002/2016WR020175 |
| [2] |
OKI T, KANAE S. Global hydrological cycles and world water resources[J]. Science, 2006, 313(5790): 1068-1072. DOI:10.1126/science.1128845 |
| [3] |
JUNG M, REICHSTEIN M, CIAIS P, et al. Recent decline in the global land evapotranspiration trend due to limited moisture supply[J]. Nature, 2010, 467(7318): 951-954. DOI:10.1038/nature09396 |
| [4] |
TRENBERTH K E, FASULLO J T, KIEHL J. Earth's global energy budget[J]. Bulletin of the American Meteorological Society, 2009, 90(3): 311-324. DOI:10.1175/2008BAMS2634.1 |
| [5] |
YANG W J, WANG Y B, LIU X, et al. Estimating the evaporation in the Fenghuo Mountains permafrost region of the Tibetan Plateau[J]. Catena, 2020, 194: 104754. DOI:10.1016/j.catena.2020.104754 |
| [6] |
KATUL G G, OREN R, MANZONI S, et al. Evapotranspiration: A process driving mass transport and energy exchange in the soil-plant-atmosphere-climate system[J]. Reviews of Geophysics, 2012, 50(3): RG3002. |
| [7] |
莫康乐, 丛振涛. 考虑植被对降雨变化响应的流域水量平衡[J]. 清华大学学报(自然科学版), 2017, 57(8): 851-856. MO K L, CONG Z T. Water balance in a watershed considering the response of vegetation cover to rainfall changes[J]. Journal of Tsinghua University (Science and Technology), 2017, 57(8): 851-856. (in Chinese) |
| [8] |
ZENG Z Z, PENG L Q, PIAO S L. Response of terrestrial evapotranspiration to Earth's greening[J]. Current Opinion in Environmental Sustainability, 2018, 33: 9-25. DOI:10.1016/j.cosust.2018.03.001 |
| [9] |
FENG X M, FU B J, PIAO S L, et al. Revegetation in China's Loess Plateau is approaching sustainable water resource limits[J]. Nature Climate Change, 2016, 6(11): 1019-1022. DOI:10.1038/nclimate3092 |
| [10] |
谢惠, 张晓光. 京津冀城市群与世界级城市群比较研究[J]. 中国商论, 2020(24): 25-29. XIE H, ZHANG X G. Comparative study on Beijing-Tianjin-Hebei urban agglomeration and world-class urban agglomeration[J]. China Business & Trade, 2020(24): 25-29. (in Chinese) |
| [11] |
蒋美琛. 基于遥感的京津冀植被变化监测与气候和非气候因素影响探究[D]. 北京: 中国地质大学(北京), 2020. JANG M C. Monitoring of vegetation change in Beijing-Tianjin-Hebei and exploitation of the climate and non-climate influential factors based on remote sensing[D]. Beijing: China University of Geosciences (Beijing), 2020. (in Chinese) |
| [12] |
王静, 周伟奇, 许开鹏, 等. 京津冀地区的生态质量定量评价[J]. 应用生态学报, 2017, 28(8): 2667-2676. WANG J, ZHOU W Q, XU K P, et al. Quantitative assessment of ecological quality in Beijing-Tianjin-Hebei urban megaregion, China[J]. Chinese Journal of Applied Ecology, 2017, 28(8): 2667-2676. (in Chinese) |
| [13] |
XIA J, ZHANG L, LIU C M, et al. Towards better water security in north China[J]. Water Resources Management, 2007, 21(1): 233-247. |
| [14] |
BAO Z X, ZHANG J Y, WANG G Q, et al. Attribution for decreasing streamflow of the Haihe river basin, northern China: Climate variability or human activities?[J]. Journal of Hydrology, 2012, 460-461: 117-129. DOI:10.1016/j.jhydrol.2012.06.054 |
| [15] |
于紫萍, 宋永会, 魏健, 等. 海河70年治理历程梳理分析[J/OL]. (2021-01-21). 环境科学研究, 2021: 1-16. DOI: 10.13198/j.issn.1001-6929.2021.01.08. YU Z P, SONG Y H, WEI J, et al. The 70 years' governance process of Haihe river[J/OL]. (2021-01-21). Research of Environmentals Sciences, 2021: 1-16. DOI: 10.13198/j.issn.1001-6929.2021.01.08.(in Chinese) |
| [16] |
郝春沣, 贾仰文, 龚家国, 等. 海河流域近50年气候变化特征及规律分析[J]. 中国水利水电科学研究院学报, 2010, 8(1): 39-43, 51. HAO C F, JIA Y W, GONG J G, et al. Analysis on characteristics and rules of climate change of Haihe river basin in recent 50 years[J]. Journal of China Institute of Water Resources and Hydropower Research, 2010, 8(1): 39-43, 51. DOI:10.3969/j.issn.1672-3031.2010.01.007 (in Chinese) |
| [17] |
R Core Team. R: A language and environment for statistical computing[M]. Vienna, Austria: R Foundation for Statistical Computing, 2017.
|
| [18] |
CLEVELAND R B, CLEVELAND W, MCRAE J E, et al. STL: A seasonal-trend decomposition procedure based on Loess[J]. Journal of Official Statistics, 1990, 6(1): 3-33. |
| [19] |
GARCÍA-MOZO H, OTEROS J A, GALÁN C. Impact of land cover changes and climate on the main airborne pollen types in Southern Spain[J]. Science of the Total Environment, 2016, 548-549: 221-228. DOI:10.1016/j.scitotenv.2016.01.005 |
| [20] |
LU H, RAUPACH M R, MCVICAR T R, et al. Decomposition of vegetation cover into woody and herbaceous components using AVHRR NDVI time series[J]. Remote Sensing of Environment, 2003, 86(1): 1-18. DOI:10.1016/S0034-4257(03)00054-3 |
| [21] |
ANGELINI M E, HEUVELINK G B M, KEMPEN B, et al. Mapping the soils of an Argentine Pampas region using structural equation modelling[J]. Geoderma, 2016, 281: 102-118. DOI:10.1016/j.geoderma.2016.06.031 |
| [22] |
YANG R M, GUO W W, ZHENG J B. Soil prediction for coastal wetlands following Spartina alterniflora invasion using Sentinel-1 imagery and structural equation modeling[J]. Catena, 2019, 173: 465-470. DOI:10.1016/j.catena.2018.10.045 |
| [23] |
HOPPER D, COUGHLAN J, MULLEN M R. Structural equation modeling: Guidelines for determining model fit[J]. Electronic Journal on Business Research Methods, 2008, 6(1): 53-60. |
| [24] |
SCHREIBER J B, NORA A, STAGE F K, et al. Reporting structural equation modeling and confirmatory factor analysis results: A review[J]. The Journal of Educational Research, 2006, 99(6): 323-338. DOI:10.3200/JOER.99.6.323-338 |
| [25] |
HE J, YANG K, TANG W J, et al. The first high-resolution meteorological forcing dataset for land process studies over China[J]. Scientific Data, 2020, 7(1): 25. DOI:10.1038/s41597-020-0369-y |
| [26] |
阳坤, 何杰. 中国区域地面气象要素驱动数据集(1979—2018)[Z/OL]. 国家青藏高原科学数据中心, 2019. DOI: 10.11888/AtmosphericPhysics.tpe.249369.file. YANG K, HE J. China meteorological forcing dataset (1979—2018)[Z/OL]. National Tibetan Plateau Data Center, 2019. DOI: 10.11888/AtmosphericPhysics.tpe.249369.file.(in Chinese) |
| [27] |
YANG W J, WANG Y B, LIU X, et al. Evaluation of the rescaled complementary principle in the estimation of evaporation on the Tibetan Plateau[J]. Science of the Total Environment, 2020, 699: 134367. DOI:10.1016/j.scitotenv.2019.134367 |
| [28] |
HUANG Y, SALAMA M S, SU Z B, et al. Effects of roughness length parameterizations on regional-scale land surface modeling of alpine grasslands in the Yangtze river basin[J]. Journal of Hydrometeorology, 2016, 17(4): 1069-1085. DOI:10.1175/JHM-D-15-0049.1 |
| [29] |
杨秀芹, 王国杰, 叶金印, 等. 基于GLEAM模型的淮河流域地表蒸散量时空变化特征[J]. 农业工程学报, 2015, 31(9): 133-139. YANG X Q, WANG G J, YE J Y, et al. Spatial and temporal changing analysis of terrestrial evapotranspiration in Huai river basin based on GLEAM data[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(9): 133-139. (in Chinese) |
| [30] |
MARTENS B, MIRALLES D G, LIEVENS H, et al. GLEAM v3: Satellite-based land evaporation and root-zone soil moisture[J]. Geoscientific Model Development, 2017, 10(5): 1903-1925. DOI:10.5194/gmd-10-1903-2017 |
| [31] |
MIRALLES D G, HOLMES T R H, DE JEU R A M, et al. Global land-surface evaporation estimated from satellite-based observations[J]. Hydrology and Earth System Sciences, 2011, 15(2): 453-469. DOI:10.5194/hess-15-453-2011 |
| [32] |
MANN H B. Nonparametric tests against trend[J]. Econometrica, 1945, 13(3): 245-259. DOI:10.2307/1907187 |
| [33] |
鲍良. 公共投资项目绩效评价与管理体系研究: 以京津风沙源治理工程项目为例[D]. 北京: 中国地质大学(北京), 2008. BAO L. Research on performance evaluation and management of public investment project: A case of sandstorm sources control program in Beijing and Tianjin district[D]. Beijing: China University of Geosciences (Beijing), 2008. (in Chinese) |
| [34] |
曾宪芷, 杨跃军, 张国红, 等. 对太行山绿化工程建设的思考[J]. 林业经济, 2010(7): 52-54. ZENG X Z, YANG Y J, ZHANG G H, et al. On the greening project of Taihang mountains[J]. Forestry Economics, 2010(7): 52-54. (in Chinese) |
| [35] |
KOCH J, ZHANG W M, MARTINSEN G, et al. Estimating net irrigation across the north China plain through dual modeling of evapotranspiration[J]. Water Resources Research, 2020, 56(12): e2020WR027413. |
| [36] |
LEI H M, YANG D W, HUANG M Y. Impacts of climate change and vegetation dynamics on runoff in the mountainous region of the Haihe river basin in the past five decades[J]. Journal of Hydrology, 2014, 511: 786-799. DOI:10.1016/j.jhydrol.2014.02.029 |
| [37] |
张树磊. 中国典型流域植被水文相互作用机理及变化规律研究[D]. 北京: 清华大学, 2018. ZHANG S L. Explore the interactions between vegetation and hydrology under a changing environment in Chinese typical basins[D]. Beijing: Tsinghua University, 2018. (in Chinese) |
| [38] |
ZHANG Q F, LIU J K, YU X X, et al. Scale effects on runoff and a decomposition analysis of the main driving factors in Haihe basin mountainous area[J]. Science of the Total Environment, 2019, 690: 1089-1099. DOI:10.1016/j.scitotenv.2019.06.540 |