全 文 ：不同植被条件下实际蒸散的变化特征及其影响因子
———以淮河流域为例
吴荣军１，２∗　 邢晓勇２
（ １江苏省农业气象重点实验室， 南京 ２１００４４； ２南京信息工程大学应用气象学院， 南京 ２１００４４）
摘　 要　 基于遥感⁃过程耦合模型开展淮河流域 ２００１—２０１２年实际蒸散（ＥＴ）的模拟研究，并
对其时空变化特征、不同覆被类型下的区域实际蒸散特征及其主要影响因子进行定量分析．
结果表明： 研究期间，研究区年均 ＥＴ在空间上呈现由东南向西北逐渐递减的趋势；时间上呈
现逐年增加趋势，月际波动为双峰变化曲线．不同植被类型下 ＥＴ 的差异性表现为： 农田对研
究区域实际蒸散总量的贡献最大；混交林的年均单位面积实际蒸散量最大，裸地的年均单位
面积实际蒸散量最小；除裸地以外，其他土地覆被类型年均实际蒸散都呈增长趋势，其中常绿
阔叶林实际蒸散增加趋势最明显．平均温度等热力学因子是影响淮河流域实际蒸散的主导因
子，其次是辐射因子和水分因子．
关键词　 遥感⁃过程耦合模型； 实际蒸散； 淮河流域； 影响因子
Ｖａｒｉａｔｉｏｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｎｄ ｉｎｆｌｕｅｎｃｉｎｇ ｆａｃｔｏｒｓ ｏｆ ａｃｔｕａｌ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｕｎｄｅｒ ｖａｒｉｏｕｓ
ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅｓ： Ａ ｃａｓｅ ｓｔｕｄｙ ｉｎ ｔｈｅ Ｈｕａｉｈｅ Ｒｉｖｅｒ Ｂａｓｉｎ， Ｃｈｉｎａ． ＷＵ Ｒｏｎｇ⁃ｊｕｎ１，２∗， ＸＩＮＧ
Ｘｉａｏ⁃ｙｏｎｇ２ （ １Ｊｉａｎｇｓｕ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｍｅｔｅｏｒｏｌｏｇｙ， Ｎａｎｊｉｎｇ ２１００４４， Ｃｈｉｎａ； ２Ｓｃｈｏｏｌ
ｏｆ Ａｐｐｌｉｅｄ Ｍｅｔｅｏｒｏｌｏｇｙ， Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ＆ Ｔｅｃｈｎｏｌｏｇｙ， Ｎａｎｊｉｎｇ ２１００４４，
Ｃｈｉｎａ） ．
Ａｂｓｔｒａｃｔ： Ｔｈｅ ａｃｔｕａｌ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｗａｓ ｍｏｄｅｌｌｅｄ ｕｔｉｌｉｚｉｎｇ ｔｈｅ ｂｏｒｅａｌ ｅｃｏｓｙｓｔｅｍ ｐｒｏｄｕｃｔｉｖｉｔｙ
ｓｉｍｕｌａｔｏｒ （ＢＥＰＳ） ｉｎ Ｈｕａｉｈｅ Ｒｉｖｅｒ Ｂａｓｉｎ ｆｒｏｍ ２００１ ｔｏ ２０１２． Ｉｎ ｔｈｅ ｍｅａｎｔｉｍｅ， ｔｈｅ ｑｕａｎｔｉｔａｔｉｖｅ
ａｎａｌｙｓｅｓ ｏｆ ｔｈｅ ｓｐａｔｉａｌ⁃ｔｅｍｐｏｒａｌ ｖａｒｉａｔｉｏｎｓ ｏｆ ａｃｔｕａｌ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｎｄ ｉｔｓ ｉｎｆｌｕｅｎ⁃
ｃｉｎｇ ｆａｃｔｏｒｓ ｕｎｄｅｒ ｄｉｆｆｅｒｅｎｔ ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅｓ ｗｅｒｅ ｃｏｎｄｕｃｔｅｄ． Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ａｎｎｕａｌ ｅｖａｐｏ⁃
ｔｒａｎｓｐｉｒａｔｉｏｎ ｇｒａｄｕａｌｌｙ ｄｅｃｒｅａｓｅｄ ｆｒｏｍ ｓｏｕｔｈｅａｓｔ ｔｏ ｎｏｒｔｈｗｅｓｔ， ｔｅｎｄｅｄ ｔｏ ｉｎｃｒｅａｓｅ ａｎｎｕａｌｌｙ， ａｎｄ ｔｈｅ
ｍｏｎｔｈｌｙ ｃｈａｎｇｅ ｆｏｒ ｔｈｅ ａｖｅｒａｇｅ ａｎｎｕａｌ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｗａｓ ｄｏｕｂｌｅ⁃ｐｅａｋ ｃｕｒｖｅ． Ｔｈｅ ｄｉｆｆｅｒｅｎｃｅｓ ｏｆ
ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ａｍｏｎｇ ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｆａｒｍｌａｎｄ ｗａｓ ｔｈｅ ｌａｒｇｅｓｔ ｃｏｎｔｒｉｂｕｔｏｒ ｆｏｒ
ｔｈｅ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｏｆ Ｈｕａｉｈｅ Ｂａｓｉｎ． Ｔｈｅ ａｎｎｕａｌ ａｃｔｕａｌ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｏｆ ｔｈｅ ｍｉｘｅｄ ｆｏｒｅｓｔ ｐｅｒ
ｕｎｉｔ ａｒｅａ ｗａｓ ｔｈｅ ｌａｒｇｅｓｔ， ａｎｄ ｔｈａｔ ｏｆ ｔｈｅ ｂａｒｅ ｇｒｏｕｎｄ ｐｅｒ ｕｎｉｔ ａｒｅａ ｗａｓ ｔｈｅ ｓｍａｌｌｅｓｔ． Ｔｈｅ ｃｈａｎｇｅｄ
ａｖｅｒａｇｅ ａｎｎｕａｌ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｐｅｒ ｕｎｉｔ ａｒｅａ ｆｏｒ ｖａｒｉｏｕｓ ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅｓ ｉｎｄｉｃａｔｅｄ ａｎ ｉｎｃｒｅａｓｅｄ
ｔｅｎｄｅｎｃｙ ｏｔｈｅｒ ｔｈａｎ ｔｈｅ ｂａｒｅ ｇｒｏｕｎｄ， ｗｉｔｈ ａ ｍｏｓｔ ｓｉｇｎｉｆｉｃａｎｔ ｉｎｃｒｅａｓｅ ｔｒｅｎｄ ｆｏｒ ｔｈｅ ｅｖｅｒｇｒｅｅｎ ｂｒｏａｄ⁃
ｌｅａｆ ｆｏｒｅｓｔ． Ｔｈｅ ｔｈｅｒｍｏｄｙｎａｍｉｃ ｆａｃｔｏｒｓ （ｓｕｃｈ ａｓ ａｖｅｒａｇｅ ｔｅｍｐｅｒａｔｕｒｅ） ｗｅｒｅ ｔｈｅ ｄｏｍｉｎａｎｔ ｆａｃｔｏｒｓ ａｆ⁃
ｆｅｃｔｉｎｇ ｔｈｅ ａｃｔｕａｌ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｉｎ ｔｈｅ Ｈｕａｉｈｅ Ｂａｓｉｎ， ｆｏｌｌｏｗｅｄ ｂｙ ｒａｄｉａｔｉｏｎ ａｎｄ ｍｏｉｓｔｕｒｅ ｆａｃ⁃
ｔｏｒｓ．
Ｋｅｙ ｗｏｒｄｓ： Ｂｏｒｅａｌ Ｅｃｏｓｙｓｔｅｍ Ｐｒｏｄｕｃｔｉｖｉｔｙ Ｓｉｍｕｌａｔｏｒ （ＢＥＰＳ）； ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ； Ｈｕａｉｈｅ Ｂａｓｉｎ；
ｉｎｆｌｕｅｎｃｉｎｇ ｆａｃｔｏｒ．
本文由国家自然科学基金项目（４１５７５１１０）、中国气象局 ／河南省农业气象保障与应用技术重点开放实验室开放研究基金项目（ＡＭＦ２０１３０５）和
国家自然科学基金委员会－广东联合基金（二期）超级计算科学应用研究专项（ｎｓｆｃ２０１５＿２３３）资助 Ｔｈｉｓ ｗｏｒｋ ｗａｓ ｓｕｐｐｏｒｔｅｄ ｂｙ ｔｈｅ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ
Ｆｏｕｎｄａｔｉｏｎ ｏｆ Ｃｈｉｎａ （４１５７５１１０）， ｔｈｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ａｇｒｏｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｓａｆｅｇｕａｒｄ ａｎｄ Ａｐｐｌｉｅｄ Ｔｅｃｈｎｉｑｕｅ ｏｆ Ｃｈｉｎａ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ ａｎｄ
Ｈｅｎａｎ Ｐｒｏｖｉｎｃｅ （ ＡＭＦ２０１３０５） ａｎｄ Ｎａｔｉｏｎａｌ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ ｏｆ Ｃｈｉｎａ⁃Ｇｕａｎｇｄｏｎｇ Ｐｒｏｖｉｎｃｅ （ ｓｅｃｏｎｄ） Ｓｕｐｅｒｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ Ｐｒｏｊｅｃｔ
（ｎｓｆｃ２０１５＿２３３）．
２０１５⁃１１⁃２０ Ｒｅｃｅｉｖｅｄ， ２０１６⁃０４⁃０６ Ａｃｃｅｐｔｅｄ．
∗通讯作者 Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ． Ｅ⁃ｍａｉｌ： ｗｕｒｊ＠ ｎｕｉｓｔ．ｅｄｕ．ｃｎ
应 用 生 态 学 报　 ２０１６年 ６月　 第 ２７卷　 第 ６期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｊａｅ．ｎｅｔ
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， Ｊｕｎ． ２０１６， ２７（６）： １７２７－１７３６　 　 　 　 　 　 　 　 　 ＤＯＩ： １０．１３２８７ ／ ｊ．１００１－９３３２．２０１６０６．０４０
　 　 地表实际蒸散指地表土壤蒸发与植被蒸腾之
和，对地表水分和能量平衡过程及地球气候系统有
重要影响［１］ ．准确分析实际蒸散的时空分布特征和
变化趋势，不仅可以加深人类对生态系统水分循环
的认识［２］，也有助于正确评估人类活动对生态系统
的影响，特别是对水资源管理者和农业生产管理者
合理利用、分配水资源具有重要意义［３］ ．
随着观测手段的进步和遥感技术的引入，实际
蒸散的观测和模拟研究取得了巨大的进展，逐渐形
成了波文比⁃能量平衡法［４］、空气动力学方法［５］、
Ｐｅｎｍａｎ公式［６］、涡动相关技术［７］、生态模型和陆面
过程模型的模拟等一系列成熟可靠的蒸散研究方
法．传统的基于站点的计算方法缺少普遍适用性，受
到下垫面非均一性的制约，在区域蒸散估算方面有
很大的局限性．Ｍｏｒａｎ 等［８］利用遥感手段结合 Ｐ⁃Ｍ
公式对半干旱草地的蒸散进行研究，结果表明，Ｐ⁃Ｍ
公式对浓密植被或裸地等相对均值下垫面效果较
好，而对非均质下垫面则不理想．近年来，３Ｓ 技术的
发展为区域蒸散估算中充分考虑地表不均一性的解
决提供了越来越有利的条件．蒸散主要受植被自身
生理特征和环境的影响．下垫面的植被类型不同，水
分散逸的效率也不同，导致蒸散的空间分布受到很
大影响［９］ ．如 Ｍａｈｍｏｏｄ 等［１０］研究发现，两种不同土
地覆被类型之间年总蒸散量相差 ３６％．Ｓｒｉｄｈａｒ 等［１１］
研究表明，在相对均匀的地表，不同分辨率的感热和
潜热的差异较小；而对于不均匀地表，地表能量通量
差异显著增加，可见不同地表覆被对蒸散的影响是
明显的．即使同一地表覆被类型的植被，蒸散量也有
差异．闵程程［１２］将林地细分为阔叶林、针叶林和针
阔混交林，结果表明，３ 种林地的蒸发量、蒸腾量和
蒸散量存在明显差异．张淑兰等［１３］分析了同一植被
类型在不同区域和不同海拔下的水文过程，结果表
明，不同植被类型对蒸散的影响显著不同，并且同一
植被类型在不同区域对蒸散的影响也存在较大
差异．
蒸散作为复杂的、连续的过程，受到多种因子的
影响，包括太阳辐射、气温、水分等环境因子以及叶
面积指数、气孔冠层阻抗等植被自身生理生态因子．
蒸散量与气象因子之间的关系一直是研究热点，学
者们采用了很多方法，如张瑞刚等［１４］利用 Ｍａｎｎ⁃
Ｋｅｎｄａｌｌ⁃Ｓｎｅｙｅｒｓ方法发现滹沱河流域降水对蒸散起
控制作用；曾丽红等［１５］利用基于象元的相关分析法
发现松嫩平原蒸散量与降水、平均气温的正相关性
达极显著水平；赵晓松等［１６］研究发现，鄱阳湖流域
月降水距平越小，月蒸散量越大．然而，上述研究方
法均从时间角度分析气象因子对蒸散的影响，不能
深入揭示蒸散空间分布与气象因子的相关关系．黄
会平等［１７］采用主成分分析方法对潜在作物蒸散量
的影响因子及其空间分布特征进行探讨，结果表明，
我国潜在蒸散量主要受到热力学因子的影响．
淮河流域地处中国南北气候过渡带，具有南北
气候的典型特征，并且地表覆被类型丰富．为了定量
分析不同地表覆被类型之间的蒸散差异，本研究以
淮河流域为研究区域，基于改进的 ＢＥＰＳ 模型，利用
２００１—２０１２年间 ＭＯＤＩＳ遥感数据、气象资料，以及
土壤数据和其他辅助数据，模拟研究该地区蒸散量
的空间分布格局、时间变化趋势以及影响蒸散量的
主导气象因子，探讨不同地表植被类型的区域蒸散
差异，以期为基于机理过程的蒸散模型提供理论依
据，也为淮河流域水资源管理提供决策参考．
１　 研究地区与研究方法
１􀆰 １　 研究地区概况
淮河流域地处我国东部，介于长江和黄河两流
域之间（３０°５５′—３６°３６′ Ｎ，１１１°５５′—１２１°５５′ Ｅ），流
域面积为 ２７×１０４ ｋｍ２ ．淮河发源于桐柏山太白顶北
麓，依次流经河南、湖北、安徽、江苏等省，全长约
１０００ ｋｍ，总落差约 ２００ ｍ．流域西部、西南部及东北
部为山区、丘陵区，其余为广阔的平原．该区地处中
国南北气候过渡带，是中国南北方气候的天然分界
线，淮河以北属暖温带，淮河以南属北亚热带，多年
平均降水量约 ８８８ ｍｍ，年径流量约 ２３０ ｍｍ．
１􀆰 ２　 ＢＥＰＳ模型介绍
ＢＥＰＳ模型是在 ＦＯＲＥＳＴ⁃ＢＧＣ 模型［１８］的基础
上，经过不断的改进和发展所得．Ｌｉｕ 等［１９］首先利用
ＢＥＰＳ模型进行了加拿大北方森林生态系统生产力
的模拟研究，经过多次改进，已经被许多学者用到日
本、美国、中国等国的区域实际蒸散量的模拟研究
中．该模型主要特点是将遥感资料与机理性生态模
型有机地结合起来，模拟生态系统的碳水循环过程．
其中，水分循环主要采用阳生叶和阴生叶分离的方
式来计算植被冠层蒸散，同时引入了叶集聚指数来
表征叶片集聚状态对太阳辐射在冠层内传输的影
响．实际蒸散为冠层截留降水蒸发、冠层蒸腾、土壤
表面蒸发和地表积雪升华等之和［２０］ ．具体公式
如下：
ＥＴ＝Ｔｐｌａｎｔ＋Ｔｕｎｄｅｒ＋Ｅｐｌａｎｔ＋Ｓｐｌａｎｄ＋Ｅｓｏｉｌ＋Ｓｇｒｏｕｎｄ （１）
式中：Ｔｐｌａｎｔ为上层植被的蒸腾（ｍｍ）；Ｔｕｎｄｅｒ为下层植
８２７１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
被的蒸腾 （ ｍｍ）； Ｅｐｌａｎｔ 为植被截流降水的蒸发
（ｍｍ）；Ｓｐｌａｎｔ为植被截流降雪的升华（ｍｍ）；Ｅｓｏｉｌ为土
壤蒸发（ｍｍ）；Ｓｇｒｏｕｎｄ为地表积雪的升华（ｍｍ）．
ＢＥＰＳ模型水分循环的核心部分是植被蒸腾量
的计算，利用改进后的 Ｐ⁃Ｍ方程计算植物冠层的蒸
腾量［２１］，具体见式（２）．在模拟中，将阳生叶和阴生
叶分别计算植被冠层蒸腾，具体见式（３）．
Ｔ＝
ΔＲｎ＋ρＣｐＶＰＤ ／ ｒａ
Δ＋γ（１＋ｒｓ ／ ｒａ）
é
ë
êê
ù
û
úú ／ λｖ （２）
Ｔｐｌａｎｔ ＝ＴｓｕｎＬＡＩｓｕｎ＋ＴｓｈａｄｅＬＡＩｓｈａｄｅ （３）
ＬＡＩｓｕｎ ＝ ２ｃｏｓθ［１－ｅｘｐ（－０．５ΩＬＡＩ ／ ｃｏｓθ）］ （４）
ＬＡＩｓｈａｄｅ ＝ＬＡＩ－ＬＡＩｓｕｎ （５）
式中：Ｒｎ是净吸收辐射（Ｗ·ｍ
－２）；Δ 为温度⁃饱和水
汽压曲线斜率（ｍｂａｒ·℃ －１）；ρ 为空气密度（在 １５
℃时为 １．２２５ ｋｇ·ｍ－３）；Ｃｐ是常温下空气的比热，为
１０１０ Ｊ·ｋｇ－１·℃ －１；ＶＰＤ 是饱和差（ｍｂａｒ）；ｒａ是空
气阻抗；γ 为干湿常数（ｋＰａ·℃ －１）；ｒｓ是表面阻抗，
可计作单叶片的气孔阻抗；Ｔｓｕｎ和 Ｔｓｈａｄｅ分别为阳生
叶和阴生叶的蒸散量（ｍ·ｓ－１）；ＬＡＩｓｕｎ和 ＬＡＩｓｈａｄｅ分别
为阳生叶和阴生叶的叶面积指数；θ 为日均太阳天
顶角；Ω为叶集聚指数．
植被表面的蒸发量和升华量主要取决于植被截
留降水以及可能将固态水和液态水转化为水蒸汽的
能量，当气温高于 ０ ℃时，植被表面的水分蒸发，否
则升华．
Ｐ ｉｎｔ ＝ｍｉｎ（ＬＡＩｂｉｎｔ，Ｐ） （６）
Ｅｐｌａｎｔ ＝ｍｉｎ（Ｓｉｎｔｂａｂｓ＿ｗａｔｅｒ ／ λｖ，Ｐ ｉｎｔ） （７）
Ｓｐｌａｎｔ ＝ｍｉｎ（Ｓｉｎｔｂａｂｓ＿ｓｎｏｗ＿ｎｅｗ ／ λｖ，Ｐ ｉｎｔ） （８）
式中：Ｐ ｉｎｔ为植被截留降水量（ｍｍ）；Ｐ 为降水量；ｂｉｎｔ
为降水截留系数；ｂａｂｓ＿ｗａｔｅｒ为水对太阳辐射的吸收率，
赋值为０．５［２２］；ｂａｂｓ＿ｓｎｏｗ＿ｎｅｗ为新雪对太阳辐射的吸收
率，赋值为 ０．１［２２］；λｖ为水蒸发潜热（０ ℃时为 ２．５×
１０６ Ｊ·ｋｇ－１）；λｓ为雪升华潜热（０ ℃时为 ２．８×１０６
Ｊ·ｋｇ－１）；Ｓｉｎｔ为截获的日太阳辐射（Ｊ·ｍ
－２·ｄ－１）．
土壤蒸发量主要包括无积雪覆盖土壤的蒸发量
以及有积雪覆盖土壤的蒸发量和升华量．无积雪覆
盖土壤的蒸发量（Ｔｓｏｉｌ ）利用 Ｐ⁃Ｍ 方程计算，同式
（２），其中的 ｒｓ可计作土壤对水的阻抗．有积雪覆盖
时，假设土壤蒸发量为 ０，土壤升华量的计算公
式为：
Ｓｇｒｏｕｎｄ ＝ｍｉｎ［ｓｎｏｗ，（Ｓ－Ｓｉｎｔ）］ｃｓｎｏｗ ／ λｓ （９）
式中：ｓｎｏｗ是雪、水的对应量（ｍｍ）；ｃｓｎｏｗ是雪升华时
太阳辐射转化为潜热的比例系数［２２］ ．
１􀆰 ３　 ＢＥＰＳ模型所需驱动数据来源及处理
模型所需的驱动数据包括地表覆被类型、叶面
积指数、日值气象、土壤数据等．在运行模型前，利用
ＥＮＶＩ 软件对驱动数据进行投影变换、双线性内插、
裁剪等处理［２３］，使所有的驱动数据都拥有统一的坐
标系、投影、分辨率．本研究输入的驱动数据采用
ＷＧＳ⁃８４坐标系，投影方式为经纬地理投影，空间分
辨率为 ０．０８°，时间分辨率为天（ｄ）．
地表覆被类型数据采用中分辨率成像光谱仪
（ｍｏｄｅｒａｔｅ⁃ｒｅｓｏｌｕｔｉｏｎ ｉｍａｇｉｎｇ ｓｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒ， ＭＯ⁃
ＤＩＳ）传感器的 ＭＣＤ１２Ｑ１ 产品，该产品包括 ５ 种土
地覆被分类数据集．本研究选用的分类体系遵循马
里兰大学植被分类标准，该数据将地表覆被类型分
为 １４ 种，并且对 ２００１—２０１２ 年的地表覆被类型数
据进行融合．
叶面积指数（ ｌｅａｆ ａｒｅａ ｉｎｄｅｘ， ＬＡＩ）选取 ＭＯＤＩＳ
传感器的 ８ ｄ合成的 ＬＡＩ 产品数据（ＭＯＤ１５Ａ２），数
据时间为 ２００１—２０１２年，空间分辨率 １ ｋｍ．
土壤有效持水量 （ ａｖａｉｌａｂｌｅ ｗａｔｅｒ ｃａｐａｃｉｔｙ，
ＡＷＣ）指土壤中能够被植物吸收利用的水量．由于
土壤 ＡＷＣ 根据土壤质地确定，土壤属性比较稳
定［２４］，因此假定 ＡＷＣ 在 ２００１—２０１２ 年间是不变
的，ＡＷＣ数据来自 ＩＧＢＰ⁃ＤＩＳ的土壤属性数据库．
气象数据源于中国气象数据网的站点数据，包
括 ２００１—２０１２年全国 ８２４个气象站的日最高温度、
日最低温度、日总降水量、日相对湿度以及每年 １ 月
１日的积雪深度．上述气象数据利用 ＡＮＵＳＰＬＩＮ 算
法［２２］插值成 ８ ｋｍ分辨率的栅格数据．
日总太阳辐射采用美国环境预测和大气研究中
心（ＮＣＥＰ ／ ＮＣＡＲ）的再分析资料，并参照冯险峰［２２］
的方法对北半球的数据进行订正，得到中国 ２００１—
２０１２年的日总太阳辐射数据集．
１􀆰 ４　 ＮＯＡＡ ／ ＡＶＨＲＲ ＮＤＶＩ数据
ＮＯＡＡ ／ ＡＶＨＲＲ ＮＤＶＩ 数据来源于 ＮＯＡＡ⁃ＮＥＳ⁃
ＤＩＳ，空间分辨率为 ４ ｋｍ，时间分辨率为 ７ ｄ．
１􀆰 ５　 验证数据
通量数据来源于国家自然科学基金委员会“黑
河计划数据管理中心”（ｈｔｔｐ： ／ ／ ｗｗｗ．ｈｅｉｈｅｄａｔａ．ｏｒｇ），
本文选用阿柔冻融观测站及大野口关滩森林站通量
数据．阿柔站位于青海省祁连县中部地区的阿柔乡草
大板村瓦王滩牧场（３８°０２′３９．８″ Ｎ、１００°２７′５２．９″ Ｅ），
海拔 ３０３２．８ ｍ，观测场周围地势相对平坦［２５］ ．大野
口站位于甘肃省张掖市大野口关滩 （ ３８° ３２′ Ｎ、
１００°１５′ Ｅ），海拔 ２８３５ ｍ，观测场位于黑河关滩阴坡
９２７１６期　 　 　 　 　 　 　 吴荣军等： 不同植被条件下实际蒸散的变化特征及其影响因子———以淮河流域为例　 　 　
的森林内，林内主要是高 １５ ～ ２０ ｍ 的云衫，地面覆
盖有约 １０ ｃｍ厚的苔藓，植被生长状况良好［２６］ ．
流域水文数据包括淮河流域年降水量与淮河流
域年径流量，来源于淮河水利委员会公布的“淮河
片水资源公报” （ ｈｔｔｐ： ／ ／ ｗｗｗ． ｈｒｃ． ｇｏｖ． ｃｎ ／ ｓｍｏｄｅｌ？
ｍｏｄｅｌ ＝ ００００００００００００００００６５７６＆ｆｏｌｄｅｒ ＝ ２０７２）．
１􀆰 ６　 数据处理
采用均方根误差（ＲＭＳＥ）和相对偏差（ＲＥ）验
证模拟地表实际蒸散量与实测实际蒸散量的偏离程
度［２３］；并利用流域水量平衡法［２７］对淮河流域的实
际蒸散模拟结果进行精度评价，即利用淮河流域年
平均降水深与年平均径流深之差（以下称估算蒸散
量，ｍｍ），与模拟的实际蒸散量进行对比分析．采用
线性回归分析蒸散量的年际变化趋势，并计算出年
际变化率［２８］ ．利用主成分分析方法（ＰＣ） ［１７］分析影
响地表实际蒸散的影响因子．
２　 结果与分析
２􀆰 １　 地表实际蒸散模拟的结果验证
本研究开展了全国范围内的地表实际蒸散量模
拟．为验证模型的适应性，利用阿柔站、大野口站观
测数据与模拟结果进行验证．由图 １ 可以看出，
２００９—２０１１年阿柔站和 ２００８—２０１０ 年大野口站的
模拟实际蒸散与通量观测实际蒸散均具有较好的相
关性．阿柔站 ２００９、２０１０、２０１１ 年模拟结果与观测数
据的均方根误差（ＲＭＳＥ）分别为 ０． ６５、０． ７６、０． ５０
ｍｍ·ｄ－１，平均为 ０．６１ ｍｍ·ｄ－１；模拟值与观测值的
平均相对偏差 （ ＲＥ）为 － １７． ９％．大野口站 ２００８、
２００９、２０１０ 年的 ＲＭＳＥ 分别为 ０． ５９、 ０． ４２、 ０． ６６
ｍｍ·ｄ－１，平均为 ０．５８ ｍｍ·ｄ－１；模拟值与观测值的
平均ＲＥ为－２４．８％．大野口站位于森林内，而ＭＯＤＩＳ
图 １　 站点模拟蒸散与通量观测蒸散的比较
Ｆｉｇ．１　 Ｃｏｍｐａｒｉｓｏｎ ｂｅｔｗｅｅｎ ｔｈｅ ｏｂｓｅｒｖｅｄ ａｎｄ ｓｉｍｕｌａｔｅｄ ＥＴ ｂｙ
ＢＥＰＳ ｍｏｄｅｌ．
ａ） ２００９—２０１１年阿柔站 Ａｒｏｕ ｓｔａｔｉｏｎ ｉｎ ２００９－２０１１； ｂ） ２００８—２０１０
年大野口站 Ｄａｙｅｋｏｕ ｓｔａｔｉｏｎ ｉｎ ２００８－２０１０．
的 ＭＣＤ１２Ｑ１产品将该站识别为草原，导致大野口
站相对偏差较大．
　 　 根据张方敏等［２４］研究结果，对比长白山站、千
烟洲站、海北站、锡林浩特站、禹城站的年蒸散观测
数据．由表 １可以看出，模拟实际蒸散年总量与观测
值的实际蒸散年总量较为接近；观测值与模拟值全
年相对偏差在－１４．５％ ～９．７％．由于通量观测是基于
站点测量的，与模型模拟尺度不一样，并且受到下垫
面不均匀与空间异质性的影响，导致模拟结果与实
测结果之间存在一定差异．
由表 ２ 可以看出，２００１—２０１２ 年，淮河流域的
估算蒸散量与模拟的实际蒸散量基本吻合．两者最
表 １　 模拟蒸散与观测蒸散比较的统计结果
Ｔａｂｌｅ １　 Ｓｔａｔｉｓｔｉｃｓ ｏｆ ｓｉｍｕｌａｔｅｄ ａｎｄ ｏｂｓｅｒｖｅｄ ａｎｎｕａｌ ＥＴ
站点
Ｓｉｔｅ
坐标
Ｃｏｏｒｄｉｎａｔｅ
年份
Ｙｅａｒ
实测蒸散量
Ｏｂｓｅｒｖｅｄ ＥＴ
（ｍｍ·ａ－１）
模拟蒸散量
Ｓｉｍｕｌａｔｅｄ ＥＴ
（ｍｍ·ａ－１）
相对偏差
ＲＥ
（％）
实测数据来源
Ｍｅａｓｕｒｅｄ ｄａｔａ
ｓｏｕｒｃｅ
吉林长白山 ４２°２４′ Ｎ ２００３ ５３７．８ ５２３．４２ －２．７
Ｃｈａｎｇｂａｉｓｈａｎ， Ｊｉｌｉｎ １２８°０６′ Ｅ ２００４ ５２４．４ ５３３．５９ １．８
江西千烟洲 ２６°４４′ Ｎ ２００３ ７０９．４ ６７６．２５ ４．７
Ｑｉａｎｙａｎｚｈｏｕ， Ｊｉａｎｇｘｉ １１５°０３′ Ｅ ２００４ ７７２．４ ８２４．１４ ６．７
山东禹城 ３６°４９′ Ｎ ２００３ ５４１．７ ５８６．０４ ８．２ ［２９］
Ｙｕｃｈｅｎｇ， Ｓｈａｎｄｏｎｇ １１６°３４′ Ｅ ２００４ ５８１．９ ６３８．３６ ９．７
内蒙古锡林浩特 ４３°３３′ Ｎ ２００４ ３１１．１ ３０３．３５ －２．５
Ｘｉｌｉｎｈｏｔ， Ｉｎｎｅｒ Ｍｏｎｇｏｌｉａ １１６°４０′ Ｅ
青海海北
Ｈａｉｂｅｉ， Ｑｉｎｇｈａｉ
３７°４０′ Ｎ
１０１°２０′ Ｅ
２００３ ４９８ ４２５．７５ －１４．５ ［２４］
０３７１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
表 ２　 淮河流域模拟的实际蒸散量数据精度评价
Ｔａｂｌｅ ２ 　 Ａｃｃｕｒａｃｙ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｓｉｍｕｌａｔｅｄ ＥＴ ｏｖｅｒ ｔｈｅ
Ｈｕａｉｈｅ Ｂａｓｉｎ
年份
Ｙｅａｒ
估算蒸散量
Ｅｓｔｉｍａｔｅｄ ＥＴ
（ｍｍ·ａ－１）
模拟蒸散量
Ｓｉｍｕｌａｔｅｄ ＥＴ
（ｍｍ·ａ－１）
相对偏差
ＲＥ
（％）
２００１ ５２８．８ ５４６．７５ ３．３９
２００２ ６３１．７ ６３６．５１ ０．７６
２００３ ７６６．７ ６５４．５４ －１４．６３
２００４ ６４２．８ ６４４．４９ ０．２６
２００５ ７５０．３ ６５４．２７ －１２．８０
２００６ ６８２．６ ６６２．１ －３．００
２００７ ６５９．２ ７０１．８１ ６．４６
２００８ ６５４．１ ７０２．２２ ７．３６
２００９ ６５７．３ ６７７．６９ ３．１０
２０１０ ６３６．０ ６８２．６８ ７．３４
２０１１ ６１７．８ ５７６．３５ －６．７１
２０１２ ５８０．３ ６１４．８４ ５．９５
平均 Ａｖｅｒａｇｅ ６５０．６３ ６４６．１９ －０．６８
大相对偏差出现在 ２００３年，达到－１４．６％，主要是因
为 ２００１ 和 ２００２ 年为干旱年，而 ２００３ 年降水量较
大，补充了 ２００１和 ２００２年土壤水分的缺失．
通过上述分析可知，ＢＥＰＳ 模型模拟结果能够
较好地反映淮河流域的实际蒸散量．该模型及参数
方案可以用于模拟淮河流域陆地生态系统实际蒸
散量．
２􀆰 ２　 地表实际蒸散的时空分布特征
２００１—２０１２年，淮河流域每年实际蒸散量空间
分布大体一致，主要表现为由南向北、由沿海向内陆
逐渐递减的趋势（图 ２），与王菱等［３０］、杨秀芹等［３１］
研究结果基本吻合．淮河流域多年平均实际蒸散量
的最高值出现在淮河流域的南部地区．该地区日照
充足，雨水丰沛，空气湿润，植被以农田和混交林为
主，土壤蒸发和植被蒸腾旺盛，具有典型的山地气候
特征．淮河流域西北地区属于季风气候，离海岸线较
远，年均降水量相对较小，所以多年平均实际蒸散量
相对较小．２００３—２０１２ 年，降水较为充足，实际蒸散
量空间差异较小，主要分布在 ５８０～８２０ ｍｍ·ａ－１，空
间分布表现为由南到北逐渐减小，与温度的空间分
布特征基本一致，表明降水充足时，蒸散空间分布主
要受温度影响．２００１ 和 ２００２ 年蒸散量较小，分别比
平均值低 １９９．５１ 和１０９．６４ ｍｍ·ａ－１，其蒸散量与降
水量显著相关，相关系数分别为 ０．５４、０．６７，表明降
水量较小时，降水与实际蒸散量有显著相关性．
　 　 ２００１—２０１２年，淮河流域实际蒸散量在空间上
表现出空间异质性．其中，大部分地区实际蒸散量表
现为增加趋势，并且淮河流域南方地区蒸散量增加
趋势最明显，增幅基本在 ５ ～ ３５ ｍｍ·ａ－１ ．淮河流域
西北地区以及淮河流域东北部分地区都有不同程度
的下降，减幅在 ０～ １０ ｍｍ·ａ－１；淮河流域东南地区
蒸散减幅最剧烈，最大减少量超过 ２０ ｍｍ· ａ－１
（图 ３）．
由图 ４ 可以看出，２００１—２０１２ 年，淮河流域实
际蒸散的月变化曲线呈现双峰的格局．春季气温上
升，植被进入返青期，ＮＤＶＩ 与实际蒸散量逐渐增
大，４月 ＮＤＶＩ达到一个峰值，表明 ４ 月的植被长势
最好；５月的实际蒸散量达到一个峰值，而 ＮＤＶＩ 在
５月变小，表明５月植被覆盖度减弱，但蒸散作用较
图 ２　 淮河流域 ２００１—２０１２年蒸散量的空间分布
Ｆｉｇ．２　 Ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ａｎｎｕａｌ ＥＴ （ｍｍ） ｉｎ Ｈｕａｉｈｅ Ｂａｓｉｎ ｄｕｒｉｎｇ ２００１－２０１２．
１３７１６期　 　 　 　 　 　 　 吴荣军等： 不同植被条件下实际蒸散的变化特征及其影响因子———以淮河流域为例　 　 　
图 ３　 ２００１—２０１２年淮河流域年蒸散量的年际变化速率
Ｆｉｇ．３　 Ｃｈａｎｇｉｎｇ ｒａｔｅ ｏｆ ａｎｎｕａｌ ＥＴ ｉｎ Ｈｕａｉｈｅ Ｂａｓｉｎ ｄｕｒｉｎｇ ２００１－
２０１２ （ｍｍ·ａ－１）．
图 ４　 ２００１—２０１２年淮河流域多年平均的逐月实际蒸散量、
蒸发量、蒸腾量和 ＮＤＶＩ值年内变化
Ｆｉｇ．４ 　 Ａｎｎｕａｌ ｃｈａｎｇｅ ｏｆ ｍｏｎｔｈｌｙ ＥＴ， ｍｏｎｔｈｌｙ ｔｒａｎｓｐｉｒａｔｉｏｎ，
ｍｏｎｔｈｌｙ ｅｖａｐｏｒａｔｅ ａｎｄ ＮＤＶＩ ｉｎ Ｈｕａｉｈｅ Ｂａｓｉｎ ｄｕｒｉｎｇ ２００１－２０１２．
强；６月实际蒸散量、蒸腾量与 ＮＤＶＩ均出现低值，主
要是因为此时冬小麦收获，而玉米等农作物刚刚播
种，因此植被蒸腾量小，实际蒸散量与蒸腾量出现一
个明显的低值区．这与 ＮＤＶＩ趋势相吻合，蒸发量同
样有一个微弱的减小，是因为有些年份 ５、６ 月降水
量较小，直接导致 ６ 月蒸发量减少．然后，实际蒸散
量与 ＮＤＶＩ迅速上升，８ 月为玉米生长旺盛期，实际
蒸散量达到一年中的最高值（１０８．８５ ｍｍ）；８ 月以
后，淮河流域进入秋季，降水减少，温度逐渐降低，蒸
散急速减小，直到 １１、１２ 月开始缓慢下降，与王菱
等［３０］的研究结果基本吻合．一年中，植被蒸腾量占
蒸散量的 ６３．１％，大于蒸发量，而且夏秋两季的植被
蒸腾量明显高于蒸发量，主要是因为夏秋两季植被
生长旺盛，蒸腾量较高；１—３ 月，由于降水量稀少，
农作物处于萌芽阶段，蒸腾作用较弱，导致蒸发量大
于蒸腾量．
２􀆰 ３　 不同地表覆被类型实际蒸散量的特征
从图 ５ 可以看出，２００１—２０１２ 年，淮河流域蒸
散量表现为上升趋势． ２００１ 年的蒸散量最小，仅为
５４６．７５ ｍｍ，比平均值低 ９９．４ ｍｍ，主要因为 ２００１ 年
为淮河流域特大旱灾年．２００３年降水量达到最大值，
实际蒸散量较前两年有所增加，但实际蒸散量并没
有达到 １２ 年中的最大值，主要原因是 ２００１ 和 ２００２
年的降水量低，２００３ 年的部分降水量补充了 ２００１
和 ２００２年土壤水分的缺失．２００８年蒸散量达到最大
值（７０２．２２ ｍｍ），超过平均值 ５６．０３ ｍｍ，主要因为
２００７和 ２００８ 年降水充沛，有充足的水分来源，并且
植被长势好，蒸散量较高．不同土地覆被类型年均实
际蒸散量表现为：混交林＞密灌木林＞农田＞常绿阔
叶林＞草地＞落叶阔叶林＞稀疏灌木林＞常绿针叶林＞
落叶针叶林＞城镇建筑用地＞裸地．
研究区林地以混交林为主，混交林在所有地表
覆被类型中的年均实际蒸散量最大，达到 ７０２． ７５
ｍｍ，其主要分布在淮河流域南部地区．该地区降水
丰沛、阳光充足、林木生长茂盛，都对蒸散起促进作
用．常绿阔叶林年均实际蒸散量增长趋势最明显，年
均实际蒸散量最大值与最小值相差 ２３９．４１ ｍｍ．４ 种
林地生态系统中，阔叶林年均蒸散量高于针叶林，常
绿林年均蒸散量高于落叶林．针叶林由于 ＬＡＩ 小，蒸
腾能力较弱，其蒸腾量远远小于蒸发量，其年均蒸腾
量仅占年均蒸散量的 ４０．３％；阔叶林年均蒸腾量占
年均蒸散量的 ５４．１％．
农田蒸散主要受到气象因子、作物特性以及农
业技术措施等综合作用的影响．淮河流域农田主要
分布在灌溉条件较好、土壤水分供应相对充足的地
区［３］，农田年均蒸散量较高，仅次于混交林和密灌
木林，并且农田面积占淮河流域陆地总面积的
８５．８％，农田蒸散总量占淮河流域总蒸散量的
８７．７％，所以淮河流域年均值蒸散量与农田年均蒸
散量的变化趋势最为一致．表明农田蒸散对淮河流
域蒸散起主导作用，是淮河流域植被生长季水分散
失的重要组成部分．
草地主要分布在淮河流域北方地区．该地区气
候相对干燥，降水相对较少，且涵养水源能力较低，
又没有灌溉补给，极易造成水分亏缺，限制了地表蒸
散活动的进行，导致草地蒸散量低于林地与农田蒸
散量．
由于建筑物无渗透性、蒸发微弱，城镇应该具有
较低的蒸散量，但模拟结果显示城镇建筑用地具有
较高的蒸散量．这是因为本研究中采用的地表覆被
类型数据是 ０．０８°（约为 ８ ｋｍ）数据，所以不可避免
地存在混合象元现象．城镇建筑与草坪、树木以及水
２３７１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
图 ５　 ２００１—２０１２年淮河流域不同地表覆被类型的蒸散变化趋势
Ｆｉｇ．５　 Ｔｒｅｎｄｓ ｏｆ ＥＴ ｆｏｒ ｄｉｆｆｅｒｅｎｔ ｌａｎｄ ｃｏｖｅｒ ｔｙｐｅｓ ｉｎ Ｈｕａｉｈｅ Ｒｉｖｅｒ ｂａｓｉｎ ｄｕｒｉｎｇ ２００１－２０１２．
ａ） 全部 Ａｌｌ ｏｆ ｔｈｅ ｌａｎｄ ｃｏｖｅｒ； ｂ） 常绿针叶林 Ｅｖｅｒｇｒｅｅｎ ｎｅｅｄｌｅｌｅａｆ ｆｏｒｅｓｔ； ｃ） 常绿阔叶林 Ｅｖｅｒｇｒｅｅｎ ｂｒｏａｄｌｅａｆ ｆｏｒｅｓｔ； ｄ） 落叶针叶林 Ｄｅｃｉｄｕｏｕｓ
ｎｅｅｄｌｅｌｅａｆ ｆｏｒｅｓｔ； ｅ） 落叶阔叶林 Ｄｅｃｉｄｕｏｕｓ ｂｒｏａｄｌｅａｆ ｆｏｒｅｓｔ； ｆ） 混交林 Ｍｉｘｅｄ ｆｏｒｅｓｔ； ｇ） 城镇建筑用地 Ｕｒｂａｎ ｃｏｎｓｔｒｕｃｔｉｏｎ ｌａｎｄ； ｈ） 密灌木林 Ｃｌｏｓｅｄ
ｓｈｒｕｂｌａｎｄ； ｉ） 稀疏灌木林 Ｏｐｅｎ ｓｈｒｕｂｌａｎｄ； ｊ） 农田 Ｃｒｏｐｌａｎｄ； ｋ） 裸地 Ｂａｒｅ ｇｒｏｕｎｄ； ｌ） 草地 Ｇｒａｓｓｌａｎｄ．
体等高蒸散量的地物相间存在，由于其水热条件差
异显著，容易产生局部平流热交换，产生所谓的“绿
洲效应”或“晾衣绳效应” ［３］，导致城镇建筑用地蒸
散量相对较高．
裸地的年均蒸散量最小（１４５．８９ ～ １７３．８１ ｍｍ），
其变化趋势最为平稳，并且在研究期间呈现减小趋
势．主要是因为裸地的植被覆盖度低，且涵养水源的
能力差，不利于蒸散活动的进行．虽然全球温度升高
对蒸散活动起促进作用，但是由于裸地水分流失严
重，降水很快通过径流、渗透等方式流失，裸地对应
降水量的 ８０．３％通过渗透或者径流流失，远高于混
交林的 ２４．５％．
ＮＤＶＩ对蒸散量变化存在显著影响［３２］ ．王情
等［３３］研究发现，淮河流域年均 ＮＤＶＩ 呈现增长趋
势，并且地表覆被类型的 ＮＤＶＩ 变化不尽相同．因
此，不同地表覆被类型的 ＮＤＶＩ 变化趋势不尽相同，
表明淮河流域不同植被长势变化存在差异．这也是
导致不同地表覆被的蒸散变化存在较大差异的重要
原因．
２􀆰 ４　 地表实际蒸散的影响因子
本研究选择影响实际蒸散量的 ９ 个气象因子
（平均温度、最高温度、最低温度、饱和水汽压、风
速、日照时数、净辐射、相对湿度、降水），利用 ＳＰＳＳ
软件进行主成分分析，对影响因子信息进行集中，从
中提取出起主导作用的成分．从表 ３ 可以看出，前 ３
个主成分的特征值占总方差的 ８８．１％，即前 ３ 个主
成分已经对 ９个因子所涵盖的信息进行了概括，因
此本研究选用前 ３ 个主成分代表原有蒸散影响因
子．其中第一主成分携带的信息最多，达到 ５５．８％．
表 ３　 主成分的特征值和贡献率
Ｔａｂｌｅ ３　 Ｅｉｇｅｎｖａｌｕｅｓ ａｎｄ ｓｑｕａｒｅｄ ｌｏａｄｉｎｇｓ ｏｆ ｔｈｅ ｐｒｉｎｃｉｐａｌ
ｃｏｍｐｏｎｅｎｔｓ
主成分
ＰＣ
特征值
Ｔｏｔａｌ
贡献率
Ｖａｒｉａｎｃｅ
（％）
累计贡献率
Ｃｕｍｕｌａｔｉｖｅ
ｖａｒｉａｎｃｅ （％）
１ ５．０２ ５５．８ ５５．８
２ １．８８ ２０．９ ７６．６
３ １．０３ １１．５ ８８．１
４ ０．５６ ６．３ ９４．４
５ ０．２９ ３．３ ９７．７
６ ０．１５ １．７ ９９．４
７ ０．０５ ０．５ ９９．９
８ ０．０１ ０．１ ９９．９
９ ０．０１ ０．０２ １００
３３７１６期　 　 　 　 　 　 　 吴荣军等： 不同植被条件下实际蒸散的变化特征及其影响因子———以淮河流域为例　 　 　
　 　 主要影响因子的识别是通过各个影响因子对主
成分的贡献率进行分析，贡献率大即可认为是主要
影响因子．尽管 ３ 个主成分已经概括了绝大多数影
响因子的信息，但是由于每个因子中各原始变量的
系数差别不明显，需要对荷载矩阵进行方差最大旋
转，以使对因子的解释变得容易，旋转后的荷载矩阵
如表 ４所示．
　 　 从表 ４可以看出，第一主成分（ＰＣ１）在平均温
度、最高温度、最低温度、饱和水汽压上有较大的荷
载，可以把这些因子统归为热力因子，表明淮河流域
的主导气象因子为热力因子．第二主成分（ＰＣ２）在
相对湿度和降水量以及净辐射上有较大的荷载，因
此相对湿度和降水量可称为水分因子，净辐射称为
辐射因子．第三主成分（ＰＣ３）在风速与日照时数上
有较大的载荷，风速、日照时数归为动力因子．风速
与日照时数在第一主成分的荷载为负值，表明日照
时数与热力因子空间趋势并不一致．黄会平等［１７］研
究表明，在影响中国潜在蒸散的因子中，第一主成分
为热力因子，并且风速与日照时数在热力因子的荷
载为负值，表明风速、日照时数与热力因子空间分布
不一致．这种情况不仅仅存在于淮河流域．
对变量进行相关检验，可以进一步反映各个影
响因子与淮河流域实际蒸散量的相关关系．从实际
蒸散量与各个影响因子的相关性统计（表 ５）可以看
出，实际蒸散量与热力因子具有很高的相关性，相关
系数都在 ０．９０以上，表明淮河流域的热力因子是影
响实际蒸散量的主要影响因子．净辐射和水分因子
次之，动力因子的影响力较低．在模型模拟过程中，
表 ４　 旋转成分矩阵
Ｔａｂｌｅ ４　 Ｒｏｔａｔｅｄ ｃｏｍｐｏｎｅｎｔ ｍａｔｒｉｘ
变量
Ｖａｒｉａｂｌｅ
第一
主成分
ＰＣ１
第二
主成分
ＰＣ２
第三
主成分
ＰＣ３
平均温度 Ａｖｅｒａｇｅ ｔｅｍｐｅｒａｔｕｒｅ ０．９４ ０．２９ ０．１３
最高温度 Ｍａｘｉｍｕｍ ｔｅｍｐｅｒａｔｕｒｅ ０．９１ ０．１６ －０．２２
最低温度 Ｍｉｎｉｍｕｍ ｔｅｍｐｅｒａｔｕｒｅ ０．８１ ０．４０ ０．２８
饱和水汽压 Ｓａｔｕｒａｔｉｏｎ ｖａｐｏｒ ｐｒｅｓｓｕｒｅ ０．９５ ０．２３ －０．０４
风速 Ｗｉｎｄ ｓｐｅｅｄ －０．０２ ０．０５ ０．９５
日照时数 Ｓｕｎｓｈｉｎｅ ｄｕｒａｔｉｏｎ －０．７１ ０．１５ ０．３９
净辐射 Ｎｅｔ ｒａｄｉａｔｉｏｎ ０．５４ ０．７９ ０．１４
相对湿度 Ｒｅｌａｔｉｖｅ ｈｕｍｉｄｉｔｙ ０．０１ ０．９３ ０．０６
降水量 Ｐｒｅｃｉｐｉｔａｔｉｏｎ ０．２２ ０．８８ －０．０２
气温决定水分是蒸腾还是升华，并且影响植被的蒸
腾作用；降水是主要的水分输入变量，决定该地区可
利用水分的多少，所以热力因子和水分因子与蒸散
的相关性较高．风速与实际蒸散量呈负相关，说明风
速与实际蒸散的变化趋势不一致．近年来，风速和日
照时数表现为下降趋势［３４－３５］ ．虽然动力因子的减小
在理论上会削弱实际蒸散量，但是并没有改变淮河
流域蒸散量增加的趋势［３１］ ．表明淮河流域的动力因
子对实际蒸散的影响小于热力因子、辐射因子和水
分因子对实际蒸散的影响．
　 　 从图 ６可以看出，淮河流域的平均温度、最高温
度、最低温度等热力因子从南到北逐渐升高；辐射因
子和水分因子呈现出东高西低的趋势．这与东部沿
海空气湿润、雨量充沛，而内陆地区空气相对干燥且
降水较少相吻合；动力因子主要为风速的贡献，高值
分布比较分散．
表 ５　 蒸散量（ＥＴ）与影响因子的相关系数
Ｔａｂｌｅ ５　 Ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｂｅｔｗｅｅｎ ＥＴ ａｎｄ ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｆａｃｔｏｒｓ
平均温度
Ａｖｅｒａｇｅ
ｔｅｍｐｅｒａｔｕｒｅ
最高温度
Ｍａｘｉｍｕｍ
ｔｅｍｐｅｒａｔｕｒｅ
最低温度
Ｍｉｎｉｍｕｍ
ｔｅｍｐｅｒａｔｕｒｅ
饱和水汽压
Ｓａｔｕｒａｔｉｏｎ
ｖａｐｏｒ ｐｒｅｓｓｕｒｅ
风速
Ｗｉｎｄ
ｓｐｅｅｄ
日照时数
Ｓｕｎｓｈｉｎｅ
ｄｕｒａｔｉｏｎ
净辐射
Ｎｅｔ
ｒａｄｉａｔｉｏｎ
相对湿度
Ｒｅｌａｔｉｖｅ
ｈｕｍｉｄｉｔｙ
降水量
Ｐｒｅｃｉｐｉｔａｔｉｏｎ
ＥＴ ０．９１∗∗ ０．９０∗∗ ０．９１∗∗ ０．９０∗∗ －０．１１ ０．３７∗∗ ０．８９∗∗ ０．５０∗∗ ０．７４∗∗
∗∗Ｐ＜０．０１．
图 ６　 蒸散量各主导因子的空间分布
Ｆｉｇ．６　 Ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｔｈｅ ｌｅａｄｉｎｇ ｆａｃｔｏｒｓ ｉｎｆｌｕｅｎｃｉｎｇ ＥＴ．
４３７１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
３　 结　 　 论
本研究利用 ＭＯＤＩＳ 数据和常规气象数据等资
料，结合 ＢＥＰＳ 模型对淮河流域 ２００１—２０１２ 年的实
际蒸散量进行模拟研究．根据模拟结果，得到以下结
论：１）淮河流域实际蒸散量的空间分布表现为由东
南向西北递减的趋势．２００１—２０１２年，淮河流域大部
分地区实际蒸散量表现为增加趋势，仅有淮河以北
的部分地区表现为下降趋势．淮河流域实际蒸散时
间变化特征呈现逐年增加趋势，年内波动曲线表现
为双峰变化格局．２）农田对研究区域实际蒸散总量
的贡献最大，而混交林的年均单位面积实际蒸散量
最大，裸地的年均单位面积实际蒸散量最小；除裸地
外，其他地表覆被类型的年均蒸散量都呈现出增长
趋势，其中，常绿阔叶林的年均蒸散量上升趋势最明
显．ＮＤＶＩ对蒸散量变化存在显著影响［３２］，不同植被
的 ＮＤＶＩ变化程度不同．这也是导致不同地表覆被
的蒸散变化存在较大差异的重要原因．３）淮河流域
的热力因子与蒸散有较好的相关性，其次是辐射因
子和水分因子．在淮河流域，热力因子呈现出由南向
北逐渐递增的趋势，水分因子表现为由沿海到内陆
递减的趋势．
以往研究更注重时间序列的分析，本研究将空
间趋势、主成分分析等空间分析方法与线性回归分
析、相关性检验等时间分析方法相结合，从空间和时
间两个角度分析了淮河流域实际蒸散量的时空变化
特征及其气象主导因子，并与前人研究成果对比，取
得了较好的效果．
参考文献
［１］　 Ｚｈｏｕ Ｌ （周 　 蕾）， Ｗａｎｇ Ｓ⁃Ｑ （王绍强）， Ｃｈｅｎ Ｊ⁃Ｍ
（陈镜明）， ｅｔ ａｌ． Ｔｈｅ ｓｐａｔｉａｌ⁃ｔｅｍｐｏｒａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ
ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｏｆ Ｃｈｉｎａ’ ｓ ｔｅｒｒｅｓｔｒｉａｌ ｅｃｏｓｙｓｔｅｍｓ ｄｕ⁃
ｒｉｎｇ １９９１－２０００． Ｒｅｓｏｕｒｃｅｓ Ｓｃｉｅｎｃｅ （资源科学）， ２００９，
３１（６）： ９６２－９７２ （ｉｎ Ｃｈｉｎｅｓｅ）
［２］　 Ｚｈａｏ Ｍ （赵 　 鸣）． Ａｔｍｏｓｐｈｅｒｉｃ Ｂｏｕｎｄａｒｙ Ｌａｙｅｒ． Ｂｅｉ⁃
ｊｉｎｇ： Ｃｈｉｎａ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｐｒｅｓｓ， １９９２ （ｉｎ Ｃｈｉｎｅｓｅ）
［３］　 Ｈｅ Ｙ⁃Ｂ （何延波）， Ｓｕ Ｚ， Ｊｉａ Ｌ， ｅｔ ａｌ． Ｒｅｇｉｏｎａｌ ｅｖａｐｏ⁃
ｔｒａｎｓｐｉｒａｔｉｏｎ ｏｆ ｄｉｆｆｅｒｅｎｔ ｌａｎｄ ｃｏｖｅｒｓ ｂａｓｅｄ ｏｎ ｒｅｍｏｔｅ
ｓｅｎｓｉｎｇ． Ｃｈｉｎｓｅｓ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ （应用生态
学报）， ２００７， １８（２）： ２８８－２９６ （ｉｎ Ｃｈｉｎｅｓｅ）
［４］　 Ｂｏｗｅｎ ＩＳ． Ｔｈｅ ｒａｔｉｏ ｏｆ ｈｅａｔ ｌｏｓｓｅｓ ｂｙ ｃｏｎｄｕｃｔｉｏｎ ａｎｄ ｂｙ
ｅｖａｐｏｒａｔｉｏｎ ｆｒｏｍ ａｎｙ ｗａｔｅｒ ｓｕｒｆａｃｅ． Ｐｈｙｓｉｃａｌ Ｒｅｖｉｅｗ，
１９２６， ２７： ７７９－７８７
［５］　 Ｔｈｏｒｎｔｈｗａｉｔｅ ＣＷ， Ｈｏｌｚｍａｎ Ｂ． Ｔｈｅ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ
ｅｖａｐｏｒａｔｉｏｎ ｆｒｏｍ ｌａｎｄ ａｎｄ ｗａｔｅｒ ｓｕｒｆａｃｅｓ． Ｍｏｎｔｈｌｙ Ｗｅａ⁃
ｔｈｅｒ Ｒｅｖｉｅｗ， １９３９， ６７： ４
［６］　 Ｐｅｎｍａｎ ＨＬ． Ｎａｔｕｒａｌ ｅｖａｐｏｒａｔｉｏｎ ｆｒｏｍ ｏｐｅｎ ｗａｔｅｒ， ｂａｒｅ
ｓｏｉｌ ａｎｄ ｇｒａｓｓ． Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｒｏｙａｌ Ｓｏｃｉｅｔｙ Ａ： Ｍａｔｈｅ⁃
ｍａｔｉｃａｌ Ｐｈｙｓｉｃａｌ ＆ Ｅｎｇｉｎｅｅｒｉｎｇ Ｓｃｉｅｎｃｅｓ， １９４８， １９３：
１２０－１４５
［７］　 Ｃｈｅｎ Ｌ （陈　 玲）． Ｅｓｔｉｍａｔｉｏｎ ｏｆ Ｒｅｇｉｏｎａｌ Ｅｖａｐｏｔｒａｎｓｐｉ⁃
ｒａｔｉｏｎ Ｕｓｉｎｇ Ａｄｖａｎｃｅｄ ＳＥＢＡＬ Ｍｏｄｅｌ． Ｍａｓｔｅｒ Ｔｈｅｓｉｓ．
Ｌａｎｚｈｏｕ： Ｌａｎｚｈｏｕ Ｕｎｉｖｅｒｓｉｔｙ， ２００７（ｉｎ Ｃｈｉｎｅｓｅ）
［８］　 Ｍｏｒａｎ ＭＳ， Ｒａｈｍａｎ ＡＦ， Ｗａｓｈｂｕｒｎｅ ＪＣ， ｅｔ ａｌ． Ｃｏｍｂｉ⁃
ｎｉｎｇ ｔｈｅ Ｐｅｎｍａｎ⁃Ｍｏｎｔｅｉｔｈ ｅｑｕａｔｉｏｎ ｗｉｔｈ ｍｅａｓｕｒｅｍｅｎｔｓ
ｏｆ ｓｕｒｆａｃｅ ｔｅｍｐｅｒａｔｕｒｅ ａｎｄ ｒｅｆｌｅｃｔａｎｃｅ ｔｏ ｅｓｔｉｍａｔｅ ｅｖａｐｏ⁃
ｒａｔｉｏｎ ｒａｔｅｓ ｏｆ ｓｅｍｉａｒｉｄ ｇｒａｓｓｌａｎｄ． Ａｇｒｉｃｕｌｔｕｒａｌ ＆ Ｆｏｒｅｓｔ
Ｍｅｔｅｏｒｏｌｏｇｙ， １９９６， ８０： ８７－１０９
［９］　 Ｚｅｎｇ Ｌ⁃Ｈ （曾丽红）， Ｓｏｎｇ Ｋ⁃Ｓ （宋开山）， Ｚｈａｎｇ Ｂ
（张　 柏）， ｅｔ ａｌ． Ｓｔｕｄｙ ｏｎ ｒｅｇｉｏｎａｌ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ
ｏｖｅｒ Ｓｏｎｇｅｎ Ｐｌａｉｎ ｂａｓｅｄ ｏｎ ＳＥＢＡＬ ｍｏｄｅｌ ａｎｄ ＭＯＤＩＳ
ｐｒｏｄｕｃｔｓ． Ｊｏｕｒｎａｌ ｏｆ Ａｒｉｄ Ｌａｎｄ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎ⁃
ｍｅｎｔ （干旱区资源与环境）， ２０１１， ２５（１）： １４０－１４７
（ｉｎ Ｃｈｉｎｅｓｅ）
［１０］　 Ｍａｈｍｏｏｄ Ｒ， Ｈｕｂｂａｒｄ ＫＧ． Ｓｉｍｕｌａｔｉｎｇ ｓｅｎｓｉｔｉｖｉｔｙ ｏｆ ｓｏｉｌ
ｍｏｉｓｔｕｒｅ ａｎｄ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｕｎｄｅｒ ｈｅｔｅｒｏｇｅｎｅｏｕｓ
ｓｏｉｌｓ ａｎｄ ｌａｎｄ ｕｓｅｓ． Ｊｏｕｒｎａｌ ｏｆ Ｈｙｄｒｏｌｏｇｙ， ２００３， ２８０：
７２－９０
［１１］　 Ｓｒｉｄｈａｒ Ｖ， Ｅｌｌｉｏｔｔ ＲＬ， Ｆｅｉ Ｃ． Ｓｃａｌｉｎｇ ｅｆｆｅｃｔｓ ｏｎ ｍｏｄｅｌｅｄ
ｓｕｒｆａｃｅ ｅｎｅｒｇｙ⁃ｂａｌａｎｃｅ ｃｏｍｐｏｎｅｎｔｓ ｕｓｉｎｇ ｔｈｅ ＮＯＡＨ⁃
ＯＳＵ ｌａｎｄ ｓｕｒｆａｃｅ ｍｏｄｅｌ． Ｊｏｕｒｎａｌ ｏｆ Ｈｙｄｒｏｌｏｇｙ， ２００３，
２８０： １０５－１２３
［１２］　 Ｍｉｎ Ｃ⁃Ｃ （闵程程）． Ｓｔｕｄｙ ｏｎ ｔｈｅ Ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｏｆ
ＮＳＴＥＣ Ｂａｓｅｄ ｏｎ ＲＳ ａｎｄ ＧＩＳ． Ｍａｓｔｅｒ Ｔｈｅｓｉｓ． Ｗｕｈａｎ：
Ｈｕｂｅｉ Ｕｎｉｖｅｒｓｉｔｙ， ２０１２ （ｉｎ Ｃｈｉｎｅｓｅ）
［１３］　 Ｚｈａｎｇ Ｓ⁃Ｌ （张淑兰）， Ｚｈａｎｇ Ｈ⁃Ｊ （张海军）， Ｗａｎｇ Ｙ⁃
Ｈ （王彦辉）， ｅｔ ａｌ． Ｉｎｆｌｕｅｎｃｅ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅ ｏｎ
ｈｙｄｒｏｌｏｇｉｃａｌ ｐｒｏｃｅｓｓ ａｔ ｌａｎｄｓｃａｐｅ ｓｃａｌｅ ｉｎ ｔｈｅ ｕｐｐｅｒ ｒｅａ⁃
ｃｈｅｓ ｏｆ Ｊｉｎｇｈｅ Ｂａｓｅｉｎ． Ｓｃｉｅｎｔｉａ Ｇｅｏｇｒａｐｈｉｃａ Ｓｉｎｉｃａ （地
理科学）， ２０１５， ３５（２）： ２３１－２３７ （ｉｎ Ｃｈｉｎｅｓｅ）
［１４］　 Ｚｈａｎｇ Ｒ⁃Ｇ （张瑞刚）， Ｍｏ Ｘ⁃Ｇ （莫兴国）， Ｌｉｎ Ｚ⁃Ｈ
（林忠辉）． Ｔｈｅ ｔｒｅｎｄ ａｎｄ ｔｈｅ ｐｒｉｎｃｉｐａｌ ｉｎｆｌｕｅｎｃｅ ｆａｃｔｏｒｓ
ｏｆ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｉｎ Ｈｕｔｕｏ Ｒｉｖｅｒ Ｂａｓｉｎ ｄｕｒｉｎｇ ｌａｓｔ ５０
ｙｅａｒｓ． Ｓｃｉｅｎｔｉａ Ｇｅｏｇｒａｐｈｉｃａ Ｓｉｎｉｃａ （地理科学）， ２０１２，
３２（５）： ６２８－６３４ （ｉｎ Ｃｈｉｎｅｓｅ）
［１５］　 Ｚｅｎｇ Ｌ⁃Ｈ （曾丽红）， Ｓｏｎｇ Ｋ⁃Ｓ （宋开山）， Ｚｈａｎｇ Ｂ
（张　 柏）， ｅｔ ａｌ． Ａｎａｌｙｓｉｓ ｏｆ ｓｐａｔｉｏｔｅｍｐｏｒａｌ ｖａｒｉａｔｉｏｎｓ
ｉｎ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ａｎｄ ｉｔｓ ｉｎｆｌｕｅｎｃｉｎｇ ｆａｃｔｏｒｓ ｏｖｅｒ ｔｈｅ
Ｓｏｎｇｎｅｎ Ｐｌａｉｎ ｉｎ ｔｈｅ ｇｒｏｗｉｎｇ ｓｅａｓｏｎ ｄｕｒｉｎｇ ｔｈｅ ｐｅｒｉｏｄ
２０００－２００８． Ｒｅｓｏｕｒｃｅｓ Ｓｃｉｅｎｃｅ （资源科学）， ２０１０， ３２
（１２）： ２３０５－２３１５ （ｉｎ Ｃｈｉｎｅｓｅ）
［１６］　 Ｚｈａｏ Ｘ⁃Ｓ （赵晓松）， Ｌｉｕ Ｙ⁃Ｂ （刘元波）， Ｗｕ Ｇ⁃Ｐ
（吴桂平）． Ａ ｓａｔｅｌｌｉｔｅ⁃ｂａｓｅｄ ｓｔｕｄｙ ｏｎ ｓｐａｔｉｏｔｅｍｐｏｒａｌ
ｖａｒｉａｔｉｏｎ ｉｎ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ａｎｄ ｉｔｓ ｃｏｎｔｒｏｌｌｉｎｇ ｆａｃｔｏｒｓ
ｏｖｅｒ ｔｈｅ Ｐｏｙａｎｇ Ｌａｋｅ ｂａｓｉｎ ｏｆ Ｃｈｉｎａ ｄｕｒｉｎｇ ２０００－２００９．
Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ ｉｎ ｔｈｅ Ｙａｎｇｔｚｅ Ｂａｓｉｎ （长江
流域资源与环境）， ２０１３， ２２（３）： ３６９－３７８ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［１７］　 Ｈｕａｎｇ Ｈ⁃Ｐ （黄会平）， Ｃａｏ Ｍ⁃Ｍ （曹明明）， Ｓｏｎｇ Ｊ⁃Ｘ
（宋进喜）， ｅｔ ａｌ． Ｔｅｍｐｏｒａｌ ａｎｄ ｓｐａｔｉａｌ ｃｈａｎｇｅｓ ｏｆ ｐｏ⁃
ｔｅｎｔｉａｌ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ａｎｄ ｉｔｓ ｉｎｆｌｕｅｎｃｉｎｇ ｆａｃｔｏｒｓ ｉｎ
Ｃｈｉｎａ ｆｒｏｍ １９５７ ｔｏ ２０１２． Ｊｏｕｒｎａｌ ｏｆ Ｎａｔｕｒａｌ Ｒｅｓｏｕｒｅｓ
（自然资源学报）， ２０１５， ３０（２）： ３１５－３２６ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
５３７１６期　 　 　 　 　 　 　 吴荣军等： 不同植被条件下实际蒸散的变化特征及其影响因子———以淮河流域为例　 　 　
［１８］　 Ｒｕｎｎｉｎｇ ＳＷ， Ｃｏｕｇｈｌａｎ ＪＣ． Ａ ｇｅｎｅｒａｌ ｍｏｄｅｌ ｏｆ ｆｏｒｅｓｔ
ｅｃｏｓｙｓｔｅｍ ｐｒｏｃｅｓｓｅｓ ｆｏｒ ｒｅｇｉｏｎａｌ ａｐｐｌｉｃａｔｉｏｎｓ． Ｉ． Ｈｙｄｒｏｌｏ⁃
ｇｉｃ ｂａｌａｎｃｅ， ｃａｎｏｐｙ ｇａｓ ｅｘｃｈａｎｇｅ ａｎｄ ｐｒｉｍａｒｙ ｐｒｏｄｕｃ⁃
ｔｉｏｎ ｐｒｏｃｅｓｓｅｓ． Ｅｃｏｌｏｇｉｃａｌ Ｍｏｄｅｌｌｉｎｇ， １９８８， ４２： １２５－
１５４
［１９］　 Ｌｉｕ Ｊ， Ｃｈｅｎ ＪＭ， Ｃｉｈｌａｒ Ｊ， ｅｔ ａｌ． Ａ ｐｒｏｃｅｓｓ⁃ｂａｓｅｄ ｂｏｒｅａｌ
ｅｃｏｓｙｓｔｅｍ ｐｒｏｄｕｃｔｉｖｉｔｙ ｓｉｍｕｌａｔｏｒ ｕｓｉｎｇ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ
ｉｎｐｕｔｓ． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ， １９９７， ６２： １５８－
１７５
［２０］　 Ｌｉｕ Ｊ， Ｃｈｅｎ ＪＭ， Ｃｉｈｌａｒ Ｊ． Ｍａｐｐｉｎｇ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ
ｂａｓｅｄ ｏｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ： Ａｎ ａｐｐｌｉｃａｔｉｏｎ ｔｏ Ｃａｎａｄａ’ ｓ
ｌａｎｄｍａｓｓ． Ｗａｔｅｒ Ｒｅｓｏｕｒｃｅｓ Ｒｅｓｅａｒｃｈ， ２００３， ３９： １１８９－
１２０３
［２１］　 Ｍｏｎｔｅｉｔｈ ＪＬ． Ｅｖａｐｏｒａｔｉｏｎ ａｎｄ ｅｎｖｉｒｏｎｍｅｎｔ． Ｓｙｍｐｏｓｉａ ｏｆ
ｔｈｅ Ｓｏｃｉｅｔｙ ｆｏｒ Ｅｘｐｅｒｉｍｅｎｔａｌ Ｂｉｏｌｏｇｙ， １９６５， １９： ２０５ －
２３４
［２２］　 Ｆｅｎｇ Ｘ⁃Ｆ （冯险峰）． Ｓｉｍｕｌａｔｉｎｇ Ｎｅｔ Ｐｒｉｍａｒｙ Ｐｒｏｄｕｃｔｉ⁃
ｖｉｔｙ ａｎｄ Ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｏｆ Ｔｅｒｒｅｓｔｒｉａｌ Ｅｃｏｓｙｓｔｅｍｓ ｉｎ
Ｃｈｉｎａ Ｕｓｉｎｇ ａ Ｐｒｏｃｅｓｓ Ｍｏｄｅｌ Ｄｒｉｖｅｎ ｂｙ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ．
ＰｈＤ Ｔｈｅｓｉｓ． Ｂｅｉｊｉｎｇ： Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｇｅｏｇｒａｐｈｉｃａｌ Ｓｃｉｅｎｃｅｓ
ａｎｄ Ｎａｔｕｒａｌ Ｒｅｓｏｕｒｃｅｓ Ｒｅｓｅａｒｃｈ， Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ
Ｓｃｉｅｎｃｅｓ， ２００４ （ｉｎ Ｃｈｉｎｅｓｅ）
［２３］　 Ｇｅ Ｑ （葛　 琴）． Ｓｔｕｄｙ ｏｎ Ｄｒｏｕｇｈｔ Ｍｏｎｉｔｏｒｉｎｇ Ｔｅｃｈｎｏ⁃
ｌｏｇｙ ｏｆ ＢＥＰＳ Ｍｏｄｅｌ Ｂａｓｅｄ ｏｎ ｔｈｅ Ｓｉｍｕｌａｔｉｏｎ ｏｆ Ｌａｎｄ
Ｓｕｒｆａｃｅ Ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ． Ｍａｓｔｅｒ Ｔｈｅｓｉｓ． Ｎａｎｊｉｎｇ：
Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ＆ Ｔｅｃｈｎｏｌｏｇｙ，
２０１３ （ｉｎ Ｃｈｉｎｅｓｅ）
［２４］　 Ｚｈａｎｇ Ｆ⁃Ｍ （张方敏）， Ｊｕ Ｗ⁃Ｍ （居为民），Ｃｈｅｎ Ｊ⁃Ｍ
（陈镜明）， ｅｔ ａｌ． Ｓｔｕｄｙ ｏｎ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｉｎ ｅａｓｔ
Ａｓｉａ ｕｓｉｎｇ ｔｈｅ ＢＥＰＳ ｅｃｏｌｏｇｉｃａｌ ｍｏｄｅｌ． Ｊｏｕｒｎａｌ ｏｆ Ｎａｔｕ⁃
ｒａｌ Ｒｅｓｏｕｒｃｅｓ （自然资源学报）， ２０１０， ２５（９）： １５９６－
１６０６ （ｉｎ Ｃｈｉｎｅｓｅ）
［２５］　 Ｌｉｕ ＳＭ， Ｘｕ ＺＷ， Ｗａｎｇ ＷＺ， ｅｔ ａｌ． Ａ ｃｏｍｐａｒｉｓｏｎ ｏｆ ｅｄ⁃
ｄｙ⁃ｃｏｖａｒｉａｎｃｅ ａｎｄ ｌａｒｇｅ ａｐｅｒｔｕｒｅ ｓｃｉｎｔｉｌｌｏｍｅｔｅｒ ｍｅａｓｕｒｅ⁃
ｍｅｎｔｓ ｗｉｔｈ ｒｅｓｐｅｃｔ ｔｏ ｔｈｅ ｅｎｅｒｇｙ ｂａｌａｎｃｅ ｃｌｏｓｕｒｅ ｐｒｏｂ⁃
ｌｅｍ． Ｈｙｄｒｏｌｏｇｙ ａｎｄ Ｅａｒｔｈ Ｓｙｓｔｅｍ Ｓｃｉｅｎｃｅｓ， ２０１１， １５：
１２９１－１３０６
［２６］　 Ｗａｎｇ Ｗ⁃Ｚ （王维真）， ＷＵ Ｚ⁃Ｗ （徐自为）， Ｌｉｕ Ｓ⁃Ｍ
（刘邵民）， ｅｔ ａｌ． Ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｈｅａｔ ａｎｄ ｗａｔｅｒ
ｖａｐｏｒ ｆｌｕｘｅｓ ｏｖｅｒ ｄｉｆｆｅｒｅｎｔ ｓｕｒｆａｃｅｓ ｉｎ ｔｈｅ Ｈｅｉｈｅ Ｒｉｖｅｒ
Ｂａｓｉｎ． Ａｄｖａｎｃｅｓ ｉｎ Ｅａｒｔｈ Ｓｃｉｅｎｃｅ （地球科学进展），
２００９， ２４（７）： ７１４－７２３ （ｉｎ Ｃｈｉｎｅｓｅ）
［２７］　 Ｗｅｉ Ｈ⁃Ｊ （位贺杰）， Ｚｈａｎｇ Ｙ⁃Ｆ （张艳芳）， Ｚｈｕ Ｎ （朱
妮）， ｅｔ ａｌ． Ｓｐａｔｉａｌ ａｎｄ ｔｅｍｐｏｒａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｏｆ ＥＴ ｉｎ
ｔｈｅ Ｗｅｉｈｅ Ｒｉｖｅｒ Ｂａｓｉｎ ｂａｓｅｄ ｏｎ ＭＯＤ１６ ｄａｔａ． Ｊｏｕｒｎａｌ ｏｆ
Ｄｅｓｅｒｔ Ｒｅｓｅａｒｃｈ （中国沙漠）， ２０１５， ３５（２）： ４１４－４２２
（ｉｎ Ｃｈｉｎｅｓｅ）
［２８］　 Ｂａｉ Ｓ⁃Ｙ （白淑英）， Ｓｈｉ Ｊ⁃Ｑ （史建桥）， Ｇａｏ Ｊ⁃Ｘ （高
吉喜）， ｅｔ ａｌ． Ａｎａｌｙｓｉｓ ｏｆ ｓｐａｔｉａｌ⁃ｔｅｍｐｏｒａｌ ｖａｒｉａｔｉｏｎｓ ｏｆ
ｓｎｏｗ ｄｅｐｔｈ ｏｖｅｒ ｔｈｅ Ｑｉｎｇｈａｉ⁃Ｔｉｂｅｔａｎ Ｐｌａｔｅａｕ ｄｕｒｉｎｇ
１９７９－２０１０． Ｊｏｕｒｎａｌ ｏｆ Ｇｅｏ⁃ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ （地球
信息科学学报）， ２０１４， １６（４）： ６２８ － ６３７ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［２９］　 Ｌｉｕ Ｙ， Ｚｈｏｕ Ｙ， Ｊｕ Ｗ， ｅｔ ａｌ． Ｃｈａｎｇｅｓ ｏｆ ｅｖａｐｏｔｒａｎｓｐｉｒａ⁃
ｔｉｏｎ ａｎｄ ｗａｔｅｒ ｙｉｅｌｄ ｉｎ Ｃｈｉｎａ’ ｓ ｔｅｒｒｅｓｔｒｉａｌ ｅｃｏｓｙｓｔｅｍｓ
ｄｕｒｉｎｇ ｔｈｅ ｐｅｒｉｏｄ ｆｒｏｍ ２０００ ｔｏ ２０１０． Ｈｙｄｒｏｌｏｇｙ ＆ Ｅａｒｔｈ
Ｓｙｓｔｅｍ Ｓｃｉｅｎｃｅｓ Ｄｉｓｃｕｓｓｉｏｎｓ， ２０１３， １０： ５３９７－５４５６
［３０］　 Ｗａｎｇ Ｌ （王　 菱）， Ｎｉ Ｊ⁃Ｈ （倪建华）． Ｒｅｓｅａｒｃｈ ｏｆ ａｃ⁃
ｔｕａｌ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｉｎ ｆａｒｍｌａｎｄ： Ａ ｃａｓｅ ｓｔｕｄｙ ｉｎ
Ｈｕａｎｇｈｕａｉｈａｉ Ｒｉｖｅｒ ｒｅｇｉｏｎ． Ａｃｔａ Ｍｅｔｅｏｒｏｌｏｇｉｃａ Ｓｉｎｉｃａ
（气象学报）， ２００１， ５９（６）： ７８４－７９４ （ｉｎ Ｃｈｉｎｓｅｓ）
［３１］　 Ｙａｎｇ Ｘ⁃Ｑ （杨秀芹）， Ｗａｎｇ Ｇ⁃Ｊ （王国杰）， Ｙｅ Ｊ⁃Ｙ
（叶金印）， ｅｔ ａｌ． Ｓｐａｔｉａｌ ａｎｄ ｔｅｍｐｏｒａｌ ｃｈａｎｇｉｎｇ ａｎａｌｙｓｉｓ
ｏｆ ｔｅｒｒｅｓｔｒｉａｌ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｉｎ Ｈｕａｉ Ｒｉｖｅｒ ｂａｓｉｎ ｂａｓｅｄ
ｏｎ ＧＬＥＡＭ ｄａｔａ． Ｔｒａｎｓａｃｔｉｏｎｓ ｏｆ ｔｈｅ Ｃｈｉｎｅｓｅ Ｓｏｃｉｅｔｙ ｏｆ
Ａｇｒｉｃｕｌｔｕｒａｌ Ｅｎｇｉｎｅｅｒｉｎｇ （农业工程学报）， ２０１５， ３１
（９）： １３３－１３９ （ｉｎ Ｃｈｉｎｅｓｅ）
［３２］　 Ｂａｓｔｉａａｎｓｓｅｎ ＷＧＭ， Ｐｅｌｇｒｕｍ Ｈ， Ｗａｎｇ Ｊ， ｅｔ ａｌ． Ａ ｒｅ⁃
ｍｏｔｅ ｓｅｎｓｉｎｇ ｓｕｒｆａｃｅ ｅｎｅｒｇｙ ｂａｌａｎｃｅ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｌａｎｄ
（ＳＥＢＡＬ）： Ｐａｒｔ ２： Ｖａｌｉｄａｔｉｏｎ． Ｊｏｕｒｎａｌ ｏｆ Ｈｙｄｒｏｌｏｇｙ，
１９９８， ２１２： ２１３－２２９
［３３］　 Ｗａｎｇ Ｑ （王　 情）， Ｌｉｕ Ｘ⁃Ｈ （刘雪华）， Ｌｖ Ｂ⁃Ｌ （吕
宝磊）． Ｄｙｎａｍｉｃ ｃｈａｎｇｅｓ ａｎｄ ｓｐａｔｉａｌ ｐａｔｔｅｒｎｓ ｏｆ ｖｅｇｅｔａ⁃
ｔｉｏｎ ｃｏｖｅｒ ｉｎ ａ ｒｉｖｅｒ ｂａｓｉｎ ｂａｓｅｄ ｏｎ ＳＰＯＴ⁃ＶＧＴ ｄａｔａ： Ａ
ｃａｓｅ ｓｔｕｄｙ ｉｎ ｔｈｅ Ｈｕａｉｈｅ ｒｉｖｅｒ ｂａｓｉｎ． Ｐｒｏｇｒｅｓｓ ｉｎ Ｇｅｏｇｒａ⁃
ｐｈｙ （地理科学进展）， ２０１３， ３２（２）： ２７０－ ２７７ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［３４］　 Ｃａｉ Ｈ⁃Ｙ（蔡辉艺）， Ｙｕ Ｚ⁃Ｂ （余钟波）， Ｙａｎｇ Ｃ⁃Ｇ （杨
传国）， ｅｔ ａｌ． Ａｎａｌｙｓｉｓ ｏｆ ｖａｒｉａｔｉｏｎ ｏｆ ｒｅｆｅｒｅｎｃｅ ｅｖａｐｏ⁃
ｔｒａｎｓｐｉｒａｔｉｏｎ ｉｎ Ｈｕａｉｈｅ Ｂａｓｉｎ． Ｊｏｕｒｎａｌ ｏｆ Ｈｏｈａｉ Ｕｎｉｖｅｒｓｉｔｙ
（河海大学学报）， ２０１２， ４０（１）： ７６－８２ （ｉｎ Ｃｈｉｎｅｓｅ）
［３５］　 Ｋａｎｇ Ｙ⁃Ｘ （康燕霞）， Ｌｕ Ｇ⁃Ｈ （陆桂华）， Ｗｕ Ｚ⁃Ｙ
（吴志勇）， ｅｔ ａｌ． Ｓｔｕｄｙ ｏｎ ｒｅｆｅｒｅｎｃｅ ｃｒｏｐ ｅｖａｐｏｔｒａｎｓｐｉ⁃
ｒａｔｉｏｎ ａｎｄ ｉｔｓ ｃｈａｎｇｅ ｒｅｓｐｏｎｄｉｎｇ ｔｏ ｃｌｉｍａｔｅ ｃｈａｎｇｅ ｉｎ
Ｈｕａｉｈｅ Ｒｉｖｅｒ． Ｗａｔｅｒ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｐｏｗｅｒ （水电能源科
学）， ２００９， ２７（６）： １２－１４ （ｉｎ Ｃｈｉｎｅｓｅ）
作者简介　 吴荣军，男，１９７５年生，博士，副教授．主要从事农
业气象灾害和污染生态研究． Ｅ⁃ｍａｉｌ： ｗｕｒｊ＠ ｎｕｉｓｔ．ｅｄｕ．ｃｎ
责任编辑　 杨　 弘
吴荣军， 邢晓勇． 不同植被条件下实际蒸散的变化特征及其影响因子———以淮河流域为例． 应用生态学报， ２０１６， ２７（６）：
１７２７－１７３６
Ｗｕ Ｒ⁃Ｊ， Ｘｉｎｇ Ｘ⁃Ｙ． Ｖａｒｉａｔｉｏｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｎｄ ｉｎｆｌｕｅｎｃｉｎｇ ｆａｃｔｏｒｓ ｏｆ ａｃｔｕａｌ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｕｎｄｅｒ ｖａｒｉｏｕｓ ｖｅｇｅｔａｔｉｏｎ ｔｙｐｅｓ： Ａ ｃａｓｅ
ｓｔｕｄｙ ｉｎ ｔｈｅ Ｈｕａｉｈｅ Ｒｉｖｅｒ Ｂａｓｉｎ， Ｃｈｉｎａ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， ２０１６， ２７（６）： １７２７－１７３６ （ｉｎ Ｃｈｉｎｅｓｅ）
６３７１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷