EN中文

地理学报 >

2021 , Vol. 76 >Issue 3: 584 - 594

DOI: https://doi.org/10.11821/dlxb202103007

气候变化与地表过程

2003—2017年植被变化对全球陆面蒸散发的影响

  • 张永强 , 1 ,
  • 孔冬冬 2 ,
  • 张选泽 1 ,
  • 田静 1 ,
  • 李聪聪 1, 3
展开
  • 1.中国科学院地理科学与资源研究所 中国科学院陆地水循环及地表过程重点实验室,北京 100101
  • 2.中国地质大学（武汉）环境学院,武汉 430078
  • 3.西北农林科技大学自然资源与环境学院,杨凌 712100

张永强(1976-), 男, 内蒙古包头人, 研究员, 从事区域和全球水循环、特别是陆面蒸散发机理和过程研究。E-mail:

收稿日期: 2020-05-21

  网络出版日期: 2021-05-25

基金资助

国家自然科学基金项目(41971032)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Impacts of vegetation changes on global evapotranspiration in the period 2003-2017

  • ZHANG Yongqiang , 1 ,
  • KONG Dongdong 2 ,
  • ZHANG Xuanze 1 ,
  • TIAN Jing 1 ,
  • LI Congcong 1, 3
Expand
  • 1. Key Laboratory of Water Cycle and Related Land Surface Processes, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. School of Environmental Studies, China University of Geosciences, Wuhan 430078, China
  • 3. College of Natural Resources and Environment, Northwest A&F University, Yangling 712100, Shaanxi, China

Received date: 2020-05-21

  Online published: 2021-05-25

Supported by

National Natural Science Foundation of China(41971032)

Copyright

Copyright reserved © 2020
Fold

摘要

蒸散发是陆面水循环的关键环节和过程,是研究水循环对人类活动和气候变化响应的关键要素。过去十几年,全球下垫面的植被变化剧烈,但如何影响全球陆面蒸散发仍未得到清晰的揭示。本文采用500 m分辨率MODIS数据驱动PML-V2模型,定量解析了2003—2017年植被变化对全球陆面蒸散发的影响。结果显示：在全球尺度上,植被变绿使得全球蒸散发呈现显著的增加趋势,使陆地水循环加快;区域尺度上,植被变化对蒸散发的影响则存在明显的地带性和非地带性特征,如在北美洲中北部、欧洲、中国东部、非洲南部和澳大利亚东北部等地区,蒸散发总量的增加主要是由植被蒸腾增加而引起的。分析不同植被功能类型区的贡献显示,下垫面变化对灌木和耕地影响尤为明显,并在2012年以后呈现增强趋势;这2个植被类型区的全球年总蒸散发累积增加量为0.41×103 km3 a-1,约为黄河流域多年平均径流量的8倍。该研究结果有助于进一步加强关于下垫面变化对陆地水循环的影响及其可能带来的局部气候变化的认识。

关键词： 全球; 陆地水循环; 蒸散发; 植被变化; 土地利用变化

本文引用格式

张永强 , 孔冬冬 , 张选泽 , 田静 , 李聪聪 . 2003—2017年植被变化对全球陆面蒸散发的影响[J]. 地理学报, 2021 , 76(3) : 584 -594 . DOI: 10.11821/dlxb202103007

Abstract

Evapotranspiration is a key variable and key process in global water cycle, and it is crucial for understanding how anthropogenic and climate changes have impacts on terrestrial water cycle. In the last decade, global vegetation changes are dramatic, reflected by land use and land cover changes and increase in leaf area index. It remains unclear how these changes influence terrestrial evapotranspiration processes. This study uses a coupled evapotranspiration and gross primary product model (PML-V2) that is run at 500 m and 8-day resolutions across the globe to investigate the impacts of vegetation changes on spatial pattern and dynamics of evapotranspiration in the period of 2003-2017. We found that evapotranspiration across the globe has increased noticeably because of vegetation changes, which is characterized by clear regional and non-regional patterns. Transpiration has strongly increased in the central and northern parts of North America, Europe, eastern China, southern Africa, and eastern and northern Australia. Under different land cover types, shrubs and cropland have been influenced strongly, and their impact is stronger in the post-2012 period than that in the pre-2012 period. The recent total increase from these two land cover types amounts to about 0.41 ×103 km3 a-1, which is about 8 times of natural annual runoff from the Yellow River Basin. The results from this study can help improve the understanding of how vegetation changes caused by recent land use and land cover changes influence terrestrial water cycle and the potential local and regional climate change.

Key words： global; terrestrial water cycle; evapotranspiration; vegetation change; land use change

1 引言

蒸散发是陆地与大气物质循环和能量循环过程的重要环节,是陆地水循环的关键过程和地表能量平衡的主要分量[1,2]。在气候持续变暖和下垫面剧烈变化情境下,理清蒸散发变化的机理对评估未来全球可利用水资源量[3]和极端气候事件趋势（如洪涝[4]、干旱[4,5]、热浪[6,7]等）具有重要意义。但是人类对蒸散发的认识仍非常有限。1803年Dalton首次提出了蒸发是风速和水汽压的函数,其后100年间有关蒸散发的研究进展缓慢。1948年Penman统一了空气动力学理论和能量平衡理论,提出了经典的Penman公式[8]。1965年Monteith将气孔阻力引入Penman公式[9],把Penman公式从水面蒸发推广到陆地植被,方法至今仍被广泛使用[10,11,12]。水面蒸发的介质均一,研究相对简单。但即便如此,人们仍未能全面认识水面蒸发的过程,关于蒸发皿的“蒸发悖论”依然存在很大争议[13,14,15,16]。相比之下,陆地蒸散发研究更为困难。首先陆表下垫面属性复杂、植被类型多样,而且蒸散发各组分包括土壤蒸发、植被蒸腾和冠层截留蒸发的比例分配关系复杂[11, 17-19];其次是点—面尺度扩展,常规的地表蒸散发观测（如通量站）都是在站点尺度上展开,如何扩展到区域乃至全球尺度一直是蒸散发研究的热点和难点[20]。
由于站点观测的局限性,研究区域或全球尺度的蒸散发过程必须借助于模型模拟。迄今为止,全球遥感蒸散发（ET）产品多达十几种。根据其计算方法不同,这些产品可以分为以下几类：① 水热耦合方法,如基于Penman-Monteith方程的PML和MODIS产品[11, 21]、基于Priestley-Taylor公式的GLEAM产品[22];② 统计方法,如基于机器学习方法的MTE产品[23,24];③ 基于陆面水文模型的CLM[25]和GSWP2产品[26,27]等。PML产品是基于水热耦合方法的一种,由Penman-Monteith-Leuning（PML）模型计算而得。PML模型参数化简单,可有效分离土壤蒸发、植被蒸腾和冠层截留蒸发,模拟精度相对较高[10,11,12],在全球ET研究中被广泛使用。该模型在Penman-Monteith公式的基础上,根据叶面积指数将蒸散发划分为植被蒸腾和土壤蒸发,并采用适用性分析模型模拟冠层蒸发截留[11]。第二代PML模型（PML-V2）采用气孔导度耦合植被蒸腾和光合同化速率,显著提高了植被蒸散发和总初级生产力模拟精度[28]。该模型充分利用遥感植被动态（植被叶面积指数作为输入）信息,较好地实现了蒸散发的点—面尺度扩展。PML-V2模型在全球95个通量站上分不同植被类型（共10种植被类型）进行率定,进一步根据MODIS的IGBP全球植被类型产品（MCD12Q1.006）将模型参数由站点尺度扩展到全球逐网格尺度（每个网格独立计算）,进而实现了全球蒸散发和总初级生产力的模拟。本文即是利用PML-V2模型估算2003—2017年全球陆面蒸散发,在此基础上进行下垫面变化对陆表三层蒸散发的影响分析。
1982—2016年全球范围内地表下垫面发生了显著的变化[29,30],主要表现为城市区域的扩大和生态工程实施带来的植被变绿。这些下垫面变化对陆表蒸散发过程产生了显著的影响。已有的研究主要局限于区域或流域尺度[31,32],但在全球尺度上,下垫面变化如何改变陆面的蒸散发过程仍没有得到充分的揭示。本文借助PML-V2模型,在全球尺度上评估了下垫面变化对蒸散发的影响,并探讨了下垫面变化影响在空间上分布差异的原因。

2 数据来源

2.1 模型驱动数据

本文采用的气象驱动数据是结合卫星和地面观测数据提供多类型的数据集——全球陆面数据同化系统（Global Land Data Assimilation System, GLDAS）。GLDAS-2.1修正了短波下行辐射通量和降水在北半球的异常问题并得到广泛应用,时间和空间分辨率分别达0.25°和3 h。GLDAS-2.1数据集中的向下短波辐射、向下长波辐射、风速、气温、相对湿度、水汽压和降水等作为PML-V2模型的气象驱动。CO2浓度数据集使用美国国家海洋与大气管理局（National Oceanic and Atmospheric Administration, NOAA）发布的数据（ftp: //aftp.cmdl.noaa.gov.products/trends/co2/co2_mm_gl.txt）。
模型计算使用的其他驱动数据还包括Moderate-resolution Imaging Spectroradiometer数据产品中发射率（Emissivity）、地表反照率（Albedo）和叶面积指数（Leaf Area Index, LAI）等数据。其中LAI的分辨率为500 m和4 d（MCD15A3H.006）,Emissivity分辨率为500 m和8 d（MOD11A2.006）,Albedo分辨率为500 m和1 d（MCD43A3.006）。
本文所用土地利用/覆盖数据集来自于美国国家航空航天局处理后的分辨率为500 m和1 a的数据产品（MCD2Q1.006）。本文选取全球植被分类方案（International Geosphere-Biosphere Program, IGBP）,将土地利用数据重分类成森林、草原、灌丛、农田、城市、水体和裸土等7种类型以便统计。

2.2 数据预处理

本文采用双线性插值（Bilinear Interpolation）方法将0.25°气象数据插值成500 m。为减少不利天气因素（云,阴影等）的影响,采用加权Whittaker滤波对LAI进行平滑处理[36,37]。Albedo和Emissivity的缺失值的填充采用对相邻日期线性插值而来。

2.3 生成数据

本文采用谷歌数据引擎（Google Earth Engine, GEE）来运行水碳耦合模型PML-V2,生成2003—2017年的全球陆地实际蒸散发和总初级生产力耦合数据集,时间和空间分辨率分别为500 m和8 d。该数据在全球尺度具有良好的表现[10]：95个全球通量站ET交叉验证的根均方差为0.73 mm/d,偏差为-3%。

3 模型和模拟试验

3.1 PML-V2模型

PML-V2模型是在PML的基础上发展起来的,与PML的主要区别是发展了计算冠层导度Gc的新方法,根据气孔导度理论耦合了总初级生产力,利用总初级生产力和大气CO2浓度估算冠层导度,从而实现了陆地蒸散发与总初级生产力的联合估算。
PML-V2估算冠层导度的出发点是Ball-Berry-Leuning气孔导度模型[38]。PML-V2中使用Yu等[39]对其简化后的方法：
g s = m A g C a 1 + D D 0
式中：gs为气孔导度（m s-1）; A g 为叶光合速率（µmol m-2 s-1）;m为气孔导度系数;Ca表示大气CO2浓度（µmol mol-1）;D为饱和水气压差（kPa）;D0为gs对叶面饱和水汽压差敏感度的参数（kPa）。
A g = A m βIη C a A m βI + A m η C a + βIη C a
式中：β为初始量子效率（µmol CO2 (µmol光量子)-1）; η 为CO2响应光合作用的初始速率（µmol m-2 s-1 (µmol m-2 s-1)-1）;I为光合有效辐射通量的密度（µmol m-2 s-1）;Am为当I和 C a 都达到饱和时的最大光合速率（µmol m-2 s-1）。Am约等于单位面积下叶片Rubisco最大催化速率的一半（Vm, µmol m-2 s-1）,Vm为空气动力学参数,主要受温度影响,计算公式如下：
V m = V m , 25 exp a T - 25 1 + exp b ( T - 41 )
式中：Vm, 25为T = 25 ˚C时Vm的值;T为空气气温（˚C）;a和b分别为与温度相关的系数,可分别取0.031和0.115。
在冠层尺度,光合速率（Ac,g）为叶片尺度Ag对叶面积指数的积分值（µmol m-2 s-1）。通过Beer定律：
I = I 0 exp ( - kl ) A c , g = ∫ 0 LAI A g d l = A m βη C a k A m β + βη C a kLAI + ln β A m + βη C a I 0 + η A m C a β A m + βη C a I 0 exp - kLAI + A m η C a
式中：I0为冠层上方光合有效辐射（µmol m-2 s-1）;LAI为冠层的整体叶面积指数（m2 m-2）;k为消光系数。为表示方便,合并变量如下：
P 1 = A m β I 0 η , P 2 = A m β I 0 , P 3 = A m η C a , P 4 = β I 0 η C a
对gs进行积分,得出Gc的计算公式：
G c = ∫ 0 LAI g s d l = m P 1 k P 2 + P 4 × ( kLAI + ln P 2 + P 3 + P 4 P 2 + P 3 exp kLAI + P 4 ) × 1 1 + D D 0
同时,为保证植被总初级生产力（GPP）和Et的计算精度,采用空气饱水汽压差限制 A c , g ：
GPP = f ( D ) A c , g
f D = 1 , D ≤ D min D max - D D max - D min , D min < D < D max 0 , D ≥ D max
式中：Ac, g是在没有饱水汽压差D约束下的光合速率（kPa）;f是在饱水汽压差D约束函数（D）; D min 和 D max 分别为水汽压差的下、上限阈值。
在全球95个涡度相关通量站上,PML-V2根据不同的植被类型分别率定参数,得到不同植被类型参数查询表。根据MODIS MCD12Q2.006 IGBP土地利用数据,将参数值移植至全球。PML-V2在全球通量站进行了充分的交叉验证,其模拟精度明显优于其他代表性的全球高精度蒸散发产品,如MODIS蒸发产品MOD16[10]。

3.2 PML-V2模拟试验

本文利用PML-V2模型,设计如下情景以分离植被变化对蒸散发在2003—2017年间的影响。试验组采用静态的2003年植被类型数据（包括植被类型、叶面积指数、反照率和发射率）和动态气象驱动数据。对照组采用动态的植被类型数据（包含了土地利用变化和叶面积指数变化信息）和动态的气象驱动数据。因此,植被变化对蒸散发的影响可以用以下公式分离：
∆ y = dynami c x - stati c x
式中：x为蒸散发、植被蒸腾、土壤蒸发或冠层截留蒸发; dynami c x 为对照组的模拟值; stati c x 为试验组的模拟值。由于对照组与试验组的气象驱动相同,因此 ∆ y 是剔除掉气象因素变化后植被变化的单独影响。

4 研究结果

4.1 土地利用变化

相对于2003—2007年,2008—2017年间,在全球尺度上自然植被（如森林、灌木、草地）覆盖度明显增加,裸土面积减少,耕地增加,城市化进程加剧（图1）。对于森林、灌木和草地,分别有54.8%、53.3%和56.2%的区域呈现增加趋势。与之前研究发现类似[29],近赤道20°S~20°N地区森林覆盖下降较为显著,在2008—2017年间下降幅度为0.5%。对于裸土,其覆盖度明显减少,减少的比例占60.4%,尤其是在中国的西部、澳洲中部、北美高纬度地区、以及南美西部。对于耕地,其变化规律呈现明显的区域差异,比如在中国华北平原和四川盆地等地区,耕地覆盖度微弱减少（图1a）。这可能是退耕还林等生态工程影响导致的,在这些地区可以看到森林的覆盖度明显增加（图1a）。与此相反的是南美洲南部地区,耕地覆盖度增加的同时,森林和草地覆盖度却明显减少。对于城市,几乎所有的城市在过去十几年间都发生了扩张,尤其是中国胡焕庸线以东地区、印度大部分地区、欧洲西部、以及北美东南部地区。对于水体,除北半球高纬度地区以外,其他地区水体比例呈现一致增加趋势。
图1 2008—2017年相对于2003—2007年每种植被类型在0.1°格点中的比例变化

注：N代表减少的比例、P代表增加的比例;左下角是全球数据的频率分布直方图。

Fig. 1 Area change in each vegetation type between 2008-2017 and 2003-2007 at each 0.1°× 0.1°grid cell across the globe

4.2 蒸散发各分量的空间分异特征及其对植被变化的响应

如图2所示,全球平均年蒸散发为(476.7±378.2) mm（全球所有格点的均值±标准差）,其中植被蒸腾、土壤蒸发和冠层截留蒸发分别为(268.6±303.2) mm、(161.4±103.4) mm和(46.6±77.2) mm,分别占年蒸散发总量的40.9%±24.9%、52.5%±30.2%和6.6%±7.2%（图2）。
图2 2003—2017年平均蒸散发、植被蒸腾、土壤蒸发和冠层截留蒸发空间分布

注：u-为全球均值±标准差。

Fig. 2 Spatial pattern of mean annual evapotranspiration, transpiration, soil evaporation and evaporation from canopy in 2003-2017

如图3所示,在2004—2017年间（动态模拟—静态模拟）,植被变化导致全球年蒸散发平均增加2.3±12.5 mm,其中植被蒸腾和冠层截留蒸发分别增加5.3±19.4 mm和0.8±3.9 mm,而植被变化对土壤蒸发的影响与其对植被蒸腾和冠层截留蒸发的影响完全相反,植被变化促使土壤蒸发平均下降3.8±12.8 mm。植被变化诱导的蒸散发变化与其对植被蒸腾的影响在空间上具有较好的一致性。在中国东部、印度大部分地区、欧洲西部、非洲南部和北美洲中部,植被蒸腾和蒸散发均显著增加（图3a~3b）,与此同时这些地区的土壤蒸发下降明显（图3c）。在亚马逊森林、非洲北部、欧洲中部部分地区,植被蒸腾和蒸散发均显著减少趋势,土壤蒸发变化趋势则相反。而植被变化引起的冠层截留蒸发变化幅度较小,大部分地区小于3 mm（图3d）。
图3 2004—2017年植被变化引起的年蒸散发、植被蒸腾、土壤蒸发和年冠层截留蒸发变化空间分布

注：u-为全球均值±标准差;图中方框和椭圆表示显著变化区域。

Fig. 3 Vegetation change induced annual changes in evapotranspiration, transpiration, soil evaporation and evaporation from canopy in 2004-2017

由于不同区域蒸散发量级不同,为方便对比植被变化对蒸散发的影响在空间上的差异,图4进一步展示了植被变化引起的蒸散发相对变化百分比。在80°N以北地区,植被变化引起的蒸散发各分量一致下降,植被蒸腾、土壤蒸发和冠层截留蒸发的下降比例分别为20%、5%和30%;如图1f,陆地表面水体面积（主要是冰雪覆盖的面积）在北半球高纬度地区呈现下降趋势,水体面积减少导致地表前期土壤含水量下降,最终使土壤蒸发下降。此外,灌木退化和冰面消融导致的高纬度地区裸土面积增加（图1b和1g）,可能是植被蒸腾和冠层截留蒸发明显下降的主要原因。在70°N~80°N和20°S~30°S纬度带上,植被变化引起的蒸散发分量变化最显著,植被蒸腾和冠层截留蒸发分别增加约10%~15%,而土壤蒸发下降约0~5%;在北半球中纬度地区,如欧洲西部和中国东部,植被变化对土壤蒸发的影响最为强烈,植被变化促使土壤蒸发在这些地区下降约5%。
图4 2004—2017年植被变化引起的年蒸散发、植被蒸腾、土壤蒸发和冠层截留蒸发相对变化空间分布

注： u - 为全球均值±标准差;相对变化=植被变化引起的变化量/多年平均值×100%;图中方框和椭圆表示显著变化区域。

Fig. 4 Vegetation change induced relative percentage changes in evapotranspiration, transpiration, soil evaporation and evaporation from canopy in 2004-2017

图5进一步展示了植被变化对蒸散发的影响在时间上的差异。在2004—2012年间,尽管蒸散发已显著增加,但植被变化对森林、草地、城市和水体的影响接近于0;此外,植被变化使全球陆地表面的灌木和草地蒸散发各增加58 km3（相对变化为0.24%和0.69%）。自2012年以后,除裸土外,植被变化对蒸散发的影响显著加强。植被变化使全球陆表的森林、草地、城市和水体的年蒸散发分别增加110 km3、90 km3、7 km3和16 km3（相对变化为0.53%、0.60%、0.63%和0.67%）;对于灌木和耕地,其对应的全球陆表的年蒸散发量分别增加200 km3和210 km3（占0.85%和2.45%）,该量级约为黄河流域年平均天然径流量的4倍（按照500亿m3来估算[40]）。
图5 2003—2017年间植被变化对全球陆地表面年蒸散发量的影响

注：植被变化贡献=年动态模拟值-年静态模拟值。

Fig. 5 Vegetation change induced changes in different land cover types across the globe in 2003-2017

4.3 不同因素对植被诱导的蒸散发变化量的影响

由图6可以看出,① 干旱区和湿润区,蒸散发各分量对叶面积指数（LAI）的敏感性存在显著的差异;植被蒸腾对LAI的敏感性,在干旱区明显强于湿润区。在湿润区（干燥度指数< 2.5或水平衡> 0）植被蒸腾对LAI的敏感性差异较小。在干旱区（干燥度指数> 2.5或水平衡< -500 mm）,植被蒸腾对LAI的敏感性随干燥度增加（或水平衡下降）而增加,而土壤蒸发和冠层截留蒸发则随之增加而下降。② 年降水对各蒸散发各分量的影响弱于干燥度指数和水平衡的影响;当年降水> 400 m时,降水对各分量对LAI的敏感性的影响较弱。③ 在年均温为25 ℃左右时,植被蒸腾对LAI的敏感性最低。与此同时,土壤蒸发和冠层截留蒸发对LAI的敏感性达到最高。
图6 不同因素对蒸散发对叶面积指数敏感性的影响。

注：干燥度指数=年潜在蒸散发/年降水量;水平衡=年降水量-年潜在蒸散发;∆=动态模拟值-静态模拟值;dx/dLAI表示变量x对LAI的敏感性;图中白色折线为dx/dLAI的中位数。

Fig. 6 Sensitivity of leaf area index to different drivers

5 讨论与结论

2003—2017年全球陆地下垫面条件发生了显著的变化。裸土面积减少、自然植被覆盖度增加、森林面积下降、耕地增加和城市化进程加剧。本文采用PML-V2全球陆面蒸散发模型,系统研究了下垫面变化对蒸散发及其主要分量的影响。
结果显示,2003—2017年下垫面变化导致全球年蒸散发增加(2.3±12.5) mm,其中植被蒸腾和冠层截留蒸发分别增加(5.3±19.4) mm和(0.8±3.9) mm,而植被变化对土壤蒸发的影响与其对植被蒸腾和冠层截留蒸发的影响完全相反,土壤蒸发平均下降(3.8±12.8) mm。下垫面变化对蒸散发的影响,在不同土地利用上存在明显的差异,其对蒸散发的影响在灌木和耕地最为显著。下垫面变化在蒸散发的影响,在年际间也存在明显的变化,2004—2012年下垫面变化对森林、草地、城市和水体的影响接近于0;但2012年以后,下垫面变化对蒸散发的影响陡增。
下垫面变化主要通过影响植被蒸腾和土壤蒸发,最终影响蒸散发总量。其中,下垫面变化对植被蒸腾的影响最为显著,因此下垫面变化对蒸散发总量的影响与其对植被蒸腾影响在空间上具有较好的一致性。而在下垫面的众多因素中,LAI是影响植被蒸腾变化的主控因子。在LAI增加的区域,如北美洲中北部、欧洲、中国东部、非洲南部和澳大利亚东北部,植被变绿促使植被蒸腾和冠层截留蒸发显著增加。虽然植被变绿导致被土壤吸收的太阳辐射减少、土壤蒸发减小,但是土壤蒸发减小的量级远小于植被蒸腾和冠层截留蒸发的增量,最终导致LAI增加导致陆面蒸散发增加;与此相反,在LAI增加的区域,如南美亚马逊雨林、俄罗斯中部温带森林、以及非洲中部热带雨林等区域,LAI降低导致植被蒸腾和冠层截留蒸发显著下降,最终使这些区域的陆面蒸散发降低。
陆面蒸散发对LAI变化的敏感性,在不同区域存在明显差异。在干旱区和湿润区,蒸散发各分量对LAI的敏感性存在显著的差异;植被蒸腾对LAI的敏感性,在干旱区明显强于湿润区。此外,年降水对各蒸散发各分量的影响弱于干燥度指数和水平衡的影响。
本文的研究结果为量化下垫面变化对蒸散发的影响提供了方法,其有助于增进陆地水循环变化机理的认识、揭示未来气候变化情景下的水文循环规律。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Zhang Y Q, Leuning R, Hutley L B, et al. Using long-term water balances to parameterize surface conductances and calculate evaporation at 0.05 degrees spatial resolution. Water Resources Research, 2010,46(5). DOI: 10.1029/2009wr008716.

[2]
Zhang Y Q, Chiew F H S, Zhang L, et al. Validation of modis-based annual actual evapotranspiration against water balance estimates in murray-darling basin. 2007, 2639-2644. http://hdl.handle.net/102.100.100/125980.. 2021-01-27.

[3]
Li J, Chen Y D, Zhang L, et al. Future changes in floods and water availability across China: Linkage with changing climate and uncertainties. Journal of Hydrometeorology, 2016,17(4):1295-1314.

[4]
Wuebbles D, Meehl G, Hayhoe K, et al. CMIP5 climate model analyses: Climate extremes in the United States. Bulletin of the American Meteorological Society, 2014,95(4):571-583.

[5]
Wang L, Chen W. A CMIP5 multimodel projection of future temperature, precipitation, and climatological drought in China. International Journal of Climatology, 2014,34(6):2059-2078.

[6]
Li J, Chen Y D, Gan T Y, et al. Elevated increases in human-perceived temperature under climate warming. Nature Climate Change, 2018,8(1):43-47.

[7]
Chen Y D, Li J, Zhang Q, et al. Projected changes in seasonal temperature extremes across China from 2017 to 2100 based on statistical downscaling. Global and Planetary Change, 2018,166:30-40.

[8]
Penman H L. Natural evaporation from open water, bare soil and grass. Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, 1948,193(1032):120-145.

[9]
Monteith J L. Evaporation and environment. Symposia of the Society for Experimental Biology, 1965,19:205-234.

PMID

[10]
Zhang Y Q, Kong D D, Gan R, et al. Coupled estimation of 500 m and 8-day resolution global evapotranspiration and gross primary production in 2002-2017. Remote Sensing of Environment, 2019,222:165-182.

[11]
Zhang Y Q, Pena-Arancibia J L, McVicar T R, et al. Multi-decadal trends in global terrestrial evapotranspiration and its components. Scientific Reports, 2016,6(1). DOI: 10.1038/srep19124.

DOI PMID

[12]
Leuning R, Zhang Y Q, Rajaud A, et al. A simple surface conductance model to estimate regional evaporation using MODIS leaf area index and the penman-monteith equation. Water Resources Research, 2008,44(10). DOI: 10.1029/2007wr006562.

[13]
Qi Tianyao, Zhang Qiang, Wang Yue, et al. Spatiotemporal patterns of pan evaporation in 1960-2005 in China: Changing properties and possible causes: Changing properties and possible causes. Scientia Geographica Sinica, 2015,35(12):1599-1606.

[ 祁添垚, 张强, 王月, 等. 1960—2005年中国蒸发皿蒸发量变化趋势及其影响因素分析. 地理科学, 2015,35(12):1599-1606.]

[14]
Han Songjun, Wang Shaoli, Yang Dawen. Agricultural influences on evaporation paradox in China. Transactions of the CSAE, 2010,26(10):1-8.

[ 韩松俊, 王少丽, 杨大文. 农业活动对中国区域“蒸发悖论”规律的影响. 农业工程学报, 2010,26(10):1-8.]

[15]
Xie Ping, Long Huaiyu, Zhang Yangzhu, et al. Evaporation paradox in Yunnan Province. Journal of Irrigation and Drainage, 2016,35(9):81-87.

[ 谢平, 龙怀玉, 张杨珠, 等. “蒸发悖论”在云南省的探讨. 灌溉排水学报, 2016,35(9):81-87.]

[16]
Cong Zhentao, Ni Guangheng, Yang Dawen, et al. Evaporation paradox in China. Advances in Water Science, 2008,19(2):147-152.

[ 丛振涛, 倪广恒, 杨大文, 等. “蒸发悖论”在中国的规律分析. 水科学进展, 2008,19(2):147-152.]

[17]
Lian X, Piao S L, Huntingford C, et al. Partitioning global land evapotranspiration using CMIP5 models constrained by observations. Nature Climate Change, 2018,8(7):640-646.

[18]
Sutanto S, Wenninger J, Coenders-Gerrits A, et al. Partitioning of evaporation into transpiration, soil evaporation and interception: A comparison between isotope measurements and a HYDRUS-1D model. Hydrology and Earth System Sciences, 2012,16(8):2605-2616.

DOI

[19]
Wang L X, Good S P, Caylor K K. Global synthesis of vegetation control on evapotranspiration partitioning. Geophysical Research Letters, 2014,41(19):6753-6757.

[20]
Wang K, Dickinson R. A review of global terrestrial evapotranspiration: Observation, modeling, climatology, and climatic variability. Reviews of Geophysics, 2012,50(2). DOI: 10.1029/2011RG000373.

[21]
Running S, Mu Q, Zhao M. MOD16A2 modis/terra net evapotranspiration 8-day L4 global 500 m sin grid v006. NASA EOSDIS Land Processes DAAC, 2017. DOI: 10.5067/MODIS/MOD16A2.006.

[22]
Martens B, Gonzalez M D, Lievens H, et al. Gleam v3: Satellite-based land evaporation and root-zone soil moisture. Geoscientific Model Development, 2017,10(5):1903-1925.

[23]
Jung M, Reichstein M, Bondeau A J B . Towards global empirical upscaling of fluxnet eddy covariance observations: Validation of a model tree ensemble approach using a biosphere model. Biogeosciences, 2009,6(10):2001-2013.

[24]
Jung M, Reichstein M, Ciais P, et al. Recent decline in the global land evapotranspiration trend due to limited moisture supply. Nature, 2010,467(7318):951-954.

DOI PMID

[25]
Dong B, Dai A G. The uncertainties and causes of the recent changes in global evapotranspiration from 1982 to 2010. Climate Dynamics, 2017,49(1):279-296.

[26]
Mueller B, Seneviratne S I, Jimenez C, et al. Evaluation of global observations-based evapotranspiration datasets and IPCC AR4 simulations. Geophysical Research Letters, 2011,38(6). DOI: 10.1029/2010GL046230.

[27]
Schlosser C A, Gao X. Assessing evapotranspiration estimates from the second Global Soil Wetness Project (GSWP-2) simulations. Journal of Hydrometeorology, 2010,11(4):880-897.

[28]
Gan R, Zhang Y Q, Shi H, et al. Use of satellite leaf area index estimating evapotranspiration and gross assimilation for australian ecosystems. Ecohydrology, 2018,11(5):e1974. DOI: 10.1002/eco.1974.

[29]
Song X P, Hansen M C, Stehman S V, et al. Global land change from 1982 to 2016. Nature, 2018,560(7720):639-643.

DOI PMID

[30]
Sterling S M, Ducharne A, Polcher J. The impact of global land-cover change on the terrestrial water cycle. Nature Climate Change, 2012,3(4):385-390.

[31]
Li G, Zhang F M, Jing Y S, et al. Response of evapotranspiration to changes in land use and land cover and climate in China during 2001-2013. Science of the Total Environment, 2017,596:256-265.

[32]
Li C C, Zhang Y Q, Shen Y J, et al. LUCC-driven changes in gross primary production and actual evapotranspiration in northern China. Journal of Geophysical Research: Atmospheres, 2020, 125(6): e2019JD031705. DOI: 10.1029/2019JD031705.

[33]
Zhao M S, Heinsch F A, Nemani R R, et al. Improvements of the MODIS terrestrial gross and net primary production global data set. Remote Sensing of Environment, 2004,95(2):164-176.

[34]
Ershadi A, McCabe M F, Evans J P , et al. Effects of spatial aggregation on the multi-scale estimation of evapotranspiration. Remote Sensing of Environment, 2013,131:51-62.

[35]
Sulla-Menashe D, Gray J M, Abercrombie S P, et al. Hierarchical mapping of annual global land cover 2001 to present: The MODIS Collection 6 land cover product. Remote Sensing of Environment, 2019,222:183-194.

[36]
C EPH. A perfect smoother. Analytical chemistry, 2003,75(14):3631-3636.

[37]
Kong D D, Zhang Y Q, Gu X H, et al. A robust method for reconstructing global MODIS EVI time series on the Google Earth Engine. ISPRS Journal of Photogrammetry and Remote Sensing, 2019,155:13-24.

[38]
Leuning R. A critical appraisal of a combined stomatal-photosynthesis model for C3 plants. Plant, Cell & Environment, 1995,18(4):339-355.

[39]
Yu Q, Zhang Y Q, Liu Y F, et al. Simulation of the stomatal conductance of winter wheat in response to light, temperature and CO2 changes. Annals of Botany, 2004,93(4):435-441.

PMID

[40]
Jia Shaofeng, Liang Yuan. Suggestions for strategic allocation of the Yellow River water resources under the new situation. Resources Science, 2020,42(1):29-36.

[ 贾绍凤, 梁媛. 新形势下黄河流域水资源配置战略调整研究. 资源科学, 2020,42(1):29-36.]

Options
文章导航

/

〈 〉