平坦下垫面植被蒸散特征及对气象因素的响应研究.DOC

1、平坦下垫面植被蒸散特征及对气象因素的响应研究花圣卓 1,2，蔡昕 3，余新晓 1*（1.北京林业大学水土保持学院，100083，北京；2.水利部水土保持植物开发管理中心，100038，北京；3. 北京水保生态工程咨询有限公司，100055，北京）摘要：下垫面蒸散活动是生态系统水热平衡的重要组成，为了研究平坦下垫面植被蒸散特征，本文以北京市八达岭林场场部示范林为研究对象，基于涡度相关仪观测数据，研究平坦下垫面蒸散特征，通过 PT-Fi模型分析下垫面蒸散组分，以常规统计方法分析蒸散对气象因素的响应。平原区植被非均一下垫面蒸散典型日变化分析表明，全天可分为四个阶段，平稳期：0:005:00 和 20

2、:000:00（夜间） ，逐渐上升期：5:0012:00，剧烈波动期： 12:0014:00，下降期：14:0020:00。采用对应时间段取平均的方法分析月蒸散24h 变化规律，其变化趋势与日变化相似，但曲线更平滑。季节变化分析表明，4 月期间蒸散缓慢增长，5 月开始逐渐上升；6 月9 月期间为蒸散高峰期且波动较大；10 月开始蒸散迅速降低。蒸散组分分析表明，研究时段内总蒸散 532.92mm，植被蒸腾量 394.48mm，所占比例 74.02%；土壤蒸发量 138.44mm，所占比例 25.98%。蒸散与常规气象因子相关分析表明，太阳辐射（相关系数）：夏季晴天(0.9484) 春季晴天(0.

3、7909)秋季晴天(0.6917) ，夏季晴天(0.9484)夏季阴天(0.8828)；温度（相关系数）：夏季晴天(0.6735)秋季晴天(0.4222)春季晴天(0.1826)，夏季晴天(0.6735)夏季阴天(0.647)。量化常规气象因子对蒸散的影响效应表明，太阳辐射：夏季晴天（0.3585 Wm-2/ Wm-2） 春季晴天（0.0474W m-2/ Wm-2） 秋季晴天（0.0525W m-2/ Wm-2） ，夏季晴天（0.3585Wm -2/ Wm-2）夏季阴天（ 0.2510Wm-2/ Wm-2） ；温度：夏季晴天（18.042 Wm-2 -1） 春季晴天（2.3224W m-2

4、-1）秋季晴天（1.3516Wm -2 -1） ，夏季阴天（21.0650W m-2 -1） 夏季晴天（18.0420W m-2 -1） 。降水事件在短期内对蒸散的影响为负效应。气象因子对蒸散的综合影响效应分析表明，温度的影响效应最大，不同季节其贡献率为 40%60%，太阳辐射和空气相对湿度贡献率在不同时期变化较大。关键词：蒸散；组分；气象因素中国分类号：S715.4Study on the evapotranspiration features of vegetation over flat underlying surface and response to meteorological

5、factorsHua Shengzhuo1,2, Cai Xin3, Yu Xinxiao1*（1. Beijing Forest University, 100083，Beijing, China；2. China National Administration Center for Seabuckthorn Development,100038,Beijing, China; 3. Beijing Water Conservation Ecological Engineering Consulting Co.,Lt, 100055, Beijing, China）Abstract: Eva

6、potranspiration is the important component of ecosystem hydrological and energy-balance. This study analyzed the evapotranspiration feature over flat underlying surface based on eddy covariance in Badaling Forest Farm in Beijing. We analyzed the evapotranspiration components via PT-Fi model and resp

7、onse to meteorological factors. The results of typical daily 收稿日期：2016-1-29 项目名称：国家自然科学基金重点专项“基于稳定同位素的典型森林生态系统水、碳过程及其耦合机制研究冶(41430747)第一作者简介：花圣卓(1987)，男，博士研究生。主要研究方向：森林水文。 E-mail：*责任作者简介：余新晓（1961） ，男，博士，教授。主要研究方向：森林水文，水土保持。E-mail: evapotranspiration variation in non-uniform underlying surfaces showi

8、ng that the whole day were divided into 4 stages, 0:00 to 5:00 and 20:00 to 24:00 (night)was stable stage, 5:00 to 12:00 was increasing gradually stage, 12:00 to 14:00was fluctuant stage and 14:00 to 20:00 was decreasing stage. 24h averaged evapotranspiration in one month show that evapotranspiratio

9、n monthly variation was accordance with the change of daily variation, expect the curve was smoother. According to the seasonal variation, evapotranspiration increased slowly from April to May, from June to September, the evapotranspiration arranged in the fastigium, while the evapotranspiration dec

10、reased rapidly from October. Total evapotranspiration during study period was 532.92mm, the components of ET-vegetation transpiration and soil evaporation were 394.48 mm and 138.44mm respectively, and the proportion were 74.02% and 25.98% respectively. The correlation between evapotranspiration and

11、meteorological factors indicates that: correlation of solar radiation and evapotranspiration shows that: sunny day in summer (0.9484)sunny day in spring (0.7909)sunny day in autumn (0.6917), sunny day in summer (0.9484)cloudy day in summer (0.8828). Correlation between evapotranspiration and tempera

12、ture shows that: sunny day in summer (0.6735)sunny day in autumn (0.4222)sunny day in spring (0.1826), sunny day in summer (0.6835)cloudy day in summer (0.647). Quantified the influence of meteorological factors on evapotranspiration, effect of solar radiation: sunny day in summer（0.3585 Wm-2/ Wm-2）

13、sunny day in spring（0.0474W m-2/ Wm-2）sunny day in autumn（0.0525Wm -2/ Wm-2） ，sunny day in summer（0.3585W m-2/ Wm-2）cloudy day in summer（0.2510W m-2/ Wm-2）. Temperature：sunny day in summer（19.5535 Wm-2 -1）sunny day in spring（2.3224Wm -2 -1）sunny day in autumn （1.3516Wm -2 -1） ，cloudy day in summer（2

14、1.0650Wm -2 -1）sunny day in summer（18.0420Wm -2 -1）.The correlation analysis of evapotranspiration and rainfall shows that rainfall played negative effect on evapotranspiration, but there was a critical rainfall amount, that was to say the evapotranspiration would decrease until rainfall reached a c

15、ertain amount. Analysis on combined effect of meteorological factors on evapotranspiration indicated that the maximum effect factor was temperature with the contribution rate of 40%60% during research period. Contribution rate of solar radiation and relative humidity varied in different seasons.Keyw

16、ords: Evapotranspiration; components; meteorological factors蒸散活动是生态系统水分循环的重要环节，森林蒸散是森林水热平衡的重要组成，对森林生态系统水分状况具有重要指示作用 1-5。生态系统蒸散包括植被表面水分蒸发、土壤蒸发和植被蒸腾，其中植被表面蒸发量相对较少，在干旱地区研究蒸散时一般将其忽略，但在降雨量大的地区植被表面蒸发量也是不可忽略的 6。在研究下垫面蒸散时往往将各组分作为一个整体进行计算，而在实际应用中却有必要将蒸散各组分分开，尤其是土壤蒸发和植被蒸腾，这样才更加有利于水资源的管理与应用。现阶段将土壤蒸发和植被蒸腾分开的方法大

17、致可分为两类，一类是将两者分开直接测定，如在林内放置自制的微型蒸渗仪测定土壤蒸发 7、利用 TDP 技术 8或同位素示踪法 9测定植被蒸腾等，这一类方法研究对象多为个体和林分尺度，对于更大尺度的蒸散组分提取方法较少。大尺度蒸散组分的提取多以遥感数据为基础，构建相关的模型来对土壤蒸发和植被蒸腾进行估算。总体来看，到目前为止，大尺度蒸散组分提取的研究方法较少。Shuttleworth 等以 P-M模型为基础，提出了改进的 S-W 模型，该模型将冠层阻力分为叶片阻力、土壤阻力以及土壤与冠层之间的阻力三个部分，该方法具有坚实的理论基础，随后发展起来的众多模型，如双源模型 10，多源模型 11都以该方法

18、为理论基础发展而来，但该方法需要输入的参数众多，对于森林生态系统这种复杂的下垫面来说大量参数难以准确测量，其实用性得到了很大的限制 6。Fisher 等 12提出了一种基于 Priestley-Taylor 模型的 PT-Fi 模型，该模型以植被覆盖度为依据将净辐射划分为冠层净辐射和土壤净辐射，利用较少的且便于获取的常规气象参数将土壤蒸发和植被蒸腾分开，具有较高的实用性。本文拟运用涡度相关仪观测华北平原平坦下垫面蒸散特征，并以 PT-Fi 模型研究蒸散组分特征，以期为该区域水资源管理提供理论参考。1 研究区概况研究区位于北京市八达岭林场场部示范林区，行政区位为北京市延庆县八达岭镇境内，地理位置

19、 N4022、E115 56 、海拔 534m，距京藏高速公路北京起点约 62km，紧邻216 省道。该区地势平坦，海拔落差仅 4m，平均海拔 532m，三面环山，林场场部位于中间地带的小平原上，土壤类型主要为典型褐土。林区属大陆季风气候，具有半湿润半干旱的暖温带的气候特点，春冬季低温干燥，夏季高温多雨，秋季天高气爽，年均温 10.8，最高月（7 月）均温 26.9,最低月（1 月）平温 7.2，无霜期仅 160 天。年均降水量为520mm，约 60%的降水集中在 7、8 月，且暴雨较多。年潜在蒸散约 1600mm，春季蒸发量最高。由于实验区北东南三面环山，区域内东北风和西南风盛行，风速较大，

20、年平均风速超过 3m/s，最大风速可达 25m/s13。观测区周边无河流，地下水位较底，气候干旱，降水少，水资源比较缺乏，但雨季水资源比较丰富 14。观测站内植被均为人工林，林龄 510 年，主要树种有白皮松，油松，侧柏，白蜡，栾树，元宝枫，山杏，杨树等。由于在栽植树木时为分阶段分树种进行，因此乔木林成块状分布，且植株间个体间距有明显的规律性。灌木种类较少，主要有黄栌，海棠，胡枝子等；草本植物有早熟禾，高羊茅，灰绿藜，葎草，茜草以及蒿类等。2 研究方法2.1 下垫面蒸散观测Swinbank 提出用涡度相关技术计算碳水通量，涡度相关技术以物质能量守恒为基础理论 15，通过垂直风速的瞬时偏离值（

21、）和平均水汽浓度瞬时偏离值（ ）的协方差wq来计算水汽的垂直通量，见式 1。（1）CqLEp式中：LE 为水汽潜热通量，即蒸散， 为垂直风速的瞬时偏离值与水汽浓度瞬时偏离值的协方差。潜热通量数据需要经过 WPL (Webb-Peaman-Leuning)校正（即空气密度校正） 16和坐标转换处理 17，通过三维坐标旋转校正三维风速，从而使得垂直风向风速的平均值为零，水平风速方向与主导方向一致。由于仪器设备限制，本研究数据时间段为 2013 年 4 月-11 月，涡度相关仪原始数据采集频率为 10Hz，后期处理采用 EddyPro 软件进行。2.2 蒸散组分计算Fisher 等提出的 PT-Fi

22、 模型具有原理简单，参数获取相对容易的特点， PT-Fi 模型仅需少量数据资料便可计算下垫面蒸散并能将蒸散不同组分有效分开。其原理是将到达地表的地表净辐射分为冠层接收的净辐射和裸露土壤接收的净辐射两部分，其划分的依据为植被覆盖率。需要输入的参数有地表净辐射（net radiation，Rn ） ，植被归一化指数（NDVI） ，土壤植被调整系数（soil adjusted vegetation index，SAVI） ，最大空气温度（maximum air temperature，Tmax） ，水汽压（water vapor pressure，ea） 。本研究蒸散采用涡度相关法计算ET，采用 P

23、T-Fi 模型对蒸散组分进行区分。PT-Fi 模型将蒸散分为土壤蒸发、冠层截留蒸发和植被蒸腾三部分，见式 2：(2)cisETET式中，ET 为总蒸散， ， 和 分别为土壤蒸发，冠层截留蒸发以及冠层蒸腾i（植被蒸腾） ，冠层截留蒸发指降水后被冠层截留在植被表面部分的水分蒸发，该部分只有在降水发生后的短期内才有，但在北方地区降水量相对较少，且降水次数也少，冠层截留蒸发量很小，因此，为了简化算法，本研究中将该分量忽略，即式 2 改写为 3。(3)csET其中， 计算见式 4：sET(4)GRffETnswetSMwets 1为表面相对湿度；wetf(5)4RHfwet为土壤水分限制因子；SMf，

24、=1.0kPa； (6)/VPDSMf为 Priestley-Taylor 模型中的系数，一般取值为 1.26； 为温度-饱和水汽压斜率 （kPa -1） ； 为干湿表常数，取值 0.066（kPa -1） ；由于本文中 ET 通过涡度相关仪测定，因此， 可由式 7 得到：cET(7)sc-ET3 结果与分析3.1 蒸散总量变化规律3.1.1 蒸散典型日、月变化规律蒸散典型日（5 月 21 日） 、月（5 月）变化规律见图 1。由图可知，蒸散日变化规律可分为四个阶段：0:005:00 和 20:000:00 为平稳期，也是一天中数值最小的时期；5:0012:00 为数值上升期；12:0014:

25、00 为剧烈波动期，但总体平均值大，为一天中的数值最大时期；14:0020:00 为下降期，上升期和下降期均经历 7 个小时，但上升阶段直线斜率为 794.24，小于下降斜率 895.58（绝对值） ，表明下垫面蒸散速率在 5:0012:00 期间增加的速率小于在 14:0020:00 期间的下降速率。四个阶段表现出的不同特征其主要原因为植被的生理活动变化，夜间蒸散主要来自土壤蒸发，关于植被的夜间蒸腾研究相对较少 18-19，但可以确定的是植被夜间蒸腾量远小于日间蒸腾，正如 0:005:00 和 20:000:00 期间蒸散量远小于日间值。日间 12:0014:00 期间，是一天中温度最高，植

26、被生理活动最活跃的时期（晴好天气） ，无论是植被蒸腾还是土壤蒸发都达到最大值，蒸散速率自然也达到了最大值。5:0012:00 期间蒸散速率逐渐上升可从两方面来解释；一方面是土壤在经历夜间散热（红外辐射）之后，地表温度达到了最低值，在接受到太阳辐射后，土壤吸热逐渐升温，在太阳照射的初期，大部分能量被用于土壤热通量的增加；另一方面是植被因素，受温度降低的影响，植被生理活动也有一个缓慢增强的过程。对于 14:0020:00 期间的蒸散速率下降，同样是由于土壤蒸发和植被蒸腾活动降低的影响，但由于受土壤水分供给、气压以及气流等 20的影响，下降速率更快。对于不同时期，四个阶段持续的时间段存在差异。选择

27、5 月的数据进行 LE 月变化规律分析，将每天的数据对应时段取平均，得到月数据的 24小时分布曲线，见图 1，与日变化相比，月变化趋势相同，但曲线更加平滑。-500501001502002503000:00 3:00 6:00 9:00 12:00 15:00 18:00 21:00 0:00蒸散量（W/m2）时 间日 变 化月 变 化图 1 LE 典型日、月变化3.1.2 蒸散季节变化规律分析研究区 4 月11 月蒸散变化见图 2，研究时段内蒸散总量 532.92mm，降水量495.76mm，蒸散量大于降水量，超出降水量的部分的水分可能来源主要为地下水以及人工灌溉。从图中可知，7 月、8 月

28、为蒸散高峰期，日期蒸散值在 4mm 上下浮动；4 月为缓慢增长期，日均蒸散量 0.4mm 左右，一直持续到 5 月上旬才开始逐渐上升。 6 月9 月期间波动较大，结合图 4 可知，在该时间段内降水事件发生频繁，降水发生时，蒸散量急剧下降，导致日均蒸散值下降，在降水事件结束后的短时间内由于空气湿度大（90%以上） ，导致仪器无法获取准确的数据，也导致日均值降低。但当空气湿度下降到仪器可以准确测量的范围时，由于植被土壤表面水分含量较大，蒸发量大，此时总蒸散量也较大，因此往往在降水发生前后蒸散曲线会先剧烈下降后极速上升，但只有降水量达到一定量时才会发生这样的现象，降水量过小时，降水事件对蒸散的影响不

29、显著（见图 3） 。10 月开始蒸散迅速下降，因为 10 月进入秋季后，降水量急剧下降，环境温度也迅速降低，导致植被生理活动和土壤蒸发都降低，使得蒸散量降低。010203040506000.511.522.533.544.552013/3/15 2013/5/4 2013/6/23 2013/8/12 2013/10/1 2013/11/20降水量（mm）蒸散量（mm）降 水 量 （ mm）蒸 散 量 （ mm）图 2 LE 和降水季节变化（4 月11 月）3.2 蒸散组分特征利用 PT-Fi 模型将蒸散分为土壤蒸发和植被蒸腾两个组分 ，研究时段内总蒸散532.92mm，植被蒸腾量 394.4

30、8mm，所占比例为 74.02%；土壤蒸发量 138.44mm，所占比例 25.98%。对各组分在不同时间（月）所占比例进行统计，见表 1。表 1 蒸散组分分布月份 4 5 6 7 8 9 10 11 小计蒸腾量（mm） 6.98 37.32 51.65 90.14 98.64 76.79 26.81 6.15 394.48植被蒸腾占总量比例（%） 43.50 69.00 74.00 78.50 77.20 81.00 63.50 46.00 74.02蒸散量（mm） 9.07 16.77 18.15 24.69 29.13 18.01 15.41 7.22 138.44土壤蒸散占总量比例（%

31、） 56.50 31.00 26.00 21.50 22.80 19.00 36.50 54.00 25.98总蒸散（mm） 16.05 54.08 69.79 114.83 127.77 94.8 42.22 13.37 532.91由表 1 可知，蒸散组分（植被蒸腾和土壤蒸发）均呈现规律性变化，即从 4 月开始逐渐增大，8 月达到最大，随后逐渐减小。植被蒸腾占总蒸散比例从 4 月开始逐渐增加，7 月和 8 月接近，9 月开始逐渐下降；土壤蒸发比例则呈现相反的变化规律。研究区内 4 月植被开始缓慢生长，植被生理活动逐渐加强，7、8 月植被生理活动达到高峰期，而后逐渐减弱，因此植被蒸腾强度呈现

32、出逐渐上升，9 月开始逐渐下降的趋势。土壤蒸发主要受温度和水分来源影响，而温度和水分的变化规律也呈现出从 4 月开始逐渐上升，7、8 月达到最大，随后减小的趋势，但温度的变化幅度有限，且随着植被生长，土壤表面温度由于植被的覆盖，其温度上升程度有限，因此土壤蒸发上升的幅度有限。4 月下垫面蒸散总量仅为16mm，而土壤蒸量发为 9.07mm，因此土壤蒸发比例大于植被蒸腾，而随着温度上升，植被蒸腾活动加强，植被蒸腾量急剧上升，但土壤蒸发量增量却有限，因此植被蒸腾比例上升，而土壤蒸发比例下降。9 月开始出现相反的现象，即植被蒸腾和土壤蒸发均下降，但植被蒸腾速率大于土壤蒸发速率，因此土壤蒸发比例逐渐增加

33、。3.3 下垫面蒸散与气象因子关系由于影响蒸散的气象因子较多，为了准确而简洁地描述蒸散与气象因子之间的相关性，首先利用相关性分析对常规气象因子：太阳辐射（SR） ，空气温度（ T） ，空气相对湿度（RH） ，风速（WS）和风向（WD）进行筛选，选择与蒸散相关性较高的气象因子。由于不同季节各气象因子变化规律存在一定的差异性，根据植被生长规律将研究时段分为三个时间段：春季、夏季和秋季，在每个季节选择一个典型天，其中夏季由于植被生长旺盛，蒸腾活动强烈，选择了晴天和阴天两种天气，而另外两个季节仅选择了晴天，由于雨天空气湿度达到 100%的饱和程度，仪器观测时会出现较大误差，因此不分析雨天天气条件下的蒸

34、散与气象因子之间的关系，分析结果见表 2。由表可知，在所有季节太阳辐射和温度均与 ET 显著相关，湿度除了春季（4 月 18 日） ，其余季节均表现为显著相关，风速只在7.22 和 10.26 与蒸散显著相关。但在不同日期和天气条件下，不同的因子相关性显著性水平不同。表 2 不同季节典型天气气象因子与蒸散的相关性分析日期 SR T RH WD WS4.18 0.782* 0.768* -.364 -.003 -.1237.22 .757* .835* -.685* -.122 .654*7.24 .807* .785* -.738* .623 .54810.26 .655* .703* -.7

35、27* .472 .584*注： *表示在 0.01 水平上显著相关， *表示在 0.05 水平上显著相关。根据上述的分析选择太阳辐射、空气温度深入分析其与蒸散之间的相关关系，时间即为上述表中选择的典型日。由于空气湿度与降水（P）密切相关，且降水对仪器观测结果影响较大，在分析湿度因子时便以降水代替。连续降水的情况下，蒸散观测数据大都不可用，因此本段为了分析降水因素的影响，通过对数据的筛选，选择了数据可用的短期降水（降雨）当日及前日或后日来分析降水条件下蒸散的变化情况。3.3.1 蒸散与太阳辐射的关系选择不同季节的 4 个典型日：春季（4 月 18 日，晴） ，夏季（7 月 22 日，阴；7 月

36、 24，晴） ，秋季（10 月 26 日，晴） ，分析蒸散（LE）与太阳辐射（SR）之间的相关性（见表 3） 。表 3 典型日太阳辐射及温度与 LE 之间的相关性日期 太阳辐射 温度4 月 18 日（晴） y=0.0474*x+5.5885, R2=0.7909 y=2.3224*x+3.3691, R2=0.18267 月 22 日（阴） y=0.251*x-1.6576, R2=0.8828 y=21.065*x-447.91, R2=0.6477 月 24 日（晴） y=0.3585*x+8.6273, R2=0.9484 y=18.042*x-329.49, R2=0.673510 月

37、 26 日（晴） y=0.0525*x+1.592, R2=0.6917 y=1.3516*x+1.2097, R2=0.4222由表 3 可知；LE 与 SR 之间为正相关，但在不同季节、不同天气条件下，LE 与 SR 之间的相关性存在差异。表中数学函数以太阳辐射 SR 及温度 T 为自变量，蒸散 LE 为因变量，函数自变量系数的大小定义为太阳辐射利用率和温度利用率。将 4 个典型日分为春夏秋三个季节，可以看出，夏季太阳辐射利用率与春秋季相比，足足高于一个数量级，表明夏季 SR 对 LE 的影响程度显著大于春秋季。夏季两个典型天气的分析表明，阴天的太阳辐射利用率小于晴天，表明阴天 SR 对

38、LE 的影响程度小于晴天。由表 3 可知，以夏季晴天为例，LE/SR 为 0.3585，表示太阳辐射每增加 1 Wm -2， LE 增加 0.3585 Wm -2。由于 ET的大小常被用来判断植被生理活动的强弱，而植被蒸腾是 LE 的主要组成部分，当 LE 越大时说明太阳辐射被植被用于生理活动的量越大，从表 3 可知，夏季下垫面生态系统植被对SR 的利用率显著高于春秋季，春秋季的太阳辐射利用率仅为 5%左右，而夏季为 25%36%之间。3.3.2 蒸散与空气温度的关系选择与太阳辐射相同的日期进行典型日蒸散与空气温度之间的相关性，见表 3。由表可知，春秋季的直线拟合系数 R2 以及方程斜率均远小

39、于夏季，其变化趋势和蒸散与太阳辐射关系类似，春季（4 月 18 日，0.1826）秋季（10 月 26 日，0.4222）夏季（7 月 24 日，0.6735） ，同为夏季的两种天气表现为阴天（0.647）晴天（0.6735） ，但夏季晴天和阴天差异较小。而直线斜率表现为：秋季晴天（10 月 26 日，1.3516）春季晴天（4 月 18 日，2.3224）夏季晴天（7 月 24 日，18.042） ，同为夏季的两种天气表现为：阴天（17.774）晴天（18.042） ，但两者差异较小。温度通过对水分及植被体内酶活性等的影响来影响植被生理活动，由表 3 可知，春秋季植被蒸散与温度的相关性降低，

40、主要有两方面的原因：一方面春秋温度较低，根据观测数据 4 月 18 日温度最大值为 12，10 月 26 日温度最大值为15，对于温带植被来说，均在生长最适温度以下，在低温范围内，温度的小范围变化不足以引起植被相关酶活性的上升，因此，此时段内，蒸散变化与温度的相关性较低；另一方面原因在于植被本身生理活动降低，生态系统中活跃水分含量相对于夏季明显降低，蒸散下降。而夏季日均温达到了植被最适生长温度范围，植被生理活动对温度变化的敏感性明显增强，夏季阴天蒸散对温度的敏感性高与晴天，其原因可能为植被在正午时候出现的午休现象有关 21，午间温度过高时，为了降低水分损失，叶片表面气孔关闭，形成午休现象，从而

41、降低蒸腾耗水，因此当温度过高时，整个系统的蒸散量与温度之间的相关性降低。将不同季节、不同天气条件下温度与下垫面蒸散的数值关系定义为温度效应，物理意义与太阳辐射与蒸散的比值类似，即温度每变化 1时 LE 变化量，即表 3 中的温度函数系数。由表 3 可知，春秋季温度每升高 1，LE 增加的量仅为 2.234 Wm -2 和 1.3516 Wm -2，而夏季平均每升高 1，LE 增加 18.96 Wm -2。3.3.3 蒸散与降水的关系选择降雨前后 24h 内的数据分析降水对蒸散的影响，见图 3。由图可知，降水对蒸散影响显著，但与降水量和降水发生的时间有关。日间降水能显著降低短时间内蒸散量（图3a

42、） ，夜间降水对蒸散的影响弱于日间降水（图 3b） 。图 3a 中，当降水量为 0.25mm 时，蒸散速率仅有微弱下降，但当降水量为 4.31mm 且连续降水时，蒸散速率迅速降低，最小达到了 2.57Wm -2。降水事件通过降低空气温度，增大空气湿度，同时降水发生时一般太阳辐射也减弱甚至没有，这一系列的作用使得蒸散迅速降低，但当降水量很小或者降水时间过短时，对环境因子的改变作用也很小，因此对蒸散的减弱作用也小。对现有的数据进行统计，可得到降低蒸散的大概的降雨临界值为 0.8mm，降雨历时的临界值为 45min 左右，由于数据样本有限，这两个临界值的代表性可能存在一定的局限。同样的强降雨事件发生

43、在夜间时，对蒸散速率的影响却很微弱（图 3b） ，是由于夜间蒸散本来就微弱，在经历夜间降水之后的次日日间蒸散反而会有增大的可能性，其主要原因为降水事件增加了空气湿度，但经过短期的蒸发后，空气湿度并未达到饱和状态，同时，降水事件也为植被生长提供了充足的水分来源，因此往往在降水事件结束后的晴好天气蒸散速率会上升，同样的原因，夜间降水也只有降水量达到了一定量之后才能提高后期的蒸散速率，否则影响微弱。00.20.40.60.811.21.4-5005010015020025030035012:00 0:00 12:00 0:00 12:00 0:00 12:00 0:00 12:00降水（mm）蒸散（

44、W/m2）时 间降 水 （ mm）蒸 散 （ mm）a（日间）00.511.522.533.5-100-5005010015020025030012:00 0:00 12:00 0:00 12:00 0:00 12:00降水（mm）蒸散（W/m2）时 间降 水 （ mm）蒸 散 （ mm）b（夜间）图 3 日间和夜间降水对蒸散的影响3.3.4 气象因子对蒸散的综合效应在分析单项气象因子与蒸散的相关性后，将所有与蒸散相关性较高的气象因子（SR， RH，T）作为变量集，建立蒸散与该变量集的综合关系模型，采用多元线性回归法构建蒸散与气象因子集的表达式。由于不同季节蒸散与各气象因子的相关性不同，在构建

45、综合表达式时也分季节进行，见表 4。表 4 不同季节典型天气蒸散与气象因子综合效应的相关性（定量模型）季节（日期） 表达式 df R2 Sig春季晴天（4.18） LE=0.042SR+6.078T+1.801RH-72.402 47 0.753 0.000夏季阴天（7.22） LE=0.098SR+14.698T-0.336RH-281.175 47 0.743 0.000夏季晴天（7.24） LE=0.225SR+35.973T+7.088RH-1327.71 47 0.801 0.000秋季晴天（10.26） LE=0.026SR-4.34T-1.563RH+129.455 47 0.6

46、73 0.000注：表中 LE 和 SR 的单位为 Wm -2，T 的单位为，RH 的单位为 1%。由表 4 可知，SR 和 T 的系数从春季到夏季增大，夏季到秋季降低，夏季晴天大于夏季阴天，RH 的变化趋势与 SR 和 T 相同，但夏季阴天却为负值，前文蒸散与气象因子相关分析可知，RH 与 ET 的相关性相对较低，其变化趋势规律性较差。从数值绝对值来看，蒸散对温度的敏感性高（温度因子的系数最大，其次是湿度） ，但从相对量即数值的变化幅度来看，温度因子并不是最敏感的气象因子。SR 的日变化幅度从约 0Wm -2 到 600Wm -2，而温度的变化幅度最大也不会超过 20，一般在 10左右。为了分析相同时间尺度下各气象因子对蒸散的影响大小，将表 5 中各方程的系数由非标准化改为标准化系数，见表5。