殷暉 白福青 馬金輝 田浩翔

摘 要：蒸發(fā)是連接地表能量平衡和水量平衡的重要紐帶，高寒區(qū)蒸發(fā)量對(duì)氣候變暖尤為敏感。然而，高寒區(qū)蒸發(fā)預(yù)測(cè)存在大量不確定因素，其造成流域水文循環(huán)變化規(guī)律分析、水資源管理面臨嚴(yán)峻挑戰(zhàn)。因此，以屬于高寒區(qū)的黃河源區(qū)為例，利用５ 種物理機(jī)制不同的蒸發(fā)計(jì)算模型（Ｐ－Ｍ、Ｈａｒ、Ｊ－Ｈ、Ｍａｋ 和Ｐ－Ｔ）理清模型不確定性對(duì)流域潛在蒸發(fā)量預(yù)測(cè)結(jié)果的影響；通過耦合蒸發(fā)計(jì)算模型、ＧＣＭｓ 模型、ＲＣＰｓ 模型，探究多源不確定性對(duì)未來不同時(shí)期（ 近期、中期和遠(yuǎn)期） 潛在蒸發(fā)量預(yù)測(cè)結(jié)果不確定性的影響，并利用方差分析方法量化評(píng)估各因素獨(dú)立及交互作用對(duì)潛在蒸發(fā)量預(yù)測(cè)結(jié)果不確定性的貢獻(xiàn)。結(jié)果表明：基于太陽輻射和氣溫的潛在蒸發(fā)量模型獲得的潛在蒸發(fā)量明顯大于基于物理機(jī)制Ｐ－Ｍ 模型獲得的潛在蒸發(fā)量，其差值約為１５０ ｍｍ；ＲＣＰｓ 不確定性是導(dǎo)致蒸發(fā)預(yù)測(cè)結(jié)果不確定性的主導(dǎo)因素，占比高達(dá)６５％，且多種不確定性因素的交互作用對(duì)蒸發(fā)預(yù)測(cè)結(jié)果不確定性的貢獻(xiàn)在春、冬季節(jié)尤為突出。

關(guān)鍵詞：氣候變暖；潛在蒸發(fā)量；預(yù)測(cè)不確定性；黃河源區(qū)

中圖分類號(hào)：ＴＶ２１３．８；ＴＶ８８２．１ 文獻(xiàn)標(biāo)志碼：Ａ ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１０００－１３７９．２０２４．０５．００８

引用格式：殷暉，白福青，馬金輝，等．氣候變暖影響下黃河源區(qū)潛在蒸發(fā)量預(yù)測(cè)不確定性研究［Ｊ］．人民黃河，２０２４，４６（５）：５０－５５．

０ 引言

高海拔寒冷地區(qū)（簡(jiǎn)稱“高寒區(qū)”）蒸發(fā)量對(duì)氣候變暖尤為敏感，高寒區(qū)升溫速度是全球平均速度的兩倍［１］ 。蒸發(fā)作為水循環(huán)過程中的重要分支，亦是連接地表能量平衡和水量平衡的重要紐帶。但受氣候變暖影響，流域水循環(huán)加劇，且水資源供需矛盾愈加突出［２－３］ ，因此開展氣候變暖影響下高寒區(qū)潛在蒸發(fā)量預(yù)測(cè)不確定性研究具有重要意義，可為水資源優(yōu)化管理、灌溉制度制定提供理論參考。

近年來，國(guó)內(nèi)外學(xué)者針對(duì)流域蒸發(fā)量的時(shí)空演變規(guī)律及其預(yù)測(cè)不確定性開展了大量研究，并獲得豐碩的成果［４－５］ 。在蒸發(fā)量時(shí)空演變規(guī)律方面，Ｎｉｅ 等［６］ 以黑龍江流域?yàn)槔?，利用Ｍａｎｎ－Ｋｅｎｄａｌ?趨勢(shì)檢驗(yàn)法揭示了年尺度、季節(jié)尺度潛在蒸散發(fā)量的時(shí)空演變特征；左大幸等［７］ 采用修正的Ｐｅｎｍａｎ－Ｍｏｎｔｅｉｔｈ（Ｐ－Ｍ）模型計(jì)算了１９８０—２０１９ 年珠江流域的潛在蒸散發(fā)量，并利用Ｍａｎｎ－Ｋｅｎｄａｌｌ 非參數(shù)檢驗(yàn)、反距離權(quán)重等方法分析了潛在蒸散發(fā)量的時(shí)程變化趨勢(shì)；邢貞相等［８］ 利用Ｐ－Ｍ模型計(jì)算了三江平原區(qū)的潛在蒸發(fā)量，并利用ＣＭＩＰ５下ＣａｎＥＳＭ２ 模式數(shù)據(jù)，預(yù)估了流域未來的潛在蒸發(fā)量，結(jié)果表明流域歷史和未來時(shí)期潛在蒸發(fā)量均呈上升趨勢(shì)；劉鳳鑫［９］ 對(duì)比評(píng)估了４ 種潛在蒸發(fā)量模型（雙源蒸發(fā)模型、彭曼公式、Ｄａｌｔｏｎ 公式以及波文比－能量平衡法）在本溪地區(qū)的適應(yīng)性；Ｖａｌｌｅ 等［１０］ 以巴西為例，綜合考慮太陽輻射、溫度要素，構(gòu)建了２１ 種潛在蒸發(fā)量模型，揭示了其時(shí)空變化特征，并指出基于日照輻射的Ｐｒｉｅｓｔｌｙ－Ｔａｙｌｏｒ（Ｐ－Ｔ）模型的計(jì)算精度較高。

在蒸發(fā)量預(yù)測(cè)不確定性方面，秦爽［１１］ 對(duì)比分析了ＣＭＩＰ６ 下１０ 種氣候模式（ＧＣＭｓ）在漢江上游流域的適應(yīng)性，結(jié)果發(fā)現(xiàn)不同ＧＣＳｓ 和預(yù)估情景（ＳＳＰｓ）對(duì)蒸發(fā)量的時(shí)空分布影響較大。高雅琦［１２］ 以太湖流域?yàn)槔?，基于ＣＭＩＰ?中的ＨａｄＣＥＭ２ 數(shù)據(jù)，利用湖泊模型模擬了未來流域的潛在蒸發(fā)量，發(fā)現(xiàn)不同氣候情景（ＲＣＰｓ）下太湖蒸發(fā)量增加，但蒸發(fā)量增加比例不同，且蒸發(fā)量的增加隨著輻射強(qiáng)迫的增大而增大。Ｌｉｕ等［１３］ 利用１２ 種ＧＣＭｓ 下氣象數(shù)據(jù)驅(qū)動(dòng)ＰｅｎＰａｎ 模型探究了不同ＧＣＭｓ 對(duì)年、季節(jié)和月尺度潛在蒸發(fā)量的影響，并指出不同ＧＣＭｓ 獲得的年和季節(jié)潛在蒸發(fā)量存在不同的變化趨勢(shì)。鄧曉宇等［１４］ 以東江流域?yàn)槔?，基于?個(gè)氣候模式和３ 種ＲＣＰ 氣候情景預(yù)測(cè)了未來潛在蒸發(fā)量時(shí)空變化，發(fā)現(xiàn)ＲＣＰ２．６ 和ＲＣＰ４．５ 下流域蒸發(fā)量呈增加趨勢(shì)，但ＲＣＰ８．５ 下則呈減少趨勢(shì)。綜上，眾多學(xué)者利用不同蒸發(fā)量算法預(yù)估了未來潛在蒸發(fā)量的時(shí)空變化趨勢(shì)，并指出ＧＣＭｓ 和ＲＣＰｓ 均對(duì)蒸發(fā)量的評(píng)估產(chǎn)生重要影響，且表現(xiàn)方式不同，即不同ＧＣＭｓ、ＲＣＰｓ 和蒸發(fā)算法均改變了流域蒸發(fā)量的時(shí)空分布規(guī)律。然而，ＧＣＭｓ、ＲＣＰｓ 和蒸發(fā)算法不確定性對(duì)蒸發(fā)量預(yù)測(cè)結(jié)果不確定性貢獻(xiàn)究竟如何卻鮮有涉及。

因此，本文以屬于高寒氣候區(qū)的黃河源區(qū)為例，基于１９７０—２０１６ 年逐日降水、氣溫、風(fēng)速等氣象數(shù)據(jù)，利用５ 種不同物理機(jī)制的潛在蒸發(fā)量模型，探究了歷史時(shí)期潛在蒸發(fā)量的時(shí)程變化規(guī)律；通過耦合統(tǒng)計(jì)降尺度模型（ＳＤＳＭ）和６ 種大氣環(huán)流模型（ＧＣＭｓ），預(yù)測(cè)了未來潛在蒸發(fā)量的時(shí)程變化，并利用相對(duì)變化百分比指標(biāo)，探究了蒸發(fā)模型、ＧＣＭｓ 和ＲＣＰｓ 不確定性對(duì)流域未來近期（２０２０—２０５０ 年）、中期（２０５１—２０８０ 年）和遠(yuǎn)期（２０８１—２１００ 年）潛在蒸發(fā)量預(yù)測(cè)不確定性的影響，采用方差分析方法（ＡＮＯＶＡ）量化分離了其對(duì)未來不同時(shí)期潛在蒸發(fā)量預(yù)測(cè)不確定性的相對(duì)貢獻(xiàn)。