中国西南地区饱和水汽压差的年际变化及其影响因素

时间：2024-05-24

宁梓妤，徐宪立，杨东，徐超昊，李学章，李振炜

（1.中国科学院亚热带农业生态研究所亚热带农业生态过程重点实验室，湖南长沙 410125；2.中国科学院环江喀斯特生态系统观测研究站，广西环江 547100；3.中国科学院大学，北京 100049）

随着全球气候持续变暖，干旱事件发生的频率和强度显著增加[1-2]，例如亚马逊流域多次发生严重干旱事件[3-5]、印度的高温和极端干旱同时发生的频率增加了约1.5倍[6]，这些干旱事件的发生对生态系统的生产力造成了严重的负面影响。我国的区域重大干旱事件也明显增多[7-8]，特别是地处西南的亚热带气候湿润区，自2000年以来已发生多次严重干旱[9-10]。例如：2003年的严重伏秋连旱、2006年夏季川渝地区的特大干旱以及2009到2010年的西南春季大旱[11]。研究表明厄尔尼诺、环流异常、水汽输送通量散度异常[12]等气象异常均会造成不同程度的干旱，有关西南地区年际变化特征的研究主要集中在温度和降水[13]这两个因素中。李韵婕等[14]研究认为近50 a西南干旱频发的主要原因是降水的显著下降；而Sun等[15]利用降水和温度计算SPEI分析了西南干旱特征，表明降水的减少或温度的增加都有可能造成干旱强度的增加。饱和水汽压差（VPD）是指在一定温度下空气中饱和水汽压与实际水汽压之间的差值，是评价大气干湿程度的重要指标之一[1]，其增加会对生态系统产生更大胁迫，但在西南年际气候变化的前期研究中，很少考虑VPD对气候变化的响应。Chiang等[1]研究发现当降雨不足时大气湿度在能量和水循环中具有重要的调节作用[16]，更有研究表明当干旱热浪发生期间VPD比其他环境因素对干旱的响应更显著[17-18]，因此，研究我国西南地区的VPD年际动态变化有助于进一步了解该地区的气候变化，对未来大气干旱的发展趋势及监测预警具有一定的参考价值。

同时，大气水汽的主要来源包括外来水汽、地表蒸发以及植物蒸腾所产生的水汽，不同的水汽来源在空间上具有较大差异[19]，而VPD作为大气水汽含量的重要表现，多种水汽来源的差异导致VPD变化具有较强的空间异质性[20]，特别是在地质类型特殊和生态环境脆弱的西南地区[21-23]，引起VPD年际变化的因素目前尚未清晰。因此，研究影响VPD变化的气象水文相关因素显得十分重要，既可以明晰VPD变化的原因，又有利于更好地了解研究区内的生态水文循环过程。

本研究旨在探讨西南地区VPD的年际变化特征，利用实际蒸散发、比湿和外来水汽通量等因子分析VPD年际动态变化的原因，试图深入理解该区域大气干湿程度对气候变化的响应，为该区域更好的应对未来干旱事件的发生以及生态恢复和社会经济发展提供科学依据。

1 材料与方法

1.1 研究区概况

研究区域位于中国西南地区（20°54′~34°19′N，96°21′~112°04′E），包括四川、云南、贵州、重庆和广西三省一市一区（图1），研究区域的行政边界矢量数据引自中国科学院资源环境科学数据中心（https://www.resdc.cn/data.aspx?DATAID=200），总面积约136.40万km2，约占全国总面积的14.34%[24]。地形地貌复杂的中国西南地区受东南季风和西南季风影响，形成亚热带季风气候类型。在1982—2015年间，西南地区的年平均降水量约1 132.23 mm，年平均温度15.37 ℃，水热同期，植被丰富多样。

图1 研究区位置及气象站点分布示意图Fig.1 Study area and meteorological stations distribution

1.2 数据获取

本研究的数据一部分来自观测站点，一部分来自栅格。其中温度（T）和相对湿度（RH）数据来自1982—2015年西南地区105个地面气象观测站点（图1）的《中国地面气候日值数据集》；比湿（q）和风速（V）数据来自NCEP/NCAR再分析月数据集，空间分辨率为2.5°；实际蒸散发数据（ET）来自利用不同卫星遥感观测数据反演所得的月尺度GLEAM模型产品，空间分辨率为0.25°。为获得各气象站点位置所对应的准确栅格数据，以每个气象站点的经纬度为中心，建立半径为20 km的缓冲面[25]，提取缓冲面内栅格数据的平均值作为气象站点的对应数值。最终将不同时间尺度的数据集预处理，统一换算为年尺度数据集。

根据各观测站点的日尺度数据集，借助饱和水汽压的经验计算公式（适用于-40~50℃）[26-27]，计算日尺度饱和水汽压差VPD（kPa），公式如下：

式中：T表示给定站点的温度（℃）；RH表示给定站点的相对湿度（%）。

水汽通量（Q）是通过气流输送而来，用来表示水汽输送强度的物理量，一般是指在单位时间内流经某一单位面积的水汽含量[28]，单位（kg/(m·s)），根据可获取到的NCEP/NCAR再分析月数据集，计算月尺度水汽通量，公式[29]如下：

式中：g表示重力加速度，单位（m/s2）；pt表示上边界气压（本文取300 hPa），单位（hPa）；ps表示下边界气压（近地面气压），单位（hPa）；V表示矢量风速，单位（m/s）；q表示比湿，单位（g/kg）；u为纬向风（向东为正，向西为负）；v为经向风（向北为正，向南为负）。

1.3 研究方法

1.3.1 Mann-Kendall检验 Mann-Kendall检验是一种非参数统计检验的方法，在气象和水文方向的因子时间序列分析中得到广泛应用[30-31]。Mann-Kendall趋势检验方法[32]如下：

假定有一个时间序列中含n个样本量（x1,x2,… ,xn），其中i,j取整数，xi和xj的分布方式不确定，计算检验统计量S，公式如下：

在（3）式中：令xj-xi为θ，要满足以下条件：

在（3）式中：S为正态分布，均值为0，方差计算公式如下：

当n≥8时，S近似为正态分布，标准化后的检验统计量计算公式如下：

式中：Z为标准化后的统计值，若Z> 0，表示时间序列存在增加趋势；若Z< 0，表示时间序列存在减少趋势。|Z|>Z1-(a/2)，表示存在显著的趋势变化，Z1-(a/2)=1.64，即标准正态函数分布表在置信度水平（P<0.05）下对应的值。

Mann-Kendall突变检验可以用来分析时间序列的急剧变化[33]，方法如下：

假定时间序列（x1,x2, … ,xn）的样本累计数，定义为lk：

lk的均值以及方差近似为：

在时间序列随机独立的假设下，定义统计量：

给定显著水平h，若|UFk|>UFh/2，表明该时间序列存在明显变化趋势。将时间序列逆序排列（xn,xn-1, … ,x1），计算逆序列的UFk，同时使UBk=-UFk，k=n,n-1, …, 1，UB1=0。分析统计序列 UFk和UBk，进一步分析时间序列的变化趋势，如果UF和UB两曲线在置信区间内出现交点，则认为交点是发生突变的节点。

1.3.2 趋势系数基于1982—2015年VPD的时间变化趋势，使用一元线性回归计算斜率（K）。当K>0时，表示VPD随着时间变化而增加，数值越大代表VPD增长幅度越大；同理，当K<0时，表示VPD随着时间变化而降低，其计算公式为：

式中：i代表时间序列号；n是时间跨度，在本研究中即为34 a；VPDi指第i年VPD的平均值。

1.3.3 相关性分析在多变量因子分析中，其中一个因子的变化必然会影响其他因子的变化，研究一个因子对另外一个因子的相关性，排除其他要素的影响，被称为偏相关[34]。判断变量之间偏相关系数的计算公式如下：

式中：分析三个或三个以上变量间的偏相关，其中Rxy.z是将控制z变量的影响后变量x和变量y之间的偏相关系数，Rxy、Rxz和Ryz分别为变量x与y，x与z及y与z之间的简单相关系数。

2 结果与分析

2.1 1982—2015年VPD的年际变化分析

在1982—2015年间研究区内的105个气象站点中有101个的VPD呈增加趋势，趋势系数在0.000206~0.008260 kPa/a之间。其中呈显著增加（P<0.05）的站点约占86%，主要分布在四川、重庆、云南、贵州西北部以及广西东部地区；呈不显著增加（P>0.05）的站点约占4%，主要分布在贵州南部、广西中部。在贵州中部（贵阳市）和南部（罗甸县）、广西中部（都安瑶族自治县、南宁市）4个地区VPD出现不显著下降趋势（P>0.05）（图2）。

图2 1982—2015年VPD变化趋势的空间分布Fig.2 Spatial distribution of VPD trends in each station

根据Mann-Kendall突变检验方法分析每个气象站点VPD时间变化序列中的突变时间点，在西南地区累积各站点VPD时间序列的突变次数，发现突变时间集中在2000年（图3），由此我们将2000年作为研究区的突变年份，把1982—2015年分为1982—1999年和2000—2015年两个时间段。如图4所示，在1982—1999年，VPD呈显著增长（P<0.05），其增长速率约为0.001 0 kPa/a；在2000—2015年，VPD的变化同样是显著增长（P<0.05），但其增长速率约为0.005 0 kPa/a，约为2000年前变化速率的5倍。同样如图4所示，在1982—1999年，饱和水汽压的增长速率为0.004 0 kPa/a，实际水汽压的增长速率为0.003 0 kPa/a；在2000—2015年，饱和水汽压的增长速率为0.005 0 kPa/a，实际水汽压的增长速率为0.000 3 kPa/a。

图3 VPD变化突变次数累积分布Fig.3 Cumulative distribution of VPD mutation shift

图4 1982—2015年饱和水汽压差、饱和水汽压与实际水汽压的年平均变化时间序列Fig.4 Time series of VPD, saturation vapor pressure and actual vapor pressure during 1982-2015

根据突变年份2000年，在空间上分别分析1982—1999年与2000—2015年中VPD的变化趋势，如图5所示，其中图5a表示1982—1999年中VPD的变化趋势，图5b表示2000—2015年中VPD的变化趋势。在1982—1999年时段中（图5a），研究区内105个气象站点中有68个的VPD呈增加趋势，趋势系数在0.000 074 ~ 0.014 000 kPa/a之间，分布在四川东部、云南西部和重庆；在2000—2015年时段中(图5b)，有85个气象站点的VPD呈增加趋势，趋势系数在0.000 196 ~ 0.023 000 kPa/a之间，主要分布在云南、四川西部和东北部、重庆北部、贵州东部和广西中北部。

图5 不同时段中VPD变化速率的空间分布Fig.5 Spatial distribution of VPD trend during the different period

2.2 影响VPD时间动态变化的相关因子分析

根据VPD的计算公式，可知VPD的变化与温度和相对湿度相关。如图6所示，温度在1982—2015年中呈上升趋势，速率约为0.033 ℃/a，其中1982—1999年上升速率约为0.040 ℃/a，2000—2015年上升速率约为0.031 ℃/a；相对湿度在1982—2015年中呈下降趋势，速率为0.1%/a，在2000年前相对湿度下降速率不明显，但在2000年后相对湿度下降速率明显加快，约为0.2%/a。

图6 1982—2015年T和RH年平均变化的时间序列Fig.6 Time series of average T and RH during 1982-2015

通过偏相关分析西南地区2000年前后两个时间段中影响VPD变化的原因。如表1所示，控制RH变化，T变化对VPD变化始终呈正偏相关；控制T变化，RH变化对VPD变化呈负偏相关。在1982—1999年，T对VPD呈显著正偏相关（P<0.01），相关系数为0.775；RH对VPD呈显著负偏相关（P<0.01），相关系数为0.808。在2000—2015年，T对VPD呈显著正偏相关（P<0.01），相关系数为0.678，RH对VPD呈显著负偏相关（P<0.01），相关系数为0.981。根据VPD与T、RH的时间序列趋势变化以及VPD是饱和水汽压和实际水汽压之间差值这一定义，VPD在2000年后迅速升高主要归因于空气湿度的变化。

表1 VPD与温度和相对湿度的偏相关分析Table 1 Partial correlation between VPD and T, RH

为进一步分析可能影响VPD变化的水汽因素，计算了VPD变化与水汽通量、实际蒸散发之间的相关性。1982—2015年中水汽通量呈下降趋势，实际蒸散发呈上升趋势，平均变化速率分别为0.630 kg/(m·s·a)、2.118 mm/a （图7）。以2000年为分界时间，在1982—1999年中水汽通量呈下降趋势，变化速率为 1.347 kg/(m·s·a)，而在 2000—2015 年中水汽通量呈上升趋势，变化速率为1.475 kg/(m·s·a)；2000年前后，实际蒸散发始终呈上升趋势，变化速率为0.932 mm/a、2.471 mm/a，2000年后实际蒸散发的增长速率较2000年前的变化速率大。

图7 1982—2015年Q和ET年平均变化的时间序列Fig.7 Time series of average Q and ET during 1982-2015

通过偏相关分析，如表2所示，在1982—2015年整个时间段中ET与VPD变化呈显著正相关（P<0.01），Q与VPD变化呈不显著负相关（P>0.05），其中1982—1999年，Q和ET与VPD变化均呈不显著正相关（P>0.05），2000—2015年中，Q和ET与VPD变化呈显著正相关（P<0.05）。

表2 VPD与水汽通量和实际蒸散发之间的偏相关性分析Table 2 Partial correlation between VPD and Q, ET

3 讨论

3.1 VPD年际变化对气候变化的影响

越来越多的研究开始强调空气干湿变化对热相关气候变化效应的影响评估[1,35-37]。在全球气候变化的大环境下，温室气体对气候产生影响，使得全球气候表现出显热（气温升高）和潜热（湿度升高）同时增加[35]。有研究认为湿热现象在低纬度地区出现的频率相对较高[38-39]，会加大极端气候事件的发生，并对人类和生态系统的结构和功能产生严重影响。本研究结果表明，在1982—2015年中国西南地区饱和水汽压差始终保持增长趋势，2000年后的饱和水汽压差变化比2000年前出现更显著的增加趋势，这一研究结果与Yuan等[36]综合四种全球气候数据研究发现20世纪90年代末全球饱和水汽压差变化趋势急剧增加的现象一致。同时2000年后饱和水汽压差表现出增加趋势的气象站点数量增多，导致西南地区在2000年后表现出更加干燥的气候特征。

3.2 气候因子对VPD年际变化的影响

根据格劳修斯—克拉贝龙方程，随着温度的升高，饱和水汽压以约每开尔文7%的速率增加；如果实际大气水汽含量的增加量与饱和水汽压的增加量不完全相同，也会驱动饱和水汽压差的变化[36]。Simmons等[40]研究表明2000年后全球相对湿度下降，并有研究认为相对湿度的变化不仅发生在内陆地区[41]，在靠近海洋的湿润区也不容忽视[42]。本研究的偏相关分析表明，2000年后温度对饱和水汽压差变化的直接影响降低，相对湿度对饱和水汽压差变化的直接影响升高，说明西南地区饱和水汽压差升高加速的主要原因是相对湿度的下降幅度增加，该结论也进一步说明“干燥气候变得更干燥，湿润气候更湿润”的生态气候研究理念[43]在该研究区可能并不适用。值得注意的是外来水汽通量和实际蒸散发作为大气水分的主要来源，在2000年后两者都有所升高，且与饱和水汽压差呈现正相关（见表2），但饱和水汽压差增长的变化趋势更强，表明水汽增加并未能缓解饱和水汽压差的变化。进一步对比饱和水汽压和实际水汽压变化趋势，发现2000年后饱和水汽压的增长速率远大于实际水汽压的增长速率，导致相对湿度的大速率下降，最终加快了饱和水汽压差的升高。

本研究对1982—2015年西南地区VPD的时空变异特征及影响其时间动态变化的相关因子进行分析，为了确保数据的准确度，仅提取了西南地区105个地面观测站点的数据集，但是西南地区特殊的地形地貌以及显著的季风气候，可能会出现水汽输送不连续、贫瘠的土层存不住水分等问题导致VPD的变化异常，因此在今后的研究中应尽可能地选取更全面的地面观测站点数据集进行分析，以便更好地研究饱和水汽压差在空间上的变化原因。另外，在本研究中的数据采用地面观测数据与遥感影像数据相结合的方式，但遥感影像数据的分辨率不够精细，可能存在误差，应该在今后的研究中强化数据的精度和可靠性。