林依雪^,1,2, 李艳忠^,1, 余文君¹, 卜添荟¹, 黄蓉¹1.南京信息工程大学水文与水资源工程学院,南京 210044
2.广西柳州市柳城县气象局,柳州 545200

Quantitative assessment of the impact of the vegetation restoration project on water-energy balance in 12 typical basins of the middle Yellow River

LIN Yixue^,1,2, LI Yanzhong^,1, YU Wenjun¹, BU Tianhui¹, HUANG Rong¹1. School of Hydrology and Water Resources, Nanjing University of Information Science and Technology, Nanjing 210044, China
2. Liucheng County Meteorological Bureau, Liuzhou 545200, Guangxi, China

通讯作者: 李艳忠（1984-）,男,山东菏泽人,博士,讲师,硕士生导师,研究方向为植被变化对水热平衡影响。E-mail: liyz_egi@163.com

收稿日期:2019-08-29修回日期:2019-10-23网络出版日期:2020-11-20

基金资助:

国家自然科学基金青年项目.41701019 国家自然科学基金青年项目.41901076 江苏省高等学校大学生创新创业训练计划项目.201810300077X 南京信息工程大学“优秀本科毕业论文（设计）支持计划”项目 中国科学院陆地水循环及地表过程重点实验室开放基金项目.2017A004 南京信息工程大学人才启动项目.2017r0069 国家留学基金委青年教师骨干项目.201809040009

Received:2019-08-29Revised:2019-10-23Online:2020-11-20
作者简介 About authors
林依雪（1998-）,女,广西宾阳人,硕士,研究方向为水文气象应用研究。E-mail: 1436991526@qq.com







摘要
中国已成为全球植被迅速变绿贡献最大的国家,但植被变绿对水量平衡和能量收支平衡影响的相关研究有待加强。本文以植被恢复典型区域黄河中游12个流域为例,利用遥感植被指数NDVI和常规气象数据,基于布迪克假设和水热平衡指数（Water-Energy Ratio, WER）,分析了植被变绿的时空变化格局及其对水热平衡的影响。结果表明：① 傅抱璞模型中反映流域属性的参数w在12个流域的平均值为2.9,略大于模型的缺省值2.6。参数w与NDVI拟合的Pearson相关系数介于0.31~0.75,拟合性能较好。② 1982—2016年NDVI在12个流域均呈现显著增加趋势,尤其以植被恢复工程实施后更为显著（p<0.001）。相对1982—1999年,2000—2016年NDVI相对变化率在9.1%~17.5%之间,均值为12.9%,显著植被变绿已导致水热平衡向可利用水分减少、可利用能量增加方向转化。③ NDVI对WER变化的绝对贡献率达到77.5%,植被变绿已经成为黄河中游12个流域水热平衡变化的主导因素,其次为气候要素。植被的持续变绿带来了一些不利影响,植被恢复工程的生态效应研究有待进一步深入研究。
关键词： 黄河中游;水热平衡指标WER;植被恢复;布迪克假设;NDVI

Abstract
China has become the country with the largest contribution to the rapid greening of vegetation in the world. However, the impact of vegetation greening on water and energy balance is still unknown in many aspects. In this study, 12 watersheds, located in the middle reaches of the Yellow River and represented as a typical area of vegetation restoration, were selected to study the impact of vegetation greening. Using the Normalized Difference Vegetation Index (NDVI) derived from the remote sensing and the conventional daily meteorological data (precipitation, temperature, wind speed, relative humid), based on the Budyko assumption theory and the Water-Energy Ratio (WER), this paper analyzes the spatiotemporal pattern of vegetation greening and its impact on the water and energy balance during 1982-2016. The results reveal that: (1) the parameter of w in the Fu′s model was evaluated in the 12 watersheds, and its mean value is approximately 2.9, slightly larger than the default value in the Fu′s model (w=2.6). The Pearson correlation coefficient between parameter w and NDVI ranges from 0.31 to 0.75, which indicated that their fitting performance is good and NDVI can be used to represent the impact of vegetation change on water and energy balance. (2) The NDVI in the 12 watersheds showed a significant increase trend during 1982-2016, especially after the implementation of vegetation restoration projects (1999) with a significant level of p<0.001. Compared with the period from 1982 to 1999, the relative change rate of NDVI from 2000 to 2016 was between 9.1% and 17.5%, with an average value of 12.9%. The significant vegetation greening has led to a conversion in the water and heat balance, with a decreasing trend in available water and an increasing trend in available energy. This may bring deteriorated impact to the fragile ecological environment in the middle reaches of the Yellow River. (3) The absolute contribution rate of NDVI to WER changes reached 77.5%. The greening of vegetation has become the domain factor in the changes in the water and energy balance of the 12 basins in the middle reaches of the Yellow River, followed by climate factors. We suggest that more attention should be given to water resource availability and ecological effects under the background of vegetation greening and climate change in further studies.
Keywords：middle Yellow River;water energy balance ratio;vegetation restoration;Budyko Hypothesis;NDVI


PDF (3903KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
林依雪, 李艳忠, 余文君, 卜添荟, 黄蓉. 植被恢复工程对黄河中游12个典型流域水热平衡的影响研究. 地理研究[J], 2020, 39(11): 2593-2606 doi:10.11821/dlyj020190744
LIN Yixue, LI Yanzhong, YU Wenjun, BU Tianhui, HUANG Rong. Quantitative assessment of the impact of the vegetation restoration project on water-energy balance in 12 typical basins of the middle Yellow River. Geographical Research[J], 2020, 39(11): 2593-2606 doi:10.11821/dlyj020190744

1 引言

植被变绿作为土地利用/覆被变化的重要表现形式之一,已在区域^[1]乃至全球尺度^[2]被广泛报道。1999年以来,中国实施了一系列生态恢复工程的措施,使得植被呈现显著变绿的趋势^[3]。遥感植被指数分析显示,中国2000—2017年叶面积指数净变化量达到135万km²,变化率达到17.8%,已成为全球植被变绿的最大贡献国^[4]。植被变绿可改变水热平衡过程,对陆地表层的格局及过程产生深刻的影响。一方面,植被变绿可以通过改变蒸散发、土壤水分等水文要素,进而改变流域水量平衡,影响流域水资源可持续利用^[5]。另一方面,植被变绿可以降低地表反照率,增加地表净辐射,并改变能量在潜热和显热之间的分配比例,进而影响流域气候要素^[6]。故而,分析植被变绿变化过程、空间分布,探讨其对水量平衡和能量收支的影响,将有助于深刻理解水热平衡过程对下垫面变化的响应机制,为中国生态恢复工程的实施提供理论支持。

黄土高原地区是中国水土流失最为严重的区域^[7],为了改善其生态环境,1999年以来,中国政府推行了一系列的生态恢复措施^[8],其中包括退耕还林/还草工程（Grain for Green Project,GGP）、天然林保护工程等。黄河中游是中国GGP生态恢复工程实施的重点区域,此工程的实施使得该区域2000—2013年的植被较1980—1999年呈现显著变绿的趋势,并对水量转化和能量平衡产生了显著影响^[9]。以黄河中游典型流域河口镇-龙门区间（河龙区间）为例,流域内1980—1999年多年平均观测径流量为39.3亿m³,2000—2016年下降到21.3亿m³（下降45.8%）;而相应时段的降水由420.9 mm增加到447.9 mm（增加6.4%）。黄河中游植被变化已经成为径流变化的主导因素^[10],显著地影响了流域水文情势^[11]。此外,植被变绿已导致河龙区间2000—2013年地表反照率显著下降^[12],增加了地表净短波辐射,改变了区域热量收支平衡,进而可能改变流域水量平衡要素。研究发现,生态恢复工程的实施已导致0~4 cm深度土壤含水量显著下降,并可能引起土壤干化和干土层的形成^[13],不利于区域粮食-水-能源安全的可持续发展^[14]。然而,已开展植被变绿效应的研究工作中,较多是从水量平衡和能量收支两个方面单独讨论,但是水分和能量是不可分割的整体,水量转化过程中（如蓝水-绿水转化）伴随着能量的消耗,而能量循环又以水为载体,为水循环提供动力条件,两者相互联系相互作用。

为了阐明植被对水热平衡的影响,诸多****基于表征水热平衡的布迪克假设理论^[15],构建了植被指数与布迪克假设参数的定量关系^{[16,17,18,19]},从而揭示了植被变绿对水热平衡的影响。傅抱璞^[16]首先根据数学推导获得了参数w与布迪克假设的水热平衡的解析表达形式,为应用奠定了理论基础;Yang等^[17]通过偏微分方程的解析表达式获取了流域属性参数n与布迪克水热平衡方程的显式表达式,并且指出参数n与w存在线性关系（n=w+0.72）;Yang等^[18]通过在黄河、海河流域的验证,发现参数n可有效地表征植被变化对水热平衡的影响;为了进一步阐明流域属性参数n与植被变化的定量关系,Zhang等^[19]建立了n与植被生化参数（植被光合有效辐射,f PAR）的显式关系,该模型在黄河中游取得了较为理想的效果^[20];Liang等^[8]通过分析布迪克假设方程中的参数n的变化,揭示了植被恢复对黄土高原流域径流的影响,发现植被变化已成为大部分流域近年来径流下降的主要因素,且参数n与植被恢复面积呈正相关;杨大文等^[10]通过分析黄河流域38个流域径流与参数n的关系,发现黄河中游大部分流域径流的下降是由植被变化所导致,近些年的植被变化对水文过程影响日趋显著。最近,Liu等^[21]提出了反映植被变化对流域可利用水分和可利用能量比率影响的水热耦合模型（本文简称为水热平衡模型）,该模型可反映水量平衡和能量收支对植被变化的动态响应过程,在中国不同气候区植被变化对水热平衡影响研究中取得了较为理想的效果^[22]。本文选择基于布迪克假设框架的傅抱璞公式和Liu等^[21]提出的水热平衡模型^[21],构建参数w与植被变化的关系,重点分析GGP实施以来黄河中游植被变化对水热平衡过程的影响。

黄河中游是中国生态恢复工程实施的重点区域,同时也是干旱、半干旱的生态脆弱区。虽然对黄河流域（黄土高原）地区的植被变化对水热平衡的影响研究已有较多涉及^[10,18],但是对黄河中游河龙区间1999年以来植被效应研究相对薄弱,特别是1999年以来的生态恢复工程是否对该区域典型子流域的下垫面状况产生了显著影响?各流域植被状况是否得到了显著改善?植被的恢复是否改变了水热平衡的方向,以及对各个流域水热平衡变化的贡献有多大?这些科学问题需要进一步探讨和研究。基于此,本文选择黄河中游12个典型流域为研究区：① 分析1982—2016年水热平衡模型的参数与归一化植被指数（NDVI）的关系。② 探讨NDVI变化对水热平衡的影响过程。③ 揭示生态恢复工程导致的植被变化对水热平衡的贡献率。本研究将为中国生态恢复工程效应评估、流域水资源管理规划提供理论支撑。

2 研究区与数据

2.1 研究区概况

本研究区位于黄河中游河龙区间,面积约为11.1万km²,约占黄河流域面积的14%。1999年以来,河龙区间实施了诸多的植被恢复措施：根据气候、土壤特征,对河龙区间内植被类型区划进行了修订,从而做到适地适树;植被培育方面积极推进宜林则林,宜草则草,林草结合;整地方式强调保护生态多样性和土壤结构完整,减少人为开挖面和扰动面^[23]。12个流域位于GGP、封禁等植被恢复措施实施的重点和典型区域。基于此,本文选择12个流域作为研究区,分析近35年（1982—2016年）来植被变化对水热平衡的影响,流域空间分布与其基本水文气象特征见图1和表1所示。流域面积范围为0.11万~2.34万km²,多年径流深为20.1~78.3 mm,多年降水量和潜在蒸散发范围分别为390.4~447.7 mm和954.4~1024.2 mm,并且约70%的降水量集中于4—10月份。干燥指数介于1.92~2.62,属于典型的水分限制区^[24]。

图1

新窗口打开|下载原图ZIP|生成PPT
图1黄河中游12个典型研究区空间分布

注：图中编号1~12对应的流域见表1。
Fig. 1Spatial distribution of the 12 typical basins of the middle Yellow River



Tab. 1
表1
表1黄河中游12个流域基本水文气象概况
Tab. 1Basic information of 12 basins in the middle Yellow River

流域编号	流域	水文站	面积	降水	径流深	潜在蒸散发	干燥指数
			(km2)	(mm/a)	(mm)	(mm/a)
1	皇甫川	皇甫	3175	390.7	22.1	968.6	2.48
2	孤山川	高石崖	1263	411.7	29.2	973.7	2.36
3	窟野河	温佳川	8515	392.9	41.2	1009.9	2.57
4	秃尾河	高家川	3253	414.5	78.3	1007.8	2.43
5	佳芦河	申家湾	1121	426.7	31.6	1006.5	2.36
6	无定河	丁家沟	23422	390.4	29.7	1024.2	2.62
7	大理河	绥德	3893	432.5	30.6	1000.8	2.31
8	清涧河	延川	3468	464.7	32.7	975.3	2.10
9	延水河	甘谷驿	5891	468.0	30.1	959.4	2.05
10	湫水河	林家坪	1873	448.9	22.7	979.5	2.18
11	三川河	后大成	4102	460.9	39.7	966.4	2.10
12	昕水河	大理	3992	497.7	22.8	954.4	1.92

新窗口打开|下载CSV

2.2 数据源

黄河中游12个流域1982—2016年逐月径流数据来自国家水利部汇编的水文年鉴,流域内人类活动的直接取耗水资料来自黄河水利委员会第二次水资源普查,其中普查数据仅对2000年前的数据进行了还原,故而,本文根据2000年前流域取耗水量与流域径流的关系,对2000—2016年的取耗水量、实测径流进行了还原处理,根据流域集水区面积,获取流域逐年径流深。34个国家气象站的降水、温度、风速、日照时长、水气压等常规日气象要素数据来自中国气象局国家气象信息中心（http://data.cma.cn/）。由站点日尺度气象要素获取年值,并通过空间插值年值到格网,然后使用流域边界提取年均值。NDVI数据来自美国国家航空和宇宙航行局（NASA）的地球数据交换中心（NEX）（https://nex.nasa.gov/nex/projects/1349/）,空间分辨率约8 km,时间分辨率为0.5月,数据的时间跨度选取1982—2016年,通过对两个半月值进行平均,获取月值,然后年内12个月值进行平均获取年尺度NDVI,并通过流域边界获取各流域逐年均值。DEM数据（30 m）来自地理数据云共享网（http://www.gscloud.cn/）,用于表征研究区地形特征。

3 研究方法

3.1 水热平衡指标

水热平衡指标（WER）定义为可用水分与可用能量之比^[21],为反映流域水分和能量平衡的综合指标,如公式（1）所示：

（1）WER=P-ETaET0-ETa
式中：P为年降水量（mm/a）;ET_a为年实际蒸散发（mm/a）;ET₀为年参考作物蒸散发,可以通过FAO参考作物蒸散发^[25]计算方法近似估算：

（2）ET0_day=0.408Δ(Rn-G)+γ900Ta+273u2VPDΔ+γ(1+0.34u2)
式中：ET_{0_day}为日潜在蒸散发（mm/d）,年ET₀通过日值ET_{0_day}累积获取;D为温度-饱和水汽压曲线斜率（kPa/℃）;R_n为地表净辐射（MJ/（m²·d））;G为土壤热通量变化（MJ/（m²·d）,日尺度可忽略）;g为干湿球常数（kPa/℃）;T_a为2 m高度平均日气温（℃）;u₂为2 m高度风速（m/s）;VPD为水汽压差（kPa）。

对于多年尺度而言（水储量变化△S≈0）,ET_a可以通过水量平衡^[26]进行估算：

（3）ETa=P-R
此外,对于特定流域而言,多年尺度的ET_a还可利用布迪克假设方程估算,其中较为广泛使用的为傅抱璞模型^[16]：

（4）ETaP=fET0P=1+ET0P-1+ET0Pw1w
式中：w是无量纲的参数,代表流域属性特征,与流域地形、地貌、植被等因素有关。参数w值越大,表明植被水分利用效率越高,更多的降水被用于植被蒸散发的耗散^[27]。针对流域属性参数w的估计,诸多****提出了不同的估算方法,其中Li等针对全球典型大流域研究分析发现,参数w与NDVI存在较好的拟合关系^[28]：

（5）w=a×NDVI+b
式中：a,b为拟合参数。由公式（3）,公式（4）和公式（5）,以及遥感观测的NDVI,可以拟合出参数a和b。公式（1）可转换为：

（6）WER=P-P×1+ET0P-1+ET0P(a×NDVI+b)1(a×NDVI+b)ET0-P×1+ET0P-1+ET0P(a×NDVI+b)1(a×NDVI+b)

3.2 植被对水热平衡指标贡献计算方法

为了定量评估植被变化和气候变化对水热平衡指标的影响,对12个流域的NDVI、降水和潜在蒸散发三个要素的序列数据分别进行去趋势,使其仅保留要素的年际波动性;然后,利用原始要素序列数据和去趋势后的要素序列,根据公式（6）分别获取水热平衡指标序列,根据两个序列相对变化量,计算要素对水热平衡指标的贡献率。如下表示NDVI对水热平衡指标的贡献率：

（7）Con_NDVI=WER_d_NDVI-WER_OWER_O×100%
式中：C_{on_NDVI}表示植被变化对水热平衡指标的贡献率;WER_{_d_NDVI}表示对NDVI进行去趋势后的序列;WER_{_O}表示在不受气候和植被变化影响时的水热平衡指标的序列。

3.3 统计方法

黄河中游12个流域植被变化显著性水平通过Mann-Kendal的Z统计量表征,Z值为±1.64、±2.58和±3.29分别对应显著性水平P=0.1、0.01和0.001^[29]。12个流域的NDVI在生态恢复工程实施前后两个时段（1982—1999年和2000—2016年）的变化差异,可利用SPSS软件的单因素方差分析实现。借助Arcgis 12.2的空间插值工具中的Kriging插值方法,对黄河中游34个气象站的降水、潜在蒸散发进行空间插值,并根据12个流域边界,提取出流域均值。

4 结果与结论

4.1 模型参数w与NDVI的关系

NDVI估算参数w的拟合效果见表2,12个流域中,参数w最小值出现在秃尾河流域（流域4）,为2.05,最大值出现在昕水河流域（流域12）,为3.67,平均值约为2.93。傅抱璞模型推荐的缺省值为2.6（即n=1.9）^[30,31],可知黄河中游的植被水分利用效率要高于平均水平。由于本文的12个流域处于中国半湿润半干旱的过渡带,蒸散发量占到降水比例的90%以上,属于典型的水分限制区,故而参数w大于平均值符合水热平衡规律。参数w与NDVI的Pearson相关系数介于0.31~0.75,拟合效果均达到了显著性水平（p<0.1）,特别是流域1~流域5和流域8~流域9,拟合效果达到了极显著水平（p<0.001）,表明参数整体拟合效果较为理想,可以利用遥感植被信息估算傅抱璞模型的参数。回归系数a介于3.29~27.24,表现出较大的流域差异性。回归系数a越大,表明参数w对流域植被变化越敏感,本文12个流域系数a的均值为11.82,这表明流域NDVI每增加1%时,参数w将增加10%以上。系数b在12个流域介于-2.75~2.02,平均值为0.16。

Tab. 2
表2
表2黄河中游12流域傅抱璞模型中参数w与植被指数NDVI拟合
Tab. 2Correlation of parameter w in the Fu’s model and NDVI in the 12 basins

流域编号	w	a	b	NDVI	r
1	3.11	27.24	-2.23	0.20	0.75***
2	2.97	26.24	-2.75	0.22	0.66***
3	2.52	16.35	-0.91	0.21	0.70***
4	2.05	9.40	0.23	0.19	0.68***
5	2.85	3.96	2.02	0.21	0.64***
6	2.64	9.35	0.84	0.19	0.45*
7	2.87	12.49	0.10	0.22	0.31*
8	3.08	10.91	0.12	0.27	0.62***
9	3.17	7.52	0.91	0.30	0.61***
10	3.34	7.22	1.21	0.29	0.53**
11	2.86	3.29	1.65	0.37	0.34*
12	3.67	7.90	0.68	0.38	0.49**

注：w为傅抱璞公式中参数;a为拟合参数系数;b为拟合参数常数;NDVI为归一化植被指数;r为NDVI与参数w的相关系数;***、**和*分别表示在0.001、0.01和0.1置信水平显著。

新窗口打开|下载CSV

4.2 植被格局动态与水热平衡的变化

黄河中游1982—2016年以及GGP实施前后两个时段NDVI的空间变化格局见图2（见第2599页）,12个流域NDVI变化信息见表2。NDVI整体分布呈现从西北向东南区域逐渐增加的趋势（见图2a）,与该区域的降水空间分布较为一致（见表1）,波动范围在0.13~0.59,均值约为0.26。对于生态恢复工程实施前后而言（见图2b）,NDVI在2000—2016年相对1982—1999年的变化率空间差异较大,除研究区边缘极少区域呈现减小趋势外（0.8%）,绝大部分区域均呈增加趋势,尤其以黄河中游的中部区域尤为明显,最大相对变化率达到30%以上。研究区NDVI变化趋势与相对变化率的空间分布类似（见图2c）,增加趋势较大值位于研究区中部与南部区域,且研究区89.1%的区域呈现极显著增加趋势（Z>3.29或P<0.001,见图2d）。

图2

新窗口打开|下载原图ZIP|生成PPT
图2生态恢复前后12个流域NDVI的空间变化格局

Fig. 2Spatial pattern of NDVI between the after and before ecological restoration in the 12 basins



对12个流域而言（表3,见第2600页）,1982—2016年NDVI均值在昕水河流域最大,达到0.378,而最小值为无定河流域,仅为0.192;生态恢复工程实施前后对比发现,NDVI的相对变化率在9.1%~17.5%,均值为12.9%,其中变化最大值在清涧河流域,最小值在窟野河流域。NDVI在12个流域均呈现增加趋势,其中GGP实施前,NDVI增加趋势在皇甫川（p<0.001）、窟野河和无定河（p<0.01）、孤山川和大理河（p<0.1）达到显著性水平,其余7个流域的NDVI均未达到显著性水平。然而,GGP实施后,12个流域的NDVI均呈现极显著水平增加（p<0.001）。黄河中游12个流域的NDVI的变化趋势在生态恢复工程实施前后存在显著性差异,表明1999年开始实施的生态恢复工程使得黄河中游12个典型流域的植被得到极大程度的恢复,生态状况得到了明显改善。

Tab. 3
表3
表3黄河中游12个流域生态恢复恢复前后NDVI统计信息
Tab. 3Statistical information of NDVI in the 12 basins during 1982-2016

编号	流域	均值	变化率（%）	1982—1999年趋势	2000—2016年趋势
1	皇甫川	0.196	10.5	0.0008***	0.0045***
2	孤山川	0.217	11.6	0.0011*	0.0047***
3	窟野河	0.210	9.1	0.0007**	0.0042***
4	秃尾河	0.193	14.1	0.0004	0.0053***
5	佳芦河	0.210	15.2	0.0003	0.0065***
6	无定河	0.192	10.4	0.0006**	0.0037***
7	大理河	0.222	15.5	0.0007*	0.0057***
8	清涧河	0.271	17.5	0.0005	0.0075***
9	延水河	0.300	15.3	0.0005	0.0069***
10	湫水河	0.294	13.9	0.0006	0.0060***
11	三川河	0.369	11.2	0.0003	0.0067***
12	昕水河	0.378	10.6	0.0007	0.0066***

注：***、**和*分别表示在0.001、0.01和0.1置信水平显著。

新窗口打开|下载CSV

1984—2014年WER随着NDVI年际变化的过程,以及生态恢复工程实施前后对比见图3（见第2601页）。整体而言,较生态恢复工程实施前,工程实施后除了三川河（流域11）的WER变化不显著,其余11个流域的WER均值均减小,其中WER下降幅度较大的流域为皇甫川和孤山川（超过30%）,其次为窟野河、大理河和清涧河（超过20%）。WER的变化过程与NDVI变化相反,可见植被的变化对水热平衡方向的改变产生了显著影响。植被变绿所导致的流域WER下降,将会使可利用水分减少,最终会导致水资源匮乏;可用能量增加见公式（1）,导致地表温度上升,而温度上升会进一步加剧流域干旱的发生。

图3

新窗口打开|下载原图ZIP|生成PPT
图3黄河中游12个流域生态恢复工程实施前后两个时段NDVI和水热平衡指数变化

Fig. 3Time series of NDVI and WER in the 12 basins of the middle Yellow River during the two sub-periods of 1982-1999 and 2000-2016



水热平衡状态的转变除了受植被变绿的影响外,也受到气候变化的影响。比如降水的增加会使流域可利用水资源量增加,实际蒸散发的增加会使得更多能量用于潜热,降低显热通量,有利于抑制区域温度上升。以2002—2005年为例,虽然NDVI在所有流域均呈增加趋势,但WER却呈现了增加趋势,对各流域的降水序列分析发现,2003年左右降水较其他年份明显增多,所以导致了水热平衡向更利于可利用水分增加、可用能量减少的方向移动。

4.3 植被变化对水热平衡变化的贡献

12个流域NDVI、降水、潜在蒸散发和干燥指数的原始均值和去趋势后的均值变化情况见图4（见第2602页）。NDVI、降水和潜在蒸散发在过去35年均呈现增加趋势,而干燥指数则呈下降趋势。对4个要素去趋势后,仅保留了年际波动,通过将原始值和去趋势值重新代入WER的计算公式（6）,而后通过公式（7）获得不同因素对WER变化趋势的贡献率。

图4

新窗口打开|下载原图ZIP|生成PPT
图4黄河中游12个流域水文气象变化以及均值去趋势后的变化

Fig. 4Annual variations in the original and detrended hydro-meteorology variables averaged from the 12 basins of the middle Yellow River



植被（NDVI）和气候要素（干燥指数AI）对水热平衡指数的贡献率见图5（见第2602页）。整体而言,植被变化已成为黄河中游12个流域水热平衡变化的主导因素,绝对贡献率均值达到77.5%,而气候要素的贡献率为22.5%。其中,植被对WER绝对贡献率最大值出现在延水河流域（流域9）,达到99.3%;最小值出现在湫水河流域（流域10）,为60.2%。植被对WER的绝对贡献率由流域1到流域9整体呈逐步增加趋势,这与NDVI的增加趋势的空间分布较为一致（图4c,见第2602页）,即植被变绿显著,植被蒸散发增加,可利用水分减少,可利用能量增加,水热平衡向负向发展,气候状况将趋向干燥化发展。除了延水河和昕水河流域（流域9和12）,其余10个流域的气候均导致水热平衡向正向发展,即气候变化使得流域可用水量增加,这一发展与近35年黄河中游气候整体呈湿润状态转化较为一致（图4d,见第2602页）。

图5

新窗口打开|下载原图ZIP|生成PPT
图5黄河中游12个流域植被与气候对水热平衡指数的贡献率

Fig. 5Contributions of vegetation and climate factors to water energy ratio (WER) in the 12 basins of the middle Yellow River

5 讨论

5.1 植被变化对水热平衡的效应

黄河中游植被变化对径流的影响已有较多报道^[9,19,32-35],研究主要通过遥感手段获取林草地面积、叶面积指数、生物参数（f PAR）或NDVI的变化,表征生态恢复工程对植被以及径流的影响。植被恢复状况越好,对流域的减流效果越明显^[9]。有****研究发现,黄河中游的植被呈现显著变绿趋势^[4],并且径流对植被变化的敏感性增加,植被变化对径流变化的贡献增大^[19]。本研究也发现,NDVI在12个流域均呈增加趋势,尤以生态恢复工程实施后表现显著（见图2和表3）。植被的显著变绿导致水热平衡发生了负向转化（见图3）,使得流域可利用水分减少、可利用能量增加,进而可能导致水资源匮乏或干旱的发生。但是,有****认为尽管黄河中游植被已经得到了极大程度的恢复,但NDVI不会持续增长下去,植被变绿也不会促使水热平衡持续性的负向转化,而是植被恢复趋于稳定,水热平衡逐渐达到平衡状态^[9]。这一观点也在本研究中得到了验证,虽然12个流域的NDVI在2006—2014年依然呈急剧增加趋势（图4）,但是WER并没有随之显著下降,而是大部分流域呈现稳定或增加趋势,表明流域水量平衡和能量收支将趋于稳定。

5.2 植被变化对干旱的影响

有诸多****建议减缓对黄土高原地区植被恢复工程的实施,以维持植被恢复的现状为主。否则继续大规模的植树造林,会对生态环境造成不利影响^[14,36]。其中,最主要的表现之一就是可能会增加枯水年的干旱事件的发生。目前,全球正处于一个急剧变化的环境中（气候和人类活动加剧）,水文气象的极端事件发生频率增加,比如近期报道的华北平原地区的热浪^[37],正是由人类活动和气候变化共同作用引起的极端事件,而这种热浪型干旱较多发生在植被茂密的区域。黄河中游12个流域的植被持续变绿,已成为控制水热平衡变化的主导因素（见图5）,且植被覆盖度的持续增加可能会增加干旱事件的发生频率和强度。此外,研究发现黄土高原地区的植被恢复,使得植被实际蒸散发增加,过度消耗浅层地下水资源,出现了土壤含水量下降的现象^[13]。故而,从长时间尺度看,这将给生态恢复工程带来不利影响,诸如造成植被矮化、发育不良,降低其对干旱的抵抗力,甚至造成植被死亡。综上,为了保持已取得的生态恢复工程的成果,将来的退耕还林/还草政策应该兼顾考虑未来水资源需求和水土保持的可持续发展。

5.3 不确定性与展望

本文对研究方法和数据均进行了较为严格的质量控制,但仍可能存在一些不确定性。首先,研究区内气象站点相对较少,为增加气象站的数量,研究中加入了研究区外部的部分气象站数据,但气象站也仅有34个,有限的气象站的数据进行空间差值并获取流域均值,会导致一定误差。其次,本研究中只考虑了植被和气候两个因素对水热平衡的影响,没有人类直接活动^[38],如淤地坝、梯田、水库等水保工程措施对水热平衡的影响。最后,对于水热平衡模型中参数w的估算,本文只考虑了植被因素,但有****研究发现除了植被信息,地形、地貌、人类活动干扰、经纬度、海拔等因素均可能影响到w参数^[39,40],这也可能是导致本研究中有些流域拟合效果不太理想的原因（见表2）。以上因素均会对水热平衡过程产生一定的影响,忽略这些因素可能会给结论带来不确定性。

本文通过半定量半定性的水热平衡模型,分析了黄河中游12个流域的植被恢复状况及其对水热平衡影响,但若想从机理上揭示植被对水热平衡的影响,则需要借助耦合水量平衡和能量收支的分布式水文模型,构建水热耦合模型^[22],模拟植被变绿和气候波动对水量平衡要素和能量再分配的影响过程,进而阐明水热平衡对植被变化的响应。

6 结论

本研究利用遥感植被指数NDVI、常规气象要素和径流数据,通过水热平衡指标分析了1982—2016年黄河中游12个流域的植被变化过程及其对水热平衡的影响。结果表明：

（1）傅抱璞模型中反映流域属性特征的参数w在12个流域中平均值约为2.9,大于模型推荐的缺省值2.6,植被水分利用效率高于平均水平。w与NDVI的Pearson相关系数介于0.31~0.75,拟合效果均达到了显著性水平（p<0.1）,拟合效果较好。

（2）近35年NDVI在12个流域均呈显著增加趋势,尤其以GGP实施后更为显著,植被显著变绿已经导致了水热平衡发生负向转化。

（3）植被变化已经成为12个流域水热平衡变化的主导因素,平均绝对贡献率达到77.5%。植被变绿有利于改善生态环境,但其不利方面（如骤旱、洪涝和土壤干化等）不容忽视,植被变绿的生态水文效应研究有待进一步加强。

致谢：

真诚感谢二位匿名评审专家以及编辑部老师在本论文评审和修订等方面所付出的时间和精力,专家们对本文的数据处理介绍、分析植被影响的思路、结论的对比分析、图表格式的规范性等方面的修改意见,使得本文得以完善。

参考文献 View Option 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1] 刘纪远, 匡文慧, 张增祥, 等. 20世纪80年代末以来中国土地利用变化的基本特征与空间格局
地理学报, 2014,69(1):3-14.
[本文引用: 1]

[ Liu Jiyuan, Kuang Wenhui, Zhang Zengxiang, et al. Spatiotemporal characteristics, patterns and causes of land use changes in China since the late 1980s
Acta Geographica Sinica, 2014,69(1):3-14.]
[本文引用: 1]

[2] Evaristo J, McDonnell J J, Global analysis of streamflow response to forest management
Nature, 2019,570(7762):455-461.
DOI:10.1038/s41586-019-1306-0URLPMID:31209303 [本文引用: 1]
Predicting the responses of streamflow to changes in forest management is fundamental to the sustainable regulation of water resources. However, studies of changes in forest cover have yielded unclear and largely unpredictable results. Here we compile a comprehensive and spatially distributed database of forest-management studies worldwide, to assess the factors that control streamflow response to forest planting and removal. We introduce a vegetation-to-bedrock model that includes seven key landscape factors in order to explain the impacts of forest removal and planting on water yield. We show that the amount of water stored in a landscape is the most important factor in predicting streamflow response to forest removal, whereas the loss of water through evaporation and transpiration is the most important factor in predicting streamflow response to forest planting. Our findings affect model parameterizations in climate change mitigation schemes (involving, for example, afforestation or deforestation) in different geologic and climate regions around the world, and inform practices for the sustainable management of water resources.

[3] Piao S L, Yin G D, Tan J G, et al. Detection and attribution of vegetation greening trend in China over the last 30 years
Global Change Biology, 2015,21(4):1601-1609.
DOI:10.1111/gcb.12795URLPMID:25369401 [本文引用: 1]

[4] Chen C, Park T J, Wang X H, et al. China and India lead in greening of the world through land-use management
Nature Sustainability, 2019,2:122-129.
URLPMID:30778399 [本文引用: 2]

[5] Feng X M, Fu B J, Piao S L, et al. Revegetation in China Loess Plateau is approaching sustainable water resource limits
Nature Climate Change, 2016,6:1019-1022.
[本文引用: 1]

[6] Huang S Z, Huang Q, Leng G Y, et al. Variations in annual water-energy balance and their correlations with vegetation and soil moisture dynamics: A case study in the Wei River Basin, China
Journal of Hydrology, 2017,546:515-525.
[本文引用: 1]

[7] 党小虎, 吴彦斌, 刘国彬, 等. 生态建设15年黄土高原生态足迹时空变化
地理研究, 2018,37(4):761-771.
[本文引用: 1]

[ Dang Xiaohu, Wu Yanbin, Liu Guobin, et al. Spatial-temporal changes of ecological footprint in the Loess Plateau after ecological construction between 1995 and 2010
Geographical Research, 2018,37(4):761-771.]
[本文引用: 1]

[8] Liang W, Bai D, Wang F Y, et al. Quantifying the impacts of climate change and ecological restoration on streamflow changes based on a Budyko hydrological model in China's Loess Plateau
Water Resources Research, 2015,51(8):6500-6519.
[本文引用: 2]

[9] 刘昌明, 李艳忠, 刘小莽, 等. 黄河中游植被变化对水量转化的影响分析
人民黄河, 2016,38(10):7-12.
[本文引用: 4]

[ Liu Changming, Li Yanzhong, Liu Xiaomang, et al. Impact of vegetation change on water transformation in the Middle Yellow River
Yellow River, 2016,38(10):7-12.]
[本文引用: 4]

[10] 杨大文, 张树磊, 徐翔宇. 基于水热耦合平衡方程的黄河流域径流变化归因分析
中国科学: 技术科学, 2015,45(10):1024-1034.
[本文引用: 3]

[ Yang Dawen, Zhang Shulei, Xu Xiangyu. Attribution analysis for runoff decline in Yellow River Basin during past fifty years based on Budyko hypothesis
Scientia Sinica (Technologica), 2015,45(10):1024-1034.]
[本文引用: 3]

[11] 刘晓燕, 杨胜天, 李晓宇, 等. 黄河主要来沙区林草植被变化及对产流产沙的影响机制
中国科学: 技术科学, 2015,45(10):1052-1059.
[本文引用: 1]

[ Liu Xiaoyan, Yang Shengtian, Li Xiaoyu, et al. The current vegetation restoration effect and its influence mechanism on the sediment and runoff yield in severe erosion area of Yellow River Basin
Scientia Sinica (Technologica), 2015,45(10):1052-1059.]
[本文引用: 1]

[12] 李艳忠, 刘昌明, 刘小莽, 等. 植被恢复工程对黄河中游土地利用/覆被变化的影响
自然资源学报, 2016,31(12):2005-2020.
[本文引用: 1]

[ Li Yanzhong, Liu Changming, Liu Xiaomang, et al. Impact of the grain for green project on the land use/cover change in the Middle Yellow River
Journal of Natural Resources, 2016,31(12):2005-2020.]
[本文引用: 1]

[13] Jia X X, Shao M A, Zhu Y J, et al. Soil moisture decline due to afforestation across the Loess Plateau, China
Journal of Hydrology, 2017,546:113-122.
[本文引用: 2]

[14] Zhang S L, Yang D W, Yang Y T, et al. Excessive afforestation and soil drying on China's Loess Plateau
Journal of Geophysical Research: Biogeosciences, 2018,123(3):923-935.
[本文引用: 2]

[15] Budyko M I. Climate and Life. New York: Academic Press, 1974.
[本文引用: 1]

[16] 傅抱璞. 论陆面蒸发的计算
大气科学, 1981,5(1):23-31.
[本文引用: 3]

[ Fu Baopu., On the calculation of the evaporation from land surface (in Chinese)
Chinese Journal of Atmospheric Sciences, 1981,5(1):23-31.]
[本文引用: 3]

[17] Yang H B, Yang D W, Lei Z D, et al. New analytical derivation of the mean annual water-energy balance equation
Water Resources Research, 2008,44(3):1-9.
[本文引用: 2]

[18] Yang D W, Shao W W, Yeh P J F, et al. Impact of vegetation coverage on regional water balance in the nonhumid regions of China
Water Resources Research, 2009,45(7):1-13.
[本文引用: 3]

[19] Zhang S L, Yang H B, Yang D W, et al. Quantifying the effect of vegetation change on the regional water balance within the Budyko Framework
Geophysical Research Letters, 2016,43(3):1140-1148.
[本文引用: 4]

[20] Li Y Z, Mao D H, Feng A Q, et al. Will human-induced vegetation regreening continually decrease runoff in the Loess Plateau of China?
Forests, 2019,10(10):906.
[本文引用: 1]

[21] Liu M X, Xu X L, Xu C H, et al. A new drought index that considers the joint effects of climate and land surface change
Water Resources Research, 2017,53(4):3262-3278.
[本文引用: 4]

[22] Zhang D, Liu X M, Bai P. Different influences of vegetation greening on regional water-energy balance under different climatic conditions
Forests, 2018,9(7):412.
[本文引用: 2]

[23] 张文辉, 刘国彬. 黄土高原植被生态恢复评价、 问题与对策
林业科学, 2007,43(1):102-106.
[本文引用: 1]

[ Zhang Wenhui, Liu Guobin. Review on vegetation restoration in Loess Plateau
Scientia Silvae Sinicae, 2007,43(1):102-106.]
[本文引用: 1]

[24] McVicar T R, Roderick M L, Donohue R J, et al. Less bluster ahead? Ecohydrological implications of global trends of terrestrial near-surface wind speeds
Ecohydrology, 2012,5(4):381-388.
[本文引用: 1]

[25] Allen R G, Pereira L S, Raes D, et al. Crop evapotranspiration-guidelines for computing crop water requirements. FAO Irrigation and Drainage Paper 56
Rome: FAO, 1998.
[本文引用: 1]

[26] Hobbins M T, Ramírez J A, Brown T C. The complementary relationship in estimation of regional evapotranspiration: An enhanced advection-aridity model
Water Resources Research, 2001,37(5):1389-1403.
[本文引用: 1]

[27] Zhang L, Dawes W R, Walker G R. Response of mean annual evapotranspiration to vegetation changes at catchment scale
Water Resources Research, 2001,37(3):701-708.
[本文引用: 1]

[28] Li D, Pan M, Cong Z T, et al. Vegetation control on water and energy balance within the Budyko framework
Water Resources Research, 2013,49(2):969-976.
[本文引用: 1]

[29] Kendall M G, Gibbons J D. Rank Correlation Methods, 5th
London: Edward Armold, 1981: 320.
[本文引用: 1]

[30] Donohue R J, Roderick M L, McVicar T R. Assessing the differences in sensitivities of runoff to changes in climatic conditions across a large basin
Journal of Hydrology, 2011,406(3):234-244.
[本文引用: 1]

[31] Choudhury B. Evaluation of an empirical equation for annual evaporation using field observations and results from a biophysical model
Journal of Hydrology, 1999,216(1):99-110.
[本文引用: 1]

[32] 罗娅, 杨胜天, 刘晓燕, 等. 黄河河口镇-潼关区间1998-2010年土地利用变化特征
地理学报, 2014,69(1):42-53.
[本文引用: 1]

[ Luo Ya, Yang Shengtian, Liu Xiaoyan, et al. Land use change in the reach from Hekouzhen to Tongguan of the Yellow River during 1998-2010
Acta Geographica Sinica, 2014,69(1):42-53.]
[本文引用: 1]

[33] 刘晓燕, 刘昌明, 杨胜天, 等. 基于遥感的黄土高原林草植被变化对河川径流的影响分析
地理学报, 2014,69(11):1595-1603.


[ Liu Xiaoyan, Liu Changming, Yang Shengtian, et al. Influences of shrubs-herbs-arbor vegetation coverage on the runoff based on the remote sensing data in Loess Plateau
Acta Geographica Sinica, 2014,69(11):1595-1603.]


[34] Wang S, Fu B J, Piao S L, et al. Reduced sediment transport in the Yellow River due to anthropogenic changes
Nature Geoscience, 2016,9(1):38-41.


[35] 许炯心. 黄河中游绿水系数变化及其生态环境意义
生态学报, 2015,35(22):7298-7303.
[本文引用: 1]

[ Xu Jiongxin. Increasing trend of green water coefficient in the middle Yellow River basin and the eco-environmental implications
Acta Ecologica Sinica, 2015,35(22):7298-7303.]
[本文引用: 1]

[36] 张晓霞, 杨宗儒, 查同刚, 等. 晋西黄土区退耕还林 22 年后林地土壤物理性质的变化
生态学报, 2017,37(2):416-424.
[本文引用: 1]

[ Zhang Xiaoxia, Yang Zongru, Cha Tonggang, et al. Changes in the physical properties of soil in forestlands after 22 years under the influence of the conversion of cropland into farmland project in Loess region, Western Shanxi province
Acta Ecologica Sinica, 2017,37(2):416-424.]
[本文引用: 1]

[37] Kang S, Eltahir E A B. North China plain threatened by deadly heatwaves due to climate change and irrigation
Nature Communications, 2018,9(1):2894.
DOI:10.1038/s41467-018-05252-yURLPMID:30065269 [本文引用: 1]
North China Plain is the heartland of modern China. This fertile plain has experienced vast expansion of irrigated agriculture which cools surface temperature and moistens surface air, but boosts integrated measures of temperature and humidity, and hence enhances intensity of heatwaves. Here, we project based on an ensemble of high-resolution regional climate model simulations that climate change would add significantly to the anthropogenic effects of irrigation, increasing the risk from heatwaves in this region. Under the business-as-usual scenario of greenhouse gas emissions, North China Plain is likely to experience deadly heatwaves with wet-bulb temperature exceeding the threshold defining what Chinese farmers may tolerate while working outdoors. China is currently the largest contributor to the emissions of greenhouse gases, with potentially serious implications to its own population: continuation of the current pattern of global emissions may limit habitability in the most populous region, of the most populous country on Earth.

[38] 梁越, 焦菊英. 黄河河龙区间退耕还林前后淤地坝拦沙特征分析
生态学报, 2019,39(12):4579-4586.
[本文引用: 1]

[ Liang Yue, Jiao Juying. Characteristics of sediment retention by check-dam before and after the “Grain for Green” project in the He-Long Reach of the Yellow River
Acta Ecologica Sinica, 2019,39(12):4579-4586.]
[本文引用: 1]

[39] Xu X L, Liu W, Scanlon B R, et al. Local and global factors controlling water‐energy balances within the Budyko framework
Geophysical Research Letters, 2013,40(23):6123-6129.
[本文引用: 1]

[40] Bai P, Liu X M, Zhang D, et al. Estimation of the Budyko model parameter for small basins in China
Hydrological Processes, 2019,34(1):125-138.
[本文引用: 1]