地表能量平衡是气候系统的关键因素之一，对发生在地球表面附近的水文气象过程起调节作用。经典水文学定义了土壤湿度（SM）与蒸发比（EF）的耦合关系，提出主要蒸散机制（能量或水分限制）。然而，基于观测结果的分析表明，不同区域的EF-SM关系可能会因其它环境因素发生改变。这意味着经典的EF-SM关系中嵌入了更复杂的依赖性，实际情况中这种关系可能是一种多维函数。
　　针对以上问题，中科院青藏高原研究所地气作用与气候效应团队采用多种分析算法，将研究区域划分为六个地表响应功能组，并将多维蒸发状态函数划分为由分段变量控制的分段函数。受地表能量平衡方程和水分、能量限制蒸发机制的启发，科研人员选择土壤湿度和净辐射通量分别表示水分和能量状态，选择叶面积指数表征植被覆盖，研究地表参数对能量分配和蒸发比的主要影响。
　　研究结果表明，以叶面积指数代替土壤湿度作为解释变量时，耦合强度提高1.8倍，但在回归树分析中，土壤湿度是最优先的解释变量。这与蒸发比的本质一致，表明水分可能是最基本的解释变量。由于植被受提取水分、光合作用、土壤遮荫和改变粗糙度等影响，蒸发机制从两个阶段细分为五个阶段，且每个阶段都有一个权威的解释变量。
　　该研究成果近日以“Terrestrial and atmospheric controls on surface energy partitioning and evaporative fraction regimes over the Tibetan Plateau in the growing season”为题，发表在《Journal of Geophysical Research: Atmospheres》上，我所马耀明研究员为通讯作者，我所与兰州大学联培的在读博士生杨晨义为第一作者。该研究获得第二次青藏高原综合科学考察研究专项（2019QZKK0103）、中国科学院战略性科技先导专项（XDA20060101）和国家自然科学基金项目（91837208）等资助。
　　
　　全文链接：http://doi.org/10.1029/2021JD035011
图1 聚类分析得到的地表响应功能组




图2 整个研究区域的EF回归树。底部一行的箱型图为相应的叶子节点中的EF分布

图3 回归树中每个叶子节点的解释变量与响应变量的耦合。
解释变量分别为土壤湿度(A), 净辐射通量(B)，土壤湿度（C）、叶面积指数（D）和土壤湿度。