Page 140 - 2025年第56卷第5期

3.2 蒸散发 模 型 ET 模 拟 值 与 NTSG、 SSE 和 PML 在 中 国 的 多 年 平 均 ET 值 分 别 为 394、 469、 407
和 460 mm，呈现出较为一致的年际变化与夏季高、冬季低的季节性特征（图 2）。与 3 种遥感产品相比，
全国平均逐月 ET 模拟结果与 NTSG、SSE 和 PML 的决定性系数（R²）分别为 0.87、0.90 和 0.86，与 SSE 数
据 最 为 一 致 。 从 空 间 分 布 上 看 ， 模 型 在 珠 江 流 域 的 ET 最 高（765 mm）， 西 北 诸 河 流 域 的 ET 最 低
（173 mm），在东南季风区，大多数区域的年均 ET 范围为 400 ~ 700 mm，与其它 3 种遥感数据的空间
分布特征一致。4 种数据在青藏高原地区差异较为显著， NTSG 与 PML 的模拟结果（438 和 389 mm）
高于 WaSSI-CN（254 mm）与 SSE（112 mm）。

图 2 基于 WaSSI-CN 模型与 3 种遥感数据的中国逐月 ET 和多年平均月 ET （2003—2013 年）

模型结构与输入数据的不确定性是造成不同数据产品差异性的主要原因。NTSG_ET 是根据改进
的 Penman-Monteith 遥感算法 ［36］ 计算的，SSE_ET 基于简化的地表能量平衡方法对每个像素使用了预定
义的“热”和“冷”边界条件进行估算，PML_ET 则基于 Penman-Monteith 公式和光合速率-气孔导度
模型计算而得。NTSG_ET 算法中的水分需求由 NDVI 和 LAI 参数化计算，而使用相对湿度代替土壤水
分 增 加 了 其 不 确 定 性 ， 已 有 研 究 指 出 了 NTSG_ET 在 不 同 下 垫 面 的 模 拟 精 度 存 在 显 著 差 异 ［37-38］ ；
SSE_ET 可能受植被冠层复杂度的影响，导致 ET 值具有更大的跨度，在高值区域更高，低值区域更
低，且 SSE_ET 采用静态边界假设，在估算蒸散发时忽略了气温变化对结果的影响 ［39］ ；PML_ET 没有考
虑植被养分等对蒸散发的约束和土壤水分对植被气孔导度的影响，因此在部分地区出现高估 ET 的现
象 ［13］ 。WaSSI-CN 模型在计算实际蒸散发过程中重点考虑了植被与土壤水的约束，这在一定程度上解
释了其与 3 种遥感产品在 6—8 月的差异。此外，不同模型所使用驱动数据在分辨率与来源上的差异也
增加了模拟结果的不确定性。
3.3 总初级生产力 2003—2015 年，模型模拟值与 MOD、VPM 和 PML 在中国的多年平均 GPP 值分别
为 772、579、720 和 849 g·m ·a （图 3）。总体看来，WaSSI_GPP 模拟值介于 PML_GPP 与 MOD_GPP、
-2
-1
VPM_GPP 之间，且与 PML_GPP 最为接近，全国平均逐月 GPP 的 R²分别为 0.68、0.76 和 0.87。4 种结果
呈现出相似的季节分布与空间分布模式，均在 7—8 月达到峰值。最高的 GPP （大于 2500 g·m ·a ）主
-1
-2
要位于珠江流域南端和西南诸河的低海拔区域，最低的 GPP（小于 10 g·m ·a ）均集中于西北区域的荒
-2
-1
漠和高海拔地区，在东南季风区，大多数区域的年均 GPP 值范围为 1200 ~ 2000 g·m ·a ，但其中东北
-1
-2
地 区 的 GPP 相 对 较 低（600 ~ 1100 g·m ·a ）。 此 外 ， 模 型 之 间 也 体 现 出 一 定 的 差 异 性 ， 例 如 ，
-1
-2
WaSSI_GPP 相对于 PML_GPP 表现出低估趋势，尤其是在长江流域上游与西南诸河流域；WaSSI_GPP
相对于 MOD_GPP 和 VPM_GPP 表现出高估趋势，这种差异在东南湿润地区较为显著。
4 流域水碳通量分析

1982—2018 年间，中国年均降水量 634 mm，基于 WaSSI-CN 模拟的年径流深、蒸散发、GPP 和
NEE（Net Ecosystem Exchange）分别为 246 mm、390 mm、776 g·m ·a 和-128 g·m ·a ，在空间上均呈
-1
-2
-1
-2
现出从东南到西北递减的趋势（图 4）。在十大流域区中，以林地为主导的流域（松花江、长江、东南诸
— 686 —