2000—2020年秦巴山区水源涵养量时空动态研究

图1 研究区概况

Fig.1 Overview of the study

3 研究数据与方法

3.1　数据与预处理

3.1.1　气象数据

气象数据为秦巴山区各气象观测站2000—2020年间观测的逐日气象数据，数据包括各观测站点测得的气温、风速、气压、蒸发皿蒸发量、降水量等内容。研究利用的台站数据包括基准站、基基本站以及一般站等记录的气象数据，因时间跨度较长，2000—2020年间新增站点数量较多，从2000年70个增长至2020年1 500余个。该数据来自于全国综合气象信息共享平台（CIMISS），数据格式为CSV。需将其转换为Shape格式的矢量图层数据。

3.1.2　MODIS数据

通过美国国家航空航天局（NASA）的对地观测系统数共享平台下载2000—2020年MCD43A3、MOD09A1、MOD11A1、MCD12Q1、MOD15A2等MODIS产品数据，轨道号为h26v05和h27v05，数据为HDF格式。具体如表1所示。

表1 MODIS数据介绍

Table 1 Introduction of MODIS datas

数据名称	产品内容	空间分辨率	时间分辨率	用途
MCD43A3	地表反照率	500 m	16 d	计算蒸散量
MOD09A1	地表反射率	500 m	8 d	计算蒸散量
MOD11A1	地表温度和辐射率	1 km	1 d	计算蒸散量
MCD12Q1	土地覆盖类型	1 km	1 a	计算地表径流量
MOD15A2	叶面积指数	1 km	8 d	计算蒸散量

利用MRT（MODIS Reprojection Tool，MRT）对数据进行预处理，具体包括：①对数据产品进行拼接，投影转为Albers Equal Area，椭球体为WGS1984；②将提取出的目标数据统一到CGCS2000高斯投影坐标系下：③采用最邻近内插法对数据重采样至250 m，并利用秦巴山区范围对提取的目标数据进行掩膜。

3.1.3　土壤质地图

土壤质地是土壤的物理特性之一，是计算地表径流量的重要参数。陕西土壤质地图来源于《陕西土壤》，比例尺为1∶50万。将经扫描后的土壤质地分布图，在ArcGIS平台下进行配准和数字化处理，最终生成研究区域的矢量图层数据，格式为Shape。

3.1.4　DEM数据

数字高程模型（Digital Elevation Model，DEM）数据为由美国国家航空航天局（NASA）和日本经济产业省联合推出的ASTER GDEM数据，用于计算地表蒸散量。数据格式为Geo-Tiff，空间分辨率为30 m，投影转为Albers Equal Area，椭球体为WGS1984。经过投影变换，将其统一至CGCS2000高斯投影坐标系下，并进行重采样至250 m。

3.2　研究方法

3.2.1　地表水量平衡原理

地表水量平衡法^［18-19］是将整个研究区域作为一个“黑箱”，即将整体看成一个闭合的集水区，着眼于区域生态系统的水分输入（大气降水）和水分输出（蒸发、蒸腾及各种地表径流）。根据水量平衡原理，水源涵养量计算公式如下：

W = P - E T - Q

（1）

其中：W为水源涵养量（mm）；P为降雨量（mm）；ET为蒸散量（mm）；Q为地表径流量（mm）。

研究将秦巴山区水源涵养量小于0 mm的区域定义为低水源涵养量区，水源涵养量在0—150 mm的区域定义为一般水源涵养量区，水源涵养量在150—300 mm的区域定义为中等水源涵养量区，水源涵养量在300—450 mm的区域定义为高水源涵养量区，将水源涵养量大于450 mm的区域定义为极高水源涵养量区。

3.2.2　基于ANUSPLIN软件的降水量空间内插

ANUSPLIN（Australian National University Splin，ANUSPLIN）软件是基于薄盘样条理论实现气象要素空间插值以及统计分析、模型诊断和误差分析等多功能的工具，对时间序列的气象数据插值尤为适用^［20］。由于经过筛选后秦巴山区气象观测站点少于2 000个，因此选择ANUSPLIN软件中的SPLINA和LAPGRD两个模块对气象数据进行插值处理。首先，选择样本气象站点确定秦巴山区降水最优插值模型和函数。以经纬度为自变量、以海拔为协变量，以信号自由度小于站点数的一半，以Log文件中信号自由度Signal、剩余自由度Error、光滑参数RHO、广义交叉验证GCV（Generalized Cross Validation）、期望真实均方误差MSE（Expected Trure Square Error）、最大似然法误差GML（Generalized Max Likehood）、均方残差MSR（Mean Squared Residual）、方差估计VAR（Estimate of variance）及其平方根为判断依据，通过运行SPLINA模型，确定秦巴山区降水量插值最优模型为TVPTPS3，样条次数为4次；其次，根据确定的模型和样条次数进行插值运算，并基于SPLINA模型生成的表面系数文件和协变量误差信息文件执行LAPGRD模块计算，最终得到空间分辨率为250 m的2000—2020年每日降水量插值成果。

3.2.3　基于SEBS模型的地表蒸散量计算

地表能量平衡模型（Surface Energy Balance System，SEBS）^［21-23］是基于地表能量平衡理论的蒸散发（Evapotranspiration，ET）估算模型，其所需参数获取简单，计算方法明确且估算精度较高，取得了广泛的应用。

任一时刻的地表能量平衡方程公式如下：

R_n=G+H+λET+PH（2）

其中：R_n 表示地表净辐射（W/m²）；G表示土壤热通量（W/m²）；H表示显热通量（W/m²）；λET表示潜热通量（W/m²），其中λ为汽化潜热，ET为瞬时蒸散量；PH表示植被光合作用所需的能量（W/m²），其值很小，在计算中通常忽略不计。

获取瞬时蒸散量后，对其进行时间尺度上的扩展从而获得研究区域的日蒸散量。研究结果表明^［24］日蒸散量与任一时刻的瞬时蒸散量之间存在着正弦关系，即

\frac{E T_{e}^{d}}{E T_{e}^{i}} = 2 N_{e} / π s i n (\frac{π t}{N_{e}})

（3）

其中： $E T_{e}^{d}$ 为日蒸散量，为i时刻瞬时蒸散量，t为卫星获取数据的时刻与日出时刻的时间间隔， $N_{e}$ 为日蒸散时数，可通过经验公式获得^［25］。基于SEBS模型的日蒸散量计算过程如图2所示。

图2

图2 基于SEBS模型的日蒸散量计算过程

Fig.2 Calculation process of daily evapotranspiration（ET） based on the SEBS model

3.2.4　基于SCS模型的地表径流量计算

SCS模型^［26］是由美国农业部水土保持局（Soil Conservation Service，SCS）开发并命名的流域水文模型，具有计算结构简单、所需参数少、资料易获取等优点，常用于估算地表径流量。具体计算公式如下：

\{\begin{matrix} Q = \frac{{(P - 0.2 S)}^{2}}{P + 0.8 S} P \geq 0.2 S \\ Q = 0 P < 0.2 S \end{matrix}

（4）

S = \frac{25400}{C N} - 254

（5）

其中： P 为降水量（mm）； Q 为实际径流量（mm）； S 为土壤最大蓄水能力（mm）。CN（Curve Number，曲线数）是理论取值范围为0—100的无量纲参数，与降水量、土地类型和土壤质地数据密切相关。

3.2.5　水源涵养量时空变化分析

为描述秦巴山区2000—2020年间水源涵养量在时间和空间上的变化，采用斜率法模拟分析其变化趋势。计算公式如下：

S = \frac{n \times \sum_{i = 1}^{n} i \times X_{i} - \sum_{i = 1}^{n} i \sum_{i = 1}^{n} X_{i}}{n \times \sum_{i = 1}^{n} i^{2} - {(\sum_{i = 1}^{n} i)}^{2}}

（6）

其中：i取值为1—21，表示2000—2020年的年份序列号；X_i 表示第i年的水源涵养量；n表示年份总数，为21。当S>0时，表示该区域水源涵养量呈增加趋势；当S=0时，表示该区域水源涵养量无变化；当S<0时，表示该区域水源涵养量呈减少趋势^［27］。

为估算秦巴山区在每个像元尺度上水源涵养量变化率的显著性，使用如下公式计算F检验值：

F (1, n - 2) = \frac{R^{2} (n - 2)}{1 - R^{2}}

（7）

其中：决定系数R²为2000—2020年每个像元水源涵养量与时间序列之间的相关系数的平方；n表示年份总数，为21。当F__0.05（1，19）>4.38即|R|>0.433时表示水源涵养量在0.05的水平上变化显著；反之则变化不显著。

4 结果分析

4.1　精度检验

4.1.1　降水量精度检验

对于降水量，采用站点观测数据交叉验证方法即比较观测站点的实测值与拟合值，对不同时间的ANUSPLIN软件插值结果进行精度评定，以平均绝对误差MAE（Mean Absolute Error）和均方根误差RMSE（Root Mean Square Error）作为评估指标。利用2015年和2020年的5月15日、8月15日、10月15日的气象观测数据，随机选取了248个站点进行空间插值计算，165个站点不参与插值运算，但是用于空间插值结果的检验。结果如表2所示。从表2中可看出，降水量平均绝对误差、均方根误差都在1 mm以内，说明降水量插值结果与气象台站观测结果具有很好的一致性，插值结果能够真实反映秦巴山区的降水情况。

表2 降水量插值的精度检验结果（mm）

Table 2 Precision test result of Precipitation Interpolation

		平均绝对误差	均方根误差	日最大降水量
降水量	2015年5月15日	0.13	0.19	0.25
	2015年8月15日	0.03	0.04	0.53
	2015年10月15日	0.40	0.49	0.25
	2020年5月15日	0.18	0.27	3.64
	2020年8月15日	0.38	0.51	10.56
	2020年10月15日	0.31	0.40	3.21

4.1.2　蒸散量精度检验

陈珊珊^［25］以气象站内蒸发皿测得的蒸散量作为地面实测蒸散量，通过与遥感反演的站点蒸散量的相关性分析来验证计算结果的精度。基于此，在研究区域内随机选择32个气象监测基准站点，在时间和空间尺度上分别对其SEBS模型计算的蒸散量与实测蒸散量进行拟合以验证结果的可靠性。结果表明：SEBS模型计算的蒸散量与实测蒸发量的时间相关系数为0.931，决定系数为0.867（图3（a））；空间相关系数为0.813，决定系数为0.661（图3（b））；空间相关性和时间相关性均通过了0.001的显著性检验。说明基于SEBS模型计算的蒸散量与各气象站实测的蒸发量在时间和空间上具有较高的一致性，模拟结果能够真实和可靠的反应秦巴山区2000—2020年蒸散量的时空变化。

图3

图3 气象站点实测蒸散量与SEBS模型计算的蒸散量间的时间和空间相关关系

Fig.3 Spatiotemporal relationshps between ET from meteorological stations and SEBS

4.2　2000—2020年秦巴山区水源涵养量空间分布

秦巴山区水源涵养量空间分布和统计结果分别如图4和表3所示。秦巴山区水源涵养量整体上呈现出北低南高的趋势。低水源涵养量地区集中在秦巴山区东部、北部和西部的周边地带，约占秦巴山区总面积的27.43%；一般水源涵养量区域主要集中在秦巴山区的中部地带，占秦巴山区总面积为36.58%；中等、高和极高水源涵养量区域主要位于汉中市和安康市的南部地带，分别占秦巴山区总面积的21.58%、8.90%、5.51%。

图4

图4 秦巴山区水源涵养量空间分布图

Fig.4 Spatial distribution of water conservation in the Qinba Mountains

表3 秦巴山区各等级水源涵养量统计结果

Table 3 Statistical results of water conservation in the Qinba Mountains

年水源涵养量/mm	总面积/km²	面积占比/%
合计	85 564.63	100.00
<0	23 473.11	27.43
0—150	31 299.93	36.58
150—300	18 468.86	21.58
300—450	7 610.99	8.90
>450	4 711.74	5.51

分析各市县的年均水源涵养量表明（表4），水源涵养量从大到小依次为汉中市>安康市>宝鸡市>西安市>商洛市>渭南市。其中，汉中市水源涵养量最大的是镇巴县，渭南市水源涵养量最小的为潼关县。

表4 秦巴山区各市县年均水源涵养量（mm）

Table 4 Annual water conservation of cities and counties in the Qinba Mountains

市	年水源涵养量	县区	年水源涵养量	市	年水源涵养量	县区	年水源涵养量
西安市	4.27	灞桥区	19.27	渭南市	-85.90	华县	-90.29
		鄠邑区	-24.75			华阴市	-58.53
		蓝田县	-12.23			临渭区	-36.25
		临潼区	9.19			潼关县	-165.27
		长安区	-61.19	汉中市	211.13	城固县	144.10
		周至县	49.11			佛坪县	178.27
宝鸡市	84.73	陈仓区	-33.91			汉台区	164.81
		凤县	62.06			留坝县	65.69
		金台区	21.54			略阳县	49.73
		眉县	-56.50			勉县	130.93
		岐山县	-47.39			南郑县	335.61
		太白县	188.66			宁强县	248.05
		渭滨区	8.19			西乡县	219.67
安康市	144.46	白河县	-46.19			洋县	129.80
		汉滨区	64.63			镇巴县	479.68
		汉阴县	155.54	商洛市	-2.95	丹凤县	-57.07
		岚皋县	325.05			洛南县	57.10
		宁陕县	147.49			山阳县	-28.72
		平利县	173.99			商南县	-58.13
		石泉县	135.91			商州区	44.29
		旬阳县	-58.52			柞水县	19.36
		镇坪县	393.96			镇安县	-2.81
		紫阳县	353.72			镇安县	-2.81

4.3　2000—2020年秦巴山区水源涵养量时空变化

秦巴山区2000—2020年历年水源涵养量如图5所示。近21 a来，秦巴山区水源涵养量平均值为112.57 mm，在-142.84—419.41 mm之间波动。其中，有10 a（2000年、2001年、2003年、2004年、2005年、2007年、2008年、2011年、2017年、2019年）的水源涵养量大于平均值，其余年份的水源涵养量均低于均值。水源涵养量在2003年达到最大，约为419.41 mm；2015年的水源涵养量最小，为-142.84 mm。总体来看，秦巴山区水源涵养量在21 a间呈下降趋势，其变化速率为-13.07 mm/a（P<0.05）。

图5

图5 秦巴山区2000—2020年水源涵养量

Fig.5 Statiscal result of water conservation capatity in the Qinba Mountains during the period of 2000—2020

研究结果表明，研究区域2000—2020年水源涵养量变化速率S的波动范围为-46.40—23.64 mm/a。图6为2000—2020年秦巴山区水源涵养量的年际变化趋势和F检验结果。如图所示，近21 a来秦巴山区水源涵养量整体呈减少趋势，减少的地区主要分布在商洛市、西安市、渭南市、安康市、宝鸡市和汉中市；水源涵养量呈增加趋势的地区则主要集中在汉中市中部、北部区域。

图6

图6 秦巴山区2000—2020年水源涵养量变化趋势分布Fig.6 Distribution of changes of water conservation in the Qinba Mountains during the period of 2000—2020

对秦巴山区2000—2020年水源涵养量变化的面积进行统计，结果如表5所示。水源涵养量减少的区域面积约为79 854.04 km²，约占区域总面积的93.32%，其中显著减少的区域面积约为41 382.05 km²，约占区域总面积的48.36%；水源涵养量增加的区域总面积约为5 709.09 km²，仅约占区域总面积的6.68%，其中显著增加的区域面积为 km²，约占区域总面积的%；水源涵养量无变化的区域面积仅约1.50 km²。

表5 2000—2020年秦巴山区水源涵养量变化统计

Table 5 Statistical results of water conservation changes in the Qinba Mountains during the period of 2000—2020

变化趋势	显著性	面积/km²	占比/%
减少	显著	41 382.05	48.36
减少	不显著	38 471.99	44.96
无变化	显著	0.00	0.00
无变化	不显著	1.50	0.00
增加	显著	56.45	0.07
增加	不显著	5 652.64	6.61
合计		85 564.63	100.00

5 讨论

5.1　水源涵养的影响因素分析

区域水源涵养量受气候因子及人类活动的影响（植被覆盖等）而有差异^［13］。综合考虑本文水源涵养量的计算原理及过程，以降水量、蒸散量、气温、NDVI、风速、日照辐射及相对湿度等作为水源涵养量的重要影响因素。研究利用相关系数矩阵来分析水源涵养量与以上各种因子之间的关系。如表6所示，研究区域水源涵养量与降水量、蒸散量的相关系数均有较强的显著性，而与其他因子的相关性则强弱不一，这说明水源涵养量的变化是多种因素共同作用的复杂结果。其中，降水量、相对湿度及日照辐射对水源涵养量具有正向作用，前者与水源涵养量呈现出显著的正相关关系，通过了显著性水平为0.01的检验，后两者与水源涵养量的相关性则不显著；蒸散量、气温及NDVI与水源涵养量均呈现显著的负相关关系，通过了显著性水平为0.01的检验，风速与水源涵养量同样呈负相关关系，但相关性不显著。各因子对秦巴山区水源涵养量的影响强弱依次为降水量>气温>蒸散量>NDVI>风速>日照辐射>相对湿度。

表6 水源涵养量与各因子间的相关系数

Table 6 Correlation conefficients betweem water conservation capacity and its influencing factors

	水源涵养量	降水量	蒸散量	气温	NDVI	风速	相对湿度	日照辐射
水源涵养量	1.00	0.92**	-0.73**	-0.74**	-0.57**	-0.38	0.28	0.37
降水量	0.92**	1.00	-0.41	-0.68**	-0.38	-0.18	0.19	0.28
蒸散量	-0.73**	-0.41	1.00	0.55*	0.69**	0.56**	-0.33	-0.38
气温	-0.74**	-0.68**	0.55*	1.00	0.27	0.14	-0.13	-0.38
NDVI	-0.57**	-0.38	0.69**	0.27	1.00	0.41	-0.22	-.470*
风速	-0.38	-0.18	0.56**	0.14	0.41	1.00	-0.26	-0.23
相对湿度	0.28	0.19	-0.33	-0.13	-0.22	-0.26	1.00	0.02
日照辐射	0.37	0.28	-0.38	-0.38	-.470*	-0.23	0.02	1.00

注：**表示在0.01水平上显著相关（P < 0.01）*表示在0.05水平上显著相关（P < 0.05）

表6同时也表明降水量与气温在0.01的水平上显著负相关；蒸散量与气温在0.05的水平上、与NDVI和风速在0.01的水平上显著正相关；即各因子之间存在有显著自相关性，因此为准确描述水源涵养量与各因子之间的真实相关性，需要进行偏相关分析，结果如表7所示。

表7 水源涵养量与各因子的偏相关系数

Table 7 Partial correlation conefficients betweem water conservation capacity and its influencing factors

	控制变量	水源涵养量
降水量	气温	1.00**
蒸散量	气温、NDVI、风速	-1.00**
NDVI	蒸散量、日照辐射	0.52
气温	降水量、蒸散量	0.07
风速	蒸散量	-0.23
相对湿度	-	0.21
日照辐射	NDVI	0.22

注：**表示在0.01水平上显著相关（P < 0.01）

从表7可知，在无各因子之间显著自相关性影响的前提下，水源涵养量与降水量之间具有极显著的正向偏相关关系（R=1.00，P<0.01），与蒸散量具有极显著的负向偏相关关系（R=-1.00，P<0.01），这与地表水量平衡法原理相一致；NDVI、相对湿度、日照辐射以及风速对水源涵养量的作用均不显著，但前三者对水源涵养量的增加具有一定的促进作用，而风速则相反；气温对水源涵养量无明显影响。因此，秦巴山区水源涵养量对各种直接和间接影响因子响应的真实敏感性强弱依次为降水量、蒸散量>NDVI>风速>日照辐射>相对湿度>气温。

图7（a）、图7（b）为秦巴山区历年降水量和蒸散量。秦巴山区2000—2020年降水量呈弱减弱趋势，而蒸散量则呈增加趋势，这就导致了秦巴山区的水源涵养量呈减弱趋势。因此为进一步探讨秦巴山区水源涵养量减少的原因，对秦巴山区2000—2020年的年NDVI、年气温以及年风速等的变化趋势进行分析，如图7（c）—图7（e）所示。从图中可以看出，秦巴山区NDVI、气温以及风速均呈现增长趋势，但是NDVI变化趋势线的可信度远大于气温和风速的。同时，从表6的统计结果可知，秦巴山区蒸散量与NDVI、气温、风速等均有显著的正相关性，且相关系数大小依次为NDVI>风速>气温，因此秦巴山区蒸散量的变化主要是由NDVI引起的。NDVI的变化反映了秦巴山区植被状况不断向好发展，而植被的向好发展进一步促进了秦巴山区植被的蒸腾作用也不断增强，使得蒸散量增加。植被是水源涵养的有效载体，秦巴山区植被和生态系统逐年向好发展，说明其对涵养水源具有一定的促进作用，但是由于受到降水逐年减少和蒸散量逐年增加（主要由NDVI值增加，植被向好发展引起）的共同影响，秦巴山区2000—2020年水源涵养量呈现出不断减少的趋势。

图7

图7 秦巴山区2000—2020年降水量、蒸散量、NDVI、气温及风速变化趋势

Fig.7 Trends of Annual precipition、ET、NDVI、temperature and wind of the Qinba Mountains during the period of 2000—2020

5.2　与已有研究结果对比分析

研究结果表明秦巴山区水源涵养量在空间分布上具有南高北低的分布特点，同时降水量和蒸散量对区域水源涵养量的影响最为显著，这与宁亚洲等^［11］的研究结论一致。秦巴山区的NDVI数据在2000—2020年间呈增加趋势，即秦巴山区植被覆盖状况逐渐得到了改善，这与刘宪锋等^［17］的研究结果相一致。曹叶琳^［29］通过研究秦岭地区水源涵养的时空演变，认为秦岭地区水源涵养量整体呈现出缓慢下降趋势，本文研究结果与其相一致；而宁亚洲等^［11］认为秦岭地区水源涵养量大约以0.26 mm/a的速度增加；卓静等^{［10，12-13］}的研究结果则表明秦岭地区水源涵养量呈增加趋势。研究结果出现不一致，可能是研究的时间跨度、选择的方法等原因共同造成的。研究时间跨度为2000—2020年，曹叶琳^［29］的研究时间跨度为1980—2018年；卓静等^{［10，12］}的研究时间跨度为2000—2014年，宁亚洲等^［11］的研究时间跨度为2000—2015年，而范亚宁等^［13］则是对秦岭北麓2000年和2010年的水源涵养进行对比分析。研究依据地表水量平衡原理，首先获取研究区域的降水量、蒸散量和地表径流量，最终获得水源涵养量。宁亚洲等^［11-13］在利用InVEST模型获取产水量的基础上，结合地形指数、地表流速系数和土壤饱和导水率获得水源涵养量；卓静等^{［10，28］}则认为地表径流量是水源涵养量的一部分，区域水源涵养量即为降水量和蒸散量的差值，没有对地表径流量进行进一步的计算。

另外，降水量通过ANUSPLIN软件确定最优的插值模型获取，并利用交叉验证法进行了精度验证，具有较高的可靠度。已有的而研究结果表明薄盘样条法和克里金法最为适用于气象要素的插值^［20］，但考虑到误差估计、数据结构和计算的简便等方面，样条法更具有优势。而王辉源等^［12-13］则在ArcGIS平台采用克里金插值法获取降水数据；卓静等^{［10，28］}则通过ArcGIS样条插值法获取降水数据，且其使用的气象站点数远小于本文的站点数量。

6 结论与展望

6.1　结论

对秦巴山区陕西段的水源涵养量进行了长时间序列的研究。结果表明：

（1）2000—2020年间，秦巴山区NDVI呈增加趋势，表明秦巴山区植被覆盖状况逐渐改善，其水源涵养能力逐年增加，这与多年来该地区实施的天然林保护、退耕还林等可能有一定关系；但其水源涵养量呈现出减弱趋势，这与降水量的减少和蒸散量的增加有关；水源涵养量波动范围为-142.84—419.41 mm，多年平均水源涵养量为112.57 mm；2015年水源涵养量最小为-142.84 mm，2003年水源涵养量最大，为419.41 mm。

（2）秦巴山区水源涵养量在空间上呈现出北低南高的分布特点，研究区域内各市的水源涵养量大小依次为汉中市>安康市>宝鸡市>西安市>商洛市>渭南市，各县区中镇巴县水源涵养量最大，而潼关县水源涵养量最小。水源涵养量减少、基本保持不变以及增加的区域面积分别约占研究区总面积的75.66%、23.20%、1.14%。

（3）将秦巴山区水源涵养量划分为低、一般、中等、高和极高5个等级，各等级所占面积比例依次为27.43%、36.58%、21.58%、8.90%、5.51%。秦巴山区2000—2020年间水源涵养量以低和一般为主，中等及以上水源涵养量的区域主要集中在汉中市和安康市的南部地带。

（4）在无各因子间显著自相关性影响的前提下，水源涵养量对各因子响应的真实敏感性强弱依次为降水量、蒸散量>NDVI>风速>日照辐射>相对湿度>气温。

6.2　需进一步研究的问题

（1）由于SCS模型中的关键参数CN值来自于美国《国家工程手册》，与研究区域的具体情况可能存在一定的偏差，且在计算过程中仅考虑降雨量，而没有顾及降雨强度、降雨类型的等因素的影响，这就不可避免的造成计算结果的偏差；同时由于缺乏研究区的长时间序列的降雨-径流观测资料，难以对径流模拟结果进行验证。在今后应对秦巴山区地表径流估算进行更深入的研究。

（2）本文以MODIS的部分产品以及气象数据为基础数据，基于SEBS模型计算蒸散量与MODIS的蒸散产品的一致性有待进一步研究。

（3）进一步精益化研究的时间尺度。本文在以年为单位的时间尺度上对研究区水源涵养的时空变化进行了研究，时间尺度还不够细化。在后续研究中可增加月尺度、旬尺度甚至日尺度的研究，从而更加精确地反映研究区域水源涵养的变化特征，为秦巴山区生态保护工作的展开提供更加精细的数据支撑。

参考文献

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]

Zhao

Xiao

Spatial and temporal variation of net primary vegetation productivity in Qinling-Daba Mountains， China from 2000 to 2015

［D］. Chongqing： Southwest University，2019.赵晓. 2000-2015年秦巴山区植被净初级生产力时空分异研究［D］.重庆：西南大学，2019.

[2]

Zhang

Jincheng

Study on spatial-temporal changes of fraction of absorbed photosynthetically active radiation in Qinling-Daba Mountains

［D］. Chongqing：Southwest University， 2019.

章金城

秦巴山区植被FPAR时空变化特征研究

［D］.重庆：西南大学，2019.

[3]

Kang

Yan

Spatial distribution pattern and strategy for water conservation functioin of vegetation in Qinling Mountains

［D］. Xi'an： Northwest University， 2005.

康艳

秦岭山地植被水源涵养功能空间分布格局及生态保育策略

［D］.西安：西北大学，2005.

[4]

Liu

Kang

， Ma

Naixi

， Xu

Yanling

， et al.

Protection and construction of eco-environment in Qinling Mountainous area

［J］. Chinese Journal of Ecology，2004， 23（3）：157-160.

刘康，马乃喜，胥艳玲，等.

秦岭山地生态环境保护与建设

［J］.生态学杂志，2004，23（3）：157-160

[5]

Cao

Yelin

， Song

Jinxi

， Li

Mingyue

， et al.

Evaluation of ecosystem water conservation function of Shannxi Province

［J］. Journal of Soil and Water Conservation， 2020，34（4）：217-223.

曹叶琳，宋进喜，李明月，等.

陕西省生态系统水源涵养功能评估分析

［J］. 水土保持学报，2020，34（4）：217-223.

[6]

Redhead

J W

， May

， Oliver

T H

， et al.

National scale evaluation of the InVEST nutrient retention model in the United Kingdom

［J］. Science of the Total Environment， 2018，610：666-677.

[7]

Hamel

， Chaplin-Kramer

， Sim

， et al.

A new approach to modeling the sediment retentioin service （InVEST 3.0）： Case study of the Cape Fear catchment， North Carolina， USA

［J］. Science of the Total Environment， 2015， 524：166-177.

[8]

Yang

， Liu

， Tang

L Y

， et al.

Estimation of water provision service for monsoon catchments of South China： Applicability of the InVEST model

［J］. Landscape and Urban Planning， 2019，182：133-143.

[9]

C H

， Fu

B J

Evolution of ecosystem services in the Chinese Loess Plateau under climatic and land use chagnes

［J］. Global and Planetary Change， 2013，101：119-128.

[10]

Zhuo

Jing

， He

Huijuan

， Zou

Jiye

Spatiotemporal variation of water conservation capacity in the Qinling Mountain in recent 15 years

［J］. Arid Zone Research， 2017，34（3）：604-612.

卓静，何慧娟，邹继业.

近15a秦岭林区水源涵养量变化特征

［J］.干旱研究区，2017，34（3）：604-612.

[11]

Ning

Yazhou

， Zhang

Fuping

， Feng

， et al.

Temporal and spatial variation of water conservation function in Qinling Mountain and its influencing factors

［J］. Cinese Journal of Ecology， 2020，39（9）：3080-3091.

宁亚洲，张福平，冯起，等.

秦岭水源涵养功能时空变化及其影响因素

［J］.生态学杂志，2020，39（9）：3080-3091.

[12]

Wang

Huiyuan

， Song

Jinxi

， Meng

Qing

Analysis of water conservation of Qinling Mountains

［J］. Journal of Soil and Water Conservation，2020，34（6）：211-218.

[本文引用: 4]

王辉源，宋进喜，孟清.

秦岭水源涵养功能解析

［J］.水土保持学报，2020，34（6）：211-218.

[本文引用: 4]

[13]

Fan

Yaning

， Liu

Kang

， Chen

Shanshan

， et al.

Spatial pattern analysis on water conservative functionality of land ecosystem in Northern slope of Qinling Mountains

［J］. Bulletin of Soil and Water Conservation，2017，37（2）：50-56.

[本文引用: 6]

范亚宁，刘康，陈姗姗，等.

秦岭北麓陆地生态系统水源涵养功能的空间格局

［J］.水土保持通报，2017，37（2）：50-56.

[本文引用: 6]

[14]

Liu

Xiaoqing

， Zhang

Zhenwen

， Shen

Binggang

， et al.

Estimation of economic values of water conservation function bu forest in Qinling National Ecology Function Zone

［J］. Bulletin of Soil and Water Conservation，2012，32（1）：177-180.

刘晓清，张振文，沈炳岗，等.

秦岭生态功能区森林水源涵功能的经济价值估算

［J］.水土保持通报，2012，32（1）：177-180.

[15]

Liu

， Guo

Jianbin

， Deng

Xiuxiu

， et al.

Evaluation of potential water conservation function of the soil of three land use types in Huoditang of Qinling Mountains， northwestern China

［J］. Journal of Beijing Forestry University， 2016，38（3）：73-80.

刘宇，郭建斌，邓秀秀，等.

秦岭火地塘林区3种土地利用类型的土壤潜在水源涵养功能评价

［J］.北京林业大学学报，2016，38（3）：73-80.

[16]

Pan

Liujie

， Zhang

Hongfang

Simulation and projection of climate change in Qinling and surrounding areas with NEX-BCC model

［J］. Advances in Earth Science，2018，33（9）：933-944.

潘留杰，张宏芳.

NEX-BCC模式对秦岭及周边地区气候变化的模拟及预估

［J］.地球科学进展，2018，33（9）：933-944.

[17]

Liu

Xianfeng

， Pan

Yaozhong

， Zhu

Xiufang

， et al.

Spatiotemporal variation of vegetation coverage in Qinling-Daba Mountains in relation to environmental factors

［J］. Acta Geographica Sinica， 2015，70（5）：705-716.

刘宪锋，潘耀忠，朱秀芳，等.

2000-2014年秦巴山区植被覆盖时空变化特征及其归因

［J］.地理学报，2015，70（5）：705-716.

[18]

Yingying

， Liu

Kang

， Hu

Sheng

， et al.

Water conservation functioin of Ziwuling Ecological Area in Shannxi Province

［J］. Arid Land Geography，2015，38（3）：636-642.

李盈盈，刘康，胡胜，等.

陕西省子午岭生态功能区水源涵养能力研究

［J］.干旱地理，2015，38（3）：636-642.

[19]

Zhang

Biao

， Li

Wenhua

， Xie

Gaodi

， et al.

Water conservation function and its measurement methods of forest ecosystem

［J］. Chinese Journal of Ecology，2009，28（3）：529-534.

张彪，李文华，谢高地，等.

森林生态系统的水源涵养功能及其计量方法

［J］.生态学杂志，2009，28（3）：529-534.

[20]

Mei

Xiaodan

， Li

Dan

， Wang

Qiang

，et al.

Spatial interpolation of precipitation grid data in Xiaoxing′anling Region based on ANUSPLIN

［J］.Geomatics & Spatial Information Technology，2021，44（12）：6-10.

梅晓丹，李丹，王强，等.

基于ANUSPLIN的小兴安岭地区降水格点数据空间插值

［J］.测绘与空间地理信息，2021，44（12）：6-10.

[21]

Zhang

Estimation of evapotranspiration in wheat area of Henan Province based on SEBS model

［D］.Zhengzhou：Zhengzhou University， 2019.

张宇

基于SEBS模型的河南省麦区蒸散发估算

［D］.郑州：郑州大学，2019.

[22]

Yang

Jinliang

Study on estimation of evapotranspiration in agriculture fields of liaocheng city based on SEBS model and remote sensing

［D］. Ji'nan：University of Jinan， 2021.

杨金梁

基于SEBS模型的聊城市农田蒸散发遥感估算研究

［D］.济南：济南大学，2021.

[23]

The Surface Energy Balance System （SEBS） for estimation of turbulent heat fluxes

［J］. Hydrology and Earth System Sciences， 2002，6（1）：85-99.

[24]

Xie

Qunxian

， Zuo

Dakang

， Tang

Dengyin

. Farmland Evaporatioin-Measurement and Calculation［M］. Beijing：China Meteorological Press， 1991：69-82.

谢群贤，左大康，唐登银.农田蒸发-测定与计算［M］.北京：气象出版社，1991：69-82.

[25]

Chen

Shanshan

Remote sensing analysis of urban evapotranspiration in Shanghai

［D］. Shanghai：East China Normal University， 2011.

陈姗姗

上海城市蒸散量的遥感分析

［D］.上海：华东师范大学，2011.

[26]

Yupeng

， Liang

Zhongmin

， Li

Binquan

，et al.

Revision of SCS runoff model in Weihe River Basin

［J］.Yellow River，2021，43（5）：24-29.

付宇鹏，梁忠民，李彬权，等.

SCS产流模型在渭河流域的修订研究

［J］.人民黄河，2021，43（5）：24-29.

[27]

Wang

， Huang

X D

， Deng

，et al.

Spatio-temporal change of snow cover and its response to climate over the Tibetan Plateau based on an improved daily cloud-free snow cover product

.［J］.Remote Sensing，2015，7（1）.DOI：10.3390/rs 70100169 .

[28]

Zhuo

Jing

， He

Huijuan

， Wang

Juan

Esimation of water conservation capacity in the Qinling Mountain

［J］. Journal of Shannxi Meteorology， 2015（3）：12-16.

卓静，何慧娟，王娟.

秦岭地区水源涵养能力评估

［J］.陕西气象，2015（3）：12-16.

[29]

Cao

Yelin

The spatio-temporal evolution of water conservation in Qinling Mountains and its response to climate

［D］. Xi'an：Northwest University， 2021.

曹叶琳

秦岭水源涵养时空演变及其对气候的响应

［D］.西安：西北大学，2021.