王大洋

(中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣東 廣州 510275)

精確地模擬地球表面的蒸散發(fā)對(duì)于深刻理解地表水循環(huán)過程和能量過程的變化規(guī)律具有重要意義[1-3]。與地球水循環(huán)的其他變量相比，地表蒸散發(fā)過程受到的影響因素更為復(fù)雜，如太陽(yáng)輻射、環(huán)境溫度、濕度、風(fēng)速、地表植被覆蓋和土壤濕度等。因此，準(zhǔn)確地描述蒸散發(fā)過程是一個(gè)十分具有挑戰(zhàn)性的課題。作為水文循環(huán)里的子過程，在水文模型里，對(duì)于蒸散發(fā)的計(jì)算相對(duì)比較簡(jiǎn)化，多數(shù)水文模型并不涉及能量過程，而只關(guān)注水循環(huán)。然而，地表能量循環(huán)過程中，對(duì)于到達(dá)地表的太陽(yáng)輻射，約48%的輻射量都被消耗于蒸散過程，這個(gè)過程中的汽化潛熱使地表約64%的降水得以重新進(jìn)入大氣，從而才有了地球最基本的水循環(huán)結(jié)構(gòu)[4-5]。

陸面模式(Land Surface Model,LSM)是用數(shù)學(xué)的公式和方法描述在太陽(yáng)輻射、大氣驅(qū)動(dòng)作用下的地表的生物物理、生物化學(xué)和生態(tài)等過程的模型。它涉及到地表水循環(huán)、能量循環(huán)、碳循環(huán)和氮循環(huán)等眾多方面，具有較為復(fù)雜而系統(tǒng)的結(jié)構(gòu)[6]。因此，陸面模式對(duì)于地表蒸散發(fā)過程的刻畫較水文模型更加具體和詳盡?，F(xiàn)有的陸面模式有很多，如美國(guó)的CLM(the Community Land Model)、NOAH(Unified Noah Land Surface Model)和NOAH-MP(Unified Noah Land Surface Model-Multiparameterization Options)，英國(guó)的JULES(the Joint UK Land Environment Simulator)，澳大利亞的CABLE(the Community Atmosphere Biosphere Land Exchange model)，德國(guó)的Max-Planck-Institute機(jī)構(gòu)研發(fā)的JSBASH模式，中國(guó)的CoLM(Common Land Model)。不同的模式對(duì)于地表蒸散發(fā)過程的參數(shù)化方案存在差異。但針對(duì)模式的實(shí)用性和可靠性而言，當(dāng)前使用最廣泛的當(dāng)屬美國(guó)的CLM陸面模式?；诖?，為了評(píng)估CLM陸面模式在中國(guó)地區(qū)的蒸散發(fā)模擬的適應(yīng)性，研究選取了珠江流域，對(duì)CLM模式在該流域的蒸散發(fā)模擬效果進(jìn)行評(píng)價(jià)，從而為更好地發(fā)展和完善模式提供參考。

1 陸面模式及驗(yàn)證數(shù)據(jù)

1.1 陸面模式及模擬參數(shù)

CLM5(Community Land Model,version 5)是由美國(guó)國(guó)家大氣研究中心(National Center for Atmospheric Research,NCAR)開發(fā)的陸面地表模型。它是基于LSM、IAP94和BATS 3個(gè)模式逐漸發(fā)展起來的[7-9],CLM5是CLM陸面模式的第5版，也是最新的版本，于2018年正式發(fā)布。CLM模式發(fā)展源于1996年，通過20多年的更新和迭代，發(fā)展成為了一個(gè)涵蓋地表水文循環(huán)、能量循環(huán)、碳循環(huán)、氮循環(huán)等眾多復(fù)雜地表過程的陸面模式[6]。

CLM5對(duì)于蒸散發(fā)的模擬有詳細(xì)的基于物理過程的參數(shù)化方案，其對(duì)于地表蒸散發(fā)所涉及的植被截留蒸發(fā)、土壤蒸發(fā)、植被蒸騰、水面蒸發(fā)和雪升華等過程都進(jìn)行獨(dú)立計(jì)算，以水量平衡和能量平衡為基本原理進(jìn)行描述。例如，模式中的植被截留蒸發(fā)過程除了考慮最基本的氣象條件外，還考慮了植被類型、葉面積指數(shù)、葉片水量承重等要素；植被蒸騰過程則是根據(jù)氣象條件、植被葉片溫度、氣孔阻抗、植被水力傳導(dǎo)和水分利用效率等多種因素而確定；土壤蒸發(fā)則考慮了土壤含水量、土壤溫度、土壤質(zhì)地和類型等要素；各個(gè)部分的詳盡參數(shù)化方案及模塊的數(shù)值化描述，可以見模式官方技術(shù)手冊(cè)https://escomp.github.io/ctsm-docs/versions/release-clm5.0/html/tech_note/index.html。

CLM5陸面模式的運(yùn)行需要有氣象強(qiáng)迫數(shù)據(jù)作為外界驅(qū)動(dòng)，本研究的氣象驅(qū)動(dòng)數(shù)據(jù)來源于歐洲中期天氣預(yù)報(bào)中心(European Centre for Medium-Range Weather Forecasts,ECMWF)發(fā)布的基于ERA5再分析數(shù)據(jù)改進(jìn)的氣象驅(qū)動(dòng)數(shù)據(jù)[10]，其中包含了太陽(yáng)短波輻射、氣溫、氣壓、比濕、風(fēng)速、降水、降雪和下行長(zhǎng)波輻射等8個(gè)氣象因子，以此作為CLM5模式的氣象驅(qū)動(dòng)。該驅(qū)動(dòng)數(shù)據(jù)的空間分辨率為0.5°，時(shí)間分辨率為1 h，涵蓋了1980—2018年共38年的數(shù)據(jù)。為保證模式的穩(wěn)定運(yùn)行，本研究以1980—1988年作為Spin-up時(shí)段，以1989—2018年的蒸散發(fā)模擬結(jié)果作為研究評(píng)價(jià)的基礎(chǔ)，設(shè)置模式輸出的時(shí)間頻率為逐月輸出，空間分辨率為0.5°。

1.2 驗(yàn)證數(shù)據(jù)

GLEAM(Global Land Surface Evaporation Amsterdam Model)數(shù)據(jù)[11-12]是由英國(guó)布里斯托大學(xué)地理科學(xué)學(xué)院Miralles博士研發(fā)的遙感蒸散發(fā)產(chǎn)品，數(shù)據(jù)可以公開免費(fèi)獲取，其地址為https://www.gleam.eu/#datasets。此產(chǎn)品以Priestley-Taylor公式為基礎(chǔ)，借助多顆衛(wèi)星觀測(cè)數(shù)據(jù)反演得到，GLEAM用于反演蒸散發(fā)的模塊包括Gash截留模塊、Priestley-Taylor潛在蒸發(fā)模塊、考慮根區(qū)含水和植被光學(xué)厚度的蒸發(fā)脅迫壓力模塊、和土壤濕度模塊等4個(gè)模塊。產(chǎn)品的空間分辨率約25 km，時(shí)間分辨率分為日、月尺度，通過不斷更新迭代，現(xiàn)發(fā)展至V3.5版本。

本研究選取GLEAM的1989—2018共30年的實(shí)際蒸散發(fā)(Actual Evaporation)，主要包括截留蒸發(fā)、土壤蒸發(fā)、植被蒸騰、水面蒸發(fā)和雪升華等組分。其中，水面蒸發(fā)和雪升華量非常小，與其他組分存在數(shù)量級(jí)上的差異。因此，截留蒸發(fā)、土壤蒸發(fā)和植被蒸騰三者占據(jù)蒸散發(fā)總量的絕大部分。對(duì)于GLEAM蒸散發(fā)產(chǎn)品，2017年Yang等[13]對(duì)其在中國(guó)區(qū)域的適用性進(jìn)行過詳細(xì)分析評(píng)價(jià)，因此本研究不再對(duì)其在珠江流域的適用性單獨(dú)評(píng)價(jià)。此外，最近多項(xiàng)研究表明，GLEAM在多個(gè)蒸散發(fā)遙感產(chǎn)品中表現(xiàn)效果最佳[14]，因此，研究以GLEAM作為蒸散發(fā)真值參考數(shù)據(jù)是有信心的。為了和CLM5的模擬輸出結(jié)果的分辨率相匹配，將GLEAM的數(shù)據(jù)采用幾何平均的方式進(jìn)行升尺度處理為空間分辨率為0.5°的網(wǎng)格。

2 研究區(qū)概況及評(píng)價(jià)指標(biāo)

2.1 驗(yàn)證數(shù)據(jù)

珠江流域(圖1)位于中國(guó)南部邊陲，是中國(guó)第三大流域，華南第一大流域。流域內(nèi)地勢(shì)北高南低、西高東低，呈現(xiàn)從西北向東南傾斜的趨勢(shì)。流域涉及廣東、廣西、江西、湖南、貴州和云南等多個(gè)省(自治區(qū))，總面積約為45萬km2。流域內(nèi)分布有東江、西江、北江等三大水系，自西向東分別跨越了云貴高原、兩廣丘陵和珠江三角洲平原，其中，丘陵地貌占比超過了流域總面積的90%。流域?qū)儆跓釒Ш蛠啛釒Ъ撅L(fēng)氣候，多年平均氣溫為14～22℃，水資源量較豐沛，多年平均降水量為1 300 mm，多年平均徑流約為3 412 m3。

圖1 珠江流域地理高程

2.2 評(píng)價(jià)指標(biāo)

研究分別選取相對(duì)誤差(RB)、均方根誤差(RMSE)和相關(guān)系數(shù)(R)作為評(píng)價(jià)CLM5蒸散發(fā)模擬表現(xiàn)的指標(biāo)，其計(jì)算原理為：

(1)

(2)

(3)

(4)

(5)

3 研究結(jié)果

以GLEAM數(shù)據(jù)為參考，對(duì)CLM5在珠江流域的蒸散發(fā)模擬表現(xiàn)進(jìn)行評(píng)價(jià)，評(píng)價(jià)分別從時(shí)間和空間2個(gè)方面開展。

3.1 蒸散發(fā)的時(shí)間尺度模擬效果評(píng)價(jià)

圖2a展示了1989—2018年CLM5和GLEAM的年平均變化趨勢(shì)。由圖可知，CLM5模擬的蒸散發(fā)總體呈現(xiàn)出低估的趨勢(shì)，流域多年平均蒸散發(fā)為1.89 mm/d(合計(jì)690 mm/a，一年按365 d計(jì))，GLEAM遙感數(shù)據(jù)的多年平均蒸散發(fā)為2.24 mm/d(合計(jì)818 mm/a)，模擬的相對(duì)誤差為 -16.07%。其中，最嚴(yán)重的低估發(fā)生在2015年，其相對(duì)誤差為-21.59%；模擬最好的年份為1991年，其低估的相對(duì)誤差為-10.09%。從蒸散發(fā)逐年的變化可以看出，CLM模擬的蒸散發(fā)在近30年的變化呈現(xiàn)出平穩(wěn)的態(tài)勢(shì)，而GLEAM遙感觀測(cè)值則呈現(xiàn)出輕微上升的趨勢(shì)，這一趨勢(shì)在2010年之后變得明顯。圖2b顯示了流域內(nèi)各個(gè)網(wǎng)格的逐年的蒸散發(fā)對(duì)比情況，從散點(diǎn)圖的分布可以看出，大部分的散點(diǎn)位于1∶1參考線的上側(cè)，表明珠江流域總體上呈現(xiàn)蒸散發(fā)觀測(cè)值大于模擬值的現(xiàn)象，說明在年尺度上，CLM5對(duì)蒸散發(fā)的模擬表現(xiàn)為低估，這與圖2a中蒸散發(fā)的逐年變化結(jié)果是一致的。

a)流域逐年蒸散發(fā)變化

為了進(jìn)一步探究CLM5模擬出現(xiàn)低估的原因，將1989—2018年逐月的模擬值和實(shí)測(cè)值進(jìn)行繪制，見圖2c。從這360個(gè)月的變化曲線不難看出，CLM5能夠較好地模擬蒸散發(fā)的季節(jié)性變化趨勢(shì)，其季節(jié)性波動(dòng)規(guī)律和GLEAM數(shù)據(jù)基本一致，峰值和谷值的出現(xiàn)時(shí)間也基本同步。此外，從圖中還可以發(fā)現(xiàn)，CLM5對(duì)于蒸散發(fā)的峰值模擬較谷值更為準(zhǔn)確，尤其是在2000年以前，CLM5能很好地捕捉到蒸散發(fā)的峰值；2000—2018年，CLM5對(duì)于峰值模擬稍微出現(xiàn)了低估，但相差不大。相反地，CLM5對(duì)于谷值的模擬則差強(qiáng)人意，整體均表現(xiàn)為低估，且這種低估程度隨著年份呈現(xiàn)出愈加嚴(yán)重的趨勢(shì)。上述蒸散發(fā)的對(duì)比分析表明，CLM5在蒸散發(fā)量較大的月份表現(xiàn)較為出色，在蒸散發(fā)量較小的月份則表現(xiàn)遜色。

研究將30年逐月的蒸散發(fā)模擬值和觀測(cè)值進(jìn)行比較，將散點(diǎn)對(duì)比結(jié)果繪制于圖3。由圖可知，CLM5在12個(gè)月份均表現(xiàn)出低估的現(xiàn)象，且這種低估在不同月份之間表現(xiàn)出明顯的差異。最嚴(yán)重的低估發(fā)生在5月，其相對(duì)誤差為 -64.27%。相比之下，9月份的相對(duì)誤差最小，其值為 -11.01%。對(duì)于RMSE，其最小值出現(xiàn)在10、11月，均為0.33 mm/d；最大值出現(xiàn)在5月份，其值為0.68 mm/d。12個(gè)月的蒸散發(fā)模擬值和觀測(cè)值的相關(guān)系數(shù)位于0.55～0.84之間，其中，相關(guān)性最高的月份為12月，最低的月份為10月，大部分月份的相關(guān)系數(shù)保持在0.65以上，表明模擬值和觀測(cè)值的相關(guān)性良好。

圖3 CLM5與GLEAM在1989—2018年的蒸散發(fā)逐月散點(diǎn)對(duì)比

續(xù)圖3 CLM5與GLEAM在1989—2018年的蒸散發(fā)逐月散點(diǎn)對(duì)比

綜合比較各月的散點(diǎn)圖分布可知，CLM5在蒸散發(fā)模擬時(shí)表現(xiàn)的低估是存在普遍性的，因此大多數(shù)月份的散點(diǎn)圖集中在1∶1參考線的上側(cè)。但值得注意的是，在從6月份向10月份的轉(zhuǎn)變過程中，每月蒸散發(fā)量逐漸增大(圖中表現(xiàn)為散點(diǎn)逐漸向右上角移動(dòng))，其散點(diǎn)圖的分布也逐漸向1∶1參考線靠攏，逐漸均勻地分布在參考線附近，表明該時(shí)期的模擬值呈現(xiàn)漸好的趨勢(shì)。此外，這一轉(zhuǎn)變過程中，雖然蒸散發(fā)量在逐漸增大，但RMSE卻表現(xiàn)為明顯的減小趨勢(shì)，這進(jìn)一步說明了CLM5效果向好的轉(zhuǎn)變態(tài)勢(shì)。總體而言，CLM5在蒸發(fā)量大的暖季模擬表現(xiàn)較蒸散發(fā)小的冷季好，夏、秋兩季的模擬效果好于冬、春季的模擬效果。

3.2 蒸散發(fā)的空間分布模擬效果評(píng)價(jià)

圖4顯示了CLM5和GLEAM在珠江流域蒸散發(fā)的多年平均分布情況。從圖可以看出，CLM5能較好地模擬蒸散發(fā)在珠江流域的空間分布形態(tài)。蒸散發(fā)基本表現(xiàn)為東高西低、南高和北低的特點(diǎn)。比較之下，模擬值整體上比觀測(cè)值小，呈現(xiàn)為不同程度的低估，這與時(shí)間分析結(jié)果一致。從低估的空間分布看，最明顯的低估發(fā)生在流域的中北地區(qū)，該區(qū)域部分地區(qū)的相對(duì)誤差超過了-30%。流域南部地區(qū)的低估程度最小，這些區(qū)域的相對(duì)誤差基本都在-10%以內(nèi)，表明CLM5在該區(qū)域模擬表現(xiàn)較好。值得注意的是，這些區(qū)域的多年蒸散發(fā)量較其他區(qū)域大，表明CLM5對(duì)于蒸散發(fā)量大的地區(qū)模擬效果更佳，這與時(shí)間分析的結(jié)果也相同。CLM5模擬的多年平均蒸散發(fā)的相對(duì)誤差為-15.55%，RMSE為0.39 mm/d。

a)CLM5(mm/d)1.89

為了更好地分析蒸散發(fā)的年內(nèi)各月空間分布情況，將模擬值和觀測(cè)值的各個(gè)月份的多年平均值及相對(duì)誤差結(jié)果分別繪制于圖5—7中。從圖5可知，模擬的蒸散發(fā)在各個(gè)月份的空間變化和年平均結(jié)果具有相似性，同時(shí)也存在一定的差異。其相似性表現(xiàn)為從空間分布來看，呈現(xiàn)出從東南向西北遞減的趨勢(shì)，這種趨勢(shì)在9—11月表現(xiàn)得尤為突出。從各月的分布情況來看，各月的蒸散發(fā)量變化劇烈，8月的蒸散發(fā)量最大，流域內(nèi)各地區(qū)的蒸散發(fā)量均在2.0 mm/d以上，其多年月平均值為3.03 mm/d，它是蒸散發(fā)量最小的1月份的4.2倍。各月份中，空間變異最大的為10月份，從該月的蒸散發(fā)空間分布可知，其最小值位于流域西北角，蒸散發(fā)量約為0.8～1.2 mm/d，而流域東南角的蒸散發(fā)量高達(dá)2.8～3.2 mm/d。結(jié)合圖3各月散點(diǎn)信息可知，10月份的點(diǎn)集分布較為離散，這一定程度佐證了該月空間變異大的分布特性。蒸散發(fā)最小的月份為1月，且該月的蒸散發(fā)空間上變化不大，基本維持在 0.8～1.2 mm/d，這可能與1月份冬季較低的氣溫有關(guān)。此外，值得注意的是流域西北的部分區(qū)域在1月份的蒸散量出現(xiàn)極端低值，其值小于0.4 mm/d。

圖5 CLM5在1989—2018年的蒸散發(fā)各月平均空間分布

續(xù)圖5 CLM5在1989—2018年的蒸散發(fā)各月平均空間分布

與GLEAM相比，CLM5模擬的蒸散發(fā)各月的結(jié)果與GLEAM觀測(cè)值在空間分布上較為類似，但呈現(xiàn)整體性的低估。就低估程度而言，最顯著的低估發(fā)生在2月份，其相對(duì)誤差為 -42.09%，該月中流域內(nèi)大部分區(qū)域的相對(duì)誤差都在 -40%以上，低估較為明顯。相反地，CLM5表現(xiàn)最好的月份為7月，流域內(nèi)大部分地區(qū)的相對(duì)誤差都維持在±10%以內(nèi)，流域空間平均相對(duì)誤差和RMSE值都較小，分別為 -2.79%和0.41 mm/d。此外，6、8、 9月的相對(duì)誤差也都較小，均控制在 -10%以內(nèi)。值得注意的是，雖然各個(gè)月份總體上呈現(xiàn)出低估的表現(xiàn)，但在蒸散發(fā)量較大的6—10月，流域的西北地區(qū)和中南地區(qū)仍存在輕微的高估現(xiàn)象。例如，在7月份流域西北的部分地區(qū)，CLM5模擬的蒸散發(fā)高估約為10%～20%。

圖6 GLEAM在1989—2018年的蒸散發(fā)各月平均空間分布

圖7 CLM5與GLEAM在1989—2018年的蒸散發(fā)各月平均相對(duì)誤差的空間分布

3.3 討論

a)蒸散發(fā)谷值偏低的討論。從流域的月平均時(shí)間序列可以看出，導(dǎo)致蒸散發(fā)出現(xiàn)系統(tǒng)性低估的來源是CLM5對(duì)冷季蒸散發(fā)低值的模擬出現(xiàn)低估。究其原因，有2點(diǎn)值得進(jìn)一步探討。①CLM5的蒸散發(fā)模塊的計(jì)算原理是基于改進(jìn)的Penman-Monteith公式，該公式在計(jì)算蒸散發(fā)時(shí)主要分為2項(xiàng)：輻射因素控制項(xiàng)和大氣因素控制項(xiàng)。其中后者主要取決于近地表的飽和水汽壓差和空氣動(dòng)力學(xué)阻抗。地表水汽壓差與溫度有關(guān)，而空氣動(dòng)力學(xué)阻抗的計(jì)算則和地表土地利用類型和下墊面的植被情況有關(guān)。在全球變暖的背景下，溫度逐漸升高的趨勢(shì)愈發(fā)顯著，且不同季節(jié)的增幅表現(xiàn)出明顯不同。根據(jù)劉綠柳等[15]對(duì)珠江流域近50年的氣候變化研究顯示，在季節(jié)性增溫中，冬季的增溫貢獻(xiàn)是最大的，夏季相對(duì)較低。而驅(qū)動(dòng)CLM5的氣象驅(qū)動(dòng)數(shù)據(jù)可能未能較好地體現(xiàn)出這一季節(jié)性的增長(zhǎng)趨勢(shì)，這將直接影響到模式對(duì)冷季蒸散發(fā)的模擬，如此可能導(dǎo)致模式在冷季出現(xiàn)低估。②在冷季，植被的存在可能會(huì)對(duì)地表起一定程度的“保溫”效果，這種效果使得地表溫度比無植被覆蓋時(shí)偏高，進(jìn)而導(dǎo)致蒸散發(fā)增加。而模式的參數(shù)化方案并不能較好地描述這一過程。此外，從王大洋[16]對(duì)珠江流域的廣東省近30年NDVI數(shù)據(jù)分析顯示，廣東省的NDVI呈現(xiàn)明顯的上升趨勢(shì)，表明其植被覆蓋正在增加。而在模式中，地表數(shù)據(jù)是基于某一歷史時(shí)期的靜態(tài)數(shù)據(jù)，而非動(dòng)態(tài)模擬。在冷季，植被的存在對(duì)地表的保溫作用使得地表的蒸散發(fā)過程變得更加復(fù)雜，而這種植被所帶來的保溫作用似乎也不能被模式模擬到，這可能也是導(dǎo)致模式在冷季表現(xiàn)出蒸散發(fā)低估的原因。

b)蒸散發(fā)變化趨勢(shì)的討論。隨著全球變暖，蒸散發(fā)也呈現(xiàn)出明顯增加的趨勢(shì)。Pascolini等[1]于2021年發(fā)表在Nature期刊上的文章顯示，在2003—2019年間，全球蒸散發(fā)量增加了10%。因此，全球變暖引起蒸散發(fā)的增加逐漸成為不爭(zhēng)的事實(shí)。借助衛(wèi)星遙感技術(shù)，蒸散發(fā)的增加趨勢(shì)可以被較好的捕捉到。從本文研究結(jié)果可知，在珠江流域，基于遙感觀測(cè)的GLEAM數(shù)據(jù)是存在上升趨勢(shì)的，而這一趨勢(shì)并未能被CLM5陸面模式捕捉到，CLM5模擬結(jié)果表現(xiàn)為平穩(wěn)的態(tài)勢(shì)。原因可能是多方面的，如輸入氣象驅(qū)動(dòng)場(chǎng)數(shù)據(jù)的不確定性、地表數(shù)據(jù)的精度、模式中參數(shù)化方案的科學(xué)性以及人類活動(dòng)的影響等。

4 結(jié)論

研究采用CLM5陸面模式對(duì)珠江流域1989—2018年地表過程進(jìn)行模擬，以基于GLEAM的遙感觀測(cè)數(shù)據(jù)為參考數(shù)據(jù)，對(duì)CLM5的蒸散發(fā)模擬表現(xiàn)進(jìn)行評(píng)價(jià)，主要得到以下結(jié)論。

a)時(shí)間上，CLM5能較好地模擬流域內(nèi)蒸散發(fā)的季節(jié)性變化規(guī)律。然而，CLM5模擬的蒸散發(fā)量總體呈現(xiàn)低估的表現(xiàn)，但低估程度并不嚴(yán)重，多年平均相對(duì)誤差為-16.07%。低估的原因主要來自于對(duì)冷季蒸散發(fā)低值的低估。CLM5對(duì)暖季蒸散發(fā)量高值的模擬則比較準(zhǔn)確。

b)空間上，CLM5基本能較好地模擬流域的蒸散發(fā)空間分布形態(tài)，其對(duì)流域東南部、中南部和西部部分區(qū)域的模擬效果較其他區(qū)域更佳，對(duì)流域中北部部分地區(qū)模擬表現(xiàn)較差。

c)蒸散發(fā)涉及到流域水循環(huán)和能量循環(huán)等諸多方面、同時(shí)又受到人類活動(dòng)的影響，要現(xiàn)實(shí)對(duì)其精準(zhǔn)的模擬仍需要付出持續(xù)的努力。