在塔克拉玛干沙漠大规模部署光伏发电系统可能会加剧该地区的水资源压力

《Science Bulletin》：Large-scale photovoltaic deployment in the Taklamakan Desert could intensify regional water stress

　　谢婷婷|卢正瑶|黄伟|唐静|欧婷海|陈德良|陈发虎
塔里木大学生态环境保护与修复研究所，阿拉尔843300，中国

**摘要**
中国西北部的干旱气候和脆弱的生态系统正在变得更为湿润和绿色。然而，该地区光伏（PV）基础设施的迅速扩张改变了陆地-大气相互作用，可能对当地气候和水资源产生潜在影响。本文采用结合气候和动态植被建模的方法，评估了假设在塔里木盆地部署光伏电站的影响。塔里木盆地是世界上第二大流动沙漠的所在地。研究发现，大规模的光伏设施可能会显著减少人口密集地区的水资源，径流、降水量和干旱指数分别减少了30%以上，土壤湿度也下降了8.5%。高效光伏面板增加了地表反照率，导致地表冷却和反气旋环流增强，从而抑制了降水并引发了植被退化。这种植被反馈通过改变反照率和蒸散作用加剧了干旱。这些结果凸显了在未来的研究中纳入植被反馈的重要性，以全面评估光伏对水文的影响，并强调了在中国西北部进行大规模太阳能项目时需要谨慎规划，以减轻相关的环境风险。

**1. 引言**
自20世纪80年代以来，中国西北部经历了“变暖和湿润”的趋势，表现为降水量、径流、湖泊水位和植被覆盖度的增加[1] [2] [3]。这一气候和生态改善现象自20世纪90年代以来加速[4] [5]，但该地区的干旱气候、脆弱的生态系统、稀缺的水资源以及对外部干扰的敏感性基本没有改变[6]。
根据“十四五现代能源系统规划”，中国西北部正在快速扩展大规模光伏（PV）项目，包括三个10吉瓦级别的可再生能源基地[7] [8]。塔里木盆地作为世界上第二大流动沙漠的所在地，由于其广阔的地形、高太阳辐射和独特的水文特征，为这类项目提供了理想的条件[9] [10] [11]。然而，关于该地区大规模光伏开发环境影响的研究仍然有限。塔里木盆地的水资源对环境和气候变化极为敏感，对人类居住区尤为重要。大多数人口居住在沙漠边缘，部分社区位于水资源可获得的内陆地区。因此，水资源的变化可能严重影响当地生计和社会经济活动。为此，实施了“阻挡塔克拉玛干沙漠边缘”等倡议，旨在保护这些脆弱的生态系统[12]。这些因素使得塔里木盆地成为研究大规模光伏部署环境影响的关键区域。

太阳能作为一种清洁和可再生的资源，在减少温室气体排放和过渡到化石燃料方面发挥着至关重要的作用[13] [14] [15]。沙漠地区具有高太阳辐射和广阔的土地，非常适合大规模光伏设施的安装[16] [17] [18]。随着太阳能项目规模的扩大，其对气候和陆地生态系统的影响变得不可忽视[19] [20] [21]。然而，之前的实地观察、卫星遥感和模型模拟揭示了沙漠太阳能农场复杂的但深远的影响[22] [23] [24]。例如，一些研究表明，大规模光伏设施可能导致“光伏热岛效应”，导致局部温度上升，并进一步对沙漠灌木植物群落产生负面影响，从而降低生物多样性[25] [26] [27]。相反，其他研究表明，光伏面板的安装可以显著降低平均当地温度，尤其是在白天，并提高干旱地区的植被恢复力[28] [29] [30]。这些相互矛盾的结果强调了光伏面板对区域气候和陆地生态系统影响的复杂性，这通常取决于当地地形、微气候和光伏板条件，以及实地观察和遥感在分离光伏设施特定影响方面的局限性。此外，地表温度、风速和湿度变化引起的反馈效应进一步复杂化了光伏面板对周围气候和生态系统动态的影响[31] [32]。为应对这些挑战，一些研究利用全耦合地球系统模型研究了撒哈拉沙漠中假设的光伏板的影响，结果显示某些地方出现了降水量增加和植被改善等积极效果[33] [34]，但在其他地方则由于大气环流变化而产生了不利影响[34]。尽管撒哈拉沙漠和塔里木盆地之间的空间尺度和气候背景存在显著差异，但这些全球模型研究提高了我们对大规模沙漠太阳能农场引起的重要气候-生态系统反馈的理解。然而，它们的粗分辨率可能会忽略关键天气细节，并限制了捕捉沙漠与周边地区之间细微相互作用的能力[35] [36]。此外，尽管大规模光伏农场的气候和生态影响受到了广泛关注，但它们对区域水资源的影响仍然是可持续性研究中一个关键但尚未充分探索的方面。光伏阵列可以通过改变地表能量平衡、拦截降水、改变植被分布以及改变土壤热状态和湿度条件，直接干扰关键的水文过程（如蒸发和径流）[37] [38]。这些影响不是孤立发生的，而是通过陆地-大气耦合过程得到放大，最终影响到区域水资源系统。值得注意的是，明确研究光伏设施对水资源影响的研究仍然有限。因此，系统地探究将光伏引起的气候-生态系统变化与区域水资源联系起来的机制是一个重要的科学问题。

在本研究中，我们探讨了大规模光伏部署可能如何影响塔里木盆地的气候、陆地生态系统及其相互作用，进而影响水资源。与以往依赖实地观察、遥感或粗分辨率全球气候模型的研究相比，本研究采用高分辨率、基于过程的建模框架，在区域尺度上明确解析了地表-植被-大气相互作用，从而推进了现有知识。我们使用了天气研究和预报模型（WRF）与隆德-波茨坦-耶拿通用生态系统模拟器（LPJ-GUESS）的离线耦合，后者是一种动态的全球植被模型（DGVM），模拟了2016-2020年间在一系列现实、未来和极端光伏情景下大规模光伏设施的影响。我们设计了5个敏感性实验，基于光伏面板的反射率和效率，分别设置为0.1925（S19，当前低转换效率0.15）、0.335（S335，未来高转换效率0.3），以及三个极端情景：0.62（S62，极高转换效率0.6）、0.905（S905，极高转换效率0.9，即“白色面板”）和0.05（S05，极低转换效率0.05，即“黑色面板”）。这些敏感性实验与对照模拟（Ctrl）进行了比较，以系统地探索气候和生态系统对光伏部署的敏感性和非线性反应。根据耦合方法（见在线图S1），我们可以量化WRF（WRF2）/LPJ-GUESS（LPJ-GUESS2）中仅由光伏面板引起的气候/植被反应，以及WRF（WRF3）中由植被反馈进一步放大的气候影响（详见方法部分）。这种综合方法使我们能够定量归因于光伏引起的气候、生态系统和水资源的变化，从而为在中国西北部干旱和半干旱地区可持续部署大规模太阳能基础设施提供机制上的见解和政策指导。

**2. 数据和方法**
**2.1. 数据来源**
本研究使用了四个气候数据集和一个植被数据集，所有数据集覆盖了2016-2020年期间。气候数据集包括：（1）由中国气象局通过超过2400个地面气象站的插值构建的月度分辨率CN05.1数据集（温度和降水），空间分辨率为0.25°×0.25°[39]；（2）东英吉利大学气候研究单位提供的CRU TS4.05数据集（温度和降水），空间分辨率为0.5°×0.5°[40]；（3）全球降水气候中心提供的GPCC降水数据，空间分辨率为0.25°×0.25°[41]；（4）欧洲中期天气预报中心（ECMWF）提供的ERA5再分析数据集，空间分辨率为0.25°×0.25°，为WRF模型提供了所有必要的气象强迫数据。北京师范大学开发的全球陆地表面卫星（GLASS）数据集提供了空间分辨率为0.05°×0.05°的全球叶面积指数（LAI）数据，被认为非常可靠[42] [43]。用于驱动LPJ-GUESS模型的土壤属性数据（包括沙子、淤泥和粘土的比例）来自WISE30min 3.0全球土壤数据集[44] [45]。

**2.2. 方法**
**2.2.1. 气候和生态系统模型**
WRF模型（版本4.2.2）在气候模拟中表现出高准确性，广泛应用于实时天气预报、区域气候研究和理想化数值模拟[46] [47] [48]。在本研究中，WRF模型设置了单层网格嵌套，覆盖范围大约在35°N至50°N和70°E至100°E之间，空间分辨率为9公里，时间分辨率为6小时，使用35个垂直层，最顶层为50百帕。以其高分辨率和准确性著称的ERA5再分析数据集被用作模型的初始和边界条件。模拟期从2015年12月1日00:00持续到2020年12月31日18:00，第一个月用于模型调试，以使模型达到平衡状态。选定的参数化方案包括汤普森微物理方案、快速辐射传输模型（RRTM）长波辐射方案、杜迪亚短波辐射方案、莫宁-奥布霍夫地表层方案、诺亚陆地表面方案、凯恩-弗里奇积云参数化方案以及梅洛尔-山田中西（MYNN）2.5层湍流动能（TKE）边界层方案。

LPJ-GUESS包含了木质和草本植被的个体和斑块表示，并包含对关键植物生理过程的明确过程描述[49] [50] [51]。它广泛应用于陆地生态系统结构和功能的研究中[49] [52]，特别是在干旱和半干旱生态系统[53] [54]中。先前的DGVM对比和评估研究表明，LPJ-GUESS模拟的稳健性是有价值的。尽管由于过程表示和参数化的差异，不同模型在干旱生态系统响应上存在显著差异，但这些研究一致表明，LPJ-GUESS的表现与其他广泛使用的DGVM在干旱和半干旱地区相当。因此，尽管仍存在不确定性且缺少多模型集合，但LPJ-GUESS在本研究中模拟的植被反应仍在现有DGVM对比报告的合理范围内，而不是代表极端模型行为[53] [55] [56]。

我们还验证了WRF和LPJ-GUESS在模拟中国西北部气候和植被特征方面的准确性。结果表明，Ctrl能够有效再现当前气候状态下的气候和植被变化（表S1，在线图S2-S4）。

**2.2.2. 离线耦合方法**
由于标准WRF中的植被是静态的而不是动态的，我们通过离线耦合将LPJ-GUESS中动态模拟的植被纳入WRF，以分析太阳能光伏板的气候-生态效应。具体来说，WRF模型的6小时分辨率输出（包括温度、降水和短波辐射）首先经过缩放变换。这些变换后的WRF输出与预先准备的数据集（如纬度和经度、氮沉积和土壤质地相关数据）结合，形成边界条件以驱动LPJ-GUESS模型，从而模拟植被对初始气候变化的响应。随后，LPJ-GUESS的输出（包括地表反照率、LAI、光合有效辐射（FPAR）的植被比例、土壤温度和土地利用）被处理并用于替代WRF的相应输入数据。通过使用这些更新后的参数重新运行WRF，我们能够捕捉到由光伏安装触发的植被对气候的反馈效应。这种双向离线耦合过程如图S1（在线）所示，其中WRF1和LPJ-GUESS1代表对照模拟。更进一步，WRF2和LPJ-GUESS2代表仅考虑光伏影响的气候和植被变化。WRF3代表在光伏和植被反馈共同影响下的区域气候变化。

**2.2.3. 太阳能农场模拟**
在本研究中，我们选择了中国最大的沙漠地区塔里木盆地作为实验区域，模拟太阳能光伏板的安装（在线图S5a，橙色区域）。模拟排除了基于三个地理限制不适合光伏板建设的区域（在线图S5b[57]）。首先排除了受法律保护的地区，包括自然保护区及其10公里的缓冲区。其次，也排除了森林地带。这两项约束条件被用来最小化大规模光伏部署可能带来的生态扰动。第三，坡度大于30°的地区被排除在外，以将光伏建设限制在相对平坦的地形上，确保工程的可行性。土地利用数据来源于欧洲空间局（ESA），其空间分辨率为300米，而坡度数据则来自美国地质调查局（USGS）的高程数据集，空间分辨率为1公里。根据在塔里木盆地多个光伏电站进行的实地调查（图未显示），我们可以合理假设光伏板下方没有植被，从而排除了光伏覆盖区域内的植被反馈。尽管如此，LPJ-GUESS2模拟中仍然显示了植被变化，因为这些变化提供了关于光伏引起的植被响应的宝贵见解。在这个假设下，在离线耦合框架内，当LPJ-GUESS2的输出变量被反馈到WRF（WRF3）中时，更新仅应用于非光伏覆盖的区域，而光伏覆盖的网格部分则保持从LPJ-GUESS1得到的基准地表条件。为了模拟光伏板安装对地表特征的影响，我们在模型中固定了有效反照率来表示光伏板的位置。有效反照率用于表征未被光伏板覆盖区域中不会对地表加热产生贡献的入射短波辐射的净比例。它反映了面板反射辐射和通过发电消耗太阳能的综合作用。具体来说，一部分入射短波辐射直接反射到大气中，另一部分被光伏板吸收并转化为电能，从而减少了局部地表加热。在WRF模型中，这种效果通过修改地表反照率来体现，以考虑光伏安装的存在。这种方法在模型中易于实现，有效地捕捉了光伏安装引起的主要辐射扰动，并且在之前的研究[31][33][34]中被广泛用作大规模太阳能电站的简化模型方案。在这个实验中，我们假设太阳能光伏板的典型反射率为0.05[58]。设计了六种不同有效反照率的模拟情景：Ctrl、S335、S62、S905、S19、S05。S19情景代表了光伏板退化（如灰尘）后的典型转换效率，大约为0.15[33][54]。S19对应的有效反照率计算为0.05+0.15×1-0.05=0.1925，即不会在局部产生热量的太阳辐射部分。随着技术的进步，实验室测试记录了光伏板转换效率的稳步提高，达到了0.2到0.4以上。然而，在实际应用中，外部因素如灰尘或高温操作可能导致效率损失。因此，假设随着技术的进一步发展，实际转换效率为0.3[59][60]。相应的，有效反照率为0.335，这代表了一个接近未来的情景（S335）。尽管盆地内大部分地区是沙漠，但也有草地、灌木和河流分布在沙漠周围和内部。因此，模型模拟的盆地年均地表反照率范围在0.13到0.33之间，区域平均约为0.21[61][62]。因此，转换效率为0.3和0.15的光伏板分别导致地表有效反照率高于和略低于背景反照率，为比较分析提供了基础。为了人为增强强迫信号并产生更明显的气候和生态影响，设计了三种额外的极端情景与现实情景进行对比，以理解强迫机制。这些情景包括转换效率高达0.6和0.9的情景，对应的有效反照率分别为0.62（S62）和0.905（“白色面板”）。其中S905类似于几乎完全反射的白板，几乎所有太阳辐射都被反射回大气中。最后一个极端情景S05假设所有能量都以热的形式散发，有效反照率等同于面板本身的反射率（0.05），意味着95%的太阳辐射被地表吸收，类似于“黑色面板”几乎吸收所有入射的太阳辐射。

2.2.4. 水文气候变量的诊断方法
除了基本统计分析外，该研究还采用了其他诊断方法，包括计算水汽通量（Q=1g∫ps300hPaqV?dp），其中g是重力（m s?2），ps是地表压力（Pa），V是水平速度（m s?1），q是比湿（kg kg?1），Q代表水汽通量（kg m?1 s?1）。干旱指数定义为AI=P/PET，其中PET使用FAO Penman–Monteith公式计算：PETfao=0.408sRn?+γ900T+273uDs+γ{1+u[0.34+2.4×10-4CO2-300]}。这里，Rn?是可用能量（MJ m–2 d–1）；γ是心理常数（Pa K–1）；T是2米高度的温度（K）；u是2米高度的风速（m s–1）；D是2米高度的空气蒸气压差（Pa）；s是与温度相关的饱和蒸汽压梯度（Pa K–1）；2.4×10-4CO2-300项是二氧化碳浓度对植被表面阻力的影响。有关这些公式的详细描述，请参见参考文献[4][63]。此外，我们还根据气候变化检测和指数专家团队（ETCCDI）[64]的定义计算了极端降水指数，包括Rx1day（mm，月最大1天降水量），Rx5day（mm，月最大连续5天降水量），SDII（mm，简单的日强度指数），R10mm（d，年降水量≥10 mm的天数），CDD（d，最长干燥期），CWD（d，最长湿润期），R95pTOT（mm，非常湿润日的降水量）。

3. 结果
3.1. 光伏及相关植被反馈对水资源的综合影响
根据第2节和补充材料中描述的模型评估，我们首先通过比较2019年的WRF3和Ctrl情景分析了水资源的变化（这5年模拟的空间模式相似）。结果表明，假设的大规模光伏板安装对气候和水资源有显著影响，特别是在安装地点及其周围。具体来说，在光伏板转换效率较高的未来情景（S335）中，塔里木盆地内及其周围的年均降水量显著减少了大约50%（图1a1），盆地内部的绝对减少量约为0.2 mm d?1，周围区域超过0.5 mm d?1（图S6在线）。随着光伏板转换效率在更极端情景（S62和S905）中的提高，这种降水量减少的趋势得到进一步增强和扩展，影响到邻近地区并向中国西北部的干旱边界延伸（图1a2, a3），而东部天山山脉的降水量随着光伏转换效率的提高而逐渐增加。与转换效率较高的三种情景（S335, S62, S905）一致的是，转换效率较低的两种情景（S19, S05）显示出相反的响应，其特点是光伏板反照率的整体降低。在假设光伏板的情景中，盆地内的降水量呈现增加趋势，且随着光伏板转换效率的降低，这种增加的幅度和范围也在扩大（S05，图1a4, a5）。然而，需要注意的是，在S19情景中，降水量变化既不显著也不与盆地内的变化一致，大多数地区的变化很小。这表明在这种转换效率（0.15）下，光伏对降水的影响相对较小，这是当前光伏板的常见效率[33][61]。与降水量变化类似，地表径流（图1c）、浅层土壤水分（图1d，0–40 cm）和干旱指数（AI，AI代表水资源短缺的程度，通常定义为年降水量与年潜在蒸发量的比率，更适合表征长期干旱变化趋势，图1b）表明，在S335情景下，盆地内的地表径流和土壤水分减少，干旱状况加剧。但东部天山山脉的水资源状况有所改善（图1b1–d1）。值得注意的是，在S62和S905的极端情景中，盆地并没有像S335那样一致地表现出水资源减少，除了降水量。由于这些变量不仅受降水影响，还受温度和蒸发量等其他因素的影响，这在极端情景下意味着更复杂的相互作用，不同的贡献可能导致不一致的变化。

下载：下载高分辨率图像（2MB）
下载：下载全尺寸图像
图1. 不同光伏电站情景下的水资源影响。2019年WRF3中S335、S62、S905、S19和S05与Ctrl（包含植被反馈的光伏影响）相比的降水量（a1–a5）、干旱指数（AI，b1–b5）、地表径流（c1–c5）、土壤水分（0–40 cm，d1–d5）的相对变化。这些图表（图1b除外，因为年度AI指数的显著性测试不可行）仅显示通过90%显著性测试的结果。黑色封闭曲线表示假设光伏板的塔里木盆地。
随着植被覆盖范围的扩大或缩小，它可以通过地表能量和水交换过程进一步促进区域气候变化。例如，增加的植被蒸散作用可以导致潜热通量和大气水汽可用性的增加，这两者都可以加强水循环并增加降水量[65][66][67][68]。为了更好地理解植被反馈，我们进一步分析了在固定植被覆盖的Ctrl情景下的气候响应（WRF2，图S7a1–d1在线）。研究发现，在高转换效率情景下，盆地内的降水量、地表径流、土壤水分和AI的减少相对较弱（图2）。这表明排除植被反馈会导致对光伏影响的低估。

下载：下载高分辨率图像（645KB）
下载：下载全尺寸图像
图2. 居住区水资源的变化百分比。2019年WRF3（深色条形，包含植被反馈的光伏影响）和WRF2（浅色条形，不含植被反馈的光伏影响）中，居住区内S335、S62、S905、S19与Ctrl相比的地表径流（b）、降水量（c）、干旱指数（d）和土壤水分（e）的百分比变化。条形上的数值表示相应WRF3情景中每个变量的相对百分比变化。误差条表示在906个选定的有人口的网格单元计算的年平均变量的标准误差（a，标准偏差/n，其中n表示样本量906）。图(a)中的蓝色线条代表河流，背景颜色代表基于高程数据的地形分布。人口颜色（黄色/红色）代表人口数量，较浅的颜色表示人口较少，较深的颜色表示人口较多。
选择进行光伏安装的盆地及其周边地区是新疆南部的人口中心（图S8a在线），那里有几条河流（图2a）。降水、径流和土壤水分是人类活动所需的重要水资源。为了量化光伏的影响，我们平均了盆地内这些有光伏安装的区域（图2a和图S8b在线）的水资源变化。我们发现WRF3下的地表径流（图2b）、降水量（图2c）和AI（图2d）减少了超过30%，土壤水分减少了8.47%（图2e），这比WRF2中的变化更为明显。此外，我们计算了极端降水指数，发现在这种光伏安装的影响下（S335, S62, S905），该地区的极端降水事件的频率和强度降低。同时，极端干旱事件的天数增加，连续湿润事件的持续时间显著减少（图未显示）。加剧的水分压力可能对当地农业、生态系统和水资源产生不利影响。随着光伏板转换效率的提高（S62和S905）以及降水响应的增强，水资源减少的情况更加严重。相比之下，较低转换效率的情景（S05）会增加该地区的水资源，而在情景S19中，水资源的变化很小。值得注意的是，在S05情景下，植被反馈并没有放大光伏部署的气候效应；相反，当考虑植被反馈时，湿润程度的增加幅度反而减小了。这可能是因为在我们的模型配置中，没有假设光伏板下方有植被，因此植被反馈主要来自周围区域，而不是被光伏板覆盖的区域本身。此外，由于结果突出了流域内人口密集的地区，这种空间焦点可能会进一步加剧复杂性和问题。

我们进一步对直接的光伏效应和植被效应进行了定量比较。结果表明，对于降水量、土壤含水量来说，光伏效应是主导的，占总响应的63.77%以上，特别是在土壤含水量方面，光伏的贡献在所有情景中都超过了86.29%。相比之下，地表径流则呈现出显著不同的模式：植被效应占主导地位，在所有情景中贡献了84.92%以上（见表S2在线）。这种差异可能归因于植被的空间分布，植被主要集中在河流走廊或径流集中的区域，从而加强了植被动态与径流变化之间的耦合。

接下来，我们研究了背景气候的自然年际变化是否可以放大或减弱太阳能发电场的影响，使用2016年至2020年的五年模拟期进行了分析。在未来情景（S335）中，与对照组相比，人口密集流域地区的地表径流、降水量、土壤含水量和土壤湿度都有所抑制（见图3）。植被反馈在五年内放大了这些水资源的变化，地表径流的减少幅度在-25.50%到-51.77%之间，降水量在-29.48%到-44.79%之间，土壤含水量在-4.31%到-11.93%之间，土壤湿度在-20.06%到-41.07%之间。植被反馈的贡献通常大于年际自然变化（图3中的黑色条形图），这强调了考虑相关过程对于更准确地模拟区域气候变化的重要性。我们还注意到，光伏系统并不影响水资源平均变化的总体趋势，因为降水量、土壤含水量和土壤湿度从2016年到2020年呈现出逐渐减少的趋势，而径流量在2018年出现了急剧增加（见图S9在线）。

下载：下载高分辨率图像（535KB）
下载：下载全尺寸图像

图3. 2016-2020年整个模拟期间的水资源响应。WRF3（深色条形图，包含植被反馈的光伏影响）和WRF2（浅色条形图，不包含植被反馈的光伏影响）中，2016-2020年流域内人口密集地区地表径流（a）、降水量（b）、土壤含水量（c）和干旱指数（d）的百分比变化。条形图上标记的数值表示WRF3相应年份中各变量的相对百分比变化。误差条表示在906个选定的有人口网格单元计算出的年平均变量的标准误差（标准偏差/n，其中n表示样本大小为906）。

3.2 光伏对水资源影响的强迫机制
在S335情景中，光伏板的有效反照率（0.335）高于塔里木盆地的背景反照率（见图4a1），导致盆地内部表面温度显著下降约1.5°C（见图4b1）。我们发现地表温度扰动可以影响局部大气环流，盆地内的冷却加强了低层（1000-700 hPa）反气旋，并导致塔里木盆地内部的辐散流（见图4c1和图S10a、b在线）。这减少了来自天山断裂带的西风带来的水分输送（详见图4c和6中的地理注释）。异常反气旋还增强了该地区的水分辐散（见图S11a1在线）和下沉运动（见图S11b1在线），进一步降低了对流有效位能（CAPE），使大气更加稳定（见图4d1）。结果，盆地内及周边地区的降水量显著减少（见图1a1）。土壤湿度也显示出干燥趋势。此外，水分减少、降水量下降和干旱指数的综合效应可能导致径流量（见图1c1）和土壤含水量（见图1d1）显著减少。在盆地反气旋异常以及天山山脉和青藏高原的阻挡效应的共同影响下，异常水分向东和东北方向传输（见图4c1）。水分还受到天山断裂带、吐鲁番盆地和95°E附近的高海拔戈壁地区的影响，导致水分异常输送到北部和西北部地区，在天山东部形成了气旋异常（见图4c1和6）。这个气旋异常南部的北风有利于天山东部地区的湿度保持（见图4c1和图S10a、b在线）。此外，气旋异常还导致CAPE显著增加，表明大气不稳定（见图4d1）。因此，这些区域尺度的大气环流变化导致天山东部地区的降水量增加（见图1a1）和更湿润的条件（见图1b1）。在极端情景S62和S905中，年平均地表空气温度下降扩展到了盆地外（见图4b2、b3），这进一步加剧了上述提到的水分和动态条件（见图4c2、c3、d2、d3以及图S10c、d、S11a2、a3、b2、b3在线），导致研究盆地以外的降水量进一步减少和更干燥的条件。相比之下，使用低转换效率的光伏板（S19）时，反照率接近背景水平（见图4a4），温度几乎没有变化，只有少数地区出现预期中的升温现象（见图4b4）。在最低反照率的极端情景S05中，升温现象更为明显（见图4b5），与S335情景相比，导致的气候效应总体上相反但更强烈。

下载：下载高分辨率图像（2MB）
下载：下载全尺寸图像

图4. 光伏对水资源影响的强迫机制。2019年S335、S62、S905、S19与对照组WRF3（包含植被反馈的光伏影响）之间的反照率（a）、温度（b，单位：°C）、低层（1000-700 hPa）水汽通量（c，单位：kg m?1 s?1）和CAPE（d，单位：m2 s?2）的差异。这些图表仅显示通过了90%显著性测试的结果。c中的阴影表示海拔高度（单位：m）。

3.3 与植被反馈相关的强迫机制
模拟的气候变化驱动了陆地生态系统的强烈响应，而植被变化又反馈到气候中。在这些变化中（由LPJ-GUESS模拟），光伏安装区域的变化没有被反馈到气候模型（WRF）中，这在图5a中的阴影区域中表示。这些阴影仅说明了如果存在植被时的潜在分布，而实际的气候模拟排除了这些效应。在高反照率情景（S335、S62、S905）下，由于干旱条件，盆地周围的植被覆盖（见图S12a1–a3在线）和LAI（叶面积指数）都在减少和退化（见图5a1–a3）。我们还观察到了植被类型的变化：在盆地及其周边地区，干旱植被，包括干草原和干旱灌木/草原，变成了沙漠；在少数地区，草原退化成了干旱植被（基于LAI数据，见图S13在线）。在较低反照率的两个情景（S19、S05）中，植被变化表现出相反的响应。在S335中，受到光伏板影响的盆地周围地区的植被退化导致潜热通量显著减少（见图5b1）。这抑制了当地的水文循环，减少了大气中的水汽含量并降低了云层覆盖（见图5c1）。这些效应最终导致降水量减少和气候更加干燥，与没有动态植被的模拟相比。

下载：下载高分辨率图像（1MB）
下载：下载全尺寸图像

图5. 与植被反馈相关的强迫机制。2019年S335、S62、S905、S19、S05与LPJ-GUESS2（a）和WRF3（b、c，含植被反馈的光伏影响）之间的LAI相对变化（a，黑色对角线表示盆地内没有植被反馈，因为实验设计不允许光伏板下方有植被），潜热通量差异（b，单位：W m?2）和云层覆盖差异（c）。b和c中的阴影仅显示通过了90%显著性测试的结果。由于物候学的原因，植被反馈在季节时间尺度上更为复杂。比较2019年的典型年份S335和对照组，盆地内的LAI在春季、夏季和秋季都显示出一致的减少趋势。然而，对于整个中国西北地区来说，LAI的变化在季节间并不一致。春季LAI减少，而秋季增加，冬季没有显著变化（见图S14a在线）。由于植被的季节性变化，对气候的反馈导致水资源变量发生了不同的变化。在春季、夏季和秋季，盆地内的水资源显示出显著的减少趋势，这与植被模式一致。然而，在冬季，变化较小甚至相反，这与之前的研究结果相似[69]、[70]。此外，由于盆地外的季节性差异，水资源变量的年平均值没有显示出清晰、一致的变化（见图S14b–d在线）。未来的研究需要进一步详细分析这些季节性差异。

4. 讨论
在这项研究中，我们采用了WRF和LPJ-GUESS相结合的区域建模方法，全面评估了光伏板安装对气候、陆地生态系统，特别是中国西北部塔里木盆地水资源的影响。我们的模拟表明，未来假设的光伏板安装将导致塔里木盆地局部水资源的减少。反照率、降水量和植被之间的正反馈关系，即大气-植被正反馈，对于更准确地模拟该地区的气候和环境变化非常重要，特别是这些反馈进一步加剧了该地区人口密集区域的水资源压力。有趣的是，虽然光伏板安装对塔里木盆地内的水资源和生态系统有负面影响，但实际上它导致了天山东部地区水资源的增加和生态条件的改善（见图6）。相反的响应主要由大气环流模式驱动，并通过植被反馈放大，植被反馈重新分配了水分并改变了局部水资源的可用性。此外，太阳能发电场的规模、当地气候条件和土地利用类型等因素也可能影响光伏安装的气候影响[31]、[32]、[33]、[34]。这些发现强调了在评估大规模光伏部署的更广泛环境后果时考虑空间变异性的重要性。

下载：下载高分辨率图像（888KB）
下载：下载全尺寸图像

图6. 光伏板影响的气候-生态-水资源示意图。红色顺时针（蓝色逆时针）圆圈代表对流层下层的异常反气旋（气旋）环流。局部气候、植被覆盖和水资源的响应以卡通符号表示。两个区域的影响过程在两个标注框中给出。在公用事业规模上，之前的实地和无人机研究主要集中在小规模或站点级别的光伏安装上，研究表明光伏板可以增加下层土壤的水分，同时提高地面植被覆盖和物种丰富度[71]、[72]、[73]、[74]。然而，我们的研究表明，当光伏安装规模扩大和面板转换效率提高时，这些积极的局部效应不再占主导；相反，局部水资源可能会耗尽，对生态可持续性构成潜在风险。这一发现为可持续规划和开发光伏技术提供了新的视角和关键的科学依据，为评估大规模光伏电站的水文影响提供了重要见解。在WRF框架内，光伏部署通过修改有效反照率进行参数化，从而改变净短波辐射和随后的地表能量平衡。从能量平衡的角度来看，有效反照率的计算考虑了被吸收的太阳辐射转化为电能的比例，同时隐含地纳入了在面板运行期间最终释放到局部的热量。因此，尽管我们的模型没有明确解析面板级别的热过程，但与光伏部署相关的主要辐射扰动在区域能量平衡中得到了准确表示。我们建模方法的另一个潜在限制是它没有明确解析子网格结构过程，例如滴线渗透或面板级别的阴影异质性。因此，在我们的建模框架中，局部正面效应可能被低估了，这可能部分解释了我们区域规模结果与以往现场观测之间的差异。尽管如此，根据我们在塔里木盆地及其周围绿洲的实地观测，大多数被光伏覆盖的区域仍然缺乏植被，且没有灌溉植被无法生长（图表未显示）。我们认为，在塔克拉玛干沙漠这种极端干旱的环境条件下，由于阴影引起的植被生长或滴线渗透等局部正面效应是有限的。此外，由于模拟响应受到流域尺度环流调整和植被-大气反馈的控制，结果对区域地形和气候背景非常敏感。塔里木盆地的特点是一个低海拔的沙漠盆地，被高山山脉所包围，具有独特的大气环流和水文条件。我们的发现是否适用于其他干旱环境可能取决于这些条件，因此需要进一步研究。未来的研究将有必要全面探讨其他代表性干旱地区光伏安装的气候-生态系统影响，以评估我们结论的稳健性和更广泛的适用性。虽然较高光伏转换效率的情景显示出清晰且空间上一致的影响，但代表当前商用光伏技术的S19情景表现出相对较弱且空间上异质的响应。这种微弱且不均匀的信号可能部分反映了与现今光伏转换效率相关的地表能量扰动较小。同时，也应注意到，这一结果也可能部分源于模型和建模框架中的不确定性，例如通过规定的反照率变化来简化光伏效应的表示（见下文关于不确定性的讨论），这可能限制了模型在这种中等驱动条件下的敏感性。因此，S19的结果可能代表了一个保守的、较低的估计值，而不是没有影响的证据。相反，随着光伏效率和部署规模的增加，地表能量扰动变得足够强，从而触发更一致的地-大气-植被反馈，导致可检测的区域规模响应。

我们使用WRF和LPJ-GUESS之间的离线耦合方法时，可能涉及一些未考虑的不确定性，这些问题包括技术问题（如延迟效应和时间性）、缺失足够的日变化、地表能量平衡的简化[75][76][77]，以及通过规定的反照率变化来简化光伏面板效应的表示。由于大多数陆地表面和气候模型中缺乏明确的光伏模块，这些参数化方法在当前建模研究中被广泛使用，但它们也是模拟光伏-气候相互作用时的常见不确定性来源。此外，尽管设计了5个敏感性实验来涵盖从现实到更极端条件的范围，但所有实验都高度理想化，并假设整个流域都覆盖了光伏。这种大规模的光伏覆盖是为了探索主导的气候-生态系统机制，并提供光伏诱导影响的潜在上限。这些因素可能会给我们的模拟引入不确定性，但不影响我们发现的整体有效性。光伏面板触发陆地-植被-大气相互作用的基本过程与完全耦合的全球模型[33][34]中模拟的过程相当。干旱地区物理和生物物理机制的一致性增强了我们结果的可靠性和稳健性。

我们当前的模拟假设整个流域都覆盖了光伏面板，在S335情景下估计的年发电量为25太瓦（在线文本S2）——超过了近期全球电力消耗量18太瓦[78]。然而，尽管未来的光伏部署计划仍然不确定，但我们研究中使用不同的转换因子在某种程度上代表了部分覆盖情况。例如，在完全覆盖（由太阳能面板）的S19情景下的发电量与部分覆盖的S335情景相似，但它们的气候和水资源影响几乎是相反的。这强调了面板反照率除了其转换效率之外，还应作为未来光伏设计的重要考虑因素，以全面评估其气候影响。我们还认识到，在这种干旱多尘地区清洁光伏面板所涉及的水资源消耗是一个重要的实际问题，但目前建模框架中没有考虑这一点。然而，这种额外的水资源需求可能会增加区域水资源压力，从而可能加强本研究的主要结论。未来的研究还应探索各种更现实的安装策略，包括部分覆盖情景和不同的光伏面板反照率值，以更好地理解光伏安装在实际应用中的潜在气候和生态影响。此外，我们还应探索在中国西北部其他代表性地区光伏安装的影响，以确定这些影响是否在各种景观和气候区划中都是一致的。尽管如此，我们的试点研究强调了在规划和部署中国西北部的大规模太阳能项目时考虑安装面积、布局和潜在环境后果的重要性。这些考虑对于确保长期可持续性和缓解意外的水文气候风险至关重要。

利益冲突
作者声明他们没有利益冲突。