影響塔里木盆地北緣綠洲非冰期水面蒸發(fā)的氣象因素分析*

(新疆喀什地區(qū)水利水電勘測(cè)設(shè)計(jì)院，新疆 喀什 844000)

蒸發(fā)是計(jì)算水量平衡的重要內(nèi)容，其中：水面蒸發(fā)是水庫(kù)、湖泊等水體水量損失的主要組成部分。正確認(rèn)識(shí)水面蒸發(fā)與各氣象因素之間的關(guān)系，對(duì)于干旱區(qū)水資源高效利用、農(nóng)田灌溉管理具有重要意義[1]。

塔里木盆地是我國(guó)的極端干旱區(qū)，降水稀少，蒸發(fā)強(qiáng)烈。當(dāng)?shù)厝祟惢顒?dòng)主要集中在沙漠邊緣的綠洲內(nèi)，平原水庫(kù)作為綠洲灌區(qū)內(nèi)重要的調(diào)節(jié)水源，為綠洲工農(nóng)業(yè)生產(chǎn)提供了有效保障。但由于平原水庫(kù)水深淺、水面面積大、非冰期蒸發(fā)損失大，因此如何通過(guò)科學(xué)合理的調(diào)度管理減少平原水庫(kù)水面無(wú)效蒸發(fā)，節(jié)約寶貴的水資源，將是解決極端干旱區(qū)水資源嚴(yán)重短缺的一項(xiàng)重要途徑。

趙成義[2]等人以阿克蘇綠洲為例，分析了近30年不同口徑蒸發(fā)器水面蒸發(fā)量的變化趨勢(shì)，表明研究區(qū)蒸發(fā)量呈下降趨勢(shì)，水面蒸發(fā)量與水汽壓差、氣溫、風(fēng)速有較好的相關(guān)關(guān)系，其中影響水面蒸發(fā)的主要因子是水汽壓差；魏光輝[3]等人以塔里木河下游鐵干里克氣象站2005年資料為例，采用熵值法對(duì)水面蒸發(fā)影響因素進(jìn)行敏感性分析，結(jié)果表明溫度與風(fēng)速對(duì)水面蒸發(fā)影響最為敏感；李萬(wàn)義[4]以水汽壓力、風(fēng)速和相對(duì)濕度為主要影響因素，建立了3因子水面蒸發(fā)預(yù)測(cè)模型；滕凱[5]以旬均最高氣溫、旬均風(fēng)速、旬均飽和水汽壓和旬均日照時(shí)間為影響因素，建立了區(qū)域水面蒸發(fā)預(yù)測(cè)模型。

由于水面蒸發(fā)影響機(jī)理復(fù)雜，受觀測(cè)方法精細(xì)程度、氣候環(huán)境變化、觀測(cè)場(chǎng)地下墊面植被高度與海拔等因素影響，各區(qū)域的計(jì)算分析結(jié)論存在著不同。為探索塔里木盆地北緣綠洲區(qū)水面蒸發(fā)的主要影響因素，進(jìn)而為建立該區(qū)域水面蒸發(fā)預(yù)測(cè)模型提供技術(shù)支持。本文以研究區(qū)內(nèi)的尉犁縣非結(jié)冰期(2017年5—9月)日水面蒸發(fā)量觀測(cè)數(shù)據(jù)為例，采用主成分回歸方法，對(duì)研究區(qū)水面蒸發(fā)的主要因素進(jìn)行分析，并取得了一些有價(jià)值的研究結(jié)果。

1 資料與方法

1.1 數(shù)據(jù)資料

選取新疆尉犁縣氣象站2017年5—9月逐日平均氣溫、最高氣溫、最低氣溫、日均風(fēng)速、日均水汽壓、日均相對(duì)濕度、日照時(shí)數(shù)以及日蒸發(fā)量(E601蒸發(fā)器)8個(gè)氣象要素資料。

1.2 多重共線性診斷方法

采用方差膨脹因子(VIF)法[6]，診斷自變量(各氣象因素)系統(tǒng)中是否存在多重相關(guān)性，表達(dá)式為：

(1)

式中Ri——自變量對(duì)其余自變量Xi進(jìn)行回歸分析的復(fù)相關(guān)系數(shù)；

VIFi>10——各氣象因素間多重相關(guān)性嚴(yán)重。

1.3 主成分回歸方法

主成分分析法(Principal Component Analysis，簡(jiǎn)稱PCA)是利用降維原理，把多指標(biāo)轉(zhuǎn)化為少數(shù)獨(dú)立綜合指標(biāo)的一種統(tǒng)計(jì)方法。

在主成分分析基礎(chǔ)上，選取前若干個(gè)有效荷載分量，就可建立多元回歸模型，進(jìn)而分析各氣象要素指標(biāo)與水面蒸發(fā)之間的定量關(guān)系。

2 模型計(jì)算

選取日均氣溫(x1，℃)、日最高氣溫(x2，℃)、日最低氣溫(x3，℃)、日均風(fēng)速(x4，m/s)、日均水汽壓(x5，hPa)、日均相對(duì)濕度(x6，%)與日照時(shí)數(shù)(x7，h)這8個(gè)因素為自變量；日水面蒸發(fā)量(y，mm)為因變量。為保證模型可靠性，本文剔除了有日降水的數(shù)據(jù)，故模型樣本數(shù)為140組。

2.1 多重共線性診斷

利用SPSS 13.0軟件進(jìn)行數(shù)據(jù)共線性診斷，計(jì)算結(jié)果見(jiàn)表1。由表1可知，各自變量(氣象要素)間存在嚴(yán)重多重共線性。

表1 方差膨脹因子

2.2 主成分分析

由于各氣象因素量綱不同，所以首先要將原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，之后計(jì)算其數(shù)據(jù)相關(guān)性，相關(guān)系數(shù)矩陣見(jiàn)表2。

表2 相關(guān)系數(shù)矩陣

注左下角為相關(guān)系數(shù)，右上角為顯著水平，r0.01=0.217。

主成分特征值及貢獻(xiàn)率見(jiàn)表3，根據(jù)表3確定主成分個(gè)數(shù)為3(此時(shí)，方差累計(jì)貢獻(xiàn)率為88.0%)。

表3 主成分特征值及貢獻(xiàn)率

根據(jù)確定的主成分個(gè)數(shù)，采用方差極大正交法求得主成分荷載值(見(jiàn)表4)。

表4 主成分荷載值(不考慮日降水情況)

根據(jù)表4可知：第1主成分(Z1)可作為溫度與濕度的描述指標(biāo)，包含了日均氣溫、日最高氣溫、日最低氣溫與相對(duì)濕度這4個(gè)因素，解釋了全部數(shù)據(jù)信息的45.75%；第2主成分(Z2)包含了風(fēng)速與日照2個(gè)因素，解釋了全部數(shù)據(jù)信息的27.92%；第3主成分(Z3)主要包含水汽壓因素，解釋了全部數(shù)據(jù)信息的14.34%。3個(gè)主成分包含原有7個(gè)指標(biāo)的88.0%的數(shù)據(jù)信息。

2.3 主成分回歸分析

將上述3個(gè)主成分代替原自變量進(jìn)行回歸分析，得到標(biāo)準(zhǔn)化自變量與應(yīng)變量間的回歸模型：

y=10.968+1.151z1-0.735z2-0.447z3

(n=140，r=0.8748，r0.01=0.217)

(2)

式中n——樣本數(shù)；

r——方程擬合相關(guān)系數(shù)；

r0.01——顯著性為0.01時(shí)的方程臨界相關(guān)系數(shù)。

所建主成分回歸方程，各回歸系數(shù)均通過(guò)t檢驗(yàn)，達(dá)到極顯著水平(見(jiàn)表5)。

表5 主成分回歸方程系數(shù)值(不考慮日降水情況)

2.4 日降水情況下的主成分回歸模型的建立

為了檢驗(yàn)有降水的日數(shù)據(jù)對(duì)主成分回歸模型相關(guān)參數(shù)的影響，將有降水的日氣象數(shù)據(jù)代入上述模型(共計(jì)153組觀測(cè)資料)，經(jīng)計(jì)算得到模型主成分荷載值(方差極大正交法)與回歸方程系數(shù)值，見(jiàn)表6、7。

表6 主成分荷載值(考慮日降水情況)

表7 主成分回歸方程系數(shù)值(考慮日降水情況)

3 結(jié)果分析

3.1 不考慮日降水情況下的對(duì)比分析

選用不考慮降水影響的140組樣本，用7個(gè)基本氣象要素建立的水面蒸發(fā)多元線性回歸方程如下：

Y= -7.894+0.936x1-0.059x2-0.301x3+2.119x4-0.213x5-0.001x6+0.175x7(n=140，r=0.9108，r0.01=0.217)

(3)

表8 多元線性回歸方程系數(shù)值(不考慮日降水情況)

由表8可知，式(3)擬合效果優(yōu)于式(2)，但方程回歸系數(shù)b2、b6均未通過(guò)t0.01檢驗(yàn)。而且從方程的物理成因來(lái)講，式(3)中水面蒸發(fā)將會(huì)隨著日最高氣溫與日最低氣溫的升高而減小(假設(shè)其他氣象因素不變的情況下)，與實(shí)際情況不符。

3.2 考慮日降水情況下的對(duì)比分析

考慮降水影響的153組樣本數(shù)據(jù)，用7個(gè)基本氣象要素變量建立的水面蒸發(fā)多元線性回歸方程如下：

Y= -7.207+0.925x1-0.054x2-0.315x3+2.132x4-0.237x5-0.015x6+0.222x7(n=153，r=0.9147，r0.01=0.208)

(4)

表9 多元線性回歸方程系數(shù)值(考慮日降水情況下)

由表9可知，方程回歸系數(shù)b2、b6均未通過(guò)顯著性檢驗(yàn)。且將式(4)與式(3)進(jìn)行對(duì)比可以發(fā)現(xiàn)，在考慮日降水的情況下，所建立的模型回歸系數(shù)數(shù)值與原模型有一定出入，但回歸系數(shù)的正負(fù)情況未發(fā)生變化。

4 討 論

a.水面蒸發(fā)量影響因素的計(jì)算尺度不一樣(如采用日、旬、月、年計(jì)算尺度)，也會(huì)導(dǎo)致主成分分析結(jié)果隨著計(jì)算尺度的變化產(chǎn)生一定的變化。水面蒸發(fā)影響因素計(jì)算結(jié)果在一定程度上還會(huì)受數(shù)據(jù)計(jì)算尺度的影響。

b.將日降水?dāng)?shù)據(jù)帶入主成分回歸模型，會(huì)對(duì)原模型回歸參數(shù)的數(shù)值大小產(chǎn)生一定影響，但不會(huì)影響回歸參數(shù)數(shù)值的正負(fù)。同時(shí)，由于日降水?dāng)?shù)據(jù)樣本數(shù)只有13組，剔除日降水?dāng)?shù)據(jù)后的樣本數(shù)為140組，日降水?dāng)?shù)據(jù)樣本占總樣本的比例不到10%，故考慮日降水情況時(shí)，并不會(huì)影響模型在水面蒸發(fā)主要影響因素判定上的正確性。

c.氣溫能直接影響水汽擴(kuò)散的速度和接納水汽的能力，氣溫較高時(shí)，水面上的飽和水汽壓大，水汽壓差大，易于水面蒸發(fā)；水面氣溫高時(shí)，水分子運(yùn)動(dòng)能量大，水面蒸發(fā)強(qiáng)度越大。風(fēng)速越大，水面上部的水汽壓差越大，水汽交換越頻繁，水面蒸發(fā)就越強(qiáng)烈。相對(duì)濕度能反映出空氣中的水汽含量距離飽和時(shí)的程度和交換的速度。當(dāng)相對(duì)濕度較小時(shí)，水汽向外擴(kuò)散和交換強(qiáng)度增強(qiáng)，蒸發(fā)強(qiáng)度越大；相對(duì)濕度增大后，既對(duì)水面水分子的外逸有抑制作用，也使水汽的擴(kuò)散和交換強(qiáng)度減弱，蒸發(fā)強(qiáng)度減小。因此，本文所得結(jié)論合理。

5 結(jié) 論

a.本文根據(jù)新疆尉犁縣2017年非冰期日氣象觀測(cè)數(shù)據(jù)建立了水面蒸發(fā)與主要影響氣象因素間的主成分回歸模型，該模型通過(guò)顯著性檢驗(yàn)，可用來(lái)分析研究區(qū)日水面蒸發(fā)變化。

b.影響研究區(qū)域水面蒸發(fā)的主要?dú)庀笠蛩貫闅鉁亍⑾鄬?duì)濕度、風(fēng)速與日照時(shí)數(shù)，這為內(nèi)陸干旱區(qū)水資源合理利用與科學(xué)管理提供了理論支持。