GFDL-ESM2M氣候模式下京津冀地區(qū)未來潛在蒸散量時空變化

畢彥杰，趙 晶，吳 迪，趙 勇

GFDL-ESM2M氣候模式下京津冀地區(qū)未來潛在蒸散量時空變化

畢彥杰1,2，趙 晶1※，吳 迪3，趙 勇2

（1. 華北水利水電大學 水資源學院，鄭州 450046； 2. 中國水利水電科學研究院流域水循環(huán)模擬與調(diào)控國家重點實驗室，北京 100038； 3. 中國灌溉排水發(fā)展中心，北京 100054）

為探究未來潛在蒸散量時空變化特征，該研究以京津冀地區(qū)為例，基于美國GFDL提供的GFDL-ESM2M全球氣候模式，得到京津冀地區(qū)92個格點2000－2050年的平均氣溫、最高氣溫、最低氣溫、太陽總輻射、平均相對濕度和近地面平均風速，應用Penman-Monteith公式計算京津冀地區(qū)未來92個格點的逐日潛在蒸散量（ET0），分析其時空分布特征及其與氣象要素的相關關系。結果表明：未來年ET0總體呈增加趨勢，RCP8.5情景下ET0上升速度最快，且隨著時間推移增幅越來越大。夏季ET0增長速度最快，其次為春季、秋季與冬季，意味著未來ET0季節(jié)差異將愈加明顯，可能出現(xiàn)更為嚴重的季節(jié)性干旱。ET0空間分布呈由西南向東北逐漸遞減趨勢，其中中部地區(qū)增速最快，增長趨勢由中部向南北遞減。不同氣候情景下平均氣溫均呈逐年上升趨勢，風速、太陽總輻射略微上升，而相對濕度下降。ET0與太陽總輻射的相關系數(shù)最大，呈由東北向西南遞增趨勢，其次為最高氣溫，呈由西北向東南遞增趨勢。ET0與相對濕度變化呈顯著負相關，相關系數(shù)絕對值呈東北向西南遞增趨勢，ET0與風速相關度不明顯。該研究可為農(nóng)業(yè)需水預測與灌溉管理、科學應對氣候變化提供基礎支撐。

蒸騰；蒸發(fā)；GFDL-ESM2M氣候模式；潛在蒸散量；時空分布；氣象要素

0 引 言

近年來，氣候變化問題已引起世界范圍內(nèi)的廣泛關注。全球平均地表溫度在過去的100 a升高了(0.74±0.18)℃[1]，而最近50 a增溫速率是過去100 a的2倍，過去100 a與最近50 a增溫速率分別為(0.13±0.03)和(0.07±0.02)℃/10 a。除氣溫變化外，還表現(xiàn)在風速、輻射、降雨、日照時數(shù)和相對濕度等氣象因子及受其影響顯著的徑流、蒸散量的變化[2-5]，這些變化已經(jīng)引起作物種植邊界[6]、種植結構[7]、生育期[8]的變化，導致灌溉需水格局發(fā)生變化[9-11]。開展氣候情景下未來潛在蒸散量時空變化趨勢研究，可為未來農(nóng)業(yè)需水預測與灌溉管理、科學應對氣候變化提供基礎支撐。

未來潛在蒸散量預測研究雖然起步較晚，但一直受到國內(nèi)外學者廣泛關注。目前主要有兩種預測思路：一種是在歷史ET0的基礎上通過降尺度方法直接預測未來ET0。如邢萬秋等[12-17]通過統(tǒng)計降尺度模型（statistical downscaling model，SDSM）實現(xiàn)HadCM3輸出ET0數(shù)據(jù)網(wǎng)格到站點的尺度降解，生成氣候情景下未來流域或區(qū)域的ET0。Xing等[18]運用4個大氣模式以及3個氣候模式預測未來ET0，發(fā)現(xiàn)21世紀ET0增加歸功于氣溫的增加。Chattopadhyay等[19]基于全球6種氣候模式計算印度未來ET0，發(fā)現(xiàn)印度未來ET0呈增加趨勢。另一種是采用降尺度方法將氣候模式輸出的氣象因子降為日序列，然后采用公式估算ET0。如左德鵬等[20-22]通過氣候模式生成氣溫日序列，通過率定Hargreaves公式，預測未來流域或區(qū)域ET0。Lovelli等[23-29]基于區(qū)域氣候模式/天氣發(fā)生器模型及降尺度方法，得到最高氣溫、最低氣溫、降雨與輻射等氣象要素，應用Penman-Monteith公式計算地中海地區(qū)、比利時、英格蘭西南部、波多黎各、英國未來ET0變化。目前，利用潛在蒸散量估算方法結合各類氣候模式輸出結果探討氣候情景下未來ET0的研究仍處于起步階段，定量深入研究亟需加強[30]。

京津冀地區(qū)屬于溫帶大陸季風氣候區(qū)，多年平均降雨量507 mm，且時空分布不均，年蒸發(fā)能力在9 002 000 mm，是中國北方嚴重缺水區(qū)和地下水超采區(qū)。京津冀也是中國北方經(jīng)濟規(guī)模最大、最具活力、人類活動影響較為劇烈的地區(qū)，以不足全國0.7%的水資源，承載著全國約8%的人口、6%的糧食生產(chǎn)和10%的GDP[31]。京津冀地區(qū)自古以來就是中國重要的農(nóng)業(yè)生產(chǎn)區(qū)，河北平原區(qū)土層較厚且土壤肥沃，是農(nóng)作物主要種植區(qū)，該區(qū)域約占京津冀地區(qū)總面積的44%左右，農(nóng)業(yè)灌溉用水需求量大。京津冀地區(qū)蒸散量受氣候、季節(jié)、緯度、地理位置等影響，具有明顯時空差異性，研究該地區(qū)未來潛在蒸散量時空變化特征對農(nóng)業(yè)灌溉與生產(chǎn)十分重要。目前對京津冀地區(qū)歷史ET0時空變化特征及其變化成因已有大量相關研究，但關于未來ET0變化與成因的定量研究相對較少。本文基于美國Geophysical Fluid Dynamics Laboratory(GFDL)提供的GFDL-ESM2M全球氣候模式，得到京津冀地區(qū)92個格點2000－2050年的平均氣溫、最高氣溫、最低氣溫、太陽總輻射、平均相對濕度和近地面平均風速，應用1998年FAO最新推薦的Penman-Monteith公式計算了京津冀地區(qū)未來逐日ET0，基于MK (Mann—Kendal)趨勢法與ArcGIS軟件研究ET0的時空變化特征，計算ET0與最高氣溫、最低氣溫、平均氣溫、風速、太陽總輻射和相對濕度的相關系數(shù)，并分析其時空變化特征，可為京津冀地區(qū)未來變化環(huán)境下的水循環(huán)響應、農(nóng)業(yè)需水預測、農(nóng)業(yè)節(jié)水潛力和水資源優(yōu)化配置研究提供參考。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源與處理

2011年Climatic Change專刊中介紹了新一代的溫室氣體排放情景——代表性濃度路徑（representative concentration pathways, RCPs），該情景是IPCC在第五次評估報告中開發(fā)的新情景，分別為RCP2.6、RCP4.5、RCP6.0和RCP8.5。RCPs的優(yōu)勢在于相對于AR3和AR4中所用的SRES而言，該情景更能代表21世紀的氣候政策。每個RCP所提供的資料集具有全面、高空間分辨率的特點，資料集包括：土地利用變化、空氣污染物排放量、人為排放量和溫室氣體濃度（到2100年）等[32]。

GFDL-ESM2M氣候模式能較好地代表區(qū)域平均氣溫的變化趨勢[33]。國家“十二五”氣候變化影響評估科技支撐研究計劃項目曾基于GFDL-ESM2M氣候模式模擬未來中國水資源情勢。馬丹陽等[34-35]基于GFDL-ESM2M氣候模式預估了未來中國干濕區(qū)面積與氣候干濕的變化趨勢，上述研究表明GFDL-ESM2M氣候模式在中國區(qū)具有較好的應用效果[36-37]，因此選擇GFDL-ESM2M全球氣候模式模擬預測未來ET0的變化。為定量說明本文所選取的氣候模式在京津冀地區(qū)的適用性，利用2000年1月－2018年12月期間模擬和實測的逐月氣溫數(shù)據(jù)，依據(jù)“概率分布吻合最優(yōu)”原則，對氣候模式的適用性進行評價，具體做法如下：

1）選取4參數(shù)的貝塔分布（公式（1））[38]對實測和模擬的月氣溫數(shù)據(jù)進行擬合。

貝塔函數(shù)概率密度：

式中是隨機變量，與是隨機變量服從的參數(shù)，與為分別為參數(shù)的最小值與最大值。

2）定義一個評分值Skill Score（SS值），用以定量化氣候模式對氣溫的模擬效果。SS值的大小即為月氣溫的實測值和模擬值概率密度曲線所圍成的公共部分面積。SS的值介于0和1之間，當SS接近0時，說明實測值和模擬值的概率曲線基本沒有重合部分，而當SS接近1時，說明實測值和模擬值的概率曲線接近完全重合，因此，SS值越大，模式模擬效果越優(yōu)。

全球氣候模式GFDL-ESM2M的模擬效果SS值見表1，在RCP8.5情景下，年平均氣溫模擬的SS值能達到0.86，月平均氣溫的SS值在4－10月模擬效果較好，均超過0.83。4－10月的ET0占全年ET0的90%左右，故氣候模式GFDL-ESM2M在京津冀地區(qū)的適用性較好。

表1 GFDL-ESM2M氣候模式下平均氣溫模擬效果（SS值）

插值和訂正方法分別為雙線性插值和基于概率分布的統(tǒng)計偏差訂正[39-40]。模式提供的氣象要素包括：平均氣溫、最高氣溫、最低氣溫、降水量、太陽總輻射、平均相對濕度、地面氣壓和近地面平均風速，分辨率為0.5°×0.5°，涉及情景分別為：RCP2.6、RCP4.5、RCP6.5、RCP8.5，研究時段選取2021年1月1日—2050年12月31日，選取其中的RCP2.6、RCP4.5和RCP8.5，分別表示低、中、高情景。該數(shù)據(jù)集是以全國國家級臺站日降水量/氣溫觀測數(shù)據(jù)為基礎，利用薄盤樣條法[41-42]，同時引入數(shù)字高程資料以盡可能地消除中國區(qū)域獨特地形條件下高程對空間插值精度的影響。其中，用于插值的氣象數(shù)據(jù)是全國2 474個國家級臺站近50 a逐日相對濕度、地面氣壓和氣溫資料，地形數(shù)據(jù)是由GTOPO30數(shù)據(jù)（分辨率為0.05°×0.05°）經(jīng)過重采樣生產(chǎn)的中國陸地0.5°×0.5°的數(shù)字高程模型DEM。用于評價模式的格點分布如圖1所示，京津冀地區(qū)共計92個格點。

1.2 Penman—Monteith公式

在蒸散量研究中，基于表面阻力的Penman-Monteith公式被認為是計算潛在蒸散量較精確的方法之一[43]，該方法計算準確度較高，因其僅受當?shù)貧夂驐l件和海拔的影響，應用范圍較為廣泛[44]。本文采用Penman-Monteith公式計算潛在蒸散量：

式中ET0為潛在蒸散量，mm/d；Rn為作物表面凈輻射量，MJ/(m2·d)；G為土壤熱通量，MJ/(m2·d)；Δ為飽和水氣壓與氣溫關系曲線的斜率，kPa/℃；γ為濕度計常數(shù)，kPa/℃；Tmean為空氣平均氣溫，℃；U2在地面以上2 m高處的風速，m/s；es為空氣飽和水氣壓，kPa；ea為實際飽和水氣壓，kPa。

應用式（3）轉換為2 m處的風速。

式中為離地面的距離，m；u為米處的風速，m/s。

1.3 Mann—Kendal 趨勢檢驗與相關系數(shù)

Mann—Kendall非參數(shù)統(tǒng)計方法是應用于水文、氣象序列趨勢、突變分析的一種成熟方法，能有效區(qū)分某一自然過程是處于自然波動還是存在確定的變化趨勢[45]，已獲得世界氣象組織的力薦。

相關系數(shù)最早由統(tǒng)計學家卡爾·皮爾遜設計的統(tǒng)計指標，是研究變量之間線性相關程度的量。

2 結果與分析

2.1 ET0年際變化

將未來30 a ET0長期變化采用一次線性回歸方程進行表示，由圖2可見，京津冀地區(qū)RCP2.6、RCP4.5、RCP8.5的氣象傾向率分別為1.365、1.907、2.709 mm/a，表明未來年ET0總體呈增加趨勢。這與邢萬秋等[12]預測海河流域未來ET0大部分地區(qū)呈上升趨勢及唐曉培等[21]在RCP4.5和RCP8.5兩種排放情景下預測黃淮海地區(qū)ET0整體呈增加趨勢相一致。

對比3個氣候情景下未來ET0可以發(fā)現(xiàn)RCP8.5情景下ET0上升速度最快，且隨著時間的推移增加量越來越大。主要是由于該情景是溫室氣體最高排放情景，長期高能源需求及高溫室氣體排放，且缺少應對氣候變化的政策，引起氣溫升高、輻射增加，進而ET0增速最快。3類氣候情景下年ET0均無明顯突變點。

圖2 不同氣候情景下京津冀地區(qū)未來ET0值

2.2 ET0年代際變化

由表2可知，RCP2.6情景下京津冀地區(qū)2020 s ET0平均值為1 010 mm，2030 s為1 018 mm，2040 s為1 028 mm，與基準年1961－2018年的平均值相比，分別增長了8、16、26 mm，表明RCP2.6情景下京津冀地區(qū)ET0整體上呈增加趨勢，且不同年代增幅隨時間推移加大，即其中2040 s增幅最大。RCP4.5 情景下京津冀地區(qū)3個年代ET0平均值分別較1960－2018平均值增加13、23、41 mm，2040 s增幅最大。RCP4.5情景下京津冀地區(qū)ET0增幅明顯比RCP2.6大。RCP8.5 情景下京津冀地區(qū)3個時間段ET0平均值分別較1960－2018平均值增加23、38、54 mm，其中2040 s增幅最大。RCP8.5情景下京津冀地區(qū)ET0增幅明顯比RCP4.6大。

表2 不同氣候情景下不同年代ET0平均值

注：基準年為1961－2018年。

Note: The base years are 1961－2018.

由表3可知，不同季節(jié)的ET0均呈不斷上升趨勢，其中夏季ET0增長速度最快，其次為春季、秋季與冬季。這將引起未來夏季ET0對全年貢獻率隨時間推移持續(xù)上升，而秋冬兩季ET0對全年貢獻率隨時間推移持續(xù)減少，如RCP8.5在2020 s夏季ET0對全年貢獻率達到39.8%，2030 s上升至40.0%，2040 s上升至40.3%，表明未來ET0季節(jié)分布差異將愈加明顯，可能出現(xiàn)更為嚴重的季節(jié)性干旱。3種氣候情景下ET0的四季增量，RCP8.5明顯大于RCP4.5，大于RCP2.6。

表3 不同氣候情景下不同年代季節(jié)ET0

2.3 ET0空間分布特征

不同氣候情景下京津冀地區(qū)未來年ET0空間分布特征相近，均呈由西南向東北逐漸遞減趨勢（圖3），南部平原區(qū)的石家莊市ET0最大（1 208～1 262 mm），邢臺、邯鄲與保定等市ET0處在高值區(qū)，而北部的秦皇島市ET0最小（937～973 mm），西北山區(qū)的張家口與承德市ET0處在低值區(qū)。

不同氣候情景下京津冀地區(qū)未來年ET0變化趨勢空間分布如圖4所示，均呈顯由中部向南北遞減趨勢，中部地區(qū)的天津市與唐山市ET0增加趨勢最為顯著（達到了99%的顯著性水平），南部地區(qū)的石家莊、邢臺與邯鄲市與北部的承德市值較小，主要是由于南部平原區(qū)大面積農(nóng)田及其灌溉緩解了氣溫的升高，增加了空氣濕度，而西北部主要為山區(qū)，能源消耗小，氣溫上升相對較小。

圖3 不同氣候情景下京津冀地區(qū)未來ET0空間分布特征

圖4 不同氣候情景下京津冀地區(qū)未來ET0 MK值空間分布特征

RCP2.6與RCP4.5情景下ET0變化趨勢類似，而RCP8.5氣候情景下承德市，尤其是承德東南部地區(qū)，ET0變化趨勢相對于前兩類氣候情景更為顯著。主要原因可能是歷史時期該地區(qū)ET0較小，冀東地區(qū)能源消費占京津冀全部的1/4左右，RCP8.5情景下能源消耗大，溫室氣體排放量大，在大全球氣候變暖的大背景下，承德東南部地區(qū)ET0較RCP2.6與RCP4.5增加趨勢顯著。

2.4 ET0與氣象要素相關關系

2.4.1 氣象要素變化情況

為了進一步探究GFDL-ESM2M氣候模式下京津冀地區(qū)未來ET0的變化原因，圖5給出了不同氣候情景下平均氣溫、太陽總輻射、風速、相對濕度的逐年變化趨勢。由圖5a可以看出，未來30 a不同氣候情景下京津冀地區(qū)平均氣溫均呈逐年上升趨勢。RCP2.6、RCP4.5、RCP8.5情景下2021－2050年多年平均氣溫分別為10.83、11.00、11.51 ℃，較基準年1961－2018年的平均值分別上升了21.38%、24.32%、29.04%，可以看出RCP8.5情景下京津冀地區(qū)平均氣溫增幅最大。由圖5b可以看出，未來30 a京津冀地區(qū)風速呈略微上升趨勢。RCP2.6、RCP4.5、RCP8.5情景下2021－2050年多年風速平均值為2.08、2.09、2.11 m/s，較基準年1961－2018年的平均值分別上升了3.79%、4.40%、5.65%，RCP8.5情景下京津冀地區(qū)風速增幅最大。由圖5c可以看出，未來30 a京津冀地區(qū)太陽總輻射也呈略微上升趨勢。RCP8.5情景下京津冀地區(qū)太陽總輻射增幅最大。由圖5d可以看出，未來30 a京津冀地區(qū)相對濕度呈略微下降趨勢，其中RCP8.5情景下京津冀地區(qū)相對濕度降幅最大。

圖5 不同氣候情景下京津冀地區(qū)氣象要素逐年變化情況

2.4.2 相關關系分析

由表4可以看出未來年ET0與氣象要素的相關系數(shù)。ET0與太陽總輻射的相關系數(shù)最大，均超過0.830，其次為最高氣溫（均超過0.822），與相對濕度變化呈顯著負相關，RCP8.5情景下相關系數(shù)為?0.645。

表4 不同氣候情景下ET0與氣象要素的相關系數(shù)

ET0與風速相關度不大，相關系數(shù)均小于0.1。對比不同氣候情景下未來ET0與氣象要素的相關系數(shù)發(fā)現(xiàn)，ET0與氣溫的相關系數(shù)，隨著排放濃度的增加呈不斷上升趨勢，尤其是最低氣溫，增幅高于最高氣溫與平均氣溫。ET0與太陽總輻射的相關系數(shù)，RCP2.6最大，隨著排放濃度的增加反而呈下降趨勢，原因可能是氣溫升高，引起輻射增加，但能源的大量消耗，導致空氣中氣溶膠含量增加，霧霾日數(shù)增多，日照時數(shù)下降，引起太陽總輻射下降，日照時數(shù)減少的負影響超過氣溫上升的正影響。ET0與相對濕度的相關系數(shù)絕對值隨著排放濃度的增加而呈減少趨勢。ET0與風速的相關系數(shù)雖然較小，但隨著排放濃度增加呈上升趨勢。

不同氣候情景下ET0與氣象要素相關系數(shù)空間分布情況類似，RCP8.5氣候情景下未來ET0與平均氣溫、太陽總輻射、風速和相對濕度相關系數(shù)空間分布見圖6，ET0與平均氣溫的相關系數(shù)呈西北向東南遞增的趨勢，南部的邯鄲、邢臺市與東部的唐山、滄州市ET0與平均氣溫的相關系數(shù)處在高值區(qū)（0.82以上），而西北部的張家口市、承德市處在低值區(qū)。ET0與太陽總輻射的相關系數(shù)呈東北向西南遞增的趨勢，西南部的邯鄲、邢臺與石家莊ET0與太陽總輻射的相關系數(shù)處在高值區(qū)（0.83以上），而東北部的承德市、張家口市處在低值區(qū)。整體來說ET0與平均氣溫和太陽總輻射相關系數(shù)空間部分較為相近。ET0與風速的相關系數(shù)呈由西向東遞減的趨勢，西部的石家莊市ET0與風速的相關系數(shù)處在高值區(qū)（0.20左右），而東部的承秦皇島市處在低值區(qū)。ET0與相對濕度的相關系數(shù)絕對值呈東北向西南遞增的趨勢，西南部的邯鄲、邢臺與石家莊ET0與太陽總輻射的相關系數(shù)絕對值處在高值區(qū)（0.70左右），而東北部的秦皇島、承德市與唐山市ET0與太陽總輻射的相關系數(shù)絕對值的處在低值區(qū)。

圖6 RCP8.5氣候情景下京津冀地區(qū)未來ET0與氣象要素相關系數(shù)空間分布

3 討 論

本文所采用的3類氣候情景是基于溫室氣體和氣溶膠的排放情景所做的預估，其中，排放情景是對諸如溫室氣體、氣溶膠等對輻射有潛在影響的物質(zhì)在未來排放趨勢的表述。RCP2.6情景：把全球平均氣溫上升限制在2.0℃之內(nèi)，其中21世紀后半葉能源應用為負排放，輻射強迫在2100年之前達到峰值，到2100年下降至2.6 W/m2，屬于低濃度路徑。RCP4.5情景：2100年輻射強迫穩(wěn)定在4.5 W/m2，相對于RCP 2.6與RCP 8.5屬于中間穩(wěn)定路徑，更接近實際發(fā)展。RCP8.5情景：假定人口最多、技術革新率不高、能源改善緩慢。這將導致長時間高能源需求及高溫室氣體排放，而且缺少應對氣候變化的政策。2100年輻射強迫上升至8.5 W/m2，屬于高濃度路徑。三者都具有研究意義。

根據(jù)Penman-Monteith公式，影響ET0的氣象要素有氣溫、太陽輻射、相對濕度與風速等。此外下墊面狀況以及人類活動會間接影響ET0。如城市化進程加快，地表利用率不斷發(fā)生改變，城市熱島效應、雨島效應、煙霧島效應對作物蒸騰和土壤蒸發(fā)均產(chǎn)生一定程度影響。RCP8.5情景是長時間高能源需求及高溫室氣體排放而缺少氣候變化應對政策的情景，該種情景的氣溫、輻射（日照時數(shù)）、風速與相對濕度均受到溫室氣體排放與大氣中氣溶膠的影響，即一定程度上考慮了城市熱島效應、干島效應與暗島效應等人類活動的影響，而應用這些氣象要素計算的ET0也同樣考慮了人類活動的影響。

京津冀城市群是中國北方經(jīng)濟規(guī)模最大、最具活力、人類活動影響最為劇烈的地區(qū)，大量的化石能源消費與快速的城鎮(zhèn)化水平也是造成京津冀地區(qū)ET0區(qū)域存在明顯差異性的重要因素。本文研究發(fā)現(xiàn)RCP2.6、RCP4.5和RCP8.5情景下2021－2050年京津冀地區(qū)ET0整體呈增加趨勢，沒有出現(xiàn)“蒸發(fā)悖論”現(xiàn)象，與大部分學者在氣候情景下采用其他方法預測的ET0[12-13,19,21,24-29]變化趨勢相似，這可能因為該地區(qū)整體氣溫、輻射等增加對 ET0產(chǎn)生的正效應大于其他因素對ET0產(chǎn)生的負效應。邢萬秋等[12]基于HadCM3 輸出ET0數(shù)據(jù)發(fā)現(xiàn)：未來A2和B2兩種氣候模式下，海河流域的ET0在大部分區(qū)域均呈增加趨勢，且A2 情景下ET0增加量較B2情景大。本文發(fā)現(xiàn)京津冀地區(qū)未來ET0均呈增加趨勢，且RCP8.5情景大于RCP4.5，大于RCP2.6情景，研究結論類似。關于ET0空間分布，本文認為京津冀地區(qū)天津、唐山與秦皇島地區(qū)ET0處在低值區(qū)，唐曉培等[21]認為黃淮海地區(qū)的河北唐山、樂亭附近處在ET0低值區(qū)，與本文研究結論類似。關于ET0變化趨勢空間分布，邢萬秋等[12]認為未來ET0在灤河流域的中游和下游、海河北系西北部增速較快，本文認為天津、唐山與承德等市ET0增加趨勢較為明顯，研究結論類似。關于季節(jié)ET0分布，邢萬秋等[12]認為夏季流域大部分區(qū)域的ET0均呈明顯增加趨勢，ET0季節(jié)分布差異隨時間推移愈加明顯，本文認為不同季節(jié)ET0均呈增加趨勢，其中夏季ET0增速最為明顯，研究結論一致，未來ET0季節(jié)分布差異將愈加明顯，意味著可能出現(xiàn)更為嚴重的季節(jié)性干旱。關于ET0變化原因分析：Han等[46]認為京津冀地區(qū)多數(shù)站點歷史ET0與平均氣溫、日照時數(shù)和風速呈顯著正相關，與相對濕度呈顯著負相關。謝賢群等[47]研究發(fā)現(xiàn)太陽總輻射變化對我國北方潛在蒸發(fā)變化的貢獻率為78%左右。邢萬秋等[12]認為前2個時期：2020 s和2040 s，輻射是呈上升趨勢的，特別是2040 s，輻射是直接導致該時期ET0上升的因素。本文通過相關分析發(fā)現(xiàn)ET0與太陽總輻射的相關關系最為明顯，與Han等[46]、謝賢群等[47]與邢萬秋等[12]研究結論較為相似。

受數(shù)據(jù)資料所限，本文沒有計算2050－2100年ET0，根據(jù)唐曉培等[21]與邢萬秋等[12]研究，2050－2100年，該地區(qū)ET0將繼續(xù)增長，尤其是高排放情景下，未來氣溫上升是導致ET0增加的主要因素。未來該地區(qū)ET0明顯增大表明區(qū)域蒸散加快，水資源短缺可能進一步加劇，可能出現(xiàn)更為嚴重的干旱。

4 結 論

1）京津冀地區(qū)未來ET0總體呈增加趨勢，RCP8.5情景下ET0上升速度最快，氣象傾向率為2.709 mm/a，且隨著時間的推移增量越來越大，2020 s、2030 s與2040 s ET0平均值分別較基準期增加23、38、54 mm。未來四季ET0均呈不斷上升趨勢，其中夏季ET0增長速度最快，其次為春季、秋季與冬季。意味著未來ET0季節(jié)分布差異將愈加明顯，可能出現(xiàn)更為嚴重的季節(jié)性干旱。

2）不同氣候情景下京津冀地區(qū)未來年 ET0空間變化特征類似，均呈現(xiàn)從西南向東北逐漸遞減趨勢，南部平原區(qū)的石家莊市ET0最大（1 208～1 262 mm），西北山區(qū)的張家口與承德市ET0處于低值區(qū)。不同氣候情景下京津冀地區(qū)未來ET0變化趨勢的空間分布均呈現(xiàn)由中部向南北遞減。

3）未來30 a京津冀地區(qū)平均氣溫明顯上升，風速、太陽總輻射呈略微上升趨勢，而相對濕度呈下降趨勢。ET0與太陽總輻射的相關系數(shù)最為明顯，均超過0.830，其次為最高氣溫（均超過0.822），與相對濕度的變化呈顯著負相關，RCP8.5情景下相關系數(shù)為?0.645，與風速相關度不大，不同情景下相關系數(shù)均小于0.1。ET0與太陽總輻射的相關系數(shù)隨著排放濃度的增加反而呈下降趨勢，可能是由于能源的大量消耗，導致空氣中氣溶膠的含量增加，霧霾日數(shù)增多，日照時數(shù)下降，引起輻射減少，日照時數(shù)減少的負影響超過氣溫上升的正影響。ET0與平均氣溫的相關系數(shù)呈西北向東南遞增趨勢，與太陽總輻射的相關系數(shù)與相對濕度的相關系數(shù)絕對值呈東北向西南遞增趨勢，與風速的相關系數(shù)呈由西向東遞減趨勢。

[1] Solomon S, Qin D, Manning M, et al. Climate Change 2007: the Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change[M]. New York: Cambridge University Press, 2007.

[2] IPCC. Climate change 2001: Impacts, adaptation, and vulnerability[R]. Cambridge: Cambridge University Press, 2001.

[3] 王國慶，張建云，李巖，等. 海河流域基于多模式的未來氣候變化趨勢[J]. 資源科學，2014，36(5)：1043－1050.

Wang Guoqing, Zhang Jianyun, Li Yan. Variation trend of future climate for the Hai River basin based on multiple GCMs projections[J]. Resources Science, 2014, 36(5): 1043－1050. (in Chinese with English abstract)

[4] Wang W, Shao Q, Peng S, et al. Reference evapotranspiration change and the causes across the Yellow River Basin during 1957－2008 and their spatial and seasonal differences[J]. Water Resources Research, 2012, 48(5): 113－122.

[5] Li Z, Zheng F L, Liu W Z, et al. Spatial distribution and temporal trends of extreme temperature and precipitation events on the Loess Plateau of China during 1961－2007[J]. Quaternary International, 2010, 226(1): 92－100.

[6] 楊曉光，劉志娟，陳阜. 全球氣候變暖對中國種植制度可能影響Ⅰ.氣候變暖對中國種植制度北界和糧食產(chǎn)量可能影響的分析[J]. 中國農(nóng)業(yè)科學，2010，43(2)：329－336.

Yang Xiaoguang, Liu Zhijuan, Chen Fu. The possible effects of global warming on cropping systems in China Ⅰ. [J]. Scientia Agricultura Sinica, 2010, 43(2): 329－336 .(in Chinese with English abstract)

[7] 李祎君，王春乙. 氣候變化對我國農(nóng)作物種植結構的影響[J]. 氣候變化研究進展，2010，6(2)：123－129.

Li Yijun, Wang Chunyi. Impacts of climate change on crop planting structure in China[J]. Advances in Climate Change Research, 2010, 6(2): 123－129. (in Chinese with English abstract)

[8] 楊建瑩，梅旭榮，劉勤，等. 氣候變化背景下華北地區(qū)冬小麥生育期的變化特征[J]. 植物生態(tài)學報，2011，35(6)：623－631.

Yang Jianying, Mei Xurong, Liu Qin, et al. Variations of winter wheat growth stages under climate changes in northern China[J]. Chinese Journal of Plant Ecology, 2011, 35(6): 623－631. (in Chinese with English abstract)

[9] 王鶴齡，王潤元，張強，等. 氣候變暖對甘肅省不同氣候類型區(qū)主要作物蒸散量的影響[J]. 中國生態(tài)農(nóng)業(yè)學報，2011，19(4)：866－871.

Wang Heling, Wang Runyuan, Zhang Qiang, et al. Impact of warming climate on crop water requirement in Gansu Province[J]. Chinese Journal of Eco-Agriculture, 2011, 19(4): 866－871. (in Chinese with English abstract)

[10] 佟玲，康紹忠，粟曉玲. 石羊河流域氣候變化對參考作物蒸發(fā)蒸騰量的影響[J]. 農(nóng)業(yè)工程學報，2004，20(2)：15－18.

Tong Ling, Kang Shaozhong, Li Xiaoling. Impacts of climate change on reference crop evapotranspiration in Shiyang River basin[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2004, 20(2): 15－18. (in Chinese with English abstract)

[11] 叢振濤，辛儒，姚本智，等. 基于HadCM3模式的氣候變化下北京地區(qū)冬小麥耗水研究[J]. 水利學報，2010，41(9)：1101－1107.

Cong Zhentao, Xin Ru, Yao Benzhi, et al. Impact of climate change on water use of winter wheat with HadCM3 Model[J]. Journal of Hydraulic Engineering, 2010, 41(9): 1101－1107. (in Chinese with English abstract)

[12] 邢萬秋，王衛(wèi)光，邵全喜，等. 未來氣候情景下海河流域參考蒸發(fā)蒸騰量預估[J]. 應用基礎與工程科學學報，2014，22(2)：239－251.

Xing Wanqiu, Wang Weiguang, Shao Quanxi, et al. Projection of future reference evapotranspiration change across the Haihe River basin[J]. Journal of Basic Science and Engineering, 2014, 22(2): 239－251. (in Chinese with English abstract)

[13] 牛紀蘋，粟曉玲. 石羊河流域參考作物蒸發(fā)蒸騰量對氣候變化的響應模擬及預測[J]. 水利學報，2014，45(3)：286－295.

Niu Jiping, Su Xiaoling. Simulation and estimation of reference evapotranspiration responding to climate change in Shiyang River basin[J]. Journal of Hydraulic Engineering, 2014, 45(3): 286－295. (in Chinese with English abstract)

[14] Li Z, Zheng F L, Liu W Z. Spatiotemporal characteristics of reference evapotranspiration during 1961–2009 and its projected changes during 2011–2099 on the Loess Plateau of China[J]. Agricultural & Forest Meteorology, 2012, 154(6): 147－155.

[15] Silva C S D, Weatherhead E K, Knox J W, et al. Predicting the impacts of climate change: A case study of paddy irrigation water requirements in Sri Lanka[J]. Agricultural Water Management, 2007, 93(1): 19－29.

[16] 王衛(wèi)光，彭世彰，孫風朝，等. 氣候變化下長江中下游水稻灌溉需水量時空變化特征[J]. 水科學進展，2012，23(5)：656－664.

Wang Weiguang, Peng Shizhang, Sun Fengchao. Spatiotemporal variations of rice irrigation water requirements in the mid-lower reaches of Yangtze River under changing climate[J]. Advances in Water Science, 2012, 23(5): 656－664. (in Chinese with English abstract)

[17] Wang W, Xing W, Shao Q, et al. Changes in reference evapotranspiration across the Tibetan Plateau: Observations and future projections based on statistical downscaling[J]. Journal of Geophysical Research-atmospheres, 2013, 118(10): 4049－4068.

[18] Xing Wanqiu, Wang Weiguang, Shao Quanxi, et al. Changes of reference evapotranspiration in the Haihe River Basin: Present observations and future projection from climatic variables through multi-model ensemble[J]. Global and Planetary Change, 2014, 115: 1－15.

[19] Chattopadhyay N, Hulme M. Evaporation and potential evapotranspiration in India under conditions of recent and future climate change[J]. Agri & Forest Meteor, 1997, 87(1): 55－73.

[20] 左德鵬，徐宗學，李景玉. 氣候變化情景下渭河流域潛在蒸散量時空變化特征[J]. 水科學進展，2011，22(4)：455－461.

Zuo Depeng, Xu Zongxue, Li Jingyu, et al. Spatiotemporal characteristics of potential evapotranspiration in the Weihe River basin under future climate change[J]. Advances in Water Science, 2011, 22(4): 455－461. (in Chinese with English abstract

[21] 唐曉培，宋妮，陳智芳等.未來主要氣候情景下黃淮海地區(qū)參考作物蒸散量時空分布[J]. 農(nóng)業(yè)工程學報，2016，32(14)：168－176.

Tang Xiaopei, Song Ni, Chen Zhifang, et al. Spatial and temporal distribution of ET0under main climate scenarios in future across Huang-Huai-Hai Plain[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2016, 32(14): 168－176. (in Chinese with English abstract)

[22] Wang W, Xing W, Shao Q. How large are uncertainties in future projection of reference evapotranspiration through different approaches?[J]. Journal of Hydrology, 2015, 524: 696－700. (in Chinese with English abstract)

[23] Lovelli S, Perniola M, Di Tommaso T, et al . Effects of rising atmospheric CO2on crop evapotranspiration in a Mediterranean area[J]. Agricultural Water Management, 2010, 97(9): 1287－1292.

[24] Baguis P, Roulin E, Willems P, et al. Climate change scenarios for precipitation and potential evapotranspiration over central Belgium[J]. Theoretical and Applied Climatology, 2010, 99: 273－286.

[25] Ishak A M, Bray M, Remesan R, et al. Estimating reference evapotranspiration using numerical weather modelling[J]. Hydrological Processes, 2010, 24(24): 3490－3509.

[26] Harmsen E W, Miller N L, Schlegel J, et al . Downscaled climate change impacts on reference evapotranspiration and rainfall deficits in Puerto Rico[C]//World Environmental and Water Resources Congress, ASCE, 2007.

[27] Harmsen E W, Miller N L, Schlegel N J, et al. Seasonal climate change impacts on evapotranspiration, precipitation deficit and crop yield in Puerto Rico[J]. Agricultural Water Management, 2009, 96(7): 1085－1095.

[28] Chun K P, Wheater H S, Onof C. Projecting and hindcasting potential evaporation for the UK between 1950 and 2099[J]. Climatic Change, 2012, 113: 639－661.

[29] Lee E J, Kang M S, Park S W, et al. Estimation of future reference evapotranspiration using arti?cial neural network and climate change scenario[C]//Pittsburgh，Pennsylvania：ASABE Annual Meeting, 2010.

[30] Baguis P, Roulin E, Willems P, et al. Climate change scenarios for precipitation and potential evapotranspiration over central Belgium[J]. Theoretical & Applied Climatology, 2009, 99(3/4): 273－286.

[31] 曹濤，王賽鴿，陳彬. 基于多區(qū)域投入產(chǎn)出分析的京津冀地區(qū)虛擬水核算[J]. 生態(tài)學報，2018，38(3)：788－799.

Cao Tao, Wang Saige, Chen Bin. Virtual water analysis for the Jing-Jin-Ji region based on multiregional input-output model[J]. Acta Ecologica Sinica, 2018, 38(3): 788－799. (in Chinese with English abstract)

[32] Moss R H, Edmonds J A, Hibbard K A, et al. The next generation of scenarios for climate change research and assessment[J]. Nature, 2010, 463(7282): 747－756.

[33] Mcsweeney C F, Jones R G. How representative is the spread of climate projections from the 5 CMIP5 GCMs used in ISI-MIP?[J]. Climate Services, 2016(1): 24－29.

[34] 馬丹陽，尹云鶴，吳紹洪，等. 中國干濕格局對未來高排放情景下氣候變化響應的敏感性[J]. 地理學報，2019，74(5)：23－40.

Ma Danyang, Yin Yunhe, Wu Shaohong, et al. Sensitivity of arid/humid patterns in China to future climate change under high emission scenario[J]. Journal of Geographical Sciences, 2019, 74(5): 23－40. (in Chinese with English abstract)

[35] 夏江江，楊慶，鄭子彥，等. 土地利用變化對20世紀中國地區(qū)氣候干濕變化的影響[J]. 氣候與環(huán)境研究，2015，20(2)：28－40.

Xia Jiangjiang, Yang Qing, Zheng Ziyan, et al. Role of land use change in dry/wet trends in China during the 20th century[J]. Climatic and Environmental Research, 2015, 20(2): 28－40. (in Chinese with English abstract)

[36] 田曉瑞，舒立福，趙鳳君，等. 氣候變化對中國森林火險的影響[J]. 林業(yè)科學，2017，53(7)：159－169.

Tian Xiaorui, Shu Lifu, Zhao Fengjun, et al. Impacts of climate change on forest fire danger in China[J]. Scientia silvae sinicae, 2017, 53(7): 159－169. (in Chinese with English abstract)

[37] 王勝，許紅梅，劉綠柳，等. 全球增溫1.5 ℃和2.0 ℃對淮河中上游徑流影響預估[J]. 自然資源學報，2018，33(11)：1966－1978.

Wang Sheng, Xu Hongmei, Liu Lüliu, et al. Projection of the impacts of global warming of 1.5 ℃and 2.0 ℃on runoff in the upper-middle reaches of Huaihe river basin[J]. Journal of Natural Resources, 2018, 33(11): 1966－1978. (in Chinese with English abstract)

[38] 陶輝，黃金龍，翟建青，等. 長江流域氣候變化高分辨率模擬與RCP4.5情景下的預沽[J]. 氣候變化研究進展，2013，9(4)：246－251.

Tao Hui, Huang Jinlong, Zhai Jianqing, et al. Simulation and projection of climate changes under the RCP4.5 scenario in the Yangtze River basin based on CCLM[J]. Progressus Inquisitiones de mutatione Climatis, 2013, 9(4): 246－251. (in Chinese with English abstract)

[39] Piani C, Weedon G P, Best M, et al. Statistical bias correction of global simulated daily precipitation and temperature for the application of hydrological models[J]. Journal of Hydrology, 2010, 395(3): 199－215.

[40] Hagemann S, Chen C, Haerter J O, et al. Impact of a statistical bias correction on the projected hydrological changes obtained from three GCMs and two hydrology models[J]. Journal of Hydrometeorology, 2011, 12(4): 556－578.

[41] Hutchinson M F. Interpolation of rainfall data with thin plate smoothing splines. Part I: Two dimensional smoothing of data with short range correlation[J]. Journal of Geographic Information and Decision Analysis, 1998, 2(2): 139－151.

[42] Hutchinson M F. Interpolation of rainfall data with thin plate smoothing splines. Part II: Analysis of topographic dependence[J]. Journal of Geographic Information and Decision Analysis, 1998, 2(2): 152－167.

[43] Hashmi M A, Carcia L A. Spatial and temporal errors in estimating regional evapotranspiration[J]. Journal of Irrigation and Drainges, 1998, 124(2): 108－114.

[44] 龔元石. Penman-Monteith公式與FAO-PPP-17 Penman 修正式計算參考作物蒸散量的比較[J]. 北京農(nóng)業(yè)大學學報，1995，21(1)：68－75.

Gong Yuanshi. Comparison of the reference evapotranspiration estimated by the penman-monteith and FAO-PPP-17 penman methods[J]. Acta Agriculturae Universitatis Pekinensis, 1995, 21(1): 68－75. (in Chinese with English abstract)

[45] 周平，陳剛，劉智勇，等. 東江流域降水與徑流演變趨勢及周期特征分析[J]. 生態(tài)科學，2016，35(2)：44－51.

Zhou Ping, Chen Gang, Liu Zhiyong, et al. Variation trend and periodicity analysis of precipitation and runoff in Dongjiang Watershed[J]. Ecological Science, 2016, 35(2): 44－51. (in Chinese with English abstract)

[46] Han J, Wang J, Zhao Y, et al. Spatio-temporal variation of potential evapotranspiration and climatic drivers in the Jing-Jin-Ji region, North China[J]. Agricultural & Forest Meteorology, 2018(256/257): 75－83.

[47] 謝賢群，王菱. 中國北方近50 年潛在蒸散量的變化[J].自然資源學報，2007，22(5)：683－691.

Xie Xianqun, Wang Ling. Changes of potential evaporation in Northern China over the past 50 years[J]. Journal of Natural Resources, 2007, 22(5): 683－691. (in Chinese with English abstract)

Spatiotemporal variations of future potential evapotranspiration in the Beijing-Tianjin-Hebei region under GFDL-ESM2M climate model

Bi Yanjie1,2, Zhao Jing1※, Wu Di3, Zhao Yong2

(1.450046,; 2., 100038,;3., 100054,)

The temporal and spatial variation characteristics of future potential evapotranspiration (ET0) can provide basic data support for agricultural water demand prediction, irrigation management and rational response to climate change. This paper has made the temporal and spatial prediction based on the various parameters, including the average temperature, the maximum temperature, the minimum temperature, total solar radiation, relative humidity and near-surface wind speed, where the 92 grid points were obtained in the Beijing-Tianjin-Hebei region from 1960-2016. The feasibility of climate models was verified using the principle of probability distribution optimization. Using the global climate model of GFDL-ESM2M that provided by the United States (Geophysical Fluid Dynamics Laboratory, GFDL), the SS(Skill Score) value of annual mean temperature could reach 0.86, indicating good applicability for the simulation in the Beijing-Tianjin-Hebei region. The prediction period was set from January 1, 2021 to December 31, 2050, and the climate scenarios were selected RCP(representative concentration pathways)2.6, RCP4.5 and RCP8.5, respectively, representing low, medium and high RCP cases. The temporal and spatial distribution characteristics of the future daily ET0and its correlation with climate elements were analyzed using the Penman-Monteith formula based on the measured 92 grid points in the Beijing-Tianjin-Hebei region. The simulated results found that the future ET0showed an increasing trend during this period. The ET0in the RCP8.5 scenario rose the fastest, with the increment increasing over time, especially in the 2040 period. The summer ET0grew the fastest, followed by spring, autumn and winter, meaning that the distribution difference of the seasonal ET0will dominate in the future. This phenomenon may cause more severe seasonal droughts. The spatial distribution of ET0gradually decreased from southwest to northeast, specifically indicating that Shijiazhuang in the southern plain area had the largest ET0(1 207-1 262 mm), while Zhangjiakou and Chengde in the northwest mountainous area had the lowest ET0(938-974 mm). There was a high growth rate of ET0in the central region, as decreasing from central region to north and south. The average temperature in each climate scenario increased year by year, the wind speed and total solar radiation increased slightly, while the relative humidity decreased. The correlation between ET0and the total solar radiation was the most obvious, followed by the highest temperature, all showing an increasing trend from northwest to southeast. The ET0had negatively correlation with the relative humidity, but the absolute value of its correlation coefficient increased from northeast to southwest. There was a relatively slight correlation between ET0and the wind speed. The correlation coefficient between ET0and the total solar radiation showed a declining trend from RCP2.6-RCP8.5 with the increase of the emission concentration, possibly resulting from the large amount of energy consumption. The energy consumption will lead to the increase of the aerosol content in the air and the increase of haze days, leading to the decrease of sunshine hours, and the reduction of the total solar radiation. The negative effect of the reduce in the sunshine hours may exceed the positive effect of the temperature rising. It is possible that the future ET0will continue to rise due to the radiation and temperature. The ET0increase in the future can deteriorate the water shortages and even severe droughts in the Beijing-Tianjin-Hebei region from 2021 to 2050.

transpiration; evaporation; GFDL-ESM2M climate model; potential evapotranspiration; spatial and temporal distribution; climatic factors

2019-07-15

2020-01-06

國家重點研發(fā)（2016YFC0401407，2017YFC0405805-03）；華北水利水電大學高層次人才科研基金（201702016）

畢彥杰，講師，博士。主要從事流域水循環(huán)模擬與實驗、氣候變化方面研究。Email：835938470@qq.com

趙 晶，講師，博士。主要從事水資源管理。Email：zhaojing19870515@qq.com

10.11975/j.issn.1002-6819.2020.06.016

S161.4

A

1002-6819(2020)-06-0141-09

畢彥杰，趙 晶，吳 迪，趙 勇. GFDL-ESM2M氣候模式下京津冀地區(qū)未來潛在蒸散量時空變化[J]. 農(nóng)業(yè)工程學報，2020，36(6)：141－149. doi：10.11975/j.issn.1002-6819.2020.06.016 http://www.tcsae.org

Bi Yanjie, Zhao Jing, Wu Di, Zhao Yong. Spatiotemporal variations of future potential evapotranspiration in the Beijing-Tianjin-Hebei region under GFDL-ESM2M climate model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(6): 140－149. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.06.016 http://www.tcsae.org