黃淮海區(qū)域參考作物蒸散量的時空變化特征及影響因素

檀艷靜，胡程達，史桂芬，3

（1.中國氣象局·河南省農業(yè)氣象保障與應用技術重點實驗室，河南 鄭州 450003；2.河南省周口市氣象局，河南 周口 466000；3.河南省商丘市氣象局，河南 商丘 476000）

引 言

參考作物蒸散量是表征大氣蒸散能力的氣象參數［1］，是用來評價氣候干旱程度、植被耗水量、農作物需水量及生產潛力、水資源供需平衡的一個重要指標［2］。作為能量平衡和水分平衡的重要組成部分，參考作物蒸散量直接影響作物產量的估算、農業(yè)用水的安排、灌溉制度的制定和選種育種的區(qū)域劃分，在預測作物水分需求、分析氣候變化對農業(yè)生產影響等方面起到非常重要的作用［3－4］。

氣候變暖導致氣溫、降水格局發(fā)生變化，尤其是降水和蒸散的時空變化顯著影響了農業(yè)生產［5－6］，因此氣候變化對參考作物蒸散量影響的研究備受關注。在全球氣候變暖背景下，參考作物蒸散量的變化趨勢存在空間差異性［7－11］，而中國幅員遼闊，地形復雜且緯向跨度大，其空間差異更為明顯［12－16］。因此，在氣候變暖背景下探究參考作物蒸散量的區(qū)域差異與時間變化以及影響成因顯得尤為重要。研究表明，參考作物蒸散量的變化是氣溫、濕度、風速、日照等多種氣象因子綜合作用的結果，以往常采用相關分析和偏相關分析等方法［17－23］，定性分析參考作物蒸散量與各氣象因子之間的關系，上述方法雖能定性說明參考作物蒸散量的變化與各氣象因子關系的強弱，但無法定量給出實際影響。隨著參考作物蒸散量變化成因研究的不斷深入，近年來提出了敏感性分析和貢獻率分析等定量化方法。敏感性分析法可以反映氣象因子對參考作物蒸散量的影響程度［24－25］。貢獻率分析法是在敏感性分析基礎上結合氣象因子的趨勢變化，得到氣象因子對參考作物蒸散量變化的貢獻率［26－30］，該方法能夠定量描述氣象因子對參考作物蒸散量變化的實際貢獻，使其變化機制更具有合理性和可行性。

黃淮海區(qū)域是我國最大的農業(yè)產區(qū)，居我國商品糧基地之首，水資源是限制該區(qū)域農業(yè)發(fā)展的重要因素，而參考作物蒸散量是表征作物需水量最為關鍵的要素［22］，是水資源規(guī)劃和農業(yè)用水管理的重要依據［1］。為明確黃淮海區(qū)域參考作物蒸散量變化的主導因子，定量辨識各氣象要素的貢獻，本研究基于黃淮海區(qū)域364個氣象站點1961—2018年逐日氣象觀測資料，利用Penman－Monteith公式計算參考作物蒸散量，在此基礎上采用線性回歸、敏感性分析和貢獻率分析等方法，分析探討該區(qū)域參考作物蒸散量的時空分布特征及其變化成因，以期為當地的水資源合理規(guī)劃和農業(yè)水資源高效利用提供一定的科學依據。

1 數據與方法

1.1 研究區(qū)概況與數據來源

黃淮海區(qū)域是我國重要的糧食生產區(qū)，行政區(qū)域上主要包括河北、河南、山東、安徽、江蘇及北京、天津等七省市，屬于暖溫帶半濕潤季風氣候，年平均氣溫8～15℃，0℃及以上積溫4200～5500℃，無霜期170～220 d，年日照時數2100～2800 h，年降水量500～950 mm，且由南向北減少，季節(jié)分配不均，60%～70%集中在夏季，春季易發(fā)生干旱。該區(qū)域作物的主要栽種方式是冬小麥－夏玉米輪作。

氣象資料來源于中國氣象科學數據共享服務網（http：／／cdc.cma.gov.cn／），包括 1961—2018年平均氣溫、最高氣溫、最低氣溫、風速、日照時數、平均相對濕度等逐日觀測資料，剔除數據缺測較多的站點，最終選取了364個氣象站點（圖1）。

1.2 研究方法

1.2.1 參考作物蒸散量的計算

采用FAO 1998年推薦的Penman－Monteith公式計算參考作物蒸散量，公式如下［1］：

式中：ET0（mm·d－1）為參考作物蒸散量；Rn（MJ·m－2·d－1）為凈輻射；G（MJ·m－2·d－1）為土壤熱通量，在逐日計算公式中G≈0；T（℃）為2 m高度處日平均氣溫；es（kPa）為飽和水氣壓；ea（kPa）為實際水氣壓；△（kPa·℃－1）為飽和水氣壓曲線斜率；γ（kPa·℃－1）為干濕表常數；U2（m·s－1）為2 m高度風速，由10 m高度風速計算得到。

圖1 黃淮海區(qū)域氣象站點分布Fig.1 Distribution of meteorological stations in Huang－Huai－Hai region

1.2.2 敏感系數的計算

敏感系數是表征一個或幾個相關氣象因子的變化對ET0變化影響程度的定量參數，是體現ET0對相關氣象因子敏感性的主要指標，用來判斷氣象因子對擾動的影響，定義為ET0變化率與氣象因子變化率之比［24－25］，計算公式為：

式中：SVi為敏感系數；△ET0為 ET0的變化量；Vi、△Vi分別為氣象因子及其變化量。SVi＞0，表示ET0隨氣象因子的增加而增加，反之則隨氣象因子的增加而減少，其絕對值大小反映了氣象因子對ET0影響程度的高低，絕對值越大表示該氣象因子的變化對ET0的影響越大。敏感系數均在日值的時間尺度上求得。

1.2.3 氣象因子對 ET0的貢獻率

將單個氣象因子的敏感系數與該要素的多年相對變化相乘，得到此要素引起的ET0的變化，即該要素對ET0變化的貢獻［31－32］，其中引起 ET0增大稱為正貢獻，引起ET0減小稱為負貢獻，計算式如下：

式中：ConVi（%）為氣象因子Vi對ET0變化的貢獻率；RCVi（%）是Vi的多年相對變化率；n為年數，本文取值 58；aVi為Vi的平均值；TrendVi為Vi的逐年變化率。

影響ET0變化的氣象因子眾多，參考前人研究成果，即影響ET0變化的氣象因子主要有平均氣溫、相對濕度、日照時數和風速，將這4個因子的貢獻率累加得到對ET0變化的總貢獻率，其公式為：

式中：ConET0（%）為4個氣象因子對ET0變化的總貢獻率；ConT、ConRH、ConS、ConU2（%）分別為平均氣溫、相對濕度、日照時數和2 m風速對ET0變化的貢獻率。

2 結果與分析

2.1 參考作物蒸散量的時空變化特征

受氣候、地形等條件影響，黃淮海區(qū)域參考作物蒸散量存在明顯的空間差異，整體呈現中部高、南部次之、北部最低的分布特征，高值區(qū)（ET0＞1050 mm）位于河北、山東和天津交界地帶，并向四周逐漸減少；低值區(qū)（ET0＜910 mm）位于海拔高的河北北部和河南西部等地區(qū)［圖2（a）］；各省區(qū)之間整體差異較小，山東平均 ET0最高為1005.2 mm，河南平均最小為 960.1 mm，全區(qū)平均為978.7 mm。

1961—2018 年，黃淮海區(qū)域年平均ET0整體呈顯著減小趨勢［圖2（b）］，氣候傾向率為－12.5 mm·（10 a）－1，且階段性變化特征明顯，20世紀80年代中期以前階段性下降特征極其明顯，下降幅度較大，大部分年份處于趨勢線以下，而后圍繞著950 mm波動變化，無明顯變化趨勢，且2005年以后波動幅度最小，表明近58 a黃淮海區(qū)域ET0存在“蒸發(fā)悖論”現象，ET0的減小意味著該區(qū)域農田和自然植被蒸散量減弱，作物需水量和灌溉量也相應地減少，地表干燥度降低，即氣候可能呈濕潤化趨勢。

從圖3看出，1961—2018年黃淮海大部分區(qū)域年平均ET0呈減少趨勢，減少的站點占總站數的83.0%，而河北局部、江蘇中南部地區(qū)則呈增加趨勢，表明黃淮海大部地區(qū)存在“蒸發(fā)悖論”現象。全區(qū)年平均ET0的氣候傾向率為－52～33 mm·（10 a）－1，且大部分站點（67.6%）通過0.05及以上的顯著性檢驗，其中黃淮海中部的河北、河南、山東、安徽和江蘇交界地帶年均ET0減少趨勢最為顯著，氣候傾向率為 －52～－15 mm·（10 a）－1，而年均 ET0呈現增加趨勢的河北局部、江蘇中南部地區(qū)也通過了顯著性檢驗，未通過顯著性檢驗的地區(qū)的氣候傾向率為 －15～0 mm·（10 a）－1。統(tǒng)計發(fā)現（表略），各省區(qū)年均ET0均表現為減小趨勢，河南減小幅度最大，氣候傾向率為 －15.7 mm·（10 a）－1，其次是安徽和山東，分別為 －14.8和 －14.5 mm·（10 a）－1，江蘇最小為 －5.7 mm·（10 a）－1。

從ET0的年代際空間分布（圖4）來看，近58 a黃淮海區(qū)域ET0的年代際變化較明顯，20世紀60年代ET0相對較大，普遍在980 mm以上，且有2個高值中心，分別位于河北東南部和山東北部交界處（中部中心）、安徽北部（南部中心），前者中心值高于后者；20世紀70年代，980 mm以上各等級范圍均有不同程度的縮小，且南部中心消失，中部中心明顯向渤海灣收縮；20世紀80年代，980 mm以上范圍顯著縮小為2個不連續(xù)區(qū)域，中部中心1050 mm以上區(qū)域顯著縮小至渤海灣沿岸，且1120 mm以上的高值近乎消失；隨后的1991—2018年，各年代的ET0空間分布與20世紀80年代相似，不同的是20世紀90年代南部中心的強度增至最強，而2011—2018年中部中心的強度略有增加。可見，黃淮海區(qū)域ET0的年代際變化特征空間并不一致，20世紀60年代至80年代大部分地區(qū)ET0減少特征顯著，說明氣候干旱化趨勢減弱，尤其是河北東南部和山東北部一帶，20世紀90年代以后ET0的年代際變化特征不明顯。

圖2 1961—2018年黃淮海區(qū)域多年平均ET0的空間分布（a，單位：mm）及其變化趨勢（b）（*表示通過0.01的顯著性檢驗，下同）Fig.2 Spatial distribution of annual mean ET0（a，Unit：mm）and its change trend（b）in Huang－Huai－Hai region during 1961－2018（*represents passing the significance test of 0.01 level，the same as below）

圖3 1961—2018年黃淮海區(qū)域年平均ET0的氣候傾向率［a，單位：mm·（10 a）－1］和顯著性檢驗（b）空間分布Fig.3 Spatial distribution of climatic tendency rate（a，Unit：mm·（10 a）－1）and significance test（b）of annual mean ET0 in Huang－Huai－Hai region during 1961－2018

圖4 黃淮海區(qū)域1961—2018年各年代平均ET0的空間分布（單位：mm）（a）1961—1970年，（b）1971—1980年，（c）1981—1990年，（d）1991—2000年，（e）2001—2010年，（f）2011—2018年Fig.4 The spatial distribution of decadal mean ET0 in Huang－Huai－Hai region during 1961－2018（Unit：mm）（a）1961－1970，（b）1971－1980，（c）1981－1990，（d）1991－2000，（e）2001－2010，（f）2011－2018

2.2 參考作物蒸散量對氣象因子的敏感性分析

表1統(tǒng)計了各省和全區(qū)ET0對各氣象因子的敏感系數?？梢钥闯?，ET0對平均氣溫、風速和日照時數的敏感系數均為正，而對相對濕度的敏感系數為負，且就全區(qū)而言相對濕度的敏感系數絕對值明顯大于其他3個氣象因子，說明相對濕度是黃淮海區(qū)域ET0變化最敏感的氣象因子，其次是平均氣溫、日照時數，而ET0對風速的敏感性最弱；不同省區(qū)敏感系數絕對值最大的氣象因子不同，京津冀地區(qū)ET0對日照時數最敏感，山東、江蘇對相對濕度最敏感，而河南、安徽對平均氣溫最敏感，但各省區(qū)ET0對風速的敏感性最弱。可見，各省區(qū)由于所在的地理位置及地形特征不同，ET0對氣象因子的敏感性不盡一致。

表1 黃淮海區(qū)域及各省區(qū)ET0對各氣象因子的敏感系數和各因子對ET0變化的貢獻率及總貢獻率Tab.1 Sensitivity coefficient of ET0 to each meteorological factor and their contribution rates，total contribution rate to ET0 change in each province or area of Huang－Huai－Hai region

從敏感系數的空間分布（圖5）看出，黃淮海區(qū)域平均氣溫的敏感系數為0.03～0.75，平均為 0.52，具有明顯的緯向分布特征，自南向北逐漸減小，安徽大部和江蘇中南部的敏感系數在0.60以上，河北北部在0.35以下；風速的敏感系數在0.06～0.38之間，平均為0.18，其緯向分布特征明顯，自北向南逐漸減小，京津冀北部敏感系數大于0.25，而河南南部、安徽中南部和江蘇大部的敏感系數小于0.15；與平均氣溫和風速的空間分布不同，相對濕度的敏感系數絕對值大致呈自東南向西北逐漸減小的帶狀分布，受海洋和地形影響，河南西部、京津冀北部相對濕度的敏感系數絕對值最?。ǎ?.35），大部分地區(qū)處于0.35～0.65，山東半島、安徽中部和江蘇大部敏感系數絕對值較大，在0.95以上；日照時數的敏感系數在0.26～0.76之間，平均為 0.43，且空間差異不明顯，大部分地區(qū)不足0.46，京津冀東北部在0.66以上。

2.3 主要氣象因子對參考作物蒸散量的貢獻率

由公式（4）可知，各氣象因子對ET0變化的貢獻由ET0對氣象因子的敏感性和氣象因子自身的時間變化趨勢兩部分決定，為此分析了各氣象因子的年變化特征及趨勢（圖6）?？梢钥闯觯?961—2018年黃淮海區(qū)域年平均氣溫整體呈顯著上升趨勢，氣候傾向率為0.25℃·（10 a）－1，決定系數為 0.49，其中20世紀90年代以前平均氣溫的年代際變化不明顯，而后階段性升高，尤其是2011年以后平均氣溫最高；年平均風速持續(xù)減小，尤其是20世紀90年代以前下降顯著，氣候傾向率為 －0.23 m·s－1·（10 a）－1，決定系數為0.88；年平均相對濕度和日照時數均表現出先增加后持續(xù)減少的年代際變化特征，但整體上分別以0.46%·（10 a）－1、47.9 h·（10 a）－1的速率顯著下降。

圖5 黃淮海區(qū)域ET0對主要氣象因子的敏感系數空間分布（a）平均氣溫，（b）風速，（c）相對濕度，（d）日照時數Fig.5 Spatial distribution of sensitivity coefficients of ET0 to main meteorological factors in Huang－Huai－Hai region（a）mean temperature，（b）wind speed，（c）relative humidity，（d）sunshine hours

就各省區(qū)（表2）來看，近58 a京津冀地區(qū)、山東及安徽平均氣溫呈顯著上升趨勢，風速和日照時數均呈顯著下降趨勢，而相對濕度減少趨勢不明顯；河南平均氣溫呈顯著上升趨勢，風速呈顯著下降趨勢，而相對濕度和日照時數減少趨勢不顯著；江蘇平均氣溫呈顯著上升趨勢，風速、相對濕度和日照時數均呈顯著下降趨勢。

結合ET0對氣象因子變化的敏感系數和氣象因子的時間變化趨勢，得到各氣象因子對ET0減小的貢獻率（表1）?？梢钥闯觯骄鶜鉁睾拖鄬穸葘T0減小的貢獻率均為正，而風速和日照時數對ET0減小的貢獻率均為負；從全區(qū)來看，風速的貢獻最大（－9.69%），日照時數次之，相對濕度的貢獻最?。?.41%）；就各省區(qū)而言，除安徽日照時數的貢獻率最大外，其他省區(qū)風速的貢獻率最大，但江蘇日照時數的貢獻率也較大，略小于風速，表明風速的減小是造成京津冀地區(qū)、山東、河南ET0減小的首要原因，日照時數的減少是造成安徽ET0減小的首要原因，而日照時數和風速的減小是造成江蘇ET0減小的主要原因。

雖然ET0對相對濕度變化的敏感性高于其他3個因子，但由于相對濕度的年變化趨勢較其他因子弱，使得該因子對ET0變化的貢獻最小；ET0對風速敏感性最弱，但風速的年變化趨勢較其他因子最顯著，最終使得該因子對ET0變化的貢獻最大；雖然平均氣溫和日照時數的年變化趨勢顯著，但ET0對這兩個因子的敏感性較低，導致兩因子對ET0變化的貢獻較低。另外，4個主要氣象因子對ET0變化的負貢獻遠大于正貢獻，這在很大程度上解釋了ET0呈減小趨勢的現象。

圖6 1961—2018年黃淮海區(qū)域主要氣象因子的年際、年代際變化及趨勢（a）平均氣溫，（b）風速，（c）相對濕度，（d）日照時數Fig.6 The annual and decadal change of main meteorological factors and their climatic tendency in Huang－Huai－Hai region during 1961－2018（a）mean temperature，（b）wind speed，（c）relative humidity，（d）sunshine hours

表2 1961—2018年黃淮海區(qū)域各省區(qū)氣候要素的均值及氣候傾向率Tab.2 Mean value of climate factors and their climatic tendency rates in Huang－Huai－Hai region during 1961－2018

圖7是黃淮海區(qū)域各站點對ET0減小貢獻最大的氣象因子及總貢獻率的空間分布。從圖7（a）看出，對京津冀地區(qū)和河南ET0減小貢獻最大的氣象因子有風速、日照時數和平均氣溫，兩地區(qū)貢獻最大因子為風速的站點最多，分別約占55%、78%，其次為日照時數，而平均氣溫為最大貢獻因子的站點最少（均有4個）；對山東、安徽和江蘇ET0減小貢獻最大的氣象因子有日照時數、相對濕度、風速和平均氣溫，山東貢獻最大的因子為風速（約73%站點），安徽為日照時數（74%），而江蘇相對濕度和風速是最大貢獻因子的站點較多，分別占28%和32%。從圖7（b）看出，黃淮海區(qū)域平均氣溫、風速、相對濕度和日照時數對ET0減小的總貢獻率存在一定的空間差異，大部地區(qū)的總貢獻率為負，京津冀北部局部地區(qū)和江蘇中南部總貢獻率為正，其中京津冀地區(qū)南部、河南東北部、山東西部和安徽北部總貢獻率在－10%以下。

綜上所述，黃淮海區(qū)域風速和日照時數的貢獻率較大，貢獻率最大的因子為風速和日照時數的站點占比88%，表明風速的減小和日照時數的減少是黃淮海區(qū)域ET0減小的主要原因。

圖7 黃淮海區(qū)域各站點對ET0貢獻最大的氣象因子（a）及總貢獻率（b，單位：%）的空間分布Fig.7 Spatial distribution of meteorological factor with the maximum contribution to ET0 （a）and their total contribution rate（b，Unit：%）in each station of Huang－Huai－Hai region

3 討 論

黃淮海區(qū)域由黃淮海平原、魯中南丘陵和山東半島組成，地形及氣候條件存在差異，各地ET0的變化規(guī)律及其成因不盡相同，ET0整體以減少趨勢為主，但江蘇中南部則表現為增加趨勢，這與已有研究結論基本一致［18，32］，且 ET0的階段性時間變化特征與全國較為一致［12］。不同區(qū)域ET0變化對氣象因子的敏感性不同，黃淮海區(qū)域ET0對氣象因子的敏感性與黃土高原［25］較為一致，而與海南島［31］、東北地區(qū)［33］不同，東北地區(qū) ET0變化對氣溫最為敏感［33］，西北地區(qū)對太陽總輻射最為敏感［34］。另外，不同區(qū)域氣象因子的多年變化趨勢也不盡相同，對ET0變化的貢獻也不一致。因此，綜合氣象因子的敏感系數和變化趨勢，能夠更好地定量評價各氣象因子對ET0的影響。

近年來，“蒸發(fā)悖論”現象在很多地區(qū)普遍存在［10，26－32］，黃淮海區(qū)域氣溫的顯著升高并未導致區(qū)域內ET0升高。究其原因，很大程度上是該區(qū)域氣溫變化對ET0的貢獻率沒有風速和日照時數變化所占的比重大。研究表明，研究尺度和氣象站點的不同會導致對 ET0貢獻最大的因子有所差異［12，21，32］，但大部地區(qū)風速是對ET0影響最大的因子，這與本文的研究結論較為一致。另外，引起ET0變化的原因多樣化、復雜化，除受氣溫、相對濕度、風速、日照時數等主要氣象因子影響外，還與其他氣象因子及人類活動、下墊面變化等有關。ET0的減少將引起作物需水量降低，黃淮海區(qū)域降水量季節(jié)分配不均，且主要集中在生長季，生長季內降水與蒸散不平衡導致近幾十年易發(fā)生干旱［35－36］，故而還需對不同季節(jié)或生長季的ET0變化及成因作進一步的研究分析，從而根據作物不同生長階段對水分的敏感程度進行適量、有效地灌溉，制定優(yōu)化的灌溉制度。

4 結 論

（1）1961—2018年，黃淮海區(qū)域年平均 ET0為978.7 mm，且空間差異明顯，大致上ET0自中部向四周逐漸減??；各省區(qū)年平均ET0差異較小，山東最高，河南最小。

（2）近58 a來，除江蘇中南部呈顯著增多趨勢外，黃淮海大部分地區(qū)年平均ET0呈減少趨勢，全區(qū)以 12.5 mm·（10 a）－1的速率顯著減少，且各省區(qū)的變化趨勢與全區(qū)一致，河南變化率最大，江蘇最小；ET0存在明顯的年代際變化，尤其是20世紀90年代以前年代際變化顯著。同時，研究區(qū)內平均氣溫呈顯著上升趨勢，風速、相對濕度和日照時數則呈顯著減小趨勢。

（3）黃淮海區(qū)域內ET0對平均氣溫、風速和日照時數的敏感系數均為正，而對相對濕度的敏感系數為負，敏感系數絕對值最大為相對濕度，平均氣溫次之，風速最小，其中平均氣溫和風速的敏感系數均具有明顯的緯向分布特征，相對濕度敏感系數具有一定的東南—西北向帶狀分布，而日照時數的敏感系數南北差異不明顯。

（4）結合敏感系數和時間變化趨勢，平均氣溫和相對濕度對ET0減小的貢獻率均為正，風速和日照時數對ET0減小的貢獻率均為負，且貢獻率絕對值自風速、日照時數、平均氣溫、相對濕度依次減?。桓魇^(qū)風速對ET0減小的貢獻最大（安徽為日照時數），風速的減小是造成ET0減小的首要原因，京津冀地區(qū)、山東、河南為風速的減小，安徽為日照時數的減少，而江蘇則是日照時數的減少和風速的減小?？梢?，風速的減小和日照時數的減少是黃淮海區(qū)域ET0減小的主要原因。