1961—2015年中國(guó)飽和水汽壓差的時(shí)空變化特征

摘要" 飽和水汽壓差（vapor pressure deficit，VPD）是指示地區(qū)大氣干燥程度的重要指標(biāo)，探究我國(guó)各地區(qū)VPD時(shí)空變化特征對(duì)氣候變化研究和實(shí)際農(nóng)牧業(yè)生產(chǎn)等具有重要意義?；谌珖?guó)772個(gè)氣象站日平均氣溫和日相對(duì)濕度等資料，采用協(xié)同克里金插值、Mann-Kendall趨勢(shì)檢驗(yàn)和偏相關(guān)分析等方法，對(duì)中國(guó)1961—2015年飽和水汽壓差的時(shí)空分布及變化趨勢(shì)特征進(jìn)行分析，并討論了VPD與氣溫和相對(duì)濕度的關(guān)系。結(jié)果表明：1961—2015年中國(guó)VPD時(shí)空分布差異顯著，時(shí)間上呈現(xiàn)夏高冬低的特征，空間上年均VPD高值主要集中在西北干旱半干旱區(qū)，低值主要分布在東北地區(qū)、青藏地區(qū)以及南方部分地區(qū)。全國(guó)絕大部分地區(qū)VPD呈升高趨勢(shì)，以2000年為突變點(diǎn)，平均升高趨勢(shì)由1.519 6 hPa／（10 a）增長(zhǎng)到7.074 3 hPa／（10 a）。南方地區(qū)與北方地區(qū)VPD變化的主導(dǎo)因子均是最高氣溫，而西北地區(qū)和青藏地區(qū)VPD變化的主導(dǎo)因子分別為平均氣溫和相對(duì)濕度;四個(gè)地區(qū)突變年前后VPD變化的主導(dǎo)因子保持不變。

關(guān)鍵詞飽和水汽壓差;時(shí)空變化;Mann-Kendall檢驗(yàn);偏相關(guān)分析

2023-08-11收稿，2023-10-23接受

第三次新疆綜合科學(xué)考察項(xiàng)目（2021xjkk0802）;國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2021YFC3000201）;國(guó)家自然科學(xué)基金項(xiàng)目（42071032）;中國(guó)科學(xué)院青年創(chuàng)新促進(jìn)會(huì)資助項(xiàng)目（2020056）

引用格式：欒鹿鳴，王元鑫，朱文彬，2024.1961—2015年中國(guó)飽和水汽壓差的時(shí)空變化特征［J］.大氣科學(xué)學(xué)報(bào)，47（6）：904-916.

Luan L M，Wang Y X，Zhu W B，2024.Spatio-temporal variations of vapor pressure deficit in China from 1961 to 2015［J］.Trans Atmos Sci，47（6）：904-916.doi：10.13878／j.cnki.dqkxxb.20230811001.（in Chinese）.

全球氣候變化及其對(duì)地球生態(tài)系統(tǒng)的影響是當(dāng)今重要的研究熱點(diǎn)之一。飽和水汽壓差（vapor pressure deficit，VPD）定義為一定氣溫下空氣飽和水汽壓（es）與實(shí)際水汽壓（ea）的差值（Ghimire et al.，2022;程夢(mèng)琦等，2023），代表空氣距離水汽飽和狀態(tài)的差異程度。諸多研究表明，VPD作為衡量大氣干燥程度的關(guān)鍵指標(biāo)，在全球氣候變暖的大背景下發(fā)生了深刻而顯著的變化（Yuan et al.，2019;He et al.，2021）。探究VPD時(shí)空變化特征對(duì)于氣候風(fēng)險(xiǎn)防范、農(nóng)牧業(yè)生產(chǎn)和水資源管理等具有重要意義。

具體來(lái)說(shuō)，VPD是水文循環(huán)過(guò)程的重要驅(qū)動(dòng)力（金佳鑫等，2023），與蒸散發(fā)（evapotranspiration，ET）速率直接相關(guān)（韓宇平等，2018;陳鏡明等，2020），特別是在植被稀疏或無(wú)植被的地表，VPD的增加將顯著促進(jìn)蒸散發(fā)的增加（Ficklin and Novick，2017）。此外，VPD作為重要的生態(tài)因子，對(duì)植物葉片的氣孔導(dǎo)度有直接影響，過(guò)高的VPD將導(dǎo)致氣孔開(kāi)度降低以防止過(guò)多水分流失，但同時(shí)也會(huì)降低光合作用速率，從而影響植物發(fā)育與作物產(chǎn)量（Jarvis，1976;張紅梅等，2014）。根據(jù)VPD變化可以有效監(jiān)測(cè)區(qū)域尺度的氣象干旱與植被動(dòng)態(tài)特征（Li et al.，2021）。另外，VPD對(duì)氣候變化也有顯著影響，厘清VPD年際變化特征有助于深入理解大氣干濕程度對(duì)氣候變化的響應(yīng)。寧梓妤等（2022）探討了中國(guó)西南地區(qū)VPD的年際變化特征;結(jié)果表明，在突變點(diǎn)后西南地區(qū)VPD發(fā)生顯著變化，主要是由于氣溫上升對(duì)相對(duì)濕度的影響。Seage et al.（2015）研究發(fā)現(xiàn)，美國(guó)西南內(nèi)陸VPD偏高與拉尼娜現(xiàn)象明顯相關(guān)，這種相關(guān)性是通過(guò)洋流作用引起的。VPD不僅在水文學(xué)、生態(tài)學(xué)和氣象學(xué)研究中具有重要地位，在其他領(lǐng)域也扮演著重要角色。譬如，VPD可被用來(lái)合理解釋火災(zāi)燒毀面積的年際變化。Chiodi et al.（2021）研究了1980—2019年美國(guó)西部夜間的VPD變化，發(fā)現(xiàn)夜間VPD增加是火災(zāi)日越來(lái)越長(zhǎng)的原因。此外，在某些生物實(shí)驗(yàn)工作中，VPD被認(rèn)為比相對(duì)濕度（relative humidity，RH）更適合作為記錄指標(biāo)（Anderson，1936）。

由于VPD在相關(guān)領(lǐng)域中的重要作用，國(guó)內(nèi)學(xué)者已開(kāi)展了較多區(qū)域尺度VPD相關(guān)研究，但在全國(guó)尺度上VPD變化的時(shí)空差異性對(duì)比分析尚缺乏。在此背景下，本文基于對(duì)大量氣象觀測(cè)數(shù)據(jù)的收集與分析，以空間插值和統(tǒng)計(jì)分析為主要研究方法，擬揭示我國(guó)VPD在不同時(shí)間尺度、不同地理分區(qū)的時(shí)空差異性與趨勢(shì)特征，并探析其驅(qū)動(dòng)因素，旨在為相關(guān)部門和決策者提供參考，促進(jìn)我國(guó)氣候適應(yīng)性能力的提升，并推動(dòng)可持續(xù)發(fā)展戰(zhàn)略的實(shí)施。

1" 數(shù)據(jù)與方法

1.1" 數(shù)據(jù)

中國(guó)地域遼闊，氣候類型復(fù)雜多樣，絕大多數(shù)地區(qū)屬于季風(fēng)性氣候區(qū)，年降水量從南至北、從東到西逐步遞減。受此影響，植被類型在不同地區(qū)之間差異顯著，整體上東南地區(qū)植被覆蓋度高于西北地區(qū)。為分析我國(guó)不同地理分區(qū)VPD差異，本研究根據(jù)張?jiān)艿龋?022）的研究，將研究區(qū)劃分為北方地區(qū)、南方地區(qū)、西北地區(qū)和青藏地區(qū)（圖1）。所采用的分界線來(lái)自于國(guó)家基礎(chǔ)地理信息中心（http：／／www.ngcc.cn／ngcc／）。北方地區(qū)指中國(guó)東部季風(fēng)區(qū)的北部，主要是秦嶺-淮河一線以北，大興安嶺、烏鞘嶺以東的地區(qū)，東臨渤海和黃海，屬于溫帶大陸性季風(fēng)氣候和暖溫帶大陸性季風(fēng)氣候;南方地區(qū)指中國(guó)東部季風(fēng)區(qū)的南部，秦嶺-淮河一線以南的地區(qū)，西接青藏高原，東部與南部瀕臨東海和南海，以亞熱帶季風(fēng)氣候和熱帶季風(fēng)氣候?yàn)橹?西北地區(qū)位于昆侖山-阿爾金山-祁連山和長(zhǎng)城以北，大興安嶺、烏鞘嶺以西，自東向西由大陸性半干旱氣候向大陸性干旱氣候過(guò)渡;青藏地區(qū)位于中國(guó)西南邊陲，橫斷山脈及其以西，喜馬拉雅山及其以北，昆侖山、阿爾金山和祁連山及其以南，高原氣候特征明顯。

氣象數(shù)據(jù)來(lái)自國(guó)家氣象數(shù)據(jù)網(wǎng)（http：／／data.cma.cn／）。本文選用中國(guó)陸面區(qū)域772個(gè)氣象觀測(cè)站1961—2015年的逐日氣象資料，包括日最高氣溫、日最低氣溫、日平均氣溫和相對(duì)濕度。上述4個(gè)地理分區(qū)的氣象站點(diǎn)數(shù)量分別為218、354、130和70。

1.2" 研究方法

1.2.1" VPD計(jì)算方法

空氣中含有的水汽所產(chǎn)生的壓強(qiáng)為水汽壓。若在某一給定氣溫下，水汽壓不斷增加使得水汽達(dá)到飽和出現(xiàn)凝結(jié)，此時(shí)的水汽壓稱為該氣溫下的飽和水汽壓（陳欽弟，1997）。目前已有多個(gè)飽和水汽壓計(jì)算公式，本文對(duì)較為常用的飽和水汽壓公式——Claperyron-Clausius方程（Bisht and Bras，2010）和Tetens經(jīng)驗(yàn)公式（Allen et al.，1998;陳祥明和趙振維，2013）進(jìn)行比較計(jì)算。

Claperyron-Clausius方程是以理論概念為基礎(chǔ)，基于物質(zhì)平衡關(guān)系，把飽和水汽壓隨氣溫的變化、容積的變化與過(guò)程的熱效應(yīng)聯(lián)系起來(lái)，公式如下：

es=0.611exp LvRv1273.15-1T+273.15。" （1）

其中：Lv=2.5×106 J·kg-1，為汽化潛熱；Rv=461 J·kg-1·K-1，為水汽的比氣體常數(shù)；T為氣溫（單位：℃）。

Tetens公式是根據(jù)Claperyron-Clausius方程，并假定蒸發(fā)潛熱為常數(shù)推導(dǎo)出來(lái)的，公式為：

es=0.611exp17.27TT+237.3 。（2）

為比較兩個(gè)公式的結(jié)果差異，用式（1）減去式（2），得到兩式結(jié)果差與氣溫的關(guān)系，如圖2所示。

從圖2可以看出，在-50～10 ℃范圍內(nèi)兩公式計(jì)算結(jié)果差異非常微小，在10 ℃以后差異逐漸明顯，Claperyron-Clausius方程計(jì)算結(jié)果比Tetens經(jīng)驗(yàn)公式結(jié)果偏低?？紤]到國(guó)內(nèi)大部分VPD研究學(xué)者使用Tetens經(jīng)驗(yàn)公式（韓永貴等，2021;寧梓妤等，2022），本文選擇Tetens經(jīng)驗(yàn)公式計(jì)算結(jié)果下的日尺度飽和水汽壓數(shù)據(jù)進(jìn)行VPD（單位：kPa）計(jì)算。公式如下：

DVP=es-ea，"" （3）

ea=es×HR 。" （4）

其中：DVP表示VPD;HR表示給定站點(diǎn)的相對(duì)濕度（單位：％）。

1.2.2" 協(xié)同克里金插值法

空間插值算法在氣象、地質(zhì)、環(huán)境等領(lǐng)域具有廣泛應(yīng)用（丁卉等，2016）。本文為分析VPD的空間分布特征，利用空間插值方法對(duì)VPD進(jìn)行可視化展示。目前常用的空間插值方法有克里金插值法、反距離加權(quán)插值法、面積權(quán)重內(nèi)插法和樣條函數(shù)法等，這些方法優(yōu)缺點(diǎn)和適用性各有不同（劉時(shí)棟等，2019;夏天等，2020;龐冉等，2023;智協(xié)飛等，2023）。當(dāng)前雖然有專業(yè)氣象數(shù)據(jù)插值軟件ANUSPLIN可進(jìn)行氣象要素的插值分析，但其在起伏度巨大地區(qū)的適用性，以及其誤差的空間分布規(guī)律還需進(jìn)一步研究（錢永蘭等，2010;譚劍波等，2016）?？紤]到研究范圍以及精度等綜合因素，本文選擇應(yīng)用最為廣泛且效率與準(zhǔn)確度較高的協(xié)同克里金插值法。

協(xié)同克里金插值法是克里金插值法的拓展，除了主變量之外，還引入?yún)f(xié)同區(qū)域化變量，用于處理具有空間相關(guān)性的多個(gè)變量的插值問(wèn)題（高文武等，2018）?？紤]兩個(gè)變量的協(xié)同克里金法表達(dá)式（徐炳生等，2022）為：

Zx0=∑ni=1αiZxi+∑nj=1λjY（xj） 。" （5）

其中：Zx0為待估值；Zxi、Y（xj）分別為主變量及協(xié)同變量;αi、λj分別為兩變量的權(quán)重值。

1.2.3" Mann-Kendall檢驗(yàn)

Mann-Kendall檢驗(yàn)是一種非參數(shù)統(tǒng)計(jì)檢驗(yàn)方法，用于檢測(cè)時(shí)間序列數(shù)據(jù)中是否存在顯著的變化趨勢(shì)。該方法由Mann（1945）和Kendall（1975）提出，廣泛應(yīng)用于環(huán)境科學(xué)、氣象學(xué)、水文學(xué)等領(lǐng)域（Mann，1945;Kendall，1975;章誕武等，2013）。Mann-Kendall趨勢(shì)檢驗(yàn)方法如下。

對(duì)于具有n個(gè)樣本的時(shí)間序列xk（k=1，2，…，n），計(jì)算檢驗(yàn)統(tǒng)計(jì)量S，公式如下：

S=∑n-1i=1∑nj=i+1signxj-xi，i≠j且i，j≤n。" （6）

其中：

signxj-xi=+1，xj-xigt;0；

0，xj-xi=0；

-1，xj-xilt;0。（7）

當(dāng)n≥8時(shí)，統(tǒng)計(jì)量S近似服從正態(tài)分布，在不考慮序列中等值數(shù)據(jù)點(diǎn)的情況下，其均值為0，方差為：

vS=nn-12n+518。" （8）

標(biāo)準(zhǔn)化后的檢驗(yàn)統(tǒng)計(jì)量Z的計(jì)算公式如下：

Z=S-1vS，Sgt;0；

0，S=0；

S+1vS，Slt;0。" （9）

給定置信水平α，若Z≥Z1-α/2，則認(rèn)為時(shí)間序列存在上升或下降的趨勢(shì)，Z大于0時(shí)是上升趨勢(shì)，Z小于0時(shí)則是下降趨勢(shì)（王毅等，2021）。本研究中變化趨勢(shì)的程度用趨勢(shì)度β（單位：hPa/（10 a））表示（康淑媛等，2009；孫康慧等，2019）。對(duì)于具有n個(gè)樣本的時(shí)間序列xk（k= 1，2，…，n），趨勢(shì)度計(jì)算公式為：

β=Medianxj-xij-i，1≤i≤n，1≤j≤n，jgt;i。（10）

其中：xj和xi分別表示時(shí)間序列為j和i時(shí)的數(shù)據(jù)值;Median為中位數(shù)函數(shù)。當(dāng)βgt;0時(shí)，時(shí)間序列呈上升趨勢(shì)，反之則呈下降趨勢(shì)。

根據(jù)符淙斌和王強(qiáng)（1992）的研究，當(dāng)Mann-Kendall方法進(jìn)一步用于時(shí)間序列xk突變檢驗(yàn)時(shí)，定義統(tǒng)計(jì)量Sk：

Sk=∑kj=1rj，rj=1，xjgt;xi0，xj≤xi，i=1，2，…，j;2≤k≤n。（11）

在原序列隨機(jī)獨(dú)立等假設(shè)下，Sk的均值和方差分別為：

ESk=kk-14，（12）

vSk=kk-12k+572，2≤k≤n。（13）

Sk標(biāo)準(zhǔn)化可得UFk統(tǒng)計(jì)量SUF，k：

SUF，k=Sk-ESkvSk。（14）

將此方法應(yīng)用到xk（k= 1，2，…，n）逆序列中，計(jì)算逆序列的UFk，同時(shí)使UBk=-UFk，k=n，n-1，…，1，UB1為0，可得到UBk曲線。給定顯著性水平α=0.05，當(dāng)UF或UB的值大于0時(shí)，表示序列呈上升趨勢(shì)，小于0表示下降趨勢(shì)。UF為統(tǒng)計(jì)量，UB為UF的逆序列，當(dāng)UF或UB的值超過(guò)顯著性水平范圍時(shí)，表明上升或下降趨勢(shì)顯著。若UF和UB兩曲線在置信區(qū)間內(nèi)出現(xiàn)交點(diǎn)，則該交點(diǎn)表示時(shí)間序列發(fā)生突變的節(jié)點(diǎn)（王愛(ài)慧等，2020；寧梓妤等，2022）。

1.2.4" 相關(guān)分析與偏相關(guān)分析

本文通過(guò)相關(guān)分析與偏相關(guān)分析研究VPD與氣候變量之間的線性關(guān)系，相關(guān)系數(shù)計(jì)算公式為：

rab=∑ni=1ai-bi-∑ni=1ai-2∑ni=1bi-2。（15）

其中：n代表變量a和b觀測(cè)值的樣本量；ai代表變量a的第i個(gè)觀測(cè)值；bi代表變量b的第i個(gè)觀測(cè)值；、分別代表變量a和b的平均值。

一階偏相關(guān)系數(shù)的計(jì)算方法（胡曉萌等，2022；楊靖等，2022）如下：

rab，c=rab-racrbc1-r2ac1-r2bc。（16）

其中：rab，c表示控制變量c前提下變量a和b之間的偏相關(guān)系數(shù)；rab、rac、rbc分別是兩因子之間的相關(guān)系數(shù)。當(dāng)rab，cgt;0時(shí)，表示a與b呈正相關(guān)關(guān)系；反之，則二者呈負(fù)相關(guān)關(guān)系。

2" 結(jié)果與分析

本節(jié)主要探討中國(guó)1961—2015年VPD的時(shí)空變化特征，以及VPD與氣象因素之間的關(guān)系。首先使用ArcGIS軟件的Geostatistical Analyst工具，對(duì)772個(gè)氣象站點(diǎn)的VPD進(jìn)行空間插值，得到全國(guó)VPD空間分布，以空間連續(xù)的方式解析VPD的時(shí)空變化特征;然后以相關(guān)和偏相關(guān)分析為主要方法，分析VPD與氣溫、相對(duì)濕度等氣象因素之間的關(guān)系。

2.1" VPD時(shí)空分布特征

2.1.1" VPD空間分布特征

以站點(diǎn)月均VPD和年均VPD計(jì)算結(jié)果為基礎(chǔ)，將站點(diǎn)高程數(shù)據(jù)作為協(xié)同變量進(jìn)行協(xié)同克里金插值，形成全國(guó)VPD空間分布，結(jié)果如圖3所示。由圖可知，全國(guó)年均VPD數(shù)值范圍為0.127～1.547 kPa，平均值為0.526 kPa。年均VPD高值主要集中在西北干旱半干旱區(qū)，以新疆地區(qū)最為明顯，這與該地區(qū)干旱少雨的特征相吻合（袁瑞瑞等，2021;朱飆等，2023），而年均VPD低值主要分布在東北地區(qū)、青藏地區(qū)以及南方部分地區(qū)。

從年內(nèi)變化來(lái)看，我國(guó)VPD的分布整體呈現(xiàn)“夏季gt;春季gt;秋季gt;冬季”的特征。同時(shí)，不同地區(qū)在不同季節(jié)或月份也表現(xiàn)出明顯的空間差異。春、夏、秋 3 個(gè)季節(jié)的VPD空間分布與年平均的空間分布情況類似，在夏季尤為明顯。對(duì)于冬季來(lái)說(shuō)，高值主要分布在中國(guó)西南及南部區(qū)域，尤其是云南以及廣西等沿海地區(qū)，這是因?yàn)槲髂霞叭A南地區(qū)緯度較低，冬季氣溫相較其他地理分區(qū)高，且該區(qū)域在冬季處于高壓控制，空氣較為干燥，使得該區(qū)域的VPD整體高于其他地區(qū)，而低值主要分布在東北地區(qū)以及新疆北部。

2.1.2" VPD時(shí)間分布特征

圖4展示了四個(gè)地理分區(qū)VPD月尺度及年尺度的統(tǒng)計(jì)結(jié)果。由圖可知，西北地區(qū)年均VPD（0.727 kPa）最高，南方地區(qū)（0.498 kPa）次之，北方地區(qū)年均VPD（0.489 kPa）略小于南方地區(qū)，青藏地區(qū)年均VPD（0.409 kPa）最低。結(jié)合圖3空間分布可以看出，不同地理分區(qū)的VPD均呈現(xiàn)出夏高冬低的時(shí)間分布特征。其中，西北地區(qū)VPD年內(nèi)變化最為顯著，四大地理分區(qū)的最高與最低月均VPD均出現(xiàn)在西北地區(qū)，且差值達(dá)到了1.347 kPa。這與西北地區(qū)氣溫年內(nèi)變化顯著，夏季炎熱、冬季酷冷，且缺乏降水導(dǎo)致水汽含量較低等因素有關(guān)（韓永貴等，2021）。北方地區(qū)月均VPD在0.147～0.957 kPa，年內(nèi)VPD變化幅度較西北地區(qū)次之。南方地區(qū)最高月均VPD出現(xiàn)在7月，較其他3個(gè)地區(qū)滯后1個(gè)月，并且其冬季VPD高于其他3個(gè)地區(qū)。這種差異性可能是由于南方地區(qū)較其他地區(qū)提前1個(gè)月（6月）進(jìn)入主雨季且降水達(dá)到頂峰導(dǎo)致相對(duì)濕度增加引起的。青藏地區(qū)VPD年內(nèi)變化曲線最為平滑，變化范圍在0.227～0.580 kPa，這是由于該地區(qū)受高海拔影響，氣溫及濕度的年內(nèi)變化均不明顯，導(dǎo)致VPD的年內(nèi)變化也相對(duì)較小。李素雲(yún)等（2023）將青海地區(qū)的VPD與經(jīng)度、緯度、海拔等地理因子分別進(jìn)行多元回歸，以量化各地理因子對(duì)VPD變化的貢獻(xiàn)率；結(jié)果表明，各地理因子的貢獻(xiàn)率屬海拔高度最高?？偠灾?，4個(gè)地區(qū)VPD的年內(nèi)變化都呈現(xiàn)出夏季高、冬季低的規(guī)律，但各地區(qū)VPD年內(nèi)變化幅度不同，按變化大小排序?yàn)椤拔鞅钡貐^(qū)gt;北方地區(qū)gt;南方地區(qū)gt;青藏地區(qū)”。

2.2" VPD時(shí)空變化趨勢(shì)

2.2.1" VPD空間變化趨勢(shì)

根據(jù)Mann-Kendall趨勢(shì)檢驗(yàn)結(jié)果得到全國(guó)VPD變化趨勢(shì)，如圖5所示。表1給出了Mann-Kendall趨勢(shì)檢驗(yàn)的具體分析結(jié)果。通過(guò)圖表數(shù)據(jù)可知，全國(guó)VPD整體上呈現(xiàn)顯著升高趨勢(shì)。具體來(lái)說(shuō)，在1961—2015年，全國(guó)772個(gè)氣象站點(diǎn)中有690個(gè)站點(diǎn)的VPD呈現(xiàn)升高趨勢(shì)，β值范圍在0.013 7～8.268 0 hPa／（10 a）。進(jìn)一步分析發(fā)現(xiàn)，這些站點(diǎn)中有494個(gè)站點(diǎn)通過(guò)了置信度為95％的顯著性檢驗(yàn)，占VPD升高站點(diǎn)總數(shù)的71％。VPD上升幅度較大的站點(diǎn)主要位于云南、青海、寧夏北部以及東南沿海省份;重慶、遼寧、湖南東部的VPD上升幅度較小;此外，有少部分區(qū)域，如陜西南部和河南東部，VPD呈現(xiàn)下降趨勢(shì)。

2.2.2" VPD年際變化趨勢(shì)

圖6給出了四大地理分區(qū)VPD的年際變化趨勢(shì)。根據(jù)UF計(jì)算結(jié)果可以看出，1961—2015年四個(gè)區(qū)域的VPD均呈現(xiàn)顯著升高趨勢(shì)。為了識(shí)別其變化趨勢(shì)的突變點(diǎn)，圖6同時(shí)給出了VPD逆序列的UB計(jì)算結(jié)果，結(jié)果顯示四個(gè)地理分區(qū)VPD的UF與UB曲線均在2000年前后出現(xiàn)交點(diǎn)，2000年之前VPD變化相對(duì)平穩(wěn)，此后升高趨勢(shì)明顯加快。具體來(lái)說(shuō)，北方地區(qū)與青藏地區(qū)在1998年發(fā)生突變，而西北地區(qū)與南方地區(qū)突變時(shí)間點(diǎn)出現(xiàn)在2000年。值得注意的是，青藏地區(qū)與其他3個(gè)地區(qū)不同，雖然其2000年之后VPD的升高速率明顯偏大，但其突變檢驗(yàn)結(jié)果并未通過(guò)5％信度的顯著性檢驗(yàn)。

由于各地理分區(qū)突變產(chǎn)生的時(shí)間點(diǎn)都在2000年左右，所以本文將2000年作為間隔年份，分別對(duì)1961—1999年和2000—2015年兩個(gè)時(shí)間段的VPD變化趨勢(shì)進(jìn)行分析，結(jié)果如圖7所示。整體來(lái)看，1961—1999年VPD在全國(guó)呈現(xiàn)升高趨勢(shì)的站點(diǎn)有440個(gè)，占站點(diǎn)總數(shù)的57％，平均變化趨勢(shì)在0.012 6～8.251 7 hPa／（10 a）;2000—2015年VPD呈升高趨勢(shì)的站點(diǎn)有513個(gè)，占比為67％，平均變化趨勢(shì)在2.185 8～34.134 1 hPa／（10 a）;以2000年為突變點(diǎn)，平均升高趨勢(shì)由1.519 6 hPa／（10 a）增長(zhǎng)到7.074 3 hPa／（10 a），后一時(shí)段約為前一時(shí)段平均變化趨勢(shì)的4倍。

具體來(lái)說(shuō)，北方地區(qū)在1961—1999年，218個(gè)站點(diǎn)中有144個(gè)站點(diǎn)VPD呈升高趨勢(shì)，平均變化趨勢(shì)在0.003 8～5.280 5 hPa／（10 a）;在2000—2015年，有93個(gè)站點(diǎn)呈升高趨勢(shì)，平均變化趨勢(shì)在0.193 2～22.022 9 hPa／（10 a）。南方地區(qū)在1961—

1999年，354個(gè)站點(diǎn)中有174個(gè)站點(diǎn)呈升高趨勢(shì)，其中71個(gè)站點(diǎn)表現(xiàn)為顯著升高的趨勢(shì)，顯著升高站點(diǎn)平均變化趨勢(shì)在1.231 4～7.654 3 hPa／（10 a）;2000年以后有261個(gè)站點(diǎn)表現(xiàn)為升高趨勢(shì)，55個(gè)站點(diǎn)表現(xiàn)為顯著升高的趨勢(shì)，顯著升高站點(diǎn)平均變化趨勢(shì)為6.869 8～34.134 1 hPa／（10 a）。西北地區(qū)VPD呈升高趨勢(shì)的站點(diǎn)的平均變化趨勢(shì)由1961—1999年的0.104 8～8.251 7 hPa／（10 a）增長(zhǎng)到2000—2015年的0.145 0～24.981 0 hPa／（10 a）。青藏地區(qū)在1961—1999年，70個(gè)站點(diǎn)中有46個(gè)站點(diǎn)VPD呈升高趨勢(shì)（0.051 3～6.032 8 hPa／（10 a））;到2000—2015年，有62個(gè)站點(diǎn)VPD呈升高趨勢(shì)（0.285 1～31.878 0 hPa／（10 a））。

2.3" VPD與其他氣象要素的關(guān)系

根據(jù)公式，飽和水汽壓與實(shí)際水汽壓的差值決定了VPD的變化，飽和水汽壓由氣溫決定，實(shí)際水汽壓受相對(duì)濕度影響。本文采用相關(guān)分析與偏相關(guān)分析方法解析氣溫和相對(duì)濕度對(duì)VPD變化的潛在影響，結(jié)果如圖8所示。

從相關(guān)分析結(jié)果看，四大地理分區(qū)無(wú)論是年尺度還是季尺度，VPD與氣溫、相對(duì)濕度之間都具有明顯的相關(guān)性。在所有地區(qū)，VPD與氣溫都呈顯著正相關(guān)關(guān)系（北方地區(qū)rVT=0.72、南方地區(qū)rVT=0.63、西北地區(qū)rVT=0.85、青藏地區(qū)rVT=0.68），與相對(duì)濕度都呈顯著負(fù)相關(guān)關(guān)系（北方地區(qū)rVR=0.61、南方地區(qū)rVR=0.59、西北地區(qū)rVR=0.75、青藏地區(qū)rVR=0.76）。偏相關(guān)分析結(jié)果表明，四大地理分區(qū)在所有時(shí)間尺度（季節(jié)和年）上，若不考慮相對(duì)濕度的影響，氣溫對(duì)VPD始終呈顯著偏正相關(guān)（Plt;0.01）;若不考慮氣溫的影響，相對(duì)濕度對(duì)VPD始終呈顯著偏負(fù)相關(guān)（Plt;0.01）。具體來(lái)說(shuō)，北方地區(qū)的年（rVT，R=0.721）、春（rVT，R=0.663）、秋（rVT，R=0.797）、冬（rVT，R=0.938），南方地區(qū)的年（rVT，R=0.629）、秋（rVT，R=0.815）、冬（rVT，R=0.712），西北地區(qū)的年（rVT，R=0.847）、春（rVT，R=0.916）、秋（rVT，R=0.809）、冬（rVT，R=0.887）和青藏地區(qū)的春（rVT，R=0.795）、冬（rVT，R=0.901），氣溫對(duì)VPD變化的貢獻(xiàn)相對(duì)更顯著；其他時(shí)段相對(duì)濕度對(duì)VPD的貢獻(xiàn)相對(duì)更顯著。此外，從西北地區(qū)VPD對(duì)氣溫和相對(duì)濕度的相關(guān)分析結(jié)果來(lái)看，去除其他因素的影響后，VPD與單一因素的相關(guān)系數(shù)在季節(jié)上沒(méi)有顯著差別。這說(shuō)明氣溫和相對(duì)濕度在西北地區(qū)對(duì)VPD產(chǎn)生的影響在全年是相對(duì)一致的，不受季節(jié)性變化的顯著影響。

為了進(jìn)一步分析不同地理分區(qū)突變年前后不同氣溫因子和相對(duì)濕度對(duì)VPD的相關(guān)性變化，本研究分別計(jì)算了VPD與多年日平均氣溫（Tave）、日最高氣溫（Tmax）、日最低氣溫（Tmin）和相對(duì)濕度的相關(guān)系數(shù)。同時(shí)為了探究各氣象因子對(duì)VPD變化的影響程度，本研究選擇各地區(qū)與VPD相關(guān)系數(shù)最高的氣溫因子以及相對(duì)濕度作為主要自變量，并使用多元線性回歸法計(jì)算貢獻(xiàn)率，結(jié)果如表2所示。在北方地區(qū)、南方地區(qū)和西北地區(qū)VPD突變年前后，氣溫均是VPD變化的主導(dǎo)因子，但在不同區(qū)域3種氣溫因子的主導(dǎo)程度不同。具體而言，北方地區(qū)和南方地區(qū)突變前后VPD與最高氣溫的相關(guān)系數(shù)最高；西北地區(qū)突變前后VPD與平均氣溫的相關(guān)系數(shù)最高；青藏地區(qū)突變前后VPD與相對(duì)濕度相關(guān)系數(shù)最高。從貢獻(xiàn)率來(lái)看，北方地區(qū)和南方地區(qū)最高氣溫對(duì)VPD的貢獻(xiàn)率較相對(duì)濕度高，而西北地區(qū)平均氣溫對(duì)VPD的貢獻(xiàn)率最高，青藏地區(qū)相對(duì)濕度對(duì)VPD的貢獻(xiàn)率最高，這與相關(guān)系數(shù)表征的特征相同。此外，對(duì)比分析顯示，同一地區(qū)的主導(dǎo)影響因子在突變年前后并未發(fā)生改變。

3" 結(jié)論

本研究基于1961—2015年長(zhǎng)時(shí)間序列氣象觀測(cè)數(shù)據(jù)計(jì)算了全國(guó)飽和水汽壓差，采用協(xié)同克里金插值、Mann-Kendall趨勢(shì)檢驗(yàn)和偏相關(guān)分析等方法，揭示了不同地理分區(qū)VPD的時(shí)空分布格局與變化特征，并分析了VPD與各氣象因子之間的關(guān)系，最后分時(shí)段討論了影響VPD變化的主導(dǎo)因子。

研究結(jié)果表明，1961—2015年中國(guó)VPD時(shí)空分布差異顯著。全國(guó)年均VPD數(shù)值范圍在0.127～1.547 kPa，平均值為0.526 kPa。年均VPD高值主要集中在西北干旱半干旱區(qū)，以新疆地區(qū)最為明顯，而年均VPD低值主要分布在東北地區(qū)、青藏地區(qū)以及南方部分地區(qū)。從年內(nèi)變化來(lái)看，全國(guó)范圍內(nèi)，VPD呈現(xiàn)出夏季高、冬季低的一般規(guī)律。從年際變化趨勢(shì)來(lái)看，在全國(guó)范圍內(nèi)，VPD整體呈現(xiàn)顯著升高趨勢(shì)。在1961—2015年，全國(guó)772個(gè)氣象站點(diǎn)中有690個(gè)站點(diǎn)的VPD呈現(xiàn)升高趨勢(shì)，趨勢(shì)變化范圍在0.013 7～8.268 0 hPa／（10 a）。以2000年為突變點(diǎn)，平均升高趨勢(shì)由1.519 6 hPa／（10 a）增長(zhǎng)到7.074 3 hPa／（10 a）。其中1961—1999年VPD在全國(guó)呈現(xiàn)升高趨勢(shì)的站點(diǎn)有440個(gè)，占站點(diǎn)總數(shù)的57％，平均變化趨勢(shì)在0.012 6～8.251 7 hPa／（10 a）;2000—2015年VPD呈升高趨勢(shì)的站點(diǎn)有513個(gè)，占比為67％，平均變化趨勢(shì)在2.185 8～34.134 1 hPa／（10 a）。從相關(guān)分析和偏相關(guān)分析的結(jié)果來(lái)看，所有地區(qū)的VPD與氣溫呈顯著正相關(guān)關(guān)系，與相對(duì)濕度呈顯著負(fù)相關(guān)關(guān)系。在北方地區(qū)、南方地區(qū)和西北地區(qū)VPD在突變年前后，氣溫均是VPD變化的主導(dǎo)因子；北方地區(qū)和南方地區(qū)突變前后VPD與最高氣溫的相關(guān)系數(shù)最高，而西北地區(qū)突變前后VPD與平均氣溫的相關(guān)系數(shù)最高。在青藏地區(qū)，突變前后相對(duì)濕度是VPD的主導(dǎo)因子。此外，對(duì)比分析顯示，同一地區(qū)的主導(dǎo)影響因子在突變年前后并未發(fā)生改變。

綜上所述，本文分析了VPD在不同季節(jié)、不同地區(qū)的變化特征及其主導(dǎo)因素，可以為氣候生態(tài)和植被模型等研究提供科學(xué)基礎(chǔ)，為相關(guān)部門和決策者提供參考，對(duì)我國(guó)在不同地區(qū)實(shí)現(xiàn)可持續(xù)性發(fā)展具有重要意義。

參考文獻(xiàn)（References）

Allen R G，Pereira L S，Raes D，1998.Crop evapotranspiration-guidelines for computing crop water requirements［M］.Rome：FAO Irrigation and Drainage.

Anderson D B，1936.Relative humidity or vapor pressure deficit［J］.Ecology，17（2）：277-282.doi：10.2307／1931468.

Bisht G，Bras R L，2010.Estimation of net radiation from the MODIS data under all sky conditions：southern great plains case study［J］.Remote Sens Environ，114（7）：1522-1534.doi：10.1016／j.rse.2010.02.007.

Chiodi A M，Potter B E，Larkin N K，2021.Multi-decadal change in western US nighttime vapor pressure deficit［J］.Geophys Res Lett，48（15）：e92830.doi：10.1029／2021gl092830.

陳鏡明，柳競(jìng)先，羅翔中，2020.基于碳水通量耦合原理改進(jìn)Penman-Monteith蒸散發(fā)模型［J］.大氣科學(xué)學(xué)報(bào)，43（1）：59-75." Chen J M，Liu J X，Luo X Z，2020.Improving the Penman-Monteith evapotranspiration model based on the coupling principle of carbon and water fluxes［J］.Trans Atmos Sci，43（1）：59-75.doi：10.13878／j.cnki.dqkxxb.20191112007.（in Chinese）.

陳欽弟，1997.飽和水汽壓經(jīng)驗(yàn)公式修正、導(dǎo)出與應(yīng)用［J］.氣象水文海洋儀器，14（4）：12-22." Chen Q D，1997.The correction，leading-out and application of saturated water vapoure pressure empirical equation［J］.Meteor Hydrol Mar Instrum，14（4）：12-22.doi：10.19441／j.cnki.issn1006-009x.1997.04.003.（in Chinese）.

陳祥明，趙振維，2013.對(duì)流層折射修正中水汽壓公式對(duì)比研究［J］.飛行器測(cè)控學(xué)報(bào)，32（6）：479-483." Chen X M，Zhao Z W，2013.Comparison of water vapor pressure formulas used in tropospheric refraction correction［J］.J Spacecr TT ＆ C Technol，32（6）：479-483.doi：10.7642／j.issn.1674-5620.2013-06-0479-05.（in Chinese）.

程夢(mèng)琦，左志燕，藺鄒興，等，2023.全球陸地飽和水汽壓差的年代際突變［J］.中國(guó)科學(xué)：地球科學(xué)，53（7）：1536-1549." Cheng M Q，Zuo Z Y，Lin Z X，et al.，2023.The decadal abrupt change in the global land vapor pressure deficit［J］Sci Sin：Terrae，53（7）：1536-1549.（in Chinese）.

丁卉，余志，徐偉嘉，等，2016.3種區(qū)域空氣質(zhì)量空間插值方法對(duì)比研究［J］.安全與環(huán)境學(xué)報(bào)，16（3）：309-315." Ding H，Yu Z，Xu W J，et al.，2016.Comparative study of the three spatial interpolation methods for the regional air quality evaluation［J］.J Saf Environ，16（3）：309-315.doi：10.13637／j.issn.1009-6094.2016.03.061.（in Chinese）.

Ficklin D L，Novick K A，2017.Historic and projected changes in vapor pressure deficit suggest a continental-scale drying of the United States atmosphere［J］.J Geophys Res：Atmos，122（4）：2061-2079.doi：10.1002／2016jd025855.

符淙斌，王強(qiáng)，1992.氣候突變的定義和檢測(cè)方法［J］.大氣科學(xué)，16（4）：482-493." Fu C B，Wang Q，1992.The definition and detection of the abrupt climatic change［J］.Chin J Atmos Sci，16（4）：482-493.（in Chinese）.

高文武，姜燕，趙晉陵，2018.基于協(xié)同克里金插值法的土壤錳元素含量預(yù)測(cè)［J］.地理與地理信息科學(xué)，34（3）：119-124." Gao W W，Jiang Y，Zhao J L，2018.Predicting and mapping the Mn content in soil based on coKriging［J］.Geogr Geo Inf Sci，34（3）：119-124.（in Chinese）.

Ghimire C P，Ilja van Meerveld H J，Zwartendijk B W，et al.，2022.Vapour pressure deficit and solar radiation are the major drivers of transpiration in montane tropical secondary forests in eastern Madagascar［J］.Agric For Meteor，326：109159.doi：10.1016／j.agrformet.2022.109159.

韓永貴，韓磊，黃曉宇，等，2021.基于指數(shù)平滑和ARIMA模型的西北地區(qū)飽和水汽壓差預(yù)測(cè)［J］.干旱區(qū)研究，38（2）：303-313." Han Y G，Han L，Huang X Y，et al.，2021.Prediction of vapor pressure deficit in Northwest China based on exponential and ARIMA models［J］.Arid Zone Res，38（2）：303-313.doi：10.13866／j.azr.2021.02.02.（in Chinese）.

韓宇平，張麗璇，王春穎，等，2018.寒區(qū)濕地實(shí)際蒸散發(fā)動(dòng)態(tài)特征及影響因素研究［J］.南水北調(diào)與水利科技，16（1）：28-34." Han Y P，Zhang L X，Wang C Y，et al.，2018.Dynamic characteristics and influencing factors of actual evapotranspiration in cold wetland［J］.South N Water Transf Water Sci Technol，16（1）：28-34.doi：10.13476／j.cnki.nsbdqk.20180005.（in Chinese）.

He B，Chen C，Lin S R，et al.，2021.Worldwide impacts of atmospheric vapor pressure deficit on the interannual variability of terrestrial carbon sinks［J］.Natl Sci Rev，9（4）：nwab150.doi：10.1093／nsr／nwab150.

胡曉萌，張?chǎng)?，雒舒琪，等?022.甘肅省不同氣候區(qū)1961—2020年蒸散發(fā)時(shí)空變化及其影響因子［J］.節(jié)水灌溉（11）：73-78." Hu X M，Zhang X，Luo S Q，et al.，2022.Temporal and spatial changes of potential evapotranspiration and its influencing factors in different climatic regions of Gansu Province from 1961 to 2020［J］.Water Sav Irrig（11）：73-78.doi：10.12396／jsgg.2022104.（in Chinese）.

Jarvis P G，1976.The interpretation of the variations in leaf water potential and stomatal conductance found in canopies in the field［J］.Phil Trans R Soc Lond B，273（927）：593-610.doi：10.1098／rstb.1976.0035.

金佳鑫，蔡裕龍，郭熙，等，2023.中國(guó)亞熱帶植被蒸騰驅(qū)動(dòng)力解耦分析［J］.地理學(xué)報(bào)，78（7）：1779-1791." Jin J X，Cai Y L，Guo X，et al.，2023.Decoupled driving forces of variabilities of transpiration in Chinese subtropical vegetation based on remote sensing data［J］.Acta Geogr Sinica，78（7）：1779-1791.doi：10.11821／dlxb202307016.（in Chinese）.

康淑媛，張勃，柳景峰，等，2009.基于Mann-Kendall法的張掖市降水量時(shí)空分布規(guī)律分析［J］.資源科學(xué)，31（3）：501-508." Kang S Y，Zhang B，Liu J F，et al.，2009.Analysis of the spatiotemporal distribution of precipitation in Zhangye City using Mann-Kendall method［J］.Resour Sci，31（3）：501-508.doi：10.3969／j.issn.1671-7341.2014.17.054.（in Chinese）.

Kendall M G，1975.Rank correlation methods［M］.London：Hodder Education.

Li M Y，Yao J Q，Guan J Y，et al.，2021.Observed changes in vapor pressure deficit suggest a systematic drying of the atmosphere in Xinjiang of China［J］.Atmos Res，248：105199.doi：10.1016／j.atmosres.2020.105199.

李素雲(yún)，祁棟林，溫婷婷，等，2023.1961—2020年青海省飽和水汽壓差變化特征及影響因子分析［J］.干旱區(qū)研究，40（2）：173-181." Li S Y，Qi D L，Wen T T，et al.，2023.The variation characteristics and influencing factors of vapor pressure deficit in Qinghai Province from 1961 to 2020［J］.Arid Zone Research，40（2）：173-181.（in Chinese）.

劉時(shí)棟，徐麗萍，張婕，2019.新疆土地生態(tài)安全時(shí)空變化［J］.生態(tài)學(xué)報(bào)，39（11）：3871-3884." Liu S D，Xu L P，Zhang J，2019.Spatiotemporal change of land ecological security in Xinjiang［J］.Acta Ecol Sinica，39（11）：3871-3884.doi：10.5846／stxb201806211361.（in Chinese）.

Mann H B，1945.Nonparametric tests against trend［J］.Econometrica，13（3）：245-259.doi：10.2307／1907187.

寧梓妤，徐憲立，楊東，等，2022.中國(guó)西南地區(qū)飽和水汽壓差的年際變化及其影響因素［J］.農(nóng)業(yè)現(xiàn)代化研究，43（1）：172-179." Ning Z Y，Xu X L，Yang D，et al.，2022.Temporal variation of vapor pressure deficit and its influencing factors in Southwest China［J］.Res Agric Mod，43（1）：172-179.doi：10.13872／j.1000-0275.2022.0001.（in Chinese）.

龐冉，王文，武晶，等，2023.基于空間插值逐日降水格點(diǎn)數(shù)據(jù)的福建省降水時(shí)空變化分析［J］.水土保持學(xué)報(bào)，37（1）：176-187，203." Pang R，Wang W，Wu J，et al.，2023.Spatial-temporal variation of precipitation in Fujian Province based on spatial interpolated gridded daily precipitation data［J］.J Soil Water Conserv，37（1）：176-187，203.doi：10.13870／j.cnki.stbcxb.2023.01.024.（in Chinese）.

錢永蘭，呂厚荃，張艷紅，2010.基于ANUSPLIN軟件的逐日氣象要素插值方法應(yīng)用與評(píng)估［J］.氣象與環(huán)境學(xué)報(bào)，26（2）：7-15." Qian Y L，Lü H Q，Zhang Y H，2010.Application and assessment of spatial interpolation method on daily meteorological elements based on ANUSPLIN software［J］.J Meteor Environ，26（2）：7-15.doi：10.3969／j.issn.1673-503X.2010.02.002.（in Chinese）.

Seager R，Hooks A，Williams A P，et al.，2015.Climatology，variability，and trends in the U.S.vapor pressure deficit，an important fire-related meteorological quantity［J］.J Appl Meteor Climatol，54（6）：1121-1141.doi：10.1175／jamc-d-14-0321.1.

孫康慧，曾曉東，李芳，2019.1980—2014年中國(guó)生態(tài)脆弱區(qū)氣候變化特征分析［J］.氣候與環(huán)境研究，24（4）：455-468." Sun K H，Zeng X D，Li F，2019.Climate change characteristics in ecological fragile zones in China during 1980—2014［J］.Clim Environ Res，24（4）：455-468.doi：10.3878／j.issn.1006-9585.2018.18058.（in Chinese）.

譚劍波，李愛(ài)農(nóng)，雷光斌，2016.青藏高原東南緣氣象要素Anusplin和Cokriging空間插值對(duì)比分析［J］.高原氣象，35（4）：875-886." Tan J B，Li A N，Lei G B，2016.Contrast on Anusplin and Cokriging meteorological spatial interpolation in southeastern margin of Qinghai-Xizang Plateau［J］.Plateau Meteor，35（4）：875-886.doi：10.7522／j.issn.1000-0534.2015.00037.（in Chinese）.

王愛(ài)慧，繆月，陳玥，2020.1961—2016年中國(guó)西北地區(qū)陸地水分收支的年代際變化特征［J］.大氣科學(xué)學(xué)報(bào)，43（6）：953-966." Wang A H，Miao Y，Chen Y，2020.Interdecadal variation of land water budget in Northwest China from 1961 to 2016［J］.Trans Atmos Sci，43（6）：953-966.doi：10.13878／j.cnki.dqkxxb.20201112001.（in Chinese）.

王毅，張曉美，周寧芳，等，2021.1990—2019年全球氣象水文災(zāi)害演變特征［J］.大氣科學(xué)學(xué)報(bào)，44（4）：496-506." Wang Y，Zhang X M，Zhou N F，et al.，2021.Evolution characteristics of global meteorological and hydrological disasters from 1990 to 2019［J］.Trans Atmos Sci，44（4）：496-506.doi：10.13878／j.cnki.dqkxxb.20210107001.（in Chinese）.

夏天，吳文嘉，吳文斌，等，2020.地理科學(xué)中數(shù)據(jù)空間重構(gòu)最新研究進(jìn)展［J］.經(jīng)濟(jì)地理，40（11）：47-55，94." Xia T，Wu W J，Wu W B，et al.，2020.Research progress of geographic data by space reconstruction［J］.Econ Geogr，40（11）：47-55，94.doi：10.15957／j.cnki.jjdl.2020.11.006.（in Chinese）.

徐炳生，王偉，徐穎，等，2022.基于協(xié)同克里金的大壩心墻滲流空間模型研究［J］.水電能源科學(xué)，40（7）：98-101." Xu B S，Wang W，Xu Y，et al.，2022.Research on spatial model for core-wall seepage of dams based on cooperative Kriging［J］.Water Resour Power，40（7）：98-101.doi：10.20040／j.cnki.1000-7709.2022.20211725.（in Chinese）.

楊靖，戴君虎，姚華榮，等，2022.1992—2020年橫斷山區(qū)植被分布與植被活動(dòng)變化［J］.地理學(xué)報(bào)，77（11）：2787-2802." Yang J，Dai J H，Yao H R，et al.，2022.Vegetation distribution and vegetation activity changes in the Hengduan Mountains from 1992 to 2020［J］.Acta Geogr Sinica，77（11）：2787-2802.doi：10.11821／dlxb202211007.（in Chinese）.

袁瑞瑞，黃蕭霖，郝璐，2021.近40年中國(guó)飽和水汽壓差時(shí)空變化及影響因素分析［J］.氣候與環(huán)境研究，26（4）：413-424." Yuan R R，Huang X L，Hao L，2021.Spatio-temporal variation of vapor pressure deficit and impact factors in China in the past 40 years［J］.Clim Environ Res，26（4）：413-424.doi：10.3878／j.issn.1006-9585.2021.20086.（in Chinese）.

Yuan W P，Zheng Y，Piao S L，et al.，2019.Increased atmospheric vapor pressure deficit reduces global vegetation growth［J］.Sci Adv，5（8）：eaax1396.doi：10.1126／sciadv.aax1396.

章誕武，叢振濤，倪廣恒，2013.基于中國(guó)氣象資料的趨勢(shì)檢驗(yàn)方法對(duì)比分析［J］.水科學(xué)進(jìn)展，24（4）：490-496." Zhang D W，Cong Z T，Ni G H，2013.Comparison of three Mann-Kendall methods based on the Chinas meteorological data［J］.Adv Water Sci，24（4）：490-496.doi：10.14042／j.cnki.32.1309.2013.04.019.（in Chinese）.

張紅梅，吳炳方，閆娜娜，2014.飽和水汽壓差的衛(wèi)星遙感研究綜述［J］.地球科學(xué)進(jìn)展，29（5）：559-568." Zhang H M，Wu B F，Yan N N，2014.Remote sensing estimates of vapor pressure deficit：an overview［J］.Adv Earth Sci，29（5）：559-568.doi：10.11867／j.issn.1001-8166.2014.05.0559.（in Chinese）.

張?jiān)?，翟召坤，張曉倩?022.基于自然地理分區(qū)的中國(guó)公路網(wǎng)時(shí)空變化分析［J］.地理信息世界，29（1）：120-124." Zhang Y J，Zhai Z K，Zhang X Q，2022.Temporal and spatial change analysis of Chinas road network based on natural geographical zoning［J］.Geomat World，29（1）：120-124.doi：10.3969／j.issn.1672-1586.2022.01.022.（in Chinese）.

智協(xié)飛，吳柏瑩，羅忠紅，等，2023.華東地區(qū)地面和高空風(fēng)場(chǎng)的多模式集成精細(xì)化預(yù)報(bào)研究［J］.大氣科學(xué)學(xué)報(bào)，46（6）：917-927." Zhi X F，Wu B Y，Luo Z H，et al.，2023.Multimodel ensemble forecasts of high-resolution surface and high-level wind forecasts over East China［J］.Trans Atmos Sci，46（6）：917-927.doi：10.13878／j.cnki.dqkxxb.20210318001.（in Chinese）.

朱飆，張強(qiáng)，李春華，等，2023.我國(guó)干旱半干旱區(qū)氣候變化特征及其對(duì)干濕波動(dòng)的影響［J］.大氣科學(xué)學(xué)報(bào)，46（1）：42-54." Zhu B，Zhang Q，Li C H，et al.，2023.Characteristics of climate change in arid and semi-arid areas of China and its influence on climatic dry-wet fluctuation［J］.Trans Atmos Sci，46（1）：42-54.doi：10.13878／j.cnki.dqkxxb.20221101012.（in Chinese）.

·ARTICLE·

Spatio-temporal variations of vapor pressure deficit in China from 1961 to 2015

LUAN Luming1，2，WANG Yuanxin3，ZHU Wenbin1，4

1Institute of Geographic Sciences and Natural Resources Research，Chinese Academy of Sciences，Beijing 100101，China;

2University of Chinese Academy of Sciences，Nanjing （UCASNJ），Nanjing 211135，China;

3School of Information Engineering，China University of Geosciences，Beijing 100083，China;

4School of Civil Engineering and Water Resources，Qinghai University，Xining 810016，China

Abstract" Vapor pressure deficit （VPD） is a critical meteorological variable with significant implications for hydrology，ecology，and climate change.Numerous studies have demonstrated that VPD，a key indicator of atmospheric dryness，has undergone substantial changes in response to global climate warming.Investigating the spatiotemporal variations of VPD across different regions of China is essential for advancing climate change research and supporting agricultural and pastoral practices.While regional-scale VPD studies have been conducted by domestic scholars，comparative analysis of VPD changes at the national scale remain limited.This study uses daily mean air temperature and relative humidity data from 772 meteorological stations across China，applying Tetens empirical formula to calculate VPD.Through co-Kriging interpolation，Mann-Kendall trend tests，and correlation and partial correlation analyses，the spatiotemporal variability and trends of VPD across different time scales and geographical regions from 1961 to 2015 were examined.Additionally，the study explores the relationships between VPD，temperature，and relative humidity，identifying the dominant factors influencing VPD changes over different periods.The results indicate significant spatiotemporal variation in VPD across China from 1961 to 2015，with higher values in summer and lower values in winter.Spatially，high annual average VPD values were concentrated in the arid and semi-arid regions of Northwest China，while lower values were found in Northeast China，the Qinghai-Xizang Plateau，and parts of the southern region.The annual average VPD across China ranged from 0.127 kPa to 1.547 kPa，with an overall average of 0.526 kPa.Most regions showed an increasing VPD trend over time.Between 1961 and 1999，57％ stations exhibited increasing VPD trends，and this proportion rose to 67％ between 2000 and 2015，with the year 2000 identified as a mutation point.The average VPD increase accelerated from 1.519 6 hPa／（10 a） to 7.074 3 hPa／（10 a） after 2000.Correlation and partial correlation analyses revealed that VPD was significantly positively correlated with temperature and negatively correlated with relative humidity in all regions.Maximum temperature was the dominant factor driving VPD changes in southern and northern China，while average temperature and relative humidity played a greater role in the Northwest and Qinghai-Xizang regions.These dominant factors remained consistent before and after the mutation point.While the primary factors influencing VPD changes were explored，further investigation is needed to assess the impact of other potential factors such as topography，vegetation cover，and broader climatic conditions.This study provides insights into the characteristics and drivers of VPD changes across seasons and regions，offering a scientific foundation for climate-ecological and vegetation modeling studies and valuable guidance for policy-makers and relevant stakeholders.

Keywords" vapor pressure deficit;spatio-temporal variations;Mann-Kendall test;partial correlation analysis

doi：10.13878／j.cnki.dqkxxb.20230811001

（責(zé)任編輯：劉菲）