近56年西南地區四季參考作物蒸散量 變化成因分析

劉 悅，崔寧博,3,4，李 果，羅萬琦，廖功磊，王祿濤

(1.四川大學水利水電學院，成都 610065；2.四川大學水力學與山區河流開發保護國家重點實驗室，成都 610065； 3.南方丘區節水農業研究四川省重點實驗室，成都 610066；4.西北農林科技大學旱區農業水土工程教育部重點實驗室， 陜西 楊凌 712100； 5.四川省機械研究設計院，成都 610023；6.廣西捷佳潤科技股份有限公司，南寧 530007)

0 引 言

參考作物蒸散量(Reference Crop Evapotranspiration,ET0)，又稱潛在蒸散量，是作物需水量計算、農田水分高效利用及區域水資源優化配置的基本參數，也是實現智慧灌溉及灌區高效用水的重要基礎[1,2]。ET0表示在一定氣象條件下水分供應不受限制時，某一固定下墊面可能達到的最大蒸發蒸騰量，是實際蒸散量的理論上限，并與降水共同決定了區域干濕情況[1-4]。

近年來西南地區即川西北、云貴高原、四川盆地、廣西盆地4個分區總體呈氣溫升高、降水減少、干旱化加重的趨勢，其中冬半年的變化趨勢十分明顯[5,6]。西南地區春旱和冬旱發生頻率較高，且都呈明顯的“西高東低”分布[5, 7-11]，嚴重影響到西南地區的生態平衡和經濟發展。在評估ET0的變化趨勢時，Mcvicar[12]等認為應考慮風速、濕度、輻射、氣溫等氣象因子；Sharifi Alireza[13]等認為在伊朗地區，ET0對平均溫度最為敏感；Burn DH[14]等認為風速對加拿大草原ET0的減小有很大影響。西南地區地形地貌復雜多樣，氣候差異性大，陳超[15]等認為四川省ET0變化的主要影響因素是日照時數，分析期內日照時數的顯著下降導致四川省ET0下降；謝平[16]等的研究表明，云南省ET0變化的主導因子具有階段性、季節性和區域差異性。

本文應用1960-2015年西南地區逐日氣象數據，利用FAO-56 Penman-Monteith 模型計算西南地區各氣象站的ET0，通過Mann-Kendall檢測、變化趨勢分析及基于敏感系數的貢獻率分析，對近56 a西南地區ET0及主要氣象因子的年內變化特征與變化趨勢進行定量分析，為西南地區精準灌溉實施、農田水分高效利用及區域水資源優化配置等方面提供理論指導。

1 資料與方法

1.1 資料來源及處理

西南地區主要包括四川盆地及盆周地區、云貴高原高山山地丘陵區和青藏高原高山地區，涉及到四川省、云南省、貴州省、重慶市和廣西壯族自治區等地。本文采用了西南地區92個氣象站點1960-2015年逐日氣象資料(包括平均溫度、最高溫度、最低溫度、日照時數、水汽壓、風速、相對濕度和站點經緯度及海拔高度)，所有氣象數據均來自于中國氣象局，研究區域和氣象站點分布見圖1。氣象數據處理及分析采用MATLAB7.0編程實現，空間分布采用ArcGIS10.2軟件制圖完成。

圖1 西南地區氣象站點分布圖

1.2 研究方法

1.2.1 基本方法

采用FAO-56的Penman-Monteith(簡稱P-M)公式計算參考作物蒸散量ET0，具體的計算公式為[17]：

(1)

式中：ET0為參考作物蒸散量，mm/d；Δ為飽和水氣壓與溫度曲線的斜率，kPa/℃；Rn為參考作物冠層表面凈輻射，MJ/(m2·d)；G為土壤熱通量，MJ/(m2·d)；γ為干濕表常數，kPa/℃；T為2 m高處的日平均氣溫，℃；U2為2 m高處的風速，m/s；es為飽和水汽壓，kPa；ea為實際水汽壓，kPa。ET0及其相關氣象因子的空間插值分析采用基于ArcGIS10.2的反距離加權空間插值法[18]，并用一次直線方程斜率的10倍描述ET0及相關氣象因子變化的氣候傾向率[19](用β表示)。

1.2.2 Mann-Kendall趨勢檢驗法

使用非參數Mann-Kendall(簡稱M-K)單調趨勢檢驗法[20,21]檢驗相關氣象因子的變化趨勢。當M-K統計量|z|≥2.58，表示站點的相關氣象因子處于極顯著上升或下降趨勢(P<0.01)；當統計量2.58>|z|>1.96，表示站點的相關氣象因子處于顯著上升或下降趨勢(P<0.05)；當統計量|z|≤1.96，表示站點的相關氣象因子處于不顯著的上升或下降趨勢。

1.2.3 基于敏感系數的貢獻率分析

敏感系數是表征氣象因子對ET0趨勢變化產生影響的定量參數，定義為潛在蒸散變化率與氣象因子變化率之比[22,23]，即：

(2)

式中：Svi為氣象因子vi的敏感系數；ET0、ΔET0分別為參考作物蒸散量及其變化量；vi、Δvi分別為氣象因子及其變化量。Svi>0表示ET0與氣象因子同增減，反之則表示ET0與氣象因子的增減變化相反，Svi絕對值越大表示該氣象因子的變化對ET0的影響越大。

將單個氣象因子的敏感系數與其多年相對變化率相乘，即為該氣象因子對ET0變化的貢獻率[24]，貢獻率大于0，表示該要素的變化引起ET0增加，為正貢獻；貢獻率小于0，表示該要素的變化引起ET0減小，為負貢獻，即：

(3)

Convi=Svi×RCvi

(4)

式中：RCvi是氣象因子vi的多年相對變化率；n取值為56；avi是相應時間段vi的平均值；Trendvi為vi的傾向率；Convi為氣象因子vi對ET0變化的貢獻率。

將各氣象要素的貢獻率累加得到對ET0變化的總貢獻率[25]，即：

Con=ConT+ConTmax+ConTmin+ConU+ConRH+ConS

(5)

式中：CT、ConTmax、ConTmin、ConU、ConRH、ConS分別表示平均溫度、最高溫度、最低溫度、風速、相對濕度、日照時數對ET0變化的貢獻率；Con表示其總貢獻率。

2 結果分析

2.1 近56年西南地區參考作物蒸散量的季時空變化

圖2為1960-2015年西南地區各站點季尺度參考作物蒸散量ET0的空間分布圖。對近56 a西南地區季尺度ET0分析可知，夏季是西南地區季尺度ET0最高的季節，為345.78 mm；其次是春季和秋季，分別為314.71、219.13 mm；冬季最少，為169.51 mm。季尺度ET0的空間分布存在較大區域差異，春季ET0的高值區在云南地區，并向東北方向遞減，研究期內春季ET0呈不顯著上升趨勢，氣候傾向率為0.850 mm/(10 a)；夏季ET0的高值區在四川盆地和廣西盆地，并自東向西遞減，呈極顯著下降趨勢(P<0.01)，氣候傾向率為-2.841 mm/(10 a)；秋季ET0的高值區在廣西盆地，并自南向北遞減，呈不顯著上升趨勢，氣候傾向率為0.571 mm/(10 a)；冬季的高值區與春季相同，且同樣是向東北方向遞減，但冬季ET0呈極顯著上升趨勢(P<0.01)，氣候傾向率為1.125 mm/(10 a)。

綜合分析可知，西南地區ET0在四季具有相對變化趨勢，明顯的夏季到冬季由減少趨勢向增加趨勢變化。從圖2可以看出小金、元江站點的ET0在全年都要高于周圍站點，這主要是受該地區氣候的影響。

圖2 1960-2015年西南地區各站點季尺度ET0空間分布圖

2.2 近56年西南地區參考作物蒸散量的影響因子分析

參考作物蒸散量ET0受氣候因素綜合影響[21]，影響因素可分為動力因子，如風速；熱力因子，如平均溫度、最高溫度、最低溫度、日照時數；濕度因子，如相對濕度。以西南地區92個氣象站的季尺度平均溫度(T)、最高溫度(Tmax)、最低溫度(Tmin)、相對濕度(RH)、日照時數(S)、風速(U)的平均值為代表值，將1960-2015年分為春(3-5月)、夏(6-8月)、秋(9-11月)、冬(12月至次年2月)4個時段，利用M-K檢驗法分析主要氣象因子在四季的變化趨勢，統計量z值表示顯著性趨勢，β值表示各相關氣象因子的氣候傾向率。表1為近56 a西南地區主要氣象因子趨勢變化情況。

表1 1960-2015年西南地區主要氣象因子趨勢變化情況

注：*和**分別表示通過95%和99%的置信度檢驗。

由表1可知，近56 a西南地區的T、Tmax、Tmin在四季呈上升趨勢，S、RH、U呈下降趨勢。西南地區T、Tmax、Tmin呈顯著上升(P<0.05)或極顯著上升(P<0.01)趨勢主要是受到全球氣候變暖影響；從20世紀70年代中期起，東亞季風開始呈減弱趨勢，西太平洋副熱帶高壓和南亞地區高壓也有向西南方向偏移的趨勢，這十分不利于西南地區風和雨的產生[26]，且西南地區氣溫也在逐年升高，所以近56 a西南地區RH呈極顯著下降趨勢(P<0.01)，U呈下降趨勢；由楊小梅[27]等對西南地區日照時數的研究可知，風速是影響西南地區日照時數變化的主要原因，且二者展現出相同的趨勢變化，所以S也呈下降趨勢。

圖3顯示了近56 a西南地區RH、T、S、U在不同季節的M-K趨勢檢驗空間分布情況。RH在四季具有相對的變化趨勢，特別在川西北地區，明顯存在夏季到冬季由極顯著下降趨勢(P<0.01)向不顯著下降趨勢變化；其余地區春、夏、秋三季之間趨勢變化平緩，只有明顯的秋季到冬季由極顯著下降(P<0.01)向不顯著下降趨勢變化。T在川西北地區、云南地區趨勢變化緩慢，四季均呈極顯著上升趨勢(P<0.01)；在四川盆地，秋、冬、春三季之間趨勢變化平緩，只有明顯的春季到夏季由極顯著上升(P<0.01)向不顯著上升趨勢變化；而在廣西盆地、貴州地區，明顯的秋季到冬季由極顯著上升(P<0.01)向不顯著上升趨勢變化。S在全區除了四川盆地是夏、冬季均呈極顯著下降趨勢(P<0.01)，其余各地明顯的夏季到冬季由極顯著下降(P<0.01)向不顯著下降趨勢變化。U在川西北地區除了春季是呈顯著上升趨勢(P<0.05)，其余三季都呈不顯著趨勢；在四川盆地，四季都呈不顯著下降趨勢；在云貴高原和川西北地區，明顯的春季到夏季由極顯著下降(P<0.01)向不顯著趨勢變化。

圖3 1960-2015年西南地區相對濕度(RH)，平均溫度(T)、日照時數(S)、風速(U)M-K檢驗空間分布圖

此外，也對Tmax、Tmin進行了M-K趨勢分析(圖略)。發現絕大部分站點的Tmin明顯上升；17%的站點Tmax呈極顯著上升趨勢(P<0.01)，11%的站點呈顯著上升趨勢(P<0.05)，只有貴陽、盤縣、鹽源站點呈下降趨勢。

2.3 近56年西南地區主要氣象因子對參考作物蒸散量的貢獻率分析

表2為主要氣象因子對參考作物蒸散量ET0變化的貢獻率計算結果。近56年來，T、Tmax、Tmin和RH對西南地區的ET0變化表現為正貢獻，S、U表現為負貢獻。

川西北地區在研究期內，S與U為負貢獻，其余為正貢獻；RH在春季具有最大正貢獻率，T在夏冬兩季具有最大正貢獻率，秋季則是Tmax；U在春季具有最大負貢獻率，S在夏秋冬三季均具有最大負貢獻率。在云貴高原地區，從全年來看，與川西北情況相同；T在春季具有最大正貢獻率，Tmax在夏秋兩季具有最大正貢獻率，冬季則是Tmin；春季為U具有最大負貢獻率，其余三季為S具有最大負貢獻率。在四川盆地地區，從全年來看，與川西北情況相似，這與趙璐[8]等對四川省ET0變化成因的研究結果相一致；T在春冬兩季具有最大正貢獻率，Tmax在夏秋兩季具有最大正貢獻率；S在春夏秋三季均具有最大負貢獻率，冬季則是Tmin。在廣西盆地，從全年來看，Tmin、S與U負貢獻，其余為正貢獻；RH在春秋冬三季均具有最大正貢獻率，夏季則是T；S在四季均具有最大負貢獻率。

表2 1960-2015年西南地區主要氣象因子的貢獻率 %

續表2 1960-2015年西南地區主要氣象因子的貢獻率 %

在春季，全區RH正貢獻率最大，但呈極顯著下降趨勢(P<0.01)，S負貢獻率最大，但變化率小，各氣象因子的影響相互平衡，因此春季ET0呈不顯著變化趨勢；在夏季，S負貢獻率仍然最大且下降趨勢顯著(P<0.05)，其余氣象因子的變化率或貢獻率較小，所以夏季ET0呈極顯著下降趨勢(P<0.01)且S為主導因子；秋季與春季情況相似，Tmax正貢獻率最大，ET0呈不顯著變化趨勢；在冬季，T和Tmin的正貢獻率最大且都呈極顯著上升趨勢(P<0.01)，負貢獻率最大的是S，但S在冬季的變化極為緩慢，其余氣象因子變化率或貢獻率較小，所以冬季ET0呈極顯著上升趨勢(P<0.01)且主導因子為T和Tmin。所以，RH下降是春季ET0上升的主要原因，S減少是夏季ET0下降的主要原因，Tmax上升是秋季ET0上升的主要原因，T和Tmin升高是冬季ET0上升的主要原因。

3 結 論

(1)近56年來，西南地區ET0總體呈下降趨勢。季尺度ET0最高值出現在夏季，為345.78 mm；其次是春季和秋季，分別為314.71、219.13 mm；冬季最少，為169.51 mm。春、秋季ET0均是處于不顯著趨勢，氣候傾向率分別為0.850、-0.571 mm/(10 a)；夏季ET0呈極顯著下降趨勢(P<0.01)，氣候傾向率為-2.841 mm/(10 a)；冬季呈極顯著上升趨勢(P<0.01)，氣候傾向率為1.125 mm/(10 a)。春、秋、冬季ET0上升的主要原因分別相對濕度降低、最高溫度上升、最低溫度和平均溫度升高，夏季ET0下降的主要原因是日照時數減少。只有夏季有“蒸發悖論”[4,16,28]的出現，主要是因為其他氣象因子的綜合作用對ET0的下降影響超過了氣溫升高對ET0的增加影響。

(2)近56年西南地區相對濕度、日照時數和風速在四季均呈下降趨勢，最高溫度、最低溫度和平均溫度則呈上升趨勢。其中相對濕度呈極顯著下降趨勢(P<0.01)，最低溫度呈極顯著上升趨勢(P<0.01)，平均溫度除夏季，其余三季都是呈極顯著上升趨勢(P<0.01)。

(3)從空間分布來說，近56年西南地區主導因子分布格局有所差異。云貴高原是春冬季ET0的高值區，其主導因子是相對濕度、最高溫度和平均溫度，貢獻率分別為3.91%、3.37%、3.36%；廣西盆地是夏秋季ET0的高值區，其主導因子是日照時數，貢獻率為-5.56%；川西北地區與廣西盆地情況相似，其主導因子也是日照時數，貢獻率為-7.45%；四川盆地則是最高溫度和平均溫度，貢獻率分別為4.04%和3.70%。

(4)近56年來，西南地區各氣象因子對ET0變化的貢獻率絕對值從高到低依次為：日照時數(-3.80%)>相對濕度(2.91%)>最高溫度(2.55%)>平均溫度(2.12%)>風速(-1.21%)>最低溫度(0.78%)；不同季節，西南地區ET0變化的主導因子不同，春季主導因子是相對濕度，貢獻率為5.23%，夏季是日照時數，貢獻率為-7.49%，秋季是最高溫度，貢獻率為3.94%，而冬季則是平均溫度和最低溫度，貢獻率分別為6.69%和6.57%。