1960-2017年滇中地區參考作物騰發量時空變化特征

劉 麗，李加順

(云南省水利水電科學研究院，昆明 650228)

0 引 言

溫室氣體增加導致的全球氣候變暖對生態系統及人類賴以生存的環境產生重大影響。地面觀測資料顯示20世紀全球地表平均溫度增加了0.74 ℃，其中50年代后期上升趨勢明顯[1,2]；氣候模式預測到21世紀末全球平均氣溫將增加0.3～4.8 ℃[3]。氣溫增加將導致氣壓、風速及飽和水汽壓等要素發生改變，進而影響到水循環中降水、蒸散量、水汽輸送等環節。蒸散量是水循環過程中重要環節之一[4]，控制著陸地生態系統和大氣之間的物質和能量交換[5]。由于陸地、植被與大氣之間的相互作用復雜多樣，因而蒸散量成為水循環組成中最難估算項[6]。

截止目前，直接通過氣象要素來估算蒸發蒸騰量難以實現，因此通過使用參考作物蒸散量(ET0)與作物系數乘積的方法及經驗公式法來估算作物蒸發蒸騰量被廣泛應用[7]。國內外對于ET0計算的方法較多如溫度法、輻射法、綜合法和蒸發皿法等[8]，其中彭曼蒙特斯公式(P-M公式)由于能夠很好地反映氣象要素對土壤蒸發和植物蒸騰的影響，可以估算不同氣候條件下ET0，被認為是估算ET0最好的方法，物理意義明確，計算結果可靠，被FAO推薦為ET0計算的主要方法。ET0作為水循環重要的組成部分[9]，影響農業用水[10]、生態模型[11]、區域干濕狀況[12]等，受到廣泛關注。

滇中地區水資源總量豐富，但是時空分布不均，水資源問題突出。受氣候變暖的影響，水旱災害頻發，且呈現一年數災、災期長、常連季或連年發生水旱交替的特點。近年來，隨著經濟的發展又導致水資源污染嚴重，湖泊水質總體表現為中度污染。然而其經濟的發展離不開水資源的支撐，而水量平衡各項的變化將對工農業生產及水文過程產生重大影響，進而影響區域的經濟發展及人民的財產安全。其中蒸散量的改變將影響滇中地區可獲得水資源量及水分的消耗過程，而ET0的時間和空間分布變化將對水資源的時空分布及利用產生重大影響。基于此，本研究利用滇中地區氣象臺站1960-2017年逐日氣象資料和FAO推薦的Penman-Monteith方法，計算氣象臺站點上的ET0值并探討滇中地區ET0在時間和空間上的分布規律。可為該區域水資源管理、制定合理的灌溉排水方案和種植結構調整提供科學的依據。

1 數據及方法

1.1 研究區及數據

滇中地區包括昆明、玉溪、紅河、大理、曲靖、楚雄和麗江等，國土面積約為15 萬km2。研究區屬于亞熱帶氣候，日照充足，干濕季分明，最熱月平均溫度約為19～22 ℃，最冷月平均溫度約為6～8 ℃。年降水量約為955.0 mm。土壤類型以山原紅壤、棕壤和水稻土等為主。地形以山地和山間盆地為主，地勢起伏緩和。植被類型多樣，多為次生植被和人工植被。

本文采用的氣象數據來自中國國家氣象數據共享中心(www.nmic.gov.cn)。根據數據觀測的連續性和時間序列盡可能長這一標準，選取滇中地區9個站點的氣象數據用于ET0的計算(圖1)，時間序列為1960-2017年，主要包括日最低氣溫和最高氣溫、相對濕度、風速和日照時數等，此外還需要各站點的經緯度和海拔數據。將每年的1月、2月和12月劃分為冬季，3-5月劃分為春季，6-8月劃分為夏季，9-11月劃分為秋季。通過繪制各氣象數據時間序列圖，然后通過目視判斷的方法查詢可能存在的錯誤數據[13]，其中錯誤和缺失的數據通過使用相一致的長時間序列的均值進行插補。

圖1 研究區概況及氣象站點位置圖Fig.1 Survey of the study area and location map of meteorological stations

1.2 方法

1.2.1 參考蒸發蒸騰量(ET0)

參考蒸發蒸騰量相當于一種假想的參考作物冠層的蒸散速率，假設作物高度為0.12 m，表面阻力為70 s/m，冠層反照率為0.23，相當于表面開闊、高度一致、生長旺盛、完全遮蔽地面而不缺水的綠色草地的蒸散量。1998年FAO-56分冊推薦以能量平衡和空氣動力學原理為基礎的Penman-Monteith方程，作為計算參考作物蒸散量的一種標準方法。FAO Penman-Monteith 公式為：

(1)

式中：ET0為參考作物蒸散量，mm/d；Δ為飽和水汽壓與溫度曲線的斜率，kPa/℃；Rn為作物冠層表面的凈輻射，MJ/( m2·d)；G為土壤熱通量，MJ/(m2·d)，在逐日估算時取G=0；T為日平均氣溫，℃，按最高氣溫(Tmax)和最低氣溫(Tmin)的算術平均值計算；u2為2 m高度處的風速，m/s；ea為飽和水汽壓，kPa；ed為實際水汽壓，kPa；ea-ed為飽和水汽壓差，kPa；γ為干濕表常數，kPa/℃。

1.2.2 Mann-Kendall檢驗

非參數Mann-Kendall檢驗被廣泛應用于水文變化趨勢研究[14]，本文采用Mann-kendall檢驗對ET0的序列進行趨勢分析。Mann-kendall檢驗不需要樣本遵從一定的分布，也不受少數異常值的干擾，在Mann-Kendall趨勢檢驗中，原假設H0為時間序列數據(X1，…,Xn),是n個獨立的、隨機變量同分布的樣本；備擇假設H1是雙邊檢驗，對于所有的k，j≤n，且k≠j，Xk和Xj的分布是不相同的，檢驗的統計量S計算如下式：

(2)

其中：

(3)

式中：S為正態分布，其均值為0，方差Vαr(s)=n(n-1)(2n+5)/18。當n>10時，標準的正態系統變量通過下式計算：

(4)

在雙邊的趨勢檢驗中，在給定的α置信水平上，如果|Z|≥Z1-α/2,則原假設是不可接受的，即在α置信水平上，時間序列數據存在明顯的上升或下降趨勢。對于統計量Z，大于0時是上升趨勢；小于0時是下降趨勢。

1.2.3 Sen斜率估計

近年來，隨著高校信息化水平逐步提高，智慧校園建設已成為高校建設發展的重要內容，面向學校校務管理及服務的各類信息系統逐漸建立并應用起來，這些獨立的MIS系統在一定程度上解決了學校行政管理與服務方面的問題［3］。但隨著業務數據的積累和各業務的不斷變化，圍繞學校主要業務（包括人事、科研、財務、學工、教務等）建設信息系統的高校信息化模式存在以下問題。

n對數據的趨勢度通過Theil-Sen’s估計量進行估算[15]，被廣泛應用于識別水文時間序列的線性趨勢。Sen趨勢度計算公式為：

(5)

使用趨勢度β來判斷時間序列趨勢的升降，當β> 0時時間序列呈上升趨勢，反之呈下降趨勢。

2 結果及分析

2.1 ET0時間變化特征

2.1.1 Mann-Kendall檢驗分析結果

Mann-Kendall檢驗結果值大于0時是上升趨勢,大于1.96時是顯著上升趨勢；小于0時是下降趨勢，小于-1.96時是顯著下降趨勢。結果值可以反映出ET0變化的趨勢。

表1為在季節尺度上和年尺度上各站點ET0的M-K變化趨勢檢驗結果。根據結果統計，在年尺度上：56%的站點沒有顯著變化，11%的站點表現為顯著增加，33%的站點表現為顯著減小。

在季節尺度上：春季56%的站點沒有顯著變化，11%的站點表現為顯著增加，33%的站點表現為顯著減小；夏季89%的點沒有顯著變化，11%的站點表現為顯著減小；秋季78%的站點沒有顯著變化，11%的站點表現為顯著增加，11%的站點表現為顯著減小；冬季67%的站點沒有顯著變化，22%的站點表現為顯著增加，11%的站點表現為顯著減小。

通過對比四個季節與年的檢驗結果，可以明顯看出春季的檢驗結果與年檢驗結果完全一致，說明滇中地區春季作物騰發量較大，決定了滇中地區全年的作物騰發量變化特征。

2.1.2 Sen斜率估計分析結果

sen斜率估計結果值大于0，表明序列呈上升趨勢；小于0則表明呈下降趨勢；等于0表示序趨勢不明顯。結果值可以反映出ET0變化的數量。

表2為在季節尺度上和年尺度上各站點ET0的sen斜率估計結果，其結果與Mann-Kendall趨勢分析結果一致。根據結果統計，在年尺度上：33%的站點表現為增加，67%的站點表現為減小，其中ET0增加最大值為12.39 mm/(10 a)發生在昆明地區，最小值為-57.52 mm/(10 a)發生在元謀地區。

在季節尺度上：春季22%的站點表現為增加，78%的站點表現為減小，其中ET0增加最大值為4.82 mm/(10 a)發生在昆明地區，最小值為-25.24 mm/(10 a)發生在元謀地區；夏季22%的站點表現為增加，78%的站點表現為減小，其中ET0增加最大值為0.34 mm/(10 a)發生在沾益地區，最小值為-8.93 mm/(10 a)發生在元謀地區；秋季44%的站點表現為增加，56%的站點表現為減小，其中ET0增加最大值為2.74 mm/(10 a)發生在沾益地區，最小值為-8.09 mm/(10 a)發生在玉溪地區；冬季78%的站點表現為增加，22%的站點表現為減小，其中ET0增加最大值為6.91 mm/(10 a)發生在昆明地區，最小值為-9.32 mm/(10 a)發生在元謀地區。總體表現為除冬季外，其余季節減少站點的百分比要多于增加站點的百分比。

表1 滇中地區各站點ET0的Mann-Kendall檢驗結果Tab.1 Mann-Kendall test results of ET0 at different sites in central Yunnan

注：*表示變化顯著。

表2 滇中地區各站點ET0的Sen斜率估計結果 mm/(10 a)

2.2 ET0空間變化特征

為進一步展示不同時間尺度ET0變化趨勢的空間分布特征，將不同站點不同時間尺度的非參數化M-K趨勢檢驗的結果進行空間可視化(圖2, 圖3)。季節尺度上：春季，1個站點表現為顯著增加的趨勢，位于滇中地區的中部(昆明)；3個站點表現為顯著減小的趨勢，位于滇中的西北部(華坪)、中部(元謀)和南部(蒙自)；5個站點變化趨勢不顯著，廣泛分布于滇中地區(包括楚雄、大理、瀘西、沾益及玉溪)。夏季，1個站點表現為顯著減小的趨勢，位于滇中的中部(元謀)；8個站點變化趨勢不顯著，廣泛分布于滇中地區(包括昆明、楚雄、大理、蒙自、華坪、瀘西、沾益及玉溪)。秋季，1個站點表現為顯著減小的趨勢，位于滇中的中部(元謀)；1個站點變現為顯著增加，位于滇中的東部(沾益)；7各站點變化趨勢不顯著，廣泛分布于滇中地區(包括昆明、楚雄、大理、蒙自、華坪、瀘西及玉溪)。冬季，2個站點表現為顯著增加的趨勢，位于滇中地區的中部(昆明及玉溪)；1個站點表現為顯著減小，位于滇中的中部(元謀)；6個站點變化趨勢不顯著，為滇中地區的西部和東部(包括楚雄、大理、蒙自、華坪、瀘西及沾益)。

圖2 季節尺度上各站點變化趨勢空間分布Fig.2 Spatial distribution of variation trend of each station on seasonal scale

圖3 年尺度上各站點變化空間分布Fig.3 Spatial distribution of variation of stations on the scale of year

在年尺度上，1個站點表現為顯著增加的趨勢，位于滇中的中部(昆明)；3 站點表現為顯著減小的趨勢，位于滇中的西北部(華坪)、中部(元謀)和南部(蒙自)；5個站點變化趨勢不顯著，位于滇中的西部(大理)、中部(楚雄及玉溪)和東部(沾益及瀘西)。

3 結 語

利用彭曼-蒙特斯公式計算了滇中地區9個氣象臺站的ET0，通過Mann-Kendall趨勢檢驗和Sen斜率估計，檢驗了不同各站點ET0時間變化趨勢和空間分布特征。得出以下結論。

(1)在時間上，Mann-Kendall趨勢檢驗和Sen斜率估計顯示滇中地區ET0變化趨勢季節差異較大，元謀在春季、夏季、秋季和冬季均表現為減小的趨勢，昆明均表現為增加的趨勢，其他站點增加和減小趨勢均存在；同時春季作物騰發量較大，決定了滇中地區全年的作物騰發量變化特征。年變化趨勢表現增加和減小趨勢的站點均存在，其中，昆明表現為顯著增加的趨勢，元謀、蒙自和華坪表現為顯著減小的趨勢；同時顯著減少的站點數量要大于顯著增加站點的數量。

(2)在空間上，ET0增加和減小趨勢的站點在滇中地區廣泛分布，其中位于中部的元謀表現為減小的趨勢，昆明表現為增加的趨勢。