基于云模型的遼河平原區參考農作物的蒸散發時空變化特征量化分析

胡曉松

(遼寧省鞍山水文局，遼寧 鞍山 114000)

1 概述

參考農作物蒸散物對其作物需水影響十分明顯，據相關研究成果表明，農作物蒸散發占其總的作物需水量的60%[1]，分析區域農作物蒸散發時空變化，對于制定其農作物的灌溉方式具有重要的參考價值[2]。近些年來，對于農作物蒸散發時空變化特征得到研究[3-10]，各研究成果均表明受到氣候變化影響，區域農作物蒸散發時空變化十分顯著，對區域農作物的需水過程產生直接影響，增加了農作物的需水量。但這些研究大都針對蒸散發時空變化進行定性描述為主，即對其規律性進行趨勢分析，主要是缺少定量化的手段。當前，中國工程院李德云院士提出云模型[11]，該模型可實現從定性描述轉向定量描述，在水資源領域得到一定程度的應用[12-16]，但是在水資源時空變化特征定量分析中還應用較少。遼河平原作為遼寧省主要的糧食主產區，其作物蒸散發是其需水影響的主要因素，為提高遼河平原區農作物灌溉用水效率，結合云模型，基于遼河平原區6個氣象站點的數據，對其農作物蒸散發時空變化特征進行量化分析。

2 研究方法

2.1 參考作物蒸散發計算

采用彭曼公式計算遼河平原區農作物的蒸散發量，其主要計算方程為：

(1)

式中，Rn—太陽凈輻射，W/m2；G—土壤的熱通量值，W/m2；r—濕度常數；T—氣溫的平均值，℃；u2—離地面距離2m處的風速，m/s；es—飽和水汽壓，kPa；ea—實際水汽壓,kPa；Δ—水汽壓的梯度。

2.2 云模型計算方法

中國工程院李德云院士提出云模型，結合離散度和穩定性來定量表征變量時空變化特征，該模型采用定量論域U來表征其分析變量，假設定量值x∈U，x對C的確定度u(x)∈[0，1]具有穩定傾向變化的隨機變量。該模型主要結合云模型的參數對變量時空特征的離散度及穩定性進行定量分析。

2.2.1正向高斯云算法

云模型的主要參數分別為期望Ex、熵值En以及超熵值He來表征其水文變量的時空變化特征。其正向高斯云算法的主要計算步驟為：

(1)以En為期望值，He為標準差隨機生成高斯數期望。

(3)計算變量的確定度，其計算方程為：

(2)

式中，ui—變量隨時間變化的確定度；i—時間尺度。

(4)具有確定度的ui的隨機云數據系列。

(5)重復(1)～(4)步驟，直到生成N個隨機云數據系列。

2.2.2逆向斯云計算法

在進行正向高斯云算法后，進行逆向斯云計算，其主要計算步驟為：

(1)首先計算其樣本點xi的中心平均值，計算方程為：

(3)

其一階中心距的計算方程為：

(4)

其二階中心距計算方程為：

(5)

(2)在中心距計算的基礎上，對期望值EX進行計算，計算方程為：

(6)

(3)在期望計算的基礎上，對熵值En進行計算，計算方程為：

(7)

(4)此基礎上計算參數超熵值He，計算方程為：

(8)

3 研究成果

3.1 區域概況

本文以遼河平原區為研究區域，區域主要參考農作物為玉米和水稻，遼河平原為遼寧省主要的糧食產區，區域主要為大陸型季風氣候。夏季和秋季蒸發量較大，春季和冬季蒸發量相對較小，近些年，隨著氣候變化影響，區域參考農作物蒸發量時空特征變化較為明顯，遼河平原東南部年平均蒸發量為800～1000mm，而西北部區域蒸發量常年維持在400～600mm，空間分布不均勻，且一般蒸發量主要集中在夏季的6—9月，夏季蒸發量占全年蒸發量的40～60%。考慮到農作物蒸發是其需水特征的主要影響指標。為此本文結合遼河平原內6個主要氣象站點1958—2018年數據，計算參考農作物蒸散發ET0時空分布，結合云模型對其時空變化特征進行量化分析。

3.2 參考作物蒸散發ET0時間尺度計算

結合P-M公式對遼河平原區主要參考農作物年、日尺度及各個季節的蒸發時間變化特征進行計算，計算結果如圖1所示。

從各時間尺度的參考農作物的蒸發計算結果可看出，不同時間尺度各蒸發變化趨勢不同，從年尺度可看出，總體趨勢下降，但下降趨勢不明顯，區域最大1日蒸發呈現明顯遞減變化，尤其在2000年以后，下降趨勢最為明顯，從其遞減率變化可分析，年尺度遞減率為2.5mm/a，而最大1日蒸發遞減率達到3.9mm/a。從各個季度蒸發趨勢變化可看出，春季蒸發略上升變化，而夏季和秋季蒸發均遞減變化，且秋季蒸發遞減趨勢最為明顯，冬季蒸發變化較為平穩，主要是冬季農作物較少。夏季蒸發和年蒸發變化較為一致，主要是因為夏季蒸發占全年蒸發的40～60%。

3.3 參考作物蒸散發ET0空間尺度計算

結合各氣象站點數據，對各個時間尺度下的參考農作物蒸發空間特征進行插值計算，計算結果如圖2所示。

結合氣象站點數據，利用空間插值分析方法，得到空間各網格化的氣象數據，結合P-M公式計算各網格的參考農作物蒸發。從各時間尺度的蒸發空間變化特征可看出，總體均呈現東南蒸發大，西北蒸發偏小的變化規律，這主要是因為東南部降水偏多，氣溫也偏高，使得其區域蒸發偏大，而西北部由于降雨較低，且氣溫偏低，降低了其蒸發量。從各尺度看，蒸發空間變化十分不均勻，這主要是因為蒸發影響因素較多，受氣候變化影響也較大，因此其空間分布特征不明顯，很難主觀進行量化分析。

3.4 基于云模型的不同尺度蒸發的不確定性分析

結合云模型計算方法，建立各氣象站點的蒸發樣本數據序列，數據序列的長度為59年，并對各站點的三個云模型計算參數進行計算，各站點參數計算結果見表1。

圖1 遼河平原區不同時間尺度蒸發計算結果

表1 各氣象站點設置的云模型參數

期望參數主要表示各站點蒸發數據序列的均值，各站點期望值變化幅度較小，在921.9～1235.7mm之間，表明各站點蒸發均值變化度較小，而從熵值變化可看出，熵值變化度較高，主要表征其蒸發時間尺度變化幅度，從表1中可看出，新開站熵值最大，其蒸發時間尺度變化較為明顯，臺安站熵值最小，為56.235，表明其蒸發時間尺度變化程度較低。而超熵值主要表征各站點蒸發空間變化，從分析結果可看出，盤山站超熵值為9.4132，表明其蒸發空間變異度較高，而南崗站超熵值為7.8472，表明其蒸發空間變異度較小。

3.5 基于云模型的不同尺度蒸發時空特征量化對比

在云模型參數設定的基礎上，對各尺度下遼河平原區蒸發時空變化特征進行量化對比分析，分析結果見表2—3，并繪制各尺度下蒸發的隸屬云計算結果，結果如圖3所示。

從分析結果可看出，從1958～2018年各年代際蒸發時空變化特征，遼河平原參考農作物蒸散發的時空隸屬云在0.4～0.9之間變幅，變化較為穩定，但在2000年以后，變幅較大，漲率為0.25/a，時空離散度和穩定度呈現急劇擴散變化，這主要是因為2000年以后遼河平原區氣溫有所減少，使得區域蒸發量較低，這從年尺度變化可看出，蒸發空間變化也受氣溫變化產生較為明顯的應縣，使得其穩定度發生明顯變化，蒸發的隸屬云急劇下降，這也是區域農作物需水增長的主要因素。從各季節蒸發隸屬云變化結果可看出，夏季和秋季其蒸散發時空隸屬云變化較為集中，在0.5～0.7之間變化，而播種關鍵期的春季蒸發時空隸屬云從0.2變化至0.7，且呈現收縮變化，蒸發有所增加，不利于春季作物生長，因子在春季應盡量降低作物的蒸發量。

圖2 不同尺度下參考農作物蒸發空間變化特征插值計算結果

表2 年尺度的云模型蒸發特征分析結果

表3 月尺度的云模型蒸發特征分析結果

圖3 不同尺度下遼河平原區參考農作物蒸發時空變化特征率屬云計算結果

4 結論

(1)遼河平原區東南部蒸發時空變化的穩定度和離散度均最大，在這一區域，應盡量種植大棚農作物，減少其蒸發量，滿足農作物其需水量。

(2)遼河平原區夏季和秋季蒸發雖有所減少，但空間穩定度及離散度小于春季，可在夏季種植花生或芝麻一類的農作物。

(3)本文選取6個氣象站點，在空間代表性中存在不足，在以后的研究中還應加入更多的氣象站點進行蒸發分析。