曹永強,齊靜威,王 菲,李玲慧,路 潔
遼寧師范大學地理科學學院, 大連 116029
潛在蒸散是指在一定的氣象條件下,水分充分供給時某一固定區(qū)域下墊面可能達到的最大蒸散量,它是水文循環(huán)以及能量平衡的重要環(huán)節(jié)[1]。潛在蒸散量在作物需水量、氣候條件以及水資源可持續(xù)發(fā)展等方面均得到了廣泛應用[2],因此,研究潛在蒸散量也對作物需水量的計算、水資源的合理配置提供了重要依據。
近年來,國內外學者對潛在蒸散量方面做了大量研究。國外傾向于對潛在蒸散量的估算方法研究,Valiantzas[3]介紹了計算潛在蒸散量的彭曼公式,認為將本地平均風速作為附加輸入時,公式的結果精度會進一步提高;Raziei和Pereira等[4]通過用彭曼公式對伊朗的潛在蒸散量進行估算,認為在伊朗東部、南部干旱和極度干旱的氣候條件下,一些站點的性能較差。國內許多專家學者傾向于研究潛在蒸散量的時空變化特征,曹永強和李維佳[5]研究發(fā)現1966—2015年遼寧省的潛在蒸散量時空差異性顯著,并且在近50年整體上呈現遞減趨勢;鐘巧等[6]通過對博斯騰湖流域潛在蒸散量的計算發(fā)現,該流域山區(qū)與平原年均潛在蒸散量都呈現出先下降后上升的趨勢;劉昌明和張丹[7]認為我國各區(qū)域普遍存在“蒸發(fā)悖論”,全國范圍內,影響潛在蒸散量最敏感的氣象因子為水汽壓。
遼寧省地形由山地、丘陵、平原構成,屬溫帶大陸性季風氣候,雨量不均,東濕西干,是氣候變化敏感地區(qū)之一,潛在蒸散量變化及氣象因子響應對于氣候變化十分重要。研究潛在蒸散量變化及氣象因子響應,對遼寧省生態(tài)保護和作物生長具有重要作用,但目前對潛在蒸散量與氣象因子敏感性分析較多,對遼寧省長時間尺度下潛在蒸散量時空變異規(guī)律以及相關氣象因子的分析研究較少。因此,本文在已有研究成果基礎上,對遼寧省21個氣象站點1965—2017年的潛在蒸散量時空變異規(guī)律以及相關氣象因子進行分析,為該區(qū)農業(yè)水資源優(yōu)化管理、作物合理布局及灌溉的高效利用建立提供一定參考依據。

圖1 遼寧省氣象站點空間分布Fig.1 Spatial Distribution of Meteorological Stations in Liaoning Province
遼寧省位于中國東北地區(qū)的南部,118°53′—125°46′E,38°43′—43°26′N之間。南瀕黃、渤二海,雨熱同期,四季分明,夏季炎熱多雨,冬季寒冷干燥,多年平均氣溫7—11℃,年均降水量750 mm,年日照時數2543 h。
本文所需氣象數據來源于中國氣象數據網(http://data.cma.cn/),選取遼寧省21個氣象站點1965—2017年逐日最高氣溫、最低氣溫、相對濕度、風速、日照時數等氣象數據,對缺測數據采用線性插補法進行處理,具體氣象站點的分布如圖1所示。
1.2.1Penman-Monteith(P-M)法
大量研究表明聯(lián)合國糧農組織(FAO)在1998年修正的Penman-monteith(P-M)法是目前計算潛在蒸散量ET0最為精確和最常用的估算方法之一[8-9],其計算公式如下:
(1)
式中,ET0代表站點潛在蒸散量(mm);Δ為飽和水汽壓與溫度關系曲線的斜率值(kPa/℃);Rn代表地面凈輻射量(MJ/m2);G代表土壤熱通量(MJ m-2d-1);γ代表濕度計常數(kPa/℃);T代表日平均溫度(℃);U2代表2 m高度處風速(m/s);es代表飽和水汽壓(kPa);eα代表實際水汽壓(kPa/℃)[10]。各因子具體計算公式詳見參考文獻[11]。
1.2.2小波分析法
Morlet小波分析目前多應用于數學與工程領域,是一種強有力的處理非穩(wěn)定信號的統(tǒng)計工具。該方法能夠同時從時域和頻域揭示時間序列的局部特征[12],常用來分析氣候序列中所包含的周期性及其不均勻性。
1.2.3敏感系數
McCuen[13]于1973年提出敏感系數法,該方法基于偏導數的形式計算蒸散發(fā)變化量與氣象因子變化量之比,表達簡潔操作簡單。本文利用無量綱相對敏感系數,分析遼寧省潛在蒸散量對各氣候因子變化的敏感程度。具體計算公式如下:
(2)
式中,Sv為潛在蒸散量ET0對某氣象因子x的敏感系數,其特點在于通過變化率將各氣象因子無量綱化,便于不同氣象因子之間的比較[14],這種方法廣泛應用于潛在蒸散量研究中。敏感系數的絕對值越小,氣象因子對ET0的影響越小[7];敏感系數為正表明氣象因子與ET0變化趨勢一致,敏感系數為負則表明兩者變化趨勢相反。
1.2.4因子分析
因子分析是指從研究指標內部關系出發(fā),用少數或幾個潛在的具有代表性的公共因子去解釋原始數據的一種多元統(tǒng)計分析方法[15]。本文采用SPSS軟件對遼寧省1965—2017年的21個氣象站點影響潛在蒸散量的5個氣象因子進行因子分析。
2.1.1遼寧省ET0年際變化特征
遼寧省ET0年際變化如圖2所示。由圖可知,1965—2017年遼寧省年平均ET0呈顯著下降趨勢,變化率為2.89 mm/a。多年平均值955.82 mm,2010年出現ET0最小值,為820.90 mm,1974年出現ET0最大值,為1149.16mm;整體上來看,遼寧省ET0年際變化較大,呈現階段性起伏變化,反映了氣象因子對潛在蒸散量的影響。在M-K突變檢測中(圖3),由潛在蒸散量UF曲線可知,1965—2017年遼寧省ET0呈下降趨勢。根據UF和UB交點的位置,確定UF和UB曲線在1978年出現突變點,表明遼寧省潛在蒸散量在1978年發(fā)生下降趨勢突然增大的現象。1965—1978年ET0呈減少趨勢,但并未超過0.05顯著水平臨界線(-1.96),表明1978年以前遼寧省潛在蒸散量減少趨勢不明顯。1978—2017年ET0減少的趨勢超過0.05顯著水平臨界線,表明1978年以后遼寧省潛在蒸散量下降趨勢十分顯著。1975—1980年遼寧省降水量大幅減少[16],也可能是潛在蒸散量下降的原因。

圖2 遼寧省潛在蒸散發(fā)量時間變化趨勢Fig.2 Time trend of ET0 in Liaoning Province

圖3 潛在蒸散發(fā)量M-K檢驗結果Fig.3 M-K test results of potential evapotranspiration

圖4 潛在蒸散量變化趨勢空間分析Fig.4 Spatial distribution of ET0 trend test results
對遼寧省21個氣象站點潛在蒸散量的趨勢變化進行分析,并進行顯著性檢驗。如圖4所示,遼寧省21個氣象站點中有20個氣象站點潛在蒸散量呈遞減趨勢,其中14個氣象站點通過了0.01顯著性檢驗,3個氣象站點通過了0.05顯著性檢驗,僅有3個氣象站點未通過顯著性檢驗(瓦房店站、營口站、彰武站)。僅有1個氣象站點潛在蒸散量呈遞增趨勢(阜新縣站),且未通過顯著性檢驗。整體來看,遼寧省21個氣象站點潛在蒸散量呈下降趨勢變化。
2.1.2周期變化分析
將各年份ET0通過小波分析得出小波變換等值線及小波方差圖(圖5)。從圖5可知,小尺度變化鑲嵌在較大尺度下的復雜環(huán)境當中。1965—2017年遼寧省ET0在20—35年尺度上振蕩周期最明顯,ET0在周期震蕩中存在“大—小—大”的變化特征,此外,在13—15年尺度上也存在若干小周期循環(huán)。為了進一步明確ET0隨時間變化的主周期,繪制小波方差分析圖,分析得出:遼寧省ET0在35年左右尺度下的小波方差極值最大,是主周期;其次在20年左右還存在一個峰值,峰值數值較小,為次周期,即遼寧省潛在蒸散量在35年左右會經歷由多變少的變化過程。

圖5 遼寧省ET0周期變化特征Fig.5 Characteristics of ET0 periodic change in Liaoning Province

圖6 潛在蒸散量空間分布Fig.6 Spatial distribution of ET0
2.1.3遼寧省ET0空間變化特征
對ET0多年平均數據進行空間分析(圖6)發(fā)現,遼寧省年均潛在蒸散量地域差異十分顯著,表現出由西向東逐漸減小的趨勢,最高值(1043.58 mm)出現在遼寧省西部的朝陽站,朝陽地處大陸性季風氣候區(qū),北部為內蒙古高原,經常性風速較大的干燥冷空氣侵入,是造成該地區(qū)潛在蒸散量大的重要原因。最低值(497.52 mm)位于遼寧東部的清原站,由于所處地區(qū)氣候特點不同導致各區(qū)域潛在蒸散量存在明顯空間差異。遼寧西部地區(qū)位于遼寧遼河以西與內蒙古河北接壤處,氣候類型為半干旱氣候[17],該區(qū)域日照豐富,所以潛在蒸散量較大。遼寧東部地區(qū)位于遼河以東,該區(qū)瀕臨黃海、渤海,氣候濕潤,降水量較多,相對濕度偏大,是潛在蒸散量較小的主要原因。
為了研究遼寧省ET0對氣候變化的敏感程度,綜合考慮遼寧省各地的氣候特點以及省內空間分布,選取葉柏壽站、清原站、大連站、開原站、營口站、錦州站、鞍山站、丹東站、撫順站以及本溪站10個氣象站作為研究對象,計算10個氣象站潛在蒸散量對氣候因子的敏感系數(表1)。10個氣象站的潛在蒸散量對相對濕度的敏感系數皆為負值,且敏感系數的絕對值也最大,大連更達到了1.21,表明如果相對濕度減少10%,則潛在蒸散量增加12.1%。潛在蒸散量與最低氣溫、最高氣溫、平均風速以及日照時數均呈正敏感,這4個影響因子中,潛在蒸散量對最高氣溫、平均風速及日照時數的敏感系數十分接近。潛在蒸散量對最低氣溫的敏感系數最小,幾乎為零,敏感性最低,主要原因是夜晚溫度一般為一天中的最低氣溫,而夜晚是一天中蒸散發(fā)最弱的時間,這與李耀軍等[18]研究甘肅省潛在蒸散量的研究結果一致。從空間尺度上來看,在經度和緯度改變的情況下,計算發(fā)現ET0對最低氣溫、最高氣溫、平均風速、日照時數的敏感系數基本保持不變,而相對濕度在經度、緯度變化的情況下呈現出無規(guī)律的起伏變化趨勢,并且潛在蒸散量對相對濕度的敏感系數在各種情況下絕對值都為最大,這說明潛在蒸散量對相對濕度的敏感性最高,不因地區(qū)的不同而改變。
本文利用SPSS統(tǒng)計分析軟件,得出所選取的5個氣象因子的共同度取值都在0.5以上,表明適合采用因子分析。由表2可知,成分1是方差貢獻最大的一個主成分,方差貢獻率為53.999%。另外,在5個變量因子中,其起始特征值大于1的有2個成分,這2個成分的方差貢獻率分別為53.999%、27.658%,累計方差貢獻率為81.658%,這說明了起始特征值大于1的有2個成份可以解釋原來5個變量81.658%的信息,表示分析時只需提取前2個公共因子即可。
通過因子分析法提取兩個主成分進行主成分分析,得到各主成分的荷載矩陣(表3)。
第一個主成分的方差貢獻率(53.999%)最大,主要在最高氣溫上的荷載較大,表明氣溫上升是潛在蒸散量升高的主要影響因子,但潛在蒸散量不僅只隨溫度改變而變化,其他氣象因子的作用也影響潛在蒸散量的變化。其中在相對濕度上荷載為-0.244,表明相對濕度增加,潛在蒸散量反而減少。
第二個主成分的方差貢獻率(27.658%)明顯低于第一個主成分。第二個主成分主要在平均風速和日照時數兩個指標上的荷載較大,說明平均風速和日照時數的增加在某種程度上成為潛在蒸散量上升的因素,相對濕度在第二主成分的荷載為-0.262,說明相對濕度對潛在蒸散量的上升有制約作用。綜上所述,最高氣溫、日照時數和平均風速對區(qū)域潛在蒸散量影響顯著,相對濕度對區(qū)域潛在蒸散量呈負相關影響。不同因子對潛在蒸散量影響程度不同,其中平均風速是潛在蒸散量的主要影響因子,遼寧省地處溫帶大陸性季風氣候區(qū),受天氣系統(tǒng)及海陸熱力差異影響,平均風速較大,尤其東南部沿海地區(qū)[19]。但近35年中國地面風速呈遞減趨勢,東北地區(qū)平均風速下降趨勢最為明顯[20]。遼寧省處在東亞季風區(qū),有研究表明,溫室氣體的排放及氣溶膠的變化,導致東亞夏季風和冬季風正處在減弱趨勢時期,季風減弱則導致平均地面風速下降[21],該變化是造成遼寧省潛在蒸散量呈下降趨勢的重要因素。由于人類破壞環(huán)境愈發(fā)嚴重,太陽輻射量日漸減少,日照時數也呈減少趨勢,導致地面接收的輻射能量減少,潛在蒸散量下降。據研究表明,遼寧省近些年及未來40年氣候呈暖干趨勢[22],相對濕度下降,促進潛在蒸散量上升,但由于最低氣溫、最高氣溫、日照時數、平均風速4個氣象因子與潛在蒸散量呈正相關,與相對濕度的負相關抵消,從而最終導致潛在蒸散量整體呈下降趨勢。

表1 10個氣象站潛在蒸散量氣候敏感系數

表2 因子分析過程解釋的總方差表
提取方法為主成分分析

表3 潛在蒸散發(fā)影響因子主成分分析表
(1)從時空變異規(guī)律來看,遼寧省1965—2017年潛在蒸散量多年平均值為955.82 mm,變化速率為2.89 mm/a,下降趨勢顯著。在空間上不同地區(qū)的潛在蒸散量差異明顯,表現出由西向東逐漸減少的趨勢。
(2)遼寧省潛在蒸散量對相對濕度的敏感性為負,且最為敏感;對最低氣溫、最高氣溫、風速、日照時數均呈正敏感,且對最低氣溫敏感性最小,幾乎為零。在經度和緯度改變的情況下,最高氣溫、風速、最低氣溫、日照時數的敏感性幾乎沒有改變,而相對濕度的敏感性呈現無規(guī)律的階段性起伏變化。
(3)平均風速是潛在蒸散量變化的主要影響因子,相對濕度與潛在蒸散量呈負相關,表明相對濕度增加,則潛在蒸散量呈減少趨勢。幾個氣象因子綜合作用導致遼寧省潛在蒸散量呈顯著下降趨勢。
本文基于小波分析、敏感性分析和因子分析,定量分析與定性分析相結合,深入研究了遼寧省潛在蒸散量的時空變化特征及成因。結果表明,遼寧省近53年年均潛在蒸散量呈下降趨勢,平均風速與日照時數的減少是遼寧省潛在蒸散量下降的主要原因,氣溫上升并未導致潛在蒸散量上升,表明遼寧省存在“蒸發(fā)悖論”的現象,這與叢振濤等[23]東北地區(qū)的研究結果一致。但是本文僅從潛在蒸散量傳統(tǒng)公式方面分析了它的時空變化特征,并未通過“蒸發(fā)悖論”成因與規(guī)律探究遼寧省潛在蒸散量的變化趨勢,結合下墊面要素、農業(yè)活動等人為因素對潛在蒸散量的影響,潛在蒸散量的變化趨勢特征還有待進一步探討。另外,影響因子分析中發(fā)現平均風速下降是遼寧省潛在蒸散量下降的主要影響因子,但本文僅僅進行了初步探究,其他氣象要素以及植被、人為因素、地形等對潛在蒸散量的影響需要進一步研究。