科爾沁沙地參考作物蒸散發估算及影響因子分析

李 霞, 劉廷璽,2, 段利民,2, 王冠麗,2, 周亞軍

(1.內蒙古農業大學 水利與土木建筑工程學院, 呼和浩特 010018;2.內蒙古農業大學 內蒙古自治區水資源保護與利用重點實驗室, 呼和浩特 010018)

全球氣候隨著社會經濟的發展發生著巨大改變，水資源合理、高效的利用成為眾多學者關注的焦點[1]。參考作物蒸散發(Reference Crop Evapotranspiration，ET0)表征某一區域水分供應不受限制時可能達到的最大蒸發量[2]，能真實反映氣象因素對蒸散量的影響，是評價某一地區干濕狀況、植被耗水量的重要指標[3-4]。因此，定量化評價氣象要素對ET0的影響，評估ET0對不同氣象因子變化的敏感性，有利于探明水文循環對氣候變化的響應程度[5]。

目前ET0的確定方式主要包括實際測定法和模型估算法，儀器測定工作量大且成本較高，具有一定的局限性，難以推廣。而針對不同地區的ET0估算模型均得到較好的驗證[6]，其中，1998年由聯合國糧農組織(FAO)[7]推薦的Penman-Monteith模型綜合了各種氣象因素的影響，具有良好的水文氣象物理基礎[8]，在干旱或濕潤等氣候條件差異較大地區均被證實是一種相對準確的方法，在世界各地得到了廣泛的應用[9-11]。國內外眾多學者均以FAO56 P-M模型作為標準方法，對其他估算模型的原始經驗系數進行修正及適用性評價[12-15]。近年來，針對參考作物蒸散發的驅動機制及其影響因素的研究受到學術界的廣泛關注[16-19]，以往研究多基于多元線性回歸分析、相關性分析等方法，只能簡單識別影響參考作物蒸散發的因子，通徑分析方法可以定量分析影響參考作物蒸散發的直接和間接影響因子，全面討論各影響因子的作用與程度。

科爾沁沙地面積約5.06萬km2，是我國典型的干旱半干旱荒漠化地區，生態環境脆弱[20]，本文基于FAO56 P-M模型對科爾沁沙地典型地區ET0進行估算，對比不同土地利用類型下、不同時間尺度ET0變化特征，利用通徑分析對科爾沁典型地區參考作物蒸散發影響因素進行系統分析，識別影響參考作物蒸散發變化的主導因子，探索氣候變化對干旱半干旱地區參考作物蒸散發的影響機理，以期為該地區的生態環境修復提供科學指導，并對開展干旱監測、荒漠化治理和水資源合理利用等相關研究提供理論依據。

1 材料與方法

1.1 研究區概況

研究區位于科爾沁沙地東南邊緣的阿古拉生態水文試驗站(122°32′30″—122°41′00″E，43°18′48″—43°21′24″N)，見圖1，面積約55 km2，是典型的半干旱荒漠化地區。地形總趨勢為南北高、中間低，分布有沙丘、草甸、農田等多種地貌。

圖1 研究區地理位置及試驗點示意圖

研究區屬半干旱溫帶大陸性季風氣候，多年平均降雨量389 mm，主要集中在6—9月，多年平均氣溫6.6℃，月平均氣溫在-13.4～23.9℃波動，多年平均相對濕度55.8%；主要沙生植被有沙蓬(Agriophyllumsquarrosum)、差巴嘎蒿(Artemisiahalodeudrou)、小葉錦雞兒(Caraganamicrophylla)、少花蒺藜(Cenchruspauciflorus)等，草甸植被有蘆葦(Phragmitesaustralis)、羊草(Leymuschinensis)等，農田主要種植玉米(Zeamays)、水稻(Oryzasativa)等作物；區內沙丘地帶性土壤和非地帶性土壤交錯分布，地帶性土壤為栗鈣土，非地帶土壤主要有砂壤土。本文所選的不同下墊面類型包括草甸地C4，半流動沙丘A4，半固定沙丘G4，水稻地D0以及玉米地BC4，具體信息見表1。

表1 研究區站點介紹

1.2 數據來源

研究區內建有多個梯度環境監測系統，常規氣象數據有凈輻射、空氣溫度、空氣濕度、風速、降雨量等氣象數據。這些數據采集頻率為10 Hz，主要由數據采集器(CR1000，Campbell Scientific)儲存并記錄每10 min的平均值。儀器型號和安裝高度見表2。

1.3 研究方法

1.3.1 P-M模型

(1)

式中：ET0為參考作物蒸散發(mm/d)；Δ為飽和水汽壓—溫度曲線斜率(kPa/°C)；Rn為冠層表面凈輻射[MJ/(m2·d)]；T為平均氣溫(°C)；G為土壤熱通量[MJ/(m2·d)]；u2為2 m高度處風速(m/s)；es為飽和水汽壓(kPa)；ea為實際水汽壓(kPa)；γ為濕度計常數(kPa/℃)。

表2 地面監測基本信息

1.3.2 通徑分析 1921年，塞沃爾·賴特首先提出了通徑分析的多元統計方法[21]，經過不斷改進后可以直觀、準確地分析多個自變量與因變量之間的線性關系，定量描述各自變量對因變量的直接和間接重要性，進而研究各變量之間的相互作用關系。由于ET0與多個氣象因子存在較強的相關性，且各氣象因子間相互影響、相互制約，很難評估ET0對某個氣象要素的響應程度，因此利用通徑分析在對簡單相關系數進行分解的基礎上來研究各因素間直接和間接的影響效果，進而對模型中變量的影響程度有深入的理解[22]。本文利用SPSS 24.0軟件，分析ET0的直接和間接影響因素，并進一步分析剖析各個自變量之間的相互作用。

2 結果與分析

2.1 參考作物蒸散發變化特征

2.1.1 不同景觀類型ET0年際變化特征 選取研究區內具有代表性的景觀類型半流動沙丘試驗區A4，半固定沙丘試驗區G4，草甸試驗區C4，玉米試驗區BC4以及水稻試驗區D0為研究對象，將各試驗區氣象要素輸入FAO56 P-M模型中估算ET0，分析其年際變化，結果如圖2所示(其中半固定沙丘G4，玉米BC4及水稻D0于2015年5月份建站)。由圖2可知草甸試驗區C4的ET0值明顯高于其他地貌類型，2015—2018年總ET0值分別為1 201，1 255，1 257，1 172 mm；半固定沙丘G4和玉米地BC4年ET0值基本一致且保持較低水平，最小值在2016年，為922 mm；半流動沙丘A4的ET0值最大出現在2017年，為1 072 mm，最小值在2016年(1 017 mm)；水稻試驗區D0年ET0值在1 000 mm左右波動；以各年內5個試驗區的平均值代表區域ET0的平均水平，可以看出2015—2018年區域ET0均值起伏變化較為平緩，分布在2.708～2.983 mm/d，最大值出現在2017年，其余年份較為接近。

圖2 不同景觀類型ET0年值變化

2.1.2 不同景觀類型ET0季節變化特征 采用氣象學標準劃分四季，即春季為3—5月，夏季為6—8月，秋季為9—11月，冬季為12月—次年2月[23]。由圖3可知，ET0季節性變化顯著，夏季為ET0貢獻最大的季節，草甸試驗區夏季ET0占全年的39.44%～48.20%，最大值出現在2016年，達535 mm，最小值出現在2018年，為462 mm，半流動沙丘、半固定沙丘、玉米及水稻試驗區夏季ET0均小于草甸試驗區，且各試驗區間差異較小，均占全年ET0的36.63%以上；春季ET0占比僅次于夏季且數值較高，變化范圍為319～448 mm，占全年的33.98%～37.06%，各年ET0值均表現為草甸試驗區最大、半固定沙丘試驗區最小；秋季ET0最大值為245.52 mm，最小值為137.25 mm，占比為14.38%～21.33%，草甸試驗區略高于其他地貌類型；冬季ET0值最小，各試驗區冬季ET0值基本一致，占比均不足10%，且年際間差異較小；春、夏、秋、冬季ET0均值分別為390.22，412.78，190.95，66.05 mm。

圖3 不同景觀類型ET0季節變化

2.1.3 不同景觀類型ET0月變化特征 ET0多年逐月平均值變化曲線如圖4所示。不同景觀類型ET0月變化趨勢大致相同，呈單峰拋物線型，1—5月逐漸升高，最高值出現在5月，達4.74～6.41 mm/d，6—12月ET0月均值逐漸降低，最低值出現在1月或12月，為0.51～0.73 mm/d；草甸地C4全年高于其他景觀類型，1—4月不同下墊面間ET0值差異較小，4月份開始不同下墊面間差異逐漸明顯，5月ET0值差異最大，整體表現為草甸試驗區C4>水稻試驗區D0>半流動沙丘A4>玉米試驗區BC4>半固定沙丘G4，6月以后各試驗區ET0差異逐漸減小。

圖4 多年逐月平均ET0變化趨勢

2.2 參考作物蒸散量變化成因分析

2.2.1 氣象因子變化特征 利用5個試驗區平均氣溫(Tmean)、最低氣溫(Tmin)、最高氣溫(Tmax)、凈輻射(Rn)，2 m處風速(u2)及飽和水汽壓差(VPD)值進行統計分析，得到2015—2018年氣象要素月平均值系列，變化過程見圖5。Tmean，Tmin和Tmax變化情況大體相同，即1—7月逐月遞增，7—12月逐漸減小，整體呈拋物線型，年際間差異較小，多年平均Tmean為7.29℃，多年平均Tmin為1.18℃，多年平均Tmax為13.46℃；Rn的變化規律與溫度與較高的一致性，年內變化范圍為-0.2～12.14 MJ/(m2·d)，最大值出現在夏季，其中2016年峰值在6月，其余年份在7月，最小值出現在冬季；u2各年內均表現為春季最高，最大風速可達4.59 m/s，夏季最低，最低風速為1.98 m/s；VPD變化趨勢呈單峰曲線狀，2015—2017年最大值在5月，分別達1.26，1.37，1.46 kPa，2018年最大值出現在6月，為1.32 kPa，2017年4—7月VPD值明顯高于其他年份，其余月份相差較小。

2.2.2 氣象要素對ET0的通徑分析 根據通徑分析方法對研究區內不同下墊面多年平均逐日ET0和Tmean，Tmin，Tmax，Rn，u2及VPD等氣象因子進行逐步回歸，結果顯示VPD，Rn，u2，Tmax對ET0的影響顯著(p<0.05)，Tmean，Tmin對ET0的影響不顯著，將不顯著因子剔除后，以ET0為因變量，4個氣象因子為自變量，建立最優的回歸方程，分別計算關鍵因子與ET0的通徑系數，確定各因子對ET0的直接效應、間接效應以及相關性，并分析各氣象要素對回歸可靠程度(E)的總貢獻，結果見表3。

由表3可知，VPD對ET0的直接作用(通徑系數)為0.614，高于其他因子，說明VPD可對ET0產生較大影響，Rn對ET0的直接作用(0.423)在指標中位列第二位，因此Rn也對ET0產生較大作用，u2和Tmax對ET0的直接作用較小，Tmax對ET0表現為負效應，其余因子均表現為正效應；VPD，Rn，u2，Tmax對回歸方程估測可靠程度E的總貢獻分別為0.601，0.402，0.036，-0.046，進一步說明VPD是影響ET0最重要的指標；由各因子間的間接作用可知，Tmax和Rn的間接和分別為0.936，0.527，對ET0的間接影響作用較明顯，Tmax主要通過VPD路徑對ET0產生影響，間接作用系數為0.554，占其總間接作用系數的57.53%，Rn通過VPD路徑作用于ET0的間接作用系數為0.564。綜合通徑分析的結果認為，科爾沁沙地ET0受各氣象因子綜合作用，主要影響因子為VPD，其次是Rn和Tmax，u2對ET0的影響較小，Tmax和Rn通過影響其他氣象因子間接的對ET0產生作用。

2.2.3 指標敏感性分析 敏感性分析是從多個不確定性要素中逐一找出對ET0有重要作用的敏感要素，并探討其作用程度。ET0和各氣象要素之間關系極為密切，在通徑分析過程中去掉某個氣象因子后其他氣象因子對ET0的直接作用、間接作用及E均會發生變化，為進一步計算各氣象因子對ET0的敏感性，依次去掉某一氣象要素，利用剩余的氣象因子對ET0進行通徑分析。

圖5 氣象因子變化趨勢

表3 氣象因子對ET0的通徑分析

表4 逐步減去最不敏感項氣象因子對ET0的通徑分析

由表4可知，與4個指標的分析結果比較發現，去掉VPD后，對Rn及Tmax的直接和間接作用均產生較大影響；去除Rn后，VPD對ET0的直接作用由0.614變為0.840，間接作用由0.364變為0.139，對Tmax的直接、間接作用影響也較大；去除u2引起VPD和Tmax的直接、間接作用變化顯著；去除Tmax對各因子的直接、間接作用均無顯著影響，各因子的去除并不影響u2的直接、間接作用；在分別去掉VPD，Rn，u2，Tmin后，E值由0.993分別下降為0.877，0.971，0.979，0.992，隨著方程中自變量數量的減少導致估測可靠程度下降，說明ET0的變化受多種氣象因子聯合影響，去掉VPD后，E的變化最明顯，由此可知ET0對VPD的變化最為敏感，其次為Rn和u2，去除Tmax后E的變化極小，說明ET0對Tmax的變化不敏感。

3 討 論

參考作物蒸散量是區域水分循環和能量平衡研究的重要組成部分，準確地估算ET0不僅是制定地區作物植被需水量方案和水資源優化合理規劃決策的重要依據，是評價作物需水量、生產潛力及水資源供需平衡額重要指標。ET0可反映區域氣候因素的變化，因此，定量分析ET0對氣象因子的響應程度，有利于揭示區域氣候條件對生態環境的改變。

ET0的變化不僅有氣象因子的影響，還有各氣象要素之間也存在著相互影響，部分學者對ET0的影響因素進行相關研究。曹永強等[24]研究得出日最高氣溫、日最低氣溫和日照時數是驅動遼寧省ET0變化的最主要氣象要素；Zhao等[25]研究成果顯示海河流域ET0對RH最敏感，而u2和Rn的降低是引起海流域東南部區域ET0下降的主要因素；汪精海等[26]認為黑河流域ET0的主要影響因子為RH，其次為u2和T。可見，不同地區ET0的主導因子不同。本研究中，通徑分析和指標敏感性分析均顯示VPD對ET0的影響作用最大，張雪松等[27]也得到相似的結論。VPD為同一溫度下飽和水汽壓和實際水汽壓之差，反映空氣的潮濕程度，表征了水汽含量和氣溫的綜合效果，對植物氣孔的開閉產生直接影響[28]，進而控制植物蒸騰和光合作用等生理過程，對蒸散過程及結果產生著重要的影響[29]，而Rn和u2則通過VPD路徑實現間接影響并起重要作用。

就年尺度而言，無論是各下墊總ET0值還是研究區內平均ET0值，均在2017年達到最大，這是由于2017年VPD值遠高于其他年份，另外Rn值也處于較高水平，Rn作為驅動系統運轉的源動力，可改變系統中水熱通量分配狀況及水相變化過程，進而影響ET0的變化，這與牛忠恩等[30]的研究結果一致；季節尺度上，ET0平均值為：夏季>春季>秋季>冬季，阿勒泰地區[31]也得到了相似的結論，這是由于夏季(6—8月)降水充沛，日照時數長，凈輻射增強，水熱條件良好，因此ET0值較高；月尺度上，ET0最小值出現在1月，此時Tmean為一年的最低值，VPD和太陽凈輻射值也處在全年較低水平，導致參考作物蒸散發驅動能量不足；最大值在6月，這是多種氣象條件綜合作用的結果，這與吳麗萍等[32]的研究結果相似；月尺度上不同景觀類型在4月份之后ET0值差異逐漸增大，這是由于各樣地地理位置及植被種類不同，草甸試驗區緊鄰湖泊且植被覆蓋度高，水稻試驗區植被長勢密集且通過淹灌方式使田格保持一定深度的水層，草甸及水稻試驗區的VPD值高于其他樣地，因此ET0值亦明顯高于半流動沙丘、玉米及半固定沙丘；科爾沁沙地是中國北方沙漠化最典型的地區之一，生態環境破壞嚴重，下墊面均一，主要受區域氣候變化和人類活動的影響，定量評價氣象因子對該地區ET0的影響程度，可為相關研究提供理論依據。

4 結 論

(1) ET0年值變化范圍為922～1 257 mm，不同下墊面均在2017年達到最大值，季節尺度上有明顯的差異性，整體表現為夏季>春季>秋季>冬季，月際變化呈單峰曲線狀，最大值出現在5月，不同景觀類型ET0值表現為草甸試驗區C4>水稻試驗區D0>半流動沙丘A4>玉米試驗區BC4>半固定沙丘G4。

(2)Tmean，Tmin，Tmax變化規律大致相同，年際差異較小，Rn變化趨勢與T有較高的一致性，最大值出現在夏季，最小值出現在冬季，風速春季最大，夏季最小，飽和水氣壓差呈單峰曲線狀，2017年4—7月明顯高于其他年份。

(3) VPD對ET0的通徑系數為0.614，是驅動ET0變化的主要因子，Rn的通徑系數為0.423，亦對ET0產生較大作用，u2對ET0的影響較弱，VPD，Rn，u2，Tmax對回歸方程估測可靠程度E的總貢獻分別為0.601，0.402，0.036，-0.046，指標敏感性分析指出去掉飽和水汽壓差后，E由0.993降為0.877，進一步說明ET0對飽和水汽壓差的變化最敏感。