近56年西南地区四季参考作物蒸散量 变化成因分析

刘 悦，崔宁博,3,4，李 果，罗万琦，廖功磊，王禄涛

(1.四川大学水利水电学院，成都 610065；2.四川大学水力学与山区河流开发保护国家重点实验室，成都 610065； 3.南方丘区节水农业研究四川省重点实验室，成都 610066；4.西北农林科技大学旱区农业水土工程教育部重点实验室， 陕西 杨凌 712100； 5.四川省机械研究设计院，成都 610023；6.广西捷佳润科技股份有限公司，南宁 530007)

0 引 言

参考作物蒸散量(Reference Crop Evapotranspiration,ET0)，又称潜在蒸散量，是作物需水量计算、农田水分高效利用及区域水资源优化配置的基本参数，也是实现智慧灌溉及灌区高效用水的重要基础[1,2]。ET0表示在一定气象条件下水分供应不受限制时，某一固定下垫面可能达到的最大蒸发蒸腾量，是实际蒸散量的理论上限，并与降水共同决定了区域干湿情况[1-4]。

近年来西南地区即川西北、云贵高原、四川盆地、广西盆地4个分区总体呈气温升高、降水减少、干旱化加重的趋势，其中冬半年的变化趋势十分明显[5,6]。西南地区春旱和冬旱发生频率较高，且都呈明显的“西高东低”分布[5, 7-11]，严重影响到西南地区的生态平衡和经济发展。在评估ET0的变化趋势时，Mcvicar[12]等认为应考虑风速、湿度、辐射、气温等气象因子；Sharifi Alireza[13]等认为在伊朗地区，ET0对平均温度最为敏感；Burn DH[14]等认为风速对加拿大草原ET0的减小有很大影响。西南地区地形地貌复杂多样，气候差异性大，陈超[15]等认为四川省ET0变化的主要影响因素是日照时数，分析期内日照时数的显著下降导致四川省ET0下降；谢平[16]等的研究表明，云南省ET0变化的主导因子具有阶段性、季节性和区域差异性。

本文应用1960-2015年西南地区逐日气象数据，利用FAO-56 Penman-Monteith 模型计算西南地区各气象站的ET0，通过Mann-Kendall检测、变化趋势分析及基于敏感系数的贡献率分析，对近56 a西南地区ET0及主要气象因子的年内变化特征与变化趋势进行定量分析，为西南地区精准灌溉实施、农田水分高效利用及区域水资源优化配置等方面提供理论指导。

1 资料与方法

1.1 资料来源及处理

西南地区主要包括四川盆地及盆周地区、云贵高原高山山地丘陵区和青藏高原高山地区，涉及到四川省、云南省、贵州省、重庆市和广西壮族自治区等地。本文采用了西南地区92个气象站点1960-2015年逐日气象资料(包括平均温度、最高温度、最低温度、日照时数、水汽压、风速、相对湿度和站点经纬度及海拔高度)，所有气象数据均来自于中国气象局，研究区域和气象站点分布见图1。气象数据处理及分析采用MATLAB7.0编程实现，空间分布采用ArcGIS10.2软件制图完成。

图1 西南地区气象站点分布图

1.2 研究方法

1.2.1 基本方法

采用FAO-56的Penman-Monteith(简称P-M)公式计算参考作物蒸散量ET0，具体的计算公式为[17]：

(1)

式中：ET0为参考作物蒸散量，mm/d；Δ为饱和水气压与温度曲线的斜率，kPa/℃；Rn为参考作物冠层表面净辐射，MJ/(m2·d)；G为土壤热通量，MJ/(m2·d)；γ为干湿表常数，kPa/℃；T为2 m高处的日平均气温，℃；U2为2 m高处的风速，m/s；es为饱和水汽压，kPa；ea为实际水汽压，kPa。ET0及其相关气象因子的空间插值分析采用基于ArcGIS10.2的反距离加权空间插值法[18]，并用一次直线方程斜率的10倍描述ET0及相关气象因子变化的气候倾向率[19](用β表示)。

1.2.2 Mann-Kendall趋势检验法

使用非参数Mann-Kendall(简称M-K)单调趋势检验法[20,21]检验相关气象因子的变化趋势。当M-K统计量|z|≥2.58，表示站点的相关气象因子处于极显著上升或下降趋势(P<0.01)；当统计量2.58>|z|>1.96，表示站点的相关气象因子处于显著上升或下降趋势(P<0.05)；当统计量|z|≤1.96，表示站点的相关气象因子处于不显著的上升或下降趋势。

1.2.3 基于敏感系数的贡献率分析

敏感系数是表征气象因子对ET0趋势变化产生影响的定量参数，定义为潜在蒸散变化率与气象因子变化率之比[22,23]，即：

(2)

式中：Svi为气象因子vi的敏感系数；ET0、ΔET0分别为参考作物蒸散量及其变化量；vi、Δvi分别为气象因子及其变化量。Svi>0表示ET0与气象因子同增减，反之则表示ET0与气象因子的增减变化相反，Svi绝对值越大表示该气象因子的变化对ET0的影响越大。

将单个气象因子的敏感系数与其多年相对变化率相乘，即为该气象因子对ET0变化的贡献率[24]，贡献率大于0，表示该要素的变化引起ET0增加，为正贡献；贡献率小于0，表示该要素的变化引起ET0减小，为负贡献，即：

(3)

Convi=Svi×RCvi

(4)

式中：RCvi是气象因子vi的多年相对变化率；n取值为56；avi是相应时间段vi的平均值；Trendvi为vi的倾向率；Convi为气象因子vi对ET0变化的贡献率。

将各气象要素的贡献率累加得到对ET0变化的总贡献率[25]，即：

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

(5)

式中：CT、ConTmax、ConTmin、ConU、ConRH、ConS分别表示平均温度、最高温度、最低温度、风速、相对湿度、日照时数对ET0变化的贡献率；Con表示其总贡献率。

2 结果分析

2.1 近56年西南地区参考作物蒸散量的季时空变化

图2为1960-2015年西南地区各站点季尺度参考作物蒸散量ET0的空间分布图。对近56 a西南地区季尺度ET0分析可知，夏季是西南地区季尺度ET0最高的季节，为345.78 mm；其次是春季和秋季，分别为314.71、219.13 mm；冬季最少，为169.51 mm。季尺度ET0的空间分布存在较大区域差异，春季ET0的高值区在云南地区，并向东北方向递减，研究期内春季ET0呈不显著上升趋势，气候倾向率为0.850 mm/(10 a)；夏季ET0的高值区在四川盆地和广西盆地，并自东向西递减，呈极显著下降趋势(P<0.01)，气候倾向率为-2.841 mm/(10 a)；秋季ET0的高值区在广西盆地，并自南向北递减，呈不显著上升趋势，气候倾向率为0.571 mm/(10 a)；冬季的高值区与春季相同，且同样是向东北方向递减，但冬季ET0呈极显著上升趋势(P<0.01)，气候倾向率为1.125 mm/(10 a)。

综合分析可知，西南地区ET0在四季具有相对变化趋势，明显的夏季到冬季由减少趋势向增加趋势变化。从图2可以看出小金、元江站点的ET0在全年都要高于周围站点，这主要是受该地区气候的影响。

图2 1960-2015年西南地区各站点季尺度ET0空间分布图

2.2 近56年西南地区参考作物蒸散量的影响因子分析

参考作物蒸散量ET0受气候因素综合影响[21]，影响因素可分为动力因子，如风速；热力因子，如平均温度、最高温度、最低温度、日照时数；湿度因子，如相对湿度。以西南地区92个气象站的季尺度平均温度(T)、最高温度(Tmax)、最低温度(Tmin)、相对湿度(RH)、日照时数(S)、风速(U)的平均值为代表值，将1960-2015年分为春(3-5月)、夏(6-8月)、秋(9-11月)、冬(12月至次年2月)4个时段，利用M-K检验法分析主要气象因子在四季的变化趋势，统计量z值表示显著性趋势，β值表示各相关气象因子的气候倾向率。表1为近56 a西南地区主要气象因子趋势变化情况。

表1 1960-2015年西南地区主要气象因子趋势变化情况

注：*和**分别表示通过95%和99%的置信度检验。

由表1可知，近56 a西南地区的T、Tmax、Tmin在四季呈上升趋势，S、RH、U呈下降趋势。西南地区T、Tmax、Tmin呈显著上升(P<0.05)或极显著上升(P<0.01)趋势主要是受到全球气候变暖影响；从20世纪70年代中期起，东亚季风开始呈减弱趋势，西太平洋副热带高压和南亚地区高压也有向西南方向偏移的趋势，这十分不利于西南地区风和雨的产生[26]，且西南地区气温也在逐年升高，所以近56 a西南地区RH呈极显著下降趋势(P<0.01)，U呈下降趋势；由杨小梅[27]等对西南地区日照时数的研究可知，风速是影响西南地区日照时数变化的主要原因，且二者展现出相同的趋势变化，所以S也呈下降趋势。

图3显示了近56 a西南地区RH、T、S、U在不同季节的M-K趋势检验空间分布情况。RH在四季具有相对的变化趋势，特别在川西北地区，明显存在夏季到冬季由极显著下降趋势(P<0.01)向不显著下降趋势变化；其余地区春、夏、秋三季之间趋势变化平缓，只有明显的秋季到冬季由极显著下降(P<0.01)向不显著下降趋势变化。T在川西北地区、云南地区趋势变化缓慢，四季均呈极显著上升趋势(P<0.01)；在四川盆地，秋、冬、春三季之间趋势变化平缓，只有明显的春季到夏季由极显著上升(P<0.01)向不显著上升趋势变化；而在广西盆地、贵州地区，明显的秋季到冬季由极显著上升(P<0.01)向不显著上升趋势变化。S在全区除了四川盆地是夏、冬季均呈极显著下降趋势(P<0.01)，其余各地明显的夏季到冬季由极显著下降(P<0.01)向不显著下降趋势变化。U在川西北地区除了春季是呈显著上升趋势(P<0.05)，其余三季都呈不显著趋势；在四川盆地，四季都呈不显著下降趋势；在云贵高原和川西北地区，明显的春季到夏季由极显著下降(P<0.01)向不显著趋势变化。

图3 1960-2015年西南地区相对湿度(RH)，平均温度(T)、日照时数(S)、风速(U)M-K检验空间分布图

此外，也对Tmax、Tmin进行了M-K趋势分析(图略)。发现绝大部分站点的Tmin明显上升；17%的站点Tmax呈极显著上升趋势(P<0.01)，11%的站点呈显著上升趋势(P<0.05)，只有贵阳、盘县、盐源站点呈下降趋势。

2.3 近56年西南地区主要气象因子对参考作物蒸散量的贡献率分析

表2为主要气象因子对参考作物蒸散量ET0变化的贡献率计算结果。近56年来，T、Tmax、Tmin和RH对西南地区的ET0变化表现为正贡献，S、U表现为负贡献。

川西北地区在研究期内，S与U为负贡献，其余为正贡献；RH在春季具有最大正贡献率，T在夏冬两季具有最大正贡献率，秋季则是Tmax；U在春季具有最大负贡献率，S在夏秋冬三季均具有最大负贡献率。在云贵高原地区，从全年来看，与川西北情况相同；T在春季具有最大正贡献率，Tmax在夏秋两季具有最大正贡献率，冬季则是Tmin；春季为U具有最大负贡献率，其余三季为S具有最大负贡献率。在四川盆地地区，从全年来看，与川西北情况相似，这与赵璐[8]等对四川省ET0变化成因的研究结果相一致；T在春冬两季具有最大正贡献率，Tmax在夏秋两季具有最大正贡献率；S在春夏秋三季均具有最大负贡献率，冬季则是Tmin。在广西盆地，从全年来看，Tmin、S与U负贡献，其余为正贡献；RH在春秋冬三季均具有最大正贡献率，夏季则是T；S在四季均具有最大负贡献率。

表2 1960-2015年西南地区主要气象因子的贡献率 %

续表2 1960-2015年西南地区主要气象因子的贡献率 %

在春季，全区RH正贡献率最大，但呈极显著下降趋势(P<0.01)，S负贡献率最大，但变化率小，各气象因子的影响相互平衡，因此春季ET0呈不显著变化趋势；在夏季，S负贡献率仍然最大且下降趋势显著(P<0.05)，其余气象因子的变化率或贡献率较小，所以夏季ET0呈极显著下降趋势(P<0.01)且S为主导因子；秋季与春季情况相似，Tmax正贡献率最大，ET0呈不显著变化趋势；在冬季，T和Tmin的正贡献率最大且都呈极显著上升趋势(P<0.01)，负贡献率最大的是S，但S在冬季的变化极为缓慢，其余气象因子变化率或贡献率较小，所以冬季ET0呈极显著上升趋势(P<0.01)且主导因子为T和Tmin。所以，RH下降是春季ET0上升的主要原因，S减少是夏季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 结 论

(1)近56年来，西南地区ET0总体呈下降趋势。季尺度ET0最高值出现在夏季，为345.78 mm；其次是春季和秋季，分别为314.71、219.13 mm；冬季最少，为169.51 mm。春、秋季ET0均是处于不显著趋势，气候倾向率分别为0.850、-0.571 mm/(10 a)；夏季ET0呈极显著下降趋势(P<0.01)，气候倾向率为-2.841 mm/(10 a)；冬季呈极显著上升趋势(P<0.01)，气候倾向率为1.125 mm/(10 a)。春、秋、冬季ET0上升的主要原因分别相对湿度降低、最高温度上升、最低温度和平均温度升高，夏季ET0下降的主要原因是日照时数减少。只有夏季有“蒸发悖论”[4,16,28]的出现，主要是因为其他气象因子的综合作用对ET0的下降影响超过了气温升高对ET0的增加影响。

(2)近56年西南地区相对湿度、日照时数和风速在四季均呈下降趋势，最高温度、最低温度和平均温度则呈上升趋势。其中相对湿度呈极显著下降趋势(P<0.01)，最低温度呈极显著上升趋势(P<0.01)，平均温度除夏季，其余三季都是呈极显著上升趋势(P<0.01)。

(3)从空间分布来说，近56年西南地区主导因子分布格局有所差异。云贵高原是春冬季ET0的高值区，其主导因子是相对湿度、最高温度和平均温度，贡献率分别为3.91%、3.37%、3.36%；广西盆地是夏秋季ET0的高值区，其主导因子是日照时数，贡献率为-5.56%；川西北地区与广西盆地情况相似，其主导因子也是日照时数，贡献率为-7.45%；四川盆地则是最高温度和平均温度，贡献率分别为4.04%和3.70%。

(4)近56年来，西南地区各气象因子对ET0变化的贡献率绝对值从高到低依次为：日照时数(-3.80%)>相对湿度(2.91%)>最高温度(2.55%)>平均温度(2.12%)>风速(-1.21%)>最低温度(0.78%)；不同季节，西南地区ET0变化的主导因子不同，春季主导因子是相对湿度，贡献率为5.23%，夏季是日照时数，贡献率为-7.49%，秋季是最高温度，贡献率为3.94%，而冬季则是平均温度和最低温度，贡献率分别为6.69%和6.57%。