甘肃省参考作物蒸散量变化特征与影响因子分析

殷长琛，齐广平，康燕霞,3，潘晓艳

(1.甘肃农业大学工学院，甘肃 兰州 730070； 2.敦煌市农业技术推广中心，甘肃 敦煌 736200；

3.河海大学水文水资源学院，江苏 南京 210029)



甘肃省参考作物蒸散量变化特征与影响因子分析

殷长琛1,2，齐广平1，康燕霞1,3，潘晓艳2

(1.甘肃农业大学工学院，甘肃 兰州 730070； 2.敦煌市农业技术推广中心，甘肃 敦煌 736200；

3.河海大学水文水资源学院，江苏 南京 210029)

摘要：为了探寻甘肃省参考作物蒸散量(ET0)的变化特征及其影响因子，利用FAO-Penman-Monteith(98)公式计算甘肃省4个分区的ET0。依靠处理定性概念与定量描述不确定转换的云模型对ET0变化特征和影响ET0的气象因子进行了研究；同时,采用通径分析的方法，对不同区域影响ET0变化的气象因子进行了探讨。结果表明：63年来,ET0在空间上表现为西北地区大于东南地区。其中，河西地区ET0在甘肃省内一直处于最高值，但呈逐年减小的趋势；陇中地区和陇东地区前30年先减小，后33年较之前有所增加，但总体趋于稳定；陇南地区则表现为多年最低值且较为稳定，无明显变化。63年来河西地区ET0分布最为离散，不均匀性也最不稳定性；陇东地区ET0分布最为均匀，稳定性也相对最好。通径分析表明，各个气象因子对ET0变化都有影响且对不同区域ET0的主要影响因子也不尽相同。对河西地区和陇南地区ET0变化直接作用最大的气象因子为平均温度；对陇中地区和陇东地区ET0变化直接作用最大的气象因子分别为平均相对湿度和日照时数。平均风速是对河西地区、陇中地区和陇东地区间接作用最为显著的气象因子；而对陇南地区ET0间接作用最为显著的气象因子则为日照时数。

关键词：参考作物蒸散量(ET0)；甘肃省；变化特征；影响因子；云模型

参考作物蒸散量(ET0)是气候条件决定的下垫面蒸散过程的能力，是实际蒸散量的理论上限[1]，同时也是评价气候干旱程度、估算作物生产潜力和作物需水要求的关键参数[2-6]。目前,针对ET0主要采用传统的趋势分析法[7-8]、相关分析法[9]、周期分析法[10]和地统计学法[11]、经验正交函数[12]等方法仅对ET0时空分布特性进行研究；针对影响ET0气象因子研究的主要手段是相关分析[13]和趋势分析[14]。传统方法对区域ET0的分布能够进行定量描述，但无法表示ET0时空分布的随机性和模糊性，且不能将随机性和模糊性定量表现出来。ET0时空变化随机性和模糊性的定量表达，是探寻蒸散发时空分异规律和机理的有效途径，有助于蒸散发时空分异规律和尺度扩展研究以及蒸散发的精确估算和预测，对维护自然生态系统的健康和保障人类社会经济的可持续发展有着重要的意义。赵璐等[15]运用云模型的不均匀性、不均匀性的稳定性指标对四川省参考作物蒸散量地域分布的随机性、模糊性和稳定性进行定量表达，为研究ET0时空分布特性提供了一种新的思路。同时，ET0的变化受到多种气象因子的影响，但各个气象因子之间存在着很强的相关性，本文利用通径分析的方法仅对影响ET0的气象因子作一探讨[16-17]，要确定过去63年ET0的变化主要由哪个气象因子引起，仍需进一步研究。

甘肃省位于中国西部地区，地处黄河中上游，位于青藏高原、黄土高原和内蒙古高原的交汇处。省内水资源主要分属长江流域、黄河流域和西北内陆河流域。境内地形复杂，气候差异较大，山脉纵横交错，海拔相差悬殊，高山、盆地、平川、沙漠和戈壁等兼而有之。目前，对甘肃省ET0的研究主要集中在采用经验正交函数[18]、趋势分析[19]、相关分析等[20]方法对时空特性进行研究。因此，基于云模型理论对甘肃省ET0时空分布的均匀性、稳定性的研究将会对多流域、多气候带和复杂地形分布区域的ET0研究提供新的思路和方法，同时对该类地区水资源合理配置、农业增产增收以及地区经济发展有着重要的意义。

1资料与方法

1.1资料来源及处理

使用国家气象中心数据库所提供的甘肃省29个气象测站1951—2013年的气象观测资料(包括日平均气温、相对湿度、降水、蒸发、日照等)，地理信息包括测站经纬度、海拔高度、行政边界等(测站分布见图1)。根据甘肃省的地域特点，将全省分为4个区域进行研究：河西地区、陇中地区、陇南地区和陇东地区。对于气象数据中的个别日缺测值和异常值，采用前后日均值代替；对于长期缺测值和异常值采用该站点其他年份该月的均值代替。ET0和云模型的计算采用交互式数据语言(IDL)软件编程处理；ET0的空间插值分析基于surfer8.0的克里格空间插值法[12]。

图1甘肃省气象观测站点分布

Fig.1Distribution of meteorological sites in Gansu

1.2ET0的计算

利用FAO推荐的Penman—Monteith(98)公式计算ET0，其表达式为[21]：

(1)

式中，ET0为可能蒸散量(mm·d-1)；Rn为地表净辐射(MJ·m-2·d-1)；G为土壤热通量(MJ·m-2·d-1)；T为2m高处日平均气温(℃)；U2为2m高处风速(m·s-1)；es为饱和水气压(kPa)；ea为实际水气压(kPa)；Δ为饱和水气压曲线斜率(kPa·℃-1)；r为干湿表常数(kPa·℃-1)。

1.3云模型

云模型是用数字特征揭示了随机性和模糊性的关联性，并用来表示一个定性概念的粒度，是处理定性概念与定量描述不确定转换的模型，由中国工程院院士李德毅于1995年提出[22]，该模型已经比较成功地在降雨量预测[23-24]、城镇空气质量评价[25]、城市极端雨洪灾害风险评价[26]、区域水资源承载能力评价[27]等领域得到了应用，取得了重要的研究成果[23-28]。

1.3.1云模型的数字特征云模型的数字特征采用期望Ex、熵En和超熵He3个数值来表征，见图2。

图2云模型数字特征

Fig.2Digital characters of cloud mode

云模型表示自然语言中的基元——语言值，用云的数字特征——期望Ex、熵En和超熵He表示语言值的数学性质。期望Ex为云滴在论域空间分布的期望，是最能够代表定性概念的点，是这个概念量化的最典型样本。熵En为在云模型中是随机性的度量，反应了云滴的离散程度，不均匀程度以及取值范围。用同一个数字特征来反映随机性和模糊性，也必然反映他们之间的关联性。超熵He为熵的不确定性度量，即熵的熵，由熵的随机性和模糊性共同决定。反映了每个数值隶属这个语言值程度的凝聚性，即云滴的凝聚程度。超熵越大，云的离散程度越大，隶属度的随机性也随之增大，云的“厚度”也越大，越不稳定[23-24]。需要进一步指出的是，根据正态分布的特性，对于论域中的定性概念有贡献的云滴，主要落在区间[Ex-3En，Ex+3En]，因此可以忽略[Ex-3En，Ex+3En]区间之外的云滴对定性概念的贡献，即为正向正态云的“3En规则”[23]。

1.3.2正向云发生器正向云发生器(Forward cloud generator)是从定性概念到其定量表示的映射，它根据云的数字特征(Ex，En，He)产生云滴，每个云滴都是该概念的一次具体实现。一维正向正态云发生器的算法实现如下：输入表示定型概念A的3个数字特征值Ex，En，He以及云滴数N；输出为N个云滴的定量值，以及每个云滴代表概念。具体计算步骤如下[22-24]：

(1) 生成En为期望值和He2为方差的一个正态随机Eni′=NORM(En,He2)；

(2) 生成以Ex为期望值和Eni′2为方差的一个正态随机Xi=NORM(Ex,Eni′2)；

(3) 计算确定度ui=e-(XI-Ex)/2Eni′2；

(4) 生成具有确定度ui的xi成为数域中的一个云滴；

(5) 重复(1)～(4)步，直到产生要求的n个云滴为止。

1.3.3逆向云发生器逆向云发生器(Backward cloud generator)是实现定量值到定性概念的转换模型。它可以将一定数量的精确数据转换为以数字特征(Ex，En，He)表示的定性概念。一维逆向正态云发生器的算法实现如下：

输入：N个云滴的定量值及每个云滴代表概念的确定度(xi，ui)；输出：这N个云滴表示的定性概念A的期望值Ex，熵En和超熵He；具体步骤[23-24]：

1.4通径分析

通径分析是由数量遗传学家Sewall Wright于1921年提出的，可用来分析多个自变量与因变量之间的线性关系，是回归分析的拓展，可以处理较为复杂的变量关系，同时该方法能得到自变量对因变量的直接作用和间接作用，进而分析变量间的相互关系[16-17]。本文依靠SPSS19.0(回归分析)，采用通径分析来确定影响ET0变化的主要气象因子。

2结果与分析

2.1时间特性的云模型分析

采用FAO—Penman—Monteith(98)公式计算甘肃省4个分区29个测站各站点的ET0。以甘肃省4个分区1951—2013年63年的ET0作为研究对象，根据逆向云发生器的算法计算各自云模型的数字特征(表1)，然后根据正向云发生器的算法计算云滴并绘制各个区域的隶属云图(图3)。

表1　甘肃省ET0时间分布云模型的数字特征

云模型的期望Ex表示ET0大小的平均值；熵En反映了ET0大小相对于平均值的确定度和离散度，其值越大，反映ET0在这63年分布越不均匀，模糊性和随机性也越大，确定性越难度量；超熵He体现熵的离散程度，其值大小反映了不均匀性的稳定性，值越大，不均匀性越不稳定，凝聚程度越差。表1是甘肃省不同区域ET0时间分布云模型的数字特征，从多年平均程度来看，整个甘肃省63年平均ET0为1 001.64 mm，河西地区ET0多年平均值为全省最高，达到1 104.35 mm，陇南地区最低为847.29 mm。从均匀、稳定状况来看，河西地区ET0在这63年分布最为离散，同时不均匀性也最不稳定性；陇东地区ET0分布最为均匀，稳定性也相对最好；陇中、陇南地区ET0的均匀、稳定程度介于上述两地区之间。

图3甘肃省4个分区ET0时间分布的隶属云

Fig.3Cloud of temporalET0distribution in four areas in Gansu

图3为甘肃省4个分区ET0时间分布隶属云图。图像显示，除陇东地区多年ET0云滴分布较为紧凑，云的厚度相对“较薄”以外，其余3个区域的隶属云图云滴分布都较为离散，云也相对“较厚”，结果与云模型的数字特征所描述相一致。

2.2近63年ET0时空分布特征

为了分析ET0空间分布规律在时间上的变化，将年ET0变化特征分为6个阶段，如表2所示的1951—1960年、1961—1970年、1971—1980年、1981—1990年、1991—2000年、2001—2013年这6个时间段。依靠ET0分布等值线图结合云模型隶属云图(图4)的方法来描述近63年ET0空间分布特征以及分布不均匀程度。

表2　甘肃省1951—2013年不同时段ET0空间

图4甘肃省不同时段ET0空间分布

Fig.4The spatialET0distributions during different periods in Gansu

近63年ET0自西北地区向东南地区呈现递减趋势且变化梯度较为明显，其中地处西北端的酒泉地区最高值接近1 300 mm·a-1；陇中和陇东地区次之，约为1 000 mm·a-1；陇南地区最低，为900 mm·a-1左右。从不同时段ET0空间分布图可以看到，1951—2013年河西地区ET0在甘肃省内一直表现为最高值，并呈现出逐年增加的趋势，增加幅度不明显；陇中、陇东地区前30年先减小，后33年较之前有所增加，但总体趋于稳定；陇南则表现为省内最低值且多年较为稳定，无明显变化。

图4的隶属云图结合表2的空间云模型数字特征可知，20世纪50年代和90年代两个时间段不均匀性比较稳定，其余年代较不稳定。比较不同时间段ET0空间分布的期望值可知，ET0在21世纪初达到最大值1 025.76 mm·a-1，20世纪80年代取得最小值为967.46 mm·a-1,其余年代ET0均接近63年的平均值。由En的变化可以得出，63年来ET0在空间上分布的离散度先增加(1951—1980年)，后减小(1981—2000年)，2000年后又有逐渐增加的趋势，总体来看均匀性后33年好于前30年；同时，He值变化表明，20世纪50年代和90年代不均匀性最为稳定，稳定程度同样是后33年更好。

2.3气象因子时间变化特性分析

图5是不同气象因子的年际变化情况。总体来看，整个省域63年间平均气温和日照时数逐年递增，增长幅度分别为0.24℃·10a-1和0.01 h·10a-1，气温增长较为明显。平均风速和平均相对湿度呈逐年递减的趋势，减幅分别为0.03 m·s-1·10a-1和0.46%·10a-1，平均相对湿度的降幅较为明显。

图5不同气象因子年际变化

Fig.5Annual change of meteorological factors

从表3气象因子的云模型数字特征和图6不同气象因子的云分布来看，平均气温的熵为0.63，超熵为0.15，云滴分布不均匀，隶属云“厚度”较厚，表明多年来平均气温分布较为离散，不均匀性也不稳定。平均风速和日照时数的熵值均为0.24，超熵分别为0.02和0.06，从云分布图像来看这两个气象因子的“云滴”较为紧凑，云的“厚度”比较薄，表明平均风速和日照时数的均匀性和稳定性较好。平均相对湿度的熵值和超熵最大，云分布图像也较为离散、不均匀，说明多年来平均相对湿度分布不均匀且不均匀性也不稳定。因此，近63年对甘肃省ET0变化影响最大的气象因子为平均气温和平均相对湿度。

表3　气象因子的云模型数字特征

2.463年来气象因子与参考作物蒸散量的通径分析

ET0的变化受到多种气象因子(平均气温(T)、日照时数(n)、相对湿度(RH)、风速(u2))的影响[19]，在通径分析中，首先计算上述4个气象因子对ET0的通径系数P，再根据通径分析原理，求解各因子对ET0关于通径系数的正则方程，计算各因子对ET0的直接作用和间接作用，结果见表4。

从表4中可知，各个气象因子对ET0都有影响，但就各个气象因子对ET0直接和间接作用来说，各因子之间还有差异。从整个甘肃省来看，平均气温和平均相对湿度对ET0的通径系数为0.468，为各个因子中最大值，因此平均气温对ET0的直接作用最大，平均相对湿度次之，日照时数和平均风速相对较小；同时，平均相对湿度对ET0的变化产生负向直接作用，其余因子均具有正向直接作用。平均相对湿度和日照时数对ET0的间接作用最为显著，其中日照时数对ET0的变化产生正向间接作用，平均相对湿度对ET0的变化产生负向间接作用。由气象因子间的间接作用可知，各气象因子间存在着相互制约和相互影响，因而ET0的变化是各气象因子综合作用的结果。

图6　气象因子的云分布

注：T、n、RH、u2分别表示平均气温、日照时数、平均相对湿度、平均风速。

Note:T、n、RH、u2 represent temperature, sunshine duration, relative humidity, wind speed.

不同区域ET0的影响因子也不尽相同，对河西地区和陇南地区ET0变化直接作用最大的气象因子为平均温度；对陇中地区和陇东地区ET0变化直接作用最大的气象因子分别为平均相对湿度和日照时数。平均风速是对河西地区、陇中地区和陇东地区间接作用最为显著的气象因子；陇南地区对ET0间接作用最为显著的气象因子则为日照时数。

3结论与讨论

采用FAO-Penman-Monteith(98)公式计算甘肃省4个分区，29个测站1951—2013年共计63年的参考作物蒸散量。利用云模型结合等值线图的方法，能够直观地描述甘肃省ET0在时间和空间上的变化特征以及不同时间、空间ET0分布的均匀、稳定状况；并将云模型应用于气象因子的分析中，结果表明：云模型所描述的甘肃省多年来最不均匀、最不稳定的两个气象因子——平均温度和平均相对湿度正是对ET0直接作用最大的两个气象因子，研究结果与通径分析结果相一致，这为研究ET0变化成因提供了新的思路和方法。研究取得了以下结论：

1) 空间尺度上ET0总体表现为西北地区大于东南地区。其中河西地区ET0在甘肃省内一直处于最高值，但呈逐年减小的趋势；陇中地区和陇东地区前30年先减小，后33年较之前有所增加，但总体趋于稳定；陇南地区则表现为多年最低值且较为稳定，无明显变化。

2) 63年来河西地区ET0分布最为离散，不均匀性也最不稳定性；陇东地区ET0分布最为均匀，稳定性也相对最好。ET0在空间上分布的离散度先增加(1951—1980年)，后减小(1981—2000年)，2000年后又有逐渐增加的趋势，均匀性后33年好于前30年，稳定程度同样是后33年更好。

3) 63年间平均气温和日照时数逐年递增，增长幅度分别为0.24℃·10a-1和0.01 h·10a-1。平均风速和平均相对湿度呈逐年递减的趋势，减幅分别为0.03 m·s-1·10a-1和0.46%·10a-1。多年来平均气温和平均相对湿度分布较为离散，不均匀性也不稳定；平均风速和日照时数的分布较为均匀，稳定性也相对较好。

4) 通径分析表明，各个气象因子对ET0变化都有影响且对不同区域ET0主要影响因子也不尽相同。对河西地区和陇南地区ET0变化直接作用最大的气象因子为平均温度；对陇中地区和陇东地区ET0变化直接作用最大的气象因子分别为平均相对湿度和日照时数。平均风速是对河西地区、陇中地区和陇东地区间接作用最为显著的气象因子；而对陇南地区ET0间接作用最为显著的气象因子则为日照时数。

参 考 文 献：

[1]王文玉，杨沈冰，张强，等.近50年环青海湖高寒地区和环鄱阳湖湿润地区潜在蒸散量变化比较分析[J].中国沙漠，2013，33(3)：866-873.

[2]Thomas A. Spatial and temporal characteristics of potential evapotranspiration trends over China[J]. Int. J. Climatol，2000,20:281-296.

[3]王晓东，马晓群，徐莹，等.淮河流域参考作物蒸散量变化特征及主要气象因子的贡献分析[J].中国农业气象，2013,34(6)：661-667.

[4]吴文玉，孔芹芹，王晓东，等.安徽省近40年参考作物蒸散量的敏感性分析[J].生态环境学报，2013,22(7)：1160-1166.

[5]赵璐，蔡焕杰，王健.榆林市参考作物蒸发蒸腾量随时间序列变化的规律[J].干旱地区农业研究,2010,28(1):39-43.

[6]罗雨，刘海军，李艳.北京地区参考作物蒸散量变化趋势及其主要影响因素分析[J].干旱地区农业研究，2010,28(1)：34-38.

[7]牛全文，李靖.陕西省多年月潜在蒸发量和降水量的随机特性[J].干旱地区农业研究,2001,19(2):112-116.

[8]Hossein Tabari, Ozgur Kisi, Azadeh Ezani, et al. SVM, ANFIS, regression and climate based models for reference evapotranspiration modeling using limited climatic data in a semi-arid highland environment[J]. Journal of Hydrology, 2012,444/445:78-89.

[9]汪治桂，王素萍，王建兵，等.黄河源区近40年参考作物蒸散量变化特征研究[J].干旱地区农业研究，2013,31(6)：169-189.

[10]冯禹，崔宁博，魏新平，等.川中丘陵区参考作物蒸散量时空变化特征与成因分析[J].农业工程学报，2014，30(14)：78-86.

[11]汪治桂，王素萍，王建兵，等.黄河上游重要水源补给区参考作物蒸散量变化特征分析[J].干旱地区农业研究，2012，30(6)：243-246.

[12]吴文玉，马晓群，陈晓艺，等.GIS支持下安徽省近35a参考作物蒸散量的时空变化[J].农业工程学报，2010,26(2)：251-255.

[13]高歌，陈德亮，任国玉，等.1956—2000年中国潜在蒸散量变化趋势[J].地理研究，2006,25(3)：378-386.

[14]尹云鹤，吴绍洪，赵东升，等.1981—2010年气候变化对青藏高原实际蒸散的影响[J].地理学报，2012,67(11)：1471-1480.

[15]赵璐，崔宁波，梁川，等.基于云模型的四川省潜在蒸散量时空分布研究[J].四川大学学报，2013,45(1)：91-97.

[16]范文波，吴普特，韩志全，等.玛纳斯河流域 影响因子分析及Hargreaves法的修正[J].农业工程学报，2012,28(8)：19-24.

[17]蔡甲冰，刘钰，徐迪，等.基于通经分析原理的冬小麦缺水诊断指标敏感性分析[J].水利学报，2008,39(1)：83-89.

[18]李玲玲，黄高宝.绿洲灌区参考作物蒸散量的测算[J].中国沙漠，2011,31(1):142-148.

[19]封志明，杨艳昭，丁晓强，等.甘肃地区参考作物蒸散量时空变化研究[J].农业工程学报，2004,20(1)：99-103.

[20]吕晓东，王鹤龄，马忠明.河西地区近50年参考作物蒸散量的演变趋势及其影响因素[J].生态环境学报，2010,19(7)：1550-1555.

[21]Allen R G, Perreira L S, Raes D, et al. Crop evapotranspiration:guidelines for computing crop water requirements:Irrigation and Drainage Paper 56[R]. Rome:FAO, 1998.

[22]李德毅，刘常昱.论正态云模型的普适性[J].中国工程科学，2004,6(8)：28-34.

[23]刘德地，陈晓宏，楼章华.基于云模型的降雨时空分布特征性分析[J].水利学报，2009,40(7)：851-856.

[24]高文荣，段春青，陈晓楠，等.基于云推理的年降水预测模型[J].中国农村水利水电，2009,(3):33-35.

[25]张峰，张鹏林，吕志勇，等.云模型在城镇空气质量评价中的应用[J].环境科学与技术，2009,32(6)：160-164.

[26]王贺，刘高峰，王慧敏.基于云模型的城市极端雨洪灾害风险评价[J].水利经济，2014，32(2)：15-18.

[27]曹玉升，陈晓楠，张伟，等.云综合评判模型在区域水资源承载力评价中的应用[J].华北水利水电学院学报，2010，31(4)：17-20.

[28]陈贵林.一种定性定量信息转换的不确定性模型—云模型[J].计算机应用研究，2010,27(6)：2006-2010.

Variation characteristics and influencing factors of evapotranspiration

for reference crops in Gansu Province

YIN Chang-chen1,2, QI Guang-ping1, KANG Yan-xia1,3, PAN Xiao-yan2

(1.EngineeringCollegeofGansuAgriculturalUniversity,Lanzhou,Gansu730070,China;

2.AgriculturalTechnologyPromotionCenterofDunhuang,Dunhuang,Gansu736200,China；

3.CollegeofHydrologyandWaterResources,HohaiUniversity,Nanjing,Jiangsu210098,China)

Abstract：In order to explore the characteristics and influencing factors of reference crop Evapotranspiration (ET0) and theET0s of the 4 partition areas in Gansu Province were measured by FAO-Penman-Monteith (98) formula. The variation characteristics and meteorological factors of ET0 were analyzed based on the cloud model of uncertain conversion between qualitative concept and quantitative description. Meanwhile, the meteorological factors affectingET0changes in different regions were investigated by the method of path coefficient analysis. The results showed that during 1951—2013, theET0in the northwest region was greater than that in the southeast. TheET0in Hexi region was always the highest in Gansu Province, which nevertheless showed a decreasing trend yearly. TheET0s in Longzhong and Longdong regions were decreased during 1951—1980 and it became increased during 1980—2013, reaching an overall stabilized status. Longnan region was shown to possess the minimum value in years and become stable without obvious changes. During 1951—2013, the distribution ofET0in Hexi region was most discrete, and the heterogeneity was most stable. The distribution ofET0in Longdong region was most uniform, and stability was relatively the best. Path analysis showed that various meteorological factors had affectedET0changes and the main influence factors in different regions were not the same. The average temperature had directly affected the changes ofET0in Hexi region and Longxi region. The average relative humidity and sunshine hours had directly affected the changes ofET0in Longzhong region and Longdong region, respectively. The average wind speed had indirectly affected the changes ofET0in Hexi region, Longzhong region and Longdong region, while the sunshine hours had indirectly affected the changes ofET0in Longnan region.

Keywords:reference crop evapotranspiration (ET0); Gansu Province; variation characteristics; influencing factors; cloud model

中图分类号：S161.4

文献标志码：A

通信作者：齐广平(1969—)，男，甘肃庆阳人，教授，博士，研究方向为节水灌溉与生态农业。 E-mail:qigp@gsau.edu.cn。

作者简介：殷长琛(1989—)，男，甘肃敦煌人，助理农艺师，研究方向为农业水土工程和生态农业。 E-mail:ying1989410@163.com。

基金项目：农业行业专项项目(201403048-8)；国家自然基金项目(51409048)；水利部公益性行业科研专项项目(201301040)；甘肃农业大学工学院青年教师科技创新基金项目(GXY2013-05)

收稿日期：2014-12-17

doi:10.7606/j.issn.1000-7601.2016.01.02

文章编号：1000-7601(2016)01-0007-09