高晓丽,程宇翔,曹旭阳,徐俊增,杨士红
(1.太原理工大学水利科学与工程学院,太原 030024; 2.中南大学地球科学与信息物理学院,长沙 410083;3.河海大学 水文水资源与水利工程科学国家重点实验室,南京 210098)
参考作物腾发量(ET0)作为水资源研究和作物需水量的基础参数,研究ET0的时空演变规律及其成因分析有助于理解水资源分布情况,对区域水资源管理、农业灌溉制度的制定和水资源演化的研究具有重要的意义。
国内外众多学者对不同区域ET0的时空变化规律进行了研究,Chattopadhyay N[1]和Brutsaert W[2]在对气候的预测研究中认为参考作物腾发量随逐年温度的升高而增加,与此相反,丛振涛[3]和Michael[4]分别在国内外的研究中提到了“蒸发悖论”,即参考作物腾发量随温度的增高而出现了显著的降低[5],该结论也相继在美国、澳大利亚、印度和伊朗等地得以验证[6-9],张方敏[10]分析得出我国ET0在西部和长江流域地区显著下降,东部沿海、黄河中上游和东北显著上升,韩焕豪[11]研究得出,云南省多年ET0在滇西南和滇西北地区主要呈现为增大的趋势,在滇中地区主要表现为减小的趋势。倪广恒[12]和Thomas[13]研究表明我国参考作物腾发量总体上表现为西北地区高东北地区低的分布特点;杨永红[14]研究得出西藏高原区ET0均值表现为东部和中部高,东北部和东南边缘低的空间分布规律,冯禹[15]研究得出四川省ET0表现为自东北、西南向中部逐渐递减的趋势,董煜[16]对新疆蒸散发研究得出,新疆蒸散发的呈现为由南向北递减和由东向西递减的分布特征。
各气象因子在不同地区对ET0具有不同的影响,大多均集中于定性影响的研究,定量影响的研究较少。国外研究表明,显著下降的风速是引起澳大利亚、加拿大和伊朗地区[17-19]ET0下降趋势的主要原因,显著增加的相对湿度和显著下降的风速是导致印度ET0下降的主要因素[9],Gao[20]等研究认为,中国东部和北部地区ET0的变化主要归因于日渐降低的风速,而中国南部地区ET0的变化主要归因于逐渐下降的日照时数,Xu[21]研究发现显著降低的风速和日照时数是引起长江流域ET0下降的主要原因,Wang和Tang[22, 23]认为风速、日照时数和相对湿度对海河流域ET0变化最为敏感的气象因子,Jiang[24]研究表明日照时数和风速的减少是秦岭地区ET0多年下降的主要原因,郭军[25]研究表明日照时数及太阳辐射的减少可能是造成黄淮海流域蒸发量减少的原因,赵璐[26]研究均表明日照时数和风速的减少是中丘陵地区ET0多年下降的主要原因,其贡献率分别为-5.403%和-2.054%。
鉴于贵州地区进行ET0分布特征及其影响因素的研究相对较少,徐蒙蒙[27]州省的时空变化特征进行了研究,但对导致ET0变化的气象因子尚未做定量化的影响因素分析。本文对贵州省参考作物腾发量的时空分演变规律及其成因进行定量分析,为该区域的水资源演化方向预测、水资源的合理配置及农业生产和农业种植结构的调整提供理论依据。
贵州省地区位于东经104°~110°,北纬25°~29°之间,地处中国西南地区(图1),是典型的喀斯特低山丘陵地貌区。省内多年平均降雨量为1 131 mm,省内近年来季节性干旱频发。计算数据采用中国气象局国家气象信息中心[28]发布的分布在贵州省的19个基本气象站1959-2015年的基本气象数据,主要包括平均温度(T)、最高温度(Tmax)、最低温度(Tmin)、平均风速(U)、相对湿度(RH)和日照时数(n)等日资料,各气象站点的位置分布如图1所示,其经度、纬度和海拔等信息见表1。根据气象季节划分方法,春季、夏季、秋季和冬季分别为3-5月、6-8月、9-11月和12-2月。
图1 贵州省气象站点分布图Fig.1 The spatial distribution of meteorological stations in Guizhou Province
站台号站点名称经度E/(°)纬度N/(°)海拔/m57816贵阳106.4326.351074.357806安顺105.5526.151394.157707毕节105.1727.491514.457922独山107.3325.501012.357825凯里107.5926.36722.657916罗甸106.4625.26441.557722湄潭107.2827.46792.856793盘县104.3728.081516.957803黔西106.0127.021252.557932榕江108.3225.58287.457832三穗108.4026.58611.057731思南108.1527.57417.757606桐梓106.5028.35972.057741铜仁109.1127.43280.557906望谟106.0525.11567.056691威宁104.1726.522236.257614习水106.1328.531181.357902兴仁105.1125.261379.357713遵义106.5327.32844.9
运用FAO-56Penman-Monteith[29]方程计算各站点日ET0,以分析省内年和季节ET0的空间分布特征及多年变化的影响因子。根据贵州省19个站点的长系列值,共23个站,并结合与贵州省接壤的永川、怀化、西林和巧家等4个站点的相应长系列值,采用反距离权重插值法(IDW)进行空间分布特征分析,其中,永川、怀化、西林和巧家等4个站点的经纬度矩形区可以完全包含贵州省区域。采用Mann-Kendall(MK)检验法[30]对ET0时间序列变化趋势进行分析,MK检验得到的结果为正值,表示该时间序列具有增加的变化趋势,负值表示时间序列为减小的变化趋势;检验结果的绝对值大于95%置信水平统计值1.96,代表该时间序列具有显著的变化趋势。敏感性采用偏导数的计算方式进行计算[31],敏感系数可以描述ET0对气象因子变化所发生的反应灵敏度, 敏感系数为正值表示ET0随气象因子的增加(减小)而增加(减小),其绝对值表示ET0的变化对该气象因子的敏感程度,即单位气象因子变化导致的ET0变化率。贡献率采用敏感系数与多年相对变化率的乘积进行计算[32],贡献率反映了某一气象因子的改变对ET0变化的贡献程度,可用于定量解释多年ET0变化趋势的成因。
总体上,贵州省不同地区的多年ET0表现出不同程度的变化趋势。贵州省多年ET0的MK趋势检验结果如表2所示,多年的年ET0在西部地区表现为上升的趋势,在东南部、东北部和中部区表现为下降的趋势,其中中部区的下降趋势最为显著;春季ET0在东北部和东南部呈现出上升的趋势,而在西部区呈现出下降的趋势,且在中部区表现出显著的下降趋势;夏季ET0仅在安顺和望谟表现出较小的上升趋势,在贵州省其他地区均表现出了下降的趋势,其中中部区表现出极显著的下降趋势;秋季ET0在西部区和东北部区表现出了上升的趋势,而在中部区和东南部区表现出了下降的趋势;冬季的ET0仅在中部区表现出了下降的趋势,且在东北部具有显著的上升趋势。受地形变化大的影响,贵州省不同季节的ET0年代间变化兼具上升和下降的趋势。
表2 贵州省多年ET0的MK趋势检验Tab.2 The result of MK test for annual and seasonal ET0 during1959-2015 in Guizhou Province
注:正值和负值分别表示上升和下降的趋势,*和**分别表示通过95%和99%的置信水平,ET0具有显著和极显著的变化趋势。
整体上,贵州省多年ET0以及春季和夏季ET0表现为下降趋势,而秋季与冬季表现为上升的趋势。Wang[22]对海河流域ET0的分布研究发现,东部平原区的ET0呈显著下降趋势,西部山地区的ET0呈现显著上升趋势,赵璐[26]研究得出川中丘陵地区的ET0呈下降趋势。贵州省地属西南地区,与赵璐在川中丘陵区的研究结果相一致,均表现为下降的趋势。
如图2所示,贵州省各地的多年年平均ET0为785~989 mm,总体上呈现为由西南到东北递减的分布特征。多年年平均ET0、春季ET0和冬季ET0在空间上均表现为由由西南到东北递减的变化趋势,高值区位于兴仁和望谟地区,其中年ET0在东北部的湄潭和思南地区出现了局部高于周围的增加趋势,其中春季ET0和冬季ET0变化范围分别为107~287和108~153 mm;夏季ET0在252~319 mm呈现为由西向东递增的分布特征,高值区位于湄潭和思南地区;秋季ET0在123~359 mm呈现为由东南向西北递减的分布特征,高值区位于西部地区。此外,贵州海拔高程相差较大,海拔高程对贵州省ET0的影响不显著,但整体上贵州省ET0随高程的增加表现为递减的分布特征,与廖清飞[33]的研究结果相一致。
图2 贵州省各站点多年ET0空间分布特征Fig.2 Spatial distribution characteristic of ET0 in Shanxi Province
贵州省各地区ET0对气象因子的敏感性基本上较为一致,ET0对各气象因子的灵敏性依次为RH>n>Tmax>T>Tmin>U。ET0均随T、Tmax、Tmin、U、n的增加而增加,随RH的增加而减小。如图3所示,各地区ET0对T、Tmax、Tmin、U、RH和n的敏感系数变化范围分别为0.126 1~0.232 2、0.140 8~0.243 9、0.043 5~0.090 9、-0.9935~0.2274、;全省内ET0对Tmax、T、RH和n的平均敏感系数分别为0.206 2、0.179 3、-0.591 7和0.216 6,ET0对U和Tmin的灵敏度最差,敏感系数仅为0.071 9和0.087 3。研究结果表明,贵州省多年ET0的变化趋势对相对湿度最为灵敏,对平均风速的灵敏性最差。
不同地区ET0的变化趋势对各气象因子的灵敏程度不同。Zhang[34]认为在石羊河流域ET0对风速最敏感,Tang[23]认为海河流域ET0随平均温度的增加而增加,随净辐射和风速的增加而减小,且ET0对温度的灵敏性最大,曹雯[35]研究认为在西北地区ET0对太阳辐射最敏感,曾丽红[36]等认为在东北地区ET0对温度最敏感,而贵州省的分析结果与同属西南地区的川中丘陵区研究结果[23]较为一致,亦表现到ET0对相对湿度的敏感性最大,日照时数和气温次之。
图3 多年ET0变化对各气象因子的敏感性空间分布Fig.3 Spatial distribution characteristic of sensitivity of annual ET0 to each climatic variables
总体上,贵州省各气象因子对ET0的变化兼具正贡献和负贡献。由图4可知,T和Tmin在对多年ET0的贡献均表现为贵阳为最大负值并向周围逐渐转为正贡献的分布特征,其中平均气温在向中南部地区转为正贡献的趋势较小,而Tmin在向东南转为正贡献的趋势较小;Tmax表现为凯里为最大负值并向四周逐渐转为正贡献的分布特征,其中习水地区表现为负贡献;RH表现为由中部为最大负值并向东北和西南方向逐渐转为正贡献的分布特征;U表现为黔西和中南部为较大负值并向周围逐渐转为正贡献的分布特征;n表现为由中部为最大负值并向东北和西南方向的负贡献率率逐渐减小的分布特征。
图4 各气象因子对多年ET0变化的贡献率空间分布Fig.4 Spatial distribution characteristic of attribution of each climatic variables for annual ET0
气象因子对ET0的贡献值表明,日照时数是影响并且导致贵州省ET0下降的最主要气象因子。气象因子对多年ET0变化的贡献率依次为n>RH>T>Tmin>U>Tmax,T、Tmax、Tmin、RH、U和n对贵州省ET0的贡献率分别为0.007 8、0.000 4、0.006 2、0.016 6、-0.005 5和-0.040 0,日照时数对ET0的贡献率最大,日照时数每增加1 h所导致的年ET0就会减少0.04 mm,总体上,气象因子对贵州省多年ET0的负贡献值大于正贡献值,即各气象因子导致ET0的下降量大于各气象因子所引起ET0的上升量,最终导致贵州全省的多年ET0表现出下降的趋势。
总体上,区内ET0对相对湿度最为灵敏,而日照时数则是引起贵州省ET0减小的主要影响因子。不同地区ET0的主要影响因子不同,Lakshman[37]研究认为风速在干旱地区对ET0的作用显著,日照时数在湿润半湿润地区对ET0的作用显著,Xu[21]认为日照时数是长江流域ET0下降的主导因子,Yin[32]研究认为日照时数是引起南方热带和亚热带地区ET0减少的主要原因,赵璐[26]研究认为日照时数和风速的减少是川中丘陵区ET0多年减少的主要原因。同属西南地区的贵州省多年ET0减少的主导因素是日照时数,由于具有相似的气候特点,与川中丘陵区结果较为接近。
(1)贵州省不同地区的多年ET0表现出不同程度的变化趋势和分布特征。贵州省多年的年ET0在西部地区表现为上升的趋势,在东南部、东北部和中部区表现为下降的趋势;多年年平均ET0为785~989 mm,总体上呈现为由西南到东北递减的分布特征。
(2)贵州省内ET0对相对湿度最为灵敏,而日照时数则是引起贵州省多年ET0变化的主要驱动因子。贵州省多年化ET0对各气象因子的灵敏性依次为相对湿度>日照时数>最高气温>平均气温>最低气温>平均风速,而气象因子对多年ET0变化的驱动作用依次为日照时数>相对湿度>平均温度>最低温度>平均风速>最高温度。
□
[1] Chattopadhyay, N.H.M. Evaporation and potential evapotranspiration in India under conditions of recent and future climate change[J]. Agricultural and Forest Meteorology, 1997,87(1): 55-73.
[2] Brutsaert, W.P.M. Hydrologic cycle explains the evaporation paradox[J]. Nature, 1998,396:30.
[3] 丛振涛, 倪广恒, 杨大文, 等. “蒸发悖论”在中国的规律分析[J]. 水科学进展, 2008,(2):147-152.
[4] Michael L R G D F. The cause of decreationsed pan evaporation over the past 50 years[J]. Science, 2002,298(15):1 410-1 411.
[5] Moonen A C, Ercoli L, Mariotti M, et al. Climate change in Italy indicated by agrometeorological indices over 122 years[J]. Agricultural and Forest Meteorology, 2002,111:13-27.
[6] Golubev V S, Lawrimore J H, Groisman P Y, et al. Evaporation changes over the contiguous United States and the former USSR: A reassessment[J]. Geophysical Research Letters, 2001,28(13):2 665-2 668.
[7] Roderick M L, Farquhar G D. Changes in Australian pan evaporation from 1970 to 2002.[J]. International Journal of Climatology, 2004,24:1 077-1 090.
[8] Bandyopadhyay A, Bhadra A, Raghuwanshi N S, et al. Temporal trends in estimates of reference evapotranspiration over India[J]. Journal of Hydrologic Engineering, 2009,14(5):508-515.
[9] Shadmani M, Marofi S, Roknian M. Trend analysis in reference evapotranspiration using Mann-Kendall and Spearman's Rho tests in arid regions of Iran[J]. Water Resource management, 2012,26:211-224.
[10] 张方敏, 申双和. 我国参考作物蒸散的空间分布和时间趋势[J]. 南京气象学院学报, 2007,(5):705-709.
[11] 韩焕豪, 崔远来, 王树鹏, 等. 云南省参考作物蒸发蒸腾量时空变化特征[J]. 节水灌溉, 2016,(8):182-186.
[12] 倪广恒 ,李新红 ,丛振涛,等. 中国参考作物腾发量时空变化特性分析[J]. 农业工程学报, 2006,22(5):1-4.
[13] Thomas A. Spatial and temporal characteristics of potential evapotranspiration trends over China[J]. Journal of Climatology, 2000,20:381-396.
[14] 杨永红, 张展羽, 阮新建. 西藏参考作物需水量的时空变异规律[J]. 水科学进展, 2009,(6):775-781.
[15] 冯 禹, 付 萧, 崔宁博, 等. 四川省参考作物腾发量时空分布特征及成因分析[J]. 中国农村水利水电, 2014,(10):61-64.
[16] 董 煜, 陈学钢, 胡江玲. 新疆潜在蒸散量时空变化及未来变化趋势[J]. 中国农村水利水电, 2015,(9):90-94.
[17] Rayner D P. Wind run changes: the dominant factor affecting pan evaporation trends in Australia.[J]. Journal of Climate, 2007,20:3 379-3 394.
[18] Burn D H, Hesch N M. Trends in evaporation for the Canadian Prairies[J]. Journal of Hydrology, 2007,1-2(336):61-731.
[19] Dinpashoh Y, Jhajharia D, Fakheri-Fard A, et al. Trends in reference evapotranspiration over Iran[J]. Journal of Hydrology, 2011,399:422-433.
[20] Gao G, Chen D L., Ren G Y, et al. Spatial and temporal variations and controlling factors of potential evapotranspiration in China: 1956-2000[J]. Journal of Geographical Sciences, 2006,16:3-12.
[21] Xu C Y, Gong L B, Jiang T, et al. Analysis of spatial distribution and temporal trend of reference evapotranspiration and pan evaporation in Changjiang (Yangtze River) catchment[J]. Journal of Hydrology, 2006,327:81-93.
[22] Wang W G, Peng S Z, Yang T, et al. Spatial and Temporal Characteristics of Reference Evapotranspiration Trends in the Haihe River Basin, China[J]. Journal of Hydrology Engineering, 2011,16:239-252.
[23] Tang B, Tong L, Kang S Z, et al. Impacts of climate variability on reference evapotranspiration over 58 years in the Haihe river basin of north China[J]. Agricultural Water Management, 2011,98(10):1 660-1 670.
[24] Jiang C, Nie Z, Mu X M, et al. Potential evapotranspiration change and its attribution in the Qinling Mountains and surrounding area, China, during 1960-2012[J]. Journal of water and climate change, 2016,7(3):26-541.
[25] 郭 军, 任国玉. 黄淮海流域蒸发量的变化及其原因分析[J]. 水科学进展, 2005,(5):666-672.
[26] 赵 璐, 梁 川, 崔宁博, 等. 川中丘陵区参考作物需水量近60年变化成因研究[J]. 水利学报, 2013,(2):183-190.
[27] 徐蒙蒙, 张志才, 陈喜. 贵州省参考作物蒸散发量的时空变化分析[J]. 地球与环境, 2012,40(2):243-249.
[28] 中国气象局[EB/OL]. 2010, http:∥www.cma.gov.cn/ztbd/zdtq/20091224_1_1_3/200912241/201003/t20100304_60584.html.
[29] Allen R G, Pereira L S, Raes D, et al. Crop evapotranspiration-Guidelines for computing crop water requirements-FAO Irrigation and drainage paper 56[J]. FAO, Rome, 1998,300(9):D05109.
[30] Yue S, Wang C Y. The Mann-Kendall test modified by effective sample size to detect trend in serially correlated hydrological series[J]. Water Resource management, 2004,18(3):201-218.
[31] Gong L B, Xu C Y, Chen D L, et al. Sensitivity of the Penman-Monteith reference evapotranspiration to key climatic variables in the Changjiang basin[J]. Journal of Hydrology, 2006,329:620-629.
[32] Yin Y H, Wu S H, Chen G, et al. Attribution analyses of potential evapotranspiration changes in China since the 1960s[J]. Theoretical and Applied Climatology, 2010,101(1-2):19-28.
[33] 廖清飞, 张 鑫, 崔晨风. 青海省农业生态区参考作物蒸散量的遥感反演[J].灌溉排水学报, 2012,31(5):21-25.
[34] Zhang X T, Kang S.Z., Zhang, L., et al. Spatial variation of climatology monthly crop reference evapotranspiration and sensitivity coefficients in Shiyang river basin of northwest China[J]. Agricultural Water Management, 2010,97:1 506-1 516.
[35] 曹 雯, 申双和, 段春锋. 西北地区生长季参考作物蒸散变化成因的定量分析[J]. 地理学报, 2011,66(3):407-415.
[36] 曾丽红, 宋开山, 张 柏, 等. 东北地区参考作物蒸散量对主要气象要素的敏感性分析[J]. 中国农业气象, 2010,31(1):11-18.
[37] Lakshman N, Gicy M K. Performance evaluation of reference evapotranspiration equations across a range of Indian climates[J]. Journal of Irrigation and Drainage Engineering, 2006,132(3):41 238-249.