不同时间尺度农田蒸散影响因子的通径分析*

张雪松，闫艺兰，胡正华



不同时间尺度农田蒸散影响因子的通径分析*

张雪松1，闫艺兰2,3，胡正华1

(1.南京信息工程大学气象灾害教育部重点实验室/江苏省农业气象重点实验室/气象灾害预报预警与评估协同创新中心，南京 210044；2.中国科学院大学，北京 100049；3.中国科学院地理科学与资源研究所生态系统网络观测与建模重点实验室，北京 100101)

基于2011-2015年冬小麦农田实测大型称重式蒸渗仪数据及农业气象观测数据，分析不同时间尺度农田蒸散量的分布特征，并利用通径分析方法对各时间尺度农田蒸散的影响因子进行辨识。结果表明：（1）冬小麦开花-乳熟期典型晴天小时尺度蒸散呈单峰变化，最大值为0.9～1.1mm·h-1，日累计蒸散量7.0～9.1mm·d-1；冬小麦全生育期多年平均蒸散总量为385.4mm，日平均蒸散量为2.6mm·d-1，最大日蒸散量11.0mm·d-1，变化趋势为前期较低、后期较高；在生育期尺度，播种-返青期的蒸散速率较小，多年平均值为1.1mm·d-1，返青后，农田蒸散速率加快，多年平均值为4.2mm·d-1。（2）不同时间尺度蒸散变化的影响因子主要包括净辐射（Rn）、饱和水汽压差（VPD）、0cm地温（Tg0）、20cm土壤水分（SW20）。在小时尺度，VPD对典型晴天蒸散变化的直接作用最大，其次为Rn，Tg0通过Rn路径对EThourly变化产生间接影响，对蒸散的综合决定能力排序依次为VPD＞Tg0＞Rn；在日尺度，Rn作为最关键的影响因子，对蒸散的直接影响最大，VPD对蒸散的间接影响最大，VPD、Tg0主要通过Rn路径间接影响蒸散，SW20再通过Tg0路径间接影响蒸散且为负效应，各因子决策系数排序依次为Rn＞VPD＞Tg0＞SW20；在生育期尺度，Tg0和Rn是驱动蒸散变化的最主要因子并起直接影响作用，决策系数表明Tg0对蒸散变化的促进作用比Rn明显。

通径分析；决策系数；净辐射；饱和水汽压差；农田蒸散

农田蒸散是农田生态系统水循环的关键环节[1]，是影响水资源利用率的重要因素。当前，全球正经历明显的气候变化，尤以近30a的气候变暖最为显著并将持续[2-3]。气候变化及人类活动的强烈干扰，使多因素、多尺度的蒸散过程更具复杂性与不确定性[4]。针对作物蒸散演变的驱动机制及其与影响因素的相互关系，国内外学者进行了大量的研究，但结论不尽相同。国外学者研究表明[5-6]，净辐射、空气湿度、温度和风速是影响冬小麦农田蒸散量的最主要因素。国内学者也研究了中国不同地区冬小麦农田蒸渗仪蒸散规律及其影响因子。汪秀敏等[7]探讨了气象因子对冬小麦日蒸散量的影响，按其相关性由大到小依次为净辐射、空气相对湿度、土壤温度、空气温度、土壤含水量、风速。但强小嫚等[8]认为冬小麦蒸散与净辐射相关关系并不明显，刘国水等[9]则利用蒸渗仪和涡度相关实测数据，对比分析了农田不同空间尺度蒸散量与气象因子的关系，得出不同空间尺度蒸散量与净辐射的相关关系均较好，但与空气湿度、温度和风速的相关关系随尺度变化而变化，且日蒸散量与日平均风速的关系不明显。李菊等[10]也认为蒸散量与风速无显著相关。

即使是同样使用独立于作物类型、作物生长状况及土壤水分状况影响的FAO 56推荐的Penman- Monteith公式，所估算的参考蒸散ET0也因时间尺度差异而对影响因子的响应有所不同。如王媛媛等[11]认为，陇东地区ET0在春季主要影响因子为风速和日最高气温，秋季为日照时数和相对湿度，夏季为日照时数，冬季为风速；全年平均ET0变化的主要影响因子为日照时数。曹雯等[12]研究表明，安徽省夏季ET0的主导因子是日照时数，春、秋、冬季的主导因子则是风速。环海军等[13]研究表明，鲁中地区每个季节逐月ET0变化的主要贡献因子不相同。

可见，多元线性回归分析、相关分析方法被广泛用于分析自然环境因子对农田蒸散的影响[14-15]，但是均未能定量区分影响蒸散的直接和间接影响因子及路径。为了厘清引起农田蒸散量变化的归因，准确选取农田蒸散对环境条件的关键响应因子，本研究拟采用通径分析方法[16]，克服、弥补已有研究中存在的缺陷与不足，利用多年农田实测蒸渗仪数据，按照逐时、逐日、逐生育期划分3种不同时间尺度，全面讨论农田蒸散及其影响因子之间的直接与间接相关关系，使蒸散对影响因子的响应过程更加清晰，以期为气候变化背景下农田蒸散的变化规律研究，合理确定农业灌溉需水量，提高水分利用率，以及开展干旱监测和影响评估相关研究提供参考依据。

1 材料与方法

1.1 试验区概况

试验地点位于南京信息工程大学农业气象试验站（32°14′N，118°42′E）。该站地处中纬度亚热带季风气候区，年平均气温15.6℃，年平均降水量约1100.0mm，冬冷夏热，雨量充沛。土壤质地为壤质黏土，土壤黏粒含量26.1%；0-100cm土层的田间持水量为30.4%～36.0%（体积含水量，V/V%），凋萎点为10.2%～14.1%（V/V%）。

1.2 田间试验观测

试验时段为2011-2015年冬小麦生长季即每年11月-翌年5月，供试作物品种为扬麦13，每年11月中旬播种，翌年5月下旬收获。行间距约为22.7cm，种植密度为10～11.5kg·667m-2。在试验区中安装大型称重式蒸渗仪（兰州干旱气象研究所制造），其有效蒸散面积为4m2，原状土柱深2.6m，自动采集系统以1h为间隔进行记录，观测精度0.1mm·d-1。每期作物播种前，采用称重法对蒸渗仪进行率定，以保证数据可靠。蒸渗仪内冬小麦种植密度及管理措施与大田保持一致。

冬小麦发育期观测依据《农业气象观测规范》进行，包括播种、出苗、三叶、越冬、返青、起身、拔节、孕穗、抽穗、开花、乳熟和成熟期。

常规气象数据来源于试验站内的自动气象站，按国家气象局的地面气象观测规范进行观测。观测要素包括气温、相对湿度、辐射（地面短波、太阳短波、地面长波和大气长波）、0cm地温、2m高处平均风速、降水量等，测定时间间隔为10min。

由于蒸渗仪自带的土壤水分采集器故障，因此，土壤含水量采用蒸渗仪北侧100m气象观测场的DZN1型自动土壤水分仪体积含水量观测资料，观测深度为5、10、20和40cm，测定时间间隔为10min。

1.3 通径分析

通径分析（path analysis）是回归分析的拓展，可以将因果变量之间的相互影响（相关系数）分解为直接影响（直接通径系数）和间接影响（间接通径系数），以此研究因果关系的数据结构[16]，分析独立变量对因变量的直接和间接重要性，已在众多领域得到广泛应用[17-20]。

假设有n个随机变量x1，x2，x3，…，xn和一个因变量y，任意两个因子之间的相关系数是rij，因子xi到y的直接通径系数是Piy，因子xi通过因子xj到y的间接通径系数是rij·Pjy，则因子xi与y的相关系数riy可以分解为直接通径系数与间接通径系数之和，即

进一步定义

（2）

式中，R2(i)为xi对y的决策系数，用它可把自变量对因变量的综合作用进行排序，确定主要的决策变量和限制变量[21]。R2(i)＞0，表明自变量对因变量起促进作用；R2(i)＜0，表明自变量对因变量起抑制作用[20]。

利用因子x1，x2，…，xn对y的通径分析路径图（见图1），自变量对因变量产生的直接影响和间接影响能够被清晰识别[19]。图1中，x1→y、x2→y和xn→y是直接路径，直接通径系数分别是P1y、P2y和Pny；x1↔x2、x1↔xn和x2↔xn表示自变量之间的相关关系，相关系数分别是r12、r1n和r2n，同时，x1↔x2→y、x1↔xn→y、x2↔x1→y、x2↔xn→y、xn↔x1→y和xn↔x2→y的间接通径系数分别为r12·P2y、r1n·Pny、r21·P1y、r2n·Pny、rn1·P1y和rn2·P2y。r→y是剩余变量，其通径系数是Pey，表示未研究自变量和误差对因变量y的影响，计算公式为

利用Origin软件进行数据处理和图表绘制，对于部分缺失和错误的数据采用平均值插补。采用SPSS 22.0对数据进行正态检验和回归分析。

2 结果与分析

2.1 不同时间尺度农田实测蒸散量变化特征

2.1.1 小时尺度

在2012-2015年每年小麦的开花-乳熟期，分别选取两个典型晴天，得到农田实测蒸散量的逐小时变化过程（图2）。由图2可见，典型晴天小麦蒸散量呈单峰型变化，日间7：00-17：00蒸散变化显著，在午后12：00-14：00达到最大值，为0.9～1.1mm·h-1，该生育期间历年逐小时蒸散量最大值为1.4mm·h-1，夜间18：00-次日6：00农田蒸散量很小，接近0，日累计蒸散量在7.0～9.1mm·d-1。从小时尺度蒸散量日变化进程看，其变化特征与辐射、气温等气象要素的日变化趋势一致。

2.1.2 日尺度

将研究期间实测逐小时蒸散量按日累计，得到冬小麦逐日蒸散量变化如图3。由图可见，4个试验年度内冬小麦全生育期长度188～200d，多年平均蒸散总量为385.4mm，日平均蒸散量为2.6mm·d-1。各生长季日蒸散量变化过程基本一致，表现出相同的趋势变化特点，即前期较低、后期相对较高，这与前期植被覆盖度低、后期植被蒸腾旺盛且覆盖度高的特点密切相关。具体来看，前110d（11月-翌年2月）左右，蒸散量在低值水平波动，日平均蒸散量0.9～1.2mm·d-1，受作物越冬生长、生理活动较弱以及气温较低影响；随后的80d左右（3-5月），日蒸散量总体呈单峰型变化特点，日平均蒸散量在3.6～4.3mm·d-1，在4月下旬后（169～179d）达到峰值，最大日蒸散量9.8～11.0mm·d-1，5月日蒸散量又有所减少。4个年度生长季逐日蒸散的变化有一定差别，一定程度上反应了农田蒸散过程受外界环境的综合影响，如雨日后农田蒸散有明显激增。

2.1.3 生育期尺度

将研究期间逐日尺度蒸散量按生育期累加并平均，得到4个试验年度冬小麦逐生育期尺度蒸散量日均值变化，可比较不同生育阶段冬小麦的蒸散速率（图4）。由图4可见，以返青生长为界，可划分为两个蒸散变化阶段。播种-返青期，蒸散速率较小，在0.4～2.3mm·d-1，该阶段蒸散速率的多年平均值为1.1mm·d-1，尤以图4a和图4b进入分蘖、越冬期后，由于气温低，群体生理活动减弱，农田蒸散下降明显，而图4c和图4d因无明显越冬期，农田蒸散随生育进程平稳变化；返青生长后，随着气温回升，农田蒸散速率加快，多年平均值为4.2mm·d-1，并在孕穗-抽穗-开花阶段达到蒸散高峰期，日最大蒸散速率在7mm·d-1左右，但由于各年环境条件的差异，出现峰值的时间并不一致；进入成熟期后，蒸散速率普遍转而下降。

2.2 不同时间尺度实测蒸散量数据系列的特征分析

2.2.1 正态性检验

在通径分析前，要对因变量进行正态分布检验。根据SPSS，本研究用Kolmogorov-Smimov Test方法进行正态性检验。检验结果表明，所选8个典型晴天日间8：00-17：00逐小时蒸散变化的检验统计量为0.09，显著性水平为0.092（P＞0.05）；4个试验年度冬小麦主要生长季（3-5月）逐日蒸散变化的检验统计量为0.058，显著性水平为0.078（P＞0.05）；逐生育期蒸散变化的检验统计量为0.244，显著性水平0.066（P＞0.05）。可见，不同时间尺度因变量变化均符合正态分布，可以进行相关分析。

注：S-播种，E-出苗，TL-三叶，T-分蘖，W-越冬，R-返青， J-拔节，B-孕穗，H-抽穗，A-开花，MM-乳熟，M-成熟 Note: S-sowing, E-emergence, TL-three leaves, T-tillering, W-wintering, R-reviving, J-jointing, B-booting, H-heading, A-anthesis, MM-milk maturity, M- maturity

2.2.2 影响因子回归分析

根据通径系数的定义，运用通径分析评价独立变量对因变量的影响，需要验证自变量与因变量之间是否呈显著的线性相关。本研究以不同时间尺度蒸散量为因变量，以同步观测的环境因子包括距离地面5-40cm土壤水分（SW5、SW10、SW20、SW40）、0cm地温（Tg0）、气温（T）、净辐射（Rn）、降水量（R）、气压（P）、风速（V）、相对湿度（RH）和计算得到的饱和水汽压差（VPD）为自变量，用SPSS进行多重线性回归，从所有相关性较好的选择变量中再逐步选择加入或剔除某个自变量，直至建立最优多元线性回归关系，拟合最优模型，从而筛选相关性最好的影响因子，保证通径分析具有评价被选因子对蒸散影响的能力。

回归分析结果表明，小时尺度蒸散EThourly变化的主要影响因子包括Rn、VPD和Tg0，其拟合最优模型为

（R2=0.742，n=80，P＜0.05） （4）

日尺度蒸散ETdaily变化的主要影响因子包括Rn、VPD、Tg0和SW20，其拟合最优模型为

（R2=0.592，n=197，P＜0.05） （5）

生育期尺度ETgrowth变化的主要影响因子包括Rn和Tg0，其拟合最优模型为

（R2=0.666，n=41，P＜0.05） （6）

2.3 不同时间尺度蒸散量影响因子的通径分析

2.3.1 小时尺度

小时尺度蒸散EThourly与主要影响因子Rn、VPD和Tg0的通径分析见表1，由此合成EThourly变化通径分析图，见图5。表1表明，由于各个因子直接作用和间接作用的共同贡献，对EThourly变化的影响（相关系数）依次为Tg0＞VPD＞Rn。按直接通径系数大小排序依次为VPD＞Rn＞Tg0，说明VPD对EThourly变化的直接作用最大（直接通径系数为0.572），而对EThourly变化影响最大的Tg0的直接作用最小（直接通径系数为0.279），且小于其自身间接通径系数之和（0.442），说明Tg0对EThourly的影响以间接作用为主，这种间接影响主要通过Tg0与Rn的相互作用（相关系数0.826，见图5），从而进一步对EThourly产生影响。各因子对EThourly的影响均为正效应，Rn和VPD的直接通径系数均大于各自间接通径系数之和，说明Rn和VPD对EThourly的影响主要体现在直接作用上。决策系数排序依次为VPD＞Tg0＞Rn，表明VPD对典型晴天EThourly变化的综合决定能力更大，对EThourly的促进作用最明显。

表1 小时尺度蒸散变化影响因子的通径分析

2.3.2 日尺度

日尺度蒸散ETdaily与各个主要影响因子的通径分析见表2和图6。按相关系数绝对值的大小各因子排序依次为Rn＞VPD＞Tg0＞SW20，其中SW20与ETdaily为负相关，虽通过显著性检验但相关系数很低，可能与土壤水分的变化对ETdaily的非线性影响有关，雨后转晴天气土壤水分含量高，因无水分胁迫利于蒸散增加，降水天气土壤水分增加所致的蒸散反而降低。

图6 日尺度蒸散变化通径分析图

各影响因子与ETdaily的直接通径系数排序为Rn＞Tg0＞VPD＞SW20，说明Rn对ETdaily的直接影响最大（直接通径系数为0.612），除SW20外，其余各因子对ETdaily的直接影响均为正效应。各影响因子与ETdaily的间接通径系数之和排序为VPD＞Tg0＞Rn＞SW20，说明VPD对ETdaily的间接影响最大（间接通径系数为0.515），这跟VPD与Rn、Tg0的相关系数较高有关，VPD很大程度通过Rn路径和Tg0路径间接影响ETdaily，由此可见，Rn和Tg0可以通过调控农田VPD，进而对ETdaily产生综合影响。SW20通过Tg0对ETdaily的间接影响最小且仍为负效应。

根据决策系数，Rn对ETdaily变化的综合决定能力最大，各因子对ETdaily变化影响作用的决策系数排序依次为Rn＞VPD＞Tg0＞SW20。

2.3.3 生育期尺度

生育期尺度蒸散ETgrowth与主要影响因子的通径分析见表3和图7。Tg0与ETgrowth变化的相关性最显著（相关系数为0.757），直接通径系数排序为Tg0＞Rn，说明Tg0对ETgrowth变化的直接影响较Rn大，两个因子的直接通径系数之和高于间接通径系数之和，说明因子对蒸散变化主要是直接影响，这与两个因子之间关联较弱有关（相关系数0.37，见图7）。根据决策系数，两个因子对ETgrowth变化综合决定能力大小（绝对值）表现为Tg0＞Rn，说明Tg0对ETgrowth变化的促进作用比Rn明显。

表2 日尺度蒸散变化影响因子的通径分析

表3 生育期尺度蒸散变化影响因子的通径分析

3 结论与讨论

（1）不同时间尺度冬小麦农田蒸散变化特征明显。开花-乳熟期典型晴天小时尺度蒸散呈单峰变化，最大值为0.9～1.1mm·h-1，日累计蒸散量在7.0～9.1mm·d-1；冬小麦全生育期内，多年平均蒸散总量为385.4mm，日平均蒸散量为2.6mm·d-1，最大日蒸散量9.8～11.0mm·d-1，变化趋势为前期较低、后期较高；在播种-返青期，生育期尺度蒸散速率较小，多年平均值为1.1mm·d-1，返青生长后，农田蒸散速率加快，多年平均值为4.2mm·d-1，与日尺度蒸散变化趋势吻合。

（2）不同时间尺度蒸散变化的影响因子主要包括Rn、VPD、Tg0、SW20。通径分析表明，在小时尺度，VPD对典型晴天EThourly变化的直接作用最大，其次为Rn，Tg0主要通过Rn路径对EThourly变化产生间接影响。Rn、VPD、Tg0对EThourly的影响均为正效应，决策系数排序依次为VPD＞Tg0＞Rn，说明VPD对EThourly变化的综合决定能力最大，对EThourly的促进作用最明显。

在日尺度，Rn对ETdaily的直接影响最大，VPD对ETdaily的间接影响最大，VPD很大程度通过Rn路径和Tg0路径间接影响ETdaily，Tg0仍然主要通过Rn路径对EThourly变化产生间接影响，SW20对ETdaily的影响最小且为负效应。决策系数排序依次为Rn＞VPD＞Tg0＞SW20，Rn对ETdaily变化的综合决定能力最大。

在生育期尺度，Tg0和Rn是驱动蒸散变化的最主要因子，两个因子对ETgrowth的影响主要以直接作用为主，且Tg0对ETgrowth变化的直接影响较Rn大，决策系数表明Tg0对ETgrowth变化的促进作用比Rn明显。

本研究利用多年农田观测资料，分析了冬小麦农田蒸散具有明显的日、季变化特征，与汪秀敏等[7, 22]的特征描述一致。通过通径分析方法辨识了不同时间尺度蒸散影响因子的路径贡献，确认了辐射对蒸散过程的重要影响，尤以逐日尺度变化最为显著。汪秀敏等[7]在利用本地2011年观测数据分析蒸散量与环境单因子的关系时，认为辐射对逐日蒸散变化起决定作用，蒸散量与风速的关系最不明显；阳伏林等[23]的研究表明辐射是农田蒸散变化的主要影响因子，土壤含水量次之；刘国水等[9, 24]的研究认为，辐射对蒸散变化影响起关键作用，均与本研究结论一致。

需要指出的是，VPD作为衡量空气干燥程度的指标，表征了空气相对湿度和气温的综合效果，直接影响植物气孔开闭，从而控制植物蒸腾、光合等生理过程，对生态系统蒸散过程以及水分利用效率有重要影响，因此，本研究将VPD作为影响因子进行分析。研究表明，在小时尺度，VPD的直接作用效果最明显，在日尺度，VPD则通过Rn路径实现间接影响并起重要作用，说明VPD作为影响评价因子是可行的。同时更进一步证实，辐射作为驱动系统运转的源动力，可改变系统中水热分配状况及水分相变过程，进而影响农田蒸散量。

土壤作为农业生物生长发育的重要载体，土壤温、湿度是控制植物生长过程的重要因素，并与太阳辐射相互作用，影响近地面大气的水热状况。本研究中，土壤温度对蒸散变化的影响作用被清晰辨识。在小时尺度和日尺度中，其贡献次于VPD，并通过辐射路径对蒸散变化产生影响，符合大气能量、热量传输交换规律。在生育期尺度，土壤温度对蒸散变化的促进作用较辐射明显，可能与累计平均的平滑作用有关，表现为蒸散变化较辐射变化滞后，但与土壤温度变化同步。此外，多层土壤湿度观测数据经过回归筛选后，20cm深度土壤湿度通过土壤温度路径，对日尺度蒸散变化的间接影响被辨识，该层次土壤湿度基本能够代表本地区农田耕层土壤水分的平均状况，但它对蒸散的影响最小且为负效应。通常，土壤湿度的日变化振幅很小，但季节变化很明显，并受到降水天气的直接影响，雨后由于没有土壤水分胁迫，农田蒸散激增。按照本研究通径分析的结果，这应该归功于雨后相对较强的太阳辐射和较高的土壤温度。因此，本研究认为，在土壤不存在水分胁迫的环境下，农田土壤水分对蒸散的影响可以忽略。

持续的气候变化使农田蒸散发生变化，并使与之紧密关联的农业需水量的不确定性显著增加。不同区域气象要素对作物蒸散量的影响程度不同，因而各地区作物蒸散的变化特征亦不同[25]，综合考虑各环境气象因子在不同时空尺度对作物蒸散量变化的影响，是准确估算农业灌溉需水量的前提。影响农田蒸散的因素很多，是气象条件、土壤水分环境、作物自身生理特性等相互联系、相互反馈的综合。抓住关键影响因子，适度调控农田小气候环境，适应气候变化对农业生产的影响，是农业高产、稳产的重要保证。未来研究中，可以深入开展生物影响因子对农田蒸散的作用路径与作用关系的通径分析，为气候变化背景下的田间水分管理提供科学参考。

References

[1]谢贤群.我国北方地区农业生态系统水分运行及区域分异规律研究的内涵和研究进展[J].地球科学进展,2003,18(3):440-446.

Xie X Q.Connotation and some advances of the research on the water movement and its regional change regular in agro-ecosystem of North China[J]. Advance in Earth Sciences,2003,18(3):440-446.(in Chinese)

[2]Bradley R.1000 years of climate change[J].Science, 2000, 288(5470):1353-1355.

[3]陈兆波,董文,霍治国,等.中国农业应对气候变化关键技术研究进展及发展方向[J].中国农业科学,2013,46(15): 3097-3104.

Chen Z B,Dong W,Huo Z G,et al.Research advances and the development direction of key techniques for agriculture addressing climate change in China[J]. Scientia Agricultura Sinica,2013,46(15):3097-3104. (in Chinese)

[4]任庆福,杨志勇,李传哲,等.变化环境下作物蒸散研究进展[J].地球科学进展,2013,28(11):1227-1238.

Ren Q F,Yang Z Y,Li C Z,et al.Advances in the study of the crop evapotranspiration in changing environment[J]. Advances in Earth Science,2013, 28(11): 1227-1238.(in Chinese)

[5]Clark G A,Smajstrla A G,Zazueta F S.Atmospheric parameters which affect evapotranspiration[M]. Florida:University of Florida,1989:1-6.

[6] Mankin K R,Rogers D H.What is ET[M].Manhattan: Kansas State University,1998:1-2.

[7]汪秀敏,申双和,韩晓梅,等.大型称重式蒸渗仪测定的冬小麦农田的蒸散规律研究[J].气象与环境科学,2011,34(4): 14-18.

Wang X M,Shen S H,Han X M,et al.Study on evapotranspiration of the winter wheat measured by large-scale weighting lysimeter [J].Meteorological and Environmental Sciences,2011,34(4): 14-18.(in Chinese)

[8]强小嫚,蔡焕杰,王健.波文比仪与蒸渗仪测定作物蒸发蒸腾量对比[J].农业工程学报,2009,25(2): 12-17.

Qiang X M,Cai H J,Wang J.Comparative study of crop evapotranspiration measured by Bowen ratio and lysimeter[J]. Transactions of the CSAE,2009, 25(2):12-17.(in Chinese)

[9]刘国水,刘钰,蔡甲冰,等.农田不同尺度蒸散量的尺度效应与气象因子的关系[J].水利学报,2011,42(3):284-289.

Liu G S,Liu Y,Cai J B,et al.Study on scale effect of farmland evapotranspiration and relationship with meteorological factors[J].Shuili Xuebao,2011,42(3): 284-289.(in Chinese)

[10]李菊,刘允芬,杨晓光,等.千烟洲人工林水汽通量特征及其与环境因子的关系[J].生态学报,2006, 26(8):2449-2456.

Li J,Liu Y F,Yang X G,et al.Studies on water vapor flux characteristic and the relationship with environment factors over a planted coniferous forest in Qianyanzhou station[J]. Acta Ecologica Sinica,2006,26(8):2449-2456.(in Chinese)

[11]王媛媛,张勃,尹海霞.1961-2010年陇东参考作物蒸散量时空变化及气候影响因子[J].生态学杂志,2013,32(6):1511-1517.

Wang Y Y,Zhang B,Yin H X.Spatiotemporal variation of reference crop evapotranspiration and related climatic affecting factors in eastern Gansu of Northwest China in 1961-2010[J].Chinese Journal of Ecology,2013,32(6): 1511-1517.(in Chinese)

[12]曹雯,段春锋,姚筠,等.1961-2010年安徽省参考作物蒸散时空变化特征及成因[J].应用生态学报,2014,25(12): 3619-3626.

Cao W,Duan C F,Yao Y,et al.Temporal-spatial variations of reference evapotranspiration in Anhui Province and the quantification of the causes[J]. Chinese Journal of Applied Ecology,2014,25(12): 3619-3626.(in Chinese)

[13]环海军,杨再强,刘岩,等.鲁中地区参考作物蒸散量时空变化特征及主要气象因子的贡献分析[J].中国农业气象, 2015,36(6):692-698.

Huan H J,Yang Z Q,Liu Y,et al.Temporal and spatial variation of reference crop evapotranspiration and contribution of main factors in the middle area of Shandong Province[J].Chinese Journal of Agrome-teorology,2015,36(6):692-698.(in Chinese)

[14]许杏娟,陈涛涛,吴奇,等.辽宁省凌河流域生长季参考作物腾发量变化及气候要素贡献分析[J].中国农业气象,2015, 36(1):33-42.

Xu X J,Chen T T,Wu Q,et al.Analysis of the reference evapotranspiration change and climate factors contribution during growing season in Linghe basin of Liaoning Province[J].Chinese Journal of Agrometeorology,2015, 36(1):33-42.(in Chinese)

[15]段春锋,缪启龙,曹雯.西北地区参考作物蒸散变化特征及其主要影响因素[J].农业工程学报,2011,27(8):77-83.

Duan C F,Miao Q L,Cao W.Changing characteristics of reference crop evapotranspiration and main causes in the Northwest China[J]. Transactions of the CSAE,2011,27(8): 77-83.(in Chinese)

[16]Kozak M,Kang M S.Note on modern path analysis in application to crop science[J].Communications in Biometry and Crop Science,2006,1(1):32-34.

[17]张琪,丛鹏,彭励.通径分析在Excel和SPSS中的实现[J].农业网络信息,2007,(3):109-110.

Zhang Q,Cong P,Peng L.The realization of path analysis in Excel and SPSS[J].Agriculture Network Information,2007, (3):109-110.(in Chinese)

[18]贡璐,冉启洋,韩丽.塔里木河上游典型绿洲连作棉田土壤酶活性与其理化性质的相关性分析[J].水土保持通报, 2012,32(4):36-42.

Gong L,Ran Q Y,Han L.Enzymatic activities and related physicochemical properties in soils of continuous cropping cotton fields within a typical oasis in upper reaches of Tarim River[J].Bulletin of Soil and Water conservation,2012, 32(4):36-42.(in Chinese)

[19]张聪聪,陈效民,张勇,等.气象因子对太湖地区旱作农田土壤水分动态的影响[J].中国农业科学,2013,46(21): 4454-4463.

Zhang C C,Chen X M,Zhang Y,et al.Influence of meteorological factors on soil moisture dynamics of upland soil in Taihu Lake region[J].Scientia Agricultura Sinica,2013,46(21):4454-4463.(in Chinese)

[20]Zhang FY,Li L H,Ahmad S,et al.Using path analysis to identify the influence of climatic factors on spring peak flow dominated by snowmelt in an alpine watershed[J].Journal of Mountain Science,2014,11(4):990-1000.

[21]袁志发,周静芋,郭满才,等.决策系数:通径分析中的决策指标[J].西北农林科技大学学报(自然科学版),2001, 29(5): 131-133.

Yuan Z F,Zhou J Y,Guo M C,et al.Decision coefficient: the decision index of path analysis[J]. Journal of Northwest A&F University (Natural Science Edition),2001,29(5): 131-133.(in Chinese)

[22]刘春伟,曾勰婷,邱让建.用分时段修正双源模型估算南京地区冬小麦生育期蒸散量[J].农业工程学报,2016, 32(Supp.1):80-87.

Liu C W,Zeng X T,Qiu R J.Simulated total evapotranspiration of winter wheat with modified Shuttleworth-Wallace model in different stages in Nanjing[J].Transactions of the CSAE,2016, 32 (Supp.1):80-87.(in Chinese)

[23]阳伏林,张强,王文玉,等.黄土高原春小麦农田蒸散及其影响因素[J].生态学报,2014,34(9):2323-2328.

Yang F L,Zhang Q,Wang W Y,et al.Evapotran-spiration and factors influencing evapotranspiration in the spring wheat farmland of China's Loess Plateau[J].Acta Ecologica Sinica,2014,34(9):2323-2328.(in Chinese)

[24]郭春明,任景全,张铁林,等.东北地区春玉米生长季农田蒸散量动态变化及其影响因子[J].中国农业气象,2016, 37(4):400-407.

Guo C M,Ren J Q,Zhang T L,et al.Dynamic change of evapotranspiration and influenced factors in the spring maize field in Northeast China[J].Chinese Journal of Agrometeorology,2016,37(4):400-407. (in Chinese)

[25]Roderick M L,Farquhar G D.The cause of decreased pan evaporation over the past 50 years[J].Science,2002,298(5597):1410-1411.

Using Path Analysis to Identify Impacting Factors of Evapotranspiration at Different Time Scales in Farmland

ZHANG Xue-song1, YAN Yi-lan2, 3, HU Zheng-hua1

(1. Key Laboratory of Meteorological Disaster of Ministry of Education/Jiangsu Key Laboratory of Agricultural Meteorology/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044, China; 2.University of Chinese Academy of Science, Beijing 100049; 3.Key Laboratory of Ecosystem Network Observation and Modeling, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101)

Based on the data measured by large-scale weighing lysimeter and agricultural meteorological observation from 2011 to 2015, the distributing characteristics of evapotranspiration at different time scales in winter wheat farmland were analyzed, and the impacting factors were identified by path analysis. The results showed that the change of evapotranspiration displayed a downward-parabola pattern with a single peak at hourly scale, and the maximum evapotranspiration was from 0.9mm·h-1to 1.1 mm·h-1and the cumulative value throughout the day was from 7.0mm to 9.1mm on the typical sunny day during flowering-milky stage within 4 years. The mean annual evapotranspiration was 385.4mm, the mean diurnal evapotranspiration was 2.6mm·d-1and the maximum value was 11.0mm·d-1during the whole winter wheat growing period. The daily scale variation of evapotranspiration at early growing stage was greater than that at later stage. During the growing season, the evapotranspiration rate was lower during the sowing to turning-green period with an average of 1.1mm·d-1than that of 4.2mm·d-1after turning-green period. (2) The impacting factors of evapotranspiration at different time scales mainly included net radiation (Rn), saturated vapor pressure deficit (VPD), ground temperature (Tg0) and soil water content at 20cm (SW20). At hourly scale, VPD had the largest direct effect on evapotranspiration variation on the typical sunny day. Rn and Tg0affected evapotranspiration indirectly via Rn. The ranking of the decision coefficient of every factor was VPD＞Tg0＞Rn. At daily scale, Rn, as the most critical factor, had the largest direct impact on evapotranspiration, while VPD had the largest indirect influence. VPD and Tg0affected evapotranspiration indirectly via Rn and the indirect negative influence of SW20was imposed by Tg0path. The ranking of the decision coefficient of impacting factors was Rn＞VPD＞Tg0＞SW20.At the whole growing season scale, Tg0and Rn were the only two most important factors with direct influence and could drive evapotranspiration change. The decision coefficient indicated that Tg0could significantly increase the variation of evapotranspiration more than Rn.

Path analysis; Decision coefficient; Net radiation; Vapor pressure deficit; Crop evapotranspiration

10.3969/j.issn.1000-6362.2017.04.001

2016-08-19

公益性行业（气象）科研专项（GYHY201506001；GYHY201306046）；气象灾害教育部重点实验室（南京信息工程大学）开放课题（KLME1415）；江苏省农业气象重点实验室项目（KYQ1404）

张雪松（1975-），博士，讲师，主要研究方向为应用气象。E-mail：lntlzxs@163.com