1960—2013年中国地表潜在蒸散发时空变化及其对气象因子的敏感性

赵亚迪，刘永和，李建林，刘　秀

（河南理工大学资源与环境学院，河南 焦作 454000）

潜在蒸散发是指充分供水条件下的区域蒸散发能力。由于实际蒸散发难以被观测，人们常以参照潜在蒸散发（ET0）来估算实际蒸散发量。由世界粮农组织推荐的Penman-Monteith（PM）方法是计算ET0使用最广泛的公式[1]。潜在蒸散发是对区域气候因素的变化的反映，定量化分析气候变化对ET0的影响及其驱动因素有利于揭露气候变化对生态环境变化的机理。前人在该方面的研究得出了一些结论。如研究发现ET0和蒸发皿观测蒸散发在过去几十年呈现出下降趋势[2-7]，且研究还发现ET0和观测蒸散发在世界大多数地区从1980后开始呈现出增长趋势[8-20]。Liu Xiaomang等[11]通过研究得出从1970—2005年间西藏地区蒸发皿的蒸散发以3.06 mm/10 a的速度减少。尹云鹤等[12]研究得出从1971—2008年间中国平均潜在蒸散发整体呈下降趋势，但20世纪90年代以后有所增加，主要归因于风速和日照时长，其中风速减小是影响中国北方温带和青藏高原地区年潜在蒸散发降低的主要原因，日照时长的减少是影响亚热带和热带地区年潜在蒸散发减少的主要原因。Gong Lebing等[5]通过研究长江流域得出ET0对相对湿度最敏感，其次是太阳辐射、气温和风速。刘昌明等[10]通过研究中国地区的潜在蒸散发，发现在全国范围内，潜在蒸散发对水汽压最敏感，其次是最高气温、太阳辐射、风速、最低气温，全国范围内潜在蒸散发减少的趋势为6.204 mm/10 a。刘小莽[13]等通过研究海河流域的潜在蒸散发的气候敏感性分析得出潜在蒸散发对水汽压最为敏感，其次是温度和太阳辐射。刘宪峰等[14]通过对西北五省潜在蒸散发的研究发现西北五省ET0整体呈现出下降趋势，降速为-0.72 mm/a，影响ET0变化的主导因素为风速，但风速在不同的季节、不同的区域影响方位有所差异。Xu Chongyu等[15]通过对长江流域的研究发现ET0和观测蒸散发明显呈现出下降趋势，造成这种影响的主要是由于太阳辐射明显的减少，其次是风速的减少，敏感性分析发现ET0最为敏感的气象因子是太阳辐射，其次是相对湿度、气温和风速。高歌等[16]通过对中国580个气象站逐月资料的研究发现全国及大多数流域的年际和季节潜在蒸散发与日照时数、风速、相对湿度等要素关系密切，但这45 a日照时数、风速的明显减少可能是导致大多数地区潜在蒸散量减少的主要原因。杨海昌等[17]通过对玛纳斯河流域绿洲蒸散量的研究发现玛纳斯河流域年蒸散量增加幅度为15.8 mm/10 a，18 a为蒸散量变化的振荡周期，温度升高时蒸散量增加的主要原因，气温和风速是影响玛纳斯河流域潜在蒸散量的主要因素。蔡辉艺等[18]通过对淮河流域参考蒸散量的研究发现淮河流域大部分地区的年参考蒸散发总量呈现出下降趋势，淮河以北地区的下降趋势比淮河以南地区更为显著。造成这种变化的主要原因是太阳辐射量的减少和风速的减少，淮河以南地区受相对湿度变化的影响，减小幅度小。可见不同的ET0计算方法以及不同的区域，得出的ET0对气象因子的敏感性有所差异[10]。此外，也尚不确定由某一因子的变化而导致的潜在蒸散量的变化幅度。潜在蒸散量变化的原因仍是个尚未解决的重大科学问题[12]。

在本研究中，采用世界粮农组织的Penman-Monteith（FAO56-PM）公式[1]计算中国从1960—2013年的逐站点逐日潜在蒸散发ET0并和观测值（剔除和未剔除站点观测值为0的样本的两种情况）进行对比，用Sen斜率和Mann-Kendall检验[19]分析ET0和气象因子的时空变化，以及借助FAO56-PM公式对ET0与气象因子的敏感性分析来定量化不同因子的变化对ET0变化的影响。

1　数据和方法

1.1　数据

采用1960—2013年的107个中国地面国际交换站气候资料日值数据集，包括逐日最高气温（Tmax）、最低气温（Tmin）、日照时数（SSD）、风速（U2）、相对湿度（RHU）、平均气压（MP）、地表温度（GST）和20 cm口径蒸发皿的蒸发量，所有气象因子资料均实施过严格质量控制，部分缺测的数据采用反距离权重法进行空间内插得到，其中20 cm口径蒸发皿的蒸发量数据没有进行插值。为了分析中国不同区域的ET0的特征，根据中国传统的地理气候划分为5个地理区域。全国107个气象站点的分布如图1所示。

图1　全国107个气象站点的分布及其5个区域的划分

1.2　方法

1.2.1参考蒸散发的模型

世界粮农组织发布的FAO56-PM公式（参考Cai等[20]；Gavilán等[21]；Tabari等[22]）被用来估算ET0：

其中，ET0为潜在蒸散发（mm），Rn为作物表层净辐射（MJ/（m2·d）），G为土壤热通量（MJ/（m2·d）），T为日平均气温（℃），U2为2 m高度处风速（m/s），es为饱和水汽压（kPa），ea为实际水汽压（kPa），Δ为饱和水汽压曲线斜率（kPa/℃），γ为干湿表常数（kPa/℃）。

Rn与Rs的关系式：

其中，as=0.198，bs=0.539，Rn为作物表层净辐射（MJ/（m2·d）），Rns是短波辐射（MJ/（m2·d）），Rnl是长波辐射（MJ/（m2·d）），α是反照率，Rs是全球太阳辐射，Ra是大气层外太阳辐射（MJ/（m2·d）），S为月日照时数（h），N为月最大可照时数（h），σ是斯特凡-玻尔兹曼常数（4.903 ×10-9MJ·K-4·m-2·d-1），Tx，k是24 h内最大绝对温度，Tn，k是24 h内最低绝对温度，Rso是晴天太阳辐射，c、d、e、f是经验系数。

1.2.2潜在蒸散量对气象因子的敏感性分析

受气候变化的影响，在1960—2013年期间，ET0呈现出减少趋势，而各气象因子参数也均不同程度地发生了变化[10]。为了弄清不同因子对ET0这种变化的影响，可以通过Penman-Monteith公式来实施针对单个因子的敏感性分析，定量化由某一因子的变化而导致的潜在蒸散的变化幅度。本研究以1960—1969年这10 a的因子平均作为早期（或变化前）的因子，以2003—2014年的平均作为后期的因子，分别代入Penman-Monteith公式来实施敏感性对比分析，ET0的变化量ΔET（x）和单个气象因子的变化量ΔMMF（x）可用式（6）～（7）来表示：

其中，x是气象因子10 a的年均值，包括SSD，RHU，Tmax，Tmin，U2，首先保证其中一个气象因子改变，其他气象因子不改变的前提下，将这个改变的气象因子2004—2013年的均值MMF（x2004—2013）代图PM公式中，得到ET（x2003—2013），然后再将对应的改变的气象因子1960-1969年的均值MMF（x1960—1969）代入PM公式中，得到ET（x1960—1969），最后分别将两者相减得到ΔET（x）和ΔMMF（x）。Sen斜率和Mann-Kendall（M-K）检验[19-22]被用于检测ET0及其各因子的变化趋势以及显著性检验。

2　结果

2.1　逐日逐站点ET0和观测值的对比分析

在逐日基础上模拟得到从1960—2013年的ET0的和与从1960—2013年蒸发皿蒸散量之间的比值是0.55。由于观测的蒸发皿蒸散量有部分0值，为缺测资料或雨天的测量资料，属异常样本，所以为了区分站点观测的蒸散量的值为0的样本对结果的影响，所以分剔除和未剔除站点观测值为0的样本的两种情况进行分析。从1960—2013年逐日逐站点ET0和观测值的相关系数的对比如图2所示。

模拟值ET0和观测值的线性回归分析，结果如表1、图3所示。

从图2～3和表1可以看出，对模拟值ET0和观测值的线性回归分析表明，剔除了观测值为0的样本的情况下各个分区的线性回归的相关系数从0.595～0.752提升到0.892～0.958，其中西北区域剔除观测蒸散量值为0样本下，线性回归相关系数变成几个区域中最大的。逐日逐站点ET0和观测蒸散量值的相关系数除了西南区域的相关系数较低外，其他几个区域的相关系数的中位数保持在0.7（未剔除观测值为0的样本）和0.95（剔除观测值为0的样本）左右，这说明在观测蒸散量为0样本的情况下，模拟蒸散量存在较大的偏差，这是该公式的不足之处。

图2　1960—2013年逐日逐站点ET0和观测值的相关系数

表1　逐日逐站点ET0和观测值的线性回归分析

图3　未剔除观测值为0的观测值和模拟值的散点图

2.2　蒸散量年均值的空间分布

中国ET0年均值的空间分布如图4所示。在中国东北区域，蒸散量较低的值出现在东北区域的北部和东部，且全国最低值也出现在该区域，这可能是由于平均温度低引起的，其中辽宁的朝阳站和内蒙古通辽站的ET0值均大于994 mm且小于1 088.6 mm；全国蒸散量最大值出现在华北区域的朱日和站，其中北京站、银川站和天津站等站点的ET0值均大于994 mm且小于1 088.6 mm；中国的中部和东部区域蒸散量变化不明显，其中郑州站的ET0值均大于994 mm且小于1 088.6 mm；在西北区域，蒸散量普遍较高，高值区域出现在新疆的南部和东部，其中新疆的乌鲁木齐等站的ET0值均大于994 mm且小于1 088.6 mm；在中国西南区域，蒸散量的差异较大，这可能是受地形的影响，其中广州站等站的ET0值均大于994 mm且小于1 088.6 mm。全国107个站点中较大的城市有北京、天津、广州等，它们的ET0值大部分是大于994 mm且小于1 088.6 mm，潜在蒸散量是否受大城市的面积等因素的影响，这个问题有待进一步的研究。

图4　中国1960—2013年参考蒸散量的年平均分布（单位：mm）

2.3　不同区域的蒸散量随时间的变化

5大区域的蒸散量1960—2013年变化如图5所示。从1960—1993年，ET0呈现出下降的趋势，2004—2013年间呈增加的趋势。从图5a～5f中可以看出时间序列上的最大的年均值出现在西北区域。5个区域ET0年内变化如图6所示，月平均ET0较大值主要集中在4—10月，约占全年ET0的80%，全国7月的月均值ET0达到最大，而东北区、华北区域、华中和华东区域、西北区域和西南区域分别在5月、6月、7月、6月、7月达到最大值。年际月平均蒸散量在西南区域变化的范围相对较小，而在西北区域变化相对较大。在西南区域，6月的年际月均值蒸散量小于5月和7月的年际月均值蒸散量。最大的年际月平均蒸散量出现在华中和华东区域的7月。

图5　1960—2013年中国及其5个区域的ET0的时间分布

图6　1960—2013年ET0各月均值

2.4　气象因子和参考蒸散量的变化趋势

使用M-K检验结合Sen斜率对中国1960—2013年的107个气象站点的气象因子变化趋势进行分析和显著性检验，其中M-K检验采用5%置信水平（表2）。全国的ET0呈现出减少的趋势，且平均的Sen斜率的值为-6.75 mm/10 a。在中国的5个分区最高气温和最低气温都通过了M-K检验并呈现出明显的增加趋势，Sen斜率的值分别是0.19℃/10 a和0.39℃/10 a。除了西北区域以外的其他4个区域的日照时长都通过了M-K检验，且Sen斜率值为-0.15 h/10 a。平均气压在中国的5个区域都未能通过M-K检验，表明没有明显的变化。平均风速除了西南区域的其他4个区域通过了M-K检验，且呈现出下降趋势，Sen斜率的值为-0.14 m/（s·10 a）。相对湿度在除了西北区域和东北区域外的其他3个区域通过了M-K检验，且呈现出减少趋势，Sen斜率的值为-0.51%/10 a。在西南区域蒸散量呈现出增加的趋势，且Sen斜率的值为1.42 mm/10 a，而其他区域呈现出下降趋势，这表明中国的气象要素在过去54 a中发生了显著的变化，导致了蒸散量的变化。

表2　全国及其5个区域的气象因子和ET0的Sen斜率值

2.5　气象因子的Sen斜率值的空间分布

最高气温在西北和东北区域显著性增加（图7a）；最低气温在华北和东北区域明显增加（图7b）；风速在西南和华中华东区域明显增加（图7c）；日照时长在华北、华中和华东区域明显减少（图7d）；平均气压在全国范围内变化不明显（图7e）；相对湿度在西南、华中和华东区域显著降低（图7f）；地表温度在西南区域和华中华东区域显著下降（图7g）。这表明，气象因子在过去的几十年里发生了显著的变化。

2.6　潜在蒸散量与气象因子的敏感性分析

图7　1960—2013年各个气象站点的气象因子的Sen斜率的值

用式（6）和式（7）结合P-M公式分析了气象因子和ET0的关系（表3）。由于平均气压和地表温度引起的ET0的变化不显著，所以不考虑它们与参考蒸散量的关系。结果表明，对整个中国来说，除去东北区域以外，由于气象因子日照时长、风速和相对湿度的减小导致的蒸散量下降量要比由于气象因子最高气温和最低气温的上升导致蒸散量增加量大，在导致蒸散量下降的气象因子中，相对湿度的减小对蒸散量的减少最为明显。然而，在西南区域，日照时长的减少是导致蒸散量下降的主要原因。在东北区域，最高气温升高导致的蒸散量的增加，相对湿度的减小是导致蒸散量减少的最重要的因素，其次是风速的降低。在东北区域、华北区域、和西北区域，蒸散量最敏感的气象因子是相对湿度，其次是风速；在西南区域和华中和华东区域，蒸散量最敏感的气象因子是相对湿度，其次是日照时长。

根据上述的敏感性分析，总体而言，在1960—2013年期间，由于最高气温上升0.68℃会导致全国蒸散量增加12.81 mm；由于最低气温上升1.54℃会导致蒸散量增加14.13 mm；由于风速减小0.51 m/s会导致蒸散量减少48.08 mm；由于日照时长减少0.61 h会导致蒸散量减少21.5 mm；由于相对湿度减小2.84%会导致蒸散量减少204.49 mm。在空间上，总体上在中国最高气温和最低气温的增加导致了蒸散量的增加，而风速、日照时长和相对湿度的减小导致了蒸散量的减少。在不同区域，导致蒸散量增减的气象因子也不相同。

3　讨论和结论

蒸发悖论是蒸散发研究中的一个热点问题[10]，但是一些研究表明近些年来，ET0在中国[24]和澳大利亚[24]有上升的趋势。刘昌明等[10]研究发现中国在1960—2007年的最高气温和最低气温变化趋势分别为0.205℃/10 a和0.393℃/10 a，本研究发现中国在1960—2013年最高气温和最低气温变化趋势分别为0.19℃/10 a和0.39 ℃/10 a；中国在1960—2007年潜在蒸散发和风速的变化趋势分别为-6.204 mm/10 a和-0.115 m/(s·10 a），本研究发现中国在1960—2013年蒸散发和风速的变化趋势分别为每 -6.75 mm/10 a和-0.14 m/(s·10 a），与前人的研究相比，最高气温和最低气温上升的趋势变缓，风速和蒸散量下降的趋势更加显著；定量化了由某一因子的变化而导致的潜在蒸散的变化幅度，同时也发现了新的问题。

表3　ΔMMF（x）和 ΔET（x）的值

本研究发现，从全国来看，最高气温和最低气温的上升导致蒸散量的增加量小于由于相对湿度、风速和日照时长的减少导致的蒸散量减少量，使总体上ET0呈现为降低趋势。在不同区域，导致蒸散量增减的气象因子也不相同。西南区域的蒸散量呈现出增加的趋势，其Sen斜率的值为1.42 mm/10 a；全国全年蒸发量主要集中在4—10月，约占全年蒸发量的80%。在观测蒸散量为0的样本情况下，模拟蒸散量存在较大的偏差，而剔除了观测蒸散量为0的样本后，模拟蒸散量和蒸发皿蒸散量的相关系数有了很大的提高，这是该公式的不足之处；全国107个站点中较大的城市有北京、天津、广州等，它们的ET0值大部分都大于994 mm且小于1 088.6 mm，潜在蒸散量是否受大城市的面积等因素的影响，由于缺乏大城市的多个站点的蒸散量观测资料，所以无法直接判断大规模城市化是否对蒸散量有影响，需要更多后续的研究来揭示。

本文采用世界粮农组织的FAO56-PM公式计算中国从1960—2013年的逐站点逐日潜在蒸散发并与观测值（剔除和未剔除站点观测值为0的样本的两种情况）进行对比，用Sen斜率和MK-检验分析ET0和气象因子的时空变化，并借助FAO56-PM公式对ET0与气象因子的敏感性分析来定量化不同因子的变化对ET0变化的影响，得到以下主要结论：

（1）模拟得到逐日的潜在蒸散发的和与蒸发皿观测到的蒸散发的和之间的比值是0.55，模拟得到逐日逐站点的潜在蒸散发与蒸发皿观测得到的蒸散发的相关系数在0.84～0.98之间（剔除观测值为0的样本）和0.416～0.807之间（未剔除观测值为0的样本）。

（2）全国1960—2013年间，最高气温、最低气温、地表温度分别以0.19、0.39、0.37℃/10 a的速度呈现出上升的趋势，而风速、日照时长、相对湿度分别以-0.14 m/（s·10 a）、-0.15 h/10 a、-0.51%/10 a的速度呈现出下降的趋势。参考作物的蒸散量以-6.75 mm/a的速度呈现出下降的趋势。1960—2013年间全国范围内，最高气温和最低气温分别增加0.68℃和1.54℃，相应地导致ET0增加12.81 mm和14.13 mm；风速减少0.51 m/s，日照时长减少0.61 h，相对湿度减少2.84%，将分别导致蒸散量减少48.08，21.5，204.49 mm。

（3）空间上，在东北区域、华北区域和西北区域，蒸散量最敏感的气象因子是相对湿度，其次是风速；在西南区域和华中、华东区域，蒸散量最敏感的气象因子是相对湿度，其次是日照时长。潜在蒸散量减少最明显的是西北区域。