江淮区域农田参考作物蒸散量变化特征及其成因分析

王曼丽 李卫国 熊世为

摘要：为深入了解江淮区域农田参考作物蒸散变化特征及其对气候变化的响应，利用联合国粮食及农业组织（Food and Agriculture Organization of the United Nations，简称FAO）推荐的Penman-Monteith模型和位于江淮区域的安徽省滁州地区7个站点1961—2017年逐日气象观测资料计算该地区的参考作物蒸散量（ET0），在分析ET0区域时空变化特征的基础上，探讨影响区域农田ET0的主导气象因子。结果表明，研究区域ET0的年平均值为993.8 mm，夏季最大，春、秋季次之，冬季最小，空间上呈西北大东南小的分布特征。ET0的年际变化呈显著减小趋势，变率为 -1.41 mm/年，从季节上看，除春季略有增大外，其余3季均呈减小趋势，其中夏季的减小趋势最明显，ET0的减小趋势是一个突变现象，突变点为1972年。气温和相对湿度的变化引起ET0的上升，为正贡献;风速和日照时数的变化引起ET0下降，为负贡献，其中风速是该地区ET0变化的主导气象因子。探讨江淮区域农田参考作物蒸散量对气候变化的响应，对加强该区域农业灌溉效率和优化农业水资源配置具有重要参考意义。

关键词：农田水分;参考作物蒸散量;时空变化特征;主导气象因子;江淮区域;农业灌溉效率;优化水资源配置

气候变化是全球的关注热点，应对气候变化已成为世界各国政府的重要课题[1]。在气候变化背景下，农业成为受影响最大的产业，就我国而言，大量的研究显示，气候变化已导致作物的种植结构[2]、生育期[3-4]、种植界限[5]等发生了显著变化。参考作物蒸散量（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，利用参考作物蒸散量乘以作物系数即可得到作物的实际需水量，因此ET0是合理利用农业水资源的重要依据，也是评价气候变化对农业影响的重要指标[6]。ET0估算方法可归纳为综合法、辐射法、温度法和蒸发皿法四大类[7]。联合国粮食及农业组织（Food and Agriculture Organization of the United Nations，简称FAO）推荐的Penman-Monteith模型以能量平衡和水汽扩散理论为支撑，具有坚实的理论基础[8]，该方法估算精度较高，应用范围较广。受气候变化影响，全球大部分地区ET0呈减小趋势[9-10]，国内外学者对ET0的时空变化特征和影响因素等进行了大量研究[11-14]。

江淮区域是我国重要的粮食生产基地，属亚热带气候区向暖温带气候区的过渡区域，温光适宜，雨热同季，但降水时空分布不均，旱涝等气候灾害频繁。本研究拟采用FAO推荐的Penman-Monteith模型分析位于江淮区域的安徽省滁州地区1961—2017年ET0的变化特征，并定量分析主要气候要素对ET0变化的影响，以期为江淮区域提高农业灌溉效率及优化水资源配置提供决策参考。

1 资料与方法

1.1 资料来源及处理

气象数据来源于安徽省滁州市氣象局，选取滁州市下辖的滁州、来安、全椒、天长、定远、凤阳和明光7个站点（图1）1961—2017年的逐日观测数据进行试验，观测项目包括最高气温、最低气温、日照时间、相对湿度、平均风速、平均气压。数据质量较高，个别缺测数据用其邻近气象站的数据进行差值订正。

2 结果与分析

2.1 区域农田参考作物蒸散量的空间变化

1961—2017年，位于江淮区域的滁州地区ET0的年平均值为993.8 mm，其中夏季最大，为397.6 mm，约占全年的40%;其次为春季、秋季，分别为284.9、208.9 mm，占全年的29%、21%;冬季最小，仅为102.5 mm，约占全年的10%。

从空间分布（图2）上看，明光站点的ET0年平均值最大，为1 019 mm，天长站点最小，为963 mm，最大值和最小值之间相差56 mm，整体呈现较明显的由西北向东南递减的特征。春季各地ET0为277～296 mm，最大值和最小值之间相差 19 mm，空间上与年平均值分布特征一致，同样呈现明显由西北向东南递减的特征;夏季各地ET0为382～409 mm，最大值和最小值之间相差27 mm，空间上同样呈现明显由西北向东南递减的特征;秋季各地ET0为203～212 mm，最大值和最小值之间相差9 mm，空间上差异不明显;冬季各地ET0为 100～105 mm，空间上呈明显北少南多的分布特点，但差值不大，最大值和最小值之间仅相差5 mm。综上所述，滁州地区年平均ET0整体呈由西北向东南递减的空间分布趋势，且主要体现在春、夏2季。

2.2 区域农田参考作物蒸散量的时间变化

由图3、表1可知，研究区域年平均ET0总体呈减小趋势，且研究区域总体气候变率为-1.41 mm/年，递减趋势通过95%显著性检验。7个站点年平均ET0均呈减少趋势，其中滁州、全椒、定远、凤阳和明光等5个站点的减少趋势通过95%显著性检验，其中凤阳站的减少幅度最大，达 -2.97 mm/年，来安站的减小幅度最小，为-0.57 mm/年。从不同季节来看，春季ET0气候变率除凤阳站外，均呈增加趋势，总体以0.26 mm/年的气候变率增大，凤阳站的递减趋势不显著，没有通过95%显著性检验;各地夏、秋、冬3季ET0气候变率均呈减少趋势，总体气候变率分别为-1.20、-0.30、-0.17 mm/年，其中仅夏季的减小趋势通过了95%显著性检验，因此，该地区ET0气候变率年际变化呈下降趋势是由夏季ET0气候变率显著减少主导的。

对1961—2017年滁州市年平均ET0时间序列进行MK检验，由UF曲线（图4）可以看出，从20世纪70年代开始，滁州市年平均ET0出现减少趋势，80年代该减少趋势超过显著性水平0.05临界线，表明这种减少趋势是显著的，根据UF和UB曲线交点的位置可以确定该地区年平均ET0的减少趋势是一种突变现象，突变点为1972年。

2.3 区域农田参考作物蒸散量变化的主导因子

2.3.1 主导因子定性分析 ET0的变化受温度、湿度、辐射和风速等气象因子影响，高温、高风速、低湿和长日照有利于出现高的蒸散量[19]，因此有必要分析该地区相关气象要素的变化特征。图5给出的是研究区域气温、风速、相对湿度和日照时数等有关气象要素的空间分布，其中该地区1961—2017年年平均气温空间分布总体呈南高北低的特征，最高值出现在南部的全椒站，为15.77 ℃，最低值出现在北部的凤阳站，为15.03 ℃。年平均风速总体呈西高东低的空间分布特征，其中定远站最大，为2.77 m/s，东部的天长站最小，为 2.29 m/s。年平均相对湿度呈西北低东南高的空间分布特征，其中明光站最小，为73.50%，天长站最大，为76.70%。年平均日照时数总体呈西北长东南短的空间分布特征，其中定远站最长，为5.83 h，滁州站最短，为5.32 h。结合年平均ET0西北高东南低的空间分布趋势，可以初步说明，这种分布趋势由该地区西北部高风速、低湿度和高日照时数主导。

从表2可以看出，各地年平均气温均呈上升趋势，其中上升幅度最大的为天长站， 变率为0.032 ℃/年， 最小的为凤阳站，变率为0.010 ℃/年，各站平均变率为0.024 ℃/年，上升趋势均通过95%显著性检验。各地年平均风速均呈减小趋势，其中减小幅度最大的为天长站，变率为-0.036 m/（s·年），最小的为滁州站，变率为-0.018 m/（s·年），各站平均变率为-0.028 m/（s·年），减小趋势均通过95%显著性检验。各地年平均相对湿度基本呈减小趋势，其中减小幅度最大的为天长站，变率为-0.140%/年，最小的为滁州站，变率为 -0.006 m/（s·年），各站平均变率为-0.047%/年，除滁州站、定远站外，其他站点的变率均通过95%显著性检验。各站点年平均日照时数均呈减少趋势，其中减少幅度最大的为滁州站，变率为-0.035 h/年，最小的为来安站，变率为 -0.012 h/年，各站平均变率为-0.024 h/年，减少趋势均通过95%显著性检验。结合该地区全年ET0变率的降低趋势可定性判定，ET0的降低是由日照时数和风速的降低导致的。

2.3.2 主导因子定量分析 从表3可以看出，气温的明显上升均对该区域的ET0表现为正贡献，平均贡献率为 0.71 mm/年，其中滁州站最大，为0.92 mm/年，凤阳站最小，为 0.37 mm/年。风速的明显下降导致该地区的ET0随之下降，各站点均表现为负贡献，平均贡献率为-1.43 mm/年，负贡献最大的是明光站，贡献率为-2.09 mm/年，最小的为定远站，贡献率为-0.89 mm/年。由于除了凤阳站的湿度略微上升导致对ET0负贡献外，其余站点湿度下降，导致总体对该地区ET0表现为正贡献。日照时数的减少使得该地区ET0降低，平均贡献率为-1.28 mm/年，负贡献最大的为滁州站，贡献率为-2.11 mm/年，最小的为来安站，贡献率为 -0.55 mm/年。气温的升高和相对湿度的降低引起ET0的增大，表现为正贡献，风速和日照时数的减小引起ET0的减小，表现为负贡献，其中负贡献的程度大于正贡献，因此1961—2017年该地区ET0呈下降趋势，其中风速的负贡献最大，是该地区ET0变化的主导气象因子。

从表4可以看出，各站点、各季节间ET0变化的主导因子存在区别，ET0年变化的主导因子有3个站点为日照时数，其余均为风速。夏季ET0变化的主导因子均为日照时数，秋、冬季ET0变化的主导因子基本为风速，春季ET0变化主导因子有4个站点为相对湿度，其余为风速。不论是年变化还是季节变化，气温均没有成为ET0变化的主导因子。

3 结论

本研究基于FAO推荐的Penman-Monteith模型和位于江淮区域的滁州地区7个站点1961—2017年逐日气象观测资料估算了该地区参考作物蒸散量（ET0），分析了ET0的时空变化特征，并定量探讨了影響区域ET0的主导气象因子，主要得出如下结论： （1）研究区域1961—2017年农田ET0的年平均值为993.8 mm，夏季最大，春、秋季次之，冬季最小，各站点年平均ET0在空间上呈西北大东南小的分布特征，春、夏2季ET0的空间分布趋势类似，秋、冬2季空间分布差异不明显。（2）研究区域1961—2017年农田ET0的年际变化呈显著减小趋势，变率为-1.41 mm/年，从季节上看，除春季略有增大外，其余3季均呈减小趋势，其中夏季的减小趋势最明显，变率为-1.20 mm/年。ET0的减小趋势是一个突变现象，突变点为1972年。（3）研究区域农田气温的升高和相对湿度的降低引起ET0的增大，为正贡献，风速和日照时数的减小引起ET0的减小，为负贡献，但负贡献的程度大于正贡献，其中风速的负贡献最大，是该地区ET0变化的主导气象因子。夏季该地区ET0变化的主导因子为日照时数，秋、冬季基本为风速。

参考文献：

[1]沈永平，王国亚. IPCC第一工作组第五次评估报告对全球气候变化认知的最新科学要点[J]. 冰川冻土，2013，35（5）：1068-1076.

[2]李祎君，王春乙. 气候变化对我国农作物种植结构的影响[J]. 气候变化研究进展，2010，6（2）：123-129.

[3]杨建莹，梅旭荣，刘 勤，等. 气候变化背景下华北地区冬小麦生育期的变化特征[J]. 植物生态学报，2011，35（6）：623-631.

[4]肖登攀，陶福禄，沈彦俊，等. 华北平原冬小麦对过去30年气候变化响应的敏感性研究[J]. 中国生态农业学报，2014，22（4）：430-438.

[5]杨晓光，刘志娟，陈 阜. 全球气候变暖对中国种植制度可能影响Ⅰ.气候变暖对中国种植制度北界和粮食产量可能影响的分析[J]. 中国农业科学，2010，43（2）：329-336.

[6]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.

[7]秦孟晟，郝 璐，施婷婷，等. 秦淮河流域五种参考作物蒸散量估算方法的比较及改进[J]. 中国农业气象，2016，37（4）：390-399.

[8]樊 军，邵明安，王全九. 黄土区参考作物蒸散量多种计算方法的比较研究[J]. 农业工程学报，2008，24（3）：98-102.

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

[10]吴绍洪，尹云鹤，郑 度，等. 近30年中国陆地表层干湿状况研究[J]. 中国科学（D辑：地球科学），2005，35（3）：276-283.

[11]Dinpashoh Y，Jhajharia D，Fakheri-Fard A A，et al. Trends in reference crop evapotranspiration over Iran[J]. Journal of Hydrology，2011，399（3/4）：422-433.

[12]Croitoru，Adina-Eliza，Piticar，Adrian，et al. Recent changes in reference evapotranspiration in Romania[J]. Global and Planetary Change，2013，111：127-136.

[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）：378-387.

[14]刘昌明，张 丹. 中国地表潜在蒸散发敏感性的时空变化特征分析[J]. 地理学报，2011，66（5）：579-588.

[15]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.

[16]施 能，陈家其，屠其璞. 中国近100年来4个年代际的气候变化特征[J]. 气象学报，1995，53（4）：431-439.

[17]孙 鹏，张 强，陈晓宏，等. 鄱阳湖流域水沙时空演变特征及其机理[J]. 地理学报，2010，65（7）：828-840.

[18]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.

[19]杨永刚，崔宁博，胡笑涛，等. 中国粮食主产区参考作物蒸散量演变特征与成因分析[J]. 中国农业气象，2018，39（4）：245-255.张立强，简 卿，晏希宁，等. 冀西北国家重点生態功能区景观格局时空变化及驱动力研究——以河北省怀来县为例[J]. 江苏农业科学，2019，47（6）：231-238.