我国西南地区近56年参考作物蒸散量的敏感性分析

倪宁淇 李果 崔宁博 姜守政 唐琦 刘双美 廖功磊 王禄涛

摘要：参考作物蒸散量（ET0）是水文气象研究及水资源管理规划中的重要参数。基于1960—2015年我国西南地区96个气象站的逐日相对湿度（RH）、日照时数（n）、风速（u）、最低温度（Tmin）、最高温度（Tmax）和平均温度（Tmean）资料，采用1998年联合国粮食及农业组织（FAO）推荐的Penman-Monteith公式，计算近56年研究区的ET0，并分析ET0对各气象因子的敏感系数。结果表明，近56年我国西南地区的平均ET0为1 027.11 mm，在空间分布上表现为自东北向西南方向逐渐增大;全区ET0对气象因子敏感系数的绝对值排序为RH>n>Tmax>Tmean>u>Tmin，在空间分布上，RH、n、u敏感系数在研究区西部较高，Tmax敏感系数在以云贵高原的元江、广西盆地的北海为中心的地区较高，Tmean敏感系数在研究区东部及云贵高原西南部较高，Tmin敏感系数在广西盆地地区较高;RH、Tmax、u、Tmin敏感系数呈上升趋势，其中Tmax敏感系数显著（P<0.05）上升，其余气象因子的敏感系数呈极显著（P<0.01）上升趋势，n敏感系数呈极显著（P<0.01）下降趋势，Tmean敏感系数变化不明显;RH、Tmax与n敏感系数的年内变化特征为双峰型曲线，Tmean、u、Tmin敏感系数呈单峰型曲线;全区ET0的突变时间为1996年，突变时间以前ET0呈极显著（P<0.01）下降的趋势，气候倾向率为-13.437 mm/10年，突变时间后呈显著（P<0.05）上升趋势，气候倾向率为21.770 mm/10年。因此可见，西南全区及各分区参考作物蒸散量均对相对湿度的敏感性最高，除四川盆地外，其余分区对日照时数、最高温度的敏感性较高，四川盆地对平均温度的敏感性较高。

关键词：参考作物蒸散量（ET0）;气象因子;Penman-Monteith公式;敏感系数;中国西南地区;气候突变

中图分类号： S161.4 文献标志码： A

文章编号：1002-1302（2019）20-0298-07

参考作物蒸散量，又称潜在蒸散量（ET0），可以表征充分供水条件下大气的蒸散能力。量化区域ET0及其变化趋势，对于分析地区干湿程度、农业灌溉用水需求、水资源供需平衡等具有重要意义[1]。近几十年来，世界各地在ET0演变机制方面已有不少研究[2-5]，Golubev等发现，美国地区的ET0受太阳辐射和风速减弱的影响，呈下降趋势[2];Dinpashoh等发现，伊朗北部地區的ET0受风速上升和相对湿度减弱的影响，呈上升趋势[3];Chattopadhyay等发现，印度地区的ET0受相对湿度上升和辐射下降的影响，呈下降趋势[4];而Li等发现，我国西南地区的ET0受风速影响而呈下降趋势[5]。

与ET0相关的气象因子包括相对湿度、日照时数、风速、温度等，研究ET0对相关气象因子的敏感性，有助于分析与预测ET0在时空上的分配变化[6]。目前，已有很多学者参与到ET0影响因素的研究中[7-13]。在敏感性方面，Gong等研究发现，在我国长江流域地区，ET0对于相对湿度最为敏感[7];杨林山等研究了洮河流域ET0对气象因子的敏感性，结果发现，该流域对净辐射最为敏感[8]，这与刘昌明等对全国流域各片区的气象因子敏感性分析的研究结果相近[9];而迟道才等研究发现，近40年，辽宁省ET0对相对湿度变化最为敏感[10]，可见ET0在不同的地区气候条件下对气象因子的敏感性存在差异。

近年来，有关ET0的研究多集中在干旱半干旱地区，随着气候变化，我国西南地区的气候有变干的趋势[14]。本研究基于西南5个省份1960—2015年96个地面气象观测站的长序列观测数据，利用P-M模型计算出近56年的ET0，对影响ET0的6个气象因子[相对湿度（RH）、日照时数（n）、风速（u）、最高温度（Tmax）、最低温度（Tmin）、平均温度（Tmean）]进行敏感性分析，并通过Cramer突变检验、Mann-Kendall非参数检验、地理信息系统（GIS）反距离加权插值等方法，分析突变前后ET0及气象因子和敏感系数的变化规律和时空变化特征。研究气候变化下西南地区ET0的时空变化趋势及其对气象因子的响应规律，对于分析区域水文过程、水资源合理规划具有重要意义，可以为西南5个省份预测ET0趋势变化、调整农业结构、优化水资源分配、管理生态等提供基础参考。

1 研究地概况与资料

我国西南地区位于91°21′～112°04′E，20°54′～34°19′N，包括云南、贵州、四川、重庆和广西等地区，属温带、亚热带季风气候，该区域水资源较为丰富，年降水量在900 mm以上[15]。西南地区是我国地貌最复杂的区域之一，包括四川盆地及盆周地带、云贵高原山地丘陵地带，以及青藏高原高山地带等。根据地形地貌条件，可以将西南地区分为4个区域进行研究，分别是云贵高原、川西高原以及四川盆地、广西盆地[14]，如图1所示。

本研究的气象数据来源于国家气象中心，包括1960—2015年96个站点的逐日RH、n、u10（表示 10 m 高处的风速）、Tmax、Tmin、Tmean以及站点位置等数据。本研究区域和所选站点分布见图1。

2 材料与方法

2.1 FAO-56 Penman-Monteith公式

1998年联合国粮食及农业组织（FAO）推出的修正的Penman-Monteith模型是至今广泛采用的、计算ET0精度的较好的1种方法[16-18]，表达式如下：

2.2 敏感性分析

参考作物蒸散量对气象因子的敏感性，是指当气象因子变化时，潜在蒸散量的变化程度，可以通过敏感性分析公式进行定量计算，表达式如下[19-20]：

2.3 Cramer法检验气候突变

本研究中数据变化统计方法包括气候倾向率和Mann-Kendall趋势检验法，具体计算方法参照文献[22-23]。

3 结果与分析

3.1 参考作物蒸散量的时空分布及气象因子的变化趋势

西南地区的参考作物蒸散量区域差异极大（图2） ，ET0平均为1 027.11 mm，自东北向西南方向逐渐增大，最大值为1 509.81 mm，出现在元江站点;最小值为684.28 mm，出现在峨眉山站点。利用气候倾向率计算研究区及4个分区近56年的ET0与气象因子的变化趋势，如表1所示，云贵高原与川西高原地区的ET0呈上升趋势，广西盆地与四川盆地的ET0呈下降趋势，差异均未达显著水平。全区ET0以 -1.293 mm/10年的倾向率下降，这与我国大部分地区的ET0呈下降趋势的结论基本一致[6-10]。其中25.0%站点的下降水平显著（P<0.05），13.5%站点的下降水平极显著（P<0.01），显著下降的站点多集中于广西盆地、四川盆地及云贵高原东部;仅16.7%站点的上升水平显著（P<0.05），12.5%站点的上升水平极显著（P<0.01），显著上升的站点多集中于云贵高原西部，这与张青雯等对西南地区的研究结果[14]一致。

由表1还可以看出，气象因子在56年来发生了显著变化，在分区及全区的统计范围内，除川西高原的u变化未达极显著水平外，其余各气象因子的变化均达极显著水平（P<0.01）。各分区气象因子的变化趋势与全区的变化趋势相似，在全区范围内，RH（-0.535%/10年）、n（-0.092 h/10年）、u[-0.023 m/（s·10年）]呈极显著减小趋势;Tmax（0.172 ℃/10年）、Tmean（0.213 ℃/10年）、Tmin（0.254 ℃/10年）呈极显著增大趋势。

3.2 参考作物蒸散量对气象因子敏感系数的时空分布

ET0对各气象因子的敏感系数反映了ET0对气象因子年内变化的灵敏程度，其绝对值越大，表示ET0对相应气象因子的变化越敏感。全区范围内，根据式（2）计算西南地区ET0对气象因子的敏感系数。如表2所示，其中RH的敏感系数为负，其余5个要素的敏感系数为正;RH敏感系数的绝对值最大，其次是n;u敏感系数的绝对值最小。

3.2.1 气象因子敏感系数的空间分布 由图3可以看出，RH敏感系数的空间差异较大，最低仅有-1.18，出现在广西盆地南部的北海，最高可达-0.14，出现在云贵高原西南部的的景洪，在空间分布上表现为在云贵高原中部、东部及广西盆地的南部北海地区形成低值区，向外呈递增趋势，并在全区西部形成高值区。n敏感系数的变化范围为0.15～0.39，在四川盆地与云贵高原交界的中部地区形成低值区，向外逐渐递增，在云贵高原西南部形成高值区。Tmax敏感系數的变化范围为0.06～0.42，在全区中部及东北部形成低值区，以云贵高原的元江、广西盆地的北海为中心地区形成高值区。Tmean敏感系数的变化范围为0.02～0.28，在川西高原及其与云贵高原的交界地区，以及云贵高原的蒙自、屏边、元江地区形成低值区，在云贵高原西南部及全区东部形成高值区。u敏感系数的变化范围为-0.09～0.18，在全区中部形成低值区，在川西高原中西部和云贵高原的元江、屏边、蒙自及四川盆地的奉节与广西盆地的都安、桂林地区形成高值区。Tmin敏感系数的变化范围为-0.02～0.16，由全区西北部向南部及东南部逐渐递增，在川西高原形成低值区，在广西盆地及云贵高原的元江、蒙自、屏边形成高值区。总体来说，各区的气象因子敏感系数大小存在差异，但RH敏感性均为最高，除RH外，在云贵高原、川西北和广西盆地地区，ET0对n、Tmax的敏感性较高，在四川盆地地区，Tmean与n的敏感性较高。

3.2.2 气象因子敏感系数的多年变化趋势 西南地区各气象因子敏感系数的气候倾向率及M-K检验结果如图3、表3所示，可见近56年来西南地区气象因子的敏感系数变化明显，各个站点的变化趋势存在差异。全区RH敏感系数在各个站点的变化趋势差异较大，最终表现为全区的上升趋势，且达到极显著水平（P<0.01），其中广西盆地的变化趋势最大，为0.010/10年（P<0.05）;全区36.5%的站点升幅显著（P<0.05），30.2%的站点升幅极显著（P<0.01），显著上升的站点多分布于云贵高原、广西盆地及川西高原;20.8%的站点降幅显著（P<0.05），仅13.5%的站点降幅极显著（P<0.01）。全区n敏感系数呈极显著减小的趋势，其中四川盆地的变化趋势最大，为-0.006/10年（P<0.01）;全区58%的站点下降水平显著（P<0.05），51%的站点降幅极显著（P<0.01），显著上升的站点多分布于全区中南部;仅5.2%的站点升幅显著（P<0.05），2.1%的站点升幅极显著（P<0.01）。

由表3还可以看出，全区Tmax敏感系数呈显著增大趋势，各区的变化趋势差异不大，川西高原与广西盆地变化显著（P<0.05）;全区43.8%的站点升幅显著（P<0.05），38.5%的站点升幅极显著（P<0.01）;10.4%的站点降幅显著（P<0.05），8.3%的站点降幅极显著（P<0.01）。全区Tmean敏感系数呈下降趋势，其中川西高原呈上升趋势，但是变化不明显，广西盆地的变化趋势最大，为-0.007/10年（P<0.05），云贵高原的变化趋势最明显，为-0.003/10年（P<0.01）;全区43.8%的站点降幅显著（P<0.05），37.5%的站点降幅极显著（P<0.01），多集中于广西盆地西南部与云贵高原;17.7%的站点降幅显著（P<0.05），13.5%的站点升幅极显著（P<0.01）。全区u敏感系数呈极显著上升趋势（P<0.01），各区的变化趋势差异不大;56.3%的站点呈显著上升趋势（P<0.05），49.0%的站点升幅极显著（P<0.01）;仅4.2%的站点呈显著下降趋势（P<0.05），2.1%的站点降幅极显著（P<0.01）。全区Tmin敏感系数呈极显著上升趋势（P<0.05），仅四川盆地呈不显著的上升趋势;全区65.6%的站点升幅显著（P<0.05），58.3%的站点升幅极显著（P<0.01），显著上升的站点在全区内分布较均匀;仅8.3%的站点显著下降（P<0.05），6.3%的站点降幅极显著（P<0.01）。

3.3 气象因子敏感系数的年内变化分析

以ET0对各气象要素的敏感系数多年月平均值为代表值，分析其年内逐月变化。由图4可以看出，n敏感系数表现为夏季高、冬季低，最低值出现在1月，6月之后增长变快，在8月达到最高值0.33;u敏感系数在夏季低、冬季高，最低值0.04出现在7月，最高值0.12出现在12月;Tmin、Tmean敏感系数表现为夏季高、冬季低，最高值出现在7月，7月Tmean敏感系数为0.22，Tmin敏感系数为0.09;Tmax敏感系数的变化规律与Tmin、Tmean敏感系数相似，而最大值0.22出现在5月，且在6月有1个局部低值0.19;RH敏感系数为负值，其绝对值表现为夏季低、冬季高，最大绝对值出现在1月，为0.69，最小绝对值出现在8月，为0.45。此外还可以看出，各个月份的ET0均对RH的敏感性最大，除冬季外，ET0对n、Tmean、Tmax的敏感性较高，在冬季的12月、1月，ET0对u的敏感性超过了Tmean。总体来说，RH、Tmax、n敏感系数的年内变化特征为双峰型曲线，其他气象因子呈单峰型曲线。

3.4 基于Cramer法则的ET0突变检验分析

由于Cramer突变检验子序列的选择带有人为性，使最终结果存在误差，为了减小此误差，在本试验中多次变动子序列年份的长度，以得到最明显的结果。如图5所示，研究全区1996年对应的t=-3.339，确定显著性α=0.01，临界值t0=-3.25，|t|>|t0|，存在显著差异，即全区在1996年发生突变。由表4可以看出，1960—1995年全区的ET0呈极显著下降趋势（P<0.01），气候倾向率为-13.437 mm/10年，1996—2015年呈显著上升趋势（P<0.05），气候倾向率为21.770 mm/10年。各分區在突变前后的变化趋势与全区检验结果相似，但是各分区由于气候条件不同，突变显著性及年份也有差异。云贵高原的突变时间为1996年，显著性α=0.01;川西高原的突变时间为1999年，显著性α=0.02;广西盆地的突变时间为1996年，显著性α=0.05;四川盆地的突变时间为1992年，显著性α=0.01。该研究结果与刘娜等在相关地区的突变检验结果[24-25]相符。

基于突变时间点，进行气象因子变化分析。结果显示，参考作物蒸散量受到气象因子的综合影响，因此基于ET0突变点，分析西南5个省份气象因子的前后变化趋势。如表4所示，近56年来，气象因子发生了显著变化，在全区范围内，Tmean、Tmin在2个时段均呈上升趋势，Tmax在2个时段的变化不明显，温度气象因子在突变前后的相对变化性并不强，Tmin的变化由极显著上升转为显著上升，这与刘昌明等指出的1960—2007年全国10大流域片区内Tmin显著上升的结论[9]一致。RH在突变年份以前呈上升趋势，气候倾向率为 0.127%/10年，在突变年份后则呈显著下降趋势，气候倾向率为-1.536%/10年（P<0.05）。n、u在突变年份以前呈下降趋势，其中n呈极显著下降趋势（-0.015 h/10年，P<0.01），u呈显著下降趋势[-0.019 m/（s·10年），P<0.05];在突变年份后呈上升趋势，其中u为极显著上升[0.075 m/（s·10年），P<0.01]。各分区与全区气象因子的变化具有相似性，但存在一定差异，在云贵高原和广西盆地地区，突变年份前后，RH均呈下降趋势;在川西高原，Tmax、u在2个时段内均呈上升趋势，且在突变年份后，Tmax的上升趋势达显著水平（P<0.05），u的上升趋势达极显著水平（P<0.01）。四川盆地地区各气象因子均具有相对的变化趋势。同样对敏感系数进行分时段分析（表略），发现敏感系数值在突变年份前后相差不大。在全区范围内，1996年前的RH敏感系数变化不明显，1996年后变化显著，其气候倾向率为-0.037/10年（P<0.05），具有较明显的相对性。u、Tmin、Tmax敏感系数均由不明显趋势变为显著增大趋势，其中Tmin、Tmax敏感系数的变化达极显著水平，突变年份后，Tmin敏感系数的变化趋势为0.005/10年（P<0.01），Tmax敏感系数的变化趋势为0.019 ℃/10年（P<0.01）。n敏感系数则由极显著降低趋势（-0.008 h/10年，P<0.01）变化到不明显降低趋势。Tmean敏感系数的相对变化不大。敏感系数高的气象因子对ET0的变化不一定具有决定作用，ET0的变化及突变是气象因子综合作用的结果。因此可见，定量分析ET0变化的成因，需要从贡献率着手论证。

4 讨论

已有研究发现，我国西南地区的ET0在近几十年来呈下降趋势[14，27]，本研究得到了一致的结论。而本研究发现，西南地区的ET0在1996年存在突发性改变，即在1960—1995年，ET0呈极显著下降趋势，气候倾向率为-13.437 mm/10年（P<0.01）;在1996—2015年，ET0呈显著上升趋势，气候倾向率为21.770 mm/10年（P<0.05）。本研究认为，ET0突发性的上升趋势可能造成了西南地区农业用水的增加，与前人的研究结论存在差异[14]。ET0受气象因子的综合影响而产生突变，在本研究中，基于ET0突变点，RH、n、u具有较明显的相对变化性，温度变化并无明显的相对性，而研究区ET0对RH、n的敏感性较强。综合分析发现，RH、n、u可能是影响西南地区ET0变化的主要因素，这与前人的如下研究结果相似：西南地区的ET0受n影响最大，云贵高原的ET0变化主要受到u的影响;川西北高原的ET0上升主要受到Tmin上升的影响;川西南山地的ET0下降主要受到u下降的影响;广西丘陵、四川盆地、贵州高原的ET0下降主要受到n下降的影响[26-28]。

气象因子变化与大气环流有密切联系，从空气动力学角度出发[29]，近几十年来西南季风减弱[30]可能是西南地区ET0下降的一个重要原因。张志斌等对我国西南地区u变化的研究发现，2000年前u的下降可能是由于西风环流和季风环流风速的减弱，2000年后u的加强则与纬向风的加强有关，且气象因子本身互相影响，温度变化也是影响u的一个重要原因[31]。杨小梅等对西南地区n的研究发现，n与u的变化呈现相同趋势，与RH的变化呈现反向趋势[32]，这与本研究中突变前后气象因子的变化趋势一致。本研究认为，通过分析突变前后的气象因子变化，对于分析ET0的变化更加准确。由于篇幅所限，本研究并未对ET0的成因进行深入分析，需要指出的是，ET0对气象因子的敏感系数并不是ET0变化的决定性因素，若要进一步研究ET0的具体变化，需要综合敏感性系数和气象因子的多年变化程度，得出气象因子对ET0的贡献率后再作比较。

5 结论

（1）在时间尺度上，西南地区近56年来的年均ET0为 1 027.11 mm，全区的ET0呈下降趋势（倾向率为 -1.293 mm/10年），但并不显著;气象因子均发生显著变化，RH、n、u呈极显著下降趋势（P<0.01），Tmax、Tmean、Tmin呈极显著上升趋势（P<0.01）。温度增加，而潜在蒸散量减少，表明研究区存在“蒸发悖论”现象[32]。在空间分布上，西南地区的ET0具有明显的地区差异性，总体上呈现自东北向西南增大的趋势;从局部区域看，云贵高原西南部的ET0最高，四川盆地的ET0最低，且四川盆地、广西盆地地区的ET0呈下降趋势，川西高原、云贵高原的ET0呈上升趋势。即在高值区ET0呈现上升趋势，在低值区多呈现下降趋势。

（2）敏感分析显示，研究区内RH对ET0为负效应，其余研究气象因子呈正效应。气象因子敏感系数绝对值大小表现为RH>n>Tmax>Tmean>u>Tmin。各气象因子的敏感系数空间分布区域性差别显著，RH、n、u敏感系数在研究区西部形成高值区，Tmax敏感系数在云贵高原的元江、广西盆地的北海等地区形成高值区，Tmean敏感系数在研究区东部及云贵高原西南部较高，Tmin敏感系数在广西盆地地区较高。

（3）在年际尺度上 RH、Tmax、u、Tmin的敏感系数呈上升趋势，其中Tmax的敏感系数显著上升（P<0.05），其余气象因子的敏感系数极显著上升（P<0.01），n的敏感系数呈极显著下降趋势（P<0.01），Tmean的敏感系數变化不明显。在年内（月）尺度上，西南地区各气象因子敏感系数的变化趋势有差异，RH、Tmax、n敏感系数的变化特征为双峰型曲线，其中RH敏感系数的双峰特征并不明显;Tmean、u、Tmin的敏感系数呈单峰型曲线;n敏感系数的双峰型特征与梁丽乔等关于敏感系数年内曲线为单峰型的结论[6]存在差异。除冬季外，ET0对n、Tmean、Tmax的敏感性较高，冬季u的敏感性超过Tmean。

（4）研究区ET0的突变时间为1996年，各分区由于气候条件的不同而存在差异，但前后不超过4年。在突变前，全区的ET0呈极显著降低趋势（P<0.01），倾向率为 -13.437 mm/10年;突变后呈显著上升趋势（P<0.05），倾向率为21.770 mm/10年。基于ET0突变点，气象因子发生了显著变化，RH由不明显上升趋势转为显著下降趋势（P<0.05）;n由显著下降趋势（P<0.05）转为不明显上升趋势，u由显著下降趋势（P<0.05）转为极显著上升趋势（P<0.01），而Tmean、Tmin、Tmax的相对变化性不明显。气象因子敏感系数在突变年份前后的差异不大。

参考文献：

[1]Li C，Wu P T，Li X L，et al. Spatial and temporal evolution of climatic factors and its impacts on potential evapotranspiration in Loess Plateau of Northern Shaanxi，China[J]. Science of the Total Environment，2017，589（2）：165-172.

[2]Golubev V S，Lawrimore J，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）：2665-2668.

[3]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.

[4]Chattopadhyay N，Hulme 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.

[5]Li Z X，Feng Q，Liu W，et al. Spatial and temporal trend of potential evapotranspiration and related driving forces in Southwestern China，during 1961—2009[J]. Quaternary International，2014，336：127-144.

[6]梁丽乔，李丽娟，张 丽，等. 松嫩平原西部生长季参考作物蒸散发的敏感性分析[J]. 农业工程学报，2008，24（5）：1-5.

[7]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 （Yangtze River） basin[J]. Journal of Hydrology，2006，329（3/4）：620-629.

[8]杨林山，李常斌，王帅兵，等. 洮河流域潜在蒸散发的气候敏感性分析[J]. 农业工程学报，2014，30（11）：102-109.

[9]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.

[10]迟道才，许杏娟，陈涛涛，等. 主要气象要素对参考作物腾发量影响的敏感性分析[J]. 沈阳农业大学学报，2014，45（6）：714-718.

[11]Song X Y，Zhu K，Lu F，et al. Spatial and temporal variation of reference evapotranspiration under climate change：a case study in the Sanjiang Plain，Northeast China[J]. Hydrology Research，2018，49（1）：251-265.

[12]Zheng C，Wang Q. Spatiotemporal pattern of the global sensitivity of the reference evapotranspiration to climatic variables in recent five decades over China[J]. Stochastic Environmental Research & Risk Assessment，2015，29（8）：1937-1947.

[13]Tabari H，Talaee P H. Sensitivity of evapotranspiration to climatic change in different climates[J]. Global and Planetary Change，2014，115（8）：16-23.

[14]張青雯，崔宁博，冯 禹，等. 中国西南五省参考作物蒸散量时空变化分析[J]. 灌溉排水学报，2016，35（11）：80-87.

[15]庞 晶，覃 军. 西南干旱特征及其成因研究进展[J]. 南京信息工程大学学报（自然科学版），2013，5（2）：127-134.

[16]董 煜，海米提·依米提. 1961—2013年新疆潜在蒸散量变化特征及趋势[J]. 农业工程学报，2015，31（1）：153-161.

[17]罗那那，巴特尔·巴克，吴燕锋. 石河子地区参考作物蒸散量变化特征及气候因子的定量分析[J]. 水土保持研究，2016，23（5）：251-255.

[18]Allen R G，Pereira L S，Raes D，et al. Crop evapotranspiration：guidelines for computing crop water requirements-FAO irrigation and drainage paper 56[R]. Rome：Food and Agriculture Organization of the United Nations，1998.

[19]赵彩霞 梅旭荣，居 辉，等. 黄淮海平原各农业亚区潜在蒸散量变化及其对气候要素的敏感性分析[J]. 中国农业气象，2015，36（5）：570-577.

[20]王晓东，马晓群，许 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.

[21]符淙斌，王 强. 气候突变的定义和检测方法[J]. 大气科学，1992，16（4）：482-493.

[22]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.

[23]Hamed K H，Rao A R. A modified Mann-Kendall trend test for autocorrelated data[J]. Journal of Hydrology，1998，204（1/2/3/4）：182-196.

[24]刘 娜，王艳君，宗 燕. 长江流域参照蒸发量突变及其原因分析[J]. 人民长江，2013，44（3）：6-9.

[25]王建兵，王素萍，汪治桂. 1971—2010年若尔盖湿地潜在蒸散量及地表湿润度的变化趋势[J]. 地理科学，2015，35（2）：245-250.

[26]赵 璐，梁 川. 近50年来四川省潜在蒸散量变化成因研究[J]. 水土保持研究，2014，21（4）：26-30.

[27]张伟伟，王 允，张国斌. 西南地区1960—2013年参考作物蒸散量时空变化特征及成因分析[J]. 中国农学通报，2016，32（2）：135-141.

[28]陈 超，庞艳梅，潘学标，等. 四川地区参考作物蒸散量的变化特征及气候影响因素分析[J]. 中国农业气象，2011，32（1）：35-40.

[29]Roderick M L，Rotstayn L D，Farquhar G D. On the attribution of changing pan evaporation[J]. Geophysical Research Letters，2007，34（17）：1-6.

[30]He Y Q，Wang Y J，Kong X G，et al. High resolution stalagmite δ18O records over the past 1 000 years from Dongge Cave in Guizhou[J]. Chinese Science Bulletin，2005，50（10）：1003-1008.

[31]张志斌，杨 莹，张小平，等. 我国西南地区风速变化及其影响因素[J]. 生态学报，2014，34（2）：471-481.

[32]杨小梅，安文玲，张 薇，等. 中国西南地区日照时数变化及影响因素[J]. 兰州大学学报（自然科学版），2012，48（5）：52-60.