吉林省参考作物蒸散量时空分布及成因分析

刘玉汐，任景全，王冬妮，穆佳，崔佳龙，陈长胜*，陈曦，郭春明

1. 吉林省气象台，吉林 长春 130062；2. 吉林省气象科学研究所，吉林 长春 130062； 3. 吉林省突发事件预警信息发布中心，吉林 长春 130062

参考作物蒸散量（ET0）是计算水分亏缺、农业干旱程度的重要参数，对农业生产中的水资源分配研究具有重要参考价值。ET0的变化及成因是当前的研究热点。1961—2015 年中国年平均ET0以0.52 mm·a-1的速率递减（吴霞等，2017）。在区域尺度上，东北地区、华北平原、西北地区ET0均呈下降趋势（张淑杰等，2010；段春锋等，2011；王鹏涛等，2014）。由于时间尺度和环境因素的影响，在不同流域上，ET0的变化也存在差异。淮河流域、黑河流域ET0整体上呈下降趋势，石羊河流域、三江源区ET0呈上升趋势（马宁等，2012；姚玉璧等，2013；周秉荣等，2014；曹永强等，2015）。可知，我国ET0整体上呈下降趋势，但不同地区略有差异。

在气候变化背景下，气象因子是导致ET0变化的主要影响因素。研究表明，20 世纪90 年代之前，风速和日照时数分别是我国北方和南方多数站点ET0变化的主导因子；20 世纪90 年代之后，气温和相对湿度是多数站点ET0变化的主导因子（曹雯等，2015）。杨永刚等（2018）认为风速的减小是造成中国粮食主产区ET0减小的首要原因。鄱阳湖流域、山东、安徽、海南省ET0下降的主要原因是风速和日照时数的减少（吴文玉等，2013；董旭光等，2016；涂安国等，2017；邹海平等，2018）。以上研究说明风速和日照时数是影响ET0变化的主要气象因子。钱多等（2017）研究表明气温是影响毛乌素沙地ET0年变化的主导因子。在四川省中海拔和低海拔区域，ET0变化主要驱动要素为风速，而在高海拔则主要为温度及相对湿度（张杨等，2018）。随着研究区域的不同，ET0的主导因子也不尽相同，导致了ET0变化趋势的差异。

吉林省是农业大省也是生态大省，水资源短缺是影响农业生产和生态环境的难题。随着全球变化，吉林省ET0也发生着变化，但ET0变化的主导气象因子还不明确。鉴于此，利用吉林省46 个气象站点观测数据序列，基于Penman-Monteith 公式计算ET0，研究其时空变化规律，利用敏感性分析法定量分析各气象因子对ET0的影响，研究结果有利于了解气候变化对水资源的影响，为水资源合理分配提供重要参考。

1 资料与方法

1.1 研究区域概况

吉林省地处中国东北地区腹地，地貌形态差异明显，地势由东南向西北倾斜，呈现明显的东南高、西北低的特征，可分为东部山地、中部台地平原区和西部草甸、湖泊、湿地、沙地区。吉林省属于温带大陆性季风气候，四季分明，雨热同季，从东南向西北由湿润气候过渡到半湿润气候再到半干旱气候。

1.2 资料来源

本文资料为1961—2018 年吉林省46 个气象站点逐日气象观测资料（平均气温、最高气温、最低气温、露点温度、相对湿度、风速、日照时数），地理信息数据包括各站点经纬度、海拔和研究区域行政边界。气象观测资料和地理信息数据均来源于吉林省气象局。吉林省气象站点分布见图1。

图1 吉林省气象站点分布 Fig. 1 Spatial distribution of meteorological station in Jilin province

1.3 研究方法

1.3.1 参考作物蒸散量（ET0）的计算方法

参考作物蒸散量（ET0）的计算采用联合国粮农组织推荐的Penman-Monteith 公式（Allen et al.，1998），其形式如下：

式中，ET0为参考作物蒸散量（mm·a-1）；Δ为饱和水汽压曲线斜率（kPa·℃-1）；Rn为地表净辐射（MJ·m-2·d-1）；G 为土壤热通量（MJ·m-2·d-1），计算中计为0；γ为干湿表常数（kPa·℃-1）；θ 为平均气温（℃），为日最高气温和日最低气温的平均值；u2为2 m 高度处的风速（m·s-1）；es为饱和水汽压（kPa）；ea为实际水汽压（kPa），由露点温度计算得出。

1.3.2 参考作物蒸散量对气象因子的敏感系数

敏感系数大小可反应气象因子变化对ET0的影响程度，敏感系数为ET0的相对变化量与单个气象因子相对变化量之比：

式中，SVi为敏感系数，无量纲；ΔET0和ΔVi分别为ET0和Vi的变化量。SVi的正或负分别表示ET0随气象因子的增加而增加或减小，其绝对值越大表示ET0对该气象因子的变化越敏感。

1.3.3 气象因子对参考作物蒸散量的贡献率

将单个气象因子的敏感系数与该要素的多年相对变化相乘，可得到由此因子引起的ET0的变化，即该因子对ET0变化的贡献，其中引起ET0增加称为正贡献，引起ET0减小称为负贡献。具体表达形式如下：

式中：ConVi为气象因子Vi对ET0变化的贡献率，RCVi（%）是Vi的多年相对变化，可基于吉林省58 年Vi的平均值Vav和逐年变化率t 计算得到，其中逐年变化率t 由趋势分析法计算得到。

1.3.4 其它方法

年和季节尺度的ET0均由逐日ET0计算而来。采用ArcGIS 10.0 反距离加权空间插值法研究区域参考作物蒸散量的空间变化特征。利用Excel 2010软件，采用线性回归方法进行数理统计分析，并进行显著性检验。

2 结果与分析

2.1 参考作物蒸散量时空变化

2.1.1 参考作物蒸散量空间变化

吉林省各站点ET0多年平均值的空间分布特征见图2，由图2a 可见，ET0呈由西向东逐渐降低趋势分布，其中，靖宇站最低，为811.4 mm，通榆站最高，为1 170.0 mm。从地理分布看，西部(1 086.3 mm)＞中部(1 000.8 mm)＞东部(873.5 mm)。从变化率看（图2b），37 个站点呈降低趋势，变化范围为-3.14 mm·a-1— -0.01 mm·a-1，17 个站点通过了0.05 的显著性水平检验，西部降低变化率要高于东部。集安、二道和长白站呈增加趋势，变化率分别为0.80、1.29 、2.02 mm·a-1。

2.1.2 参考作物蒸散量时间变化

图2 1961—2018 年吉林省年平均ET0和变化率空间分布 Fig. 2 Spatial distribution of the average annual and changing rates of reference crop evapotranspiration in Jilin province during 1961-2018

图3 1961—2018 年吉林省ET0的年际和季节变化 Fig. 3 Annual and seasonal change of reference crop evapotranspiration in Jilin province during 1961-2018

1961—2018 年吉林省ET0呈降低趋势，变化率为-0.57 mm·a-1，变化趋势不显著（图3）。ET0多年平均值为955.7 mm，2012 年最低，为881.4 mm，1982 年最高，为1 063.5 mm。从年代际变化看，20世纪60 年代最高，为981.0 mm，20 世纪90 年代最低，为932.1 mm。从季节看，春季、夏季、秋季和冬季ET0平均值分别为315.1、389.2、194.0、57.5 mm。夏季最高，春季次之，其次为秋季，冬季最低。春季、夏季和秋季ET0呈降低趋势，变化率分别为-0.35、-0.21、-0.04 mm·a-1，其中，春季ET0降低趋势显著，通过0.05 水平显著性检验。冬季ET0呈上升趋势，变化率为0.03 mm·a-1。

2.2 气象因子的时间变化

吉林省主要气象因子具有明显的时间变化特征（表1）。水汽压、净辐射和平均气温均在夏季最高，冬季最低。水汽压呈上升趋势变化，年际和春季、冬季水汽压达到了显著水平（P＜0.05）。净辐射均呈极显著的降低趋势（P＜0.01），其中，净辐射年际变化趋势系数为-3.48 MJ·m-2·d-1。季节变化中，春季降低最快，为-1.42 MJ·m-2·d-1。平均气温呈极显著上升趋势，冬季上升最为显著，趋势系数为0.037 ℃·a-1，年际趋势系数为0.03 ℃·a-1。风速呈极显著的下降趋势，其中，春季风速最高，下降最快，多年平均值为2.65 m·s-1，趋势系数为-0.019 m·s-1。

2.3 参考作物蒸散量对气象因子的敏感性分析

ET0对气象因子敏感系数空间分布见图4，由图可见，ET0对气象因子的敏感系数空间差异显著。ET0对水汽压的敏感系数范围为-0.931 6—-0.415 9，其绝对值自西向东呈“低—高—低”趋势分布，中部敏感性较高（图4a）。ET0对净辐射的敏感系数自西向东呈逐渐升高，变化范围为0.436 8—0.729 0，高值区主要集中在东南部，即ET0对净辐射的敏感性在西部较低，东南部最高（图4b）。ET0对平均气温的敏感系数基本上呈自西向东逐渐升高趋势分布，但敏感系数值较小，变化范围仅为-0.005 9—0.001 8，敏感性较低（图4c）。ET0对风速的敏感系数自西向东逐渐降低，变化范围为0.145 0—0.263 9，说明ET0对风速的敏感性在西部最高，东南部最低（图4d）。

从年际尺度看（表2），水汽压和平均气温的敏感系数平均值为负值，分别为-0.700 7 和-0.002 5，净辐射和风速的敏感系数平均值为正值，分别为0.560 3 和0.199 5。从敏感系数绝对值可知，在年际尺度上ET0对气象因子的敏感性为：水汽压＞净辐射＞风速＞平均气温。从季节尺度看，不同季节ET0对气象因子的敏感性有所差异（表2）。春季ET0对水汽压和净辐射的敏感性相当。夏季ET0对净辐射的敏感性最高，其次为水汽压、风速，平均气温最低。秋季和冬季ET0对气象因子的敏感性与年际尺度一致，为水汽压＞净辐射＞风速＞平均气温。

表1 1961—2018 年吉林省气象因子时间变化 Table 1 Annual and seasonal change of meteorological factors in Jilin province during 1961-2018

表2 不同季节ET0对气象因子的敏感系数 Table 2 Sensitivity coefficients of seasonal reference crop evapotranspiration to meteorological factors

图4 ET0对气象因子敏感系数的空间分布 Fig. 4 Spatial distribution of reference crop evapotranspiration to meteorological factors' sensitivity coefficients

2.4 气象因子对参考作物蒸散量的贡献

各气象因子对ET0的贡献率见图5，由图可见，气象因子对ET0的贡献率空间差异显著。水汽压对ET0的贡献率为-7.34%—0.57%，贡献较高区主要位于西部（图5a）。净辐射对ET0的贡献率空间分布规律不明显，空间范围为-9.01%—3.46%（图5b）。平均气温对ET0的贡献率基本上呈自西向东逐渐降低的趋势分布，但其数值整体偏小，贡献较小（图5c）。风速对ET0的贡献率变化范围为-16.58%—2.97%，贡献较高区位于中部，东部较低（图5d）。

从年际尺度看（表3），水汽压、净辐射、平均气温和风速对 ET0的贡献率分别为-2.45%、-3.65%、-0.08%和-7.49%。可知，风速对ET0的负贡献率最大，说明风速是ET0变化的主导因子，其次为净辐射，水汽压和平均气温。说明1961—2018年风速、净辐射的显著下降，水汽压的显著上升导致ET0的降低。从季节尺度看，不同季节气象因子对ET0贡献率与年际尺度有所不同。春季风速对ET0的贡献率最高，其次为净辐射。夏季净辐射对ET0的负贡献率最高，为-4.27%，其次为风速、水汽压，平均气温最小。秋季风速对ET0的负贡献率最高。冬季风速和水汽压对ET0的负贡献率相当，分别为-9.36%和-9.30%。由于气象因子的多年相对变化率与敏感系数共同决定贡献率的大小，所以影响ET0变化的主导因子的空间分布与敏感系数分布有所差异。

表3 不同季节气象因子对ET0的贡献率 Table 3 Contribution rate of seasonal meteorological factors to reference crop evapotranspiration %

3 讨论与结论

3.1 讨论

吉林省ET0空间分布差异显著，呈由西向东逐渐降低的空间分布。这不仅与气候特征有关，还与气象因子对ET0变化的贡献存在空间差异有关。风速是影响吉林省ET0变化的主导因子，其次是净辐射。吉林省西部地势平坦，气候较为干旱，风速大，净辐射强，导致ET0较高，东部多为山地，气候湿润，风速小，净辐射低，导致ET0较低。

图5 气象因子对ET0 贡献率空间分布 Fig. 5 Spatial distribution of contribution rate of meteorological factors to reference crop evapotranspiration

由于研究时间段、区域的不同，吉林省ET0变化对气象因子的响应也存在差异。松嫩平原西部ET0对相对湿度最为敏感（梁丽乔等，2008）；东北地区气温变化对ET0的影响最为明显（曾丽红等，2010）；北方农牧交错带ET0对相对湿度最敏感（李英杰等，2016）。本文基于吉林省1961—2018年数据计算敏感系数得出，ET0变化对水汽压敏感性最高，其次为净辐射。虽然敏感系数可以反映ET0变化对气象因子的敏感程度，但是不能定量评价气象因子对ET0的影响。本文通过计算气象因子对ET0变化的贡献率，得出风速是ET0变化的主导因子，这与曹永强等（2017）利用1965—2014 年气象数据分析辽宁省ET0变化的结果一致。辽宁省与吉林省在地理位置上毗邻，气候概况有一定的相似性。1961—2018 年吉林省风速和净辐射显著降低，水汽压和平均气温显著升高。风速的显著降低是吉林省ET0下降的最主要原因，水汽压的升高及净辐射的减少也促使了ET0的下降。本研究成果可为吉林省不同区域针对ET0变化及其不同的主导因子制定相应的对策，以期合理利用水资源以及应对气候变化。

本文选取吉林省46 个气象站点数据代表整个区域的气候特征，虽能说明一定问题，但是在空间分辨率和精细度还不高。影响ET0的因素众多，大气环流、下垫面特征、植被覆盖等都与其有关。虽然大多数学者都采用Penman-Monteith 公式计算ET0，但其所需参数众多，不同研究人员在其参数选择及计算过程中的取舍不同也会导致ET0的结果不同。在今后的研究中，应集中在参数获取及提高数据精细化方面加强研究。

3.2 结论

吉林省ET0多年平均值在空间上呈由西向东逐渐降低的分布特征，大部站点ET0呈降低趋势，降低趋势较大的站点主要在西部。ET0多年平均值为955.7 mm，夏季最高，冬季最低。在年际变化上，1961—2018 年ET0呈降低趋势，变化率为-0.57 mm·a-1。在季节变化上，冬季ET0以0.03 mm·a-1的变化率上升，其他季节ET0呈下降趋势。

从ET0对气象因子的敏感系数看，区域不同，ET0对气象因子的敏感程度也不一致。ET0对水汽压的敏感性在吉林省中部较高，西部和东部均较低。ET0对净辐射的敏感性在西部较低，东南部最高。ET0对风速的敏感性与净辐射相反，在西部最高，东南部最低。在不同时间尺度上，ET0对气象因子的敏感程度也存在差异。在年际尺度上，ET0对气象因子的敏感性为：水汽压＞净辐射＞风速＞平均气温。在季节尺度上，春季ET0对水汽压和净辐射的敏感性相当，夏季ET0对净辐射的敏感性最高，秋季和冬季ET0对水汽压的敏感性最高。

从各气象因子对ET0的贡献率看，在不同时空尺度上，气象因子对ET0的贡献率也不同。水汽压对ET0的贡献较高区主要位于西部，风速对ET0的贡献较高区位于中部，东部较低。在年际尺度上，风速是ET0变化的主导因子，其次为净辐射，水汽压和平均气温。在季节尺度上，春季和秋季ET0变化的主导因子是风速，夏季ET0变化的主导因子是净辐射，冬季风速和水汽压对ET0的贡献率相当。