四川冬春季参考作物蒸散量时空变化及其成因

周 丽，聂常乐，任钇潼，梁晶晶，徐 华

(1.内江师范学院 地理与资源科学学院，四川 内江 641199； 2.内江市资中县气象局，四川 资中 641200)

蒸散由表层土壤蒸发和植物蒸腾组成[1]。蒸发、蒸腾被认为是水循环最重要的基本组成部分之一[2]，不仅直接影响水资源状况和水分利用效率，还会对农作物和生态植被的生长产生重要影响[3]。在实际工作中，要获取某区域的实际蒸散资料往往比较困难，常需借助参考作物蒸散量(ET0)确定。参考作物蒸散量表征大气蒸散能力，是开展作物需水量估算的基础参数，是评估某一地区气候干湿程度、植被耗水量、生产潜力，以及水资源供需平衡的重要指标之一[4]，是优化水资源管理、制定有效灌溉策略的重要依据和基础[5]。

根据联合国政府间气候变化专门委员会(IPCC)第5次评估报告，近50 a年来全球平均温度升高了0.72 ℃，升温加速的趋势明显[6]，这使得一些地区的气候发生重大变化。气候变化可能会对水文循环产生深远的影响[7]。在全球气候变暖背景下，国内外学者对ET0展开了广泛的研究。Peterson等[8]认为，世界ET0总体呈下降趋势，与全球气温上升的趋势相反，出现了“蒸发悖论”现象；Dinpashoh等[9]发现，伊朗ET0呈显著下降趋势，且风速对ET0的影响最大；Sharifi等[10]指出，与伊朗ET0最敏感的气象要素为风速；Dadaser-Celik等[11]在土耳其的研究发现，ET0呈显著上升趋势；Liang等[12]认为，我国东北洮儿河流域的风速、温度和日照时数与ET0呈正相关，而相对湿度与ET0呈负相关，且相对湿度是最敏感的气象因子；邹海平等[13]指出，海南岛ET0以0.5 mm·a-1的速率减少，与全球大部分地区ET0呈下降趋势的结论一致；李英杰等[14]指出，北方农牧交错带近53 a的ET0以0.21 mm·a-1的速率减少；高红霞等[15]发现，内蒙古兴安盟ET0呈增加趋势，且对气温最敏感。研究表明，我国大部分地区ET0呈下降趋势，且不同区域各气象要素对ET0的影响差异较大。四川是我国水资源相对丰富的地区，但关于当地ET0变化趋势及其成因的研究报道较少。陈超等[16]选取10个站点，利用Penman-Monteith公式计算四川的ET0，发现总体呈下降趋势，日照时数和风速是影响当地ET0的主要因素；赵璐等[17]分析了近50 a来四川省潜在蒸散量的变化成因，研究结果与陈超等[16]一致；张青雯等[18]分析了我国西南(四川省、贵州省、云南省、西藏自治区、重庆市)ET0的时空变化，结果表明，ET0的年变化和季节变化均呈下降趋势；刘悦等[19]分析了近56 a来西南地区四季ET0的变化成因，春、秋、冬季ET0上升、夏季ET0下降，主要原因分别是相对湿度降低、最高温度上升、最低温度和平均温度升高、日照时数减少。以上研究多数针对某一区域的全年ET0展开分析，极少与季节性干旱联系在一起。针对四川冬旱频率最高、春旱频率次高、干旱强度明显增强，以及干旱范围扩大[20-21]等季节性干旱特征，系统分析四川冬春季参考作物蒸散量时空变化特征，探索当地作物蒸散量变化的主导因素及其敏感性和贡献率，以期为优化农业生产计划和决策、指导科学灌溉提供参考。

1 材料与方法

1.1 数据来源

气象数据来源于中国气象数据网(http://data.cma.cn/)，包括1980—2016年四川35个气象站点的逐日日照时数、最高气温、最低气温、平均气温、相对湿度和2 m高度处风速。对于缺测数据做如下处理：若站点缺测序列≤5 d，采用线性回归法插补；若站点缺测序列>5 d，则用站点同一日多年平均值；若站点缺测值>30 d，则舍弃该站点。数字高程模型(DEM)数据来源于中国遥感数据网(http://rs.ceode.ac.cn/)。季节的划分如下：冬季为12月—翌年2月，春季为3—5月，1980年冬季数据由1979年12月与1980年1—2月数据组成。气象站点分布如图1所示。

1.2 研究方法

1.2.1 参考作物蒸散量

采用1998年联合国粮食及农业组织(FAO)推荐的Penman-Monteith公式[22]测算ET0。

(1)

1，巴中(巴州)；2，阆中；3，南充高坪区；4，绵阳；5，温江；6，都江堰；7，乐山；8，宜宾；9，纳溪；10，叙永；11，峨眉山；12，越西；13，雷波；14，昭觉；15，会理；16，盐源；17，凉山(西昌)；18，木里；19，九龙；20，稻城；21，巴塘；22，理塘；23，康定；24，雅安；25，小金；26，道孚；27，新龙；28，甘孜；29，色达；30，德格；31，石渠；32，马尔康；33，松潘；34，红原；35，若尔盖。 1， Bazhong(Bazhou); 2， Langzhong; 3， Gaoping， Nanchong; 4， Mianyang; 5， Wenjiang; 6， Dujiangyan; 7， Leshan; 8， Yibin; 9， Naxi; 10， Xuyong; 11， Emeishan; 12， Yuexi; 13， Leibo; 14， Zhaojue; 15， Huili; 16， Yanyuan; 17， Liangshan(Xichang); 18， Muli; 19， Jiulong; 20， Daocheng; 21， Batang; 22， Litang; 23， Kangding; 24， Ya’an; 25， Xiaojin; 26， Daofu; 27， Xinlong; 28， Ganzi; 29， Seda; 30， Dege; 31， Shiqu; 32， Ma’erkang; 33， Songpan; 34， Hongyuan; 35， Ruo’ergai.图1 气象站点分布Fig.1 Distribution of meteorological stations

式(1)中：VET0为参考作物蒸散量(mm·d-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)，Tmean为平均气温(℃)，U2为2 m高处风速(m·s-1)，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·℃-1)，γ为干湿表常数(kPa·℃-1)。

1.2.2 气象因子的敏感系数

敏感系数定义为参考作物蒸散量变化率与气象因子变化率之比[23]，用来定量分析各气象因子变化对参考作物蒸散量变化的影响程度，公式为

(2)

式(2)中：Sx为潜在蒸散发关于气象因子x的敏感系数，无量纲；VET0与ΔVET0分别为参考作物蒸散量及其日变化量，x与Δx分别为气象因子及其日变化量。Sx为正(负)，表示ET0与气象因子同增加(减少)，Sx绝对值越大，说明气象因子对ET0的影响越大。将敏感性划分为4个等级：0≤|Sx|<0.05属于低敏感；0.05≤|Sx|<0.20属于中等程度敏感；0.20≤|Sx|<1.00属于高敏感；|Sx|≥1.00属于极高敏感[24-25]。

1.2.3 气象因子的贡献率

根据参考作物蒸散量变化对某一气象因子的敏感系数，即因子的变化中有多少能影响到参考作物蒸散量，结合该因子的多年相对变化量，就可以得到近37 a来该因子变化对参考作物蒸散量变化的影响程度，进而对影响因子和影响程度做到定量地描述。贡献率的计算公式为[26]

Cx=Sx·Rx。

(3)

式(3)中：Cx为某一气象因子对ET0变化的贡献率，Sx为敏感系数，Rx为因子的相对变化率(%)。

(4)

1.2.4 其他方法

参考作物蒸散量和其他气象要素的空间分布特征通过克里金(Kriging)空间插值法体现。同时，运用泰森多边形计算35个站点ET0的空间权重。泰森多边形是气候学家泰森创建的由点内插面的方法，其原理如下：对于由研究站点组成的x、y坐标轴数组，由最邻近的采样点来确定某一未知点的最佳值[27]。除此之外，本研究还运用一元线性方程斜率的10倍描述参考作物蒸散量，及其他气象要素的气候倾向率[28-29]，用于分析ET0与相关气象要素在时间序列上的变化趋势。

2 结果与分析

2.1 ET0年代际变化特征

采用泰森多边形法求取研究区各气象站点的ET0权重值，并据此得出各年份及各年代际ET0平均值(图2)。由图2可知，四川冬春季ET0在时间上总体呈现先降低后增高的趋势，1980—2000年ET0快速下降，年代际均值由356.17 mm下降至325.61 mm，表明在1990—2000年四川冬春季处于低蒸散阶段；2000—2010年 ET0逐渐上升，均值达到340 mm，与陈超等[16]的研究结论一致；2010年以后均值持续增加到357.29 mm，为各年代际最高，说明2000年以来四川地区冬春季ET0处于逐步回升阶段。

四川各年代冬春季ET0空间分布见图3。ET0在空间上总体表现为西南高东部低的特征，空间差异南部大于北部，西南部高值区(西昌、盐源、会理和木里)ET0变化范围为595.0～700.6 mm，东部低值区(乐山、宜宾和南充)变化范围为73.1～177.0 mm。1980—2016年，ET0高值区范围持续扩大，低值区范围呈波动缩小趋势。其中，西南部以西昌和盐源为中心的高值区范围逐渐扩大，2010年以后已延伸至攀枝花；西北部的石渠和德格在1980—2010年均呈减少趋势，2010年后开始回升；东部盆地地区变化尤为明显，1980—2000年ET0呈大范围减少趋势，1990s盆地各站点年均值仅为73.1～125.0 mm，2000年后低值区范围逐渐缩小，至2010年后仅泸州合江县及其周边地区ET0值在73.1～125.0 mm。

图2 1980—2016年年代际ET0时间变化特征Fig.2 Characteristics about time changes of ET0 in different generations from 1980 to 2016

2.2 ET0年际变化特征

2.2.1 时间变化趋势

将35个站点历年冬春季、冬季与春季的ET0值分别进行泰森多边形加权平均，得出研究区近37 a的ET0年值系列(图4)。整体上看(图4-a)，四川冬春季ET0在296.92～399.36 mm，多年平均值为343.75 mm，表现为先下降后上升的趋势，具体可分为3阶段：1980—1988年，ET0大于多年平均值17.33 mm；1989—2005年，ET0低于多年平均值17.46 mm；2006—2016年，ET0高于多年平均值12.82 mm。整个研究期呈微弱上升趋势，气候倾向率1.04 mm·10 a-1，未通过α=0.05的显著性检验。冬季与春季ET0分别以0.243、0.797 mm·10 a-1的速率上升，均值分别为168.04 mm和175.71 mm。可见，冬春季、冬季与春季ET0年变化均呈上升趋势，与其他学者得出的ET0全年总体变化呈下降趋势的结论[16-18]不一致，进而反映出在湿润地区全年参考作物蒸散量减小的情况下，冬春季节性干旱存在且有加重的趋势。另外，春季ET0在均值和增速上均大于冬季，因此应加强对春季干旱的防范。

2.2.2 空间变化趋势分析

采用克里金空间插值法对35个站点冬春季、冬季、春季的ET0多年平均值和气候倾向率分别进行空间插值(图5)。由图5-a可见，1980—2016年四川冬春季ET0介于105.3～690.3 mm，总体呈西高东低的空间分布特征，ET0高值区分布于西南部的攀枝花，凉山西南部木里、盐源和西昌，低值区位于成都平原一带。近37 a来，四川地区东北部(包括巴中和绵阳2市)和南部(会理)冬春季ET0呈极显著(P<0.01)增加趋势，绵阳ET0上升速率最大，为37.6 mm·10 a-1。此外，东北部的南充和西部的理塘、木里ET0呈显著(P<0.05)增加趋势。位于西部的3个站点(德格、小金和西昌)的ET0呈极显著(P<0.01)下降趋势，1个站点(新龙)的ET0呈显著(P<0.05)下降趋势，德格ET0下降速率最大，达43.2 mm·10 a-1。其余25个站点ET0的气候倾向率均不显著。

图3 1980—2016年各年代际ET0空间分布特征Fig.3 Distribution characteristics of ET0 in different generations from 1980 to 2016

图4 冬春季ET0时间变化趋势Fig.4 Time trends of ET0 in winter and spring

与冬春季(图5-a)空间分布相似，冬季(图5-b)和春季(图5-c)ET0的空间分布表现为西高东低的特征。ET0高值区与低值区空间分布存在明显的分界线，即川西高原与四川盆地的分界线，这反映了不同海拔的地形、植被、土壤和大气之间的复杂反馈机制，与刘昌明等[25]的研究结论一致。冬、春季ET0分别在22.5～350.6 mm和73.8～335.7 mm，冬季ET0的空间差异大于春季。1980—2016年，四川地区东北部(绵阳)和西部(巴塘)的冬季ET0呈极显著(P<0.01)增加，绵阳ET0上升速率最大，为12.9 mm·10 a-1。东北部的南充和西部的木里ET0呈显著(P<0.05)增加趋势。西部的德格和小金ET0呈极显著(P<0.01)减少，新龙呈显著(P<0.05)下降。春季有3个站点，即东北部的绵阳、巴中和南部的会理ET0呈极显著(P<0.01)增加趋势，与冬春季(图5-a)表现完全一致，绵阳ET0上升速率最大，为24.6 mm·10 a-1。位于西部的2个站点，即德格和小金ET0的变化趋势呈极显著(P<0.01)减少趋势，气候倾向率分别为-22.6、-16.4 mm·10 a-1。

□代表极显著(P<0.01)；○代表显著(P<0.05)。 □ and ○ indicated significant difference at P<0.01， and P<0.05， respectively.图5 冬春季ET0和气候倾向率空间分布Fig.5 Spatial distribution of ET0 and climatic tendency rate in winter and spring

图6 ET0和各气象要素冬春季多年日均值变化Fig.6 Daily mean change of ET0 and meteorological factors in winter and spring

2.3 ET0日变化特征

ET0具有明显的日变化特征，近37 a来冬春季多年日均ET0呈双峰分布(图6-a)：由初冬(即12月20日前后)开始逐渐上升，至初春达到最高，经历20 d左右的波谷阶段(3月23日—4月14日，即清明前后)，再次在4月15—20日达到次波峰，此后呈快速下降趋势。ET0日变化趋势与相对湿度呈高度负相关关系，与风速呈正相关关系，相关系数分别为-0.874和0.422，且均通过α=0.01水平的显著性检验；但与平均气温和日照时数仅呈微弱相关关系(图6-b)。两次波峰时段之间相对湿度的增大和风速的减小造成ET0进入短暂的波谷阶段。ET0在第2个波峰后的急剧下降可能是受东南季风影响，进入雨季，降水增多，导致相对湿度增加[30]。值得注意的是，ET0在冬末开始高于平均值并持续上升，在1月22日—5月2日的3个多月时间中仅有8 d的ET0值低于多年日平均值，表现为明显的连续高值时段，而该时段也是农作物发芽和快速生长、需水量较大的阶段[31]，因此应提早预防冬春干旱发生，尤其是对高于标准差线的时段，应给予足够的重视和预防。

2.4 冬春季ET0对主要气象因子的敏感性

根据敏感性等级划分标准，图7显示了1980—2016年四川冬春季ET0对主要气象因子(日照时数、风速、相对湿度、平均气温)敏感性等级的空间分布。结果表明，ET0对日照时数的敏感系数在0.46～0.97，全区均呈高敏感性，平均值为0.73(图7-a)。可见，日照时数的多寡对ET0的增减有明显影响。ET0对风速的敏感系数介于-0.32～0.37，平均值为0.09(图7-b)，以中等敏感为主，高敏感性地区多分布在高山地区，北部低敏感性地区多分布于岷山以西的若尔盖高原西部、西南部与南部，四川南部“几”字型低敏感性区域左支分布于安宁河谷以东的山地地区，右支则位于西部山地与东部盆地的分界线地带。图7-c表示ET0相对湿度敏感性的空间分布，在-4.74～2.80，敏感性大致呈中部相对较小、向东西递增的分布，西部山地高原与东部盆地均呈高与极高敏感性，中部地形分界线以中、低敏感性为主，呈狭长带状分布。ET0对平均气温的敏感系数(图7-d)介于-2.47～1.81，空间格局表现为由中部向东西递增的分布特征。结合陈超等[32]的研究结论，即四川省平均气温空间分布呈经向带状特征、由西向东逐渐升高，本研究认为气温较低的川西高原与气温相对较高的四川盆地均属于高敏感地区。总体而言，本研究范围内，ET0对日照时数、风速、平均气温的敏感系数值为正，对相对湿度的敏感系数值为负，即ET0随日照时数和风速的减小(图8-a、b和图9-a、b)而减小，随相对湿度的减小(图8-c和图9-c)而增大，随平均气温的增大(图8-d和图9-d)而增大。ET0对各气象因子的敏感性排序(括号内为敏感系数)为日照时数(0.73)>相对湿度(-0.68)>平均气温(0.27)>风速(0.09)，排在前3位的气象因子均呈高敏感性，风速则为中等敏感性。

图7 ET0对主要气象因子的敏感性空间分布Fig.7 Spatial distribution of sensitivity coefficient of main meteorological factors to ET0

2.5 冬春季主要气象因子对ET0的贡献率

图10显示了1980—2016年四川冬春季日照时数、风速、相对湿度和平均气温等主要气象因子对ET0变化贡献率的空间分布。贡献率大于0，表示某气象因子的变化引起ET0增加，为正贡献；贡献率小于0，表示其引起ET0减小，为负贡献。由于贡献率是某气象要素的敏感系数与该气象要素相对变化率的乘积，因此不仅可以反映某气象要素贡献率的空间差异，而且还可进一步反映出该气象要素在各地区的变化趋势。结果表明，日照时数对ET0贡献率的平均值为-2.7%，介于-22.1%～8.5%，总体呈现自东南向西北递减的趋势。由于研究区ET0对日照时数的敏感性均表现为高敏感，因此日照时数变化率的空间分布特征与其贡献率基本一致，即呈现自东南向西北递减的趋势。东部的巴中、南充、绵阳和南部的会理、盐源为日照时数贡献率高值区，也是日照时数上升区域；西北部的石渠、德格为日照时数贡献率低值区，也是日照时数下降区域(图10-a)。风速对ET0的贡献率平均值为-0.4%，介于-8.6%～11.6%，呈现东高西低的分布特征。由于南部的雷波、昭觉为高敏感地区，且风速呈上升趋势，因此该区域成为贡献率的高值区；而北部的石渠、德格为高和中敏感区域，但由于风速减小明显，因此该区域成为贡献率的低值区(图10-b)。图10-c显示了相对湿度对ET0贡献率的空间分布，贡献率平均值为3.5%，介于-8.5%～13.1%，贡献率为0的等值线与四川地形分界线有较好的一致性，界限以东为负，以西为正，其中，川西南地区不仅属于极高敏感区域，而且相对湿度升高明显，导致该区域成为贡献率的高值区。平均气温对ET0贡献率的平均值居各气象因子之首，达8%，空间分布呈现西南高、东北低的特征，其中，位于西南部的稻城不仅为高敏感地区，且平均气温升高明显，成为贡献率的最高区，达39.7%(图10-d)。总之，平均气温和相对湿度对ET0变化的贡献率平均值为正，说明近37 a四川冬春季平均气温的升高和相对湿度的下降导致ET0的上升。然而，二者的作用机制略有不同：ET0对平均气温的敏感性为正，即ET0随气温的升高而增加，1980—2016年四川冬、春季平均气温均呈极显著(P<0.01)增加趋势，分别为0.390、0.518 ℃·10 a-1(图8-d和图9-d)，故平均气温对ET0的贡献率为正值；而ET0对相对湿度的敏感性为负，1980—2016年四川冬、春季相对湿度均呈极显著(P<0.01)下降趋势，分别为-1.125%·10 a-1和-1.274%·10 a-1(图8-c和图9-c)，导致相对湿度的贡献率为正。日照时数和风速对ET0变化的贡献率为负值，而敏感系数为正值，气候倾向率为负值(图8-a、b和图9-a、b)，表明冬春季日照时数和风速的减小引起了ET0的降低。各气象因子贡献率大小排序为平均气温>相对湿度>日照时数>风速。总之，四川冬春季、冬季和春季ET0均表现为上升，说明虽然ET0对日照时数的变化最敏感，但由于平均气温和相对湿度有较大的贡献率，且平均气温的升高和相对湿度的降低对ET0的增大效应超过了日照时数减少对ET0的减少效应，因而四川地区冬春季ET0仍呈上升趋势。换言之，影响冬春季ET0上升的主导因子是平均气温，而不是影响全年ET0变化的日照时数[16-18]。

图8 冬季主要气象要素的变化趋势Fig.8 Variation trends of main meteorological factors in winter

图9 春季主要气象要素的变化趋势Fig.9 Variation trend of main meteorological factors in spring

图10 主要气象因子对ET0贡献率的空间分布Fig.10 Spatial distribution of contribution rate of major meteorological factors to ET0

3 结论

(1)ET0的年代际变化中，2010—2016最高，研究时段呈先降后增的趋势，空间上呈明显的西南高东部低的分布特征，且高值区范围持续扩大，而低值区范围波动缩小。

(2)ET0的年际变化中，冬春季、冬季和春季均呈上升趋势，分别为1.04、0.243、0.797 mm·10 a-1，春季ET0气候倾向率明显高于冬季。空间上，四川ET0高值区与低值区存在明显分界线，即四川省高原山地地形与盆地地形的分界线，表明四川地区ET0受地形影响明显。此外，春季ET0气候倾向率空间差异大于冬季。

(3)同一日多年平均值自初冬至初春逐渐上升，1月22日—5月2日仅有8 d的ET0值低于多年日平均值，具有明显连续的高值时段。

(4)ET0对日照时数的变化最敏感，但平均气温的正贡献率是引起ET0变化的主导因子。1980—2016年四川平均气温升高对ET0的正效应和相对湿度降低对ET0的负效应，超过了日照时数减少对ET0的减少效应，导致四川地区冬春季ET0呈上升趋势。