江苏省参考作物蒸散量的时空变化及影响因素分析

王 蒙，刘春伟*，邱让建，张 佩，张方敏

（1.南京信息工程大学 江苏省农业气象重点实验室，南京 210044；2.南京信息工程大学 气象灾害预报预警与评估协同创新中心，南京 210044；3.南京信息工程大学 应用气象学院，南京 210044; 4.江苏省气象局，南京 210044）

0 引 言

【研究意义】气候变化加剧了生态系统能量和水分循环相互作用。蒸散又称为作物需水量，是水分循环的重要组成部分，也是植物生长发育的基本条件。蒸散量的大小与气象条件、植物本身密切相关。参考作物蒸散量（ET0）可表征大气蒸散特性，是影响作物需水量的综合气象因子[1]。ET0的变化主要由气温、风速、相对湿度和太阳辐射决定。气温是利于蒸发的能量因素，气温对蒸散有着很大的影响，气温越高，太阳净辐射可转化为蒸散当量数值就越高[2]；风速是影响蒸散的重要因素之一，风速影响水汽和CO2的垂直和水平输送，风速的湍流交换作用使得近地面空气与上层空气进行交换，影响植物蒸腾和棵间土壤蒸发[3-4]；相对湿度较大时，饱和水汽压差较小，植物蒸腾量较少，反之，相对湿度较小的时候，植物蒸腾量大。空气中相对湿度从季节变化上来看，夏季相对湿度变化较大[5]；太阳辐射是地表能量的来源，是影响蒸散的主要环境因子之一，也是蒸散过程的主要驱动力[6]。ET0是水循环的重要组成部分，因此在气候变化的背景下研究ET0的时空变化及影响其变化的气象因素对合理安排农业生产及优化水资源配置作用重大。【研究进展】敏感性分析可以分析各气象因子对ET0的影响程度[7-8]。近年来，越来越多的国外研究学者通过敏感性分析研究ET0与气象因子之间的关联。Huime等[9]认为全球气温升高将导致ET0增加，但是多数研究结果与其相反，自19世纪以来的全球许多国家（包括中国、美国、印度、苏联等）的ET0均呈下降趋势[10-16]，但是下降原因各异，Eslamian等[17]对伊朗的 5个不同气候区域气象因子进行敏感性分析，发现温度与相对湿度是ET0变化的主要原因；Vicente等[18]通过敏感性分析发现，西班牙地区相对湿度、风速和最高温度对ET0的影响大于日照时间和最低温度，并且ET0变化趋势主要是相对湿度的降低和最高温度的升高。1950年以来，中国的年平均ET0存在减小的趋势[19]，但在华北干旱地区，年均ET0呈增加的趋势[20]。国内研究学者通过敏感性分析方法探究ET0对气象因子的敏感性，相关研究表明，ET0整体呈下降趋势，但是影响ET0变化的原因各异，高红霞等[21]发现内蒙古兴安盟地区的ET0对气温最敏感；Thomas等[10]发现黄土高原地区ET0受相对湿度影响最大。【切入点】江苏省位于我国东部沿海地区，雨热同季，水资源总量丰富。全省年平均温度每10 a上升0.16~0.45 ℃，近年来极端天气，如台风、洪涝、高低温对全省影响较大，气候变化和极端天气会影响水资源区域平衡，而江苏不同地区受气候变化影响不同，苏南洪涝多，排水难度大，沿海地区土壤盐渍化，淮北地区经常发生洪涝和干旱，降水减少或过度蒸发会造成水分收支严重不平衡[22]，严重影响农业生产。【拟解决的关键问题】因此本文利用江苏省60个站点 1961—2018年逐日观测数据计算了ET0，分析江苏省ET0时空变化特征，量化气象因素对其影响，可以为加强水资源管理，提高农业应对气候变化适应能力和抵御气候灾害能力提供参考。

1 材料与方法

1.1 研究区概况

江苏地处中国大陆东部沿海地区中部，长江、淮河下游，东濒黄海，北接山东，西连安徽，东南与上海、浙江接壤，是长江三角洲地区的重要组成部分。地跨东经 116°18′—121°57′，北纬 30°45′—35°20′。气候温和，属于温带向亚热带的过渡性气候。江苏地区平均气温介于13~16 ℃，长江以南15~16 ℃，江淮流域14~15 ℃，淮北及沿海13~14 ℃，由东北向西南逐渐增高。研究区及站点分布如图1所示。

图1 江苏省气象站点分布及数字高程图Fig.1 Distribution map of meteorological stations in Jiangsu

1.2 数据来源及处理

本文所用的气象数据源于中国气象数据网（http://data.cma.cn/），选取 1961—2018年逐日气象数据（包括日最小温度、日最大温度、日平均温度、相对湿度、日照时间、风速。将各气象因子分别表示为Tmin、Tmax、T、RH、SSD、WS。采用气象学标准，以3—5月为春季，6—8月为夏季，9—11月为春季，12—2月为冬季。

1.3 Penmen-Monteith（P-M）公式

Penmen-Monteith（P-M）公式[23]可以用来计算ET0。P-M模型是将作物植株下垫面看作统一的整体，主要适用于下垫面均一以及相对密集的作物[24]。该模型反映了作物水平衡过程的物理特性，具备很好的的物理基础，计算简单，具有很强的适用性[25-26]，ET0计算式为：

式中：ET0为参考作物蒸散发量（mm/d）；Rn为植被表面净辐射量（MJ/（m2﹒d-1））；G为土壤热通量（MJ/（m2﹒d-1））；Δ 为饱和水汽压-温度关系曲线的斜率（kPa/℃）；γ为湿度计常数（kPa/℃）；T为空气平均温度（℃）；U2为在地面以上2 m高处的风速（m/s）；es为空气饱和水汽压（kPa）；ea为空气实际水汽压（kPa）。

1.4 气候倾向率

利用最小二乘法，计算各站点ET0的气候倾向率，并利用克里金空间插值法插值，得到ET0气候倾向率的空间分布。样本Yi与时间的线性回归系数a的计算式为：

式中：t为时间序列；b为经验系数；气候倾向率为a乘以10。

1.5 通径分析

通径分析是回归分析的拓展，将相关系数分解为直接通径系数和间接通径系数，假设有n个随机变量x1,x2,x3,…,xn和1个因变量y，两因子之间相关系数为rij,因子xi到y的直接通径系数是Piy，因子xi通过因子xj到y的间接通径系数为rij乘以Pjy,通过相关系数与间接通径系数的计算又可以得到决策系数，它可以把自变量对因变量的综合作用进行排序，确定主要的决策变量和限制变量[27]。本文中利用通径分析来分析各气象因子对ET0的直接及间接影响。

1.6 敏感系数

敏感系数由McCuen[28]首先提出，计算ET0对各气象因子的偏导数，即ET0的相对变化量与单个气象因子相对变化量之比计算。具体计算式为：

式中：vi代表气象因子；Svi代表相应气象因子的敏感系数，将气象因子对ET0的变化无量纲化，分析结果较清晰，并得到广泛的应用[7-21]。敏感系数为正代表气象因子与ET0正相关，反之为负相关。绝对值的大小反映了气象因子对ET0的影响程度，绝对值越大，气象因子对ET0的影响就越大[29]。本文将各气象因子敏感系数表示为ST、SSSD、SWS、SRH。

1.7 贡献率

将敏感系数与该因子的多年相对变化率相乘即可得到气象因子对ET0的贡献率[30]：

式中：GXvi为气象因子对ET0变化的贡献率；RCvi是因子的多年相对变化率；RCET0是ET0多年相对变化率也即实际变化率；n是总年数；Trendvi为因子的逐年变化率；avi为因子的多年平均值。将温度、日照时间、风速、相对湿度对ET0变化的贡献率分别标记为GXT、GXSSD、GXWS、GXRH。总贡献率=GXT+GXSSD+GXWS+GXRH。通过分析各因子对ET0的贡献率，可量化各因子对ET0的影响。

2 结果与分析

2.1 ET0的时间变化特征

1961—2018年江苏省年均ET0总体呈下降趋势，且递减率为-0.44 mm/10 a；如图2所示，年代际变化上，ET0从20世纪60年代到80年代一直下降，90年代到21世纪初呈现上升趋势，20世纪60年代距平值最大，说明这10 a为ET0最大的10 a。20世纪70年代、80年代、90年代为负距平，并且80年代负距平最大，说明80年代是ET0最小的10 a。由图2可看出，累积距平值在1968年达到最大，之后逐渐减小，直到20世纪开始逐年上升，说明ET0在1968年前是增加的，并且高于 1958年的平均值，ET0在1968至20世纪90年代是减小的，且低于平均值，ET0从21世纪初开始增加，高于平均值。由表1可知，春季距平值最高在2000—2009年，最低值在20世纪90年代；夏季距平最高值在 60年代，最低值在 80年代；秋季距平最高值在60年代，最低值在80年代；冬季距平最高值在60年代，最低值在80年代。

图2 ET0距平和累计距平曲线Fig.2 Anomaly and acumulative anomaly of annual ET0

表1 年度和季节ET0的年代际距平Table1 Decadal anomalies of annual and seasonal ET0

图3所示，全年共有28个站点ET0呈增加趋势（47%），主要分布在无锡以及苏州等苏南区域，共有11个站点ET0增加趋势显著（p<0.05），其中无锡、太仓、靖江地区ET0气候倾向率较大，分别为 18.6、19.0、30.0 mm/10 a；共有32个站点ET0呈减小趋势（53%），主要分布在连云港、徐州、宿迁等苏北地区，共有16个站点ET0减小趋势显著（p<0.05），其中新沂、泗洪、灌南地区ET0减小趋势较大，分别为-19.2、-23.1、-23.2 mm/10 a。季节尺度上，春季共有48个站点ET0呈现增加趋势（80%），主要分布在淮河以南,显著增加的站点有 34个，其中无锡、太仓、靖江气候倾向率较高，分别为12.7、12.8、14.3 mm/10 a，共有12个站点ET0呈减小趋势，且减小趋势均不显著；夏季仅有2个站点ET0呈现增加趋势，分别为太仓、靖江，共有58个站点ET0呈减小趋势，显著减小的站点有23个，其中灌南、泗洪、睢宁气候倾向率较高，分别为-12.5、-11.9、-11.3 mm/10 a；秋季共有 27个站点ET0呈现增加趋势（45%），主要分布在淮河以南，显著增加的站点有13个，其中金坛、丹阳、靖江气候倾向率较高，分别为 4.4、4.7、6.5 mm/10 a，共有33个站点ET0呈现减小趋势（55%），主要分布在淮河以北，显著减小的站点有17个，其中泗洪、灌南、东海气候倾向率较高，分别为-5.7、-5.3、-4.9 mm/10 a；冬季共有 21 个站点ET0呈现增加趋势（35%），主要分布在东南沿海以及镇江等地，显著增加的站点有 6 个，其中南京、丹阳、靖江气候倾向率较高，分别为 1.8、1.9、2.7 mm/10 a，有 39个站点ET0呈现减小趋势（65%）主要分布在淮河以北以及苏州部分地区，显著减小的站点有 6 个，其中泗洪、灌云、东海气候倾向率较高，分别为-2.9、-2.7、-2.7 mm/10 a。

图3 年度和季节ET0气候倾向率的空间分布Fig.3 Spatial distribution of annual and seasonal ET0 climate tendency rate

2.2 ET0的空间分布特征

江苏地区多年平均ET0为976.8 mm。由图4可知，淮北地区的年平均ET0较高，几个明显的高值区域分别在丰县（1 007.4 mm）、徐州（1 041.1 mm）以及西连岛（1 130.3 mm）区域，江淮地区年平均ET0较淮北地区小，平均为 964.2 mm；苏中地区整体呈由西往东逐步递减，苏中东部沿海地区年平均ET0最小，平均为944.2 mm；苏南有2个高值区，分别是高淳（1 010.3 mm）以及东山（1 023.6 mm）；总体呈现由南往苏中地区递减，再由苏中地区往苏北地区递增的趋势。

由图5所知，春季淮北地区年ET0较大，站点平均为 301.6 mm，低值中心主要在南通市、苏州的东部、溧阳以及宜兴，站点平均为 242.6 mm，东部沿海呈现由北往南逐步递减的趋势；夏季ET0高值区与全年ET0相近，分布在徐州西北部、苏州东山以及高淳，平均为 395.2 mm，低值中心主要分布在盐城东部等沿海城市，平均为372.0 mm；秋季ET0高值区分布在连云港及赣榆地区，平均为 236.5 mm，低值中心主要在苏州东山、南通东南、徐州、宿迁地区，平均为200.6 mm；冬季年ET0空间分布与秋季相近，高值区在连云港的东北，苏州东山以及南通东南，平均为111.4 mm，江淮地区年ET0较低,平均为98.2 mm。全区ET0年内变化较明显，春季ET0平均为273.1 mm，夏季为381.4 mm，秋季为206.8 mm，冬季为101.6 mm,春夏秋冬四季分别占比 28%、40%、21%、11%，其中夏季贡献最大。

2.3 敏感性分析

2.3.1 敏感系数时间变化

图6（a）—图6（d）分别为温度、日照时间、风速、相对湿度敏感系数的年变化图。ST、SSSD、SWS均为正值，表明ET0随平均温度、风速以及日照时间的增加而增加，SRH为负值，表明ET0随相对湿度的增加而减小。通过比较敏感系数绝对值大小，从图6可以看出，ET0对相对湿度最敏感。从年变化上看，SRH和SWS的敏感性呈上升趋势，ST、SSSD的敏感性呈下降趋势，ST、SSSD、SWS、SRH敏感系数气候倾向率分别为-0.001/10 a、-0.003/10 a、0.008/10 a、0.098/10 a，除ST以外，SSSD、SWS及SRH的趋势变化均是显著的（p<0.05）。其中相对湿度的敏感性绝对值较大，并且ET0对相对湿度的负敏感性在年变化上逐渐减弱。

图6 气象要素敏感系数年变化Fig.6 Sensitivity coefficient of meteorological elements from 1961 to 2018

采用通径分析法进一步分析各气象因子对ET0的影响（表2）。温度对年ET0的直接通径系数为0.66，相关系数仅有0.40，其原因是SSD及WS通过影响T对ET0起限制作用，且间接通径系数分别为-0.25、-0.23；SSD相关系数（0.58）较大，且直接通径系数（0.64）较大，而间接通径系数（-0.06）较小，说明SSD对ET0的影响主要通过直接作用为主；WS的相关系数较小（0.17），且直接通径系数较小（0.37），但是间接通径系数总和较大，为-0.20，主要是由于T及SSD通过影响RH对ET0起限制作用，且间接通径系数分别为-0.40、-0.23；RH与ET0的相关系数为-0.52，其绝对值较大，主要是由于直接通径系数（-0.426）起主要作用。决策系数排序为SSD>RH>T>WS，说明SSD对ET0变化的综合决定能力更大。结合敏感性分析，全区SSD的综合决定能力较大，但是敏感系数较低，说明当SSD变化时，年均ET0的反应偏弱，并不能敏感感知SSD对ET0的影响，这可能与站点地理位置有关；RH综合决策系数较大，敏感系数也较大，说明RH对ET0的变化影响较大，且年均ET0能够敏感感知RH对ET0的影响。RH综合决策系数较大，敏感系数也较大，说明RH对ET0的变化影响较大，且年均ET0能够敏感感知RH对ET0的影响。

图7 年尺度ET0变化影响因子通径分析图Fig.7 Path coefficients of factors on yearly ET0

表2 年尺度ET0变化影响因子的通径分析Table 2 Path coefficients of factors on yearly ET0

2.3.2 敏感系数空间变化

图8所示，ST纬向分布特征较为明显，总体呈由南往北逐渐递减的趋势，ST的高值中心分布在吕泗、东山、西连岛地区，分别为 0.41、0.42、0.43，整个淮北地区STmin都相对较小，平均为 0.35；SSSD的高值中心主要在赣榆、睢宁、丰县以及盐城部分地区，平均值为0.21，西连岛、东山SSSD较小，分别为0.16、0.19，区域之间SSSD差异较小；SWS纬向分布特征也较明显，总体呈现由南往北逐渐递增的趋势，连云港、徐州、西连岛SWS较大，分别为 0.16、0.17、0.18，溧阳、吕泗、启东SWS较小，分别为0.08、0.09、0.09；东部沿海SRH较大，绝对值平均1.31，西北地区SRH较小，绝对值平均为0.85。

图8 敏感系数空间变化Fig.8 Spatial variation of sensitivity coefficient for each factor

2.4 影响因素分析

将敏感系数（Svi）与该因子的多年相对变化率（RCvi）相乘即可得到气象因子对ET0的贡献率（Convi），可以量化气象因子对ET0的影响以及辨析ET0变化的影响因素。部分站点分析结果如表3所示。从图3可以看出，沛县、徐州、灌云等地ET0减少的原因主要归因于风速的减小，吕泗、金坛、太仓等地ET0增加的原因主要归因于相对湿度的减小。整个江苏地区影响ET0的影响因素存在着空间差异，如图9所示，主要影响因素为风速的有 22 个站点（37%），均分布在苏北地区，其中沛县、泗阳、新沂站的风速对ET0变化贡献较大，分别为-13.44%、-12.52%、-12.49%，主要影响因素为相对湿度的有 38 个站点（63%），主要分布在苏南地区，其中丹阳、靖江、昆山站的相对湿度对ET0变化贡献较大，分别为18.47%、18.57%、20.87%，全区平均温度和日照时间不对ET0变化产生主要影响。敏感系数与贡献量并不一致，这是因为贡献量是敏感系数与因子多年相对变化率的乘积，相对湿度的敏感系数为负，然而其多年相对变化率也为负，所以使得相对湿度对ET0的影响为正贡献。

图9 主要影响因素分布图Fig.9 Distribution of main influencing factors

表3 部分站点气象因子的贡献率Table 3 Contribution rate of some site meteorological factors

3 讨 论

江苏属于全国粮食生产区，目前气候变化及极端天气日趋严重，已经对江苏地区的农业生产和水资源区域平衡产生了很大的影响，因此本文分析江苏省ET0时空变化及其影响因素可以提高本地区农业生产用水的估算水平，增强农业生产应对气候变化适应能力和抵御气候灾害能力。

敏感系数表示气象因子与ET0之间的相关性，敏感系数为正，表示气象因子与ET0为正相关，敏感系数为负，表示气象因子与ET0为负相关，敏感系数绝对值大小代表气象因子与ET0之间的相关程度，本研究发现江苏地区相对湿度敏感系数为负，平均温度、日照时间、风速敏感系数为正，与新乡、海河流域、河北等地区相一致[31-34]。但是，不同地区ET0对各气象因子的敏感程度并不完全一致，本文得到江苏地区ET0对相对湿度最敏感，Zhao 等[35]研究发现黑龙江省ET0对相对湿度最敏感；王媛等[36]研究发现艾比湖绿洲ET0对相对湿度最敏感；罗那那等[37]研究发现石河子地区ET0对温度最敏感。敏感系数正负与贡献率正负并不一致，这是因为ET0不仅受气候敏感性影响，还受气候因子本身及变化程度的影响，本文年平均相对湿度敏感系数为-1.11，但是相对湿度年变化幅度为-0.009/10 a，故贡献率为正。敏感性分析结合通径分析结果显示，全区SSD的综合决定能力较大，但是敏感系数较低，说明当SSD变化时，年均ET0的反应偏弱，并不能敏感感知SSD对ET0的影响，这可能与站点地理位置有关。

不同地区ET0变化的主要影响因素不完全一致。本研究得到江苏地区ET0变化的主要影响因素是风速和相对湿度，董旭光等[38]也发现山东省的ET0变化主要影响因素是风速和相对湿度，这可能由于山东和江苏地形和地理位置较相似，因此气象要素对ET0变化影响较接近；而吴文玉等[39]发现安徽省ET0变化的主导因素为日照时间和风速，这可能是由于安徽省海拔较高，故太阳辐射对ET0变化起着很大的作用，江苏属于沿海地区，风速和湿度更容易影响ET0；Gao等[40]发现风速是西辽河流域ET0变化的主导因素。一般情况下，年际尺度气温与蒸散之间为正相关关系[41]，江苏地区日平均气温年变化为0.30℃/10 a，而ET0年变化为-0.44 mm/10 a，江苏地区气温呈升高趋势，而ET0是下降的，这是因为江苏地区靠海，气温对ET0变化的贡献并不大，ET0变化的主要影响因素是风速以及相对湿度。

ET0不仅受气象因子变化的影响，还受地形，人类活动，下垫面等因素的影响，本文涉及的站点海拔均较低，地形对各站点影响较小，且人类活动及下垫面等因素对本地区ET0变化的研究还有待完善。此外，本研究仅从ET0理论公式探究了ET0变化的成因，并没有结合实际蒸散量与ET0的对比进行分析，因此本文研究成果存在一定局限性。

4 结 论

1）江苏地区多年平均ET0为976.8 mm，丰县、徐州以及西连岛区域为ET0的高值中心。全区ET0年内变化较明显，春季ET0平均为273.1 mm，夏季为381.4 mm,秋季为206.8 mm,冬季为101.6 mm，春夏秋冬四季分别占比 28%、40%、21%、11%，夏季贡献最大。

2）近 58年ET0呈下降趋势，且递减率为-0.44 mm/10 a。共有28个站点ET0呈增加趋势，共有11个站点ET0增加趋势显著（p<0.05），其中无锡、太仓、靖江地区ET0气候倾向率较大，分别为18.6、19.0、30.0 mm/10 a；共有32个站点ET0呈减小趋势，共有16个站点ET0减小趋势显著（p<0.05），其中新沂、泗洪、灌南地区ET0减小趋势较大，分别为-19.2、-23.1、-23.2 mm/10 a。

3）ET0对平均温度、日照时间、风速为正敏感，对相对湿度为负敏感，且ET0对相对湿度最敏感；平均温度、日照时间、风速、相对湿度与ET0相关系数分别为0.396、0.580、0.165、-0.516。敏感系数空间分布上，ST与SWS纬向分布特征都较明显。

4）贡献率分析表明，主要影响因素为风速的有22个站点，均分布在苏北地区，其中沛县、泗阳、新沂站的风速对ET0变化贡献较大，分别为-13.44%、-12.52%、-12.49%，主要影响因素为相对湿度的有38个站点，主要分布在苏南地区，其中丹阳、靖江、昆山站的相对湿度对ET0变化贡献较大，分别为18.47%、18.57%、20.87%，全区平均温度和日照时间不对ET0变化产生主要影响。江苏地区ET0变化的主要影响因素是风速和相对湿度。