黄淮海区域参考作物蒸散量的时空变化特征及影响因素

檀艳静，胡程达，史桂芬，3

（1.中国气象局·河南省农业气象保障与应用技术重点实验室，河南 郑州 450003；2.河南省周口市气象局，河南 周口 466000；3.河南省商丘市气象局，河南 商丘 476000）

引 言

参考作物蒸散量是表征大气蒸散能力的气象参数［1］，是用来评价气候干旱程度、植被耗水量、农作物需水量及生产潜力、水资源供需平衡的一个重要指标［2］。作为能量平衡和水分平衡的重要组成部分，参考作物蒸散量直接影响作物产量的估算、农业用水的安排、灌溉制度的制定和选种育种的区域划分，在预测作物水分需求、分析气候变化对农业生产影响等方面起到非常重要的作用［3－4］。

气候变暖导致气温、降水格局发生变化，尤其是降水和蒸散的时空变化显著影响了农业生产［5－6］，因此气候变化对参考作物蒸散量影响的研究备受关注。在全球气候变暖背景下，参考作物蒸散量的变化趋势存在空间差异性［7－11］，而中国幅员辽阔，地形复杂且纬向跨度大，其空间差异更为明显［12－16］。因此，在气候变暖背景下探究参考作物蒸散量的区域差异与时间变化以及影响成因显得尤为重要。研究表明，参考作物蒸散量的变化是气温、湿度、风速、日照等多种气象因子综合作用的结果，以往常采用相关分析和偏相关分析等方法［17－23］，定性分析参考作物蒸散量与各气象因子之间的关系，上述方法虽能定性说明参考作物蒸散量的变化与各气象因子关系的强弱，但无法定量给出实际影响。随着参考作物蒸散量变化成因研究的不断深入，近年来提出了敏感性分析和贡献率分析等定量化方法。敏感性分析法可以反映气象因子对参考作物蒸散量的影响程度［24－25］。贡献率分析法是在敏感性分析基础上结合气象因子的趋势变化，得到气象因子对参考作物蒸散量变化的贡献率［26－30］，该方法能够定量描述气象因子对参考作物蒸散量变化的实际贡献，使其变化机制更具有合理性和可行性。

黄淮海区域是我国最大的农业产区，居我国商品粮基地之首，水资源是限制该区域农业发展的重要因素，而参考作物蒸散量是表征作物需水量最为关键的要素［22］，是水资源规划和农业用水管理的重要依据［1］。为明确黄淮海区域参考作物蒸散量变化的主导因子，定量辨识各气象要素的贡献，本研究基于黄淮海区域364个气象站点1961—2018年逐日气象观测资料，利用Penman－Monteith公式计算参考作物蒸散量，在此基础上采用线性回归、敏感性分析和贡献率分析等方法，分析探讨该区域参考作物蒸散量的时空分布特征及其变化成因，以期为当地的水资源合理规划和农业水资源高效利用提供一定的科学依据。

1 数据与方法

1.1 研究区概况与数据来源

黄淮海区域是我国重要的粮食生产区，行政区域上主要包括河北、河南、山东、安徽、江苏及北京、天津等七省市，属于暖温带半湿润季风气候，年平均气温8～15℃，0℃及以上积温4200～5500℃，无霜期170～220 d，年日照时数2100～2800 h，年降水量500～950 mm，且由南向北减少，季节分配不均，60%～70%集中在夏季，春季易发生干旱。该区域作物的主要栽种方式是冬小麦－夏玉米轮作。

气象资料来源于中国气象科学数据共享服务网（http：／／cdc.cma.gov.cn／），包括 1961—2018年平均气温、最高气温、最低气温、风速、日照时数、平均相对湿度等逐日观测资料，剔除数据缺测较多的站点，最终选取了364个气象站点（图1）。

1.2 研究方法

1.2.1 参考作物蒸散量的计算

采用FAO 1998年推荐的Penman－Monteith公式计算参考作物蒸散量，公式如下［1］：

式中：ET0（mm·d－1）为参考作物蒸散量；Rn（MJ·m－2·d－1）为净辐射；G（MJ·m－2·d－1）为土壤热通量，在逐日计算公式中G≈0；T（℃）为2 m高度处日平均气温；es（kPa）为饱和水气压；ea（kPa）为实际水气压；△（kPa·℃－1）为饱和水气压曲线斜率；γ（kPa·℃－1）为干湿表常数；U2（m·s－1）为2 m高度风速，由10 m高度风速计算得到。

图1 黄淮海区域气象站点分布Fig.1 Distribution of meteorological stations in Huang－Huai－Hai region

1.2.2 敏感系数的计算

敏感系数是表征一个或几个相关气象因子的变化对ET0变化影响程度的定量参数，是体现ET0对相关气象因子敏感性的主要指标，用来判断气象因子对扰动的影响，定义为ET0变化率与气象因子变化率之比［24－25］，计算公式为：

式中：SVi为敏感系数；△ET0为 ET0的变化量；Vi、△Vi分别为气象因子及其变化量。SVi＞0，表示ET0随气象因子的增加而增加，反之则随气象因子的增加而减少，其绝对值大小反映了气象因子对ET0影响程度的高低，绝对值越大表示该气象因子的变化对ET0的影响越大。敏感系数均在日值的时间尺度上求得。

1.2.3 气象因子对 ET0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，得到此要素引起的ET0的变化，即该要素对ET0变化的贡献［31－32］，其中引起 ET0增大称为正贡献，引起ET0减小称为负贡献，计算式如下：

式中：ConVi（%）为气象因子Vi对ET0变化的贡献率；RCVi（%）是Vi的多年相对变化率；n为年数，本文取值 58；aVi为Vi的平均值；TrendVi为Vi的逐年变化率。

影响ET0变化的气象因子众多，参考前人研究成果，即影响ET0变化的气象因子主要有平均气温、相对湿度、日照时数和风速，将这4个因子的贡献率累加得到对ET0变化的总贡献率，其公式为：

式中：ConET0（%）为4个气象因子对ET0变化的总贡献率；ConT、ConRH、ConS、ConU2（%）分别为平均气温、相对湿度、日照时数和2 m风速对ET0变化的贡献率。

2 结果与分析

2.1 参考作物蒸散量的时空变化特征

受气候、地形等条件影响，黄淮海区域参考作物蒸散量存在明显的空间差异，整体呈现中部高、南部次之、北部最低的分布特征，高值区（ET0＞1050 mm）位于河北、山东和天津交界地带，并向四周逐渐减少；低值区（ET0＜910 mm）位于海拔高的河北北部和河南西部等地区［图2（a）］；各省区之间整体差异较小，山东平均 ET0最高为1005.2 mm，河南平均最小为 960.1 mm，全区平均为978.7 mm。

1961—2018 年，黄淮海区域年平均ET0整体呈显著减小趋势［图2（b）］，气候倾向率为－12.5 mm·（10 a）－1，且阶段性变化特征明显，20世纪80年代中期以前阶段性下降特征极其明显，下降幅度较大，大部分年份处于趋势线以下，而后围绕着950 mm波动变化，无明显变化趋势，且2005年以后波动幅度最小，表明近58 a黄淮海区域ET0存在“蒸发悖论”现象，ET0的减小意味着该区域农田和自然植被蒸散量减弱，作物需水量和灌溉量也相应地减少，地表干燥度降低，即气候可能呈湿润化趋势。

从图3看出，1961—2018年黄淮海大部分区域年平均ET0呈减少趋势，减少的站点占总站数的83.0%，而河北局部、江苏中南部地区则呈增加趋势，表明黄淮海大部地区存在“蒸发悖论”现象。全区年平均ET0的气候倾向率为－52～33 mm·（10 a）－1，且大部分站点（67.6%）通过0.05及以上的显著性检验，其中黄淮海中部的河北、河南、山东、安徽和江苏交界地带年均ET0减少趋势最为显著，气候倾向率为 －52～－15 mm·（10 a）－1，而年均 ET0呈现增加趋势的河北局部、江苏中南部地区也通过了显著性检验，未通过显著性检验的地区的气候倾向率为 －15～0 mm·（10 a）－1。统计发现（表略），各省区年均ET0均表现为减小趋势，河南减小幅度最大，气候倾向率为 －15.7 mm·（10 a）－1，其次是安徽和山东，分别为 －14.8和 －14.5 mm·（10 a）－1，江苏最小为 －5.7 mm·（10 a）－1。

从ET0的年代际空间分布（图4）来看，近58 a黄淮海区域ET0的年代际变化较明显，20世纪60年代ET0相对较大，普遍在980 mm以上，且有2个高值中心，分别位于河北东南部和山东北部交界处（中部中心）、安徽北部（南部中心），前者中心值高于后者；20世纪70年代，980 mm以上各等级范围均有不同程度的缩小，且南部中心消失，中部中心明显向渤海湾收缩；20世纪80年代，980 mm以上范围显著缩小为2个不连续区域，中部中心1050 mm以上区域显著缩小至渤海湾沿岸，且1120 mm以上的高值近乎消失；随后的1991—2018年，各年代的ET0空间分布与20世纪80年代相似，不同的是20世纪90年代南部中心的强度增至最强，而2011—2018年中部中心的强度略有增加。可见，黄淮海区域ET0的年代际变化特征空间并不一致，20世纪60年代至80年代大部分地区ET0减少特征显著，说明气候干旱化趋势减弱，尤其是河北东南部和山东北部一带，20世纪90年代以后ET0的年代际变化特征不明显。

图2 1961—2018年黄淮海区域多年平均ET0的空间分布（a，单位：mm）及其变化趋势（b）（*表示通过0.01的显著性检验，下同）Fig.2 Spatial distribution of annual mean ET0（a，Unit：mm）and its change trend（b）in Huang－Huai－Hai region during 1961－2018（*represents passing the significance test of 0.01 level，the same as below）

图3 1961—2018年黄淮海区域年平均ET0的气候倾向率［a，单位：mm·（10 a）－1］和显著性检验（b）空间分布Fig.3 Spatial distribution of climatic tendency rate（a，Unit：mm·（10 a）－1）and significance test（b）of annual mean ET0 in Huang－Huai－Hai region during 1961－2018

图4 黄淮海区域1961—2018年各年代平均ET0的空间分布（单位：mm）（a）1961—1970年，（b）1971—1980年，（c）1981—1990年，（d）1991—2000年，（e）2001—2010年，（f）2011—2018年Fig.4 The spatial distribution of decadal mean ET0 in Huang－Huai－Hai region during 1961－2018（Unit：mm）（a）1961－1970，（b）1971－1980，（c）1981－1990，（d）1991－2000，（e）2001－2010，（f）2011－2018

2.2 参考作物蒸散量对气象因子的敏感性分析

表1统计了各省和全区ET0对各气象因子的敏感系数。可以看出，ET0对平均气温、风速和日照时数的敏感系数均为正，而对相对湿度的敏感系数为负，且就全区而言相对湿度的敏感系数绝对值明显大于其他3个气象因子，说明相对湿度是黄淮海区域ET0变化最敏感的气象因子，其次是平均气温、日照时数，而ET0对风速的敏感性最弱；不同省区敏感系数绝对值最大的气象因子不同，京津冀地区ET0对日照时数最敏感，山东、江苏对相对湿度最敏感，而河南、安徽对平均气温最敏感，但各省区ET0对风速的敏感性最弱。可见，各省区由于所在的地理位置及地形特征不同，ET0对气象因子的敏感性不尽一致。

表1 黄淮海区域及各省区ET0对各气象因子的敏感系数和各因子对ET0变化的贡献率及总贡献率Tab.1 Sensitivity coefficient of ET0 to each meteorological factor and their contribution rates，total contribution rate to ET0 change in each province or area of Huang－Huai－Hai region

从敏感系数的空间分布（图5）看出，黄淮海区域平均气温的敏感系数为0.03～0.75，平均为 0.52，具有明显的纬向分布特征，自南向北逐渐减小，安徽大部和江苏中南部的敏感系数在0.60以上，河北北部在0.35以下；风速的敏感系数在0.06～0.38之间，平均为0.18，其纬向分布特征明显，自北向南逐渐减小，京津冀北部敏感系数大于0.25，而河南南部、安徽中南部和江苏大部的敏感系数小于0.15；与平均气温和风速的空间分布不同，相对湿度的敏感系数绝对值大致呈自东南向西北逐渐减小的带状分布，受海洋和地形影响，河南西部、京津冀北部相对湿度的敏感系数绝对值最小（＜0.35），大部分地区处于0.35～0.65，山东半岛、安徽中部和江苏大部敏感系数绝对值较大，在0.95以上；日照时数的敏感系数在0.26～0.76之间，平均为 0.43，且空间差异不明显，大部分地区不足0.46，京津冀东北部在0.66以上。

2.3 主要气象因子对参考作物蒸散量的贡献率

由公式（4）可知，各气象因子对ET0变化的贡献由ET0对气象因子的敏感性和气象因子自身的时间变化趋势两部分决定，为此分析了各气象因子的年变化特征及趋势（图6）。可以看出，1961—2018年黄淮海区域年平均气温整体呈显著上升趋势，气候倾向率为0.25℃·（10 a）－1，决定系数为 0.49，其中20世纪90年代以前平均气温的年代际变化不明显，而后阶段性升高，尤其是2011年以后平均气温最高；年平均风速持续减小，尤其是20世纪90年代以前下降显著，气候倾向率为 －0.23 m·s－1·（10 a）－1，决定系数为0.88；年平均相对湿度和日照时数均表现出先增加后持续减少的年代际变化特征，但整体上分别以0.46%·（10 a）－1、47.9 h·（10 a）－1的速率显著下降。

图5 黄淮海区域ET0对主要气象因子的敏感系数空间分布（a）平均气温，（b）风速，（c）相对湿度，（d）日照时数Fig.5 Spatial distribution of sensitivity coefficients of ET0 to main meteorological factors in Huang－Huai－Hai region（a）mean temperature，（b）wind speed，（c）relative humidity，（d）sunshine hours

就各省区（表2）来看，近58 a京津冀地区、山东及安徽平均气温呈显著上升趋势，风速和日照时数均呈显著下降趋势，而相对湿度减少趋势不明显；河南平均气温呈显著上升趋势，风速呈显著下降趋势，而相对湿度和日照时数减少趋势不显著；江苏平均气温呈显著上升趋势，风速、相对湿度和日照时数均呈显著下降趋势。

结合ET0对气象因子变化的敏感系数和气象因子的时间变化趋势，得到各气象因子对ET0减小的贡献率（表1）。可以看出，平均气温和相对湿度对ET0减小的贡献率均为正，而风速和日照时数对ET0减小的贡献率均为负；从全区来看，风速的贡献最大（－9.69%），日照时数次之，相对湿度的贡献最小（2.41%）；就各省区而言，除安徽日照时数的贡献率最大外，其他省区风速的贡献率最大，但江苏日照时数的贡献率也较大，略小于风速，表明风速的减小是造成京津冀地区、山东、河南ET0减小的首要原因，日照时数的减少是造成安徽ET0减小的首要原因，而日照时数和风速的减小是造成江苏ET0减小的主要原因。

虽然ET0对相对湿度变化的敏感性高于其他3个因子，但由于相对湿度的年变化趋势较其他因子弱，使得该因子对ET0变化的贡献最小；ET0对风速敏感性最弱，但风速的年变化趋势较其他因子最显著，最终使得该因子对ET0变化的贡献最大；虽然平均气温和日照时数的年变化趋势显著，但ET0对这两个因子的敏感性较低，导致两因子对ET0变化的贡献较低。另外，4个主要气象因子对ET0变化的负贡献远大于正贡献，这在很大程度上解释了ET0呈减小趋势的现象。

图6 1961—2018年黄淮海区域主要气象因子的年际、年代际变化及趋势（a）平均气温，（b）风速，（c）相对湿度，（d）日照时数Fig.6 The annual and decadal change of main meteorological factors and their climatic tendency in Huang－Huai－Hai region during 1961－2018（a）mean temperature，（b）wind speed，（c）relative humidity，（d）sunshine hours

表2 1961—2018年黄淮海区域各省区气候要素的均值及气候倾向率Tab.2 Mean value of climate factors and their climatic tendency rates in Huang－Huai－Hai region during 1961－2018

图7是黄淮海区域各站点对ET0减小贡献最大的气象因子及总贡献率的空间分布。从图7（a）看出，对京津冀地区和河南ET0减小贡献最大的气象因子有风速、日照时数和平均气温，两地区贡献最大因子为风速的站点最多，分别约占55%、78%，其次为日照时数，而平均气温为最大贡献因子的站点最少（均有4个）；对山东、安徽和江苏ET0减小贡献最大的气象因子有日照时数、相对湿度、风速和平均气温，山东贡献最大的因子为风速（约73%站点），安徽为日照时数（74%），而江苏相对湿度和风速是最大贡献因子的站点较多，分别占28%和32%。从图7（b）看出，黄淮海区域平均气温、风速、相对湿度和日照时数对ET0减小的总贡献率存在一定的空间差异，大部地区的总贡献率为负，京津冀北部局部地区和江苏中南部总贡献率为正，其中京津冀地区南部、河南东北部、山东西部和安徽北部总贡献率在－10%以下。

综上所述，黄淮海区域风速和日照时数的贡献率较大，贡献率最大的因子为风速和日照时数的站点占比88%，表明风速的减小和日照时数的减少是黄淮海区域ET0减小的主要原因。

图7 黄淮海区域各站点对ET0贡献最大的气象因子（a）及总贡献率（b，单位：%）的空间分布Fig.7 Spatial distribution of meteorological factor with the maximum contribution to ET0 （a）and their total contribution rate（b，Unit：%）in each station of Huang－Huai－Hai region

3 讨 论

黄淮海区域由黄淮海平原、鲁中南丘陵和山东半岛组成，地形及气候条件存在差异，各地ET0的变化规律及其成因不尽相同，ET0整体以减少趋势为主，但江苏中南部则表现为增加趋势，这与已有研究结论基本一致［18，32］，且 ET0的阶段性时间变化特征与全国较为一致［12］。不同区域ET0变化对气象因子的敏感性不同，黄淮海区域ET0对气象因子的敏感性与黄土高原［25］较为一致，而与海南岛［31］、东北地区［33］不同，东北地区 ET0变化对气温最为敏感［33］，西北地区对太阳总辐射最为敏感［34］。另外，不同区域气象因子的多年变化趋势也不尽相同，对ET0变化的贡献也不一致。因此，综合气象因子的敏感系数和变化趋势，能够更好地定量评价各气象因子对ET0的影响。

近年来，“蒸发悖论”现象在很多地区普遍存在［10，26－32］，黄淮海区域气温的显著升高并未导致区域内ET0升高。究其原因，很大程度上是该区域气温变化对ET0的贡献率没有风速和日照时数变化所占的比重大。研究表明，研究尺度和气象站点的不同会导致对 ET0贡献最大的因子有所差异［12，21，32］，但大部地区风速是对ET0影响最大的因子，这与本文的研究结论较为一致。另外，引起ET0变化的原因多样化、复杂化，除受气温、相对湿度、风速、日照时数等主要气象因子影响外，还与其他气象因子及人类活动、下垫面变化等有关。ET0的减少将引起作物需水量降低，黄淮海区域降水量季节分配不均，且主要集中在生长季，生长季内降水与蒸散不平衡导致近几十年易发生干旱［35－36］，故而还需对不同季节或生长季的ET0变化及成因作进一步的研究分析，从而根据作物不同生长阶段对水分的敏感程度进行适量、有效地灌溉，制定优化的灌溉制度。

4 结 论

（1）1961—2018年，黄淮海区域年平均 ET0为978.7 mm，且空间差异明显，大致上ET0自中部向四周逐渐减小；各省区年平均ET0差异较小，山东最高，河南最小。

（2）近58 a来，除江苏中南部呈显著增多趋势外，黄淮海大部分地区年平均ET0呈减少趋势，全区以 12.5 mm·（10 a）－1的速率显著减少，且各省区的变化趋势与全区一致，河南变化率最大，江苏最小；ET0存在明显的年代际变化，尤其是20世纪90年代以前年代际变化显著。同时，研究区内平均气温呈显著上升趋势，风速、相对湿度和日照时数则呈显著减小趋势。

（3）黄淮海区域内ET0对平均气温、风速和日照时数的敏感系数均为正，而对相对湿度的敏感系数为负，敏感系数绝对值最大为相对湿度，平均气温次之，风速最小，其中平均气温和风速的敏感系数均具有明显的纬向分布特征，相对湿度敏感系数具有一定的东南—西北向带状分布，而日照时数的敏感系数南北差异不明显。

（4）结合敏感系数和时间变化趋势，平均气温和相对湿度对ET0减小的贡献率均为正，风速和日照时数对ET0减小的贡献率均为负，且贡献率绝对值自风速、日照时数、平均气温、相对湿度依次减小；各省区风速对ET0减小的贡献最大（安徽为日照时数），风速的减小是造成ET0减小的首要原因，京津冀地区、山东、河南为风速的减小，安徽为日照时数的减少，而江苏则是日照时数的减少和风速的减小。可见，风速的减小和日照时数的减少是黄淮海区域ET0减小的主要原因。