气候变化下河北省宁晋县参考作物蒸散量变化趋势及敏感性分析

杨丽，刘海军，唐晓培，高壮壮，冯东雪

气候变化下河北省宁晋县参考作物蒸散量变化趋势及敏感性分析

杨丽，刘海军*，唐晓培，高壮壮，冯东雪

（北京师范大学 水科学研究院 城市水循环与海绵城市技术北京市重点实验室，北京 100875）

【】深入分析宁晋县气候变化及其蒸散发的变化，为该区域的作物种植管理和灌溉计划制定提供参考。根据1981—2018年河北省宁晋县气象站的逐日气象资料，计算了极端气候指数，并利用FAO56 Penman-Monteith公式计算了参考作物蒸散量（0）。分析了各气象要素、极端气候指数和0的变化趋势，并利用敏感性分析找出影响0变化的主要气象因子。1981—2018年河北省宁晋县降水量无明显变化趋势，平均温度呈显著上升趋势，日照时间、相对湿度和风速呈显著下降趋势；极端高温指标呈上升趋势，极端低温指标呈下降趋势，极端降水指标无显著变化。相对湿度是0年均值主要影响因子；夏季对0月均值影响最大的气象因素为净辐射，其他季节，相对湿度对其影响最大；风速和辐射的降低不仅抵消了温度升高和相对湿度降低对0的正影响，还使得0呈下降趋势，但下降趋势不显著。

气候变化；极端气候；参考作物蒸散量；敏感性分析

0 引言

【研究意义】气候变化已成为国内外的热点研究，但具有很强的区域性，不同地区气候的变化趋势不尽相同[1-4]。在气候变化背景下极端天气频发对农业生产造成了极大影响，表征温度和降水的极端气候指标也具有较大的区域性差异[5-7]。因此，对农业高产区，研究气候以及极端天气的变化情况对指导农业生产具有重要意义。

【研究进展】参考作物蒸散量（0）是反映具体地点、时间的大气蒸发能力，不考虑作物特性和土壤条件的影响，影响0的因素只有气象因素[8]。0与作物系数结合可计算实际的作物需水量，因此在灌溉计划的制定和农田水分管理中被广泛运用。国内外学者对于不同地区的0变化趋势和影响因素进行了大量研究。Croitoru等[9]对气候变化条件下罗马尼亚的0进行了分析，发现罗马尼亚大部分站点的0有所上升，对于不同季节而言，春夏季0大多呈上升趋势，秋季则呈下降趋势。Maček等[10]研究了欧洲的斯洛文尼亚共和国的0，结果表明，大部分站点的0呈上升趋势，太阳辐射变化对0增加贡献最大。Nam等[11]研究了气候变化对韩国0的影响，研究发现韩国西北地区、东南城市地区、西南农业地区的站点的年0呈上升趋势。黄会平等[12]对中国十大水资源区的0进行了研究，研究发现我国十大水资源区年均0均呈现出减小的趋势。一些学者对中国局部地区的0也进行了相关研究。武剑飞等[13]对四川省湿润气候区的0进行了研究，发现0同样呈下降趋势，影响0的主要因素为净辐射。梁霄等[14]对若尔盖湿地研究中发现0呈显著上升趋势，影响0的主要气象因子为相对湿度。罗雨等[15]发现北京地区的0呈上升趋势，相对湿度和温度是0变化的主要影响因子。【切入点】国内外0的研究大多为大尺度区域研究。而在较小空间尺度下，不同区域的0变化趋势和主要影响因子均呈现出较大的差异。同时对于不同地区，影响0的主要气象因子也不尽相同。因此大尺度下0的研究不能完全代表其小尺度下0的发展规律，对于县尺度的0变化，可能与其所在流域的0变化情况不符。对于0影响因子的相关研究，其时间尺度多为年尺度或季尺度，对于月尺度的0影响因子研究则相对较少。【拟解决的关键问题】宁晋县位于河北平原中部，是河北省最大的产粮县。明晰该区域主要气象要素的变化特征，0变化趋势及其主要影响因子对于指导当地农业生产、制定合理灌溉计划和优化水资源配置等具有重要意义。

1 材料与方法

1.1 数据来源

选用河北省宁晋气象站（纬度37°38′N，经度114°555′E，海拔30.1 m）1981—2018年的气象数据进行分析。原始气象数据均来自国家气象局气象信息中心，数据以日为单位。数据包括降水量、平均气温、最低气温、最高气温、平均相对湿度、日照时间和平均风速等。

1.2 研究方法

1.2.1 参考作物蒸散量（0）计算公式

本文采用联合国粮农组织（FAO）推荐的Penman-Monteith公式计算0，计算式为[8]：

式中：0为参考作物蒸散量（mm/d）；n为净辐射（MJ/（m2·d））；为土壤热通量（MJ/（m2·d）），以日为单位时可忽略；为湿度计常数（kPa/℃）；2为2 m处的风速（m/s）；为饱和水汽压差（kPa）；为2 m高处的日平均气温（℃）；为饱和水汽压温度曲线上的斜率（kPa/℃）。

1.2.2 Mann-Kendall（M-K）检验和Sen's斜率计算

Mann-Kendall检验是世界气象组织（WMO）推荐并广泛使用的非参数检验方法。该检验法具有样本不需遵从某一特定分布，其结果也不受异常值干扰的优点，能较好地揭示整体时间序列演变趋势[16-17]。如果数据时间序列显示线性趋势，则可以使用Sen[18]给出的简单非参数计算估计真实斜率。

使用Salmi等[19]基于Excel开发的MAKESENS 1.0软件进行气象要素以及0的M-K趋势检验和Sen's斜率计算。使用MATLAB软件进行M-K突变检验。

1.2.3 极端气候指数计算

选用由国际气候诊断与指数专家组（ETCDDMI）确定的气候变化指标。根据研究区的地理位置和自然环境特征，选取8个极端气温指数和6个极端降水指数来分析研究区的极端气候，极端气候指数及其定义如表1所示。极端气候指数计算采用加拿大气象研究中心张学斌等[20]基于R语言开发的RClimDex模型。

表1 极端气候指数定义

1.2.40的敏感性分析方法

①根据1981—2018年的平均温度、相对湿度、净辐射和风速，计算出各气象因素的平均值，最大值以及最小值；②将各气象因素的平均值代入式（1），计算出0的基本值；③保持其他气象因素不变，即为①中计算的平均值，只改变其中一个气象要素的值，使其在①中的最大及最小值之间，利用式（1）计算出单个气象要素变化时的0值，并与②中计算出的0的基本值进行比较，变化越大，说明其对应的气象要素敏感性越高。

2 结果与分析

2.1 气象要素变化趋势

年平均降水量、温度、相对湿度、日照时间和风速1981—2018年的变化趋势如图1所示。对其进行M-K检验和Sen's斜率计算，结果见图2和表2。由图1可知，年平均降水量在218.4~666.3 mm之间，多年平均降水量为430.3 mm，M-K检验显示研究区降水无明显变化趋势，说明该研究区降水情况较为稳定。年日照时间变化范围为2 027～2 792 h，多年平均值为2 428 h，M-K趋势检验显示整体呈下降趋势，变化斜率为-7.68 h/a，表明该研究区的辐射水平有所降低，这可能与空气污染导致大气中悬浮粒子浓度增加，大气浑浊度上升有关。阿多等[1]发现从20世纪60年代到21世纪10年代，华北平原的大气浑浊度增加了53%，以烟、霾、微尘为主的微粒量增加，使得太阳辐射减少。多年平均温度变化范围为11.81~14.25 ℃，多年平均值为13.03 ℃，突变发生年份为1997年，整体呈显著上升趋势，变化斜率为0.04 ℃/a，说明研究区温度升高，这与全球变暖的大环境相符。相对湿度变化范围为59.99%~74.75%，多年平均值为66.05%，整体呈下降趋势，变化斜率为-0.09%/a，表明研究区呈一定干旱趋势，在降水量没有显著变化的情况下，研究区相对湿度减小可能与地下水位降低有关。自20世纪60年代以来，河北的地下水位急速下降，刘海若等[21]发现石家庄市的地下水埋深从1980年的10.1 m下降到2010年的32.87 m，降幅达到22.77 m，整个华北井灌区的地下水位也明显下降。地下水位下降导致陆地蒸发减小，从而使得研究区相对湿度减小。研究区的风速突变发生年份为1993年，整体呈下降趋势，多年平均值为2.04 m/s。

图1 气象要素年际变化（1981—2018年）

图2 气象要素M-K突变检验（1981—2018年）

表2 气象要素的M-K趋势检验和Sen's斜率

注 “+”、“*”、“**”和“***”表示分别通过了0.1、0.05、0.01和0.001的显著性检验。

2.2 极端气候指标变化趋势

图3和图5分别为宁晋县1981—2018年的年极端气温指数和极端降雨指数的变化过程。其M-K趋势检验和Sen's斜率如表3所示。

由图3和表3可以看出，表征高温事件的极端气温指数夏日日数（SU25）和暖夜日数（TN90P）多年平均值分别为144.42 d和12.52 d，呈显著上升趋势，变化斜率分别为0.23 d/a和0.38 d/a；暖昼日数（TX90P）和暖持续指数（）多年平均值分别为12.45 d和2.16 d，呈不显著上升趋势，TX90P突变发生年份为1992年，在研究时段内无突变（图4）。表征低温事件的极端气温指数霜日日数（）和冷夜日数（TN10P）多年平均值分别为115.68 d和12.27 d，整体呈显著下降趋势，变化斜率分别为-0.5 d/a和-0.36 d/a，FD突变发生年份为1995年，TN10P在研究时段内无突变；冷昼日数（TX10P）和冷持续指数（）多年平均值分别为12.20 d和2.95 d，呈不显著下降趋势。可以看出，在气候变暖背景下，河北省宁晋县极端高温事件越来越频发，而极端低温事件出现频率则有所减小。并且夜间高温指数和低温指数的上升和下降趋势均大于日间高温指数和低温指数的上升和下降趋势。说明夜间温度的升高对研究区气候变暖的贡献很大，这与雅茹等[7]对内蒙古极端气候事件的研究结果相同。

图4 极端气温指数M-K突变检验(1981—2018年)

对于极端降水指数（图5和表3），极端降水日数（R25）、极端降水量（R95P）和持续湿润指数（）多年平均值分别为4.21 d、110.08 mm和3.82 d，呈现出不显著上升趋势，5日最大降水（RX5day），普通日降水强度（SDII）和持续干燥指数（）多年平均值分别为92.94 mm、9.75 mm/d和83.97 d，呈现出不显著下降趋势。极端降水指数和极端气温指数相比较，变化幅度较小。这与2.1中降水稳定的情况相符。除了，其他极端降水指数均未超过临界值±1.96，而在临界值内无交点，因此极端降水指数在研究时段内均无突变（图6）。

图5 极端降水指数变化趋势（1981—2018年）

图6 极端降水指数M-K突变检验（1981—2018年）

表3 极端气候指数的M-K趋势检验和Sen's斜率

注 “+”、“*”、“**”和“***”表示分别通过了0.1、0.05、0.01和0.001的显著性检验。

2.3 参考作物蒸散量（ET0）变化过程

图7为1981—2018年间参考作物蒸散量（0）变化过程。研究区0在948~1 171 mm/a之间变化，平均值为1 073 mm/a，图中实线为0变化趋势线。对0进行M-K趋势分析和Sen's斜率计算，发现MK-Z值为-0.18，Sen's斜率为-0.17。可以看出，0在1981—2018年间呈下降趋势，但不显著。

根据图7，计算实际0与变化趋势线上对应年份的0的差值，对这一系列差值做累计频率分析（负值取其绝对值）。

图7 研究区ET0在1981—2018年之间的变化过程

累计频率90%对应的差值约为82 mm/a，累计频率50%对应的差值约为35 mm/a。将变化趋势线分别向上下移动82 mm/a和35 mm/a，得到90%可能区间和50%可能区间（图7中划线和点线），这时0落入划线和点线的可信度分别为90%和50%。考虑到0在1981—2018年的变化趋势不显著，结合图7，可以得知研究区未来0的变化特征，即年0落在986~1 150 mm/a的概率为90%，落在1 033~1 103 mm/a的概率为50%。

2.4 ET0对气象因子敏感性分析

利用研究区1981—2018年的日气象数据计算出气象数据的月均值和年均值及变化范围，然后利用1.2.4提出的敏感性分析方法分析温度、相对湿度、风速、净辐射对0的影响（其中净辐射由日照时间计算得出）。分析结果如图8所示。

表4 1981—1990年和2009—2018年气象要素单独变化对ET0的影响

图8 气象因子对ET0的月均值和年均值敏感性分析

0相对值变化（图8（a）），不仅可以分析同一时期，0对气象因素的敏感程度，还可以分析不同月份之间，0对同一气象因素敏感程度的变化。而0绝对值变化（图8（b）），只能反映同一时期气象因素对0的敏感性大小，而对于不同月份，由于0不同，难以分析气象因子对0影响大小的年际变化。但是0绝对值变化可以反映出不同月份，0变化的真实范围。从0的相对值和绝对值变化可以看出，1—3月，影响0的气象因子按影响力大小排序，依次为：相对湿度、温度、风速和净辐射。此后，净辐射对0的影响逐渐增大，相对湿度、温度和风速对0的影响逐渐减小。7月和8月净辐射成为0的主要影响因子。尤其在7月，净辐射对0的影响范围绝对值在-0.85~0.51 mm/d之间，相对值在-18.45%~11.09%之间。之后相对湿度、温度和风速对0的影响又逐渐增大，净辐射对0的影响逐渐减小。到12月，相对湿度对0影响范围绝对值在-0.29~0.35 mm/d，相对值在-37.06%~44.81%之间，远大于12月其他气象因子对0的影响。从整体来看，夏季（6—8月）净辐射是影响0的主要因子，而其他季节相对湿度是影响0变化的主要气象因子。

对于0年均值而言，相对湿度仍是影响0变化的主要气象因子，使得0变化的相对值在-10.30%~7.17%之间，影响范围为17.47%；温度和净辐射对0年均值的影响相差不大，影响0变化的相对值分别在-4.25%~3.53%和-3.71%~3.85%之间，影响范围分别为7.78%和7.56%。风速对0年均值影响最小，影响范围为6.98%。可以看出，相对湿度是河北省宁晋县0最敏感的因素。

对于气象因子变化对0影响的年内分布，可以看出，秋冬季，0对气象因子的变化更为敏感（图8（a）），相对值变化范围为-41%~45%；而从0变化的绝对值来看（图8（b）），秋冬季气象因子变化对0影响的绝对值变化较小，变化范围为-0.60~0.52 mm/d，而春夏季气象因子变化引起的0变化的绝对值较大，变化范围为-0.85~0.64 mm/d，这主要是由于春夏季0较大，秋冬季0较小，秋冬季较小的0绝对值变化会引起较大的相对值变化。

保持其他气象要素为多年平均气象数据，仅改变某一项气象数据为1981—1990年或2009—2018年的平均值，即研究期前10年或后10年的平均值，计算气象要素对0的影响。计算结果如表4所示。温度升高和相对湿度降低使得0分别增加了0.06 mm/d和0.02 mm/d，但风速和净辐射的降低使得0分别减少了0.08 mm/d和0.05 mm/d。可以看出，风速和净辐射的降低抵消了温度升高和相对湿度降低对0的正影响，并且使得0呈下降的趋势。

3 讨论

研究区0呈不显著下降趋势，说明风速和净辐射的下降抵消了温度的升高和相对湿度的下降对0的影响。黄会平等[12]对1957—2012年中国0时空变化分析中，发现海河流域的0也呈现出逐渐下降的趋势，这与本研究结论相符。罗雨等[15]对北京地区0的研究中发现，北京地区0呈逐渐增加的趋势。虽然本研究区和北京同属海河流域，但0却呈现出相反的变化趋势。这可能是由于北京城镇面积较大，农业区相对较少，而研究区为河北主要农业区，耕地占比较大，不同的土地利用状况使得0变化趋势差异较大。

在0敏感性分析中，相对湿度对年0影响最大，而夏季净辐射对0影响最大。这是由于夏季辐射变化幅度较大，相对湿度和温度变化幅度较小。7月辐射变化范围为9.67~14.72 MJ/（m2·d），变化幅度达到5.05 MJ/（m2·d），相对湿度变化范围为61.32%~85.06%，变化幅度为23.74%，日均温度变化范围为24.87~29.30 ℃，变化幅度为4.43 ℃。而冬季相对湿度和温度变化幅度较大，辐射变化幅度较小，1月相对湿度变化范围为38.03%~78.55%，变化幅度达到40.52%，几乎为7月相对湿度变化的2倍，温度变化范围为-0.03~-6.30 ℃，变化幅度为6.27 ℃，约为7月份变化幅度的1.5倍。辐射变化范围为2.51~2.90 MJ/（m2·d），变化幅度为0.39 MJ/（m2·d），仅为7月份辐射变化范围的1/13。因此夏季0对辐射变化更为敏感，冬季0对相对湿度变化更为敏感。风速变化范围没有明显季节差异，之所以冬季0会对风速更加敏感，主要是因为冬季0值较小，从图8（b）也可以看出，风速变化时，夏季0变化的绝对值反而较大。赵彩霞等[22]发现，对于黄淮海平原地区，春、秋、冬季和全年，0对相对湿度最敏感，夏季0对太阳辐射最敏感，这与本研究结论一致。

华北地区主要为夏玉米-冬小麦的复种方式，在水资源总体匮乏的大环境下，气候变化将会对目前农业生产模式造成较大影响。数据显示研究区温度升高，一方面使得作物种植季积温升高，有利于作物生长，另一方面，会导致作物生育期缩短，造成作物减产[23]。胡实等[24]发现石家庄地区1960—2009年50年间温度升高使冬小麦返青期和开花期提前，增加了冬小麦碳水化合物累积及向籽粒转化的时间，使得冬小麦增产，而温度升高使夏玉米生殖生长期缩短，减少了其碳水化合物累积及向籽粒转化的时间，使得玉米减产。本研究结果显示，1981—2018年间温度显著升高，考虑到研究区与石家庄气候条件和作物种植情况较为类似，因此温度升高可能使得研究区冬小麦增产，夏玉米减产。较弱的光照有利于作物营养器官的生长，却不利于作物果实和籽粒的生长。对于华北平原，辐射的降低会造成小麦和玉米减产[25-26]。本研究得出日照时间显著下降，因此研究区辐射的下降可能会导致研究区小麦和玉米减产。在研究区极端气候的分析中，发现极端高温事件越来越频发，而极端低温事件出现频率则有所减小。对于小麦和玉米生长，最高温度分别为30~32 ℃和40~44 ℃[27]，极端高温指数的上升会导致作物受到高温胁迫的概率增加，进而可使作物减产。因此提高该区作物抵御高温灾害能力至关重要。

4 结论

1）1981—2018年河北省宁晋县各气象要素变化趋势为：年降水量变化较为平稳，温度呈显著上升趋势，相对湿度、年日照时间和风速呈显著下降趋势。对极端气候指标的分析显示，表征高温事件的极端气温指数呈上升趋势，表征低温事件的极端气温指数呈下降趋势，夜间高温指数和低温指数的上升和下降趋势均大于日间高温指数和低温指数的上升和下降趋势。极端降水指标无显著变化趋势。

2）河北省宁晋县1981—2018年的0变化范围为948~1 171 mm/a，风速和由日照时间计算得到的净辐射的下降不仅抵消了温度的升高和相对湿度的下降对0的正影响，还使得0呈下降趋势，但是该下降趋势不显著。对0的月均值敏感性分析显示，河北省宁晋县地区，夏季对0影响较大的因素是净辐射，而春、秋、冬3季，对0影响最大因素为相对湿度。年均值敏感性分析显示，相对湿度是0变化的主要影响因子，温度和净辐射对0的影响相差不大，风速对0的影响最小。

[1] 阿多, 熊凯，赵文吉，等. 1960—2013年华北平原气候变化时空特征及其对太阳活动和大气环境变化的响应[J]. 地理科学, 2016, 36(10): 1 555-1 564.

A Duo, XIONG Kai, ZHAO Wenji, et al. Temporal trend of climate change and mutation analysis of North China Plain during 1960 to 2013[J]. Scientia Geographica Sinica, 2016, 36(10): 1 555-1 564.

[2] 李香芳, 李栋梁, 段晓凤, 等. 宁夏枸杞生长季气候变化特征及其影响[J]. 中国生态农业学报(中英文), 2019, 27(12): 1 789-1 798.

LI Xiangfang, LI Dongliang, DUAN Xiaofeng, et al. Variations and effects of climate in growth period of Lycium barbarum L. in Ningxia[J]. Chinese Journal of Eco-Agriculture, 2019, 27(12): 1 789-1 798.

[3] 刘广东, 李艳, 刘海军, 等. 山西地区近55年参考作物蒸散量的变化特征及其主要影响因素分析[J]. 灌溉排水学报, 2012, 31(5): 26-30.

LIU Guangdong, LI Yan, LIU Haijun, et al. Changing trend of reference crop evapotranspiration and its dominated meteorological variables in Shanxi Province in the past 55 years[J]. Journal of Irrigation and Drainage, 2012, 31(5): 26-30.

[4] 秦艳, 赵求东, 孟杰, 等. 近58年天山降雪/降水量比率变化特征及未来趋势[J]. 农业工程学报, 2020, 36(4): 150-158.

QIN Yan, ZHAO Qiudong, MENG Jie, et al. Variation characteristics and future trends of the snowfall/precipitation ratio in Tianshan Mountains in recent 58 years[J]. Transactions of the Chinese Society of Agricultural Engineering, 2020, 36(4): 150-158.

[5] YING Hong, ZHANG Hongyan, ZHAO Jianjun, et al. Effects of spring and summer extreme climate events on the autumn phenology of different vegetation types of Inner Mongolia, China, from 1982 to 2015[J]. Ecological Indicators, 2020, 111: 105 974.

[6] 吕越敏, 李宗省, 冯起, 等. 近60年来祁连山极端气温变化研究[J]. 高原气象, 2019, 38(5): 959-970.

LYU Yuemin, LI Zongsheng, FENG Qi, et al. Analysis of extreme temperature changes in Qilian Mountains in the past 60 years[J]. Plateau Meteorology, 2019, 38(5): 959-970.

[7] 雅茹, 丽娜, 银山, 等. 1960—2015年内蒙古极端气候事件的时空变化特征[J]. 水土保持研究, 2020, 27(3): 106-112.

YA Ru, LI Na, YIN Shan, et al. Characteristics of temporal and spatial variation of extreme climate events in inner Mongolia during the period 1960—2015[J]. Research of Soil and Water Conservation, 2020, 27(3): 106-112.

[8] ALLAN R G, PEREIRA L S, RAES D, et al. Crop evapotranspiration-Guidelines for computing crop water requirements-FAO Irrigation and Drainage Paper 56[EB/OL]. 1998.

[9] CROITORU A E, PITICAR A, DRAGOTĂ C S, et al. Recent changes in reference evapotranspiration in Romania[J]. Global and Planetary Change, 2013, 111: 127-136.

[10] MAČEK U, BEZAK N, ŠRAJ M. Reference evapotranspiration changes in Slovenia, Europe[J]. Agricultural and Forest Meteorology, 2018, 260/261: 183-192.

[11] NAM W H, HONG E M, CHOI J Y. Has climate change already affected the spatial distribution and temporal trends of reference evapotranspiration in South Korea?[J]. Agricultural Water Management, 2015, 150: 129-138.

[12] 黄会平, 曹明明, 宋进喜, 等. 1957—2012年中国参考作物蒸散量时空变化及其影响因子分析[J]. 自然资源学报, 2015, 30(2): 315-326.

HUANG Huiping, CAO Mingming, SONG Jinxi, et al. Temporal and spatial changes of potential evapotranspiration and its influencing factors in China from 1957 to 2012[J]. Journal of Natural Resources, 2015, 30(2): 315-326.

[13] 武剑飞, 康银红, 梁友鹏. 四川省湿润气候区参考作物蒸散量趋势变化及成因分析[J]. 灌溉排水学报, 2020, 39(1): 131-137.

WU Jianfei, KANG Yinhong, LIANG Youpeng. Change in reference crop evapotranspiration from humid climate region of Sichuan Province and its determinants[J]. Journal of Irrigation and Drainage, 2020, 39(1): 131-137.

[14] 梁霄, 靳晓言, 强皓凡. 若尔盖湿地参考作物蒸散量时空演变特征及成因分析[J]. 节水灌溉, 2018(8): 47-53.

LIANG Xiao, JIN Xiaoyan, QIANG Haofan. Temporal-spatial variation characteristics and cause analysis of reference crop evapotranspiration in Zoige Wetland[J]. Water Saving Irrigation, 2018(8): 47-53.

[15] 罗雨, 刘海军, 李艳. 北京地区参考作物蒸散量变化趋势及其主要影响因素分析[J]. 干旱地区农业研究, 2010, 28(1): 34-38.

LUO Yu, LIU Haijun, LI Yan. Changing trend and dominated meteorological variables of reference crop evapotranspiration in Beijing[J]. Agricultural Research in the Arid Areas, 2010, 28(1): 34-38.

[16] MANN H B. Nonparametric tests against trend[J]. Econometrica, 1945, 13(3): 245.

[17] KENDALL M G. Rank correlation methods[M]. London: Charles Griffin, 1975.

[18] SEN P K. Estimates of the regression coefficient based on Kendall's tau[J]. Journal of the American Statistical Association, 1968, 63(324): 1 379-1 389.

[19] SALMI T, MÄÄTTÄ A, ANTTILA P, et al. et al. Detecting trends of annual values of atmospheric pollutants by the Mann-Kendall test and sen' s solpe estimates the excel template application MAKESENS[EB/OL]. 2002.

[20] ZANG Xuebin, YANG Feng. RClimDex(1.0) user manual[R]. Climate Research Branch Environment Canada, 2004.

[21] 刘海若, 白美健, 刘群昌, 等. 华北井灌区地下水水位变化现状及应对措施建议[J]. 中国水利, 2016(9): 25-28.

LIU Hairuo, BAI Meijian, LIU Qunchang, et al. Current situation and countermeasures of groundwater level alteration in well-irrigated districts in North China[J]. China Water Resources, 2016(9): 25-28.

[22] 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.

ZHAO Caixia, MEI Xurong, JU Hui, et al. Variation in potential evapotranspiration and its sensitivity coefficients to climatic factors in the Huang-Huai-Hai Plain[J]. Chinese Journal of Agrometeorology, 2015, 36(5): 570-577.

[23] 孙新素, 龙致炜, 宋广鹏, 等. 气候变化对黄淮海地区夏玉米-冬小麦种植模式和产量的影响[J]. 中国农业科学, 2017, 50(13): 2 476-2 487.

SUN Xinsu, LONG Zhiwei, SONG Guangpeng, et al. Effects of climate change on cropping pattern and yield of Summer Maize-Winter Wheat in Huang-Huai-Hai Plain[J]. Scientia Agricultura Sinica, 2017, 50(13): 2 476-2 487.

[24] 胡实, 莫兴国, 林忠辉. 气候变化对海河流域主要作物物候和产量影响[J]. 地理研究, 2014, 33(1): 3-12.

HU Shi, MO Xingguo, LIN Zhonghui. The contribution of climate change to the crop phenology and yield in Haihe River Basin[J]. Geographical Research, 2014, 33(1): 3-12.

[25] XIAO D P, TAO F L. Contributions of cultivars, management and climate change to winter wheat yield in the North China Plain in the past three decades[J]. European Journal of Agronomy, 2014, 52: 112-122.

[26] XIAO D P, TAO F L. Contributions of cultivar shift, management practice and climate change to maize yield in North China Plain in 1981-2009[J]. International Journal of Biometeorology, 2016, 60(7): 1 111-1 122.

[27] 赵鸿, 王润元, 尚艳, 等. 粮食作物对高温干旱胁迫的响应及其阈值研究进展与展望[J]. 干旱气象, 2016, 34(1): 1-12.

ZHAO Hong, WANG Runyuan, SHANG Yan, et al. Progress and perspectives in studies on responses and thresholds of major food crops to high temperature and drought stress[J]. Journal of Arid Meteorology, 2016, 34(1): 1-12.

Variation of Reference Crop Evapotranspiration and its Sensitivity Analysis in Ningjin County of Hebei Province under a Changing Climate

YANG Li, LIU Haijun*, TANG Xiaopei, GAO Zhuangzhuang, FENG Dongxue

(Beijing Key Laboratory of Urban Hydrological Cycle and Sponge City Technology, College of Water Sciences, Beijing Normal University, Beijing 100875, China)

【】Agricultural production in Ningjin county of Hebei province relies on irrigation and understanding crops demand for water and its evapotranspiration is essential to improving agricultural water management. The purpose of this paper is to analyze the potential variation in evapotranspiration across the county under a climate projected to change.【】Meteorological data measured daily from 1981 to 2018 at the weather station in the county was used to calculate the reference crop evapotranspiration (0) using the FAO56 Penman-Monteith formula. We also calculated the extreme climate indexes and how each meteorological factor trended. The impact of each meteorological factor on0was estimated by sensitivity analysis.【】The change in precipitation in the county did not show noticeable trends in the studied period, but the average temperature had risen significantly accompanied by a significant decrease in sunshine hours, relative humidity and wind speed. The extreme temperature indexes for high temperature events trended up while the indexes for extreme low temperature events trended down, with extreme precipitation indexes not showing noticeable change. The annual average0was impacted by the relative humidity most, while the monthly average0was most sensitive to net radiation in summer and to relative humidity in other seasons. The decrease in wind speed and radiation appeared to have overwhelmed the positive influence of temperature rise and relative humidity drop on0, leading the0to decline although not at significant level.【】Most meteorological factors in the county had showed substantial changes from 1981-2018, but, surprisingly, their combination did not lead to a significant change in0.

climate change; extreme climates; reference crop evapotranspiration; sensitivity analysis

S161.4

A

10.13522/j.cnki.ggps.2020303

1672 - 3317（2021）01 - 0097 - 09

2020-06-06

自然基金重点项目（51939005）；国家重点研发计划项目（2017YFD0201500）；111引智基地项目（B18006）

杨丽（1997-），女。硕士研究生，主要从事节水与水资源高效利用技术研究，E-mail: 201921470027@mail.bnu.edu.cn

刘海军（1975-），男。教授，博士生导师，博士，主要从事农业水文过程及现代节水灌溉理论和技术研究。E-mail: shanxilhj@bnu.edu.cn

杨丽, 刘海军, 唐晓培, 等. 气候变化下河北省宁晋县参考作物蒸散量变化趋势及敏感性分析[J]. 灌溉排水学报, 2021,40(1): 97-105.

YANG Li, LIU Haijun, TANG Xiaopei, et al. Variation of Reference Crop Evapotranspiration and Its Sensitivity Analysis in Ningjin County of Hebei Province under a Changing Climate[J]. Journal of Irrigation and Drainage, 2021, 40(1): 97-105.

责任编辑：白芳芳