喀斯特地区参考作物蒸散量变化特征及驱动机制研究——以贵州省为例

邢 愿, 贺中华，2

(1.贵州师范大学 地理与环境科学学院(喀斯特研究院)， 贵阳 550001；2.贵州师范大学 国家喀斯特石漠化防治工程技术研究中心， 贵阳 550001)

对参考作物蒸散量(ET0)的深入研究有助于规划区域农业生产和安排种植制度，科学评价农业水分资源，合理制定农田灌溉方案，防灾减灾，提高生产力，对区域社会经济科学发展有着重要意义[1]。由于ET0的直接测量难度大、成本高昂，方法技术无法大面积推广，实用性低下，且数据准确性难以保障[2]。目前使用最为广泛的是联合国粮农组织(FAO)推荐的1998年修订的Penman-Monteith 公式。在ET0对于气象要素的敏感性方面的研究众多，由于地理环境的差异性，不同研究区域的 ET0变化趋势存在差异，其影响因素也因地而异[3]。

目前关于西南地区 ET0及其影响因素，戴明宏等[4]研究发现，贵州省ET0与降水量、平均气压、日较差和相对湿度呈负相关关系，与平均风速、平均气温、水汽压和日照时数呈正相关关系，影响贵州省 ET0的主导因素是日照时数；倪宁淇等[5]研究表明1960—2015年年均ET0呈下降趋势，但下降趋势不显著，西南全区及各分区参考作物蒸散量均对相对湿度的敏感性最高，除四川盆地外，其余分区对日照时数、最高温度的敏感性较高，四川盆地对平均温度的敏感性较高；张青雯等[6]研究发现1954—2013年西南5省年均ET0总体呈下降趋势，空间分布特征为南部大于北部，云贵高原西部和广西地区明显大于四川盆地和云贵高原东部，四川盆地相对最小，川西高原南部和云贵高原东部地区相对最大；张伟伟等[7]基于西南地区108个气象站点1960—2013年逐日气温、降水、风速、日照时数、太阳总辐射和相对湿度数据研究表明西南地区参考作物蒸散量在波动中呈降低趋势，ET0存在明显的空间差异，表现为以云贵高原西部为高值中心，向四周递减；影响西南地区ET0的因子主要以日照时数、风速和相对湿度为主，但各区所受主控因子却不尽相同。

贵州省充沛的降水和气温的综合作用加剧了岩溶侵蚀，水土流失十分严重[8]。强烈的岩溶作用导致溶蚀裂隙、漏斗、落水洞等发育，地表水流极易进入地下管网并流出区外，形成独特的地表水和地下水二元水文结构[9]。喀斯特地区地形起伏大，而地下水埋藏深，水资源开发利用成本高、难度大，地下水利用率低，加上土壤瘠薄，土地的保水性差，农业生态环境极其脆弱[10-11]，水资源的相对缺乏给当地农业发展带来巨大影响。因此，针对喀斯特地区参考作物蒸散量时空变化特征及驱动机制的研究，对农业发展和防灾减灾，提高生产力及水资源合理配置有重要意义。

1 研究区概况

贵州简称黔或贵，地处云贵高原为典型的喀斯特低山丘陵地貌区，介于东经103°36′～109°35′、北纬24°37′～29°13′，地势西高东低，自中部向北、东、南三面倾斜，平均海拔约1 100 m(图1)。贵州省高原山地居多，素有“八山一水一分田”之说，人均耕地面积不到0.05 hm2(1 hm2=104m2)，远低于全中国平均水平，且土层厚、肥力高、水利条件好的耕地所占比重低[12]；气候温暖湿润，属亚热带湿润季风气候，常年降雨量充沛，但时空分布不均，分布特点为南多北少，东多西少，全省多年平均降雨量为1 100～1 300 mm，光照条件差，全省大部地区日照时数为1 200～1 600 h，分布特点为西多东少；受大气环流及地形等影响，气候不稳定，灾害性天气种类较多，干旱、秋风、凝冻、冰雹等频度大，对农业生产危害严重[13-15]。

图1 贵州省地形及气象站点分布

2 数据与方法

2.1 数据来源

气象资料来源于中国气象科学数据共享网提供的地面气象观测数据集。本研究选取能较好均匀覆盖贵州省、空间代表性较好的31个气象站点(图1)，2000—2017年植被主要生长期(4—11月)逐日降水量(P)、平均气温(AT)、日照时数(t)、平均相对湿度(RH)、风速(F)、水汽压(e)等气象资料。该资料经过了严格的质量控制，为后续计算参考作物蒸散量提供保障。

2.2 研究方法

2.2.1 参考作物蒸散发量(ET0)

以水汽扩散理论与热量平衡理论相结合的半经验公式法为理论基础，由英国学者彭曼提出的计算公式是目前世界上公认的理论上较严密、实用上比较简单且误差较小的用于计算作物蒸散发量的公式[16]。

(1)

式中：ET0为参考作物蒸散量；Rn为作物表面的净辐射；G为土壤热通量；T为地表高2 m处的平均气温；γ为干湿计常数；u2为地表高2 m处的平均风速；es、ea分别为饱和水汽压、实际水汽压；Δ为当前空气温度时的饱和水汽压曲线斜率。具体计算见文献[17-18]。

2.2.2 趋势分析

基于MATLAB的栅格数据一元线性回归及显著性检验法[19-20]，计算公式为

(2)

式中：θslope为回归方程斜率，θslope>0,表示ET0有增加趋势，θslope<0,表示ET0有减少趋势；n表示监测累积年数，n=18；Ci表示第i年的累积ET0。

(3)

2.2.3 突变分析

Mann-Kendall法是一种非参数统计检验法，许多学者不断完善和改进，并应用于气温、降水、径流[21-23]等要素的趋势变化分析和突变检验。它不需要样本遵从一定的分布，也不受少数异常值的干扰，计算简便、使用广泛。Mann-Kendall法检验统计量(S)计算公式为

(4)

式中：sign为符号函数，当(xi-xj)小于、等于或大于0时，sign(xi-xj)分别为-1、0或1。序列的U(变化趋势)分别为

(5)

式中，U为正值表示增加趋势，负值表示减少趋势。U绝对值在大于等于1.645、1.96、2.576时分别表示其通过了置信度为90%、95%、99%的显著性检验。|U|>1.96， 拒绝原假设H0。假设检验：H0是参考作物蒸散量系列有突变，H1为参考作物蒸散量系列没有突变。在时间序列随机独立的假定下，计算统计量为

(6)

式中，E(Sk)和var(Sk)分别表示Sk的均值与方差。按时间序列x的逆序xn，xn-1，…，x1重复上诉过程，获得统计变量UBk(k=n，n-1，…，1)同时使

UBk=-UFk

(7)

将UBk和UFk通过软件绘制成曲线，如果两条曲线出现交点，且该点处的U值满足|U|<1.96 ，则认为该点为序列的突变点，检验置信水平α=0.05[24]。

2.2.4 主成分分析

主成分分析[25]是利用降维的思想，在损失很少信息的前提下把多个研究指标转换为几个综合指标的一种统计方法，且各个主成分之间互不相干。主成分分析的数学模型为：对于k个观测变量X1,X2，…，Xk,n个观测样本的数据矩阵。

(8)

将k个预测变量综合成为z个新的变量(综合变量)，即

(9)

式中：Y1为第一主成分，Y2为第二主成分，以此类推；aij为主成分系数。

3 结果分析

3.1 蒸散量空间分布特征

用反距离权重插值法(IDW)对2000—2017年贵州省植被生长季多年平均参考作物蒸散量进行插值得贵州省植被生长季ET0空间分布(图2)。贵州省不同地区植被生长季年均ET0为580～910 mm，总体分布特征为：东南部地区高于西北部地区，喀斯特地区低于非喀斯特地区；形成以贵阳-安顺为核心的低ET0环状空间分布，黔西南与黔南交界地区为核心的高ET0的带状空间分布特征；喀斯特石漠化较为严重的毕节、安顺、贵阳及黔南地区的北部地区为ET0最低区；遵义西部、毕节东部、六盘水北部、贵阳北部地区为ET0较低区；遵义东北地区、铜仁、黔东南大部分地区、黔西南地区的西南部地区为ET0中高地区；ET0最高较高及最高区位于黔东南南部地区、黔西南与黔南交界地区，为植被覆盖良好的非喀斯特地区。ET0最高区与最低区之间的差值为250 mm；ET0最高区与最低区面积分别为10 395.15、43 274.83 km2，分别占全省总面积的5.9%、24.6%。

由ET0年际变化趋势图(图3)及其面积统计(表1)可得，近 18年来贵州省参考作物蒸散量总体表现为增加趋势，即回归系数θslope大于0的区域占整个研究区的67.44%，其中极显著增加的区域占整个研究区的 9.92%，主要分布在贵州省西部地区，以毕节市的西部、六盘水的中部、黔西南地区的西南部最为显著；显著增加的区域占整个研究区的 8.18%，分布与极显著增加区一致；ET0呈减少趋势的的面积远小于增加区域的面积，在整个研究区中呈显著和极显著降低的区域所占面积不足10%，主要分布于贵阳市西北部地区、黔南地区的中部。贵州省ET0的增加，表明作物灌溉需水量也随之增加，贵州省作为典型喀斯特地区，水土流失严重，地表水资源有限且开发利用率低，自然降水无法保障作物生长蒸散发所需的水分，对水分需求量大的水稻等作物不采取有效措施保障作物需水，将引发严重农业干旱问题，导致粮食作物减产。

图2 贵州省2000—2017年 植被生长季ET0空间分布

图3 贵州省2000—2017年ET0年际变化趋势及显著性检验空间分布

表1 2000—2017年ET0年际变化趋势统计

为进一步探究喀斯特地区与非喀斯特地区植被生长季ET0的变化特征，统计喀斯特与非喀斯特地区的气象站点的蒸散量(图4)。由图4可得，植被覆盖良好的非喀斯特地区ET0明显高于喀斯特地区，且非喀斯特地区的ET0高于喀斯特地区约20 mm。非喀斯特地区植被生长季ET0以每年1.318 2 mm的量增加，喀斯特地区与非喀斯特地区ET0趋势变化一致，呈同增同减特征。

图4 贵州省2000—2017年喀斯特与非喀斯特地区植被生长季ET0趋势统计

3.2 蒸散量趋势分析

用一元线性趋势检验法、Kendall秩次检验方法分析贵州省31个气象站点的ET0。通过分析可得，其中有9个站点(图1)通过了置信度95%的显著性检验(表2)。一元线性趋势检验法分析可得9个站点的线性趋势方程拟合状况较优，其中威宁气象站点拟合效果最优。9个气象站点的ET0呈明显增加或减少趋势，其中普安站点ET0增加趋势最为显著，以5.297 2 mm/d的速率增加；都匀站点ET0减小趋势最为显著，以10.66 mm/d的速率减少；Kendall秩次检验分析可得，9个站点的|U|值均大于Ua/2=1.96，表明9个站点的ET0增加或减小趋势显著。其中威宁、普安、湄潭、安顺、黎平、兴义6个气象站点呈显著增加趋势，分别以4.941 3、5.297 2、4.030 2、2.168 1、3.447 4、4.033 7 mm/d的速率增加，息烽、都匀、荔波3个气象站点呈显著减少趋势，较少速率分别为5.8181、-10.66、-3.317 1 mm/d。

由9个气象站植被生季年平均ET0一元线性趋势变化(图5)分析可得，独山、安顺、黎平、兴义气象站点ET0变化趋势上下波动明显，各气象站点ET0分别在2011年(746.7 mm)、2015年(659.3 mm)、2017年(787 mm)、2017年(784.7 mm)达到最大值；2003年(629.5 mm)、2012年(577.6 mm)、2012年(671.4 mm)、2008年(675.3 mm)达到最低值。

表2 气象站点植被生长季ET0变化趋势及检验结果

图5 突变站点2000—2017年生长季ET0变化过程

3.3 蒸散量突变分析

为探究气象站点ET0趋势发生波动的原因，利用Mann-Kendall非参数统计检验突变点分析法对9个气象站点ET0进行M-K突变点检验(图6)。威宁与普安站点ET0未出现突变性增长或减小的时间节点，但威宁与普安气象站点ET0呈持续增长趋势，分别在2008年与2004年后UF曲线值大于1.96，表明威宁与普安气象站点ET0通过0.05显著性检验。息烽气象站点的ET0发生突变的年份为2006年，UF曲线可知其年平均ET0序列呈现出单峰式变化，在2011年UF曲线超越0.05显著性水平置信下限，减小的趋势显著；湄潭气象站点ET0发生突变的年份为2004—2005年，其年平均ET0序列呈现出先减后增变化，在2004年后UF>0，ET0呈持续增长趋势，在2007年后UF>1.96，通过0.05显著性检验；安顺与黎平气象站点在0.05的置信水平下UF和UB两条曲线有多个交点，经过合理性分析可确定突变年份分别为2012年、2014年。都匀气象站点ET0发生突变的年份为2008年，由UF曲线可知其年平均ET0序列呈现出波浪式变化，总体呈下降趋势，在2011年后UF曲线超越0.05显著性水平置信下限，减小的趋势显著；兴义气象站点ET0发生突变的时间为2012—2013年，总体呈增加趋势，单增加趋势不显著；荔波气象站点ET0发生突变的时间为2003—2004年，在2003年后UF<0，ET0呈持续减少趋势。

图6 突变站点2000—2017年生长季ET0的M-K检验

3.4 蒸散量驱动因子分析

为探究影响ET0的变化的成因，利用因子分析与主成分析法作为主要研究方法，考虑与ET0有关的平均气温值、平均相对湿度、平均风速日照时数、降水量、平均地表气温等6个指标，作为探究影响ET0的影响指标。

由表3可得，平均地表气温与降水量的假设相关系数为0的单侧显著性检验概率为0.26大于0.05，因此两者之间是不相关的；其他指标假设相关系数为0的单侧显著性检验概率均小于0.05，因此各变量两两之间是相关的。平均气温、平均地表温度的能量来源主要都是太阳辐射，因此二者与日照时数具有较高的相关度。平均气温值与平均相对湿度呈负相关，与其他指标均呈正相关；平均相对湿度与降水量呈正相关，与其他指标呈负相关；平均风速与平均气温值、日照时数呈正相关，与平均相对湿度与降雨量呈负相关；日照时数与平均气温值、平均风速呈正相关，与平均相对湿度与降水量呈负相关；降雨量与平均气温、平均相对湿度呈正比，与平均风速与日照时数呈反比；平均地表气温与平均相对湿度呈反比，与平均气温、平均风速、日照时数呈正比。

表3 相关矩阵

利用SPASS软件，对31个气象站点的气象资料进行主成分分析(表4)，第一主成分、第二主成分和第三主成分累积贡献率达87.891%，因此前3个主成分能够代表喀斯特地区植被生长季ET0变化的驱动因子，分别记作Y1、Y2和Y3。主成分与原始变量之间的相关系数，绝对值越大说明关系越密切(表5)，第一主成分与平均气温、平均地表气温相关系数为0.973、0.971，均呈较强的正相关；第二主成分主要反映平均相对湿度与降水量的影响，相关系数分别为0.823和0.832，即平均相对湿度与降水量越大，Y2值越小；第三主成分反应风速的影响，二者相关系数为0.990，与其余气象要素相关性很弱，即风速越大，Y3值越大。

表4 主成分特征值及贡献率

表5 因子载荷矩阵

由特征向量矩阵(表6)可得，主成分的表达公式为

Y1=0.46XAT-0.45XRH+0.15XF+0.51Xt-0.19XP+0.51XGT

(10)

Y2=0.48XAT+0.4XRH-0.11XF-0.21Xt+0.63XP+0.39XGT

(11)

Y3=-0.03XAT-0.03XRH+0.97XF-0.13Xt+0.21XP-0.08XGT

(12)

表6 特征向量矩阵

由式(10)、式(11)、式(12)得第一因子与平均地表气温和日照时数关系紧密，第二因子与降水量关系紧密，第三个因子与平均风速关系紧密，表明3个指标对 ET0的影响不同。第一主成分是由因子日照时数与平均地表气温决定的，即影响ET0变化的主要因素为平均气温；第二主成分上降水量为影响ET0变化的主要因素；第三主成分上平均风速为影响ET0变化的主要因素。喀斯特地区植被生长季的ET0的增加或者减少过程中，平均气温起主导作用，降水量与平均风速起次要作用。研究发现ET0除了受平均地表气温与日照时数的影响外，平均相对湿度、降水量、平均风速的因子载荷较高，说明ET0还和空气的相对湿度、降水量、平均风速关系密切，即空气湿度越高、降水量减少、风速越小则ET0减少。

4 结论

以贵州省喀斯特山区为研究对象，探究喀斯特山区参考作物蒸散量时空变化特征，阐明参考作物蒸散量趋势变化的驱动机制，以期为农业种植规划、干旱灾害监测预警、喀斯特地区石漠化治理等提供科学依据。主要结论如下：

1)ET0分布特征为东南部地区高于西北部地区，喀斯特地区低于非喀斯特地区；喀斯特石漠化较为严重的毕节地区、安顺、贵阳及黔南地区的北部地区为ET0最低区，黔西南与黔南交界地区为核心的高ET0的带状空间分布特征，非喀斯特地区的ET0高于喀斯特地区。贵州省西部地区的ET0高于中、东部地区，与戴明宏等[4]研究结果一致。

2)通过Kendall秩次检验与Mann-Kendall非参数统计检验突变点分析法得31个气象站点中有9个气象站点的ET0呈明显增加或减少趋势，其中威宁与普安站点ET0未出现突变性增长或减小的时间节点，威宁与普安气象站点ET0呈持续平缓增加趋势，其他站点ET0在不同时段出现突变。

3)植被生长季影响ET0趋势的主导因素为温度与风速，降水次之，ET0与3个主成分的多元线性回归模型中，第一主成分主要反映平均气温、平均地表气温的影响，第二主成分主要反映平均相对湿度与降水量的影响，第三主成分与风速密切相关。