气象因素对民勤地区参考作物腾发量变化的贡献分析

黄 悦 李思恩

(中国农业大学 水利与土木工程学院，北京 100083)

参照作物腾发量ET0是指生长旺盛、高度整齐、不缺水而且地面完全被覆盖的低矮青草地(草高8～15 cm)的腾发量[1]，我国又称参照作物需水量。ET0是表示具体地点、年内某时间的天气蒸发能力，不考虑作物特性和土壤条件的影响。计算ET0普遍采用世界粮农组织推荐的Penman-Monteith方法，与评价区草的ET0非常接近，该方法以能量平衡和水汽扩散理论为基础，既考虑了空气动力学和辐射的作用，又涉及了作物的生理特征[2]。公式还引入表面阻力参数，用来表征作物生理过程中叶面气孔及表层土壤对水汽传输的阻力作用。影响ET0的因素只有气象因素，深入探究气象因子对参考作物腾发量ET0变化的影响规律，对于解释腾发的控制机制、建模和预测至关重要。

近年来已有研究采用不同方法讨论气象因素对参考作物腾发量的影响，如：张瑞美等[3]采用因子分析法探究参考作物腾发量ET0与各气象因子的关系；范文波等[4]采用通径分析法找出气象因素对参考作物腾发量ET0影响的直接效应和间接效应，定量分析了指标间的相互影响程度；董煜等[5]采用敏感性系数的方法分析了新疆地区气象因素对参考作物腾发量ET0的敏感性分析；杨汉波等[6]采用弹性系数法分离了各气候变量(降雨、风速、相对湿度等)对径流的影响。但是不同研究方法在不同地理气候特征下得出的各地区气象因素对参考作物腾发量变化量的贡献大小不尽相同：梁丽乔等[7]研究表明相对湿度是控制ET0的主要因子，其次是气温，日照时数和风速的敏感系数最低；王媛等[8]研究结果显示在艾比湖绿洲中，各气象因子对ET0的敏感程度由大到小依次为，相对湿度，最高温度，风速，最低温度，日照时间；谢平等[9]的研究发现在东江流域，日照时数的平均影响量最大，温度、相对湿度其次，且二者相近，风速最小。可见，气象因素对参考作物腾发量的贡献程度有着明显的区域特征。此前，佟玲等[10]利用趋势分析和相关分析法分析了石羊河流域气候变化对参考作物蒸发蒸腾量的影响，这对于探索ET0变化的原因很有意义，但是更倾向于定性分析。

张逸君等[11]研究了民勤西沙窝1968—2018年的蒸发皿蒸发量与主要气象因子变化的相关关系及关联的密切程度，但其研究仅分析了各气象因子的变化趋势和蒸发量与气象因子的相关性大小。同样，陈英[12]分析了河西走廊东部5个气象站蒸发皿蒸发量的变化趋势，并未深入研究蒸发皿蒸发量变化与气象因素的定量关系。郑健等[13]研究了基于气候分区的甘肃地区参考作物蒸发蒸腾量的变化及其时空分布规律。因此，已有研究多分析参考作物蒸发蒸腾量的变化规律以及气候变化对参考作物蒸发蒸腾量的定性影响，很少有研究在长时间尺度下定量分析民勤地区气象因素对ET0变化量的贡献量大小。

甘肃省民勤县地处河西走廊东北侧，位于石羊河下游[14]，巴丹吉林和腾格里两大沙漠将其东西北三面包围。由于其特殊的地理位置，在西北地理变化和稳定中起着至关重要的作用。然而，由于上游水资源的过度使用，导致民勤地区生态环境十分脆弱，民勤曾经也一度被称为“第二个罗布泊”。但是近年来随着对民勤地区土壤荒漠化治理的力度加大，生态恢复效果十分显著，在2019年民勤县还获得了全国绿化模范单位荣誉称号。

因此，本研究拟以甘肃国家级地面站点民勤站[52681]为研究区，利用Penman-Monteith公式，根据1968—2018年的数据资料采用敏感曲线法、偏相关分析以及主成分分析法定量探究长时间序列下民勤地区气象因素对参考作物腾发量变化的贡献分析，以期为深入认识西北干旱地区参考作物腾发量对气候因素的响应提供科学依据。

1 材料与方法

1.1 研究区域

本研究选取甘肃国家级地面站点民勤站[52681](103°08′ E，38°63′ N，海拔高度1 367 m)为代表站，采用来自中国气象数据网的气象数据进行计算。1968—2018年民勤站的逐月地面资料的主要参数包括：月平均最低气温、月平均最高气温、晚上20时到次日晚上20时的24小时累计降雨量、平均气压、平均2 min风速和日照时数。

1.2 研究方法

1.2.1Penman-Monteith公式

联合国粮农组织推荐的Penman-Monteith公式如下[15]：

(1)

式中：ET0为参考作物腾发量，mm/d；Rn为作物表面净辐射，MJ/m2/d；G为土壤热通量MJ/m2/d；T为2 m高度处空气温度，℃；U2为2 m高度处风速，m/s；es为饱和水汽压，kPa；ea为实际水汽压，kPa；es-ea为饱和水汽压差，kPa；Δ为水汽压曲线斜率，kPa/℃；γ为湿度计常数，kPa/℃。

以d为时间步长计算ET0时，日土壤热通量的数量级别相当小，因此可以忽略不计。当以月为时间步长计算ET0时，当土壤变暖(春季)或变冷(冬季)时，以月为时间步长的土壤热通量对于月平均净辐射来说大，因此，在这种情况下土壤热通量不能忽略，其数值必须由前一个月和下一个月的平均气温来确定。

1.2.2偏相关分析

偏相关分析可以衡量多个变量中某2个变量之间的线性相关程度[13]，反映在多个变量中两两变量的真实相关关系[16]。利用SPSS 24.0软件计算各气象因素：平均最高气温Tmax、平均最低气温Tmin、平均风速U、平均饱和水汽压差VPD、平均净辐射与土壤热通量的差Rn-G对于参考作物腾发量ET0的偏相关系数，进而分析各气象因素对ET0的影响程度。

1.2.3主成分分析

主成分分析法以降维为目标，将多个变量转化为少数互不相关的几个变量，通过较少的变量得到最多的信息量[17]。对参考作物腾发量进行主成分分析，对气象因素进行再分类，以便从众多的影响因素中找出具有最大相关性的影响因子。利用SPSS 24.0 软件进行主成分分析，利用KMO和Bartlett分析对结果进行检验，KMO>0.6，说明变量之间存在相关性；Bartlett分析看SIG，若SIG>0.05，则不适宜进行因子分析。

1.2.4敏感性分析

敏感性分析[18]是从定量的角度研究一个或几个相关气象因子发生变化时，对参考作物蒸散变化的影响程度，主要包括敏感曲线法和敏感系数法2种方法。敏感曲线法可以直观、准确的描述参数的敏感性。具体方法：在其他气象因子不变的情况下，改变某一个气象因子，将其变化范围定为-20%～20%，变化幅度为5%，计算ET0相对变化量ΔET0/ET0。以气象因子变化幅度为X轴，ΔET0/ET0为Y轴，得到气象因子的敏感曲线，敏感系数表现在图形上就是敏感曲线在原点处的切线斜率，该斜率即为参考作物腾发量的变化量对气象因子的敏感性大小。

1.2.5气象因素对ET0变化的贡献

敏感系数的大小反映了各因子对研究对象的敏感程度，气象因素对ET0变化的贡献大小则采用Yin等[21]提出方法，用气象因素与ET0的敏感系数乘以该因素的多年相对变化，即为该气象因素对ET0变化的贡献值。正值表示正贡献，负值表示负贡献。计算公式如下：

vi,C=vi,S·vi,RC

(2)

(3)

ET0的实际变化通过Penman-Monteith公式计算得到的ET0多年相对变化ET0,RC得到。

2 结果与分析

2.1 ET0变化趋势

图1(a)为民勤站ET0的年内变化趋势，其中月ET0由每年每月的气象数据计算，再求多年月均值得到。由图1(a)可见：ET0年内变化特征呈抛物线形式；ET0在1—5月增加，8—12月递减，在7月达到最大值为5.29 mm/d。

图1(b)、(c)和(d)是民勤站ET0在不同时间尺度的年际变化特征：1 a时间尺度下，ET0的年际变化波动较大，整体呈上升趋势但走向不显著。在5和10 a的时间尺度下，ET0的线性拟合程度提升；民勤站多年平均ET0为3.59 mm/d，最小值在1968年为3.25 mm/d，最大值在2013年为3.93 mm/d，ET0整体呈增长趋势；从20世纪80年代开始进入一个低谷期，到21世纪开始明显上升。

图中虚线为趋势线。下图同。 The dotted line in theFigure is the trend line. The same inFig.2.图1 1968—2018年甘肃国家级地面站点民勤站的ET0变化趋势 Fig.1 ET0 variation trend of Minqin Station in Gansu National Ground Station from 1968 to 2018

2.2 ET0与各气象因素的相关性分析

2.2.1民勤站各气象因素的变化

图2是民勤地区各气象因素在不同时间尺度的变化特征。1 a时间尺度下，平均最高气温Tmax整体呈波动上升趋势；在5和10 a时间尺度下，线性拟合程度在提高，上升趋势较明显；平均最高气温Tmax的多年平均值为16.31 ℃，Tmax的最小值出现在1968年为14.91 ℃，最大值在2013年为17.93 ℃(图2(a)～(c))。平均最低气温Tmin在1、5和10 a 3个时间尺度下的线性拟合程度均较高，上升趋势明显；平均最低气温Tmin的多年平均值为1.90 ℃，Tmin的最小值出现在1970年为-0.18 ℃，最大值在2015年为4.08 ℃(图2(d)～(f))。

由图2(g)～(i)可见：1 a时间尺度下，平均风速U整体呈波动下降趋势，随着时间尺度的增大，线性拟合的程度也在提高。在5 a时间尺度下可以看出，1990年之前U的下降趋势明显，但在1990—2000年，U有个先增加后下降的剧烈波动，随后在2000年之后U有缓慢增加的趋势。平均风速U的多年平均值为1.96 m/s，U的最小值出现在2002年为1.62 m/s，最大值在1969年为2.26 m/s。

平均饱和水汽压差VPD整体呈增加趋势，随着时间尺度的增大，线性拟合的程度也在提高:平均饱和水汽压差VPD的多年平均值为0.99 kPa，VPD的最小值出现在1968年为0.86 kPa，最大值在2013年为1.18 kPa(图2(j)～(l))。

平均净辐射与土壤热通量的差Rn-G整体呈增加趋势，随着时间尺度的增大，线性拟合的程度有所提高：在10 a时间尺度下可以看出，2000年以后Rn-G呈下降趋势；平均净辐射与土壤热通量的差Rn-G的多年平均值为9.72 mm/d，Rn-G的最小值出现在1975年为9.22 mm/d，最大值在1997年为10.23 mm/d(图2(m)～(o))。

2.2.2ET0与各气象因素的相关性分析

由表1可以看出，ET0与各气象因素均呈显著的正相关关系，相关性系数VPD>Tmax>Tmin>(Rn-G)>U。由相关性系数可以看出，在民勤地区VPD是影响ET0的重要参数，其次是温度、辐射，影响最小的是风速。但是此变量间的相关分析只反映出ET0与单一气象因子间的相关性，不能看出其他气象因素对ET0与某个气象因子间其中的影响，也不能反映出气象因素对ET0变化量的贡献大小，因此需要结合以下方法进一步分析。

表1 1968—2018年甘肃国家级地面站点民勤站ET0与各气象因素的相关性Table 1 Correlation between ET0 and meteorological factors in Gansu National Ground Station Minqin Station from 1968 to 2018

2.3 ET0与各气象因素的偏相关分析

表2是剔除了其他所有气象因素，仅考虑一个气象因子与ET0的偏相关关系。表3是依次剔除一个气象因素，固定考虑除剔除的气象因素外其他某一个气象因子与ET0的偏相关关系。

由表2可以看出在偏相关分析中，ET0与Tmin变为了负相关，但是偏相关关系并不显著；ET0与Tmax、U、VPD和Rn-G仍呈正相关。ET0与各气象因素偏相关系数的绝对值由大到小依次为：U>VPD>(Rn-G)>Tmax>Tmin。与两变量间的相关性系数相比，ET0与VPD、Tmax的偏相关系数变化不大，ET0与Rn-G、U的偏相关系数变化较明显，T0与Tmin由正相关变为了负相关，但是偏相关系数不显著。上述变化可以侧面反映出ET0与VPD的关系受其他气象因素影响较小；ET0与Tmax的关系受VPD的影响较大一些，受其他气象因素则影响较小。Rn-G、U与ET0的偏相关系数变化较大，说明Rn-G、U本身对ET0有一定的影响，但是Rn-G、U对ET0的影响受其他气象因素影响较大。ET0与Rn-G的关系受VPD和温度的影响较大；ET0与U的关系均受到其他气象因素的一些影响。

表2 1968—2018年甘肃国家级地面站点民勤站ET0与各气象因素的偏相关性Table 2 Partial correlation between ET0 and meteorological factors of National Ground Stations in Gansu from 1968 to 2018

表3 1968—2018年甘肃国家级地面站点民勤站ET0与各气象因素的偏相关性系数Table 3 Partial correlation coefficient between ET0 and meteorological factors of National Ground Stations in Gansu from 1968 to 2018

E

2.4 ET0与各气象因素的主成分分析

利用SPSS 24.0软件进行主成分分析，利用Bartlett进行分析，SIG值小于0.05，表明可以进行因子分析。由表4可知，成分1是方差贡献最大的主成分，方差贡献率为59.107%。另外，在5个变量因子中，其起始特征值大于1的有2个成分，这2个成分的方差贡献率分别为59.107%、20.059%，累计方差贡献率为79.167%，这说明了起始特征值大于1的有2个成分可以解释原来5个变量79.167% 的信息，表示分析时只需提取前2个公共因子即可。

通过因子分析法提取2个主成分进行主成分分析，得到各主成分的荷载矩阵(表5)。由表5可见：第一个主成分的方差贡献率(59.107%)最大，主要在最高气温Tmax与饱和水汽压差VPD上的荷载较大，表明Tmax与上升是ET0升高的主要影响因子；第二个主成分的方差贡献率(20.059%)明显低于第一个主成分。第二个主成分主要在Rn-G指标上的荷载较大，说明Rn-G的上升在某种程度上成为ET0升高的因素，U在第二主成分的荷载为-0.288，说明U对ET0升高有制约作用。总的来说，Tmax与VPD对ET0的影响较大；Rn-G对ET0也有一定的影响，U对ET0为负影响。

表4 1968—2018年甘肃国家级地面站点民勤站ET0主成分分析法总方差解释Table 4 Interpretation of the total variance of ET0 of Minqin Station of Gansu National Ground Station from 1968 to 2018 by principal component analysis

表5 1968—2018年甘肃国家级地面站点民勤站ET0主成分分析Table 5 Principal component analysis of ET0 of Minqin Station of Gansu National Ground Station from 1968 to 2018

2.5 ET0与各气象因素的敏感性分析

表6和图3为在年内尺度上参考作物腾发量对气象因素的敏感系数以及敏感系数和气象因素在年内的趋势变化。由表6和图3可知：ET0对Tmax与Tmin的敏感系数随季节波动较大，冬季数值较小，夏季数值较大，且Tmax、Tmin和其敏感系数的变化趋势相同；U、Rn-G和其敏感系数的变化趋势也大致相同，且数值在年内变化波动较小，夏季冬季无较大的数值差异；VPD与其敏感系数在年内的变化趋势不相匹配，VPD在年内变化呈单峰趋势，夏季水汽压差大，冬季水汽压差小，而敏感系数在一年内数值均较大，对照着VPD的变化曲线，发现敏感系数并未随着VPD的增加而变大，且出现了减少的现象。综上所述，参考作物腾发量对VPD最为敏感；对U与Rn-G的敏感性一般；只有在夏季对Tmax的敏感较大，其他情况下则不敏感。

表6 1968—2018年甘肃国家级地面站点民勤站各月各气象因素的敏感系数Table 6 Sensitivity coefficients of meteorological factors in each month of Minqin Station in National Ground Station of Gansu province from 1968 to 2018

2.6 各气象因素对ET0的贡献分析

表7为各个气象因素对ET0变化的贡献。由表7可知：气象因素对ET0多年相对变化之和为5.51%，而ET0的实际变化为7.10%；民勤地区主要是由于Rn-G的升高而引起的ET0的增长，虽然ET0对Rn-G的敏感系数不大，但是Rn-G自身的增长幅度达到19.58%，因此对ET0的贡献率最大；与Rn-G不同，ET0对Tmax的敏感系数较大，Tmax对ET0的贡献率同样也较大；但Tmin对ET0为负贡献，Tmin的负贡献与Tmax的正贡献相抵消，总的气温对ET0的贡献为1.29%；ET0对U的敏感系数不低，U对ET0的贡献率也很大，说明U是造成ET0下降的主要原因，但是Tmin与U对ET0的负贡献不如Tmax、Rn-G、VPD对ET0的正贡献大，最终ET0呈现的是增长趋势。

3 讨 论

各气象因素对参考作物腾发量ET0的影响并不是孤立存在的，各气象因素间相互关联共同影响着ET0的变化。相关性分析、偏相关性分析、主成分分析与敏感性分析都可以定性分析参考作物腾发量ET0对各气象因素的响应，结合敏感系数与各气象因素的多年相对变化，可以定量分析气象因素对ET0变化的贡献水平。通过相关性分析与敏感性系数可以发现VPD、Tmax与ET0的相关性较大，而通过偏相关性分析发现Rn-G、U与ET0的相关性

图3 1968—2018年甘肃国家级地面站点民勤站敏感系数与各气象因素的年内变化趋势Fig.3 Annual variation trend of sensitivity coefficient and meteorological factors inMinqin Station of National Ground Station in Gansu from 1968 to 2018

表7 1968—2018年甘肃国家级地面站点民勤站各气象因素对ET0的贡献分析Table 7 Analysis on the contribution of meteorological factors to ET0 in Minqin Station of Gansu National Ground Station from 1968 to 2018

较小，但偏相关性很大，说明这二者与ET0的相关性会受到其他气象因素的影响。另外通过定量分析气象因素对ET0的贡献发现，虽然ET0对Rn-G的敏感系数不大，但是Rn-G自身的增长幅度很大，导致Rn-G对ET0的贡献率最大；同样的虽然ET0对U的敏感系数不大，但是U自身的下降幅度很大，导致U对ET0的负贡献率也较大，U的下降制约着ET0的增长；相反的是，虽然ET0对VPD的敏感系数较大，但是VPD自身增长的幅度不大，导致VPD对ET0的贡献率最小。曹雯等[1]的研究也得出了敏感系数小但贡献大的结果，在西北西风带季候区尽管风速的敏感系数最小，但风速本身的下降幅度很大，所以对ET0的贡献最大。民勤地区Rn-G的增长是造成ET0增长的主要贡献因子；而U的下降则是制约着ET0增长的主要贡献因子；气温的增长对ET0的增长也有一定的贡献；VPD的增长对ET0增长的贡献最小。所以说在研究气象因素对ET0的影响时，不可仅仅考虑气象因素与ET0的相关性，还要结合气象因素自身的增长幅度定量的分析其对ET0变化的数值大小，有些时候虽然ET0对气象因素敏感性较弱，但是由于自身的变化幅度较大，也可对ET0的变化产生不可忽视的影响。近年来全球变暖已成为人们公认的事实，早期民勤地区为了经济社会的发展，修建了一系列重要的调蓄水工程[21]，水利工程的兴建虽然在一定程度上带来了经济的发展但也对生态环境造成了一定的影响，调蓄水工程的兴建，使得上游来水量减少，地下水位下降，土壤沙化严重，小区域内风速、净辐射、水汽压差等气象因素也会受到相应的影响，进而共同影响着区域内ET0的上升。

4 结 论

1)1968—2018年甘肃国家级地面站点民勤站ET0年内变化特征呈抛物线形式，在1—5月增加，8—12月递减，7月达到最大值为5.29 mm/d。多年平均ET0为3.59 mm/d，年际变化呈上升趋势，时间尺度越大，线性拟合程度越高。

2)平均最高气温Tmax的多年平均值为16.31 ℃，整体呈波动上升趋势，多年线性倾向率为0.033 1 ℃/a；平均最低气温Tmin的多年平均值为1.90 ℃，整体呈波动上升趋势，多年线性倾向率为0.070 4 ℃/a；平均风速U的多年平均值为1.96 m/s，整体呈波动下降趋势，多年线性倾向率为-0.004 4 m/s/a；平均饱和水汽压差VPD的多年平均值为0.99 kPa，整体呈波动上升趋势，多年线性倾向率为0.006 9 kPa/a；平均净辐射与土壤热通量的差Rn-G的多年平均值为9.72 mm/d，整体呈波动上升趋势，多年线性倾向率为0.003 8 mm/d/a。且随着时间尺度的增加，各气象因素的线性拟合程度提高。

3)ET0与Tmax、VPD的相关性最大；ET0与U、Rn-G的相关性最小，但ET0与U、Rn-G的偏相关性较大，说明ET0与U、Rn-G的关系受其他气象因素的影响较大；利用主成分分析发现Tmax和VPD的荷载较大。

4)气象因素与各气象因素的敏感系数在年内的变化趋势有一定的相似度。Tmax和VPD的敏感系数最大，ET0对Rn-G的敏感系数不大，但是由于Rn-G自身的增长幅度较大，导致对Rn-G对ET0的贡献率最大；T和VPD对ET0的增长也产生了一定的贡献；U对ET0的增长产生了较大的负贡献。