近40年中国饱和水汽压差时空变化及影响因素分析

袁瑞瑞 黄萧霖 郝璐

南京信息工程大学江苏省农业气象重点实验室，南京 210044

1 引 言

饱和水汽压差（Vapor Pressure Deficit，VPD）表示的是实际空气距离水汽饱和状态的程度，即空气的干燥程度。已有相关研究表明，VPD在决定植物生理功能中起着关键作用（Cunningham, 2004;陈彪等, 2015; 赵卉忱等, 2020）。首先，VPD对植物叶片的气孔导度有直接影响，VPD增大能够促进叶片表面的气孔张开，有利于植被更好地吸收水分以进行光合作用和正常生理活动，但VPD超过一定阈值时又将导致植物降低气孔开度以阻止过多的水分流失，从而抑制植物的生长（闫敏等,2016）；其次，VPD还与植物液流、水分利用效率等有显著的相关关系（李静, 2014; 秦奔奔和景元书, 2017）。研究指出，地球的理想VPD范围在0.45～1.24 kPa，最佳为0.85 kPa；植物能够较好生长的VPD范围是0.8～0.95 kPa（李静, 2014），而实际中的环境因子经常无法满足植物进行最佳生长的条件。因此，植物对环境中VPD的响应受到越来越多研究者的关注。

另一方面，作为大气从陆地表面提取水分的能力的准确度量，VPD可反映大气对水分的“需求” （atmospheric demand）（刘玉莉等, 2014），是植被蒸散的主要驱动因素之一（于贵瑞和王秋凤,2010）。通过改变植物气孔行为，VPD极大地限制了许多生物群落的陆地蒸散（贾志军等, 2007;Fletcher et al., 2007）。Novick et al.（2016）指出VPD与大气水分需求直接相关且影响地表水分传导和蒸散；郭媛（2012）探讨了1960～2010年来影响中国长江流域实际蒸发量的气象因素，结果表明，就年际变化而言，全流域实际蒸发量与VPD变化呈显著负相关关系。此外，VPD增加会显著影响森林死亡率（Yuan et al., 2019），VPD极端高的年份极可能会对植被造成相当大的水分胁迫，从而导致疾病、火灾和死亡的风险（Seager et al.,2015）。不仅如此，VPD还会影响粮食产量，极端高温对美国玉米生产的主要影响与VPD增加有关（Lobell et al., 2013）；Zhang et al.（2017）发现，VPD的增加对不同地区、不同作物的产量影响不同，除中国东南部的小麦外，VPD的增加会导致作物产量普遍下降。

可见，VPD对于生态系统的结构和功能具有重要意义，但是其作用却往往被低估（Novick et al., 2016），尤其是在有着陆地“碳汇”之称的半湿润地区。最新研究发现，近10年来，全球VPD有普遍升高趋势（Mao et al., 2017），这势必对区域生态系统产生一定的影响，但是在区域尺度上，VPD变化趋势的相关研究还有待开展。在我国城市化进程加快以及我国大部分地区温、湿等大气参数呈现显著变化趋势的大背景下（徐兴奎, 2011; 唐国利等, 2012），深入探讨VPD在不同季节、不同气候区的变化特征及其主导因素，不仅可以为气候、生态和植被模型等研究提供科学基础，对于我国不同气候区提高生态管理水平以实现生态可持续性发展也具有重要意义。

2 数据来源与研究方法

2.1 气象数据

气象数据来自国家气象信息中心（http://data.cma.cn/[2020-01-10]），对全国601个基本、基准地面气象观测站及自动站的1980～2018年气象资料月值数据集进行统计分析。数据主要包括平均气温、最高（低）气温、相对湿度、降水量、风速、日照时数等。为了分析VPD的季节性变化，将一年分为春季（3～5月）、夏季（6～8月）、秋季 （9～11月）、冬季（12月～次年2月）4个季节，并参考中国科学院资源环境科学数据中心 （http://www.resdc.cn/[2020-01-30]）对干湿地区的划分，将全国分为湿润区、半湿润区、半干旱区以及干旱区4个区（图1）来分析VPD的区域性差异。空间分布图采用专用气象数据插值软件ANUSPLIN完成，ANUSPLIN基于薄盘样条函数理论，引入多个影响因子作为协变量，大大提高插值精度，对时间序列的气象要素更加适合（刘志红等, 2008）。考虑到青藏高原地形的特殊性，本文引入高程作为协变量，DEM数据来自中国科学院资源环境科学数据中心（http://www.resdc.cn/[2020-01-30]），分辨率1 km。

图1 研究区气候分区以及气象站空间分布Fig. 1 Climate regions and meteorological stations in the study area

2.2 VPD计算

VPD是在给定某一空气温度时的饱和水汽压与实际水汽压的差值。饱和水汽压是温度的函数，可直接由温度计算得到，见Tetens经验公式 （Allen et al., 1998）：

其中，T是空气温度（单位：°C），e0(T)是 温度T时的饱和水汽压（单位：kPa）。

由于上式是非线性函数，对于月尺度这样较长时间间隔的平均饱和水汽压，若用平均气温来代替日最高、最低气温，则会使平均饱和水汽压估计值偏低，相应的水汽压差也变小，因此以该时间间隔内的日平均最高、最低气温分别对应的饱和水汽压的均值计算（Li et al., 2014）：

其中，es是平均饱和水汽压（单位：kPa），Tmax、Tmin分别是日平均最高、最低气温（单位：°C）。实际水汽压ea（单位：kPa）则根据月平均相对湿度（φmean）计算：

最终得到VPD（VPD，单位：kPa）：

2.3 Mann-Kendall趋势检验

本文采用Mann–Kendall（M–K）非参数检验法检测时间序列的趋势变化（Mann, 1945; Kendall,1975），统计值Z＞0表明序列是增加趋势，Z＜0表明序列是减少趋势。Z的绝对值大于1.65、1.96、2.58时，表明通过了置信度分别为90%、95%、99%的显著性检验（孙康慧等, 2019）。将M–K检验进一步用于检验序列突变时，定义统计变量UFk、UBk，取显著性水平α=0.05，则临界值U0.05=1.96。将UFk、UBk两个统计量序列曲线和±1.96线绘制在同一张图上，若 UFk的值大于0，则表明序列呈上升趋势，小于0则呈下降趋势，超过临界线表明上升或下降趋势明显。如果UFk和UBk两条直线出现交点，且交点在临界线之间，那么交点对应的时刻便是突变开始的时刻（陈婧等, 2019）。

2.4 影响因素分析

采用多元线性回归法分析VPD的主要影响因子。运用逐步回归分析保留对VPD影响程度较大的自变量，建立多元线性回归方程，并计算相应的贡献率（Li et al., 2014; 朱晓华等, 2019）：

其中，Y代表VPD，Xi代表各个气象要素，a、b、c……为第i个气象要素所对应回归系数，c1为X1变量对VPD的相对贡献率，以此类推。

3 结果与分析

3.1 VPD的空间分布

3.1.1 不同季节的VPD空间分布

图2为近40年来中国地区VPD的年及季节尺度的分布情况。就全国而言，1980～2018年多年平均VPD值的范围在0～2.1 kPa。西北干旱半干旱区的VPD较高，尤其在新疆地区，达到2.0 kPa左右，这与西北地区干旱少雨的气候特点相对应，其余地区的VPD相对较低。多年平均VPD最高值出现在新疆的吐鲁番地区，因该地区四周高山环抱，增热迅速、散热慢，形成气温高、降水少的特点，VPD值可达到2.0 kPa。低值主要分布青藏地区、黑龙江地区，台站最低值出现在青海省玉树州的清水河站，VPD值仅0.12 kPa。

图2 1980～2018年中国全年和四季饱和水汽压差（VPD）的空间分布：（a）全年；（b）春季；（c）夏季；（d）秋季；（e）冬季Fig. 2 Spatial distribution of annual and seasonal VPD (vapor pressure deficit) in China from 1980 to 2018: (a) Annual; (b) spring; (c) summer;(d) autumn; (e) winter.

分季节来看，春、夏、秋3个季节的VPD空间分布与全年的空间分布情况类似，均表现出西北干旱半干旱区VPD高，青藏高原、东北以及南方大部分区域VPD低的规律，且在夏季尤为明显。这与我国近几十年来蒸发皿蒸发量的空间分布有相近之处（朱晓华等, 2019），即内蒙古和新疆地区值较大，东北地区和青藏地区较小，表明VPD与区域的蒸发潜力在空间上存在对应关系。冬季VPD值介于0～0.7 kPa，且其分布规律与其他3个季节有所不同，具体表现为高纬地区偏低，而低纬的云南、南部沿海地区VPD较高的分布规律，与我国近几十年来冬季的总蒸发量基本一致，进一步表明了饱和水汽压差对陆地蒸散发的主导作用（朱晓华等, 2019）。

3.1.2 不同气候区VPD的差异

根据水分条件，将我国划分为4个不同的气候区，对近40年来全国的饱和水汽压差进行分区域统计（图3）。可以看出，全年以及春季、夏季的平均VPD在湿润区最低，在干旱区最高，半湿润区和半干旱区的值介于二者之间。其中，夏季平均VPD表现为由湿润区到干旱区逐渐增大的分布特点，而冬季相反，表现为平均VPD由湿润区到干旱区逐渐减小的特点。4个气候区平均VPD均呈现“夏季＞春季＞秋季＞冬季”的特征。干旱区VPD的季节性差异大，夏季与冬季相差约1.4 kPa，湿润区的季节性差异小，夏季与冬季相差约0.4 kPa，半湿润区及半干旱区的值介于二者之间。

图3 1980～2018年中国全年和四季不同区域VPD的分布情况Fig. 3 Distribution of annual and seasonal VPD in different regions of China from 1980 to 2018

3.2 VPD的时间变化

3.2.1 VPD变化趋势的空间分布

通过绘制中国地区年及不同季节VPD变化趋势的空间分布图，可以更直观的了解VPD在近40年来的变化情况（图4）。1980～2018年，VPD在全国呈现上升趋势的站点为566个，占总台站个数的94%，其中76%的站点通过了0.05的显著性检验。上升最显著的区域主要是内蒙古的阿拉善盟、新疆东部、四川以及江浙一带，M–K趋势值 （Z值）达到5.0以上，表明这些地区VPD的上升趋势极其显著。仅有新疆西北部、贵州等小部分区域VPD呈现下降的趋势。

图4 1980～2018年中国全年和四季VPD的M–K变化趋势（ Z 值）：（a）全年；（b）春季；（c）夏季；（d）秋季；（e）冬季。蓝色实心圆代表VPD呈下降趋势，橙色实心圆代表VPD呈上升趋势，黑色空心圆代表VPD无显著变化趋势； | Z|大于1.65、1.96、2.58分别表示VPD的变化趋势通过了0.1、0.05、0.01显著性检验Fig. 4 Trends of annual and seasonal VPD in China from 1980 to 2018: (a) Annual; (b) spring; (c) summer; (d) autumn; (e) winter. The blue and orange solid circles denote the downward and upward trends of VPD, respectively, and the black hollow circle denotes no significant change trend of VPD; |Z| ＞ 1.65, 1.96, and 2.58 shows that the changing trend of VPD passed the significance test with a significance level of 0.1, 0.05, and 0.01,respectively

分季节来看，各个季节仍表现出全国大部分地区VPD呈上升趋势的规律。春、夏两季在黄河流域以及东南沿海地区的上升趋势尤为显著，通过α=0.05显著性检验的站点分别达到65%和56%。秋、冬季出现显著上升趋势的站点集中在云南、四川以及江浙一带，通过α=0.05显著性检验的站点分别达到46%和41%。同时秋、冬季出现VPD降低趋势的站点数增多，但仅有2%和0.4%的站点通过α=0.05的显著性检验。通过Sen’s坡度检验 （赵彦军等, 2019），发现春、夏两季平均VPD的上升幅度较大，约为0.04 kPa/10 a。

3.2.2 不同气候区VPD时间变化趋势

对1980～2018年全国饱和水汽压差的变化趋势进行分区统计，图5为4个气候区VPD逐年变化的距平以及累积距平。总体来说，近40年来各气候区的VPD均呈现上升趋势，与全球大气水汽压差的长期变化趋势一致（Yuan et al., 2019）。

对于各个气候区，累积距平曲线均在2000年前后发生转折，在2000年以前，距平值低于0，逐年的VPD值低于1980～2018年VPD的平均值，而2000年以后高于平均值，表明这种增加趋势大致出现在21世纪初，与全球大气水汽压差在上世纪90年代末以来呈现急剧增加的趋势结论一致 （Yuan et al., 2019）。对各个区的1980～2018年逐年VPD值做M–K突变检验，得到一致的结论：4个区的VPD均在21世纪初突变上升并通过显著性检验，其中湿润区突变年份偏早（1996年），干旱区突变年份较晚（2004年），并且在1996年以前呈下降趋势（图6）。通过Sen’s坡度检验 （赵彦军等, 2019），发现干旱区的上升幅度最大，约为0.04 kPa/10 a。

图6 1980～2018年中国不同气候区VPD的Mann–Kendall 统计量曲线：（a）湿润区；（b）半湿润区；（c）半干旱区；（d）干旱区。黑色虚线为α=0.05水平临界值Fig. 6 Mann–Kendall statistical curves of VPD in different climate regions of China from 1980 to 2018: (a) Humid region; (b) subhumid region;(c) semiarid region; (d) arid region. The black dash line denotes the significance level of α = 0.05

3.3 影响VPD时空变化的气象因素

根据VPD的整体变化趋势，将1980～2018年划分为1980～1999年和2000～2018年两个时段来分别分析影响VPD的气象要素，气象要素包括：平均气温、风速、日照时数、降水、气压和绝对湿度。将各气象要素对VPD的贡献率排序整理，结果见表1。

不同时段、不同气候区、不同季节影响VPD变化的主导因素有所差异，但总体而言，主要为气温和绝对湿度（表1）。具体而言，第一时段 （1980～1999年），影响各个气候区VPD的第一主导气象要素为气温，其次为降水（半干旱区秋季为日照时数）；与第一时段相比，第二时段 （2000～2018年）主导气象要素有所变化，湿润区的年、春季以及干旱区的年、夏、秋季由绝对湿度主导，而湿润区和半湿润区的秋季由降水主导，其余仍由气温主导。总体而言，对于年际变化来说，两阶段相比，干旱区和湿润区的绝对湿度对VPD的作用增大，温度的作用略有减小。对两阶段气温和绝对湿度的年际变化做Sen’s坡度检验如表2所示。随着气温逐渐升高，饱和水汽压增大，即空气中可容纳的水汽含量增加，而2000年后，由于西北干旱区降水量减少（徐荣潞，2020），干旱区绝对湿度由第一阶段的增加趋势转为降低趋势，空气中容纳的水汽含量以0.12 g m-3(10 a)-1的速率降低，直接导致了VPD的迅速升高。而第二阶段半干旱区和半湿润区绝对湿度变化不大，气温的增加速率相对较大，饱和水汽压越来越大，因此气温仍是VPD增加的主导因子。湿润区第一阶段气温增幅较高，而绝对湿度增幅低，气温的增加是VPD增加的主导因子，第二阶段的气温与绝对湿度均呈增加趋势，气温的增加幅度低，绝对湿度增加幅度相对较大，达0.21 g m-3(10 a)-1，这可能是因为湿润区降水量充沛，气温的升高使得更多的水蒸汽被吸收到空气中，其与气温的共同作用导致VPD的增加幅度相对第一阶段放缓（图5），但VPD的值相比第一阶段整体偏高（表1）。

表1 1980～2018年中国不同气候区全年和四季饱和水汽压差变化及影响因素Table 1 Impact factors of the variation of vapor pressure deficit from 1980 to 2018

表2 1980～2018年中国不同气候区气温与绝对湿度的Sen’s坡度值Table 2 Sen’s slope of temperature and absolute humidity f rom 1980 to 2018

图5 1980～2018年中国不同气候区VPD的变化趋势：（a）湿润区；（b）半湿润区；（c）半干旱区；（d）干旱区。r2表示决定系数，α表示显著性水平。黑色曲线代表VPD的距平，蓝色曲线代表VPD的累积距平，红色直线为VPD距平的线性拟合Fig. 5 Trends of VPD in different climate regions of China from 1980 to 2018: (a) Humid region; (b) subhumid region; (c) semiarid region; (d) arid region. r2 denotes the coefficient of determination, α denotes the significance level. The black and blue curves denote the anomaly and cumulative anomaly of VPD, respectively, and the red line denotes the linear fit of the anomaly of VPD

3.4 VPD变化对参考蒸散的影响

根据彭曼公式（Li et al., 2014）计算不同气候区各季节的参考蒸散（ET0）并与VPD做相关性分析，结果表明（表3），1980～2018年间VPD与参考蒸散在不同气候区、不同季节均呈现显著正相关关系，相关性均通过α=0.01的显著性检验。年尺度上，湿润区ET0与VPD的相关性最强（0.88）；各个气候区冬季、春季的相关性 （0.85～0.96）强于夏季、秋季（0.67～0.85）。这表明，ET0随着VPD的增加而增加，尤其是在降水较少的干燥季节（冬、春两季），这可能导致作物需水量上升并加剧用水短缺从而对作物产量产生影响（Fan et al., 2016）。

表3 1980～2018年中国不同气候区在年及季节尺度上VPD与参考蒸散的相关系数Table 3 Correlation coefficients between VPD and reference evapotranspiration at different annual and seasonal scales in different climate regions of China from 1980 to 2018

4 讨论

气温升高会导致大气和地表之间温度差异增大，同时大气和地表间的湿度差异也会发生非线性变化，VPD可以描述这种共同的综合作用（徐兴奎,2011）。本研究中年均VPD的空间分布状况与朱晓华等（2019）在1961～2017年VPD的空间分布情况基本一致，但本文进一步分季节讨论，发现我国冬季VPD的分布情况与其他季节不同，主要体现在干旱区的VPD较湿润区低。唐欢等（2018）研究指出，VPD与降水量之间呈负相关关系，降水量越大，VPD值越小；韩磊等（2018）、党宏忠等（2019）的研究认为在小时和日尺度上VPD与气温、风速、太阳辐射呈正相关，而与相对湿度呈负相关。我们的结论与以上基本一致，并进一步发现气温和绝对湿度的变化是影响我国VPD近40年变化的主要因素。其中，2000年以后，影响不同气候区VPD变化的主导因子不同，这可能与不同气候区本身的水分条件差异、植被覆盖率、城市化进程差异以及城市化引起的蒸散发含量差异等有关。

目前针对饱和水汽压差的研究较少，Matsoukas et al.（2011）认为全球气温上升是导致水汽压差上升的主要原因；Irmak et al.（2012）指出影响美国普拉特河（Platte River）流域水汽压差上升的原因为气温和降水；Qin et al.（2019）认为气温的升高以及城市化进程导致了秦淮河流域蒸散下降，这可能是饱和水汽压差上升的主要原因，前者增加了饱和水汽压而后者降低了实际水汽压；Hao et al.（2018）发现长江三角洲城市地区VPD的增加与稻田湿地向城市转化造成的植被覆盖指数降低密切相关；Seager et al.（2015）预计大气环流异常能够通过温暖而干燥的空气影响VPD，前期降水的减少也可能会使土壤变干并导致VPD增加。我们的研究表明，1980～2018年，主导湿润区、半干旱区和干旱区年平均VPD年际变化的气象因素为气温和绝对湿度，主导半湿润区年平均VPD年际变化的气象因素为气温和降水。

研究还发现，我国VPD的空间分布与蒸发皿蒸发量的空间分布相似（朱晓华等, 2019），预示着VPD与区域的蒸发潜力在空间上存在对应关系，而VPD的增加预示着大气“干燥力”加强，对应的区域内蒸发潜力会增加，进而会引起地表能量和水分收支的变化，这对于深入探讨我国在当前全球气候变化和变异条件下区域的环境效应有参考价值。Hao et al.（2018）在分析我国南方湿地的“城市干岛”效应时发现长江三角洲地区VPD与参考蒸散呈显著正相关关系。Qin et al.（2019）在半湿润区秦淮河流域的研究发现，近二十年来秦淮河流域参考蒸散发的控制因子有所改变，除了气温，VPD也成为这一流域参考蒸散发变化的主要控制因子。湿度下降、VPD升高甚至超过了温度升高对参考蒸散增加的影响，并因此加重大气水分需求，气候由湿热变得干热，出现“热岛干化”现象。张美玲等（2015）在研究1961～2010年鲁南地区参考蒸散量的时空分布特征及气候归因时，也发现VPD与参考蒸散的年际变化呈正相关。本文也在全国范围内发现在1980～2018年VPD与参考蒸散在不同气候区、不同季节均呈现显著正相关的关系。

本文是在全国范围下进行分析的，由于各地区气候、海拔、下垫面等的不一致，在以后更具体的研究区域下有待更深一步讨论。另外，在探究影响VPD的时空变化因素时，还需结合城乡差异、下垫面结构、植被覆盖、云量等多方位多角度因素，以获得对VPD更加全面和深入的认识。

5 结论

（1）1980～2018年，我国VPD的分布存在空间差异性和季节差异性。不论哪个气候区，VPD均呈“夏季＞春季＞秋季＞冬季”；全年以及春、夏季节的VPD由湿润区到干旱区逐渐升高，冬季相反，即湿润区和干旱区的夏季和冬季VPD分布呈相反格局。

（2）我国绝大部分地区逐年VPD呈增长趋势，各个季节各个区域均呈现显著增长趋势（仅干旱区冬季为不显著增长），即大气变得更“干燥”了；各区域逐年VPD的增长趋势是2000年左右发生突变的结果，湿润区较早，干旱区较晚，此前呈现平稳波动或下降的趋势。

（3）影响VPD增大的主导因子在不同区域、不同季节有所差异，但总体看来，气温和绝对湿度的变化是VPD年际变化的主要影响因素。对于年际变化来讲，2000年后，影响湿润区和干旱区VPD增加的第一主导气象要素由气温转变为绝对湿度，而半湿润区的主导气象要素由降水转变为气温，半干旱区仍由气温主导。