1961－2014年中国干湿气候时空变化特征及成因分析

胡 琦，董 蓓，潘学标，姜会飞，潘志华，乔 宇，邵长秀，丁梦琳，尹紫薇，胡莉婷



1961－2014年中国干湿气候时空变化特征及成因分析

胡 琦1,2，董 蓓1,2，潘学标1,2※，姜会飞1，潘志华1,2，乔 宇1，邵长秀1,2，丁梦琳1,2，尹紫薇1，胡莉婷1

（1. 中国农业大学资源与环境学院，北京 100193； 2. 农业部武川农业环境科学观测实验站，呼和浩特 011700）

利用全国701个气象站点1961-2014年逐日地面观测资料，基于降水量和参考作物蒸散量（ET0）计算的湿润指数研究了近 54a中国干湿气候时空变化特征，并利用敏感性和贡献率法分析了气候变化背景下主要气象因子对ET0的影响，对干湿气候变化的成因进行了探讨。结果表明：全国气候在3个时间段（时段1：1961－1980；时段2：1981－2000；时段3：2001－2014）中经历了变湿到变干的过程；不同地区干湿状况变化差异很大，干旱趋势主要发生在中国的半干旱半湿润气候区；1961－2014年降水量变化趋势不显著，ET0呈显著下降的趋势，61.6%的站点出现“蒸发悖论”现象。南方大部分地区和新疆的西北部由于降水量增加和ET0减少，气候变湿；西北和西南大部分地区由于年降水量减少和ET0增加，气候呈显著变干的趋势。ET0对相对湿度的变化最敏感，风速的负贡献率是引起ET0变化的主导因子。研究时段内风速和日照时数的减少对ET0的负效应超过温度上升对ET0的增大作用，导致全国ET0总体呈下降趋势。

气候变化；降水量；风速；参考作物蒸散量；湿润指数；敏感系数；贡献率

0 引 言

气候变化背景下，全球增暖已是非常明确的结论，且从1950年代以来的气候变化是千年以来所未见的[1]。全球地表温度的升高将会改变海陆热力差异，进而改变大尺度环流结构，影响降水的空间分布[2]，同时温度升高会加速地表的蒸发，增强大气保持水分的能力，根据长时间尺度地球水分收支平衡原理，全球蒸发量升高，降水量也必然增加[3]。这种全球增暖带来的时间和空间上非均匀的降水强度和分布的变化，必然会对气候的干湿状况产生重要影响[4-5]，进而对农业生产、作物布局和生态环境等产生重大影响。普宗朝等[6]指出全球变化对不同区域的干湿气候影响存在差异性，影响的机理也存在许多不确定性，因此从全国尺度系统研究近几十年来干湿气候的时空变化特征及其成因，具有重要的理论意义和科学价值。

地面干湿气候状态其核心是水分的盈亏及收支的变化，主要由自然条件下的大气水汽的输入（降水量）和输出（蒸散）决定。科学研究中难以获取大区域的实际蒸散资料，常常需要借助参考作物蒸散确定。参考作物蒸散量（ET0）是评价大气蒸散能力的基础，是评估气候干旱程度和水资源供需平衡最重要的指标之一[7-10]，在评价水分资源、气候区划研究中发挥着重要的作用[11-13]。ET0受各气象因子综合作用的影响，定量分析其与气象要素的关系，对了解其变化机制度对气候变化背景下区域干湿趋势的研究有一定的参考意义，得到国内外学者的广泛关注和思考[14-18]。这些研究多数只针对于某一个地区，缺乏全国尺度上的区域差异比较和研究，并且极少与干湿气候的变化联系在一起。为此，本文利用全国701个气象站点1961－2014年的地面观测资料，基于降水量和Penman-Monteith方法计算的ET0，计算了近54 a各个站点的湿润指数，系统地分析了中国干湿气候时空变化规律，比较分析了3个时段（1961－1980年、1981－2000年、2001－2014年）干湿气候带的变化特征，并分析了影响ET0的主要气象因子的敏感性和贡献率，对干湿变化的成因进行了研究，旨在明确全球变暖下中国的干湿分布和变化趋势，对农业规划和作物布局、规避可能的气候风险提供科学依据。

1 资料与方法

1.1 数据来源及预处理

从全国800多个气象站点中选取具有1961－2014年完整时间序列的逐日气象资料的台站，总计701个，分布于31个省、自治区和直辖市（台湾省、香港和澳门特别行政区缺资料，未包括）（图1）。气象数据来源于中国气象科学数据共享服务网中的中国地面气候资料日值数据集（代码：SURF_CLI_CHN_MUL_DAY）和中国地面气候资料日值数据集（V3.0）。数据集经过较严格的质量控制和检查，缺测率约千分之一。利用FORTRAN编程读取701个气象台站的逐日气象资料，对缺测的气象要素（温度、日照时数、相对湿度等）资料进行订正。若缺测序列小于5 d，缺测值采用线性插值方法代替；若缺测序列大于或等于5 d，缺测值则采用同一日值的多年平均值取代。

1.2 研究方法及数据处理

1.2.1 参考作物蒸散量(ET0)的计算

本文采用1998年FAO推荐的Penman-Monteith公式计算各站的逐日ET0

式中ET0为参考作物蒸散量，mm/d；R为作物表面净辐射量，MJ/(m2·d)；为土壤热通量，MJ/(m2·d)；为湿度计常数，kPa/℃；为饱和水汽压与温度关系曲线的斜率，kPa/℃；为空气平均温度，℃；2为地面以上2 m处的风速，m/s；e为空气饱和水汽压，kPa；e为空气实际水汽压，kPa。计算R时的经验系数、分别取值为0.225、0.525。

1.2.2 湿润指数（）计算

本文采用表征自然条件下的大气水汽的输入的降水量（）和输出的蒸散量（ET0）来计算湿润指数

式中为降水量，mm/d。根据1977年联合国教科文组织给出地区干旱程度定义并结合文献[4-5]，本文以湿润指数作为干湿气候划分标准，对中国气候进行干湿分区：≤0.03为极干旱区；0.03<≤0.2为干旱区；0.2<≤0.5为半干旱区；0.5<≤1.0为半湿润区；>1.0为湿润区。

1.2.3 气候倾向率计算

倾向率是研究某一特征量在某段时间内变化趋势时常用的表达方式。用表示样本量为的某一气候要素，用表示对应的年序，拟合得到一元线性回归方程

0(=1,2,3,…,) （3）

式中0为回归系数，本文采用最小二乘法估算，以0的10倍（即100）作为气象要素的气候倾向率。

采用检验法对拟合的回归方程进行显著性检验（<0.05）。

1.2.4 敏感性分析方法

ET0是各气象因子综合作用的结果，研究气候因子的敏感系数已成为判断气候因子对ET0扰动的有效方法，并得到广泛应用[18-20]。本文采用Beven提出的基于偏导数的敏感性方法计算ET0对气象因子（平均温度、水汽压、风速、日照时数）的敏感系数[21]，考虑到Penman-Monteith公式输入参数量纲和变化范围差异，将偏导数转化为无量纲的形式，即ET0的变化率和气象因子变化率的比值。

（4）

1.2.5 气象因子的贡献率计算

某一气象要素的贡献率为该因子的多年相对变化率与敏感系数的乘积，即为

G=S·R（5）

式中G为气象因子V对某一对象变化的贡献率，R为研究时段内气象因子多年相对变化率，依据式（6）计算。

本文中的数据处理，包括ET0、气候倾向率、敏感性分析等计算均利用Matlab2014软件实现；利用ArcGIS10.1软件反距离权重插值法（inverse distance weighted interpolation，IDW）制作气候要素的空间分布图，设定Cell size参数均为0.02；折线图采用OriginPro8软件制作。

2 结果与分析

2.1 中国地区干湿状况及年代尺度时空变化特征

由图2a可以看出，基于湿润指数作为干湿区域划分标准的结果表明，中国南方地区湿润和半湿润气候区主要以秦岭淮河为分界线，分界线以南的华南、华东等大部分地区属于湿润气候区，另外青藏高原以东的四川盆地等中南部和东部地区，云南的西南部、西藏的东南部和东北中部狭长带等地区湿润指数均大于1.0。大兴安岭以东的东北地区、黄土高原以南至青藏高原的东部地区，湿润指数在0.5～1.0之间，属于半湿润气候。大兴安岭和东北平原以西，穿过内蒙古沿黄土高原向西经青海中部至青藏高原的中部地区，新疆的西部和北部地区湿润指数在0.2～0.5之间，属于半干旱气候区。干旱区包括内蒙古西部、甘肃和青海的西北部及西藏的西部和新疆大部分地区，湿润指数小于0.2。其中新疆的中部地区、青海的西北角湿润指数小于0.03，为极干旱区。

就年代际尺度而言，全国气候在3个时间段（时段1：1961－1980年；时段2：1981－2000年；时段3：2001－2014年）中经历了变湿到变干的过程，所有站点湿润指数多年平均值分别为0.835、0.877和0.841。从空间分布来看，较时段1（1961－1980年）相比，时段2（1981－2000年）和时段3（2001－2014年）干旱区面积分别减少了5.5%和9.9%，主要是由于新疆西北部的干旱区面积减少；时段2和时段3的=0.5等值线在黑龙江和河北中部地区分别存在向东北延伸和南移的趋势，使得二者的半干区面积较时段1相比增加了5.5%和16.3%。时段3的=1.0等值线在云南地区明显的外延趋势，使得时段3的半湿润区较时段2相比，面积增加了6.5×104km2，湿润区面积则减少了1.3×105km2。

2.2 年代尺度中国干湿状况变化特征

近54 a（1961－2014年）中国湿润指数平均增加了1.3%，各站湿润指数气候倾向率平均值为0.002/10 a，仅12.4%的站点（=87）通过0.05水平的显著性检验（<0.05），表明中国地区总体上呈现稍微变湿的趋势。但是就不同地区而言，干湿状况变化差异很大。如图3a所示，共计406个站点湿润指数气候倾向率为正值，华东、华南以及华中的中东部地区、新疆的西北部、东北中部地区、青海部分地区气候呈变湿的趋势，气候倾向率大于0.01/10 a，其中浙江、安徽、江西、湖北东部地区湿润指数气候倾向率大于0.02/10 a。295个站点湿润指数气候倾向率小于0，干旱趋势主要发生在中国的半干旱半湿润气候区，其中山东东部、河北西部、山西、甘肃和四川盆地、云贵大部分地区呈显著变干的趋势。

本文中湿润指数由降水量和ET0计算而来，因此湿润指数的变化决定于降水量和ET0的多年变化趋势。全国大多数站点降水量多年变化趋势并不显著，气候倾向率平均值为0.24/10 a，仅有10.6%（=74）的站点气候倾向率通过了0.05水平的显著性检验，表明降水的年际间变异差异较大。ET0呈显著下降的趋势，气候倾向率平均值为−4.2/10 a，48.6%的站点（=341）通过了0.05水平的显著性检验。图3b显示了1961－2014年中国地区降水量和ET0气候倾向率的空间分布特征，可以看出，华东、华南以及华中的中东部地区降水量呈增加的趋势，ET0呈稍微减少的趋势，二者的共同作用使得上述地区湿润指数多年变化速率呈正值，气候变湿，类似的地区还有新疆西北部。华北、华中的部分地区年降水量和ET0均呈减少的趋势，但ET0下降的幅度小于降水量减少的幅度，使得该地区气候变干。此外，西北的陕西和甘肃西部，西南的四川盆地、贵州和云南大部分地区年降水量呈显著减少的趋势，ET0却呈增加的趋势，导致气候呈显著变干的趋势。

2.3 ET0对主要气象因子敏感系数分析

图4显示了1961－2014年全国ET0对各气象要素（温度、相对湿度、日照时数、风速）敏感系数的空间分布。

结果表明，ET0对温度敏感系数在−0.16～0.27之间，平均值为0.11，由东南地区向西北地区呈递减趋势，南方大部分地区、东北东部地区敏感系数较高，大于0.15，西北内陆的新疆中东部、甘肃和内蒙古东部的部分地区存在一个相对低值区（图4a）。ET0对相对湿度敏感系数在−0.73～−0.08之间，平均值为−0.41，空间分布呈东部向西部递减的趋势。敏感系数在东北三省、华北、华东、华中的大部分地区、华南沿海地区、西南部分地区等区域较高，绝对值大于0.4；新疆南部、青海和西藏等地区敏感系数绝对值小于0.3（图4b）。图4c表示ET0对日照时数敏感系数的空间分布，敏感系数大致从北向南递增，介于0.05～0.35之间。大兴安岭附近区域敏感系数小于0.1，0.15等值线大致与40°N平行，云南中南部、西藏南部和海南等地区对日照时数的敏感性较大，敏感系数大于0.25。ET0对风速敏感系数（图4d）在−0.15～0.44之间，其分布趋势与对日照时数敏感系数的分布趋势大致相反，西北地区和内蒙古自治区、东北西部地区敏感系数大于0.25，南方大部分地区敏感系数小于0.15。总体而言，全国范围内，ET0对温度、日照时数、风速敏感系数为正值，即ET0随着该气象因子值的增加而增加，而对相对湿度敏感系数为负值。ET0对气象因子的敏感性为（括号内为敏感系数）：相对湿度（−0.41）>日照时数（0.18）>风速（0.17）>温度（0.11）。

2.5 主要气象因子对ET0贡献率分析

图5显示了1961－2014年全国温度、相对湿度、日照时数和风速等主要气象因子对ET0贡献率空间分布。结果表明，温度对ET0变化的贡献率平均值为1.37%，东北的大部分地区、西北的青海地区存在温度贡献率高值区，西北地区的新疆南部、甘肃北部和内蒙古西部地区温度贡献率为负值（图5a）。相对湿度对ET0变化的贡献率介于−13.3%～9.5%之间，东北的黑龙江和辽宁地区、新疆和西藏的大部分地区贡献率为负值，河北、华东沿海地区和内蒙古大部分地区相对湿度正贡献率较高（图5b）。图5c显示了日照时数对ET0贡献率空间分布，贡献率介于−8.3%～17.6%之间，84.0%的站点贡献率为负值。全国81.5%的气象站点风速对ET0贡献率为负值，北方地区较南方地区的风速贡献率绝对值大，东北、内蒙古和新疆的部分地区风速的贡献率较大，其值小于−10%，如图5d所示。

总体而言，温度、相对湿度对ET0贡献率平均为正值，表明近54 a全国温度和相对湿度的变化引起了ET0的增加。但是二者的机制略有不同，其中ET0对温度的敏感系数为正值，即ET0随着温度的升高（下降）而增加（减少），1961－2014年全国温度呈显著增加的趋势（=0.24℃/10 a，<0.01，图6a），所以温度对ET0变化的贡献率为正值。而相对湿度的敏感系数为负值，1961－2014年全国相对湿度呈下降的趋势（=−0.458 h/10 a，<0.01，图6b），导致相对湿度的贡献率也为正。日照时数和风速的贡献率为负值（正的敏感系数和负的气候倾向率），表明研究时段内全国日照时数和风速的变化降低了ET0。就各气象因子贡献率权重而言，风速>日照时数>相对湿度≈温度，贡献率平均值分别为−4.9%、−2.0%、1.5%和1.4%。

3 讨 论

IPCC第五次评估报告指出1951－2012年地球平均气温升高了约0.72 ℃，且1983年至2012年很可能是过去1 400 a来北半球最温暖的30 a[1]。全球变暖增加了大气中的水汽含量，由此导致了全球降水强度和分布的变化，且这种变化在时间和空间上都是非均匀的变化[22]，由此对气候的干湿状况产生重要的影响。本文依据1961―2014年全国701个地面气象站点观测资料，对影响干湿气候变化的降水量、ET0、湿润指数等要素在全国尺度上进行了时空变化分析，并阐述了干湿气候状况产生变化的原因。

就年代际尺度而言，全国气候在3个时间段（时段1：1961－1980年；时段2：1981―2000年；时段3：2001―2014年）中经历了变湿到变干的过程，干旱区面积减少，半干旱区面积增加。与时段1相比，时段2和时段3的新疆西北部的干旱区面积减少；时段2和时段3半干旱区面积增加了5.5%和16.3%。全国不同地区干湿状况变化差异很大，共计406个站点湿润指数气候倾向率为正值，浙江、安徽、江西、湖北东部地区湿润指数气候倾向率大于0.02/10 a，干旱趋势主要发生在中国的半干旱半湿润气候区。总体而言，中国近60%的气象站点呈湿润化趋势，干旱区和湿润区面积减少，半干旱区和半湿润区面积增加，申双和等[23]研究表明1975―2004年中国湿润化地区增多，但是干旱化程度和进程却大于湿润化地区，与本文结论类似。赵俊芳等[24]则基于情景数据研究表明未来（2011―2050年）干旱、极干旱地区缩小趋势以及半干旱地区的扩大趋势依然明显。

全国大多数站点降水量多年变化趋势并不显著，ET0呈显著下降的趋势，61.6%的站点（=432）出现“蒸发悖论”现象。中国南方大部分地区和新疆的西北部降水量呈增加的趋势，ET0呈稍微减少的趋势，二者的共同作用使得上述地区湿润指数多年变化速率呈正值，气候变湿。华北、华中的部分地区ET0下降的幅度小于降水量减少的幅度，使得该地区气候变干。此外，西北部分地区、西南的四川盆地、云贵高原由于年降水量减少和ET0增加，气候呈显著变干的趋势。研究表明，温度、日照时数、相对湿度、风速是影响ET0变化的主要气象要素[25-27]，本文采取定量化的研究方法将ET0对4种气象因子的敏感性及其贡献率进行了分析。结果表明ET0对相对湿度敏感系数为负值，即ET0随着相对湿度的增加而减少，对温度、日照时数、风速敏感系数为正值，气象因子敏感系数绝对值大小排列为：相对湿度>日照时数>风速>温度。但是对ET0的贡献率占主导因子的主要为风速的负贡献率，约为−4.9%，主要原因在于长时间序列变化率的差异。1961―2014年全国风速呈显著下降趋势，变化趋势为−4.8%/10 a，根据公式G=S·R，贡献率由气象因子的敏感系数和变化率共同决定，虽然ET0对相对湿度的敏感性较高，但是其气候倾向率较低，仅为−0.7%/10 a，导致贡献率较小。同时，本文的研究结果很好地解释了“蒸发悖论”的现象（温度呈上升趋势，但对应的ET0呈下降趋势）。普遍的观点认为，气温增高会加速水分的蒸发，本文的研究结果也表明全国范围内ET0对温度的敏感性表现为，温度每上升10%，ET0则增加11%，然而这仅仅是只考虑温度变化而不考虑其他因素变化的情况，研究时段内风速和日照时数的减少对ET0的减小作用掩盖了温度上升对ET0的增大作用，最终导致全国ET0总体呈下降趋势。

本文采用的Penman-Monteith方法以能量平衡和水汽扩散理论为基础计算ET0，综合考虑了温度、湿度、气压、风速及日照时数等因素的影响，具有明确的物理意义[28-30]，但是该方法地域间存在参数估计的误差，会造成湿润指数与实际干湿状况的地区性偏差[23,31]，且实际蒸发会因不同气候区、经纬度、地形、土壤等而有所差异[24]，因此ET0的计算还需要根据不同地区实际蒸发数据进行验证和校正。总之，本文基于降水量和ET0计算的湿润指数综合分析了中国近54 a来的气候干湿状况，并利用敏感性和贡献率法对干湿气候变化的成因进行了探讨，有助于正确了解全球变暖下中国的干湿分布和变化趋势，为适应气候变化采取趋利避害的管理和技术措施，同时湿润指数作为农业气候区划中的重要指标，对农业种植规划和作物布局具有重要的指导和参考价值。

4 结 论

本文利用全国701个气象站点1961―2014年逐日地面观测资料，以Penman-Monteith公式计算的ET0为基础，结合降水量确定的湿润指数，研究了近54 a中国干湿气候时空变化特征，并利用敏感性和贡献率法分析了气候变化背景下主要气象因子对ET0的影响，对干湿气候变化的成因进行了探讨，结果表明：

1）全国气候在3个时间段（时段1：1961―1980年；时段2：1981―2000年；时段3：2001―2014年）中经历了变湿到变干的过程，中国近60%的气象站点呈湿润化趋势，干旱区和湿润区面积减少，半干旱区和半湿润区面积增加。

2）1961－2014年全国降水量变化趋势不显著，ET0呈显著下降的趋势，61.6%的站点出现“蒸发悖论”现象。南方大部分地区和新疆的西北部由于降水量增加和ET0减少，气候变湿；西北和西南大部分地区由于年降水量减少和ET0增加，气候呈显著变干的趋势。

3）ET0对相对湿度的变化最敏感，但引起ET0变化的主导因子是风速的负贡献率。1961－2014年全国风速和日照时数的减少对ET0的负效应，超过温度上升对ET0的增大效应，导致全国ET0总体呈下降趋势。

[1] Edenhofer O, Seyboth K. Intergovernmental Panel on Climate Change (IPCC)[J]. Encyclopedia of Energy Natural Resource & Environmental Economics, 2013, 26(D14): 48－56.

[2] You Q, Kang S, Aguilar E, et al. Changes in daily climate extremes in China and their connection to the large scale atmospheric circulation during 1961―2003[J]. Climate Dynamics, 2011, 36(11/12): 2399―2417.

[3] Wentz F J, Lucrezia R, Kyle H, et al. How much more rain will global warming bring?[J]. Science, 2007, 317(5835): 233－235.

[4] 王菱，谢贤群，李运生，等. 中国北方地区40年来湿润指数和气候干湿带界线的变化[J]. 地理研究，2004，23(1)：45－54.

Wang Ling, Xie Xianqun, Li Yunsheng, et al. Changes of humid index and borderline of wet and dry climate zone in northern China over the past 40 years[J]. Geographycal Reasearch, 2004, 23(1): 45－54. (in Chinese with English abstract)

[5] 刘波，马柱国. 过去45年中国干湿气候区域变化特征[J]. 干旱区地理，2007，30(1)：7－15.

Liu Bo, Ma Zhuguo. Area change of dry and wet regions in China in the past 45 years[J]. Arid Land Geography, 2007, 30(1): 7－15. (in Chinese with English abstract)

[6] 普宗朝，张山清，王胜兰，等. 近48a新疆干湿气候时空变化特征[J]. 中国沙漠，2011，31(6)：1563－1572.

Pu Zongchao, Zhang Shanqing, Wang Shenglan, et al. The spatial-temporal variation characteristic of dry-wet climate in recent 48 years in Xinjiang, China[J]. Journal of Desert Research, 2011, 31(6): 1563－1572. (in Chinese with English abstract)

[7] 张山清，普宗朝. 新疆参考作物蒸散量时空变化分析[J]. 农业工程学报，2011，27(5)：73－79.

Zhang Shanqing, Pu Zongchao. Temporal and spatial variation characteristics of reference evapotranspiration in Xinjiang[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(5): 73－79. (in Chinese with English abstract)

[8] 谢贤群，王菱. 中国北方近50年潜在蒸发的变化[J]. 自然资源学报，2007，22(5)：683－691.

Xie Xianqun, Wang Ling. Change of potential evapotranspiration in Northern China over the past 50 years[J]. Journal of Natural Resources, 2007, 22(5): 683－691. (in Chinese with English abstract)

[9] 高歌，陈德亮，任国玉，等. 1956－2000 年中国潜在蒸散量变化趋势[J]. 地理研究，2006，25(3)：378－387.

Gao Ge, Chen Deliang, Ren Guoyu, et al. Trend of potential evapotranspiration over China during 1956 to 2000[J]. Geography Research, 2006, 25(3): 378－387. (in Chinese with English abstract)

[10] 倪广恒，李新红，丛振涛，等. 中国参考作物腾发量时空变化特性分析[J]. 农业工程学报，2006，22(5)：1－4.

Ni Guangheng, Li Xinhong, Cong Zhentao, et al. Temporal and spatial characteristics of reference evapotranspiration in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(5): 1－4. (in Chinese with English abstract)

[11] Allen R G, Perreira L S, Raes D, et al. Crop evapotranspiration:guidelines for computing crop water requirements: Irrigationand drainage paper 5[R]. Rome: FAO, 1998.

[12] 刘勤，严昌荣，梅旭荣，等. 西北旱区参考作物蒸散量空间格局演变特征分析[J]. 中国农业气象，2012，33(1)：48－53.

Liu Qin, Yan Changrong, Mei Xurong, et al. Spatial evolution of reference crop evapotranspiration in arid area of Northwest China[J]. Chinese Journal of Agrometeorology, 2012, 33(1): 48－53. (in Chinese with English abstract)

[13] 环海军，杨再强，刘岩，等. 鲁中地区参考作物蒸散量时空变化特征及主要气象因子的贡献分析[J]. 中国农业气象，2015，36(6)：692－698.

Huan Haijun, Yang Zaiqiang, Liu Yan, et al. Temporal and spatial variation of reference crop evapotranspiration and contribution of main factors in the middle area of Shandong Province[J]. Chinese Journal of Agrometeorology, 2015, 36(6): 692－698. (in Chinese with English abstract)

[14] 王晓东，马晓群，许莹，等.淮河流域参考作物蒸散量变化特征及主要气象因子的贡献分析[J]. 中国农业气象，2013，34(6)：661－667.

Wang Xiaodong, Ma Xiaoqun, Xu Ying, et al. Variation of reference crop evapotranspiration and contribution of main factors in the Huaihe Basin[J]. Chinese Journal of Agrometeorology, 2013, 34(6): 661－667. (in Chinese with English abstract)

[15] 刘小莽，郑红星，刘昌明，等.海河流域潜在蒸散发的气候敏感性分析[J]. 资源科学，2009，31(9)：1470－1476.

Liu Xiaomang, Zheng Hongxing, Liu Changming, et al. Sensitivity of the potential evapotranspiration to key climatic variables in the Haihe River Basin[J]. Resources Science, 2009, 31(9): 1470－1476. (in Chinese with English abstract)

[16] Gong Lebing, Xu Chongyu, Chen Deliang, et al. Sensitivity of the Penman–Monteith reference evapotranspiration to key climatic variables in the Changjiang (Yangtze River) basin[J]. Journal of Hydrology, 2006, 329(3/4): 620－629.

[17] 曹雯，申双和，段春锋.西北地区近 49 年生长季参考作物蒸散量的敏感性分析[J]. 中国农业气象，2011，32(3)： 375－381.

Cao Wen, Shen Shuanghe, Duan Chunfeng. Sensitivity analysis of the reference crop evapotranspiration during growing season in the Northwest China in recent 49 years[J]. Chinese Journal of Agrometeorology, 2011, 32(3): 375－381. (in Chinese with English abstract)

[18] 曾丽红，宋开山，张柏，等.东北地区参考作物蒸散量对主要气象要素的敏感性分析[J]. 中国农业气象，2010，31(1)：11－18.

Zeng Lihong, Song Kaishan, Zhang Bai, et al. Sensitive analysis on reference evapotranspiration to key meteorological factors in Northeast China[J]. Chinese Journal of Agrometeorology, 2010, 31(1): 11－18. (in Chinese with English abstract)

[19] 张调风，张勃，梁芸，等. 黄土高原地区生长季参考作物蒸散量对主要气象要素的敏感性分析[J]. 中国农业气象，2013，34(2)：162－169.

Zhang Tiaofeng, Zhang Bo, Liang Yun, et al. Sensitivity analysis of reference crop evapotranspiration to key meteorological factors during growing season in Loess Plateau[J]. Chinese Journal of Agrometeorology, 2013, 34(2): 162－169. (in Chinese with English abstract)

[20] 王鹏涛，延军平，蒋冲，等. 华北平原参考作物蒸散量时空变化及其影响因素分析[J]. 生态学报，2014(19)：5589－5599.

Wang Pengtao, Yan Junping, JiangChong, et al. Spatial and temporal variations of reference crop evapotranspiration and its influencing factors in the North China Plain[J]. Acta Ecologica Sinica, 2014(19): 5589－5599. (in Chinese with English abstract)

[21] Beven K.A. Sensitivity analysis of the Penman-Monteith actual evapotranspiration estimates[J]. Journal of Hydrology, 1979, 44(3): 169－190.

[22] Overland J E, Wang M Y. Large-scale atmospheric circulation changes are associated with the recent loss of Arctic sea ice[J]. Tellus Series A-dynamic Meteorology & Oceanography, 2010, 62(1): 1－9.

[23] 申双和，张方敏，盛琼. 1975－2004 年中国湿润指数时空变化特征[J]. 农业工程学报，2009，25(1)：11－15.

Shen Shuanghe, Zhang Fangmin, Sheng Qiong. Spatio- temporal changes of wetness index in China from 1975 to 2004[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2009, 25(1): 11－15. (in Chinese with English abstract)

[24] 赵俊芳，郭建平，徐精文，等. 基于湿润指数的中国干湿状况变化趋势[J]. 农业工程学报，2010，26(8)：18－24.

Zhao Junfang, Guo Jianping, Xu Jingwen, et al. Trends of Chinese dry-wet condition based on wetness index[J]. Transactionsof the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(8): 18－24. (in Chinese with English abstract)

[25] Annandale J G, Stockle C O. Fluctuation of crop evapotranspiration coefficients with weather: A sensitivity analysis[J]. Irrigation Science, 1994, 15(1): 1－7.

[26] Sharifi A, Dinpashoh Y. Sensitivity Analysis of the Penman-Monteith reference Crop Evapotranspiration to Climatic Variables in Iran[J]. Water Resources Management, 2014, 28(15): 5465－5476.

[27] Kheirkhah F. Sensitivity of reference crop evapotranspiration to global warming: A case study of Caspian forests of northern iran ()[J]. Advances in Environmental Biology, 2014, 8(5): 1472－1479.

[28] Berengena J, Gavilán P. Reference evapotranspiration estimation in a highly advective semiarid environment[J]. Journal of Irrigation & Drainage Engineering, 2005, 131(2): 147－163.

[29] Alkaeed O, flores C, Jinno K, et al. Comparison of several reference evapotranspiration methods for Itoshima Peninsula area, Fukuoka, Japan[J]. Memoirs of the Faculty of Engineering, Kyushu University, 2006, 66(1): 1－14.

[30] 张建平，王春乙，杨晓光，等. 未来气候变化对中国东北三省玉米需水量的影响预测[J]. 农业工程学报，2009，25(7)：50－55.

Zhang Jianping, Wang Chunyi, Yang Xiaoguang, et al. Impact forecast of future climate change on maize water requirement in three provinces of Northeast China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2009, 25(7): 50－55. (in Chinese with English abstract)

[31] Fatemeh Razzaghi, Ali Reza Sepaskhah. Calibration and validation of four common ET0estimation equations by lysimeter data in a semi-arid environment[J]. Archives of Agronomy and Soil Science, 2012, 58(3): 303－319.

Spatiotemporal variation and causes analysis of dry-wet climate over period of 1961-2014 in China

Hu Qi1,2, Dong Bei1,2, Pan Xuebiao1,2※, Jiang Huifei1, Pan Zhihua1,2, Qiao Yu1, Shao Changxiu1,2, Ding Menglin1,2, Yin Ziwei1, Hu Liting1

(1.,,100193,; 2.,,011700,)

Global warming has caused non uniform changes in precipitation intensity and distribution, which will inevitable impact on the wet and dry climate. In order to make clear the distribution of dry-wet climate zone and its changes occurred in recent 54 years, this paper analyzed the temporal and spatial variation characteristics of dry and wet climate in China over the period from 1961 to 2014, studied the influences of main meteorological factors on ET0by using the sensitivity and contribution rate method, and discussed the probable causes for the dry-wet climate variation. In this study, 701 meteorological stations with 54-year data record were selected in China (Excluding Taiwan, Hongkong and Macao). ET0was calculated by using Penman-Monteith method. The data were downloaded from the China Meteorological Data Sharing Service Network, including daily mean, maximum and minimum temperature at 2 m height, relative humidity, sunshine hours, wind speed at 10 m height, precipitation and atmospheric pressure. The data processing, including ET0, climate trend, sensitivity coefficient, and contribution rate were achieved by using Matlab2014 software. Spatial analysis was also carried out to study the regional trends at decadal and annual scales. All spatial distribution maps were constructed using the inverse distance weighting interpolation method embedded in the ArcGIS 10.1 software package with a grid cell size of 0.02° (about 2 km). The results showed that the national climate exhibited the process of getting wet to dry in three time periods (period 1: 1961-1980; period 2: 1981-2000; period 3: 2001-2014). The averaged humid index for all stations had increased by 1.3% in recent 54 years with increasing trend rate of 0.002/ decade, and 12.4% (=87) of stations exhibited the significance changes (<0.05). However, dry and wet conditions varied greatly in different regions, and the drought trend mainly occurred in the semi-arid and semi-humid climate region in China. These changes for dry-wet conditions were caused by the changes of precipitation and ET0. Precipitation showed non-significant trend over the period of 1961 to 2014 due to great inter-annual variability, while ET0showed a significant decreasing trend at average rate of -4.2/decade, and 61.6% of the sites appeared “evaporation paradox” phenomenon. In most parts of the south and the northwest of Xinjiang, the climate changed because of the increase of precipitation and ET0. The climate became wet in south China and Xinjiang of northwest China because of the increasing precipitation and decreasing ET0. On the contrast, most of the northwest and southwest China regions showed dry trend with the decreasing precipitation and increasing ET0. Temperature showed positive sensitive coefficient as well as sunshine hours and wind speed, i.e., ET0would increase as these three variables increase. On the contrast, relative humidity showed negative sensitive coefficient, which was also the most sensitive variable. Wind speed was the main factor that affected ET0change with the largest contribution rate, but ET0is most sensitive to relative humidity. The reason was that the relative importance of the four primary meteorological variables governing ET0changing trends would vary with both their sensitivity coefficients and relative changing values. Using relative humidity as an example, it showed the least contribution rate due to the smaller relative change rate in recent 54 years compared to temperature, wind speed, and sunshine hours. In summary, China has experienced obviously climate wetting as the climate warming due to the significantly decreasing ET0over the period of 1961 to 2014. The negative effects caused by the significantly decreasing trend in wind speed and sunshine hours on ET0exceeded the positive effects caused by the increasing temperature, which resulted in the ET0decline in China.

climate changes; precipitation; wind speed; ET0; humid index; sensitivity coefficient; contribution rate

10.11975/j.issn.1002-6819.2017.06.016

S161

A

1002-6819(2017)-06-0124-09

2016-08-03

2016-12-30

国家重点研发计划项目 (2016YFD0300105,2016YFD0300106)；国家自然科学基金项目（41271053）

胡 琦，山东人，博士，研究方向为旱地降水的高效利用、农业减灾。北京 中国农业大学资源与环境学院，100193。Email：s10020292@cau.edu.cn

潘学标，男，汉族，广西人，教授，博士生导师，主要从事气候变化影响评价与农牧业适应技术、旱地农业可持续发展及农牧交错带生态恢复。北京 中国农业大学资源与环境学院，100193。Email：panxb@cau.edu.cn