基于通径分析法的漳河灌区参考作物蒸发蒸腾量变化成因研究

李家明 何军 贺胜男 叶磊 高明利

摘要 選取漳河灌区1974—2014年逐日气象数据，运用Excel软件和SPSS 24.0软件对4项主控因子和参考作物蒸发蒸腾量（ET0）进行趋势分析和通径分析。结果表明，多年平均气温（T）和平均相对湿度（RH）均呈显著性上升趋势，多年日照时数（n）和ET0呈不显著性下降趋势，多年平均风速（u）呈显著性下降趋势。日平均相对湿度（RH）与ET0呈负相关，其余主控因子与ET0均为正相关，日照时数（n）和平均风速（u）的相关性最高。日照时数（n）的决定系数、对回归方程R2的贡献和对ET0的直接效果均为各主控因子中最大，是影响ET0的决策变量。

关键词 主控因子；通径分析；相关系数；参考作物蒸发蒸腾量

中图分类号 S271 文献标识码 A 文章编号 0517-6611（2018）27-0193-03

Study of the Causes of Reference Evapotranspiration in Zhanghe Irrigation Area Based on Path Analysis Method

LI Jiaming1， HE Jun1，2，3， HE Shengnan4 et al

（1.College of Hydraulic & Environmental Engineering， China Three Gorges University， Yichang，Hubei 443002；2.Institute of Agricultural Water and Soil Resources， China Three Gorges University， Yichang，Hubei 443002；3.Engineering Research Center of Ecoenvironment in Three Gorges Reservoir Region， Ministry of Education， China Three Gorges University， Yichang，Hubei 443002 ；4.Yueyang City Water Conservancy and Hydropower Survey and Design Institute， Yueyang， Hunan 414000）

Abstract Daily meteorological data of Zhanghe irrigation area from 1974 to 2014 were collected， the trend and path analysis of four main control factors and ET0 were carried out by Excel and SPSS 24.0. The results show that： the annual average temperature and average relative humidity were significantly increased， sunshine hours and ET0 showed no significant decline， and the annual mean wind speed presented a significant downward trend. The correlation between sunshine hours and average wind speed was the highest， and the daily average relative humidity was negatively correlated with ET0， meanwhile the remaining main control factors were positively correlated with ET0. Sunshine hourss decision coefficient，its contribution to the regression equation of R2 and the rate of the direct effect of ET0 were the biggest， therefore， sunshine hours are the decision variable affecting the ET0.

Key words Main control factor；Path analysis；Correlation coefficient；ET0

基金项目 湖北省教育厅科学技术研究项目（Q20161206）；宜昌市应用基础研究项目（A17-302-a01）。

作者简介 李家明（1994—），男，湖北宜都人，硕士研究生，研究方向：节水灌溉理论与技术。

*通讯作者，副教授，博士，从事节水灌溉理论与技术研究。

收稿日期 2018-05-27； 修回日期 2018-08-06

目前，我国北方地区水资源供需矛盾突出，部分南方地区出现了严重的季节性和水质性缺水[1]，农业节水研究愈加重要，通过对作物需水量影响成因的分析，采取更加高效、节水的水资源利用模式和方法，是缓解农业用水问题的根本出路。参考作物蒸发蒸腾量（ET0）是通过气象因子对作物需水量的估算，计算普遍采用联合国粮农组织（FAO）推荐采用的Penman-Monteith公式，该方法以能量平衡和水汽扩散理论为基础，全面考虑大气因素和作物生理因素的影响[2-3]。通径分析是一种通过自变量与因变量的相关分解来反映变量间相对作用的方法[4-5]，由数量遗传学家Sewall Wright在1921年创立，该方法较好地弥补了回归分析的不足，已广泛推广到农业、医学、人文、经济等各领域的研究。

漳河灌区作为湖北省最重要的商品粮基地之一，提高该地区水分生产率对其实现“真实”节水[6]有着重要意义。笔者选取漳河灌溉试验站1974—2014年逐日气象资料，分析变化趋势，采用通径分析法综合分析各主控因子对ET0的影响，为灌区灌溉模式的调整以及节水形式的发展提供指导依据。

1 资料与方法

该研究气象数据由湖北省灌溉试验中心站（漳河灌区团林灌溉试验站）提供，包括站点海拔高度、经纬度、1974—2014年共41年的历年逐日气象资料，分别为平均气温（T），最高气温（Tmax）、最低气温（Tmin）、平均相对湿度（RH）、平均风速（u）、日照时数（n）等。采用1998年FAO-56计算指南推荐的Penman-Monteith公式计算逐日ET0，公式如下：

ET0= 0.408Δ（Rn-G）+γ 900 273T u2（ea-ed） Δ+γ（1+0.34u2） （1）

式中，ET0为参考作物蒸发蒸腾量（mm/d）；Rn为参考作物表面冠层接受的净辐射（MJ/m2 ·d）；G为土壤热通量密度（MJ/m2 ·d）；T为2 m高处日平均氣温（℃）；u2为2 m高处风速（m/s）；ea、ed分别为饱和水汽压和实际水汽压（kPa）；Δ为温度-饱和水汽压关系曲线上在T处的切线斜率（kPa/℃）；γ为温度计常数（kPa/℃）[7-8]。

选取多年日平均气温（T）、日平均相对湿度（RH）、平均日照时数（n）和日平均风速（u）4个气象因素作为主控因子，利用Excel软件对气象数据进行筛分整理，计算ET0，分析ET0及各主控因子的变化规律。通过SPSS 24.0软件计算通径系数、相关系数以及显著性检验等信息，识别ET0的主控影响因子，分析各因子对ET0的作用效果。

2 结果与分析

2.1 ET0和各主控因子时间序列变化趋势

由Penman-Monteith公式计算出该站点历年日值ET0，ET0和各主控因子在1974—2014年的多年日平均值变化趋势如图1所示。

由图1分析可知，漳河灌区ET0多年日均值为2.32 mm/d ，倾向率为-0.003 5 mm/（d·a），呈不显著下降趋势。多年日平均气温均值为16.26 ℃，倾向率为0.029 3 ℃/a，呈显著性上升趋势。多年日相对湿度均值为78.467%，倾向率为0144 4%/a，呈显著性上升趋势。多年日照时数均值为3.906 h/d，倾向率为-0.004 6 h/a，呈不显著性下降趋势。多年风速日均值为2.139 m/s，倾向率为-0.059 1 m/（s·a），呈显著性下降趋势。

2.2 各主控因子对ET0的通径分析

2.2.1 对ET0的正态性检验。ET0正态性检验输出结果如下：柯尔莫戈洛夫-斯米诺夫（里利氏显著性修正）（K-S）的显著性为0.200*（*为真显著性下限）；夏皮洛-威尔克（S-W）检验的显著性为0.389。此次检验中n=41，根据SAS规定，n≤2 000时以S-W检验为准，可知其显著性为0.389（Sig.>0.05），该样本服从正态分布，可进行回归分析。

2.2.2 各主控因子与ET0相关性分析。采用“强制进入法”建立回归方程，利用SPSS 24.0软件计算得到该灌区4个主控因子对ET0的相关系数和通径系数如图2 所示。

图2 各主控因子与ET0的相关分析

Fig.2 Correlation analysis of the main control factors and ET0

从图2可以看出，在各主控因子中，n和u的相关性最高为0.332。其次为u与T和RH，均为-0.307。从各主控因子与ET0相关性来看，n与ET0的相关性最高，达到0.850，RH与ET0的相关性次之，T与ET0的相关性最小。回归方程多元决定系数R2为0.843，表明主控因子变异中84.3%可由回归部分解释，误差项为15.7%，得到误差项e对ET0的剩余通径系数bey为0.365，在所有与ET0的相关性中排第三，该值较大，说明仍有影响因素未考虑到。

由正态性检验输出结果及回归分析结果，得出各主控因子与ET0间线性回归方程：

ET0=1.561+0.068T-0.016RH+0.218n+0.033u。

显著性结果表明，各主控因子的偏回归系数的整体显著性较好，该通径分析具有一定的统计学意义，ET0和各主控因子的回归关系可用该方程表示。

2.2.3 各主控因子与ET0通径效果分析。根据通径分析原理[9-10]及回归分析[11]结果，计算各主控因子对ET0的直接作用和间接作用，结果见表1。

由表1分析得，4个主控因子对ET0的直接效果中，n的直接作用最大，RH和T次之，u的直接作用效果最小。通过分析各间接通径系数发现，u通过n对ET0的间接作用最大，其间接通径效果为0.219，T、RH、n通过u对ET0的间接作用均较小，对ET0影响的总间接效果大小排序为u>n>RH>T。通径分析结果显示，日照时数n的通径系数最大，是主要影响因子。

2.2.4 各主控因子对ET0影响的决策分析。该研究的决策分析通过各主控因子的决定系数和对R2的贡献程度反映，结果见表2。

表2 各主控因子决定系数和对回归方程R2的贡献

Table 2 The determination coefficient of each master factor and its contribution to the regression equation R2

变量Variable

决定系数Coefficient of determination T RH n u 对R2贡献Contribution to R2

T 0.069 -0.033 0.084 -0.025 0.082

RH 0.094 0.101 0.029 0.142

n 0.434 0.067 0.560

u 0.023 0.059

从表2可以看出，n对ET0的决定系数为0.434，是所有决定系数中最大值，且n对回归方程R2的贡献率为0.560，也是主控因子R2对贡献之中最大的一项，说明n对ET0的影响最大，其影响作用甚至超过了其他3个主控因子影响作用总和。决定系数和对R2贡献排序均为n>RH>T>u，u的决定系数和对R2贡献始终为最小值，说明该主控因子对ET0的影响最小。

2.2.5 回归模型对比分析。以上通径分析均是建立在“强制进入法”建立回归方程基础上实现的，该模型保留了所有输入变量。但在通径分析过程中发现，u对ET0的直接效果以及其决定系数和对R2贡献均为4项主控因子最小项，且虽显著性结果表明各主控因子的偏回归系数的整体显著性较好，但u的偏回归系数显著性大于0.05，显著性不明显，以此推断是否应该剔除平均风速u，以建立最优回归方程。于是，采用“逐步进入法”建立最优回归模型，得到各主控因子与ET0间最优线性回归方程为ET0=1.877+0.053T-0017RH+0.237n。

SPSS 24.0软件自动剔除项为平均风速u，此时显著性结果表明剩余3项主控因子的偏回归系数的显著性均小于005，显著性明显。最优回归方程多元决定系数R2=0.827，表明主控因子变异中82.7%可由回归部分解释，误差项为173%，得到误差项e对ET0的剩余通径系数bey=0.416，对比原回归方程，误差进一步扩大，未考虑的影响因素增多，虽回归模型更优，但对影响ET0的分析完整度却下降，且不能反映u通过其他3项主控因子对ET0的较大间接作用。故在该次研究中，采用“强制进入法”建立回归方程并进行通径分析能更全面地反映各主控因子与对ET0的影响效果。

3 结语

该研究选取漳河灌区1974—2014年逐日气象数据，通过Excel软件和SPSS24.0软件对数据进行整理计算，研究了该地区ET0及4项主控因子的多年变化趋势，并对各主控因子与ET0进行通径分析，得到如下结论：

（1）平均气温T和相对湿度RH上升趋势显著，日照时数n和ET0均呈不显著下降趋势，平均风速u呈显著性下降趋势。

（2）n、RH、u、T与ET0的相关性依次降低。平均风速u与其他3项主控因子的相关性均较好，平均气温T与相对湿度RH的相关性最弱。日照时数n对ET0的直接效果最强，平均风速u主要通过对其他3项主控因子的间接效果影响ET0。日照时数n的决定系数和对回归方程R2的贡献均为各主控因子中最大，且远大于其他3项之和，故日照时数n是影响ET0的决策变量。

参考文献

[1] 许迪，刘钰，杨大文，等.海河流域水循环演变机理与水资源高效利用丛书：蒸散发尺度效应与时空尺度拓展[M].北京：科学出版社，2015：1-11.

[2] 何军，崔远来，李远祥.气象资料缺测条件下武汉地区计算ET0方法适用性分析[J].中国农村水利水电，2009（10）：68-71，75.

[3] 张瑞美，彭世彰.参考作物蒸发蒸腾量的气象因子响应模型[J].节水灌溉，2007（2）：1-3，6.

[4] 宋小园，朱仲元，刘艳伟，等.通径分析在SPSS逐步线性回归中的实现[J].干旱区研究，2016，33（1）：108-113.

[5] 赵璐，梁川，崔宁博，等.川中丘陵区参考作物蒸发蒸腾量近60年变化成因研究[J].水利学报，2013，44（2）：183-190.

[6] 刘彬.基于蒸腾蒸发量的区域真实节水研究[J].水利水电技术，2014，45（8）：1-4，10.

[7] 何军，陈鹏，冯睿，等.三峡工程建成前后宜昌市气候变化研究[J].中国农村水利水电，2016（6）：26-28，33.

[8] 张淮，孙君艳.通径分析新探索[J].河北农业科学，2008，12（4）：1-3，11.

[9] 杜鹃.通径分析在Excel和SPSS中的实现[J].陕西气象，2012（1）：15-18.

[10] 邵光成，俞雙恩，刘娜，等.通径分析在冬小麦受渍胁迫诊断指标敏感性分析中的应用[J].应用基础与工程科学学报，2011，19（4）：527-534.

[11] 杜家菊，陈志伟.使用SPSS线性回归实现通径分析的方法[J].生物学通报，2010，45（2）：4-6.