气候变化背景下关中地区参考作物蒸散量变化趋势及敏感性分析

董宇轩，王会肖，刘海军，赵茹欣

(北京师范大学水科学研究院，北京 100875)

近一个世纪以来，受气候变化的影响，全球近地面平均气温升高了0.74 ℃[1]，洪涝、干旱、霜冻、极端高温等事件频发，对农业生产和社会发展带来极大影响与威胁[2]。作为联系水量平衡与能量平衡的纽带，蒸散发是气候变化和水文循环状态的重要指标，决定着“水圈-大气圈-生物圈”之间的相互作用，也是了解作物生长过程耗水规律的重要依据[3, 4]。参考作物蒸散量(ET0)[5]是表示蒸散发特性的参量之一，能够综合反映大气蒸发能力和植被需水量，在农业水资源管理中发挥着重要作用。

对于不同的地理环境及气候条件而言，ET0的年际、年内变化存在明显差异。例如，印度栋斯河(Tons)流域的ET0在年、季节和月尺度上都呈现出显著下降的趋势，年ET0减少的幅度在-1.75到-8.98 mm/a之间[6]；而罗马尼亚的ET0变化在玉米和冬小麦生长季则呈现增加的趋势[7]。自1960到1992年，我国ET0年平均值以-14.35 mm/10 a的速率下降，而1993到2011年期间却以22.4 mm/10 a的速率增长[8]。但同一时期在局部地区，黄河流域下游日ET0[9]、石家庄除2月和3月份以外的月ET0[10]、北疆地区生长季ET0[11]、安徽省夏、秋、冬季ET0[12]、淮北平原年ET0[13]等均呈现下降趋势；丹江口库区[14]、北京地区[15]、贵州省[16]等区域年ET0变化均呈现增加趋势；黄河流域上游日ET0[9]、汾河灌区年ET0[17]等则没有明显的变化趋势。而ET0对气象因子的敏感性随时空变化，我国大部分地区ET0变化是由饱和水汽压差、日最高温度、辐射和风速变化引起的[8]。风速是影响内蒙古地区年和月ET0下降的首要气象因子，日平均气温次之，接下来是相对湿度和日照时数[18]；影响山西地区年ET0变化的气象要素主要是相对湿度和日照时数，温度的作用较小[19]；影响北京地区年ET0变化的主要气象因子是相对湿度和温度，对夏季ET0影响最大的是日照时数，其他季节是温度[15]。北疆地区生长季ET0对温度变化最敏感，其次是水汽压和风速，对日照时数最不敏感[11]。影响安徽省春、秋、冬季ET0变化的主要气象因子是风速，夏季ET0变化的主导因子是日照时数，少部分站点的年均ET0变化对风速最敏感，其他地区的主导因子都是日照时数[12]。

关中地区分布着九大灌区，承担了陕西省近半数的粮食生产，但该地区农业灌溉用水紧张，且农田蒸散发是农业灌溉用水的主要消耗形式，在气候变暖背景下，农业缺水程度将不断加重。一般来说，灌溉制度的确定取决于降水频率和作物需水量，而作物需水量则通过作物系数和参考作物蒸散量ET0来确定[5]。近几年，针对关中地区参考作物蒸散量变化特征及其原因的研究较少。所以，本文以关中地区主要气象站点1974-2016年的多个气象要素为基础，首先分析该地区在此期间不同气象要素的总体变化特征；其次，探讨ET0及各气象因子的变化趋势和显著性；最后运用敏感性分析方法确定影响关中ET0变化的关键要素。充分了解并认识关中地区气象要素变化特征及其对ET0的影响规律，以期为该地区的资源性缺水问题和农业可持续发展提供科学指导。

1 数据来源与研究方法

1.1 研究区概况及资料收集

关中地区位于陕西省中部，包括宝鸡、咸阳、西安、铜川、渭南等5个市，总面积约5.54 万km2，其北部为渭北山系，南部为秦巴山脉，中部为冲积平原，渭河自西向东贯穿盆地中部，由潼关汇入黄河。地处半湿润地区，属于温带大陆性季风气候，四季分明，雨热同期。是我国重要的商品粮产区，粮食生产以一年两熟的冬小麦/夏玉米轮作为主，冬小麦一般在10月初播种，次年6月上旬收获，玉米在小麦收获后即时播种，当年9月底收获。

本文选择关中地区蒲城、陇县、凤翔、太白、永寿、武功、耀县、秦都等8个气象站为研究对象，根据国家气象科学数据共享服务网(http:∥data.cma.cn/)提供的1974-2016年的逐日气象资料(包括气压、平均气温、最高气温、最低气温、相对湿度、风速、日照时数等)进行后续计算和分析。季节的划分采用气象学标准(3-5 月为春季、6-8月为夏季、9-11月为秋季、12-次年2月为冬季；10月1日-次年6月10日为小麦生长季、6月16日-9月30日为玉米生长季)。各站点基本信息见表1。

表1 关中地区气象站点概况Tab.1 Information of meteorological stations in the Guanzhong region

1.2 计算方法

参考作物蒸散量(ET0)的计算采用联合国粮农组织(FAO)推荐的Penman-Monteith(下文表示为PM)方程[5]，公式如下：

(1)

式中：ET0是参考作物蒸散量，mm/d；Rn是净辐射，MJ/(m2·d)；G是指土壤热通量，MJ/(m2·d)，日尺度上可忽略；γ是湿度计常数，kPa/℃；T是平均气温，K；U2是在地面以上2 m处测得的风速，m/s；Δ是饱和水汽压-温度曲线斜率，kPa/℃；es和ea分别代表饱和与实际水汽压，kPa。es-ea称为水汽压差(VPD)。

ET0和气象要素变化的趋势及显著性分析采用Mann-Kendall检验和Sen斜率估计法。Mann-Kendall检验[20]是一种应用较为广泛的非参数检验，该方法不易受异常值干扰，样本也不需要遵从一定的分布，可用于检测气象要素和潜在蒸散量时间序列中的显著趋势[21, 22]。Mann-Kendall检验是基于统计变量S的，计算过程如下：

(2)

式中：xi和xj是变量(气象要素或参考作物蒸散发)的两个顺序数值；N是数据序列的长度。sign(X)取下列值：

(3)

统计量S服从正态分布，均值E(S)=0，若S为正值，说明序列变化有增加趋势，反之亦然。当数据集超过10个数值时，与Mann-Kendall统计量S相关的方差VAR(S)在收敛于标准正态分布的情况下，计算公式如下：

(4)

式中：q是关联组的数量；tp是第p组中数值的个数。

用S和VAR(S)的值来计算检验统计量Z：

(5)

双边趋势检验中，在指定的α置信水平上，若Z≤Z1-α/2，则接受假设H0，即趋势不显著；反之则拒绝原假设H0，趋势显著。其中，若Z为正值，说明序列变化有上升趋势；若Z为负值，说明序列变化有下降趋势。在本文中检验的显著性水平α为0.001,0.01,0.05和0.1。

如果数据的时间序列表现出线性趋势，则可以使用Sen[23]提出的非参数程序来估计真实斜率(单位时间的变化)。Sen斜率估计量b用以下式子确定：

(6)

式中：xj和xi分别是一个变量的两个通用顺序数值。对于年时间序列(作物生长季节或月份)值，b表示线性趋势假设条件下的年度(作物生长季节或月份)增量。b检测逼近趋势的真实斜率，其与通过线性回归获得的趋势线的斜率略有所区别。

研究采用由Salmi等人[24]开发的基于EXCEL的程序MAKESENS 1.0，对ET0和气象要素的月和年平均数据序列进行Mann-Kendall检验和Sen斜率估计。

敏感性分析是通过运用Möller等人[25]提出的方法来确定对ET0影响最大的气象因子。由于与参考作物蒸散量相关的要素主要有：气温、饱和水汽压差、风速和辐射量等；其中饱和水汽压差由温度和相对湿度计算，辐射量由日照时间得出，所以敏感性分析主要针对气温、相对湿度、风速和日照时数展开，分析过程如下：①使用1974-1983年(以下简称前10 a)期间的气象数据，计算气温、相对湿度、风速和日照时间的日平均值，然后用这一时期气象参数的日平均值计算相应的日ET0值，将每个气象要素的日平均值和相应的日ET0值作为参考气象变量和ET0值。使用相同的方法计算2007-2016年(以下简称后10 a)期间每个气象要素的日平均值和相应的日ET0值；②用后10 a平均值中的一个气象要素值替换前10 a相应气象要素值，同时保持其他气象要素值不变，计算该气象要素变化条件下的ET0值；③通过比较用研究期前10 a数据计算的ET0值(参见步骤1)和用后10 a气象要素的值计算的ET0值(参见步骤2)，来分析ET0对每个气象要素变化的敏感性。ET0变化越大，表明相应气象要素对ET0的影响越大，也说明ET0对该气象因子变化的敏感性越高。

2 结果与分析

2.1 区域气候变化特征

图1描述了1974-2016年间研究区内8个气象站点平均的年气温、相对湿度、饱和水汽压差、风速、降水量和日照时数的变化趋势。

由图1可知，关中地区各气象要素随时间呈现不同的变化趋势。年气温(包括年最高气温、平均气温、年最低气温)、饱和水汽压差呈波动上升趋势，其中气温上升趋势十分明显。相对湿度和平均风速表现为下降趋势，且平均风速下降幅度较大，变幅由2.5 m/s降低至1.62 m/s。降水量和日照时数呈现轻微下降的趋势。综合各气象要素变化规律，可以发现近43年来平均气温升高而降水、相对湿度均减小，表明关中地区气候在向“暖干”状态发展。

2.2 站点间ET0及气象要素年际变化

图2是研究区内各气象站ET0及不同气象要素年际变化趋势和显著性检验效果图，趋势由Sen斜率估计求得，“三角形”越大，说明斜率越大，相应气象因子随时间变化越快。“实心三角形”表示通过Mann-Kendall检验(显著性水平P=0.05)的站点，由图2可知：不同站点间平均气温年际变化呈现显著增长趋势，在空间上保持了高度的一致性。饱和水汽压差的增长趋势略低于平均气温，但也均为显著增加。相对湿度年际变化显著性水平略低，太白站和耀县站随时间变化呈现不显著减小趋势，其他各站均表现为显著下降的趋势。各站点之间平均风速年际变化存在差异性，大部分气象站表现为显著下降趋势，但陇县和凤翔站表现异常，分别呈现显著增长和不显著增长趋势。大部分站点降水量年际变化表现为不显著减小趋势，武功站表现不同，呈现不显著增加趋势。日照时数和太阳辐射量年际变化规律一致，除了永寿站表现为不显著增长趋势以外，其他各站点均为下降趋势，且武功站为显著下降。关中地区各站点气象要素变化不一，使得ET0年际变化差异较大，陇县站和凤翔站ET0表现为显著增加，永寿站和秦都站ET0随时间不显著增加，耀县站、武功站、太白站和蒲城站ET0呈现不显著减小趋势，综合各站点变化情况可知，关中地区ET0年际变化格局为“东北-西南”呈轻微下降趋势，“西北-东南”呈增加的趋势。

2.3 ET0及气象要素季节变化特征

表2是关中地区年内各时间尺度参考作物蒸散量ET0和相应气象因子的Sen斜率估算值和M-K显著性检验统计结果，并罗列了呈不同变化趋势的站点数量和百分比。

图1 1974-2016年各气象要素变化趋势图Fig.1 Trends of climatic variables from 1974 to 2016

图2 1974-2016年期间ET0及各气象要素年时间序列通过Mann-Kendall和Sen检验呈显著增大(P=0.05)、增大、显著减小(P=0.05)和减小趋势的站点空间分布图Fig.2 Spatial distribution of meteorological stations with significant increasing(P=0.05)，increasing，significant decreasing(P=0.05)，and decreasing by the Mann-Kendall and Sen's slope estimator for the Annual data series during the period 1974-2016

表2 关中地区气象站点不同时间尺度参考作物蒸散量ET0及气象要素Sen斜率估算值和M-K显著性检验统计Tab.2 Sen’s slope for ET0 and climatic variable of different time scales and the results of Mann-Kendall significant tests for 8 meteorological stations in the Guanzhong region

注:符号表示通过Mann-Kendall检验在显著性水平P上上升或下降：*** 表示显著性水平α=0.001，**表示显著性水平α=0.01，* 表示显著性水平α=0.05，+ 表示显著性水平α=0.1，没有符号的值表示无显著性。括号中标明了相应变化台站数量的百分比(粗体)和具有显著性趋势(含下降和增加的趋势)(显著性水平α=0.05)台站的百分比(斜体)。

春季所有站点的平均气温(Tmean)、饱和水汽压差(VPD)、日照时数(SD)和太阳辐射量(Rs)变化趋势均呈现增加趋势，且平均气温和饱和水汽压差变化全部通过了显著性检验(P=0.001)，相对湿度(RH)、降水量(P)、平均风速(WS)呈现减小的趋势，且超半数站点的平均风速、相对湿度都通过了显著性检验(P=0.05)，所有站点ET0均呈现增加趋势，且有一半的站点通过显著性检验(P=0.05)。小麦生长季各要素变化与春季类似。

夏季、秋季和冬季气象要素变化规律基本一致，均表现为平均气温(Tmean)、饱和水汽压差(VPD)呈增加趋势，且大部分通过显著性检验(P=0.01)，平均风速(WS)、相对湿度(RH)、太阳辐射量(Rs)和日照时数(SD)呈减小趋势，且大部分站点平均风速通过显著性检验(P=0.001)，多数站点ET0呈减小趋势且不显著。与春季相比，日照时数、太阳辐射量和ET0出现较大变化。玉米生长季各要素变化特征与这3个季节保持一致。

2.4 敏感性分析

由2.3节的分析可知8个气象站点在研究期内ET0变化各有不同，运用1.2节计算方法中描述的敏感性分析方法确定4个主要气象因子对ET0的影响。关中地区不同气象站点各时间尺度的敏感性分析效果如图3所示，其中，“彩柱”向上表示相应气象因子的变化使得ET0增加，“彩柱”越高，ET0变化越大，反之亦然。图3中左上角的百分比表示所在时段各气象因子综合作用引起的ET0变化比例。

由图3可知，各个时间尺度上平均气温变化引起的ET0变化趋势具有很强的一致性，平均气温升高引起了ET0增加，蒲城站、太白站、永寿站、凤翔站平均气温升高引起的ET0增幅相对较大。大部分站点相对湿度的减小使得ET0增加，秋季太白站和武功站、冬季太白站相对湿度的增加使得ET0减小，但减小的幅度不大。整体来看，春季、秋季、冬季和小麦生长季平均气温升高比相对湿度变化对ET0增加的贡献更大，夏季两者对ET0增加的贡献基本持平。平均风速减小引起了ET0的减小，且很明显可以看出夏季、秋季、冬季和小麦生长季平均风速减小使得ET0减小的幅度比其他要素都大，但春季平均风速对ET0变化的贡献小于平均气温和相对湿度。夏季、秋季和玉米生长季日照时数减小引起了ET0的下降，且可以看出夏季和玉米生长季日照时数变化对ET0的相对贡献较大；春季和冬季日照时数减小引起的ET0变化较小，几乎可以忽略。

图3 不同时间尺度上ET0对气象要素变化的敏感性分析结果Fig.3 Sensitivity analysis of ET0 to changes in climatic variables in different time scales

综合研究区内各气象站点不同时间尺度ET0的敏感性分析结果可知：影响ET0变化的4个主要气象因子按相对贡献排序为：平均气温>平均风速>相对湿度>日照时数(年尺度)；平均气温>相对湿度>平均风速>日照时数(春季)；平均风速>日照时数>相对湿度>平均气温(夏季)；平均风速>平均气温>相对湿度>日照时数(秋季、冬季和小麦生长季)；相对湿度>日照时数>平均气温>平均风速(玉米生长季)。空间上，凤翔站和陇县站的ET0对平均气温和相对湿度较为敏感，而其余站点大部分时间的ET0对平均风速变化最敏感。

3 结 语

根据关中地区8个气象站43年的逐日气象资料，采用联合国粮农组织推荐的Penman-Monteith公式计算参考作物蒸散量(ET0)，分析该地区ET0和气象要素变化特征，确定影响ET0变化的主要气象因子，主要结论如下。

(1)关中地区1974-2016年各气象要素变化趋势为：气温(包括最大、最小和平均)升高，相对湿度和降水量减小，饱和水汽压差增加，总体而言，关中气候在向“暖干”方向发展，和张强[26]得出的西北地区气候整体“暖干化”的结论一致。平均风速明显减小，日照时数和太阳辐射略有下降，与曹红霞[27]得出的结论相吻合。

(2)就站点变化而言，陇县站和凤翔站的平均风速变化在四季均呈现显著增加的趋势，与该区域的平均风速变化规律不同；就年内变化而言，春季各气象站点日照时数、辐射量均呈现增加趋势，与其他时间的区域日照时数、辐射量变化规律不一致。小麦生长季75%的气象站降水量减小而ET0增加，长时间不利于作物的生长，必然要借助人工灌溉来保证产量，农业节水压力较大。

(3)关中地区的平均气温、平均风速和日照时数与ET0呈正相关关系，相对湿度与ET0呈负相关关系，与刘闻[28]得出的结论一致。平均气温升高、相对湿度减小使得ET0增加，而平均风速和日照时数减小会引起ET0减小，前两者增加和后两者减小幅度的相对大小，共同决定了该地区ET0的变化趋势。ET0对各气象要素的敏感性随时间和位置的不同而发生变化，影响夏季、秋季、冬季和小麦生长季ET0变化的主导气象因子均为平均风速，而影响春季和年尺度ET0变化的主导气象因子是平均气温。研究区西北方向影响ET0变化的主要气象因子是平均气温和相对湿度，而其他位置的ET0变化主要受平均风速影响。