基于云模型的辽河平原区参考农作物的蒸散发时空变化特征量化分析

胡晓松

(辽宁省鞍山水文局，辽宁 鞍山 114000)

1 概述

参考农作物蒸散物对其作物需水影响十分明显，据相关研究成果表明，农作物蒸散发占其总的作物需水量的60%[1]，分析区域农作物蒸散发时空变化，对于制定其农作物的灌溉方式具有重要的参考价值[2]。近些年来，对于农作物蒸散发时空变化特征得到研究[3-10]，各研究成果均表明受到气候变化影响，区域农作物蒸散发时空变化十分显著，对区域农作物的需水过程产生直接影响，增加了农作物的需水量。但这些研究大都针对蒸散发时空变化进行定性描述为主，即对其规律性进行趋势分析，主要是缺少定量化的手段。当前，中国工程院李德云院士提出云模型[11]，该模型可实现从定性描述转向定量描述，在水资源领域得到一定程度的应用[12-16]，但是在水资源时空变化特征定量分析中还应用较少。辽河平原作为辽宁省主要的粮食主产区，其作物蒸散发是其需水影响的主要因素，为提高辽河平原区农作物灌溉用水效率，结合云模型，基于辽河平原区6个气象站点的数据，对其农作物蒸散发时空变化特征进行量化分析。

2 研究方法

2.1 参考作物蒸散发计算

采用彭曼公式计算辽河平原区农作物的蒸散发量，其主要计算方程为：

(1)

式中，Rn—太阳净辐射，W/m2；G—土壤的热通量值，W/m2；r—湿度常数；T—气温的平均值，℃；u2—离地面距离2m处的风速，m/s；es—饱和水汽压，kPa；ea—实际水汽压,kPa；Δ—水汽压的梯度。

2.2 云模型计算方法

中国工程院李德云院士提出云模型，结合离散度和稳定性来定量表征变量时空变化特征，该模型采用定量论域U来表征其分析变量，假设定量值x∈U，x对C的确定度u(x)∈[0，1]具有稳定倾向变化的随机变量。该模型主要结合云模型的参数对变量时空特征的离散度及稳定性进行定量分析。

2.2.1正向高斯云算法

云模型的主要参数分别为期望Ex、熵值En以及超熵值He来表征其水文变量的时空变化特征。其正向高斯云算法的主要计算步骤为：

(1)以En为期望值，He为标准差随机生成高斯数期望。

(3)计算变量的确定度，其计算方程为：

(2)

式中，ui—变量随时间变化的确定度；i—时间尺度。

(4)具有确定度的ui的随机云数据系列。

(5)重复(1)～(4)步骤，直到生成N个随机云数据系列。

2.2.2逆向斯云计算法

在进行正向高斯云算法后，进行逆向斯云计算，其主要计算步骤为：

(1)首先计算其样本点xi的中心平均值，计算方程为：

(3)

其一阶中心距的计算方程为：

(4)

其二阶中心距计算方程为：

(5)

(2)在中心距计算的基础上，对期望值EX进行计算，计算方程为：

(6)

(3)在期望计算的基础上，对熵值En进行计算，计算方程为：

(7)

(4)此基础上计算参数超熵值He，计算方程为：

(8)

3 研究成果

3.1 区域概况

本文以辽河平原区为研究区域，区域主要参考农作物为玉米和水稻，辽河平原为辽宁省主要的粮食产区，区域主要为大陆型季风气候。夏季和秋季蒸发量较大，春季和冬季蒸发量相对较小，近些年，随着气候变化影响，区域参考农作物蒸发量时空特征变化较为明显，辽河平原东南部年平均蒸发量为800～1000mm，而西北部区域蒸发量常年维持在400～600mm，空间分布不均匀，且一般蒸发量主要集中在夏季的6—9月，夏季蒸发量占全年蒸发量的40～60%。考虑到农作物蒸发是其需水特征的主要影响指标。为此本文结合辽河平原内6个主要气象站点1958—2018年数据，计算参考农作物蒸散发ET0时空分布，结合云模型对其时空变化特征进行量化分析。

3.2 参考作物蒸散发ET0时间尺度计算

结合P-M公式对辽河平原区主要参考农作物年、日尺度及各个季节的蒸发时间变化特征进行计算，计算结果如图1所示。

从各时间尺度的参考农作物的蒸发计算结果可看出，不同时间尺度各蒸发变化趋势不同，从年尺度可看出，总体趋势下降，但下降趋势不明显，区域最大1日蒸发呈现明显递减变化，尤其在2000年以后，下降趋势最为明显，从其递减率变化可分析，年尺度递减率为2.5mm/a，而最大1日蒸发递减率达到3.9mm/a。从各个季度蒸发趋势变化可看出，春季蒸发略上升变化，而夏季和秋季蒸发均递减变化，且秋季蒸发递减趋势最为明显，冬季蒸发变化较为平稳，主要是冬季农作物较少。夏季蒸发和年蒸发变化较为一致，主要是因为夏季蒸发占全年蒸发的40～60%。

3.3 参考作物蒸散发ET0空间尺度计算

结合各气象站点数据，对各个时间尺度下的参考农作物蒸发空间特征进行插值计算，计算结果如图2所示。

结合气象站点数据，利用空间插值分析方法，得到空间各网格化的气象数据，结合P-M公式计算各网格的参考农作物蒸发。从各时间尺度的蒸发空间变化特征可看出，总体均呈现东南蒸发大，西北蒸发偏小的变化规律，这主要是因为东南部降水偏多，气温也偏高，使得其区域蒸发偏大，而西北部由于降雨较低，且气温偏低，降低了其蒸发量。从各尺度看，蒸发空间变化十分不均匀，这主要是因为蒸发影响因素较多，受气候变化影响也较大，因此其空间分布特征不明显，很难主观进行量化分析。

3.4 基于云模型的不同尺度蒸发的不确定性分析

结合云模型计算方法，建立各气象站点的蒸发样本数据序列，数据序列的长度为59年，并对各站点的三个云模型计算参数进行计算，各站点参数计算结果见表1。

图1 辽河平原区不同时间尺度蒸发计算结果

表1 各气象站点设置的云模型参数

期望参数主要表示各站点蒸发数据序列的均值，各站点期望值变化幅度较小，在921.9～1235.7mm之间，表明各站点蒸发均值变化度较小，而从熵值变化可看出，熵值变化度较高，主要表征其蒸发时间尺度变化幅度，从表1中可看出，新开站熵值最大，其蒸发时间尺度变化较为明显，台安站熵值最小，为56.235，表明其蒸发时间尺度变化程度较低。而超熵值主要表征各站点蒸发空间变化，从分析结果可看出，盘山站超熵值为9.4132，表明其蒸发空间变异度较高，而南岗站超熵值为7.8472，表明其蒸发空间变异度较小。

3.5 基于云模型的不同尺度蒸发时空特征量化对比

在云模型参数设定的基础上，对各尺度下辽河平原区蒸发时空变化特征进行量化对比分析，分析结果见表2—3，并绘制各尺度下蒸发的隶属云计算结果，结果如图3所示。

从分析结果可看出，从1958～2018年各年代际蒸发时空变化特征，辽河平原参考农作物蒸散发的时空隶属云在0.4～0.9之间变幅，变化较为稳定，但在2000年以后，变幅较大，涨率为0.25/a，时空离散度和稳定度呈现急剧扩散变化，这主要是因为2000年以后辽河平原区气温有所减少，使得区域蒸发量较低，这从年尺度变化可看出，蒸发空间变化也受气温变化产生较为明显的应县，使得其稳定度发生明显变化，蒸发的隶属云急剧下降，这也是区域农作物需水增长的主要因素。从各季节蒸发隶属云变化结果可看出，夏季和秋季其蒸散发时空隶属云变化较为集中，在0.5～0.7之间变化，而播种关键期的春季蒸发时空隶属云从0.2变化至0.7，且呈现收缩变化，蒸发有所增加，不利于春季作物生长，因子在春季应尽量降低作物的蒸发量。

图2 不同尺度下参考农作物蒸发空间变化特征插值计算结果

表2 年尺度的云模型蒸发特征分析结果

表3 月尺度的云模型蒸发特征分析结果

图3 不同尺度下辽河平原区参考农作物蒸发时空变化特征率属云计算结果

4 结论

(1)辽河平原区东南部蒸发时空变化的稳定度和离散度均最大，在这一区域，应尽量种植大棚农作物，减少其蒸发量，满足农作物其需水量。

(2)辽河平原区夏季和秋季蒸发虽有所减少，但空间稳定度及离散度小于春季，可在夏季种植花生或芝麻一类的农作物。

(3)本文选取6个气象站点，在空间代表性中存在不足，在以后的研究中还应加入更多的气象站点进行蒸发分析。