GFDL-ESM2M气候模式下京津冀地区未来潜在蒸散量时空变化

毕彦杰，赵 晶，吴 迪，赵 勇

GFDL-ESM2M气候模式下京津冀地区未来潜在蒸散量时空变化

毕彦杰1,2，赵 晶1※，吴 迪3，赵 勇2

（1. 华北水利水电大学 水资源学院，郑州 450046； 2. 中国水利水电科学研究院流域水循环模拟与调控国家重点实验室，北京 100038； 3. 中国灌溉排水发展中心，北京 100054）

为探究未来潜在蒸散量时空变化特征，该研究以京津冀地区为例，基于美国GFDL提供的GFDL-ESM2M全球气候模式，得到京津冀地区92个格点2000－2050年的平均气温、最高气温、最低气温、太阳总辐射、平均相对湿度和近地面平均风速，应用Penman-Monteith公式计算京津冀地区未来92个格点的逐日潜在蒸散量（ET0），分析其时空分布特征及其与气象要素的相关关系。结果表明：未来年ET0总体呈增加趋势，RCP8.5情景下ET0上升速度最快，且随着时间推移增幅越来越大。夏季ET0增长速度最快，其次为春季、秋季与冬季，意味着未来ET0季节差异将愈加明显，可能出现更为严重的季节性干旱。ET0空间分布呈由西南向东北逐渐递减趋势，其中中部地区增速最快，增长趋势由中部向南北递减。不同气候情景下平均气温均呈逐年上升趋势，风速、太阳总辐射略微上升，而相对湿度下降。ET0与太阳总辐射的相关系数最大，呈由东北向西南递增趋势，其次为最高气温，呈由西北向东南递增趋势。ET0与相对湿度变化呈显著负相关，相关系数绝对值呈东北向西南递增趋势，ET0与风速相关度不明显。该研究可为农业需水预测与灌溉管理、科学应对气候变化提供基础支撑。

蒸腾；蒸发；GFDL-ESM2M气候模式；潜在蒸散量；时空分布；气象要素

0 引 言

近年来，气候变化问题已引起世界范围内的广泛关注。全球平均地表温度在过去的100 a升高了(0.74±0.18)℃[1]，而最近50 a增温速率是过去100 a的2倍，过去100 a与最近50 a增温速率分别为(0.13±0.03)和(0.07±0.02)℃/10 a。除气温变化外，还表现在风速、辐射、降雨、日照时数和相对湿度等气象因子及受其影响显著的径流、蒸散量的变化[2-5]，这些变化已经引起作物种植边界[6]、种植结构[7]、生育期[8]的变化，导致灌溉需水格局发生变化[9-11]。开展气候情景下未来潜在蒸散量时空变化趋势研究，可为未来农业需水预测与灌溉管理、科学应对气候变化提供基础支撑。

未来潜在蒸散量预测研究虽然起步较晚，但一直受到国内外学者广泛关注。目前主要有两种预测思路：一种是在历史ET0的基础上通过降尺度方法直接预测未来ET0。如邢万秋等[12-17]通过统计降尺度模型（statistical downscaling model，SDSM）实现HadCM3输出ET0数据网格到站点的尺度降解，生成气候情景下未来流域或区域的ET0。Xing等[18]运用4个大气模式以及3个气候模式预测未来ET0，发现21世纪ET0增加归功于气温的增加。Chattopadhyay等[19]基于全球6种气候模式计算印度未来ET0，发现印度未来ET0呈增加趋势。另一种是采用降尺度方法将气候模式输出的气象因子降为日序列，然后采用公式估算ET0。如左德鹏等[20-22]通过气候模式生成气温日序列，通过率定Hargreaves公式，预测未来流域或区域ET0。Lovelli等[23-29]基于区域气候模式/天气发生器模型及降尺度方法，得到最高气温、最低气温、降雨与辐射等气象要素，应用Penman-Monteith公式计算地中海地区、比利时、英格兰西南部、波多黎各、英国未来ET0变化。目前，利用潜在蒸散量估算方法结合各类气候模式输出结果探讨气候情景下未来ET0的研究仍处于起步阶段，定量深入研究亟需加强[30]。

京津冀地区属于温带大陆季风气候区，多年平均降雨量507 mm，且时空分布不均，年蒸发能力在9 002 000 mm，是中国北方严重缺水区和地下水超采区。京津冀也是中国北方经济规模最大、最具活力、人类活动影响较为剧烈的地区，以不足全国0.7%的水资源，承载着全国约8%的人口、6%的粮食生产和10%的GDP[31]。京津冀地区自古以来就是中国重要的农业生产区，河北平原区土层较厚且土壤肥沃，是农作物主要种植区，该区域约占京津冀地区总面积的44%左右，农业灌溉用水需求量大。京津冀地区蒸散量受气候、季节、纬度、地理位置等影响，具有明显时空差异性，研究该地区未来潜在蒸散量时空变化特征对农业灌溉与生产十分重要。目前对京津冀地区历史ET0时空变化特征及其变化成因已有大量相关研究，但关于未来ET0变化与成因的定量研究相对较少。本文基于美国Geophysical Fluid Dynamics Laboratory(GFDL)提供的GFDL-ESM2M全球气候模式，得到京津冀地区92个格点2000－2050年的平均气温、最高气温、最低气温、太阳总辐射、平均相对湿度和近地面平均风速，应用1998年FAO最新推荐的Penman-Monteith公式计算了京津冀地区未来逐日ET0，基于MK (Mann—Kendal)趋势法与ArcGIS软件研究ET0的时空变化特征，计算ET0与最高气温、最低气温、平均气温、风速、太阳总辐射和相对湿度的相关系数，并分析其时空变化特征，可为京津冀地区未来变化环境下的水循环响应、农业需水预测、农业节水潜力和水资源优化配置研究提供参考。

1 数据来源与研究方法

1.1 数据来源与处理

2011年Climatic Change专刊中介绍了新一代的温室气体排放情景——代表性浓度路径（representative concentration pathways, RCPs），该情景是IPCC在第五次评估报告中开发的新情景，分别为RCP2.6、RCP4.5、RCP6.0和RCP8.5。RCPs的优势在于相对于AR3和AR4中所用的SRES而言，该情景更能代表21世纪的气候政策。每个RCP所提供的资料集具有全面、高空间分辨率的特点，资料集包括：土地利用变化、空气污染物排放量、人为排放量和温室气体浓度（到2100年）等[32]。

GFDL-ESM2M气候模式能较好地代表区域平均气温的变化趋势[33]。国家“十二五”气候变化影响评估科技支撑研究计划项目曾基于GFDL-ESM2M气候模式模拟未来中国水资源情势。马丹阳等[34-35]基于GFDL-ESM2M气候模式预估了未来中国干湿区面积与气候干湿的变化趋势，上述研究表明GFDL-ESM2M气候模式在中国区具有较好的应用效果[36-37]，因此选择GFDL-ESM2M全球气候模式模拟预测未来ET0的变化。为定量说明本文所选取的气候模式在京津冀地区的适用性，利用2000年1月－2018年12月期间模拟和实测的逐月气温数据，依据“概率分布吻合最优”原则，对气候模式的适用性进行评价，具体做法如下：

1）选取4参数的贝塔分布（公式（1））[38]对实测和模拟的月气温数据进行拟合。

贝塔函数概率密度：

式中是随机变量，与是随机变量服从的参数，与为分别为参数的最小值与最大值。

2）定义一个评分值Skill Score（SS值），用以定量化气候模式对气温的模拟效果。SS值的大小即为月气温的实测值和模拟值概率密度曲线所围成的公共部分面积。SS的值介于0和1之间，当SS接近0时，说明实测值和模拟值的概率曲线基本没有重合部分，而当SS接近1时，说明实测值和模拟值的概率曲线接近完全重合，因此，SS值越大，模式模拟效果越优。

全球气候模式GFDL-ESM2M的模拟效果SS值见表1，在RCP8.5情景下，年平均气温模拟的SS值能达到0.86，月平均气温的SS值在4－10月模拟效果较好，均超过0.83。4－10月的ET0占全年ET0的90%左右，故气候模式GFDL-ESM2M在京津冀地区的适用性较好。

表1 GFDL-ESM2M气候模式下平均气温模拟效果（SS值）

插值和订正方法分别为双线性插值和基于概率分布的统计偏差订正[39-40]。模式提供的气象要素包括：平均气温、最高气温、最低气温、降水量、太阳总辐射、平均相对湿度、地面气压和近地面平均风速，分辨率为0.5°×0.5°，涉及情景分别为：RCP2.6、RCP4.5、RCP6.5、RCP8.5，研究时段选取2021年1月1日—2050年12月31日，选取其中的RCP2.6、RCP4.5和RCP8.5，分别表示低、中、高情景。该数据集是以全国国家级台站日降水量/气温观测数据为基础，利用薄盘样条法[41-42]，同时引入数字高程资料以尽可能地消除中国区域独特地形条件下高程对空间插值精度的影响。其中，用于插值的气象数据是全国2 474个国家级台站近50 a逐日相对湿度、地面气压和气温资料，地形数据是由GTOPO30数据（分辨率为0.05°×0.05°）经过重采样生产的中国陆地0.5°×0.5°的数字高程模型DEM。用于评价模式的格点分布如图1所示，京津冀地区共计92个格点。

1.2 Penman—Monteith公式

在蒸散量研究中，基于表面阻力的Penman-Monteith公式被认为是计算潜在蒸散量较精确的方法之一[43]，该方法计算准确度较高，因其仅受当地气候条件和海拔的影响，应用范围较为广泛[44]。本文采用Penman-Monteith公式计算潜在蒸散量：

式中ET0为潜在蒸散量，mm/d；Rn为作物表面净辐射量，MJ/(m2·d)；G为土壤热通量，MJ/(m2·d)；Δ为饱和水气压与气温关系曲线的斜率，kPa/℃；γ为湿度计常数，kPa/℃；Tmean为空气平均气温，℃；U2在地面以上2 m高处的风速，m/s；es为空气饱和水气压，kPa；ea为实际饱和水气压，kPa。

应用式（3）转换为2 m处的风速。

式中为离地面的距离，m；u为米处的风速，m/s。

1.3 Mann—Kendal 趋势检验与相关系数

Mann—Kendall非参数统计方法是应用于水文、气象序列趋势、突变分析的一种成熟方法，能有效区分某一自然过程是处于自然波动还是存在确定的变化趋势[45]，已获得世界气象组织的力荐。

相关系数最早由统计学家卡尔·皮尔逊设计的统计指标，是研究变量之间线性相关程度的量。

2 结果与分析

2.1 ET0年际变化

将未来30 a ET0长期变化采用一次线性回归方程进行表示，由图2可见，京津冀地区RCP2.6、RCP4.5、RCP8.5的气象倾向率分别为1.365、1.907、2.709 mm/a，表明未来年ET0总体呈增加趋势。这与邢万秋等[12]预测海河流域未来ET0大部分地区呈上升趋势及唐晓培等[21]在RCP4.5和RCP8.5两种排放情景下预测黄淮海地区ET0整体呈增加趋势相一致。

对比3个气候情景下未来ET0可以发现RCP8.5情景下ET0上升速度最快，且随着时间的推移增加量越来越大。主要是由于该情景是温室气体最高排放情景，长期高能源需求及高温室气体排放，且缺少应对气候变化的政策，引起气温升高、辐射增加，进而ET0增速最快。3类气候情景下年ET0均无明显突变点。

图2 不同气候情景下京津冀地区未来ET0值

2.2 ET0年代际变化

由表2可知，RCP2.6情景下京津冀地区2020 s ET0平均值为1 010 mm，2030 s为1 018 mm，2040 s为1 028 mm，与基准年1961－2018年的平均值相比，分别增长了8、16、26 mm，表明RCP2.6情景下京津冀地区ET0整体上呈增加趋势，且不同年代增幅随时间推移加大，即其中2040 s增幅最大。RCP4.5 情景下京津冀地区3个年代ET0平均值分别较1960－2018平均值增加13、23、41 mm，2040 s增幅最大。RCP4.5情景下京津冀地区ET0增幅明显比RCP2.6大。RCP8.5 情景下京津冀地区3个时间段ET0平均值分别较1960－2018平均值增加23、38、54 mm，其中2040 s增幅最大。RCP8.5情景下京津冀地区ET0增幅明显比RCP4.6大。

表2 不同气候情景下不同年代ET0平均值

注：基准年为1961－2018年。

Note: The base years are 1961－2018.

由表3可知，不同季节的ET0均呈不断上升趋势，其中夏季ET0增长速度最快，其次为春季、秋季与冬季。这将引起未来夏季ET0对全年贡献率随时间推移持续上升，而秋冬两季ET0对全年贡献率随时间推移持续减少，如RCP8.5在2020 s夏季ET0对全年贡献率达到39.8%，2030 s上升至40.0%，2040 s上升至40.3%，表明未来ET0季节分布差异将愈加明显，可能出现更为严重的季节性干旱。3种气候情景下ET0的四季增量，RCP8.5明显大于RCP4.5，大于RCP2.6。

表3 不同气候情景下不同年代季节ET0

2.3 ET0空间分布特征

不同气候情景下京津冀地区未来年ET0空间分布特征相近，均呈由西南向东北逐渐递减趋势（图3），南部平原区的石家庄市ET0最大（1 208～1 262 mm），邢台、邯郸与保定等市ET0处在高值区，而北部的秦皇岛市ET0最小（937～973 mm），西北山区的张家口与承德市ET0处在低值区。

不同气候情景下京津冀地区未来年ET0变化趋势空间分布如图4所示，均呈显由中部向南北递减趋势，中部地区的天津市与唐山市ET0增加趋势最为显著（达到了99%的显著性水平），南部地区的石家庄、邢台与邯郸市与北部的承德市值较小，主要是由于南部平原区大面积农田及其灌溉缓解了气温的升高，增加了空气湿度，而西北部主要为山区，能源消耗小，气温上升相对较小。

图3 不同气候情景下京津冀地区未来ET0空间分布特征

图4 不同气候情景下京津冀地区未来ET0 MK值空间分布特征

RCP2.6与RCP4.5情景下ET0变化趋势类似，而RCP8.5气候情景下承德市，尤其是承德东南部地区，ET0变化趋势相对于前两类气候情景更为显著。主要原因可能是历史时期该地区ET0较小，冀东地区能源消费占京津冀全部的1/4左右，RCP8.5情景下能源消耗大，温室气体排放量大，在大全球气候变暖的大背景下，承德东南部地区ET0较RCP2.6与RCP4.5增加趋势显著。

2.4 ET0与气象要素相关关系

2.4.1 气象要素变化情况

为了进一步探究GFDL-ESM2M气候模式下京津冀地区未来ET0的变化原因，图5给出了不同气候情景下平均气温、太阳总辐射、风速、相对湿度的逐年变化趋势。由图5a可以看出，未来30 a不同气候情景下京津冀地区平均气温均呈逐年上升趋势。RCP2.6、RCP4.5、RCP8.5情景下2021－2050年多年平均气温分别为10.83、11.00、11.51 ℃，较基准年1961－2018年的平均值分别上升了21.38%、24.32%、29.04%，可以看出RCP8.5情景下京津冀地区平均气温增幅最大。由图5b可以看出，未来30 a京津冀地区风速呈略微上升趋势。RCP2.6、RCP4.5、RCP8.5情景下2021－2050年多年风速平均值为2.08、2.09、2.11 m/s，较基准年1961－2018年的平均值分别上升了3.79%、4.40%、5.65%，RCP8.5情景下京津冀地区风速增幅最大。由图5c可以看出，未来30 a京津冀地区太阳总辐射也呈略微上升趋势。RCP8.5情景下京津冀地区太阳总辐射增幅最大。由图5d可以看出，未来30 a京津冀地区相对湿度呈略微下降趋势，其中RCP8.5情景下京津冀地区相对湿度降幅最大。

图5 不同气候情景下京津冀地区气象要素逐年变化情况

2.4.2 相关关系分析

由表4可以看出未来年ET0与气象要素的相关系数。ET0与太阳总辐射的相关系数最大，均超过0.830，其次为最高气温（均超过0.822），与相对湿度变化呈显著负相关，RCP8.5情景下相关系数为−0.645。

表4 不同气候情景下ET0与气象要素的相关系数

ET0与风速相关度不大，相关系数均小于0.1。对比不同气候情景下未来ET0与气象要素的相关系数发现，ET0与气温的相关系数，随着排放浓度的增加呈不断上升趋势，尤其是最低气温，增幅高于最高气温与平均气温。ET0与太阳总辐射的相关系数，RCP2.6最大，随着排放浓度的增加反而呈下降趋势，原因可能是气温升高，引起辐射增加，但能源的大量消耗，导致空气中气溶胶含量增加，雾霾日数增多，日照时数下降，引起太阳总辐射下降，日照时数减少的负影响超过气温上升的正影响。ET0与相对湿度的相关系数绝对值随着排放浓度的增加而呈减少趋势。ET0与风速的相关系数虽然较小，但随着排放浓度增加呈上升趋势。

不同气候情景下ET0与气象要素相关系数空间分布情况类似，RCP8.5气候情景下未来ET0与平均气温、太阳总辐射、风速和相对湿度相关系数空间分布见图6，ET0与平均气温的相关系数呈西北向东南递增的趋势，南部的邯郸、邢台市与东部的唐山、沧州市ET0与平均气温的相关系数处在高值区（0.82以上），而西北部的张家口市、承德市处在低值区。ET0与太阳总辐射的相关系数呈东北向西南递增的趋势，西南部的邯郸、邢台与石家庄ET0与太阳总辐射的相关系数处在高值区（0.83以上），而东北部的承德市、张家口市处在低值区。整体来说ET0与平均气温和太阳总辐射相关系数空间部分较为相近。ET0与风速的相关系数呈由西向东递减的趋势，西部的石家庄市ET0与风速的相关系数处在高值区（0.20左右），而东部的承秦皇岛市处在低值区。ET0与相对湿度的相关系数绝对值呈东北向西南递增的趋势，西南部的邯郸、邢台与石家庄ET0与太阳总辐射的相关系数绝对值处在高值区（0.70左右），而东北部的秦皇岛、承德市与唐山市ET0与太阳总辐射的相关系数绝对值的处在低值区。

图6 RCP8.5气候情景下京津冀地区未来ET0与气象要素相关系数空间分布

3 讨 论

本文所采用的3类气候情景是基于温室气体和气溶胶的排放情景所做的预估，其中，排放情景是对诸如温室气体、气溶胶等对辐射有潜在影响的物质在未来排放趋势的表述。RCP2.6情景：把全球平均气温上升限制在2.0℃之内，其中21世纪后半叶能源应用为负排放，辐射强迫在2100年之前达到峰值，到2100年下降至2.6 W/m2，属于低浓度路径。RCP4.5情景：2100年辐射强迫稳定在4.5 W/m2，相对于RCP 2.6与RCP 8.5属于中间稳定路径，更接近实际发展。RCP8.5情景：假定人口最多、技术革新率不高、能源改善缓慢。这将导致长时间高能源需求及高温室气体排放，而且缺少应对气候变化的政策。2100年辐射强迫上升至8.5 W/m2，属于高浓度路径。三者都具有研究意义。

根据Penman-Monteith公式，影响ET0的气象要素有气温、太阳辐射、相对湿度与风速等。此外下垫面状况以及人类活动会间接影响ET0。如城市化进程加快，地表利用率不断发生改变，城市热岛效应、雨岛效应、烟雾岛效应对作物蒸腾和土壤蒸发均产生一定程度影响。RCP8.5情景是长时间高能源需求及高温室气体排放而缺少气候变化应对政策的情景，该种情景的气温、辐射（日照时数）、风速与相对湿度均受到温室气体排放与大气中气溶胶的影响，即一定程度上考虑了城市热岛效应、干岛效应与暗岛效应等人类活动的影响，而应用这些气象要素计算的ET0也同样考虑了人类活动的影响。

京津冀城市群是中国北方经济规模最大、最具活力、人类活动影响最为剧烈的地区，大量的化石能源消费与快速的城镇化水平也是造成京津冀地区ET0区域存在明显差异性的重要因素。本文研究发现RCP2.6、RCP4.5和RCP8.5情景下2021－2050年京津冀地区ET0整体呈增加趋势，没有出现“蒸发悖论”现象，与大部分学者在气候情景下采用其他方法预测的ET0[12-13,19,21,24-29]变化趋势相似，这可能因为该地区整体气温、辐射等增加对 ET0产生的正效应大于其他因素对ET0产生的负效应。邢万秋等[12]基于HadCM3 输出ET0数据发现：未来A2和B2两种气候模式下，海河流域的ET0在大部分区域均呈增加趋势，且A2 情景下ET0增加量较B2情景大。本文发现京津冀地区未来ET0均呈增加趋势，且RCP8.5情景大于RCP4.5，大于RCP2.6情景，研究结论类似。关于ET0空间分布，本文认为京津冀地区天津、唐山与秦皇岛地区ET0处在低值区，唐晓培等[21]认为黄淮海地区的河北唐山、乐亭附近处在ET0低值区，与本文研究结论类似。关于ET0变化趋势空间分布，邢万秋等[12]认为未来ET0在滦河流域的中游和下游、海河北系西北部增速较快，本文认为天津、唐山与承德等市ET0增加趋势较为明显，研究结论类似。关于季节ET0分布，邢万秋等[12]认为夏季流域大部分区域的ET0均呈明显增加趋势，ET0季节分布差异随时间推移愈加明显，本文认为不同季节ET0均呈增加趋势，其中夏季ET0增速最为明显，研究结论一致，未来ET0季节分布差异将愈加明显，意味着可能出现更为严重的季节性干旱。关于ET0变化原因分析：Han等[46]认为京津冀地区多数站点历史ET0与平均气温、日照时数和风速呈显著正相关，与相对湿度呈显著负相关。谢贤群等[47]研究发现太阳总辐射变化对我国北方潜在蒸发变化的贡献率为78%左右。邢万秋等[12]认为前2个时期：2020 s和2040 s，辐射是呈上升趋势的，特别是2040 s，辐射是直接导致该时期ET0上升的因素。本文通过相关分析发现ET0与太阳总辐射的相关关系最为明显，与Han等[46]、谢贤群等[47]与邢万秋等[12]研究结论较为相似。

受数据资料所限，本文没有计算2050－2100年ET0，根据唐晓培等[21]与邢万秋等[12]研究，2050－2100年，该地区ET0将继续增长，尤其是高排放情景下，未来气温上升是导致ET0增加的主要因素。未来该地区ET0明显增大表明区域蒸散加快，水资源短缺可能进一步加剧，可能出现更为严重的干旱。

4 结 论

1）京津冀地区未来ET0总体呈增加趋势，RCP8.5情景下ET0上升速度最快，气象倾向率为2.709 mm/a，且随着时间的推移增量越来越大，2020 s、2030 s与2040 s ET0平均值分别较基准期增加23、38、54 mm。未来四季ET0均呈不断上升趋势，其中夏季ET0增长速度最快，其次为春季、秋季与冬季。意味着未来ET0季节分布差异将愈加明显，可能出现更为严重的季节性干旱。

2）不同气候情景下京津冀地区未来年 ET0空间变化特征类似，均呈现从西南向东北逐渐递减趋势，南部平原区的石家庄市ET0最大（1 208～1 262 mm），西北山区的张家口与承德市ET0处于低值区。不同气候情景下京津冀地区未来ET0变化趋势的空间分布均呈现由中部向南北递减。

3）未来30 a京津冀地区平均气温明显上升，风速、太阳总辐射呈略微上升趋势，而相对湿度呈下降趋势。ET0与太阳总辐射的相关系数最为明显，均超过0.830，其次为最高气温（均超过0.822），与相对湿度的变化呈显著负相关，RCP8.5情景下相关系数为−0.645，与风速相关度不大，不同情景下相关系数均小于0.1。ET0与太阳总辐射的相关系数随着排放浓度的增加反而呈下降趋势，可能是由于能源的大量消耗，导致空气中气溶胶的含量增加，雾霾日数增多，日照时数下降，引起辐射减少，日照时数减少的负影响超过气温上升的正影响。ET0与平均气温的相关系数呈西北向东南递增趋势，与太阳总辐射的相关系数与相对湿度的相关系数绝对值呈东北向西南递增趋势，与风速的相关系数呈由西向东递减趋势。

[1] Solomon S, Qin D, Manning M, et al. Climate Change 2007: the Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change[M]. New York: Cambridge University Press, 2007.

[2] IPCC. Climate change 2001: Impacts, adaptation, and vulnerability[R]. Cambridge: Cambridge University Press, 2001.

[3] 王国庆，张建云，李岩，等. 海河流域基于多模式的未来气候变化趋势[J]. 资源科学，2014，36(5)：1043－1050.

Wang Guoqing, Zhang Jianyun, Li Yan. Variation trend of future climate for the Hai River basin based on multiple GCMs projections[J]. Resources Science, 2014, 36(5): 1043－1050. (in Chinese with English abstract)

[4] Wang W, Shao Q, Peng S, et al. Reference evapotranspiration change and the causes across the Yellow River Basin during 1957－2008 and their spatial and seasonal differences[J]. Water Resources Research, 2012, 48(5): 113－122.

[5] Li Z, Zheng F L, Liu W Z, et al. Spatial distribution and temporal trends of extreme temperature and precipitation events on the Loess Plateau of China during 1961－2007[J]. Quaternary International, 2010, 226(1): 92－100.

[6] 杨晓光，刘志娟，陈阜. 全球气候变暖对中国种植制度可能影响Ⅰ.气候变暖对中国种植制度北界和粮食产量可能影响的分析[J]. 中国农业科学，2010，43(2)：329－336.

Yang Xiaoguang, Liu Zhijuan, Chen Fu. The possible effects of global warming on cropping systems in China Ⅰ. [J]. Scientia Agricultura Sinica, 2010, 43(2): 329－336 .(in Chinese with English abstract)

[7] 李祎君，王春乙. 气候变化对我国农作物种植结构的影响[J]. 气候变化研究进展，2010，6(2)：123－129.

Li Yijun, Wang Chunyi. Impacts of climate change on crop planting structure in China[J]. Advances in Climate Change Research, 2010, 6(2): 123－129. (in Chinese with English abstract)

[8] 杨建莹，梅旭荣，刘勤，等. 气候变化背景下华北地区冬小麦生育期的变化特征[J]. 植物生态学报，2011，35(6)：623－631.

Yang Jianying, Mei Xurong, Liu Qin, et al. Variations of winter wheat growth stages under climate changes in northern China[J]. Chinese Journal of Plant Ecology, 2011, 35(6): 623－631. (in Chinese with English abstract)

[9] 王鹤龄，王润元，张强，等. 气候变暖对甘肃省不同气候类型区主要作物蒸散量的影响[J]. 中国生态农业学报，2011，19(4)：866－871.

Wang Heling, Wang Runyuan, Zhang Qiang, et al. Impact of warming climate on crop water requirement in Gansu Province[J]. Chinese Journal of Eco-Agriculture, 2011, 19(4): 866－871. (in Chinese with English abstract)

[10] 佟玲，康绍忠，粟晓玲. 石羊河流域气候变化对参考作物蒸发蒸腾量的影响[J]. 农业工程学报，2004，20(2)：15－18.

Tong Ling, Kang Shaozhong, Li Xiaoling. Impacts of climate change on reference crop evapotranspiration in Shiyang River basin[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2004, 20(2): 15－18. (in Chinese with English abstract)

[11] 丛振涛，辛儒，姚本智，等. 基于HadCM3模式的气候变化下北京地区冬小麦耗水研究[J]. 水利学报，2010，41(9)：1101－1107.

Cong Zhentao, Xin Ru, Yao Benzhi, et al. Impact of climate change on water use of winter wheat with HadCM3 Model[J]. Journal of Hydraulic Engineering, 2010, 41(9): 1101－1107. (in Chinese with English abstract)

[12] 邢万秋，王卫光，邵全喜，等. 未来气候情景下海河流域参考蒸发蒸腾量预估[J]. 应用基础与工程科学学报，2014，22(2)：239－251.

Xing Wanqiu, Wang Weiguang, Shao Quanxi, et al. Projection of future reference evapotranspiration change across the Haihe River basin[J]. Journal of Basic Science and Engineering, 2014, 22(2): 239－251. (in Chinese with English abstract)

[13] 牛纪苹，粟晓玲. 石羊河流域参考作物蒸发蒸腾量对气候变化的响应模拟及预测[J]. 水利学报，2014，45(3)：286－295.

Niu Jiping, Su Xiaoling. Simulation and estimation of reference evapotranspiration responding to climate change in Shiyang River basin[J]. Journal of Hydraulic Engineering, 2014, 45(3): 286－295. (in Chinese with English abstract)

[14] Li Z, Zheng F L, Liu W Z. Spatiotemporal characteristics of reference evapotranspiration during 1961–2009 and its projected changes during 2011–2099 on the Loess Plateau of China[J]. Agricultural & Forest Meteorology, 2012, 154(6): 147－155.

[15] Silva C S D, Weatherhead E K, Knox J W, et al. Predicting the impacts of climate change: A case study of paddy irrigation water requirements in Sri Lanka[J]. Agricultural Water Management, 2007, 93(1): 19－29.

[16] 王卫光，彭世彰，孙风朝，等. 气候变化下长江中下游水稻灌溉需水量时空变化特征[J]. 水科学进展，2012，23(5)：656－664.

Wang Weiguang, Peng Shizhang, Sun Fengchao. Spatiotemporal variations of rice irrigation water requirements in the mid-lower reaches of Yangtze River under changing climate[J]. Advances in Water Science, 2012, 23(5): 656－664. (in Chinese with English abstract)

[17] Wang W, Xing W, Shao Q, et al. Changes in reference evapotranspiration across the Tibetan Plateau: Observations and future projections based on statistical downscaling[J]. Journal of Geophysical Research-atmospheres, 2013, 118(10): 4049－4068.

[18] Xing Wanqiu, Wang Weiguang, Shao Quanxi, et al. Changes of reference evapotranspiration in the Haihe River Basin: Present observations and future projection from climatic variables through multi-model ensemble[J]. Global and Planetary Change, 2014, 115: 1－15.

[19] Chattopadhyay N, Hulme M. Evaporation and potential evapotranspiration in India under conditions of recent and future climate change[J]. Agri & Forest Meteor, 1997, 87(1): 55－73.

[20] 左德鹏，徐宗学，李景玉. 气候变化情景下渭河流域潜在蒸散量时空变化特征[J]. 水科学进展，2011，22(4)：455－461.

Zuo Depeng, Xu Zongxue, Li Jingyu, et al. Spatiotemporal characteristics of potential evapotranspiration in the Weihe River basin under future climate change[J]. Advances in Water Science, 2011, 22(4): 455－461. (in Chinese with English abstract

[21] 唐晓培，宋妮，陈智芳等.未来主要气候情景下黄淮海地区参考作物蒸散量时空分布[J]. 农业工程学报，2016，32(14)：168－176.

Tang Xiaopei, Song Ni, Chen Zhifang, et al. Spatial and temporal distribution of ET0under main climate scenarios in future across Huang-Huai-Hai Plain[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2016, 32(14): 168－176. (in Chinese with English abstract)

[22] Wang W, Xing W, Shao Q. How large are uncertainties in future projection of reference evapotranspiration through different approaches?[J]. Journal of Hydrology, 2015, 524: 696－700. (in Chinese with English abstract)

[23] Lovelli S, Perniola M, Di Tommaso T, et al . Effects of rising atmospheric CO2on crop evapotranspiration in a Mediterranean area[J]. Agricultural Water Management, 2010, 97(9): 1287－1292.

[24] Baguis P, Roulin E, Willems P, et al. Climate change scenarios for precipitation and potential evapotranspiration over central Belgium[J]. Theoretical and Applied Climatology, 2010, 99: 273－286.

[25] Ishak A M, Bray M, Remesan R, et al. Estimating reference evapotranspiration using numerical weather modelling[J]. Hydrological Processes, 2010, 24(24): 3490－3509.

[26] Harmsen E W, Miller N L, Schlegel J, et al . Downscaled climate change impacts on reference evapotranspiration and rainfall deficits in Puerto Rico[C]//World Environmental and Water Resources Congress, ASCE, 2007.

[27] Harmsen E W, Miller N L, Schlegel N J, et al. Seasonal climate change impacts on evapotranspiration, precipitation deficit and crop yield in Puerto Rico[J]. Agricultural Water Management, 2009, 96(7): 1085－1095.

[28] Chun K P, Wheater H S, Onof C. Projecting and hindcasting potential evaporation for the UK between 1950 and 2099[J]. Climatic Change, 2012, 113: 639－661.

[29] Lee E J, Kang M S, Park S W, et al. Estimation of future reference evapotranspiration using artificial neural network and climate change scenario[C]//Pittsburgh，Pennsylvania：ASABE Annual Meeting, 2010.

[30] Baguis P, Roulin E, Willems P, et al. Climate change scenarios for precipitation and potential evapotranspiration over central Belgium[J]. Theoretical & Applied Climatology, 2009, 99(3/4): 273－286.

[31] 曹涛，王赛鸽，陈彬. 基于多区域投入产出分析的京津冀地区虚拟水核算[J]. 生态学报，2018，38(3)：788－799.

Cao Tao, Wang Saige, Chen Bin. Virtual water analysis for the Jing-Jin-Ji region based on multiregional input-output model[J]. Acta Ecologica Sinica, 2018, 38(3): 788－799. (in Chinese with English abstract)

[32] Moss R H, Edmonds J A, Hibbard K A, et al. The next generation of scenarios for climate change research and assessment[J]. Nature, 2010, 463(7282): 747－756.

[33] Mcsweeney C F, Jones R G. How representative is the spread of climate projections from the 5 CMIP5 GCMs used in ISI-MIP?[J]. Climate Services, 2016(1): 24－29.

[34] 马丹阳，尹云鹤，吴绍洪，等. 中国干湿格局对未来高排放情景下气候变化响应的敏感性[J]. 地理学报，2019，74(5)：23－40.

Ma Danyang, Yin Yunhe, Wu Shaohong, et al. Sensitivity of arid/humid patterns in China to future climate change under high emission scenario[J]. Journal of Geographical Sciences, 2019, 74(5): 23－40. (in Chinese with English abstract)

[35] 夏江江，杨庆，郑子彦，等. 土地利用变化对20世纪中国地区气候干湿变化的影响[J]. 气候与环境研究，2015，20(2)：28－40.

Xia Jiangjiang, Yang Qing, Zheng Ziyan, et al. Role of land use change in dry/wet trends in China during the 20th century[J]. Climatic and Environmental Research, 2015, 20(2): 28－40. (in Chinese with English abstract)

[36] 田晓瑞，舒立福，赵凤君，等. 气候变化对中国森林火险的影响[J]. 林业科学，2017，53(7)：159－169.

Tian Xiaorui, Shu Lifu, Zhao Fengjun, et al. Impacts of climate change on forest fire danger in China[J]. Scientia silvae sinicae, 2017, 53(7): 159－169. (in Chinese with English abstract)

[37] 王胜，许红梅，刘绿柳，等. 全球增温1.5 ℃和2.0 ℃对淮河中上游径流影响预估[J]. 自然资源学报，2018，33(11)：1966－1978.

Wang Sheng, Xu Hongmei, Liu Lüliu, et al. Projection of the impacts of global warming of 1.5 ℃and 2.0 ℃on runoff in the upper-middle reaches of Huaihe river basin[J]. Journal of Natural Resources, 2018, 33(11): 1966－1978. (in Chinese with English abstract)

[38] 陶辉，黄金龙，翟建青，等. 长江流域气候变化高分辨率模拟与RCP4.5情景下的预沽[J]. 气候变化研究进展，2013，9(4)：246－251.

Tao Hui, Huang Jinlong, Zhai Jianqing, et al. Simulation and projection of climate changes under the RCP4.5 scenario in the Yangtze River basin based on CCLM[J]. Progressus Inquisitiones de mutatione Climatis, 2013, 9(4): 246－251. (in Chinese with English abstract)

[39] Piani C, Weedon G P, Best M, et al. Statistical bias correction of global simulated daily precipitation and temperature for the application of hydrological models[J]. Journal of Hydrology, 2010, 395(3): 199－215.

[40] Hagemann S, Chen C, Haerter J O, et al. Impact of a statistical bias correction on the projected hydrological changes obtained from three GCMs and two hydrology models[J]. Journal of Hydrometeorology, 2011, 12(4): 556－578.

[41] Hutchinson M F. Interpolation of rainfall data with thin plate smoothing splines. Part I: Two dimensional smoothing of data with short range correlation[J]. Journal of Geographic Information and Decision Analysis, 1998, 2(2): 139－151.

[42] Hutchinson M F. Interpolation of rainfall data with thin plate smoothing splines. Part II: Analysis of topographic dependence[J]. Journal of Geographic Information and Decision Analysis, 1998, 2(2): 152－167.

[43] Hashmi M A, Carcia L A. Spatial and temporal errors in estimating regional evapotranspiration[J]. Journal of Irrigation and Drainges, 1998, 124(2): 108－114.

[44] 龚元石. Penman-Monteith公式与FAO-PPP-17 Penman 修正式计算参考作物蒸散量的比较[J]. 北京农业大学学报，1995，21(1)：68－75.

Gong Yuanshi. Comparison of the reference evapotranspiration estimated by the penman-monteith and FAO-PPP-17 penman methods[J]. Acta Agriculturae Universitatis Pekinensis, 1995, 21(1): 68－75. (in Chinese with English abstract)

[45] 周平，陈刚，刘智勇，等. 东江流域降水与径流演变趋势及周期特征分析[J]. 生态科学，2016，35(2)：44－51.

Zhou Ping, Chen Gang, Liu Zhiyong, et al. Variation trend and periodicity analysis of precipitation and runoff in Dongjiang Watershed[J]. Ecological Science, 2016, 35(2): 44－51. (in Chinese with English abstract)

[46] Han J, Wang J, Zhao Y, et al. Spatio-temporal variation of potential evapotranspiration and climatic drivers in the Jing-Jin-Ji region, North China[J]. Agricultural & Forest Meteorology, 2018(256/257): 75－83.

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

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

Spatiotemporal variations of future potential evapotranspiration in the Beijing-Tianjin-Hebei region under GFDL-ESM2M climate model

Bi Yanjie1,2, Zhao Jing1※, Wu Di3, Zhao Yong2

(1.450046,; 2., 100038,;3., 100054,)

The temporal and spatial variation characteristics of future potential evapotranspiration (ET0) can provide basic data support for agricultural water demand prediction, irrigation management and rational response to climate change. This paper has made the temporal and spatial prediction based on the various parameters, including the average temperature, the maximum temperature, the minimum temperature, total solar radiation, relative humidity and near-surface wind speed, where the 92 grid points were obtained in the Beijing-Tianjin-Hebei region from 1960-2016. The feasibility of climate models was verified using the principle of probability distribution optimization. Using the global climate model of GFDL-ESM2M that provided by the United States (Geophysical Fluid Dynamics Laboratory, GFDL), the SS(Skill Score) value of annual mean temperature could reach 0.86, indicating good applicability for the simulation in the Beijing-Tianjin-Hebei region. The prediction period was set from January 1, 2021 to December 31, 2050, and the climate scenarios were selected RCP(representative concentration pathways)2.6, RCP4.5 and RCP8.5, respectively, representing low, medium and high RCP cases. The temporal and spatial distribution characteristics of the future daily ET0and its correlation with climate elements were analyzed using the Penman-Monteith formula based on the measured 92 grid points in the Beijing-Tianjin-Hebei region. The simulated results found that the future ET0showed an increasing trend during this period. The ET0in the RCP8.5 scenario rose the fastest, with the increment increasing over time, especially in the 2040 period. The summer ET0grew the fastest, followed by spring, autumn and winter, meaning that the distribution difference of the seasonal ET0will dominate in the future. This phenomenon may cause more severe seasonal droughts. The spatial distribution of ET0gradually decreased from southwest to northeast, specifically indicating that Shijiazhuang in the southern plain area had the largest ET0(1 207-1 262 mm), while Zhangjiakou and Chengde in the northwest mountainous area had the lowest ET0(938-974 mm). There was a high growth rate of ET0in the central region, as decreasing from central region to north and south. The average temperature in each climate scenario increased year by year, the wind speed and total solar radiation increased slightly, while the relative humidity decreased. The correlation between ET0and the total solar radiation was the most obvious, followed by the highest temperature, all showing an increasing trend from northwest to southeast. The ET0had negatively correlation with the relative humidity, but the absolute value of its correlation coefficient increased from northeast to southwest. There was a relatively slight correlation between ET0and the wind speed. The correlation coefficient between ET0and the total solar radiation showed a declining trend from RCP2.6-RCP8.5 with the increase of the emission concentration, possibly resulting from the large amount of energy consumption. The energy consumption will lead to the increase of the aerosol content in the air and the increase of haze days, leading to the decrease of sunshine hours, and the reduction of the total solar radiation. The negative effect of the reduce in the sunshine hours may exceed the positive effect of the temperature rising. It is possible that the future ET0will continue to rise due to the radiation and temperature. The ET0increase in the future can deteriorate the water shortages and even severe droughts in the Beijing-Tianjin-Hebei region from 2021 to 2050.

transpiration; evaporation; GFDL-ESM2M climate model; potential evapotranspiration; spatial and temporal distribution; climatic factors

2019-07-15

2020-01-06

国家重点研发（2016YFC0401407，2017YFC0405805-03）；华北水利水电大学高层次人才科研基金（201702016）

毕彦杰，讲师，博士。主要从事流域水循环模拟与实验、气候变化方面研究。Email：835938470@qq.com

赵 晶，讲师，博士。主要从事水资源管理。Email：zhaojing19870515@qq.com

10.11975/j.issn.1002-6819.2020.06.016

S161.4

A

1002-6819(2020)-06-0141-09

毕彦杰，赵 晶，吴 迪，赵 勇. GFDL-ESM2M气候模式下京津冀地区未来潜在蒸散量时空变化[J]. 农业工程学报，2020，36(6)：141－149. doi：10.11975/j.issn.1002-6819.2020.06.016 http://www.tcsae.org

Bi Yanjie, Zhao Jing, Wu Di, Zhao Yong. Spatiotemporal variations of future potential evapotranspiration in the Beijing-Tianjin-Hebei region under GFDL-ESM2M climate model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(6): 140－149. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.06.016 http://www.tcsae.org