科尔沁沙地参考作物蒸散发估算及影响因子分析

李 霞, 刘廷玺,2, 段利民,2, 王冠丽,2, 周亚军

(1.内蒙古农业大学 水利与土木建筑工程学院, 呼和浩特 010018;2.内蒙古农业大学 内蒙古自治区水资源保护与利用重点实验室, 呼和浩特 010018)

全球气候随着社会经济的发展发生着巨大改变，水资源合理、高效的利用成为众多学者关注的焦点[1]。参考作物蒸散发(Reference Crop Evapotranspiration，ET0)表征某一区域水分供应不受限制时可能达到的最大蒸发量[2]，能真实反映气象因素对蒸散量的影响，是评价某一地区干湿状况、植被耗水量的重要指标[3-4]。因此，定量化评价气象要素对ET0的影响，评估ET0对不同气象因子变化的敏感性，有利于探明水文循环对气候变化的响应程度[5]。

目前ET0的确定方式主要包括实际测定法和模型估算法，仪器测定工作量大且成本较高，具有一定的局限性，难以推广。而针对不同地区的ET0估算模型均得到较好的验证[6]，其中，1998年由联合国粮农组织(FAO)[7]推荐的Penman-Monteith模型综合了各种气象因素的影响，具有良好的水文气象物理基础[8]，在干旱或湿润等气候条件差异较大地区均被证实是一种相对准确的方法，在世界各地得到了广泛的应用[9-11]。国内外众多学者均以FAO56 P-M模型作为标准方法，对其他估算模型的原始经验系数进行修正及适用性评价[12-15]。近年来，针对参考作物蒸散发的驱动机制及其影响因素的研究受到学术界的广泛关注[16-19]，以往研究多基于多元线性回归分析、相关性分析等方法，只能简单识别影响参考作物蒸散发的因子，通径分析方法可以定量分析影响参考作物蒸散发的直接和间接影响因子，全面讨论各影响因子的作用与程度。

科尔沁沙地面积约5.06万km2，是我国典型的干旱半干旱荒漠化地区，生态环境脆弱[20]，本文基于FAO56 P-M模型对科尔沁沙地典型地区ET0进行估算，对比不同土地利用类型下、不同时间尺度ET0变化特征，利用通径分析对科尔沁典型地区参考作物蒸散发影响因素进行系统分析，识别影响参考作物蒸散发变化的主导因子，探索气候变化对干旱半干旱地区参考作物蒸散发的影响机理，以期为该地区的生态环境修复提供科学指导，并对开展干旱监测、荒漠化治理和水资源合理利用等相关研究提供理论依据。

1 材料与方法

1.1 研究区概况

研究区位于科尔沁沙地东南边缘的阿古拉生态水文试验站(122°32′30″—122°41′00″E，43°18′48″—43°21′24″N)，见图1，面积约55 km2，是典型的半干旱荒漠化地区。地形总趋势为南北高、中间低，分布有沙丘、草甸、农田等多种地貌。

图1 研究区地理位置及试验点示意图

研究区属半干旱温带大陆性季风气候，多年平均降雨量389 mm，主要集中在6—9月，多年平均气温6.6℃，月平均气温在-13.4～23.9℃波动，多年平均相对湿度55.8%；主要沙生植被有沙蓬(Agriophyllumsquarrosum)、差巴嘎蒿(Artemisiahalodeudrou)、小叶锦鸡儿(Caraganamicrophylla)、少花蒺藜(Cenchruspauciflorus)等，草甸植被有芦苇(Phragmitesaustralis)、羊草(Leymuschinensis)等，农田主要种植玉米(Zeamays)、水稻(Oryzasativa)等作物；区内沙丘地带性土壤和非地带性土壤交错分布，地带性土壤为栗钙土，非地带土壤主要有砂壤土。本文所选的不同下垫面类型包括草甸地C4，半流动沙丘A4，半固定沙丘G4，水稻地D0以及玉米地BC4，具体信息见表1。

表1 研究区站点介绍

1.2 数据来源

研究区内建有多个梯度环境监测系统，常规气象数据有净辐射、空气温度、空气湿度、风速、降雨量等气象数据。这些数据采集频率为10 Hz，主要由数据采集器(CR1000，Campbell Scientific)储存并记录每10 min的平均值。仪器型号和安装高度见表2。

1.3 研究方法

1.3.1 P-M模型

(1)

式中：ET0为参考作物蒸散发(mm/d)；Δ为饱和水汽压—温度曲线斜率(kPa/°C)；Rn为冠层表面净辐射[MJ/(m2·d)]；T为平均气温(°C)；G为土壤热通量[MJ/(m2·d)]；u2为2 m高度处风速(m/s)；es为饱和水汽压(kPa)；ea为实际水汽压(kPa)；γ为湿度计常数(kPa/℃)。

表2 地面监测基本信息

1.3.2 通径分析 1921年，塞沃尔·赖特首先提出了通径分析的多元统计方法[21]，经过不断改进后可以直观、准确地分析多个自变量与因变量之间的线性关系，定量描述各自变量对因变量的直接和间接重要性，进而研究各变量之间的相互作用关系。由于ET0与多个气象因子存在较强的相关性，且各气象因子间相互影响、相互制约，很难评估ET0对某个气象要素的响应程度，因此利用通径分析在对简单相关系数进行分解的基础上来研究各因素间直接和间接的影响效果，进而对模型中变量的影响程度有深入的理解[22]。本文利用SPSS 24.0软件，分析ET0的直接和间接影响因素，并进一步分析剖析各个自变量之间的相互作用。

2 结果与分析

2.1 参考作物蒸散发变化特征

2.1.1 不同景观类型ET0年际变化特征 选取研究区内具有代表性的景观类型半流动沙丘试验区A4，半固定沙丘试验区G4，草甸试验区C4，玉米试验区BC4以及水稻试验区D0为研究对象，将各试验区气象要素输入FAO56 P-M模型中估算ET0，分析其年际变化，结果如图2所示(其中半固定沙丘G4，玉米BC4及水稻D0于2015年5月份建站)。由图2可知草甸试验区C4的ET0值明显高于其他地貌类型，2015—2018年总ET0值分别为1 201，1 255，1 257，1 172 mm；半固定沙丘G4和玉米地BC4年ET0值基本一致且保持较低水平，最小值在2016年，为922 mm；半流动沙丘A4的ET0值最大出现在2017年，为1 072 mm，最小值在2016年(1 017 mm)；水稻试验区D0年ET0值在1 000 mm左右波动；以各年内5个试验区的平均值代表区域ET0的平均水平，可以看出2015—2018年区域ET0均值起伏变化较为平缓，分布在2.708～2.983 mm/d，最大值出现在2017年，其余年份较为接近。

图2 不同景观类型ET0年值变化

2.1.2 不同景观类型ET0季节变化特征 采用气象学标准划分四季，即春季为3—5月，夏季为6—8月，秋季为9—11月，冬季为12月—次年2月[23]。由图3可知，ET0季节性变化显著，夏季为ET0贡献最大的季节，草甸试验区夏季ET0占全年的39.44%～48.20%，最大值出现在2016年，达535 mm，最小值出现在2018年，为462 mm，半流动沙丘、半固定沙丘、玉米及水稻试验区夏季ET0均小于草甸试验区，且各试验区间差异较小，均占全年ET0的36.63%以上；春季ET0占比仅次于夏季且数值较高，变化范围为319～448 mm，占全年的33.98%～37.06%，各年ET0值均表现为草甸试验区最大、半固定沙丘试验区最小；秋季ET0最大值为245.52 mm，最小值为137.25 mm，占比为14.38%～21.33%，草甸试验区略高于其他地貌类型；冬季ET0值最小，各试验区冬季ET0值基本一致，占比均不足10%，且年际间差异较小；春、夏、秋、冬季ET0均值分别为390.22，412.78，190.95，66.05 mm。

图3 不同景观类型ET0季节变化

2.1.3 不同景观类型ET0月变化特征 ET0多年逐月平均值变化曲线如图4所示。不同景观类型ET0月变化趋势大致相同，呈单峰抛物线型，1—5月逐渐升高，最高值出现在5月，达4.74～6.41 mm/d，6—12月ET0月均值逐渐降低，最低值出现在1月或12月，为0.51～0.73 mm/d；草甸地C4全年高于其他景观类型，1—4月不同下垫面间ET0值差异较小，4月份开始不同下垫面间差异逐渐明显，5月ET0值差异最大，整体表现为草甸试验区C4>水稻试验区D0>半流动沙丘A4>玉米试验区BC4>半固定沙丘G4，6月以后各试验区ET0差异逐渐减小。

图4 多年逐月平均ET0变化趋势

2.2 参考作物蒸散量变化成因分析

2.2.1 气象因子变化特征 利用5个试验区平均气温(Tmean)、最低气温(Tmin)、最高气温(Tmax)、净辐射(Rn)，2 m处风速(u2)及饱和水汽压差(VPD)值进行统计分析，得到2015—2018年气象要素月平均值系列，变化过程见图5。Tmean，Tmin和Tmax变化情况大体相同，即1—7月逐月递增，7—12月逐渐减小，整体呈抛物线型，年际间差异较小，多年平均Tmean为7.29℃，多年平均Tmin为1.18℃，多年平均Tmax为13.46℃；Rn的变化规律与温度与较高的一致性，年内变化范围为-0.2～12.14 MJ/(m2·d)，最大值出现在夏季，其中2016年峰值在6月，其余年份在7月，最小值出现在冬季；u2各年内均表现为春季最高，最大风速可达4.59 m/s，夏季最低，最低风速为1.98 m/s；VPD变化趋势呈单峰曲线状，2015—2017年最大值在5月，分别达1.26，1.37，1.46 kPa，2018年最大值出现在6月，为1.32 kPa，2017年4—7月VPD值明显高于其他年份，其余月份相差较小。

2.2.2 气象要素对ET0的通径分析 根据通径分析方法对研究区内不同下垫面多年平均逐日ET0和Tmean，Tmin，Tmax，Rn，u2及VPD等气象因子进行逐步回归，结果显示VPD，Rn，u2，Tmax对ET0的影响显著(p<0.05)，Tmean，Tmin对ET0的影响不显著，将不显著因子剔除后，以ET0为因变量，4个气象因子为自变量，建立最优的回归方程，分别计算关键因子与ET0的通径系数，确定各因子对ET0的直接效应、间接效应以及相关性，并分析各气象要素对回归可靠程度(E)的总贡献，结果见表3。

由表3可知，VPD对ET0的直接作用(通径系数)为0.614，高于其他因子，说明VPD可对ET0产生较大影响，Rn对ET0的直接作用(0.423)在指标中位列第二位，因此Rn也对ET0产生较大作用，u2和Tmax对ET0的直接作用较小，Tmax对ET0表现为负效应，其余因子均表现为正效应；VPD，Rn，u2，Tmax对回归方程估测可靠程度E的总贡献分别为0.601，0.402，0.036，-0.046，进一步说明VPD是影响ET0最重要的指标；由各因子间的间接作用可知，Tmax和Rn的间接和分别为0.936，0.527，对ET0的间接影响作用较明显，Tmax主要通过VPD路径对ET0产生影响，间接作用系数为0.554，占其总间接作用系数的57.53%，Rn通过VPD路径作用于ET0的间接作用系数为0.564。综合通径分析的结果认为，科尔沁沙地ET0受各气象因子综合作用，主要影响因子为VPD，其次是Rn和Tmax，u2对ET0的影响较小，Tmax和Rn通过影响其他气象因子间接的对ET0产生作用。

2.2.3 指标敏感性分析 敏感性分析是从多个不确定性要素中逐一找出对ET0有重要作用的敏感要素，并探讨其作用程度。ET0和各气象要素之间关系极为密切，在通径分析过程中去掉某个气象因子后其他气象因子对ET0的直接作用、间接作用及E均会发生变化，为进一步计算各气象因子对ET0的敏感性，依次去掉某一气象要素，利用剩余的气象因子对ET0进行通径分析。

图5 气象因子变化趋势

表3 气象因子对ET0的通径分析

表4 逐步减去最不敏感项气象因子对ET0的通径分析

由表4可知，与4个指标的分析结果比较发现，去掉VPD后，对Rn及Tmax的直接和间接作用均产生较大影响；去除Rn后，VPD对ET0的直接作用由0.614变为0.840，间接作用由0.364变为0.139，对Tmax的直接、间接作用影响也较大；去除u2引起VPD和Tmax的直接、间接作用变化显著；去除Tmax对各因子的直接、间接作用均无显著影响，各因子的去除并不影响u2的直接、间接作用；在分别去掉VPD，Rn，u2，Tmin后，E值由0.993分别下降为0.877，0.971，0.979，0.992，随着方程中自变量数量的减少导致估测可靠程度下降，说明ET0的变化受多种气象因子联合影响，去掉VPD后，E的变化最明显，由此可知ET0对VPD的变化最为敏感，其次为Rn和u2，去除Tmax后E的变化极小，说明ET0对Tmax的变化不敏感。

3 讨 论

参考作物蒸散量是区域水分循环和能量平衡研究的重要组成部分，准确地估算ET0不仅是制定地区作物植被需水量方案和水资源优化合理规划决策的重要依据，是评价作物需水量、生产潜力及水资源供需平衡额重要指标。ET0可反映区域气候因素的变化，因此，定量分析ET0对气象因子的响应程度，有利于揭示区域气候条件对生态环境的改变。

ET0的变化不仅有气象因子的影响，还有各气象要素之间也存在着相互影响，部分学者对ET0的影响因素进行相关研究。曹永强等[24]研究得出日最高气温、日最低气温和日照时数是驱动辽宁省ET0变化的最主要气象要素；Zhao等[25]研究成果显示海河流域ET0对RH最敏感，而u2和Rn的降低是引起海流域东南部区域ET0下降的主要因素；汪精海等[26]认为黑河流域ET0的主要影响因子为RH，其次为u2和T。可见，不同地区ET0的主导因子不同。本研究中，通径分析和指标敏感性分析均显示VPD对ET0的影响作用最大，张雪松等[27]也得到相似的结论。VPD为同一温度下饱和水汽压和实际水汽压之差，反映空气的潮湿程度，表征了水汽含量和气温的综合效果，对植物气孔的开闭产生直接影响[28]，进而控制植物蒸腾和光合作用等生理过程，对蒸散过程及结果产生着重要的影响[29]，而Rn和u2则通过VPD路径实现间接影响并起重要作用。

就年尺度而言，无论是各下垫总ET0值还是研究区内平均ET0值，均在2017年达到最大，这是由于2017年VPD值远高于其他年份，另外Rn值也处于较高水平，Rn作为驱动系统运转的源动力，可改变系统中水热通量分配状况及水相变化过程，进而影响ET0的变化，这与牛忠恩等[30]的研究结果一致；季节尺度上，ET0平均值为：夏季>春季>秋季>冬季，阿勒泰地区[31]也得到了相似的结论，这是由于夏季(6—8月)降水充沛，日照时数长，净辐射增强，水热条件良好，因此ET0值较高；月尺度上，ET0最小值出现在1月，此时Tmean为一年的最低值，VPD和太阳净辐射值也处在全年较低水平，导致参考作物蒸散发驱动能量不足；最大值在6月，这是多种气象条件综合作用的结果，这与吴丽萍等[32]的研究结果相似；月尺度上不同景观类型在4月份之后ET0值差异逐渐增大，这是由于各样地地理位置及植被种类不同，草甸试验区紧邻湖泊且植被覆盖度高，水稻试验区植被长势密集且通过淹灌方式使田格保持一定深度的水层，草甸及水稻试验区的VPD值高于其他样地，因此ET0值亦明显高于半流动沙丘、玉米及半固定沙丘；科尔沁沙地是中国北方沙漠化最典型的地区之一，生态环境破坏严重，下垫面均一，主要受区域气候变化和人类活动的影响，定量评价气象因子对该地区ET0的影响程度，可为相关研究提供理论依据。

4 结 论

(1) ET0年值变化范围为922～1 257 mm，不同下垫面均在2017年达到最大值，季节尺度上有明显的差异性，整体表现为夏季>春季>秋季>冬季，月际变化呈单峰曲线状，最大值出现在5月，不同景观类型ET0值表现为草甸试验区C4>水稻试验区D0>半流动沙丘A4>玉米试验区BC4>半固定沙丘G4。

(2)Tmean，Tmin，Tmax变化规律大致相同，年际差异较小，Rn变化趋势与T有较高的一致性，最大值出现在夏季，最小值出现在冬季，风速春季最大，夏季最小，饱和水气压差呈单峰曲线状，2017年4—7月明显高于其他年份。

(3) VPD对ET0的通径系数为0.614，是驱动ET0变化的主要因子，Rn的通径系数为0.423，亦对ET0产生较大作用，u2对ET0的影响较弱，VPD，Rn，u2，Tmax对回归方程估测可靠程度E的总贡献分别为0.601，0.402，0.036，-0.046，指标敏感性分析指出去掉饱和水汽压差后，E由0.993降为0.877，进一步说明ET0对饱和水汽压差的变化最敏感。