疏勒河流域潜在蒸散发时空演变及驱动因素量化分析

马亚丽, 牛最荣, 张 芮, 孙栋元, 程锦娜, 白祖晖

(1.甘肃农业大学 水利水电工程学院, 兰州730070; 2.甘肃省水利水电勘测设计研究院有限责任公司, 兰州730030)

20世纪以来，随着全球气候呈现持续性显著变暖趋势，水循环已经或正在发生着变化[1-2]。蒸散发过程是水循环过程的一个重要环节，参与地表水量平衡和转化过程，同时影响能量平衡过程，是反映和影响气候系统变化的重要参量，因此，关于蒸散发的研究，一直都是国内外多学科的研究热点[3]。潜在蒸散发(ET0)表征参考作物在供水不受限时的蒸散能力，是作物需水量预测及实际蒸散量计算的关键参数[4]，影响地表水热及干湿状况、生态系统用水过程和水资源利用效率[5]。ET0联系着土壤、生物、大气等地表三大圈层，其变化势必会受到由三大圈层所构成的组合系统中多种因素的影响，ET0与气象因素间、各气象因素间均存在较为复杂的交互作用关系[6]，探讨ET0时空演变规律和驱动力分析，对探明全球气候变暖背景下水文过程对气候变化的响应机制具有重要意义[7]。

近年来关于ET0时空分布特征及归因分析做了大量研究，黄会平等[8]基于主成分分析方法探讨中国ET0分布特征及其影响因子，发现影响ET0变化的第一主成分是热力学因素。殷长琛等[9]利用云模型描述甘肃省ET0时空分布的均匀性和稳定性，认为甘肃省ET0空间分布较为离散、不稳定。李霞等[10]在科尔沁湿草甸利用通径分析及指标敏感性分析对ET0的影响因子进行辨识，发现主要因子为饱和水汽压差和最低气温。郑健等[11]对影响甘肃省1980—2015年ET0时空变化的各气象因素进行偏相关分析，表明平均风速和日照时数是影响ET0变化的最大因素。综上可以看出，已有分析ET0的变化成因的相关研究多采用单一方法[8-11]，多种分析方法均适用，但是由于ET0受众多因素综合作用以及与气象因素间复杂交互作用关系，考虑将多种定量与定性分析方法有机结合，揭示ET0与气象因素间的内在相关关系，确定主导因子，定量化研究ET0变化对主导因子敏感程度及贡献大小。本研究将聚类分析[12]、灰色关联度分析[13]、通径分析[14]、敏感系数法[15]、贡献分析等[16]多种定性、定量方法探索性结合，定性分析与定量分析结合运用，揭示疏勒河流域ET0变化与各气象因素间的相关关系，确定主导因素及其敏感程度、贡献大小，对影响ET0变化的驱动因素进行量化分析，为河西干旱内陆河地区ET0的研究提供新的方法、理论，促进缺水地区水资源合理、高效利用。

1 研究区概况

疏勒河发源甘肃河西走廊祁连山脉，属于河西地区三大内陆河之一，流域位于甘肃省河西走廊西端，包括玉门市、敦煌市、瓜州县和肃北蒙古族自治县，流域总面积约11.39万m2，东经92°11′—98°30′，北纬38°00′—42°48′，南部为阿尔金山及祁连山脉，是流域的水源涵养区和产流区，中部平原地区，地势相对平缓，是水资源的主要消耗区，北部为马鬃山地区，南北地势较高[17-18]。流域地处河西地区，深居大陆内部，属于大陆性干旱荒漠气候，流域中下游绿洲、荒漠景观并存，降水稀少，蒸发强烈，水资源稀缺，自然条件恶劣，但流域地理位置特殊，属于“两屏三带”中的北方防沙带，是重要的生态屏障，而人类活动和气候变化影响，更加剧水资源短缺的状况，引发一系列生态环境问题，已经成为限制当地社会、经济发展和生态环境改善的关键因素[19]。疏勒河流域及周边10个气象站点空间分布见图1。

图1 疏勒河流域气象站点空间分布

2 数据与方法

2.1 数据来源与处理

气象数据为疏勒河流域及周边10个气象站点1984—2019年的气象观测资料(包括气温、相对湿度、降水、风速、日照等)，来源于中国气象数据网(http:∥data.cma.cn)。采用1998年世界粮农组织(FAO)修正后的P-M公式计算潜在蒸散发，具体公式计算见参考文献[4,20]。按春季、夏季、秋季、冬季分别为3—5月、6—8月、9—11月、12-次年2月划分季节。利用ArcGIS软件进行克里金空间插值和反距离权重空间插值分析。

2.2 研究方法

2.2.1 灰色关联度 根据灰色系统理论[13]，气象要素指标构成一个灰色系统， ET0作为参考数列x0(k)，9个气象要素作为比较数列xi(k)。关联系数(ζ)和加权关联度(r)计算方法如公式(1)和(2) 所示。

(1)

(2)

2.2.2 通径分析 数量遗传学家Sweall Wright于1921年最早提出的通径分析(Path analysis)，该方法用于分析因变量与多个自变量之间的较为复杂的线性关系，确定因变量受自变量直接与间接作用大小，为统计决策提供可靠依据的一种多元统计技术[21]。自变量xi到因变量y的通径系数由两个部分组成，一部分为直接通径系数Piy，用自变量xi的标准差与因变量y的标准差之比表示，是自变量对因变量的直接效应；另一部分为ΣrijPjy，是自变量通过其他自变量对因变量的间接效应，具体计算表达式[14]如公式(3)和(4) 所示：

(3)

r1y=P1y+r12P2y+…+r1iPiy

r2y=P2y+r21P1y+…+r2iPiy

⋮ ⋮ ⋮ ⋮ ⋮

riy=Piy+ri1P1y+…+riyPiy

(4)

式中:Piy为直接通径系数;bi为线性回归系数;σxi为xi的标准差;σy为y的标准差;riy为xi与y的简单相关系数;rijPjy为间接通径系数。

2.2.3 敏感系数 采用基于P-M模型的敏感系数法衡量气候要素(如气温、相对湿度、风速等)变化对蒸散发影响程度，该方法在ET0研究中具有广泛的应用基础[22]。蒸散发气候敏感系数计算方法如公式(5)[15]所示，即蒸散发变化率与气候因子变化率之比，由敏感性曲线切线的斜率表征[23]。

(5)

式中:Sx为ET0对气象因子x的敏感系数,无量纲。敏感系数绝对值越大,表示ET0对气候变量的变化越敏感,气候变量对ET0的影响越大。即如果气象变量变化10%,引发ET0变化1%,则敏感系数为0.1。

定量分析气象因子对ET0变化的贡献程度，采用尹云鹤等[16]提出的利用敏感系数和多年相对变化率乘积计算，基于该方法计算的贡献率为正值，表明引起ET0增加为正贡献，反之为负贡献，具体公式见式(6)：

(6)

3 结果与分析

3.1 ET0时空变化特征

3.1.1 ET0年际变化 疏勒河流域1984—2019年ET0年际变化特征见图2A所示，年均ET0时间序列M-K统计量Z为3.45，达到0.05显著性水平，线性倾向变化率2.92 mm/a，整体呈现显著的上升趋势，2017年ET0为1 266.58 mm是时间序列的极大值，1993年1 038.89 mm是极小值，ET0围绕多年平均水平1 128.03 mm呈波动上升变化。疏勒河流域地处河西走廊最西端，属于典型大陆干旱气候，年降雨量小，蒸发强烈，是甘肃省干旱程度最严重的地区之一，全流域ET0均在1 000 mm以上。基于反距离权重法插值得到M-K检验统计量Z空间分布见图2B所示。信度90%，95%的置信区间临界值分别为1.28，1.96，|Z|大于该临界值表示达到了0.1，0.05显著性水平。流域各站点M-K统计值计算结果显示，除青海大柴旦站Z值0.36，未达到0.1显著性水平，疏勒河其他区域|Z|值均大于1.28，通过了信度90%的显著性检验，由于Z值存在正负值，正负高值之间插值产生中间值区域，流域ET0年际变化基本都达到0.1显著水平，变化趋势显著的站点占比90%。

3.1.2 ET0年值空间分布 利用疏勒河流域内及周边10个站点多年ET0数据，基于克里金空间插值法进行空间插值，得到 ET0空间分布见图3A，由于所处区域地理环境差异，多年平均ET0由东南向西北呈现增加的趋势，波动在764.07～1 452.57 mm。ET0低值区位于青海省天峻县，最小值介于764.07～923.37 mm，中值区位于肃北县南部、瓜州县南部、敦煌市以东、玉门市，ET0处于923.37～1 169.07 mm，流域高值区位于肃北县北部、瓜州县北部、敦煌市西部、阿克塞县西部，ET0在1 169.07～1 452.57 mm变化。区域地理环境差异导致ET0空间分布差异，流域从南到北横跨了南部祁连山、中部走廊平原、北部马鬃山，气候类型依次为高寒半干旱湿润区、温凉干旱区、温暖干旱区，不同的气候类型及地形条件，使降水量、温度、蒸发量等都存在地理差异。ET0线性变化率空间分布结果见图3B所示，线性变化率空间分布与ET0检验统计量Z空间分布大体一致，高值区位于敦煌东部、瓜州中部、肃北县北部一带，线性变化率为2.51～4.51 mm/a，由高值区向四周过渡延伸到低值区，低值区位于玉门市等地，线性变化率为-2.29 mm/a，高值区呈显著上升趋势(Z>1.96)，低值区呈显著下降趋势(Z<-1.96)，流域其他区域变化不明显，不同区域ET0变化率存在差异。

图2 疏勒河流域ET0年际变化趋势及统计量空间分布

图3 疏勒河流域ET0年值和线性变化率空间分布

3.1.3 ET0季节空间分布 1984—2019年疏勒河流域ET0季节变化特征见图4，流域春季、夏季、秋季、冬季ET0均值为346.55 mm，489.15 mm，214.56 mm，77.77 mm，夏季ET0最大，其次春季、秋季，冬季最小，且夏季与冬季之比是6.29倍，春季与秋季之比是1.62倍，年内分布不均匀，四季分别占比30.72%，43.36%，19.02%，6.89%。四季空间分布整体上基本一致，ET0由东南向西北逐渐递增，与ET0年值空间分布一致，低值区分布在青海省天峻县、肃北东南部一带，春、夏、秋、冬四季变化区间分别为235.80～310.45 mm，327.63～440.68，154.04～194.68 mm，67.44～74.42 mm，高值区位于流域西北部肃北县、瓜州、敦煌以北，春、夏、秋、冬四季变化区间分别为361.96～425.41 mm，527.74～657.68，226.91～272.69 mm，79.51～82.91 mm，北部马鬃山地区、敦煌、瓜州为流域下游荒漠地带，降水大部分集中在南部祁连山区，西北部降水少，蒸发强烈，且与库姆塔格沙漠连接。

3.2 ET0与气象因素相关关系分析

解释疏勒河流域ET0时空变化差异的原因，从揭示ET0与各气象因素的相关关系入手，对影响ET0时空变化的驱动因子进行定量化分析。

3.2.1 气象因素聚类分析与灰色关联度分析 本研究中以皮尔逊相关性作为度量标准，采用组间联接法的聚类方法，对与ET0变化相关的9个气象要素数据进行系统聚类分析，将9个气象要素性质相近的划分为一类，确定各气象要素间的相关联系，得到聚类树状图(见图5A)。依据各气象要素综合相似性，将气象要素划分5类，其分类如下：平均气温x5，日最高气温x6，日最低气温x7，实际水汽压x9归为Ⅰ型，体现影响ET0变化的温度作用；平均相对湿度x2，最小相对湿度x3归为Ⅱ型，体现影响ET0变化的相对湿度作用；降水量x1，日照时数x4，平均风速x8分别归为Ⅲ型、Ⅳ型、Ⅴ型。为了进一步阐释9个气象要素与ET0关联程度，揭示聚类分析Ⅰ型、Ⅱ型分组中重复相关的气象要素对ET0变化的紧密程度，ET0和气象要素时间序列分别作参考数列和比较数列，计算9个气象要素加权关联度，依据关联度大小进行关联度排序，关联度值越大，排序越靠前，表明该气象要素与ET0联系越紧密[13]。关联度由大到小排序为u，RH，P，T，ea，n，Tmax，RHmin，Tmin，u关联度值最大0.907，Tmin关联度值最小0.870，具体见图5B、表1所示。

图4 疏勒河流域各季节ET0空间分布

聚类分析Ⅰ型和Ⅱ型分组中具有重复交互作用因素，结合灰色关联度分析结果，Ⅰ型分组中Tmax，Tmin，ea灰色关联度排序依次7，9，5，Ⅱ型分组中RHmin灰色关联度排序8，Tmax，Tmin，ea较同组中T排序靠后，RHmin较同组中RH排序靠后，与ET0的关联程度相对较弱，因此，剔除重复相关因素、简化问题的同时，聚焦与ET0变化联系紧密的因素，从9个气象要素中筛选出T，RH，P，n，u共5个气象要素作为关键因素进行后续的通径分析，该5项气象要素体现出影响ET0变化的湿度、热力、动力等多种因子作用，且分属于性质存在差异的5个类型，与ET0联系又相对紧密。

图5 疏勒河流域气象要素聚类分析及灰色关联度排序

表1 气象因子聚类分析及灰色关联度分析结果

3.2.2 气象因素对ET0通径分析 基于选取T，RH，n，P，u共5个关键因素进行通径分析，确定各气象因素对ET0变化的直接和间接作用大小，通径分析结果见表2。通径系数大小排序依次为T>u>n>RH>P，通径系数值越大表明对ET0直接作用越大，T数值最大，是直接影响ET0变化的主要因素，P数值最小，作用最小。通径系数为正值，代表气象要素与ET0同向变化，否则为反向变化，其中RH数值为负，起反向作用，即RH减少导致ET0增加，T，u，n与ET0同向变化，起到正向作用。间接作用由间接通径系数体现，其大小排序依次为RH>n>u>T>P，影响ET0变化的间接作用最大的因素是RH，间接作用最小的因素是P。

综合影响由简单相关系数体现，大小排序依次为T>n>RH>u>P，其中T，n，u，P增加正向促进对ET0增加，RH增加反向抑制ET0增加，T是影响ET0增加的主要驱动因素，其次是n，RH，u，P影响最小，可见T，n，u的升高与RH的降低共同促进ET0呈现增加趋势。通径分析结果显示P对ET0变化作用最小，仅为0.092，可以进一步剔除P指标，以T，n，RH，u作为4个主导驱动因素进行敏感性及贡献特征分析。

表2 气象因子对ET0的通径分析

3.3 ET0敏感性分析

10个气象站点的敏感系数基于反距离权重法进行空间插值，得到ET0对平均温度、相对湿度、日照时数、平均风速的敏感系数S-T，S-RH，S-n，S-u的空间分布图(图6)。S-T敏感性系数流域平均0.34，即温度升高10%，ET0增大3.4%，S-T由流域边缘向中心逐渐递增，高值区位于瓜州县，低值区位于阿克塞县、青海天峻县、肃北县，敏感系数变化区间-0.08～0.83，且流域大部分区域介于0.38～0.83，即T升高10%，ET0增加3.8%～8.3%。S-RH敏感性系数流域均值-0.87，即相对湿度减少10%，ET0增加8.7%，S-RH与S-T敏感系数空间分布大体一致，呈现流域中部地区大于流域周边地区，高值区位于敦煌、瓜州一带，S-RH为-1.05～-1.30，中值区位于玉门市、肃北县，流域范围敏感系数介于-0.62～-1.30变化，即RH减少10%，ET0增加6.2%～13.0%，可见，ET0对相对湿度变化较敏感，且敏感系数数值为负，RH对ET0变化起反向作用。S-n敏感程度整体呈现由东向西逐渐增加，低值区位于玉门市、肃北县、瓜州、青海天峻县，逐渐递增过渡到敦煌、阿克塞县高值区，敏感系数-0.44～0.12，即n增加10%，ET0增加-4.4%～1.2%。S-u敏感性整体呈现由东南向西北逐渐增加，高值区位于瓜州、敦煌北部，流域范围敏感系数介于0.20～0.48，即u增加10%，ET0增加2.0%～4.8%。综上看，4项主导因子敏感性程度空间分布差异，敏感程度由大到小依次为RH，T，u，n，可见ET0对RH变化最敏感，其次为T，u，对n变化敏感程度最低，流域ET0呈现年际增加趋势，是温度升高、日照时数增加、风速增大、相对湿度减少共同作用的结果。

3.4 ET0贡献的特征分析

采用尹云鹤等[16]提出的气象因子对ET0变化的贡献率计算方法，即贡献率等于敏感系数和多年相对变化率乘积，计算结果见表3。温度对ET0起正向作用，多年相对变化率24.69%，T升高促使ET0正向增加，正贡献率最大为7.96%，说明温度升高是造成流域ET0增加的主要原因；风速多年相对变化率为9.32%，因u与ET0同向变化，u增大促使ET0增加，正贡献率为3.14%；平均相对湿度多年相对变化率-2.63%，因RH与ET0反向变化，最终RH减少促使ET0增加，正贡献率2.29%；日照时数多年相对变化率1.54%，n对ET0增加起到正向促进作用，n多年呈增加趋势导致ET0增加，正贡献率0.29%。综上可知，ET0变化对各气象要素的敏感性排序与气象要素贡献率大小排序并不一致，主要由于贡献率计算不仅考虑敏感性系数大小，同时考虑多年相对变化率的影响。4项主导驱动因素的贡献大小排序依次为T，u，RH，n，贡献率分别为7.96%，3.14%，2.29%，0.29%。疏勒河流域RH减少、T升高、n增加、u增大共同促使ET0呈现增大趋势，是多种因素综合作用结果，4种主导驱动因素对ET0增加的总贡献为13.69%。

图6 疏勒河流域ET0敏感系数的空间分布

表3 气象因子对ET0的贡献率

4 讨论与结论

疏勒河流域1984—2019年ET0整体呈现显著上升趋势，与康燕霞等[24]甘肃省1951—2013年ET0以2.11 mm/10 a的倾向率呈现出增长趋势，郑健等[11]甘肃省1980—2015年ET0整体呈上升趋势的研究结论一致，线性倾向变化率2.92 mm/a，除青海大柴旦站未达到显著性水平，疏勒河其他区域均通过了信度90%的显著性检验。ET0空间上呈东南向西北呈现递增的趋势，与康燕霞等[24]空间分布总体上呈现西北地区大于东南地区，郑健等[11]甘肃省各分区ET0差异较大，从东南部向西北部增加的结论一致，高值区位于肃北县北部、瓜州县北部、敦煌市西部、阿克塞县西部，低值区位于青海省天峻县。ET0夏季最大，其次春季、秋季，冬季最小，ET0四季空间分布与年值空间分布一致。ET0时空变化特征是由地理环境差异性分布导致的，温度、日照时数、风速起正向促进作用，相对湿度起反向抑制作用，相对湿度多年呈现减少趋势，同时温度、日照时数、风速呈增加趋势，气象因素的共同作用促使ET0呈现显著上升趋势。这也与郑健等[11]甘肃省的ET0与日平均风速、日照时数、日平均气温均为极显著正相关，与平均相对湿度为极显著负相关。张彩霞等[25]河西地区ET0与平均风速、日照时间正相关，与相对湿度负相关的相关结论一致。ET0呈现增大趋势，基于敏感系数法计算相对湿度、温度、日照时数、风速贡献率，大小分别为2.29%，7.96%，0.29%，3.14%，4种气象要素总贡献值13.69%，且温度升高是造成ET0增加的主要原因，该方法同时反映ET0变化对各气象要素的敏感性程度和各气象要素多年相对变化率的影响。与张彩霞等[25]河西地区ET0的主要影响因子为平均温度、平均风速结论一致。郑健等[11]认为对甘肃省ET0变化影响最大的因素是平均风速和日照时数，是基于偏相关系数大小确定的，由于相关系数只反映气候因素与ET0紧密程度，不能反映气候变量多年变化幅度大小对于ET0增加的影响。

研究中将多种定性与定量分析方法探索性结合，定性、定量分析相融合，发挥循序渐进，优势互补的作用。基于聚类分析、灰色关联度分析，从9个气象要素中筛选出T，RH，P，n，u共5个气象因素，聚焦关键影响因素，简化问题。针对这5个气象要素进行通径分析，结果显示T是影响ET0变化最主要因素，P对ET0变化作用最小，可以忽略，进一步剔除P指标。选取剩余4个气象要素，进一步分析其对ET0变化的敏感性及贡献特征。疏勒河流域ET0时空演变规律以及驱动因子定量化分析结果，在与前人研究成果相互验证的基础上，证实多种定性与定量分析方法结合运用是研究ET0时空变化机理的重要手段。