夏玉米农田蒸散量的变化特征及相关性分析

王 娟，王建林，袁淑立，刘瑞娟，李 鹏，刘家斌

（1.青岛农业大学 理学与信息科学学院，山东 青岛 266109；2.中国科学院 遗传与发育生物研究所，北京 100101；3.青岛农业大学 现代农业科技服务中心，山东 青岛 266109）

农田蒸散(ET)是植被及地面整体向大气输送的水汽总通量，它在作物需水量的确定和农田生态系统的生物量累积方面具有极其重要的作用［1-2］。水资源匮乏是全球面临的不容忽视的严峻形势，而灌溉在粮食生产方面的作用更加重要，我国大概有4/5的食物来自灌溉土地［3］。农田水分消耗既是制订作物灌溉计划及灌溉用水的基础，又是水资源管理、农作物种植区划分与布局等工作的重要资料［4］。农田水分主要通过植株蒸腾、土壤蒸发和深层渗漏3种途径消耗掉［5］，由于深层渗漏量非常小，农田耗水量近似等于农田蒸散量，它也是农田水分消耗的主要部分，据报道农田中90%以上的农业用水是通过蒸散消耗掉的［6-7］，因此，对农田生态系统蒸散量的研究一直是国际上关注的热点问题［8-10］。准确测量作物蒸散量，了解作物的蒸散特征，不仅对研究全球气候变化和水资源评价具有重要的作用，而且对减少作物生育期的水分消耗、提高水分利用率、水资源有效开发利用和发展节水农业具有重要的现实意义［11-13］。

夏玉米是华北平原重要的粮食作物之一，产量占全国总产量的31%［14］。目前，大多数地区在夏玉米的种植过程中依然采用传统的漫灌方式，这势必会造成灌溉量过多或过少的问题，不利于玉米的生长，而且在水资源严重短缺的情况下，无疑造成了水资源的浪费，不利于水资源的可持续利用。准确了解夏玉米蒸散量的变化特征对水资源的利用在理论上和实际应用中都非常重要。因此，本研究利用涡度相关系统测得的数据，对夏玉米农田蒸散特征进行分析，并进行相关性分析和拟合分析，以期为作物需水量、农业灌溉等水资源利用提供数据支持。

1 试验材料与方法

1.1 试验站点概况

胶州湾站(120°48′E，36°26′N)位于青岛农业大学现代农业科技服务中心试验基地内（山东青岛胶州），属于暖温带亚湿润地区。试验地海拔约8 m，地势平坦。胶州湾站隶属于中国生态通量观测网络，是中国生态通量观测网络中3个海湾网站之一，且是山东省内继禹城站之后，专门针对冬小麦/夏玉米农田水分—能量—碳通量进行长期观测的试验站点。本研究利用2018—2020年玉米生长季的观测数据进行分析，各生长季的播种及收获期见表1。

表1 2018—2020年玉米生长季播种及收获期

胶州湾站种植的夏玉米品种为郑单958，种植方式为免耕带肥，行距为 0.65 m，株距为 0.22 m，肥料为复合肥 N-P2O5-K2O（22-10-10），施肥量为525 kg/hm2，在小喇叭口期追施尿素 225 kg/hm2。其他田间管理按照当地常规管理方式进行。试验地的土壤为砂浆黑土，pH 值为 6.7，有机质含量为12.65 g/kg，有效氮、速效磷和速效钾含量分别为100.41、39.80和135.80 mg/kg。试验站采用联合收割机进行收获，作物收割后全部实现秸秆还田。

1.2 数据采集

本研究所需的水汽通量数据由涡度相关系统测量获得。涡度相关系统安装于试验地中心的通量塔上（图1），主要测量仪器包括：三维超声风速仪(CAST3, Campbell，USA)和红外开路式H2O/CO2气体分析仪（LI-7500，Licor Inc，USA），分别用来快速测量三维风速及其脉动值、空气中的水汽含量和CO2浓度。涡度相关系统安装在通量塔上2.5 m高度的水平支架上，当玉米长至2 m时，水平支架高度调整至3.5 m。

图1 试验地涡度相关系统示意图

1.3 常规气象要素观测

常规气象要素包括：空气温湿度、风速/风向、总辐射、光合有效辐射、净辐射、降雨量、土壤温湿度和土壤热通量等。空气温度、湿度由温湿度传感器(HMP45C, Campbell Scientific Inc, USA)测量；总辐射(CM3, Kipp & Zonen, Netherlands)、光合有效辐射(LI190SB，Licor Inc，USA)和净辐射(CNR1, Kipp and Zonen)安装在通量塔正南向支架上(高度5 m)。土壤热通量板(HFP01SC, Hukseflux, Netherlands)安装在地下5 mm处，用来测量土壤热通量；土壤温度和湿度由土壤温度仪(109, Campbell Scientific Inc,USA)和土壤湿度仪(CS616, Campbell Scientific Inc,USA)进行测量。数据采集和储存利用数据采集器(CR3000, Campbell Scientific Inc, USA)完成，数据采集器安装在系统控制箱内。

1.4 数据处理

利用Eddypro软件对涡度相关系统的10 Hz数据进行处理，得到潜热通量(LE)(W/m2)的半小时平均值，经过野点去除，进行缺失数据插补（若缺失数据小于2 h，采用线性插值进行；若连续缺失数据大于2 h，采用“平均日变化法”进行数据插补）［15］得到潜热通量的时间序列。潜热通量通过下式进行单位转换，转化为每小时蒸散量ET (mm/h)，具体计算公式为：

其中：L为水的汽化潜热，LE为潜热通量(W/m2)，ET为每小时蒸散量(mm/h)。

日蒸散量(mm/d)可以通过对小时蒸散量进行求和得到。

利用SPSS软件进行蒸散量与影响因素的相关性分析，利用Origin 8.5软件绘图。

2 结果与分析

2.1 气象因素时间变化特征分析

2018—2020年玉米季气象因素——气温、空气湿度、净辐射通量、光合有效辐射、水汽压差及降雨量（均为日平均值）时间变化特征如图2所示。可以看出，2018—2020年试验地气温变化规律相似，3 a来最高日平均气温分别为29.4、30.0和31.3 ℃，玉米季平均气温为23.0 ℃；空气湿度介于38%～89%之间；净辐射通量平均值为123.8 W/m2，3个夏玉米季辐射总通量平均值为15142.6 W/m2；光合有效辐射最大值为605 W/m2，2019年最大值略低，为571 W/m2；水汽压差介于0.15～2.05 kPa之间波动。总体来说，2018—2020年夏玉米季气象情况相似，未出现较大变动。

图2 2018—2020年胶州湾站气象因素变化特征

2.2 夏玉米农田蒸散特征分析

2.2.1 不同生长阶段夏玉米农田蒸散日变化分析 根据联合国粮食及农业组织(FAO)［16］的划分标准，将夏玉米生长季（2018—2020年）划分为4个生长阶段进行分析，即初期、发育期、中期和后期。夏玉米4个生长阶段的蒸散量日变化特征如图3所示。

图3 2018—2020年不同阶段夏玉米农田蒸散量的日变化特征

从图3可以看出，夏玉米的蒸散量具有明显的日变化规律，自18:00开始至次日06:00，蒸散量非常小，几乎接近于零，蒸散量最大值出现在12:00～13:00之间。生长初期的蒸散量最小，主要是因为该阶段的作物刚播种，基本通过土壤蒸发；在生长中期，玉米生长旺盛，该阶段的叶面积最大，蒸散作用最强，因此，蒸散量的极大值出现在中期；接近收获期时，由于作物已经成熟，叶子开始枯萎，叶面的蒸腾、蒸发作用比较小，因此蒸散量也开始减少。这3 a玉米季的蒸散峰值均出现在13:00左右，为0.7 mm/h，同时，生长初期和后期的蒸散峰值并没有太大差别。总之，不同生长时期蒸散量的峰值不同，依次排序为生长中期＞发育期＞后期＞初期。

2.2.2 夏玉米季日蒸散变化分析 对2018—2020年间夏玉米生长季每天的蒸散量进行分析，得到夏玉米季农田蒸散量的变化特征如图4所示。夏玉米农田的日蒸散量虽有波动，但整体呈现先增大后减小的趋势。2018—2020年夏玉米生长期间日蒸散量的最低值为0.1～0.2 mm/d，均出现在生长初期和后期；夏玉米季日蒸散量的最大值分别为8.83、5.23和5.77 mm/d，出现在夏玉米生长季的中期（大约在8月中下旬）。2018、2019和2020年夏玉米季农田蒸散总量分别为355.6、273.9、290.6 mm；2018—2020年夏玉米的平均日蒸散量分别为2.84、2.21和2.33 mm/d。

图4 夏玉米季日蒸散量的变化特征

2.2.3 夏玉米蒸散量的相关性分析 对夏玉米蒸散量与其影响因素的相关性进行分析，选择的气象因素包括气温(Ta)、空气湿度(RH)、净辐射通量(Rn)、光合有效辐射(PAR)和水汽压差(VPD)；土壤参数包括土壤热通量(G)、土壤温度(ST)和土壤湿度(SM)（表2）。

表2 夏玉米蒸散量与其影响因素的相关系数

表 3 蒸散量与相关因素的拟合关系（单变量函数）

从表2可以看出，夏玉米农田的蒸散量与光合有效辐射的相关性最大，其次为土壤热通量、净辐射通量、水汽压差和空气温度，均呈正相关；蒸散量与空气湿度呈负相关。蒸散量与其他参量的相关性较小，因此在后面拟合分析中不再讨论。

2.2.4 夏玉米蒸散量的拟合分析 为了更好地说明蒸散量与其影响因素的关系，选择3种单变量函数进行拟合分析，3种函数分别为：线性关系(y=ax+b)、指数关系(y=aebx)和二次多项式关系(y=ax2+bx+c)，拟合结果见表3。

从表3可以看出，蒸散量与光合有效辐射、水汽压差均呈二次多项式关系；而与净辐射通量呈线性关系。蒸散量与其他变量的确定性系数均小于0.3，说明拟合关系不是很理想。上述函数中，拟合的确定性系数均较低，均小于0.6，原因在于使用单变量函数进行拟合，说明蒸散量不仅是一个变量的函数，其大小还受到多个变量的影响，因此，在此基础上，利用双变量函数（双变量指数函数和双变量复合函数）对蒸散量与其影响因素(PAR、VPD和Rn)的关系进行拟合，结果如表4所示。

表4 蒸散量与影响因素的回归关系（双变量函数）

从表4可以看出，双变量函数拟合时，确定性系数较单变量函数大，说明双变量函数的拟合效果优于单变量函数。双变量函数中双变量复合函数拟合的确定性系数普遍大于双变量指数函数，因此，双变量复合函数的拟合效果优于双变量指数函数。从拟合数据中可以得到，蒸散量与VPD和Rn的双变量复合函数拟合效果最好，其函数关系为：

3 结论与讨论

准确获得作物蒸散量对实现农业用水的精准管理、减少灌溉用水量具有重要意义。本研究利用胶州湾站2018—2020年涡度相关系统获得的通量数据和气象数据，对夏玉米农田的蒸散量进行了分析，得到夏玉米农田蒸散量的变化特征，通过对其与主要影响因素的相关性分析和拟合分析，得到了蒸散量与主要影响因素的函数关系。得出如下主要结论：

（1）夏玉米的蒸散量具有明显的日变化规律。蒸散量最大值出现在12:00～13:00之间，2018—2020年夏玉米季蒸散峰值出现在13:00左右，为0.7 mm/h。夏玉米在不同生长阶段的蒸散量峰值不同，依次排序为生长中期＞发育期＞后期＞初期，整个生育期呈现先升后降的变化趋势，这一结论与杨天一等［17］的研究结果相同。

（2）对夏玉米蒸散量与其影响因素的相关性进行分析，结果表明：夏玉米农田的蒸散量与光合有效辐射的相关性最大，其次为土壤热通量、净辐射通量、水汽压差和空气温度，均呈正相关；蒸散量与空气湿度呈负相关，与闫妍等［18］的研究结果相同。蒸散量与其他变量的相关性较小。

（3）利用单变量函数对蒸散量与其影响因素进行拟合，结果表明：蒸散量与光合有效辐射、水汽压差均呈二次多项式关系；而与净辐射通量呈线性关系，确定性系数为0.59，远远大于陈露等［19］的研究结果（0.25）。蒸散量与其他变量的确定性系数均小于0.3，说明拟合关系不理想。单变量函数的拟合效果整体不佳，确定性系数小于0.6。利用双变量函数对蒸散量与其影响因素进行拟合，结果表明：双变量函数的拟合效果优于单变量函数。且双变量复合函数的拟合效果优于双变量指数函数。从拟合数据中可以得到，蒸散量与VPD和Rn的双变量复合函数拟合效果最好。

本文利用涡度相关系统对2018—2020年间夏玉米农田进行不间断监测，得到夏玉米农田的蒸散量变化特征，并对其影响因素进行相关性分析及拟合分析，以期对未来田间用水计划、灌溉等水资源利用提供一定的参考。