新疆参考作物蒸散发趋势转折与大尺度气候变率的关系

2023-10-08郭竞阳王雅琦张宝忠韩松俊刘文辉

农业工程学报 2023年13期

郭竞阳，王雅琦，张宝忠，魏征，韩松俊，刘文辉，李果

（1.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；2.国家节水灌溉北京工程技术研究中心，北京 100048）

0 引言

蒸散发不仅是水分循环和能量平衡的重要组成部分，也是陆—气相互作用的关键环节[1]。开展蒸散发的时空变化研究对农业生产以及水资源分配利用有着重大意义。在农业用水研究与管理中，通常利用参考作物蒸散发（reference crop evapotranspiration，ET0）来估算实际蒸散发的变化，ET0是估算作物需水量、评价农业灌溉水管理和气候变化对水资源影响研究中的关键参数，其模拟精度直接影响预测结果的合理性[2]。近年来不少学者针对ET0时空变化的成因与气象因子间的关系进行了研究[3]。WANG 等[4]通过分析1979—2015 年ET0的变化趋势得到中国大部分区域温度的升高导致了ET0呈显著上升趋势，只有东北地区ET0呈下降趋势。而曾丽红等[5]研究指出1960—2013 年东北地区绝大部分区域的ET0呈上升趋势。赵亚迪等[6]的研究结果表明1979—2015 年全国ET0总体呈下降趋势，相对湿度是导致其下降的主要原因。LIU 等[7]的研究结果同样表明1980—2010 年中国十大流域中有8 个流域呈下降趋势。由此可见，研究时段不同，ET0变化的主导气象因子也不同，其变化特征的归因仍存在不确定性。

西北干旱区是对全球气候变化响应最敏感的地区之一，20 世纪90 年代中期，该地区风速等气象因子发生了显著的趋势转折[8-9]，董煜等[10]的研究表明新疆地区ET0在1995 年发生了转折，风速是导致该地区趋势由负转正的主要原因。姚俊强等[11]指出1997 年是新疆气候的转折点，此后新疆气候发生明显变化，由暖湿化向干旱化转变。

20 世纪90 年代末同样是中国气候的转折点，表现出显著的年代际变化，其中一个重要的特征就是中国东部季风雨带向北移动，导致长江流域降水减少而长江以北地区降水增多[12]。与此同时，20 世纪90 年代末太平洋年代际振荡（Pacific Decadal Oscillation，PDO）与北大西洋多年代际振荡（Atlantic Multidecadal Oscillation，AMO）等大尺度气候变率也发生了位相的转变。有研究表明，东亚季风和降水的年代际变化主要受北太平洋和北大西洋的影响[13]。AMO 是发生在北大西洋的海表面温度（sea surface temperature，SST）多年代际振荡变化，具有30～60 a 的周期。AMO 在20 世纪90 年代中期由冷位相转变为暖位相，导致了青藏高原附近的副热带急流和降水的异常变化[14]，使该地区自此后更为潮湿[15]。PDO 表现为太平洋20°N 以北区域SST 的异常偏暖或偏冷，周期通常为20～30 a。PDO 主导了中国东部年代际尺度降水变化，是中国降水“南旱北涝”或“南涝北旱”分布格局形成的主要原因[16]。

近年来，有学者指出新疆地区的气候变化受到大尺度气候变率的影响[17-20]，而大尺度气候变率通过引起大气环流的改变间接影响ET0的变化[21-23]。这表明在全球气候变化的大背景下，ET0的变化机制可能更为复杂。

综上所述，目前的研究大多针对不同时间段分析ET0变化成因与气象因子的关系，忽略了大尺度气候变率在长时间序列的ET0变化中起到的作用。因此，本文根据长时间气象序列资料和气候变率指数系统地分析了新疆地区ET0的变化特征，探究了PDO 以及AMO 等大尺度气候变率与ET0变化之间的联系，明晰了大尺度气候变率对ET0趋势转折的影响特征。以期为新疆地区ET0的长期历史演变规律及预测研究提供新的方向和思路。

1 资料和方法

1.1 研究区域

新疆地区（34°25′～48°10′N，73°40′～96°18′E）位于中国西北部，面积166 万km2，约占全国面积的1/6。新疆北部为阿尔泰山，南部为昆仑山系，天山山脉将其划分为北疆和南疆两部分，从地形上来讲，南部为塔里木盆地，北部是准格尔盆地。新疆远离海洋属于典型的大陆性干旱气候，干燥少雨。新疆地区1960—2020 年平均的年累积ET0为1 040.78 mm；平均温度为6.47 ℃；平均风速为2.13 m/s；平均辐射量为7.52 MJ/(m2·d)。复杂的地势环境与辽阔的土地面积导致各气象因子的空间差异性较大，因此ET0在各区域间存在较大差异。

1.2 数据来源

本文气象站点的数据来源于中国气象局国家气候中心，选取了新疆地区84 个气象站点1960—2020 年的逐日气象资料，其中包含平均温度（temperatureT）、平均风速（wind speedU）、相对湿度（relative HumidityRH）和日照时数（hours of sunshinen）等。为了研究灌溉对ET0变化趋势的影响，依据中国科学院资源与环境科学数据中心提供的2020 年1 km 分辨率土地利用类型数据，计算了新疆84 个气象站点方圆4 km 范围内的耕地面积比例（cultivated land fractions，CFs），将其分为≥50%、10%～＜50%、＜10%三类，并将CFs≥50%的45 个站点定义为灌溉站点，CFs＜10%的16 个站点定义为自然站点，50%＞CFs≥10%的23 个站点定义为其他站点（图1）。

图1 新疆地区气象站点及土地利用类型分布Fig.1 Distribution of meteorological stations and land use types in Xinjiang

本文使用的大尺度气候变率指数分别为厄尔尼诺南方涛动（El Nino-Southern Oscillation，ENSO）指数、印度洋偶极子（Indian Ocean Dipole，IOD）指数、PDO 指数、AMO 指数。其中ENSO 指数选自多变量ENSO 指数（MEI，http://www.esrl.noaa.gov/psd/enso/mei/）[24]。PDO指数定义为北太平洋（20°N～70°N，110°E～100°W）EOF 分解后第一模态的时间系数，来自华盛顿大学大气环境中心（http://research.jisao.washington.edu/pdo/）[25]。由于ENSO 和PDO 均包含热带太平洋的SST 信号，两者之间存在相互影响，因此对ENSO 指数进行5 a 的高通滤波去除PDO 低频信号的影响，对PDO 指数进行5 a 的低通滤波去除ENSO 高频信号的影响。IOD 指数根据SAJI 等[26]研究将其定义为赤道印度洋西部（50°E～70°E，10°S～10°N）和东部（90°E～110°E，10°S～0°N）的平均SST 距平之差。AMO 指数定义为北大西洋（0°N～60°N，0°W～80°W）区域SST 平均值，数据来自Kaplan SST 数据集[27]（https://www.esrl.noaa.gov/psd/data/timeseries/AMO/）。

1.3 研究方法

1.3.1 参考作物蒸散发

本研究采用Penman-Monteith 公式[28]计算各站点的逐日ET0值。该公式依据能量平衡和水汽扩散理论，综合考虑各种气象因子对ET0的影响，具有较好的物理基础。表达式如下：

式中ET0为参考作物蒸散发，mm/d；G为土壤热通量，MJ/(m2·d)，G≈0；Rn为净辐射，MJ/(m2·d)；T为日平均温度，℃；U为2 m 风速，m/s；es为饱和水汽压，kPa，ea为实际水汽压，kPa；Δ为饱和水汽压曲线斜率，kPa/℃；γ为湿度计常数，kPa/℃。

由于气象站点无辐射观测数据，Rn计算式如下：

式中a为地表反射度，取 0.23；as取0.25；bs取0.50；Ra为大气顶层太阳辐射，MJ/(m2·d)；N为最大日照时数，h；n为日照时数，h；δ为波尔兹曼常数，值为4.903×10-9MJ/(K4·m2·d）；Tmax和Tmin分别为日最高和最低绝对温度，K。

1.3.2 标准化多元线性回归分析

本研究采用标准化多元线性回归去除量纲的影响，分析ET0与各气象因子的相关关系，标准化回归方程为

式中 β0为常数项值，β1、β2、β3、β4为标准化回归系数，STD()为标准化时间序列。

1.3.3 Cramer’s 突变检验

该研究选择Cramer’s 突变检验法识别序列的突变点。Cramer 方法利用一个总序列与其子序列平均值的显著差异来检测突变。假设总序列x和子序列x1的均值分别为X、X1，总序列方差为s，定义统计量t为

2 结果与分析

2.1 新疆地区ET0 与气象因子的回归分析

2.1.1 ET0变化趋势分析

图2 为1960—2020 年新疆地区84 个气象站点平均年累积ET0变化趋势，结合Cramer’s 突变检验可以得出新疆地区ET0在1960—1998 年呈现递减趋势，在1998—2020 年呈现上升趋势，突变点出现在1998 年。而同样利用Cramer’s 突变检验的已有研究确定新疆地区ET0的突变点发生于1995 年[10]，导致此差异的原因可能是由于子序列样本长度选择不同，本研究主要关注年代际尺度突变，故取子序列样本长度为30。新疆地区年ET0呈波动变化，1960—2020 年整体上以0.75 mm/a 的速度下降，1960—1997 年以2.50 mm/a 的速度递减，1998—2020 年以3.18 mm/a 的速度递增，其中最小ET0值出现在1992 年，与近年来蒸发皿观测数据变化趋势一致[8]。

图2 1960—2020 年新疆年累计ET0 变化趋势与Cramer’s突变检验Fig.2 Annual trend of reference crop evapotranspiration (ET0) and Cramer's mutation test in Xinjiang from 1960-2020

季节尺度上，从图3 可以看出，新疆地区4 个季节ET0的年际变化趋势与年累积ET0变化趋势较为一致，春夏秋冬分别以0.01、0.54、0.23、0.01 mm/a 的速度下降。其中，冬季ET0的年际长期变化趋势并不明显；春夏秋三季的变化趋势与年际趋势一致，分别在20 世纪90 年代中期发生了趋势的转变，但春季ET0的最低点出现在1996 年，而夏、秋两季的最低点分别出现在1993 年、1992 年。春、夏、秋、冬季ET0的多年季均值分别为325.21、486.30、185.21、51.92 mm，呈现出明显的季节差异。

2.1.2 气象因子的变化特征

ET0由诸多气象因子共同影响，各因素间也相互影响，导致ET0的变化成因极其复杂[29]，本文选取新疆地区84 个气象站点年平均T、U、RH、Rn与ET0进行回归分析。根据气象因子年际变化趋势可知（图4），年平均T变化趋势为0.02 ℃，在研究时段内无明显趋势转折；年平均RH以2 %的速度下降，在1997 年出现最低值，并在1960—1997 年间呈上升趋势，于1998—2020 年呈下降趋势；年平均U的变化趋势为-0.01 m/s，在1998年出现拐点，其趋势由下降转为上升，1960—1997 年下降趋势为-0.02 m/s，1998—2020 年上升趋势为0.01 m/s，变化趋势与ET0变化趋势相似；年平均Rn值呈波动变化以4× 10-4MJ/(m2·d)的速度下降，在1960—2016 年间呈波动变化但相对稳定，2017—2020 年显著下降。

图4 1960—2020 年新疆各气象因子年平均变化趋势Fig.4 Interannual average variation trend of meteorological factors in Xinjiang from 1960 to 2020

2.1.3 ET0与气象因子的回归分析

根据多元线性回归结果可知，RH与ET0呈负相关，回归系数为-0.46（P＜0.05）；U、T、Rn与ET0呈正相关，回归系数分别为0.95、0.36、0.20，均超过了95%的置信度水平，可见新疆地区ET0的变化主要与U有关，这一结果与前人研究结论相同[10,30]。

2.2 新疆地区ET0、气象因子与气候变率的关系

20 世纪90 年代中期中国气候发生了一次显著的年代际变化，有研究表明此种变化受到了大尺度气候变率的影响[16,31]，在此阶段新疆地区也发生了明显的气候转折，本节以此为出发点，探究ET0及各气象因子的长期变化与大尺度气候变率间的关系。

2.2.1 气候变率的年际位相变化

AMO 指数1967—1996 年一直为冷位相，而在1997年转为暖位相；PDO 指数在1992 年由负位相转为正位相，并在1998 年由正位相转为负位相。ENSO 指数与IOD 指数位相在90 年代持续波动变化（图5）。

图5 大尺度气候变率指数的时间序列Fig.5 Time series of large-scale climate variability indices

2.2.2 ET0、气象因子与气候变率指数的回归分析

根据ET0、气象因子与气候变率指数的回归分析结果（表1）可以得出，ET0与PDO 相关性最高，回归系数为-0.34（P＜0.05），且ET0与ENSO、AMO、IOD 呈正相关，回归系数分别为0.2、1.0× 10-4、0.04（未超过95%置信度水平）。U与AMO 相关性最高，其次是PDO，二者都与U呈较为显著的负相关，回归系数分别为-0.34、-0.31（P＜0.05），ENSO、IOD 与U的相关系数均未超过95%置信度水平；T与AMO 呈正相关，回归系数分别为0.53（P＜0.05）。综上所述，新疆地区ET0主要与PDO 有关，主导新疆ET0变化的U主要由AMO 以及PDO 影响，ENSO 和IOD 对新疆地区ET0的影响相对较弱。导致此现象的原因是90 年代中期PDO和AMO 的位相转变引起了中纬度纬向风场的变化[12,17]，进而导致新疆地区U和ET0变化趋势的转折。

表1 ET0、气象因子与大尺度气候变率指数的回归系数Table 1 Regression coefficient between ET0/meteorological factors and large-scale climate variability indices

2.3 新疆地区ET0、U 变化与SST 的关系

大尺度气候变率是导致U及ET0趋势变化的重要驱动因素，本节将ET0、U与全球SST 的年际时间序列数据进行空间回归分析，结果如图6 所示，新疆地区ET0、U和SST 具有显著的相关性。在太平洋，回归系数的空间分布为PDO 负位相模态，在大西洋，并未得到AMO 的空间分布，进一步说明了ET0与U的长期变化主要受到PDO 的影响，并呈现负相关关系，当PDO 处于负（正）位相时ET0和U会在年代际尺度下呈增长（下降）趋势。

图6 海表面温度SST 与新疆地区ET0、U 回归系数的空间分布Fig.6 Regression coefficients of SST (sea surface temperature)with ET0 and U in Xinjiang

为了进一步验证PDO 是导致ET0趋势转折的主导变率，本研究分别选择了4 个大尺度气候变率正负位相显著的14 个年份（表2），计算了ET0在正/负位相对应年份的平均值与多年（1960—2020 年）平均值间的偏差量（△ET0）。通过分析结果发现（图7），在PDO 处于正位期间新疆干旱气候区站点呈负偏差，天山山脉等苔原气候区的站点呈现正偏差，在PDO 处于负位相时干旱气候区站点呈正偏差，苔原气候区站点呈现负偏差，且不同位相阶段站点变化完全相反，表明新疆地区ET0的正负偏差变化受到PDO 正负位相变化的影响。该现象在ENSO、IOD、AMO 事件发生年份内并不明显。进一步证明了PDO 的正负位相转变导致了新疆地区ET0变化趋势的转折。

表2 大尺度气候变率正负位相显著年份Table 2 Years with significant positive and negative phases of large-scale climate variability

3 讨论

为了缓解水资源短缺的现象，新疆地区20 世纪80年代到90 年代末开展了大规模节水灌溉工作，导致下垫面条件发生了变化，HAN 等[32]指出1960—2007 年间西北干旱区耕地面积所占比例较大区域的风速发生了大幅度的下降，农田灌溉可能是导致风速变化的影响因子之一。为了探讨灌溉和大尺度气候变率在ET0变化趋势转折中发挥的作用，本文根据土地利用类型数据将站点分为灌溉、自然与其他站点，并开展了对比分析。图8 为灌溉和自然站点年平均ET0时间序列，结果表明灌溉站点与自然站点均在90 年代中期发生了趋势转折，但趋势大小有所不同，其中灌溉站点在1960—1997 年间以3.43 mm/a 的速度下降，1998—2020 年间以4.00 mm/a 的速度增长；而自然站点ET0在1960—1997 年间以0.38 mm/a 的速度下降，1998—2020 年间以1.59 mm/a 的速度增长。灌溉站点在1985—2005 年的变化趋势大于自然站点，2005 年以后，灌溉站点与自然站点的变化趋势趋向一致。两类站点与大尺度气候变率的相关结果表明PDO对灌溉站点影响程度较高（表3），而自然站点与气候变率的回归系数未超过95%置信度水平，说明PDO 对灌溉站点影响大于自然站点，这可能是导致灌溉站点ET0变化趋势转折显著大于自然站点的主要原因。

表3 灌溉站点与自然站点ET0 与大尺度气候变率指数的回归系数Table 3 Regression coefficients between ET0 and large-scale climate variability index at irrigated and non-irrigated stations

此外，自然站点大部分集中在天山山脉等苔原气候区，灌溉站点主要集中在干旱气候区，两类站点处于不同的气候分区也是一个重要的影响因素，PDO 主要通过动力机制影响中纬度风场的变化进而引起干旱气候区的U变化，而苔原气候区主要受到高原热力机制的影响，PDO 在其中的影响相对较弱。据此本研究认为90 年代中期新疆地区U和ET0的正负趋势转折主要由PDO 位相变化引起的。

受制于灌溉数据时间序列的长度和人类活动的复杂性，尚无法准确量化节水灌溉和大尺度气候变率对新疆U和ET0变化的贡献大小，需要借助气候模式设置敏感性试验进一步区分节水灌溉和气候变率对新疆地区U和ET0变化的相对贡献。新疆是易受气候变化影响的敏感区以及脆弱区，如何高效利用水资源对新疆农业发展具有重要的意义，因此有必要进一步研究新疆不同气候区ET0与局地气象因子的响应关系，区分灌溉等人类活动和大尺度气候变率在其中的贡献。