不同時間尺度農田蒸散影響因子的通徑分析*

張雪松，閆藝蘭，胡正華

?

不同時間尺度農田蒸散影響因子的通徑分析*

張雪松1，閆藝蘭2,3，胡正華1

(1.南京信息工程大學氣象災害教育部重點實驗室/江蘇省農業氣象重點實驗室/氣象災害預報預警與評估協同創新中心，南京 210044；2.中國科學院大學，北京 100049；3.中國科學院地理科學與資源研究所生態系統網絡觀測與建模重點實驗室，北京 100101)

基于2011-2015年冬小麥農田實測大型稱重式蒸滲儀數據及農業氣象觀測數據，分析不同時間尺度農田蒸散量的分布特征，并利用通徑分析方法對各時間尺度農田蒸散的影響因子進行辨識。結果表明：（1）冬小麥開花-乳熟期典型晴天小時尺度蒸散呈單峰變化，最大值為0.9～1.1mm·h-1，日累計蒸散量7.0～9.1mm·d-1；冬小麥全生育期多年平均蒸散總量為385.4mm，日平均蒸散量為2.6mm·d-1，最大日蒸散量11.0mm·d-1，變化趨勢為前期較低、后期較高；在生育期尺度，播種-返青期的蒸散速率較小，多年平均值為1.1mm·d-1，返青后，農田蒸散速率加快，多年平均值為4.2mm·d-1。（2）不同時間尺度蒸散變化的影響因子主要包括凈輻射（Rn）、飽和水汽壓差（VPD）、0cm地溫（Tg0）、20cm土壤水分（SW20）。在小時尺度，VPD對典型晴天蒸散變化的直接作用最大，其次為Rn，Tg0通過Rn路徑對EThourly變化產生間接影響，對蒸散的綜合決定能力排序依次為VPD＞Tg0＞Rn；在日尺度，Rn作為最關鍵的影響因子，對蒸散的直接影響最大，VPD對蒸散的間接影響最大，VPD、Tg0主要通過Rn路徑間接影響蒸散，SW20再通過Tg0路徑間接影響蒸散且為負效應，各因子決策系數排序依次為Rn＞VPD＞Tg0＞SW20；在生育期尺度，Tg0和Rn是驅動蒸散變化的最主要因子并起直接影響作用，決策系數表明Tg0對蒸散變化的促進作用比Rn明顯。

通徑分析；決策系數；凈輻射；飽和水汽壓差；農田蒸散

農田蒸散是農田生態系統水循環的關鍵環節[1]，是影響水資源利用率的重要因素。當前，全球正經歷明顯的氣候變化，尤以近30a的氣候變暖最為顯著并將持續[2-3]。氣候變化及人類活動的強烈干擾，使多因素、多尺度的蒸散過程更具復雜性與不確定性[4]。針對作物蒸散演變的驅動機制及其與影響因素的相互關系，國內外學者進行了大量的研究，但結論不盡相同。國外學者研究表明[5-6]，凈輻射、空氣濕度、溫度和風速是影響冬小麥農田蒸散量的最主要因素。國內學者也研究了中國不同地區冬小麥農田蒸滲儀蒸散規律及其影響因子。汪秀敏等[7]探討了氣象因子對冬小麥日蒸散量的影響，按其相關性由大到小依次為凈輻射、空氣相對濕度、土壤溫度、空氣溫度、土壤含水量、風速。但強小嫚等[8]認為冬小麥蒸散與凈輻射相關關系并不明顯，劉國水等[9]則利用蒸滲儀和渦度相關實測數據，對比分析了農田不同空間尺度蒸散量與氣象因子的關系，得出不同空間尺度蒸散量與凈輻射的相關關系均較好，但與空氣濕度、溫度和風速的相關關系隨尺度變化而變化，且日蒸散量與日平均風速的關系不明顯。李菊等[10]也認為蒸散量與風速無顯著相關。

即使是同樣使用獨立于作物類型、作物生長狀況及土壤水分狀況影響的FAO 56推薦的Penman- Monteith公式，所估算的參考蒸散ET0也因時間尺度差異而對影響因子的響應有所不同。如王媛媛等[11]認為，隴東地區ET0在春季主要影響因子為風速和日最高氣溫，秋季為日照時數和相對濕度，夏季為日照時數，冬季為風速；全年平均ET0變化的主要影響因子為日照時數。曹雯等[12]研究表明，安徽省夏季ET0的主導因子是日照時數，春、秋、冬季的主導因子則是風速。環海軍等[13]研究表明，魯中地區每個季節逐月ET0變化的主要貢獻因子不相同。

可見，多元線性回歸分析、相關分析方法被廣泛用于分析自然環境因子對農田蒸散的影響[14-15]，但是均未能定量區分影響蒸散的直接和間接影響因子及路徑。為了厘清引起農田蒸散量變化的歸因，準確選取農田蒸散對環境條件的關鍵響應因子，本研究擬采用通徑分析方法[16]，克服、彌補已有研究中存在的缺陷與不足，利用多年農田實測蒸滲儀數據，按照逐時、逐日、逐生育期劃分3種不同時間尺度，全面討論農田蒸散及其影響因子之間的直接與間接相關關系，使蒸散對影響因子的響應過程更加清晰，以期為氣候變化背景下農田蒸散的變化規律研究，合理確定農業灌溉需水量，提高水分利用率，以及開展干旱監測和影響評估相關研究提供參考依據。

1 材料與方法

1.1 試驗區概況

試驗地點位于南京信息工程大學農業氣象試驗站（32°14′N，118°42′E）。該站地處中緯度亞熱帶季風氣候區，年平均氣溫15.6℃，年平均降水量約1100.0mm，冬冷夏熱，雨量充沛。土壤質地為壤質黏土，土壤黏粒含量26.1%；0-100cm土層的田間持水量為30.4%～36.0%（體積含水量，V/V%），凋萎點為10.2%～14.1%（V/V%）。

1.2 田間試驗觀測

試驗時段為2011-2015年冬小麥生長季即每年11月-翌年5月，供試作物品種為揚麥13，每年11月中旬播種，翌年5月下旬收獲。行間距約為22.7cm，種植密度為10～11.5kg·667m-2。在試驗區中安裝大型稱重式蒸滲儀（蘭州干旱氣象研究所制造），其有效蒸散面積為4m2，原狀土柱深2.6m，自動采集系統以1h為間隔進行記錄，觀測精度0.1mm·d-1。每期作物播種前，采用稱重法對蒸滲儀進行率定，以保證數據可靠。蒸滲儀內冬小麥種植密度及管理措施與大田保持一致。

冬小麥發育期觀測依據《農業氣象觀測規范》進行，包括播種、出苗、三葉、越冬、返青、起身、拔節、孕穗、抽穗、開花、乳熟和成熟期。

常規氣象數據來源于試驗站內的自動氣象站，按國家氣象局的地面氣象觀測規范進行觀測。觀測要素包括氣溫、相對濕度、輻射（地面短波、太陽短波、地面長波和大氣長波）、0cm地溫、2m高處平均風速、降水量等，測定時間間隔為10min。

由于蒸滲儀自帶的土壤水分采集器故障，因此，土壤含水量采用蒸滲儀北側100m氣象觀測場的DZN1型自動土壤水分儀體積含水量觀測資料，觀測深度為5、10、20和40cm，測定時間間隔為10min。

1.3 通徑分析

通徑分析（path analysis）是回歸分析的拓展，可以將因果變量之間的相互影響（相關系數）分解為直接影響（直接通徑系數）和間接影響（間接通徑系數），以此研究因果關系的數據結構[16]，分析獨立變量對因變量的直接和間接重要性，已在眾多領域得到廣泛應用[17-20]。

假設有n個隨機變量x1，x2，x3，…，xn和一個因變量y，任意兩個因子之間的相關系數是rij，因子xi到y的直接通徑系數是Piy，因子xi通過因子xj到y的間接通徑系數是rij·Pjy，則因子xi與y的相關系數riy可以分解為直接通徑系數與間接通徑系數之和，即

進一步定義

（2）

式中，R2(i)為xi對y的決策系數，用它可把自變量對因變量的綜合作用進行排序，確定主要的決策變量和限制變量[21]。R2(i)＞0，表明自變量對因變量起促進作用；R2(i)＜0，表明自變量對因變量起抑制作用[20]。

利用因子x1，x2，…，xn對y的通徑分析路徑圖（見圖1），自變量對因變量產生的直接影響和間接影響能夠被清晰識別[19]。圖1中，x1→y、x2→y和xn→y是直接路徑，直接通徑系數分別是P1y、P2y和Pny；x1?x2、x1?xn和x2?xn表示自變量之間的相關關系，相關系數分別是r12、r1n和r2n，同時，x1?x2→y、x1?xn→y、x2?x1→y、x2?xn→y、xn?x1→y和xn?x2→y的間接通徑系數分別為r12·P2y、r1n·Pny、r21·P1y、r2n·Pny、rn1·P1y和rn2·P2y。r→y是剩余變量，其通徑系數是Pey，表示未研究自變量和誤差對因變量y的影響，計算公式為

利用Origin軟件進行數據處理和圖表繪制，對于部分缺失和錯誤的數據采用平均值插補。采用SPSS 22.0對數據進行正態檢驗和回歸分析。

2 結果與分析

2.1 不同時間尺度農田實測蒸散量變化特征

2.1.1 小時尺度

在2012-2015年每年小麥的開花-乳熟期，分別選取兩個典型晴天，得到農田實測蒸散量的逐小時變化過程（圖2）。由圖2可見，典型晴天小麥蒸散量呈單峰型變化，日間7：00-17：00蒸散變化顯著，在午后12：00-14：00達到最大值，為0.9～1.1mm·h-1，該生育期間歷年逐小時蒸散量最大值為1.4mm·h-1，夜間18：00-次日6：00農田蒸散量很小，接近0，日累計蒸散量在7.0～9.1mm·d-1。從小時尺度蒸散量日變化進程看，其變化特征與輻射、氣溫等氣象要素的日變化趨勢一致。

2.1.2 日尺度

將研究期間實測逐小時蒸散量按日累計，得到冬小麥逐日蒸散量變化如圖3。由圖可見，4個試驗年度內冬小麥全生育期長度188～200d，多年平均蒸散總量為385.4mm，日平均蒸散量為2.6mm·d-1。各生長季日蒸散量變化過程基本一致，表現出相同的趨勢變化特點，即前期較低、后期相對較高，這與前期植被覆蓋度低、后期植被蒸騰旺盛且覆蓋度高的特點密切相關。具體來看，前110d（11月-翌年2月）左右，蒸散量在低值水平波動，日平均蒸散量0.9～1.2mm·d-1，受作物越冬生長、生理活動較弱以及氣溫較低影響；隨后的80d左右（3-5月），日蒸散量總體呈單峰型變化特點，日平均蒸散量在3.6～4.3mm·d-1，在4月下旬后（169～179d）達到峰值，最大日蒸散量9.8～11.0mm·d-1，5月日蒸散量又有所減少。4個年度生長季逐日蒸散的變化有一定差別，一定程度上反應了農田蒸散過程受外界環境的綜合影響，如雨日后農田蒸散有明顯激增。

2.1.3 生育期尺度

將研究期間逐日尺度蒸散量按生育期累加并平均，得到4個試驗年度冬小麥逐生育期尺度蒸散量日均值變化，可比較不同生育階段冬小麥的蒸散速率（圖4）。由圖4可見，以返青生長為界，可劃分為兩個蒸散變化階段。播種-返青期，蒸散速率較小，在0.4～2.3mm·d-1，該階段蒸散速率的多年平均值為1.1mm·d-1，尤以圖4a和圖4b進入分蘗、越冬期后，由于氣溫低，群體生理活動減弱，農田蒸散下降明顯，而圖4c和圖4d因無明顯越冬期，農田蒸散隨生育進程平穩變化；返青生長后，隨著氣溫回升，農田蒸散速率加快，多年平均值為4.2mm·d-1，并在孕穗-抽穗-開花階段達到蒸散高峰期，日最大蒸散速率在7mm·d-1左右，但由于各年環境條件的差異，出現峰值的時間并不一致；進入成熟期后，蒸散速率普遍轉而下降。

2.2 不同時間尺度實測蒸散量數據系列的特征分析

2.2.1 正態性檢驗

在通徑分析前，要對因變量進行正態分布檢驗。根據SPSS，本研究用Kolmogorov-Smimov Test方法進行正態性檢驗。檢驗結果表明，所選8個典型晴天日間8：00-17：00逐小時蒸散變化的檢驗統計量為0.09，顯著性水平為0.092（P＞0.05）；4個試驗年度冬小麥主要生長季（3-5月）逐日蒸散變化的檢驗統計量為0.058，顯著性水平為0.078（P＞0.05）；逐生育期蒸散變化的檢驗統計量為0.244，顯著性水平0.066（P＞0.05）。可見，不同時間尺度因變量變化均符合正態分布，可以進行相關分析。

注：S-播種，E-出苗，TL-三葉，T-分蘗，W-越冬，R-返青， J-拔節，B-孕穗，H-抽穗，A-開花，MM-乳熟，M-成熟 Note: S-sowing, E-emergence, TL-three leaves, T-tillering, W-wintering, R-reviving, J-jointing, B-booting, H-heading, A-anthesis, MM-milk maturity, M- maturity

2.2.2 影響因子回歸分析

根據通徑系數的定義，運用通徑分析評價獨立變量對因變量的影響，需要驗證自變量與因變量之間是否呈顯著的線性相關。本研究以不同時間尺度蒸散量為因變量，以同步觀測的環境因子包括距離地面5-40cm土壤水分（SW5、SW10、SW20、SW40）、0cm地溫（Tg0）、氣溫（T）、凈輻射（Rn）、降水量（R）、氣壓（P）、風速（V）、相對濕度（RH）和計算得到的飽和水汽壓差（VPD）為自變量，用SPSS進行多重線性回歸，從所有相關性較好的選擇變量中再逐步選擇加入或剔除某個自變量，直至建立最優多元線性回歸關系，擬合最優模型，從而篩選相關性最好的影響因子，保證通徑分析具有評價被選因子對蒸散影響的能力。

回歸分析結果表明，小時尺度蒸散EThourly變化的主要影響因子包括Rn、VPD和Tg0，其擬合最優模型為

（R2=0.742，n=80，P＜0.05） （4）

日尺度蒸散ETdaily變化的主要影響因子包括Rn、VPD、Tg0和SW20，其擬合最優模型為

（R2=0.592，n=197，P＜0.05） （5）

生育期尺度ETgrowth變化的主要影響因子包括Rn和Tg0，其擬合最優模型為

（R2=0.666，n=41，P＜0.05） （6）

2.3 不同時間尺度蒸散量影響因子的通徑分析

2.3.1 小時尺度

小時尺度蒸散EThourly與主要影響因子Rn、VPD和Tg0的通徑分析見表1，由此合成EThourly變化通徑分析圖，見圖5。表1表明，由于各個因子直接作用和間接作用的共同貢獻，對EThourly變化的影響（相關系數）依次為Tg0＞VPD＞Rn。按直接通徑系數大小排序依次為VPD＞Rn＞Tg0，說明VPD對EThourly變化的直接作用最大（直接通徑系數為0.572），而對EThourly變化影響最大的Tg0的直接作用最?。ㄖ苯油◤较禂禐?.279），且小于其自身間接通徑系數之和（0.442），說明Tg0對EThourly的影響以間接作用為主，這種間接影響主要通過Tg0與Rn的相互作用（相關系數0.826，見圖5），從而進一步對EThourly產生影響。各因子對EThourly的影響均為正效應，Rn和VPD的直接通徑系數均大于各自間接通徑系數之和，說明Rn和VPD對EThourly的影響主要體現在直接作用上。決策系數排序依次為VPD＞Tg0＞Rn，表明VPD對典型晴天EThourly變化的綜合決定能力更大，對EThourly的促進作用最明顯。

表1 小時尺度蒸散變化影響因子的通徑分析

2.3.2 日尺度

日尺度蒸散ETdaily與各個主要影響因子的通徑分析見表2和圖6。按相關系數絕對值的大小各因子排序依次為Rn＞VPD＞Tg0＞SW20，其中SW20與ETdaily為負相關，雖通過顯著性檢驗但相關系數很低，可能與土壤水分的變化對ETdaily的非線性影響有關，雨后轉晴天氣土壤水分含量高，因無水分脅迫利于蒸散增加，降水天氣土壤水分增加所致的蒸散反而降低。

圖6 日尺度蒸散變化通徑分析圖

各影響因子與ETdaily的直接通徑系數排序為Rn＞Tg0＞VPD＞SW20，說明Rn對ETdaily的直接影響最大（直接通徑系數為0.612），除SW20外，其余各因子對ETdaily的直接影響均為正效應。各影響因子與ETdaily的間接通徑系數之和排序為VPD＞Tg0＞Rn＞SW20，說明VPD對ETdaily的間接影響最大（間接通徑系數為0.515），這跟VPD與Rn、Tg0的相關系數較高有關，VPD很大程度通過Rn路徑和Tg0路徑間接影響ETdaily，由此可見，Rn和Tg0可以通過調控農田VPD，進而對ETdaily產生綜合影響。SW20通過Tg0對ETdaily的間接影響最小且仍為負效應。

根據決策系數，Rn對ETdaily變化的綜合決定能力最大，各因子對ETdaily變化影響作用的決策系數排序依次為Rn＞VPD＞Tg0＞SW20。

2.3.3 生育期尺度

生育期尺度蒸散ETgrowth與主要影響因子的通徑分析見表3和圖7。Tg0與ETgrowth變化的相關性最顯著（相關系數為0.757），直接通徑系數排序為Tg0＞Rn，說明Tg0對ETgrowth變化的直接影響較Rn大，兩個因子的直接通徑系數之和高于間接通徑系數之和，說明因子對蒸散變化主要是直接影響，這與兩個因子之間關聯較弱有關（相關系數0.37，見圖7）。根據決策系數，兩個因子對ETgrowth變化綜合決定能力大?。ń^對值）表現為Tg0＞Rn，說明Tg0對ETgrowth變化的促進作用比Rn明顯。

表2 日尺度蒸散變化影響因子的通徑分析

表3 生育期尺度蒸散變化影響因子的通徑分析

3 結論與討論

（1）不同時間尺度冬小麥農田蒸散變化特征明顯。開花-乳熟期典型晴天小時尺度蒸散呈單峰變化，最大值為0.9～1.1mm·h-1，日累計蒸散量在7.0～9.1mm·d-1；冬小麥全生育期內，多年平均蒸散總量為385.4mm，日平均蒸散量為2.6mm·d-1，最大日蒸散量9.8～11.0mm·d-1，變化趨勢為前期較低、后期較高；在播種-返青期，生育期尺度蒸散速率較小，多年平均值為1.1mm·d-1，返青生長后，農田蒸散速率加快，多年平均值為4.2mm·d-1，與日尺度蒸散變化趨勢吻合。

（2）不同時間尺度蒸散變化的影響因子主要包括Rn、VPD、Tg0、SW20。通徑分析表明，在小時尺度，VPD對典型晴天EThourly變化的直接作用最大，其次為Rn，Tg0主要通過Rn路徑對EThourly變化產生間接影響。Rn、VPD、Tg0對EThourly的影響均為正效應，決策系數排序依次為VPD＞Tg0＞Rn，說明VPD對EThourly變化的綜合決定能力最大，對EThourly的促進作用最明顯。

在日尺度，Rn對ETdaily的直接影響最大，VPD對ETdaily的間接影響最大，VPD很大程度通過Rn路徑和Tg0路徑間接影響ETdaily，Tg0仍然主要通過Rn路徑對EThourly變化產生間接影響，SW20對ETdaily的影響最小且為負效應。決策系數排序依次為Rn＞VPD＞Tg0＞SW20，Rn對ETdaily變化的綜合決定能力最大。

在生育期尺度，Tg0和Rn是驅動蒸散變化的最主要因子，兩個因子對ETgrowth的影響主要以直接作用為主，且Tg0對ETgrowth變化的直接影響較Rn大，決策系數表明Tg0對ETgrowth變化的促進作用比Rn明顯。

本研究利用多年農田觀測資料，分析了冬小麥農田蒸散具有明顯的日、季變化特征，與汪秀敏等[7, 22]的特征描述一致。通過通徑分析方法辨識了不同時間尺度蒸散影響因子的路徑貢獻，確認了輻射對蒸散過程的重要影響，尤以逐日尺度變化最為顯著。汪秀敏等[7]在利用本地2011年觀測數據分析蒸散量與環境單因子的關系時，認為輻射對逐日蒸散變化起決定作用，蒸散量與風速的關系最不明顯；陽伏林等[23]的研究表明輻射是農田蒸散變化的主要影響因子，土壤含水量次之；劉國水等[9, 24]的研究認為，輻射對蒸散變化影響起關鍵作用，均與本研究結論一致。

需要指出的是，VPD作為衡量空氣干燥程度的指標，表征了空氣相對濕度和氣溫的綜合效果，直接影響植物氣孔開閉，從而控制植物蒸騰、光合等生理過程，對生態系統蒸散過程以及水分利用效率有重要影響，因此，本研究將VPD作為影響因子進行分析。研究表明，在小時尺度，VPD的直接作用效果最明顯，在日尺度，VPD則通過Rn路徑實現間接影響并起重要作用，說明VPD作為影響評價因子是可行的。同時更進一步證實，輻射作為驅動系統運轉的源動力，可改變系統中水熱分配狀況及水分相變過程，進而影響農田蒸散量。

土壤作為農業生物生長發育的重要載體，土壤溫、濕度是控制植物生長過程的重要因素，并與太陽輻射相互作用，影響近地面大氣的水熱狀況。本研究中，土壤溫度對蒸散變化的影響作用被清晰辨識。在小時尺度和日尺度中，其貢獻次于VPD，并通過輻射路徑對蒸散變化產生影響，符合大氣能量、熱量傳輸交換規律。在生育期尺度，土壤溫度對蒸散變化的促進作用較輻射明顯，可能與累計平均的平滑作用有關，表現為蒸散變化較輻射變化滯后，但與土壤溫度變化同步。此外，多層土壤濕度觀測數據經過回歸篩選后，20cm深度土壤濕度通過土壤溫度路徑，對日尺度蒸散變化的間接影響被辨識，該層次土壤濕度基本能夠代表本地區農田耕層土壤水分的平均狀況，但它對蒸散的影響最小且為負效應。通常，土壤濕度的日變化振幅很小，但季節變化很明顯，并受到降水天氣的直接影響，雨后由于沒有土壤水分脅迫，農田蒸散激增。按照本研究通徑分析的結果，這應該歸功于雨后相對較強的太陽輻射和較高的土壤溫度。因此，本研究認為，在土壤不存在水分脅迫的環境下，農田土壤水分對蒸散的影響可以忽略。

持續的氣候變化使農田蒸散發生變化，并使與之緊密關聯的農業需水量的不確定性顯著增加。不同區域氣象要素對作物蒸散量的影響程度不同，因而各地區作物蒸散的變化特征亦不同[25]，綜合考慮各環境氣象因子在不同時空尺度對作物蒸散量變化的影響，是準確估算農業灌溉需水量的前提。影響農田蒸散的因素很多，是氣象條件、土壤水分環境、作物自身生理特性等相互聯系、相互反饋的綜合。抓住關鍵影響因子，適度調控農田小氣候環境，適應氣候變化對農業生產的影響，是農業高產、穩產的重要保證。未來研究中，可以深入開展生物影響因子對農田蒸散的作用路徑與作用關系的通徑分析，為氣候變化背景下的田間水分管理提供科學參考。

References

[1]謝賢群.我國北方地區農業生態系統水分運行及區域分異規律研究的內涵和研究進展[J].地球科學進展,2003,18(3):440-446.

Xie X Q.Connotation and some advances of the research on the water movement and its regional change regular in agro-ecosystem of North China[J]. Advance in Earth Sciences,2003,18(3):440-446.(in Chinese)

[2]Bradley R.1000 years of climate change[J].Science, 2000, 288(5470):1353-1355.

[3]陳兆波,董文,霍治國,等.中國農業應對氣候變化關鍵技術研究進展及發展方向[J].中國農業科學,2013,46(15): 3097-3104.

Chen Z B,Dong W,Huo Z G,et al.Research advances and the development direction of key techniques for agriculture addressing climate change in China[J]. Scientia Agricultura Sinica,2013,46(15):3097-3104. (in Chinese)

[4]任慶福,楊志勇,李傳哲,等.變化環境下作物蒸散研究進展[J].地球科學進展,2013,28(11):1227-1238.

Ren Q F,Yang Z Y,Li C Z,et al.Advances in the study of the crop evapotranspiration in changing environment[J]. Advances in Earth Science,2013, 28(11): 1227-1238.(in Chinese)

[5]Clark G A,Smajstrla A G,Zazueta F S.Atmospheric parameters which affect evapotranspiration[M]. Florida:University of Florida,1989:1-6.

[6] Mankin K R,Rogers D H.What is ET[M].Manhattan: Kansas State University,1998:1-2.

[7]汪秀敏,申雙和,韓曉梅,等.大型稱重式蒸滲儀測定的冬小麥農田的蒸散規律研究[J].氣象與環境科學,2011,34(4): 14-18.

Wang X M,Shen S H,Han X M,et al.Study on evapotranspiration of the winter wheat measured by large-scale weighting lysimeter [J].Meteorological and Environmental Sciences,2011,34(4): 14-18.(in Chinese)

[8]強小嫚,蔡煥杰,王健.波文比儀與蒸滲儀測定作物蒸發蒸騰量對比[J].農業工程學報,2009,25(2): 12-17.

Qiang X M,Cai H J,Wang J.Comparative study of crop evapotranspiration measured by Bowen ratio and lysimeter[J]. Transactions of the CSAE,2009, 25(2):12-17.(in Chinese)

[9]劉國水,劉鈺,蔡甲冰,等.農田不同尺度蒸散量的尺度效應與氣象因子的關系[J].水利學報,2011,42(3):284-289.

Liu G S,Liu Y,Cai J B,et al.Study on scale effect of farmland evapotranspiration and relationship with meteorological factors[J].Shuili Xuebao,2011,42(3): 284-289.(in Chinese)

[10]李菊,劉允芬,楊曉光,等.千煙洲人工林水汽通量特征及其與環境因子的關系[J].生態學報,2006, 26(8):2449-2456.

Li J,Liu Y F,Yang X G,et al.Studies on water vapor flux characteristic and the relationship with environment factors over a planted coniferous forest in Qianyanzhou station[J]. Acta Ecologica Sinica,2006,26(8):2449-2456.(in Chinese)

[11]王媛媛,張勃,尹海霞.1961-2010年隴東參考作物蒸散量時空變化及氣候影響因子[J].生態學雜志,2013,32(6):1511-1517.

Wang Y Y,Zhang B,Yin H X.Spatiotemporal variation of reference crop evapotranspiration and related climatic affecting factors in eastern Gansu of Northwest China in 1961-2010[J].Chinese Journal of Ecology,2013,32(6): 1511-1517.(in Chinese)

[12]曹雯,段春鋒,姚筠,等.1961-2010年安徽省參考作物蒸散時空變化特征及成因[J].應用生態學報,2014,25(12): 3619-3626.

Cao W,Duan C F,Yao Y,et al.Temporal-spatial variations of reference evapotranspiration in Anhui Province and the quantification of the causes[J]. Chinese Journal of Applied Ecology,2014,25(12): 3619-3626.(in Chinese)

[13]環海軍,楊再強,劉巖,等.魯中地區參考作物蒸散量時空變化特征及主要氣象因子的貢獻分析[J].中國農業氣象, 2015,36(6):692-698.

Huan H J,Yang Z Q,Liu Y,et al.Temporal and spatial variation of reference crop evapotranspiration and contribution of main factors in the middle area of Shandong Province[J].Chinese Journal of Agrome-teorology,2015,36(6):692-698.(in Chinese)

[14]許杏娟,陳濤濤,吳奇,等.遼寧省凌河流域生長季參考作物騰發量變化及氣候要素貢獻分析[J].中國農業氣象,2015, 36(1):33-42.

Xu X J,Chen T T,Wu Q,et al.Analysis of the reference evapotranspiration change and climate factors contribution during growing season in Linghe basin of Liaoning Province[J].Chinese Journal of Agrometeorology,2015, 36(1):33-42.(in Chinese)

[15]段春鋒,繆啟龍,曹雯.西北地區參考作物蒸散變化特征及其主要影響因素[J].農業工程學報,2011,27(8):77-83.

Duan C F,Miao Q L,Cao W.Changing characteristics of reference crop evapotranspiration and main causes in the Northwest China[J]. Transactions of the CSAE,2011,27(8): 77-83.(in Chinese)

[16]Kozak M,Kang M S.Note on modern path analysis in application to crop science[J].Communications in Biometry and Crop Science,2006,1(1):32-34.

[17]張琪,叢鵬,彭勵.通徑分析在Excel和SPSS中的實現[J].農業網絡信息,2007,(3):109-110.

Zhang Q,Cong P,Peng L.The realization of path analysis in Excel and SPSS[J].Agriculture Network Information,2007, (3):109-110.(in Chinese)

[18]貢璐,冉啟洋,韓麗.塔里木河上游典型綠洲連作棉田土壤酶活性與其理化性質的相關性分析[J].水土保持通報, 2012,32(4):36-42.

Gong L,Ran Q Y,Han L.Enzymatic activities and related physicochemical properties in soils of continuous cropping cotton fields within a typical oasis in upper reaches of Tarim River[J].Bulletin of Soil and Water conservation,2012, 32(4):36-42.(in Chinese)

[19]張聰聰,陳效民,張勇,等.氣象因子對太湖地區旱作農田土壤水分動態的影響[J].中國農業科學,2013,46(21): 4454-4463.

Zhang C C,Chen X M,Zhang Y,et al.Influence of meteorological factors on soil moisture dynamics of upland soil in Taihu Lake region[J].Scientia Agricultura Sinica,2013,46(21):4454-4463.(in Chinese)

[20]Zhang FY,Li L H,Ahmad S,et al.Using path analysis to identify the influence of climatic factors on spring peak flow dominated by snowmelt in an alpine watershed[J].Journal of Mountain Science,2014,11(4):990-1000.

[21]袁志發,周靜芋,郭滿才,等.決策系數:通徑分析中的決策指標[J].西北農林科技大學學報(自然科學版),2001, 29(5): 131-133.

Yuan Z F,Zhou J Y,Guo M C,et al.Decision coefficient: the decision index of path analysis[J]. Journal of Northwest A&F University (Natural Science Edition),2001,29(5): 131-133.(in Chinese)

[22]劉春偉,曾勰婷,邱讓建.用分時段修正雙源模型估算南京地區冬小麥生育期蒸散量[J].農業工程學報,2016, 32(Supp.1):80-87.

Liu C W,Zeng X T,Qiu R J.Simulated total evapotranspiration of winter wheat with modified Shuttleworth-Wallace model in different stages in Nanjing[J].Transactions of the CSAE,2016, 32 (Supp.1):80-87.(in Chinese)

[23]陽伏林,張強,王文玉,等.黃土高原春小麥農田蒸散及其影響因素[J].生態學報,2014,34(9):2323-2328.

Yang F L,Zhang Q,Wang W Y,et al.Evapotran-spiration and factors influencing evapotranspiration in the spring wheat farmland of China's Loess Plateau[J].Acta Ecologica Sinica,2014,34(9):2323-2328.(in Chinese)

[24]郭春明,任景全,張鐵林,等.東北地區春玉米生長季農田蒸散量動態變化及其影響因子[J].中國農業氣象,2016, 37(4):400-407.

Guo C M,Ren J Q,Zhang T L,et al.Dynamic change of evapotranspiration and influenced factors in the spring maize field in Northeast China[J].Chinese Journal of Agrometeorology,2016,37(4):400-407. (in Chinese)

[25]Roderick M L,Farquhar G D.The cause of decreased pan evaporation over the past 50 years[J].Science,2002,298(5597):1410-1411.

Using Path Analysis to Identify Impacting Factors of Evapotranspiration at Different Time Scales in Farmland

ZHANG Xue-song1, YAN Yi-lan2, 3, HU Zheng-hua1

(1. Key Laboratory of Meteorological Disaster of Ministry of Education/Jiangsu Key Laboratory of Agricultural Meteorology/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044, China; 2.University of Chinese Academy of Science, Beijing 100049; 3.Key Laboratory of Ecosystem Network Observation and Modeling, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101)

Based on the data measured by large-scale weighing lysimeter and agricultural meteorological observation from 2011 to 2015, the distributing characteristics of evapotranspiration at different time scales in winter wheat farmland were analyzed, and the impacting factors were identified by path analysis. The results showed that the change of evapotranspiration displayed a downward-parabola pattern with a single peak at hourly scale, and the maximum evapotranspiration was from 0.9mm·h-1to 1.1 mm·h-1and the cumulative value throughout the day was from 7.0mm to 9.1mm on the typical sunny day during flowering-milky stage within 4 years. The mean annual evapotranspiration was 385.4mm, the mean diurnal evapotranspiration was 2.6mm·d-1and the maximum value was 11.0mm·d-1during the whole winter wheat growing period. The daily scale variation of evapotranspiration at early growing stage was greater than that at later stage. During the growing season, the evapotranspiration rate was lower during the sowing to turning-green period with an average of 1.1mm·d-1than that of 4.2mm·d-1after turning-green period. (2) The impacting factors of evapotranspiration at different time scales mainly included net radiation (Rn), saturated vapor pressure deficit (VPD), ground temperature (Tg0) and soil water content at 20cm (SW20). At hourly scale, VPD had the largest direct effect on evapotranspiration variation on the typical sunny day. Rn and Tg0affected evapotranspiration indirectly via Rn. The ranking of the decision coefficient of every factor was VPD＞Tg0＞Rn. At daily scale, Rn, as the most critical factor, had the largest direct impact on evapotranspiration, while VPD had the largest indirect influence. VPD and Tg0affected evapotranspiration indirectly via Rn and the indirect negative influence of SW20was imposed by Tg0path. The ranking of the decision coefficient of impacting factors was Rn＞VPD＞Tg0＞SW20.At the whole growing season scale, Tg0and Rn were the only two most important factors with direct influence and could drive evapotranspiration change. The decision coefficient indicated that Tg0could significantly increase the variation of evapotranspiration more than Rn.

Path analysis; Decision coefficient; Net radiation; Vapor pressure deficit; Crop evapotranspiration

10.3969/j.issn.1000-6362.2017.04.001

2016-08-19

公益性行業（氣象）科研專項（GYHY201506001；GYHY201306046）；氣象災害教育部重點實驗室（南京信息工程大學）開放課題（KLME1415）；江蘇省農業氣象重點實驗室項目（KYQ1404）

張雪松（1975-），博士，講師，主要研究方向為應用氣象。E-mail：lntlzxs@163.com