基于通徑分析法的漳河灌區參考作物蒸發蒸騰量變化成因研究

李家明 何軍 賀勝男 葉磊 高明利

摘要 選取漳河灌區1974—2014年逐日氣象數據，運用Excel軟件和SPSS 24.0軟件對4項主控因子和參考作物蒸發蒸騰量（ET0）進行趨勢分析和通徑分析。結果表明，多年平均氣溫（T）和平均相對濕度（RH）均呈顯著性上升趨勢，多年日照時數（n）和ET0呈不顯著性下降趨勢，多年平均風速（u）呈顯著性下降趨勢。日平均相對濕度（RH）與ET0呈負相關，其余主控因子與ET0均為正相關，日照時數（n）和平均風速（u）的相關性最高。日照時數（n）的決定系數、對回歸方程R2的貢獻和對ET0的直接效果均為各主控因子中最大，是影響ET0的決策變量。

關鍵詞 主控因子；通徑分析；相關系數；參考作物蒸發蒸騰量

中圖分類號 S271 文獻標識碼 A 文章編號 0517-6611（2018）27-0193-03

Study of the Causes of Reference Evapotranspiration in Zhanghe Irrigation Area Based on Path Analysis Method

LI Jiaming1， HE Jun1，2，3， HE Shengnan4 et al

（1.College of Hydraulic & Environmental Engineering， China Three Gorges University， Yichang，Hubei 443002；2.Institute of Agricultural Water and Soil Resources， China Three Gorges University， Yichang，Hubei 443002；3.Engineering Research Center of Ecoenvironment in Three Gorges Reservoir Region， Ministry of Education， China Three Gorges University， Yichang，Hubei 443002 ；4.Yueyang City Water Conservancy and Hydropower Survey and Design Institute， Yueyang， Hunan 414000）

Abstract Daily meteorological data of Zhanghe irrigation area from 1974 to 2014 were collected， the trend and path analysis of four main control factors and ET0 were carried out by Excel and SPSS 24.0. The results show that： the annual average temperature and average relative humidity were significantly increased， sunshine hours and ET0 showed no significant decline， and the annual mean wind speed presented a significant downward trend. The correlation between sunshine hours and average wind speed was the highest， and the daily average relative humidity was negatively correlated with ET0， meanwhile the remaining main control factors were positively correlated with ET0. Sunshine hourss decision coefficient，its contribution to the regression equation of R2 and the rate of the direct effect of ET0 were the biggest， therefore， sunshine hours are the decision variable affecting the ET0.

Key words Main control factor；Path analysis；Correlation coefficient；ET0

基金項目 湖北省教育廳科學技術研究項目（Q20161206）；宜昌市應用基礎研究項目（A17-302-a01）。

作者簡介 李家明（1994—），男，湖北宜都人，碩士研究生，研究方向：節水灌溉理論與技術。

*通訊作者，副教授，博士，從事節水灌溉理論與技術研究。

收稿日期 2018-05-27； 修回日期 2018-08-06

目前，我國北方地區水資源供需矛盾突出，部分南方地區出現了嚴重的季節性和水質性缺水[1]，農業節水研究愈加重要，通過對作物需水量影響成因的分析，采取更加高效、節水的水資源利用模式和方法，是緩解農業用水問題的根本出路。參考作物蒸發蒸騰量（ET0）是通過氣象因子對作物需水量的估算，計算普遍采用聯合國糧農組織（FAO）推薦采用的Penman-Monteith公式，該方法以能量平衡和水汽擴散理論為基礎，全面考慮大氣因素和作物生理因素的影響[2-3]。通徑分析是一種通過自變量與因變量的相關分解來反映變量間相對作用的方法[4-5]，由數量遺傳學家Sewall Wright在1921年創立，該方法較好地彌補了回歸分析的不足，已廣泛推廣到農業、醫學、人文、經濟等各領域的研究。

漳河灌區作為湖北省最重要的商品糧基地之一，提高該地區水分生產率對其實現“真實”節水[6]有著重要意義。筆者選取漳河灌溉試驗站1974—2014年逐日氣象資料，分析變化趨勢，采用通徑分析法綜合分析各主控因子對ET0的影響，為灌區灌溉模式的調整以及節水形式的發展提供指導依據。

1 資料與方法

該研究氣象數據由湖北省灌溉試驗中心站（漳河灌區團林灌溉試驗站）提供，包括站點海拔高度、經緯度、1974—2014年共41年的歷年逐日氣象資料，分別為平均氣溫（T），最高氣溫（Tmax）、最低氣溫（Tmin）、平均相對濕度（RH）、平均風速（u）、日照時數（n）等。采用1998年FAO-56計算指南推薦的Penman-Monteith公式計算逐日ET0，公式如下：

ET0= 0.408Δ（Rn-G）+γ 900 273T u2（ea-ed） Δ+γ（1+0.34u2） （1）

式中，ET0為參考作物蒸發蒸騰量（mm/d）；Rn為參考作物表面冠層接受的凈輻射（MJ/m2 ·d）；G為土壤熱通量密度（MJ/m2 ·d）；T為2 m高處日平均氣溫（℃）；u2為2 m高處風速（m/s）；ea、ed分別為飽和水汽壓和實際水汽壓（kPa）；Δ為溫度-飽和水汽壓關系曲線上在T處的切線斜率（kPa/℃）；γ為溫度計常數（kPa/℃）[7-8]。

選取多年日平均氣溫（T）、日平均相對濕度（RH）、平均日照時數（n）和日平均風速（u）4個氣象因素作為主控因子，利用Excel軟件對氣象數據進行篩分整理，計算ET0，分析ET0及各主控因子的變化規律。通過SPSS 24.0軟件計算通徑系數、相關系數以及顯著性檢驗等信息，識別ET0的主控影響因子，分析各因子對ET0的作用效果。

2 結果與分析

2.1 ET0和各主控因子時間序列變化趨勢

由Penman-Monteith公式計算出該站點歷年日值ET0，ET0和各主控因子在1974—2014年的多年日平均值變化趨勢如圖1所示。

由圖1分析可知，漳河灌區ET0多年日均值為2.32 mm/d ，傾向率為-0.003 5 mm/（d·a），呈不顯著下降趨勢。多年日平均氣溫均值為16.26 ℃，傾向率為0.029 3 ℃/a，呈顯著性上升趨勢。多年日相對濕度均值為78.467%，傾向率為0144 4%/a，呈顯著性上升趨勢。多年日照時數均值為3.906 h/d，傾向率為-0.004 6 h/a，呈不顯著性下降趨勢。多年風速日均值為2.139 m/s，傾向率為-0.059 1 m/（s·a），呈顯著性下降趨勢。

2.2 各主控因子對ET0的通徑分析

2.2.1 對ET0的正態性檢驗。ET0正態性檢驗輸出結果如下：柯爾莫戈洛夫-斯米諾夫（里利氏顯著性修正）（K-S）的顯著性為0.200*（*為真顯著性下限）；夏皮洛-威爾克（S-W）檢驗的顯著性為0.389。此次檢驗中n=41，根據SAS規定，n≤2 000時以S-W檢驗為準，可知其顯著性為0.389（Sig.>0.05），該樣本服從正態分布，可進行回歸分析。

2.2.2 各主控因子與ET0相關性分析。采用“強制進入法”建立回歸方程，利用SPSS 24.0軟件計算得到該灌區4個主控因子對ET0的相關系數和通徑系數如圖2 所示。

圖2 各主控因子與ET0的相關分析

Fig.2 Correlation analysis of the main control factors and ET0

從圖2可以看出，在各主控因子中，n和u的相關性最高為0.332。其次為u與T和RH，均為-0.307。從各主控因子與ET0相關性來看，n與ET0的相關性最高，達到0.850，RH與ET0的相關性次之，T與ET0的相關性最小。回歸方程多元決定系數R2為0.843，表明主控因子變異中84.3%可由回歸部分解釋，誤差項為15.7%，得到誤差項e對ET0的剩余通徑系數bey為0.365，在所有與ET0的相關性中排第三，該值較大，說明仍有影響因素未考慮到。

由正態性檢驗輸出結果及回歸分析結果，得出各主控因子與ET0間線性回歸方程：

ET0=1.561+0.068T-0.016RH+0.218n+0.033u。

顯著性結果表明，各主控因子的偏回歸系數的整體顯著性較好，該通徑分析具有一定的統計學意義，ET0和各主控因子的回歸關系可用該方程表示。

2.2.3 各主控因子與ET0通徑效果分析。根據通徑分析原理[9-10]及回歸分析[11]結果，計算各主控因子對ET0的直接作用和間接作用，結果見表1。

由表1分析得，4個主控因子對ET0的直接效果中，n的直接作用最大，RH和T次之，u的直接作用效果最小。通過分析各間接通徑系數發現，u通過n對ET0的間接作用最大，其間接通徑效果為0.219，T、RH、n通過u對ET0的間接作用均較小，對ET0影響的總間接效果大小排序為u>n>RH>T。通徑分析結果顯示，日照時數n的通徑系數最大，是主要影響因子。

2.2.4 各主控因子對ET0影響的決策分析。該研究的決策分析通過各主控因子的決定系數和對R2的貢獻程度反映，結果見表2。

表2 各主控因子決定系數和對回歸方程R2的貢獻

Table 2 The determination coefficient of each master factor and its contribution to the regression equation R2

變量Variable

決定系數Coefficient of determination T RH n u 對R2貢獻Contribution to R2

T 0.069 -0.033 0.084 -0.025 0.082

RH 0.094 0.101 0.029 0.142

n 0.434 0.067 0.560

u 0.023 0.059

從表2可以看出，n對ET0的決定系數為0.434，是所有決定系數中最大值，且n對回歸方程R2的貢獻率為0.560，也是主控因子R2對貢獻之中最大的一項，說明n對ET0的影響最大，其影響作用甚至超過了其他3個主控因子影響作用總和。決定系數和對R2貢獻排序均為n>RH>T>u，u的決定系數和對R2貢獻始終為最小值，說明該主控因子對ET0的影響最小。

2.2.5 回歸模型對比分析。以上通徑分析均是建立在“強制進入法”建立回歸方程基礎上實現的，該模型保留了所有輸入變量。但在通徑分析過程中發現，u對ET0的直接效果以及其決定系數和對R2貢獻均為4項主控因子最小項，且雖顯著性結果表明各主控因子的偏回歸系數的整體顯著性較好，但u的偏回歸系數顯著性大于0.05，顯著性不明顯，以此推斷是否應該剔除平均風速u，以建立最優回歸方程。于是，采用“逐步進入法”建立最優回歸模型，得到各主控因子與ET0間最優線性回歸方程為ET0=1.877+0.053T-0017RH+0.237n。

SPSS 24.0軟件自動剔除項為平均風速u，此時顯著性結果表明剩余3項主控因子的偏回歸系數的顯著性均小于005，顯著性明顯。最優回歸方程多元決定系數R2=0.827，表明主控因子變異中82.7%可由回歸部分解釋，誤差項為173%，得到誤差項e對ET0的剩余通徑系數bey=0.416，對比原回歸方程，誤差進一步擴大，未考慮的影響因素增多，雖回歸模型更優，但對影響ET0的分析完整度卻下降，且不能反映u通過其他3項主控因子對ET0的較大間接作用。故在該次研究中，采用“強制進入法”建立回歸方程并進行通徑分析能更全面地反映各主控因子與對ET0的影響效果。

3 結語

該研究選取漳河灌區1974—2014年逐日氣象數據，通過Excel軟件和SPSS24.0軟件對數據進行整理計算，研究了該地區ET0及4項主控因子的多年變化趨勢，并對各主控因子與ET0進行通徑分析，得到如下結論：

（1）平均氣溫T和相對濕度RH上升趨勢顯著，日照時數n和ET0均呈不顯著下降趨勢，平均風速u呈顯著性下降趨勢。

（2）n、RH、u、T與ET0的相關性依次降低。平均風速u與其他3項主控因子的相關性均較好，平均氣溫T與相對濕度RH的相關性最弱。日照時數n對ET0的直接效果最強，平均風速u主要通過對其他3項主控因子的間接效果影響ET0。日照時數n的決定系數和對回歸方程R2的貢獻均為各主控因子中最大，且遠大于其他3項之和，故日照時數n是影響ET0的決策變量。

參考文獻

[1] 許迪，劉鈺，楊大文，等.海河流域水循環演變機理與水資源高效利用叢書：蒸散發尺度效應與時空尺度拓展[M].北京：科學出版社，2015：1-11.

[2] 何軍，崔遠來，李遠祥.氣象資料缺測條件下武漢地區計算ET0方法適用性分析[J].中國農村水利水電，2009（10）：68-71，75.

[3] 張瑞美，彭世彰.參考作物蒸發蒸騰量的氣象因子響應模型[J].節水灌溉，2007（2）：1-3，6.

[4] 宋小園，朱仲元，劉艷偉，等.通徑分析在SPSS逐步線性回歸中的實現[J].干旱區研究，2016，33（1）：108-113.

[5] 趙璐，梁川，崔寧博，等.川中丘陵區參考作物蒸發蒸騰量近60年變化成因研究[J].水利學報，2013，44（2）：183-190.

[6] 劉彬.基于蒸騰蒸發量的區域真實節水研究[J].水利水電技術，2014，45（8）：1-4，10.

[7] 何軍，陳鵬，馮睿，等.三峽工程建成前后宜昌市氣候變化研究[J].中國農村水利水電，2016（6）：26-28，33.

[8] 張淮，孫君艷.通徑分析新探索[J].河北農業科學，2008，12（4）：1-3，11.

[9] 杜鵑.通徑分析在Excel和SPSS中的實現[J].陜西氣象，2012（1）：15-18.

[10] 邵光成，俞雙恩，劉娜，等.通徑分析在冬小麥受漬脅迫診斷指標敏感性分析中的應用[J].應用基礎與工程科學學報，2011，19（4）：527-534.

[11] 杜家菊，陳志偉.使用SPSS線性回歸實現通徑分析的方法[J].生物學通報，2010，45（2）：4-6.