夏季持續高溫天氣對低丘紅壤區稻田蒸散的影響

趙夢凡 景元書

摘要：高溫天氣隨氣候變暖趨勢逐漸頻發，研究高溫天氣背景下的稻田蒸散對分析區域水分平衡和季節性高溫干旱防治有重大意義。2016年8月11—26日形成夏季持續高溫天氣（日最高溫度≥35 ℃），期間稻田蒸散相較2014年、2015年同期的波動趨勢與熱力因子變化明顯不同，并且隨著持續高溫的累積，稻田日蒸散變化由最初明顯的“雙峰”曲線變為典型的“單峰”曲線。主成分分析與相關性分析研究氣象因子與稻田蒸散的關系，結果顯示：凈輻射、相對濕度對稻田蒸散的作用不受持續高溫脅迫影響;當水稻田受到夏季持續高溫脅迫影響時，稻田蒸散受熱力因子影響減小，受降水、風速因子影響增加;當水稻田未受到夏季持續高溫脅迫影響時，稻田蒸散主要受到凈輻射、熱力因子影響。

關鍵詞：稻田蒸散;高溫;氣象因子;主成分分析

中圖分類號： S161.4 ?文獻標志碼： A ?文章編號：1002-1302（2019）02-0287-05

政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）第5次評估報告指出[1-2]：20世紀中葉以來，全球極端天氣事件的強度和頻率發生明顯變化，極端暖事件增多，極端冷事件減少，高溫天氣發生頻率更高，持續時間更長。與全球一致，1961年以來，我國區域性高溫、氣象干旱和強降水事件增多，低溫事件明顯減少。報告還指出，預計2016—2035年全球地表平均溫度將上升0.3～0.7 ℃，隨著全球平均溫度上升，極端暖事件將進一步增多。高溫天氣頻發對水資源、生態環境等影響重大，但對于不同地區影響程度各有不同[3-7]。

稻田蒸散（evapotranspiration，ET）是地表熱量平衡及水量平衡的重要組成部分，由土壤蒸發和作物蒸騰共同組成，與水稻作物生理生態過程、土壤水分狀況和氣候因素密切相關，ET分析對農田灌溉管理、作物產量模擬、提升作物水分利用率、農業節水研究等意義重大[8-9]。在全球極端高溫天氣頻發的背景下，不同區域ET特征的研究一直是眾多學科研究的焦點[10-14]，但關于紅壤地區ET對高溫天氣響應的研究較少，研究多數集中在高溫天氣對作物產量的影響[15-17]。試驗區土壤母質為第四紀紅黏土與紅砂巖，是典型的紅壤土質，且多為坡地，極易發生水土流失，因此研究持續高溫天氣背景下的稻田ET，對分析低丘紅壤區域土壤水分平衡和季節性高溫干旱防治有重大意義。

本試驗以江西省鷹潭市余江縣孫家小流域的典型低丘紅壤區稻田為研究對象，試驗時間為2014—2016年的8月，試驗研究資料為2014—2016年8月11—26日完整的晚稻ET數據及相應時段氣象數據（日平均相對濕度RH、日平均氣溫T、日最高氣溫Tmax、日最低氣溫Tmin、凈輻射Rn、日降水量P、日平均風速u）。對比分析不同高溫天氣背景下稻田ET的差異，同時通過主成分分析研究不同氣象因子與稻田ET的關系，了解低丘紅壤區稻田ET對高溫天氣的響應，同時也對科學管理田塊和小流域水資源、提高水稻應對持續高溫干旱天氣的水分管理措施、改善紅壤地區農業生態環境具有一定意義。

1 研究地區與方法

1.1 研究地區自然概況

研究地點選擇具有代表性的江西省鷹潭市余江縣劉家站墾殖農場三分場孫家小流域（28°15′N，116°55′E），該地區屬亞熱帶濕潤季風氣候，年平均太陽能輻射總量為 4 541.7 MJ/m2，年光合有效福射量222.3 MJ/m2。年平均氣溫為17.6 ℃，其中1月平均氣溫5.2 ℃，7月平均氣溫 29.3 ℃。年平均降水量1 788.8 mm，但季節分布不均，雨季大多集中在每年的4—6月，約占全年降水的50%。多年平均蒸發量為700～800 mm，夏秋季節高溫少雨，7—9月蒸發量接近全年的50%，高溫少雨、蒸發量大于降水量、雨熱不同期常造成夏秋伏旱。平均年日照時數1 739.4 h，無霜期258 d。

試驗地區由耕地、林地、水田、果園、建設用地復合構成，土壤多為第四紀紅黏土與紅砂巖發育的普通紅壤，蓄水能力較低，易發生水土流失。小流域按照排水界線確定，面積 46 hm2，海拔在41～55 m之間，坡度小于8°，為一完整的小流域。

1.2 觀測內容與數據處理

1.2.1 ET數據 稻田ET具體數值使用波文比儀觀測數據。波文比儀安裝在稻田中間，采集高度差為1.5 m的空氣溫、濕度，凈輻射值通過NR-Lite凈輻射傳感器（Kipp & Zonen，NED）測得，土壤熱通量值通過埋深5 cm的土壤熱通量板（Hukseflux，HFP01，荷蘭）采集。輸出數據頻率為20 min/次，為了與氣象數據序列一致，進行插補形成完整的30 min數據。在無風或風速較低條件下，環境中的溫、濕梯度不易受水平氣流影響，觀測得到的波文比值基本能反映環境波文比特征，測算的蒸散量較為準確，能夠代表環境實際蒸散量。

1.2.2 氣象數據 自動氣象站（HOBO U30，ONSET，USA）架設在混合農田中間，觀測逐日氣象資料，包括空氣溫度、相對濕度、2 m高度風速、降水量、氣壓等數據。輸出數據頻率為30 min/次。

氣象數據處理：剔除強降水數據，并對異常、缺失數據采用插值法進行補全。

1.3 研究方法

主成分分析（principal component analysis，PCA）最早由Pearson于1901年提出，是一種把多個彼此之間存在著一定相關性的變量，通過降維過程分為少數幾個綜合指標的一種統計分析方法，具體體現在從眾多可觀測的變量中抽取少數或幾個潛在的綜合因子，并使這些綜合因子能盡可能地反映原來變量的信息量，而且彼此之間互不相關，從而揭示原事物的本質，有效地實現降維達到簡化數據的目的[21-24]。具體計算過程見文獻[25-27]。

本研究通過Microsoft Excel 2010和SPSS 21.0統計軟件，采用主成分分析和相關分析對氣象因子與稻田ET進行統計分析和相關性檢驗。

2 結果與討論

2.1 2016年夏季高溫天氣特征分析

2.1.1 2016年夏季持續高溫天氣特征分析 國內外常用水稻高溫指標有[28]：高溫日數（HSD），即連續3 d日最高氣溫到達或超過35 ℃的累積天數;高溫持續日數（CHD），即一次高溫事件中，日最高氣溫超過35 ℃時持續的日數。由圖1可知，余江縣孫家小流域2011—2016年8月，HSD、CHD最高值均出現在2016年，其中2011—2015年平均HSD為11 d，平均CHD為8.2 d，2016年HSD為21 d，CHD為16 d（2016年8月11—26日），增長明顯。2016年夏季持續高溫天氣正好處于晚稻拔節孕穗末期和抽穗開花初期，這段時間正是水稻對溫度最為敏感的時期，此時形成持續高溫天氣，且期間日平均氣溫和日最高氣溫均創歷史同期新高，對晚稻之后的生長發育及產量品質均產生不利影響。

由圖2可知，2016年8月11—26日持續高溫，Tmax波動不明顯，最高值與最低值之間僅相差2.53 ℃，日均Tmax為 36.36 ℃，總體呈現出略微上升的趨勢。2014年、2015年同期Tmax波動均較為明顯，其中2015年Tmax沒有表現出明顯上升或下降的趨勢，日均Tmax為32.83 ℃，而2014年則表現出明顯的上升趨勢，日均Tmax為29.73 ℃;2014年8月11—26日的Tmax全部小于35 ℃，2015年同期Tmax僅有3 d大于 35 ℃，其余均小于35 ℃，而2016年同期Tmax則全部大于 35 ℃，2014—2016年Tmax的變化也從一定程度上表現了氣候變暖的趨勢。

2.1.2 2016年夏季持續高溫天氣氣象數據特征分析 2016年8月11—26日Rn、T、Tmax、Tmin與2014年、2015年同期相比，均表現為正增長，增長率從高到低排序依次為Rn、T、Tmax、Tmin，其中Rn增長率最高，達到65.59%，Tmin增長率最低，為15.35%。RH、P、u均表現為負增長，其中P降幅最大，達 99.30%，u次之，為67.74%，RH降幅最小，為21.93%（表1）。定義Rn為輻射因子，T、Tmax、Tmin為熱力因子，RH、P為水分因子，u為動力因子，即2016年受夏季持續高溫天氣影響，輻射因子、熱力因子表現為正增長趨勢，水分因子、動力因子表現為負增長趨勢，這一變化趨勢與長江中下游地區總體趨于一致[29]。

2.2 夏季高溫天氣影響下的稻田ET對比分析

2.2.1 2014—2016年夏季高溫天氣影響下的稻田日尺度ET對比分析 由圖3可知，2014年受夏季高溫天氣影響，稻田ET呈現上升趨勢，其擬合方程系數為0.20，同一時期Tmax擬合方程系數為0.50，兩者均為正值，且ET上升趨勢小于Tmax。ET波動較為顯著，極差為7.06 mm/d;2015年夏季氣溫波動顯著，稻田ET與之相似也表現出明顯的波動，ET極差為4.53 mm/d，且兩者擬合方程系數均為-0.01，無明顯上升或下降趨勢。從圖4可以看出，2016年夏季受持續高溫天氣影響，ET首先在8月11—17日呈現微弱的上升趨勢，此時段擬合方程系數為0.05，與2016年夏季持續高溫全時段Tmax擬合方程系數（0.06）接近。之后在8月18—26日ET呈現下降趨勢，擬合方程系數為-0.14，與整個持續高溫天氣下的ET擬合系數接近（-0.17）。表明受超過35 ℃的持續高溫天氣影響，ET首先表現為與Tmax相近的趨勢，但在高溫持續一段時間后，ET表現出下降的趨勢。這一結果表明隨著高溫脅迫天數的逐漸增加，作物光合速率逐漸降低，因光合與蒸散密切相關，進而導致稻田ET逐漸降低。

2016年受夏季持續高溫影響（日最高氣溫均存在Tmax≥35 ℃），8月11—18日，稻田ET均大于2014年、2015年同期，隨著高溫的持續，之后的ET逐漸呈現下降的趨勢。與氣溫變化特征相似，2015年同期ET基本均低于2016年，2014年同期則表現為前期ET低于2016年（8月11—19日），后期基本高于2016年（8月20—26日）;2014年與2015年同期稻田ET相比，基本與氣溫變化相近，但由于2015年8月20—26日受到低風速高濕度影響，與2014年同期ET差異較溫度差異更大。

2.2.2 2016年夏季持續高溫天氣影響下的稻田ET日變化對比分析 為了解夏季持續高溫天氣下稻田ET日變化特征，選擇時間間隔相同的8月12、18、24日稻田ET日變化數據進行分析。從圖5可以看出，12、18日稻田日ET變化曲線相似，00：00—6：00、18：00—24：00 ET均為負值或趨近于0，07：00—17：00 ET均為正值，并且2日ET均呈現明顯的雙峰曲線，正午過后稻田ET表現出明顯的減少趨勢，之后又有所增加。造成這一結果的原因可能是由于水稻的“午休”現象，即水稻的氣孔導度通常隨氣溫升高而增大，達到最高值之后，在正午時刻由于高溫導致水稻內部水分傳輸出現斷層進而引起葉片水分虧缺、氣孔閉合，最終使得稻田ET開始減小[30];經過13 d超過35 ℃的持續高溫脅迫后，24日的稻田ET呈現單峰曲線，00：00—06：00、18：00—24：00的稻田ET與12、18日同一時刻相近且均為負值，07：00—17：00稻田ET均為正值，正午前后稻田ET明顯低于12、18日。稻田是水田，因此這一現象可能是由于持續高溫脅迫對水稻生理造成破壞而引起的，高溫脅迫降低水稻根系活力、減緩葉片光合速率，最終導致水稻生理受損進而降低ET[31]。

2.3 夏季高溫天氣背景下氣象因子對稻田ET的影響

2.3.1 2014—2016年夏季高溫天氣背景下氣象因子與稻田ET的主成分分析 影響稻田ET的氣象因子眾多，并且不同的氣象因子之間也相互影響，將影響稻田ET的氣象因子，包括RH（日平均相對濕度）、T（日平均氣溫）、Tmax（日最高氣溫）、Tmin（日最低氣溫）、Rn（凈輻射）、P（日降水量）、u（日平均風速），通過SPSS軟件進行主成分分析。為了更清楚地解釋各個主成分組成因子對稻田ET的影響，對載荷矩陣進行方差最大化旋轉。

通過主成分分析對2014年夏季高溫天氣背景下的稻田ET與氣象因子進行研究，由于前2個主成分的特征值占總方差的百分比達83.45%，因此氣象影響因子分為2種。從表2可以看出，第1主成分在Rn、Tmax、T、RH、Tmin、P上有較大載荷，且載荷值依次降低;u在第2主成分上載荷較大。

2015年同期主成分分析表明前2個主成分的特征值占總方差的百分比為70.08%，因此選用前2個主成分代表稻田ET影響因子。從表3可以看出，第1主成分在Rn、Tmax、RH、Tmin、T上有較大載荷，且載荷值依次降低;P、u在第2主成分上載荷較大。

對2016年夏季持續高溫天氣時段稻田ET與氣象因子進行主成分分析，發現前3個主成分的特征值占總方差的百分比為84.00%，即前3個主成分已經對7個氣象因子所涵蓋的信息進行了概括，因此選用前3個主成分代替原有稻田ET影響因子。表4是旋轉后的主成分載荷矩陣，可以看出第1主成分在RH、Rn上有較大載荷，且載荷值依次降低;P、u在第2主成分上載荷較大;T、Tmax、Tmin在第3主成分上載荷較大。

2.3.2 2014—2016年夏季高溫天氣背景下氣象因子與稻田ET的相關性分析 通過對變量進行相關檢驗，能更好地反映稻田ET與氣象因子的相關關系。在夏季高溫天氣條件下，2014年Rn、T、Tmax、Tmin與稻田ET均為正相關，相關系數全部在0.6以上且均在0.01水平上顯著相關。ET與RH、P有顯著負相關關系，與u相關關系不顯著。2015年研究時段稻田ET與Rn、Tmax、T均在0.01水平上顯著相關，Tmin與ET在 0.05 水平上顯著相關，且均為正相關關系。稻田ET與RH表現出顯著的負相關關系，但與P、u相關關系不顯著;2014年、2015年夏季高溫天氣背景下，輻射因子、熱力因子、水分因子（其中RH影響較大，P影響較?。┦怯绊懙咎顴T的主要影響因子，動力因子基本無影響。這一結果與張雪松等的研究結果[32]一致，即Rn對稻田ET影響最大，u與ET無明顯相關關系。2016年同期稻田ET與Rn為正相關，與RH、P、u為負相關，其中ET與Rn、RH在0.01水平上顯著相關，與P、u在 0.05 水平上顯著相關。即2016年夏季持續高溫脅迫下，輻射因子和水分因子是影響ET的主要影響因子，動力因子次之，熱力因子影響較低（表5）。

對比2014—2016年夏季同一時段稻田ET與氣象因子的相關關系，發現ET與Rn、RH的相關關系不受持續高溫天氣影響，始終在0.01水平上顯著相關，且正負相關關系一致。當受到夏季持續高溫脅迫影響時，稻田ET受熱力因子影響減小，受P、u影響增加。在持續高溫脅迫條件下，風速對稻田ET影響作用加強，風速增加/減小使得稻田小環境內的對流加劇/減弱，最終引起稻田ET的增加/減少，根據這一結論可以考慮減小水稻種植密度，增加行間距離，加強水稻內部空氣對流，促進稻田ET。熱力因子影響降低的原因可能是由于稻田受到夏季持續高溫天氣的影響，使得水稻在高溫天氣開始階段蒸散作用旺盛，但隨著高溫的持續，水稻根部來不及吸水，引起葉片缺水從而導致氣孔關閉，最終使得光合作用受到抑制，水稻蒸騰作用受阻，導致稻田ET總體上呈減弱趨勢。

3 結論

本研究選取低丘紅壤區稻田為研究對象，通過對2014—2016年8月11—26日完整的晚稻ET數據及相應時段氣象數據進行分析，研究不同高溫天氣背景下稻田ET的差異，同時通過主成分分析研究不同氣象因子與稻田ET的關系。結論如下：（1）2016年夏季持續高溫天氣顯著，CHD達16 d，Rn、T、Tmax、Tmin相較2014年、2015年同期均呈現一定程度上的正增長，RH、P、u則表現為一定程度上的負增長。（2）2016年受夏季持續高溫脅迫影響，稻田ET首先隨氣溫同步小幅增加，之后變化又與氣溫不同，呈現穩步大幅下降趨勢。2014年、2015年同期未受持續高溫脅迫影響，稻田ET變化與氣溫變化特征相似。（3）進一步研究2016年受夏季高溫脅迫條件下的稻田日蒸散變化，發現受脅迫初期稻田日ET變化曲線相似，均呈現明顯的雙峰曲線，凌晨至正午表現出上升趨勢，正午過后稻田ET表現出明顯的減少趨勢，之后又有所增加。在經過13 d超過35 ℃的持續高溫脅迫后，稻田日蒸散則表現為單峰曲線，正午達到峰值，日出前日落后稻田ET小于0。（4）通過對2014—2016年研究時段的稻田ET與7個氣象因子進行主成分分析和相關檢驗，發現Rn、RH對稻田ET的作用不受持續高溫脅迫影響，Rn與ET呈正相關，RH與ET呈負相關。2014年、2015年未受到夏季持續高溫脅迫影響時，稻田ET主要受到輻射因子、熱力因子影響，當受到夏季持續高溫脅迫影響時，稻田ET受熱力因子影響減小，受P、u影響增加。

參考文獻：

[1]Church J，Clark P，Cazenave A，et al. Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate Change[J]. Climate Change，2013：1138-1191.

[2]秦大河. 氣候變化科學與人類可持續發展[J]. 地理科學進展，2014，33（7）：874-883.

[3]Goyal R K. Sensitivity of evapotranspiration to global warming：a case study of arid zone of Rajasthan （India）[J]. Agricultural Water Management，2004，69（1）：1-11.

[4]邱新法，劉昌明，曾 燕. 黃河流域近40年蒸發皿蒸發量的氣候變化特征[J]. 自然資源學報，2003，18（4）：437-442.

[5]榮艷淑，張行南，姜海燕，等. 長江上游區域蒸發皿蒸發量變化及其對水分循環的影響[J]. 地球物理學報，2012，55（9）：2889-2897.

[6]羅伯良，李易芝. 2013年夏季湖南嚴重高溫干旱及其大氣環流異常[J]. 干旱氣象，2014，32（4）：593-598.

[7]王國華，趙文智，劉 冰，等. 河西走廊荒漠-綠洲蒸散對夏季高溫天氣響應的初步研究[J]. 干旱區研究，2013，30（1）：173-181.

[8]劉 渡，李 俊，于 強，等. 渦度相關觀測的能量閉合狀況及其對農田蒸散測定的影響[J]. 生態學報，2012，32（17）：5309-5317.

[9]李鴻雁，薛麗君，王世界，等. 基于水熱耦合平衡理論的嫩江流域蒸散發估算[J]. 華北水利水電大學學報（自然科學版），2016，37（4）：47-53.

[10]王建兵，王素萍，汪治桂. 1971—2010年若爾蓋濕地潛在蒸散量及地表濕潤度的變化趨勢[J]. 地理科學，2015，35（2）：245-250.

[11]呂曉蓉，王學雷. 湖北省潛在蒸散量的時空變化及其影響因子分析[J]. 華中師范大學學報（自然科學版），2016，50（5）：764-769.

[12]王曉燕，陳洪松，王克林. 紅壤坡地不同土地利用方式土壤蒸發和植被蒸騰規律研究[J]. 農業工程學報，2007，23（12）：41-45.

[13]張曉艷，褚建民，孟 平，等. 環境因子對民勤綠洲荒漠過渡帶梭梭人工林蒸散的影響[J]. 應用生態學報，2016，27（8）：2390-2400.

[14]賈秋洪，景元書，景梽淏. 典型小流域氣候變化及其對潛在蒸散量的影響[J]. 中國農村水利水電，2016（1）：1-7.

[15]陳 昆，黃淑娥，景元書. 江西省早稻高溫逼熟規律及其對產量的影響[J]. 江蘇農業科學，2016，44（6）：143-148.

[16]趙 鴻，王潤元，尚 艷，等. 糧食作物對高溫干旱脅迫的響應及其閾值研究進展與展望[J]. 干旱氣象，2016，34（1）：1-12.

[17]王 品，魏 星，張 朝，等. 氣候變暖背景下水稻低溫冷害和高溫熱害的研究進展[J]. 資源科學，2014，36（11）：2316-2326.

[18]Bowen I S. The ratio of heat losses by conduction and by evaporation from any water surface[J]. Physical Review，1926，27（6）：779-787.

[19]吳家兵，關德新，張 彌，等. 渦動相關法與波文比-能量平衡法測算森林蒸散的比較研究[J]. 生態學雜志，2005，24（10）：1245-1249.

[20]Perez P J，Castellvi F，Ibanez M，et al. Assessment of reliability of Bowen ratio method for partitioning fluxes[J]. Agricultural and Forest Meteorology，1999，97（3）：141-150.

[21]Pearson K. Principal components analysis[J]. The London，Edinburgh and Dublin Philosophical Magazine and Journal，1901，6（2）：566.

[22]唐啟義，馮明光. DPS數據處理系統[M]. 北京：科學出版社，2007.

[23]張 倩，蔡煥杰，魏新光，等. 基于主成分分析的參考作物騰發量預測研究[J]. 節水灌溉，2010（12）：64-66.

[24]王 鶯，王 靜，姚玉璧，等. 基于主成分分析的中國南方干旱脆弱性評價[J]. 生態環境學報，2014，23（12）：1897-1904.

[25]張文霖. 主成分分析在SPSS中的操作應用[J]. 市場研究，2005（12）：31-34.

[26]林海明，張文霖. 主成分分析與因子分析的異同和SPSS軟件——兼與劉玉玫、盧紋岱等同志商榷[J]. 統計研究，2005，22（3）：65-69.

[27]何 亮. 主成分分析在SPSS中的應用[J]. 山西農業大學學報，2007，6（增刊1）：20-22.

[28]熊 偉，馮靈芝，居 輝，等. 未來氣候變化背景下高溫熱害對中國水稻產量的可能影響分析[J]. 地球科學進展，2016，31（5）：515-528.

[29]劉 維，韓麗娟. 2016年夏季氣候對農業生產的影響[J]. 中國農業氣象，2016，37（5）：611-613.

[30]Turner N C. Measurement and influence of environmental and plant factors on stomatal conductance in the field[J]. Agricultural and forest Meteorology，1991，54（2/3/4）：137-154.

[31]吉喜斌，康爾泗，趙文智，等. 黑河流域山前綠洲灌溉農田蒸散發模擬研究[J]. 冰川凍土，2004，26（6）：713-719.

[32]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[J]. 中國農業氣象，2017，38（4）：201-210.