江蘇省參考作物蒸散量的時空變化及影響因素分析

王 蒙，劉春偉*，邱讓建，張 佩，張方敏

（1.南京信息工程大學 江蘇省農業氣象重點實驗室，南京 210044；2.南京信息工程大學 氣象災害預報預警與評估協同創新中心，南京 210044；3.南京信息工程大學 應用氣象學院，南京 210044; 4.江蘇省氣象局，南京 210044）

0 引 言

【研究意義】氣候變化加劇了生態系統能量和水分循環相互作用。蒸散又稱為作物需水量，是水分循環的重要組成部分，也是植物生長發育的基本條件。蒸散量的大小與氣象條件、植物本身密切相關。參考作物蒸散量（ET0）可表征大氣蒸散特性，是影響作物需水量的綜合氣象因子[1]。ET0的變化主要由氣溫、風速、相對濕度和太陽輻射決定。氣溫是利于蒸發的能量因素，氣溫對蒸散有著很大的影響，氣溫越高，太陽凈輻射可轉化為蒸散當量數值就越高[2]；風速是影響蒸散的重要因素之一，風速影響水汽和CO2的垂直和水平輸送，風速的湍流交換作用使得近地面空氣與上層空氣進行交換，影響植物蒸騰和棵間土壤蒸發[3-4]；相對濕度較大時，飽和水汽壓差較小，植物蒸騰量較少，反之，相對濕度較小的時候，植物蒸騰量大?？諝庵邢鄬穸葟募竟澴兓蟻砜?，夏季相對濕度變化較大[5]；太陽輻射是地表能量的來源，是影響蒸散的主要環境因子之一，也是蒸散過程的主要驅動力[6]。ET0是水循環的重要組成部分，因此在氣候變化的背景下研究ET0的時空變化及影響其變化的氣象因素對合理安排農業生產及優化水資源配置作用重大?！狙芯窟M展】敏感性分析可以分析各氣象因子對ET0的影響程度[7-8]。近年來，越來越多的國外研究學者通過敏感性分析研究ET0與氣象因子之間的關聯。Huime等[9]認為全球氣溫升高將導致ET0增加，但是多數研究結果與其相反，自19世紀以來的全球許多國家（包括中國、美國、印度、蘇聯等）的ET0均呈下降趨勢[10-16]，但是下降原因各異，Eslamian等[17]對伊朗的 5個不同氣候區域氣象因子進行敏感性分析，發現溫度與相對濕度是ET0變化的主要原因；Vicente等[18]通過敏感性分析發現，西班牙地區相對濕度、風速和最高溫度對ET0的影響大于日照時間和最低溫度，并且ET0變化趨勢主要是相對濕度的降低和最高溫度的升高。1950年以來，中國的年平均ET0存在減小的趨勢[19]，但在華北干旱地區，年均ET0呈增加的趨勢[20]。國內研究學者通過敏感性分析方法探究ET0對氣象因子的敏感性，相關研究表明，ET0整體呈下降趨勢，但是影響ET0變化的原因各異，高紅霞等[21]發現內蒙古興安盟地區的ET0對氣溫最敏感；Thomas等[10]發現黃土高原地區ET0受相對濕度影響最大?！厩腥朦c】江蘇省位于我國東部沿海地區，雨熱同季，水資源總量豐富。全省年平均溫度每10 a上升0.16~0.45 ℃，近年來極端天氣，如臺風、洪澇、高低溫對全省影響較大，氣候變化和極端天氣會影響水資源區域平衡，而江蘇不同地區受氣候變化影響不同，蘇南洪澇多，排水難度大，沿海地區土壤鹽漬化，淮北地區經常發生洪澇和干旱，降水減少或過度蒸發會造成水分收支嚴重不平衡[22]，嚴重影響農業生產?！緮M解決的關鍵問題】因此本文利用江蘇省60個站點 1961—2018年逐日觀測數據計算了ET0，分析江蘇省ET0時空變化特征，量化氣象因素對其影響，可以為加強水資源管理，提高農業應對氣候變化適應能力和抵御氣候災害能力提供參考。

1 材料與方法

1.1 研究區概況

江蘇地處中國大陸東部沿海地區中部，長江、淮河下游，東瀕黃海，北接山東，西連安徽，東南與上海、浙江接壤，是長江三角洲地區的重要組成部分。地跨東經 116°18′—121°57′，北緯 30°45′—35°20′。氣候溫和，屬于溫帶向亞熱帶的過渡性氣候。江蘇地區平均氣溫介于13~16 ℃，長江以南15~16 ℃，江淮流域14~15 ℃，淮北及沿海13~14 ℃，由東北向西南逐漸增高。研究區及站點分布如圖1所示。

圖1 江蘇省氣象站點分布及數字高程圖Fig.1 Distribution map of meteorological stations in Jiangsu

1.2 數據來源及處理

本文所用的氣象數據源于中國氣象數據網（http://data.cma.cn/），選取 1961—2018年逐日氣象數據（包括日最小溫度、日最大溫度、日平均溫度、相對濕度、日照時間、風速。將各氣象因子分別表示為Tmin、Tmax、T、RH、SSD、WS。采用氣象學標準，以3—5月為春季，6—8月為夏季，9—11月為春季，12—2月為冬季。

1.3 Penmen-Monteith（P-M）公式

Penmen-Monteith（P-M）公式[23]可以用來計算ET0。P-M模型是將作物植株下墊面看作統一的整體，主要適用于下墊面均一以及相對密集的作物[24]。該模型反映了作物水平衡過程的物理特性，具備很好的的物理基礎，計算簡單，具有很強的適用性[25-26]，ET0計算式為：

式中：ET0為參考作物蒸散發量（mm/d）；Rn為植被表面凈輻射量（MJ/（m2﹒d-1））；G為土壤熱通量（MJ/（m2﹒d-1））；Δ 為飽和水汽壓-溫度關系曲線的斜率（kPa/℃）；γ為濕度計常數（kPa/℃）；T為空氣平均溫度（℃）；U2為在地面以上2 m高處的風速（m/s）；es為空氣飽和水汽壓（kPa）；ea為空氣實際水汽壓（kPa）。

1.4 氣候傾向率

利用最小二乘法，計算各站點ET0的氣候傾向率，并利用克里金空間插值法插值，得到ET0氣候傾向率的空間分布。樣本Yi與時間的線性回歸系數a的計算式為：

式中：t為時間序列；b為經驗系數；氣候傾向率為a乘以10。

1.5 通徑分析

通徑分析是回歸分析的拓展，將相關系數分解為直接通徑系數和間接通徑系數，假設有n個隨機變量x1,x2,x3,…,xn和1個因變量y，兩因子之間相關系數為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的間接通徑系數為rij乘以Pjy,通過相關系數與間接通徑系數的計算又可以得到決策系數，它可以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[27]。本文中利用通徑分析來分析各氣象因子對ET0的直接及間接影響。

1.6 敏感系數

敏感系數由McCuen[28]首先提出，計算ET0對各氣象因子的偏導數，即ET0的相對變化量與單個氣象因子相對變化量之比計算。具體計算式為：

式中：vi代表氣象因子；Svi代表相應氣象因子的敏感系數，將氣象因子對ET0的變化無量綱化，分析結果較清晰，并得到廣泛的應用[7-21]。敏感系數為正代表氣象因子與ET0正相關，反之為負相關。絕對值的大小反映了氣象因子對ET0的影響程度，絕對值越大，氣象因子對ET0的影響就越大[29]。本文將各氣象因子敏感系數表示為ST、SSSD、SWS、SRH。

1.7 貢獻率

將敏感系數與該因子的多年相對變化率相乘即可得到氣象因子對ET0的貢獻率[30]：

式中：GXvi為氣象因子對ET0變化的貢獻率；RCvi是因子的多年相對變化率；RCET0是ET0多年相對變化率也即實際變化率；n是總年數；Trendvi為因子的逐年變化率；avi為因子的多年平均值。將溫度、日照時間、風速、相對濕度對ET0變化的貢獻率分別標記為GXT、GXSSD、GXWS、GXRH。總貢獻率=GXT+GXSSD+GXWS+GXRH。通過分析各因子對ET0的貢獻率，可量化各因子對ET0的影響。

2 結果與分析

2.1 ET0的時間變化特征

1961—2018年江蘇省年均ET0總體呈下降趨勢，且遞減率為-0.44 mm/10 a；如圖2所示，年代際變化上，ET0從20世紀60年代到80年代一直下降，90年代到21世紀初呈現上升趨勢，20世紀60年代距平值最大，說明這10 a為ET0最大的10 a。20世紀70年代、80年代、90年代為負距平，并且80年代負距平最大，說明80年代是ET0最小的10 a。由圖2可看出，累積距平值在1968年達到最大，之后逐漸減小，直到20世紀開始逐年上升，說明ET0在1968年前是增加的，并且高于 1958年的平均值，ET0在1968至20世紀90年代是減小的，且低于平均值，ET0從21世紀初開始增加，高于平均值。由表1可知，春季距平值最高在2000—2009年，最低值在20世紀90年代；夏季距平最高值在 60年代，最低值在 80年代；秋季距平最高值在60年代，最低值在80年代；冬季距平最高值在60年代，最低值在80年代。

圖2 ET0距平和累計距平曲線Fig.2 Anomaly and acumulative anomaly of annual ET0

表1 年度和季節ET0的年代際距平Table1 Decadal anomalies of annual and seasonal ET0

圖3所示，全年共有28個站點ET0呈增加趨勢（47%），主要分布在無錫以及蘇州等蘇南區域，共有11個站點ET0增加趨勢顯著（p<0.05），其中無錫、太倉、靖江地區ET0氣候傾向率較大，分別為 18.6、19.0、30.0 mm/10 a；共有32個站點ET0呈減小趨勢（53%），主要分布在連云港、徐州、宿遷等蘇北地區，共有16個站點ET0減小趨勢顯著（p<0.05），其中新沂、泗洪、灌南地區ET0減小趨勢較大，分別為-19.2、-23.1、-23.2 mm/10 a。季節尺度上，春季共有48個站點ET0呈現增加趨勢（80%），主要分布在淮河以南,顯著增加的站點有 34個，其中無錫、太倉、靖江氣候傾向率較高，分別為12.7、12.8、14.3 mm/10 a，共有12個站點ET0呈減小趨勢，且減小趨勢均不顯著；夏季僅有2個站點ET0呈現增加趨勢，分別為太倉、靖江，共有58個站點ET0呈減小趨勢，顯著減小的站點有23個，其中灌南、泗洪、睢寧氣候傾向率較高，分別為-12.5、-11.9、-11.3 mm/10 a；秋季共有 27個站點ET0呈現增加趨勢（45%），主要分布在淮河以南，顯著增加的站點有13個，其中金壇、丹陽、靖江氣候傾向率較高，分別為 4.4、4.7、6.5 mm/10 a，共有33個站點ET0呈現減小趨勢（55%），主要分布在淮河以北，顯著減小的站點有17個，其中泗洪、灌南、東海氣候傾向率較高，分別為-5.7、-5.3、-4.9 mm/10 a；冬季共有 21 個站點ET0呈現增加趨勢（35%），主要分布在東南沿海以及鎮江等地，顯著增加的站點有 6 個，其中南京、丹陽、靖江氣候傾向率較高，分別為 1.8、1.9、2.7 mm/10 a，有 39個站點ET0呈現減小趨勢（65%）主要分布在淮河以北以及蘇州部分地區，顯著減小的站點有 6 個，其中泗洪、灌云、東海氣候傾向率較高，分別為-2.9、-2.7、-2.7 mm/10 a。

圖3 年度和季節ET0氣候傾向率的空間分布Fig.3 Spatial distribution of annual and seasonal ET0 climate tendency rate

2.2 ET0的空間分布特征

江蘇地區多年平均ET0為976.8 mm。由圖4可知，淮北地區的年平均ET0較高，幾個明顯的高值區域分別在豐縣（1 007.4 mm）、徐州（1 041.1 mm）以及西連島（1 130.3 mm）區域，江淮地區年平均ET0較淮北地區小，平均為 964.2 mm；蘇中地區整體呈由西往東逐步遞減，蘇中東部沿海地區年平均ET0最小，平均為944.2 mm；蘇南有2個高值區，分別是高淳（1 010.3 mm）以及東山（1 023.6 mm）；總體呈現由南往蘇中地區遞減，再由蘇中地區往蘇北地區遞增的趨勢。

由圖5所知，春季淮北地區年ET0較大，站點平均為 301.6 mm，低值中心主要在南通市、蘇州的東部、溧陽以及宜興，站點平均為 242.6 mm，東部沿海呈現由北往南逐步遞減的趨勢；夏季ET0高值區與全年ET0相近，分布在徐州西北部、蘇州東山以及高淳，平均為 395.2 mm，低值中心主要分布在鹽城東部等沿海城市，平均為372.0 mm；秋季ET0高值區分布在連云港及贛榆地區，平均為 236.5 mm，低值中心主要在蘇州東山、南通東南、徐州、宿遷地區，平均為200.6 mm；冬季年ET0空間分布與秋季相近，高值區在連云港的東北，蘇州東山以及南通東南，平均為111.4 mm，江淮地區年ET0較低,平均為98.2 mm。全區ET0年內變化較明顯，春季ET0平均為273.1 mm，夏季為381.4 mm，秋季為206.8 mm，冬季為101.6 mm,春夏秋冬四季分別占比 28%、40%、21%、11%，其中夏季貢獻最大。

2.3 敏感性分析

2.3.1 敏感系數時間變化

圖6（a）—圖6（d）分別為溫度、日照時間、風速、相對濕度敏感系數的年變化圖。ST、SSSD、SWS均為正值，表明ET0隨平均溫度、風速以及日照時間的增加而增加，SRH為負值，表明ET0隨相對濕度的增加而減小。通過比較敏感系數絕對值大小，從圖6可以看出，ET0對相對濕度最敏感。從年變化上看，SRH和SWS的敏感性呈上升趨勢，ST、SSSD的敏感性呈下降趨勢，ST、SSSD、SWS、SRH敏感系數氣候傾向率分別為-0.001/10 a、-0.003/10 a、0.008/10 a、0.098/10 a，除ST以外，SSSD、SWS及SRH的趨勢變化均是顯著的（p<0.05）。其中相對濕度的敏感性絕對值較大，并且ET0對相對濕度的負敏感性在年變化上逐漸減弱。

圖6 氣象要素敏感系數年變化Fig.6 Sensitivity coefficient of meteorological elements from 1961 to 2018

采用通徑分析法進一步分析各氣象因子對ET0的影響（表2）。溫度對年ET0的直接通徑系數為0.66，相關系數僅有0.40，其原因是SSD及WS通過影響T對ET0起限制作用，且間接通徑系數分別為-0.25、-0.23；SSD相關系數（0.58）較大，且直接通徑系數（0.64）較大，而間接通徑系數（-0.06）較小，說明SSD對ET0的影響主要通過直接作用為主；WS的相關系數較?。?.17），且直接通徑系數較?。?.37），但是間接通徑系數總和較大，為-0.20，主要是由于T及SSD通過影響RH對ET0起限制作用，且間接通徑系數分別為-0.40、-0.23；RH與ET0的相關系數為-0.52，其絕對值較大，主要是由于直接通徑系數（-0.426）起主要作用。決策系數排序為SSD>RH>T>WS，說明SSD對ET0變化的綜合決定能力更大。結合敏感性分析，全區SSD的綜合決定能力較大，但是敏感系數較低，說明當SSD變化時，年均ET0的反應偏弱，并不能敏感感知SSD對ET0的影響，這可能與站點地理位置有關；RH綜合決策系數較大，敏感系數也較大，說明RH對ET0的變化影響較大，且年均ET0能夠敏感感知RH對ET0的影響。RH綜合決策系數較大，敏感系數也較大，說明RH對ET0的變化影響較大，且年均ET0能夠敏感感知RH對ET0的影響。

圖7 年尺度ET0變化影響因子通徑分析圖Fig.7 Path coefficients of factors on yearly ET0

表2 年尺度ET0變化影響因子的通徑分析Table 2 Path coefficients of factors on yearly ET0

2.3.2 敏感系數空間變化

圖8所示，ST緯向分布特征較為明顯，總體呈由南往北逐漸遞減的趨勢，ST的高值中心分布在呂泗、東山、西連島地區，分別為 0.41、0.42、0.43，整個淮北地區STmin都相對較小，平均為 0.35；SSSD的高值中心主要在贛榆、睢寧、豐縣以及鹽城部分地區，平均值為0.21，西連島、東山SSSD較小，分別為0.16、0.19，區域之間SSSD差異較小；SWS緯向分布特征也較明顯，總體呈現由南往北逐漸遞增的趨勢，連云港、徐州、西連島SWS較大，分別為 0.16、0.17、0.18，溧陽、呂泗、啟東SWS較小，分別為0.08、0.09、0.09；東部沿海SRH較大，絕對值平均1.31，西北地區SRH較小，絕對值平均為0.85。

圖8 敏感系數空間變化Fig.8 Spatial variation of sensitivity coefficient for each factor

2.4 影響因素分析

將敏感系數（Svi）與該因子的多年相對變化率（RCvi）相乘即可得到氣象因子對ET0的貢獻率（Convi），可以量化氣象因子對ET0的影響以及辨析ET0變化的影響因素。部分站點分析結果如表3所示。從圖3可以看出，沛縣、徐州、灌云等地ET0減少的原因主要歸因于風速的減小，呂泗、金壇、太倉等地ET0增加的原因主要歸因于相對濕度的減小。整個江蘇地區影響ET0的影響因素存在著空間差異，如圖9所示，主要影響因素為風速的有 22 個站點（37%），均分布在蘇北地區，其中沛縣、泗陽、新沂站的風速對ET0變化貢獻較大，分別為-13.44%、-12.52%、-12.49%，主要影響因素為相對濕度的有 38 個站點（63%），主要分布在蘇南地區，其中丹陽、靖江、昆山站的相對濕度對ET0變化貢獻較大，分別為18.47%、18.57%、20.87%，全區平均溫度和日照時間不對ET0變化產生主要影響。敏感系數與貢獻量并不一致，這是因為貢獻量是敏感系數與因子多年相對變化率的乘積，相對濕度的敏感系數為負，然而其多年相對變化率也為負，所以使得相對濕度對ET0的影響為正貢獻。

圖9 主要影響因素分布圖Fig.9 Distribution of main influencing factors

表3 部分站點氣象因子的貢獻率Table 3 Contribution rate of some site meteorological factors

3 討 論

江蘇屬于全國糧食生產區，目前氣候變化及極端天氣日趨嚴重，已經對江蘇地區的農業生產和水資源區域平衡產生了很大的影響，因此本文分析江蘇省ET0時空變化及其影響因素可以提高本地區農業生產用水的估算水平，增強農業生產應對氣候變化適應能力和抵御氣候災害能力。

敏感系數表示氣象因子與ET0之間的相關性，敏感系數為正，表示氣象因子與ET0為正相關，敏感系數為負，表示氣象因子與ET0為負相關，敏感系數絕對值大小代表氣象因子與ET0之間的相關程度，本研究發現江蘇地區相對濕度敏感系數為負，平均溫度、日照時間、風速敏感系數為正，與新鄉、海河流域、河北等地區相一致[31-34]。但是，不同地區ET0對各氣象因子的敏感程度并不完全一致，本文得到江蘇地區ET0對相對濕度最敏感，Zhao 等[35]研究發現黑龍江省ET0對相對濕度最敏感；王媛等[36]研究發現艾比湖綠洲ET0對相對濕度最敏感；羅那那等[37]研究發現石河子地區ET0對溫度最敏感。敏感系數正負與貢獻率正負并不一致，這是因為ET0不僅受氣候敏感性影響，還受氣候因子本身及變化程度的影響，本文年平均相對濕度敏感系數為-1.11，但是相對濕度年變化幅度為-0.009/10 a，故貢獻率為正。敏感性分析結合通徑分析結果顯示，全區SSD的綜合決定能力較大，但是敏感系數較低，說明當SSD變化時，年均ET0的反應偏弱，并不能敏感感知SSD對ET0的影響，這可能與站點地理位置有關。

不同地區ET0變化的主要影響因素不完全一致。本研究得到江蘇地區ET0變化的主要影響因素是風速和相對濕度，董旭光等[38]也發現山東省的ET0變化主要影響因素是風速和相對濕度，這可能由于山東和江蘇地形和地理位置較相似，因此氣象要素對ET0變化影響較接近；而吳文玉等[39]發現安徽省ET0變化的主導因素為日照時間和風速，這可能是由于安徽省海拔較高，故太陽輻射對ET0變化起著很大的作用，江蘇屬于沿海地區，風速和濕度更容易影響ET0；Gao等[40]發現風速是西遼河流域ET0變化的主導因素。一般情況下，年際尺度氣溫與蒸散之間為正相關關系[41]，江蘇地區日平均氣溫年變化為0.30℃/10 a，而ET0年變化為-0.44 mm/10 a，江蘇地區氣溫呈升高趨勢，而ET0是下降的，這是因為江蘇地區靠海，氣溫對ET0變化的貢獻并不大，ET0變化的主要影響因素是風速以及相對濕度。

ET0不僅受氣象因子變化的影響，還受地形，人類活動，下墊面等因素的影響，本文涉及的站點海拔均較低，地形對各站點影響較小，且人類活動及下墊面等因素對本地區ET0變化的研究還有待完善。此外，本研究僅從ET0理論公式探究了ET0變化的成因，并沒有結合實際蒸散量與ET0的對比進行分析，因此本文研究成果存在一定局限性。

4 結 論

1）江蘇地區多年平均ET0為976.8 mm，豐縣、徐州以及西連島區域為ET0的高值中心。全區ET0年內變化較明顯，春季ET0平均為273.1 mm，夏季為381.4 mm,秋季為206.8 mm,冬季為101.6 mm，春夏秋冬四季分別占比 28%、40%、21%、11%，夏季貢獻最大。

2）近 58年ET0呈下降趨勢，且遞減率為-0.44 mm/10 a。共有28個站點ET0呈增加趨勢，共有11個站點ET0增加趨勢顯著（p<0.05），其中無錫、太倉、靖江地區ET0氣候傾向率較大，分別為18.6、19.0、30.0 mm/10 a；共有32個站點ET0呈減小趨勢，共有16個站點ET0減小趨勢顯著（p<0.05），其中新沂、泗洪、灌南地區ET0減小趨勢較大，分別為-19.2、-23.1、-23.2 mm/10 a。

3）ET0對平均溫度、日照時間、風速為正敏感，對相對濕度為負敏感，且ET0對相對濕度最敏感；平均溫度、日照時間、風速、相對濕度與ET0相關系數分別為0.396、0.580、0.165、-0.516。敏感系數空間分布上，ST與SWS緯向分布特征都較明顯。

4）貢獻率分析表明，主要影響因素為風速的有22個站點，均分布在蘇北地區，其中沛縣、泗陽、新沂站的風速對ET0變化貢獻較大，分別為-13.44%、-12.52%、-12.49%，主要影響因素為相對濕度的有38個站點，主要分布在蘇南地區，其中丹陽、靖江、昆山站的相對濕度對ET0變化貢獻較大，分別為18.47%、18.57%、20.87%，全區平均溫度和日照時間不對ET0變化產生主要影響。江蘇地區ET0變化的主要影響因素是風速和相對濕度。