渭河流域潛在蒸散發(fā)時空演變與驅(qū)動力量化分析

郭雯雯，黃生志，趙 靜，李紫妍，黃 強，鄧銘江

（西安理工大學(xué)西北旱區(qū)生態(tài)水利國家重點實驗室，西安 710048）

0 引 言

潛在蒸散發(fā)（ET0）作為蒸散發(fā)的理論上限，是流域水文循環(huán)與能量循環(huán)的重要組成部分，與降水共同決定區(qū)域的干濕狀況[1-2]。研究表明，全球約60%的降水通過蒸散發(fā)形式返回大氣[3]，作為水文-生態(tài)的連接過程，水的蒸散研究對研究區(qū)域水量平衡和實現(xiàn)水資源高效利用與管理具有重要意義[4-6]。

ET0估算是作物需水預(yù)測的關(guān)鍵，通常使用模型方法[7-11]進行估算。Penman[7]將能量平衡理論和空氣動力學(xué)理論結(jié)合起來，首次提出了計算水面蒸發(fā)的Penman公式。Thornthwaite[8]隨后將“蒸發(fā)力”的概念引入ET0估算并給出了計算濕潤地區(qū)的經(jīng)驗公式。Hargreaves法[9]僅考慮氣溫和輻射數(shù)據(jù)來估算ET0，在極端干旱和半干旱區(qū)會低估ET0，而在濕潤區(qū)會高估。Priestley等[10]提出了假設(shè)下墊面足夠濕潤，忽略空氣動力學(xué)影響的簡化公式，公式中未考慮非飽和下墊面的ET0。以上方法對ET0估算具有參考意義，但由于只考慮溫度或輻射參數(shù)，使得這些方法在不同地貌類型和氣候區(qū)直接應(yīng)用時會出現(xiàn)高估或低估的情況[12-14]。而FAO-56 PM法是一種綜合方法，在能量平衡和空氣動力學(xué)理論的基礎(chǔ)上，引入表面阻抗概念，可直接應(yīng)用于不同自然區(qū)域環(huán)境，被認(rèn)為是估算ET0精度較高的標(biāo)準(zhǔn)方法[6,15]。

在全球氣候變化的背景下，ET0在時間序列和空間格局上都發(fā)生了較大變化[16-19]。因此，不少學(xué)者采用相關(guān)分析[20]、多元回歸分析[21]、敏感性分析[22-24]等方法為探討ET0對氣候變化的響應(yīng)奠定了基礎(chǔ)。以往的研究大多從定性的角度分析了氣象因子與ET0變化的相關(guān)性，也有學(xué)者應(yīng)用敏感性定量分析ET0對氣象因子變化的敏感性，但圍繞不同時間尺度量化氣象因子對ET0變化貢獻的研究較少，且不同地區(qū)的氣候特點不同，ET0時空特征及其主導(dǎo)因子均存在明顯的區(qū)域差異。近年來，由全球變暖引起的氣候變化和人類活動引起的下墊面變化，使得多時間尺度ET0的時空分布特征及其對氣候變化的響應(yīng)有所差異。因此，對ET0的時空演變及驅(qū)動力量化分析有待進一步研究。

渭河作為關(guān)中平原生產(chǎn)生活的重要水源，在西部發(fā)展中具有重要作用。目前，渭河流域ET0的相關(guān)研究多數(shù)是對站點進行ET0趨勢變化和敏感性分析，且研究時段較早。近年來，渭河流域氣候變化顯著，區(qū)域水文氣象情勢發(fā)生了很大變化[25]，ET0的驅(qū)動機理也可能發(fā)生變化。因此，考慮長序列和不同季節(jié)ET0對氣候變化的響應(yīng)十分必要。基于此，本文采用FAO-56 PM法計算渭河流域1960－2019年日ET0及敏感系數(shù)，將ET0對氣象因子的敏感性與氣象因子相對變化結(jié)合起來，用實際貢獻率反映其對ET0變化的影響程度，從而定量揭示引起年和季ET0變化的主導(dǎo)因子，為研究渭河流域水熱平衡，制定作物需水灌溉政策及優(yōu)化水資源配置提供參考依據(jù)。

1 材料與方法

1.1 研究區(qū)域

渭河是黃河最大的一級支流，發(fā)源于甘肅省鳥鼠山，流經(jīng)陜西、甘肅和寧夏三省，在陜西潼關(guān)流入黃河。流域地處104°00′～110°20′E，33°50′～37°18′N，干流全長約818 km，流域面積約13.48萬km2[25]（圖1）。研究區(qū)屬溫帶大陸性季風(fēng)氣候區(qū)，年平均氣溫為7.8～13.5 ℃，多年平均徑流量為74.9億m3，年降水量為500～800 mm，其中7－10月降水量達(dá)年降水總量的60%左右，受地形影響，降水在空間上從東南向西北遞減[25]。流域年水面蒸發(fā)量為700～1 000 mm，陸面蒸發(fā)量約為500 mm，是資源性缺水地區(qū)。

1.2 數(shù)據(jù)來源

本研究采用中國氣象數(shù)據(jù)共享網(wǎng)提供的渭河流域16個氣象站1960－2019年逐日平均氣壓、平均氣溫、相對濕度、平均風(fēng)速、日照時數(shù)等數(shù)據(jù)，缺測數(shù)據(jù)采用線性回歸法進行插補。在地理空間數(shù)據(jù)云上收集了空間分辨率為90 m的渭河流域數(shù)字高程模型（Digital Elevation Model，DEM）數(shù)據(jù)。本研究根據(jù)干支流分布，將渭河流域（圖1從左至右）分為干流、涇河和北洛河3個分區(qū)。季尺度（1960年3月－2020年2月）劃分標(biāo)準(zhǔn)為：春季為3－5月，夏季為6－8月，秋季為9－11月，冬季為12－次年2月。

1.3 研究方法

本研究采用FAO-56 PM公式計算ET0，然后用線性回歸法和去趨勢預(yù)置白法（Trend Free Prewhitening Mann-Kendall，TFPW-MK）對氣象因子長期變化進行分析，采用 ArcGIS對ET0及各氣象因子敏感系數(shù)的空間分布進行插值分析，用敏感性和貢獻率量化氣象因子變化對ET0的影響，從而確定影響ET0變化的主導(dǎo)因子。

1.3.1 ET0計算

本研究采用FAO-56 PM公式計算ET0，該公式綜合考慮了空氣動力學(xué)和能量平衡理論，并于1998年被FAO聯(lián)合國糧農(nóng)組織推薦作為計算ET0的標(biāo)準(zhǔn)公式[11]。計算方法如下：

式中ET0為潛在蒸散發(fā)量，mm/d；Δ為飽和水氣壓曲線斜率，kPa/℃；Rn為凈輻射，MJ/(m2·d)；G為土壤熱通量，MJ/(m2·d)；γ為干濕常數(shù)，kPa/℃；T為日平均氣溫，℃；u2為距地2 m高處風(fēng)速，m/s；es為飽和水氣壓，kPa；ea為實際水氣壓，kPa。

1.3.2 Mann-Kendall趨勢檢驗

Mann-Kendall趨勢檢驗（MK）是一種非參數(shù)檢驗方法，優(yōu)點是樣本序列不需要遵從特定分布，能有效區(qū)分樣本序列變化趨勢是隨機的還是確定的，是水文和氣象序列研究常采用的方法[26-27]。本研究在MK基礎(chǔ)上使用TFPW-MK[28]法來降低序列中自相關(guān)性對檢驗結(jié)果的影響。TFPW-MK檢驗原理：在原序列基礎(chǔ)上構(gòu)造不含趨勢項的新序列，求新序列的自相關(guān)系數(shù)，若自相關(guān)系數(shù)未通過檢驗，可直接用MK對原序列進行趨勢檢驗；反之，認(rèn)為原序列存在自相關(guān)性，要先進行預(yù)處理降低自相關(guān)性。

1.3.3 敏感性分析

McCuen[29]最早將敏感性分析引入到ET0對氣候變化響應(yīng)的研究中，由于式（1）中不同變量范圍與量綱都不同，故對氣象因子進行無量綱處理求出其敏感系數(shù)，用敏感系數(shù)絕對值的大小表示ET0對氣象因子變化的敏感程度。敏感系數(shù)計算公式如下：

式中x為氣象因子 值；Sx為對應(yīng)因子的敏感系數(shù)，Sx＞0表示ET0隨氣象因子的增大而增大，Sx＜0表示ET0隨氣象因子的增大而減少，|Sx|越大則表示氣象因子對ET0的敏感程度越高。

1.3.4 氣象因子對ET0變化的貢獻

敏感性分析能反映ET0對氣候變化的響應(yīng)，但不能確定氣象因子變化對ET0的實際貢獻，因此將敏感系數(shù)和氣象因子變化結(jié)合起來，得到氣象因子變化對ET0變化的貢獻率。計算方法如下[30]：

式中Rcx為氣象因子多年相對變化率；n為樣本序列長度；a為氣象因子多年線性傾向率，通常以氣象因子每10 a的變化率表示；氣象因子多年平均值；Cx為對應(yīng)因子的貢獻率，Cx＞0表示正貢獻，即氣象因子變化導(dǎo)致ET0增加，反之氣象因子變化導(dǎo)致ET0減少。

2 結(jié)果與分析

2.1 渭河流域氣象因子變化規(guī)律

受地形和氣候條件的影響，渭河流域氣象因子不同尺度變化規(guī)律如表1所示。從表1可以看出，年尺度上渭河流域1960－2019氣壓和平均氣溫呈顯著上升趨勢，傾向率分別為0.04 kPa/10a和0.30 ℃/10a；相對濕度、風(fēng)速和日照時數(shù)呈下降趨勢，傾向率分別為-0.32%/10a、-0.05 m/(s·10a)和-18.79 h/10a。季尺度上，氣壓和平均氣溫在4個季節(jié)均呈上升趨勢，而風(fēng)速均呈下降趨勢；相對濕度在春、秋季呈下降趨勢，在夏、冬季呈不顯著上升趨勢；日照時數(shù)除春季外均呈下降趨勢。

表1 渭河流域1960－2019年氣象因子的氣候傾向率Table 1 Climate tendency rate of meteorological factors in the Wei River Basin from 1960 to 2019

2.2 渭河流域ET0時空變化特征

2.2.1 渭河流域ET0時間變化趨勢

整個渭河流域年ET0呈上升趨勢（圖2），年ET0傾向率為2.51 mm/10 a。北洛河和涇河年ET0的傾向率分別為5.01和3.91 mm/10 a，渭河干流ET0以-1.83 mm/10 a的速率下降。由MK檢驗結(jié)果可知（表2），渭河全流域及各分區(qū)年ET0變化不顯著。

渭河全流域ET0的季節(jié)變化存在顯著差異（表2），除夏季外，其他季節(jié)ET0呈上升趨勢，其中春季ET0呈顯著上升趨勢。北洛河與涇河變化趨勢與全流域趨勢一致，渭河干流除在冬季呈不顯著的下降趨勢外，其他季節(jié)也與全流域一致。各季節(jié)對全年ET0貢獻的排序為：夏季最大，為40.5%；春季次之，為30.9%；秋季為17.9%；而冬季最小，為10.7%。

表2 渭河流域年和季ET0變化趨勢Table 2 Variation trend of annual and seasonal ET0 in the Wei River Basin

2.2.2 渭河流域ET0空間變化趨勢

利用空間插值得到渭河流域年和季ET0的空間變化圖（圖3），渭河流域年ET0東西差異比較明顯，最高值為954.32 mm，最低值為763.49 mm。年ET0空間分布的總體趨勢是東部高于西部，北部高于南部。局部最高值出現(xiàn)在環(huán)縣附近，其原因是北部靠近黃土高原，氣候干燥，且植被覆蓋率相對低，表土裸露的土地更利于蒸發(fā)。從圖中可以看出，北洛河分區(qū)年ET0為自南向北逐漸減小，涇河分區(qū)年ET0則相反，干流分區(qū)年ET0自西向東逐漸增大。

季尺度上，除冬季外，其他季節(jié)ET0自西向東逐漸增大。春季ET0變化范圍為234.30～299.14 mm，南部低于北部，在北部環(huán)縣、洛川較高；夏季ET0高值出現(xiàn)在北部環(huán)縣和南部鎮(zhèn)安一帶，低值區(qū)在源區(qū)岷縣一帶；秋季ET0自西向東逐漸增大，到流域下游華山一帶達(dá)到最高；冬季ET0在南部華山、岷縣較高，在西吉和吳旗較小低，且空間分布無明顯規(guī)律。

2.2.3 渭河流域站點ET0趨勢分析

采用TFPW-MK趨勢檢驗方法檢驗各站點年和季ET0的變化趨勢（圖3）。年尺度上，全區(qū)16個站點中12個站年ET0呈上升趨勢，占75%，上升站點主要集中在干流以北，其中4個站點顯著上升，涇河與北洛河分區(qū)站點年ET0以上升趨勢為主；干流源區(qū)和涇河西北部站點年ET0呈顯著上升趨勢；流域東南部（武功、佛坪和商州站）呈下降趨勢。

季尺度上，春季有93.75%的站點ET0呈上升趨勢，其中9個站點ET0顯著上升，上升站點集中在涇河分區(qū)；夏季有9個站點ET0呈下降趨勢，下降站點集中在流域中部和東南地區(qū)，共有50%的站點通過了95%的顯著性檢驗；秋季有81.25%的站點ET0呈上升趨勢，下降站點集中在干流分區(qū)下游；冬季有75%的站點ET0呈上升趨勢，其中佛坪站ET0呈顯著下降趨勢，而臨洮和岷縣站ET0呈顯著上升。總體上，渭河流域年ET0呈不顯著上升趨勢，春季ET0呈顯著上升趨勢，夏季ET0呈下降趨勢，秋、冬季ET0呈上升趨勢。

2.3 敏感性分析

計算ET0對5個氣象因子的敏感性，見表3。可以看出，年尺度上，渭河全流域ET0對平均氣溫（0.06）、日照時數(shù)（0.21）和風(fēng)速（0.16）的敏感系數(shù)為正，對氣壓（-0.19）和相對濕度（-0.81）的敏感系數(shù)為負(fù)。因此，渭河流域年ET0隨平均氣溫、風(fēng)速和日照時數(shù)的增加而增加，隨氣壓和相對濕度的增加而減少。從ET0對氣象因子的敏感程度可以看出，渭河流域年ET0對相對濕度最敏感，對日照時數(shù)和氣壓次之，對風(fēng)速和平均氣溫較不敏感。

季尺度上，除冬季外，渭河全流域季ET0對平均氣溫、日照時數(shù)和風(fēng)速的敏感系數(shù)為正，對氣壓和相對濕度的敏感系數(shù)為負(fù)。氣壓的敏感系數(shù)在年內(nèi)變化不大；平均氣溫的敏感系數(shù)在夏季最大，秋季次之，在冬季最小（-0.05）；相對濕度的敏感系數(shù)年內(nèi)波動較大，秋季達(dá)到-1.06；風(fēng)速的敏感系數(shù)在冬季最大，夏季最小；日照時數(shù)的敏感系數(shù)在夏季達(dá)到最大。

表3 渭河流域ET0對氣象因子的敏感系數(shù)Table 3 Sensitivity coefficient of ET0 to meteorological factors in the Wei River Basin

從圖4中可以看出，ET0變化對5個氣象因子敏感性的空間分布不一致。ET0變化對氣壓的敏感程度在空間上具有較強的差異性，干流分區(qū)ET0對氣壓的敏感程度自西向東逐漸減小，形成以鎮(zhèn)安和商州一帶的低值中心，涇河分區(qū)ET0對氣壓的敏感程度自南向北逐漸減小，北洛河分區(qū)ET0對氣壓的自東南向西北方向遞增，形成洛川低值中心。ET0變化對平均氣溫的敏感程度在干流源區(qū)臨洮一帶和北部環(huán)縣地區(qū)較低，往南方向敏感程度逐漸變高，到佛坪一帶達(dá)到最高。ET0變化對相對濕度的敏感系數(shù)變化范圍為-2.19～-0.47，北洛河和涇河分區(qū)ET0對相對濕度的敏感程度自南向北逐漸減小，在渭河流域北部環(huán)縣和吳旗一帶較低；在干流分區(qū)ET0對相對濕度的敏感程度自西向東逐漸減小，最高點位于渭河源區(qū)。ET0變化對風(fēng)速敏感程度的最低點位于渭河源區(qū)臨洮和岷縣一帶，北洛河分區(qū)ET0對風(fēng)速的敏感程度最高點位于洛川，涇河分區(qū)ET0在環(huán)縣、固原一帶對風(fēng)速敏感程度最高。ET0變化對日照時數(shù)的敏感程度自南向北逐漸增大，在吳旗較高，在岷縣一帶最低。

2.4 貢獻率分析

將氣象因子的貢獻率相加得到的總貢獻率稱為ET0估計相對變化，將FAO-56 PM 公式計算出的ET0的變化稱為ET0實際相對變化，將所有站點年ET0的2種變化做相關(guān)性分析（圖5），兩者的相關(guān)系數(shù)為0.93，可認(rèn)為用貢獻率量化ET0變化基本是可靠的[31-32]。

計算各氣象因子對渭河流域ET0變化的貢獻率，見表4。總體來看，各氣象因子對流域年ET0變化的貢獻率大小為：相對濕度最大，風(fēng)速次之，平均氣溫和日照時數(shù)相對較小，氣壓最小。其中，相對濕度和風(fēng)速對ET0變化的貢獻率相對大，為年ET0變化的主導(dǎo)因子。氣壓、風(fēng)速和日照時數(shù)對ET0變化的貢獻率為負(fù)值，分別是-0.06、-2.32和-1.00，相對濕度和平均氣溫的貢獻率為正值，分別是2.36和1.21，表明相對濕度和平均氣溫對ET0的變化具有正向促進作用，而氣壓、風(fēng)速和日照時數(shù)則會抑制ET0的增加，且5種氣象因子的相互作用最終導(dǎo)致渭河流域年ET0在1960－2019年間呈不顯著上升趨勢。

表4 渭河流域氣象因子對年和季ET0變化的貢獻率Table 4 Contribution rate of meteorological factors to annual and seasonal ET0 variations in the Wei River Basin

計算氣象因子對各站點年和季ET0變化的貢獻率（表5），以貢獻率最大對應(yīng)的氣象因子作為影響ET0變化的主導(dǎo)因子。從表5可知，渭河流域年ET0變化的主導(dǎo)因子是風(fēng)速和相對濕度；除華山外，以相對濕度為主導(dǎo)因子的站點主要集中在流域中部，其他站點主導(dǎo)因子多為風(fēng)速。季尺度上，影響渭河流域春季ET0變化的主導(dǎo)因子是相對濕度，以相對濕度為主導(dǎo)因子的站點占68.75%，主要在渭河流域北部和東部，以風(fēng)速為主導(dǎo)因子的站點是佛坪、西吉和環(huán)縣站；影響流域夏季ET0變化的主導(dǎo)因子是日照時數(shù)，以日照時數(shù)為主導(dǎo)因子的站點占50%，主要分布在流域東部，以風(fēng)速和相對濕度為主導(dǎo)因子的站點分別占總占點的25%，其中位于流域西北的岷縣、華家?guī)X、固原站和流域南部的鎮(zhèn)安站以相對濕度為主導(dǎo)因子；流域秋季以相對濕度、風(fēng)速和平均氣溫為主導(dǎo)因子的站點分別占總占點的43.75%、37.5%和18.75%；冬季影響流域ET0變化的主導(dǎo)因子是風(fēng)速，以風(fēng)速為主導(dǎo)因子的站點有11個，以其他因子為主導(dǎo)因子的站點分布零散，其中長武和平?jīng)稣綞T0上升主要歸因于平均氣溫的增加，平均氣溫和相對濕度的正向促進作用抵消了風(fēng)速的負(fù)貢獻，從而使ET0呈上升趨勢。總體上看，研究期渭河流域各氣象因子不同季節(jié)對ET0變化的貢獻在空間分布上表現(xiàn)不一，這與不同季節(jié)氣候差異、植被覆蓋及下墊面等情況有關(guān)。

表5 渭河流域各站點氣象因子對年和季ET0變化的貢獻率Table 5 Contribution rate of meteorological factors to annual and seasonal ET0 variations at each stations in Wei River Basin

3 討 論

在全球氣候變暖的背景下，渭河流域年ET0存在不顯著上升趨勢，這與李耀軍等[31-34]研究的年ET0變化趨勢一致。研究期內(nèi)流域平均氣溫以0.30 ℃/10a的速率升高，相對濕度以-0.32%/10 a的速率下降，可以看出流域內(nèi)氣候有暖干化的趨勢。進一步研究發(fā)現(xiàn)，渭河流域多數(shù)站點在年尺度上不存在“蒸發(fā)悖論”現(xiàn)象，即多數(shù)站點未發(fā)現(xiàn)氣溫升高與ET0減少同時發(fā)生的水文現(xiàn)象[2,19,35]，存在這一現(xiàn)象的站點主要集中在流域南部。

此外，ET0對氣候變化的響應(yīng)和驅(qū)動力量化分析，有利于進一步認(rèn)識氣候變化下流域的水循環(huán)演變規(guī)律。本研究對各氣象因子敏感系數(shù)的計算結(jié)果表明，渭河流域年和季尺度ET0對相對濕度最為敏感，與劉勤等[22]在黃河流域和安彬等[30]在陜西省的研究結(jié)論一致。通過計算發(fā)現(xiàn)，年尺度上，5種氣象因子多年相對變化率Rc分別為：0.30（氣壓）、19.20（平均溫度）、-2.91（相對濕度）、-15.01（風(fēng)速）和-4.80（日照時數(shù)）。盡管風(fēng)速敏感系數(shù)小，但風(fēng)速變化幅度大，貢獻率大，故相對濕度和風(fēng)速是渭河流域ET0變化的主導(dǎo)因子。春、秋季ET0上升主要與相對濕度的減少有關(guān)，空氣濕度減弱，空氣流動變快，蒸散發(fā)作用增強；夏季ET0減少主要與日照時數(shù)顯著減少有關(guān)，其減少幅度為一年中最大，減少速率為59.28 h/10a。由于FAO-56 PM公式對數(shù)據(jù)要求高，故可基于主導(dǎo)因子結(jié)合經(jīng)驗公式對ET0模型進行簡化，后續(xù)研究可用簡化模型估算ET0及根據(jù)主導(dǎo)因子變化預(yù)測未來ET0變化。近二十年，受城市化、農(nóng)田灌溉和退耕還林等人類活動的影響，渭河流域下墊面狀態(tài)發(fā)生了變化，為研究ET0變化帶來了不確定性。黃土高原地區(qū)植被恢復(fù)措施的實施，使得植被蒸騰作用增強，北洛河和涇河分區(qū)ET0增幅變大，蒸發(fā)耗水量增加，灌溉耗水和生態(tài)用水需求增加，加上流域內(nèi)暖干化特征日益明顯，水資源供需矛盾突出，加劇了水分限制地區(qū)干旱缺水的形勢，因此有必要對渭河流域ET0與這些因素之間的關(guān)系進行深入研究。

4 結(jié) 論

本研究基于FAO-56 PM公式、Mann-Kendall趨勢檢驗和去趨勢預(yù)置白法（Trend Free Prewhitening Mann-Kendall，TFPW-MK）分析了渭河流域內(nèi)及其周邊16個氣象站1960－2019年潛在蒸散發(fā)（ET0）的時空演變特征，并揭示了影響ET0變化的主導(dǎo)因子。主要結(jié)論如下：

1）渭河流域年ET0以2.51 mm/10a的速率呈不顯著上升趨勢。季節(jié)上，春、秋、冬季ET0呈上升趨勢，夏季ET0呈下降趨勢，且夏季ET0對年ET0貢獻率最大，占40.5%，冬季ET0貢獻率最小，占10.7%。空間上，年ET0東高西低，北高南低，變化范圍為763.49～954.32 mm。除冬季外的其他季節(jié)ET0自西向東逐漸增大。

2）年尺度上，ET0對相對濕度最為敏感，敏感系數(shù)為-0.81，對風(fēng)速和平均氣溫較不敏感，敏感系數(shù)分別為0.16和0.06。季尺度上，氣壓和相對濕度的敏感系數(shù)在秋季最大，ET0對平均溫度和日照時數(shù)最為敏感的季節(jié)是夏季，而對風(fēng)速最為敏感的季節(jié)是冬季。

3）各氣象因子（氣壓、平均溫度、相對濕度、風(fēng)速和日照時數(shù)）對流域年ET0變化的貢獻率分別為：-0.06、1.21、2.36、-2.32和-1.00，故年ET0變化的主導(dǎo)因子是相對濕度與風(fēng)速。流域春、秋季ET0變化的主導(dǎo)因子是相對濕度，夏季主導(dǎo)因子為日照時數(shù)，冬季主導(dǎo)因子為風(fēng)速。