氣象因素對民勤地區參考作物騰發量變化的貢獻分析

黃 悅 李思恩

(中國農業大學 水利與土木工程學院，北京 100083)

參照作物騰發量ET0是指生長旺盛、高度整齊、不缺水而且地面完全被覆蓋的低矮青草地(草高8～15 cm)的騰發量[1]，我國又稱參照作物需水量。ET0是表示具體地點、年內某時間的天氣蒸發能力，不考慮作物特性和土壤條件的影響。計算ET0普遍采用世界糧農組織推薦的Penman-Monteith方法，與評價區草的ET0非常接近，該方法以能量平衡和水汽擴散理論為基礎，既考慮了空氣動力學和輻射的作用，又涉及了作物的生理特征[2]。公式還引入表面阻力參數，用來表征作物生理過程中葉面氣孔及表層土壤對水汽傳輸的阻力作用。影響ET0的因素只有氣象因素，深入探究氣象因子對參考作物騰發量ET0變化的影響規律，對于解釋騰發的控制機制、建模和預測至關重要。

近年來已有研究采用不同方法討論氣象因素對參考作物騰發量的影響，如：張瑞美等[3]采用因子分析法探究參考作物騰發量ET0與各氣象因子的關系；范文波等[4]采用通徑分析法找出氣象因素對參考作物騰發量ET0影響的直接效應和間接效應，定量分析了指標間的相互影響程度；董煜等[5]采用敏感性系數的方法分析了新疆地區氣象因素對參考作物騰發量ET0的敏感性分析；楊漢波等[6]采用彈性系數法分離了各氣候變量(降雨、風速、相對濕度等)對徑流的影響。但是不同研究方法在不同地理氣候特征下得出的各地區氣象因素對參考作物騰發量變化量的貢獻大小不盡相同：梁麗喬等[7]研究表明相對濕度是控制ET0的主要因子，其次是氣溫，日照時數和風速的敏感系數最低；王媛等[8]研究結果顯示在艾比湖綠洲中，各氣象因子對ET0的敏感程度由大到小依次為，相對濕度，最高溫度，風速，最低溫度，日照時間；謝平等[9]的研究發現在東江流域，日照時數的平均影響量最大，溫度、相對濕度其次，且二者相近，風速最小。可見，氣象因素對參考作物騰發量的貢獻程度有著明顯的區域特征。此前，佟玲等[10]利用趨勢分析和相關分析法分析了石羊河流域氣候變化對參考作物蒸發蒸騰量的影響，這對于探索ET0變化的原因很有意義，但是更傾向于定性分析。

張逸君等[11]研究了民勤西沙窩1968—2018年的蒸發皿蒸發量與主要氣象因子變化的相關關系及關聯的密切程度，但其研究僅分析了各氣象因子的變化趨勢和蒸發量與氣象因子的相關性大小。同樣，陳英[12]分析了河西走廊東部5個氣象站蒸發皿蒸發量的變化趨勢，并未深入研究蒸發皿蒸發量變化與氣象因素的定量關系。鄭健等[13]研究了基于氣候分區的甘肅地區參考作物蒸發蒸騰量的變化及其時空分布規律。因此，已有研究多分析參考作物蒸發蒸騰量的變化規律以及氣候變化對參考作物蒸發蒸騰量的定性影響，很少有研究在長時間尺度下定量分析民勤地區氣象因素對ET0變化量的貢獻量大小。

甘肅省民勤縣地處河西走廊東北側，位于石羊河下游[14]，巴丹吉林和騰格里兩大沙漠將其東西北三面包圍。由于其特殊的地理位置，在西北地理變化和穩定中起著至關重要的作用。然而，由于上游水資源的過度使用，導致民勤地區生態環境十分脆弱，民勤曾經也一度被稱為“第二個羅布泊”。但是近年來隨著對民勤地區土壤荒漠化治理的力度加大，生態恢復效果十分顯著，在2019年民勤縣還獲得了全國綠化模范單位榮譽稱號。

因此，本研究擬以甘肅國家級地面站點民勤站[52681]為研究區，利用Penman-Monteith公式，根據1968—2018年的數據資料采用敏感曲線法、偏相關分析以及主成分分析法定量探究長時間序列下民勤地區氣象因素對參考作物騰發量變化的貢獻分析，以期為深入認識西北干旱地區參考作物騰發量對氣候因素的響應提供科學依據。

1 材料與方法

1.1 研究區域

本研究選取甘肅國家級地面站點民勤站[52681](103°08′ E，38°63′ N，海拔高度1 367 m)為代表站，采用來自中國氣象數據網的氣象數據進行計算。1968—2018年民勤站的逐月地面資料的主要參數包括：月平均最低氣溫、月平均最高氣溫、晚上20時到次日晚上20時的24小時累計降雨量、平均氣壓、平均2 min風速和日照時數。

1.2 研究方法

1.2.1Penman-Monteith公式

聯合國糧農組織推薦的Penman-Monteith公式如下[15]：

(1)

式中：ET0為參考作物騰發量，mm/d；Rn為作物表面凈輻射，MJ/m2/d；G為土壤熱通量MJ/m2/d；T為2 m高度處空氣溫度，℃；U2為2 m高度處風速，m/s；es為飽和水汽壓，kPa；ea為實際水汽壓，kPa；es-ea為飽和水汽壓差，kPa；Δ為水汽壓曲線斜率，kPa/℃；γ為濕度計常數，kPa/℃。

以d為時間步長計算ET0時，日土壤熱通量的數量級別相當小，因此可以忽略不計。當以月為時間步長計算ET0時，當土壤變暖(春季)或變冷(冬季)時，以月為時間步長的土壤熱通量對于月平均凈輻射來說大，因此，在這種情況下土壤熱通量不能忽略，其數值必須由前一個月和下一個月的平均氣溫來確定。

1.2.2偏相關分析

偏相關分析可以衡量多個變量中某2個變量之間的線性相關程度[13]，反映在多個變量中兩兩變量的真實相關關系[16]。利用SPSS 24.0軟件計算各氣象因素：平均最高氣溫Tmax、平均最低氣溫Tmin、平均風速U、平均飽和水汽壓差VPD、平均凈輻射與土壤熱通量的差Rn-G對于參考作物騰發量ET0的偏相關系數，進而分析各氣象因素對ET0的影響程度。

1.2.3主成分分析

主成分分析法以降維為目標，將多個變量轉化為少數互不相關的幾個變量，通過較少的變量得到最多的信息量[17]。對參考作物騰發量進行主成分分析，對氣象因素進行再分類，以便從眾多的影響因素中找出具有最大相關性的影響因子。利用SPSS 24.0 軟件進行主成分分析，利用KMO和Bartlett分析對結果進行檢驗，KMO>0.6，說明變量之間存在相關性；Bartlett分析看SIG，若SIG>0.05，則不適宜進行因子分析。

1.2.4敏感性分析

敏感性分析[18]是從定量的角度研究一個或幾個相關氣象因子發生變化時，對參考作物蒸散變化的影響程度，主要包括敏感曲線法和敏感系數法2種方法。敏感曲線法可以直觀、準確的描述參數的敏感性。具體方法：在其他氣象因子不變的情況下，改變某一個氣象因子，將其變化范圍定為-20%～20%，變化幅度為5%，計算ET0相對變化量ΔET0/ET0。以氣象因子變化幅度為X軸，ΔET0/ET0為Y軸，得到氣象因子的敏感曲線，敏感系數表現在圖形上就是敏感曲線在原點處的切線斜率，該斜率即為參考作物騰發量的變化量對氣象因子的敏感性大小。

1.2.5氣象因素對ET0變化的貢獻

敏感系數的大小反映了各因子對研究對象的敏感程度，氣象因素對ET0變化的貢獻大小則采用Yin等[21]提出方法，用氣象因素與ET0的敏感系數乘以該因素的多年相對變化，即為該氣象因素對ET0變化的貢獻值。正值表示正貢獻，負值表示負貢獻。計算公式如下：

vi,C=vi,S·vi,RC

(2)

(3)

ET0的實際變化通過Penman-Monteith公式計算得到的ET0多年相對變化ET0,RC得到。

2 結果與分析

2.1 ET0變化趨勢

圖1(a)為民勤站ET0的年內變化趨勢，其中月ET0由每年每月的氣象數據計算，再求多年月均值得到。由圖1(a)可見：ET0年內變化特征呈拋物線形式；ET0在1—5月增加，8—12月遞減，在7月達到最大值為5.29 mm/d。

圖1(b)、(c)和(d)是民勤站ET0在不同時間尺度的年際變化特征：1 a時間尺度下，ET0的年際變化波動較大，整體呈上升趨勢但走向不顯著。在5和10 a的時間尺度下，ET0的線性擬合程度提升；民勤站多年平均ET0為3.59 mm/d，最小值在1968年為3.25 mm/d，最大值在2013年為3.93 mm/d，ET0整體呈增長趨勢；從20世紀80年代開始進入一個低谷期，到21世紀開始明顯上升。

圖中虛線為趨勢線。下圖同。 The dotted line in theFigure is the trend line. The same inFig.2.圖1 1968—2018年甘肅國家級地面站點民勤站的ET0變化趨勢 Fig.1 ET0 variation trend of Minqin Station in Gansu National Ground Station from 1968 to 2018

2.2 ET0與各氣象因素的相關性分析

2.2.1民勤站各氣象因素的變化

圖2是民勤地區各氣象因素在不同時間尺度的變化特征。1 a時間尺度下，平均最高氣溫Tmax整體呈波動上升趨勢；在5和10 a時間尺度下，線性擬合程度在提高，上升趨勢較明顯；平均最高氣溫Tmax的多年平均值為16.31 ℃，Tmax的最小值出現在1968年為14.91 ℃，最大值在2013年為17.93 ℃(圖2(a)～(c))。平均最低氣溫Tmin在1、5和10 a 3個時間尺度下的線性擬合程度均較高，上升趨勢明顯；平均最低氣溫Tmin的多年平均值為1.90 ℃，Tmin的最小值出現在1970年為-0.18 ℃，最大值在2015年為4.08 ℃(圖2(d)～(f))。

由圖2(g)～(i)可見：1 a時間尺度下，平均風速U整體呈波動下降趨勢，隨著時間尺度的增大，線性擬合的程度也在提高。在5 a時間尺度下可以看出，1990年之前U的下降趨勢明顯，但在1990—2000年，U有個先增加后下降的劇烈波動，隨后在2000年之后U有緩慢增加的趨勢。平均風速U的多年平均值為1.96 m/s，U的最小值出現在2002年為1.62 m/s，最大值在1969年為2.26 m/s。

平均飽和水汽壓差VPD整體呈增加趨勢，隨著時間尺度的增大，線性擬合的程度也在提高:平均飽和水汽壓差VPD的多年平均值為0.99 kPa，VPD的最小值出現在1968年為0.86 kPa，最大值在2013年為1.18 kPa(圖2(j)～(l))。

平均凈輻射與土壤熱通量的差Rn-G整體呈增加趨勢，隨著時間尺度的增大，線性擬合的程度有所提高：在10 a時間尺度下可以看出，2000年以后Rn-G呈下降趨勢；平均凈輻射與土壤熱通量的差Rn-G的多年平均值為9.72 mm/d，Rn-G的最小值出現在1975年為9.22 mm/d，最大值在1997年為10.23 mm/d(圖2(m)～(o))。

2.2.2ET0與各氣象因素的相關性分析

由表1可以看出，ET0與各氣象因素均呈顯著的正相關關系，相關性系數VPD>Tmax>Tmin>(Rn-G)>U。由相關性系數可以看出，在民勤地區VPD是影響ET0的重要參數，其次是溫度、輻射，影響最小的是風速。但是此變量間的相關分析只反映出ET0與單一氣象因子間的相關性，不能看出其他氣象因素對ET0與某個氣象因子間其中的影響，也不能反映出氣象因素對ET0變化量的貢獻大小，因此需要結合以下方法進一步分析。

表1 1968—2018年甘肅國家級地面站點民勤站ET0與各氣象因素的相關性Table 1 Correlation between ET0 and meteorological factors in Gansu National Ground Station Minqin Station from 1968 to 2018

2.3 ET0與各氣象因素的偏相關分析

表2是剔除了其他所有氣象因素，僅考慮一個氣象因子與ET0的偏相關關系。表3是依次剔除一個氣象因素，固定考慮除剔除的氣象因素外其他某一個氣象因子與ET0的偏相關關系。

由表2可以看出在偏相關分析中，ET0與Tmin變為了負相關，但是偏相關關系并不顯著；ET0與Tmax、U、VPD和Rn-G仍呈正相關。ET0與各氣象因素偏相關系數的絕對值由大到小依次為：U>VPD>(Rn-G)>Tmax>Tmin。與兩變量間的相關性系數相比，ET0與VPD、Tmax的偏相關系數變化不大，ET0與Rn-G、U的偏相關系數變化較明顯，T0與Tmin由正相關變為了負相關，但是偏相關系數不顯著。上述變化可以側面反映出ET0與VPD的關系受其他氣象因素影響較小；ET0與Tmax的關系受VPD的影響較大一些，受其他氣象因素則影響較小。Rn-G、U與ET0的偏相關系數變化較大，說明Rn-G、U本身對ET0有一定的影響，但是Rn-G、U對ET0的影響受其他氣象因素影響較大。ET0與Rn-G的關系受VPD和溫度的影響較大；ET0與U的關系均受到其他氣象因素的一些影響。

表2 1968—2018年甘肅國家級地面站點民勤站ET0與各氣象因素的偏相關性Table 2 Partial correlation between ET0 and meteorological factors of National Ground Stations in Gansu from 1968 to 2018

表3 1968—2018年甘肅國家級地面站點民勤站ET0與各氣象因素的偏相關性系數Table 3 Partial correlation coefficient between ET0 and meteorological factors of National Ground Stations in Gansu from 1968 to 2018

E

2.4 ET0與各氣象因素的主成分分析

利用SPSS 24.0軟件進行主成分分析，利用Bartlett進行分析，SIG值小于0.05，表明可以進行因子分析。由表4可知，成分1是方差貢獻最大的主成分，方差貢獻率為59.107%。另外，在5個變量因子中，其起始特征值大于1的有2個成分，這2個成分的方差貢獻率分別為59.107%、20.059%，累計方差貢獻率為79.167%，這說明了起始特征值大于1的有2個成分可以解釋原來5個變量79.167% 的信息，表示分析時只需提取前2個公共因子即可。

通過因子分析法提取2個主成分進行主成分分析，得到各主成分的荷載矩陣(表5)。由表5可見：第一個主成分的方差貢獻率(59.107%)最大，主要在最高氣溫Tmax與飽和水汽壓差VPD上的荷載較大，表明Tmax與上升是ET0升高的主要影響因子；第二個主成分的方差貢獻率(20.059%)明顯低于第一個主成分。第二個主成分主要在Rn-G指標上的荷載較大，說明Rn-G的上升在某種程度上成為ET0升高的因素，U在第二主成分的荷載為-0.288，說明U對ET0升高有制約作用。總的來說，Tmax與VPD對ET0的影響較大；Rn-G對ET0也有一定的影響，U對ET0為負影響。

表4 1968—2018年甘肅國家級地面站點民勤站ET0主成分分析法總方差解釋Table 4 Interpretation of the total variance of ET0 of Minqin Station of Gansu National Ground Station from 1968 to 2018 by principal component analysis

表5 1968—2018年甘肅國家級地面站點民勤站ET0主成分分析Table 5 Principal component analysis of ET0 of Minqin Station of Gansu National Ground Station from 1968 to 2018

2.5 ET0與各氣象因素的敏感性分析

表6和圖3為在年內尺度上參考作物騰發量對氣象因素的敏感系數以及敏感系數和氣象因素在年內的趨勢變化。由表6和圖3可知：ET0對Tmax與Tmin的敏感系數隨季節波動較大，冬季數值較小，夏季數值較大，且Tmax、Tmin和其敏感系數的變化趨勢相同；U、Rn-G和其敏感系數的變化趨勢也大致相同，且數值在年內變化波動較小，夏季冬季無較大的數值差異；VPD與其敏感系數在年內的變化趨勢不相匹配，VPD在年內變化呈單峰趨勢，夏季水汽壓差大，冬季水汽壓差小，而敏感系數在一年內數值均較大，對照著VPD的變化曲線，發現敏感系數并未隨著VPD的增加而變大，且出現了減少的現象。綜上所述，參考作物騰發量對VPD最為敏感；對U與Rn-G的敏感性一般；只有在夏季對Tmax的敏感較大，其他情況下則不敏感。

表6 1968—2018年甘肅國家級地面站點民勤站各月各氣象因素的敏感系數Table 6 Sensitivity coefficients of meteorological factors in each month of Minqin Station in National Ground Station of Gansu province from 1968 to 2018

2.6 各氣象因素對ET0的貢獻分析

表7為各個氣象因素對ET0變化的貢獻。由表7可知：氣象因素對ET0多年相對變化之和為5.51%，而ET0的實際變化為7.10%；民勤地區主要是由于Rn-G的升高而引起的ET0的增長，雖然ET0對Rn-G的敏感系數不大，但是Rn-G自身的增長幅度達到19.58%，因此對ET0的貢獻率最大；與Rn-G不同，ET0對Tmax的敏感系數較大，Tmax對ET0的貢獻率同樣也較大；但Tmin對ET0為負貢獻，Tmin的負貢獻與Tmax的正貢獻相抵消，總的氣溫對ET0的貢獻為1.29%；ET0對U的敏感系數不低，U對ET0的貢獻率也很大，說明U是造成ET0下降的主要原因，但是Tmin與U對ET0的負貢獻不如Tmax、Rn-G、VPD對ET0的正貢獻大，最終ET0呈現的是增長趨勢。

3 討 論

各氣象因素對參考作物騰發量ET0的影響并不是孤立存在的，各氣象因素間相互關聯共同影響著ET0的變化。相關性分析、偏相關性分析、主成分分析與敏感性分析都可以定性分析參考作物騰發量ET0對各氣象因素的響應，結合敏感系數與各氣象因素的多年相對變化，可以定量分析氣象因素對ET0變化的貢獻水平。通過相關性分析與敏感性系數可以發現VPD、Tmax與ET0的相關性較大，而通過偏相關性分析發現Rn-G、U與ET0的相關性

圖3 1968—2018年甘肅國家級地面站點民勤站敏感系數與各氣象因素的年內變化趨勢Fig.3 Annual variation trend of sensitivity coefficient and meteorological factors inMinqin Station of National Ground Station in Gansu from 1968 to 2018

表7 1968—2018年甘肅國家級地面站點民勤站各氣象因素對ET0的貢獻分析Table 7 Analysis on the contribution of meteorological factors to ET0 in Minqin Station of Gansu National Ground Station from 1968 to 2018

較小，但偏相關性很大，說明這二者與ET0的相關性會受到其他氣象因素的影響。另外通過定量分析氣象因素對ET0的貢獻發現，雖然ET0對Rn-G的敏感系數不大，但是Rn-G自身的增長幅度很大，導致Rn-G對ET0的貢獻率最大；同樣的雖然ET0對U的敏感系數不大，但是U自身的下降幅度很大，導致U對ET0的負貢獻率也較大，U的下降制約著ET0的增長；相反的是，雖然ET0對VPD的敏感系數較大，但是VPD自身增長的幅度不大，導致VPD對ET0的貢獻率最小。曹雯等[1]的研究也得出了敏感系數小但貢獻大的結果，在西北西風帶季候區盡管風速的敏感系數最小，但風速本身的下降幅度很大，所以對ET0的貢獻最大。民勤地區Rn-G的增長是造成ET0增長的主要貢獻因子；而U的下降則是制約著ET0增長的主要貢獻因子；氣溫的增長對ET0的增長也有一定的貢獻；VPD的增長對ET0增長的貢獻最小。所以說在研究氣象因素對ET0的影響時，不可僅僅考慮氣象因素與ET0的相關性，還要結合氣象因素自身的增長幅度定量的分析其對ET0變化的數值大小，有些時候雖然ET0對氣象因素敏感性較弱，但是由于自身的變化幅度較大，也可對ET0的變化產生不可忽視的影響。近年來全球變暖已成為人們公認的事實，早期民勤地區為了經濟社會的發展，修建了一系列重要的調蓄水工程[21]，水利工程的興建雖然在一定程度上帶來了經濟的發展但也對生態環境造成了一定的影響，調蓄水工程的興建，使得上游來水量減少，地下水位下降，土壤沙化嚴重，小區域內風速、凈輻射、水汽壓差等氣象因素也會受到相應的影響，進而共同影響著區域內ET0的上升。

4 結 論

1)1968—2018年甘肅國家級地面站點民勤站ET0年內變化特征呈拋物線形式，在1—5月增加，8—12月遞減，7月達到最大值為5.29 mm/d。多年平均ET0為3.59 mm/d，年際變化呈上升趨勢，時間尺度越大，線性擬合程度越高。

2)平均最高氣溫Tmax的多年平均值為16.31 ℃，整體呈波動上升趨勢，多年線性傾向率為0.033 1 ℃/a；平均最低氣溫Tmin的多年平均值為1.90 ℃，整體呈波動上升趨勢，多年線性傾向率為0.070 4 ℃/a；平均風速U的多年平均值為1.96 m/s，整體呈波動下降趨勢，多年線性傾向率為-0.004 4 m/s/a；平均飽和水汽壓差VPD的多年平均值為0.99 kPa，整體呈波動上升趨勢，多年線性傾向率為0.006 9 kPa/a；平均凈輻射與土壤熱通量的差Rn-G的多年平均值為9.72 mm/d，整體呈波動上升趨勢，多年線性傾向率為0.003 8 mm/d/a。且隨著時間尺度的增加，各氣象因素的線性擬合程度提高。

3)ET0與Tmax、VPD的相關性最大；ET0與U、Rn-G的相關性最小，但ET0與U、Rn-G的偏相關性較大，說明ET0與U、Rn-G的關系受其他氣象因素的影響較大；利用主成分分析發現Tmax和VPD的荷載較大。

4)氣象因素與各氣象因素的敏感系數在年內的變化趨勢有一定的相似度。Tmax和VPD的敏感系數最大，ET0對Rn-G的敏感系數不大，但是由于Rn-G自身的增長幅度較大，導致對Rn-G對ET0的貢獻率最大；T和VPD對ET0的增長也產生了一定的貢獻；U對ET0的增長產生了較大的負貢獻。