1981—2019年鄱陽(yáng)湖流域潛在蒸散變化特征及氣候成因分析

秦曉晨，戴志健，陳興鵑，李柏貞，占明錦,2

1981—2019年鄱陽(yáng)湖流域潛在蒸散變化特征及氣候成因分析

秦曉晨1，戴志健1，陳興鵑1，李柏貞1，占明錦1,2※

（1. 江西省生態(tài)氣象中心，南昌 330096；2. 江西省氣候中心，南昌 330096）

為探明鄱陽(yáng)湖流域潛在蒸散的變化特征，揭示不同季節(jié)潛在蒸散趨勢(shì)差異及其氣候成因，該研究基于1981－2019年鄱陽(yáng)湖流域74個(gè)氣象站點(diǎn)的逐日氣象資料，利用Penman-monteith公式計(jì)算各站點(diǎn)逐日潛在蒸散量（ET0），結(jié)合敏感性-貢獻(xiàn)率法，分析了1981－2019年鄱陽(yáng)湖流域ET0在年、季尺度上的變化趨勢(shì)及其主導(dǎo)氣候因子。結(jié)果表明：1）1981－2019年鄱陽(yáng)湖流域年尺度ET0具有先降后升的特點(diǎn)，21世紀(jì)以前呈下降趨勢(shì)，進(jìn)入21世紀(jì)后下降趨勢(shì)減弱，并在21世紀(jì)頭10年后半段轉(zhuǎn)為上升趨勢(shì)。整體上，鄱陽(yáng)湖流域ET0呈顯著增加趨勢(shì)（1.50 mm/a，<0.05），其中春季增加速率最快（0.81 mm/a，<0.05），秋季次之（0.64 mm/a，<0.05），冬季和夏季分別呈不顯著增加和下降趨勢(shì)（>0.05）；2）最高氣溫升高是年均ET0和春、秋季ET0增加的主導(dǎo)因子，冬季ET0增加的主導(dǎo)因子為最低氣溫的升高，而輻射下降是夏季ET0下降的主導(dǎo)因子；3）不同氣象要素貢獻(xiàn)率的年代際變化分析表明，鄱陽(yáng)湖流域年均ET0由降轉(zhuǎn)升的原因是2000年以后氣溫增加的正貢獻(xiàn)超過(guò)風(fēng)速和輻射下降的負(fù)貢獻(xiàn)。該研究對(duì)鄱陽(yáng)湖流域農(nóng)田水分管理和季節(jié)性干旱監(jiān)測(cè)具有重要意義。

蒸散；氣候；季節(jié)；時(shí)空變化；貢獻(xiàn)率；鄱陽(yáng)湖流域

0 引 言

作為陸地水文循環(huán)中的第二大水分通量[1]，潛在蒸散是評(píng)價(jià)氣候干濕程度和水資源虧缺狀況的重要指標(biāo)，也是農(nóng)作物需水估算和農(nóng)田灌溉政策制定的基本依據(jù)[2]。在氣候變暖的背景下，全球各地潛在蒸散量大多呈顯著下降的趨勢(shì)，即“蒸發(fā)悖論”現(xiàn)象[3]。中國(guó)總體上存在“蒸發(fā)悖論”現(xiàn)象，但在空間上具有不一致性。例如，從流域上看，東北松花江流域潛在蒸散顯著上升，而全國(guó)其他大部分流域呈下降趨勢(shì)[4-5]；基于氣象站蒸發(fā)皿蒸發(fā)量的趨勢(shì)分析亦指出1956－2005年?yáng)|北地區(qū)蒸發(fā)量逐漸上升[6]。同時(shí)，在年代際尺度上，有研究指出，中國(guó)大部分地區(qū)年平均潛在蒸散在20世紀(jì)90年代初期由下降趨勢(shì)轉(zhuǎn)為上升趨勢(shì)[2, 7]，并且這種轉(zhuǎn)折與氣象因子趨勢(shì)的轉(zhuǎn)折密切相關(guān)[8]。

從全球尺度上看，日照時(shí)數(shù)（或太陽(yáng)輻射）減少是潛在蒸散下降的主要原因[3,9-10]。在中國(guó)，風(fēng)速下降是另一重要原因[2,4,11]。但受氣候帶及地形差異的影響，不同地區(qū)的主導(dǎo)因素不同。整體上看，中國(guó)北方地區(qū)風(fēng)速下降對(duì)潛在蒸散變化的貢獻(xiàn)高于日照時(shí)數(shù)減少[12-15]，但近年來(lái)華北地區(qū)由于氣溶膠增多，日照時(shí)數(shù)下降是主導(dǎo)因素[16-17]；在亞熱帶和熱帶地區(qū)，日照時(shí)數(shù)減少是潛在蒸散下降的主要原因[5,13]。此外，在潛在蒸散呈增加趨勢(shì)的地區(qū)或時(shí)段，如東北北部[5]、西北部分地區(qū)[18]、青藏高原和黃土高原交匯區(qū)[19]，以及20世紀(jì)90年代后的時(shí)段[8]，氣溫增加是潛在蒸散變化的主導(dǎo)因子。然而亦有研究表明，西北地區(qū)20世紀(jì)90年代后潛在蒸散增加的主要原因是風(fēng)速增加[7]。由此可見(jiàn)，潛在蒸散的變化趨勢(shì)及其主導(dǎo)氣候因子均存在明顯的時(shí)空差異。

鄱陽(yáng)湖流域位于中國(guó)濕潤(rùn)區(qū)，也是中國(guó)重要的商品糧基地。贛江、撫河、信江、饒河、修河五大河流，從東、南、西三面匯流注入鄱陽(yáng)湖。由于復(fù)雜的河-湖關(guān)系，加之極端天氣氣候事件頻發(fā)，季節(jié)性水分虧缺和鄱陽(yáng)湖水域面積異常萎縮時(shí)常見(jiàn)諸報(bào)道，對(duì)農(nóng)業(yè)生產(chǎn)和生態(tài)服務(wù)功能造成不利影響[20-21]。目前，關(guān)于鄱陽(yáng)湖流域蒸發(fā)規(guī)律有一定研究成果，如孫善磊等[22]和涂安國(guó)等[23]分別對(duì)1960年以來(lái)蒸發(fā)皿蒸發(fā)量和潛在蒸散量的趨勢(shì)和成因進(jìn)行了分析，但對(duì)氣候成因的季節(jié)性對(duì)比少有提及。基于此，本文在探明流域內(nèi)潛在蒸散的氣候變化和氣候成因的基礎(chǔ)上，進(jìn)一步揭示了不同季節(jié)潛在蒸散趨勢(shì)差異及其主導(dǎo)氣候因子，以期為流域內(nèi)農(nóng)田及流域水循環(huán)管理提供科學(xué)依據(jù)。

1 材料與方法

1.1 氣象資料來(lái)源

鄱陽(yáng)湖流域地處24°29′～30°04′N(xiāo)、113°34′～118°28′E之間。本文收集了1981－2019年流域內(nèi)及周邊共93個(gè)氣象站逐日觀測(cè)資料，資料來(lái)源為江西省氣象信息中心，氣象要素包括最高氣溫、最低氣溫、氣壓、日照時(shí)數(shù)、水汽壓和風(fēng)速。其中日照時(shí)數(shù)通過(guò)聯(lián)合國(guó)糧食及農(nóng)業(yè)組織推薦的方法[24]計(jì)算為地表凈輻射。經(jīng)過(guò)數(shù)據(jù)質(zhì)量及有效性檢查后，篩選出數(shù)據(jù)較齊全的74個(gè)氣象站點(diǎn)（圖1）。某日數(shù)據(jù)缺測(cè)時(shí)，采用該日相鄰2 d該要素的平均值替代[2]。

1985年后國(guó)家基本和基準(zhǔn)地面氣象觀測(cè)站開(kāi)始觀測(cè)大型蒸發(fā)皿蒸發(fā)量（ETp）。研究區(qū)域內(nèi)共有基本站和基準(zhǔn)站26個(gè)，其中有13個(gè)臺(tái)站觀測(cè)資料的連續(xù)性較好。本文在研究區(qū)北部、中部和南部各選擇2個(gè)典型站點(diǎn)作1985－2019年ETa與ET0的趨勢(shì)對(duì)比。

1.2 潛在蒸散計(jì)算方法

采用聯(lián)合國(guó)糧農(nóng)組織推薦的Penman-monteith模型（簡(jiǎn)稱(chēng)PM模型）[24]計(jì)算流域內(nèi)各站點(diǎn)逐日潛在蒸散量：

式中ET0為潛在蒸散量，mm/d；為溫度隨飽和水汽壓變化的斜率，kPa/℃；R為地表凈輻射，MJ/(m2·d)；為土壤熱通量，MJ/(m2·d)，在日尺度上可認(rèn)為0；為濕度表常數(shù)，kPa/℃；2為離地2 m高處風(fēng)速，m/s；e為飽和水汽壓，kPa；e為實(shí)際水汽壓，kPa；為日平均氣溫，℃。、、2和e分別為氣溫、氣壓、風(fēng)速和氣溫的函數(shù)，計(jì)算方法見(jiàn)文獻(xiàn)[24]，其他變量均來(lái)自氣象站實(shí)測(cè)資料。

1.3 分析方法

1.3.1 敏感性-貢獻(xiàn)率法

敏感性-貢獻(xiàn)率法是判斷氣象要素對(duì)ET0擾動(dòng)的有效方法，已經(jīng)得到廣泛應(yīng)用[13,19,25-26]。通過(guò)式（2）計(jì)算ET0對(duì)氣象要素v的敏感性系數(shù)_v，即ET0的相對(duì)變化量（即ΔET0）與單個(gè)氣象要素相對(duì)變化量（即Δv）之比：

式中v代表氣象要素，包括最高氣溫、最低氣溫、氣壓輻射、水汽壓和風(fēng)速；_v代表相應(yīng)氣象要素的敏感性系數(shù)。_v的正負(fù)反映了ET0與氣象要素的相關(guān)性，絕對(duì)值的大小反映了氣象要素對(duì)ET0影響的大小，絕對(duì)值越大，其影響也越大。

氣象要素v的相對(duì)變化率_v與其敏感性系數(shù)_v的乘積則可表示該要素變化導(dǎo)致的潛在蒸散相對(duì)變化，即貢獻(xiàn)率_v。

1.3.2 數(shù)據(jù)處理方法

本文基于最小二乘法構(gòu)建潛在蒸散隨時(shí)間變化的一元線(xiàn)性回歸方程，方程的擬合斜率即為1981－2019年潛在蒸散的變化趨勢(shì)。此外，本文采用在氣候?qū)W中常用的Mann-Kendall突變法[2,18]對(duì)潛在蒸散變化的顯著性和突變特征進(jìn)行分析。

2 結(jié)果與分析

2.1 潛在蒸散的變化趨勢(shì)與大型蒸發(fā)皿的比較

1985－2019年研究區(qū)北部、中部和南部典型站點(diǎn)ET0實(shí)測(cè)值與計(jì)算值對(duì)比見(jiàn)圖2。由圖2可知，6個(gè)典型站點(diǎn)ETp和ET0的年際變化趨勢(shì)大部分表現(xiàn)出一致的變化方向，并且變化趨勢(shì)的季節(jié)性差異亦較為一致。北部以上饒站為例，春季ETp和ET0的增加速率最快，分別為8.6和10.4 mm/10a，大于秋季和冬季，而夏季均表現(xiàn)為下降趨勢(shì)，其中ETp的下降速率更快；中部以南城站為例，各季節(jié)ETp的變化速率以春季最高（21.8 mm/10 a），其次為秋季（16.3 mm/10 a）、冬季（15.3 mm/10 a）和夏季（4.9 mm/10 a），各季節(jié)ET0亦表現(xiàn)為春季（13.0 mm/10 a）、秋季（9.6 mm/10 a）、冬季（mm/10 a）、夏季（2.2 mm/10 a）依次減小；南部的龍南站，其夏季ETp的增加速率高于春季，而ET0則表現(xiàn)為春季高于夏季，但兩者均表現(xiàn)為春、夏季高于秋、冬季，并且在同處南部的贛縣站，同樣表現(xiàn)為春、秋季高于夏、冬季。因此可認(rèn)為本文計(jì)算的ET0能夠反映出鄱陽(yáng)湖流域大氣蒸發(fā)能力的實(shí)際變化趨勢(shì)及其季節(jié)性差異。

2.2 潛在蒸散的變化趨勢(shì)

整體看（圖3a），1981－2019年鄱陽(yáng)湖流域年均潛在蒸散（ET0）呈上升趨勢(shì)（1.50 mm/a），增加趨勢(shì)以春季最大（0.81 mm/a，圖3c）、秋季次之（0.64 mm/a，圖3g）、冬季最小（0.28 mm/a，圖3i），而夏季呈下降趨勢(shì)（?0.23 mm/a，圖3e）。

注：UF和UB分別為順時(shí)間序列和逆時(shí)間序列的Mann-Kendall檢驗(yàn)統(tǒng)計(jì)量曲線(xiàn)。

Note: UF and UB are the Mann-Kendall test results for the forward time series and the reverse time series, respectively.

圖3 1981－2019年鄱陽(yáng)湖流域年均及各季節(jié)潛在蒸散量時(shí)間變化及其Mann-Kendall (MK)突變檢驗(yàn)

Fig.3 Change and Mann-Kendall (MK) mutation test of annual and seasonal potential evapotranspiration for the Poyang Lake Basin during 1981-2019

為了診斷ET0變化的動(dòng)態(tài)特征，采用Mann-Kendall突變法進(jìn)行檢驗(yàn)，見(jiàn)圖3。其中UF和UB為統(tǒng)計(jì)量的曲線(xiàn)，取±1.96的值為0.05顯著性水平的置信度區(qū)間。從UF曲線(xiàn)來(lái)看，年均ET0在1993年以后表現(xiàn)為下降趨勢(shì)（<0），并在2000－2002年達(dá)到<0.05顯著性水平（0），并在2019年達(dá)到<0.05顯著性水平（>1.96）。

從季節(jié)變化來(lái)看，春季ET0（圖3d）在20世紀(jì)90年代表現(xiàn)為不顯著的下降趨勢(shì)（?1.96<<0），2000年以后轉(zhuǎn)為增加趨勢(shì)（>0），并在2007年以后達(dá)到<0.05顯著性水平（>1.96）。夏季的特征與年尺度類(lèi)似（圖3f），1993年以后值為負(fù)，且不斷下降，在1996－2005年達(dá)到<0.05顯著性水平（0），但在2008年以前增加趨勢(shì)不顯著，2008年后達(dá)到<0.05顯著性水平（>1.96）。冬季ET0（圖3j）在2006年以后呈上升趨勢(shì)，但僅在2017年和2018年達(dá)到<0.05顯著性水平。

從空間分布來(lái)看，流域內(nèi)年均ET0僅有3個(gè)站點(diǎn)呈顯著下降趨勢(shì)（<-1.96），67個(gè)站點(diǎn)呈增加趨勢(shì)，其中22個(gè)站點(diǎn)達(dá)到<0.05（>1.96）顯著性水平（圖4a）。從季節(jié)尺度來(lái)看，絕大部分站點(diǎn)春季ET0呈增加趨勢(shì)，其中49個(gè)臺(tái)站達(dá)到<0.05（>1.96）顯著性水平（圖4b）。夏季共有55個(gè)站呈下降趨勢(shì)，但僅有7個(gè)站點(diǎn)通過(guò)95%以上的顯著性檢驗(yàn)（

2.3 潛在蒸散對(duì)氣象要素的敏感性

根據(jù)式（2）計(jì)算ET0對(duì)風(fēng)速、輻射、氣壓、水汽壓、最低氣溫和最高氣溫的敏感性系數(shù)，見(jiàn)表1。從年均尺度上看，ET0對(duì)風(fēng)速、輻射、最高氣溫和最低氣溫的敏感性系數(shù)為正，表明ET0隨著這些氣象要素的增加而增加。年尺度上，最高氣溫敏感性最高，為0.83，其次是水汽壓（?0.78）和輻射（0.75），而對(duì)風(fēng)速的敏感性最弱（0.13）。

從季節(jié)尺度上看（表1），春、夏和秋季對(duì)最高氣溫的敏感性系數(shù)最高，分別為0.84、0.88和0.94，而冬季對(duì)水汽壓的敏感性系數(shù)最高，為?1.03。春、夏和冬季對(duì)風(fēng)速的敏感性系數(shù)較弱，分別為0.09、0.10和0.17，而秋季對(duì)氣壓的敏感性系數(shù)最弱，為?0.12，其次是風(fēng)速，為0.16。

表1 不同季節(jié)潛在蒸散變化對(duì)各氣候要素的敏感性系數(shù)

注：Win為風(fēng)速，Rad為輻射，Pre為氣壓，MinT為最低氣溫，MaxT為最高氣溫，Vap為水汽壓，下同。

Note: Win represents wind speed, Rad represents radiation, Pre represents pressure, MinT represents minimum temperature, MaxT represents maximum temperature, Vap represents vapor pressure, same as below.

2.4 潛在蒸散變化的主導(dǎo)氣候因子

2.4.1 季節(jié)差異

本文首先根據(jù)式（3）計(jì)算了各氣象要素在1981－2019年的相對(duì)變化率，在此基礎(chǔ)上，根據(jù)式（4）計(jì)算了各氣象要素變化對(duì)ET0變化的貢獻(xiàn)率，見(jiàn)表2。由表2可見(jiàn)本文計(jì)算的氣象因子總貢獻(xiàn)率與ET0實(shí)際變化率較為接近，相差幅度在1個(gè)百分點(diǎn)以?xún)?nèi)。整體看，鄱陽(yáng)湖流域風(fēng)速、最低氣溫和最高氣溫的相對(duì)變化明顯高于其他要素，但由于ET0對(duì)風(fēng)速的敏感性偏弱，其貢獻(xiàn)率小于最低氣溫和最高氣溫。

具體來(lái)看，1981－2019年風(fēng)速下降、輻射減少和水汽壓增加使ET0下降了3.97%（表2），而最低氣溫和最高氣溫的累積貢獻(xiàn)率為9.79%，最終使ET0增加了5.84%，因此氣溫增加是鄱陽(yáng)湖流域年均ET0增加的主要原因，其中最高氣溫的貢獻(xiàn)率最大（5.90%），是主導(dǎo)因子。

對(duì)于春、秋季，風(fēng)速下降和水汽壓增加使ET0累計(jì)下降了3.04%和1.93%，但均遠(yuǎn)低于氣溫增加的正貢獻(xiàn)，春、秋季增溫的正貢獻(xiàn)分別為14.40%和11.79%，因此春、秋季ET0增加的主要原因仍是氣溫增加，并且最高氣溫貢獻(xiàn)率分別為10.04%和6.98%，仍是主導(dǎo)因子。

同理，對(duì)于冬季，風(fēng)速下降、輻射減少和水汽壓增加使ET0下降了5.46%，而冬季增溫的正貢獻(xiàn)達(dá)14.35%，因此氣溫增加是冬季ET0增加的主要原因，但不同于春、秋季，冬季最低氣溫的貢獻(xiàn)率更高（8.77%），是主導(dǎo)因子。

而對(duì)于夏季，由于氣溫的相對(duì)變化率相比于其他季節(jié)偏小（表2），增溫對(duì)ET0的正貢獻(xiàn)有所減弱，最高氣溫和最低氣溫的貢獻(xiàn)率之和為3.89%，而輻射下降使ET0下降了5.34%，由此夏季ET0呈下降趨勢(shì)。因此夏季ET0下降的主導(dǎo)因子是輻射量下降。

從主導(dǎo)因子的空間分布來(lái)看，春季區(qū)域內(nèi)所有臺(tái)站的主導(dǎo)因子均為最高氣溫（圖5a），夏季輻射為主導(dǎo)因子的站點(diǎn)數(shù)為57個(gè)，占總站數(shù)的77.0%（圖5b），秋季則有56個(gè)站點(diǎn)的主導(dǎo)因子為最高氣溫，14個(gè)站為風(fēng)速（圖5c），冬季共有41個(gè)站點(diǎn)的主導(dǎo)因子為最低氣溫，占總數(shù)的55.4%，此外有20個(gè)站的主導(dǎo)因子為水汽壓，11個(gè)站為風(fēng)速（圖5d）。

表2 1981－2019年各季節(jié)氣候要素的相對(duì)變化率及對(duì)ET0變化的貢獻(xiàn)

2.4.2 貢獻(xiàn)率年代際變化

為計(jì)算氣象要素貢獻(xiàn)率的年代際差異，以1981年為基準(zhǔn)年，分別計(jì)算1982－2019年各氣象要素相對(duì)1981年的變化率，并通過(guò)敏感性系數(shù)統(tǒng)計(jì)不同年代貢獻(xiàn)率，見(jiàn)圖6。

從年際尺度來(lái)看（圖6a），20世紀(jì)80年代、90年代以及21世紀(jì)頭10年各氣象要素貢獻(xiàn)率之和分別為?0.10%、?2.29%和3.90%，呈逐漸增加趨勢(shì)，21世紀(jì)10年代有所放緩，貢獻(xiàn)率之和為2.88%；這主要是由于最高氣溫和最低氣溫的貢獻(xiàn)率之和明顯增加，各年代分別為1.23%、3.09%、7.05%和8.41%，而其他要素未表現(xiàn)出明顯的趨勢(shì)。

春、秋兩季與年尺度類(lèi)似（圖6b、圖6d），增溫的貢獻(xiàn)率在各年代呈逐漸上升趨勢(shì)，其他要素貢獻(xiàn)率的年代際差異不明顯；對(duì)于冬季，最低氣溫和水汽壓的貢獻(xiàn)率明顯高于其他要素，但最低氣溫貢獻(xiàn)率逐漸增加，各年代分別為6.23%、18.91%、18.36%和21.27%，而水汽壓貢獻(xiàn)率在20世紀(jì)90年代后變化較小；而對(duì)于夏季，輻射的貢獻(xiàn)率在各個(gè)年代均遠(yuǎn)超過(guò)其他要素，盡管氣溫增加的正貢獻(xiàn)在進(jìn)入21世紀(jì)后出現(xiàn)，但仍小于輻射下降帶來(lái)的負(fù)貢獻(xiàn)。

3 討 論

本文研究發(fā)現(xiàn)，1981－2019年鄱陽(yáng)湖流域ET0除夏季呈不顯著（>0.05）下降趨勢(shì)外，其他季節(jié)均呈上升趨勢(shì)，其中春、秋季以及年尺度達(dá)到<0.05顯著性水平。這有區(qū)別于中國(guó)其他區(qū)域，如黃河流域[27]、華北平原[17]和西北地區(qū)[18]ET0自20世紀(jì)60年代以來(lái)呈下降趨勢(shì)。這些區(qū)域的研究結(jié)論表明，風(fēng)速下降和日照減少兩者的共同作用是ET0下降的原因。本文研究時(shí)段內(nèi)鄱陽(yáng)湖流域同樣表現(xiàn)為風(fēng)速下降，但太陽(yáng)輻射除夏季呈顯著下降外，其他季節(jié)變化并不明顯，甚至在春、秋季呈上升趨勢(shì)，因此太陽(yáng)輻射的不顯著變化是鄱陽(yáng)湖流域ET0變化趨勢(shì)區(qū)別于其他地區(qū)的原因之一。另一方面，從氣象要素的敏感性來(lái)看，鄱陽(yáng)湖流域ET0對(duì)最高氣溫最為敏感（除冬季外），而中國(guó)其他區(qū)域ET0對(duì)相對(duì)濕度或者水汽壓最為敏感，例如黃河流域[27]、海河流域[28]、渭河流域[29]等。溫度敏感性增加在一定程度上必然使增溫的正貢獻(xiàn)增加，并最終使ET0呈上升趨勢(shì)。因此鄱陽(yáng)湖流域ET0對(duì)氣溫敏感性系數(shù)的增加是該區(qū)域ET0變化趨勢(shì)不同于其他地區(qū)的另一原因。

此外，本文發(fā)現(xiàn)鄱陽(yáng)湖流域年均ET0具有先降后升的特點(diǎn)，在20世紀(jì)90年代下降趨勢(shì)不斷加重，進(jìn)入21世紀(jì)后下降趨勢(shì)減弱，并在21世紀(jì)頭10年后半段轉(zhuǎn)為上升趨勢(shì)。這與中國(guó)ET0的變化過(guò)程一致[6,8]，并且基于鄱陽(yáng)湖流域?qū)嶋H蒸發(fā)量的研究亦證明這種轉(zhuǎn)折的確存在[30]。本文從氣象要素貢獻(xiàn)率的年代際差異發(fā)現(xiàn)，在20世紀(jì)90年代，風(fēng)速和輻射的負(fù)貢獻(xiàn)大于氣溫增加的正貢獻(xiàn)，因此年均ET0在20世紀(jì)90年代呈下降趨勢(shì)，而在21世紀(jì)頭10年以后，氣溫的正貢獻(xiàn)不斷增加，而風(fēng)速和輻射的負(fù)貢獻(xiàn)變化不大，使ET0由下降轉(zhuǎn)為上升。因此，氣候變暖對(duì)ET0的正貢獻(xiàn)不斷增加是發(fā)生這種轉(zhuǎn)折的重要原因。

目前，關(guān)于鄱陽(yáng)湖流域蒸發(fā)量的研究成果豐富。基于互補(bǔ)相關(guān)蒸發(fā)模型估算的1955—2001年實(shí)際蒸發(fā)量[30]、基于氣象站監(jiān)測(cè)的1960—2005年蒸發(fā)皿蒸發(fā)量[22, 31]以及基于氣象要素計(jì)算的1960－2014年潛在蒸散量[23]的分析結(jié)果均表明20世紀(jì)60年代以來(lái)該區(qū)域蒸發(fā)量呈下降趨勢(shì)，這與本文得出的除夏季外、其他季節(jié)及年均潛在蒸散呈增加趨勢(shì)的結(jié)論相反。這主要是由于研究時(shí)段不同導(dǎo)致的。本文研究表明，鄱陽(yáng)湖流域潛在蒸散在進(jìn)入21世紀(jì)后由降轉(zhuǎn)升，且這種轉(zhuǎn)折與實(shí)際蒸發(fā)量的情況一致[30]，上述相關(guān)研究的分析時(shí)段均開(kāi)始為20世紀(jì)60年代，前期下降時(shí)段的比例較大，因此整個(gè)時(shí)段呈下降趨勢(shì)。此外，以上研究均指出日照時(shí)數(shù)和風(fēng)速下降是潛在蒸散或蒸發(fā)皿蒸發(fā)量下降的主要原因。本文同樣發(fā)現(xiàn)在2000年以前的下降時(shí)段，風(fēng)速和輻射下降是主要原因，這點(diǎn)的結(jié)論是一致的。但由于這些研究忽視了潛在蒸散或?qū)嶋H蒸發(fā)存在由降轉(zhuǎn)升的過(guò)程，對(duì)轉(zhuǎn)折的成因探討較少，因此沒(méi)有發(fā)現(xiàn)氣溫增加的主導(dǎo)作用。

值得注意的是，夏、秋季是鄱陽(yáng)湖流域干旱的多發(fā)季節(jié)，一般認(rèn)為長(zhǎng)期無(wú)雨或少雨是發(fā)生伏、秋旱的主要原因。本文研究表明，盡管1981—2019年夏季ET0呈下降趨勢(shì)，但隨著輻射的負(fù)貢獻(xiàn)逐年代下降，而氣溫的正貢獻(xiàn)逐漸增加，下降趨勢(shì)已呈不斷減弱趨勢(shì)；而秋季由于最低氣溫和最高氣溫的正貢獻(xiàn)不斷增加，其ET0亦將持續(xù)增加；此外，基于第五階段國(guó)際耦合模式比較計(jì)劃（CMIP5）的多模式未來(lái)氣候情景預(yù)估亦表明鄱陽(yáng)湖流域潛在蒸散仍將持續(xù)增加[32]。因此，氣候變暖導(dǎo)致的ET0增加能在一定程度上加重伏、秋旱的發(fā)生頻率和強(qiáng)度。在鄱陽(yáng)湖流域干旱特征分析中，亦應(yīng)將潛在蒸散納入監(jiān)測(cè)指標(biāo)。

4 結(jié) 論

本文利用Penman-monteith模型計(jì)算流域內(nèi)潛在蒸散量（ET0），基于敏感性-貢獻(xiàn)率法計(jì)算了不同氣象因子對(duì)ET0變化貢獻(xiàn)率，分析了其季節(jié)性和年代際差異。主要結(jié)果如下：

1）1981－2019年鄱陽(yáng)湖流域年均潛在蒸散（ET0）呈上升趨勢(shì)（1.50 mm/a，<0.05），增加趨勢(shì)以春季最大（0.81 mm/a，<0.05），其次為秋季（0.64 mm/a，<0.05）和冬季（0.28 mm/a，>0.05），而夏季呈下降趨勢(shì)（?0.23 mm/a，>0.05）。

2）1981－2019年最低氣溫和最高氣溫升高使年均ET0增加9.79%，大于風(fēng)速和太陽(yáng)輻射下降以及水汽壓增加的負(fù)貢獻(xiàn)，是ET0增加的主要原因，其中最高氣溫升高使年均ET0增加5.90%，是主導(dǎo)因子。

3）不同季節(jié)主導(dǎo)因子有所差異。春季、秋季和冬季ET0增加的主要原因亦是氣溫增加，三者氣溫增加的貢獻(xiàn)率分別為14.40%、11.79%和14.35%，其中春、秋季最高氣溫的貢獻(xiàn)率為10.04%和6.98%，是主導(dǎo)因子，而冬季最低氣溫為主導(dǎo)因子（貢獻(xiàn)率為8.77%）。對(duì)于夏季，氣溫增加的貢獻(xiàn)率為3.89%，但輻射貢獻(xiàn)下降5.34%，因此夏季ET0的主導(dǎo)因子為輻射下降。

4）鄱陽(yáng)湖流域年均ET0具有先降后升的特點(diǎn)，在20世紀(jì)90年代下降趨勢(shì)不斷加重，進(jìn)入21世紀(jì)后下降趨勢(shì)減弱，并在21世紀(jì)頭10年后半段轉(zhuǎn)為上升趨勢(shì)，氣溫增加導(dǎo)致其正貢獻(xiàn)不斷增加是由降轉(zhuǎn)升的重要原因。

[1] Taikan O, Shinjiro K. Global hydrological cycles and world water resources[J]. Science, 2006, 313(25): 1068-1072.

[2] 吳霞，王培娟，霍治國(guó)，等. 1961-2015年中國(guó)潛在蒸散時(shí)空變化特征與成因[J]. 資源科學(xué)，2017，39(5)：964-977.

Wu Xia, Wang Peijuan, Huo Zhiguo, et al. Spatio-temporal distribution characteristics of potential evapotranspiration and impact factors in China from 1961 to 2015[J]. Resources Science, 2017, 39(5): 964-977. (in Chinese with English abstract)

[3] Roderick M L, Farquhar G D. The cause of decreased pan evaporation over the past 50 years[J]. Science, 2002, 298(5597): 1410-1411.

[4] 高歌，陳德亮，任國(guó)玉，等. 1956－2000年中國(guó)潛在蒸散量變化趨勢(shì)[J]. 地理研究，2006，25(3)：378-387.

Gao Ge, Chen Deliang, Ren Guoyu, et al. Trend of potential evapotranspiration over China during 1956 to 2000[J]. Geographical Research, 2006, 25(3): 378-387. (in Chinese with English abstract)

[5] Yin Y H, Wu S H, Chen G, et al. Attribution analyses of potential evapotranspiration changes in China since the 1960s[J]. Theoretical and Applied Climatology, 2010, 101(1): 19-28.

[6] 叢振濤，倪廣恒，楊大文，等. “蒸發(fā)悖論”在中國(guó)的規(guī)律分析[J]. 水科學(xué)進(jìn)展，2008，19(2)：147-152.

Cong Zhentao, Ni Guangheng, Yang Dawen, et al. Evaporation paradox in China[J]. Advances in Water Science, 2008, 19(2): 147-152. (in Chinese with English abstract)

[7] Li Z, Chen Y N, Yang J, et al. Potential evapotranspiration and its attribution over the past 50?years in the arid region of Northwest China[J]. Hydrological Processes, 2014, 28(3): 1025-1031.

[8] 曹雯，段春鋒，申雙和. 1971－2010年中國(guó)大陸潛在蒸散變化的年代際轉(zhuǎn)折及其成因[J]. 生態(tài)學(xué)報(bào)，2015，35(15)：5085-5094.

Cao Wen, Duan Chunfeng, Shen Shuanghe. Inter-decadal breakpoint in potential evapotranspiration trends and the main causes in China during the period 1971-2010[J]. Acta Ecologica Sinica, 2015, 35(15): 5085-5094. (in Chinese with English abstract)

[9] Cohen S, Ianetz A, Stanhill G. Evaporative climate changes at Bet Dagan, Israel, 1964–1998[J]. Agricultural and Forest Meteorology, 2002, 111(2): 83-91.

[10] Gerald S, Markus M. Evaporative climate change in the British Isles[J]. International Journal of Climatology, 2008, 28(9): 1127-1137.

[11] 郭雯雯，黃生志，趙靜，等. 渭河流域潛在蒸散發(fā)時(shí)空演變與驅(qū)動(dòng)力量化分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2021，37(3)：81-89.

Guo Wenwen, Huang Shengzhi, Zhao Jing, et al. Spatio-temporal dynamics and driving forces of potential evapotranspiration in the Wei River Basin[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(3): 81-89. (in Chinese with English abstract)

[12] 畢彥杰，趙晶，趙勇，等. 京津冀地區(qū)潛在蒸散量時(shí)空演變特征及歸因分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2020，36(5)：130-140.

Bi Yanjie, Zhao Jing, Zhao Yong, et al. Spatial-temporal variation characteristics and attribution analysis of potential evapotranspiration in Beijing-Tianjin-Hebei region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(5): 130-140. (in Chinese with English abstract)

[13] 尹云鶴，吳紹洪，戴爾阜. 1971－2008年我國(guó)潛在蒸散時(shí)空演變的歸因[J]. 科學(xué)通報(bào)，2010，55(22)：2226-2234.

Yin Yunhe, Wu Shaohong, Dai Erfu. Determining factors in potential evapotranspiration changes over China in the period 1971-2008[J]. Chinese Science Bulletin, 2010, 55(22): 2226-2234. (in Chinese with English abstract)

[14] 畢彥杰，趙晶，吳迪，等. GFDL-ESM2M氣候模式下京津冀地區(qū)未來(lái)潛在蒸散量時(shí)空變化[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2020，36(5)：141-149.

Bi Yanjie, Zhao Jing, Wu Di, et al. Spatiotemporal variations of future potential evapotranspiration in the Beijing-Tianjin-Hebei region under GFDL-ESM2M climate model[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(5): 141-149. (in Chinese with English abstract)

[15] 王曉東，馬曉群，許瑩，等. 淮河流域參考作物蒸散量變化特征及主要?dú)庀笠蜃拥呢暙I(xiàn)分析[J]. 中國(guó)農(nóng)業(yè)氣象，2013，34(6)：661-667.

Wang Xiaodong, Ma Xiaoqun, Xu Ying, et al. Variation of reference crop evapotranspiration and contribution of main factors in the Huaihe Basin[J]. Chinese Journal of Agrometeorology, 2013, 34(6): 661-667. (in Chinese with English abstract)

[16] 謝賢群，王菱. 中國(guó)北方近50年潛在蒸發(fā)的變化[J]. 自然資源學(xué)報(bào)，2007，22(5)：683-691.

Xie Xianqun, Wang Ling. Changes of potential evaporation in Northern China over the past 50 years[J]. Journal of Natural Resources, 2007, 22(5): 683-691. (in Chinese with English abstract)

[17] 王鵬濤，延軍平，蔣沖，等. 華北平原參考作物蒸散量時(shí)空變化及其影響因素分析[J]. 生態(tài)學(xué)報(bào)，2014，34(19)：5589-5599.

Wang Pengtao, Yan Junping, Jiang Chong, et al. Spatial and temporal variations of reference crop evapotranspiration and its influencing factors in the North China Plain[J]. Acta Ecologica Sinica, 2014, 34(19): 5589-5599. (in Chinese with English abstract)

[18] 曹雯，申雙和，段春鋒. 中國(guó)西北潛在蒸散時(shí)空演變特征及其定量化成因[J]. 生態(tài)學(xué)報(bào)，2012，32(11)：3394-3403.

Cao Wen, Shen Shuanghe, Duan Chunfen. Temporal-spatial variations of potential evapotranspiration and quantification of the causes in Northwest China[J]. Acta Ecologica Sinica, 2012, 32(11): 3394-3403. (in Chinese with English abstract)

[19] 楊林山，李常斌，王帥兵，等. 洮河流域潛在蒸散發(fā)的氣候敏感性分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2014，30(11)：102-109.

Yang Linshan, Li Changbin, Wang Shuaibing, et al. Sensitive analysis of potential evapotranspiration to key climatic factors in Taohe River Basin[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(11): 102-109. (in Chinese with English abstract)

[20] 郭華，張奇，王艷君. 鄱陽(yáng)湖流域水文變化特征成因及旱澇規(guī)律[J]. 地理學(xué)報(bào)，2012，67(5)：699-709.

Guo Hua, Zhang Qi, Wang Yanjun. Annual variations in climatic and hydrological processes and related flood and drought occurrences in the Poyang Lake Basin[J]. Acta Geographica Sinica, 2012, 67(5): 699-709. (in Chinese with English abstract)

[21] 王容，李相虎，薛晨陽(yáng)，等. 1960-2012年鄱陽(yáng)湖流域旱澇急轉(zhuǎn)事件時(shí)空演變特征[J]. 湖泊科學(xué)，2020，32(1)：207-222.

Wang Rong, Li Xianghu, Xue Chenyang, et al. Spatio-temporal variations of the drought-flood abrupt alternation events in the Lake Poyang Basin from 1960 to 2012[J]. Lake Science, 2020, 32(1): 207-222. (in Chinese with English abstract)

[22] 孫善磊，周鎖銓?zhuān)螡崳? 江西省域蒸發(fā)皿蒸發(fā)量變化特征及其成因[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2010，26(9)：59-65.

Sun Shanlei, Zhou Suoquan, Song Jie, et al. Change in pan evaporation and its driving factors in Jiangxi Province[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(9): 59-65. (in Chinese with English abstract)

[23] 涂安國(guó)，李英，聶小飛，等. 鄱陽(yáng)湖流域參考作物蒸散量變化特征及其歸因分析[J]. 生態(tài)環(huán)境學(xué)報(bào)，2017，26(2)：211-218.

Tu Anguo, Li Ying, Nie Xiaofei, et al. Spatial and temporal variations of reference crop evapotranspiration and its influencing factors in Poyang Lake watershed[J]. Ecology and Environmental Sciences, 2017, 26(2): 211-218. (in Chinese with English abstract)

[24] Pereira L S, Allen R G, Smith M, et al. Crop evapotranspiration estimation with FAO56: Past and future[J]. Agricultural Water Management, 2015, 147: 4–20.

[25] 王怡寧，張曉萌，路璐，等. 通徑分析結(jié)合BP神經(jīng)網(wǎng)絡(luò)方法估算夏玉米作物系數(shù)及蒸散量[J].農(nóng)業(yè)工程學(xué)報(bào)，2020，36(7)：109-116.

Wang Yining, Zhang Xiaomeng, Lu Lu, et al. Estimation of crop coefficient and evapotranspiration of summer maize by path analysis combined with BP neural network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(7): 109-116.

[26] 劉昌明，張丹. 中國(guó)地表潛在蒸散發(fā)敏感性的時(shí)空變化特征分析[J]. 地理學(xué)報(bào)，2011，66(5)：579-588.

Liu Changming, Zhang Dan. Temporal and spatial change analysis of the sensitivity of potential evapotranspiration to meteorological influencing factors in China[J]. Acta Geographica Sinica, 2011, 66(5): 579-588. (in Chinese with English abstract)

[27] 劉勤，嚴(yán)昌榮，趙彩霞，等. 黃河流域日潛在蒸散量變化及氣象敏感要素分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2014，30(17)：157-166.

Liu Qin, Yan Changrong, Zhao Caixia, et al. Changes of daily potential evapotranspiration and analysis of its sensitivity coefficients to key climatic variables in Yellow River basin[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(17): 157-166. (in Chinese with English abstract)

[28] 劉小莽，鄭紅星，劉昌明，等. 海河流域潛在蒸散發(fā)的氣候敏感性分析[J]. 資源科學(xué)，2009，31(9)：1470-1476.

Liu Xiaomang, Zheng Hongxing, Liu Changming, et al. Sensitivity of the potential evapotranspiration to key climatic variables in the Haihe River Basin[J]. Resouces Science, 2009, 31(9): 1470-1476. (in Chinese with English abstract)

[29] 郭夢(mèng)瑤，佘敦先，張利平，等. 渭河流域潛在蒸散量變化的氣候歸因[J]. 資源科學(xué)，2020，42(5)：907-919.

Guo Mengyao, She Dunxian, Zhang Liping, et al. Climate explanation of the potential evapotranspiration changes in Weihe River Basin[J]. Resource Science, 2020, 42(5): 907-919. (in Chinese with English abstract)

[30] 劉健，張奇，許崇育，等. 近50年鄱陽(yáng)湖流域?qū)嶋H蒸發(fā)量的變化及影響因素[J]. 長(zhǎng)江流域資源與環(huán)境，2010，19(2)：139-145.

Liu Jian, Zhang Qi, Xu Chongyu, et al. Change of actual evapotranspiration of Poyang Lake Watershed and associated influencing factors in the past 50 years[J]. Resources and Environment in The Yangtze Basin, 2010, 19(2): 139-145. (in Chinese with English abstract)

[31] 顧人穎，周鎖銓?zhuān)螡崳? 江西省近46年蒸發(fā)皿蒸發(fā)量變化特征及其影響因素分析[J]. 中國(guó)農(nóng)業(yè)氣象，2010，31(3)：388-394.

Gu Renying, Zhou Suoquan, Song Jie, et al. Variation analysis on pan evaporation and its influence factors in Jangxi Province last 46 years[J]. Chinese Journal of Agrometeorology, 2010, 31(3): 388-394. (in Chinese with English abstract)

[32] 劉子豪，陸建忠，黃建武，等. 基于CMIP5模式鄱陽(yáng)湖流域未來(lái)參考作物蒸散量預(yù)估[J]. 湖泊科學(xué)，2019，31(6)：1685-1697.

Liu Zihao, Lu Jianzhong, Huang Jianwu, et al. Prediction and trend of future reference crop evapotranspiration in the Poyang Lake Basin based on CMIP5 Models[J]. Journal of Lake Sciences, 2019, 31(6): 1685-1697. (in Chinese with English abstract)

Variation characteristics and cause analysis of potential evapotranspiration in Poyang Lake Basin from 1981 to 2019

Qin Xiaochen1, Dai Zhijian1, Chen Xingjuan1, Li Bozhen1, Zhan Mingjin1,2※

(1.330096,; 2.330096,)

Potential evapotranspiration (ET0) is an essential indicator to determine the level of climate dryness and water shortage, particularly for crop water demand and irrigation. Recent studies have found that the ET0in most areas of China changed from a downward trend to an upward trend in the early 1990s, closely relating to the tendency of meteorological factors. Seasonal water deficit has been the main limiting factor for agricultural production in summer and autumn, especially in Poyang Lake Basin (PLB), one of the most important commodity grain bases in China. However, the ET0trend and the seasonal differences still remain unclear. In this study, a Penman-monteith formula was utilized to calculate the ET0in PLB during 1981-2019 using the daily observed data from 74 meteorological stations. Mann-Kendall trend test and the sensitivity-contribution method were applied to reveal the trend of ET0on an annual and seasonal scale, and thereby to compare the contribution rates of climate factors, including the wind speed, solar radiation, vapor pressure, as well as the minimum and maximum temperature. Results showed that: 1) The annual ET0in the PLB first declined and then rose during the study period, where a downward trend was found before 2000s followed by a weak downward trend after 2000 s, and an upward trend in the second half of 2000s. The ET0showed an increasing trend in other seasons except for summer and the annual scale in 1981-2019. The annual trend of ET0was 1.50 mm/a (<0.05), with the highest increasing rate in spring (0.81 mm/a,<0.05) followed by autumn (0.64 mm/a,<0.05). While the summer ET0experienced a decreasing trend (-0.23 mm/a,>0.05). 2) The ET0reduced by 3.97% in 1981-2019, with the decrease in wind speed and solar radiation, while the increase in the water vapor pressure. Nevertheless, the cumulative contribution rate of the minimum and the maximum temperature was 9.79%, which ultimately increased ET0by 5.84%. Therefore, the warming temperature was the main reason for the annual increase of ET0in PLB, where the highest temperature had the largest contribution rate (5.90%), indicating the dominant factor. Seasonally, spring and autumn ET0rising was also mainly caused by warming the minimum and maximum temperature. The contribution rate was 14.40% and 11.79% for spring and autumn, respectively. The maximum temperature was the dominant factor for these two seasons, with the contribution rate of 10.04% and 6.98% for the spring and autumn, respectively. In addition, the dominant factor for winter ET0rising was the warming minimum temperature, of which the contribution rate was 8.77% (correspondingly 5.58% for the maximum temperature). Although the high temperature increased ET0by 3.89% in summer, the contribution rate of the decreasing solar radiation was -5.34%. Thus, the decreasing of solar radiation was the dominant factor for summer ET0declining. 3) The positive contribution of warming temperature exceeded the negative contribution of wind speed and solar radiation in the decadal change of contribution rate for various climate factors. That was the main reason for the turning point of the annual ET0from falling to rising during the 2000s. The finding can provide a sound reference to regional water management and seasonal drought monitoring in the Poyang Lake Basin of southern China.

evapotranspiration; climate; season; spatial-temporal characteristics; contribution rate; the Poyang Lake Basin

2020-12-01

2021-02-03

江西省自然科學(xué)基金（20202BABL203036）；江西省氣象局氣象科技項(xiàng)目（JX2020Q09）

秦曉晨，助理工程師，研究方向?yàn)闅夂蜃兓mail：610635125@qq.com

占明錦，博士，正高級(jí)工程師，研究方向?yàn)闅夂蜃兓mail：hellorm@126.com

10.11975/j.issn.1002-6819.2021.07.012

P426.2+1

A

1002-6819(2021)-07-0094-09

秦曉晨，戴志健，陳興鵑，等. 1981—2019年鄱陽(yáng)湖流域潛在蒸散變化特征及氣候成因分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2021，37(7)：94-102. doi：10.11975/j.issn.1002-6819.2021.07.012 http://www.tcsae.org

Qin Xiaochen, Dai Zhijian, Chen Xingjuan, et al. Variation characteristics and cause analysis of potential evapotranspiration in Poyang Lake Basin from 1981 to 2019[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(7): 94-102. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.07.012 http://www.tcsae.org