滴灌條件下棗園蒸散量的顯著氣象因子分析

李 徐，岳春芳，張夢麗

(新疆農業大學水利與土木工程學院，烏魯木齊 830052)

0 引 言

【研究意義】蒸散(evapotranspiration，ET)，由土壤蒸發和植物蒸騰組成，是維持陸面水分平衡和地表能量平衡的重要組成部分，也是農田生態系統水分消耗的主要途徑[1]。阿克蘇地區紅棗成為新疆紅棗產業發展的特色區域，2019年阿克蘇地區紅棗種植面積為8.67×104hm2，滴灌紅棗面積為6.55×103hm2，目前占紅棗總面積7.56%。阿克蘇地區合理調配紅棗灌溉用水，將恢復和新建棗樹節水滴灌工程4.33×103hm2[2]。目前，國內外學者對ET0的顯著氣象因子進行了一系列的研究，在不同時空顯著氣象因子存在差異。因獲取某地區實際蒸散資料較困難，大多研究利用參考作物蒸散量(ET0)確定當地實際蒸散量(ETc)。ET影響作物水分利用效率及生長，了解作物蒸散規律及其影響因素對作物高效用水具有重要意義。掌握滴灌棗園蒸散量的顯著影響因子，結合氣象資料對滴灌棗樹進行動態合理的科學灌溉，為當地合理調配紅棗灌溉用水提供參考?！厩叭搜芯窟M展】Sharifi等[3]研究表明，平均溫度是干旱半干旱地區ET0的顯著氣象因子。Burn DH[4]研究表明，草原風速及水汽壓差為ET0的顯著氣象因子，風速與ET0呈負相關，水汽壓差與ET0呈正相關。段春鋒等[5]研究表明，風速是西北地區ET0變化的主導因子。李迎等[6]研究表明，冬小麥各氣象要素顯著性在1、3、10月均表現為相對濕度>風速>日照時間>溫度，5月則表現為相對濕度>日照時間>風速>溫度。董宇軒等[7]研究表明，風速在夏秋冬季和小麥生長季為關中地區ET0的顯著氣象因子，平均溫度在春季和年尺度為ET0變化的主要氣象因子。楊宜等[8]研究表明，相對濕度與西瓜日蒸散量呈負相關，其他氣象因子與西瓜日蒸散量呈正相關。董煜等[9]研究結果表明，新疆地區氣象因子顯著性排序為最高溫度>相對濕度>日照時數。鄭明等[10]基于渦度系統和自動氣象站設備分析了阿克蘇棗園全生育期蒸散變化，研究結果表明，在0.5 h時間尺度，太陽輻射對棗園蒸散影響最大；在1 d時間尺度，空氣溫度對棗園蒸散影響最大。氣候、作物及灌溉方式不同，影響蒸散量的顯著氣象因子及其影響程度存在較大差異?！颈狙芯壳腥朦c】目前，研究ET0的顯著氣象因子和貢獻率的差異變化較多，而不同ET0模型的顯著氣象因子對滴灌棗園實際蒸散量(ETc)的影響研究較少。研究不同ET0的顯著氣象因子在不同生育期與ET0關系及各顯著氣象因子對棗樹ETc的貢獻率?！緮M解決的關鍵問題】在阿克蘇地區棗樹滴灌試驗，選取Penman-Monteith(PM)、Hargreaves-Samani(HS)、Priestley-Taylo(PT)模型，采用多元線性回歸分析不同ET0的顯著氣象因子，以及各顯著氣象因子對棗園ETc的貢獻率。分析不同參考作物蒸散與氣象因子的響應，為該地區及氣候相近地區棗園蒸散量的成因及灌溉制度的合理制定提供參考。

1 材料與方法

1.1 材 料

試驗區位于新疆阿克蘇地區紅旗坡農場的新疆農業大學林果試驗基地(E80°20’，N41°16’)，海拔1 133 m，試驗區面積為0.106 hm2。該試驗地年均太陽輻射為544～590 kJ/cm2，多年平均日照時數2 855～2 967 h，多年平均降雨量42.4～94.4 mm。試驗區供試棗樹為6年生灰棗，行株距為4 m×1 m，滴灌帶采用1行2管式鋪設，滴灌帶距樹干40 cm。試驗區土壤質地上層(0～50 cm)以粉沙壤土為主，下層(50～100 cm)以細沙土為主。0～100 cm土層平均土壤容重為1.39 g/cm，平均田間持水率為27%，凋萎含水率為6%，地下水埋深10 m以上[11-12]。

數據來源于2019年棗樹滴灌試驗，采用作物水分生產率(WUE)最高的處理進行分析，該處理灌水定額為20 m3/667m2，灌水次數為13次。

1.2 方 法

1.2.1 測定指標

1.2.1.1 氣象指標

使用安裝高度2 m的HOBO小型自動氣象站監測并采集氣象數據(太陽輻射、相對濕度、氣溫、降雨量、風速等)，每30 min記錄1次數據，天頂輻射由當地經緯度計算得到。

1.2.1.2 土壤水分指標

采用TRIME土壤水分測定儀測定土壤體積含水率，每次灌水前、后測量，雨后加測。棗樹行間布置2根TRIME管，株間布置1根TRIME管，分別布設在棗樹行間距樹干40、80 cm處和株間40 cm處。觀測土層深度100 cm，垂直測點為地面以下每10 cm測定1次。

1.2.1.3 作物水分生產率(WUE)

單位水量所獲得的紅棗產量。

1.2.2 計算

蒸散量受各類氣象因子綜合影響，影響因素可分為輻射項、溫度項、濕度項及風速項。以2019年棗樹生育期內的日尺度太陽輻射(Rn)、天頂輻射(Ra)、最高溫度(Tmax)、平均溫度(T)、最低溫度(Tmin)、最高相對濕度(RHmax)、平均相對濕度(RH)、最低相對濕度(RHmin)、風速(U)的日平均值為代表值。

顯著氣象因子為各氣象因子之間不存在共線性且氣象因子對ET0影響顯著。其中，顯著性為significance(sig)，當0.000.05，則該氣象因子對ET0影響不顯著。VIF為方差膨脹因子，當VIF<10，則各氣象因子之間不存在共線性；當VIF>10則各氣象因子之間存在共線性。由于PM、HS、PT所需氣象因子存在差異，只考慮該計算模型所需的氣象因子。

確定參考作物蒸散量的方法主要包括測量法和模型計算，根據基本氣象數據建立的經驗模型是目前參考作物蒸散量計算中較為普遍的一種方法。參考作物蒸散量經驗模型主要分為綜合法、溫度法、輻射法。其中，綜合法中的Penman-Monteith、溫度法中的Hargreaves-Samani、輻射法中的Priestley-Taylo模型在西北地區使用精度較高[13]。以農田水量平衡方程計算的蒸散量為標準值ETc，PM、HS、PT計算的參考作物蒸散量為估算值ET0。表1

表1 計算蒸散量的相關公式Table 1 Correlation formula for evapotranspiration calculation

1.3 數據處理

因各氣象因子的量綱和數據差異，運用SPSS對各氣象因子進行標準化處理，采用多元線性回歸，分析各氣象因子對ETc變化的影響[14]。

YET=α1X1+α2X2+α3X3+…αnXn.

(2)

(3)

式中，YET為實際作物蒸散量的標準化值，X1、X2、X3、…、Xn分別為氣候因子的標準化值，α1、α2、α3、…、αn為氣候因子序列標準化后對應的回歸系數，g1為某因子(X1)變化對YET變化的貢獻率。

對數據進行標準化處理后得到各模型顯著氣象因子在不同生育期對ETc的貢獻率。

使用Microsoft Excel 2013及SPSS 22.0進行數據分析；采用Python3.7.0進行制圖。

2 結果與分析

2.1 氣象因子及蒸散量的變化特征

研究表明，輻射、溫度均呈單峰狀，相對濕度呈雙峰狀，風速呈多峰狀。Rn與Ra在6月下旬最高，日均值分別為24.31、41.86 MJ/m2；各溫度值在8月上旬最高，維持在2.2～38.6℃；各相對濕度值維持在13.3%～97.8%；U維持在0～1.6 m/s。圖1

圖1 各氣象因子變化特征Fig.1 Variation characteristics of meteorological factors

統計2019年棗樹生育期相關數據，得到各個旬的ETc與ET0數據，平均各旬得到相應日蒸散量。圖2

圖2 棗樹ET0與ETc日均值變化特征Fig.2 Variation characteristics of daily mean values of ET0 and ETc in jujube trees

研究表明，ETc與ET0(PM、HS、PT)整體變化趨勢較為一致，均呈“先增后減”的趨勢：5月上旬至7月下旬逐漸增加，7月下旬左右達到峰值，隨后逐漸下降，但各ET0曲線也出現了不同程度的差異。ET0日均值排序為ET0(HS)>ET0(PT)>ET0(PM)。圖2

實際蒸散強度在幼果期最大，但由于各生育期時長不同，因此，各生育期ETc占比存在差異。ETc在萌芽期、花期、幼果期、果實發育期分別占全生育期的11.58%、35.80%、16.76%、35.86%；ET0-PM在萌芽期、花期、幼果期、果實發育期分別占計算總蒸散量的13.99%、44.67%、13.95%、27.40%；ET0-HS在萌芽期、花期、幼果期、果實發育期分別占計算總蒸散量的11.95%、42.11%、14.52%、31.42%；ET0-PT在萌芽期、花期、幼果期、果實發育期分別占計算總蒸散量的13.08%、42.62%、13.63%、30.67%。ETc與各模型計算的ET0之比即作物系數(Kc)存在差異，整體變化規律均隨生育期為先減后增。表2

表2 棗樹各生育期相關蒸散量Table 2 Evapotranspiration of jujube at different growth stages

2.2 各模型的顯著氣象因子

建立ET0與各顯著氣象因子的關系式，如下：

ET0=∑αixi+β.

(1)

式中：ET0為參考作物蒸散量(mm)，αi為各顯著氣象因子偏回歸系數(其中，α1為太陽輻射系數；α2為平均溫度系數；α3為平均風速系數；α4為平均相對濕度系數；α5為最高溫度系數；α6為最低溫度系數；α7為天頂輻射系數，xi為各氣象值，β為偏回歸系數常數，各顯著氣象因子及偏回歸系數。表3

當選用PM所需氣象因子，ET0顯著影響因子有太陽輻射、平均相對濕度、平均溫度和平均風速；當選用HS所需氣象因子，ET0顯著影響因子有天頂輻射、最高溫度、最低溫度、平均溫度；當選用PT所需氣象因子，顯著影響因子有太陽輻射、最低溫度和平均溫度。平均相對濕度與各ET0總體上呈負相關，即隨著平均相對濕度的增大，ET0減少。太陽輻射、平均溫度、平均風速、最低溫度、最高溫度、天頂輻射、平均風速與各ET0總體上呈正相關，即隨著太陽輻射、平均溫度、平均風速、最低溫度、最高溫度、天頂輻射、平均風速的增大，ET0增大。表3

表3 各顯著氣象因子及偏回歸系數Table 3 Significant meteorological factors and partial regression coefficient

2.3 顯著氣象因子對ETc的貢獻率

研究表明，對于PM模型而言，太陽輻射在全生育期對ETc貢獻率最大，其貢獻率為57.6%～74.6%，在幼果期達到最大值74.6%。由于該地區的風季通常出現在花期和幼果期，因此，風速在這2個生育期對蒸散量的貢獻率較大，僅次于太陽輻射。在萌芽期和花期，空氣平均相對濕度對蒸散量影響較大，主要是因為萌芽期和花期棗樹枝葉尚處于生長發育初期，葉面積指數較低，地表土壤裸露較多，受光照及風速影響地表附近相對濕度變化較大。反之，在幼果期和果實發育期隨著葉面積指數的增大，棗樹地表附近相對濕度值相對穩定，平均相對濕度對蒸散量影響較小。因為幼果期平均溫度較其他氣象因子變化不大，因此，平均溫度在幼果期對蒸散量影響較小，而在萌芽期、花期與果實發育期對蒸散量的影響較大。

最高溫度在花期、萌芽期和果實發育期對ETc貢獻率較大，其貢獻率為60.5%～69.5%。最低溫度在幼果期對ETc貢獻率較大，其貢獻率為53.6%。春季的萌芽期和花期、秋季的果實發育期整體溫度相對夏季較低，最低溫度值相對穩定，季節交替性的最高溫度值的變化可能是引起土壤蒸發和植株蒸騰變化的主要因素。反之，在幼果期整體溫度較高，最高溫度值相對穩定，最低溫度值的變化是引起作物蒸騰變化的主要因素。最低溫度在幼果期對蒸散量變化的影響明顯大于最高溫度。由于各溫度項(最高溫度、最低溫度和平均溫度)存在不同程度的自相關關系，經多元回歸自相關計算后，3個溫度項指標在各生育期的影響略有差異。天頂輻射在不同生育期也略有不同。

太陽輻射對ETc貢獻率最大。在整個生育期太陽輻射對ETc的貢獻率呈先增后減的趨勢，在幼果期貢獻率達到最高值為100%。溫度項對ETc的貢獻率在不同生育期存在差異，在萌芽期與花期平均溫度對ETc的貢獻率僅次于太陽輻射，在幼果期最低溫度對ETc的貢獻率僅次于太陽輻射。

由于不同參考作物蒸散量模型的顯著氣象因子不同，因此，各顯著氣象因子在不同生育期對ETc的貢獻率存在差異。對于全生育期而言，PM模型的顯著因子對ETc的貢獻率分別為：太陽輻射(62.6%)、平均風速(19.9%)、平均溫度(11.8%)和平均相對濕度(5.7%)；HS模型的顯著因子對ETc的貢獻率分別為：最高溫度(55.1%)、最低溫度(30.1%)、天頂輻射(11.6%)和平均溫度(3.2%)；PT模型的顯著因子對ETc的貢獻率分別為：太陽輻射(84.1%)、平均溫度(12%)和最低溫度(3.9%)。圖3

圖3 各顯著氣象因子對ETc的貢獻率Fig.3 Contribution rate of each significant meteorological factor to ETc

3 討 論

試驗通過逐步回歸分析得出，不同參考作物蒸散模型的顯著氣象因子存在差異。溫度與輻射對棗園實際蒸散量的變化起到關鍵性作用，與楊宜[8]對于西瓜的研究結論相近。平均氣溫與ET0呈極顯著正相關關系，相對濕度與ET0呈顯著負相關關系，這與段崢嶸等[15]對阿克蘇地區潛在蒸散量的研究結果一致，而與王媛等[16]對艾比湖綠洲參考作物蒸散量的研究結果存在差異。由于存在儀器誤差及其他不可控因素，且該地區全天溫差較大，直接以該地區氣象日均值代表該區域氣象的取值可能使結果存在偏差。因此，后續研究可考慮不同時間尺度的校正精度，以確定最優的時間尺度從而減少氣候變化對ET0的誤差。

4 結 論

4.1ETc與ET0在全生育期均呈先增后減的趨勢，7月下旬達到峰值，ET0日均值排序為：ET0(HS)>ET0(PT)>ET0(PM)。PM、HS、PT計算的ET0與ETc在不同生育期占比存在較大差異。

4.2若選用PM計算ET0，則顯著氣象因子有太陽輻射、平均相對濕度、平均溫度和平均風速；若選用HS計算ET0，則顯著氣象因子有最高溫度、最低溫度、天頂輻射、平均溫度；若選用PT計算ET0，則顯著氣象因子有太陽輻射、最低溫度和平均溫度。對PM、HS、PT而言，平均相對濕度與ET0總體上呈負相關，太陽輻射、平均溫度、最低溫度、最高溫度、天頂輻射、平均風速與ET0總體上呈正相關。

4.3PM模型的顯著因子對ETc的貢獻率分別為：太陽輻射(62.6%)、平均風速(19.9%)、平均溫度(11.8%)和平均相對濕度(5.7%)；HS模型的顯著因子對ETc的貢獻率分別為：最高溫度(55.1%)、最低溫度(30.1%)、天頂輻射(11.6%)和平均溫度(3.2%)；PT模型的顯著因子對ETc的貢獻率分別為：太陽輻射(84.1%)、平均溫度(12%)和最低溫度(3.9%)。