1961—2015年中國飽和水汽壓差的時空變化特征

摘要" 飽和水汽壓差（vapor pressure deficit，VPD）是指示地區大氣干燥程度的重要指標，探究我國各地區VPD時空變化特征對氣候變化研究和實際農牧業生產等具有重要意義。基于全國772個氣象站日平均氣溫和日相對濕度等資料，采用協同克里金插值、Mann-Kendall趨勢檢驗和偏相關分析等方法，對中國1961—2015年飽和水汽壓差的時空分布及變化趨勢特征進行分析，并討論了VPD與氣溫和相對濕度的關系。結果表明：1961—2015年中國VPD時空分布差異顯著，時間上呈現夏高冬低的特征，空間上年均VPD高值主要集中在西北干旱半干旱區，低值主要分布在東北地區、青藏地區以及南方部分地區。全國絕大部分地區VPD呈升高趨勢，以2000年為突變點，平均升高趨勢由1.519 6 hPa／（10 a）增長到7.074 3 hPa／（10 a）。南方地區與北方地區VPD變化的主導因子均是最高氣溫，而西北地區和青藏地區VPD變化的主導因子分別為平均氣溫和相對濕度;四個地區突變年前后VPD變化的主導因子保持不變。

關鍵詞飽和水汽壓差;時空變化;Mann-Kendall檢驗;偏相關分析

2023-08-11收稿，2023-10-23接受

第三次新疆綜合科學考察項目（2021xjkk0802）;國家重點研發計劃項目（2021YFC3000201）;國家自然科學基金項目（42071032）;中國科學院青年創新促進會資助項目（2020056）

引用格式：欒鹿鳴，王元鑫，朱文彬，2024.1961—2015年中國飽和水汽壓差的時空變化特征［J］.大氣科學學報，47（6）：904-916.

Luan L M，Wang Y X，Zhu W B，2024.Spatio-temporal variations of vapor pressure deficit in China from 1961 to 2015［J］.Trans Atmos Sci，47（6）：904-916.doi：10.13878／j.cnki.dqkxxb.20230811001.（in Chinese）.

全球氣候變化及其對地球生態系統的影響是當今重要的研究熱點之一。飽和水汽壓差（vapor pressure deficit，VPD）定義為一定氣溫下空氣飽和水汽壓（es）與實際水汽壓（ea）的差值（Ghimire et al.，2022;程夢琦等，2023），代表空氣距離水汽飽和狀態的差異程度。諸多研究表明，VPD作為衡量大氣干燥程度的關鍵指標，在全球氣候變暖的大背景下發生了深刻而顯著的變化（Yuan et al.，2019;He et al.，2021）。探究VPD時空變化特征對于氣候風險防范、農牧業生產和水資源管理等具有重要意義。

具體來說，VPD是水文循環過程的重要驅動力（金佳鑫等，2023），與蒸散發（evapotranspiration，ET）速率直接相關（韓宇平等，2018;陳鏡明等，2020），特別是在植被稀疏或無植被的地表，VPD的增加將顯著促進蒸散發的增加（Ficklin and Novick，2017）。此外，VPD作為重要的生態因子，對植物葉片的氣孔導度有直接影響，過高的VPD將導致氣孔開度降低以防止過多水分流失，但同時也會降低光合作用速率，從而影響植物發育與作物產量（Jarvis，1976;張紅梅等，2014）。根據VPD變化可以有效監測區域尺度的氣象干旱與植被動態特征（Li et al.，2021）。另外，VPD對氣候變化也有顯著影響，厘清VPD年際變化特征有助于深入理解大氣干濕程度對氣候變化的響應。寧梓妤等（2022）探討了中國西南地區VPD的年際變化特征;結果表明，在突變點后西南地區VPD發生顯著變化，主要是由于氣溫上升對相對濕度的影響。Seage et al.（2015）研究發現，美國西南內陸VPD偏高與拉尼娜現象明顯相關，這種相關性是通過洋流作用引起的。VPD不僅在水文學、生態學和氣象學研究中具有重要地位，在其他領域也扮演著重要角色。譬如，VPD可被用來合理解釋火災燒毀面積的年際變化。Chiodi et al.（2021）研究了1980—2019年美國西部夜間的VPD變化，發現夜間VPD增加是火災日越來越長的原因。此外，在某些生物實驗工作中，VPD被認為比相對濕度（relative humidity，RH）更適合作為記錄指標（Anderson，1936）。

由于VPD在相關領域中的重要作用，國內學者已開展了較多區域尺度VPD相關研究，但在全國尺度上VPD變化的時空差異性對比分析尚缺乏。在此背景下，本文基于對大量氣象觀測數據的收集與分析，以空間插值和統計分析為主要研究方法，擬揭示我國VPD在不同時間尺度、不同地理分區的時空差異性與趨勢特征，并探析其驅動因素，旨在為相關部門和決策者提供參考，促進我國氣候適應性能力的提升，并推動可持續發展戰略的實施。

1" 數據與方法

1.1" 數據

中國地域遼闊，氣候類型復雜多樣，絕大多數地區屬于季風性氣候區，年降水量從南至北、從東到西逐步遞減。受此影響，植被類型在不同地區之間差異顯著，整體上東南地區植被覆蓋度高于西北地區。為分析我國不同地理分區VPD差異，本研究根據張元杰等（2022）的研究，將研究區劃分為北方地區、南方地區、西北地區和青藏地區（圖1）。所采用的分界線來自于國家基礎地理信息中心（http：／／www.ngcc.cn／ngcc／）。北方地區指中國東部季風區的北部，主要是秦嶺-淮河一線以北，大興安嶺、烏鞘嶺以東的地區，東臨渤海和黃海，屬于溫帶大陸性季風氣候和暖溫帶大陸性季風氣候;南方地區指中國東部季風區的南部，秦嶺-淮河一線以南的地區，西接青藏高原，東部與南部瀕臨東海和南海，以亞熱帶季風氣候和熱帶季風氣候為主;西北地區位于昆侖山-阿爾金山-祁連山和長城以北，大興安嶺、烏鞘嶺以西，自東向西由大陸性半干旱氣候向大陸性干旱氣候過渡;青藏地區位于中國西南邊陲，橫斷山脈及其以西，喜馬拉雅山及其以北，昆侖山、阿爾金山和祁連山及其以南，高原氣候特征明顯。

氣象數據來自國家氣象數據網（http：／／data.cma.cn／）。本文選用中國陸面區域772個氣象觀測站1961—2015年的逐日氣象資料，包括日最高氣溫、日最低氣溫、日平均氣溫和相對濕度。上述4個地理分區的氣象站點數量分別為218、354、130和70。

1.2" 研究方法

1.2.1" VPD計算方法

空氣中含有的水汽所產生的壓強為水汽壓。若在某一給定氣溫下，水汽壓不斷增加使得水汽達到飽和出現凝結，此時的水汽壓稱為該氣溫下的飽和水汽壓（陳欽弟，1997）。目前已有多個飽和水汽壓計算公式，本文對較為常用的飽和水汽壓公式——Claperyron-Clausius方程（Bisht and Bras，2010）和Tetens經驗公式（Allen et al.，1998;陳祥明和趙振維，2013）進行比較計算。

Claperyron-Clausius方程是以理論概念為基礎，基于物質平衡關系，把飽和水汽壓隨氣溫的變化、容積的變化與過程的熱效應聯系起來，公式如下：

es=0.611exp LvRv1273.15-1T+273.15。" （1）

其中：Lv=2.5×106 J·kg-1，為汽化潛熱；Rv=461 J·kg-1·K-1，為水汽的比氣體常數；T為氣溫（單位：℃）。

Tetens公式是根據Claperyron-Clausius方程，并假定蒸發潛熱為常數推導出來的，公式為：

es=0.611exp17.27TT+237.3 。（2）

為比較兩個公式的結果差異，用式（1）減去式（2），得到兩式結果差與氣溫的關系，如圖2所示。

從圖2可以看出，在-50～10 ℃范圍內兩公式計算結果差異非常微小，在10 ℃以后差異逐漸明顯，Claperyron-Clausius方程計算結果比Tetens經驗公式結果偏低。考慮到國內大部分VPD研究學者使用Tetens經驗公式（韓永貴等，2021;寧梓妤等，2022），本文選擇Tetens經驗公式計算結果下的日尺度飽和水汽壓數據進行VPD（單位：kPa）計算。公式如下：

DVP=es-ea，"" （3）

ea=es×HR 。" （4）

其中：DVP表示VPD;HR表示給定站點的相對濕度（單位：％）。

1.2.2" 協同克里金插值法

空間插值算法在氣象、地質、環境等領域具有廣泛應用（丁卉等，2016）。本文為分析VPD的空間分布特征，利用空間插值方法對VPD進行可視化展示。目前常用的空間插值方法有克里金插值法、反距離加權插值法、面積權重內插法和樣條函數法等，這些方法優缺點和適用性各有不同（劉時棟等，2019;夏天等，2020;龐冉等，2023;智協飛等，2023）。當前雖然有專業氣象數據插值軟件ANUSPLIN可進行氣象要素的插值分析，但其在起伏度巨大地區的適用性，以及其誤差的空間分布規律還需進一步研究（錢永蘭等，2010;譚劍波等，2016）。考慮到研究范圍以及精度等綜合因素，本文選擇應用最為廣泛且效率與準確度較高的協同克里金插值法。

協同克里金插值法是克里金插值法的拓展，除了主變量之外，還引入協同區域化變量，用于處理具有空間相關性的多個變量的插值問題（高文武等，2018）。考慮兩個變量的協同克里金法表達式（徐炳生等，2022）為：

Zx0=∑ni=1αiZxi+∑nj=1λjY（xj） 。" （5）

其中：Zx0為待估值；Zxi、Y（xj）分別為主變量及協同變量;αi、λj分別為兩變量的權重值。

1.2.3" Mann-Kendall檢驗

Mann-Kendall檢驗是一種非參數統計檢驗方法，用于檢測時間序列數據中是否存在顯著的變化趨勢。該方法由Mann（1945）和Kendall（1975）提出，廣泛應用于環境科學、氣象學、水文學等領域（Mann，1945;Kendall，1975;章誕武等，2013）。Mann-Kendall趨勢檢驗方法如下。

對于具有n個樣本的時間序列xk（k=1，2，…，n），計算檢驗統計量S，公式如下：

S=∑n-1i=1∑nj=i+1signxj-xi，i≠j且i，j≤n。" （6）

其中：

signxj-xi=+1，xj-xigt;0；

0，xj-xi=0；

-1，xj-xilt;0。（7）

當n≥8時，統計量S近似服從正態分布，在不考慮序列中等值數據點的情況下，其均值為0，方差為：

vS=nn-12n+518。" （8）

標準化后的檢驗統計量Z的計算公式如下：

Z=S-1vS，Sgt;0；

0，S=0；

S+1vS，Slt;0。" （9）

給定置信水平α，若Z≥Z1-α/2，則認為時間序列存在上升或下降的趨勢，Z大于0時是上升趨勢，Z小于0時則是下降趨勢（王毅等，2021）。本研究中變化趨勢的程度用趨勢度β（單位：hPa/（10 a））表示（康淑媛等，2009；孫康慧等，2019）。對于具有n個樣本的時間序列xk（k= 1，2，…，n），趨勢度計算公式為：

β=Medianxj-xij-i，1≤i≤n，1≤j≤n，jgt;i。（10）

其中：xj和xi分別表示時間序列為j和i時的數據值;Median為中位數函數。當βgt;0時，時間序列呈上升趨勢，反之則呈下降趨勢。

根據符淙斌和王強（1992）的研究，當Mann-Kendall方法進一步用于時間序列xk突變檢驗時，定義統計量Sk：

Sk=∑kj=1rj，rj=1，xjgt;xi0，xj≤xi，i=1，2，…，j;2≤k≤n。（11）

在原序列隨機獨立等假設下，Sk的均值和方差分別為：

ESk=kk-14，（12）

vSk=kk-12k+572，2≤k≤n。（13）

Sk標準化可得UFk統計量SUF，k：

SUF，k=Sk-ESkvSk。（14）

將此方法應用到xk（k= 1，2，…，n）逆序列中，計算逆序列的UFk，同時使UBk=-UFk，k=n，n-1，…，1，UB1為0，可得到UBk曲線。給定顯著性水平α=0.05，當UF或UB的值大于0時，表示序列呈上升趨勢，小于0表示下降趨勢。UF為統計量，UB為UF的逆序列，當UF或UB的值超過顯著性水平范圍時，表明上升或下降趨勢顯著。若UF和UB兩曲線在置信區間內出現交點，則該交點表示時間序列發生突變的節點（王愛慧等，2020；寧梓妤等，2022）。

1.2.4" 相關分析與偏相關分析

本文通過相關分析與偏相關分析研究VPD與氣候變量之間的線性關系，相關系數計算公式為：

rab=∑ni=1ai-bi-∑ni=1ai-2∑ni=1bi-2。（15）

其中：n代表變量a和b觀測值的樣本量；ai代表變量a的第i個觀測值；bi代表變量b的第i個觀測值；、分別代表變量a和b的平均值。

一階偏相關系數的計算方法（胡曉萌等，2022；楊靖等，2022）如下：

rab，c=rab-racrbc1-r2ac1-r2bc。（16）

其中：rab，c表示控制變量c前提下變量a和b之間的偏相關系數；rab、rac、rbc分別是兩因子之間的相關系數。當rab，cgt;0時，表示a與b呈正相關關系；反之，則二者呈負相關關系。

2" 結果與分析

本節主要探討中國1961—2015年VPD的時空變化特征，以及VPD與氣象因素之間的關系。首先使用ArcGIS軟件的Geostatistical Analyst工具，對772個氣象站點的VPD進行空間插值，得到全國VPD空間分布，以空間連續的方式解析VPD的時空變化特征;然后以相關和偏相關分析為主要方法，分析VPD與氣溫、相對濕度等氣象因素之間的關系。

2.1" VPD時空分布特征

2.1.1" VPD空間分布特征

以站點月均VPD和年均VPD計算結果為基礎，將站點高程數據作為協同變量進行協同克里金插值，形成全國VPD空間分布，結果如圖3所示。由圖可知，全國年均VPD數值范圍為0.127～1.547 kPa，平均值為0.526 kPa。年均VPD高值主要集中在西北干旱半干旱區，以新疆地區最為明顯，這與該地區干旱少雨的特征相吻合（袁瑞瑞等，2021;朱飆等，2023），而年均VPD低值主要分布在東北地區、青藏地區以及南方部分地區。

從年內變化來看，我國VPD的分布整體呈現“夏季gt;春季gt;秋季gt;冬季”的特征。同時，不同地區在不同季節或月份也表現出明顯的空間差異。春、夏、秋 3 個季節的VPD空間分布與年平均的空間分布情況類似，在夏季尤為明顯。對于冬季來說，高值主要分布在中國西南及南部區域，尤其是云南以及廣西等沿海地區，這是因為西南及華南地區緯度較低，冬季氣溫相較其他地理分區高，且該區域在冬季處于高壓控制，空氣較為干燥，使得該區域的VPD整體高于其他地區，而低值主要分布在東北地區以及新疆北部。

2.1.2" VPD時間分布特征

圖4展示了四個地理分區VPD月尺度及年尺度的統計結果。由圖可知，西北地區年均VPD（0.727 kPa）最高，南方地區（0.498 kPa）次之，北方地區年均VPD（0.489 kPa）略小于南方地區，青藏地區年均VPD（0.409 kPa）最低。結合圖3空間分布可以看出，不同地理分區的VPD均呈現出夏高冬低的時間分布特征。其中，西北地區VPD年內變化最為顯著，四大地理分區的最高與最低月均VPD均出現在西北地區，且差值達到了1.347 kPa。這與西北地區氣溫年內變化顯著，夏季炎熱、冬季酷冷，且缺乏降水導致水汽含量較低等因素有關（韓永貴等，2021）。北方地區月均VPD在0.147～0.957 kPa，年內VPD變化幅度較西北地區次之。南方地區最高月均VPD出現在7月，較其他3個地區滯后1個月，并且其冬季VPD高于其他3個地區。這種差異性可能是由于南方地區較其他地區提前1個月（6月）進入主雨季且降水達到頂峰導致相對濕度增加引起的。青藏地區VPD年內變化曲線最為平滑，變化范圍在0.227～0.580 kPa，這是由于該地區受高海拔影響，氣溫及濕度的年內變化均不明顯，導致VPD的年內變化也相對較小。李素雲等（2023）將青海地區的VPD與經度、緯度、海拔等地理因子分別進行多元回歸，以量化各地理因子對VPD變化的貢獻率；結果表明，各地理因子的貢獻率屬海拔高度最高。總而言之，4個地區VPD的年內變化都呈現出夏季高、冬季低的規律，但各地區VPD年內變化幅度不同，按變化大小排序為“西北地區gt;北方地區gt;南方地區gt;青藏地區”。

2.2" VPD時空變化趨勢

2.2.1" VPD空間變化趨勢

根據Mann-Kendall趨勢檢驗結果得到全國VPD變化趨勢，如圖5所示。表1給出了Mann-Kendall趨勢檢驗的具體分析結果。通過圖表數據可知，全國VPD整體上呈現顯著升高趨勢。具體來說，在1961—2015年，全國772個氣象站點中有690個站點的VPD呈現升高趨勢，β值范圍在0.013 7～8.268 0 hPa／（10 a）。進一步分析發現，這些站點中有494個站點通過了置信度為95％的顯著性檢驗，占VPD升高站點總數的71％。VPD上升幅度較大的站點主要位于云南、青海、寧夏北部以及東南沿海省份;重慶、遼寧、湖南東部的VPD上升幅度較小;此外，有少部分區域，如陜西南部和河南東部，VPD呈現下降趨勢。

2.2.2" VPD年際變化趨勢

圖6給出了四大地理分區VPD的年際變化趨勢。根據UF計算結果可以看出，1961—2015年四個區域的VPD均呈現顯著升高趨勢。為了識別其變化趨勢的突變點，圖6同時給出了VPD逆序列的UB計算結果，結果顯示四個地理分區VPD的UF與UB曲線均在2000年前后出現交點，2000年之前VPD變化相對平穩，此后升高趨勢明顯加快。具體來說，北方地區與青藏地區在1998年發生突變，而西北地區與南方地區突變時間點出現在2000年。值得注意的是，青藏地區與其他3個地區不同，雖然其2000年之后VPD的升高速率明顯偏大，但其突變檢驗結果并未通過5％信度的顯著性檢驗。

由于各地理分區突變產生的時間點都在2000年左右，所以本文將2000年作為間隔年份，分別對1961—1999年和2000—2015年兩個時間段的VPD變化趨勢進行分析，結果如圖7所示。整體來看，1961—1999年VPD在全國呈現升高趨勢的站點有440個，占站點總數的57％，平均變化趨勢在0.012 6～8.251 7 hPa／（10 a）;2000—2015年VPD呈升高趨勢的站點有513個，占比為67％，平均變化趨勢在2.185 8～34.134 1 hPa／（10 a）;以2000年為突變點，平均升高趨勢由1.519 6 hPa／（10 a）增長到7.074 3 hPa／（10 a），后一時段約為前一時段平均變化趨勢的4倍。

具體來說，北方地區在1961—1999年，218個站點中有144個站點VPD呈升高趨勢，平均變化趨勢在0.003 8～5.280 5 hPa／（10 a）;在2000—2015年，有93個站點呈升高趨勢，平均變化趨勢在0.193 2～22.022 9 hPa／（10 a）。南方地區在1961—

1999年，354個站點中有174個站點呈升高趨勢，其中71個站點表現為顯著升高的趨勢，顯著升高站點平均變化趨勢在1.231 4～7.654 3 hPa／（10 a）;2000年以后有261個站點表現為升高趨勢，55個站點表現為顯著升高的趨勢，顯著升高站點平均變化趨勢為6.869 8～34.134 1 hPa／（10 a）。西北地區VPD呈升高趨勢的站點的平均變化趨勢由1961—1999年的0.104 8～8.251 7 hPa／（10 a）增長到2000—2015年的0.145 0～24.981 0 hPa／（10 a）。青藏地區在1961—1999年，70個站點中有46個站點VPD呈升高趨勢（0.051 3～6.032 8 hPa／（10 a））;到2000—2015年，有62個站點VPD呈升高趨勢（0.285 1～31.878 0 hPa／（10 a））。

2.3" VPD與其他氣象要素的關系

根據公式，飽和水汽壓與實際水汽壓的差值決定了VPD的變化，飽和水汽壓由氣溫決定，實際水汽壓受相對濕度影響。本文采用相關分析與偏相關分析方法解析氣溫和相對濕度對VPD變化的潛在影響，結果如圖8所示。

從相關分析結果看，四大地理分區無論是年尺度還是季尺度，VPD與氣溫、相對濕度之間都具有明顯的相關性。在所有地區，VPD與氣溫都呈顯著正相關關系（北方地區rVT=0.72、南方地區rVT=0.63、西北地區rVT=0.85、青藏地區rVT=0.68），與相對濕度都呈顯著負相關關系（北方地區rVR=0.61、南方地區rVR=0.59、西北地區rVR=0.75、青藏地區rVR=0.76）。偏相關分析結果表明，四大地理分區在所有時間尺度（季節和年）上，若不考慮相對濕度的影響，氣溫對VPD始終呈顯著偏正相關（Plt;0.01）;若不考慮氣溫的影響，相對濕度對VPD始終呈顯著偏負相關（Plt;0.01）。具體來說，北方地區的年（rVT，R=0.721）、春（rVT，R=0.663）、秋（rVT，R=0.797）、冬（rVT，R=0.938），南方地區的年（rVT，R=0.629）、秋（rVT，R=0.815）、冬（rVT，R=0.712），西北地區的年（rVT，R=0.847）、春（rVT，R=0.916）、秋（rVT，R=0.809）、冬（rVT，R=0.887）和青藏地區的春（rVT，R=0.795）、冬（rVT，R=0.901），氣溫對VPD變化的貢獻相對更顯著；其他時段相對濕度對VPD的貢獻相對更顯著。此外，從西北地區VPD對氣溫和相對濕度的相關分析結果來看，去除其他因素的影響后，VPD與單一因素的相關系數在季節上沒有顯著差別。這說明氣溫和相對濕度在西北地區對VPD產生的影響在全年是相對一致的，不受季節性變化的顯著影響。

為了進一步分析不同地理分區突變年前后不同氣溫因子和相對濕度對VPD的相關性變化，本研究分別計算了VPD與多年日平均氣溫（Tave）、日最高氣溫（Tmax）、日最低氣溫（Tmin）和相對濕度的相關系數。同時為了探究各氣象因子對VPD變化的影響程度，本研究選擇各地區與VPD相關系數最高的氣溫因子以及相對濕度作為主要自變量，并使用多元線性回歸法計算貢獻率，結果如表2所示。在北方地區、南方地區和西北地區VPD突變年前后，氣溫均是VPD變化的主導因子，但在不同區域3種氣溫因子的主導程度不同。具體而言，北方地區和南方地區突變前后VPD與最高氣溫的相關系數最高；西北地區突變前后VPD與平均氣溫的相關系數最高；青藏地區突變前后VPD與相對濕度相關系數最高。從貢獻率來看，北方地區和南方地區最高氣溫對VPD的貢獻率較相對濕度高，而西北地區平均氣溫對VPD的貢獻率最高，青藏地區相對濕度對VPD的貢獻率最高，這與相關系數表征的特征相同。此外，對比分析顯示，同一地區的主導影響因子在突變年前后并未發生改變。

3" 結論

本研究基于1961—2015年長時間序列氣象觀測數據計算了全國飽和水汽壓差，采用協同克里金插值、Mann-Kendall趨勢檢驗和偏相關分析等方法，揭示了不同地理分區VPD的時空分布格局與變化特征，并分析了VPD與各氣象因子之間的關系，最后分時段討論了影響VPD變化的主導因子。

研究結果表明，1961—2015年中國VPD時空分布差異顯著。全國年均VPD數值范圍在0.127～1.547 kPa，平均值為0.526 kPa。年均VPD高值主要集中在西北干旱半干旱區，以新疆地區最為明顯，而年均VPD低值主要分布在東北地區、青藏地區以及南方部分地區。從年內變化來看，全國范圍內，VPD呈現出夏季高、冬季低的一般規律。從年際變化趨勢來看，在全國范圍內，VPD整體呈現顯著升高趨勢。在1961—2015年，全國772個氣象站點中有690個站點的VPD呈現升高趨勢，趨勢變化范圍在0.013 7～8.268 0 hPa／（10 a）。以2000年為突變點，平均升高趨勢由1.519 6 hPa／（10 a）增長到7.074 3 hPa／（10 a）。其中1961—1999年VPD在全國呈現升高趨勢的站點有440個，占站點總數的57％，平均變化趨勢在0.012 6～8.251 7 hPa／（10 a）;2000—2015年VPD呈升高趨勢的站點有513個，占比為67％，平均變化趨勢在2.185 8～34.134 1 hPa／（10 a）。從相關分析和偏相關分析的結果來看，所有地區的VPD與氣溫呈顯著正相關關系，與相對濕度呈顯著負相關關系。在北方地區、南方地區和西北地區VPD在突變年前后，氣溫均是VPD變化的主導因子；北方地區和南方地區突變前后VPD與最高氣溫的相關系數最高，而西北地區突變前后VPD與平均氣溫的相關系數最高。在青藏地區，突變前后相對濕度是VPD的主導因子。此外，對比分析顯示，同一地區的主導影響因子在突變年前后并未發生改變。

綜上所述，本文分析了VPD在不同季節、不同地區的變化特征及其主導因素，可以為氣候生態和植被模型等研究提供科學基礎，為相關部門和決策者提供參考，對我國在不同地區實現可持續性發展具有重要意義。

參考文獻（References）

Allen R G，Pereira L S，Raes D，1998.Crop evapotranspiration-guidelines for computing crop water requirements［M］.Rome：FAO Irrigation and Drainage.

Anderson D B，1936.Relative humidity or vapor pressure deficit［J］.Ecology，17（2）：277-282.doi：10.2307／1931468.

Bisht G，Bras R L，2010.Estimation of net radiation from the MODIS data under all sky conditions：southern great plains case study［J］.Remote Sens Environ，114（7）：1522-1534.doi：10.1016／j.rse.2010.02.007.

Chiodi A M，Potter B E，Larkin N K，2021.Multi-decadal change in western US nighttime vapor pressure deficit［J］.Geophys Res Lett，48（15）：e92830.doi：10.1029／2021gl092830.

陳鏡明，柳競先，羅翔中，2020.基于碳水通量耦合原理改進Penman-Monteith蒸散發模型［J］.大氣科學學報，43（1）：59-75." Chen J M，Liu J X，Luo X Z，2020.Improving the Penman-Monteith evapotranspiration model based on the coupling principle of carbon and water fluxes［J］.Trans Atmos Sci，43（1）：59-75.doi：10.13878／j.cnki.dqkxxb.20191112007.（in Chinese）.

陳欽弟，1997.飽和水汽壓經驗公式修正、導出與應用［J］.氣象水文海洋儀器，14（4）：12-22." Chen Q D，1997.The correction，leading-out and application of saturated water vapoure pressure empirical equation［J］.Meteor Hydrol Mar Instrum，14（4）：12-22.doi：10.19441／j.cnki.issn1006-009x.1997.04.003.（in Chinese）.

陳祥明，趙振維，2013.對流層折射修正中水汽壓公式對比研究［J］.飛行器測控學報，32（6）：479-483." Chen X M，Zhao Z W，2013.Comparison of water vapor pressure formulas used in tropospheric refraction correction［J］.J Spacecr TT ＆ C Technol，32（6）：479-483.doi：10.7642／j.issn.1674-5620.2013-06-0479-05.（in Chinese）.

程夢琦，左志燕，藺鄒興，等，2023.全球陸地飽和水汽壓差的年代際突變［J］.中國科學：地球科學，53（7）：1536-1549." Cheng M Q，Zuo Z Y，Lin Z X，et al.，2023.The decadal abrupt change in the global land vapor pressure deficit［J］Sci Sin：Terrae，53（7）：1536-1549.（in Chinese）.

丁卉，余志，徐偉嘉，等，2016.3種區域空氣質量空間插值方法對比研究［J］.安全與環境學報，16（3）：309-315." Ding H，Yu Z，Xu W J，et al.，2016.Comparative study of the three spatial interpolation methods for the regional air quality evaluation［J］.J Saf Environ，16（3）：309-315.doi：10.13637／j.issn.1009-6094.2016.03.061.（in Chinese）.

Ficklin D L，Novick K A，2017.Historic and projected changes in vapor pressure deficit suggest a continental-scale drying of the United States atmosphere［J］.J Geophys Res：Atmos，122（4）：2061-2079.doi：10.1002／2016jd025855.

符淙斌，王強，1992.氣候突變的定義和檢測方法［J］.大氣科學，16（4）：482-493." Fu C B，Wang Q，1992.The definition and detection of the abrupt climatic change［J］.Chin J Atmos Sci，16（4）：482-493.（in Chinese）.

高文武，姜燕，趙晉陵，2018.基于協同克里金插值法的土壤錳元素含量預測［J］.地理與地理信息科學，34（3）：119-124." Gao W W，Jiang Y，Zhao J L，2018.Predicting and mapping the Mn content in soil based on coKriging［J］.Geogr Geo Inf Sci，34（3）：119-124.（in Chinese）.

Ghimire C P，Ilja van Meerveld H J，Zwartendijk B W，et al.，2022.Vapour pressure deficit and solar radiation are the major drivers of transpiration in montane tropical secondary forests in eastern Madagascar［J］.Agric For Meteor，326：109159.doi：10.1016／j.agrformet.2022.109159.

韓永貴，韓磊，黃曉宇，等，2021.基于指數平滑和ARIMA模型的西北地區飽和水汽壓差預測［J］.干旱區研究，38（2）：303-313." Han Y G，Han L，Huang X Y，et al.，2021.Prediction of vapor pressure deficit in Northwest China based on exponential and ARIMA models［J］.Arid Zone Res，38（2）：303-313.doi：10.13866／j.azr.2021.02.02.（in Chinese）.

韓宇平，張麗璇，王春穎，等，2018.寒區濕地實際蒸散發動態特征及影響因素研究［J］.南水北調與水利科技，16（1）：28-34." Han Y P，Zhang L X，Wang C Y，et al.，2018.Dynamic characteristics and influencing factors of actual evapotranspiration in cold wetland［J］.South N Water Transf Water Sci Technol，16（1）：28-34.doi：10.13476／j.cnki.nsbdqk.20180005.（in Chinese）.

He B，Chen C，Lin S R，et al.，2021.Worldwide impacts of atmospheric vapor pressure deficit on the interannual variability of terrestrial carbon sinks［J］.Natl Sci Rev，9（4）：nwab150.doi：10.1093／nsr／nwab150.

胡曉萌，張鑫，雒舒琪，等，2022.甘肅省不同氣候區1961—2020年蒸散發時空變化及其影響因子［J］.節水灌溉（11）：73-78." Hu X M，Zhang X，Luo S Q，et al.，2022.Temporal and spatial changes of potential evapotranspiration and its influencing factors in different climatic regions of Gansu Province from 1961 to 2020［J］.Water Sav Irrig（11）：73-78.doi：10.12396／jsgg.2022104.（in Chinese）.

Jarvis P G，1976.The interpretation of the variations in leaf water potential and stomatal conductance found in canopies in the field［J］.Phil Trans R Soc Lond B，273（927）：593-610.doi：10.1098／rstb.1976.0035.

金佳鑫，蔡裕龍，郭熙，等，2023.中國亞熱帶植被蒸騰驅動力解耦分析［J］.地理學報，78（7）：1779-1791." Jin J X，Cai Y L，Guo X，et al.，2023.Decoupled driving forces of variabilities of transpiration in Chinese subtropical vegetation based on remote sensing data［J］.Acta Geogr Sinica，78（7）：1779-1791.doi：10.11821／dlxb202307016.（in Chinese）.

康淑媛，張勃，柳景峰，等，2009.基于Mann-Kendall法的張掖市降水量時空分布規律分析［J］.資源科學，31（3）：501-508." Kang S Y，Zhang B，Liu J F，et al.，2009.Analysis of the spatiotemporal distribution of precipitation in Zhangye City using Mann-Kendall method［J］.Resour Sci，31（3）：501-508.doi：10.3969／j.issn.1671-7341.2014.17.054.（in Chinese）.

Kendall M G，1975.Rank correlation methods［M］.London：Hodder Education.

Li M Y，Yao J Q，Guan J Y，et al.，2021.Observed changes in vapor pressure deficit suggest a systematic drying of the atmosphere in Xinjiang of China［J］.Atmos Res，248：105199.doi：10.1016／j.atmosres.2020.105199.

李素雲，祁棟林，溫婷婷，等，2023.1961—2020年青海省飽和水汽壓差變化特征及影響因子分析［J］.干旱區研究，40（2）：173-181." Li S Y，Qi D L，Wen T T，et al.，2023.The variation characteristics and influencing factors of vapor pressure deficit in Qinghai Province from 1961 to 2020［J］.Arid Zone Research，40（2）：173-181.（in Chinese）.

劉時棟，徐麗萍，張婕，2019.新疆土地生態安全時空變化［J］.生態學報，39（11）：3871-3884." Liu S D，Xu L P，Zhang J，2019.Spatiotemporal change of land ecological security in Xinjiang［J］.Acta Ecol Sinica，39（11）：3871-3884.doi：10.5846／stxb201806211361.（in Chinese）.

Mann H B，1945.Nonparametric tests against trend［J］.Econometrica，13（3）：245-259.doi：10.2307／1907187.

寧梓妤，徐憲立，楊東，等，2022.中國西南地區飽和水汽壓差的年際變化及其影響因素［J］.農業現代化研究，43（1）：172-179." Ning Z Y，Xu X L，Yang D，et al.，2022.Temporal variation of vapor pressure deficit and its influencing factors in Southwest China［J］.Res Agric Mod，43（1）：172-179.doi：10.13872／j.1000-0275.2022.0001.（in Chinese）.

龐冉，王文，武晶，等，2023.基于空間插值逐日降水格點數據的福建省降水時空變化分析［J］.水土保持學報，37（1）：176-187，203." Pang R，Wang W，Wu J，et al.，2023.Spatial-temporal variation of precipitation in Fujian Province based on spatial interpolated gridded daily precipitation data［J］.J Soil Water Conserv，37（1）：176-187，203.doi：10.13870／j.cnki.stbcxb.2023.01.024.（in Chinese）.

錢永蘭，呂厚荃，張艷紅，2010.基于ANUSPLIN軟件的逐日氣象要素插值方法應用與評估［J］.氣象與環境學報，26（2）：7-15." Qian Y L，Lü H Q，Zhang Y H，2010.Application and assessment of spatial interpolation method on daily meteorological elements based on ANUSPLIN software［J］.J Meteor Environ，26（2）：7-15.doi：10.3969／j.issn.1673-503X.2010.02.002.（in Chinese）.

Seager R，Hooks A，Williams A P，et al.，2015.Climatology，variability，and trends in the U.S.vapor pressure deficit，an important fire-related meteorological quantity［J］.J Appl Meteor Climatol，54（6）：1121-1141.doi：10.1175／jamc-d-14-0321.1.

孫康慧，曾曉東，李芳，2019.1980—2014年中國生態脆弱區氣候變化特征分析［J］.氣候與環境研究，24（4）：455-468." Sun K H，Zeng X D，Li F，2019.Climate change characteristics in ecological fragile zones in China during 1980—2014［J］.Clim Environ Res，24（4）：455-468.doi：10.3878／j.issn.1006-9585.2018.18058.（in Chinese）.

譚劍波，李愛農，雷光斌，2016.青藏高原東南緣氣象要素Anusplin和Cokriging空間插值對比分析［J］.高原氣象，35（4）：875-886." Tan J B，Li A N，Lei G B，2016.Contrast on Anusplin and Cokriging meteorological spatial interpolation in southeastern margin of Qinghai-Xizang Plateau［J］.Plateau Meteor，35（4）：875-886.doi：10.7522／j.issn.1000-0534.2015.00037.（in Chinese）.

王愛慧，繆月，陳玥，2020.1961—2016年中國西北地區陸地水分收支的年代際變化特征［J］.大氣科學學報，43（6）：953-966." Wang A H，Miao Y，Chen Y，2020.Interdecadal variation of land water budget in Northwest China from 1961 to 2016［J］.Trans Atmos Sci，43（6）：953-966.doi：10.13878／j.cnki.dqkxxb.20201112001.（in Chinese）.

王毅，張曉美，周寧芳，等，2021.1990—2019年全球氣象水文災害演變特征［J］.大氣科學學報，44（4）：496-506." Wang Y，Zhang X M，Zhou N F，et al.，2021.Evolution characteristics of global meteorological and hydrological disasters from 1990 to 2019［J］.Trans Atmos Sci，44（4）：496-506.doi：10.13878／j.cnki.dqkxxb.20210107001.（in Chinese）.

夏天，吳文嘉，吳文斌，等，2020.地理科學中數據空間重構最新研究進展［J］.經濟地理，40（11）：47-55，94." Xia T，Wu W J，Wu W B，et al.，2020.Research progress of geographic data by space reconstruction［J］.Econ Geogr，40（11）：47-55，94.doi：10.15957／j.cnki.jjdl.2020.11.006.（in Chinese）.

徐炳生，王偉，徐穎，等，2022.基于協同克里金的大壩心墻滲流空間模型研究［J］.水電能源科學，40（7）：98-101." Xu B S，Wang W，Xu Y，et al.，2022.Research on spatial model for core-wall seepage of dams based on cooperative Kriging［J］.Water Resour Power，40（7）：98-101.doi：10.20040／j.cnki.1000-7709.2022.20211725.（in Chinese）.

楊靖，戴君虎，姚華榮，等，2022.1992—2020年橫斷山區植被分布與植被活動變化［J］.地理學報，77（11）：2787-2802." Yang J，Dai J H，Yao H R，et al.，2022.Vegetation distribution and vegetation activity changes in the Hengduan Mountains from 1992 to 2020［J］.Acta Geogr Sinica，77（11）：2787-2802.doi：10.11821／dlxb202211007.（in Chinese）.

袁瑞瑞，黃蕭霖，郝璐，2021.近40年中國飽和水汽壓差時空變化及影響因素分析［J］.氣候與環境研究，26（4）：413-424." Yuan R R，Huang X L，Hao L，2021.Spatio-temporal variation of vapor pressure deficit and impact factors in China in the past 40 years［J］.Clim Environ Res，26（4）：413-424.doi：10.3878／j.issn.1006-9585.2021.20086.（in Chinese）.

Yuan W P，Zheng Y，Piao S L，et al.，2019.Increased atmospheric vapor pressure deficit reduces global vegetation growth［J］.Sci Adv，5（8）：eaax1396.doi：10.1126／sciadv.aax1396.

章誕武，叢振濤，倪廣恒，2013.基于中國氣象資料的趨勢檢驗方法對比分析［J］.水科學進展，24（4）：490-496." Zhang D W，Cong Z T，Ni G H，2013.Comparison of three Mann-Kendall methods based on the Chinas meteorological data［J］.Adv Water Sci，24（4）：490-496.doi：10.14042／j.cnki.32.1309.2013.04.019.（in Chinese）.

張紅梅，吳炳方，閆娜娜，2014.飽和水汽壓差的衛星遙感研究綜述［J］.地球科學進展，29（5）：559-568." Zhang H M，Wu B F，Yan N N，2014.Remote sensing estimates of vapor pressure deficit：an overview［J］.Adv Earth Sci，29（5）：559-568.doi：10.11867／j.issn.1001-8166.2014.05.0559.（in Chinese）.

張元杰，翟召坤，張曉倩，2022.基于自然地理分區的中國公路網時空變化分析［J］.地理信息世界，29（1）：120-124." Zhang Y J，Zhai Z K，Zhang X Q，2022.Temporal and spatial change analysis of Chinas road network based on natural geographical zoning［J］.Geomat World，29（1）：120-124.doi：10.3969／j.issn.1672-1586.2022.01.022.（in Chinese）.

智協飛，吳柏瑩，羅忠紅，等，2023.華東地區地面和高空風場的多模式集成精細化預報研究［J］.大氣科學學報，46（6）：917-927." Zhi X F，Wu B Y，Luo Z H，et al.，2023.Multimodel ensemble forecasts of high-resolution surface and high-level wind forecasts over East China［J］.Trans Atmos Sci，46（6）：917-927.doi：10.13878／j.cnki.dqkxxb.20210318001.（in Chinese）.

朱飆，張強，李春華，等，2023.我國干旱半干旱區氣候變化特征及其對干濕波動的影響［J］.大氣科學學報，46（1）：42-54." Zhu B，Zhang Q，Li C H，et al.，2023.Characteristics of climate change in arid and semi-arid areas of China and its influence on climatic dry-wet fluctuation［J］.Trans Atmos Sci，46（1）：42-54.doi：10.13878／j.cnki.dqkxxb.20221101012.（in Chinese）.

·ARTICLE·

Spatio-temporal variations of vapor pressure deficit in China from 1961 to 2015

LUAN Luming1，2，WANG Yuanxin3，ZHU Wenbin1，4

1Institute of Geographic Sciences and Natural Resources Research，Chinese Academy of Sciences，Beijing 100101，China;

2University of Chinese Academy of Sciences，Nanjing （UCASNJ），Nanjing 211135，China;

3School of Information Engineering，China University of Geosciences，Beijing 100083，China;

4School of Civil Engineering and Water Resources，Qinghai University，Xining 810016，China

Abstract" Vapor pressure deficit （VPD） is a critical meteorological variable with significant implications for hydrology，ecology，and climate change.Numerous studies have demonstrated that VPD，a key indicator of atmospheric dryness，has undergone substantial changes in response to global climate warming.Investigating the spatiotemporal variations of VPD across different regions of China is essential for advancing climate change research and supporting agricultural and pastoral practices.While regional-scale VPD studies have been conducted by domestic scholars，comparative analysis of VPD changes at the national scale remain limited.This study uses daily mean air temperature and relative humidity data from 772 meteorological stations across China，applying Tetens empirical formula to calculate VPD.Through co-Kriging interpolation，Mann-Kendall trend tests，and correlation and partial correlation analyses，the spatiotemporal variability and trends of VPD across different time scales and geographical regions from 1961 to 2015 were examined.Additionally，the study explores the relationships between VPD，temperature，and relative humidity，identifying the dominant factors influencing VPD changes over different periods.The results indicate significant spatiotemporal variation in VPD across China from 1961 to 2015，with higher values in summer and lower values in winter.Spatially，high annual average VPD values were concentrated in the arid and semi-arid regions of Northwest China，while lower values were found in Northeast China，the Qinghai-Xizang Plateau，and parts of the southern region.The annual average VPD across China ranged from 0.127 kPa to 1.547 kPa，with an overall average of 0.526 kPa.Most regions showed an increasing VPD trend over time.Between 1961 and 1999，57％ stations exhibited increasing VPD trends，and this proportion rose to 67％ between 2000 and 2015，with the year 2000 identified as a mutation point.The average VPD increase accelerated from 1.519 6 hPa／（10 a） to 7.074 3 hPa／（10 a） after 2000.Correlation and partial correlation analyses revealed that VPD was significantly positively correlated with temperature and negatively correlated with relative humidity in all regions.Maximum temperature was the dominant factor driving VPD changes in southern and northern China，while average temperature and relative humidity played a greater role in the Northwest and Qinghai-Xizang regions.These dominant factors remained consistent before and after the mutation point.While the primary factors influencing VPD changes were explored，further investigation is needed to assess the impact of other potential factors such as topography，vegetation cover，and broader climatic conditions.This study provides insights into the characteristics and drivers of VPD changes across seasons and regions，offering a scientific foundation for climate-ecological and vegetation modeling studies and valuable guidance for policy-makers and relevant stakeholders.

Keywords" vapor pressure deficit;spatio-temporal variations;Mann-Kendall test;partial correlation analysis

doi：10.13878／j.cnki.dqkxxb.20230811001

（責任編輯：劉菲）