科爾沁沙地參考作物蒸散發(fā)估算及影響因子分析

李 霞, 劉廷璽,2, 段利民,2, 王冠麗,2, 周亞軍

(1.內蒙古農業(yè)大學 水利與土木建筑工程學院, 呼和浩特 010018;2.內蒙古農業(yè)大學 內蒙古自治區(qū)水資源保護與利用重點實驗室, 呼和浩特 010018)

全球氣候隨著社會經濟的發(fā)展發(fā)生著巨大改變，水資源合理、高效的利用成為眾多學者關注的焦點[1]。參考作物蒸散發(fā)(Reference Crop Evapotranspiration，ET0)表征某一區(qū)域水分供應不受限制時可能達到的最大蒸發(fā)量[2]，能真實反映氣象因素對蒸散量的影響，是評價某一地區(qū)干濕狀況、植被耗水量的重要指標[3-4]。因此，定量化評價氣象要素對ET0的影響，評估ET0對不同氣象因子變化的敏感性，有利于探明水文循環(huán)對氣候變化的響應程度[5]。

目前ET0的確定方式主要包括實際測定法和模型估算法，儀器測定工作量大且成本較高，具有一定的局限性，難以推廣。而針對不同地區(qū)的ET0估算模型均得到較好的驗證[6]，其中，1998年由聯(lián)合國糧農組織(FAO)[7]推薦的Penman-Monteith模型綜合了各種氣象因素的影響，具有良好的水文氣象物理基礎[8]，在干旱或濕潤等氣候條件差異較大地區(qū)均被證實是一種相對準確的方法，在世界各地得到了廣泛的應用[9-11]。國內外眾多學者均以FAO56 P-M模型作為標準方法，對其他估算模型的原始經驗系數(shù)進行修正及適用性評價[12-15]。近年來，針對參考作物蒸散發(fā)的驅動機制及其影響因素的研究受到學術界的廣泛關注[16-19]，以往研究多基于多元線性回歸分析、相關性分析等方法，只能簡單識別影響參考作物蒸散發(fā)的因子，通徑分析方法可以定量分析影響參考作物蒸散發(fā)的直接和間接影響因子，全面討論各影響因子的作用與程度。

科爾沁沙地面積約5.06萬km2，是我國典型的干旱半干旱荒漠化地區(qū)，生態(tài)環(huán)境脆弱[20]，本文基于FAO56 P-M模型對科爾沁沙地典型地區(qū)ET0進行估算，對比不同土地利用類型下、不同時間尺度ET0變化特征，利用通徑分析對科爾沁典型地區(qū)參考作物蒸散發(fā)影響因素進行系統(tǒng)分析，識別影響參考作物蒸散發(fā)變化的主導因子，探索氣候變化對干旱半干旱地區(qū)參考作物蒸散發(fā)的影響機理，以期為該地區(qū)的生態(tài)環(huán)境修復提供科學指導，并對開展干旱監(jiān)測、荒漠化治理和水資源合理利用等相關研究提供理論依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于科爾沁沙地東南邊緣的阿古拉生態(tài)水文試驗站(122°32′30″—122°41′00″E，43°18′48″—43°21′24″N)，見圖1，面積約55 km2，是典型的半干旱荒漠化地區(qū)。地形總趨勢為南北高、中間低，分布有沙丘、草甸、農田等多種地貌。

圖1 研究區(qū)地理位置及試驗點示意圖

研究區(qū)屬半干旱溫帶大陸性季風氣候，多年平均降雨量389 mm，主要集中在6—9月，多年平均氣溫6.6℃，月平均氣溫在-13.4～23.9℃波動，多年平均相對濕度55.8%；主要沙生植被有沙蓬(Agriophyllumsquarrosum)、差巴嘎蒿(Artemisiahalodeudrou)、小葉錦雞兒(Caraganamicrophylla)、少花蒺藜(Cenchruspauciflorus)等，草甸植被有蘆葦(Phragmitesaustralis)、羊草(Leymuschinensis)等，農田主要種植玉米(Zeamays)、水稻(Oryzasativa)等作物；區(qū)內沙丘地帶性土壤和非地帶性土壤交錯分布，地帶性土壤為栗鈣土，非地帶土壤主要有砂壤土。本文所選的不同下墊面類型包括草甸地C4，半流動沙丘A4，半固定沙丘G4，水稻地D0以及玉米地BC4，具體信息見表1。

表1 研究區(qū)站點介紹

1.2 數(shù)據(jù)來源

研究區(qū)內建有多個梯度環(huán)境監(jiān)測系統(tǒng)，常規(guī)氣象數(shù)據(jù)有凈輻射、空氣溫度、空氣濕度、風速、降雨量等氣象數(shù)據(jù)。這些數(shù)據(jù)采集頻率為10 Hz，主要由數(shù)據(jù)采集器(CR1000，Campbell Scientific)儲存并記錄每10 min的平均值。儀器型號和安裝高度見表2。

1.3 研究方法

1.3.1 P-M模型

(1)

式中：ET0為參考作物蒸散發(fā)(mm/d)；Δ為飽和水汽壓—溫度曲線斜率(kPa/°C)；Rn為冠層表面凈輻射[MJ/(m2·d)]；T為平均氣溫(°C)；G為土壤熱通量[MJ/(m2·d)]；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)；γ為濕度計常數(shù)(kPa/℃)。

表2 地面監(jiān)測基本信息

1.3.2 通徑分析 1921年，塞沃爾·賴特首先提出了通徑分析的多元統(tǒng)計方法[21]，經過不斷改進后可以直觀、準確地分析多個自變量與因變量之間的線性關系，定量描述各自變量對因變量的直接和間接重要性，進而研究各變量之間的相互作用關系。由于ET0與多個氣象因子存在較強的相關性，且各氣象因子間相互影響、相互制約，很難評估ET0對某個氣象要素的響應程度，因此利用通徑分析在對簡單相關系數(shù)進行分解的基礎上來研究各因素間直接和間接的影響效果，進而對模型中變量的影響程度有深入的理解[22]。本文利用SPSS 24.0軟件，分析ET0的直接和間接影響因素，并進一步分析剖析各個自變量之間的相互作用。

2 結果與分析

2.1 參考作物蒸散發(fā)變化特征

2.1.1 不同景觀類型ET0年際變化特征 選取研究區(qū)內具有代表性的景觀類型半流動沙丘試驗區(qū)A4，半固定沙丘試驗區(qū)G4，草甸試驗區(qū)C4，玉米試驗區(qū)BC4以及水稻試驗區(qū)D0為研究對象，將各試驗區(qū)氣象要素輸入FAO56 P-M模型中估算ET0，分析其年際變化，結果如圖2所示(其中半固定沙丘G4，玉米BC4及水稻D0于2015年5月份建站)。由圖2可知草甸試驗區(qū)C4的ET0值明顯高于其他地貌類型，2015—2018年總ET0值分別為1 201，1 255，1 257，1 172 mm；半固定沙丘G4和玉米地BC4年ET0值基本一致且保持較低水平，最小值在2016年，為922 mm；半流動沙丘A4的ET0值最大出現(xiàn)在2017年，為1 072 mm，最小值在2016年(1 017 mm)；水稻試驗區(qū)D0年ET0值在1 000 mm左右波動；以各年內5個試驗區(qū)的平均值代表區(qū)域ET0的平均水平，可以看出2015—2018年區(qū)域ET0均值起伏變化較為平緩，分布在2.708～2.983 mm/d，最大值出現(xiàn)在2017年，其余年份較為接近。

圖2 不同景觀類型ET0年值變化

2.1.2 不同景觀類型ET0季節(jié)變化特征 采用氣象學標準劃分四季，即春季為3—5月，夏季為6—8月，秋季為9—11月，冬季為12月—次年2月[23]。由圖3可知，ET0季節(jié)性變化顯著，夏季為ET0貢獻最大的季節(jié)，草甸試驗區(qū)夏季ET0占全年的39.44%～48.20%，最大值出現(xiàn)在2016年，達535 mm，最小值出現(xiàn)在2018年，為462 mm，半流動沙丘、半固定沙丘、玉米及水稻試驗區(qū)夏季ET0均小于草甸試驗區(qū)，且各試驗區(qū)間差異較小，均占全年ET0的36.63%以上；春季ET0占比僅次于夏季且數(shù)值較高，變化范圍為319～448 mm，占全年的33.98%～37.06%，各年ET0值均表現(xiàn)為草甸試驗區(qū)最大、半固定沙丘試驗區(qū)最??；秋季ET0最大值為245.52 mm，最小值為137.25 mm，占比為14.38%～21.33%，草甸試驗區(qū)略高于其他地貌類型；冬季ET0值最小，各試驗區(qū)冬季ET0值基本一致，占比均不足10%，且年際間差異較??；春、夏、秋、冬季ET0均值分別為390.22，412.78，190.95，66.05 mm。

圖3 不同景觀類型ET0季節(jié)變化

2.1.3 不同景觀類型ET0月變化特征 ET0多年逐月平均值變化曲線如圖4所示。不同景觀類型ET0月變化趨勢大致相同，呈單峰拋物線型，1—5月逐漸升高，最高值出現(xiàn)在5月，達4.74～6.41 mm/d，6—12月ET0月均值逐漸降低，最低值出現(xiàn)在1月或12月，為0.51～0.73 mm/d；草甸地C4全年高于其他景觀類型，1—4月不同下墊面間ET0值差異較小，4月份開始不同下墊面間差異逐漸明顯，5月ET0值差異最大，整體表現(xiàn)為草甸試驗區(qū)C4>水稻試驗區(qū)D0>半流動沙丘A4>玉米試驗區(qū)BC4>半固定沙丘G4，6月以后各試驗區(qū)ET0差異逐漸減小。

圖4 多年逐月平均ET0變化趨勢

2.2 參考作物蒸散量變化成因分析

2.2.1 氣象因子變化特征 利用5個試驗區(qū)平均氣溫(Tmean)、最低氣溫(Tmin)、最高氣溫(Tmax)、凈輻射(Rn)，2 m處風速(u2)及飽和水汽壓差(VPD)值進行統(tǒng)計分析，得到2015—2018年氣象要素月平均值系列，變化過程見圖5。Tmean，Tmin和Tmax變化情況大體相同，即1—7月逐月遞增，7—12月逐漸減小，整體呈拋物線型，年際間差異較小，多年平均Tmean為7.29℃，多年平均Tmin為1.18℃，多年平均Tmax為13.46℃；Rn的變化規(guī)律與溫度與較高的一致性，年內變化范圍為-0.2～12.14 MJ/(m2·d)，最大值出現(xiàn)在夏季，其中2016年峰值在6月，其余年份在7月，最小值出現(xiàn)在冬季；u2各年內均表現(xiàn)為春季最高，最大風速可達4.59 m/s，夏季最低，最低風速為1.98 m/s；VPD變化趨勢呈單峰曲線狀，2015—2017年最大值在5月，分別達1.26，1.37，1.46 kPa，2018年最大值出現(xiàn)在6月，為1.32 kPa，2017年4—7月VPD值明顯高于其他年份，其余月份相差較小。

2.2.2 氣象要素對ET0的通徑分析 根據(jù)通徑分析方法對研究區(qū)內不同下墊面多年平均逐日ET0和Tmean，Tmin，Tmax，Rn，u2及VPD等氣象因子進行逐步回歸，結果顯示VPD，Rn，u2，Tmax對ET0的影響顯著(p<0.05)，Tmean，Tmin對ET0的影響不顯著，將不顯著因子剔除后，以ET0為因變量，4個氣象因子為自變量，建立最優(yōu)的回歸方程，分別計算關鍵因子與ET0的通徑系數(shù)，確定各因子對ET0的直接效應、間接效應以及相關性，并分析各氣象要素對回歸可靠程度(E)的總貢獻，結果見表3。

由表3可知，VPD對ET0的直接作用(通徑系數(shù))為0.614，高于其他因子，說明VPD可對ET0產生較大影響，Rn對ET0的直接作用(0.423)在指標中位列第二位，因此Rn也對ET0產生較大作用，u2和Tmax對ET0的直接作用較小，Tmax對ET0表現(xiàn)為負效應，其余因子均表現(xiàn)為正效應；VPD，Rn，u2，Tmax對回歸方程估測可靠程度E的總貢獻分別為0.601，0.402，0.036，-0.046，進一步說明VPD是影響ET0最重要的指標；由各因子間的間接作用可知，Tmax和Rn的間接和分別為0.936，0.527，對ET0的間接影響作用較明顯，Tmax主要通過VPD路徑對ET0產生影響，間接作用系數(shù)為0.554，占其總間接作用系數(shù)的57.53%，Rn通過VPD路徑作用于ET0的間接作用系數(shù)為0.564。綜合通徑分析的結果認為，科爾沁沙地ET0受各氣象因子綜合作用，主要影響因子為VPD，其次是Rn和Tmax，u2對ET0的影響較小，Tmax和Rn通過影響其他氣象因子間接的對ET0產生作用。

2.2.3 指標敏感性分析 敏感性分析是從多個不確定性要素中逐一找出對ET0有重要作用的敏感要素，并探討其作用程度。ET0和各氣象要素之間關系極為密切，在通徑分析過程中去掉某個氣象因子后其他氣象因子對ET0的直接作用、間接作用及E均會發(fā)生變化，為進一步計算各氣象因子對ET0的敏感性，依次去掉某一氣象要素，利用剩余的氣象因子對ET0進行通徑分析。

圖5 氣象因子變化趨勢

表3 氣象因子對ET0的通徑分析

表4 逐步減去最不敏感項氣象因子對ET0的通徑分析

由表4可知，與4個指標的分析結果比較發(fā)現(xiàn)，去掉VPD后，對Rn及Tmax的直接和間接作用均產生較大影響；去除Rn后，VPD對ET0的直接作用由0.614變?yōu)?.840，間接作用由0.364變?yōu)?.139，對Tmax的直接、間接作用影響也較大；去除u2引起VPD和Tmax的直接、間接作用變化顯著；去除Tmax對各因子的直接、間接作用均無顯著影響，各因子的去除并不影響u2的直接、間接作用；在分別去掉VPD，Rn，u2，Tmin后，E值由0.993分別下降為0.877，0.971，0.979，0.992，隨著方程中自變量數(shù)量的減少導致估測可靠程度下降，說明ET0的變化受多種氣象因子聯(lián)合影響，去掉VPD后，E的變化最明顯，由此可知ET0對VPD的變化最為敏感，其次為Rn和u2，去除Tmax后E的變化極小，說明ET0對Tmax的變化不敏感。

3 討 論

參考作物蒸散量是區(qū)域水分循環(huán)和能量平衡研究的重要組成部分，準確地估算ET0不僅是制定地區(qū)作物植被需水量方案和水資源優(yōu)化合理規(guī)劃決策的重要依據(jù)，是評價作物需水量、生產潛力及水資源供需平衡額重要指標。ET0可反映區(qū)域氣候因素的變化，因此，定量分析ET0對氣象因子的響應程度，有利于揭示區(qū)域氣候條件對生態(tài)環(huán)境的改變。

ET0的變化不僅有氣象因子的影響，還有各氣象要素之間也存在著相互影響，部分學者對ET0的影響因素進行相關研究。曹永強等[24]研究得出日最高氣溫、日最低氣溫和日照時數(shù)是驅動遼寧省ET0變化的最主要氣象要素；Zhao等[25]研究成果顯示海河流域ET0對RH最敏感，而u2和Rn的降低是引起海流域東南部區(qū)域ET0下降的主要因素；汪精海等[26]認為黑河流域ET0的主要影響因子為RH，其次為u2和T?？梢?，不同地區(qū)ET0的主導因子不同。本研究中，通徑分析和指標敏感性分析均顯示VPD對ET0的影響作用最大，張雪松等[27]也得到相似的結論。VPD為同一溫度下飽和水汽壓和實際水汽壓之差，反映空氣的潮濕程度，表征了水汽含量和氣溫的綜合效果，對植物氣孔的開閉產生直接影響[28]，進而控制植物蒸騰和光合作用等生理過程，對蒸散過程及結果產生著重要的影響[29]，而Rn和u2則通過VPD路徑實現(xiàn)間接影響并起重要作用。

就年尺度而言，無論是各下墊總ET0值還是研究區(qū)內平均ET0值，均在2017年達到最大，這是由于2017年VPD值遠高于其他年份，另外Rn值也處于較高水平，Rn作為驅動系統(tǒng)運轉的源動力，可改變系統(tǒng)中水熱通量分配狀況及水相變化過程，進而影響ET0的變化，這與牛忠恩等[30]的研究結果一致；季節(jié)尺度上，ET0平均值為：夏季>春季>秋季>冬季，阿勒泰地區(qū)[31]也得到了相似的結論，這是由于夏季(6—8月)降水充沛，日照時數(shù)長，凈輻射增強，水熱條件良好，因此ET0值較高；月尺度上，ET0最小值出現(xiàn)在1月，此時Tmean為一年的最低值，VPD和太陽凈輻射值也處在全年較低水平，導致參考作物蒸散發(fā)驅動能量不足；最大值在6月，這是多種氣象條件綜合作用的結果，這與吳麗萍等[32]的研究結果相似；月尺度上不同景觀類型在4月份之后ET0值差異逐漸增大，這是由于各樣地地理位置及植被種類不同，草甸試驗區(qū)緊鄰湖泊且植被覆蓋度高，水稻試驗區(qū)植被長勢密集且通過淹灌方式使田格保持一定深度的水層，草甸及水稻試驗區(qū)的VPD值高于其他樣地，因此ET0值亦明顯高于半流動沙丘、玉米及半固定沙丘；科爾沁沙地是中國北方沙漠化最典型的地區(qū)之一，生態(tài)環(huán)境破壞嚴重，下墊面均一，主要受區(qū)域氣候變化和人類活動的影響，定量評價氣象因子對該地區(qū)ET0的影響程度，可為相關研究提供理論依據(jù)。

4 結 論

(1) ET0年值變化范圍為922～1 257 mm，不同下墊面均在2017年達到最大值，季節(jié)尺度上有明顯的差異性，整體表現(xiàn)為夏季>春季>秋季>冬季，月際變化呈單峰曲線狀，最大值出現(xiàn)在5月，不同景觀類型ET0值表現(xiàn)為草甸試驗區(qū)C4>水稻試驗區(qū)D0>半流動沙丘A4>玉米試驗區(qū)BC4>半固定沙丘G4。

(2)Tmean，Tmin，Tmax變化規(guī)律大致相同，年際差異較小，Rn變化趨勢與T有較高的一致性，最大值出現(xiàn)在夏季，最小值出現(xiàn)在冬季，風速春季最大，夏季最小，飽和水氣壓差呈單峰曲線狀，2017年4—7月明顯高于其他年份。

(3) VPD對ET0的通徑系數(shù)為0.614，是驅動ET0變化的主要因子，Rn的通徑系數(shù)為0.423，亦對ET0產生較大作用，u2對ET0的影響較弱，VPD，Rn，u2，Tmax對回歸方程估測可靠程度E的總貢獻分別為0.601，0.402，0.036，-0.046，指標敏感性分析指出去掉飽和水汽壓差后，E由0.993降為0.877，進一步說明ET0對飽和水汽壓差的變化最敏感。