甘肅省參考作物蒸散量時(shí)空變異驅(qū)動(dòng)因子分析*

馬亞麗，孫棟元，張 芮，許 健，王興繁

甘肅省參考作物蒸散量時(shí)空變異驅(qū)動(dòng)因子分析*

馬亞麗，孫棟元**，張 芮，許 健，王興繁

(甘肅農(nóng)業(yè)大學(xué)水利水電工程學(xué)院，蘭州 730070)

基于甘肅省29個(gè)氣象站點(diǎn)1984-2019年逐日氣象資料，分析ET0時(shí)空變化規(guī)律，結(jié)合主成分分析、聚類分析、灰色關(guān)聯(lián)度、通徑分析、敏感性分析等多種定性與定量分析方法，揭示ET0與氣候因子間的內(nèi)在關(guān)系，并探明甘肅省ET0對(duì)各氣候因子敏感性及貢獻(xiàn)大小。結(jié)果表明：近36a甘肅省ET0整體呈現(xiàn)顯著(α=0.05)上升趨勢(shì)，并于1998年發(fā)生突變。研究期內(nèi)ET0空間分布呈現(xiàn)由東南向西北遞增的趨勢(shì)，甘南高原小，河西平原大，高值區(qū)ET0在1049.3～1260.9mm區(qū)間變化。主成分分析表明溫度、濕度和輻射對(duì)ET0的影響較大，風(fēng)速影響相對(duì)較小，聚類分析及灰色關(guān)聯(lián)度分析結(jié)果顯示，日最高溫度Tmax、相對(duì)濕度RH、風(fēng)速u、降水量P、日照時(shí)數(shù)n為5個(gè)關(guān)鍵氣候因子，Tmax是最主要因素，P作用最小。ET0對(duì)氣候因子敏感性存在差異，對(duì)RH最為敏感，且Tmax、n、u起正向作用，RH起反向作用，RH、Tmax、n、u貢獻(xiàn)率分別為3.79%、7.22%、-0.42%和3.70%。近36a甘肅省ET0呈現(xiàn)增大趨勢(shì)是由于RH、n減少和T升高、u增大共同作用的結(jié)果，T升高是造成ET0增加的主要原因。研究成果為該地區(qū)科學(xué)配置灌溉用水，高效開(kāi)發(fā)利用水資源，揭示氣候變化條件下水文循環(huán)?蒸散發(fā)環(huán)節(jié)的響應(yīng)機(jī)理提供科學(xué)依據(jù)，同時(shí)，多種方法探索性結(jié)合運(yùn)用為ET0變化驅(qū)動(dòng)因子分析提供了新的思路。

參考作物蒸散量；驅(qū)動(dòng)因子；氣候因子；時(shí)空變化；甘肅省

蒸散發(fā)作為水文循環(huán)重要環(huán)節(jié)，聯(lián)系著土壤圈、生物圈、大氣圈，其變化直接影響地表水量平衡和能量平衡過(guò)程，是構(gòu)成氣候系統(tǒng)的中心環(huán)節(jié)，影響地表的熱量狀況、地區(qū)干濕狀況、生態(tài)系統(tǒng)的水分利用效率和水資源的合理利用[1?2]。因此，針對(duì)蒸散發(fā)的研究，一直是國(guó)內(nèi)外包括氣象學(xué)、地理學(xué)、土壤學(xué)、水文學(xué)、生態(tài)學(xué)、植物學(xué)等在內(nèi)的多學(xué)科研究的熱點(diǎn)領(lǐng)域[3?4]。黃會(huì)平等[5]采用主成分分析方法，對(duì)潛在作物蒸散量的影響因子及其分布特征進(jìn)行探討，研究發(fā)現(xiàn)熱力學(xué)因素是影響中國(guó)ET0的第一主成分。李霞等[6]在科爾沁濕草甸利用通徑分析及指標(biāo)敏感性分析對(duì)ET0的影響因子進(jìn)行辨識(shí)，發(fā)現(xiàn)主要因子為飽和水汽壓差和最低氣溫。Zhang等[7]利用局部地理加權(quán)回歸（GWR）模型探討中國(guó)ET0與氣候變量之間的空間關(guān)系，結(jié)果顯示最高和最低氣溫是影響中國(guó)ET0的主要?dú)夂蜃兞?。Guan等[8]利用氣候彈性分析法分析了黃淮海流域多個(gè)氣象因素對(duì)ET0的影響，采用多元線性回歸方法定量揭示了氣象因素對(duì)ET0變化的相對(duì)貢獻(xiàn)大小，發(fā)現(xiàn)ET0上升是由于溫度顯著增加，削弱了因風(fēng)速和日照時(shí)數(shù)減少引起的ET0下降作用?？梢钥闯觯瑢?duì)于ET0與氣候因子間的相關(guān)關(guān)系的研究，多種分析方法均適用，而以往研究多采用單一方法分析ET0的變化成因[5?8]，由于受大氣?植被?地表系統(tǒng)相互作用影響，影響ET0的因素眾多，ET0與氣候因子間及各氣候因子間的交互作用較為復(fù)雜，單一方法對(duì)揭示ET0與氣候因子間復(fù)雜關(guān)系較為困難，多方法相結(jié)合定量化研究氣候因子對(duì)ET0的影響，探討ET0對(duì)不同氣象因子變化的敏感性，探明水文循環(huán)對(duì)氣候變化的響應(yīng)程度[9]顯得尤為重要。因此，本研究將主成分分析[10]、聚類分析[11]、灰色關(guān)聯(lián)度分析[12]、通徑分析[13]、敏感分析[14]等多種方法探索性結(jié)合，將定性分析與定量分析相融合，以期更為全面、客觀地揭示各氣候因子間以及ET0與氣候因子間的內(nèi)在關(guān)系，定量描述氣候因子對(duì)ET0變化的直接和間接作用以及緊密關(guān)聯(lián)程度，確定主導(dǎo)因素，減少變量個(gè)數(shù)，關(guān)注主要矛盾，探明ET0變化主導(dǎo)因子敏感程度及其貢獻(xiàn)大小，定量化解釋ET0變化的原因。

甘肅省位于中國(guó)西部地區(qū)，地處黃河中上游，位于三大高原即青藏高原、黃土高原和內(nèi)蒙古高原的交匯處，地形復(fù)雜，海拔相差懸殊。地理環(huán)境差異明顯，狹長(zhǎng)條狀分布，使甘肅省跨越三大流域即長(zhǎng)江流域、黃河流域和西北內(nèi)陸河流域，從東南到西北存在熱帶濕潤(rùn)區(qū)、高寒區(qū)、干旱區(qū)等氣候類型，多元?dú)夂蝾愋捅厝辉斐蒃T0時(shí)空變化差異明顯，且甘肅省大部分區(qū)域?yàn)榘敫珊蹈珊禋夂蝾愋?，水資源相對(duì)匱乏，水資源短缺是制約其經(jīng)濟(jì)社會(huì)發(fā)展的重要因素，以農(nóng)業(yè)生產(chǎn)為主的社會(huì)經(jīng)濟(jì)結(jié)構(gòu)現(xiàn)狀更加劇水資源短缺狀況。揭示甘肅省ET0時(shí)空分布規(guī)律、ET0與氣候因子的復(fù)雜相關(guān)關(guān)系以及氣候因子變化條件下ET0的響應(yīng)機(jī)理，對(duì)于地處西北干旱半干旱內(nèi)陸區(qū)的甘肅省科學(xué)預(yù)估灌水定額，合理配置灌溉用水，提高灌水利用率，合理開(kāi)發(fā)利用水資源具有重要意義。

1 資料與方法

1.1 參考作物蒸散量（ET0）計(jì)算及變化分析方法

氣象數(shù)據(jù)來(lái)自中國(guó)氣象數(shù)據(jù)網(wǎng)（http://data. cma.cn），選取甘肅省29個(gè)氣象測(cè)站1984?2019年氣象觀測(cè)資料，包括日平均氣溫和最高/最低氣溫、日空氣相對(duì)濕度、日降水量、日平均地面10m高處風(fēng)速和日照時(shí)數(shù)等，數(shù)據(jù)屬于中國(guó)地面氣候資料日值數(shù)據(jù)集V3.0，由國(guó)家氣象信息中心制作，該資料被廣泛用于科研生產(chǎn)領(lǐng)域。

采用1998年聯(lián)合國(guó)糧農(nóng)組織（FAO）修正后的Penman-Monteith公式[1,15]計(jì)算參考作物蒸散量，P-M 法以能量平衡和空氣動(dòng)力學(xué)原理為基礎(chǔ)，綜合考慮溫度、輻射、風(fēng)速、濕度和地域位置（海拔和緯度）的影響，已被證實(shí)在不同區(qū)域和不同氣候條件下均具有較高的計(jì)算精度[16?17]。其中土壤熱通量G取值0，反射率α取0.23，參考祝昌漢[18]得出的西北區(qū)參數(shù)a、b取值分別0.281和0.441。ET0計(jì)算式為[1]

其中

式中，ET0為參考作物蒸散量（mm×d?1）；Δ為飽和水汽壓曲線斜率（kPa×℃?1）；Rn為太陽(yáng)凈輻射（MJ×m?2×d?1）；Rns為凈短波輻射（MJ×m?2×d?1）；Rnl為凈長(zhǎng)波輻射（MJ×m?2×d?1）；Ra為天頂輻射（MJ×m?2×d?1）；G為土壤熱通量（MJ×m?2×d?1），日尺度上忽略，記為0；γ為干濕常數(shù)（kPa×℃?1）；u2為2m高處的風(fēng)速（m×s?1）；T為平均氣溫（℃）；es為平均飽和水汽壓（kPa）；ea為實(shí)際水汽壓（kPa），（es-ea）為飽和水汽壓差（kPa）；n為日照時(shí)數(shù)（h）；N為最大日照時(shí)數(shù)(h)。

1.2 參考作物蒸散量氣候影響因子分析方法

1.2.1 主成分分析

利用主成分分析將多個(gè)氣候因子變量轉(zhuǎn)化為幾個(gè)相互獨(dú)立的主成分，從而揭示對(duì)ET0影響較大的氣候因素類別，如溫度因素、濕度因素等。該方法是將原有變量轉(zhuǎn)換為一組線性不相關(guān)新變量，選取少數(shù)幾個(gè)新變量盡可能多地保留原始變量的信息，從而達(dá)到降維、簡(jiǎn)化模型的目的。當(dāng)隨機(jī)向量方差已知時(shí)，主成分的計(jì)算方法為[10]

設(shè)氣候因子變量X＝(X1，X2，…，XP)′，其均值為μ，協(xié)方差矩陣為Σ，新的綜合變量Y可以由原來(lái)的氣象要素變量線性表示，即滿足

Σ特征值從大到小依次為λ1≥λ2≥…≥λp，λj對(duì)應(yīng)的彼此正交單位特征向量為cj，則X的第j個(gè)主成分Yj為cj與X的內(nèi)積，即Yj＝cj′X，var (Yj)應(yīng)盡可能大且各Yj之間相互獨(dú)立，Yj的隨機(jī)變量方差為λi。

式中，λ為各主成分相對(duì)應(yīng)的特征值；k為選定的主成分?jǐn)?shù)；i為全部主成分?jǐn)?shù)。

1.2.2 灰色關(guān)聯(lián)度

利用灰色關(guān)聯(lián)度進(jìn)行灰色關(guān)聯(lián)度排序，削減排序靠后、關(guān)聯(lián)程度不緊密的氣候因子，從而簡(jiǎn)化問(wèn)題，關(guān)注主導(dǎo)氣候因子。根據(jù)灰色系統(tǒng)理論[12]，將氣候因子指標(biāo)作為一個(gè)灰色系統(tǒng)，以ET0構(gòu)成參考數(shù)列x0=｛x0(1)，x0(2)，…，x0(k)｝，以9個(gè)氣候因子構(gòu)成比較數(shù)列xi=｛xi(1)，xi(2)，…，xi(k)｝，k代表ET0或第i個(gè)氣候因子在k處取值。

對(duì)原始數(shù)據(jù)進(jìn)行無(wú)量綱化處理，求出關(guān)聯(lián)系數(shù)（ζ）和加權(quán)關(guān)聯(lián)度（r）。

1.2.3 通徑分析

利用通徑分析計(jì)算氣候因子對(duì)ET0變化的直接、間接和綜合作用大小，在聚類分析和灰色關(guān)聯(lián)度分析結(jié)果的基礎(chǔ)上，剔除作用較小的氣候因子，從多個(gè)氣候因子中確定主導(dǎo)氣候因子，進(jìn)行后續(xù)的敏感性分析。通徑分析（Path analysis）不受自變量變異程度及度量單位的影響來(lái)分析多個(gè)自變量與因變量之間的線性關(guān)系，處理較為復(fù)雜的變量關(guān)系，得到自變量對(duì)因變量的直接作用與間接作用關(guān)系。

氣候因子xi的標(biāo)準(zhǔn)差與參考作物蒸散量y的標(biāo)準(zhǔn)差之比，為xi到y(tǒng)的通徑系數(shù)，表達(dá)式為[13]

氣候因子xi與參考作物蒸散量y的相關(guān)系數(shù)可以分成兩個(gè)部分，一部分為直接通徑系數(shù)Piy，表征氣候因子對(duì)ET0的直接效應(yīng)；另一部分為ΣrijPjy，表征某氣候因子通過(guò)其他氣候因子對(duì)ET0的間接效應(yīng)，表達(dá)式為[13]

1.3 氣候因子對(duì)參考作物蒸散量變化貢獻(xiàn)分析方法

1.3.1 敏感系數(shù)

衡量氣候要素（如氣溫、風(fēng)速等）變化對(duì)蒸散發(fā)影響程度采用基于P?M模型的敏感系數(shù)法，蒸散發(fā)氣候敏感系數(shù)為蒸散發(fā)變化率與氣候因子變化率之比，計(jì)算式為[14]

式中，Sx為蒸散發(fā)關(guān)于氣候因子x的敏感系數(shù)，無(wú)量綱。敏感系數(shù)表征敏感性曲線切線的斜率，當(dāng)曲線為線性時(shí)，可以用氣候因子對(duì)ET0任意區(qū)間變化的變化率表示敏感系數(shù)，當(dāng)曲線為非線性時(shí)，氣候因子的變化步長(zhǎng)決定敏感系數(shù)精度，變化步長(zhǎng)越小，精度越高[19]。敏感系數(shù)絕對(duì)值越大，表明氣候變量對(duì)ET0的影響越大，即ET0對(duì)氣候變量的變化越敏感，例如當(dāng)敏感系數(shù)為0.1時(shí)，表示氣候因子變量變化10%，參考作物蒸散發(fā)將變化1%。

1.3.2 貢獻(xiàn)率

計(jì)算氣候因子對(duì)ET0變化的貢獻(xiàn)程度，分析ET0變化成因，采用Yin等[20]提出利用敏感系數(shù)與多年相對(duì)變化率的乘積計(jì)算氣候因子對(duì)ET0變化的貢獻(xiàn)率，引起潛在蒸散量增加為正貢獻(xiàn)，反之為負(fù)貢獻(xiàn)，計(jì)算式為

2 結(jié)果與分析

2.1 甘肅省參考作物蒸散量（ET0）時(shí)空變異分析

2.1.1 區(qū)域平均年ET0的年際變化

圖1 1984?2019年甘肅省全區(qū)域平均年參考作物蒸散量(ET0)變化趨勢(shì)(a)和突變檢驗(yàn)(b)

2.1.2 年ET0及其變化的空間變異

基于甘肅省29個(gè)站點(diǎn)36a的年均參考作物蒸散量，采用克里金方法進(jìn)行空間插值計(jì)算，結(jié)果見(jiàn)圖 2a。由圖可見(jiàn)，甘肅省多年平均ET0呈現(xiàn)由東南向西北遞增的趨勢(shì)，甘南高原小，河西平原大，高值區(qū)位于酒泉市、武威市北部，ET0變化區(qū)間在1049.3～1260.9mm；低值區(qū)位于甘南藏族自治州、定西市、臨夏回族自治州，ET0變化區(qū)間在726.6～844.0mm，其中甘南藏族自治州合作站（726.1mm）、瑪曲站（767.9mm），定西市岷縣站（763.8mm），由于所處區(qū)域地理環(huán)境差異導(dǎo)致ET0空間分布存在明顯差異，在726.6～1260.9mm區(qū)間波動(dòng)。甘肅省位于歐亞大陸腹地，東西長(zhǎng)達(dá)1665km，從東南到西北橫跨熱帶濕潤(rùn)區(qū)、高寒區(qū)、干旱區(qū)等氣候類型[21]，其東南部溫濕，年降水量達(dá)到450～760mm，溫暖濕潤(rùn)；向北延伸至河西走廊中東部，該區(qū)域地處溫帶半干旱氣候區(qū)，溫差大，降水少；河西走廊西部地區(qū)降水稀少，降水量42～200mm，日照強(qiáng)烈，晝夜溫差大，地理環(huán)境差異造成降水、氣溫、參考作物蒸散量由東南向西北呈一定規(guī)律變化，ET0呈現(xiàn)由東南向西北遞增的趨勢(shì)。ET0線性變化率空間分布結(jié)果表明（圖2b），酒泉東北部、張掖一帶ET0線性傾向變化率3.5～4.7mm×a?1，相比酒泉市中部、蘭州、臨夏回族自治州、甘南藏族自治州西部的1.9～2.5mm×a?1變化更為明顯，多年變化更為顯著，最大值位于張掖市張掖站（7.92mm×a?1），除酒泉市的玉門鎮(zhèn)站為負(fù)值（?2.32mm×a?1），全省范圍ET0均呈現(xiàn)上升趨勢(shì)，氣象站點(diǎn)占比96.55%。綜上看，甘肅省ET0多年變化率呈現(xiàn)河西走廊東部、隴南東部、隴東等地較大，而河西西部、隴中、甘南等地較小的特點(diǎn)。

2.2 參考作物蒸散量氣候影響因子分析

2.2.1 氣候因子主成分分析

基于甘肅省29個(gè)站點(diǎn)36a的氣候因子數(shù)據(jù)包括平均氣溫、日最低氣溫、日最高氣溫、最小相對(duì)濕度、平均相對(duì)濕度、日照時(shí)數(shù)、降水量、平均風(fēng)速和最大風(fēng)速，采用主成分分析法，在損失很少信息的前提下將存在線性相關(guān)關(guān)系的多個(gè)原始變量轉(zhuǎn)化為幾個(gè)相互獨(dú)立的主成分。按照主成分累計(jì)方差百分比閾值80%～85%的原則提取主成分因子[10]。首先考慮影響ET0氣象因素包括平均氣溫T、日最低氣溫Tmin、日最高氣溫Tmax、最小相對(duì)濕度RHmin、平均相對(duì)濕度RH、日照時(shí)數(shù)n、降水量P、平均風(fēng)速u和最大風(fēng)速umax，主成分提取結(jié)果見(jiàn)表1。由表可知，前3個(gè)主成分特征值占總方差的88.08%，其中第一主成分?jǐn)y帶的信息最多，達(dá)到了36.38%，成分載荷最大是T、Tmin和Tmax，主要反映溫度因素，同理，第二主成分占比31.78%，成分載荷最大是RHmin、RH、n和P，主要反映濕度和輻射因素，第三主成分占比19.92%，成分載荷最大是u和umax，主要反映風(fēng)速因素。綜上看，有關(guān)溫度、濕度和輻射等因素對(duì)ET0的影響較大，風(fēng)速因素影響相對(duì)較小，為進(jìn)一步探明各影響因素間的內(nèi)在關(guān)系以及各氣候因子與ET0的緊密關(guān)聯(lián)程度，進(jìn)行氣象因素聚類分析和灰色關(guān)聯(lián)度分析。

圖2 甘肅省ET0年平均值(a)及其線性變化率(b)的空間分布

表1 氣候因子主成分和成分負(fù)荷量計(jì)算結(jié)果

注：T、Tmax、Tmin、RH、RHmin、P、n、u和umax分別代表日平均溫度、日最高溫度、日最低溫度、平均相對(duì)濕度、最低相對(duì)濕度、降水量、日照時(shí)數(shù)、平均風(fēng)速和最大風(fēng)速。下同。

Note: T, Tmax, Tmin, RH, RHmin, P, n and u, umaxrepresent daily average temperature, daily maximum temperature, daily minimum temperature, average relative humidity, minimum relative humidity, precipitation, sunshine duration, average wind speed and maximum wind speed, respectively. The same as below.

2.2.2 氣候因子與ET0的關(guān)聯(lián)度分析

對(duì)與ET0變化相關(guān)的9個(gè)氣候因子數(shù)據(jù)進(jìn)行系統(tǒng)聚類分析，將性質(zhì)相近事物劃分為一類，揭示各氣候因子間內(nèi)在聯(lián)系，采用聚類方法中的組間聯(lián)接法，度量標(biāo)準(zhǔn)采用皮爾遜相關(guān)性，得到聚類樹(shù)狀圖（圖3a）。依據(jù)各氣候因子綜合相似性，將氣候因子劃分5類，氣候因子T、Tmax和Tmin（平均氣溫、日最高氣溫和日最低氣溫）歸為一類Ⅰ型，體現(xiàn)溫度對(duì)ET0變化的作用；RH和RHmin（平均相對(duì)濕度、最小相對(duì)濕度）歸為一類Ⅱ型，體現(xiàn)相對(duì)濕度對(duì)ET0變化的影響；u和umax（平均風(fēng)速、最大風(fēng)速）歸為一類Ⅲ型，體現(xiàn)風(fēng)速對(duì)ET0變化的影響；P（降水量）和n（日照時(shí)數(shù)）分別為Ⅳ型和Ⅴ型。通過(guò)聚類分析劃分類別，可以找到性質(zhì)較為相似的氣候因子，且分類結(jié)果與主成分分析結(jié)果大體一致，因相同類別的氣候因子之間存在較為相似的性質(zhì)，聯(lián)系較緊密，為了避免同類別間氣候因子重復(fù)分析，對(duì)ET0變化影響重復(fù)作用，考慮結(jié)合氣候因子與ET0關(guān)聯(lián)程度，進(jìn)一步剔除同類別中關(guān)聯(lián)程度較弱的氣候因子。

以ET0逐日時(shí)間序列作為參考數(shù)列，以9個(gè)氣候因子逐日時(shí)間序列作為比較數(shù)列，分析9個(gè)氣候因子對(duì)ET0的關(guān)聯(lián)度，加權(quán)關(guān)聯(lián)度值反映不同氣候因子對(duì)ET0的聯(lián)系差異大小，關(guān)聯(lián)度值越大，排序越靠前，表明序列曲線幾何形狀的相似程度越高，聯(lián)系越緊密，反之，相似程度低，聯(lián)系不緊密[12]。由圖 3b和表2可見(jiàn)，關(guān)聯(lián)度度由大到小排序依次為RH、n、RHmin、Tmax、P、T、u、Tmin和umax，RH關(guān)聯(lián)度值最大，為0.869，umax關(guān)聯(lián)度值最小，為0.787。

綜合考慮氣候因子的聚類分析及其對(duì)ET0灰色關(guān)聯(lián)度分析結(jié)果可知，Ⅰ型分組中T、Tmax和Tmin灰色關(guān)聯(lián)度排序依次為6、4和8，Ⅱ型分組中RH和RHmin灰色關(guān)聯(lián)度排序?yàn)?和3，Ⅲ型分組中u和umax灰色關(guān)聯(lián)度排序?yàn)?和9，選取同類型分組中關(guān)聯(lián)度排序靠前的氣候因子，Ⅰ型、Ⅱ型、Ⅲ型、Ⅳ型和Ⅴ型分別選取Tmax、RH、u、P和n共5個(gè)氣候因子，5個(gè)氣候因子分屬不同分組，且排序較同組因子靠前，對(duì)ET0的聯(lián)系緊密程度較強(qiáng)，涵蓋了影響ET0變化的濕度因子、熱力因子、動(dòng)力因子等多種作用因素，既簡(jiǎn)化了研究，又重點(diǎn)分析了與ET0聯(lián)系緊密的關(guān)鍵因素。

圖3 氣候因子聚類分析及灰色關(guān)聯(lián)度排序

表2 氣候因子聚類分析及灰色關(guān)聯(lián)度分析結(jié)果

2.2.3 氣候因子對(duì)ET0影響的通徑分析

根據(jù)氣候因子聚類分析及對(duì)ET0灰色關(guān)聯(lián)度分析結(jié)果，選取RH、n、Tmax、P和u共5個(gè)氣候因子進(jìn)行通徑分析，各氣候因子對(duì)ET0通徑分析結(jié)果如表3所示。由表可見(jiàn)，各氣候因子對(duì)ET0直接作用由直接通徑系數(shù)反映，大小排序依次為Tmax＞u＞n＞RH＞P，其中RH數(shù)值為負(fù)，說(shuō)明RH增大導(dǎo)致ET0減少，起到反向作用，其他四項(xiàng)要素變化與ET0變化一致，起到正向作用，降水量P對(duì)ET0也起正向作用是由于在干旱半干旱區(qū)，蒸發(fā)量大于降水量，甘肅省同時(shí)期降水序列呈增加趨勢(shì)，與ET0同向變化，即降水量增加，ET0增加，因此P對(duì)ET0表現(xiàn)為正向作用。其中，對(duì)ET0變化直接影響主要因素為Tmax，直接影響最小因素為P。間接作用由間接通徑系數(shù)反映，其大小排序依次為n＞P＞RH＞u＞Tmax，n為間接影響甘肅省ET0變化的主要因素。簡(jiǎn)單相關(guān)系數(shù)反映各氣候因子的總作用，大小排序依次為Tmax＞n＞u＞RH＞P，其中Tmax、n、u和P對(duì)ET0變化起正向作用，RH對(duì)ET0變化起反向作用，Tmax是影響ET0變化最主要因素，其次是n、u和RH，P對(duì)ET0變化影響最小，可見(jiàn)，Tmax、n和u的升高與RH的降低共同促進(jìn)ET0呈現(xiàn)增加趨勢(shì)。依據(jù)5個(gè)氣候因子的通徑分析結(jié)果，考慮到P對(duì)ET0變化作用最小，綜合作用大小為0.136，可以進(jìn)一步剔除P指標(biāo)，選取Tmax、n、u和RH共4個(gè)氣候因子，分析其對(duì)ET0變化的敏感性及貢獻(xiàn)特征。

2.3 氣候因子對(duì)參考作物蒸散量變化貢獻(xiàn)分析

2.3.1 ET0敏感性分析

針對(duì)甘肅省29個(gè)氣象站點(diǎn)ET0對(duì)各氣候因子的敏感系數(shù)，采用反距離權(quán)重法進(jìn)行空間插值，得到ET0對(duì)日最高溫度、相對(duì)濕度、平均風(fēng)速、日照時(shí)數(shù)的敏感系數(shù)STmax、SRH、Su和Sn的空間分布圖（圖4）。由圖4可見(jiàn)，敏感系數(shù)STmax總體呈現(xiàn)從東南到西北逐漸遞減，高值區(qū)位于隴東地區(qū)的平?jīng)龊蛻c陽(yáng)、隴南、天水等地，最大值在隴南武都站，為1.48；河西走廊、甘南藏族自治州西部為低值區(qū)，全省敏感系數(shù)變化區(qū)在0.22～1.48，即Tmax升高10%，ET0增加2.2%～14.8%，溫度升高對(duì)ET0增大起到正向作用。敏感系數(shù)SRH在定西、天水一帶較全省其他大部分地區(qū)略高，最大值為定西華家?guī)X站的?2.47，全省范圍敏感系數(shù)介于?2.47～?0.83，即RH增加10個(gè)百分點(diǎn)，ET0減少8.3%～24.7%，ET0對(duì)相對(duì)濕度變化較為敏感，RH對(duì)ET0變化起到反向作用。Su空間分布與SRH相反，隴中、隴南西部為低值區(qū)，河西地區(qū)為高值區(qū)，敏感系數(shù)在?0.24～0.38，即u每增加10%，ET0增加?2.4%～3.8%，整體上看，ET0對(duì)u變化不敏感，局部站點(diǎn)出現(xiàn)負(fù)值，其他均為正值，認(rèn)為u對(duì)ET0的變化起到正向作用。Su敏感程度空間分布與STmax、SRH大體一致，呈現(xiàn)由東南向西北逐漸減小，高值區(qū)位于甘肅省東部大部分區(qū)域，逐漸遞增過(guò)渡到河西酒泉市低值區(qū)，敏感系數(shù)在?0.43～0.90，即n每增加10%，ET0增加?4.3%～9.0%。綜上可知，在甘肅省范圍內(nèi)ET0變化對(duì)氣候因子敏感程度分布不均勻，敏感性由大到小排序?yàn)镽H、Tmax、n、u，相對(duì)濕度減少對(duì)ET0的增大影響最大，溫度、日照時(shí)數(shù)、風(fēng)速起正向作用，相對(duì)濕度起反向作用。

表3 氣候因子對(duì)ET0的通徑分析

圖4 甘肅省ET0對(duì)各氣候因子變化敏感系數(shù)的空間分布

2.3.2 主要因子貢獻(xiàn)率

Yin等[20]提出的氣候因子對(duì)ET0變化的貢獻(xiàn)率計(jì)算方法是基于敏感系數(shù)和多年相對(duì)變化率乘積，計(jì)算結(jié)果如表4所示。由表可知，甘肅省ET0對(duì)各氣候因子變化的敏感程度與氣候因子貢獻(xiàn)率大小并不一致，原因在于多年相對(duì)變化率存在差異。日最高氣溫多年呈現(xiàn)增加趨勢(shì)，多年相對(duì)變化率為9.41%，溫度升高引起ET0的顯著增加，正貢獻(xiàn)率為7.22%，說(shuō)明溫度升高是造成甘肅省參考作物蒸散量增大的主要原因；平均相對(duì)濕度對(duì)ET0起反向作用，但由于RH多年相對(duì)變化率為?2.93%，RH減少促使ET0增加，正貢獻(xiàn)率為3.79%；ET0對(duì)風(fēng)速變化敏感性低，由于多年相對(duì)變化率相對(duì)較大，36a內(nèi)增大15.15%，結(jié)果風(fēng)速增大引起ET0增加的正貢獻(xiàn)率為3.70%；日照時(shí)數(shù)減少直接反映太陽(yáng)輻射等因素影響，大氣層云量和氣溶膠量受人為因素的干擾，太陽(yáng)輻射總體趨勢(shì)以下降為主，多年相對(duì)變化率為?1.55%，n對(duì)ET0變化起正向促進(jìn)作用，其多年減少引起ET0減少，負(fù)貢獻(xiàn)率為?0.42%。綜上可知，甘肅省由于相對(duì)濕度、日照時(shí)數(shù)多年減少和溫度升高、風(fēng)速增大等共同作用，最終導(dǎo)致流域ET0呈現(xiàn)增大趨勢(shì)，4種氣候因子對(duì)ET0增加的總貢獻(xiàn)為14.30%。

表4 氣候因子對(duì)ET0的貢獻(xiàn)率

3 結(jié)論與討論

3.1 討論

采用多種定性定量方法分析全省ET0時(shí)空變異、氣候因子與ET0內(nèi)在相關(guān)關(guān)系，揭示氣候因子對(duì)ET0的影響機(jī)理和影響程度，各種方法層層遞進(jìn)、互為補(bǔ)充。主成分分析將9個(gè)氣候因子劃分3類主成分包括溫度、濕度和輻射等因素，與聚類分析關(guān)于氣候因子的分類結(jié)果基本一致，互相印證，結(jié)合灰色關(guān)聯(lián)度表現(xiàn)出的緊密關(guān)聯(lián)程度，剔除同類中性質(zhì)相似但關(guān)聯(lián)程度較弱的氣候因子，通徑分析依據(jù)5個(gè)氣候因子對(duì)ET0變化的直接、間接和綜合作用大小，最終篩選出4個(gè)氣候因子進(jìn)行敏感性分析及貢獻(xiàn)率計(jì)算。

甘肅省1984?2019年ET0整體呈現(xiàn)顯著上升趨勢(shì)，通過(guò)了0.05水平的顯著性檢驗(yàn)，與殷長(zhǎng)琛等[22]1951?2013年甘肅省參考作物蒸散發(fā)以2.11mm·10a?1的速率遞增的結(jié)論一致，數(shù)值差異主要來(lái)源于研究時(shí)段不同。西北氣候呈現(xiàn)暖濕化體現(xiàn)在溫度升高、降水增加，結(jié)合本研究結(jié)論溫度升高引起ET0顯著增加的貢獻(xiàn)率為7.22%，降水作用不明顯，相對(duì)濕度多年相對(duì)變化率為?2.93%，RH減少促使ET0增加的貢獻(xiàn)率3.79%，西北氣候暖濕化整體會(huì)促使甘肅省ET0呈現(xiàn)增加趨勢(shì)。ET0空間分布呈現(xiàn)由東南向西北遞增的趨勢(shì)，甘南高原小，河西平原大，ET0變化區(qū)間在1049.3～1260.9m。與殷長(zhǎng)琛等[22]研究發(fā)現(xiàn)甘肅省ET0總體表現(xiàn)為西北地區(qū)大于東南地區(qū)的結(jié)論一致。甘肅省從東南到西北橫跨熱帶濕潤(rùn)區(qū)、高寒區(qū)和干旱區(qū)等氣候類型[21]，中南部為黃土高原、甘南高原與西秦嶺山地，河西走廊以山前傾斜平原為主[23]，隴中黃土高原年均氣溫較高、降水量大，而河西走廊日照充足，年均降水量較少，干旱少雨，草地歸一化植被指數(shù)NDVI分布呈現(xiàn)東南高西北低的格局[24]，地理環(huán)境差異是造成ET0呈現(xiàn)由東南向西北遞增的規(guī)律性分布原因之一。36a來(lái)全省其他各站ET0均呈增大趨勢(shì)，即線性變化率為正值，唯獨(dú)玉門鎮(zhèn)站為負(fù)值(?2.32mm×a?1)，張春玲[25]研究發(fā)現(xiàn)2001?2012年河西地區(qū)其他站點(diǎn)潛在蒸散發(fā)均呈上升趨勢(shì)，玉門站點(diǎn)呈顯著下降趨勢(shì)，線性變化率?4.636mm×a?1，與本研究玉門站同時(shí)期計(jì)算結(jié)果?4.644mm×a?1一致，且與李耀軍等[21]關(guān)于玉門鎮(zhèn)氣象站的周邊地區(qū)1981?2010年潛在蒸散發(fā)出現(xiàn)負(fù)增長(zhǎng)的結(jié)論一致。ET0變化各氣候因子敏感性由大到小排序RH、Tmax、n和u，ET0增大對(duì)相對(duì)濕度減少最為敏感，與李耀軍等[21]有關(guān)甘肅省潛在蒸散發(fā)對(duì)相對(duì)濕度的敏感性最強(qiáng)的結(jié)論一致。

甘肅省ET0呈現(xiàn)增大趨勢(shì)主要是由于相對(duì)濕度、日照時(shí)數(shù)減少和溫度升高、風(fēng)速增大等共同作用，4種氣候因子總貢獻(xiàn)率為14.30%。甘肅省ET0對(duì)各氣候因子變化的敏感程度與氣候因子貢獻(xiàn)率大小并不一致，原因在于多年相對(duì)變化率存在差異，即敏感性較小，但變化幅度較大，貢獻(xiàn)率同樣會(huì)較大。本研究?jī)H考慮了氣候因子中4個(gè)因子對(duì)ET0的影響貢獻(xiàn)，未能考慮全部氣候因子，同時(shí)，植被覆蓋率增加、土地利用方式變化、水庫(kù)工程、水土保持措施的實(shí)施等改變下墊面條件，跨流域調(diào)水工程修建、人為灌溉輸水等改變水資源分布狀況，這些都會(huì)對(duì)ET0時(shí)空變化產(chǎn)生影響，為了理清ET0變化機(jī)理和各氣候及人類活動(dòng)因素的影響程度，需要更為全面地融入多種影響因子，同時(shí)結(jié)合采用多種定量、定性方法，包括多元統(tǒng)計(jì)學(xué)方法、機(jī)理模型等，厘清影響因子間復(fù)雜關(guān)系，避免重復(fù)、交互作用影響，定量化區(qū)分和揭示各影響因子的貢獻(xiàn)程度。

3.2 結(jié)論

甘肅省1984?2019年ET0整體呈現(xiàn)顯著上升趨勢(shì)，突變發(fā)生在1998年，1998年前后由920.36mm上升至974.87mm，增長(zhǎng)率5.92%。ET0空間分布呈現(xiàn)由東南向西北遞增的趨勢(shì)，甘南高原小，河西平原大，高值區(qū)位于酒泉市、武威市北部，ET0變化區(qū)間在1049.3～1260.9mm；多年變化率呈現(xiàn)河西走廊東部、隴南東部、隴東等地較大，而河西西部、隴中、甘南等地較小的特點(diǎn)。

全省范圍內(nèi)ET0變化對(duì)氣候因子敏感性程度分布不均勻，敏感程度大小整體上依次為RH、Tmax、n和u，ET0增加對(duì)相對(duì)濕度減少最為敏感，RH每減少10%，ET0增加8.3%～24.7%，且溫度、日照時(shí)數(shù)和風(fēng)速起正向促進(jìn)作用，相對(duì)濕度起反向抑制作用。ET0呈現(xiàn)增大趨勢(shì)主要是由于相對(duì)濕度、日照時(shí)數(shù)減少和溫度升高、風(fēng)速增大等共同作用，貢獻(xiàn)率大小分別為3.79%、?0.42%、7.22%和3.70%，其中，日最高氣溫升高是造成ET0增加的主要原因，4種氣象要素總貢獻(xiàn)值為14.30%。

[1] Allen R G,Pereira L S,Raes D,et al.Crop evapotranspiration: guidelines for computing crop water requirements[M]. Rome:FAO,1998.

[2] 劉昌明,孫睿.水循環(huán)的生態(tài)學(xué)方面:土壤?植被?大氣系統(tǒng)水分能量平衡研究進(jìn)展[J].水科學(xué)進(jìn)展,1999(3): 251-259.

Liu C M,Sun R.Ecological aspects of water cycle: advances in soil-vegetation-atmosphere of energy and water fluxes[J]. Advances in Water Science,1999(3):251- 259.(in Chinese)

[3] Xiong Y J,Zhao S H,Tian F,et al.An evapotranspiration product for arid regions based on the three-temperature model and thermal remote sensing[J].Journal of Hydrology, 2015,530:392-404.

[4] 鄧興耀,劉洋,劉志輝,等.中國(guó)西北干旱區(qū)蒸散發(fā)時(shí)空動(dòng)態(tài)特征[J].生態(tài)學(xué)報(bào),2017,37(9):2994-3008.

Deng X Y,Liu Y,Liu Z H,et al.Temporal-spatial dynamic change characteristics of evapotranspiration in arid region of Northwest China[J].Acta Ecologica Sinica,2017,37(9): 2994-3008.(in Chinese)

[5] 黃會(huì)平,曹明明,宋進(jìn)喜,等.1957-2012年中國(guó)參考作物蒸散量時(shí)空變化及其影響因子分析[J].自然資源學(xué)報(bào),2015, 30(2):315-326.

Huang H P,Cao M M,Song J X,et al.Temporal and spatial changes of potential evapotranspiration and its influencing factors in China from 1957 to 2012[J].Journal of Natural Resources,2015,30(2):315-326.(in Chinese)

[6] 李霞,劉廷璽,段利民,等.科爾沁濕草甸參考作物蒸散發(fā)模擬分析[J].中國(guó)沙漠,2020,40(2):134-143.

Li X,Liu T X,Duan L M,et al.Simulation of reference crop evapotranspiration and analysis of the factor effect in Horqin wet meadow[J].Journal of Desert Research,2020, 40(2):134-143.(in Chinese)

[7] Zhang L,Traore S,Cui Y L,et al.Assessment of spatiotemporal variability of reference evapotranspiration and controlling climate factors over decades in China using geospatial techniques[J].Agricultural Water Management, 2019,213:499-511.

[8] Guan X X,Zhang J Y,Yang Q L,et al.Changing characteristics and attribution analysis of potential evapotranspiration in the Huang-Huai-Hai River Basin, China[J].Meteorology and Atmospheric Physics,2021,133: 97-108.

[9] 馮禹,崔寧博,魏新平,等.川中丘陵區(qū)參考作物蒸散量時(shí)空變化特征與成因分析[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(14): 78-86.

Feng Y,Cui N B,Wei X P,et al.Temporal-spatial distribution characteristics and causes analysis of reference crop evapotranspiration in hilly area of central Sichuan[J]. Transactions of the Chinese Society of Agricultural Engineering,2014,30(14):78-86.(in Chinese)

[10] 高惠璇.應(yīng)用多元統(tǒng)計(jì)分析[M].北京:北京大學(xué)出版社,2005.

Gao H X.Application of multivariate statistical analysis[M]. Beijing:Peking University Press,2005.(in Chinese)

[11] 楊小兵.聚類分析中若干關(guān)鍵技術(shù)的研究[D].杭州:浙江大學(xué),2005.

Yang X B.Research of key technologies in cluster analysis[D].Hangzhou:Zhejiang University,2005.(in Chinese)

[12] 鄧聚龍.灰色系統(tǒng)基本方法[M].武漢:華中理工大學(xué)出版社,1987.

Deng J L.Basic method of grey system[M].Wuhan: Huazhong University of Science and Technology Press, 1987.(in Chinese)

[13] 敬艷輝,邢留偉.通徑分析及其應(yīng)用[J].統(tǒng)計(jì)教育,2006(2): 24-26.

Jing Y H,Xing L W.Path analysis and its application[J]. Statistical Education,2006(2):24-26.(in Chinese)

[14] Beven K.A sensitivity analysis of the Penman-Monteith actual evapotranspiration estimates[J].Journal of Hydrology, 1979,44(3/4):169-190.

[15] 馮禹,崔寧博,龔道枝.機(jī)器學(xué)習(xí)算法和Hargreaves模型在四川盆地ET0計(jì)算中的比較[J].中國(guó)農(nóng)業(yè)氣象,2016, 37(4):415-421.

Feng Y,Cui N B,Gong D Z.Comparison of machine learning Algorithms and Hargreaves model for reference evapotranspiration estimation in Sichuan Basin[J].Chinese Journal of Agrometeorology,2016,37(4):415-421. (in Chinese)

[16] 楊永剛,崔寧博,胡笑濤,等.中國(guó)三大灌區(qū)參考作物蒸散量溫度法模型的修訂與適應(yīng)性評(píng)價(jià)[J].中國(guó)農(nóng)業(yè)氣象, 2018,39(6):357-369.

Yang Y G,Cui N B,Hu X T,et al.Revision and adaptability evaluation of temperature-based methods for reference crop evapotranspiration in the Three Irrigation Districts of China[J].Chinese Journal of Agrometeorology,2018,39(6): 357-369.(in Chinese)

[17] 賈悅,蘇永軍,張冉,等.氣象資料受限條件下BP神經(jīng)網(wǎng)絡(luò)優(yōu)化模型模擬參考作物蒸散量:以京津冀地區(qū)為例[J].中國(guó)農(nóng)業(yè)氣象,2022,43(1):1-16.

Jia Y,Su Y J,Zhang R,et al.Simulation of reference crop evapotranspiration by BP neural network optimization model with limited meteorological data:a case study in the Beijing-Tianjin-Hebei region[J].Chinese Journal of Agrometeorology,2022,43(1):1-16.(in Chinese)

[18] 祝昌漢.再論總輻射的氣候?qū)W計(jì)算方法(二)[J].南京氣象學(xué)院學(xué)報(bào),1982(2):196-206.

Zhu C H.A further discussion on the Climatological Calculating Method of Total Radiation(II)[J].Transactions of Atmospheric Sciences,1982(2):196-206.(in Chinese)

[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 L S,Li C B,Wang S B,et al.Sensitive analysis of potential evapotranspiration to key climatic factors in Taohe River Basin[J].Transactions of the Chinese Society of Agricultural Engineering,2014,30(11):102-109.(in Chinese)

[20] 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 (1/2):19-28.

[21] 李耀軍,魏霞,蘇輝東.近30年甘肅省潛在蒸散發(fā)時(shí)空變化特征及演變歸因的定量分析[J].水資源與水工程學(xué)報(bào),2015,26(1):219-225.

Li Y J,Wei X,Su H D.Quantitative analysis of causes for temporal and spatial variation characteristics and evolution of potential evapotranspiration in Gansu Province during recent 30 years[J].Journal of Water Resources ＆Water Engineering,2015,26(1):219-225.(in Chinese)

[22] 殷長(zhǎng)琛,齊廣平,康燕霞.基于云模型的甘肅省參考作物蒸散量時(shí)空分布特征[J].農(nóng)業(yè)工程學(xué)報(bào),2015,31(8):152-158.

Yin C C,Qi G P,Kang Y X.Analysis on characteristics of temporal-spatial potential evapotranspiration distribution in Gansu based on cloud mode[J].Transactions of the Chinese Society of Agricultural Engineering, 2015,31(8): 152-158. (in Chinese)

[23] 梁曉燕,牛震敏,許興斌,等.1960-2016年甘肅省極端氣候事件變化特征[J].蘭州大學(xué)學(xué)報(bào)(自然科學(xué)版),2020, 56(2):231-242.

Liang X Y,Niu Z M,Xu X B,et al.Changes of extreme climate events in Gansu Province from 1960 to 2016[J]. Journal of Lanzhou University:Natural Sciences,2020,56 (2):231-242.(in Chinese)

[24] 何國(guó)興,韓天虎,柳小妮,等.甘肅省草地植被NDVI時(shí)空變化特征及驅(qū)動(dòng)因素研究[J].草地學(xué)報(bào),2021,29(5): 1004-1013.

He G X,Han T H,Liu X N,et al.Spatio-temporal variation and the driving factors of NDVI of grassland vegetation in Gansu province[J].Acta Agrestia Sinica,2021,29(5):1004- 1013.(in Chinese)

[25] 張春玲.基于S-W模型的河西地區(qū)潛在蒸散發(fā)對(duì)氣候和植被的敏感性研究[D].蘭州:西北師范大學(xué),2014.

Zhang C L.Sensitivity of the potential evapotranspiration to climate and vegetation in Hexi area based on S-W Model[D].Lanzhou:Northwest Normal University,2014.(in Chinese)

Driving Factors of Temporal and Spatial Variation of Reference Crop Evapotranspiration in Gansu Province

MA Ya-li, SUN Dong-yuan, ZHANG Rui, XU Jian, WANG Xing-fan

(College of Water Resources and Hydropower Engineering, Gansu Agricultural University, Lanzhou, 730070, China)

Based on the daily meteorological data of 29 meteorological stations in Gansu province from 1984 to 2019, the temporal and spatial variation of ET0was analyzed. A variety of qualitative and quantitative analysis methods including principal component analysis, cluster analysis, grey relational analysis, path analysis, sensitivity analysis were organically combined to reveal the internal relationship between ET0and climatic factors, and to explore the sensitivity and contribution of ET0changes to the dominant factors in Gansu Province. The results showed that ET0increased significantly (α=0.05) in Gansu province in recent 36 years and the mutation occurred in 1998.The spatial distribution of ET0increased from southeast to northwest during the study period. The Gannan plateau was small, while the Hexi plain was large, and the high value of ET0varied from 1049.3mm to 1260.9mm. Principal component analysis showed that temperature, humidity and radiation had a greater impact on ET0, while wind speed had a relatively small impact. Combined with the results of cluster analysis and grey relational analysis, daily maximum temperature Tmax, relative humidity RH, wind speed u, precipitation P, and sunshine duration n were five key climatic factors. Tmaxwas the most important factor, and P had the least effect. ET0had different sensitivity to climatic factors, and RH was the most sensitive. Tmax, n and u had a positive effect, while RH had a negative effect, and the contribution rates of RH, Tmax, n and u were 3.79%, 7.22%, ?0.42% and 3.70%, respectively. ET0in Gansu province showed an increasing trend in recent 36 years, which was due to the combined effects of the decrease of RH and n, and the increase of T and u. The increase of T was the main reason for the increase of ET0. The research results provide scientific basis for the scientific allocation of irrigation water, efficient development and utilization of water resources in this region, and revealing the response mechanism of hydrological cycle-evapotranspiration under climate change. Meanwhile, the exploratory combined application of multiple methods provides a new idea for the analysis of driving factors of ET0change.

Reference crop evapotranspiration; Driving factors; Climatic factors; Temporal and spatial variation; Gansu province

10.3969/j.issn.1000-6362.2022.11.002

馬亞麗,孫棟元,張芮,等.甘肅省參考作物蒸散量時(shí)空變異驅(qū)動(dòng)因子分析[J].中國(guó)農(nóng)業(yè)氣象,2022,43(11):881-892

2021?12?16

甘肅農(nóng)業(yè)大學(xué)水利水電工程學(xué)院科研團(tuán)隊(duì)建設(shè)專項(xiàng)資助項(xiàng)目（Gaucwky-04）；國(guó)家自然科學(xué)基金項(xiàng)目（51769001）；甘肅省重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（21YF5NA015）；甘肅省高等學(xué)校創(chuàng)新基金項(xiàng)目（2021B-120）；甘肅省水利廳2021年水利科學(xué)試驗(yàn)研究及技術(shù)推廣計(jì)劃（GSAU-JSYF-2021-016）

孫棟元，博士，教授級(jí)高級(jí)工程師,主要從事水文水資源與干旱區(qū)水土資源研究，E-mail: gsausundy@126.com

馬亞麗，E-mail:gsaumayl@163.com