塔里木盆地生长季ET0的时空变化特征及其敏感性分析

基于塔里木盆地19个气象站2000−2019年生长季逐日气象数据,采用FAO−56PM公式计算各站逐日ET0,运用敏感系数、ArcGIS反距离权重插值、气候倾向率和Mann-Kendall非参数检验等方法,对该地区ET0的时空变化规律及ET0对关键气象因子的敏感性进行分析。结果表明：（1）近20a来,塔里木盆地生长季ET0日均值在空间上呈北低南高的趋势,多年ET0日均值从大到小依次为6、7、5、8、4、9和10月,其值分别为5.84、5.73、5.29、4.95、4.23、3.65和2.17mm⋅d⁻¹,气候倾向率分别为−0.09、0.24、0.11、−0.07、0.16、0.07和0.08mm⋅10a⁻¹,ET0日均值在盆地中、西部以负倾向率为主,盆地东部则以正倾向率为主。（2）整个生长季,塔里木盆地的相对湿度逐月增加,2m处风速逐月减小,日照时数则呈先增加后降低的趋势,最低气温和最高气温均呈倒U形分布,且均在7月达到最大值。相对湿度的变化以负倾向率为主,2m处风速和最低气温的变化以正倾向率为主,日照时数和最高气温变化的倾向率无明显规律。（3）在生长季（4−10月）,塔里木盆地ET0对关键气象因子的敏感性表现为最高气温>相对湿度>日照时数>2m处风速>最低气温,ET0对最低气温的敏感性以较低敏感性为主,对其余气象因子均以高敏感性为主。ET0对最低气温和最高气温最敏感的月份是7月,而对相对湿度、2m处风速和日照时数最敏感的月份分别是10月、4月和8月。ET0对相对湿度的敏感系数绝对值的空间分布呈由北向南递减的趋势,对2m处风速和最高气温的敏感系数均以塔克拉玛干沙漠为高值中心,对日照时数无明显规律,对最低气温则呈由西向东递减的趋势。     

京津冀地区潜在蒸散量时空演变特征及归因分析

为了深入认识京津冀地区潜在蒸散量的时空变化特征及其对气候变化的响应,该研究基于京津冀地区23个气象站57 a逐日气象观测资料,应用Penman-Monteith公式计算各站点日潜在蒸散量(ET0),剖析ET0的时空变化特征,运用敏感性分析法定量研究ET0对各气象要素的敏感性及其时空变化特征,定量识别各气象要素变化对ET0变化的贡献。研究结果表明:1)京津冀地区ET0空间分布整体呈由南向北递减趋势(除中部地区的塘沽站、黄烨站与保定站点ET0较高外)。ET0整体呈下降趋势,线性趋势率为-0.92 mm/a。ET0变化趋势空间分布由西北向东南递减,以春季减幅最为明显。2)京津冀地区ET0对相对湿度的最为敏感(-0.44),其次为风速(0.31)、日照时数(0.28)与平均气温(0.26)。随时间推移,ET0对平均风速与相对湿度敏感性整体呈下降趋势,而ET0对平均气温与日照时数的敏感性逐渐增强。敏感性系数空间分布从西北到东南:风速与平均气温敏感性系数逐渐递增,而日照时数与相对湿度敏感性系数逐渐递减。3)风速变化对京津冀地区ET0变化的贡献最大,平均气温次之。风速为主导因素的站点个数随时间呈下降趋势,平均气温与日照时数为主导的站点个数随时间呈上升趋势,说明近年来平均气温与日照时数对潜在蒸散量变化的影响愈加明显,这可能是由于近年来京津冀地区雾霾尤其是冬季雾霾对日照时数、气温与风速的产生一定影响,进而影响ET0。     

北疆地区生长季参考作物蒸散量的时空变化特征及其敏感性分析

基于北疆地区20个气象站点1966-2012年逐日气象数据,采用Penman-Monteith公式计算各站生长季逐日参考作物蒸散量(ET0),利用线性趋势分析、M-K突变检验、因子贡献率、敏感系数等方法,对该地区ET0的时空变化规律及其对气象要素的敏感性进行分析。结果表明,北疆地区生长季ET0多年平均值为939.43mm,47a间以16.30mm×10a-1的速率呈极显著下降趋势（P水汽压>风速>日照时数。水汽压升高、风速减小、日照时数减少对ET0的减小作用超过温度上升对ET0的增大作用,是导致近47a北疆地区ET0总体呈下降趋势的根本原因。     

西北地区近49年生长季参考作物蒸散量的敏感性分析

基于FAO Penman-Monteith公式计算了西北地区126个站点1961-2009年的生长季参考作物蒸散量（ET0）对气温、风速、相对湿度和太阳总辐射的敏感系数,并对敏感系数的时空变化特征进行分析。结果表明：西北地区生长季ET0对太阳总辐射最敏感,其次是气温和相对湿度,对风速的敏感性最低。气象要素分布的不均匀性导致敏感系数的空间差异显著,气温和风速的敏感系数在西风带气候区较大,相对湿度敏感系数在较湿润地带形成高值区,太阳总辐射敏感系数南部明显大于北部。生长季内,各气象因子的敏感系数均存在一定程度的波动,气温和太阳总辐射的敏感系数呈单峰型分布,风速敏感系数呈单谷型分布,相对湿度敏感系数的绝对值持续上升。49a来,太阳总辐射敏感系数显著上升,相对湿度敏感系数明显下降,其趋势系数均通过0.05水平的显著性检验,而气温和风速的敏感系数以波动为主,无明显变化趋势。     

辽宁省凌河流域生长季参考作物腾发量变化及气候要素贡献分析

利用辽宁省凌河流域10个气象站1965-2006年的逐日气象资料,采用FAO推荐的P-M公式计算各站逐日参考作物腾发量（ET0）,在分析生长季（4-9月）各气象要素及ET0变化趋势的基础上,用基于敏感系数的贡献值法探讨各气象要素变化对ET0变化的贡献。结果表明：近42a来,凌河流域生长季ET0以21.46mm·10a-1的速率极显著降低（P＜0.01）,平均值为706.73mm,其中最大值发生在5月,最小值发生在9月;ET0高值区集中在朝阳和北票等地,低值区位于义县一带。研究区生长季太阳辐射以0.293MJ·m-2·d-1·10a-1的速率递减;除阜新外其余各站风速均呈极显著下降趋势（P＜0.01）;在全球气候变暖的背景下,过去42a凌河流域生长季平均气温以0.289℃·10a-1的速度上升,其中4月和9月变化显著（P＜0.05）,7月相对稳定。研究区生长季相对湿度变化不大。敏感性分析结果表明,流域内生长季平均ET0对各气象要素变化的敏感性大小依次为太阳辐射＞相对湿度＞风速＞温度,但在研究时段内,显著变化的风速对ET0变化贡献最大,其次为太阳辐射,温度对ET0变化的贡献最小。太阳辐射和风速变化对ET0变化的贡献在流域西部较大,而在东部较小;温度变化对ET0变化的贡献总体上表现为由流域中部向东西两端递减;相对湿度变化对ET0变化的贡献在空间分布上较分散。     

石羊河流域近53 a参考作物蒸散量的敏感性分析

利用国家气象信息中心提供的地面气候资料日值数据集,基于FAO Penman-Monteith公式计算了石羊河流域4个测站1959-2011年的逐日参考作物蒸散量(ET₀)。利用敏感系数法计算了其对平均最高气温、平均最低气温、风速、平均相对湿度和日照时数的敏感系数,并分析了敏感系数的时空变化特征。结果表明,石羊河流域ET₀对相对湿度最敏感,其次为风速和气温,而对日照时数的敏感性最低。由于气象要素分布不均,敏感系数的空间差异显著,相对湿度的敏感系数在上游祁连山区形成高值区,同时,气温在该区的敏感系数也相对较大,而风速的敏感系数在下游民勤盆地较大,日照时数的敏感系数在全区无明显差异。各气象因子的敏感系数均存在一定程度的波动,风速的敏感系数冬高夏低,气温和日照时数的敏感系数均为夏季最高,相对湿度敏感系数的绝对值持续上升在秋季达到最大。53 a来,相对湿度敏感系数波动变化,近20 a来其绝对值上升趋势显著,而风速、日照时数和气温的敏感系数无明显变化趋势。     

淮河流域参考作物蒸散量变化特征及主要气象因子的贡献分析

利用淮河流域171个站点1971-2010年的气象资料,采用FAO Penman-Monteith公式计算该区近40a的参考作物蒸散量（ET0）,并对ET0的时空分布特征和影响因子进行定量分析。结果表明：淮河流域年ET0为898mm,近40a总体以17.5mm/10a的速率减小（P〈0.05）;空间分布显示西北部大部站点ET0呈显著下降趋势（P〈0.05）,仅东南部个别站点呈显著上升趋势（P〈0.05）。各气象因子对ET0变化的贡献表现为两方面,即ET0对气象因子的敏感性和气象因子的多年相对变化率,在4个主要因子中（平均温度、相对湿度、日照时数和风速）,ET0对相对湿度的变化最敏感（敏感系数最大）,而风速的多年平均变化率最大。从各因子的贡献率看,对ET0贡献最大的是风速,平均温度的贡献最小,4个因子对ET0变化的总贡献率为-4.96%,总贡献率为负在很大程度上解释了ET0呈下降趋势的原因。     

松嫩平原西部生长季参考作物蒸散发的敏感性分析

为了预测气候变量扰动引起的区域参考作物蒸散发的变化,该文以松嫩平原西部为研究区,运用FAO Penman-Montieh方程计算了34个站点1951～2001年的生长季参考作物蒸散发,并计算其对气温、风速、日照时数和相对湿度的敏感系数,最后分析了敏感系数的时空变化特征.结果表明:参考作物蒸散发对相对湿度最为敏感,其次是气温,最后是风速和日照时数;5～9月,气温和日照时数的敏感系数呈单峰型分布,在7月份达到最高值,风速敏感系数呈单谷型分布,在7月份达到最低值,相对湿度敏感系数的绝对值表现为持续上升趋势;生长季气候变量敏感系数的空间差异性较大.日照时数、气温、风速等3个气候变量的敏感系数都在研究区西南部形成高值区,而相对湿度则在研究区西南部形成低值区,在研究区东北部形成高值区.     

近40年山西参考作物蒸散量时空变化及原因分析

近40年来,山西省的气候条件发生重大变化。为了评估参考作物蒸散量(ET0)在气候变化条件下的时空变化趋势及原因,利用彭曼公式计算了晋北、晋中和晋南地区的ET0,用t检验法分析了不同区域气候因子及ET0演变趋势,利用偏相关分析法研究了各气候因子与ET0的相关关系及对ET0影响的贡献度。主要结论:晋北、晋中和晋南地区年均日照时数、年均最高气温、年均最低气温、年均风速和年均相对湿度等气象因子发生明显的上升或下降趋势,但ET0变化趋势不明显,仅呈缓慢下降趋势;ET0与年均日照时数、年均最高气温和年均风速均呈显著正相关关系,与年均相对湿度呈显著负相关关系。晋北地区年均最低气温和年均最高气温引起ET0显著上升,贡献度之和为31.36%;年均日照时数和年均风速导致ET0显著下降,贡献度之和为41%。晋中地区上升因子的贡献度之和为46.34%,下降因子为53.66%。晋南地区上升因子贡献度之和为27.78%,下降因子为50.15%。     

黄河上游参考作物蒸散量变化特征及其对气候变化的响应

研究参考作物蒸散量对气候变化的响应对于辨析气候要素对蒸散发的影响具有重要意义。该文在验证FAO推荐的Penman-Monteith(P-M)方法在黄河上游地区适用性的基础上,分析了10个气象站点近50a来参考作物蒸散量的变化特征,计算了参考作物蒸散量对4种气候要素的敏感系数及其对气候变化的响应。结果表明:FAOP-M方法在研究区域具有较强的适用性;参考作物蒸散量随海拔升高而减少,主要集中在生长季的3-10月。高海拔站点参考作物蒸散量年值多呈显著增加趋势,低海拔则明显减少,且变化过程不同。气温和风速敏感系数的年内变化分别呈显著的波峰型和波谷型,日照时数的变化不明显,相对湿度的敏感性呈生长季略有增加趋势;年际变化方面,气温的敏感系数呈显著增加趋势,低海拔地区相对湿度的敏感系数呈显著增加趋势。气温、日照时数的增加和相对湿度的降低导致了高海拔站点参考作物蒸散量的增加,高海拔地区的蒸散发主要受气温、日照时数等能量制约;低海拔站点参考作物蒸散量的减少主要受日照时数和风速减小、相对湿度提高的影响,水分条件的限制更显著。该研究对于结合未来气候变化趋势开展黄河上游地区生态管理,促进生态系统的良性发展,具有重要的科学意义和应用价值。     

四川地区参考作物蒸散量的变化特征及气候影响因素分析

参考作物蒸散量是估算作物需水量的关键因子,对指导农田灌溉具有重要的现实意义。本文利用1961-2009年四川地区5个盆地站点和5个高原站点的逐日气候资料,采用FAO推荐的Penman-Monteith公式计算参考作物蒸散量（ET0）,分析了当地ET0的日值、月值、季值和年值的变化特征,并采用偏相关分析方法,对影响ET0变化的主要气候因子进行了探讨。结果表明：（1）四川盆地与高原地区参考作物蒸散量的日均值、月均值呈单峰或双峰型曲线变化,有明显的季节特点,最小值出现在冬季,最大值出现在夏季。（2）盆地地区各站点的年ET0呈波动递减趋势,且下降趋势通过了显著性检验;高原地区木里、松潘两站点的ET0呈上升趋势,其他站点呈减少的趋势。（3）四川地区的年、季参考作物蒸散量与日照时数、风速、相对湿度、平均温度、最高温度、最低温度、气压等要素关系密切,但近50a来日照时数的显著下降是导致盆地地区参考作物蒸散量减少的主要原因,风速的变化是导致高原地区参考作物蒸散量变化的主要原因。     

鲁中地区参考作物蒸散量时空变化特征及主要气象因子的贡献分析

基于1980-2014年鲁中地区气象资料,采用Penman-Monteith模型计算该区域近35a的参考作物蒸散量（ET0）,分析不同时间尺度ET0及主要气象因子的时空变化规律,并利用基于敏感系数的贡献率法探讨主要气象因子对不同时间尺度ET0变化的贡献。结果表明：鲁中平原地区近35a年ET0平均值为1165.8mm,山区为1144.6mm,均呈减少趋势,且平原减少趋势极显著,其气候倾向率为-22.2mm·10a-1（P＜0.01）;季节ET0平均值由多到少依次为夏季、春季、秋季和冬季,春季呈增加趋势,其它季节呈减少趋势;6月是ET0最大的月份,1月为最小的月份,其年内分布呈抛物线状;各时间尺度ET0变化主要空间分布基本同步。年、季ET0对相对湿度的变化最敏感,且呈增加趋势,月ET0对主要气象因子变化的敏感性随月份呈现不同规律,3-6月、9-10月的最敏感气象因子为相对湿度,1-2月、11-12月为风速,7-8月为日照百分率。从主要贡献率看,年ET0变化的主要贡献因子为风速,各季、月ET0变化的主要贡献因子不一,但平原和山区两种地形同一时段主要贡献因子基本一致,4个主要气象因子的总贡献率基本能解释各时间尺度ET0变化的原因。     

内蒙古地区参考作物蒸散变化特征及其气象影响因子

为深入了解不同草原类型下参考作物蒸散特征及其对气候变化的响应,该文利用FAO Penman-Monteith公式研究了内蒙古地区46个站点1961－2010年参考作物蒸散量及其辐射项和动力学项的时空分布规律和变化特征,并对其主要影响因素进行了分析讨论。研究结果表明：近50a来内蒙古各站点参考作物蒸散量的年平均值均介于570～1 674 mm之间,该地区参考作物蒸散量及其构成项的值西高东低,而且从高到低的5个草原类型依次为：荒漠、草原化荒漠、荒漠化草原、典型草原、草甸草原。各区生长季内参考作物蒸散量约占全年的80%。内蒙古各站点年参考作物蒸散量的变化率在-48～50 mm/10a之间,荒漠、草原化荒漠、荒漠化草原和典型草原参考作物蒸散量变化均不明显,草甸草原参考作物蒸散量显著上升（P=0.001）。各区域参考作物蒸散量辐射项的年值和月值均呈显著的上升趋势,除草甸草原外各区域参考作物蒸散量动力学项的年值和月值呈下降的趋势。风速是影响荒漠、草原化荒漠、荒漠化草原和典型草原西部地区参考作物蒸散量变化的首要因子,风速下降导致该地区蒸散呈下降的趋势;日平均温度是次要因子,但气温升高对参考作物蒸散量变化的作用有限,参考作物蒸散量并未随气候变暖而显著增大;相对湿度是第三因子,与参考作物蒸散量呈负相关（P=0.006）;日照时数是第四因子,其值降低导致参考作物蒸散量的下降。典型草原东部和草甸草原地区各站点受气象因子综合影响使参考作物蒸散量呈上升的趋势。该研究探讨了内蒙古各类型草原参考作物蒸散对气候变化的响应,为内蒙古各类型草原的生态保护和可持续发展提供科学依据。     

基于天气预报的漳河灌区参考作物腾发量预报方法比较

为了提出适合湖北省漳河灌区的参考作物腾发量预报方法,以FAO56-Penman-Monteith公式采用历史气象数据计算出的值为基准,利用天气预报数据,比较Hargreaves-Samani(HS)法、逐日均值修正法及该文改进的逐日均值修正法在该灌区钟祥站点的预报精度,并评价各方法适用性.结果表明:利用这3种方法进行参考作物腾发量预报时,1~7 d预见期平均绝对误差均值分别为0.75、0.80、0.76 mm/d,均方根误差分别为1.00、1.07、1.05 mm/d,相关系数分别为0.82、0.80、0.80.1 d预见期最优预报方法为改进逐日均值修正法,2~7 d预见期的最优方法均为HS法.总体而言,预报精度最好的为HS法、改进逐日均值修正法次之、逐日均值修正法最差.对于漳河灌区,建议采用HS法进行预报,可为灌溉预报提供较为准确的数据基础.     

青海省东部高原农业区参考作物蒸散量的时空变化

为了确定变化环境下青海省东部高原农业区合理的作物灌溉制度,对参考作物蒸散量进行了时空变化分析。采用Penman-Monteith公式以及12个气象站的气象资料计算了青海省东部农业区1960-2006年参考作物蒸散量,用Mann-Kendall检验、Morlet小波分析、以及GIS的空间分析功能,分析了参考作物蒸散量的时间、空间变化特征。结果表明:从时间尺度上看,研究区平均参考作物蒸散量随时间呈显著的下降趋势,突变的时间约为1974年,主周期为25a左右,在这个时间尺度上参考作物蒸散量表现为多→少→多3个循环交替的过程。从空间尺度上看,参考作物蒸散量南高北低,东高西低,在东南-西北方向上递减,具有明显的地区差异,夏季参考作物蒸散量分布在很大程度上影响了全年参考作物蒸散量的分布特征。影响参考作物蒸散量的主要气象因素为日照时数、风速。海拔高度与参考作物蒸散量呈显著的负相关关系,海拔高度是造成参考作物蒸散量地区差异的另一主要原因。     

气象要素时间分辨率对参考作物蒸散估算的影响

参考作物蒸散(reference evapotranspiration,ET0)的准确估算是农业水资源合理利用的重要环节。为了明确气象要素不同时间分辨率对参考作物蒸散估算的影响,该文基于寿县国家气候观象台2007-2013年观测资料,将1min时间分辨率数据平均值作为真实值,分析了10、20、30、40、60 min、4次/d(02:00、08:00、14:00、20:00)和3次/d(08:00、14:00、20:00)这7种不同时间分辨率对逐日气温、风速、太阳辐射、相对湿度和日、月及年参考作物蒸散(ET0)估算的误差情况。结果表明:ET0和气象要素的误差整体上随时间分辨率降低而增大。4个气象因子中,日平均风速估算受时间分辨率变化的影响最显著,误差最大;其次是太阳辐射。逐日ET0估算在7种时间分辨率的平均绝对相对误差(mean absolute relative error,MAPE)依次为0.53%、1.01%、1.38%、1.72%、2.46%、4.72%和6.14%,表明10至60min时间分辨率的估算效果相较3次/d和4次/d有明显改善。10至40 min的绝对误差超过95%都在-0.20~0.20 mm/d区间内,误差较小且集中度高;太阳辐射时间分辨率变化对ET0估算误差贡献最大,其次是风速,这主要是由于两个要素本身对分辨率较敏感且分别是ET0辐射项和动力项的主要组成因子。时间分辨率的变化对累计后长时间尺度ET0的影响较小,月和年ET0的误差明显小于逐日ET0,月ET0在7种时间分辨率的MAPE值依次为0.13%、0.21%、0.27%、0.40%、0.50%、1.18%和1.48%;各年ET0相对误差(relative error,PE)的绝对值多数均小于0.50%。     

基于高维Copula函数的逐日潜在蒸散量及气象干旱预测

尝试引入高维Copula函数对影响参考作物蒸散量ET_0的气象因素进行联合分布构建,揭示不同变量间的相关结构,建立多元气象因素对ET_0的联合分布模型,对逐日ET_0及短期干旱等级进行预测,并将枯季1—4月份的多维Copula联合分布预测模型的系统性偏差构造成修正函数,代回ET_0预报模型以改善预报效果,利用洱海流域内大理站1954—2018年逐日气象观测数据,以FAO Penman-Monteith方程为标准值对比分析。结果表明:1)平均气温(T)和最高气温(T_(max))2个气象因子组合时,二维Normal Copula模型对逐日ET_0预测的精度最高,叠加上修正函数项之后,相对误差小于10%、15%、20%、25%的样本比例分别提高到71.6%、84.4%、91.4%、96.5%,全年符合指数IA变化范围为0.98～0.99,平均偏差ME为0.17～0.30,均方根误差RMSE为0.54～0.64,Nash-Sutcliffe效率系数为0.90～0.98;2)将逐日ET_0预测方法应用于逐日气象干旱预测评估(以逐日SPEI指数为例),逐日SPEI指数预测值与标准值的相关系数为0.95～0.99,平均偏差ME为-0.10～0.35,均方根误差RMSE为0.20～0.30,符合指数IA为0.97～0.98,Nash-Sutcliffe效率系数NSE为0.91～0.97,在降水量多的季节,Copula函数模型预测ET_0的精度更高一些,且逐日SPEI预测的误差参数都优于逐日ET_0的预测结果。