1955-2015年陕西省潜在蒸散量时空变化特征及成因

为深入认识气候变化下陕西潜在蒸散量（ET₀）年际和年内的变化特征及主要影响因素,根据陕西省20个气象站点逐日气象数据,利用Penman-Monteith公式计算了1955—2015年全省潜在蒸散量,运用累积距平、Mann-Kendall突变检测、最优分割、反距离加权插值等分析方法,分析了年均及四季潜在蒸散量时空变化特征;并采用偏相关、多元回归模型对影响潜在蒸散量的主导气象要素进行了定量研究。结果表明:（1）1955—2015年,陕西省年ET₀呈微弱上升趋势,变化率为1.03 mm/10 a,分时段ET₀呈“倒S”型变化。（2）从季节看,春、夏、秋、冬季平均ET₀变化率分别为3.72,0.12,0.36,-2.95 mm/10 a。（3）研究区内年及季节平均ET₀的空间分布存在明显地带性规律特征。（4）平均气温是全年及春、秋、冬季ET₀变化的主导因素,日照是夏季ET₀变化的主导因素。这些结果表明陕西省潜在蒸散量的时空变化具有阶段性、地带性,其影响因素具有季节性。研究可为气候变化下陕西省水资源科学配置以及影响评估提供依据。     

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     

河北省春季潜在蒸散量变化特征与成因

潜在蒸散量（ET₀）是区域能量平衡和水分平衡的重要组成部分,通过探讨其历史演化规律及成因对优化调整农业生产结构及水资源合理配置至关重要。基于河北省及周边地区1968—2018年24个典型气象站点逐日气象数据,利用Penman-Monteith模型、敏感性分析、M-K检验法及空间插值方法分析了河北省ET₀时空分布特征及其影响因素。结果表明:（1）从时间分布来看,51年间,河北省春季ET₀多年均值为353.20 mm,呈下降趋势,下降幅度为-1.679 mm/10 a,其周期变化存在35年主周期及20年次周期;空间上呈现由西北向东南半环状递减趋势。（2）从影响因素来看,春季ET₀变化对平均气温、最高气温、最低气温、日照时数和平均风速均表现正敏感;对相对湿度表现为负敏感,对各个气象因子敏感程度依次为相对湿度 > 最高气温 > 日照时数 > 平均风速 > 平均气温 > 最低气温。（3）从成因的空间分布上看,河北省北部地区ET₀变化的主导气候影响因子为平均气温,中部及西部地区为相对湿度,南部及偏东部地区则转变为平均风速。研究成果可为研究区水资源综合评价及农业生产工作提供一定参考。     

若尔盖湿地潜在蒸散时空动态特征及影响因子

潜在蒸散(ET0)对水资源评价和气候变化均具有重要意义。利用若尔盖湿地及其周边19个气象站1960—2015年逐日气象资料,根据辐射修正的Penman-Monteith模型计算了湿地潜在蒸散量,采用累积距平、Mann-Kendall检验、Pettitt检验、Theil-Sen趋势度、Hurst指数等方法分析了蒸散变化规律,并对蒸散影响因子进行了主成分分析。结果表明:(1)若尔盖湿地年ET0均值为625.3mm,并以4.89mm/10a的速率显著上升(p<0.01),四季ET0表现为夏季>春季>秋季>冬季。年、秋、冬ET0分别在1968年(p<0.01),1997年(p<0.01),2003年(p<0.1)突变上升,春、夏两季未出现突变。(2)湿地年均ET0呈南部、东部边缘高、西北—东南一线较低的空间分布特征,且变化速率由东北向西南递减,其中西部班玛以北及南部马尔康、黑水之间地区ET0呈缓慢下降趋势。(3)湿地年ET0的Hurst指数在0.56～0.91间,主要呈四周高、中部低的空间分布规律。未来湿地ET0变化趋势以持续性增加为主,面积比例为96.88%。(4)气温上升是引起湿地ET0增加的最主要原因,其次是日照时数的增加和相对湿度的降低。净辐射、风速和降水量的减少引起的ET0减少被气温等其他因素作用所抵消。     

北京市近40年来降雨侵蚀力时空变异特征

[目的] 降雨侵蚀力可以反映降雨对土壤侵蚀的潜在作用,是评价区域土壤侵蚀风险的重要指标。分析北京市1981—2020年降雨侵蚀力时空变异特征,对科学评估和防治区域水土流失风险具有重要意义。[方法] 基于1981—2020年北京市及周边地区119个雨量站点逐日降水数据,采用Kriging插值、Mann-Kendall非参数检验、小波分析等方法对北京市年降雨侵蚀力和中雨(10~25 mm)、大雨(25~50 mm)、暴雨(≥50 mm)降雨侵蚀力的空间分布、趋势变化以及周期变化特征进行分析。[结果] 北京市1991—2020年年降雨侵蚀力范围为1 691.51~3 914.89 (MJ·mm)/(hm²·h·a),年降雨侵蚀力与大雨和暴雨的降雨侵蚀力的空间分布特征相似,与中雨的降雨侵蚀力的空间分布特征有所差异。空间整体上表现为从东北向周围递减的趋势。近40年来,北京中雨侵蚀力呈显著增加趋势,年降雨侵蚀力、大雨、暴雨以及夏季7,8月的降雨侵蚀力变化趋势均不显著,且均没有发生显著的突变。局部区域如密云、平谷一带的年降雨侵蚀力下降趋势相对较大。年降雨侵蚀力以及中、大、暴雨的降雨侵蚀力变化的主周期约为25年,且存在2~3次"低-高"交替变化。[结论] 研究结果可为北京开展水土保持工作、农业和生态保护等工作提供科学依据。     

GFDL-ESM2M气候模式下京津冀地区未来潜在蒸散量时空变化

为探究未来潜在蒸散量时空变化特征,该研究以京津冀地区为例,基于美国GFDL提供的GFDL-ESM2M全球气候模式,得到京津冀地区92个格点2000-2050年的平均气温、最高气温、最低气温、太阳总辐射、平均相对湿度和近地面平均风速,应用Penman-Monteith公式计算京津冀地区未来92个格点的逐日潜在蒸散量(ET0),分析其时空分布特征及其与气象要素的相关关系。结果表明:未来年ET0总体呈增加趋势,RCP8.5情景下ET0上升速度最快,且随着时间推移增幅越来越大。夏季ET0增长速度最快,其次为春季、秋季与冬季,意味着未来ET0季节差异将愈加明显,可能出现更为严重的季节性干旱。ET0空间分布呈由西南向东北逐渐递减趋势,其中中部地区增速最快,增长趋势由中部向南北递减。不同气候情景下平均气温均呈逐年上升趋势,风速、太阳总辐射略微上升,而相对湿度下降。ET0与太阳总辐射的相关系数最大,呈由东北向西南递增趋势,其次为最高气温,呈由西北向东南递增趋势。ET0与相对湿度变化呈显著负相关,相关系数绝对值呈东北向西南递增趋势,ET0与风速相关度不明显。该研究可为农业需水预测与灌溉管理、科学应对气候变化提供基础支撑。     

近30年闽北地区不同等级降水时空分布特征

基于闽北地区1980~2009年17个气象站点逐日降水数据资料,运用线性倾向估计、滑动平均法、MannKendall突变性分析法、反距离加权插值法,分析近30年来闽北地区降水的时空变化特征。结果表明:(1)时间上,闽北地区近30年降水量和降水天数变化呈略微下降趋势,其中2~4月降水量呈现显著的减小趋势,6、8、12月降水量呈现显著的增加趋势。降水量突变发生时间在1988年、2007年。(2)春季小雨、中雨、大雨和夏季小雨、中雨以及秋季小雨等级降水量表现出明显的减少趋势,而夏季暴雨有明显增大趋势。闽北地区四季降水总时间和四季小雨以及春季、夏季中雨等级降水天数均出现明显减小趋势,而夏季暴雨天数呈现明显增加趋势。(3)空间上,闽北地区多年降水量及降水天数空间分布存在明显区域差异。各等级降水量及降水天数高值区位于该地区东北部的七步、寿宁、柘荣、光泽、浦城等地,低值区位于闽北地区东南部的洋中坂等地。     

甘肃黄土高原区潜在蒸散量时空变化与成因研究

基于甘肃黄土高原区12个气象站点1960—2008年逐日气温、降水、风速、日照时数、太阳总辐射和相对湿度数据,应用Penman—Monteith模型和Kriging插值法,分析了其潜在蒸散量的时空变化及其影响因子。结果表明:近49a来,陇中北部冷温带半干旱区和陇中南部冷温带半湿润区的潜在蒸散量均呈上升趋势。在四季中,潜在蒸散量的值夏季最大,春秋季次之,冬季最小。潜在蒸散量空间差异显著,潜在蒸散量的值表现为自北向南递减,其中最大值在景泰为1 105.82mm,最小值在岷县为772.31mm。相关分析表明,研究区年均潜在蒸散量所受气候因子的影响不尽相同,其中,陇中北部冷温带半干旱区为太阳总辐射和日照时数,而陇中南部冷温带半湿润区为太阳总辐射和最高气温。辐射项主要受太阳总辐射和最高气温影响,动力项主要受风速影响,辐射项的值都远大于动力项。不同气候区辐射项均呈上升趋势,但动力项有所不同,在陇中北部冷温带半干旱区呈下降趋势,斜率为-0.631mm/a,在陇中南部冷温带半湿润区呈上升趋势,斜率为0.415mm/a。     

54年来和田地区潜在蒸散量的变化特征及影响因素

为了在全球气候变暖的背景下,探讨和田地区干湿状况的变化,为该区水资源的合理利用及保护脆弱的生态环境提供科学依据。应用Penman-Monteith模型计算潜在蒸散量,采用Mann-Kendall突变检验、小波分析等方法分析了潜在蒸散量的变化特征,结合相关性分析探讨了气候因子对其影响强度。结果表明:1960—2013年和田地区潜在蒸散量呈"增加—减小—增加"的变化趋势,年际变化倾向率为-2.74mm/a,总体上呈减小趋势;四季潜在蒸散量表现出夏季春季秋季冬季,均呈减小趋势,其中春季的减小趋势最显著;潜在蒸散量最大值出现在6月,最小值出现在12月;潜在蒸散量在1980年发生一次减少突变,并存在21年的第一主周期和12年的第二主周期;平均风速的减小和降水量的增加是导致潜在蒸散量减小的主要原因。     

云南省四季潜在蒸散量时空演变的主导气象因子分析

基于1981—2011年云南省52个站点气象数据,通过敏感系数和贡献率法,定量分析了各站点冬春夏秋季潜在蒸散量变化的成因。结果表明:（1）1981—1990年、1991—2011年春、夏、秋季,云南省各站点潜在蒸散量均对平均气温最敏感,其次是相对湿度和日照时数,对风速的敏感性最低;冬季有部分站点以相对湿度的敏感系数最大。（2）蒸散量变化的主导因子因季节不同而不同。1981—1990年,绝大多数站点冬季蒸散量变化主导因子为平均气温,其他季节多数站点主导因子为日照时数;1991—2011年,冬、春、秋季,多数站点以平均气温为主导因子,夏季则以日照时数为主导因子的站点居多。（3）主导因子空间分布格局有差异。平均气温是云南省东部地区冬季蒸散量变化的主导因子,日照时数是中南部地区夏季蒸散量变化的主导因子,春、秋季节,前后时间段主导因子区域差异较大。这些结果表明云南省蒸散量变化的主导因子具有阶段性、季节性和区域差异性。     

延河流域潜在蒸散发的时空变化特征

[目的]研究气候变化下潜在蒸散发(ET0)的时空特征,为区域生态需水研究和水资源管理提供科学依据.[方法]基于延河流域1978-2017年逐日气象资料,利用Penman-Monteith方法对ET0进行计算,运用Mann-Kendall趋势检验法、Pettitt检验对ET0时空变化特征进行分析,并通过Pearson相关...     

近50年来四川省潜在蒸散量变化成因研究

利用FAO-56 Penman-Monteith法计算四川省4个分区1960—2010年逐月的潜在蒸散量（ET₀）,采用贡献率法分析ET₀近50 a来变化成因。结果表明:整个四川省、四川盆地和盆周山地日照时数和风速下降对ET₀的负贡献超过平均、最高和最低气温上升以及相对湿度下降对ET₀的正贡献,使ET₀呈下降趋势;川西北高原平均、最高和最低气温上升以及相对湿度下降对ET₀的正贡献超过风速和日照时数下降对ET₀的负贡献,使ET₀呈上升趋势;川西南山地平均、最低气温、日照时数和风速的下降对ET₀的负贡献超过了最高气温上升和相对湿度下降对ET₀的正贡献,使ET₀呈下降趋势。四川省和四川盆地日照时数下降是ET₀下降的主要原因,盆周山地和川西南山地风速下降是ET₀下降的主要原因,川西北高原最低温度上升是ET₀上升的主要原因。     

2000-2014年天山山区蒸散发时空动态特征

利用MODIS ET数据集中2000-2014年的地表实际蒸散发量产品,运用变异系数、Theil-Senmedian趋势分析与Mann-Kendall检验和Hurst指数法,探讨了中国天山山区蒸散发的空间格局、空间异质性和时间变化特征及未来趋势预测.研究表明:(1) 2000-2014年天山山区蒸散发量总体较高,蒸散发量大于400mm的区域占总面积的49.172％.受降水量控制,ET在空间上有西部大东部小、北部大南部小的特点;受土地覆盖的影响,ET的高值区(＞400 mm)主要为山区的林地和草地,而低值区(＜200 mm)主要为稀疏植被区,不同土地覆盖的ET大小为:农用地＞林地＞草地＞稀疏植被.(2)近15a全区蒸散发变异程度不明显,以相对较低的波动变化为主,面积比例为45.140％,其中高波动变化的区域是受土地覆盖演变的影响.(3) 15 a间全区年均蒸散发量大致分布在305～387mm,呈波动变化,总体有减小趋势,变化率为-2.911 6mm/a.基于像元尺度的分析也表明全区ET以减小的变化趋势为主,面积比例为83.022％.天山山区蒸散发量的减小趋势,是区域降水量减少所致.(4)全区ET的Hurst指数均值为0.747,Hurst指数大于0.5的范围所占比例为86.382％.未来全区蒸散发的变化趋势以持续性减小为主,面积比例为69.888％,其中15.589％区域的变化趋势无法确定.     

滇黔桂岩溶区ET时空特征及气候因子驱动

基于滇黔桂岩溶区2000—2014年MOD16 ET产品和同期72个气象站点数据,运用趋势分析法、Hurst指数、偏相关分析法和复相关分析法,探究地表蒸散发时空变化特征及其气候因子驱动。结果表明:(1)年际ET呈不显著增加趋势(p>0.05),距平相对变化率年际差异较大; 年内ET呈单峰变化趋势,7月份达到最大值; 不同生态地理区ET具有差异性。(2)ET多年均值总体呈西北部低、东南部高的空间分布格局; 季节ET均值差异显著,夏季ET最强,冬季最弱。(3)年际ET变化趋势以不显著变化为主,呈增加趋势的区域面积略大于呈减少趋势的区域面积; Hurst指数大于0.5的持续性区域占比91.41%,ET变化趋势以持续性为主导; 不同植被类型ET均值及变化趋势具有差异性。(4)不同生态地理区ET与降水和温度的偏相关系数波动较大,温度对ET的影响大于降水; ET与降水和气温的复相关系数总体呈不显著正相关,复相关系数值在空间上呈西北高、东南低的分布格局; ET受气候因子驱动的地区主要表现为气温驱动。综上,揭示了滇黔桂岩溶区ET时空变化特征,明确了ET变化的主要气候驱动类型。     

海南岛参考作物蒸散量时空变化特征及成因分析

根据海南岛18个气象站1971–2010年逐日气象资料和Penman–Monteith模型计算各站ET0,利用线性回归和ArcGIS空间插值技术分析年和四季ET0的时空变化特征,并采用敏感系数和气象因子的相对变化率相结合的方法对年和四季ET0变化成因进行分析。结果表明：海南岛18个市（县）年ET0均值为1191.4mm,其空间分布,除夏季外,年和其余各季ET0大致呈由东北向西南递增的趋势。近40a海南岛18个市（县）年ET0的气候倾向率均值为-5.0mm×10a-1,其中13市（县）为负值,5市（县）为正值。春、夏、秋、冬四季ET0的气候倾向率分别为-3.1、1.8、-0.7和-2.8mm×10a-1。总体来看,年ET0减少的区域主要是由于春季ET0减少所致,年ET0增加的区域主要是因夏季ET0增加之故。引起海南岛大部分地区年和春、夏、秋季ET0减少的主要原因是平均风速减小和日照时数的减少,冬季ET0减少除与平均风速减小、日照时数减少有关外,水汽压增加也是主要成因之一。年和四季ET0增加的区域主要是平均最高和平均最低气温升高。     

贵州省不同地貌类型区的MOD16蒸散发变化特征

探究贵州省喀斯特山区蒸散发时空演变特征,对该区水资源的高效利用与生态环境建设具有重要意义。基于MOD16产品遥感数据,统计分析了贵州省2000—2014年地表蒸散发量的年际和年内时空变化状况,并探讨了不同地貌类型蒸散发量的差异性变化特征。结果表明:（1）2000—2014年,贵州省蒸散发量年际变化总体趋势不明显,蒸散发年均值为854.95 mm/a,多年平均蒸散发空间分布呈现出东南高、西北低、中部居中的三级阶梯分布格局;（2）不同地貌类型蒸散发量的月均值呈现先上升后下降的单峰变化趋势,最高、最低分别出现在7月和1月,各地貌逐年各月蒸散发均值与整体差异明显;（3）从地貌类型看,多年均值蒸散发量由大到小依次为峰丛洼地、非喀斯特地貌、岩溶槽谷、岩溶高原、岩溶断陷盆地、岩溶峡谷;（4）未来蒸散发年际变化空间分布大致呈现东西部减少、中部增加的趋势。     

近60年中国不同气候区极端温度事件的时空变化特征

利用1956-2015年中国200个气象站点的逐日最高和最低气温资料,采用国际ETCCDI推荐的10个极端温度指标,结合Mann-Kendall非参数检验、Sen’s slope斜率估计和Pettitt突变点检验等方法,研究了中国近60a极端温度事件的变化趋势及其在中国四大气候区的空间分布特征。结果表明：（1）整体上看,暖夜日数（TN90p）、暖昼日数（TX90p）分别以2.12和1.00d10a-1（P<0.01）的速度显著增加,而冷夜日数（TN10p）、冷昼日数（TX10p）以1.44和0.70d10a-1（P<0.01）的速度显著下降;基于阈值的极端温度事件指标中,霜冻日数（FD0）显著下降（2.84d10a-1,P<0.01）,夏日日数（SU25）和热夜日数（TR20）均显著上升（分别为1.77和1.44d10a-1,P<0.01）;基于持续期的指标中,暖日持续日数（WSDI）和作物生长期（GSL）表现为显著上升趋势,而冷日持续日数（CSDI）在全国范围内变化不显著。（2）冷指标的变暖幅度大于暖指标的变暖幅度;与最低气温相关联的夜指数（如TN10p、TN90p和FD0）的变暖幅度明显大于与最高气温相关联的昼指数（如TX10p、TX90p和WSDI）的变暖幅度。（3）四个气候区极端温度事件发生突变的时间段主要集中在20世纪80年代和90年代,80年代中期以后绝大部分指标的变化幅度相对以前更为显著。（4）在空间上,极端温度指标变化幅度在各区域间差异较大;高原山地气候区冷指数减小幅度最大,部分暖指数（如SU25、TR20和WSDI）在（亚）热带季风性气候区增长幅度最大。