甘肃省参考作物蒸散量时空变异驱动因子分析*

马亚丽，孙栋元，张 芮，许 健，王兴繁

甘肃省参考作物蒸散量时空变异驱动因子分析*

马亚丽，孙栋元**，张 芮，许 健，王兴繁

(甘肃农业大学水利水电工程学院，兰州 730070)

基于甘肃省29个气象站点1984-2019年逐日气象资料，分析ET0时空变化规律，结合主成分分析、聚类分析、灰色关联度、通径分析、敏感性分析等多种定性与定量分析方法，揭示ET0与气候因子间的内在关系，并探明甘肃省ET0对各气候因子敏感性及贡献大小。结果表明：近36a甘肃省ET0整体呈现显著(α=0.05)上升趋势，并于1998年发生突变。研究期内ET0空间分布呈现由东南向西北递增的趋势，甘南高原小，河西平原大，高值区ET0在1049.3～1260.9mm区间变化。主成分分析表明温度、湿度和辐射对ET0的影响较大，风速影响相对较小，聚类分析及灰色关联度分析结果显示，日最高温度Tmax、相对湿度RH、风速u、降水量P、日照时数n为5个关键气候因子，Tmax是最主要因素，P作用最小。ET0对气候因子敏感性存在差异，对RH最为敏感，且Tmax、n、u起正向作用，RH起反向作用，RH、Tmax、n、u贡献率分别为3.79%、7.22%、-0.42%和3.70%。近36a甘肃省ET0呈现增大趋势是由于RH、n减少和T升高、u增大共同作用的结果，T升高是造成ET0增加的主要原因。研究成果为该地区科学配置灌溉用水，高效开发利用水资源，揭示气候变化条件下水文循环−蒸散发环节的响应机理提供科学依据，同时，多种方法探索性结合运用为ET0变化驱动因子分析提供了新的思路。

参考作物蒸散量；
驱动因子；
气候因子；
时空变化；
甘肃省

蒸散发作为水文循环重要环节，联系着土壤圈、生物圈、大气圈，其变化直接影响地表水量平衡和能量平衡过程，是构成气候系统的中心环节，影响地表的热量状况、地区干湿状况、生态系统的水分利用效率和水资源的合理利用[1−2]。因此，针对蒸散发的研究，一直是国内外包括气象学、地理学、土壤学、水文学、生态学、植物学等在内的多学科研究的热点领域[3−4]。黄会平等[5]采用主成分分析方法，对潜在作物蒸散量的影响因子及其分布特征进行探讨，研究发现热力学因素是影响中国ET0的第一主成分。李霞等[6]在科尔沁湿草甸利用通径分析及指标敏感性分析对ET0的影响因子进行辨识，发现主要因子为饱和水汽压差和最低气温。Zhang等[7]利用局部地理加权回归（GWR）模型探讨中国ET0与气候变量之间的空间关系，结果显示最高和最低气温是影响中国ET0的主要气候变量。Guan等[8]利用气候弹性分析法分析了黄淮海流域多个气象因素对ET0的影响，采用多元线性回归方法定量揭示了气象因素对ET0变化的相对贡献大小，发现ET0上升是由于温度显著增加，削弱了因风速和日照时数减少引起的ET0下降作用。可以看出，对于ET0与气候因子间的相关关系的研究，多种分析方法均适用，而以往研究多采用单一方法分析ET0的变化成因[5−8]，由于受大气−植被−地表系统相互作用影响，影响ET0的因素众多，ET0与气候因子间及各气候因子间的交互作用较为复杂，单一方法对揭示ET0与气候因子间复杂关系较为困难，多方法相结合定量化研究气候因子对ET0的影响，探讨ET0对不同气象因子变化的敏感性，探明水文循环对气候变化的响应程度[9]显得尤为重要。因此，本研究将主成分分析[10]、聚类分析[11]、灰色关联度分析[12]、通径分析[13]、敏感分析[14]等多种方法探索性结合，将定性分析与定量分析相融合，以期更为全面、客观地揭示各气候因子间以及ET0与气候因子间的内在关系，定量描述气候因子对ET0变化的直接和间接作用以及紧密关联程度，确定主导因素，减少变量个数，关注主要矛盾，探明ET0变化主导因子敏感程度及其贡献大小，定量化解释ET0变化的原因。

甘肃省位于中国西部地区，地处黄河中上游，位于三大高原即青藏高原、黄土高原和内蒙古高原的交汇处，地形复杂，海拔相差悬殊。地理环境差异明显，狭长条状分布，使甘肃省跨越三大流域即长江流域、黄河流域和西北内陆河流域，从东南到西北存在热带湿润区、高寒区、干旱区等气候类型，多元气候类型必然造成ET0时空变化差异明显，且甘肃省大部分区域为半干旱干旱气候类型，水资源相对匮乏，水资源短缺是制约其经济社会发展的重要因素，以农业生产为主的社会经济结构现状更加剧水资源短缺状况。揭示甘肃省ET0时空分布规律、ET0与气候因子的复杂相关关系以及气候因子变化条件下ET0的响应机理，对于地处西北干旱半干旱内陆区的甘肃省科学预估灌水定额，合理配置灌溉用水，提高灌水利用率，合理开发利用水资源具有重要意义。

1.1 参考作物蒸散量（ET0）计算及变化分析方法

气象数据来自中国气象数据网（http://data. cma.cn），选取甘肃省29个气象测站1984−2019年气象观测资料，包括日平均气温和最高/最低气温、日空气相对湿度、日降水量、日平均地面10m高处风速和日照时数等，数据属于中国地面气候资料日值数据集V3.0，由国家气象信息中心制作，该资料被广泛用于科研生产领域。

采用1998年联合国粮农组织（FAO）修正后的Penman-Monteith公式[1,15]计算参考作物蒸散量，P-M 法以能量平衡和空气动力学原理为基础，综合考虑温度、辐射、风速、湿度和地域位置（海拔和纬度）的影响，已被证实在不同区域和不同气候条件下均具有较高的计算精度[16−17]。其中土壤热通量G取值0，反射率α取0.23，参考祝昌汉[18]得出的西北区参数a、b取值分别0.281和0.441。ET0计算式为[1]

其中

式中，ET0为参考作物蒸散量（mm×d−1）；
Δ为饱和水汽压曲线斜率（kPa×℃−1）；
Rn为太阳净辐射（MJ×m−2×d−1）；
Rns为净短波辐射（MJ×m−2×d−1）；
Rnl为净长波辐射（MJ×m−2×d−1）；
Ra为天顶辐射（MJ×m−2×d−1）；
G为土壤热通量（MJ×m−2×d−1），日尺度上忽略，记为0；
γ为干湿常数（kPa×℃−1）；
u2为2m高处的风速（m×s−1）；
T为平均气温（℃）；
es为平均饱和水汽压（kPa）；
ea为实际水汽压（kPa），（es-ea）为饱和水汽压差（kPa）；
n为日照时数（h）；
N为最大日照时数(h)。

1.2 参考作物蒸散量气候影响因子分析方法

1.2.1 主成分分析

利用主成分分析将多个气候因子变量转化为几个相互独立的主成分，从而揭示对ET0影响较大的气候因素类别，如温度因素、湿度因素等。该方法是将原有变量转换为一组线性不相关新变量，选取少数几个新变量尽可能多地保留原始变量的信息，从而达到降维、简化模型的目的。当随机向量方差已知时，主成分的计算方法为[10]

设气候因子变量X＝(X1，X2，…，XP)′，其均值为μ，协方差矩阵为Σ，新的综合变量Y可以由原来的气象要素变量线性表示，即满足

Σ特征值从大到小依次为λ1≥λ2≥…≥λp，λj对应的彼此正交单位特征向量为cj，则X的第j个主成分Yj为cj与X的内积，即Yj＝cj′X，var (Yj)应尽可能大且各Yj之间相互独立，Yj的随机变量方差为λi。

式中，λ为各主成分相对应的特征值；
k为选定的主成分数；
i为全部主成分数。

1.2.2 灰色关联度

利用灰色关联度进行灰色关联度排序，削减排序靠后、关联程度不紧密的气候因子，从而简化问题，关注主导气候因子。根据灰色系统理论[12]，将气候因子指标作为一个灰色系统，以ET0构成参考数列x0=｛x0(1)，x0(2)，…，x0(k)｝，以9个气候因子构成比较数列xi=｛xi(1)，xi(2)，…，xi(k)｝，k代表ET0或第i个气候因子在k处取值。

对原始数据进行无量纲化处理，求出关联系数（ζ）和加权关联度（r）。

1.2.3 通径分析

利用通径分析计算气候因子对ET0变化的直接、间接和综合作用大小，在聚类分析和灰色关联度分析结果的基础上，剔除作用较小的气候因子，从多个气候因子中确定主导气候因子，进行后续的敏感性分析。通径分析（Path analysis）不受自变量变异程度及度量单位的影响来分析多个自变量与因变量之间的线性关系，处理较为复杂的变量关系，得到自变量对因变量的直接作用与间接作用关系。

气候因子xi的标准差与参考作物蒸散量y的标准差之比，为xi到y的通径系数，表达式为[13]

气候因子xi与参考作物蒸散量y的相关系数可以分成两个部分，一部分为直接通径系数Piy，表征气候因子对ET0的直接效应；
另一部分为ΣrijPjy，表征某气候因子通过其他气候因子对ET0的间接效应，表达式为[13]

1.3 气候因子对参考作物蒸散量变化贡献分析方法

1.3.1 敏感系数

衡量气候要素（如气温、风速等）变化对蒸散发影响程度采用基于P−M模型的敏感系数法，蒸散发气候敏感系数为蒸散发变化率与气候因子变化率之比，计算式为[14]

式中，Sx为蒸散发关于气候因子x的敏感系数，无量纲。敏感系数表征敏感性曲线切线的斜率，当曲线为线性时，可以用气候因子对ET0任意区间变化的变化率表示敏感系数，当曲线为非线性时，气候因子的变化步长决定敏感系数精度，变化步长越小，精度越高[19]。敏感系数绝对值越大，表明气候变量对ET0的影响越大，即ET0对气候变量的变化越敏感，例如当敏感系数为0.1时，表示气候因子变量变化10%，参考作物蒸散发将变化1%。

1.3.2 贡献率

计算气候因子对ET0变化的贡献程度，分析ET0变化成因，采用Yin等[20]提出利用敏感系数与多年相对变化率的乘积计算气候因子对ET0变化的贡献率，引起潜在蒸散量增加为正贡献，反之为负贡献，计算式为

2.1 甘肃省参考作物蒸散量（ET0）时空变异分析

2.1.1 区域平均年ET0的年际变化

图1 1984−2019年甘肃省全区域平均年参考作物蒸散量(ET0)变化趋势(a)和突变检验(b)

2.1.2 年ET0及其变化的空间变异

基于甘肃省29个站点36a的年均参考作物蒸散量，采用克里金方法进行空间插值计算，结果见图 2a。由图可见，甘肃省多年平均ET0呈现由东南向西北递增的趋势，甘南高原小，河西平原大，高值区位于酒泉市、武威市北部，ET0变化区间在1049.3～1260.9mm；
低值区位于甘南藏族自治州、定西市、临夏回族自治州，ET0变化区间在726.6～844.0mm，其中甘南藏族自治州合作站（726.1mm）、玛曲站（767.9mm），定西市岷县站（763.8mm），由于所处区域地理环境差异导致ET0空间分布存在明显差异，在726.6～1260.9mm区间波动。甘肃省位于欧亚大陆腹地，东西长达1665km，从东南到西北横跨热带湿润区、高寒区、干旱区等气候类型[21]，其东南部温湿，年降水量达到450～760mm，温暖湿润；
向北延伸至河西走廊中东部，该区域地处温带半干旱气候区，温差大，降水少；
河西走廊西部地区降水稀少，降水量42～200mm，日照强烈，昼夜温差大，地理环境差异造成降水、气温、参考作物蒸散量由东南向西北呈一定规律变化，ET0呈现由东南向西北递增的趋势。ET0线性变化率空间分布结果表明（图2b），酒泉东北部、张掖一带ET0线性倾向变化率3.5～4.7mm×a−1，相比酒泉市中部、兰州、临夏回族自治州、甘南藏族自治州西部的1.9～2.5mm×a−1变化更为明显，多年变化更为显著，最大值位于张掖市张掖站（7.92mm×a−1），除酒泉市的玉门镇站为负值（−2.32mm×a−1），全省范围ET0均呈现上升趋势，气象站点占比96.55%。综上看，甘肃省ET0多年变化率呈现河西走廊东部、陇南东部、陇东等地较大，而河西西部、陇中、甘南等地较小的特点。

2.2 参考作物蒸散量气候影响因子分析

2.2.1 气候因子主成分分析

基于甘肃省29个站点36a的气候因子数据包括平均气温、日最低气温、日最高气温、最小相对湿度、平均相对湿度、日照时数、降水量、平均风速和最大风速，采用主成分分析法，在损失很少信息的前提下将存在线性相关关系的多个原始变量转化为几个相互独立的主成分。按照主成分累计方差百分比阈值80%～85%的原则提取主成分因子[10]。首先考虑影响ET0气象因素包括平均气温T、日最低气温Tmin、日最高气温Tmax、最小相对湿度RHmin、平均相对湿度RH、日照时数n、降水量P、平均风速u和最大风速umax，主成分提取结果见表1。由表可知，前3个主成分特征值占总方差的88.08%，其中第一主成分携带的信息最多，达到了36.38%，成分载荷最大是T、Tmin和Tmax，主要反映温度因素，同理，第二主成分占比31.78%，成分载荷最大是RHmin、RH、n和P，主要反映湿度和辐射因素，第三主成分占比19.92%，成分载荷最大是u和umax，主要反映风速因素。综上看，有关温度、湿度和辐射等因素对ET0的影响较大，风速因素影响相对较小，为进一步探明各影响因素间的内在关系以及各气候因子与ET0的紧密关联程度，进行气象因素聚类分析和灰色关联度分析。

图2 甘肃省ET0年平均值(a)及其线性变化率(b)的空间分布

表1 气候因子主成分和成分负荷量计算结果

注：T、Tmax、Tmin、RH、RHmin、P、n、u和umax分别代表日平均温度、日最高温度、日最低温度、平均相对湿度、最低相对湿度、降水量、日照时数、平均风速和最大风速。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 气候因子与ET0的关联度分析

对与ET0变化相关的9个气候因子数据进行系统聚类分析，将性质相近事物划分为一类，揭示各气候因子间内在联系，采用聚类方法中的组间联接法，度量标准采用皮尔逊相关性，得到聚类树状图（图3a）。依据各气候因子综合相似性，将气候因子划分5类，气候因子T、Tmax和Tmin（平均气温、日最高气温和日最低气温）归为一类Ⅰ型，体现温度对ET0变化的作用；
RH和RHmin（平均相对湿度、最小相对湿度）归为一类Ⅱ型，体现相对湿度对ET0变化的影响；
u和umax（平均风速、最大风速）归为一类Ⅲ型，体现风速对ET0变化的影响；
P（降水量）和n（日照时数）分别为Ⅳ型和Ⅴ型。通过聚类分析划分类别，可以找到性质较为相似的气候因子，且分类结果与主成分分析结果大体一致，因相同类别的气候因子之间存在较为相似的性质，联系较紧密，为了避免同类别间气候因子重复分析，对ET0变化影响重复作用，考虑结合气候因子与ET0关联程度，进一步剔除同类别中关联程度较弱的气候因子。

以ET0逐日时间序列作为参考数列，以9个气候因子逐日时间序列作为比较数列，分析9个气候因子对ET0的关联度，加权关联度值反映不同气候因子对ET0的联系差异大小，关联度值越大，排序越靠前，表明序列曲线几何形状的相似程度越高，联系越紧密，反之，相似程度低，联系不紧密[12]。由图 3b和表2可见，关联度度由大到小排序依次为RH、n、RHmin、Tmax、P、T、u、Tmin和umax，RH关联度值最大，为0.869，umax关联度值最小，为0.787。

综合考虑气候因子的聚类分析及其对ET0灰色关联度分析结果可知，Ⅰ型分组中T、Tmax和Tmin灰色关联度排序依次为6、4和8，Ⅱ型分组中RH和RHmin灰色关联度排序为1和3，Ⅲ型分组中u和umax灰色关联度排序为7和9，选取同类型分组中关联度排序靠前的气候因子，Ⅰ型、Ⅱ型、Ⅲ型、Ⅳ型和Ⅴ型分别选取Tmax、RH、u、P和n共5个气候因子，5个气候因子分属不同分组，且排序较同组因子靠前，对ET0的联系紧密程度较强，涵盖了影响ET0变化的湿度因子、热力因子、动力因子等多种作用因素，既简化了研究，又重点分析了与ET0联系紧密的关键因素。

图3 气候因子聚类分析及灰色关联度排序

表2 气候因子聚类分析及灰色关联度分析结果

2.2.3 气候因子对ET0影响的通径分析

根据气候因子聚类分析及对ET0灰色关联度分析结果，选取RH、n、Tmax、P和u共5个气候因子进行通径分析，各气候因子对ET0通径分析结果如表3所示。由表可见，各气候因子对ET0直接作用由直接通径系数反映，大小排序依次为Tmax＞u＞n＞RH＞P，其中RH数值为负，说明RH增大导致ET0减少，起到反向作用，其他四项要素变化与ET0变化一致，起到正向作用，降水量P对ET0也起正向作用是由于在干旱半干旱区，蒸发量大于降水量，甘肃省同时期降水序列呈增加趋势，与ET0同向变化，即降水量增加，ET0增加，因此P对ET0表现为正向作用。其中，对ET0变化直接影响主要因素为Tmax，直接影响最小因素为P。间接作用由间接通径系数反映，其大小排序依次为n＞P＞RH＞u＞Tmax，n为间接影响甘肃省ET0变化的主要因素。简单相关系数反映各气候因子的总作用，大小排序依次为Tmax＞n＞u＞RH＞P，其中Tmax、n、u和P对ET0变化起正向作用，RH对ET0变化起反向作用，Tmax是影响ET0变化最主要因素，其次是n、u和RH，P对ET0变化影响最小，可见，Tmax、n和u的升高与RH的降低共同促进ET0呈现增加趋势。依据5个气候因子的通径分析结果，考虑到P对ET0变化作用最小，综合作用大小为0.136，可以进一步剔除P指标，选取Tmax、n、u和RH共4个气候因子，分析其对ET0变化的敏感性及贡献特征。

2.3 气候因子对参考作物蒸散量变化贡献分析

2.3.1 ET0敏感性分析

针对甘肃省29个气象站点ET0对各气候因子的敏感系数，采用反距离权重法进行空间插值，得到ET0对日最高温度、相对湿度、平均风速、日照时数的敏感系数STmax、SRH、Su和Sn的空间分布图（图4）。由图4可见，敏感系数STmax总体呈现从东南到西北逐渐递减，高值区位于陇东地区的平凉和庆阳、陇南、天水等地，最大值在陇南武都站，为1.48；
河西走廊、甘南藏族自治州西部为低值区，全省敏感系数变化区在0.22～1.48，即Tmax升高10%，ET0增加2.2%～14.8%，温度升高对ET0增大起到正向作用。敏感系数SRH在定西、天水一带较全省其他大部分地区略高，最大值为定西华家岭站的−2.47，全省范围敏感系数介于−2.47～−0.83，即RH增加10个百分点，ET0减少8.3%～24.7%，ET0对相对湿度变化较为敏感，RH对ET0变化起到反向作用。Su空间分布与SRH相反，陇中、陇南西部为低值区，河西地区为高值区，敏感系数在−0.24～0.38，即u每增加10%，ET0增加−2.4%～3.8%，整体上看，ET0对u变化不敏感，局部站点出现负值，其他均为正值，认为u对ET0的变化起到正向作用。Su敏感程度空间分布与STmax、SRH大体一致，呈现由东南向西北逐渐减小，高值区位于甘肃省东部大部分区域，逐渐递增过渡到河西酒泉市低值区，敏感系数在−0.43～0.90，即n每增加10%，ET0增加−4.3%～9.0%。综上可知，在甘肃省范围内ET0变化对气候因子敏感程度分布不均匀，敏感性由大到小排序为RH、Tmax、n、u，相对湿度减少对ET0的增大影响最大，温度、日照时数、风速起正向作用，相对湿度起反向作用。

表3 气候因子对ET0的通径分析

图4 甘肃省ET0对各气候因子变化敏感系数的空间分布

2.3.2 主要因子贡献率

Yin等[20]提出的气候因子对ET0变化的贡献率计算方法是基于敏感系数和多年相对变化率乘积，计算结果如表4所示。由表可知，甘肃省ET0对各气候因子变化的敏感程度与气候因子贡献率大小并不一致，原因在于多年相对变化率存在差异。日最高气温多年呈现增加趋势，多年相对变化率为9.41%，温度升高引起ET0的显著增加，正贡献率为7.22%，说明温度升高是造成甘肃省参考作物蒸散量增大的主要原因；
平均相对湿度对ET0起反向作用，但由于RH多年相对变化率为−2.93%，RH减少促使ET0增加，正贡献率为3.79%；
ET0对风速变化敏感性低，由于多年相对变化率相对较大，36a内增大15.15%，结果风速增大引起ET0增加的正贡献率为3.70%；
日照时数减少直接反映太阳辐射等因素影响，大气层云量和气溶胶量受人为因素的干扰，太阳辐射总体趋势以下降为主，多年相对变化率为−1.55%，n对ET0变化起正向促进作用，其多年减少引起ET0减少，负贡献率为−0.42%。综上可知，甘肃省由于相对湿度、日照时数多年减少和温度升高、风速增大等共同作用，最终导致流域ET0呈现增大趋势，4种气候因子对ET0增加的总贡献为14.30%。

表4 气候因子对ET0的贡献率

3.1 讨论

采用多种定性定量方法分析全省ET0时空变异、气候因子与ET0内在相关关系，揭示气候因子对ET0的影响机理和影响程度，各种方法层层递进、互为补充。主成分分析将9个气候因子划分3类主成分包括温度、湿度和辐射等因素，与聚类分析关于气候因子的分类结果基本一致，互相印证，结合灰色关联度表现出的紧密关联程度，剔除同类中性质相似但关联程度较弱的气候因子，通径分析依据5个气候因子对ET0变化的直接、间接和综合作用大小，最终筛选出4个气候因子进行敏感性分析及贡献率计算。

甘肃省1984−2019年ET0整体呈现显著上升趋势，通过了0.05水平的显著性检验，与殷长琛等[22]1951−2013年甘肃省参考作物蒸散发以2.11mm·10a−1的速率递增的结论一致，数值差异主要来源于研究时段不同。西北气候呈现暖湿化体现在温度升高、降水增加，结合本研究结论温度升高引起ET0显著增加的贡献率为7.22%，降水作用不明显，相对湿度多年相对变化率为−2.93%，RH减少促使ET0增加的贡献率3.79%，西北气候暖湿化整体会促使甘肃省ET0呈现增加趋势。ET0空间分布呈现由东南向西北递增的趋势，甘南高原小，河西平原大，ET0变化区间在1049.3～1260.9m。与殷长琛等[22]研究发现甘肃省ET0总体表现为西北地区大于东南地区的结论一致。甘肃省从东南到西北横跨热带湿润区、高寒区和干旱区等气候类型[21]，中南部为黄土高原、甘南高原与西秦岭山地，河西走廊以山前倾斜平原为主[23]，陇中黄土高原年均气温较高、降水量大，而河西走廊日照充足，年均降水量较少，干旱少雨，草地归一化植被指数NDVI分布呈现东南高西北低的格局[24]，地理环境差异是造成ET0呈现由东南向西北递增的规律性分布原因之一。36a来全省其他各站ET0均呈增大趋势，即线性变化率为正值，唯独玉门镇站为负值(−2.32mm×a−1)，张春玲[25]研究发现2001−2012年河西地区其他站点潜在蒸散发均呈上升趋势，玉门站点呈显著下降趋势，线性变化率−4.636mm×a−1，与本研究玉门站同时期计算结果−4.644mm×a−1一致，且与李耀军等[21]关于玉门镇气象站的周边地区1981−2010年潜在蒸散发出现负增长的结论一致。ET0变化各气候因子敏感性由大到小排序RH、Tmax、n和u，ET0增大对相对湿度减少最为敏感，与李耀军等[21]有关甘肃省潜在蒸散发对相对湿度的敏感性最强的结论一致。

甘肃省ET0呈现增大趋势主要是由于相对湿度、日照时数减少和温度升高、风速增大等共同作用，4种气候因子总贡献率为14.30%。甘肃省ET0对各气候因子变化的敏感程度与气候因子贡献率大小并不一致，原因在于多年相对变化率存在差异，即敏感性较小，但变化幅度较大，贡献率同样会较大。本研究仅考虑了气候因子中4个因子对ET0的影响贡献，未能考虑全部气候因子，同时，植被覆盖率增加、土地利用方式变化、水库工程、水土保持措施的实施等改变下垫面条件，跨流域调水工程修建、人为灌溉输水等改变水资源分布状况，这些都会对ET0时空变化产生影响，为了理清ET0变化机理和各气候及人类活动因素的影响程度，需要更为全面地融入多种影响因子，同时结合采用多种定量、定性方法，包括多元统计学方法、机理模型等，厘清影响因子间复杂关系，避免重复、交互作用影响，定量化区分和揭示各影响因子的贡献程度。

3.2 结论

甘肃省1984−2019年ET0整体呈现显著上升趋势，突变发生在1998年，1998年前后由920.36mm上升至974.87mm，增长率5.92%。ET0空间分布呈现由东南向西北递增的趋势，甘南高原小，河西平原大，高值区位于酒泉市、武威市北部，ET0变化区间在1049.3～1260.9mm；
多年变化率呈现河西走廊东部、陇南东部、陇东等地较大，而河西西部、陇中、甘南等地较小的特点。

全省范围内ET0变化对气候因子敏感性程度分布不均匀，敏感程度大小整体上依次为RH、Tmax、n和u，ET0增加对相对湿度减少最为敏感，RH每减少10%，ET0增加8.3%～24.7%，且温度、日照时数和风速起正向促进作用，相对湿度起反向抑制作用。ET0呈现增大趋势主要是由于相对湿度、日照时数减少和温度升高、风速增大等共同作用，贡献率大小分别为3.79%、−0.42%、7.22%和3.70%，其中，日最高气温升高是造成ET0增加的主要原因，4种气象要素总贡献值为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] 刘昌明,孙睿.水循环的生态学方面:土壤−植被−大气系统水分能量平衡研究进展[J].水科学进展,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] 邓兴耀,刘洋,刘志辉,等.中国西北干旱区蒸散发时空动态特征[J].生态学报,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] 黄会平,曹明明,宋进喜,等.1957-2012年中国参考作物蒸散量时空变化及其影响因子分析[J].自然资源学报,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,刘廷玺,段利民,等.科尔沁湿草甸参考作物蒸散发模拟分析[J].中国沙漠,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] 冯禹,崔宁博,魏新平,等.川中丘陵区参考作物蒸散量时空变化特征与成因分析[J].农业工程学报,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.应用多元统计分析[M].北京:北京大学出版社,2005.

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

[11] 杨小兵.聚类分析中若干关键技术的研究[D].杭州:浙江大学,2005.

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

[12] 邓聚龙.灰色系统基本方法[M].武汉:华中理工大学出版社,1987.

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

[13] 敬艳辉,邢留伟.通径分析及其应用[J].统计教育,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] 冯禹,崔宁博,龚道枝.机器学习算法和Hargreaves模型在四川盆地ET0计算中的比较[J].中国农业气象,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] 杨永刚,崔宁博,胡笑涛,等.中国三大灌区参考作物蒸散量温度法模型的修订与适应性评价[J].中国农业气象, 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] 贾悦,苏永军,张冉,等.气象资料受限条件下BP神经网络优化模型模拟参考作物蒸散量:以京津冀地区为例[J].中国农业气象,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] 祝昌汉.再论总辐射的气候学计算方法(二)[J].南京气象学院学报,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] 杨林山,李常斌,王帅兵,等.洮河流域潜在蒸散发的气候敏感性分析[J].农业工程学报,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] 李耀军,魏霞,苏辉东.近30年甘肃省潜在蒸散发时空变化特征及演变归因的定量分析[J].水资源与水工程学报,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] 殷长琛,齐广平,康燕霞.基于云模型的甘肃省参考作物蒸散量时空分布特征[J].农业工程学报,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] 梁晓燕,牛震敏,许兴斌,等.1960-2016年甘肃省极端气候事件变化特征[J].兰州大学学报(自然科学版),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] 何国兴,韩天虎,柳小妮,等.甘肃省草地植被NDVI时空变化特征及驱动因素研究[J].草地学报,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] 张春玲.基于S-W模型的河西地区潜在蒸散发对气候和植被的敏感性研究[D].兰州:西北师范大学,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

马亚丽,孙栋元,张芮,等.甘肃省参考作物蒸散量时空变异驱动因子分析[J].中国农业气象,2022,43(11):881-892

2021−12−16

甘肃农业大学水利水电工程学院科研团队建设专项资助项目（Gaucwky-04）；
国家自然科学基金项目（51769001）；
甘肃省重点研发计划项目（21YF5NA015）；
甘肃省高等学校创新基金项目（2021B-120）；
甘肃省水利厅2021年水利科学试验研究及技术推广计划（GSAU-JSYF-2021-016）

孙栋元，博士，教授级高级工程师,主要从事水文水资源与干旱区水土资源研究，E-mail: gsausundy@126.com

马亚丽，E-mail:gsaumayl@163.com