殷長(zhǎng)琛，齊廣平，康燕霞,3，潘曉艷

(1.甘肅農(nóng)業(yè)大學(xué)工學(xué)院，甘肅 蘭州 730070； 2.敦煌市農(nóng)業(yè)技術(shù)推廣中心，甘肅 敦煌 736200；

3.河海大學(xué)水文水資源學(xué)院，江蘇 南京 210029)

?

甘肅省參考作物蒸散量變化特征與影響因子分析

殷長(zhǎng)琛1,2，齊廣平1，康燕霞1,3，潘曉艷2

(1.甘肅農(nóng)業(yè)大學(xué)工學(xué)院，甘肅 蘭州 730070； 2.敦煌市農(nóng)業(yè)技術(shù)推廣中心，甘肅 敦煌 736200；

3.河海大學(xué)水文水資源學(xué)院，江蘇 南京 210029)

摘要：為了探尋甘肅省參考作物蒸散量(ET0)的變化特征及其影響因子，利用FAO-Penman-Monteith(98)公式計(jì)算甘肅省4個(gè)分區(qū)的ET0。依靠處理定性概念與定量描述不確定轉(zhuǎn)換的云模型對(duì)ET0變化特征和影響ET0的氣象因子進(jìn)行了研究；同時(shí),采用通徑分析的方法，對(duì)不同區(qū)域影響ET0變化的氣象因子進(jìn)行了探討。結(jié)果表明：63年來(lái),ET0在空間上表現(xiàn)為西北地區(qū)大于東南地區(qū)。其中，河西地區(qū)ET0在甘肅省內(nèi)一直處于最高值，但呈逐年減小的趨勢(shì)；隴中地區(qū)和隴東地區(qū)前30年先減小，后33年較之前有所增加，但總體趨于穩(wěn)定；隴南地區(qū)則表現(xiàn)為多年最低值且較為穩(wěn)定，無(wú)明顯變化。63年來(lái)河西地區(qū)ET0分布最為離散，不均勻性也最不穩(wěn)定性；隴東地區(qū)ET0分布最為均勻，穩(wěn)定性也相對(duì)最好。通徑分析表明，各個(gè)氣象因子對(duì)ET0變化都有影響且對(duì)不同區(qū)域ET0的主要影響因子也不盡相同。對(duì)河西地區(qū)和隴南地區(qū)ET0變化直接作用最大的氣象因子為平均溫度；對(duì)隴中地區(qū)和隴東地區(qū)ET0變化直接作用最大的氣象因子分別為平均相對(duì)濕度和日照時(shí)數(shù)。平均風(fēng)速是對(duì)河西地區(qū)、隴中地區(qū)和隴東地區(qū)間接作用最為顯著的氣象因子；而對(duì)隴南地區(qū)ET0間接作用最為顯著的氣象因子則為日照時(shí)數(shù)。

關(guān)鍵詞：參考作物蒸散量(ET0)；甘肅省；變化特征；影響因子；云模型

參考作物蒸散量(ET0)是氣候條件決定的下墊面蒸散過(guò)程的能力，是實(shí)際蒸散量的理論上限[1]，同時(shí)也是評(píng)價(jià)氣候干旱程度、估算作物生產(chǎn)潛力和作物需水要求的關(guān)鍵參數(shù)[2-6]。目前,針對(duì)ET0主要采用傳統(tǒng)的趨勢(shì)分析法[7-8]、相關(guān)分析法[9]、周期分析法[10]和地統(tǒng)計(jì)學(xué)法[11]、經(jīng)驗(yàn)正交函數(shù)[12]等方法僅對(duì)ET0時(shí)空分布特性進(jìn)行研究；針對(duì)影響ET0氣象因子研究的主要手段是相關(guān)分析[13]和趨勢(shì)分析[14]。傳統(tǒng)方法對(duì)區(qū)域ET0的分布能夠進(jìn)行定量描述，但無(wú)法表示ET0時(shí)空分布的隨機(jī)性和模糊性，且不能將隨機(jī)性和模糊性定量表現(xiàn)出來(lái)。ET0時(shí)空變化隨機(jī)性和模糊性的定量表達(dá)，是探尋蒸散發(fā)時(shí)空分異規(guī)律和機(jī)理的有效途徑，有助于蒸散發(fā)時(shí)空分異規(guī)律和尺度擴(kuò)展研究以及蒸散發(fā)的精確估算和預(yù)測(cè)，對(duì)維護(hù)自然生態(tài)系統(tǒng)的健康和保障人類社會(huì)經(jīng)濟(jì)的可持續(xù)發(fā)展有著重要的意義。趙璐等[15]運(yùn)用云模型的不均勻性、不均勻性的穩(wěn)定性指標(biāo)對(duì)四川省參考作物蒸散量地域分布的隨機(jī)性、模糊性和穩(wěn)定性進(jìn)行定量表達(dá)，為研究ET0時(shí)空分布特性提供了一種新的思路。同時(shí)，ET0的變化受到多種氣象因子的影響，但各個(gè)氣象因子之間存在著很強(qiáng)的相關(guān)性，本文利用通徑分析的方法僅對(duì)影響ET0的氣象因子作一探討[16-17]，要確定過(guò)去63年ET0的變化主要由哪個(gè)氣象因子引起，仍需進(jìn)一步研究。

甘肅省位于中國(guó)西部地區(qū)，地處黃河中上游，位于青藏高原、黃土高原和內(nèi)蒙古高原的交匯處。省內(nèi)水資源主要分屬長(zhǎng)江流域、黃河流域和西北內(nèi)陸河流域。境內(nèi)地形復(fù)雜，氣候差異較大，山脈縱橫交錯(cuò)，海拔相差懸殊，高山、盆地、平川、沙漠和戈壁等兼而有之。目前，對(duì)甘肅省ET0的研究主要集中在采用經(jīng)驗(yàn)正交函數(shù)[18]、趨勢(shì)分析[19]、相關(guān)分析等[20]方法對(duì)時(shí)空特性進(jìn)行研究。因此，基于云模型理論對(duì)甘肅省ET0時(shí)空分布的均勻性、穩(wěn)定性的研究將會(huì)對(duì)多流域、多氣候帶和復(fù)雜地形分布區(qū)域的ET0研究提供新的思路和方法，同時(shí)對(duì)該類地區(qū)水資源合理配置、農(nóng)業(yè)增產(chǎn)增收以及地區(qū)經(jīng)濟(jì)發(fā)展有著重要的意義。

1資料與方法

1.1資料來(lái)源及處理

使用國(guó)家氣象中心數(shù)據(jù)庫(kù)所提供的甘肅省29個(gè)氣象測(cè)站1951—2013年的氣象觀測(cè)資料(包括日平均氣溫、相對(duì)濕度、降水、蒸發(fā)、日照等)，地理信息包括測(cè)站經(jīng)緯度、海拔高度、行政邊界等(測(cè)站分布見(jiàn)圖1)。根據(jù)甘肅省的地域特點(diǎn)，將全省分為4個(gè)區(qū)域進(jìn)行研究：河西地區(qū)、隴中地區(qū)、隴南地區(qū)和隴東地區(qū)。對(duì)于氣象數(shù)據(jù)中的個(gè)別日缺測(cè)值和異常值，采用前后日均值代替；對(duì)于長(zhǎng)期缺測(cè)值和異常值采用該站點(diǎn)其他年份該月的均值代替。ET0和云模型的計(jì)算采用交互式數(shù)據(jù)語(yǔ)言(IDL)軟件編程處理；ET0的空間插值分析基于surfer8.0的克里格空間插值法[12]。

圖1甘肅省氣象觀測(cè)站點(diǎn)分布

Fig.1Distribution of meteorological sites in Gansu

1.2ET0的計(jì)算

利用FAO推薦的Penman—Monteith(98)公式計(jì)算ET0，其表達(dá)式為[21]：

(1)

式中，ET0為可能蒸散量(mm·d-1)；Rn為地表凈輻射(MJ·m-2·d-1)；G為土壤熱通量(MJ·m-2·d-1)；T為2m高處日平均氣溫(℃)；U2為2m高處風(fēng)速(m·s-1)；es為飽和水氣壓(kPa)；ea為實(shí)際水氣壓(kPa)；Δ為飽和水氣壓曲線斜率(kPa·℃-1)；r為干濕表常數(shù)(kPa·℃-1)。

1.3云模型

云模型是用數(shù)字特征揭示了隨機(jī)性和模糊性的關(guān)聯(lián)性，并用來(lái)表示一個(gè)定性概念的粒度，是處理定性概念與定量描述不確定轉(zhuǎn)換的模型，由中國(guó)工程院院士李德毅于1995年提出[22]，該模型已經(jīng)比較成功地在降雨量預(yù)測(cè)[23-24]、城鎮(zhèn)空氣質(zhì)量評(píng)價(jià)[25]、城市極端雨洪災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)[26]、區(qū)域水資源承載能力評(píng)價(jià)[27]等領(lǐng)域得到了應(yīng)用，取得了重要的研究成果[23-28]。

1.3.1云模型的數(shù)字特征云模型的數(shù)字特征采用期望Ex、熵En和超熵He3個(gè)數(shù)值來(lái)表征，見(jiàn)圖2。

圖2云模型數(shù)字特征

Fig.2Digital characters of cloud mode

云模型表示自然語(yǔ)言中的基元——語(yǔ)言值，用云的數(shù)字特征——期望Ex、熵En和超熵He表示語(yǔ)言值的數(shù)學(xué)性質(zhì)。期望Ex為云滴在論域空間分布的期望，是最能夠代表定性概念的點(diǎn)，是這個(gè)概念量化的最典型樣本。熵En為在云模型中是隨機(jī)性的度量，反應(yīng)了云滴的離散程度，不均勻程度以及取值范圍。用同一個(gè)數(shù)字特征來(lái)反映隨機(jī)性和模糊性，也必然反映他們之間的關(guān)聯(lián)性。超熵He為熵的不確定性度量，即熵的熵，由熵的隨機(jī)性和模糊性共同決定。反映了每個(gè)數(shù)值隸屬這個(gè)語(yǔ)言值程度的凝聚性，即云滴的凝聚程度。超熵越大，云的離散程度越大，隸屬度的隨機(jī)性也隨之增大，云的“厚度”也越大，越不穩(wěn)定[23-24]。需要進(jìn)一步指出的是，根據(jù)正態(tài)分布的特性，對(duì)于論域中的定性概念有貢獻(xiàn)的云滴，主要落在區(qū)間[Ex-3En，Ex+3En]，因此可以忽略[Ex-3En，Ex+3En]區(qū)間之外的云滴對(duì)定性概念的貢獻(xiàn)，即為正向正態(tài)云的“3En規(guī)則”[23]。

1.3.2正向云發(fā)生器正向云發(fā)生器(Forward cloud generator)是從定性概念到其定量表示的映射，它根據(jù)云的數(shù)字特征(Ex，En，He)產(chǎn)生云滴，每個(gè)云滴都是該概念的一次具體實(shí)現(xiàn)。一維正向正態(tài)云發(fā)生器的算法實(shí)現(xiàn)如下：輸入表示定型概念A(yù)的3個(gè)數(shù)字特征值Ex，En，He以及云滴數(shù)N；輸出為N個(gè)云滴的定量值，以及每個(gè)云滴代表概念。具體計(jì)算步驟如下[22-24]：

(1) 生成En為期望值和He2為方差的一個(gè)正態(tài)隨機(jī)Eni′=NORM(En,He2)；

(2) 生成以Ex為期望值和Eni′2為方差的一個(gè)正態(tài)隨機(jī)Xi=NORM(Ex,Eni′2)；

(3) 計(jì)算確定度ui=e-(XI-Ex)/2Eni′2；

(4) 生成具有確定度ui的xi成為數(shù)域中的一個(gè)云滴；

(5) 重復(fù)(1)～(4)步，直到產(chǎn)生要求的n個(gè)云滴為止。

1.3.3逆向云發(fā)生器逆向云發(fā)生器(Backward cloud generator)是實(shí)現(xiàn)定量值到定性概念的轉(zhuǎn)換模型。它可以將一定數(shù)量的精確數(shù)據(jù)轉(zhuǎn)換為以數(shù)字特征(Ex，En，He)表示的定性概念。一維逆向正態(tài)云發(fā)生器的算法實(shí)現(xiàn)如下：

輸入：N個(gè)云滴的定量值及每個(gè)云滴代表概念的確定度(xi，ui)；輸出：這N個(gè)云滴表示的定性概念A(yù)的期望值Ex，熵En和超熵He；具體步驟[23-24]：

1.4通徑分析

通徑分析是由數(shù)量遺傳學(xué)家Sewall Wright于1921年提出的，可用來(lái)分析多個(gè)自變量與因變量之間的線性關(guān)系，是回歸分析的拓展，可以處理較為復(fù)雜的變量關(guān)系，同時(shí)該方法能得到自變量對(duì)因變量的直接作用和間接作用，進(jìn)而分析變量間的相互關(guān)系[16-17]。本文依靠SPSS19.0(回歸分析)，采用通徑分析來(lái)確定影響ET0變化的主要?dú)庀笠蜃印?/p>

2結(jié)果與分析

2.1時(shí)間特性的云模型分析

采用FAO—Penman—Monteith(98)公式計(jì)算甘肅省4個(gè)分區(qū)29個(gè)測(cè)站各站點(diǎn)的ET0。以甘肅省4個(gè)分區(qū)1951—2013年63年的ET0作為研究對(duì)象，根據(jù)逆向云發(fā)生器的算法計(jì)算各自云模型的數(shù)字特征(表1)，然后根據(jù)正向云發(fā)生器的算法計(jì)算云滴并繪制各個(gè)區(qū)域的隸屬云圖(圖3)。

表1　甘肅省ET0時(shí)間分布云模型的數(shù)字特征

云模型的期望Ex表示ET0大小的平均值；熵En反映了ET0大小相對(duì)于平均值的確定度和離散度，其值越大，反映ET0在這63年分布越不均勻，模糊性和隨機(jī)性也越大，確定性越難度量；超熵He體現(xiàn)熵的離散程度，其值大小反映了不均勻性的穩(wěn)定性，值越大，不均勻性越不穩(wěn)定，凝聚程度越差。表1是甘肅省不同區(qū)域ET0時(shí)間分布云模型的數(shù)字特征，從多年平均程度來(lái)看，整個(gè)甘肅省63年平均ET0為1 001.64 mm，河西地區(qū)ET0多年平均值為全省最高，達(dá)到1 104.35 mm，隴南地區(qū)最低為847.29 mm。從均勻、穩(wěn)定狀況來(lái)看，河西地區(qū)ET0在這63年分布最為離散，同時(shí)不均勻性也最不穩(wěn)定性；隴東地區(qū)ET0分布最為均勻，穩(wěn)定性也相對(duì)最好；隴中、隴南地區(qū)ET0的均勻、穩(wěn)定程度介于上述兩地區(qū)之間。

圖3甘肅省4個(gè)分區(qū)ET0時(shí)間分布的隸屬云

Fig.3Cloud of temporalET0distribution in four areas in Gansu

圖3為甘肅省4個(gè)分區(qū)ET0時(shí)間分布隸屬云圖。圖像顯示，除隴東地區(qū)多年ET0云滴分布較為緊湊，云的厚度相對(duì)“較薄”以外，其余3個(gè)區(qū)域的隸屬云圖云滴分布都較為離散，云也相對(duì)“較厚”，結(jié)果與云模型的數(shù)字特征所描述相一致。

2.2近63年ET0時(shí)空分布特征

為了分析ET0空間分布規(guī)律在時(shí)間上的變化，將年ET0變化特征分為6個(gè)階段，如表2所示的1951—1960年、1961—1970年、1971—1980年、1981—1990年、1991—2000年、2001—2013年這6個(gè)時(shí)間段。依靠ET0分布等值線圖結(jié)合云模型隸屬云圖(圖4)的方法來(lái)描述近63年ET0空間分布特征以及分布不均勻程度。

表2　甘肅省1951—2013年不同時(shí)段ET0空間

圖4甘肅省不同時(shí)段ET0空間分布

Fig.4The spatialET0distributions during different periods in Gansu

近63年ET0自西北地區(qū)向東南地區(qū)呈現(xiàn)遞減趨勢(shì)且變化梯度較為明顯，其中地處西北端的酒泉地區(qū)最高值接近1 300 mm·a-1；隴中和隴東地區(qū)次之，約為1 000 mm·a-1；隴南地區(qū)最低，為900 mm·a-1左右。從不同時(shí)段ET0空間分布圖可以看到，1951—2013年河西地區(qū)ET0在甘肅省內(nèi)一直表現(xiàn)為最高值，并呈現(xiàn)出逐年增加的趨勢(shì)，增加幅度不明顯；隴中、隴東地區(qū)前30年先減小，后33年較之前有所增加，但總體趨于穩(wěn)定；隴南則表現(xiàn)為省內(nèi)最低值且多年較為穩(wěn)定，無(wú)明顯變化。

圖4的隸屬云圖結(jié)合表2的空間云模型數(shù)字特征可知，20世紀(jì)50年代和90年代兩個(gè)時(shí)間段不均勻性比較穩(wěn)定，其余年代較不穩(wěn)定。比較不同時(shí)間段ET0空間分布的期望值可知，ET0在21世紀(jì)初達(dá)到最大值1 025.76 mm·a-1，20世紀(jì)80年代取得最小值為967.46 mm·a-1,其余年代ET0均接近63年的平均值。由En的變化可以得出，63年來(lái)ET0在空間上分布的離散度先增加(1951—1980年)，后減小(1981—2000年)，2000年后又有逐漸增加的趨勢(shì)，總體來(lái)看均勻性后33年好于前30年；同時(shí)，He值變化表明，20世紀(jì)50年代和90年代不均勻性最為穩(wěn)定，穩(wěn)定程度同樣是后33年更好。

2.3氣象因子時(shí)間變化特性分析

圖5是不同氣象因子的年際變化情況?？傮w來(lái)看，整個(gè)省域63年間平均氣溫和日照時(shí)數(shù)逐年遞增，增長(zhǎng)幅度分別為0.24℃·10a-1和0.01 h·10a-1，氣溫增長(zhǎng)較為明顯。平均風(fēng)速和平均相對(duì)濕度呈逐年遞減的趨勢(shì)，減幅分別為0.03 m·s-1·10a-1和0.46%·10a-1，平均相對(duì)濕度的降幅較為明顯。

圖5不同氣象因子年際變化

Fig.5Annual change of meteorological factors

從表3氣象因子的云模型數(shù)字特征和圖6不同氣象因子的云分布來(lái)看，平均氣溫的熵為0.63，超熵為0.15，云滴分布不均勻，隸屬云“厚度”較厚，表明多年來(lái)平均氣溫分布較為離散，不均勻性也不穩(wěn)定。平均風(fēng)速和日照時(shí)數(shù)的熵值均為0.24，超熵分別為0.02和0.06，從云分布圖像來(lái)看這兩個(gè)氣象因子的“云滴”較為緊湊，云的“厚度”比較薄，表明平均風(fēng)速和日照時(shí)數(shù)的均勻性和穩(wěn)定性較好。平均相對(duì)濕度的熵值和超熵最大，云分布圖像也較為離散、不均勻，說(shuō)明多年來(lái)平均相對(duì)濕度分布不均勻且不均勻性也不穩(wěn)定。因此，近63年對(duì)甘肅省ET0變化影響最大的氣象因子為平均氣溫和平均相對(duì)濕度。

表3　氣象因子的云模型數(shù)字特征

2.463年來(lái)氣象因子與參考作物蒸散量的通徑分析

ET0的變化受到多種氣象因子(平均氣溫(T)、日照時(shí)數(shù)(n)、相對(duì)濕度(RH)、風(fēng)速(u2))的影響[19]，在通徑分析中，首先計(jì)算上述4個(gè)氣象因子對(duì)ET0的通徑系數(shù)P，再根據(jù)通徑分析原理，求解各因子對(duì)ET0關(guān)于通徑系數(shù)的正則方程，計(jì)算各因子對(duì)ET0的直接作用和間接作用，結(jié)果見(jiàn)表4。

從表4中可知，各個(gè)氣象因子對(duì)ET0都有影響，但就各個(gè)氣象因子對(duì)ET0直接和間接作用來(lái)說(shuō)，各因子之間還有差異。從整個(gè)甘肅省來(lái)看，平均氣溫和平均相對(duì)濕度對(duì)ET0的通徑系數(shù)為0.468，為各個(gè)因子中最大值，因此平均氣溫對(duì)ET0的直接作用最大，平均相對(duì)濕度次之，日照時(shí)數(shù)和平均風(fēng)速相對(duì)較??；同時(shí)，平均相對(duì)濕度對(duì)ET0的變化產(chǎn)生負(fù)向直接作用，其余因子均具有正向直接作用。平均相對(duì)濕度和日照時(shí)數(shù)對(duì)ET0的間接作用最為顯著，其中日照時(shí)數(shù)對(duì)ET0的變化產(chǎn)生正向間接作用，平均相對(duì)濕度對(duì)ET0的變化產(chǎn)生負(fù)向間接作用。由氣象因子間的間接作用可知，各氣象因子間存在著相互制約和相互影響，因而ET0的變化是各氣象因子綜合作用的結(jié)果。

圖6　氣象因子的云分布

注：T、n、RH、u2分別表示平均氣溫、日照時(shí)數(shù)、平均相對(duì)濕度、平均風(fēng)速。

Note:T、n、RH、u2 represent temperature, sunshine duration, relative humidity, wind speed.

不同區(qū)域ET0的影響因子也不盡相同，對(duì)河西地區(qū)和隴南地區(qū)ET0變化直接作用最大的氣象因子為平均溫度；對(duì)隴中地區(qū)和隴東地區(qū)ET0變化直接作用最大的氣象因子分別為平均相對(duì)濕度和日照時(shí)數(shù)。平均風(fēng)速是對(duì)河西地區(qū)、隴中地區(qū)和隴東地區(qū)間接作用最為顯著的氣象因子；隴南地區(qū)對(duì)ET0間接作用最為顯著的氣象因子則為日照時(shí)數(shù)。

3結(jié)論與討論

采用FAO-Penman-Monteith(98)公式計(jì)算甘肅省4個(gè)分區(qū)，29個(gè)測(cè)站1951—2013年共計(jì)63年的參考作物蒸散量。利用云模型結(jié)合等值線圖的方法，能夠直觀地描述甘肅省ET0在時(shí)間和空間上的變化特征以及不同時(shí)間、空間ET0分布的均勻、穩(wěn)定狀況；并將云模型應(yīng)用于氣象因子的分析中，結(jié)果表明：云模型所描述的甘肅省多年來(lái)最不均勻、最不穩(wěn)定的兩個(gè)氣象因子——平均溫度和平均相對(duì)濕度正是對(duì)ET0直接作用最大的兩個(gè)氣象因子，研究結(jié)果與通徑分析結(jié)果相一致，這為研究ET0變化成因提供了新的思路和方法。研究取得了以下結(jié)論：

1) 空間尺度上ET0總體表現(xiàn)為西北地區(qū)大于東南地區(qū)。其中河西地區(qū)ET0在甘肅省內(nèi)一直處于最高值，但呈逐年減小的趨勢(shì)；隴中地區(qū)和隴東地區(qū)前30年先減小，后33年較之前有所增加，但總體趨于穩(wěn)定；隴南地區(qū)則表現(xiàn)為多年最低值且較為穩(wěn)定，無(wú)明顯變化。

2) 63年來(lái)河西地區(qū)ET0分布最為離散，不均勻性也最不穩(wěn)定性；隴東地區(qū)ET0分布最為均勻，穩(wěn)定性也相對(duì)最好。ET0在空間上分布的離散度先增加(1951—1980年)，后減小(1981—2000年)，2000年后又有逐漸增加的趨勢(shì)，均勻性后33年好于前30年，穩(wěn)定程度同樣是后33年更好。

3) 63年間平均氣溫和日照時(shí)數(shù)逐年遞增，增長(zhǎng)幅度分別為0.24℃·10a-1和0.01 h·10a-1。平均風(fēng)速和平均相對(duì)濕度呈逐年遞減的趨勢(shì)，減幅分別為0.03 m·s-1·10a-1和0.46%·10a-1。多年來(lái)平均氣溫和平均相對(duì)濕度分布較為離散，不均勻性也不穩(wěn)定；平均風(fēng)速和日照時(shí)數(shù)的分布較為均勻，穩(wěn)定性也相對(duì)較好。

4) 通徑分析表明，各個(gè)氣象因子對(duì)ET0變化都有影響且對(duì)不同區(qū)域ET0主要影響因子也不盡相同。對(duì)河西地區(qū)和隴南地區(qū)ET0變化直接作用最大的氣象因子為平均溫度；對(duì)隴中地區(qū)和隴東地區(qū)ET0變化直接作用最大的氣象因子分別為平均相對(duì)濕度和日照時(shí)數(shù)。平均風(fēng)速是對(duì)河西地區(qū)、隴中地區(qū)和隴東地區(qū)間接作用最為顯著的氣象因子；而對(duì)隴南地區(qū)ET0間接作用最為顯著的氣象因子則為日照時(shí)數(shù)。

參 考 文 獻(xiàn)：

[1]王文玉，楊沈冰，張強(qiáng)，等.近50年環(huán)青海湖高寒地區(qū)和環(huán)鄱陽(yáng)湖濕潤(rùn)地區(qū)潛在蒸散量變化比較分析[J].中國(guó)沙漠，2013，33(3)：866-873.

[2]Thomas A. Spatial and temporal characteristics of potential evapotranspiration trends over China[J]. Int. J. Climatol，2000,20:281-296.

[3]王曉東，馬曉群，徐瑩，等.淮河流域參考作物蒸散量變化特征及主要?dú)庀笠蜃拥呢暙I(xiàn)分析[J].中國(guó)農(nóng)業(yè)氣象，2013,34(6)：661-667.

[4]吳文玉，孔芹芹，王曉東，等.安徽省近40年參考作物蒸散量的敏感性分析[J].生態(tài)環(huán)境學(xué)報(bào)，2013,22(7)：1160-1166.

[5]趙璐，蔡煥杰，王健.榆林市參考作物蒸發(fā)蒸騰量隨時(shí)間序列變化的規(guī)律[J].干旱地區(qū)農(nóng)業(yè)研究,2010,28(1):39-43.

[6]羅雨，劉海軍，李艷.北京地區(qū)參考作物蒸散量變化趨勢(shì)及其主要影響因素分析[J].干旱地區(qū)農(nóng)業(yè)研究，2010,28(1)：34-38.

[7]牛全文，李靖.陜西省多年月潛在蒸發(fā)量和降水量的隨機(jī)特性[J].干旱地區(qū)農(nóng)業(yè)研究,2001,19(2):112-116.

[8]Hossein Tabari, Ozgur Kisi, Azadeh Ezani, et al. SVM, ANFIS, regression and climate based models for reference evapotranspiration modeling using limited climatic data in a semi-arid highland environment[J]. Journal of Hydrology, 2012,444/445:78-89.

[9]汪治桂，王素萍，王建兵，等.黃河源區(qū)近40年參考作物蒸散量變化特征研究[J].干旱地區(qū)農(nóng)業(yè)研究，2013,31(6)：169-189.

[10]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.

[11]汪治桂，王素萍，王建兵，等.黃河上游重要水源補(bǔ)給區(qū)參考作物蒸散量變化特征分析[J].干旱地區(qū)農(nóng)業(yè)研究，2012，30(6)：243-246.

[12]吳文玉，馬曉群，陳曉藝，等.GIS支持下安徽省近35a參考作物蒸散量的時(shí)空變化[J].農(nóng)業(yè)工程學(xué)報(bào)，2010,26(2)：251-255.

[13]高歌，陳德亮，任國(guó)玉，等.1956—2000年中國(guó)潛在蒸散量變化趨勢(shì)[J].地理研究，2006,25(3)：378-386.

[14]尹云鶴，吳紹洪，趙東升，等.1981—2010年氣候變化對(duì)青藏高原實(shí)際蒸散的影響[J].地理學(xué)報(bào)，2012,67(11)：1471-1480.

[15]趙璐，崔寧波，梁川，等.基于云模型的四川省潛在蒸散量時(shí)空分布研究[J].四川大學(xué)學(xué)報(bào)，2013,45(1)：91-97.

[16]范文波，吳普特，韓志全，等.瑪納斯河流域 影響因子分析及Hargreaves法的修正[J].農(nóng)業(yè)工程學(xué)報(bào)，2012,28(8)：19-24.

[17]蔡甲冰，劉鈺，徐迪，等.基于通經(jīng)分析原理的冬小麥缺水診斷指標(biāo)敏感性分析[J].水利學(xué)報(bào)，2008,39(1)：83-89.

[18]李玲玲，黃高寶.綠洲灌區(qū)參考作物蒸散量的測(cè)算[J].中國(guó)沙漠，2011,31(1):142-148.

[19]封志明，楊艷昭，丁曉強(qiáng)，等.甘肅地區(qū)參考作物蒸散量時(shí)空變化研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2004,20(1)：99-103.

[20]呂曉東，王鶴齡，馬忠明.河西地區(qū)近50年參考作物蒸散量的演變趨勢(shì)及其影響因素[J].生態(tài)環(huán)境學(xué)報(bào)，2010,19(7)：1550-1555.

[21]Allen R G, Perreira L S, Raes D, et al. Crop evapotranspiration:guidelines for computing crop water requirements:Irrigation and Drainage Paper 56[R]. Rome:FAO, 1998.

[22]李德毅，劉常昱.論正態(tài)云模型的普適性[J].中國(guó)工程科學(xué)，2004,6(8)：28-34.

[23]劉德地，陳曉宏，樓章華.基于云模型的降雨時(shí)空分布特征性分析[J].水利學(xué)報(bào)，2009,40(7)：851-856.

[24]高文榮，段春青，陳曉楠，等.基于云推理的年降水預(yù)測(cè)模型[J].中國(guó)農(nóng)村水利水電，2009,(3):33-35.

[25]張峰，張鵬林，呂志勇，等.云模型在城鎮(zhèn)空氣質(zhì)量評(píng)價(jià)中的應(yīng)用[J].環(huán)境科學(xué)與技術(shù)，2009,32(6)：160-164.

[26]王賀，劉高峰，王慧敏.基于云模型的城市極端雨洪災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)[J].水利經(jīng)濟(jì)，2014，32(2)：15-18.

[27]曹玉升，陳曉楠，張偉，等.云綜合評(píng)判模型在區(qū)域水資源承載力評(píng)價(jià)中的應(yīng)用[J].華北水利水電學(xué)院學(xué)報(bào)，2010，31(4)：17-20.

[28]陳貴林.一種定性定量信息轉(zhuǎn)換的不確定性模型—云模型[J].計(jì)算機(jī)應(yīng)用研究，2010,27(6)：2006-2010.

Variation characteristics and influencing factors of evapotranspiration

for reference crops in Gansu Province

YIN Chang-chen1,2, QI Guang-ping1, KANG Yan-xia1,3, PAN Xiao-yan2

(1.EngineeringCollegeofGansuAgriculturalUniversity,Lanzhou,Gansu730070,China;

2.AgriculturalTechnologyPromotionCenterofDunhuang,Dunhuang,Gansu736200,China；

3.CollegeofHydrologyandWaterResources,HohaiUniversity,Nanjing,Jiangsu210098,China)

Abstract：In order to explore the characteristics and influencing factors of reference crop Evapotranspiration (ET0) and theET0s of the 4 partition areas in Gansu Province were measured by FAO-Penman-Monteith (98) formula. The variation characteristics and meteorological factors of ET0 were analyzed based on the cloud model of uncertain conversion between qualitative concept and quantitative description. Meanwhile, the meteorological factors affectingET0changes in different regions were investigated by the method of path coefficient analysis. The results showed that during 1951—2013, theET0in the northwest region was greater than that in the southeast. TheET0in Hexi region was always the highest in Gansu Province, which nevertheless showed a decreasing trend yearly. TheET0s in Longzhong and Longdong regions were decreased during 1951—1980 and it became increased during 1980—2013, reaching an overall stabilized status. Longnan region was shown to possess the minimum value in years and become stable without obvious changes. During 1951—2013, the distribution ofET0in Hexi region was most discrete, and the heterogeneity was most stable. The distribution ofET0in Longdong region was most uniform, and stability was relatively the best. Path analysis showed that various meteorological factors had affectedET0changes and the main influence factors in different regions were not the same. The average temperature had directly affected the changes ofET0in Hexi region and Longxi region. The average relative humidity and sunshine hours had directly affected the changes ofET0in Longzhong region and Longdong region, respectively. The average wind speed had indirectly affected the changes ofET0in Hexi region, Longzhong region and Longdong region, while the sunshine hours had indirectly affected the changes ofET0in Longnan region.

Keywords:reference crop evapotranspiration (ET0); Gansu Province; variation characteristics; influencing factors; cloud model

中圖分類號(hào)：S161.4

文獻(xiàn)標(biāo)志碼：A

通信作者：齊廣平(1969—)，男，甘肅慶陽(yáng)人，教授，博士，研究方向?yàn)楣?jié)水灌溉與生態(tài)農(nóng)業(yè)。 E-mail:qigp@gsau.edu.cn。

作者簡(jiǎn)介：殷長(zhǎng)琛(1989—)，男，甘肅敦煌人，助理農(nóng)藝師，研究方向?yàn)檗r(nóng)業(yè)水土工程和生態(tài)農(nóng)業(yè)。 E-mail:ying1989410@163.com。

基金項(xiàng)目：農(nóng)業(yè)行業(yè)專項(xiàng)項(xiàng)目(201403048-8)；國(guó)家自然基金項(xiàng)目(51409048)；水利部公益性行業(yè)科研專項(xiàng)項(xiàng)目(201301040)；甘肅農(nóng)業(yè)大學(xué)工學(xué)院青年教師科技創(chuàng)新基金項(xiàng)目(GXY2013-05)

收稿日期：2014-12-17

doi:10.7606/j.issn.1000-7601.2016.01.02

文章編號(hào)：1000-7601(2016)01-0007-09