張靜靜， 梁 丹

（鄭州師范學院 地理與旅游學院，鄭州 450044）

據統(tǒng)計，全球陸地表面65%的降水量會以蒸散發(fā)的形式返回到大氣中［1］，因此水的蒸散發(fā)被認為是陸地表面水循環(huán)過程中最重要的環(huán)節(jié)［2］. 近年來，關于陸地表面水的蒸散發(fā)量的研究已成為地理學、水文學等相關學科研究的熱點之一［3-4］. 準確計算和分析蒸散發(fā)量的變化特征和驅動機制不僅有助于應對全球氣候變化與環(huán)境問題，而且對水資源的合理配置、陸地生態(tài)系統(tǒng)的管理，以及農業(yè)旱情的監(jiān)測等具有重要的指導意義［5-6］.

潛在蒸散發(fā)量是指在一定的氣象條件下，且有充足水分供應的情況下，某一固定下墊面可以達到的最大蒸散發(fā)量. 潛在蒸散發(fā)量是實際蒸散發(fā)量的理論上限，也是計算實際蒸散發(fā)量的基礎，因此準確估算潛在蒸散發(fā)量是計算實際蒸散發(fā)量的關鍵［7］. 目前常見的潛在蒸散發(fā)量的估算方法大致可以分為5種，即溫度法、輻射法、綜合法、水量平衡法和質量傳導法［8］，每種計算方法都有其優(yōu)缺點和不同的適用條件. 許多研究表明，以能量平衡與水汽擴散理論為基礎的Penman-Monteith公式，能夠反映蒸散發(fā)必須具備的氣象條件，包括氣溫、風速、相對濕度、太陽輻射等，且適用于不同氣候區(qū)潛在蒸散發(fā)量的計算，是學術界認可度最高的一種計算方法［9-10］. 該方法是聯合國糧食及農業(yè)組織（FAO）計算潛在蒸散發(fā)量的首選公式，被認定為計算潛在蒸散發(fā)量的標準方法，且還在不斷地進行修正和推廣使用［11］. 該方法充分考慮了植被的生理特性與大氣的物理特性，理論依據充分，計算精度高. 使用該方法估算潛在蒸散發(fā)量，可以更清楚地認識其變化過程及其影響機制. 本研究基于河南省西部22個縣市的22個氣象站點及相鄰的陜西省丹鳳縣和商南縣的2個氣象站點的逐日氣象數據，運用Penman-Monteith模型估算該地區(qū)的潛在蒸散發(fā)量，從年、四季和月3個時間尺度分析該地區(qū)潛在蒸散發(fā)量的時空分布特征，并運用相關分析和地理探測器方法探討潛在蒸散發(fā)量空間差異的主要驅動因素，以期對該地區(qū)水資源的合理配置以及陸地生態(tài)系統(tǒng)的管理提供幫助.

1 數據與方法

1.1 研究區(qū)概況

伏牛山處于河南省西部，是秦嶺山系在河南境內的一條重要余脈，呈西北—東南走向，西至河南省與陜西省交界，東至河南省南陽的方城北部，北與熊耳山、外方山相接，南至南陽盆地. 研究區(qū)包括盧氏、欒川、嵩縣、魯山、內鄉(xiāng)、西峽、鎮(zhèn)平和南召8個縣域單元（為了對氣象數據插值時提高精度而選擇陜西省丹鳳縣和商南縣氣象站點的數據，但其不包括在研究區(qū)內），面積約2萬km2. 其中，盧氏、欒川、嵩縣和魯山位于伏牛山北坡，內鄉(xiāng)、西峽、鎮(zhèn)平和南召位于伏牛山南坡（圖1）. 該地區(qū)地勢自西向東逐漸降低，海拔高度50～2200 m，地貌類型復雜，高差起伏較大，氣候類型屬于南暖溫帶與北亞熱帶過渡帶氣候以及中國濕潤區(qū)與半濕潤區(qū)過渡帶氣候［12-13］.

圖1 研究區(qū)位置及高程示意圖Fig.1 Location and elevation map of the study area

1.2 數據來源

本研究氣象數據來自研究區(qū)及其周邊24 個氣象站點（圖1）的逐日觀測數據. 其中22 個氣象站點（靈寶、洛南、宜陽、洛寧、盧氏、伊川、汝州、欒川、汝陽、西峽、嵩縣、內鄉(xiāng)、魯山、鎮(zhèn)平、南召、南陽、方城、寶豐、葉縣、淅川、鄧州和平頂山）位于河南省境內，兩個氣象站點（丹鳳和商南）位于陜西省境內. 研究使用的氣象數據均為2016—2017年兩年的平均值. 氣象資料來源于河南省氣象局（http：//ha.cma.gov.cn/）和國家氣象局氣象科學數據中心（http：//cdc.nmic.cn/home.do），具體包括2016—2017 年逐日平均氣溫、最高氣溫、最低氣溫、平均相對濕度、降水量、風速、日照時數和平均本站氣壓. 由于研究區(qū)內沒有太陽輻射觀測點，因此所用太陽輻射數據由日照時數計算獲得［11］.

1.3 研究方法

1.3.1 潛在蒸散發(fā)量估算方法 基于逐日平均氣溫、最高和最低氣溫、平均相對濕度、降水量、風速、日照時數以及平均本站氣壓資料，根據聯合國糧農組織（FAO）提出的修正Penman-Monteith公式（日尺度）[11]計算研究區(qū)潛在蒸散發(fā)量，運用ANUSPLIN氣象專用插值軟件進行空間插值處理[14]，生成潛在蒸散發(fā)量的空間分布圖，計算公式為：

式中：ET0為潛在蒸散發(fā)量，mm；Δ 為飽和水汽壓—溫度曲線斜率，kPa·℃-1；Rn為冠層表面凈輻射，MJ·m-2·d-1；G 為土壤熱通量，MJ·m-2·d-1；T 為日平均氣溫，℃；γ 為溫度計常數，kPa·℃-1；u2為2 m 高處的風速，m·s-1；es為飽和水汽壓，kPa；ea為實際水汽壓，kPa. 以上各項參數可由氣象要素計算得到，具體計算方法參見文獻［11］.

式中各項計算公式如下：

其中：Rns為短波凈輻射，MJ·m-2·d-1；Rnl為長波凈輻射，MJ·m-2·d-1.

其中：n為每天日照時數，h；N為最大天文日照時數，h；Ra為碧空太陽總輻射，MJ·m-2·d-1.

其中：dr為日地相對距離；ωs為日落時角度，rad；φ 為緯度，rad；δ 為太陽磁偏角，rad.

其中：Tmax為日最高氣溫，℃；Tmin為日最低氣溫，℃.

1.3.2 成因分析方法 借助地理探測器方法探討潛在蒸散發(fā)量空間差異特征的成因. 地理探測器是探測某事物的空間分異特征以及揭示其背后驅動機制的統(tǒng)計學方法［15］. 該方法的核心是基于一種假設，即若某自變量對因變量存在重要影響，那么該自變量和因變量應該具有相似的空間分布特征. 借助這一假設，本文利用地理探測器探測潛在蒸散發(fā)量空間差異與各驅動因素之間的關系.

地理探測器包括4種子探測器，即因子、生態(tài)、交互和風險探測器，各探測器的度量方法和主要目標存在著較大差異［16］. 本研究借助因子探測器和交互探測器，分析各驅動因素對潛在蒸散發(fā)量空間差異的影響程度，以及驅動因素兩兩之間對潛在蒸散發(fā)量空間差異的交互作用.

2 結果與分析

2.1 潛在蒸散發(fā)量空間分布特征

基于Penman-Monteith 模型估算研究區(qū)潛在蒸散發(fā)量，得到年潛在蒸散發(fā)量為740.57～870.07 mm，平均792.89 mm. 由圖2可以看出，研究區(qū)年潛在蒸散發(fā)量呈自南向北遞增的趨勢. 伏牛山北坡潛在蒸散發(fā)量明顯高于南坡，說明北坡氣候狀況相對南坡較為干旱. 高值區(qū)集中分布在研究區(qū)最北端，即伏牛山北坡的山麓地帶，年潛在蒸散發(fā)量均在820 mm以上，這些地區(qū)降水量較少，氣候比較干旱；低值區(qū)集中分布在研究區(qū)的西南端，即研究區(qū)南坡的山麓地帶，年潛在蒸散發(fā)量為740～760 mm，這些地區(qū)河流湖泊密布，降水量豐富，潛在蒸散發(fā)量小，氣候比較濕潤.

根據研究區(qū)實地的氣候特征，將3、4、5月劃為春季，6、7、8 月劃為夏季，9、10、11 月劃為秋季，12、1、2 月劃為冬季. 圖3為研究區(qū)四季潛在蒸散發(fā)量的空間分布. 由圖3可以看出，研究區(qū)四季潛在蒸散發(fā)量的空間分布存在明顯差異：由圖3（a）可以看出，研究區(qū)春季潛在蒸散發(fā)量空間格局與年潛在蒸散發(fā)量較為相似，南坡山麓地帶潛在蒸散發(fā)量最低，北坡山麓地帶潛在蒸散發(fā)量最高；由圖3（b）可以看出，夏季潛在蒸散發(fā)量高值區(qū)分布較為廣泛，普遍分布在研究區(qū)的中低山地區(qū)，這是由于夏季中低山地區(qū)氣溫較高，降水量豐富，有利于地表面蒸發(fā)，所以潛在蒸散發(fā)量較大，且夏季潛在蒸散發(fā)量低值區(qū)分布面積較小，主要分布在伏牛山高海拔地區(qū)的山脈主脊地帶，這些地區(qū)氣溫相對較低，風速較小，不利于蒸發(fā)，因此蒸散發(fā)量最??；由圖3（c）和（d）可知，研究區(qū)秋季和冬季的潛在蒸散發(fā)量空間格局較為相似，低值區(qū)所占面積比例較大，主要分布在研究區(qū)南坡的中低山地區(qū)，高值區(qū)所占面積比例較小，主要分布在海拔較高的山脊地帶. 表1為研究區(qū)年和四季潛在蒸散發(fā)量的統(tǒng)計值，從中可以看出：夏季潛在蒸散發(fā)量的平均值為316.45 mm，占全年的39.91%，對全年潛在蒸散發(fā)量的貢獻率最大；其次為春季，平均值為250.72 mm，占全年的31.62%；秋季和冬季平均值分別為134.06 mm和91.66 mm，對全年潛在蒸散發(fā)量的貢獻率最小，分別為16.91%和11.56%. 由此看出，春夏兩季潛在蒸散發(fā)量對全年潛在蒸散發(fā)量的貢獻率最大，占全年的71.53%.

圖2 研究區(qū)年潛在蒸散發(fā)量分布圖Fig.2 Spatial distribution of annual potential evapotranspiration of the the study area

圖3 研究區(qū)四季潛在蒸散發(fā)量的空間分布Fig.3 Spatial distributions of seasonal potential evapotranspiration in the study area

表1 研究區(qū)年和四季潛在蒸散發(fā)量Tab.1 Statistics of annual and seasonal potential evapotranspiration in the study area

2.2 潛在蒸散發(fā)量年內變化特征

研究區(qū)潛在蒸散發(fā)量具有明顯的年內分配特征（圖4），整體表現為先增大后減小，最高值出現在7月，最低值出現在1 月. 較低值集中分布在10、11、12、1、2 月，這個時期氣溫較低，太陽輻射量較小，植被處于非生長季，不利于地表水的蒸發(fā)和蒸騰，因此潛在蒸散發(fā)量較低. 從3 月開始，潛在蒸散發(fā)量迅速增加，在7 月達到最大. 高值區(qū)集中分布在5—8 月，這個時期氣溫逐漸回升，降水量和太陽輻射量逐漸增大，水熱條件和光照條件十分充足，有利于地面水蒸發(fā)，且植被處于生長茂盛期，蒸騰和蒸發(fā)旺盛，因此潛在蒸散發(fā)量較大.

圖4 研究區(qū)潛在蒸散發(fā)量、氣溫、降水量及太陽輻射月變化Fig.4 Monthly variation of potential evapotranspiration，temperature，precipitation，and solar radiation in the study area

2.3 潛在蒸散發(fā)空間差異成因分析

基于氣象站點數據，對研究區(qū)潛在蒸散發(fā)量分別與氣溫、降水量和太陽輻射進行相關性分析. 圖5 顯示潛在蒸散發(fā)量與降水量呈負相關，相關性達到最大（-0.40，P＜0.05），表明降水量大的區(qū)域氣候較濕潤，潛在蒸散發(fā)量較小，降水量越小的區(qū)域則潛在蒸散發(fā)量越大. 其次，潛在蒸散發(fā)量與太陽輻射的相關系數為0.29，太陽輻射可以為蒸散發(fā)過程提供能量，太陽輻射量越大，潛在蒸散發(fā)量越大. 潛在蒸散發(fā)量與氣溫的相關性最小，為0.27，氣溫的升高可為水汽輸送提供動力，氣溫越高潛在蒸散發(fā)量越大.

圖5 潛在蒸散發(fā)量與各氣象要素的相關系數對比Fig.5 Correlation coefficient between potential evapotranspiration and meteorological elements

基于氣象站點數據，運用ANUSPLIN 軟件進行插值處理，生成年均氣溫、降水量和太陽輻射空間數據. 借助ArcGIS10.2 軟件在研究區(qū)邊界圖上創(chuàng)建隨機采樣點（1000 個），并運用多值提取至點（Extract Multi Values to Points）工具，對潛在蒸散發(fā)量、氣溫、降水量與太陽輻射量空間數據按自然間斷法重分類后的圖層進行采樣，生成Excel屬性表. 借助地理探測器模型，將潛在蒸散發(fā)量作為Y變量，將氣溫、降水量與太陽輻射量作為X變量，得到各驅動因素對潛在蒸散發(fā)量的貢獻率（表2）. 就因子探測結果來看，降水量對潛在蒸散發(fā)量的貢獻率最大，為0.54（P＜0.01），太陽輻射和氣溫的貢獻率都比較小，分別為0.05和0.04. 由此來看，在這3個影響因素中，降水量是導致潛在蒸散發(fā)量空間差異的主導因素. 就交互探測結果來看，任意兩種因素的交互作用均為非線性增強（兩種因素的交互作用大于單一因素獨立作用之和），即任何兩種驅動因素對潛在蒸散發(fā)量的交互影響都要大于單一因素的影響. 具體體現在降水量與氣溫、太陽輻射對潛在蒸散發(fā)量的交互作用貢獻率都比較大，分別為0.81和0.77，均通過了0.01的顯著性檢驗，氣溫與太陽輻射的交互作用貢獻率為0.17，表明潛在蒸散發(fā)量的空間差異是由多種因素相互作用共同影響產生的，尤其是降水量與氣溫的交互影響最為顯著.

表2 潛在蒸散發(fā)空間差異驅動因素貢獻率Tab.2 Contribution rates of influencing factors to the spatial difference of potential evapotranspiration

3 結論與討論

基于研究區(qū)24個氣象站點的逐日氣象數據，運用Penman-Monteith模型估算了該地區(qū)潛在蒸散發(fā)量，從年、季和月3個時間尺度分析了潛在蒸散發(fā)量的時空分布特征，并運用相關分析和地理探測器方法探討了潛在蒸散發(fā)量空間差異特征的主要驅動因素. 得出以下結論：

1）研究區(qū)年潛在蒸散發(fā)量平均值792.89 mm，空間上呈自南向北遞增，伏牛山北坡潛在蒸散發(fā)量明顯高于南坡，說明北坡氣候狀況相對南坡較為干旱.

2）研究區(qū)四季潛在蒸散發(fā)量的空間分布存在明顯差異，春季潛在蒸散發(fā)量空間格局與年潛在蒸散發(fā)量較為相似；夏季潛在蒸散發(fā)量高值區(qū)分布較為廣泛；秋季與冬季的潛在蒸散發(fā)量空間格局較為相似，表現為低值區(qū)所占面積比例較大. 從各季潛在蒸散發(fā)量對全年潛在蒸散發(fā)量的貢獻來看，春夏兩季對全年潛在蒸散發(fā)量貢獻最大，占全年的71.53%.

3）研究區(qū)潛在蒸散發(fā)量具有明顯的年內分配特征，整體表現為先增大后減小，最高值出現在7月，最低值出現在1月.

4）相關性分析發(fā)現，潛在蒸散發(fā)量與降水量相關性最大，呈顯著的負相關關系（-0.4，P＜0.05），與太陽輻射、氣溫分別呈正相關關系，且相關性稍遜一籌，分別為0.29和0.27. 地理探測器結果發(fā)現，就因子探測結果來看，降水量對潛在蒸散發(fā)量空間差異的貢獻率最大，為0.54；太陽輻射和氣溫的貢獻率都比較小. 就交互探測結果來看，任何兩種驅動因素對潛在蒸散發(fā)量的交互影響都要大于單一因素的影響：降水量與氣溫、太陽輻射對潛在蒸散發(fā)量的交互作用貢獻率都比較大，分別為0.81和0.77；氣溫與太陽輻射的交互作用貢獻率為0.17. 表明潛在蒸散發(fā)量的空間差異是由多種因素相互作用共同影響產生的，尤其是降水量與氣溫的交互影響最為顯著.

本研究運用Penman-Monteith模型估算了研究區(qū)潛在蒸散發(fā)量，運用ANUSPLIN氣象專用插值軟件對潛在蒸散發(fā)量進行了空間化處理，并借助地理探測器方法探討了潛在蒸散發(fā)量空間差異的驅動機制，研究結果有助于水資源和陸地生態(tài)系統(tǒng)在特定空間位置上的優(yōu)化管理. 但本研究未考慮潛在蒸散發(fā)量在時間尺度上的變化特征及其驅動因素，在全球氣候變暖的大背景下［17］，區(qū)域尺度上蒸散發(fā)量的時間變化特征及其對氣候因素的敏感性研究顯得尤為重要［18］. 因此，未來的研究若能注重搜集長周期的氣象數據，開展時間尺度上的相關研究，將有助于應對氣候變化環(huán)境下的水資源安全和糧食安全等問題.