1954-2013年中国西南地区参考作物蒸散的时空变化外文翻译资料

英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

1954-2013年中国西南地区参考作物蒸散的时空变化

冯禹¹，崔宁博^2,*，赵璐²，龚道枝¹，张宽地^3,**

（1.农业高效用水和国家减灾工程实验室/农业部旱地重点实验室，环境与农业可持续发展研究所，中国农业科学院，中国 北京；2.水利与山河工程国家重点实验室，四川大学水利水电学院，中国 成都；3.西北农林科技大学水资源与建筑工程学院，中国 杨凌）

摘要：在西南地区，对参考作物蒸散（ET₀）时间趋势和空间变化的分析非常重要，因为在气候变化和人类活动的影响下，水资源很容易受影响。本文根据FAO-56 Penman-Monteith模型计算1954-2013年期间中国西南地区的119个站点的参考作物蒸散，并应用Mann-Kendall检验，线性趋势，Morlet小波分析和反距离加权插值等方法分析ET₀的时空变化特征。结果显示：（1）在过去60年中，年日照时数，相对湿度，风速和降水量都随温度升高而降低；（2）按年尺度来看，ET₀以每十年 1.5 mm的速度下降；（3）按春夏秋冬的季节尺度来看，ET₀每十年分别减少 0.4、0.7、0.3和 0.1 mm；（4）基于Morlet小波分析，ET₀的年平均值中存在26a、12a和5a的显著周期；（5）对于年ET₀和春季ET₀，其呈现出西南地区高于东北地区的空间分布。这些研究结果将有助于在气候变化和人类活动的影响下，对水资源进行可持续规划。

关键词： 参考蒸散；时空变化；ManneKendall；Morlet小波分析；中国西南

*通讯作者，四川大学水利水电学院，中国成都，610065。

**通讯作者

电子邮件地址: fengyu272@163.com (Y. Feng)、cuiningbo@126.com (N. Cui)、Zhangkuandi428@126.com ( K. Zhang )。

1.引言

根据政府间气候变化专门委员会的报告（IPCC，2007年），近100年（1906～2005）地面气温平均上升了0.74℃ ，且在接下来的一百年里全球气温可能会上升1.1～6.4℃。参考作物蒸散（ET₀）是气候变化活动和水循环一个重要指标，同时也是能量平衡与水平衡的一个连接（Wang等人，2012；Xu和Singh，2005）。蒸散不仅在地球大气系统能量收支中起着关键作用，而且也是水平衡的重要组成部分（Zhang等，2007；Wang等，2007）。参考作物蒸散量（ET₀）定义为“假设高度为0.12 ｍ，冠层阻力为7.0 ｍ/ｓ，反照率为0.23的参考冠层的蒸散，即生长旺盛，长势一致，完全覆盖地面且水分供应充足的开阔绿色草地的蒸散”（Allen等人，1998年）。它是农业生态系统中水文循环的重要组成部分，通常用于推导实际蒸散量的变化（Fan等人，2016年）。更好地了解ET₀的时空变化趋势，对于区域种植系统管理和水文生态研究具有重要意义（王等，2014；范等，2016）。

世界各地的研究表明，地表温度的升高将加速水文循环并增加ET₀（Jiang等人，2011年；Fu等人，2013年；Li等人，2015年）。然而，相关文献表明，在过去几十年中，世界许多地区的ET₀和蒸发皿蒸发量都有所下降，如美国（Irmak等人，2012年）、澳大利亚（Rayner，2007年）和泰国（Tebakari等人，2005年），这被称为“蒸发悖论”（Peterson等人，1995年；Roderick和Farquhar，2002年）。之后在中国也发现了同样的ET₀下降趋势，（Wang等，2007；Zhang等，2007，2010；Huo等，2013；Feng等，2014a）证实了中国存在“蒸发悖论”现象。 Wang等（2011）利用Mann-Kendall（M-K）检验和Sens方法分析了中国海河流域34个气象站（1957-2007年）的数据，发现海河流域年ET₀在ATgt;95%置信水平下呈显著下降趋势。Liu和Zhang（2013）研究了中国（西北）最干旱地区1960-2010年80个气象站ET₀的变化趋势，得到如下结果：根据Pettitt的测试，发现ET₀在1993年前后有一个突变点，从1960-1993年ET₀一直在减少，直至 1994年开始增加。Zhang等（2015）应用M-K检验、小波变换和简单线性回归方法，对1961-2012年中国黄河流域ET₀的时空分布进行了研究，结果表明：该地区年平均ET₀呈显著下降趋势，大约每年下降1.29 mm。然而，Li等人（2012）却发现， 1961～2009年间黄土高原的相对湿度呈下降趋势，温度呈上升趋势，ET₀显著上升。

最近，也就是2009年秋季至2010年春季，中国西南地区发生了严重干旱，影响了6000多万人（Yan等人，2013年）。据中国民政部透露，此次直接经济损失超过236.6亿元人民币（Feng等人，2014b）。在气候变化和人类活动的影响下，西南地区的水资源十分脆弱，因此有必要分析该地区ET₀的变化，为维持生态水文系统平衡提供合理的调水和管理选择（Zhang等，2015）。Fan和Thomas（2013）发现，中国西南部云南省的年季节ET₀均呈下降趋势，其中最显著的下降是在季风前（每10年减少1.5 mm，3-5月）和季风季节（每10年减少0.6 mm，6-8月）。Yin等人（2010）发现ET₀下降趋势是由中国西南地区日照时间缩短所致。然而，我国西南地区ET₀年变化和季节变化的定量分析还比较有限。

本研究的主要目的是：（1）分析1954年-2013年中国西南地区ET₀的年、季变化特征；（2）量化ET₀的年、季变化，以呈现空间趋势结构；（3）分析气候变化条件下ET₀的周期性；（4）探讨中国西南地区的“蒸发悖论”现象。

图1研究区域和气象站的位置。

2.资料和方法

2.1研究区域和数据集

中国西南部包括四川省、云南省、贵州省、广西自治区和重庆市，占地140万平方公里，人口约2亿。本研究将西南地区划分为四个区域，地形条件：（Ⅰ）川西高原（wsp），（Ⅱ）四川盆地（sb），（Ⅲ）云贵高原（ygp），（Ⅳ）广西（gx）（图1）。我国西南地区共有141个国家气象站，本文中选取的气象台站时间序列必须足够长，才能在趋势分析中获得统计显著的结果，且保证其中每个站的缺失数据不超过0.1%，因此共选取了119个站（图1）。这些气象站记录了1954年至2013年期间的6个日气象变量，包括最低气温（tmin，℃）、最高气温（tmax，℃）、平均相对湿度（rh，%）、10米风速（u10，m/s）、日照时数（n，h/d）、降水量（pr，m m/d）。数据处理时平均日气温按最高和最低气温的平均值计算，并需要对119个台站中约0.92%的日均缺失数据进行重构，对相邻台站的气象数据进行平均值计算，以完成对数据的修订。

2.2参考蒸散量和湿度指数的计算

研究区域没有实测的ET₀数据，因此采用FAO-56 Penman-Monteith（P-M）模型计算ET₀，当不能直接获得ET₀测量时，这是一种公认的常见做法，并且也是 FAO推荐的估算ET₀的唯一标准方法（Allen等人，1998；Kisi，2016；Feng等人，2016，2017）。大量的实验证明该方法在各种气候和时间步长计算中效果良好，无需进行任何局部校准（Lopez-Urrea等人，2006年；Valiantzas，2013年；Feng等人，2014a）。P-M模型表示如下：

(1)

式中，ET₀为参考蒸散量（mm_·d^-1）；Rn为净辐射（MJ_·m^-2_·d^-1）；G为土壤热通量密度（MJ.m^-2.d^-1）；Tmean是平均气温(℃)；e_s是饱和蒸气压，（kpa）；e_a为实际蒸气压（kpa）；Delta;为饱和水汽压—温度曲线斜

率(kPa/℃)；gamma;为干湿表常数 (kPa /℃)；U₂为2米处平均风速（m_·s^-1）。

由于缺少U₂数据，根据Allen等人的建议，该变量是通过使用对数垂直风速剖面的U₁₀数据估算的（1998）：

(2)

其中，z为地面以上的测量高度（m），Uz为地面以上z m处的测量风速（m_·s^-1），U₂为2 m高度处的风速（m_·s^-1）。

估算ET₀所需的所有数据的计算遵循FAO-56第3章中给出的方法和程序（Allen等，1998）。用日ET₀数据计算ET₀的月、季、年值。同时，以标准的气候方式定义四个季节：春季定义为3月至5月，夏季定义为6月至8月，秋季定义为9月至11月，冬季定义为12月至2月（Wang等人，2011）。

湿度指数被用来评估气候的湿度。（Sheng等人，2009年）：

(3)

式中Pr为降水量（mm）。站点可分为五类：超干旱区（WIlt;0.03）、干旱区（0.03lt;WIlt;0.2）、半干旱区（0.2lt;WIlt;0.5）、半湿润区（0.5lt;WIlt;1）、湿润区（WIgt;1）。

2.3 时空分析方法

2.3.1 Mann-Kendall检验

采用世界气象组织（WMO）推荐的非参数Mann-Kendall（M-K）试验（Mann，1945；Kendall，1948）来评估ET₀的变化趋势和突变的重要性，ET₀在水文和气象数据中广泛用于水文趋势检测（如Espadafor等人，2011；Huo等人，2013；Li等人，2016）。

1）对于变化趋势测试，m-k基于统计s（霍等人，2013年）：

(4)

其中xj是顺序数据值，n是数据集的长度，以及

(5)

也就是说，将每对观测到的连续值进行比较，找出第二个连续值大于第一个连续值，这意味着s的正值代表数据序列中的正趋势，而负值代表负趋势。假设数据独立且分布相同，则平均值和方差统计数据如下:

(6)

(7)

其中，tm是范围m的条带数。

因此，标准化试验统计Z_c可计算如下：

（8）

其中Z_c是测试统计数据。当丨Z_c丨gt;Z_1-a/2时，在a的显著性水平上，没有明显变化趋势的假设将被拒绝。

2）对于突变分析，m-k秩统计（sk）计算为（李等人，2016）

(9)

其中(10)

试验统计（sk）的平均值和方差表示为： (11) (12)

统计UF_k的序列值计算如下：

(13)

UF_k为正态分布，构成正向序列曲线。按照同样的程序，逆行时间序列被用来计算统计值UB_k=-UF_k（k=n，n-1，hellip;，1）的逆行序列值。所有UB_K组成一条曲线UB，所有UF_k组成一条曲线UF。在置信区间内，两条直线UF和UB的交点为变异点（置信水平为95%）。

2.3.2 线性趋势

系列y₁，y₂hellip;，y_i，hellip;，y_n可以用多项式表示（Tang等人，2011年）：

(14)

其中y_i是应变量(即ET₀，降水)，t是年份。一般情况下，时间序列的线性趋势可以用最小二乘法估计，也可以用线性回归来表示。公式如下：

(15)

中a₁为估算趋势，a₁

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21115]，资料为PDF文档或Word文档，PDF文档可免费转换为Word