畢彥杰，趙 晶，吳 迪，趙 勇

GFDL-ESM2M氣候模式下京津冀地區(qū)未來(lái)潛在蒸散量時(shí)空變化

畢彥杰1,2，趙 晶1※，吳 迪3，趙 勇2

（1. 華北水利水電大學(xué) 水資源學(xué)院，鄭州 450046； 2. 中國(guó)水利水電科學(xué)研究院流域水循環(huán)模擬與調(diào)控國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100038； 3. 中國(guó)灌溉排水發(fā)展中心，北京 100054）

為探究未來(lái)潛在蒸散量時(shí)空變化特征，該研究以京津冀地區(qū)為例，基于美國(guó)GFDL提供的GFDL-ESM2M全球氣候模式，得到京津冀地區(qū)92個(gè)格點(diǎn)2000－2050年的平均氣溫、最高氣溫、最低氣溫、太陽(yáng)總輻射、平均相對(duì)濕度和近地面平均風(fēng)速，應(yīng)用Penman-Monteith公式計(jì)算京津冀地區(qū)未來(lái)92個(gè)格點(diǎn)的逐日潛在蒸散量（ET0），分析其時(shí)空分布特征及其與氣象要素的相關(guān)關(guān)系。結(jié)果表明：未來(lái)年ET0總體呈增加趨勢(shì)，RCP8.5情景下ET0上升速度最快，且隨著時(shí)間推移增幅越來(lái)越大。夏季ET0增長(zhǎng)速度最快，其次為春季、秋季與冬季，意味著未來(lái)ET0季節(jié)差異將愈加明顯，可能出現(xiàn)更為嚴(yán)重的季節(jié)性干旱。ET0空間分布呈由西南向東北逐漸遞減趨勢(shì)，其中中部地區(qū)增速最快，增長(zhǎng)趨勢(shì)由中部向南北遞減。不同氣候情景下平均氣溫均呈逐年上升趨勢(shì)，風(fēng)速、太陽(yáng)總輻射略微上升，而相對(duì)濕度下降。ET0與太陽(yáng)總輻射的相關(guān)系數(shù)最大，呈由東北向西南遞增趨勢(shì)，其次為最高氣溫，呈由西北向東南遞增趨勢(shì)。ET0與相對(duì)濕度變化呈顯著負(fù)相關(guān)，相關(guān)系數(shù)絕對(duì)值呈東北向西南遞增趨勢(shì)，ET0與風(fēng)速相關(guān)度不明顯。該研究可為農(nóng)業(yè)需水預(yù)測(cè)與灌溉管理、科學(xué)應(yīng)對(duì)氣候變化提供基礎(chǔ)支撐。

蒸騰；蒸發(fā)；GFDL-ESM2M氣候模式；潛在蒸散量；時(shí)空分布；氣象要素

0 引 言

近年來(lái)，氣候變化問(wèn)題已引起世界范圍內(nèi)的廣泛關(guān)注。全球平均地表溫度在過(guò)去的100 a升高了(0.74±0.18)℃[1]，而最近50 a增溫速率是過(guò)去100 a的2倍，過(guò)去100 a與最近50 a增溫速率分別為(0.13±0.03)和(0.07±0.02)℃/10 a。除氣溫變化外，還表現(xiàn)在風(fēng)速、輻射、降雨、日照時(shí)數(shù)和相對(duì)濕度等氣象因子及受其影響顯著的徑流、蒸散量的變化[2-5]，這些變化已經(jīng)引起作物種植邊界[6]、種植結(jié)構(gòu)[7]、生育期[8]的變化，導(dǎo)致灌溉需水格局發(fā)生變化[9-11]。開(kāi)展氣候情景下未來(lái)潛在蒸散量時(shí)空變化趨勢(shì)研究，可為未來(lái)農(nóng)業(yè)需水預(yù)測(cè)與灌溉管理、科學(xué)應(yīng)對(duì)氣候變化提供基礎(chǔ)支撐。

未來(lái)潛在蒸散量預(yù)測(cè)研究雖然起步較晚，但一直受到國(guó)內(nèi)外學(xué)者廣泛關(guān)注。目前主要有兩種預(yù)測(cè)思路：一種是在歷史ET0的基礎(chǔ)上通過(guò)降尺度方法直接預(yù)測(cè)未來(lái)ET0。如邢萬(wàn)秋等[12-17]通過(guò)統(tǒng)計(jì)降尺度模型（statistical downscaling model，SDSM）實(shí)現(xiàn)HadCM3輸出ET0數(shù)據(jù)網(wǎng)格到站點(diǎn)的尺度降解，生成氣候情景下未來(lái)流域或區(qū)域的ET0。Xing等[18]運(yùn)用4個(gè)大氣模式以及3個(gè)氣候模式預(yù)測(cè)未來(lái)ET0，發(fā)現(xiàn)21世紀(jì)ET0增加歸功于氣溫的增加。Chattopadhyay等[19]基于全球6種氣候模式計(jì)算印度未來(lái)ET0，發(fā)現(xiàn)印度未來(lái)ET0呈增加趨勢(shì)。另一種是采用降尺度方法將氣候模式輸出的氣象因子降為日序列，然后采用公式估算ET0。如左德鵬等[20-22]通過(guò)氣候模式生成氣溫日序列，通過(guò)率定Hargreaves公式，預(yù)測(cè)未來(lái)流域或區(qū)域ET0。Lovelli等[23-29]基于區(qū)域氣候模式/天氣發(fā)生器模型及降尺度方法，得到最高氣溫、最低氣溫、降雨與輻射等氣象要素，應(yīng)用Penman-Monteith公式計(jì)算地中海地區(qū)、比利時(shí)、英格蘭西南部、波多黎各、英國(guó)未來(lái)ET0變化。目前，利用潛在蒸散量估算方法結(jié)合各類氣候模式輸出結(jié)果探討氣候情景下未來(lái)ET0的研究仍處于起步階段，定量深入研究亟需加強(qiáng)[30]。

京津冀地區(qū)屬于溫帶大陸季風(fēng)氣候區(qū)，多年平均降雨量507 mm，且時(shí)空分布不均，年蒸發(fā)能力在9 002 000 mm，是中國(guó)北方嚴(yán)重缺水區(qū)和地下水超采區(qū)。京津冀也是中國(guó)北方經(jīng)濟(jì)規(guī)模最大、最具活力、人類活動(dòng)影響較為劇烈的地區(qū)，以不足全國(guó)0.7%的水資源，承載著全國(guó)約8%的人口、6%的糧食生產(chǎn)和10%的GDP[31]。京津冀地區(qū)自古以來(lái)就是中國(guó)重要的農(nóng)業(yè)生產(chǎn)區(qū)，河北平原區(qū)土層較厚且土壤肥沃，是農(nóng)作物主要種植區(qū)，該區(qū)域約占京津冀地區(qū)總面積的44%左右，農(nóng)業(yè)灌溉用水需求量大。京津冀地區(qū)蒸散量受氣候、季節(jié)、緯度、地理位置等影響，具有明顯時(shí)空差異性，研究該地區(qū)未來(lái)潛在蒸散量時(shí)空變化特征對(duì)農(nóng)業(yè)灌溉與生產(chǎn)十分重要。目前對(duì)京津冀地區(qū)歷史ET0時(shí)空變化特征及其變化成因已有大量相關(guān)研究，但關(guān)于未來(lái)ET0變化與成因的定量研究相對(duì)較少。本文基于美國(guó)Geophysical Fluid Dynamics Laboratory(GFDL)提供的GFDL-ESM2M全球氣候模式，得到京津冀地區(qū)92個(gè)格點(diǎn)2000－2050年的平均氣溫、最高氣溫、最低氣溫、太陽(yáng)總輻射、平均相對(duì)濕度和近地面平均風(fēng)速，應(yīng)用1998年FAO最新推薦的Penman-Monteith公式計(jì)算了京津冀地區(qū)未來(lái)逐日ET0，基于MK (Mann—Kendal)趨勢(shì)法與ArcGIS軟件研究ET0的時(shí)空變化特征，計(jì)算ET0與最高氣溫、最低氣溫、平均氣溫、風(fēng)速、太陽(yáng)總輻射和相對(duì)濕度的相關(guān)系數(shù)，并分析其時(shí)空變化特征，可為京津冀地區(qū)未來(lái)變化環(huán)境下的水循環(huán)響應(yīng)、農(nóng)業(yè)需水預(yù)測(cè)、農(nóng)業(yè)節(jié)水潛力和水資源優(yōu)化配置研究提供參考。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 數(shù)據(jù)來(lái)源與處理

2011年Climatic Change?？薪榻B了新一代的溫室氣體排放情景——代表性濃度路徑（representative concentration pathways, RCPs），該情景是IPCC在第五次評(píng)估報(bào)告中開(kāi)發(fā)的新情景，分別為RCP2.6、RCP4.5、RCP6.0和RCP8.5。RCPs的優(yōu)勢(shì)在于相對(duì)于AR3和AR4中所用的SRES而言，該情景更能代表21世紀(jì)的氣候政策。每個(gè)RCP所提供的資料集具有全面、高空間分辨率的特點(diǎn)，資料集包括：土地利用變化、空氣污染物排放量、人為排放量和溫室氣體濃度（到2100年）等[32]。

GFDL-ESM2M氣候模式能較好地代表區(qū)域平均氣溫的變化趨勢(shì)[33]。國(guó)家“十二五”氣候變化影響評(píng)估科技支撐研究計(jì)劃項(xiàng)目曾基于GFDL-ESM2M氣候模式模擬未來(lái)中國(guó)水資源情勢(shì)。馬丹陽(yáng)等[34-35]基于GFDL-ESM2M氣候模式預(yù)估了未來(lái)中國(guó)干濕區(qū)面積與氣候干濕的變化趨勢(shì)，上述研究表明GFDL-ESM2M氣候模式在中國(guó)區(qū)具有較好的應(yīng)用效果[36-37]，因此選擇GFDL-ESM2M全球氣候模式模擬預(yù)測(cè)未來(lái)ET0的變化。為定量說(shuō)明本文所選取的氣候模式在京津冀地區(qū)的適用性，利用2000年1月－2018年12月期間模擬和實(shí)測(cè)的逐月氣溫?cái)?shù)據(jù)，依據(jù)“概率分布吻合最優(yōu)”原則，對(duì)氣候模式的適用性進(jìn)行評(píng)價(jià)，具體做法如下：

1）選取4參數(shù)的貝塔分布（公式（1））[38]對(duì)實(shí)測(cè)和模擬的月氣溫?cái)?shù)據(jù)進(jìn)行擬合。

貝塔函數(shù)概率密度：

式中是隨機(jī)變量，與是隨機(jī)變量服從的參數(shù)，與為分別為參數(shù)的最小值與最大值。

2）定義一個(gè)評(píng)分值Skill Score（SS值），用以定量化氣候模式對(duì)氣溫的模擬效果。SS值的大小即為月氣溫的實(shí)測(cè)值和模擬值概率密度曲線所圍成的公共部分面積。SS的值介于0和1之間，當(dāng)SS接近0時(shí)，說(shuō)明實(shí)測(cè)值和模擬值的概率曲線基本沒(méi)有重合部分，而當(dāng)SS接近1時(shí)，說(shuō)明實(shí)測(cè)值和模擬值的概率曲線接近完全重合，因此，SS值越大，模式模擬效果越優(yōu)。

全球氣候模式GFDL-ESM2M的模擬效果SS值見(jiàn)表1，在RCP8.5情景下，年平均氣溫模擬的SS值能達(dá)到0.86，月平均氣溫的SS值在4－10月模擬效果較好，均超過(guò)0.83。4－10月的ET0占全年ET0的90%左右，故氣候模式GFDL-ESM2M在京津冀地區(qū)的適用性較好。

表1 GFDL-ESM2M氣候模式下平均氣溫模擬效果（SS值）

插值和訂正方法分別為雙線性插值和基于概率分布的統(tǒng)計(jì)偏差訂正[39-40]。模式提供的氣象要素包括：平均氣溫、最高氣溫、最低氣溫、降水量、太陽(yáng)總輻射、平均相對(duì)濕度、地面氣壓和近地面平均風(fēng)速，分辨率為0.5°×0.5°，涉及情景分別為：RCP2.6、RCP4.5、RCP6.5、RCP8.5，研究時(shí)段選取2021年1月1日—2050年12月31日，選取其中的RCP2.6、RCP4.5和RCP8.5，分別表示低、中、高情景。該數(shù)據(jù)集是以全國(guó)國(guó)家級(jí)臺(tái)站日降水量/氣溫觀測(cè)數(shù)據(jù)為基礎(chǔ)，利用薄盤(pán)樣條法[41-42]，同時(shí)引入數(shù)字高程資料以盡可能地消除中國(guó)區(qū)域獨(dú)特地形條件下高程對(duì)空間插值精度的影響。其中，用于插值的氣象數(shù)據(jù)是全國(guó)2 474個(gè)國(guó)家級(jí)臺(tái)站近50 a逐日相對(duì)濕度、地面氣壓和氣溫資料，地形數(shù)據(jù)是由GTOPO30數(shù)據(jù)（分辨率為0.05°×0.05°）經(jīng)過(guò)重采樣生產(chǎn)的中國(guó)陸地0.5°×0.5°的數(shù)字高程模型DEM。用于評(píng)價(jià)模式的格點(diǎn)分布如圖1所示，京津冀地區(qū)共計(jì)92個(gè)格點(diǎn)。

1.2 Penman—Monteith公式

在蒸散量研究中，基于表面阻力的Penman-Monteith公式被認(rèn)為是計(jì)算潛在蒸散量較精確的方法之一[43]，該方法計(jì)算準(zhǔn)確度較高，因其僅受當(dāng)?shù)貧夂驐l件和海拔的影響，應(yīng)用范圍較為廣泛[44]。本文采用Penman-Monteith公式計(jì)算潛在蒸散量：

式中ET0為潛在蒸散量，mm/d；Rn為作物表面凈輻射量，MJ/(m2·d)；G為土壤熱通量，MJ/(m2·d)；Δ為飽和水氣壓與氣溫關(guān)系曲線的斜率，kPa/℃；γ為濕度計(jì)常數(shù)，kPa/℃；Tmean為空氣平均氣溫，℃；U2在地面以上2 m高處的風(fēng)速，m/s；es為空氣飽和水氣壓，kPa；ea為實(shí)際飽和水氣壓，kPa。

應(yīng)用式（3）轉(zhuǎn)換為2 m處的風(fēng)速。

式中為離地面的距離，m；u為米處的風(fēng)速，m/s。

1.3 Mann—Kendal 趨勢(shì)檢驗(yàn)與相關(guān)系數(shù)

Mann—Kendall非參數(shù)統(tǒng)計(jì)方法是應(yīng)用于水文、氣象序列趨勢(shì)、突變分析的一種成熟方法，能有效區(qū)分某一自然過(guò)程是處于自然波動(dòng)還是存在確定的變化趨勢(shì)[45]，已獲得世界氣象組織的力薦。

相關(guān)系數(shù)最早由統(tǒng)計(jì)學(xué)家卡爾·皮爾遜設(shè)計(jì)的統(tǒng)計(jì)指標(biāo)，是研究變量之間線性相關(guān)程度的量。

2 結(jié)果與分析

2.1 ET0年際變化

將未來(lái)30 a ET0長(zhǎng)期變化采用一次線性回歸方程進(jìn)行表示，由圖2可見(jiàn)，京津冀地區(qū)RCP2.6、RCP4.5、RCP8.5的氣象傾向率分別為1.365、1.907、2.709 mm/a，表明未來(lái)年ET0總體呈增加趨勢(shì)。這與邢萬(wàn)秋等[12]預(yù)測(cè)海河流域未來(lái)ET0大部分地區(qū)呈上升趨勢(shì)及唐曉培等[21]在RCP4.5和RCP8.5兩種排放情景下預(yù)測(cè)黃淮海地區(qū)ET0整體呈增加趨勢(shì)相一致。

對(duì)比3個(gè)氣候情景下未來(lái)ET0可以發(fā)現(xiàn)RCP8.5情景下ET0上升速度最快，且隨著時(shí)間的推移增加量越來(lái)越大。主要是由于該情景是溫室氣體最高排放情景，長(zhǎng)期高能源需求及高溫室氣體排放，且缺少應(yīng)對(duì)氣候變化的政策，引起氣溫升高、輻射增加，進(jìn)而ET0增速最快。3類氣候情景下年ET0均無(wú)明顯突變點(diǎn)。

圖2 不同氣候情景下京津冀地區(qū)未來(lái)ET0值

2.2 ET0年代際變化

由表2可知，RCP2.6情景下京津冀地區(qū)2020 s ET0平均值為1 010 mm，2030 s為1 018 mm，2040 s為1 028 mm，與基準(zhǔn)年1961－2018年的平均值相比，分別增長(zhǎng)了8、16、26 mm，表明RCP2.6情景下京津冀地區(qū)ET0整體上呈增加趨勢(shì)，且不同年代增幅隨時(shí)間推移加大，即其中2040 s增幅最大。RCP4.5 情景下京津冀地區(qū)3個(gè)年代ET0平均值分別較1960－2018平均值增加13、23、41 mm，2040 s增幅最大。RCP4.5情景下京津冀地區(qū)ET0增幅明顯比RCP2.6大。RCP8.5 情景下京津冀地區(qū)3個(gè)時(shí)間段ET0平均值分別較1960－2018平均值增加23、38、54 mm，其中2040 s增幅最大。RCP8.5情景下京津冀地區(qū)ET0增幅明顯比RCP4.6大。

表2 不同氣候情景下不同年代ET0平均值

注：基準(zhǔn)年為1961－2018年。

Note: The base years are 1961－2018.

由表3可知，不同季節(jié)的ET0均呈不斷上升趨勢(shì)，其中夏季ET0增長(zhǎng)速度最快，其次為春季、秋季與冬季。這將引起未來(lái)夏季ET0對(duì)全年貢獻(xiàn)率隨時(shí)間推移持續(xù)上升，而秋冬兩季ET0對(duì)全年貢獻(xiàn)率隨時(shí)間推移持續(xù)減少，如RCP8.5在2020 s夏季ET0對(duì)全年貢獻(xiàn)率達(dá)到39.8%，2030 s上升至40.0%，2040 s上升至40.3%，表明未來(lái)ET0季節(jié)分布差異將愈加明顯，可能出現(xiàn)更為嚴(yán)重的季節(jié)性干旱。3種氣候情景下ET0的四季增量，RCP8.5明顯大于RCP4.5，大于RCP2.6。

表3 不同氣候情景下不同年代季節(jié)ET0

2.3 ET0空間分布特征

不同氣候情景下京津冀地區(qū)未來(lái)年ET0空間分布特征相近，均呈由西南向東北逐漸遞減趨勢(shì)（圖3），南部平原區(qū)的石家莊市ET0最大（1 208～1 262 mm），邢臺(tái)、邯鄲與保定等市ET0處在高值區(qū)，而北部的秦皇島市ET0最?。?37～973 mm），西北山區(qū)的張家口與承德市ET0處在低值區(qū)。

不同氣候情景下京津冀地區(qū)未來(lái)年ET0變化趨勢(shì)空間分布如圖4所示，均呈顯由中部向南北遞減趨勢(shì)，中部地區(qū)的天津市與唐山市ET0增加趨勢(shì)最為顯著（達(dá)到了99%的顯著性水平），南部地區(qū)的石家莊、邢臺(tái)與邯鄲市與北部的承德市值較小，主要是由于南部平原區(qū)大面積農(nóng)田及其灌溉緩解了氣溫的升高，增加了空氣濕度，而西北部主要為山區(qū)，能源消耗小，氣溫上升相對(duì)較小。

圖3 不同氣候情景下京津冀地區(qū)未來(lái)ET0空間分布特征

圖4 不同氣候情景下京津冀地區(qū)未來(lái)ET0 MK值空間分布特征

RCP2.6與RCP4.5情景下ET0變化趨勢(shì)類似，而RCP8.5氣候情景下承德市，尤其是承德東南部地區(qū)，ET0變化趨勢(shì)相對(duì)于前兩類氣候情景更為顯著。主要原因可能是歷史時(shí)期該地區(qū)ET0較小，冀東地區(qū)能源消費(fèi)占京津冀全部的1/4左右，RCP8.5情景下能源消耗大，溫室氣體排放量大，在大全球氣候變暖的大背景下，承德東南部地區(qū)ET0較RCP2.6與RCP4.5增加趨勢(shì)顯著。

2.4 ET0與氣象要素相關(guān)關(guān)系

2.4.1 氣象要素變化情況

為了進(jìn)一步探究GFDL-ESM2M氣候模式下京津冀地區(qū)未來(lái)ET0的變化原因，圖5給出了不同氣候情景下平均氣溫、太陽(yáng)總輻射、風(fēng)速、相對(duì)濕度的逐年變化趨勢(shì)。由圖5a可以看出，未來(lái)30 a不同氣候情景下京津冀地區(qū)平均氣溫均呈逐年上升趨勢(shì)。RCP2.6、RCP4.5、RCP8.5情景下2021－2050年多年平均氣溫分別為10.83、11.00、11.51 ℃，較基準(zhǔn)年1961－2018年的平均值分別上升了21.38%、24.32%、29.04%，可以看出RCP8.5情景下京津冀地區(qū)平均氣溫增幅最大。由圖5b可以看出，未來(lái)30 a京津冀地區(qū)風(fēng)速呈略微上升趨勢(shì)。RCP2.6、RCP4.5、RCP8.5情景下2021－2050年多年風(fēng)速平均值為2.08、2.09、2.11 m/s，較基準(zhǔn)年1961－2018年的平均值分別上升了3.79%、4.40%、5.65%，RCP8.5情景下京津冀地區(qū)風(fēng)速增幅最大。由圖5c可以看出，未來(lái)30 a京津冀地區(qū)太陽(yáng)總輻射也呈略微上升趨勢(shì)。RCP8.5情景下京津冀地區(qū)太陽(yáng)總輻射增幅最大。由圖5d可以看出，未來(lái)30 a京津冀地區(qū)相對(duì)濕度呈略微下降趨勢(shì)，其中RCP8.5情景下京津冀地區(qū)相對(duì)濕度降幅最大。

圖5 不同氣候情景下京津冀地區(qū)氣象要素逐年變化情況

2.4.2 相關(guān)關(guān)系分析

由表4可以看出未來(lái)年ET0與氣象要素的相關(guān)系數(shù)。ET0與太陽(yáng)總輻射的相關(guān)系數(shù)最大，均超過(guò)0.830，其次為最高氣溫（均超過(guò)0.822），與相對(duì)濕度變化呈顯著負(fù)相關(guān)，RCP8.5情景下相關(guān)系數(shù)為?0.645。

表4 不同氣候情景下ET0與氣象要素的相關(guān)系數(shù)

ET0與風(fēng)速相關(guān)度不大，相關(guān)系數(shù)均小于0.1。對(duì)比不同氣候情景下未來(lái)ET0與氣象要素的相關(guān)系數(shù)發(fā)現(xiàn)，ET0與氣溫的相關(guān)系數(shù)，隨著排放濃度的增加呈不斷上升趨勢(shì)，尤其是最低氣溫，增幅高于最高氣溫與平均氣溫。ET0與太陽(yáng)總輻射的相關(guān)系數(shù)，RCP2.6最大，隨著排放濃度的增加反而呈下降趨勢(shì)，原因可能是氣溫升高，引起輻射增加，但能源的大量消耗，導(dǎo)致空氣中氣溶膠含量增加，霧霾日數(shù)增多，日照時(shí)數(shù)下降，引起太陽(yáng)總輻射下降，日照時(shí)數(shù)減少的負(fù)影響超過(guò)氣溫上升的正影響。ET0與相對(duì)濕度的相關(guān)系數(shù)絕對(duì)值隨著排放濃度的增加而呈減少趨勢(shì)。ET0與風(fēng)速的相關(guān)系數(shù)雖然較小，但隨著排放濃度增加呈上升趨勢(shì)。

不同氣候情景下ET0與氣象要素相關(guān)系數(shù)空間分布情況類似，RCP8.5氣候情景下未來(lái)ET0與平均氣溫、太陽(yáng)總輻射、風(fēng)速和相對(duì)濕度相關(guān)系數(shù)空間分布見(jiàn)圖6，ET0與平均氣溫的相關(guān)系數(shù)呈西北向東南遞增的趨勢(shì)，南部的邯鄲、邢臺(tái)市與東部的唐山、滄州市ET0與平均氣溫的相關(guān)系數(shù)處在高值區(qū)（0.82以上），而西北部的張家口市、承德市處在低值區(qū)。ET0與太陽(yáng)總輻射的相關(guān)系數(shù)呈東北向西南遞增的趨勢(shì)，西南部的邯鄲、邢臺(tái)與石家莊ET0與太陽(yáng)總輻射的相關(guān)系數(shù)處在高值區(qū)（0.83以上），而東北部的承德市、張家口市處在低值區(qū)。整體來(lái)說(shuō)ET0與平均氣溫和太陽(yáng)總輻射相關(guān)系數(shù)空間部分較為相近。ET0與風(fēng)速的相關(guān)系數(shù)呈由西向東遞減的趨勢(shì)，西部的石家莊市ET0與風(fēng)速的相關(guān)系數(shù)處在高值區(qū)（0.20左右），而東部的承秦皇島市處在低值區(qū)。ET0與相對(duì)濕度的相關(guān)系數(shù)絕對(duì)值呈東北向西南遞增的趨勢(shì)，西南部的邯鄲、邢臺(tái)與石家莊ET0與太陽(yáng)總輻射的相關(guān)系數(shù)絕對(duì)值處在高值區(qū)（0.70左右），而東北部的秦皇島、承德市與唐山市ET0與太陽(yáng)總輻射的相關(guān)系數(shù)絕對(duì)值的處在低值區(qū)。

圖6 RCP8.5氣候情景下京津冀地區(qū)未來(lái)ET0與氣象要素相關(guān)系數(shù)空間分布

3 討 論

本文所采用的3類氣候情景是基于溫室氣體和氣溶膠的排放情景所做的預(yù)估，其中，排放情景是對(duì)諸如溫室氣體、氣溶膠等對(duì)輻射有潛在影響的物質(zhì)在未來(lái)排放趨勢(shì)的表述。RCP2.6情景：把全球平均氣溫上升限制在2.0℃之內(nèi)，其中21世紀(jì)后半葉能源應(yīng)用為負(fù)排放，輻射強(qiáng)迫在2100年之前達(dá)到峰值，到2100年下降至2.6 W/m2，屬于低濃度路徑。RCP4.5情景：2100年輻射強(qiáng)迫穩(wěn)定在4.5 W/m2，相對(duì)于RCP 2.6與RCP 8.5屬于中間穩(wěn)定路徑，更接近實(shí)際發(fā)展。RCP8.5情景：假定人口最多、技術(shù)革新率不高、能源改善緩慢。這將導(dǎo)致長(zhǎng)時(shí)間高能源需求及高溫室氣體排放，而且缺少應(yīng)對(duì)氣候變化的政策。2100年輻射強(qiáng)迫上升至8.5 W/m2，屬于高濃度路徑。三者都具有研究意義。

根據(jù)Penman-Monteith公式，影響ET0的氣象要素有氣溫、太陽(yáng)輻射、相對(duì)濕度與風(fēng)速等。此外下墊面狀況以及人類活動(dòng)會(huì)間接影響ET0。如城市化進(jìn)程加快，地表利用率不斷發(fā)生改變，城市熱島效應(yīng)、雨島效應(yīng)、煙霧島效應(yīng)對(duì)作物蒸騰和土壤蒸發(fā)均產(chǎn)生一定程度影響。RCP8.5情景是長(zhǎng)時(shí)間高能源需求及高溫室氣體排放而缺少氣候變化應(yīng)對(duì)政策的情景，該種情景的氣溫、輻射（日照時(shí)數(shù)）、風(fēng)速與相對(duì)濕度均受到溫室氣體排放與大氣中氣溶膠的影響，即一定程度上考慮了城市熱島效應(yīng)、干島效應(yīng)與暗島效應(yīng)等人類活動(dòng)的影響，而應(yīng)用這些氣象要素計(jì)算的ET0也同樣考慮了人類活動(dòng)的影響。

京津冀城市群是中國(guó)北方經(jīng)濟(jì)規(guī)模最大、最具活力、人類活動(dòng)影響最為劇烈的地區(qū)，大量的化石能源消費(fèi)與快速的城鎮(zhèn)化水平也是造成京津冀地區(qū)ET0區(qū)域存在明顯差異性的重要因素。本文研究發(fā)現(xiàn)RCP2.6、RCP4.5和RCP8.5情景下2021－2050年京津冀地區(qū)ET0整體呈增加趨勢(shì)，沒(méi)有出現(xiàn)“蒸發(fā)悖論”現(xiàn)象，與大部分學(xué)者在氣候情景下采用其他方法預(yù)測(cè)的ET0[12-13,19,21,24-29]變化趨勢(shì)相似，這可能因?yàn)樵摰貐^(qū)整體氣溫、輻射等增加對(duì) ET0產(chǎn)生的正效應(yīng)大于其他因素對(duì)ET0產(chǎn)生的負(fù)效應(yīng)。邢萬(wàn)秋等[12]基于HadCM3 輸出ET0數(shù)據(jù)發(fā)現(xiàn)：未來(lái)A2和B2兩種氣候模式下，海河流域的ET0在大部分區(qū)域均呈增加趨勢(shì)，且A2 情景下ET0增加量較B2情景大。本文發(fā)現(xiàn)京津冀地區(qū)未來(lái)ET0均呈增加趨勢(shì)，且RCP8.5情景大于RCP4.5，大于RCP2.6情景，研究結(jié)論類似。關(guān)于ET0空間分布，本文認(rèn)為京津冀地區(qū)天津、唐山與秦皇島地區(qū)ET0處在低值區(qū)，唐曉培等[21]認(rèn)為黃淮海地區(qū)的河北唐山、樂(lè)亭附近處在ET0低值區(qū)，與本文研究結(jié)論類似。關(guān)于ET0變化趨勢(shì)空間分布，邢萬(wàn)秋等[12]認(rèn)為未來(lái)ET0在灤河流域的中游和下游、海河北系西北部增速較快，本文認(rèn)為天津、唐山與承德等市ET0增加趨勢(shì)較為明顯，研究結(jié)論類似。關(guān)于季節(jié)ET0分布，邢萬(wàn)秋等[12]認(rèn)為夏季流域大部分區(qū)域的ET0均呈明顯增加趨勢(shì)，ET0季節(jié)分布差異隨時(shí)間推移愈加明顯，本文認(rèn)為不同季節(jié)ET0均呈增加趨勢(shì)，其中夏季ET0增速最為明顯，研究結(jié)論一致，未來(lái)ET0季節(jié)分布差異將愈加明顯，意味著可能出現(xiàn)更為嚴(yán)重的季節(jié)性干旱。關(guān)于ET0變化原因分析：Han等[46]認(rèn)為京津冀地區(qū)多數(shù)站點(diǎn)歷史ET0與平均氣溫、日照時(shí)數(shù)和風(fēng)速呈顯著正相關(guān)，與相對(duì)濕度呈顯著負(fù)相關(guān)。謝賢群等[47]研究發(fā)現(xiàn)太陽(yáng)總輻射變化對(duì)我國(guó)北方潛在蒸發(fā)變化的貢獻(xiàn)率為78%左右。邢萬(wàn)秋等[12]認(rèn)為前2個(gè)時(shí)期：2020 s和2040 s，輻射是呈上升趨勢(shì)的，特別是2040 s，輻射是直接導(dǎo)致該時(shí)期ET0上升的因素。本文通過(guò)相關(guān)分析發(fā)現(xiàn)ET0與太陽(yáng)總輻射的相關(guān)關(guān)系最為明顯，與Han等[46]、謝賢群等[47]與邢萬(wàn)秋等[12]研究結(jié)論較為相似。

受數(shù)據(jù)資料所限，本文沒(méi)有計(jì)算2050－2100年ET0，根據(jù)唐曉培等[21]與邢萬(wàn)秋等[12]研究，2050－2100年，該地區(qū)ET0將繼續(xù)增長(zhǎng)，尤其是高排放情景下，未來(lái)氣溫上升是導(dǎo)致ET0增加的主要因素。未來(lái)該地區(qū)ET0明顯增大表明區(qū)域蒸散加快，水資源短缺可能進(jìn)一步加劇，可能出現(xiàn)更為嚴(yán)重的干旱。

4 結(jié) 論

1）京津冀地區(qū)未來(lái)ET0總體呈增加趨勢(shì)，RCP8.5情景下ET0上升速度最快，氣象傾向率為2.709 mm/a，且隨著時(shí)間的推移增量越來(lái)越大，2020 s、2030 s與2040 s ET0平均值分別較基準(zhǔn)期增加23、38、54 mm。未來(lái)四季ET0均呈不斷上升趨勢(shì)，其中夏季ET0增長(zhǎng)速度最快，其次為春季、秋季與冬季。意味著未來(lái)ET0季節(jié)分布差異將愈加明顯，可能出現(xiàn)更為嚴(yán)重的季節(jié)性干旱。

2）不同氣候情景下京津冀地區(qū)未來(lái)年 ET0空間變化特征類似，均呈現(xiàn)從西南向東北逐漸遞減趨勢(shì)，南部平原區(qū)的石家莊市ET0最大（1 208～1 262 mm），西北山區(qū)的張家口與承德市ET0處于低值區(qū)。不同氣候情景下京津冀地區(qū)未來(lái)ET0變化趨勢(shì)的空間分布均呈現(xiàn)由中部向南北遞減。

3）未來(lái)30 a京津冀地區(qū)平均氣溫明顯上升，風(fēng)速、太陽(yáng)總輻射呈略微上升趨勢(shì)，而相對(duì)濕度呈下降趨勢(shì)。ET0與太陽(yáng)總輻射的相關(guān)系數(shù)最為明顯，均超過(guò)0.830，其次為最高氣溫（均超過(guò)0.822），與相對(duì)濕度的變化呈顯著負(fù)相關(guān)，RCP8.5情景下相關(guān)系數(shù)為?0.645，與風(fēng)速相關(guān)度不大，不同情景下相關(guān)系數(shù)均小于0.1。ET0與太陽(yáng)總輻射的相關(guān)系數(shù)隨著排放濃度的增加反而呈下降趨勢(shì)，可能是由于能源的大量消耗，導(dǎo)致空氣中氣溶膠的含量增加，霧霾日數(shù)增多，日照時(shí)數(shù)下降，引起輻射減少，日照時(shí)數(shù)減少的負(fù)影響超過(guò)氣溫上升的正影響。ET0與平均氣溫的相關(guān)系數(shù)呈西北向東南遞增趨勢(shì)，與太陽(yáng)總輻射的相關(guān)系數(shù)與相對(duì)濕度的相關(guān)系數(shù)絕對(duì)值呈東北向西南遞增趨勢(shì)，與風(fēng)速的相關(guān)系數(shù)呈由西向東遞減趨勢(shì)。

[1] Solomon S, Qin D, Manning M, et al. Climate Change 2007: the Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change[M]. New York: Cambridge University Press, 2007.

[2] IPCC. Climate change 2001: Impacts, adaptation, and vulnerability[R]. Cambridge: Cambridge University Press, 2001.

[3] 王國(guó)慶，張建云，李巖，等. 海河流域基于多模式的未來(lái)氣候變化趨勢(shì)[J]. 資源科學(xué)，2014，36(5)：1043－1050.

Wang Guoqing, Zhang Jianyun, Li Yan. Variation trend of future climate for the Hai River basin based on multiple GCMs projections[J]. Resources Science, 2014, 36(5): 1043－1050. (in Chinese with English abstract)

[4] Wang W, Shao Q, Peng S, et al. Reference evapotranspiration change and the causes across the Yellow River Basin during 1957－2008 and their spatial and seasonal differences[J]. Water Resources Research, 2012, 48(5): 113－122.

[5] Li Z, Zheng F L, Liu W Z, et al. Spatial distribution and temporal trends of extreme temperature and precipitation events on the Loess Plateau of China during 1961－2007[J]. Quaternary International, 2010, 226(1): 92－100.

[6] 楊曉光，劉志娟，陳阜. 全球氣候變暖對(duì)中國(guó)種植制度可能影響Ⅰ.氣候變暖對(duì)中國(guó)種植制度北界和糧食產(chǎn)量可能影響的分析[J]. 中國(guó)農(nóng)業(yè)科學(xué)，2010，43(2)：329－336.

Yang Xiaoguang, Liu Zhijuan, Chen Fu. The possible effects of global warming on cropping systems in China Ⅰ. [J]. Scientia Agricultura Sinica, 2010, 43(2): 329－336 .(in Chinese with English abstract)

[7] 李祎君，王春乙. 氣候變化對(duì)我國(guó)農(nóng)作物種植結(jié)構(gòu)的影響[J]. 氣候變化研究進(jìn)展，2010，6(2)：123－129.

Li Yijun, Wang Chunyi. Impacts of climate change on crop planting structure in China[J]. Advances in Climate Change Research, 2010, 6(2): 123－129. (in Chinese with English abstract)

[8] 楊建瑩，梅旭榮，劉勤，等. 氣候變化背景下華北地區(qū)冬小麥生育期的變化特征[J]. 植物生態(tài)學(xué)報(bào)，2011，35(6)：623－631.

Yang Jianying, Mei Xurong, Liu Qin, et al. Variations of winter wheat growth stages under climate changes in northern China[J]. Chinese Journal of Plant Ecology, 2011, 35(6): 623－631. (in Chinese with English abstract)

[9] 王鶴齡，王潤(rùn)元，張強(qiáng)，等. 氣候變暖對(duì)甘肅省不同氣候類型區(qū)主要作物蒸散量的影響[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2011，19(4)：866－871.

Wang Heling, Wang Runyuan, Zhang Qiang, et al. Impact of warming climate on crop water requirement in Gansu Province[J]. Chinese Journal of Eco-Agriculture, 2011, 19(4): 866－871. (in Chinese with English abstract)

[10] 佟玲，康紹忠，粟曉玲. 石羊河流域氣候變化對(duì)參考作物蒸發(fā)蒸騰量的影響[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2004，20(2)：15－18.

Tong Ling, Kang Shaozhong, Li Xiaoling. Impacts of climate change on reference crop evapotranspiration in Shiyang River basin[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2004, 20(2): 15－18. (in Chinese with English abstract)

[11] 叢振濤，辛儒，姚本智，等. 基于HadCM3模式的氣候變化下北京地區(qū)冬小麥耗水研究[J]. 水利學(xué)報(bào)，2010，41(9)：1101－1107.

Cong Zhentao, Xin Ru, Yao Benzhi, et al. Impact of climate change on water use of winter wheat with HadCM3 Model[J]. Journal of Hydraulic Engineering, 2010, 41(9): 1101－1107. (in Chinese with English abstract)

[12] 邢萬(wàn)秋，王衛(wèi)光，邵全喜，等. 未來(lái)氣候情景下海河流域參考蒸發(fā)蒸騰量預(yù)估[J]. 應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào)，2014，22(2)：239－251.

Xing Wanqiu, Wang Weiguang, Shao Quanxi, et al. Projection of future reference evapotranspiration change across the Haihe River basin[J]. Journal of Basic Science and Engineering, 2014, 22(2): 239－251. (in Chinese with English abstract)

[13] 牛紀(jì)蘋(píng)，粟曉玲. 石羊河流域參考作物蒸發(fā)蒸騰量對(duì)氣候變化的響應(yīng)模擬及預(yù)測(cè)[J]. 水利學(xué)報(bào)，2014，45(3)：286－295.

Niu Jiping, Su Xiaoling. Simulation and estimation of reference evapotranspiration responding to climate change in Shiyang River basin[J]. Journal of Hydraulic Engineering, 2014, 45(3): 286－295. (in Chinese with English abstract)

[14] Li Z, Zheng F L, Liu W Z. Spatiotemporal characteristics of reference evapotranspiration during 1961–2009 and its projected changes during 2011–2099 on the Loess Plateau of China[J]. Agricultural & Forest Meteorology, 2012, 154(6): 147－155.

[15] Silva C S D, Weatherhead E K, Knox J W, et al. Predicting the impacts of climate change: A case study of paddy irrigation water requirements in Sri Lanka[J]. Agricultural Water Management, 2007, 93(1): 19－29.

[16] 王衛(wèi)光，彭世彰，孫風(fēng)朝，等. 氣候變化下長(zhǎng)江中下游水稻灌溉需水量時(shí)空變化特征[J]. 水科學(xué)進(jìn)展，2012，23(5)：656－664.

Wang Weiguang, Peng Shizhang, Sun Fengchao. Spatiotemporal variations of rice irrigation water requirements in the mid-lower reaches of Yangtze River under changing climate[J]. Advances in Water Science, 2012, 23(5): 656－664. (in Chinese with English abstract)

[17] Wang W, Xing W, Shao Q, et al. Changes in reference evapotranspiration across the Tibetan Plateau: Observations and future projections based on statistical downscaling[J]. Journal of Geophysical Research-atmospheres, 2013, 118(10): 4049－4068.

[18] Xing Wanqiu, Wang Weiguang, Shao Quanxi, et al. Changes of reference evapotranspiration in the Haihe River Basin: Present observations and future projection from climatic variables through multi-model ensemble[J]. Global and Planetary Change, 2014, 115: 1－15.

[19] Chattopadhyay N, Hulme M. Evaporation and potential evapotranspiration in India under conditions of recent and future climate change[J]. Agri & Forest Meteor, 1997, 87(1): 55－73.

[20] 左德鵬，徐宗學(xué)，李景玉. 氣候變化情景下渭河流域潛在蒸散量時(shí)空變化特征[J]. 水科學(xué)進(jìn)展，2011，22(4)：455－461.

Zuo Depeng, Xu Zongxue, Li Jingyu, et al. Spatiotemporal characteristics of potential evapotranspiration in the Weihe River basin under future climate change[J]. Advances in Water Science, 2011, 22(4): 455－461. (in Chinese with English abstract

[21] 唐曉培，宋妮，陳智芳等.未來(lái)主要?dú)夂蚯榫跋曼S淮海地區(qū)參考作物蒸散量時(shí)空分布[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32(14)：168－176.

Tang Xiaopei, Song Ni, Chen Zhifang, et al. Spatial and temporal distribution of ET0under main climate scenarios in future across Huang-Huai-Hai Plain[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2016, 32(14): 168－176. (in Chinese with English abstract)

[22] Wang W, Xing W, Shao Q. How large are uncertainties in future projection of reference evapotranspiration through different approaches?[J]. Journal of Hydrology, 2015, 524: 696－700. (in Chinese with English abstract)

[23] Lovelli S, Perniola M, Di Tommaso T, et al . Effects of rising atmospheric CO2on crop evapotranspiration in a Mediterranean area[J]. Agricultural Water Management, 2010, 97(9): 1287－1292.

[24] Baguis P, Roulin E, Willems P, et al. Climate change scenarios for precipitation and potential evapotranspiration over central Belgium[J]. Theoretical and Applied Climatology, 2010, 99: 273－286.

[25] Ishak A M, Bray M, Remesan R, et al. Estimating reference evapotranspiration using numerical weather modelling[J]. Hydrological Processes, 2010, 24(24): 3490－3509.

[26] Harmsen E W, Miller N L, Schlegel J, et al . Downscaled climate change impacts on reference evapotranspiration and rainfall deficits in Puerto Rico[C]//World Environmental and Water Resources Congress, ASCE, 2007.

[27] Harmsen E W, Miller N L, Schlegel N J, et al. Seasonal climate change impacts on evapotranspiration, precipitation deficit and crop yield in Puerto Rico[J]. Agricultural Water Management, 2009, 96(7): 1085－1095.

[28] Chun K P, Wheater H S, Onof C. Projecting and hindcasting potential evaporation for the UK between 1950 and 2099[J]. Climatic Change, 2012, 113: 639－661.

[29] Lee E J, Kang M S, Park S W, et al. Estimation of future reference evapotranspiration using arti?cial neural network and climate change scenario[C]//Pittsburgh，Pennsylvania：ASABE Annual Meeting, 2010.

[30] Baguis P, Roulin E, Willems P, et al. Climate change scenarios for precipitation and potential evapotranspiration over central Belgium[J]. Theoretical & Applied Climatology, 2009, 99(3/4): 273－286.

[31] 曹濤，王賽鴿，陳彬. 基于多區(qū)域投入產(chǎn)出分析的京津冀地區(qū)虛擬水核算[J]. 生態(tài)學(xué)報(bào)，2018，38(3)：788－799.

Cao Tao, Wang Saige, Chen Bin. Virtual water analysis for the Jing-Jin-Ji region based on multiregional input-output model[J]. Acta Ecologica Sinica, 2018, 38(3): 788－799. (in Chinese with English abstract)

[32] Moss R H, Edmonds J A, Hibbard K A, et al. The next generation of scenarios for climate change research and assessment[J]. Nature, 2010, 463(7282): 747－756.

[33] Mcsweeney C F, Jones R G. How representative is the spread of climate projections from the 5 CMIP5 GCMs used in ISI-MIP?[J]. Climate Services, 2016(1): 24－29.

[34] 馬丹陽(yáng)，尹云鶴，吳紹洪，等. 中國(guó)干濕格局對(duì)未來(lái)高排放情景下氣候變化響應(yīng)的敏感性[J]. 地理學(xué)報(bào)，2019，74(5)：23－40.

Ma Danyang, Yin Yunhe, Wu Shaohong, et al. Sensitivity of arid/humid patterns in China to future climate change under high emission scenario[J]. Journal of Geographical Sciences, 2019, 74(5): 23－40. (in Chinese with English abstract)

[35] 夏江江，楊慶，鄭子彥，等. 土地利用變化對(duì)20世紀(jì)中國(guó)地區(qū)氣候干濕變化的影響[J]. 氣候與環(huán)境研究，2015，20(2)：28－40.

Xia Jiangjiang, Yang Qing, Zheng Ziyan, et al. Role of land use change in dry/wet trends in China during the 20th century[J]. Climatic and Environmental Research, 2015, 20(2): 28－40. (in Chinese with English abstract)

[36] 田曉瑞，舒立福，趙鳳君，等. 氣候變化對(duì)中國(guó)森林火險(xiǎn)的影響[J]. 林業(yè)科學(xué)，2017，53(7)：159－169.

Tian Xiaorui, Shu Lifu, Zhao Fengjun, et al. Impacts of climate change on forest fire danger in China[J]. Scientia silvae sinicae, 2017, 53(7): 159－169. (in Chinese with English abstract)

[37] 王勝，許紅梅，劉綠柳，等. 全球增溫1.5 ℃和2.0 ℃對(duì)淮河中上游徑流影響預(yù)估[J]. 自然資源學(xué)報(bào)，2018，33(11)：1966－1978.

Wang Sheng, Xu Hongmei, Liu Lüliu, et al. Projection of the impacts of global warming of 1.5 ℃and 2.0 ℃on runoff in the upper-middle reaches of Huaihe river basin[J]. Journal of Natural Resources, 2018, 33(11): 1966－1978. (in Chinese with English abstract)

[38] 陶輝，黃金龍，翟建青，等. 長(zhǎng)江流域氣候變化高分辨率模擬與RCP4.5情景下的預(yù)沽[J]. 氣候變化研究進(jìn)展，2013，9(4)：246－251.

Tao Hui, Huang Jinlong, Zhai Jianqing, et al. Simulation and projection of climate changes under the RCP4.5 scenario in the Yangtze River basin based on CCLM[J]. Progressus Inquisitiones de mutatione Climatis, 2013, 9(4): 246－251. (in Chinese with English abstract)

[39] Piani C, Weedon G P, Best M, et al. Statistical bias correction of global simulated daily precipitation and temperature for the application of hydrological models[J]. Journal of Hydrology, 2010, 395(3): 199－215.

[40] Hagemann S, Chen C, Haerter J O, et al. Impact of a statistical bias correction on the projected hydrological changes obtained from three GCMs and two hydrology models[J]. Journal of Hydrometeorology, 2011, 12(4): 556－578.

[41] Hutchinson M F. Interpolation of rainfall data with thin plate smoothing splines. Part I: Two dimensional smoothing of data with short range correlation[J]. Journal of Geographic Information and Decision Analysis, 1998, 2(2): 139－151.

[42] Hutchinson M F. Interpolation of rainfall data with thin plate smoothing splines. Part II: Analysis of topographic dependence[J]. Journal of Geographic Information and Decision Analysis, 1998, 2(2): 152－167.

[43] Hashmi M A, Carcia L A. Spatial and temporal errors in estimating regional evapotranspiration[J]. Journal of Irrigation and Drainges, 1998, 124(2): 108－114.

[44] 龔元石. Penman-Monteith公式與FAO-PPP-17 Penman 修正式計(jì)算參考作物蒸散量的比較[J]. 北京農(nóng)業(yè)大學(xué)學(xué)報(bào)，1995，21(1)：68－75.

Gong Yuanshi. Comparison of the reference evapotranspiration estimated by the penman-monteith and FAO-PPP-17 penman methods[J]. Acta Agriculturae Universitatis Pekinensis, 1995, 21(1): 68－75. (in Chinese with English abstract)

[45] 周平，陳剛，劉智勇，等. 東江流域降水與徑流演變趨勢(shì)及周期特征分析[J]. 生態(tài)科學(xué)，2016，35(2)：44－51.

Zhou Ping, Chen Gang, Liu Zhiyong, et al. Variation trend and periodicity analysis of precipitation and runoff in Dongjiang Watershed[J]. Ecological Science, 2016, 35(2): 44－51. (in Chinese with English abstract)

[46] Han J, Wang J, Zhao Y, et al. Spatio-temporal variation of potential evapotranspiration and climatic drivers in the Jing-Jin-Ji region, North China[J]. Agricultural & Forest Meteorology, 2018(256/257): 75－83.

[47] 謝賢群，王菱. 中國(guó)北方近50 年潛在蒸散量的變化[J].自然資源學(xué)報(bào)，2007，22(5)：683－691.

Xie Xianqun, Wang Ling. Changes of potential evaporation in Northern China over the past 50 years[J]. Journal of Natural Resources, 2007, 22(5): 683－691. (in Chinese with English abstract)

Spatiotemporal variations of future potential evapotranspiration in the Beijing-Tianjin-Hebei region under GFDL-ESM2M climate model

Bi Yanjie1,2, Zhao Jing1※, Wu Di3, Zhao Yong2

(1.450046,; 2., 100038,;3., 100054,)

The temporal and spatial variation characteristics of future potential evapotranspiration (ET0) can provide basic data support for agricultural water demand prediction, irrigation management and rational response to climate change. This paper has made the temporal and spatial prediction based on the various parameters, including the average temperature, the maximum temperature, the minimum temperature, total solar radiation, relative humidity and near-surface wind speed, where the 92 grid points were obtained in the Beijing-Tianjin-Hebei region from 1960-2016. The feasibility of climate models was verified using the principle of probability distribution optimization. Using the global climate model of GFDL-ESM2M that provided by the United States (Geophysical Fluid Dynamics Laboratory, GFDL), the SS(Skill Score) value of annual mean temperature could reach 0.86, indicating good applicability for the simulation in the Beijing-Tianjin-Hebei region. The prediction period was set from January 1, 2021 to December 31, 2050, and the climate scenarios were selected RCP(representative concentration pathways)2.6, RCP4.5 and RCP8.5, respectively, representing low, medium and high RCP cases. The temporal and spatial distribution characteristics of the future daily ET0and its correlation with climate elements were analyzed using the Penman-Monteith formula based on the measured 92 grid points in the Beijing-Tianjin-Hebei region. The simulated results found that the future ET0showed an increasing trend during this period. The ET0in the RCP8.5 scenario rose the fastest, with the increment increasing over time, especially in the 2040 period. The summer ET0grew the fastest, followed by spring, autumn and winter, meaning that the distribution difference of the seasonal ET0will dominate in the future. This phenomenon may cause more severe seasonal droughts. The spatial distribution of ET0gradually decreased from southwest to northeast, specifically indicating that Shijiazhuang in the southern plain area had the largest ET0(1 207-1 262 mm), while Zhangjiakou and Chengde in the northwest mountainous area had the lowest ET0(938-974 mm). There was a high growth rate of ET0in the central region, as decreasing from central region to north and south. The average temperature in each climate scenario increased year by year, the wind speed and total solar radiation increased slightly, while the relative humidity decreased. The correlation between ET0and the total solar radiation was the most obvious, followed by the highest temperature, all showing an increasing trend from northwest to southeast. The ET0had negatively correlation with the relative humidity, but the absolute value of its correlation coefficient increased from northeast to southwest. There was a relatively slight correlation between ET0and the wind speed. The correlation coefficient between ET0and the total solar radiation showed a declining trend from RCP2.6-RCP8.5 with the increase of the emission concentration, possibly resulting from the large amount of energy consumption. The energy consumption will lead to the increase of the aerosol content in the air and the increase of haze days, leading to the decrease of sunshine hours, and the reduction of the total solar radiation. The negative effect of the reduce in the sunshine hours may exceed the positive effect of the temperature rising. It is possible that the future ET0will continue to rise due to the radiation and temperature. The ET0increase in the future can deteriorate the water shortages and even severe droughts in the Beijing-Tianjin-Hebei region from 2021 to 2050.

transpiration; evaporation; GFDL-ESM2M climate model; potential evapotranspiration; spatial and temporal distribution; climatic factors

2019-07-15

2020-01-06

國(guó)家重點(diǎn)研發(fā)（2016YFC0401407，2017YFC0405805-03）；華北水利水電大學(xué)高層次人才科研基金（201702016）

畢彥杰，講師，博士。主要從事流域水循環(huán)模擬與實(shí)驗(yàn)、氣候變化方面研究。Email：835938470@qq.com

趙 晶，講師，博士。主要從事水資源管理。Email：zhaojing19870515@qq.com

10.11975/j.issn.1002-6819.2020.06.016

S161.4

A

1002-6819(2020)-06-0141-09

畢彥杰，趙 晶，吳 迪，趙 勇. GFDL-ESM2M氣候模式下京津冀地區(qū)未來(lái)潛在蒸散量時(shí)空變化[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2020，36(6)：141－149. doi：10.11975/j.issn.1002-6819.2020.06.016 http://www.tcsae.org

Bi Yanjie, Zhao Jing, Wu Di, Zhao Yong. Spatiotemporal variations of future potential evapotranspiration in the Beijing-Tianjin-Hebei region under GFDL-ESM2M climate model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(6): 140－149. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.06.016 http://www.tcsae.org