楊麗，劉海軍，唐曉培，高壯壯，馮東雪

氣候變化下河北省寧晉縣參考作物蒸散量變化趨勢及敏感性分析

楊麗，劉海軍*，唐曉培，高壯壯，馮東雪

（北京師范大學(xué) 水科學(xué)研究院 城市水循環(huán)與海綿城市技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100875）

【】深入分析寧晉縣氣候變化及其蒸散發(fā)的變化，為該區(qū)域的作物種植管理和灌溉計(jì)劃制定提供參考。根據(jù)1981—2018年河北省寧晉縣氣象站的逐日氣象資料，計(jì)算了極端氣候指數(shù)，并利用FAO56 Penman-Monteith公式計(jì)算了參考作物蒸散量（0）。分析了各氣象要素、極端氣候指數(shù)和0的變化趨勢，并利用敏感性分析找出影響0變化的主要?dú)庀笠蜃印?981—2018年河北省寧晉縣降水量無明顯變化趨勢，平均溫度呈顯著上升趨勢，日照時(shí)間、相對濕度和風(fēng)速呈顯著下降趨勢；極端高溫指標(biāo)呈上升趨勢，極端低溫指標(biāo)呈下降趨勢，極端降水指標(biāo)無顯著變化。相對濕度是0年均值主要影響因子；夏季對0月均值影響最大的氣象因素為凈輻射，其他季節(jié)，相對濕度對其影響最大；風(fēng)速和輻射的降低不僅抵消了溫度升高和相對濕度降低對0的正影響，還使得0呈下降趨勢，但下降趨勢不顯著。

氣候變化；極端氣候；參考作物蒸散量；敏感性分析

0 引言

【研究意義】氣候變化已成為國內(nèi)外的熱點(diǎn)研究，但具有很強(qiáng)的區(qū)域性，不同地區(qū)氣候的變化趨勢不盡相同[1-4]。在氣候變化背景下極端天氣頻發(fā)對農(nóng)業(yè)生產(chǎn)造成了極大影響，表征溫度和降水的極端氣候指標(biāo)也具有較大的區(qū)域性差異[5-7]。因此，對農(nóng)業(yè)高產(chǎn)區(qū)，研究氣候以及極端天氣的變化情況對指導(dǎo)農(nóng)業(yè)生產(chǎn)具有重要意義。

【研究進(jìn)展】參考作物蒸散量（0）是反映具體地點(diǎn)、時(shí)間的大氣蒸發(fā)能力，不考慮作物特性和土壤條件的影響，影響0的因素只有氣象因素[8]。0與作物系數(shù)結(jié)合可計(jì)算實(shí)際的作物需水量，因此在灌溉計(jì)劃的制定和農(nóng)田水分管理中被廣泛運(yùn)用。國內(nèi)外學(xué)者對于不同地區(qū)的0變化趨勢和影響因素進(jìn)行了大量研究。Croitoru等[9]對氣候變化條件下羅馬尼亞的0進(jìn)行了分析，發(fā)現(xiàn)羅馬尼亞大部分站點(diǎn)的0有所上升，對于不同季節(jié)而言，春夏季0大多呈上升趨勢，秋季則呈下降趨勢。Ma?ek等[10]研究了歐洲的斯洛文尼亞共和國的0，結(jié)果表明，大部分站點(diǎn)的0呈上升趨勢，太陽輻射變化對0增加貢獻(xiàn)最大。Nam等[11]研究了氣候變化對韓國0的影響，研究發(fā)現(xiàn)韓國西北地區(qū)、東南城市地區(qū)、西南農(nóng)業(yè)地區(qū)的站點(diǎn)的年0呈上升趨勢。黃會平等[12]對中國十大水資源區(qū)的0進(jìn)行了研究，研究發(fā)現(xiàn)我國十大水資源區(qū)年均0均呈現(xiàn)出減小的趨勢。一些學(xué)者對中國局部地區(qū)的0也進(jìn)行了相關(guān)研究。武劍飛等[13]對四川省濕潤氣候區(qū)的0進(jìn)行了研究，發(fā)現(xiàn)0同樣呈下降趨勢，影響0的主要因素為凈輻射。梁霄等[14]對若爾蓋濕地研究中發(fā)現(xiàn)0呈顯著上升趨勢，影響0的主要?dú)庀笠蜃訛橄鄬穸?。羅雨等[15]發(fā)現(xiàn)北京地區(qū)的0呈上升趨勢，相對濕度和溫度是0變化的主要影響因子。【切入點(diǎn)】國內(nèi)外0的研究大多為大尺度區(qū)域研究。而在較小空間尺度下，不同區(qū)域的0變化趨勢和主要影響因子均呈現(xiàn)出較大的差異。同時(shí)對于不同地區(qū)，影響0的主要?dú)庀笠蜃右膊槐M相同。因此大尺度下0的研究不能完全代表其小尺度下0的發(fā)展規(guī)律，對于縣尺度的0變化，可能與其所在流域的0變化情況不符。對于0影響因子的相關(guān)研究，其時(shí)間尺度多為年尺度或季尺度，對于月尺度的0影響因子研究則相對較少。【擬解決的關(guān)鍵問題】寧晉縣位于河北平原中部，是河北省最大的產(chǎn)糧縣。明晰該區(qū)域主要?dú)庀笠氐淖兓卣鳎?變化趨勢及其主要影響因子對于指導(dǎo)當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)、制定合理灌溉計(jì)劃和優(yōu)化水資源配置等具有重要意義。

1 材料與方法

1.1 數(shù)據(jù)來源

選用河北省寧晉氣象站（緯度37°38′N，經(jīng)度114°555′E，海拔30.1 m）1981—2018年的氣象數(shù)據(jù)進(jìn)行分析。原始?xì)庀髷?shù)據(jù)均來自國家氣象局氣象信息中心，數(shù)據(jù)以日為單位。數(shù)據(jù)包括降水量、平均氣溫、最低氣溫、最高氣溫、平均相對濕度、日照時(shí)間和平均風(fēng)速等。

1.2 研究方法

1.2.1 參考作物蒸散量（0）計(jì)算公式

本文采用聯(lián)合國糧農(nóng)組織（FAO）推薦的Penman-Monteith公式計(jì)算0，計(jì)算式為[8]：

式中：0為參考作物蒸散量（mm/d）；n為凈輻射（MJ/（m2·d））；為土壤熱通量（MJ/（m2·d）），以日為單位時(shí)可忽略；為濕度計(jì)常數(shù)（kPa/℃）；2為2 m處的風(fēng)速（m/s）；為飽和水汽壓差（kPa）；為2 m高處的日平均氣溫（℃）；為飽和水汽壓溫度曲線上的斜率（kPa/℃）。

1.2.2 Mann-Kendall（M-K）檢驗(yàn)和Sen's斜率計(jì)算

Mann-Kendall檢驗(yàn)是世界氣象組織（WMO）推薦并廣泛使用的非參數(shù)檢驗(yàn)方法。該檢驗(yàn)法具有樣本不需遵從某一特定分布，其結(jié)果也不受異常值干擾的優(yōu)點(diǎn)，能較好地揭示整體時(shí)間序列演變趨勢[16-17]。如果數(shù)據(jù)時(shí)間序列顯示線性趨勢，則可以使用Sen[18]給出的簡單非參數(shù)計(jì)算估計(jì)真實(shí)斜率。

使用Salmi等[19]基于Excel開發(fā)的MAKESENS 1.0軟件進(jìn)行氣象要素以及0的M-K趨勢檢驗(yàn)和Sen's斜率計(jì)算。使用MATLAB軟件進(jìn)行M-K突變檢驗(yàn)。

1.2.3 極端氣候指數(shù)計(jì)算

選用由國際氣候診斷與指數(shù)專家組（ETCDDMI）確定的氣候變化指標(biāo)。根據(jù)研究區(qū)的地理位置和自然環(huán)境特征，選取8個(gè)極端氣溫指數(shù)和6個(gè)極端降水指數(shù)來分析研究區(qū)的極端氣候，極端氣候指數(shù)及其定義如表1所示。極端氣候指數(shù)計(jì)算采用加拿大氣象研究中心張學(xué)斌等[20]基于R語言開發(fā)的RClimDex模型。

表1 極端氣候指數(shù)定義

1.2.40的敏感性分析方法

①根據(jù)1981—2018年的平均溫度、相對濕度、凈輻射和風(fēng)速，計(jì)算出各氣象因素的平均值，最大值以及最小值；②將各氣象因素的平均值代入式（1），計(jì)算出0的基本值；③保持其他氣象因素不變，即為①中計(jì)算的平均值，只改變其中一個(gè)氣象要素的值，使其在①中的最大及最小值之間，利用式（1）計(jì)算出單個(gè)氣象要素變化時(shí)的0值，并與②中計(jì)算出的0的基本值進(jìn)行比較，變化越大，說明其對應(yīng)的氣象要素敏感性越高。

2 結(jié)果與分析

2.1 氣象要素變化趨勢

年平均降水量、溫度、相對濕度、日照時(shí)間和風(fēng)速1981—2018年的變化趨勢如圖1所示。對其進(jìn)行M-K檢驗(yàn)和Sen's斜率計(jì)算，結(jié)果見圖2和表2。由圖1可知，年平均降水量在218.4~666.3 mm之間，多年平均降水量為430.3 mm，M-K檢驗(yàn)顯示研究區(qū)降水無明顯變化趨勢，說明該研究區(qū)降水情況較為穩(wěn)定。年日照時(shí)間變化范圍為2 027～2 792 h，多年平均值為2 428 h，M-K趨勢檢驗(yàn)顯示整體呈下降趨勢，變化斜率為-7.68 h/a，表明該研究區(qū)的輻射水平有所降低，這可能與空氣污染導(dǎo)致大氣中懸浮粒子濃度增加，大氣渾濁度上升有關(guān)。阿多等[1]發(fā)現(xiàn)從20世紀(jì)60年代到21世紀(jì)10年代，華北平原的大氣渾濁度增加了53%，以煙、霾、微塵為主的微粒量增加，使得太陽輻射減少。多年平均溫度變化范圍為11.81~14.25 ℃，多年平均值為13.03 ℃，突變發(fā)生年份為1997年，整體呈顯著上升趨勢，變化斜率為0.04 ℃/a，說明研究區(qū)溫度升高，這與全球變暖的大環(huán)境相符。相對濕度變化范圍為59.99%~74.75%，多年平均值為66.05%，整體呈下降趨勢，變化斜率為-0.09%/a，表明研究區(qū)呈一定干旱趨勢，在降水量沒有顯著變化的情況下，研究區(qū)相對濕度減小可能與地下水位降低有關(guān)。自20世紀(jì)60年代以來，河北的地下水位急速下降，劉海若等[21]發(fā)現(xiàn)石家莊市的地下水埋深從1980年的10.1 m下降到2010年的32.87 m，降幅達(dá)到22.77 m，整個(gè)華北井灌區(qū)的地下水位也明顯下降。地下水位下降導(dǎo)致陸地蒸發(fā)減小，從而使得研究區(qū)相對濕度減小。研究區(qū)的風(fēng)速突變發(fā)生年份為1993年，整體呈下降趨勢，多年平均值為2.04 m/s。

圖1 氣象要素年際變化（1981—2018年）

圖2 氣象要素M-K突變檢驗(yàn)（1981—2018年）

表2 氣象要素的M-K趨勢檢驗(yàn)和Sen's斜率

注 “+”、“*”、“**”和“***”表示分別通過了0.1、0.05、0.01和0.001的顯著性檢驗(yàn)。

2.2 極端氣候指標(biāo)變化趨勢

圖3和圖5分別為寧晉縣1981—2018年的年極端氣溫指數(shù)和極端降雨指數(shù)的變化過程。其M-K趨勢檢驗(yàn)和Sen's斜率如表3所示。

由圖3和表3可以看出，表征高溫事件的極端氣溫指數(shù)夏日日數(shù)（SU25）和暖夜日數(shù)（TN90P）多年平均值分別為144.42 d和12.52 d，呈顯著上升趨勢，變化斜率分別為0.23 d/a和0.38 d/a；暖晝?nèi)諗?shù)（TX90P）和暖持續(xù)指數(shù)（）多年平均值分別為12.45 d和2.16 d，呈不顯著上升趨勢，TX90P突變發(fā)生年份為1992年，在研究時(shí)段內(nèi)無突變（圖4）。表征低溫事件的極端氣溫指數(shù)霜日日數(shù)（）和冷夜日數(shù)（TN10P）多年平均值分別為115.68 d和12.27 d，整體呈顯著下降趨勢，變化斜率分別為-0.5 d/a和-0.36 d/a，F(xiàn)D突變發(fā)生年份為1995年，TN10P在研究時(shí)段內(nèi)無突變；冷晝?nèi)諗?shù)（TX10P）和冷持續(xù)指數(shù)（）多年平均值分別為12.20 d和2.95 d，呈不顯著下降趨勢。可以看出，在氣候變暖背景下，河北省寧晉縣極端高溫事件越來越頻發(fā)，而極端低溫事件出現(xiàn)頻率則有所減小。并且夜間高溫指數(shù)和低溫指數(shù)的上升和下降趨勢均大于日間高溫指數(shù)和低溫指數(shù)的上升和下降趨勢。說明夜間溫度的升高對研究區(qū)氣候變暖的貢獻(xiàn)很大，這與雅茹等[7]對內(nèi)蒙古極端氣候事件的研究結(jié)果相同。

圖4 極端氣溫指數(shù)M-K突變檢驗(yàn)(1981—2018年)

對于極端降水指數(shù)（圖5和表3），極端降水日數(shù)（R25）、極端降水量（R95P）和持續(xù)濕潤指數(shù)（）多年平均值分別為4.21 d、110.08 mm和3.82 d，呈現(xiàn)出不顯著上升趨勢，5日最大降水（RX5day），普通日降水強(qiáng)度（SDII）和持續(xù)干燥指數(shù)（）多年平均值分別為92.94 mm、9.75 mm/d和83.97 d，呈現(xiàn)出不顯著下降趨勢。極端降水指數(shù)和極端氣溫指數(shù)相比較，變化幅度較小。這與2.1中降水穩(wěn)定的情況相符。除了，其他極端降水指數(shù)均未超過臨界值±1.96，而在臨界值內(nèi)無交點(diǎn)，因此極端降水指數(shù)在研究時(shí)段內(nèi)均無突變（圖6）。

圖5 極端降水指數(shù)變化趨勢（1981—2018年）

圖6 極端降水指數(shù)M-K突變檢驗(yàn)（1981—2018年）

表3 極端氣候指數(shù)的M-K趨勢檢驗(yàn)和Sen's斜率

注 “+”、“*”、“**”和“***”表示分別通過了0.1、0.05、0.01和0.001的顯著性檢驗(yàn)。

2.3 參考作物蒸散量（ET0）變化過程

圖7為1981—2018年間參考作物蒸散量（0）變化過程。研究區(qū)0在948~1 171 mm/a之間變化，平均值為1 073 mm/a，圖中實(shí)線為0變化趨勢線。對0進(jìn)行M-K趨勢分析和Sen's斜率計(jì)算，發(fā)現(xiàn)MK-Z值為-0.18，Sen's斜率為-0.17?？梢钥闯觯?在1981—2018年間呈下降趨勢，但不顯著。

根據(jù)圖7，計(jì)算實(shí)際0與變化趨勢線上對應(yīng)年份的0的差值，對這一系列差值做累計(jì)頻率分析（負(fù)值取其絕對值）。

圖7 研究區(qū)ET0在1981—2018年之間的變化過程

累計(jì)頻率90%對應(yīng)的差值約為82 mm/a，累計(jì)頻率50%對應(yīng)的差值約為35 mm/a。將變化趨勢線分別向上下移動82 mm/a和35 mm/a，得到90%可能區(qū)間和50%可能區(qū)間（圖7中劃線和點(diǎn)線），這時(shí)0落入劃線和點(diǎn)線的可信度分別為90%和50%?？紤]到0在1981—2018年的變化趨勢不顯著，結(jié)合圖7，可以得知研究區(qū)未來0的變化特征，即年0落在986~1 150 mm/a的概率為90%，落在1 033~1 103 mm/a的概率為50%。

2.4 ET0對氣象因子敏感性分析

利用研究區(qū)1981—2018年的日氣象數(shù)據(jù)計(jì)算出氣象數(shù)據(jù)的月均值和年均值及變化范圍，然后利用1.2.4提出的敏感性分析方法分析溫度、相對濕度、風(fēng)速、凈輻射對0的影響（其中凈輻射由日照時(shí)間計(jì)算得出）。分析結(jié)果如圖8所示。

表4 1981—1990年和2009—2018年氣象要素單獨(dú)變化對ET0的影響

圖8 氣象因子對ET0的月均值和年均值敏感性分析

0相對值變化（圖8（a）），不僅可以分析同一時(shí)期，0對氣象因素的敏感程度，還可以分析不同月份之間，0對同一氣象因素敏感程度的變化。而0絕對值變化（圖8（b）），只能反映同一時(shí)期氣象因素對0的敏感性大小，而對于不同月份，由于0不同，難以分析氣象因子對0影響大小的年際變化。但是0絕對值變化可以反映出不同月份，0變化的真實(shí)范圍。從0的相對值和絕對值變化可以看出，1—3月，影響0的氣象因子按影響力大小排序，依次為：相對濕度、溫度、風(fēng)速和凈輻射。此后，凈輻射對0的影響逐漸增大，相對濕度、溫度和風(fēng)速對0的影響逐漸減小。7月和8月凈輻射成為0的主要影響因子。尤其在7月，凈輻射對0的影響范圍絕對值在-0.85~0.51 mm/d之間，相對值在-18.45%~11.09%之間。之后相對濕度、溫度和風(fēng)速對0的影響又逐漸增大，凈輻射對0的影響逐漸減小。到12月，相對濕度對0影響范圍絕對值在-0.29~0.35 mm/d，相對值在-37.06%~44.81%之間，遠(yuǎn)大于12月其他氣象因子對0的影響。從整體來看，夏季（6—8月）凈輻射是影響0的主要因子，而其他季節(jié)相對濕度是影響0變化的主要?dú)庀笠蜃印?/p>

對于0年均值而言，相對濕度仍是影響0變化的主要?dú)庀笠蜃樱沟?變化的相對值在-10.30%~7.17%之間，影響范圍為17.47%；溫度和凈輻射對0年均值的影響相差不大，影響0變化的相對值分別在-4.25%~3.53%和-3.71%~3.85%之間，影響范圍分別為7.78%和7.56%。風(fēng)速對0年均值影響最小，影響范圍為6.98%。可以看出，相對濕度是河北省寧晉縣0最敏感的因素。

對于氣象因子變化對0影響的年內(nèi)分布，可以看出，秋冬季，0對氣象因子的變化更為敏感（圖8（a）），相對值變化范圍為-41%~45%；而從0變化的絕對值來看（圖8（b）），秋冬季氣象因子變化對0影響的絕對值變化較小，變化范圍為-0.60~0.52 mm/d，而春夏季氣象因子變化引起的0變化的絕對值較大，變化范圍為-0.85~0.64 mm/d，這主要是由于春夏季0較大，秋冬季0較小，秋冬季較小的0絕對值變化會引起較大的相對值變化。

保持其他氣象要素為多年平均氣象數(shù)據(jù)，僅改變某一項(xiàng)氣象數(shù)據(jù)為1981—1990年或2009—2018年的平均值，即研究期前10年或后10年的平均值，計(jì)算氣象要素對0的影響。計(jì)算結(jié)果如表4所示。溫度升高和相對濕度降低使得0分別增加了0.06 mm/d和0.02 mm/d，但風(fēng)速和凈輻射的降低使得0分別減少了0.08 mm/d和0.05 mm/d?？梢钥闯?，風(fēng)速和凈輻射的降低抵消了溫度升高和相對濕度降低對0的正影響，并且使得0呈下降的趨勢。

3 討論

研究區(qū)0呈不顯著下降趨勢，說明風(fēng)速和凈輻射的下降抵消了溫度的升高和相對濕度的下降對0的影響。黃會平等[12]對1957—2012年中國0時(shí)空變化分析中，發(fā)現(xiàn)海河流域的0也呈現(xiàn)出逐漸下降的趨勢，這與本研究結(jié)論相符。羅雨等[15]對北京地區(qū)0的研究中發(fā)現(xiàn)，北京地區(qū)0呈逐漸增加的趨勢。雖然本研究區(qū)和北京同屬海河流域，但0卻呈現(xiàn)出相反的變化趨勢。這可能是由于北京城鎮(zhèn)面積較大，農(nóng)業(yè)區(qū)相對較少，而研究區(qū)為河北主要農(nóng)業(yè)區(qū)，耕地占比較大，不同的土地利用狀況使得0變化趨勢差異較大。

在0敏感性分析中，相對濕度對年0影響最大，而夏季凈輻射對0影響最大。這是由于夏季輻射變化幅度較大，相對濕度和溫度變化幅度較小。7月輻射變化范圍為9.67~14.72 MJ/（m2·d），變化幅度達(dá)到5.05 MJ/（m2·d），相對濕度變化范圍為61.32%~85.06%，變化幅度為23.74%，日均溫度變化范圍為24.87~29.30 ℃，變化幅度為4.43 ℃。而冬季相對濕度和溫度變化幅度較大，輻射變化幅度較小，1月相對濕度變化范圍為38.03%~78.55%，變化幅度達(dá)到40.52%，幾乎為7月相對濕度變化的2倍，溫度變化范圍為-0.03~-6.30 ℃，變化幅度為6.27 ℃，約為7月份變化幅度的1.5倍。輻射變化范圍為2.51~2.90 MJ/（m2·d），變化幅度為0.39 MJ/（m2·d），僅為7月份輻射變化范圍的1/13。因此夏季0對輻射變化更為敏感，冬季0對相對濕度變化更為敏感。風(fēng)速變化范圍沒有明顯季節(jié)差異，之所以冬季0會對風(fēng)速更加敏感，主要是因?yàn)槎?值較小，從圖8（b）也可以看出，風(fēng)速變化時(shí)，夏季0變化的絕對值反而較大。趙彩霞等[22]發(fā)現(xiàn)，對于黃淮海平原地區(qū)，春、秋、冬季和全年，0對相對濕度最敏感，夏季0對太陽輻射最敏感，這與本研究結(jié)論一致。

華北地區(qū)主要為夏玉米-冬小麥的復(fù)種方式，在水資源總體匱乏的大環(huán)境下，氣候變化將會對目前農(nóng)業(yè)生產(chǎn)模式造成較大影響。數(shù)據(jù)顯示研究區(qū)溫度升高，一方面使得作物種植季積溫升高，有利于作物生長，另一方面，會導(dǎo)致作物生育期縮短，造成作物減產(chǎn)[23]。胡實(shí)等[24]發(fā)現(xiàn)石家莊地區(qū)1960—2009年50年間溫度升高使冬小麥返青期和開花期提前，增加了冬小麥碳水化合物累積及向籽粒轉(zhuǎn)化的時(shí)間，使得冬小麥增產(chǎn)，而溫度升高使夏玉米生殖生長期縮短，減少了其碳水化合物累積及向籽粒轉(zhuǎn)化的時(shí)間，使得玉米減產(chǎn)。本研究結(jié)果顯示，1981—2018年間溫度顯著升高，考慮到研究區(qū)與石家莊氣候條件和作物種植情況較為類似，因此溫度升高可能使得研究區(qū)冬小麥增產(chǎn)，夏玉米減產(chǎn)。較弱的光照有利于作物營養(yǎng)器官的生長，卻不利于作物果實(shí)和籽粒的生長。對于華北平原，輻射的降低會造成小麥和玉米減產(chǎn)[25-26]。本研究得出日照時(shí)間顯著下降，因此研究區(qū)輻射的下降可能會導(dǎo)致研究區(qū)小麥和玉米減產(chǎn)。在研究區(qū)極端氣候的分析中，發(fā)現(xiàn)極端高溫事件越來越頻發(fā)，而極端低溫事件出現(xiàn)頻率則有所減小。對于小麥和玉米生長，最高溫度分別為30~32 ℃和40~44 ℃[27]，極端高溫指數(shù)的上升會導(dǎo)致作物受到高溫脅迫的概率增加，進(jìn)而可使作物減產(chǎn)。因此提高該區(qū)作物抵御高溫災(zāi)害能力至關(guān)重要。

4 結(jié)論

1）1981—2018年河北省寧晉縣各氣象要素變化趨勢為：年降水量變化較為平穩(wěn)，溫度呈顯著上升趨勢，相對濕度、年日照時(shí)間和風(fēng)速呈顯著下降趨勢。對極端氣候指標(biāo)的分析顯示，表征高溫事件的極端氣溫指數(shù)呈上升趨勢，表征低溫事件的極端氣溫指數(shù)呈下降趨勢，夜間高溫指數(shù)和低溫指數(shù)的上升和下降趨勢均大于日間高溫指數(shù)和低溫指數(shù)的上升和下降趨勢。極端降水指標(biāo)無顯著變化趨勢。

2）河北省寧晉縣1981—2018年的0變化范圍為948~1 171 mm/a，風(fēng)速和由日照時(shí)間計(jì)算得到的凈輻射的下降不僅抵消了溫度的升高和相對濕度的下降對0的正影響，還使得0呈下降趨勢，但是該下降趨勢不顯著。對0的月均值敏感性分析顯示，河北省寧晉縣地區(qū)，夏季對0影響較大的因素是凈輻射，而春、秋、冬3季，對0影響最大因素為相對濕度。年均值敏感性分析顯示，相對濕度是0變化的主要影響因子，溫度和凈輻射對0的影響相差不大，風(fēng)速對0的影響最小。

[1] 阿多, 熊凱，趙文吉，等. 1960—2013年華北平原氣候變化時(shí)空特征及其對太陽活動和大氣環(huán)境變化的響應(yīng)[J]. 地理科學(xué), 2016, 36(10): 1 555-1 564.

A Duo, XIONG Kai, ZHAO Wenji, et al. Temporal trend of climate change and mutation analysis of North China Plain during 1960 to 2013[J]. Scientia Geographica Sinica, 2016, 36(10): 1 555-1 564.

[2] 李香芳, 李棟梁, 段曉鳳, 等. 寧夏枸杞生長季氣候變化特征及其影響[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào)(中英文), 2019, 27(12): 1 789-1 798.

LI Xiangfang, LI Dongliang, DUAN Xiaofeng, et al. Variations and effects of climate in growth period of Lycium barbarum L. in Ningxia[J]. Chinese Journal of Eco-Agriculture, 2019, 27(12): 1 789-1 798.

[3] 劉廣東, 李艷, 劉海軍, 等. 山西地區(qū)近55年參考作物蒸散量的變化特征及其主要影響因素分析[J]. 灌溉排水學(xué)報(bào), 2012, 31(5): 26-30.

LIU Guangdong, LI Yan, LIU Haijun, et al. Changing trend of reference crop evapotranspiration and its dominated meteorological variables in Shanxi Province in the past 55 years[J]. Journal of Irrigation and Drainage, 2012, 31(5): 26-30.

[4] 秦艷, 趙求東, 孟杰, 等. 近58年天山降雪/降水量比率變化特征及未來趨勢[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2020, 36(4): 150-158.

QIN Yan, ZHAO Qiudong, MENG Jie, et al. Variation characteristics and future trends of the snowfall/precipitation ratio in Tianshan Mountains in recent 58 years[J]. Transactions of the Chinese Society of Agricultural Engineering, 2020, 36(4): 150-158.

[5] YING Hong, ZHANG Hongyan, ZHAO Jianjun, et al. Effects of spring and summer extreme climate events on the autumn phenology of different vegetation types of Inner Mongolia, China, from 1982 to 2015[J]. Ecological Indicators, 2020, 111: 105 974.

[6] 呂越敏, 李宗省, 馮起, 等. 近60年來祁連山極端氣溫變化研究[J]. 高原氣象, 2019, 38(5): 959-970.

LYU Yuemin, LI Zongsheng, FENG Qi, et al. Analysis of extreme temperature changes in Qilian Mountains in the past 60 years[J]. Plateau Meteorology, 2019, 38(5): 959-970.

[7] 雅茹, 麗娜, 銀山, 等. 1960—2015年內(nèi)蒙古極端氣候事件的時(shí)空變化特征[J]. 水土保持研究, 2020, 27(3): 106-112.

YA Ru, LI Na, YIN Shan, et al. Characteristics of temporal and spatial variation of extreme climate events in inner Mongolia during the period 1960—2015[J]. Research of Soil and Water Conservation, 2020, 27(3): 106-112.

[8] ALLAN R G, PEREIRA L S, RAES D, et al. Crop evapotranspiration-Guidelines for computing crop water requirements-FAO Irrigation and Drainage Paper 56[EB/OL]. 1998.

[9] CROITORU A E, PITICAR A, DRAGOT? C S, et al. Recent changes in reference evapotranspiration in Romania[J]. Global and Planetary Change, 2013, 111: 127-136.

[10] MA?EK U, BEZAK N, ?RAJ M. Reference evapotranspiration changes in Slovenia, Europe[J]. Agricultural and Forest Meteorology, 2018, 260/261: 183-192.

[11] NAM W H, HONG E M, CHOI J Y. Has climate change already affected the spatial distribution and temporal trends of reference evapotranspiration in South Korea?[J]. Agricultural Water Management, 2015, 150: 129-138.

[12] 黃會平, 曹明明, 宋進(jìn)喜, 等. 1957—2012年中國參考作物蒸散量時(shí)空變化及其影響因子分析[J]. 自然資源學(xué)報(bào), 2015, 30(2): 315-326.

HUANG Huiping, CAO Mingming, SONG Jinxi, 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.

[13] 武劍飛, 康銀紅, 梁友鵬. 四川省濕潤氣候區(qū)參考作物蒸散量趨勢變化及成因分析[J]. 灌溉排水學(xué)報(bào), 2020, 39(1): 131-137.

WU Jianfei, KANG Yinhong, LIANG Youpeng. Change in reference crop evapotranspiration from humid climate region of Sichuan Province and its determinants[J]. Journal of Irrigation and Drainage, 2020, 39(1): 131-137.

[14] 梁霄, 靳曉言, 強(qiáng)皓凡. 若爾蓋濕地參考作物蒸散量時(shí)空演變特征及成因分析[J]. 節(jié)水灌溉, 2018(8): 47-53.

LIANG Xiao, JIN Xiaoyan, QIANG Haofan. Temporal-spatial variation characteristics and cause analysis of reference crop evapotranspiration in Zoige Wetland[J]. Water Saving Irrigation, 2018(8): 47-53.

[15] 羅雨, 劉海軍, 李艷. 北京地區(qū)參考作物蒸散量變化趨勢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.

LUO Yu, LIU Haijun, LI Yan. Changing trend and dominated meteorological variables of reference crop evapotranspiration in Beijing[J]. Agricultural Research in the Arid Areas, 2010, 28(1): 34-38.

[16] MANN H B. Nonparametric tests against trend[J]. Econometrica, 1945, 13(3): 245.

[17] KENDALL M G. Rank correlation methods[M]. London: Charles Griffin, 1975.

[18] SEN P K. Estimates of the regression coefficient based on Kendall's tau[J]. Journal of the American Statistical Association, 1968, 63(324): 1 379-1 389.

[19] SALMI T, M??TT? A, ANTTILA P, et al. et al. Detecting trends of annual values of atmospheric pollutants by the Mann-Kendall test and sen' s solpe estimates the excel template application MAKESENS[EB/OL]. 2002.

[20] ZANG Xuebin, YANG Feng. RClimDex(1.0) user manual[R]. Climate Research Branch Environment Canada, 2004.

[21] 劉海若, 白美健, 劉群昌, 等. 華北井灌區(qū)地下水水位變化現(xiàn)狀及應(yīng)對措施建議[J]. 中國水利, 2016(9): 25-28.

LIU Hairuo, BAI Meijian, LIU Qunchang, et al. Current situation and countermeasures of groundwater level alteration in well-irrigated districts in North China[J]. China Water Resources, 2016(9): 25-28.

[22] 趙彩霞, 梅旭榮, 居輝, 等. 黃淮海平原各農(nóng)業(yè)亞區(qū)潛在蒸散量變化及其對氣候要素的敏感性分析[J]. 中國農(nóng)業(yè)氣象, 2015, 36(5): 570-577.

ZHAO Caixia, MEI Xurong, JU Hui, et al. Variation in potential evapotranspiration and its sensitivity coefficients to climatic factors in the Huang-Huai-Hai Plain[J]. Chinese Journal of Agrometeorology, 2015, 36(5): 570-577.

[23] 孫新素, 龍致煒, 宋廣鵬, 等. 氣候變化對黃淮海地區(qū)夏玉米-冬小麥種植模式和產(chǎn)量的影響[J]. 中國農(nóng)業(yè)科學(xué), 2017, 50(13): 2 476-2 487.

SUN Xinsu, LONG Zhiwei, SONG Guangpeng, et al. Effects of climate change on cropping pattern and yield of Summer Maize-Winter Wheat in Huang-Huai-Hai Plain[J]. Scientia Agricultura Sinica, 2017, 50(13): 2 476-2 487.

[24] 胡實(shí), 莫興國, 林忠輝. 氣候變化對海河流域主要作物物候和產(chǎn)量影響[J]. 地理研究, 2014, 33(1): 3-12.

HU Shi, MO Xingguo, LIN Zhonghui. The contribution of climate change to the crop phenology and yield in Haihe River Basin[J]. Geographical Research, 2014, 33(1): 3-12.

[25] XIAO D P, TAO F L. Contributions of cultivars, management and climate change to winter wheat yield in the North China Plain in the past three decades[J]. European Journal of Agronomy, 2014, 52: 112-122.

[26] XIAO D P, TAO F L. Contributions of cultivar shift, management practice and climate change to maize yield in North China Plain in 1981-2009[J]. International Journal of Biometeorology, 2016, 60(7): 1 111-1 122.

[27] 趙鴻, 王潤元, 尚艷, 等. 糧食作物對高溫干旱脅迫的響應(yīng)及其閾值研究進(jìn)展與展望[J]. 干旱氣象, 2016, 34(1): 1-12.

ZHAO Hong, WANG Runyuan, SHANG Yan, et al. Progress and perspectives in studies on responses and thresholds of major food crops to high temperature and drought stress[J]. Journal of Arid Meteorology, 2016, 34(1): 1-12.

Variation of Reference Crop Evapotranspiration and its Sensitivity Analysis in Ningjin County of Hebei Province under a Changing Climate

YANG Li, LIU Haijun*, TANG Xiaopei, GAO Zhuangzhuang, FENG Dongxue

(Beijing Key Laboratory of Urban Hydrological Cycle and Sponge City Technology, College of Water Sciences, Beijing Normal University, Beijing 100875, China)

【】Agricultural production in Ningjin county of Hebei province relies on irrigation and understanding crops demand for water and its evapotranspiration is essential to improving agricultural water management. The purpose of this paper is to analyze the potential variation in evapotranspiration across the county under a climate projected to change.【】Meteorological data measured daily from 1981 to 2018 at the weather station in the county was used to calculate the reference crop evapotranspiration (0) using the FAO56 Penman-Monteith formula. We also calculated the extreme climate indexes and how each meteorological factor trended. The impact of each meteorological factor on0was estimated by sensitivity analysis.【】The change in precipitation in the county did not show noticeable trends in the studied period, but the average temperature had risen significantly accompanied by a significant decrease in sunshine hours, relative humidity and wind speed. The extreme temperature indexes for high temperature events trended up while the indexes for extreme low temperature events trended down, with extreme precipitation indexes not showing noticeable change. The annual average0was impacted by the relative humidity most, while the monthly average0was most sensitive to net radiation in summer and to relative humidity in other seasons. The decrease in wind speed and radiation appeared to have overwhelmed the positive influence of temperature rise and relative humidity drop on0, leading the0to decline although not at significant level.【】Most meteorological factors in the county had showed substantial changes from 1981-2018, but, surprisingly, their combination did not lead to a significant change in0.

climate change; extreme climates; reference crop evapotranspiration; sensitivity analysis

S161.4

A

10.13522/j.cnki.ggps.2020303

1672 - 3317（2021）01 - 0097 - 09

2020-06-06

自然基金重點(diǎn)項(xiàng)目（51939005）；國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2017YFD0201500）；111引智基地項(xiàng)目（B18006）

楊麗（1997-），女。碩士研究生，主要從事節(jié)水與水資源高效利用技術(shù)研究，E-mail: 201921470027@mail.bnu.edu.cn

劉海軍（1975-），男。教授，博士生導(dǎo)師，博士，主要從事農(nóng)業(yè)水文過程及現(xiàn)代節(jié)水灌溉理論和技術(shù)研究。E-mail: shanxilhj@bnu.edu.cn

楊麗, 劉海軍, 唐曉培, 等. 氣候變化下河北省寧晉縣參考作物蒸散量變化趨勢及敏感性分析[J]. 灌溉排水學(xué)報(bào), 2021,40(1): 97-105.

YANG Li, LIU Haijun, TANG Xiaopei, et al. Variation of Reference Crop Evapotranspiration and Its Sensitivity Analysis in Ningjin County of Hebei Province under a Changing Climate[J]. Journal of Irrigation and Drainage, 2021, 40(1): 97-105.

責(zé)任編輯：白芳芳