趙賓華, 馬方銘, 李占斌, 李 鵬, 黃金華, 高 蓓, 孫 虎

(1.西安理工大學(xué) 省部共建西北旱區(qū)生態(tài)水利國(guó)家重點(diǎn)實(shí)驗(yàn)室, 陜西 西安 710048; 2.旱區(qū)生態(tài)水文與災(zāi)害防治國(guó)家林業(yè)局重點(diǎn)實(shí)驗(yàn)室, 陜西 西安 710048; 3.西安市水利規(guī)劃勘測(cè)設(shè)計(jì)院, 陜西 西安 710054)

1 研究背景

水是關(guān)乎生態(tài)系統(tǒng)功能和人類社會(huì)福祉的重要自然資源,在全球干旱事件頻發(fā)的影響下,水資源量的匱乏成為制約生態(tài)向好和社會(huì)可持續(xù)發(fā)展的一大挑戰(zhàn)性因素,而潛在蒸散發(fā)作為水循環(huán)的關(guān)鍵部分,在不同影響因子的作用下,與降水共同決定著地區(qū)的干濕程度[1]。因此,了解區(qū)域潛在蒸散發(fā)的時(shí)空格局演變及其驅(qū)動(dòng)因子的變化,是解決全球氣候變化背景下區(qū)域水資源問題的重要途徑。

目前可采用多種方法或模型計(jì)算潛在蒸散發(fā)(ET0),根據(jù)其估算機(jī)理主要分為溫度法、輻射法、質(zhì)量傳輸法和綜合法等,不同的方法對(duì)輸入資料的要求有所不同,部分學(xué)者對(duì)于不同估算方法在研究區(qū)域的適用性也做了一定的探討[2-4]。目前,聯(lián)合國(guó)糧農(nóng)組織(Food and Agriculture Organization of the United Nations, FAO)推薦的Penman-Monteith公式作為標(biāo)準(zhǔn)計(jì)算方法已得到廣泛應(yīng)用[5-9],該公式引入空氣動(dòng)力學(xué)和冠層阻力系數(shù),具有嚴(yán)格的物理基礎(chǔ),較全面地考慮了包括植物氣孔導(dǎo)度和氣象因素對(duì)蒸散發(fā)結(jié)果的影響作用,具有較高的精度和適用性。潛在蒸散發(fā)的時(shí)空變化受多種因子的影響,不同地區(qū)的地理位置差異及氣候特征不同,導(dǎo)致各類型因子對(duì)潛在蒸散發(fā)的貢獻(xiàn)程度也存在較大差異,Tang等[1]使用綜合Penman-Monteith模型、基于輻射的Priestley-Taylor模型和基于溫度的Hamon模型對(duì)1975—2014年西伯利亞大流域ET0變化及驅(qū)動(dòng)因素進(jìn)行了綜合分析,研究表明飽和水汽壓差的增加和風(fēng)速的減小對(duì)潛在蒸散發(fā)的貢獻(xiàn)十分重要;Yang等[10]根據(jù)祁連山5個(gè)氣象站的實(shí)測(cè)數(shù)據(jù)研究分析得出氣象因子隨海拔變化顯著,凈輻射敏感程度最高;畢彥杰等[11]以京津冀地區(qū)為研究區(qū)域,分析得出ET0整體呈下降趨勢(shì)且春季減幅最為明顯,ET0對(duì)相對(duì)濕度最為敏感,風(fēng)速變化對(duì)京津冀地區(qū)ET0變化的貢獻(xiàn)最大。

本研究基于Penman-Monteith計(jì)算方法,選取長(zhǎng)江支流中面積最大的嘉陵江流域內(nèi)部及周邊氣象觀測(cè)站點(diǎn)1970—2019年的逐日氣象數(shù)據(jù)作為分析計(jì)算基礎(chǔ),以流域潛在蒸散發(fā)不同時(shí)空格局的演變特征以及平均氣溫、相對(duì)濕度、平均風(fēng)速和日照時(shí)數(shù)4個(gè)氣象因子對(duì)潛在蒸散發(fā)變化的影響為研究核心,量化了這些氣象因子對(duì)潛在蒸散發(fā)的貢獻(xiàn)率,并借助地理探測(cè)器分析了4個(gè)氣象因子在空間上的交互作用,以期為流域干旱研究和水資源規(guī)劃利用提供一定的理論支撐,從而對(duì)長(zhǎng)江流域水資源循環(huán)利用以及整個(gè)長(zhǎng)江經(jīng)濟(jì)帶的可持續(xù)發(fā)展起到推動(dòng)作用。

2 數(shù)據(jù)來源與研究方法

2.1 研究區(qū)概況

嘉陵江流域(102.59°E～109.02°E,29.29°N～34.47°N)面積為15.98×104km2,干流全長(zhǎng)1 120 km,平均比降2.05‰,是長(zhǎng)江支流中面積最大的流域,發(fā)源于秦嶺并自北向南流經(jīng)陜西、甘肅、四川、重慶4省(市)縱貫四川盆地中部,流域內(nèi)水資源豐富,支流眾多,主要包括嘉陵江干流、渠江、涪江三大水系。流域大部分屬亞熱帶濕潤(rùn)季風(fēng)氣候,四季分明,多年平均氣溫約為10 ℃,多年平均最高氣溫為19.4 ℃,多年平均最低氣溫為4.3 ℃。流域多年平均降水量為912.8 mm,時(shí)空分配不均勻,整體上由西北至東南遞增[12]。流域形似扇形洪水向心匯聚,多年平均徑流量約為700×108m3,研究流域概況見圖1。

圖1 嘉陵江流域概況

2.2 數(shù)據(jù)來源

本研究氣象數(shù)據(jù)均來自中國(guó)氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn),通過剔除缺測(cè)或無觀測(cè)數(shù)據(jù)較多的部分站點(diǎn)后選擇嘉陵江流域內(nèi)部及周邊45個(gè)氣象站點(diǎn)1970—2019年日氣象數(shù)據(jù),主要包括逐日平均氣溫、最高最低氣溫、相對(duì)濕度、平均風(fēng)速、日照時(shí)數(shù)等。流域數(shù)字高程模型(digital elevation model,DEM)分辨率為30 m,數(shù)據(jù)來源于地理空間數(shù)據(jù)云(http://www.gscloud.cn)。

2.3 研究方法

2.3.1 潛在蒸散發(fā)計(jì)算 本研究采用聯(lián)合國(guó)糧農(nóng)組織(FAO)1998年推出的修正Penman-Monteith公式進(jìn)行潛在蒸散發(fā)估算,該式適用于任何研究區(qū)域及不同氣候類型區(qū)的每日氣象數(shù)據(jù)[13],其表達(dá)式為:

(1)

式中:ET0為潛在蒸散發(fā)量,mm/d;Δ為飽和水氣壓曲線斜率,kPa/℃;γ為干濕常數(shù),kPa/℃;u2為2 m高處風(fēng)速,m/s;Rn為凈輻射,MJ/(m2·d);G為土壤熱通量,MJ/(m2·d),一般忽略不計(jì);T為日平均氣溫,℃;es為飽和水汽壓,kPa;ea為實(shí)際水汽壓,kPa。

2.3.2 敏感性分析 本研究采用McCuen[14]引入的ET0對(duì)氣象因子變化響應(yīng)的敏感系數(shù)即氣候敏感系數(shù)(潛在蒸散發(fā)量變化率與氣象因子變化率之比),分析嘉陵江流域潛在蒸散發(fā)對(duì)氣象因子的敏感性,其表達(dá)式為:

(2)

式中:ET0為潛在蒸散發(fā)量,mm/d;Sxi為ET0對(duì)各氣象因子xi的敏感系數(shù),無量綱,用于評(píng)估不同氣象因子對(duì)ET0的影響程度。當(dāng)Sxi為正時(shí)表明ET0與影響因子xi保持一致的變化趨勢(shì),當(dāng)Sxi為負(fù)時(shí)表明ET0與影響因子xi為相反的變化趨勢(shì),|Sxi|越大表明影響因子對(duì)ET0的影響等級(jí)越高。

2.3.3 氣象因子貢獻(xiàn)率計(jì)算 本研究采用因子貢獻(xiàn)率表示氣象因子變化所引起的ET0變化,即將氣象因子的敏感系數(shù)與該因子的多年相對(duì)變化率相乘。當(dāng)貢獻(xiàn)率為正(負(fù))時(shí)表明該氣象因子對(duì)ET0的貢獻(xiàn)為正(負(fù))向作用,即會(huì)引起ET0的增加(減少),貢獻(xiàn)率的絕對(duì)值可以表示出由該因子的相對(duì)變化所引起的ET0變化,其表達(dá)式為[15]:

Conxi=Sxi·RCxi

(3)

(4)

2.3.4 地理探測(cè)器 地理探測(cè)器包括因子、風(fēng)險(xiǎn)、交互作用和生態(tài)探測(cè)器4種[16]?？梢岳闷渲械慕换プ饔锰綔y(cè)器計(jì)算得到各單因子及兩因子相互疊加后的q值,并且可以通過比較來分析選取的兩因子間是否存在交互作用以及交互作用的大小、方向、線(非線)性等。本研究借助交互作用探測(cè)器q統(tǒng)計(jì)量衡量因子的空間分異性,其公式為:

(5)

(6)

SST=Nσ2

(7)

3 結(jié)果與分析

3.1 嘉陵江流域氣象因子時(shí)間變化特征

1970—2019年嘉陵江流域年尺度和季節(jié)尺度不同氣象因子的傾向率如表1所示。由表1可知,在年尺度上,除平均氣溫以0.20 ℃/10a的傾向率顯著上升外,相對(duì)濕度、平均風(fēng)速和日照時(shí)數(shù)均呈減小趨勢(shì),傾向率分別為0.239%/10a、0.048 (m·s-1)/10a和0.100 (h·d-1)/10a,在研究時(shí)間序列內(nèi)流域整體上有變暖、變干的趨勢(shì)。在季節(jié)尺度上,平均氣溫均呈上升趨勢(shì),春、冬兩季的溫度增幅相對(duì)較高;相對(duì)濕度除秋季外其他季節(jié)均呈現(xiàn)下降趨勢(shì);平均風(fēng)速雖在2000年左右有明顯的轉(zhuǎn)折點(diǎn),但是整體波動(dòng)范圍集中在0.6～2.0 m/s,整體來說在四季均呈現(xiàn)減小趨勢(shì),尤其在春季變化更顯著;日照時(shí)數(shù)除春季外其他季節(jié)均表現(xiàn)為減少趨勢(shì)且變化幅度相差不大。

表1 1970—2019年嘉陵江流域4個(gè)氣象因子的傾向率

3.2 嘉陵江流域ET0時(shí)空變化規(guī)律

3.2.1 嘉陵江流域ET0時(shí)間變化特征 1970—2019年嘉陵江流域年ET0及不同季節(jié)ET0的變化過程分別如圖2、3所示,ET0變化M-K趨勢(shì)檢驗(yàn)結(jié)果見表2。分析圖2、3可知,全流域ET0在年尺度上總體呈不顯著減小趨勢(shì),根據(jù)Pettitt檢驗(yàn)結(jié)果可知,在研究序列內(nèi)ET0變化的突變點(diǎn)出現(xiàn)在1979年,1970—1979年ET0呈現(xiàn)減小趨勢(shì),1979年之后為增加趨勢(shì)。流域多年平均ET0為895.75 mm,線性變化率為-0.133 mm/10a。季節(jié)尺度上夏季和秋季ET0分別以2.209、0.455 mm/10a的速率減少,春季和冬季ET0均表現(xiàn)為上升趨勢(shì),多年傾向率分別為1.946和0.585 mm/10a。由表2可知,嘉陵江流域不同季節(jié)尺度上的ET0變化趨勢(shì)均不顯著。

表2 1970—2019年嘉陵江流域ET0變化M-K趨勢(shì)檢驗(yàn)結(jié)果

圖2 1970—2019年嘉陵江流域年ET0變化過程

圖3 1970—2019年嘉陵江流域不同季節(jié)ET0變化過程

3.2.2 嘉陵江流域ET0空間變化規(guī)律 利用ArcGIS10.5平臺(tái),采用反距離加權(quán)(inverse distance weight, IDW)插值得到嘉陵江流域ET0的空間分布。結(jié)果表明,1970—2019年嘉陵江流域多年平均ET0最高值為1 061.4 mm,出現(xiàn)在北部隴南市武都區(qū)附近,主要為以九寨溝縣、武都區(qū)和文縣形成的高值圈,多年平均最低值出現(xiàn)在東部城口縣附近,為805.3 mm,同時(shí)圍繞ET0高值圈形成以成縣、文縣等為代表的低蒸散發(fā)能力圈,流域多年平均ET0分布整體上呈現(xiàn)北部高南部低的特征,與流域高程分布大致相似,高值圈站點(diǎn)平均海拔高度超過1 100 m。

1970—2019年嘉陵江流域各季節(jié)多年平均ET0空間分布如圖4所示。圖4表明,流域春、冬季ET0分布規(guī)律與流域年ET0分布規(guī)律較為一致,均為北部高南部低,而夏、秋季流域內(nèi)ET0分布規(guī)律整體上與其他季節(jié)相反。流域ET0的最高值均出現(xiàn)在九寨溝縣、武都區(qū)和文縣附近,春、夏季流域ET0最低值出現(xiàn)在東部城口縣附近,秋、冬季流域ET0最低值出現(xiàn)在北部成縣附近。

圖4 1970—2019年嘉陵江流域各季節(jié)多年平均ET0空間分布

3.3 ET0影響因子分析

計(jì)算得到的嘉陵江流域不同時(shí)間尺度ET0對(duì)4個(gè)氣象因子的敏感系數(shù)見表3。由表3可以看出,除相對(duì)濕度敏感系數(shù)為負(fù)值外,平均氣溫、平均風(fēng)速和日照時(shí)數(shù)的敏感系數(shù)均為正值,即ET0與相對(duì)濕度呈負(fù)相關(guān)關(guān)系,與平均氣溫、平均風(fēng)速和日照時(shí)數(shù)呈正相關(guān)關(guān)系。當(dāng)流域呈現(xiàn)變濕趨勢(shì)時(shí)潛在蒸散發(fā)有一定程度的下降,而增溫會(huì)提升潛在蒸散發(fā)。在年尺度上,嘉陵江流域ET0對(duì)相對(duì)濕度的敏感度較高(-0.505),其次為平均氣溫(0.402)和日照時(shí)數(shù)(0.171),而ET0對(duì)風(fēng)速變化的響應(yīng)程度不高,敏感系數(shù)僅為0.096。在季節(jié)尺度上,4個(gè)因子在不同季節(jié)對(duì)ET0的作用均保持一致,平均風(fēng)速在春季、秋季的敏感系數(shù)與年平均敏感系數(shù)相一致,均為0.09左右;平均氣溫敏感系數(shù)夏季最高(0.554),冬季最低(0.193);日照時(shí)數(shù)敏感系數(shù)夏季最高(0.269),而冬季ET0對(duì)日照時(shí)數(shù)呈現(xiàn)弱敏感(0.073);相對(duì)濕度敏感系數(shù)四季變化較小,敏感系數(shù)最高和最低值分別出現(xiàn)在冬季(-0.648)和夏季(-0.343),整體上均表現(xiàn)為較高敏感性。

表3 嘉陵江流域不同時(shí)間尺度ET0對(duì)4個(gè)氣象因子的敏感系數(shù)

利用反距離加權(quán)插值得到嘉陵江流域ET0對(duì)各氣象因子的敏感程度分布,如圖5所示。

圖5 嘉陵江流域ET0對(duì)各氣象因子敏感系數(shù)的空間分布

由圖5可以看出,流域內(nèi)ET0對(duì)不同因子變化的響應(yīng)程度分布不一致。ET0對(duì)平均風(fēng)速的敏感程度較大值集中在九寨溝縣、武都區(qū)和文縣一帶,敏感程度在流域內(nèi)整體上由北部向南部呈遞減趨勢(shì);ET0對(duì)平均氣溫的敏感度與對(duì)平均風(fēng)速的敏感度分布相反,呈現(xiàn)由南部向北部衰減的趨勢(shì),最低值(0.146)出現(xiàn)在若爾蓋縣附近地區(qū),平武縣以南地區(qū)平均氣溫敏感系數(shù)差別不大;ET0對(duì)日照時(shí)數(shù)的敏感度變化幅度不大,相對(duì)濕度的敏感程度整體上分布較為一致,低值區(qū)域主要集中在流域內(nèi)儀隴縣以南。

3.4 ET0影響因子貢獻(xiàn)率

貢獻(xiàn)率計(jì)算有助于分析確定流域ET0變化的主導(dǎo)因子,表4為嘉陵江流域氣象因子對(duì)在不同時(shí)間尺度下ET0的貢獻(xiàn)率。由表4可以看出,年尺度和季節(jié)尺度下主導(dǎo)因子表現(xiàn)不一致。流域內(nèi)年平均風(fēng)速、平均氣溫、日照時(shí)數(shù)和相對(duì)濕度對(duì)ET0的貢獻(xiàn)率分別為-1.72%、2.84%、-2.13%和0.81%,平均氣溫占據(jù)主導(dǎo)地位,其中平均氣溫和相對(duì)濕度對(duì)ET0的變化起正向促進(jìn)作用,而平均風(fēng)速和日照時(shí)數(shù)對(duì)ET0的變化與之相反,4個(gè)因子的共同作用使流域潛在蒸散發(fā)呈現(xiàn)不顯著的減小趨勢(shì)。季節(jié)尺度上,平均風(fēng)速對(duì)ET0的變化在不同季節(jié)內(nèi)均為負(fù)向作用,即該因子會(huì)引起ET0的減小,各季節(jié)貢獻(xiàn)率變化范圍為-2.02%～-0.86%;平均氣溫均為正貢獻(xiàn),貢獻(xiàn)率相對(duì)來說表現(xiàn)為春、冬季高(4.40%、4.86%)、而夏季較低(1.57%)的特征;日照時(shí)數(shù)貢獻(xiàn)率在各季節(jié)變化程度較大,其中春季最低,為0.06%,夏季最高,為-4.81%,在夏季和秋季均為影響ET0變化的主導(dǎo)因子;相對(duì)濕度在秋季對(duì)ET0的貢獻(xiàn)率為-0.41%,整體貢獻(xiàn)率在不同季節(jié)變化幅度不大。

表4 嘉陵江流域4個(gè)氣象因子在不同時(shí)間尺度下對(duì)ET0的貢獻(xiàn)率 %

3.5 ET0影響因子交互作用

通過地理探測(cè)器中的交互作用探測(cè)可以識(shí)別并評(píng)估空間上不同氣象因子同時(shí)作用時(shí)對(duì)ET0的解釋力相比于單個(gè)因子對(duì)ET0的解釋力是否有差異,通過判斷兩個(gè)自變量對(duì)因變量交互作用的類型(表5),得到嘉陵江流域氣象因子之間對(duì)ET0空間分異性的解釋力(圖6)。

表5 因子交互作用類型

圖6 交互作用探測(cè)器對(duì)單、雙因子作用q值計(jì)算結(jié)果

由圖6可見,平均風(fēng)速和相對(duì)濕度獨(dú)立發(fā)揮作用時(shí)的q值分別為0.176和0.092,交互作用下的q值為0.268,分析可得其交互作用類型為雙因子增強(qiáng),說明平均風(fēng)速和相對(duì)濕度交互作用的影響力均大于各單一因子的影響力。其他因子兩兩交互作用的q值也均大于其單一作用下的q值之和,屬于非線性增強(qiáng)類型,其中平均氣溫和相對(duì)濕度、平均風(fēng)速、日照時(shí)數(shù)的交互作用相對(duì)于其單一作用下對(duì)ET0的解釋力大幅提高,分別達(dá)68.4%、60.5%和46.7%,平均風(fēng)速和日照時(shí)數(shù)交互作用的解釋力為58.2%,表明嘉陵江流域ET0的變化是多因子共同作用的結(jié)果。

4 討 論

蒸散發(fā)是水文循環(huán)過程中的重要環(huán)節(jié),以探究潛在蒸散發(fā)時(shí)空變化作為全面了解氣候變化背景下區(qū)域水文氣象變化的載體,對(duì)解決區(qū)域水資源短缺及管理等問題意義重大。在本研究中,以嘉陵江流域若干氣象站的實(shí)測(cè)氣象數(shù)據(jù)為基礎(chǔ)分析了流域氣象要素的變化特征,并基于Penman-Monteith公式計(jì)算了嘉陵江流域長(zhǎng)序列的潛在蒸散發(fā)量。得出“在1970—2019年隨著嘉陵江流域平均氣溫以0.02 ℃/a的速率升高,潛在蒸散發(fā)變化以1979年為突變點(diǎn)、在高-低-高變化趨勢(shì)下整體卻以0.133 mm/10a的速度減少”的結(jié)論,這與呂明權(quán)等[17]的研究結(jié)果相一致,說明在全球增溫背景下,雖然變暖后的大氣能夠容納更多的水分,從而導(dǎo)致潛在蒸散發(fā)量更高,但是實(shí)際研究中全球部分區(qū)域的潛在蒸散發(fā)變化速率卻在減小[18-20],嘉陵江流域同樣也存在“蒸發(fā)悖論”現(xiàn)象。同時(shí),Herath等[21]對(duì)嘉陵江流域的研究也表明年潛在蒸散發(fā)呈現(xiàn)微弱的減小趨勢(shì),而在流域空間上呈現(xiàn)北部最高、西部最低的分布特征,本研究中潛在蒸散發(fā)在空間上的分布與流域平均高程的分布較一致,存在北部高、南部低的分布特征,這與該學(xué)者的研究結(jié)論基本一致。

關(guān)于影響潛在蒸散發(fā)變化的驅(qū)動(dòng)因素,在本研究中通過敏感系數(shù)及貢獻(xiàn)率分析量化了不同氣象因子的敏感程度,發(fā)現(xiàn)1970—2019年嘉陵江流域年潛在蒸散發(fā)變化的主導(dǎo)因子為平均氣溫,劉昌明等[22]對(duì)中國(guó)十大流域片區(qū)的潛在蒸散發(fā)進(jìn)行了相關(guān)研究,結(jié)果表明長(zhǎng)江流域片區(qū)的潛在蒸散發(fā)對(duì)最高氣溫最為敏感,呂明權(quán)等[17]也認(rèn)為1982年后隨著氣候變暖,溫度上升也成為了影響嘉陵江流域潛在蒸散發(fā)的主導(dǎo)因子。正如不同計(jì)算模型的輸入資料所表現(xiàn)得一樣,驅(qū)動(dòng)潛在蒸散發(fā)變化的因素不僅包括氣溫、風(fēng)速、水汽壓和輻射等,植被變化以及水-能-植被間的相互作用也值得研究,例如楊銘珂等[23]分析了黔中地區(qū)1995—2015年的土地利用結(jié)構(gòu)變化情況,認(rèn)為草地以及耕地向林地轉(zhuǎn)移會(huì)使?jié)撛谡羯l(fā)增大,林地、草地以及耕地向建設(shè)用地、未利用地轉(zhuǎn)移會(huì)使?jié)撛谡羯l(fā)減小;Xu等[24]以黃河上游地區(qū)為研究區(qū)分析了流域長(zhǎng)期蒸散發(fā)變化特征,認(rèn)為氣溫和風(fēng)速是潛在蒸散發(fā)減少的主要驅(qū)動(dòng)因素,同時(shí)植被綠化也是影響蒸散發(fā)的主要因子。而本文僅分析討論了4個(gè)氣象因子對(duì)潛在蒸散發(fā)的影響,對(duì)于其他可能影響潛在蒸散發(fā)時(shí)空變化格局的因素還有待進(jìn)一步深入研究。

5 結(jié) 論

(1)1970—2019年4個(gè)氣象因子除平均氣溫升高外,相對(duì)濕度、平均風(fēng)速和日照時(shí)數(shù)均呈下降趨勢(shì)。流域年潛在蒸散發(fā)以0.133 mm/10a的速率呈不顯著下降趨勢(shì),突變點(diǎn)發(fā)生在1979年。季節(jié)尺度上春季和冬季ET0呈上升趨勢(shì),夏季和秋季呈下降趨勢(shì)?？臻g上,年ET0分布北高南低,變化范圍為805.3～1 061.4 mm。

(2)年尺度上潛在蒸散發(fā)對(duì)相對(duì)濕度最為敏感(敏感系數(shù)-0.505),平均氣溫次之(敏感系數(shù)0.402),其次是日照時(shí)數(shù)(敏感系數(shù)0.171)和風(fēng)速(敏感系數(shù)0.096)。季節(jié)尺度上,在春、夏季對(duì)平均氣溫最敏感,在秋、冬季對(duì)相對(duì)濕度最敏感。流域內(nèi)年平均氣溫、相對(duì)濕度、平均風(fēng)速和日照時(shí)數(shù)對(duì)ET0的貢獻(xiàn)率分別為2.84%、0.81%、-1.72%和-2.13%,平均氣溫占據(jù)主導(dǎo)地位,多氣象因子的共同作用引起了流域ET0的下降趨勢(shì)。

(3)平均氣溫和相對(duì)濕度交互作用下對(duì)潛在蒸散發(fā)的解釋力達(dá)到68.4%,遠(yuǎn)大于二者獨(dú)立發(fā)揮作用時(shí)的解釋力,與貢獻(xiàn)率分析中平均氣溫和相對(duì)濕度總貢獻(xiàn)率值最大的結(jié)果相一致;平均氣溫和平均風(fēng)速交互作用次之,解釋力為60.5%;平均風(fēng)速和日照時(shí)數(shù)交互作用的解釋力為58.2%。