滴灌条件下枣园蒸散量的显著气象因子分析

李 徐，岳春芳，张梦丽

(新疆农业大学水利与土木工程学院，乌鲁木齐 830052)

0 引 言

【研究意义】蒸散(evapotranspiration，ET)，由土壤蒸发和植物蒸腾组成，是维持陆面水分平衡和地表能量平衡的重要组成部分，也是农田生态系统水分消耗的主要途径[1]。阿克苏地区红枣成为新疆红枣产业发展的特色区域，2019年阿克苏地区红枣种植面积为8.67×104hm2，滴灌红枣面积为6.55×103hm2，目前占红枣总面积7.56%。阿克苏地区合理调配红枣灌溉用水，将恢复和新建枣树节水滴灌工程4.33×103hm2[2]。目前，国内外学者对ET0的显著气象因子进行了一系列的研究，在不同时空显著气象因子存在差异。因获取某地区实际蒸散资料较困难，大多研究利用参考作物蒸散量(ET0)确定当地实际蒸散量(ETc)。ET影响作物水分利用效率及生长，了解作物蒸散规律及其影响因素对作物高效用水具有重要意义。掌握滴灌枣园蒸散量的显著影响因子，结合气象资料对滴灌枣树进行动态合理的科学灌溉，为当地合理调配红枣灌溉用水提供参考。【前人研究进展】Sharifi等[3]研究表明，平均温度是干旱半干旱地区ET0的显著气象因子。Burn DH[4]研究表明，草原风速及水汽压差为ET0的显著气象因子，风速与ET0呈负相关，水汽压差与ET0呈正相关。段春锋等[5]研究表明，风速是西北地区ET0变化的主导因子。李迎等[6]研究表明，冬小麦各气象要素显著性在1、3、10月均表现为相对湿度>风速>日照时间>温度，5月则表现为相对湿度>日照时间>风速>温度。董宇轩等[7]研究表明，风速在夏秋冬季和小麦生长季为关中地区ET0的显著气象因子，平均温度在春季和年尺度为ET0变化的主要气象因子。杨宜等[8]研究表明，相对湿度与西瓜日蒸散量呈负相关，其他气象因子与西瓜日蒸散量呈正相关。董煜等[9]研究结果表明，新疆地区气象因子显著性排序为最高温度>相对湿度>日照时数。郑明等[10]基于涡度系统和自动气象站设备分析了阿克苏枣园全生育期蒸散变化，研究结果表明，在0.5 h时间尺度，太阳辐射对枣园蒸散影响最大；在1 d时间尺度，空气温度对枣园蒸散影响最大。气候、作物及灌溉方式不同，影响蒸散量的显著气象因子及其影响程度存在较大差异。【本研究切入点】目前，研究ET0的显著气象因子和贡献率的差异变化较多，而不同ET0模型的显著气象因子对滴灌枣园实际蒸散量(ETc)的影响研究较少。研究不同ET0的显著气象因子在不同生育期与ET0关系及各显著气象因子对枣树ETc的贡献率。【拟解决的关键问题】在阿克苏地区枣树滴灌试验，选取Penman-Monteith(PM)、Hargreaves-Samani(HS)、Priestley-Taylo(PT)模型，采用多元线性回归分析不同ET0的显著气象因子，以及各显著气象因子对枣园ETc的贡献率。分析不同参考作物蒸散与气象因子的响应，为该地区及气候相近地区枣园蒸散量的成因及灌溉制度的合理制定提供参考。

1 材料与方法

1.1 材 料

试验区位于新疆阿克苏地区红旗坡农场的新疆农业大学林果试验基地(E80°20’，N41°16’)，海拔1 133 m，试验区面积为0.106 hm2。该试验地年均太阳辐射为544～590 kJ/cm2，多年平均日照时数2 855～2 967 h，多年平均降雨量42.4～94.4 mm。试验区供试枣树为6年生灰枣，行株距为4 m×1 m，滴灌带采用1行2管式铺设，滴灌带距树干40 cm。试验区土壤质地上层(0～50 cm)以粉沙壤土为主，下层(50～100 cm)以细沙土为主。0～100 cm土层平均土壤容重为1.39 g/cm，平均田间持水率为27%，凋萎含水率为6%，地下水埋深10 m以上[11-12]。

数据来源于2019年枣树滴灌试验，采用作物水分生产率(WUE)最高的处理进行分析，该处理灌水定额为20 m3/667m2，灌水次数为13次。

1.2 方 法

1.2.1 测定指标

1.2.1.1 气象指标

使用安装高度2 m的HOBO小型自动气象站监测并采集气象数据(太阳辐射、相对湿度、气温、降雨量、风速等)，每30 min记录1次数据，天顶辐射由当地经纬度计算得到。

1.2.1.2 土壤水分指标

采用TRIME土壤水分测定仪测定土壤体积含水率，每次灌水前、后测量，雨后加测。枣树行间布置2根TRIME管，株间布置1根TRIME管，分别布设在枣树行间距树干40、80 cm处和株间40 cm处。观测土层深度100 cm，垂直测点为地面以下每10 cm测定1次。

1.2.1.3 作物水分生产率(WUE)

单位水量所获得的红枣产量。

1.2.2 计算

蒸散量受各类气象因子综合影响，影响因素可分为辐射项、温度项、湿度项及风速项。以2019年枣树生育期内的日尺度太阳辐射(Rn)、天顶辐射(Ra)、最高温度(Tmax)、平均温度(T)、最低温度(Tmin)、最高相对湿度(RHmax)、平均相对湿度(RH)、最低相对湿度(RHmin)、风速(U)的日平均值为代表值。

显著气象因子为各气象因子之间不存在共线性且气象因子对ET0影响显著。其中，显著性为significance(sig)，当0.000.05，则该气象因子对ET0影响不显著。VIF为方差膨胀因子，当VIF<10，则各气象因子之间不存在共线性；当VIF>10则各气象因子之间存在共线性。由于PM、HS、PT所需气象因子存在差异，只考虑该计算模型所需的气象因子。

确定参考作物蒸散量的方法主要包括测量法和模型计算，根据基本气象数据建立的经验模型是目前参考作物蒸散量计算中较为普遍的一种方法。参考作物蒸散量经验模型主要分为综合法、温度法、辐射法。其中，综合法中的Penman-Monteith、温度法中的Hargreaves-Samani、辐射法中的Priestley-Taylo模型在西北地区使用精度较高[13]。以农田水量平衡方程计算的蒸散量为标准值ETc，PM、HS、PT计算的参考作物蒸散量为估算值ET0。表1

表1 计算蒸散量的相关公式Table 1 Correlation formula for evapotranspiration calculation

1.3 数据处理

因各气象因子的量纲和数据差异，运用SPSS对各气象因子进行标准化处理，采用多元线性回归，分析各气象因子对ETc变化的影响[14]。

YET=α1X1+α2X2+α3X3+…αnXn.

(2)

(3)

式中，YET为实际作物蒸散量的标准化值，X1、X2、X3、…、Xn分别为气候因子的标准化值，α1、α2、α3、…、αn为气候因子序列标准化后对应的回归系数，g1为某因子(X1)变化对YET变化的贡献率。

对数据进行标准化处理后得到各模型显著气象因子在不同生育期对ETc的贡献率。

使用Microsoft Excel 2013及SPSS 22.0进行数据分析；采用Python3.7.0进行制图。

2 结果与分析

2.1 气象因子及蒸散量的变化特征

研究表明，辐射、温度均呈单峰状，相对湿度呈双峰状，风速呈多峰状。Rn与Ra在6月下旬最高，日均值分别为24.31、41.86 MJ/m2；各温度值在8月上旬最高，维持在2.2～38.6℃；各相对湿度值维持在13.3%～97.8%；U维持在0～1.6 m/s。图1

图1 各气象因子变化特征Fig.1 Variation characteristics of meteorological factors

统计2019年枣树生育期相关数据，得到各个旬的ETc与ET0数据，平均各旬得到相应日蒸散量。图2

图2 枣树ET0与ETc日均值变化特征Fig.2 Variation characteristics of daily mean values of ET0 and ETc in jujube trees

研究表明，ETc与ET0(PM、HS、PT)整体变化趋势较为一致，均呈“先增后减”的趋势：5月上旬至7月下旬逐渐增加，7月下旬左右达到峰值，随后逐渐下降，但各ET0曲线也出现了不同程度的差异。ET0日均值排序为ET0(HS)>ET0(PT)>ET0(PM)。图2

实际蒸散强度在幼果期最大，但由于各生育期时长不同，因此，各生育期ETc占比存在差异。ETc在萌芽期、花期、幼果期、果实发育期分别占全生育期的11.58%、35.80%、16.76%、35.86%；ET0-PM在萌芽期、花期、幼果期、果实发育期分别占计算总蒸散量的13.99%、44.67%、13.95%、27.40%；ET0-HS在萌芽期、花期、幼果期、果实发育期分别占计算总蒸散量的11.95%、42.11%、14.52%、31.42%；ET0-PT在萌芽期、花期、幼果期、果实发育期分别占计算总蒸散量的13.08%、42.62%、13.63%、30.67%。ETc与各模型计算的ET0之比即作物系数(Kc)存在差异，整体变化规律均随生育期为先减后增。表2

表2 枣树各生育期相关蒸散量Table 2 Evapotranspiration of jujube at different growth stages

2.2 各模型的显著气象因子

建立ET0与各显著气象因子的关系式，如下：

ET0=∑αixi+β.

(1)

式中：ET0为参考作物蒸散量(mm)，αi为各显著气象因子偏回归系数(其中，α1为太阳辐射系数；α2为平均温度系数；α3为平均风速系数；α4为平均相对湿度系数；α5为最高温度系数；α6为最低温度系数；α7为天顶辐射系数，xi为各气象值，β为偏回归系数常数，各显著气象因子及偏回归系数。表3

当选用PM所需气象因子，ET0显著影响因子有太阳辐射、平均相对湿度、平均温度和平均风速；当选用HS所需气象因子，ET0显著影响因子有天顶辐射、最高温度、最低温度、平均温度；当选用PT所需气象因子，显著影响因子有太阳辐射、最低温度和平均温度。平均相对湿度与各ET0总体上呈负相关，即随着平均相对湿度的增大，ET0减少。太阳辐射、平均温度、平均风速、最低温度、最高温度、天顶辐射、平均风速与各ET0总体上呈正相关，即随着太阳辐射、平均温度、平均风速、最低温度、最高温度、天顶辐射、平均风速的增大，ET0增大。表3

表3 各显著气象因子及偏回归系数Table 3 Significant meteorological factors and partial regression coefficient

2.3 显著气象因子对ETc的贡献率

研究表明，对于PM模型而言，太阳辐射在全生育期对ETc贡献率最大，其贡献率为57.6%～74.6%，在幼果期达到最大值74.6%。由于该地区的风季通常出现在花期和幼果期，因此，风速在这2个生育期对蒸散量的贡献率较大，仅次于太阳辐射。在萌芽期和花期，空气平均相对湿度对蒸散量影响较大，主要是因为萌芽期和花期枣树枝叶尚处于生长发育初期，叶面积指数较低，地表土壤裸露较多，受光照及风速影响地表附近相对湿度变化较大。反之，在幼果期和果实发育期随着叶面积指数的增大，枣树地表附近相对湿度值相对稳定，平均相对湿度对蒸散量影响较小。因为幼果期平均温度较其他气象因子变化不大，因此，平均温度在幼果期对蒸散量影响较小，而在萌芽期、花期与果实发育期对蒸散量的影响较大。

最高温度在花期、萌芽期和果实发育期对ETc贡献率较大，其贡献率为60.5%～69.5%。最低温度在幼果期对ETc贡献率较大，其贡献率为53.6%。春季的萌芽期和花期、秋季的果实发育期整体温度相对夏季较低，最低温度值相对稳定，季节交替性的最高温度值的变化可能是引起土壤蒸发和植株蒸腾变化的主要因素。反之，在幼果期整体温度较高，最高温度值相对稳定，最低温度值的变化是引起作物蒸腾变化的主要因素。最低温度在幼果期对蒸散量变化的影响明显大于最高温度。由于各温度项(最高温度、最低温度和平均温度)存在不同程度的自相关关系，经多元回归自相关计算后，3个温度项指标在各生育期的影响略有差异。天顶辐射在不同生育期也略有不同。

太阳辐射对ETc贡献率最大。在整个生育期太阳辐射对ETc的贡献率呈先增后减的趋势，在幼果期贡献率达到最高值为100%。温度项对ETc的贡献率在不同生育期存在差异，在萌芽期与花期平均温度对ETc的贡献率仅次于太阳辐射，在幼果期最低温度对ETc的贡献率仅次于太阳辐射。

由于不同参考作物蒸散量模型的显著气象因子不同，因此，各显著气象因子在不同生育期对ETc的贡献率存在差异。对于全生育期而言，PM模型的显著因子对ETc的贡献率分别为：太阳辐射(62.6%)、平均风速(19.9%)、平均温度(11.8%)和平均相对湿度(5.7%)；HS模型的显著因子对ETc的贡献率分别为：最高温度(55.1%)、最低温度(30.1%)、天顶辐射(11.6%)和平均温度(3.2%)；PT模型的显著因子对ETc的贡献率分别为：太阳辐射(84.1%)、平均温度(12%)和最低温度(3.9%)。图3

图3 各显著气象因子对ETc的贡献率Fig.3 Contribution rate of each significant meteorological factor to ETc

3 讨 论

试验通过逐步回归分析得出，不同参考作物蒸散模型的显著气象因子存在差异。温度与辐射对枣园实际蒸散量的变化起到关键性作用，与杨宜[8]对于西瓜的研究结论相近。平均气温与ET0呈极显著正相关关系，相对湿度与ET0呈显著负相关关系，这与段峥嵘等[15]对阿克苏地区潜在蒸散量的研究结果一致，而与王媛等[16]对艾比湖绿洲参考作物蒸散量的研究结果存在差异。由于存在仪器误差及其他不可控因素，且该地区全天温差较大，直接以该地区气象日均值代表该区域气象的取值可能使结果存在偏差。因此，后续研究可考虑不同时间尺度的校正精度，以确定最优的时间尺度从而减少气候变化对ET0的误差。

4 结 论

4.1ETc与ET0在全生育期均呈先增后减的趋势，7月下旬达到峰值，ET0日均值排序为：ET0(HS)>ET0(PT)>ET0(PM)。PM、HS、PT计算的ET0与ETc在不同生育期占比存在较大差异。

4.2若选用PM计算ET0，则显著气象因子有太阳辐射、平均相对湿度、平均温度和平均风速；若选用HS计算ET0，则显著气象因子有最高温度、最低温度、天顶辐射、平均温度；若选用PT计算ET0，则显著气象因子有太阳辐射、最低温度和平均温度。对PM、HS、PT而言，平均相对湿度与ET0总体上呈负相关，太阳辐射、平均温度、最低温度、最高温度、天顶辐射、平均风速与ET0总体上呈正相关。

4.3PM模型的显著因子对ETc的贡献率分别为：太阳辐射(62.6%)、平均风速(19.9%)、平均温度(11.8%)和平均相对湿度(5.7%)；HS模型的显著因子对ETc的贡献率分别为：最高温度(55.1%)、最低温度(30.1%)、天顶辐射(11.6%)和平均温度(3.2%)；PT模型的显著因子对ETc的贡献率分别为：太阳辐射(84.1%)、平均温度(12%)和最低温度(3.9%)。