空间和时间的演化和气候因素对中国陕西北部黄土高原潜在蒸散量的影响外文翻译资料

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

空间和时间的演化和气候因素对中国陕西北部黄土高原潜在蒸散量的影响

LiC a,b, WuPT b,c,⁎, LiXL c,d, ZhouTW c,d, SunSK a,b,c,⁎, WangYB a,b,c, LuanXB e, YuX a

a College of Water Resources and Architectural Engineering, Northwest Aamp;F University, Yangling, 712100, China

b Key Laboratory of Agricultural Soil and Water Engineering in Arid and Semiarid Areas, Ministry of Education, Northwest Aamp;F University, Yangling 712100, Shaanxi, China

c Institute of Water Saving Agriculture in Arid regions of China, Northwest Aamp;F University, Yangling 712100, Shaanxi, China

d Institute of Soil and Water Conservation, Northwest Aamp;F University, Yangling 712100, China

e Institute of Soil and Water Conservation, Chinese Academy of Sciences and Ministry of Water Resources, Yangling 712100, China

高亮

• 陕北黄土高原（LPNS）经历了更暖和更干燥的时期。
• 使用灵敏度和贡献率分析来探讨ET 0的驱动因素。
• ET 0 在LPNS北部显示出显着的上升趋势
• ET 0 对LPNS中相对湿度的变化最为敏感
• 最高温度对ET 0在LPNS的变化贡献率较高

文章历史：

Received 11 November 2016

Received in revised form 5 January 2017 Accepted 14 February 2017

Available online 1 March 2017

编辑: Wei Ouyang

关键词：

气候因子

潜在蒸散量

空间和时间演化

敏感性分析

黄土高原

G R A P H I C A L A B S T R A C T

农业对气候变化非常敏感，对气候变化的正确预测对于准确分配灌溉水是一个很大的帮助。灌溉用水的使用受到作物需水量和降水的影响。假设无法控制供水，潜在蒸散量（ET 0）是衡量大气通过蒸发和蒸腾过程从表面除去水分的能力。它在评估作物需水量，区域干湿条件和其他水资源管理因素方面发挥重要作用。本研究分析了陕北黄土高原10站主要气象参数的时空演化过程和特征。通过使用Mann–Kendall trend test with trend–free pre–whitening和ArcGIS平台，通过使用Penman-Monteith方程量化每个站的潜在蒸发量，并通过分析气候因子对潜在蒸散量的影响进行评估贡献率和气候因素的敏感性。结果表明，LPNS的气候变暖和干燥。在ETO的灵敏度方面， LPNS中每个气候因子的变化，相对湿度（0.65）的灵敏度最高，其次是日最高气温，风速，日照时数和日最低气温（-0.05）。在每个因子对ETO的贡献率方面，日最高气温（5.16％）最高，其次是每日最低气温，日照时数，相对湿度和风速（1.14％）。本研究为农业水资源管理和气候变化对策提供参考。

⁎ Corresponding authors at: Key Laboratory of Agricultural Soil andWater Engineering in Arid and Semiarid Areas, Ministry of Education, Northwest Aamp;F University, Yangling 712100,Shaanxi, China.

E-mail addresses: gjzwpt@vip.sina.com (P.T.Wu), sksun@nwafu.edu.cn (S.K. Sun).

http://dx.doi.org/10.1016/j.scitotenv.2017.02.122

0048-9697/copy; 2017 Published by Elsevier B.V.

According to the climate change and the characteristics of the study area, farmers in the region should increase

irrigation to guarantee crop water demand.

copy; 2017 Published by Elsevier B.V.

1.介绍

气候变化是地球科学的热点问题之一，近年来全球变暖已成为一个公认的事实。全球地表温度的升高可能会增加大气的持水能力和水汽输送,这可能导致大气环流的变化（Menze l and Buuml;rger，2002; Sun et al.,2013）.在过去的一个世纪，世界许多地区的降水，径流和土壤水分的变化表明加速水文循环（Groisma n et al。，1999; Ziegler et al。，2003; Gao et al。，2006; Huntington，2006; Zhang et al。，2009a ）。这些变化对农业来说非常重要，因为它对气候变化非常敏感。代表某一区域最大蒸发量的潜在蒸散量（ET0）是衡量大气通过蒸发和蒸腾过程从表面除去水分的能力，假设对供水没有控制(Allenet al., 1998)。它在评估作物需水量，区域干湿条件和其他水资源管理评估因素方面起着重要作用。

在过去几十年中，已经对气候因素对蒸散量的影响进行了许多研究（Vouml;rouml;smarty 和 Sahagian，2000; Dinpashoh et al。，2011; Eslamian et al。，2011; Espadafor et al。，2011; Serrat -Capdevila et al。，2011; Feng et al。，2012; Irmak et al。，2012 ）。Ruud定量了公共潜在蒸散量计算方法的系统误差，并通过使用来自时变模型的参数来代替它。Valipour (2014)和Rezaei et al. (2016)研究了有限天气数据评估ET0的方法。Valipour (2015a, 2015b) 和Valipour et al. (2017)通过使用不同的模型估计潜在的蒸散量，并提供了逐步流程图，用于选择最佳模型来估计每个气候的ET0 。Chattopadhya y和Hulme（1997）研究了未来情景下印度潜在蒸散量的变化。Thompson et al.（2014）研究了湄公河流域气候变化引起的潜在蒸发量的不确定性。Gao et al. （2007）发现了在中国北方的年实际蒸散量在1955年至2000年呈下降趋势，而黄河上游参考蒸散量呈上升趋势。Zhou和zhao（2005）指出黄土高原日气温在过去100年间持续上升，而平均年降水量减少了大约100毫米，生态环境日益恶化。以上研究有助于了解气候变化对潜在蒸散量的影响。以前的研究主要描述了ET0和气象因素之间的相关性。然而，导致区域ET0变化的驱动力的定量分析很少。陕西省气象要素的贡献和时空演变的长时间序列定量分析研究较少。干旱，水资源短缺，水土流失是陕北资源与生态的主要挑战，气候变化将对该地区的水文学产生重大影响。因此，对气候因素及其对区域潜在蒸散量影响的空间和时间演变的研究有助于阐明区域气候变化的特征和气候变化对农业用水的潜在影响。水土流失是陕北资源和生态学的主要挑战，气候变化对该地区的水文学有重要的影响。因此，对气候因素及其对区域潜在蒸散量影响的空间和时间演变的研究有助于阐明区域气候变化的特征和气候变化对农业用水的潜在影响。水土流失是陕北资源和生态学的主要挑战，气候变化对该地区的水文学有重要的影响。因此，对气候因素及其对区域潜在蒸散量影响的空间和时间演变的研究有助于阐明区域气候变化的特征和气候变化对农业用水的潜在影响。

本研究旨在利用两种定量分析方法探讨气候变化对区域ET0的影响。首先分析了陕西黄土高原10站主要气象参数的时空演化过程和特征。通过使用Mann–Kendall trend test with trend–free pre–whitening（TFPW-MK）和ArcGIS平台，每个站的潜在蒸发量由Penman-Monteith方程（P-M）量化。最后，通过分析贡献率和敏感性来评估气候因素对潜在蒸散量的影响。本研究的结果将为了解区域气候变化对农业用水的潜在影响及其特点提供依据。

1. 数据和方法

2.1研究区

LPNS是中国黄土高原的中心部分，属于东部季风湿润地区和内陆干旱地区之间的过渡带。该地区地势西北高，东南偏低。LPNS位于北纬35°21-39°34，东经107°28-110°31（Wu，2014）。它有80607平方公里面积，每年日平均温度范围为6至11°C，年降水量400-600毫米，年日照2300至2914小时。研究区包括洛川，延安，绥德，衡山，五 旗，榆林，定边，延长，靖边，神木（图1 ）。

2.2数据

本研究使用的数据主要是从1960年到2014年在LPNS中收集的气候数据，包括风速（WS）（m / s），日照时数（SD）（h），日平均气温（T）（℃） ，每日最高温度（Tmax）（℃），日最低温度（Tmin）（℃），相对湿度（RH）（％）和降水（P）（mm）。气候数据是由中国气象局（2015）地理信息提供，如上述10个站点，陕西省的洛川，延安，绥德，横山，吴旗，榆林，定边，延长，靖边，神木的纬度，经度，高度也得到了。

图1

2.3方法

2.3.1Mann–Kendall trend test with trend–free pre–whitening

Mann-Kendall（MK）趋势测试用于分析研究区域气象因素的演化过程和特征。MK趋势测试是基于等级的非参数测试; 其优越性在于其测试线性或非线性趋势的能力 (Hisdal et al., 2001; Wu et al., 2008). 在MK测试中，统计值S和标准化测试统计 ZMK 计算如下 (Wei and Deng, 2014):

其中Xi和Xj是时间序列的年份i和j的值，n是时间序列数据的长度，tp是对应的第p个数字的绑定值，Z_MK是时间序列的变化趋势数据。

如果ZMKgt;0, 则时间序列数据随着时间的推移呈上升趋势; 相反，数据呈下降趋势。If | ZMK | gt;Z(1 minus; a/2), 那么在时间序列数据中存在显着趋势的零假设被拒绝。Z(1 minus; a/2) 值可以在标准正态分布图中找到。当取 a = 5% 作为重要水平时, Z(1 minus; a/2) 的对应值为 1.96; 当取 a = 1% 作为重要水平时, Z(1 minus; a/2) 的对应值为2.58.

Trend–free pre–whitening (TFPW) 是一种在串行相关性存在下提高此测试的性能的方法 (Blain, 2015). 已经提出TFPW程序作为检测具有显着序列相关性的时间序列中显着趋势的手段。 他包括以下步骤 (Wang et al., 2013b):

其中xi和xj是时间序列的第i年和第j年的值，n是时间序列数据的长度，xt是时间序列的t年的平均值。

如果 则考虑时间序列数据在10％的显着性水平上是连续独立的，则没有必要进行TFPW。 原来Y_t的MK测试被应用于评估趋势的意义。

假设其他数据是串行相关的，并且需要TFPW。将原始的MK测试应用于Yt^、来评估趋势的意义。

2.3.2。ET0的计算方法

Penman-Monteith方程用于计算ET0。 这个方程式基于能量平衡和空气动力学原理并由粮农组织于1998年推荐（Allen等，1998）。它有一个完整的理论依据和高精度，被广泛应用世界。 方程（Allen et al。，1998）如下所示：

其中ET0是每日潜在的蒸散量，mm·d^minus;1; T是高度为2米处的温度; G是土壤热通量密度，MJ·m^-2·day^-1; u₂是高度2 m处的风速，m·s^-1; e_s是饱和水蒸气压，KPa; e_a是实际的水蒸气压，KPa; Delta;是饱和蒸汽压力

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25820]，资料为PDF文档或Word文档，PDF文档可免费转换为Word