北京市潜在蒸散发量时间序列变化特征研究

《北京市潜在蒸散发量时间序列变化特征研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、北京市潜在蒸散发量时间序列变化特征研究　　摘要：区域蒸散发是一个地区气象和农业生产的重要水分指标。现采用彭曼公式计算潜在蒸散发，研究了北京市1960年-2011年潜在蒸散发及其影响因素的变化趋势，并对研究区潜在蒸散发时间序列变化进行了多尺度周期性分析。研究结果显示，潜在蒸散发线性变化趋势为每年增加0.54mm，利用Mann-Kendall检验得到区域蒸散发增加趋势不明显，并且无突变点；气温升高，降水量下降导致蒸散发量增加，日照时数下降导致蒸散发量下降；总体上，气温和降水量对北京地区蒸散量影响更大

2、。对北京地区蒸散发进行多尺度周期分析，发现该地区在14a、11～12a、5～6a上存在周期特征，各信号频率分布的时间域及其强度也存在着差异，而且近15年周期特点不同于历史上以往的时期。关键词：潜在蒸散发；彭曼公式；变化趋势；影响因子；小波分析；北京市中图分类号：P426.2文献标识码：A文章编号：1672-1683（2013）04-0013-0410蒸散发既是地表能量平衡的重要组成部分，又是水量平衡的组成部分。潜在蒸散发是农田灌溉管理、作物需水量估算、稀缺资料地区水量平衡等研究中的重要参量，分析

3、其对气象因子的敏感性有助于农业水资源优化配置和气候变化对水资源的影响研究[1]。用长系列蒸散发资料分析地区蒸散发变化趋势及影响因素的研究在国内不少地区开展。李林等[2]采用彭曼公式计算20世纪80年代以来黄河上游流域蒸散量，该流域发现蒸散量呈逐年增加趋势，主要影响因素为气温、空气饱和差、日照时数。于东平等[3]分析青海省东部农业区1960年-2006年参考作物蒸散量，得到研究区平均参考作物蒸散量随时间呈显著下降趋势，主要影响因素为日照时数、风速等。刘昌明等[1]研究发现全国范围内，潜在蒸散发对气

4、象因子的敏感性依次为水汽压、最高气温、太阳辐射、风速等。随着小波分析对分析系统多时间尺度变化适用性的逐渐推广，对区域蒸散发进行时间序列变化特征分析的研究越来越深入。毛飞等[4]应用Penman-Menteith模式计算了潜在蒸散量，并用墨西哥小波变换分析了那曲地区1961年-2000年气温、降水和潜在蒸散的地理分布以及年内、年际变化规律，对研究那曲地区气候特征提供了更科学的参考。于东平等[3]对青海省东部农业区长时间序列参考作物蒸散量进行周期性分析发现蒸散发主周期为25a左右，在这个时间尺度上参

5、考作物蒸散量表现为多→少→多3个循环交替的过程。10本文采用具有长系列气象资料的54511、54416气象站对北京市的潜在蒸散发进行计算，分析其变化趋势及主要影响因素，并通过Mann-Kendall检验、Morlet小波分析探讨该地区潜在蒸散发量长时期的变化趋势和特征，为合理计算各种作物需水量提供科学依据，进而制定合理的灌溉制度达到农业灌溉节水的目的。1计算方法1.1蒸散发计算方法10彭曼公式是一个根据水分输送方法和能量平衡方法相结合的半经验方法。此方法是彭曼在1948年根据热量平衡和湍流扩散原

6、理提出的在无水汽平流输送情况下，水体表面的蒸发计算公式。此公式问世以后得到广泛应用。联合国粮农组织对原公式进行了一些系数改进。本文采用改进后的公式计算有植物覆盖的区域潜在蒸散量，计算公式见式（1）。ET=P0PΔγ[0.75RA（a+bnN）-σT4K（0.56-0.079ed）（0.10+0.90nN）]+0.26（ea-ed）（1.00+Cu）P0PΔγ+1.00（1）式中：ET为某时期的潜在蒸散量（mm）；P0为海平面平均气压（mb）；P为本站平均气压（mb）；Δ为饱和水汽压曲线在T=Ta

7、处的斜率（mb/℃）；γ为温度湿度计算常数0.66；RA为天文辐射值（mm/d）；a和b为根据日照时数估算总辐射量的系数；n为平均日照时间（h）；N为某纬度、某月天文日平均可照时间；σT4K为气温TK时的黑体辐射，化为蒸发当量（mm），σ=2.01×10-8（mm/（d·℃4））；ea为饱和水汽压（hPa）；ed为实际水汽压（hPa）；C为风速系数；u为距地面2m高的平均风速（m/s）。1.2趋势检验方法基于秩的非参数Mann-Kendall统计检验法[5-6]常用来预测如气温、降水、径流、水质

8、等水文气象时间序列资料的长期变化趋势[7-9]，是世界气象组织推荐并已广泛使用的非参数检验方法。Mann-kendall检验检测范围宽、定量化程度高，计算简便，因此本文采用Mann-kendall检验对ET序列进行趋势分析和突变分析。1.3周期检验方法小波分析[10]是20世纪80年代初开始发展起来的一种信号时、频同时局部化分析的新方法，能分析出时间序列周期变化的局部特性，能更清楚的看出各周期随时间的变化情况，所以小波分析非常适用于分析系统的多时间尺度变化。Cmor是复数形式的Morlet小波，