基于云模型的甘肃省参考作物蒸散量时空分布特征-殷长琛

第31卷第8期农业工程学报Vol.31No.81522015年4月TransactionsoftheChineseSocietyofAgriculturalEngineeringApr.2015基于云模型的甘肃省参考作物蒸散量时空分布特征殷长琛1，齐广平1※，康燕霞1,2（1.甘肃农业大学工学院，兰州730070；2.河海大学水文水资源学院，南京210098）摘要：为了深入探寻甘肃省参考作物蒸散量（referencecropevapotranspiration，ET0）的时空分异特性，利用甘肃省29个气象测站1951－2013年的观测资料，采用Penman-Monteith公式计算参考作物蒸散量。依靠处理定性概念与定量描述不确定转换的云模型，研究了ET0时空分布的均匀性和稳定性，并对ET0在月、季、年及空间上的变化特性进行了分析。结果表明：甘肃省ET0年际变化呈现逐年波动式的上升趋势，整个区域的ET0以2.11mm/(10a)的倾向率增长；年内ET0逐月变化表现为单峰型，11月到次年3月分布较为均匀、稳定，4月到8月较为离散、不稳定。甘肃省ET0四季分布差异明显，夏季昀大、春季次之、秋冬季昀小；秋、冬季ET0分布较春、夏季更为均匀；春、冬季稳定性好于夏、秋季。甘肃省ET0在空间上总体呈西北地区大于东南地区的分布态势。与时间分布相比较，空间分布上较为离散、不均匀，而且也不稳定，总体上近33a的不均匀性小于前30a，稳定性也有逐渐增强的趋势。关键词：蒸散；气象；模型；时空分布；甘肃省doi：10.3969/j.issn.1002-6819.2015.08.023中图分类号：S161.4文献标志码：A文章编号：1002-6819(2015)-08-152-07殷长琛，齐广平，康燕霞.基于云模型的甘肃省参考作物蒸散量时空分布特征[J].农业工程学报，2015，31(8)：152－158.YinChangchen,QiGuangping,KangYanxia.Analysisoncharacteristicsoftemporal-spatialpotentialevapotranspirationdistributioninGansubasedoncloudmode[J].TransactionsoftheChineseSocietyofAgriculturalEngineering(TransactionsoftheCSAE),2015,31(8):152－158.(inChinesewithEnglishabstract)0引言蒸散发是水文循环的重要环节，是联系地球系统地圈-生物圈-大气圈的纽带，对蒸散发量的研究多年来一直是国内外气象学、地理学、土壤学、水文学、生态学、植物学等学科关心的热点问题[1-5]。蒸散发由于在时间变化上的周期性和随机性、区域变化上的相似性与特殊性，在不同时空尺度的精确测定和估算中存在一定难度[6-7]。研究中主要采用以随机统计学理论为基础的相关方法仅对蒸散发量的时空分布特性进行定量描述，却难以对蒸散发时空分布的不确定性进行定量表达。但蒸散发不确定性的定量表达，能够表示蒸散发的随机性、模糊性和稳定性，是探寻蒸散发量时空分异规律和机理的有效途径，有助于实现不同时空尺度蒸散发的精确估算和预测。云模型是实现定性定量转换的不确定性模型[8]，已经比较成功地在降雨量预测[9-10]、城镇空气质量评价[11]、城市极端雨洪灾害风险评价[12]、区域水资源承载能力评价[13-14]收稿日期：2014-11-12修订日期：2015-04-08基金项目：农业行业专项项目（201403048-8）；国家自然基金项目（51409048）；水利部公益性行业科研专项项目（201301040）；甘肃农业大学工学院青年教师科技创新基金项目（GXY2013-05）作者简介：殷长琛，男，甘肃敦煌人，研究方向为旱区水资源利用。兰州甘肃农业大学工学院，730070。Email：[e-mail]※通信作者：齐广平，男，甘肃庆阳人，教授，博士（后），研究方向为节水灌溉与生态农业。兰州甘肃农业大学工学院，730070。Email：[e-mail]等领域得到了应用，但在实际蒸散发量不确定性的研究中还鲜见报道。参考作物蒸散量（referencecropevapotranspiration,ET0）是天气气候条件决定的下垫面蒸散过程的能力，是实际蒸散量的理论上限[15]。目前，主要采用趋势分析法[16-17]、相关分析法[18-19]、周期分析法[20]和地统计学法[21-22]、经验正交函数[23-24]等方法从不同时空尺度对ET0分布特征进行分析。赵璐等[25]首次运用云模型定量研究了四川省不同年代、不同区域ET0的随机性、模糊性和稳定性。本文基于云模型研究ET0的时空尺度分异特性，对比分析ET0时空尺度变化的随机性、模糊性和稳定性，研究结果有助于实际蒸散发时空分异规律和尺度扩展研究，以及蒸散发的精确估算和预测，对不同尺度植被需水的精确估算和区域气候变化的研究有着重要的意义。甘肃省位于中国西部地区，地处黄河中上游，位于青藏高原、黄土高原和内蒙古高原的交汇处。省内水资源主要分属长江流域、黄河流域和西北内陆河流域。境内地形复杂，山脉纵横交错，海拔相差悬殊，高山、盆地、平川、沙漠和戈壁等兼而有之[26]。目前，对甘肃省ET0的研究主要集中在采用经验正交函数[27]、趋势分析[26]、相关分析等[28]方法对时空特性进行研究。因此，基于云模型对甘肃省ET0时空分布的不确定性分析将会对多流域、多气候带和复杂地形分布区域的ET0研究提供新的思路和方法。第8期殷长琛等：基于云模型的甘肃省参考作物蒸散量时空分布特征1531资料与方法1.1资料来源及处理本文使用国家气象中心数据库所提供的甘肃省29个气象测站1951—2013年的气象观测资料（包括日平均气温、相对湿度、降水、蒸发、日照等），地理信息包括测站经纬度，海拔高度，行政边界等（测站分布见图1）。图1甘肃省气象观测站点分布Fig.1DistributionofmeteorologicalsitesinGansu在数据处理方面，利用逐日资料统计整合，得到月、季节、年的合计值。对于气象数据中的个别日缺测值和异常值，采用前后日均值代替；对于长期月缺测值和异常值采用该站点其他年份该月的均值代替。利用线性变化、等值线图，结合云模型数字特征和隶属云分布对甘肃省ET0的时空变化作了分析研究。ET0和云模型的计算采用交互式数据语言（InteractiveDataLanguage）软件编程处理；ET0的空间插值分析基于Surfer8.0的克里格空间插值法，并用一次直线方程斜率的10倍来描述参考作物蒸散量的倾向率[23]。1.2计算ET0利用联合国粮食及农业组织推荐的Penman-Monteith公式计算ET0，其表达式为[16]：2029000.408()()273ET(10.34)nsaRGrUeeTrUΔ−+−+=Δ++（1）式中：ET0为参考作物蒸散量，mm/d；Rn为地表净辐射，MJ/(m2·d)；G为土壤热通量，MJ/(m2·d)；T为2m高处日平均气温，℃；U2为2m高处风速，m/s；es为饱和水汽压，kPa；ea为实际水汽压，kPa；Δ为饱和水汽压曲线斜率，kPa/℃；r为干湿表常数，kPa/℃。1.3云模型1.3.1云模型的数字特征云模型的数字特征采用期望Ex，熵En和超熵He3个数值来表征，见图2。云模型表示自然语言中的基元——语言值，用云的数字特征——期望Ex，熵En和超熵He表示语言值的数学性质。其中，云模型的期望Ex表示ET0大小的平均值；熵En反映了ET0大小相对于平均值的确定度和离散度，其值越大，反映ET0分布的模糊性和随机性也越大，确定性越难度量；超熵He是熵的熵，体现熵的离散程度，其值反映了隶属度的稳定性，值越大，越不稳定，凝聚程度越差[9-10]。需要进一步指出的是，根据正态分布的特性，对于论域中的定性概念有贡献的云滴，主要落在区间[Ex-3En，Ex+3En]，因此可以忽略[Ex-3En，Ex+3En]区间之外的云滴对定性概念的贡献，即为正向正态云的“3En规则”[9]。注：Ex、En和He为云模型数字特征，分别表示期望，熵和超熵；后同。Note:Ex,EnandHerepresentnumericalcharacteristicsofcloudmodel,i.e.denoteexpectation,entropyandhyperentropy;Sameasbelow.图2云模型数字特征Fig.2DigitalcharacteristicsofCloudmodel1.3.2正向云发生器正向云发生器（Forwardcloudgenerator）是从定性概念到其定量表示的映射，它根据云的数字特征（Ex，En，He）产生云滴，每个云滴都是该概念的一次具体实现。一维正向正态云发生器的算法实现如下：输入：表示定性概念A的3个数字特征值Ex、En、He，以及云滴数N；输出：N个云滴的定量值，以及每个云滴代表概念。具体计算步骤如下[8-10]：1）采用NORM函数，生成以En为期望值和以He2为方差的一个正态随机Eni'，2'NORM(En,He)Eni=；2）生成以Ex为期望值和2Eni′为方差的一个正态随机Xi，2NORM(Ex,)iXEni′=；3）计算确定度ui，2(Ex)/2eiXEniiu′−−=；4）生成具有确定度iu的ix，使(xi,ui)成为数域中的一个云滴；5）重复前4步，直到产生要求的N个云滴为止。1.3.3逆向云发生器逆向云发生器（Backwardcloudgenerator）是实现定量值到定性概念的转换模型。它可以将一定数量的精确数据转换为以数字特征（Ex，En，He）表示的定性概念。一维逆向正态云发生器的算法实现如下：输入：N个云滴xi及其确定度ui；输出：这N个云滴表示的定性概念A的期望值Ex，熵En和超熵He。具体步骤如下[8-10]：1）由ix计算这组数据的样本均值X，11niiXxn==∑，一阶样本绝对中心矩a，a=11niixXn=−∑，样本方差S2，农业工程学报2015年1542211()1niiSxXn==−−∑；2）由上一步可得：ExX=；3）同时由样本均值可得：11En2niixXn=π=×−∑；4）由样本方差和熵可得：22HeEnS=−。2结果与分析2.1ET0时间变化特性2.1.1ET0年际变化特性传统的倾向率法可以直观地得到ET0的时间变化趋势，但不能反应出ET0的均匀、稳定程度；云模型可以反映某一时间段上ET0的均匀、稳定程度，但不能直观看出ET0的变化趋势。因此将二者相结合来分析ET0时间分布的趋势及分布的均匀、稳定程度。由图3可知，63a年间，ET0变化呈现出持续性的上下波动，年平均ET0为1001.64mm，其中2013年达到昀大值1074.31mm，1952年为昀小值915.29mm。线性变化显示，1951—2013年间甘肃省ET0以2.11mm/(10a)的倾向率呈现出并不显著的增长趋势。同时滑动平均曲线说明，20世纪50年代到70年代初期ET0浮动频率较大，呈上下波动趋势；70年代初期到80年代末ET0表现为逐年减小；90年代到21世纪初开始逐渐增加；之后则表现较为平缓，变化不明显。图3甘肃省参考作物蒸散量ET0年际变化Fig.3YearlyvariationsofreferencecropevapotranspirationET0inGansu从云模型时间数字特征（图4）来看，整个甘肃省ET0在近63a平均值为1001.64mm；熵值为39.76，根据云模型的“3En规则”，对论域中有贡献的云滴主要落在[882.36，1120.92]区间中，期望值距离区间两端的值越大，说明ET0分布的随机性和模糊性越大；超熵为8.20。观察隶属云图，同一个ET0的值在隶属云图中对应若干个云滴，每个云滴对应一