1961—2015年中国饱和水汽压差的时空变化特征

栾鹿鸣，王元鑫，朱文彬; LUAN Luming; WANG Yuanxin; ZHU Wenbin

引 en

1961—2015年中国饱和水汽压差的时空变化特征

栾鹿鸣^1,2

机构：

1. 中国科学院地理科学与资源研究所,北京 100101

2. 中国科学院大学南京学院,江苏南京 211135

×
，王元鑫³

机构：

3. 中国地质大学(北京)信息工程学院,北京 100083

×
，朱文彬^1,4

机构：

1. 中国科学院地理科学与资源研究所,北京 100101

4. 青海大学土木水利学院,青海西宁 810016

×

1. 中国科学院地理科学与资源研究所,北京 100101；
2. 中国科学院大学南京学院,江苏南京 211135；
3. 中国地质大学(北京)信息工程学院,北京 100083；
4. 青海大学土木水利学院,青海西宁 810016；

Spatio-temporal variations of vapor pressure deficit in China from 1961 to 2015

LUAN Luming^1,2

Affiliation：

1. Institute of Geographic Sciences and Natural Resources Research,Chinese Academy of Sciences,Beijing 100101 ,China

2. University of Chinese Academy of Sciences,Nanjing (UCASNJ),Nanjing 211135 ,China

×
， WANG Yuanxin³

Affiliation：

3. School of Information Engineering,China University of Geosciences,Beijing 100083 ,China

×
， ZHU Wenbin^1,4

Affiliation：

1. Institute of Geographic Sciences and Natural Resources Research,Chinese Academy of Sciences,Beijing 100101 ,China

4. School of Civil Engineering and Water Resources,Qinghai University,Xining 810016 ,China

×

1. Institute of Geographic Sciences and Natural Resources Research,Chinese Academy of Sciences,Beijing 100101 ,China；
2. University of Chinese Academy of Sciences,Nanjing (UCASNJ),Nanjing 211135 ,China；
3. School of Information Engineering,China University of Geosciences,Beijing 100083 ,China；
4. School of Civil Engineering and Water Resources,Qinghai University,Xining 810016 ,China；

DOI:10.13878/j.cnki.dqkxxb.20230811001

全文
评论
参考文献
出版信息

目录contents

摘要Abstract
关键词Keywords
1 数据与方法
1.1 数据
1.2 研究方法
1.2.1 VPD计算方法
1.2.2 协同克里金插值法
1.2.3 Mann-Kendall检验
1.2.4 相关分析与偏相关分析
2 结果与分析
2.1 VPD时空分布特征
2.1.1 VPD空间分布特征
2.1.2 VPD时间分布特征
2.2 VPD时空变化趋势
2.2.1 VPD空间变化趋势
2.2.2 VPD年际变化趋势
2.3 VPD与其他气象要素的关系
3 结论
参考文献

摘要

饱和水汽压差(vapor pressure deficit,VPD)是指示地区大气干燥程度的重要指标,探究我国各地区VPD时空变化特征对气候变化研究和实际农牧业生产等具有重要意义。基于全国772个气象站日平均气温和日相对湿度等资料,采用协同克里金插值、Mann-Kendall趋势检验和偏相关分析等方法,对中国1961—2015年饱和水汽压差的时空分布及变化趋势特征进行分析,并讨论了VPD与气温和相对湿度的关系。结果表明:1961—2015年中国VPD时空分布差异显著,时间上呈现夏高冬低的特征,空间上年均VPD高值主要集中在西北干旱半干旱区,低值主要分布在东北地区、青藏地区以及南方部分地区。全国绝大部分地区VPD呈升高趋势,以2000年为突变点,平均升高趋势由1.5196 hPa/(10 a)增长到7.0743 hPa/(10 a)。南方地区与北方地区VPD变化的主导因子均是最高气温,而西北地区和青藏地区VPD变化的主导因子分别为平均气温和相对湿度;四个地区突变年前后VPD变化的主导因子保持不变。

Abstract

Vapor pressure deficit (VPD) is a critical meteorological variable with significant implications for hydrology,ecology,and climate change.Numerous studies have demonstrated that VPD,a key indicator of atmospheric dryness,has undergone substantial changes in response to global climate warming.Investigating the spatiotemporal variations of VPD across different regions of China is essential for advancing climate change research and supporting agricultural and pastoral practices.While regional-scale VPD studies have been conducted by domestic scholars,comparative analysis of VPD changes at the national scale remain limited.This study uses daily mean air temperature and relative humidity data from 772 meteorological stations across China,applying Tetens' empirical formula to calculate VPD.Through co-Kriging interpolation,Mann-Kendall trend tests,and correlation and partial correlation analyses,the spatiotemporal variability and trends of VPD across different time scales and geographical regions from 1961 to 2015 were examined.Additionally,the study explores the relationships between VPD,temperature,and relative humidity,identifying the dominant factors influencing VPD changes over different periods.The results indicate significant spatiotemporal variation in VPD across China from 1961 to 2015,with higher values in summer and lower values in winter.Spatially,high annual average VPD values were concentrated in the arid and semi-arid regions of Northwest China,while lower values were found in Northeast China,the Qinghai-Xizang Plateau,and parts of the southern region.The annual average VPD across China ranged from 0.127 kPa to 1.547 kPa,with an overall average of 0.526 kPa.Most regions showed an increasing VPD trend over time.Between 1961 and 1999,57% stations exhibited increasing VPD trends,and this proportion rose to 67% between 2000 and 2015,with the year 2000 identified as a mutation point.The average VPD increase accelerated from 1.5196 hPa/(10 a) to 7.0743 hPa/(10 a) after 2000.Correlation and partial correlation analyses revealed that VPD was significantly positively correlated with temperature and negatively correlated with relative humidity in all regions.Maximum temperature was the dominant factor driving VPD changes in southern and northern China,while average temperature and relative humidity played a greater role in the Northwest and Qinghai-Xizang regions.These dominant factors remained consistent before and after the mutation point.While the primary factors influencing VPD changes were explored,further investigation is needed to assess the impact of other potential factors such as topography,vegetation cover,and broader climatic conditions.This study provides insights into the characteristics and drivers of VPD changes across seasons and regions,offering a scientific foundation for climate-ecological and vegetation modeling studies and valuable guidance for policy-makers and relevant stakeholders.

关键词

饱和水汽压差；时空变化； Mann-Kendall检验；偏相关分析

Keywords

vapor pressure deficit ； spatio-temporal variations ； Mann-Kendall test ； partial correlation analysis

全球气候变化及其对地球生态系统的影响是当今重要的研究热点之一。饱和水汽压差（vapor pressure deficit，VPD）定义为一定气温下空气饱和水汽压（e_s）与实际水汽压（e_a）的差值（Ghimire et al.，2022; 程梦琦等，2023），代表空气距离水汽饱和状态的差异程度。诸多研究表明，VPD作为衡量大气干燥程度的关键指标，在全球气候变暖的大背景下发生了深刻而显著的变化（Yuan et al.，2019; He et al.，2021）。探究VPD时空变化特征对于气候风险防范、农牧业生产和水资源管理等具有重要意义。
具体来说，VPD是水文循环过程的重要驱动力（金佳鑫等，2023），与蒸散发（evapotranspiration，ET）速率直接相关（韩宇平等，2018; 陈镜明等，2020），特别是在植被稀疏或无植被的地表，VPD的增加将显著促进蒸散发的增加（Ficklin and Novick，2017）。此外，VPD作为重要的生态因子，对植物叶片的气孔导度有直接影响，过高的VPD将导致气孔开度降低以防止过多水分流失，但同时也会降低光合作用速率，从而影响植物发育与作物产量（Jarvis，1976; 张红梅等，2014）。根据VPD变化可以有效监测区域尺度的气象干旱与植被动态特征（Li et al.，2021）。另外，VPD对气候变化也有显著影响，厘清VPD年际变化特征有助于深入理解大气干湿程度对气候变化的响应。宁梓妤等（2022）探讨了中国西南地区VPD的年际变化特征; 结果表明，在突变点后西南地区VPD发生显著变化，主要是由于气温上升对相对湿度的影响。Seage et al.（2015）研究发现，美国西南内陆VPD偏高与拉尼娜现象明显相关，这种相关性是通过洋流作用引起的。VPD不仅在水文学、生态学和气象学研究中具有重要地位，在其他领域也扮演着重要角色。譬如，VPD可被用来合理解释火灾烧毁面积的年际变化。Chiodi et al.（2021）研究了1980—2019年美国西部夜间的VPD变化，发现夜间VPD增加是火灾日越来越长的原因。此外，在某些生物实验工作中，VPD被认为比相对湿度（relative humidity，RH）更适合作为记录指标（Anderson，1936）。
由于VPD在相关领域中的重要作用，国内学者已开展了较多区域尺度VPD相关研究，但在全国尺度上VPD变化的时空差异性对比分析尚缺乏。在此背景下，本文基于对大量气象观测数据的收集与分析，以空间插值和统计分析为主要研究方法，拟揭示我国VPD在不同时间尺度、不同地理分区的时空差异性与趋势特征，并探析其驱动因素，旨在为相关部门和决策者提供参考，促进我国气候适应性能力的提升，并推动可持续发展战略的实施。
1 数据与方法
1.1 数据
中国地域辽阔，气候类型复杂多样，绝大多数地区属于季风性气候区，年降水量从南至北、从东到西逐步递减。受此影响，植被类型在不同地区之间差异显著，整体上东南地区植被覆盖度高于西北地区。为分析我国不同地理分区VPD差异，本研究根据张元杰等（2022）的研究，将研究区划分为北方地区、南方地区、西北地区和青藏地区（图1）。所采用的分界线来自于国家基础地理信息中心（http ://www .ngcc .cn/ngcc/）。北方地区指中国东部季风区的北部，主要是秦岭-淮河一线以北，大兴安岭、乌鞘岭以东的地区，东临渤海和黄海，属于温带大陆性季风气候和暖温带大陆性季风气候; 南方地区指中国东部季风区的南部，秦岭-淮河一线以南的地区，西接青藏高原，东部与南部濒临东海和南海，以亚热带季风气候和热带季风气候为主; 西北地区位于昆仑山-阿尔金山-祁连山和长城以北，大兴安岭、乌鞘岭以西，自东向西由大陆性半干旱气候向大陆性干旱气候过渡; 青藏地区位于中国西南边陲，横断山脉及其以西，喜马拉雅山及其以北，昆仑山、阿尔金山和祁连山及其以南，高原气候特征明显。
气象数据来自国家气象数据网（http ://data .cma .cn/）。本文选用中国陆面区域772个气象观测站1961—2015年的逐日气象资料，包括日最高气温、日最低气温、日平均气温和相对湿度。上述4个地理分区的气象站点数量分别为218、354、130和70。
图1 研究区气象站点空间分布
Fig.1 Spatial distribution of meteorological stations in the study area
1.2 研究方法
1.2.1 VPD计算方法
空气中含有的水汽所产生的压强为水汽压。若在某一给定气温下，水汽压不断增加使得水汽达到饱和出现凝结，此时的水汽压称为该气温下的饱和水汽压（陈钦弟，1997）。目前已有多个饱和水汽压计算公式，本文对较为常用的饱和水汽压公式——Claperyron-Clausius方程（Bisht and Bras，2010）和Tetens经验公式（Allen et al.，1998; 陈祥明和赵振维，2013）进行比较计算。
Claperyron-Clausius方程是以理论概念为基础，基于物质平衡关系，把饱和水汽压随气温的变化、容积的变化与过程的热效应联系起来，公式如下:

e_{s} = 0.611 e x p (\frac{L_{v}}{R_{v}} (\frac{1}{273.15} - \frac{1}{T + 273.15})) .

(1)

其中：L_v=2.5×10⁶ J·kg^-1，为汽化潜热；R_v=461 J·kg^-1·K^-1，为水汽的比气体常数；T为气温（单位：℃）。
Tetens公式是根据Claperyron-Clausius方程，并假定蒸发潜热为常数推导出来的，公式为:

e_{s} = 0.611 e x p (\frac{17.27 T}{T + 237.3})

(2)

为比较两个公式的结果差异，用式（1）减去式（2），得到两式结果差与气温的关系，如图2所示。
从图2可以看出，在-50~10℃范围内两公式计算结果差异非常微小，在10℃以后差异逐渐明显，Claperyron-Clausius方程计算结果比Tetens经验公式结果偏低。考虑到国内大部分VPD研究学者使用Tetens经验公式（韩永贵等，2021; 宁梓妤等，2022），本文选择Tetens经验公式计算结果下的日尺度饱和水汽压数据进行VPD（单位:kPa）计算。公式如下:
图2 不同饱和水汽压公式计算结果对比
Fig.2 Comparison of saturated water vapor pressure calculated using different formulas

D_{v p} = e_{s} - e_{a},

(3)

e_{a} = e_{s} \times H_{R}

(4)

其中:D_VP表示VPD; H_R表示给定站点的相对湿度（单位：%）。
1.2.2 协同克里金插值法
空间插值算法在气象、地质、环境等领域具有广泛应用（丁卉等，2016）。本文为分析VPD的空间分布特征，利用空间插值方法对VPD进行可视化展示。目前常用的空间插值方法有克里金插值法、反距离加权插值法、面积权重内插法和样条函数法等，这些方法优缺点和适用性各有不同（刘时栋等，2019; 夏天等，2020; 庞冉等，2023; 智协飞等，2023）。当前虽然有专业气象数据插值软件ANUSPLIN可进行气象要素的插值分析，但其在起伏度巨大地区的适用性，以及其误差的空间分布规律还需进一步研究（钱永兰等，2010; 谭剑波等，2016）。考虑到研究范围以及精度等综合因素，本文选择应用最为广泛且效率与准确度较高的协同克里金插值法。
协同克里金插值法是克里金插值法的拓展，除了主变量之外，还引入协同区域化变量，用于处理具有空间相关性的多个变量的插值问题（高文武等，2018）。考虑两个变量的协同克里金法表达式（徐炳生等，2022）为:

Z (x_{0}) = \sum_{i = 1}^{n} α_{i} Z (x_{i}) + \sum_{j = 1}^{n} λ_{j} Y (x_{j})

(5)

其中:Zx₀为待估值；Z（x_i）、Y（x_j）分别为主变量及协同变量; α_i、λ_j分别为两变量的权重值。
1.2.3 Mann-Kendall检验
Mann-Kendall检验是一种非参数统计检验方法，用于检测时间序列数据中是否存在显著的变化趋势。该方法由Mann（1945）和Kendall（1975）提出，广泛应用于环境科学、气象学、水文学等领域（Mann，1945; Kendall，1975; 章诞武等，2013）。Mann-Kendall趋势检验方法如下。
对于具有n个样本的时间序列x_k（k=1，2，···，n），计算检验统计量S，公式如下:

S = \sum_{i = 1}^{n - 1} \sum_{j = i + 1}^{n} s i g n (x_{j} - x_{i}), i \neq j 且 i, j ⩽ n_{。}

(6)

其中:

s i g n (x_{j} - x_{i}) = \{\begin{matrix} + 1, x_{j} - x_{i} > 0 \\ 0, x_{j} - x_{i} = 0 \\ - 1, x_{j} - x_{i} < 0 \end{matrix}

(7)

当n≥8时，统计量S近似服从正态分布，在不考虑序列中等值数据点的情况下，其均值为0，方差为:

v (S) = \frac{n (n - 1) (2 n + 5)}{18}

(8)

标准化后的检验统计量Z的计算公式如下:

Z = \{\begin{matrix} \frac{S - 1}{\sqrt{v (S)}}, S > 0; \\ 0, S = 0 ； \\ \frac{S + 1}{\sqrt{v (S)}}, S < 0 。 \end{matrix}

(9)

给定置信水平α，若 $| Z | ⩾ Z_{1 - （ α / 2 ）}$ ，则认为时间序列存在上升或下降的趋势，Z大于0时是上升趋势，Z小于0时则是下降趋势（王毅等，2021）。本研究中变化趋势的程度用趋势度β（单位：hPa/（10 a））表示（康淑媛等，2009；孙康慧等，2019）。对于具有n个样本的时间序列x_k（k= 1，2，···，n），趋势度计算公式为：

β = M e d i a n (\frac{x_{j} - x_{i}}{j - i}), 1 ⩽ i ⩽ n, 1 ⩽ j ⩽ n, j > i_{\circ}

(10)

其中:x_j和x_i分别表示时间序列为j和i时的数据值; Median为中位数函数。当β＞0时，时间序列呈上升趋势，反之则呈下降趋势。
根据符淙斌和王强（1992）的研究，当Mann-Kendall方法进一步用于时间序列x_k突变检验时，定义统计量S_k:

\begin{matrix} S_{k} = \sum_{j = 1}^{k} r_{j}, r_{j} = \\ \{\begin{matrix} 1, x_{j} > x_{i} \\ 0, x_{j} ⩽ x_{i} \end{matrix}, i = 1,2, \dots, j; 2 ⩽ k ⩽ n_{\circ} \end{matrix}

(11)

在原序列随机独立等假设下，S_k的均值和方差分别为：

E (S_{k}) = \frac{k (k - 1)}{4},

(12)

v (S_{k}) = \frac{k (k - 1) (2 k + 5)}{72}, 2 ⩽ k ⩽ n 。

(13)

S_k标准化可得UF_k统计量S_UF，_k：

S_{U F, k} = \frac{S_{k} - E (S_{k})}{\sqrt{v (S_{k})}}

(14)

将此方法应用到x_k（k= 1，2，···，n）逆序列中，计算逆序列的U_F_k，同时使U_B_k=-U_F_k，k=n，n-1，···，1，U_B1为0，可得到U_Bk曲线。给定显著性水平α=0.05，当U_F或U_B的值大于0时，表示序列呈上升趋势，小于0表示下降趋势。U_F为统计量，U_B为U_F的逆序列，当U_F或U_B的值超过显著性水平范围时，表明上升或下降趋势显著。若U_F和U_B两曲线在置信区间内出现交点，则该交点表示时间序列发生突变的节点（王爱慧等，2020；宁梓妤等，2022）。
1.2.4 相关分析与偏相关分析
本文通过相关分析与偏相关分析研究VPD与气候变量之间的线性关系，相关系数计算公式为：

r_{a b} = \frac{\sum_{i = 1}^{n} (a_{i} - \bar{a}) (b_{i} - \bar{b})}{\sqrt{\sum_{i = 1}^{n} {(a_{i} - \bar{a})}^{2} \sum_{i = 1}^{n} {(b_{i} - \bar{b})}^{2}}}

(15)

其中：n代表变量a和b观测值的样本量；a_i代表变量a的第i个观测值；b_i代表变量b的第i个观测值；、分别代表变量a和b的平均值。
一阶偏相关系数的计算方法（胡晓萌等，2022；杨靖等，2022）如下：

r_{a b, c} = \frac{r_{a b} - r_{a c} r_{b c}}{\sqrt{1 - r_{a c}^{2}} \sqrt{1 - r_{b c}^{2}}}

(16)

其中：r_ab，c表示控制变量c前提下变量a和b之间的偏相关系数；r_ab、r_ac、r_bc分别是两因子之间的相关系数。当r_ab，c＞0时，表示a与b呈正相关关系；反之，则二者呈负相关关系。
2 结果与分析
本节主要探讨中国1961—2015年VPD的时空变化特征，以及VPD与气象因素之间的关系。首先使用ArcGIS软件的Geostatistical Analyst工具，对772个气象站点的VPD进行空间插值，得到全国VPD空间分布，以空间连续的方式解析VPD的时空变化特征; 然后以相关和偏相关分析为主要方法，分析VPD与气温、相对湿度等气象因素之间的关系。
2.1 VPD时空分布特征
2.1.1 VPD空间分布特征
以站点月均VPD和年均VPD计算结果为基础，将站点高程数据作为协同变量进行协同克里金插值，形成全国VPD空间分布，结果如图3所示。由图可知，全国年均VPD数值范围为0.127~1.547 kPa，平均值为0.526 kPa。年均VPD高值主要集中在西北干旱半干旱区，以新疆地区最为明显，这与该地区干旱少雨的特征相吻合（袁瑞瑞等，2021; 朱飙等，2023），而年均VPD低值主要分布在东北地区、青藏地区以及南方部分地区。
从年内变化来看，我国VPD的分布整体呈现“夏季＞春季＞秋季＞冬季”的特征。同时，不同地区在不同季节或月份也表现出明显的空间差异。春、夏、秋 3 个季节的VPD空间分布与年平均的空间分布情况类似，在夏季尤为明显。对于冬季来说，高值主要分布在中国西南及南部区域，尤其是云南以及广西等沿海地区，这是因为西南及华南地区纬度较低，冬季气温相较其他地理分区高，且该区域在冬季处于高压控制，空气较为干燥，使得该区域的VPD整体高于其他地区，而低值主要分布在东北地区以及新疆北部。
2.1.2 VPD时间分布特征
图4展示了四个地理分区VPD月尺度及年尺度的统计结果。由图可知，西北地区年均VPD（0.727 kPa）最高，南方地区（0.498 kPa）次之，北方地区年均VPD（0.489 kPa）略小于南方地区，青藏地区年均VPD（0.409 kPa）最低。结合图3空间分布可以看出，不同地理分区的VPD均呈现出夏高冬低的时间分布特征。其中，西北地区VPD年内变化最为显著，四大地理分区的最高与最低月均VPD均出现在西北地区，且差值达到了1.347 kPa。这与西北地区气温年内变化显著，夏季炎热、冬季酷冷，且缺乏降水导致水汽含量较低等因素有关（韩永贵等，2021）。北方地区月均VPD在0.147~0.957 kPa，年内VPD变化幅度较西北地区次之。南方地区最高月均VPD出现在7月，较其他3个地区滞后1个月，并且其冬季VPD高于其他3个地区。这种差异性可能是由于南方地区较其他地区提前1个月（6月）进入主雨季且降水达到顶峰导致相对湿度增加引起的。青藏地区VPD年内变化曲线最为平滑，变化范围在0.227~0.580 kPa，这是由于该地区受高海拔影响，气温及湿度的年内变化均不明显，导致VPD的年内变化也相对较小。李素雲等（2023）将青海地区的VPD与经度、纬度、海拔等地理因子分别进行多元回归，以量化各地理因子对VPD变化的贡献率；结果表明，各地理因子的贡献率属海拔高度最高。总而言之，4个地区VPD的年内变化都呈现出夏季高、冬季低的规律，但各地区VPD年内变化幅度不同，按变化大小排序为“西北地区＞北方地区＞南方地区＞青藏地区”。
图3 1961—2015年全国月尺度（a—l）及年尺度（m）VPD空间分布（单位：kPa）:（a）12月;（b）1月;（c）2月;（d）3月;（e）4月;（f）5月;（g）6月;（h）7月;（i）8月;（j）9月;（k）10月;（l）11月;（m）年均
Fig.3 Spatial distribution of (a—l) monthly and (m) annual average VPD from 1961 to 2015 （units：kPa) : (a) December; (b) January; (c) February; (d) March; (e) April; (f) May; (g) June; (h) July; (i) August; (j) September; (k) October; (l) November; (m) annual average
图4 四大地理分区VPD月尺度及年尺度统计图（单位:kPa）
Fig.4 Monthly and annual average VPD in four geographical regions (units:kPa)
2.2 VPD时空变化趋势
2.2.1 VPD空间变化趋势
根据Mann-Kendall趋势检验结果得到全国VPD变化趋势，如图5所示。表1给出了Mann-Kendall趋势检验的具体分析结果。通过图表数据可知，全国VPD整体上呈现显著升高趋势。具体来说，在1961—2015年，全国772个气象站点中有690个站点的VPD呈现升高趋势，β值范围在0.013 7~8.268 0 hPa/（10 a）。进一步分析发现，这些站点中有494个站点通过了置信度为95%的显著性检验，占VPD升高站点总数的71%。VPD上升幅度较大的站点主要位于云南、青海、宁夏北部以及东南沿海省份; 重庆、辽宁、湖南东部的VPD上升幅度较小; 此外，有少部分区域，如陕西南部和河南东部，VPD呈现下降趋势。
2.2.2 VPD年际变化趋势
图6给出了四大地理分区VPD的年际变化趋势。根据U_F计算结果可以看出，1961—2015年四个区域的VPD均呈现显著升高趋势。为了识别其变化趋势的突变点，图6同时给出了VPD逆序列的U_B计算结果，结果显示四个地理分区VPD的U_F与U_B曲线均在2000年前后出现交点，2000年之前VPD变化相对平稳，此后升高趋势明显加快。具体来说，北方地区与青藏地区在1998年发生突变，而西北地区与南方地区突变时间点出现在2000年。值得注意的是，青藏地区与其他3个地区不同，虽然其2000年之后VPD的升高速率明显偏大，但其突变检验结果并未通过5%信度的显著性检验。
由于各地理分区突变产生的时间点都在2000年左右，所以本文将2000年作为间隔年份，分别对1961—1999年和2000—2015年两个时间段的VPD变化趋势进行分析，结果如图7所示。整体来看，1961—1999年VPD在全国呈现升高趋势的站点有440个，占站点总数的57%，平均变化趋势在0.012 6~8.251 7 hPa/（10 a）; 2000—2015年VPD呈升高趋势的站点有513个，占比为67%，平均变化趋势在2.185 8~34.134 1 hPa/（10 a）; 以2000年为突变点，平均升高趋势由1.519 6 hPa/（10 a）增长到7.074 3 hPa/（10 a），后一时段约为前一时段平均变化趋势的4倍。
图5 1961—2015年全国VPD变化趋势（当Z的绝对值大于1.65、1.96、2.58时，分别表示通过了置信度为90%、95%、99%的显著性检验）
Fig.5 The trend of VPD in the study area from 1961 to 2015 (When the absolute value of Z is greater than 1.65, 1.96, and 2.58, it indicates passing significance test at the90%, 95%, and 99% confidence levels, respectively)
具体来说，北方地区在1961—1999年，218个站点中有144个站点VPD呈升高趋势，平均变化趋势在0.003 8~5.280 5 hPa/（10 a）; 在2000—2015年，有93个站点呈升高趋势，平均变化趋势在0.193 2~22.022 9 hPa/（10 a）。南方地区在1961—1999年，354个站点中有174个站点呈升高趋势，其中71个站点表现为显著升高的趋势，显著升高站点平均变化趋势在1.231 4~7.654 3 hPa/（10 a）; 2000年以后有261个站点表现为升高趋势，55个站点表现为显著升高的趋势，显著升高站点平均变化趋势为6.869 8~34.134 1 hPa/（10 a）。西北地区VPD呈升高趋势的站点的平均变化趋势由1961—1999年的0.104 8~8.251 7 hPa/（10 a）增长到2000—2015年的0.145 0~24.981 0 hPa/（10 a）。青藏地区在1961—1999年，70个站点中有46个站点VPD呈升高趋势（0.051 3~6.032 8 hPa/（10 a））; 到2000—2015年，有62个站点VPD呈升高趋势（0.285 1~31.878 0 hPa/（10 a））。
表1 Mann-Kendall趋势检验分析结果
Table1 Results of the Mann-Kendall trend test
图6 1961—2015年四大地理分区的VPD Mann-Kendall突变检验结果:（a）北方地区;（b）南方地区;（c）西北地区;（d）青藏地区
Fig.6 Results of the Mann-Kendall mutation test for VPD in four geographical regions from 1961 to 2015: (a) northern China; (b) southern China; (c) Northwest China; (d) Qinghai-Xizang region
图7 VPD平均年变化趋势空间分布（单位：hPa·（10 a）^-1）:（a）1961—1999年平均变化趋势;（b）2000—2015年平均变化趋势
Fig.7 Spatial distribution of the VPD annual average variation trend （units：hPa· (10 a) ^-1) : (a) annual average trend from 1961 to 1999; (b) annual average trend from 2000 to 2015
2.3 VPD与其他气象要素的关系
根据公式，饱和水汽压与实际水汽压的差值决定了VPD的变化，饱和水汽压由气温决定，实际水汽压受相对湿度影响。本文采用相关分析与偏相关分析方法解析气温和相对湿度对VPD变化的潜在影响，结果如图8所示。
从相关分析结果看，四大地理分区无论是年尺度还是季尺度，VPD与气温、相对湿度之间都具有明显的相关性。在所有地区，VPD与气温都呈显著正相关关系（北方地区r_VT=0.72、南方地区r_VT=0.63、西北地区r_VT=0.85、青藏地区r_VT=0.68），与相对湿度都呈显著负相关关系（北方地区r_VR=0.61、南方地区r_VR=0.59、西北地区r_VR=0.75、青藏地区r_VR=0.76）。偏相关分析结果表明，四大地理分区在所有时间尺度（季节和年）上，若不考虑相对湿度的影响，气温对VPD始终呈显著偏正相关（P＜0.01）; 若不考虑气温的影响，相对湿度对VPD始终呈显著偏负相关（P＜0.01）。具体来说，北方地区的年（r_VT，_R=0.721）、春（r_VT，R=0.663）、秋（r_VT，R=0.797）、冬（r_VT，R=0.938），南方地区的年（r_VT，R=0.629）、秋（r_VT，R=0.815）、冬（r_VT，R=0.712），西北地区的年（r_VT，R=0.847）、春（r_VT，R=0.916）、秋（r_VT，R=0.809）、冬（r_VT，R=0.887）和青藏地区的春（r_VT，R=0.795）、冬（r_VT，R=0.901），气温对VPD变化的贡献相对更显著；其他时段相对湿度对VPD的贡献相对更显著。此外，从西北地区VPD对气温和相对湿度的相关分析结果来看，去除其他因素的影响后，VPD与单一因素的相关系数在季节上没有显著差别。这说明气温和相对湿度在西北地区对VPD产生的影响在全年是相对一致的，不受季节性变化的显著影响。
图8 全国四大地理分区VPD与气温（T）和相对湿度（RH）的相关系数及偏相关系数:（a）北方地区;（b）南方地区;（c）西北地区;（d）青藏地区
Fig.8 Correlation and partial correlation coefficients between VPD and air temperature (T) or relative humidity (RH) in four geographical regions: (a) northern China; (b) southern China; (c) Northwest China; (d) Qinghai-Xizang region
为了进一步分析不同地理分区突变年前后不同气温因子和相对湿度对VPD的相关性变化，本研究分别计算了VPD与多年日平均气温（T_ave）、日最高气温（T_max）、日最低气温（T_min）和相对湿度的相关系数。同时为了探究各气象因子对VPD变化的影响程度，本研究选择各地区与VPD相关系数最高的气温因子以及相对湿度作为主要自变量，并使用多元线性回归法计算贡献率，结果如表2所示。在北方地区、南方地区和西北地区VPD突变年前后，气温均是VPD变化的主导因子，但在不同区域3种气温因子的主导程度不同。具体而言，北方地区和南方地区突变前后VPD与最高气温的相关系数最高；西北地区突变前后VPD与平均气温的相关系数最高；青藏地区突变前后VPD与相对湿度相关系数最高。从贡献率来看，北方地区和南方地区最高气温对VPD的贡献率较相对湿度高，而西北地区平均气温对VPD的贡献率最高，青藏地区相对湿度对VPD的贡献率最高，这与相关系数表征的特征相同。此外，对比分析显示，同一地区的主导影响因子在突变年前后并未发生改变。
表2 VPD与气象因子间的相关系数与相对贡献对比
Table2 Correlation coefficients between VPD and different meteorological factors as well the comparison of their relative contributions in the linear regression model
3 结论
本研究基于1961—2015年长时间序列气象观测数据计算了全国饱和水汽压差，采用协同克里金插值、Mann-Kendall趋势检验和偏相关分析等方法，揭示了不同地理分区VPD的时空分布格局与变化特征，并分析了VPD与各气象因子之间的关系，最后分时段讨论了影响VPD变化的主导因子。
研究结果表明，1961—2015年中国VPD时空分布差异显著。全国年均VPD数值范围在0.127~1.547 kPa，平均值为0.526 kPa。年均VPD高值主要集中在西北干旱半干旱区，以新疆地区最为明显，而年均VPD低值主要分布在东北地区、青藏地区以及南方部分地区。从年内变化来看，全国范围内，VPD呈现出夏季高、冬季低的一般规律。从年际变化趋势来看，在全国范围内，VPD整体呈现显著升高趋势。在1961—2015年，全国772个气象站点中有690个站点的VPD呈现升高趋势，趋势变化范围在0.013 7~8.268 0 hPa/（10 a）。以2000年为突变点，平均升高趋势由1.519 6 hPa/（10 a）增长到7.074 3 hPa/（10 a）。其中1961—1999年VPD在全国呈现升高趋势的站点有440个，占站点总数的57%，平均变化趋势在0.012 6~8.251 7 hPa/（10 a）; 2000—2015年VPD呈升高趋势的站点有513个，占比为67%，平均变化趋势在2.185 8~34.134 1 hPa/（10 a）。从相关分析和偏相关分析的结果来看，所有地区的VPD与气温呈显著正相关关系，与相对湿度呈显著负相关关系。在北方地区、南方地区和西北地区VPD在突变年前后，气温均是VPD变化的主导因子；北方地区和南方地区突变前后VPD与最高气温的相关系数最高，而西北地区突变前后VPD与平均气温的相关系数最高。在青藏地区，突变前后相对湿度是VPD的主导因子。此外，对比分析显示，同一地区的主导影响因子在突变年前后并未发生改变。
综上所述，本文分析了VPD在不同季节、不同地区的变化特征及其主导因素，可以为气候生态和植被模型等研究提供科学基础，为相关部门和决策者提供参考，对我国在不同地区实现可持续性发展具有重要意义。
参考文献

基本信息

DOI: 10.13878/j.cnki.dqkxxb.20230811001

基金信息

第三次新疆综合科学考察项目(2021xjkk0802)；
国家重点研发计划项目(2021YFC3000201)；
国家自然科学基金项目(42071032)；
中国科学院青年创新促进会资助项目(2020056)；

引用信息

稿件历史

收稿日期: 2023-08-11
录用日期: 2023-10-23

参考文献

地址：江苏南京宁六路219号南京信息工程大学邮编：210044

联系电话：025-58731158 E-mail：xbbjb@nuist.edu.cn QQ交流群号：344646895

分享给微信好友或者朋友圈

使用微信“扫一扫”功能。

1961—2015年中国饱和水汽压差的时空变化特征

Spatio-temporal variations of vapor pressure deficit in China from 1961 to 2015

摘要

Abstract

关键词

Keywords

1 数据与方法

1.1 数据

1.2 研究方法

1.2.1 VPD计算方法

(1)

(2)

(3)

(4)

1.2.2 协同克里金插值法

(5)

1.2.3 Mann-Kendall检验

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

(14)

1.2.4 相关分析与偏相关分析

(15)

(16)

2 结果与分析

2.1 VPD时空分布特征

2.1.1 VPD空间分布特征

2.1.2 VPD时间分布特征

2.2 VPD时空变化趋势

2.2.1 VPD空间变化趋势

2.2.2 VPD年际变化趋势

2.3 VPD与其他气象要素的关系

3 结论

参考文献

基本信息

基金信息

引用信息

稿件历史

参考文献