馬亞麗，張 芮，許 健，孫棟元，王興繁，李雅嫻

（甘肅農(nóng)業(yè)大學(xué)水利水電工程學(xué)院，蘭州730070）

0 引 言

作為水文循環(huán)的重要環(huán)節(jié)，蒸散發(fā)影響著地表水量和能量平衡過(guò)程，聯(lián)系土壤、生物、大氣三大圈層，是構(gòu)成氣候系統(tǒng)的中心環(huán)節(jié)，包括作物需水量估計(jì)、農(nóng)田灌溉水分利用效率、生態(tài)過(guò)程分析、地區(qū)干濕評(píng)估、地表生態(tài)環(huán)境的形成和演變?cè)趦?nèi)的多種研究問(wèn)題均以蒸散發(fā)為基礎(chǔ)[1,2]。因此，針對(duì)蒸散發(fā)的研究，一直是國(guó)內(nèi)外多學(xué)科研究的熱點(diǎn)問(wèn)題之一[3,4]。潛在蒸散量(Potential Evapotranspiration，ET0)是下墊面在充分供水條件下的最大蒸發(fā)能力，受大氣—植被—地表系統(tǒng)多組分相互作用，眾多因素影響ET0變化，使ET0與氣象因素、各氣象因素間形成復(fù)雜的交互作用關(guān)系系統(tǒng)[5]。在全球氣候變化背景下，揭示ET0時(shí)空變化規(guī)律，確定ET0變化主要驅(qū)動(dòng)因子，對(duì)研究氣候變化對(duì)水文循環(huán)的影響、推動(dòng)農(nóng)業(yè)灌溉節(jié)水、改善生態(tài)環(huán)境均具有重要意義。

近年來(lái)關(guān)于ET0的研究已經(jīng)積累了一些成果，陰曉偉等[6]針對(duì)西北旱區(qū)采用Sobol 全局敏感性方法分析ET0變化的氣候敏感因子，結(jié)論表明1993 前凈輻射、風(fēng)速、相對(duì)濕度影響較大，1993年后風(fēng)速、相對(duì)濕度影響較大。童瑞等[7]應(yīng)用可變下滲能力模型VIC-3L 獲得黃河流域1961-2012年日尺度潛在蒸散發(fā)量數(shù)據(jù)，ET0呈現(xiàn)顯著減小趨勢(shì)。張彩霞等[8]基于P-M 方程式計(jì)算河西地區(qū)的潛在蒸散發(fā)量，1975-1993年ET0趨于減少，1994-2012年趨于增加。楊林山等[9]采用Penman-Monteith模式和Beven 敏感性公式計(jì)算該區(qū)ET0及其對(duì)關(guān)鍵氣候要素的敏感系數(shù)，凈輻射和氣溫共同造就了洮河流域ET0的增加，且氣溫占主導(dǎo)。郭雯雯等[10]FAO-56 P-M 計(jì)算ET0，結(jié)果表明ET0以2.51 mm/10 a 的速率呈不顯著上升趨勢(shì)，主導(dǎo)因子為相對(duì)濕度與風(fēng)速。以上有關(guān)ET0變化特征分析及對(duì)氣象因子的響應(yīng)研究，多針對(duì)黃河流域大范圍，且研究時(shí)段較早，或者研究對(duì)象為黃河子流域，缺少以黃河流域甘肅段為研究對(duì)象的ET0變化規(guī)律及主導(dǎo)氣象因子分析，同時(shí)研究方法較為單一。黃河流域甘肅段地處中國(guó)西部地區(qū)，屬于黃河上游，為干旱半干旱氣候，全球氣候變暖的大背景下，黃河干支流水沙變化顯著，1980-2018年唐乃亥站和蘭州站的年徑流量均呈減少趨勢(shì)[11]，加重水資源匱乏的局面，水資源短缺已經(jīng)是制約當(dāng)?shù)亟?jīng)濟(jì)社會(huì)正常發(fā)展的重要因素，而蒸散發(fā)過(guò)程作為水循環(huán)過(guò)程的關(guān)鍵環(huán)節(jié)，對(duì)于探明水文過(guò)程變化機(jī)理以及水資源高效利用具有重要意義，因此，選取黃河流域甘肅段為研究對(duì)象，探索性采用聚類(lèi)分析[12]、灰色關(guān)聯(lián)度分析[13]、通徑分析[14]、敏感分析[15]等多種方法，定性與定量分析有機(jī)結(jié)合，揭示ET0時(shí)空變化規(guī)律以及ET0與各氣象因素間的定量關(guān)系，確定ET0變化的主要驅(qū)動(dòng)力，為黃河上游流域乃至西北干旱半干旱內(nèi)陸地區(qū)ET0變化機(jī)理研究和水資源合理開(kāi)發(fā)、農(nóng)業(yè)灌溉節(jié)水方面提供科學(xué)參考依據(jù)。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來(lái)源與處理

黃河流域甘肅段15 個(gè)站點(diǎn)1984-2019年的氣象觀測(cè)資料來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng)（http：//data.cma.cn）?；谑澜缂Z農(nóng)組織（FAO）推薦使用的Penman-Monteith 公式[1]，采用MATLAB軟件編程計(jì)算潛在蒸散發(fā)，計(jì)算公式如下：

式中：ET0為潛在蒸散量，mm/d；Δ為飽和水汽壓曲線斜率，kPa/℃；Rn為太陽(yáng)凈輻射，MJ/(m2·d)；G為土壤熱通量，MJ/(m2·d)；γ為干濕常數(shù)，kPa/℃；u2為2 m高處的風(fēng)，m/s；T為平均氣溫，℃；es為平均飽和水汽壓，kPa；ea為實(shí)際水汽壓，kPa；(es-ea)為飽和水汽壓差，kPa；Rns為凈短波輻射，MJ/(m2·d)；反射率α取0.23；n為日照時(shí)數(shù)，h；N為最大日照時(shí)數(shù)，h；Ra為天頂輻射，MJ/(m2·d)；計(jì)算時(shí)參考祝昌漢[16]得出的西北區(qū)參數(shù)a，b分別0.281，0.441。

1.2 研究方法

1.2.1 灰色關(guān)聯(lián)度

根據(jù)灰色系統(tǒng)理論[13]，將氣象要素指標(biāo)作為一個(gè)灰色系統(tǒng)，ET0構(gòu)成參考數(shù)列x0(k)，9個(gè)氣象要素構(gòu)成比較數(shù)列xi(k)。

x0= ｛x0(1)，x0(2)，…，x0(k)｝；xi= ｛xi(1)，xi(2)，…，xi(k)｝。

式中：xi(k)表示第i個(gè)評(píng)價(jià)對(duì)象在k點(diǎn)處的值，k=1，2，…，n。

對(duì)原始數(shù)據(jù)進(jìn)行無(wú)量綱化處理，求出關(guān)聯(lián)系數(shù)（ζ）和加權(quán)關(guān)聯(lián)度（r）。

式中： |x0(k)-xi(k)|為x0數(shù)列與xi在k點(diǎn)的絕對(duì)差值；| 為兩級(jí)最小極差；xi(k)|為兩級(jí)最大極差；ρ為分辨系數(shù)，一般取ρ=0.5；ri為第i個(gè)評(píng)價(jià)對(duì)象對(duì)理想對(duì)象的加權(quán)關(guān)聯(lián)度；wk為第k點(diǎn)的權(quán)重值。

1.2.2 通徑分析

通徑分析（Path analysis）最早于1921年由數(shù)量遺傳學(xué)家Sweall Wright 提出的一種多元統(tǒng)計(jì)技術(shù)，可以處理較為復(fù)雜的變量關(guān)系，屬于回歸分析的拓展，不受自變量變異程度及度量單位的影響，分析多個(gè)自變量與因變量之間的線性關(guān)系，確定自變量對(duì)因變量的直接作用與間接作用大小以及分析變量間的相互作用，為統(tǒng)計(jì)決策提供可靠的依據(jù)[17]。

自變量xi的標(biāo)準(zhǔn)差與因變量y的標(biāo)準(zhǔn)差之比，為xi到y(tǒng)的通徑系數(shù)，表達(dá)式[14]如下：

自變量xi與因變量y的相關(guān)系數(shù)可以分成兩個(gè)部分，一部分為直接通徑系數(shù)Piy，表征自變量對(duì)因變量的直接效應(yīng)；另一部分為ΣrijPjy，表征自變量通過(guò)其他自變量對(duì)因變量的間接效應(yīng)表達(dá)式[14]如下：

1.2.3 敏感系數(shù)

采用基于P-M 模型的敏感系數(shù)法來(lái)衡量蒸散發(fā)對(duì)氣候要素（如氣溫、風(fēng)速等）變化響應(yīng)程度，該方法在潛在蒸散發(fā)研究中得到了廣泛應(yīng)用[18]。蒸散發(fā)氣候敏感系數(shù)為蒸散發(fā)變化率與氣候因子變化率之比，公式如下[15]：

式中：Sx為蒸散發(fā)關(guān)于氣象因子x的敏感系數(shù)，無(wú)量綱。

敏感系數(shù)利用敏感性曲線切線的斜率表征，線性變化時(shí)，敏感系數(shù)由氣象因子對(duì)ET0任意區(qū)間變化的變化率表示，非線性變化時(shí)，氣象因子的變化步長(zhǎng)越小，敏感系數(shù)精度越高[9]。ET0受氣候變量的影響越大，對(duì)氣候變量的變化越敏感，敏感系數(shù)絕對(duì)值越大，即當(dāng)敏感系數(shù)為0.1 時(shí)，表示氣象因子變量變化10%，ET0將變化1%。

采用尹云鶴等[19]提出利用敏感系數(shù)和多年相對(duì)變化率乘積計(jì)算氣象因子對(duì)ET0變化的貢獻(xiàn)率，將氣象因子對(duì)ET0變化的貢獻(xiàn)程度定量化，確定ET0變化主要驅(qū)動(dòng)因子，貢獻(xiàn)率為正值表示正貢獻(xiàn)，否則為負(fù)貢獻(xiàn)，具體公式如下：

式中：Cx和Sx為氣象因子x對(duì)ET0變化的貢獻(xiàn)率（%）和敏感系數(shù)；Rcx、Trendx、分別為氣象因子x的多年相對(duì)變化率、多年線性傾向率以及多年均值；n為統(tǒng)計(jì)年數(shù)。

2 結(jié)果與分析

2.1 ET0時(shí)空變化特征

2.1.1 ET0年際變化

黃河流域甘肅段年均ET0呈現(xiàn)顯著上升趨勢(shì)，線性傾向變化率2.439 mm/a，M-K 統(tǒng)計(jì)量Z為4.059，達(dá)到0.05 顯著性水平，從1984 到2019年36 a 間，2016年出現(xiàn)最大值912.4 mm，1989年出現(xiàn)最小值753.2 mm，多年平均水平844.8 mm，具體如圖1(a)所示。M-K 突變檢驗(yàn)顯示突變發(fā)生在1995年，分為先下降、后上升兩個(gè)階段，由1984-1995年的年均805.8 mm上升至1996-2019年的年均864.3 mm，增長(zhǎng)率7.26%，較多年平均水平844.8 mm 上升2.31%，UF值基本都大于0，驗(yàn)證ET0整體呈上升趨勢(shì)，從1998年開(kāi)始UF值越過(guò)0.05顯著性水平臨界線，表明ET0上升趨勢(shì)是顯著的，具體如圖1(b)所示?？紤]ET0年際上升變化與氣候因素變化存在必然關(guān)聯(lián)，多種氣象因素的交互作用與綜合影響，促使ET0整體呈顯著上升趨勢(shì)。

圖1 黃河流域甘肅段ET0年際變化特征Fig.1 Interannual variation characteristics of ET0 in Gansu section of the Yellow River Basin

2.1.2 ET0年值空間分布

基于黃河流域甘肅境內(nèi)15個(gè)站點(diǎn)36 a的年均潛在蒸散發(fā)，采用克里金空間插值方法，展現(xiàn)ET0空間分布特點(diǎn)[見(jiàn)圖2(a)]，多年平均ET0呈現(xiàn)由西南向東北遞增的趨勢(shì)，甘南山地小，隴中、隴東平原大。高值區(qū)分布于流域東北部白銀、慶陽(yáng)、平?jīng)鲆粠?，ET0介于區(qū)間930.5～1 003.6 mm，其中景泰站(1 005.6 mm)、靖遠(yuǎn)站(916.1 mm)，低值區(qū)位于流域西南部甘南藏族自治州、定西市，ET0變化區(qū)間726.6～779.0 mm，其中甘南藏族自治州合作站(726.1 mm)、瑪曲站(767.9 mm)，定西市岷縣站(763.8 mm)，黃河流域甘肅段ET0整體在726.6～1 003.6 mm之間波動(dòng)，屬于甘肅省境內(nèi)低值區(qū)，這與所處區(qū)域地理環(huán)境差異明顯有密切關(guān)系，因其屬于熱帶濕潤(rùn)區(qū)，溫暖濕潤(rùn)，降雨量較大為450～760 mm，蒸發(fā)量較小。ET0年值數(shù)據(jù)反映線性變化率呈現(xiàn)由西部到東部逐漸增大的趨勢(shì)，慶陽(yáng)、平?jīng)觥⑻焖粠T0線性傾向變化率3.0～3.4 mm/a，相比臨夏回族自治州、甘南藏族自治州2.0～2.3 mm/a變化更為明顯，多年變化幅度更大，且ET0均呈現(xiàn)上升趨勢(shì)，其中天水北道口站(4.0 mm/a)。綜上看，潛在蒸發(fā)數(shù)值較大的東北部區(qū)域線性變化傾向率也相對(duì)較大，這與氣候變化和植被/覆被、土地利用方式改變等人類(lèi)活動(dòng)有密不可分的關(guān)系。

圖2 ET0年值和線性變化率空間分布圖Fig.2 Spatial distribution of ET0 annual value and linear rate of change

2.2 ET0與氣象因素相關(guān)關(guān)系分析

基于黃河流域甘肅境內(nèi)ET0變化趨勢(shì)及空間分布變化規(guī)律，探究時(shí)空差異來(lái)源，考慮探索研究影響ET0變化的主導(dǎo)氣象因素與ET0變化的相關(guān)關(guān)系，通過(guò)分析研究各氣象因素與ET0的內(nèi)在聯(lián)系以及影響程度，揭示ET0時(shí)空變化的成因。

2.2.1 氣象因素聚類(lèi)和灰色關(guān)聯(lián)度結(jié)合分析

選取對(duì)ET0變化可能產(chǎn)生影響的9 個(gè)氣象因素，包括日平均溫度、日最高溫度、日最低溫度、平均相對(duì)濕度、最低相對(duì)濕度、平均風(fēng)速、最大風(fēng)速、降水量、日照時(shí)間等，這些氣象因子間存在錯(cuò)綜復(fù)雜的交互作用，為了揭示各氣象因子內(nèi)在聯(lián)系及簡(jiǎn)化問(wèn)題，利用系統(tǒng)聚類(lèi)法可以將性質(zhì)相近事物劃分為一類(lèi)的特點(diǎn)，將9 個(gè)氣象要素劃分為5 類(lèi)，具體分類(lèi)如下：Ⅰ型包括氣象要素x5、x6、x7（平均氣溫、日最高氣溫、日最低氣溫），體現(xiàn)溫度作用；Ⅱ型包括x2、x3（平均相對(duì)濕度、最小相對(duì)濕度），體現(xiàn)濕度作用；Ⅲ型包括x8、x9（平均風(fēng)速、最大風(fēng)速），體現(xiàn)風(fēng)力作用；Ⅳ型、Ⅴ型分別為x1、x4（降水量、日照時(shí)數(shù)），具體聚類(lèi)分析結(jié)果見(jiàn)聚類(lèi)樹(shù)狀圖[圖3(a)]和表1。

Ⅰ型、Ⅱ型、Ⅲ型中氣象要素性質(zhì)相似，對(duì)ET0變化產(chǎn)生交互疊加作用，為了剔除疊加影響，簡(jiǎn)化各氣象要素復(fù)雜關(guān)系，利用灰色關(guān)聯(lián)度法，依據(jù)氣象要素與ET0變化的緊密程度對(duì)Ⅰ型、Ⅱ型、Ⅲ型分組中重復(fù)相關(guān)的氣象要素進(jìn)行排序，排序越靠前，關(guān)聯(lián)度值越大，氣象要素與ET0聯(lián)系越緊密，序列曲線幾何形狀的相似程度越高[14]，剔除同分組中排序靠后、關(guān)聯(lián)度較差的因子，將9 個(gè)氣象因子縮減成5 個(gè)氣象因子進(jìn)行重點(diǎn)分析。關(guān)聯(lián)度由大到小排序依次為n、RH、RHmin、P、Tmax、T、Tmin、u、umax，n關(guān)聯(lián)度值最大0.881，umax關(guān)聯(lián)度值最小0.770，具體見(jiàn)圖3(b)和表1。

圖3 氣象要素聚類(lèi)分析及灰色關(guān)聯(lián)度排序Fig.3 Clustering analysis and ranking of grey relational degree of meteorological elements

將氣象要素的聚類(lèi)分析及灰色關(guān)聯(lián)度分析結(jié)果綜合分析對(duì)比，具體見(jiàn)表1。Ⅰ型分組T、Tmax、Tmin加權(quán)關(guān)聯(lián)度排序?yàn)?、5、7，Ⅱ型分組RH、RHmin排序2、3，Ⅲ型分組u、umax灰色關(guān)聯(lián)度排序8、9，選取同類(lèi)型分組關(guān)聯(lián)度排序靠氣象要素，Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ型分別選取Tmax、RH、u、P、n共5 個(gè)氣象因素，5 個(gè)氣象要素分屬不同分組，且對(duì)ET0的聯(lián)系緊密程度較強(qiáng)，涵蓋了影響ET0變化的多種作用因素，如濕度因子、熱力因子、動(dòng)力因子等，兩種方法結(jié)合運(yùn)用既簡(jiǎn)化了問(wèn)題，又篩選與ET0變化緊密關(guān)聯(lián)的關(guān)鍵因素進(jìn)行重點(diǎn)分析，針對(duì)選取的5 個(gè)氣象要素進(jìn)行后續(xù)的通徑分析，揭示各氣象因素對(duì)ET0變化的直接和間接影響大小。

表1 氣象因子聚類(lèi)及灰色關(guān)聯(lián)度結(jié)合分析結(jié)果Tab.1 Combined analysis results of meteorological factors cluster and grey relational degree analysis

2.2.2 氣象因素對(duì)ET0通徑分析

RH、n、Tmax、P、u等5 個(gè)氣象因素通徑分析結(jié)果如表2所示。通徑系數(shù)表征各氣象因素對(duì)ET0的直接作用，作用大小排序?yàn)門(mén)max＞n＞u＞RH＞P，RH數(shù)值為負(fù)表明其起反向作用，即RH減少導(dǎo)致ET0增加，Tmax、n、u為正值，起正向作用，Tmax對(duì)ET0變化直接影響最突出，P直接影響最小。間接通徑系數(shù)反映各氣象因素對(duì)ET0的間接作用，大小排序依次為n＞u＞Tmax＞P＞RH，n對(duì)ET0變化的間接影響最突出。各氣象因素的綜合作用由簡(jiǎn)單相關(guān)系數(shù)反映，作用大小排序?yàn)門(mén)max、n、u、RH、P，除RH對(duì)ET0變化起反向抑制作用，其他要素均起正向促進(jìn)作用，ET0變化受Tmax影響最突出，P對(duì)影響最微弱，考慮到P作用較小，其作用可以忽略不計(jì)，剔除P指標(biāo)，選取剩余4 個(gè)氣象要素進(jìn)行ET0變化的敏感性及貢獻(xiàn)特征分析。綜上看，Tmax、n、u的升高與RH的降低共同促進(jìn)黃河流域甘肅段ET0呈現(xiàn)增加趨勢(shì)。

表2 氣象因子對(duì)ET0的通徑分析Tab.2 Path analysis of ET0 by meteorological factors

2.3 ET0敏感性分析

利用黃河流域甘肅段15 個(gè)氣象站點(diǎn)各氣象因子多年平均敏感系數(shù)，基于反距離權(quán)重空間插值法，得到日最高溫度(STmax)、相對(duì)濕度(SRH)、平均風(fēng)速(Su)、日照時(shí)數(shù)(Sn)的敏感系數(shù)的空間分布圖（圖4）。STmax敏感性系數(shù)總體呈現(xiàn)從西到東逐漸增加，隴東地區(qū)的平?jīng)龊蛻c陽(yáng)、天水等地為高值區(qū)，慶陽(yáng)西峰最大為1.07，武威、甘南藏族自治州位于低值區(qū)，敏感系數(shù)變化區(qū)間0.53～1.07，T對(duì)ET0變化起到正向促進(jìn)作用，即Tmax升高10%，ET0增加5.3%～10.7%。SRH敏感性系數(shù)定西、天水、臨夏一帶較其他地區(qū)略高，最大值為定西華家?guī)X站-2.47，敏感系數(shù)變化區(qū)間-0.91～-2.47 之間，RH對(duì)ET0變化起到反向作用，即RH增加10%，ET0減少9.1%～24.7%，ET0對(duì)RH變化較為敏感。Su空間分布與SRH相反，定西華家?guī)X為低值區(qū)，隴東、隴中地區(qū)為高值區(qū)，敏感系數(shù)-0.24～0.29 之間，除華家?guī)X、烏鞘嶺站點(diǎn)出現(xiàn)負(fù)值，大部分區(qū)域u對(duì)ET0變化起到正向促進(jìn)作用，即u增加10%，ET0增加-2.4%～2.9%，ET0對(duì)u變化整體不敏感。Sn與SRH空間分布大體一致，定西華家?guī)X、武威值最大，周?chē)鷧^(qū)域均較小，敏感系數(shù)介于-0.04～0.90之間，即n增加10%，ET0增加-0.4%～9.0%。綜上看，在黃河流域甘肅段范圍內(nèi)各氣象因子敏感性程度分布存在差異，ET0對(duì)RH變化最敏感，其次為T(mén)max、n，ET0對(duì)u變化敏感性最差，溫度、日照時(shí)數(shù)、風(fēng)速對(duì)ET0變化起正向促進(jìn)作用，相對(duì)濕度起反向抑制作用。

圖4 ET0敏感系數(shù)的空間分布Fig.4 Spatial distribution of ET0 sensitivity coefficient

2.4 ET0貢獻(xiàn)特征分析

利用敏感系數(shù)和多年相對(duì)變化率的乘積將氣象因子對(duì)ET0變化的影響大小定量化[20]，計(jì)算結(jié)果如表3所示。由于氣象因子多年相對(duì)變化率大小差異，各氣象要素的敏感程度與貢獻(xiàn)率大小并不一致。平均相對(duì)濕度對(duì)ET0起反向作用，敏感系數(shù)-1.51，四項(xiàng)氣象要素中敏感程度最大，但36 a相對(duì)變化率-4.09%，RH減少促使ET0增加，正貢獻(xiàn)率6.18%；日最高氣溫多年呈現(xiàn)增加趨勢(shì)，多年相對(duì)變化率12.56%，溫度升高引起ET0的顯著增加，正貢獻(xiàn)率10.62%，四項(xiàng)氣象要素中貢獻(xiàn)程度最大，說(shuō)明黃河流域甘肅段ET0增大的主要原因是由溫度升高引起；ET0對(duì)風(fēng)速變化敏感程度最小，但36 a相對(duì)變化率較大為18.36%，造成風(fēng)速增大對(duì)ET0增加的正向促進(jìn)作用為2.29%；日照時(shí)數(shù)多年呈現(xiàn)總體下降趨勢(shì)，且變化相對(duì)平穩(wěn)，36 a 相對(duì)變化率-0.95%，其多年減少引起ET0減少，貢獻(xiàn)率為-0.26%，四項(xiàng)氣象因素中貢獻(xiàn)程度最低。綜上可知，黃河流域甘肅段相對(duì)濕度、日照時(shí)數(shù)多年減少和溫度升高、風(fēng)速增大等綜合作用，促使流域ET0呈現(xiàn)增大趨勢(shì)，4 種氣象要素對(duì)ET0增加的總貢獻(xiàn)18.83%。

表3 氣象因子對(duì)ET0的貢獻(xiàn)率Tab.3 Contribution rate of meteorological factors to ET0

3 討論與結(jié)論

黃河流域甘肅段年均ET0呈現(xiàn)顯著上升趨勢(shì)，線性傾向變化率2.439 mm/a，突變發(fā)生在1995年，分為先下降、后上升兩個(gè)階段，1995年前后由805.8 mm 上升至864.3 mm，增長(zhǎng)率7.26%，上升趨勢(shì)是顯著的。ET0呈現(xiàn)由西南向東北遞增的趨勢(shì)，甘南山地小，隴中、隴東平原大，整體在726.6～1 003.6 mm 之間波動(dòng)；線性變化率呈現(xiàn)由西部到東部逐漸增大的趨勢(shì)，慶陽(yáng)、平?jīng)?、天水一帶較大。

依據(jù)各氣象要素性質(zhì)相似性，9 個(gè)氣象要素可以劃分為5類(lèi)，結(jié)合考慮氣象要素對(duì)ET0變化的緊密程度，將9 個(gè)氣象因子縮減成5 個(gè)氣象因子（Tmax、RH、u、P、n）進(jìn)行重點(diǎn)分析。5 個(gè)氣象要素通徑分析結(jié)果顯示，綜合作用大小排序?yàn)門(mén)max、n、u、RH、P，Tmax是影響ET0變化最主要因素，P作用最小，可以忽略不計(jì)。

各氣象因子敏感性程度分布存在差異，ET0對(duì)RH變化最敏感，其次為T(mén)max、n，ET0對(duì)u變化敏感性最差，除相對(duì)濕度外，溫度、日照時(shí)數(shù)、風(fēng)速起正向作用。相對(duì)濕度、日照時(shí)數(shù)多年減少和溫度升高、風(fēng)速增大等綜合作用，促使流域ET0呈現(xiàn)增大趨勢(shì)，貢獻(xiàn)率大小分別為6.18%、-0.26%、10.62%、2.29%，溫度升高是主要原因，4 種氣象要素總貢獻(xiàn)值18.83%。