李 成 李兆哲 王讓會(huì) 丁奠元 徐 揚(yáng)

(1.揚(yáng)州大學(xué)植物保護(hù)學(xué)院， 揚(yáng)州 225009； 2.南京信息工程大學(xué)江蘇省農(nóng)業(yè)氣象重點(diǎn)實(shí)驗(yàn)室， 南京 210044；3.揚(yáng)州大學(xué)水利科學(xué)與工程學(xué)院, 揚(yáng)州 225009； 4.揚(yáng)州大學(xué)農(nóng)學(xué)院， 揚(yáng)州 225009；5.揚(yáng)州大學(xué)植物功能基因組學(xué)教育部重點(diǎn)實(shí)驗(yàn)室， 揚(yáng)州 225009)

0 引言

農(nóng)田水分循環(huán)過(guò)程是土壤-植物-大氣連續(xù)體研究的重要內(nèi)容[1]，蒸散(Evapotranspiration，ET)作為其中的關(guān)鍵變量之一，在農(nóng)田與大氣間的水分和能量交換中扮演了重要角色[2]。農(nóng)田ET包括植物蒸騰與土壤蒸發(fā)，它與農(nóng)田灌溉、作物生長(zhǎng)等過(guò)程關(guān)系密切[3-4]。因此，在淡水資源日益趨緊的背景下，理解農(nóng)田ET的動(dòng)態(tài)變化對(duì)提高農(nóng)業(yè)水資源利用效率、發(fā)展氣候智慧型農(nóng)業(yè)，具有重要的現(xiàn)實(shí)意義。

農(nóng)田ET的實(shí)測(cè)方法有很多，主要包括渦度相關(guān)法、波文比法、穩(wěn)定同位素法、蒸滲儀法、大孔徑閃爍儀法等[5]。其中，渦度相關(guān)法在測(cè)定時(shí)不會(huì)損壞植物且測(cè)量精度較高，是近年來(lái)應(yīng)用較為廣泛的方法之一[6]?；跍u度相關(guān)法的農(nóng)田ET研究表明：ET在作物生長(zhǎng)季內(nèi)有明顯的日、季節(jié)變化特征，但由于地理位置、水熱條件、栽培管理方式的差異，使不同農(nóng)田ET的變化幅度、峰值及其出現(xiàn)時(shí)間也有所不同[7-8]。另一方面，目前基于該方法的研究大多采用短期觀測(cè)資料進(jìn)行分析(小于3年)，在一定程度上易受天氣條件的影響[9]，不利于全面認(rèn)識(shí)農(nóng)田ET的變化規(guī)律。已有研究表明：不同環(huán)境因子，如凈輻射(Net radiation，Rn)、氣溫(Air temperature，T)、飽和水汽壓差(Vapor pressure deficit，VPD)、風(fēng)速(Wind speed，WS)、土壤含水率(Soil water content，SWC)等，對(duì)作物生長(zhǎng)和農(nóng)田ET變化產(chǎn)生重要影響[10-11]。但這些環(huán)境因子之間往往存在共線(xiàn)性問(wèn)題[12]，使一些傳統(tǒng)分析方法(如多元回歸分析、結(jié)構(gòu)方程模型等)在量化農(nóng)田ET的影響因子和影響程度方面，可能存在一定偏差。為厘清這些環(huán)境因子對(duì)農(nóng)田ET變化的影響，近年來(lái)興起的機(jī)器學(xué)習(xí)方法，如隨機(jī)森林方法、增強(qiáng)回歸樹(shù)(Boosted regression tree，BRT)方法等，在探究多因子相互關(guān)系方面有重要潛力[13-14]。以BRT方法為例，它能在不預(yù)先設(shè)定數(shù)學(xué)表達(dá)式的前提下，模擬輸入變量和輸出變量之間的非線(xiàn)性關(guān)系，并通過(guò)提取各輸入變量的邊際效應(yīng)，厘清它們對(duì)輸出變量的影響[15]；同時(shí)BRT方法對(duì)各變量的數(shù)據(jù)類(lèi)型、概率分布和共線(xiàn)性等具有較大的容忍度[16]，因而將該方法用于農(nóng)田ET的多因子影響分析，可為闡明不同因子對(duì)農(nóng)田ET變化的影響貢獻(xiàn)與影響方式等提供方法參考。然而，目前基于該方法對(duì)輪作田不同作物生長(zhǎng)季及農(nóng)閑期階段ET變化及其影響因子的對(duì)比研究，還相對(duì)缺乏。

為此，本研究以華北典型麥-玉(冬小麥-夏玉米)輪作田為例，基于逐日觀測(cè)數(shù)據(jù)(包括7個(gè)小麥生長(zhǎng)季和8個(gè)玉米生長(zhǎng)季)，分析不同作物生長(zhǎng)季和農(nóng)閑期階段ET的變化特征；并利用BRT方法，闡明農(nóng)田ET對(duì)環(huán)境因子的響應(yīng)特征，以期為變化環(huán)境下農(nóng)業(yè)水資源高效利用以及作物模型優(yōu)化等提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究站點(diǎn)概況

研究站點(diǎn)位于山東省禹城市西南部(36.83°N，116.56°E)，是中國(guó)科學(xué)院生態(tài)系統(tǒng)研究網(wǎng)絡(luò)(Chinese Ecosystem Research Network，CERN)農(nóng)田觀測(cè)站之一。該站年平均氣溫為13.2℃，年均降雨量為582 mm，太陽(yáng)總輻射達(dá)5 225 MJ/m2，無(wú)霜期約 200 d[17]。 地貌類(lèi)型為黃河沖積平原，土壤母質(zhì)為黃河沖積物，耕層土壤有機(jī)質(zhì)質(zhì)量比在10～12 mg/kg之間，pH 值介于7.8～8.0之間[18]。種植模式為小麥與玉米輪作，二者的播種與收獲日期如表1所示。

1.2 數(shù)據(jù)獲取與處理

本研究所用到的逐日觀測(cè)數(shù)據(jù)，如潛熱通量、Rn、T、VPD、WS及表層(0～5 cm)SWC等，由CSAT3型三維超聲風(fēng)速儀(Campbell Scientific公司，美國(guó))、LI-7500型H2O/CO2紅外氣體分析儀(LICOR Biosciences公司，美國(guó))和配套的自動(dòng)微氣象觀測(cè)系統(tǒng)實(shí)測(cè)獲得。將儀器設(shè)立在面積約0.13 km2的小麥-玉米輪作田中。其中，三維超聲風(fēng)速儀和H2O/CO2紅外氣體分析儀安裝在植被冠層上方2.5 m處，盛行風(fēng)向的風(fēng)浪區(qū)長(zhǎng)度為5 km，滿(mǎn)足通量觀測(cè)試驗(yàn)的基本要求。并且相關(guān)實(shí)測(cè)數(shù)據(jù)已通過(guò)質(zhì)量控制，具有較高的可信度[19]。觀測(cè)時(shí)段為2003年6月至2010年10月，逐日ET通過(guò)潛熱通量與汽化潛熱的比值計(jì)算得到[9]。根據(jù)表1中作物播種/收獲日期，將逐日ET及環(huán)境要素?cái)?shù)據(jù)劃分為小麥季、玉米季和農(nóng)閑期階段，分別進(jìn)行統(tǒng)計(jì)分析。

表1 禹城站小麥與玉米的播種/收獲日期Tab.1 Harvest date and sowing date of wheat and maize at Yucheng site

1.3 BRT方法

BRT方法是一種在傳統(tǒng)的分類(lèi)回歸樹(shù)基礎(chǔ)上，結(jié)合提升算法(Boosting)開(kāi)發(fā)而來(lái)的自學(xué)習(xí)方法。它使用二元遞歸分割算法消除不同因子之間的相互作用，并通過(guò)對(duì)多個(gè)回歸樹(shù)進(jìn)行加權(quán)平均，從而提高模型的準(zhǔn)確性[14]。具體計(jì)算步驟如下[15-16]：①隨機(jī)抽取一定比例的數(shù)據(jù)樣本，產(chǎn)生大量具有固定節(jié)點(diǎn)數(shù)的回歸樹(shù)模型，并利用剩余數(shù)據(jù)對(duì)擬合結(jié)果進(jìn)行檢驗(yàn)。②采用逐步迭代的方法，按順序?qū)W習(xí)每一個(gè)回歸樹(shù)。在每個(gè)回歸樹(shù)前乘以一個(gè)較小學(xué)習(xí)速率后加入總預(yù)測(cè)模型。③利用交叉驗(yàn)證的方法，確定最優(yōu)回歸樹(shù)的數(shù)量，以提高模型的穩(wěn)定性和準(zhǔn)確性，且避免出現(xiàn)過(guò)擬合現(xiàn)象。④根據(jù)輸入變量在分類(lèi)回歸樹(shù)中對(duì)輸出變量離差平方和的減少量，計(jì)算各輸入變量的重要性程度，該重要性程度值是模型中多個(gè)回歸樹(shù)離差平方和減少量的平均值。由于BRT方法在處理非線(xiàn)性觀測(cè)數(shù)據(jù)方面具有較高的預(yù)測(cè)精度，并且計(jì)算結(jié)果穩(wěn)定、易于解釋等優(yōu)點(diǎn)，目前已被廣泛用于歸因分析和邊際效應(yīng)研究等領(lǐng)域[20]。

本研究基于R Studio軟件和gbm包(版本：2.1.8)，分析不同環(huán)境因子(T、Rn、VPD、WS和SWC)與ET之間的關(guān)系，進(jìn)而識(shí)別影響ET的關(guān)鍵因子及其貢獻(xiàn)率。BRT涉及的相關(guān)參數(shù)如下：決策樹(shù)復(fù)雜度為8，學(xué)習(xí)速率為0.001，分割比例為0.75。具體的計(jì)算流程見(jiàn)文獻(xiàn)[15]。

2 結(jié)果與分析

2.1 麥-玉輪作田小氣候特征

麥-玉輪作田T、Rn、VPD、WS、SWC和ET的逐日變化曲線(xiàn)，如圖1所示。T表現(xiàn)出冬季低、夏季高的單峰型變化特征，研究時(shí)段內(nèi)T的日最高值和最低值分別出現(xiàn)在2005年6月下旬(32.7℃)和2003年1月上旬(-11.3℃)，年平均T為13.0～13.8℃，多年平均值為13.4℃(表2)。對(duì)于不同作物生長(zhǎng)季而言，小麥季平均T低于年平均水平，變化范圍在7.1～9.2℃之間；玉米季平均T變化范圍為23.6～25.0℃，多年平均值為24.2℃。農(nóng)閑期平均T介于小麥季和玉米季之間，達(dá)19.2℃。

圖1 研究時(shí)段內(nèi)麥-玉輪作田T、Rn、VPD、WS和SWC的季節(jié)變化曲線(xiàn)Fig.1 Seasonal changes of T, Rn, VPD, WS and SWC in wheat-maize rotation field during study period

與T類(lèi)似，Rn也呈單峰型變化特征。研究時(shí)段內(nèi)逐日Rn在-47.2～217.8 W/m2波動(dòng)，年平均Rn介于56.3～67.0 W/m2，多年平均值為63.2 W/m2(表2)。除2003年和2008年外，其他年份Rn的年平均值大多為65 W/m2左右。對(duì)于不同階段而言，小麥季Rn為(47.4±2.2) W/m2，明顯低于玉米季(100.6±9.1) W/m2，而農(nóng)閑期Rn則介于二者之間，為(60.3±13.2) W/m2。

VPD在年內(nèi)呈現(xiàn)出雙峰型特征，兩個(gè)峰值分別出現(xiàn)在6月和10月，通常每年第1個(gè)峰值的VPD明顯高于第2個(gè)峰值。研究時(shí)段內(nèi)逐日VPD變化范圍在0～3.0 kPa之間，多年平均值為0.56 kPa(表2)。就不同作物生長(zhǎng)季而言，小麥季VPD的多年平均值較玉米季略低，二者分別為0.48 kPa和0.71 kPa。

WS和SWC在年內(nèi)變化較為復(fù)雜，具有明顯的波動(dòng)特征。逐日WS變化范圍在0～8.2 m/s之間，多年平均值為1.8 m/s。其中WS超過(guò)4 m/s以上的天數(shù)主要集中在小麥季，約有135 d；而玉米季和農(nóng)閑期WS超過(guò)4 m/s以上的天數(shù)不足小麥季的10%。研究時(shí)段內(nèi)SWC基本在0.2 m3/m3以上，其中小麥季SWC為(0.33±0.04) m3/m3，較玉米季SWC整體偏低(表2)。

2.2 麥-玉輪作田ET變化特征

麥-玉輪作田ET的逐日變化曲線(xiàn)如圖1所示。ET在年內(nèi)表現(xiàn)出雙峰型變化特征，兩個(gè)峰值分別出現(xiàn)在小麥季和玉米季，通常每年第1個(gè)高峰的ET明顯高于第2個(gè)高峰。研究時(shí)段內(nèi)逐日ET變化范圍在0～9.6 mm/d之間，多年平均值為682.6 mm(表2)。

就不同階段而言，小麥季ET的日最高值為9.6 mm/d，出現(xiàn)在2009年5月8日。研究時(shí)段內(nèi)小麥季單日ET超過(guò)5 mm/d共有109 d，分布在4—6月。其中，出現(xiàn)在5月的天數(shù)最多，約有70 d；而出現(xiàn)在4月和6月分別有26 d和13 d。小麥季ET變化范圍在315.1～503.9 mm之間，多年平均值為408.5 mm。

研究時(shí)段內(nèi)玉米季ET的日最高值為7.0 mm/d，出現(xiàn)在2010年7月31日。玉米季單日ET超過(guò) 5 mm/d 共有18 d，分布在7—9月，其中以出現(xiàn)在 8月 的天數(shù)最多(11 d)，7月次之(5 d)。玉米季ET變化范圍在221.7～315.0 mm之間，多年平均值為261.2 mm。

農(nóng)閑期ET的日最高值為3.5 mm/d，出現(xiàn)在2006年6月16日。與小麥季和玉米季相比，農(nóng)閑期ET相對(duì)較低，變化范圍在14.1～43.9 mm之間，多年平均值為25.8 mm。

2.3 麥-玉輪作田ET變化影響因子

考慮到環(huán)境因子之間可能存在較高的相關(guān)關(guān)系，本研究利用BRT方法分析不同作物生長(zhǎng)季和農(nóng)閑期階段ET變化的多環(huán)境因子影響。對(duì)BRT模型運(yùn)行結(jié)果進(jìn)行交叉驗(yàn)證：小麥季、玉米季和農(nóng)閑期階段觀測(cè)值與模擬值的R2分別為0.92、0.81和0.89；均方根誤差分別為0.5、0.51、0.24 mm。上述結(jié)果反映了模型的擬合效果整體較好，證明BRT模型結(jié)果可信。各環(huán)境因子對(duì)麥-玉輪作田ET的影響貢獻(xiàn)率，如表3所示。

表3 環(huán)境因子對(duì)麥-玉輪作田ET的影響貢獻(xiàn)率Tab.3 Contribution of environmental factors to ET in wheat-maize rotation field %

在影響小麥季ET變化的環(huán)境因子中(表3)，Rn貢獻(xiàn)率最大(81.4%)，VPD次之(5.9%)，其余因子按貢獻(xiàn)率排序分別為SWC(5.6%)、T(4.2%)、WS(2.9%)。圖2為貢獻(xiàn)率排在前3位的環(huán)境因子與小麥季ET之間的邊際效應(yīng)，進(jìn)而揭示主要環(huán)境因子(Rn、VPD和SWC)對(duì)小麥季ET的影響。Rn對(duì)小麥季ET的影響隨Rn增大而呈正相關(guān)關(guān)系(圖2a)，特別是Rn在30～180 W/m2時(shí)，影響程度陡然上升，并達(dá)到最大值；但當(dāng)Rn超過(guò)180 W/m2后，Rn對(duì)ET的影響程度基本保持不變。VPD與小麥季ET之間的影響曲線(xiàn)呈波動(dòng)特征(圖2b)。當(dāng)VPD在 0～1.2 kPa 時(shí)，隨著VPD的增加，曲線(xiàn)呈上升趨勢(shì)；并在1.4 kPa處曲線(xiàn)達(dá)到最高點(diǎn)，產(chǎn)生最高正影響力；此后隨VPD的增加，曲線(xiàn)呈下降趨勢(shì)，并逐步達(dá)到穩(wěn)定狀態(tài)。當(dāng)SWC小于0.4 m3/m3時(shí)，對(duì)小麥季ET具有一定程度的影響；當(dāng)SWC高于0.4 m3/m3時(shí)，則影響程度保持相對(duì)平穩(wěn)(圖2c)。

圖2 主要環(huán)境因子對(duì)小麥季ET影響的邊際效應(yīng)Fig.2 Marginal effects of main environmental factors on ET in wheat seasons

玉米季ET受各環(huán)境因子的影響也存在明顯差異。Rn是影響玉米季ET變化的關(guān)鍵因子，貢獻(xiàn)率達(dá)52.7%(表3)。如圖3a所示，當(dāng)Rn在10～160 W/m2之間時(shí)，影響曲線(xiàn)隨Rn的增大而快速上升，并在Rn達(dá)到180 W/m2時(shí)，正影響力達(dá)到最大；當(dāng)Rn超過(guò)180 W/m2后，Rn對(duì)ET的影響程度基本保持不變。VPD對(duì)玉米季ET的影響僅次于Rn，其貢獻(xiàn)率為17.6%(表3)。從VPD對(duì)ET的影響曲線(xiàn)可知(圖3b)，整體呈倒“U”形特征；當(dāng)VPD約為0.7 kPa時(shí)，影響曲線(xiàn)出現(xiàn)最高值，然后開(kāi)始出現(xiàn)局部下降趨勢(shì)，并在VPD達(dá)到1.7 kPa時(shí)，曲線(xiàn)逐步達(dá)到穩(wěn)定狀態(tài)。SWC也是影響玉米季ET變化的重要因子之一，其貢獻(xiàn)率為12.7%(表3)。當(dāng)SWC處于0.35～0.60 m3/m3時(shí)，影響曲線(xiàn)呈現(xiàn)出一定的波動(dòng)增加趨勢(shì)(圖3c)。

圖3 主要環(huán)境因子對(duì)玉米季ET影響的邊際效應(yīng)Fig.3 Marginal effects of main environmental factors on ET in maize seasons

農(nóng)閑期ET受環(huán)境因子的影響如表3和圖4所示。與小麥季和玉米季不同，影響農(nóng)閑期ET變化的關(guān)鍵環(huán)境因子依次為Rn、SWC和WS，貢獻(xiàn)率分別為36.8%、22.5%和17.0%(表3)。圖4為貢獻(xiàn)率排在前3位的環(huán)境因子與ET之間的邊際效應(yīng)。影響曲線(xiàn)分別在一定范圍內(nèi)隨Rn、SWC和WS的增大而增大，但當(dāng)Rn超過(guò)135 W/m2時(shí)，影響曲線(xiàn)不再隨Rn的增加而繼續(xù)增大(圖4a)。SWC的影響曲線(xiàn)具有波動(dòng)變化特征(圖4b)。當(dāng)SWC在0.36～0.43 m3/m3之間時(shí)，曲線(xiàn)隨SWC增加而呈上升趨勢(shì)；當(dāng)SWC增加至高于0.50 m3/m3時(shí)，影響曲線(xiàn)不再隨SWC的增大而變化。與SWC相似，當(dāng)WS小于1.8 m/s時(shí)，隨著WS的增加，曲線(xiàn)呈上升趨勢(shì)；而當(dāng)WS高于2.7 m/s時(shí)，其影響程度保持相對(duì)平穩(wěn)(圖4c)。

圖4 主要環(huán)境因子對(duì)農(nóng)閑期ET影響的邊際效應(yīng)Fig.4 Marginal effects of main environmental factors on ET in non-growing seasons

3 討論

為進(jìn)一步理解禹城站農(nóng)田ET特征，表4列出了華北平原不同站點(diǎn)農(nóng)田ET的監(jiān)測(cè)結(jié)果。如表4所示，基于渦度相關(guān)法的華北麥-玉輪作田ET大多介于640～791 mm之間，并表現(xiàn)出一定的空間異質(zhì)性[21-26]，如封丘站和欒城站ET較高，分別為791、693 mm，而館陶站ET較低，為608.7 mm(表4)。由于各站點(diǎn)均位于華北平原，氣候條件較為相似，受作物生長(zhǎng)和農(nóng)業(yè)管理(灌溉、施肥、作物品種等)等因素的影響，因而造成不同站點(diǎn)間ET數(shù)值上的差異[27]。

表4 研究時(shí)段內(nèi)華北平原不同站點(diǎn)農(nóng)田ET結(jié)果對(duì)比Tab.4 Comparisons of ET in different sites during study period across North China Plain

就不同階段而言，禹城站小麥季ET的多年平均值明顯高于玉米季，這除了與二者生長(zhǎng)季環(huán)境條件不同外，也與它們分屬于不同作物類(lèi)型有關(guān)。一般而言，C4植物(玉米)比C3植物(小麥)擁有更高的碳同化速率且氣孔導(dǎo)度較小，使蒸騰耗水較低[26,28]。而農(nóng)閑期階段地表近似“裸地”的狀況，使該階段ET占全年ET總量的比例不足4%?？紤]到機(jī)器學(xué)習(xí)方法在探究多因子相互關(guān)系方面的潛力，本研究利用BRT方法分析了不同作物生長(zhǎng)季和農(nóng)閑期階段ET變化的多環(huán)境因子影響。結(jié)果表明：Rn是影響麥-玉輪作田不同階段ET變化的重要因子，這是因?yàn)闊o(wú)論是土壤蒸發(fā)還是植物蒸騰，輻射提供的能量可以改變系統(tǒng)中水熱分配狀況，使植物體內(nèi)水分和土壤水分發(fā)生相變汽化過(guò)程，進(jìn)而影響ET變化[29]。但同時(shí)Rn對(duì)不同階段ET變化的影響也存在明顯差異，其貢獻(xiàn)率由高到低依次為小麥季(81.4%)、玉米季(52.7%)、農(nóng)閑期(36.8%)。除Rn外，VPD對(duì)作物生長(zhǎng)季ET也存在一定的影響。一方面，VPD作為衡量大氣干燥程度的重要指標(biāo)，在土壤-植物-大氣連續(xù)體中，能直接影響氣孔開(kāi)閉，控制植物蒸騰等生理過(guò)程[30]，對(duì)農(nóng)田ET產(chǎn)生重要影響；另一方面，ET不隨VPD增大而無(wú)限增大，存在一個(gè)閾值范圍。FLETCHER等[31]發(fā)現(xiàn)VPD閾值受到植物耐旱程度的影響，一般不超過(guò)2.0 kPa，而本研究發(fā)現(xiàn)：小麥季和玉米季VPD的這一閾值雖然在FLETCHER等[31]的研究結(jié)果范圍之內(nèi)，但二者并不相同，分別為1.4 kPa和0.7 kPa。SWC作為衡量土壤干旱的重要指標(biāo)，一般通過(guò)影響木質(zhì)部的導(dǎo)水率，從而控制氣孔導(dǎo)度[32]。雖然SWC和VPD對(duì)農(nóng)田碳-水交換的調(diào)節(jié)效應(yīng)可能是獨(dú)立的，但部分研究證實(shí)VPD對(duì)ET的影響可能受到SWC的調(diào)節(jié)[33]。在地表近似“裸地”的農(nóng)閑期時(shí)段，ET主要以土壤蒸發(fā)為主，此時(shí)SWC和WS對(duì)該時(shí)段ET變化的影響不可忽略。因此從模型建模的角度考慮，今后仍需要在作物模型中，針對(duì)不同作物類(lèi)型和不同階段，建立相應(yīng)的參數(shù)化方案，從而有效降低ET模擬結(jié)果的不確定性[34]。

由于研究區(qū)玉米季屬于多降雨期，因而降雨對(duì)ET及各環(huán)境因子也可能產(chǎn)生一定的影響。為此，本研究選擇7月下旬至8月上旬兩次典型降雨時(shí)段，對(duì)比分析降雨時(shí)段前后ET與各環(huán)境因子的變化差異(表5)。由表5可知，由于降雨期間太陽(yáng)輻射減少、濕度增大，使Rn、T、VPD較降雨前出現(xiàn)不同程度地下降，而降雨后土壤水分得到補(bǔ)充，使SWC出現(xiàn)增大；對(duì)ET而言，其在降雨期間出現(xiàn)下降，但降雨結(jié)束后的晴天階段，ET會(huì)大幅增加，這與前人的研究結(jié)果相似[35-36]。但郭映等[29]基于黃土高原丘陵溝壑區(qū)玉米田ET資料，發(fā)現(xiàn)8月中上旬白天氣溫較高，若降雨發(fā)生在傍晚時(shí)段，則對(duì)玉米田ET不會(huì)產(chǎn)生較大影響；而8月下旬后，由于玉米處于生長(zhǎng)晚期，此時(shí)氣溫驟降和陰雨天氣會(huì)使ET減少[29]?？傮w而言，降雨對(duì)玉米季ET影響具有一定的復(fù)雜性。一方面，全球變暖背景下降雨的時(shí)空異質(zhì)性日趨增加，且有向極端化發(fā)展的傾向[37]。因此，降雨的強(qiáng)度、發(fā)生時(shí)間、持續(xù)期和極值變化可能會(huì)對(duì)不同生育階段玉米ET的影響存在明顯差異。另一方面，北方地區(qū)ET受能量或水分的限制隨降水類(lèi)型不同而變化明顯[38]，因而厘清降水對(duì)玉米季ET的影響還需要考慮種植區(qū)域的氣候背景條件。為此，在后續(xù)的研究中，將通過(guò)加入更多不同地域、不同時(shí)間尺度(如逐小時(shí)、逐日等)的觀測(cè)數(shù)據(jù)定量分析這一影響。

除環(huán)境因子外，作物生長(zhǎng)和農(nóng)業(yè)管理等可能也會(huì)影響農(nóng)田ET的變化。例如在作物生長(zhǎng)初期，葉面積指數(shù)(LAI)較小，Rn主要轉(zhuǎn)化為顯熱通量；隨著作物生長(zhǎng)，LAI逐步增加，光合速率增大，植物蒸騰作用加強(qiáng)，Rn更多地轉(zhuǎn)化為潛熱通量，從而影響ET變化[39]。對(duì)于灌溉而言，它使SWC升高，從而導(dǎo)致土壤蒸發(fā)量增加；同時(shí)SWC升高也使得植物根系吸收水量增加，進(jìn)而使得植物蒸騰增加，促使ET升高[40]。但受限于相關(guān)數(shù)據(jù)資料缺乏，目前對(duì)這方面的定量分析仍有待于深入探討。以L(fǎng)AI為例，目前長(zhǎng)時(shí)序LAI變化通常是利用遙感數(shù)據(jù)進(jìn)行表征，但是受時(shí)空分辨率的影響，遙感LAI數(shù)據(jù)并不一定能反映地面渦度通量塔附近農(nóng)田L(fēng)AI的真實(shí)情況[11]，因此為了降低本研究的不確定性，暫未考慮LAI的定量影響。后續(xù)將圍繞LAI、灌溉和施肥等因子，盡可能多地獲得相關(guān)特征變量的實(shí)測(cè)數(shù)據(jù)，并融入已有的分析結(jié)果中，以便進(jìn)一步提高對(duì)麥-玉輪作田ET變化的解釋能力。

4 結(jié)論

(1)麥-玉輪作田ET具有明顯的雙峰型季節(jié)變化特征，通常每年小麥季ET的峰值明顯高于玉米季。就不同階段而言，小麥季和玉米季多年ET平均值分別為408.5 mm和261.2 mm，而農(nóng)閑期ET多年平均值為25.8 mm。

(2)Rn是不同作物生長(zhǎng)季ET季節(jié)變化的重要影響因素，特別是對(duì)小麥季ET影響的貢獻(xiàn)率達(dá)81.4%，遠(yuǎn)高于玉米季。此外，VPD對(duì)小麥季和玉米季ET也存在一定的影響，且這種影響具有閾值差異。對(duì)于農(nóng)閑期而言，影響該階段ET變化的關(guān)鍵環(huán)境因子依次為Rn、SWC和WS，貢獻(xiàn)率分別為36.7%、22.5%和17.0%。