夏季持續(xù)高溫天氣對低丘紅壤區(qū)稻田蒸散的影響

趙夢凡 景元書

摘要：高溫天氣隨氣候變暖趨勢逐漸頻發(fā)，研究高溫天氣背景下的稻田蒸散對分析區(qū)域水分平衡和季節(jié)性高溫干旱防治有重大意義。2016年8月11—26日形成夏季持續(xù)高溫天氣（日最高溫度≥35 ℃），期間稻田蒸散相較2014年、2015年同期的波動(dòng)趨勢與熱力因子變化明顯不同，并且隨著持續(xù)高溫的累積，稻田日蒸散變化由最初明顯的“雙峰”曲線變?yōu)榈湫偷摹皢畏濉鼻€。主成分分析與相關(guān)性分析研究氣象因子與稻田蒸散的關(guān)系，結(jié)果顯示：凈輻射、相對濕度對稻田蒸散的作用不受持續(xù)高溫脅迫影響;當(dāng)水稻田受到夏季持續(xù)高溫脅迫影響時(shí)，稻田蒸散受熱力因子影響減小，受降水、風(fēng)速因子影響增加;當(dāng)水稻田未受到夏季持續(xù)高溫脅迫影響時(shí)，稻田蒸散主要受到凈輻射、熱力因子影響。

關(guān)鍵詞：稻田蒸散;高溫;氣象因子;主成分分析

中圖分類號(hào)： S161.4 ?文獻(xiàn)標(biāo)志碼： A ?文章編號(hào)：1002-1302（2019）02-0287-05

政府間氣候變化專門委員會(huì)（Intergovernmental Panel on Climate Change，IPCC）第5次評估報(bào)告指出[1-2]：20世紀(jì)中葉以來，全球極端天氣事件的強(qiáng)度和頻率發(fā)生明顯變化，極端暖事件增多，極端冷事件減少，高溫天氣發(fā)生頻率更高，持續(xù)時(shí)間更長。與全球一致，1961年以來，我國區(qū)域性高溫、氣象干旱和強(qiáng)降水事件增多，低溫事件明顯減少。報(bào)告還指出，預(yù)計(jì)2016—2035年全球地表平均溫度將上升0.3～0.7 ℃，隨著全球平均溫度上升，極端暖事件將進(jìn)一步增多。高溫天氣頻發(fā)對水資源、生態(tài)環(huán)境等影響重大，但對于不同地區(qū)影響程度各有不同[3-7]。

稻田蒸散（evapotranspiration，ET）是地表熱量平衡及水量平衡的重要組成部分，由土壤蒸發(fā)和作物蒸騰共同組成，與水稻作物生理生態(tài)過程、土壤水分狀況和氣候因素密切相關(guān)，ET分析對農(nóng)田灌溉管理、作物產(chǎn)量模擬、提升作物水分利用率、農(nóng)業(yè)節(jié)水研究等意義重大[8-9]。在全球極端高溫天氣頻發(fā)的背景下，不同區(qū)域ET特征的研究一直是眾多學(xué)科研究的焦點(diǎn)[10-14]，但關(guān)于紅壤地區(qū)ET對高溫天氣響應(yīng)的研究較少，研究多數(shù)集中在高溫天氣對作物產(chǎn)量的影響[15-17]。試驗(yàn)區(qū)土壤母質(zhì)為第四紀(jì)紅黏土與紅砂巖，是典型的紅壤土質(zhì)，且多為坡地，極易發(fā)生水土流失，因此研究持續(xù)高溫天氣背景下的稻田ET，對分析低丘紅壤區(qū)域土壤水分平衡和季節(jié)性高溫干旱防治有重大意義。

本試驗(yàn)以江西省鷹潭市余江縣孫家小流域的典型低丘紅壤區(qū)稻田為研究對象，試驗(yàn)時(shí)間為2014—2016年的8月，試驗(yàn)研究資料為2014—2016年8月11—26日完整的晚稻ET數(shù)據(jù)及相應(yīng)時(shí)段氣象數(shù)據(jù)（日平均相對濕度RH、日平均氣溫T、日最高氣溫Tmax、日最低氣溫Tmin、凈輻射Rn、日降水量P、日平均風(fēng)速u）。對比分析不同高溫天氣背景下稻田ET的差異，同時(shí)通過主成分分析研究不同氣象因子與稻田ET的關(guān)系，了解低丘紅壤區(qū)稻田ET對高溫天氣的響應(yīng)，同時(shí)也對科學(xué)管理田塊和小流域水資源、提高水稻應(yīng)對持續(xù)高溫干旱天氣的水分管理措施、改善紅壤地區(qū)農(nóng)業(yè)生態(tài)環(huán)境具有一定意義。

1 研究地區(qū)與方法

1.1 研究地區(qū)自然概況

研究地點(diǎn)選擇具有代表性的江西省鷹潭市余江縣劉家站墾殖農(nóng)場三分場孫家小流域（28°15′N，116°55′E），該地區(qū)屬亞熱帶濕潤季風(fēng)氣候，年平均太陽能輻射總量為 4 541.7 MJ/m2，年光合有效福射量222.3 MJ/m2。年平均氣溫為17.6 ℃，其中1月平均氣溫5.2 ℃，7月平均氣溫 29.3 ℃。年平均降水量1 788.8 mm，但季節(jié)分布不均，雨季大多集中在每年的4—6月，約占全年降水的50%。多年平均蒸發(fā)量為700～800 mm，夏秋季節(jié)高溫少雨，7—9月蒸發(fā)量接近全年的50%，高溫少雨、蒸發(fā)量大于降水量、雨熱不同期常造成夏秋伏旱。平均年日照時(shí)數(shù)1 739.4 h，無霜期258 d。

試驗(yàn)地區(qū)由耕地、林地、水田、果園、建設(shè)用地復(fù)合構(gòu)成，土壤多為第四紀(jì)紅黏土與紅砂巖發(fā)育的普通紅壤，蓄水能力較低，易發(fā)生水土流失。小流域按照排水界線確定，面積 46 hm2，海拔在41～55 m之間，坡度小于8°，為一完整的小流域。

1.2 觀測內(nèi)容與數(shù)據(jù)處理

1.2.1 ET數(shù)據(jù) 稻田ET具體數(shù)值使用波文比儀觀測數(shù)據(jù)。波文比儀安裝在稻田中間，采集高度差為1.5 m的空氣溫、濕度，凈輻射值通過NR-Lite凈輻射傳感器（Kipp & Zonen，NED）測得，土壤熱通量值通過埋深5 cm的土壤熱通量板（Hukseflux，HFP01，荷蘭）采集。輸出數(shù)據(jù)頻率為20 min/次，為了與氣象數(shù)據(jù)序列一致，進(jìn)行插補(bǔ)形成完整的30 min數(shù)據(jù)。在無風(fēng)或風(fēng)速較低條件下，環(huán)境中的溫、濕梯度不易受水平氣流影響，觀測得到的波文比值基本能反映環(huán)境波文比特征，測算的蒸散量較為準(zhǔn)確，能夠代表環(huán)境實(shí)際蒸散量。

1.2.2 氣象數(shù)據(jù) 自動(dòng)氣象站（HOBO U30，ONSET，USA）架設(shè)在混合農(nóng)田中間，觀測逐日氣象資料，包括空氣溫度、相對濕度、2 m高度風(fēng)速、降水量、氣壓等數(shù)據(jù)。輸出數(shù)據(jù)頻率為30 min/次。

氣象數(shù)據(jù)處理：剔除強(qiáng)降水?dāng)?shù)據(jù)，并對異常、缺失數(shù)據(jù)采用插值法進(jìn)行補(bǔ)全。

1.3 研究方法

主成分分析（principal component analysis，PCA）最早由Pearson于1901年提出，是一種把多個(gè)彼此之間存在著一定相關(guān)性的變量，通過降維過程分為少數(shù)幾個(gè)綜合指標(biāo)的一種統(tǒng)計(jì)分析方法，具體體現(xiàn)在從眾多可觀測的變量中抽取少數(shù)或幾個(gè)潛在的綜合因子，并使這些綜合因子能盡可能地反映原來變量的信息量，而且彼此之間互不相關(guān)，從而揭示原事物的本質(zhì)，有效地實(shí)現(xiàn)降維達(dá)到簡化數(shù)據(jù)的目的[21-24]。具體計(jì)算過程見文獻(xiàn)[25-27]。

本研究通過Microsoft Excel 2010和SPSS 21.0統(tǒng)計(jì)軟件，采用主成分分析和相關(guān)分析對氣象因子與稻田ET進(jìn)行統(tǒng)計(jì)分析和相關(guān)性檢驗(yàn)。

2 結(jié)果與討論

2.1 2016年夏季高溫天氣特征分析

2.1.1 2016年夏季持續(xù)高溫天氣特征分析 國內(nèi)外常用水稻高溫指標(biāo)有[28]：高溫日數(shù)（HSD），即連續(xù)3 d日最高氣溫到達(dá)或超過35 ℃的累積天數(shù);高溫持續(xù)日數(shù)（CHD），即一次高溫事件中，日最高氣溫超過35 ℃時(shí)持續(xù)的日數(shù)。由圖1可知，余江縣孫家小流域2011—2016年8月，HSD、CHD最高值均出現(xiàn)在2016年，其中2011—2015年平均HSD為11 d，平均CHD為8.2 d，2016年HSD為21 d，CHD為16 d（2016年8月11—26日），增長明顯。2016年夏季持續(xù)高溫天氣正好處于晚稻拔節(jié)孕穗末期和抽穗開花初期，這段時(shí)間正是水稻對溫度最為敏感的時(shí)期，此時(shí)形成持續(xù)高溫天氣，且期間日平均氣溫和日最高氣溫均創(chuàng)歷史同期新高，對晚稻之后的生長發(fā)育及產(chǎn)量品質(zhì)均產(chǎn)生不利影響。

由圖2可知，2016年8月11—26日持續(xù)高溫，Tmax波動(dòng)不明顯，最高值與最低值之間僅相差2.53 ℃，日均Tmax為 36.36 ℃，總體呈現(xiàn)出略微上升的趨勢。2014年、2015年同期Tmax波動(dòng)均較為明顯，其中2015年Tmax沒有表現(xiàn)出明顯上升或下降的趨勢，日均Tmax為32.83 ℃，而2014年則表現(xiàn)出明顯的上升趨勢，日均Tmax為29.73 ℃;2014年8月11—26日的Tmax全部小于35 ℃，2015年同期Tmax僅有3 d大于 35 ℃，其余均小于35 ℃，而2016年同期Tmax則全部大于 35 ℃，2014—2016年Tmax的變化也從一定程度上表現(xiàn)了氣候變暖的趨勢。

2.1.2 2016年夏季持續(xù)高溫天氣氣象數(shù)據(jù)特征分析 2016年8月11—26日Rn、T、Tmax、Tmin與2014年、2015年同期相比，均表現(xiàn)為正增長，增長率從高到低排序依次為Rn、T、Tmax、Tmin，其中Rn增長率最高，達(dá)到65.59%，Tmin增長率最低，為15.35%。RH、P、u均表現(xiàn)為負(fù)增長，其中P降幅最大，達(dá) 99.30%，u次之，為67.74%，RH降幅最小，為21.93%（表1）。定義Rn為輻射因子，T、Tmax、Tmin為熱力因子，RH、P為水分因子，u為動(dòng)力因子，即2016年受夏季持續(xù)高溫天氣影響，輻射因子、熱力因子表現(xiàn)為正增長趨勢，水分因子、動(dòng)力因子表現(xiàn)為負(fù)增長趨勢，這一變化趨勢與長江中下游地區(qū)總體趨于一致[29]。

2.2 夏季高溫天氣影響下的稻田ET對比分析

2.2.1 2014—2016年夏季高溫天氣影響下的稻田日尺度ET對比分析 由圖3可知，2014年受夏季高溫天氣影響，稻田ET呈現(xiàn)上升趨勢，其擬合方程系數(shù)為0.20，同一時(shí)期Tmax擬合方程系數(shù)為0.50，兩者均為正值，且ET上升趨勢小于Tmax。ET波動(dòng)較為顯著，極差為7.06 mm/d;2015年夏季氣溫波動(dòng)顯著，稻田ET與之相似也表現(xiàn)出明顯的波動(dòng)，ET極差為4.53 mm/d，且兩者擬合方程系數(shù)均為-0.01，無明顯上升或下降趨勢。從圖4可以看出，2016年夏季受持續(xù)高溫天氣影響，ET首先在8月11—17日呈現(xiàn)微弱的上升趨勢，此時(shí)段擬合方程系數(shù)為0.05，與2016年夏季持續(xù)高溫全時(shí)段Tmax擬合方程系數(shù)（0.06）接近。之后在8月18—26日ET呈現(xiàn)下降趨勢，擬合方程系數(shù)為-0.14，與整個(gè)持續(xù)高溫天氣下的ET擬合系數(shù)接近（-0.17）。表明受超過35 ℃的持續(xù)高溫天氣影響，ET首先表現(xiàn)為與Tmax相近的趨勢，但在高溫持續(xù)一段時(shí)間后，ET表現(xiàn)出下降的趨勢。這一結(jié)果表明隨著高溫脅迫天數(shù)的逐漸增加，作物光合速率逐漸降低，因光合與蒸散密切相關(guān)，進(jìn)而導(dǎo)致稻田ET逐漸降低。

2016年受夏季持續(xù)高溫影響（日最高氣溫均存在Tmax≥35 ℃），8月11—18日，稻田ET均大于2014年、2015年同期，隨著高溫的持續(xù)，之后的ET逐漸呈現(xiàn)下降的趨勢。與氣溫變化特征相似，2015年同期ET基本均低于2016年，2014年同期則表現(xiàn)為前期ET低于2016年（8月11—19日），后期基本高于2016年（8月20—26日）;2014年與2015年同期稻田ET相比，基本與氣溫變化相近，但由于2015年8月20—26日受到低風(fēng)速高濕度影響，與2014年同期ET差異較溫度差異更大。

2.2.2 2016年夏季持續(xù)高溫天氣影響下的稻田ET日變化對比分析 為了解夏季持續(xù)高溫天氣下稻田ET日變化特征，選擇時(shí)間間隔相同的8月12、18、24日稻田ET日變化數(shù)據(jù)進(jìn)行分析。從圖5可以看出，12、18日稻田日ET變化曲線相似，00：00—6：00、18：00—24：00 ET均為負(fù)值或趨近于0，07：00—17：00 ET均為正值，并且2日ET均呈現(xiàn)明顯的雙峰曲線，正午過后稻田ET表現(xiàn)出明顯的減少趨勢，之后又有所增加。造成這一結(jié)果的原因可能是由于水稻的“午休”現(xiàn)象，即水稻的氣孔導(dǎo)度通常隨氣溫升高而增大，達(dá)到最高值之后，在正午時(shí)刻由于高溫導(dǎo)致水稻內(nèi)部水分傳輸出現(xiàn)斷層進(jìn)而引起葉片水分虧缺、氣孔閉合，最終使得稻田ET開始減小[30];經(jīng)過13 d超過35 ℃的持續(xù)高溫脅迫后，24日的稻田ET呈現(xiàn)單峰曲線，00：00—06：00、18：00—24：00的稻田ET與12、18日同一時(shí)刻相近且均為負(fù)值，07：00—17：00稻田ET均為正值，正午前后稻田ET明顯低于12、18日。稻田是水田，因此這一現(xiàn)象可能是由于持續(xù)高溫脅迫對水稻生理造成破壞而引起的，高溫脅迫降低水稻根系活力、減緩葉片光合速率，最終導(dǎo)致水稻生理受損進(jìn)而降低ET[31]。

2.3 夏季高溫天氣背景下氣象因子對稻田ET的影響

2.3.1 2014—2016年夏季高溫天氣背景下氣象因子與稻田ET的主成分分析 影響稻田ET的氣象因子眾多，并且不同的氣象因子之間也相互影響，將影響稻田ET的氣象因子，包括RH（日平均相對濕度）、T（日平均氣溫）、Tmax（日最高氣溫）、Tmin（日最低氣溫）、Rn（凈輻射）、P（日降水量）、u（日平均風(fēng)速），通過SPSS軟件進(jìn)行主成分分析。為了更清楚地解釋各個(gè)主成分組成因子對稻田ET的影響，對載荷矩陣進(jìn)行方差最大化旋轉(zhuǎn)。

通過主成分分析對2014年夏季高溫天氣背景下的稻田ET與氣象因子進(jìn)行研究，由于前2個(gè)主成分的特征值占總方差的百分比達(dá)83.45%，因此氣象影響因子分為2種。從表2可以看出，第1主成分在Rn、Tmax、T、RH、Tmin、P上有較大載荷，且載荷值依次降低;u在第2主成分上載荷較大。

2015年同期主成分分析表明前2個(gè)主成分的特征值占總方差的百分比為70.08%，因此選用前2個(gè)主成分代表稻田ET影響因子。從表3可以看出，第1主成分在Rn、Tmax、RH、Tmin、T上有較大載荷，且載荷值依次降低;P、u在第2主成分上載荷較大。

對2016年夏季持續(xù)高溫天氣時(shí)段稻田ET與氣象因子進(jìn)行主成分分析，發(fā)現(xiàn)前3個(gè)主成分的特征值占總方差的百分比為84.00%，即前3個(gè)主成分已經(jīng)對7個(gè)氣象因子所涵蓋的信息進(jìn)行了概括，因此選用前3個(gè)主成分代替原有稻田ET影響因子。表4是旋轉(zhuǎn)后的主成分載荷矩陣，可以看出第1主成分在RH、Rn上有較大載荷，且載荷值依次降低;P、u在第2主成分上載荷較大;T、Tmax、Tmin在第3主成分上載荷較大。

2.3.2 2014—2016年夏季高溫天氣背景下氣象因子與稻田ET的相關(guān)性分析 通過對變量進(jìn)行相關(guān)檢驗(yàn)，能更好地反映稻田ET與氣象因子的相關(guān)關(guān)系。在夏季高溫天氣條件下，2014年Rn、T、Tmax、Tmin與稻田ET均為正相關(guān)，相關(guān)系數(shù)全部在0.6以上且均在0.01水平上顯著相關(guān)。ET與RH、P有顯著負(fù)相關(guān)關(guān)系，與u相關(guān)關(guān)系不顯著。2015年研究時(shí)段稻田ET與Rn、Tmax、T均在0.01水平上顯著相關(guān)，Tmin與ET在 0.05 水平上顯著相關(guān)，且均為正相關(guān)關(guān)系。稻田ET與RH表現(xiàn)出顯著的負(fù)相關(guān)關(guān)系，但與P、u相關(guān)關(guān)系不顯著;2014年、2015年夏季高溫天氣背景下，輻射因子、熱力因子、水分因子（其中RH影響較大，P影響較?。┦怯绊懙咎顴T的主要影響因子，動(dòng)力因子基本無影響。這一結(jié)果與張雪松等的研究結(jié)果[32]一致，即Rn對稻田ET影響最大，u與ET無明顯相關(guān)關(guān)系。2016年同期稻田ET與Rn為正相關(guān)，與RH、P、u為負(fù)相關(guān)，其中ET與Rn、RH在0.01水平上顯著相關(guān)，與P、u在 0.05 水平上顯著相關(guān)。即2016年夏季持續(xù)高溫脅迫下，輻射因子和水分因子是影響ET的主要影響因子，動(dòng)力因子次之，熱力因子影響較低（表5）。

對比2014—2016年夏季同一時(shí)段稻田ET與氣象因子的相關(guān)關(guān)系，發(fā)現(xiàn)ET與Rn、RH的相關(guān)關(guān)系不受持續(xù)高溫天氣影響，始終在0.01水平上顯著相關(guān)，且正負(fù)相關(guān)關(guān)系一致。當(dāng)受到夏季持續(xù)高溫脅迫影響時(shí)，稻田ET受熱力因子影響減小，受P、u影響增加。在持續(xù)高溫脅迫條件下，風(fēng)速對稻田ET影響作用加強(qiáng)，風(fēng)速增加/減小使得稻田小環(huán)境內(nèi)的對流加劇/減弱，最終引起稻田ET的增加/減少，根據(jù)這一結(jié)論可以考慮減小水稻種植密度，增加行間距離，加強(qiáng)水稻內(nèi)部空氣對流，促進(jìn)稻田ET。熱力因子影響降低的原因可能是由于稻田受到夏季持續(xù)高溫天氣的影響，使得水稻在高溫天氣開始階段蒸散作用旺盛，但隨著高溫的持續(xù)，水稻根部來不及吸水，引起葉片缺水從而導(dǎo)致氣孔關(guān)閉，最終使得光合作用受到抑制，水稻蒸騰作用受阻，導(dǎo)致稻田ET總體上呈減弱趨勢。

3 結(jié)論

本研究選取低丘紅壤區(qū)稻田為研究對象，通過對2014—2016年8月11—26日完整的晚稻ET數(shù)據(jù)及相應(yīng)時(shí)段氣象數(shù)據(jù)進(jìn)行分析，研究不同高溫天氣背景下稻田ET的差異，同時(shí)通過主成分分析研究不同氣象因子與稻田ET的關(guān)系。結(jié)論如下：（1）2016年夏季持續(xù)高溫天氣顯著，CHD達(dá)16 d，Rn、T、Tmax、Tmin相較2014年、2015年同期均呈現(xiàn)一定程度上的正增長，RH、P、u則表現(xiàn)為一定程度上的負(fù)增長。（2）2016年受夏季持續(xù)高溫脅迫影響，稻田ET首先隨氣溫同步小幅增加，之后變化又與氣溫不同，呈現(xiàn)穩(wěn)步大幅下降趨勢。2014年、2015年同期未受持續(xù)高溫脅迫影響，稻田ET變化與氣溫變化特征相似。（3）進(jìn)一步研究2016年受夏季高溫脅迫條件下的稻田日蒸散變化，發(fā)現(xiàn)受脅迫初期稻田日ET變化曲線相似，均呈現(xiàn)明顯的雙峰曲線，凌晨至正午表現(xiàn)出上升趨勢，正午過后稻田ET表現(xiàn)出明顯的減少趨勢，之后又有所增加。在經(jīng)過13 d超過35 ℃的持續(xù)高溫脅迫后，稻田日蒸散則表現(xiàn)為單峰曲線，正午達(dá)到峰值，日出前日落后稻田ET小于0。（4）通過對2014—2016年研究時(shí)段的稻田ET與7個(gè)氣象因子進(jìn)行主成分分析和相關(guān)檢驗(yàn)，發(fā)現(xiàn)Rn、RH對稻田ET的作用不受持續(xù)高溫脅迫影響，Rn與ET呈正相關(guān)，RH與ET呈負(fù)相關(guān)。2014年、2015年未受到夏季持續(xù)高溫脅迫影響時(shí)，稻田ET主要受到輻射因子、熱力因子影響，當(dāng)受到夏季持續(xù)高溫脅迫影響時(shí)，稻田ET受熱力因子影響減小，受P、u影響增加。

參考文獻(xiàn)：

[1]Church J，Clark P，Cazenave A，et al. Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate Change[J]. Climate Change，2013：1138-1191.

[2]秦大河. 氣候變化科學(xué)與人類可持續(xù)發(fā)展[J]. 地理科學(xué)進(jìn)展，2014，33（7）：874-883.

[3]Goyal R K. Sensitivity of evapotranspiration to global warming：a case study of arid zone of Rajasthan （India）[J]. Agricultural Water Management，2004，69（1）：1-11.

[4]邱新法，劉昌明，曾 燕. 黃河流域近40年蒸發(fā)皿蒸發(fā)量的氣候變化特征[J]. 自然資源學(xué)報(bào)，2003，18（4）：437-442.

[5]榮艷淑，張行南，姜海燕，等. 長江上游區(qū)域蒸發(fā)皿蒸發(fā)量變化及其對水分循環(huán)的影響[J]. 地球物理學(xué)報(bào)，2012，55（9）：2889-2897.

[6]羅伯良，李易芝. 2013年夏季湖南嚴(yán)重高溫干旱及其大氣環(huán)流異常[J]. 干旱氣象，2014，32（4）：593-598.

[7]王國華，趙文智，劉 冰，等. 河西走廊荒漠-綠洲蒸散對夏季高溫天氣響應(yīng)的初步研究[J]. 干旱區(qū)研究，2013，30（1）：173-181.

[8]劉 渡，李 俊，于 強(qiáng)，等. 渦度相關(guān)觀測的能量閉合狀況及其對農(nóng)田蒸散測定的影響[J]. 生態(tài)學(xué)報(bào)，2012，32（17）：5309-5317.

[9]李鴻雁，薛麗君，王世界，等. 基于水熱耦合平衡理論的嫩江流域蒸散發(fā)估算[J]. 華北水利水電大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，37（4）：47-53.

[10]王建兵，王素萍，汪治桂. 1971—2010年若爾蓋濕地潛在蒸散量及地表濕潤度的變化趨勢[J]. 地理科學(xué)，2015，35（2）：245-250.

[11]呂曉蓉，王學(xué)雷. 湖北省潛在蒸散量的時(shí)空變化及其影響因子分析[J]. 華中師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，50（5）：764-769.

[12]王曉燕，陳洪松，王克林. 紅壤坡地不同土地利用方式土壤蒸發(fā)和植被蒸騰規(guī)律研究[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2007，23（12）：41-45.

[13]張曉艷，褚建民，孟 平，等. 環(huán)境因子對民勤綠洲荒漠過渡帶梭梭人工林蒸散的影響[J]. 應(yīng)用生態(tài)學(xué)報(bào)，2016，27（8）：2390-2400.

[14]賈秋洪，景元書，景梽淏. 典型小流域氣候變化及其對潛在蒸散量的影響[J]. 中國農(nóng)村水利水電，2016（1）：1-7.

[15]陳 昆，黃淑娥，景元書. 江西省早稻高溫逼熟規(guī)律及其對產(chǎn)量的影響[J]. 江蘇農(nóng)業(yè)科學(xué)，2016，44（6）：143-148.

[16]趙 鴻，王潤元，尚 艷，等. 糧食作物對高溫干旱脅迫的響應(yīng)及其閾值研究進(jìn)展與展望[J]. 干旱氣象，2016，34（1）：1-12.

[17]王 品，魏 星，張 朝，等. 氣候變暖背景下水稻低溫冷害和高溫?zé)岷Φ难芯窟M(jìn)展[J]. 資源科學(xué)，2014，36（11）：2316-2326.

[18]Bowen I S. The ratio of heat losses by conduction and by evaporation from any water surface[J]. Physical Review，1926，27（6）：779-787.

[19]吳家兵，關(guān)德新，張 彌，等. 渦動(dòng)相關(guān)法與波文比-能量平衡法測算森林蒸散的比較研究[J]. 生態(tài)學(xué)雜志，2005，24（10）：1245-1249.

[20]Perez P J，Castellvi F，Ibanez M，et al. Assessment of reliability of Bowen ratio method for partitioning fluxes[J]. Agricultural and Forest Meteorology，1999，97（3）：141-150.

[21]Pearson K. Principal components analysis[J]. The London，Edinburgh and Dublin Philosophical Magazine and Journal，1901，6（2）：566.

[22]唐啟義，馮明光. DPS數(shù)據(jù)處理系統(tǒng)[M]. 北京：科學(xué)出版社，2007.

[23]張 倩，蔡煥杰，魏新光，等. 基于主成分分析的參考作物騰發(fā)量預(yù)測研究[J]. 節(jié)水灌溉，2010（12）：64-66.

[24]王 鶯，王 靜，姚玉璧，等. 基于主成分分析的中國南方干旱脆弱性評價(jià)[J]. 生態(tài)環(huán)境學(xué)報(bào)，2014，23（12）：1897-1904.

[25]張文霖. 主成分分析在SPSS中的操作應(yīng)用[J]. 市場研究，2005（12）：31-34.

[26]林海明，張文霖. 主成分分析與因子分析的異同和SPSS軟件——兼與劉玉玫、盧紋岱等同志商榷[J]. 統(tǒng)計(jì)研究，2005，22（3）：65-69.

[27]何 亮. 主成分分析在SPSS中的應(yīng)用[J]. 山西農(nóng)業(yè)大學(xué)學(xué)報(bào)，2007，6（增刊1）：20-22.

[28]熊 偉，馮靈芝，居 輝，等. 未來氣候變化背景下高溫?zé)岷χ袊井a(chǎn)量的可能影響分析[J]. 地球科學(xué)進(jìn)展，2016，31（5）：515-528.

[29]劉 維，韓麗娟. 2016年夏季氣候?qū)r(nóng)業(yè)生產(chǎn)的影響[J]. 中國農(nóng)業(yè)氣象，2016，37（5）：611-613.

[30]Turner N C. Measurement and influence of environmental and plant factors on stomatal conductance in the field[J]. Agricultural and forest Meteorology，1991，54（2/3/4）：137-154.

[31]吉喜斌，康爾泗，趙文智，等. 黑河流域山前綠洲灌溉農(nóng)田蒸散發(fā)模擬研究[J]. 冰川凍土，2004，26（6）：713-719.

[32]張雪松，閆藝蘭，胡正華. 不同時(shí)間尺度農(nóng)田蒸散影響因子的通徑分析[J]. 中國農(nóng)業(yè)氣象，2017，38（4）：201-210.