王 蒙，劉春偉*，邱讓建，張 佩，張方敏

（1.南京信息工程大學 江蘇省農(nóng)業(yè)氣象重點實驗室，南京 210044；2.南京信息工程大學 氣象災害預報預警與評估協(xié)同創(chuàng)新中心，南京 210044；3.南京信息工程大學 應用氣象學院，南京 210044; 4.江蘇省氣象局，南京 210044）

0 引 言

【研究意義】氣候變化加劇了生態(tài)系統(tǒng)能量和水分循環(huán)相互作用。蒸散又稱為作物需水量，是水分循環(huán)的重要組成部分，也是植物生長發(fā)育的基本條件。蒸散量的大小與氣象條件、植物本身密切相關。參考作物蒸散量（ET0）可表征大氣蒸散特性，是影響作物需水量的綜合氣象因子[1]。ET0的變化主要由氣溫、風速、相對濕度和太陽輻射決定。氣溫是利于蒸發(fā)的能量因素，氣溫對蒸散有著很大的影響，氣溫越高，太陽凈輻射可轉(zhuǎn)化為蒸散當量數(shù)值就越高[2]；風速是影響蒸散的重要因素之一，風速影響水汽和CO2的垂直和水平輸送，風速的湍流交換作用使得近地面空氣與上層空氣進行交換，影響植物蒸騰和棵間土壤蒸發(fā)[3-4]；相對濕度較大時，飽和水汽壓差較小，植物蒸騰量較少，反之，相對濕度較小的時候，植物蒸騰量大?？諝庵邢鄬穸葟募竟?jié)變化上來看，夏季相對濕度變化較大[5]；太陽輻射是地表能量的來源，是影響蒸散的主要環(huán)境因子之一，也是蒸散過程的主要驅(qū)動力[6]。ET0是水循環(huán)的重要組成部分，因此在氣候變化的背景下研究ET0的時空變化及影響其變化的氣象因素對合理安排農(nóng)業(yè)生產(chǎn)及優(yōu)化水資源配置作用重大?！狙芯窟M展】敏感性分析可以分析各氣象因子對ET0的影響程度[7-8]。近年來，越來越多的國外研究學者通過敏感性分析研究ET0與氣象因子之間的關聯(lián)。Huime等[9]認為全球氣溫升高將導致ET0增加，但是多數(shù)研究結果與其相反，自19世紀以來的全球許多國家（包括中國、美國、印度、蘇聯(lián)等）的ET0均呈下降趨勢[10-16]，但是下降原因各異，Eslamian等[17]對伊朗的 5個不同氣候區(qū)域氣象因子進行敏感性分析，發(fā)現(xiàn)溫度與相對濕度是ET0變化的主要原因；Vicente等[18]通過敏感性分析發(fā)現(xiàn)，西班牙地區(qū)相對濕度、風速和最高溫度對ET0的影響大于日照時間和最低溫度，并且ET0變化趨勢主要是相對濕度的降低和最高溫度的升高。1950年以來，中國的年平均ET0存在減小的趨勢[19]，但在華北干旱地區(qū)，年均ET0呈增加的趨勢[20]。國內(nèi)研究學者通過敏感性分析方法探究ET0對氣象因子的敏感性，相關研究表明，ET0整體呈下降趨勢，但是影響ET0變化的原因各異，高紅霞等[21]發(fā)現(xiàn)內(nèi)蒙古興安盟地區(qū)的ET0對氣溫最敏感；Thomas等[10]發(fā)現(xiàn)黃土高原地區(qū)ET0受相對濕度影響最大?！厩腥朦c】江蘇省位于我國東部沿海地區(qū)，雨熱同季，水資源總量豐富。全省年平均溫度每10 a上升0.16~0.45 ℃，近年來極端天氣，如臺風、洪澇、高低溫對全省影響較大，氣候變化和極端天氣會影響水資源區(qū)域平衡，而江蘇不同地區(qū)受氣候變化影響不同，蘇南洪澇多，排水難度大，沿海地區(qū)土壤鹽漬化，淮北地區(qū)經(jīng)常發(fā)生洪澇和干旱，降水減少或過度蒸發(fā)會造成水分收支嚴重不平衡[22]，嚴重影響農(nóng)業(yè)生產(chǎn)?！緮M解決的關鍵問題】因此本文利用江蘇省60個站點 1961—2018年逐日觀測數(shù)據(jù)計算了ET0，分析江蘇省ET0時空變化特征，量化氣象因素對其影響，可以為加強水資源管理，提高農(nóng)業(yè)應對氣候變化適應能力和抵御氣候災害能力提供參考。

1 材料與方法

1.1 研究區(qū)概況

江蘇地處中國大陸東部沿海地區(qū)中部，長江、淮河下游，東瀕黃海，北接山東，西連安徽，東南與上海、浙江接壤，是長江三角洲地區(qū)的重要組成部分。地跨東經(jīng) 116°18′—121°57′，北緯 30°45′—35°20′。氣候溫和，屬于溫帶向亞熱帶的過渡性氣候。江蘇地區(qū)平均氣溫介于13~16 ℃，長江以南15~16 ℃，江淮流域14~15 ℃，淮北及沿海13~14 ℃，由東北向西南逐漸增高。研究區(qū)及站點分布如圖1所示。

圖1 江蘇省氣象站點分布及數(shù)字高程圖Fig.1 Distribution map of meteorological stations in Jiangsu

1.2 數(shù)據(jù)來源及處理

本文所用的氣象數(shù)據(jù)源于中國氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn/），選取 1961—2018年逐日氣象數(shù)據(jù)（包括日最小溫度、日最大溫度、日平均溫度、相對濕度、日照時間、風速。將各氣象因子分別表示為Tmin、Tmax、T、RH、SSD、WS。采用氣象學標準，以3—5月為春季，6—8月為夏季，9—11月為春季，12—2月為冬季。

1.3 Penmen-Monteith（P-M）公式

Penmen-Monteith（P-M）公式[23]可以用來計算ET0。P-M模型是將作物植株下墊面看作統(tǒng)一的整體，主要適用于下墊面均一以及相對密集的作物[24]。該模型反映了作物水平衡過程的物理特性，具備很好的的物理基礎，計算簡單，具有很強的適用性[25-26]，ET0計算式為：

式中：ET0為參考作物蒸散發(fā)量（mm/d）；Rn為植被表面凈輻射量（MJ/（m2﹒d-1））；G為土壤熱通量（MJ/（m2﹒d-1））；Δ 為飽和水汽壓-溫度關系曲線的斜率（kPa/℃）；γ為濕度計常數(shù)（kPa/℃）；T為空氣平均溫度（℃）；U2為在地面以上2 m高處的風速（m/s）；es為空氣飽和水汽壓（kPa）；ea為空氣實際水汽壓（kPa）。

1.4 氣候傾向率

利用最小二乘法，計算各站點ET0的氣候傾向率，并利用克里金空間插值法插值，得到ET0氣候傾向率的空間分布。樣本Yi與時間的線性回歸系數(shù)a的計算式為：

式中：t為時間序列；b為經(jīng)驗系數(shù)；氣候傾向率為a乘以10。

1.5 通徑分析

通徑分析是回歸分析的拓展，將相關系數(shù)分解為直接通徑系數(shù)和間接通徑系數(shù)，假設有n個隨機變量x1,x2,x3,…,xn和1個因變量y，兩因子之間相關系數(shù)為rij,因子xi到y(tǒng)的直接通徑系數(shù)是Piy，因子xi通過因子xj到y(tǒng)的間接通徑系數(shù)為rij乘以Pjy,通過相關系數(shù)與間接通徑系數(shù)的計算又可以得到?jīng)Q策系數(shù)，它可以把自變量對因變量的綜合作用進行排序，確定主要的決策變量和限制變量[27]。本文中利用通徑分析來分析各氣象因子對ET0的直接及間接影響。

1.6 敏感系數(shù)

敏感系數(shù)由McCuen[28]首先提出，計算ET0對各氣象因子的偏導數(shù)，即ET0的相對變化量與單個氣象因子相對變化量之比計算。具體計算式為：

式中：vi代表氣象因子；Svi代表相應氣象因子的敏感系數(shù)，將氣象因子對ET0的變化無量綱化，分析結果較清晰，并得到廣泛的應用[7-21]。敏感系數(shù)為正代表氣象因子與ET0正相關，反之為負相關。絕對值的大小反映了氣象因子對ET0的影響程度，絕對值越大，氣象因子對ET0的影響就越大[29]。本文將各氣象因子敏感系數(shù)表示為ST、SSSD、SWS、SRH。

1.7 貢獻率

將敏感系數(shù)與該因子的多年相對變化率相乘即可得到氣象因子對ET0的貢獻率[30]：

式中：GXvi為氣象因子對ET0變化的貢獻率；RCvi是因子的多年相對變化率；RCET0是ET0多年相對變化率也即實際變化率；n是總年數(shù)；Trendvi為因子的逐年變化率；avi為因子的多年平均值。將溫度、日照時間、風速、相對濕度對ET0變化的貢獻率分別標記為GXT、GXSSD、GXWS、GXRH?？傌暙I率=GXT+GXSSD+GXWS+GXRH。通過分析各因子對ET0的貢獻率，可量化各因子對ET0的影響。

2 結果與分析

2.1 ET0的時間變化特征

1961—2018年江蘇省年均ET0總體呈下降趨勢，且遞減率為-0.44 mm/10 a；如圖2所示，年代際變化上，ET0從20世紀60年代到80年代一直下降，90年代到21世紀初呈現(xiàn)上升趨勢，20世紀60年代距平值最大，說明這10 a為ET0最大的10 a。20世紀70年代、80年代、90年代為負距平，并且80年代負距平最大，說明80年代是ET0最小的10 a。由圖2可看出，累積距平值在1968年達到最大，之后逐漸減小，直到20世紀開始逐年上升，說明ET0在1968年前是增加的，并且高于 1958年的平均值，ET0在1968至20世紀90年代是減小的，且低于平均值，ET0從21世紀初開始增加，高于平均值。由表1可知，春季距平值最高在2000—2009年，最低值在20世紀90年代；夏季距平最高值在 60年代，最低值在 80年代；秋季距平最高值在60年代，最低值在80年代；冬季距平最高值在60年代，最低值在80年代。

圖2 ET0距平和累計距平曲線Fig.2 Anomaly and acumulative anomaly of annual ET0

表1 年度和季節(jié)ET0的年代際距平Table1 Decadal anomalies of annual and seasonal ET0

圖3所示，全年共有28個站點ET0呈增加趨勢（47%），主要分布在無錫以及蘇州等蘇南區(qū)域，共有11個站點ET0增加趨勢顯著（p<0.05），其中無錫、太倉、靖江地區(qū)ET0氣候傾向率較大，分別為 18.6、19.0、30.0 mm/10 a；共有32個站點ET0呈減小趨勢（53%），主要分布在連云港、徐州、宿遷等蘇北地區(qū)，共有16個站點ET0減小趨勢顯著（p<0.05），其中新沂、泗洪、灌南地區(qū)ET0減小趨勢較大，分別為-19.2、-23.1、-23.2 mm/10 a。季節(jié)尺度上，春季共有48個站點ET0呈現(xiàn)增加趨勢（80%），主要分布在淮河以南,顯著增加的站點有 34個，其中無錫、太倉、靖江氣候傾向率較高，分別為12.7、12.8、14.3 mm/10 a，共有12個站點ET0呈減小趨勢，且減小趨勢均不顯著；夏季僅有2個站點ET0呈現(xiàn)增加趨勢，分別為太倉、靖江，共有58個站點ET0呈減小趨勢，顯著減小的站點有23個，其中灌南、泗洪、睢寧氣候傾向率較高，分別為-12.5、-11.9、-11.3 mm/10 a；秋季共有 27個站點ET0呈現(xiàn)增加趨勢（45%），主要分布在淮河以南，顯著增加的站點有13個，其中金壇、丹陽、靖江氣候傾向率較高，分別為 4.4、4.7、6.5 mm/10 a，共有33個站點ET0呈現(xiàn)減小趨勢（55%），主要分布在淮河以北，顯著減小的站點有17個，其中泗洪、灌南、東海氣候傾向率較高，分別為-5.7、-5.3、-4.9 mm/10 a；冬季共有 21 個站點ET0呈現(xiàn)增加趨勢（35%），主要分布在東南沿海以及鎮(zhèn)江等地，顯著增加的站點有 6 個，其中南京、丹陽、靖江氣候傾向率較高，分別為 1.8、1.9、2.7 mm/10 a，有 39個站點ET0呈現(xiàn)減小趨勢（65%）主要分布在淮河以北以及蘇州部分地區(qū)，顯著減小的站點有 6 個，其中泗洪、灌云、東海氣候傾向率較高，分別為-2.9、-2.7、-2.7 mm/10 a。

圖3 年度和季節(jié)ET0氣候傾向率的空間分布Fig.3 Spatial distribution of annual and seasonal ET0 climate tendency rate

2.2 ET0的空間分布特征

江蘇地區(qū)多年平均ET0為976.8 mm。由圖4可知，淮北地區(qū)的年平均ET0較高，幾個明顯的高值區(qū)域分別在豐縣（1 007.4 mm）、徐州（1 041.1 mm）以及西連島（1 130.3 mm）區(qū)域，江淮地區(qū)年平均ET0較淮北地區(qū)小，平均為 964.2 mm；蘇中地區(qū)整體呈由西往東逐步遞減，蘇中東部沿海地區(qū)年平均ET0最小，平均為944.2 mm；蘇南有2個高值區(qū)，分別是高淳（1 010.3 mm）以及東山（1 023.6 mm）；總體呈現(xiàn)由南往蘇中地區(qū)遞減，再由蘇中地區(qū)往蘇北地區(qū)遞增的趨勢。

由圖5所知，春季淮北地區(qū)年ET0較大，站點平均為 301.6 mm，低值中心主要在南通市、蘇州的東部、溧陽以及宜興，站點平均為 242.6 mm，東部沿海呈現(xiàn)由北往南逐步遞減的趨勢；夏季ET0高值區(qū)與全年ET0相近，分布在徐州西北部、蘇州東山以及高淳，平均為 395.2 mm，低值中心主要分布在鹽城東部等沿海城市，平均為372.0 mm；秋季ET0高值區(qū)分布在連云港及贛榆地區(qū)，平均為 236.5 mm，低值中心主要在蘇州東山、南通東南、徐州、宿遷地區(qū)，平均為200.6 mm；冬季年ET0空間分布與秋季相近，高值區(qū)在連云港的東北，蘇州東山以及南通東南，平均為111.4 mm，江淮地區(qū)年ET0較低,平均為98.2 mm。全區(qū)ET0年內(nèi)變化較明顯，春季ET0平均為273.1 mm，夏季為381.4 mm，秋季為206.8 mm，冬季為101.6 mm,春夏秋冬四季分別占比 28%、40%、21%、11%，其中夏季貢獻最大。

2.3 敏感性分析

2.3.1 敏感系數(shù)時間變化

圖6（a）—圖6（d）分別為溫度、日照時間、風速、相對濕度敏感系數(shù)的年變化圖。ST、SSSD、SWS均為正值，表明ET0隨平均溫度、風速以及日照時間的增加而增加，SRH為負值，表明ET0隨相對濕度的增加而減小。通過比較敏感系數(shù)絕對值大小，從圖6可以看出，ET0對相對濕度最敏感。從年變化上看，SRH和SWS的敏感性呈上升趨勢，ST、SSSD的敏感性呈下降趨勢，ST、SSSD、SWS、SRH敏感系數(shù)氣候傾向率分別為-0.001/10 a、-0.003/10 a、0.008/10 a、0.098/10 a，除ST以外，SSSD、SWS及SRH的趨勢變化均是顯著的（p<0.05）。其中相對濕度的敏感性絕對值較大，并且ET0對相對濕度的負敏感性在年變化上逐漸減弱。

圖6 氣象要素敏感系數(shù)年變化Fig.6 Sensitivity coefficient of meteorological elements from 1961 to 2018

采用通徑分析法進一步分析各氣象因子對ET0的影響（表2）。溫度對年ET0的直接通徑系數(shù)為0.66，相關系數(shù)僅有0.40，其原因是SSD及WS通過影響T對ET0起限制作用，且間接通徑系數(shù)分別為-0.25、-0.23；SSD相關系數(shù)（0.58）較大，且直接通徑系數(shù)（0.64）較大，而間接通徑系數(shù)（-0.06）較小，說明SSD對ET0的影響主要通過直接作用為主；WS的相關系數(shù)較?。?.17），且直接通徑系數(shù)較小（0.37），但是間接通徑系數(shù)總和較大，為-0.20，主要是由于T及SSD通過影響RH對ET0起限制作用，且間接通徑系數(shù)分別為-0.40、-0.23；RH與ET0的相關系數(shù)為-0.52，其絕對值較大，主要是由于直接通徑系數(shù)（-0.426）起主要作用。決策系數(shù)排序為SSD>RH>T>WS，說明SSD對ET0變化的綜合決定能力更大。結合敏感性分析，全區(qū)SSD的綜合決定能力較大，但是敏感系數(shù)較低，說明當SSD變化時，年均ET0的反應偏弱，并不能敏感感知SSD對ET0的影響，這可能與站點地理位置有關；RH綜合決策系數(shù)較大，敏感系數(shù)也較大，說明RH對ET0的變化影響較大，且年均ET0能夠敏感感知RH對ET0的影響。RH綜合決策系數(shù)較大，敏感系數(shù)也較大，說明RH對ET0的變化影響較大，且年均ET0能夠敏感感知RH對ET0的影響。

圖7 年尺度ET0變化影響因子通徑分析圖Fig.7 Path coefficients of factors on yearly ET0

表2 年尺度ET0變化影響因子的通徑分析Table 2 Path coefficients of factors on yearly ET0

2.3.2 敏感系數(shù)空間變化

圖8所示，ST緯向分布特征較為明顯，總體呈由南往北逐漸遞減的趨勢，ST的高值中心分布在呂泗、東山、西連島地區(qū)，分別為 0.41、0.42、0.43，整個淮北地區(qū)STmin都相對較小，平均為 0.35；SSSD的高值中心主要在贛榆、睢寧、豐縣以及鹽城部分地區(qū)，平均值為0.21，西連島、東山SSSD較小，分別為0.16、0.19，區(qū)域之間SSSD差異較??；SWS緯向分布特征也較明顯，總體呈現(xiàn)由南往北逐漸遞增的趨勢，連云港、徐州、西連島SWS較大，分別為 0.16、0.17、0.18，溧陽、呂泗、啟東SWS較小，分別為0.08、0.09、0.09；東部沿海SRH較大，絕對值平均1.31，西北地區(qū)SRH較小，絕對值平均為0.85。

圖8 敏感系數(shù)空間變化Fig.8 Spatial variation of sensitivity coefficient for each factor

2.4 影響因素分析

將敏感系數(shù)（Svi）與該因子的多年相對變化率（RCvi）相乘即可得到氣象因子對ET0的貢獻率（Convi），可以量化氣象因子對ET0的影響以及辨析ET0變化的影響因素。部分站點分析結果如表3所示。從圖3可以看出，沛縣、徐州、灌云等地ET0減少的原因主要歸因于風速的減小，呂泗、金壇、太倉等地ET0增加的原因主要歸因于相對濕度的減小。整個江蘇地區(qū)影響ET0的影響因素存在著空間差異，如圖9所示，主要影響因素為風速的有 22 個站點（37%），均分布在蘇北地區(qū)，其中沛縣、泗陽、新沂站的風速對ET0變化貢獻較大，分別為-13.44%、-12.52%、-12.49%，主要影響因素為相對濕度的有 38 個站點（63%），主要分布在蘇南地區(qū)，其中丹陽、靖江、昆山站的相對濕度對ET0變化貢獻較大，分別為18.47%、18.57%、20.87%，全區(qū)平均溫度和日照時間不對ET0變化產(chǎn)生主要影響。敏感系數(shù)與貢獻量并不一致，這是因為貢獻量是敏感系數(shù)與因子多年相對變化率的乘積，相對濕度的敏感系數(shù)為負，然而其多年相對變化率也為負，所以使得相對濕度對ET0的影響為正貢獻。

圖9 主要影響因素分布圖Fig.9 Distribution of main influencing factors

表3 部分站點氣象因子的貢獻率Table 3 Contribution rate of some site meteorological factors

3 討 論

江蘇屬于全國糧食生產(chǎn)區(qū)，目前氣候變化及極端天氣日趨嚴重，已經(jīng)對江蘇地區(qū)的農(nóng)業(yè)生產(chǎn)和水資源區(qū)域平衡產(chǎn)生了很大的影響，因此本文分析江蘇省ET0時空變化及其影響因素可以提高本地區(qū)農(nóng)業(yè)生產(chǎn)用水的估算水平，增強農(nóng)業(yè)生產(chǎn)應對氣候變化適應能力和抵御氣候災害能力。

敏感系數(shù)表示氣象因子與ET0之間的相關性，敏感系數(shù)為正，表示氣象因子與ET0為正相關，敏感系數(shù)為負，表示氣象因子與ET0為負相關，敏感系數(shù)絕對值大小代表氣象因子與ET0之間的相關程度，本研究發(fā)現(xiàn)江蘇地區(qū)相對濕度敏感系數(shù)為負，平均溫度、日照時間、風速敏感系數(shù)為正，與新鄉(xiāng)、海河流域、河北等地區(qū)相一致[31-34]。但是，不同地區(qū)ET0對各氣象因子的敏感程度并不完全一致，本文得到江蘇地區(qū)ET0對相對濕度最敏感，Zhao 等[35]研究發(fā)現(xiàn)黑龍江省ET0對相對濕度最敏感；王媛等[36]研究發(fā)現(xiàn)艾比湖綠洲ET0對相對濕度最敏感；羅那那等[37]研究發(fā)現(xiàn)石河子地區(qū)ET0對溫度最敏感。敏感系數(shù)正負與貢獻率正負并不一致，這是因為ET0不僅受氣候敏感性影響，還受氣候因子本身及變化程度的影響，本文年平均相對濕度敏感系數(shù)為-1.11，但是相對濕度年變化幅度為-0.009/10 a，故貢獻率為正。敏感性分析結合通徑分析結果顯示，全區(qū)SSD的綜合決定能力較大，但是敏感系數(shù)較低，說明當SSD變化時，年均ET0的反應偏弱，并不能敏感感知SSD對ET0的影響，這可能與站點地理位置有關。

不同地區(qū)ET0變化的主要影響因素不完全一致。本研究得到江蘇地區(qū)ET0變化的主要影響因素是風速和相對濕度，董旭光等[38]也發(fā)現(xiàn)山東省的ET0變化主要影響因素是風速和相對濕度，這可能由于山東和江蘇地形和地理位置較相似，因此氣象要素對ET0變化影響較接近；而吳文玉等[39]發(fā)現(xiàn)安徽省ET0變化的主導因素為日照時間和風速，這可能是由于安徽省海拔較高，故太陽輻射對ET0變化起著很大的作用，江蘇屬于沿海地區(qū)，風速和濕度更容易影響ET0；Gao等[40]發(fā)現(xiàn)風速是西遼河流域ET0變化的主導因素。一般情況下，年際尺度氣溫與蒸散之間為正相關關系[41]，江蘇地區(qū)日平均氣溫年變化為0.30℃/10 a，而ET0年變化為-0.44 mm/10 a，江蘇地區(qū)氣溫呈升高趨勢，而ET0是下降的，這是因為江蘇地區(qū)靠海，氣溫對ET0變化的貢獻并不大，ET0變化的主要影響因素是風速以及相對濕度。

ET0不僅受氣象因子變化的影響，還受地形，人類活動，下墊面等因素的影響，本文涉及的站點海拔均較低，地形對各站點影響較小，且人類活動及下墊面等因素對本地區(qū)ET0變化的研究還有待完善。此外，本研究僅從ET0理論公式探究了ET0變化的成因，并沒有結合實際蒸散量與ET0的對比進行分析，因此本文研究成果存在一定局限性。

4 結 論

1）江蘇地區(qū)多年平均ET0為976.8 mm，豐縣、徐州以及西連島區(qū)域為ET0的高值中心。全區(qū)ET0年內(nèi)變化較明顯，春季ET0平均為273.1 mm，夏季為381.4 mm,秋季為206.8 mm,冬季為101.6 mm，春夏秋冬四季分別占比 28%、40%、21%、11%，夏季貢獻最大。

2）近 58年ET0呈下降趨勢，且遞減率為-0.44 mm/10 a。共有28個站點ET0呈增加趨勢，共有11個站點ET0增加趨勢顯著（p<0.05），其中無錫、太倉、靖江地區(qū)ET0氣候傾向率較大，分別為18.6、19.0、30.0 mm/10 a；共有32個站點ET0呈減小趨勢，共有16個站點ET0減小趨勢顯著（p<0.05），其中新沂、泗洪、灌南地區(qū)ET0減小趨勢較大，分別為-19.2、-23.1、-23.2 mm/10 a。

3）ET0對平均溫度、日照時間、風速為正敏感，對相對濕度為負敏感，且ET0對相對濕度最敏感；平均溫度、日照時間、風速、相對濕度與ET0相關系數(shù)分別為0.396、0.580、0.165、-0.516。敏感系數(shù)空間分布上，ST與SWS緯向分布特征都較明顯。

4）貢獻率分析表明，主要影響因素為風速的有22個站點，均分布在蘇北地區(qū)，其中沛縣、泗陽、新沂站的風速對ET0變化貢獻較大，分別為-13.44%、-12.52%、-12.49%，主要影響因素為相對濕度的有38個站點，主要分布在蘇南地區(qū)，其中丹陽、靖江、昆山站的相對濕度對ET0變化貢獻較大，分別為18.47%、18.57%、20.87%，全區(qū)平均溫度和日照時間不對ET0變化產(chǎn)生主要影響。江蘇地區(qū)ET0變化的主要影響因素是風速和相對濕度。