宋 妮，申孝军，陈智芳，王景雷，刘祖贵



基于不同数理统计方法的河南省ET0气候影响因素分析

宋 妮，申孝军，陈智芳，王景雷※，刘祖贵

（1. 中国农业科学院农田灌溉研究所，新乡 453002；2. 农业部作物需水与调控重点开放实验室，新乡 453002）

确定影响ET0年际变化的主要气象因子是准确估算未来作物需水的基础，对于农业生产科学应对气候变化具有重要意义。以河南省17个站点为例，分别采用国内外常用的5种数理统计方法评价7个气象要素对参考作物蒸散量（reference crop evapotranspiration，ET0）年际变化的影响程度，结果发现：日照和风速是影响河南省地区参考作物蒸散量的主要因子，黄河以北地区主要为风速，黄河以南地区以日照为主，信阳、西峡两地高温作用不容忽视。5种方法评判结果差异较大，采用灰色关联分析法，利用不同的数据变换方式，其结果大相径庭，认为其不适宜用于评价影响ET0变化主要因子的判定；结合各站气象要素年际变化趋势分析认为，逐步回归分析法得出的结论与各站点气象要素及ET0实际变化趋势存在多处悖理，不适宜用于评价影响ET0变化主要因子的判定；相关分析、偏相关分析、主导分析方法结果较为统一，差异较小，认为采用3种方法综合判定某地区影响ET0的主要因子，其结果较为可信。其中，采用主导分析法对各气象因子的影响排序与各因子对ET0的影响趋势以及ET0实际变化趋势较为一致，建议用于评价影响ET0变化的气象因子排序，但因其无法得到各因子与ET0的相关关系，需借助相关分析与偏相关分析才能得到详实可信的结果。

蒸散量；相关分析；主导分析；偏相关分析；影响因子；河南省

0 引 言

全球气候变暖是目前所能观测且直接感受到的未来气候的一个显著表现，世界气象组织（WMO）对全球温度的统计表明，2011—2015年是有史以来最炎热的5 a，比1961—1990年的参照温度高大约0.57 ℃。气候变化已对人们生活中的许多方面产生影响，也必将作用于作物需水量，进而影响水资源的时空再分配。参考作物需水量是计算作物需水量的重要参数，以气候变暖为主要特征的气候变化日益受到关注，自然而然人们往往过多关注温度对作物需水量的影响，想当然地认为温度是影响作物需水量的主导因子，不少地区研究表明，实际情况并非完全如此。因此，探寻某一地区影响参考作物蒸散量（reference crop evapotranspiration， ET0)变化的主要气候因子对于准确预测未来某一区域作物需水状况，科学应对农业生产对气候变化的影响具有重要意义。

参考作物蒸散量，目前一般采用FAO提出的Penman- Monteith方法计算，该方法由于既考虑了空气动力学和辐射项的作用，又涉及作物的生理特性，稳定性较好，得到了国内外众多学者的认可并应用[1-4]。近年来，气候变暖引起了许多学者的重视，他们对中国不同地区不同尺度下参考作物蒸散量的时空分布规律进行了描述，探索了各地区影响参考作物蒸散量的主要气候因子，但由于中国地理气候复杂，分析研究方法多样，结论无法统一，时常出现结论相反的情况，因此本文对目前较常采用的数理统计方法进行对比分析，以同样的基础数据和前提条件分析筛选适宜的方法，用于分析影响参考作物蒸散量的主要气候因子。

目前众学者较常采用的分析方法有相关分析[5-7]、偏相关分析法[8-11]，主成分分析法[12-14]、线性逐步回归法[15]和灰色关联分析法[16-17]近年来也有所应用，随着研究的深入，又出现了偏相关系数和标准偏回归系数相结合的分析方法[18-19]。上述方法尽管都能得出一定的结论，但其结果却不尽一致，例如康燕霞等[20]采用敏感性系数分析了淮河流域参考作物蒸散量的气候影响因素，认为主要因素为湿度和日照，而王晓东等[21]将敏感性与气象因子多年相对变化率联合分析认为风速是贡献最大的气象因子，日照和湿度其次。诸如此类矛盾的结论还有很多，到底哪种方法得到的结果比较可信，如何评价每种方法的结果是亟待解决的一个问题。鉴于此，本文以任何一个方法得出的结论都不应该同ET0及各影响因子实际趋势相悖作为分析评价的准则，首先采用5种常用数理统计方法获得影响ET0变化的主要气候因子，然后结合各站主要气象要素的实际变化情况，综合分析5种数理统计方法结论的合理性，两者互相印证以得出影响河南省各站ET0变化的主要因子。

1 数据来源与方法

1.1 数据来源

数据来源于国家气象局，选用河南省17个国家气象站自建站到2015年逐日地面气象观测资料，数据序列均超过51 a，要素包括最高气温、最低气温、平均气温、平均相对湿度、平均风速、日照时数和降水量。各站点空间位置见图1。

图1 河南省各气象站点空间分布

1.2 研究方法

1.2.1 原始数据前处理

采用FAO推荐的Penman-Monteith方法计算河南省17个国家气象站自建站到2015年逐日ET0值。分别计算ET0和7个气象要素逐年日均值，即年日均值，用于进行相关分析。

1.2.2 数理统计方法

本文采用DPS数据处理系统11.50版提供的5种数理统计方法评价7个气象要素对ET0年际变化的影响程度，其中相关分析和偏相关分析结果采用系统提供的多元分析中相关分析的多变量相关分析计算得出，逐步回归分析法结果采用系统提供的多元分析中回归分析的逐步回归法计算得出，主导分析法采用系统提供的多元分析中主导分析计算得出，灰色关联分析法结果采用系统提供的其他方法中灰色系统方法中的关联度分析计算得出。

1）相关分析法

相关分析是指对2个或多个具备相关性的变量元素进行分析，从而衡量2个变量因素的相关密切程度。主要指标为相关系数，相关系数是按积差方法计算，同样以2变量与各自平均值的离差为基础，通过2个离差相乘来反映2变量之间相关程度的统计指标。根据研究对象的不同分为简单相关系数、复相关系数、典型相关系数。分析气象因素与ET0相关一般采用的是简单相关系数[22]，字母表示。

2）偏相关分析法

偏相关分析[23]也称净相关分析，它在控制其他变量的线性影响的条件下分析2变量间的线性相关性，所采用的指标为偏相关系数。当控制变量个数为1时，偏相关系数成为一阶相关系数；控制变量个数为2时，为二阶偏相关系数；控制变量个数为0时，为零阶偏相关系数，也就是相关系数。

3）逐步回归分析法

逐步回归分析法是能自动地从大量可供选择的变量中选择那些对建立回归方程比较重要的变量，该方法是从一个自变量开始，视自变量对作用的显著程度，从大到小地依次逐个引入回归方程，据此可以用来对影响ET0的气象因素进行排序，本文根据7个气象因素全部引入回归方程后标准回归系数的大小确定各因素对ET0的影响排序。

4）主导分析法

主导分析法，也称为优势分析法，为Budescu于1993年提出，该方法的思路是，为了分析不同预测指标的相对重要性，首先需将各个指标，以及这些指标的不同组合形式对因变量进行回归分析，分析含有这些预测指标及各种不同指标组合的左右回归方程的决定系数2，比较这些回归方程中每一指标（或组合）的2，看某一指标或指标的组合加入到回归方程后2的提高情况。该方法有2个优点：①具有模型独立性，即预测指标的相对重要性在各子模型中保持恒定；②根据各预测指标的相对重要性对回归模型总预测方差进行分解，并用百分比表示。据此可以实现气象要素对ET0的影响排序。

5）灰色关联分析法

灰色系统理论是邓聚龙先生于20世纪80年代前期提出的用于控制和预测的新技术。其目的就是通过一定的方法理清系统中各因素间的主要关系，找出影响最大的因素，把握矛盾的主要方法，目前在农业中应用较广。其主要指标为关联度，用于描述2个因素之间关联性大小的量度，关联度越高表示其影响越大。其计算过程见文献[24]：

①原始数据变换

DPS系统提供3种数据变换方式用以消除原始数据的量纲差异，分别为均值化、初值化、标准化。

先分别求出各个序列的平均值，再用平均值去除对应序列中的各个原始数据，所得到的新数据列，即均值化序列：

分别用同一序列的第一个数据去除后面的各个原始数据，得到新的倍数数列，即为初值化数列

先分别求出各个序列的平均值和标准差，然后将各个原始数据减去平均值后再除以标准差，所得到的新数据序列，即为标准化序列：

②计算关联系数

③计算关联度

2 结果与分析

2.1 基于不同方法的ET0年际变化影响因子排序

分别采用5种数理统计方法分析河南省17个气象站点气象因子年日均值与ET0年日均总量的关系，并根据各方法指标数值大小进行排序，如表1所示。从表1可以看出，同一个站点同样数据采用不同分析方法得出的结果差异较大，尤其灰色关联分析法，当数据变换方式不同时，结果大相径庭，说明灰色关联分析法不适用于寻求影响ET0的主要气象因子。

表1 基于不同数理统计方法的ET0影响因子排序

注：，日照时数；RE，相对湿度；T，最高气温；T，最低气温；，平均气温；，平均风速；，降水量。

Note:, sunshine hours; RE, relative humidity;T, highest temperature;T, lowest temperature;, average temperature;, average wind speed;, precipitation.

卢氏和固始，各方法结果比较统一，南阳站点除灰色关联方法结果不统一，其余4种方法均认为日照是第1影响因子。除灰色关联分析法外，其他方法均认为风速是影响卢氏、南阳、商丘3站ET0变化的第2影响因子。除灰色关联分析法外，其他方法均认为湿度是影响宝丰站ET0变化的第3影响因子。

2.2 逐区分析影响ET0主要气象因子

2.2.1 豫北地区

豫北地区是指河南省内黄河以北的地区，安阳、新乡2站地处豫北地区。

从表1中看到，对于安阳站，有4种方法（数据标准化灰色关联分析、相关分析、偏相关分析、主导分析）均将日照和风速视为影响ET0变化的重要气象因子，其中，偏相关和主导分析以及逐步回归分析将风速视为第1影响因子，其他方法将日照视为首要因子。基于5种数理统计方法结果，选择ET0主要可能的影响因子，绘制安阳站主要因子与ET0年际变化趋势图，如图2a所示，60 a来，ET0呈不显著下降趋势，风速与ET0变化趋势最相近，近10 a以来尤为相似。对各指标极端情况出现天数进行统计后发现，虽然平均风速年际变化趋势较缓，但1991年以前，风速为0的天数较多，且呈波动上升再下降趋势，自1992年起，风速为0的天数显著下降，2003年最高，仅为3 d，24 a中18 a每天均有风。统计安阳地区日照为0的天数发现其呈明显上升趋势（气候倾向率13.31 d/10 a），其他气象指标没有明显变化趋势，这说明近年来安阳地区气候变化逐渐向多风寡照转变。1956—2015年间风速与ET0变化一致性略高于日照，因此可认为安阳地区ET0的主要影响因子为风速，日照次之。

图2 豫北地区年均日ET0及其主要影响因子年际变化趋势

新乡站59 a来ET0呈不显著下降趋势（图2b），根据相关分析和偏相关分析结果：湿度、低温、降水与ET0负相关，日照、均温、风速与ET0正相关，高温与ET0的关系，相关分析显示正相关，偏相关分析显示负相关，无法确定其关系暂时忽略其对ET0作用。由于ET0呈不显著下降趋势，认为低温、日照、风速3因素对ET0的下降作用要大于湿度、均温、降水对ET0的上升作用。表1结果，所有方法均认为低温的影响作用较小，相关分析、偏相关分析、主导分析均认为风速为第1影响因素，主导分析认为日照第2影响因素，加之ET0下降趋势不明显，主导分析将湿度和高温视为第3、4影响因子，与新乡站实际相符。对各指标极端情况出现天数进行统计发现，自1996 年以来，风速为0天数显著下降，近9 a以来每天均有风；统计日照为0天数发现其呈明显上升趋势（气候倾向率8.86 d/10 a），其他气象指标没有明显变化趋势。因此可认为风速和日照共同作用于新乡地区ET0并促使其下降，风速为首要因子。

综上，新乡站与安阳站各指标变化情况相似度很高，综合分析认为，风速和日照是促使豫北地区ET0下降的重要气候因子，风速为主，日照次之。

2.2.2 豫东地区

豫东指河南省东部地区，开封、商丘、西华3站地处豫东地区。开封站主要因子与ET0年际变化趋势如图3a所示，62 a来，ET0呈不显著下降趋势，在序列前期，日照时数变化趋势与ET0较为相似，序列后期，尤其2004—2015年间，高温与风速的变化趋势与ET0相似度更高。2004 年之前平均日照时数6.08 h，2004—2015年间，日照时数平均4.82 h，对应时间段ET0为2.65和2.67 mm，日照时数显著下降，而ET0却未随之下降，因此其作用力必将减小；将日照时数、平均风速和ET0年际趋势图放大可以看到，ET0在平稳变化的同时，各年之间也有微小的波动，对于此种波动，高温与风速与之极为相似，另统计开封地区风速为0天数发现，2004—2015年间，该数据均为0，即每天都有风，且查阅文件后发现，该时期极大风速呈快速减小趋势，因而风速的作用不容忽视；开封站临近郑州，近年来该区域开发迅速，区域气候也在悄然变化。这些都可能是引起ET0变化的原因，但具体原因还需要数据支持。从表1可以看出，对开封站ET0影响较为重要的有风速、高温、湿度、日照。第1因子可能为风速和高温，另外，相关分析和偏相关分析对高温的影响排序相差甚远，相关分析认为高温为第1因子，而偏相关分析认为高温为最末因子，同时2种方法对高温与ET0的关系也相反，相关分析认为正相关，偏相关分析认为负相关，对1954—2012年开封的数据分析也发现此现象，原因不明，但一般认为高温与ET0为正相关关系。对各方法逐一分析认为，灰色关联分析由于数据处理方式的不同，差异很大，可认为其结果可信度较低；偏相关分析和逐步回归分析均将高温视为最末影响因子，与近年来高温同ET0相似性背离，不符合实际；主导分析结果将风速和高温视为前2个影响因子，风速的下降趋势将促使ET0下降，而实际ET0下降趋势较缓，因而必有促使ET0上升的因子作用，高温对ET0上升的促进作用符合这一变化，第3因子为湿度，其下降趋势显著，对ET0的上升作用因其排名第3而缩小，第4因子为日照，促使ET0下降，第5、6、7因子对ET0的作用力较小暂忽略。综上，主导分析结果对开封站近62 a来气象因子的影响因素解释较符合其变化规律，另对1954—2012年开封数据采用主导分析认为，湿度为第2影响因子，高温为第3影响因子，因此可认为风速是影响开封地区ET0下降的主要因子，对第2因子的分析目前仍不明朗，高温、湿度均有可能。

图3 豫东地区年均日ET0及其主要影响因子年际变化趋势

对商丘站影响ET0首要因子的判定，多数方法认为日照为首要气象因子，风速为第2影响因子（表1）。58 a来，日照、风速、ET0均呈显著下降趋势（气候倾向率分别为-0.47 h/10 a、-0.29 m/(s·10 a)、-0.11 mm/10 a），近10 a以来，日照年际变化趋势与ET0变化趋势最相近（图3b），自2004年以来，每天均有风，日照和风速的显著下降趋势将促使ET0下降，根据ET0实际下降趋势，日照、风速与ET0正相关，若两者共同作用将大大增加ET0下降趋势，而ET0实际下降趋势相对较缓，说明存在促使ET0上升的因子作用，7因子中高温、湿度、均温促使ET0上升，相关分析和主导分析认为7因子的排序为日照、风速、高温、湿度，与实际变化趋势相符，2方法仅对降水和均温的排序相反，均温变化趋势大于降雨，初步认为均温作用可能高于降雨，但无确切证据。

对西华站影响ET0首要因子的判定，各方法较集中于日照和风速，灰色关联与相关分析认为日照为首要因子，其余3种方法均认为风速为首要因子。分析ET0与各因子年际变化趋势（图3c）可见，62 a来，ET0呈显著下降趋势（气候倾向率为-0.09 mm/10 a），日照与ET0相关性较高，风速下降趋势极显著（气候倾向率分别为-0.32 m/(s·10 a)），风速、日照与ET0正相关，且均呈下降趋势，促使ET0下降，但现有证据无法区分两者作用主次，因此，风速和日照共同作用西华站ET0促使其下降。

2.2.3 豫中地区

郑州、许昌地处豫中地区。表1表明，对郑州站，4种方法（数据标准化灰色关联分析法、相关分析、偏相关分析、主导分析）均认为风速和日照为影响ET0的主要因子，风速为主，日照次之。第3因子出现分歧，高温、降水、湿度均有可能。根据61 a来郑州站各因子与ET0相关关系，7指标中，风速、日照、湿度、降水呈下降趋势，低温、高温、均温呈上升趋势，风速、日照、高温与ET0正相关，湿度、降水、低温、均温与ET0负相关，风速、日照、低温、均温使ET0下降，湿度、降水、高温促使ET0上升，而实际ET0下降趋势不显著，在风速和日照的下降作用下，第3因子必将为促使ET0上升的因子，湿度下降速率最高，其作用不容忽视。同时，根据61 a来郑州站各气象因子与ET0年际变化趋势图（图4a），近10 a来，ET0呈明显上升趋势，而同期风速呈显著下降趋势，日照、高温、降水变化趋势平稳，湿度呈显著下降趋势，其与ET0的负相关关系将促使ET0呈上升趋势，才可改变ET0的下降趋势，因此前3个因子为风速、日照、湿度符合郑州地区实际，偏相关分析和主导分析均将该3因子排在前位，并认为降水为第4因子。两方法仅对均温和低温的排序有所不同，但现有方法无法证明两者排序。综上所述，影响郑州地区ET0变化的气象因子排序为风速、日照、湿度、降水。

对许昌站影响ET0首要因子的判定，各方法结果较集中于日照和风速，绘制60 a来日照、风速与ET0年际变化趋势图（图4b）可见，序列初期，ET0呈不显著下降趋势，平均风速下降趋势高于日照时数；序列中期，日照时数和ET0年际变化趋势平稳，平均风速呈上升趋势；序列后期，日照、风速、ET0均呈显著下降趋势，整体来看，日照时数年际趋势与ET0变化趋势较相似，但风速年际变化规律性较强。风速、日照与ET0正相关，其下降趋势将促使ET0显著下降，但ET0下降趋势不显著，因此第3因子必将为促使ET0上升的因子。其他因子中除高温、均温、降水将促使ET0上升，其余均为下降作用，与ET0呈反比关系的湿度也因为其本身呈上升趋势而促使ET0下降，不符合实际，7方法中有5方法认为高温作用高于均温，但两者变化趋势相近且较缓，因此无法判断两者排序，据此可认为，风速和日照共同影响许昌站ET0变化，日照为主，风速次之。

图4 豫中地区年均日ET0及其主要影响因子年际变化趋势

2.2.4 豫西地区

豫西地区包括三门峡、卢氏、栾川、孟津、宝丰站点。

对三门峡站影响ET0首要因子的判定，各方法无法统一，日照、风速、高温、均温均有涉及，日照、风速所占比例高于高温、低温。59 a来，ET0呈显著下降趋势（气候倾向率-0.10 mm/10 a），日照、风速呈下降趋势，与ET0正相关；均温、高温呈上升趋势，与ET0正相关，因此，促使 ET0呈显著下降趋势的驱动因子为日照和风速。同时，根据ET0与各因子年际变化趋势图（图5a），日照、风速与ET0变化趋势相近，尤其20世纪80年代后，ET0、日照、风速均呈小幅上升后下降趋势。对两因子的排序，偏相关、主导分析和逐步回归分析认为风速优于日照，其他方法认为日照高于风速（表1），现有证据无法支持任何一种结论，因此，日照和风速共同作用于三门峡地区ET0的下降。

对卢氏站影响ET0首要因子的判定，所有方法均认为日照是首要因子，除数据均值化、初值化的灰色关联分析外，其他方法均认为风速是第2个影响因子，分析卢氏站62 a来ET0、气象因子年际变化趋势后发现，日照时数年际变化趋势与ET0最相近（图5b），7个气象因子中风速下降趋势最显著（气候倾向率为-0.16 m/ (s·10 a)），因此可认为日照和风速是影响卢氏站ET0下降的主要因子，日照为主，风速次之。

图5 豫西地区年均日ET0及其主要影响因子年际变化趋势

对栾川站影响ET0首要因子的判定，除灰色关联分析法，其他方法均认为风速是首要因子，第2因子除灰色关联和相关分析外，其他方法均认为是日照。58 a来，ET0变化平稳（气候倾向率为0.01 mm/10 a），7个气象因子对ET0的作用除均温不能确定外，其他指标均促使ET0上升，其中风速、日照促使其上升作用力较小（气候倾向率分别为0.018 m/(s·10 a)，0.008 h/10 a），且风速年际变化趋势与ET0年际趋势相似度较高（图5c），均呈先下降后上升趋势，1989年达到最低值，近年来略微上升，这可能是其成为主要因子的原因，高温上升趋势显著，但ET0变化较缓，因此其对ET0的作用力较小，排名较后。偏相关分析、主导分析、逐步回归分析结果均与这种结果相符，因此可认为风速是影响栾川地区ET0变化的首要气候因子，其次为日照。

对孟津站影响ET0首要因子的判定，各方法无法统一，日照、风速、高温、均温均有可能（表1），多数方法将风速视为主要影响因子，且偏相关分析和主导分析对前3个指标的排序相同：风速、日照、湿度。对比各指标变化程度（图5d）及与ET0关系，51 a来，孟津站ET0呈不显著下降趋势（气候倾向率为-0.05 mm/10 a），均温呈上升趋势（气候倾向率为0.25 ℃/10 a），与ET0正相关，促使ET0上升，湿度呈下降趋势（气候倾向率为-0.21%/10 a），与ET0负相关，促使ET0上升，这与ET0实际相反，排除均温、湿度为首要因子的可能；风速、日照均呈下降趋势，且与ET0正相关，促使ET0下降；7因子中低温上升速率（气候倾向率为0.46%/10 a）最大，但ET0变化趋势不显著，因此低温排序定靠后，同时，偏相关分析、主导分析、逐步回归分析均认为风速排名在日照之前，对各指标极端情况出现天数进行统计后发现，以1993年为界，风速为0的天数变化显著，风速呈显著下降趋势（气候倾向率为-0.16 m/(s·10 a)），表明该地区气候正在向多风弱风转变，因此可认为风速和日照为影响孟津地区ET0变化的主要因子，风速为主，日照次之。

对宝丰站影响ET0首要因子的判定，除数据初值化灰色关联分析外，其他分析均倾向于日照和风速，仅对两者排序有所分歧，其中除灰色关联分析外的其他4种方法均认为湿度为第3影响因子（表1）。7因子中高温、降水促使ET0上升，均温、低温作用不明，日照、风速、湿度均促使ET0下降。59 a来，ET0整体呈显著下降趋势（气候倾向率为-0.09 mm/10 a），观察ET0与日照、风速年际变化趋势图（图5d）可见，日照、风速与ET0变化趋势相似，前10 a，日照与ET0变化趋势极为相似，近10 a，风速与ET0变化趋势极为相似，1989—2004年，日照与ET0变化趋势相似度高于风速。整体上，日照下降趋势（气候倾向率为-0.35 h/10 a）高于风速（气候倾向率为-0.18 m/(s·10 a)），因此可认为日照与风速共同作用于宝丰地区ET0的下降，现阶段日照为主，但未来风速的作用力可能会逐渐显现。

2.2.5 豫南地区

豫南地区包括西峡、南阳、驻马店、信阳、固始。

对西峡站影响ET0首要因子的判定，各方法结果差异较大，风速、日照、均温、高温均有可能（表1），绘制59 a来其与ET0年际变化趋势图，如图6a所述。

图6 豫南地区年均日ET0及其主要影响因子年际变化趋势

由图6a可知，ET0呈先下降后上升趋势，整体呈下降趋势（气候倾向率为-0.007 mm/10 a），风速呈先下降后上升再下降趋势，均温在序列前期年际变化趋势与ET0变化趋势相似，序列后期与其不同，日照、高温年际变化趋势均与ET0变化趋势相似，其气候倾向率分别为-0.07 h/10 a、0.14 ℃/10 a，两者均与ET0呈正相关，由于ET0整体呈下降趋势，因此日照对ET0的影响应高于高温对其的影响。相关分析与主导分析结论与之相同，且两方法对前5个因子排序相同：日照>高温>湿度>均温>风速，5个因子中除日照和风速对ET0为下降作用，排位最前和最后，其他均为上升作用，这与西峡地区ET0实际变化趋势不矛盾，故此认为影响西峡地区ET0的气象因子排序为：日照>高温>湿度>均温>风速。

对于南阳站，多数方法均认为日照为首要影响因子，风速为第2影响因子，第3影响因子可能为高温或湿度，分析该站63 a气象因子与ET0年际变化趋势（图6b）可以看出，ET0呈不显著下降趋势，年际间有所波动，前53 a日照、高温与其波动趋势相近；后10 a，ET0呈上升趋势，日照呈下降趋势，高温平稳变化；相对湿度前53 a变化平稳，波动上升，后10 a呈显著下降趋势；平均风速年际间呈明显下降趋势，且波动性较强。对各年风速为0的天数统计后发现，近11 a无风速为0的天数，但近14 a平均风速均平稳变化，这表明近11 a中有风日平均风速有增大趋势，使得ET0增加，这就解释了为什么日照后10 a呈下降趋势，而ET0呈上升趋势，因此日照和风速是影响南阳地区ET0的主要因子，符合实际。而两者均促使ET0下降，而ET0实际下降趋势不明显，因此，第3、4因子应为变化趋势较显著的因子，7因子中湿度变化最显著（气候倾向率为-0.46%/10 a），且湿度后10 a呈显著下降趋势，与ET0后10 a变化极为相符。偏相关分析与逐步回归分析均将高温视为最末影响因子，这与前述高温与ET0变化趋势相近矛盾，相关分析与主导分析对影响因子排序结果除后3个气象因子不同外，均认为日照>风速>高温>湿度，各因子趋势及对ET0作用与南阳地区ET0实际变化相符，因此影响南阳站ET0变化的主要气候因子为日照和风速，日照为主，风速次之。

对驻马店地区影响ET0首要因子的判定，各方法分析结果差异较大。分析其58 a气象因子与ET0年际变化趋势（图6c），ET0与日照、风速均呈下降趋势，日照年际变化趋势与ET0较为相近，高温呈上升趋势，其对ET0的影响与ET0实际变化相反，排除高温为首要因子；各方法中，相关分析与主导分析对7因子的排序除湿度和降雨不同外，其他因子排序相同，其顺序为：日照>风速>高温>（降水、湿度）>均温>低温，各因子趋势及对ET0作用与驻马店地区ET0实际变化相符，因此可认为影响驻马店地区ET0的主要因子为日照和风速，日照为主，风速次之。

65 a来，信阳地区ET0呈不显著下降趋势，根据各因子年际变化趋势及其与ET0关系发现，7因子中仅日照对ET0为下降作用，与其实际变化相符，偏相关分析、主导分析、逐步回归分析结论与之相同，均认为日照为首要因子。7因子中日照变化趋势显著，而ET0实际变化趋势不明显，湿度为极显著下降趋势，几乎为日照的4倍，因此其最可能为第3因子。偏相关分析和主导分析结果与该分析相同，两方法对风速和高温的认定相差较远。根据2因子与ET0年际变化趋势图（图6d），高温年际变化趋势与ET0年际波动趋势较为相似，许多转折点均可匹配，而风速区间变化较强，下降、上升趋势明显，与ET0变化趋势较难匹配，因此高温的作用应大于风速。综合分析认为，日照为影响信阳地区ET0变化的首要因子。主导分析结果为日照>高温>湿度>降水>风速>均温>低温，将变化幅度较小的降水、风速排位于变化幅度较强的低温、均温因子之前，与ET0不显著下降趋势不矛盾，因此可认为，主导分析对信阳地区ET0变化的气象因子排序较符合信阳地区ET0变化实际。

各方法对固始站点影响ET0首要因子的判定比较统一，均认为日照为首要因子，63 a来，固始站ET0呈不显著下降趋势，7因子中仅日照和风速促使ET0下降，同时从ET0与各因子年际变化趋势图（图6e）中看出，日照时数与ET0变化极为相似。因此可认为，日照为固始站ET0下降的首要因素。

将上述分析结果汇总列于表2，可看出，影响河南地区ET0变化的主要因子为风速和日照，豫北以风速为主，豫南以日照为主，呈现了该地区南北气候差异。虽然近年来，河南地区温度急剧升高，但仅表现在西峡、信阳2站视日照和高温为主要因子。与各方法结果对比发现，该结果与主导分析结果基本相同，其中开封站次要因子目前无法确定，但主导分析结论认为是高温，该结论与气象因子同ET0变化并不矛盾；西华、宝丰、三门峡站的分析表明风速和日照是主要影响因子，但无法区分主次，主导分析可对两者区分主次，与其变化不矛盾。

表2 影响河南省17站ET0变化的主要因子

3 讨 论

一般认为，全球变暖可能会使近地面层变干，陆面和水体蒸发量增加，而实际却恰恰相反。1960—2001 a间，中国范围内气温增加显著，但蒸发皿蒸发量呈下降趋势，存在“蒸发悖论”现象。本文对河南省17个站点的研究表明，所有站点平均温度、最高温度、最低温度均呈上升趋势，除栾川站ET0呈缓慢上升趋势外，其余16个站点ET0均呈不同程度的下降趋势。尹云鹤等[25-26]对中国多个气象站逐月气象资料进行了分析，认为中国ET0呈整体下降趋势，而大部分地区气温呈不断增高趋势，这表明，气温变化可能不是影响参考作物蒸散量变化的主导因子。为此，众多学者进行了大量的研究，并得出了不同的结论：海河流域对年ET0影响最敏感的是水汽压，其次是温度和太阳辐射[27]，淮河流域ET0的主要影响因素为风速、相对湿度和日照时数[20-21]，石羊河流域ET0与平均相对湿度相关性最好[5]，阿克苏河流域ET0的主要因子为风速和相对湿度[13]，黄河流域ET0变化的最敏感因素是相对湿度，太阳辐射是年内和年际ET0变化的主控因素[28]，影响东北地区ET0的主要因子为日照时数和风速[8]，影响关中地区ET0的气候因子顺序为：风速>日照时数>水汽压>年蒸发量[29]，影响河西地区ET0的气候因子顺序为：年平均相对湿度>年平均风速>年日照时数>年降水量>年平均最高气温>年平均气温>年平均最低气温[30]。虽然我国幅员广阔，气候多样，区域间存在差异，但大都存在“蒸发悖论”现象，日照时数和风速的减少被认为是大多数地区参考作物蒸散量减少的主要原因[25-26,31-33]。

本文研究表明，日照和风速是影响河南省地区参考作物蒸散量的主要因子，黄河以北地区主要为风速，黄河以南地区以日照为主，信阳、西峡两地高温作用不容忽视。刘园等[10]采用偏相关分析法分析影响华北平原参考作物蒸散量的影响因素，认为华北平原参考作物蒸散量受日照时数、相对湿度、风速和温度日较差的影响最大，其中卢氏、南阳站ET0主要受日照时数影响，新乡站主要受风速影响，与本文研究结果相同，与本文结论不同的是信阳站，他认为信阳站主要受相对湿度影响，本文认为日照时数是影响信阳地区ET0变化的主要因子，为排除计算数据不同产生的原因，笔者采用偏相关分析法对信阳站1961—2007 a ET0与气象因子分析后表明，除均温与高温位置交换外，其余指标顺序与1951—2015 a相同，日照仍为首要因子，而湿度仅为第3因子。因此，对于该差异原因仍需进一步分析。

对中国不同区域的大量研究表明，各区域影响ET0变化的主要因子不尽相同，虽然造成差异的原因可能是由于区域气候特点与数据尺度不同所致，但通过本文研究发现，在同一区域计算数据尺度相同的基础上，选用不同数理统计方法得出的结论不同，这说明采用不同数理统计方法对ET0变化主要因子的评价结果影响很大，已有结论的得出带有很大的局限性。以往的研究中，主要根据气象因子与ET0之间相关程度确定主要因子，有研究表明，新疆地区年参考作物蒸散量与年平均气温的变化趋势相反，且相关关系不显著，但二者的年际间波动趋势具有很好的一致性，认为气温是影响新疆年际尺度参考作物蒸散量变化的主要气候因子[34]，这表明评价一个地区参考作物蒸散量的主要影响因子，不能单依靠方法的结果，还应该根据两者的实际变化进行分析。

本文以河南省17站气象因子、ET0年际变化趋势及各因子对ET0的影响作用为依据，对5种数理统计方法结果进行分析评价，寻找适宜评价影响ET0主要因子的方法。由于所采用基础数据为年均值，所得结论是否适用其他尺度（月、季节、生育期）下ET0主要影响因子的判定，还需要进一步分析。

4 结 论

本文以寻找影响ET0变化主要因子为目的，以河南省17站为样本，采用5种数理统计方法评价判定，各方法间结果差异较大，灰色关联分析法，当数据变化方式不同时，其分析结果大相径庭，不适宜用于评价影响ET0变化主要因子的判定；逐步回归分析法对提取主要因子建立回归方程方面有较好的使用，但对影响ET0变化的气候因子排序方面作用不大，对河南省17个站点的分析表明，其结论与多站点ET0实际变化趋势存在多处悖理。相关分析、偏相关分析、主导分析方法结果较为统一，差异较小，采用3种方法综合判定某地区影响ET0的主要因子，其结果较为可信。但是，相关分析和偏相关分析主要根据气象因子与ET0之间相关程度确定，缺乏对各因子变化趋势的考虑，若依靠该结论，可能导致对实际主要因子的忽视。主导分析法不仅考虑了气象因子与ET0之间的相关程度，又考虑了年际变化趋势显著的气象因子对ET0的作用，并采用回归分析法分析不同气象指标及其组合对回归方程的决定系数，通过河南省17个站点分析，其结果与各站点ET0实际变化趋势较一致，但该方法不能同时得到各因子与ET0的相关关系，还需要借助相关分析和偏相关分析，但两方法在判定均温、低温、高温对ET0的作用方面有出入，尤其是高温，相关分析认为是正相关，偏相关分析认为是负相关，造成这样的原因是什么有待进一步研究。因此，根据分析结果，本文建议采用主导分析法评价影响某地区ET0变化的气象因子排序，采用相关分析和偏相关分析评价判定气象因子与某地区ET0的相关关系。

[1] FAO. Crop Evapotranspiration Guidelines for Computing Crop Water Requirements[M]. Rome FAO-Food and Agriculture Organization, 1998.

[2] Hashmi M A, Carcia L A. Spatial and temporal errors in estima­ting regional evapotranspiration[J]. Journal of Irriga­tion and Drainges, 1998, 124(2): 108－144.

[3] 刘晓英，李玉中，王庆锁. 几种基于温度的参考作物蒸散量计算方法的评价[J]. 农业工程学报，2006，22(6)：12－18. Liu Xiaoying, Li Yuzhong, Wang Qingsuo. Evaluation on several temperature-based methods for estimating reference crop evapotranspiration[J]. Transactions of the Chinese So­ciety of Agricultural Engineering (Transactions of the CSAE), 2006, 22(6), 12－18. (in Chinese with English abstract)

[4] 强小嫚，蔡焕杰，孙景生，等. 陕西关中地区ET0计算公式的适用性评价[J]. 农业工程学报，2012，28(20)：121－127. Qiang Xiaoman, Cai Huanjie, Sun Jingsheng, et al. Adap­tability evaluation for reference evapotranspiration (ET0) formulas in Guanzhong Region of Shaanxi[J]. Transactions of the Chinese Society of Agricultural Engineering (Trans­actions of the CSAE), 2012, 28(20): 121－127. (in Chinese with English abstract)

[5] 佟玲，康绍忠，粟晓玲. 石羊河流域气候变化对参考作物蒸发蒸腾量的影响[J]. 农业工程学报，2004，20(2)：15－18. Tong Ling, Kang Shaozhong, Su Xiaoling. Impacts of climate change on reference crop evapotranspiration in Shi­yang River basin[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2004, 20(2): 15－18. (in Chinese with English abstract)

[6] 王荣英，李新，陈瑞敏，等. 衡水市参考作物蒸散量的时空变化特征及其气候成因[J]. 中国农业气象，2013，34(3)：294－300. Wang Rongying, Li Xin, Chen Ruimin, et al. Spatial and temporal variation of reference crop evapotranspiration in Hengshui[J]. Chinese Journal of Agrometeoroloty, 2013, 34(3): 294－300. (in Chinese with English abstract)

[7] 刘增进，何军，陈洁荣，等. 豫东平原参考作物腾发量时空变化分析及影响研究[J]. 中国农村水利水电，2008(9)：65－69. Liu Zengjin, He Jun, Chen Jierong, et al. Research on spatio-temporal variation in reference crop evapotranspiration in east Henan[J]. China Rural Water and Hydropower, 2008(9): 65－69. (in Chinese with English abstract)

[8] 张淑杰，张玉书，隋东，等. 东北地区参考蒸散量的变化特征及其成因分析[J]. 自然资源学报，2010，25(10)：1750－1761. Zhang Shujie, Zhang Yushu, Sui Dong, et al. Changes in reference evapotranspiration and its causes in Northeast China[J]. Journal of Natural Resources, 2010, 25(10): 1750－1761. (in Chinese with English abstract)

[9] 姬兴杰，朱业玉，顾万龙. 河南省参考作物蒸散量变化特征及其气候影响分析[J]. 中国农业气象，2013，34(1)：14－22. Ji Xingjie, Zhu Yeyu, Gu Wanlong. Analysis on trends in annual reference crop evapotranspiration and its impact climatic factors in Henan province during 1971 to 2010[J]. Chinese Journal of Agrometeorology, 2013, 34(1): 14－22. (in Chinese with English abstract)

[10] 刘园，王颖，杨晓光，等. 华北平原参考作物蒸散量变化特征及气候影响因素[J]. 生态学报，2010，30(4)：923－932. Liu Yuan, Wang Ying, Yang Xiaoguang, et al. Trends in reference crop evapotranspiration and possible climatic factors in the North China Plain[J]. Acta Ecologica Sinica, 2010, 30(4): 923－932. (in Chinese with English abstract)

[11] 陈超，庞艳梅，潘学标，等. 四川地区参考作物蒸散量的变化特征及气候影响因素分析[J]. 中国农业气象，2011，32(1)：35－40. Chen Chao, Pang Yanmei, Pan Xuebiao, et al. Analysis on change of reference crop evapotranspiration and climatic influence factors in Sichuan[J]. Chinese Journal of Agrome­teorobgy, 2011, 32(1): 35－40. (in Chinese with English abstract)

[12] 王瑶，赵传燕，田凤霞，等. 黑河中游春小麦需水量空间分布[J]. 生态学报，2011，31(9)：2374－2382. Wang Yao, Zhao Chuanyan, Tian Fengxia, et al. Spatial variation of water requirement for spring wheat in the middle reaches of Heihe River basin[J]. Acta Ecologica Sinica, 2011, 31(9): 2374－2382. (in Chinese with English abstract)

[13] Li Qihu, Chen Yaning, Shen Yanjun, et al. Spatial and temporal trends of climate change in Xinjiang, China[J]. Journal of Geographical Sciences, 2011, 21(6): 1007－1008.

[14] 闫苗祥，杨军耀. 郑州市作物需水量影响因素主成分回归分析[J]. 节水灌溉，2014(7)：22－24. Yan Miaoxiang, Yang Junyao. The principal component regression analysis of impact factor of crop water require­ment in Zhengzhou city[J]. Water Saving Irrigation, 2014(7): 22－24. (in Chinese with English abstract)

[15] 南纪琴，肖俊夫，刘站东. 东北地区参考作物蒸发蒸腾量随时间变化的研究[J]. 节水灌溉，2012(1)：15－17，21. Nan Jiqin, Xiao Junfu, Liu Zhandong. Research on reference crop evaporations variation with time series in Northeast region[J]. Water Saving Irrigation，2012(1): 15－17,21. (in Chinese with English abstract)

[16] 宋妮，孙景生，王景雷，等. 河南省冬小麦需水量的时空变化及影响因素[J]. 应用生态学报，2014，25(6)：1693－1700. Song Ni, Sun Jingsheng, Wang Jinglei, et al. Temporal and spatial variation of water requirement of winter wheat and its influencing factors in Henan province[J]. Chinese Journal of Applied Ecology, 2014, 25(6): 1693－1700. (in Chinese with English abstract)

[17] 郝振纯，杨荣榕，陈新美，等. 1960-2011年长江流域潜在蒸发量的时空变化特征[J]. 冰川冻土，2013，35(2)：408－419. Hao Zhenchun, Yang Rongrong, Chen Xinmei, et al. Tempo- spatial patterns of the potential evaporation in the Yangtze River Catchment for period 1960-2011[J]. Journal of Geocr­yology, 2013, 35(2): 408－419. (in Chinese with English abstract)

[18] 于东平，张鑫. 青海东部农业区ET0变化特征及气候影响因子分析[J]. 灌溉排水学报，2012，31(1)：33－37. Yu Dongping, Zhang Xin. Changing characteristics of refe­rence evapotranspiration and its effect factors in fast agricultural region of Qinghai province[J]. Journal of Irrig­ation and Drainage, 2012, 31(1): 33－37. (in Chinese with English abstract)

[19] 谭娇，丁建丽，董煜，等. 新疆艾比湖绿洲潜在蒸散量年代际变化特征[J]. 农业工程学报，2017，33(5)：143－148. Tan Jiao, Ding Jianli, Dong Yu, et al. Decadal variation of potential evapotranspiration in Ebinur Lake oasis of Xin­jiang[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(5): 143－148. (in Chinese with English abstract)

[20] 康燕霞，陆桂华，吴志勇，等. 淮河流域参考作物蒸散发的变化及对气候的响应[J]. 水电能源科学，2009，27(6)：12－14，44. Kang Yanxie, Lu Guihua, Wu Zhiyong, et al. Study on reference crop evapotranspiration and its change responding to climate change in Huaihe River[J]. Water Resources and Power, 2009, 27(6): 12－14, 44. (in Chinese with English abstract)

[21] 王晓东，马晓群，许莹，等. 淮河流域参考作物蒸散量变化特征及主要气象因子的贡献分析[J]. 中国农业气象，2013，34(6)：661－667. Wang Xiaodong, Ma Xiaoqun, Xu Ying, et al. Variation of reference crop evapotransiration and contribution of main factors in the Huaihe Basin[J]. Chinese Journal of Agrome­teor­ology, 2013, 34(6): 661－667. (in Chinese with English abstract)

[22] 杨家栋，谢科进. 统计学[M]. 北京：高等教育出版社，2001：224－231.

[23] 方积乾. 医学统计学与电脑实验[M]. 上海：上海科学技术出版社，2006，205－219.

[24] 邓聚龙. 灰色系统基本方法[M]. 武汉：华中理工大学出版社，1988：17－42.

[25] 尹云鹤，吴绍洪，戴尔阜. 1971～2008年我国潜在蒸散时空演变的归因[J]. 科学通报，2010，55(22)：2226－2234. Yin Yunhe, Wu Shaohong, Dai Erfu. Determining factors in potential evapotranspiration changes over china in the period 1971-2008[J]. Chinese Science Bulletin, 2010, 55(22): 2226－2234. (in Chinese with English abstract)

[26] 高歌，陈德亮，任国玉，等. 1956～2000年中国潜在蒸散量变化趋势[J]. 地理研究，2006，25(3)：378－387. Gao Ge, Chen Deliang, Ren Guoyu, et al. Trend of potential evapotranspiration over china during 1956 to 2000[J]. Geographical Research, 2006, 25(3): 378－387. (in Chinese with English abstract)

[27] 刘小莽，郑红星，刘昌明，等. 海河流域潜在蒸散发的气候敏感性分析[J]. 资源科学，2009，31(9)：1470－1776. Liu Xiaomang, Zheng Hongxing, Liu Changming, et al. Sensitivity of the potential evapotranspiration to key climatic variables in the Haihe River Basin[J]. Resources Science，2009, 31(9): 1470－1476. (in Chinese with English abstract)

[28] 刘勤，严昌荣，赵彩霞，等. 黄河流域日潜在蒸散量变化及气象敏感要素分析[J]. 农业工程学报，2014，30(17)：157－166. Liu Qin, Yan Changrong, Zhao Caixia, et al. Changes of daily potential evapotranspiration and analysis of its sensi­tivity coefficients to key climatic variables in Yellow River basin[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(17): 157－166. (in Chinese with English abstract)

[29] 曹红霞，粟晓玲，康绍忠，等. 关中地区气候变化对主要作物需水量影响的研究[J]. 灌溉排水学报，2008，27(4)：6－9. Cao Hongxia, Su Xiaoling, Kang Shaozhong, et al. Effect of climate change on main crop water requirements in Guanzhong region[J]. Journal of Irrigation and Drainage, 2008, 27(4): 6－9. (in Chinese with English abstract)

[30] 孙聪影，粟晓玲. 气候变化对河西地区参考作物蒸发蒸腾量的影响[J]. 西北农林科技大学学报，2011，39(12)：219－227. Sun Congying, Su Xiaoling. Impact of climate change on reference crop evapotranspiration in Hexi region[J]. Journal of Northwest A & F University, 2011, 39(12): 219－227. (in Chinese with English abstract)

[31] 任国玉，郭军. 中国水面蒸发量的变化[J]. 自然资源学报，2006，21(1)：31－44. Ren Guoyu, Guo Jun. Change in Pan evaporation and influ­en­tial factors over china: 1956-2000[J]. Journal of Natural Resources, 2006, 21(1): 31－44. (in Chinese with English abstract)

[32] 申双和，盛琼. 45年来中国蒸发皿蒸发量的变化特征及其成因[J]. 气象学报，2008，66(3)：452－460. Shen Shuanghe, Sheng Qiong. Changes in pan evaporation and its cause in china in the last 45 years[J]. Acta Mete­orologica Sinica, 2008, 66(3): 452－460. (in Chinese with English abstract)

[33] 李春强，洪克勤，李保国. 河北省近35年(1965-1999年)参考作物蒸散量的时空变化[J]. 中国农业气象，2008，29(4)：414－419. Li Chunqiang, Hong Keqin, Li Baoguo. Analysis of temporal-spatial variations of reference evapotranspiration during 1965 and 1999 in Hebei province[J]. Chinese Journal of Agrometeorology, 2008, 29(4): 414－419. (in Chinese with English abstract)

[34] 张山清，普宗朝. 新疆参考作物蒸散量时空变化分析[J].农业工程学报，2011，27(5)：73－79. Zhang Shanqing, Pu Zongchao. Temporal and spatial varia­tion characteristics of reference evapotranspiration in Xinjiang[J]. Transactions of the Chinese Society of Agricul­tural Engineering (Transactions of the CSAE), 2011, 27(5): 73－79. (in Chinese with English abstract)

宋 妮，申孝军，陈智芳，王景雷，刘祖贵.基于不同数理统计方法的河南省ET0气候影响因素分析[J]. 农业工程学报，2017，33(23)：145－156. doi：10.11975/j.issn.1002-6819.2017.23.019 http://www.tcsae.org

Song Ni, Shen Xiaojun, Chen Zhifang, Wang Jinglei, Liu Zugui.Evaluation of meteorological factors influencing reference crop evapotranspiration based on different methods of mathematical statistics in Henan province [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(23): 145－156. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.23.019 http://www.tcsae.org

Evaluation of meteorological factors influencing reference crop evapotranspiration based on different methods of mathematical statistics in Henan province

Song Ni, Shen Xiaojun, Chen Zhifang, Wang Jinglei※, Liu Zugui

(1.453002,; 2.453002,)

To determine the main meteorological factors affecting the inter-annual variability of ET0is the basis of accurate estimation of crop water requirement in the future, and is also of great significance in dealing with the climate change for agricultural production. In this paper, we investigated the factors affecting reference crop evapotranspiration (ET0) based on different mathematical statistic methods in Henan province. The evaluation results from the different methods were compared with the actual variation trend of ET0and each factor. The effective method should be consistent with the trend. From common methods, we selected 5 methods to evaluate the effects of 7 meteorological factors on the inter-annual variability of ET0based on the meteorological data of 17 stations in Henan province. The 5 methods included the correlation method, partial correlation method, dominant method, stepwise regression analysis, grey correlation analysis based on numerical average, numerical initial and numerical standardization data. The data were on the highest temperature, the lowest temperature, average temperature, relative humidity, precipitation, wind speed and sunshine hours. They were from meteorological stations. The annual average of daily ET0was calculated by the Penman-Monteith method. The result showed that the influential factors based on the 5 methods were different for each station. By considering the trend of ET0and each factor during a long term, we obtained the main factors affecting ET0in Henan. The sunshine was the primary factor for Shangqiu, Xuchang, Lushi, Xixia, Nanyang, Zhumadian, Xinyang, and Gushi stations. The wind speed was the primary factor for Anyang, Xinxiang, Kaifeng, Zhengzhou, Luanchuan and Mengjin station. In the other stations, sunshine and wind speed were both the primary factor. In sum, the sunshine and wind speed were the main factors affecting reference crop evapotranspiration in Henan province, the average wind speed was more important than the other factors in the northern region of the Yellow River, but the sunshine was more important in the southern area of the Yellow River. The impact of the high temperature could not be ignored in the estimation of ET0at Xinyang and Xixia stations. There were great differences in evaluation results among 5 methods. Grey correlation analysis method was not suitable for the evaluation of the main factors influencing ET0variation because of the different results with different data transformation. Stepwise regression analysis was not suitable either because there were many differences between actual and prospective trend of ET0based on the change trend of meteorological elements in each station. Correlation analysis, partial correlation analysis and dominant analysis were suitable to determine the main factors influencing ET0variation in a given area with small difference in its conclusion and uniform results. Furthermore, dominant analysis method was adopted to rank meteorological factors influencing ET0variation and its actual ET0was consistent with the predicting trend of ET0, so it can be used to evaluate the sequence of meteorological factors affecting ET0changes in each station. However, the dominant method should be assisted by the results from the correlation and partial correlation method since it could not obtain the correlation between ET0and each factor. It was suggested that correlation analysis and partial correlation analysis method could be adopted to analyze the relationship between each factor and ET0in order to get credible results.

evapotranspiration;correlation analysis; dominant analysis; partial correlation analysis; main influence factor; Henan province

10.11975/j.issn.1002-6819.2017.23.019

S161

A

1002-6819(2017)-23-0145-12

2017-07-06

2017-10-10

国家自然科学基金项目（51609245、51309227）；水利部公益性行业专项（201501016-2）；河南省基础与前沿技术研究（162300410168）；中央级科研院所基本科研业务费专项资助项目（FIRI2017-07）

宋 妮，陕西西安人，副研究员，主要从事气候变化对作物需水的影响研究。Email：ngssongni@163.com

王景雷，河南开封人，研究员，主要从事农业节水和水资源高效利用研究。Email：firiwjl@126.com