Evapotranspiration is a key component of the hydrological cycle. It is important to understand the features of the variation of potential evapotranspiration and the impacts of its drivers to estimate regional water consumption. The Huang–Huai–Hai (HHH) River Basin is comprised of three major rivers (the Yellow, Huai and Hai) and has been threatened by water shortages and huge consumption of water for agricultural and industrial development. In this study of the Huang–Huai–Hai (HHH) River Basin, potential evapotranspiration ( E 0 ) across the basin was calculated using the Penman–Monteith model, and their changing characteristics were detected by using the Mann–Kendall test. The test was based on the daily climatic variables from 1965 to 2014 at 175 meteorological gauges. In addition, the influential effect of net radiation ( R n ), relative humidity (RHU), wind speed (WIN), mean, maximum and minimum air temperature ( T a , T max and T min ) on E 0 were analyzed by using the climate elasticity method, with their relative contribution to the changes of E 0 quantitatively revealed by using the multiple linear regression method. The results showed that R n , WIN, RHU and T a are the predominant climatic predictors that are more influential to E 0 while T max and T min have the least impact. The increase in annual E 0 in the period of 1985–2014 in the HHH River Basin was mainly attributed to the significantly increasing T a , which may greatly offset the effect of decreasing WIN and R n . The decrease of annual E 0 in the period of 1965–2014 in the middle area of the basin was mainly attributed to the falling WIN and R n .

中文翻译：

---

黄淮海流域潜在蒸散量变化特征及归因分析

蒸散是水文循环的关键组成部分。了解潜在蒸散量变化的特征及其驱动因素对估计区域用水量的影响非常重要。黄淮海（HHH）流域由三大河流（黄河、淮河和海河）组成，面临着水资源短缺和农业和工业发展耗水量巨大的威胁。在黄淮海 (HHH) 流域的研究中，流域的潜在蒸散量 (E 0 ) 使用 Penman-Monteith 模型计算，并使用 Mann-Kendall 检验检测其变化特征。该测试基于 1965 年至 2014 年在 175 个气象仪表上的日常气候变量。此外，净辐射（Rn）的影响，使用气候弹性方法分析了E 0 上的相对湿度（RHU）、风速（WIN）、平均、最高和最低气温（T a 、T max 和T min ），以及它们对E 变化的相对贡献0 使用多元线性回归方法定量揭示。结果表明，R n 、WIN、RHU 和T a 是对E 0 影响更大的主要气候预测因子，而T max 和T min 的影响最小。1985-2014年HHH流域年E 0 的增加主要归因于T a 的显着增加，这可能会大大抵消WIN和R n 下降的影响。流域中部地区1965-2014年E 0 年均下降的主要原因是WIN和R n 下降。使用气候弹性方法分析了E 0 上的最高和最低气温（T a 、T max 和T min ），并通过多元线性回归方法定量揭示了它们对E 0 变化的相对贡献。结果表明，R n 、WIN、RHU 和T a 是对E 0 影响更大的主要气候预测因子，而T max 和T min 的影响最小。1985-2014年HHH流域年E 0 的增加主要归因于T a 的显着增加，这可能会大大抵消WIN和R n 下降的影响。流域中部地区1965-2014年E 0 年均下降的主要原因是WIN和R n 下降。使用气候弹性方法分析了E 0 上的最高和最低气温（T a 、T max 和T min ），并通过多元线性回归方法定量揭示了它们对E 0 变化的相对贡献。结果表明，R n 、WIN、RHU 和T a 是对E 0 影响更大的主要气候预测因子，而T max 和T min 的影响最小。1985-2014年HHH流域年E 0 的增加主要归因于T a 的显着增加，这可能会大大抵消WIN和R n 下降的影响。流域中部地区1965-2014年E 0 年均下降的主要原因是WIN和R n 下降。用多元线性回归方法定量揭示它们对 E 0 变化的相对贡献。结果表明，R n 、WIN、RHU 和T a 是对E 0 影响更大的主要气候预测因子，而T max 和T min 的影响最小。1985-2014年HHH流域年E 0 的增加主要归因于T a 的显着增加，这可能会大大抵消WIN和R n 下降的影响。流域中部地区1965-2014年E 0 年均下降的主要原因是WIN和R n 下降。用多元线性回归方法定量揭示它们对 E 0 变化的相对贡献。结果表明，R n 、WIN、RHU 和T a 是对E 0 影响更大的主要气候预测因子，而T max 和T min 的影响最小。1985-2014年HHH流域年E 0 的增加主要归因于T a 的显着增加，这可能会大大抵消WIN和R n 下降的影响。流域中部地区1965-2014年E 0 年均下降的主要原因是WIN和R n 下降。RHU 和T a 是对E 0 影响更大的主要气候预测因子，而T max 和T min 的影响最小。1985-2014年HHH流域年E 0 的增加主要归因于T a 的显着增加，这可能会大大抵消WIN和R n 下降的影响。流域中部地区1965-2014年E 0 年均下降的主要原因是WIN和R n 下降。RHU 和T a 是对E 0 影响更大的主要气候预测因子，而T max 和T min 的影响最小。1985-2014年HHH流域年E 0 的增加主要归因于T a 的显着增加，这可能会大大抵消WIN和R n 下降的影响。流域中部地区1965-2014年E 0 年均下降的主要原因是WIN和R n 下降。