2. 安徽省大气科学与卫星遥感重点实验室/安徽省气象局 合肥 230031;
3. 安徽省公共气象服务中心/安徽省气象局 合肥 230031
2. Anhui Key Laboratory of Atmospheric Science and Satellite Remote Sensing/Anhui Meteorological Administration, Hefei 230031, China;
3. Anhui Public Meteorological Service Center/Anhui Meteorological Administration, Hefei 230031, China
随着全球气候变暖以及人口剧增, 粮食安全面临的形势将更加严峻[1-2]。气候条件与农业生产密切相关, 特定气候条件下所能承载的粮食产量乃至人口数量存在着一定的上限, 即气候生产潜力[3]。一般认为气候生产潜力的研究始于20世纪20年代基于光能和光合利用率评价光合生产潜力, 到20世纪60年代采用量子效率法计算光合生产潜力的研究取得了较大进展[4]。在此基础上, 进一步考虑了温度对作物生产潜力的影响逐步转移到光温生产潜力的研究[5], 并提出了一些经验公式。目前, 通过综合考虑光、温、水等多种因子形成了不同的气候生产潜力评价方法, 例如Tharnthwaite-Memorial模型[6]、迈阿密模型[7]、逐级订正法[8]以及农业生态区法[9]等, 这些研究成果为作物气候生产潜力的评估提供了重要技术手段和方法依据。由于作物气候生产潜力受气温、降水、光照等要素的调控影响, 而已有研究表明在气候变化背景下相应的气象要素的时空分布格局均发生了不同程度的变化[10], 从而直接影响了作物的气候生产潜力, 进而对农业生产以及粮食安全也构成一定威胁[11]。因此, 为有效应对气候变化、保障粮食安全, 有必要分析气候生产潜力对气候变化的响应特征, 科学评估气候条件对农业生产和粮食供给的承载能力。
对农业生产而言, 气候不仅具有资源属性, 不利的气候条件还会带来灾害性后果。因此, 在研究气候生产潜力的同时, 也有必要分析气候条件对作物生产的胁迫影响。特别是在气候变化和社会经济快速发展的双重影响下, 气候条件的致灾效应、承灾体的暴露度和脆弱性都在发生改变, 不利气候条件对农业生产的破坏能力不容忽视[12], 这就更需要我们关注气候的双重属性, 系统分析气候条件与农业生产的关系, 从气候资源供给、灾害风险等角度, 识别并确定农业气候资源配置与灾害风险的分布, 从而为综合评估作物种植的气候适宜性、保障粮食生产的高产稳产提供科学依据。
小麦(Triticum aestivum)是我国的主要粮食作物之一, 已有研究表明气候变化对小麦种植产生了重要影响[13-14]。虽然已有较多的研究探讨了粮食作物气候生产潜力对气候变化的响应, 但对于小麦的针对性评估仍然较为欠缺, 并且在计算过程中对不同生育期作物生长参数考虑不足, 指标的物理意义和评估精细化方面还存在不足。此外如何将气候资源供给和气候胁迫风险有效融合, 进而来反映气候条件的综合影响方面仍有待进一步研究。安徽省是我国黄淮海及长江中下游粮食主产区的重要组成部分, 冬小麦是该地区主要作物之一, 在气候变化背景下, 该地区的光温水等农业气候条件已发生了显著变化[15-17], 但是冬小麦气候生产潜力和胁迫风险对气候变化的响应特征仍不明确。
鉴于以上所述, 本研究以安徽省冬小麦为研究对象, 以逐级订正法为思路, 应用作物生长动态参数计算冬小麦气候生产潜力, 分析气候胁迫影响及其对气候风险的贡献, 探讨农业气候资源和气候风险对气候变化的动态响应, 最后融合这两方面要素评估冬小麦种植的气候适宜性, 并形成一套逻辑明晰、意义明确的综合评价指标, 为科学布局农业生产、合理利用气候资源、规避气候风险提供科技支撑。
1 资料与方法 1.1 研究区概况及资料来源安徽地处暖温带与亚热带过渡地区, 气候多变。省内地形地貌呈现多样性, 长江和淮河自西向东横贯全境, 全省面积2/3为山地和丘陵, 下垫面条件复杂, 根据全省地形地貌特点分成8个分区(图 1a)。由于地处气候过渡带的特点, 安徽省作物种植制度南北差异较大, 对于冬小麦而言, 其种植范围分布较广, 但主要种植区以淮北和沿淮等地区为主(图 1b)。
本文所采用的数据来源于安徽省气象信息中心, 包括安徽省77个气象台站1961—2015年逐日降水量、气温(平均、最高及最低)、日照时数、相对湿度、平均风速等资料序列。
1.2 气候生产潜力计算方法本文采用“逐级订正法”计算气候生产潜力, 首先从太阳总辐射出发, 求出作物的光合生产潜力; 然后根据温度、水分这2个主要限制因子对光合生产潜力进行逐级订正, 得到光温生产潜力和光温水生产潜力, 其中光温水生产潜力即通常所称的气候生产潜力。对于冬小麦而言, 气候生产潜力的计算方法如下:
1.2.1 光合生产潜力光合生产潜力可反映作物潜在光合生产力的地域分布特征, 计算公式[18]如下:
$ {Y_{\rm{q}}} = C \times f(Q) \times \sum {{Q_i}} $ | (1) |
式中: Yq为光合生产潜力(kg∙hm-2); C为单位换算系数;
$ f(Q) = \frac{{\Omega \varepsilon \varphi (1 - \alpha ) \times (1 - \beta ) \times (1 - \rho ) \times (1 - \gamma ) \times (1 - \omega ) \times f(L)E}}{{q(1 - \eta ) \times (1 - \xi )}} $ | (2) |
光温生产潜力是在光合生产潜力的基础上, 经过温度订正进行计算得到, 公式如下:
$ {Y_{\rm{t}}} = f(T) \times {Y_{\rm{q}}} $ | (3) |
式中: f(T)为温度订正系数, 有学者分别对C3和C4作物, 以及喜凉作物和喜温作物采用不同的线性函数进行温度有效系数修正[20-21]。也有学者采用非线性函数开展修正[19, 22]。这里采用非线性修正方法, 如式(5)所示。
$ f(T) = \frac{{(T - {T_1}) \times {{({T_2} - T)}^B}}}{{({T_0} - {T_1}) \times {{({T_2} - {T_0})}^B}}} $ | (4) |
$B = \frac{{{T_2} - {T_0}}}{{{T_0} - {T_1}}}$ | (5) |
式中: T是某一段时间的平均气温, T0、T1、T2分别是该段时间作物产量形成的最适温度、生长发育的下限温度和上限温度。采用的作物不同时期三基点温度参照已有研究成果, 如表 2所示。
在光温生产潜力的基础上, 经过水分订正计算, 得到小麦各生育期的气候生产潜力, 进行累加得到全生育期气候生产潜力, 公式如下:
$ {Y_{\rm{w}}} = f(W) \times {Y_{\rm{t}}} $ | (6) |
式中: f(W)为水分订正系数, 依据降水量、蒸散量以及作物生长期、作物种类、作物需水系数和作物产量水分反应系数等参数计算得到[23], 以往研究中一般只考虑水分亏缺对产量的影响, 结合生产实际和气候条件影响, 本文进一步考虑水分过剩对旱作作物产量的负面影响[24]。因此, 水分订正系数如下式:
$ f(W) = \left\{ \begin{array}{l} 1 - {K_{\rm{y}}}\left( {1 - \frac{P}{{{K_{\rm{c}}}{\rm{E}}{{\rm{T}}_0}}}} \right)\;\;\;\;\;\left( {P < {K_{\rm{c}}}{\rm{E}}{{\rm{T}}_0}} \right)\\ 1 - {K_{\rm{m}}}\left( {\frac{P}{{{K_{\rm{c}}}{\rm{E}}{{\rm{T}}_0}}} - 1} \right)\;\;\;\;\left( {P \ge {K_{\rm{c}}}{\rm{E}}{{\rm{T}}_0}} \right) \end{array} \right. $ | (7) |
式中: P为作物生育期降水量(mm); ET0为作物生育期潜在蒸散量(mm), 由FAO Penman-monteith方法求得; Kc为作物系数; Ky为作物水分亏缺的产量敏感系数; Km为水分过剩的产量敏感系数。各生育期的相关参数如表 3所示。
根据气候生产潜力的计算方法可知, 由于在作物生长发育过程中, 热量和水分等气候条件并不能总是保持在最适条件, 因此对生产潜力造成了一定限制和约束。本文按气候条件的多寡丰欠情况及其对作物生长发育的胁迫影响, 将气候胁迫主要分为4个方面, 即:高温、低温、雨涝、干旱。
首先对于高温的胁迫影响, 主要考虑在作物不同生育期内, 由于气温高于作物生长发育的最适温度条件而导致的可能减产。计算方法如下:
$ {S_{{\rm{ht}}}} = \frac{{\sum {{V_{{\rm{ht}}i}}} }}{{\sum {{Y_{{\rm{q}}i}}} }} \times 100\% $ | (8) |
$ {V_{{\rm{ht}}i}} = \left\{ \begin{array}{l} \left[ {1 - f{{(T)}_i}} \right] \times {Y_{{\rm{q}}i}}\;\;\;\;(T \ge {T_0})\\ 0\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;(T < {T_0}) \end{array} \right. $ | (9) |
式中: Sht是定义的高温胁迫指数; Vhti是第i个生育期内由于气温偏高导致的可能减产量; Yqi是第i个生育期内的光合生产潜力; f(T)i是第i个生育期内的温度订正系数, 计算方法见式(4); T0是该段生育期内作物产量形成的最适温度。
对于低温胁迫影响, 计算方法类似高温胁迫, 主要考虑在作物不同生育期内, 由于气温低于作物生长发育的最适温度条件而导致的可能减产。计算方法如下:
$ {S_{{\rm{lt}}}} = \frac{{\sum {{V_{{\rm{lt}}i}}} }}{{\sum {{Y_{{\rm{q}}i}}} }} \times 100\% $ | (10) |
$ {V_{{\rm{lt}}i}} = \left\{ \begin{array}{l} [1 - f{(T)_i}] \times {Y_{{\rm{q}}i}}\;\;\;\;(T \le {T_0})\\ 0\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;(T > {T_0}) \end{array} \right. $ | (11) |
式中: Slt是定义的低温胁迫指数, Vlti是第i个生育期内由于气温偏低导致的可能减产量。
雨涝胁迫影响的计算主要是考虑作物不同生育期内由于水分过剩导致的可能减产量, 从气候生产潜力与光温生产潜力之间的差异出发来进行计算, 具体方法如下:
$ {S_{{\rm{hw}}}} = \frac{{\sum {{V_{{\rm{hw}}i}}} }}{{\sum {{Y_{{\rm{q}}i}}} }} \times 100\% $ | (12) |
$ {V_{{\rm{hw}}i}} = \left\{ \begin{array}{l} [1 - f{(W)_i}] \times {Y_{{\rm{t}}i}}\;\;\;(P \ge {K_{\rm{c}}}{\rm{E}}{{\rm{T}}_0})\\ 0\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;(P < {K_{\rm{c}}}{\rm{E}}{{\rm{T}}_0}) \end{array} \right. $ | (13) |
式中: Shw是定义的雨涝胁迫指数, Vhwi是第i个生育期内由于水分过剩导致可能减产量, Yti是第i个生育期内的光温生产潜力, f(W)i是第i个生育期内的水分订正系数, 计算方法见式(7)。
干旱胁迫影响的计算方法类似雨涝, 主要考虑作物生长发育过程中由于水分亏缺造成的减产影响。具体方法如下:
$ {S_{{\rm{lw}}}} = \frac{{\sum {{V_{{\rm{lw}}i}}} }}{{\sum {{Y_{{\rm{q}}i}}} }} \times 100\% $ | (14) |
$ {V_{{\rm{lw}}i}} = \left\{ \begin{array}{l} [1 - f{(W)_i}] \times {Y_{{\rm{t}}i}}\;\;\;\;(P \le {K_{\rm{c}}}{\rm{E}}{{\rm{T}}_0})\\ 0\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;(P > {K_{\rm{c}}}{\rm{E}}{{\rm{T}}_0}) \end{array} \right. $ | (15) |
式中: Slw是定义的干旱胁迫指数, Vlwi是第i个生育期内由于水分亏缺导致的可能减产量。
1.4 气候风险计算方法采用超越概率的方法来计算高温、低温、雨涝和干旱胁迫大于某一临界值的概率, 来反映气候条件波动带来的气候风险, 具体计算方法如下:
$ R = \frac{{\sum {({S_i} \times {R_i})} }}{{\sum {{S_i}} }} $ | (16) |
$ {R_i} = {P_i}(X > {X_0}) $ | (17) |
式中: R为综合气候风险, Si为第i种气候胁迫指数, Ri为对应的该胁迫条件的气候风险概率, Pi()为概率分布函数, X0为临界值, 这里取两种临界值, 同时考虑气候条件在时空尺度上偏离带来的风险效应, 一种反映年际波动的风险效应, 取偏离多年平均值10%为临界值, 即多年均值的1.1倍; 另一种是考虑空间上胁迫水平偏离的风险效应, 即多站平均值的1.1倍作为临界值。由两种临界值得到超越概率进行平均得到该种胁迫条件的气候风险值。
对于概率分布函数的选取, 以往的研究多以正态分布为主, 但本研究通过Kolmogorov-Smirnov检验[25]发现对于部分站点其样本序列未通过正态性检验, 因此这里采用核密度估计(kernel density estimation)[26]来进行各站点不同胁迫条件样本序列的分布拟合, 核密度估计是一种用于估计概率密度函数的非参数方法, x1, x2, …, xn为独立同分布F的n个样本点, 设其概率密度函数为f, 核密度估计如下:
$ {\hat f_h}(x) = \frac{1}{n}\sum\limits_{i = 1}^n {{K_h}(x - {x_i}) = } \frac{1}{{nh}}\sum\limits_{i = 1}^n {K\left( {\frac{{x - {x_i}}}{h}} \right)} $ | (18) |
式中: K()为核函数(非负、积分为1, 符合概率密度性质, 并且均值为0), h > 0为一个平滑参数, 称作带宽(bandwidth)。核密度估计的效果主要依赖于核函数和带宽的选择, 本文选择Gaussian函数作为核函数, 采用积分均方根误差来选择和优化带宽。核密度估计和超越概率计算采用统计语言R实现。
1.5 气候适宜性计算方法作物种植的气候适宜性主要从高产性和稳产性指标来进行综合考虑, 高产性指标主要体现气候条件的资源属性, 采用气候生产潜力评估; 稳产性指标主要体现气候条件对农业生产的灾害属性, 采用气候风险指数来衡量, 最后综合两方面因素得到不同作物的气候适宜性评估指标。为实现不同指标的综合, 需要消除指标的量纲, 这里采用归一化的方法来计算。
1.5.1 高产性指标——气候生产潜力高产性指标指不同地区气候生产潜力的多年平均值, 气候生产潜力越高说明该地区潜在产量水平越高, 气候适宜程度越高。
$ {I_{{\rm{P}}i}} = \frac{{{Y_{{\rm{W}}i}} - \min ({Y_{\rm{W}}})}}{{\max ({Y_{\rm{W}}}) - \min ({Y_{\rm{W}}})}} $ | (19) |
式中: IPi是第i个站点的高产性指标, YWi是第i个站点的气候生产潜力多年平均值, max(YW)是全省气候生产潜力最大值, min(YW)是全省气候生产潜力最小值。
1.5.2 稳产性指标——气候风险稳产性指标指不同地区的气候风险指数, 气候风险越高说明该地区潜在产量波动越大, 气候胁迫越明显, 气候适宜程度越差。
$ {I_{{\rm{R}}i}} = \frac{{\max (R) - {R_i}}}{{\max (R) - \min (R)}} $ | (20) |
式中: IRi是第i个站点的稳产性指标, Ri是第i个站点的气候风险指数多年平均值, max(R)是全省气候风险指数大值, min(R)是全省气候风险指数最小值。
1.5.3 气候适宜性将高产性和稳产性指标进行平均, 得到作物种植气候适宜性的评价指标, 某站点的气候适宜性指标越高, 说明作物同时具有较好的高产性和稳产性。不同作物气候适宜性区划采用自然断点法(natural breaks)[27]进行等级划分, 得到高适宜、适宜、次适宜和低适宜4个等级。
2 结果与分析 2.1 气候生产潜力的时空变化特征1961—2015年安徽省冬小麦的平均光合生产潜力在空间上呈北高南低的分布特征(图 2a), 高值区主要位于淮北北部, 光合生产潜力达17 500 kg∙hm-2以上; 低值区主要位于皖南山区, 光合生产潜力基本小于16 000 kg∙hm-2。光温生产潜力则呈南北低、中间高的空间分布特征(图 2b), 高值区主要在沿淮一带, 光温生产潜力达16 000 kg∙hm-2以上; 而皖北和皖南地区的光温生产潜力则低于15 000 kg∙hm-2, 主要是淮北北部地区在冬小麦生育期内气温较低, 影响了生产潜力的提升。进一步考虑降水的影响, 可以看出气候生产潜力的空间分布特征与光温生产潜力类似(图 2c), 高值区同样位于沿淮地区, 气候生产潜力基本在13 000 kg∙hm-2以上; 而低值区则以淮北北部和皖南山区为主, 气候生产潜力低于11 000 kg∙hm-2。安徽省冬小麦气候生产潜力的空间分布特征与现有种植分布(图 1)总体匹配较好, 冬小麦种植比例较高地区的气候生产潜力也较高, 有利于气候资源的有效利用和发挥。
1961—2015年安徽省冬小麦光合生产潜力呈显著下降趋势, 其多年平均值为16 568 kg∙hm-2, 以每10年234 kg∙hm-2的线性趋势减少(图 3a)。全省光温生产潜力多年平均值为15 541 kg∙hm-2。从与光合生产潜力对比来看, 安徽省热量条件总体较好, 对冬小麦生产潜力的约束较小, 光温生产潜力仅比光合生产潜力低8%左右。全省平均光温生产潜力变化趋势不显著, 表现出微弱的下降特征(图 3b)。1961—2015年安徽省冬小麦的气候生产潜力多年平均值为12 391 kg∙hm-2, 同样表现出微弱的下降趋势(图 3c), 与光温生产潜力比较可以看出, 水分条件是限制安徽省冬小麦生长的主要因素, 气候生产潜力仅占光温生产潜力的80%左右。
从各站点的变化趋势来看, 冬小麦光合生产潜力全省基本为一致的下降趋势, 大部分地区下降幅度均小于500 kg∙hm-2∙(10a)-1, 以淮北西部和江淮之间中部地区下降速度最高(图 4a)。光温生产潜力的气候倾向率空间差异较大, 淮北和沿淮东部地区多表现出显著的上升趋势, 而淮河以南地区则以下降为主(图 4b)。气候生产潜力的变化特征与光温生产潜力类似(图 4c), 由于安徽省冬小麦种植主要分布在北部地区, 因此这种南少北多的变化格局有利于农业气候资源的利用和冬小麦的生产。
由图 5a可知, 安徽省冬小麦生育期内高温对产量形成的胁迫总体较低, 基本在4%以下, 空间分布以沿江西部最高, 淮北和沿淮东部最低。相比于高温胁迫, 低温对冬小麦生长发育影响较大, 特别是淮北北部地区, 气温偏低对产量的影响超过12%, 说明该地区热量条件不足是限制冬小麦产量形成的重要因素(图 5b)。水分条件对冬小麦的胁迫影响总体大于热量条件, 空间分布基本与降水量一致, 雨涝胁迫从北向南递增(图 5c), 而干旱则是从南向北递增(图 5d), 对于冬小麦生长发育, 安徽省雨涝的影响总体大于干旱, 水分过剩尤其是淮河以南地区对冬小麦产量形成的胁迫影响较大。
由于气候变暖, 冬小麦生育期内高温胁迫影响显著上升(图 6a)。冬小麦主要种植区位于安徽北部, 其高温胁迫低于全省平均, 近50年来其高温胁迫影响也呈显著上升趋势, 但上升幅度弱于全省平均。同样由于气候变暖提升了热量条件, 冬小麦低温胁迫明显下降(图 6b), 主要种植区内低温影响也显著降低, 并且下降趋势强于全省平均, 说明冬小麦主要种植区内热量条件改善更加明显。由于冬小麦生育期内降水量变化不显著, 因此水分胁迫影响的变化均不明显, 雨涝和干旱无显著变化趋势(图 6c、6d), 均以年际波动为主。
从全省不同地区气候胁迫变化趋势的空间分布情况看, 对于高温而言, 全省均为上升趋势, 其中以沿江地区上升幅度最大, 而淮北和沿淮地区上升趋势较小(图 7a)。对于低温来说, 全省则为一致的下降趋势, 下降幅度最大的地区以淮北和沿淮地区为主, 沿江和江南地区下降趋势较小(图 7b)。结合安徽省冬小麦种植比例的分布来看, 气候变暖对安徽省冬小麦生长发育的热量条件有一定改善, 显著降低了低温胁迫, 而对高温胁迫的提升则相对较小。对于水分胁迫而言, 全省各地的雨涝和干旱影响均未表现出显著的变化趋势(图 7c、d)。
安徽省冬小麦生长发育的气候风险呈现中间低, 两头高的分布特征, 以沿淮和江淮之间风险最低, 淮北北部和江南南部风险较高(图 8a); 气候风险的空间分布特征与气候生产潜力基本一致, 气候风险较低的地区与冬小麦的主要种植区分布也较为吻合, 但需注意淮北北部地区气候风险较高。进一步看不同地区气候胁迫条件对气候风险的贡献, 安徽省南北地区气候风险的构成类型迥异, 北方地区主要以干旱和低温贡献为主, 而淮河以南地区则以雨涝影响为主, 同时沿江地区气温偏高也对冬小麦生长发育造成了较明显的减产风险(图 8b)。
综合气候生产潜力和气候风险得到安徽省冬小麦的气候适宜性区划(图 9), 其空间分布基本呈南北低、中间高的格局。安徽省冬小麦生育期(10月—翌年5月)光热资源充沛, 基本能够满足冬小麦生长需求, 而降水是主要限制因子。高适宜区主要位于沿淮和江淮之间, 这些地区光温水条件配合较好, 有利于小麦生长发育。低适宜区主要分布在淮北北部和江南南部地区, 淮北北部在冬小麦生育期内降水量小于300 mm, 水分条件不足对冬小麦生长发育造成胁迫; 而江南南部地区降水量超过700 mm, 水分过剩易形成涝渍影响冬小麦生产。虽然淮北北部水分不足, 但通过灌溉可以基本解决, 并且该地区光照资源丰富, 有利于提高冬小麦产量, 因此淮北北部仍是冬小麦的主要产区; 水分过多导致南方涝渍的威胁更加突出。结合冬小麦的种植分布, 可以看出安徽省气候条件对冬小麦生产的承载能力总体较好, 只是在淮北北部地区需加强灌溉, 以缓解水分条件不足的限制。
安徽省冬小麦气候生产潜力的空间分布特征是由光、温、水条件综合作用形成, 已有研究表明, 安徽省日照时数呈北高南低的特征[17], 虽然天文辐射量按纬度由南向北递减, 但是由于皖南地区气候湿润, 地形复杂, 日照百分率较低, 导致到达地表的太阳辐射量总体偏低, 影响了光合生产潜力。而热量和降水条件则呈相反的空间分布特征[8], 因而形成了南北低、中间高的气候生产潜力格局。从变化趋势上看, 安徽省冬小麦气候生产潜力为弱的下降趋势, 与已有研究[8]以及周边河南[9]、江苏[28]等地区类似。日照时数的减少[17]导致安徽省冬小麦光合生产潜力显著下降。钟章奇等[29]研究也发现长江中下游地区光合潜力系数下降是导致该地区农业生产潜力减少的主要因素; 但气候变化使热量条件得到改善[8, 28], 冬小麦生育期内降水量变化趋势不明显[15], 因此气候生产潜力下降的趋势并不显著。
从气候胁迫指数看, 水分条件是约束安徽省冬小麦气候生产潜力的主要因素, 总体呈现南涝北旱的气候风险类型。姚筠等[30]研究表明淮河流域冬小麦生育期间降水量不足, 且降水变异系数大, 构成了对气候生产潜力的双重限制, 这与本文中沿淮和淮北地区干旱是冬小麦气候风险主要贡献的结论一致。吴洪颜等[31]研究表明长江中下游地区冬小麦春季涝渍害频发于沿江及以南地区, 涝渍害灾损风险较高; 李亚男等[32]研究也发现沿江及江南地区冬小麦连阴雨灾害胁迫等级较高。此外, 淮河以北地区低温胁迫对气候风险的贡献也较为显著, 马尚谦等[33]研究也发现淮河流域冬小麦受霜冻影响较显著, 霜冻害危险指数较高。
在已有研究中多是从气候资源或者灾害风险等单一角度来分析气候条件对冬小麦种植的影响, 本文结合了气候资源和风险两方面来综合评估冬小麦种植的气候适宜性, 并探讨了不同地区的气候约束和胁迫条件, 对作物生产布局和防范风险更具指导意义。由于本文主要从宏观角度进行分析, 在假定品种以及生育期等参数不变的前提下开展研究, 但实际上品种更替[34]、生育期变化[35]等通过改变光量子效率等参数从而影响到生产潜力以及气候风险的计算。此外采用的计算方法和参数多基于经验模型, 机理性有所欠缺, 未来研究中应细化不同品种的作物参数, 加强作物物候对气候变化的响应分析, 开展不同模型的适用性比较, 增强研究的机理性从而提出更有针对性的建议。
4 结论在逐级订正法的基础上进一步考虑作物不同阶段生长发育特点, 建立了作物生长动态统计模型估算冬小麦的光合生产潜力、光温生产潜力和气候生产潜力, 分析了气候变化对气候生产潜力的影响。安徽省冬小麦气候生产潜力呈南北低、中间高的分布特征, 1961—2015年淮北和沿淮东部地区多表现出显著的上升趋势, 而淮河以南地区则以下降为主。相比于热量条件, 水分条件对冬小麦生产潜力的约束更明显, 由于降水的年代波动较强, 增加了气候生产潜力的不稳定性。
通过考虑在作物生长发育过程中因热量和水分等气候条件偏离最适区间而导致的胁迫影响, 建立了高温、低温、雨涝、干旱4种气候胁迫的评估指标, 并基于气候胁迫的超越概率形成了冬小麦气候风险评价方法。安徽省冬小麦生长发育的气候胁迫影响在淮北地区以低温和干旱为主, 而淮河以南地区雨涝的胁迫影响较大, 水分条件盈亏的影响总体大于热量条件。1961—2015年气候变暖使研究区冬小麦高温胁迫显著上升, 低温胁迫显著下降, 水分胁迫无显著的变化趋势。安徽省冬小麦的气候风险呈现中间低, 两头高的分布特征, 以沿淮和江淮之间风险最低, 淮北北部和江南南部风险较高, 南北地区气候风险的构成类型迥异, 北方地区主要以干旱和低温贡献为主, 而淮河以南地区则以雨涝风险为主。
从气候条件对作物高产和稳产影响的角度, 融合气候生产潜力和气候胁迫风险综合评估了冬小麦的气候适宜性。安徽省冬小麦的气候适宜性呈南北低、中间高的空间格局, 降水是影响冬小麦气候适宜的主要因素。从气候适宜性角度看, 气候条件对安徽省冬小麦生产的承载能力总体较好, 但同时也需要关注部分低适宜区的气候风险, 种植结构仍有一定的优化调整空间, 从而充分发挥不同地区的气候优势, 规避气候风险。
[1] |
谢立勇, 李悦, 徐玉秀, 等. 气候变化对农业生产与粮食安全影响的新认知[J]. 气候变化研究进展, 2014, 10(4): 235-239. XIE L Y, LI Y, XU Y X, et al. Updated understanding on the impacts of climate change on food production and food security[J]. Advances in Climate Change Research, 2014, 10(4): 235-239. DOI:10.3969/j.issn.1673-1719.2014.04.001 |
[2] |
PIAO S L, CIAIS P, HUANG Y, et al. The impacts of climate change on water resources and agriculture in China[J]. Nature, 2010, 467(7311): 43-51. DOI:10.1038/nature09364 |
[3] |
邓根云. 气候生产潜力的季节分配与玉米的最佳播期[J]. 气象学报, 1986, 44(2): 192-198. DENG G Y. The seasonal distribution of climatic potential productivity and the optimum seeding time of maize[J]. Acta Meteorologica Sinica, 1986, 44(2): 192-198. |
[4] |
BONNER J. The upper limit of crop yield[J]. Science, 1962, 137(3523): 11-15. DOI:10.1126/science.137.3523.11 |
[5] |
DE WIT C T. Simulation of Assimilation, Respiration and Transpiration of Crops[M]. Wageningen: Wageningen Centre for Agricultural Publishing and Documentation, 1978.
|
[6] |
白美兰, 郝润全, 高建国, 等. 内蒙古地区气候资源生产潜力及其人口承载力分析评估[J]. 干旱地区农业研究, 2010, 28(6): 253-257. BAI M L, HAO R Q, GAO J G, et al. Climatic resources potential productivity and its population capacity evaluation in Inner Mongolia[J]. Agricultural Research in the Arid Areas, 2010, 28(6): 253-257. |
[7] |
李艳春. 宁夏干旱区气候承载力分布特征分析[J]. 干旱区资源与环境, 2010, 24(8): 96-99. LI Y C. Climate capacity distribution characteristics in Ningxia arid area[J]. Journal of Arid Land Resources and Environment, 2010, 24(8): 96-99. |
[8] |
卢燕宇, 王胜, 田红, 等. 近50年安徽省气候生产潜力演变及粮食安全气候承载力评估[J]. 长江流域资源与环境, 2017, 26(3): 428-435. LU Y Y, WANG S, TIAN H, et al. Spatial and temporal variation of climatic potential productivity and its population capacity of food supply in Anhui Province[J]. Resources and Environment in the Yangtze Basin, 2017, 26(3): 428-435. DOI:10.11870/cjlyzyyhj201703013 |
[9] |
王连喜, 卢媛媛, 李琪, 等. 基于AEZ模型的河南省冬小麦产量差时空特征分析[J]. 中国生态农业学报, 2018, 26(4): 547-558. WANG L X, LU Y Y, LI Q, et al. Spatio-temporal analysis of winter wheat yield gaps in Henan Province using AEZ model[J]. Chinese Journal of Eco-Agriculture, 2018, 26(4): 547-558. |
[10] |
丁一汇, 任国玉, 石广玉, 等. 气候变化国家评估报告(Ⅰ):中国气候变化的历史和未来趋势[J]. 气候变化研究进展, 2006, 2(1): 3-8. DING Y H, REN G Y, SHI G Y, et al. National assessment report of climate change (Ⅰ):climate change in China and its future trend[J]. Advances in Climate Change Research, 2006, 2(1): 3-8. DOI:10.3969/j.issn.1673-1719.2006.01.001 |
[11] |
葛亚宁, 刘洛, 徐新良, 等. 近50a气候变化背景下我国玉米生产潜力时空演变特征[J]. 自然资源学报, 2015, 30(5): 784-795. GE Y N, LIU L, XU X L, et al. Temporal and spatial variations of Chinese maize production potential on the background of climate change during 1960-2010[J]. Journal of Natural Resources, 2015, 30(5): 784-795. |
[12] |
李祎君, 王春乙, 赵蓓, 等. 气候变化对中国农业气象灾害与病虫害的影响[J]. 农业工程学报, 2010, 26(S1): 263-271. LI Y J, WANG C Y, ZHAO B, et al. Effects of climate change on agricultural meteorological disaster and crop insects diseases[J]. Transactions of the CSAE, 2010, 26(S1): 263-271. |
[13] |
杜祥备, 孔令聪, 习敏, 等. 江淮区域稻麦两熟制周年资源分配、利用特征[J]. 中国生态农业学报(中英文), 2019, 27(7): 1078-1087. DU X B, KONG L C, XI M, et al. Characteristics of resource allocation and utilization of rice-wheat double cropping system in the Jianghuai Area[J]. Chinese Journal of Eco-Agriculture, 2019, 27(7): 1078-1087. |
[14] |
REN S L, QIN Q M, REN H Z. Contrasting wheat phenological responses to climate change in global scale[J]. Science of the Total Environment, 2019, 665: 620-631. DOI:10.1016/j.scitotenv.2019.01.394 |
[15] |
许莹, 马晓群, 吴文玉. 气候变化对安徽省主要农作物水分供需状况的影响[J]. 气候变化研究进展, 2012, 8(3): 198-204. XU Y, MA X Q, WU W Y. Impact of climate changes on water demand and supply of rice and winter wheat in Anhui Province[J]. Advances in Climate Change Research, 2012, 8(3): 198-204. DOI:10.3969/j.issn.1673-1719.2012.03.007 |
[16] |
卢燕宇, 田红, 侯恩兵, 等. 实际地形下地表太阳总辐射的简化算法及应用[J]. 中国农业气象, 2017, 38(7): 397-406. LU Y Y, TIAN H, HOU E B, et al. A simplified calculation method of surface solar radiation over rugged terrains:the procedure and its application in Anhui Province[J]. Chinese Journal of Agrometeorology, 2017, 38(7): 397-406. DOI:10.3969/j.issn.1000-6362.2017.07.001 |
[17] |
卢燕宇, 田红, 鲁俊, 等. 近50年安徽省太阳总辐射的时空变化特征[J]. 气象科技, 2016, 44(5): 769-775. LU Y Y, TIAN H, LU J, et al. Spatial-temporal variation characteristics of gross solar radiation in Anhui Province from 1961 to 2010[J]. Meteorological Science and Technology, 2016, 44(5): 769-775. DOI:10.3969/j.issn.1671-6345.2016.05.013 |
[18] |
熊伟, 居辉, 许吟隆, 等. 气候变化下我国小麦产量变化区域模拟研究[J]. 中国生态农业学报, 2006, 14(2): 164-167. XIONG W, JU H, XU Y L, et al. Regional simulation of wheat yield in China under the climatic change conditions[J]. Chinese Journal of Eco-Agriculture, 2006, 14(2): 164-167. |
[19] |
许艳, 濮励杰, 朱明. 基于作物生长期的江苏省沿海地区气候生产潜力估算[J]. 地理科学, 2015, 35(5): 658-664. XU Y, PU L J, ZHU M. Calculation of climate potential productivity at coastal zone of Jiangsu Province based on crop growing period[J]. Scientia Geographica Sinica, 2015, 35(5): 658-664. |
[20] |
蔡承智, Harrij van Velthuizen, Guenther Fischer, 等. 基于AEZ模型的我国农区小麦生产潜力分析[J]. 中国生态农业学报, 2007, 15(5): 182-184. CAI C Z, VAN VELTHUIZEN H, FISCHER G, et al. Analyses of wheat yield potential by AEZ model on the basis of Chinese farming system zonation[J]. Chinese Journal of Eco-Agriculture, 2007, 15(5): 182-184. |
[21] |
曹卫星. 作物栽培学总论[M]. 3版. 北京: 科学出版社, 2018. CAO W X. Pandect of Crop Cultivation Science[M]. Beijing: Science Press, 2018. |
[22] |
张玉芳, 庞艳梅, 刘琰琰, 等. 近50年四川省水稻生产潜力变化特征分析[J]. 中国生态农业学报, 2014, 22(7): 813-820. ZHANG Y F, PANG Y M, LIU Y Y, et al. Potential productivity of rice in Sichuan Province in recent five decades[J]. Chinese Journal of Eco-Agriculture, 2014, 22(7): 813-820. |
[23] |
HIGGINS G M, KASSAM A H, NAIKEN L, et al. Potential population supporting capacities of lands in the developing world[J]. Population and Development Review, 1984, 10(4): 733-735. DOI:10.2307/1973291 |
[24] |
陈惠, 蔡文华, 张春桂, 等. 福建省粮食作物气候-土壤生产力及人口承载量的研究[J]. 资源科学, 2002, 24(1): 62-67. CHEN H, CAI W H, ZHANG C G, et al. Climate-soil productivity of grain crops and potential population supporting capacity of land in Fujian Province[J]. Resources Science, 2002, 24(1): 62-67. DOI:10.3321/j.issn:1007-7588.2002.01.013 |
[25] |
LILLIEFORS H W. On the Kolmogorov-Smirnov test for normality with mean and variance unknown[J]. Journal of the American Statistical Association, 1967, 62(318): 399-402. DOI:10.1080/01621459.1967.10482916 |
[26] |
SHEATHER S J, JONES M C. A reliable data-based bandwidth selection method for kernel density estimation[J]. Journal of the Royal Statistical Society:Series B (Methodological), 1991, 53(3): 683-690. DOI:10.1111/j.2517-6161.1991.tb01857.x |
[27] |
NORTH M A. A method for implementing a statistically significant number of data classes in the Jenks algorithm[C]. Proceedings of the 2009 Sixth International Conference on Fuzzy Systems and Knowledge Discovery, 2009, 1: 35-38
|
[28] |
商兆堂, 张旭晖, 商舜, 等. 江苏省冬小麦生产潜力气候变化趋势评估[J]. 江苏农业科学, 2018, 46(12): 245-249. |
[29] |
钟章奇, 王铮, 夏海斌, 等. 全球气候变化下中国农业生产潜力的空间演变[J]. 自然资源学报, 2015, 30(12): 2018-2032. ZHONG Z Q, WANG Z, XIA H B, et al. Temporal and spatial variation of the potential agricultural productivity of China under global climate change[J]. Journal of Natural Resources, 2015, 30(12): 2018-2032. DOI:10.11849/zrzyxb.2015.12.005 |
[30] |
姚筠, 许莹, 马晓群. 淮河流域降水变化对主要农作物气候生产潜力的限制[J]. 资源科学, 2017, 39(3): 490-500. YAO Y, XU Y, MA X Q. Influence of precipitation change on climatic potential productivity of major crops in the Huaihe river basin[J]. Resources Science, 2017, 39(3): 490-500. |
[31] |
吴洪颜, 张佩, 徐敏, 等. 长江中下游地区冬小麦春季涝渍害灾损风险时空分布特征[J]. 长江流域资源与环境, 2018, 27(5): 1152-1158. WU H Y, ZHANG P, XU M, et al. Spatial-temporal variations of the risk of winter wheat loss suffered from spring waterlogging disaster in the middle and lower Yangtze River reaches[J]. Resources and Environment in the Yangtze Basin, 2018, 27(5): 1152-1158. DOI:10.11870/cjlyzyyhj201805022 |
[32] |
李亚男, 秦耀辰, 谢志祥, 等. 中国冬小麦麦收期连阴雨灾害风险评价[J]. 自然资源学报, 2018, 33(11): 68-81. LI Y N, QIN Y C, XIE Z X, et al. Disaster risk assessment of continuous rain during harvest period of winter wheat in China[J]. Journal of Natural Resources, 2018, 33(11): 68-81. |
[33] |
马尚谦, 张勃, 唐敏, 等. 淮河流域冬小麦晚霜冻时空演变分析[J]. 麦类作物学报, 2019, 39(1): 105-113. MA S Q, ZHANG B, TANG M, et al. Temporal and spatial evolution on late frost damage of winter wheat in Huaihe river basin[J]. Journal of Triticeae Crops, 2019, 39(1): 105-113. |
[34] |
王树刚, 王振林, 王平, 等. 不同小麦品种对低温胁迫的反应及抗冻性评价[J]. 生态学报, 2011, 31(4): 1064-1072. WANG S G, WANG Z L, WANG P, et al. Evaluation of wheat freezing resistance based on the responses of the physiological indices to low temperature stress[J]. Acta Ecologica Sinica, 2011, 31(4): 1064-1072. |
[35] |
肖登攀, 陶福禄. 过去30年气候变化对华北平原冬小麦物候的影响研究[J]. 中国生态农业学报, 2012, 20(11): 1539-1545. XIAO D P, TAO F L. Impact of climate change in 1981-2009 on winter wheat phenology in the North China Plain[J]. Chinese Journal of Eco-Agriculture, 2012, 20(11): 1539-1545. |