江苏省单季稻生育期内连续降水事件的时空变化

2018-05-16孙莉娟朱雅丽

江西农业学报 2018年5期

徐阳,孙莉娟,黄进,伍琼,朱雅丽

(1.安徽省农村综合经济信息中心/安徽省农业生态大数据工程实验室，安徽合肥 230031； 2.安徽省人工影响天气办公室,安徽合肥 230031； 3.南京信息工程大学应用气象学院，江苏南京 210044)

在全球气变暖的背景下，气候变化对农业生产和农业经济发展产生了深远而广泛的影响，引起了不同地区政府机构、气象和农业科技工作者的高度重视[1]。降水是一个地区气候变化最直接、最敏感的因素，特别是降水异常引发的干旱、暴雨、洪涝等气象灾害往往给农业造成巨大的损失[2]。鉴于此，采用不同定义不同内涵的降水指数，探讨了特定时段内降水要素的时空变化已成为我国气象、水文、农业学者的重要研究方向。

江苏省是我国水稻重要主产区之一，全省以种植单季稻为主，产量占全省粮食总产60%左右，约占全国水稻总产的10%，单产则常年稳居全国各主产省份之首[3]。鉴于该省对我国粮食安全保障的重要作用，其单季稻生育期内降水要素的时空变化受到了广泛探讨，现有的研究主要集中在分析降水量等常规指标的年际变化[4-7]，而连续降水事件的时空演变还少有人问津。因此，本文重点探讨了江苏省单季稻生育期内连续降水事件的时空演变及对产量的可能影响。这将为揭示气候变化背景下该地区降水变异特征，以及水稻种植的防灾减灾起到参考作用。

1 材料与方法

1.1 基本数据

本研究所用的气象数据来源于江苏省气象局的52个气象观测站1961～2012年的逐日降水数据，这52个站点的空间分布具体见图1。为保证日降水数据的科学有效，采用加拿大气象研究中心研发的RClimDex软件对各站点的降水资料进行质量控制和均一性检验[8]，结果表明这52个站点的数据均通过了检验。与此同时，本研究以多年江苏省农村统计年鉴为依托，收集、筛查、匹配、整理了图1中各站点所在的52个单季稻种植区1961～2012年的产量数据。

图1 江苏省52个气象站的分布

1.2 连续降水指数的计算

连续降水事件(Consecutive Rainfall Events，简称为CRE)是评估降水特征时空变化的常用指标，通常日降水量≥0.1 mm被定义为一次降水事件，而最短的连续降水事件历时为1 d[9-11]。根据降雨持续日数的差异，本文将CRE划分成1 d、2 d、3 d、4 d、5 d、≥6 d这6类连续降水事件。基于此，分别定义了3种连续降水指数(Consecutive Rainfalls indices，简称为CRI)，第1种为不同历时CRE的总场次，分别记作N1d、N2d、N3d、N4d、N5d、N6d；第2种为不同历时CRE的总降雨天数，分别记作D1d、D2d、D3d、D4d、D5d、D6d；第3种为不同历时CRE的总降水量，分别记作P1d、P2d、P3d、P4d、P5d、P6d。鉴于江苏省单季稻全生育期大致为5～10月[12]，本研究提取并计算了各站点生育期内不同类型CRI的逐年序列(1961～2012年)，并采用世界气象组织推荐的非参数检验法“Mann-Kendall趋势检验”(M-K检验)来探求CRI的变化趋势。

1.3 单季稻产量与CRI的相关分析

为了规避非气象因素对产量的影响，仅考虑气象因素与作物产量的相关性，对单季稻产量(y)和某个连续降水指数(x)的逐年序列先进行一阶差分预处理[6]，即：△yt=yt-yt-1，△xt=xt-xt-1。式中△yt为产量差，△xt为CRI差，t为年份。此后，通过计算△yt与不同月份的△xt之间的Person相关系数，进而探讨研究区单季稻产量波动与CRI年际变化间的可能联系。

2 结果与分析

2.1 连续降水事件的基本特征

图2展现了各站点单季稻生育期内不同类型连续降水指数多年均值的统计结果。由图2-a可知，江苏省连续降水事件的持续日数一般为1～2 d，其中持续1 d的降水占全年降水事件的41.2%，而持续日数≥6 d的连续降水仅占了总场次的4.3%。图2-a中连续降水事件的发生频率随持续日数增大而减小，但图2-b和图2-c中不同降水事件雨天、雨量贡献率与这一分布特征并一致。由图2-b可知，持续2 d的降水事件贡献了生育期总雨天数的28.4%，其次为持续1 d和3 d的降水事件，分别贡献了总雨天数的19.6%和17.9%。由图2-c可知，持续2 d的降水事件贡献了生育期总雨量的27.0%，其次为持续3 d和≥6 d的降水事件，分别贡献了总雨量的19.2%和16.2%。总体而言，尽管历时较长的连续降水事件发生频次较少，但贡献了相当比重的雨天和雨量，表明该研究区单季稻生育期内有着较强的降水集中性，因而淹渍甚至洪涝风险较高。

鉴于持续2 d、3 d和≥6 d连续降水事件贡献了6成以上的生育期降水，图3重点探讨江苏省N2d、N3d和N6d多年均值的空间分布。由图3-a可以发现，江苏省N2d有2个高值区域，分别是江苏的西南部和北部，而N2d的低值区域主要集中在江苏的西北部。与图3-a相比，图3-b、图3-c中N3d和N6d空间分布特征更为明显，这2个指数均呈现出由南往北递减的梯度变化。特别是江苏北部的大部分地区N6d的多年均值超过了1次，这表明该区域近乎每年都会发生一次极长历时的持续降水，这对当地汛期防洪和农业生产都带了不利影响。江苏省特有的地理位置和气候过渡性是造成连续降水事件南北差异的主要原因。以淮河为界，苏北属于暖温带湿润、半湿润季风气候，而苏南属于亚热带湿润季风气候。伴随东亚夏季风向北推进过程，梅雨带由南向北移动，苏南地区率先入梅，且受梅雨带控制更为强烈，更容易形成历时极长的连续降水事件[13-14]。

图2 不同历时连续降水事件(CRE)次数、雨天、雨量的统计特征

图3 江苏省N2d、N3d和N6d多年均值的空间分布

2.1 连续降水事件的变化趋势

对52个站点连续降水指数的年际变化序列进行M-K趋势检验分析，具体结果见图4。由图4-a和图4-b可以发现，在近90%的站点上，历时3 d连续降水事件的总场次和总雨天数呈现出增加趋势；而在超过70%的站点上，历时4 d、5 d和≥6 d连续降水事件的总场次和总雨天数呈现出减少趋势。反观图4-a、图4-b中历时1～2 d连续降水事件的总场次和总雨天数，其呈现增加趋势和减少趋势的站点近似各占一半。与图4-a、图4-b相似，图4-c中多数站点的P3d呈现增加趋势，而多数站点的P4d、P5d和P6d呈现减少趋势。略有不同的是图4-c中超过半数站点的P1d和P2d呈现增加趋势。综上所述，研究区连续降水事件发生了一定的变化，具体表现在全省大部分站点上长历时连续降水事件场次及强度的减少，而中短历时连续降水事件则有所增强。

图4 各站点CRI逐年序列的M-K检验结果

对图4中呈现显著变化趋势的站点进行分析，发现P3d和N5d的变化较为突出。在10个站点上，P3d呈现出显著增加趋势；而在11个站点上，N5d呈现出显著减少趋势。图5给出了江苏省近52年P3d和N5d变化趋势的空间分布情形，可以发现P3d呈显著增加趋势的站点分布较为零散(图5-a)，而N5d呈显著减少的站点大都集中在江苏南部(图5-b)。苏南地区历时5 d连续降水事件场次的显著减少可能与长江中下游梅雨的年际变化关系密切。

自2000年以来，拉尼娜事件频繁发生，北太平洋海温年代际振荡处于负位相，副热带高压偏强偏西偏北，导致源自印度洋和孟加拉湾的西南水汽输送路径更加偏向淮河以北地区[15]。这使得近年来淮河以南地区入梅偏晚，出梅偏早，梅雨长度缩短，强度减弱，进而导致了苏南地区长历时连续降水事件的显著减弱。

实心加号表征显著增加趋势；空心加号表征非显著增加趋势；空心减号表征非显著减少趋势。

2.3 单季稻产量与连续降水指数的相关性分析

在一阶差分预处理的基础上，计算了各站点单季稻产量与18个CRI的相关系数，用来探求生育期内连续降水事件对单季稻产量的可能影响。由图6可以发现，不同历时的连续降水事件对产量有着不同的影响。就持续1～2 d的连续降水事件而言，近60%站点的产量与降水事件的总场次、总雨天、总雨量呈现正相关性。特别是在8个站点上，单季稻产量与N2d以及D2d呈现出显著的正相关性。这些结果表明：短历时的连续降水事件对单季稻产量的负效应不是很明显。反观历时3 d、4 d、5 d、≥6 d的连续降水事件与产量的关系，超过60%站点的产量与降水事件的总场次、总雨天、总雨量成负相关性。特别是在48个站点上，单季稻产量与P6d呈负相关性。综上所述，连续降水指数的年际变化对产量波动有一定指示作用，而中长历时连续降水事件的发生将不利于该省单季稻产量的形成。诸多指数中，P6d表征连续降水负效应的效果最为突出，近45%站点的P6d与单季稻产量呈现出显著的负相关性。

图6 各站点单季稻产量与CRI相关性分析的统计结果

由图7可以发现，单季稻产量与P6d的负相关性有着明显的地域差异，苏西南和苏中北部地区的单季稻产量对长历时连续降水事件的负效应更为敏感。鉴于此，加强对持续6 d以上连续降水事件的监测预报，不仅有助于评估降水导致的水稻产量损失，还将为研究区水稻雨涝灾害风险区划提供数据支撑。

3 结论

(1)各站点连续降水指数多年均值的统计结果表明，江苏省单季稻生育期内连续降水事件的分配格局呈现出一定的集中性，降雨主要集中在持续2 d的降水事件，其贡献了生育期25%以上的雨天和雨量。持续6 d以上连续降水事件发生的频次虽然极少，但却贡献了15%以上的总雨量。与苏北地区相比，苏南地区中长历时连续降水事件发生的场次明显较高。

空心加号表征非显著正相关；实心减号表征显著负相关；

(2)各站点连续降水指数的M-K趋势检验的结果表明，近52年江苏省单季稻生育期内连续降水事件的总场次、总雨天和总雨量发生了一定的变化，具体表现在全省大部长历时连续降水事件的减弱，而中短历时连续降水事件则有所增强。特别是苏南地区不少站点的历时5 d连续降水事件总雨量(P5d)呈现出显著减少趋势。

(3)各站点单季稻产量与生育期内连续降水指数的相关分析表明连续降水事件的年际变化对产量有着一定的影响。中长期历时连续降水事件的场次和雨量越高，则对单季稻产量越为不利。诸多降水指标中，历时6 d以上连续降水事件总雨量(P6d)的负效应最为突出，应作为指示单季稻产量波动的关键指标加以重视，其中苏西南和苏中北部地区的产量对这一指标的负效应更为敏感。

参考文献：

[1] 郑劲光,杨晓明,周媛.抚州市近50年降水气候特征分析[J].江西农业学报,2014,26(9):86-89.

[2] 隋景跃,尹洪涛,张国林.大凌河流域朝阳区域降水日数变化特征[J].江西农业学报,2016,28(4):71-76.

[3] 佴军.近30年江苏省水稻生产的时空变化与效益分析[D].扬州：扬州大学,2013.

[4] 邓自旺,周晓兰,陈海山.江苏降水长期趋势及年代际变化空间差异分析[J].应用气象学报,2004,15(6):696-705.

[5] 肖艳兵,奚砚涛,于红学,等.1960～2011年江苏省降水变化特征[J].湖北农业科学,2014,53(16):3788-3793.

[6] 朱珠,陶福禄,娄运生,等.1981～2009年江苏省气候变化趋势及其对水稻产量的影响[J].中国农业气象,2012,33(4):567-572.

[7] 夏露,张强,孙宁,等.1960～2012年江苏省气候变化特征[J].冰川冻土,2015,37(6):1480-1489.

[8] 张余庆,陈昌春,姚鑫,等.江西省信江流域极端降水时空变化特征[J].水土保持研究,2015,22(4):189-194.

[9] 李剑锋,张强,白云岗,等.新疆地区最大连续降水事件时空变化特征[J].地理学报,2012,67(3):312-320.

[10] 李小亚,张勃.河西地区最大连续降水事件的时空变化特征[J].水土保持通报,2013,33(2):43-48.

[11] 徐慧,陈鸣,黄进.内蒙古地区近53a降水格局的时空变化特征[J].人民黄河,2015,37(10):35-38.