近50年江苏省春季降水异常对冬油菜产量的潜在影响
2019-07-30闵俊杰常志坤张方敏
闵俊杰,高 操,常志坤,张方敏,黄 进
(1.国电环境保护研究院有限公司,江苏 南京 210031;2.河北省沧州市气象局,河北 沧州 061000;3.南京信息工程大学 应用气象学院,江苏 南京210044)
中国是世界第一油菜生产大国,油菜种植面积和总产量约占世界总值的33%,其平稳发展对我国乃至全世界油料作物产业的有着重要影响[1]。油菜是一年生或越年生油料作物,可分为冬油菜和春油菜,其中冬油菜种植面积约占全国的90%,并且主要集中在长江流域各省[2]。江苏是我国冬油菜的主产省和高产省之一,据统计其种植面积占全国油菜种植面积的9%左右,产量达到全国总产量的13%左右,单产更是名列全国之首[3]。在长江中下游地区,春季(油菜开花期至成熟期)是影响冬油菜产量形成的关键期,该生育期内温度、光照、特别是降水条件又是决定农作物最终产量的关键因素[4]。长江下游地区春季降水集中或持续时间过长会引发油菜涝渍气象灾害,导致土壤水分饱和或过湿、甚至地表积水,进而造成油菜根系长期缺氧、植株生长发育不良而严重减产[2,5]。此外,春季持续阴雨天气,会引发光照不足,空气湿度过大,进而导致油菜开花结荚不良,单株角果数减少,菌核病等油菜病虫害流行,从而影响油菜的正常生长发育和产量的形成[6]。因此,探讨江苏省春季降水的时空变化及对冬油菜产量的可能影响,将会为气候变化背景下油菜种植的防灾减灾提供重要的参考依据。
1 材料与方法
1.1 基本数据
江苏省气象局设置的52个固定观测站1961~2012年的观测资料为本研究提供了近50年逐日降水数据,这些站点的空间分布具体见图1。为保证降水数据的科学有效,采用加拿大环境部气候研究中心建立的RHtest方法对日降水资料的均一性进行了检验[7],结果表明:这52个站点的数据均通过了检验。与此同时,依托江苏省农村统计年鉴等资料,构建了图1中各站点所在的52个种植区1961~2012年冬油菜单位面积产量(单产)的长时间序列。
图1 江苏省气象站点的空间分布
1.2 降水指数定义
本研究参考了ETCCDI(气候变化监测、检测和指数专家小组)推荐的核心降水指数体系以及我国24 h降水量等级划分表[8],定义了10种降水指数(PI)用来描述江苏省近50年春季降水的变化情形。这10种指数分别为PI1(总降水量)、PI2(总降雨日数)、PI3(降水强度,总降水量/总降雨天数)、PI4(中雨日数,10 mm≤日降水量<25 mm的降水天数)、PI5(大雨日数,25 mm≤日降水量<50 mm的降水天数)、PI6(暴雨日数,日降水量≥50 mm的降水天数)、PI7(最大1日降水量)、PI8(最大连续3日降水量)、PI9(最大连续7日降水量)、PI10(持续降水日的最长天数),其中降雨日的界定值为降水量1 mm,这样可以剔除降水资料中微量降水数据给研究带来的不确定性[9]。基于此,提取并构建了研究区春季(3~5月)52个站点不同类型降水指数的逐年序列(1961~2012年)。
1.3 降水指数的时间序列分析
为详细探讨研究区春季降水的年际变化特征,本文运用了WMO推荐的非参数检验法“Mann-Kendall趋势检验”(M-K检验)以及线性趋势检验法探求各降水指数区域尺度和站点尺度下的变化趋势及幅度。由于气象站点数量丰富且分布比较均匀,因此选取了算术平均法进行全省尺度降水指数年际序列的计算[10]。与此同时,采用Pettitt检验法和Hurst指数法,探求区域尺度春季降水指数的突变性和持续性。Pettitt检验核心是通过检验时间序列要素均值变化的确切时间,进而来确定突变发生的确切时间,其优点在于避免了异常值的干扰及数据分布特征的影响[11]。Hurst指数(H)的R/S分析又称为重新标度的极差分析,通常用于分析时间序列的分形特征和长期记忆过程,当H=0.5,时间序列完全独立,认为该过程随机变化;当0.5 为了剔除技术进步及管理等非气候因素对作物产量的影响,仅考虑气候要素对产量的影响,本文采用产量与气候变量的一阶差分法(即当年与前一年的差值)对气候要素及产量序列进行预处理[14]。在此基础上,计算降水指数与冬油菜产量的相关系数,并采用一元线性回归量化春季降水指数年际变化对冬油菜产量的影响,其计算公式如下: ΔYield=a×ΔPI+b 式中ΔYield为冬油菜单产的一阶差分,ΔPI为某个春季降水指数的一阶差分。对某个站点而言,冬油菜产量对某个降水指数的敏感性(SE)定义为其变化1 mm或1 d时产量的变化幅度,由公式中的回归系数a除以该站点1961~2012年间油菜平均单产得到,结果以百分数的形式表示。那么春季降水指数的年际变化对油菜产量的总体影响则由1961~2012年间PI的线性趋势与敏感性SE相乘得到,其结果也由百分数形式表示。 首先,对全省尺度春季降水指数的年际变化序列进行M-K趋势检验分析。由图2a可以发现,除降水强度(PI3)和中雨日数(PI4)外,其他8个降水指数的M-K检验Z值均小于0,但都没有达到显著性水平的阈值-1.96,这表明江苏省春季的降雨量、降雨天数、强降水事件场次、连续降水的强度及持续性均呈现出非显著的减弱趋势。图2b中站点尺度降水指数M-K检验结果与图2a基本吻合。在超过60%的站点上,除PI3和PI4外的其他8个降水指数均呈现出减少趋势,但其中呈现显著增加趋势的站点不超过3个。反观PI3与PI4,其呈现出非显著增加趋势的站点数分别达到了38%和58%。与此同时,表1中Pettitt检验的诊断结果进一步刻画了研究区春季降水指数的变化特征,其中PI1、PI2、PI7、PI8、PI9在1998~1999年发生了突变,此后各指数的多年均值发生下降;而PI5的突变年发生较早,为1977年,此后PI5的多年均值也发生了下降;PI3和PI4分别在1987和1986年发生了突变,此后这两个指数的多年均值发生上升。此外,表1中Hurst检验提供了各降水指数变化持续性的差异,其中PI4、PI9、PI10的H值均高于0.5,呈现出较强的持续性,未来可能延续过去的变化趋势,有着较高的可预报性;而PI1、PI2、PI3、PI5、PI6、PI7的H值均低于0.5,呈现出较弱的持续性,未来可能呈现相反的变化趋势。 图2 区域尺度(a)和站点尺度(b)不同类型降水指数的M-K检验结果 项目PI1/mmPI2/dPI3/(mm/d)PI4/dPI5/dPI6/dPI7/mmPI8/mmPI9/mmPI10/d突变年1999199919871986197719841998199819981998显著性水平0.4610.2270.4510.5000.2220.8190.4090.2220.3030.091突变前多年均值215.0221.059.874.911.710.3242.8656.7969.853.59突变后多年均值183.8918.3710.245.371.390.3237.1947.4157.702.94变异系数/%31.6521.1217.8528.7650.2782.9026.5228.4628.7224.26Hurst index (H)0.4220.4200.4990.5030.4860.4470.4770.4950.5260.546 在一阶差分预处理的基础上,计算了全省尺度和站点尺度上冬油菜单产与春季不同类型降水指数的相关系数,以此来探求春季降水变化与油菜产量波动的可能联系。由图3a可以发现,全省尺度下所有降水指数(除PI10外)均与油菜产量呈现出显著负相关性,其中PI1(总降水量)与油菜产量负相关系数更是达到了-0.39,明显强于其他降水指数。图3b中站点尺度降水指数与产量相关分析结果与图3a基本一致。在超过60%的站点上,10种降水指数均与油菜产量呈现负相关性。这些结果进一步佐证了春季降水过多是江苏省各地区冬油菜生育期内较为普遍的一种灾害性气象条件。此外,对图3b中呈现显著负相关性的站点数量进行统计,可以发现PI1(总降水量)、PI2(总降水日数)、PI4(中雨日数)这3个指数对油菜产量的负效应最为显著。在超过10个站点上,油菜产量与春季PI1、PI2、PI4呈现显著负相关性(图4c)。特别是在近37%的站点上,春季PI1与油菜产量的负相关性显著。这进一步验证了图3a的结果,表明春季总降水量可以作为指示产量波动的关键指标。这与浙江、湖南、安徽等地的相关研究结果相吻合,发现春季降水量这一指标在判别油菜涝渍灾害环节有着较高的准确性[4-6]。鉴于此,加强江苏省春季降水总量的监测及预报,不仅有助于评估雨涝灾害导致的油菜产量损失,还将为研究区冬油菜气象灾害风险区划提供有效的评价指标。 a中深灰色表示相关性通过了1%显著性水平;浅灰色表示相关性通过了5%显著性水平;白色表示相关性未通过显著性检验。 鉴于PI1对冬油菜产量显著的负效应,图4基于ArcGIS 10平台的反距离权(Inverse Distance Weighted,IDW)插值法重点探讨了江苏春季总降水量多年均值及变化幅度的空间分布。由图4a可以发现,江苏省春季降雨量呈现出极为显著的由南向北递减的梯度变化。特别是江苏南部的大部分地区PI1的多年均值超过了220 mm,部分最南端的地区甚至达到了300 mm,这表明该区域春季降水极为较为丰沛,这给冬油菜的种植带来了较大的涝渍风险。江苏省南北走向的地带特征和江南春雨雨带迁移是造成这一显著空间差异的原因。春季,高能高湿带从我国华南一带自西南向东北方向输送,连阴雨期间江苏省南部地区位于高能高湿等值线密集区边缘,因而涝渍灾害的风险强度明显高于北部地区[15]。图4b给出了江苏省春季降水总量变化趋势的空间分布,可以发现全省大部分地区PI呈现减少趋势,特别是江苏南部地区PI减少的幅度较高。我国东部春季降水异常与两类El Nio事件关系密切,当El Nio Modoki发生时,长江以南地区的降水较气候平均态偏少,而1980年以来El Nio Modoki的频次增加,是造成江苏省春季降水减弱的重要原因[16]。 图4 春季PI1多年均值(a)及线性趋势(b)的空间分布 依托公式及各站点冬油菜多年产量的平均值,图5a基于ArcGIS 10平台的反距离权插值法展示了冬油菜产量波动对PI1变化敏感性的空间差异。对除最北端外的江苏省大部分地区而言,春季PI1每增加1 mm,冬油菜单产随之减少的幅度在0~0.16%间浮动。由图5a可以发现油菜产量对PI1年际变化的敏感性大致呈现出由南到北递减的梯度变化,其中江苏北部部分地区还出现了PI1对产量的正效应。造成这一空间差异的主要原因可能有2个方面:一方面江苏南部地区春季降水更为丰沛,连阴雨事件较多,相对于北部地区其涝渍灾害的频次和强度更高;另一方面,江苏南部地区水网密集、丘陵较多、土壤排水性能较差,相对于北部地区其涝渍灾害的脆弱性更高。与此同时,图5b量化了江苏省PI1变化趋势对冬油菜产量波动影响的空间分布,可以发现近50年江苏省大部分地区PI1的减少导致了冬油菜的增产,特别是江苏最南端的部分地区受PI较强减少趋势的影响增产可达1.0%~1.5%。总体而言,江苏省春季降水的年际变化对冬油菜种植是有利的。 图5 各站点冬油菜产量对春季PI1的敏感性(a)以及PI1多年变化对产量的影响(b) (1)研究区52个站点不同类型降水指数的M-K检验结果表明近50年江苏省大部分地区春季的降雨量、降雨天数、强降水事件场次、连续降水的强度及持续性均呈现出减少趋势,但呈现显著减少趋势的站点较少。 (2)冬油菜产量与春季降水指数的相关分析表明:研究区春季降水异常与产量波动间存在着紧密联系,春季降水越多,则对该省大部分地区的产量越不利。不同类型降水指数中,春季总降水量这一指标对产量的负效应最为突出,应作为关键的冬油菜气象灾害指标加以重视。 (3)各站点冬油菜产量与春季总降水量的线性关系指出产量对降水的敏感性呈现出由南至北递减梯度,特别是在江苏最南部,春季总降水量每增加1 mm,冬油菜单产随之减少0.16%。值得一提的是江苏大部分地区近50年春季总降水的减少给冬油菜产量带来了一定的增产。1.4 降水指数对冬油菜产量的影响分析
2 结果与分析
2.1 江苏省近50年春季降水的变化特征
2.2 冬油菜产量与春季降水指数的相关性分析
2.3 春季关键降水指标PI1的时空变化及对油菜产量的影响
3 结论