农业涝渍灾害评估中不同气象产量分离方法的比较研究*

蒙华月,王兆林,姚 佩,钱 龙,陈 诚,罗云英,鞠学良

(1.武汉大学水利水电学院 武汉 430072;2.中山大学土木工程学院 广州 510275;3.上海市环境科学研究院 上海200233;4.广州市水务科学研究所 (挂广州市二次供水技术咨询服务中心牌子) 广州 510220;5.国网陕西省电力有限公司电力科学研究院 西安 710100)

旱涝灾害是全球范围内主要的自然灾害,严重威胁各地农业生产安全。2021年发布的政府间气候变化专门委员会第六次评估报告(IPCC AR6)指出,全球变暖会使极端干旱和降水事件越来越频繁,而联合国粮农组织(FAO)认为气候变化已对全球作物产量和粮食安全产生巨大影响。因此,评估旱涝灾害对农业,尤其是对农作物产量的影响,对于气候变化背景下旱涝灾害的防控工作具有重要意义。

至今已有许多气象指标被相继提出,并应用于区域旱涝灾害评估,例如指数、相对湿润度、逐日气象干旱指数(DI)、标准化降水指数(SPI)和标准化降水蒸散指数(SPEI)等。各类气象指标主要被用于刻画不同地区旱涝灾害的时空演变规律,但近年来已有越来越多的研究者将气象指标应用于农业旱涝灾害的影响评估。如戚颖等利用SPEI 发现了黑龙江省玉米()生育期内旱涝灾害与玉米气象产量之间的显著相关关系;高超等同时应用SPI 和SPEI 研究了淮河流域冬小麦()主要生育期内旱涝灾害时空特征及其对产量的影响,发现冬小麦标准化产量残差与干旱指数之间具有显著相关关系;陈海涛等利用SPEI 评估了西安市玉米不同生育期内旱涝灾害对产量的影响,结果表明西安市玉米拔节-抽穗阶段的旱涝程度与产量显著相关;张月等利用累积相对湿润指数分析了湖北省棉花(spp.)旱涝灾害的减产特征,发现花铃期内涝渍减产作用非常显著。上述研究中的一个关键步骤是从历史统计产量中分离得到气象产量,但由于此类研究一般侧重于揭示作物气象产量和生育期旱涝指标的关联性,因此对如何选用气象产量分离方法具有一定的主观性。

至今也有一些学者针对不同气象产量分离方法进行了比较研究。房世波以我国气象因素对棉花产量的影响为例,选取了三点滑动平均法、五点滑动平均法和二次多项式法进行了探讨,并提出了判定的建议准则。赵东妮等通过比较辽宁省各站点水稻()趋势产量序列与实际产量的拟合程度以及气象产量序列的区域一致性,认为辽宁省水稻趋势产量的拟合以HP 滤波法最优,指数平滑法次之,而Logistic 效果较差;与之类似的是,马丽珲在研究重庆干旱评估中不同气象产量方法的表现时,发现HP 滤波法效果最优,而Logistic 曲线拟合效果较差。此外,李心怡等以江苏省水稻产量为基础分析比较了7 种分离方法,结果表明五点二次平滑法与3年滑动平均法较5年滑动平均法、二次指数平滑法、HP 滤波法和年际增量法更具普适性。上述研究主要从趋势产量拟合的准确度、不同方法分离的气象产量的差异以及气象产量与不同气象因子的关系角度出发进行分析比较。考虑到目前有关气象产量与旱涝关系的研究工作越来越受到关注,因此有必要探究在该类研究中采用不同的气象产量分离方法对研究结论产生的潜在影响。为充分评价这种影响,应选择在作物因旱涝减产现象严重的区域进行多种方法的计算比较,并基于上述关系分析中的显著性结果对不同方法进行评价。长江中下游地区是我国最易遭受涝渍灾害的地区之一,同时也是我国南方地区主要的棉花生产区。由于棉花生性不耐涝,该地区内涝渍灾害是导致棉花产量波动的重要因素。因此,本文以长江中下游棉区6 省份为研究区域,在研究涝渍强度与棉花产量波动的关系时采用7 种常见的气象产量分离方法,从而比较不同气象产量分离方法描述涝渍减产作用的能力差异,并分析我国长江中下游棉区不同区域的棉花涝渍减产特征。

1 材料与方法

1.1 研究区域概况

长江中下游棉区(118°20′～113°25′E,28°45′～33°25′N)地处我国南部,主要包括湖北省、湖南省、安徽省、江苏省、江西省和浙江省(图1)。该地区雨热资源丰富,是我国重要的农业生产区,同时也是我国南方棉区的主要生产基地。但受亚热带季风气候的影响,该地区在每年棉花生长季节(5—9月)降水频繁且强度大,因此当地棉花在生长过程中容易遭受涝渍灾害。由于棉花对涝渍条件敏感,因此当地棉花产量的主要气象灾害是涝渍。

1.2 数据来源

本文所采用的气象数据来源于中国气象数据网(http://data.cma.cn),涵盖研究区内数据较为完整的141 个国家基准气象站(图1)。为使涝渍指标(SPEI)更能反映研究区长期的涝渍特征,本文利用可获取的长序列气象资料(1961-2020年)计算各站点逐年逐月的SPEI 值。对于个别站点少量时段存在数据缺测的情况,采用插值法进行补全。逐年棉花产量以及受涝统计面积均来源于各省逐年农村统计年鉴或省统计年鉴,数据起始年份可追溯至1990年,目前已更新至2019年。

图1 研究区及其国家基准气象站分布Fig.1 Study region and distribution of the national-level meteorological stations

1.3 棉花气象产量

长时间序列棉花产量的变化主要受社会因素和自然因素共同影响。社会因素主要表现为农业技术的进步、棉花新品种的采用以及社会经济的变革等,由此引起的棉花产量变化称为棉花的趋势产量。而自然因素主要指自然条件改变所引发的棉花产量变化。通常气象因素是自然因素中最主要的影响因素,因此受气象要素为主的短周期变化因子影响的棉花产量波动称为棉花的气象产量。最终棉花的实际产量可描述如下:

式中:、和分别为棉花的实际产量、趋势产量和气象产量,为随机变量。目前有许多方法可用于分离气象产量,本文选取了其中实用性较好且简单易算的7 种方法,根据计算原理划分为4 类,具体如下文所述。

根据趋势产量理论,将棉花实际单产()设定为因变量,将年份设定为自变量,采用最小二乘法建立自变量与因变量的线性或非线性拟合模型。

1)线性拟合:

2)二次多项式拟合:

3)三次多项式拟合:

式中:为年份,、、和均为待定系数。

HP 滤波法是一种时间序列在状态空间的分解方法,也是目前经济学领域中测算经济发展的周期趋势项和短期波动项的常见方法。HP 滤波可看成是一个近似的高通滤波器,也即High-pass Filter,高频部分通过,低频部分滤除,它能将周期在8 a 以下的高频成分分离出来。公式(1)中为随机噪音,对产量的影响很小且基本无规律可循,故忽略不计。因此从产量波动来看,可认为棉花产量存在低频波()和高频波()两种成分,从而利用HP 滤波法将其进行分离。假设棉花产量序列为{Y}(=1,2,···,,为样本容量),第年的棉花产量y是由长期趋势成分g和短期波动成分c组成。HP 滤波法数据处理的核心是使g对原始值偏差的平方和最小,即:

式中:为经验参数,鉴于本文棉花实际产量为年度数据,根据一般研究经验,取100。

滑动平均法是利用线性模型与滑动平均相结合,借以消除偶然变动因素,找出事物发展趋势的方法。其在简单平均数法基础上,通过顺序逐期增减新旧数据以求算滑动平均值。该方法不必主观假定产量历史演变的曲线类型,也不损失样本序列的年数。该方法将棉花产量序列在年内看作线性函数,并随着阶段的连续滑动,直线的位置不断变化。依次求取各阶段内的线性函数,进而计算各时间点上模拟值的平均值,即为棉花趋势产量。某一阶段的线性函数方程为:

式中:1,表示方程的个数,其中为滑动步长,为样本个数;为时间。计算每个方程在点上的函数值,每个点上分别有个函数值,=1,2,3,···,3,2,1。由于本文使用30年产量数据,而农业结构调整等一般不低于3年,故滑动步长取3 和5,分别对应3年滑动平均法和5年滑动平均法。将连续3年、5年的棉花单产序列看作是变化的线性函数,整体反映产量序列的历史趋势:

五点二次平滑法与滑动平均法原理相同,主要区别在于该方法是在对一次滑动平均产生的序列再进行滑动平均后得到变化趋势。对于5年滑动平均趋势产量值求取方法与公式(6)和公式(7)相同。

1.4 农业涝渍指标

农业旱涝灾害的一个重要特征在于农作物生长会对农田土壤水分状况造成影响。因此,考虑了田间蒸散发的干旱指标标准化降水蒸散指数(SPEI)适用于描述农业干旱。随着SPEI 应用的不断拓展丰富,越来越多的研究者利用SPEI 指标刻画区域农业涝渍灾害影响,且发现SPEI 比常用的暴雨指标更能刻画涝渍灾害对农作物的影响。SPEI 具有不同的时间尺度 (包括月、季和年尺度等),本文采用月尺度的SPEI 以反映棉花生育期内逐月涝渍情况,SPEI 的计算时期为1961-2020年。基于长江中下游棉区实际种植情况并参考已有文献资料,本文将每年5月至10月视为棉花的生长期。参考已有的SPEI 在涝渍监测方面应用研究,本文将涝渍的临界值定义为SPEI=0.5,即,SPEI＞0.5 则认为当月为棉花涝渍月份。

1.5 棉花生育期内涝渍指标

棉花生育期内涝渍指标()可由以下计算式表示:

式中:为该研究区域棉花生育期内判定为涝渍状态的总月数,在本文=6,对应棉花生育期5-10月;S为棉花生育期内发生涝渍的第月的SPEI。为非负数,且值越大表明累积涝渍强度越大。在得到棉花生育期内的值后,将其与当年棉花气象产量进行相关分析。为更加准确地建立棉花气象产量和涝渍指标关系,本文筛选出发生过棉花涝渍的年份(即该地该年至少有1 个月的SPEI＞0.5)参与相关分析计算。

1.6 气象产量分离方法的比较

趋势产量能表现社会技术各发展阶段的实际情况,对于同一地区或者相似条件地区而言,应具有大致相似的产量趋势。因此本文比较了各个省份内不同方法所分离的棉花趋势产量与其余方法结果的一致性,从而判断该方法是否符合基本趋势。此外,本文还通过比较不同气象产量分离方法对应的气象产量序列的波动方向、幅度以及年际变化特征,分析7 种方法分离的气象产量的合理性。

在研究棉花气象产量与涝渍强度的相关关系时,应考虑棉花的涝渍响应规律: 高效的气象产量分离方法应能充分捕捉棉花气象产量与涝渍强度的显著负相关关系,即因涝减产现象。具体而言,本文通过比较不同气象产量分离方法对应的相关分析结果识别出能高效捕捉棉花气象产量与涝渍强度关联性的气象产量分离方法。

为进一步探究7 种气象产量分离方法刻画农业涝渍灾情的能力,本文为6 省分别筛选出近30年涝渍灾情最严重的5年(即受涝面积最大的5 个年份)作为典型涝渍年份,基于受涝面积对典型年份进行涝渍程度排序,再分析典型年份内不同方法计算的棉花气象产量刻画上述排序规律的效果,从而比较不同方法捕获历史典型涝渍灾害的能力。

2 结果与分析

2.1 不同气象产量分离方法的趋势产量

7 种方法拟合的各省趋势产量序列与对应的研究区域平均趋势产量序列均存在显著相关性(表1),这表明不同产量分离方法在趋势产量拟合上无明显区别,与前人研究结果一致。利用7 种方法得到的各省棉花趋势产量如图2所示。7 种方法拟合的趋势产量均能大致描述各省棉花产量波动的总体趋势。但是不同方法的结果在短期趋势上仍存在差异。线性拟合和二次多项式拟合的趋势产量在大部分省份表现为平稳上升趋势,对产量起伏剧烈的部分捕获能力较差。三次多项式拟合和HP 滤波法在一定程度上保留了产量的年代波动特征,拟合出的趋势产量在一定程度上与实际情况更为接近。此外,3年滑动平均法、5年滑动平均法与五点二次平滑法拟合出的产量趋势较为相似,趋势产量基本与实际产量值吻合,反映出短期剧烈的波动特征,但由于该类方法较为敏感,因此难以有效分离出短期内气象灾害引发的产量变化。就不同省份而言,湖北省和安徽省棉花在近年来呈现较大幅度减产,而湖南省、江苏省和江西省的棉花产量总体呈增长趋势。值得注意的是浙江棉花产量波动很小,且整体趋势表现为平稳上升,这可能与当地高效的田间排水管理措施等因素有关。

图2 不同气象产量分离方法拟合的1990—2019年长江中下游6 省棉花趋势产量Fig.2 Cotton trend yields fitted with different meteorological yield separation methods of the six provinces in the middle-and-lower reach of the Yangtze River from 1990 to 2019

表1 7 种气象产量分离方法拟合的长江中下游6 省棉花趋势产量序列与对应方法所得的研究区域平均趋势产量序列间的相关系数Table 1 Correlation coefficients between the cotton trend yield series fitted by seven meteorological yield separation methods and the averaged trend yield series obtained by the corresponding method in the six provinces in the middle-and-lower reach of the Yangtze River

2.2 不同气象产量分离方法的气象产量

7 种气象产量方法所获得的6 省气象产量如图3所示。不同方法所对应的棉花气象产量在不同年份的波动趋势大体相同,但波动幅度存在一定差异。线性拟合和二次多项式拟合所对应的气象产量波动幅度较大,而3年滑动平均法、5年滑动平均法和五点二次平滑法所分离的气象产量较为接近,波动幅度均较小。此外,HP 滤波法的气象产量波动较为平缓。需要注意的是,7 种方法得到的气象产量在某些年份差异较大甚至存在数值正负相反的现象,因此利用基于不同方法得到的气象产量与涝渍强度的关联结果可能存在差异。

图3 1990—2019年不同气象产量分离方法分离的长江中下游6 省棉花气象产量Fig.3 Climatic cotton yields fitted by different methods of the six provinces in the middle-and-lower reach of the Yangtze River from 1990 to 2019

2.3 不同气象产量分离方法在不同省份表现的比较

在各省份内7 种方法对应的气象产量与涝渍指标的相关系数结果如图4所示。湖北省7 种方法分离得到的气象产量均与涝渍指标极显著(＜0.01,下同)负相关。安徽省线性拟合法所得结果为极显著负相关,此外还有4 种方法所得结果为显著(＜0.05,下同)负相关。江西省线性拟合和二次多项式所得结果为显著负相关,但是3年滑动平均法、5年滑动平均法和五点二次平滑法的结果呈现弱正相关,这可能是由涝渍灾害以外的其他灾害(如干旱高温)导致的。此外,在其余3 省内各方法所得结果均不显著。对各省份7 种方法对应的相关系数进行求和后比较可知,棉花在各省因涝减产的严重程度依次为:湖北省＞安徽省＞江西省＞浙江省＞江苏省＞湖南省。但若采用单一的气象产量分离方法进行评判,则结果会发生改变: 采用线性拟合和二次多项式拟合时,排序结果中前3 位依次为湖北省、安徽省和江西省;采用HP 滤波法、5年滑动平均法和五点二次平滑法时,前3 位依次为湖北省、安徽省和江苏省;采用3年滑动平均法时前3 位为湖北省、安徽省和浙江省;而采用三次多项式拟合时前3 位依次为湖北省、安徽省和湖南省。除5年滑动平均法和五点二次平滑法对应的排序结果一致外,其余方法均得出不同的排序结果。综上所述,不同气象产量分离方法均能反映因涝减产严重区域(湖北和安徽省)的特征,但对其余区域的结论存在差异。就省级尺度而言,线性拟合、二次多项式拟合及HP 滤波法更能反映涝渍灾害对长江中下游棉花产量的影响。

图4 基于7 种气象产量方法分离的长江中下游6 省棉花气象产量与涝渍指标的相关系数Fig.4 Correlation coefficients between cotton climatic yield fitted by different methods and cotton waterlogging indicator of the six provinces in the middle-and-lower reach of the Yangtze River

2.4 不同气象产量分离方法在各市的结果比较

为进一步分析各市内7 种方法计算的气象产量与涝渍指标的相关性,采用了研究区内棉花产量数据较为完整的4 省共45 市进行相关分析计算,相关系数结果如图5所示。4 省中仅湖北省内各市出现较多显著结果: 超过一半地区(武汉市、黄石市、荆州市、宜昌市、孝感市、咸宁市、恩施和天门市)的涝渍指标与棉花气象产量呈显著负相关或极显著负相关(图5a)。三次多项式(图5b)、5年滑动平均法(图5c)和五点二次平滑法(图5d)对应的气象产量与涝渍指标显著相关的站点数比其他方法更多。此外安徽省也出现了较多显著性结果(合肥市、宿州市、淮南市、滁州市和铜陵市,图5e),而3年滑动平均法对应的气象产量与涝渍指标的显著相关站点数最多。除湖北和安徽省外,其余2 省存在显著结果较少,这与省级尺度结论相符(图4)。在江西省,线性拟合(图5f)、二次多项式拟合(图5g)和HP 滤波法(图5h)分离得到的气象产量与涝渍指标显著相关的站点数更多(九江市和上饶市),其中二次多项式效果最佳。浙江省内只有2 个市县(宁波市和台州市)出现显著负相关结果,这可能与浙江省产棉量低且和棉花产量影响因素复杂等因素有关。在市级尺度上,HP 滤波法和3年/5年滑动平均法、五点二次平滑法均有9 个产棉点通过了显著性检验(图6c-f),较其余3 种方法更具有普适性。但即便在显著结果个数相同的情况下也存在具体地点差异,这种现象在安徽省最为明显: 3年滑动平均法和线性拟合具有显著结果的地区数分别为4 和3,而其他方法显著仅有0 或1 个。这表明对于研究区而言,气象产量分离方法的选取对结果可能造成较大影响。

图5 基于7 种气象产量方法分离的长江中下游6 省棉花气象产量与涝渍指标的相关系数的空间分布Fig.5 Spatial distribution of correlation coefficients between cotton climatic yield fitted by different methods and cotton waterlogging indicator of the six provinces in the middle-and-lower reach of the Yangtze River

2.5 气象产量分离结果与历史涝渍灾情数据的一致性

各省5 个涝渍典型年份中不同方法计算得到的棉花气象产量如图6所示。基于涝渍减产理论,受涝面积越大的年份对应越低的气象产量(即气象产量为负值且绝对值越大)。因此,图7a 中各省典型涝渍年份在轴按照受涝面积从大到小排序时,轴气象产量(负值向上)应呈现整体下降趋势。由图可知不同方法在各省份均呈现了这一趋势,但具体到不同方法仍存在较大差异,尤其一些方法无法区分不同受涝面积对应的棉花产量波动,例如在某些年份出现了趋势突变(如湖北1996年和安徽2018年线性拟合结果和湖南1996年3年/5年滑动平滑法结果)。

图6 长江中下游6 省典型涝渍年与对应的气象产量Fig.6 Cotton climatic yields during the typical waterlogging years in the six provinces in the middle-and-lower reach of Yangtze River Plain

为进一步量化比较不同方法分离气象产量与涝渍典型年受灾面积的一致关系,统计了每种方法在5 个涝渍典型年的气象产量排序,将其与受灾面积排序结果进行一致性比较(表2)。由表可知,HP 滤波法效果最佳,在3 个省份中排序结果完全一致(100%),其余3 个省份内也达到80%一致。其次是二次多项式与三次多项式,在3 个省份内实现100%一致。随后是线性拟合和五点二次平滑法,而滑动平均法(包括3年和5年)的效果较差。因此,HP 滤波法、二次多项式和三次多项式法计算的气象产量与历史涝渍灾情数据更为相符。

表2 各长江中下游6 省依据气象产量和历史受涝面积对涝渍年份排序的一致比率Table 2 Consistent ratios of the sequences of waterlogging years identified by climatic yield and the sequences of historical waterlogging areas of in the six provinces in the middle-and-lower reach of the Yangtze River Plain

2.6 长江中下游棉花涝渍灾害风险分析

为研究长江中下游棉花生育期内发生涝渍灾害的规律,本文计算了研究区6 省份(包含45 个产棉市)棉花全生育期内的超标准累积SPEI 在近30年(为与气象产量和涝渍强度相关分析的计算时段保持一致)的平均值,结果如图7所示。总体来看,长江中下游地区内棉花涝渍强度呈现东北部高、南部高、中部低的分布特征(图7b)。就不同省份而言,棉花遭遇涝渍倾向性最大的是浙江省和江西省,其次是江苏省和湖南省,而安徽省和湖北省的涝渍倾向性则相对较小(图7a)。高涝渍倾向的市级地区主要集中在江西省、浙江省、安徽省和江苏省。其中江西省和浙江省内大部分地区都具备较强的涝渍倾向,而安徽省和江苏省在部分区域(如安徽北部阜阳、毫州和蚌埠,以及江苏西部徐州)存在较高涝渍倾向。

图7 长江中下游6 省1990—2019年棉花涝渍指标均值比较(a)及空间分布特征(b)Fig.7 Averaged cotton waterlogging intensity (a) and its spatial distribution (b) in the six provinces in the middle-and-lower reach of the Yangtze River Plain from 1990 to 2019

涝渍灾害的风险性不仅取决于涝渍发生倾向,还取决于棉花响应的敏感性。前文所呈现的涝渍指标与棉花气象产量的相关分析结果(图4)可描述不同地区棉花因涝减产现象的严重程度: 湖北省、安徽省和江西省棉花因涝减产的风险性高。需要注意的是,湖北和安徽省的棉花涝渍发生倾向性虽然较低,但涝渍减产作用显著,因此这些地区更需加强棉花涝渍灾害的防控工作。

3 讨论

气象产量分离是农业旱涝灾害评估研究的重要内容,此前已有一些研究针对常用的气象产量分离方法进行比较研究,而本文从气象产量与涝渍指标的关联性出发,同时纳入更多的常见气象产量分离方法进行比较研究。在此基础上进一步将不同方法计算的气象产量与典型涝渍年受灾面积进行分析对比。最终结果表明,就气象产量和涝渍指标的关联性而言,省级尺度上线性拟合、二次多项式拟合和HP 滤波法效果显著(图4),而市级尺度上HP 滤波法、滑动平均法和五点二次平滑法表现更为优异(图5)。另一方面,就不同方法分离的气象产量与历史受涝面积的相符程度而言,HP 滤波法最佳,其次

是二次多项式和三次多项式拟合(表2)。因此,总体上HP 滤波法对于各省、各市气象产量分离结果均令人满意,其次是二次多项式。本文有关省级尺度方法比较的结果(图4)与房世波基于5 省棉花气象产量比较多种气象产量分离方法的结论基本相符,均认为二次多项式效果较好。此外,王桂芝等利用1961-2011年全国各省份粮食单产数据探讨不同分离方法的效果,结果表明HP 滤波分解在进行长时间序列的趋势产量拟合过程中具有一定优势,适用的数据广泛并具有很强的包容性,这也与本文的研究结论相符(图4)。就市级尺度的分析结果而言(图5),本文与李心怡等关于产量分离方法的比较结论一致,其研究表明五点二次平滑法与3年/5年滑动平均法更具有普适性;而赵东妮等对辽宁省各地区水稻趋势产量拟合结果表明,HP 滤波法效果最好,指数平滑法次之,从指标优劣一致性看,这与本文的结果也相符。此外需要注意的是,通过与历史受涝面积的比对发现,部分方法在少数情况也可能会出现不合理结果,例如在江西省内3年滑动平均法、5年滑动平均法及五点二次平滑法的气象产量和涝渍指标出现了正相关关系(图4)。与之类似,浙江省和江西省典型涝渍减产年对应的棉花气象产量也出现了少数正值(图6)。以上现象的出现可能与高温干旱或低温寡照等其他气象灾害有关。此外,本文结果发现不同方法分离效果的一致性还呈现区域差异性(图6),不同于其他省份,安徽省内不同气象产量分离方法刻画当地棉花因涝减产规律的能力差异显著。该结果表明,在某些地区(如安徽省)采用不同气象产量分离方法所获得的结论很可能出现明显差异,甚至得出相反的结论。造成上述现象的原因可能是安徽近5年(2015-2019年)棉花产量显著下降,因而棉花产量数据较大的波动导致了气象产量分离方法容易出现偶然性结果。此外需要注意的是,本文主要是利用SPEI 揭示棉花涝渍灾害的影响,但棉花产量的波动还受诸多非气象因素的影响。例如,棉花品种改良以及田间施肥措施等影响因素体现在棉花趋势产量中,但与气象产量很难严格区分出来,这也可能会对结果造成一定影响。

就涝渍倾向性而言,本研究结果表明长江中下游的浙江省和江西省的棉花最容易遭遇涝渍灾害,其次是湖南省和江苏省,而湖北省棉花的涝渍倾向性相对较小(图7),这与于文金等有关长江流域各省份夏季旱涝灾害特征的研究结论基本相符。就涝渍减产现象而言,减产作用最为严重的湖北省有8个产棉市出现显著负相关结果,这与刘凯文等利用降水距平百分率对湖北荆州市棉花旱涝灾害规律分析的结论相吻合,该研究认为荆州棉花生长季内发生的水分胁迫以涝渍为主。考虑到湖北省是我国产棉大省,植棉面积居长江流域棉区各省之首,因此,有必要根据当地棉田的涝渍成灾特点,探索合理的排水指标以保障湖北省棉花的高产稳产。此外,结果还表明安徽省棉花因涝减产现象也比较显著(图4和图5),这与岳伟等的研究结论相一致,该研究发现安徽省沿江地区棉花生长季内降水量常年大于棉花需水量,因此安徽省棉花在大田实际生产中容易遭受涝渍灾害影响。综合上述结果可知,暴雨频发地区与因涝减产地区并不一致。例如浙江省和安徽阜阳市的棉花没有出现显著的因涝减产现象,但是上述地区在棉花生育期内出现了较为严重的涝渍事件(图7)。相反,对于一些涝渍灾害低发地区,如湖北的恩施和宜昌、安徽铜陵以及江西的上饶和九江,其棉花气象产量与涝渍指标均显著负相关(图5),这主要是因为强降水并不一定会导致棉花显著减产,具体还与当地下垫面条件、排水管理模式及棉花品种耐涝性等因素有关。

4 结论

1)不同方法所分离的趋势产量均能体现区域棉花产量的长期变化趋势,但在短期波动上存在较大差异。不同方法计算的气象产量具有相似的波动趋势,但是波动幅度存在差异;不同方法在一些年份出现了较大的数值差异,甚至是正负差异,这种差异可能是高温干旱或低温寡照等因素造成的,这也导致了不同方法在刻画因涝减产现象时有所差异。此外,长江中下游6 省中,浙江省棉花气象产量波动明显小于其余省份。

2)从气象产量与涝渍指标关联性而言,省级尺度上线性拟合、二次多项式拟合和HP 滤波均为效果较好的方法,而在市级尺度上表现较好的方法是HP 滤波法、滑动平均法和五点二次平滑法。采用不同方法会导致不同省份因涝减产程度的排序结果出现差异,但对于涝渍减产非常显著的地区(湖北省和安徽省)判定一致。另一方面,从气象产量结果与各省历史涝渍面积的相符程度而言,HP 滤波法、二次多项式和三次多项式的结果能更准确地刻画涝渍成灾情况。总体而言,HP 滤波是描述长江中下游棉区棉花涝渍减产的首选方法,它刻画典型涝灾减产规律以及省级尺度和市级尺度均表现出极好的适用性。此外,二次多项式也能较好地刻画各省的涝渍减产作用。

3)长江中下游棉区的涝渍频发地区与涝渍减产作用严重区不同。各省按涝渍灾害倾向性从高到低为浙江省＞江西省＞湖南省＞江苏省＞安徽省＞湖北省。但从涝渍减产作用而言,湖北省和安徽省最显著,其次是江西省、浙江省和江苏省,而湖南省棉花没有表现出显著的受涝减产。此外,上述省份中棉花因涝渍减产风险最高的市主要包括湖北省的武汉市、黄石市、荆州市、宜昌市、孝感市、咸宁市、恩施和天门市,安徽省的合肥市、宿州市、淮南市、滁州市和铜陵市,江西省的九江市和上饶市,以及浙江省的宁波市和台州市。

本研究成果不仅对长江中下游棉区防涝具有一定的指导意义,而且对其他作物的灾害分析也具有现实意义。