江淮不同亚区冬小麦涝渍害气候风险时空演变

陈金华，刘瑞娜，吴文革，杜祥备，周永进，孔令聪，戴其根，霍中洋

▪农田排水▪

江淮不同亚区冬小麦涝渍害气候风险时空演变

陈金华1，刘瑞娜1，吴文革2*，杜祥备2，周永进2，孔令聪2，戴其根3，霍中洋3

（1.安徽省农业气象中心/安徽省大气科学与卫星遥感重点实验室，合肥 230031；2.安徽省农业科学院，合肥 230031；3.扬州大学 农学院/水稻产业工程技术研究院，江苏 扬州 225009）

揭示江淮亚区冬小麦全生育期涝渍害气候风险时空演变特征，为不同区域涝渍害精准防控提供依据。基于江淮地区苏皖二省境内143个地面气象观测站数据，通过对冬小麦全生育期月降水量、潜在蒸散量序列进行主成分降维与K-Means聚类分析，将研究区划分为5个气候亚区；应用基于标准化前期降水蒸散指数的日尺度冬小麦涝渍害的历史序列数据，分析了冬小麦全生育期各气候亚区的涝渍害的时空演变特征。出苗—越冬期（11月—次年2月）涝渍害年均发生天数和次数的高值区位于江淮之间、沿江东部，而返青—成熟期（3—5月）的涝渍害则呈北少南多的纬向分布特征。5个气候亚区生育期内逐旬涝渍害天数在沿江西部和高山区域呈明显的前期少、后期多的分布型，生殖生长阶段的涝渍害气候风险高；在江淮之间和沿江东部为平缓型，全生育期均有较为明显的涝渍害；淮北地区则是在播种出苗期的涝渍害发生频次最高。从年际间变化趋势来看，5个气候亚区各旬涝渍害发生天数的变异系数普遍较高，11月下旬—次年2月中旬涝渍害天数大多呈显著增加趋势。苏皖二省冬小麦全生育期涝渍害风险总体偏高，5个气候亚区的涝渍害气候风险时空特征差异明显，未来应更有针对性地制定不同亚区气候适应性防御策略。

江淮地区；冬小麦；气候风险；涝渍害；时空演变

0 引言

【研究意义】安徽、江苏是我国冬小麦种植优势区之一，常年种植面积达5.0×106hm2[1]，对于保障国家粮食安全具有重要意义。该地区处长江中下游，小麦生长季气候湿润，涝渍灾害频发[2-3]。小麦季发生渍害会导致其根系缺氧、生长受阻甚至部分坏死[4]，并衍生有机酸及有毒还原性物质，影响根系正常生长[5-6]，影响小麦的光合作用、物质转运及品质[7-9]。中后期的涝、渍害还会加重小麦病害风险，导致小麦倒伏、发芽霉变[10-11]。

【研究进展】研究认为，渍水胁迫在小麦生殖生长阶段产生的影响显著大于营养生长阶段[12-13]。因此，广大学者十分重视小麦春发阶段后的涝、渍害风险评估及预警研究。吴洪颜等[14]基于春季旬降水量、旬日照时间、旬降水日等与渍害相关的关键气象因子与冬小麦气候产量的关系，构建了江苏省冬小麦春季渍害风险空间区划方法，并提出了不同风险区的防御对策；盛绍学等[15]构建了基于综合涝、渍害气候风险指数、脆弱度、灾损风险指数、抗灾力系数的江淮地区春季涝渍综合风险评估与精细化空间区划方法；侍永乐等[16]分析指出，江淮地区春季轻度渍害次数有降低趋势，而中度、重度渍害次数变化不大；张旭辉等[17]构建了基于日渍、涝灾害指标和权重指数的渍、涝灾害过程模型，分析了江苏省农田渍涝时空分布规律和气候变化趋势[18]。霍治国等[10]、高雅文等[19]、陈金华等[20]为提升小麦涝、渍害监测预报精度，构建了旬、日尺度的小麦涝渍害监测预警指标并予以推广应用。

【切入点】小麦播种出苗期的渍害会显著降低其出苗率[21]；但其对最终产量影响较小与及时可行的补救措施及小麦自身的补偿作用有关[22]。中国西南地区的稻茬小麦及盆栽小麦也有因苗期渍水导致有效穗数显著降低而减产[23-24]的报道。受气候变暖影响，冬季降水及涝、渍害极端气候事件变率增大、气候风险增加[15, 25]；近年来，出苗—越冬期的渍水对小麦生长的影响愈加受到关注[26-27]。安徽、江苏二省地处湿润、半湿润气候过渡带，该地区广泛种植着旱茬小麦和稻茬小麦[28]。气候变化背景下，小麦生长期的涝、渍害风险及其对小麦生长影响的不确定性增加。只关注返青后的春季涝、渍害防御具有局限性，也与新时期农业、农村绿色发展及生态文明建设要求不相适应。【拟解决的关键问题】为此，本研究拟探究苏皖地区冬小麦返青前、后2个阶段的涝、渍害气候风险差异，揭示气候变化背景下的不同亚区旬尺度上的冬小麦涝、渍害演变特征，为小麦生产中准确把握涝、渍害防控关键期，不同区域、不同时段涝渍害针对性防控对策提供理论依据。

1 材料与方法

1.1 数据来源

气温、降水、日照时间等日尺度的气象数据来源于当地气象观测站，涉及安徽、江苏二省共143个气象站点，年限为1971—2020年。

1.2 涝、渍害指数与分析方法

式中：P为日降水量（mm）；为日序数；c为作物系数；0,i为日参考蒸散量（mm），采用联合国粮农组织（FAO）推荐的Penman-Monteith模型进行计算。

当前农田旱涝状况由前期水分收支量决定，可用前期降水量与作物潜在蒸散量的差值指数（Antecedent Precipitation Evapotranspiration Index,）表示，即：

式中：为前推天数，取值为99[29-30]；为前推日序数（当日为0）；为日尺度衰减系数，取值为0.955[29-30]。

已有研究证实，对历史序列数据={1,2, …, x}应采用三参数log-logistic概率分布函数()进行拟合，经正态标准化求得的标准化前期降水蒸散指数（Standard Antecedent Precipitation Evapotranspiration Index,）可反映降水时间分布及日降水量大小对农田水分供需关系的影响，可精准反映江淮不同区域的日尺度旱涝情况，且与土壤含水率的变化情况吻合性较高[19-20, 29]。

式中：0=2.515 517，1=0.802 853，2=0.010 328，1=1.432 788，2=0.189 269，3=0.001 308。等级标准、理论累积概率及其对应的土壤相对湿度等级见表1[29,31]。

表1 标准化前期降水蒸散指数等级标准、理论累积概率及对应的土壤相对湿度

分别以日尺度的>0.5和>1.0作为轻度以上和中度以上涝渍害天数的统计标准。当>0.5时，判别涝渍害天数是否持续，直至≤0.5的天数达2 d以上时，判别过程结束，记为1次轻度涝渍害过程。同理，根据中度涝渍害下限阈值，对中度以上的涝渍害的次数进行统计。

1.3 气候分区

主成分分析（Principal Component Analysis，PCA）是一种数据降维的多元统计方法，可将线性相关的多变量数据转化为少数的综合指标，进而用少量指标最大限度反映原始数据信息[32]。K-Means聚类分析是一种经典聚类算法，将各个聚类子集内的所有数据样本的均值作为该类的代表点，通过迭代过程把数据集划分为不同的类别，使得评价聚类性能的准则函数达到最优[33]。本文计算了苏皖地区143个地面气象观测站的冬小麦全生育期（当年11月—次年5月）的月降水量（j，为月份）、月潜在蒸散量（j）的年平均值，采用PCA方法提取它们的主成分，并基于K-Means聚类对主成分进行气候分区。PCA与K-Means聚类采用Python Sklearn实现。

1.4 气候变化特征分析

基于时间序列数据={1,2, …,σ}与其对应的时间，建立一元线性方程=+。其中为回归常数，为回归系数。的正、负性表示气候变量随的增、减倾向，的绝对值表征变化趋势的大小。在气候统计中，一般把10称为该要素的气候倾向率（Climate Tendency，）[34]。

Mann-Kendall趋势检验（M-K检验）是WMO推荐的非参数趋势检验方法，广泛应用于气象、水文等方面的趋势分析与显著性检验[35]。M-K检验统计了表征时间序列数据趋势变化的标准正态统计量（s），其计算方法参考文献[35]。s的正、负性分别表示增大、减小趋势。绝对值越大，趋势越明显，大于1.28、1.64、2.32分别表示通过了置信度90%、95%、99%的显著性检验。

变异系数（Coefficient of Variation,）是概率分布离散程度的归一化量度，其定义为标准差与平均值之比[36]。值越大表明离散程度的测度值越大，反之越小。本文基于PCA、K-Means聚类方法进行气候分区，统计分析了苏皖二省1971—2020年不同气候区的冬小麦播种—成熟收获期的逐旬涝渍天数、次数及其、及s，并分析其变化规律。

2 结果与分析

2.1 气候分区

首先计算了苏皖二省表征冬小麦农田水分供需关系的月降水量、月潜在蒸散量的年平均值，构建14列（当年11月—次年5月的月降水量与月潜在蒸散量）×143行（143个站点）的矩阵数据进行主成分分析，结果见表2。第1主成分1的方差贡献率最大，达到了75.26%。累计方差贡献率接近95%，且三者的特征根均大于1。因此，指数群可以降维成1、2、3这3个综合指标。

表2 主成分分析结果

各主成分的因子得分系数矩阵（表3）表明，2中11月与12月的潜在蒸散量的得分系数明显高于其他因子，3中1月和3月作物潜在蒸散量、4—5月降水量等4个因子的得分系数在0.3以上。

表3 主成分分析的因子得分系数矩阵

注PM、ET分别为冬小麦生育期各月的月降水量、月潜在蒸散量的年平均值（1971—2020年），为月份。

基于原始因子与其得分系数的线性关系，求得各主成分得分1、2、3，并采用克里金方法进行空间插值分析，结果见图1。1呈现出显著的北低南高的纬向分布特征（图1（a）），体现了苏皖二省南北气候干湿性差异；2高值区位于东部海洋性气候区域，低值区位于北部及高山区域（图1（b）），3高值区在皖南与大别山区、低值区在长江下游（图1（c）），二者的分布型与苏皖两省的地形、地貌及季风气候特征有很好的吻合性。采用K-Means聚类方法对1、2、3进行分类，苏皖二省143个气象站点被划分为淮北地区、江淮之间、高山区域（大别山区及皖南山区）、沿江西部、沿江江南东部等5个气候亚区（图1（d）），分区结果与地形、地貌及气候特征吻合性高。

图1 主成分空间得分及聚类分区结果

Fig.1 Spatial distribution of principal component scores and climatic regionalization results based on PCS’ K-means cluster analyzing

2.2 涝渍害空间分布

基于1971—2020年历史序列数据，统计分析了冬小麦出苗—越冬期（当年11月—次年2月，下同）、返青—成熟期（3—5月，下同）的年均涝渍害天数，见图2。苏皖地区出苗—越冬期轻度以上涝渍害天数为8.0～36.0 d，区域性差异大，呈东北、西南低，东南、西北走向高的分布型；其中江苏省东北部最低，分布在8.0～15.0 d不等，安徽省江淮之间、江苏沿江地区最高，普遍达30.0 d以上（图2（a））。中度以上涝渍害天数的分布型与前者相同，但天数明显降低，为1.0～13.0 d不等（图2（b））。返青至成熟期年均轻度以上的涝渍害天数呈明显的北少南多的纬向分布特征，苏皖长江以北、江苏省长江以东地区轻度以上涝渍天数较出苗—越冬期略有减少，为4.0～27.0 d；安徽沿江江南地区明显增多，大部分地区分布在34.0～59.0 d（图2（c））。返青—成熟期中度以上涝渍天数为2～36 d，与出苗—越冬期相比，大部分地区呈增加趋势，其中沿淮淮北北部增加1.0～3.0 d，安徽省沿江江南增加显著，增加天数达20.0～27.0 d（图2（d））。

同理，分析了2个生育阶段的年均涝渍害发生次数，见图3。轻、中度以上涝渍过程次数的分布型与同期的涝渍害天数分布型相同；其中，出苗—越冬期轻、中度以上涝渍过程次数分别为0.80～2.13、0.09～1.20次/a；返青—成熟期轻、中度以上涝渍过程的次数分别为0.10～2.80、0.08～2.30次/a。出苗—越冬期、返青—成熟期2个生育阶段的轻度以上涝渍过程的平均天数分别为10.0～19.0、11.0～24.0 d，2个时期的差异不大；中度以上涝渍过程的平均天数前、后2个时期分别为5.0～18.0、10.0～23.0 d，后者明显大于前者。

图3 冬小麦全生育期涝渍害过程年平均发生次数空间分布

2.3 涝渍害时间分布

基于1971—2020年历史序列数据，统计分析了5个气候亚区的冬小麦全生育期的逐旬轻度以上的涝渍害天数的年平均值，结果见图4。淮北地区旬涝渍害天数最多的时段为冬前，达1.0～3.7 d，越冬至返青期次之，为1.0～1.9 d；拔节后年均涝渍天数最少，大部分时段不足1.0 d；江淮之间、沿江江南东部各旬次年均涝渍害天数变化不明显，大部分时段轻度以上的年均涝渍害天数为1.5～3.7 d；沿江西部及高山区域冬前大部分时段年均涝渍害天数为1.3～2.5 d，春发生长后增加趋势明显，达2.6～6.2 d不等。从各区域的均值线比较来看，淮北地区（1.6 d）<江淮之间（2.3 d）<沿江江南东部（2.5 d）<高山区域（2.7 d）<沿江西部（2.8 d）。

图4 冬小麦全生育期各亚区逐旬轻度以上涝渍害天数的年平均值比较

同理分析了冬小麦全生育期逐旬中度以上的涝渍害天数的年平均值，结果见图5。5个亚区中度以上旬涝渍害天数的时间变化分布型与轻度以上旬涝渍害天数的分布型相似。其中淮北地区、江淮之间的冬前生长阶段涝渍害天数最多，最大分别达到了2.0、1.6 d；高山区域、沿江西部生殖生长期涝渍害天数最多，中度以上的旬涝渍害天数达1.0～3.6 d不等，5月以后每旬达2.5 d以上。

图5 冬小麦全生育期各亚区逐旬中度以上涝渍害天数的年平均值比较

2.4 气候变化趋势分析

在上述基础上，进一步分析了1971—2020年不同旬次的轻度以上涝渍害天数的年际间气候倾向率（）及M-K趋势检验的标准正态统计量s，结果见图6。淮北地区11月中旬—1月下旬的旬涝渍害天数的气候倾向率为正值，旬涝渍害天数呈0.36～0.57 d/10 a的增加趋势，均通过了90%的置信度检验，且大部分旬次通过了95%的置信度检验。江淮之间11月下旬—次年2月中旬、沿江江南东部11月下旬—次年3月上旬的旬涝渍害天数分别呈0.26～0.75、0.29～0.83 d/10 a的增加趋势，且均通过了90%或更高水平的置信度检验。高山区域、沿江西部地区气候倾向率为正值的时段与江淮之间相似，但仅1月中下旬前后通过了90%置信度检验。各亚区的旬涝渍害天数的气候变化趋势虽略有差异，但增加趋势且通过99%置信度检验的时段主要为12月下旬—次年2月上旬，减少趋势且通过90%以上置信度检验的时段主要在4月下旬—5月上中旬。

注 气候倾向率（d/10 a） M-K趋势检验统计量------趋势显著性标准线（|Zs|>绿、蓝、红线的绝对值分别通过置信度90%、95%、99%显著性检验）

同理分析了1971—2020年不同旬次的旬涝渍害天数的年际间变异系数（），结果见图7。各亚区值总体偏高，其中淮北地区旬涝渍害天数的值最高，年际间差异也最大。从各亚区平均值的比较情况来看，淮北地区（185%）>江淮之间（138%）>高山区域（137%）>沿江江南东部（133%）>沿江西部（132%），其中，淮北地区为前低后高型，江淮之间、沿江江南东部为总体平缓型，高山区域、沿江西部为前高后低型。

图7 冬小麦全生育期各亚区逐旬轻度以上涝渍害天数的年际间变异系数

3 讨论

苗期—越冬期（11月—次年2月）的涝渍害发生天数与次数呈东北和西南少、东南至西北走向多的空间分布型，多发区域主要集中于江淮之间、沿江江南东部地区；而返青—成熟期（3—5月）轻度、中度以上的涝渍害发生频次总体呈南多北少纬向分布。全生育期旬次间的涝渍害发生天数在不同亚区存在明显差异，其中淮北地区播种出苗—越冬期的涝渍害风险明显高于返青—成熟期；沿江西部、高山区域为前少后多时间分布型，即生殖生长阶段的涝渍害更为明显；江淮之间、沿江江南东部全生育期均有较为明显的涝渍害，且前、后2个阶段的涝渍害风险差异较小。结合江淮地区气候因素分析，秋冬季节冷、暖空气经常交汇的江淮分水岭地区，降水及涝渍害风险高于其他区域；入春后南部暖湿气流开始活跃起来，并与地形因素结合，导致皖西及二省沿江西部地区涝渍害呈偏重发生态势；而江淮之间、沿江江南东部地区在位置上处于江淮腹地，前、后2个时期的有利于降水气候因素都对该区域有影响，因而全生育期均有较为明显的涝渍害。

从年际间变化趋势看，各亚区11月下旬—次年2月中旬大部分旬次的涝渍害天数有增加趋势，其中1月前后气候倾向率约达0.6 d/10 a，且通过99%置信度的M-K趋势检验。沿淮及其以南各区域在4月下旬至5月中旬的涝渍害天数有减少趋势，且通过90%或95%置信度检验；与侍永乐等[16]苏皖二省春季轻度湿渍害在波动减少研究结论一致。不同亚区各旬次的年际间变异系数普遍偏高，其中春季涝渍害风险偏低的淮北地区，变异系数高达130%～310%。可见，气候变暖加重了苏皖地区冬季涝渍害风险，也增加不同亚区涝渍害发生的不确定性。

综上可知，苏皖地区冬小麦全生育期涝渍害气候风险总体较高，不同亚区间也存在明显差异，小麦种植中应重视差异化涝渍害防控技术的发展。其中淮北地区播种出苗至冬前涝渍害发生风险偏高，对适期播种、苗齐苗全有不利影响[21]，应注重耐渍播种技术的发展及冬前渍害防范。江淮之间、沿江江南东部冬小麦全生育期均有较明显的涝渍害，小麦生产中除采取“内外三沟”配套常规防涝措施外，还应重视耐渍品种选育和抗渍栽培调节技术的应用。沿江西部、高山区域春季涝渍害气象风险过高，此阶段的涝渍害对小麦产量、品质的影响最大[12-13]，应尽可能缩减小麦种植面积；切实有种植需求的区域，应建立涝渍害风险预警和防控适用技术体系，加大高标准旱涝保收农田设施的建设力度，尽可能提升冬小麦涝渍害防御能力。气候变化背景下，苏皖二省冬季的涝渍害呈偏重发生态势，应更加重视冬季涝渍害防范工作，以免小麦前期根系生长偏弱，引发后期田管问题。沿淮及其以南地区春季降水及田间渍水通常能满足赤霉病发生流行条件，涝渍害偏轻的淮北地区降水变率大，部分年份也会导致赤霉病大流行。因此江淮地区小麦种植还应重视赤霉病统防统治。

4 结论

江淮地区冬小麦涝渍害气候风险具有明显的时空差异性特征。其中淮北地区为前期多、后期少分布型，即播种出苗期的涝渍害风险最高；江淮之间、沿江江南东部为平缓型，全生育期均有较为明显的涝渍害；沿江西部、高山区域为前期少、后期多分布型，即生殖生长阶段的涝渍害气候风险异常偏高。

气候变化背景下，江淮各亚区11月下旬—次年2月中旬大部分旬次的涝渍害天数有显著增加趋势，其中1月前后气候变化影响最为显著，每10 a旬涝渍害天数将增加0.6 d。5个气候亚区的逐旬涝渍害发生天数的年际间变异系数普遍偏高，未来极端涝渍害事件对冬小麦的影响呈偏重发展态势。江淮地区小麦生产应注重发展耐渍种植制度，并强化生产过程的涝渍害预警与防控。

[1] 国家统计局. 2020中国统计年鉴[M]. 北京: 中国统计出版社, 2020.

National Bureau of Statistics. 2020 China Statistical Yearbook[M]. Beijing: China Statistics Press, 2020.

[2] 卢布, 丁斌, 吕修涛, 等. 中国小麦优势区域布局规划研究[J]. 中国农业资源与区划, 2010, 31(2): 6-12, 61.

LU Bu, DING Bin, LYU Xiutao, et al. Arrangement planning of chinses wheat ascendant regions[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2010, 31(2): 6-12, 61.

[3] CHEN Yuanyuan, HUANG Jingfeng, SONG Xiaodong, et al. Spatiotemporal characteristics of winter wheat waterlogging in the Middle and Lower Reaches of the Yangtze River, China[J]. Advances in Meteorology, 2018, 2018: 1-11.

[4] BRISSON N, REBIRE B, ZIMMER D, et al. Response of the root system of a winter wheat crop to waterlogging[J]. Plant and Soil, 2002, 243(1): 43-55.

[5] SHAW R E, MEYER W S, MCNEILL A, et al. Waterlogging in Australian agricultural landscapes: A review of plant response sand crop models[J]. Crop and Pasture Science, 2013, 64(6): 549-562.

[6] MALIK A I, COLMER T D, LAMBERS H, et al. Short term waterlogging has long-term effects on the growth and physiology of wheat[J]. New Phytologist, 2002, 153(2): 225-236.

[7] HERZOG M, STRIKER G G, COLMER T D, et al. Mechanisms of waterlogging tolerance wheat-a review of root and shoot physiology[J]. Plant Cell and Environment, 2016, 39(5): 1 068-1 086.

[8] 肖梦华, 俞双恩, 胡秀君. 涝渍胁迫对冬小麦生长因子变化的影响研究[J]. 灌溉排水学报, 2015, 34(9): 33-39.

XIAO Menghua, YU Shuang’en, HU Xiujun. Effect of water-logging stress on growth factor change of winter wheat in Southern Area[J]. Journal of Irrigation and Drainage, 2015, 34(9): 33-39.

[9] ZHOU Qin, WU Xiaojing, XIN Liang, et al. Waterlogging and simulated acid rain after anthesis deteriorate starch quality n wheat grain[J]. Plant Growth Regulation, 2018, 85 (15): 257-265.

[10] 霍治国, 王石立. 农业和生物气象灾害[M]. 北京: 气象出版社, 2009.

HUO Zhiguo, WANG Shili. Agricultural and biological meteorological disasters[M]. Beijing: China Meteorological Press, 2009.

[11] 李德, 景元书, 祁宦. 1980-2012年安徽淮北平原冬小麦灌浆期连阴雨灾害风险分析[J]. 资源科学, 2015, 37(4): 700-709.

LI De, JING Yuanshu, QI Huan. An analysis of disaster risk for continuous cloudy-rainy weather during the filling stage of winter wheat on the Huaibei Plain[J]. Anhui. Resources Science, 2015, 37(4): 700-709.

[12] SAN CELEDONIO R P, ABELEDO L G, MIRALLES D J. Identifying the critical period for waterlogging on yield and its components in wheat and barley[J]. Plant and Soil, 2014, 378(1/2): 265-277.

[13] 李金才, 董琦, 余松烈. 不同生育期根际土壤淹水对小麦品种光合作用和产量的影响[J]. 作物学报, 2001, 27(4): 434-441.

LI Jincai, DONG Qi, YU Songlie. Effect of waterlogging at different growth stages on photosynthesis and yield of different wheat cultivars[J]. Acta Agronomica Sinica, 2001, 27(4): 434-441.

[14] 吴洪颜, 高苹, 徐为根, 等. 江苏省冬小麦湿渍害的风险区划[J]. 生态学报, 2012, 32(6): 1 871-1 879.

WU Hongyan, GAO Ping, XU Weigen, et al. Risk division on winter wheat suffering from spring wet damages in Jiangsu Province[J]. Acta Ecologica Sinica, 2012, 32(6): 1 871-1 879.

[15] 盛绍学, 霍治国, 石磊. 江淮地区小麦涝渍灾害风险评估与区划[J]. 生态学杂志, 2010(5): 985-990.

SHENG Shaoxue, HUO Zhiguo, SHI Lei. Risk assessment and regionalization of waterlogging disaster for wheat in Jianghuai Region[J]. Chinese Journal of Ecology, 2010, 29(5): 985-990.

[16] 侍永乐, 石春林, 李映雪, 等. 江淮地区春季湿渍害时空分布特征[J].江苏农业科学, 2016, 44(3): 352-355.

SHI Yongle, SHI Chunlin, LI Yingxue, et al. Spatial and temporal distribution characteristics of waterlogging in spring in Jianghuai Region[J]. Jiangsu Agricultural Sciences, 2016, 44(3): 352-355.

[17] 张旭晖, 朱海涛, 杨洪建, 等. 江苏渍涝灾害影响程度评估[J]. 江苏农业科学, 2016, 44(9): 407-411.

ZHANG Xuhui, ZHU Haitao, YANG Hongjian, et al. Impact assessment of waterlogging disaster in Jiangsu province[J]. Jiangsu Agricultural Sciences, 2016, 44(9): 407-411.

[18] 冬小麦、油菜涝渍等级. QX/T 107—2009[S].

Waterlogging grades for winter wheat & oilseed rape. QX/T 107—2009[S].

[19] 高雅文, 邓可楠, 张月, 等. 基于农业旱涝指标的湖北省棉花生育期内旱涝急转特征分析[J]. 灌溉排水学报, 2021,40(2): 101-110.

GAO Yawen, DENG Kenan, ZHANG Yue, et al. Using agro-meteorological Indexes to analyze variation in abrupt drought-flooding alternation during cotton growth season in Hubei Province[J]. Journal of Irrigation and Drainage, 2021, 40(2): 101-110.

[20] 陈金华, 岳伟, 吴文革, 等. 基于日尺度的安徽省冬小麦生长过程阴湿害灾损评估模型研究[J]. 麦类作物学报, 2020, 40 (1): 127-134.

CHEN Jinhu, YUE Wei, WU Wen’ge, at al. A Yield loss evaluation model for winter wheat overcast and waterlogging disaster based on daily accumulation in whole development stage in Anhui Province[J]. Journal of Triticeae Crops, 2020, 40(1): 127-134.

[21] 刘鑫. 冬小麦不同生育时期渍水对出苗率和产量及品质的影响[D]. 泰安: 山东农业大学, 2011.

LIU Xin. Effects of different waterlogging stages on emergence rate, yield and quality of winter wheat[D]. Tai’an: Shandong Agricultural University, 2011.

[22] 马尚宇, 王艳艳, 黄正来, 等. 渍水对小麦生长的影响及耐渍栽培技术研究进展[J]. 麦类作物学报, 2019, 39(7): 835-843.

MA Shangyu, WANG Yanyan, HUANG Zhenglai, et al. Research progress of effects of waterlogging on wheat growth and cultivation technique for waterlogging resistance[J]. Journal of Triticeae Crops, 2019, 39(7): 835-843.

[23] SHAO G C, LAN J J, YU S E, et al. Photosynthesis and growth of winter wheat in response to waterlogging at different growth stages[J]. Photosynthetica, 2013, 51(3): 429-437.

[24] 吴元奇, 李朝苏, 樊高琼, 等. 渍水对四川小麦生理性状及产量的影响[J]. 应用生态学报, 2015, 26(4): 1 162-1 170.

WU Yuanqi, LI Chaosu, FAN Gaoqiong, et al. Effect of waterlogging on physical traits and yield of wheat in Sichuan, China[J]. Chinese Journal of Applied Ecology, 2015, 26(4): 1 162-1 170.

[25] WOLLENWEBER B, PORTER J R, SCHELLBERG J. Lack of interaction between extreme high-temperature events at vegetative and reproductive growth stages in wheat[J]. Journal of Agronomy and Crop Science, 2003, 189(3): 142-150.

[26] 王强生, 蔡茶花, 黄高平, 等. 池州市2018年冬季连阴雨气候特征及其对农业生产的影响[J]. 农业灾害研究, 2019(3): 45-47, 105.

WANG Qiangsheng, CAI Chahua, HUANG Gaoping, et al. Analysis on climatic characteristics of winter continuous rain in 2018 in Chizhou city and its impact on agriculture production[J]. Journal of Agricultural Catastrophology, 2019(3): 45-47, 105.

[27] 刘敏, 杨宏青, 向华, 等. 湖北省2009年冬末连阴雨过程特点及影响分析[J]. 长江流域资源与环境, 2010, 19(7): 826-831.

LIU Min, YANG Hongqing, XIANG Hua, et al. Main characteristics of the continuous overcast and rainy process and its effect in Hubei province in late winter of 2009[J]. Resources and Environment in the Yangtze Basin, 2010, 19(7): 826-831.

[28] 马晓群, 吴文玉, 张辉. 利用累积湿润指数分析江淮地区农业旱涝时空变化[J]. 资源科学, 2008, 30(3): 371-377.

MA Xiaoqun, WU Wenyu, ZHANG Hui. Analyzing spatial and temporal variations of agricultural drought and waterlog in Jianghuai Area through Accumulated Humidity Index[J]. Resources Science, 2008, 30(3): 371-377.

[29] 陈金华, 余卫国, 刘瑞娜, 等. 日尺度标准化前期降水蒸散指数及其在安徽省的适用性分析[J]. 中国生态农业学报(中英文), 2019, 27(6): 919-928.

CHEN Jinhua, YU Weiguo, LIU Ruina, et al. Daily standardized antecedent precipitation evapotranspiration index (SAPEI) and its adaptability in Anhui Province[J]. Chinese Journal of Eco-Agriculture, 2019, 27(6): 919-928.

[30] 王春林, 陈慧华, 唐力生, 等. 基于前期降水指数的气象干旱指标及其应用[J]. 气候变化研究进展, 2012, 8(3): 157-163.

WANG Chunlin, CHEN Huihua, TANG Lisheng, et al. A daily meteorological drought indicator based on standardized antecedent precipitation index and its spatial-temporal variation[J]. Progressus Inquisitiones de Mutatione Climatis, 2012, 8(3): 157-163.

[31] 农田渍涝气象等级. GB/T 32752—2016[S].

Meteorological grade of agricultural waterlogging. GB/T 32752—2016[S].

[32] 谢飞, 顾继光, 林彰文. 基于主成分分析和熵权的水库生态系统健康评价：以海南省万宁水库为例[J]. 应用生态学报. 2014, 25(6): 1 773-1 779.

XIE Fei, GU Jiguang, LIN Zhangwen. Assessment of aquatic ecosystem health based on principal component analysis with entropy weight: A case study of Wanning Reservoir[J]. Chinese Journal of Applied Ecology, 2014, 25(6): 1 773-1 779.

[33] ZHANG WEI, YANG H, JIANG H, et al. Automatic data clustering analysis of arbitrary shape with K-Means and Enhanced Ant-Based Template Mechanism[J]. IEEE 36th Annual Computer Software and Applications Conference, 2012: 452-460.

[34] 杨栋, 朱佳敏, 丁烨毅, 等. 浙江省水蜜桃物候、品质和产量对气候变化的响应[J]. 生态学杂志, 2019, 38(11): 3 366-3 375.

YANG Dong, ZHU Jiamin, DING Yeyi, et al. Responses of phenology, quality and yield of juicy peach to climate change in Zhejiang Province[J]. Chinese Journal of Ecology, 2019, 38(11): 3 366-3 375.

[35] CHENG Li, CHEN Jinhua, WANG Ranghui, et al. Multi-indices analysis of heavy precipitation changes in Anhui Province[J]. China. Meteorology and Atmospheric Physics, 2021, 133(4): 1 317-1 325.

[36] 刘慧. 区域差异测度方法与评价[J]. 地理研究, 2006, 25(4): 710-718.

LIU Hui. Regional inequality measurement: methods and evaluations[J]. Geographical Research, 2006, 25(4): 710-718.

Spatiotemporal Variation of Climate-induced Waterlogging for Winter Wheat in Jianghuai Region

CHEN Jinhua1, LIU Ruina1, WU Wen’ge2*, DU Xiangbei2, ZHOU Yongjin2, KONG Lingcong2, DAI Qigen3, HUO Zhongyang3

(1. Anhui Agrometeorological Center/Anhui Key Lab of Atmospheric Science and Satellite Remote Sensing, Hefei 230031, China;2. Anhui Academy of Agriculture Sciences, Hefei 230031, China; 3. Agriculture College of Yangzhou University/Research Institute of Rice Industrial Engineering Technology, Yangzhou 225009, China)

Waterlogging is a natural disaster facing agricultural production in many countries across the world. Global warming is expected to increase its frequency. The objective of this paper is to analyze the spatiotemporal variation of climate-induced waterlogging for winter wheat in Jianghuai Region in central-southern China.The analysis was based on archived meteorological data measured from 143 weather stations across Anhui and Jiangsu provinces, from which we calculated the annual and monthly precipitation, potential evapotranspiration of the winter wheat. We divided the two provinces into a number of sub-regions based on climate and analyzed the data in each sub-region using the principal component analysis and K-means cluster methods. The spatiotemporal variation in waterlogging for each sub-region was calculated from daily standardized antecedent precipitation evapotranspiration index.①From November to next February, long-lasting waterlogging was mostly likely to occur in the Jianghuai watershed and eastern Yangtze River, while from March to May, it was more likely to happen in the south and less likely in the north of the region. ②In west Yangtze River and in the high mountain areas, the occurrence of waterlogging in each 10 days increased as the crop grew from seedling to harvest, while in the Jianghuai watershed and east Yangtze River, the occurrence of waterlogging was independent of the growing season. In the north of the Huaihe River, the occurrence of waterlogging in the seedling stage was more frequent than in other growing stages. ③Intra-annual variation of waterlogging in each 10-day showed a significant increase from later November to middle of next February, and the variation coefficients was high.Climate-induced waterlogging for winter wheat in Jiangsu and Anhui provinces is high but its occurrence varies spatiotemporally. These results are helpful for developing mitigating methods to alleviate the detrimental impact of waterlogging in the two provinces.

Jianghuai Region; winter wheat; climate-induced risk; waterlogging disaster; spatiotemporal variation

P49；S16

A

10.13522/j.cnki.ggps.2021549

陈金华, 刘瑞娜, 吴文革, 等. 江淮不同亚区冬小麦涝渍害气候风险时空演变[J]. 灌溉排水学报, 2022, 41(6): 121-130.

CHEN Jinhua, LIU Ruina, WU Wen’ge, et al. Spatiotemporal Variation of Climate-induced Waterlogging for Winter Wheat in Jianghuai Region[J]. Journal of Irrigation and Drainage, 2022, 41(6): 121-130.

1672 - 3317（2022）06 - 0121 – 10

2021-03-04

国家重点研发计划项目（2018YFD0300905，2018YFD0300906）；科技助力经济2020重点专项（KJZLJJ202002）

陈金华（1981-），男。高级工程师，主要从事农业气象灾害与农业气候资源开发利用研究。E-mail: ckinghua@126.com

吴文革（1966-），男。研究员，主要从事作物栽培生理生态与技术集成创新研究。E-mail: wuwenge@vip.sina.com

责任编辑：韩 洋