陳金華，岳 偉，吳文革 ，許有尊，喬玉強(qiáng)，劉瑞娜，楊太明

(1.安徽省農(nóng)業(yè)氣象中心安徽省農(nóng)村綜合經(jīng)濟(jì)信息中心，安徽合肥 230031；2.安徽省農(nóng)業(yè)科學(xué)院水稻研究所，安徽合肥 230031；3.安徽省農(nóng)業(yè)科學(xué)院作物研究所，安徽合肥 230031)

蘇皖兩省淮河以南、湖北北部及河南南部等地區(qū)是我國稻茬小麥最主要種植區(qū)域，面積約500萬hm2[1]。該區(qū)域稻-麥種植為我國糧食安全做出重要貢獻(xiàn)，但受暖濕型氣候影響，長江中下游稻茬小麥種植過程中濕漬害問題突出，嚴(yán)重影響其產(chǎn)量與品質(zhì)[2-5]。研究表明，蘇皖兩省江淮及其以南地區(qū)3-5月份年平均濕漬害發(fā)生次數(shù)為1.5～3.0次，漬害過程的平均持續(xù)時(shí)間達(dá)6 d以上[6]。造成小麥減產(chǎn)10%以上的澇漬災(zāi)害平均每5年發(fā)生2次[7-8]。

前人在小麥濕漬害評估方面開展了大量研究?；糁螄萚9]選取旬降水量、雨日、日照時(shí)數(shù)，構(gòu)建了冬小麥、油菜澇漬指數(shù)與等級標(biāo)準(zhǔn)。盛紹學(xué)等[10]、馬曉群等[11]利用產(chǎn)量統(tǒng)計(jì)資料和旬尺度的陰濕害氣象指數(shù)分別建立了基于災(zāi)損率的冬小麥漬害指標(biāo)與損失評估模型。吳洪顏等[12]利用澇漬害氣象指數(shù)和災(zāi)損評估模型，反演、分析了長江中下游地區(qū)春季澇漬害的發(fā)生和災(zāi)損風(fēng)險(xiǎn)區(qū)劃的時(shí)空分布特征。秦鵬程等[13]基于時(shí)段有效降水和潛在蒸散確定了濕漬害過程判別和等級劃分方法。范雨嫻等[14]以有效累積降水量及連陰雨日數(shù)為判別因子，構(gòu)建基于逐日數(shù)據(jù)的油菜春季澇漬過程災(zāi)變判別指標(biāo)。張旭暉等[15]綜合應(yīng)用土壤水分與氣象觀測數(shù)據(jù)，構(gòu)建基于日漬澇災(zāi)害指標(biāo)和權(quán)重指數(shù)的漬澇災(zāi)害過程指數(shù)模型。在漬害作用機(jī)理方面，吳曉麗等[16]、吳啟俠等[17]、胡繼超等[18]通過試驗(yàn)發(fā)現(xiàn)不同時(shí)期的漬水對冬小麥生物學(xué)特性、干物質(zhì)與產(chǎn)量都有明顯影響。李金才等[19]、張永清等[20]、劉 楊等[21]分析指出孕穗期或灌漿期漬水的影響大于拔節(jié)期，返青期、苗期次之。但也有研究認(rèn)為，出苗期是稻茬小麥漬害影響關(guān)鍵期[22]。

目前廣泛應(yīng)用的濕漬害評估模型多以旬以上尺度的陰濕指數(shù)、濕潤指數(shù)作為主要參數(shù)。這類指數(shù)資料易于獲取、簡單實(shí)用，但統(tǒng)計(jì)時(shí)段出現(xiàn)旱澇急轉(zhuǎn)時(shí)，會(huì)將整個(gè)時(shí)段作為漬害影響時(shí)期。開展不同生育時(shí)期濕漬害影響機(jī)理研究對確定作物漬害防控敏感期及育種選種有重要意義，但有關(guān)結(jié)論與漬害風(fēng)險(xiǎn)評估融合應(yīng)用案例并不多見。陳金華等[23]以前期降水、蒸散為基本參量，構(gòu)建了日尺度的標(biāo)準(zhǔn)化前期降水蒸散指數(shù)(standardized antecedent precipitation evapotranspiration index, SAPEI)，由于采用三參數(shù)的log-Logistic概率分布F(x)進(jìn)行標(biāo)準(zhǔn)化擬合，在表征日尺度的農(nóng)田旱澇演變方面有較強(qiáng)適用性與通用性。本研究擬在此基礎(chǔ)上，探討日尺度的SAPEI與前人不同生育時(shí)期漬害敏感性分析試驗(yàn)結(jié)果耦合應(yīng)用的可行性，以期構(gòu)建一種日尺度的安徽省冬小麥生長過程陰濕害災(zāi)損評估方法。

1 模型構(gòu)建方法

1.1 數(shù)據(jù)來源

氣象資料來源于安徽省氣象局，包括78個(gè)地面氣象觀測站的1961-2018年逐日平均氣溫、最高氣溫、最低氣溫、降水量、風(fēng)速、空氣相對濕度、日照時(shí)數(shù)等。1961-2014年冬小麥分縣產(chǎn)量資料來源于安徽省統(tǒng)計(jì)年鑒。2016年冬小麥漬害損失率調(diào)查數(shù)據(jù)來源于安徽省農(nóng)業(yè)科學(xué)院。

1.2 趨勢產(chǎn)量分解

農(nóng)作物的實(shí)際產(chǎn)量(Yo) 受社會(huì)生產(chǎn)力水平、氣象條件及隨機(jī)因素共同影響。忽略隨機(jī)因素影響情況下，氣象產(chǎn)量(Yw)可表示為：

Yw=Yo-Yt

(1)

式中Yt為趨勢產(chǎn)量，由社會(huì)生產(chǎn)力水平?jīng)Q定Yw氣象產(chǎn)量。氣象產(chǎn)量是絕對量，不具可比性，因此引入氣象減產(chǎn)率(△Y)的概念，即：

△Y=(Yo-Yt)/Yt×100%

(2)

本研究趨勢產(chǎn)量分解采用HP濾波方法[24]，通過Eviews軟件實(shí)現(xiàn)。

1.3 基于日尺度過程的冬小麥陰濕害綜合指數(shù)構(gòu)建

1.3.1 標(biāo)準(zhǔn)化前期降水蒸散指數(shù)

無灌溉時(shí)忽略地表徑流與地下水影響，某日水分收支量(△Wi)可用降水與蒸散差值來表示。

△Wi=Pi-Kc×ET0,i

(3)

式中，i為日序數(shù)；Pi為日降水量，ET0,i為日參考蒸散量，采用聯(lián)合國糧農(nóng)組織(FAO，1998)推薦的Penman-Monteith模型計(jì)算；Kc為作物系數(shù)，計(jì)算方法參考文獻(xiàn)[25]。

當(dāng)前農(nóng)田土壤水分供應(yīng)能力與前期水分收支量有關(guān)，可用前期降水與蒸散差值指數(shù)(antecedent precipitation evapotranspiration index, APEI)表示。

(4)

式中，m為前推天數(shù)，取值100，i為前推日序數(shù)(當(dāng)日為0)，K為日尺度衰減系數(shù),取0.955，同文獻(xiàn)[26]、[23]；△Wi為日水分收支量。

陳金華等[23]對APEI序列數(shù)據(jù)x={x1，x2，……，xn}，采用三參數(shù)的log-Logistic概率分布F(x)進(jìn)行擬合，再經(jīng)正態(tài)標(biāo)準(zhǔn)化求得APEI的標(biāo)準(zhǔn)化變量，即標(biāo)準(zhǔn)化前期降水蒸散指數(shù)(SAPEI)。記log-Logistic擬合分布超過某個(gè)x值的累積概率P=1-F(x)。F(x)計(jì)算方法同文獻(xiàn)[23]。

(5)

(6)

式中，c0=2.515 517，c1=0.802 853，c2= 0.010 328，d1=1.432 788，d2=0.189 269，d3= 0.001 308。

日尺度的SAPEI可反映降水時(shí)間分布及日雨量大小對旱澇的影響，精準(zhǔn)刻畫安徽省不同區(qū)域日尺度的旱澇變化[23]，其等級標(biāo)準(zhǔn)與理論累積概率見表1[23,27-28]。

表1 標(biāo)準(zhǔn)化前期降水蒸散指數(shù)(SAPEI)等級標(biāo)準(zhǔn)、理論累積概率Table 1 Grade standard and theoretical cumulative probability for standardized antecedent precipitation evapotranspiration index(SAPEI)

1.3.2 日陰濕害氣象指數(shù)

作物陰濕害是由農(nóng)田水分供應(yīng)過剩、日照不足引起。不計(jì)地形、土壤因素影響時(shí)，某日作物陰濕害強(qiáng)度(Qi)可表示為：

(7)

式中，SAPEIi為當(dāng)日SAPEI值，SAPELw0為漬害發(fā)生界限值，取值0.5，fs為日照百分率。

1.3.3 基于逐日過程的冬小麥陰濕害綜合指數(shù)

已有試驗(yàn)表明，由于漬水發(fā)生時(shí)期、強(qiáng)度和天數(shù)的不同，漬害災(zāi)損率會(huì)存在差異[17,19-22]。因此，單一以漬水時(shí)期、天數(shù)或強(qiáng)度來劃定濕漬害的農(nóng)業(yè)影響指標(biāo)均存在局限性。本研究通過陰濕害氣象指數(shù)與階段敏感性系數(shù)耦合，以有效陰濕害積來表征陰濕害所處階段、強(qiáng)度、持續(xù)時(shí)間的綜合影響，構(gòu)建一種基于日尺度過程的冬小麥全生育期陰濕害綜合指數(shù)(overcast and waterlogging composite index，OWCI)。

(8)

式中，n為全生育期天數(shù)，i為日序數(shù)，ri為第i日漬害敏感性系數(shù)。本研究參考前人漬害控制試驗(yàn)結(jié)果及專家經(jīng)驗(yàn)[19-22]認(rèn)為，小麥漬害敏感性在冬季緩慢生長(越冬)期最低，越冬至返青期呈漸升趨勢，拔節(jié)后快速增強(qiáng)，揚(yáng)花期進(jìn)入緩增期，并趨于冬后最大值。小麥冬前漬害敏感性在越冬至冬前分蘗生長階段呈漸升趨勢，三葉至出苗期為快速增強(qiáng)期，出苗前為緩增期，并趨于冬前最大值。即冬前、冬后敏感性均符合Logistic曲線分布，可用下式表示[29]：

(9)

式中,α、β為參數(shù)，γmax陰濕害敏感性最大值，冬后γmax取值1.0；通常冬前陰濕害影響可通過作物自身調(diào)節(jié)彌補(bǔ)，故本研究冬前γmax取值 0.5。Logistic 曲線實(shí)質(zhì)是一個(gè)拉長的S形累積增長曲線，其一階導(dǎo)數(shù)為速度函數(shù)。當(dāng)速度函數(shù)的二階導(dǎo)數(shù)值為0時(shí)，Logistic 曲線方程的增長速率出現(xiàn)拐點(diǎn)，此時(shí)有：

(10)

(11)

式中l(wèi)、r為拐點(diǎn)出現(xiàn)日期的日序數(shù)。本研究結(jié)合安徽小麥常年發(fā)育期[30]，設(shè)漬害敏感性最小值日期出現(xiàn)在1月16日(越冬期)，冬前進(jìn)入快速增長與緩增期的拐點(diǎn)日期為12月1日(越冬前)、11月1日(出苗期)，冬后進(jìn)入快速增長與緩增期的拐點(diǎn)日期為3月1日(返青期)、4月21日(揚(yáng)花期)，將其與1月16日的間隔日序數(shù)代入方程求得冬前、冬后Logistic曲線α、β參數(shù)，代入方程(9)取得全生育期的陰濕害敏感性系數(shù)(圖1)。

圖1 冬小麥全生育期陰濕害敏感性系數(shù)Logistic曲線變化

1.4 陰濕害災(zāi)損評估模型構(gòu)建

首先篩選典型漬害年樣本，然后以基于過程敏感性的冬小麥陰濕害綜合指數(shù)(OWCI)為自變量、氣象減產(chǎn)率(△Y)為因變量，建立陰濕害災(zāi)損評估模型。由于無漬害時(shí)理論災(zāi)損率應(yīng)為0，且陰濕害指數(shù)越大，氣象減產(chǎn)率越大，設(shè)置曲線的截距為0進(jìn)行建模。陰濕害災(zāi)損評估模型為：

△Y=a·(OWCI)2+b·OWCI

(12)

式中，a、b為回歸系數(shù)。典型漬害年需同時(shí)排除以下條件：

(1)剔除干旱對產(chǎn)量損失的影響。以旱積指數(shù)(Dr)作為篩選因子。

(13)

式中，SAPEId0為干旱發(fā)生界限值, 取 -0.5。本研究要求全生育期Dr<5.0，其中播種至出苗期(10月6日-11月10日)、孕穗以后 (4-5月)兩個(gè)關(guān)鍵期的Dr<0.5。

(2)剔除高低溫災(zāi)害影響。4月份日最低氣溫Tmin≤2.0 ℃的霜凍日數(shù)、5月份日平均氣溫T>30.0 ℃或日最高氣溫Tmax>35.0 ℃的高溫日數(shù)、冬季(12-2月)日最低氣溫Tmin<-10 ℃的凍害日數(shù)。三者累計(jì)值≤4 d。

(3)剔除豐年，即選擇△Y>-3.00%的 樣本。

經(jīng)篩選得到典型陰濕害年樣本90個(gè)。隨機(jī)將樣本分為兩組，第一組60個(gè)樣本用于陰濕害災(zāi)損評估模型建模，第二組30個(gè)樣本用于模型 檢驗(yàn)。

2 結(jié)果與分析

2.1 冬小麥陰濕害災(zāi)損評估模型的擬合性比較

為求證不同階段陰濕害影響的敏感性，用Logistic曲線陰濕害敏感性方法(Logisticγi)、等敏感性方法(γi=1)分別求得典型陰濕害年的OWCIs、OWCIe數(shù)值，并分別應(yīng)用SPSS統(tǒng)計(jì)分析軟件，建立陰濕害災(zāi)損評估模型。結(jié)果顯示，兩種方法的氣象減產(chǎn)率與作物陰濕害綜合指數(shù)OWCI呈明顯二次曲線關(guān)系，R2分別為 0.843、0.805，均通過0.001顯著性檢驗(yàn)(表2)。對兩種方法比較，Logistic曲線陰濕害敏感性方法的R2、F、均方根誤差值均優(yōu)于等敏感性方法。

表2 冬小麥濕漬害災(zāi)損評估模型回歸參數(shù)Table 2 Regression parameters in yield loss models for winter wheat overcast and water logging disaster

圖2 冬小麥濕漬害災(zāi)損評估模型模擬值與觀測值比較(A:等敏感性方法；B:Logistic γi方法)

2.2 冬小麥陰濕害災(zāi)損評估模型檢驗(yàn)

2.2.1 典型年樣本檢驗(yàn)

利用第二組樣本對表2方程進(jìn)行檢驗(yàn)，結(jié)果顯示，利用Logistic曲線陰濕害敏感性方法與等敏感性方法得到氣象減產(chǎn)率的模擬值與觀測值均高度相關(guān)，R2分別達(dá)0.685 1、0.573 2，趨勢線與y=x標(biāo)準(zhǔn)線基本吻合。兩者比較看，等敏感性方法的輕、中度陰濕害年的災(zāi)損模擬值明顯高于觀測值，而Logistic曲線陰濕害敏感性方法未出現(xiàn)類似情況，且總體模擬效果也優(yōu)于等敏感性方法?？梢姡琇ogistic曲線陰濕害敏感性方法可以剔除非敏感期無效漬害的影響。

2.2.2 應(yīng)用效果檢驗(yàn)

應(yīng)用基于Logisticγi法建立的冬小麥陰濕害災(zāi)損評估模型對2015-2016年度陰濕害影響進(jìn)行評估，結(jié)果顯示，合肥以南地區(qū)陰濕害災(zāi)損為3.1%～38.6%，其中沿江江南大部災(zāi)損達(dá)10%以上，皖南南部、沿江西部部分地區(qū)最重，普遍達(dá)2成以上(圖3分類色斑圖)。對江淮31個(gè)縣(區(qū))冬小麥漬害影響調(diào)查數(shù)據(jù)顯示，沿江大部分地區(qū)的漬害損失率為15%～20%，江淮之間大部分地區(qū)在10%左右(圖3標(biāo)注)。從兩者對比看，濕漬害影響總體上表現(xiàn)江淮之間站點(diǎn)小于沿江站點(diǎn)，但個(gè)別站點(diǎn)存在輕重相反情況，具體數(shù)值上也有一定差異。這主要與調(diào)查點(diǎn)的代表性，調(diào)查數(shù)據(jù)與評估數(shù)據(jù)點(diǎn)、面差異性有關(guān)。

圖3 基于Logistic γi方法的2016年冬小麥陰濕害災(zāi)損評估應(yīng)用效果(色斑圖:模擬值,標(biāo)注：調(diào)查值)

2.3 冬小麥陰濕害災(zāi)損氣候風(fēng)險(xiǎn)分析

應(yīng)用基于Logistic法所建模型構(gòu)建1981-2018年冬小麥陰濕害災(zāi)損率序列數(shù)據(jù)，并分別計(jì)算1981-2010年冬小麥陰濕害災(zāi)損率氣候態(tài)值(△Y′)及2011年以來平均災(zāi)損與氣候態(tài)值的距平百分率(Ya)。結(jié)果顯示，△Y′ 總體呈緯向分布，沿江中西部及皖南大部為冬小麥陰濕害災(zāi)損氣候風(fēng)險(xiǎn)高值區(qū)，△Y′為3.1%～7.0%不等；沿淮淮北為冬小麥漬害災(zāi)損氣象風(fēng)險(xiǎn)低值區(qū)，△Y′小于1%；其他地區(qū)陰濕害災(zāi)損氣候風(fēng)險(xiǎn)中等，△Y′為1.1%～3.0%不等(圖4A)。 全省的Ya值為 -55.7%～209.4%，除合肥、巢湖、馬鞍山為負(fù)值區(qū)外，大部分地區(qū)的Ya大于0(圖4B)。

圖4 基于Logistic γi方法的冬小麥陰濕害災(zāi)損率空間分布(A：1981-2010年30年氣候態(tài)均值；B:2011年以來均值)

可見，2011年以來的平均陰濕害損失率較1981-2010年30年氣候態(tài)值有加重趨勢，其中沿淮Ya普遍大于90%，即加重1～2倍不等。

3 討 論

選取日尺度的標(biāo)準(zhǔn)化前期降水蒸散指數(shù)、日照百分率為陰濕害關(guān)鍵影響因子，采用有效陰濕害積及其所處生育時(shí)期的敏感性耦合方法，建立基于過程的冬小麥全生育期陰濕害綜合指數(shù)(OWCI)，并通過OWCI與陰濕害典型年氣象減產(chǎn)率的相關(guān)性分析，構(gòu)建了一種基于過程敏感性的冬小麥陰濕害災(zāi)損評估方法。結(jié)果表明，陰濕害典型年氣象減產(chǎn)率與Logistic曲線敏感性法、等敏感性法構(gòu)建的冬小麥陰濕害綜合氣象指數(shù)均呈良好的二次曲線擬合關(guān)系。經(jīng)檢驗(yàn)，兩種方法所建模型具有較高的預(yù)測精度，其中Logistic曲線敏感性法所建模型的效果較好。說明以有效陰濕害積作為冬小麥陰濕害的危險(xiǎn)性評價(jià)指標(biāo)有實(shí)際應(yīng)用價(jià)值。

本研究在典型年樣本篩選上，以基于過程的旱積指數(shù)剔除干旱年型，確保了入選樣本干旱噪音最小化；在旱積指數(shù)遠(yuǎn)小于漬積指數(shù)條件下，部分輕中度濕漬害年也作為典型年樣本，提高了典型年樣本不同等級覆蓋度。而同類研究中，多以階段性水分盈虧率或相關(guān)災(zāi)情統(tǒng)計(jì)數(shù)據(jù)為典型年篩選條件，入選的樣本多為重、特澇年型；總體偏澇但旱澇并存的樣本也可能進(jìn)入典型年，存在氣象減產(chǎn)率中含有干旱損失率分量問題。本研究構(gòu)建的基于過程敏感性的冬小麥陰濕害災(zāi)損評估方法，綜合了致災(zāi)因子危險(xiǎn)性、承災(zāi)體敏感性影響，可較好地實(shí)現(xiàn)冬小麥不同生育時(shí)期的陰濕害災(zāi)損的差異性評估。而同類旬以上尺度的濕漬害評估方法存在平滑或均等化陰濕害過程影響問題。另外，通過陰濕害氣象指標(biāo)與前人漬害敏感性試驗(yàn)參數(shù)的融合應(yīng)用，提高了陰濕害災(zāi)損評估精度與動(dòng)態(tài)性能，也間接證實(shí)不同生育時(shí)期陰濕害敏感性存在差異，但不同生育時(shí)期陰濕害敏感性系數(shù)及其出現(xiàn)拐點(diǎn)日期，是結(jié)合前人試驗(yàn)及經(jīng)驗(yàn)方法確定，還有待進(jìn)一步驗(yàn)證。

由圖4A、B比較可知，2010s以來，安徽大部分地區(qū)陰濕害影響有加重趨勢，其中北部冬小麥主產(chǎn)區(qū)加重趨勢更為顯著。陰濕害是影響小麥產(chǎn)量與品質(zhì)的關(guān)鍵因素之一，未來小麥生產(chǎn)需要加大陰濕害及其衍生災(zāi)害的應(yīng)對與防控力度。