田宏偉, 胡程達(dá), 黃 進(jìn), 張方敏

(1.中國(guó)氣象局 河南省農(nóng)業(yè)氣象保障與應(yīng)用技術(shù)重點(diǎn)實(shí)驗(yàn)室， 鄭州 450003; 2.河南省氣象科學(xué)研究所，鄭州 450003; 3.南京信息工程大學(xué) 應(yīng)用氣象學(xué)院, 南京 210044)

伴隨著全球氣候變暖，許多地區(qū)地表太陽輻射呈顯著減弱趨勢(shì)，同時(shí)降水年際波動(dòng)增大，洪澇干旱等極端水文事件頻繁發(fā)生，這些都給農(nóng)業(yè)生產(chǎn)特別是糧食安全帶來了極大的風(fēng)險(xiǎn)和挑戰(zhàn)[1]。地處東亞季風(fēng)區(qū)，中國(guó)既是糧食生產(chǎn)消費(fèi)大國(guó)也是全球主要的氣候脆弱區(qū)之一，日益加劇的氣候變化對(duì)農(nóng)業(yè)生產(chǎn)構(gòu)成的威脅越來越大[2]。相對(duì)氣侯產(chǎn)量表征的農(nóng)業(yè)氣象年景綜合反映了作物生長(zhǎng)發(fā)育和產(chǎn)量形成期間氣候條件組合對(duì)收成的最終影響，解析并預(yù)估氣象年景可以有效地為農(nóng)業(yè)生產(chǎn)提供豐、平、欠產(chǎn)等重要信息，使之合理調(diào)整種植計(jì)劃并采取有效農(nóng)技措施，進(jìn)而保障農(nóng)作物的豐產(chǎn)穩(wěn)產(chǎn)[3]。大氣環(huán)流異常是引發(fā)災(zāi)害天氣、氣候異常的主要原因，其通過影響農(nóng)業(yè)氣象要素的變化進(jìn)而影響氣象年景的豐歉[4]。結(jié)合海洋及大氣相關(guān)信息的大尺度環(huán)流指數(shù)可以提供區(qū)域氣候年際變化的前兆信號(hào)，大量研究表明區(qū)域氣候要素與環(huán)流指數(shù)之間存在著顯著的時(shí)滯遙相關(guān)性[5]。因此，構(gòu)建區(qū)域作物氣候產(chǎn)量與不同類型大尺度環(huán)流指數(shù)的線性關(guān)系，對(duì)氣象年景有著前兆性指示作用，能夠?qū)崿F(xiàn)較長(zhǎng)前置期的產(chǎn)量預(yù)測(cè)。但目前針對(duì)作物氣侯產(chǎn)量與環(huán)流指數(shù)的研究相對(duì)較少。河南省是我國(guó)農(nóng)業(yè)大省，是我國(guó)糧食生產(chǎn)的核心產(chǎn)區(qū)，尤其是其冬小麥的產(chǎn)量與種植面積均為全國(guó)第一[6]。鑒于此，探求河南省冬小麥氣象年景的時(shí)空演變及其對(duì)環(huán)流指數(shù)的響應(yīng)對(duì)保障區(qū)域糧食安全有著重要價(jià)值。

1 資料與方法

1.1 基本數(shù)據(jù)

河南省18個(gè)市冬小麥單位面積產(chǎn)量及相關(guān)災(zāi)情數(shù)據(jù)主要來源于年河南省統(tǒng)計(jì)年鑒、河南省農(nóng)村統(tǒng)計(jì)年鑒、中國(guó)氣象災(zāi)害大典河南卷等資料，由于1988年前的相關(guān)記錄缺失較多，故本研究計(jì)算分析的時(shí)段設(shè)置為1988—2017年。由于濟(jì)源市成立于1997年，相關(guān)資料年限較短，因此不在研究范圍內(nèi)。15種大尺度大氣環(huán)流指數(shù)(Large-scale atmospheric circulation indices,LACI)1988—2017年的逐月數(shù)據(jù)由美國(guó)國(guó)家大氣海洋局(NOAA)氣候預(yù)測(cè)中心(https:∥www.esrl.noaa.gov)提供，其分別為太平洋—北美遙相關(guān)型(PNA)、東太平洋/北太平洋濤動(dòng)(EP/NP)、西太平洋遙相關(guān)型(WP)、北大西洋濤動(dòng)(NAO)、南方濤動(dòng)(SOI)、熱帶北大西洋海溫(TNA)、熱帶南大西洋海溫(TSA)、西半球暖池指數(shù)(WHWP)、混合ENSO指數(shù)(MEI)、厄爾尼諾-3區(qū)的平均海面溫度(NINO3)、厄爾尼諾1+2區(qū)的平均海面溫度(NINO1+2)、厄爾尼諾-4區(qū)的平均海面溫度(NINO4)、厄爾尼諾-3.4區(qū)的平均海面溫度(NINO3.4)、太平洋年代際振蕩(PDO)、北太平洋遙相關(guān)型(NP)。

1.2 冬小麥氣候產(chǎn)量指數(shù)的提取

氣候產(chǎn)量指數(shù)(Climate-driven yield index，CDYI)由公式CDYIi=100×(Yai/Ymi-1)計(jì)算，其中Yai為作物單產(chǎn)的逐年序列；Ymi為社會(huì)、技術(shù)等非氣候因素導(dǎo)致的趨勢(shì)產(chǎn)量序列，其為實(shí)際產(chǎn)量序列與年份序列基于數(shù)學(xué)模型的擬合結(jié)果[7]。常用于分離趨勢(shì)產(chǎn)量的擬合模型有線性回歸、5年滑動(dòng)平均、指數(shù)函數(shù)、冪函數(shù)、二次函數(shù)、Logistic函數(shù)、HP濾波等。作物趨勢(shì)產(chǎn)量反映了地區(qū)生產(chǎn)力水平的長(zhǎng)期變化，與農(nóng)業(yè)投入、作物品種更新、社會(huì)經(jīng)濟(jì)變革等因素密切相關(guān)，不同地級(jí)市間農(nóng)業(yè)經(jīng)濟(jì)增速水平的差異會(huì)導(dǎo)致趨勢(shì)產(chǎn)量的年際變化存在著一定區(qū)域差異。因此對(duì)不同擬合模型生成的趨勢(shì)產(chǎn)量曲線進(jìn)行篩選有利于確保最終氣候產(chǎn)量的準(zhǔn)確性[8]。理論上氣候產(chǎn)量應(yīng)與綜合農(nóng)業(yè)氣象條件高度相關(guān)[7]，通過比對(duì)不同擬合模型生成的氣候產(chǎn)量和歷史災(zāi)情數(shù)據(jù)間關(guān)聯(lián)性，本文甄別出了各市冬小麥分離趨勢(shì)產(chǎn)量進(jìn)而提取氣候產(chǎn)量的最優(yōu)方案，其結(jié)果如下：線性回歸適用于鄭州、洛陽、平頂山、焦作、南陽這5個(gè)市；HP濾波適用于開封、濮陽、許昌、漯河、商丘這5個(gè)市；二次函數(shù)適用于安陽、新鄉(xiāng)、鶴壁、三門峽這4個(gè)市；滑動(dòng)5年平均適用于信陽、駐馬店；指數(shù)函數(shù)適用于周口。

1.3 氣候產(chǎn)量指數(shù)的時(shí)空分析方法

主成分分析在識(shí)別氣候變量相似及分異性的區(qū)劃中有著廣泛應(yīng)用，其作用于多樣本(站點(diǎn))單一指標(biāo)時(shí)間序列構(gòu)成的矩陣時(shí)，新生成的若干主成分得分序列表征了研究區(qū)不同類型的年際變化，不同主成分在各站點(diǎn)原始序列的載荷可有效地用于空間尺度的氣候分區(qū)[9]。集合經(jīng)驗(yàn)?zāi)B(tài)分析(EEMD,Ensemble Empirical Mode Decomposition)可以有效地從離散無序的信號(hào)序列中提取各尺度趨勢(shì)分量，剝離出的有限本征模函數(shù)IMF(Intrinsic Mode Function)分量體現(xiàn)了基于不同時(shí)間尺度的原信號(hào)序列的局部特征[10]?；瑒?dòng)T檢驗(yàn)是把一連續(xù)的時(shí)間序列分成若干個(gè)子序列(子序列的長(zhǎng)度一般設(shè)置為5 a)，通過考察相鄰兩個(gè)子序列均值有無顯著差異來檢驗(yàn)氣候指標(biāo)序列是否發(fā)生突變[11-12]。

2 結(jié)果與分析

2.1 基于各市冬小麥CDYI年際變化的氣候分區(qū)

為了辨識(shí)冬小麥氣象年景年際變化特征的空間差異，將各地級(jí)市冬小麥氣候產(chǎn)量指數(shù)(CDYI)逐年序列構(gòu)建的17列(17個(gè)地級(jí)市)×45行(30 a)的矩陣導(dǎo)入統(tǒng)計(jì)軟件SPSS中進(jìn)行主成分分析。圖1中前4個(gè)主成分(PC)累積方差貢獻(xiàn)率超過了80%，且各主成分的特征根均大于2。鑒于此，17個(gè)地級(jí)市冬小麥CDYI年際變化情形可以識(shí)別出4個(gè)典型模態(tài)。圖2中的載荷表征了4種變化模態(tài)與各地級(jí)市CDYI序列的相關(guān)性，以載荷值高于0.7為閾值可精準(zhǔn)地將研究區(qū)劃分為與4個(gè)主成分相對(duì)應(yīng)的子區(qū)域。其中，區(qū)域Ⅰ對(duì)應(yīng)了濮陽、開封、商丘、許昌、周口、平頂山、漯河這個(gè)7個(gè)城市所在的中東部；區(qū)域Ⅱ?qū)?yīng)了鄭州、洛陽、三門峽、南陽這4個(gè)城市所在的的西部；區(qū)域Ⅲ對(duì)應(yīng)了包括安陽、鶴壁、新鄉(xiāng)、焦作這4個(gè)城市所在的北部；區(qū)域Ⅳ對(duì)應(yīng)了包括駐馬店、信陽這2個(gè)城市所在的南部。這一區(qū)劃結(jié)果與河南省主要地形的空間分布較一致，特別是區(qū)域Ⅰ，Ⅱ分別對(duì)應(yīng)了黃河、淮河淤積而成的黃淮海平原區(qū)以及黃土高原東側(cè)的山地丘陵區(qū)[13]。研究區(qū)境內(nèi)自南向北由亞熱帶向暖溫帶氣候過渡、自東向西由平原向丘陵山地氣候過渡的2種過渡性是造成相關(guān)氣候指數(shù)年際變化區(qū)域差異主要原因[14]。

圖1 17個(gè)市冬小麥CDYI序列主成分分析結(jié)果

圖2 各主成分對(duì)應(yīng)載荷的空間分布

基于圖2的區(qū)劃結(jié)果，對(duì)各分區(qū)所含城市的CDYI序列求區(qū)域平均，進(jìn)而得到各分區(qū)近30 a冬小麥氣象年景的年際變化過程。圖3給出了主成分得分序列(PCS)及其對(duì)應(yīng)的區(qū)域平均CDYI序列，可以發(fā)現(xiàn)各分區(qū)PCS序列和CDYI序列間存在極強(qiáng)的線性關(guān)系，R2均超過了著0.95，這進(jìn)一步驗(yàn)證了利用主成分分析識(shí)別冬小麥氣象年景變化區(qū)域差異的可靠性。由圖3可以發(fā)現(xiàn)，各分區(qū)冬小麥CDYI的年際變化均在2000年前呈現(xiàn)出較大幅度的波動(dòng)，而在2000年后CDYI的波動(dòng)明顯較小。這與河南省主要農(nóng)業(yè)氣象災(zāi)害受災(zāi)及成災(zāi)面積的演變過程高度吻合，其1988—2002年為第一階段，受災(zāi)面積波動(dòng)均較大；2003年以后為第二階段，受災(zāi)面積波動(dòng)較平緩[15]。此外，各分區(qū)CDYI負(fù)值所表征的嚴(yán)重減產(chǎn)年也分布在2000年以前，這與研究區(qū)受災(zāi)率和成災(zāi)率年代際變化相一致，其1980s和1990s相對(duì)較高，而2000s較低[16]?？傮w而言，2000年后河南省冬小麥氣象年景進(jìn)入了波動(dòng)相對(duì)平緩的階段。

圖3 各子區(qū)域PCS序列及對(duì)應(yīng)的CDYI序列

2.2 各分區(qū)冬小麥CDYI的突變特征

圖3給出了各分區(qū)冬小麥CDYI滑動(dòng)T檢驗(yàn)的結(jié)果，以此描述研究區(qū)冬小麥氣象年景的突變特征。如圖4A所示，河南省中東部地區(qū)(區(qū)域I)的CDYI分別在2006年、2011年發(fā)生的顯著突變，并呈現(xiàn)出先增加后減少的變化過程。圖4B中河南省西部地區(qū)的CDYI也呈現(xiàn)出先增加后減少的演變過程，其分別在2003年、2011年發(fā)生突變，但T檢驗(yàn)統(tǒng)計(jì)量只是接近并未通過顯著性水平。圖3C中河南省北部地區(qū)CDYI的突變檢驗(yàn)結(jié)果尤為顯著，1995年、2001年、2006年、2011年這4個(gè)轉(zhuǎn)折點(diǎn)的統(tǒng)計(jì)量均通過了顯著性水平，其呈現(xiàn)出增加—減少—增加—減少的波浪型演變。相比較其他3個(gè)分區(qū)，圖4D中河南省南部地區(qū)的CDYI呈現(xiàn)極為平緩的變化，其突變點(diǎn)均沒有通過檢驗(yàn)水平，且T統(tǒng)計(jì)量?jī)H在-1.5～1.5的區(qū)間中浮動(dòng)。總體而言，河南省北部地區(qū)冬小麥的氣象年景呈現(xiàn)更為劇烈的年代際波動(dòng)。這一區(qū)域差異與該省冬小麥主要農(nóng)業(yè)氣象災(zāi)害綜合風(fēng)險(xiǎn)評(píng)估的區(qū)劃結(jié)果相一致，河南省北部是多災(zāi)種綜合危險(xiǎn)性的高值區(qū)，其危險(xiǎn)性由北往南呈減少態(tài)勢(shì)[17]。

2.3 各分區(qū)冬小麥CDYI的周期特征

圖5給出了各分區(qū)冬小麥CDYI的EEMD分析結(jié)果，以此描述研究區(qū)冬小麥氣象年景的周期性特征。如圖5A，5B，5D所示，河南省中東部、西部、南部地區(qū)CDYI的演變均呈現(xiàn)出以3 a為主周期的高頻振蕩，體現(xiàn)在各分區(qū)CDYI的IMF1分量的方差貢獻(xiàn)率均接超過了65%，所占比重為最高。與上述3個(gè)分區(qū)不同的是河南省北部CDYI序列呈現(xiàn)出周期為7.5年的中頻振蕩，其對(duì)應(yīng)IMF2分量的方差貢獻(xiàn)率均達(dá)到了63.3%?？傮w而言，河南省冬小麥氣象年景的周期性與這其降水量Morlet小波分析的結(jié)果相接近，均存在著3～8 a的振蕩周期[18]。

2.4 各分區(qū)冬小麥CDYI對(duì)大氣環(huán)流指數(shù)的敏感性分析

鑒于河南省冬小麥的生育期大致為前年9月—當(dāng)年5月，依托CDYI的逐年序列、前年7月—當(dāng)年5月(共計(jì)11個(gè)月)期間各月份LACI(共計(jì)15種)的逐年序列，計(jì)算得到了CDYI與生育期前后不同月份LACI的相關(guān)系數(shù)(每個(gè)CDYI序列對(duì)應(yīng)了15×11個(gè)LACI序列)。由表1可以發(fā)現(xiàn)，河南省冬小麥氣象年景與大尺度環(huán)流指數(shù)間的相關(guān)性存在顯著的區(qū)域差異。4個(gè)氣候分區(qū)中，中東部地區(qū)(區(qū)域Ⅰ)CDYI與LACI的相關(guān)性最為顯著，其中48組相關(guān)性通過了0.05顯著性水平，更有15組相關(guān)性通過了0.01顯著性水平。值得指出的是中東部地區(qū)CDYI與各月WHWP，MEI，NINO3，NINO1+2，NINO4，NINO3.4相關(guān)系數(shù)的均值在-0.3～-0.4間浮動(dòng)，特別是與NINO1+2的負(fù)相關(guān)系數(shù)高達(dá)-0.57。反觀其他3個(gè)分區(qū)，CDYI與LACI的相關(guān)性明顯較弱，其中相關(guān)系數(shù)絕對(duì)值的最大值在0.32～0.49間浮動(dòng)，且通過0.05顯著性水平的相關(guān)性更是不超過2組?，F(xiàn)有研究中河南省冬小麥氣候產(chǎn)量與生育期中降水、氣溫等氣象要素的相關(guān)系數(shù)在-0.39～0.32間浮動(dòng)[19-20]，相較而言，大尺度環(huán)流指數(shù)對(duì)冬小麥產(chǎn)量波動(dòng)有著更好的指示作用，特別是ENSO信號(hào)對(duì)河南省中東部地區(qū)冬小麥產(chǎn)量有著較好的預(yù)估效果。

圖4 各分區(qū)冬小麥CDYI序列滑動(dòng)T檢驗(yàn)結(jié)果

圖5 各分區(qū)CDYI序列EEMD分解結(jié)果

表1 各分區(qū)CDYI與生育期前后不同月份LACI的相關(guān)系數(shù)匯總

對(duì)冬小麥CDYI與生育期前后不同月份LACI進(jìn)行歸一化處理，并采用多元逐步回歸來簡(jiǎn)化CDYI與LACI間的線性關(guān)系，進(jìn)而得到各分區(qū)CDYI對(duì)關(guān)鍵月份環(huán)流指數(shù)波動(dòng)的敏感性。由表2可知，NINO1+2_Dec，PDO_Dec，NAO_Apr，SOI_Jan分別為影響區(qū)域Ⅰ，Ⅱ，Ⅲ，Ⅳ冬小麥氣象年景的關(guān)鍵環(huán)流指數(shù)。其中，NINO1+2_Dec每增加1%，會(huì)導(dǎo)致中東部CDYI減產(chǎn)0.56%；PDO_Dec每增加1%，會(huì)導(dǎo)致西部CDYI增產(chǎn)0.37%；NAO_Apr每增加1%，會(huì)導(dǎo)致北部CDYI減產(chǎn)0.34%；PDO_Jan每增加1%，會(huì)導(dǎo)致中西部CDYI增產(chǎn)0.21%。表2中R2的差異進(jìn)一步說明了環(huán)流信號(hào)對(duì)中東部地區(qū)冬小麥的氣象年景有著更好的指示作用。一方面，春季降水過多及其誘發(fā)的低溫寡照是制約平原地區(qū)冬小麥產(chǎn)量的主要不利因素[21]。另一方面，前冬期ESNO異常對(duì)華北春季降水有較好的指示意義，春季降水和前冬期NINO區(qū)海溫指數(shù)存在顯著的正相關(guān)性：當(dāng)前冬NINO區(qū)海溫負(fù)異常時(shí),春季降水偏少;而正異常時(shí),春季降水偏多[22]。因此中東部冬小麥的CDYI與前年12月份NINO1+2有著極顯著的負(fù)相關(guān)性。相比較而言，河南西部、北部、南部這3個(gè)分區(qū)復(fù)雜的山地丘陵地形可能導(dǎo)致了CDYI與LACI的線性關(guān)系較弱。

表2 各分區(qū)CDYI關(guān)鍵LACI的線性關(guān)系

3 結(jié) 論

(1) 本研究計(jì)算并提取了河南省17個(gè)市近30 a冬小麥氣CDYI，主成分分析指出研究區(qū)以劃分成中東部、西部、南部、北部這4個(gè)呈現(xiàn)不同氣象年景演變特征的子區(qū)域。

(2) 河南省中東部與西部冬小麥的氣象年景呈現(xiàn)出先增加后減少的演變過程；北部冬小麥的氣象年景呈現(xiàn)出增加—減少—增加—減少的波浪型振蕩；南部地區(qū)冬小麥的氣象年景則呈現(xiàn)出較為平緩的年代際波動(dòng)。

(3) NINO1+2_Dec，PDO_Dec，NAO_Apr，SOI_Jan分別為影響中東部、西部、南部、北部冬小麥氣象年景的關(guān)鍵大氣環(huán)流指數(shù)。

(4) 中東部冬小麥的氣象年景對(duì)環(huán)流指數(shù)異常更為敏感，NINO1+2_Dec每增加1%會(huì)導(dǎo)致小麥產(chǎn)量減產(chǎn)0.56%。