李祎君 呂厚荃

研究簡報

氣候變化背景下農(nóng)業(yè)氣象災(zāi)害對東北地區(qū)春玉米產(chǎn)量影響

李祎君 呂厚荃*

國家氣象中心, 北京 100081

隨著氣候變化, 中國重要商品糧基地—東北地區(qū)的農(nóng)業(yè)氣象災(zāi)害呈現(xiàn)出多發(fā)和頻發(fā)的態(tài)勢, 為了解這種變化對當(dāng)?shù)卮河衩咨a(chǎn)的影響, 本文引入通徑分析法, 探討該地區(qū)的主要農(nóng)業(yè)氣象災(zāi)害對春玉米產(chǎn)量的直接影響或協(xié)同影響及其程度, 進(jìn)而在實際生產(chǎn)中更好的趨利避害以確保糧食生產(chǎn)安全。結(jié)果發(fā)現(xiàn), 農(nóng)業(yè)氣象災(zāi)害可以解釋50%左右東北地區(qū)春玉米產(chǎn)量的波動, 且影響春玉米生產(chǎn)的主要農(nóng)業(yè)氣象災(zāi)害已經(jīng)從過去的冷害轉(zhuǎn)變?yōu)楦珊? 在氣候變暖的大背景下, 影響春玉米生產(chǎn)的主要因子由熱量條件轉(zhuǎn)換為水分條件, 干旱已成為威脅春玉米產(chǎn)量的首要災(zāi)害。分省來看, 影響遼寧春玉米產(chǎn)量的農(nóng)業(yè)氣象災(zāi)害, 按照影響程度排序為干旱、洪澇和風(fēng)災(zāi); 影響吉林春玉米產(chǎn)量的農(nóng)業(yè)氣象災(zāi)害主要為干旱和洪澇; 影響黑龍江春玉米產(chǎn)量的農(nóng)業(yè)氣象災(zāi)害, 按照影響程度排序為干旱、洪澇和風(fēng)災(zāi)。由此可見, 東北三省由于地理位置差異, 影響其玉米生產(chǎn)的主要農(nóng)業(yè)氣象災(zāi)害也有所差異, 黑龍江除風(fēng)雹災(zāi)害影響大于其他兩省外, 水旱災(zāi)害的影響均弱于遼吉, 風(fēng)雹災(zāi)害局地性強(qiáng), 影響范圍有限, 因而其對玉米生產(chǎn)的影響遠(yuǎn)不及水旱災(zāi)害, 黑龍江玉米生產(chǎn)穩(wěn)定性較高, 受農(nóng)業(yè)氣象災(zāi)害影響相對較小, 對東北地區(qū)在具體研究中不能一概而論。

農(nóng)業(yè)氣象災(zāi)害; 干旱; 洪澇; 冷害; 產(chǎn)量

東北地區(qū)是我國重要的商品糧基地, 黑吉遼三省糧食產(chǎn)量約為全國的五分之一, 是維護(hù)國家糧食安全的壓艙石。而玉米作為重要的糧食和飼料作物, 東北地區(qū)是我國最大的玉米產(chǎn)區(qū), 產(chǎn)量占全國總產(chǎn)量三分之一左右, 其中黑吉分別為玉米產(chǎn)量和種植面積前兩位。一直以來, 農(nóng)業(yè)氣象災(zāi)害是造成玉米產(chǎn)量損失的主要原因, 對東北地區(qū)農(nóng)業(yè)氣象災(zāi)害的研究已有許多[1], 主要關(guān)注災(zāi)害指標(biāo)的建立與創(chuàng)新, 并根據(jù)指標(biāo)對農(nóng)業(yè)氣象災(zāi)害的歷史及空間分布特征進(jìn)行分析, 但應(yīng)用實際災(zāi)情資料討論農(nóng)業(yè)氣象災(zāi)害規(guī)律的研究并不多。隨著氣候變化, 一些研究認(rèn)為, 東北地區(qū)風(fēng)雹災(zāi)將減弱, 干旱將增加, 而洪澇與低溫災(zāi)害仍將呈現(xiàn)波動幅度較大的趨勢[1]?？梢? 未來農(nóng)業(yè)氣象災(zāi)害的變化可能更加復(fù)雜, 其極端性也更強(qiáng), 對玉米生產(chǎn)的影響將更大。傳統(tǒng)上, 對于影響東北地區(qū)春玉米產(chǎn)量的農(nóng)業(yè)氣象災(zāi)害單一災(zāi)種研究比較多, 且主要集中在低溫冷害及其指標(biāo)方面[2-7], 對其他災(zāi)害的影響研究較少。2000年之后有一些研究者嘗試應(yīng)用作物模型對農(nóng)業(yè)氣象災(zāi)害的影響進(jìn)行評估, 如陳振林等[8]應(yīng)用Wofost模擬了低溫、干旱及二者并發(fā)對玉米產(chǎn)量的影響等等。近10年玉米全生育期的多災(zāi)種復(fù)合研究也逐漸開展, 但其主要集中在農(nóng)業(yè)氣象災(zāi)害風(fēng)險評價研究[9-11], 災(zāi)害影響的定量化研究仍然較少。隨著氣候變化, 東北地區(qū)影響玉米生產(chǎn)的主要農(nóng)業(yè)氣象災(zāi)害可能已經(jīng)發(fā)生變化, 未來其對玉米生長影響的形勢將更為復(fù)雜多變, 目前的單一災(zāi)種研究已經(jīng)不能滿足玉米生產(chǎn)的需求, 多災(zāi)種復(fù)合或協(xié)同作用的定量化研究已迫在眉睫。

通徑分析是數(shù)量遺傳學(xué)家Sewall Wright于1921年提出來, 經(jīng)遺傳育種學(xué)者不斷改進(jìn)和完善形成的一種多元統(tǒng)計技術(shù)[12-13]。它通過對自變量與因變量之間表面直接相關(guān)性的分解, 來研究自變量對因變量的直接重要性和間接重要性, 從而為統(tǒng)計決策提供可靠的依據(jù), 在眾多領(lǐng)域得到廣泛應(yīng)用[14-16]。本文引入通徑分析法, 不僅可以定量地給出各災(zāi)種對春玉米產(chǎn)量單一影響, 還可以對不同災(zāi)種之間的協(xié)同關(guān)系進(jìn)行定量分析, 進(jìn)而得出影響東北地區(qū)春玉米產(chǎn)量的首要農(nóng)業(yè)氣象災(zāi)害, 為提高東北地區(qū)各省玉米產(chǎn)量, 趨利避害提供了理論依據(jù)。

1 試驗資料與方法

1.1 研究區(qū)域

本文的研究區(qū)域為東北地區(qū)包括遼寧、吉林和黑龍江三省。該研究區(qū)域主要種植作物為春玉米和一季稻, 每年5月播種9月收獲一年一熟, 其中春玉米種植面積和產(chǎn)量均為全國首位。春玉米生長季內(nèi), 不同時段光、溫、水因子對春玉米產(chǎn)量的影響也存在差異, 按照春玉米生長發(fā)育進(jìn)程, 將其大致分為3段, 5月至6月播種至營養(yǎng)生長期, 7月至8月生殖生長期, 9月成熟收獲期。

1.2 研究數(shù)據(jù)與方法

本研究氣象要素光溫水?dāng)?shù)據(jù)來自研究區(qū)域內(nèi)194個氣象觀測站點, 玉米種植面積及產(chǎn)量、干旱面積、洪澇面積、風(fēng)災(zāi)面積、冷凍害面積等數(shù)據(jù)來自中國國家統(tǒng)計局。

從線性分離法、3年滑動平均、5年滑動平均法3種春玉米氣象產(chǎn)量分離方法中擇優(yōu), 選取了效果最好的5年滑動平均法。將農(nóng)業(yè)氣象災(zāi)害成災(zāi)面積與作物播種面積的比值定義為成災(zāi)率, 用以表明災(zāi)害強(qiáng)度。其中, 當(dāng)總成災(zāi)率<0.2時, 為正常年; 0.2≤總成災(zāi)率<0.25時, 為輕災(zāi)年; 0.25≤總成災(zāi)率<0.3時, 為中災(zāi)年; 總成災(zāi)率≥0.3時, 為重災(zāi)年[17]。

由于影響東北地區(qū)春玉米生產(chǎn)的農(nóng)業(yè)氣象災(zāi)害較多, 且各農(nóng)業(yè)氣象災(zāi)害之間又存在著一定的協(xié)同作用, 單一災(zāi)害對春玉米產(chǎn)量的影響很難通過簡單的相關(guān)分析得到。通徑分析[13]是一種可以處理較為復(fù)雜的變量關(guān)系的統(tǒng)計方法, 通過對自變量和因變量之間的相關(guān)性分解, 找出自變量對因變量的直接和間接影響, 并能準(zhǔn)確地給出其影響程度的大小。通徑分析基本原理是基于標(biāo)準(zhǔn)化多遠(yuǎn)線性回歸方程的正則方程組:

通徑分析不僅可以檢驗出各x對的作用是否顯著, 且可以檢驗出12,…, x對的決定作用是否顯著, 可以看出x是如何直接或者通過其他變量間接影響的。因此, 本文利用通徑分析法將主要農(nóng)業(yè)氣象災(zāi)害對東北地區(qū)春玉米產(chǎn)量的直接和間接影響分離, 從而使單一災(zāi)害的定量化影響更為準(zhǔn)確。

進(jìn)行通徑分析前, 將主要農(nóng)業(yè)氣象災(zāi)害成災(zāi)面積與農(nóng)作物種植面積之比定義為成災(zāi)率, 這個指標(biāo)可以直接反映災(zāi)害強(qiáng)度, 也便于各省歷年之間進(jìn)行客觀比較。因而, 將主要農(nóng)業(yè)氣象災(zāi)害成災(zāi)率與氣象產(chǎn)量進(jìn)行通徑分析, 可反映出農(nóng)業(yè)氣象災(zāi)害對東北地區(qū)春玉米生產(chǎn)的實際影響。為了更好把各類農(nóng)業(yè)氣象災(zāi)害對春玉米氣象產(chǎn)量的綜合作用進(jìn)行排序, 以確定主要決策變量和限制性變量, 引入通徑分析中的決策指標(biāo), 決策系數(shù)[18]2(i)。

2 結(jié)果與分析

2.1 氣候變化特征

東北地區(qū)近48年(1971—2018年)生長季(5月至9月)平均氣溫呈顯著上升趨勢, 并在1996年之后氣溫距平由負(fù)轉(zhuǎn)正(圖1)。對研究區(qū)域及各省氣溫突變情況進(jìn)行檢驗, 發(fā)現(xiàn)東北區(qū)域氣溫自1971年始一直呈增暖趨勢, 但這種增溫趨勢在2000年之后才達(dá)到顯著水平, 近20年增暖更明顯; 東北地區(qū)氣溫的升高以1995年為突變點, 增幅變大, 其中遼寧、吉林和黑龍江分別在1989年、1992年和1994年存在氣溫突變(隨著緯度的升高氣溫突變點出現(xiàn)延后), 突變之后氣溫增幅也加大, 以年平均氣溫0.3℃a–1的速度上升。由此, 目前研究區(qū)域正處在氣溫顯著上升階段, 變暖明顯。

從近48年區(qū)域年降水量變化來看(圖2), 降水量年際波動較大, 有減少的趨勢, 但未達(dá)到顯著水平; 降水存在明顯階段性變化: 1971—1983年降水以負(fù)距平為主, 1984—2000年以正距平為主, 2001—2018年又以負(fù)距平為主。對區(qū)域降水序列進(jìn)行突變檢驗, 也發(fā)現(xiàn)了一致的階段性變化規(guī)律, 其增減趨勢未達(dá)到顯著水平。由此, 研究區(qū)域降水存在弱的減少趨勢, 目前處于降水偏少階段。分省來看, 遼寧和吉林降水變化的規(guī)律與區(qū)域的基本一致, 當(dāng)前處于降水偏少階段, 且遼寧降水遞減速度快于吉林; 但黑龍江與其他兩省相反, 降水整體呈弱的增加趨勢, 降水的階段性變化規(guī)律與遼寧、吉林也略有不同, 1971—1981年為降水偏少期, 1982—2005年為降水偏多期, 2006—2010年為降水偏少期, 2011—2018年降水偏多期, 目前處于降水偏多期。

圖1 1971–2018年研究區(qū)域年平均氣溫與距平(a)和研究區(qū)域氣溫突變檢驗(b)

圖2 1971–2018年研究區(qū)域降水量變化

目前, 東北地區(qū)處于氣溫增暖明顯、降水減少的趨勢下, 熱量條件對農(nóng)業(yè)生產(chǎn)的限制作用可能減弱, 而水分條件的限制作用可能增大。另一方面, 水熱的這種變化對于農(nóng)業(yè)氣象災(zāi)害的發(fā)生頻率及程度也有一定的影響。

2.2 農(nóng)業(yè)氣象災(zāi)害變化特征

影響東北地區(qū)玉米生產(chǎn)的主要農(nóng)業(yè)氣象災(zāi)害有干旱、洪澇、冷凍害和風(fēng)雹災(zāi)害。1971年以來東北地區(qū)農(nóng)業(yè)氣象災(zāi)害總成災(zāi)面積呈現(xiàn)不顯著的增加趨勢(圖3), 干旱成災(zāi)面積也呈弱的增加趨勢; 洪澇成災(zāi)面積增減趨勢不明顯, 但1981—1998年為高值時段; 風(fēng)雹災(zāi)害面積呈下降趨勢。從各類農(nóng)業(yè)氣象災(zāi)害占總災(zāi)害面積百分比來看(圖4), 旱災(zāi)成災(zāi)面積為總災(zāi)害成災(zāi)面積的58%, 是威脅東北地區(qū)農(nóng)業(yè)生產(chǎn)的最主要氣象災(zāi)害; 其次為洪澇, 占總成災(zāi)面積的26%, 是第二大的農(nóng)業(yè)氣象災(zāi)害; 之后為風(fēng)雹、冷凍害及其他災(zāi)害。

1971—2018年48年中總成災(zāi)面積超過3000千公頃的年份有23年, 其中旱災(zāi)占主導(dǎo)的年份為12年, 旱災(zāi)成災(zāi)面積與總成災(zāi)面積之比>80%的年份有5年, 分別為2000年、2001年、2007年(此3年為典型的大旱年)及1997年和1982年; 洪澇災(zāi)害占主導(dǎo)的年份有6年, 洪澇成災(zāi)面積與總成災(zāi)面積之比>70%的年份有3年, 分別為1985年、1986年和1998年, 其中1998年東北地區(qū)嫩江、松花江洪澇災(zāi)害是當(dāng)時150年來最為嚴(yán)重的全流域特大洪澇災(zāi)害; 1993年、1995年為旱澇并重; 2002年為冷凍害年, 1976年為風(fēng)雹災(zāi)害嚴(yán)重年。從農(nóng)業(yè)氣象災(zāi)害影響程度來看, 隨著氣候變暖, 旱災(zāi)在總災(zāi)害中所占的比重越來越大,這也佐證了熱量條件對農(nóng)業(yè)生產(chǎn)的限制作用可能減弱, 而水分條件的限制作用可能增大的結(jié)論。尤其是2000年之后旱災(zāi)成災(zāi)面積占比達(dá)71%, 它的主導(dǎo)作用更為明顯, 且農(nóng)業(yè)成災(zāi)總面積較大的年份也主要集中在2000年之后, 作物生長季高溫少雨是導(dǎo)致干旱的主要原因。

圖3 1971–2018年研究區(qū)農(nóng)業(yè)氣象災(zāi)害成災(zāi)面積

圖4 1971–2018年研究區(qū)各類農(nóng)業(yè)氣象災(zāi)害成災(zāi)面積變化

根據(jù)48年的實際災(zāi)情數(shù)據(jù)分析后發(fā)現(xiàn), 在受災(zāi)年中, 若某一農(nóng)業(yè)氣象災(zāi)害成災(zāi)面積與總成災(zāi)面積之比大于60%, 那么該年為某一農(nóng)業(yè)氣象災(zāi)害為主的災(zāi)害年; 例如某年為災(zāi)害年, 當(dāng)干旱成災(zāi)面積/總成災(zāi)面積>60%時, 該年為干旱為主的災(zāi)害年。分省來看, 48年中遼寧省災(zāi)害年有21年, 其中輕災(zāi)年5年, 中災(zāi)年7年, 重災(zāi)年9年; 21年災(zāi)害年中, 干旱為主有16年, 洪澇為主有3年, 旱澇并重1年, 干旱風(fēng)雹冷害1年。遼寧省災(zāi)害年每2～3年一遇, 災(zāi)害年中出現(xiàn)農(nóng)業(yè)干旱年的概率為76.2%, 洪澇年的概率為14.3%。遼寧農(nóng)業(yè)干旱出現(xiàn)頻率遠(yuǎn)高于其他農(nóng)業(yè)氣象災(zāi)害, 且以春旱為主, 約占干旱總數(shù)的70%以上, 基本屬于3～4年一遇; 另外, 出現(xiàn)連年干旱概率也較高, 其中1999—2004年出現(xiàn)6年連旱, 2000—2002年為特大干旱年。3年洪澇年分別為1985年、1994年和1995年, 其中1985年8月上旬, 有3個臺風(fēng)(8505Irma、8506Jeff、8508Lee)登陸或影響了遼寧省, 造成特大洪澇災(zāi)害。

1971—2018年48年中吉林省災(zāi)害年有15年, 2年輕災(zāi)年, 4年中災(zāi)年, 9年重災(zāi)年, 災(zāi)害年發(fā)生概率低于遼寧, 但重災(zāi)年概率為60%, 遠(yuǎn)高于遼寧的43%。15年災(zāi)害年中, 干旱為主有7年, 洪澇為主有4年, 旱澇并重2年, 洪澇風(fēng)雹冷害1年, 風(fēng)雹干旱1年。吉林省災(zāi)害年每3.3年一遇, 災(zāi)害年中出現(xiàn)農(nóng)業(yè)干旱年的概率為46.7%, 洪澇年的概率為26.7%。與遼寧相比, 干旱的影響減弱, 洪澇、風(fēng)雹的影響增大。其中1995年夏季, 吉林省同時遭受了水、旱災(zāi)害的影響, 白城地區(qū)持續(xù)嚴(yán)重干旱和東南部地區(qū)洪澇都是歷史罕見, 全省造成經(jīng)濟(jì)損失達(dá)200多億元。

1971—2018年48年中黑龍江省災(zāi)害年有14年, 9年輕災(zāi)年, 3年中災(zāi)年, 2年重災(zāi)年, 為3個省中災(zāi)害年數(shù)量最少, 程度最輕。從災(zāi)害年的數(shù)目與不同災(zāi)害年強(qiáng)度分布來看, 黑龍江均是三省中農(nóng)業(yè)氣象災(zāi)害影響最輕的。14年災(zāi)害年中, 干旱為主有8年, 洪澇為主有5年, 干旱風(fēng)雹冷害1年。黑龍江省災(zāi)害年每4年一遇, 災(zāi)害年中出現(xiàn)農(nóng)業(yè)干旱年的概率為57.1%, 洪澇年的概率為35.7%, 洪澇災(zāi)害的影響進(jìn)一步加大。

2.3 農(nóng)業(yè)氣象災(zāi)害對產(chǎn)量的影響

農(nóng)業(yè)氣象災(zāi)害本質(zhì)是氣象條件的異常, 也就是光、溫、水等氣象要素出現(xiàn)異常情況, 過多或者過少, 從而對農(nóng)作物生長發(fā)育過程造成危害。將春玉米全生育期≥10℃積溫及3個發(fā)育時段的氣溫、降水和日照與實際產(chǎn)量做相關(guān)分析后發(fā)現(xiàn), 隨著緯度的升高, 春玉米實際產(chǎn)量與溫度因子的關(guān)系更為顯著(附表1)。與遼寧春玉米實際產(chǎn)量達(dá)到相關(guān)顯著(0.001)水平的溫度因子僅有9月氣溫, 即春玉米成熟期氣溫高利于遼寧玉米高產(chǎn); 吉林9月氣溫、5月至6月氣溫和生長季積溫與實際產(chǎn)量均達(dá)到相關(guān)顯著水平, 除了成熟期氣溫高利于高產(chǎn)外, 播種至營養(yǎng)生長期氣溫高也利于吉林省春玉米形成豐產(chǎn)群體從而后期高產(chǎn); 黑龍江所有時段的溫度因子(9月氣溫、5月至6月氣溫、7月至8月氣溫和生長季積溫)均與春玉米的實際產(chǎn)量達(dá)到了相關(guān)顯著的水平, 且實際產(chǎn)量與生長季積溫相關(guān)性>5月至6月氣溫>7月至8月氣溫>9月氣溫。3個省中各時段降水與實際產(chǎn)量均未達(dá)到相關(guān)顯著, 熱量條件仍是與春玉米實際產(chǎn)量關(guān)系最為密切的因子。

分析東北地區(qū)春玉米氣象產(chǎn)量與各時段氣溫、降水和日照的相關(guān)性, 其結(jié)果與實際產(chǎn)量略有差異。與黑龍江春玉米氣象產(chǎn)量相關(guān)顯著(0.05)的因子有5月至6月降水與生長季降水量, 降水量多氣象產(chǎn)量高, 溫度因子相關(guān)不顯著; 吉林玉米氣象產(chǎn)量與5月至6月降水也呈正相關(guān), 但與遼寧春玉米氣象產(chǎn)量相關(guān)顯著的因子均為溫度因子, 且為負(fù)相關(guān), 即溫度越高氣象產(chǎn)量越低, 尤其是7月至8月正值玉米產(chǎn)量形成的關(guān)鍵時段, 此時段正值盛夏也是一年中最熱的月份, 高溫易造成雄穗不能抽出或花粉不能開裂散粉, 雌穗不結(jié)實或禿尖率將大大增加。由上分析, 氣象產(chǎn)量與溫度因子呈負(fù)相關(guān), 與降水呈正相關(guān), 反映出在東北地區(qū), 溫度高尤其是盛夏高溫是氣象產(chǎn)量增加的限制因子, 降水多水分條件好是促進(jìn)春玉米氣象產(chǎn)量增加的有利因素, 也從旁印證了水分條件對于春玉米產(chǎn)量的影響作用越來越大。東北地區(qū)春玉米大部為雨養(yǎng)農(nóng)業(yè), 隨著氣候變暖, 自然降水的多寡對其氣象產(chǎn)量高低的決定作用也越來越大。

進(jìn)一步分析東北地區(qū)春玉米氣象產(chǎn)量與農(nóng)業(yè)氣象災(zāi)害的關(guān)系發(fā)現(xiàn), 春玉米氣象產(chǎn)量與災(zāi)害總面積達(dá)到相關(guān)顯著, 其中遼寧春玉米氣象產(chǎn)量波動的60%是由農(nóng)業(yè)氣象災(zāi)害造成, 吉林為50%, 黑龍江為27%。單從影響程度來看, 東北三省中遼寧春玉米產(chǎn)量受農(nóng)業(yè)氣象災(zāi)害影響更大, 吉林次之, 黑龍江相對較小, 農(nóng)業(yè)生產(chǎn)的穩(wěn)定度則正好相反。分類來看5種農(nóng)業(yè)氣象災(zāi)害中, 遼寧春玉米氣象產(chǎn)量受到干旱與洪澇的雙重影響, 幾乎是旱澇并重; 黑龍江和吉林氣象產(chǎn)量僅與干旱面積相關(guān)顯著, 與其他災(zāi)害面積無明顯相關(guān)。

按照對遼寧省春玉米氣象產(chǎn)量綜合作用由大到小排序, 排序最大的變量為干旱和洪澇災(zāi)害, 決策系數(shù)為負(fù)值,說明為主要限制性變量; 各類災(zāi)害對氣象產(chǎn)量的直接作用為負(fù)向作用, 按照直接作用由大到小排序為干旱、洪澇、風(fēng)雹, 冷凍害和其他災(zāi)害對春玉米氣象產(chǎn)量的直接作用微乎其微。干旱、洪澇、風(fēng)雹的直接作用均大于各自間接作用之和, 說明這些災(zāi)害對春玉米氣象產(chǎn)量的影響主要體現(xiàn)在直接作用上。而冷凍害和其他災(zāi)害的直接作用小于其間接作用之和, 說明其對氣象產(chǎn)量的影響主要是協(xié)同在旱澇等災(zāi)害之中。從表1中也可以看出, 影響遼寧省春玉米氣象產(chǎn)量的農(nóng)業(yè)氣象災(zāi)害是以干旱和洪澇為主, 風(fēng)雹、冷凍害等為輔的多種災(zāi)害, 與之前分析遼寧春玉米產(chǎn)量受農(nóng)業(yè)氣象災(zāi)害影響更大也更為復(fù)雜的結(jié)論一致。

按照對吉林省春玉米氣象產(chǎn)量綜合作用由大到小排序, 作用最大的變量為干旱, 決策系數(shù)為負(fù)值, 是主要限制性變量, 其余災(zāi)害決策系數(shù)小, 綜合作用弱(表2); 各類災(zāi)害對氣象產(chǎn)量的直接作用為負(fù)向作用, 按照直接作用大小排序, 直接作用最大的災(zāi)害為干旱, 其余災(zāi)害的直接作用較小。干旱直接作用大于其間接作用之和, 說明干旱災(zāi)害對吉林春玉米氣象產(chǎn)量的影響主要體現(xiàn)在直接作用上; 其他災(zāi)害的直接作用和間接作用微小, 不再討論。

表1 遼寧省主要農(nóng)業(yè)氣象災(zāi)害對玉米氣象產(chǎn)量的直接作用和間接作用

在研究吉林省農(nóng)業(yè)氣象災(zāi)害對春玉米產(chǎn)量影響時, 干旱完全處于主導(dǎo)地位, 這也與實際情況一致。吉林省春玉米主產(chǎn)區(qū)主要分布在中西部, 其中大部地區(qū)為該省常年老旱區(qū), 西部地區(qū)年降水量不足400 mm, 有“十年九旱”之稱。而洪澇災(zāi)害主要分布在東部或東南部, 為水稻主產(chǎn)區(qū), 因而對春玉米產(chǎn)量的影響不大。

按照對黑龍江省春玉米氣象產(chǎn)量綜合作用由大到小排序, 排序最大的變量為干旱, 決策系數(shù)為負(fù)值, 是主要限制性變量, 其余災(zāi)害決策系數(shù)小, 綜合作用弱(表3); 直接作用按照大小排序, 直接作用較大的災(zāi)害為干旱, 其次為風(fēng)雹、洪澇, 冷凍害、其他災(zāi)害的直接作用較小; 同時, 各類災(zāi)害對氣象產(chǎn)量的直接作用為負(fù)向作用。干旱、洪澇等主要農(nóng)業(yè)氣象災(zāi)害的直接作用大于其間接作用之和, 說明黑龍江的主要農(nóng)業(yè)災(zāi)害對春玉米氣象產(chǎn)量的影響體現(xiàn)在直接作用上, 這些農(nóng)業(yè)氣象災(zāi)害對氣象產(chǎn)量的影響協(xié)同作用較小, 而冷害是唯一一個間接作用大于直接作用的災(zāi)種, 冷害可能是伴隨著其他類災(zāi)害一同發(fā)生的, 單一冷害的年份較少。因而, 在研究黑龍江省農(nóng)業(yè)氣象災(zāi)害對春玉米產(chǎn)量影響時, 以干旱為主, 洪澇與風(fēng)雹災(zāi)害并重, 且均以直接作用為主。而冷凍害的影響主要是協(xié)同在其余災(zāi)害之中, 黑龍江省緯度較高, 熱量資源較其他兩省相對不足, 冷凍害的影響也較大。

表2 吉林省主要農(nóng)業(yè)氣象災(zāi)害對玉米氣象產(chǎn)量的直接作用和間接作用

縮寫同表1。Abbreviations are the same as those given in Table 1.

表3 黑龍江省主要農(nóng)業(yè)氣象災(zāi)害對氣象產(chǎn)量的直接作用和間接作用

縮寫同表1。Abbreviations are the same as those given in Table 1.

從各類災(zāi)害直接作用大小來看, 干旱對遼寧的影響最大為0.735, 其次為吉林0.646, 最小黑龍江0.570; 洪澇的影響也是如此, 水旱兩大農(nóng)業(yè)氣象災(zāi)害對遼寧的影響都是三省中最大的, 由此遼寧省春玉米產(chǎn)量受到的影響也是最大的, 其玉米生產(chǎn)的穩(wěn)定性較低; 相對而言, 黑龍江除風(fēng)雹災(zāi)害影響大于其他兩省外, 水旱災(zāi)害的影響均弱于遼吉, 風(fēng)雹災(zāi)害局地性強(qiáng), 影響范圍有限, 因而其對玉米生產(chǎn)的影響遠(yuǎn)不及水旱災(zāi)害, 黑龍江玉米生產(chǎn)穩(wěn)定性較高, 受農(nóng)業(yè)氣象災(zāi)害影響相對較小。

3 討論

東北地區(qū)屬于我國緯度較高地區(qū), 由于熱量資源不足等原因, 低溫冷害是其主要農(nóng)業(yè)氣象災(zāi)害之一, 嚴(yán)重冷害年減產(chǎn)20%以上[4]。因而, 低溫冷害一直是東北地區(qū)農(nóng)業(yè)氣象災(zāi)害的研究重點, 但2000年之后氣候變暖趨勢明顯, 東北地區(qū)熱量條件得到顯著改善, 冷凍害的影響已經(jīng)大大降低, 基本上沒有發(fā)生大范圍的嚴(yán)重低溫冷害, 僅為影響該區(qū)域春玉米產(chǎn)量的次要因素, 甚至在緯度較低的南部如遼寧省, 長期來看冷凍害的影響已近趨于0。也有研究東北地區(qū)夏季低溫與農(nóng)業(yè)干旱并發(fā)影響[19], 干旱發(fā)生時一般與高溫并存, 因而夏季低溫與干旱并發(fā)的情況不常見。經(jīng)本文分析發(fā)現(xiàn), 農(nóng)業(yè)干旱已經(jīng)成為影響東北地區(qū)春玉米產(chǎn)量的主要災(zāi)害, 這一結(jié)論與農(nóng)業(yè)氣象災(zāi)害數(shù)據(jù)反映的實際情況也較為一致。在實際農(nóng)作物生長的環(huán)境中, 農(nóng)業(yè)氣象災(zāi)害的發(fā)生往往是多種災(zāi)害連發(fā)或并發(fā), 對作物的影響也是復(fù)合型的, 危害程度加重, 想要將單一災(zāi)害的影響定量的表示清楚有一定的困難。本文引入的通徑分析法將災(zāi)害之間的相互作物剝離, 反映出單一災(zāi)害對玉米生產(chǎn)的直接影響, 同時也能看出由于農(nóng)業(yè)氣象災(zāi)害本身的復(fù)雜性使其在不同省之間作用大小又各有不同, 這在東北地區(qū)農(nóng)業(yè)氣象災(zāi)害研究中是不多見的。影響遼寧春玉米產(chǎn)量的農(nóng)業(yè)氣象災(zāi)害較多, 其復(fù)雜性也更大, 相對而言黑龍江的較少, 從另一方面也反映了東北三省中遼寧農(nóng)業(yè)生產(chǎn)的穩(wěn)定性較低, 受多重災(zāi)害影響的概率大, 而黑龍江農(nóng)業(yè)生產(chǎn)的穩(wěn)定性較高, 是更為理想的商品糧基地。因而, 在農(nóng)業(yè)氣象災(zāi)害的具體研究中, 要因地因災(zāi)制宜, 具體分析。

[1] 馬建勇, 許吟隆, 潘婕. 東北地區(qū)農(nóng)業(yè)氣象災(zāi)害的趨勢變化及其對糧食產(chǎn)量的影響. 中國農(nóng)業(yè)氣象, 2012, 33: 283–288.

Ma J Y, Xu Y L, Pan J. Analysis of agro-meteorological disasters tendency variation and the impacts on grain yield over Northeast China., 2012, 33: 283–288 (in Chinese with English abstract).

[2] 崔一鳴, 張明哲, 王祿祿, 宋佳, 畢伊紅, 辛得, 李明鑒. 1966–2013年東北地區(qū)玉米低溫冷害指數(shù)分析. 現(xiàn)代農(nóng)業(yè)科技, 2018, (15): 8–10.

Cui Y M, Zhang M Z, Wang L L, Song J, Bi Y H, Xin D, Li M J. Analysis on low temperature and chilling injury index of corn in Northeast China from 1966 to 2013., 2018, (15): 8–10 (in Chinese with English abstract).

[3] 郭建平, 馬樹慶. 農(nóng)作物低溫冷害監(jiān)測預(yù)測理論和實踐. 北京:氣象出版社, 2009. pp 26–27.

Guo J P, Ma S Q. Theory and Practice of Monitoring and Forecasting Crop Cold Damage. Beijing: Meteorological Press, 2009. pp 26–27 (in Chinese).

[4] 王春乙, 毛飛. 東北地區(qū)低溫冷害的分布特征. 見: 王春乙, 郭建平. 農(nóng)作物低溫冷害綜合防御技術(shù)研究. 北京: 氣象出版社, 1999. pp 9–15.

Wang C Y, Mao F. Distribution characteristics of low temperature and chilling damage in Northeast China. In: Wang C Y, Guo J P, eds. Research on Comprehensive Defense Technology of Crops Low Temperature and Chilling Injury. Beijing: Meteorological Press, 1999. pp 9–15 (in Chinese).

[5] 馬樹慶, 劉玉英, 王琪. 玉米低溫冷害動態(tài)評估和預(yù)測方法. 應(yīng)用生態(tài)學(xué)報, 2006, 17: 1905–1910.

Ma S Q, Liu Y Y, Wang Q. Dynamic prediction and evaluation method of maize chilling damage., 2006, 17: 1905–1910 (in Chinese with English abstract).

[6] 李帥, 王晾晾, 陳莉, 姜麗霞, 張洪杰, 覃雪. 黑龍江省玉米低溫冷害風(fēng)險綜合評估模型研究. 自然資源學(xué)報, 2013, 28: 635–645.

Li S, Wang L L, Chen L, Jiang L X, Zhang H J, Qin X. The comprehensive risk evaluation model of chilling injury to maize in Heilongjiang province., 2013, 28: 635–645 (in Chinese with English abstract).

[7] 張方亮, 楊曉光. 東北三省春玉米生長季主要農(nóng)業(yè)氣象災(zāi)害特征分析. 見: 第十五屆全國玉米栽培學(xué)術(shù)研討會會議論文集. 北京: 中國作物學(xué)會, 2017. pp 115–117.

Zhang F L, Yang X G. Analysis on the characteristics of main agro-meteorological disasters in spring corn growing season in the three Northeast provinces. In: Proceedings of the 15th National Corn Cultivation Symposium. Beijing: Crop Science Society of China, 2017. pp 115–117 (in Chinese).

[8] 陳振林, 張建平, 王春乙, 鄭江平. 應(yīng)用WOFOST模型模擬低溫與干旱對玉米產(chǎn)量的綜合影響. 中國農(nóng)業(yè)氣象, 2007, 28: 440–442.

Chen Z L, Zhang J P, Wang C Y, Zheng J P. Application of WOFOST model in simulation of integrated impacts of low temperature and drought on maize yield., 2007, 28: 440–442 (in Chinese with English abstract).

[9] 高曉容. 東北地區(qū)玉米主要氣象災(zāi)害風(fēng)險評估研究. 南京信息工程大學(xué)碩士論文, 江蘇南京, 2012.

Gao X R. Study on the Risk Assessment of the Main Meteorological Disasters for Maize in Northeast China. MS Thesis of Nanjing University of Information Science and Technology, Nanjing, Jiangsu, China, 2012 (in Chinese with English abstract).

[10] 楊若子, 周廣勝. 東北三省玉米主要農(nóng)業(yè)氣象災(zāi)害綜合危險性評估. 氣象學(xué)報, 2015, 73: 1141–1153.

Yang R Z, Zhou G S. Comprehensive risk assessment of the main maize agro-meteorological disasters in the three provinces of Northeast China., 2015, 73: 1141–1153 (in Chinese with English abstract).

[11] 楊若子. 東北玉米主要農(nóng)業(yè)氣象災(zāi)害的時空特征與風(fēng)險綜合評估. 南京信息工程大學(xué)碩士論文, 江蘇南京, 2015.

Yang R Z. Northeast China Maize Trend Yield Agrometeorological Disasters Risk Assessment. MS Thesis of Nanjing University of Information Science and Technology, Nanjing, Jiangsu, China, 2015 (in Chinese with English abstract).

[12] 張琪, 叢鵬, 彭勵. 通徑分析在Excel和SPSS中的實現(xiàn). 農(nóng)業(yè)網(wǎng)絡(luò)信息, 2007, (3): 109–110.

Zhang Q, Cong P, Peng L. The realization of path analysis in Excel and SPSS., 2007, (3): 109–110 (in Chinese with English abstract).

[13] 杜家菊, 陳志偉. 使用SPSS線性回歸實現(xiàn)通徑分析的方法. 生物學(xué)通報, 2010, 45(2): 4–6.

Du J J, Chen Z W. Using SPSS linear regression to realize path analysis., 2010, 45(2): 4–6 (in Chinese with English abstract).

[14] 林德光. 通徑分析法在腰果播種巾的應(yīng)用——兼論通徑分析的SAS實施. 熱帶作物學(xué)報, 2001, 22(3): 34–39.

Lin D G. The application of path analysis method in cashew nut sowing towels and the SAS implementation of path analysis., 2001, 22(3): 34–39(in Chinese with English abstract).

[15] 黃大輝, 彭懿紫, 黃天進(jìn), 蔡巨廣, 莫永生, 曾超珍. 雜交水稻主要性狀的多重逐步回歸和通徑分析. 廣西農(nóng)業(yè)生物科學(xué), 2004, 23(2): 100–103.

Huang D H, Peng Y Z, Huang T J, Cai J G, Mo Y S, Zeng C Z. Multiple stepwise regression and path analysis of the main characters of hybrid rice., 2004, 23(2): 100–103 (in Chinese with English abstract).

[16] 劉美含, 史海濱, 李仙岳, 閆建文, 孫偉, 竇旭. 河套灌區(qū)玉米農(nóng)田蒸散動態(tài)變化及其影響因子的通徑分析. 排灌機(jī)械工程學(xué)報, 2018, 36: 1081–1086.

Liu M H, Shi H B, Li X Y, Yan J W, Sun W, Dou X. Path analysis of dynamic changes of corn farmland evapotranspiration and its influencing factors in Hetao irrigation area., 2018, 36: 1081–1086 (in Chinese with English abstract).

[17] 袁志發(fā), 周靜芋, 郭滿才, 雷雪芹, 解小莉. 決策系數(shù)——通徑分析中的決策指標(biāo). 西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版), 2001, 29(5): 131–133.

Yuan Z F, Zhou J W, Guo M C, Lei X Q, Xie X L. Decision co-efficient—the decision index in path analysis.(Nat Sci Edn), 2001, 29(5): 131–133 (in Chinese with English abstract).

[18] 王春乙, 張建平. 東北農(nóng)作物冷害干旱并發(fā)影響評估. 見: 王春乙. 東北地區(qū)農(nóng)作物低溫冷害研究. 北京: 氣象出版社, 2008. pp 163–173.

Wang C Y, Zhang J P. Evaluation on the concurrent effects of crop chilling injury and drought in Northeast China. In: Wang C Y, ed. Study on Chilling Injury of Crops in Northeast China. Beijing: Meteorological Press, 2008. pp 163–173 (in Chinese).

[19] 張星, 鄭有飛, 周樂照. 農(nóng)業(yè)氣象災(zāi)害災(zāi)情等級劃分與年景評估. 生態(tài)學(xué)雜志, 2007, 26: 418–421.

Zhang X, Zheng Y F, Zhou L Z. Grade classification and annual case assessment of agro-meteorological disasters in Fujian pro-vince., 2007, 26: 418–421 (in Chinese with English abstract).

Effect of agricultural meteorological disasters on the production corn in the Northeast China

LI Yi-Jun and LYU Hou-Quan*

National Meteorological Centre of China, Beijing 100081, China

Agricultural meteorological disasters are the main natural disasters that threaten grain output. In recent years, with climate change, agricultural meteorological disasters are more and more frequent, and their impact on northeast China is also increasing. In this paper, to make better use of advantages and avoid disadvantages in actual production to ensure food production safety, spring corn in three provinces of northeast China was taken as the research object to discuss the impact of major agricultural meteorological disasters in this region on spring corn yield and its degree. The results showed that agricultural meteorological disasters could explain about 50% of the fluctuation of spring corn yield in Northeast China, and the main agricultural meteorological disasters that affected spring corn production had changed from cold damage in the traditional sense to drought. Under the background of climate warming, the main factor affecting spring corn production was changed from thermal condition to water condition, and drought had become the primary disaster threatening spring corn production. The agricultural meteorological disasters that affected the spring corn yield in Liaoning province were drought, flood, and wind in order of the degree of influence. The agricultural meteorological disaster that affected spring corn yield in Jilin province was only drought. The agricultural meteorological disasters affecting the yield of spring corn in Heilongjiang province were ranked as flood, drought, and cold damage according to the degree of impact. In conclusion, due to geographical differences, the main agro-meteorological disasters affecting the corn production in the three provinces of Northeast China were also different, and their complexity was not the same, which cannot be generalized in the specific study.

agricultural meteorological disasters; drought; flood; cold damage; corn yield

10.3724/SP.J.1006.2022.03061

本研究由國家重點基礎(chǔ)研究發(fā)展計劃(973計劃)項目(2013CB430205)和“十三五”國家重點研發(fā)計劃項目(2019YFD1002201)資助。

This study was supported by the National Key Basic Research Program (973 Program, 2013CB430205) and the National Key Research and Development Program of China (2019YFD1002201).

呂厚荃, E-mail: daoshaodao@163.com

E-mail: duoshaoduo151@163.com, Tel: 010-68407040

2020-10-19;

2021-10-20;

2021-11-18.

URL: https://kns.cnki.net/kcms/detail/11.1809.S.20211117.1723.004.html