基于多种指标的长江中下游水稻高温热害对比分析

朱世峰，王卫光，魏 佳

（1.河海大学水文水资源学院，南京 210098；
2.河海大学水文水资源与水利工程科学国家重点实验室，南京 210098）

近年来，以显著变暖为特征的气候变化已经成为社会和大众关注的热点问题[1]。在全球变暖的背景下，极端气候事件的频率、强度以及持续时间均明显增加[2]。农业是受气候变化影响最大的部门[3]，并且作物生长期间的极端高温可能导致其完全歉收[4]。中国是世界上主要的粮食生产国之一，大量的粮食生产区受到极端高温气候的威胁[5]，粮食生产安全已不可避免的受到了气候变化的影响。极端高温的影响因作物类型的不同而有很大差异，湿地水稻是受影响最严重的作物[6]。频繁出现的高温天气使得水稻更易遭受到高温热害的影响，如果不及时采取有效的应对措施，将会导致产量下降，严重威胁到粮食生产安全[7]。

长江中下游地区是我国主要的水稻产区，该地区水稻的种植面积及产量均占全国的1/3 以上[8]。但是由于该地区地处亚热带季风区，无法避免在夏季遭遇不同程度的高温事件。水稻生长期通常在夏季，加剧的极端气候事件，将会造成水稻生长过程明显加快，致使水稻空粒增加，进而使得产量和品质大幅下降[9-11]。过去的研究表明，水稻在高温下暴露一小时就足以引起不育，并且高温也会影响开花模式和达到花期的小穗数[12]。随着极端气温事件发生频率的增加，气候变化可能会增加温度峰值与花期重叠的概率[6]。同时，高温增加了籽粒灌浆和叶片衰老的速率，缩短了籽粒灌浆和叶片衰老的时间，使得籽粒灌浆提前终止[13]。

目前，已有国内学者开展了长江中下游或者流域内部分地区水稻高温热害的分布特征及时空演变规律的研究。然而，以往的研究大多采用站点数据计算高温热害的指标[11,14-18]，对于大面积种植水稻的地区，尽管将站点数据计算结果进行空间插值可以用来反应水稻高温热害的时空变化[19]，但是距离站点较远的种植区会由于插值的偏差而无法很好的反映水稻关键生育期间的夏季温度变化，最终导致产量和品质的差异。此外，由于指标计算时所选择的实测数据的差异，不同的热害指标对于水稻遭受的热害等级判定存在较大差异，不合理的判断结果将会高估/低估热害风险对于水稻发育产生的影响。近年来，更多区域尺度的高分辨率格点化实测数据集的发布[20,21]为精确化指标计算提供了便利。因此，使用高精度的实测数据，采取多种高温热害识别方法，综合评估长江中下游地区水稻生长期的极端高温事件的变化规律，为优化作物种植布局和防御高温灾害提供了相对科学的依据，也为相关部门制定未来气候变化应对策略、保障国家的粮食安全提供了科学参考。

1.1 研究区概况

长江中下游地区(108°05′ E～123° E,24°30′ N～35°10′ N)包括湖南、湖北、江西、安徽、江苏、浙江和上海，共六省一市，地处我国中部，其中大多为平原丘陵（图1），属于亚热带湿润季风气候，雨热同期，整体表现为夏季暖湿，冬季冷干。研究区一直以来就是我国的主要粮食产地，占有我国1/5 以上的粮食种植面积和产量，是我国重要的粮食主产区和商品粮基地[22]。研究区内大多为平原和丘陵，地势西高东低，地形复杂，和夏季多种大气环流系统相互作用共同导致了该地复杂多变的气候特征[23,24]。

图1 长江中下游地区示意图Fig.1 Diagram of the middle&lower reaches of the Yangtze River

1.2 研究数据

实测数据来自于中国气象局气候研究开放实验室的0.25°×0.25°经纬度分辨率的格点化数据集(CN05.1)[25]。CN05.1数据集是基于中国范围内的2 400 余个气象站点的观测资料（包括基准站、基本站和国家一般气象站），通过薄盘样条方法进行空间插值，为了满足当前高分辨率气候模式精度验证的需要而制作的一组中国大陆地区的观测数据集。经评估该数据集精度相对较高且接近实测数据[21]，已经得到了广泛的应用[26,27]。本研究选用CN05.1 数据集中的逐日平均气温和逐日最高气温数据，数据长度为1961-2014年。

1.3 热害指标计算方法

国内外大量学者对水稻高温热害指标进行了研究，但由于研究区的差别和实测数据的限制，所得到的热害指标也不一样。较早的研究中以日平均气温≥30 ℃或最高气温≥35 ℃作为判别水稻开花结实期受害的临界温度，并按照大于临界平均温度和最高温度的热害天气的最长持续天数定义高温热害强度[28,29]；
后来的研究中通过日最高气温超过35 ℃的危害积温来评估高温对水稻的影响[30,31]。因此，本研究选取了如下几个指标对高温热害进行计算：

(1)通过计算日平均气温稳定超过30 ℃的日数，即高温持续日数(High Temperature Days,HTD)，来反映高温热害强度。

(2)利用水稻生育期内超过35 ℃以上的连续高温积温(High Temperature Degree-Days forTmax,HDD)[31]来反映热害的发生强度，计算方法如下：

“四种形态”用党的纪律和规矩衡量党员干部的日常行为，其鲜明特点是抓早抓小、动辄则咎，发现不守规矩现象马上管，看到违反纪律行为及时处理。这一特点让大多数党员干部在有倾向性问题、刚刚出问题的时候就能得到及时的提醒、纠正，可以有效地防止党员干部“带病”工作，也可以有效地防止党员干部由违纪跌入违法犯罪的深渊(因为纪在法前，纪严于法)。这既是对党的事业负责，也是对党员干部严管之下的关心爱护。

式中：HDD为连续高温积温，℃•d；
DTi为水稻生育期内逐日高温危害积温，℃；
Tmax为日最高气温，℃；
T0为35 ℃；
n为水稻生育期的总天数，d；
i为水稻生育期内第i天(1≤i≤n)。

(3)反映水稻生育期内的单点高温热害强度同样可以利用危害热积温(Accumulated Hot Damage Temperature,AHDT)[32]作为指标进行划分，计算方法如下：

式中：AHDT为危害热积温，℃•d；
m为评价时段内水稻热害过程的总次数；
j为多次水稻热害过程的序号，1≤j≤m；
nj为第j个水稻热害过程中的总高温日数，nj≥3 d)；
i为第j个水稻热害过程中每天的序号，1≤i≤n)；
f()为单日积热，℃；
为第j个水稻热害过程中第i天的日最高气温，℃。

根据之前的研究[28]，本文选择每年的6-9月作为长江中下游地区水稻的生长期进行指标计算。由于高温持续日数与连续高温积温和危害热积温所使用的基础实测数据不同，而连续高温积温和危害热积温之间的计算方法也存在差异，因此为了选择出更能准确描述实际情况的热害指标，将三者进行对比具有重要意义。

2.1 高温热害强度的时间变化

将基于格点数据计算得到的1961-2014年高温热害指标进行区域平均，区域平均的结果如图2所示。在气候的趋势分析中，由于常用的序列平滑方法（如滑动平均等）会造成缺少序列两端的平滑值，使得处理难以反应序列两端的真实趋势，故本文选择巴特沃斯(Butterworth)低通滤波对3 个高温热害指标进行平滑处理[33]。

这种平滑方法将气候的时间序列看作一个非唯一边界的约束问题，这样将至少有3种最低阶约束方案，具体如下：①模约束方案：滑动序列的零阶导数，有利于边界附近的趋势接近于气候态；
②斜率约束方案：滑动序列的一阶导数，有利于边界附近的趋势接近于一个局部值；
③粗糙度约束方案：滑动序列的二阶导数，边界附近的趋势由一个定常斜率来逼近[34]。

将3个高温热害指标先进行距平和归一化处理，再利用上述3种边界约束方案进行巴特沃斯低通滤波平滑处理，计算所得到序列的均方误差(Mean Square Error,MSE)如表1所示，每个指标最小MSE的平滑序列就是最优的平滑方案。最终3个热害指标的气候时间序列平滑的约束方案均选择模约束方案。将处理过后的序列进行平滑处理（图2）可以看到，所有指标在长时间序列上均无明显的增大或减小的趋势，达到了模约束方案的边界附近与气候态相接近的预期。

表1 热害指标序列的均方误差Tab.1 MSE of heat damage index series

图2 1961-2014年长江中下游地区高温热害的时间变化Fig.2 Temporal variation of heat damage over the middle&lower reaches of the Yangtze River from 1961 to 2014

2.2 高温热害强度的空间变化

将长江中下游地区的高温热害指标在空间中的每个格点在时间尺度上进行平均，所得结果如图3所示。高温热害较严重的区域集中在湖南和湖北的东部，江西的中部，浙江的北部以及江苏和安徽接壤的部分，高温持续日数最大可达到13 d，连续高温积温最大可达到47 ℃•d，危害热积温最大可达到45 ℃•d，在沿海地区和西部地区高温热害并不严重。综合图1所示的高程数据可以发现，高温热害严重的地区集中在高程较低的平原地区，而山区丘陵由于温度的垂直递减效应，使得逐日平均气温和逐日最高气温相较于平原地区偏低，进而使计算所得指标与平原地区相差较大。江苏和浙江沿海地区在夏季受到相较于内陆更为强烈的西太平洋季风影响，降水频繁，导致该地区降温效果显著，进而使得极端高温事件无法连续，高温热害偏低。

图3 1961-2014年长江中下游地区高温热害的空间分布Fig.3 Spatial distribution of heat damage over the middle&lower reaches of the Yangtze

将3个指标进行对比可以发现，相较于连续高温积温和危害热积温，高温持续日数在大别山、黄山以及江南丘陵地带明显相较于周边偏低，而连续高温积温和危害热积温虽然在山区及丘陵地区也较周边偏低，但空间差异不大。这种在空间上的过快突变容易造成对热害形式的高估。同时，高温持续日数相比于连续高温积温和危害热积温所反映出的高温热害严重的地区更为集中，并且所占格点也明显更多。但是高温持续日数在空间中连成一片，无法像连续高温积温和危害热积温一样在局部区域（如两湖平原地区）中反映出指标在局部区域中的空间差异。比较同样基于逐日最高气温数据计算得到的连续高温积温和危害热积温，虽然二者的计算方法的不同导致了指标大小有着细微的差别，但是在空间上的分布高度相似。

2.3 高温热害强度的周期变化

小波分析是一个具有多分辨率的统计工具，能够反映时域和频域上的局部特征，被称为“细节放大器”[11]。其中Morlet 小波能清晰的揭示出隐藏在时间序列中的多种变化周期，充分反映系统在不同时间尺度中的变化趋势，并能对系统未来发展趋势进行定性估计，为更好的研究时间序列问题提供了可能。

本文对3个高温热害指标在1961-2014年内选用32年时间尺度进行Morlet 复小波分析，所得结果如图4所示。其中小波系数实部等值线图能反映序列不同时间尺度的周期变化及其在时域中的分布，从而判断在不同的时间尺度上序列在未来的变化趋势；
小波方差图能反映序列的波动能量随尺度的分布情况，从而判断序列演化过程中存在的主周期；
主周期趋势图是根据小波方差检验结果提取小波系数实部在主周期下的变化趋势，以反映热害指标存在的平均周期及高-低变化特征。

从小波系数实部等值线图4可以看出，3个指标在54年中存在着25～32年、13～24年、7～12年以及3～6年的四类尺度的周期变化规律。其中，在25～32年的尺度上出现了高-低交替的准两次震荡；
在14～24年的尺度上出现了高-低交替的准4次震荡。同时还可以看出，以上两个尺度的周期变化在整个分析的时段的表现十分稳定，具有全域性；
7～12年尺度的周期变化在1990年之前的表现较为稳定。3个指标的差异主要体现在3～6年尺度上：就高温持续日数而言，3～6年尺度的周期在1970年之前和1990年之后的表现较为稳定；
就连续高温积温和危害热积温而言，3～6年尺度的周期在1980年之后的表现较为稳定。

从小波方差图4可以看出，3 个指标均存在3 个较为明显的峰值，它们依次对应着18年、9年和5年的时间尺度。其中，3 个指标的最大峰值均对应着18年时间尺度，说明18年左右的震荡周期最强，为序列变化的第一主周期。就高温持续日数而言，第二峰值对应9年时间尺度，第三峰值对应5年时间尺度，分别为第二、第三主周期。就连续高温积温和危害热积温而言，第二峰值对应5年时间尺度，第三峰值对应9年时间尺度，为序列变化的第二、第三主周期。

图4 1961-2014年长江中下游地区高温热害时间序列的Morlet小波分析结果Fig.4 Morlet wavelet analysis results of time series of heat damage in the middle&lower reaches of the Yangtze River from 1961 to 2014

根据小波方差图中的结果，绘制分别反映5年、9年和18年特征尺度的主周期趋势图。在5年和18年特征尺度上，3个指标表现出的平均周期和高-低变化特征一致，在5年特征时间尺度上，高温热害变化的平均周期为3.5年左右，大约经历了16 个周期的高-低变化；
在18年的特征时间尺度上，高温热害变化的平均周期为12年，大约经历了4.5 个周期的高-低变化。就高温持续日数而言，在9年的特征时间尺度上，高温热害变化的平均周期为6.5年左右，大约经历了8个周期的高-低转换；
就连续高温积温和危害热积温而言，在9年的特征时间尺度上，高温热害变化的平均周期为6年左右，大约经历了8.5个周期的高-低转换。

2.4 高温热害强度的等级划分

前面所计算的高温热害本质上是气候指标，只有通过划分等级才能体现出其影响水稻生长发育的程度。依据之前的研究[11,31]以及最新的国家标准[32](GB/T 37744-2019)，本文将通过3 套划分标准（表2） 将高温热害强度等级进行划分。

表2 单点热害强度等级划分Tab.2 Classification of single point heat damage intensity

从表2可以看到，用危害热积温定义的划分标准针对单季稻和双季稻是不同的，而用高温持续日数定义的划分标准没有区分单季稻和双季稻，并且用连续高温积温定义的划分标准只适用于单季稻。基于此，为了可以把不同的标准放在一起进行对比，将用高温持续日数定义的划分标准定义为单季稻和双季稻同标准。国家统计局发布的作物播种面积指出，近30年以来，湖南省和江西省的平均的双季早稻播种面积占到长江中下游地区双季早稻播种总面积的75%以上，湖北省、安徽省、江苏省和浙江省的单季稻播种面积更是占到长江中下游地区单季稻播种总面积的80%以上。为了更加准确的反映高温热害分别对单季稻和双季早稻产生的影响，本文将长江中下游分为由湖南、江西组成的双季早稻种植区和由其余地区组成的单季稻种植区，分别讨论高温热害强度等级占种植区总面积的比例，结果如图5所示。

图5 1961-2014年长江中下游水稻种植区在不同指标下高温热害程度占比Fig.5 Percentage of heat damage in rice growing areas in the middle&lower reaches of the Yangtze River under different indicators from 1961 to 2014

之前的研究通过计算日平均气温≥30 ℃或日最高气温≥35 ℃持续日数指出[29]，比较明显的典型高温热害年份有1971、1978、1988、1994、2003和2006年，其中1978和1988年的高温天气使得双季早稻产量明显下降，2003年的高温天气使得单季稻的产量明显下降，其余时段则是对区域内所有水稻产量都产生影响，同时2013年是长江中下游地区自21世纪以来高温持续时间最长的年份[35]。将以上的典型年份代入图中进行比对可以发现均能得到较好的验证。

相较于其他两种划分标准，基于连续高温积温的划分标准虽然可以对典型年份进行较好的反映，但是由于阈值划分的主观性，无法在其余年份对高温热害程度做出很好的判断，并且划分标准仅针对于单季稻，无法精确判断长江中下游地区这一单双季稻轮作的水稻产区受到高温热害的影响程度。

虽然基于危害热积温的划分标准相比于基于高温持续日数的划分标准有着更高的热害面积的总占比，但其组成大多为轻度热害。而基于高温持续日数的划分标准有着更高的重度热害占比，尤其是位于北方的单季稻种植区，这可能会在一些年份与实际情况不符，造成对于热害影响的过高预估。

本文利用1961-2014年的逐日平均气温数据和逐日最高气温数据，采用3种不同指标，对长江中下游地区水稻的高温热害特征进行了综合评估，主要结论如下。

（1）3 个指标都在长时间序列上均无明显的持续增大或减小的趋势，但在1961-1980年存在下降趋势，在1981-2014年存在上升趋势。相较于连续高温积温和危害热积温，高温持续日数无论是在1961-1980年间的下降趋势还是在1981-2014年间的上升趋势都相对平缓。

（2）空间上，3 个指标均反映出高温热害严重的地区集中在平原区。高温持续日数相比于连续高温积温和危害热积温所反映出的高温热害严重的地区更为集中，但是无法像连续高温积温和危害热积温一样很好地反映出指标在局部区域中的空间差异。

（3）在周期分析中，3 个指标在54年中存在着25～32年、13～24年、7～12年以及3～6年的四类尺度的周期变化规律，并且均存在3 个较为强烈的震荡周期，它们依次对应着18年、9年和5年的时间尺度。

（4）在强度等级划分中，虽然典型热害年份均能通过3个指标得到较好验证，但是相较于其他两种划分标准，基于连续高温积温的划分标准无法精确判断长江中下游地区受到高温热害的影响程度。并且基于连续高温日数的划分标准可能会比基于危害热积温的划分标准对于热害的影响造成一定程度的过高预估。

综上所述，基于逐日最高气温数据所计算的危害热积温(AHDT)比高温持续日数(HTD)和连续高温积温(HDD)更适合反映长江中下游地区高温热害对水稻的影响。

猜你喜欢 时间尺度积温日数 汉江上游汉中区域不同等级降水日数的气候变化特征分析绿色科技(2022年16期)2022-09-151981—2020年西藏“一江两河”主要农区负积温的时空变化特征中国农学通报(2022年5期)2022-03-02南方多地9月热到破纪录文萃报·周五版(2021年39期)2021-10-18冠状病毒疫情二万多年前就已暴发科学导报(2021年64期)2021-09-29皮山县沙尘天气统计分析及影响中国电气工程学报(2020年8期)2020-12-09湟源县30年0℃活动积温变化特征分析现代农业科技(2020年4期)2020-04-08海口市雷暴气候特征及其灰色预测模型研究吉林农业(2018年8期)2018-05-011961—2014年济南市霾日数变化特征分析现代农业科技(2017年12期)2017-07-29奉节县干旱评估时间尺度适宜性研究现代农业科技(2016年22期)2017-03-24温度对杂交水稻恢复系和不育系生育期的影响研究现代农业科技(2016年21期)2017-03-06

推荐访问:中下游 长江 水稻