四川省水稻高溫?zé)岷︼L(fēng)險及災(zāi)損評估*

陳 超, 龐艷梅, 劉 佳

?

四川省水稻高溫?zé)岷︼L(fēng)險及災(zāi)損評估*

陳 超1,2, 龐艷梅1**, 劉 佳3

(1. 中國氣象局成都高原氣象研究所/高原與盆地暴雨旱澇災(zāi)害四川省重點實驗室 成都 610072; 2. 南方丘區(qū)節(jié)水農(nóng)業(yè)研究四川省重點實驗室 成都 610066; 3. 四川省氣候中心 成都 610072)

高溫?zé)岷κ撬拇ㄊ∽钪饕霓r(nóng)業(yè)氣象災(zāi)害之一, 研究高溫?zé)岷λ镜挠绊憣τ谒拇ㄊ∞r(nóng)業(yè)可持續(xù)發(fā)展、保障水稻的安全生產(chǎn)具有重要意義。本文以1981—2015年四川省84個氣象臺站的逐日氣象資料、農(nóng)業(yè)氣象觀測站水稻生育期資料和縣級水稻產(chǎn)量資料為基礎(chǔ), 利用水稻高溫?zé)岷χ笖?shù), 構(gòu)建四川省水稻關(guān)鍵生育期和全生育期綜合高溫?zé)岷︼L(fēng)險模型; 分離水稻氣象產(chǎn)量, 建立高溫?zé)岷τ绊懴滤練庀螽a(chǎn)量與高溫?zé)岷χ笖?shù)間的統(tǒng)計模型, 開展1981—2015年四川省水稻高溫?zé)岷︼L(fēng)險和災(zāi)損評估。研究結(jié)果表明: 四川省水稻抽穗揚花期, 高溫?zé)岷^高風(fēng)險區(qū)和高風(fēng)險區(qū)主要集中在盆地東北大部和盆地南部的個別地區(qū), 其中達(dá)州、廣安和瀘州的部分地區(qū)為高風(fēng)險區(qū)。而低風(fēng)險區(qū)主要分布在盆地西部、南部和川西南的大部地區(qū)。灌漿結(jié)實期, 水稻高溫?zé)岷^高風(fēng)險區(qū)和高風(fēng)險區(qū)主要集中在盆地東北和盆地南部的大部分地區(qū), 其中瀘州大部、南充和宜賓的個別地區(qū)為高風(fēng)險區(qū)。而低風(fēng)險區(qū)主要分布在盆地北部、西部和川西南的大部地區(qū)。水稻全生育階段高溫?zé)岷^高風(fēng)險區(qū)和高風(fēng)險區(qū)主要集中在盆地東北和盆地南部的大部分地區(qū), 其中瀘州、南充和達(dá)州的部分地區(qū)為高風(fēng)險區(qū)。而低風(fēng)險區(qū)主要分布在盆地北部、西部和川西南的大部地區(qū)。構(gòu)建的水稻高溫?zé)岷?zāi)損評估模型簡單實用, 驗證結(jié)果表明高溫?zé)岷δ晁窘y(tǒng)計產(chǎn)量與模擬產(chǎn)量間的相對誤差絕對值都小于1.5%, 建立的模型能反映四川省高溫?zé)岷λ井a(chǎn)量的影響, 同時能夠較好地評估高溫?zé)岷ο滤拇ㄊ∷镜漠a(chǎn)量損失。進(jìn)一步的災(zāi)損評估結(jié)果表明, 高溫?zé)岷ξ：ο麓碚军c水稻的減產(chǎn)率為5.6%~10.2%。

水稻; 高溫?zé)岷? 風(fēng)險; 災(zāi)損; 四川省

高溫?zé)岷κ撬拇ㄊ∷?)生長過程中面臨的主要農(nóng)業(yè)氣象災(zāi)害之一, 尤其在四川省盆地東部和南部地區(qū), 發(fā)生的概率較高。1961—2017年, 四川省最高氣溫≥35 ℃的高溫日數(shù)呈顯著增多趨勢, 平均每10年增多1.3 d, 以20世紀(jì)90年代中期以后增多更為明顯, 其中四川省盆地平均每10年增多1.6 d。而水稻對于高溫脅迫的敏感程度又因發(fā)育階段的不同而有差異[1-3], 開花期和灌漿期是水稻最易受到高溫?zé)岷ξ：Φ臅r期[4-5]。

IPCC第5次評估報告指出: 氣候變暖是非常明確的, 而且比原來認(rèn)識到的更加嚴(yán)重[6]。因此, 未來氣候變暖背景下, 水稻生產(chǎn)面臨的高溫?zé)岷︼L(fēng)險將更加嚴(yán)峻。有研究指出, 到2030年代, 全球水稻種植區(qū)中約16%的區(qū)域內(nèi)水稻在生殖生長階段可能遭遇5 d以上的高溫危害, 受災(zāi)面積也可能從2000年代的8%急劇上升到2050年代的27%[7]。由此可見, 研究氣候變化背景下高溫?zé)岷︼L(fēng)險及對水稻產(chǎn)量的可能影響, 對防災(zāi)減災(zāi)、作物穩(wěn)產(chǎn)增產(chǎn)意義重大[8]。前人采用歷史統(tǒng)計、作物模型模擬等方法在農(nóng)業(yè)氣象災(zāi)害風(fēng)險評估和作物產(chǎn)量災(zāi)損評價方面開展了大量研究。有學(xué)者從危險性指數(shù)方面開展了災(zāi)害風(fēng)險評估, Wu等[9]、姚鳳梅等[10]、謝志清等[11]分別利用作物特異性干旱指數(shù)和標(biāo)準(zhǔn)化降水指數(shù)、相對極端高溫事件發(fā)生的頻率和強度、高溫持續(xù)日數(shù)和危害積溫研究了作物干旱、高溫等災(zāi)害的發(fā)生風(fēng)險。該計算方法較為簡單, 但未考慮災(zāi)害的暴露性、脆弱性和防災(zāi)減災(zāi)能力。還有學(xué)者采用數(shù)學(xué)模型開展了災(zāi)害風(fēng)險評估的研究, 霍治國等[12]、ZHANG等[13]和ZOU等[14]、黃崇福[15]、楊平等[16]、張海萍等[17]分別采用理論概率分布函數(shù)、模糊數(shù)學(xué)、信息擴散原理等研究了作物干旱、洪澇等災(zāi)害風(fēng)險和災(zāi)損風(fēng)險度, 該方法數(shù)學(xué)理論性較強, 但對作物產(chǎn)量和災(zāi)害資料的長度和完整性要求較高。近幾年來, 很多學(xué)者開始從災(zāi)害發(fā)生的危險性、脆弱性、暴露性和防災(zāi)減災(zāi)等4個方面綜合評估災(zāi)害風(fēng)險, HAN等[18]、王春乙等[19]、張蕾等[20]分別從以上4個方面開展了中國西南干旱風(fēng)險區(qū)劃、長江中下游雙季早稻高溫?zé)岷︼L(fēng)險區(qū)劃以及海南島冬季瓜菜寒害風(fēng)險區(qū)劃的研究, 該方法從自然災(zāi)害形成機制的角度構(gòu)建了風(fēng)險評價模型, 效果較好。另外, 還有學(xué)者利用作物模型開展災(zāi)害風(fēng)險評估, 王春乙等[21]、張倩等[22]、李勇等[23]分別利用WOFOST和Oryza2000作物機理模型評估了作物生長過程中的農(nóng)業(yè)氣象災(zāi)害風(fēng)險, 該方法機理性強, 但模型所需參數(shù)較多, 且需要試驗數(shù)據(jù)對模型有效性進(jìn)行驗證?？傮w來看, 目前農(nóng)業(yè)氣象災(zāi)害風(fēng)險和災(zāi)損研究還未形成完善的評估理論與方法體系, 模型的建立還在不斷探索中。由于每種方法各有利弊, 實際研究中還需根據(jù)資料的完整程度選擇適合的評估方法。

四川省水稻高溫?zé)岷︼L(fēng)險評估及對產(chǎn)量影響方面的研究目前仍很薄弱, 尤其缺乏水稻統(tǒng)計或觀測數(shù)據(jù)對評估模型有效性的驗證, 目前的工作還不能滿足四川省水稻安全生產(chǎn)及防災(zāi)減災(zāi)的需求。鑒于此, 本文在前人研究的基礎(chǔ)上, 以氣象資料、農(nóng)業(yè)氣象觀測站水稻生育期資料和縣級水稻產(chǎn)量資料為基礎(chǔ), 選擇影響水稻品質(zhì)和產(chǎn)量的主要氣象要素建立水稻高溫?zé)岷χ笖?shù), 構(gòu)建四川省水稻熱害關(guān)鍵生育階段風(fēng)險指數(shù)模型, 并建立高溫?zé)岷τ绊懴滤練庀螽a(chǎn)量與高溫?zé)岷χ笖?shù)間的統(tǒng)計模型, 開展四川省水稻高溫?zé)岷︼L(fēng)險評估和災(zāi)損評價。研究可為氣候變化背景下四川省水稻安全生產(chǎn)提供依據(jù)。

1 資料與方法

1.1 研究區(qū)域和數(shù)據(jù)來源

四川省水稻以一季中稻為主, 種植區(qū)主要分布在四川盆地、涼山彝族自治州和攀枝花。根據(jù)農(nóng)業(yè)氣候特征和地形特點, 并結(jié)合《全國水稻高產(chǎn)創(chuàng)建技術(shù)規(guī)范模式圖》, 將四川省水稻種植區(qū)劃分為6個區(qū)域(圖1), 包括盆西平丘區(qū)、盆中淺丘區(qū)、盆南丘陵區(qū)、盆東平行嶺谷區(qū)、盆周邊緣山地區(qū)、川西南山地區(qū)。研究發(fā)現(xiàn)每個種植區(qū)域內(nèi)水稻生育期基本一致, 且水稻單位面積產(chǎn)量差異不大, 而不同種植區(qū)域間水稻生育期和產(chǎn)量差異明顯[24]。

氣象資料來自四川省氣象探測數(shù)據(jù)中心, 包括四川省水稻種植區(qū)84個氣象臺站1961—2015年的逐日平均氣溫、最高氣溫、相對濕度等。1981—2015年水稻生育期資料來自四川省氣象探測數(shù)據(jù)中心農(nóng)業(yè)氣象觀測報表。1981—2015年縣級水稻產(chǎn)量資料來自四川省農(nóng)業(yè)統(tǒng)計年鑒。

由于水稻對高溫脅迫的敏感程度在不同發(fā)育階段有差異[1-3], 其中開花期最敏感, 灌漿期次之[4-5]。因而, 本文重點考慮高溫對水稻抽穗揚花和灌漿結(jié)實的影響。另外, 由于各區(qū)域作物品種熟型、氣候特征等存在差異, 根據(jù)1981—2015年農(nóng)業(yè)氣象觀測站水稻生育期觀測資料, 劃分了四川省各稻區(qū)水稻的抽穗揚花期和灌漿結(jié)實期(表１)。

圖1 四川省水稻種植區(qū)劃及氣象臺站的分布

1.2 水稻高溫?zé)岷χ笖?shù)構(gòu)建

根據(jù)《主要農(nóng)作物高溫危害溫度指標(biāo)》[25]國家標(biāo)準(zhǔn), 定義日最高氣溫35 ℃為水稻抽穗揚花期高溫?zé)岷Πl(fā)生的界限溫度, 并考慮空氣相對濕度和氣溫對水稻的綜合影響[24], 水稻抽穗揚花期高溫?zé)岷χ笖?shù)的計算公式為:

式中:HSf為抽穗揚花期高溫?zé)岷χ笖?shù);Tmax和RH分別為抽穗揚花期第天的日最高氣溫(℃)和相對濕度;Dmax和RHD分別為作物致害的最高氣溫(℃)和空氣相對濕度(%), 本研究分別取值35 ℃和70%[26];max和RHmin分別為歷年抽穗揚花期的極端最高氣溫(℃)和極端最低相對濕度(%);fi為抽穗揚花期第天高溫?zé)岷Φ臋?quán)重系數(shù);為抽穗揚花期的總天數(shù)。

根據(jù)《主要農(nóng)作物高溫危害溫度指標(biāo)》[25]國家標(biāo)準(zhǔn), 綜合考慮日最高氣溫和日較差對水稻灌漿結(jié)實的影響, 建立的水稻灌漿結(jié)實期高溫?zé)岷χ笖?shù)為:

式中:HSf為灌漿結(jié)實期高溫?zé)岷χ笖?shù);Tmax為灌漿結(jié)實期第天的日最高氣溫(℃);Dmax和D分別為作物致害的最高氣溫和日平均氣溫, 本研究分別取值35 ℃和30 ℃;T為日平均氣溫(℃);max和avmax分別為歷年灌漿結(jié)實期的極端最高氣溫和日平均氣溫的最大值(℃);gi為灌漿結(jié)實期第天高溫?zé)岷Φ臋?quán)重系數(shù);為灌漿結(jié)實期的總天數(shù)。

考慮抽穗揚花期和灌漿結(jié)實期高溫?zé)岷λ旧L的不利影響, 在綜合兩個階段的熱害指數(shù), 獲得全生育期綜合熱害指數(shù), 計算公式為:

式中:HSf為全生育期綜合熱害指數(shù);HSf為抽穗揚花期高溫?zé)岷χ笖?shù);HSf為灌漿結(jié)實期高溫?zé)岷χ笖?shù);x和y為權(quán)重系數(shù), 本文均取值0.5。

為了研究四川省高溫?zé)岷λ静煌A段的危害, 根據(jù)水稻高溫?zé)岷χ笖?shù)的計算公式, 并結(jié)合劉佳等[24]對四川省水稻高溫?zé)岷Φ湫湍甑尿炞C結(jié)果, 劃分了四川省水稻抽穗開花期、灌漿結(jié)實期以及全生育期輕、中、重3個等級的高溫?zé)岷χ笖?shù)(表2)。由表2可知, 輕度高溫?zé)岷ξ：ο? 1981—2015年四川省水稻抽穗開花期、灌漿結(jié)實期及全生育期的高溫?zé)岷χ笖?shù)都小于2.0, 熱害強度為1; 中度高溫?zé)岷ξ：ο? 水稻抽穗開花期、灌漿結(jié)實期及全生育期的高溫?zé)岷χ笖?shù)分別在2.0~4.0、2.0~6.0和2.0~5.0, 熱害強度為2; 重度高溫?zé)岷ξ：ο? 水稻抽穗開花期、灌漿結(jié)實期及全生育期的高溫?zé)岷χ笖?shù)分別大于4.0、6.0和5.0, 熱害強度為3。

表2 四川省水稻不同生育階段高溫?zé)岷χ笖?shù)

HSf、HSf和HSf分別為抽穗開花期、灌漿結(jié)實期、全生育期綜合高溫?zé)岷χ笖?shù)。HSf,HSfandHSfare heat stress indexes of rice at heading-flowering stage, filling-harvest stage and whole growth season.

1.3 水稻高溫?zé)岷︼L(fēng)險指數(shù)

考慮水稻關(guān)鍵生育期高溫?zé)岷︻l率與平均高溫?zé)岷姸? 水稻高溫?zé)岷Φ娘L(fēng)險指數(shù)[27]為:

式中:為某站點水稻高溫?zé)岷︼L(fēng)險指數(shù),a為某站點水稻高溫?zé)岷︻l率,a為某站點水稻平均高溫?zé)岷姸?為標(biāo)準(zhǔn)化后的某站點水稻高溫?zé)岷︼L(fēng)險指數(shù),min和max分別為全部站點中水稻高溫?zé)岷︼L(fēng)險指數(shù)的最小值和最大值。

利用水稻各生育階段高溫?zé)岷Φ闹笖?shù), 統(tǒng)計水稻各生育階段某站點的高溫?zé)岷Πl(fā)生頻率與高溫?zé)岷姸? 公式為:

式中:a為某站點水稻某生育階段的高溫?zé)岷︻l率;為水稻發(fā)生高溫?zé)岷Φ哪陻?shù);為總年數(shù);a表示水稻多年平均高溫?zé)岷姸? 根據(jù)高溫?zé)岷χ笖?shù)的級別, 定義輕度高溫強度為1, 中度高溫強度為2, 重度高溫強度為3(劃分標(biāo)準(zhǔn)見表2);為多年高溫?zé)岷姸戎汀?/p>

基于水稻高溫?zé)岷︼L(fēng)險指數(shù)的計算方法, 依據(jù)《中國氣象災(zāi)害大典》(四川卷)[28]中四川省水稻種植區(qū)的災(zāi)情資料, 確定了四川省水稻抽穗揚花期、灌漿結(jié)實期和全生育期綜合高溫?zé)岷︼L(fēng)險等級(表3), 將四川省水稻高溫?zé)岷︼L(fēng)險劃分為低風(fēng)險區(qū)、中風(fēng)險區(qū)、較高風(fēng)險區(qū)和高風(fēng)險區(qū)4個等級。

表3 四川省水稻不同生育階段高溫?zé)岷Σ煌L(fēng)險等級的風(fēng)險指數(shù)

1.4 水稻氣象產(chǎn)量的分離

將歷史統(tǒng)計產(chǎn)量分離成趨勢產(chǎn)量和氣象產(chǎn)量之和[29], 即:

式中:為歷史統(tǒng)計產(chǎn)量(kg·hm-2);i為趨勢產(chǎn)量(kg·hm-2);s為氣象產(chǎn)量(kg·hm-2);著為隨機誤差, 本研究中忽略不計。因此, 水稻氣象產(chǎn)量的計算公式為:

1.5 水稻高溫?zé)岷υu估模型

1.5.1 水稻不同生育階段高溫?zé)岷χ笖?shù)與氣象產(chǎn)量的統(tǒng)計模型

本文重點考慮高溫對水稻抽穗揚花和灌漿結(jié)實的影響, 建立水稻抽穗揚花期和灌漿結(jié)實期高溫?zé)岷χ笖?shù)與氣象產(chǎn)量的統(tǒng)計模型:

式中:s為氣象產(chǎn)量(kg·hm-2),HSf為標(biāo)準(zhǔn)化后的抽穗揚花期高溫?zé)岷χ笖?shù),HSf為標(biāo)準(zhǔn)化后的灌漿結(jié)實期高溫?zé)岷χ笖?shù),、為系數(shù);為常數(shù)。標(biāo)準(zhǔn)化的計算方法[30]如下:

式中:X為標(biāo)準(zhǔn)化后第個對象的第項指標(biāo)值;x為第個對象的第項指標(biāo)值;xmin為第項指標(biāo)的最小值;xmax為第項指標(biāo)的最大值。

1.5.2 水稻高溫?zé)岷?zāi)損評估模型

發(fā)生高溫?zé)岷蟮乃緦嶋H產(chǎn)量比未受災(zāi)的正常預(yù)測產(chǎn)量的減產(chǎn)百分比為:

式中:d為高溫?zé)岷υ斐傻乃井a(chǎn)量損失占不受災(zāi)下正常投入應(yīng)得產(chǎn)量的百分比,p為未受高溫?zé)岷Φ恼ｎA(yù)計產(chǎn)量,為發(fā)生高溫?zé)岷蟮膶崪y產(chǎn)量。

式中:i為趨勢產(chǎn)量(kg·hm-2), 對統(tǒng)計產(chǎn)量進(jìn)行正交多項式分離獲得趨勢產(chǎn)量;s為氣象產(chǎn)量(kg·hm-2), 式(12)中各生育階段高溫?zé)岷χ笖?shù)標(biāo)準(zhǔn)化指數(shù)取0。

2 結(jié)果與分析

2.1 水稻高溫?zé)岷Πl(fā)生風(fēng)險的空間分布

1981—2015年四川省水稻抽穗揚花期、灌漿結(jié)實期的高溫?zé)岷︼L(fēng)險分布見圖2。抽穗揚花期(圖2a), 水稻高溫?zé)岷^高風(fēng)險區(qū)和高風(fēng)險區(qū)主要集中在盆地東北大部和盆地南部的個別地區(qū), 其中達(dá)州、廣安和瀘州的部分地區(qū)為高風(fēng)險區(qū)。而低風(fēng)險區(qū)主要分布在盆地西部、南部和川西南的大部地區(qū)。灌漿結(jié)實期(圖2b), 水稻高溫?zé)岷^高風(fēng)險區(qū)和高風(fēng)險區(qū)主要集中在盆地東北和盆地南部的大部分地區(qū), 其中瀘州大部、南充和宜賓的個別地區(qū)為高風(fēng)險區(qū)。而低風(fēng)險區(qū)主要分布在盆地北部、西部和川西南的大部地區(qū)。水稻全生育階段(圖2c), 綜合高溫?zé)岷^高風(fēng)險區(qū)和高風(fēng)險區(qū)主要集中在盆地東北和盆地南部的大部分地區(qū), 其中瀘州、南充和達(dá)州的部分地區(qū)為高風(fēng)險區(qū)。而低風(fēng)險區(qū)主要分布在盆地北部、西部和川西南的大部地區(qū)。

2.2 水稻趨勢產(chǎn)量和氣象產(chǎn)量的統(tǒng)計模型

水稻歷史統(tǒng)計產(chǎn)量是趨勢產(chǎn)量和氣象產(chǎn)量之和。本研究對統(tǒng)計產(chǎn)量進(jìn)行正交多項式分離以獲得趨勢產(chǎn)量, 不同種植區(qū)域水稻趨勢產(chǎn)量的統(tǒng)計模型如表4。

依據(jù)式(12), 建立水稻抽穗揚花期、灌漿結(jié)實期高溫?zé)岷χ笖?shù)與氣象產(chǎn)量的關(guān)系。不同種植區(qū)域水稻氣象產(chǎn)量與高溫?zé)岷χ笖?shù)的統(tǒng)計模型如表5。

2.3 水稻高溫?zé)岷?zāi)損評估

由于篇幅所限, 本文以雁江、營山、隆昌、鹽亭和大竹5個站點為例, 對比分析各站點高溫?zé)岷δ晁練v史統(tǒng)計產(chǎn)量與模擬產(chǎn)量的差異, 由結(jié)果可知二者之間的相對誤差絕對值都小于1.5%(表6), 建立的模型能夠反映不同生育階段高溫?zé)岷λ井a(chǎn)量的影響,同時能夠較好地評估高溫?zé)岷ο滤拇ㄊ∷镜漠a(chǎn)量損失。依據(jù)水稻高溫?zé)岷?zāi)損評估模型, 計算各站點發(fā)生高溫?zé)岷蟮臍v史統(tǒng)計產(chǎn)量比關(guān)鍵生育期未受災(zāi)的正常產(chǎn)量的減產(chǎn)率(表7), 由結(jié)果可知, 高溫?zé)岷ο赂髡军c水稻的減產(chǎn)率為5.6%~10.2%。

圖2 四川省水稻抽穗揚花期(a)、灌漿結(jié)實期(b)和全生育期(c)高溫?zé)岷︼L(fēng)險分布

表4 四川省水稻種植區(qū)不同區(qū)域水稻趨勢產(chǎn)量的統(tǒng)計模型

i為趨勢產(chǎn)量(kg·hm-2);為年序(1981年,=1);是顯著性檢驗的概率。iis the trend yield of rice (kg·hm-2).is the order of the year (for 1981,=1).isprobability.

表5 四川省水稻種植區(qū)不同區(qū)域水稻氣象產(chǎn)量與高溫?zé)岷χ笖?shù)關(guān)系的統(tǒng)計模型

s為氣象產(chǎn)量(kg·hm-2);HSf為標(biāo)準(zhǔn)化后的抽穗揚花期高溫?zé)岷χ笖?shù);HSf為標(biāo)準(zhǔn)化后的灌漿結(jié)實期高溫?zé)岷χ笖?shù);是顯著性檢驗的概率。sis the meteorological yield of rice (kg·hm-2).HSfis the standardized heat stress index at heading-flowering stage.HSfis the standardized heat stress index at filling-harvest stage.isprobability.

表6 四川省典型站點高溫?zé)岷δ晁窘y(tǒng)計產(chǎn)量與模擬產(chǎn)量的比較

表7 四川省典型站點高溫?zé)岷δ晁镜臑?zāi)損評估

3 討論

高溫?zé)岷κ撬拇ㄊ∷鹃_花、灌漿期最主要的災(zāi)害性天氣之一, 對水稻產(chǎn)量形成影響很大。馮明等[25]制訂了國家標(biāo)準(zhǔn)《主要農(nóng)作物高溫危害溫度指標(biāo)》, 本研究在此基礎(chǔ)上, 結(jié)合四川省稻區(qū)實際情況,提出高溫?zé)岷鄯e指數(shù)的概念, 構(gòu)建了四川省水稻關(guān)鍵生育期的高溫?zé)岷χ笜?biāo)。劉佳等[24]利用四川省實際災(zāi)情資料對熱害指數(shù)進(jìn)行了驗證, 效果較好。由此可見, 本文利用該指數(shù)進(jìn)一步分析水稻高溫?zé)岷︼L(fēng)險及災(zāi)損, 可信度較高。

本研究在計算水稻高溫?zé)岷︼L(fēng)險指數(shù)時, 因高溫?zé)岷︻l率和強度具有不同量綱, 為了消除不同量綱對結(jié)果的影響, 采用標(biāo)準(zhǔn)化方法[30]對風(fēng)險指數(shù)進(jìn)行處理, 區(qū)劃結(jié)果能較好地反映抽穗揚花和灌漿結(jié)實階段高溫?zé)岷λ拇ㄊ〉緟^(qū)影響的空間差異。對于水稻高溫?zé)岷Ω唢L(fēng)險區(qū)的川東北大部和川南部分地區(qū)而言, 需要選育高產(chǎn)優(yōu)質(zhì)抗逆性強的作物品種, 或采取高效的栽培管理措施, 以降低高溫?zé)岷λ井a(chǎn)量形成的不利影響[12]。本研究結(jié)論與何永坤等[31]的結(jié)果在分布范圍上有少許差異, 但分布規(guī)律總體一致, 原因主要是站點和數(shù)據(jù)長度的選取有所不同。當(dāng)然, 本研究僅從危險性的角度分析了水稻高溫?zé)岷︼L(fēng)險, 相比王春乙等[19]對長江中下游雙季早稻高溫?zé)岷Φ娘L(fēng)險區(qū)劃, 沒有考慮災(zāi)害的暴露性、脆弱性和防災(zāi)減災(zāi)能力。從自然災(zāi)害形成機制的角度來看, 未來需綜合考慮以上4個方面來構(gòu)建四川省水稻高溫?zé)岷︼L(fēng)險評估模型, 擬取得更貼近實際的評估效果。

本文對于水稻高溫?zé)岷?zāi)損評估的建模方法與趙俊芳等[32]基于干熱風(fēng)危害指數(shù)的黃淮海地區(qū)冬小麥()干熱風(fēng)災(zāi)損評估方法類似, 方法的合理性得到了驗證。研究首先分離作物氣象產(chǎn)量, 然后構(gòu)建災(zāi)害影響下作物氣象產(chǎn)量與災(zāi)害危險指數(shù)間的統(tǒng)計模型, 從而進(jìn)行作物災(zāi)損評估。并以代表站點為例得出了分析結(jié)果, 模擬效果總體較好。本文開展的四川省水稻高溫?zé)岷?zāi)損評估研究, 對四川省高效防御高溫危害、水稻安全生產(chǎn)及農(nóng)業(yè)可持續(xù)發(fā)展等具有重要意義。

隨著作物育種技術(shù)與栽培管理水平的不斷提高, 水稻高溫?zé)岷χ笜?biāo)和等級可能有所調(diào)整, 且在不同種植區(qū)存在空間差異, 這也可能影響災(zāi)害風(fēng)險評估和災(zāi)損評價的結(jié)果, 因此, 在今后的研究中應(yīng)該有所考慮。另外, 高溫?zé)岷^程常伴隨干旱的發(fā)生, 高溫?zé)岷δ晖ǔＲ彩歉珊刀喟l(fā)年。有研究指出, 如果高溫和干旱脅迫同時出現(xiàn), 水稻遭受的危害將高于兩個單一災(zāi)害的累加[33]。同時, 高溫、高濕條件下病蟲害的發(fā)生也會加劇[34]。因此, 在分離高溫?zé)岷δ晁練庀螽a(chǎn)量時往往很難避免其中干旱、病蟲害等其他因素對產(chǎn)量的影響, 這可能導(dǎo)致分析結(jié)果被高估, 今后的研究中應(yīng)尋找更優(yōu)的方法對產(chǎn)量進(jìn)行分離, 以提高評估的準(zhǔn)確性。其次, 研究結(jié)果的準(zhǔn)確性與所用數(shù)據(jù)的準(zhǔn)確性和客觀性緊密相關(guān)。當(dāng)前, 在各省的農(nóng)業(yè)氣象觀測中仍然以簡單器測、報表記錄和紙質(zhì)存檔等方式為主, 這就造成觀測數(shù)據(jù)準(zhǔn)確性不高, 加上對于農(nóng)業(yè)氣象災(zāi)害的田間觀測不足, 也造成研究結(jié)果存在較大不確定性。因此, 今后隨著田間觀測資料的不斷完善與指標(biāo)研究的不斷提高, 研究當(dāng)中的不確定性也會逐步下降[32]。

4 結(jié)論

根據(jù)水稻高溫?zé)岷︼L(fēng)險評估模型分析指出, 1981—2015年, 四川省水稻抽穗揚花期、灌漿結(jié)實期和全生育期高溫?zé)岷^高風(fēng)險區(qū)和高風(fēng)險區(qū)主要集中在盆地東北大部和盆地南部的部分地區(qū), 其中達(dá)州、南充、宜賓、瀘州的部分地區(qū)為高風(fēng)險區(qū), 而低風(fēng)險區(qū)主要分布在盆地西部、北部和川西南的大部地區(qū)。風(fēng)險區(qū)劃結(jié)果可為四川省水稻防災(zāi)減災(zāi)提供科學(xué)指導(dǎo)。

通過建立水稻高溫?zé)岷χ笖?shù)與氣象產(chǎn)量的統(tǒng)計模型, 評估高溫?zé)岷?dǎo)致的水稻產(chǎn)量減產(chǎn)率。以雁江、營山、隆昌、鹽亭和大竹的結(jié)果為例, 高溫?zé)岷δ晁窘y(tǒng)計產(chǎn)量與模擬產(chǎn)量間的相對誤差絕對值都小于1.5%, 說明評估模型能較好反映四川省高溫?zé)岷λ井a(chǎn)量的影響。高溫?zé)岷?zāi)損評估分析指出, 1981—2015年高溫?zé)岷ξ：ο赂髡军c水稻的減產(chǎn)率為5.6%~10.2%。研究可為氣候變化背景下四川省水稻安全生產(chǎn)提供科學(xué)依據(jù)。

[1] SUN W, HUANG Y. Global warming over the period 1961–2008 did not increase high-temperature stress but did reduce low-temperature stress in irrigated rice across China[J]. Agricultural and Forest Meteorology, 2011, 151(9): 1193–1201

[2] TAO F L, ZHANG S, ZHANG Z. Changes in rice disasters across China in recent decades and the meteorological and agronomic causes[J]. Regional Environmental Change, 2013, 13(4): 743–759

[3] TEIXEIRA E I, FISCHER G, VAN VELTHUIZEN H, et al. Global hot-spots of heat stress on agricultural crops due to climate change[J]. Agricultural and Forest Meteorology, 2013, 170: 206–215

[4] 霍治國, 王石立. 農(nóng)業(yè)和生物氣象災(zāi)害[M]. 北京: 氣象出版社, 2009 HUO Z G, WANG S L. Agricultural and Biological Meteorological Disasters[M]. Beijing: China Meteorological Press, 2009

[5] 馬寶, 李茂松, 宋吉青, 等. 水稻熱害研究綜述[J]. 中國農(nóng)業(yè)氣象, 2009, 30(S1): 172–176 MA B, LI M S, SONG J Q, et al. Review on high-temperature stress to rice[J]. Chinese Journal of Agrometeorology, 2009, 30(S1): 172–176

[6] IPCC. Climate Change 2013: The Physical Science Basis. Contribution of Working Group Ⅰ to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[M]. Cambridge: Cambridge University Press, 2013

[7] GOURDJI S M, SIBLEY A M, LOBELL D B. Global crop exposure to critical high temperatures in the reproductive period: Historical trends and future projections[J]. Environmental Research Letters, 2013, 8(2): 2441

[8] 熊偉, 馮靈芝, 居輝, 等. 未來氣候變化背景下高溫?zé)岷χ袊井a(chǎn)量的可能影響分析[J]. 地球科學(xué)進(jìn)展, 2016, 31(5): 515–528 XIONG W, FENG L Z, JU H, et al. Possible impacts of high temperatures on China’s rice yield under climate change[J]. Advances in Earth Science, 2016, 31(5): 515–528

[9] WU H, HUBBARD K G, WILHITE D A. An agricultural drought risk-assessment model for corn and soybeans[J]. International Journal of Climatology, 2004, 24(6): 723–741

[10] 姚鳳梅, 張佳華. 1981—2000年水稻生長季相對極端高溫事件及其氣候風(fēng)險的變化[J]. 自然災(zāi)害學(xué)報, 2009, 18(4): 37–42 YAO F M, ZHANG J H. Change of relative extreme high temperature events and climate risk in rice growing period in China from 1981 to 2000[J]. Journal of Natural Disasters, 2009, 18(4): 37–42

[11] 謝志清, 杜銀, 高蘋, 等. 江淮流域水稻高溫?zé)岷?zāi)損變化及應(yīng)對策略[J]. 氣象, 2013, 39(6): 774–781 XIE Z Q, DU Y, GAO P, et al. Impact of high-temperature on single cropping rice over Yangtze-Huaihe River valley and response measures[J]. Meteorological Monthly, 2013, 39(6): 774–781

[12] 霍治國, 李世奎, 王素艷, 等. 主要農(nóng)業(yè)氣象災(zāi)害風(fēng)險評估技術(shù)及其應(yīng)用研究[J]. 自然資源學(xué)報, 2003, l8(6): 692–703 HUO Z G, LI S K, WANG S Y, et al. Study on the risk evaluation technologies of main agrometeorological disasters and their application[J]. Journal of Natural Resources, 2003, 18(6): 692–703

[13] ZHANG D, WANG G L, ZHOU H C. Assessment on agricultural drought risk based on variable fuzzy sets model[J]. Chinese Geographical Science, 2011, 21(2): 167–175

[14] ZOU Q, ZHOU J Z, ZHOU C, et al. Comprehensive flood risk assessment based on set pair analysis-variable fuzzy sets model and fuzzy AHP[J]. Stochastic Environmental Research and Risk Assessment, 2013, 27(2): 525–546

[15] 黃崇福. 自然災(zāi)害風(fēng)險分析與管理[M]. 北京: 科學(xué)出版社, 2012 HUANG C F. Risk Analysis and Management of Natural Disasters[M]. Beijing: Science Press, 2012

[16] 楊平, 張麗娟, 趙艷霞, 等. 黃淮海地區(qū)夏玉米干旱風(fēng)險評估與區(qū)劃[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2015, 23(1): 110–118YANG P, ZHANG L J, ZHAO Y X, et al. Risk assessment and zoning of drought for summer maize in the Huang-Huai-Hai Region[J]. Chinese Journal of Eco-Agriculture, 2015, 23(1): 110–118

[17] 張海萍, 陳利頂, 王曉燕, 等. 氣候波動對海倫市糧食產(chǎn)量影響的風(fēng)險分析[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2010, 18(6): 1345–1350 ZHANG H P, CHEN L D, WANG X Y, et al. Risk analysis of climate variability on food production in Hailun, Northeast China[J]. Chinese Journal of Eco-Agriculture, 2010, 18(6): 1345–1350

[18] HAN L Y, ZHANG Q, MA P L, et al. The spatial distribution characteristics of a comprehensive drought risk index in southwestern China and underlying causes[J]. Theoretical and Applied Climatology, 2016, 124(3/4): 517–528

[19] 王春乙, 姚蓬娟, 張繼權(quán), 等. 長江中下游地區(qū)雙季早稻冷害、熱害綜合風(fēng)險評價[J]. 中國農(nóng)業(yè)科學(xué), 2016, 49(13): 2469–2483 WANG C Y, YAO P J, ZHANG J Q, et al. Risk assessment of cold and hot damages for double-cropping early rice (DCER) in lower-middle reaches of the Yangtze river basin[J]. Scientia Agricultura Sinica, 2016, 49(13): 2469–2483

[20] 張蕾, 霍治國, 黃大鵬, 等. 海南冬季主要瓜菜寒害風(fēng)險區(qū)劃[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2014, 22(10): 1240–1251 ZHANG L, HUO Z G, HUANG D P, et al. Winter chilling damage risk zoning for watermelon and vegetables in the Hainan Island[J]. Chinese Journal of Eco-Agriculture, 2014, 22(10): 1240–1251

[21] 王春乙, 張雪芬, 趙艷霞. 農(nóng)業(yè)氣象災(zāi)害影響評估與風(fēng)險評價[M]. 北京: 氣象出版社, 2010 WANG C Y, ZHANG X F, ZHAO Y X. Impact Evaluation and Risk Assessment of Agrometeorological Disasters[M]. Beijing: China Meteorological Press, 2010

[22] 張倩, 趙艷霞, 王春乙. 長江中下游地區(qū)高溫?zé)岷λ镜挠绊慬J]. 災(zāi)害學(xué), 2011, 26(4): 57–62 ZHANG Q, ZHAO Y X, WANG C Y. Study on the impact of high temperature damage to rice in the lower and middle reaches of the Yangtze River[J]. Journal of Catastrophology, 2011, 26(4): 57–62

[23] 李勇, 楊曉光, 葉清, 等. 全球氣候變暖對中國種植制度可能影響Ⅸ. 長江中下游地區(qū)單雙季稻高低溫災(zāi)害風(fēng)險及其產(chǎn)量影響[J]. 中國農(nóng)業(yè)科學(xué), 2013, 46(19): 3997–4006 LI Y, YANG X G, YE Q, et al. The possible effects of global warming on cropping systems in China Ⅸ. The risk of high and low temperature disasters for single and double rice and its impacts on rice yield in the middle-lower Yangtze Plain[J]. Scientia Agricultura Sinica, 2013, 46(19): 3997–4006

[24] 劉佳, 陳超, 張玉芳, 等. 四川單季稻抽穗揚花期和灌漿結(jié)實期高溫?zé)岷r空特征[J]. 中國農(nóng)業(yè)氣象, 2018, 39(1): 46–58 LIU J, CHEN C, ZHANG Y F, et al. Space-time distribution of high temperature disasters on single-cropping rice during heading-flowering stage and filling-harvest stage in Sichuan Province[J]. Chinese Journal of Agrometeorology, 2018, 39(1): 46–58

[25] 中華人民共和國國家質(zhì)量監(jiān)督檢驗檢疫總局, 中國國家標(biāo)準(zhǔn)化管理委員會. GB/T 21985—2008 主要農(nóng)作物高溫危害溫度指標(biāo)[S]. 北京: 中國標(biāo)準(zhǔn)出版社, 2008 General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China, Standardization Administration of China. GB/T 21985—2008 Temperature Index of High Temperature Harm for Main Crops[S]. Beijing: Standards Press of China, 2008

[26] 陽園燕, 何永坤, 羅孳孳, 等. 三峽庫區(qū)水稻高溫?zé)岷ΡO(jiān)測預(yù)警技術(shù)研究[J]. 西南農(nóng)業(yè)學(xué)報, 2013, 26(3): 1249–1254 YANG Y Y, HE Y K, LUO Z Z, et al. Study on monitoring and early warning technology of rice heat injury in the three gorges reservoir area[J]. Southwest China Journal of Agricultural Sciences, 2013, 26(3): 1249–1254

[27] 陳曉藝, 馬曉群, 孫秀邦. 安徽省冬小麥發(fā)育期農(nóng)業(yè)干旱發(fā)生風(fēng)險分析[J]. 中國農(nóng)業(yè)氣象, 2008, 29(4): 472–476 CHEN X Y, MA X Q, SUN X B. Risk analysis of agricultural drought for winter wheat during growing period in Anhui Province[J]. Chinese Journal of Agrometeorology, 2008, 29(4): 472–476

[28] 溫克剛, 詹兆渝. 中國氣象災(zāi)害大典(四川卷)[M]. 北京: 氣象出版社, 2006 WEN K G, ZHAN Z Y. China Meteorological Disasters Encyclopaedia (Sichuan)[M]. Beijing: China Meteorological Press, 2006

[29] 劉靜, 馬力文, 張曉煜, 等. 春小麥干熱風(fēng)災(zāi)害監(jiān)測指標(biāo)與損失評估模型方法探討——以寧夏引黃灌區(qū)為例[J]. 應(yīng)用氣象學(xué)報, 2004, 15(2): 217–225 LIU J, MA L W, ZHANG X Y, et al. A method for monitoring dry-hot wind of spring wheat and estimating its yield losses: An example in irrigated areas of Ningxia[J]. Journal of Applied Meteorological Science, 2004, 15(2): 217–225

[30] 中國氣象局. QX/T 383—2017 玉米干旱災(zāi)害風(fēng)險評價方法[S]. 北京: 中國氣象出版社, 2017 China Meteorological Administration. QX/T 383—2017 Assessment Method for Maize Drought Disaster Risk[S]. Beijing: China Meteorological Press, 2017

[31] 何永坤, 范莉, 陽園燕. 近50年來四川盆地東部水稻高溫?zé)岷Πl(fā)生規(guī)律研究[J]. 西南大學(xué)學(xué)報: 自然科學(xué)版, 2011, 33(12): 39–43 HE Y K, FAN L, YANG Y Y. Study on the occurrence of high temperature-induced heat damage in rice in the east of Sichuan Basin in the past 50 years[J]. Journal of Southwest University: Natural Science Edition, 2011, 33(12): 39–43

[32] 趙俊芳, 趙艷霞, 郭建平, 等. 基于干熱風(fēng)危害指數(shù)的黃淮海地區(qū)冬小麥干熱風(fēng)災(zāi)損評估[J]. 生態(tài)學(xué)報, 2015, 35(16): 5287–5293 ZHAO J F, ZHAO Y X, GUO J P, et al. Assessment of the yield loss of winter wheat caused by dry-hot wind in Huanghuaihai Plain based on the hazard index of dry-hot wind[J]. Acta Ecologica Sinica, 2015, 35(16): 5287–5293

[33] 梁嘉熒, 蔡一霞. 高溫干旱對水稻產(chǎn)量、品質(zhì)及劍葉生理特性影響研究綜述[J]. 中國農(nóng)學(xué)通報, 2013, 29(27): 1–6 LIANG J Y, CAI Y X. Review on the effects of high temperature and drought on yield, grain quality and the physiological characteristic of flag leaves in rice (L.)[J]. Chinese Agricultural Science Bulletin, 2013, 29(27): 1–6

[34] 李淑華. 氣候變暖對我國農(nóng)作物病蟲害發(fā)生、流行的可能影響及發(fā)生趨勢展望[J]. 中國農(nóng)業(yè)氣象, 1992, 13(2): 46–49 LI S H. The possible impact of climate warming on the occurrence and prevalence of crop pests and diseases in China[J]. Chinese Journal of Agrometeorology, 1992, 13(2): 46–49

Assessment of risk and yield loss of rice in Sichuan Province due to heat stress*

CHEN Chao1,2, PANG Yanmei1**, LIU Jia3

(1. Institute of Plateau Meteorology, China Meteorological Administration / Key Laboratory of Heavy Rain and Drought-Flood Disasters in Plateau and Basin of Sichuan Province, Chengdu 610072, China; 2. Provincial Key Laboratory of Water-Saving Agriculture in Hilly Areas of Southern China, Chengdu 610066, China; 3. Sichuan Provincial Climate Centre, Chengdu 610072, China)

Under global climate change, agricultural meteorological disasters have been increasing. Heat stress has been one of the most important agrometeorological disasters in Sichuan Province, the affected area, frequency and intensity of heat stress have significantly changed. Therefore, research on the impact of heat stress on rice is critical for sustainable agricultural development and safe production in Sichuan Province. In this study, the following data were used to evaluate the risk of cultivation and yield loss of rice in Sichuan Province due to heat stress: 1) daily climate variables (average temperature, maximum temperature and relative humidity) from 84 meteorological stations in Sichuan Province for the period 1981–2015; 2) developmental stages (from heading to flowering, and from grain-filling to harvest) of rice in 84 agro-meteorological observation stations in Sichuan Province for the period 1981–2015; 3) rice yields for the 84 stations in Sichuan Province during the period 1981–2015. The hazard index of heat stress at different rice developmental stages were calculated based on the Chinese National Standard, GB/T 21985—2008 Temperature Index of High Temperature Harm for Main Crops. The meteorological yield of rice was separated from actual yield. And then the risk evaluation model for rice in Sichuan Province due to heat stress was constructed by using rice hazard index for the critical development stages and the whole growth period, and rice yield loss due to heat stress was evaluated. The results showed the average hazard index of heat stress in the period 1981–2015 was highest (6.0) for grain-filling to harvest growth stage, medium (5.0) for the whole growth period and lowest (4.0) for heading to flowering growth stage in Sichuan Province. For the heading-flowering stage, most of the northeast basin and parts of the southern basin were under high or sub-high-risk of heat stress. Dazhou, Guang’an and Luzhou were under high-risk. The western basin, southern basin and southwest Sichuan were under low-risk. For the filling to harvest stage, most of the northeast basin and the southern basin were under high or sub-high-risk of heat stress. Luzhou, part of Nanchong and Yibin were high-risk areas. Most of the western basin, northern basin and southwest Sichuan were low-risk areas. For the whole growth period, most of the northeast basin and southern basin were under high or sub-high-risk. Luzhou, Nanchong and Dazhou were high-risk areas. Most of the western basin, northern basin and southwest Sichuan were low-risk areas. The statistical model for rice yield loss due to heat stress was simple and practicable. Using Yanjiang, Yingshan, Longchang, Yanting and Dazhu as the case study, the differences in historical statistical yields and simulated yields of rice for the years of heat stress were analyzed. The relative error between the statistical yield and the simulated yield of rice affected by heat stress was less than 1.5%. The verification results showed that the model was synthetically reflective of the impact of heat stress on rice yield and that it highly accurately evaluated rice yield loss. The assessment showed that the range of yield loss of rice in typical areas of Sichuan due to heat stress was 5.6%–10.2%.

Rice; Heat stress; Risk; Yield loss; Sichuan Province

, E-mail: pangyanm@126.com

Aug. 7, 2018;

Oct. 21, 2018

10.13930/j.cnki.cjea.180745

S166

A

2096-6237(2019)04-0554-09

龐艷梅, 主要從事氣候變化對農(nóng)業(yè)的影響評估研究。E-mail: pangyanm@126.com

陳超, 主要從事氣候變化影響評價、生物氣候模型與信息系統(tǒng)的研究。E-mail: chenchao16306@sina.com

2018-08-07

2018-10-21

* This study was supported by theKey Special Project of National Key Research and Development Program of China “Food Production Enhancement and Efficiency Innovation” (2017YFD0300400), the Science and Technology Development Project of Sichuan Province Key Laboratory of Heavy Rain and Drought-Flood Disasters in Plateau and Basin (2018-key-05-01), the Southwest Regional Major Scientific and Operational Projects of China Meteorological Administration (2014-08) and the Basic Business Project of Institute of Plateau Meteorology, Chinese Meteorological Administration (BROP201817).

* 國家重點研發(fā)計劃“糧食豐產(chǎn)增效科技創(chuàng)新”重點專項(2017YFD0300400)、高原與盆地暴雨旱澇災(zāi)害四川省重點實驗室科技發(fā)展基金項目(省重實驗室2018-重點-05-01)、中國氣象局西南區(qū)域重大科研業(yè)務(wù)項目(2014-08)和中國氣象局成都高原氣象研究所基本科研費業(yè)務(wù)項目(BROP201817)資助

陳超, 龐艷梅, 劉佳. 四川省水稻高溫?zé)岷︼L(fēng)險及災(zāi)損評估[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(中英文), 2019, 27(4): 554-562

CHEN C, PANG Y M, LIU J. Assessment of risk and yield loss of rice in Sichuan Province due to heat stress[J]. Chinese Journal of Eco-Agriculture, 2019, 27(4): 554-562