近30年河南省冬小麥氣象年景的時空演變及其與大氣環(huán)流的聯(lián)系

田宏偉, 胡程達, 黃 進, 張方敏

(1.中國氣象局 河南省農(nóng)業(yè)氣象保障與應(yīng)用技術(shù)重點實驗室， 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，同時降水年際波動增大，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)險和挑戰(zhàn)[1]。地處東亞季風(fēng)區(qū)，中國既是糧食生產(chǎn)消費大國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農(nóng)業(yè)生產(chǎn)構(gòu)成的威脅越來越大[2]。相對氣侯產(chǎn)量表征的農(nóng)業(yè)氣象年景綜合反映了作物生長發(fā)育和產(chǎn)量形成期間氣候條件組合對收成的最終影響，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)整種植計劃并采取有效農(nóng)技措施，進而保障農(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，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，對氣象年景有著前兆性指示作用，能夠?qū)崿F(xiàn)較長前置期的產(chǎn)量預(yù)測。但目前針對作物氣侯產(chǎn)量與環(huán)流指數(shù)的研究相對較少。河南省是我國農(nóng)業(yè)大省，是我國糧食生產(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第一[6]。鑒于此，探求河南省冬小麥氣象年景的時空演變及其對環(huán)流指數(shù)的響應(yīng)對保障區(qū)域糧食安全有著重要價值。

1 資料與方法

1.1 基本數(shù)據(jù)

河南省18個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)計年鑒、河南省農(nóng)村統(tǒng)計年鑒、中國氣象災(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，故本研究計算分析的時段設(shè)置為1988—2017年。由于濟源市成立于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)由美國國家大氣海洋局(NOAA)氣候預(yù)測中心(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(EP/NP)、西太平洋遙相關(guān)型(WP)、北大西洋濤動(NAO)、南方濤動(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)計算，其中Yai為作物單產(chǎn)的逐年序列；Ymi為社會、技術(shù)等非氣候因素導(dǎo)致的趨勢產(chǎn)量序列，其為實際產(chǎn)量序列與年份序列基于數(shù)學(xué)模型的擬合結(jié)果[7]。常用于分離趨勢產(chǎn)量的擬合模型有線性回歸、5年滑動平均、指數(shù)函數(shù)、冪函數(shù)、二次函數(shù)、Logistic函數(shù)、HP濾波等。作物趨勢產(chǎn)量反映了地區(qū)生產(chǎn)力水平的長期變化，與農(nóng)業(yè)投入、作物品種更新、社會經(jīng)濟變革等因素密切相關(guān)，不同地級市間農(nóng)業(yè)經(jīng)濟增速水平的差異會導(dǎo)致趨勢產(chǎn)量的年際變化存在著一定區(qū)域差異。因此對不同擬合模型生成的趨勢產(chǎn)量曲線進行篩選有利于確保最終氣候產(chǎn)量的準確性[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產(chǎn)量進而提取氣候產(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個市；HP濾波適用于開封、濮陽、許昌、漯河、商丘這5個市；二次函數(shù)適用于安陽、新鄉(xiāng)、鶴壁、三門峽這4個市；滑動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)的時空分析方法

主成分分析在識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)單一指標時間序列構(gòu)成的矩陣時，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?zāi)B(tài)分析(EEMD,Ensemble Empirical Mode Decomposition)可以有效地從離散無序的信號序列中提取各尺度趨勢分量，剝離出的有限本征模函數(shù)IMF(Intrinsic Mode Function)分量體現(xiàn)了基于不同時間尺度的原信號序列的局部特征[10]?；瑒覶檢驗是把一連續(xù)的時間序列分成若干個子序列(子序列的長度一般設(shè)置為5 a)，通過考察相鄰兩個子序列均值有無顯著差異來檢驗氣候指標序列是否發(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)

為了辨識冬小麥氣象年景年際變化特征的空間差異，將各地級市冬小麥氣候產(chǎn)量指數(shù)(CDYI)逐年序列構(gòu)建的17列(17個地級市)×45行(30 a)的矩陣導(dǎo)入統(tǒng)計軟件SPSS中進行主成分分析。圖1中前4個主成分(PC)累積方差貢獻率超過了80%，且各主成分的特征根均大于2。鑒于此，17個地級市冬小麥CDYI年際變化情形可以識別出4個典型模態(tài)。圖2中的載荷表征了4種變化模態(tài)與各地級市CDYI序列的相關(guān)性，以載荷值高于0.7為閾值可精準地將研究區(qū)劃分為與4個主成分相對應(yīng)的子區(qū)域。其中，區(qū)域Ⅰ對應(yīng)了濮陽、開封、商丘、許昌、周口、平頂山、漯河這個7個城市所在的中東部；區(qū)域Ⅱ?qū)?yīng)了鄭州、洛陽、三門峽、南陽這4個城市所在的的西部；區(qū)域Ⅲ對應(yīng)了包括安陽、鶴壁、新鄉(xiāng)、焦作這4個城市所在的北部；區(qū)域Ⅳ對應(yīng)了包括駐馬店、信陽這2個城市所在的南部。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個市冬小麥CDYI序列主成分分析結(jié)果

圖2 各主成分對應(yīng)載荷的空間分布

基于圖2的區(qū)劃結(jié)果，對各分區(qū)所含城市的CDYI序列求區(qū)域平均，進而得到各分區(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序列間存在極強的線性關(guān)系，R2均超過了著0.95，這進一步驗證了利用主成分分析識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，而在2000年后CDYI的波動明顯較小。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)面積波動均較大；2003年以后為第二階段，受災(zāi)面積波動較平緩[15]。此外，各分區(qū)CDYI負值所表征的嚴重減產(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入了波動相對平緩的階段。

圖3 各子區(qū)域PCS序列及對應(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T檢驗的結(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檢驗統(tǒng)計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的突變檢驗結(jié)果尤為顯著，1995年、2001年、2006年、2011年這4個轉(zhuǎn)折點的統(tǒng)計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，其突變點均沒有通過檢驗水平，且T統(tǒng)計量僅在-1.5～1.5的區(qū)間中浮動?？傮w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。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)險評估的區(qū)劃結(jié)果相一致，河南省北部是多災(zāi)種綜合危險性的高值區(qū)，其危險性由北往南呈減少態(tài)勢[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分量的方差貢獻率均接超過了65%，所占比重為最高。與上述3個分區(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，其對應(yīng)IMF2分量的方差貢獻率均達到了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11個月)期間各月份LACI(共計15種)的逐年序列，計算得到了CDYI與生育期前后不同月份LACI的相關(guān)系數(shù)(每個CDYI序列對應(yīng)了15×11個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，特別是與NINO1+2的負相關(guān)系數(shù)高達-0.57。反觀其他3個分區(qū)，CDYI與LACI的相關(guān)性明顯較弱，其中相關(guān)系數(shù)絕對值的最大值在0.32～0.49間浮動，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[19-20]，相較而言，大尺度環(huán)流指數(shù)對冬小麥產(chǎn)量波動有著更好的指示作用，特別是ENSO信號對河南省中東部地區(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T檢驗結(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

對冬小麥CDYI與生育期前后不同月份LACI進行歸一化處理，并采用多元逐步回歸來簡化CDYI與LACI間的線性關(guān)系，進而得到各分區(qū)CDYI對關(guān)鍵月份環(huán)流指數(shù)波動的敏感性。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%，會導(dǎo)致中東部CDYI減產(chǎn)0.56%；PDO_Dec每增加1%，會導(dǎo)致西部CDYI增產(chǎn)0.37%；NAO_Apr每增加1%，會導(dǎo)致北部CDYI減產(chǎn)0.34%；PDO_Jan每增加1%，會導(dǎo)致中西部CDYI增產(chǎn)0.21%。表2中R2的差異進一步說明了環(huán)流信號對中東部地區(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)海溫負異常時,春季降水偏少;而正異常時,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有著極顯著的負相關(guān)性。相比較而言，河南西部、北部、南部這3個分區(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) 本研究計算并提取了河南省17個市近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。

(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環(huán)流指數(shù)異常更為敏感，NINO1+2_Dec每增加1%會導(dǎo)致小麥產(chǎn)量減產(chǎn)0.56%。