貴港市近60年早稻種植高溫?zé)岷Πl(fā)生規(guī)律

莫申萍，蒙小寒，許藝馨，梁 虹，譚孟詳

（1.貴港市氣象局，廣西 貴港537100；2.廣西物流職業(yè)技術(shù)學(xué)院，廣西 貴港537100；3.廣西壯族自治區(qū)氣象科學(xué)研究所，南寧530022）

中國是全球氣候變暖特征最顯著的國家之一［1］。近年來，中國的極端高溫事件越來越頻繁，從1999年至今在長江流域及其以南地區(qū)幾乎每年都會出現(xiàn)持續(xù)10 d以上的強度大、范圍廣的極端高溫天氣［2］。極端高溫事件會對農(nóng)作物生長等自然生態(tài)系統(tǒng)、建筑等行業(yè)及人們正常生產(chǎn)、生活造成重要影響［3-6］。高溫?zé)岷σ渤蔀橹萍s廣西南部地區(qū)水稻產(chǎn)量最重要的氣象災(zāi)害之一［7］。因此，對極端高溫事件的研究日益引起人們的重視。貴港市處于廣西最大的沖積平原——潯郁平原的中部，位于熱帶和溫帶的分界線處，是廣西主要糧食生產(chǎn)基地之一，早稻種植面積較廣泛，隨著夏季高溫?zé)岷Φ陌l(fā)生頻率逐漸升高，水稻產(chǎn)量與品質(zhì)均受到了影響。

近年來，高溫對早稻生長發(fā)育以及產(chǎn)量的影響日益受到人們的重視。張桂蓮等［8］確定了抽穗期高溫脅迫破壞水稻花藥細胞膜結(jié)構(gòu)和功能，影響花粉活力與萌發(fā)力，降低結(jié)實率。張倩［9］用統(tǒng)計方法探討了水稻高溫?zé)岷Πl(fā)生的強度、頻率和時空變化規(guī)律，并通過WOFOST作物模型對水稻遺傳參數(shù)進行了調(diào)整檢驗，有效地評估了研究區(qū)域的高溫?zé)岷τ绊懗潭?。何燕等?0］用GIS技術(shù)和逐步回歸分析方法建立氣候區(qū)劃指標(biāo)因子的空間模擬推算模型，劃分廣西種植水稻布局的精細化氣候區(qū)，提出適宜品種的建議。謝志清等［11］在關(guān)于高溫?zé)岷σ?guī)律研究的基礎(chǔ)上構(gòu)建了一個綜合考慮高溫強度和持續(xù)時間的規(guī)范化高溫?zé)岷C合指數(shù)指標(biāo)，與早稻產(chǎn)量損失具有很好的對應(yīng)關(guān)系。鑒于前人多集中于分析單個致災(zāi)因子（如日平均氣溫）對水稻產(chǎn)量的影響［12-18］，注重分析在高溫脅迫下水稻生長狀況和不同耐熱性［13，14］以及高溫的強度與持續(xù)時間對灌漿期水稻結(jié)實率等的影響［15，16］，并參考唐國敏等［19］、譚孟祥等［20］關(guān)于水稻種植高溫?zé)岷κ艿乩淼匦我蛩赜绊懫渥兓厔荨⒅芷谧兓?，本研究從日平均氣溫這一氣象要素出發(fā)，綜合其他多個相關(guān)氣象要素作為綜合指數(shù)的指標(biāo)，將其影響歸一化，通過線性回歸分析、綜合指數(shù)建模、Mann-Kendall（M-K）突變分析和Morlet小波分析方法評估高溫過程的強度和特征，以期為不同地理環(huán)境地區(qū)的水稻種植趨利避害、合理安排生產(chǎn)提供參考。

1 資料與方法

1.1 資料

選取廣西貴港市3個國家級地面氣象站點（貴港、桂平、平南）1960—2019年6月1日至7月20日的逐日平均氣溫、最高氣溫、日平均風(fēng)速、日照時數(shù)等特征量，統(tǒng)計高溫持續(xù)日數(shù)。

早稻高溫?zé)岷κ侵冈谠绲旧a(chǎn)中在早稻孕穗后期、抽穗揚花期或灌漿期遭遇日平均氣溫≥30℃或日最高氣溫≥35℃的高溫天氣。根據(jù)2008年11月1日起頒布實施的國家標(biāo)準《主要農(nóng)作物高溫危害氣溫指標(biāo)》（GBT 1985—2008），定義早稻高溫?zé)岷χ笜?biāo)為日平均氣溫≥30℃或日最高氣溫≥35℃，定義1次高溫?zé)岷^程為日平均氣溫≥30℃或日最高氣溫≥35℃連續(xù)3 d或以上。由于早稻播種期各地存在一定差異，根據(jù)貴港市農(nóng)業(yè)氣象觀測和貴港市農(nóng)業(yè)相關(guān)部門對早稻發(fā)育期記錄資料分析，貴港市早稻在5月下旬至6月上旬為孕穗期，6月中旬至6月下旬為抽穗揚花期，最遲7月中旬達乳熟，這段時間內(nèi)早稻的發(fā)育對高溫最為敏感，因此本研究將6月1日至7月20日共50 d定義為貴港市早稻高溫?zé)岷Φ奈ｋU期（以下簡稱危險期）。

1.2 綜合指數(shù)評估

在進行綜合指數(shù)分析的因子組成時，首先要考慮所選因子具有的代表性，其次考慮因子之間有獨立性（即因子之間相關(guān)性不宜太高）［21］，因此在選擇表征高溫程度的因子時需要經(jīng)過相關(guān)分析。高溫過程是持續(xù)多個高溫日的過程，針對每次高溫過程選擇過程日平均氣溫（tm）、過程極端最高氣溫（tmax）、連續(xù)高溫日數(shù)（dt）作為綜合指數(shù)建模中評估高溫部分的3項指標(biāo)，同時也考慮把過程日平均風(fēng)速（WS）和過程平均日照時數(shù)（Sm）也作為評估影響高溫持續(xù)過程的2項指標(biāo)［22］。

由于過程日平均氣溫、過程極端最高氣溫、連續(xù)高溫日數(shù)、過程日平均風(fēng)速和過程平均日照時數(shù)這5個指標(biāo)的量綱不同，數(shù)據(jù)的可比性差，為消除該影響，使用標(biāo)準化方法將5個指標(biāo)因子無量綱化［23］，方法如下。

設(shè)5個指標(biāo)因子分別為：yi=｛tmi，tmaxi，dti，WSi，Smi｝，其中i=1，2，3，…n，為過程次數(shù)序列。

首先計算各項指標(biāo)的平均值：y0=｛tm0，tmax0，dt0，WS0，Sm0｝，其中，

各項指標(biāo)的標(biāo)準差（σ）：

則標(biāo)準化指標(biāo)（ki）為：

經(jīng)過標(biāo)準化處理后，原始數(shù)據(jù)轉(zhuǎn)換為無量綱化指標(biāo)評估值，即各指標(biāo)值統(tǒng)一處于同一個數(shù)量級別上，使所有指標(biāo)對評估方案的作用力同趨化，可以直接進行算術(shù)或加權(quán)平均，進行綜合評估分析［24］。采用等權(quán)重方案求和計算綜合指數(shù)，高溫過程綜合指數(shù)用Zi表示，計算模型如下：

式中，i為高溫過程次數(shù)序列。

統(tǒng)計出每次高溫過程的綜合指數(shù)Zi，每年的綜合指數(shù)Zy定義為當(dāng)年所有過程的綜合指數(shù)Zi之和。

1.3 Mann-Kendall方法

Mann-Kendall方法是一種非參數(shù)統(tǒng)計檢驗方法，用于預(yù)測各種氣象要素（如氣溫、降水和氣壓等）時間序列數(shù)據(jù)的長期趨勢。變量不一定具有正態(tài)分布特征，少數(shù)異常值不會影響分析結(jié)果，因此它們可以應(yīng)用于非正態(tài)分布的趨勢分析，如水文變量和氣象要素，計算過程簡單，檢測范圍寬，干擾度小，定量程度高。

1.4 Morlet小波

復(fù)數(shù)小波（Complex morlet）在應(yīng)用中比實數(shù)形式的小波有更多的優(yōu)點，可看作是一個傅里葉（Fou?rier）變換的基函數(shù)和一個Gauss函數(shù)的乘積。它與加窗Fourier變換很相似，它們的根本不同點是窗口的大小變化不同［25］。因此，Morlet小波可以用來進行周期分析，它比窗口Fourier分析更能反映出信號的局部特征。Fourier變換公式見式（1），由此得到小波系數(shù)，再通過小波系數(shù)做出二維等值線圖，從而可得到關(guān)于時間序列變化的小波特征。不同時間尺度下的小波系數(shù)可以反映系統(tǒng)在該時間尺度下的演變特性和突變。

式中，Wf(a,b)為小波系數(shù)；f（t）是信號可積函數(shù)；a為伸縮尺度，1/a為頻率；b為平移參數(shù)，是相對于t時刻作了長度的平移的復(fù)共軛函數(shù)。

2 結(jié)果與分析

2.1 早稻高溫?zé)岷^程綜合指數(shù)評估及相關(guān)分析

貴港市近60年高溫?zé)岷^程的氣候趨勢如圖1至圖3所示，過程綜合指數(shù)越大則年綜合指數(shù)大，也就是說過程日平均溫度越高，過程極端最高氣溫越高、連續(xù)高溫日數(shù)越多、過程平均日照時數(shù)越大、過程日平均風(fēng)速越小，高溫?zé)岷^程越嚴重。

圖1 和表1中貴港年綜合指數(shù)最大的年份為2015年，2015年出現(xiàn)了3次高溫?zé)岷^程，3次過程平均氣溫為31.6℃，極端最高氣溫達37.1℃，日平均風(fēng)速為1.5 m/s，平均日照時數(shù)為9.5 h/d，總歷時天數(shù)為17 d。從5年滑動平均的高溫?zé)岷厔輥砜?，高溫?zé)岷Φ碾A段性年代際變化特征比較明顯，分別有20世紀80年代初、21世紀初、2015—2019年3個高溫?zé)岷Ω甙l(fā)期。

圖2 和表1中桂平年綜合指數(shù)最大的年份為1989年，1989年出現(xiàn)了1次高溫?zé)岷^程，過程平均氣溫為31.3℃，極端最高氣溫達38.6℃，日平均風(fēng)速為0.7 m/s，平均日照時數(shù)為11.5 h/d，總歷時天數(shù)為4 d。從5年滑動平均的高溫?zé)岷厔輥砜?，高溫?zé)岷Φ碾A段性年代際變化特征比較明顯，分別有20世紀80年代末、2005—2010年2個高溫?zé)岷Ω甙l(fā)期。

圖3 和表1中平南年綜合指數(shù)最大的年份為2015年，2015年出現(xiàn)了3次高溫?zé)岷^程，3次過程平均氣溫為31.8℃，極端最高氣溫達37.7℃，日平均風(fēng)速為1.1 m/s，平均日照時數(shù)為9.9 h/d，總歷時天數(shù)為14 d。從5年滑動平均的高溫?zé)岷厔輥砜?，高溫?zé)岷Φ碾A段性年代際變化特征比較明顯，分別有20世 紀80年 代、2002—2019年2個 高 溫 熱 害 高 發(fā)期。

從年平均綜合指數(shù)值（表2）可以看出，對貴港市的早稻種植來說，受高溫?zé)岷τ绊懗潭茸畲蟮氖瞧侥?，其次是桂平，最小是貴港，總體趨勢是自西向東逐漸加強的空間差異。由表2可知，貴港市近60年早稻危險期發(fā)生高溫?zé)岷Φ哪陻?shù)為40年，發(fā)生年份占66.7%，年平均發(fā)生次數(shù)為1.1次，年平均發(fā)生日數(shù)為5.0 d。1978年貴港熱害日數(shù)達14 d，為單次過程極端最長日數(shù)。2016年平南熱害總次數(shù)發(fā)生達5次，總?cè)諗?shù)發(fā)生最多為19 d/年，為熱害較重年份。

表1 貴港市高溫?zé)岷^程年綜合指數(shù)最大的年份及熱害因子

圖1 貴港早稻危險期年綜合指數(shù)及5年滑動平均趨勢線

圖2 桂平早稻危險期年綜合指數(shù)及5年滑動平均趨勢線

圖3 平南早稻危險期年綜合指數(shù)及5年滑動平均趨勢線

2.2 近60年貴港市早稻危險期高溫?zé)岷δ觌H變化特征及其突變分析

2.2.1 貴港市早稻危險期高溫?zé)岷δ觌H變化特征

整體來看，貴港市早稻危險期高溫?zé)岷δ昶骄l(fā)生次數(shù)（圖4）和日數(shù)（圖5）呈遞增趨勢，并且回歸方程分別為y=0.018 4x+0.516 8、y=0.079 5x+2.581 5。早稻危險期高溫?zé)岷ζ骄螖?shù)以1.8次/100年速率遞增，平均次數(shù)在整個研究時間段內(nèi)共增加了1.1次，增加趨勢明顯；早稻危險期高溫?zé)岷δ昶骄諗?shù)以8 d/100年速率遞增，平均日數(shù)在整個研究時間段內(nèi)共增加了4.8 d，增加趨勢明顯。從貴港市早稻危險期高溫?zé)岷Πl(fā)生次數(shù)和日數(shù)5年滑動平均趨勢線來看，高溫?zé)岷Πl(fā)生次數(shù)和日數(shù)的趨勢大致相同，20世紀60—80年代后期、90年代初至2019年分別是2個一降一升的V形趨勢，且V形趨勢的高點在逐步抬高，趨于嚴重的態(tài)勢。從趨勢線上可以看出，1989年和2018年為峰值，1977年和1997年為低谷，峰值年份副熱帶高壓的位置和熱帶氣旋活動的活躍度有密切聯(lián)系，主要受天氣系統(tǒng)影響導(dǎo)致氣流下沉。

2.2.2 貴港市早稻危險期高溫?zé)岷ν蛔兎治鍪褂肕-K法對貴港市1960—2019年早稻危險期高溫?zé)岷ζ骄螖?shù)和平均日數(shù)變化趨勢進行突變檢測（圖6、圖7），設(shè)定的顯著水平為α=0.05，M-K法中包括UFK和UBK 2條曲 線，UFK的 值 大于0表示 有 上升趨勢，小于0表示有下降趨勢，當(dāng)UFK線超過臨界直線（Z=±1.96）時，表示上升或下降趨勢達到0.05顯著檢驗水平，如果2條曲線出現(xiàn)交點，且交點在臨界線之間，那么交點對應(yīng)的時刻為突變開始的時間。

圖4 貴港市早稻危險期高溫?zé)岷δ昶骄l(fā)生次數(shù)

圖5 貴港市早稻危險期高溫?zé)岷δ耆諗?shù)變化趨勢

圖6 貴港市近60年水稻高溫?zé)岷^程次數(shù)M-K檢驗

由圖6可知，UFK曲線和UBK曲線有多個交點，說明貴港市早稻危險期高溫?zé)岷^程次數(shù)發(fā)生增-減交替變化，且變化頻繁。再觀察UFK曲線，1960—1963年，數(shù)值在0上下波動，高溫?zé)岷Υ螖?shù)變化趨勢不明顯；1964—2010年，除1988—1991年外，UFK曲線基本位于0以下，說明自20世紀60年代過后，早稻危險期高溫?zé)岷Υ螖?shù)呈下降趨勢，并且在70年代UFK值超出了置信水平臨界線，高溫?zé)岷Υ螖?shù)下降趨勢明顯；自2010年之后UFK數(shù)值開始大于0，且一直呈增長趨勢，表明該時段高溫?zé)岷Υ螖?shù)增多，UFK與UBK曲線于2015年有一個交點，且交點在臨界線之間，根據(jù)M-K突變檢驗法可得突變時間點為2015年，突變時間點后平均熱害次數(shù)為2.3次/年，比60年平均高溫?zé)岷Υ螖?shù)高1.2次/年。

由圖7可知，貴港市早稻危險期高溫?zé)岷^程日數(shù)僅有一個交點，說明貴港市早稻危險期高溫?zé)岷^程日數(shù)沒有明顯大的突變。從年平均發(fā)生日數(shù)的UFK曲線可以看出，貴港市早稻危險期高溫?zé)岷^程日數(shù)與次數(shù)特征相似。

圖7 貴港市近60年水稻高溫?zé)岷^程日數(shù)M-K檢驗

2.3 Morlet小波分析近60年貴港市高溫?zé)岷Πl(fā)生的周期變化特征

由于貴港市所轄縣市區(qū)所處的地理位置和地形差異，雖然高溫?zé)岷Πl(fā)生的次數(shù)及日數(shù)的突變整體趨勢相近，但增減變化的周期范圍存在一定的差異。為了更清楚了解貴港市3個站點近60年的危險期50 d的高溫周期性變化，選用Morlet小波分析對貴港市3個站點1960—2019年高溫日數(shù)序列進行分析。

因研究需要，負小波系數(shù)不在圖例中顯示，正小波系數(shù)越大對應(yīng)日最高氣溫較大，小波系數(shù)絕對值越大，表明該時間尺度變化越顯著［13］。以50 d為年尺度的小波分析等值線圖（圖8）可以看出，70年代初、80年代初、90年代末、2010年以及2018年分別出現(xiàn)了貴港市范圍的高溫過程，其中70年代初、90年代末和2018年均有較為明顯的體現(xiàn)，貴港（圖8a）在幾次高溫過程中波動都比桂平（圖8b）、平南（圖8c）小。目前3個站點受影響的實部等值線圖中的等值中心還未閉合，表明未來幾年3個站點的危險期內(nèi)有較大可能性出現(xiàn)極端高溫天氣。

由小波方差圖可知，貴港（圖9a）、桂平（圖9b）、平南（圖9c）早稻危險期最高氣溫大致經(jīng)歷了2個明顯的周期變化，即42 d的主周期變化和21 d的次周期變化。貴港、桂平、平南3個點則在每年孕穗始期后的第21天和第42天出現(xiàn)2次明顯的高溫過程。

圖8 3個站點Morlet小波分析二維等值線

3 結(jié)論

本研究發(fā)現(xiàn)貴港市1960—2019年在危險期內(nèi)高溫?zé)岷Φ陌l(fā)生年數(shù)有40年，發(fā)生年份占66.7%，年平均發(fā)生1.1次，每年平均發(fā)生5 d高溫?zé)岷μ鞖狻Ｊ艿乩砦恢煤偷匦尾町愑绊?，受害的比例以及程度分類存在空間差異，從年平均綜合指數(shù)以及極端高溫發(fā)生數(shù)據(jù)可以看出，受高溫?zé)岷τ绊懽畲蟮氖瞧侥?，其次是桂平，最小是貴港，其總體趨勢是自西向東逐漸加強的空間分布。這為進一步選擇早稻高溫耐性品種、合理安排早稻生產(chǎn)和防御高溫?zé)岷μ峁┝丝茖W(xué)依據(jù)。

圖9 3個站點Morlet小波分析的方差

對貴港市近60年早稻危險期高溫?zé)岷δ觌H變化特征及其突變進行分析，發(fā)現(xiàn)從20世紀60—80年代后期、90年代初至2019年分別是2個一降一升的V形趨勢，且V形趨勢的高點在逐步抬高，趨于嚴重的態(tài)勢。早稻危險期高溫?zé)岷^程次數(shù)有多個突變點，其發(fā)生次數(shù)增-減交替變化，且變化頻繁；早稻危險期高溫?zé)岷^程日數(shù)突變檢測中只有1個交點，其過程變化不明顯。在研究高溫?zé)岷Φ哪觌H變化規(guī)律時發(fā)現(xiàn)，當(dāng)發(fā)生高溫?zé)岷^程時存在高溫?zé)岷^程次數(shù)少、但高溫?zé)岷^程日數(shù)較多的情況，因此在分析高溫?zé)岷r間變化規(guī)律時，發(fā)現(xiàn)高溫?zé)岷^程總?cè)諗?shù)因子和高溫?zé)岷^程次數(shù)都具顯著性。

通過Morlet小波分析可知，20世紀70年代初、90年代末和2018年出現(xiàn)了較明顯的貴港市區(qū)域性高溫天氣過程，其中貴港的高溫?zé)岷Τ潭认鄬^小。另外，2018年的高溫天氣過程中，貴港、桂平、平南最高氣溫偏高，在整個早稻危險期高溫過程出現(xiàn)的頻率大且持續(xù)時間長，幾乎占據(jù)了整個危險期。早稻危險期中貴港、桂平、平南大致經(jīng)歷了2個明顯的周期變化，即42 d的主周期變化和21 d的次周期變化。由于貴港的觀測數(shù)據(jù)為農(nóng)業(yè)相關(guān)部門數(shù)據(jù)資料，實際播種時間也有差異，因此本研究分析也會受到影響。