農業(yè)澇漬災害評估中不同氣象產量分離方法的比較研究*

蒙華月,王兆林,姚 佩,錢 龍,陳 誠,羅云英,鞠學良

(1.武漢大學水利水電學院 武漢 430072;2.中山大學土木工程學院 廣州 510275;3.上海市環(huán)境科學研究院 上海200233;4.廣州市水務科學研究所 (掛廣州市二次供水技術咨詢服務中心牌子) 廣州 510220;5.國網(wǎng)陜西省電力有限公司電力科學研究院 西安 710100)

旱澇災害是全球范圍內主要的自然災害,嚴重威脅各地農業(yè)生產安全。2021年發(fā)布的政府間氣候變化專門委員會第六次評估報告(IPCC AR6)指出,全球變暖會使極端干旱和降水事件越來越頻繁,而聯(lián)合國糧農組織(FAO)認為氣候變化已對全球作物產量和糧食安全產生巨大影響。因此,評估旱澇災害對農業(yè),尤其是對農作物產量的影響,對于氣候變化背景下旱澇災害的防控工作具有重要意義。

至今已有許多氣象指標被相繼提出,并應用于區(qū)域旱澇災害評估,例如指數(shù)、相對濕潤度、逐日氣象干旱指數(shù)(DI)、標準化降水指數(shù)(SPI)和標準化降水蒸散指數(shù)(SPEI)等。各類氣象指標主要被用于刻畫不同地區(qū)旱澇災害的時空演變規(guī)律,但近年來已有越來越多的研究者將氣象指標應用于農業(yè)旱澇災害的影響評估。如戚穎等利用SPEI 發(fā)現(xiàn)了黑龍江省玉米()生育期內旱澇災害與玉米氣象產量之間的顯著相關關系;高超等同時應用SPI 和SPEI 研究了淮河流域冬小麥()主要生育期內旱澇災害時空特征及其對產量的影響,發(fā)現(xiàn)冬小麥標準化產量殘差與干旱指數(shù)之間具有顯著相關關系;陳海濤等利用SPEI 評估了西安市玉米不同生育期內旱澇災害對產量的影響,結果表明西安市玉米拔節(jié)-抽穗階段的旱澇程度與產量顯著相關;張月等利用累積相對濕潤指數(shù)分析了湖北省棉花(spp.)旱澇災害的減產特征,發(fā)現(xiàn)花鈴期內澇漬減產作用非常顯著。上述研究中的一個關鍵步驟是從歷史統(tǒng)計產量中分離得到氣象產量,但由于此類研究一般側重于揭示作物氣象產量和生育期旱澇指標的關聯(lián)性,因此對如何選用氣象產量分離方法具有一定的主觀性。

至今也有一些學者針對不同氣象產量分離方法進行了比較研究。房世波以我國氣象因素對棉花產量的影響為例,選取了三點滑動平均法、五點滑動平均法和二次多項式法進行了探討,并提出了判定的建議準則。趙東妮等通過比較遼寧省各站點水稻()趨勢產量序列與實際產量的擬合程度以及氣象產量序列的區(qū)域一致性,認為遼寧省水稻趨勢產量的擬合以HP 濾波法最優(yōu),指數(shù)平滑法次之,而Logistic 效果較差;與之類似的是,馬麗琿在研究重慶干旱評估中不同氣象產量方法的表現(xiàn)時,發(fā)現(xiàn)HP 濾波法效果最優(yōu),而Logistic 曲線擬合效果較差。此外,李心怡等以江蘇省水稻產量為基礎分析比較了7 種分離方法,結果表明五點二次平滑法與3年滑動平均法較5年滑動平均法、二次指數(shù)平滑法、HP 濾波法和年際增量法更具普適性。上述研究主要從趨勢產量擬合的準確度、不同方法分離的氣象產量的差異以及氣象產量與不同氣象因子的關系角度出發(fā)進行分析比較?？紤]到目前有關氣象產量與旱澇關系的研究工作越來越受到關注,因此有必要探究在該類研究中采用不同的氣象產量分離方法對研究結論產生的潛在影響。為充分評價這種影響,應選擇在作物因旱澇減產現(xiàn)象嚴重的區(qū)域進行多種方法的計算比較,并基于上述關系分析中的顯著性結果對不同方法進行評價。長江中下游地區(qū)是我國最易遭受澇漬災害的地區(qū)之一,同時也是我國南方地區(qū)主要的棉花生產區(qū)。由于棉花生性不耐澇,該地區(qū)內澇漬災害是導致棉花產量波動的重要因素。因此,本文以長江中下游棉區(qū)6 省份為研究區(qū)域,在研究澇漬強度與棉花產量波動的關系時采用7 種常見的氣象產量分離方法,從而比較不同氣象產量分離方法描述澇漬減產作用的能力差異,并分析我國長江中下游棉區(qū)不同區(qū)域的棉花澇漬減產特征。

1 材料與方法

1.1 研究區(qū)域概況

長江中下游棉區(qū)(118°20′～113°25′E,28°45′～33°25′N)地處我國南部,主要包括湖北省、湖南省、安徽省、江蘇省、江西省和浙江省(圖1)。該地區(qū)雨熱資源豐富,是我國重要的農業(yè)生產區(qū),同時也是我國南方棉區(qū)的主要生產基地。但受亞熱帶季風氣候的影響,該地區(qū)在每年棉花生長季節(jié)(5—9月)降水頻繁且強度大,因此當?shù)孛藁ㄔ谏L過程中容易遭受澇漬災害。由于棉花對澇漬條件敏感,因此當?shù)孛藁óa量的主要氣象災害是澇漬。

1.2 數(shù)據(jù)來源

本文所采用的氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn),涵蓋研究區(qū)內數(shù)據(jù)較為完整的141 個國家基準氣象站(圖1)。為使?jié)碀n指標(SPEI)更能反映研究區(qū)長期的澇漬特征,本文利用可獲取的長序列氣象資料(1961-2020年)計算各站點逐年逐月的SPEI 值。對于個別站點少量時段存在數(shù)據(jù)缺測的情況,采用插值法進行補全。逐年棉花產量以及受澇統(tǒng)計面積均來源于各省逐年農村統(tǒng)計年鑒或省統(tǒng)計年鑒,數(shù)據(jù)起始年份可追溯至1990年,目前已更新至2019年。

圖1 研究區(qū)及其國家基準氣象站分布Fig.1 Study region and distribution of the national-level meteorological stations

1.3 棉花氣象產量

長時間序列棉花產量的變化主要受社會因素和自然因素共同影響。社會因素主要表現(xiàn)為農業(yè)技術的進步、棉花新品種的采用以及社會經濟的變革等,由此引起的棉花產量變化稱為棉花的趨勢產量。而自然因素主要指自然條件改變所引發(fā)的棉花產量變化。通常氣象因素是自然因素中最主要的影響因素,因此受氣象要素為主的短周期變化因子影響的棉花產量波動稱為棉花的氣象產量。最終棉花的實際產量可描述如下:

式中:、和分別為棉花的實際產量、趨勢產量和氣象產量,為隨機變量。目前有許多方法可用于分離氣象產量,本文選取了其中實用性較好且簡單易算的7 種方法,根據(jù)計算原理劃分為4 類,具體如下文所述。

根據(jù)趨勢產量理論,將棉花實際單產()設定為因變量,將年份設定為自變量,采用最小二乘法建立自變量與因變量的線性或非線性擬合模型。

1)線性擬合:

2)二次多項式擬合:

3)三次多項式擬合:

式中:為年份,、、和均為待定系數(shù)。

HP 濾波法是一種時間序列在狀態(tài)空間的分解方法,也是目前經濟學領域中測算經濟發(fā)展的周期趨勢項和短期波動項的常見方法。HP 濾波可看成是一個近似的高通濾波器,也即High-pass Filter,高頻部分通過,低頻部分濾除,它能將周期在8 a 以下的高頻成分分離出來。公式(1)中為隨機噪音,對產量的影響很小且基本無規(guī)律可循,故忽略不計。因此從產量波動來看,可認為棉花產量存在低頻波()和高頻波()兩種成分,從而利用HP 濾波法將其進行分離。假設棉花產量序列為{Y}(=1,2,···,,為樣本容量),第年的棉花產量y是由長期趨勢成分g和短期波動成分c組成。HP 濾波法數(shù)據(jù)處理的核心是使g對原始值偏差的平方和最小,即:

式中:為經驗參數(shù),鑒于本文棉花實際產量為年度數(shù)據(jù),根據(jù)一般研究經驗,取100。

滑動平均法是利用線性模型與滑動平均相結合,借以消除偶然變動因素,找出事物發(fā)展趨勢的方法。其在簡單平均數(shù)法基礎上,通過順序逐期增減新舊數(shù)據(jù)以求算滑動平均值。該方法不必主觀假定產量歷史演變的曲線類型,也不損失樣本序列的年數(shù)。該方法將棉花產量序列在年內看作線性函數(shù),并隨著階段的連續(xù)滑動,直線的位置不斷變化。依次求取各階段內的線性函數(shù),進而計算各時間點上模擬值的平均值,即為棉花趨勢產量。某一階段的線性函數(shù)方程為:

式中:1,表示方程的個數(shù),其中為滑動步長,為樣本個數(shù);為時間。計算每個方程在點上的函數(shù)值,每個點上分別有個函數(shù)值,=1,2,3,···,3,2,1。由于本文使用30年產量數(shù)據(jù),而農業(yè)結構調整等一般不低于3年,故滑動步長取3 和5,分別對應3年滑動平均法和5年滑動平均法。將連續(xù)3年、5年的棉花單產序列看作是變化的線性函數(shù),整體反映產量序列的歷史趨勢:

五點二次平滑法與滑動平均法原理相同,主要區(qū)別在于該方法是在對一次滑動平均產生的序列再進行滑動平均后得到變化趨勢。對于5年滑動平均趨勢產量值求取方法與公式(6)和公式(7)相同。

1.4 農業(yè)澇漬指標

農業(yè)旱澇災害的一個重要特征在于農作物生長會對農田土壤水分狀況造成影響。因此,考慮了田間蒸散發(fā)的干旱指標標準化降水蒸散指數(shù)(SPEI)適用于描述農業(yè)干旱。隨著SPEI 應用的不斷拓展豐富,越來越多的研究者利用SPEI 指標刻畫區(qū)域農業(yè)澇漬災害影響,且發(fā)現(xiàn)SPEI 比常用的暴雨指標更能刻畫澇漬災害對農作物的影響。SPEI 具有不同的時間尺度 (包括月、季和年尺度等),本文采用月尺度的SPEI 以反映棉花生育期內逐月澇漬情況,SPEI 的計算時期為1961-2020年?；陂L江中下游棉區(qū)實際種植情況并參考已有文獻資料,本文將每年5月至10月視為棉花的生長期。參考已有的SPEI 在澇漬監(jiān)測方面應用研究,本文將澇漬的臨界值定義為SPEI=0.5,即,SPEI＞0.5 則認為當月為棉花澇漬月份。

1.5 棉花生育期內澇漬指標

棉花生育期內澇漬指標()可由以下計算式表示:

式中:為該研究區(qū)域棉花生育期內判定為澇漬狀態(tài)的總月數(shù),在本文=6,對應棉花生育期5-10月;S為棉花生育期內發(fā)生澇漬的第月的SPEI。為非負數(shù),且值越大表明累積澇漬強度越大。在得到棉花生育期內的值后,將其與當年棉花氣象產量進行相關分析。為更加準確地建立棉花氣象產量和澇漬指標關系,本文篩選出發(fā)生過棉花澇漬的年份(即該地該年至少有1 個月的SPEI＞0.5)參與相關分析計算。

1.6 氣象產量分離方法的比較

趨勢產量能表現(xiàn)社會技術各發(fā)展階段的實際情況,對于同一地區(qū)或者相似條件地區(qū)而言,應具有大致相似的產量趨勢。因此本文比較了各個省份內不同方法所分離的棉花趨勢產量與其余方法結果的一致性,從而判斷該方法是否符合基本趨勢。此外,本文還通過比較不同氣象產量分離方法對應的氣象產量序列的波動方向、幅度以及年際變化特征,分析7 種方法分離的氣象產量的合理性。

在研究棉花氣象產量與澇漬強度的相關關系時,應考慮棉花的澇漬響應規(guī)律: 高效的氣象產量分離方法應能充分捕捉棉花氣象產量與澇漬強度的顯著負相關關系,即因澇減產現(xiàn)象。具體而言,本文通過比較不同氣象產量分離方法對應的相關分析結果識別出能高效捕捉棉花氣象產量與澇漬強度關聯(lián)性的氣象產量分離方法。

為進一步探究7 種氣象產量分離方法刻畫農業(yè)澇漬災情的能力,本文為6 省分別篩選出近30年澇漬災情最嚴重的5年(即受澇面積最大的5 個年份)作為典型澇漬年份,基于受澇面積對典型年份進行澇漬程度排序,再分析典型年份內不同方法計算的棉花氣象產量刻畫上述排序規(guī)律的效果,從而比較不同方法捕獲歷史典型澇漬災害的能力。

2 結果與分析

2.1 不同氣象產量分離方法的趨勢產量

7 種方法擬合的各省趨勢產量序列與對應的研究區(qū)域平均趨勢產量序列均存在顯著相關性(表1),這表明不同產量分離方法在趨勢產量擬合上無明顯區(qū)別,與前人研究結果一致。利用7 種方法得到的各省棉花趨勢產量如圖2所示。7 種方法擬合的趨勢產量均能大致描述各省棉花產量波動的總體趨勢。但是不同方法的結果在短期趨勢上仍存在差異。線性擬合和二次多項式擬合的趨勢產量在大部分省份表現(xiàn)為平穩(wěn)上升趨勢,對產量起伏劇烈的部分捕獲能力較差。三次多項式擬合和HP 濾波法在一定程度上保留了產量的年代波動特征,擬合出的趨勢產量在一定程度上與實際情況更為接近。此外,3年滑動平均法、5年滑動平均法與五點二次平滑法擬合出的產量趨勢較為相似,趨勢產量基本與實際產量值吻合,反映出短期劇烈的波動特征,但由于該類方法較為敏感,因此難以有效分離出短期內氣象災害引發(fā)的產量變化。就不同省份而言,湖北省和安徽省棉花在近年來呈現(xiàn)較大幅度減產,而湖南省、江蘇省和江西省的棉花產量總體呈增長趨勢。值得注意的是浙江棉花產量波動很小,且整體趨勢表現(xiàn)為平穩(wěn)上升,這可能與當?shù)馗咝У奶镩g排水管理措施等因素有關。

圖2 不同氣象產量分離方法擬合的1990—2019年長江中下游6 省棉花趨勢產量Fig.2 Cotton trend yields fitted with different meteorological yield separation methods of the six provinces in the middle-and-lower reach of the Yangtze River from 1990 to 2019

表1 7 種氣象產量分離方法擬合的長江中下游6 省棉花趨勢產量序列與對應方法所得的研究區(qū)域平均趨勢產量序列間的相關系數(shù)Table 1 Correlation coefficients between the cotton trend yield series fitted by seven meteorological yield separation methods and the averaged trend yield series obtained by the corresponding method in the six provinces in the middle-and-lower reach of the Yangtze River

2.2 不同氣象產量分離方法的氣象產量

7 種氣象產量方法所獲得的6 省氣象產量如圖3所示。不同方法所對應的棉花氣象產量在不同年份的波動趨勢大體相同,但波動幅度存在一定差異。線性擬合和二次多項式擬合所對應的氣象產量波動幅度較大,而3年滑動平均法、5年滑動平均法和五點二次平滑法所分離的氣象產量較為接近,波動幅度均較小。此外,HP 濾波法的氣象產量波動較為平緩。需要注意的是,7 種方法得到的氣象產量在某些年份差異較大甚至存在數(shù)值正負相反的現(xiàn)象,因此利用基于不同方法得到的氣象產量與澇漬強度的關聯(lián)結果可能存在差異。

圖3 1990—2019年不同氣象產量分離方法分離的長江中下游6 省棉花氣象產量Fig.3 Climatic cotton yields fitted by different methods of the six provinces in the middle-and-lower reach of the Yangtze River from 1990 to 2019

2.3 不同氣象產量分離方法在不同省份表現(xiàn)的比較

在各省份內7 種方法對應的氣象產量與澇漬指標的相關系數(shù)結果如圖4所示。湖北省7 種方法分離得到的氣象產量均與澇漬指標極顯著(＜0.01,下同)負相關。安徽省線性擬合法所得結果為極顯著負相關,此外還有4 種方法所得結果為顯著(＜0.05,下同)負相關。江西省線性擬合和二次多項式所得結果為顯著負相關,但是3年滑動平均法、5年滑動平均法和五點二次平滑法的結果呈現(xiàn)弱正相關,這可能是由澇漬災害以外的其他災害(如干旱高溫)導致的。此外,在其余3 省內各方法所得結果均不顯著。對各省份7 種方法對應的相關系數(shù)進行求和后比較可知,棉花在各省因澇減產的嚴重程度依次為:湖北?。景不帐。窘魇。菊憬。窘K?。竞鲜　５舨捎脝我坏臍庀螽a量分離方法進行評判,則結果會發(fā)生改變: 采用線性擬合和二次多項式擬合時,排序結果中前3 位依次為湖北省、安徽省和江西省;采用HP 濾波法、5年滑動平均法和五點二次平滑法時,前3 位依次為湖北省、安徽省和江蘇省;采用3年滑動平均法時前3 位為湖北省、安徽省和浙江省;而采用三次多項式擬合時前3 位依次為湖北省、安徽省和湖南省。除5年滑動平均法和五點二次平滑法對應的排序結果一致外,其余方法均得出不同的排序結果。綜上所述,不同氣象產量分離方法均能反映因澇減產嚴重區(qū)域(湖北和安徽省)的特征,但對其余區(qū)域的結論存在差異。就省級尺度而言,線性擬合、二次多項式擬合及HP 濾波法更能反映澇漬災害對長江中下游棉花產量的影響。

圖4 基于7 種氣象產量方法分離的長江中下游6 省棉花氣象產量與澇漬指標的相關系數(shù)Fig.4 Correlation coefficients between cotton climatic yield fitted by different methods and cotton waterlogging indicator of the six provinces in the middle-and-lower reach of the Yangtze River

2.4 不同氣象產量分離方法在各市的結果比較

為進一步分析各市內7 種方法計算的氣象產量與澇漬指標的相關性,采用了研究區(qū)內棉花產量數(shù)據(jù)較為完整的4 省共45 市進行相關分析計算,相關系數(shù)結果如圖5所示。4 省中僅湖北省內各市出現(xiàn)較多顯著結果: 超過一半地區(qū)(武漢市、黃石市、荊州市、宜昌市、孝感市、咸寧市、恩施和天門市)的澇漬指標與棉花氣象產量呈顯著負相關或極顯著負相關(圖5a)。三次多項式(圖5b)、5年滑動平均法(圖5c)和五點二次平滑法(圖5d)對應的氣象產量與澇漬指標顯著相關的站點數(shù)比其他方法更多。此外安徽省也出現(xiàn)了較多顯著性結果(合肥市、宿州市、淮南市、滁州市和銅陵市,圖5e),而3年滑動平均法對應的氣象產量與澇漬指標的顯著相關站點數(shù)最多。除湖北和安徽省外,其余2 省存在顯著結果較少,這與省級尺度結論相符(圖4)。在江西省,線性擬合(圖5f)、二次多項式擬合(圖5g)和HP 濾波法(圖5h)分離得到的氣象產量與澇漬指標顯著相關的站點數(shù)更多(九江市和上饒市),其中二次多項式效果最佳。浙江省內只有2 個市縣(寧波市和臺州市)出現(xiàn)顯著負相關結果,這可能與浙江省產棉量低且和棉花產量影響因素復雜等因素有關。在市級尺度上,HP 濾波法和3年/5年滑動平均法、五點二次平滑法均有9 個產棉點通過了顯著性檢驗(圖6c-f),較其余3 種方法更具有普適性。但即便在顯著結果個數(shù)相同的情況下也存在具體地點差異,這種現(xiàn)象在安徽省最為明顯: 3年滑動平均法和線性擬合具有顯著結果的地區(qū)數(shù)分別為4 和3,而其他方法顯著僅有0 或1 個。這表明對于研究區(qū)而言,氣象產量分離方法的選取對結果可能造成較大影響。

圖5 基于7 種氣象產量方法分離的長江中下游6 省棉花氣象產量與澇漬指標的相關系數(shù)的空間分布Fig.5 Spatial distribution of correlation coefficients between cotton climatic yield fitted by different methods and cotton waterlogging indicator of the six provinces in the middle-and-lower reach of the Yangtze River

2.5 氣象產量分離結果與歷史澇漬災情數(shù)據(jù)的一致性

各省5 個澇漬典型年份中不同方法計算得到的棉花氣象產量如圖6所示?；跐碀n減產理論,受澇面積越大的年份對應越低的氣象產量(即氣象產量為負值且絕對值越大)。因此,圖7a 中各省典型澇漬年份在軸按照受澇面積從大到小排序時,軸氣象產量(負值向上)應呈現(xiàn)整體下降趨勢。由圖可知不同方法在各省份均呈現(xiàn)了這一趨勢,但具體到不同方法仍存在較大差異,尤其一些方法無法區(qū)分不同受澇面積對應的棉花產量波動,例如在某些年份出現(xiàn)了趨勢突變(如湖北1996年和安徽2018年線性擬合結果和湖南1996年3年/5年滑動平滑法結果)。

圖6 長江中下游6 省典型澇漬年與對應的氣象產量Fig.6 Cotton climatic yields during the typical waterlogging years in the six provinces in the middle-and-lower reach of Yangtze River Plain

為進一步量化比較不同方法分離氣象產量與澇漬典型年受災面積的一致關系,統(tǒng)計了每種方法在5 個澇漬典型年的氣象產量排序,將其與受災面積排序結果進行一致性比較(表2)。由表可知,HP 濾波法效果最佳,在3 個省份中排序結果完全一致(100%),其余3 個省份內也達到80%一致。其次是二次多項式與三次多項式,在3 個省份內實現(xiàn)100%一致。隨后是線性擬合和五點二次平滑法,而滑動平均法(包括3年和5年)的效果較差。因此,HP 濾波法、二次多項式和三次多項式法計算的氣象產量與歷史澇漬災情數(shù)據(jù)更為相符。

表2 各長江中下游6 省依據(jù)氣象產量和歷史受澇面積對澇漬年份排序的一致比率Table 2 Consistent ratios of the sequences of waterlogging years identified by climatic yield and the sequences of historical waterlogging areas of in the six provinces in the middle-and-lower reach of the Yangtze River Plain

2.6 長江中下游棉花澇漬災害風險分析

為研究長江中下游棉花生育期內發(fā)生澇漬災害的規(guī)律,本文計算了研究區(qū)6 省份(包含45 個產棉市)棉花全生育期內的超標準累積SPEI 在近30年(為與氣象產量和澇漬強度相關分析的計算時段保持一致)的平均值,結果如圖7所示?？傮w來看,長江中下游地區(qū)內棉花澇漬強度呈現(xiàn)東北部高、南部高、中部低的分布特征(圖7b)。就不同省份而言,棉花遭遇澇漬傾向性最大的是浙江省和江西省,其次是江蘇省和湖南省,而安徽省和湖北省的澇漬傾向性則相對較小(圖7a)。高澇漬傾向的市級地區(qū)主要集中在江西省、浙江省、安徽省和江蘇省。其中江西省和浙江省內大部分地區(qū)都具備較強的澇漬傾向,而安徽省和江蘇省在部分區(qū)域(如安徽北部阜陽、毫州和蚌埠,以及江蘇西部徐州)存在較高澇漬傾向。

圖7 長江中下游6 省1990—2019年棉花澇漬指標均值比較(a)及空間分布特征(b)Fig.7 Averaged cotton waterlogging intensity (a) and its spatial distribution (b) in the six provinces in the middle-and-lower reach of the Yangtze River Plain from 1990 to 2019

澇漬災害的風險性不僅取決于澇漬發(fā)生傾向,還取決于棉花響應的敏感性。前文所呈現(xiàn)的澇漬指標與棉花氣象產量的相關分析結果(圖4)可描述不同地區(qū)棉花因澇減產現(xiàn)象的嚴重程度: 湖北省、安徽省和江西省棉花因澇減產的風險性高。需要注意的是,湖北和安徽省的棉花澇漬發(fā)生傾向性雖然較低,但澇漬減產作用顯著,因此這些地區(qū)更需加強棉花澇漬災害的防控工作。

3 討論

氣象產量分離是農業(yè)旱澇災害評估研究的重要內容,此前已有一些研究針對常用的氣象產量分離方法進行比較研究,而本文從氣象產量與澇漬指標的關聯(lián)性出發(fā),同時納入更多的常見氣象產量分離方法進行比較研究。在此基礎上進一步將不同方法計算的氣象產量與典型澇漬年受災面積進行分析對比。最終結果表明,就氣象產量和澇漬指標的關聯(lián)性而言,省級尺度上線性擬合、二次多項式擬合和HP 濾波法效果顯著(圖4),而市級尺度上HP 濾波法、滑動平均法和五點二次平滑法表現(xiàn)更為優(yōu)異(圖5)。另一方面,就不同方法分離的氣象產量與歷史受澇面積的相符程度而言,HP 濾波法最佳,其次

是二次多項式和三次多項式擬合(表2)。因此,總體上HP 濾波法對于各省、各市氣象產量分離結果均令人滿意,其次是二次多項式。本文有關省級尺度方法比較的結果(圖4)與房世波基于5 省棉花氣象產量比較多種氣象產量分離方法的結論基本相符,均認為二次多項式效果較好。此外,王桂芝等利用1961-2011年全國各省份糧食單產數(shù)據(jù)探討不同分離方法的效果,結果表明HP 濾波分解在進行長時間序列的趨勢產量擬合過程中具有一定優(yōu)勢,適用的數(shù)據(jù)廣泛并具有很強的包容性,這也與本文的研究結論相符(圖4)。就市級尺度的分析結果而言(圖5),本文與李心怡等關于產量分離方法的比較結論一致,其研究表明五點二次平滑法與3年/5年滑動平均法更具有普適性;而趙東妮等對遼寧省各地區(qū)水稻趨勢產量擬合結果表明,HP 濾波法效果最好,指數(shù)平滑法次之,從指標優(yōu)劣一致性看,這與本文的結果也相符。此外需要注意的是,通過與歷史受澇面積的比對發(fā)現(xiàn),部分方法在少數(shù)情況也可能會出現(xiàn)不合理結果,例如在江西省內3年滑動平均法、5年滑動平均法及五點二次平滑法的氣象產量和澇漬指標出現(xiàn)了正相關關系(圖4)。與之類似,浙江省和江西省典型澇漬減產年對應的棉花氣象產量也出現(xiàn)了少數(shù)正值(圖6)。以上現(xiàn)象的出現(xiàn)可能與高溫干旱或低溫寡照等其他氣象災害有關。此外,本文結果發(fā)現(xiàn)不同方法分離效果的一致性還呈現(xiàn)區(qū)域差異性(圖6),不同于其他省份,安徽省內不同氣象產量分離方法刻畫當?shù)孛藁ㄒ驖硿p產規(guī)律的能力差異顯著。該結果表明,在某些地區(qū)(如安徽省)采用不同氣象產量分離方法所獲得的結論很可能出現(xiàn)明顯差異,甚至得出相反的結論。造成上述現(xiàn)象的原因可能是安徽近5年(2015-2019年)棉花產量顯著下降,因而棉花產量數(shù)據(jù)較大的波動導致了氣象產量分離方法容易出現(xiàn)偶然性結果。此外需要注意的是,本文主要是利用SPEI 揭示棉花澇漬災害的影響,但棉花產量的波動還受諸多非氣象因素的影響。例如,棉花品種改良以及田間施肥措施等影響因素體現(xiàn)在棉花趨勢產量中,但與氣象產量很難嚴格區(qū)分出來,這也可能會對結果造成一定影響。

就澇漬傾向性而言,本研究結果表明長江中下游的浙江省和江西省的棉花最容易遭遇澇漬災害,其次是湖南省和江蘇省,而湖北省棉花的澇漬傾向性相對較小(圖7),這與于文金等有關長江流域各省份夏季旱澇災害特征的研究結論基本相符。就澇漬減產現(xiàn)象而言,減產作用最為嚴重的湖北省有8個產棉市出現(xiàn)顯著負相關結果,這與劉凱文等利用降水距平百分率對湖北荊州市棉花旱澇災害規(guī)律分析的結論相吻合,該研究認為荊州棉花生長季內發(fā)生的水分脅迫以澇漬為主?？紤]到湖北省是我國產棉大省,植棉面積居長江流域棉區(qū)各省之首,因此,有必要根據(jù)當?shù)孛尢锏臐碀n成災特點,探索合理的排水指標以保障湖北省棉花的高產穩(wěn)產。此外,結果還表明安徽省棉花因澇減產現(xiàn)象也比較顯著(圖4和圖5),這與岳偉等的研究結論相一致,該研究發(fā)現(xiàn)安徽省沿江地區(qū)棉花生長季內降水量常年大于棉花需水量,因此安徽省棉花在大田實際生產中容易遭受澇漬災害影響。綜合上述結果可知,暴雨頻發(fā)地區(qū)與因澇減產地區(qū)并不一致。例如浙江省和安徽阜陽市的棉花沒有出現(xiàn)顯著的因澇減產現(xiàn)象,但是上述地區(qū)在棉花生育期內出現(xiàn)了較為嚴重的澇漬事件(圖7)。相反,對于一些澇漬災害低發(fā)地區(qū),如湖北的恩施和宜昌、安徽銅陵以及江西的上饒和九江,其棉花氣象產量與澇漬指標均顯著負相關(圖5),這主要是因為強降水并不一定會導致棉花顯著減產,具體還與當?shù)叵聣|面條件、排水管理模式及棉花品種耐澇性等因素有關。

4 結論

1)不同方法所分離的趨勢產量均能體現(xiàn)區(qū)域棉花產量的長期變化趨勢,但在短期波動上存在較大差異。不同方法計算的氣象產量具有相似的波動趨勢,但是波動幅度存在差異;不同方法在一些年份出現(xiàn)了較大的數(shù)值差異,甚至是正負差異,這種差異可能是高溫干旱或低溫寡照等因素造成的,這也導致了不同方法在刻畫因澇減產現(xiàn)象時有所差異。此外,長江中下游6 省中,浙江省棉花氣象產量波動明顯小于其余省份。

2)從氣象產量與澇漬指標關聯(lián)性而言,省級尺度上線性擬合、二次多項式擬合和HP 濾波均為效果較好的方法,而在市級尺度上表現(xiàn)較好的方法是HP 濾波法、滑動平均法和五點二次平滑法。采用不同方法會導致不同省份因澇減產程度的排序結果出現(xiàn)差異,但對于澇漬減產非常顯著的地區(qū)(湖北省和安徽省)判定一致。另一方面,從氣象產量結果與各省歷史澇漬面積的相符程度而言,HP 濾波法、二次多項式和三次多項式的結果能更準確地刻畫澇漬成災情況。總體而言,HP 濾波是描述長江中下游棉區(qū)棉花澇漬減產的首選方法,它刻畫典型澇災減產規(guī)律以及省級尺度和市級尺度均表現(xiàn)出極好的適用性。此外,二次多項式也能較好地刻畫各省的澇漬減產作用。

3)長江中下游棉區(qū)的澇漬頻發(fā)地區(qū)與澇漬減產作用嚴重區(qū)不同。各省按澇漬災害傾向性從高到低為浙江省＞江西?。竞鲜。窘K?。景不帐。竞笔?。但從澇漬減產作用而言,湖北省和安徽省最顯著,其次是江西省、浙江省和江蘇省,而湖南省棉花沒有表現(xiàn)出顯著的受澇減產。此外,上述省份中棉花因澇漬減產風險最高的市主要包括湖北省的武漢市、黃石市、荊州市、宜昌市、孝感市、咸寧市、恩施和天門市,安徽省的合肥市、宿州市、淮南市、滁州市和銅陵市,江西省的九江市和上饒市,以及浙江省的寧波市和臺州市。

本研究成果不僅對長江中下游棉區(qū)防澇具有一定的指導意義,而且對其他作物的災害分析也具有現(xiàn)實意義。