氣候平均態(tài)和極端態(tài)變化對東北玉米氣象產(chǎn)量的影響

張文婧，趙錦，崔文倩，黎滿耀，李娥，弓曉雅，楊曉光

氣候平均態(tài)和極端態(tài)變化對東北玉米氣象產(chǎn)量的影響

張文婧，趙錦，崔文倩，黎滿耀，李娥，弓曉雅，楊曉光

中國農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，北京 100193

【目的】東北地區(qū)是我國主要的糧食生產(chǎn)基地，近年來受到氣候變化的顯著影響，研究氣候平均態(tài)和極端態(tài)變化對東北作物產(chǎn)量的影響，對區(qū)域糧食穩(wěn)產(chǎn)、高產(chǎn)和國家糧食安全具有重要意義?！痉椒ā恳詵|北玉米為研究對象，通過篩選影響玉米產(chǎn)量的主要氣候因子，分析東北地區(qū)1980—2018年的氣候平均態(tài)和極端態(tài)變化對81個縣域的玉米產(chǎn)量產(chǎn)生的影響?！窘Y(jié)果】（1）東北玉米生長期內(nèi)的平均溫度、生長度日（GDD）、高溫度日（HDD）整體均呈上升趨勢，上升速率分別為0.34 ℃·(10 a)-1、47.07 ℃·d·(10 a)-1、5.15 ℃·d·(10 a)-1；降雨量呈下降趨勢，下降速率是7.0 mm·(10 a)-1；平均溫度、生長度日和高溫度日呈現(xiàn)自東北向西南遞增的空間分布特征，降雨量呈現(xiàn)自西北向東南遞增的空間分布特征。（2）東北玉米氣象產(chǎn)量在1980—1999年間呈增長趨勢，增速為80.93 kg·hm-2·a-1；在2000—2018年間呈減少趨勢，速率為46.25 kg·hm-2·a-1，在空間分布上呈現(xiàn)由中部向四周遞增趨勢，其中高值區(qū)集中在黑龍江省東部，遼寧省變化最為穩(wěn)定，且波動范圍穩(wěn)定在中間區(qū)域。（3）通過多元線性回歸模型可知，在1980—2018年間，HDD對氣象產(chǎn)量貢獻最大，且作用效果為負效應(yīng)，即極端態(tài)高溫對東北玉米產(chǎn)量影響最大，并且造成玉米減產(chǎn)；GDD產(chǎn)生正效應(yīng)，即溫度平均態(tài)使玉米產(chǎn)量增加，GDD累積值越大，增產(chǎn)越多；降雨量產(chǎn)生負效應(yīng)，而溫度和降雨量的交互項對東北玉米產(chǎn)量有正效應(yīng)?！窘Y(jié)論】在1980—2018年間氣候平均態(tài)和極端態(tài)變化及對東北玉米氣象產(chǎn)量的影響表現(xiàn)為溫度的平均態(tài)、極端態(tài)整體均呈現(xiàn)上升趨勢，降雨量平均態(tài)呈現(xiàn)下降趨勢，極端態(tài)高溫和降雨量平均態(tài)導(dǎo)致東北玉米產(chǎn)量減少，平均態(tài)溫度使東北玉米產(chǎn)量增加，且極端態(tài)高溫對玉米產(chǎn)量影響程度最大。在未來東北玉米的種植管理上，要充分利用溫度平均態(tài)并盡量降低極端態(tài)高溫帶來的危害以保障玉米高產(chǎn)穩(wěn)產(chǎn)。

氣候變化；東北地區(qū)；玉米氣象產(chǎn)量；貢獻率

0 引言

【研究意義】氣候變化對糧食產(chǎn)量的影響加劇已經(jīng)是不爭的事實[1-2]。我國的人均耕地資源緊缺，在無法擴大耕地面積的同時還要滿足人們?nèi)找嬖黾拥募Z食需求，提高糧食單產(chǎn)成為解決糧食問題的重要途徑[3]，而合理高效利用氣候資源對提高糧食單產(chǎn)至關(guān)重要。東北地區(qū)是我國重要糧倉，2000—2019年間糧食總產(chǎn)量占全國總比重由11.5%上升至20.8%，其中玉米產(chǎn)量和播種面積常年穩(wěn)定在全國的1/3左右[4]。同時，東北地區(qū)也是我國受氣候變化影響最顯著的地區(qū)之一[5]，研究氣候變化與東北玉米產(chǎn)量的關(guān)系對保障我國糧食安全有重要意義?！厩叭搜芯窟M展】已有研究證明溫度和降水的平均態(tài)對玉米產(chǎn)量的影響較大[6-8]。然而，近年來東北極端天氣事件頻發(fā)對作物產(chǎn)量的影響更為關(guān)鍵，大量研究證明東北極端氣候引起農(nóng)業(yè)氣象災(zāi)害的發(fā)生頻率近年來有上升趨勢。例如，尹小剛等[9]研究表明在1961—2010年近50年里東北玉米在生長期內(nèi)超過30 ℃高溫的天數(shù)明顯增加，且在玉米生長期內(nèi)極端高溫的不利影響十分顯著；敖雪等[10]在RCP4.5排放情景下，預(yù)估未來升溫穩(wěn)定在1.5 ℃和2.0 ℃兩種模式下的極端高溫事件均顯著增加，極端低溫事件均顯著減少。由此可以看出，極端高溫在東北地區(qū)發(fā)生的概率在增大并且是影響東北玉米產(chǎn)量的重要因子。伴隨著高溫事件的頻發(fā)，極端降雨事件卻在顯著減少，董慶林[11]發(fā)現(xiàn)東北地區(qū)極端降水事件發(fā)生頻率呈下降趨勢，且極端降水強度微弱變化；李穎等[12]研究也表明極端降水日數(shù)在以0.2 d·(10 a)-1的趨勢降低，連續(xù)干旱日數(shù)以0.6 d·(10 a)-1的速率下降。對于玉米而言，一般將10 ℃作為生物學(xué)下限溫度的指標(biāo)，將30 ℃作為高溫脅迫界限溫度的指標(biāo)。例如，Yu等[13]在以美國玉米為研究對象分析氣候資源和玉米產(chǎn)量關(guān)系的研究中，以10 ℃和29 ℃分別作為生長度日（GDD）和高溫度日（HDD）的熱量指標(biāo)；Zhu等[14]以8 ℃和30 ℃分別作為非洲雨養(yǎng)玉米GDD和HDD的熱量指標(biāo)；在國內(nèi)玉米相關(guān)研究中，曹永強等[15]在對遼寧省玉米的研究中以10 ℃和31 ℃分別作為GDD和HDD的熱量指標(biāo)；淮賀舉等[16]以10 ℃和30 ℃作為研究東北玉米GDD和HDD的熱量指標(biāo)。另外，溫度的不斷攀升對于非灌溉的雨養(yǎng)玉米可能會存在高溫消耗的有效水得不到及時補充而對玉米生長產(chǎn)生影響，引發(fā)溫度和水分脅迫對產(chǎn)量的交互影響。例如，Tack等[17]研究發(fā)現(xiàn)隨著春季降雨量的增加，美國堪薩斯州的小麥?zhǔn)軞夂蜃兣挠泻τ绊憣p少；Carter等[18]也表明灌溉可以抵消作物受有害熱量的影響?！颈狙芯壳腥朦c】前人已圍繞氣候變化對東北玉米產(chǎn)量的影響開展了大量研究[19-23]，但大多以氣候平均態(tài)變化來定性解釋產(chǎn)量變化，而對極端態(tài)變化的影響關(guān)注較少，且具體影響效應(yīng)的正負和大小的研究鮮見報道。氣候變化對作物產(chǎn)量影響的研究方法主要包括田間實驗觀察法、回歸統(tǒng)計模型以及作物生長模型，其中基于統(tǒng)計分析的回歸模型具有成本低、易于應(yīng)用的優(yōu)點[24-25]?！緮M解決的關(guān)鍵問題】參考前人對東北氣候變化的研究以及氣候變化對玉米生長影響的重要程度，選取平均態(tài)溫度、降水和極端態(tài)高溫來對東北玉米產(chǎn)量的影響作重點分析，具體以GDD、HDD、降水量以及溫度和降水之間的交互變量同氣象產(chǎn)量之間的關(guān)系建立多元線性回歸模型，明確東北氣候平均態(tài)、極端態(tài)和玉米產(chǎn)量的空間分布特征及時間演變趨勢，揭示不同尺度下氣候變化對玉米產(chǎn)量的影響與貢獻率，為當(dāng)?shù)貨Q策者提供更詳細的理論支撐。

1 材料與方法

1.1 研究區(qū)概況和數(shù)據(jù)來源

東北地區(qū)處于北半球中高緯度（N 38.0°—54.0°，E 118.5°—135.0°），主要屬于溫帶季風(fēng)氣候，表現(xiàn)為四季分明，夏季溫?zé)岫嘤?，冬季寒冷干燥。土壤條件優(yōu)越，耕地面積遼闊，占全國耕地面積的16.5%[16]，玉米產(chǎn)量占全國玉米總產(chǎn)量的29%[3]。1980年后東北日最低溫度增溫速率是0.51 ℃·(10 a)-1，日最高溫度增溫速率是0.24 ℃·(10 a)-1[3]；2007年東北三省的年均氣溫較1980年上升了1 ℃[5]，在氣候變暖背景下東北地區(qū)熱量指數(shù)和水分虧缺指數(shù)隨年代呈波動上升趨勢，農(nóng)業(yè)生產(chǎn)受到較大影響[26]。研究區(qū)域如圖1所示。

氣象數(shù)據(jù)來源于中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)（http://data.cma.cn/），選取東北1980—2018年間時間序列連續(xù)性較好的81個氣象站點的逐日地面氣象觀測數(shù)據(jù)，并提取玉米主要生長月份（5—9月）的數(shù)據(jù)，其中包括日平均溫度、日最高溫度和日降水量。玉米統(tǒng)計數(shù)據(jù)整理自東北三省（黑龍江省、吉林省、遼寧?。┙y(tǒng)計年鑒[27-29]，并摘錄了1980—2018年與氣象數(shù)據(jù)站點對應(yīng)的81個縣玉米實際產(chǎn)量和對應(yīng)玉米種植面積數(shù)據(jù)。氣象站點分布如圖1所示。

審圖號：GS京（2023）0749號

1.2 研究方法

1.2.1 熱量指標(biāo)的確定 生長度日（growing degree- days，GDD）是分析作物生長期內(nèi)的平均態(tài)熱量指標(biāo)，高溫度日（heat degree-days，HDD）是分析作物極端高溫的熱量指標(biāo)[30]。本文以日平均溫度＞10 ℃且≤30 ℃作為GDD的熱量指標(biāo)，以日最高溫度＞30 ℃作為HDD的熱量指標(biāo)。其計算過程如下：

式中，T表示日平均溫度；max表示日最高溫度；T表示玉米生物學(xué)下限溫度（10 ℃）；T表示玉米高溫脅迫界限溫度（30 ℃）。

1.2.2 氣候傾向率 氣候傾向率是指氣候要素變化趨勢，采用最小二乘法，本文以氣候要素在玉米生育期的平均值或累積值為xt，以氣候要素值對應(yīng)的年份為t，建立xt與t的一次線性方程：

xt=at+b （2）

式中，a是線性回歸系數(shù)，通常以a的10倍作為氣候傾向率[31]。a＞0表示隨時間變化氣候變量為增加趨勢，a＜0表示隨時間變化氣候變量為減少趨勢。

1.2.3 氣象產(chǎn)量分離 在連續(xù)的時間序列研究作物產(chǎn)量和氣候變化的關(guān)系中，一般將作物實際產(chǎn)量（y）分解為氣象產(chǎn)量（ym）、趨勢產(chǎn)量（yt）和隨機產(chǎn)量（ye）三部分[32]，這里的氣象產(chǎn)量指氣候因素影響的產(chǎn)量，趨勢產(chǎn)量指隨著社會技術(shù)進步等非氣象因素影響的產(chǎn)量，隨機產(chǎn)量指由一些偶然誤差造成的產(chǎn)量隨機變化，計算公式如下：

y=yt+ym+ye（3）

式中，ye較小，一般忽略不計，本文采用最小二乘法以每個站點的年份為自變量，實際產(chǎn)量為因變量進行線性分析得到對應(yīng)站點的趨勢產(chǎn)量[33]，由實際產(chǎn)量減去趨勢產(chǎn)量，得到各站點玉米氣象產(chǎn)量。則：

ym=y-yt（4）

1.2.4 相對氣象產(chǎn)量 相對氣象產(chǎn)量能較直觀地表征氣候變化對玉米產(chǎn)量的影響程度，公式如下：

式中，yr為相對氣象產(chǎn)量（%），定義當(dāng)yr＞10%時，表示當(dāng)年的氣候因素有利于農(nóng)作物生長，為氣候豐年；當(dāng)yr＜-10%時表示當(dāng)年的氣候因素不利于農(nóng)作物生長，為氣候歉年[34]；其他為正常年份。yt為趨勢產(chǎn)量（kg·hm-2）；ym為氣象產(chǎn)量（kg·hm-2）。

1.2.5數(shù)據(jù)標(biāo)準(zhǔn)化 在回歸分析中，為了消除不同變量之間量綱和數(shù)值大小差異大而造成的誤差，需要對原始數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，使各個自變量之間無量綱化[35]。本研究采用的數(shù)據(jù)標(biāo)準(zhǔn)化處理方法是方差標(biāo)準(zhǔn)化，使標(biāo)準(zhǔn)化后的數(shù)據(jù)分布在[0,1]區(qū)間內(nèi)，且這組數(shù)據(jù)的平均值為0，標(biāo)準(zhǔn)差為1。計算公式如下：

1.2.6 回歸模型的建立 將氣象產(chǎn)量（yield）作為因變量，將標(biāo)準(zhǔn)化后的降雨量（Prec）、生長度日（GDD）、高溫度日（HDD）作為自變量（對自變量進行共線性檢驗，平均溫度和生長度日存在共線性問題，在回歸分析中僅保留生長度日），采用多元線性回歸分析，建立關(guān)于東北玉米氣象產(chǎn)量回歸方程：

yieldit=1GDDit+2HDDit+3Precit+4Tavgit×Precit+vi+εit（7）

式中，yieldit指第t年i縣的玉米氣象產(chǎn)量，GDDit、HDDit、Precit、Tavgit分別指第t年i縣對應(yīng)氣象站點的生長度日、高溫度日、降水量和平均溫度，1、2、3、4分別是各自的回歸系數(shù)，vi是第i年的回歸常數(shù)，εit是t年i縣的隨機誤差項，各自變量的標(biāo)準(zhǔn)回歸系數(shù)作為衡量各自變量對因變量的貢獻大小比較，將各要素的回歸系數(shù)之和作為基數(shù)，不同要素的回歸系數(shù)分別除以基數(shù)，稱為貢獻率?；貧w系數(shù)大于0，表示該自變量對因變量為正效應(yīng)，回歸系數(shù)小于0，表示該自變量對因變量為負效應(yīng)[36]。

2 結(jié)果

2.1 東北玉米生長期內(nèi)氣候資源的時空變化特征

圖2顯示，東北地區(qū)在1980—2018年間玉米生長期內(nèi)的平均溫度、生長度日、高溫度日整體均呈上升趨勢，而降雨量整體呈下降趨勢。其中平均溫度的氣候傾向率為0.34 ℃·(10 a)-1，平均值在2000年達到39年來的最高值20.34 ℃，較上一年平均值高出1.23 ℃；生長度日（GDD）以47.07 ℃·d·(10 a)-1的速率上升，在2000年平均值達到最高值1 586.66 ℃·d的累積量；高溫度日（HDD）年際間波動較大，氣候傾向率為5.15 ℃·d·(10 a)-1，在2000年平均值達到最大值88.26 ℃·d，由圖2-d發(fā)現(xiàn)，2000年后超過30 ℃的高溫天數(shù)明顯多于2000年前，說明高溫災(zāi)害發(fā)生的頻率在增加；降雨量以7.0 mm·(10 a)-1的速率下降，平均值的最小值集中在連續(xù)年份1999—2002年間，由圖2-b發(fā)現(xiàn)降雨量的總體趨勢雖然在下降，但多個地區(qū)在不同年份出現(xiàn)高出平均降雨量水平較多的情況，說明部分縣域出現(xiàn)了極端降雨年份。另外，分析發(fā)現(xiàn)溫度和降雨在年際上的變化均在2000年前后出現(xiàn)高值或低值，表明溫度和降水或存在相互作用，且利用東北地區(qū)1980—2018年的氣象數(shù)據(jù)進行平均溫度和降水量的相關(guān)性檢驗，結(jié)果顯示兩者在=0.01水平上顯著相關(guān)。

圖2 東北地區(qū)1980—2018年間玉米生長期內(nèi)主要氣象因子變化特征

圖3顯示，在空間分布上，平均溫度、生長度日和高溫度日均呈現(xiàn)自東北向西南增加的趨勢，降雨量呈現(xiàn)自西北向東南增加的趨勢。相比黑龍江省，遼寧省的平均溫度、生長度日、高溫度日、降雨量均較高，其中平均溫度高2.88 ℃，生長度日高412.52 ℃·d，高溫度日高15.22 ℃·d，降雨量高91 mm?？梢钥闯鲞|寧省的雨熱資源較其他兩省是比較充沛的。

審圖號：GS京（2023）0749號

2.2 東北玉米氣象產(chǎn)量的時空變化特征

圖4顯示，東北春玉米的實際產(chǎn)量呈極顯著（＜0.01）增長趨勢，增長速率為93.36 kg·hm-2·a-1，其中2018年整個東北地區(qū)春玉米平均單產(chǎn)與1980年對比增長了3 425 kg·hm-2，即在1980年基礎(chǔ)上增加了106%。氣象產(chǎn)量年際間波動幅度大，但從1980—2018年的整體趨勢來看減少不明顯，不過圖4-b顯示，在不同年份時間段東北春玉米氣象產(chǎn)量呈現(xiàn)不同的波動趨勢：1980—1998年間整體呈極顯著增長趨勢（＜0.01），增長速率為80.93 kg·hm-2·a-1，在1998—2000年間下降幅度大，從1 352 kg·hm-2下降至-526 kg·hm-2，減少百分率為139%；2000—2018年間部分年份雖然較上一年有所上升，但整體依然呈極顯著降低趨勢（＜0.01），下降速率為46.25 kg·hm-2·a-1。相對產(chǎn)量和氣象產(chǎn)量變化趨勢一致，氣候豐年聚集在1996—1999年間較多。具體到省份，三省的實際產(chǎn)量和趨勢產(chǎn)量均呈增長趨勢。其中，黑龍江省的趨勢產(chǎn)量增長速率最大，實際產(chǎn)量平均值在年際間的最高和最低值差距最小的是遼寧省，三省的氣象產(chǎn)量波動趨勢變化和波動范圍大小分別是遼寧省的波動范圍最集中，在-1 500—1 000 kg·hm-2，在黑龍江省和吉林省氣象產(chǎn)量波動范圍較大，分別在-1 200—1 800 kg·hm-2和-1 750—1 950 kg·hm-2，即波動范圍比遼寧省分別擴大20%和48%，并且黑龍江省和吉林省的波動趨勢相似，均在1999年前后由上升趨勢轉(zhuǎn)為下降趨勢，而遼寧省在1980— 2018年間無明顯階段式上升或下降趨勢。

圖5顯示，在空間分布上東北地區(qū)春玉米的實際產(chǎn)量呈由四周向中部聚合增長的趨勢，趨勢產(chǎn)量與實際產(chǎn)量呈相似的分布特征。實際產(chǎn)量相對高值區(qū)（單產(chǎn)大于5 500 kg·hm-2）集中在東北地區(qū)的中部，即吉林省中部、遼寧省北部和黑龍江省南部，相對低值區(qū)（單產(chǎn)小于4 200 kg·hm-2）主要在黑龍江省西北部。氣象產(chǎn)量在空間分布上呈現(xiàn)由東北區(qū)域的中部向四周擴散遞增的趨勢。其中，氣象產(chǎn)量高值區(qū)主要分布在黑龍江省東北部，低值區(qū)主要集中在黑龍江省中西部和吉林省北部，遼寧省表現(xiàn)為較為平穩(wěn)的中值區(qū)。從相對產(chǎn)量來看（表1），通過對所有研究站點在1980— 2018年間氣候豐年和歉年的統(tǒng)計得到，遼寧省氣候?qū)Ξa(chǎn)量的正向貢獻相較最大，氣候豐年占比37%，歉年占比30%，其余部分為正常年份；黑龍江省次之，氣候豐年占比36%，歉年占比33%，其余部分為正常年份；吉林省正向貢獻相較最小，氣候豐年占比31%，歉年占比37%，其余為正常年份。

2.3 氣候平均態(tài)和極端態(tài)對氣象產(chǎn)量的貢獻

表2顯示，東北地區(qū)的降雨量（Prec）、生長度日（GDD）、高溫度日（HDD）的變化對東北春玉米氣象產(chǎn)量的綜合影響達到極顯著水平（＜0.01），并且由回歸模型的回歸系數(shù)來看降雨量和HDD的變化對氣象產(chǎn)量均產(chǎn)生負效應(yīng)，GDD的變化對氣象產(chǎn)量產(chǎn)生正效應(yīng)?？刂破渌兞坎蛔?，發(fā)現(xiàn)東北地區(qū)有交互項時的回歸模型的相關(guān)系數(shù)要大于無交互項，說明溫度和降雨的交互作用（Tavg×Prec）對東北玉米的產(chǎn)量產(chǎn)生了影響，且對氣象產(chǎn)量產(chǎn)生正效應(yīng)。

審圖號：GS京（2023）0749號

表1 1980—2018年東北各省玉米氣候產(chǎn)量年型統(tǒng)計

表2 東北玉米氣象產(chǎn)量回歸結(jié)果

*和**分別表示顯著（＜0.05）和極顯著（＜0.01）* and * * were significant (＜0.05) and extremely significant (＜0.01), respectively

圖6所示，以東北地區(qū)整體為研究對象，氣候資源的貢獻大小排序是HDD＞GDD＞Prec。其中，遼寧省的氣候資源的貢獻大小與東北整體表現(xiàn)不同：HDD＞Prec＞GDD，而黑龍江省和吉林省與東北整體表現(xiàn)相同，遼寧省的極端高溫對氣象產(chǎn)量的貢獻率達到70%，而溫度平均態(tài)的貢獻率僅7%，其他兩省的極端高溫貢獻率相差不大，在53%左右，溫度平均態(tài)貢獻率在25%—35%，與圖3的空間分布圖對比發(fā)現(xiàn)HDD值分布越高的省份HDD對氣象產(chǎn)量的貢獻率也越高，在黑龍江省和吉林省，GDD對氣象產(chǎn)量貢獻大小的空間分布與GDD值大小的空間分布基本一致。但遼寧省的GDD雖然相比最高，貢獻率卻最低，并且三省降水量的分布和貢獻率大小關(guān)系不明顯，推測原因與溫度上升相伴發(fā)生的其他氣候條件變率增大，導(dǎo)致氣候?qū)庀螽a(chǎn)量的貢獻率與氣候本身變化有差異。通過東北整體氣象產(chǎn)量在時間序列上的波動趨勢變化將時間序列以2000年為界限分為氣象產(chǎn)量上升趨勢序列（1980—1999年）和下降趨勢序列（2000—2018年），在氣候產(chǎn)量呈上升趨勢年份序列下氣候資源的貢獻大小排序是HDD＞Prec＞GDD，其中降雨的貢獻率為27%，HDD的貢獻率是50%；在氣象產(chǎn)量呈下降趨勢年份序列下氣候資源的貢獻大小是HDD＞GDD＞Prec，此時降雨的貢獻率僅11%，HDD的貢獻率是60%。GDD在這兩個階段貢獻率差異不明顯。因此認為造成氣象產(chǎn)量從2000年前的上升趨勢轉(zhuǎn)為2000年后的下降趨勢的原因主要和降雨量的減少及溫度極端態(tài)的上升關(guān)系較大。另外HDD在任何尺度下的貢獻率都是最大的。

圖6 氣候要素對氣象產(chǎn)量貢獻率

3 討論

3.1 氣候和產(chǎn)量變化原因分析及基于研究結(jié)果推測未來氣候變化對產(chǎn)量影響

本研究分析了東北地區(qū)1980—2018年春玉米在生長期內(nèi)的氣候平均態(tài)、極端態(tài)和產(chǎn)量變化特征，認為平均溫度、GDD、HDD均有不同程度的增加，降雨量呈下降趨勢，這與前人對春玉米全生育期的氣候資源變化特征研究結(jié)論一致[37-39]。其中，遼寧省的熱量資源和降水資源相對充沛，黑龍江省相對匱乏；東北玉米的實際產(chǎn)量1980—2018年間顯著增加，這與社會經(jīng)濟發(fā)展和技術(shù)進步如化肥投入的增加、農(nóng)業(yè)設(shè)施的改善以及品種的改良等所造成的趨勢產(chǎn)量增加有很大關(guān)系[40]。除趨勢產(chǎn)量外，氣象產(chǎn)量對玉米總產(chǎn)量的波動變化有重要影響，東北地區(qū)春玉米的氣象產(chǎn)量在1980—2018年間整體有減少趨勢，但趨勢微弱，其原因可能是在2000年前后一些氣候條件的變化不利于東北春玉米的生長，氣象產(chǎn)量由1980—1999年間的增長趨勢轉(zhuǎn)為2000—2018年間的下降趨勢；遼寧省氣象產(chǎn)量表現(xiàn)最為穩(wěn)定，這除了與遼寧省氣候資源本身相對充足有關(guān)外，還與其氣候平均態(tài)及極端態(tài)均相對聚合、離群值較少，即氣候變化相對穩(wěn)定、波動范圍小有關(guān)，這也是其氣候豐年較其他兩省多的原因。

另外對比HDD、GDD及降雨量在不同尺度下的貢獻率，發(fā)現(xiàn)無論在哪種尺度下HDD的相對貢獻率都是最大的，即極端態(tài)高溫對玉米產(chǎn)量的影響最大，它同降雨都對東北玉米氣象產(chǎn)量產(chǎn)生負效應(yīng)，對玉米產(chǎn)量造成不利影響，這與前人的研究結(jié)果相同[41-42]，推測在升溫背景下，東北地區(qū)在未來高溫災(zāi)害會愈加頻發(fā)，從而造成玉米大幅減產(chǎn)。相反GDD對氣象產(chǎn)量產(chǎn)生正效應(yīng)，即溫度平均態(tài)變化對東北玉米產(chǎn)量的影響是有利的，隨著溫度的上升，熱量資源的累積使玉米生長期內(nèi)有效積溫增長，這有助于玉米產(chǎn)量增加。目前溫度和降水的交互作用對東北玉米氣象產(chǎn)量產(chǎn)生有利的影響，原因是東北地區(qū)是我國緯度最高的區(qū)域，總體而言熱量不足是限制作物生產(chǎn)的主要因素，當(dāng)溫度的積極效應(yīng)大于降水引起干旱產(chǎn)生的消極影響時，平均溫度和降水量的交互項就會產(chǎn)生正效應(yīng)，但如果未來氣溫持續(xù)上升、降雨量持續(xù)下降，兩者的交互作用可能會對玉米產(chǎn)量產(chǎn)生不利影響。對比3個省份，遼寧省的氣象產(chǎn)量目前有一定優(yōu)勢，但其極端高溫天氣是三省中最多的，如果未來持續(xù)升溫至熱量資源增加到一定程度，可能會加劇極端高溫對玉米生長的危害，而更加削弱平均態(tài)溫度累積對玉米產(chǎn)量的有利影響，從而造成玉米減產(chǎn)。相反，黑龍江省由于熱量資源相對欠缺，所以短時間內(nèi)氣溫變暖造成平均態(tài)溫度累積能大于極端高溫的話可以幫助玉米增產(chǎn)。

3.2 增大有效積溫利用率、減緩高溫危害并及時補充有效水有利于東北玉米增產(chǎn)

熱量資源決定了作物的生長季長度，水分資源是作物干物質(zhì)的累積和轉(zhuǎn)移速度的保障[3]。根據(jù)本研究結(jié)果，可以提前玉米播期來增加平均態(tài)積溫的累積量同時減弱極端高溫對玉米產(chǎn)量帶來的負面影響；通過建設(shè)水利灌水設(shè)施或選用耐旱玉米品種及更改種植布局和種植比例來彌補由于東北降雨量減少、溫度升高導(dǎo)致玉米生長期內(nèi)有效水分缺失[43]；另外應(yīng)該充分利用氣候變暖對玉米有效積溫累積量的增加，實現(xiàn)增產(chǎn)的最終目的。

3.3 氣象產(chǎn)量分離方法優(yōu)缺點及不足和展望

目前，氣象產(chǎn)量分離方法主要有線性擬合、多項式擬合、HP濾波法、滑動平均法等，這些方法均能大致描述實際產(chǎn)量波動的總體趨勢[44-46]，主要差異在于對短期劇烈的波動特征的反映。根據(jù)研究目的不同，適用的趨勢產(chǎn)量擬合方法也不同。本文分離氣象產(chǎn)量的主要目的是分析氣候平均態(tài)和極端態(tài)對氣象產(chǎn)量的影響程度，而氣候極端態(tài)往往對農(nóng)作物的影響較為嚴重甚至是毀滅性的，這就會造成在發(fā)生災(zāi)害年份的產(chǎn)量對比于相鄰年份出現(xiàn)驟降。如果選用對實際產(chǎn)量波動特別敏感的趨勢擬合方法就會難以有效分離出短期內(nèi)氣象災(zāi)害引發(fā)的產(chǎn)量變化，而線性擬合方法雖然較其他方法對產(chǎn)量起伏劇烈的部分捕獲能力稍差，卻能夠保證由極端態(tài)影響的產(chǎn)量不被趨勢化，進而能更加準(zhǔn)確分析氣候平均態(tài)和極端態(tài)變化對氣象產(chǎn)量的影響。

玉米產(chǎn)量受多種氣候因素影響，本文僅選取近年來對東北玉米產(chǎn)量影響較大的氣候因子對氣象產(chǎn)量一部分變化進行解釋，但其他影響因子如輻射等直接影響因素及由氣候變化引起的病蟲害變化等間接影響在本文中未涉及；另外，本文在分析氣候和玉米產(chǎn)量的空間變化時，以省份進行劃分，但從空間變化趨勢圖來看，以高、中、低值區(qū)劃分站點來分級研究得到的結(jié)果可以更加精準(zhǔn)地描述氣候變化與產(chǎn)量的影響關(guān)系。因此，在后續(xù)的研究中，應(yīng)考慮更多對玉米生長影響較大的氣候因子以提高對氣象產(chǎn)量變化的解釋力，更加精準(zhǔn)評估不同氣候資源對氣象產(chǎn)量的貢獻量，選擇更加適用空間劃分依據(jù)，以期得到更加精準(zhǔn)的分析結(jié)果。

4 結(jié)論

1980—2018年，東北玉米產(chǎn)量呈增加趨勢，但氣象產(chǎn)量依省份和時間段劃分呈不同變化特征。遼寧省氣象產(chǎn)量變化最穩(wěn)定，黑龍江省和吉林省在1980— 1999年呈增加趨勢，在2000—2018年間呈減少趨勢。平均溫度、GDD、HDD呈升高趨勢，降雨量平均態(tài)呈下降趨勢，遼寧省的熱量資源和降水資源最充沛，氣候豐年最多；GDD對玉米氣象產(chǎn)量產(chǎn)生正效應(yīng)，降雨量平均態(tài)和HDD產(chǎn)生負效應(yīng)，平均溫度和降水平均態(tài)的交互作用能夠?qū)τ衩讱庀螽a(chǎn)量產(chǎn)生正效應(yīng)；溫度平均態(tài)使玉米增產(chǎn)，極端高溫和降水量平均態(tài)造成玉米減產(chǎn)，三者中極端高溫對玉米產(chǎn)量影響最大。因此，東北玉米的種植管理要重點關(guān)注高溫災(zāi)害，及時補充有效水以減輕高溫危害，尤其是遼寧省最易受極端高溫影響，同時確保黑龍江省充分利用平均態(tài)溫度，保證東北玉米高產(chǎn)穩(wěn)產(chǎn)。

[1] IPCC. Climate change 2022: Mitigation of climate change.[M/OL]. 2022.

[2] 陳睿山, 郭曉娜, 熊波, 王堯, 陳瓊. 氣候變化、土地退化和糧食安全問題: 關(guān)聯(lián)機制與解決途徑. 生態(tài)學(xué)報, 2021, 41(7): 2918-2929.

CHEN R S, GUO X N, XIONG B, WANG Y, CHEN Q. Climate change, land degradation and food insecurity: linkages and potential solutions. Acta Ecologica Sinica, 2021, 41(7): 2918-2929. (in Chinese)

[3] 劉志娟, 楊曉光, 呂碩, 王靜, LIN X M. 氣候變化背景下東北三省春玉米產(chǎn)量潛力的時空特征. 應(yīng)用生態(tài)學(xué)報, 2018, 29(1): 103-112.

LIU Z J, YANG X G, Lü S, WANG J, LIN X M. Spatial-temporal characteristics of spring maize yield potential under climate change in Northeast China. Chinese Journal of Applied Ecology, 2018, 29(1): 103-112. (in Chinese)

[4] 李保國, 劉忠, 黃峰, 楊曉光, 劉志娟, 萬煒, 汪景寬, 徐英德, 李子忠, 任圖生. 鞏固黑土地糧倉保障國家糧食安全. 中國科學(xué)院院刊, 2021, 36(10): 1184-1193.

LI B G, LIU Z, HUANG F, YANG X G, LIU Z J, WAN W, WANG J K, XU Y D, LI Z Z, REN T S. Consolidate the granary of black land and ensure national food security. Bulletin of Chinese Academy of Sciences, 2021, 36(10): 1184-1193. (in Chinese)

[5] 賈建英, 郭建平. 東北地區(qū)近46年氣候變化特征分析. 干旱區(qū)資源與環(huán)境, 2011, 25(10): 109-115.

JIA J Y, GUO J P. Climate change characteristics of Northeast China in recent 46 years. Journal of Arid Land Resources and Environment, 2011, 25(10): 109-115. (in Chinese)

[6] 劉志娟, 楊曉光, 王文峰, 李克南, 張曉煜. 氣候變化背景下我國東北三省農(nóng)業(yè)氣候資源變化特征. 應(yīng)用生態(tài)學(xué)報, 2009, 20(9): 2199-2206.

LIU Z J, YANG X G, WANG W F, LI K N, ZHANG X Y. Change characteristics of agricultural climate resources in Northeast China under the background of climate change. Chinese Journal of Applied Ecology, 2009, 20(9): 2199-2206. (in Chinese)

[7] 王柳, 熊偉, 溫小樂, 馮靈芝. 溫度降水等氣候因子變化對中國玉米產(chǎn)量的影響. 農(nóng)業(yè)工程學(xué)報, 2014, 30(21): 138-146.

WANG L, XIONG W, WEN X L, FENG L Z. Effects of climate factors such as temperature and precipitation on maize yield in China. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(21): 138-146. (in Chinese)

[8] 崔寧波, 殷琪荔. 氣候變化對東北地區(qū)糧食生產(chǎn)的影響及對策響應(yīng). 災(zāi)害學(xué), 2022, 37(1): 52-57.

CUI N B, YIN Q L. Impacts of climate change on grain production in Northeast China and countermeasures. Journal of Catastrophology, 2022, 37(1): 52-57. (in Chinese)

[9] 尹小剛, 王猛, 孔箐鋅, 王占彪, 張海林, 褚慶全, 文新亞, 陳阜. 東北地區(qū)高溫對玉米生產(chǎn)的影響及對策. 應(yīng)用生態(tài)學(xué)報, 2015, 26(1): 186-198.

YIN X G, WANG M, KONG Q X, WANG Z B, ZHANG H L, CHU Q Q, WEN X Y, CHEN F. The effect of high temperature on maize production in Northeast China and its countermeasures. Chinese Journal of Applied Ecology, 2015, 26(1): 186-198. (in Chinese)

[10] 敖雪, 翟晴飛, 崔妍, 趙春雨, 王濤, 周曉宇, 侯依玲. 不同升溫情景下中國東北地區(qū)平均氣候和極端氣候事件變化預(yù)估. 氣象與環(huán)境學(xué)報, 2020, 36(5): 40-51.

AO X, ZHAI Q F, CUI Y, ZHAO C Y, WANG T, ZHOU X Y, HOU Y L. Prediction of changes in mean and extreme climate events in Northeast China under different warming scenarios. Journal of Meteorology and Environment, 2020, 36(5): 40-51. (in Chinese)

[11] 董慶林. 東北地區(qū)近50年來極端氣候事件時空變化特征[D]. 長春: 東北師范大學(xué), 2011.

DONG Q L. Temporal-spatial variations of extreme climate events of Northeast China in the last 50 years[D]. Changchun: Northeast Normal University, 2011. (in Chinese)

[12] 李穎, 任家璇, 馮玉, 唐偉男. 近60年遼寧省極端氣候事件趨勢時空變化特征分析. 災(zāi)害學(xué), 2017, 32(1): 96-105.

LI Y, REN J X, FENG Y, TANG W N. Spatial and temporal characteristics of trends in extreme weather events in Liaoning Province during 1957-2014. Journal of Catastrophology, 2017, 32(1): 96-105. (in Chinese)

[13] YU J S, GOH G. Estimating non-additive within season temperature effects on maize yields using Bayesian approaches. Scientific Reports, 2019, 9(1): 18566.

[14] ZHU P, ZHUANG Q L, ARCHONTOULIS S V, BERNACCHI C, MULLER C. Dissecting the nonlinear response of maize yield to high temperature stress with model-data integration. Global Change Biology, 2019, 25(7): 2470-2484.

[15] 曹永強, 馮興興, 李玲慧, 路潔. 氣候變化下遼寧省春玉米水熱時空特征及干旱風(fēng)險. 生態(tài)學(xué)報, 2021, 41(3): 1092-1105.

CAO Y Q, FENG X X, LI L H, LU J. Temporal and spatial characteristics and drought risk of spring corn in Liaoning Province under climate change. Acta Ecologica Sinica, 2021, 41(3): 1092-1105. (in Chinese)

[16] 淮賀舉, 孫寧, 史磊剛, 李奇峰, 胡海棠, 陶歡, 李存軍. 東北地區(qū)春玉米生育期內(nèi)氣候資源變化特征. 中國農(nóng)業(yè)科技導(dǎo)報, 2020, 22(1): 98-105.

HUAI H J, SUN N, SHI L G, LI Q F, HU H T, TAO H, LI C J. Variation characteristics of climatic resources during the growth period of spring maize in Northeast China. Journal of Agricultural Science and Technology, 2020, 22(1): 98-105. (in Chinese)

[17] TACK J, BARKLEY A, NALLEY L L. Effect of warming temperatures on US wheat yields. Proceedings of the National Academy of Sciences of the United States of America, 2015, 112(22): 6931-6936.

[18] CARTER E K, MELKONIAN J, RIHA S J, SHAW S B. Separating heat stress from moisture stress: analyzing yield response to high temperature in irrigated maize. Environmental Research Letters, 2016, 11(9): 094012.

[19] 趙偉. 東北地區(qū)氣候變化對玉米產(chǎn)量的影響. 農(nóng)業(yè)與技術(shù), 2017, 37(16): 232.

ZHAO W. Effect of climate change on maize yield in Northeast China. Agriculture and Technology, 2017, 37(16): 232. (in Chinese)

[20] 王蔚丹, 孫麗, 裴志遠, 陳媛媛, 孫娟英, 董沫. 遼寧省生長季氣候變化及其對春玉米產(chǎn)量的影響. 水土保持研究, 2022, 29(2): 282-286.

WANG W D, SUN L, PEI Z Y, CHEN Y Y, SUN J Y, DONG M. Climate change during growing season and its effects on spring maize yield in Liaoning province. Research of Soil and Water Conservation, 2022, 29(2): 282-286. (in Chinese)

[21] 張祎, 趙艷霞. 多模式集合模擬氣候變化對玉米產(chǎn)量的影響. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2017, 25(6): 941-948.

ZHANG Y, ZHAO Y X. Multi-model ensemble for simulation of the impact of climate change on maize yield. Chinese Journal of Eco-Agriculture, 2017, 25(6): 941-948. (in Chinese)

[22] 陳明, 寇雯紅, 李玉環(huán), 毛偉兵, 孫翠珊, 陳士更. 氣候變化對東北地區(qū)玉米生產(chǎn)潛力的影響與調(diào)控措施模擬—以吉林省為例. 應(yīng)用生態(tài)學(xué)報, 2017, 28(3): 821-828.

CHEN M, KOU W H, LI Y H, MAO W B, SUN C S, CHEN S G. Impacts of climate change on maize potential productivity in Northeast China and the simulation of control measures: A case study of Jilin Province, China. Chinese Journal of Applied Ecology, 2017, 28(3): 821-828. (in Chinese)

[23] 胡亞南. 東北作物產(chǎn)量對氣候變化的空間響應(yīng)研究[D]. 北京: 中國農(nóng)業(yè)科學(xué)院, 2017.

HU Y N. Spatial response of crop production to climate change in Northeast China[D]. Beijing: Chinese Academy of Agricultural Sciences, 2017. (in Chinese)

[24] LI L, WANG B, FENG P Y, WANG H H, HE Q S, WANG Y K, LIU D L, LI Y, HE J Q, FENG H, YANG G J, YU Q. Crop yield forecasting and associated optimum lead time analysis based on multi-source environmental data across China. Agricultural and Forest Meteorology, 2021, 308/309(4): 108558.

[25] WEI T, CHERRY T L, GLOMROD S, ZHANG T. Climate change impacts on crop yield: Evidence from China. Science of the Total Environment, 2014, 499(15): 133-140.

[26] 楊若子, 周廣勝. 東北三省主要農(nóng)業(yè)氣象災(zāi)害綜合危險性評價. 氣象學(xué)報, 2015, 73(6): 1141-1153.

YANG R Z, ZHOU G S. A comprehensive risk assessment of the main maize agro-meteorological disasters in the three provinces of Northeast China. Acta Meteorologica Sinica, 2015, 73(6): 1141-1153. (in Chinese)

[27] 吉林省統(tǒng)計局. 吉林統(tǒng)計年鑒. 北京: 中國統(tǒng)計出版社, 2019.

Statistic Bureau of Jilin. Jilin Statistical Yearbook. Beijing: China Statistics Press, 2019. (in Chinese)

[28] 遼寧省統(tǒng)計局. 遼寧統(tǒng)計年鑒. 北京: 中國統(tǒng)計出版社, 2019.

Statistic Bureau of Liaoning. Liaoning Statistical Yearbook. Beijing: China Statistics Press, 2019. (in Chinese)

[29] 黑龍江省統(tǒng)計局. 黑龍江統(tǒng)計年鑒. 北京: 中國統(tǒng)計出版社, 2019.

Statistic Bureau of Heilongjiang. Heilongjiang Statistical Yearbook. Beijing: China Statistics Press, 2019. (in Chinese)

[30] ZHU P, BURNEY J. Temperature-driven harvest decisions amplify US winter wheat loss under climate warming. Global Change Biology, 2021, 27(3): 550-562.

[31] 岳偉, 陳金華, 阮新民, 陳曦, 陳硯濤, 王珍. 安徽省沿江地區(qū)雙季稻光熱資源利用效率變化特征及對氣象產(chǎn)量的影響. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2019, 27(6): 929-940．

YUE W, CHEN J H,ＲUAN X M, CHEN X, CHEN Y T, WANG Z. Variation in characteristics of light and heat resource utilization efficiency of double-season rice and its impact on meteorological yield along the Yangtze River in Anhui Province. Chinese Journal of Eco-Agriculture, 2019, 27(6): 929-940. (in Chinese)

[32] 孫鳳華, 吳志堅, 李麗光. 遼寧西部地區(qū)的氣候變化及干濕狀況年代際變化特征. 中國沙漠, 2006(6): 969-975．

SUN F H, WU Z J, LI L G. Climate change and inter decadal fluctuation of dry and wet climate in western Liaoning Province. Journal of Desert Research, 2006(6): 969-975. (in Chinese)

[33] 李輝, 姚鳳梅, 張佳華, 郝翠. 東北地區(qū)玉米氣候產(chǎn)量變化及其對氣候變化的敏感性分析. 中國農(nóng)業(yè)氣象, 2014, 35(4): 423-428.

LI H, YAO F M, ZHANG J H, HAO C. Analysis on climate maize yield and its sensitivity to climate change in Northeast China. Chinese Journal of Agrometeorology, 2014, 35(4): 423-428. (in Chinese)

[34] 車曉翠, 李洪麗, 張春燕, 郭聃, 沈海鷗. 1980年代以來氣候變化對吉林省玉米產(chǎn)量的影響. 水土保持研究, 2021, 28(2): 230-241.

CHE X C, LI H L, ZHANG C Y, GUO D, SHEN H O. Impact of climate change on corn yield in Jilin Province since 1980s. Research of Soil and Water Conservation, 2021, 28(2): 230-241. (in Chinese)

[35] PABLO G P, NICOLAS G, JUAN G, MAESTRE F T. Climate mediates the biodiversity-ecosystem stability relationship globally. Proceedings of the National Academy of Sciences of the United States of America, 2018, 115(33): 8400-8405.

[36] 成林, 李彤霄, 劉榮花. 主要生育期氣候變化對河南省冬小麥生長及產(chǎn)量的影響. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2017, 25(6): 931-940.

CHENG L, LI T X, LIU R H. Effects of climate change on growth and yield of winter wheat in Henan province. Chinese Journal of Eco-Agriculture, 2017, 25(6): 931-940. (in Chinese)

[37] 白帆, 楊曉光, 劉志娟, 孫爽, 張鎮(zhèn)濤, 王曉煜, 高繼卿, 劉濤. 氣候變化背景下播期對東北三省春玉米產(chǎn)量的影響. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2020, 28(4): 480-491.

BAI F, YANG X G, LIU Z J, SUN S, ZHANG Z T, WANG X Y, GAO J Q, LIU T. Effects of sowing date on grain yield of spring maize in the three-province of the Northeast China under climate change. Chinese Journal of Eco-Agriculture, 2020, 28(4): 480-491. (in Chinese)

[38] 冶明珠, 郭建平, 袁彬, 趙俊芳. 氣候變化背景下東北地區(qū)熱量資源及玉米溫度適宜度. 應(yīng)用生態(tài)學(xué)報, 2012, 23(10): 2786-2794.

YE M Z, GUO J P, YUAN B, ZHAO J F. Thermal resources and maize temperature suitability in Northeast China under climate change. Chinese Journal of Applied Ecology, 2012, 23(10): 2786-2794. (in Chinese)

[39] 張麗敏, 張淑杰, 郭海, 王萍, 王冬妮, 李杰. 東北春玉米適宜生長期農(nóng)業(yè)氣候資源變化及其影響分析. 江西農(nóng)業(yè)學(xué)報, 2018, 30(2): 93-99.

ZHANG L M, ZHANG S J, GUO H, WANG P, WANG D N, LI J. Variations and effects of agricultural climate resources in suitable growth period of spring maize in Northeast China. Acta Agriculturae Jiangxi, 2018, 30(2): 93-99. (in Chinese)

[40] FU Y L, QU B X, LI G, ZHANG H, QU H. Changes of food production and the characteristics of inter-annual fluctuations in China. Food and Nutrition in China, 2012, 18(1): 16-19.

[41] 紀(jì)瑞鵬, 張玉書, 姜麗霞, 張淑杰, 馮銳, 陳鵬獅, 武晉雯, 米娜. 氣候變化對東北地區(qū)玉米生產(chǎn)的影響. 地理研究, 2012, 31(2): 290-298.

JI R P, ZHANG Y S, JIANG L X, ZHANG S J, FENG R, CHEN P S, WU J W, MI N. Effect of climate change on maize production in Northeast China. Geographical Research, 2012, 31(2): 290-298. (in Chinese)

[42] 陳鵬獅, 于文穎, 紀(jì)瑞鵬, 武晉雯, 張玉書, 馮銳．遼寧地區(qū)玉米生長發(fā)育及產(chǎn)量對溫度和降水的響應(yīng)．中國農(nóng)學(xué)通報, 2014, 30(27): 175-181.

CHEN P S, YU W Y, JI R P, WU J W, ZHANG Y S, FENG R. The responses of maize growth and yield to temperature and precipitation in Liaoning. Chinese Agricultural Science Bulletin, 2014, 30(27): 175-181. (in Chinese)

[43] 薛昌穎, 霍治國, 李世奎, 盧志光，毛飛, 莊立偉, 王素艷. 灌溉降低華北冬小麥干旱減產(chǎn)的風(fēng)險評估研究. 自然災(zāi)害學(xué)報, 2003, 12(3): 131-136.

XUE C Y, HUO Z G, LI S K, LU Z G, MAO F, ZHUANG L W, WANG S Y. Action of irrigation on decreasing yield reduction due to drought: a risk assessment of winter wheat in North China plain. Journal of Natural Disasters, 2003, 12(3): 131-136. (in Chinese)

[44] 楊曉晨, 明博, 陶洪斌, 王璞. 中國東北春玉米區(qū)干旱時空分布特征及其對產(chǎn)量的影響. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2015, 23(6): 758-767.

YANG X C, MING B, TAO H B, WANG P. Spatial distribution characteristics and impact on spring maize yield of drought in Northeast China. Chinese Journal of Eco-Agriculture, 2015, 23(6): 758-767. (in Chinese)

[45] 李心怡, 張祎, 趙艷霞, 杜子璇, 楊沈斌. 主要作物產(chǎn)量分離方法比較. 應(yīng)用氣象學(xué)報, 2020, 31(1): 74-82.

LI X Y, ZHANG Y, ZHAO Y X, DU Z X, YANG S B. Comparative study on main crop yield separation methods. Journal of Applied Meteorological Science, 2020, 31(1): 74-82. (in Chinese)

[46] 房世波. 分離趨勢產(chǎn)量和氣候產(chǎn)量的方法探討. 自然災(zāi)害學(xué)報, 2011, 20(6): 13-18.

FANG S B. Exploration of method for discrimination between trend crop yield and climatic fluctuant yield. Journal of Natural Disasters, 2011, 20(6): 13-18. (in Chinese)

Effects of changing normal and extreme climate states on maize meteorological yield in Northeast China

ZHANG WenJing, ZHAO Jin, CUI WenQian, LI ManYao, LI E, GONG XiaoYa, YANG XiaoGuang

College of Resources and Environmental Sciences, China Agricultural University, Beijing 100193

【Objective】Northeast China is the main grain production base in China, which has been significantly affected by climate change in recent years. It was of great significance to understand the impact of normal and extreme climate states changes on crop yield in Northeast China for regional crop production and national food security.【Method】In this study, the maize in Northeast China was used as research object, and the main climate factors affecting maize yield were screened to analyze the effects of normal and extreme climate states changes on maize yield in 81 counties in Northeast China from 1980 to 2018.【Result】(1) The average temperature, growing degree-days (GDD), and heat degree-days (HDD) during the maize growth period showed an increasing trend, and the rising rates were 0.34 ℃·(10 a)-1, 47.07 ℃·d·(10 a)-1, and 5.15 ℃·d·(10 a)-1, respectively. The precipitation showed a decreasing trend, with the rate of 7.0 mm·(10 a)-1; the average temperature, GDD, and HDD increased from northeast to southwest, while the precipitation increased from northwest to southeast. (2) The meteorological yield of maize in Northeast China showed an increasing trend from 1980 to 1999, with a rate of 80.93 kg·hm-2·a-1, while it showed a decreasing trend of 46.25 kg·hm-2·a-1from 2000 to 2018. In terms of spatial distribution, it showed an increasing trend from the middle to the surrounding areas. The area with high yield was concentrated in the eastern part of Heilongjiang. The change of Liaoning was the most stable, and the fluctuation range was stable in the middle area. (3) By the multiple linear regression model, HDD contributed the most to meteorological yield from 1980 to 2018, and the effect was negative, which meant extreme high temperature had the greatest impact on maize yield in Northeast China and caused maize yield reduction; GDD had a positive effect, that is, the average temperature increased maize yield, and the greater GDD, the more yield increased; the precipitation had a negative effect; the interaction between temperature and precipitation had a positive impact on maize yield in Northeast China.【Conclusion】Normal and extreme climate states changes and its impact on maize meteorological yield in Northeast China from 1980 to 2018 were as follow: the normal and extreme temperature showed an overall increasing trend, while the normal precipitation showed a decreasing trend. Extreme high temperatures and normal precipitation led to a decrease in maize yield, but the average temperature increased maize yield, and the extreme high temperature had the greatest impact. In the future, it was necessary to make full use of the average temperature state and minimize the harm caused by extreme high temperature to ensure a high-stable maize production.

climate change; northeast China; maize meteorological yield; contribution rate

10.3864/j.issn.0578-1752.2023.10.004

2022-04-13；

2022-06-06

國家重點研發(fā)計劃（2019YFA0607402）、中國農(nóng)業(yè)大學(xué)2115人才工程

張文婧，E-mail：zhangwenjing@cau.edu.cn。通信作者趙錦，E-mail：jinzhao@cau.edu.cn

（責(zé)任編輯 楊鑫浩，岳梅）