氣候變化和極端事件對(duì)新疆地區(qū)冬小麥生長(zhǎng)和產(chǎn)量的影響

李春

摘要：目前，如何運(yùn)用高科技手段進(jìn)行批量化、大尺度反映出氣候變化和極端天氣氣候事件對(duì)農(nóng)作物產(chǎn)量的影響，對(duì)已發(fā)生的不利影響或新的變化及時(shí)做出調(diào)整，是研究的熱點(diǎn)。近年來(lái)隨著農(nóng)業(yè)模型（農(nóng)業(yè)數(shù)學(xué)模型與農(nóng)業(yè)計(jì)算機(jī)模型）和機(jī)器學(xué)習(xí)方法廣泛應(yīng)用于農(nóng)業(yè)研究，將其結(jié)合來(lái)研究氣候變化對(duì)作物產(chǎn)量的影響，是一個(gè)重要的研究工具。量化氣候變化對(duì)冬小麥的影響，找出影響的關(guān)鍵因素并提出適應(yīng)性措施至關(guān)重要。

關(guān)鍵詞：氣象要素；氣候極端指數(shù)；冬小麥

0 引言

新疆維吾爾自治區(qū)位于西北部（73°40'～96°23'E，

34°22'～49°10'N），是面積最大的省份，占國(guó)土面積的六分之一。新疆是典型的干旱和半干旱地區(qū)，屬于溫帶大陸性干旱氣候。擁有三山夾兩盆（即南部的昆侖山，新疆中部的天山和東北的阿爾泰山，以及準(zhǔn)噶爾和吐魯番兩個(gè)盆地）的特殊地形。小麥?zhǔn)亲钇毡榈募Z食作物之一，支撐著世界上35%～40%的人口。在中國(guó)，小麥?zhǔn)莾H次于水稻的第二大糧食作物，小麥產(chǎn)量約占糧食總產(chǎn)量的29%（國(guó)家統(tǒng)計(jì)局2017）。在新疆，小麥作為新疆第一大糧食作物，種植面積占糧食作物的65%以上。2009年新疆糧食面積195.25萬(wàn)hm2，其中小麥種植面積113.33多萬(wàn)hm2。從國(guó)家糧食安全的角度出發(fā)，新疆作為國(guó)家糧食生產(chǎn)戰(zhàn)略后備區(qū)，國(guó)家對(duì)新疆糧食的總體要求為“區(qū)內(nèi)平衡、略有結(jié)余”，因此，大力發(fā)展新疆的糧食產(chǎn)業(yè)也是保障國(guó)家糧食安全的重要組成部分[1]。近年來(lái)，氣候變化給小麥生產(chǎn)帶來(lái)了巨大的風(fēng)險(xiǎn)。隨著經(jīng)濟(jì)的發(fā)展，人口的增長(zhǎng)和生活水平的提高，維持和增加小麥產(chǎn)量至關(guān)重要。因此，量化氣候變化對(duì)冬小麥產(chǎn)量的影響對(duì)指導(dǎo)新疆地區(qū)農(nóng)田生產(chǎn)實(shí)踐和采取措施適應(yīng)全球氣候變化具有重要意義。

1 存在的主要問(wèn)題

（1）目前很多學(xué)者用CMIP5氣候數(shù)據(jù)分析未來(lái)時(shí)期氣候變化和極端事件對(duì)作物產(chǎn)量的影響，而CMIP6氣候情景模式近年來(lái)由全球氣候研究組織最新提出的21世紀(jì)可能出現(xiàn)的氣候情景。NWAI-WG方法也是一種降尺度精度較高的統(tǒng)計(jì)降尺度方法，較少學(xué)者用來(lái)對(duì)比分析未來(lái)情景下氣候變化和極端事件對(duì)新疆冬小麥生長(zhǎng)和產(chǎn)量的影響。

（2）目前冬小麥種植區(qū)新疆農(nóng)業(yè)氣象站觀測(cè)的時(shí)間序列短，所用品種多，以往用來(lái)研究新疆冬小麥產(chǎn)量的文獻(xiàn)多數(shù)針對(duì)單個(gè)試驗(yàn)站單個(gè)品種，而冬小麥在新疆種植范圍廣，不同站點(diǎn)的氣候條件差異較大，不同熟制品種的產(chǎn)量也有差別，歷史和未來(lái)時(shí)期不同情景結(jié)合作物模型有待深入探究。而根區(qū)水質(zhì)模型可以很好地模擬歷史和未來(lái)情景下冬小麥生長(zhǎng)和產(chǎn)量情況，針對(duì)未來(lái)氣候變化和極端事件對(duì)新疆冬小麥生育期、生物量、產(chǎn)量、水分利用效率的影響要進(jìn)一步量化研究[2]。

（3）有關(guān)氣候變化對(duì)冬小麥生長(zhǎng)和產(chǎn)量影響的研究多數(shù)以回歸分析為主大多，而大多只單獨(dú)研究了氣候變化對(duì)冬小麥產(chǎn)量的影響，極端事件與冬小麥產(chǎn)量影響大小還需進(jìn)一步研究。機(jī)器學(xué)習(xí)方法已經(jīng)被越來(lái)越廣泛應(yīng)用到農(nóng)業(yè)系統(tǒng)研究，用多個(gè)機(jī)器學(xué)習(xí)方法對(duì)比分析，得出極端溫度和降水指數(shù)與冬小麥產(chǎn)量的最優(yōu)模型，找出貢獻(xiàn)率最高的極端指數(shù)也需要做進(jìn)一步探究。

2 極端溫度事件對(duì)冬小麥生長(zhǎng)及產(chǎn)量的影響

很多學(xué)者研究極端溫度事件對(duì)冬小麥生長(zhǎng)和產(chǎn)量的影響，如Osmanetal.通過(guò)植物盆栽試驗(yàn)研究極端高溫脅迫對(duì)冬小麥籽粒產(chǎn)量和質(zhì)量的影響，得出高溫降低了地上部總氮含量，增加了籽粒氮積累速率，而地上部總氮和籽粒氮積累速率在開花期比籽粒灌漿時(shí)對(duì)極端高溫更敏感，改進(jìn)了小麥生長(zhǎng)作物模型對(duì)地上總氮、谷物氮積累和小麥籽粒蛋白質(zhì)濃度動(dòng)態(tài)的模擬。根據(jù)TNn、TXx、FD、SU和TX90p這5個(gè)極端溫度指數(shù)的變化規(guī)律，在過(guò)去30年，新疆地區(qū)氣候以變暖為主。這與Lietal.等人的1961～2013年天山山脈區(qū)域有顯著的變暖變濕趨勢(shì)的結(jié)論一致。暖晝?nèi)諗?shù)和霜凍日數(shù)對(duì)冬小麥產(chǎn)量變化影響較大，這與Li得出的高溫和冷極指數(shù)會(huì)減少或增加產(chǎn)量的結(jié)論一致。這主要是霜凍會(huì)對(duì)冬小麥抽穗和開花期造成影響，而高溫會(huì)減少開花期到灌漿早期冬小麥的籽粒數(shù)。Sunetal.通過(guò)研究水稻，建立灌漿速率與高溫日數(shù)的模型，定量分析極端高溫對(duì)水稻灌漿速率的影響[3]。Chenetal.通過(guò)研究1982～2015極端災(zāi)害事件對(duì)中國(guó)初級(jí)生產(chǎn)力的影響，指出華南地區(qū)的初級(jí)生產(chǎn)力更多受極端溫度影響。

多數(shù)站點(diǎn)回歸模型的Radj2值呈現(xiàn)出多變量非線性回歸>多元線性回歸>單變量線性回歸的規(guī)律。這說(shuō)明非線性關(guān)系能更好地解釋極端溫度指數(shù)對(duì)產(chǎn)量的影響，這與Troyetal.等人出的產(chǎn)量與溫度氣候指數(shù)之間存在非線性和閾值型關(guān)系的結(jié)論一致。產(chǎn)量的一階差分值與5個(gè)極端溫度指數(shù)的一階差分值之間的r絕對(duì)值大于0.4的有6個(gè)，這是因?yàn)樾陆←溨饕侨斯す喔?，灌溉?huì)大大減少氣候指數(shù)的影響，這也與Troyetal.的結(jié)論一致。

為了定量研究極端溫度指數(shù)對(duì)新疆冬小麥生長(zhǎng)和產(chǎn)量的影響，首先用多重共線性檢測(cè)方法從12個(gè)極端溫度指數(shù)中選出5個(gè)不具有多重共線性的極端溫度指數(shù)為TNn、TXx、FD、SU和TX90p，分析其時(shí)空變異性，后采用一階差分、皮爾遜相關(guān)、多元線性和非線性回歸方法，最終構(gòu)建1981～2017年新疆20個(gè)站的冬小麥產(chǎn)量構(gòu)成指標(biāo)與極端溫度指標(biāo)最優(yōu)回歸模型，并得出如下結(jié)論：

（1）在1981～2017年期間，TNn和TXx的變化范圍分別為–30.0～–9.5°C和31.8～43.7°C，F(xiàn)D、SU和TX90p變化范圍為81～180d，59～161d和23～102d。TXx、TNn、SU和TX90p分別在8、18、20和4個(gè)站呈上升趨勢(shì)，其中1、5、11和0個(gè)呈顯著上升趨勢(shì)。FD全部呈下降趨勢(shì)，其中3個(gè)站呈顯著下降趨勢(shì)。這5個(gè)極端溫度指數(shù)反映出在過(guò)去30年，新疆地區(qū)氣候以變暖為主。

（2）產(chǎn)量構(gòu)成指數(shù)和極端溫度指數(shù)之間的皮爾遜相關(guān)系數(shù)范圍為–0.59～0.67，冬小麥株高、生育期、千粒重、單穗穗粒數(shù)和產(chǎn)量的一階差分值與5個(gè)極端溫度指數(shù)的一階差分值之間的r絕對(duì)值大于0.4的分別有7、4、3、3、4和6個(gè)站。

（3）在20個(gè)站中，株高、生育期、千粒重、單穗穗粒數(shù)、地上部生物量和產(chǎn)量共有9、8、11、9、6和6個(gè)站獲得了回歸模型，有6個(gè)是一元線性的，有18個(gè)是多元線性的，有24個(gè)是多元非線性的。這些回歸模型的Radj2值，多數(shù)站呈現(xiàn)出多變量非線性回歸>多元線性回歸>單變量線性回歸。此外，冬小麥株高、生育期、千粒重、單穗穗粒數(shù)、地上部生物量和產(chǎn)量的最大Radj2值分別為0.58、0.46、0.29、0.44、0.30和0.45，表明極端溫度指數(shù)可以解釋29%～58％的冬小麥產(chǎn)量變異。極端溫度指數(shù)對(duì)冬小麥產(chǎn)量變化影響排序?yàn)椋篢X90p>FD>SU=TNn=TXx。

3 極端降水事件對(duì)冬小麥生長(zhǎng)及產(chǎn)量的影響

已有很多學(xué)者研究極端降水事件對(duì)作物產(chǎn)量影響，LiuandBasso用作物模型模擬美國(guó)中西部北部在常規(guī)耕作和免耕條件下美國(guó)中西部北部玉米-大豆-小麥輪作系統(tǒng)的長(zhǎng)期玉米和小麥產(chǎn)量和土壤有機(jī)碳變化，發(fā)現(xiàn)未來(lái)玉米產(chǎn)量下降，而小麥產(chǎn)量增加，指出氣候影響作物產(chǎn)量評(píng)估中需要重點(diǎn)考慮干旱和極端降水事件。Fengetal.研究極端降水指數(shù)對(duì)澳大利亞新南威爾士州小麥產(chǎn)量的影響，6～8月、9～11月的3個(gè)月標(biāo)準(zhǔn)化降水指數(shù)和持續(xù)干旱天數(shù)被確定為最重要的三個(gè)指標(biāo)，可以解釋大部分小麥帶的產(chǎn)量變化，并指出冬季和春季降雨的年際變化是小麥產(chǎn)量變化的主要原因，而生育期前的降雨起次要作用。NouriandBannayan研究，極端低溫、高溫、低降雨量和土壤缺水對(duì)雨養(yǎng)小麥和大麥的產(chǎn)量的影響，得出對(duì)于大多數(shù)站點(diǎn)，產(chǎn)量與土壤水分虧缺和極端降水指數(shù)呈負(fù)相關(guān)（p<0.05），但與極端溫度指數(shù)不相關(guān)，農(nóng)業(yè)干旱對(duì)雨養(yǎng)作物產(chǎn)量的不利影響更大。

為綜合比較各個(gè)指數(shù)對(duì)產(chǎn)量的影響，將其與產(chǎn)量進(jìn)行線性回歸分析。冬小麥產(chǎn)量的一階差分與日最高溫、日最低溫和最高溫與最低溫差值的一階差分在多個(gè)站點(diǎn)具有強(qiáng)相關(guān)性。本文得出極端溫度和降水指數(shù)與產(chǎn)量建立的回歸方程的Radj2值在0.29～0.58和0.27～0.58，說(shuō)明極端溫度事件對(duì)冬小麥產(chǎn)量影響大，與其他學(xué)者得出極端天氣霜凍和高溫等對(duì)小麥產(chǎn)量影響很大的結(jié)論一致。極端降水指數(shù)與株高、生育期、千粒重、單穗穗粒數(shù)、地上部生物量和產(chǎn)量共建立回歸模型57個(gè)，有46個(gè)是線性方程，有11個(gè)是多元非線性的，建立的回歸模型多數(shù)為線性模型。這與氣象要素和極端溫度指數(shù)建立得到的非線性回歸模型較多的結(jié)果不同，這說(shuō)明極端降水指數(shù)對(duì)冬小麥產(chǎn)量的影響不如極端溫度復(fù)雜。這與CherenkovaandSemenov等人通過(guò)研究1991～2019年俄羅斯歐洲南部小麥產(chǎn)量生育期內(nèi)極端氣候變化，得出從小麥生產(chǎn)力的年度總影響的角度來(lái)看，極端溫度比極端降水事件更重要的結(jié)論一致。

為了定量研究極端降水指數(shù)對(duì)新疆冬小麥生長(zhǎng)和產(chǎn)量的影響，首先用共線性檢測(cè)方法從7個(gè)指數(shù)中選出6個(gè)不具有多重共線性的極端降水指數(shù)：日常降水指數(shù)（SDII）、最大1日降水（RX1day）、最大5日降水（RX5day）、持續(xù)干旱天數(shù)（CDD）、非常濕潤(rùn)天（R95p）和強(qiáng)降水天數(shù)（R10），分析其時(shí)空變異性，后采用一階差分、皮爾遜相關(guān)、多元線性和非線性回歸方法，最終構(gòu)建1981～2017年新疆20個(gè)站點(diǎn)的冬小麥產(chǎn)量構(gòu)成指標(biāo)與極端降水指標(biāo)最優(yōu)回歸模型，并得出如下結(jié)論：

（1）在1981～2017年期間，SDII的范圍為1.2～11mm。RX1day范圍為1～56mm。RX5day、R95p、CDD和R10變化范圍為1.4～91mm、5.4～393mm、14～321d和1～24d。SDII在12個(gè)站點(diǎn)是增加的趨勢(shì)，其中有1站點(diǎn)呈顯著上升。RX1day在14個(gè)站點(diǎn)呈上升趨勢(shì)，其中1個(gè)站點(diǎn)呈顯著上升趨勢(shì)。RX5day在16站點(diǎn)呈上升趨勢(shì)，其中1個(gè)呈顯著上升趨勢(shì)。R95p在17個(gè)站點(diǎn)呈下降趨勢(shì)，而只在3個(gè)站點(diǎn)呈顯著上升趨勢(shì)。CDD在17個(gè)站點(diǎn)呈下降趨勢(shì)，其中3個(gè)站點(diǎn)呈顯著下降。R10在14個(gè)站點(diǎn)呈上升趨勢(shì)，其中2個(gè)站點(diǎn)呈顯著上升。

（2）產(chǎn)量構(gòu)成指數(shù)和極端降水指數(shù)之間的皮爾遜相關(guān)系數(shù)范圍為–0.59～0.67，冬小麥株高、生育期、千粒重、單穗穗粒數(shù)和產(chǎn)量的一階差分值與6個(gè)極端降水指數(shù)的一階差分值之間的r絕對(duì)值大于0.4的有3、4、1、4、3和8個(gè)。

（3）在20個(gè)站點(diǎn)中，株高、生育期、千粒重、單穗穗粒數(shù)、地上部生物量和產(chǎn)量共有10、12、8、8、9和10個(gè)站點(diǎn)獲得了回歸模型，有12個(gè)是一元線性的，有34個(gè)是多元線性的，有11個(gè)是多元非線性的，回歸模型多數(shù)為線性回歸模型。此外，冬小麥株高、生育期、千粒重、單穗穗粒數(shù)、地上部生物量和產(chǎn)量的最大Radj2值分別為0.58、0.36、0.58、0.27、0.38和0.45，表明極端降水指數(shù)可以解釋27%～58％的冬小麥產(chǎn)量的變異性。極端降水指數(shù)對(duì)冬小麥產(chǎn)量變化影響排序?yàn)椋篟95p>R10>RX5day>SDII=CDD>RX1day。

4 應(yīng)對(duì)策略

（1）未來(lái)時(shí)期早熟和中熟比晚熟品種的水分利用率高，隨著氣候變化，生育期縮短，建議種植中熟品種，可以提高水分利用效率，有效提高產(chǎn)量。

（2）未來(lái)時(shí)期高溫和低溫是影響冬小麥產(chǎn)量最重要的極端指數(shù)，建議健全相應(yīng)的氣象及其衍生和次生災(zāi)害應(yīng)急處置機(jī)制。例如：建立氣候變化綜合觀測(cè)系統(tǒng)，建立氣候?yàn)?zāi)害防御工程，提高應(yīng)對(duì)極端天氣災(zāi)害的綜合檢測(cè)預(yù)警能力、抵御能力和減災(zāi)能力[4]。

5 不足和展望

本文結(jié)合RZWQM2模型在分析歷史時(shí)期和未來(lái)時(shí)期氣候變化和極端事件對(duì)新疆各農(nóng)氣站點(diǎn)冬小麥生長(zhǎng)和產(chǎn)量的影響。雖然取得了一定的研究成果，但仍然有些不足之處，需要在今后的研究中進(jìn)一步完善和解決：

（1）本研究將氣候要素、極端溫度指數(shù)和極端降水指數(shù)單獨(dú)與冬小麥生長(zhǎng)和產(chǎn)量進(jìn)行分析，下一步研究將考慮綜合指數(shù)，深入研究機(jī)理，分析其對(duì)冬小麥生長(zhǎng)和產(chǎn)量的影響。

（2）本研究區(qū)域主要在新疆地區(qū)，而冬小麥生產(chǎn)區(qū)域遍布全國(guó)，下一步需要擴(kuò)大尺度從區(qū)域擴(kuò)展到全國(guó)乃至全球尺度分析。本研究對(duì)象主要為單一糧食作物，而在未來(lái)時(shí)期，極端事件對(duì)作物影響越來(lái)越大，下一步研究可以擴(kuò)展到其他糧食作物和經(jīng)濟(jì)作物。

（3）冬小麥從播種到收獲過(guò)程受到多種因素的影響和制約，在利用RZWQM2模型研究未來(lái)時(shí)期氣候變化和極端事件對(duì)新疆各農(nóng)氣站點(diǎn)冬小麥生長(zhǎng)和產(chǎn)量的影響時(shí)沒(méi)有考慮土壤孔隙度的變化、耕作方式和冬小麥播期改變對(duì)研究造成的影響。

（4）盡管RZWQM2模型耦合RZWQM1和DSSAT-CERES，但是受到模型結(jié)構(gòu)的影響，在模擬冬小麥生長(zhǎng)過(guò)程時(shí)仍然存在很大不確定性，所以在今后的研究中，可以考慮多種作物模型（EPIC、APSIM、WOFOST和WAVE）進(jìn)行對(duì)比分析，交叉驗(yàn)證模擬結(jié)果，以此提高模擬結(jié)果的可靠性。

（5）本研究極端事件對(duì)冬小麥的影響主要體現(xiàn)在國(guó)際研究小組提出的極端指標(biāo)上，下一步可結(jié)合多種作物模型對(duì)影響冬小麥的自然災(zāi)害凍害、倒春寒、霜凍、倒伏等進(jìn)行量化研究。

參考文獻(xiàn)

[1] 丁晉利，武繼承，楊永輝，等.耕作方式轉(zhuǎn)變對(duì)土壤蓄水保墑?dòng)绊懙腞ZWQM模型模擬[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016（4）：136-145.

[2] 任國(guó)玉，封國(guó)林，嚴(yán)中偉.中國(guó)極端氣候變化觀測(cè)研究回顧與展望[J].氣候與環(huán)境研究，2010（4）：337-353.

[3] 佟曉輝，劉向培，葉培春，等.1961-2013年?yáng)|北區(qū)域極端氣溫的變化特征[J].解放軍理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，17（6）：578-584.

[4] 馮靈芝，偉熊，輝居，等.RCP情景下長(zhǎng)江中下游地區(qū)水稻生育期內(nèi)高溫事件的變化特征[J].中國(guó)農(nóng)業(yè)氣象，2015，36（4）：383-392.