极端高温对黄淮海平原冬小麦产量的影响

石晓丽，史文娇

(1.河北师范大学资源与环境科学学院，河北 石家庄　050024；2.河北省环境演变与生态建设实验室，河北 石家庄　050024；3.中国科学院地理科学与资源研究所陆地表层格局与模拟院重点实验室，北京　100101)



极端高温对黄淮海平原冬小麦产量的影响

石晓丽1，2，史文娇3①

(1.河北师范大学资源与环境科学学院，河北 石家庄050024；2.河北省环境演变与生态建设实验室，河北 石家庄050024；3.中国科学院地理科学与资源研究所陆地表层格局与模拟院重点实验室，北京100101)

摘要：以黄淮海平原冬小麦为研究对象，选择极热天数和极端生长度日作为极端高温指标，采用气候倾向率法分析冬小麦生长季极端高温的时空变化分布规律；基于一阶差分法建立一般生长度日、极端生长度日和降水与冬小麦产量的多元线性回归模型，从县级、省级和区域3个尺度分析冬小麦产量对极端高温的敏感性，阐明近29 a极端高温对冬小麦产量变化的贡献程度。结果表明，1980—2008年，黄淮海平原冬小麦生长季的极端高温有加剧趋势，且空间上自东向西逐渐加重。在县级、省级和区域尺度极端生长度日对冬小麦产量均呈明显的负效应。淮河以北地区大部分县市的极端高温对冬小麦具有明显的减产效应。天津市和河南省冬小麦受极端高温影响严重，分别减产4.15%和1.49%。近29 a来黄淮海平原北部与南部区域冬小麦生长季极端生长度日的增加分别导致冬小麦减产0.72%和0.65%。因此，过去几十年的极端高温不利于黄淮海平原冬小麦的生长发育。

关键词：极端高温；冬小麦产量；一阶差分法；黄淮海平原

农业对气候变化反应非常敏感[1-2]。政府间气候变化专门委员会(IPCC)第5次评估报告指出:有很高的信度表明,气候变化通过改变温度、降水以及极端气候事件(高温、干旱、洪水等)对许多国家和地区的粮食生产产生了显著影响[3]。正确理解气候变化对作物生长影响的规律,定量识别气候变化对作物产量的影响程度,可提高农业对气候变化的适应能力,缓解气候变化对粮食安全的不利影响。

目前,关于气候变化与冬小麦产量的关系,国内外研究多集中在气候要素平均状态的长期趋势变化对冬小麦产量的影响程度。例如,LOBELL等[4]研究表明,1980年以来全球冬小麦因平均温度升高导致的减产达5.5%。ZHANG等[5]认为,平均温度和温度日较差对中国小麦产量具有负效应。1980—2008年,中国主要气候变量变化导致小麦单产降低1.27%,总产降低3.6×105t[6]。XIONG等[7]认为,东北中部的春小麦、黄河流域的冬小麦均受生长季平均温度升高的影响而有一定程度的产量下降。另外有些学者从田间实验的角度研究了增温对冬小麦产量的影响[8-11]。例如,房世波等[8]利用红外辐射器模拟大田条件下的夜间增温环境,发现春季夜间冠层增温2.5 ℃会导致黄淮海地区冬小麦无效穗数显著增加,小穗数、穗粒数和千粒重显著减小,冬小麦减产达26.6%。而就红外辐射器模拟的全生育期夜间增温而言,无论是偏冷年型还是偏暖年型,试验区夜间增温2～2.5 ℃并未导致冬小麦产量下降,而偏冷年的增温较偏暖年的增温可更显著地提高黄淮海冬小麦产量[11]。

除以上气候要素平均状态的长期趋势变化对作物产生影响外,近几十年极端气候的频繁发生对作物产量的影响也需要引起重视。1950年以来,欧洲、亚洲和澳大利亚的大部分地区极端高温发生的频率越来越高[3]。极端高温影响作物生长,引起作物生理损害并导致减产[12-15]。然而,大多数作物机理模型包含了平均温度变化对产量的影响,但较少考虑极端高温对作物生长的影响[14,16-18]。ASSENG等[14]发现澳大利亚小麦主产区超过34 ℃的高温会导致小麦产量减少50%。LOBELL等[16]认为极端高温的增加会导致印度小麦生长季变短进而影响小麦产量。GOURDJI等[18]指出如果不采取相应的措施,生殖生长期的极端高温会增加包括小麦在内的全球主要作物减产的风险。中国也有部分学者研究了极端温度对作物产量的影响。例如,刘晓菲等[19]分析了1960—2009年低温冷害对黑龙江省水稻产量的影响,结果表明人为因素和气象因素对黑龙江省水稻生产的影响分别占87.2%和12.8%。叶清等[20]分析了江西省1981—2007年极端高温和极端低温的变化趋势,并探讨了极端温度对双季稻的减产风险。SUN等[21]分析了1961—2008年不同生育期极端高温与极端低温对中国灌溉水稻产量的影响。但是,关于中国过去极端高温变化对冬小麦产量的直接影响以及产量损失对极端高温敏感性的定量化研究还比较缺乏[22-25]。

作为中国重要粮食主产区和冬小麦种植区的黄淮海平原,其冬小麦产量对气候变化的响应对中国的粮食安全具有重要意义。目前气候变化对我国冬小麦产量的影响研究大多针对气温、降水等气候要素平均状态的长期趋势对产量的影响,而极端高温对冬小麦产量的影响分析较少[26-30]。笔者利用1980年以来黄淮海平原冬小麦区不同尺度的产量数据和相应的气候数据,选择极热天数和极端生长度日代表极端高温,分析了1980—2008年极端高温的空间分布与时间趋势;采用一阶差分法,建立极端生长度日、一般生长度日、降水与冬小麦产量之间的多元线性回归模型,探讨了县级、省级和区域尺度冬小麦产量对极端高温的敏感性,明确了近29 a来极端高温对冬小麦产量的贡献程度,以期为气候变化下小麦适应措施的选择与制定提供科学依据。

1数据与方法

1.1研究区概况

根据中国小麦种植区划图[31],研究区如图1所示,即黄淮海平原地区冬小麦的生长范围(除河北省北部春小麦区域外的黄淮海平原,包含5省2市)。研究区地处暖温带半湿润气候区,光照充足,热量资源丰富,年降水量为500～1 000 mm,年平均气温为8～15 ℃,最冷月平均气温为-7～2 ℃,≥0 ℃ 积温为4 200～5 500 ℃·d,≥10 ℃积温为3 600～4 800 ℃·d,年无霜期为170～220 d,具有悠久的农耕历史。

1.2数据处理

1.2.1气候数据

气象站点数据来自国家气象台站观测数据,包括1980—2008年各区域冬小麦生长季内逐日最高温、最低温和降水数据,对其中数据缺失的站点进行剔除,站点分布如图1所示。冬小麦生长季内县级尺度最高温、最低温的日值数据基于距离最近的3个站点,采用不规则三角网插值;由于降水数据空间内插的不确定性较大,因此冬小麦生长季内县级尺度的降水数据采用距离最近的气象台站数据代替[6]。极热天数、极端生长度日及降水等气候要素指标均根据插值结果,以县为单位进行统计。

图1　黄淮海平原冬小麦区及气象站点分布

1.2.2生长季数据

冬小麦生长季数据来自国家气象局农业气象站点的记录,为1980年以来主要的物候期,包括播种、出苗、分蘖、拔节、孕穗、抽雄、开花和成熟等。由于气候变化、品种改变和人为管理等因素导致黄淮海平原地区冬小麦生长季在每个省的不同地区、不同年份不尽相同,因此选择1980—2008年黄淮海平原每个省(或直辖市)的冬小麦生长季多年平均值,并参考已有文献确定不同地区冬小麦生长季[6,32]。

1.2.3产量数据

1980—2008年县级尺度冬小麦单产数据来自中国农业出版社每年出版的《农业统计年鉴》,另外还有一些未出版的数据来自县统计局[6]。对县级产量数据进行质量检查,剔除异常值后最终得到有效连贯的冬小麦单产数据的县市数为535个。

1.3方法

1.3.1极热天数(extreme heat days,EHD，DEH)

极热天数代表极端高温发生的频率。根据冬小麦生长发育与温度关系的相关研究,将影响冬小麦生长的温度上限阈值设为34 ℃[9,16,33]。极热天数由生长季内日最高温大于34 ℃的天数累加而得。具体计算公式如下:

(1)

(2)

式(1)～(2)中,DEH为生长季内累计极热天数,d;t为以天为单位的步长;N为冬小麦生长季天数,d;deh,t为冬小麦生长季内每天的极热天数,d;Tmax为日最高温,℃;Tcrit为影响冬小麦生长的温度上限阈值,℃。

1.3.2一般生长度日(normal growing degree days,GDD，DGD)

一般生长度日指作物完成某一生育阶段所经历的累积有效积温,是代表植物生长积累的热量指标(为了与1.3.3节中极端生长度日进行区别,笔者用一般生长度日代替生长度日)。GDD是将生长季内介于基点温度和最适温度范围的上限之间的度数累加,结合生长季内逐日最高温与最低温计算而得。根据冬小麦生长发育对温度的要求,一般生长度日计算的基点温度与最适温度范围的上限分别确定为0和30 ℃[16]。具体计算公式如下:

(3)

dgd，t=

(4)

式(3)～(4)中,dgd,t为冬小麦生长季内每天的一般生长度日,℃;Tmin为日最低温,℃;Tbase和Tup分别为冬小麦的基准温度和最适温度范围的上限,℃。

1.3.3极端生长度日(extreme growing degree days,EDD，DED)

极端生长度日代表超过冬小麦生长温度上限阈值的程度,其值越高说明极端高温发生的程度越严重。将生长季内日最高温超过34 ℃的温度值进行累加即可得到极端生长度日。具体计算公式如下:

(5)

(6)

式(5)～(6)中,ded,t为冬小麦生长季内每天的极端生长度日,℃。

1.3.4时间趋势分析

气候变量的时间趋势分析采用气候倾向率方法,即在气候变量与时间之间建立一元线性回归方程:

Y=ax+b。

(7)

式(7)中,Y为某一气候变量;x为这一气候变量对应的时间;b为常数;a为回归系数,其正负分别表示气候变量趋势的增加和减少,以a的10倍作为各指标的气候倾向率,代表气候变量每10 a的变化量。

1.3.5气候要素对冬小麦产量的影响分析

温度和降水是制约小麦生育和产量形成的关键气象因子[34]。目前关于气候变化对冬小麦产量的影响研究也多借助于包含温度、降水等气候要素与产量建立的回归方程[4,16,35]。笔者引入温度和降水构建回归方程,并重点加入极端高温,分析其对产量的影响。在方程中,温度用生长季的有效积温GDD表示,以对比极端高温与一般温度指标对冬小麦产量影响的差异。

为了去除技术进步及管理等各项非气候因素对产量的影响,仅分析气候要素对产量的影响,借鉴前人常用的方法[36-38],采用产量与气候变量的一阶差分(即当年与前一年的差值)来分析气候要素对冬小麦产量的影响。气候要素对冬小麦产量的影响评估采用多元线性回归方法[6,39-40],即

ΔY=β0+βGΔDGD+βEΔDED+βPΔP。

(8)

式(8)中,ΔY为冬小麦单产的一阶差分,kg·hm-2;ΔDGD、ΔDED和ΔP分别为生长季内一般生长度日、极端生长度日和降水量的一阶差分,单位分别为℃、℃和mm;β0为方程的截距;βG、βE和βP分别为一般生长度日、极端生长度日和降水对冬小麦产量的影响程度,对应表示GDD、EDD和降水变化时冬小麦产量的变化。为了减少样本数量有限对结果产生的不确定性,采用bootstrap方法重置样本,重置次数设为1 000次,得到拟合参数βG、βE和βP的中值作为最终的方程系数。

对每个县而言,冬小麦产量对极端生长度日的敏感性定义为当其极端生长度日变化1 ℃时冬小麦产量的变化幅度。由式(8)中的方程系数除以各县1980—2008年冬小麦平均单产得到,结果以百分数的形式表示。具体计算公式如下:

(9)

式(9)中,SEDD为冬小麦产量对极端生长度日的敏感性,%·℃-1;βE为极端生长度日对冬小麦产量的影响,kg·hm-2;Yave为各县1980—2008年冬小麦平均单产,kg·hm-2。

极端生长度日对冬小麦产量的总体影响由1980—2008年EDD总体变化趋势与敏感性相乘得到,即:

IEDD=TEDD×SEDD。

(10)

式(10)中,IEDD为EDD对冬小麦产量的总体影响,%;TEDD为1980—2008年EDD总体变化,℃;SEDD为冬小麦产量对EDD的敏感性,%·℃-1。

2结果与分析

2.1极端高温的时空分布格局

2.1.1极热天数

黄淮海平原冬小麦区EHD的分布总体上呈现西高东低的格局(图2)。研究区范围内约1/3的县34 ℃以上EHD达8 d以上,主要分布在河北省南部、河南省中部和北部地区。河北省东南部的南宫市EHD最多,其1980—2008年EHD平均值超过12 d;其次为河北省中南部地区(包括石家庄、邢台、衡水和邯郸的部分地区)和中部地区(郑州、许昌和平顶山附近),超过34 ℃的EHD在10～12 d之间;与其相邻的区域EHD介于8～10 d之间。河北省东部、北京市北部、山东省中南部以及河南省东南部地区EHD在2～4 d之间;其余地区大都在4～8 d之间。山东省和河北省沿海地区EHD均在2 d以下,为全区最低,东部沿海地形对消减极热天气的发生有一定作用。处于南部的江苏省和安徽省纬度较低,从全年看极热天气本应较多,但由于其冬小麦收获较早,所以冬小麦生长季内极热天数较少。

EHD随时间变化趋势的空间分布表明,呈增加趋势的区域面积(约占3/4)远远大于呈减小趋势的区域(约占1/4)(图2)。除江苏省中部和南部、河北省中南部和东部沿海平原以及山东省西北地区EHD呈减少趋势外,其余地区显现出由东向西逐渐加强的规律。河南省整体EHD增加最为明显,平顶山市和郏县增幅最大,超过2.5 d·(10 a)-1;其次为河南省西部、中部地区,增加趋势介于1.5～2.5 d·(10 a)-1之间;河南省其余地区、河北省太行山地区、北京市和天津市增加天数较少〔0.5～1 d·(10 a)-1〕;山东省、安徽省大部分地区以及江苏省北部地区增幅不明显〔小于0.5 d·(10 a)-1〕。

2.1.2极端生长度日

从总体上看,黄淮海平原冬小麦区生长季EDD多年平均值的空间分布规律与EHD类似,主要表现在西部和南部较高(图2)。近1/4范围县域的EDD在16 ℃以上,主要分布在河北省南部和河南省中部地区,与EHD≥8 d的空间分布区域吻合较好。

从时间趋势上看,EDD增加趋势由东向西逐渐增大,与EHD类似。EDD以增加趋势为主,呈增加趋势的县市比例高达4/5。呈减少趋势的区域分布与EHD略有不同,主要集中在江苏省以及安徽省东部和东北部。在EHD呈减少趋势的河北省中南部和东部平原,除小范围零星分布有EDD减少的区域外,大部分区域EDD均具有增加趋势,增加程度小于1 ℃·(10 a)-1。说明这些地区虽然极热天数在减少,但极端高温的程度在增加。山东省、安徽省的大部分地区增加幅度在1 ℃·(10 a)-1以下,向西依次增加;河南省中部和西部有3个连片区域EDD增加趋势大于5 ℃·(10 a)-1,是全区增幅最明显的地方(图2)。

图2　1980—2008年黄淮海平原地区极热天数(EHD)和极端生长度日(EDD)时空分布格局

2.2极端高温对冬小麦产量的影响分析

2.2.1县级尺度

从空间分布上看,大部分地区GDD对冬小麦产量具有正效应,负效应区域主要集中在河南省西部、安徽省南部和江苏省南部(图3)。淮河以北地区绝大多数县市EDD对冬小麦产量有明显的负效应,EDD增加1 ℃,这些县市减产25 kg·hm-2以内。降水对冬小麦产量的影响在空间上与EDD具有大致互补的规律,即EDD为负效应的地区降水多为正效应,反之亦然。淮河以北地区较为干旱,高温会加剧旱情,进而对小麦生长造成损害,因此对于淮河以北的大部分县市而言,降水对冬小麦有促进作用,而极端高温则起到抑制作用。淮河以南地区情况正好相反,充沛的雨水已经能够满足小麦的生长发育,过多的降水则会导致太阳辐射降低,进而影响小麦产量[40]。

黄淮海平原县级尺度EDD变化对冬小麦产量的影响见图4～5。

图3　黄淮海平原地区县级尺度一般生长度日(GDD)、极端生长度日(EDD)和降水变化对冬小麦单产的影响

图4　黄淮海平原县级尺度冬小麦单产对

就冬小麦单产对EDD的敏感性而言,除河北省中西部、河南省边缘部分之外的淮河以北地区,绝大多数县市单产均有不同程度减少。江苏省和安徽省境内淮河以北地区减产最明显,大部分地区减产1%～2%,部分地区甚至超过2%,可见该地区对高于34 ℃的温度增加尤为敏感(图4)。

图5　黄淮海平原县级尺度极端生长度日(EDD)多年

虽然冬小麦单产对EDD的敏感性在江苏省和安徽省较高,但1980—2008年EDD变化对冬小麦产量总体影响较大的区域却集中在河南省、山东省、天津市大部、北京市北部以及河北省东部地区,主要是由近29 a来EDD明显增加所致。研究区内60%的县市因EDD总体变化导致冬小麦产量减少,其中42.62%的县市减产幅度在5%以内(图5)。

2.2.2省级尺度

黄淮海平原冬小麦区省级尺度的温度、降水变化对冬小麦产量的影响如图6所示。除江苏省外,GDD的增加均有利于冬小麦增产,而积温不是限制江苏省冬小麦产量的主要因素。省级尺度上EDD的增加对产量增加有负效应,就冬小麦产量对EDD的敏感性而言,江苏省最大,EDD增加1 ℃,冬小麦减产1.32%(减产54.71 kg·hm-2);其次为天津市和安徽省,EDD增加1 ℃,分别减产0.76%和0.58%(减产26.50和16.07 kg·hm-2);其余4省EDD增加1 ℃,减产幅度介于0.04%～0.15%之间,超过10 kg·hm-2。对降水较为丰沛的南部3省而言,其冬小麦产量的降低是由过多的降水与较低的太阳辐射导致的[40]。

图6　黄淮海平原省级尺度气候要素变化对

为了研究1981—2008年整体上极端高温对冬小麦产量的影响,计算了近29 a各省份EDD的总体变化及其影响(表1)。其中,天津市受减产危害最大,29 a来因EDD增加造成的减产为144.59 kg·hm-2。河南省EDD增加幅度最大(增加10.59 ℃),因此导致冬小麦单产减少56.13 kg·hm-2,占其多年平均单产的1.49%,位居第2。北京市、山东省、河北省和安徽省单产减幅依次递减,均在25 kg·hm-2以内,占各自区域多年平均单产的比例也都在0.6%以内,减产幅度较小。江苏省是唯一EDD呈减少趋势的区域(共减少0.22 ℃),因此造成冬小麦单产增加12.11 kg·hm-2,占其多年平均单产的0.29%。

表11980—2008年黄淮海平原各省市极端生长度日(EDD)变化总量及其对冬小麦产量的影响

Table 1Total changes in EDD on the province scale and their impacts on yield of winter wheat in the Huang-Huai-Hai Plain

省市EDD变化总量/℃冬小麦单产变化量/(kg·hm-2)冬小麦单产变化比例/%天津市5.46-144.59-4.15河南省10.59-56.13-1.49北京市6.33-24.24-0.54山东省2.32-14.41-0.35河北省5.19-7.58-0.18安徽省0.27-4.28-0.15江苏省-0.2212.110.29

2.2.3区域尺度

将黄淮海平原分为北部区域与南部区域分别进行讨论,其中北部区域包括黄淮海平原内的黄河、海河流域部分,其余均为南部区域。1980年以来,北部区域GDD具有显著增温趋势(10.93 ℃·a-1,P<0.05);相比较而言,EDD年际波动较大(图7),但仍呈增加趋势(0.279 ℃·a-1),29 a来共增加8.09 ℃;而1980—2008年间降水变异较大,无显著趋势;1980年以来冬小麦单产呈显著增加趋势(107.3 kg·hm-2·a-1,P<0.05)。根据北部区域所有县市的气候数据和产量数据,建立单产(ΔY)与气候要素(ΔDGD、ΔDED和ΔP)之间的回归关系:ΔY=145.36+0.23ΔDGD-3.63ΔDED+0.51ΔP,P<0.05。对北部区域而言,GDD增加1 ℃,冬小麦单产增加0.23 kg·hm-2;EDD增加 1 ℃,冬小麦单产降低3.63 kg·hm-2。可见EDD对冬小麦产量的影响较为明显。降水每增加1 mm,冬小麦产量增加0.51 kg·hm-2,可见降水对冬小麦产量有微促进作用。就近29 a来的总体影响而言,GDD增加导致冬小麦增产72.9 kg·hm-2,EDD增加导致冬小麦减产29.37 kg·hm-2,占区域多年冬小麦平均单产的0.72%。由于GDD的增加幅度大于EDD,GDD对冬小麦产量的总体影响也大于EDD。

由图8可知,1980年以来,南部区域GDD具有显著增温趋势(14.35 ℃·a-1,P<0.05);相比较而言,EDD增加规律不太明显,1980—2008年共增加2.87 ℃;而此期间降水变异较大,无明显规律;1980年以来黄淮海平原地区冬小麦单产呈显著增加趋势(76.76 kg·hm-2·a-1,P<0.05)。根据南部区域所有县市的气候数据和产量数据,建立单产(ΔY)与气候要素(ΔDGD、ΔDED和ΔP)之间的回归关系:ΔY=107.3+0.15ΔDGD-8.39ΔDED-1.44ΔP,P<0.05。对南部区域而言,GDD和EDD对小麦产量的影响规律与北部区域类似,GDD和EDD每增加1 ℃,分别导致冬小麦单产增加0.15 kg·hm-2和减少8.39 kg·hm-2,可见EDD对冬小麦产量的影响更加明显。与北部区域不同的是,降水增加会造成冬小麦产量减少,每增加1 mm降水,冬小麦减产1.44 kg·hm-2。就近29 a来的总体影响而言,GDD增加导致冬小麦产量增加62.42 kg·hm-2;EDD增加导致冬小麦减产24.09 kg·hm-2,占区域多年冬小麦平均单产的0.65%。

直线为拟合趋势线。

直线为拟合趋势线。

3讨论

空间分布上,1980—2008年冬小麦生长季内EHD与EDD的均值都自东向西逐渐增大,与许多研究结果[18,30,41-45]基本一致。研究区南部的江苏省和安徽省由于冬小麦收获较早,因此在纬度较低的区域并未出现较高的EHD与EDD。由于气流的下沉增温作用,高山的背风坡有明显的焚风效应,这也是太行山东麓出现高温中心的原因之一。东部沿海地区湿度较大,对消解极热天气的产生有一定作用。

时间趋势上,1980—2008年冬小麦生长季内EHD与EDD均以增加趋势为主。1980年以来,黄淮海平原大部分地区气候变暖趋势明显,极端高温出现愈加频繁。这一点也得到其他研究的印证。TAO等[6]发现,中国华北地区小麦生长季均温增加明显;GOURDJI等[18]在中国北方地区的研究也得到类似结论,认为小麦生长季均温增加加大了极端高温出现的概率。近35 a来华北地区高温天气有增多趋势,年平均增多0.25次[46]。1961—2010年华北北部和西部地区高温热浪的频次、日数和强度均明显增多[47]。

无论是县级、省级还是区域尺度,EDD增加对冬小麦具有明显的减产作用。黄淮海平原冬小麦区生长季的极端高温经常出现在5—6月,此时冬小麦处于开花灌浆期。极端高温会引起作物小花不孕,产量降低[48];灌浆期内可造成籽实瘦秕,千粒重降低。极端高温通过加快作物发展速率,缩短作物生长周期来影响产量累积,导致产量减少[16]。

不同尺度下GDD、EDD和降水变化对冬小麦产量的影响不同,但总体趋势与区域尺度保持一致。尤其是EDD,在区域和省级尺度均对冬小麦具有显著的减产作用,这与王志强等[49]的研究结果相似。县级尺度上,淮河以北地区大多数县市EDD对冬小麦产量有明显的负效应,对于传统意义上的北方而言,降水的相对缺乏可能加剧极端高温对冬小麦的影响;淮河以南部分区域EDD对冬小麦的减产作用不太明显,其原因有待于进一步详细的研究确认。就降水对冬小麦影响而言,省级尺度与区域尺度上冬小麦产量对降水敏感性的南北差异与现有研究结果[50-51]一致。黄淮海平原南部区域降水充沛,过多连续的降水通常会降低辐射,增加病虫害,因此会间接降低作物产量[40]。低辐射成为影响南部区域作物产量的主要限制因子[38,40],另外,连阴雨易造成倒伏、穗发芽、烂麦场、千粒重下降、籽粒品质变劣等,影响丰产丰收。洪水以及长时间的积水浸透也有可能是产量降低的一个因素。而对于缺水的黄淮海平原北部区域,降水的增加可以缓解干旱,进而促进冬小麦增产。需要指出的是,降水缺乏造成的干旱危害可采用灌溉等措施缓解,而麦区由于面积较大,遭遇高温影响时,往往没有快速有效的解决办法。因此,极端高温胁迫对冬小麦的危害就更为严重,这一点在该研究中也得到证实。

笔者的研究结果还存在不确定性。在数据方面,EDD对冬小麦产量的影响程度与冬小麦生长的关键温度阈值的选择有很大关系;另外,采用平均状态确定的冬小麦生长季可能会忽略站点、年份以及不同品种的差异。在方法方面,为了强调极端高温与冬小麦产量的关系,只选择了GDD、EDD和降水3个要素。事实上,影响冬小麦产量的气候变量还有很多,比如极端低温、辐射、温差、二氧化碳和臭氧浓度增加、干旱、干热风、强降雨等及其季节分布等[6,16,52]。而且,变量之间的自相关性是气候变量选择中普遍存在又最难解决的问题。目前对作物产量具有关键影响的气候要素的理解还不透彻,在识别关键影响的气候要素方面引发了一系列争论,尚未获得较为一致的结论[25]。

除笔者所应用的数据分析外,未来的研究可以借助相关的生产或试验数据探讨冬小麦产量依赖于关键温度阈值的敏感性;在识别关键气候要素方面,结合作物机理模型分析作物生长和发育对气候要素的响应敏感性[25]。除考察在更全面因素下极端高温对冬小麦产量的影响外,也应考虑极端低温的影响。另外,可以关注包括品种、灌溉保障水平、管理水平、技术水平、气象要素季节分布在内的极端气候事件对冬小麦产量的影响,尤其是关键发育期的影响。培育耐热品种,包括提高生长速度以避开极端高温,或培育更能适应高温和抗旱的品种,可以有效地适应气候变化。同时,大力推广农业灌溉中先进的节水技术以及雨养农业中水土保持技术,改变播种日期有可能在某种程度上缓解这些影响。

4结论

研究极端高温对冬小麦产量的影响,将有助于采取相应措施减轻高温危害,并为筛选抗高温基因型提供有效的方法。选择EHD和EDD代表极端高温,基于1980—2008年国家气象台站日值数据,计算分析了2个指标的时空分布规律;选择生长季极端生长度日、一般生长度日和降水的一阶差分数据,建立3者与冬小麦产量的多元线性回归模型,分别从县级、省级和区域尺度分析冬小麦产量对EDD的敏感性,进而分析EDD多年变化对冬小麦产量的总体影响。就空间分布而言,1980—2008年EHD与EDD均自东向西逐渐增大,以河北省南宫市附近为最大,河南省平顶山市附近为次高值中心。时间趋势上,两者以增加趋势为主,且变化趋势也自东向西逐渐增加。

通过极端高温对冬小麦产量的影响分析可以得知,无论是县级、省级还是区域尺度,极端生长度日均对冬小麦产量呈强负效应。县级尺度上,淮河以北地区绝大多数县市EDD均对冬小麦产量有明显的负效应,EDD增加1 ℃,大多数县市减产25 kg·hm-2以内。近29 a来,研究区内60%的县市因EDD变化导致冬小麦减产,42.62%的县市减产幅度在5%以内。天津市受到减产危害最大(减产144.59 kg·hm-2),其次为河南省(减产56.13 kg·hm-2)。1980—2008年,黄淮海平原冬小麦区北部区域和南部区域EDD分别增加8.09和2.87 ℃,导致冬小麦分别减产29.37和24.09 kg·hm-2。需要指出的是,EDD对冬小麦产量的影响还需进一步通过实际生产与试验数据进行证明。就笔者的数据分析而言,过去几十年的极端高温不利于黄淮海平原冬小麦的生长发育和产量形成。

参考文献：

[1]MOTHA R P,BAIER W.Impacts of Present and Future Climate Change and Climate Variability on Agriculture in the Temperate Regions:North America[J].Climatic Change,2005,70(1/2):137-164.

[2]SALINGER M.Climate Variability and Change:Past,Present and Future：An Overview[J].Climatic Change,2005,70(1):9-29.

[3]IPCC.Summary for Policymakers[R]∥STOCKER T F,QIN D H,PLATTNER G K,etal.Climate Change 2013:The Physical Science Basis:Contribution of Working Group to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge,United Kingdom and New York,USA：Cambridge University Press，2013:24-27.

[4]LOBELL D B,SCHLENKER W,COSTA-ROBERTS J.Climate Trends and Global Crop Production Since 1980[J].Science,2011,333(6042):616-620.

[5]ZHANG T Y,HUANG Y.Estimating the Impacts of Warming Trends on Wheat and Maize in China From 1980 to 2008 Based on County Level Data[J].International Journal of Climatology,2013,33(3):699-708.

[6]TAO F L,ZHANG Z,ZHANG S,etal.Response of Crop Yields to Climate Trends Since 1980 in China[J].Climate Research,2012,54:233-247.

[7]XIONG W,HOLMAN I P,YOU L Z,etal.Impacts of Observed Growing-Season Warming Trends Since 1980 on Crop Yields in China[J].Regional Environmental Change,2013,14(1):7-16.

[8]房世波,谭凯炎,任三学.夜间增温对冬小麦生长和产量影响的实验研究[J].中国农业科学,2010,43(15):3251-3258.

[9]田云录,陈金,邓艾兴,等.开放式增温下非对称性增温对冬小麦生长特征及产量构成的影响[J].应用生态学报,2011,22(3):681-686.

[10]谭凯炎,房世波,任三学.增温对华北冬小麦生产影响的试验研究[J].气象学报,2012,70(4):902-908.

[11]FANG S B,TAN K Y,REN S X,etal.Fields Experiments in North China Show No Decrease in Winter Wheat Yields With Night Temperature Increased by 2.0-2.5 ℃[J].Science China Earth Sciences,2012,55(6):1021-1027.

[12]LUO Q Y.Temperature Thresholds and Crop Production:A Review[J].Climatic Change,2011,109(3/4):583-598.

[13]HATFIELD J L,BOOTE K J,KIMBALL B,etal.Climate Impacts on Agriculture:Implications for Crop Production[J].Agronomy Journal,2011,103(2):351-370.

[14]ASSENG S,FOSTER I,TURNER N C.The Impact of Temperature Variability on Wheat Yields[J].Global Change Biology,2011,17(2):997-1012.

[15]ENTZ M,FOWLER D.Critical Stress Periods Affecting Productivity of No-Till Winter Wheat in Western Canada[J].Agronomy Journal,1988,80(6):987-992.

[16]LOBELL D B,SIBLEY A,ORTIZ-MONASTERIO J I.Extreme Heat Effects on Wheat Senescence in India[J].Nature Climate Change,2012,2(3):186-189.

[17]WHITE J W,HOOGENBOOM G,KIMBALL B A,etal.Methodologies for Simulating Impacts of Climate Change on Crop Production[J].Field Crops Research,2011,124(3):357-368.

[18]GOURDJI S M,MATHEWS K L,REYNOLDS M,etal.An Assessment of Wheat Yield Sensitivity and Breeding Gains in Hot Environments[J].Proceedings of the Royal Society B：Biological Sciences,2013,280(1752):1-8.

[19]刘晓菲,张朝,帅嘉冰,等.黑龙江省冷害对水稻产量的影响[J].地理学报,2012,67(9):1223-1232.

[20]叶清,杨晓光,李勇,等.气候变化背景下中国农业气候资源变化Ⅷ:江西省双季稻各生育期热量条件变化特征[J].应用生态学报,2011,22(8):2021-2030.

[21]SUN W,HUANG Y.Global Warming Over the Period 1961-2008 Did Not Increase High-Temperature Stress but Did Reduce Low-Temperature Stress in Irrigated Rice Across China[J].Agricultural and Forest Meteorology,2011,151(9):1193-1201.

[22]HAWKINS E,FRICKER T,CHALLINOR A,etal.Increasing Influence of Heat Stress on French Maize Yields From the 1960s to the 2030s[J].Global Change Biology,2013,19(3):937-947.

[23]SHIFERAW B,SMALE M,BRAUN H J,etal.Crops That Feed the World 10：Past Successes and Future Challenges to the Role Played by Wheat in Global Food Security[J].Food Security,2013,5(3):291-317.

[24]TAO F L,ZHANG Z.Climate Change,Wheat Productivity and Water Use in the North China Plain:A New Super-Ensemble-Based Probabilistic Projection[J].Agricultural and Forest Meteorology,2013,170:146-165.

[25]SHI W J,TAO F L,ZHANG Z.A Review on Statistical Models for Identifying Climate Contributions to Crop Yields[J].Journal of Geographical Sciences,2013,23(3):567-576.

[26]刘明,武建军,吕爱锋,等.黄淮海平原雨养条件下冬小麦水分胁迫分析[J].地理科学进展,2010,29(4):427-432.

[27]田展,刘纪远,曹明奎.气候变化对中国黄淮海农业区小麦生产影响模拟研究[J].自然资源学报,2006,21(4):598-607.

[28]莫兴国,林忠辉,刘苏峡.黄淮海地区冬小麦生产力时空变化及其驱动机制分析[J].自然资源学报,2006,21(3):449-457.

[29]LIU S X,MO X G,LIN Z H,etal.Crop Yield Responses to Climate Change in the Huang-Huai-Hai Plain of China[J].Agricultural Water Management,2010,97(8):1195-1209.

[30]赵俊芳,赵艳霞,郭建平,等.过去50年黄淮海地区冬小麦干热风发生的时空演变规律[J].中国农业科学,2012,45(14):2815-2825.

[31]金善宝.中国小麦学[M].北京:中国农业出版社,1996:30-31.

[32]ZHANG T Y,HUANG Y,YANG X G.Climate Warming Over the Past Three Decades Has Shortened Rice Growth Duration in China and Cultivar Shifts Have Further Accelerated the Process for Late Rice[J].Global Change Biology,2013,19(2):563-570.

[33]TASHIRO T,WARDLAW L F.The Effect of High Temperature at Different Stages of Ripening on Grain Set,Grain Weight and Grain Dimensions in the Semi-Dwarf Wheat "Banks"[J].Annals of Botany,1990,65(1):51-61.

[34]崔读昌.世界农业气候与作物气候[M].杭州:浙江科学技术出版社,1994:20-21.

[35]LOBELL D B,BURKE M B.On the Use of Statistical Models to Predict Crop Yield Responses to Climate Change[J].Agricultural and Forest Meteorology,2010,150(11):1443-1452.

[36]NICHOLLS N.Increased Australian Wheat Yield Due to Recent Climate Trends[J].Nature,1997,387(6632):484-485.

[37]LOBELL D B,FIELD C.Global Scale Climate-Crop Yield Relationships and the Impacts of Recent Warming[J].Environmental Research Letters,2007,2(1):1-7.

[38]ZHANG T Y,ZHU J,WASSMANN R.Responses of Rice Yields to Recent Climate Change in China:An Empirical Assessment Based on Long-Term Observations at Different Spatial Scales (1981-2005)[J].Agricultural and Forest Meteorology,2010,150(7/8):1128-1137.

[39]LOBELL D B.Changes in Diurnal Temperature Range and National Cereal Yields[J].Agricultural and Forest Meteorology,2007,145(3/4):229-238.

[40]TAO F L,YOKOZAWA M,LIU J Y,etal.Climate-Crop Yield Relationships at Provincial Scales in China and the Impacts of Recent Climate Trends[J].Climate Research,2008,38(1):83-94.

[41]梁钰,张玉伟,王蕊,等.河南省区域性高温天气特征及预报[J].河南气象,2002(1):15-16.

[42]史印山,谷永利,林艳.京津冀高温天气的时空分布及环流特征分析[J].气象,2009,35(6):63-69.

[43]姬兴杰,朱业玉,顾万龙,等.1971—2010 年河南省夏季高温日数的变化趋势分析[J].灾害学,2012,27(3):59-63.

[44]张可慧,李正涛,刘剑锋,等.河北省地区高温热浪时空特征及其对工业、交通的影响研究[J].地理与地理信息科学,2012,27(6):90-95.

[45]施洪波.1960—2008 年京津冀地区夏季高温日数的变化趋势分析[J].气象,2011,37(10):1277-1282.

[46]徐金芳,邓振镛,陈敏.中国高温热浪危害特征的研究综述[J].干旱气象,2009,27(2):163-167.

[47]叶殿秀,尹继福,陈正洪,等.1961—2010年我国夏季高温热浪的时空变化特征[J].气候变化研究进展,2013,9(1):15-20.

[48]TIAN X H,LUO H W,ZHOU H D,etal.Research on Heat Stress of Rice in China:Progress and Prospect[J].Chinese Agriculture Science Bulletin,2009,25(2):166-168.

[49]王志强,方伟华,何飞,等.中国北方气候变化对小麦产量的影响：基于EPIC模型的模拟研究[J].自然灾害学报,2008,17(1):109-114.

[50]柳芳,黎贞发.降水量和积温变化对天津市冬小麦产量的影响[J].中国农业气象,2010(3):431-435.

[51]仝文伟,查菲娜,王其英,等.气候变化对河南省小麦产量影响分析[J].河南科学,2009,27(12):1546-1549.

[52]LOBELL D B,GOURDJI S M.The Influence of Climate Change on Global Crop Productivity[J].Plant Physiology,2012,160(4):1686-1697.

(责任编辑： 许素)

Impacts of Extreme High Temperature on Winter Wheat Yield in the Huang-Huai-Hai Plain.

SHIXiao-li1,2,SHIWen-jiao3

(1.College of Resources and Environment Sciences, Hebei Normal University, Shijiazhuang 050024, China;2.Key Laboratory of Environmental Evolvement and Ecological Construction of Hebei Province, Shijiazhuang 050024, China;3.Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographical Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China)

Abstract:So far little has been reported on impacts of extremely high temperature on yield of winter wheat. Currently a study was conducted in the Huang-Huai-Hai Plain, a major wheat producing region of the country, using the number of extremely hot days and the number of extreme growing degree days as indicators of extremely high temperature to explore spatio-temporal variation of extremely high temperature during the winter wheat growing seasons, with the climate tendency rate method. And a multi-factor linear regression model encompassing the number of normal growing degree days, the number of extreme growing degree days, precipitation, and winter wheat yield was established with the first difference method and used to analyze sensitivity of winter wheat in yield to extremely high temperature on the county, province and region scales and further to illustrate contribution of extremely high temperature to winter wheat yield during the 29 years from 1980 to 2008. Results show that during the 29 years, extremely high temperature displayed a rising trend and spatially from east to west a rising trend too, and the number of extreme growing degree days had a significantly negative effect on winter wheat yield, on all the three scales. Extremely high temperature during the winter growing season was found to have an obvious yield-reducing effect on winter wheat in the region north to the Huai River, specially in Tianjin and Henan Province, where the yield of winter wheat decreased by 4.15% and 1.49%, respectively. In the northern and southern parts of the Huang-Huai-Hai Plain, the increasing number of extreme growing degree days caused a drop of 0.72% and 0.65% in winter wheat yield during the period. Obviously extremely high temperature affects negatively growth and production of winter wheat in the region.

Key words:extremely high temperature;winter wheat yield;first difference method;the Huang-Huai-Hai Plain

作者简介：石晓丽(1981—),女,河北栾城人,副教授,博士,主要研究方向为气候变化对农业的影响。E-mail: shixiaoli-2004@163.com

DOI：10.11934/j.issn.1673-4831.2016.02.014

中图分类号：S162.5+3

文献标志码：A

文章编号：1673-4831(2016)02-0259-11

通信作者①E-mail: shiwj@lreis.ac.cn

基金项目：国家自然科学基金(41371002，41401113)；中国科学院战略性先导科技专项(XDA05090310)；河北省教育厅重点项目(ZD2016066)；河北省自然地理学重点学科建设项目

收稿日期：2015-04-08