棉花障碍型冷害风险评估

温馨馨,韩忠玲,程勇翔,王秀珍

(1.石河子大学生命科学学院，新疆石河子 832000； 2.石河子大学信息科学与技术学院，新疆石河子 832000；3.杭州师范大学遥感与地球科学研究院，杭州 311121)

0 引 言

【研究意义】新疆是我国棉花生产的主要基地，棉花生产占全国棉花总产量79%[1]。科学管理对提高单位面积产量、减少自然灾害、降低经济损失具有重要作用。棉花是长日照喜温作物，对温度敏感[2]。新疆温度高、光照强、热量资源丰富、降雨少，利于棉花的生长和采摘。近年来，随着全球气候不断变化，极端天气出现的频率和强度不断增加，各种灾害对棉花生产的负面影响不断加剧，新疆棉花种植常常受到气候条件影响，尤其是冷害的影响[2-5]。研究选择新疆棉花低温冷害进行风险评估具有重要的实际意义。【前人研究进展】李文亮(2009)[6]等采用信息扩散理论方法，基于气象站数据计算不同冷害等级的各级别风险概率，并制作以行政区划为单位的冷害风险评估，所得规律与实际情况基本吻合。傅玮东(2001)[7]对天山及其附近棉区的气象资料和播种期资料进行了概率统计分析，得出研究区内各处棉花冷害发生的概率，为该区棉花冷害风险进一步研究提供了有价值的参考。朱红蕊(2015)[8]等对黑龙江省玉米利用脆弱性和暴露性两个指标分别进行GIS空间差值的冷害风险区划，对风险评估结果采用自然断点法进行等级划分。何雨芩(2018)[9]等基于1960～2009年云南省各气象站点逐日气温数据计算冷害年发生的频率，将获得的冷害频率以10年为一段，利用GIS空间差值法研究了云南省各年代水稻冷害频率演变过程，分析结果得到受区域气候变暖影响，冷害发生频率逐渐降低，结果与事实相符合。何燕(2009)[10]等以广西早稻临界低温持续天数作为冷害区划指标，利用回归+残差订正的方法实现低温持续天数的推算，通过对推算结果进行赋值打分，得到早稻风险区划图，研究结果具有一定实际参考价值。程勇翔(2013)[11]等利用回归+残差订正法对湖南省双季稻春秋两季冷害进行了风险评估，评估结果经验证与实际冷害风险情况较吻合，证明该方法有效。李景林(2015)[12]等对北疆棉花适宜种植区基于回归+残差订正的方法计算>10℃积温、7月平均气温和无霜期热量资源的空间分布及时间变化，对所得结果分别进行等级划分，将各分指标等级划分结果相综合，得到北疆棉花种植适宜区及次适宜区，为北疆棉花产业研究提供了参考。张丽文(2017)[13]等利用加权综合评分法，将东北水稻冷害致灾因子危险性、承灾体脆弱性、灾损性三者信息相综合，构建综合性水稻冷害风险评估指标，利用GIS中IDW差值法对站点指标进行空间推算，进而实现东北水稻的冷害风险区划，结果经验证与典型冷害年水稻单产平均减产率显著相关，与历史任意冷害发生频率分布范围大体一致。王春乙(2016)[14]等对长江中下游双季早稻，利用灾损率确定冷害、热害双季早稻不同发育期的危险性权重系数、利用产量变异系数衡量脆弱性、利用播种面积衡量暴露性、利用社会和人文衡量防灾减灾能力，最后将四个方面结合各自权重获得双季早稻综合风险评价，结果与多年平均减产量显著相关。类似低温灾害评价方法还有陈凯奇[15]段晓凤[16]等研究。对于冷害风险指标构建可分为简单[17-19]、或综合[15,20-21]。在站点数较少时，冷害风险指标常用信息扩散法进行推算[6,22-23]。构建的冷害风险指标空间化，常用指标空间插值[9,13,24]或指标的回归+残差订证[11]两类方法。【本研究切入点】新疆特殊的地形特征，山脉盆地相互交映，导致新疆极端天气多，气候不稳定。目前冷害风险评估或风险概率区划研究最多的是东北玉米和水稻，对新疆棉花冷害风险评估研究较少。综合前人常用的方法有指标空间插值和指标的回归+残差订证两类，但在冷害指标空间化或指标等级划分上还有待于进一步提高。研究评估新疆棉花障碍型冷害精细化风险。【拟解决的关键问题】研究在综合冷害风险指标构建的基础上，分析地理因子规律和地表类型对冷害风险值的影响，实现新疆棉花冷害风险指标空间化准确推算及客观定等。

1 材料与方法

1.1 材 料

新疆位于我国西北，为E73°40′～96°18′，N34°25′～48°10′[25]。主要气候类型为典型温带大陆性干旱气候，日照时间长，气候干燥，降雨量稀少，昼夜温差大[26]。热量条件南疆和东疆好于北疆，北疆西部沿天山一带好于其东部地区。新疆棉花主要种植区即分布在南疆、东疆和北疆西部沿天山一带。图1,图2

图1 新疆棉花各县市种植比重
Fig.1 Planting proportion of cotton in Xinjiang

图2 新疆棉花活动积温(>12℃)分布
Fig.2 Cumulative temperature of cotton planting areas in Xinjiang(>12℃)

表1 新疆棉花铃期冷害等级
Table 1 Low temperature injury level of cotton boll period in Xinjiang

逐日温度数据来自中国气象科学数据共享网(http://cdc.cma.gov.cn/satellite/)，共获取66个新疆气象站点1951～2017年逐日平均气温数据。对所得到的数据进行初步整理，选择所有月份的数据，剔除连续5 d内有缺失的整年数据，对少于5日的缺失数据用该段前后有效数据的平均值进行插补。从地理空间数据云获取2000～2016年历年MODLT1M 中国 1KM 9月LTN AVG数据，将该数据计算平均值，用于获取温度趋势面。通过国家基础地理信息系统(http://nfgis.nsdi.gov.cn/)提供的1∶400万矢量地图得到行政区划数据，并对数据进行投影转换。投影选择为WGS1984。利用这些数据进行相关的裁剪、面积统计及制图工作。利用已准备好的省界范围，在GIS fishnet工具的帮助下完成对研究区经度图和纬度图的制作。高程数据为30 m空间分辨率(https://wist.echo.nasa.gov/)。将数据利用ENVI mosaicking工具进行拼接，对拼接后结果用研究区行政区划矢量图进行裁剪，以上所有数据按WGS1984进行投影转换和栅格重采样。

1.2 方 法

1.2.1 棉花障碍型冷害判定指标的选择

根据相关棉花障碍型冷害研究成果[27]，选取日平均温度≤20℃连续3 d作为棉花障碍型冷害的判定指标参照该指标对研究区66个气象站点1951至2015年逐日平均温度进行相应冷害指标统计。

1.2.2 棉花障碍型冷害风险指标模型的构建

利用棉花障碍型冷害判定指标，对新疆66个气象站点1951～2015年历年的数据进行了统计，分别计算了各年7～9月障碍型冷害发生的次数，每次冷害持续的天数，每次冷害中低于20℃的量值。将每个气象站点历史上每次冷害平均持续日数和平均日降温幅度相乘作为该站点次冷害平均强度，结果用于冷害风险指标的构建。

(1)

将站点历史冷害发生次数除以统计年代序列长度得到冷害的年发生频率。

(2)

Yj是j站点统计的年代序列长度，每个气象站因建站时间和数据的部分缺失原因造成该值会有一些波动，因此,需要对每个站分别确定该值。

将以上得到的次冷害平均强度与冷害的年发生频率相乘得年冷害平均强度。

(3)

按照冷害是否发生来判断冷害年，若1年内有一次以上的冷害发生则将该年判断为冷害年，计数为1，统计每一个气象站点历史上发生冷害的年份，将该值与统计的年代序列长度相除即为冷害年的频率。

(4)

Pi是j站点冷害年频率。nj是j站点历史上冷害发生年份。

将以上得到的年冷害平均强度乘以冷害年的频率得到年冷害风险指标。

(5)

1.2.3 无测点棉花障碍型冷害风险指标的推算

研究发现若将气象站点经度(α)、纬度(β)和海拔高度(λ)值作归一化处理，将归一化处理结果按公式6计算，获取地理因子加合趋势面。

(6)

将该结果进行温度趋势面校正，其中温度趋势面为2000～2016年各年9月夜间陆地温度月平均值，构建新的变量Xj。

(7)

(8)

(9)

1.2.4 棉花障碍型冷害风险指标各等级临界阈值划分

分析棉花障碍型冷害年强度和年频率的相关性，依据二者之间函数关系，构建棉花冷害年频率和年强度关系方程(拟合样本数n为45，其中R2为0.95)，方程F值为273.06，达到0.01极显著水平。可以利用冷害年频率等级来确定相应的冷害年强度等级，将两者相乘，实现冷害风险指标各临界阈值的客观划分。表1，图2，图5

图3 新疆棉花花铃期冷害归一化变量与年冷害分析指标关系
Fig.3 Relationship between normalized variables of cotton chilling injury at flowering and boll stage and annual chilling injury analysis indexes in Xinjiang

(10)

2 结果与分析

2.1 经度、纬度和海拔高度归一化

研究表明，归一化加合值与棉花障碍型冷害风险指标值之间呈正比关系，归一化加合值越高冷害风险越大。通过计算获取了2000～2016年9月夜间月平均陆地表面温度趋势图，趋势图中温度越高棉花冷害风险越低，温度越低棉花冷害风险越高，该图主要起到对地理因子归一化趋势面加合结果校正的作用，使结果能够充分体现地表实际状况对棉花障碍型冷害的影响。图6，图7

南疆、吐鲁番以及北疆西部沿天山地区棉花冷害风险等级较低，适宜棉花种植。北疆东部、北部及全疆山脉地区棉花冷害风险等级较高，不适宜棉花耕种。

利用未参与建模的21个气象观测站点的实测数据进行验证表明，实测点和拟合点之间符合1∶1比例，且模型实测值和拟合值无显著差异，二者散点图的拟合精度值R2为0.97。图6～9

图4 新疆棉花冷害频强关系
Fig.4 Relation diagram of chilling injury frequency intensity of cotton in Xinjiang

图5 研究方法流程
Fig.5 Flow chart of research method

图6 地理因子归一化加合的趋势面
Fig.6 Summing trend surface of geographical factors normalization

图7 2000～2016年9月夜间月平均温度趋势
Fig.7 Trend map of 9-month average temperature at night from 2000 to 2016

图8 新疆棉花障碍型冷害风险评估结果
Fig.8 Risk assessment result of cotton sterile-type chilling injury in Xinjiang

3 讨 论

研究采用的地理因子归一化加合趋势面+温度趋势面订正的方法，与仅基于气象站点冷害风险指标值空间插值的方法[9,13,24]比较，在空间精度上有了提高；与冷害风险指标值回归+残差订正的方法比较，研究更充分的考虑了地物信息对冷害风险指标值的影响，虽然在个别订正点上精度不如回归+残差订正的方法高，但是在整体趋势上，研究结论更具参考价值。为体现温度趋势面对冷害风险指标值的影响，研究单独制作了仅基于地理因子归一化加合变量的冷害风险指标推算结果，可以看出两者结果虽然在趋势上基本相同，体现在北疆西部绿洲和荒漠区的指标等级对比差异上，可以更好的体现两种地物的不同。

研究采用的棉花冷害等级划分方法，依据冷害年频率和年强度的函数关系，通过冷害年频率等级确定相应的冷害年强度等级，理论上可以实现任意概率风险下的临界阈值划分，相较于前人试验仅仅根据年冷害发生次数作为指标划分3至5个等级而言，划分梯度更加细致。相比于自然裂点[8]、层级分析[28]等方法确定的等级临界阈值来说，划分更为客观。

图9 冷害风险指标模型模拟结果验证
Fig. 9 Verification of simulated results of low temperature risk index

研究结果表明，新疆棉花障碍型冷害发生概率北疆高于南疆，北疆棉花冷害风险自西向东逐渐增加，与之相对应的棉花种植比例逐渐降低。即棉花种植比例高的地区，冷害风险评估等级低。棉花种植比例低的地区，冷害风险评估等级高。结果与新疆棉花种植积温分布图的研究结果也能符合，以上可进一步表明研究结果的正确性。

该研究仅针对棉花冷害气象条件进行了风险评估，风险评估涉及相关因素较多，目前在评估指标的选取上并没有统一的定义及标准，没有充分考虑棉花品种、抗寒性、风力及降水量对风险评估等级的影响，在试验中亦无法完全刨除其对实验的影响。另外没有对棉花冷害损失进行相应风险评估。因此，研究结果并不十分全面，结果仍有待进一步提高。

图10 新疆棉花回归趋势
Fig.10 Regression trend of cotton in Xinjiang

图11 新疆棉花“回归-残差”趋势
Fig.11 Trend chart of regression-residual of cotton in Xinjiang

4 结 论

南疆棉花花铃期受到冷害风险低于北疆，热量条件整体较好。北疆棉花种植区冷害风险自西向东逐渐增高，该规律与棉花种植比例和热量分布规律相反，北疆棉区更易受到冷害侵袭，是生产中需重点关注的问题。新疆棉花障碍型冷害发生风险北疆高于南疆和东疆，北疆西部沿天山一带棉花种植区冷害风险自西向东逐渐增加。模型模拟冷害风险指标值与站点实测计算值之间无明显差异，两者散点图线性拟合R2为0.97，结果准确。低温冷害风险等级总体呈现出东强西弱的特点。该方法不仅适用于棉花冷害风险评估，还可适用于其他作物冷害风险评估。