气候变化对黑龙江省自然植被气候生产潜力的影响

田宝星 宫丽娟 杨帆 陈晶 翟墨 张洋

摘要：為了解1970—2014年黑龙江省自然植被气候生产潜力的分布规律和变化趋势及其对气候变化的响应，利用黑龙江省80个气象站观测数据，结合Miami模型，通过小波分析和EOF分析等方法，对黑龙江省自然植被气候生产潜力的变化特征进行分析。结果表明：1970年以来，气温、降水、蒸散和标准气候生产潜力呈增加趋势，2000—2014年粮食安全存在隐患。标准气候生产潜力（W）与蒸散气候生产潜力年代际变化相近。4种气候生产潜力主周期均为26～31年。W空间分布呈正、负相间。W与气温、降水量和蒸散量呈正相关，气温是主要限制因子。“暖湿型”气候对W有利，生产潜力增加幅度7.41%～ 14.82%。研究结果对优化农业布局，提高农业气候资源利用率以及促进粮食作物稳产高产等有参考价值。

关键词：植被；气候变化；Miami模型；气候生产潜力；黑龙江

中图分类号：P49文献标志码：A论文编号：cjas20190900204

Effect of Climate Change on Climate-induced Potential Productivity of Natural Vegetation in Heilongjiang

Tian Baoxing1，2， Gong Lijuan1，2， Yang Fan3， Chen Jing4， Zhai Mo1，2， Zhang Yang3

（1Heilongjiang Province Institute of Meteorological Science， Harbin 150030， Heilongjiang， China； 2Innovation and Opening Laboratory of Regional Eco-meteorology in Northeast of China Meteorological Administration， Harbin 150030， Heilongjiang， China；3Heilongjiang Meteorological Bureau Office Service Centre， Harbin 150030， Heilongjiang， China；4Bayan Meteorological Bureau， Harbin 151800， Heilongjiang， China）

Abstract： To understand the distribution rule and change trend of climate-induced potential productivity of natural vegetation and its response to climate change in Heilongjiang from 1970 to 2014， the authors used the Miami model， wavelet analysis and EOF to analyze the variation characteristics of the climate- induced potential productivity of natural vegetation based on observation data of 80 meteorological stations. The results showed that： the four types of climate- induced potential productivity （air temperature， precipitation， evapotranspiration and standard climate-induced potential productivity） had increased since 1970， however， there were hidden dangers in food security from 2000 to 2014. The standard climate- induced potential productivity （W） and evapotranspiration climate- induced potential productivity had similar interdecadal variation. The major periodic of the four types of climate-induced potential productivity was 26 to 31 years.The W presented alternate positive and negative variations in space， and it was positively correlated with the air temperature， precipitation， and evapotranspiration， the air temperature was the main restriction factor. Warm-wet climate is beneficial to W， and the potential productivity will increase within a range of 7.41% to 14.82% . The results could provide a basic method for optimizing agricultural distribution， improving the utilization of agricultural climate resources and promoting stable and high yield production of grain crops.

Keywords： Vegetation； Climate Change； Miami Model； Climate-induced Potential Productivity； Heilongjiang

0引言

气候变化是人类面临的最为严重的环境问题之一，气候变暖日益明显，使得地表温度及气温明显高于以往，同时极端天气也给农业生产增加不确定性[1-2]。气候变化已经对人类及自然植被产生了广泛和重要的影响[3]，特别是以农业为主体的粮食安全[4]。气候生产潜力指某地区光温水等因子相互协调，作物合理利用当地气候资源和土壤养分，单位面积产量将达到最大值[5]。探讨自然植被气候生产潜力，体现了气象因子的不同及相互协调程度，不仅可以预测植被生产潜力，可以依据气候变化趋势来预测未来的发展情况，是评估农业气候资源的依据之一[6]。

黑龙江省土壤肥沃，自然条件适宜，是中国重要的粮食主产区和最大的商品粮基地[7]。大豆是中国重要的粮油作物之一，黑龙江省是中国大豆种植面积和产量较高的地区之一，在中国大豆生产中占有非常重要的作用[8]。玉米是中国第一大粮食作物，黑龙江省玉米播种面积占全国10%，产量占全国9%左右，与国家粮食安全息息相关[9]。黑龙江水稻品质佳，2016年水稻产量占全国稻谷总产量10.9%，因此黑龙江省水稻安全生产对国家粮食安全意义重大[10]。研究黑龙江省的自然植被气候生产潜力，基于统计学原理分析不同时间的植被生产潜力的变化，可为实现优质高产高效的农业生产模式提供可靠的依据和参考。

气候生产潜力是指作物不受养分限制时，由光照、气温和降水共同决定的生产力，是一个地区作物产量的上限[11]。国内外相关研究已有很多，如Miami模型、Thornthwaite Memorial模型、AEZ模型和逐级订正模型等[12-15]。研究表明[16-18]，Miami模型体现了气温和降水因素，Thornthwaite Memorial模型则通过蒸散量来模拟生物量。

众多学者已从不同层面、角度对黑龙江省气候生产潜力进行研究。如张兴林等[19]为充分发挥黑龙江省的气候资源优势，探求玉米种植新模式，探讨富裕县移栽玉米气候生产潜力。王秀芬等[14]基于AEZ模型估算了黑龙江省光温和气候生产潜力。卢玢宇等[20]基于Thornthwaite Memorial模型估算了黑龙江省气候生产潜力并分析气候生产潜力与平均温度和降水量之间的关系。杜国明等[21]基于GAEZ模型分析气候变化导致的东北玉米生产潜力时空格局演变特征。上述研究所用站点资料较少，不足以代表黑龙江省气候生产潜力状况。本研究根据黑龙江省80个气象站1970—2014年逐日气象资料，采用Thornthwaite Memorial模型和Miami模型相结合估算黑龙江省自然植被标准气候生产潜力及其变化，分析气候变化背景下黑龙江省自然植被的温度气候生产潜力、降水气候生产潜力、蒸散气候生产潜力和标准气候生产潜力的分布特征，以及热量和降水资源对该区域气候生产潜力的影响，以期为该区提高农业生产力及可持续发展，合理利用气候资源及粮食生产安全提供参考。

1材料与方法

1.1资料来源和区域概况

黑龙江省介于121°11’—135°05’E、43°26’—53°33’N之间，属大陆季风性气候，全省气候的主要特点是春季干旱，夏季多雨，秋季早霜，冬季寒冷。当地雨热同季且土地资源对农业发展有得天独厚的优势，盛产大豆、玉米、水稻等粮食作物[22-23]。

选取黑龙江省80个气象站1970—2014年逐日气温和降水资料，材料来自黑龙江省气象数据中心。

1.2研究方法

1.2.1气候生产潜力模型在植被生产潜力估算模型中，Miami模型从植被的生理生态角度出发，通过计算该区年降水量和平均气温等要素来确定植被生产潜力，中国学者通过气象资料将模型进行验证，认为该模型可以应用在自然植被生产潜力研究[24]。Thornthwaite Memorial模型是Miami模型的演变和延伸，展现植被生产潜力受气候因素变化的影响机理[25-26]。

1.3統计分析

基于研究区域逐日气温降水资料，采用Microsoft Office Excel工作表进行数据整理及分析，绘制折线图和柱状图；采用Matlab软件，根据小波分析中的Morlet变换，编写数据处理程序，绘制小波方差图；采用Surfer软件，将EOF函数特征向量空间变化特征展现出来。

2结果与分析

2.1黑龙江省自然植被气候生产潜力变化特征

2.1.1年代际变化特征由图1和表1可见，黑龙江省自然植被气候生产潜力在1970—2014年的序列变化，气温、降水和蒸散生产潜力变化均呈现增加趋势，气候倾向率分别为21.82、13.84、13.33 kg/（hm2·a）。在年代际尺度中，1970s（1970—1979年）、1980s（1980—1989年）和1990s（1990—1999年）3种生产潜力变化均呈增加趋势，说明气象条件变化有利于气候生产潜力的发挥；2000s（2000—2009年）、2010s（2010—2014年）3种生产潜力变化不稳定，受气温和降水等因素限制，粮食安全存在安全隐患。标准气候生产潜力（W）呈增加趋势，平均值为7015 kg/（hm2·a），最大值为7778 kg/（hm2·a），最小值为6145 kg/（hm2·a），气候倾向率为13.02 kg/（hm2·a），从整个研究时域看，标准气候生产潜力（W）与蒸散气候生产潜力（WV）由大到小排列，均为1990s>2010s>2000s>1980s>1970s。水热配比情况，1970s、1980s、1990s和2010s这4个时期WT与WR的比值均大于0.85，可见水热配比状态较好，气候生产潜力的发挥，热量起主要限制作用。而2000s时期WT与WR的比值大于1，可见这个时期热量资源充足，降水对气候生产潜力发挥也起到限制作用。从整体看，研究时域黑龙江省水热配比情况较好（WT与WR的比值≥0.85），热量资源对气候生产潜力的发挥影响更大。

2.1.2周期变化小波分析见图2。研究区域1970—2014年4种气候生产潜力的周期变化，主要体现在26～31、18～24、11～16年等3种时间尺度，体现研究区域4种气候生产潜力周期变化的一致性。由图2可见，W、WT、WR、WV4种气候生产潜力小波方差的主要峰值依次对应28、28、27、28年左右尺度，为第一主周期且周期振荡最强；第二主周期为15、22、5、15年；第三主周期为5、13、15、5年。这3个周期尺度掌控研究时域4种气候生产潜力的变化特征。

2.1.3空间变化特征在EOF分析中，研究区域自然植被标准气候生产潜力（W）的前3个特征向量的方差贡献率分别是45.02%、12.57%和7.26%，累计方差贡献率是64.85%，因此可以体现研究区域自然植被标准气候生产潜力（W）空间变化特征。

第1特征向量方差贡献率是45.02%，体现研究区域自然植被标准气候生产潜力变化的显著空间分布状态。由图3a可见，黑龙江省自然植被标准气候生产潜力（W）呈现正变化，区内高值中心在泰来附近且等值线密集，次高值中心在双鸭山附近且等值线较密集，低值中心在呼中附近且等值线相对稀疏，其振幅以西部和东部为中心向周围逐渐递减，标准气候生产潜力受地理因素影响较大，区域特征明显，水热条件匹配较好的区域标准气候生产潜力相对偏高，同时反映了植被生长状况地域性显著，偏北（偏南）地区气温较低（高），均抑制植被的生长。由图3b可见，第1特征向量所对应的时间系数绝对值最大，这一时刻空间分布状态最典型，但时间系数正、负相间，标准气候生产潜力年际变化相反。

第2特征向量方差贡献率是12.57%，是研究区域自然植被标准气候生产潜力一种显著的空间分布。由图4a可见，黑龙江省自然植被标准气候生产潜力（W）呈现正、负变化趋势，高值中心在泰来附近，中心绝对值在0.25以上，低值中心在克东附近。西部部分地区第2特征向量为正值，其他地区为负值，说明其标准气候生产潜力变化型式相反。这种分布类型，突显了西部部分地区地理分布状况差异，水热匹配条件影响标准气候生产潜力的高低。图4b可见第2特征向量对应的时间系数绝对值次之，时间系数正、负相间，说明在时间系数正值（负值）的年份里，西部部分地区标准气候生产潜力偏高（低），其他地区标准气候生产潜力偏低（高），气候生产潜力分布型式相反特征明显。

第3特征向量方差贡献率是7.26%，对研究区域自然植被标准气候生产潜力空间分布有一定的意义。由图5a可见，西南部和东南部部分地区第3特征向量为正值，其他地区为负值，区内高值中心在宝清附近，低值中心在哈尔滨附近。图5b可以看出时间系数绝对值较小，自然植被标准气候生产潜力分布状态较典型，第3特征向量和时间系数特征与第2特征向量相似。 2.2黑龙江省自然植被气候生产潜力对气候变化的响应

2.2.1气象因子和自然植被气候生产潜力相互之间关系由图6可见，黑龙江省自然植被W与气温、降水和蒸散量的变化一致，相关系数分别为0.371、0.832和0.995，均通过0.05的信度检验。W与年气温、年降水量和年蒸散量定量正相关，即年平均气温每上升1℃、年降水量和年蒸散量每增加10 mm，W依次变化为199.91、44.46、233.46 kg/（hm2·a）。由此可见，黑龙江省地区蒸散量对W的影响较大，根据前文公式可知，气温对W的影响占主导地位，降水量对W的影响相对较小。

2.2.2标准气候生产潜力对气温和降水量的敏感性分析为分析气象因子对标准气候生产潜力的影响，探讨W与年平均气温、年降水量的定量关系，通过检验并建立拟合回归方程，如式（8）所示。

方差分析得出，F統计量值为319.470，显著性概率P<0.001，回归方程非常显著，且正相关（R=0.969）关系。

为了模拟气候生产潜力对气温和降水变化的敏感程度，本研究设置5种气候情景，将年平均气温降低2℃和1℃、气温不变、升高1℃和2℃；年降水量减少 20%和10%、降水量不变、增加10%和20%后计算标准气候生产潜力，由于研究区域地处高纬度，太阳能丰富，日照充足，基本满足大豆生长发育需要，以多年平均气温和降水量计算气候生产潜力，比较气候变化前后黑龙江省自然植被标准气候生产潜力变化。仅考虑单因子变化，气温升高或降低时，W的变化幅度要比降水大。但实际上气温和降水同时变化，对W产生不同影响。由表2可见，当气温不变，降水增加（或减少）10%、20%，W分别增加（或减少）3.58%、7.14%；当降水不变，气温升高（或降低）1、2℃，W分别增加（或减少）3.84%、7.67%。因气温变化引起的W变化幅度大于降水引起的W变化幅度，说明气温主导研究区域W的大小。当气温降低1、2℃，降水量增加（或减少）10%、20%时，W将减小0.26%～14.82%；然而气温降低1℃，降水量增加20%时，W将增加3.31%。当气温升高1、2℃，降水量增加（或减少）10%、20%时，W将增加0.26%～14.82%；然而气温升高1℃，降水量减少20%时，W将减少3.31%。与上述分析，气温对W的影响占主导地位一致。研究区域“冷干型”气候对标准气候生产潜力不利，“暖湿型”气候对标准气候生产潜力有利。假设研究区域气候变化的特征趋势与上文分析一致，未来将向“暖湿型”发展，将有利于标准气候生产潜力发挥。

3结论与讨论

（1）黑龙江省自然植被气候生产潜力（WT、WR、WV、W）均呈现增加趋势，年代际变化差异明显，整个研究时域水热配比情况较好，大部分时期热量起主要限制作用，降水也是主要限制因子之一。

（2）黑龍江省自然植被气候生产潜力（WT、WR、WV、W）存在26～31、18～24、11～16年等3种时间尺度的周期变化，第一主周期分别为28、28、27、28年。

（3）黑龙江省自然植被标准气候生产潜力空间分布存在3种分布类型，主要表现型式呈现一致的正变化趋势，次要表现型式呈现正、负相间变化；高值中心主要集中在西南部地区，低值中心主要集中在西北部地区，自然植被标准气候生产潜力受地理环境影响变化较明显，区域特征差异显著；水热条件匹配较好（较差）区域的标准气候生产潜力偏高（偏低）。

（4）黑龙江省自然植被标准气候生产潜力对气象要素变化响应敏感，在年际尺度中，气温每上升1℃、降水量和蒸散量每增加10 mm，W依次变化为199.91、44.46、233.46 kg/（hm2·a），气温是主要限制因子。“冷干型”气候对标准气候生产潜力不利，“暖湿型”气候对标准气候生产潜力有利；未来将向“暖湿型”发展，研究区域将有利于标准气候生产潜力发挥。

（5）Miami模型和Thornthwaite Memorial模型估计的净第一性生产力稍大及利用的年平均实际蒸散量综合第考虑了气温和降水以及下垫面性质的影响作用[32]，通过光合作用与植物冠层蒸散伴随的植物体对植物生长机理以及能量的内在转换机制描述，展现光合作用与植被产量关系，因此理论上更具可靠性。该模型仅为统计模型，亏缺紧密的生理、生态特征及机理支撑依据，还需进一步完善，增加其他气象因子如日照、风速和相对湿度等[33]，这将是未来时期重要任务之一。

参考文献

[1]王晓煜，杨晓光，孙爽，等.气候变化背景下东北三省主要粮食作物产量潜力及资源利用率比较[J].应用生态学报，2015，26（10）：3091-3102.

[2]马雅丽，郭建平，赵俊芳.晋北农牧交错带作物气候生产潜力分布特征及其对气候变化的响应[J].生态学杂志，2019，38（3）：818-827.

[3]周广胜.气候变化对中国农业生产影响研究展望[J].气象与环境科学，2015，38（1）：80-94.

[4]郭建平.气候变化对中国农业生产的影响研究进展[[J].应用气象学报，2015，26（1）：1-11.

[5]高军波，楚冰洋，闫军辉，等.1960年以来河南省玉米气候横财潜力估算与种植空间优化[J].农业机械学报，2019，50（1）：245-254.

[6]郭建平.气候变化对农业气候资源有效的影响评估[M].北京：气象出版社，2016：2-49.

[7]王鹏，王婷，王莹，等.东北地区玉米气候生产潜力评估及区划[J].大麦与谷类科学，2019，36（1）：43-48，58.

[8]胡慧杰，王猛，尹小刚，等.气候变化下东北农作物大豆需水量的时空变化特征[J].中国农业大学学报，2017，22（2）：21-31.

[9]李秀芬，马树庆，宫丽娟，等.基于WOFOST的东北地区玉米生育期气象条件适宜度评价[J].中国农业气象，2013，34（1）：43-49.

[10]朱海霞，姜丽霞，曲辉辉，等.黑龙江省水稻生育阶段极端降水事件时空特征[J].气象，2019，45（4）：522-532.

[11]龙斯玉.江苏省农业气候生产潜力及区划研究[J].地理科学，1985， 5（3）：218-226.

[12]陈国南.用迈阿密模型测算我国生物生产量的初步尝试[J].自然资源学报，1987，2（3）：270-278.

[13]高素华，潘亚茹，郭建平.气候变化对植物气候生产力的影响[J].气象，1994，20（1）：30-33.

[14]王秀芬，杨艳昭，尤飞.黑龙江省气候变化及其对玉米生产潜力的影响[J].干旱地区农业研究，2015，30（5）：25-29.

[15]王宗明，张柏，张树清，等.松嫩平原农业气候生产潜力及自然资源利用率研究[J].中国农业气象，2005，26（1）：1-6.

[16]李莉，周宏飞，包安明.中亚地区气候生产潜力时空变化特征[J].自然资源学报，2014，29（2）：285-294.

[17]于颖，范文义，杨曦光.1901-2018年小兴安岭森林NPP估算[J].林业科学，2014，50（10）：16-23.

[18]赵慧颖，田宝星，宫丽娟，等.近308年来大兴安岭北部森林植被气候生产潜力及其对气候变化的响应[J].生态学报，2017，37（6）： 1900-1911.

[19]张兴林，丛志宇，赵慧颖，等.黑龙江省富裕县移栽玉米气候生产潜力分析[J].中国农学通报，2016，32（21）：147-152.

[20]卢玢宇，杨波，裴占江，等.黑龙江省气候生产潜力时空演变特征研究[J].生态环境学报，2017，26（10）：1659-1664.

[21]杜国明，张露洋，徐新良，等.近50年气候驱动下东北地区玉米生产潜力时空演变分析[J].地理研究，2016，35（5）：864-874.

[22]田宝星，于敏，李浩然，等.黑龙江省春季低温指数及其对作物产量的影响[J].中国农学通报，2018，34（25）：97-103.

[23]田宝星，宫丽娟，杨帆，等.黑龙江省春季低温指数小波分析[J].水土保持研究，2017，24（1）：342-345，350.

[24]赵俊芳，孔祥娜，姜月清，等.基于高时空分辨率的气候变化对全球主要农区气候生产潜力的影响评估[J].生态环境学报，2019，28（1）： 1-6.

[25]罗永忠，成自勇，郭小芹.近40a甘肃省气候生产潜力时空变化特征[J].生态学报，2011，31（1）：221-229.

[26]赵慧颖，顾润源，白晓慧，等.气象水文因子对呼伦湖湿地区域植物气候生产潜力的影响[J].生态环境学报，2012，21（6）：997-1003.

[27]李夏子，郭春燕，杨晶，等.气候变化对内蒙古牧草生产潜力的影响[J].中国农学通报，2018，34（16）：106-114.

[28]周国华，罗小莉，王盘兴，等.中国冬季气温异常EOF分析的改进[J].大气科学学报，2012，35（3）：295-303.

[29]符传博，丹利，冯锦明，等.1960-2012年中国地区总运量时空变化及其与气温和降水的关系[J].大气科学，2019，43（1）：87-98.

[30]宗天韵，周玮莹，周平.南岭山地1968到2015年降水的时空变化特征研究[J].生态科学，2019，38（2）：182-190.

[31]符淙斌，王强.气候突变的定义和检测方法[J].大气科学，1992，16（4）：482-493.

[32]曹宗龙.安徽省植被潜在生产力研究[J].绵阳师范学院学报，2011， 30（2）：77-83.

[33]葛全胜，刘健，方修琦，等.过去200年冷暖变化的基本特征与主要暖期[J].地理学报，2013，68（5）：579-592.