基于气候生产力模型的安徽省气温与降水的变化分析

余秋实，邵燕林

（长江大学 地球科学学院，湖北 武汉430000）

气候变化问题一直是全球广泛关注的热点，它与人类的生活息息相关，直接影响着全世界的生态环境、交通出行和工农业生产等问题，并对社会生存、经济发展和生态环境构成了一定程度的直接威胁[1-2]。其中，气候因素将对作物的“气候生产力”这一要素产生重要影响[3]。在农业方面，气候、品种、土壤、作物群体结构和栽培技术等都会影响农作物的产量和质量[4]。

当其他因素均处于最适宜的状态时，由气候因素所直接决定的在单位面积土地上可能获得的最高生物学产量被称为气候生产力，可以用来综合衡量一个地区的气候资源状况。因此，掌握其变化规律对于合理利用气候资源有重要的现实意义，对保障农业生产的稳定性也具有促进作用[5-6]。

综合其他学者的研究情况，如王晓喆等研究了气候生产力的时空变化特征，并结合一手的气象资料综合表征了河南省全省的变化情况[7]；李颜颜等使用近54 年的气象站逐月、逐日气象资料完成了基于气候倾向率和IDW（inverse distance weight）方法的气候生产力建模，并综合分析了研究区的农业情况和时空规律[8]。类似的方法鲜少有综合安徽省的气候与降水情况进行具体分析和探究。而安徽省是一个农业资源丰富、水资源丰富、地形状况复杂的省份，兼具平原、丘陵、山区等多种地形状况[9]。地形地貌的复杂性以及复杂多样的气候特点，共同决定了安徽省降水量数据与气温数据必然拥有充满特色的时空变化特征，从而对其气候生产力变化特征做出进一步的数据化、可视化的描述，为充分利用本省的气候资源和提高农作物的气候生产力提供相应的理论依据。

1 研究区概况和数据来源

1.1 研究区概况

安徽省位于114°54'E-119°37'E、29°41'N-34°38'N，地处华东地区，境内地形地貌复杂多样。从地形特点看，长江、淮河两大水系横穿南北，北部为淮北平原，东部有江淮丘陵，南部为皖南山区，西部则是大别山区。从气候变化看，属于暖温带和亚热带的过渡地区，淮河以北属于暖温带半湿润季风气候区，淮河以南属于亚热带湿润季风气候区，符合秦岭-淮河分界线的南北分界规律[10]。

1.2 数据来源

降水量数据来源于地理国情监测云平台(http://www.dsac.cn/)，数字高程模型数据来源于地理空间数据云平台(http://www.gscloud.cn/)，气温数据下载于中国气象数据网(http://data.cma.cn/)，并均结合了安徽省界与市界的矢量文件进行数据预处理。为保证待分析数据的正态分布性，已经对数据进行探索性数据分析(exploratory spatial data analysis,ESDA)，完成了对比和筛选[11-12]。

2 研究方法

2.1 气候生产力模型

气候生产力的计算公式存在很多，但考虑到原数据需要易于获取，并且能有效说明气候变化的影响，综合参照以往学者的研究，选用了TM（thornthwaite memorial）模型[13-14]。该模型如下

2.2 普通克里格插值

克里格插值法有许多种类型，该插值理论的研究基础是区域化变量和空间自相关理论该方法对满足二阶平稳或一定固有假设的变量具有很好的估计精度，尤其是拥有最优线性无偏估计特征(best linear unbiased estimator, BLUE)[15]。该插值法在使用时需要先计算样本变异函数，再通过选择合适的变异函数理论模型进行模拟，最后根据模拟函数对待估计点进行线性估计，并给出估计方差作为估计不确定性的度量指标[16]。

2.3 双变量相关性分析

双变量分析是根据变量之间的联系建立评价指标，并且通过这些指标来进行比对从而做出评价结果的方法。利用其中的Pearson 相关系数对数据进行衡量时，主要用于衡量变量之间的线性关系[17]。相关系数r 的计算公式

式中：X，Y 为变量；-X 和-Y 分别表示其平均值。

3 制图与分析

3.1 降水量的总体变化特征

3.1.1 降水的宏观变化特征

由图1(a)安徽省多年平均降水量示意图可得，平均降水量分布区域与高程数据具有极为相似的分布关系。六安市、安庆市、黄山市与宣城市也正是安徽省内高程较高的城市，分别属于皖南山区和大别山区，这四个城市的多年平均降水量均达到了200 亿m3左右。在此基础上观察图1(b)安徽省2015 年降水量示意图，对比多年平均降水量与2015 年的降水量数值，发现变化主要集中在池州市、铜陵市、芜湖市等城市组成的沿江城市带之上。观察分析两图的综合数据范围，发现2015 年的降水数值普遍高于往年平均数值。在多年平均降水量中，最小值为15.5 亿m3，而2015 年的最小值为21.4 亿m3；多年平均的最大值为220.6 亿m3，而2015 年的最大值为249.2 亿m3。

3.1.2 降水的具体变化特征

为充分体现降水量的空间变化特征，制作图1(c)安徽省2015 年降水量变化示意图，可以发现该年皖南城市带的降水量明显多于皖中与皖北城市群，平均降水量的增加在70 亿m3左右；皖中城市带的色块多呈黄色，表明降水量较以往并无过多变化；皖北城市群多呈明显的红色，表明降水量明显少于往年，且减少的降水量约在50 亿m3左右。这一北部的相对“干旱”与南部的相对“湿润”的水文特征，是符合安徽省的气象带分布的。在此变化图中，较为突出的除了皖北四市降水量明显少于往年，且数值变化相对巨大，还有位属皖南的芜湖市，降水量出现较为异常且突出的数值。

图1 安徽省2015 年降水量时空变化特征示意图

3.2 气温的时空变化特征

3.2.1 气温的时间趋势变化特征

图2(a)2015 年全年平均气温示意图显示，在该年，安徽省的气温基本处于(15.6,16.8)区间范围内，南北无更大变化差异。皖南地区较皖北地区的平均温度数值普遍高一度以上，并且分布极有规律，基本按照纬度递减的顺序减少温度数值。安庆、池州和黄山的温度较高，平均气温在16.7 ℃左右；阜阳和亳州市的平均温度最低，在15.7 ℃左右。

因此，首先对比2015 年与2014 年的温度数据，并按照变化的百分比绘制图像，如图2(b)所示，发现变化较大的区域集中在阜阳市与亳州市以及皖南多个城市之上。皖北三城（阜阳、亳州和淮北）的气温数据与上年比较均在减少，而阜阳与亳州的变化体现在气温异常下降，并较上年减少了1.6%～6.4%；而皖南的多个城市，如图中的深棕色和浅粉色色带，气温则陡然升高，提升的百分点在5.6～15.3 之间。

由图2(c)，比较2015 年的气温数据与多年平均值数据，发现2015 年的气温数据基本都呈异常升高的趋势。池州、黄山两市气温上升的百分比达20%，而皖中与皖南的其它城市温度上升的百分比基本上也达10%～18%之间。气温的异常上升基本蔓延全省，而阜阳市、亳州市和淮北市的气温数据较往年持平，且有轻微下降，最低仅下降了0.4 百分点。但百分比数值相较于全省数据，仍是十分微弱，并不特别明显。

而在2015 年内，该年的变化则体现在四季的变化上，春季南北变化较小，等温线较为稀疏，而秋季与冬季的南北差异则更加明显，如图3。夏季的特殊性体现在全省的温度均相对较高，而温度更高的地区集中在城市群之处，换而言之，是城市的“热岛”效应产生出了不一样的等温线图[18]。

因此，季节间的温度变化图，如图4，具体的温度变化过程可归述如下：由春入夏，皖北地区温度上升更为明显，平均上升10.5 ℃；而由夏转秋，皖北及皖中部分城市则成为了降温的主力军；由秋至冬，全省东西两侧则形成了鲜明的对比，东部地区降温幅度更为剧烈。

图2 安徽省2015 年降水量时空变化特征示意图(a)2015 年平均气温；(b)2014—2015 年气温变化量(c)2015 年气温变化量平均值

图3 安徽省2015 年各季节等温线地形图(a)春季；(b)夏季；(c)秋季；(d)冬季

图4 安徽省2015 年各季节气温变化示意图(a)春夏季；(b)夏秋季；(c)秋冬季

3.2.2 气温的空间变化特征

为充分验证气温数据的空间分布特征，在安徽省内取100 个随机点进行提取气温数据并输出到属性表中，结合DEM（digital elevation model）数据以供多元分析。使用SPSS 软件对气温数据和DEM 数据进行进一步分析处理。结果表明：两个变量相关系数显著，显著水平为0.05。有95%的把握认为相关性的确存在，并且符合双侧检验的要求。

3.3 农业气候生产力的变化特征

3.3.1 气候生产力的总体变化特征

利用前述的气候生产力模型，并结合安徽省2015 年的气温数据和降水数据，作出图5 安徽省2015 年气候生产力示意图。图中显示，安徽省全省的气候生产力变化总体不大，皖北、皖中、皖南的界限划分如表1，也显得较为模糊，但仍有一定区别[19-20]。

图5 安徽省2015 年气候生产力示意图

表1 安徽省的常用地域划分

南部地区多个城市数值略微偏高，气候生产能力优于北部一些城市，这一点与多年平均气温值的分布特征相类似。值得注意的是，宿州市与芜湖市与周围其它城市的数值变化较大。结合3.1 节的降水的变化特征中的降水量变化示意图如图1，可以发现这两个城市在该年的降水量各位居一极端，符合先前对降水量数值的分析与预测。宿州市在皖北六市中，降水量最为正常，并没有出现异常情况；而芜湖市2015 年的降水量则偏少，不足以支撑起较高的气候生产力数值，因此产生这一特殊现象。

图5 表明，在2015 年这一年，皖北和皖中地区的气温变化差异较大，较不利于气候生产力数值的增长；宿州市作为皖北四市中的反例，充分体现了气温对气候生产力的强大影响；芜湖市在2015 年的降水量较少，这一点也同样反映在了气候生产力的模型之上。

同样采用100 个随机点，对气候生产力数据和DEM 数据进行双变量相关分析，发现两个变量相关系数显著，显著水平为0.01，解释是有99%的把握认为相关性存在并且符合双侧检验的要求。这体现了气候生产力在空间上的变化特征。

3.3.2 气候生产力的区域变化特征

分别制作皖北、皖中、皖南各城市各月的气候生产力变化图见图6，横坐标为月份数，纵坐标为当年的气候生产力，以便于后续的分析。安徽省各城市12 个月全部的数据平均值为13 617.83，该数据可以作为数据分析时的“原点”，在图6 上作为次坐标轴进行标注。

在皖北六个城市中，只有在4～9 月份，各城市才能突破这一平均值，并在6 月份和8 月份达到气候生产力的较高水平，约在30 000 kg/(hm2·a)左右。蚌埠、阜阳、淮南、亳州四市表现更为突出，但蚌埠市在2015 年的气候生产力变化幅度更加明显。3 月份与11 月发气候生产力的小幅回升通常伴随着温度与降水的共同上升，也是季风性气候的惯常表现[21]。

皖中四市占据的土地面积巨大，气候生产力数值也表现不俗。其中，安庆市的气候生产能力更为优秀，较为偏南的纬度优势和沿江城市带的特有优势使得安庆市的降水与气温均达到了一个均衡的水平。3 月份与9 月份数值略低，一方面是因为气温的陡然下降，另一方面也是因为梅雨季节会对农作物生产产生一定影响。

皖南六市占据了优秀的地理优势和气候优势，又常伴随着充裕的降水量，亚热带湿润季风气候为其优秀的气候生产能力提供了强有力的保障。但于此同时，南部独特的山区地形在一定程度上决定了农作物总体的生产数量无法超越皖北的平原地带，因此皖南地区适合发展特有的经济作物种植，例如茶叶与水果等。9 月份与10 月份气候生产力低于平均数值，可以考虑发展农业旅游，结合当地政府的举措，共同将金秋季节变为皖南的黄金季节。

图6 安徽省各地区各月气候生产力变化图

4 结果与讨论

4.1 结果

总体而言，安徽省在2015 年并未产生较为突出的气候或降雨、洪涝灾害，因此分析该年数据时，并没有出现异常偏高/偏低的数据，完成气候生产力模型分析时可以提高输入数据的合理性。获取的多年平均数值（气温和降水量）则建立在前人的观测之上，利用平均数进行分析，有助于观测当下的环境状况与农业发展程度。

分析可得，2015 年的降水数值普遍高于往年平均数值，且该年皖南城市带的降水量明显多于皖中与皖北城市群。其中，皖北四市（阜阳市、亳州市、淮北市和宿州市）降水量和皖南地区的芜湖市降水量都少于往年均值。

在2015 年，安徽省的气温基本处于(15.6,16.8)区间范围内，南北无更大的变化差异。皖南地区较皖北地区的温度数值普遍高一度以上，分布极有规律，基本按照纬度递减的顺序均匀减少温度数值。在验证了气温数据与DEM 数据的相关性之后，发现在四季之中：由春入夏，皖北地区温度上升更为明显；而由夏转秋，皖北及皖中部分城市则成为了降温的主力军；由秋至冬，全省东西两侧则形成了鲜明的对比，东部地区降温幅度更为剧烈。

与气温数据相似的是，农业气候生产力的数值与DEM 数据之间同样存在显著的双变量相关性。在2015 年内，气候生产力的总体变化特征并不明显，各个城市的数值差异不大，部分城市的降水量和气温数值出现了极端情况，这一点在气候生产力的模型上被表达了出来，主要体现在与周围城市的差值；但全省的区域变化特征则较为明显，皖南六市的气候生产力数值大于皖中四市，皖中四市则大于皖北六市，这一点可以通过该年的全年/全省平均气候生产力数值进行衡量。

4.2 讨论

随着气候生产力数值的不断计算和获取，单纯的将某个省份划分为三个区域的方法是明显不符实际情况的，如皖北地区中的宿州市与皖南地区中的芜湖市，均因当年的特殊气候现象而产生了一定的区分性。因此，在研究某地区该年和未来的农业发展政策时，应当综合使用气候生产力模型，通过计算得到具体地区的生产力情况。

本次研究主要着眼于安徽省的气候资源情况，主要探讨了影响农业气候生产力的两个气候因子，即气温和降水量，并且从时间和空间、总体和区域上进行了一定的分析，得出了一些现实化的结论。但是由于数据量有限，未能进行进一步的深入分析，这也是未来工作的一个重要内容。

5 小结

分析表明：2015 年安徽省整体降水量较为稳定，明显高于往年平均数值。从城市带的角度分析，皖南降水量明显多于皖中与皖北城市带。2015 年，安徽省的气温基本处于(15.6，16.8)区间范围内，皖南地区比皖北地区的平均数值普遍高1 ℃以上。气温数据和气候生产力的数值均与DEM 数据之间存在显著的双变量相关性，因此气候生产力模型可以有效地表达并分析全省的区域变化特征。