近30年河南省粮食作物单产的时序演变特征及其与大气环流的联系

孙建伟 徐慧 田宏伟 张方敏

摘要 依托河南省1989—2018年冬小麥、夏玉米产量数据及15种大尺度大气环流指数资料，基于集合经验模态分解评估研究区粮食作物单产的时序演变特征，结果表明，近30年冬小麦、夏玉米的单产均以趋势性增长为主，其方差贡献率分别为96.3%、59.5%，而单位面积农用化肥施用量是驱动单产增加的首要因素;冬小麦单产波动存在着准2.7、6、10年的周期性振荡，而夏玉米单产波动存在着准3.3、7.5、10年的周期性振荡;各作物单产的周期性振荡均与环流指数存在显著的相关性，而由前期环流指数与年份作为预报因子的线性模型较好地模拟了冬小麦、夏玉米单产的年际变化，其平均相对误差分别为3.1%、5.3%;河南省夏玉米单产波动对环流指数更为敏感，特别是前一年10月份较高数值的东太平洋/北太平洋涛动（EP/NP）是其单产减少的关键前兆性信号。

关键词 河南省;冬小麦;夏玉米;单产;时序演变特征;大气环流

中图分类号 S 162文献标识码 A

文章编号 0517-6611（2022）02-0227-04

doi：10.3969/j.issn.0517-6611.2022.02.060

开放科学（资源服务）标识码（OSID）：

Temporal Evolution Characteristics of Grain Yield in Henan Province during Recent 30 Years and Its Relation to Atmospheric Circulation

SUN Jian-wei1， XU Hui2， TIAN Hong-wei3，4 et al （1.Zhaocun Reservoir Management Office of Jiangning District in Nanjing，Nanjing，Jiangsu 211100;2.Nanjing Research Institute of Ecology and Environmental Protection， Nanjing，Jiangsu 210013;3.China Meteorological Administrator/Henan Provincial Key Laboratory of Agrometeorological Safeguard and Applied Technique， Zhengzhou，Henan 450003;4.Henan Institute of Meteorological Sciences， Zhengzhou，Henan 450003）

Abstract Based on the yield record of winter wheat and summer maize during 1989-2018 in Henan Province and the data of large-scale atmospheric circulation indices （LACI）， the temporal evolution characteristics for grain crops yield were evaluated using ensemble empirical mode decomposition （EEMD）.The results showed that in the past 30 years， both the winter wheat and summer maize yield were characterizing as increasing trends with the variance contribution of 96.3% and 59.5%， respectively， and the dosage of agricultural chemical fertilizer in per area was the primary factor driving the yield increase.There were quasi 2.7a， 6a， 10a periodic oscillations for yield fluctuations of winter wheat， while there were quasi 3.3a， 7.5a， 10a periodic oscillations for yield fluctuations of summer maize.There were significant correlations between the periodic oscillation of yield and LACI in each crop，the linear model with the antecedent LACI and the year as the forecasting factor simulated the inter-annual variation of winter wheat and summer maize yields， and the average relative errors were 3.1% and 5.3%，respectively.The yield fluctuations of summer maize was more sensitive to LACI， especially the higher East Pacific/North Pacific Oscillation （EP/NP） in October over the previous year was the key precursor signals for yield reduction.

Key words Henan Province;Winter wheat;Summer maize;Yield per unit area;Temporal evolution characteristics;Atmospheric circulation

基金项目 中国气象局/河南省农业气象保障与应用技术重点实验室开放研究基金项目（AFM202006）。

作者简介 孙建伟（1984—），男，浙江兰溪人，工程师，从事水利工程管理、灌区及农田水利工程管理工作。*通信作者，高级工程师，硕士，从事生态气象研究。

收稿日期 2021-09-30;修回日期 2021-10-20

粮食安全是关系一个国家和地区生存与发展的重大问题，由于构造复杂的地形地貌、脆弱且灾害频发的自然环境、有限的可利用耕地面积等国情，我国粮食产量的稳定增产面临着严峻的挑战[1]。近几十年来，我国粮食总产量持续增加的主要原因是政策、技术、生产力不断优化带来作物单产水平的不断提高，因此主要粮食作物单产的时空演变规律受到了诸多学者的广泛重视[2]。剔除趋势法是研究粮食单产波动的主要手段，但剔除趋势项后的波动仍然是多因素多尺度的综合作用，且无法描述波动的多时间尺度特征[3]。与小波分析法、HP滤波分解法、最小二乘法这类去除趋势的方法相比，集合经验模态分解（EEMD）能够在没有预先设定基函数的情形下，依据数据自身的时间尺度特征进行自适应的信号分解，并且对趋势项的提取更具客观性和稳定性。

全球气候变暖带来的气温、降水、光照等气候要素的变化，使得我国主要粮食作物产区的水热气候条件以及农业气象灾害的类型、强度、频次都发生了显著的变化，因而加剧了粮食作物单产波动[4-6]。作物单产的年际波动受区域农业气候要素的直接影响，而大气环流异常是导致气候异常甚至灾害型天气发生的重要原因[7]。耦合了海洋与大气关键特征信息的大尺度环流指数高效地量化了逐月、逐年区域环流的变化情形。现有的研究表明全球不同地区降水、气温的季节性变化与环流指数之间存在不同程度的时滞相关性，如ENSO一类的环流指数可以在半年甚至一年前对来年的区域降水进行有效的预估[8]。鉴于此，直接构建作物单产与各种类型大尺度环流指数之间的线性模型值得很好的尝试，但现阶段类似的研究还较少[9-10]。

河南省地处我国中东部、黄河中下游，其地势上处于我国第二级阶梯和第三级阶梯过渡地带，气候上属于亚热带向暖温带过渡。该省是全国重要的农业大省和粮食生产基地，其冬小麦的种植面积与总产量均为全国之首[11-12]。夏玉米是河南省仅次于小麦的重要粮食作物，占全国播种面积的10%。降水资源的年内分布不均以及年代際波动较大导致季节性雨涝、干旱事件的频繁发生，成为制约河南省粮食稳产增产的首要因素。现有的研究主要局限在探求粮食总产量的驱动因素，而对单产的时序演变特征还鲜见报道[13]。鉴于此，笔者使用EEMD解析河南省冬小麦、夏玉米单产的时序变化特征及其与环流指数的可能联系，这将为深入预估、预判区域粮食生产安全的风险变化提供重要的参考依据。

1 资料与方法

1.1 基本数据

全省尺度下河南省冬小麦、夏玉米的单产及相关农业经济数据来源于国家统计局官网提供的农情资料。由于1989年前的相关记录缺失较多，故该研究计算分析的时段设置为1989—2018年，2种作物单产的年际变化序列见图1。此外6种关键农业经济指标分别为S1，有效灌溉率（有效灌溉面积/总播种面积，%）;S2，单位面积农用化肥施用量（总化肥施用量/总播种面积，万t/1 000 hm2）;S3，单位面积投入农业机械动力（农业机械总动力/总播种面积，万kW/1 000 hm2）;S4，单位面积投入人力（农业总从业人口/总播种面积，万人/1 000 hm2）;S5，农田除涝率（出涝面积/总播种面积，%）;S6，单位面积农药使用量（农药总使用量/总播种面积，万t/1 000 hm2）。

15种大尺度大气环流指数（large-scale atmospheric circulation indices， LACI） 1988—2017年的逐月数据由美国国家大气海洋局（ NOAA）气候预测中心（ https：//www.esrl.noaa.gov） 提供，分别为太平洋-北美遥相关型（PNA）、东太平洋/北太平洋涛动（EP/NP）、西太平洋遥相关型（WP）、北大西洋涛动（NAO）、南方涛动（SOI）、热带北大西洋海温（TNA）、热带南大西洋海温（TSA）、西半球暖池指数（WHWP）、混合ENSO指数（MEI）、厄尔尼诺-3区的平均海面温度（NINO 3）、厄尔尼诺1+2区的平均海面温度（NINO 1+2）、厄尔尼诺-4区的平均海面温度（NINO 4）、厄尔尼诺-3.4区的平均海面温度（NINO 3.4）、太平洋年代际振荡（PDO）、北太平洋遥相关型（NP）[9-10]。

1.2 EEMD 集合经验模态分解（ensemble empirical mode decomposition，EEMD）是一种高效处理线性及非线性时间序列的分析技术，可以将不同频率的波动和趋势逐级提取出来[14]。EEMD提取出的波动项一般称之为有限个本征模函数IMF（intrinsic mode function），其表征了年际、年代际等不同时间尺度的振荡特征，而趋势项则通过单调或均值函数来描述，其代表时间序列的长期变化趋势。

2 结果与分析

2.1 作物单产的EEMD分析

从冬小麦、夏玉米单产序列的EEMD分析结果（图2）可以看出，1989—2018年河南省冬小麦和夏玉米单产逐年序列均可分解为3个IMF项和1个Trend项。其中，Trend项均呈现出显著的逐年线性上升态势，反映科技、经济、政策等社会因素高速发展的增产效应。图2a中IMF1、IMF2、IMF3分别表征冬小麦单产波动的准2.7、6、10年周期性振荡，而图2b中IMF1、IMF2、IMF3分别表征夏玉米单产序列的准3.3、7.5、10年周期性振荡。这与研究区降水、气温等气候要素的振荡主周期（3～12年）相一致[15-16]，说明粮食作物单产的短期、中期及年代际波动与气候变化关系密切。图2a中冬小麦单产Trend项的方差贡献率高达96.3%，这表明冬小麦单产变化的首要驱动力为农业经济等非气候要素。相比之下，夏玉米单产Trend项的方差贡献率仅为59.5%，而IMF1、IMF2项的贡献率均接近18%，这表明气候要素对夏玉米单产的短期年际变化的影响更为显著。此外，从图2中IMF1的逐年变化过程可以看出，冬小麦单产短期波动的大幅振荡主要发生在1998年前，此后波动的振幅显著减小;冬小麦单产短期波动的大幅振荡主要发生在2003年前，此后波动的振幅相对较小。

2.2 作物单产各分量与农业经济指标的相关分析

表1～2给出了冬小麦、夏玉米单产IMF及Trend分量与农业投入要素相关分析的结果。从各组相关系数来看，农业经济指标（有效灌溉率S1、單位面积农用化肥施用量S2、单位面积投入农业机械动力S3、单位面积投入人力S4、农田除涝率S5、单位面积农药使用量S6）与IMF1、IMF2、IMF3、Trend的关联度存在显著差异。各作物IMF1分量与农业经济指标的相关性最弱，其相关系数绝对值在0.003～0.136;IMF2、IMF3分量与农业经济指标的相关性也较弱，其相关系数绝对值在0.053～0.299;各作物Trend分量均与农业经济指标呈现出极强的相关性，其相关系数绝对值在0.558～0.990。这一结果进一步说明研究区粮食作物单产的长期增加趋势是农业投入要素驱动的结果。从作物单产与各农业经济指标的相关系数来看，单位面积农用化肥施用量（S2）是影响冬小麦单产长期趋势的首要因素，其次为单位面积投入农业机械动力（S3）;单位面积农用化肥施用量（S2）同样也是影响夏玉米单产长期趋势的首要因素，其次为农田除涝率（S5）。

2.3 作物单产IMF分量与环流指数的相关分析

依托冬小麦、夏玉米单产IMF分量的逐年序列、13个月份15种环流指数的逐年序列（包含作物收获月份及之前的12个月），对IMF1、IMF2、IMF3分量与环流指数进行相关分析（每个IMF序列对应13×15个环流指数逐年序列），以期了解单产短期、中期、长期波动对大尺度环流异常的响应。表3～4给出了对IMF分量影响最显著的环流指数类型及其所在月份。从各组相关系数来看，不同作物单产的IMF1、IMF2、IMF3分量对环流指数的响应存在差异。冬小麦单产IMF1分量与环流指数的相关性最显著，其相关系数绝对值的最大值为0.523，而IMF2、IMF3分量与环流指数相关系数绝对值的最大值分别为0.456、0.494;夏玉米单产IMF2分量与环流指数的相关性最强，其相关系数绝对值的最大值达0.651，而IMF1、IMF3分量与环流指数相关系数绝对值的最大值分别为0.392、0.592。这表明环流指数对冬小麦单产的短期波动有一定的指示作用，而对夏玉米单产的中期及年代际波动有更强的指示作用。

此外，影响不同作物单产的环流指数存在显著的类型差异（表3～4）。就冬小麦而言，生育期内（10月—次年5月）与IMF分量相关性较显著的环流指数主要为TSA、EP/NP、NAO， 其相关系数绝对值在0.384～0.523;而生育期之前与IMF分量相关性较显著的环流指数主要为SOI、PDO、TNA，其相关系数绝对值在0.456～0.468。就夏玉米而言，生育期内（6—9月）与IMF分量相关性较显著的环流指数主要为WP、PDO、TNA， 其相关系数绝对值在0.392～0.577;而生育期之前与IMF分量相关性较显著的环流指数主要为EP/NP，其相关系数绝对值在0.389～0.651。相比较而言，生育期之前月份的环流指数对气候变化引发的单产波动有更强的指示作用。

2.4 基于前期环流信号的单产预报模型

由图2可知，冬小麦、夏玉米单产逐年序列的Trend分量呈现出极显著的线性增加趋势，且各IMF分量与关键月份的环流指数显著相关，由此构建了表5中使用年份及前期3个关键环流指数作为自变量的多元线性单产预报模型。从表5和图3可以看出，研究区4个变量冬小麦单产预报模型计算得出的模拟值与实测值有显著的同步性，其R2高达0.964;特别是除1997年外，各年的相对误差均不超过10%，其整个研究期的平均相对误差仅为3.1%。与冬小麦相比，研究区4个变量夏玉米单产预报模型的模拟精度略低，其R2为0.706，且平均相对误差达5.4%;特别是2003年的预报误差超过15%。由于简易预报模型所含自变量较少，并且没有使用相关经济社会要素，因此对重大气象灾害带来的严重灾损预估效果并不理想。

此外，表5中逐步回归分析对各作物单产预报模型进行了简化。对冬小麦而言，仅用年份的单因子预报模型的R2为0.954，而包含关键环流信号SQI的双因子预报模型的R2为0.961;两者相比，环流信号SOI的加入对单产预报效果的提升有限，这进一步表明研究区冬小麦单产波动对气候变化不是很敏感。反观夏玉米，仅用年份的单因子预报模型的R2为0.485，而包含关键环流信号EP/NP的双因子预报模型的R2为0.650;相比较，环流信号EP/NP的加入大幅提高了单产预报模型的模拟效果，这进一步表明研究区夏玉米单产波动对气候变化更为敏感，而前期的环流信号对单产的丰歉有重要的指示作用。由表5中方程可知当年10月份EP/NP每增加1个单位，可能会导致下一年研究区夏玉米单产减少292 kg/hm2。

3 结论

（1）EEMD分析结果表明研究区冬小麦、夏玉米的单产波动均可分解为长期性增长趋势和准2.7～3.3、6.0～7.5、10年的周期性振荡，其中趋势性上升是粮食作物单产波动的主流。

（2）单位面积农用化肥施用量是影响研究区冬小麦、夏玉米单产长期趋势的首要因素，而各作物单产不同时间尺度的周期振荡均与环流指数有显著的相关性，特别是由年份及前期环流指数构建的线性模型有较好的单产预报效果。

（3）河南省夏玉米单产波动对环流指数更为敏感，特别是前一年10月份EP/NP，每增加1个单位会导致产量减少292 kg/hm2。

参考文献

[1]

邬舒静.安徽省粮食产量的影响因素研究[J].江西农业学报，2016，28（10）：116-119，125.

[2] 蒋尚明，金菊良，许浒，等.基于经验模态分解和集对分析的粮食单产波动影响分析[J].农业工程学报，2013，29（4）：213-221.

[3] 刘忠，黄峰，李保国.基于经验模态分解的中国粮食单产波动特征及影响因素[J].農业工程学报，2015，31（2）：7-13.

[4] 李树岩，方文松，马志红.河南省夏玉米生长季农业气候资源变化分析[J].河南农业科学，2012，41（7）：21-26.

[5] 覃志豪，唐华俊，李文娟，等.气候变化对农业和粮食生产影响的研究进展与发展方向[J].中国农业资源与区划，2013，34（5）：1-7.

[6] 朱保美，胡雪红，周清，等.气候变化对齐河县粮食生产的影响和对策[J].安徽农业科学，2014，42（28）：9869-9871.

[7] 徐敏，徐经纬，高苹，等.基于海温和大气环流特征量的农业气候年景预测[J].江苏农业科学，2016，44（9）：435-439.

[8] 李佳佳，贺新光，卢希安.长江流域月降水的EEMD多时间尺度遥相关分析[J].长江流域资源与环境，2019，28（8）：1898-1908.

[9] 田宏伟，胡程达，黄进，等.近30年河南省冬小麦气象年景的时空演变及其与大气环流的联系[J].水土保持研究，2020，27（6）：346-352.

[10] 田宏伟，闵俊杰，黄进，等.基于集合经验模态分解的河南省夏玉米产量波动对大气环流的响应[J].水土保持通报，2020，40（4）：176-182.

[11]

刘小雪，申双和，刘荣花.河南夏玉米产量灾损的风险区划[J].中国农业气象，2013，34（5）：582-587.

[12] 孟琪，王来刚，秦奋，等.河南省农作物最大光能利用率综合评估与时空特征分析[J].河南农业科学，2018，47（7）：149-156.

[13] 贺振.河南省粮食生产动态变化及驱动机制分析研究[J].干旱区资源与环境，2010，24（6）：6-9.

[14] 齐乐秦，粟晓玲，冯凯.西北地区多尺度气象干旱对环流因子的响应研究[J].干旱区资源与环境，2020，34（1）：106-114.

[15] 孙卫国，程炳岩，顾万龙.河南省气候变化与北极涛动的多时间尺度相关[J].高原气象，2008，27（2）：430-441.

[16] 闫军辉，张向敏，周红升，等.1951—2015年河南省温度变化研究[J].干旱区资源与环境，2017，31（7）：102-107.