太平洋海温三极子对中国东北地区春玉米气候产量的影响

陈凯奇 李建平 谢铁军 张亚洲

（1.北京师范大学全球变化与地球系统科学研究院，北京 100875；2.中国海洋大学深海圈层与地球系统前沿科学中心／物理海洋教育部重点实验室／未来海洋学院，山东青岛 266100；3.青岛海洋科学与技术国家实验室海洋动力过程与气候功能实验室，山东青岛 2662373；4.北京市气候中心，北京 100089）

引言

玉米是世界第一大粮食作物，也是中国产量最高的粮食作物，在畜牧业中被称为“饲料之王”，其产量的高低对于中国乃至全世界的粮食安全至关重要［1］。东北地区作为中国最大的雨养玉米产区，玉米种植面积及产量占全国的30%～40%，单产水平较高，商品玉米量约占全国的60%，因此东北地区玉米产量的丰歉可对全国粮食总产量产生直接影响［1-2］。

尽管技术和作物品种在不断被改进，天气和气候仍然是影响农业生产的主要不可控因素［3-4］。东北地区地处环境变化速率最大的季风气候区，受东亚季风影响，有较大的气候年际波动变率［5］。农业气候指标的波动可以解释超过20%的作物产量变化［6］，干旱和极端高温可能使作物减产9%～10%［7］。Zhao等［8］研究表明，全球变暖每升高1℃，便可能会使全球玉米减产7.4%，中国玉米减产8.0%。东北玉米各生育期受气候变化的负面影响主要与区域阶段性的气温升高和干旱频次的增加有关［9-11］。近50 a来，东北地区降水量的较大波动和分布不均严重影响了玉米产量［12-13］，东北地区降水减少主要集中在春玉米生长发育的夏秋季节［14］，干旱导致的东北地区耕地面积受损达29.3%［15］。随着温度的升高、降水量的不稳定性增加以及玉米种植面积的不断扩大，雨养农业对于干旱事件的响应会变得更加敏感［15-16］。鉴于气候变化对农业产生的影响，人们迫切需要更深入地了解气候变化与作物产量之间的关系，这对于预测和指导玉米生产大有裨益。

同一种作物的气候风险在不同地区往往会表现出很大差异［17］。为了预测区域作物产量，必须首先预测能够影响作物生长环境的局地气候变量，故而寻找能引起大气环流变化的前期信号是非常重要的［18］。海洋表面温度（Sea Surface Temperature，SST）作为影响气候系统的重要前期信号，可通过大气环流过程影响全球和区域的气候［19-20］。如北大西洋海温三极子可通过海气相互作用机制影响下游的大气环流和中国东北地区的气候［21］；北太平洋海温三极子也可通过遥相关作用对北半球温带气候产生影响［22］。研究表明［23］，粮食产量的高低与SST的变化有密切关系。历史上的强ENSO（El Niño-Southern Oscillation）年与全球重大粮食危机事件之间存在着很大关联［24］；除了ENSO外，印度洋偶极子（Indian Ocean Dipole，IOD）和北大西洋振荡（North Atlantic Oscillation，NAO）通过影响其所在海域海温及周边的气候，也会对全球作物的产量产生重大影响［25-26］。这表明大尺度海洋过程是全球作物生产的重要驱动因素。随着对SST观测和预测水平的提高，以SST作为区域粮食产量的预测因子，将有利于提高春玉米产量的预测准确率。因此，本文首先分离出东北地区春玉米的气候产量，其次寻找能够影响东北地区春玉米气候产量变化的前期海洋信号，最后解释远程关键区海温影响东北地区气候的可能机制，为东北粮食产量的科学预测提供支持。

1 资料与方法

1.1 资料来源

文中资料来源如下：①玉米产量数据来源于农业农村部和国家统计局根据第三次全国农业普查结果订正的粮食分省年度数据集。②环流场数据来源于美国国家环境预测中心（National Centers for Environmental Prediction，NCEP）提供的Reanalysis-II月平均再分析资料，所用变量为经向风、纬向风和垂直速度，分辨率为2.5°×2.5°。③英国东英格利亚大学提供的高精度表面数据集CRU TS v4.05（University of East Anglia Climatic Research Unit，2021），所用变量为气温、降水和帕尔默干旱指数（Self-calibrating Palmer Drought Severity Index Base on Penman-Monteith，scPDSI），分辨率为0.5°×0.5°。④标准化降水蒸散指数（Standardised Precipitation-Evapotranspiration Index，SPEI）数据来源于全球SPEI数据库（SPEI-base v2.6），分辨率为0.5°×0.5°，该数据是基于东英吉利大学气候研究部的月平均降水量和潜在蒸散量计算而来。⑤土壤含水量数据来源于美国国家海洋和大气管理局气候预测中心（NOAA Climate Prediction Center），分辨率为0.5°×0.5°。⑥海洋表面温度（Sea Surface Temperature，SST）数据来源于英国哈德莱中心的HadISST-v1.1数据，分辨率为0.5°×0.5°。上述资料的选取时段均为1949—2018年。

1.2 计算方法

1.2.1 农作物产量统计方法

由东北地区春玉米生长实际发育期的多年平均日序可知，东北地区春玉米的生长发育过程在每年第110～270 d。因此，以4—9月为东北地区春玉米生长发育全时期（简称全生育期），4—5月为播种出苗期。

根据中国气象局的农作物产量定义，农作物产量受自然因素和非自然因素的综合影响，可将实际产量分解为趋势产量、气候产量和误差项。其中，趋势产量为受农业生产力变化引起作物产量的长期变化趋势部分；气候产量被定义为由于气候因子变化造成农作物产量年际波动的部分；其余部分为随机因素影响的作物产量分量（误差），通常不予考虑。这种定义方法被广泛应用于现有的粮食统计与预测模型当中［27］。

1.2.2 太平洋海温三极子指数

用1—5月的标准化SST定义太平洋海温三极子指数（Pacific Tripole Index，PTI）如下

式（1）中，P1代表的海区范围为（5°S～5°N；95°～175°W）；P2代表的海区范围为（25°～35°S；90°—150°W）；P3代表的海区范围为（45°～60°S；85°～150°W）；*代表对各范围内1—5月的平均海温序列进行标准化处理。

1.2.3 作物气候产量的分离方法

分离作物气候产量的方法有很多，前人在方法的选择上也存在一些争论。谢青琰［28］将HP滤波法与线性趋势法、滑动平均法和logistic回归函数等分离方法进行比较，发现HP滤波法的效果相对较好。因此，采用HP滤波法进行东北春玉米气候产量的分离计算。图1为根据HP滤波方法得到的1949—2018年全国和东北地区玉米年平均气候产量序列。与全国相比，尤其在1980年以后，东北地区玉米气候产量的波动幅度更明显。

图1 1949—2018年全国和东北地区春玉米年平均气候产量序列Fig.1 Variation of spring maize climatic yield in China and northeast China during 1949-2018

此外，本文采用的主要分析方法还包括相关分析、合成分析、去趋势分析、线性回归和气候协同诊断方法［29］等，其中合成差选取的正负显著异常年以大于1个标准差为基准，显著性均采用t-test方法检验。

2 结果分析

2.1 东北地区春玉米气候产量与太平洋海温三极子的关系

2.1.1 影响东北地区春玉米气候产量的太平洋海温关键区

为了探究海温是否可以作为影响东北地区春玉米气候产量的前期信号，图2给出了玉米收获前一年10月至收获当年9月的全球SST与东北地区春玉米气候产量的相关分布。由图2可以看出，在太平洋地区存在与玉米气候产量有显著相关的海温关键区，显著相关的时间起始于玉米收获当年的1月，并一直持续至5月，而后相关性迅速减弱。在显著相关存续的1—5月，海温关键区均位于赤道中东太平洋、南太平洋中纬度和高纬度地区，相关性由北至南呈现“正—负—正”的三极型分布（图2d至图2h中黑色方框所示位置），这表明位于赤道中东太平洋和南太平洋高纬度地区两个显著正相关海区的海温增暖（变冷），以及南太平洋中纬度显著负相关海区的海温变冷（增暖）可能会对东北地区春玉米的气候产量产生积极（消极）影响。由于赤道中东太平洋的海温关键区与ENSO海区存在高度重合，该结果也在一定程度上与前人对ENSO与全球重大粮食危机事件之间存在关联性的研究结果相对应［24］。

图2 1949—2018年东北地区春玉米气候产量与前一年10月（a）、前一年11月（b）、前一年12月（c）、当年1月（d）、当年2月（e）、当年3月（f）、当年4月（g）、当年5月（h）、当年6月（i）、当年7月（j）、当年8月（k）和当年9月（l）SST相关性的全球分布Fig.2 Global distribution of correlation between spring maize climatic yield in northeast China and the SST of last October（a），last November（b），last December（c），January（d），February（e），March（f），April（g），May（h），June（i），July（j），August（k）and September（l）during 1949-2018

2.1.2 PTI的提出及其与东北春玉米气候产量的关系

根据相关性显著的三极型海区范围，图3给出了PTI与玉米气候产量的原始序列及二者之间的相关关系。由图3a可知，在PTI典型异常高值年（如1983年、1998年和1992年），东北地区春玉米的气候产量有明显增加；反之，在PTI异常低值年（1989年、2000年和2018年），东北地区春玉米的气候产量则大幅减少。图3b表明PTI与东北地区春玉米气候产量之间的相关关系在同年达到最高，相关系数为0.53，并通过了置信度为95%的显著性检验，而超前1 a及以上的太平洋三极子海温型对东北地区春玉米气候产量的影响不显著。说明当年1—5月的PTI可能对当年东北地区春玉米产量具有显著影响。

图3 1949—2018年PTI和东北地区春玉米气候产量的标准化序列（a）及PTI超前东北春玉米气候产量的相关系数（b）Fig.3 Standardized series of PTI and climatic yield of spring maize in northeast China（a）and correlation coefficients between PTI and the climatic yield of spring maize in northeast China（b）during 1949-2018

2.2 太平洋海温三极子与东北地区春玉米生长期降水和土壤旱涝的关系

SST作为能够激发大气环流变化的重要气候因子，能够在一定程度上影响局地气候和大气能量的变化［30-31］。而东北地区局地气候因子的变化在春玉米生长发育至成熟的过程中，起着至关重要的作用［32］。因此，探究东北地区局地关键性气候因子对太平洋海温三极子的响应，有助于理解太平洋海温三极子影响东北玉米产量的机制。

在诸多气候因子中，水分是影响玉米生产的重要因素之一，干旱一般可使玉米减产20%以上［33］。此外，玉米在不同生长阶段对于土壤水分的敏感性和需求程度也有所差异，其中在萌发至出苗阶段对水分最为敏感［34］。纪瑞鹏等［35］和蔡福等［36］对东北地区玉米开展干旱胁迫试验表明，春玉米在苗期经干旱胁迫处理后，发育明显迟缓，发育延迟天数占全生育期延迟天数的77%。张淑杰等［37］研究表明，在东北春玉米产量关键期的苗期生长阶段，东北地区发生干旱的频率最高。影响干旱形成的原因不仅取决于降水量的多少，还与温度、径流和大气环流等因素有关［38］。为了更好地衡量太平洋海温三极子与东北地区春玉米生长期旱涝的关系，除了考虑降水和土壤含水量外，还考虑了以水分平衡为基础的自校准帕尔默干旱指数（scPDSI），以及结合降水和潜在蒸散而构建的标准化降水蒸散指数（SPEI）。图4和表1分别给出了东北地区春玉米气候产量与全生育期和播种出苗期的降水、土壤含水量、scPDSI和SPEI的标准化时间序列及其相关系数，可以发现东北地区春玉米气候产量与降水和土壤水分之间存在非常显著的正相关关系，该结果也在一定程度上印证了张玉书等［34］提出的玉米出苗率和干物重会随着土壤水分含量（达到最高值前）增加而增加的结论。基于水分对东北春玉米气候产量的重要影响，太平洋海温三极子的显著相关期与东北地区春玉米的播种出苗期相一致，因此接下来将探究太平洋海温三极子与东北地区春玉米播种出苗期和全生育期的降水、土壤旱涝的关系。

图4 1949—2018年东北地区春玉米气候产量与全生育期和播种出苗期降水（a）、土壤含水量（b）、scPDSI（c）及SPEI（d）的去趋势标准化序列Fig.4 Detrended standardized series of the climatic yield of spring maize and the precipitation（a），soil moisture content（b），scPDSI（c），and SPEI（d）throughout the growth period and seeding stage in northeast China during 1949-2018

表1 东北春玉米气候产量与全生育期和播种出苗期各气候变量的相关系数Table 1 Correlation coefficient between the climatic yield of spring maize in northeast China and climatic variables of the whole growth period and seeding stage

图5给出了PTI和东北地区春玉米生长全生育期和播种出苗期的降水、土壤含水量、scPDSI和SPEI去趋势标准化时间序列。图5表明，PTI与各变量在变化上均有较好的一致性且有较为显著的相关关系，即东北地区降水的增多（减少）和干旱减弱（增强）可能与PTI的增强（减弱）有关。通过对PTI与各变量间的相关系数进行计算（表2）发现，PTI与玉米全生育期水分有关变量的相关性大于播种出苗期，这表明PTI的作用可能不仅作用于玉米的播种出苗期，还有可能对东北地区春玉米的拔节、吐丝和乳熟期降水产生影响，这可能与“海气耦合桥理论”中海洋对大气的持续性作用有关［39］。此外，对于土壤含水量和scPDSI而言（图5b和图5c），玉米的播种出苗期与全生育期的变化趋势较为一致，即二者的相关系数较为相近（表2），而播种出苗期的降水和SPEI（图5a和图5d）的变化趋势和相关系数与全生育期相比，则有较大不同，原因可能与各变量的自身性质有关。SPEI综合了温度和降水的双重效应，能更全面合理地反映生态系统的水分平衡过程，而土壤含水量和scPDSI不仅考虑了当时的水分条件，还考虑了前期的水分状况和土壤保熵保湿的持续性特性［40］。

图5 1949—2018年PTI与东北地区春玉米全生育期和播种出苗期降水（a）、土壤含水量（b）、scPDSI（c）及SPEI（d）的去趋势标准化序列Fig.5 Detrended standardized series of PTI and the precipitation（a），soil moisture content（b），scPDSI（c）and SPEI（d）throughout the growth period and seeding stage of spring maize in northeast China during 1949-2018

表2 PTI与东北地区春玉米生长时期与全生育期和播种出苗期各气候变量的相关系数Table 2 Correlation coefficient between PTI and climatic variables of the whole growth period and seeding stage in northeast China

通过对PTI正负异常年降水、土壤含水量、scPDSI和SPEI的合成（图6）可以发现，在PTI的作用下，东北地区降水和SPEI的显著增强区域分布较为一致，均位于黑龙江省北部、吉林省南部和辽宁省大部地区（图6a、图6d、图6e和图6h），且全生育期的降水强度明显大于播种出苗期（图6a和图6e），再次表明PTI对降水有持续性影响；土壤含水量呈现由北至南递减的分布，黑龙江省北部、东部和南部的增加较为显著，而辽宁省大部分地区和吉林省东部地区播种出苗期的土壤含水量则明显偏低（图6f），这可能是由于前期该地区土壤含水量匮乏，但在降水增加的补充作用下，全生育期辽宁省和吉林省的土壤含水量得到明显提升（图6b）；综合性干旱指数scPDSI的分布表明大部分地区具有湿润的特征，但在播种出苗期的辽宁省西部和南部地区存在干旱现象（图6g），这与该地区土壤含水量偏低有关，而干旱情况在后期也得到显著改善（图6c）。在气候变暖的大背景下，玉米生长季东北地区的降水持续减少［12］，近30 a年均水分亏缺达390 mm以上［35］，因此太平洋海温三极子通过增加春玉米生长期东北地区的降水和土壤水分，可能对玉米气候产量的增加具有积极作用。

图6 PTI正负异常年的标准化东北地区春玉米全生育期降水（a）、土壤含水量（b）、scPDSI（c）、SPEI（d）和播种出苗期降水（e）、土壤含水量（f）、scPDSI（g）、SPEI（h）的合成Fig.6 Composite image of standardized precipitation（a），soil water content（b），scPDSI（c），and SPEI（d）for the whole growth period and precipitation（e），soil water content（f），scPDSI（g）and SPEI（h）from sowing to the emergence of spring maize in northeast China in positive and negative PTI abnormal years

2.3 太平洋海温三极子影响东北地区春玉米气候产量的机制分析

太平洋海温三极子与中国东北气候之间的关系在前文已经探究，接下来将探究太平洋海温三极子影响东北地区气候的可能机制。因太平洋三极子海区与东北地区间的距离较远，其影响机制需要依靠“媒介”才可能得以实现，前人研究表明“大气桥”可以作为沟通远程海洋与局地气候变化间遥相关作用的关键桥梁［39］。图7a是PTI正负异常年SST和300 hPa水平矢量风场的合成，从水平环流对太平洋海温三极子的响应中可以看出，在高纬度东南太平洋的三极子海温高值区上空存在异常反气旋（高压中心，用H表示）；在中纬度东南太平洋的三极子海温低值区上空存在异常气旋（低压中心，用L表示）；分别在南北半球赤道中东太平洋的三极子海温高值区上空各存在一个异常反气旋（均为H高压中心）；在西北太平洋中纬度地区和中国东北地区上空分别存在一个气旋（L）和反气旋（H）。即由南太平洋经北太平洋至中国东北地区的300 hPa矢量风场呈现出“H—L—H—L—H”这样类似Rossby波波列结构的遥相关型，该遥相关型在图8b的涡度场中也有所体现。

图7 PTI正负异常年的SST和300 hPa水平风场（a）以及太平洋遥相关型垂直环流场（b）的合成Fig.7 Composite image of SST and 300 hPa horizontal wind field（a），as well as Pacific teleconcorrelation vertical circulation field（b）in positive and negative PTI anomaly years

图8 PTI正负异常年1000 hPa的涡度（a）、速度势和散度风（c）以及300 hPa的涡度（b）、速度势和散度风（d）的标准化合成Fig.8 Standardized composite image of 1000 hPa vorticity（a），velocity potential and divergence wind（c）and 300 hPa vorticity（b），velocity potential and divergence wind（d）in positive and negative PTI anomaly years

根据Gill［41］理论，海洋作为热源，可以在低层引发气旋型异常并伴随着辐合上升，反之亦然。图7b为遥相关型高低压位置处所对应的垂直风场，其中45°～60°S、15°S～15°N和30°～45°N位置处的气流异常上升，并在地转偏向力的作用下在高层辐散，形成异常反气旋（对应于图7a中的高压中心H），而15°～20°S和20°～30°N位置处的气流异常下沉，在地转偏向力的作用下在低层辐散，在高层辐合形成异常反气旋（对应于图7a中的低压中心L）。对高层和低层的涡度与PTI进行相关分析（图8a和图8b）表明，太平洋海温三极子可能会引起东北地区在300 hPa高度处出现显著的负涡度异常（图8b红色方框处），在低层出现显著的正涡度异常（图8a红色方框处），从而引发大气高层强烈的辐散作用，使得低层气流辐合上升（图7b），水汽发生凝结，进而有利于形成降雨。此外，在太平洋海温三极子作用下，太平洋西北部低层会形成异常东南风（图8c和图8d），高层则与之相反，有助于将水汽由太平洋吹向东北陆地区域，使东北地区的潜热能和降水异常增多，在东北地区干旱事件频发的背景下，有效提升区域的水分含量，进而对春玉米的出苗率、株高、叶面积和果穗性状等产生积极影响［32］。

3 结论与讨论

（1）与全国春玉米气候产量相比，东北地区春玉米受气候的影响更为明显。在东北地区春玉米收获当年的1—5月，赤道中东太平洋至南太平洋地区存在“正—负—正”的三极型海温显著高相关区，以此为基础构建的太平洋海温三极子指数与东北地区春玉米气候产量存在较强相关（相关系数为0.53，达到了95%的置信水平）。

（2）东北地区春玉米气候产量与东北地区降水、土壤含水量、scPDSI和SPEI等变量均存在显著的正相关关系，说明水分对东北地区春玉米产量有重要影响。太平洋海温三极子偏强对东北地区降水的增加和干旱的缓解有积极作用。此外，太平洋海温三极子与各水分变量间的正相关关系在春玉米的播种出苗期和全生育期均显著，这可能与海洋对大气的持续性作用有关。

（3）太平洋海温三极子影响东北地区气候的机制可能是通过海温对大气环流产生强迫，通过可以作为“大气桥”的类似Rossby波波列遥相关型，影响到东北地区气候。太平洋海温三极子偏强时，会在东北地区高层产生负涡度，在反气旋的辐散作用下形成上升气流，此外也有助于在低层形成从西北太平洋吹向东北地区的东南风异常，进一步增强降水。（4）太平洋海温三极子对东北地区春玉米气候产量的影响，是通过激发类似波列结构的大气遥相关型作用于东北地区环流和降水，但对该遥相关型的物理本质以及降水增多可能会引发的洪涝灾害并未进行深入研究。此外，太平洋三极子海温不仅对东北地区春玉米播种出苗期的气候产生影响，还对全生育期气候具有影响，这是否有可能是太平洋海温三极子通过先影响其他海区，再由其他海区持续作用于东北地区的局地气候，也值得进一步研究。