黄淮海冬小麦春季低温灾害等级指标构建

李美萱 霍治国2)* 孔 瑞3) 江梦圆2) 米前川2)

1)(中国气象科学研究院灾害天气国家重点实验室, 北京 100081) 2)(南京信息工程大学, 南京 210044) 3)(中国地质大学, 武汉 430074)

引 言

黄淮海地区是我国冬小麦主产区,其中河南、山东、河北、安徽、江苏的冬小麦产量占全国冬小麦总产量的78%,也是我国冬小麦春季低温灾害的高发区、重发区,部分地区发生频率超过30%,最高可达70%[1]。随着气候变暖,冬小麦春季发育期提前,叠加气候波动加剧、作物脆弱性增加,冬小麦春季低温灾害发生风险增加,导致冬小麦高产、稳产存在严重风险[1-4]。

冬小麦对温度变化较为敏感,低温影响冬小麦发育进程、生理机能,进而造成减产[5-7]。春季低温胁迫对冬小麦穗部发育影响较大,通过影响成穗数、穗粒数、千粒重3个要素,导致冬小麦产量下降,对冬小麦产量的影响因所处发育阶段不同而不同[5,8-9]。基于控制试验研究春季低温胁迫对冬小麦产量及其构成因素的影响,因受到试验地点、品种和试验温度设计等因素限制,得到结果的区域代表性有待进一步检验。Meta分析又称整合分析,是一种对若干独立研究统计结果进行综合分析的定量统计方法,通过增大样本量,减少随机误差,打破独立试验结果的局限性,获得区域水平的一般性规律[10]。

农业气象灾害指标是基于历史灾情记录[11-13]、典型灾害过程观测数据[14]、模拟试验[15-17]等,结合观测气象数据,筛选表征灾害过程的主要致灾因子,实现灾害的分级判识。以往灾害等级指标的构建常基于日尺度数据,基于小时尺度数据构建指标鲜见报道。本研究以黄淮海冬小麦主产区为研究区域,采用Meta分析方法定量评估黄淮海地区春季不同发育期低温胁迫(过程最低温度、低温持续时间)对冬小麦产量及其构成因素的影响,构建冬小麦低温灾害小时尺度等级指标,以期为准确评估冬小麦春季低温灾害的影响和区域冬小麦低温灾害防灾减灾提供科学依据。

1 材料与方法

1.1 数据来源

从中国知网、维普、万方、科学引文数据库(Web of Science)检索及筛选相关方向文献,初检出文献1311篇,通过阅读文题和摘要初筛出文献150篇,按特定标准:①试验范围属于本研究所规定的区域,考虑指标应用的省级代表性,本研究纳入安徽、江苏区域内全部试验样本;②试验必须包含相同条件下的低温处理组和对照组;③必须包含处理组和对照组的产量、穗数、穗粒数和千粒重数据,相关参数数值、标准差及样本量能够直接从图、表或文字中提取或通过计算获得;④不同刊物出现相同试验数据时,选择数据信息较为全面的文献复筛,将符合条件的34篇文献(表1)纳入分析,按“第1作者-发表时间-过程最低温度-低温持续时间-试验组数据(平均值、样本量、标准差)-对照组数据(平均值、样本量、标准差)”格式提取文献中数据,经过整理最终得到单株产量、单株穗数、穗粒数和千粒重数据分别为506组、500组、475组和443组。

表1 纳入文献的试验地点和供试品种信息

1.2 分析方法

1.2.1 Meta分析

1.2.1.1 效应值的计算

本研究选取生态学领域常用反应比的对数(lnR)作为效应值衡量低温对冬小麦产量及其构成因素的影响,该效应值基于平均值,要求试验组与对照组平均值不为0,其计算公式为

(1)

式(1)中:lnR为效应值,Xt与Xc分别为低温胁迫处理组与对照组冬小麦产量及其构成因素平均值。

效应值的大小反映低温对特征量的影响程度。将数据分析结果转化为相对变化率,直观解释低温胁迫对冬小麦产量及其构成因素的影响。当相对变化率的95%上下限不与横轴相交时,则认为P<0.05,即低温对小麦产量及其构成因素影响显著,否则表示影响不明显。

1.2.1.2 Meta回归

Meta回归分析指通过建立回归方程,反映自变量与因变量间的关系,筛选出导致异质性的重要影响因素。以效应值lnR为因变量,过程最低温度、低温持续时间为自变量,分析不同发育阶段过程最低温度及低温持续时间对产量及其构成因素影响的显著程度。

1.2.1.3 敏感性分析

采用单项研究逐项剔除,判断合并效应量改变是否明显进行敏感性分析,若改变量小于5%,认为敏感性低,合并效应量结果具有稳定性;改变量大于5%,则剔除该项研究。

1.2.1.4 亚组分析

基于试验样本,按过程最低温度、低温持续时间进行亚组分析,探讨不同低温强度、持续时间引起的产量及其构成因素变化的差异。

1.2.2 冬小麦春季低温灾害等级指标的构建

1.2.2.1 冬小麦低温受灾样本集构建

冬小麦受低温胁迫影响与低温强度、低温持续时间密切相关[20,49]。随着温度降低、胁迫时间延长,冬小麦产量下降幅度增大[50]。本研究选取控制试验中,冬小麦受低温胁迫过程的最低温度(过程最低温度)和积冷量(过程积冷量)作为判识因子构建低温灾害等级指标。统计低温胁迫样本发现冬小麦返青期、拔节期、孕穗期和抽穗-开花期低温胁迫试验设计的过程最低温度主要集中在-10～-3 ℃、-10～2 ℃、-7～4 ℃和2～8 ℃,参照文献[51-52]记载的小麦不同发育期三基点温度,选取0 ℃、3 ℃、7 ℃和9 ℃作为黄淮海地区冬小麦返青期、拔节期、孕穗期和抽穗-开花期生长下限温度。低温试验样本包括恒温控制、变温控制两类,不同于降温天气过程温度的动态变化:对于恒温控制的低温试验样本,选取控制过程中的温度最小值作为过程最低温度Tmin,采用式(2)计算过程积冷量Xh以表征低温累积效应;对于变温控制的低温试验样本,选取控制过程中温度设置最小值作为过程最低温度Tmin,根据气象行业标准[53]的有害积寒定义,采用式(3)计算过程积冷量Xh。根据Meta分析剔除敏感样本,按照“过程最低温度-过程积冷量-减产率”不同发育阶段得到的受灾样本量为501,其中返青期、拔节期、孕穗期和抽穗-开花期的样本量分别为21、331、100和49(表2)。

表2 无灾及受灾样本量

(2)

(3)

式(2)和式(3)中:Xh为遭受低温胁迫的过程积冷量,单位为℃·h;Tmin为过程最低温度,单位为℃;Tc为对应发育阶段的生长下限温度,单位为℃;Tm为过程平均温度,单位为℃;t为低温持续时间,单位为h。

1.2.2.2 冬小麦低温无灾样本集构建

本研究收集试验研究中低温胁迫的对照组试验数据作为无灾样本,得到明确记载过程温度情况及持续时间的样本量为204,其中返青期、拔节期、孕穗期和抽穗-开花期的样本量分别为15、116、44和29(表2)。

1.2.2.3 低温灾害判识阈值的确定

接收者操作特征曲线(receiver operating characteristics curve,ROC曲线)被广泛用于评估判识因子性能,确定分类临界阈值。将无灾样本和受灾样本设置为两类事件,通过设定不同阈值得到正确判识受灾样本的数量(TP)、错误判识受灾样本的数量(FN)、错误判识无灾样本的数量(FP)、正确判识无灾样本的数量(TN),计算真阳性率TPR(式(4))和假阳性率FPR(式(5)),以假阳性率为横坐标、真阳性率为纵坐标绘制ROC曲线。

(4)

(5)

曲线下方面积(area under the curve,AUC)是度量ROC曲线下面积的指标,AUC越接近1.0,判识因子性能越好;AUC为0.5,随机猜测;AUC为(0.5,0.7],判识因子性能一般;AUC为(0.7,0.9],判识因子性能良好;AUC大于0.9,判识因子性能优秀。

低温胁迫阈值由约登指数确定。约登指数(J)也称为正确指数,用于评价判识结果真实性,值越大表示判识准确的可能性越大,选定阈值判识效果越好,其计算公式为

J=TPR-FPR。

(6)

1.2.2.4 低温胁迫等级指标的构建及验证

利用无灾样本和受灾样本,基于约登指数确定减产率为0、10%和30%对应的最佳分类阈值。按照等级划分标准:Ⅰ级低温胁迫,减产幅度为(0,10%];Ⅱ级低温胁迫,减产幅度为(10%,30%];Ⅲ级低温胁迫,减产幅度为(30%,100%],构建黄淮海地区冬小麦春季低温灾害等级指标。

依据构建的冬小麦低温灾害等级指标,统计预留的20%受灾样本及无灾样本对应的判识等级,与实际等级对比,将验证结果分为完全符合、基本符合和不符合3类,其中基本符合为判识等级和实际等级相差1级。

2 结果与分析

2.1 Meta回归

将冬小麦产量及其构成因素与不同发育期低温胁迫过程最低温度及持续时间进行Meta回归,发现单株产量受返青期-孕穗期过程最低温度,返青期、拔节期以及抽穗-开花期受低温持续时间影响显著;单株穗数受返青期-孕穗期过程最低温度,返青期低温持续时间影响显著;穗粒数变化与返青期、拔节期和抽穗-开花期过程最低温度,返青期、抽穗-开花期低温持续时间关系显著;千粒重变化与拔节期低温持续时间、孕穗期过程最低温度和低温持续时间显著相关。

2.2 效应值计算及敏感性分析

低温胁迫对产量及其构成因素的影响因所处发育阶段不同而存在差异,冬小麦产量及其构成因素在低温胁迫下总体显著减小,单株穗数和每穗粒数对低温胁迫的敏感性大于千粒重。由图1可以看到,返青期、拔节期、孕穗期和抽穗-开花期低温胁迫减产幅度分别为67.29%、54.27%、57.96%和24.37%;单株穗数减小幅度分别为46.04%、26.38%、22.96%、8.85%;每穗粒数减小幅度分别为39.13%、33.15%、33.24%、9.67%;千粒重减小幅度分别为25.12%、10.06%、11.40%、15.48%。对过程最低温度,除了拔节期2 ℃下产量变化外,拔节期、抽穗-开花期2 ℃ 以及抽穗-开花期6 ℃的低温胁迫下的单株穗数变化,拔节期1 ℃及2 ℃低温胁迫下的千粒重变化受低温强度影响均不显著;拔节期除了1 ℃低温胁迫下的单株穗数显著增加外,产量及其构成因素在不同发育期不同低温强度下显著减小。随着过程最低温度的下降,除了拔节期穗粒数、抽穗-开花期千粒重降幅下降外,产量及其构成因素总体呈减小趋势。由于返青期千粒重变化样本最低温度均为-6 ℃,无法进行亚组分析。敏感性分析表明:孕穗期2 ℃单株产量样本和拔节期2 ℃穗粒数样本在排除文献[42]新麦26的数据后,孕穗期2 ℃下单株产量相对变化率由-31.35%变为-17.41%,拔节期2 ℃下穗粒数相对变化率由-38.7% 变为-16.87%,剔除敏感样本后合并效应量保持稳定(小于5%),其余研究在逐一剔除研究样本后,合并效应无显著变化,表明统计结果稳健性较好。

图1 过程最低温度对冬小麦产量及其构成因素的影响

黄淮海冬小麦低温胁迫样本在返青期、拔节期、孕穗期和抽穗-开花期的低温持续时间主要集中在24～72 h、1～108 h、4～72 h和12～72 h;产量及其构成因素总体上受低温持续时间影响显著。在不同低温持续时间条件下,抽穗-开花期在36 h的穗数变化,拔节期在9 h和孕穗期在4 h、8 h的低温胁迫下千粒重变化不显著;拔节期在1 h、3 h、6 h和18 h的低温胁迫下千粒重显著增加,产量及其构成因素在不同发育期不同低温持续时间下显著减小。随着低温持续时间延长,拔节期、抽穗-开花期穗数、拔节期穗粒数降幅下降,产量及其构成因素在不同发育期总体呈减小趋势。敏感性分析表明合并效应量在逐一剔除样本后无显著变化(小于5%),结果与剔除前总体趋势一致,研究结果稳定可靠。

2.3 冬小麦低温灾害等级指标构建及验证

2.3.1 以过程最低温度为判识因子的等级指标构建及验证

设置无灾样本和受灾样本为两类事件,设置判识因子在样本集最大值和最小值间的所有取值(步长为0.1)为测试阈值,选取最大约登指数对应的测试阈值为最佳分类阈值,当最大约登指数对应多个连续测试阈值时,最佳阈值为平均值(表3)。由表3可知,以过程最低温度为判识因子,返青期、拔节期、孕穗期和抽穗-开花期低温灾害发生(减产率为0)的临界阈值分别为-2.0、3.0、5.1 ℃和7.0 ℃,对应的AUC分别为1.00、1.00、1.00和0.94,判识因子分类性能皆为优秀,说明过程最低温度适用于判识不同发育期冬小麦是否发生低温灾害。

表3 冬小麦不同发育期春季低温灾害的临界阈值

将受灾样本按减产率不大于10%和大于10%分为两类,冬小麦返青期、拔节期、孕穗期和抽穗-开花期发生低温灾害造成10%减产时对应的判识阈值分别为-5.0、-1.0、1.1 ℃和5.0 ℃,对应AUC分别为0.94、0.94、0.81和0.75,即以过程最低温度为判识因子的性能分别为优秀、优秀、良好和良好。

将受灾样本按减产率不大于30%和大于30%分为两类,冬小麦返青期、拔节期、孕穗期和抽穗-开花期发生低温灾害造成30%减产时对应的判识阈值为-5.0、-2.5、-3.0 ℃和3.0 ℃,对应AUC分别为0.97、0.78、0.74和0.69,即以过程最低温度为判识因子确定减产30%的临界阈值性能分别为优秀、良好、良好和一般。

由于仅按减产率无法判别返青期低温灾害等级,利用返青期单株穗数、穗粒数(千粒重样本过程最低温度均为-6 ℃,无法利用过程最低温度进行分类判别)计算不同相对变化率(步长为10%)对应的分类阈值,由表4可知,过程最低温度在判别穗粒数相对变化率不大于50%和大于50%时的判识因子性能最佳(AUC为1.00),因此选用-8.5 ℃作为返青期Ⅰ级、Ⅱ级低温灾害分类阈值,辅助构建返青期低温灾害等级指标。

表4 冬小麦返青期低温胁迫产量构成因素不同相对变化率分类阈值

按照等级划分标准,以过程最低温度为判识因子构建冬小麦不同发育期春季低温灾害等级指标,并基于预留的20%样本验证,结果见表5。对于返青期,判识等级与实际等级完全相符的样本量为5,占总样本的71.43%;完全符合和基本符合的样本量为6,占总样本的85.71%。对于拔节期,完全符合的样本量为63,占总样本的70.79%;完全符合和基本符合的样本量为75,占总样本的84.27%。孕穗期完全符合的样本为20,占总样本的71.43%;完全符合和基本符合的样本量为27,占总样本的96.43%。抽穗-开花期完全符合的样本量为9,占总样本的64.29%;完全符合和基本符合的样本量为14,占总样本的92.86%。

表5 冬小麦不同发育期春季低温灾害过程最低温度等级指标及验证

2.3.2 以过程积冷量为判识因子的等级指标的构建及验证

以过程积冷量为判识因子构建并验证等级指标(表6)。由表6可知,返青期、拔节期、孕穗期和抽穗-开花期低温灾害发生(减产率为0)的临界阈值分别为-72.0、-1.2、-16.8 ℃·h和-19.6 ℃·h,对应AUC分别为1.00、1.00、1.00和0.98,指标性能皆为优秀。

表6 冬小麦不同发育期春季低温灾害的临界阈值

冬小麦返青期、拔节期、孕穗期和抽穗-开花期发生低温灾害造成10%减产时的分类阈值分别为-216.1、-41.0、-101.6 ℃·h和-38.5 ℃·h,对应AUC分别为0.73、0.83、0.87和0.77,以过程积冷量为判识因子的指标性能均为良好。

冬小麦返青期、拔节期、孕穗期和抽穗-开花期发生低温灾害造成30%减产时的分类阈值分别为-216.1、-66.0、-169.3 ℃·h和-93.8 ℃·h,对应AUC分别为0.75、0.72、0.87和0.83,指标性能均为良好。

由于仅按减产率无法判别返青期低温灾害等级,利用返青期单株穗数、穗粒数、千粒重计算不同相对变化率(步长10%)对应的分类阈值,由表7可知,过程积冷量在判别单株穗数相对变化率不大于70%和大于70%样本时判识因子性能最好(AUC为0.90),因此选用-360.0 ℃·h作为返青期Ⅱ级、Ⅲ级低温灾害分类阈值,辅助构建返青期低温灾害等级指标。

表7 冬小麦返青期低温胁迫产量构成因素不同相对变化率分类阈值

以过程积冷量为判识因子构建并验证冬小麦不同发育期春季低温灾害等级指标(表8)。由表8可见,返青期完全符合的样本量为6,占总样本的85.71%;完全符合和基本符合的样本量为7,占总样本的100%。拔节期完全符合的样本量为80,占总样本的89.89%;完全符合和基本符合的样本量为87,占总样本的97.75%。孕穗期完全符合的样本量为25,占总样本的89.29%;完全符合和基本符合的样本量为28,占总样本的100%。抽穗-开花期完全符合的样本量为11,占总样本的78.57%;完全符合和基本符合的样本量为14,占总样本的100%。

表8 冬小麦不同发育期春季低温灾害过程积冷量等级指标及验证

3 结论与讨论

以我国黄淮海地区冬小麦为研究对象,采用Meta分析方法探讨不同发育阶段春季低温胁迫对冬小麦产量及其构成因素的影响。将收集的试验数据分为无灾样本和受灾样本,以过程最低温度、过程积冷量为判识因子,按减产率等级划分标准构建冬小麦低温胁迫等级指标,主要结论如下:

1) 冬小麦产量及其构成因素在春季低温胁迫下总体上显著减小,单株穗数和每穗粒数对低温胁迫的敏感性要大于千粒重;春季低温胁迫下,产量及其构成因素变化与低温强度和持续时间有关,并因所处发育阶段不同存在差异。

2) 以过程最低温度和过程积冷量为判识因子,按减产率为(0,10%]、(10%,30%]和(30%,100%]构建Ⅰ级、Ⅱ级和Ⅲ级低温灾害等级指标。过程积冷量判识指标的验证准确率高于过程最低温度判识指标,能更好地表征冬小麦遭受低温灾害的严重程度。

本文的等级指标构建是基于研究区域内多地点、多品种试验数据,得到的结果具有一定普适性;按特定减产标准,量化灾害等级指标与作物产量变化的关系;基于小时尺度判识因子表征低温灾害,为填补冬小麦春季低温灾害等级指标的小时尺度空白提供参考。冬小麦春季低温灾害的发生与温度条件和水分条件关系密切[20,49],围绕低温灾害灾变过程,综合考虑温度条件和水分条件的耦合影响,构建冬小麦春季低温灾害逐时综合指数等级指标是未来冬小麦春季低温灾害研究工作的重点。