江蘇省倒春寒發生程度評估

趙　剛， 申雙和， 褚榮浩

(南京信息工程大學應用氣象學院，江蘇南京 210044)

農業是人類生存的基礎，農業的發展狀況直接影響著國民經濟全局的發展[1]。影響農業生產的自然災害因素有很多，倒春寒則是其中之一[2]。倒春寒是指初春氣溫回升比較快，但是在春季后期的氣溫比正常年份氣溫偏低的一種現象[3]。3月初至4月底正值冬小麥的返青期和拔節期，此時若發生倒春寒會導致冬小麥葉片受凍，造成穗部空殼，從而導致減產，給農業生產帶來危害，如1986年3月云南省受強冷空氣影響，導致該年小麥相對氣象產量減產35.88%，滇中部分區域顆粒無收，屬嚴重減產年份；2013年晉南地區由于倒春寒的發生，給處于孕穗期的小麥造成巨大傷害，導致小麥明顯減產，且災后的補救措施既消耗財力，又消耗人力[4]。因此，本研究對江蘇省倒春寒近55年發生程度進行評估具有十分重要的意義[5]。對于倒春寒的指標和發生規律，曾有一些學者進行過研究，如夏建等通過對各地倒春寒指標的對比，制定了適合江蘇無錫的倒春寒標準：3月中旬至4月下旬之間連續10 d平均氣溫低于常年平均值1.5 ℃或以上，且其間的10 d平均氣溫仍須低于前10 d的平均氣溫[6]；吳增福等根據江蘇省氣候特征得出倒春寒指標，發現江蘇省在20世紀90年代前倒春寒發生次數有減少趨勢，90年代后又出現增加趨勢[7]；強玉華利用<11 ℃的負有效積溫表征倒春寒過程強度，確定浙江省麗水地區只在1972、1976、1987、1991、1996、2010年出現過重級倒春寒[8]；楊莉等通過對倒春寒總時間、最長持續時間和3月下旬到4月下旬平均氣溫3個因素的綜合得分來確定倒春寒等級，發現貴陽東北部和西部為重級倒春寒頻發區域[9]。目前為止關于引起倒春寒發生氣象因子的分析尚未見報道[10]。因此，本研究利用江蘇省13個典型代表站點55年來逐日氣象資料，運用主成分分析法確定引起倒春寒發生的主要氣象因子，建立江蘇省倒春寒影響評估模型，分析江蘇省1961—2015年倒春寒發生規律，以期為江蘇省農業結構的合理生產提供重要科學依據。

1　資料與方法

1.1　資料

本研究所用氣候數據來源于江蘇省氣象局，主要包括徐州、連云港、宿遷、淮安(盱眙)、鹽城、南京、揚州、泰州(泰興)、南通、鎮江(丹陽)、常州、無錫和蘇州(昆山)等13個站點的1961—2015年逐年3、4月日平均氣溫資料[11]。

1.2　研究方法

1.2.1倒春寒指標由于江蘇省目前還沒有統一的倒春寒指標[12]，本研究選用中國氣象局發布的倒春寒指標：在每年的3月1日到4月30日期間，日平均氣溫降幅首次達到3 ℃的日期即視為倒春寒的開始，以日平均氣溫穩定回升到當日所在滑動候的平均氣溫氣候標準值的日期即視為倒春寒的結束[13]。如表1所示，江蘇省平均每年發生3.8次倒春寒天氣，與歷年來記載的江蘇省春季所受寒潮災害情況不符。水稻是喜溫作物，且生物學零度都在12 ℃以上，若低于這個氣溫，才會出現爛殃和死苗等情況。所以本研究根據江蘇的作物實際情況，把指標修改為每年3月1日到4月30日期間，當日平均氣溫在12 ℃以下，首次降幅達到3 ℃的日期即視為倒春寒的開始，以日平均氣溫穩定回升到當日所在滑動候的平均氣溫氣候標準值的日期即視為倒春寒的結束。

1.2.2氣候傾向率

xi=a+bti(i=1,2,…,n)。

(1)

式中：xi表示樣本量為n的某一氣候變量，用ti表示xi所對應的時間，建立xi與ti之間的一元線性回歸方程[14]。其中a是常數，b為回歸系數，即為氣候傾向率。

1.2.3主成分分析通過把原先有眾多相關性的指標重新組合成一組相互之間沒有關系的綜合指標，用它來代替原來的指標，并且還盡可能地保持原來的信息，這樣既可以減少變量的數量，又可以找出主要問題，有利于問題的分析和處理[15-16]。

2　結果與分析

2.1　各站點發生倒春寒次數與年代際變化

表2為江蘇省13個站點1961—2015年倒春寒發生次數變化特征。由表2可知，除鹽城的氣候傾向率為正值(變化幅度只有0.021次/10年)外，其他城市的氣候傾向率均為負值，江蘇省整體倒春寒發生次數呈下降趨勢，但不明顯。南京倒春寒發生次數最少，僅69次，徐州倒春寒的發生次數最多，達105次。13個代表站55年總共發生次數的平均值為82，平均每年1.49次。

表2　1961—2015年江蘇省13個代表站3、4月倒春寒發生次數統計

從表3可知，江蘇省20世紀60年代發生的倒春寒次數最多，為256次；20世紀70年代發生次數明顯減少，為150次；80年代又上升到241次；且在近15年內，全省倒春寒發生次數均呈下降趨勢。

2.2　倒春寒期間內的最大降溫幅度與空間特征分析

由表4可知，最大降溫幅度都維持在4.22 ℃～4.72 ℃區間內，相差不大。過程平均最大降溫幅度為4.72 ℃，發生在南京，最小的是常州，為4.22 ℃，兩者相差0.50 ℃。55年的過程平均最大降溫幅度為4.55 ℃。

由圖1可以看出，江蘇省的最大降溫幅度整體呈上升趨勢，降幅最高的站點為泰興，為0.149 ℃/10年；降幅最低的站點為宿遷，為0.003 ℃/10年。其中，連云港、徐州、盱眙、宿遷、無錫和蘇州昆山的年均最大降溫幅度的氣候傾向率系數均為負值，表明上述站點最大降溫幅度隨著時間呈負相關，但變化幅度較小。

2.3　倒春寒期間內的最低日平均氣溫與空間特征分析

由表5可知，55年來倒春寒發生期間內最低的日平均氣溫是宿遷，為3.49 ℃；最高的為昆山，為4.61 ℃，兩者相差1.12 ℃。其中，南京、揚州、泰州泰興、南通、鎮江丹陽、常州、無錫和蘇州昆山超過了全省平均水平。

表3　1961—2015年江蘇省13個代表站3、4月倒春寒發生次數的年代際變化

表4　江蘇省13個代表站3、4月倒春寒過程平均最大降溫幅度

表5　江蘇省13個代表站3、4月倒春寒過程最低日平均氣溫

由圖2可以看出，江蘇省大部分區域的最低日平均氣溫呈下降趨勢，最低是淮安盱眙和鹽城，都為-0.102 ℃/10年；最高的是常州，為-0.01 ℃/10年。其中，連云港、南通、無錫和蘇州昆山呈上升趨勢；無錫和蘇州昆山上升比較明顯，都超過0.1 ℃/10年。

2.4　倒春寒期過程持續時間與空間特征分析

由表6可知，近55年來，江蘇省13個代表站倒春寒過程平均持續時間為3.18 d，且徐州、連云港、泰州泰興、無錫和蘇州昆山持續時間較長。連云港持續時間最長達3.45 d，鹽城最短為 2.93 d，兩者相差0.52 d。

表6　江蘇省13個代表站3、4月倒春寒過程持續天數變化

由圖3可以看出，江蘇省倒春寒期間持續時間整體呈上升趨勢，泰州泰興最高，達0.169 d/10年；徐州最低，為0.005 d/10年。高值區主要集中在泰州泰興、揚州和鎮江丹陽等區域。連云港、淮安盱眙、南通、無錫和蘇州昆山呈下降趨勢，其中無錫降幅達 -0.265 d/10年。

2.5　綜合評價

統計了江蘇省1961—2015年每年3、4月期間發生的倒春寒次數、倒春寒期間的最大降溫幅度、日最低平均氣溫和持續時間。通過分析可以看出，隨著年份的增長，倒春寒發生次數呈減小趨勢。推測出現這一現象的重要原因是全球在變暖，據悉在未來的100年內，全球地表溫度將會上升1.4～5.8 ℃[17]。最大降溫幅度和持續時間各個站點間的差異不大，但蘇北地區過程最低日平均氣溫明顯低于蘇南地區，推測是由于蘇南屬于亞熱帶季風氣候，而蘇北屬于溫帶季風氣候，因為所處的緯度不同，導致接受的太陽能力存在差異。

3　倒春寒指數

取最大降溫幅度作為自變量因子x1，過程日平均最低氣溫作為自變量因子x2，過程持續時間作為自變量因子x3，利用主成分分析法分析3、4月倒春寒序列，具體見表7。

表7　1961—2015年3、4月倒春寒序列主成分分析結果

根據歷史3、4月倒春寒序列主成分分析結果，3、4月倒春寒序列第一、第二主成分累積解釋總方差的79.12%，可以認為提取第一、第二主成分能概括原始值的絕大部分信息，故分別采用第一、第二主成分作為倒春寒評估模型，即3、4月倒春寒評估模型：

LSCEI=0.19x1+0.41x2+0.48x3。

(2)

通過倒春寒評估模型可以看出，倒春寒指數的大小與過程最大降溫幅度、過程日平均最低氣溫和過程持續時間成正比，即過程最大降溫幅度越大，過程最低日平均氣溫越高以及過程持續時間越長，倒春寒指數就越大、越嚴重。其中，過程日平均最低氣溫和過程持續時間的2個系數的絕對值均比過程最大降溫幅度系數的絕對值大，因而起到了主要作用。

3.1　倒春寒等級劃分

利用倒春寒評估模型來計算江蘇省13個站點倒春寒的序列值，同時選取《中國氣象災害大典(江蘇卷)》中關于春季發生低溫、霜凍的記載，結合歷年來倒春寒對江蘇省的影響程度，得出較為符合實際生產的倒春寒等級劃分指標，具體見表8。

表8　江蘇省倒春寒等級劃分標準

3.2　倒春寒發生程度評估

由圖4-a可知，1961—2015年江蘇省輕級倒春寒整體發生頻率較高，但各站點間差異不大。發生頻率最小的是無錫，為78%；最大的是鹽城，為87%；平均發生頻率為82%，發生頻率高的區域主要集中在長江以北的連云港、宿遷和鹽城一帶及南京和揚州。

由圖4-b可以看出，1961—2015年江蘇省中級倒春寒發生頻率整體偏低，整體發生頻率的空間分布是由長江以北逐漸向長江以南遞增。最高的是泰州泰興，為19%；最低的是鎮江丹陽，為7%，即近55年丹陽一共就發生了6次中級倒春寒。其余各站點差異不大，維持在10%～20%的區間內。

由圖4-c可以看出，1961—2015年江蘇省重級倒春寒發生頻率較輕級和中級倒春寒發生頻率明顯偏低。最低的是鹽城，為2.2%，即近55年鹽城一共只發生了2次重級倒春寒；最高的是昆山，為6.8%；全省發生重級倒春寒平均頻率為4.4%。

3.3　特殊案例分析

1962年是1961—2015年間倒春寒發生次數最多的一年，全年13個站點一共發生了44次倒春寒，平均每個站點全年發生3.38次，屬倒春寒頻發年。在該年中一共有11個站點發生了重級倒春寒，這在江蘇省歷史氣象災害中比較罕見。與《中國氣象災害大典(江蘇卷)》中提到的1962年的春季寒潮有12次、為歷史最多次的記載相符。

4　結論與討論

近55年來，江蘇省13個代表站發生倒春寒次數呈下降趨勢。20世紀60年代次數最多，20世紀70年代次數明顯減少，80年代有所增加，隨后年份發生次數均呈下降趨勢。

近55年來，江蘇省13個代表站均發生了不同程度的倒春寒，其中輕級倒春寒發生頻率最高，高值區主要集中在蘇北地區，全省平均發生頻率達82%；中級倒春寒發生平均頻率為18%，最易發生中級倒春寒的是泰州泰興、南通、鎮江丹陽一帶；重級倒春寒發生頻率相對較低，全省平均發生頻率為 4.4%，說明江蘇省不易發生重級倒春寒。

在13個代表站中，過程最低日平均氣溫各站點差異較小，但昆山倒春寒期間內的過程持續時間最長，是受倒春寒天氣影響較為深的一個站點，這可能與蘇州昆山靠近長江有關。

事實上，除了從日平均氣溫這一影響因素，通過降溫幅度、最低氣溫和持續時間對倒春寒進行評估外，江蘇春季的連陰雨天氣也是一個不可忽視的重要因素。春季的連陰雨天氣是江蘇常見的一種氣象災害，其特點是降水量大，較常年同期明顯偏多[18]。如果把日平均氣溫和降水等因素一起考慮，相信會得到更為具體的倒春寒影響評估模型。

參考文獻：

[1]陳培正. 當代農學發展的必然性探究和舉措[J]. 農業與技術，2015(10)：223-223.

表10　1962年13個站點最大倒春寒指數、最高倒春寒

[2]劉杰，王宏，劉星燕，等. 一次倒春寒天氣過程的觀測數據對比分析[J]. 農業與技術，2014(10)：199-199，249.

[3]王國莉，李金義，張影，等. 撫順地區低溫冷害及其對農業生產的影響[J]. 安徽農業科學，2011，39(6)：3574-3576.

[4]趙虹，王西成，胡衛國，等. 黃淮南片麥區小麥倒春寒凍害成因及預防措施[J]. 河南農業科學，2014，43(8)：34-38.

[5]山昌義，宋愛紅，魯丹. 倒春寒天氣對山區果品業的影響及防災措施[J]. 氣象，2002，28(10)：53-56.

[6]夏健，牛文勝. 無錫2010年一次倒春寒天氣過程及氣候特征研究[J]. 安徽農業科學，2012，40(10)：6060-6062.

[7]吳增福，楊有盛，朱福順，等. 倒春寒的劃分和預報服務探討[J]. 氣象科學，1998，18(3)：288-294.

[8]強玉華，高瑜，盧釗. 麗水市倒春寒特征及其成因分析[J]. 氣象與環境科學，2011，34(增刊1)：62-64.

[9]楊莉，羅文芳，彭茜. 貴陽市倒春寒的發生規律及其環流成因[J]. 貴州氣象，2006，30(2)：12-14.

[10]馬德栗，劉敏，李蘭，等. 湖北省倒春寒發生程度評估模型[J]. 中國農業氣象，2011，32(1)：134-138.

[11]范麗，范闖. 江蘇省縣域經濟增長的空間差異問題及其因素分解[J]. 江蘇商論，2015(9)：84-88.

[12]于海英，柴守權，周玉江，等. 倒春寒與楊樹爛皮病發病的關系[J]. 浙江農林大學學報，2011，28(6)：927-930.

[13]章鈞凱. 氣候因子對馬尾松毛蟲個體發育及懷卵量的影響作用研究[D]. 杭州：浙江農林大學，2014.

[14]許元，李聰. 城鎮建筑垃圾量的多元線性回歸分析[J]. 磚瓦，2015(9)：8-10.

[15]賈建礦. 主成分分析與因子分析之間關系分析[J]. 知識經濟，2009(7)：168-169.

[16]李曉鋒，張亞東，于世軍. 城市交叉口交通管理對策研究[J]. 科技信息(學術版)，2007(24)：26-28.

[17]蘇麗. 可持續發展視閾下的代際公平問題研究[D]. 南昌：江西師范大學，2009.

[18]楊柳，鄒建新，張麗婷，等. 2009年2—3月江蘇省長連陰雨過程分析[C]//中國氣象學會.第26屆中國氣象學會年會災害天氣事件的預警、預報及防災減災分會場論文集. 杭州，2009.