江蘇省單季稻生育期內極端氣候事件的分區變化

孫莉娟 徐陽 魯德金

摘要：利用江蘇地區52個氣象站點1961—2012年逐日最高溫、最低溫、降水資料及單季稻產量逐年數據，提取了單季稻生育期內（5—10月）的18個極端氣候指數進行氣候分區，分析了不同子區域極端氣候事件的變化及對產量的影響?；诟髡军c極端氣候指數的多年均值，主成分和聚類分析的結果表明，江蘇省可以劃分為蘇西北角、蘇西北部、蘇北部、蘇西南部、蘇南部和蘇東南角6個氣候子區域;生育期內極端氣候指數的M-K趨勢檢驗結果表明，多數子區域強降水事件的頻次和強度有所加劇，而日最高溫和日最低溫的極值呈現出顯著上升趨勢，其中蘇南地區的增濕增暖趨勢尤為顯著。生育期內極端氣候指數與單季稻產量的相關分析表明，強降水是影響產量的主要氣候要素，其中暴雨日數和極端雨天總雨量對產量的負效應最為顯著，6個子區域中蘇西南部和蘇南部的產量對降水波動更為敏感。

關鍵詞：江蘇省;極端氣候指數;氣候分區;單季稻

中圖分類號： S162.5+3;S162.2 文獻標志碼： A 文章編號：1002-1302（2019）01-0299-05

近百年來，全球氣候正經歷著一次以氣候變暖為主要特征的顯著變化[1]。隨著全球變暖，極端天氣氣候事件發生的頻率或強度可能改變，高溫熱浪事件的強度、持續時間及頻率會增加，干旱少雨地區旱情可能進一步加重，而濕潤地區的強降水事件則可能加劇[2]。盡管極端氣候事件是一種發生概率較小的天氣氣候現象，但突發性和危害性強，對社會經濟、食物供給、生態環境發展造成嚴重的損失，帶來巨大負面影響，并且威脅人類生命與健康，因此引起了各國政府和學者的重視[3]。極端氣候事件誘發的氣象災害已成為制約農業穩定生產的重要因素之一，因而引起了社會各界更為廣泛的關注。江蘇省是中國水稻重要主產區之一，全省以種植單季稻為主，水稻產量占全省糧食總產的60%左右，約占全國水稻總產的10%，單產則常年穩居全國各主產省之首[4]。鑒于江蘇省對于我國糧食安全的重要地位，探討極端氣候事件的時空變化對研究區氣候變化背景下水稻種植的防災減災有著重要意義。本研究重點嘗試了基于江蘇省單季稻生育期內極端氣候事件的氣候分區，并就各氣候子區域極端氣候事件的年際變化及對產量的潛在影響進行了深入探討。

1 材料與方法

1.1 基本數據

氣象數據來源于江蘇省氣象局提供的52個氣象觀測站1961—2012年的逐日最高氣溫、最低氣溫、降水數據，這52個站點的空間分布詳見圖1。為保證各站點日數據的科學有效，采用加拿大氣象研究中心研發的RClimDex軟件對各站點氣象要素資料進行質量控制和均一性檢驗，結果表明這52個站點的數據完整可靠。與此同時，在多年江蘇省農村統計年鑒基礎上，匹配、收集、整理了圖1中各站點所在的52個典型單季稻種植區1961—2012年產量數據。

1.2 極端氣候指數的計算

世界氣象組織（WMO）氣候變化檢測和指標專家系統（Expert Team on Climate Change Detection and Indices，簡稱ETCCDI）基于日降水、氣溫數據，定義了27個噪聲低、顯著性強的氣候指數，并被廣泛應用于評估區域極端氣候事件發生頻率和強度的演變規律[5]。鑒于此，本研究選取了其中18個極端氣候指數（Extreme Climate Indices，簡稱ECI），具體見表1。降水事件的臨界值設定為日降水量1 mm，這樣可以剔除降水資料中微量降水數據給研究帶來的不確定性。鑒于江蘇省單季稻全生育期大致為5—10月[6]，本研究提取并構建了52個氣象站點生育期內各氣候指數的逐年序列（1961—2012年）。

1.3 氣候分區

采用主成分分析和聚類分析相結合，是目前區域氣候區劃的重要手段[7]。SPSS 13.0軟件提供的Principal Component Analysis（主成分分析）通過構造原變量的線性組合，從中篩選出少數幾個新變量使他們含有盡可能多的原變量信息，進而實現原評價指標的降維和簡化[8]。SPSS 13.0軟件提供的K-Means Cluster（快速聚類法）先給定劃分的聚類簇數目，并創建一個初始劃分，然后采用迭代重定位技術，嘗試通過對象在劃分間的移動來改進分類，進而得到最終聚類結果[9]。輪廓系數（Silhouette Coefficient，簡稱SC）是K-Means聚類效果好壞的一種有效評價方式。

2 結果與分析

2.1 基于ECI的氣候分區

本研究首先計算了各站點水稻生育期內18個極端指數的多年均值，由此構建了1個18列×52行的矩陣，并將其導入SPSS 13.0軟件中的主成分分析模塊進行運算。由表2可知，第1主成分（PC-1）的方差貢獻率最大（42.85%），加上第2（PC-2）和第3主成分（PC-3）的方差貢獻率，累積方差貢獻率超過了85%，且這3個主成分的特征值均大于1，達到了提取主成分的要求?；诖?，初始的18個極端氣候指數可以降維成PC-1、PC-2、PC-3這3個新的綜合指標。依據表3中不同氣候指數在各主成分上載荷值的高低來看，PC-1 主要表征了DR、D25、CWD、TXm、WSDL、TMx和TMm，可以作為研究區雨天及低溫指數的綜合評估指標;PC-2則主要表征了TP、D50、MP1d、MP7d和P95，可以作為研究區強降水事件頻次及雨量的綜合評估指標;而PC-3主要表征了TXx和CSDL。

與此同時，SPSS 13.0中的相關模塊利用多元線性回歸法建立原始指標和所提取主成分的線性關系，進而計算出各站點的主成分得分值（PCS），以此可以評估研究區不同站點極端氣候事件強度、頻次、歷時的數值差異。由圖2-a可知，研究區PCS-1呈現出明顯的由南向北遞減的梯度變化，這表明蘇南地區的雨天日數及低溫指數要高于蘇北地區。盡管圖2-b中PCS-2的變化梯度不是很明顯，但依然可以發現PCS-2的高值區主要集中在本省東北部，這表明江蘇省東北部強降水事件的頻次和強度較高，易于造成雨澇災害。與PCS-1和PCS-2由南往北減少的分布特征不同，PCS-3則呈現出由西向東減少的態勢。

依托各站點PCS-1、PCS-2、PCS-3所構成的矩陣（3列×52行），采用K-Means聚類對江蘇省進行氣候分區，并采用輪廓系數法對分區結果進行評估。由圖3可知，將江蘇省劃分為6個氣候子區域最為合適，此時的輪廓系數（SC）的均值達到最大值。這6個子區域分別是蘇西北角（Region Ⅰ）、蘇西北部（Region Ⅱ）、蘇北部（Region Ⅲ）、蘇西南部（Region Ⅳ）、蘇南部（Region Ⅴ）和蘇東南角（Region Ⅵ）。其中，3個子區域位于江蘇北方大部，而另3個位于江蘇南方大部。江蘇屬于亞熱帶和暖溫帶的過渡區，其中淮河以南的廣大地區為北亞熱帶濕潤季風氣候區，而淮河以北的地區為南溫帶半濕潤季風氣候區[13]，因而呈現出顯著的分區差異。

2.2 各子區域ECI的變化趨勢

各子區域單季稻生育期內ECI的M-K檢驗結果見表4。蘇北地區3個子區域的TP的Z值呈現出微弱的減少趨勢，而蘇南地區3個子區域TP的Z值呈現出微弱的增加趨勢。全省多數子區域DR、D25和CWD的Z值均呈現出減少趨勢，特別是蘇西北部DR的Z值的減少趨勢較為顯著，這表明全省降水天數呈現出一定減少趨勢。與之相反，多數子區域D50、MP1d、MP7d和P95的Z值呈現出增加趨勢，特別是蘇南部D50和MP1d的增加趨勢通過5%顯著性水平，這表明全省強降水事件的頻次和強度有所增加。盡管各子區域降水指數的變化趨勢不是很顯著，但相較于蘇北地區，蘇南地區D50、MP1d、MP7d和P95的Z值明顯較高，這表明該地區強降水事件加劇的態勢更為劇烈。自20世紀80年代以來，熱帶中、東太平洋海溫的年代際異常導致夏季風減弱、西太平洋副熱帶高壓偏南和偏西，進而使得季風北上推進受阻，季風所攜帶的大量水汽在淮河以南過多滯留和輻合[14]，故江蘇省大部特別是蘇南的強降水事件呈增加態勢。此外，由于蘇南地區城市化水平較高，更復雜的大氣成分易于形成凝結核，較強烈的城市熱島效應易于誘發對流性天氣，而更復雜的城市下墊面阻礙效應使得降水滯留時間加長、強度增大[15]。這種城市雨島效應也促使了蘇南地區強降水事件加劇的趨勢更為明顯。

與降水相比，研究區極端氣溫指數的變化更為顯著，突出表現在生育期內日最高溫和最低溫極值的增強。從表4可以看出，全省各子區域的TXx和TXm的Z值均呈現出增加趨勢，特別是蘇南地區3個子區域的增加趨勢大多通過了5%顯著性水平，這表明全省8月份最高氣溫呈現較顯著的上升態勢。20世紀90年代后期，夏季副高脊線位置偏北，西太副高控制我國東部地區，副高中心強度位于長江流域或江南，強而持續的西太副高控制是我國東部省份8月份強高溫過程偏多的主要原因[16]。與TXx和TXm相比，TMx和TMm的Z值上升趨勢更為顯著，全省各子區域的上升趨勢均通過了5%顯著性水平，這表明全省10月份日最低氣溫呈現出顯著的增加態勢。我國秋季氣溫的年代際變化與喀拉海附近的海冰有著密切聯系，一方面，夏季喀拉海附近的海冰減少造成秋季西伯利亞高氣壓減弱，緯向環流加強，東亞大槽減弱，經向環流減弱，冷空氣南下受阻，使得我國南方秋季增溫顯著;另一方面，9月后的海水結冰過程釋放出大量熱量，使得從北極到歐亞大陸的低層大氣中水汽含量增加，吸收長波輻射增多，導致大氣逆輻射增加，進一步造成秋季增溫[17]。

2.3 各子區域單季稻產量與ECI的相關性分析

在一階差分預處理的基礎上，計算了各子區域單季稻產量與生育期內極端氣候指數的相關系數，用來探求極端氣候事件變化與單季稻產量的可能聯系。從表5可以看出，全省各子區域單季稻產量與不同降水指數均呈現出負相關性。同時在每個子區域均可以發現，產量與某些降水指數的負相關性通過了顯著性水平。這表明極端降水事件對全省單季稻產量有著明顯的負效應。此外，單季稻產量與極端降水指數的負相關性還有著一定的地域差異。在蘇西南部和蘇南部，與產量在1%顯著性水平上負相關的降水指數達到或超過了6個。其次，在蘇西北部和蘇北部，與產量在1%顯著性水平上負相關的降水指數也達到或超過了3個。而在蘇西北角和蘇東南角，極端降水對產量的負效應相對較弱，與產量顯著負相關的降水指數不超過3個?？傮w而言，蘇南大部地區的單季稻種植對極端降水的負效應更為敏感。對產量和降水指數的相關系數進一步比較發現，在蘇西北部、蘇北部、蘇西南部、蘇南部這4個地區，產量與P95的負相關性最為顯著;而在蘇西北角和蘇東南角，產量與D50的負相關性最為顯著。與降水指數相比，極端氣溫事件對單季稻產量的負效應并不顯著，僅僅在江蘇北部3個子區域發現產量與2個日最高溫極端指數TX90和WSDL顯著負相關，而在江蘇南部3個子區域沒有發現極端氣溫指數與產量顯著相關。因此，蘇北地區水稻產量對極端高溫事件更為敏感。綜上所述可以看出，強降水是制約江蘇省單季稻生產的主要極端氣候事件，生育期內的D50和P95應該作為指示單季稻產量波動的關鍵氣象指標加以重視和關注。

3 結論

本研究計算提取了江蘇省各氣象站點單季稻生育期內的極端氣候指數，在諸多指數多年均值的基礎上，運用主成分分析和聚類分析對全省進行了氣候區劃，分區結果表明，江蘇省可以劃分成蘇西北角、蘇西北部、蘇北部、蘇西南部、蘇南部和蘇東南角6個氣候子區域。

對各子區域單季稻生育期內的極端氣候指數采用 M-K 趨勢檢驗發現，全省總降雨天數及最長持續降水天數均呈減少趨勢，而1 d最大降水量和連續7 d最大降水量等表征極端降水事件頻次和強度的指數均呈現增加趨勢，其中蘇南地區的增加趨勢更為明顯。研究區極端氣溫事件加劇的趨勢極為顯著，突出表現在各子區域單季稻生育期內日最低溫的最大值和最小值均呈現出顯著增加趨勢。此外，蘇南地區單季稻生育期內日最高溫的最大值和最小值也呈現出顯著增加趨勢。總體而言，蘇南地區單季稻生育期內增濕增暖趨勢較為顯著。

對單季稻產量與生育期內的極端氣候指數進行相關分析，結果表明，降水指數與各子區域的單季稻產量均有顯著的負相關性，尤其是在蘇西南部和蘇南部這2個區域，極端降水事件對產量的負效應更為顯著。諸多降水指數中，暴雨日數和極端雨天總降水量這2個指標與產量的關系更為密切，可以作為研究區水稻雨澇災害風險區劃的評估指標加以使用。與極端降水事件相比，極端氣溫事件的負效應不是很顯著，僅在蘇北地區發現產量與暖晝日數、暖日持續天數這2個指數有顯著負相關性。總體而言，生育期內的極端降水事件應作為研究區重要的水稻氣象災害加以監測與評估。

參考文獻：

[1]蔡新玲，吳素良，賀 皓，等. 變暖背景下陜西極端氣候事件變化分析[J]. 中國沙漠，2012，32（4）：1095-1101.

[2]IPCC. Climate change 2013：The physical science basis[M]. Cambridge：Cambridge University Press，2014.

[3]李 洋，王玉輝，呂曉敏，等. 1961—2013年東北三省極端氣候事件時空格局及變化[J]. 資源科學，2015，37（12）：2501-2513.

[4]佴 軍. 近30年江蘇省水稻生產的時空變化與效益分析[D]. 揚州：揚州大學，2013.

[5]趙翠平，陳 巖，王衛光，等. 黃河流域近50年極端降水指數的時空變化[J]. 人民黃河，2015，37（1）：18-22.

[6]譚孟祥，景元書，曹海寧. 江蘇省一季稻生長季氣候適宜度及其變化趨勢分析[J]. 江蘇農業科學，2016，44（1）：349-353.

[7]Huang J，Chen X，Zhou L，et al. Statistical analysis of the relationship between climate-induced maize yield and rainy-season precipitation across Inner Mongolia，North China[J]. Theoretical and Applied Climatology，2017，129（3/4），1145-1156.

[8]屈家安，曹 杰. 主成分分析與聚類分析在青島夏季氣溫變化研究中的應用[J]. 大氣科學學報，2014，37（4）：517-520.

[9]吳洪顏，商兆堂，程 婷，等. 基于聚類分析的江蘇冬小麥農業氣候區劃研究[J]. 中國農學通報，2012，28（26）：119-124.

[10]安計勇，高貴閣，史志強，等. 一種改進的K均值文本聚類算法[J]. 傳感器與微系統，2015，34（5）：130-133.

[11]殷方圓，殷淑燕. 近51年長江中下游與黃河中下游地區夏季降水變化對比[J]. 水土保持通報，2015，35（1）：317-322.

[12]朱 珠，陶福祿，類運生，等. 1981—2009年江蘇省氣候變化趨勢及其對水稻產量的影響[J]. 中國農業氣象，2012，33（4）：567-572.

[13]包云軒，孟翠麗，申雙和，等. 基于CI指數的江蘇省近50年干旱的時空分布規律[J]. 地理學報，2011，66（5）：599-608.

[14]黃榮輝，顧 雷，陳際龍，等. 東亞季風系統的時空變化及其對我國氣候異常影響的最近研究進展[J]. 大氣科學，2008，32（4）：691-719.

[15]張尚印，張海東，徐祥德，等. 我國東部三市夏季高溫氣候特征及原因分析[J]. 高原氣象，2005，24（5）：829-835.

[16]夏 露，張 強，孫 寧，等. 1960—2012年江蘇省氣候變化特征[J]. 冰川凍土，2015，37（6）：1480-1489.

[17]王 迪，何金海，祁 莉，等. 全球變暖減緩背景下歐亞秋冬溫度變化特征和原因[J]. 氣象科學，2015，35（5）：534-542.李金輝，吳漢福，翁貴英，等. 貴州六盤水城市污泥中重金屬的形態特征及其農用生態風險評價[J]. 江蘇農業科學，2019，47（1）：304-308.