江西省早稻高溫?zé)岷?zāi)損評估模型

田 俊 楊 軍 姚俊萌 蔡 哲 段里成 張 坤

(1.江西省氣象科學(xué)研究所，南昌 330096；2.江西省農(nóng)業(yè)氣象中心，南昌 330096)

早稻是江西省主要糧食作物，其種植面積和總產(chǎn)均占全省糧食生產(chǎn)總量的30%左右，在全省糧食生產(chǎn)及國家糧食安全中占有重要地位。然而，該區(qū)域早稻抽穗至灌漿結(jié)實期，經(jīng)常會出現(xiàn)高溫天氣，對早稻產(chǎn)量產(chǎn)生明顯影響[1-4]。據(jù)統(tǒng)計，高溫?zé)岷υ诮魇≡绲痉N植區(qū)發(fā)生頻率為80%，其中30%的年份減產(chǎn)3%以上[1]。在全球氣候變暖背景下，江西省早稻高溫?zé)岷Τ试龆嘣鰪?qiáng)趨勢[2-4]；預(yù)計2021—2050年，在RCP2.6和RCP8.5氣候情景下，全國水稻孕穗至乳熟期高溫日數(shù)、高溫積溫都呈增加趨勢[5]，水稻高溫?zé)岷︼L(fēng)險將進(jìn)一步加大。因此，研究高溫?zé)岷魇≡绲井a(chǎn)量的影響，并給出定量的災(zāi)損評估模型對開展區(qū)域農(nóng)業(yè)氣象防災(zāi)減災(zāi)具有重要的科學(xué)意義和應(yīng)用價值。

已有研究在高溫?zé)岷λ井a(chǎn)量影響的定量分析方面進(jìn)行了探討[1-2,5-9]，建立了分別以高于35 ℃的危害熱積溫(有效積溫)[2,5-6]、高溫持續(xù)時間[1-2,7]、最高氣溫[8]作為主要影響因子的高溫?zé)岷λ井a(chǎn)量影響的簡單線性回歸關(guān)系式；在GB/T 37744—2019《水稻熱害氣象等級》標(biāo)準(zhǔn)中[10]，以水稻熱害過程危害熱積溫、最高氣溫、高溫持續(xù)時間分別作為獨(dú)立因子評估水稻熱害氣象等級。上述研究對定量評估高溫?zé)岷Ξa(chǎn)量損失具有重要意義，但仍存在一些不足：1)高溫?zé)岷哂羞^程性和累積效應(yīng)[11]，不同的高溫配置對水稻影響程度不一樣[12]，單純采用單一或部分指標(biāo)來評估高溫?zé)岷Ξa(chǎn)量損失是不全面的，例如在生產(chǎn)實踐中會出現(xiàn)熱害積溫一樣，但是災(zāi)害損失程度有明顯差別，也會出現(xiàn)災(zāi)害損失接近但高溫持續(xù)天數(shù)相差大的的情況；2)在高溫?zé)岷γ舾邪l(fā)育期上，相關(guān)研究多采用平均發(fā)育期或固定時段[1,5,7-9]，沒有考慮發(fā)育期年際和空間上的差異，實際上江西省不同區(qū)域不同年份早稻進(jìn)入抽穗結(jié)實期的時間不同，例如江西省農(nóng)業(yè)氣象試驗站觀測到的早稻進(jìn)入抽穗期的最早時間是6月8日，最晚的時間是6月28日，而只有進(jìn)入抽穗至灌漿期這個敏感發(fā)育期出現(xiàn)的持續(xù)高溫才造成高溫?zé)岷Γ?)在模型建立方法上，多采用簡單線性回歸方法[1-2,5-9]，但簡單的統(tǒng)計回歸并不適于因子之間存在相關(guān)關(guān)系的問題分析[13]。

鑒于此，為解決上述水稻高溫?zé)岷?zāi)損定量化評估模型分析中的問題，本研究擬從實際減產(chǎn)率出發(fā)，通過匹配早稻高溫敏感發(fā)育期與高溫天氣過程，形成災(zāi)害研究樣本；并在此基礎(chǔ)上，綜合考慮高溫?zé)岷^程中的熱害積溫、最高溫度和熱害日數(shù)對早稻產(chǎn)量的影響，旨在構(gòu)建江西早稻高溫?zé)岷?zāi)損定量評估模型，以期為該地區(qū)早稻災(zāi)損定量評估、產(chǎn)量預(yù)報、災(zāi)害保險等提供科學(xué)依據(jù)。

1 資料與方法

1.1 資料及其來源

氣象資料來源于江西省氣象信息中心，為江西省1981—2018年14 個農(nóng)業(yè)氣象觀測站(圖1)早稻全生育期內(nèi)逐日氣象資料，包括最高氣溫、最低氣溫、平均氣溫、降水量、日照時數(shù)等。早稻觀測資料來源于上述14 個農(nóng)業(yè)氣象觀測站，包括生育期、實際產(chǎn)量以及農(nóng)業(yè)氣象災(zāi)害觀測資料，其中婺源和瑞昌資料年限1981—2009年，湖口和樟樹資料年限為1990—2015年，其它10 站為1981—2018年。

圖1 江西省14個農(nóng)業(yè)氣象觀測站分布

1.2 研究方法

1.2.1災(zāi)損率的表示方法

為減小不同區(qū)域、不同時期生產(chǎn)力水平對早稻產(chǎn)量的影響，采用相對氣象產(chǎn)量即實際早稻產(chǎn)量低于趨勢產(chǎn)量的幅度來表征早稻產(chǎn)量受氣象災(zāi)害影響的損失情況[14-17]。相對氣象產(chǎn)量計算公式為：

(1)

式中：yu為相對氣象產(chǎn)量；ys為實際產(chǎn)量，g/m2；yt為趨勢產(chǎn)量，g/m2。

以相對氣象產(chǎn)量yu的負(fù)值定義為災(zāi)損率Ys；利用5 點滑動平均法計算趨勢產(chǎn)量yt[16-17]。趨勢產(chǎn)量主要反映農(nóng)業(yè)技術(shù)水平的提高對產(chǎn)量的影響，具有漸進(jìn)性和相對穩(wěn)定性[18]。因此，在計算趨勢產(chǎn)量前，先對各站原始產(chǎn)量數(shù)據(jù)序列進(jìn)行處理，剔除低于實際產(chǎn)量序列平均值10%的數(shù)據(jù)，以消除各站異常偏低的實際產(chǎn)量數(shù)據(jù)對趨勢產(chǎn)量穩(wěn)定性的影響，剔除后缺失數(shù)據(jù)利用該站點鄰近2 年平均值插補(bǔ)。

1.2.2高溫?zé)岷Φ湫湍甑拇_定

以災(zāi)損率≥3%作為高溫?zé)岷κ欠裨斐稍绲井a(chǎn)量損失為依據(jù)[5,19]，參照文獻(xiàn)[20]和[21]中提取典型災(zāi)害年的方法，對逐站逐年早稻生長季內(nèi)逐日溫、光、水氣象條件進(jìn)行分析，結(jié)合生育期和農(nóng)業(yè)氣象災(zāi)害觀測資料，歸納總結(jié)逐站逐年影響早稻產(chǎn)量的主要農(nóng)業(yè)氣象災(zāi)害，從而篩選出產(chǎn)量損失主要由高溫?zé)岷σ蛩卦斐傻牡湫湍攴荨；诘湫湍攴菰绲旧凇a(chǎn)量以及逐日最高氣溫資料，構(gòu)建本研究樣本60 組，其中隨機(jī)留出10 組樣本作為模型驗證樣本。

1.2.3高溫?zé)岷τ绊懫诤陀绊懸蜃拥拇_定

高溫?zé)岷魇≡绲居绊懙拿舾衅谥饕诔樗肫诤凸酀{期；對于灌漿期來說，灌漿初期(齊穗后20 d)是高溫影響的關(guān)鍵時期[22]。據(jù)此將早稻高溫?zé)岷τ绊懫诖_定為抽穗始期至齊穗后20 d。

在高溫?zé)岷τ绊懸蜃又校瑹岷Ψe溫，指高溫?zé)岷τ绊懫陂g連續(xù)3 d及以上日最高氣溫到達(dá)或超過 35 ℃ 部分的積累，用X1表示，℃·d；最高氣溫，指高溫?zé)岷τ绊懫陂g日最高氣溫的最大值，用X2表示，℃；熱害日數(shù)，指高溫?zé)岷τ绊懫陂g連續(xù)3 d及以上日最高氣溫到達(dá)或超過35 ℃的累積天數(shù)，用X3表示，d。X1、X2、X3計算公式分別為：

(2)

X2=maxmax(Tij)

(3)

(4)

式中：m為高溫?zé)岷τ绊懫趦?nèi)日最高氣溫連續(xù)3 d及以上超過35 ℃的高溫?zé)岷^程總次數(shù)(m≥1)；j為多次高溫?zé)岷^程的序號，j=1，2，…，m；nj為第j次高溫?zé)岷^程的高溫日數(shù)(nj≥3)，d；i為第j次高溫?zé)岷^程中每天的序號，i=1，2，…，nj；Tij為第j次高溫?zé)岷^程中第i天的日最高氣溫，℃。

1.2.4高溫?zé)岷?zāi)損評估模型的建立和檢驗

根據(jù)早稻生育期、產(chǎn)量以及逐日最高氣溫資料，計算高溫?zé)岷Φ湫湍隉岷Ψe溫、最高氣溫、熱害日數(shù)及其對應(yīng)的早稻災(zāi)損率；在分析上述3 個因子相關(guān)性的基礎(chǔ)上，利用主成分回歸方法建立早稻高溫?zé)岷?zāi)損定量評估模型，并與驗證樣本實際產(chǎn)量、分期播種早稻試驗產(chǎn)量比較對模型進(jìn)行驗證。利用SPSS進(jìn)行主成分回歸分析。

1.2.5分期播種試驗

選擇本地推廣應(yīng)用的雜交早稻品種金優(yōu)458，于2012年在南昌縣蓮塘鎮(zhèn)良種場進(jìn)行分期播種試驗，播種時間分別為3月18日、3月25日、4月1日、4月8日。各播種期早稻播種方式、栽插密度、水肥管理、病蟲防治等均一致；試驗過程進(jìn)行發(fā)育期和農(nóng)業(yè)氣象災(zāi)害調(diào)查，成熟后進(jìn)行測產(chǎn)。

2 結(jié)果與分析

2.1 高溫?zé)岷^程及主要影響因子特征分析

已有研究指出[23]：在水稻抽穗期和乳熟期，當(dāng)日最高氣溫達(dá)35 ℃，籽粒首先受到傷害；達(dá)38 ℃以上時，源庫同時受到影響，危害加重。因此，本研究以38 ℃為臨界值，對所有災(zāi)害樣本逐日最高氣溫變化進(jìn)行了普查。由普查結(jié)果可知，江西省早稻高溫?zé)岷^程可分為相對高溫脅迫和混合高溫脅迫2 類，圖2為這2 類代表樣本日最高氣溫的逐日變化。

由圖2可以看出：第1 類相對高溫脅迫代表樣本泰和2006年、寧都2003年和廣豐2010年，其逐日最高氣溫在35～38 ℃變化，即日最高氣溫在相對高于水稻適宜生長溫度的溫度區(qū)間波動；第2 類混合高溫脅迫代表樣本婺源1988年、余干1988年和瑞昌1988年，其逐日最高氣溫除了在35～38 ℃波動外，還有1 個或者幾個時間段(普查結(jié)果最多3 個)上升至38 ℃以上，即在相對高溫脅迫的基礎(chǔ)上，還疊加1～3 段持續(xù)38 ℃以上絕對高于水稻適宜生長溫度的絕對高溫脅迫。

圖2 相對高溫脅迫(a)和混合高溫脅迫(b)代表樣本逐日最高氣溫變化

代表樣本高溫?zé)岷χ饕绊懸蜃蛹捌錇?zāi)損率統(tǒng)計結(jié)果見表1。結(jié)合表1和圖2可以看出，高溫?zé)岷^程不一樣，對早稻的危害程度不一樣：在6 個代表站中，瑞昌和婺源1988年熱害積溫、最高氣溫、高溫持續(xù)日數(shù)均較大，其災(zāi)損率也高，分別為28.5%、26.4%；泰和2006年和寧都2003年熱害積溫、最高氣溫偏低，其減產(chǎn)率也偏低，在10%以下；對比分析余干1988年和廣豐2010年以及寧都2003年和余干1988年可以看出，在相同的熱害積溫或熱害日數(shù)下，相比相對高溫脅迫，絕對高溫脅迫熱害加重，如余干1988年和廣豐2010年這2 個樣本熱害積溫接近，但廣豐2010年觀測地段早稻只遭遇了14 d相對高溫脅迫，而余干1988年高溫?zé)岷^程最高氣溫上升至38.7 ℃，不僅遭遇了相對高溫脅迫，還遭遇了3 d絕對高溫脅迫，導(dǎo)致早稻受害加重，其災(zāi)損率比廣豐2010年偏高9.4%；寧都2003年和余干1988年這2 個樣本熱害日數(shù)一樣，但寧都2003年熱害積溫、最高氣溫明顯偏低，導(dǎo)致災(zāi)損率偏低11.8%。由此可見，在高溫?zé)岷τ绊懸蜃又校瑹岷Ψe溫、最高氣溫、熱害日數(shù)均對早稻產(chǎn)量產(chǎn)生影響，單個或多個因子明顯偏高，熱害加重。因此選擇熱害積溫、最高氣溫、熱害日數(shù)3 個因子來建立災(zāi)損評估模型能較全面的反應(yīng)各高溫?zé)岷^程對早稻產(chǎn)量的影響。

表1 代表樣本高溫?zé)岷χ饕绊懸蜃蛹盀?zāi)損率的統(tǒng)計結(jié)果

進(jìn)一步對所有樣本影響因子和災(zāi)損率進(jìn)行統(tǒng)計(表2)。由表2可以看出，江西省早稻高溫?zé)岷ζ骄鶠?zāi)損率為11.1%，85%的樣本災(zāi)損率為3.6%～18.0%，熱害嚴(yán)重時災(zāi)損率可達(dá)32.6%。由影響因子的統(tǒng)計結(jié)果可知，江西省早稻高溫?zé)岷θ諗?shù)平均為8.8 d，95%的過程持續(xù)4～15 d，最長可達(dá)26 d；最高氣溫平均為37.5 ℃，6%的過程可升至40.0 ℃以上；熱害積溫變化大，最小值僅0.6 ℃·d，最大可達(dá)66.8 ℃·d。

表2 所有樣本高溫?zé)岷χ饕绊懸蜃蛹盀?zāi)損率的統(tǒng)計結(jié)果

2.2 災(zāi)損評估模型的構(gòu)建

利用主成分回歸方法建立高溫?zé)岷χ饕绊懸蜃覺1、X2、X3對早稻產(chǎn)量影響的災(zāi)損評估模型，以定量分析不同高溫?zé)岷^程的高溫強(qiáng)度、熱害日數(shù)及其累積作用所造成的早稻產(chǎn)量損失。

首先分析影響因子序列之間的相關(guān)性(表3)，可以看出影響因子兩兩之間存在較強(qiáng)的相關(guān)性，均達(dá)到0.01顯著性水平。這表明影響因子之間并不獨(dú)立，而是相互影響的。因此，采用主成分回歸法建立早稻高溫?zé)岷?zāi)損率評估模型，它既能有效地反映原來影響因子的主要信息，同時新的評估指標(biāo)之間又不存在相互關(guān)系[16]。

表3 影響因子間的相關(guān)系數(shù)矩陣

表4為高溫?zé)岷τ绊懸蜃又鞒煞址治鼋Y(jié)果。由表4可知，第1主成分對應(yīng)的特征值大于1，且方差貢獻(xiàn)率超85%，說明該主成分可反映原有變量的絕大部分信息，故提取第1主成分進(jìn)行分析。

表4 主成分分析結(jié)果

計算第1主成分載荷向量A1=[0.975，0.905，0.955]與其特征值2.682算術(shù)平方根的商，得到第1主成分特征向量U1=[0.595，0.553，0.583]。根據(jù)U1，得第1主成分F1為

F1=0.595X1+0.553X2+0.583X3

(5)

式中：X1、X2、X3分別為熱害積溫、過程最高氣溫、熱害日數(shù)經(jīng)過數(shù)據(jù)標(biāo)準(zhǔn)化處理后的結(jié)果，量綱為1。

將F1與災(zāi)損率Ys建立回歸方程，得到Y(jié)s為：

Ys=0.549F1(R2=0.81**)

(6)

式中：R2為0.81，表明模型對樣本數(shù)據(jù)的擬合效果較好。對式(6)中回歸方程及其回歸系數(shù)進(jìn)行顯著性檢驗，檢驗結(jié)果均達(dá)到0.01顯著性水平，表明回歸模型和回歸系數(shù)均具有極顯著的統(tǒng)計學(xué)意義。將式(5)代入式(6)，得到早稻高溫?zé)岷?zāi)損標(biāo)準(zhǔn)化評估模型為：

Ys=0.327X1+0.303X2+0.320X3

(7)

式(7)標(biāo)準(zhǔn)化評估模型中各項因子系數(shù)相差不大，說明在早稻高溫?zé)岷^程中，熱害積溫、最高氣溫、熱害日數(shù)對早稻災(zāi)損率有同等重要的作用，過程最高氣溫越高、熱害日數(shù)越長、熱害積溫越多，對早稻的危害越嚴(yán)重；3 個因子同時偏高或部分因子明顯偏高，亦可加重?zé)岷Γ狙芯繉Ω邷責(zé)岷^程及主要影響因子特征分析也證實了這一結(jié)論。

為應(yīng)用方便，利用式(8)將式(7)中標(biāo)準(zhǔn)化變量還原成原始變量，計算公式為：

(8)

Ys=0.19X1+1.82X2+0.51X3-63.86

(9)

2.3 災(zāi)損評估模型的檢驗

2.3.1驗證樣本檢驗

將驗證樣本X1、X2、X3值代入式(9)計算災(zāi)損率，再將其與趨勢產(chǎn)量一起通過式(1)計算早稻模擬產(chǎn)量，圖3為模擬產(chǎn)量與實際產(chǎn)量對比結(jié)果。由圖3 可知，模擬產(chǎn)量與實際產(chǎn)量的回歸系數(shù)為0.92，相關(guān)系數(shù)為0.99，達(dá)到了0.01顯著性水平。對模擬產(chǎn)量數(shù)據(jù)進(jìn)行相對誤差分析表明，模擬產(chǎn)量與實際產(chǎn)量平均相對誤差為2.4%，80%的樣本相對誤差為-2.4%～3.3%，表明建立的模型能夠有效模擬典型高溫?zé)岷δ甑脑绲緸?zāi)損率。

圖3 模擬產(chǎn)量與實際產(chǎn)量比較

2.3.2分期播種試驗檢驗

2012年南昌縣6月30日—7月13日連續(xù)14 d出現(xiàn)了日最高氣溫超過35 ℃的高溫天氣。當(dāng)高溫天氣發(fā)生時，分期播種試驗第1播期早稻處灌漿后期，受高溫?zé)岷τ绊懶。?、第3、第4 播期在高溫?zé)岷τ绊懨舾衅趦?nèi)分別遭遇了10、14、14 d的高溫?zé)岷Γc第1播期相比，產(chǎn)量分別減少15.5%、18.3%、14.0%。利用式(9)對第2、第3、第4播期早稻高溫?zé)岷M(jìn)行災(zāi)損評估(表5)，其評估災(zāi)損率分別為13.1%、17.6%、17.6%，與實際減產(chǎn)率相比，3 個播期分別相差2.4%、0.7%、3.6%，差值在合理的范圍內(nèi)，表明模型評估的結(jié)果比較客觀。

表5 分期播種試驗的檢驗結(jié)果

3 討論與結(jié)論

3.1 討論

1)Berry等[24]將水稻高溫脅迫劃分為2 類，即相對高于水稻適宜生長溫度的高溫脅迫和絕對高于水稻適宜生長溫度的短期高溫脅迫；本研究證實了這一結(jié)論，但還發(fā)現(xiàn)江西省早稻高溫脅迫除了相對高溫脅迫外，往往是上述2 種高溫脅迫的混合型，沒有發(fā)現(xiàn)單一的絕對高溫脅迫。同時，本研究還發(fā)現(xiàn)，不同的高溫?zé)岷^程，對早稻產(chǎn)量的影響不一樣；在相同的熱害積溫或者熱害日數(shù)下，絕對高溫脅迫比相對高溫脅迫危害大。

2)高溫是影響水稻結(jié)實率主要因素[25]，以溫度為因子建立高溫?zé)岷?zāi)損評估模型具有代表性，且實用性強(qiáng)、便于應(yīng)用。本研究從高溫?zé)岷^程特征入手，綜合考慮高溫強(qiáng)度、熱害日數(shù)及相互配置、累積效應(yīng)對早稻產(chǎn)量的影響，比以往用單一因子評價[1-2,5-8]的結(jié)果更客觀。然而，水稻產(chǎn)量除了受氣象條件影響外，還受田間管理、品種差異、病蟲等其它災(zāi)害等因素的影響。因此，在實際對高溫?zé)岷M(jìn)行影響預(yù)測或災(zāi)損評估時，需結(jié)合田間生產(chǎn)狀況，在與歷史評估結(jié)果比較的基礎(chǔ)上，開展相應(yīng)的水稻氣象服務(wù)。

3)本研究對于災(zāi)害樣本的提取方法，與文獻(xiàn)[20-21]中方法類似，方法的合理性得到了驗證；有關(guān)高溫?zé)岷υ斐稍绲井a(chǎn)量損失的結(jié)果與文獻(xiàn)[2]的結(jié)果基本一致，表明本研究提取的災(zāi)害樣本具有典型性。但在樣本提取過程中，完全準(zhǔn)確界定高溫?zé)岷?zāi)害樣本有一定難度，可能存在一些偏差，未來需要進(jìn)一步結(jié)合田間試驗或?qū)ふ移渌鼉?yōu)的方法，對模型進(jìn)行補(bǔ)充研究，以提高模型的準(zhǔn)確性。本研究在模擬早稻高溫?zé)岷?zāi)損率時，利用主成分回歸方法，該方法已在其它災(zāi)害災(zāi)損評估模型的建立中得到了應(yīng)用[16,20]，可解決線性回歸方法中多重共線性問題，且能較好反應(yīng)多個影響因子對產(chǎn)量的綜合影響。然而，該模型為經(jīng)驗統(tǒng)計模型，只明確了產(chǎn)量與影響因子之間的關(guān)系，不能反映高溫?zé)岷υ绲井a(chǎn)量影響的機(jī)理，作物模型可以在一定程度上解決這個問題，但作物模型構(gòu)成復(fù)雜、參數(shù)多。如何將本研究建立的統(tǒng)計模型與作物模型進(jìn)行有效結(jié)合，將在下一步研究中進(jìn)行。

3.2 結(jié)論

1)江西省早稻高溫?zé)岷^程多維持4～15 d，最長達(dá)26 d；過程最高氣溫平均升至37.5 ℃，6%的過程可上升至40 ℃以上；熱害積溫變化大，最大達(dá)66.8 ℃·d，最小僅0.6 ℃·d，通常造成早稻產(chǎn)量損失3.6%～18.0%，熱害嚴(yán)重時災(zāi)損率可達(dá)32.6%。

2)江西省早稻高溫?zé)岷^程可分為相對高溫脅迫和混合高溫脅迫2類。在高溫?zé)岷Φ挠绊懸蜃又校瑹岷Ψe溫、最高氣溫、熱害日數(shù)對水稻熱害具有同等重要的作用，單個或多個因子明顯偏高亦可加重?zé)岷Α?/p>

3)利用高溫?zé)岷τ绊懸蜃铀⒌脑绲靖邷責(zé)岷?zāi)損評估模型達(dá)到0.01顯著性水平，以驗證樣本的實際產(chǎn)量對模型進(jìn)行驗證，兩者相關(guān)系數(shù)為0.99，平均相對誤差為2.4%；在分期播種試驗期間，遭遇高溫?zé)岷τ绊懙? 個播期實際減產(chǎn)率與模型評估災(zāi)損率分別相差2.4%、0.7%、3.6%，表明模型模擬的結(jié)果比較客觀，可利用該模型對高溫?zé)岷δ甑脑绲井a(chǎn)量損失進(jìn)行模擬和預(yù)測。