東北地區糧食作物產量變化特征及其對氣象干旱的響應研究

韓冬薈 趙金媛， 胡 琦 潘學標* 王 萍 易國慶 郭穎達 王浩然 和驊蕓 陳立新

(1.東北林業大學 林學院，哈爾濱 150040；2.中國農業大學 資源與環境學院，北京 100193)

我國東北位于北半球中高緯度地區，屬溫帶季風氣候，四季分明，雨熱同季。東北三省的糧食總產由1980年的3 543.6 萬t增長至2019年的13 811 萬t，糧食作物的播種面積從1 406.3萬hm2擴展到2 347.2萬hm2[1]。目前東北地區的糧食總產量占全國的1/5 以上，是我國最大的商品糧生產基地，是維護國家糧食安全的“壓艙石”。

在全球氣候變化的影響下，氣候因子協同社會、生態等方面綜合作用于糧食系統，增加了糧食安全的風險[2]。各地極端氣象災害頻發，導致農業氣候資源變化、農產品產量波動[3]，其中干旱災害對中國農業氣象構成的威脅最為嚴重。我國北方因旱災受損的情況明顯重于南方[4]，并且東北地區的干旱狀況呈逐年加重的趨勢。20世紀90年代以來，東北地區的干旱事件大幅度增加[5-6]；2000年以后，干旱程度趨于嚴重[7]。研究表明，東北地區干旱成災年占22%，平均減產率30%；干旱已經成為東北地區的主要氣象災害[8]。東北地區降水年際波動大，易使玉米遭受旱澇災害，1961—2015年東北春玉米生長季內的降水量減少導致其產量下降[9]。氣候變化引起的溫度和降水異常導致東北地區水稻大幅度減產[10]；東北水稻單產與氣溫相關顯著，與降水相關并不顯著[11]；大豆開花-結莢期干旱風險最高[12]。

干旱災害的發生主要取決于溫度和降水變化發生的時間和程度，溫度和降水協同作用于作物的生長和產量，因此選擇合適的干旱指標對預測和評估產量有著重要意義。相較于帕爾默干旱指數(PDSI)、標 準 化 降 水 指 數(SPI)等指標的局限性，標準化降水蒸散指數(SPEI)綜合了溫度和降水的雙重效應，能更全面合理的反映農田生態系統的水分平衡過程，屬于綜合性的氣象干旱指標。

在我國，針對SPEI的研究主要集中在2 方面：一是利用SPEI指數推演地域性干旱時空變化規律：已有研究表明1981—2017年我國北方地區約74%的區域SPEI呈減小趨勢，并且春季干旱化最嚴重，冬季最弱[13]；華北平原夏玉米生長季干旱發生頻率超過50%，以輕旱為主[14]；渭河流域、秦嶺南北均呈現干旱化趨勢[15]；東北除長白山地區之外，其他地區都表現出明顯的干旱化趨勢[11，16]。二是研究植被或作物對SPEI的響應特征：東北地區森林的歸一化植被指數與SPEI基本表現為負相關，而草原和農田主要呈現正相關[17]；1990—2011年北京地區短時間尺度下8月的SPEI3與玉米氣候產量呈曲線關系，長時間尺度下5月的SPEI24與冬小麥氣候產量呈線性相關[18]。綜上，雖然不乏SPEI相關方面的研究，但是已有研究存在以下不足：1)同一研究中對SPEI的時間尺度劃定相對單一(春、夏、秋、冬)或者缺乏實際意義(單純追求統計結果顯著)；2)由于作物產量數據獲取不易，多數研究涉及的作物種類較少、選用間接數據(比如受災面積、歸一化指數等)來代表作物生產狀況，或者用全省平均數據代替各市縣具體數據，導致研究針對性變弱、分析結果產生偏差等。

因此，本研究在已有研究的基礎上[19]，結合東北氣候特點，擬將SPEI時間尺度劃分為雪季、雨季、生長季和年際，綜合分析水熱旱澇對東北三省4 種主要糧食作物產量的影響，對比不同地區不同作物分別對不同時間尺度SPEI的響應及其敏感性。

1 數據與方法

1.1 數據來源

1.1.1氣象數據來源

1961—2015年東北三省71 個氣象臺站(圖1)的逐日氣象資料(氣溫、降水量等)來自中國氣象科學數據共享服務網(http:∥cdc.cma.gov.cn/home.do)，并利用Matlab軟件對缺測的氣象數據進行插值訂正，以保證數據的連續性和有效性。

省份名稱后的括號內為該省的氣象臺站數。

1.1.2作物產量數據來源

1992—2015年東北三省主產的水稻、玉米、大豆、小麥4 種作物的單產數據來自國家地球系統科學數據中心(http:∥northeast.geodata.cn)(其中黑龍江29 個市縣；吉林23 個市縣；遼寧12 個市縣)、黑龍江統計年鑒(1993—2016年)、吉林統計年鑒(1993—2016年)、遼寧統計年鑒(1993—2016年)。由于吉林省不是小麥產區，故在此不涉及吉林小麥。

1.2 研究方法

1.2.1標準化降水蒸散指數SPEI計算方法

首先計算月降水量與月潛在蒸散量的差值，然后將其累計概率值進行正態標準化，即得到SPEI指數[20]，具體步驟如下：

計算月降水-蒸散差值，其中月潛在蒸散量的計算采用Thornthwaite方法如下：

Di=Pi-PETi

(1)

式中：Pi為月降水量，mm；i=1,2,…，12,表示月份；PETi為月潛在蒸發量，mm。

進一步建立降水-蒸散差值時間序列，即計算不同時間尺度下的氣候學水分盈虧值D：

(2)

式中：k為時間尺度；n為計算月份，k≤n。

最后得到正態標準化降水-蒸散差值時間序列。對數據序列進行正態標準化，由于其可能存在負值，故引入三參數的Log-Logistic概率分布F(x)對式(2)建立的序列進行擬合，即可得到對應序列的SPEI指數。

(3)

式中：α、β和γ分別代表尺度參數、形狀參數和位置參數，并且∞

(4)

(5)

P=1-F(x)

(6)

當P>0.5 時，P=P-1。

式(4)中，C0=2.515 517，C1=0.802 853，C2=0.010 328，d1=1.432 788，d2=0.189 269，d3=0.001 308。

SPEI的平均值為0，標準差為1，SPEI數值越小，代表干旱程度越嚴重，表1為中國氣象局制定的 SPEI 干旱等級劃分標準[14]。

表1 SPEI干旱等級劃分

東北地區的雪季主要集中于前一年的12月至當年的2月，該時期的標準化降水蒸散指數用2-SPEI3表示；雨季集中于6—8月，該時期的標準化降水蒸散指數用8-SPEI3表示；生長季集中于5—10月，其標準化降水蒸散指數表示為10-SPEI6；年際SPEI對應于1—12月全年，表用12-SPEI12表示[7]。

1.2.2氣象產量分離方法

糧食產量受到氣象要素和物化投入的綜合影響，通常將其主要分為由氣象條件引起的氣象產量和社會技術進步產生的趨勢產量，本研究采用經已有研究驗證的適用于全國長時間糧食單產序列分析的HP 濾波法[21]，對東北地區主要糧食作物單產進行氣象產量分離。忽略隨機產量后，假定：

Yi=Ymi+Yti

式中：i代表第i年，i=1,2,3…，T；Yi為第i年的實際單產；Ymi為氣象產量；Yti為趨勢產量，HP濾波法就是要將Yti從Yi里分離出去，并使損失函數最小化：

(7)

式中：λ為平滑參數，對于年度數據，已有研究設定λ=100。

本研究利用Eviews 9.0對東北三省糧食作物歷年單產進行濾波，得到相應的氣象產量。

1.2.3建立標準化產量殘差序列

在HP濾波法分離氣象產量的基礎上，為了比較SPEI對不同作物產量的影響，建立氣象產量的標準化產量殘差序列[22]，具體方法如下：

Yri=(Ymi-μ)/σ

(8)

式(8)中：Yri表示第i年的產量殘差；Ymi表示第i年的氣象產量；μ表示第i年各省全部市縣對應作物的氣象產量平均值；σ表示相應的氣象產量標準差。這種方法在相關研究中已經應用[23-24]，并且驗證了標準化產量殘差可以更好地比較分析具有不同平均值和標準差的作物間、地點間和年際間的產量變異性。

1.2.4其他方法

研究中有關產量的統計分析通過IBM SPSS Statistics 19完成；SPEI的時空分布利用ArcGIS 10.1軟件的反距離權重插值法(IDW)完成。

2 結果與分析

2.1 東北三省主要糧食作物單產及氣象產量的時序變化

氣候變暖給東北農業生產帶來的影響利弊共存，一方面提高了作物的光溫生產潛力，另一方面，極端天氣事件增加、氣象災害突發等造成作物減產。圖2 展示了東北三省水稻、玉米、大豆和小麥歷年單產(中位數)時序變化及其階段性生產水平差異。

東北種植區主要分布在松嫩平原、三江平原和遼河流域，由于水稻品質好，水稻種植發展很快，2019年東北三省水稻總產超過3 400 萬t。不過東北三省的水稻單產變化趨勢有所不同(圖2(a))。整體而言，吉林省的水稻產區縣市單產極大值較其他兩省數值更大，但2010年以后三省各站水稻單產相差不大；黑龍江水稻單產在20世紀90年代以后增長速度較快，在去除異常值的前提下，其最大值可達到13 647 kg/hm2，比80年代單產增加了42.7%，其中氣候變暖貢獻率將近1/3[8]，可見氣候變暖已經將黑龍江以小麥和玉米為主的種植結構變為了以玉米和水稻為主[25]。遼寧省的水稻單產近幾年有所波動，這與遼寧省近年來發生的旱澇災害有關。

作為東北農作區的優勢作物品種，玉米的氣候產量潛力最高，其實際單產變化在各省表現不同(圖2(b))。黑龍江玉米單產在整體上表現為逐年上升趨勢，高值為2009年的10 772 kg/hm2和2010年的10 747 kg/hm2。吉林省各地的玉米在20 世紀90年代初期的單產值相對較低，2000年以后有所提升，在2002年達到了12 598 kg/hm2，成為東北地區近年玉米單產最高值，但是2009年后單產偏低，這與2009年吉林省降水偏少，玉米在出苗期和灌漿期遭遇氣象干旱有關[26]。遼寧省大部分地區可以滿足玉米晚熟品種的生長，但是近些年呈現減產趨勢[27]。

東北是我國重要的大豆產區，黑龍江和吉林省歷年的大豆單產呈逐年上升趨勢(圖2 (c))。與東北其他主要糧食作物相比，大豆的單產相對較低，除了受到技術水平的限制，與東北的氣候條件限制了大豆的生長有關，更與東北地區逐年加重的干旱化形勢密切相關。

東北的小麥主要為春小麥，不具有綜合比較優勢，1985—2015年，東北小麥種植面積明顯減少，吉林的小麥已接近消失[28]。雖然春小麥單產在整體上呈增加趨勢，但對于東北這類面積主導型產區，小麥種植面積大幅縮水導致總產不斷下降[29]。黑遼兩省小麥單產差異不大，變化趨勢相對平穩，近年來遼寧省小麥單產高于黑龍江，黑龍江小麥單產比遼寧的波動性更大(圖2(d))。

圖2 1992—2015年東北三省作物單產變化

為了分離氣象條件對作物產量的影響，此處利用HP濾波法提取各站點4 種作物的氣象產量，并取歷年均值和標準差作圖(圖3)。由圖3可見：東北三省中作物氣象產量波動性最大的是遼寧省，這與遼寧省近年來多發旱澇災害有關[25]；4 種作物中氣象產量波動性最小的是小麥，這與其在東北分布區域小、產量水平低有關。水稻和玉米的氣象產量波動周期具有相似性，且氣象產量正值多于負值。另外，黑龍江和吉林的大豆氣象產量波動性較小。

2.2 不同時段SPEI對東三省糧食作物氣象產量的影響

本研究將1992—2015年東北三省各市縣通過HP濾波法得到的糧食作物氣象產量與不同時段(雪季、雨季、生長季、年際)的SPEI進行相關分析(顯著性水平<0.05的保留)，得到不同作物的氣象產量與不同尺度SPEI顯著相關的臺站個數及其在全省的占比，結果見表2。

由表2 可知：黑龍江省多數市縣的糧食作物產量受生長季SPEI影響較明顯；吉林省主要是雨季和生長季SPEI對作物產量具有顯著影響；遼寧省位居三省最南部，其4種作物的氣象產量與不同時段SPEI的相關關系中，雪季SPEI的相關性最好。此外，相同省份的不同作物對相同時段的SPEI響應敏感度也不同，不同省份相同作物與相同時段的SPEI相關性也有差異。

圖3 1992—2015年東北三省作物氣象產量變化

將黑龍江、吉林、遼寧的4 種糧食作物氣象產量與4 個時段的SPEI分別進行相關分析，并將顯著性水平<0.05 的相關系數統計值歸納見表3。整體而言，4 種糧食作物氣象產量與雪季SPEI(2-SPEI3)的相關關系跟其他3 個時段SPEI(8-SPEI3，10-SPEI6，12-SPEI12)的相關關系表現相反，這與東北雨熱同季、年降水主要來自雨季等氣候特征有關。吉林省雪季SPEI與4 種糧食作物氣象產量均表現為負相關關系；遼寧省雪季SPEI與4 種糧食作物氣象產量均表現為正相關關系；黑龍江省除去水稻，其他作物的氣象產量與雪季SPEI也都呈現正相關，這種差異與氣象產量非標準化有關，因此，為了更加合理地分析SPEI對不同作物產量的影響，后續引入標準化產量殘差序列。

表2 東北三省主要糧食作物氣象產量與SPEI顯著相關臺站數比例

表3 東北三省主要糧食作物氣象產量與SPEI的相關系數統計值

2.3 標準化產量殘差序列對不同時段SPEI的響應

將東北三省各市縣4 種糧食作物的歷年氣象產量進行殘差標準化后形成序列，與各SPEI序列進行回歸分析，其中設定Yr>0為高產，Yr<0為低產，Yr=0表示氣象產量與多年平均值相等；SPEI<0為干旱或者趨于干旱，SPEI>0為濕潤或者趨于濕潤[24]。

2.3.1水稻標準化產量殘差序列對SPEI的響應

黑龍江的水稻產量與生長季SPEI(10-SPEI6)、年尺度SPEI(12-SPEI12)呈負相關；吉林的水稻產量與雪季SPEI(2-SPEI3)呈負相關；遼寧水稻氣象產量與雨季SPEI(8-SPEI3)呈負相關、與雪季SPEI(2-SPEI3)表現為正相關(圖4)。說明除遼寧冬季降雪有利于水稻生產外，其他時段水稻生長的需水量是可以被滿足[22]甚至是過量的，也反映了在東北氣候變暖的背景下，即使洪澇災害在北方呈減緩趨勢，但是夏澇仍是造成東北水稻減產甚至絕收的重要災害[30-31]，主要是由于這個時段正處于水稻的生長季，尤其是水稻生殖生長的關鍵階段。圖4(a)、(b)、(c)和(e)顯示東北三省水稻的極端低產值(Yr<-2)基本位于0

圖4 水稻標準化產量殘差對SPEI的響應

2.3.2玉米標準化產量殘差序列對SPEI的響應

東北春玉米區是我國最大的玉米產區，在氣候變暖的背景下，東北三省的玉米產量表現為增加趨勢，并且越往北增加越明顯[32]。由圖5可見，黑龍江的玉米Yr與生長季SPEI呈負相關，2007年黑龍江的日平均溫度、日最低溫度、日最高溫度均高于前后幾年，且降水較常年偏少，導致黑龍江多地干旱[33]，但呼瑪、嫩江、孫吳、北安在2007年出現玉米氣象產量高值(Yr為2.67～4.33)，這4站均位于黑龍江北部地區，表明北部地區氣候變暖使增產明顯[32]。在較干旱的條件下，吉林玉米標準化產量殘差值隨著生長季10-SPEI6的增加而增加；在較濕潤的條件下，其氣象產量殘差值變化不大；但降水過多，Yr隨著SPEI的增加而減小，即當水分不成為制約氣象產量的因素時，過多的降水可能會導致減產。遼寧玉米標準化產量殘差值隨著雪季2-SPEI3的增加而增加。整體而言，玉米Yr黑龍江>Yr吉林>Yr遼寧，玉米Yr(Yr：-2.00～2.00)多集中在SPEI取值范圍為-2.00～1.00(圖5)，即在同樣的水分條件下，均可能出現高產或者低產，這與其他要素比如光照、溫度、病蟲害等有關，可見東北各地春玉米氣象產量對SPEI的響應需要根據不同生態區域進行具體分析。

圖5 玉米標準化產量殘差對SPEI的響應

2.3.3大豆標準化產量殘差序列對SPEI的響應

東北是我國大豆的主要產區，大豆屬于喜濕作物，生長季需水量較大，生長季里任何階段的干旱都會對產量有所影響[33]。從圖6 可見，黑龍江的大豆標準化產量殘差與生長季和年際SPEI具有顯著的相關關系，吉林的大豆標準化產量殘差與生長季SPEI相關顯著，遼寧的大豆標準化產量殘差則與雪季SPEI表現出顯著相關，其中對黑龍江和吉林的回歸分析表明二者的二次曲線關系擬合度更好，即當SPEI<0時，隨著SPEI的增加，兩省的Yr逐漸增大；當SPEI>0時，隨著SPEI的增加，兩省的Yr逐漸減小。同時可見，黑吉兩省的大豆標準化產量殘差的數值范圍接近，且拋物線最高點對應的SPEI均約為0，說明東北三省干旱和雨澇對大豆產量波動造成的影響程度相似[34]。

2.3.4小麥標準化產量殘差序列對SPEI的響應

東北春小麥通常4月中旬左右播種，8月之前成熟，抗旱能力強，生育期短。所選擇的10-SPEI6指數能夠覆蓋春小麥的生育期。由圖7可見，黑龍江省春小麥標準化產量殘差與10-SPEI6的呈負相關，即在春小麥出苗-成熟階段，降水越多越不利于其生長發育。

圖7表明黑龍江省的小麥產量殘差序列Yr隨著生長季SPEI(10-SPEI6)的增大而不斷減小，遼寧小麥產量殘差序列Yr隨著雪季SPEI(2-SPEI3)的增大而不斷增加。在圖4(d)中，遼寧水稻Yr隨雪季SPEI的增加而不斷增大，圖5(c)和圖6(d)同樣顯示遼寧省玉米和大豆的Yr隨著雪季SPEI的增加不斷增大。由此可見，遼寧省雪季SPEI與4種糧食作物標準化產量殘差序列均呈顯著的正相關關系，即冬季降雪增加有利于當年的作物生長。再將與作物產量顯著相關的SPEI進行主成分分析得到彼此線性不相關的SPEI，進而重新建立組合值[22]。然而，本研究發現在東北地區，與糧食作物顯著相關的SPEI之間線性相關性比較低，不宜做主成分分析，即本研究選定SPEI時結合了當地的氣候和作物特征。

3 討 論

本研究對SPEI尺度和時期的選擇是依據東北氣候和作物生長特點而設定的，也有研究是將各月份、各尺度的SPEI分別與作物產量進行相關分析，對氣象條件影響作物產量的研究多集中于作物生長季，尤其在東北這種季風氣候地區更為如此。本研究發現非生長季節的水熱條件對作物生長也具有重要影響，比如冬季的溫度和降雪會通過影響土壤水分供給能力而影響作物的產量，本研究中遼寧省此種作用效果相對明顯。1961—2013年遼寧省65.4%站點的降雪量有增加趨勢、90.4%站點的降雪強度呈增大趨勢[35]，冬季氣溫表現為上升趨勢[36]。在冬季氣溫升高、降雪增加的氣候背景下，一方面隨著氣溫升高，凍土層深度變淺，有利于農業生產；另一方面，降雪增加、積雪層厚度增大有利于調節不同溫度條件下的土層含水率[37]。在土壤凍結期，積雪的存在有利于土壤保溫和減少土壤水分蒸發、滲透，并且積雪的厚度和持續時間影響著土壤微生物生長和活性；在融雪產水期間，融雪水可以為土壤補給水分，尤其對于我國東北地區，農作物在生長季遭遇旱災甚至久旱無雨的情況，儲存的融雪水就起到了至關重要的作用[38]。由此可見在氣候變暖的背景下，東北冬季降雪增加、溫度升高，對遼寧省乃至東北大部的糧食增產都起著積極作用。因此“大氣-作物-土壤”作為一個整體生態系統，內部各要素之間的耦合作用在各個時期表現不同，應結合大尺度下的氣候變化規律和局地的氣候特點對農情進行分析，有利于指導未來的農業生產。

圖6 大豆標準化產量殘差對SPEI的響應

圖7 小麥標準化產量殘差對SPEI的響應

4 結 論

本研究通過東北三省1961—2015年的氣象數據和1992—2015年4 種糧食作物產量數據比較分析了雪季、雨季、生長季和年際SPEI對作物產量的影響，主要得到以下結論：

1)雪季SPEI與糧食作物產量殘差序列顯著相關，尤其是在遼寧省更為明顯，即遼寧省雪季的SPEI與水稻、玉米、大豆和小麥的氣象產量均成顯著的正相關關系。說明東北冬季雖無作物生長，但是冬季的溫度和降雪對土壤水分、微生物等方面的作用間接決定了來年作物的生長條件，甚至可以調節夏季和生長季降水不足帶來的負面影響，驗證了農諺“瑞雪兆豐年”在東北地區的科學性。

2)不同省份、同一省份不同站點的糧食作物對相同時段的SPEI響應不同，說明研究東北各地糧食作物產量對SPEI的響應需要根據不同生態區域特點進行具體分析；但是各省各時段的SPEI對同一作物的影響具有一致性，并且各省同一作物對雨季、生長季、年際SPEI的響應基本一致。除雪季之外，東北水稻的氣象產量與各時間尺度SPEI基本成負相關。大豆氣象產量與生長季、年際SPEI顯著相關，且當SPEI<0時，其標準化產量殘差隨著SPEI的增加而增大；當SPEI>0時，標準化產量殘差隨著SPEI的增加而減小。玉米和小麥與SPEI的關系在不同區域的表現有所不同。