2013～2019年臭氧污染導致的江蘇稻麥產量損失評估

王 倩,劉苗苗,楊建勛,畢 軍

2013～2019年臭氧污染導致的江蘇稻麥產量損失評估

王 倩,劉苗苗*,楊建勛,畢 軍

(南京大學環境學院,污染控制與資源化研究國家重點實驗室,江蘇 南京 210023)

基于2013～2019年江蘇省115個監測站點的逐時臭氧觀測數據和97個縣級行政區的農作物年產量,利用AOT40的暴露響應關系,結合空間分析等方法,評估了臭氧污染導致的冬小麥和水稻兩種農作物的產量損失.結果表明,2013～2019年,冬小麥和水稻的AOT40分別為(2.76～17.05)×10-6h和(0.15～31.69)′10-6,分別在2018年和2016年達到峰值.蘇南地區水稻生長期的AOT40高值分布較多,蘇北地區近3年兩種農作物生長期的AOT40都有明顯增勢.2013～2019年,冬小麥年相對產量損失為17.7%～31.0%,年絕對產量損失達(1.94～3.75)×106t.年產量損失最高的地級市是鹽城和徐州,損失最低的是南京和無錫.2013～2019年,水稻年相對產量損失為8.6%～15.6%,絕對產量損失為(3.03～6.04)×106t.年產量損失最高的地級市是鹽城和淮安,損失最低的是無錫和常州.江蘇省每年由于臭氧污染導致的農作物產量損失約相當于5000多萬人一年的糧食消費量,臭氧污染對糧食生產安全造成了較為嚴重的威脅,應當采取有效的政策和措施控制臭氧污染,保證糧食生產穩定.

臭氧污染；AOT40；水稻；冬小麥；產量損失；糧食生產安全

隨著機動車與含氮化肥的大量使用,臭氧前體物揮發性有機化合物(VOCs)與氮氧化物(NO)的含量激增[1-2].多學科證據證實,臭氧污染超過閾值后,通過降低葉綠素含量、減小葉面積、損害葉片膜系統、減慢葉片凈光合速率等復雜路徑損害植物健康,導致農作物減產[3-4].

20世紀80年代,已有研究觀測到臭氧對農產品的不利作用.早期研究以實驗箱實驗為主要研究手段[5],在完全可控的條件下,通過改變實驗箱內臭氧環境濃度,觀測作物生長狀況,并得到臭氧污染對作物單產的劑量響應函數.基于暴露～產量響應關系,朱治林等[6]采用有限的站點臭氧監測數據估算出魯西北平原近地面臭氧污染約使冬小麥產量減少5.2%～8.8%.Tang等[7].基于模型模擬的地表臭氧濃度,回顧及預測了2000年和2020年中國和印度小麥的相對產量損失.2012底,我國建立了覆蓋全國主要城市的環境空氣質量監測網絡.此后,開始有研究基于相對豐富的臭氧站點監測數據開展評估.Wang等[8]和趙輝等[9]采用江蘇省2015年97個監測站點的臭氧濃度觀測數據,評估了臭氧對江蘇省冬小麥和水稻產量的影響及造成的經濟損失.Feng等[10]和Hu等[11]分別估算了2014～2017年華北平原地表臭玉米產量損失.

氧造成的小麥和盡管關于我國臭氧導致的農作物產量損失的評估研究近十年進展較為迅速,但仍存在較多局限.由于缺乏長期的臭氧監測數據,采用有限的站點監測或模型模擬的臭氧數據評估農作物產量損失不確定性較高[12-13].多數研究僅采用監測數據做單年度或2～3年度評估[9,14-15],難以揭示臭氧導致農作物減產的長期變化規律.已有研究計算臭氧暴露時,通常采用農作物經驗生長期且將全國或較大區域范圍內特定農作物生長期定義為同一時期,忽略了區域內農作物生長期的差異[16].此外,較多研究以省份或地級市為單元,精細化程度低,評估結果的準確性有待提高[17].

針對上述局限,本研究選取江蘇省為研究對象,以下轄的97個縣級行政區(以下簡稱區縣)為研究單元,耦合臭氧站點監測數據、不同農作物生長發育旬值數據和農作物產量數據,利用AOT40的暴露響應關系,結合空間分析等方法,評估2013～2019年臭氧污染導致的冬小麥和水稻作物產量損失并解析時空變化趨勢,相比以往研究提高了時間趨勢范圍和空間精度.研究以期促進對于臭氧污染導致的糧食安全問題的重視,同時也為全國以及其他地區臭氧污染管控與農業生產管理提供科學參考.

1 材料與方法

1.1 研究邊界

本文以江蘇省為空間研究范圍,以水稻和冬小麥兩種糧食作物為農作物研究類型,根據臭氧監測數據的起始公布時間,將研究的時間范圍選定為2013～2019年,研究單位為江蘇省下轄的97個縣級行政區.

1.2 數據來源

1.2.1 臭氧監測數據 生態環境部(原環境保護部)于2012年底建立了覆蓋全國主要城市的環境空氣質量監測網絡,到2019年全國共設置監測站點1436個,提供了包含臭氧在內的六項大氣污染物濃度數據,公開發布在中國環境監測總站的全國城市空氣質量實時發布平臺(http://106.37.208.233:20035/).研究時期內江蘇省共有115個臭氧監測點位,其分布如圖1所示.

1.2.2 水稻和冬小麥生長發育期 江蘇省冬小麥和水稻生長發育期數據來自中國氣象數據網公布的中國農作物生長發育旬值數據集(http://data. cma.cn),江蘇省的農氣觀測點位如圖1所示.基于該數據集提供的1991年9月至2014年4月江蘇省24個農氣觀測站的旬作物名稱,發育期名稱和發育期日期,計算每個站點冬小麥和水稻抽穗揚花期的年平均日期.根據Zhu等[18]的研究,定義冬小麥和水稻的生長期為從抽穗揚花期開始前的第44d到抽穗揚花期后的30d,年生長期為75d.為了與臭氧監測站點匹配,在ArcGIS中用普通克里金法插值到0.1°×0.1°的研究區域網格上.

圖1 江蘇省臭氧監測站點和農氣監測站點分布

1.2.3 水稻和冬小麥年產量 江蘇省下轄97個區縣級行政區2013～2019年水稻和冬小麥的年產量來源于中國縣域統計年鑒(http://www.stats.gov.cn/).其中部分地級市的市轄區由于年產量較少,年鑒中對其合并統計,本研究在計算產量損失時也將其作為一個研究單元進行處理.特別要指出,徐州和揚州的縣域年鑒中未對糧食種類進行區分,無法獲取分作物類型的區縣產量,因此我們在研究中將這兩個地級市分別作為了一個研究單元.

1.3 臭氧暴露指標計算

使用AOT40作為臭氧暴露的度量指標,評估其導致的冬小麥和水稻產量損失.AOT40計算公式如(1)所示:

式中:AOT40表示白天小時臭氧濃度值超過4′10-8部分的累積值;[O3]h是75d生長期內白天的小時O3濃度,是生長期內白天的小時數(08:00～18:00).

首先,根據生長期網格插值數據,識別臭氧監測站點中每個站點的水稻和冬小麥的生長期,分別提取相應時間段內各監測站點白天的臭氧小時濃度.由于設備、氣象及其他可能的擾動因素,部分站點的小時監測數據存在缺失情況.為保證結果的可靠性,研究對臭氧觀測數據的缺失值進行了合理填補.若某個生長發育期內站點臭氧數據有效小時數超過總小時的75%,取該站點缺失時間前一天和后一天同一時間點的臭氧濃度均值作為缺失的小時濃度值,補充監測缺失值后,再進行AOT40計算.對于有效小時數未超過總數75%的站點,取與其距離最近的站點同年生長期的AOT40作為該站點的AOT40.統計發現,在冬小麥生長期內,2013年和2014年約有70%的站點臭氧有效小時數在75%以上,2015～2019年有超過95%的站點臭氧有效小時數在75%以上.在水稻生長期內,2013年約有65%的站點臭氧有效小時數在75%以上,2014～2019年有超過95%的站點臭氧有效小時數在75%以上.

蘇北地區監測站點較少,個別區縣內沒有國控站點,簡單用平均值無法表征區域污染情況,本研究采用普通克里金插值法對江蘇省及其周邊較大范圍(100km)監測站點的AOT40做空間插值,以減少插值誤差,提高結果的可靠性[10-11,19-20].插值獲得江蘇省0.1°×0.1°網格AOT40分布后,分區縣平均匯總得到江蘇省97個區縣的AOT40均值.

1.4 產量損失

冬小麥相對產量對臭氧劑量AOT40的響應函數參考Tang等[21]的研究,水稻產量損失評估的劑量響應函數參考Wang等[8]在嘉興和江都進行的水稻OTC試驗的研究結果,計算公式如(2)和(3)所示:

冬小麥:

式中:RY表示相對產量,下標分別表示不同的農作物類型,w表示冬小麥,r表示水稻.

基于兩種農作物生長期的臭氧劑量AOT40分別計算產量損失后,各研究單元的相對產量損失和產量損失的計算公式如(4)和(5)所示.

式中:RYL表示相對產量損失;TP表示年產量,t;PL表示年產量損失,t,即不受臭氧污染脅迫的農作物理論產量與實際產量之間的差值.

將每個研究單元的每種農作物的產量損失分別至城市尺度,即得到13個地級市的產量損失,然后進一步區域加和得到江蘇省總的產量損失.省相對產量損失由總產損失除以不受臭氧污染的理論總產量獲得,計算公式如(6)所示:

式中:RYLt表示江蘇省相對產量損失,表示省內的第個研究單元,表示研究單元的數量.

2 結果與討論

2.1 農作物生長期AOT40的時空分布特征

2013～2019年水稻生長期中,江蘇省各監測站點的AOT40均值范圍為(1.01～1.76)′10-5h.時間趨勢上,2014年到2016年,AOT40上升趨勢明顯,年平均增幅為33.6%;2017～2019年,AOT40較為穩定,且相比于2016年顯著降低.空間分布上,多年AOT40平均值的最大值出現在無錫(1.58′10-5h),隨后是蘇州(1.51′10-5h);多年AOT40平均值的最小值依次出現在鹽城(1.28′10-5h)和連云港(1.34′10-5h).區縣尺度上,AOT40高值主要分布在南京市中北部、蘇州市南部、南通市東部和徐州西北部等(圖2).蘇北地區AOT40整體水平較低,但增勢較為明顯;特別是徐州、宿遷大部分區縣近三年年均水平趕超蘇南地區.

圖2 2013～2019年江蘇省水稻生長期AOT40的空間分布

江蘇省冬小麥生長期集中在3月初至5月中下旬,相比于生長在盛夏至初秋的水稻,冬小麥生長期間AOT40較低.2013～2019年冬小麥生長期中,江蘇省各監測站點的AOT40均值范圍為(8.76～14.8)′10-6h.時間趨勢上,前六年平均值呈現明顯的波動增長趨勢,增幅接近50%,2019年臭氧累積量有所降低,如圖3所示.空間分布上,多年AOT40平均值的最大值出現在連云港(1.31′10-5h),隨后是鹽城(1.29′10-5h);多年AOT40平均值的最小值依次出現在南京(1.08′10-5h)和泰州(1.11′10-5h).與水稻生長期AOT40最高值集中在蘇南地區明顯不同,近四年蘇北地區冬小麥生長期AOT40高值區縣的百分比逐年增加,2016年AOT40超過1.40′10-5h的區縣占江蘇省所有超過該值區縣的33.3%,2017年為39.4%, 2018年為50.7%,2019年為100%.

圖3 2013～2019年江蘇省冬小麥生長期AOT40空間分布

2017年夏季臭氧水平相比2016年顯著升高,而春季相比2016年下降.不同季節的臭氧污染存在較大差異,這可能與氣象條件密切相關[1].江蘇省氣候中心專家謝志清表明江蘇省2017年夏季持續性高溫酷暑天氣強度升高,統計年鑒也顯示,2017年7月平均溫度比2016年7月升高了近2℃,溫度升高和輻射強度增強加快了光化學反應速率,形成了有利于臭氧生成的氣象條件[22-23].近兩年春季和夏季的臭氧水平均相對降低,特別表現在西北部和南部污染較為嚴重的地區.這可能歸功于江蘇省2017年開始開展的化工企業“四個一批”專項整治行動,強制整改和關停部分重污染企業有效削減了臭氧前體物的排放,對臭氧控制起到了正向作用.Zheng等[24]在全國的觀察也證實了氮氧化物排放總量呈逐年下降的趨勢并且隨著2018年《江蘇省打贏藍天保衛戰三年行動計劃實施方案》的進一步頒布實施,要求深化VOCs治理專項行動,推進氮氧化物深度減排,使得臭氧加劇趨勢得到一定程度的抑制.

2.2 臭氧污染導致的水稻和冬小麥產量損失

江蘇省2013～2019年水稻相對產量損失分別為9.6%、8.6%、13.6%、15.6%、12.9%、13.4%和14.5%;由于臭氧污染造成的絕對產量損失分別為3.44× 106t、3.03×106t、4.14×106t、3.48×106t、5.60×106t、6.04×106t和4.76×106t.我國2019年人均糧食消費量是127.2kg,江蘇省每年水稻的平均產量損失約可以供給2000多萬人的糧食消費.

江蘇省2013～2019年冬小麥生長期的平均相對產量損失分別為20.6%、17.7%、22.8%、20.6%、29.8%、31.0%和25.9%;臭氧污染導致的絕對產量損失依次為2.18×106t、1.94×106t、3.27×106t、3.75×106t、2.94×106t、3.08×106t和3.14×106t(圖4).江蘇省每年冬小麥的平均產量損失為2.90×106t,約相當于3000多萬人的糧食消費.

13個地級市中,2013年水稻相對產量損失最嚴重的是蘇州(10.3%),2014年和2015年同樣是蘇州(2014年:11.1%;2015年:16.1%),2016年為常州(14.3%),2017年為徐州(15.6%),2018年為無錫(17.6%),2019年為南京(16.0%),相對產量損失的分布與AOT40一致.2013～2019年,每年水稻產量最高的區縣均為泰州興化市,它也是2013年、2015年至2018年水稻產量損失最嚴重的區縣,損失量分別為9.14×104t、1.59×105t、1.58×105t、1.14×105t和1.10×105t.2014年和2019年水稻產量損失最嚴重的區縣都是宿遷沭陽縣,損失量分別為8.06×104t和1.10×105t.2014年宿遷沐陽縣實際產量在各區縣中排名第二,2019年宿遷沐陽縣產量排名第三,排名第二的是鹽城射陽縣.由此可以看出,區縣的水稻產量損失量是農作物產量與相對產量損失共同作用的結果.匯總至地級市層面,研究期內每年水稻產量損失最為嚴重的地區均為鹽城,年損失量為3.34×105～ 6.65×105t,其次是淮安,年損失量為(2.36～5.25)×106t.年平均損失量最小的地區是無錫(6.58×104t),其次是常州(8.74×104t).

與AOT40分布一致,2013年13個地級市中冬小麥相對產量損失最嚴重的地區是無錫(22.7%), 2014年為連云港(21.6%),2015年為鹽城(31.0%), 2016年為連云港(23.8%),2017年為宿遷(29.9%), 2018年為徐州(33.1%),2019年為連云港(26.7%). 2013～2019年,每年冬小麥產量最高的區縣均為宿遷沭陽縣,它也是2013～2014年、以及2017～2019年冬小麥產量損失最嚴重的區縣,損失量分別為1.41× 105t、1.37×105t、2.21×105t、2.49×105t和1.88×105t. 2015年冬小麥產量損失最嚴重的區縣是鹽城射陽縣,損失量為1.89×105t,該區縣當年實際總產量在所有區縣中排名第六位,2016年產量損失最嚴重的區縣是連云港市的海州區和連云區,損失總量為2.21×105t,實際年總產量在所有區縣中排名第五位.同樣地,區縣的冬小麥產量損失量也是農作物產量與相對產量損失共同作用的結果.在地級市層面,每年冬小麥產量損失最嚴重的地區依然是鹽城,年損失量為5.00×105～1.05×106t;徐州是年平均產量損失第二嚴重的區域(6.62×105t).年平均損失最小的地區是南京,其次是無錫(6.62×104t).

將江蘇省臭氧對水稻和冬小麥產量的影響評估結果與已有相關研究結果對比,如表1所示.Zhao等人使用了全國監測站點的臭氧觀測數據和31個省份的農作物產量數據,直接在省份層面上對2015～2018年農作物產量損失進行評估,并未分別對各城市乃至區縣的情況進行計算,且以傳統的3個月經驗生長期計算臭氧累積量,結果顯示全國冬小麥和單季稻相對產量損失分別為20.1%～33.3%和10.6%～13.5%,江蘇省相對產量損失為4.4%～ 37.4%和7.3%～8.8%[17].葉聽聽等人在評估中采用了臭氧敏感度更高的響應函數,且計算了更長生長期的AOT40,得出的江蘇省冬小麥2014年的絕對產量損失為4.3×106t[14].Feng等[10]與我們的研究方法較為相似,但其未對臭氧缺失值進行填補,結果表明2014～2019年長三角的水稻和冬小麥相對產量損失分別為9.4%～19.3%和4.9%～11.4%. Tang等[7]早期基于臭氧模擬數據,采用同樣臭氧表征劑量和響應函數的預測我國2020年小麥的相對產量損失為25.4%,與本研究中關于2019年的評估結果(25.95%)極為接近.整體上,以往的相似研究表明冬小麥的年相對產量損失大致在4.4%～37.4%區間,本研究的結果與此相符;水稻年相對產量損失在4.9%～13.5%,本研究結果與之接近,驗證了本研究結果的科學性和可靠性.同時該研究相對于以往研究精細化程度更高,提高了研究的時間趨勢范圍和空間精度.

表1 近年來近地面臭氧對水稻和冬小麥相對產量損失評估的研究對比

與華北平原、魯西北平原、中國南部、全國及其他區域兩種農作物產相對產量損失評估的研究結果對比發現,江蘇省面臨較為嚴重的糧食減產風險(表1)[18,26-28].2015年江蘇省小麥絕對產量損失3.85×106t,約占全國總產量損失的10%,損失量位居各省份的第4位;單季稻絕對產量損失2.68×106t,約占全國總產量損失的28%,位居各省份的第1位[17].當前江蘇省高濃度臭氧對農作物的負面影響不容忽視,一方面,需要更加注重對臭氧前體物排放的控制,降低江蘇省臭氧濃度.包括加強對臭氧形成機理、臭氧來源的分析研究;制定更加嚴格的氮氧化物和VOCs總量控制規劃;考慮將臭氧前體物納入企業排污許可管理范圍;推行使用更加清潔的能源;研發污染物排放更少的生產工藝和技術等手段.另一方面,亟需加強農業對臭氧污染的適應能力.可以通過建立臭氧濃度監測預報和預警機制;宣傳臭氧對農作物生產的危害;加強對農民應對臭氧污染的培訓;鼓勵相關科研工作者加強對農作物抗逆性品種的研發;推動適應臭氧污染的田間管理技術的研究與總結;嘗試開展農業空氣污染保險試點工作等措施,緩解臭氧污染對農作物生產的不利影響.

2.3 農作物產量損失與經濟關聯性

由圖5可見,無論對于水稻還是冬小麥,區縣第一產業增加值越高,臭氧污染導致的減產效應越突出,即農業種植規模和體量越大,農業經濟收入越高的地區受臭氧污染的影響越嚴重.進一步分析農作物產量損失與區域經濟結構的關聯性,如圖6所示,區縣農業增加值占地區生產總值比重越高的區域,農作物產量損失也越嚴重,即本身越不發達,經濟更依靠農業的區縣受臭氧污染導致的產量損失更大,而且這種現象在冬小麥種植區體現的更為明顯.這無疑表示,大氣污染加劇了不同區域發展的不平衡.需要政府加強宏觀調控,加大對欠發達地區的農業扶持力度,分區調控糧價,增加農業補貼;重視欠發達地區的空氣質量監測,制定嚴格的大氣污染物排放標準,嚴格控制工業污染排放和面源污染排放;嚴守耕地紅線,確保耕地不減少,盡快針對臭氧污染對不同區域的減產效應建立調控不公平的機制.

2.4 研究局限

本研究使用了覆蓋江蘇省的115個空氣質量監測站點的臭氧觀測數據和田間生長發育期生長期記錄數據,最大程度獲取到了詳盡的區縣級行政區長時間尺度的分作物類型產量數據,并采用了在長三角地區試驗的暴露響應關系進行了系統評估,但該研究結果依然具有一定程度的不確定性:(1)目前我國的國控監測站點在城市分布較為集中,由于臭氧兩種前體物NO和VOCs在農村和城市排放比例的差異,導致農村地區的臭氧濃度通常高于城市地區[29-30],相應地AOT40計算結果可能會偏低,得到的相對產量損失與產量損失量也存在偏低的可能性.(2)研究為了在精細化的區縣尺度上進行,對臭氧監測數據進行了克里金插值處理,雖然一些研究表明空間插值可以大大提高結果的可靠性[19-20],但插值法仍然是一種擬合方法,不能充分反映實際情況,會產生相應的誤差.并且與蘇南地區相比,臭氧監測點位在蘇北地區分布較為稀疏,插值結果的誤差相對更大,導致評估結果的不確定性更大.(3)AOT40是評估臭氧濃度升高對農作物損害的最常用指標,計算簡單,與多種作物品種的相對產量存在顯著的線性關系.但AOT40僅將臭氧濃度作為唯一的自變量,即認為臭氧濃度越高的地區產量損失越嚴重,忽略了氣象、土壤、田間管理以及植物自身對臭氧的吸收能力和解毒作用,用其評估的農作物產量損失也具有較大的不確定性.

為了最大程度減少評估的不確定性,針對以上局限,建議未來布設空氣質量監測站點時,考慮在農村地區增設一些點位,以便更好地研究和評估臭氧對農作物的影響;繼續加大臭氧監測的覆蓋度,提高臭氧減產評估的精度;建立更加完善的農氣監測站和田間記錄數據網絡,未來研究應致力于構建不同區域多代表性品種的農作物相對產量與PODY的響應關系.

3 結論

3.1 2013～2019年,冬小麥和水稻的AOT40值分別為(2.76～17.05)′10-6h和(0.15～31.69)′10-6h,分別在2018年和2016年達到峰值.蘇南地區水稻生長期的AOT40高值分布較多,蘇北地區近3年兩種農作物生長期的AOT40都有明顯增勢.

3.2 2013～2019年,冬小麥年相對產量損失為17.7%～31.0%,年絕對產量損失達(1.94～3.75)×106t,約相當于3000萬人一年的糧食消費量.年產量損失最高的地級市是鹽城和徐州,損失最低的是南京和無錫.2013～2019年,水稻年相對產量損失為8.6%～15.6%,年絕對產量損失為(3.03～6.04)×106t,約相當于2000萬人一年的糧食消費量.年產量損失最高的地級市是鹽城和淮安,損失最低的是無錫和常州.

[1] Monks P S, Archibald A T, Colette A, et al. Tropospheric ozone and its precursors from the urban to the global scale from air quality to short-lived climate forcer[J]. Atmospheric Chemistry and Physics, 2015,15(15):8889-8973.

[2] Brauer M, Freedman G, Frostad J, et al. Ambient air pollution exposure estimation for the global burden of disease 2013 [J]. Environmental Science & Technology, 2016,50(1):79-88.

[3] Van Dingenen R, Dentener F J, Raes F, et al. The global impact of ozone on agricultural crop yields under current and future air quality legislation [J]. Atmospheric Environment, 2009,43(3):604-618.

[4] 曾賢剛,阮芳芳,姜藝婧.中國臭氧污染的空間分布和健康效應[J]. 中國環境科學, 2019,39(9):4025-4032.

Zeng X G, Ruan F F, JIANG Y J. Spatial distribution and health effects of ozone pollution in China [J]. China Environmental Science, 2019, 39(9):4025-4032.

[5] Tilman D, Cassman K G, Matson P A, et al. Agricultural sustainability and intensive production practices [J]. Nature, 2002,418(6898):671- 677.

[6] 朱治林,孫曉敏,趙風華,等.魯西北平原冬小麥田臭氧濃度變化特征及對產量的潛在影響和機理分析[J]. 植物生態學報, 2012,36(4): 313-323.

Zhu Z L, Sun X M, Zhao F H, et al. Variation of ozone concentration of winter wheat field and mechanistic analysis of its possible effect on wheat yield in Northwest-Shandong Plain of China [J]. Chin. J. Plant Ecol., 2012,36(4):313-323.

[7] Tang H Y, Takigawa M, Liu G, et al. A projection of ozone-induced wheat production loss in China and India for the years 2000 and 2020 with exposure-based and flux-based approaches [J]. Global Change Biology, 2013,19(9):2739-2752.

[8] Wang X, Zhang Q, Zheng F, et al. Effects of elevated O3concentration on winter wheat and rice yields in the Yangtze River Delta, China [J]. Environmental Pollution, 2012,171:118-125.

[9] 趙 輝,鄭有飛,曹嘉晨,等.大氣臭氧污染對冬小麥氣孔吸收通量的影響機制及其時空格局[J]. 環境科學, 2017,38(1):412-422.

Zhao H, Zheng Y F, Cao J C, et al. Influencing mechanism and spatio-temporal pattern of stomatal ozone flux of winter wheat under ozone pollution [J]. Environmental Science, 2017,38(1):412-422.

[10] Feng Z Z, Hu T J, Tai A P K, et al. Yield and economic losses in maize caused by ambient ozone in the North China Plain (2014-2017) [J]. Science of the Total Environment, 2020,722:13798.

[11] Hu T J, Liu S, Xu Y S, et al. Assessment of O3-induced yield and economic losses for wheat in the North China Plain from 2014 to 2017, China [J]. Environmental Pollution, 2020,258:113828.

[12] Stevenson D S, Dentener F J, Schultz M G, et al. Multimodel ensemble simulations of present-day and near-future tropospheric ozone [J]. Journal of Geophysical Research-Atmospheres, 2006,111(D8): D08301.

[13] Avnery S, Mauzerall D L, Liu J F, et al. Global crop yield reductions due to surface ozone exposure: 1. Year 2000 crop production losses and economic damage [J]. Atmospheric Environment, 2011,45(13): 2284-2296.

[14] 葉聽聽,江 飛,易福金,等.長三角地區春季臭氧污染特征及其對冬小麥產量的影響[J]. 環境科學研究, 2017,30(7):991-1000.

Ye T T, Jiang F, Yi F J, et al. Characteristics of ozone pollution and its impact on winter wheat yield in the Yangtze River Delta in spring [J]. Research of Environmental Sciences, 2017,30(7):991-1000.

[15] Feng Z Z, Kobayashi K, Li P, et al. Impacts of current ozone pollution on wheat yield in China as estimated with observed ozone, meteorology and day of flowering [J]. Atmospheric Environment, 2019,217.

[16] Lin Y, Jiang F, Zhao J, et al. Impacts of O3on premature mortality and crop yield loss across China [J]. Atmospheric Environment, 2018, 194:41-47.

[17] Zhao H, Zheng Y, Zhang Y, et al. Evaluating the effects of surface O3on three main food crops across China during 2015～2018 [J]. Environmental Pollution, 2020,258.

[18] Zhu X, Feng Z, Sun T, et al. Effects of elevated ozone concentration on yield of four Chinese cultivars of winter wheat under fully open-air field conditions [J]. Global Change Biology, 2011,17(8):2697-2706.

[19] Sicard P, Serra R, Rossello P. Spatiotemporal trends in ground-level ozone concentrations and metrics in France over the time period 1999～2012 [J]. Environmental Research, 2016,149:122-144.

[20] Li P, De Marco A, Feng Z, et al. Nationwide ground-level ozone measurements in China suggest serious risks to forests [J]. Environmental Pollution, 2018,237:803-813.

[21] Tang H, Takigawa M, Liu G, et al. A projection of ozone-induced wheat production loss in China and India for the years 2000 and 2020 with exposure-based and flux-based approaches [J]. Global Change Biology, 2013,19(9):2739-2752.

[22] 張 瑩.中國臭氧總量30a時空變化以及近地面臭氧濃度氣象要素影響研究[D]. 南京:南京信息工程大學, 2014.

Zhang Y. Variation of total ozone over China for 30years and meteorological factors on ozone concentrations near the ground [D]. Nanjing: Nanjing University of Information Science and Technology, 2014.

[23] 趙菊芳,王曉輝.夏季城市臭氧濃度變化規律研究[J]. 科技經濟導刊, 2020,28(29):88-89.

Zhao Y F, Wang X H. Study of the changes of urban ozone concentration in summer [J] Technology and Economic Guide, 2020,28(29):88-89.

[24] Zheng B, Tong D, Li M, et al. Trends in China's anthropogenic emissions since 2010as the consequence of clean air actions [J]. Atmospheric Chemistry and Physics, 2018,18(19):14095-14111.

[25] 趙 輝,鄭有飛,張譽馨,等.氣候變化情景下地表O3對水稻產量的潛在風險評估[J]. 中國環境科學, 2020,40(7):2858-2869.

Zhao H, Zheng Y F, Zhang Y X, et al. Potential risk assessment of ground-level ozone on rice yield under climate change scenarios [J]. China Environmetal Science, 2020,40(7):2858-2869.

[26] Avnery S, Mauzerall D L, Liu J, et al. Global crop yield reductions due to surface ozone exposure: 2. Year 2030 potential crop production losses and economic damage under two scenarios of O3pollution [J]. Atmospheric Environment, 2011,45(13):2297-2309.

[27] Feng Z Z, De Marco A, Anav A, et al. Economic losses due to ozone impacts on human health, forest productivity and crop yield across China [J]. Environment International, 2019,131.

[28] Cao J C, Wang X M, Zhao H, et al. Evaluating the effects of ground-level O3on rice yield and economic losses in Southern China [J]. Environmental Pollution, 2020,267.

[29] Sicard P, De Marco A, Dalstein-Richier L, et al. An epidemiological assessment of stomatal ozone flux-based critical levels for visible ozone injury in Southern European forests [J]. Science of the Total Environment, 2016,541:729-741.

[30] Yue X, Unger N, Harper K, et al. Ozone and haze pollution weakens net primary productivity in China [J]. Atmospheric Chemistry and Physics, 2017,17(9):6073-6089.

Yield losses of rice and winter wheat due to ground～level ozone in Jiangsu Province from 2013 to 2019.

WANG Qian, LIU Miao～miao*, YANG Jian～xun, BI Jun

(State Key Laboratory of Pollution Control and Resources Reuse, School of the Environment, Nanjing University, Nanjing, 210023, China)., 2021,41(11)：5094～5103

Based on observed O3data from 115gound monitoring station, the annual crop yield of 97 counties, and AOT40-yield response functions, this study used spatial interpolation and evaluated the losses of rice and winter wheat caused by surface O3across Jiangsu Province during 2013～2019. Results suggested that from 2013 to 2019, AOT40values during growing seasons were (2.76～17.05)′10-6h and(0.15～31.69)′10-6h for winter wheat and rice. The trend of AOT40 in Jiangsu Province peaked in 2018 and 2016 for rice and winter wheat, respectively.More high AOT40 values were distributed in the south of Jiangsu Province. In the north of Jiangsu Province, AOT40 showed a significantly increasing trend during the growing season from 2017 to 2019. During 2013～2019, the yield losses of winter wheat were 17.7%～31.0%, amounting to 1.94～3.75million tons. The highest yield losses of winter wheat were in Yancheng and Xuzhou, and the lowest in Nanjing and Wuxi. The relative yield losses of rice were 8.6%～15.6%, amounting to 3.03～6.04million tons, with the highest in Yancheng and Huaian and the lowest in Wuxi and Changzhou. Annual yield losses of winter wheat and rice attributable to ozone pollution in Jiangsu Province equal to grain consumption of more than 50million population in one year. Therefore, the government shall take effective policies andmeasures to control O3pollution and hence guarantee food security.

ozone pollution；AOT40；rice；winter wheat；yield loss；food security

X171,X16

A

1000-6923(2021)11-5094-10

王 倩(1995-),女,河南洛陽人,南京大學碩士研究生,主要從事大氣環境農業風險研究.

2021-03-30

國家自然科學基金創新研究群體項目(71921003);中央高校基本科研業務費專項資金資助(0211/14380171);江蘇省自然科學基金青年項目(SBK2018043200)

* 責任作者, 副教授, liumm@nju.edu.cn