2020年我國南方雙季晚稻寒露風危害的變化特征*

張 蕾 郭安紅 何 亮 侯英雨 趙秀蘭 錢永蘭 蔡 哲

1 國家氣象中心，北京 100081

2 江西省農業氣象中心，南昌 330046

提 要： 基于高分辨率的土地利用/土地覆被遙感監測數據，融合下墊面信息、格點化寒露風等級和不同尺度寒露風指數，分析了2020年我國南方雙季晚稻區的寒露風特點。結果表明：2020年晚稻寒露風發生時間早，持續時間長，普遍出現輕度至重度寒露風。寒露風發生面積占稻田總面積的24.7%，為2000年以來第三高，發生輕度、中度、重度寒露風的面積比例分別為9.7%、12.8%和4.9%；湖南、江西、浙江發生面積比例超過90.0%，其余省(自治區)不足30.0%；2020年湖南、湖北、安徽、江蘇發生面積比例為2000年以來最高，江西發生重度寒露風面積比例為2000年以來最高，浙江、福建、廣西發生寒露風以輕度為主，廣東寒露風發生面積較小；晚稻區寒露風指數達4.21，為2000年以來第二高；2020年湖南、江西、湖北寒露風指數較高，分別達7.16、7.16、12.59，相應分別為2000年以來第二高、最高、最高。

引 言

農業生產與氣象、氣候條件息息相關，氣候變化，尤其是氣候變暖背景下極端氣候事件的變化會對農業生產產生較大影響。隨著全球氣候不斷變暖，極端溫度和極端溫度事件的發生特點有所改變(李金潔等，2019)；總體而言近年來極端高溫發生頻率明顯增加，持續時間延長(聶羽等，2018)，而極端低溫的發生總體呈降低趨勢，隨之造成的農業氣象災害發生頻率有減有增。作為我國主要糧食作物之一，水稻生產有其適宜的氣候條件范圍(易靈偉等，2016；徐敏等，2018)，而伴隨氣候變化所引起的極端溫度條件改變會引起災害脅迫變化(徐敏等，2015；許瑩等，2020；楊建瑩等，2020；Zhang et al，2018)。雙季晚稻是我國南方稻區主栽作物，生產中遭受的主要溫度災害之一是寒露風(呂曉敏和周廣勝，2018)。寒露風是指晚稻抽穗楊花期因低溫造成揚花受阻、空殼率增加的災害性天氣。受寒露風影響，晚稻生理特征(如葉生理活性下降)、品質構成(如出糙率、精米率、整精米率、堊白度、直鏈淀粉含量下降，堊白粒率、膠稠度上升)和產量構成(如結實率降低，千粒重減輕，產量下降)等方面會受到不同程度的影響(林洪鑫等，2016；余焰文等，2014)。

對南方雙季晚稻寒露風的發生的氣候特點，目前已有不少學者從寒露風氣象指標、氣候特征、風險評估和影響評估等方面開展研究，包括：基于大多數農業氣象業務和研究工作者認可的寒露風指標，分析了南方雙季晚稻區和省(自治區)等不同尺度下晚稻不同等級寒露風指標發生頻率、危害日數、發生等級等時空分布特征(戴劍波等，2012；黃晚華等，2011；劉文英等，2009；劉丹等，2019；羅伯良和李易芝，2015；彭莉莉等，2014；蘇榮瑞等，2012)；基于寒露風發生特點，構建寒露風風險評價指標，開展了不同區域寒露風風險和影響評估(黃晚華等，2011；田俊和崔海建，2016；王華等，2018；吳立等，2014)。上述針對寒露風的研究較好地總結了寒露風的發生特點和風險水平，對開展寒露風防御工作具有重要指導作用。以往研究多用氣象站點的表征指數來代表整個縣或者區域的寒露風情況，較少從下墊面角度分析，也很少能反映出寒露風發生面積。近年來，隨著多源數據的應用，從面尺度開展寒露風的評估工作逐步開展，Chen et al(2019)利用中國氣象局陸面數據同化系統(CLDAS)的格點數據開展了寒露風的監測，統計分析了不同等級寒露風的受影響面積；這項工作拓展了寒露風影響范圍的評估，但沒有考慮下墊面信息從而難以獲取精確的影響范圍。2020年9月中下旬，南方雙季晚稻區出現了明顯的寒露風天氣，針對此次典型的寒露風天氣過程結合歷史寒露風發生特點，本文融合高分辨率土地利用/土地覆被遙感監測數據和氣象數據，從寒露風的發生時間、面積、等級、強度等角度精細化分析晚稻寒露風發生特點。

1 資料與方法

1.1 數據來源

研究所用土地利用數據為中國多時期土地利用/土地覆被遙感監測數據集(CNLUCC)，來源于中國科學院資源環境科學數據中心，空間分辨率為30 m×30 m(徐新良等，2018)。該數據集采用中國科學院土地資源分類系統：1級分類劃分為6類(耕地、林地、草地、水域、建設用地和未利用土地)；2級分類主要根據土地資源的自然屬性分為25類(如耕地劃分為水田和旱地)。該數據集經過遙感解譯，具備較好的應用精度(劉紀遠等，2018)。在處理過程中，考慮到目前國家級農業氣象災害監測評估業務服務中產品的空間分辨率為5 km×5 km，因此以5 km×5 km格點為對象，判斷該格點內劃分的30 m×30 m格點對應CNLUCC數據集中的土地利用類型，如果是水田則計為1，最后水田比例即為格點內水田數與格點包含的30 m×30 m總數的比值(圖1)。

圖1 雙季晚稻區水田分布Fig.1 Location of double-season late rice

研究所用的氣象資料包含南方雙季晚稻區(湖北南部、江蘇南部、安徽南部、上海、浙江、江西、湖南、福建、廣東、廣西)的789個氣象站點2000年以來逐日平均溫度、最低溫度等。晚稻發育期數據包括晚稻區82個農業氣象觀測站2000年以來逐年觀測的發育期(播種、出苗、三葉、移栽、返青、分蘗、拔節、孕穗、抽穗、乳熟、成熟期)日期。

1.2 寒露風指數構建

寒露風等級計算：首先，將計算時段內晚稻區氣象站點的逐日觀測數據插值到5 km×5 km格點，然后判斷格點所處的發育期(發育期用其最鄰近的農業氣象觀測站觀測的晚稻發育期代替)是否進入抽穗揚花階段；若進入，則參考《寒露風等級》(QX/T 94—2008，中國氣象局，2008)和《大宗作物氣象服務手冊》(毛留喜和魏麗，2015)確定的業務服務中的晚稻寒露風等級劃分指標(表1)，即可判定該格點的寒露風等級。

表1 寒露風等級劃分Table 1 Classification of degree of chilling dew wind

寒露風面積提取：在格點化寒露風等級的基礎上，與水田面積比例圖層相疊加，即格點內寒露風等級發生面積=水田面積比例×寒露風等級×格點面積；省級/區域寒露風面積為省/區域內格點判定的寒露風面積的和。

不同空間尺度寒露風指數構建：在分析時段內，通過寒露風等級劃分計算輕度、中度、重度寒露風的天數，考慮不同等級寒露風的影響程度，進一步構建站點寒露風指數(H):

Hi=0.2LlDl+0.3LmDm+0.5LhDh

(1)

式中：Hi為i站的寒露風指數；Ll、Lm、Lh分別為輕度、中度、重度寒露風等級，即對應1、2、3；Dl、Dm、Dh分別為輕度、中度、重度寒露風等級出現的天數。

通過對不同站點寒露風指數進行集成，構建省級寒露風指數(HP):

(2)

式中：Hi為i站的寒露風指數；wi為i站的權重，即為該i站點所在縣的水田面積占全省水田總面積的比例,m為省內站點數。

對不同省寒露風指數進行集成，構建晚稻區寒露風指數(HS):

(3)

式中：權重wj為該j省水田面積占晚稻區水田總面積的比例,n為省份個數。

2 結果與分析

2.1 寒露風發生特點

2020年9月13日至月底，南方晚稻區出現寒露風天氣，與2000—2019年寒露風的平均發生日期對比來看(圖2)，湖南北部、湖北南部普遍偏早5 d以上，湖南中部—東南部偏早3～5 d，湖南南部、江西中北部、安徽南部、江蘇南部、浙江、廣西西北部等地偏早1～2 d。從南方雙季晚稻區寒露風發生天數來看，湖北南部、安徽南部、江蘇南部、浙江、江西、湖南、福建西北部和廣西北部等地出現3 d以上寒露風天氣，湖北南部、安徽南部、江西北部、湖南中北部和浙江中部等地達9 d以上。依據寒露風等級判斷標準，上述地區出現輕度及以上寒露風，其中湖南中部、江西北部、湖北東南部、安徽南部等地出現重度寒露風。

圖2 2020年雙季晚稻區寒露風(a)發生日期與2000—2019年平均發生日期對比，(b)持續天數，(c)等級Fig.2 (a) Comparison of occurrence date between chilling dew wind in 2020 and the multi-year average during 2000-2019, (b) lasting days and (c) degree of chilling dew wind in 2020 across double-season late rice region

2.2 寒露風發生面積

從不同等級雙季晚稻區寒露風發生面積來看(圖3)，2020年雙季晚稻區寒露風發生面積占水田總面積的24.7%，低于2011年的28.3%和2002年的27.5%；其中，輕度、中度、重度寒露風面積比例分別為9.7%、12.8% 和4.9%，分別為2000年以來第七、第三、第三高。

圖3 2000—2020年雙季晚稻區寒露風發生面積比例Fig.3 The percent of area exposed to chilling dew wind across double-season rice region during 2000-2020

從分省寒露風發生面積來看(圖4)，2020年江蘇、安徽、湖北、湖南、江西、浙江、福建、廣東、廣西該面積占比分別為11.1%、18.9%、17.7%、99.9%、99.4%、91.8%、23.1%、2.8%、22.2%。2020年湖南寒露風發生面積比例為2000年以來最高，輕度、中度、重度寒露風面積比例分別為16.9%、63.6%和19.4%；江西寒露風發生面積比例為2000年以來第二高，輕度、中度、重度寒露風面積比例分別為36.3%、37.2%和25.9%，重度寒露風面積比例為2000年以來最高；湖北寒露風發生面積比例為2000年以來最高，輕度、中度、重度寒露風面積比例分別為0.0%、14.6%和3.0%；安徽寒露風發生面積比例為2000年以來最高，輕度、中度、重度寒露風面積比例分別為2.4%、12.0%和4.4%；江蘇寒露風發生面積比例為2000年以來最高，輕度、中度、重度寒露風面積比例分別為8.8%、2.3%和0.0%；浙江寒露風發生面積比例為2000年以來第四高，輕度、中度、重度寒露風面積比例分別為53.9%、25.9%和12.0%；福建寒露風發生面積比例為2000年以來第五高，輕度、中度、重度寒露風面積比例分別為20.8%、0.4%和1.9%；廣東寒露風發生面積較小，僅為輕度寒露風；廣西寒露風發生面積比例為2000年以來第三高，輕度、中度、重度寒露風面積比例分別為20.6%、1.6%和0.0%。

圖4 2000—2020年(a)江蘇，(b)安徽，(c)湖北，(d)湖南，(e)江西，(f)浙江，(g)福建，(h)廣東，(i)廣西不同等級寒露風發生面積比例Fig.4 The percent of area exposed to chilling dew wind in Jiangsu (a), Anhui (b), Hubei (c), Hunan (d), Jiangxi (e), Zhejiang (f), Fujian (g), Guangdong (h) and Guangxi (i) during 2000-2020

2.3 寒露風指數

從寒露風指數來看(圖5)，湖北南部、安徽西南部、江西北部、湖南中西部、浙江中部寒露風指數在5以上，江西中部、湖南東南部、福建北部寒露風指數在1～5，其余大部晚稻區寒露風指數不足1。

圖5 2020年雙季晚稻區寒露風指數Fig.5 The index of chilling dew wind across double-season late rice region in 2020

雙季晚稻區寒露風指數2020年為4.21，為2000年以來第二高，僅次于2011年的5.16(圖6)。從省(自治區)尺度寒露風指數來看(圖6)，2020年湖南、江西、湖北、安徽、廣西、廣東、福建、浙江寒露風指數分別為7.16、7.16、12.59、3.83、0.16、0.00、1.06、1.72。湖南寒露風指數為2000年以來第二高，低于2011年的10.33；江西、湖北寒露風指數為2000年以來最高；安徽、廣西、廣東、福建、浙江寒露風指數分別為2000年以來第六、第五、第七、第五、第五高。

圖6 2000—2020年各省(自治區)和雙季晚稻區寒露風指數Fig.6 The integrated indexes of chilling dew wind across double-season late rice region and provinces during 2000-2020

3 結論與討論

利用土地利用/土地覆被遙感監測數據提取下墊面信息，在此基礎上構建點-省-晚稻區的寒露風指數，分析了2020年南方雙季晚稻區寒露風特點，主要結論如下：

(1)發生時間早、持續時間長：湖北南部、安徽南部、江蘇南部、江西、湖南、浙江和廣西北部等地寒露風天氣出現日期普遍偏早，寒露風持續天數在3 d以上，大部出現輕度至重度寒露風。

(2)影響范圍大：雙季晚稻區寒露風發生面積比例為24.7%,是2000年以來第三高，輕度、中度、重度寒露風面積比例分別為9.7%、12.8%和4.9%；在各省(自治區)中，湖南、江西、浙江發生面積比例較大，分別為99.9%、99.4%、91.8%，其余省(自治區)不足30.0%。湖南、湖北、安徽、江蘇寒露風發生面積比例為2000年以來最高；江西寒露風發生面積比例為2000年以來第二高，重度寒露風面積比例為2000年以來最高；浙江、福建、廣西寒露風發生面積比例分別為2000年以來的第四、第五、第三高，以輕度為主；廣東寒露風發生面積較小。

(3)強度高：湖北南部、安徽西南部、江西北部、湖南中西部、浙江中部寒露風指數較高，普遍在5以上。雙季晚稻區寒露風指數為4.21，為2000年以來第二高；湖南、江西、湖北寒露風指數分別為 7.16、7.16、12.59，其余省(自治區)不足4.00；湖南寒露風指數為2000年以來第二高，江西、湖北為2000年以來最高。

本文通過構建寒露風指數，分析寒露風時空多尺度發生特點。對比歷史寒露風發生特點，1981年以來寒露風指數整體呈降低趨勢，與1981—2010年相比(平均指數為1.53)，近十年寒露風強度減弱(平均指數為1.39)；但寒露風指數高值出現頻率并沒有降低，近十年中寒露風指數較高的年份出現了兩年(2011年和2020年為歷史前五位)。可見，氣候變暖背景下強寒露風的發生并沒有減弱，這與已有研究結果較為一致(劉丹等，2019)。在這種背景下，寒露風指數較高的年份(2011年和2020年)，晚稻一旦遭受寒露風天氣會受到明顯影響，正如田間調查結果顯示：2011年湖南南部、江西南部、浙江南部、福建西部和北部以及兩廣北部局部等地晚稻遭受輕至中度寒露風危害，晚稻無法正常抽穗開花和授粉、結實率降低，部分處于抽穗揚花始期的晚稻空殼率高達60%～70%，處于抽穗揚花普遍期的空殼率為40%～50%，處于抽穗末期的空殼率為20%～30%；2020年湖南中北部、江西北部等地區晚稻遭受寒露風天氣影響較重，出現抽穗開花緩慢、花粉敗育、授粉不良、結實率下降、空殼率上升、灌漿不充分，后期千粒重偏低，影響晚稻產量形成。此外，胡磊等(2020)研究表明2006年屬于中度寒露風，這也與計算的寒露風指數屬于中等水平相一致。當然，本研究建立的寒露風指數雖然能反映出寒露風年際間的差異，但是要量化寒露風的具體影響程度(如對產量的影響)，還需要通過進一步獲取有效的試驗數據樣本從而構建綜合性的寒露風影響指數(如低溫積寒等)。此外，本研究在數據方法上也存在不確定性。首先，受土地利用數據的限制，計算過程中采用了統一的分類數據，即粗略地認為近年來水田面積一致，忽略了年際間的差異，這與實際水田面積存在一定的差異。其次，在土地利用數據分類解譯時把水田粗略地認為是晚稻田，這里也必然存在一定的誤差，因為水田并不等于晚稻田，下一步將嘗試利用遙感反演和地面實測結合的方式確定晚稻田的具體分布情況，從而從水田中進一步分離出晚稻田，提高精細化服務水平。

根據寒露風天氣特點，尤其是區域發生特點，可以為采取區別化、針對性的生產措施調整和防御提供參考。在產前，根據區域寒露風發生和風險特點，尤其是在江西、湖南等寒露風風險較高的區域，需要選擇合適的能在寒露風來臨前大概率完成齊穗的品種，在充分考慮品種生育特性的基礎上盡可能早播早插(王華等，2011)。在產中，根據實時天氣和晚稻生長發育進程，對寒露風進行提前預測(羅伯良和李易芝，2015；吳立等，2016a；2016b)，從而采取相應的管理技術(李超等，2018；蘇榮瑞等，2012)，如在寒露風到來時，對于尚未抽穗晚稻采取灌深水增溫，對已進入始穗的晚稻采取結合葉面適量噴施磷酸二氫鉀加調節劑等促進晚稻早抽穗；對正處于抽穗揚花的晚稻應灌深水保溫御寒、噴施增溫劑以減輕低溫危害確保安全齊穗。寒露風過后，受影響水稻對病蟲害的抵抗力下降，需預防白葉枯病和細菌性條斑病以及稻飛虱等危害，避免或減輕病蟲害對于水稻產量的影響。