海河平原夏玉米主要生育期發(fā)生高溫干旱并發(fā)事件的氣候學分析*

韓佳昊，張 琪**，王麗榮，楊再強

(1.南京信息工程大學應用氣象學院，南京 210044；2.河北省氣象災害防御中心，石家莊 050021；3.南京信息工程大學氣象災害預報預警與評估協(xié)同創(chuàng)新中心/江蘇省農業(yè)氣象重點實驗室，南京 210044)

高溫干旱并發(fā)事件的危害程度要明顯高于單一災害事件[1-2]。Suzuki等[3]指出，美國1980?2012年單一氣候災害損失在10億美元以上，而高溫干旱復合災害造成的損失更為嚴重；21世紀初高溫干旱復合災害導致美國樹木大面積死亡[4]；2003年歐洲高溫干旱復合災害給當地社會、農業(yè)生產等造成巨大影響[5]；2006年，中國川渝地區(qū)受高溫干旱復合災害影響，直接經濟損失高達216.4億元[6]。玉米作為主要的糧食作物之一，易受到氣溫和降水變化的影響，華北平原玉米種植面積占全國總播種面積的30%，卻產出了全國玉米總產量的50%以上[7]，同時華北平原也是中國對氣候變化響應敏感的地帶，受氣候變暖的影響，高溫干旱復合脅迫給夏玉米生產帶來極大的不穩(wěn)定性，已成為威脅糧食安全的重要因素之一[8]。因此，研究華北地區(qū)氣候變化背景下高溫干旱并發(fā)事件時空演變規(guī)律，特別是夏玉米主要生育期的并發(fā)事件發(fā)生規(guī)律具有重要的意義。

關于華北地區(qū)高溫或干旱單一氣象事件的時空演變規(guī)律的研究結果已較為豐富。研究顯示，全球變暖背景下，華北地區(qū)增溫明顯，是中國增溫最快的地區(qū)之一，作物生育期積溫有所增加但同時極端氣溫事件顯著增多，特別是夏玉米花期高溫熱害發(fā)生頻率明顯增加[9-13]。關于干旱，研究顯示華北地區(qū)自20世紀80年代降水明顯減少，干旱風險增加；夏玉米各生長階段中，抽雄?成熟階段干旱發(fā)生范圍最廣[14-16]。雖然當前國內有較豐富的夏玉米各生育期高溫、干旱單一氣象事件時空演變規(guī)律的研究，但鮮有高溫干旱并發(fā)事件的研究報道。國外學者對高溫干旱并發(fā)事件有一定的研究，如Mazdiyasni等[17]采用累積分布函數（Cumulative Distribution Function，CDFs）研究發(fā)現(xiàn)，1990?2010年美國高溫干旱并發(fā)事件發(fā)生風險明顯高于1960?1980年，特別是在美國南部地區(qū)；Sharma等[18]也同樣采用累積分布函數發(fā)現(xiàn)，印度1981?2010年并發(fā)事件的發(fā)生風險顯著高于1951?1980年，尤其在印度南部地區(qū)。但已有研究較少涉及作物主要生育期內的高溫干旱并發(fā)事件發(fā)生規(guī)律的研究。

針對當前高溫干旱并發(fā)事件，特別是夏玉米主要生育期并發(fā)事件的時空規(guī)律研究并不充分，本研究選取華北地區(qū)的河海平原為案例研究區(qū)，利用研究區(qū)27個氣象站點1960?2019年逐日最高氣溫、降水數據，夏玉米生育期數據，研究夏玉米全生育期及各主要生育期內不同閾值水平的高溫干旱并發(fā)事件時空分布規(guī)律，以期對農業(yè)布局規(guī)劃提供一定理論依據。

1 材料與方法

1.1 研究區(qū)概況

圖1 研究區(qū)及站點分布Fig.1 Study area and meteorological stations

1.2 數據來源

利用1960?2019年海河平原27個氣象站逐日最高氣溫和降水量數據識別高溫干旱并發(fā)事件，站點分布如圖1所示。氣象數據源于中國地面氣候資料日值數據集（V3.0），該數據經過嚴格的質量控制和檢查。由于不同站點、不同年份夏玉米生育期不同，主要參考已有文獻中統(tǒng)計的各站點多年平均夏玉米播種日期、拔節(jié)日期、開花和成熟日期（表1）[8]。調查結果顯示，海河平原夏玉米播種期集中在6月1?18日，拔節(jié)期在7月7?24日，開花期為8月1?14日，成熟期為9月17日?10月4日。夏玉米全生育期、播種?拔節(jié)期、拔節(jié)?開花期和開花?成熟期的平均長度分別為104、35、22和48d。

表1 各站點夏玉米主要生育期多年平均起始時間（月-日）Table 1 Average starting date of main growth periods of summer maize at each station (mm-dd)

1.3 方法

1.3.1 高溫干旱并發(fā)事件的識別

采用標準化降水指數（Standardized Precipitation Index, SPI）識別夏玉米生育期是否發(fā)生干旱事件，將各站點生育期長度作為時間尺度，統(tǒng)計逐年生育期內總降水量，計算SPI，SPI＜?0.5為發(fā)生干旱事件[20]。溫度越高、持續(xù)時間越長的高溫事件其影響越嚴重，因此，本研究在確定高溫事件時從溫度高低和持續(xù)時間兩個角度定義，采用百分位法確定溫度高低，研究85百分位和90百分位兩個等級，持續(xù)時間分為3d和5d兩個等級，共4種閾值水平的高溫事件，分別為低高溫閾值，即日最高氣溫超過85百分位且連續(xù)3d及以上確定為一次高溫事件，記為T85%＆3d；中高溫閾值，即日最高氣溫超過85百分位且連續(xù)5d及以上確定為一次高溫事件，記為T85%＆5d，或日最高氣溫超過90百分位且連續(xù)3d及以上確定為一次高溫事件，記為T90%＆3d；高高溫閾值，即日最高氣溫超過90百分位且連續(xù)5d及以上確定為一次高溫事件，記為T90%＆5d。只要某生育期出現(xiàn)一次高溫事件就確定為該生育期發(fā)生高溫。若生育期同時發(fā)生了干旱和高溫事件則定義該生育期發(fā)生了高溫干旱并發(fā)事件。

采用上述方法確定研究區(qū)各站點近60a夏玉米全生育期及各主要生育期（播種?拔節(jié)、拔節(jié)?開花和開花?成熟）在4種高溫閾值水平下是否發(fā)生了并發(fā)事件。將每年發(fā)生高溫干旱并發(fā)事件站點數與總站點數（27個）之比定義為“高溫干旱并發(fā)事件的發(fā)生范圍”，將站點近60a發(fā)生高溫干旱并發(fā)事件的年數與總年數之比定義為“高溫干旱并發(fā)事件的發(fā)生頻率”。

1.3.2 Cramér-von Mises（CvM）突變檢驗法

Cramér-von Mises（CvM）突變檢驗法主要用于兩個獨立同分布變量時間序列的差異性檢驗，也可以應用于單變量不同時間序列對比及突變點分析，具體方法是通過比較兩個樣本序列的累積分布函數平均差異水平來計算檢驗統(tǒng)計量[21-23]。CvM突變檢驗方法對時間序列中存在的突變更加敏感，能夠檢驗出其它方法如MK突變檢驗所不能識別出的突變點[17]。具體過程為

推薦理由:《小老鼠又上燈臺嘍》是“九神鹿繪本館”的一本新作。文字作者袁曉峰在傳統(tǒng)兒歌的基礎上，圍繞“閱讀”這個主題，結合多年閱讀推廣經驗及兒童閱讀特點進行了全新創(chuàng)作，讀起來朗朗上口，好玩風趣。在文字的基礎上，繪圖作者趙曉音用色彩鮮明、稚氣脫俗的表現(xiàn)手法，將老鼠、小貓、大貓、小狗、孩子生動形象地呈現(xiàn)出來，讓繪本充滿了節(jié)奏感和電影的動感。

式中，I為指標函數，xτ為時間為τ的對應的值[24]。

在Cramér-von Mises突變檢測方法中，對于所有τ值，要保證兩個子樣本有相等的方差和平均值，使用Anderson等[25]提出的標準化方法實現(xiàn)，即

由式（1）逐步計算CvM統(tǒng)計量Wτ,n，在所有檢驗統(tǒng)計量中挑選最大的Wτ,n所對應的時間τ即為差異最大的點，表明其前后時段內高溫干旱并發(fā)事件序列差異最為明顯，將其確定為突變點所在年份。計算過程中將統(tǒng)計量Wτ,n與檢驗統(tǒng)計表相對比[25]，確定突變點的顯著性水平。

1.3.3 累積分布函數

采用累積分布函數（CDFs）比較時間序列突變前后數據分布情況，進一步利用雙樣本KS檢驗（Kolmogorov–Smirnov test）確定分布差異的顯著性水平，KS檢驗的統(tǒng)計量P＜0.05說明兩個分布存在顯著差異[8,17]。

2 結果與分析

2.1 高溫干旱并發(fā)事件發(fā)生范圍的變化趨勢

由圖2可見，在整個研究期內（1960?2019年），海河平原27個氣象站中，夏玉米全生育期各個閾值水平的高溫干旱并發(fā)事件的平均發(fā)生范圍為0.21（即有21%的站點發(fā)生了高溫干旱并發(fā)事件），其中，低高溫閾值下（T85%＆3d）并發(fā)干旱事件的發(fā)生范圍最大，多年平均值為0.29；中高溫閾值下（T85%＆5d和T90%＆3d）并發(fā)干旱事件的發(fā)生范圍居中，平均值為0.22；高高溫閾值下（T90%＆5d）并發(fā)干旱事件的發(fā)生范圍最小，平均值為0.12。3個夏玉米主要生育期中，開花?成熟期并發(fā)事件的發(fā)生范圍最廣，各閾值水平的多年平均值為0.15；播種?拔節(jié)期居中，平均為0.10；拔節(jié)?開花期最小，均值為0.08?？梢?，在海河平原夏玉米生長過程中，開花?成熟期容易發(fā)生大范圍的高溫干旱并發(fā)事件。從高溫干旱并發(fā)事件發(fā)生范圍數據的年際變化趨勢看，全生育期以及各主要生育期線性趨勢均未通過0.05水平的顯著性檢驗，說明并發(fā)事件的發(fā)生范圍無明顯長期變化趨勢。

圖2 1960?2019年夏玉米各生育期不同高溫閾值水平下并發(fā)干旱事件發(fā)生范圍（站點比）的年際變化Fig.2 Interannual variability of occurred scope of concurrent drought events (station ratio) under different extreme heat threshold levels in various growth periods of summer maize from 1960 to 2019

2.2 高溫干旱并發(fā)事件發(fā)生范圍時間序列突變特征

2.2.1 突變點識別

時間序列存在突變點是造成其長期趨勢不顯著的原因之一。采用CvM方法識別海河平原夏玉米生育期高溫干旱并發(fā)事件發(fā)生范圍年際變化是否存在突變點（圖3）。從圖3可知，全生育期的低高溫閾值下（T85%＆3d）并發(fā)干旱事件的發(fā)生范圍于1979年附近發(fā)生突變，并達到顯著水平（圖3a），其余3種閾值水平的高溫干旱并發(fā)事件的發(fā)生范圍均在1997年附近存在顯著突變點（圖3b?圖3d）；在播種?拔節(jié)期，各閾值水平的高溫干旱并發(fā)事件的發(fā)生范圍均在1997年附近發(fā)生顯著突變（圖3e?圖3h）；在拔節(jié)?開花期，僅T85%＆3d和T90%＆3d這兩種高溫閾值水平下的并發(fā)干旱事件的發(fā)生范圍存在顯著突變點，在1997年附近（圖3i、圖3k）；在開花?成熟期，各閾值的高溫干旱并發(fā)事件的發(fā)生范圍均在1991年附近存在顯著突變點（圖3m?圖3p）?？傮w來說，海河平原近60a來夏玉米各生育期內高溫干旱并發(fā)事件的發(fā)生范圍在20世紀90年代存在顯著突變，可以用來解釋其長期變化趨勢不顯著。

圖3 基于CvM的各生育期不同高溫閾值水平下并發(fā)干旱事件發(fā)生范圍時間序列的突變檢驗Fig.3 Mutation test of the time series of the occurred scope of concurrent drought events under different extreme heat threshold levels in the various growth periods based on Cramér-von Mises (CvM) method

2.2.2 突變檢驗

可見，雖然各種情景下的高溫干旱并發(fā)事件發(fā)生范圍時間序列的突變點略有不同，但基本都在20世紀90年代，因此，采用CDFs展示各種情景下1960?1989（突變前）和2000?2019（突變后）這兩個時段內并發(fā)事件發(fā)生范圍數據的累積概率分布情況，以檢驗突變前后是否有顯著差異，結果如圖4。由圖可見，各個生育期、各閾值水平的高溫干旱并發(fā)事件發(fā)生范圍的CDFs曲線均為突變后的曲線在突變前的右側，說明突變后并發(fā)事件發(fā)生范圍均高于突變前。全生育期突變后曲線偏右幅度最大，說明發(fā)生范圍較突變前增加最為明顯；播種?拔節(jié)、拔節(jié)?開花與開花?成熟這3個生育期突變后曲線右偏幅度較全生育期小，但開花?成熟期偏移幅度略大于其它兩個生育期，說明開花?成熟期并發(fā)事件發(fā)生范圍自突變后增加幅度最大。對于不同閾值水平的高溫干旱并發(fā)事件，高高溫閾值下（T90%＆5d）并發(fā)干旱事件的發(fā)生范圍突變后的曲線右偏最明顯，說明并發(fā)事件發(fā)生范圍增加幅度最大。采用KS檢驗方法研究上述突變后兩個時段內并發(fā)事件發(fā)生范圍數據的累積分布函數的差異，結果表明全生育期及高閾值水平（T90%＆5d）的差異性都達到顯著水平（P＜0.05），即突變前后兩個時段有顯著差異，檢驗了前面突變點確定的合理性。

圖4 各生育期不同閾值下并發(fā)事件發(fā)生范圍時間序列突變前后CDFs曲線對比圖Fig.4 Comparison of CDFs curves before and after mutation of the occurred scope of concurrent events under different threshold levels at each growth periods

2.3 高溫干旱并發(fā)事件發(fā)生頻率及其變化特征

2.3.1 各站點的發(fā)生頻率

由圖5可見，在整個分析期內，海河平原27個氣象站中，夏玉米全生育期各個閾值水平的高溫干旱并發(fā)事件的平均發(fā)生頻率達到5a一遇以上（≥0.20），其中，低高溫閾值下（T85%＆3d）并發(fā)干旱事件的發(fā)生頻率最大，基本所有地區(qū)為4a一遇以上（≥0.25）；中高溫閾值下（T85%＆5d和T90%＆3d）并發(fā)干旱事件的發(fā)生頻率居中，多數地區(qū)發(fā)生頻率在7a一遇至3a一遇（0.14～0.33）；高高溫閾值下（T90%＆5d）并發(fā)干旱事件的發(fā)生頻率最小，多集中在6a一遇以下（≤0.17）。3個夏玉米主要生育期中，開花?成熟期各站點并發(fā)事件的發(fā)生頻率最大，各閾值水平的并發(fā)事件發(fā)生頻率多集中在10a一遇至3a一遇（0.10～0.33）；播種?拔節(jié)期與拔節(jié)?成熟期并發(fā)事件發(fā)生頻率相似，多集中在6a一遇以下（≤0.17）。對于兩種中高溫閾值（T85%＆5d和T90%＆3d）并發(fā)干旱事件，各生育期T90%＆3d的發(fā)生頻率總體高于T85%＆5d，說明不太容易發(fā)生持續(xù)事件較長的高溫并發(fā)干旱事件。從空間分布看，各生育期不同閾值水平的高溫干旱并發(fā)事件發(fā)生頻率總體上由西北部向東南部逐漸減少。

圖5 各生育期不同高溫閾值水平下并發(fā)干旱事件發(fā)生頻率的空間分布Fig.5 Spatial distribution of the frequency of concurrent drought events under different extreme heat threshold levels in the various growth periods

2.3.2 突變前后發(fā)生頻率的變化

統(tǒng)計各站點突變后與突變前高溫干旱并發(fā)事件發(fā)生頻率，圖6為突變后發(fā)生頻率與突變前頻率差值的空間分布。由圖可見，在夏玉米全生育期，低高溫閾值下（T85%＆3d）并發(fā)干旱事件的發(fā)生頻率有14個站點（站次比：0.52）發(fā)生頻率差值為正，即有52%的站點突變后并發(fā)事件發(fā)生頻率較突變前增加，這14個站點發(fā)生頻率增加量平均為0.10；高高溫閾值下（T90%＆5d）并發(fā)干旱事件的發(fā)生頻率突變后較突變前增加的站點有21個（站次比0.78），發(fā)生頻率增加量平均為0.15。3個夏玉米主要生育期中，開花?成熟期并發(fā)事件的發(fā)生頻率在突變后為增加的站點最多，各閾值水平下平均有19個站點（站次比0.69），發(fā)生頻率平均增加0.11；播種?拔節(jié)期居中，平均約有17個站點（站次比0.63）增加，發(fā)生頻率平均增加0.09；拔節(jié)?開花期最少，平均約有14個站點（站次比：0.52）增加，發(fā)生頻率平均增加0.08。各生育期各閾值水平下高溫干旱并發(fā)事件在突變后增多的站點主要分布在研究區(qū)北部和東部地區(qū)，而中南部很多站點并發(fā)事件呈現(xiàn)減少，特別是對于拔節(jié)?開花期及全生育期的低閾值水平下的并發(fā)事件呈現(xiàn)減少的站點更多。

圖6 各生育期不同閾值水平高溫干旱并發(fā)事件突變后與突變前發(fā)生頻率差值的空間分布Fig.6 Spatial distribution of the difference between the frequency before and after mutation under different extreme heat threshold levels in the various growth periods

3 討論與結論

3.1 結論

（1）海河平原近60a各生育期不同閾值水平的高溫干旱并發(fā)事件發(fā)生范圍均無顯著長期年際變化趨勢，在20世紀90年代存在顯著突變，突變后并發(fā)事件的發(fā)生范圍增加明顯。夏玉米各主要生育期中，在開花?成熟期的高溫干旱并發(fā)事件的發(fā)生范圍最大，且這一發(fā)育期并發(fā)事件發(fā)生范圍在突變后增加最為明顯；各閾值水平下，高高溫閾值下（T90%＆5d）并發(fā)干旱事件的發(fā)生范圍雖然較小但突變后增加最為明顯。

（2）近60a研究區(qū)夏玉米各生育期不同閾值水平的高溫干旱并發(fā)事件發(fā)生頻率在空間上總體呈現(xiàn)出西北部較高向東南減少，且并發(fā)事件發(fā)生頻率較高的地區(qū)同時也是在突變后發(fā)生頻率增多的地區(qū)。研究區(qū)中南部很多站點并發(fā)事件呈現(xiàn)減少趨勢，尤以拔節(jié)?開花期及全生育期低閾值水平下的并發(fā)事件呈現(xiàn)減少的站點更多。

3.2 討論

已有研究顯示，全球氣候在20世紀90年代出現(xiàn)明顯突變，主要是由太陽能量的輸出時間變短、火山活動增加、重大厄爾尼諾事件等多方面影響所帶來的[26?27]；前人在研究美國高溫干旱并發(fā)事件時也發(fā)現(xiàn)在90年代存在明顯突變[17]，本研究得出的海河平原地區(qū)夏玉米生育期的高溫干旱并發(fā)事件突變時間與世界其它地區(qū)相似。90年代以來，中國極端高溫事件顯著增多[28]，同時Aghakouchak等[29]認為極端高溫事件增加大大提高了高溫干旱并發(fā)事件發(fā)生頻率，與本研究多數站點自突變后高溫干旱并發(fā)事件發(fā)生頻率呈現(xiàn)增多的結果相一致。

和驊蕓等[12]在對華北地區(qū)夏玉米各生育期中高溫事件的研究中指出，夏玉米花期高溫發(fā)生頻率最高，萬能涵等[16]對華北地區(qū)夏玉米各生育期干旱事件的研究顯示，在夏玉米花期附近干旱事件發(fā)生較為頻繁，兩種事件都在這個時期頻發(fā)，勢必會導致并發(fā)事件頻發(fā)。夏玉米花期是對高溫、干旱最敏感的時期，一旦遭遇高溫、干旱天氣，夏玉米產量會受到極大影響[30]。本研究顯示海河平原地區(qū)夏玉米開花?成熟期高溫干旱并發(fā)事件發(fā)生頻率最大、范圍最廣，并且也是增加幅度最大的階段，因此，當地夏玉米生產面臨較大的挑戰(zhàn)，亟需通過調整種植制度、提高田間管理水平等方式降低可能的影響。