江淮不同亞區(qū)冬小麥澇漬害氣候風(fēng)險(xiǎn)時(shí)空演變

陳金華，劉瑞娜，吳文革，杜祥備，周永進(jìn)，孔令聰，戴其根，霍中洋

?農(nóng)田排水?

江淮不同亞區(qū)冬小麥澇漬害氣候風(fēng)險(xiǎn)時(shí)空演變

陳金華1，劉瑞娜1，吳文革2*，杜祥備2，周永進(jìn)2，孔令聰2，戴其根3，霍中洋3

（1.安徽省農(nóng)業(yè)氣象中心/安徽省大氣科學(xué)與衛(wèi)星遙感重點(diǎn)實(shí)驗(yàn)室，合肥 230031；2.安徽省農(nóng)業(yè)科學(xué)院，合肥 230031；3.揚(yáng)州大學(xué) 農(nóng)學(xué)院/水稻產(chǎn)業(yè)工程技術(shù)研究院，江蘇 揚(yáng)州 225009）

揭示江淮亞區(qū)冬小麥全生育期澇漬害氣候風(fēng)險(xiǎn)時(shí)空演變特征，為不同區(qū)域澇漬害精準(zhǔn)防控提供依據(jù)?；诮吹貐^(qū)蘇皖二省境內(nèi)143個(gè)地面氣象觀測(cè)站數(shù)據(jù)，通過(guò)對(duì)冬小麥全生育期月降水量、潛在蒸散量序列進(jìn)行主成分降維與K-Means聚類(lèi)分析，將研究區(qū)劃分為5個(gè)氣候亞區(qū)；應(yīng)用基于標(biāo)準(zhǔn)化前期降水蒸散指數(shù)的日尺度冬小麥澇漬害的歷史序列數(shù)據(jù)，分析了冬小麥全生育期各氣候亞區(qū)的澇漬害的時(shí)空演變特征。出苗—越冬期（11月—次年2月）澇漬害年均發(fā)生天數(shù)和次數(shù)的高值區(qū)位于江淮之間、沿江東部，而返青—成熟期（3—5月）的澇漬害則呈北少南多的緯向分布特征。5個(gè)氣候亞區(qū)生育期內(nèi)逐旬澇漬害天數(shù)在沿江西部和高山區(qū)域呈明顯的前期少、后期多的分布型，生殖生長(zhǎng)階段的澇漬害氣候風(fēng)險(xiǎn)高；在江淮之間和沿江東部為平緩型，全生育期均有較為明顯的澇漬害；淮北地區(qū)則是在播種出苗期的澇漬害發(fā)生頻次最高。從年際間變化趨勢(shì)來(lái)看，5個(gè)氣候亞區(qū)各旬澇漬害發(fā)生天數(shù)的變異系數(shù)普遍較高，11月下旬—次年2月中旬澇漬害天數(shù)大多呈顯著增加趨勢(shì)。蘇皖二省冬小麥全生育期澇漬害風(fēng)險(xiǎn)總體偏高，5個(gè)氣候亞區(qū)的澇漬害氣候風(fēng)險(xiǎn)時(shí)空特征差異明顯，未來(lái)應(yīng)更有針對(duì)性地制定不同亞區(qū)氣候適應(yīng)性防御策略。

江淮地區(qū)；冬小麥；氣候風(fēng)險(xiǎn)；澇漬害；時(shí)空演變

0 引言

【研究意義】安徽、江蘇是我國(guó)冬小麥種植優(yōu)勢(shì)區(qū)之一，常年種植面積達(dá)5.0×106hm2[1]，對(duì)于保障國(guó)家糧食安全具有重要意義。該地區(qū)處長(zhǎng)江中下游，小麥生長(zhǎng)季氣候濕潤(rùn)，澇漬災(zāi)害頻發(fā)[2-3]。小麥季發(fā)生漬害會(huì)導(dǎo)致其根系缺氧、生長(zhǎng)受阻甚至部分壞死[4]，并衍生有機(jī)酸及有毒還原性物質(zhì)，影響根系正常生長(zhǎng)[5-6]，影響小麥的光合作用、物質(zhì)轉(zhuǎn)運(yùn)及品質(zhì)[7-9]。中后期的澇、漬害還會(huì)加重小麥病害風(fēng)險(xiǎn)，導(dǎo)致小麥倒伏、發(fā)芽霉變[10-11]。

【研究進(jìn)展】研究認(rèn)為，漬水脅迫在小麥生殖生長(zhǎng)階段產(chǎn)生的影響顯著大于營(yíng)養(yǎng)生長(zhǎng)階段[12-13]。因此，廣大學(xué)者十分重視小麥春發(fā)階段后的澇、漬害風(fēng)險(xiǎn)評(píng)估及預(yù)警研究。吳洪顏等[14]基于春季旬降水量、旬日照時(shí)間、旬降水日等與漬害相關(guān)的關(guān)鍵氣象因子與冬小麥氣候產(chǎn)量的關(guān)系，構(gòu)建了江蘇省冬小麥春季漬害風(fēng)險(xiǎn)空間區(qū)劃方法，并提出了不同風(fēng)險(xiǎn)區(qū)的防御對(duì)策；盛紹學(xué)等[15]構(gòu)建了基于綜合澇、漬害氣候風(fēng)險(xiǎn)指數(shù)、脆弱度、災(zāi)損風(fēng)險(xiǎn)指數(shù)、抗災(zāi)力系數(shù)的江淮地區(qū)春季澇漬綜合風(fēng)險(xiǎn)評(píng)估與精細(xì)化空間區(qū)劃方法；侍永樂(lè)等[16]分析指出，江淮地區(qū)春季輕度漬害次數(shù)有降低趨勢(shì)，而中度、重度漬害次數(shù)變化不大；張旭輝等[17]構(gòu)建了基于日漬、澇災(zāi)害指標(biāo)和權(quán)重指數(shù)的漬、澇災(zāi)害過(guò)程模型，分析了江蘇省農(nóng)田漬澇時(shí)空分布規(guī)律和氣候變化趨勢(shì)[18]?；糁螄?guó)等[10]、高雅文等[19]、陳金華等[20]為提升小麥澇、漬害監(jiān)測(cè)預(yù)報(bào)精度，構(gòu)建了旬、日尺度的小麥澇漬害監(jiān)測(cè)預(yù)警指標(biāo)并予以推廣應(yīng)用。

【切入點(diǎn)】小麥播種出苗期的漬害會(huì)顯著降低其出苗率[21]；但其對(duì)最終產(chǎn)量影響較小與及時(shí)可行的補(bǔ)救措施及小麥自身的補(bǔ)償作用有關(guān)[22]。中國(guó)西南地區(qū)的稻茬小麥及盆栽小麥也有因苗期漬水導(dǎo)致有效穗數(shù)顯著降低而減產(chǎn)[23-24]的報(bào)道。受氣候變暖影響，冬季降水及澇、漬害極端氣候事件變率增大、氣候風(fēng)險(xiǎn)增加[15, 25]；近年來(lái)，出苗—越冬期的漬水對(duì)小麥生長(zhǎng)的影響愈加受到關(guān)注[26-27]。安徽、江蘇二省地處濕潤(rùn)、半濕潤(rùn)氣候過(guò)渡帶，該地區(qū)廣泛種植著旱茬小麥和稻茬小麥[28]。氣候變化背景下，小麥生長(zhǎng)期的澇、漬害風(fēng)險(xiǎn)及其對(duì)小麥生長(zhǎng)影響的不確定性增加。只關(guān)注返青后的春季澇、漬害防御具有局限性，也與新時(shí)期農(nóng)業(yè)、農(nóng)村綠色發(fā)展及生態(tài)文明建設(shè)要求不相適應(yīng)?！緮M解決的關(guān)鍵問(wèn)題】為此，本研究擬探究蘇皖地區(qū)冬小麥返青前、后2個(gè)階段的澇、漬害氣候風(fēng)險(xiǎn)差異，揭示氣候變化背景下的不同亞區(qū)旬尺度上的冬小麥澇、漬害演變特征，為小麥生產(chǎn)中準(zhǔn)確把握澇、漬害防控關(guān)鍵期，不同區(qū)域、不同時(shí)段澇漬害針對(duì)性防控對(duì)策提供理論依據(jù)。

1 材料與方法

1.1 數(shù)據(jù)來(lái)源

氣溫、降水、日照時(shí)間等日尺度的氣象數(shù)據(jù)來(lái)源于當(dāng)?shù)貧庀笥^測(cè)站，涉及安徽、江蘇二省共143個(gè)氣象站點(diǎn)，年限為1971—2020年。

1.2 澇、漬害指數(shù)與分析方法

式中：P為日降水量（mm）；為日序數(shù)；c為作物系數(shù)；0,i為日參考蒸散量（mm），采用聯(lián)合國(guó)糧農(nóng)組織（FAO）推薦的Penman-Monteith模型進(jìn)行計(jì)算。

當(dāng)前農(nóng)田旱澇狀況由前期水分收支量決定，可用前期降水量與作物潛在蒸散量的差值指數(shù)（Antecedent Precipitation Evapotranspiration Index,）表示，即：

式中：為前推天數(shù)，取值為99[29-30]；為前推日序數(shù)（當(dāng)日為0）；為日尺度衰減系數(shù)，取值為0.955[29-30]。

已有研究證實(shí)，對(duì)歷史序列數(shù)據(jù)={1,2, …, x}應(yīng)采用三參數(shù)log-logistic概率分布函數(shù)()進(jìn)行擬合，經(jīng)正態(tài)標(biāo)準(zhǔn)化求得的標(biāo)準(zhǔn)化前期降水蒸散指數(shù)（Standard Antecedent Precipitation Evapotranspiration Index,）可反映降水時(shí)間分布及日降水量大小對(duì)農(nóng)田水分供需關(guān)系的影響，可精準(zhǔn)反映江淮不同區(qū)域的日尺度旱澇情況，且與土壤含水率的變化情況吻合性較高[19-20, 29]。

式中：0=2.515 517，1=0.802 853，2=0.010 328，1=1.432 788，2=0.189 269，3=0.001 308。等級(jí)標(biāo)準(zhǔn)、理論累積概率及其對(duì)應(yīng)的土壤相對(duì)濕度等級(jí)見(jiàn)表1[29,31]。

表1 標(biāo)準(zhǔn)化前期降水蒸散指數(shù)等級(jí)標(biāo)準(zhǔn)、理論累積概率及對(duì)應(yīng)的土壤相對(duì)濕度

分別以日尺度的>0.5和>1.0作為輕度以上和中度以上澇漬害天數(shù)的統(tǒng)計(jì)標(biāo)準(zhǔn)。當(dāng)>0.5時(shí)，判別澇漬害天數(shù)是否持續(xù)，直至≤0.5的天數(shù)達(dá)2 d以上時(shí)，判別過(guò)程結(jié)束，記為1次輕度澇漬害過(guò)程。同理，根據(jù)中度澇漬害下限閾值，對(duì)中度以上的澇漬害的次數(shù)進(jìn)行統(tǒng)計(jì)。

1.3 氣候分區(qū)

主成分分析（Principal Component Analysis，PCA）是一種數(shù)據(jù)降維的多元統(tǒng)計(jì)方法，可將線性相關(guān)的多變量數(shù)據(jù)轉(zhuǎn)化為少數(shù)的綜合指標(biāo)，進(jìn)而用少量指標(biāo)最大限度反映原始數(shù)據(jù)信息[32]。K-Means聚類(lèi)分析是一種經(jīng)典聚類(lèi)算法，將各個(gè)聚類(lèi)子集內(nèi)的所有數(shù)據(jù)樣本的均值作為該類(lèi)的代表點(diǎn)，通過(guò)迭代過(guò)程把數(shù)據(jù)集劃分為不同的類(lèi)別，使得評(píng)價(jià)聚類(lèi)性能的準(zhǔn)則函數(shù)達(dá)到最優(yōu)[33]。本文計(jì)算了蘇皖地區(qū)143個(gè)地面氣象觀測(cè)站的冬小麥全生育期（當(dāng)年11月—次年5月）的月降水量（j，為月份）、月潛在蒸散量（j）的年平均值，采用PCA方法提取它們的主成分，并基于K-Means聚類(lèi)對(duì)主成分進(jìn)行氣候分區(qū)。PCA與K-Means聚類(lèi)采用Python Sklearn實(shí)現(xiàn)。

1.4 氣候變化特征分析

基于時(shí)間序列數(shù)據(jù)={1,2, …,σ}與其對(duì)應(yīng)的時(shí)間，建立一元線性方程=+。其中為回歸常數(shù)，為回歸系數(shù)。的正、負(fù)性表示氣候變量隨的增、減傾向，的絕對(duì)值表征變化趨勢(shì)的大小。在氣候統(tǒng)計(jì)中，一般把10稱(chēng)為該要素的氣候傾向率（Climate Tendency，）[34]。

Mann-Kendall趨勢(shì)檢驗(yàn)（M-K檢驗(yàn)）是WMO推薦的非參數(shù)趨勢(shì)檢驗(yàn)方法，廣泛應(yīng)用于氣象、水文等方面的趨勢(shì)分析與顯著性檢驗(yàn)[35]。M-K檢驗(yàn)統(tǒng)計(jì)了表征時(shí)間序列數(shù)據(jù)趨勢(shì)變化的標(biāo)準(zhǔn)正態(tài)統(tǒng)計(jì)量（s），其計(jì)算方法參考文獻(xiàn)[35]。s的正、負(fù)性分別表示增大、減小趨勢(shì)。絕對(duì)值越大，趨勢(shì)越明顯，大于1.28、1.64、2.32分別表示通過(guò)了置信度90%、95%、99%的顯著性檢驗(yàn)。

變異系數(shù)（Coefficient of Variation,）是概率分布離散程度的歸一化量度，其定義為標(biāo)準(zhǔn)差與平均值之比[36]。值越大表明離散程度的測(cè)度值越大，反之越小。本文基于PCA、K-Means聚類(lèi)方法進(jìn)行氣候分區(qū)，統(tǒng)計(jì)分析了蘇皖二省1971—2020年不同氣候區(qū)的冬小麥播種—成熟收獲期的逐旬澇漬天數(shù)、次數(shù)及其、及s，并分析其變化規(guī)律。

2 結(jié)果與分析

2.1 氣候分區(qū)

首先計(jì)算了蘇皖二省表征冬小麥農(nóng)田水分供需關(guān)系的月降水量、月潛在蒸散量的年平均值，構(gòu)建14列（當(dāng)年11月—次年5月的月降水量與月潛在蒸散量）×143行（143個(gè)站點(diǎn)）的矩陣數(shù)據(jù)進(jìn)行主成分分析，結(jié)果見(jiàn)表2。第1主成分1的方差貢獻(xiàn)率最大，達(dá)到了75.26%。累計(jì)方差貢獻(xiàn)率接近95%，且三者的特征根均大于1。因此，指數(shù)群可以降維成1、2、3這3個(gè)綜合指標(biāo)。

表2 主成分分析結(jié)果

各主成分的因子得分系數(shù)矩陣（表3）表明，2中11月與12月的潛在蒸散量的得分系數(shù)明顯高于其他因子，3中1月和3月作物潛在蒸散量、4—5月降水量等4個(gè)因子的得分系數(shù)在0.3以上。

表3 主成分分析的因子得分系數(shù)矩陣

注PM、ET分別為冬小麥生育期各月的月降水量、月潛在蒸散量的年平均值（1971—2020年），為月份。

基于原始因子與其得分系數(shù)的線性關(guān)系，求得各主成分得分1、2、3，并采用克里金方法進(jìn)行空間插值分析，結(jié)果見(jiàn)圖1。1呈現(xiàn)出顯著的北低南高的緯向分布特征（圖1（a）），體現(xiàn)了蘇皖二省南北氣候干濕性差異；2高值區(qū)位于東部海洋性氣候區(qū)域，低值區(qū)位于北部及高山區(qū)域（圖1（b）），3高值區(qū)在皖南與大別山區(qū)、低值區(qū)在長(zhǎng)江下游（圖1（c）），二者的分布型與蘇皖兩省的地形、地貌及季風(fēng)氣候特征有很好的吻合性。采用K-Means聚類(lèi)方法對(duì)1、2、3進(jìn)行分類(lèi)，蘇皖二省143個(gè)氣象站點(diǎn)被劃分為淮北地區(qū)、江淮之間、高山區(qū)域（大別山區(qū)及皖南山區(qū)）、沿江西部、沿江江南東部等5個(gè)氣候亞區(qū)（圖1（d）），分區(qū)結(jié)果與地形、地貌及氣候特征吻合性高。

圖1 主成分空間得分及聚類(lèi)分區(qū)結(jié)果

Fig.1 Spatial distribution of principal component scores and climatic regionalization results based on PCS’ K-means cluster analyzing

2.2 澇漬害空間分布

基于1971—2020年歷史序列數(shù)據(jù)，統(tǒng)計(jì)分析了冬小麥出苗—越冬期（當(dāng)年11月—次年2月，下同）、返青—成熟期（3—5月，下同）的年均澇漬害天數(shù)，見(jiàn)圖2。蘇皖地區(qū)出苗—越冬期輕度以上澇漬害天數(shù)為8.0～36.0 d，區(qū)域性差異大，呈東北、西南低，東南、西北走向高的分布型；其中江蘇省東北部最低，分布在8.0～15.0 d不等，安徽省江淮之間、江蘇沿江地區(qū)最高，普遍達(dá)30.0 d以上（圖2（a））。中度以上澇漬害天數(shù)的分布型與前者相同，但天數(shù)明顯降低，為1.0～13.0 d不等（圖2（b））。返青至成熟期年均輕度以上的澇漬害天數(shù)呈明顯的北少南多的緯向分布特征，蘇皖長(zhǎng)江以北、江蘇省長(zhǎng)江以東地區(qū)輕度以上澇漬天數(shù)較出苗—越冬期略有減少，為4.0～27.0 d；安徽沿江江南地區(qū)明顯增多，大部分地區(qū)分布在34.0～59.0 d（圖2（c））。返青—成熟期中度以上澇漬天數(shù)為2～36 d，與出苗—越冬期相比，大部分地區(qū)呈增加趨勢(shì)，其中沿淮淮北北部增加1.0～3.0 d，安徽省沿江江南增加顯著，增加天數(shù)達(dá)20.0～27.0 d（圖2（d））。

同理，分析了2個(gè)生育階段的年均澇漬害發(fā)生次數(shù)，見(jiàn)圖3。輕、中度以上澇漬過(guò)程次數(shù)的分布型與同期的澇漬害天數(shù)分布型相同；其中，出苗—越冬期輕、中度以上澇漬過(guò)程次數(shù)分別為0.80～2.13、0.09～1.20次/a；返青—成熟期輕、中度以上澇漬過(guò)程的次數(shù)分別為0.10～2.80、0.08～2.30次/a。出苗—越冬期、返青—成熟期2個(gè)生育階段的輕度以上澇漬過(guò)程的平均天數(shù)分別為10.0～19.0、11.0～24.0 d，2個(gè)時(shí)期的差異不大；中度以上澇漬過(guò)程的平均天數(shù)前、后2個(gè)時(shí)期分別為5.0～18.0、10.0～23.0 d，后者明顯大于前者。

圖3 冬小麥全生育期澇漬害過(guò)程年平均發(fā)生次數(shù)空間分布

2.3 澇漬害時(shí)間分布

基于1971—2020年歷史序列數(shù)據(jù)，統(tǒng)計(jì)分析了5個(gè)氣候亞區(qū)的冬小麥全生育期的逐旬輕度以上的澇漬害天數(shù)的年平均值，結(jié)果見(jiàn)圖4?；幢钡貐^(qū)旬澇漬害天數(shù)最多的時(shí)段為冬前，達(dá)1.0～3.7 d，越冬至返青期次之，為1.0～1.9 d；拔節(jié)后年均澇漬天數(shù)最少，大部分時(shí)段不足1.0 d；江淮之間、沿江江南東部各旬次年均澇漬害天數(shù)變化不明顯，大部分時(shí)段輕度以上的年均澇漬害天數(shù)為1.5～3.7 d；沿江西部及高山區(qū)域冬前大部分時(shí)段年均澇漬害天數(shù)為1.3～2.5 d，春發(fā)生長(zhǎng)后增加趨勢(shì)明顯，達(dá)2.6～6.2 d不等。從各區(qū)域的均值線比較來(lái)看，淮北地區(qū)（1.6 d）<江淮之間（2.3 d）<沿江江南東部（2.5 d）<高山區(qū)域（2.7 d）<沿江西部（2.8 d）。

圖4 冬小麥全生育期各亞區(qū)逐旬輕度以上澇漬害天數(shù)的年平均值比較

同理分析了冬小麥全生育期逐旬中度以上的澇漬害天數(shù)的年平均值，結(jié)果見(jiàn)圖5。5個(gè)亞區(qū)中度以上旬澇漬害天數(shù)的時(shí)間變化分布型與輕度以上旬澇漬害天數(shù)的分布型相似。其中淮北地區(qū)、江淮之間的冬前生長(zhǎng)階段澇漬害天數(shù)最多，最大分別達(dá)到了2.0、1.6 d；高山區(qū)域、沿江西部生殖生長(zhǎng)期澇漬害天數(shù)最多，中度以上的旬澇漬害天數(shù)達(dá)1.0～3.6 d不等，5月以后每旬達(dá)2.5 d以上。

圖5 冬小麥全生育期各亞區(qū)逐旬中度以上澇漬害天數(shù)的年平均值比較

2.4 氣候變化趨勢(shì)分析

在上述基礎(chǔ)上，進(jìn)一步分析了1971—2020年不同旬次的輕度以上澇漬害天數(shù)的年際間氣候傾向率（）及M-K趨勢(shì)檢驗(yàn)的標(biāo)準(zhǔn)正態(tài)統(tǒng)計(jì)量s，結(jié)果見(jiàn)圖6?；幢钡貐^(qū)11月中旬—1月下旬的旬澇漬害天數(shù)的氣候傾向率為正值，旬澇漬害天數(shù)呈0.36～0.57 d/10 a的增加趨勢(shì)，均通過(guò)了90%的置信度檢驗(yàn)，且大部分旬次通過(guò)了95%的置信度檢驗(yàn)。江淮之間11月下旬—次年2月中旬、沿江江南東部11月下旬—次年3月上旬的旬澇漬害天數(shù)分別呈0.26～0.75、0.29～0.83 d/10 a的增加趨勢(shì)，且均通過(guò)了90%或更高水平的置信度檢驗(yàn)。高山區(qū)域、沿江西部地區(qū)氣候傾向率為正值的時(shí)段與江淮之間相似，但僅1月中下旬前后通過(guò)了90%置信度檢驗(yàn)。各亞區(qū)的旬澇漬害天數(shù)的氣候變化趨勢(shì)雖略有差異，但增加趨勢(shì)且通過(guò)99%置信度檢驗(yàn)的時(shí)段主要為12月下旬—次年2月上旬，減少趨勢(shì)且通過(guò)90%以上置信度檢驗(yàn)的時(shí)段主要在4月下旬—5月上中旬。

注 氣候傾向率（d/10 a） M-K趨勢(shì)檢驗(yàn)統(tǒng)計(jì)量------趨勢(shì)顯著性標(biāo)準(zhǔn)線（|Zs|>綠、藍(lán)、紅線的絕對(duì)值分別通過(guò)置信度90%、95%、99%顯著性檢驗(yàn)）

同理分析了1971—2020年不同旬次的旬澇漬害天數(shù)的年際間變異系數(shù)（），結(jié)果見(jiàn)圖7。各亞區(qū)值總體偏高，其中淮北地區(qū)旬澇漬害天數(shù)的值最高，年際間差異也最大。從各亞區(qū)平均值的比較情況來(lái)看，淮北地區(qū)（185%）>江淮之間（138%）>高山區(qū)域（137%）>沿江江南東部（133%）>沿江西部（132%），其中，淮北地區(qū)為前低后高型，江淮之間、沿江江南東部為總體平緩型，高山區(qū)域、沿江西部為前高后低型。

圖7 冬小麥全生育期各亞區(qū)逐旬輕度以上澇漬害天數(shù)的年際間變異系數(shù)

3 討論

苗期—越冬期（11月—次年2月）的澇漬害發(fā)生天數(shù)與次數(shù)呈東北和西南少、東南至西北走向多的空間分布型，多發(fā)區(qū)域主要集中于江淮之間、沿江江南東部地區(qū)；而返青—成熟期（3—5月）輕度、中度以上的澇漬害發(fā)生頻次總體呈南多北少緯向分布。全生育期旬次間的澇漬害發(fā)生天數(shù)在不同亞區(qū)存在明顯差異，其中淮北地區(qū)播種出苗—越冬期的澇漬害風(fēng)險(xiǎn)明顯高于返青—成熟期；沿江西部、高山區(qū)域?yàn)榍吧俸蠖鄷r(shí)間分布型，即生殖生長(zhǎng)階段的澇漬害更為明顯；江淮之間、沿江江南東部全生育期均有較為明顯的澇漬害，且前、后2個(gè)階段的澇漬害風(fēng)險(xiǎn)差異較小。結(jié)合江淮地區(qū)氣候因素分析，秋冬季節(jié)冷、暖空氣經(jīng)常交匯的江淮分水嶺地區(qū)，降水及澇漬害風(fēng)險(xiǎn)高于其他區(qū)域；入春后南部暖濕氣流開(kāi)始活躍起來(lái)，并與地形因素結(jié)合，導(dǎo)致皖西及二省沿江西部地區(qū)澇漬害呈偏重發(fā)生態(tài)勢(shì)；而江淮之間、沿江江南東部地區(qū)在位置上處于江淮腹地，前、后2個(gè)時(shí)期的有利于降水氣候因素都對(duì)該區(qū)域有影響，因而全生育期均有較為明顯的澇漬害。

從年際間變化趨勢(shì)看，各亞區(qū)11月下旬—次年2月中旬大部分旬次的澇漬害天數(shù)有增加趨勢(shì)，其中1月前后氣候傾向率約達(dá)0.6 d/10 a，且通過(guò)99%置信度的M-K趨勢(shì)檢驗(yàn)。沿淮及其以南各區(qū)域在4月下旬至5月中旬的澇漬害天數(shù)有減少趨勢(shì)，且通過(guò)90%或95%置信度檢驗(yàn)；與侍永樂(lè)等[16]蘇皖二省春季輕度濕漬害在波動(dòng)減少研究結(jié)論一致。不同亞區(qū)各旬次的年際間變異系數(shù)普遍偏高，其中春季澇漬害風(fēng)險(xiǎn)偏低的淮北地區(qū)，變異系數(shù)高達(dá)130%～310%。可見(jiàn)，氣候變暖加重了蘇皖地區(qū)冬季澇漬害風(fēng)險(xiǎn)，也增加不同亞區(qū)澇漬害發(fā)生的不確定性。

綜上可知，蘇皖地區(qū)冬小麥全生育期澇漬害氣候風(fēng)險(xiǎn)總體較高，不同亞區(qū)間也存在明顯差異，小麥種植中應(yīng)重視差異化澇漬害防控技術(shù)的發(fā)展。其中淮北地區(qū)播種出苗至冬前澇漬害發(fā)生風(fēng)險(xiǎn)偏高，對(duì)適期播種、苗齊苗全有不利影響[21]，應(yīng)注重耐漬播種技術(shù)的發(fā)展及冬前漬害防范。江淮之間、沿江江南東部冬小麥全生育期均有較明顯的澇漬害，小麥生產(chǎn)中除采取“內(nèi)外三溝”配套常規(guī)防澇措施外，還應(yīng)重視耐漬品種選育和抗?jié)n栽培調(diào)節(jié)技術(shù)的應(yīng)用。沿江西部、高山區(qū)域春季澇漬害氣象風(fēng)險(xiǎn)過(guò)高，此階段的澇漬害對(duì)小麥產(chǎn)量、品質(zhì)的影響最大[12-13]，應(yīng)盡可能縮減小麥種植面積；切實(shí)有種植需求的區(qū)域，應(yīng)建立澇漬害風(fēng)險(xiǎn)預(yù)警和防控適用技術(shù)體系，加大高標(biāo)準(zhǔn)旱澇保收農(nóng)田設(shè)施的建設(shè)力度，盡可能提升冬小麥澇漬害防御能力。氣候變化背景下，蘇皖二省冬季的澇漬害呈偏重發(fā)生態(tài)勢(shì)，應(yīng)更加重視冬季澇漬害防范工作，以免小麥前期根系生長(zhǎng)偏弱，引發(fā)后期田管問(wèn)題。沿淮及其以南地區(qū)春季降水及田間漬水通常能滿足赤霉病發(fā)生流行條件，澇漬害偏輕的淮北地區(qū)降水變率大，部分年份也會(huì)導(dǎo)致赤霉病大流行。因此江淮地區(qū)小麥種植還應(yīng)重視赤霉病統(tǒng)防統(tǒng)治。

4 結(jié)論

江淮地區(qū)冬小麥澇漬害氣候風(fēng)險(xiǎn)具有明顯的時(shí)空差異性特征。其中淮北地區(qū)為前期多、后期少分布型，即播種出苗期的澇漬害風(fēng)險(xiǎn)最高；江淮之間、沿江江南東部為平緩型，全生育期均有較為明顯的澇漬害；沿江西部、高山區(qū)域?yàn)榍捌谏?、后期多分布型，即生殖生長(zhǎng)階段的澇漬害氣候風(fēng)險(xiǎn)異常偏高。

氣候變化背景下，江淮各亞區(qū)11月下旬—次年2月中旬大部分旬次的澇漬害天數(shù)有顯著增加趨勢(shì)，其中1月前后氣候變化影響最為顯著，每10 a旬澇漬害天數(shù)將增加0.6 d。5個(gè)氣候亞區(qū)的逐旬澇漬害發(fā)生天數(shù)的年際間變異系數(shù)普遍偏高，未來(lái)極端澇漬害事件對(duì)冬小麥的影響呈偏重發(fā)展態(tài)勢(shì)。江淮地區(qū)小麥生產(chǎn)應(yīng)注重發(fā)展耐漬種植制度，并強(qiáng)化生產(chǎn)過(guò)程的澇漬害預(yù)警與防控。

[1] 國(guó)家統(tǒng)計(jì)局. 2020中國(guó)統(tǒng)計(jì)年鑒[M]. 北京: 中國(guó)統(tǒng)計(jì)出版社, 2020.

National Bureau of Statistics. 2020 China Statistical Yearbook[M]. Beijing: China Statistics Press, 2020.

[2] 盧布, 丁斌, 呂修濤, 等. 中國(guó)小麥優(yōu)勢(shì)區(qū)域布局規(guī)劃研究[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃, 2010, 31(2): 6-12, 61.

LU Bu, DING Bin, LYU Xiutao, et al. Arrangement planning of chinses wheat ascendant regions[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2010, 31(2): 6-12, 61.

[3] CHEN Yuanyuan, HUANG Jingfeng, SONG Xiaodong, et al. Spatiotemporal characteristics of winter wheat waterlogging in the Middle and Lower Reaches of the Yangtze River, China[J]. Advances in Meteorology, 2018, 2018: 1-11.

[4] BRISSON N, REBIRE B, ZIMMER D, et al. Response of the root system of a winter wheat crop to waterlogging[J]. Plant and Soil, 2002, 243(1): 43-55.

[5] SHAW R E, MEYER W S, MCNEILL A, et al. Waterlogging in Australian agricultural landscapes: A review of plant response sand crop models[J]. Crop and Pasture Science, 2013, 64(6): 549-562.

[6] MALIK A I, COLMER T D, LAMBERS H, et al. Short term waterlogging has long-term effects on the growth and physiology of wheat[J]. New Phytologist, 2002, 153(2): 225-236.

[7] HERZOG M, STRIKER G G, COLMER T D, et al. Mechanisms of waterlogging tolerance wheat-a review of root and shoot physiology[J]. Plant Cell and Environment, 2016, 39(5): 1 068-1 086.

[8] 肖夢(mèng)華, 俞雙恩, 胡秀君. 澇漬脅迫對(duì)冬小麥生長(zhǎng)因子變化的影響研究[J]. 灌溉排水學(xué)報(bào), 2015, 34(9): 33-39.

XIAO Menghua, YU Shuang’en, HU Xiujun. Effect of water-logging stress on growth factor change of winter wheat in Southern Area[J]. Journal of Irrigation and Drainage, 2015, 34(9): 33-39.

[9] ZHOU Qin, WU Xiaojing, XIN Liang, et al. Waterlogging and simulated acid rain after anthesis deteriorate starch quality n wheat grain[J]. Plant Growth Regulation, 2018, 85 (15): 257-265.

[10] 霍治國(guó), 王石立. 農(nóng)業(yè)和生物氣象災(zāi)害[M]. 北京: 氣象出版社, 2009.

HUO Zhiguo, WANG Shili. Agricultural and biological meteorological disasters[M]. Beijing: China Meteorological Press, 2009.

[11] 李德, 景元書(shū), 祁宦. 1980-2012年安徽淮北平原冬小麥灌漿期連陰雨災(zāi)害風(fēng)險(xiǎn)分析[J]. 資源科學(xué), 2015, 37(4): 700-709.

LI De, JING Yuanshu, QI Huan. An analysis of disaster risk for continuous cloudy-rainy weather during the filling stage of winter wheat on the Huaibei Plain[J]. Anhui. Resources Science, 2015, 37(4): 700-709.

[12] SAN CELEDONIO R P, ABELEDO L G, MIRALLES D J. Identifying the critical period for waterlogging on yield and its components in wheat and barley[J]. Plant and Soil, 2014, 378(1/2): 265-277.

[13] 李金才, 董琦, 余松烈. 不同生育期根際土壤淹水對(duì)小麥品種光合作用和產(chǎn)量的影響[J]. 作物學(xué)報(bào), 2001, 27(4): 434-441.

LI Jincai, DONG Qi, YU Songlie. Effect of waterlogging at different growth stages on photosynthesis and yield of different wheat cultivars[J]. Acta Agronomica Sinica, 2001, 27(4): 434-441.

[14] 吳洪顏, 高蘋(píng), 徐為根, 等. 江蘇省冬小麥濕漬害的風(fēng)險(xiǎn)區(qū)劃[J]. 生態(tài)學(xué)報(bào), 2012, 32(6): 1 871-1 879.

WU Hongyan, GAO Ping, XU Weigen, et al. Risk division on winter wheat suffering from spring wet damages in Jiangsu Province[J]. Acta Ecologica Sinica, 2012, 32(6): 1 871-1 879.

[15] 盛紹學(xué), 霍治國(guó), 石磊. 江淮地區(qū)小麥澇漬災(zāi)害風(fēng)險(xiǎn)評(píng)估與區(qū)劃[J]. 生態(tài)學(xué)雜志, 2010(5): 985-990.

SHENG Shaoxue, HUO Zhiguo, SHI Lei. Risk assessment and regionalization of waterlogging disaster for wheat in Jianghuai Region[J]. Chinese Journal of Ecology, 2010, 29(5): 985-990.

[16] 侍永樂(lè), 石春林, 李映雪, 等. 江淮地區(qū)春季濕漬害時(shí)空分布特征[J].江蘇農(nóng)業(yè)科學(xué), 2016, 44(3): 352-355.

SHI Yongle, SHI Chunlin, LI Yingxue, et al. Spatial and temporal distribution characteristics of waterlogging in spring in Jianghuai Region[J]. Jiangsu Agricultural Sciences, 2016, 44(3): 352-355.

[17] 張旭暉, 朱海濤, 楊洪建, 等. 江蘇漬澇災(zāi)害影響程度評(píng)估[J]. 江蘇農(nóng)業(yè)科學(xué), 2016, 44(9): 407-411.

ZHANG Xuhui, ZHU Haitao, YANG Hongjian, et al. Impact assessment of waterlogging disaster in Jiangsu province[J]. Jiangsu Agricultural Sciences, 2016, 44(9): 407-411.

[18] 冬小麥、油菜澇漬等級(jí). QX/T 107—2009[S].

Waterlogging grades for winter wheat & oilseed rape. QX/T 107—2009[S].

[19] 高雅文, 鄧可楠, 張?jiān)? 等. 基于農(nóng)業(yè)旱澇指標(biāo)的湖北省棉花生育期內(nèi)旱澇急轉(zhuǎn)特征分析[J]. 灌溉排水學(xué)報(bào), 2021,40(2): 101-110.

GAO Yawen, DENG Kenan, ZHANG Yue, et al. Using agro-meteorological Indexes to analyze variation in abrupt drought-flooding alternation during cotton growth season in Hubei Province[J]. Journal of Irrigation and Drainage, 2021, 40(2): 101-110.

[20] 陳金華, 岳偉, 吳文革, 等. 基于日尺度的安徽省冬小麥生長(zhǎng)過(guò)程陰濕害災(zāi)損評(píng)估模型研究[J]. 麥類(lèi)作物學(xué)報(bào), 2020, 40 (1): 127-134.

CHEN Jinhu, YUE Wei, WU Wen’ge, at al. A Yield loss evaluation model for winter wheat overcast and waterlogging disaster based on daily accumulation in whole development stage in Anhui Province[J]. Journal of Triticeae Crops, 2020, 40(1): 127-134.

[21] 劉鑫. 冬小麥不同生育時(shí)期漬水對(duì)出苗率和產(chǎn)量及品質(zhì)的影響[D]. 泰安: 山東農(nóng)業(yè)大學(xué), 2011.

LIU Xin. Effects of different waterlogging stages on emergence rate, yield and quality of winter wheat[D]. Tai’an: Shandong Agricultural University, 2011.

[22] 馬尚宇, 王艷艷, 黃正來(lái), 等. 漬水對(duì)小麥生長(zhǎng)的影響及耐漬栽培技術(shù)研究進(jìn)展[J]. 麥類(lèi)作物學(xué)報(bào), 2019, 39(7): 835-843.

MA Shangyu, WANG Yanyan, HUANG Zhenglai, et al. Research progress of effects of waterlogging on wheat growth and cultivation technique for waterlogging resistance[J]. Journal of Triticeae Crops, 2019, 39(7): 835-843.

[23] SHAO G C, LAN J J, YU S E, et al. Photosynthesis and growth of winter wheat in response to waterlogging at different growth stages[J]. Photosynthetica, 2013, 51(3): 429-437.

[24] 吳元奇, 李朝蘇, 樊高瓊, 等. 漬水對(duì)四川小麥生理性狀及產(chǎn)量的影響[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2015, 26(4): 1 162-1 170.

WU Yuanqi, LI Chaosu, FAN Gaoqiong, et al. Effect of waterlogging on physical traits and yield of wheat in Sichuan, China[J]. Chinese Journal of Applied Ecology, 2015, 26(4): 1 162-1 170.

[25] WOLLENWEBER B, PORTER J R, SCHELLBERG J. Lack of interaction between extreme high-temperature events at vegetative and reproductive growth stages in wheat[J]. Journal of Agronomy and Crop Science, 2003, 189(3): 142-150.

[26] 王強(qiáng)生, 蔡茶花, 黃高平, 等. 池州市2018年冬季連陰雨氣候特征及其對(duì)農(nóng)業(yè)生產(chǎn)的影響[J]. 農(nóng)業(yè)災(zāi)害研究, 2019(3): 45-47, 105.

WANG Qiangsheng, CAI Chahua, HUANG Gaoping, et al. Analysis on climatic characteristics of winter continuous rain in 2018 in Chizhou city and its impact on agriculture production[J]. Journal of Agricultural Catastrophology, 2019(3): 45-47, 105.

[27] 劉敏, 楊宏青, 向華, 等. 湖北省2009年冬末連陰雨過(guò)程特點(diǎn)及影響分析[J]. 長(zhǎng)江流域資源與環(huán)境, 2010, 19(7): 826-831.

LIU Min, YANG Hongqing, XIANG Hua, et al. Main characteristics of the continuous overcast and rainy process and its effect in Hubei province in late winter of 2009[J]. Resources and Environment in the Yangtze Basin, 2010, 19(7): 826-831.

[28] 馬曉群, 吳文玉, 張輝. 利用累積濕潤(rùn)指數(shù)分析江淮地區(qū)農(nóng)業(yè)旱澇時(shí)空變化[J]. 資源科學(xué), 2008, 30(3): 371-377.

MA Xiaoqun, WU Wenyu, ZHANG Hui. Analyzing spatial and temporal variations of agricultural drought and waterlog in Jianghuai Area through Accumulated Humidity Index[J]. Resources Science, 2008, 30(3): 371-377.

[29] 陳金華, 余衛(wèi)國(guó), 劉瑞娜, 等. 日尺度標(biāo)準(zhǔn)化前期降水蒸散指數(shù)及其在安徽省的適用性分析[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)(中英文), 2019, 27(6): 919-928.

CHEN Jinhua, YU Weiguo, LIU Ruina, et al. Daily standardized antecedent precipitation evapotranspiration index (SAPEI) and its adaptability in Anhui Province[J]. Chinese Journal of Eco-Agriculture, 2019, 27(6): 919-928.

[30] 王春林, 陳慧華, 唐力生, 等. 基于前期降水指數(shù)的氣象干旱指標(biāo)及其應(yīng)用[J]. 氣候變化研究進(jìn)展, 2012, 8(3): 157-163.

WANG Chunlin, CHEN Huihua, TANG Lisheng, et al. A daily meteorological drought indicator based on standardized antecedent precipitation index and its spatial-temporal variation[J]. Progressus Inquisitiones de Mutatione Climatis, 2012, 8(3): 157-163.

[31] 農(nóng)田漬澇氣象等級(jí). GB/T 32752—2016[S].

Meteorological grade of agricultural waterlogging. GB/T 32752—2016[S].

[32] 謝飛, 顧繼光, 林彰文. 基于主成分分析和熵權(quán)的水庫(kù)生態(tài)系統(tǒng)健康評(píng)價(jià)：以海南省萬(wàn)寧水庫(kù)為例[J]. 應(yīng)用生態(tài)學(xué)報(bào). 2014, 25(6): 1 773-1 779.

XIE Fei, GU Jiguang, LIN Zhangwen. Assessment of aquatic ecosystem health based on principal component analysis with entropy weight: A case study of Wanning Reservoir[J]. Chinese Journal of Applied Ecology, 2014, 25(6): 1 773-1 779.

[33] ZHANG WEI, YANG H, JIANG H, et al. Automatic data clustering analysis of arbitrary shape with K-Means and Enhanced Ant-Based Template Mechanism[J]. IEEE 36th Annual Computer Software and Applications Conference, 2012: 452-460.

[34] 楊棟, 朱佳敏, 丁燁毅, 等. 浙江省水蜜桃物候、品質(zhì)和產(chǎn)量對(duì)氣候變化的響應(yīng)[J]. 生態(tài)學(xué)雜志, 2019, 38(11): 3 366-3 375.

YANG Dong, ZHU Jiamin, DING Yeyi, et al. Responses of phenology, quality and yield of juicy peach to climate change in Zhejiang Province[J]. Chinese Journal of Ecology, 2019, 38(11): 3 366-3 375.

[35] CHENG Li, CHEN Jinhua, WANG Ranghui, et al. Multi-indices analysis of heavy precipitation changes in Anhui Province[J]. China. Meteorology and Atmospheric Physics, 2021, 133(4): 1 317-1 325.

[36] 劉慧. 區(qū)域差異測(cè)度方法與評(píng)價(jià)[J]. 地理研究, 2006, 25(4): 710-718.

LIU Hui. Regional inequality measurement: methods and evaluations[J]. Geographical Research, 2006, 25(4): 710-718.

Spatiotemporal Variation of Climate-induced Waterlogging for Winter Wheat in Jianghuai Region

CHEN Jinhua1, LIU Ruina1, WU Wen’ge2*, DU Xiangbei2, ZHOU Yongjin2, KONG Lingcong2, DAI Qigen3, HUO Zhongyang3

(1. Anhui Agrometeorological Center/Anhui Key Lab of Atmospheric Science and Satellite Remote Sensing, Hefei 230031, China;2. Anhui Academy of Agriculture Sciences, Hefei 230031, China; 3. Agriculture College of Yangzhou University/Research Institute of Rice Industrial Engineering Technology, Yangzhou 225009, China)

Waterlogging is a natural disaster facing agricultural production in many countries across the world. Global warming is expected to increase its frequency. The objective of this paper is to analyze the spatiotemporal variation of climate-induced waterlogging for winter wheat in Jianghuai Region in central-southern China.The analysis was based on archived meteorological data measured from 143 weather stations across Anhui and Jiangsu provinces, from which we calculated the annual and monthly precipitation, potential evapotranspiration of the winter wheat. We divided the two provinces into a number of sub-regions based on climate and analyzed the data in each sub-region using the principal component analysis and K-means cluster methods. The spatiotemporal variation in waterlogging for each sub-region was calculated from daily standardized antecedent precipitation evapotranspiration index.①From November to next February, long-lasting waterlogging was mostly likely to occur in the Jianghuai watershed and eastern Yangtze River, while from March to May, it was more likely to happen in the south and less likely in the north of the region. ②In west Yangtze River and in the high mountain areas, the occurrence of waterlogging in each 10 days increased as the crop grew from seedling to harvest, while in the Jianghuai watershed and east Yangtze River, the occurrence of waterlogging was independent of the growing season. In the north of the Huaihe River, the occurrence of waterlogging in the seedling stage was more frequent than in other growing stages. ③Intra-annual variation of waterlogging in each 10-day showed a significant increase from later November to middle of next February, and the variation coefficients was high.Climate-induced waterlogging for winter wheat in Jiangsu and Anhui provinces is high but its occurrence varies spatiotemporally. These results are helpful for developing mitigating methods to alleviate the detrimental impact of waterlogging in the two provinces.

Jianghuai Region; winter wheat; climate-induced risk; waterlogging disaster; spatiotemporal variation

P49；S16

A

10.13522/j.cnki.ggps.2021549

陳金華, 劉瑞娜, 吳文革, 等. 江淮不同亞區(qū)冬小麥澇漬害氣候風(fēng)險(xiǎn)時(shí)空演變[J]. 灌溉排水學(xué)報(bào), 2022, 41(6): 121-130.

CHEN Jinhua, LIU Ruina, WU Wen’ge, et al. Spatiotemporal Variation of Climate-induced Waterlogging for Winter Wheat in Jianghuai Region[J]. Journal of Irrigation and Drainage, 2022, 41(6): 121-130.

1672 - 3317（2022）06 - 0121 – 10

2021-03-04

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2018YFD0300905，2018YFD0300906）；科技助力經(jīng)濟(jì)2020重點(diǎn)專(zhuān)項(xiàng)（KJZLJJ202002）

陳金華（1981-），男。高級(jí)工程師，主要從事農(nóng)業(yè)氣象災(zāi)害與農(nóng)業(yè)氣候資源開(kāi)發(fā)利用研究。E-mail: ckinghua@126.com

吳文革（1966-），男。研究員，主要從事作物栽培生理生態(tài)與技術(shù)集成創(chuàng)新研究。E-mail: wuwenge@vip.sina.com

責(zé)任編輯：韓 洋