吉林省極端降水事件對玉米產(chǎn)量的影響研究

張耀東，郭恩亮，王永芳，顧錫羚，康 堯

（1.內(nèi)蒙古師范大學(xué)地理科學(xué)學(xué)院，內(nèi)蒙古 呼和浩特 010022；2.內(nèi)蒙古自治區(qū)蒙古高原災(zāi)害與生態(tài)安全重點(diǎn)實(shí)驗室，內(nèi)蒙古 呼和浩特 010022）

0 引言

隨著全球升溫氣候不斷趨于暖干化的態(tài)勢，氣候變化下的極端降水強(qiáng)度與頻率呈顯著增加的趨勢，所導(dǎo)致的暴雨、洪澇、泥石流等災(zāi)害事件頻繁發(fā)生，給人類生活、經(jīng)濟(jì)發(fā)展、農(nóng)業(yè)生產(chǎn)等方面帶來了嚴(yán)重的影響［1-3］。作為人口超14 億的發(fā)展中國家，保證糧食安全、保障農(nóng)業(yè)可持續(xù)發(fā)展是至關(guān)重要的環(huán)節(jié)之一。其中玉米作為我國三大糧食作物之一，其產(chǎn)量受多種因素的共同影響，而極端降水事件對玉米產(chǎn)量有著不可逆的影響［4，5］。極端降水事件的發(fā)生在很大程度上會對農(nóng)田生態(tài)系統(tǒng)產(chǎn)生嚴(yán)重的、復(fù)雜的、持久的且難以恢復(fù)的破壞［6］，并且其預(yù)報難度較大，在國內(nèi)極端降水變化呈現(xiàn)出明顯的空間異質(zhì)性［7］，因此探究區(qū)域極端降水事件對玉米產(chǎn)量的影響程度及響應(yīng)機(jī)制就顯得尤為必要。

吉林省作為我國玉米種植主產(chǎn)區(qū)之一，位于世界著名的“黃金玉米帶”上，65%以上的耕地都種植玉米，玉米總產(chǎn)量占糧食總產(chǎn)量的比重高達(dá)75%以上，屬于我國主要的玉米帶組成部分［8］。同時，吉林省玉米受極端氣候事件的影響顯著，不僅導(dǎo)致玉米單產(chǎn)大幅下降，同時也造成玉米生育期縮短，灌漿速率加快，光合作用時間減少等負(fù)面影響［9，10］。然而，以往的研究主要集中于低溫冷害、旱澇災(zāi)害等方面［10］，極端降水事件對玉米產(chǎn)量影響方面的研究相對較少。

因此，在獲取吉林省1961-2019 年24 個氣象站點(diǎn)的逐日最高、最低氣溫，降水以及玉米單位面積產(chǎn)量數(shù)據(jù)的基礎(chǔ)上，對吉林省極端降水事件以及玉米產(chǎn)量的時空變化特征進(jìn)行分析，并采用皮爾遜（Pearson）相關(guān)性分析法、布爾塔（Boruta）算法定量評估極端降水事件對玉米產(chǎn)量的影響程度大小，以期為吉林省在極端降水事件預(yù)防與防治以及糧食作物穩(wěn)定高效地產(chǎn)出方面提供一定的科學(xué)依據(jù)。

1 研究區(qū)概況與方法

1.1 研究區(qū)概況與數(shù)據(jù)來源

吉林省地理位置介于121°38'E～131°19'E，40°50'N～46°19'N 之間，東南部高，西北部低，中西部為廣闊的平原。屬于溫帶大陸性季風(fēng)氣候，年平均降水量400～600 mm，但季節(jié)變化和地域差異顯著，80%集中在夏季［11］。

研究所用氣象數(shù)據(jù)來源于中國氣象局國家氣象信息中心（http：//data.cma.cn/site/index.html），選取吉林省1961-2019 年24 個氣象站點(diǎn)的逐日最高、最低氣溫以及降水?dāng)?shù)據(jù)。1961-2019 年玉米單位面積產(chǎn)量數(shù)據(jù)主要來源于中國知網(wǎng)的經(jīng)濟(jì)與社會發(fā)展統(tǒng)計數(shù)據(jù)中心（https：//data.cnki.net/ValueSearch/Index？datatype=year&ky）及吉林省統(tǒng)計局的相關(guān)統(tǒng)計年鑒。對于個別年份缺失的玉米單產(chǎn)數(shù)據(jù)用歷年平均值來代替。吉林省地理位置及站點(diǎn)分布情況如圖1所示。

圖1 研究區(qū)域及氣象站點(diǎn)概況Fig.1 Overview of the study area and weather stations

1.2 研究方法

1.2.1 極端降水指數(shù)

為能夠定量描述極端氣候事件，氣候變化檢測指數(shù)專家組（ETCCDMI）提出27 個極端氣候指數(shù)，在國際社會上得到廣泛推廣和使用［12，13］。其中極端降水指數(shù)有11 個。使用基于R 語言的RClimDex1.0程序包對11個極端降水指數(shù)進(jìn)行計算。結(jié)合吉林省地理位置及降水量對農(nóng)作物的生長情況，選取了與研究區(qū)玉米農(nóng)作物生長密切相關(guān)的4 個具有代表性的極端降水指數(shù)，并將選取的指數(shù)以極端降水量指數(shù)、極端降水日數(shù)指數(shù)、極端降水強(qiáng)度指數(shù)進(jìn)行了分類［14］（表1）。本文通過采用5 年滑動平均法對各極端降水指數(shù)長時間趨勢變化進(jìn)行分析。

表1 極端降水指數(shù)定義Tab.1 Definition of extreme precipitation indices

1.2.2 氣候產(chǎn)量及趨勢產(chǎn)量的提取

為了量化氣候要素與氣候產(chǎn)量之間的關(guān)系，需消除不同歷史時期由社會要素導(dǎo)致玉米生長過程發(fā)生變化的趨勢產(chǎn)量，得到玉米氣候產(chǎn)量。本文則通過Eviews11.0 軟件中HP 濾波法對玉米氣候產(chǎn)量及趨勢產(chǎn)量進(jìn)行提取。

高通濾波（HP濾波）法是由Hodrick&Prescott提出［15］，用來消除時間序列所包含的趨勢成分而被廣泛運(yùn)用的一種方法，所分離出的趨勢產(chǎn)量無滯后性，序列首尾不存在缺損。其中，玉米實(shí)際產(chǎn)量的計算公式如下：

式中：Y、Yw、Yt分別為玉米的實(shí)際產(chǎn)量、氣候產(chǎn)量以及趨勢產(chǎn)量；ε為隨機(jī)產(chǎn)量，通常將其忽略不計［16］。

玉米氣候產(chǎn)量的計算公式為：

由上述公式所計算出的玉米氣候產(chǎn)量缺少定量描述氣候波動對玉米產(chǎn)量的影響程度，而玉米相對氣候產(chǎn)量能更好地解釋這一問題［11，17-19］。其計算公式如下：

式中：Xr為相對氣候產(chǎn)量，%；Xw為氣候產(chǎn)量，kg/hm2；Xt為趨勢產(chǎn)量，kg/hm2。

其中，當(dāng)Xr＞10%時，為氣候豐年，表征當(dāng)年的氣候要素有利于玉米的生長；Xr＜-10%時，為氣候歉年，表征當(dāng)年的氣候要素不利于玉米的生長，其余為正常年份。

1.2.3 時空序列趨勢分析

森式（Sen）斜率法是一種用來分析某一要素長時間序列數(shù)據(jù)變化趨勢的方法［20，21］。該方法主要通過計算序列斜率的中值（β），從而來表征此序列的平均變化率以及時間序列的變化趨勢。本文采用Sen斜率法評估極端降水指數(shù)和玉米產(chǎn)量的時空變化趨勢，計算公式如下：

式中：Median表示為取中值函數(shù)，xj和xi表示不同年份的序列數(shù)據(jù)，j、i為時間序列。當(dāng)β＞0 時，序列呈上升趨勢；當(dāng)β=0 時，序列趨勢不明顯；當(dāng)β＜0時，序列呈下降趨勢。

Mann-Kendall 顯著性檢驗法是一種廣泛應(yīng)用于氣象數(shù)據(jù)長期變化趨勢分析中的非參數(shù)檢驗方法，該方法不需要樣本遵循一定的分布，也不受少數(shù)異常值的干擾［21，22］。計算公式如下所示：

時間序列為｛xi｝，i=1，2，3，…，n，計算公式如下：

其中：

式中：xj，xi為時間序列數(shù)據(jù)；n為數(shù)據(jù)長度；sgn 為符號函數(shù)，當(dāng)|Z|＞1.65、1.96 和2.58 時，表示變化趨勢分別通過了置信度為90%、95%和99%，本研究采用通過95%的置信度檢驗。

1.2.4 相關(guān)性分析

采用Pearson相關(guān)性分析法，計算玉米氣候產(chǎn)量與極端降水指數(shù)之間的相關(guān)系數(shù)（R），具體計算公式如下［23］：

式中：xi為第i年的極端降水指數(shù)；yi為第i年的玉米氣候產(chǎn)量；為極端降水指數(shù)年平均值；為玉米氣候產(chǎn)量年平均值。

本文也通過采用多項式曲線擬合法，分析極端降水指數(shù)對玉米氣候產(chǎn)量影響程度的大小，以及找出各極端降水指數(shù)的臨界值。多項式函數(shù)擬合公式如下：

式中：y為玉米氣候產(chǎn)量；x為極端降水指數(shù)；m是多項式的階數(shù)；ai為各極端降水指數(shù)系數(shù)。

1.2.5 Boruta重要性評估

Boruta算法主要是圍繞隨機(jī)森林展開構(gòu)建的一種用于特征篩選的包裝算法，通過平均減少精度值來篩選出與目標(biāo)變量具有相關(guān)性的重要性指標(biāo)［24，25］。本文使用Boruta 包進(jìn)行特征選擇評估極端降水指數(shù)對玉米氣候產(chǎn)量的重要性程度。計算公式如下：

式中：MSEOOB為隨機(jī)森林的袋外誤差；yi是樣本值是樣本yi的袋外樣本的預(yù)測值。

式 中：Zscore為特征Z分?jǐn)?shù)，為袋外誤差的平均值；SDMSEOOB為袋外誤差的標(biāo)準(zhǔn)差。當(dāng)Zscore＞shadowMax，則該特征被認(rèn)為是重要的；否則，該變量被認(rèn)為是不重要的。

2 結(jié)果與分析

2.1 極端降水指數(shù)時空變化特征

2.1.1 時間變化特征

吉林省1961-2019 年極端降水指數(shù)的年際變化趨勢如圖2所示，由結(jié)果可知：極端降水量指數(shù)R95p 的Sen 斜率值為0.301 mm/a，呈波動上升的趨勢；而PRCPTOT 的Sen 斜率值為-0.18 mm/a，呈下降的趨勢，均未通過顯著性檢驗。兩者在1986 年、1994 年、2010 年期間出現(xiàn)較大值，在2010 年均達(dá)到峰值，造成這一現(xiàn)象的原因與2010 年夏季在松花江流域發(fā)生的特大洪澇災(zāi)害有著密切的聯(lián)系［26］。極端降水日數(shù)指數(shù)R20 在過去近60年里的Sen 斜率值為0.31 d/a，呈增加趨勢，波動區(qū)間為4.42～9.92 d，分別在1986 年、2009 年達(dá)到最大值和最小值，這一結(jié)果表明吉林省極端降水頻率有所增加。極端降水強(qiáng)度指數(shù)SDII的Sen 斜率值為0.27 mm/（d·a），呈上升趨勢，并在1994 年達(dá)到最大值為10.7 mm/d，最小值發(fā)生在2009 年為7.24 mm/d。由此可看出吉林省年際降水量以及降水強(qiáng)度年際間差異較大，易發(fā)生洪澇、暴雨等極端降水事件災(zāi)害。從5年滑動平均曲線可知，吉林省極端降水指數(shù)R95p、PRCPTOT、R20 和SDII 整體上在20世紀(jì)60年代至80年代變化趨勢一致，呈下降的趨勢；從20世紀(jì)80 年代初期開始，降水結(jié)構(gòu)發(fā)生變化，除PRCPTOT 以外，其余極端降水指數(shù)均呈上升趨勢。

圖2 1961-2019年吉林省極端降水指數(shù)的時間變化趨勢Fig.2 Temporal trend of extreme precipitation indices in Jilin Province from 1961 to 2019

2.1.2 空間變化特征

利用Sen斜率法對研究區(qū)各站點(diǎn)極端降水指數(shù)的空間變化趨勢進(jìn)行分析，結(jié)果如圖3所示：極端降水指數(shù)在空間上整體表現(xiàn)為西部下降，東部上升，并由西北部向東南部逐漸遞增的趨勢。這主要是因為吉林省西部處于生態(tài)環(huán)境相對脆弱的農(nóng)牧交錯帶，大陸季風(fēng)氣候顯著，該地區(qū)的降水量相對匱乏，極易引發(fā)干旱災(zāi)害［27］。

圖3 1961-2019年吉林省極端降水指數(shù)的空間變化趨勢Fig.3 Spatial variation trend of extreme precipitation indices in Jilin Province from 1961 to 2019

極端降水量指數(shù)R95p 與PRCPTOT 存在顯著的空間差異性，即R95p 呈上升和下降的面積分別占總面積的80.08%與19.92%。其中上升的區(qū)域主要分布于吉林省的中部以及東部地區(qū)，大安市周邊通過了0.05 水平顯著性檢驗，呈顯著上升趨勢；下降的區(qū)域主要分布于吉林省的西北部以及南部。而PRCPTOT空間分布規(guī)律特征較為清晰，呈上升趨勢的地區(qū)占總面積的71.64%，主要分布于中部、北部以及東部地區(qū)；呈下降趨勢的地區(qū)主要分布于西部以及南部地區(qū)，可看出吉林省絕大部分地區(qū)降水量呈上升的趨勢。極端降水日數(shù)指數(shù)R20 與極端降水強(qiáng)度指數(shù)SDII在空間分布上具有一致性，呈上升趨勢的地區(qū)分別占總面積的68.21%與63.92%，均位于吉林省的中部、東部以及西北部的部分地區(qū)；呈下降趨勢的地區(qū)分布于吉林省的西部以及東南部的小部分區(qū)域，說明近59年來吉林省所遭遇的極端降水在日降水量以及強(qiáng)度上呈上升的區(qū)域明顯高于下降的區(qū)域。綜上所述，吉林省在1961-2019 年所發(fā)生的極端降水事件整體上在西部、南部和東南部地區(qū)呈下降的趨勢；吉林省北部、中部及東部地區(qū)普遍出現(xiàn)上升的趨勢，降水總量和降水強(qiáng)度均有明顯上升的趨勢，然而極少數(shù)地區(qū)通過了0.05 水平顯著性檢驗，由此也說明吉林省不同地區(qū)極端降水事件年內(nèi)分布不均衡。

2.2 吉林省玉米產(chǎn)量的變化特征

2.2.1 玉米產(chǎn)量的時間變化特征

由圖4 可知：吉林省1961-2019 年24 個氣象站點(diǎn)的玉米實(shí)際單產(chǎn)整體在1 281～8 545 kg/hm2區(qū)間范圍內(nèi)，年際間差異較大。在1961-1996 年間玉米實(shí)際單產(chǎn)呈穩(wěn)定上升趨勢；在1997-2009 年間玉米實(shí)際單產(chǎn)波動幅度較大，其中，在1997 年與2000年間實(shí)際單產(chǎn)出現(xiàn)下降滑坡的趨勢，主要原因是因為這兩年發(fā)生嚴(yán)重的干旱事件，導(dǎo)致玉米大幅減產(chǎn)。在2008年由于政策變遷，啟動了糧食增產(chǎn)建設(shè)工程［28］，使得玉米產(chǎn)量達(dá)到峰值，而隨后在2009 年又因旱災(zāi)的影響使得產(chǎn)量又迅速下降；在2010年之后玉米實(shí)際單產(chǎn)恢復(fù)穩(wěn)定，均維持在趨勢產(chǎn)量水平左右。再結(jié)合玉米氣候產(chǎn)量的線性趨勢變化幅度較大，近59年來均呈波動變化的趨勢，尤其是在1990 年之后變化幅度明顯增強(qiáng)；與此同時，玉米相對氣候產(chǎn)量也表現(xiàn)出與玉米氣候產(chǎn)量變化趨勢相一致的結(jié)果，由此可看出玉米產(chǎn)量受氣候因素影響頗深。玉米趨勢產(chǎn)量在1961-2003 年間均保持上升趨勢，即由1961 年1 327.11 kg/hm2上升到2003 年7 280.61 kg/hm2；在2004年之后玉米趨勢產(chǎn)量出現(xiàn)下降的趨勢，到2010 年后恢復(fù)穩(wěn)定。玉米相對氣候產(chǎn)量在59 a 間，有10 個氣候歉年（1969 年、1977年、1980 年、1981 年、1989 年、1995 年、1997 年、2000 年、2007年、2009年），表明當(dāng)年所發(fā)生的干旱等災(zāi)害對玉米的生長發(fā)育造成嚴(yán)重的影響，導(dǎo)致玉米產(chǎn)量明顯下降。氣候豐年有11 個（1965 年、1970 年、1974 年、1975 年、1984 年、1990 年、1996 年、1998 年、1999 年、2006 年、2008 年），在此期間極端降水量以及極端降水強(qiáng)度均保持在相對較高的水平，同時受地方政策的影響，使得氣候因素以及社會因素對玉米產(chǎn)量起到增產(chǎn)的效果，其余年份為正常年份。

圖4 1961-2019年吉林省地區(qū)單位面積玉米產(chǎn)量的變化趨勢Fig.4 Variation trend of maize yield per unit area in Jilin Province from 1961 to 2019

2.2.2 氣候產(chǎn)量的空間變化特征

吉林省1961-2019 年玉米氣候產(chǎn)量的空間變化趨勢如圖5所示，由結(jié)果可知：玉米氣候產(chǎn)量在59 年間呈增加趨勢的地區(qū)主要分布于西北部、中部以及東部地區(qū)，占總面積的80.85%，其中乾安縣、前郭縣、農(nóng)安縣以及雙陽縣增加趨勢較為明顯，其原因可能與吉林省夏季在玉米處于生長階段降水大致表現(xiàn)為東多西少，自南部向中西部、東部地區(qū)逐漸遞減的分布特征［29］。而近年來吉林省極端降水事件頻發(fā)，極端降水量以及極端降水強(qiáng)度持續(xù)增加，極端降水的出現(xiàn)對于受干旱影響較為嚴(yán)重的地區(qū)有緩解旱情的作用，因此玉米氣候產(chǎn)量相對增加趨勢明顯，但均未通過0.05 水平顯著性檢驗。而呈下降趨勢的地區(qū)主要分布于西部、南部以及中北部的部分地區(qū)，占總面積的19.15%，這些地區(qū)大多數(shù)處于海拔較高或者降水量短缺地區(qū)，受各種因素的制約導(dǎo)致玉米氣候產(chǎn)量處于相對減少趨勢，并也均未通過顯著性檢驗。由此表明玉米氣候產(chǎn)量受氣候條件影響較為顯著，吉林省不同地區(qū)的水熱條件差異較大，所造成的干旱或者極端降水等氣象災(zāi)害對吉林省玉米產(chǎn)量的影響程度存在顯著的空間差異性。

圖5 1961-2019年吉林省玉米氣候產(chǎn)量空間變化趨勢Fig.5 Spatial variation trend of maize climate yield in Jilin Province from 1961 to 2019

2.3 極端降水指數(shù)對玉米氣候產(chǎn)量的影響研究

2.3.1 極端降水指數(shù)與玉米氣候產(chǎn)量的相關(guān)性分析

在時間特征分析上，本文利用SPSS 26 軟件，將玉米氣候產(chǎn)量、R95p、PRCPTOT、R20、SDII 作為變量進(jìn)行Pearson 相關(guān)性分析（表2），由結(jié)果可知?dú)夂虍a(chǎn)量與四個極端降水指數(shù)之間均呈正相關(guān)關(guān)系。再結(jié)合極端降水指數(shù)與玉米氣候產(chǎn)量之間的多項式擬合曲線（圖6），分析玉米氣候產(chǎn)量對極端降水指數(shù)的響應(yīng)程度大小。

由表2 和圖6（a）、圖6（b）可看出，玉米氣候產(chǎn)量與極端降水量指數(shù)R95p、PRCPTOT 均呈正相關(guān)關(guān)系，相關(guān)系數(shù)分別為0.181、0.189。玉米氣候產(chǎn)量均隨著降水量的增加呈先增加后下降的趨勢，在R95p、PRCPTOT 分別超出190、610 mm 時，玉米氣候產(chǎn)量呈下降的勢頭。說明極端降水量在達(dá)到一定界限時，較大的降水量對玉米生長造成嚴(yán)重的后果，導(dǎo)致玉米減產(chǎn)。由表2 和圖6（c）、圖6（d）可知，玉米氣候產(chǎn)量與極端降水日數(shù)指數(shù)R20 和極端降水強(qiáng)度指數(shù)SDII 均呈顯著正相關(guān)關(guān)系；當(dāng)R20＞8 d 時，玉米氣候產(chǎn)量開始下降，并且有較多散點(diǎn)更接近擬合曲線，而SDII 的擬合趨勢也在出現(xiàn)下降的態(tài)勢，表明極端降水日數(shù)與降水強(qiáng)度是影響玉米氣候產(chǎn)量的關(guān)鍵指標(biāo)。

表2 吉林省玉米氣候產(chǎn)量與極端降水指數(shù)之間的Pearson相關(guān)性分析Tab.2 Pearson correlation analysis between maize climate yield and extreme precipitation indices in Jilin Province

圖6 1961-2019年吉林省極端降水指數(shù)與玉米氣候產(chǎn)量的多項式擬合曲線Fig.6 Polynomial fitting curve of extreme precipitation indices and maize climatic yield in Jilin Province from 1961 to 2019

玉米氣候產(chǎn)量與極端降水指數(shù)之間的相關(guān)性空間分布如圖7 所示，結(jié)果顯示：玉米氣候產(chǎn)量與極端降水指數(shù)R95p、PRCPTOT、R20、SDII呈正相關(guān)關(guān)系的地區(qū)均大于呈負(fù)相關(guān)的地區(qū)，表明適當(dāng)?shù)臉O端降水緩解了大部分地區(qū)所面臨的水資源匱乏等情況，對提高土壤墑情及促進(jìn)玉米的生長發(fā)育起到了積極作用。其中，玉米氣候產(chǎn)量與極端降水量指數(shù)R95p、PRCPTOT整體呈正相關(guān)關(guān)系，且在空間分布上具有一致性，呈顯著正相關(guān)的地區(qū)均分布于吉林省的西北部地區(qū)，例如大安市、前郭縣等地區(qū)；呈負(fù)相關(guān)關(guān)系的地區(qū)主要分布于中東部以及南部地區(qū)，均未通過顯著性檢驗。造成這一現(xiàn)象的原因可能由于西北部地區(qū)受旱災(zāi)影響較為嚴(yán)重［27］，極端降水量的增加對該地區(qū)玉米的生長起到至關(guān)重要的作用。玉米氣候產(chǎn)量與極端降水日數(shù)指數(shù)R20 的相關(guān)系數(shù)范圍在-0.162～0.476 區(qū)間內(nèi)，相比于玉米氣候產(chǎn)量與其他極端降水指數(shù)之間的相關(guān)性，與R20 之間的相關(guān)性系數(shù)最高，其中大安市、雙遼市以及扶余縣地區(qū)通過了0.05 水平顯著性檢驗，呈顯著正相關(guān)關(guān)系。玉米氣候產(chǎn)量與極端降水強(qiáng)度指數(shù)SDII 呈正相關(guān)關(guān)系的地區(qū)主要分布于梅河口市及樺甸市以北的整個區(qū)域；呈負(fù)相關(guān)關(guān)系的地區(qū)分布于吉林省的南部地區(qū)，包括：樺甸市、梅河口市、通化市等地區(qū)。綜上所述，玉米氣候產(chǎn)量與極端降水指數(shù)整體在西北部以及東部地區(qū)呈正相關(guān)，在南部呈負(fù)相關(guān)，這主要與吉林省西部受旱災(zāi)影響較為嚴(yán)重，以及南部地區(qū)受長白山脈地形的影響，自南方輸送的水汽大部在山前凝結(jié)降落等氣候、地形因素有關(guān)。

圖7 1961-2019年吉林省極端降水指數(shù)與玉米氣候產(chǎn)量的空間相關(guān)性Fig.7 Spatial correlation between extreme precipitation indices and maize climatic yield in Jilin Province from 1961 to 2019

2.3.2 極端降水指數(shù)對玉米氣候產(chǎn)量的重要性分析

通過采用R 語言包中的Boruta 算法進(jìn)行特征集合的選擇入手，從而評估各極端降水指數(shù)對玉米氣候產(chǎn)量的重要性程度，結(jié)果如圖8 所示：各極端降水指數(shù)對吉林省玉米氣候產(chǎn)量的重要性程度由大到小依次排序為：R20＞R95p＞SDII＞PRCPTOT，其中除PRCPTOT 被判定為不確定特征以外，其余三者均被判定為重要特征。其中R20、R95p、SDII 的Z 分?jǐn)?shù)分別為7.05、7.02 和4.98，說明玉米氣候產(chǎn)量對極端降水日數(shù)以及極端降水量的敏感性較高，而對極端降水強(qiáng)度的敏感程度相對較弱。

圖8 各極端降水指數(shù)對玉米氣候產(chǎn)量的重要性Fig.8 Importance of extreme precipitation indices to maize climatic yield

3 討論

吉林省是一個比較典型的生態(tài)環(huán)境脆弱地區(qū)，受極端氣候事件影響顯著。由于其特殊的地理位置，西部靠近干燥的內(nèi)蒙古高原，與海洋遠(yuǎn)隔，水汽條件匱乏；東南部也因受長白山脈的阻擋，年均降水量較少，極易發(fā)生干旱事件。然而東部山區(qū)靠近松花江和日本海，受西南暖濕氣流的影響水汽通過西南季風(fēng)向東北運(yùn)動輸送到該地區(qū)的水汽充足，因此該區(qū)域內(nèi)也易發(fā)生洪澇、漬水等極端降水事件［27，29-31］。本文就吉林省地區(qū)極端降水事件和玉米產(chǎn)量的時空分布及其相互關(guān)系做了相關(guān)研究，結(jié)果發(fā)現(xiàn)吉林省極端降水事件的降水量、降水日數(shù)、降水強(qiáng)度等在空間上均呈自西向東增加的趨勢，這與任景全的研究結(jié)果相一致［32］。在研究吉林省玉米產(chǎn)量時，發(fā)現(xiàn)吉林省玉米實(shí)際單產(chǎn)整體呈波動上升的趨勢，在2010 年左右至今呈緩慢回升的趨勢，馬文慧等［33］在研究吉林省玉米單產(chǎn)發(fā)展歷程與提升路徑時也證實(shí)了這一點(diǎn)。

通過研究極端降水事件對玉米產(chǎn)量的影響，發(fā)現(xiàn)呈正相關(guān)關(guān)系的地區(qū)大多分布于吉林省海拔較低的西北部以及東部的部分地區(qū)，而呈負(fù)相關(guān)關(guān)系的地區(qū)分布在海拔較高的東南部和南部地區(qū)，說明極端降水事件也受地形因素的影響，在東部發(fā)生頻率要強(qiáng)于西部和中部地區(qū)，因此要加強(qiáng)預(yù)防吉林省東部及中部的強(qiáng)降水來襲。這一點(diǎn)與前人在對吉林省1961-2015年極端降水指數(shù)時空特征分析的結(jié)果一致［32］。

研究也存在一些不足之處。影響吉林省玉米產(chǎn)量的因素不僅是由極端降水事件造成的，極端高溫引起的干旱熱浪等災(zāi)害事件、人為因素以及社會因素也同樣對玉米產(chǎn)量有著顯著的影響，從本研究中也發(fā)現(xiàn)極端降水事件對玉米產(chǎn)量的影響不是特別顯著。近年來，大量研究表明吉林省大部分地區(qū)由干旱缺水導(dǎo)致的玉米減產(chǎn)現(xiàn)象十分嚴(yán)重，地方也相應(yīng)的出臺糧食政策提高產(chǎn)率［27，28，34］。因此在以后的工作中應(yīng)著重去考慮不同極端氣候事件以及人類活動等因素對吉林省玉米產(chǎn)量的影響。此外，由于玉米在不同生育期所需水分不同，對極端降水事件的敏感程度不同，而本文也缺乏探究極端降水事件在玉米不同生育期的時空差異及其對最終玉米產(chǎn)量影響的研究，因此接下來的工作也需繼續(xù)完善玉米不同生育期內(nèi)的極端氣候事件對吉林省玉米產(chǎn)量的影響。

4 結(jié)論

（1）1961-2019 年吉林省59 年間極端降水指數(shù)R95p、R20、SDII 在時間變化趨勢上均呈上升的趨勢，說明近年來吉林省極端降水事件在降水量、降水日數(shù)以及降水強(qiáng)度上均有所增加。在空間變化趨勢上，各極端降水指數(shù)均表現(xiàn)為西部下降，東部上升，并由西北部向東南部逐漸遞增的趨勢。

（2）吉林省玉米實(shí)際單產(chǎn)與趨勢產(chǎn)量在時間變化趨勢上均呈顯著上升的趨勢。玉米相對氣候產(chǎn)量與玉米氣候產(chǎn)量在時間變化趨勢上一致，59 年間，氣候豐年有11 個，氣候歉年有10個，其余為正常年份。在空間變化趨勢上，玉米氣候產(chǎn)量呈增加趨勢的地區(qū)主要分布于西北部、中部以及東部地區(qū)，呈下降趨勢的地區(qū)主要分布于西部、南部以及中北部的部分地區(qū)。

（3）極端降水指數(shù)與玉米氣候產(chǎn)量之間的相關(guān)性主要表現(xiàn)為：在西北部以及東部地區(qū)呈正相關(guān)，在南部呈負(fù)相關(guān)關(guān)系的分布規(guī)律；各極端降水指數(shù)與玉米氣候產(chǎn)量在吉林省的西北部呈顯著正相關(guān)關(guān)系的地區(qū)較多。

（4）極端降水指數(shù)對玉米氣候產(chǎn)量的重要性從大到小依次為：R20＞R95p＞SDII＞PRCPTOT，其中R20 與R95p 的重要性得分較高，分別為7.05、7.02。說明極端降水日數(shù)以及極端降水量對玉米氣候產(chǎn)量變化的重要性相對顯著。