李春

摘要：目前，如何運用高科技手段進行批量化、大尺度反映出氣候變化和極端天氣氣候事件對農作物產量的影響，對已發(fā)生的不利影響或新的變化及時做出調整，是研究的熱點。近年來隨著農業(yè)模型（農業(yè)數(shù)學模型與農業(yè)計算機模型）和機器學習方法廣泛應用于農業(yè)研究，將其結合來研究氣候變化對作物產量的影響，是一個重要的研究工具。量化氣候變化對冬小麥的影響，找出影響的關鍵因素并提出適應性措施至關重要。

關鍵詞：氣象要素；氣候極端指數(shù)；冬小麥

0 引言

新疆維吾爾自治區(qū)位于西北部（73°40'～96°23'E，

34°22'～49°10'N），是面積最大的省份，占國土面積的六分之一。新疆是典型的干旱和半干旱地區(qū)，屬于溫帶大陸性干旱氣候。擁有三山夾兩盆（即南部的昆侖山，新疆中部的天山和東北的阿爾泰山，以及準噶爾和吐魯番兩個盆地）的特殊地形。小麥是最普遍的糧食作物之一，支撐著世界上35%～40%的人口。在中國，小麥是僅次于水稻的第二大糧食作物，小麥產量約占糧食總產量的29%（國家統(tǒng)計局2017）。在新疆，小麥作為新疆第一大糧食作物，種植面積占糧食作物的65%以上。2009年新疆糧食面積195.25萬hm2，其中小麥種植面積113.33多萬hm2。從國家糧食安全的角度出發(fā)，新疆作為國家糧食生產戰(zhàn)略后備區(qū)，國家對新疆糧食的總體要求為“區(qū)內平衡、略有結余”，因此，大力發(fā)展新疆的糧食產業(yè)也是保障國家糧食安全的重要組成部分[1]。近年來，氣候變化給小麥生產帶來了巨大的風險。隨著經濟的發(fā)展，人口的增長和生活水平的提高，維持和增加小麥產量至關重要。因此，量化氣候變化對冬小麥產量的影響對指導新疆地區(qū)農田生產實踐和采取措施適應全球氣候變化具有重要意義。

1 存在的主要問題

（1）目前很多學者用CMIP5氣候數(shù)據分析未來時期氣候變化和極端事件對作物產量的影響，而CMIP6氣候情景模式近年來由全球氣候研究組織最新提出的21世紀可能出現(xiàn)的氣候情景。NWAI-WG方法也是一種降尺度精度較高的統(tǒng)計降尺度方法，較少學者用來對比分析未來情景下氣候變化和極端事件對新疆冬小麥生長和產量的影響。

（2）目前冬小麥種植區(qū)新疆農業(yè)氣象站觀測的時間序列短，所用品種多，以往用來研究新疆冬小麥產量的文獻多數(shù)針對單個試驗站單個品種，而冬小麥在新疆種植范圍廣，不同站點的氣候條件差異較大，不同熟制品種的產量也有差別，歷史和未來時期不同情景結合作物模型有待深入探究。而根區(qū)水質模型可以很好地模擬歷史和未來情景下冬小麥生長和產量情況，針對未來氣候變化和極端事件對新疆冬小麥生育期、生物量、產量、水分利用效率的影響要進一步量化研究[2]。

（3）有關氣候變化對冬小麥生長和產量影響的研究多數(shù)以回歸分析為主大多，而大多只單獨研究了氣候變化對冬小麥產量的影響，極端事件與冬小麥產量影響大小還需進一步研究。機器學習方法已經被越來越廣泛應用到農業(yè)系統(tǒng)研究，用多個機器學習方法對比分析，得出極端溫度和降水指數(shù)與冬小麥產量的最優(yōu)模型，找出貢獻率最高的極端指數(shù)也需要做進一步探究。

2 極端溫度事件對冬小麥生長及產量的影響

很多學者研究極端溫度事件對冬小麥生長和產量的影響，如Osmanetal.通過植物盆栽試驗研究極端高溫脅迫對冬小麥籽粒產量和質量的影響，得出高溫降低了地上部總氮含量，增加了籽粒氮積累速率，而地上部總氮和籽粒氮積累速率在開花期比籽粒灌漿時對極端高溫更敏感，改進了小麥生長作物模型對地上總氮、谷物氮積累和小麥籽粒蛋白質濃度動態(tài)的模擬。根據TNn、TXx、FD、SU和TX90p這5個極端溫度指數(shù)的變化規(guī)律，在過去30年，新疆地區(qū)氣候以變暖為主。這與Lietal.等人的1961～2013年天山山脈區(qū)域有顯著的變暖變濕趨勢的結論一致。暖晝日數(shù)和霜凍日數(shù)對冬小麥產量變化影響較大，這與Li得出的高溫和冷極指數(shù)會減少或增加產量的結論一致。這主要是霜凍會對冬小麥抽穗和開花期造成影響，而高溫會減少開花期到灌漿早期冬小麥的籽粒數(shù)。Sunetal.通過研究水稻，建立灌漿速率與高溫日數(shù)的模型，定量分析極端高溫對水稻灌漿速率的影響[3]。Chenetal.通過研究1982～2015極端災害事件對中國初級生產力的影響，指出華南地區(qū)的初級生產力更多受極端溫度影響。

多數(shù)站點回歸模型的Radj2值呈現(xiàn)出多變量非線性回歸>多元線性回歸>單變量線性回歸的規(guī)律。這說明非線性關系能更好地解釋極端溫度指數(shù)對產量的影響，這與Troyetal.等人出的產量與溫度氣候指數(shù)之間存在非線性和閾值型關系的結論一致。產量的一階差分值與5個極端溫度指數(shù)的一階差分值之間的r絕對值大于0.4的有6個，這是因為新疆冬小麥主要是人工灌溉，灌溉會大大減少氣候指數(shù)的影響，這也與Troyetal.的結論一致。

為了定量研究極端溫度指數(shù)對新疆冬小麥生長和產量的影響，首先用多重共線性檢測方法從12個極端溫度指數(shù)中選出5個不具有多重共線性的極端溫度指數(shù)為TNn、TXx、FD、SU和TX90p，分析其時空變異性，后采用一階差分、皮爾遜相關、多元線性和非線性回歸方法，最終構建1981～2017年新疆20個站的冬小麥產量構成指標與極端溫度指標最優(yōu)回歸模型，并得出如下結論：

（1）在1981～2017年期間，TNn和TXx的變化范圍分別為–30.0～–9.5°C和31.8～43.7°C，F(xiàn)D、SU和TX90p變化范圍為81～180d，59～161d和23～102d。TXx、TNn、SU和TX90p分別在8、18、20和4個站呈上升趨勢，其中1、5、11和0個呈顯著上升趨勢。FD全部呈下降趨勢，其中3個站呈顯著下降趨勢。這5個極端溫度指數(shù)反映出在過去30年，新疆地區(qū)氣候以變暖為主。

（2）產量構成指數(shù)和極端溫度指數(shù)之間的皮爾遜相關系數(shù)范圍為–0.59～0.67，冬小麥株高、生育期、千粒重、單穗穗粒數(shù)和產量的一階差分值與5個極端溫度指數(shù)的一階差分值之間的r絕對值大于0.4的分別有7、4、3、3、4和6個站。

（3）在20個站中，株高、生育期、千粒重、單穗穗粒數(shù)、地上部生物量和產量共有9、8、11、9、6和6個站獲得了回歸模型，有6個是一元線性的，有18個是多元線性的，有24個是多元非線性的。這些回歸模型的Radj2值，多數(shù)站呈現(xiàn)出多變量非線性回歸>多元線性回歸>單變量線性回歸。此外，冬小麥株高、生育期、千粒重、單穗穗粒數(shù)、地上部生物量和產量的最大Radj2值分別為0.58、0.46、0.29、0.44、0.30和0.45，表明極端溫度指數(shù)可以解釋29%～58％的冬小麥產量變異。極端溫度指數(shù)對冬小麥產量變化影響排序為：TX90p>FD>SU=TNn=TXx。

3 極端降水事件對冬小麥生長及產量的影響

已有很多學者研究極端降水事件對作物產量影響，LiuandBasso用作物模型模擬美國中西部北部在常規(guī)耕作和免耕條件下美國中西部北部玉米-大豆-小麥輪作系統(tǒng)的長期玉米和小麥產量和土壤有機碳變化，發(fā)現(xiàn)未來玉米產量下降，而小麥產量增加，指出氣候影響作物產量評估中需要重點考慮干旱和極端降水事件。Fengetal.研究極端降水指數(shù)對澳大利亞新南威爾士州小麥產量的影響，6～8月、9～11月的3個月標準化降水指數(shù)和持續(xù)干旱天數(shù)被確定為最重要的三個指標，可以解釋大部分小麥帶的產量變化，并指出冬季和春季降雨的年際變化是小麥產量變化的主要原因，而生育期前的降雨起次要作用。NouriandBannayan研究，極端低溫、高溫、低降雨量和土壤缺水對雨養(yǎng)小麥和大麥的產量的影響，得出對于大多數(shù)站點，產量與土壤水分虧缺和極端降水指數(shù)呈負相關（p<0.05），但與極端溫度指數(shù)不相關，農業(yè)干旱對雨養(yǎng)作物產量的不利影響更大。

為綜合比較各個指數(shù)對產量的影響，將其與產量進行線性回歸分析。冬小麥產量的一階差分與日最高溫、日最低溫和最高溫與最低溫差值的一階差分在多個站點具有強相關性。本文得出極端溫度和降水指數(shù)與產量建立的回歸方程的Radj2值在0.29～0.58和0.27～0.58，說明極端溫度事件對冬小麥產量影響大，與其他學者得出極端天氣霜凍和高溫等對小麥產量影響很大的結論一致。極端降水指數(shù)與株高、生育期、千粒重、單穗穗粒數(shù)、地上部生物量和產量共建立回歸模型57個，有46個是線性方程，有11個是多元非線性的，建立的回歸模型多數(shù)為線性模型。這與氣象要素和極端溫度指數(shù)建立得到的非線性回歸模型較多的結果不同，這說明極端降水指數(shù)對冬小麥產量的影響不如極端溫度復雜。這與CherenkovaandSemenov等人通過研究1991～2019年俄羅斯歐洲南部小麥產量生育期內極端氣候變化，得出從小麥生產力的年度總影響的角度來看，極端溫度比極端降水事件更重要的結論一致。

為了定量研究極端降水指數(shù)對新疆冬小麥生長和產量的影響，首先用共線性檢測方法從7個指數(shù)中選出6個不具有多重共線性的極端降水指數(shù)：日常降水指數(shù)（SDII）、最大1日降水（RX1day）、最大5日降水（RX5day）、持續(xù)干旱天數(shù)（CDD）、非常濕潤天（R95p）和強降水天數(shù)（R10），分析其時空變異性，后采用一階差分、皮爾遜相關、多元線性和非線性回歸方法，最終構建1981～2017年新疆20個站點的冬小麥產量構成指標與極端降水指標最優(yōu)回歸模型，并得出如下結論：

（1）在1981～2017年期間，SDII的范圍為1.2～11mm。RX1day范圍為1～56mm。RX5day、R95p、CDD和R10變化范圍為1.4～91mm、5.4～393mm、14～321d和1～24d。SDII在12個站點是增加的趨勢，其中有1站點呈顯著上升。RX1day在14個站點呈上升趨勢，其中1個站點呈顯著上升趨勢。RX5day在16站點呈上升趨勢，其中1個呈顯著上升趨勢。R95p在17個站點呈下降趨勢，而只在3個站點呈顯著上升趨勢。CDD在17個站點呈下降趨勢，其中3個站點呈顯著下降。R10在14個站點呈上升趨勢，其中2個站點呈顯著上升。

（2）產量構成指數(shù)和極端降水指數(shù)之間的皮爾遜相關系數(shù)范圍為–0.59～0.67，冬小麥株高、生育期、千粒重、單穗穗粒數(shù)和產量的一階差分值與6個極端降水指數(shù)的一階差分值之間的r絕對值大于0.4的有3、4、1、4、3和8個。

（3）在20個站點中，株高、生育期、千粒重、單穗穗粒數(shù)、地上部生物量和產量共有10、12、8、8、9和10個站點獲得了回歸模型，有12個是一元線性的，有34個是多元線性的，有11個是多元非線性的，回歸模型多數(shù)為線性回歸模型。此外，冬小麥株高、生育期、千粒重、單穗穗粒數(shù)、地上部生物量和產量的最大Radj2值分別為0.58、0.36、0.58、0.27、0.38和0.45，表明極端降水指數(shù)可以解釋27%～58％的冬小麥產量的變異性。極端降水指數(shù)對冬小麥產量變化影響排序為：R95p>R10>RX5day>SDII=CDD>RX1day。

4 應對策略

（1）未來時期早熟和中熟比晚熟品種的水分利用率高，隨著氣候變化，生育期縮短，建議種植中熟品種，可以提高水分利用效率，有效提高產量。

（2）未來時期高溫和低溫是影響冬小麥產量最重要的極端指數(shù)，建議健全相應的氣象及其衍生和次生災害應急處置機制。例如：建立氣候變化綜合觀測系統(tǒng)，建立氣候災害防御工程，提高應對極端天氣災害的綜合檢測預警能力、抵御能力和減災能力[4]。

5 不足和展望

本文結合RZWQM2模型在分析歷史時期和未來時期氣候變化和極端事件對新疆各農氣站點冬小麥生長和產量的影響。雖然取得了一定的研究成果，但仍然有些不足之處，需要在今后的研究中進一步完善和解決：

（1）本研究將氣候要素、極端溫度指數(shù)和極端降水指數(shù)單獨與冬小麥生長和產量進行分析，下一步研究將考慮綜合指數(shù)，深入研究機理，分析其對冬小麥生長和產量的影響。

（2）本研究區(qū)域主要在新疆地區(qū)，而冬小麥生產區(qū)域遍布全國，下一步需要擴大尺度從區(qū)域擴展到全國乃至全球尺度分析。本研究對象主要為單一糧食作物，而在未來時期，極端事件對作物影響越來越大，下一步研究可以擴展到其他糧食作物和經濟作物。

（3）冬小麥從播種到收獲過程受到多種因素的影響和制約，在利用RZWQM2模型研究未來時期氣候變化和極端事件對新疆各農氣站點冬小麥生長和產量的影響時沒有考慮土壤孔隙度的變化、耕作方式和冬小麥播期改變對研究造成的影響。

（4）盡管RZWQM2模型耦合RZWQM1和DSSAT-CERES，但是受到模型結構的影響，在模擬冬小麥生長過程時仍然存在很大不確定性，所以在今后的研究中，可以考慮多種作物模型（EPIC、APSIM、WOFOST和WAVE）進行對比分析，交叉驗證模擬結果，以此提高模擬結果的可靠性。

（5）本研究極端事件對冬小麥的影響主要體現(xiàn)在國際研究小組提出的極端指標上，下一步可結合多種作物模型對影響冬小麥的自然災害凍害、倒春寒、霜凍、倒伏等進行量化研究。

參考文獻

[1] 丁晉利，武繼承，楊永輝，等.耕作方式轉變對土壤蓄水保墑影響的RZWQM模型模擬[J].農業(yè)機械學報，2016（4）：136-145.

[2] 任國玉，封國林，嚴中偉.中國極端氣候變化觀測研究回顧與展望[J].氣候與環(huán)境研究，2010（4）：337-353.

[3] 佟曉輝，劉向培，葉培春，等.1961-2013年東北區(qū)域極端氣溫的變化特征[J].解放軍理工大學學報（自然科學版），2016，17（6）：578-584.

[4] 馮靈芝，偉熊，輝居，等.RCP情景下長江中下游地區(qū)水稻生育期內高溫事件的變化特征[J].中國農業(yè)氣象，2015，36（4）：383-392.