生态学报  2015, Vol. 35 Issue (12): 4155-4167

文章信息

沈陈华
SHEN Chenhua
气象因子对江苏省水稻单产的影响
Meteorological effects on rice yields in Jiangsu Province
生态学报, 2015, 35(12): 4155-4167
Acta Ecologica Sinica, 2015, 35(12): 4155-4167
http://dx.doi.org/10.5846/stxb201309212315

文章历史

收稿日期:2013-09-21
网络出版日期:2014-07-02
气象因子对江苏省水稻单产的影响
沈陈华     
南京师范大学地理科学学院, 南京 210046
摘要:全球气候变暖作为一个不争的客观事实,不可避免地对农业生产产生影响。针对传统多元线性回归分析方法,不能直接分析气象因子与水稻气象单产时序关系,根据1978-2010年间江苏省水稻单产数据和同期气象时序数据,研究了水稻单产的影响因素,提取了水稻气象单产;利用连续小波变换方法研究了水稻气象单产、水稻营养生长与生殖生长期间的日照时数、降水和气温等气象因子的时序变化特征;利用交叉小波和相干小波变换方法,研究了水稻营养生长与生殖生长期间气象因子与水稻气象单产间的相互影响关系。结果显示:(1)近33 a间,江苏省水稻气象单产占实际单产的比重逐渐减小,水稻生产抵御气象灾害能力逐渐增强。(2)水稻气象单产与日照时数、降水量和气温等气象因子有几乎一致的特征周期。(3)在水稻分蘖期、孕穗期与开花结实期,气象单产与日照时数、降水量和气温间的相位差关系较为复杂。水稻分蘖期日照时数的增多有利于水稻单产的增加,降水的增多导致水稻单产的下降。水稻开花结实期日照时数的增强、昼夜温差的变大有利于水稻单产的增加,夜间最低气温的上升会导致水稻单产的下降。为了应对全球气候变暖,需要进一步改变水稻种植方式,加强土地利用监管,积极开展农村土地综合整治,加强高标准基本农田建设,加大农田水利设施建设,调整作物播种期,加强气象灾害应对防范体系建设,更好地发挥生物技术在适应气候变化中的作用。
关键词江苏省    水稻单产    时序特征    气象因子    
Meteorological effects on rice yields in Jiangsu Province
SHEN Chenhua     
College of Geographical Science, Nanjing Normal University, Nanjing 210046, China
Abstract:Global warming impacts agricultural grain security production in China. We investigated the time series relationship between rice yields and meteorological factors, which are not directly analyzed using traditional multiple linear regression analysis. We obtained rice yield data from the Statistical Yearbook of Jiangsu Province and meteorological data from the China Meteorological Data Sharing Service Network for the period 1978 to 2010. We applied continuous wavelet transform, cross-wavelet and coherent-wavelet methods to analyze changes in rice yields related to meteorological factors such as sunshine hours, precipitation and temperature during rice vegetative and reproductive growth stages. Our results show that the proportion of rice yields affected by meteorological factors in Jiangsu Province decreased from 1978 to 2010 because the ability to withstand weather disasters improved. The continuous wavelet transform period characteristics of rice meteorological yields and meteorological factors such as sunshine hours, precipitation, temperature, the highest temperature, the lowest temperature,and day/night temperature difference are almost similar. Our cross-wavelet and coherent-wavelet transform analyses indicate that the phase difference relationship between rice yield and meteorological factors is complex during seedling tillering, booting development, and blossom fruiting stages. During the seedling tillering stage, an increase in sunshine hours increases rice yields, and an increase in precipitation decreases rice yields. During the blossom fruiting stage, an increasing amount of sunshine hours and large day/night temperature differences increase rice yields; small day/night temperature differences decrease rice yields. To mitigate the effects of global warming, rice cultivation procedures need to change. Land use supervision and management as well as rural land consolidation and high-standard basic farmland construction should be strengthened, farmland water conservation facilities need to be improved, and crop sowing times should be adjusted. Technological devices to predict extreme weather disasters should continue to improve and new biotechnology techniques should be implemented to ensure that rice yields are high and are not severely affected by climate change. Cross wavelet analysis methods can accurately analyze the relationship between meteorological factors and the rice yields; such analysis also helps to predict rice yield outcomes from current meteorological data. Our results enable officials in government agricultural departments to make informed decisions while implementing new agricultural policies related to the storage and harvesting of rice.
Key words: Jiangsu Province    rice yields    time series characteristic    meteorological effects    

江苏省是全国主要粮食生产基地之一,水稻是其主要粮食作物,在粮食生产中占有极其重要的地位[1]。然而,在全球气候变暖的大背景下,气候的变化使得全省水稻生产不同程度受损,水稻生长期间的洪涝、季节性干旱、夏季高温和秋季低温等气象灾害影响着水稻的产量和品质[2, 3, 4, 5, 6, 7],全省水稻产量有波动。因此,在江苏这样经济快速发展的地区,哪些因素是影响水稻单产变化的主要因素,如何应用定量分析方法研究气象因子对水稻单产变化的影响值得深入探讨[8]

目前,关于气候变化对农业生产影响及对策方面的研究成果相对较多。程勇翔等分析了中国水稻生产的时空动态分析特征,认为市场机制的调控和技术进步是目前影响中国水稻时空变化的两个主要因素[9]。许信旺等利用统计分析法研究了安徽省气候变化对水稻生产的影响,提出了相应的应对策略[10]。吴杏春等从CO2含量增加、紫外辐射增强、气温升高等角度,阐述了未来气候变化对福建省水稻生产的影响[11]。矫江等研究了气候变暖对黑龙江省水稻低温冷害、春季干旱、高温热害和病虫草害的影响[12]。孙秀芬等用统计分析法分析温度和降水对云南玉溪水稻生产的影响[13]。张宇等利用数值模拟方法研究了气候变暖对我国水稻生产可能的影响[14, 15]。这些已经取得的研究结果对把握水稻生产规律具有重要的理论意义和实践意义。然而,在众多的研究成果中,大多采用多元线性分析方法研究水稻单产与气象数据间的关系,没有考虑时序数据自身存在的自相关性,直接使用实际单产替代粮食气象单产。因此,本文基于1978—2010年间的江苏省统计年鉴资料和同期气象资料,在分析水稻实际单产的影响因素和各因素对水稻单产的影响程度基础上,利用连续小波分析方法,分析了33a间水稻气象单产与水稻营养生长、生殖生长期间的平均累计日照时数、平均累计降水量、平均日气温、平均昼夜温差、平均日最低气温和平均日最高气温距平的时序变化特征;利用交叉小波分析和相干小波分析方法,研究了水稻气象单产与日照时数、降水量、气温等气象因子间多时间尺度的相互影响。通过本研究旨在揭示江苏省水稻单产影响因素的变化规律,为制定江苏省水稻生产的优化布局、结构调整及粮食安全政策提供科学依据。

1 研究对象和研究方法 1.1 江苏省概况

江苏省辖区面积106700 km2,占全国土地总面积1.06%[8]。境内地形以平原为主,水网密布,河川纵横,长江黄金水道穿省而过。省内土地肥沃,农业生产水平较高。

1.2 数据来源

本研究中的水稻单产数据源于《江苏五十年》及《江苏省统计年鉴》。从统计年鉴中分别提取了1978—2010年间水稻总产量和种植面积,计算了水稻单位面积产量(单产)。选择水稻单产作为研究对象的原因在于:近33年来,江苏省水稻种植面积存在波动,选择单产可适当消除种植面积变化带来的影响。

本研究中的气象数据源于中国气象科学数据共享服务网(http://cdc.cma.gov.cn)。从该网取出1978—2010年间江苏省各气象台站的逐日气象资料,包括日照时数、气温、最高气温和最低气温等以及同期各台站的月平均降水量资料。

1.3 水稻单产的影响因素

作物生产是由作物、气象、土壤和栽培管理组成的综合系统。影响水稻单产的因素除上述各因素外,还包括政策因素和生产投入因素[16]

一般说来,土地质量、科技、劳动力属于生产力因素。早些年,农村青壮年劳动力农闲外出务工、农忙回来务农的情况,也基本保证了水稻生产所需的劳动力。近几年,农村土地承包经营权的流转,种田大户农业机械的使用、农业生产专业化程度的提升,也保证了水稻生产过程中劳动力的稳定投入。因此,通常情况下,生产力因素不会在短期内发生较大变化,它对水稻生产起着稳定作用,是水稻单产中趋势成分的主要影响因素。

政策因素是导致水稻单产发生周期性变化的一个原因,因为政策作用本身存在周期性。一个有利于粮食(水稻)生产的政策往往经历出台、实施、调整和退出等过程,作用效力表现为起步、发力、顶峰、减弱和衰退等,在时序上呈现周期性变化。有时,政府为了保证粮食(水稻)生产的稳定性、安全性和可续性,往往在前一政策作用效力减弱时,会出台另一新政。这些连续的政策影响着农民种粮(水稻)的积极性,必然会反映到水稻单产时序变化上。

气象因子是影响水稻单产的重要自然因素,它包括光、温、水等因子。在水稻作物营养生长和生殖生长的各阶段,适宜的光、温、水配置有利于水稻生产,表现为水稻气象单产增加;反之亦然。

因此,水稻实际单产可分解为与生产力要素相关的趋势单产、与政策因素相关的政策单产、与气象因子相关的气象单产和随机噪声。水稻实际单产可表示为[16]

式中,s为水稻实际单产(kg/hm2),st为趋势单产(kg/hm2), ss为政策单产(kg/hm2),sw为气象单产(kg/hm2),ε为噪声。

1.4 连续小波、交叉小波及相干小波分析

小波分析是建立在泛函分析、傅里叶分析、调和分析以及数值分析基础上的信号分析工具[17, 18]。本文利用连续小波分析方法研究水稻气象单产及水稻营养生长、生殖生长期间的日照时数、降水量和气温等气象因子距平的时序变化特征,利用交叉小波和相干小波分析水稻气象单产与日照时数、降水量及气温等气象因子间的相互影响。

1.4.1 连续小波变换

本文选择Morlet复数小波研究水稻气象单产与气象因子的时序变化。该小波是Gauss包络下的单频率复正弦函数,在时域和频域内具有较好的局部聚集性。Morlet复数小波函数为[18, 19]

式中,t为自变量,ω0为无量纲频率,其值通常取6。对于时间序列xb*(b* = 0,1,2,…,N-1,N为时间序列的长度),其小波变换为[18]

式中,Wb*(a,b)为小波变换系数,ψ*表示其共轭复函数,a为尺度因子,b为时间平移因子,δt为采样时间间隔。

1.4.2 交叉小波及相干小波

交叉小波和相干小波是研究两个时间序列多尺度相互关系的方法[20, 21]。交叉小波谱揭示了两时间序列在时频空间中能量共振和协方差分布规律,揭示了两序列不同时段、不同尺度上的一致性和相关性[19]。对于两个能量有限信号x(t)y(t),其交叉小波变换为[18]:

式中,Cx,y a,b 为交叉小波变换系数,它表示两个信号在时频域中存在相关性的大小,其值越大说明相关程度越密切。

交叉小波变换仅能揭示两个时间序列共同的高能量区位相关系特征,不能很好地揭示时频空间两个时间序列低能量区的位相关系特征[21]。相干小波可很好地弥补交叉小波变换的不足,可度量两者在低能量区的相关性[21]。本文运用红色噪音标准谱对连续交叉小波功率谱和小波相干谱进行显著性检验。连续小波、交叉小波和相干小波分析计算程序来自http:// www. pol. ac. uk/ home/ research/ waveletcoherence/。

1.5 数据预处理

研究象因子与水稻气象单产的相互影响时,按水稻营养生长和生殖生长的时序进行[22]。1990年后,江苏省主要种植中稻和晚粳稻等一季稻,由于全省南北纬度跨度较大,一季稻中、晚熟品种繁多,生育期长短不一,分蘖期、孕穗期和开花结实期出现的时间及间隔并不完全相同。于堃[23]和任义方[24]分析了1986—2007年间江苏省8个一季稻生长观测站的水稻生长观测资料,认为7月下旬—8月上旬是全省平均拔节—孕穗期,8月下旬—9月下旬是全省平均抽穗扬花—灌浆期。因此,参照于堃等[23, 24]分析结果,基于江苏全省水稻生产角度,本研究将水稻分蘖期定为6月中旬到7月中旬,孕穗期定为7月下旬到8月下旬,开花结实期定为9月上旬到10月底。

利用1978—2010年间的逐日气象资料,计算了全省历年水稻分蘖期、孕穗期和开花结实期的日照时数、降水量和日平均气温、昼夜温差、日最低气温和日最高气温的平均值以及各年度、各发育期不同气象因子的距平。

2 结果与分析 2.1 江苏省历年水稻单产分解

由(1)式可知,水稻实际单产由趋势单产、政策单产、气象单产和随机噪声构成。图 1给出了江苏省1978 —2010年间水稻单产的时序变化及分解结果。

自改革开放以来,江苏省水稻实际单产总体上呈不断增长态势,虽然有波动,但幅度较小。运用SPSS19对水稻实际单产与年代进行线性回归分析,结果为:F=61.08,R=0.82,R2=0.67,siga=0.00,表明线性回归可解释67%的产量信息。

图1 江苏省水稻单产时序变化图 Fig.1 The decomposition result of rice yields of Jiangsu Province from 1978 to 2010 1. 实际产量; 2. 趋势产量; 3. 政策单产; 4. 气象单产; 5. 影响因素对粮食单产贡献率
2.1.1 趋势单产

水稻实际单产的连续小波变换发现,其周期性特征不明显。利用滑动平均法(moving average) 提取水稻趋势单产,滑动窗口尺度设置为8a。

在近33年中,水稻趋势单产变化总体平稳,但存在4个增速不同的阶段,分别为1978—1987年、1988—1999年、2000—2003年和2004—2010年(图 1)。水稻趋势单产第1阶段上升速率较快,第2阶段上升速率有所减缓,第3阶段呈下降趋势,第4阶段则处于徘徊状态,出现上述情况的原因各不相同。

第1阶段(1978—1987年)主要是政策因素、科技因素和生产力投入因素共同发力使然。当时正处于改革开放初期,家庭联产承包责任制的全面实施使农村生产力得到彻底解放,农业技术与劳动力的大规模投入,使得水稻实际单产得到大幅度提升。

第2阶段(1988—1999年)的背景,一是20世纪80年代后期,乡镇企业异军突起,发展工业产生的经济效益明显优于农业,农民在解决了基本温饱后,种粮积极性有所减弱;二是化肥的过度使用,造成地力下降;这些因素导致了水稻趋势单产上升速率有所放缓。

第3阶段(2000—2003年)是江苏城镇化提速最快的阶段。大量优质农用地转用为建设用地,耕地面积持续下降。统计年鉴显示,本阶段江苏省耕地总量从1999年的5024220 hm2下降至2003年的4858340 hm2,降幅为3.3%,其中水稻种植面积由1999年的2398450 hm2减少到2003年的1840930 hm2,减幅达23.2%。

第4阶段(2004—2010年)造成水稻单产徘徊的原因是:此前稻米市场价格一直偏低,农民增产不增收的情况普遍,农民不愿意加大农业投入,大量农村劳动力进城打工。为了改变这种状况,江苏省于2004年开始实施了粮食直补、减免农业税费、提高稻谷收购价格、鼓励土地承包经营权流转、激励种田大户多种粮食等政策,以期通过一系列扶持政策稳定农业生产、提高农民种粮积极性、扭转粮食生产颓势[1],但效果不甚显著。

2.1.2 政策单产

从水稻实际单产中分离出趋势单产后,采用滑动平均法提取水稻的政策单产,滑动窗口尺度设置为4a。研究时段内有3个明显的周期,即1978—1988年、1988—2000年和2000—2010年(图 1)。第1周期的上升期与家庭联产承包责任制的实施有关,第2周期的上升期与大量增施化肥有关,第3周期则与实施粮食补贴政策有关。这说明改革开放以来,政策单产呈周期性变化,但变化强度趋弱,亦说明政策因素对水稻单产的影响作用在减弱。

2.1.3 气象单产

从水稻实际单产中分离出趋势单产、政策单产后,获得水稻气象单产。结果显示:水稻气象单产呈正负交替的周期性变化,但变化幅度在减弱。水稻气象单产变幅范围为-471—493 kg/hm2,与1978年和2000年水稻实际单产的比率在下降(图 1)。这表明江苏省的水稻生产随着生产条件、特别是排灌条件的改善,技术的进步,气象条件对水稻单产的影响程度在减弱。

2.1.4 各成分对水稻实际单产的贡献

图 1给出了水稻趋势单产、政策单产、气象单产之间比例关系[16]。可以看出,趋势单产渐趋稳定,政策单产呈周期性变化,水稻气象单产呈振荡型变化且强度在减弱。水稻实际单产中,趋势产量占主要成分,生产力要素是水稻粮食单产的主要因素。趋势产量、政策单产和气象单产对水稻实际单产的33 a平均贡献率分别为92.8%,3.9%和3.3%。

2.2 水稻气象单产与气象因子的连续小波分析

本研究利用Morlet复数小波分析了33 a间水稻气象单产与水稻分蘖期、孕穗期和开花结实期的平均累计日照时数、平均累计降水量、平均日气温、平均昼夜温差、平均日最低气温和平均日最高气温距平的时序特征,给出了相应的小波功率谱。小波功率谱反映不同时频特征的能量振荡强弱程度。

2.2.1 水稻气象单产的连续小波分析

图 2给出了水稻气象单产的小波功率谱时频分布图。粗黑线包围的范围通过了α=0.05显著性水平下红色噪音标准谱的检验(下同),细黑线为影响锥曲线[21]

图2 江苏省水稻气象单产连续小波功率谱 Fig.2 The continuous wavelet power spectrum of rice meteorological yield in Jiangsu Province from 1978 to 2010

图 2可以看出,水稻气象单产在不同年代和频率上的能量强弱分布不同。其中,在4—6 a 显著周期尺度上的能量最强,主要发生在1978—1990年;在3 a显著周期尺度上,较强的能量发生在1998—2003年;而其余年代和频率上的能量强弱分布不显著。随着时间推移,水稻气象单产的显著周期在变化,且已由长周期转变为短周期,这种显著周期的变化表明:水稻气象单产的变化频率在加快,气象单产连续丰年或连续欠年的周期在变短。

2.2.2 气象因子的连续小波分析

(1) 水稻分蘖期气象因子的连续小波变换

图 3给出了水稻分蘖期间平均累计日照时数、平均累计降水量、平均日气温、平均昼夜温差、平均日最低气温和平均日最高气温的连续小波功率谱图。

图3 水稻分蘖期日照时数、降水、气温的连续小波功率谱 Fig.3 Sunshine hours,precipitation and temperature power spectrum for continuous wavelet transform during rice seedling tillering stage 1. 日照时数; 2. 降水; 3. 日平均气温; 4. 昼夜温差; 5. 日最低气温; 6. 日最高气温

图 3可以看出,水稻分蘖期平均累计日照时数存在2—4 a显著周期,主要集中在1978—1984年间(图 3-1);平均累计降水量存在4—6 a和1—2 a的显著周期,其中,4—6 a显著周期主要集中在1985—1996年,1—2 a显著周期主要集中在1993—1994年间(图 3-2);平均日气温具有3—4 a的显著周期,主要集中在1994—2000年间(图 3-3);平均昼夜温差的显著周期大部分处于影响锥形线外,认为没有通过检验(图 3-4);平均日最低气温具有3—4 a的显著周期,主要集中在1994—1998年(图 3-5);平均日最高气温具有3—4 a的显著周期,主要集中在1995—1998年(图 3-6)。

(2) 水稻孕穗期气象因子的连续小波变换

图 4给出了水稻孕穗期的平均累计日照时数、平均累计降水量、平均日气温、平均昼夜温差、平均日最低气温和平均日最高气温距平的连续小波功率谱图。

图4 水稻孕穗期日照时数、降水量、气温的连续小波变换功率谱 Fig.4 Sunshine hours,precipitation and temperature power spectrum for continuous wavelet transform during rice booting stage

可以看出,水稻孕穗期平均累计日照时数、平均累计降水、平均日气温、平均昼夜温差、平均日最低气温和平均日最高气温等气象因子的显著周期,均没有通过α=0.05显著性水平下红色噪音标准谱的检验。

(3) 开花结实期气象因子的连续小波变换

图 5给出了水稻开花结实期的平均累计日照时数、平均累计降水、平均日气温、平均昼夜温差、平均日最低气温、平均日最高气温距平的气象因子的小波功率谱。

图5 水稻开花结实期的日照时数、降水量、气温的连续小波变换功率谱 Fig.5 Sunshine hours,precipitation and temperature power spectrum for continuous wavelet transform during rice blossom fruiting stage

图 5可以看出,开花结实期平均累计日照时数存在1 a和3—5 a的显著周期,能量较大的1 a显著周期主要集中在1985—1988年间,3—5 a显著周期主要集中在1996—2001年间,并且随着时间推移,显著周期由短周期转变为长周期(图 5-1);平均累计降水量的显著周期没有通过α=0.05显著性水平下的检验(图 5-2);平均日气温的显著周期也没有通过α=0.05显著性水平下的检验(图 5-3);平均昼夜温差具有1 a的显著周期,主要集中在1984—1986年(图 5-4);平均日最低气温具有1—2 a的显著周期,主要集中在1982—1988年(图 5-5);平均日最高气温的的显著周期落在影响锥形线外,没有通过检验(图 5-6)[21]

2.2.3 气象因子对水稻单产影响的初步分析

由波的相干特性可知,当两个波的周期相同且相位差满足一定条件时,两者间存在相干作用。当相位差为0时,两者同相变化;相位差为π时,两者反相变化;当相位差为π/2时,波的初始相位值决定了两者出现同步变化或异步反相变化。

水稻气象产量与分蘖期的累计日照时数、累计降水量、日气温、日最低和日最高气温等气象因子具有大体一致的4a显著周期。这表明,分蘖期的上述气象要素对水稻气象产量在4 a显著周期产生影响。

在水稻孕穗期,平均累计日照时数、平均累计降水量、平均日气温、平均昼夜温差、平均日最低气温和平均日最高气温等气象因子的周期成分不显著。

在水稻开花结实期,水稻气象产量与上述6种气象因子具有基本一致的2—3 a显著周期。这表明,这些气象因子对水稻气象产量能在2—3 a 显著周期上产生影响。但哪些气象因子是正影响因子、哪些是负影响因子需要进一步分析。

2.2.4 水稻气象单产与气象因子的交叉小波与相干小波分析

图 6给出了水稻气象单产与日照时数、降水量、气温等气象因子距平的交叉小波和相干小波分析结果。

在水稻分蘖期,高能量的交叉小波功率谱显示[21]:水稻气象单产与平均累计日照时数在1978—1992年间存在4—6 a共振周期,在1997—2005年间存在3—4 a共振周期,两者相位谱呈现同相位变化(图 6-1)。水稻气象单产与平均累计降水量在1980—1995年间存在4—6 a共振周期,两者相位谱呈现反相位变化(图 6-2)。水稻气象单产与平均日气温、平均昼夜温差、平均日最低气温和平均日最高气温的相位差约π/4(图 6-3图 6-6)。低能量的相干小波功率谱显示:水稻气象单产与平均昼夜温差在1985—1991年间存在4—7 a共振周期,两者位相谱呈现同相位变化(图 6-10),水稻气象单产与平均日气温(图 6-9)、平均日最低气温(图 6-11)和平均日最高气温(图 6-12)的相位差约π/4。

图6 水稻气象单产与气象因子的小波凝聚谱和位相谱 Fig.6 The cross-wavelet coherency and phase for meteorological factors and rice meteorological yield 1—6为水稻分蘖期的气象单产与气象因子距平的交叉小波变换谱;7—12为水稻分蘖期的气象单产与气象因子距平的相干小波变换;13—18为水稻孕穗期的气象单产与气象因子距平的交叉小波变换谱;19—24为水稻孕穗期的气象单产与气象因子距平的相干小波变换;25—30为水稻开花结实期的气象单产与气象因子距平的交叉小波变换谱; 31—36为水稻开花结实期的气象单产与气象因子距平的相干小波变换; 图中→表示两者同相位变化,←表示两者反向变化,↓表示两者相位差为π/2。

在水稻孕穗期,交叉小波功率谱显示:水稻气象单产与平均累计降水量在1978—1991年间存在4—6 a共振周期,两者位相差为π/4(图 6-14)。水稻气象单产与平均累计日照时数(图 6-13)、平均日气温(图 6-15)、平均日最低气温(图 6-17)和平均日最高气温(图 6-18)的相位差约π/2。低能量的相干小波功率谱显示:水稻气象单产与平均累计日照时数(图 6-19)、平均累计降水量(图 6-20)、平均日气温(图 6-21)、平均昼夜温差(图 6-22)、平均日最低气温(图 6-23)和平均日最高气温(图 6-24)的相位差约π/4—π/2。

在水稻开花结实期,交叉小波功率谱显示:水稻气象单产与平均累计日照时数在1997—2003年间存在3—4 a共振周期,两者位相谱呈现同相位变化(图 6-25)。水稻气象单产与平均昼夜温差在1997—2002年间存在3—4 a共振周期,两者位相谱呈现同相位变化(图 6-28)。水稻气象单产与平均日最低气温在1982—1988年间存在1 a共振周期,两者位相谱呈现反相位变化(图 6-29)。水稻气象单产与平均累计降水量(图 6-26)和平均最高气温(图 6-30)的相位差约π/4。低能量的相干小波功率谱显示,水稻气象单产与平均累计日照时数在1997—2010年间存在1—4 a共振周期,两者位相谱呈现同相位变化(图 6-31)。水稻气象单产与平均累计降水量(图 6-32)、平均日气温(图 6-33)、平均昼夜温差(图 6-34)、平均日最低气温(图 6-35)和平均日最高气温(图 6-36)间共振周期不同且位相差较乱。

上述结果进一步分析表明:水稻分蘖期的日照时数与水稻气象单产呈同相位差变化,降水量与水稻气象单产则呈反相位差变化。水稻孕穗期的日照时数、降水量、气温与水稻气象单产的相位差关系复杂;在水稻开花结实期,平均累计日照时数、平均昼夜温差与水稻气象单产同步变化,平均日最低气温与水稻气象单产则反相位差变化。

水稻分蘖多少与移栽时单苗带孽数、移栽后温度高低、肥料、光照等有关[25]。光照对水稻分蘖也有重要影响,当光强降低为饱和量的50%时便严重降低分蘖数,5%时发生死蘖现象。分蘖期降水量多意味着日照偏少,易发生水涝灾害,则不利于水稻高产。孕穗期温度过高或过低,会引起高温热害或低温冷害,会导致水稻减产。水稻分蘖的最适温度气温为30—32 ℃,最高温度气温为38—40 ℃。日平均气温15—17 ℃以下时,分蘖停止。随温度的升高而分蘖加快,温度过高,易灼伤秧苗[25],适合的温度条件有利于提高水稻单产。表现为该阶段气温与水稻单产间相位关系复杂。开花结实期一般要求日平均气温在23—28 ℃之间。白天温度高,光合作用强,生产的有机物多,较高的气温促进穗粒数的增加,有利于提高水稻单产。晚上温度低,呼吸作用弱,消耗的能量少,表现为昼夜温差较大时,有利于提高水稻的单产。同时,晚上温度偏高,呼吸作用加强,消耗的能量增多,也是导致水稻单产的下降原因。

3 讨论与结论

通过对气象资料和同期水稻单产的统计分析,揭示了气候变化对江苏水稻单产的影响,得出如下结论:

(1) 自改革开放以来,江苏省的水稻实际单产可分解为趋势单产、政策单产和气象单产。趋势单产对水稻实际单产起着决定性作用,气象单产的作用正在减弱,江苏省水稻生产抗灾能力明显增强。水稻气象单产存在4—6 a和3 a的显著周期。随着时间推移,显著周期由长周期变成短周期。

(2) 水稻营养生长和生殖生长期间的日照总时数、降水总量、平均气温、平均昼夜温差、平均日最低和最高气温距平的连续小波分析结果显示,这些气象因子存在不同的显著周期。

(3) 在水稻分蘖期,气象因子对水稻单产的影响主要集中在4 a显著周期。日照时数增强有利于水稻增产,降水量增多可使水稻产量下降。在开花结实期,气象因子对水稻单产的影响主要集中在2—3 a显著周期。日照时数增多也有利于水稻产量的增加,昼夜温差变大有利于水稻增产,夜间最低温度上升会造成水稻产量下降。

在全球气候变暖背景下,气候变化致使江苏水稻产区的热量资源更加丰富,应积极采取措施,趋利避害[10]。一是加强土地利用监管,加大农村土地综合整治和高标准基本农田建设,完善农田水利基础设施建设,提供农田灌溉和给排水能力。二是改革种植制度。充分利用水稻适宜生长季开始日期提前、适宜生长期延长的特点,调整种植品种。调整水稻播种期和移栽期,减轻高温热害的影响。三是发挥生物技术在适应气候变化中的作用。选育适应气候变化的水稻新品种,大力开展抗旱涝、耐高温、抗病虫害等抗逆品种的育种研究,完善农业新技术推广与应用。四是加强农业气象预报及减灾防灾害体系建设,提高灾害预防能力,减轻气象灾害对水稻生产的影响。进一步提高农业抗御气象灾害能力,加强重大农业气象灾害的监测预测和防御技术研究,加强农业病虫害预测预报技术和综合防治技术研究。

本研究提供了一种采用小波分析的方法研究气象因子与水稻单产间时序关系影响,还存在一定的局限性。一是采用了统一的标准设置了苏南、苏中、苏北的水稻营养生长和生殖生长时间点,忽视了农业的地域特征,显得口径过粗。二是研究过程中也没有突出极端天气时气象灾害对水稻生产的影响。因此,在今后的研究工作中将着重细化全省各地水稻营养生长和生殖生长时间点,紧密联系农业生产的地域特征,研究气象灾害变化周期性变化规律,建立气象灾害对水稻、小麦等作物生产的影响模型,深入探讨气候变暖对水稻、小麦等粮食生产的影响规律。

参考文献
[1] 李裕瑞, 刘彦随, 龙花楼. 江苏省粮食生产时空变化的影响机制. 地理科学进展, 2009, 28(1): 125-131.
[2] 秦大河, 罗勇, 陈振林, 任贾文, 沈永平. 气候变化科学的最新进展- IPCC第四次评估综合报告解析. 气候变化研究进展, 2007, 3(6): 311-314.
[3] Yao F M, Xu Y L, Lin E D, Yokozawa M, Zhang J H. Assessing the impacts of climate change on rice yields in the main rice areas of China. Climatic Change, 2007, 80(3/4): 395-409.
[4] Xiong W, Conway D, Lin E D, Holman I. Potential impacts of climate change and climate variability on China's rice yield and production. Climate Research, 2009, 40(1): 23-35.
[5] Lobell D B, Asner G P. Climate and management contributions to recent trends in U.S. agricultural yields. Science, 2003, 299(5609): 1032-1032.
[6] Reilly J, Tubiello F, McCarl B, Darwin R, Fuglie K, Hollinger S, Izaurralde C, Jagtap S, Jones J, Mearns L, Ojima D, Paul E, Paustian K, Riha S, Rosenberg N, Rosenzweig C. U.S. agriculture and climate change: new results. Climatic Change, 2003, 57(1): 43-49.
[7] Pittock A B, Nix H A. The effect of change climate on Australian biomass production-a preliminary study. Climatic Change, 1986, 8(3): 243-255.
[8] 张红富, 周生路, 吴绍华, 郑光辉, 花盛, 李莉. 江苏省粮食生产时空变化及影响因素分析.自然资源学报, 2011, 26(2): 319-327.
[9] 程勇翔, 王秀珍, 郭建平, 赵艳霞, 黄敬峰. 中国水稻生产的时空动态分析. 中国农业科学, 2012, 45(17): 3473-3485.
[10] 许信旺, 孙满英, 方宇媛, 何小青, 薛芳, 付伟, 毛敏. 安徽省气候变化对水稻生产的影响及应对. 农业环境科学学报, 2011, 30(9): 1755-1763.
[11] 吴杏春, 林文雄, 郭玉春, 梁义元. 未来气候变化对福建省水稻生产的影响及其对策. 福建农业大学学报:自然科学版, 2001, 30(2): 148-152.
[12] 矫江, 许显斌, 卞景阳, 林阳生, 横责正幸, 陶福禄, 鲛岛良次, 神田英司. 气候变暖对黑龙江省水稻生产影响及对策研究. 自然灾害学报, 2008, 17(3): 41-48.
[13] 孙秀芬, 钟楚, 杨韬, 张丽蓉. 温度和降水对云南玉溪水稻生产的影响. 中国农学通报, 2013, 29(3): 121-126.
[14] 张宇, 王馥棠. 气候变暖对我国水稻生产可能影响的数值模拟试验研究. 应用气象学报, 1995, 6(A01): 19-25.
[15] 姚凤梅, 张佳华, 孙白妮, 许吟隆, 林而达, 门艳忠. 气候变化对中国南方稻区水稻产量影响的模拟和分析. 气候与环境研究, 2007, 12(5): 659-666.
[16] 尹世久, 吴林海, 张勇. 我国粮食产量波动影响因素的经验分析. 系统工程理论与实践, 2009, 20(10): 28-34.
[17] Torrence C, Compo G P. A practical guide to wavelet analysis. Bulletin of the American Meteorological Society, 1998, 79(1): 61-78.
[18] Grinsted A, Moore J C, Jevrejeva S.Application of the cross wavelet transform and wavelet coherence to geophysical time series. Nonlinear Processes in Geophysics, 2004, 11(5/6): 561-566.
[19] Yuan L W, Yu Z Y, Xie Z R. ENSO signals and their spatial-temporal variation characteristics recorded by the sea-level changes in the northwest Pacific margin during 1965-2005. Science in China: Series D, 2009, 52(6): 869-882.
[20] 苏宏新, 李广起. 基于SPEI 的北京低频干旱与气候指数关系. 生态学报, 2012, 32(17): 5467-5475.
[21] 刘占明, 陈子遷, 路剑飞, 黄强. 广东北江流域降水时空分布及其与Nino3区SST相关性分析. 自然资源学报, 2013, 28(5): 786-798.
[22] 潘敖大, 曹颖, 陈海山, 孙善磊. 近25a气候变化对江苏省粮食产量的影响. 大气科学学报, 2013, 36(2): 217-228.
[23] 于堃, 宋静, 高苹. 江苏水稻高温热害的发生规律与特征. 气象科学, 2010, 30(4): 530-533.
[24] 任义方, 高苹, 王春乙. 江苏高温热害对水稻的影响及成因分析. 自然灾害学报, 2010, 19(5): 101-107.
[25] 罗丽华, 陈桂华, 胡英, 黄璜, 肖应辉. 气象因素与早稻产量因子的相关性分析. 自然资源学报, 2010, 25(10): 1718-1726.