影响江苏省水稻产量的极端降水时空分析外文翻译资料

英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

影响江苏省水稻产量的极端降水时空分析

黄进 A. R. M. Towfiqul Islam张方敏 胡正华

收到：2017年1月2日/修订：2017年4月27日/接受：2017年4月29日

摘要：随着气象灾害风险的增加，分析极端降水及其对水稻生产的时空变化的可能影响具有重要意义，尤其是在中国东南部的江苏。本研究采用MannKendall趋势检验、Pettitts test和K-均值聚类方法探讨了水稻产量与极端降水的关系。本研究利用了江苏省52个气象站1961—2012年逐日降水资料和水稻产量资料，采用了10个水稻生长季极端降水指数（5—10月）。主要结果如下：（1）相关分析结果表明：7月、8月和10月降水极值的出现，对水稻产量有显著的不利影响；（2）7月份7天最大降水量以及8月份和10月份的降雨天数应作为降雨诱发水稻气象灾害的三个关键指标；（3）多数站点7月份7天最大降水量和8月降雨日数呈上升趋势，而所有站点10月降雨日数呈下降趋势。此外，江苏省在三个关键指标上可划分为南北两个时间变化不同的主要次区域。

关键词：时空变化；极端降水；水稻；江苏；中国。

引言：

极端降水是全球气候研究日益关注的问题(Beharry等，2015）。近几十年来，极端降水量的变化越来越受到关注，因为这些变化导致洪水或干旱事件，造成农业生产力的损失，并对文化、社会和经济生活产生重大影响(De Lima等，2015）。由于近年气候变暖，极端降水现象比以往任何时候都更加频繁。此外，随着对极端气候事件定义的最新进展和发展，CCl/CLIVAR/JCOMM气候变化探测和指数专家小组(ETCCDI)向科学界发布了一套与降水有关的指数，该小组由世界气象组织(WMO)引入，在世界各地加强了对不同时间尺度降水极端变化的描述和比较（王等，2016）。IPCC(2013)报告指出，极端降水在许多地区，特别是在亚洲国家，表现出显著的变化，这引起了气象学家和相关领域专家的极大不安(刘等，2014；孙等，2013）。

人们普遍认为气候变化对作物生产的直接和间接影响的范围很广。利用经验模型研究作物产量对极端降水事件的响应越来越受到各地区的关注（Bannayan等，2011）。如Revadekar和Preethi（2012）的相关性分析表明印度很多地区在kharif水稻产量和极端降水指数之间呈现出正相关关系，他们的结果表明，适度的天气情况比暴雨和非常大的降雨事件更有利于提高产量。最近，黄等人（2016a）显示了中国内蒙古地区气候诱导的玉米产量与雨季降水极值指数之间的关系。此外，在欧洲油菜上已观测到极端降水事件在开花期谷物和种子作物的籽粒灌浆期间的有害影响（Peltonen-Sainio等，2010）。总的来说，以前的研究表明了这种气候变化的反应因作物和地区而异（刘等，2014）。

水稻（亚洲栽培稻）是世界一半以上人口最重要的食物之一，并且中国是世界上最大的稻米生产国。研究区（江苏省）位于中国东南部的长江中下游流域，对该国的经济发展和农业环境保护起着至关重要的作用。江苏的水稻产量在全国所有省份中居前五位（黄等，2016b）。从该国的粮食安全角度来看，该省在水稻生产力方面发挥着重要作用。然而，江苏降水极值的综合时空变化及其对水稻生产力的影响研究较少。鉴于这种情况，本文的目的是详细研究江苏省降水极值的变化特征及其对水稻产量的可能影响。

研究区域和数据：

研究地点（江苏省）位于中国东南部，在纬度113°-119°E和经度24°-31°N之间，沿长江中下游流域南岸。研究区位于亚热带到温带的过渡带，该省经历典型的季风气候。年平均气温17°C，年平均降水量1200到1900mm之间。江苏省的无霜期为240至330d。江苏省有52个地区，在这个省，单季稻米是主要的种植系统。水稻一般在5月到10月种植。

中国江苏省1961年至2012年期间52个气象站的日降水量资料来源于江苏省气象局。降水数据的预测使用了由王和冯2013年开发的RHtestsV4软件包。每个站的日降水数据集通过均匀性测试，如图1所示。此外，52年对应于每个气象站点的52个地区的单季稻总产量数据如图1，数据收集自江苏省统计局。

方法：

极端降水指数：

ETCCDI(http://etccdi.pacificclimate.org/list_27_indices.shtml)定义了一组与降水有关的指数，并且近十年来，许多研究人员经常使用这些指数来处理极端降水（Santo等人，2014年）。在本文中，使用了10个极端降水指数（EPI），其来源列于表1。这些指数来源于水稻生长季（5月至10月）月度日降水量数据，探讨了江苏省降水极值强度，频率和持续时间的变化。

图 1 本研究中使用的气象站和位置 中国江苏省

水稻产量对EPI的响应：

在估算气候因素对水稻产量的影响之前，可能混淆的非气候因素的影响首先被删除（杨等，2015）。第一种差异和气候诱导的产量技术通常用于此类预处理过程（Lobell 2007; Revadekar和Preethi 2012）。

在第一种差分方法中，计算方程式水稻产量/ EPI（Delta;y）的时间序列的第一差异值可以写成：Delta;y=y_i-y_i-1，其中i是时间中的第i年水稻产量/ EPI系列，y_i是第i年的水稻产量，并且省略了每个时间序列中的第一个值（杨等，2015）。水稻第一差异系列的相关性可以计算产量和EPI以理解水稻的产量对降水极值的反应。

在气候诱导的产量方法中，实际作物产量可以等于管理引起的收益率和气候诱导总和的产量（EI-Maayar和Lange 2013）。管理引起的收益率是使用数学模型的年度实际产量系列的合适的结果，并且5年移动平均法被证明是更好的模拟管理诱导的江苏省水稻产量（黄等，2016b）。气候诱导的水稻产量与EPI之间的相关性可用于探讨降水极值对水稻产量的可能影响。

M-K趋势测试:

本文采用Mann-Kendall（M-K）进行单调趋势检验。它是一种广泛应用于气候时间序列分析的非参数检验（孙等，2014）。该测试的主要优点是数据不需要符合正态分布。MK测试的正Z值和负Z值分别表示增加和减少趋势。当M-K检验的绝对Z大于1.96时，趋势被认为在5％水平上具有统计学意义。

K均值聚类分析：

K-means集群经常用于聚类相邻拥有类似气候特征的气象站分为同质和不同的群体成员（Souml;nmez和Kouml;muuml;şcuuml;，2011）。

轮廓系数（SC）采用下式计算：

其中a（i）是第i个样本到同一群中的其他成员的平均距离，b（i，k）是第i个样本与第k个簇成员的平均距离。SC的范围从-1到 1，SC值越高表示越好的分类。当SC的平均值达到最大值且负值达到最小值时，获得最佳分类号（陆等，2016）。

Pettitt检验：

Pettitt（1979）开发了一种非参数检验来检测未知时间序列中平均值的变化，并且计算其统计显著性。Pettitt的测试应用于本研究，以识别观察到的极端降水时间序列中的重要变化点。Rybski和Neumann（2011）已经解释了Pettitt检验的计算细节，并且根据Pettitt检验计算出的U统计量的绝对和的最大值提供了研究期间可能的变化的位置。

表 1 在本研究中极端降水指数的定义

注意：将一天1mm的降水量设定为下雨天的开始。

适合度测试：

在本研究中，EasyFit专业软件（版本5.4）（http://www.mathwave.com）用来确定EPI系列的拟合概率分布函数（PDF）。EasyFit是一种常用的数据分析程序仿真应用程序，使PDF能够拟合样本数据，选择最佳模型，并使其做更好的决定（Atroosh和Mustafa，2012）。EasyFit提供的Kolmogorov-Smirnov（K-S）测试被认为是最广泛使用的拟合度测试，并且当K-S测试的P值达到最小值时获得最佳PDF。

结果：

水稻产量与EPI的关系：

首先，以江苏省各站点的水稻产量和EPI的区域序列计算，然后利用第一种差分方法和气候诱导产量法对水稻产量与10种EPI进行相关性分析如图2所示。有人指出，在水稻生长期（5月至10月）发现了降水极值与水稻产量之间的各种相关性。例如，水稻产量与5月和6月的大部分EPI呈正相关（图2a，b）。结果表明，降水极值发生在5月和6月，对水稻产量的不利影响较弱。而在另外4个月时，水稻产量与大多数EPI之间观察到负相关（图2c-f）。特别是在7月份，8种EPI与水稻产量呈显著负相关。同时，在8月和10月的两个月中，4个EPI与水稻产量呈显著负相关。这些结果表明，降水极值发生在7月，8月和10月，对水稻产量有显著影响。此外，气候诱导产量方法的结果与第一种差分方法很好地吻合（图2）。然而，通过使用气候诱导的产量方法发现EPI对水稻产量的负面影响在10月份并不明显（图2f）。

图 2 6个月水稻产量与EPI的相关性，包括5月（a），6月（b），7月（c），8月（d），9月（e），10月（f）省级（灰色条形：相关性） 使用第一种不同方法计算;青色条：使用气候诱导产量法计算的相关性;单个星号表示相关系数通过5％的显著性;双星号表示相关系数通过1％的显著性）线上数字颜色）

此外，水稻产量和EPI之间的相关性分析在站点的规模如图3所示。在包括7月，8月，9月和10月在内的第4个月中，有超过65％的站点中观察到水稻产量与大多数EPI之间的负相关性（图3c-f）。例如，在7月，超过15个台站显示水稻产量与5个EPI之间显著负相关（图3c）。同样，在8月和10月，超过15个站显示最大值，EPI和水稻产量之间显著负相关（图3d，f）。水稻产量与产量相关的月差异EPI也是从气候诱导的产量方法中获得的（图3g-l）。相比之下，一些使用气候诱导的产量方法计算显著性负相关的站略低于使用第一种差分方法的负相关计算。总体而言，水稻产量与EPI水平的相关性分析显示与省级结果一致（图2）。这些研究结果证实，降水极值发生在7月，8月和10月，对江苏省产量适应起主导作用。

值得一提的是，不同的EPI对于描绘包括7月，8月和10月在内的水稻关键生长期极端降水的负面影响具有不同的适用性。在省级范围内，显著性水平为1％的情况下，7月的PI8（7天最大降水量）（PI8_Jul）以及8月和10月的PI2（雨天数）（PI2_Aug和PI2_Oct）被视为显示极端降水极值的最佳指标。此外，水稻产量与PI8_Jul，PI2_Aug和PI2_Oct之间存在显著负相关的台站数量在各自的月份达到最大水平。因此，PI2_Jul，PI2_Aug和PI2_Oct是收益率波动的三个关键指标。在第一种差分方法的基础上，水稻产量与各站间三个关键指标的相关性空间分布如图4所示。从图4中可以看出，相关结果显示出轻微的空间异质性。有人指出，较低的负值表明水稻产量对降水极值的敏感性较高。江苏省东北部和中西部地区可归类为PI8_Jul的敏感区域（图4a）。在PI2_Aug的情况下，敏感区域主要位于西北和东南区（图4b）。同样地，对于PI2_Oct，在江苏省的西北部和东南部观察到敏感区域（图4c）。

图 3所有台站水稻产

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18831]，资料为PDF文档或Word文档，PDF文档可免费转换为Word