冬小麦产量对气候变化响应.docVIP

气候变暖背景下安徽省冬小麦产量对气候要素变化的响应( 安1， 摘要：，构建安徽省冬小麦气候产量模型，并利用该模型算了47a来气候变对冬小麦的贡献率。冬小麦生长季内的平均气温增暖趋势明显降水量无明显变化趋势据IPCC（Intergovernmental Panel on Climate Change,IPCC），在近百年全球平均地表温度增加了0.74℃[1]。气候变暖对各部门产生了不同程度的影响，对农业的影响尤为显著，而对农作物产量可能产生的影响是科学家们十分关注的问题[2-4]。目前国内外科学家主要通过控制试验和模拟模型来预估未来气候变化对农作物产量的影响[5-10]，而针对农作物产量影响的历史分析相对较少[11-14]。一般情况下，农作物产量受两方面因素决定，一是气候因素，如日照、温度及降水等；二是非气候因素，如品种改良、技术进步、土壤、农业管理及投入等[15]。有研究表明，过去气候变化对农作物产量的影响经常被其他因素所掩盖[16-17]，特别是在技术日新月异和气候变暖同时发生的今天，如何区分两方面因素对农作物产量的影响显得尤为突出，但这方面仍是目前国内外学者争论和探讨的焦点[18-19]。我国冬小麦播种面积占小麦播种总面积的85%以上，其总产量约占小麦总产量的90％[20]。安徽省是我国冬小麦的主产区之一，近几十年来，安徽省小麦生产技术不断进步。在此背景下，如何定量估算气候变暖背景下安徽省冬小麦产量对气候要素变化的响应程度是本文研究的重点。为此，本文在前人研究的基础上，将重点探究一种新的气候产量估算方法，并将其应用于安徽省冬小麦的气候产量定量估算研究中，在此基础上定量探讨气候变暖背景下安徽省冬小麦产量对气候要素变化的响应程度，旨在为评估全球变暖对农业的影响提供区域实证依据，并为进一步研究农业适应气候变化的对策提供参考依据。1 资料与方法 1.1 资料说明 气象资料（1960－2007年）取自安徽省冬小麦主产区（沿淮淮北地区，图1）29个市县气象台站，包括冬小麦生长季的逐日温度（最低、最高、平均温度）、日照时数（安徽省仅有2个辐射观测站，因此用日照时数资料代替辐射资料）和降水资料；各地同期冬小麦单产资料取自《安徽省统计年鉴》[21]。考虑到研究区域内气候要素空间一致性较好，故采用气候要素及产量的区域平均值来综合反映产量对气候要素变化的响应。 图1 研究区域图（阴影区） Fig.1 The map of research region(the shadow region) （1） 式中：为作物实际产量，为气候产量，为趋势产量，为随机因素造成的误差，本文忽略不计。 趋势产量的分解通常采用以时间为自变量的各种线性或非线性方程估算，而气候产量则是作物产量与趋势产量的残差[24]。这种方法存在着两个问题：一、气候对产量的不利影响往往被技术进步因素所“补偿”；二、气候的有利影响往往被技术进步所“吞噬”。基于以上考虑，如果选用某个时段作为基准时段，要求该时段内农业生产水平的变化不明显或未有变化，且此时段内影响该地区小麦产量的主要气候要素未发生显著的长期变化，只存在短周期波动，这样作物产量的波动主要是由气候因素所导致的。目前已有学者进行了这方面的研究[25-26]，但在选取基准时段时，主观性较强，且忽视了作物产量形成往往是某个或某几个生长阶段内的某个或某几个气候要素共同在起作用。为此本文提出一种气候产量的改进算法，以期对上述问题加以解决。 首先，采用曼－肯德尔法（Mann-Kendall）确定安徽省冬小麦产量的突变点，作为基准时段的分界点。Mann-Kendall趋势检验法是一种非参数趋势检验法[27]，其优点不仅计算简便，而且可以明确突变开始时间，并指出突变区域，适合于非正态分布数据的非线性趋势检验，目前已广泛应用多个研究领域[28-29]。 其次，确定冬小麦生育期内（10月－次年6月）影响产量形成的关键期及关键因子。为此，将冬小麦生育期分为8个生育阶段（表1）。然后利用每个阶段的最高温度、最低温度、平均温度、日照时数及降水量资料，共40个气候要素（8×5）与产量进行相关分析，从中提取影响产量形成的关键期及关键因子。最终通过公式（2）来构建气候产量估算模型： （2）式中：为气候产量，表示基准时段内当年与前一年的实际产量差值；为选取的气候要素（i=1,2,…,40）；为选取的气候要素变化值，表示基准时段内当年与前一年的气候要素差值；为该气候要素的气候产量贡献系数。为消除不同气候要素量纲对建模带来的可能影响，对各气候要素值采用归一化处理，其值范围为[-0.5,0.5]，方法