沙修竹， 申雙和， 陶蘇林

(1.南京信息工程大學(xué)應(yīng)用氣象學(xué)院，江蘇 南京 210044;2.氣象災(zāi)害預(yù)警預(yù)報(bào)與評(píng)估協(xié)同創(chuàng)新中心，南京信息工程大學(xué)，江蘇南京210044)

長(zhǎng)江中下游稻區(qū)以占全國(guó)19%的耕地生產(chǎn)出約占全國(guó)51%的稻谷［1］。近年來(lái)，隨著種植結(jié)構(gòu)的調(diào)整，長(zhǎng)江中下游地區(qū)雙季稻面積呈現(xiàn)下降趨勢(shì)，一季稻面積逐年上升［2］。水稻是對(duì)氣溫要求較高、對(duì)氣溫變化較敏感的作物，極端高溫會(huì)對(duì)水稻正常抽穗、開花、授粉、授精和灌漿結(jié)實(shí)造成較大影響，輕則減產(chǎn)，重則絕收［3-4］。

在國(guó)內(nèi)水稻高溫?zé)岷囟戎笜?biāo)確立方面，已有研究結(jié)果已得到廣泛認(rèn)可［5-7］。抽穗開花期是水稻生殖生長(zhǎng)最敏感時(shí)期，水稻明顯的高溫障礙可認(rèn)為在35℃。對(duì)致害高溫的持續(xù)時(shí)間，認(rèn)為日最高氣溫35℃連續(xù)3 d以上可作為水稻高溫?zé)岷χ笜?biāo)?？偨Y(jié)近年水稻高溫?zé)岷Ρ憩F(xiàn)出的危害結(jié)果，高溫?zé)岷χ饕獙?duì)正值抽穗開花階段的一季稻造成危害。

在計(jì)算水稻災(zāi)損率方面，一部分學(xué)者使用平均減產(chǎn)率表達(dá)式計(jì)算災(zāi)損率，另一部分學(xué)者采用國(guó)內(nèi)外研究較多、使用較為成熟的ORYZA系列水稻模型［8］提取災(zāi)損率。ORYZA2000模型已在不同地區(qū)進(jìn)行了驗(yàn)證和應(yīng)用［9-11］，結(jié)果表明該模型在模擬水稻葉面積、生長(zhǎng)期、生長(zhǎng)速率及生物量等方面具有較好的準(zhǔn)確性。ORYZA2000模型可為區(qū)域水稻產(chǎn)量預(yù)測(cè)、農(nóng)業(yè)水資源利用和配置提供技術(shù)手段。

本研究將以往的水稻范疇風(fēng)險(xiǎn)評(píng)估細(xì)分至一季稻，將高溫?zé)岷r(shí)段界定至抽穗開花期，將研究區(qū)域界定至一季稻種植區(qū)。本研究的重點(diǎn)在于，設(shè)定逐站逐年一季稻抽穗開花期內(nèi)有無(wú)高溫?zé)岷?種天氣的方案，該方案能夠較準(zhǔn)確表達(dá)該災(zāi)害造成的損失，利用ORYZA2000水稻模型提取逐站逐年一季稻高溫?zé)岷?zāi)損率，進(jìn)而完成一季稻高溫?zé)岷︼L(fēng)險(xiǎn)評(píng)估與區(qū)劃，為未來(lái)農(nóng)業(yè)生產(chǎn)中水稻栽培管理、防災(zāi)減災(zāi)提供科學(xué)依據(jù)。

1 材料與方法

1.1 材料

研究區(qū)域?yàn)殚L(zhǎng)江中下游地區(qū)一季稻種植區(qū)(圖1陰影部分)，該區(qū)域內(nèi)59個(gè)氣象站、40個(gè)農(nóng)業(yè)氣象站的分布見圖1。主要資料含:

(1)氣象資料。1961－2013年各氣象站逐日氣象要素，主要包括日平均溫度(℃)、日最高氣溫(℃)、日最低氣溫(℃)、降水量(mm)、水汽壓(hPa)、平均相對(duì)濕度(%)、風(fēng)速(m/s)、日照時(shí)數(shù)(h)。

(2)作物資料。1990－2011年各農(nóng)業(yè)氣象站代表地區(qū)的一季稻全生育期、出苗期、移栽期、孕穗期及抽穗開花期;1980－2011年95個(gè)縣級(jí)地區(qū)一季稻播種面積與總產(chǎn)量;江蘇興化、安徽合肥農(nóng)業(yè)試驗(yàn)站一季稻生育期、分階段生物量、栽培措施等資料，代表品種為汕優(yōu)63和中秈898。

(3)土壤資料。利用HWSD(Harmonized world soil database)世界土壤數(shù)據(jù)庫(kù)，根據(jù)各氣象站經(jīng)緯度信息提取各氣象站代表地區(qū)土壤參數(shù)，包括土壤層數(shù)、各層厚度、粘土含量和沙土含量。

1.2 方法

1.2.1 高溫?zé)岷Ρ孀R(shí)指標(biāo) 一季稻抽穗開花期高溫?zé)岷Φ燃?jí)以日最高氣溫≥35.0℃持續(xù)天數(shù)為指標(biāo)，劃分為輕度高溫?zé)岷?、中度高溫?zé)岷?、重度高溫?zé)岷?個(gè)等級(jí)［5-6］(表1)。統(tǒng)計(jì)近53年、59個(gè)氣象站逐站逐年的一季稻抽穗開花期內(nèi)高溫?zé)岷︻l次，再通過(guò)公式1、公式2分別計(jì)算以臺(tái)站為序列的Hregion(n)、以年份為序列的Htime(n)。其中，H(1)、H(2)、H(3)分別表示輕度高溫?zé)岷?、中度高溫?zé)岷?、重度度高溫?zé)岷Φ陌l(fā)生次數(shù)。

圖1 長(zhǎng)江中下游一季稻種植區(qū)氣象站分布(a)、農(nóng)業(yè)氣象站分布(b)Fig.1 Locations of meteorological stations(a)and agrometeorological stations(b)in the single-season rice plant areas of the Middle and Lower Yangtze river

表1 一季稻抽穗開花期高溫?zé)岷Φ燃?jí)指標(biāo)Table 1 Indicators of single-season rice heat injury grades during flowering

1.2.2 小波分析法 本研究選用 Morlet小波［12-15］分析一季稻高溫?zé)岷r(shí)頻分布特征。根據(jù)Morlet小波函數(shù)(公式3)，作出高溫?zé)岷Πl(fā)生頻次的二維小波系數(shù)等值線圖，獲得其在不同時(shí)段、不同時(shí)間尺度下的變化特征。將小波方差(公式4)［16］隨尺度變化過(guò)程繪制成小波方差變化圖，以反映Htime(n)時(shí)間序列波動(dòng)能量隨尺度的分布情況，通過(guò)該圖可確定一個(gè)在Htime(n)時(shí)間序列中起主要作用的周期成分。小波方差圖能反映高溫?zé)岷︻l次隨年際尺度的分布情況，以確定整個(gè)時(shí)域內(nèi)頻次發(fā)生的主周期。

式中，t為時(shí)間，C為常數(shù)，ψ(t)為基本小波或母小波;a為頻率參數(shù)，b為時(shí)間參數(shù)，Wf(a，b)為小波變化系數(shù)，Var(a)為小波方差。

1.2.3 高溫?zé)岷p失率估算 一季稻抽穗開花期高溫?zé)岷Φ臑?zāi)損率通過(guò)ORYZA2000水稻模型模擬獲得。根據(jù)災(zāi)害辨識(shí)結(jié)果，使用高溫替換天氣數(shù)據(jù)(抽穗開花期內(nèi)引起高溫?zé)岷Φ娜兆罡邭鉁靥鎿Q成對(duì)應(yīng)時(shí)段的多年均值)模擬常年產(chǎn)量，同時(shí)認(rèn)為使用實(shí)際天氣數(shù)據(jù)模擬的產(chǎn)量為高溫?zé)岷κ転?zāi)產(chǎn)量，2種產(chǎn)量的差值為氣象產(chǎn)量，氣象產(chǎn)量占趨勢(shì)產(chǎn)量的比例即該災(zāi)種災(zāi)損率。模型提取災(zāi)損率步驟如圖2。

1.2.4 災(zāi)害風(fēng)險(xiǎn)評(píng)估模型 區(qū)域自然災(zāi)害風(fēng)險(xiǎn)形成機(jī)制應(yīng)由3個(gè)因素綜合構(gòu)成，包括自然災(zāi)害的危險(xiǎn)性、承災(zāi)體的暴露性及承災(zāi)體的脆弱性或易損性。該研究考慮一季稻高溫?zé)岷︼L(fēng)險(xiǎn)由災(zāi)害發(fā)生概率、種植率、災(zāi)損率3部分組成［5］。災(zāi)害風(fēng)險(xiǎn)度由災(zāi)害風(fēng)險(xiǎn)度評(píng)估模型［公式(5)］計(jì)算。

高溫?zé)岷Πl(fā)生概率的估算基于災(zāi)害辨識(shí)結(jié)果?？紤]到氣象要素一般具備正態(tài)分布特點(diǎn)，一季稻高溫?zé)岷Πl(fā)生頻次也應(yīng)具備正態(tài)分布特征，依據(jù)正態(tài)分布密度函數(shù)及概率分布函數(shù)估算災(zāi)害發(fā)生概率。對(duì)高溫?zé)岷Πl(fā)生頻次進(jìn)行正態(tài)分布檢驗(yàn)，對(duì)不符合正態(tài)分布的序列需進(jìn)行偏態(tài)分布正態(tài)化處理，在此基礎(chǔ)上估算相應(yīng)概率［17］。

種植率的計(jì)算見公式(6)。

R為災(zāi)害風(fēng)險(xiǎn)度，P為災(zāi)害發(fā)生概率(%)，C為種植率(%)，D為災(zāi)損率(%)。S1為一季稻種植面積，S2為地區(qū)行政面積。

圖2 ORYZA2000模型提取災(zāi)損率步驟Fig.2 The process of damage rate extraction by ORYZA2000

2 結(jié)果與分析

2.1 長(zhǎng)江中下游地區(qū)一季稻抽穗開花期高溫?zé)岷︼L(fēng)險(xiǎn)辨識(shí)

2.1.1 空間分布 1961－2013年長(zhǎng)江中下游地區(qū)一季稻抽穗開花期輕度、中度、重度高溫?zé)岷臻g分布形勢(shì)見圖3。高溫?zé)岷?種強(qiáng)度分布面積比較:輕度(約70%)＞中度(約50%)＞重度(約20%)，輕度高溫?zé)岷?、中度高溫?zé)岷Α⒅囟雀邷責(zé)岷Ψ植济娣e最大省均為湖北省。

輕度高溫?zé)岷Γ壑笜?biāo) Hregion(1)∈(0.40，0.63)］的多發(fā)地區(qū)有:安徽省六安南部、安慶西部，湖北省黃岡、孝感、武漢北部、荊門東北部、天門、潛江、仙桃、恩施北部、宜昌北部，湖南省常德、湘西南部、懷化北部。其中，黃岡中部、宜昌北部、恩施北部、常德中部輕度高溫?zé)岷︻l次高達(dá) 0.50～0.63。

中度高溫?zé)岷Γ壑笜?biāo) Hregion(2)∈(0.20，0.43)］的多發(fā)地區(qū)有:安徽省六安南部、安慶西部，江西省九江中北部，湖北省孝感、武漢、黃岡、黃石、咸寧、天門、仙桃、荊州東部及西部、十堰西南部、恩施北部、宜昌北部，湖南省懷化北部、益陽(yáng)西部、婁底西部。其中，孝感東部、武漢北部、黃岡北部、荊州及咸寧交界處、恩施北部、宜昌中部中度高溫?zé)岷︻l次高達(dá)0.30 ～0.43。

重度高溫?zé)岷Γ壑笜?biāo) Hregion(3)∈(0.20，0.36)］的多發(fā)地區(qū)有:湖北省恩施北部、宜昌西北部。

圖3 1961－2013年長(zhǎng)江中下游地區(qū)一季稻抽穗開花期輕度高溫?zé)岷?a)、中度高溫?zé)岷?b)、重度高溫?zé)岷?c)空間分布Fig.3 Spatial patterns of mild(a)，moderate(b)and severe(c)heat injury for single-season rice during flowering in the Middle and Lower Yangtze river from 1961 to 2013

2.1.2 周期特征 1961－2013年長(zhǎng)江中下游地區(qū)一季稻抽穗開花期高溫?zé)岷︻l次的小波方差見圖4a，由圖4a可知，28年的年際尺度為最大峰值，表明以28年為周期的震蕩最強(qiáng)，是高溫?zé)岷︻l次的第一主周期，整個(gè)時(shí)域內(nèi)高溫?zé)岷︻l次呈現(xiàn)“多-少-多”震蕩特征，且該年際尺度的周期性變化在整個(gè)時(shí)域表現(xiàn)穩(wěn)定，小波系數(shù)等值線在2013年以后趨于閉合，即高溫?zé)岷︻l次將減少。10年和47年分別是高溫?zé)岷︻l次的第2主周期和第3主周期。高溫?zé)岷︻l次的小波時(shí)頻分布見圖4b，存在顯著周期性變化的年際尺度與小波方差分析結(jié)果一致。

圖4 1961－2013年長(zhǎng)江中下游地區(qū)一季稻抽穗開花期高溫?zé)岷︻l次的小波方差(a)、小波變換時(shí)頻分布(b)Fig.4 Wavelet variance(a)and wavelet analysis(b)of single-season rice heat injury during flowering in the Middle and Lower Yangtze river from 1961 to 2013

2.2 長(zhǎng)江中下游地區(qū)一季稻高溫?zé)岷?zāi)損率

2.2.1 空間分布 1961－2013年長(zhǎng)江中下游地區(qū)一季稻高溫?zé)岷?zāi)損率的空間分布見圖5，高溫?zé)岷?zāi)損率為0～5%。一季稻高溫?zé)岷?zāi)損率∈［2.0%，4.8%］的地區(qū)有:江蘇省淮安南部，浙江省紹興、金華及臺(tái)州三市交界處，浙江省杭州西南部、衢州西北部，安徽省黃山，湖南省懷化南部。其他省份或地區(qū)在該時(shí)段內(nèi)的高溫?zé)岷?zāi)損率∈［0，2%］。

圖5 1961－2013年長(zhǎng)江中下游地區(qū)一季稻高溫?zé)岷?zāi)損率的空間分布Fig.5 Spatial patterns of heat injury damage rate for singleseason rice in the Middle and Lower Yangtze river from 1961 to 2013

2.2.2 時(shí)間變化 長(zhǎng)江中下游地區(qū)一季稻高溫?zé)岷?zāi)損率時(shí)間變化如圖6。根據(jù)1961－2013年災(zāi)損率年際變化線及線性回歸趨勢(shì)線，整個(gè)時(shí)間域內(nèi)的高溫?zé)岷?zāi)損率呈現(xiàn)以1%為軸、0～2%范圍內(nèi)的反復(fù)波動(dòng)，90年代以后波動(dòng)幅度減小，且總體趨勢(shì)略有下降。

2.3 長(zhǎng)江中下游地區(qū)一季稻高溫?zé)岷︼L(fēng)險(xiǎn)區(qū)劃

1961－2013年長(zhǎng)江中下游地區(qū)一季稻高溫?zé)岷︼L(fēng)險(xiǎn)度的空間分布見圖7，高溫?zé)岷︼L(fēng)險(xiǎn)度范圍∈［0，11.6 ×10－4］。風(fēng)險(xiǎn)度∈［8.1 ×10－4，11.6 ×10－4］的地區(qū)有:湖北省孝感西部、仙桃、荊門東部及中南部、咸寧西北部，湖南省常德、益陽(yáng)、岳陽(yáng)三市交界處，安徽省六安西北部、六安與安慶交界處;風(fēng)險(xiǎn)度∈［6.0×10－4，8.0 ×10－4］的地區(qū)有:湖北省隨州中北部、黃岡中部、孝感與仙桃交界處、荊門南部、宜昌東部、荊州北部。其他省份或地區(qū)風(fēng)險(xiǎn)度∈［0，6 ×10－4］。

圖6 1961－2013長(zhǎng)江中下游地區(qū)一季稻高溫?zé)岷?zāi)損率的時(shí)間變化Fig.6 Temporal variation of heat injury damage rate for single-season rice in the Middle and Lower Yangtze river from 1961 to 2013

3 討論

一季稻抽穗開花期各強(qiáng)度高溫?zé)岷Φ目臻g分布及周期規(guī)律:分布面積為輕度＞中度＞重度，各強(qiáng)度分布面積最大的省份均為湖北省，其次為湖南省、安徽省;28年為高溫?zé)岷︻l次的第一主周期，且該周期下的高溫?zé)岷υ谖磥?lái)幾年有減少趨勢(shì)。

一季稻高溫?zé)岷?zāi)損率的時(shí)空特征:高溫災(zāi)損在六省均有發(fā)生，范圍0～5%，較高值區(qū)有江蘇省中西部、浙江省中部、安徽省東南部、湖南省西南部;以時(shí)間為序列的高溫?zé)岷?zāi)損率在0～2%范圍內(nèi)反復(fù)波動(dòng)，90年代以后波動(dòng)幅度減小，且總體趨勢(shì)略有下降。

一季稻高溫?zé)岷︼L(fēng)險(xiǎn)高值區(qū):湖北省中南部及東北部、安徽省中西部、湖南省中北部。高風(fēng)險(xiǎn)區(qū)內(nèi)一季稻抽穗開花期大多處于8月中下旬，可采取調(diào)整播種期［18］或選用耐高溫品種［19］等措施應(yīng)對(duì)高溫?zé)岷Α?/p>

高溫?zé)岷捌錇?zāi)損率的空間分布不完全一致，其原因在于，利用ORYZA2000模型提取高溫?zé)岷?zāi)損率時(shí)，ORYZA2000模型模擬產(chǎn)量受生育期長(zhǎng)短影響很大，而生育期長(zhǎng)短受積溫控制，模型中積溫的計(jì)算方法為水稻三基點(diǎn)溫度、日最高溫、日最低溫五要素構(gòu)成的非線性方程，高溫?zé)岷Φ陌l(fā)生可能會(huì)造成積溫的增多或減少兩種情況，即造成生育期增長(zhǎng)或縮短，最終造成增產(chǎn)或減產(chǎn)。

圖7 1961－2013長(zhǎng)江中下游地區(qū)一季稻高溫?zé)岷︼L(fēng)險(xiǎn)度的空間分布Fig.7 Spatial patterns of risk degree of single-season rice heat injury in the Middle and Lower Yangtze river from 1961 to 2013

湖北省為一季稻高溫?zé)岷Πl(fā)生頻次最高的區(qū)域。對(duì)于湖北一季稻或中稻高溫?zé)岷?，張方方等?8］統(tǒng)計(jì)時(shí)段為1971－2004年每年的5－9月，高溫?zé)岷ψ钪貐^(qū)為西北部;萬(wàn)素琴等［20］統(tǒng)計(jì)時(shí)段為1961－2005年每年的7月中旬到9月，高溫?zé)岷ψ钪貐^(qū)為東南部。本研究統(tǒng)計(jì)時(shí)段為1961－2013年各地一季稻抽穗開花期初日至終日，高溫?zé)岷Χ喟l(fā)區(qū)為湖北東部及西部?？梢姡煌l(fā)育時(shí)段或時(shí)長(zhǎng)的高溫?zé)岷y(tǒng)計(jì)，對(duì)水稻高溫?zé)岷Πl(fā)生規(guī)律的研究結(jié)果有一定影響。

對(duì)于長(zhǎng)江中下游地區(qū)一季稻生產(chǎn)，本研究所做的高溫?zé)岷︼L(fēng)險(xiǎn)評(píng)估界定為抽穗開花期，不包含高溫?zé)岷Υ蚊舾衅凇兴肫凇?/p>

水稻高溫?zé)岷Πl(fā)生過(guò)程復(fù)雜，而品種差異［3，18］、氣候［17］、地理?xiàng)l件［6］、栽培措施、生產(chǎn)區(qū)劃等因素的動(dòng)態(tài)變化錯(cuò)綜復(fù)雜地影響水稻高溫?zé)岷︼L(fēng)險(xiǎn)評(píng)估結(jié)果。如何最大程度將信息全面、系統(tǒng)地輸入風(fēng)險(xiǎn)評(píng)估模型是未來(lái)研究的重點(diǎn)。其中，作物模型作為模擬作物產(chǎn)量相對(duì)準(zhǔn)確的手段，仍存在尚需解決的問題:第一，模型微觀過(guò)程復(fù)雜繁多，且參數(shù)的地區(qū)性差異細(xì)化很難實(shí)現(xiàn)，很多參數(shù)難以得到，對(duì)模型的檢驗(yàn)和應(yīng)用造成嚴(yán)重限制;第二，栽培措施或生產(chǎn)技術(shù)往往不能與模型模擬過(guò)程保持一致，不能保證最終模擬結(jié)果的精確性。

［1］ 熊振民，蔡洪法.中國(guó)水稻［M］.北京:中國(guó)農(nóng)業(yè)科技出版社，1992:273-383.

［2］ 程式華，李 建.現(xiàn)代中國(guó)水稻［M］.北京:金盾出版社，2007:116-240.

［3］ 謝曉金，李秉柏，朱紅霞，等.抽穗期高溫對(duì)水稻葉片光合特性和干物質(zhì)積累的影響［J］.中國(guó)農(nóng)業(yè)氣象，2012，33(3):457-461.

［4］ 劉偉昌，張雪芬，余衛(wèi)東，等.水稻高溫?zé)岷︼L(fēng)險(xiǎn)評(píng)估方法研究［J］.氣象與環(huán)境科學(xué)，2009，32(1):33-38.

［5］ 王春乙，張雪芬，趙艷霞.農(nóng)業(yè)氣象災(zāi)害影響評(píng)估與風(fēng)險(xiǎn)評(píng)價(jià)［M］.北京:氣象出版社，2010:196-248.

［6］ 楊炳玉，申雙和，陶蘇林，等.江西省水稻高溫?zé)岷Πl(fā)生規(guī)律研究［J］.中國(guó)農(nóng)業(yè)氣象，2012，33(4):615-622.

［7］ 劉良式.植物分子遺傳學(xué)［M］.北京:科學(xué)出版社，2003.

［8］ YOUNG M D B，GOWING J W，WYSEURE G C L，et al.Parched-Thirst:development and validation of a process-based model of rainwater harvesting［J］.Agricultural Water Management，2002，55(2):121-140.

［9］ 薛昌穎，楊曉光，BAM BOUMAN，等.ORYZA2000模型模擬北京地區(qū)旱稻的適應(yīng)性初探［J］.作物學(xué)報(bào)，2005，31(12):1567-1571.

［10］韓湘云，景元書，浩 宇，等.基于田間試驗(yàn)的水稻模型ORYZA2000區(qū)域參數(shù)比較［J］.干旱氣象，2013(1):37-42.

［11］浩 宇，景元書，馬曉群，等.ORYZA2000模型模擬安徽地區(qū)不同播期水稻的適應(yīng)性分析［J］.中國(guó)農(nóng)業(yè)氣象，2013，34(4):425-433.

［12］李春暉，楊志峰.基于Morlet小波的太陽(yáng)活動(dòng)與黃河流域徑流量關(guān)系分析［J］.水資源與水工程學(xué)報(bào)，2004，15(3):1-4.

［13］ SMITH L C，TURCOTTE D L，ISACKSB C.Stream flow characterization and feature detection using a discrete wavelet transform［J］.Hydrological Processes，1998(12):233-249.

［14］ KULKARNI J R.Wavelet analysis of the association between the southern oscillation and the Indian summer monsoon［J］.International Journal of Climatology，2000(20):89-104.

［15］王文圣，丁 晶，向紅蓮.小波分析在水文學(xué)中的應(yīng)用研究及展望［J］.水科學(xué)進(jìn)展，2002，13(4):515-520.

［16］庾文武，胡鐵松，呂美朝.基于Morlet小波的ET0序列多時(shí)間尺度分析［J］.武漢大學(xué)學(xué)報(bào)，2009，42(2):182-185.

［17］楊沈斌，申雙和，趙小艷，等.氣候變化對(duì)長(zhǎng)江中下游稻區(qū)水稻產(chǎn)量的影響［J］.作物學(xué)報(bào)，2010，36(9):1519-1528.

［18］王連喜，任景全，李 琪.未來(lái)氣候變化情景下江蘇水稻高溫?zé)岷δM研究Ⅱ:孕穗－抽穗期水稻對(duì)高溫?zé)岷Φ倪m應(yīng)性分析［J］.中國(guó)農(nóng)業(yè)氣象，2014，35(2):206-213.

［19］張方方，劉安國(guó)，劉志雄.湖北省水稻高溫?zé)岷Πl(fā)生規(guī)律的初步研究［J］.現(xiàn)代農(nóng)業(yè)科學(xué)，2009，16(5):217-219.

［20］萬(wàn)素琴，陳 晨，劉志雄，等.氣候變化背景下湖北省水稻高溫?zé)岷r(shí)空分布［J］.中國(guó)農(nóng)業(yè)氣象，2009，30(S2):316-319.