陶蘇林，申雙和**，李雨鴻，高　蘋(píng)（.氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心/江蘇省農(nóng)業(yè)氣象重點(diǎn)實(shí)驗(yàn)室/南京信息工程大學(xué)應(yīng)用氣象學(xué)院，南京 0044；.遼寧省氣象科學(xué)研究所，沈陽(yáng) 066；.江蘇省氣象服務(wù)中心，南京 0008）

?

氣候模擬數(shù)據(jù)訂正方法在作物氣候生產(chǎn)潛力預(yù)估中的應(yīng)用
——以江蘇冬小麥為例*

陶蘇林1，申雙和1**，李雨鴻2，高蘋(píng)3
（1.氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心/江蘇省農(nóng)業(yè)氣象重點(diǎn)實(shí)驗(yàn)室/南京信息工程大學(xué)應(yīng)用氣象學(xué)院，南京 210044；2.遼寧省氣象科學(xué)研究所，沈陽(yáng) 110166；3.江蘇省氣象服務(wù)中心，南京 210008）

摘要：利用全球氣候模式BCC_CSM1.1（Beijing Climate Center Climate System Model version 1.1），耦合區(qū)域氣候模式RegCM4（Regional Climate Model version 4）輸出的1961-1990年（基準(zhǔn)時(shí)段）氣候模擬數(shù)據(jù)，并根據(jù)同期實(shí)測(cè)資料，確定模擬值和實(shí)測(cè)值之間的非線性傳遞函數(shù)與方差訂正參數(shù)，構(gòu)建氣候模擬數(shù)據(jù)的誤差訂正模型。利用1991-2005年（驗(yàn)證時(shí)段）模擬數(shù)據(jù)與實(shí)測(cè)資料驗(yàn)證該模型的有效性，并對(duì)RCP（Representative Concentration Pathway）情景下2021-2050年（未來(lái)時(shí)段）氣候模擬數(shù)據(jù)進(jìn)行訂正，同時(shí)通過(guò)潛力衰減方法預(yù)估未來(lái)江蘇冬小麥氣候生產(chǎn)潛力格局。結(jié)果表明：將氣候模擬數(shù)據(jù)訂正方法應(yīng)用到作物氣候生產(chǎn)潛力預(yù)估是有效的。以均值傳遞函數(shù)和方差信息建立的模型可以較好訂正江蘇逐日氣候模擬數(shù)據(jù)。訂正后的秋冬季氣溫、輻射量、蒸散量和冬春季降水量模擬偏差明顯減小。在此基礎(chǔ)上研究發(fā)現(xiàn)，冬小麥的成熟期在RCP4.5和RCP8.5情景下介于153～175和153～174，較基準(zhǔn)時(shí)段均明顯提前。兩種情景下冬小麥氣候生產(chǎn)潛力分別介于10335～14368kg·hm?2和9991～13708kg·hm?2，較基準(zhǔn)時(shí)段呈下降趨勢(shì)。其變異系數(shù)分別介于7.6%～14.6%和7.5%～13.6%，較基準(zhǔn)時(shí)段呈增大趨勢(shì)，表明江蘇冬小麥氣候生產(chǎn)潛力總體趨于不穩(wěn)定。未來(lái)時(shí)段，徐州中北部、連云港東北部、宿遷西部以及鹽城東南部冬小麥在RCP4.5和RCP8.5情景下可以保持相對(duì)較高的生產(chǎn)潛力（≥12501kg·hm?2），該省應(yīng)確保這些地區(qū)的冬小麥種植用地。研究建議，作物氣候生產(chǎn)潛力預(yù)估應(yīng)考慮利用研究區(qū)實(shí)測(cè)資料對(duì)氣候模擬數(shù)據(jù)進(jìn)行訂正，以提高預(yù)估可信度。

關(guān)鍵詞：統(tǒng)計(jì)降尺度；數(shù)據(jù)訂正；RCP4.5和RCP 8.5情景；氣候生產(chǎn)潛力

陶蘇林,申雙和,李雨鴻,等.氣候模擬數(shù)據(jù)訂正方法在作物氣候生產(chǎn)潛力預(yù)估中的應(yīng)用:以江蘇冬小麥為例[J].中國(guó)農(nóng)業(yè)氣象,2016, 37(2):174-187

江蘇省普通高校研究生科研創(chuàng)新計(jì)劃項(xiàng)目（CXZZ12_0503）；江蘇省農(nóng)業(yè)氣象重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金（JKLAM201202）

研究未來(lái)氣候變化對(duì)相關(guān)領(lǐng)域的影響有助于制定應(yīng)對(duì)措施。利用數(shù)值模式模擬輸出的氣候變量（如日最高氣溫、最低氣溫和降水量等）驅(qū)動(dòng)評(píng)估模式（如AEZ[1]、WOFOST[2]和DSSAT[3]等模型）可實(shí)現(xiàn)未來(lái)氣候變化對(duì)農(nóng)業(yè)的影響評(píng)估。該過(guò)程一般包含3個(gè)步驟：（1）選擇合適的未來(lái)氣候情景；（2）獲得對(duì)氣溫、降水等氣候變量較可信的預(yù)估結(jié)果；（3）確定評(píng)估內(nèi)容并運(yùn)用合適的評(píng)估方法。

分析未來(lái)氣候變化對(duì)農(nóng)業(yè)的影響首先需要結(jié)合氣候情景。IPCC AR5典型濃度目標(biāo)（Representative Concentration Pathways, RCPs）代表當(dāng)前關(guān)注的多種氣體的綜合情景，優(yōu)于2000年SRES方案[4]。RCPs情景以穩(wěn)定濃度為特征，包括RCP8.5、RCP6、RCP4.5 和RCP2.6共4種情景。其中RCP8.5和RCP2.6分別為高端和低端路徑，至2100年大氣CO2當(dāng)量濃度約1370×10?6和490×10?6[5-6]；RCP6和RCP4.5為中間穩(wěn)定路徑，至2100年CO2當(dāng)量濃度分別穩(wěn)定在約850 ×10?6和650×10?6，且RCP4.5的優(yōu)先性大于RCP6[5-6]。RCP4.5情景更適合中國(guó)東部地區(qū)未來(lái)發(fā)展。因?yàn)樵摰貐^(qū)有可能較先通過(guò)改善能源體系，增加電能、低排放能源技術(shù)利用、碳捕獲及地質(zhì)儲(chǔ)藏技術(shù)等實(shí)現(xiàn)限制溫室氣體排放。此外，RCP8.5情景基于人口最多、技術(shù)革新率不高、能源改善緩慢的假定，形成長(zhǎng)時(shí)間高能源需求以及高溫室氣體排放，但缺乏應(yīng)對(duì)氣候變化相應(yīng)政策[7]。該情景下的相關(guān)評(píng)估結(jié)果應(yīng)作為對(duì)比結(jié)果以供參照。

未來(lái)氣候變量的預(yù)估主要依靠大氣環(huán)流模式（General Circulation Model, GCM），并利用降尺度方法將GCM輸出的大尺度、低分辨率模擬信息轉(zhuǎn)化為區(qū)域尺度的未來(lái)氣候模擬結(jié)果[8]。動(dòng)力降尺度方法物理意義明確，以GCM輸出結(jié)果作為區(qū)域氣候模式RCM（Regional Climate Model, RCM）的初始和邊界條件，模擬更精細(xì)分辨率的物理過(guò)程，有效彌補(bǔ)GCM分辨率不足的缺陷。但該方法不可能無(wú)限提高模擬分辨率，以刻畫(huà)復(fù)雜地形等小尺度氣候細(xì)節(jié)[4,9]，同時(shí)受制于GCM輸出結(jié)果和RCM自身的不確定性，仍存在較大誤差[10-11]。氣候變量的預(yù)估結(jié)果是否可信涉及均值、極值、變率以及季節(jié)循環(huán)等方面[12]。通過(guò)改善模式物理過(guò)程和參數(shù)化方案完善數(shù)值模式來(lái)減小預(yù)估誤差的方法難度較大。

統(tǒng)計(jì)降尺度方法通過(guò)利用歷史觀測(cè)信息對(duì)模擬結(jié)果進(jìn)行統(tǒng)計(jì)訂正處理，計(jì)算量小、耗時(shí)少且簡(jiǎn)單易用。如差值法、比值法、移動(dòng)平均值等方法可以消除氣候平均值的漂移[13-14]；百分位統(tǒng)計(jì)降尺度方法可以訂正極值[4]；基于Gamma分布和正態(tài)分布概率的方法可較好訂正變率偏差[15]；以月或季為時(shí)間尺度的方法側(cè)重還原季節(jié)分布特征[12]；回歸方法則可以訂正氣候平均值和變率[16]。統(tǒng)計(jì)降尺度方法的核心是從歷史觀測(cè)資料提取盡可能多的信息以幫助訂正預(yù)估結(jié)果，但其訂正過(guò)程可能引入過(guò)多的歷史觀測(cè)信息，導(dǎo)致氣候變化預(yù)估結(jié)果訂正過(guò)度，甚至丟失模式模擬的基本信息，并且還沒(méi)有一種統(tǒng)計(jì)降尺度方法可以完全訂正所有形式的誤差。該方法的不確定性可能源自“數(shù)值模式模擬偏差不隨時(shí)間變化”和“數(shù)值模式完美地模擬出氣候變化”這兩種假設(shè)。而研究農(nóng)業(yè)應(yīng)對(duì)未來(lái)氣候變化還應(yīng)注意：（1）氣候因子的逐日變化對(duì)作物生長(zhǎng)發(fā)育影響很大；（2）數(shù)值模式對(duì)冬季增溫的預(yù)估準(zhǔn)確性對(duì)越冬作物研究很重要。以年或季為時(shí)間尺度的統(tǒng)計(jì)降尺度方法還不能提供十分可信的氣候預(yù)估結(jié)果以滿足這種需求。將時(shí)間尺度縮至月或日應(yīng)當(dāng)可以克服這些局限。對(duì)于作物研究而言，旬尺度的氣候變量變化特征十分重要。因此利用旬尺度信息建立誤差訂正模型是必要的。

研究未來(lái)氣候變化情景下作物生產(chǎn)潛力格局是評(píng)估未來(lái)氣候變化對(duì)農(nóng)業(yè)影響的重要內(nèi)容，由此可以了解土地生產(chǎn)力和糧食安全保障能力。氣候的波動(dòng)或變化，光、熱、水匹配的農(nóng)業(yè)氣候資源亦發(fā)生相應(yīng)變化。光照、溫度和水分等對(duì)農(nóng)業(yè)生產(chǎn)的影響并非相互獨(dú)立，其中一個(gè)因子達(dá)到作物生長(zhǎng)最優(yōu)條件也未必能實(shí)現(xiàn)增產(chǎn)[17]。氣候生產(chǎn)潛力是指作物品種、土壤條件和田間管理制度等因素均達(dá)作物生長(zhǎng)最優(yōu)狀態(tài)，研究區(qū)光溫水共同決定的單位面積理論最高產(chǎn)量[18]。其估算常采用潛力衰減法對(duì)光合生產(chǎn)潛力進(jìn)行溫度訂正和水分訂正[19]。部分研究表明歷史氣候波動(dòng)使作物氣候生產(chǎn)潛力降低[1, 20-21]，主要影響因素是降水減少，并且旱地氣候生產(chǎn)潛力較水田減少更多[22]。有關(guān)未來(lái)氣候變化情景下的作物生產(chǎn)潛力的研究報(bào)道不多。已有研究發(fā)現(xiàn)，作物氣候生產(chǎn)潛力主要呈增加趨勢(shì)[23-25]。然而，氣候生產(chǎn)潛力在空間上呈現(xiàn)明顯的區(qū)域分異[1,25]。形成這種差異的可能原因，一是局地氣候變化與全球趨勢(shì)可能出現(xiàn)不一致；二是不同地區(qū)氣溫、降水等氣候變量變化趨勢(shì)和程度時(shí)空格局不同。不同地區(qū)、不同作物生產(chǎn)潛力對(duì)不同氣候變化情景的響應(yīng)值得深入探究。

本文選擇RCP4.5和RCP8.5氣候情景，并利用基于氣候要素平均值傳遞函數(shù)與方差信息的誤差訂正方法，對(duì)全球氣候模式BCC_CSM1.1驅(qū)動(dòng)區(qū)域氣候模式RegCM4模擬的RCP情景下未來(lái)時(shí)段（2021-2050年）逐日資料進(jìn)行訂正。并以江蘇冬小麥為例，利用潛力衰減法預(yù)估2021-2050年研究區(qū)作物氣候生產(chǎn)潛力變化格局，以期為未來(lái)氣候變化對(duì)農(nóng)業(yè)影響研究以及江蘇應(yīng)對(duì)措施制定提供參考和理論依據(jù)。

1　資料與方法

1.1研究區(qū)概況

江蘇是中國(guó)經(jīng)濟(jì)與農(nóng)業(yè)大省，位于北亞熱帶與暖溫帶的過(guò)渡氣候帶，四季分明、雨熱同季、雨量集中、光照充足，農(nóng)業(yè)生產(chǎn)條件得天獨(dú)厚。冬小麥生產(chǎn)對(duì)該省糧食總產(chǎn)構(gòu)成具有重要地位和作用。1979-2007年，江蘇冬小麥播種面積從1.496×106hm2增至2.039×106hm2，總產(chǎn)占該省糧食總產(chǎn)份額從17.0%增至31.1%[26]。該省冬小麥生產(chǎn)在全國(guó)也占重要地位，其中2013年播種面積占全國(guó)總面積的8.9%，總產(chǎn)占全國(guó)產(chǎn)量的9.0%[27]。但其冬小麥生產(chǎn)面臨兩方面挑戰(zhàn)：（1）土地資源緊張[28]。非農(nóng)建設(shè)用地需求的增加和由此引致的農(nóng)用地非農(nóng)化，使高質(zhì)量農(nóng)用地比例下降。江蘇南部人均耕地資源低于北部地區(qū)，但耕地面積減少速度比北部地區(qū)更快。（2）氣候條件變化[28]。該省年平均氣溫近幾十年升高趨勢(shì)明顯，特別是2000年以來(lái)平均氣溫持續(xù)偏高。蘇北、蘇中和蘇南地區(qū)氣溫均有增長(zhǎng)，蘇南增長(zhǎng)幅度最大。夏季降水量變化相對(duì)平穩(wěn)，但20世紀(jì)90年代中后期開(kāi)始，區(qū)域變化特征明顯。氣候條件變化對(duì)該省冬小麥生產(chǎn)的影響客觀存在[8, 15]。冬小麥種植區(qū)如圖1a。

1.2資料來(lái)源

氣候情景數(shù)據(jù)[29]來(lái)源于全球氣候模式BCC_ CSM1.1驅(qū)動(dòng)區(qū)域氣候模式RegCM4，用其模擬的江蘇區(qū)域RCP4.5和RCP8.5情景下，1961-2005年以及2015-2050年逐日平均氣溫（℃）、最高氣溫（℃）、最低氣溫（℃）、降水量（mm）、風(fēng)速（m×s?1）、太陽(yáng)輻射（MJ×m?2）和蒸散量（mm）等，空間分辨率為50km×50km；氣象觀測(cè)數(shù)據(jù)為江蘇60個(gè)氣象臺(tái)站1961-2010年逐日平均氣溫（℃）、最高氣溫（℃）、最低氣溫（℃）、平均空氣相對(duì)濕度（%）、20：00-20：00降水量（mm）、平均風(fēng)速（m×s?1）和日照時(shí)數(shù)（h）等；作物數(shù)據(jù)為江蘇17個(gè)農(nóng)氣站1990-2010年冬小麥發(fā)育期資料。模擬格點(diǎn)與實(shí)測(cè)站點(diǎn)分布如圖1b、圖1c。

1.3研究方法

1.3.1氣候模擬數(shù)據(jù)訂正方法

圖1　研究區(qū)冬小麥種植區(qū)(a)、模擬格點(diǎn)(b)與實(shí)測(cè)站點(diǎn)(c)分布Fig. 1　Distribution of planting areas of winter wheat(a), grid points(b) and observation stations(c) in the study region

本文給出一種氣候情景數(shù)據(jù)訂正方法：（1）采用非線性回歸法建立模擬序列與觀測(cè)序列之間的傳遞函數(shù)；（2）采用方差放大方法將模擬結(jié)果的方差訂正至實(shí)測(cè)資料的方差水平。RegCM4模式模擬的格點(diǎn)氣溫和降水量可以與常規(guī)氣象站觀測(cè)氣溫和降水量構(gòu)成對(duì)應(yīng)序列，但輻射量和蒸散量在常規(guī)氣象站觀測(cè)中無(wú)對(duì)應(yīng)。因此，利用觀測(cè)資料，根據(jù)文獻(xiàn)[30]和文獻(xiàn)[31]分別估算逐日太陽(yáng)總輻射和蒸散量。

利用1961-1990年基準(zhǔn)時(shí)段RegCM4模型模擬結(jié)果與氣象站實(shí)測(cè)資料獲得傳遞函數(shù)系數(shù)和實(shí)測(cè)資料的方差信息，建立訂正模型。具體為：（1）將基準(zhǔn)時(shí)段RegCM4模擬的格點(diǎn)要素通過(guò)雙線性插值方法[32]內(nèi)插至相應(yīng)氣象站，形成與第m年第n旬第i日觀測(cè)要素平行的序列“o”和“s”分別表示觀測(cè)值和模擬值。（2）定義基準(zhǔn)時(shí)段第m年第n旬RegCM4模擬結(jié)果的平均值為自變量Xs( m,n)，第m年第n旬觀測(cè)資料的平均值為因變量Xo( m,n)，建立以下傳遞函數(shù)。

式中，k為旬日數(shù)，取8、9、10或11；系數(shù)c1、c2與c3通過(guò)最小二乘法[33]估計(jì)獲得。（3）將待訂正要素插值至氣象站形成序列xi，對(duì)其進(jìn)行均值訂正。

1.3.2冬小麥生育期劃分依據(jù)

考慮溫度對(duì)冬小麥生長(zhǎng)發(fā)育的主導(dǎo)作用，以有效積溫的相對(duì)積累表示發(fā)育階段[34]，即

式中，Dt為t時(shí)刻冬小麥發(fā)育階段；Δt為時(shí)間步長(zhǎng)；TSUMj為完成第j發(fā)育階段所需總有效積溫（℃×d），j= 1為出苗至開(kāi)花階段，j= 2為開(kāi)花-成熟階段；Tei為第i天有效溫度（℃）。

式中，T為日平均氣溫（℃）；Tb和Tm分別為冬小麥發(fā)育下限溫度和上限溫度（℃），并取Tb= 3.0℃、Tm= 32.0℃。定義出苗期D為0，開(kāi)花期D為1，成熟期D為2，其余發(fā)育期RDS以[0,2]區(qū)間實(shí)數(shù)表示。當(dāng)有效積溫達(dá)到完成某個(gè)發(fā)育期所需積溫，則該生育期結(jié)束，進(jìn)入下一個(gè)生長(zhǎng)發(fā)育階段。以1990-2010年實(shí)測(cè)出苗期、開(kāi)花期和成熟期與同期氣象資料確定冬小麥播種至出苗所需積溫、出苗-開(kāi)花階段積溫和開(kāi)花-成熟階段積溫，以實(shí)測(cè)冬小麥播種期為平均播期，確定基準(zhǔn)時(shí)段與未來(lái)時(shí)段冬小麥成熟期。

1.3.3氣候生產(chǎn)力估算模型

冬小麥氣候生產(chǎn)潛力估算模型基于潛力衰減方法建立[35]，即

式中，Yc為氣候生產(chǎn)潛力（kg×hm?2）；E為理論光能利用率；CH為作物經(jīng)濟(jì)系數(shù)，取4.5×10?1[36]；h為每形成1g干物質(zhì)所需的熱量，取1.79×104J[37]； CA為作物灰分含量，取8.0×10?2[36]；ξ為光合有效輻射占總輻射的比例，取4.9×10?1[36]；α為作物反射率，取1.0×10?1[36]；β為作物群體對(duì)太陽(yáng)輻射的漏射率，取7.0×10?2[36]；γ為光飽和限制率，取5.0× 10?2[36]；ρ為作物非光合器官對(duì)太陽(yáng)輻射的無(wú)效吸收，取1.0×10?1[36]；ω為作物呼吸損耗率，取3.3× 10?1[36]；φ為量子轉(zhuǎn)化效率，取2.2×10?1[36]；?Q為作物生長(zhǎng)季內(nèi)太陽(yáng)總輻射（MJ×m?2）。f( T)和f( W)分別為溫度[38]和水分[35]影響訂正函數(shù)。

式中，T為日平均氣溫（℃）；P為降水量（mm）；Kc為作物系數(shù)，冬小麥全生育期取0.85[19]；ET0為參考作物蒸散量（mm）。

2　結(jié)果與分析

2.1氣候模擬數(shù)據(jù)的訂正

2.1.1訂正模型

訂正模型（4）-模型（6）由均值和方差訂正構(gòu)成。以南京站1月上旬逐日平均氣溫訂正為例：（1）利用1961-1990年RegCM4模擬結(jié)果和實(shí)測(cè)資料，計(jì)算該站逐年1月上旬平均氣溫，形成容量為30的模擬序列和觀測(cè)序列；（2）以觀測(cè)序列為因變量、模擬序列為自變量進(jìn)行回歸分析，得到該站1月上旬關(guān)于平均氣溫的回歸系數(shù)c1、c2和c3（表1）；（3）將回歸系數(shù)代入模型（4），建立傳遞函數(shù)，對(duì)該旬逐日模擬結(jié)果進(jìn)行均值訂正；（4）利用實(shí)測(cè)資料計(jì)算逐年1月上旬平均氣溫的方差，并以其30a平均值代入模型（5）、模型（6）進(jìn)行方差訂正。該旬逐日平均氣溫訂正模型為

表1　南京逐旬平均氣溫傳遞函數(shù)系數(shù)Table 1　Coefficients of transfer function for average temperature of every ten-day in Nanjing

其中

2.1.2模型驗(yàn)證

建立訂正模型需要各測(cè)站各要素逐旬回歸系數(shù)c1、c2和c3以及多年平均方差。利用這些信息以及1991-2005年數(shù)據(jù)驗(yàn)證訂正模型（4）-模型（6）的有效性：（1）將1991-2005年氣候模擬數(shù)據(jù)插值至60個(gè)氣象站點(diǎn)，形成待訂正序列；（2）根據(jù)各測(cè)站各要素逐旬回歸系數(shù)和方差參數(shù)，確立訂正模型；（3）將待訂正序列輸入該模型，以訂正驗(yàn)證時(shí)段所有年份逐日數(shù)據(jù)；（4）分別計(jì)算各測(cè)站各要素逐月氣候模擬要素與同期實(shí)測(cè)要素的相對(duì)誤差，日平均氣溫、最高氣溫和最低氣溫取月平均值，降水量、輻射量和蒸散量取月總和；（5）將這些相對(duì)誤差取全區(qū)平均獲得江蘇各要素逐月相對(duì)誤差，如圖2。

圖2　1991-2005年訂正前后氣候要素模擬值與實(shí)測(cè)值比較的相對(duì)誤差（Re）Fig. 2　Relative error(Re) of simulated climatic element and its correction compared with observation during 1991-2005

模型（4）-模型（6）可較好地訂正未來(lái)情景下的氣候模擬數(shù)據(jù)。驗(yàn)證時(shí)段模擬序列經(jīng)訂正后與同期觀測(cè)序列偏差明顯減小。訂正前RegCM4模擬的冬季和春季氣候要素值明顯高于同期實(shí)測(cè)值。秋冬季節(jié)的日平均氣溫、日最低氣溫與降水量模擬偏差尤為明顯（圖2a、c、d）。日最高氣溫、輻射量和蒸散量也有類(lèi)似偏差，但相對(duì)誤差總體低于0.6（圖2b、e、f）。訂正后的日平均氣溫、日最低氣溫以及降水模擬值與實(shí)測(cè)偏差大幅減小，冬春季節(jié)尤為突出（圖2a、c、d）。日最高氣溫、輻射量以及蒸散量模擬值經(jīng)訂正，與實(shí)測(cè)偏差也得到明顯減小，相對(duì)誤差低于0.2（圖2b、e、f）。春夏季節(jié)的日最高氣溫、降水量、輻射量和蒸散量經(jīng)訂正，與實(shí)測(cè)偏差也有一定減小。因此，本文給出的包含均值和方差訂正的方法是有效的。秋冬季節(jié)氣溫和輻射偏高、蒸散偏多以及冬春季節(jié)降水偏多的情形得以改善，冬小麥氣候生產(chǎn)潛力預(yù)估可信度也得以提高。

2.1.3氣候模擬數(shù)據(jù)訂正結(jié)果

訂正后的2021-2050年氣候要素空間格局與以往實(shí)測(cè)氣候要素分布特征[39-40]相似，江蘇年平均氣溫和最低氣溫以南部最高、北部最低（圖3a、c和圖4a、c），最高氣溫以西部最高、東部最低（圖3b、圖4b）；年降水量分布較均勻，全省差異較小（圖3d、圖4d）；年輻射量以東北部最高、西南部最低（圖3e、圖4e）；年蒸散量以西北部最高、東南部最低（圖3f、圖4f）。

RCP4.5情景下，2021-2050年揚(yáng)州、泰州和南通南部及其以南地區(qū)年平均氣溫最高，介于15.1～15.9℃（圖3a）。這些高值地區(qū)范圍在RCP8.5情景下向北擴(kuò)大至揚(yáng)州、泰州和南通中部（圖4a）。徐州東部、宿遷、淮安和鹽城東北部、連云港大部年平均氣溫最低，介于13.5～14.0℃（圖3a）。低值地區(qū)范圍在RCP8.5情景下向北略有收縮，且年平均氣溫的最低值增加了0.1℃（圖4a）。高、低值地區(qū)范圍的變化表明，RCP8.5情景下江蘇北部地區(qū)平均氣溫較RCP4.5情景有所增加。這種變化也是年平均最高氣溫與最低氣溫在兩種氣候情景下的主要差異（圖3b、c和圖4b、c）。兩種情景下年降水量≥1301mm的地區(qū)范圍相近，但RCP8.5情景下年降水量較RCP4.5情景總體減少。年降水量介于1201～1250mm以及1251～1300mm的地區(qū)范圍收縮明顯，而降水量＜1200mm的地區(qū)范圍擴(kuò)大（圖3d和圖4d）。年輻射量和蒸散量在兩種情景下的空間格局差異不大。年輻射量≥5001MJ×m?2的地區(qū)范圍在RCP8.5情景下略有收縮（圖3e和圖4e），蒸散量≥1001mm的地區(qū)范圍略有擴(kuò)大（圖3f和圖4f）。

圖3　訂正后RCP4.5情景下2021-2050年氣候要素平均值分布Fig. 3　Distribution of average value of corrected climatic element under RCP4.5 scenario during 2021-2050

圖4　訂正后RCP8.5情景下2021-2050年氣候要素平均值分布Fig. 4　Distribution of average value of corrected climatic element under RCP8.5 scenario during 2021-2050

2021-2050年，RCP8.5情景較RCP4.5情景下的氣候要素差異主要表現(xiàn)為，氣溫和蒸散量增加，降水和輻射減少，但這些差異并不明顯，與Gao等[29]對(duì)同期中國(guó)的氣候變化預(yù)估結(jié)論一致。但研究區(qū)這些氣候要素的微小變化對(duì)冬小麥未來(lái)時(shí)段生長(zhǎng)發(fā)育的影響不容忽視，本文利用模型（4）-模型（6）訂正未來(lái)氣候模擬數(shù)據(jù)的意義也在于盡可能抓住區(qū)域內(nèi)氣候要素的這些微小變化。

2.2冬小麥生育期的確定

冬小麥播種期與成熟期的確定方法：（1）假定研究區(qū)在未來(lái)時(shí)段（2021-2050年）保留現(xiàn)有作物種植制度，并以農(nóng)氣站1990-2010年冬小麥實(shí)測(cè)播種期作為基準(zhǔn)時(shí)段和未來(lái)時(shí)段的平均播種期（圖5a）；（2）利用農(nóng)氣站1990-2010年冬小麥實(shí)測(cè)播種期與成熟期以及同期氣象資料確定各站冬小麥積溫參數(shù)；（3）將平均播種期、積溫參數(shù)，代入式（7）、式（8）分別確定基準(zhǔn)時(shí)段和未來(lái)時(shí)段RCP4.5與RCP8.5情景下的冬小麥成熟期（圖5b、c、d）。

以1月1日為1，則研究區(qū)冬小麥的播期日序介于284～310。北部地區(qū)最早播種，東南部地區(qū)最晚，最晚可推遲26d（圖5a）。冬小麥在基準(zhǔn)時(shí)段的成熟期日序介于155～178。西南部和西北部冬小麥最早成熟，東部沿海地區(qū)最晚成熟，最晚可推遲23d（圖5b）。冬小麥在未來(lái)時(shí)段RCP4.5情景下的成熟期日序介于153～175，比基準(zhǔn)時(shí)段成熟期提前。成熟期日序介于166～170的地區(qū)范圍在該情景下大幅收縮，成熟期提前趨勢(shì)明顯（圖5c）。RCP8.5情景下的成熟期日序介于153～174，較RCP4.5情景又有小幅提前（圖5d）。較基準(zhǔn)時(shí)段，冬小麥在未來(lái)時(shí)段兩種情景下的成熟期最為穩(wěn)定的區(qū)域主要在江蘇西北部、西南部以及沿海地區(qū)。

2.3冬小麥氣候生產(chǎn)潛力的格局變化

江蘇冬小麥基準(zhǔn)時(shí)段（1961-1990年）的氣候生產(chǎn)潛力介于10706～14454kg·hm?2。南部地區(qū)氣候生產(chǎn)潛力最小，北部地區(qū)最大，最大潛力差為3748kg·hm?2（圖6a）。氣候生產(chǎn)潛力≥13501kg·hm?2的地區(qū)主要在徐州西北部和鹽城東南部；氣候生產(chǎn)潛力≤11500kg·hm?2的地區(qū)主要在鹽城西部、揚(yáng)州南部、泰州東南部、南通北部、南京中部、鎮(zhèn)江、常州、無(wú)錫和蘇州大部。未來(lái)時(shí)段（2021-2050年）RCP4.5情景下的冬小麥氣候生產(chǎn)潛力介于10335～ 14368kg·hm?2，與基準(zhǔn)時(shí)段相比呈下降趨勢(shì)（圖6b）。氣候生產(chǎn)潛力的最高值與最低值較基準(zhǔn)時(shí)段分別降低86kg·hm?2和371kg·hm?2。氣候生產(chǎn)潛力≥13501kg·hm?2的地區(qū)收縮至徐州西北部，≤11500kg·hm?2的地區(qū)擴(kuò)大至揚(yáng)州大部、淮安南部、鹽城北部以及連云港局部地區(qū)。RCP8.5情景下的冬小麥氣候生產(chǎn)潛力介于9991～13708kg·hm?2，下降趨勢(shì)更為明顯（圖6c）。氣候生產(chǎn)潛力的最高值與最低值較基準(zhǔn)時(shí)段分別降低746kg·hm?2和715kg·hm?2，且12501～13500kg·hm?2的地區(qū)范圍明顯縮小。

圖5　基準(zhǔn)時(shí)段（1961-1990）和未來(lái)時(shí)段（2021-2050）冬小麥播種期和不同情景下模擬成熟期的分布Fig. 5　Distribution of sowing date and maturity date (M-date) of winter wheat simulated under different scenarios during baseline (1961-1990) and future period (2021-2050)

圖6　基準(zhǔn)時(shí)段（1961-1990）和未來(lái)時(shí)段（2021-2050）不同情景下冬小麥氣候生產(chǎn)潛力模擬結(jié)果（kg·hm-2）Fig. 6　Distribution of climatic potential productivity of winter wheat simulated under different scenarios during baseline (1961-1990) and future period (2021-2050) (kg·ha-1)

由圖7a可見(jiàn)，基準(zhǔn)時(shí)段的氣候生產(chǎn)潛力變異系數(shù)介于7.0%～13.2%。變異系數(shù)≥13.1%的地區(qū)主要在徐州東南部和連云港中西部。這些地區(qū)冬小麥氣候生產(chǎn)潛力相對(duì)不穩(wěn)定。其原因可能是該地區(qū)冬春季節(jié)降水資源較不穩(wěn)定[41]。未來(lái)時(shí)段RCP4.5與RCP8.5兩種情景下的冬小麥氣候生產(chǎn)潛力變異系數(shù)均呈增大趨勢(shì)，氣候生產(chǎn)潛力趨于不穩(wěn)定。變異系數(shù)≥13.1%的地區(qū)在RCP4.5情景下向南擴(kuò)大至宿遷東部、淮安中部和東部、鹽城北部、揚(yáng)州西南部、南京東部和鎮(zhèn)江西北部；11.1%～13.0%的地區(qū)則分別向南、東、西擴(kuò)大（圖7b）。RCP8.5情景下，變異系數(shù)≥13.1%和11.1%～13.0%的地區(qū)范圍均有收縮，但在南通西北部地區(qū)形成了新的高值中心（圖7c）。

兩種情景下的變異系數(shù)與基準(zhǔn)時(shí)段對(duì)比得出，可用3類(lèi)區(qū)域表征該省未來(lái)時(shí)段冬小麥氣候生產(chǎn)潛力穩(wěn)定性變化形勢(shì)：（1）基準(zhǔn)時(shí)段相對(duì)不穩(wěn)定、未來(lái)趨于更不穩(wěn)定的區(qū)域，如連云港西北部；（2）基準(zhǔn)時(shí)段相對(duì)穩(wěn)定、未來(lái)趨于不穩(wěn)定的區(qū)域，如鹽城東北部、無(wú)錫中東部、蘇州東部；（3）基準(zhǔn)時(shí)段相對(duì)不穩(wěn)定、未來(lái)趨于穩(wěn)定的區(qū)域，如泰州西北部、揚(yáng)州東北部。另外，徐州中部、鹽城南部、南通西北部基準(zhǔn)時(shí)段冬小麥氣候生產(chǎn)潛力相對(duì)不穩(wěn)定，至未來(lái)時(shí)段RCP4.5情景下趨于穩(wěn)定，RCP8.5情景下則趨于更不穩(wěn)定；淮安南部、南京北部基準(zhǔn)時(shí)段相對(duì)不穩(wěn)定，至未來(lái)時(shí)段RCP4.5情景下趨于更不穩(wěn)定，RCP8.5情景下趨于穩(wěn)定。

圖7　基準(zhǔn)時(shí)段（1961-1990）和未來(lái)時(shí)段（2021-2050）不同情景下冬小麥氣候生產(chǎn)潛力模擬結(jié)果的變異系數(shù)（%）Fig. 7　Distribution of coefficient of variation of climatic potential productivity of winter wheat under different scenarios during baseline (1961-1990) and future period (2021-2050) (%)

圖8　未來(lái)不同情景下冬小麥氣候生產(chǎn)潛力模擬結(jié)果的年代際變化（kg·hm?2）Fig. 8　Inter-decadal variation of climatic potential productivity of winter wheat simulated under different future scenarios (kg·ha?1)

由圖8a可見(jiàn)，RCP4.5情景下，2021-2030年冬小麥氣候生產(chǎn)潛力介于10419～14439kg·hm?2，西北部地區(qū)氣候潛力較高，西南部和東北部較低。氣候生產(chǎn)潛力≥13501kg·hm?2的地區(qū)主要在徐州西北部、連云港東北部、宿遷西南部和鹽城東南部。2031-2040年冬小麥氣候生產(chǎn)潛力呈減小趨勢(shì)，介于9977～14047kg·hm?2（圖8b）。氣候生產(chǎn)潛力≥13501kg·hm?2的地區(qū)收縮至徐州中北部；≤11500kg·hm?2的地區(qū)向北、西、東擴(kuò)大。2041-2050年氣候生產(chǎn)潛力介于10401～14619kg·hm?2（圖8c）。氣候生產(chǎn)潛力≤11500kg·hm?2的地區(qū)仍然向北、向東南擴(kuò)大，表明研究區(qū)冬小麥氣候生產(chǎn)潛力進(jìn)一步減小。RCP8.5情景下3個(gè)年代氣候生產(chǎn)潛力較RCP4.5情景呈減小趨勢(shì)。氣候生產(chǎn)潛力≥13501kg·hm?2的地區(qū)自2021-2030年開(kāi)始收縮，至2041-2050年江蘇全省冬小麥氣候生產(chǎn)潛力≤13169kg·hm?2（圖8d、e、f）。

RCP4.5和RCP8.5兩種情景下，2021-2050年冬小麥氣候生產(chǎn)潛力可以保持較高水平的地區(qū)主要在徐州中北部和鹽城東南部。連云港東北部、宿遷西部冬小麥氣候生產(chǎn)潛力也有較高水平。主要是因?yàn)槎←溤绮ネ硎?，加之降水量和輻射量多、蒸散量少。這些地區(qū)有較強(qiáng)的冬小麥生產(chǎn)能力，其用地資源應(yīng)予以保證。

3　結(jié)論與討論

（1）利用實(shí)測(cè)資料對(duì)區(qū)域氣候模式模擬輸出的格點(diǎn)資料進(jìn)行訂正是必要的。這對(duì)作物生長(zhǎng)發(fā)育受氣候變化影響的研究十分重要。本文采用基于均值和方差訂正的模型訂正逐日氣候模擬數(shù)據(jù)是有效的。BCC_CSM1.1驅(qū)動(dòng)區(qū)域氣候模式RegCM4模擬的江蘇區(qū)域格點(diǎn)資料與實(shí)測(cè)資料相比，秋冬季氣溫和輻射量偏高、蒸散量偏多和冬春季降水量偏多。模型（4）-模型（6）處理后的秋冬季日平均氣溫、最低氣溫和降水量模擬偏差則明顯減小，春夏季節(jié)的日最高氣溫、降水量、輻射量和蒸散量模擬偏差也得以減小。

（2）與RCP4.5情景相比，RCP8.5情景下2021-2050年江蘇氣溫和蒸散量增加，降水量和輻射量減少。這些差異形成了該區(qū)冬小麥氣候生產(chǎn)潛力的不同分布格局。未來(lái)時(shí)段（2021-2050年），冬小麥成熟期在RCP4.5和RCP8.5情景下分別介于153～175和153～174，且與基準(zhǔn)時(shí)段（1961-1990年）相比均明顯提前。兩種情景下冬小麥氣候生產(chǎn)潛力分別介于10335～14368kg·hm?2和9991～13708kg·hm?2，較基準(zhǔn)時(shí)段呈下降趨勢(shì)。最高氣候生產(chǎn)潛力較基準(zhǔn)時(shí)段分別降低86kg·hm?2和746kg·hm?2，最低氣候生產(chǎn)潛力分別降低371kg·hm?2和715kg·hm?2，≥13501kg·hm?2的地區(qū)主要在徐州西北部。兩種情景下的氣候生產(chǎn)潛力變異系數(shù)分別介于7.6%～14.6%和7.5%～13.6%，較基準(zhǔn)時(shí)段呈增大趨勢(shì)，表明江蘇冬小麥氣候生產(chǎn)潛力總體趨于不穩(wěn)定。變異系數(shù)≥13.1%的地區(qū)主要在徐州東南部和連云港中西部，但其范圍在RCP4.5 和RCP8.5情景下均有所擴(kuò)大。未來(lái)時(shí)段，徐州中北部、連云港東北部、宿遷西部以及鹽城東南部冬小麥在RCP4.5（中間穩(wěn)定路徑）和RCP4.5（高端路徑）情景下依然可以保持相對(duì)較高的生產(chǎn)潛力（≥12501kg·hm?2）。這些地區(qū)的冬小麥種植用地應(yīng)予以保證。

本文的訂正模型基于模擬值與實(shí)測(cè)值的傳遞函數(shù)和方差信息，可以訂正模式模擬輸出的逐日資料。訂正的日平均氣溫、最高氣溫和最低氣溫優(yōu)于RegCM4直接輸出結(jié)果。降水量、輻射量和蒸散量訂正難度較大，但訂正模型處理后的結(jié)果也有較大改善。與以擾動(dòng)法[42]或變量概率分布[43]為傳遞函數(shù)的訂正方法、以模擬值與實(shí)測(cè)值之間的線性或指數(shù)關(guān)系[44]為傳遞函數(shù)的訂正方法、百分位統(tǒng)計(jì)降尺度方法[4]等相比，該方法可以同時(shí)訂正模式模擬結(jié)果的平均值和方差漂移，意義明確、方法簡(jiǎn)單且效果明顯。但該方案的不足在于假定模式與實(shí)測(cè)變量的方差不隨時(shí)間變化，并且其訂正效果受限于每一旬內(nèi)模擬序列與觀測(cè)序列平均值的關(guān)聯(lián)性。因此，建立以月為時(shí)間窗口（不建議以季為時(shí)間窗口）確定平均值傳遞函數(shù)，其訂正效果可能更優(yōu)。

預(yù)估江蘇冬小麥在未來(lái)情景下的氣候生產(chǎn)潛力可以幫助制定未來(lái)氣候變化的應(yīng)對(duì)措施?；鶞?zhǔn)時(shí)段作為歷史參照，期間的氣候生產(chǎn)潛力估算結(jié)果準(zhǔn)確性尤為重要。與趙俊芳等[25]估算的江蘇中北部地區(qū)冬小麥氣候生產(chǎn)潛力（6001～11000kg·hm?2）相比，本文估算的氣候生產(chǎn)潛力偏高。但其最低值（10706kg·hm?2）與許艷等[45]估算的江蘇沿海地區(qū)冬小麥氣候生產(chǎn)潛力最低值（10954kg·hm?2）相當(dāng)，最高值（14454kg·hm?2）則與田展等[1]估算的江蘇區(qū)域小麥氣候生產(chǎn)潛力最高值（13089kg·hm?2）接近。目前關(guān)于未來(lái)氣候變化背景下江蘇冬小麥氣候生產(chǎn)潛力的研究報(bào)道很少。趙俊芳等[25]關(guān)于黃淮海地區(qū)的研究包括了江蘇中北部地區(qū)。該地區(qū)冬小麥在B2情景下2021-2050年氣候生產(chǎn)潛力較1961-1990年總體呈增加趨勢(shì)，與本文估算結(jié)果相反。其原因可能是氣候情景、氣候模式以及模擬數(shù)據(jù)訂正方法的差異。

本文估算結(jié)果的不確定性主要源自：（1）氣候變化情景的不確定性。未來(lái)社會(huì)經(jīng)濟(jì)、環(huán)境變化、土地利用變化和技術(shù)進(jìn)步等非氣候情景還不能準(zhǔn)確描述。而在目前科技水平下，氣候系統(tǒng)對(duì)溫室氣體濃度升高的反應(yīng)還不能厘清，并且天氣系統(tǒng)自身也高度復(fù)雜可變。（2）氣候生產(chǎn)潛力模型的不確定性。大氣、作物與土壤間的物質(zhì)能量交換呈高度非線性，并且氣候多因子對(duì)作物產(chǎn)量形成的影響并非相互獨(dú)立。氣象資料與模型參數(shù)的獲得又受實(shí)際觀測(cè)條件限制。應(yīng)用本文訂正方法在一定程度上降低了源自前者的不確定性水平，并且相對(duì)江蘇經(jīng)濟(jì)和社會(huì)發(fā)展水平，RCP4.5情景采納新能源等技術(shù)應(yīng)用以限制溫室氣體排放，較符合該省未來(lái)發(fā)展形勢(shì)。而豐富的氣象資料與合適的模型參數(shù)則降低了來(lái)自后者的不確定性水平。

江蘇耕地資源緊張，保持高產(chǎn)和穩(wěn)產(chǎn)對(duì)該省的冬小麥生產(chǎn)十分重要。但是未來(lái)氣候變化對(duì)農(nóng)業(yè)的影響研究，如作物氣候生產(chǎn)潛力[46]、適宜度區(qū)劃[47]等，還缺少穩(wěn)定性評(píng)估。本文關(guān)注了冬小麥氣候生產(chǎn)潛力在未來(lái)時(shí)段穩(wěn)定性變化，特別指出氣候生產(chǎn)潛力趨于不穩(wěn)定的生產(chǎn)區(qū)域。這對(duì)細(xì)化該省未來(lái)氣候變化應(yīng)對(duì)措施有較好參考。根據(jù)目前研究結(jié)果，建議江蘇在保證冬小麥種植用地前提下，同時(shí)考慮如下措施保障冬小麥生產(chǎn)：（1）適當(dāng)推遲播種期，防止冬小麥因冬季氣溫升高而過(guò)快生長(zhǎng)；（2）趁墑及時(shí)播種，避免降水量波動(dòng)帶來(lái)的不利影響；（3）充分利用該省較完善的灌溉設(shè)施，合理安排灌溉。

本文給出了一種訂正逐日氣候模擬數(shù)據(jù)的方法，并預(yù)估了未來(lái)氣候變化情景下江蘇冬小麥生產(chǎn)力。但如何選擇適合研究區(qū)的未來(lái)氣候變化情景、合理的氣候模型、恰當(dāng)?shù)挠喺椒?，尤其是如何定量評(píng)估不確定性，均有待深入研究。

參考文獻(xiàn)References

[1]田展,梁卓然,史軍,等.近50年氣候變化對(duì)中國(guó)小麥生產(chǎn)潛力的影響分析[J].中國(guó)農(nóng)學(xué)通報(bào),2013,29(9):61-69.

Tian Z,Liang Z R,Shi J,et al.Analysis of impact on China wheat potential productivity of climate change during 1961-2010[J].Chinese Agricultural Science Bulletin,2013, 29(9):61-69. (in Chinese)

[2]米娜,張玉書(shū),蔡福,等.未來(lái)氣候變化對(duì)東北地區(qū)玉米單產(chǎn)影響的模擬研究[J].干旱區(qū)資源與環(huán)境,2012,26(8):117-123.

Mi N,Zhang Y S,Cai F,et al.Modelling the impacts of future climate change on maize productivity in northeast China[J]. Journal of Arid Land Resources and Environment,2012, 26(8):117-123.(in Chinese)

[3]李劍萍,楊侃,曹寧,等.氣候變化情景下寧夏馬鈴薯單產(chǎn)變化模擬[J].中國(guó)農(nóng)業(yè)氣象,2009,30(3):407-412.

Li J P,Yang K,Cao N,et al.Simulation of changes of potato yields under different climate change scenarios in Ningxia[J]. Chinese Journal of Agrometeorology,2009,30(3):407-412.(in Chinese)

[4]劉綠柳,任國(guó)玉.百分位統(tǒng)計(jì)降尺度方法及在GCMs日降水訂正中的應(yīng)用[J].高原氣象,2012,31(3):715-722.

Liu L L,Ren G Y.Percentile statistical downscaling method and its application in the correction of GCMs daily precipitation in China[J].Plateau Meteorology,2012,31(3): 715-722.(in Chinese)

[5]Van Vuuren D P,Edmonds J,Kainuma M,et al.The representative concentration pathways:an overview[J]. Climatic Change,2011,109:5-31.

[6]王紹武,羅勇,趙宗慈.新一代溫室氣體排放情景[J].氣候變化研究進(jìn)展,2012,8(4):305-307.

Wang S W,Luo Y,Zhao Z C,et al.New generation of scenarios of greenhouse gas emission[J].Advances in Climate Change Research,2012,8(4):305-307.(in Chinese)

[7]Riahi K,Rao S,Krey V,et al.RCP8.5:a scenario of comparatively high greenhouse gas emissions[J].Climatic Change,2011, 109:33-57.

[8]劉綠柳,劉兆飛,徐宗學(xué).21世紀(jì)黃河流域上中游地區(qū)氣候變化趨勢(shì)分析[J].氣候變化研究進(jìn)展,2008,4(3):167-172.

Liu L L,Liu Z F,Xu Z X.Trends of climate change for the upper-middle reaches of the Yellow River in the 21st century[J].Advances in Climate Change Research,2008,4(3): 167-172.(in Chinese)

[9]Krysanova V,Hattermann F,Wechsung F.Implications of complexity and uncertainty for integrated modelling and impact assessment in river basins[J].Environmental Modelling & Software,2007,22(5):701-709.

[10]Nikulin G,Kjellstr?m E,Hansson U L F,et al.Evaluation and future projections of temperature, precipitation and wind extremes over Europe in an ensemble of regional climate simulations[J].Tellus A,2011,63(1):41-55.

[11]周林.區(qū)域氣候模式情景預(yù)估的統(tǒng)計(jì)釋用方法研究[D].蘭州:蘭州大學(xué),2013.

Zhou L.Statistical bias correction methods of regional climate model projection[D].Lanzhou:Lanzhou University, 2013.(in Chinese)

[12]周林,潘婕,張鐳,等.氣候模擬日降水量的統(tǒng)計(jì)誤差訂正分析:以上海為例[J].熱帶氣象學(xué)報(bào),2014,30(1):137-144.

Zhou L,Pan J,Zhang L, et al.Analysis on statistical bias correction of daily precipitation simulated by regional climate model[J].Journal of Tropical Meteorology,2014, 30(1):137-144.(in Chinese)

[13]李軍,黃敬峰,王秀珍,等.山區(qū)月平均氣溫的短序列訂正方法研究[J].浙江大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版),2005, 31(2):165-170.

Li J,Huang J F,Wang X Z,et al.Research on adjusting methods of monthly average temperature series inmountainous area[J].Journal of Zhejiang University(Agric. & Life Sci.),2005,31(2):165-170.(in Chinese)

[14]幺枕生,丁裕國(guó).氣候統(tǒng)計(jì)[M].北京:氣象出版社,1990. Yao Z S,Ding Y G.Climatological statistics[M].Beijing: China Meteorological Press,1990.(in Chinese)

[15]Yang W,Andréasson J,Graham L P,et al.Distribution-based scaling to improve usability of regional climate model projections for hydrological climate change impacts studies[J].Hydrology Research,2010,41(3-4):211-229.

[16]鄭祚芳,張秀麗,曹鴻興,等.氣候模擬數(shù)據(jù)的訂正與應(yīng)用:以北京為例[J].氣候變化研究進(jìn)展,2007,3(5):299-302.

Zheng Z F,Zhang X L,Cao H X,et al.Revision and use of simulated climate data:a case study for Beijing[J].Advances in Climate Change Research,2007,3(5):299-302.(in Chinese) [17]Blackman G E,Black J N,Kemp A W.Physiological and ecological studies in the analysis of plant environment.X:an analysis,of the effects of seasonal variation in daylight and temperature on the growth of Helianthus annuus in the vegetative phase[J].Annals of Botany,1955,19(4):527-548.

[18]龍斯玉.江蘇省農(nóng)業(yè)氣候資源生產(chǎn)潛力及區(qū)劃的研究[J].地理科學(xué),1985,5(3):218-226.

Long S Y.The survey for potential productivity of agroclimatic resources and its regionization in Jiangsu province[J].Scientia Geographica Sinica,1985,5(3):218-226. (in Chinese)

[19]王素艷,霍治國(guó),李世奎,等.中國(guó)北方冬小麥的水分虧缺與氣候生產(chǎn)潛力:近40 年來(lái)的動(dòng)態(tài)變化研究[J].自然災(zāi)害學(xué)報(bào),2003,12(1):121-130.

Wang S Y,Huo Z G,Li S K,et al.Water deficiency and climatic productive potentialities of winter wheat in north of China:study on its dynamic change in recent 40 years[J].Journal of Natural Disasters,2003,12(1):121-130.(in Chinese)

[20]羅永忠,成自勇,郭小芹.近40a甘肅省氣候生產(chǎn)潛力時(shí)空變化特征[J].生態(tài)學(xué)報(bào),2011,31(1):221-229.

Luo Y Z,Cheng Z Y,Guo X Q.The changing characteristics of potential climate productivity in Gansu province during nearly 40 years[J].Acta Ecologica Sinica,2011,31(1):221-229. (in Chinese)

[21]周廣勝.氣候變化對(duì)中國(guó)農(nóng)業(yè)生產(chǎn)影響研究展望[J].氣象與環(huán)境科學(xué),2015,38(1):80-94.

Zhou G S.Research prospect on impact of climate change on agricultural production in China[J].Meteorological and Environmental Sciences,2015,38(1):80-94.(in Chinese)

[22]韓榮青,鄭度,戴爾阜,等.中國(guó)糧食主產(chǎn)區(qū)生產(chǎn)潛力對(duì)氣候波動(dòng)響應(yīng)研究[J].資源科學(xué),2014,36(12):2611-2623.

Han R Q,Zheng D,Dai E F,et al.Response of production potential to climate fluctuation in major grain regions of China[J].Resources Science,2014,36(12):2611-2623.(in Chinese)

[23]龐艷梅,陳超,潘學(xué)標(biāo),等.未來(lái)氣候情景下四川盆地冬小麥生育期氣候資源及生產(chǎn)潛力的變化[J].中國(guó)農(nóng)業(yè)氣象, 2014,35(1):1-9.

Pang Y M,Chen C,Pan X B,et al.Change of climatic resources and potential productivity during the entire growth period of winter wheat under future climate scenario in Sichuan Basin[J].Chinese Journal of Agrometeorology, 2014,35(1):1-9.(in Chinese)

[24]龐艷梅,陳超,潘學(xué)標(biāo),等.未來(lái)氣候變化對(duì)四川盆地玉米生育期氣候資源及生產(chǎn)潛力的影響[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào),2013,21(12):1526-1536.

Pang Y M,Chen C,Pan X B,et al.Impact of future climate change on climatic resources and potential productivity of maize in Sichuan Basin[J].Chinese Journal of Eco-Agriculture, 2013,21(12):1526-1536.(in Chinese)

[25]趙俊芳,郭建平,鄔定榮,等.2011-2050年黃淮海冬小麥、夏玉米氣候生產(chǎn)潛力評(píng)價(jià)[J].應(yīng)用生態(tài)學(xué)報(bào),2011,22(12): 3189-3195.

Zhao J F,Guo J P,Wu D R,et al.Climatic potential productivity of winter wheat and summer maize in Huanghuaihai plain in 2011-2050[J].Chinese Journal of Applied Ecology,2011,22(12):3189-3195.(in Chinese)

[26]李光泗,徐建玲,李豐.江蘇省糧食增產(chǎn)制約因素及增產(chǎn)途徑分析[J].南京財(cái)經(jīng)大學(xué)學(xué)報(bào),2009,157(3):20-24.

Li G S,Xu J L,Li F.Analysis on restriction factors and approaches to increase grain production in Jiangsu province[J].Journal of Nanjing University of Finance and Economics,2009,157(3):20-24.(in Chinese)

[27]中華人民共和國(guó)國(guó)家統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒2014[M].北京:中國(guó)統(tǒng)計(jì)出版社, 2014.

National Bureau of Statistics of China.China statistical yearbook 2014[M].Beijing:China Statistics Press,2014. (in Chinese)

[28]張紅富,周生路,吳紹華.江蘇省糧食生產(chǎn)時(shí)空變化及影響因素分析[J].自然資源學(xué)報(bào),2011,26(2):319-327.

Zhang H F,Zhou S L,Wu S H,et al.Temporal and spatial variation of grain production in Jiangsu province and its influencing factors[J].Journal of Natural Resources,2011, 26(2):319-327.(in Chinese)

[29]Gao X J,Wang M L,Giorgi F.Climate change over China in the 21st century as simulated by BCC_CSM1.1-RegCM4.0[J].Atmospheric and Oceanic Science Letters, 2013,6(5):381-386.

[30]曹雯,申雙和.我國(guó)太陽(yáng)日總輻射計(jì)算方法的研究[J].南京氣象學(xué)院學(xué)報(bào),2008,31(4):587-591.

Cao W,Shen S H.Estimation of daily solar radiation in China[J].Journal of Nanjing Institute of Meteorology,2008 31(4):587-591.(in Chinese)

[31]Allen R G,Perreira L S,Raes D.Crop evapotranspiration,inFAO irrigation and drainage paper 56[M]. Rome:FAO,1998.

[32]Yuan B,Guo J,Ye M,et al.Variety distribution pattern and climatic potential productivity of spring maize in Northeast China under climate change[J].Chinese Science Bulletin,2012,57(26):3497-3508.

[33]Whittaker E T,Robinson G.The method of least squares,in the calculus of observations:a treatise on numerical mathematics(4th ed.)[M].1967,New York:Dover,209.

[34]Driessen P M,Konijn N T.Land use-system analysis[M]. Wagningen,Netherlands:Wageningen Agricultural University, 1992.

[35]王曉煜,楊曉光,孫爽,等.氣候變化背景下東北三省主要糧食作物產(chǎn)量潛力及資源利用效率比較[J].應(yīng)用生態(tài)學(xué)報(bào),2015,26(10):3091-3102.

Wang X Y,Yang X G,Sun S,et al.Comparison of potential yield and resources utilization efficiency of main food crops in three provinces of Northeast China under climate change[J].Chinese Journal of Applied Ecology,2015,26(10): 3091-3102.(in Chinese)

[36]許艷,濮勵(lì)杰,于雪,等.沿海灘涂圍墾區(qū)土地生產(chǎn)潛力模型構(gòu)建與應(yīng)用[J].地理科學(xué)進(jìn)展,2015,34(7):862-870.

Xu Y,Pu L J,Yu X,et al.Potential land productivity of the coastal reclamation zones of Rudong county,Jiangsu province[J].Progress in Geography,2015,34(7):862-870.(in Chinese)

[37]于滬寧,趙豐收.光熱資源和農(nóng)作物的光熱生產(chǎn)潛力:以河北省欒城縣為例[J].氣象學(xué)報(bào),1982,40(3):327-334.

Yu H N,Zhao F S.On the light and thermal resources and the crop potential productivity:taking Luancheng county of Hebei province as example[J].Acta Meteorologica Sinica, 1982,40(3):327-334.(in Chinese)

[38]謝云,王曉嵐,林燕.近40年中國(guó)東部地區(qū)夏秋糧作物農(nóng)業(yè)氣候生產(chǎn)潛力時(shí)空變化[J].資源科學(xué),2003,25(2): 7-13.

Xie Y,Wang X L,Lin Y.Temporal and spatial variation of climatic potential productivity for grain crops in eastern China within forty years[J].Resources Science,2003, 25(2):7-13.(in Chinese)

[39]黃愛(ài)軍.江淮地區(qū)近50年農(nóng)業(yè)氣候資源時(shí)空變化及稻麥生產(chǎn)響應(yīng)特征研究[D].南京:南京農(nóng)業(yè)大學(xué),2011.

Huang A J.The study of the evolution characteristics of agricultural climate resources and response characteristic of rice and wheat production during the last 50 years in Jianghuai region[D].Nanjing:Nanjing Agricultural University, 2011.(in Chinese)

[40]尹云鶴,吳紹洪,戴爾阜.1971-2008 年我國(guó)潛在蒸散時(shí)空演變的歸因[J].科學(xué)通報(bào),2010,55(22):2226-2234.

Yin Y H,Wu S H,Dai E F.Determining factors in potential evaportranspiration changes over China in the period 1971-2008[J].Chinese Science Bulletin,2010,55(22):2226-2234.(in Chinese)

[41]鄧自旺,周曉蘭,陳海山.江蘇降水長(zhǎng)期趨勢(shì)及年代際變化空間差異分析[J].應(yīng)用氣象學(xué)報(bào),2004,15(6):696-705.

Zheng Z W,Zhou X L,Chen H S.Spatial variation of precipitation trend and interdecadal change in Jiangsu[J]. Journal of Applied Meteorological Science,2004, 15(6):696-705.(in Chinese)

[42]石英,高學(xué)杰,吳佳,等.華北地區(qū)未來(lái)氣候變化的高分辨率數(shù)值模擬[J].應(yīng)用氣象學(xué)報(bào),2010,21(5):580-589.

Shi Y,Gao X J,Wu J,et al.Simulating future climate changes over north China with a high resolution regional climate model[J].Journal of Applied Meteorological Science,2010, 21(5):580-589.(in Chinese)

[43]Piani C,Haerter J O,Coppola E.Statistical bias correction for daily precipitation in regional climate models over Europe[J].Theoretical and Applied Climatology,2010, 99(1-2):187-192.

[44]Piani C,Weedon G P,Best M,et al.Statistical bias correction of global simulated daily precipitation and temperature for the application of hydrological models[J].Journal of Hydrology,2010,395(3):199-215.

[45]許艷,濮勵(lì)杰,朱明.基于作物生長(zhǎng)期的江蘇省沿海地區(qū)氣候生產(chǎn)潛力估算[J].地理科學(xué),2015,35(5):658-664.

Xu Y, Pu L J,Zhu M.Calculation of climate potential productivity at coastal zone of Jiangsu province based on crop growing period[J].Scientia Geographica Sinica,2015, 35(5):658-664.(in Chinese)

[46]褚榮浩,申雙和,呂厚荃,等.RegCM3下1951-2100 年江蘇省熱量資源及一季稻氣候生產(chǎn)潛力[J].江蘇農(nóng)業(yè)學(xué)報(bào), 2015,31(4):779-785.

Chu R H,Shen S H,Lv H Q,et al.Thermal resources and climatic potential productivity of single-season rice in Jiangsu province under RegCM3 from 1951 to 2100[J].Jiangsu Journal of Agricultural Sciences,2015,31(4): 779-785.(in Chinese)

[47]申雙和,褚榮浩,呂厚荃,等.氣候變化情景下黃淮海冬麥區(qū)降水量及其適宜度變化分析[J].中國(guó)農(nóng)業(yè)氣象,2015,36(4): 454-464.

Shen S H,Chu R H,Lv H Q,et al.Precipitation variation and its suitability for winter wheat in Huang-Huai-Hai region under climate change[J].Chinese Journal of Agrometeorology, 2015,36(4):454-464.(in Chinese)

Application of Bias Correction Method for Simulated Climate Data in Projection of Crop Climatic Potential Productivity
——A Case Study of Winter Wheat in Jiangsu

TAO Su-lin1, SHEN Shuang-he1, LI Yu-hong2, GAO Ping3
(1.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters/Jiangsu Key Laboratory of Agricultural Meteorology/School of Applied Meteorology, Nanjing University of Information Science & Technology, Nanjing 210044, China; 2. Liaoning Institute of Meteorological Sciences, Shenyang 110166; 3.Meteorological Service Center for Jiangsu Province, Nanjing 210008)

Abstract：A bias correction model for simulated climate data was constructed. The nonlinear transfer function between simulations and observations and the parameters for variation correction were determined based on historical simulations outputting from a regional climate model RegCM4 coupled with a global model BCC_CSM1.1 (Beijing Climate Center Climate System Model version 1.1) and the observations during baseline period from 1961-1990. The effectiveness of bias correction model was verified using simulated climate data and observed dataduring validation period from 1991-2005. This model was then used to correct climate data under RCP (Representative Concentration Pathway) scenarios during future period from 2021-2050. Meanwhile, the spatial patterns of winter wheat climatic potential productivity of Jiangsu were projected via productivity decay method under future scenario climates. The results indicated that it was effective to apply bias correction method for simulated climate data in projection of crop climatic potential productivity. The bias correction model with mean value and variation information was an excellent way of correcting simulated climate data at daily scale in Jiangsu. The bias of simulated temperature, radiation, evapotranspiration in autumn and winter as well as precipitation in winter and spring was reduced obviously after correction. Then, on the basis of bias correction, the maturity date of winter wheat in Jiangsu was projected between 153-175 and 153-174 respectively under RCP4.5 and RCP8.5 scenarios, and would advance obviously compared with baseline. The estimated climatic potential productivity of winter wheat was projected between 10335-14368kg·ha?1and 9991-13708kg·ha?1respectively, and would tend to be lower than that during baseline period. Accordingly, the coefficient of variation of climatic potential productivity was projected between 7.6%-14.6% and 7.5%-13.6% respectively, and would increase compared with baseline, which indicated a tendency towards unstable for climatic potential productivity of winter wheat in Jiangsu. Moreover, during future period, the climatic potential productivity of winter wheat would remain relatively high (≥12501kg·ha?1) in central and northern Xuzhou, northeastern Lianyungang, western Suqian and southeastern Yancheng under RCP4.5 and RCP8.5 scenarios. Thus, the cultivated land for winter wheat in these regions should be guaranteed by the government of Jiangsu. Our results suggested a consideration of bias correction for simulated climate data using observations of study region before estimating crop climatic potential productivity, in order to enhance the credibility of the projections.

Key words：Statistical downscaling; Data correction; RCP4.5 and RCP8.5 scenarios; Climatic potential productivity

doi:10.3969/j.issn.1000-6362.2016.02.007

* 收稿日期：2015-06-25**通訊作者。E-mail: yqzhr@nuist.edu.cn

基金項(xiàng)目：公益性行業(yè)（氣象）科研專(zhuān)項(xiàng)（GYHY201506018；GYHY201306046）；中國(guó)氣象局氣候變化專(zhuān)項(xiàng)（CCSF201318）；

作者簡(jiǎn)介：陶蘇林（1986-），博士生，研究方向?yàn)閼?yīng)用氣象與數(shù)值計(jì)算方法。E-mail: sulin.tao@outlook.com