楊若子，周廣勝

1 中國氣象科學(xué)研究院，北京　100081　　2 南京信息工程大學(xué)，南京　210044

?

1961—2013年東北三省玉米低溫冷害強(qiáng)度的時空分布特征

楊若子1,2，周廣勝1,*

1 中國氣象科學(xué)研究院，北京1000812 南京信息工程大學(xué)，南京210044

基于東北三省1961—2013年氣象數(shù)據(jù)、《北方春玉米冷害評估技術(shù)規(guī)范(QX/T167—2012)行業(yè)標(biāo)準(zhǔn)》，結(jié)合具有生物學(xué)意義的熱量指數(shù)，給出了東北三省低溫冷害強(qiáng)度分級，利用經(jīng)驗(yàn)正交函數(shù)(EOF)分解法和旋轉(zhuǎn)經(jīng)驗(yàn)正交函數(shù)(REOF)分解法分析了東北三省玉米低溫冷害強(qiáng)度時空分布特征。結(jié)果表明：東北三省玉米低溫冷害強(qiáng)度具有明顯的空間分布特點(diǎn)，可分為全區(qū)一致型、南北反相位分布型以及東西反相位分布型。東北三省玉米低溫冷害強(qiáng)度的時間變化具有較好的一致性，1961—2013年東北三省低溫冷害的發(fā)生強(qiáng)度呈波動減小趨勢。低溫冷害強(qiáng)度區(qū)域差異顯著，按照低溫冷害強(qiáng)度強(qiáng)弱可分為黑龍江-吉林北部區(qū)(Ⅰ區(qū))、吉林南部-遼寧北部區(qū)(Ⅲ區(qū))和遼寧南部區(qū)(Ⅱ區(qū))。研究結(jié)果可為東北三省低溫冷害風(fēng)險(xiǎn)區(qū)劃和采取有效的減災(zāi)避災(zāi)措施提供依據(jù)。

東北三??；玉米；低溫冷害；時空特征

玉米是重要的糧食作物、飼料作物和工業(yè)原料，用途廣泛，增產(chǎn)潛力大，對提高人民的生活水平、促進(jìn)畜牧業(yè)的發(fā)展起著不可替代的作用。黑龍江省、吉林省和遼寧省(簡稱東北三省)是中國玉米主產(chǎn)區(qū)之一，玉米生長期內(nèi)要求溫暖多雨，而東北三省地理緯度高，熱量條件年際波動大[1]，使玉米生長發(fā)育過程中極易受到低溫威脅，平均三至四年發(fā)生一次低溫冷害[2]，1969、1972、1976 年發(fā)生嚴(yán)重低溫冷害導(dǎo)致作物平均減產(chǎn)57. 8億kg[3]。

東北三省玉米低溫冷害研究主要包括低溫冷害指標(biāo)判定[4]，低溫冷害時空分布規(guī)律研究[5-7]，低溫冷害對玉米生育期、產(chǎn)量和種植格局的影響[8]，低溫冷害監(jiān)測預(yù)警[9]，低溫冷害風(fēng)險(xiǎn)評估[3]等。其中低溫冷害指標(biāo)判定和災(zāi)害時空分布規(guī)律研究是低溫冷害研究的基礎(chǔ)，只有正確認(rèn)識所面臨的災(zāi)害種類，識別災(zāi)害發(fā)生的活動頻率、活動強(qiáng)度和活動區(qū)域，才能對研究區(qū)災(zāi)害程度有一個直觀、準(zhǔn)確的了解，為下一步災(zāi)害的監(jiān)測和風(fēng)險(xiǎn)的評估提供定量依據(jù)。低溫冷害指標(biāo)判定研究起步較早，已經(jīng)取得大量成果[6]，而對低溫冷害時空分布的研究多基于頻率分布的研究[1,5]，對災(zāi)害強(qiáng)度分布研究較少。嚴(yán)重災(zāi)害發(fā)生的頻率雖然小，但是造成的作物減產(chǎn)損失是巨大的，嚴(yán)重低溫冷害年東北玉米減產(chǎn)可達(dá)20%以上[10]，已有研究[11]基于經(jīng)驗(yàn)正交函數(shù)(Empirical Orthogonal Function, 簡稱EOF)分解法對東北三省玉米各個生育期低溫冷害強(qiáng)度的時空分布進(jìn)行了研究。但EOF分解法是對協(xié)方差矩陣求解特征值和特征向量，選擇區(qū)域大小對分解結(jié)果有影響[12]。旋轉(zhuǎn)經(jīng)驗(yàn)正交函數(shù)(Rotated Empirical Orthogonal Function, 簡稱REOF)分解法克服了取樣范圍誤差[13]，在EOF基礎(chǔ)上，通過選擇正交旋轉(zhuǎn)矩陣使原始矩陣旋轉(zhuǎn)后的列向量元素平方差達(dá)最大，以使原要素場的信息特征集中映射到幾個優(yōu)勢空間上[13]。基于REOF分解法的氣象災(zāi)害分區(qū)研究有干旱災(zāi)害分區(qū)[14-17]，低溫分區(qū)[18]和霜凍災(zāi)害分區(qū)[19]等，但關(guān)于低溫冷害的分區(qū)研究仍未見報(bào)道。

為揭示東北三省玉米低溫冷害強(qiáng)度的發(fā)生規(guī)律和區(qū)域分異特征，利用東北三省1961—2013年的逐日氣象數(shù)據(jù)，結(jié)合《北方春玉米冷害評估技術(shù)規(guī)范(QX/T167—2012)行業(yè)標(biāo)準(zhǔn)》，研究東北三省玉米低溫冷害強(qiáng)度分級；進(jìn)而基于EOF分解法闡明東北三省玉米低溫冷害強(qiáng)度的時空動態(tài)特征，并根據(jù)REOF分解法分析東北三省低溫冷害強(qiáng)度的區(qū)域分異，以為東北三省低溫冷害風(fēng)險(xiǎn)區(qū)劃和采取有效的減災(zāi)避災(zāi)措施提供依據(jù)。

圖1　研究所用氣象站點(diǎn)的空間分布Fig.1　The spatial distribution of weather stations in the study

1　資料與方法

1.1研究資料

研究所用氣象資料為1961—2013年東北三省國家氣候基本、基準(zhǔn)站逐日氣象數(shù)據(jù)，包括研究站點(diǎn)的經(jīng)緯度(度)、海拔高度(m)、日氣溫(最高、最低、平均氣溫/℃)數(shù)據(jù)，來源于國家氣象信息中心。作物數(shù)據(jù)為1981—2010年的東北三省農(nóng)業(yè)氣象試驗(yàn)站的玉米生育期數(shù)據(jù)，來源于中國農(nóng)業(yè)科學(xué)院?；谘芯空军c(diǎn)的地理信息與溫度資料齊全考慮，篩選出了70個研究站點(diǎn)(圖1)。

1.2低溫冷害強(qiáng)度分級

研究表明[20]，生長季熱量指數(shù)(F(T))具有明確的生物學(xué)意義，可以反映研究地區(qū)熱量條件對作物的影響。在此，選用對東北三省玉米低溫冷害具有較好代表性的熱量指數(shù)[21]作為判定指標(biāo)：

(1)

(2)

式中，F(xiàn)(T)為某旬的熱量指數(shù)，T為某旬的氣溫，T0、T1、T2分別為該時段內(nèi)作物生長發(fā)育和產(chǎn)量形成的適宜溫度、下限溫度和上限溫度。表1給出了東北三省玉米三基點(diǎn)溫度指標(biāo)[6]。熱量指數(shù)的計(jì)算過程：利用各站逐旬氣象資料分別計(jì)算逐旬的玉米熱量指數(shù)，各月逐旬熱量指數(shù)的平均值代表當(dāng)月的熱量指數(shù)，各月熱量指數(shù)之和表示各站當(dāng)年的玉米生長季的熱量指數(shù)[20]。玉米生育期日期采用多年平均值，其中出苗—三葉為5月上旬到5月中旬，三葉到拔節(jié)為5月下旬到7月上旬，拔節(jié)—開花為7月中旬到7月下旬，開花—乳熟為8月上旬到8月下旬，乳熟—成熟為9月上旬到9月下旬。

東北三省各地的熱量差異顯著。研究表明[22]，當(dāng)遼寧省熱量指數(shù)小于0.836，或吉林省熱量指數(shù)小于0.714，或黑龍江省熱量指數(shù)小于0.604，則發(fā)生低溫冷害。為使各地的低溫冷害強(qiáng)度具有可比性，對熱量指數(shù)求距平百分率作為低溫冷害指數(shù)[23]：

(3)

表1　東北三省玉米三基點(diǎn)溫度指標(biāo)

1.3研究方法

針對EOF分解法受地理范圍的限制，分解的模態(tài)可能沒有物理意義，不能清晰表示不同地理分區(qū)的特征[25]這一不足，使用REOF分解法對低溫冷害強(qiáng)度值進(jìn)行分區(qū)。REOF分解法可將方差貢獻(xiàn)集中在某一較小區(qū)域，著重體現(xiàn)各主分量所代表的優(yōu)勢空間，可以較客觀地反映要素場的區(qū)域變化特征，并有助于分析不同區(qū)域之間要素異常的相互關(guān)系和變化響應(yīng)[26]。氣象上經(jīng)常采用REOF方法對氣象要素場進(jìn)行分析，使原來的特征向量結(jié)構(gòu)簡化，反映的氣候特征更明顯[27]。

表2　北方春玉米低溫冷害強(qiáng)度指標(biāo)

表3　低溫冷害強(qiáng)度分級

1.4檢驗(yàn)方法

圖2　東北三省低溫冷害強(qiáng)度的EOF分解法特征值隨自然數(shù)序列的變化Fig.2　The change with the natural number sequence from EOF decomposition method of chilling damage intensity in the three provinces of Northeast China

2　結(jié)果分析

2.1旋轉(zhuǎn)特征向量個數(shù)的確定

選取研究站點(diǎn)發(fā)生低溫冷害(即CI≤0.11)的站年數(shù)據(jù)進(jìn)行EOF分解，得到的空間荷載向量和時間系數(shù)體現(xiàn)了東北三省低溫冷害強(qiáng)度的時空特征分布。利用REOF分解法對EOF的特征向量進(jìn)行旋轉(zhuǎn)，得到低溫冷害強(qiáng)度的分區(qū)特征。研究中的空間特征分析及分區(qū)的有效性由特征向量的個數(shù)決定，為此，特征向量個數(shù)的確定既要考慮一定準(zhǔn)則又要考慮實(shí)際情況。按照Cattell理論[28]，將EOF分析得到的特征值依自然序數(shù)變化繪成圖形，并選擇最后一個顯著轉(zhuǎn)折點(diǎn)之前的特征向量進(jìn)行方差最大正交旋轉(zhuǎn)?；贓OF分解法獲取的東北三省低溫冷害強(qiáng)度值前10個特征值的方差貢獻(xiàn)如表4所示，將所有特征值按從大到小隨自然序數(shù)的變化繪成圖2。由圖2可見，東北三省低溫冷害特征值收斂快，前3個低溫冷害特征值的累積方差貢獻(xiàn)率較大，達(dá)到85.16%，可以選用為最少的特征向量來描述災(zāi)害變化，根據(jù)North特征值誤差范圍，可以選用前3個低溫冷害荷載向量進(jìn)行正交旋轉(zhuǎn)，獲取東北三省低溫冷害強(qiáng)度場。因此，確定了東北三省低溫冷害的旋轉(zhuǎn)特征向量個數(shù)為3。旋轉(zhuǎn)后的方差貢獻(xiàn)反映出旋轉(zhuǎn)的低溫冷害特征向量所占的比重(表4)。

表4東北三省低溫冷害前10個EOF分解法和REOF分解法的特征量對總方差的貢獻(xiàn)率

Table 4The contribution rate of the first 10 characteristic values from EOF decomposition method and REOF decomposition method to total variance of chilling damage in the three provinces of Northeast China

分解法Decompositionmethod方差貢獻(xiàn)Variancecontribution/%12345678910EOF66.2114.114.842.462.151.661.291.1466.2114.11REOF28.5913.9315.771.111.681.091.321.780.820.75

EOF, 經(jīng)驗(yàn)正交函數(shù) empirical orthogonal function; REOF, 旋轉(zhuǎn)經(jīng)驗(yàn)正交函數(shù)rotated empirical orthogonal function

2.2低溫冷害強(qiáng)度時空格局動態(tài)

EOF分解法是將給定的時空場進(jìn)行分解，拆分成不同的正交荷載向量，配合對應(yīng)的時間系數(shù)來解釋原場[29]。圖3a為低溫冷害強(qiáng)度分解第一荷載向量場，全區(qū)為正值，說明東北三省低溫冷害發(fā)生具有較好的一致性，同時增大或者同時減小，在空間分布上表現(xiàn)為東北三省中部值大、四周值小的分布型。荷載向量場值越小低溫冷害強(qiáng)度越大，故黑龍江省大興安嶺地區(qū)低溫冷害強(qiáng)度最大，黑龍江省三江平原、吉林省東部和遼南地區(qū)為低溫冷害強(qiáng)度次大值區(qū)，吉林中部平原地區(qū)為低溫冷害強(qiáng)度最小值區(qū)。東北三省低溫冷害強(qiáng)度從黑龍江省大興安嶺地區(qū)、三江平原、吉林省東部和遼南地區(qū)向中部減小。結(jié)合第一時間系數(shù)曲線(圖4a)可以看出，從1961到2013年時間系數(shù)曲線呈波動上升趨勢，表明東北三省玉米低溫冷害強(qiáng)度呈波動減小趨勢，其中，時間系數(shù)曲線前期波動大，反映低溫冷害強(qiáng)度波動較大，重度災(zāi)害年有1969、1972和1976年，與已有研究結(jié)果[30-31]相同，后期時間系數(shù)趨于平緩，反映低溫冷害強(qiáng)度變異較小。該荷載向量方差貢獻(xiàn)占總方差的66.21%，故第一荷載向量空間分布可以反映東北三省低溫冷害發(fā)生主要特點(diǎn)。低溫冷害強(qiáng)度分解第二荷載向量(圖3b)以吉林中部緯向?yàn)榉纸缇€，呈現(xiàn)北部和南部反相位分布特征，說明兩個地區(qū)低溫冷害的強(qiáng)度變化呈相反狀態(tài)?？臻g向量荷載值為負(fù)值的大興安嶺地區(qū)、三江平原和松嫩平原部分地區(qū)低溫冷害較嚴(yán)重，低溫冷害強(qiáng)度從北向南減小。對應(yīng)第二時間系數(shù)曲線(圖4b)可以看出，時間系數(shù)曲線呈先降低后升高的趨勢，對應(yīng)空間荷載向量為正值的地區(qū)，低溫冷害強(qiáng)度隨時間先增加后減小，空間荷載向量為負(fù)值的地區(qū)，低溫冷害強(qiáng)度隨時間先減小后增加。具體表現(xiàn)為1973年前，東北三省低溫冷害北部重、南部輕，1973—2000年北部低溫冷害嚴(yán)重區(qū)的災(zāi)害強(qiáng)度減小，南部低溫冷害較輕區(qū)災(zāi)害強(qiáng)度增加，2000年后時間系數(shù)曲線值趨于平緩接近零值，說明東北三省低溫冷害南北差異變小，這種南北差異的空間分布特點(diǎn)約占全部研究樣本方差貢獻(xiàn)的14.11%。低溫冷害強(qiáng)度分解第三荷載向量(圖3c)以東北-西南走向?yàn)榉纸缇€，呈現(xiàn)東北三省西部大部分地區(qū)和吉林東部反相位分布特征，低溫冷害強(qiáng)度大值區(qū)位于吉林省東部，次大值區(qū)位于黑龍江省西北部，其他地區(qū)為低溫冷害強(qiáng)度低值區(qū)，低溫冷害強(qiáng)度趨勢由東向西減小。對應(yīng)第三時間系數(shù)曲線(圖4c)可知，前期時間系數(shù)負(fù)值居多，后期時間系數(shù)正值居多，表明空間荷載向量為正值的區(qū)域前期低溫冷害強(qiáng)度大、后期小，空間荷載向量為負(fù)值的區(qū)域正相反。具體表現(xiàn)為東北三省西部大部分地區(qū)低溫冷害強(qiáng)度呈減小趨勢，吉林省東部地區(qū)低溫冷害強(qiáng)度呈增加趨勢。這種分布特征僅占全部研究樣本方差貢獻(xiàn)的4.84%。

圖3　EOF分解法空間荷載向量Fig.3　The spatial load vectors of EOF decomposition method

圖4　EOF分解法時間系數(shù)Fig.4　The time coefficients of EOF decomposition method 虛線為趨勢線

2.3低溫冷害區(qū)域分異

從上可知，東北三省低溫冷害強(qiáng)度的分布呈現(xiàn)很強(qiáng)的區(qū)域差異。為此，對EOF分解法得到的特征向量列向量進(jìn)行平方差最大化旋轉(zhuǎn)，旋轉(zhuǎn)后低溫冷害強(qiáng)度荷載高值集中在某一較小區(qū)域。對其進(jìn)行分區(qū)，將旋轉(zhuǎn)向量場荷載向量貢獻(xiàn)≥0.6(圖5a—c中絕對值≥0.6)且在地理上連成一片，站點(diǎn)多于4個的區(qū)域劃分為同一變化區(qū)[27]，如有站點(diǎn)按上述原則可以同時歸于兩個或以上相鄰變化區(qū)，則按其與相鄰氣候變化區(qū)對應(yīng)的荷載向量場的荷載值大小，將其歸于荷載向量值最大的區(qū)域[32]。

旋轉(zhuǎn)向量場荷載值大小表明空間相關(guān)性強(qiáng)弱，把相鄰相關(guān)性強(qiáng)的站點(diǎn)劃分為一個區(qū)域，可以將東北三省低溫冷害強(qiáng)度大小劃分為3個區(qū)域(圖5d)。黑龍江—吉林北部區(qū)(Ⅰ區(qū))：該區(qū)REOF分解法特征向量平均荷載值為0.84，包括黑龍江省全部和吉林省北部地區(qū)，共34個站點(diǎn)，代表站是克山站(0.95)；遼寧南部區(qū)(Ⅱ區(qū))，該區(qū)REOF分解法特征向量平均荷載值為0.78，包括遼寧省西南大部分地區(qū)，共15個站點(diǎn)，代表站是興城(0.93)；吉林南部-遼寧北部區(qū)(Ⅲ區(qū))，該區(qū)REOF分解法特征向量平均荷載值為-0.72，包括吉林南部和遼寧東北部地區(qū)，共18個研究站，代表站是臨江(-0.82)。

圖5　REOF分解法空間分布圖Fig.5　The spatial distribution map of REOF decomposition method

結(jié)合逐年低溫冷害指標(biāo)CI值，分析各個低溫冷害強(qiáng)度區(qū)代表站的低溫冷害變化情況可知(表5)，Ⅰ區(qū)發(fā)生重度低溫冷害的年份多，受災(zāi)嚴(yán)重；Ⅱ區(qū)發(fā)生輕度低溫冷害年份較多，受災(zāi)相對較??；Ⅲ區(qū)中度和重度低溫冷害發(fā)生年份多于Ⅱ區(qū)，東北三省低溫冷害北部和東部災(zāi)害強(qiáng)度較大。雖然3個低溫冷害區(qū)強(qiáng)度值發(fā)生年份不盡相同，但各區(qū)低溫冷害發(fā)生年份主要集中在20世紀(jì)70—80年代，整體趨勢是2000年前處于偏冷階段，不同強(qiáng)度的低溫冷害發(fā)生次數(shù)多，1969、1972和1976年發(fā)生了全區(qū)范圍的嚴(yán)重低溫冷害，2000年后處于偏暖階段，低溫冷害發(fā)生的強(qiáng)度降低。

表5　東北三省分區(qū)代表站低溫冷害發(fā)生時間

3　結(jié)論

本研究利用東北三省1961—2013年的氣象數(shù)據(jù)，結(jié)合《北方春玉米冷害評估技術(shù)規(guī)范(QX/T167—2012)行業(yè)標(biāo)準(zhǔn)》，闡明了東北三省低溫冷害強(qiáng)度的時空變化規(guī)律。主要結(jié)論有：

(1)東北三省玉米低溫冷害的空間分布主要可分為3種類型，即全區(qū)一致型，以吉林中部東西向?yàn)榉纸缇€的南北反相位分布型，以及東北三省西部和吉林東部反相位分布型。全區(qū)一致型的低溫冷害強(qiáng)度在空間分布上表現(xiàn)為從黑龍江省大興安嶺地區(qū)、三江平原、吉林省東部和遼南地區(qū)向中部減小，時間分布上從1961—2013年東北三省低溫冷害的發(fā)生強(qiáng)度呈波動減小趨勢，在20世紀(jì)90年代以前低溫冷害強(qiáng)度波動較大，20世紀(jì)90年代以后低溫冷害發(fā)生強(qiáng)度變??；以吉林中部東西向?yàn)榉纸缇€的南北反相位分布型在空間分布上表現(xiàn)為大興安嶺地區(qū)、三江平原和松嫩平原部分地區(qū)低溫冷害較嚴(yán)重，低溫冷害強(qiáng)度從北向南減小，時間分布上1973年前大興安嶺地區(qū)、三江平原和松嫩平原部分地區(qū)的低溫冷害較為嚴(yán)重，1973—2000年北部低溫冷害嚴(yán)重區(qū)的災(zāi)害強(qiáng)度減小，南部低溫冷害較輕區(qū)災(zāi)害強(qiáng)度增加，2000年后南北差異變小；東北三省西部大部分地區(qū)和吉林東部反相位分布型在空間分布上表現(xiàn)為低溫冷害強(qiáng)度呈由東向西減小趨勢，時間分布上表現(xiàn)為東北三省西部大部分地區(qū)低溫冷害強(qiáng)度呈減小趨勢，吉林省東部地區(qū)低溫冷害強(qiáng)度呈增加趨勢。低溫冷害強(qiáng)度第一荷載向量空間分布方差貢獻(xiàn)占總方差的66.21%，故對第一荷載向量空間分布與以往研究進(jìn)行比較。本研究的第一荷載向量空間分布特點(diǎn)與王遠(yuǎn)皓[33]基于熱量指數(shù)修正值得到低溫冷害強(qiáng)度第一荷載向量空間分布(1961—2006年)基本一致，均表現(xiàn)為全區(qū)一致型，且呈中部值高、四周值低的特點(diǎn)，但受氣候變暖的影響，低溫冷害強(qiáng)度降低，本研究中部低溫冷害強(qiáng)度低值區(qū)范圍變大，南部包括了遼寧省北部地區(qū)，本研究低溫冷害強(qiáng)度空間分布結(jié)果基本符合氣候變化背景下的東北地區(qū)玉米低溫冷害強(qiáng)度分布。

(2)用REOF分解法得到的東北三省玉米低溫冷害強(qiáng)度區(qū)域差異顯著，可分為低溫冷害強(qiáng)度最大、發(fā)生重度低溫冷害年份多且受災(zāi)嚴(yán)重的黑龍江—吉林北部區(qū)(Ⅰ區(qū))；發(fā)生輕度低溫冷害年份較多的遼寧南部區(qū)(Ⅱ區(qū))；以及發(fā)生中度和重度低溫冷害強(qiáng)度較多的吉林南部-遼寧北部區(qū)(Ⅲ區(qū))。各區(qū)的低溫冷害強(qiáng)度變化具有較好的一致性，發(fā)生年份主要集中在20世紀(jì)70—80年代，整體趨勢是2000年前處于偏冷階段，1969、1972和1976年發(fā)生了覆蓋整個東北三省的嚴(yán)重低溫冷害，2000年后處于偏暖階段，冷害發(fā)生的強(qiáng)度降低。馮佩芝等[30]對東北地區(qū)1951—1980年夏季低溫冷害進(jìn)行研究，得出分省低溫冷害強(qiáng)度統(tǒng)計(jì)結(jié)果表明，黑龍江省最大，遼寧最??；分區(qū)域低溫冷害強(qiáng)度統(tǒng)計(jì)結(jié)果表明，嫩江和佳木斯地區(qū)低溫冷害強(qiáng)度最大，遼寧省的沈陽、營口和丹東低溫冷害強(qiáng)度最小，這與本研究分區(qū)結(jié)果一致。雖然氣候變暖背景下低溫冷害強(qiáng)度整體呈減小趨勢，但是受東北三省地理位置的影響，東北三省低溫冷害強(qiáng)度分區(qū)變化不大?？紤]本研究受站點(diǎn)影響得到的結(jié)果可能有偏差，而近年來低溫冷害分區(qū)研究較少，用REOF分解法對東北三省低溫冷害分區(qū)的準(zhǔn)確性需要進(jìn)一步驗(yàn)證。

[1]趙俊芳, 楊曉光, 劉志娟. 氣候變暖對東北三省春玉米嚴(yán)重低溫冷害及種植布局的影響. 生態(tài)學(xué)報(bào), 2009,29(12):6544-6551.

[2]李帥, 陳莉, 王晾晾, 萬琳琳. 黑龍江省延遲型低溫冷害氣候指標(biāo)研究. 氣象與環(huán)境學(xué)報(bào), 2014, 30(4):79-83.

[3]張建平, 王春乙, 趙艷霞, 楊曉光, 王靖. 基于作物模型的低溫冷害對我國東北三省玉米產(chǎn)量影響評估. 生態(tài)學(xué)報(bào), 2012, 32(13):4132-4138.

[4]楊若子, 周廣勝. 不同玉米低溫冷害指標(biāo)在梅河口地區(qū)的比較分析. 氣象科學(xué), 2012, 32(6):600-608.

[5]胡春麗, 李輯, 林蓉, 李晶, 王穎. 東北水稻障礙型低溫冷害變化特征及其與關(guān)鍵生育期溫度的關(guān)系. 中國農(nóng)業(yè)氣象, 2014, 35(3):323-329.

[6]高曉容, 王春乙, 張繼權(quán). 氣候變暖對東北玉米低溫冷害分布規(guī)律的影響. 生態(tài)學(xué)報(bào), 2012, 32(7) : 2110-2118.

[7]高懋芳, 邱建軍, 劉三超, 覃志豪, 王立剛. 我國低溫冷凍害的發(fā)生規(guī)律分析. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào), 2008, 16(5):1167-1172.

[8]李正國, 楊鵬, 唐華俊, 吳文斌, 陳仲新, 劉佳, 張莉, 譚杰揚(yáng), 唐鵬欽. 近20年來東北三省春玉米物候期變化趨勢及其對溫度的時空響應(yīng). 生態(tài)學(xué)報(bào), 2013, 33(18):5818-5827.

[9]程勇翔, 王秀珍, 郭建平, 趙艷霞, 黃敬峰. 農(nóng)作物低溫冷害監(jiān)測評估及預(yù)報(bào)方法評述. 中國農(nóng)業(yè)氣象, 2012, 33(2):297-303.

[10]馬樹慶, 襲祝香, 王琪. 中國東北地區(qū)玉米低溫冷害風(fēng)險(xiǎn)評估研究. 自然災(zāi)害學(xué)報(bào), 2003, 12(3):137-141.

[11]高曉容, 王春乙, 張繼權(quán). 東北玉米低溫冷害時空分布與多時間尺度變化規(guī)律分析. 災(zāi)害學(xué), 2012,27(4):65-70.

[12]魏鳳英. 現(xiàn)代氣候統(tǒng)計(jì)診斷與預(yù)測技術(shù). 北京:氣象出版社,2007:105-147.

[13]Liu Z Y, Zhou P, Zhang F Q, Liu X D, Chen G. Spatiotemporal characteristics of dryness/wetness conditions across Qinghai Province, Northwest China. Agricultural and Forest Meteorology, 2013, 182-183:101-108.

[14]茅海祥, 王文. 中國南方地區(qū)近50a夏季干旱時空分布特征.干旱氣象, 2011, 29(3):283-288.

[15]陳豫英, 陳楠, 王式功, 錢正安, 穆建華. 中蒙干旱半干旱區(qū)降水的時空變化特征(I): 年降水特征及5—9月降水的REOF分析. 高原氣象, 2010, 29(1):33-43.

[16]苗春生, 趙文寧, 王堅(jiān)紅, 朱勇, 吳瓊. 近53 a云南東部春季旱澇及其環(huán)流距平波列影響. 干旱區(qū)研究, 2014, 31(2):250-260.

[17]楊絢, 李棟梁. 中國干旱氣候分區(qū)及其降水量變化特征.干旱氣象, 2008, 26(2):17-24.

[18]國世友, 鄒立堯, 周永吉. 黑龍江省冬、夏季低溫的區(qū)域特征. 黑龍江氣象, 2005, (3):8-11.

[19]李芬, 張建新. 山西近50年初霜凍的區(qū)域特征. 災(zāi)害學(xué), 2013, 28(4):104-109,181-181.

[20]郭建平, 莊立偉, 陳玥熤. 東北玉米熱量指數(shù)預(yù)測方法研究(I)-熱量指數(shù)與玉米產(chǎn)量. 災(zāi)害學(xué), 2009, 24(4):6-10.

[21]楊若子. 東北地區(qū)玉米低溫冷害指標(biāo)及其風(fēng)險(xiǎn)研究[D]. 北京: 中國氣象科學(xué)研究院, 2012:35-35.

[22]王春乙, 張雪芬，趙艷霞. 農(nóng)業(yè)氣象災(zāi)害影響評估與風(fēng)險(xiǎn)評價(jià). 北京: 氣象出版社, 2010:47-47.

[23]呂厚荃. 中國主要農(nóng)區(qū)重大農(nóng)業(yè)氣象災(zāi)害演變及其影響評估. 北京: 氣象出版社,2011:4-4.

[24]楊霏云, 郭建平, 馬樹慶, 龍志長, 朱玉潔, 趙俊芳. QX/T167-2012北方春玉米冷害評估技術(shù)規(guī)范行業(yè)標(biāo)準(zhǔn). 北京: 氣象出版社,2012:208-216.

[25]Hannachi A. Pattern hunting in climate: a new method for finding trends in gridded climate data. International Journal of Climatology, 2007, 27(1):1-15.

[26]劉吉峰, 李世杰, 丁裕國, 姚書春. 近幾十年我國極端氣溫變化特征分區(qū)方法探討. 山地學(xué)報(bào), 2006, 24(3):291-297.

[27]唐亞平, 張凱, 李忠嫻, 李嵐, 戴新童, 嚴(yán)曉瑜. 1964—2008年遼寧省旱澇時空分布特征及演變趨勢. 氣象與環(huán)境學(xué)報(bào), 2011, 27(2):50-55.

[28]辛渝, 毛煒嶧, 李元鵬, 張新, 盧戈, 博力健. 新疆不同季節(jié)降水氣候分區(qū)及變化趨勢. 中國沙漠, 2009, 29(5):948-959.

[29]Tao L, Chen D. An evaluation of rotated EOF analysis and its application to tropical Pacific SST variability. Journal of Climate, 2012, 25(15): 5361-5373.

[30]馮佩芝, 李翠金, 李小泉. 中國主要?dú)庀鬄?zāi)害分析(1951—1980). 北京: 氣象出版社,1985:115-116.

[31]周立宏, 劉新安, 周育慧. 東北地區(qū)低溫冷害年的環(huán)流特征及預(yù)測. 沈陽農(nóng)業(yè)大學(xué)學(xué)報(bào), 2001, 32(1): 22-25.

[32]Reichrath S, Davies T W. Computational fluid dynamics simulations and validation of the pressure distribution on the roof of a commercial multi-span Venlo-type glasshouse. Journal of Wind Engineering and Industrial Aerodynamics, 2002, 90(3):139-149.

[33]王遠(yuǎn)皓. 東北地區(qū)玉米冷害的風(fēng)險(xiǎn)評估技術(shù)研究[D]. 北京: 中國氣象科學(xué)研究院, 2008:27-28.

Spatio-temporal distribution of maize chilling damage intensity in the Three Provinces of Northeast China During 1961to 2013

YANG Ruozi1,2， ZHOU Guangsheng1,*

1ChineseAcademyofMeteorologicalSciences,Beijing100081,China2NanjingUniversityofInformationScienceandTechnology,Nanjing210044,China

The classification and spatio-temporal distribution of maize chilling damage intensity in the three provinces of Northeast China were studied using the daily meteorological data from 1961to 2013, the chilling damage data presented in the Industry Standard: Technical Specification of Northern Spring Maize Chilling Damage Assessment (QX/T167—2012) as well as by empirical orthogonal function (EOF) and rotated EOF method. The results showed that the maize chilling damage intensity in the three provinces of Northeast China showed significant spatial difference, which could be divided in three categories: the regional consistency type, the anti-phase distribution type between northern and southern parts, and the anti-phase distribution type between eastern and western parts. The maize chilling damage intensity in the three provinces of Northeast China showed a consistent fluctuating pattern and a decreasing trend from 1961 to 2013. The maize chilling damage intensity displayed a significant regional difference, separating three sub-regions based on maize chilling damage intensity, i.e., the sub-region with the strongest chilling damage intensity including Heilongjiang Province and the northern part of Jilin Province (I sub-region), the sub-region with the intermediate chilling damage intensity including the southern part of Jilin Province and the northern part of Liaoning Province (Ⅲ sub-region), and the sub-region with the lowest chilling damage intensity in the southern part of Liaoning Province (Ⅱ sub-region). The results presented herein will provide the scientific reference for maize chilling damage division and help establish countermeasures for coping with the negative effects of the maize chilling damage.

Northeast China; maize; chilling damage; spatio-temporal characteristics

國家自然科學(xué)基金重點(diǎn)項(xiàng)目(41330531)；江蘇省普通高校研究生科研創(chuàng)新項(xiàng)目計(jì)劃項(xiàng)目(CXLX13_497)

2014-12-25; 網(wǎng)絡(luò)出版日期:2015-10-30

Corresponding author.E-mail: gszhou@cams.cma.gov.cn

10.5846/stxb201412252574

楊若子，周廣勝.1961—2013年東北三省玉米低溫冷害強(qiáng)度的時空分布特征.生態(tài)學(xué)報(bào),2016,36(14):4386-4394.

Yang R Z, Zhou G S.Spatio-temporal distribution of maize chilling damage intensity in the Three Provinces of Northeast China During 1961to 2013.Acta Ecologica Sinica,2016,36(14):4386-4394.