張鵬霞,葉 清,歐陽芳,彭龍慧,劉興平,郭躍華,曾菊平,*

1 江西農(nóng)業(yè)大學(xué)林學(xué)院, 南昌 330045 2 中國科學(xué)院動(dòng)物研究所, 北京 100101 3 江西省植保植檢局, 南昌 330096

氣候變暖、干旱加重江西省森林病蟲災(zāi)害

張鵬霞1,葉 清1,歐陽芳2,彭龍慧1,劉興平1,郭躍華3,曾菊平1,*

1 江西農(nóng)業(yè)大學(xué)林學(xué)院, 南昌 330045 2 中國科學(xué)院動(dòng)物研究所, 北京 100101 3 江西省植保植檢局, 南昌 330096

近50年來,氣候變化加劇、全球變暖明顯、陸地表面趨向干旱,與此同時(shí),森林病蟲災(zāi)害損失不斷增加,兩者關(guān)系密切。以江西省為研究區(qū)域,采集1961—2010年氣溫、濕度、日照等氣候要素及1992—2010年森林病蟲災(zāi)害發(fā)生面積、程度數(shù)據(jù),獲知研究區(qū)過去50年年均氣溫、冬季均溫都在以0.16℃/10a、0.27℃/10a速率在上升,而年均相對(duì)濕度則以-0.45%/10a的速率在下降,顯示其氣候變暖、干旱化趨勢(shì)顯著。同時(shí),其森林病蟲災(zāi)害面積則以58125hm2/10a速率擴(kuò)增。研究以相關(guān)分析、主成分分析法對(duì)所選24個(gè)氣候要素降維、篩選,以逐步回歸法構(gòu)建模型,以小波分析研究區(qū)內(nèi)時(shí)空變化等分析兩者關(guān)系。得到16(與病害發(fā)生)或17(與病蟲害與蟲害發(fā)生)個(gè)顯著相關(guān)氣候要素,最大正相關(guān)要素為夏季均溫滑動(dòng)均值等,而最大負(fù)相關(guān)要素三者均為溫濕系數(shù)滑動(dòng)均值(溫濕系數(shù)=年均相對(duì)濕度 / 年均溫)；獲得4或5個(gè)主成分,而代表溫度或溫濕度聯(lián)合變量特征主成分貢獻(xiàn)率最高(病蟲害、蟲害：41.43%,病害：42%)；建立3個(gè)以森林病蟲災(zāi)害為縱軸、溫濕系數(shù)滑動(dòng)均值作橫軸且具預(yù)測(cè)能力的最優(yōu)回歸模型(Y病蟲害=3.582 × 106-7.750 × 105X、Y蟲害=-6.375×105X+2.95×106與Y病害=-1.375×105X+6.321×105),其線性擬合度分別為77.9%、79.1%與56.7%,平均預(yù)測(cè)準(zhǔn)確率分別為66.2%、68.6%、47.9%,而研究區(qū)溫濕系數(shù)滑動(dòng)均值過去50年在顯著下降,并在1993年后轉(zhuǎn)向負(fù)距平。這說明氣候變暖與環(huán)境干旱化對(duì)區(qū)內(nèi)森林病蟲災(zāi)害發(fā)生具驅(qū)動(dòng)作用,促使其發(fā)生加重,尤其在進(jìn)入20世紀(jì)90年代后表現(xiàn)更烈。得知溫濕系數(shù)滑動(dòng)均值具29a周期變化,若以1993年為起始,不考慮非氣候要素作用,則其病蟲害加重態(tài)勢(shì)將持續(xù)到2022年。在空間上,過去50年贛南溫濕系數(shù)滑動(dòng)均值最低,預(yù)判其森林病蟲災(zāi)害將較其他區(qū)域發(fā)生更重,而贛東、北溫濕系數(shù)滑動(dòng)均值傾向率最高,預(yù)判其森林病蟲災(zāi)害發(fā)生的變動(dòng)性可能更大。以上結(jié)果說明,氣候變暖與環(huán)境干旱加重江西省森林病蟲災(zāi)害,贛南應(yīng)為重點(diǎn)防治工作區(qū)域,要加強(qiáng)贛東、北的監(jiān)測(cè)預(yù)警工作。

多年; 全球變暖; 干旱; 森林病蟲災(zāi)害; 驅(qū)動(dòng)作用; 區(qū)域性

20世紀(jì)以來,全球地表升溫加快,過去50年升溫速率是過去100年的2倍[1],20世紀(jì)90年代是近百年來最暖的10年[2-3],且過去30年的每個(gè)10a地表平均溫度都高于1850年以來的任何一個(gè)10a等[4]。伴隨氣候變化加劇、全球變暖明顯、及陸地表面趨向干旱化[5]等,各類災(zāi)害頻繁發(fā)生(如森林災(zāi)害[6-8])、風(fēng)險(xiǎn)上升、損失加重[9-10]。森林生物災(zāi)害是破壞森林生態(tài)系統(tǒng),降低“地球綠肺”功能的重要因素,在氣候變暖驅(qū)動(dòng)下,其破壞力在增強(qiáng)[8],但仍待提供更多證據(jù)。據(jù)范霍夫定律,氣候變暖可促使生物發(fā)育速率加快、生殖力增強(qiáng)、存活率尤其是越冬存活率提高,從而提高次年發(fā)生基數(shù)水平。氣候變暖也可促使有害生物適生區(qū)變寬,發(fā)生始見期、遷飛期、高峰期提前,年生育期延長、發(fā)生代數(shù)增加,爆發(fā)周期縮短,種間關(guān)系動(dòng)蕩復(fù)雜等,從而使生物災(zāi)害復(fù)雜多變、程度加重[11],損失因而呈遞增趨勢(shì)[12-13]。研究多年氣候變化與生物災(zāi)害關(guān)系,有助于了解氣候變化背景下生物災(zāi)害發(fā)生規(guī)律,依據(jù)關(guān)鍵要素預(yù)測(cè)未來災(zāi)害動(dòng)態(tài),可為有害生物預(yù)警與防控提供重要參考。然而,森林地理分布及其生態(tài)系統(tǒng)服務(wù)多呈地帶性、區(qū)域性特征[14-15],需選定一個(gè)區(qū)域,研究其內(nèi)氣候變化對(duì)森林生而物災(zāi)害的影響,獲得具一定代表性的研究案例。

江西省地處亞熱帶季風(fēng)氣候區(qū),森林生態(tài)系統(tǒng)發(fā)育良好,覆蓋率高。區(qū)內(nèi)氣候變化大,氣象災(zāi)害多且發(fā)生廣泛,如夏秋干旱、極端低溫等發(fā)生頻繁[16]。1958—2009年區(qū)內(nèi)年均氣溫以0.16℃/10a速率升高[17],同時(shí),森林病蟲災(zāi)害面積近些年也以每年4440.173hm2在增加。一些研究認(rèn)為年均氣溫上升,尤其是暖冬,會(huì)導(dǎo)致森林病蟲災(zāi)害加重[18],如楊干象、美國白蛾、松縱坑切梢小蠹等森林害蟲災(zāi)害或因1月份暖溫而加重[19]。而一些害蟲爆發(fā)可能由某些氣候要素引發(fā),如在干旱脅迫與氣候干熱作用下,意大利阿爾卑斯山地區(qū)的云杉葉蜂易爆發(fā)成災(zāi)[20],銹色粒肩天牛也可能因年份降水量少、溫濕系數(shù)低等因素而爆發(fā)成災(zāi)[21],馬尾松毛蟲發(fā)生則受降水[22]、相對(duì)濕度、最大風(fēng)速影響更甚,且據(jù)此構(gòu)建預(yù)測(cè)模型準(zhǔn)確率可達(dá)75%[23]。顯然,各類病蟲害對(duì)氣候變化的響應(yīng)并非相同,這增加了二者關(guān)系的復(fù)雜性。江西省有472種森林生物災(zāi)害,其中易造成危害者70余種,嚴(yán)重危害者20余種,包括松材線蟲病、蕭氏松莖象、馬尾松毛蟲、思茅松毛蟲、黃脊竹蝗、松褐天牛、星天牛、粒肩天牛、云斑白條天牛、華竹毒蛾、剛竹毒蛾、松針褐斑病、油茶炭疽病、楊樹銹病、加拿大一枝黃花等。另外,當(dāng)?shù)匾恍┐紊杂泻ι锓N類近些年的發(fā)生點(diǎn)、面也在變化,在部分地段爆發(fā)成災(zāi),而少數(shù)偶發(fā)性種類也在部分區(qū)域頻繁發(fā)生并成災(zāi)?？傮w上,該區(qū)森林病蟲災(zāi)害正嚴(yán)重影響著林業(yè)發(fā)展,如2010年其森林生物災(zāi)害面積57586hm2,直接經(jīng)濟(jì)損失8416萬元,生態(tài)服務(wù)價(jià)值損失34570萬元[24]。因此,摸清氣候變化背景下森林病蟲災(zāi)害的變化規(guī)律,無疑將有利于森林保護(hù)工作的科學(xué)實(shí)施,確保森林生態(tài)系統(tǒng)健康發(fā)展。目前,較多研究專注于溫度、降雨、相對(duì)濕度等單一氣候要素變化對(duì)森林病蟲災(zāi)害的影響,而針對(duì)氣候的長期綜合作用的研究較少。為此,本文通過采集江西省過去多年的氣候綜合變化(如溫度、相對(duì)濕度、降水量等要素均值、變率等數(shù)據(jù))與森林病蟲災(zāi)害發(fā)生數(shù)據(jù),揭示前者對(duì)后者發(fā)生發(fā)展的影響及誘變規(guī)律,為當(dāng)?shù)丶爸苓吺》萘謽I(yè)病蟲災(zāi)害防控工作提供參考。

1 研究方法

1.1 研究區(qū)域

以江西省為研究區(qū)域,即24°29′—30°04′N,113°34′—118°28′E間。其地處典型亞熱帶季風(fēng)氣候區(qū),氣象災(zāi)害種類多、頻率高[16],為南方林業(yè)重點(diǎn)區(qū)域之一,森林病蟲災(zāi)害頻繁,年均發(fā)生30萬hm2左右,最高可達(dá)50萬hm2。

圖1 江西省氣象資料日值數(shù)據(jù)采集站點(diǎn)Fig.1 Weather data sampling sites of Jiangxi Province

圖2 均值(X)與變率(Y2max-Y1max)示意圖Fig.2 Sketch map of mean(X) and variability(Y2max-Y1max)

1.2 數(shù)據(jù)采集、整理

采集研究區(qū)內(nèi)南昌、吉安、廬山、景德鎮(zhèn)、玉山、鄱陽、修水、貴溪、樟樹、南城、宜春、廣昌、遂川、贛州和尋烏15個(gè)氣象站點(diǎn)(圖1)1961—2010年間的降水、氣溫、相對(duì)濕度、日照時(shí)數(shù)等地面氣候資料日值數(shù)據(jù)(自中國氣象數(shù)據(jù)中心http://www.escience.gov.cn/metdata/page/index.html,2014.11登錄),從全國、江西林業(yè)統(tǒng)計(jì)年鑒或資料中采集江西省森林病蟲災(zāi)害1992—2010年間發(fā)生面積(包括病蟲害、病害、蟲害面積)及1998—2010年間輕、中、重度面積數(shù)據(jù)。對(duì)于降水類數(shù)據(jù),先對(duì)漏測(cè)或降水值進(jìn)行檢查,以最小二乘法對(duì)缺失值進(jìn)行插值處理后,修正固態(tài)降水值。同樣地,分析前對(duì)其他數(shù)據(jù)也都用最小二乘法對(duì)缺失值進(jìn)行插值處理。以上所選氣象指標(biāo),既考慮其每年的均勻變化(X均值,圖2),也考慮其短期的突變(Y2max-Y1max,圖2),同時(shí),采用滑動(dòng)濾波法[20]進(jìn)行平滑處理,以確保代表研究區(qū)內(nèi)多年的氣候狀態(tài)。從而,使得各項(xiàng)氣象指標(biāo)在均值、滑動(dòng)均值、變率多個(gè)層面整理分析。而且,為確?；瑒?dòng)均值以時(shí)間序列中項(xiàng)加入到時(shí)間坐標(biāo),采用9a(9年)滑動(dòng)平均方式(10a為1個(gè)年代,但滑動(dòng)均值年數(shù)通常為奇數(shù))來顯示氣候要素均值、均方差、變差系數(shù)的變化趨勢(shì)?；瑒?dòng)均值：

變率：

式中,X表示氣候要素,t表示年份,t+4表示t年份向前滑動(dòng)4a,t-4表示t年份向后滑動(dòng)4a。

1.3 氣候要素確定與篩選

氣候變化是各類氣候要素均值或離差變化的綜合,即氣候基本狀態(tài)在變化。如圖2所示,均值向左偏移則狀態(tài)下降,向右偏移則上升；而某氣候要素變差系數(shù)(或變率)的變化幅度大小(變幅)[25](圖2)則意味著極端氣候事件發(fā)生頻率、強(qiáng)度的變化[26-27]。本文選擇溫度、相對(duì)濕度、降水、日照等氣候要素,包括年平均氣溫、夏季均溫(6—8月)、冬季均溫(12月至次年2月)、溫差(夏季均溫 -冬季均溫)、年降水量、年均相對(duì)濕度、溫濕系數(shù)(年均相對(duì)濕度 / 年均溫)、年均日照時(shí)數(shù)均值、9a滑動(dòng)變率、9a滑動(dòng)均值24個(gè)氣候要素多年數(shù)據(jù)。為避免共線性干擾,先將所有氣候要素與森林病蟲災(zāi)害發(fā)生面積進(jìn)行相關(guān)分析后,篩選出與之顯著相關(guān)者進(jìn)行主成分分析,之后選擇各主成分中載荷值最大者為自變量、森林病蟲災(zāi)害發(fā)生面積作因變量,以逐步回歸法構(gòu)建預(yù)測(cè)模型,最終獲得影響森林病蟲災(zāi)害的重要?dú)夂蛞亍?/p>

1.4 氣候要素時(shí)空特征分析

為把握研究區(qū)氣候時(shí)空變化特征、規(guī)律,對(duì)森林病蟲災(zāi)害輕、重災(zāi)區(qū)及趨勢(shì)進(jìn)行預(yù)判,以回歸分析氣候傾向率,并基于Matlab、ArcGIS軟件,用小波分析以上相關(guān)氣候要素的周期性及其空間變化動(dòng)態(tài)。數(shù)據(jù)統(tǒng)計(jì)分析均用SPSS 17.0軟件完成。

2 結(jié)果分析

2.1 氣候?qū)ι植∠x災(zāi)害的影響與趨勢(shì)

2.1.1 森林病蟲災(zāi)害發(fā)生趨勢(shì)

由表1可知,研究區(qū)森林病蟲災(zāi)害在過去多年間處于明顯上升態(tài)勢(shì),蟲害、病害及病蟲害面積不斷擴(kuò)大,線性趨勢(shì)顯著(表1)。例如,區(qū)內(nèi)森林病蟲災(zāi)害面積在1992—2010年間平均以58,125hm2/10a的速度增加。然而,新增受害面積多為病蟲災(zāi)害輕度或中度發(fā)生區(qū),而重度受害面的增長趨勢(shì)不明顯。

表1 1992/1998—2010年江西省森林病蟲災(zāi)害發(fā)生趨勢(shì)與線性方程

*P<0.05；**P<0.001；-：不顯著；↑：上升；↓：下降

2.1.2 氣候要素變化對(duì)森林病蟲災(zāi)害的影響

研究區(qū)氣候變暖及干旱化趨勢(shì)明顯,如過去50年(1961—2010)其年均氣溫、冬季均溫分別以0.16℃/10a(Y1=0.0174X-34.454,R2=0.3239,P<0.001,Y為年均溫均值,X為年份)、0.27℃/10a(Y1=0.0283X-30.7366,R2=0.152,P<0.001,Y為冬季均溫均值,X為年份)速率在升高,而年均相對(duì)濕度則以-0.45%/10a(Y=-0.0429X+ 85.199,R2=0.09646,P=0.028,Y為相對(duì)濕度均值,X為年份)的速率在下降。并且,1992—2010數(shù)據(jù)(表2)也顯示年均溫均值、年均溫滑動(dòng)均值、夏季均溫滑動(dòng)均值、夏季均溫均值等顯著上升,而相對(duì)濕度均值、年降水量滑動(dòng)均值、相對(duì)濕度滑動(dòng)均值等則顯著下降。其他如日照時(shí)數(shù)滑動(dòng)均值、年降水量變率、冬季均溫變率、相對(duì)濕度變率、溫差變率、溫濕系數(shù)變率等氣候要素也在顯著上升(表2),溫濕系數(shù)均值、溫濕系數(shù)滑動(dòng)均值則在顯著下降。

表2 氣候要素變化及其與森林病蟲災(zāi)害Pearson 相關(guān)性

*P<0.05,**P<0.001,-不顯著,↑上升,↓下降

不同氣候要素對(duì)森林病蟲災(zāi)害影響各異,24個(gè)氣候要素中,找到17(病蟲害與蟲害)或16(病害)個(gè)與森林病蟲災(zāi)害發(fā)生顯著相關(guān)要素(表2),其中,顯著正相關(guān)要素包括夏季均溫滑動(dòng)均值、日照時(shí)數(shù)滑動(dòng)均值、年降水量變率、冬季均溫變率、年均溫滑動(dòng)均值、相對(duì)濕度變率、夏季均溫均值、溫濕系數(shù)變率、年均溫均值、溫差變率(與病蟲害、蟲害)、日照時(shí)數(shù)變率(與病蟲害、蟲害)、溫差均值(與病害)；而溫濕系數(shù)滑動(dòng)均值、相對(duì)濕度滑動(dòng)均值、年降水量滑動(dòng)均值、溫濕系數(shù)均值、年均溫變率、相對(duì)濕度均值則為顯著負(fù)相關(guān)要素。其中,與森林病蟲害、蟲害、病害發(fā)生的最大正相關(guān)要素分別為夏季均溫滑動(dòng)均值(r=0.838)、日照時(shí)數(shù)滑動(dòng)均值(r=0.839)、冬季均溫變率(r=0.709),而三者的最大負(fù)相關(guān)要素均為溫濕系數(shù)滑動(dòng)均值(病蟲害：r=-0.883,蟲害：r=-0.890,病害：r=-0.753),可見,溫濕系數(shù)滑動(dòng)均值等在負(fù)向上可能對(duì)研究區(qū)內(nèi)森林病蟲災(zāi)害發(fā)生及趨勢(shì)形成起著更關(guān)鍵的作用。

2.1.3 影響森林病蟲災(zāi)害的關(guān)鍵氣候要素及其影響趨勢(shì)

用主成分分析法,對(duì)以上與病蟲害、蟲害發(fā)生顯著相關(guān)(17個(gè),表2)及與病害發(fā)生顯著相關(guān)(16個(gè),表2)的要素進(jìn)一步合并、篩選,前者獲得4個(gè)主要成分(表3,即Y1、Y2、Y3、Y4),其特征根貢獻(xiàn)率分別為41.43%、13.9%、13.66%、7.85%,累積貢獻(xiàn)率為76.84%(KMO=0.647,X2=16359.97,df=136,P<0.001)。主成分Y1主要包含溫濕系數(shù)滑動(dòng)均值、年均溫滑動(dòng)均值、年均溫均值、溫濕系數(shù)均值、夏季均溫滑動(dòng)均值、夏季均溫均值、冬季均溫變率、年均溫變率、降水滑動(dòng)均值,主要體現(xiàn)溫度或溫濕度聯(lián)合變量特征；Y2主要包含相對(duì)濕度滑動(dòng)均值、相對(duì)濕度均值,體現(xiàn)濕度變量特征；Y3主要包含日照時(shí)數(shù)變率、溫濕系數(shù)變率、相對(duì)濕度變率,體現(xiàn)氣候要素變率變量特征；Y4主要包含降水量變率、日照時(shí)數(shù)滑動(dòng)均值,體現(xiàn)日照變量特征。而后者則獲得5個(gè)主要成分(表3,即Y1、Y2、Y3、Y4、Y5),它們的特征根貢獻(xiàn)率分別為42.00%、20.81%、8.04%、6.91%、6.37%,累積貢獻(xiàn)率為84.13%(KMO=0.660,X2=16286.514,df=120,P<0.001)。與上面相似,其Y1也主要體現(xiàn)溫度或溫濕度聯(lián)合變量特征,Y2主要體現(xiàn)濕度變量特征,Y3主要體現(xiàn)氣候要素變率變量特征,Y4主要體現(xiàn)降水量大小年變化與日照變量特征,而Y5因只包含溫差均值,故代表溫差變量特征。

表3 四/五主成分與氣候要素荷載矩陣

圖3 1992—2010年江西省溫濕系數(shù)滑動(dòng)均值、森林病蟲害發(fā)生趨勢(shì)與模型擬合Fig.3 Model fitting and trend of hydrothermal coefficient sliding average (HCSA), forest diseases and pest of Jiangxi during 1992 to 2010

從以上主成分中,選擇荷載最大的溫濕系數(shù)滑動(dòng)均值、相對(duì)濕度滑動(dòng)均值、日照時(shí)數(shù)變率、降水量變率、溫差均值作自變量,森林病蟲災(zāi)害發(fā)生作因變量繼續(xù)進(jìn)行逐步回歸,獲得3個(gè)最優(yōu)回歸方程

Y病蟲害=3.582 × 106-7.750 × 105X(R2=0.779,P<0.001)

Y蟲害=-6.375×105X+2.95×106(R2=0.791,F=49.335,P<0.001)

Y病害=-1.375×105X+6.321×105(R2=0.567,F=16.996,P=0.001)

相似地,以上X均為溫濕系數(shù)滑動(dòng)均值,三個(gè)方程的線性擬合度分別為77.9%、79.1%與56.7%,模型均具預(yù)測(cè)能力,而將溫濕系數(shù)滑動(dòng)均值回代后,得知其平均預(yù)測(cè)準(zhǔn)確率為66.2%、68.6%、47.9%(圖3)。因而,與其他氣候要素相比,溫濕系數(shù)滑動(dòng)均值可能對(duì)區(qū)內(nèi)森林病蟲災(zāi)害發(fā)生及趨勢(shì)形成起著最關(guān)鍵的影響,但二者在研究區(qū)內(nèi)呈顯著負(fù)向關(guān)系,前者在過去幾十年間顯著下降,而森林病蟲災(zāi)害發(fā)生面積則顯著增加(圖3)。

2.2 江西省1961—2010年溫濕系數(shù)時(shí)空變化特征

2.2.1 溫濕系數(shù)變化傾向率與周期性

研究區(qū)1961—2010年間的溫濕系數(shù)滑動(dòng)均值為4.517,總體呈顯著下降趨勢(shì)(R2=0.5827,P<0.001,圖4A),每10年的線性傾向率為-0.075,且正、負(fù)距平轉(zhuǎn)折點(diǎn)在1993年(圖4A)。小波方差圖(圖4 B)顯示：過去50年間區(qū)內(nèi)溫濕系數(shù)變化有2個(gè)周期,小周期為2a,大周期為29a,而以后者為主。小波實(shí)部變化圖(圖4C)也顯示29a周期振蕩最顯著,小波能量圖(圖4D)最大值1.4也出現(xiàn)在29a這一時(shí)間尺度位置上。

圖4 江西省1961—2010年溫濕系數(shù)滑動(dòng)均值時(shí)間序列變化趨勢(shì)(A,**P<0.001)與周期性特征(B小波方差圖、C小波實(shí)部變化圖、D小波能量圖)Fig.4 Variation, tendency and periodicity of hydrothermal coefficient sliding means during 1961 to 2010 in Jiangxi Province

2.2.2 溫濕系數(shù)變化傾向率及其空間分布特征

江西省各區(qū)縣溫濕系數(shù)差異較大,區(qū)域性變化特征顯著(圖5)。例如,溫濕系數(shù)滑動(dòng)均值總體上沿贛西北(最高5.59)向贛東南(最低3.84)遞減,在贛州出現(xiàn)明顯低值區(qū)(圖5A)。另外,各區(qū)縣50a溫濕系數(shù)滑動(dòng)均值線性變化傾向率或變化程度則沿贛西、贛南部向贛東、贛北部遞增,而在贛州、吉泰盆地的變化程度最低。由此說明,過去50年間,贛南高溫或干旱更重,而贛北變動(dòng)性更大。

圖5 江西省各區(qū)縣1961—2010年間溫濕系數(shù)滑動(dòng)均值(A)及其變化傾向率(B)分布特征Fig.5 Spatial variation of hydrothermal coefficient sliding average (A) and change trend rate (B)

3 結(jié)論與討論

近50年來,氣候變化加劇、全球趨于變暖[1,4]、陸地表面趨向干旱化[5],各類森林災(zāi)害頻繁發(fā)生[6-8],損失加重[9-10]。以森林生物災(zāi)害為例,其發(fā)生態(tài)勢(shì)近幾十年來在我國呈加重趨勢(shì),損失也隨之增加[12-13]。例如,研究區(qū)江西省年均氣溫、冬季均溫50年來(1961—2010)分別以0.16℃/10a[17]、0.27℃/10a速率升高,已分別升高0.87℃、1.38℃；然而,其年均相對(duì)濕度則以-0.45%/10a的速率下降。并且,短時(shí)間(1992—2010年)來看,其年均溫滑動(dòng)均值、夏季均溫滑動(dòng)均值等也在顯著升高,而年降水量滑動(dòng)均值、相對(duì)濕度均值、相對(duì)濕度滑動(dòng)均值等則在顯著下降,這些足以說明研究區(qū)氣候變暖及干旱化顯著。而與此同時(shí),區(qū)內(nèi)森林病蟲災(zāi)害發(fā)生也不斷加重,表現(xiàn)在災(zāi)害面積擴(kuò)大、爆發(fā)頻繁、一些次生性或偶發(fā)性害蟲局部爆發(fā)增多等方面。據(jù)范霍夫定律,氣候變暖驅(qū)使生物發(fā)育速率加快、生殖力增強(qiáng)、存活率尤其是越冬存活率提高,以及生物發(fā)生始見期、遷飛期、高峰期提前,年生育期延長、發(fā)生代數(shù)增加等[11],從而促進(jìn)害蟲發(fā)生。而氣候變暖也能驅(qū)使生物適生區(qū)加寬,為次生性或偶發(fā)性害蟲發(fā)生提供有利機(jī)會(huì)。本次研究支持氣候變化、變暖驅(qū)使森林病蟲災(zāi)害加重的觀點(diǎn),如敖淑平[26]等認(rèn)為大范圍流行性、毀滅性病蟲害的發(fā)生、發(fā)展、流行都幾乎與氣候變化有關(guān),Dukes等[29]則強(qiáng)調(diào)溫度上升3—5℃可加重球蚜、天幕毛蟲、蜜環(huán)菌根腐病和山毛櫸爛皮病對(duì)歐鼠李、南蛇藤等植物的侵害,從而破壞森林結(jié)構(gòu)、成分。事實(shí)上,本次所選24個(gè)氣候要素有16(與病害發(fā)生)或17(與病蟲害、蟲害發(fā)生)個(gè)顯著相關(guān)要素,夏季均溫滑動(dòng)均值等為最大正相關(guān),溫濕系數(shù)滑動(dòng)均值為最大負(fù)相關(guān)要素,表明過去幾十年的溫度上升(尤其是夏季高溫)或環(huán)境干旱促使著森林病蟲災(zāi)害發(fā)生加重,這與一些研究認(rèn)為年均氣溫升高是導(dǎo)致森林病蟲災(zāi)害加重的重要因素觀點(diǎn)一致。但是,部分研究傾向于支持暖冬的重要驅(qū)動(dòng)作用[18],如1月份暖溫驅(qū)使楊干象、美國白蛾、松縱坑切梢小蠹等森林害蟲災(zāi)害加重[19]；而另一部分則傾向于支持夏季高溫的重要驅(qū)動(dòng)作用,如6月高溫是導(dǎo)致洪都拉斯南方松小蠹蟲(Dendroctonusfrontalis)爆發(fā)的重要因素之一[27],本研究也支持森林病蟲災(zāi)害發(fā)生更易受夏季高溫驅(qū)動(dòng)。

然而,氣候變暖與環(huán)境干旱的雙重或聯(lián)合作用可能較其單一作用更為強(qiáng)烈。在分析各氣候要素對(duì)研究區(qū)森林病蟲災(zāi)害發(fā)生的影響中,先將所有氣候要素與森林病蟲災(zāi)害發(fā)生面積進(jìn)行相關(guān)分析,篩出與之顯著相關(guān)者(16或17個(gè)要素)進(jìn)行主成分分析,得到4或5個(gè)主成分,從而降低維度、減少共線性干擾。在獲得的主成分中,發(fā)現(xiàn)代表溫度或溫濕度聯(lián)合變量特征的第一主成分貢獻(xiàn)率最大(病蟲害與蟲害：41.43%,病害：42%),該結(jié)果支持溫度對(duì)森林病蟲災(zāi)害發(fā)生具重要影響的觀點(diǎn),而又突顯出溫濕度聯(lián)合作用的重要作用。事實(shí)上,氣候變化對(duì)病蟲災(zāi)害發(fā)生影響復(fù)雜,因?yàn)閱蝹€(gè)氣候要素的變化常會(huì)引起其他要素相應(yīng)地變化,如生物的適宜溫度范圍可能因濕度變化而偏移,反之亦然,所以即便是不同的溫濕度組合也可能產(chǎn)生出近似的生物發(fā)生效應(yīng)[30]。例如,落葉松銼葉蜂的發(fā)生就同時(shí)受到溫度、濕度、降水3個(gè)氣候要素的聯(lián)合作用[31],同樣地,湘西南馬尾松毛蟲的發(fā)生也不是單個(gè)氣候因子所左右,因?yàn)樯絽^(qū)溫度、濕度和降水都能對(duì)其發(fā)生產(chǎn)生影響[32]。盡管,從前的一些研究及本次研究結(jié)果均支持環(huán)境溫度變化是影響森林病蟲災(zāi)害的主要因子的觀點(diǎn)。但是,不容忽視的是,環(huán)境濕度的變化也可能參與其中或以聯(lián)合效應(yīng)發(fā)揮作用。事實(shí)上,環(huán)境干旱對(duì)一些害蟲發(fā)生直接有利,如小隴山林區(qū)的葡萄長須卷蛾發(fā)生與危害與當(dāng)?shù)販嘏稍锏臍夂颦h(huán)境密切相關(guān)[33],意大利阿爾卑斯山地區(qū)的云杉葉蜂易因干旱脅迫或在氣候干熱條件下爆發(fā)成災(zāi)[20],而銹色粒肩天牛也多在降水少、溫濕系數(shù)低的年份爆發(fā)成災(zāi)[21]。

實(shí)際上,在預(yù)測(cè)模型構(gòu)建中,也發(fā)現(xiàn)溫濕系數(shù)滑動(dòng)均值這一綜合要素表現(xiàn)最好。例如,經(jīng)主成分分析后,選擇各主成分中載荷值最大者為自變量、森林病蟲災(zāi)害發(fā)生面積作因變量,以逐步回歸法構(gòu)建獲得的最優(yōu)回歸預(yù)測(cè)模型,均是基于溫濕系數(shù)滑動(dòng)均值(X)所構(gòu)建(Y病蟲害=3.582 × 106-7.750 × 105X；Y蟲害=-6.375×105X+2.95×106；Y病害=-1.375×105X+6.321×105),且與用主成分回歸法所獲模型(如Y蟲害=-3377.397Y1+1352975.004)相比,前法所構(gòu)建的模型擬合度更高(如擬合度Y蟲害=-6.375×105X+2.95×106為79.1%,而Y蟲害=-3377.397Y1+1352975.004為62.7%)。作為年均相對(duì)濕度與年均溫度的比值,溫濕系數(shù)是反應(yīng)溫濕度聯(lián)合關(guān)系與作用的綜合性氣候要素,年均相對(duì)濕度下降或年均溫度上升,或者兩種變化同時(shí)發(fā)生,導(dǎo)致溫濕系數(shù)下降。研究表明,江西省過去50年年均溫滑動(dòng)均值明顯上升,而相對(duì)濕度均值與相對(duì)濕度滑動(dòng)均值則明顯下降,溫濕系數(shù)滑動(dòng)均值因此呈顯著下降趨勢(shì),為一些森林病蟲災(zāi)害發(fā)生創(chuàng)造了有利條件[20-21,33],從而驅(qū)使著森林病蟲災(zāi)害在過去幾十年間不斷加重。尤其,隨著全球在20世紀(jì)90年代進(jìn)入近百年來最暖的10a[2-3],溫濕系數(shù)下降也最為明顯,如其滑動(dòng)均值即在1993年轉(zhuǎn)為負(fù)距平,驅(qū)使著森林病蟲災(zāi)害深度加重。并且,研究區(qū)溫濕系數(shù)滑動(dòng)均值具29a大周期特征,故若以1993年為切入點(diǎn),則可預(yù)判區(qū)內(nèi)森林病蟲災(zāi)害加重趨勢(shì)至少維持到2022年。另外,研究區(qū)溫濕系數(shù)滑動(dòng)均值具區(qū)域分布特征,如溫濕系數(shù)滑動(dòng)均值總體沿贛西北向贛東南遞減,并在贛州市及其周邊形成一個(gè)低值區(qū)(圖5A)。盡管贛州、吉泰盆地等地為江西省森林病蟲重災(zāi)區(qū),但據(jù)溫濕系數(shù)滑動(dòng)均值線性變化傾向率呈沿著贛西、贛南部向贛東、贛北部遞增,可預(yù)判隨著氣候變暖或環(huán)境干旱,贛東北森林因病蟲災(zāi)害而遭受破壞的加重進(jìn)度將較其他區(qū)域更快,換言之,輕災(zāi)區(qū)的未來森林病蟲災(zāi)害變動(dòng)性可能較重災(zāi)區(qū)更大。

致謝：本文地面氣候資料日值數(shù)據(jù)來自中國氣象數(shù)據(jù)中心,江西農(nóng)業(yè)大學(xué)林學(xué)院研究生曾城做了大量的數(shù)據(jù)錄入工作，特此致謝。

[1] Team C W, Pachauri R K, Reisinger A. IPCC fourth assessment report. Geneva: IPCC, 2007.

[2] Jones P D, Moberg A. Hemispheric and large-scale surface air temperature variations: An extensive revision and an update to 2001. Journal of Climate, 2003, 16(2): 206-223.

[3] 丁一匯, 任國玉, 石廣玉, 宮鵬, 鄭循華, 翟盤茂, 張德二, 趙宗慈, 王紹武, 王會(huì)軍, 羅勇, 陳德亮, 高學(xué)杰, 戴曉蘇. 氣候變化國家評(píng)估報(bào)告(Ⅰ): 中國氣候變化的歷史和未來趨勢(shì). 氣候變化研究進(jìn)展, 2006, 2(1): 3-8.

[4] Intergovernmental Panel on Climate Change (IPCC). Climate change 2013: the physical science basis // Contribution of Working group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press, 2013.

[5] Dai A G. Increasing drought under global warming in observations and models. Nature Climate Change, 2013, 3(1): 52-58.

[6] 李秀芬, 朱教君, 王慶禮, 劉足根. 森林的風(fēng)/雪災(zāi)害研究綜述. 生態(tài)學(xué)報(bào), 2005, 25(1): 148-157.

[7] 仝川, 楊玉盛. 颶風(fēng)和臺(tái)風(fēng)對(duì)沿海地區(qū)森林生態(tài)系統(tǒng)的影響. 生態(tài)學(xué)報(bào), 2007, 27(12): 5337-5344.

[8] 張星耀, 駱有慶. 中國森林重大生物災(zāi)害. 北京: 中國林業(yè)出版社, 2003.

[9] Van Aalst M K. The impacts of climate change on the risk of natural disasters. Disasters, 2006, 30(1): 5-18.

[10] 丁文廣, 肖俊豪, 汪霞. 氣候變化對(duì)我國森林自然災(zāi)害的影響. 西北林學(xué)院學(xué)報(bào), 2010, 25(5): 117-120.

[11] 魏書精, 孫龍, 魏書威, 胡海清. 氣候變化對(duì)森林災(zāi)害的影響及防控策略. 災(zāi)害學(xué), 2013, 28(1): 36-40, 64-64.

[12] 曾菊平, 曾城, 歐陽芳, 劉興平, 戈峰. 2000—2010年全國森林生物災(zāi)害發(fā)生、損失與趨勢(shì)分析. 生物災(zāi)害科學(xué), 2014, 37(1): 7-12.

[13] 張鵬霞, 曾菊平, 曾城, 彭龍慧. 2000—2010年全國森林病害發(fā)生、損失與趨勢(shì)分析. 生物災(zāi)害科學(xué), 2014, 37(2): 101-108.

[14] 中國森林編輯委員會(huì). 中國森林(第1卷). 北京: 中國林業(yè)出版社, 1997.

[15] 王兵, 任曉旭, 胡文. 中國森林生態(tài)系統(tǒng)服務(wù)功能及其價(jià)值評(píng)估. 林業(yè)科學(xué), 2011, 47(2): 145-153.

[16] 胡菊芳, 張超美, 彭靜. 江西省主要?dú)庀鬄?zāi)害年代際變化特征分析. 氣象與減災(zāi)研究, 2007, 30(4): 37-42.

[17] 吳茜, 徐莉莉, 蔡道明, 張海林, 葉護(hù)平, 吳宜進(jìn). 近52年來江西省氣候變化特征研究. 華中師范大學(xué)學(xué)報(bào): 自然科學(xué)版, 2010, 44(4): 686-690.

[18] 趙鐵良, 耿海東, 張旭東, 方國飛, 王玉玲, 趙清山. 氣溫變化對(duì)我國森林病蟲害的影響. 中國森林病蟲, 2003, 22(3): 29-32.

[19] 張梅, 王敏慧, 陳玉光, 李志. 林業(yè)有害生物發(fā)生率與氣象條件關(guān)系及預(yù)報(bào). 遼寧林業(yè)科技, 2010, (4): 24-26, 62-62.

[20] Marchisio C, Cescatti A, Battisti A. Climate, soils andCephalciaarvensisoutbreaks onPiceaabiesin the Italian Alps. Forest Ecology and Management, 1994, 68(2/3): 375-384.

[21] 孫丹萍, 徐睿, 梁鐵旺, 姚方. 銹色粒肩天牛生態(tài)學(xué)特性研究. 西北林學(xué)院學(xué)報(bào), 2007, 22(5): 114-116, 127-127.

[22] 范正章, 陳順立. 武夷山風(fēng)景區(qū)馬尾松毛蟲發(fā)生趨勢(shì)與環(huán)境因子的相關(guān)性. 華東昆蟲學(xué)報(bào), 2008, 17(2): 110-114.

[23] 費(fèi)海澤. 干旱背景下影響馬尾松毛蟲種群的關(guān)鍵因子分析[D]. 北京: 中國林業(yè)科學(xué)研究院, 2013.

[24] 沈彩周, 溫小遂, 李莉華, 侯佩華, 龍煒, 李國棟. 江西省林業(yè)有害生物災(zāi)害損失評(píng)估. 江西林業(yè)科技, 2012, (1): 28-31.

[25] 魏鳳英. 現(xiàn)代氣候統(tǒng)計(jì)診斷與預(yù)測(cè)技術(shù). 北京: 氣象出版社, 2007.

[26] 敖淑平. 渝東地區(qū)近年氣候變化與農(nóng)作物病蟲害演替趨勢(shì)分析. 植物醫(yī)生, 2008, 21(5): 4-5.

[27] Rojas M R, Locatelli B, Billings R. Climate change and outbreaks of southern pine beetleDendroctonusfrontalisin Honduras. Forest Systems, 2010, 19(1): 70-76.

[28] 袁新田, 劉桂建. 1957年至2007年淮北平原氣候變率及氣候基本態(tài)特征. 資源科學(xué), 2012, 34(12): 2356-2363.

[29] Dukes J S, Pontius J, Orwig D, Garnas J R, Rodgers V L, Brazee N, Cooke B, Theoharides K A, Stange E E, Harrington R, Ehrenfeld J, Gurevitch J, Lerdau M, Stinson K, Wick R, Ayres M. Responses of insect pests, pathogens, and invasive plant species to climate change in the forests of northeastern North America: What can we predict? Canadian Journal of Forest Research, 2009, 39(2): 231-248.

[30] 戈峰. 現(xiàn)代生態(tài)學(xué)(第二版). 北京: 科學(xué)出版社, 2008.

[31] 曾兵兵. 塞罕壩機(jī)械林場(chǎng)落葉松銼葉蜂遙感監(jiān)測(cè)與預(yù)測(cè)研究[D]. 北京: 北京林業(yè)大學(xué), 2008.

[32] 黃向東, 陳良昌. 湘西南馬尾松毛蟲發(fā)生規(guī)律與環(huán)境因子的關(guān)系. 湖南林業(yè)科技, 2008, 35(5): 19-22.

[33] 許彥平, 姚曉紅, 袁伯順, 姚延峰, 姚曉琳, 包曲靈. 小隴山林區(qū)葡萄長須卷蛾危害面積的氣象預(yù)測(cè)研究. 西北農(nóng)林科技大學(xué)學(xué)報(bào): 自然科學(xué)版, 2012, 40(1): 81-86.

Global warming and droughts aggravates forest damage resulting from pests and diseases in Jiangxi Province

ZHANG Pengxia1, YE Qing1, OUYANG Fang2, PENG Longhui1, LIU Xingping1, GUO Yuehua3, ZENG Juping1,*

1DepartmentofForestry,JiangxiAgriculturalUniversity,Nanchang330045,China2InstituteofZoology,ChineseAcademyofSciences,Beijing100101,China3PlantProtectionandQuarantineBureauofJiangxi,Nanchang330096,China

Over the past 50 years, the climate has changed rapidly with global warming and land surface drying, which has been accompanied by increased forest loss and damage resulting from pests and diseases. Climate data (e.g., air temperature, relative humidity, and sunshine data) from 1961 to 2010 showed that the climate in the Jiangxi Province was warming significantly, with the annual mean temperature increasing by 0.16°C per 10 years, and the winter mean temperature rising by 0.27°C per 10 years. The Jiangxi Province climate was also drying throughout this period (annual mean relative humidity decreased -0.45% per 10 years). In addition, forest pests and disease occurrence from 1992 to 2010 showed that in Jiangxi, the area affected by of forest diseases and pests increased significantly, with 58,125 hm2per 10 years. Pearson correlation and principal component analyses showed that 16 (for forest diseases) or 17 (for forest pests) climate elements were significantly related to the forest loss. From these individual elements, the most positively correlated was a 9-year sliding average of summer mean temperature, and the most negatively correlated component was a 9-year sliding average of hydrothermal coefficient (annual mean temperature / annual mean relative humidity). Amongst the four or five principal components, the variables temperature and temperature-humidity contributed most to explaining forest area loss (41.43% and 42.0%, respectively). In stepwise regression analyses, three optimal regression models (Total:Y=3.582 × 106 -7.750 × 105X, forest pest:Y=-6.375 × 105X+ 2.95 × 106, forest diseases:Y=-1.375 × 105X+ 6.321 × 105) were analyzed to describe the forest loss (Y) by the 9-year sliding average of temperature humidity coefficient (X). The three models showed a linear fit of 77.9%, 79.1%, and 56.7% and a prediction accuracy of 66.2%, 68.6%, and 47.9%, respectively. A declining trend in the sliding average of temperature humidity coefficient was observed over the past 50 years, for which the anomaly transferred from positive to negative in 1993. This indicates that climate warming and droughts could have aggravated the forest loss and damage over the past 50 years, especially after 1990s. A wavelet analysis showed a 29-year periodicity in the temperature humidity coefficient. If this anomaly started in 1993, the forest loss trend could potentially be relieved by the end of 2022. In Jiangxi, the temperature humidity coefficient significantly increases from the south to the north, suggesting that forest diseases and pest disasters should be more extreme in Gan Nan than in other areas. In addition, since the change rate of climate warming or drought was higher in Gan Dong and Gan Bei, a high variability of forest diseases and pest disasters can be expected there in the future. Overall, our results suggest that climate warming and environmental drought aggravates forest diseases and pest disasters in Jiangxi. They furthermore emphasize that Gan Nan could be a key area in preventing and controlling the effects of forest diseases and pest disasters, whereas the monitoring efforts in Gan Dong and Gan Bei should be increased.

long-time; global warming; droughts; forest loss generated by pests and diseases; driving effect; regionality

環(huán)保部專項(xiàng)資助項(xiàng)目(STSN-04-04)

2015-08-06;

日期:2016-06-13

10.5846/stxb201508061661

* 通訊作者Corresponding author.E-mail: zengjupingjxau@163.com

張鵬霞,葉清,歐陽芳,彭龍慧,劉興平,郭躍華,曾菊平.氣候變暖、干旱加重江西省森林病蟲災(zāi)害.生態(tài)學(xué)報(bào),2017,37(2):639-649.

Zhang P X, Ye Q, Ouyang F, Peng L H, Liu X P, Guo Y H, Zeng J P.Global warming and droughts aggravates forest damage resulting from pests and diseases in Jiangxi Province.Acta Ecologica Sinica,2017,37(2):639-649.