徐 慧, 陳金華, 黃 進, 張方敏

(1.南京市生態(tài)環(huán)境保護科學研究院, 南京 210013; 2.安徽省農(nóng)村綜合經(jīng)濟信息中心(安徽省農(nóng)業(yè)氣象中心), 合肥 230031; 3.南京信息工程大學 應用氣象學院, 南京210044)

我國地處氣象災害多發(fā)的東亞季風區(qū)，由于農(nóng)業(yè)抗災基礎設施較薄弱，每年農(nóng)業(yè)受災面積高達5 000～5 500萬hm2，占農(nóng)作物總播面積的30%～35%，氣候要素已成為影響農(nóng)作物穩(wěn)產(chǎn)高產(chǎn)的重要因素[1]。因此，精準評估氣候異常和極端災害事件對農(nóng)業(yè)生產(chǎn)風險的影響得到了我國學者的高度重視。與常規(guī)的“四因子”災害風險評估法所需的繁復數(shù)據(jù)相比，通過作物單產(chǎn)分離出的氣候減產(chǎn)率能夠準確、高效、快捷地對氣候異常導致的災損風險進行區(qū)劃[2]。相關學者運用該指標完成了對我國不同省份水稻、玉米等農(nóng)作物災損風險的有效評估[2-5]。但這些研究往往關注作物災損風險值的空間分布，對災損風險的空間聚集、重心遷移、演變特征等時空動態(tài)特征的探求還寥寥無幾。因此，基于氣候減產(chǎn)率挖掘作物災損風險的年代際波動特征，進而構(gòu)建災損風險的時空演變格局值得我們深入嘗試。

冬小麥是安徽省主要糧食作物，種植面積達到200萬hm2，約占全省耕地面積的一半，其總產(chǎn)量居全國第四位[6]。安徽地處我國南北氣候過渡帶，天氣形勢復雜多變，強降水、持續(xù)干旱、連陰雨等農(nóng)業(yè)氣象災害時有發(fā)生，對冬小麥的種植帶來了較為不利的影響[5]。鑒于此，本文擬以安徽省74個區(qū)縣冬小麥1973—2014年的單產(chǎn)序列為基礎，采用氣候產(chǎn)量原理分離出氣候減產(chǎn)率，進而運用空間計量分析以及氣候診斷方法研究冬小麥災損風險的時空分布特征。這對氣候變化背景下宏觀調(diào)控研究區(qū)冬小麥防災減災以及保障區(qū)域糧食安全有著重要意義。

1 研究方法

1.1 數(shù)據(jù)

依托安徽省統(tǒng)計年鑒、安徽省農(nóng)村經(jīng)濟統(tǒng)計年鑒等資料匯總整理了74個區(qū)縣(圖1)1973—2014年冬小麥單產(chǎn)數(shù)據(jù)。此外，國家統(tǒng)計網(wǎng)農(nóng)作物資料數(shù)據(jù)集提供了全省尺度下安徽省1973—2014年3種關鍵農(nóng)業(yè)生產(chǎn)力指標I1：有效灌溉率(%)；I2：單位面積農(nóng)用化肥施用量(萬t/千hm2)；I3：單位面積投入農(nóng)業(yè)機械動力(萬kW/千hm2)的相關記錄。

1.2 冬小麥氣候減產(chǎn)率的計算

冬小麥的氣候產(chǎn)量(Climate-driven yield,Yc)由公式(1)計算：

Yc=100 ×(Y/Yt-1)

(1)

式中：Y為實際冬小麥單產(chǎn)；Yt為農(nóng)業(yè)生產(chǎn)力驅(qū)動的趨勢產(chǎn)量，其為單產(chǎn)與年份基于線性及非線性方法擬合的結(jié)果[7]。

圖1 安徽省73個冬小麥種植區(qū)縣的空間分布

理論上Yt應與農(nóng)業(yè)生產(chǎn)力的發(fā)展趨勢高度吻合，客觀的擬合Yt有利于準確的反映Yc的逐年波動[8]。由于社會經(jīng)濟發(fā)展過程較為相近，理論上同一省份內(nèi)各地趨勢產(chǎn)量的提取可以采用相同的方法[9]。因此，本研究進行如下篩選：(1) 采用線性回歸(S1)、五年滑動平均(S2)、Logistic曲線(S3)、HP濾波(S4)、二次函數(shù)(S5)5種常用方法提取73個區(qū)縣的冬小麥趨勢產(chǎn)量序列；(2) 對各區(qū)縣的趨勢產(chǎn)量求平均，進而得到對應5種方法的區(qū)域趨勢產(chǎn)量序列(TY1，TY2，TY3，TY4，TY5)；(3) 以I1，I2，I3這3個驅(qū)動糧食作物增產(chǎn)的生產(chǎn)力指標為自變量，TY為因變量，分別構(gòu)建5組多元線性方程，其回歸決定系數(shù)分別為0.954，0.990，0.967，0.992，0.996。由此可見TY5與生產(chǎn)力指標的線性關系最為顯著，這表明利用S5提取的趨勢產(chǎn)量與實際生產(chǎn)力發(fā)展進程更為一致。基于二次函數(shù)擬合提取了各區(qū)縣1973—2014年的冬小麥yc序列。將yc序列中的正值賦值為0，負值取絕對值，由此構(gòu)建出各區(qū)縣冬小麥氣候減產(chǎn)率(Climate-driven yield reduction rate, CDYRR)的逐年序列。CDYRR大于0的年份定義為成災年，計算某一時期內(nèi)成災年份CDYRR的平均值，得到相應的平均減產(chǎn)率，進而可以表征冬小麥災損風險的高低。

1.3 莫蘭指數(shù)

莫蘭指數(shù)(Morlan′sI)分析也稱空間自相關分析，通常用來測度研究對象屬性值在空間上是否存在集聚特性。Morlan′sI介于[-1～1]之間，絕對值越大則表明自相關性越強，若Morlan′sI為負值表示空間單元趨于分散分布；Morlan′sI為正值則表示出現(xiàn)規(guī)模集聚效應；當Morlan′sI=0時表示空間上呈隨機分布[10]。計算公式如下：

(2)

式中:n為區(qū)縣個數(shù);xi和xj分別為區(qū)縣i和區(qū)縣j的多年平均CDYRR;ωij為空間權重矩陣;y為各區(qū)縣CDYRR的平均值。

1.4 重心遷移模型

區(qū)域發(fā)展過程中某地理要素的加權平均中心往往稱為重心，重心遷移模型則客觀地反映了區(qū)域要素空間分布的集聚和位移規(guī)律[11]。本文中冬小麥災損重心的空間坐標由公式(3)計算。

(3)

式中:X,Y為重心坐標;xi，yi分別為第i個區(qū)縣的經(jīng)、緯度坐標;CDYRRi為第i個區(qū)縣的某一年的氣候減產(chǎn)率。

1.5 時序特征分析

采用Mann-Kendall非參數(shù)趨勢檢驗及突變檢驗、Hurst指數(shù)(H)、集合經(jīng)驗模態(tài)分析(Ensemble Empirical Mode Decomposition, EEMD)對相關氣候指標的變化趨勢、突變情形、長程持續(xù)性、振蕩周期性等時序特征進行了診斷分析。

2 結(jié)果與分析

2.1 冬小麥災損風險的空間分布特征

圖2A為安徽省1973—2014年平均氣候減產(chǎn)率的空間分布。就整個研究期而言，安徽省冬小麥災損風險的分布具有明顯的地域性，其高值區(qū)域主要分布在安徽省北部，特別是沿淮地區(qū)。相比較，淮河以南大部分區(qū)域的災損風險較低。圖2B為安徽省1973—2014年氣候減產(chǎn)率變異系數(shù)的空間分布，與圖2A相類似，可以發(fā)現(xiàn)沿淮地區(qū)及東北部減產(chǎn)率的年際波動較強。當整個研究期劃分為4個時段時，圖3中冬小麥年均減產(chǎn)率的空間分布呈現(xiàn)出顯著的年代際差異。1973—1979年，冬小麥的災損風險的高值區(qū)域主要為沿淮地區(qū)的中東部以及江南地區(qū)；1980—1989年，冬小麥的災損風險的高值區(qū)域主要為安徽省西北部以及西南部；1990—1999年，冬小麥的災損風險的高值區(qū)域主要為沿淮地區(qū)的中西部；2000—2014年，冬小麥的災損風險的高值區(qū)域主要為沿淮地區(qū)以及安徽省的東南部。由圖3中不同年代平均減產(chǎn)率的極值來看，1990—1999年安徽省冬小麥災損風險較高，而1980—1989年的災損風險較低。這與安徽省近40 a氣象災害年景的年代際變化相吻合，其中1991年、1998年全省遭遇嚴重的雨澇災害，造成了小麥產(chǎn)量嚴重減產(chǎn)[12-13]。

圖2 1973-2014年安徽省冬小麥平均氣候減產(chǎn)率及變異系數(shù)的空間分布

圖3 安徽省不同年代氣候減產(chǎn)率與災損重心的空間分布

對安徽省冬小麥平均減產(chǎn)率進行空間自相關分析，得到1973—1979年、1980—1989年、1990—1999年、2000—2014年共4個時段減產(chǎn)率的莫蘭指數(shù)(圖4)?？梢园l(fā)現(xiàn)各年代的Morlan′sI均大于0，表明安徽省冬小麥災損風險具有一定的空間聚集性，即風險高(低)的區(qū)縣，其周邊區(qū)縣的災損風險也較高(低)。Morlan′sI在不同年代表現(xiàn)出一定的波動性。其中1990—1999年平均減產(chǎn)率的Morlan′I最高，達到了0.430，表明了該時段冬小麥災損風險的空間聚集效應較強。這與圖3C相吻合，災損風險的熱點主要集中在沿淮地區(qū)，并分別向北部和南部減弱。而1980—1989年、2000—2014年平均減產(chǎn)率的Morlan′sI分別僅為0.120，0.110，表明了災損風險空間分布的破碎化程度較高，這與圖3B和3D中出現(xiàn)了多處風險熱點相吻合。

2.2 冬小麥災損重心的時空演變特征

1973—1979年、1990—1999年災損風險重心主要在沿淮地區(qū)的中部進行小幅的南北浮動。與之不同、1980—1989年、2000—2014年災損風險重心的遷移幅度較大，重心由北向南在淮北地區(qū)、江淮地區(qū)、江南地區(qū)等區(qū)域均有所分布。圖5為重心經(jīng)緯度的年際變化序列及其時序診斷結(jié)果。

由圖中M-K突變檢驗的UF/UB曲線所示，災損重心經(jīng)度的年際變化未發(fā)生明顯的突變，而災損重心緯度則在2001年發(fā)生了突變，此后緯度呈現(xiàn)出較顯著的減小趨勢。由圖中M-K趨勢檢驗的Z值所示，災損重心的經(jīng)度呈現(xiàn)出增大趨勢，但未通過0.05顯著性水平的檢驗；而災損重心的緯度則呈現(xiàn)出減小趨勢，且通過0.01顯著性水平的檢驗。由圖中Hurst指數(shù)(H)所示，災損重心經(jīng)度的逐年序列呈現(xiàn)出較弱的持續(xù)性，而經(jīng)度的逐年序列則表現(xiàn)出較強的時序長程依賴性，即未來的短期變化與過去的變化趨勢相一致。由此可見，1973—2014年冬小麥災損重心向安徽省南部移動的趨勢較為顯著，未來江南地區(qū)可能是高災損風險區(qū)域。

圖5 災損重心經(jīng)緯度逐年序列的M-K檢驗及Hurst指數(shù)

圖6給出了災損重心經(jīng)緯度年際變化序列的EEMD分析結(jié)果，其中1973—2014年經(jīng)緯度的逐年序列均可分解成1個Trend項和4個IMF項(有限本征模函數(shù)，Intrinsic Mode Function)。由圖6A可示，災損重心經(jīng)度的逐年變化呈現(xiàn)出以2.6 a為主周期的高頻短期振蕩，體現(xiàn)在其IMF1分量的方差貢獻率達到了42.7%，所占比重遠高于其他分量。由圖6A中IMF1，IMF2，IMF3的演變過程可以發(fā)現(xiàn)，重心經(jīng)度的年代際波動在2000年前呈現(xiàn)出較大幅度的振蕩，而2000年后波動的振幅明顯較小。與圖6A不同，圖6B中重心緯度的IMF1，IMF2，IMF3分量的方差貢獻率均未超過17%，而Trend項的貢獻率達到了43.1%。這表明了災損重心緯度呈現(xiàn)出顯著減小的演變趨勢，而其年代際波動不是很明顯。

圖6 災損重心經(jīng)度(A)和緯度(B)逐年序列的EEMD分解

2.3 冬小麥災損風險變化趨勢的空間分布

基于M-K趨勢檢驗，圖7A給出了各區(qū)縣冬小麥減產(chǎn)率逐年序列Z值的空間分布。安徽省中部及北部大部分地區(qū)的冬小麥災損風險呈現(xiàn)出下降趨勢，特別是淮北中東部地區(qū)的下降趨勢通過了0.1顯著性水平的檢驗。反觀安徽省南部，特別是江南地區(qū)，冬小麥災損風險呈現(xiàn)出上升趨勢，但并沒有通過0.1顯著性水平的檢驗。圖7B中全省絕大部分地區(qū)冬小麥減產(chǎn)率的H值均超過0.5。其中安徽省中部及西北部的H值略低，介于0.5～0.6之間，而淮北的東北部及江南大部分地區(qū)的H值超過了0.6。這表明冬小麥氣候減產(chǎn)率的年際演變表現(xiàn)出較強的持續(xù)性，未來短期內(nèi)江南地區(qū)冬小麥災損風險將會持續(xù)增加。

圖7 1973-2014年安徽省冬小麥氣候減產(chǎn)率變化趨勢及H值的空間分布

3 結(jié) 論

(1) 基于安徽省74個區(qū)縣的冬小麥1973—2014年的單產(chǎn)數(shù)據(jù)，通過提取不同時期的平均氣候減產(chǎn)率，可以發(fā)現(xiàn)冬小麥災損風險的空間分布呈現(xiàn)出明顯的年代際變化。總體而言，冬小麥高風險區(qū)域主要集中在安徽省北部特別是沿淮地區(qū)，而廣大江南地區(qū)的災損風險相對較低。這與安徽省冬小麥干旱等氣象災害脆弱性評價結(jié)果相吻合[14]。沿淮地區(qū)地處暖溫帶氣候與北亞熱帶氣候的過渡區(qū)，為全省降水年際變異最大的區(qū)域，其水資源時空分布不均，而土壤蓄水保墑能力較差，且農(nóng)業(yè)經(jīng)濟水平和抗災減災能力較落后，因而災損風險較高[15-17]。而江南地區(qū)降水充沛，土壤肥沃，栽培技術及機械化水平程度較高，因此其冬小麥災損風險較低[5]。

(2) 重心遷移模型表明安徽省冬小麥災損重心有著顯著的南移趨勢。這與M-K趨勢檢驗的結(jié)果相一致，安徽省北部，特別是淮北地區(qū)中東部的災損風險呈現(xiàn)出顯著的減弱趨勢，而廣大江南地區(qū)則呈現(xiàn)出一定的增強趨勢。水分虧缺是安徽省北部地區(qū)冬小麥種植的主要不利因素，2000年以來該區(qū)域降水較其他時期偏多，從而降低了農(nóng)業(yè)干旱對小麥生長的不利影響[18-19]。而降水偏多引發(fā)雨澇、濕漬、陰雨寡照是影響南部地區(qū)冬小麥生長的主要氣象災害，近十幾年來該區(qū)域極端降水事件強度及頻次的增加使得冬小麥種植風險有所提高[20-21]。因此，安徽省冬小麥氣候災損風險的時空演變呈現(xiàn)出顯著的南北區(qū)域差異，這一時空格局應引起我們的高度重視。