黃嘉彬 劉吉平 馬蘭 張麗 趙丹丹

摘要 以東北三省為研究區(qū)域，利用3期水田空間分布數(shù)據(jù)，并結(jié)合影響水田面積和格局變化的11個(gè)氣候因子，定量評(píng)價(jià)不同時(shí)期影響水田格局氣候因子的貢獻(xiàn)大小。結(jié)果表明：1986—2000年?yáng)|北三省氣溫逐漸升高，降水呈現(xiàn)降低趨勢(shì)。2000—2020年氣溫逐漸升高，降水呈現(xiàn)升高趨勢(shì)；水田面積呈增加趨勢(shì)。熱量和水分條件是影響東北三省水田空間分布的主要因素，但不同時(shí)期影響水田的主要?dú)夂蛞蜃硬幌嗤?，熱量資源是制約1986—2000年?yáng)|北三省水田分布的主要?dú)夂蛞蜃樱謼l件是制約2000—2020年水田分布的主要?dú)夂蛞蜃印?/p>

關(guān)鍵詞 氣候變化；水田；東北三??；偏回歸平方和

中圖分類(lèi)號(hào)：P467文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：2095–3305（2023）07–0135-03

水田是耕地的重要組成部分，其主要種植物水稻，是人們賴(lài)以生存的糧食之一，為人們的生存和發(fā)展提供重要保障。東北三省是我國(guó)水稻主產(chǎn)區(qū)之一，受氣候變化、糧食需求和農(nóng)業(yè)發(fā)展?fàn)顩r的影響，近幾十年來(lái)的空間分布格局發(fā)生了顯著變化[1]。因此，研究東北三省水田變化對(duì)保障國(guó)家糧食安全和促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展具有重要意義。

近些年，許多學(xué)者已經(jīng)開(kāi)展有關(guān)氣候變化對(duì)水田影響的研究，包括氣候變化對(duì)水田面積、水田格局、水稻種植界限變化等方面的研究[2-6]。以往的研究多集中在年平均氣溫、降水量、積溫等單個(gè)氣候因子對(duì)水田格局變化的影響，缺乏多種氣候因子對(duì)水田變化綜合影響的研究，各氣候因子對(duì)水田格局變化貢獻(xiàn)的定量分析研究更少[7-9]。定量評(píng)價(jià)不同時(shí)期影響水田格局氣候因子的貢獻(xiàn)大小，并找出影響水田格局的主要?dú)夂蛞蛩?，是亟待解決的問(wèn)題。基于1986—2020年?yáng)|北三省的氣候數(shù)據(jù)和水田數(shù)據(jù)，利用GIS技術(shù)和數(shù)理統(tǒng)計(jì)方法確定不同時(shí)期影響水田格局變化的主要?dú)夂蛞蜃?，定量評(píng)價(jià)影響東北三省水田格局氣候因子的貢獻(xiàn)大小，為氣候變化背景下水田的合理利用、開(kāi)發(fā)和規(guī)劃提供技術(shù)參考和依據(jù)。

1 材料與方法

1.1 研究區(qū)域

研究區(qū)域指行政上的東北區(qū)，主要包括黑龍江省、吉林省和遼寧省三?。▓D1）。東北三省是我國(guó)緯度最高的地區(qū)，屬于溫帶季風(fēng)氣候，夏季雨熱同期的特點(diǎn)利于農(nóng)業(yè)生產(chǎn)[10-11]。冬季寒冷而漫長(zhǎng)，夏季溫暖濕潤(rùn)，年均氣溫2.75～5.72 ℃，年均降水量250～700 mm[12]。

1.2 數(shù)據(jù)資料的來(lái)源與獲取

1986、2000和2020年的東北三省水田數(shù)據(jù)來(lái)源于美國(guó)地質(zhì)勘探局USGS下載的分辨率為30 m×30 m的landsat 8 OLI/ETM+/TM影像，使用ENVI 5.1軟件提取出水田分布范圍，經(jīng)野外調(diào)查與高分辨率遙感影像驗(yàn)證。1986—2020年?yáng)|北三省氣象數(shù)據(jù)來(lái)源于中國(guó)氣象局國(guó)家氣象信息共享中心，共選取東北三省96個(gè)氣象站點(diǎn)。

1.3 主要研究方法

1.3.1 氣候因子計(jì)算方法 選取對(duì)水田有影響的11個(gè)氣候因子（年平均氣溫、年降水量、平均氣溫距平、平均最高氣溫、平均最低氣溫、降水距平百分率、平均相對(duì)濕度、溫暖指數(shù)、寒冷指數(shù)、生物溫度、濕度指數(shù)），依據(jù)月平均氣溫計(jì)算溫暖指數(shù)、寒冷指數(shù)、生物溫度，依據(jù)年降水量與溫暖指數(shù)計(jì)算濕度指數(shù)。

1.3.2 水田變化及影響因素研究方法 采用動(dòng)態(tài)度指標(biāo)分析水田動(dòng)態(tài)變化的程度與速率，質(zhì)心偏移模型分析不同時(shí)期水田在空間上的分布變化和差異。根據(jù)東北三省的實(shí)際情況，利用ArcGIS 10.5軟件建立20 km×20 km的網(wǎng)格，疊加水田分布圖并計(jì)算出每個(gè)網(wǎng)格的水田率。

通過(guò)SPSS軟件處理，采用逐步回歸分析方法分別計(jì)算出1986—2000年和2000—2020年2個(gè)時(shí)間段內(nèi)影響水田分布的主要?dú)夂蛞蜃?，并?jì)算各主要?dú)夂蛞蜃拥钠貧w平方和及貢獻(xiàn)率。得到2個(gè)時(shí)期主要?dú)夂蛞蜃幼兓逝c水田變化率之間的逐步回歸方程。

2 結(jié)果與分析

2.1 東北三省氣候變化特征

東北三省1986—2020年年平均氣溫為5.32 ℃，年平均降水量為613.97 mm，其中1986—2000年年平均氣溫為5.15 ℃，年平均降水量為607.52 mm，2000—2020年年平均氣溫為5.45 ℃，年平均降水量為618.81 mm。由圖2可以看出研究區(qū)年平均氣溫逐漸上升，年平均降水量在1986—2000呈下降趨勢(shì)，2000—2020呈上升趨勢(shì)。

2.2 東北三省水田格局變化

2.2.1 東北三省水田面積變化 1986、2000和2020年?yáng)|北三省水田總面積分別為36 422、43 679和58 496 km2，呈逐漸增長(zhǎng)的趨勢(shì)，增幅為22 074 km2，增加了60.61%，2000—2020年水田面積動(dòng)態(tài)度是1986—2000年的1.59倍（表1），說(shuō)明東北三省后期（2000—2020年）水田增加的幅度遠(yuǎn)大于前期（1986—2000年）。各省水田面積變化差異較大：遼寧省水田面積呈現(xiàn)逐漸下降趨勢(shì)；吉林省水田面積先增加后減少，但總體處于增加的狀態(tài)；黑龍江省水田面積逐漸增加，變化速率和動(dòng)態(tài)度是3個(gè)省份中變化最大的地區(qū)。

2.2.2 東北三省水田空間格局的動(dòng)態(tài)變化 采用網(wǎng)格分析法制作東北三省水田變化率的空間分布圖，分析東北三省水田的空間分布規(guī)律（圖3）?？傮w而言，1986—2000年?yáng)|北三省東北部和西部水田呈增加趨勢(shì)，而中部和南部呈減少趨勢(shì)，從行政區(qū)域來(lái)看，黑龍江省水田面積總體增加，遼寧省水田面積呈現(xiàn)減少的趨勢(shì)，而吉林省有增有減，吉林省西部地區(qū)以增加為主，吉林省中部地區(qū)以減少為主。

2.3 東北三省氣候變化對(duì)水田格局影響的定量評(píng)價(jià)

2.3.1 1986—2000年?yáng)|北三省氣候變化對(duì)水田格局影響的定量評(píng)價(jià) 東北三省1986—2000年主要?dú)夂蛞蜃幼兓逝c水田變化率之間的逐步回歸方程為：

y=-3.202+0.092x1+0.055x2+0.68x3+1.255x4-0.21x5-2.41x6（1）

式（1）中，y為水田變化率，x1為寒冷指數(shù)變化率，x2為平均氣溫距平變化率，x3為平均相對(duì)濕度變化率，x4為溫暖指數(shù)變化率，x5為濕度指數(shù)變化率，x6為生物溫度變化率，通過(guò)了0.001檢驗(yàn)。利用此逐步回歸模型，計(jì)算各主要?dú)夂蛞蜃拥钠貧w平方和及貢獻(xiàn)率，其中寒冷指數(shù)貢獻(xiàn)率為2.1%、平均氣溫距平貢獻(xiàn)率為9.7%、平均相對(duì)濕度貢獻(xiàn)率為13.0%、溫度指數(shù)貢獻(xiàn)率為20.2%、濕度指數(shù)貢獻(xiàn)率為13.4%、生物溫度貢獻(xiàn)率為41.6%。

分析1986—2000年?yáng)|北三省氣候變化對(duì)水田格局影響。東北三省水田變化與寒冷指數(shù)、平均氣溫距平、平均相對(duì)濕度、溫暖指數(shù)呈正相關(guān)性，與濕度指數(shù)和生物溫度呈負(fù)相關(guān)。對(duì)水田面積和格局變化影響由大到小的因子依次是：生物溫度、溫暖指數(shù)、濕度指數(shù)、平均相對(duì)濕度、平均氣溫距平和寒冷指數(shù)。生物溫度和溫暖指數(shù)貢獻(xiàn)率大，二者的貢獻(xiàn)率之和為61.8%，說(shuō)明生物溫度和溫暖指數(shù)是影響1986—2000年水田格局變化的主要?dú)夂蛞蜃印?/p>

2.3.2 2000—2020年?yáng)|北三省氣候變化對(duì)水田格局影響的定量評(píng)價(jià) 東北三省2000—2020年主要?dú)夂蛞蜃幼兓逝c水田變化率之間的逐步回歸方程：

y=14.222-0.202x1-1.787x2+1.001x3+1.223x4-1.149x5（2）

式（2）中，y為水田率，x1為寒冷指數(shù)變化率，x2為平均最高氣溫變化率，x3為平均相對(duì)濕度變化率，x4為年降水量變化率，x5為濕度指數(shù)變化率，通過(guò)0.001檢驗(yàn)。

2000—2020年?yáng)|北三省水田變化與平均相對(duì)濕度和年降水量呈正相關(guān)性，與寒冷指數(shù)、平均最高氣溫和濕度指數(shù)呈負(fù)相關(guān)。利用偏回歸平方和，計(jì)算各主要?dú)夂蛞蜃訉?duì)2000—2020年水田變化的貢獻(xiàn)率。其中寒冷指數(shù)貢獻(xiàn)率為6.6%、平均最高氣溫貢獻(xiàn)率為23.8%、平均相對(duì)濕度貢獻(xiàn)率為7.3%、年降水量貢獻(xiàn)率為31.8%、濕度指數(shù)貢獻(xiàn)率為30.5%，對(duì)水田面積和格局變化影響由大到小的因子依次是：年降水量、濕度指數(shù)、平均最高氣溫、平均相對(duì)濕度和寒冷指數(shù)。其中，年降水量、濕度指數(shù)和平均最高氣溫貢獻(xiàn)率相對(duì)較大，二者的貢獻(xiàn)率之和為86.1%，說(shuō)明2000—2020年，年降水量、濕度指數(shù)和平均最高氣溫是影響水田格局變化的主要?dú)夂蛞蜃印?/p>

3 討論與結(jié)論

3.1 討論

本研究表明寒冷指數(shù)、平均相對(duì)濕度、濕度指數(shù)一直是影響1986—2020年水田空間格局變化的因素。1986—2000年影響東北三省水田分布的主要?dú)夂蛞蜃邮巧餃囟群蜏嘏笖?shù)，說(shuō)明熱量資源是此時(shí)期東北三省水田空間格局變化的主要影響因素。2000—2020年影響水田分布的主要?dú)夂蛞蜃邮悄杲邓?、濕度指?shù)和平均最高氣溫。隨著氣候變暖，熱量已經(jīng)不再是影響東北三省水田分布的主要因子，在溫度普遍升高、蒸發(fā)增加的背景下，水分條件是制約水資源不足地區(qū)作物生產(chǎn)的首要因子，因此水分條件是此期東北三省水田空間格局變化的主要影響因素。

3.2 結(jié)論

（1）1986—2020年?yáng)|北三省水田總面積逐漸增加，增加了60.61%。不同區(qū)域變化較大，東北三省的東北部和西部以增加為主，南部、西南部和中部以減少為主。

（2）寒冷指數(shù)、平均相對(duì)濕度、濕度指數(shù)一直是影響1986—2020年水田空間格局變化的因素。不同時(shí)期對(duì)東北三省水田格局影響的主要?dú)夂蛞蜃硬煌?986—2000年影響東北三省水田分布的主要?dú)夂蛞蜃邮巧餃囟群蜏嘏笖?shù)，2000—2020年影響水田分布的主要?dú)夂蛞蜃邮悄杲邓?、濕度指?shù)和平均最高氣溫。

除水分、熱量條件之外，人類(lèi)活動(dòng)因素也會(huì)影響水田格局。本研究?jī)H從氣候方面研究了水田格局變化，并未考慮人類(lèi)活動(dòng)對(duì)水田格局變化的影響，在今后的研究中需進(jìn)一步加強(qiáng)氣候和人類(lèi)活動(dòng)綜合作用下的水田格局變化的研究。

參考文獻(xiàn)

[1] 陳源源.氣候變化對(duì)中國(guó)糧食生產(chǎn)的影響[J].中國(guó)農(nóng)學(xué)通報(bào)，2021，37（12）：51-57.

[2] 龐艷梅，陳超，徐富賢，等.氣候變化對(duì)四川盆地主要糧食作物生產(chǎn)潛力的影響[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)（中英文），2020，28（11）：1661-1672.

[3] Gao Jay， Liu Yansui. Climate warming and land use change in Heilongjiang Province， Northeast? China[J].Applied Geography， 2010， 31（2）： 476-482.

[4] 曾志勇.氣候變化對(duì)水稻生產(chǎn)影響的研究綜述[J].東北農(nóng)業(yè)科學(xué)，2021，46（1）：89 -93.

[5] 陶軍德，李艷芳，曾光建.近30年黑龍江省水田規(guī)模與分布變化及其對(duì)氣候變化的響應(yīng)[J].中國(guó)土地科學(xué)，2011，25（4）： 26-30，97.

[6] 王媛，方修琦，徐錟，等.氣候變暖與東北地區(qū)水稻種植的適應(yīng)行為[J].資源科學(xué)，2005，27（1）：121-127.

[7] 胡洵瑀，王斌，張愛(ài)英.近60年鄱陽(yáng)湖流域作物生長(zhǎng)季晝夜溫度和降水時(shí)空變化特征及其對(duì)農(nóng)業(yè)生產(chǎn)的影響[J].安徽農(nóng)學(xué)通報(bào)，2021，27（6）：152-160.

[8] 陳浩，李正國(guó)，唐鵬欽，等.氣候變化背景下東北水稻的時(shí)空分布特征[J].應(yīng)用生態(tài)學(xué)報(bào)，2016，27（8）：2571-2579.

[9] 安剛，孫力，廉毅.東北三省可利用降水資源的初步分析[J].氣候與環(huán)境研究， 2005，10（1）：132?139.

[10] 孫力，安剛，丁立，等.中國(guó)東北地區(qū)夏季降水異常的氣候分析[J].氣象學(xué)報(bào)， 2000，58（1）：70?82.

[11] 劉吉平，李寶林，張國(guó)坤.黑龍江省濕地空間分布規(guī)律及其影響因素的定量分析[J].東北林業(yè)大學(xué)學(xué)報(bào)，2005（5）：65-67.

[12] 李祎君，王春乙.氣候變化對(duì)我國(guó)農(nóng)作物種植結(jié)構(gòu)的影響[J].氣候變化研究進(jìn)展，2010，6（2）：123-129.

Quantitative Evaluation of the Impact of Climate Change on Paddy Field Pattern in Three Northeast Provinces from 1986 to 2020

Huang Jia-bin et al（School of Tourism and Geography， Jilin Normal University， Siping， Jilin 136000）

Abstract Taking the three northeastern provinces as the research area， using the spatial distribution data of three periods of paddy fields and combining with 11 climate factors that affect changes in paddy field area and pattern， quantitatively evaluate the contribution of climate factors that affect paddy field pattern in different periods. The results showed that from 1986 to 2000， the temperature in the three northeastern provinces gradually increased and precipitation showed a decreasing trend. From 2000 to 2020， the temperature gradually increased and precipitation showed an upward trend. The area of paddy fields was showing an increasing trend. Heat and water conditions were the main factors affecting the spatial distribution of paddy fields in the three northeastern provinces， but the main climatic factors affecting paddy fields vary in different periods. Heat resources were the main climatic factors restricting the distribution of paddy fields in the three northeastern provinces from 1986 to 2000， While water conditions were the main climatic factors restricting the distribution of paddy fields from 2000 to 2020.

Key words Climate change; Paddy fields; Three northeastern provinces; Sum of squares of partial regression