北方冬小麦产量灾损风险类型的地理分布

根据风险分析原理,利用北方各县市冬小麦近50年的实际单产资料和气象资料,进行冬小麦产量灾损风险评估和风险类型划分.以历年平均减产率、灾年减产率变异系数、不同减产率及其发生的概率和抗灾指数作为产量灾损风险评估指标.结果表明,产量灾损风险量化指标在北方冬麦区的分布具有明显的区域分异性和一定的连片性.在各风险评估指标的基础上构建了北方冬小麦产量灾损综合风险指数模式,提出了北方冬小麦产量灾损综合风险类型分类指标.根据分类指标将北方冬麦区划分为高、中、低3个风险类型,并进行了分类评述.分类结果表明,高风险类型主要分布在水土条件较差的陕、晋黄土高原地区和华北平原部分地区;中风险类型分布在华北平原东北部和河南南部以及太行山区;低风险类型主要分布在有灌溉条件和农业生产水平较好的华北平原的大部分地区和关中地区.     

基于WOFOST模型和水分胁迫的河南省冬小麦减产风险

以河南省30个站点1981—2014年冬小麦观测资料、历史气象资料和土壤资料为依据,将河南冬小麦主产区划分为5个区域,基于WOFOST作物生长模拟模型,分析了水分胁迫条件下河南省冬小麦减产风险值的变化规律.结果表明: 1981—2014年,各区域冬小麦减产率均呈上升趋势,平均每10 a增加2.8%～5.0%.冬小麦减产率由北向南呈降低趋势,减产率超过20%的事件在豫南地区约10年一遇,豫北的新乡、封丘和濮阳一带约2年一遇;减产率超过50%的事件,在新乡、郑州地区约3年一遇,豫南少遇.豫北及豫中偏北的大部分地区为冬小麦减产风险高值区,豫西卢氏、豫西南南阳、豫南信阳和驻马店南部地区为冬小麦减产风险低值区,其他地区为风险中值区.     

基于减产概率的辽宁水稻灾害风险区划

关于灾害风险评价的危险性研究多考虑某一种或者多种灾害的出现概率,由于多数灾害指标难以与作物产量直接相关,常常出现有灾无害现象,难以正确评价灾害风险;依据产量变异的风险研究多从产量变异出发,但对不同减产程度的风险评价研究较少。以辽宁水稻减产风险为例,分析了辽宁省水稻歉年减产率、灾年减产率变异系数及5%和10%两种减产率等级风险概率的空间分布特征。采用K-平均聚类算法将辽宁省水稻产量灾害风险划分为高、较高、中、低4类风险区。结果显示:水稻单产歉年减产率的分布总体呈中部、东部低,向东北西南增高的趋势。水稻单产的灾年减产率变异系数具有西北-东南方向条带状分布特点,中部、东部最小,整体上呈向西南、东北方向递增的趋势。减产率大于5%和10%的风险概率的低值区主要分布于辽宁中部,中值区主要分布于中部、北部、东南,高值区主要分布于东北、西部、南部,整体呈中间低,四周高的特点。辽宁省水稻产量灾害的不同等级风险区域呈整体上分散,小面积连片的特点。辽宁西部、东北部为高风险区,中南部地区为较高风险区,而辽宁中部、东南部为中、低风险区。探讨了各地区的地形气候特征与水稻减产的关系,给出了针对不同区域水稻产量灾损的防御措施。     

华北平原冬小麦干旱灾损风险区划

干旱是华北平原最严重的农业气象灾害之一,是冬小麦产量稳定上升的重要限制因素。本文从冬小麦产量的实际灾损角度,对减产率、发生概率及产量的变异系数等因子进行了分析,构建了华北平原冬小麦干旱产量灾损风险评估模型,并对华北平原冬小麦进行了实际灾损风险区划。结果表明,风险高值区约占该地区19.8%,主要分布于鲁西、鲁西北-冀东北,鲁西南-豫东地区;中值区约占34%,主要分布在冀中南、豫北、豫中和豫西以及山东中部丘陵地区;风险低值区占46.2%,主要集中于鲁中部、南部和豫中南、西南的广大地区。     

江淮地区小麦涝渍灾害风险评估与区划

基于灾害风险分析理论,根据历年气候资料,小麦生长发育、种植面积和产量资料,对江淮地区各县小麦涝渍脆弱性、自然气候风险、灾损风险和抗灾能力等方面进行分析评估,建立了包括涝渍脆弱度、气候风险指数、灾损风险指数、涝渍综合风险评估系数等不同的涝渍风险表征模型,并构建了涝渍综合风险评估系数作为区划指标,对江淮地区小麦涝渍灾害风险进行了空间区域划分。结果表明:涝渍脆弱度、气候风险指数、灾损风险指数和抗灾力系数4个因子的组合,可以较好地反映江淮地区小麦涝渍风险特征;按照高、较高、中和低4个等级对小麦涝渍综合风险进行了区划;安徽省江淮南部为高风险区;沿淮中部以及江淮中部南部、沿洪泽湖区域为涝渍较高风险区;河南省33°N以南区域、以及安徽、江苏省淮北中部区域为涝渍中风险区;33°N以北地区为涝渍低风险区。     

1951—2018年中国年降水量及气象干旱的时空变异

探求降水量及干旱时空变化特征及规律是当前水文学研究的重要课题。基于中国619个气象站1951—2018年的降水量数据,采用距平百分率法和Morlet小波分析等方法,揭示年降水量及干旱的时空变异。结果表明: 研究期间,中国年降水量空间上呈东南至西北阶梯递减的特征,多年降水量变化剧烈程度反之;地势二、三阶梯分界线左右区域降水量呈下降趋势,且多于20世纪60—70年代发生突变,其余地区呈上升趋势,大多数突变发生于20世纪90年代;温带大陆和温带季风气候区降水量主周期小。20世纪60年代至21世纪10年代,中国干旱区面积减少,半干旱区面积增加,特别是近10年干旱和半干旱区面积减小,半湿润区面积增大。在30°—40° N之间发现一条干旱南北差异分界线,分界线以北干旱次数远多于以南;干旱的主体区域在年代际的转移方向为西北中部→华北南部→华北北部,发生次数及分布范围逐渐减小。     

物候模型支持下的杭州市春茶霜冻害时空变化及风险区划

开展春茶霜冻害风险区划对名优茶优化布局具有科学指导意义。基于杭州2015—2020年龙井43品种春茶物候观测资料、1951—2020年杭州国家基准气候站和2010—2020年263个区域自动气象站逐日气象资料,应用有效积温物候模型估算历史缺失年份春茶萌发初日数据,分析春茶生产霜冻害的时空分布特征,构建春茶霜冻害灾损率的加权平均模型,研制春茶霜冻害风险空间分布图。结果表明:过去70年来,春茶萌发初日提前的速度不及终霜日;春茶霜冻害年份减少,轻度霜冻害年份减少,中度霜冻害年份变化趋势不明显且年代际间波动大,重度以上霜冻害年份增加;各等级年霜冻害日数和霜冻害年份的变化趋势基本一致;春茶霜冻害年份轻度、中度、重度和特重出现频率分别为31.4%、18.6%、4.3%和1.4%,年灾损率无明显趋势变化;海拔每上升100 m,春茶萌发初日、终霜日分别推迟约1.3和2.6 d,春茶霜冻灾损率增加约1%,海拔越高,春霜冻害风险越高;杭州春茶生产霜冻害分布地域特征明显,春茶霜冻害基本无风险区(灾损率小于10%)约占杭州市总面积的25.2%,主要分布在杭州南部千岛湖、北部西湖产区、钱塘江河谷和较大水体周边,是发展春茶生产可优先考虑的区域;中度以上风险仅占杭州市总面积的6.3%。杭州市春茶生产霜冻害危害区域小,且灾害等级偏轻,适宜优质名优茶生产。     

中国亚热带地区柑桔的气候适宜性

应用生态适宜度理论和模糊数学方法,建立柑桔气候适宜度模型,对中国亚热带地区柑桔生产的气候适宜性及其时空差异进行了计算、评价,并分析了中国亚热带地区柑桔各生育期气候适宜性以及中国亚热带地区各县区的平均气候适宜度.结果表明:柑桔花芽分化期、发芽期、果实成熟期的适宜性较低、风险较高,其他各生育期的适宜性较高、风险较低,影响中国亚热带地区柑桔生产的关键问题是冷害和伏旱.柑桔温度适宜性的地域分异呈纬度地带性规律;降水适宜度最适宜型分布在亚热带中部"射阳-那坡"一线区域,其东南为适宜型区,西北为次适宜型区,高山区为不适宜型区;日照适宜度与实际日照时数的区域变化规律基本一致,大致呈高纬度区高于低纬度区、高海拔区高于低海拔区;受温度因子的限制,气候适宜度与温度适宜度的分布情况大体一致,南部大于北部,基本也呈纬度地带性规律.从中国亚热带地区柑桔气候适宜度的年际变化分析可知,整个亚热带地区柑桔气候适宜度呈下降趋势,且存在区域差异,说明气候变化引起了中国亚热带柑桔适宜区和关键生育期的变动.     

气候变化背景下贵州省倒春寒灾害时空演变特征

基于1959-2007年贵州省19个气象台站的逐日平均气温资料,结合倒春寒强度指数指标和灾害等级划分标准,从倒春寒发生频率、站次比、年代际变化、气候突变、周期变化等方面,分析了贵州省倒春寒的时空演变特征.结果表明:1959--2007年,研究区无倒春寒发生的频率最大,其次为重级以上倒春寒,中级和轻级倒春寒的发生频率接近;在全球变暖背景下,研究期间贵州省发生中级倒春寒的站次比变化最明显,其气候倾向率达1.4%·(10a)-1,而无倒春寒、轻级和重级以上倒春寒的站次比则略微减少;贵州省倒春寒强度在20世纪90年代最强,20世纪80年代次强,2000-2007年最弱,20世纪70年代次弱,20世纪60年代居中;研究期间贵州省西部和西北部高海拔地区、中部和北部地区的倒春寒强度呈增强趋势,而东部、南部地区的倒春寒强度呈略微降低的趋势;贵州省西部、西北部、中部和北部地区的倒春寒强度在1975年发生由低值向高值的突变;贵州省倒春寒存在明显的周期波动特征,年际周期以2～4年为主,年代际周期以13～15年和27～29年为主.     

华北地区冬小麦干旱风险区划

灾害风险评估与区划是是实现灾害应急管理向风险管理转变的关键。综合考虑了影响灾害风险大小的自然属性和社会属性,从多角度选取了干旱灾害强度、基于冬小麦干旱指数的干旱频率、基于灾损的干旱频率、灾年减产率变异系数、区域农业经济发展水平、抗灾性能指数等6个风险评估指标。通过引入CCA排序方法,揭示了不同风险评估指标之间的相关关系以及评估指标与相对气象产量的关系;并以确定的风险评估指标和相对气象产量之间的关系为基础,构建了不考虑抗灾和考虑抗灾2种风险指数。对比两种风险指数分析结果,表明在抗灾和不抗灾2种条件下,华北地区冬小麦干旱风险格局发生了明显改变。说明在当前农业生产水平下,人类的减灾抗灾和风险管理水平对冬小麦生产起着至关重要的作用。最后,以模糊聚类分析为手段,以考虑抗灾能力的风险指数和灾年减产率为分类标准进行聚类,实现了华北地区冬小麦干旱风险综合区划。     

安徽省冬小麦施肥现状与肥料利用效率

冬小麦是安徽省重要的粮食作物。合理施肥是冬小麦获得高产的重要措施,明确当前安徽省冬小麦施肥现状和存在的问题对于指导冬小麦科学施肥具有重要意义。本研究以安徽省冬小麦为对象,于2018年对全省冬小麦主产区1591户农户进行调查,调查内容包括肥料品种、肥料用量、施肥方式、种植面积和产量水平。根据调查结果统计分析安徽省冬小麦种植过程中的施肥现状及存在问题,并以全省冬小麦平均产量和平均施肥量为基准,采用Cate-Nelson方法(十字交叉法)评估安徽省冬小麦产量与氮、磷和钾肥施用的关系,以探索安徽省冬小麦进一步增产增效的主要施肥途径。结果表明: 安徽省冬小麦平均产量为5185 kg·hm^-2,氮、磷和钾肥平均施用量分别为206、80和78 kg·hm^-2。其中旱茬麦氮、磷和钾肥平均施用水平比稻茬麦分别高14、16和3 kg·hm^-2。总体上,安徽省冬小麦种植中化肥平均用量趋于合理化,但是在施肥方式、养分运筹和肥料品种上还存在不合理现象。Cate-Nelson方法结果表明,全省冬小麦氮、磷、钾肥施用量中,仅有23.8%、21.2%和25.7%低于全省平均水平却获得较高的产量,此时氮、磷、钾肥偏生产力最高;有26.3%、19.3%和22.5%的施用量低于全省平均水平但没有实现高产;有26.2%、29.6%和25.0%的施用量虽然获得了高产,但施用量较高,氮磷钾肥偏生产力较低。这说明安徽省冬小麦增产增效还有很大的空间。全省冬小麦基肥和追肥机械化比例分别为62.7%和10.0%。虽然氮肥普遍实现了分次施用,但氮肥作基肥的比例仍然占到全生育期氮肥总量的69.0%,应适当降低。此外,在肥料品种选择上存在偏施化肥、不重视有机肥等问题。     

1982-2020年安徽省净生态系统生产力时空格局变化及其成因

净生态系统生产力（NEP）是定量描述陆地生态系统与大气之间碳交换的重要指标。明确区域尺度NEP的时空格局及主导因子，有助于增强对区域碳循环变化机制的认知。基于BEPS （Boreal Ecosystem Productivity Simulator）模型模拟结果，评估了安徽省1982-2020年NEP时空格局，分析了安徽省NEP对主要环境植被因子的敏感性，并借助通径分析和贡献率分析探究了影响安徽省NEP时空变化的驱动因子。结果表明：（1）1982-2020年，安徽省多年年均NEP为651.14 gC/m²，线性趋势变化率为1.10 gC m^-2 a^-1，总体呈显著增加趋势（P<0.01）。在空间上，NEP表现为"南北部较高、中部较低"的分布，显著增加（P<0.05）的区域占52.77%，主要分布在北部和南部，显著减小（P<0.05）的区域占7.11%，主要分布在西部和东南部。NEP重心有显著的北移趋势（P<0.01）。（2） NEP对大气CO₂浓度变化最为敏感，对降水变化最不敏感。时间上，NEP对叶面积指数（LAI）（P<0.01）、CO₂（P<0.01）和饱和水汽压差（VPD）（P<0.05）的敏感性变化显著增强，对总辐射的敏感性变化显著减弱（P<0.01），对气温和降水的敏感性变化不显著（P>0.05）。空间上，NEP对各因子的敏感性有地区差异性。（3）所选环境植被因子综合解释了NEP 79%的时空变化。LAI与CO₂是安徽省NEP时空变化的主导因子，为正贡献，气候因子为次主导因子，为负贡献。空间上，LAI为主导因子的地区主要分布在安徽省北部、中西部的大部分地区，占49.65%，CO₂为主导因子的地区主要分布在安徽省西北部与东南部的大部分地区，占44.54%。     

气候变化背景下华北地区冬小麦生育期的变化特征

以21世纪初近10年的冬小麦(Triticum aestivum)生育期调研数据和气象站点数据为基础, 利用“多元逐步回归分析+残差插值”方法, 绘制了2000年后华北地区冬小麦生育期等值线图, 通过研究两个时期(1971-1980年和21世纪初近10年)华北地区气候资源及冬小麦生育期的变化, 探讨了气候变化对华北地区冬小麦生育期的影响。结果表明: (1)华北地区北部年均气温及≥10 ℃积温增加显著, 但降水减少, 暖干趋势明显, 中部和南部年平均气温和≥10 ℃积温也呈现增加趋势, 但降水增多, 日照下降, 出现暖湿趋势; (2)除南部江苏、安徽两省冬小麦播种期无明显变化外, 华北地区冬小麦播种期普遍推迟, 一般在7-10天; 冬小麦返青期变化较为复杂, 西部地区的冬小麦返青期推迟2-10天, 而东南部的山东、安徽及江苏地区冬小麦返青期明显提前, 一般在5-7天; 华北地区冬小麦的拔节期提前, 北部地区幅度较大, 为5-10天; 冬小麦抽穗期推迟明显, 以华北中部和北部最为明显, 为10-15天; 除华北南部胶东半岛外, 华北大部分地区冬小麦成熟期推迟, 一般在5-10天; (3)气候要素的波动是引起华北地区冬小麦生育期变化的主要原因: 日照时数与冬小麦返青期和拔节期呈显著相关, 日照时数减少, 冬小麦返青期和拔节期提前, 而受年平均气温升高的影响, 冬小麦抽穗期有所推迟, 积温的增加对冬小麦成熟期有推迟作用, 同时降水对冬小麦生长的拔节和抽穗有促进作用。     

基于优选遥感干旱指数的华北平原干旱时空变化特征分析

基于中分辨率成像光谱仪(MODIS)产品和气象资料，对比分析了作物缺水指数(CWSI)、干旱严重度指数(DSI)、归一化植被供水指数(NVSWI)和温度植被干旱指数(TVDI)表征华北平原干旱状况的适用性，并基于优选后的指数研究了2000—2018年干旱的时空变化特征。结果表明：(1)CWSI在反映干旱的效果上明显优于另外三种干旱指数。(2)时间上，2000—2018年春季干旱最严重，其次是秋季和冬季，夏季干旱最轻，但春季干旱强度有所下降，速率为-0.03/10a,而其他三季均呈增加趋势，速率为(0.01—0.08)/10a。(3)空间上，华北平原东部和东南部发生轻旱频率高，西部和北部中旱及以上干旱频率较高。山东省西北部及河南省东部、安徽省北部等地春旱呈显著减弱趋势(P<0.05);夏季华北平原东南部干旱增加趋势显著(P<0.05),而北部减弱趋势显著(P<0.05);秋季华北平原西南一带干旱上升趋势较大；冬季西部、中部及南部干旱增加趋势显著(P<0.05)。     

基于作物生物量估计的区域冬小麦单产预测

基于2004年中国冬小麦主产区黄淮海平原典型区内石家庄、衡水和邢台3市45个县（市）83个地面典型样区冬小麦地面实测作物单产数据、光合有效辐射、光合有效辐射分量以及相应的气象和土壤湿度数据,建立了简化的冬小麦光能转化有机物效率系数模型,基于冬小麦关键生育期（3—5月）累积作物生物量并采用地面实测的冬小麦收获指数加以校正,建立了作物生物量与作物经济产量间的定量关系,预测了2004年河北和山东平原区235个县（市）的冬小麦单产,并依据国家公布的2004年各县冬小麦统计单产验证了估产的精度.结果表明：该模型预测的2004年研究区冬小麦单产的均方根误差（RMSE）为238.5 kg·hm^-2,平均相对误差为4.28%,达到了大范围估产的精度要求,证明利用以遥感数据估算作物生物量进而预测冬小麦单产的方法是可行的.     

1961-2015年黄淮海地区冬小麦干热风灾害时空分布特征

干热风是影响北方小麦后期生长和产量形成的重大气象灾害之一,在黄淮海地区主要有高温低湿型和雨后青枯型两种类型。利用黄淮海冬麦主产区65个站点1961-2015年的逐日气象数据和冬小麦生育期资料,综合分析了过去55 a该地区干热风日数和干热风过程的总体时空分布与变化特征。结果表明：（1）年平均干热风日数、过程次数高值区位于河北中南部、河南北部、山东北部和西部等地,其中河北中南部为黄淮海地区的干热风重发区。（2）干热风多年平均初日和最早初日的空间分布均呈从南向北、从内陆到沿海逐渐推后的特征;随着小麦灌浆成熟进程,干热风发生日数呈逐渐增多趋势,灌浆中后期干热风日数多、程度重,是干热风危害的集中期和防御关键期。（3）黄淮海地区干热风日数、过程次数总体均呈减少趋势,其中重干热风日数、重过程次数减少趋势更为明显;从地区差异来看,冀东南、鲁西北、豫东北等地减少趋势更为明显。但在气候变暖背景下,极端天气气候事件频发,部分年份仍存在发生较重干热风的可能,如2001年区域平均干热风日数达8.1 d,成为1961-2015年干热风日数最多的年份,因此对干热风的防御仍需引起足够的重视。     

安徽省农田水分利用效率时空特征及其与气候因子的关系

生态系统水分利用效率(Water Use Efficiency,WUE)是衡量碳水循环耦合程度的重要指标,估算安徽省农田生态系统的WUE并分析其时空变异规律,探究其影响因素,对该区域农田水资源的科学配置和合理利用有着重要的意义。基于MODIS遥感数据和气象数据,分析安徽省近15年农田WUE的年际、年内时空变化特征以及与气候因子的关系,研究表明:(1) 2000—2014年间安徽省农田WUE的变化范围为1.38—1.66 g C mm~(-1)m~(-2),多年均值为1.54 g C mm~(-1)m~(-2),整体上农田WUE年际呈现增长变化趋势,变化率为0.011 g C mm~(-1)m~(-2);具有较强的空间分异性规律,整体上呈现北高南低趋势,淮河以北各市的农田WUE较高,高于全省多年均值,淮河以南地区的农田WUE则低于全省水平。(2)安徽省农田WUE的年内变化呈现双峰型变化格局,具有明显的季节性差异,表现为春季秋季夏季冬季;以淮河为界,南北各市变化趋势略有不同,淮河以南地区的最大值在4月份,淮河以北则以3月份为最高。(3)安徽省农田WUE动态变化受到气候因子降雨影响的区域占比17.14%;气温影响的区域占比0.73%;降雨和气温综合影响所占0.71%,而农田WUE与气温和降雨影响均不显著的区域占比为81.42%;因此,气候因素中降雨在安徽省农田WUE的变化中起主导作用,由于人为因素的干预,非气候因素对农田WUE变化的影响更大。