孫莉娟 徐陽 魯?shù)陆?/p>

摘要：利用江蘇地區(qū)52個(gè)氣象站點(diǎn)1961—2012年逐日最高溫、最低溫、降水資料及單季稻產(chǎn)量逐年數(shù)據(jù)，提取了單季稻生育期內(nèi)（5—10月）的18個(gè)極端氣候指數(shù)進(jìn)行氣候分區(qū)，分析了不同子區(qū)域極端氣候事件的變化及對產(chǎn)量的影響?；诟髡军c(diǎn)極端氣候指數(shù)的多年均值，主成分和聚類分析的結(jié)果表明，江蘇省可以劃分為蘇西北角、蘇西北部、蘇北部、蘇西南部、蘇南部和蘇東南角6個(gè)氣候子區(qū)域;生育期內(nèi)極端氣候指數(shù)的M-K趨勢檢驗(yàn)結(jié)果表明，多數(shù)子區(qū)域強(qiáng)降水事件的頻次和強(qiáng)度有所加劇，而日最高溫和日最低溫的極值呈現(xiàn)出顯著上升趨勢，其中蘇南地區(qū)的增濕增暖趨勢尤為顯著。生育期內(nèi)極端氣候指數(shù)與單季稻產(chǎn)量的相關(guān)分析表明，強(qiáng)降水是影響產(chǎn)量的主要?dú)夂蛞?，其中暴雨日?shù)和極端雨天總雨量對產(chǎn)量的負(fù)效應(yīng)最為顯著，6個(gè)子區(qū)域中蘇西南部和蘇南部的產(chǎn)量對降水波動(dòng)更為敏感。

關(guān)鍵詞：江蘇省;極端氣候指數(shù);氣候分區(qū);單季稻

中圖分類號： S162.5+3;S162.2 文獻(xiàn)標(biāo)志碼： A 文章編號：1002-1302（2019）01-0299-05

近百年來，全球氣候正經(jīng)歷著一次以氣候變暖為主要特征的顯著變化[1]。隨著全球變暖，極端天氣氣候事件發(fā)生的頻率或強(qiáng)度可能改變，高溫?zé)崂耸录膹?qiáng)度、持續(xù)時(shí)間及頻率會(huì)增加，干旱少雨地區(qū)旱情可能進(jìn)一步加重，而濕潤地區(qū)的強(qiáng)降水事件則可能加劇[2]。盡管極端氣候事件是一種發(fā)生概率較小的天氣氣候現(xiàn)象，但突發(fā)性和危害性強(qiáng)，對社會(huì)經(jīng)濟(jì)、食物供給、生態(tài)環(huán)境發(fā)展造成嚴(yán)重的損失，帶來巨大負(fù)面影響，并且威脅人類生命與健康，因此引起了各國政府和學(xué)者的重視[3]。極端氣候事件誘發(fā)的氣象災(zāi)害已成為制約農(nóng)業(yè)穩(wěn)定生產(chǎn)的重要因素之一，因而引起了社會(huì)各界更為廣泛的關(guān)注。江蘇省是中國水稻重要主產(chǎn)區(qū)之一，全省以種植單季稻為主，水稻產(chǎn)量占全省糧食總產(chǎn)的60%左右，約占全國水稻總產(chǎn)的10%，單產(chǎn)則常年穩(wěn)居全國各主產(chǎn)省之首[4]。鑒于江蘇省對于我國糧食安全的重要地位，探討極端氣候事件的時(shí)空變化對研究區(qū)氣候變化背景下水稻種植的防災(zāi)減災(zāi)有著重要意義。本研究重點(diǎn)嘗試了基于江蘇省單季稻生育期內(nèi)極端氣候事件的氣候分區(qū)，并就各氣候子區(qū)域極端氣候事件的年際變化及對產(chǎn)量的潛在影響進(jìn)行了深入探討。

1 材料與方法

1.1 基本數(shù)據(jù)

氣象數(shù)據(jù)來源于江蘇省氣象局提供的52個(gè)氣象觀測站1961—2012年的逐日最高氣溫、最低氣溫、降水?dāng)?shù)據(jù)，這52個(gè)站點(diǎn)的空間分布詳見圖1。為保證各站點(diǎn)日數(shù)據(jù)的科學(xué)有效，采用加拿大氣象研究中心研發(fā)的RClimDex軟件對各站點(diǎn)氣象要素資料進(jìn)行質(zhì)量控制和均一性檢驗(yàn)，結(jié)果表明這52個(gè)站點(diǎn)的數(shù)據(jù)完整可靠。與此同時(shí)，在多年江蘇省農(nóng)村統(tǒng)計(jì)年鑒基礎(chǔ)上，匹配、收集、整理了圖1中各站點(diǎn)所在的52個(gè)典型單季稻種植區(qū)1961—2012年產(chǎn)量數(shù)據(jù)。

1.2 極端氣候指數(shù)的計(jì)算

世界氣象組織（WMO）氣候變化檢測和指標(biāo)專家系統(tǒng)（Expert Team on Climate Change Detection and Indices，簡稱ETCCDI）基于日降水、氣溫?cái)?shù)據(jù)，定義了27個(gè)噪聲低、顯著性強(qiáng)的氣候指數(shù)，并被廣泛應(yīng)用于評估區(qū)域極端氣候事件發(fā)生頻率和強(qiáng)度的演變規(guī)律[5]。鑒于此，本研究選取了其中18個(gè)極端氣候指數(shù)（Extreme Climate Indices，簡稱ECI），具體見表1。降水事件的臨界值設(shè)定為日降水量1 mm，這樣可以剔除降水資料中微量降水?dāng)?shù)據(jù)給研究帶來的不確定性。鑒于江蘇省單季稻全生育期大致為5—10月[6]，本研究提取并構(gòu)建了52個(gè)氣象站點(diǎn)生育期內(nèi)各氣候指數(shù)的逐年序列（1961—2012年）。

1.3 氣候分區(qū)

采用主成分分析和聚類分析相結(jié)合，是目前區(qū)域氣候區(qū)劃的重要手段[7]。SPSS 13.0軟件提供的Principal Component Analysis（主成分分析）通過構(gòu)造原變量的線性組合，從中篩選出少數(shù)幾個(gè)新變量使他們含有盡可能多的原變量信息，進(jìn)而實(shí)現(xiàn)原評價(jià)指標(biāo)的降維和簡化[8]。SPSS 13.0軟件提供的K-Means Cluster（快速聚類法）先給定劃分的聚類簇?cái)?shù)目，并創(chuàng)建一個(gè)初始劃分，然后采用迭代重定位技術(shù)，嘗試通過對象在劃分間的移動(dòng)來改進(jìn)分類，進(jìn)而得到最終聚類結(jié)果[9]。輪廓系數(shù)（Silhouette Coefficient，簡稱SC）是K-Means聚類效果好壞的一種有效評價(jià)方式。

2 結(jié)果與分析

2.1 基于ECI的氣候分區(qū)

本研究首先計(jì)算了各站點(diǎn)水稻生育期內(nèi)18個(gè)極端指數(shù)的多年均值，由此構(gòu)建了1個(gè)18列×52行的矩陣，并將其導(dǎo)入SPSS 13.0軟件中的主成分分析模塊進(jìn)行運(yùn)算。由表2可知，第1主成分（PC-1）的方差貢獻(xiàn)率最大（42.85%），加上第2（PC-2）和第3主成分（PC-3）的方差貢獻(xiàn)率，累積方差貢獻(xiàn)率超過了85%，且這3個(gè)主成分的特征值均大于1，達(dá)到了提取主成分的要求?；诖?，初始的18個(gè)極端氣候指數(shù)可以降維成PC-1、PC-2、PC-3這3個(gè)新的綜合指標(biāo)。依據(jù)表3中不同氣候指數(shù)在各主成分上載荷值的高低來看，PC-1 主要表征了DR、D25、CWD、TXm、WSDL、TMx和TMm，可以作為研究區(qū)雨天及低溫指數(shù)的綜合評估指標(biāo);PC-2則主要表征了TP、D50、MP1d、MP7d和P95，可以作為研究區(qū)強(qiáng)降水事件頻次及雨量的綜合評估指標(biāo);而PC-3主要表征了TXx和CSDL。

與此同時(shí)，SPSS 13.0中的相關(guān)模塊利用多元線性回歸法建立原始指標(biāo)和所提取主成分的線性關(guān)系，進(jìn)而計(jì)算出各站點(diǎn)的主成分得分值（PCS），以此可以評估研究區(qū)不同站點(diǎn)極端氣候事件強(qiáng)度、頻次、歷時(shí)的數(shù)值差異。由圖2-a可知，研究區(qū)PCS-1呈現(xiàn)出明顯的由南向北遞減的梯度變化，這表明蘇南地區(qū)的雨天日數(shù)及低溫指數(shù)要高于蘇北地區(qū)。盡管圖2-b中PCS-2的變化梯度不是很明顯，但依然可以發(fā)現(xiàn)PCS-2的高值區(qū)主要集中在本省東北部，這表明江蘇省東北部強(qiáng)降水事件的頻次和強(qiáng)度較高，易于造成雨澇災(zāi)害。與PCS-1和PCS-2由南往北減少的分布特征不同，PCS-3則呈現(xiàn)出由西向東減少的態(tài)勢。

依托各站點(diǎn)PCS-1、PCS-2、PCS-3所構(gòu)成的矩陣（3列×52行），采用K-Means聚類對江蘇省進(jìn)行氣候分區(qū)，并采用輪廓系數(shù)法對分區(qū)結(jié)果進(jìn)行評估。由圖3可知，將江蘇省劃分為6個(gè)氣候子區(qū)域最為合適，此時(shí)的輪廓系數(shù)（SC）的均值達(dá)到最大值。這6個(gè)子區(qū)域分別是蘇西北角（Region Ⅰ）、蘇西北部（Region Ⅱ）、蘇北部（Region Ⅲ）、蘇西南部（Region Ⅳ）、蘇南部（Region Ⅴ）和蘇東南角（Region Ⅵ）。其中，3個(gè)子區(qū)域位于江蘇北方大部，而另3個(gè)位于江蘇南方大部。江蘇屬于亞熱帶和暖溫帶的過渡區(qū)，其中淮河以南的廣大地區(qū)為北亞熱帶濕潤季風(fēng)氣候區(qū)，而淮河以北的地區(qū)為南溫帶半濕潤季風(fēng)氣候區(qū)[13]，因而呈現(xiàn)出顯著的分區(qū)差異。

2.2 各子區(qū)域ECI的變化趨勢

各子區(qū)域單季稻生育期內(nèi)ECI的M-K檢驗(yàn)結(jié)果見表4。蘇北地區(qū)3個(gè)子區(qū)域的TP的Z值呈現(xiàn)出微弱的減少趨勢，而蘇南地區(qū)3個(gè)子區(qū)域TP的Z值呈現(xiàn)出微弱的增加趨勢。全省多數(shù)子區(qū)域DR、D25和CWD的Z值均呈現(xiàn)出減少趨勢，特別是蘇西北部DR的Z值的減少趨勢較為顯著，這表明全省降水天數(shù)呈現(xiàn)出一定減少趨勢。與之相反，多數(shù)子區(qū)域D50、MP1d、MP7d和P95的Z值呈現(xiàn)出增加趨勢，特別是蘇南部D50和MP1d的增加趨勢通過5%顯著性水平，這表明全省強(qiáng)降水事件的頻次和強(qiáng)度有所增加。盡管各子區(qū)域降水指數(shù)的變化趨勢不是很顯著，但相較于蘇北地區(qū)，蘇南地區(qū)D50、MP1d、MP7d和P95的Z值明顯較高，這表明該地區(qū)強(qiáng)降水事件加劇的態(tài)勢更為劇烈。自20世紀(jì)80年代以來，熱帶中、東太平洋海溫的年代際異常導(dǎo)致夏季風(fēng)減弱、西太平洋副熱帶高壓偏南和偏西，進(jìn)而使得季風(fēng)北上推進(jìn)受阻，季風(fēng)所攜帶的大量水汽在淮河以南過多滯留和輻合[14]，故江蘇省大部特別是蘇南的強(qiáng)降水事件呈增加態(tài)勢。此外，由于蘇南地區(qū)城市化水平較高，更復(fù)雜的大氣成分易于形成凝結(jié)核，較強(qiáng)烈的城市熱島效應(yīng)易于誘發(fā)對流性天氣，而更復(fù)雜的城市下墊面阻礙效應(yīng)使得降水滯留時(shí)間加長、強(qiáng)度增大[15]。這種城市雨島效應(yīng)也促使了蘇南地區(qū)強(qiáng)降水事件加劇的趨勢更為明顯。

與降水相比，研究區(qū)極端氣溫指數(shù)的變化更為顯著，突出表現(xiàn)在生育期內(nèi)日最高溫和最低溫極值的增強(qiáng)。從表4可以看出，全省各子區(qū)域的TXx和TXm的Z值均呈現(xiàn)出增加趨勢，特別是蘇南地區(qū)3個(gè)子區(qū)域的增加趨勢大多通過了5%顯著性水平，這表明全省8月份最高氣溫呈現(xiàn)較顯著的上升態(tài)勢。20世紀(jì)90年代后期，夏季副高脊線位置偏北，西太副高控制我國東部地區(qū)，副高中心強(qiáng)度位于長江流域或江南，強(qiáng)而持續(xù)的西太副高控制是我國東部省份8月份強(qiáng)高溫過程偏多的主要原因[16]。與TXx和TXm相比，TMx和TMm的Z值上升趨勢更為顯著，全省各子區(qū)域的上升趨勢均通過了5%顯著性水平，這表明全省10月份日最低氣溫呈現(xiàn)出顯著的增加態(tài)勢。我國秋季氣溫的年代際變化與喀拉海附近的海冰有著密切聯(lián)系，一方面，夏季喀拉海附近的海冰減少造成秋季西伯利亞高氣壓減弱，緯向環(huán)流加強(qiáng)，東亞大槽減弱，經(jīng)向環(huán)流減弱，冷空氣南下受阻，使得我國南方秋季增溫顯著;另一方面，9月后的海水結(jié)冰過程釋放出大量熱量，使得從北極到歐亞大陸的低層大氣中水汽含量增加，吸收長波輻射增多，導(dǎo)致大氣逆輻射增加，進(jìn)一步造成秋季增溫[17]。

2.3 各子區(qū)域單季稻產(chǎn)量與ECI的相關(guān)性分析

在一階差分預(yù)處理的基礎(chǔ)上，計(jì)算了各子區(qū)域單季稻產(chǎn)量與生育期內(nèi)極端氣候指數(shù)的相關(guān)系數(shù)，用來探求極端氣候事件變化與單季稻產(chǎn)量的可能聯(lián)系。從表5可以看出，全省各子區(qū)域單季稻產(chǎn)量與不同降水指數(shù)均呈現(xiàn)出負(fù)相關(guān)性。同時(shí)在每個(gè)子區(qū)域均可以發(fā)現(xiàn)，產(chǎn)量與某些降水指數(shù)的負(fù)相關(guān)性通過了顯著性水平。這表明極端降水事件對全省單季稻產(chǎn)量有著明顯的負(fù)效應(yīng)。此外，單季稻產(chǎn)量與極端降水指數(shù)的負(fù)相關(guān)性還有著一定的地域差異。在蘇西南部和蘇南部，與產(chǎn)量在1%顯著性水平上負(fù)相關(guān)的降水指數(shù)達(dá)到或超過了6個(gè)。其次，在蘇西北部和蘇北部，與產(chǎn)量在1%顯著性水平上負(fù)相關(guān)的降水指數(shù)也達(dá)到或超過了3個(gè)。而在蘇西北角和蘇東南角，極端降水對產(chǎn)量的負(fù)效應(yīng)相對較弱，與產(chǎn)量顯著負(fù)相關(guān)的降水指數(shù)不超過3個(gè)?？傮w而言，蘇南大部地區(qū)的單季稻種植對極端降水的負(fù)效應(yīng)更為敏感。對產(chǎn)量和降水指數(shù)的相關(guān)系數(shù)進(jìn)一步比較發(fā)現(xiàn)，在蘇西北部、蘇北部、蘇西南部、蘇南部這4個(gè)地區(qū)，產(chǎn)量與P95的負(fù)相關(guān)性最為顯著;而在蘇西北角和蘇東南角，產(chǎn)量與D50的負(fù)相關(guān)性最為顯著。與降水指數(shù)相比，極端氣溫事件對單季稻產(chǎn)量的負(fù)效應(yīng)并不顯著，僅僅在江蘇北部3個(gè)子區(qū)域發(fā)現(xiàn)產(chǎn)量與2個(gè)日最高溫極端指數(shù)TX90和WSDL顯著負(fù)相關(guān)，而在江蘇南部3個(gè)子區(qū)域沒有發(fā)現(xiàn)極端氣溫指數(shù)與產(chǎn)量顯著相關(guān)。因此，蘇北地區(qū)水稻產(chǎn)量對極端高溫事件更為敏感。綜上所述可以看出，強(qiáng)降水是制約江蘇省單季稻生產(chǎn)的主要極端氣候事件，生育期內(nèi)的D50和P95應(yīng)該作為指示單季稻產(chǎn)量波動(dòng)的關(guān)鍵氣象指標(biāo)加以重視和關(guān)注。

3 結(jié)論

本研究計(jì)算提取了江蘇省各氣象站點(diǎn)單季稻生育期內(nèi)的極端氣候指數(shù)，在諸多指數(shù)多年均值的基礎(chǔ)上，運(yùn)用主成分分析和聚類分析對全省進(jìn)行了氣候區(qū)劃，分區(qū)結(jié)果表明，江蘇省可以劃分成蘇西北角、蘇西北部、蘇北部、蘇西南部、蘇南部和蘇東南角6個(gè)氣候子區(qū)域。

對各子區(qū)域單季稻生育期內(nèi)的極端氣候指數(shù)采用 M-K 趨勢檢驗(yàn)發(fā)現(xiàn)，全省總降雨天數(shù)及最長持續(xù)降水天數(shù)均呈減少趨勢，而1 d最大降水量和連續(xù)7 d最大降水量等表征極端降水事件頻次和強(qiáng)度的指數(shù)均呈現(xiàn)增加趨勢，其中蘇南地區(qū)的增加趨勢更為明顯。研究區(qū)極端氣溫事件加劇的趨勢極為顯著，突出表現(xiàn)在各子區(qū)域單季稻生育期內(nèi)日最低溫的最大值和最小值均呈現(xiàn)出顯著增加趨勢。此外，蘇南地區(qū)單季稻生育期內(nèi)日最高溫的最大值和最小值也呈現(xiàn)出顯著增加趨勢?？傮w而言，蘇南地區(qū)單季稻生育期內(nèi)增濕增暖趨勢較為顯著。

對單季稻產(chǎn)量與生育期內(nèi)的極端氣候指數(shù)進(jìn)行相關(guān)分析，結(jié)果表明，降水指數(shù)與各子區(qū)域的單季稻產(chǎn)量均有顯著的負(fù)相關(guān)性，尤其是在蘇西南部和蘇南部這2個(gè)區(qū)域，極端降水事件對產(chǎn)量的負(fù)效應(yīng)更為顯著。諸多降水指數(shù)中，暴雨日數(shù)和極端雨天總降水量這2個(gè)指標(biāo)與產(chǎn)量的關(guān)系更為密切，可以作為研究區(qū)水稻雨澇災(zāi)害風(fēng)險(xiǎn)區(qū)劃的評估指標(biāo)加以使用。與極端降水事件相比，極端氣溫事件的負(fù)效應(yīng)不是很顯著，僅在蘇北地區(qū)發(fā)現(xiàn)產(chǎn)量與暖晝?nèi)諗?shù)、暖日持續(xù)天數(shù)這2個(gè)指數(shù)有顯著負(fù)相關(guān)性?？傮w而言，生育期內(nèi)的極端降水事件應(yīng)作為研究區(qū)重要的水稻氣象災(zāi)害加以監(jiān)測與評估。

參考文獻(xiàn)：

[1]蔡新玲，吳素良，賀 皓，等. 變暖背景下陜西極端氣候事件變化分析[J]. 中國沙漠，2012，32（4）：1095-1101.

[2]IPCC. Climate change 2013：The physical science basis[M]. Cambridge：Cambridge University Press，2014.

[3]李 洋，王玉輝，呂曉敏，等. 1961—2013年東北三省極端氣候事件時(shí)空格局及變化[J]. 資源科學(xué)，2015，37（12）：2501-2513.

[4]佴 軍. 近30年江蘇省水稻生產(chǎn)的時(shí)空變化與效益分析[D]. 揚(yáng)州：揚(yáng)州大學(xué)，2013.

[5]趙翠平，陳 巖，王衛(wèi)光，等. 黃河流域近50年極端降水指數(shù)的時(shí)空變化[J]. 人民黃河，2015，37（1）：18-22.

[6]譚孟祥，景元書，曹海寧. 江蘇省一季稻生長季氣候適宜度及其變化趨勢分析[J]. 江蘇農(nóng)業(yè)科學(xué)，2016，44（1）：349-353.

[7]Huang J，Chen X，Zhou L，et al. Statistical analysis of the relationship between climate-induced maize yield and rainy-season precipitation across Inner Mongolia，North China[J]. Theoretical and Applied Climatology，2017，129（3/4），1145-1156.

[8]屈家安，曹 杰. 主成分分析與聚類分析在青島夏季氣溫變化研究中的應(yīng)用[J]. 大氣科學(xué)學(xué)報(bào)，2014，37（4）：517-520.

[9]吳洪顏，商兆堂，程 婷，等. 基于聚類分析的江蘇冬小麥農(nóng)業(yè)氣候區(qū)劃研究[J]. 中國農(nóng)學(xué)通報(bào)，2012，28（26）：119-124.

[10]安計(jì)勇，高貴閣，史志強(qiáng)，等. 一種改進(jìn)的K均值文本聚類算法[J]. 傳感器與微系統(tǒng)，2015，34（5）：130-133.

[11]殷方圓，殷淑燕. 近51年長江中下游與黃河中下游地區(qū)夏季降水變化對比[J]. 水土保持通報(bào)，2015，35（1）：317-322.

[12]朱 珠，陶福祿，類運(yùn)生，等. 1981—2009年江蘇省氣候變化趨勢及其對水稻產(chǎn)量的影響[J]. 中國農(nóng)業(yè)氣象，2012，33（4）：567-572.

[13]包云軒，孟翠麗，申雙和，等. 基于CI指數(shù)的江蘇省近50年干旱的時(shí)空分布規(guī)律[J]. 地理學(xué)報(bào)，2011，66（5）：599-608.

[14]黃榮輝，顧 雷，陳際龍，等. 東亞季風(fēng)系統(tǒng)的時(shí)空變化及其對我國氣候異常影響的最近研究進(jìn)展[J]. 大氣科學(xué)，2008，32（4）：691-719.

[15]張尚印，張海東，徐祥德，等. 我國東部三市夏季高溫氣候特征及原因分析[J]. 高原氣象，2005，24（5）：829-835.

[16]夏 露，張 強(qiáng)，孫 寧，等. 1960—2012年江蘇省氣候變化特征[J]. 冰川凍土，2015，37（6）：1480-1489.

[17]王 迪，何金海，祁 莉，等. 全球變暖減緩背景下歐亞秋冬溫度變化特征和原因[J]. 氣象科學(xué)，2015，35（5）：534-542.李金輝，吳漢福，翁貴英，等. 貴州六盤水城市污泥中重金屬的形態(tài)特征及其農(nóng)用生態(tài)風(fēng)險(xiǎn)評價(jià)[J]. 江蘇農(nóng)業(yè)科學(xué)，2019，47（1）：304-308.