張璐云，王 帥，肖風勁，王文晴，陳 晉，3，4，崔喜紅，3，4※

（1. 北京師范大學地理科學學部遙感科學與工程研究院，北京100875；2. 中國氣象局國家氣候中心，北京，100081；3. 北京師范大學地表過程與資源生態(tài)國家重點實驗室，北京100875；4. 北京市陸表遙感數(shù)據(jù)產(chǎn)品工程技術研究中心，北京100875）

0 引言

黃淮海地區(qū)是我國冬小麥主產(chǎn)區(qū)，冬小麥播種面積和產(chǎn)量約占全國的70%左右［1］，其產(chǎn)量對保障國家糧食安全具有十分重要的意義。干熱風是指在小麥揚花灌漿期間出現(xiàn)的高溫、低濕并伴有一定風力的災害性天氣。每年5 月中下旬至6 月上中旬，北方冷空氣南下，黃淮海地區(qū)處在高空槽后脊前的西北氣流控制中，低空和地面處在兩條鋒帶之間的反氣旋區(qū)內(nèi)，天氣晴朗，氣溫高，空氣干燥［2-3］，易發(fā)生干熱風災害性天氣［4］。此時冬小麥正值揚花灌漿關鍵物候期，干熱風會使小麥水分代謝失衡，降低小麥光合速率和灌漿速率，進而導致千粒重下降，減產(chǎn)嚴重。據(jù)不完全統(tǒng)計，干熱風危害輕的年份，減產(chǎn)10%以下，危害重的年份減產(chǎn)10%～20%，甚至達到20%以上［5］。

近年來，在氣候變暖趨勢不斷加劇的背景下，干熱風發(fā)生的頻率、強度和空間影響范圍都發(fā)生了一定的變化。趙俊芳等分析了50 年來黃淮海冬小麥高溫低濕型干熱風年平均發(fā)生日數(shù)與過程次數(shù)的時空分布特征，發(fā)現(xiàn)中國黃淮海地區(qū)冬小麥干熱風災害在1961—2010 年總體呈減少趨勢［6］。錢錦霞等分析了1961—2010 年黃淮海地區(qū)冬小麥生長后期干熱風的發(fā)生規(guī)律，結果表明：黃淮海大部分區(qū)域發(fā)生各級干熱風均有減少趨勢［7］。成林等統(tǒng)計分析了河南省高溫低濕型干熱風災害的成災范圍和發(fā)生頻率的變化特征。結果表明：在20 世紀90 年代以后各等級干熱風的發(fā)生范圍與天數(shù)均趨于增加［8］。鄔定榮等分析了近50 年以來華北平原各站點的高溫低濕型與雨后青枯型干熱風日數(shù)及其區(qū)域分異規(guī)律。結果表明：華北平原干熱風日數(shù)總體上呈現(xiàn)中部高南北低的分布趨勢，且大部分區(qū)域干熱風日數(shù)呈明顯的遞減趨勢［9］。上述研究雖然對黃淮海冬麥區(qū)干熱風的時空分布及其變化趨勢進行了有益探討［10-11］，但由于各研究的分析年代和研究區(qū)域的差異，結論并不一致。更為重要的是均未將干熱風的發(fā)生與冬小麥的生育期結合起來，很難真正反映出冬小麥在遭遇干熱風后受災風險的變化情況。事實上，干熱風對小麥的危害不僅取決于干熱風的發(fā)生頻率和強度，也與小麥所處的生育階段密切相關［12-13］。在抽穗揚花期，干熱風會使花藥破裂而無法授粉，進而造成不實小穗數(shù)增加和穗粒數(shù)減少；在灌漿前期，冬小麥籽粒含水量快速增加并逐漸進入乳熟期，干熱風會使小麥灌漿速度減慢甚至停止灌漿，嚴重影響淀粉粒形成，造成冬小麥籽實瘦秕，千粒重降低和產(chǎn)量下降；灌漿后期是小麥干物質(zhì)積累的重要階段，干熱風會使小麥灌漿期縮短，出現(xiàn)“高溫逼熟”和“青秕”的現(xiàn)象［2］，會大大降低干物質(zhì)的積累。已有研究發(fā)現(xiàn)：灌漿期發(fā)生的干熱風對小麥的危害大于抽穗揚花期［2］。而干熱風發(fā)生在灌漿的不同時期，其危害程度亦有不同。成林等人的研究結果表明：發(fā)生在小麥灌漿后期和中期的重度干熱風以及發(fā)生在灌漿中期的輕度干熱風可分別使小麥千粒重降低5.4 g，3.64 g 和1.78 g，降幅達14.5%，9.7%和4.8%［12］。因此，將干熱風的發(fā)生與冬小麥關鍵生育期結合，進一步探討冬小麥在抽穗揚花和灌漿等生育期內(nèi)干熱風的時空變化特征，能夠更準確地評估冬小麥受災風險的變化情況，對分階段積極應對全球氣候變化帶來的影響，以及實現(xiàn)冬小麥高產(chǎn)穩(wěn)產(chǎn)，確保國家糧食安全都具有重要意義。

鑒于此，文章以黃淮海冬麥區(qū)為主要研究區(qū)，采用2019 年最新發(fā)布的《小麥干熱風災害等級》國家標準（QT 82-2019）［5］，提取了1993—2016 年發(fā)生的干熱風日，并結合冬小麥關鍵生育期信息，統(tǒng)計分析了升溫背景下冬小麥不同生育期內(nèi)干熱風發(fā)生的時空變化特征。此外，考慮氣候變暖趨勢，通過在站點尺度上將現(xiàn)有日最高溫數(shù)據(jù)與未來不同排放情景（RCP4.5，RCP8.5）下模擬出的日最高溫數(shù)據(jù)進行匹配，以預測未來研究區(qū)中不同區(qū)域遭遇干熱風風險的變化。研究結果能夠?qū)Χ←湼蔁犸L的防災減災提供一定科學依據(jù)，可直接服務于當?shù)剞r(nóng)業(yè)生產(chǎn)管理。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)概況及數(shù)據(jù)來源

該文研究區(qū)主要為黃淮海冬麥區(qū)，包括河南、山東、湖北、安徽、江蘇省的全部區(qū)域以及陜西、山西、河北省的部分區(qū)域（圖1）。逐日氣象數(shù)據(jù)來源于中國氣象局（http：//www.nmic.cn/），包括各個地面氣象臺站（簡稱氣象站）記錄的氣溫、相對濕度、風向風速等數(shù)據(jù)集（1951—2016 年）。物候數(shù)據(jù)來源于農(nóng)業(yè)氣象臺站（簡稱農(nóng)氣站）人工觀測記錄的冬小麥關鍵生育期數(shù)據(jù)集（1993—2016 年）。

圖1 研究區(qū)及各氣象觀測站點分布Fig.1 The study area and locations of meteorological and agrometeorological stations

土壤濕度數(shù)據(jù)采用的是歐空局發(fā)布的長時間序列（1978 至今）的土壤濕度產(chǎn)品（ESA CCI SM）［14-16］。ESA CCI 土壤水分數(shù)據(jù)產(chǎn)品包括主動數(shù)據(jù)集、被動數(shù)據(jù)集和主被動融合數(shù)據(jù)集3 種產(chǎn)品。主動數(shù)據(jù)集來自AMI-WS 和ASCAT（Metop-A 和Metop-B），被動數(shù)據(jù)集來自SMMR、SSM/I、TMI、AMSR-E、WindSat、AMSR 2 和SMOS，融合數(shù)據(jù)集合并了以上10 個主動和被動數(shù)據(jù)集。該系列數(shù)據(jù)自發(fā)布以來就受到了廣泛關注，并在全球多個地區(qū)進行了有效性驗證與應用［17］。相關研究表明，主動數(shù)據(jù)集更適用于植被密集地區(qū)，被動數(shù)據(jù)集更適用于干旱、半干旱地區(qū)，融合數(shù)據(jù)集更適合大尺度地區(qū)的應用研究［18］。因研究區(qū)覆蓋黃淮海區(qū)域，范圍較大，因此使用普適性更強的融合數(shù)據(jù)。采用v04.4 版本數(shù)據(jù)，時間為1993—2016 年，時間分辨率為日，空間分辨率為0.25°×0.25°。提取干熱風日過程中，可在影像上提取出氣象站點對應的柵格值即土壤濕度用于后續(xù)計算。

模擬2030 年、2050 年研究區(qū)在兩種排放情景下（RCP4.5、RCP8.5）的逐日最高溫度時，使用意大利國際理論物理中心研發(fā)的區(qū)域氣候模式RegCM4［19］動力降尺度模擬輸出的逐日最高氣溫［20］。RegCM4 動力降尺度模擬試驗分別由CMIP5 中的4 個全球氣候模式（CSIRO-Mk3.6.0、EC-EARTH、HadGEM2-ES 和MPI-ESM-MR）的歷史試驗結果進行驅(qū)動，積分時長為1979—2005 年。模擬的區(qū)域為區(qū)域氣候降尺度協(xié)同試驗中的東亞區(qū)域（CORDEX-EA），水平分辨率為25 km，垂直層為18 層，大氣層頂氣壓為10 hPa［21-22］。最后從模擬數(shù)據(jù)中提取出氣象站點的逐日最高溫用于后續(xù)計算。

為了探究冬小麥不同生育期內(nèi)遭遇干熱風災害的時空變化特征，該研究根據(jù)干熱風發(fā)生的時間以及冬小麥生長發(fā)育的特征，將農(nóng)氣站記錄的抽穗期、乳熟期和成熟期3 個關鍵生育期所包含的生長過程劃分為3 個生育階段：抽穗揚花期，灌漿前期和灌漿后期。其中抽穗揚花期是指冬小麥從抽穗期開始經(jīng)歷的抽穗、開花和授粉過程，該階段一般持續(xù)10 d 左右［23］（該文取10 天）。灌漿前期用抽穗揚花期結束至乳熟期結束表示，對應于灌漿開始的水分增加期和乳熟期。灌漿后期用乳熟期結束至成熟期結束來表示，包含面團期和蠟熟期等干物質(zhì)積累的重要階段［23］。

1.2 小麥干熱風災害等級

該文中干熱風的定義及小麥干熱風災害等級的確定均采用2019 年最新發(fā)布的小麥干熱風災害等級國家氣象行業(yè)標準（QX/T 82-2019）［5］。新標準相比于2007 年發(fā)布的舊標準（QX/T 82-2007），考慮到了土壤墑情對小麥干熱風的影響，并在災害分級中增加了中度指標，使得新標準在小麥干熱風災害等級評估預警中的針對性和準確率均有提高。我國小麥干熱風災害類型主要分為高溫低濕型、雨后青枯型和旱風型3 種。其中高溫低濕型是華北、黃淮及陜西關中冬麥區(qū)干熱風的主要類型［5］，在小麥開花灌漿階段均可發(fā)生，且發(fā)生范圍廣，會造成小麥大面積干枯逼熟死亡，嚴重威脅小麥產(chǎn)量。因此，針對黃淮海冬麥區(qū)常發(fā)生的高溫低濕型干熱風，該文利用現(xiàn)有的氣象和物候觀測數(shù)據(jù)以及土壤濕度產(chǎn)品，提取了1993—2016 年冬小麥不同生育期內(nèi)發(fā)生的干熱風日，并探討其時空變化規(guī)律。研究中采用的干熱風日等級指標見表1，其中14 時空氣相對濕度和14 時風速分別采用逐日氣象數(shù)據(jù)記錄的平均相對濕度和平均風速。

表1 黃淮海地區(qū)冬麥區(qū)高溫低濕型干熱風災害等級指標Table 1 High temperature and low humidity type dry-hot wind disaster level indicators in the winter wheat area of the Huang-Huai-Hai region

2 研究方法

2.1 關鍵生育期提取方法

研究區(qū)中氣象站數(shù)量較多且分布均勻（630 個），但不含冬小麥物候期記錄，而農(nóng)氣站數(shù)量相對較少（156 個），但含有冬小麥生育期記錄。由于冬小麥關鍵生育期主要受到積溫的控制，且積溫與經(jīng)、緯度和高程之間具有較好的相關性［24］，因此，該研究利用156 個農(nóng)氣站記錄的冬小麥生育期數(shù)據(jù)，逐年（1993—2016 年）建立冬小麥關鍵生育期與經(jīng)度、緯度及高程之間的回歸模型。通過該模型估計研究區(qū)內(nèi)各氣象站所在位置處冬小麥逐年的關鍵生育期。

2.2 基于線性回歸的趨勢分析

統(tǒng)計1993—2016 年各站點每年的累積干熱風日，利用線性回歸方法分別擬合其年際變化趨勢，并檢驗統(tǒng)計顯著性。

(2) 在風扇大環(huán)上按照圖紙要求均勻劃出每個葉片的位置線(圖2所示)，葉片采用兩點定位法進行定位，按照劃好的位置線將20個葉片裝配到風扇大環(huán)上，并點焊固定，每個葉片與風扇大環(huán)點焊四點(葉片兩側各兩點)。

式（1）中，t 為年份，y 為年累積小麥干熱風日。α 為回歸方程的斜率，β 為方程的截距，可由最小二乘法估計得到。α 值的正負分別表示干熱風增加或減小的趨勢。

2.3 干熱風發(fā)生強度指標k

為了將輕、中、重3 種程度的干熱風結合起來，綜合表示不同生育期內(nèi)干熱風帶來的影響程度，該文定義了干熱風發(fā)生強度指標k，該指標可表示為：

式（2）中，k 表示某個生育期內(nèi)干熱風的發(fā)生強度，d1、d2、d3分別表示該生育期內(nèi)輕、中、重度干熱風的發(fā)生天數(shù)，a1、a2、a3分別表示發(fā)生一次輕、中、重度干熱風的相對影響程度。根據(jù)小麥干熱風災害等級中不同程度干熱風對小麥產(chǎn)量的影響，a1、a2、a3的值分別取3、5 和7［5］。

2.4 核密度分析

核密度分析用于分析空間聚集趨勢，該方法以某個樣本點為中心，搜索一定半徑區(qū)域內(nèi)點的個數(shù)，考慮距離權重計算其密度之和，公式為：

式（3）中，S 為核密度方程，h 為搜索半徑，n 為搜索區(qū)內(nèi)的點數(shù)，d 為數(shù)據(jù)的維數(shù)，x-xi為待估計點x 到樣本點xi處的距離。該文利用核密度方法研究了3 個年代（1993—2000 年，2001—2010 年，2011—2016 年）的年均干熱風發(fā)生強度聚集性的變化情況。年代際變化是氣候系統(tǒng)中分析氣候變率的一種時間尺度，以每10 年為一個年代。分析年代際氣候變率的時空結構對于認識過去氣候變化特征、估計未來氣候變化趨勢具有重要意義［25］。

2.5 未來趨勢預測

李森等人的研究表明，最高氣溫是形成干熱風的主要限制因素［26］，這一點從2019年最新發(fā)布的小麥干熱風災害等級國家氣象行業(yè)標準（QX/T 82-2019）中也有充分體現(xiàn)（表1）。因此，在預測未來趨勢時，通過將預測的未來日最高溫與往年作比較，認為與往年發(fā)生干熱風日的情形越接近時則發(fā)生干熱風的概率越大。具體分析方法如下。

將1993—2016 年各氣象站的多年逐日最高氣溫數(shù)據(jù)作為當前的基準氣溫數(shù)據(jù)集（記為Temp0），將RCP4.5 和RCP8.5 情景下預測的2030 年以及2050 年逐日最高氣溫數(shù)據(jù)作為未來的氣溫數(shù)據(jù)集（記為Temp1）。以站點i 在未來年份的逐日氣溫數(shù)據(jù)（Temp1i）為研究對象，計算Temp1i與其第j 年的逐日氣溫數(shù)據(jù)（Temp0ij）的差異性，差異性可表示為：

式（4）中，Dif 表示第i 個站點預測氣溫數(shù)據(jù)與往年逐日氣溫數(shù)據(jù)之間的差異，RMSE 為均方根誤差，r 為相關系數(shù)。針對站點i 的未來氣溫數(shù)據(jù)集Temp1i，從基準氣溫數(shù)據(jù)集Temp0ij中找到年份jmin，使得Dif（Temp1i，Temp0ij）取最小值，則基準氣溫數(shù)據(jù)集中jmin年站點干熱風的嚴重程度在一定程度上可以表示未來氣溫數(shù)據(jù)集中i 站點的干熱風風險大小。jmin可由公式（5）得到：

3 結果分析

3.1 干熱風的時間變化特征

圖2 顯示1993—2016 年630 個氣象站點關鍵生育期（抽穗揚花期、灌漿前期、灌漿后期）的多年平均開始日期。整體上看，同一生育期，南方早于北方，具有明顯的緯度地帶性，與已有研究結論相同［27］。

圖2 1993—2016 年不同生育期平均開始日期Fig.2 Average start julian dates of different growth stages from 1993 to 2016

圖3 顯示的是不同生育期內(nèi)累積干熱風日的年際變化趨勢。整體上看，各生育期內(nèi)發(fā)生的輕、中、重3 種程度的干熱風日均呈增加趨勢，尤以中度干熱風日增速最快（圖3b）。從干熱風發(fā)生的時期看，發(fā)生在灌漿后期的干熱風日最多，灌漿前期次之，而抽穗揚花期最少（圖3）。對于輕度干熱風，其在灌漿前期增速最大，在抽穗揚花期增速最小（圖3a）；而對于中、重度干熱風，均為在灌漿后期增速最大，抽穗揚花期增速最小（圖3b～c）。由此可見，冬小麥在灌漿階段遭遇干熱風的頻率和強度都在增加，進一步加大了小麥受災的風險。

圖3 1993—2016 年不同生育期內(nèi)年累積干熱風日（輕度、中度、重度）的年際變化趨勢Fig.3 Interannual trends in cumulative days of dry-hot wind（light，middle，heavy）during different growth stages from 1993 to 2016

由于不同氣象站點干熱風日的年際變化趨勢可能存在一定的空間差異，該研究進一步從站點尺度上分析了不同等級干熱風日的年際變化趨勢（圖4）。從圖4a～f 可以看出，輕、中度干熱風的年際變化趨勢在站點尺度上具有相同的空間分布特征，均表現(xiàn)為：在抽穗揚花階段，研究區(qū)北部站點發(fā)生的輕、中度干熱風日年際變化呈現(xiàn)增加與減少趨勢并存的特征，而研究區(qū)南部站點則無明顯年際變化趨勢（圖4a，4d）；在灌漿前期和灌漿后期，輕、中度干熱風日在研究區(qū)北部站點多呈增加趨勢，而在中南部站點增加趨勢與減少趨勢并存（圖4b、c、e、f）。結合研究區(qū)尺度上的年際變化規(guī)律可知（圖4a～b），研究區(qū)中部站點干熱風天數(shù)的增加效應大于減少效應，反映在研究區(qū)尺度上表現(xiàn)為較明顯的增加趨勢（圖3a～b）。對于重度干熱風，累積干熱風日呈現(xiàn)出年際變化趨勢的站點數(shù)量從抽穗揚花期到灌漿前期直至灌漿后期逐漸增加，在空間上表現(xiàn)為從研究區(qū)北部向中部擴展的特征。其中，大部分站點在抽穗揚花期未觀察到明顯的年際變化趨勢（圖4g），而在灌漿前期與灌漿后期，研究區(qū)北部及中北部的大部分站點均呈增加趨勢（圖4h～i）。對輕、中、重3 種程度的干熱風日來說，中度干熱風日增加的趨勢相比輕、重度更為顯著，且發(fā)生的站點數(shù)也相對更多。

圖4 1993—2016 各氣象站點不同生育期內(nèi)干熱風日（輕度、中度、重度）的年際變化趨勢Fig.4 Interannual trends of cumulative days of dry-hot wind（light，middle，heavy）during different growth stages at different meteorological stations from 1993 to 2016

3.1.2 不同生育期階段分布比例的年際變化

不同生育期內(nèi)小麥干熱風分布比例的年際變化如圖5 所示?？梢钥闯觯狠p、中、重度干熱風在不同生育期內(nèi)均有發(fā)生，但所占比例有所不同。發(fā)生在灌漿后期的干熱風占比最多，灌漿前期次之，抽穗揚花期最少。從年際變化上看，輕、中度干熱風在不同生育期階段所占比例的年際變化較?。▓D5a～b），其中發(fā)生在抽穗揚花期的比例約為9%，發(fā)生在灌漿前期的比例約為33%，發(fā)生在灌漿后期的比例約為58%。相較于輕、中度干熱風，重度干熱風在不同生育期階段所占比例的年際差異較大（圖5c），其中抽穗揚花期所占平均比例為5%，灌漿前期所占平均比例為17%，灌漿后期所占平均比例為78%。

圖5 1993—2016 年不同生育期內(nèi)干熱風累積天數(shù)占比的年際變化Fig.5 Interannual trends in the distribution proportion of dry-hot wind（light，middle，heavy）during different growth stages from 1993 to 2016

圖6 從空間上顯示出各氣象站點干熱風日在不同生育期階段內(nèi)分布比例的年代際變化特征?？梢钥闯鲅芯繀^(qū)南部干熱風多發(fā)生在灌漿前期，北部多發(fā)生在灌漿后期。特別是重度干熱風，在研究區(qū)中北部集中發(fā)生在灌漿后期的特點更為明顯，且逐漸向東南擴展。從年代際變化來看，研究區(qū)中部輕、中、重度干熱風發(fā)生在灌漿后期的比例增加，研究區(qū)南部發(fā)生在灌漿前期的比例增加。

圖6 1993—2016 年各氣象站點不同生育期內(nèi)干熱風所占比例的年代際變化Fig.6 Trends in distribution proportion of dry-hot wind （light，middle，heavy）during different growth stages at different meteorological stations from 1993 to 2016

3.1.3 干熱風多發(fā)季年際變化特征

為了分析冬小麥在抽穗灌漿階段受到干熱風影響的時間范圍的變化，該文定義了干熱風的多發(fā)季來表示每年干熱風集中發(fā)生的時間范圍。干熱風多發(fā)季越長，表明該年受干熱風影響的時間越長。首先按照時間順序?qū)γ磕臧l(fā)生的干熱風日期進行排列，然后分別選擇當年干熱風發(fā)生日期中第20%天和第80%天作為該年干熱風多發(fā)季的開始日期和結束日期。從圖7 可以看出：輕、中、重度干熱風的開始時間均有較為明顯的提前趨勢，而結束時間除了重度干熱風有略微提前趨勢，輕、中度干熱風均有略微推遲趨勢。這表明研究區(qū)內(nèi)3 種不同程度的干熱風多發(fā)季長度均有延長趨勢。

圖7 干熱風多發(fā)季起始時間的年際變化特征Fig.7 Interannual variation characteristics of the onset and the end of dry-hot windy season

3.2 干熱風強度的空間分布特征及其變化

為了分析干熱風發(fā)生強度的聚集性及其影響范圍，分別計算了每年各個生育期階段內(nèi)的干熱風強度指標k。圖8 是3 個年代（1993—2000 年，2001—2010 年，2011—2016年）中各生育期階段內(nèi)干熱風年平均k 值的核密度圖。整體而言，干熱風在不同生育期內(nèi)的年代際變化規(guī)律較為相似。在抽穗揚花期、灌漿前期以及灌漿后期，干熱風影響的空間范圍不斷向東、向南擴大，且高發(fā)區(qū)的嚴重程度也在不斷增強（圖8），河北省、山東省、河南省3 省的交界地區(qū)始終是干熱風的多發(fā)區(qū)，這與現(xiàn)有研究結果一致［4］。

圖8 1993—2016 年不同年代干熱風k 值核密度Fig.8 Kernel density map of cumulative days during different growth stages from 1993 to 2016

3.3 干熱風未來趨勢分析

采用空間換時間的思路，根據(jù)式（4）（5），某一站點未來發(fā)生干熱風的強度，可用站點本身與之最匹配年份發(fā)生干熱風的k 值代表，1993—2016 年干熱風年平均k 值核密度圖見圖9a～c。RCP4.5 以及RCP8.5 情境下，干熱風年平均k 值的核密度可由圖9d～o 表示。2030 年以及2050 年，不同情景下研究區(qū)干熱風的多發(fā)區(qū)范圍略有增大、發(fā)生強度略有增強。同一情境下，2050 年發(fā)生強度大于2030 年。同一年份，RCP8.5 場景下發(fā)生強度略大于RCP4.5（圖9d～f）。

圖9 RCP4.5、RCP8.5 情景下及多年平均（1993—2016 年）干熱風k 值核密度Fig.9 Kernel density map of dry-hot-wind k values for RCP4.5，RCP8.5 scenarios and multi-year average from 1993 to 2016）

4 結論與討論

4.1 結論

（1）1993—2016 年輕、中、重度干熱風在不同生育期內(nèi)的年累積發(fā)生天數(shù)均呈增加趨勢，且中度干熱風的增加趨勢最為顯著。重度干熱風發(fā)生在灌漿后期的比例明顯大于輕、中度干熱風。每年的干熱風多發(fā)季節(jié)略有延長趨勢。

（2）在抽穗揚花期、灌漿前期和灌漿后期，干熱風多發(fā)區(qū)的空間范圍變化一致。影響范圍均存在向東、向南擴大的趨勢。河北、河南以及山東的交界地區(qū)始終是干熱風的嚴重威脅區(qū)。

（3）在日均溫升高的背景下，站點干熱風的發(fā)生強度以及多發(fā)區(qū)范圍會繼續(xù)增強。到2030 年、2050 年，相比于多年平均狀態(tài)，研究區(qū)干熱風的發(fā)生強度均有增強，且多發(fā)區(qū)范圍略有擴大。

4.2 討論

政府間氣候變化專門委員會（IPCC）第5 次報告指出，全球變暖會影響農(nóng)業(yè)生態(tài)系統(tǒng)，造成農(nóng)業(yè)災害頻發(fā)，農(nóng)業(yè)氣象災害格局發(fā)生改變，使得作物生產(chǎn)不穩(wěn)定性增強，對我國農(nóng)業(yè)生產(chǎn)及糧食安全造成顯著影響［28］。干熱風作為影響我國小麥產(chǎn)量的主要農(nóng)業(yè)氣象災害之一，探索其時空變化規(guī)律可對冬小麥干熱風的防災減災提供科學依據(jù)。已有研究認為干熱風的發(fā)生總體上有減少的趨勢［6-10］，與該文結論不同，主要原因是分析年代不同。已有研究多分析20 世紀60 年代以來近50 年總體變化趨勢，沒有考慮氣象要素變化的年代際差異。研究發(fā)現(xiàn)20 世紀90 年代以后，氣溫變化明顯加?。?9］。在此背景下，該研究發(fā)現(xiàn)，1993—2016 年冬小麥各生育期內(nèi)干熱風的天數(shù)和影響范圍都有增加趨勢。該結論與成林等人的研究結論一致，他們的研究結果表明，1961—2007 年，河南省冬小麥生長后期干熱風災害發(fā)生范圍和天數(shù)整體趨于減弱，然而20 世紀90 年代末期之后干熱風發(fā)生范圍與天數(shù)均有增加趨勢［8］。由此可見，考慮年代際差異來分析干熱風的變化特征更有助于掌握其對冬小麥的影響規(guī)律，以便采取應對措施。此外，與已有研究相比，該文還具有以下特點：（1）研究區(qū)為黃淮海地區(qū)，空間范圍較大，不局限于單一地區(qū)或省份，結論適用范圍更廣；（2）采用2019 年發(fā)布的《小麥干熱風災害等級》新標準，充分考慮了土壤墑情等多方因素影響，等級劃分更嚴謹，結果更為可靠；（3）結合冬小麥關鍵生育期，探索干熱風災害的時空變化特征，有利于提出針對性的預防方案；（4）對2030年、2050 年可能發(fā)生的干熱風災害情況進行預測，可為相關研究及決策的提供參考。

根據(jù)該文對于不同生育期內(nèi)干熱風時空變化特征的分析，在全球變暖的持續(xù)影響下，隨著20 世紀90 年代以后氣溫變化加劇，冬小麥各生育期內(nèi)的干熱風天數(shù)增加，尤其在灌漿后期的增加速度最快。天氣狀況的變化結合冬小麥所處的特殊生育階段可能會增加干熱風帶來的負面影響，對冬小麥的生長發(fā)育造成嚴重危害。因此，對于黃淮海冬麥區(qū)而言，冬小麥的生產(chǎn)中應該加強對干熱風災害的預警和防范。另外，由于重度干熱風更易發(fā)生在灌漿后期，嚴重威脅小麥產(chǎn)量，而其所占比例的年際變化波動又比較大，在生產(chǎn)實踐中需要更加關注發(fā)生在灌漿后期的重度干熱風。一旦發(fā)現(xiàn)，應及時采取相關的生物、化學防控措施，減少干熱風對小麥產(chǎn)量的影響。

由于冬小麥關鍵生育期數(shù)據(jù)從1993 年開始才有完善的人工觀測記錄，因此對1993年以前冬小麥各生育期干熱風發(fā)生的變化趨勢沒有進行分析，這是該文研究的局限。但從結果來看，并不影響對干熱風發(fā)生變化特征的了解。該文結果有助于針對冬小麥特定生育期采取相應措施。