葉 佩 ，劉可群 ，劉凱文 ，3，秦鵬程 ，趙小芳 ，楊青青

（1.荊州農(nóng)業(yè)氣象試驗站，湖北 荊州 434000；2.武漢區(qū)域氣候中心，武漢 430074；3.長江大學農(nóng)學院，湖北 荊州 434025）

近年來，全球氣候變暖對農(nóng)業(yè)生產(chǎn)和發(fā)展的不利影響日趨顯著，糧食安全生產(chǎn)問題面臨更加嚴峻的挑戰(zhàn)［1］。水稻（Oryza sativaL.）是中國重要的三大主要糧食作物之一，其種植面積占世界種植總面積的26.9%，產(chǎn)量占世界稻谷總產(chǎn)量的33.9%［2］。在中國有65%以上的人口以水稻為主食，水稻的安全生產(chǎn)對保障中國糧食安全、促進農(nóng)戶增收以及推動農(nóng)村經(jīng)濟發(fā)展有著舉足輕重的作用［3］。湖北省作為華中地區(qū)主要水稻種植區(qū)之一，水稻種植面積超過該省糧食作物種植總面積的50%以上，產(chǎn)量占全省糧食總產(chǎn)的70%左右，為該省的第一大主糧作物，其中，水稻種植類型以中稻為主［4］。夏季為水稻生長的關鍵時期，此時受副熱帶高壓影響，水稻生育期內(nèi)出現(xiàn)高溫熱害的可能性大［5］。隨著全球氣候變暖進程的加劇，湖北省中稻高溫熱害發(fā)生的強度和頻率呈增強、增多的趨勢［6］，在抽穗揚花期水稻遭遇極端高溫容易造成花粉發(fā)育不良，使水稻空秕率增加，結實率下降，最終導致減產(chǎn)，影響水稻的產(chǎn)量和效益［7，8］。劉文茹等［9］運用 BCC-CSM1-1 氣候系統(tǒng)模式輸出的典型濃度情景RCPs 數(shù)據(jù)，發(fā)現(xiàn)RCP4.5 情景下長江中下游地區(qū)夏季氣溫變化速率較大，增幅每10 年達1.2 ℃。因此，研究未來氣候變化情景下高溫熱害對湖北省中稻的影響及其風險變化十分有必要。

高溫熱害作為影響水稻安全生產(chǎn)的重要環(huán)境生態(tài)因子，未來氣候變化背景下該因子對水稻的影響及風險研究日益受到學者的關注。李琪等［10］評估了未來氣候變化情景下孕穗-抽穗期不同強度和持續(xù)時間高溫熱害對水稻產(chǎn)量的影響，王連喜等［11］分析了未來氣候變化情景下孕穗-抽穗期水稻對高溫的適應性。宋瑞明等［12］基于CanESM2 模式SDSM統(tǒng)計降尺度后的RCPs 情景數(shù)據(jù)預估未來2021—2070 年氣候變化條件下江蘇水稻高溫熱害變化規(guī)律。萬素琴等［13］將區(qū)域氣候模式PRECIS 構建的氣候變化情景與水稻生產(chǎn)模型ORYZA2000 相結合，研究了未來氣候變化對華中地區(qū)中稻產(chǎn)量的影響。熊偉等［14］預估 2021—2050 年 RCP2.6 和 RCP8.5 氣候情景下，全國水稻關鍵生育期高溫日數(shù)、高溫積溫均呈增加趨勢，水稻高溫熱害風險也將進一步加大。目前大部分研究的氣候情景數(shù)據(jù)鮮有訂正，加上未來氣候情景下的湖北省中稻高溫熱害風險也未見報道，因此，本研究采用方差訂正后的RCPs 數(shù)據(jù)來探究未來氣候情景下的湖北省中稻高溫熱害風險時空分布特征，以期為該區(qū)域高溫熱害風險預警、水稻生產(chǎn)布局、防災減災等管理決策提供理論依據(jù)。

1 資料來源與研究方法

1.1 資料來源

農(nóng)業(yè)氣象資料選用湖北省18 個農(nóng)業(yè)氣象觀測站（圖1）中稻抽穗開花期觀測數(shù)據(jù)，時間為1981—2016 年；氣象資料為湖北省 1960—2019 年 76 個氣象站點逐日氣象數(shù)據(jù)，包括最高氣溫、平均氣溫，數(shù)據(jù)來源于湖北省氣象局氣候檔案室。氣候模式數(shù)據(jù)來自 ISI-MIP（Inter-Sectoral Impact Model Intercomparison Project）推薦使用的5 個全球海氣耦合模式中對最高氣溫模擬性能最好的HadGem2-ES（Had-Gem）模式下的 1961—2080 年數(shù)據(jù)，其中 1961—1990 年為基準時段，1991—2005 年為驗證時段，2021—2080 年為未來時段，該數(shù)據(jù)基于WATCH 再分析資料和概率分布統(tǒng)計偏差訂正方法進行了降尺度處理［15］，空間分辨率為 0.5°×0.5°，研究路徑為穩(wěn)定路徑 RCP4.5 和高端路徑 RCP8.5［9］。

圖1 湖北省18 個農(nóng)業(yè)氣象觀測站點分布

1.2 研究方法

1.2.1 研究時段 由表1 可知，7 月下旬至8 月下旬為湖北省中稻抽穗開花期，是中稻最易受高溫危害的時段，因此，將7 月21 至8 月31 日作為中稻高溫熱害風險研究時段。

表1 湖北省18 個農(nóng)業(yè)氣象站點中稻抽穗期

1.2.2 高溫熱害指標 高溫危害積溫同時包含高溫強度和持續(xù)時間的特征，且能定量描述高溫熱害影響程度，應用廣泛［16］，因此，本研究以水稻抽穗開花期超過35 ℃以上的高溫危害積溫評價高溫發(fā)生強度，根據(jù)田間試驗［16］與實際調(diào)查［7］，高溫危害積溫達到 16、32、48 ℃·d 分別為輕度、中度、重度水稻熱害指標。高溫熱害發(fā)生頻率為歷年出現(xiàn)高溫的總年數(shù)與參與統(tǒng)計的總年數(shù)之比。

1）高溫危害積溫。

2）高溫發(fā)生頻率。

式中，HDD 為高溫危害積溫，DTi是水稻生育期內(nèi)逐日高溫危害積溫，Tmax為逐日最高氣溫，T0為35，n為研究時段水稻生育期總天數(shù)；i為水稻生育期內(nèi)第i天，i=1，2，…，n。P為高溫熱害發(fā)生頻率；M為該站發(fā)生某等級高溫熱害年數(shù)；N為全部總年數(shù)。

1.2.3 RCPs 數(shù)據(jù)訂正 RCPs 情景下的全球氣候模式（GCM）數(shù)據(jù)的模擬效果較好［17］，但與實測資料還存在一定的誤差，降尺度和方差訂正可在一定程度上彌補氣候模式數(shù)據(jù)分辨率精度不夠的缺陷，提高氣候模式數(shù)據(jù)的準確度［18］。

首先運用雙線性內(nèi)插法將格點數(shù)據(jù)插值到觀測站點F（X，Y）上，假設模擬格點數(shù)據(jù)的經(jīng)緯度坐標為F11（X1，Y1）、F12（X1，Y2）、F21（X2，Y1）、F22（X2，Y2），4個格點模擬的最高氣溫分別為T11、T12、T21、T22，首先在X方向進行線性插值，然后在Y方向進行線性插值，得到雙線性插值結果。

其次利用1961—1990 年校準時段模式數(shù)據(jù)與實測氣象站點數(shù)據(jù)通過傳遞函數(shù)系數(shù)和方差信息建立方差訂正模型，具體如下。

第一步，將站點校準年1961—1990 年觀測值、歷史模擬數(shù)據(jù) 1961—1990 年、未來 2021—2050 和2051—2080 年需訂正模擬數(shù)據(jù)，轉化為同期等長的序列其中i=1，…，n，根據(jù)公式（5）至公式（8）計算旬均值，并以基準時期模擬數(shù)據(jù)旬均值序列（Xs）作為自變量，同一旬的觀測數(shù)據(jù)旬均值作為因變量（Xo）建立傳遞函數(shù)。

式中，k為某年某旬天數(shù)，取實際值8 或9 或10或11，用最小二乘法計算系數(shù)a、b、c的值。

1.2.4 高溫熱害風險評估模型 采用各站點不同等級高溫熱害發(fā)生強度和頻率建立高溫熱害風險評估模型。

式中，G 表示高溫熱害風險；n表示不同等級高溫熱害，n=1，2，3 分別代表輕度、中度及重度高溫熱害；Wi表示不同等級高溫熱害權重；輕度的權重為0.1，中度為0.2，重度為0.3；Pi表示研究時段不同等級高溫熱害發(fā)生頻率。

1.2.5 模型訂正 以武漢站1 月上旬逐日最高氣溫訂正為例，步驟如下。①利用基準時段1961—1990年模擬數(shù)據(jù)和觀測資料，通過公式（8）、公式（9）分別計算逐年1 月上旬旬均值，得到容量為30 的模擬和觀測序列；②以觀測序列為因變量，模擬序列為自變量代入式（10）進行回歸分析，得到1 月上旬最高氣溫回歸系數(shù)a、b、c（表2）；③將回歸系數(shù)帶入式（11），建立傳遞函數(shù)，對該旬逐日模擬結果進行均值訂正；④計算旬方差訂正因子λ并代入式（12）進行方差訂正。該旬逐日最高氣溫訂正模型如下。

表2 武漢站逐旬最高氣溫傳遞函數(shù)系數(shù)

1.2.6 模型驗證 利用1991—2005 年氣候模擬數(shù)據(jù)插值到氣象站點形成待訂正數(shù)據(jù)，根據(jù)各站點最高氣溫的回歸系數(shù)和方差訂正因子，建立訂正模型，得到1991—2005 年訂正后逐日模擬數(shù)據(jù)。通過觀測數(shù)據(jù)和訂正前后模擬數(shù)據(jù)之間的逐月相對誤差（RE）和均方根誤差（RMSE）分析最高氣溫的訂正效果。其中，RE用于表示模式值偏離觀測值的實際大小，數(shù)值越小，偏離觀測值的程度越?。籖MSE反映模擬值相對于觀測值的精確程度，數(shù)值越小，精確度越高。

式中，simi為訂正后逐月模擬值，obsi為逐月觀測值，n為樣本容量。

分別計算訂正后各站逐月最高氣溫與觀測逐月最高氣溫的RE（圖2a）和RMSE（圖2b）。方差訂正后數(shù)據(jù)與觀測值的RE和RMSE較訂正前明顯減小，且 訂 正 后 7—8 月 最 高 氣 溫RE為 0.04、RMSE在1.5 ℃范圍內(nèi)，使用方差訂正對未來情景下的模式數(shù)據(jù)進行訂正可有效降低模擬數(shù)據(jù)與觀測值的偏差。

圖2 1991—2005 年訂正前后最高氣溫與觀測值的相對誤差（a）和均方根誤差（b）

2 結果與分析

2.1 RCPs 情景高溫熱害強度變化特征

2.1.1 2021—2050 年高溫熱害強度變化特征 由圖 3 可知，2021—2050 年不同 RCPs 情景下中稻高溫熱害強度增減不一，尤以8.5 情景變幅更明顯，其中鄂西南和鄂東南增幅最大，鄂東北和江漢平原次之，在鄂西北出現(xiàn)遞減趨勢。RCR4.5 情景下增幅高值區(qū)集中在巴東、興山、秭歸等地，增幅分別為19.07、23.22、18.75 ℃·d；其次為鄂東南的赤壁、咸寧、通城、陽新等站點，其增幅分別為12.39、11.65、10.07、10.25 ℃·d；鄂西北和鄂東北的大部地區(qū)增幅最小，其增幅維持在10 ℃·d 以下（圖3a）。RCP8.5 情景下高溫危害積溫強度增幅較大的區(qū)域主要集中在鄂西南的巴東-興山-秭歸及鄂東南的咸寧、赤壁一帶，其中巴東、秭歸、興山、恩施等站點增幅超過20 ℃·d；增幅較小的區(qū)域主要位于江漢平原的鐘祥、天門以及鄂東北部的隨州、麻城一帶，增幅均不超過5 ℃·d；增幅最小的區(qū)域主要位于鄂西北部的鄖西、鄖縣、竹山、老河口、谷城一帶，高溫熱害強度有下降趨勢（圖3b）。

圖3 RCPs情景下2021—2050 年高溫危害積溫較基準期的空間變化特征

2.1.2 2051—2080 年高溫積溫強度變化特征 由圖 4 可知，2051—2080 年不同 RCPs 情景下中稻高溫熱害強度增量呈現(xiàn)南高北低的空間分布，RCP4.5 情景下，增幅高值區(qū)為巴東-恩施-興山等站點，增幅均超過了20 ℃·d，其次為赤壁-崇陽-咸寧-通山一帶，增幅均超過了15 ℃·d，鄂東北和江漢平原南部高溫危害積溫增幅不超過10 ℃·d，鄂西北和鄂東北北部高溫危害積溫增幅不超過5 ℃·d，在鄖西、鄖縣、竹山等站點高溫危害積溫有降低趨勢。RCP8.5情景下高溫危害積溫變幅范圍更大，空間分布變幅顯著，其中在鄂西北部高溫危害積溫有顯著降低趨勢，其余各地區(qū)為顯著增加趨勢。整體上湖北省各區(qū)域高溫熱害強度呈增加的趨勢，RCP8.5 情景高溫熱害強度較RCP4.5 增減幅度大，RCP8.5 情景較RCP4.5 波動劇烈。與 2021—2050 年相比，2051—2080 年高溫危害積溫增幅更大。

圖4 RCPs情景下2051—2080 年高溫危害積溫較基準期的空間變化特征

2.2 RCPs 情景下高溫熱害頻率變化特征

2.2.1 2021—2050年高溫熱害頻率變化特征 RCP4.5、RCP8.5 情景下2021—2050 年湖北省各區(qū)域不同等級高溫熱害發(fā)生頻率增減不一，RCP8.5 情景增減變化更為顯著（圖5）。鄂西南為重度高溫熱害頻率增幅最大的地區(qū)，RCP4.5、RCP8.5 情景下重度高溫熱害頻率增幅分別達7.84%、12.35%。鄂東南主要表現(xiàn)為中度等級的高溫熱害頻率增加，RCP4.5、RCP8.5 情景下中度高溫熱害頻率增幅分別達到12.98%、14.79%。鄂東北和江漢平原主要表現(xiàn)為輕度等級的高溫熱害頻率大幅增加，RCP4.5、RCP8.5情景下輕度增幅分別為14.29%、23.81% 以及16.90%、22.62%。鄂西北高溫熱害發(fā)生頻率有降低趨勢，RCP4.5 情景下輕度、中度、重度、全部高溫熱害頻率較基準期的變化分別為-1.11%、0.67%、0、-0.44%，RCP8.5 情 景 下 分 別 為 -0.44%、0、0、-0.44%，屬全省高溫熱害頻率低變化區(qū)。2 種RCP情景下湖北省全區(qū)2021—2050 年各等級高溫熱害發(fā)生頻率相對基準年呈現(xiàn)增加趨勢，主要以輕度增幅為主，RCP4.5 和RCP8.5 情景下全省各等級高溫熱害發(fā)生頻率變幅分別為7.26%、5.28%、3.27%、15.81%以及10.94%、5.04%、5.20%、21.18%。

圖5 RCPs情景下2021—2050 年湖北省各區(qū)域不同等級高溫熱害頻率較基準期變化特征

2.2.2 2051—2080 年高溫熱害頻率變化特征 由圖 6 可見，與 2021—2050 年相比，2051—2080 年高溫熱害發(fā)生頻率和程度變幅更大，尤以RCP8.5 顯著。其中鄂西南在RCP4.5 情景下以輕度高溫熱害頻率增幅為主，為10.78%，在RCP8.5 情景下以重度高溫熱害頻率增幅為主，達到27.06%。鄂東南在RCP4.5 情景下以中度高溫熱害頻率增加最顯著，為11.51%，在RCP8.5 情景下以重度高溫熱害頻率增幅為主，為19.47%。鄂東北和江漢平原為以輕度高溫熱害頻率增幅最為顯著，RCP4.5 和RCP8.5 情景下增幅為16.43%、29.52%以及16.67%、21.67%。鄂西北地區(qū)高溫熱害發(fā)生頻率有降低的趨勢，在RCP8.5情景下輕度高溫熱害頻率減幅為5.33%。對湖北省全區(qū)而言，2051—2080 年中稻高溫熱害發(fā)生頻率有顯著增加的趨勢，RCP4.5 和RCP8.5 情景下不同程度的高溫熱害增幅分別為9.10%、5.84%、4.96%、19.91% 以及 9.58%、6.78%、11.64%、28.01%，其中RCP4.5 情景下主要以輕度為主，RCP8.5 情景下以重度為主，表明RCP8.5 情景下極端高溫熱害發(fā)生更頻繁。

圖6 RCPs情景下2051—2080 年湖北省各區(qū)域不同等級高溫熱害頻率較基準期變化特征

2.3 RCPs 情景下高溫熱害風險指數(shù)

2.3.1 RCPs 情景下2021—2050 年高溫熱害風險指數(shù) 由圖7 可見，2021—2050 年高溫熱害風險呈現(xiàn)由北向南遞增，尤其以RCP8.5 顯著，鄂西南低山、鄂東南等地高溫熱害風險增幅較高；其次為鄂東北和江漢平原大部地區(qū)，在鄂西北地區(qū)高溫熱害風險為降低趨勢。這種高溫熱害風險變化趨勢與近年來湖北省各地區(qū)出現(xiàn)極端高溫的強度、頻率變化及對區(qū)域性增溫的貢獻有關［19］。RCP4.5 情景下高溫熱害風險增幅較高的地區(qū)主要為鄂東南的咸寧、赤壁以及鄂西南的巴東等地，其風險超過0.12；風險變幅較小的地區(qū)主要位于鄂西北和江漢平原大部，其中鄖西、鄖縣、竹山等站點風險為0。RCP8.5 情景下高溫熱害風險增幅較高的地區(qū)分布在鄂西南的巴東、長陽以及鄂東南的咸寧、赤壁、通城、崇陽等地；風險增幅較低的地區(qū)則主要分布在鄂西北一帶，其中在鄖西、鄖縣、老河口、竹山等站風險變化為負值，該地區(qū)風險有降低趨勢。未來30 年湖北省中稻高溫熱害風險呈增加的趨勢，RCP4.5、RCP8.5 情景下的風險平均增幅分別為0.05 和0.06，RCP8.5 情景下的風險變化相對于RCP4.5 情景更劇烈。

圖7 RCPs情景下2021—2050 年湖北省中稻高溫熱害風險指數(shù)

2.3.2 RCPs 情景下2051—2080 年高溫熱害風險指數(shù) 由圖8 可知，2051—2080 年的高溫熱害風險變化較2021—2050 年更加顯著，在RCP8.5 情景下高溫熱害風險增幅呈明顯帶狀的南高北低趨勢。其中鄂西南和鄂東南風險增幅更大，鄂西北減幅也更明顯。鄂東南和鄂西南高溫熱害強度及發(fā)生頻率增加顯著，導致高溫熱害危險性大幅增加，鄂西北地區(qū)高溫熱害強度及頻率均有降低趨勢，該地區(qū)高溫熱害危險性有所緩解。

圖8 RCPs情景下2051—2080 年湖北省中稻高溫熱害風險指數(shù)

3 小結與討論

3.1 小結

1）RCPs 情景數(shù)據(jù)經(jīng)過方差訂正，能有效降低模擬數(shù)據(jù)與觀測值的相對誤差和均方根誤差，訂正后的RCPs 數(shù)據(jù)對未來氣候變化趨勢模擬更具有代表性。

2）未來 RCPs 情景下，2051—2080 年湖北省中稻高溫熱害強度、頻率及風險較基準時段變幅大于2021—2050 年，尤以 RCP8.5 情景顯著。

3）2 種RCPs 情景下，中稻高溫熱害頻率、強度增加，導致湖北省中稻高溫熱害風險整體呈增加的趨勢。未來湖北省中稻高溫熱害風險增幅最大的地區(qū)位于鄂東南大部和鄂西南低山地區(qū)，該地區(qū)高溫熱害主要以中度和重度為主，其次為江漢平原和鄂東北地區(qū)，該地區(qū)高溫熱害主要以輕度為主，鄂西北地區(qū)有降低的趨勢，其高溫熱害頻率、強度有減小的趨勢。RCP8.5 情景下的風險變幅高于RCP4.5 情景，RCP8.5 情景下的不穩(wěn)定性較高。

3.2 討論

本研究通過訂正后的RCP 數(shù)據(jù)來研究未來氣候變化情景下中稻高溫熱害風險變化，可提高預測風險的精確度，為農(nóng)業(yè)生產(chǎn)防災減災提供理論依據(jù)。但未考慮未來水稻品種更新、田間管理制度以及氣候變化對生育期的改變，使得未來情景下高溫熱害的統(tǒng)計結果存在一定不確定性［20］；每種氣候模式都有其擅長和不擅長模擬的區(qū)域及氣候要素，因此，本研究選擇最高氣溫模擬性能最好的（HadGem）模式下模擬的HadGem2-ES 數(shù)據(jù)，但研究認為多模式集合的概率分布是降低氣候變化影響評估的不確定性的有效方法，接下來則更需要研究多模式結合作物生長模型模擬中稻生產(chǎn)面臨的高溫熱害風險趨勢［21］。未來 RCPs 情景下，2051—2080 年湖北省中稻高溫熱害強度、頻率和風險均明顯高于2021—2050 年，說明隨著未來氣候變化加劇，將進一步危害該地區(qū)中稻安全生產(chǎn)［22］。在空間上，鄂西南低山和鄂東南高溫熱害強度、頻率和風險較基準時段的增幅最大，該地區(qū)不利于中稻的安全種植，可通過調(diào)整其生產(chǎn)布局［23］和播期［24］以及篩選培育抗逆品種來緩解高溫熱害；鄂東北和江漢平原次之，在鄂西北出現(xiàn)遞減趨勢，未來該地區(qū)在水資源充足的情況下可擴大中稻的種植面積。