未来气候变化背景下高温热害对中国水稻产量的可能影响分析
熊伟1, 冯灵芝2, 居辉1, 杨笛1
1.中国农业科学院农业环境与可持续发展研究所,北京 100081
2.陕西省榆林市气象局,陕西 榆林 719000

作者简介:熊伟(1974-),男,湖北孝感人,研究员,主要从事气候变化影响和适应研究.E-mail:xiongw@ami.ac.cn

摘要

研究分析了RCP2.6和RCP8.5气候情景下2021—2050年我国水稻高温敏感期(孕穗期—乳熟期)高温事件的变化趋势(较基准时段1961—1990年),并利用1981—2009年水稻田间观测资料,明确了水稻高温减产的主导因子,构建了主导因子与水稻减产率之间的经验回归关系式,在此基础上预估了未来RCP2.6和RCP8.5气候情景下我国水稻发生高温热害的风险变化。结果表明:①RCP2.6和RCP8.5气候情景下2021—2050年,全国各水稻种植区,水稻高温事件均有增加趋势,高温日数(HSD)、高温积温(HDD)都呈现增加趋势,高温持续日数(CHD)有延长趋势,其中华南双季稻区、长江流域单季稻区和东北单季稻区的HSD和HDD的变化幅度较为明显。②中国水稻高温中心在1961—2000年主要集中于湖南北部,与湖北省交界处附近,2种情景下2021—2050年均出现了向东北方向移动的趋势。③除东北区外,我国其余水稻种植区,孕穗—乳熟阶段的日最高气温连续3 d超过35 ℃以上的有效积温HDD2是导致水稻减产的第一大要素,两者之间具有显著线性负相关关系;而东北区水稻产量更易受到孕穗—乳熟阶段的单日日最高气温超过32 ℃的有效积温SDD2的影响,且两者呈现出显著一元二次曲线关系。④与1961—1990年相比,2种气候情景下2021—2050年我国水稻发生高温热害的概率增加较大的地区,主要集中在长江流域单季稻区的湖北和安徽的大部分地区,华南双季稻区的广东、广西、海南省的大部分地区以及东北单季稻区的南部。

关键词: 水稻; 高温事件; 高温热害概率; 产量; RCP情景
中图分类号:P467 文献标志码:A 文章编号:1001-8166(2016)04-0515-14
Possible Impacts of High Temperatures on China’s Rice Yield under Climate Change
Xiong Wei1, Feng Lingzhi2, Ju Hui1, Yang Di1
1.Institute of Environment and Sustainable Development in Agriculture, Chinese Academy of Agricultural Sciences, Beijing 100081, China
2.Meteorological Administration of Yulin City, Shaanxi Province, Yulin 719000,China

First author:Xiong Wei(1974-), male, Xiaogan City, Hubei Provinces, Professor. Research areas include climate change impacts and adaptation.E-mail:xiongw@ami.ac.cn

Abstract

This study investigated the changes of high temperature events during important growing period of rice (graining filling to maturity) of 2021-2050 due to climate change. Future climate scenarios were HadGEM2-ES simulation with RCP2.6 and RCP8.5 emission pathways. Relationship between high temperature and yield change was established from historical weather and field observations during 1981-2009 period. The impacts of high temperatures on China’s rice production up to 2050 were assessed by applying deduced regression models to climate scenarios. Key messages drawn from this exercise include: ①High temperature event exhibited gradual increase from 2021 to 2050 under both RCP2.6 and RCP8.5 scenarios, characterized by increased number of high temperature days (HSD), rising accumulated temperature with Tmax greater than 35 ℃ (HDD), and increased lasting days of high temperature (CHD). The HSD and HDD increased substantially in double rice cropping system of South China, single rice cropping system of Yangtze River Basin and rice area of Northeast China. ②High temperature hotspot was located near the border between Hunan and Hubei during 1961-2000, and might move towards northeast in the period of 2021-2050. ③Except the Northeast, China’s rice production suffered most from increased HDD during grain filling to maturity, indicated by significant negative and linear relationship between yield and HDD, whereas rice in Northeast China was subject to the increase of SDD during grain filling to maturity, with a significant and quadratic relationship between the yield and SDD. ④Compared to the high temperature risks during 1961-1990, climate change would increase the risks in majority of the rice area, especially in Hubei and Anhui-the central portion of Yangtze River Basin rice area, Guangdong, Guangxi and Hainan-south China double rice area, and south part of Northeast China single rice area.

Keyword: Rice; High temperature event; Possibility of heat stress; Yield; RCP scenario.

水稻是我国主要的粮食作物之一, 2004年以来的10年中, 水稻种植面积和总产量分别占我国粮食作物面积和总产量的27.4%和36.1%[1]; 我国水稻生产在世界稻作中也占有重要地位, 其面积约占全球种植面积的18.5%, 仅次于印度, 水稻总产居全球首位, 约占27.7%[1]。高温热害是水稻生产中最常见的农业气象灾害之一[2], 严重影响着我国水稻的生产。长江中下游作为我国水稻的主产区之一, 也是水稻高温热害的重灾区[3], 自20世纪80年代以来高温事件大幅度增加, 特别是近10年来曾多次发生大规模连续高温事件。华南稻区高温多雨, 夏季长而炎热, 对灌浆后期的早稻有逼熟作用, 对处于穗分化阶段的一季稻的颖花分化和花粉发育也有不利影响。四川盆地东部水稻高温热害常常和伏旱同时出现, 2001年重庆直辖市沙坪坝区水稻种植面积0.6万hm2, 在抽穗扬花和灌浆结实阶段遭受了高温伏旱, 造成空壳率达50%, 减产2万t[4]。即便是东北稻区, 一直以来水稻产量主要受热量资源不足的限制, 但是在2000年, 部分站点也有超过35 ℃的高温天气发生[5]

受气候变化和人类活动影响, 近年来水稻高温热害发生的频率和强度都有所变化, 2000— 2009年早稻高温热害频率在我国东南部呈增加的趋势, 单季稻和晚稻高温热害频率在东南地区增加, 而在东部和西南部分地区则有所降低[6]。2013年IPCC第五次评估报告再次指出气候变暖是非常明确的, 且比原来认识到的更加严重[7], 因此未来气候变化条件下, 水稻生产将会面临更为严峻的高温热害风险, 预计2030s, 在全球水稻种植区域内, 16%的水稻在生殖生长阶段将遭受超过5天的高温胁迫, 受灾面积将从2000s的8%上升到2050s的27%[8]。可见, 研究未来气候变化背景下高温热害对我国水稻产量的可能影响, 对水稻生产的防灾、减灾、稳产、增产都具有重大意义。

高温对水稻生长发育和产量的影响机理研究已经较为明确, 大量的实验结果表明[9~12], 在水稻的高温敏感期(抽穗开花期是水稻对高温最敏感的生育阶段, 其次为灌浆结实期和孕穗期), 超过35 ℃的高温, 影响花粉形成和受精, 降低结实率和穗粒数, 品质下降。高温持续时间越长对水稻危害越大, 杂交稻相较籼稻和粳稻, 对高温更敏感。姚凤梅等[3]利用长江中下游水稻开花期和灌浆期高温有效模拟了水稻的空秕率, 并分析了长江中下游水稻区高温热害风险的分布。高素华等[4]分析了1961— 2005年长江中下游水稻产量构成和高温积温的相关关系, 发现高温积温使秕谷率、空壳率增加, 千粒重和产量降低。谢志清等[13]以高温持续日数和危害积温指标, 对高温进行了等级划分, 并分析了江淮流域高温危害与单季稻产量的时空对应关系。

尽管前人已经开展了大量的研究工作, 并取得了相应的研究成果, 但研究多集中在对历史高温事件的分析, 而对未来气候变化情景下, 特别是IPCC第五次评估报告(AR5)推荐的典型浓度路径情景(Representative Concentration Pathways, RCPs)下, 未来水稻高温热害风险还少有涉及, 此外以往的研究区域也主要集中于长江流域, 但是受益于气候变化热量条件的改善, 近年来东北地区水稻种植面积迅速扩大, 使其成为我国一个重要的水稻产区, 因此在气候持续变暖的背景下, 未来东北水稻是否会遭受高温热害的胁迫, 也非常值得关注。本文在前人研究的基础上, 基于全国水稻主产区1961— 2010年逐日气象资料、1981— 2009年水稻观测资料以及2021— 2050年RCP2.6和RCP8.5气候情景数据, 比较了过去50年和未来30年(RCP2.6情景下和RCP8.5情景下)水稻高温敏感期(孕穗期— 乳熟期)高温事件的变化, 及其对产量的可能影响, 以期为我国水稻生产提供科学的参考。

1 资料与方法
1.1 研究区域概况

我国水稻的种植分布、农业气象站点和气象站点的分布见图1。基于水热资源分布和省级行政区划, 将我国16个水稻主产省份分为5个区域(图1a), I为长江流域单季稻区(江苏, 安徽, 湖北, 重庆, 四川); II为江南双季稻区(浙江, 江西, 湖南, 福建), III为华南双季稻区(广东、广西、海南), IV为云贵高原单季稻区(云南, 贵州), V为东北单季稻区(黑龙江, 吉林, 辽宁), VI为西北和华北单季稻区。由于VI区水稻种植面积相对较少, 本研究以I~V区水稻作为主要研究对象, 其种植面积和产量共占全国的96%和94%, 其中I, II和III是水稻高温热害的重灾区, 也是本研究的重点研究区域。IV和V区由于纬度和海拔较高, 受高温热害影响较少, 因此, 主要关注未来高温热害的变化趋势。

图1 中国水稻种植区和农业气象站点、气象站点的空间分布Fig.1 Rice planting zone, and locations of agro-meteorological and meteorological stations

挑选出产量序列长度超过11年的农业气象站点共计153个, 空间分布如图1b所示。其中单季稻站点87个, 黑龙江6个, 吉林6个, 辽宁4个, 江苏8个, 安徽6个, 湖北13个, 四川14个, 重庆4个, 贵州10个和云南16个。双季早稻站点66个, 其中浙江9个, 福建9个, 江西14个, 湖南10个, 广东12个和广西12个。气象站点选取水稻种植区内均匀分布的287个站点(图1b), 其中水稻种植区内265站, 周边站点22个, 用于区域插值分析。选取最近农业气象站点水稻生育期作为该站点水稻生育期。

1.2 数据来源

1.2.1 历史气象数据

1961— 2010年历史逐日气象数据来源于中国气象科学数据共享服务网提供的全国750个气象台站观测数据(http:∥cdc.cma.gov.cn/home.do), 数据内容包括日最高温度、日最低温度、日平均温度、降水量和日照时数。

1.2.2 未来气候情景数据

研究选取辐射强迫最低和最高的RCP2.6与RCP8.5气候情景, 旨在分析未来最极端的2种气候情景下, 中国水稻高温热害的情况。RCP2.6和8.5情景下2021— 2050年我国气候数据来源于全球气候模式比较计划CMIP5的数据产品(http:∥cmip-pcmdi.llnl.gov/cmip5), 研究中大气模式(General Circulation Model, GCM)选择由英国Hadley气候中心发布的HadGEM2-ES[14], 逐日天气数据采用基于历史逐日天气的偏差订正方法最终插值到50 km× 50 km网格水平[15], 气象指标包括逐日最高温、日最低温、降水量和太阳总辐射等。

1.2.3 农业气象数据

1981— 2009年水稻田间观测数据来源于国家气象信息中心水稻田间试验资料, 包括水稻品种、生育期、产量、田间管理措施和受灾情况等。由于部分站点数据缺失, 或单位不一致, 对试验数据进行以下处理:

(1) 统一各农业气象站点水稻产量的单位为kg/hm2

(2) 对于某年的缺失数据, 采用邻近该站点近5年平均数据补足。

(3) 抽穗开花期是水稻对高温最敏感的时期, 其次为灌浆结实期和孕穗期。由于双季晚稻6~7月播种, 高温敏感阶段基本错过了盛夏高温, 因此, 本研究以早稻和一季稻为研究对象。考虑到观测误差、水稻品种变化及高温敏感期的年际波动等因素, 计算时采用孕穗— 乳熟期这一时段作为水稻高温敏感期。

(4) 各站点水稻高温敏感期采用近30年平均值, 即每个站点1981— 2009年水稻孕穗— 乳熟期的30年平均值。计算方法为:对全国105个水稻观测站点1981— 2009年水稻孕穗、乳熟期求平均值, 分别得到105个站点, 每个站点的高温敏感期。其中, 各水稻主产区孕穗— 乳熟的平均日期如表1所示。由表1可见, 各区域由于热量资源、水稻播期和品种的差异, 水稻生育进程并不一致, 而每个区域内水稻各生育阶段的进程也会受到纬度、海拔、管理措施等因素的影响而存在着一定差异, 因此本研究采用逐站点平均生育期进行分析。

表1 1981— 2009年各水稻种植区水稻孕穗、乳熟的平均日期 Table 1 Average date of booting, anthesis and milking in each agrometeorological station in China from 1981 to 2009
1.3 高温事件评价指标和方法

国内外水稻高温热害的研究中, 通常采用高温日数, 高温事件频次和高温积温作为水稻高温指标[4, 16, 17]

(1) 高温日数(Accumulated number of days with temperature reaches 35 ℃ for at least 3 continuous days, HSD):连续3 d日最高气温Tmax到达或超过35 ℃的累积天数。

(2) 高温持续日数(Number of days in each heat event, CHD):一次高温事件中, 日最高气温Tmax超过35 ℃时持续的日数。

(3) 高温有效积温, 本研究分别计算了连续高温积温(Thermal Time that Tmax greater than 35 ℃ in all high temperature events, HDD)、单日高温积温(Thermal Timethat Tmax greater than 32 ℃ in a single high temperature event, SDD)和平均高温积温(Thermal Time that Tavg greater than 30 ℃ in all temperature event, ADD):

①HDD:指连续3 d及以上日最高气温到达或高于35 ℃部分的积累, 它不仅反映高温持续时间, 也反映高温热害强度(公式(1))。

HDD= t=1NDDt,

DDt= 0 Tmax其他    -35ifTmax连续3d以上超过35(1)

②SDD:单日最高气温超过32 ℃的有效积温(公式(2))。

SDD= t=1NDDt,

DDt= 0 Tmax其他 -32ifTmax32(2)

③ADD:连续3 d及以上日平均温度超过30 ℃的有效积温(公式(3))。

ADD= t=1NDDt,

DDt= 0T__其他      -30ifT__连续3d及以上超过30(3)

上述各式中, Tmax, T__分别为日最高温度和日平均温度; t为某生育阶段天数; N为该生育阶段总天数; DDt为以日为步长的高温有效积温。

(4) 中心模型

中心模型是研究区域要素空间变动的重要分析工具。曹阳等[18, 19]使用中心模型计算过去50年中国冬小麦和夏玉米潜在干旱中心的移动情况, 刘珍环等[20]采用中心模型分析过去30年中国水稻种植面积和产量中心的迁移情况。

水稻高温中心变化可以用于反映高温事件分布和时空变化特征, 其所处位置描述了高温强度的区域分布特征, 移动方向体现了高温强度的空间变化特征, 移动幅度的大小反映出区域高温热害强度的变化幅度, 计算方法如公式(4)所示。

LON=i=1nHDDiHDD·LoniLAT=i=1nHDDiHDD·Lati4

式中:LONLAT分别为逐年高温事件中心的经度和纬度, LoniLati为各站点的经、纬度, HDDi为各站点的高温积温, ∑ HDD为当年各站点的高温积温之和。

1.4 高温热害对水稻产量影响的评估方法

评估高温热害对水稻产量的影响时, 提取高温热害导致的减产量是关键。为保障研究结果的可靠性, 本研究采用多步处理提取高温热害减产量。

首先, 采用HP滤波法处理1981— 2009年全国各站点水稻产量序列, 获得趋势产量Yt和气象产量Yw, 并以该气象产量序列为Y1; 然后根据《中国气象灾害大典》、《中国气象灾害年鉴》和农业气象观测数据中的灾情记录, 从Y1中剔除了发生气象灾害(如冷冻害、霜冻、洪涝等)的产量数据, 获得气象产量序列Y2; 其后在剔除了气象灾害年的产量序列Y2中, 计算水稻高温敏感期的HDD, 剔除HDD为0 ℃· d时所在年份的气象产量数据, 获得气象产量序列为Y3。以上3步处理之后, 气象产量序列Y3作为当年水稻高温敏感期发生高温热害, 且未发生其他气象灾害时水稻产量相较于多年平均产量的变化, 基本可以认为该产量变化主要由高温热害导致, 接下来再利用Y3计算水稻减产率, 利用逐步回归法明确水稻高温减产的主导因子, 构建水稻高温因子和水稻减产率的经验回归关系式。

1.4.1 HP滤波法提取气象产量

HP滤波法是经济学领域常用的消除时间序列趋势成分的方法[21]。其具有数据包容性大, 无需固定的函数模式, 对数据的时间序列长度要求较低, 最大程度保留长期趋势等优势。

该方法假设因子由长期趋势成分和短期波动成分两部分组成, 利用数学算法分离短期波动, 获得长期趋势成分。作物产量(Y)通常被分解为受长时间尺度因子影响的趋势产量(Yt), 受短时间气象因子影响的气候产量(Yw)和受随机因素影响的产量(ε )3部分, 因此可以采用HP滤波法分离出YtYw, 具体详见王桂芝等[22]中利用HP滤波分离气候产量的过程。

1.4.2 水稻产量距平百分率D

水稻产量距平百分率D表示水稻产量偏离多年平均产量的幅度[23], 见公式(5)。

D=Ym-Yt¯Yt¯×100%(5)

式中:D为站点第m年的产量距平百分率, Ym为第m年的站点实测产量, Yt¯为站点多年(1981— 2009年)长期趋势产量的平均(采用HP滤波法获得的Yt)。

1.4.3 提取影响水稻产量的主要因子

采用多元逐步回归法提取影响水稻产量的主要因子, 在逐步回归中要考察和引入的因子包括水稻各生育阶段的HDD, ADD, SDD, 平均温度T, 降水P, 辐射R等。

1.4.4 产量与最主要影响因子之间的函数拟合

实际生产中, 各水稻种植区域, 由于纬度、海拔、地形、水稻品种、熟制、管理措施等因素的差异, 水稻产量与主要影响因子之间的函数拟合关系也不同。如赵海燕等[24]研究得出, 长江中下游水稻开花灌浆期气象要素与结实率和粒重之间具有一元线性函数相关性; 王秋菊等[25]研究东北地区得出, 水稻全生育期≥ 10 ℃有效积温和产量有明显的一元二次曲线关系; 杨太明等[26]认为皖浙地区早稻与高温因子之间呈二元函数关系; 孙擎等[27]得出江西早稻产量与高温因子之间呈对数函数关系, 谢志清等[13]认为江淮流域水稻高温热害产量损失则可用Logistic函数进行表达。

鉴于此, 本研究采用了多种函数关系逐一对各区域影响水稻产量最明显的因子和水稻减产率进行拟合, 最终选取了拟合效果最好的函数作为高温热害影响水稻产量的经验回归关系式。

2 结果和分析
2.1 RCP2.6和RCP8.5情景下2021— 2050年水稻高温敏感期高温事件的变化特征

2.1.1 HSD和HDD的变化

研究以1961— 1990年为基准时段, 计算RCP2.6和RCP8.5情景下2021— 2050年中国各稻区水稻高温敏感期(孕穗— 乳熟期)高温日数、高温积温的变化, 结果见表2

表2可知, 全国和各稻区未来2种情景下, 水稻高温敏感期高温日数HSD都呈现增加趋势, 极端变暖的RCP8.5情景增加幅度更大。基准时段, 长江流域单季稻区(I)HSD最高值, 超过2.5 d, 而低值区则主要位于云贵高原单季稻区(IV)、东北单季稻区(V), HSD平均低于0.5 d; 在2021— 2050年2种RCP情景下, I~V区HSD均呈现不同程度的增加, 增幅最大的地区主要在华南双季稻区(III), RCP8.5情景下可达到3 d, 其次是长江流域单季稻区(I)。而云贵高原区的HSD变化幅度最小, 可能与其所处的地理位置、高原地形有关。HDD的变化与HSD相似, 未来也都呈现出增加趋势, 仍然是RCP8.5情景增幅更大, 增幅达4.81 ℃· d。基准时段, 各区域高温积温表现为长江流域单季稻区(I)> 江南双季稻区(II)> 华南双季稻区(III)> 云贵高原单季稻区(IV)> 东北单季稻区(V)。在未来2种气候情景下, 华南双季稻区(III)的HDD增加幅度相比其他地区更明显, 其次是长江流域单季稻区(I), 云贵高原依然是变化幅度最小的地区。

表2 RCP2.6, RCP8.5情景下2021— 2050年中国水稻高温敏感期HSD和HDD较基准时段(1961— 1990年)的平均变化 Table 2 Changes of HSD and HDD during high temperature sensitive period of rice in 2021-2050 under RCP2.6 and RCP8.5 (relative to baseline 1961-1990)

综上可见, 在未来2种气候情景下, 无论是全国水平还是各区域, HSD和HDD都呈现增加趋势, 说明未来我国水稻高温敏感期高温热害风险将有加大趋势。长江流域单季稻区(I)在基准时段, HSD和HDD都要远高于其他各区, 同时该区也一直是我国水稻高温热害频发的地区, 未来2种气候情景下, HSD和HDD的增加幅度也仅次于华南双季稻区(III), 因此未来该区水稻高温热害的风险依然很大。而华南地区, 以双季稻种植为主, 早稻生产从抽穗到蜡熟, 容易遭遇高温天气, 对早稻生产极为不利。未来2种气候情景下, 该区HSD和HDD的增加幅度居于各区之首, 早稻生产的形式更不容乐观。值得一提的是东北单季稻区(V), 该区域在基准时段, HSD和HDD都最低, 高温热害风险最小, 但是在未来RCP情景下, HSD和HDD都有了较大幅度的增长, 变化幅度次于前2个地区, 排第三, 而且近年来东北地区已成为我国重要的水稻产区, 因此未来气候情景下, 东北地区的热害风险的增加将给我国水稻生产的高产、稳产带来新挑战。

2.1.2 水稻高温敏感期CHD的变化

高温持续时间越长, 对水稻的危害越大, 高素华等[4]采用高温持续日数划分高温热害等级, 将持续3~5 d定义为轻度高温热害, 6~8 d为中度高温热害, 8 d以上为重度高温热害。为分析中国水稻历史和未来高温持续日数的变化特征, 研究利用基准时段(1961— 1990年)和2种RCP气候情景2021— 2050年数据, 分析水稻高温敏感期Tmax超过35 ℃持续1~2 d, 3~5 d, 6~8 d和8 d以上的逐站平均频次。图2显示了基准时段(1961— 1990年)我国水稻种植区高温事件持续时间的频次。

图2 基准时段(1961— 1990年)我国及各水稻种植区水稻高温敏感期高温持续日数的频次Fig.2 Occurrence frequency and lasting days of the high temperature events during rice high temperature sensitive period under baseline

图2可见, 无论是全国水平还是I~V区, 在基准时段, 高温持续日数在1~2 d的高温事件出现的频次最多, 其次是3~5 d, 持续8 d以上的高温事件出现的频次最低; 就各区而言, 长江流域单季稻区(I)4类高温事件出现的频次均高于其他区和全国平均水平, 其高温热害风险明显高于其他各区, 实际生产中也确实深受高温热害的胁迫。其次是江南双季稻区(II), 4类CHD出现的频次仅次于I区, 高温热害风险也较大, 而东北地区, 在基准年份, 高温持续超过5 d的高温事件没有出现过, 主要是持续1~2 d的高温事件, 但出现的频次也没有超过0.1次。

表3 RCP2.6, RCP8.5情景下2021— 2050年中国水稻高温敏感期高温持续日数(CHD)较基准时段的平均频次变化 Table 3 Changes of CHD during high temperature sensitive period of rice in 2021-2050 under RCP2.6 and RCP 8.5 (relative to baseline)

表3列出未来2种RCP气候情景下, 全国和各稻区水稻高温敏感期内4类高温持续日数CHD出现频次的变化(较基准时段)。无论是哪种情景下, 总体来讲, 未来30年高温持续日数有延长趋势, 但不同地区变化略有差异。全国尺度上, 2种情景下4种CHD发生的频次都有所增长, 其中持续3~5 d的高温事件在RCP2.6和RCP8.5情景下分别增加了0.07和0.12次, 增加得最多; 其次是超过8 d的高温事件, 在未来2种情景下平均都增加了0.06次。长江流域单季稻区(I), 未来持续1~2 d的高温事件有所减少, 而持续超过2 d的高温事件都增多, 其中在RCP2.6情景下, 持续3~5 d的高温事件频次增加最多(0.08次), 而RCP8.5情景下, 则是超过8 d以上的高温事件增加最多(0.11次), 这可能是由于该区在基准时段水稻生敏感期的温度已达到较高水平, 未来RCP情景下温度进一步升高时, 之前未达到连续高温的天气也变为连续高温天气, 因此长时间持续的高温事件增多明显。华南双季稻区(III), 未来2种情景下4类CHD发生的频次均有所增长, 并以持续3~5 d的高温事件增加最多, RCP2.6情景增加了0.13次, RCP8.5情景增加了0.35次, 这一增加幅度远超过全国平均和其他各区, 这可能和华南地区的气候变化特征有关。而江南双季稻区(II)在未来2种情景下, 4类CHD的变化比I区和III区幅度要小。东北单季稻区(V), 在基准时段高温仅持续1~2 d, 频次也远低于其他水稻区, 但是在未来2种RCP情景下, 东北地区各等级高温事件频次均表现出大幅度增加, 尤其以持续1~2 d和持续3~5 d的高温事件频次增加明显, 说明在未来气候情景下, 东北地区高温持续日数将有所延长, 高温事件出现的频次也将增加, 热害风险将会加大, 应引起足够的重视。云贵高原单季稻区(IV)是我国唯一一个未来CHD减少的地区, RCP8.5情景下, CHD持续1~2 d, 3~5 d的频次分别减少0.09和0.03次; 而RCP2.6情景下, CHD持续1~2 d, 3~5 d的频次分别减少0.08和0.02次, 可见该区未来水稻热害风险会略有下降。

综上可见, RCP2.6和RCP8.5情景下中国水稻高温敏感期高温持续日数有延长趋势, 并且主要表现为持续3~5 d的高温事件的增加较多, 由于区域热量资源及气候变化特征的差异, 各稻区未来CHD变化略有差异, 如长江流域地区RCP8.5超过8 d以上的高温事件增加最多, 因此未来还需要根据区域气候特征安排减灾、防灾工作。

2.1.3 未来水稻高温中心的移动特征

中心模型是研究区域上某要素空间变动的重要分析工具, 要素中心的移动反映了该要素变动的空间轨迹。未来水稻高温中心位置的年代际变化反映了我国水稻生产高温热害发生的时空变化情况。研究以每10年为一个时段, 即1961— 1970年作为1960s, 以此类推。图3显示了2种气候情景下, 2021— 2050年我国水稻高温中心的移动特征。由图3可见, 1961— 2000年, 中国水稻高温敏感期高温中心主要集中在110° ~113° E, 28° ~30° N, 地处湖南北部, 与湖北省交界处附近。这一区域恰好属于长江中下游地区, 不仅是我国水稻的主产区之一, 也是我国水稻高温热害的重灾区。每年7月下旬至8月中下旬, 高温天气持续出现, 空气干燥。而此时水稻生长正处于抽穗、扬花、灌浆期, 遇上热害, 空壳率增加, 结实率降低, 严重威胁水稻生产。自20世纪80年代以来, 受气候变暖影响, 高温事件大幅度增加, 特别是近10年来曾多次发生大规模连续高温事件[3, 4]

1961— 2000年, 中国水稻高温中心主要表现出“ 南移北进东迁” 的移动, 纬向上大致保持向东移动的趋势, 其中1990s— 2000s位移较大, 分别东移了超过了1个经度, 1960s— 1990s位移较小, 中心在111° 附近徘徊。在纬向上, 1960s— 1980s先向南移动超过1个纬度, 而后1980s— 2000s又表现出向北移动的趋势。

研究认为, 这种变化可能与我国水稻种植面积的变化有一定的关系。刘珍环等[20]利用1980— 2010年县级和省级农业统计数据, 分析中国水稻种植中心和产量中心的移动, 研究结果表明, 过去30年中国水稻种植中心和产量中心均位于湖南境内, 但由于东北地区的水稻种植面积扩大和产量提升, 表现出向东北方向移动的趋势。而本研究中, 水稻高温中心在1981— 2000年与水稻种植面积中心、产量中心移动趋势相似, 也发生了东迁北移的变化, 可能是由于随着东北地区水稻种植面积和产量不断增加的同时, 高温风险也在加大, 从而导致水稻高温中心也发生了变化。

图3 1961— 2000年和RCP2.6和RCP8.5情景下2021— 2050年中国水稻高温中心的年代际移动情况Fig.3 Movement of the weighted central point of high temperature risk in 1961-2000 and 2021-2050 under RCP2.6 and RCP8.5 scenarios

未来2021— 2050年, 我国水稻高温中心进一步发生了变化。其中RCP2.6情景下, 2000s— 2020s水稻高温中心继续向东北方向移动, 在纬向和经向上分别向东、向北发生了超过1° 的位移。2020s以后中心又出现向南和西方向的回落, 其中2030s— 2040s经向上南移的位移超过了1个纬度, 使高温中心回到2000s所在位置附近。RCP8.5情景下高温中心的移动则首先在2000s— 2020s时发生小幅度的南移, 其后2020s— 2030s高温中心开始向东北方向移动, 在经向和纬向上均有约1° 的位移, 而后2030s— 2040s高温中心的移动变化不大。未来RCP2.6和RCP8.5情景下水稻高温中心的变化可能与未来不同情景下气候变化幅度和我国不同区域气候变化的差异有关, 但无论是哪种情景, 在高温中心出现向东北方向移动的趋势时, 都提醒我们未来东北地区高温热害有增加的可能, 因此对于我国新的水稻主产区, 应防患于未然, 将东北地区水稻高温热害减灾和防灾工作提到生产日程中。

2.2 1981— 2009年高温热害对水稻产量的影响分析

评估高温热害对水稻产量的影响, 可以为水稻防灾、减灾以及高温减产预估工作提供一定参考。

2.2.1 高温减产的主导因子

基于1981— 2009年水稻观测数据和相应气象数据, 利用HP滤波法和多元逐步回归获得与水稻产量距平百分率(D)显著相关的因子(P< 0.05), 结果见表4

表4 影响水稻产量距平百分率(D)的主导因子 Table 4 Main factors affecting the inter-variability of rice yield and their statistics (D)

表4可见, 全国37.1%的站点, D与孕穗— 乳熟阶段的日最高气温连续3 d超过35 ℃以上的有效积温HDD2具有显著负相关关系, 而且除了东北单季稻区(V)外, 其余稻区(I~IV)HDD2也是导致水稻减产的第一大要素, 其中长江流域单季稻区(I)约有52.2%站点水稻产量深受其影响, 其次依次分别为江南双季稻区(II)和华南双季稻区(III), 显著站点比例分别为28.6%和27.3%, 这说明孕穗— 乳熟是水稻对高温最敏感的生育阶段, HDD是影响水稻减产的最主要原因, 这与前人研究结果基本一致[4]。而孕穗— 乳熟阶段的单日日最高气温超过32 ℃的有效积温SDD2对V东北单季稻区的影响更大, 而且D与SDD2也不是呈简单的线性相关, 而是表现出先增后减的一元二次曲线关系, 王秋菊等[25]也认为东北地区水稻全生育期≥ 10 ℃有效积温和产量有明显的一元二次曲线关系。

第二个影响水稻减产的主要气候因子在全国和各水稻种植区是不一致的, 全国水平上, 影响水稻产量的第二要素是全生育期的HDD0, 而区域水平上, 有的区域为日平均气温T(云贵高原单季稻区(IV)), 东北单季稻区(V)第二影响因子仍然是单日日最高气温超过32 ℃的有效SDD, 只是为整个水稻生育期的SDD0, 而ADD则是我国南方稻区(I~III区)的产量的第二大影响因素, 其中, 长江流域单季稻区(I)、华南早稻区(III)是与孕穗— 乳熟期的ADD2呈显著负相关关系, 而II区则是与乳熟— 灌浆期的ADD3负相关关系更大。

全国和各区域水稻产量的第三大影响因素除了日平均温度、HDD等指标外, 还涉及到PR等因子。与抽穗开花期辐射量显著相关的区域主要分布于四川盆地, 并以正相关为主, 孙雯等[28]指出近年来四川盆地多云寡照, 太阳总辐射在全国稻区中降低明显, 影响了水稻产量构成。与降水量显著负相关的区域主要分布于华南双季稻区(III)和东北单季稻区(V), 这可能是阴雨天气, 空气湿度大, 光照强度不足, 影响了光合产物积累以及正常授粉, 从而影响了水稻产量构成。

2.2.2 水稻高温减产速率H和减产阈值M

研究建立了水稻产量距平百分率D和导致水稻高温减产的最主要因子之间的经验回归关系(表5), 其中在南方水稻区(I, II, III, IV), 导致水稻高温减产的最主要因子是孕穗— 乳熟阶段日最高气温连续3 d以上超过35 ℃的积温HDD, 而东北地区则是孕穗— 乳熟阶段单日日最高气温超过32 ℃的积温SDD。由于I~III区是我国传统的水稻高温热害发生区, 因此在每个区内又以省为单位构建了拟合方程, 而双季稻区由于早稻的高温热害更严重, 因此在双季稻区主要分析了早稻。利用拟合方程, 研究还进一步计算了水稻高温减产速率H和减产的高温阈值M(即D=0时对应的高温积温值), 以了解高温事件对水稻产量影响。

表5可见, 除东北区外, 我国其他各稻区D和孕穗— 乳熟阶段的HDD之间均具有显著的线性负相关关系(P< 0.05), 且大部分地区达到了0.01极显著相关水平, 说明随着孕穗— 乳熟阶段HDD的增加, 水稻产量将显著降低。水稻高温减产速率H反映了HDD每变化1 ℃· d时, 水稻产量的变化情况, H值越高, 水稻高温减产风险也越高。长江流域单季稻区, HDD每增加1 ℃· d, 水稻平均减产0.33%~0.65%/(℃· d), 江南地区早稻, HDD每增加1 ℃· d, 水稻减产0.37%~0.55%/(℃· d), 华南水稻高温减产速率为0.38%/(℃· d)~0.92%/(℃· d), 其中广西的早稻高温减产速率比较高, 这可能和水稻品种等有一定关系, 还需要进一步探究。水稻减产的高温阈值M在一定程度上可以表征水稻产量对高温热害的承受能力, 从全国各省区来看, 重庆水稻减产的高温阈值最高为20.54 ℃· d, 其次是四川和浙江省, 分别为14.23和12.72 ℃· d, 而这些地区也正是我国高温热害最严重的省份, 在过去近30年里四川东部和重庆地区多次发生严重的水稻抽穗期高温热害[29, 30], 以2006年为例, 重庆丰都水稻抽穗开花期(7月12日至8月10日)HDD达86.9 ℃· d, 当年水稻减产34.03%。福建早稻、云贵稻区减产的高温阈值相对较低, 分别为5.37 ℃· d和6.65 ℃· d。这种在高温热害严重的地区高温阈值M更高的原因, 可能是因为在水稻高温热害频发的地区, 生产上通常会通过更替耐高温品种, 提供相应的栽培和管理措施等方法应对高温热害, 因此这些地区的水稻耐高温能力也相应地提高。高素华等[4]和王钰[31]以江淮流域(江苏、安徽、上海一带)为研究区域, 对导致水稻减产的高温积温指标进行了研究, 得出水稻拔节— 孕穗期当最高气温超过35 ℃并持续3~5天且高温积温低于15.3 ℃· d时, 水稻发生轻度减产(-5%≤ D< 0%), 而本研究利用表5计算得出, 江苏省对应水稻发生轻度减产的HDD需要低于16.3 ℃· d, 安徽则是17.3 ℃· d, 与前人研究结果相近, 略高于1~2 ℃· d, 这种差异可能是由于研究区域上, 本文以省为研究单位, 而前人的研究是以江淮流域作为一个整体造成的。

表5 各区域水稻产量距平百分率D与减产的最主导因子之间回归方程、减产速率和减产的高温阈值 Table 5 Regression models and the statistics of yield loss and high temperature indices

东北单季稻区(V)D与孕穗— 乳熟阶段的单日日最高气温超过32 ℃的积温SDD具有极显著的一元二次曲线关系(P< 0.01), 说明一定程度的热量增加是可以提高东北区水稻产量, 近年来气候变暖, 东北稻区热量的改善, 促进了该区水稻生产的迅速发展也说明了这点。但是今后随着气候持续变暖, 当热量增加超过一定范围时, 也将威胁到产量的构成。从东北区D与SDD的关系中, 研究得出当孕穗— 乳熟阶段SDD超过12.16 ℃· d, 东北稻区的水稻产量将因高温而出现减产, 从而面临高温热害的风险, 因此生产上也需要给予足够重视, 以防患于未然。

2.3 RCP情景下2021— 2050年高温热害对水稻产量影响的预估

高素华等[4]以水稻减产率≥ 3%作为高温热害是否造成水稻产量损失的依据, 本研究采用同样的标准, 基于表5所得的经验关系, 利用核密度估计法预估了每个水稻种植网格RCP情景下2021— 2050年发生高温热害损失的概率, 并与基准时段(1961— 1990年)相比较, 以了解未来我国水稻发生高温热害的概率变化情况(图4)。

图4 RCP2.6(a)和RCP8.5(b)情景下2021— 2050年中国水稻发生高温热害的概率变化情况(较基准时段1961— 1990年)Fig.4 Change in probability of high temperature events during rice growth period in 2021-2050 under scenario RCP 2.6 (a) and RCP 8.5 (b) (compared to baseline 1961-1990)

图4可见, 无论哪种情景, 未来随着气候继续变暖, 部分稻区发生高温热害损失的概率将有所增加(较基准时段), 其中增加较大的区域主要集中在:长江流域单季稻区(I)的湖北和安徽的大部分地区, 华南双季稻区(III)的广东、广西、海南省的部分地区以及东北单季稻区(V)。而未来水稻发生高温热害的概率降低或者变化不大的地区, 则主要分布在长江流域单季稻区(I)的重庆、江南双季稻区(II)和云贵高原单季稻区(IV)的大部分区域。这可能与未来气候情景下温度变化和高温事件发生的区域差异以及不同区域水稻栽培特点有关, 例如, 华南双季稻区(III)在未来气候情景下, HSD, HDD和CHD的变化都呈现明显增加趋势(见结果2.1的分析), 其水稻发生高温热害的概率也以增加为主, 而云贵高原单季稻区(IV), 未来高温事件变化幅度不大, 甚至CHD以减小为主(见表4分析), 因此未来该区水稻高温热害概率主要表现为降低。

具体而言, RCP2.6情景下, 在水稻高温热害频发的长江流域单季稻区(I), 湖北和安徽的大部分地区水稻发生高温热害的概率表现为较大幅度地增加, 增幅超过了20%, 而江苏省和四川省的大部分地区水稻发生高温热害的概率则表现为略有增加或者基本维持不变, 重庆则表现为略有下降的趋势。高温热害也较为严重的华南双季稻区(III), 2021— 2050年广东省南部、广西省部分和海南省的大部分稻区发生高温热害的概率也出现了大幅度的增加, 但广东省北部的概率略有减少的趋势。而东北单季稻区(V)作为我国新兴的水稻主产区, 未来水稻发生高温热害损失的概率也以增加趋势为主, 尤其是在辽宁和吉林的部分地区甚至增加幅度超过了20%。未来RCP8.5的情景我国水稻发生热害的概率变化的分布情况与RCP2.6的情景相似, 但部分地区概率变化幅度进一步增大, 尤其是华南双季稻区(III)和东北单季稻区(V), 水稻发生热害的概率变化幅度超过20%的区域都有了进一步的扩大, 这可能与RCP8.5情景下气候变得更暖有关。

综上所述, 与基准时段相比, 2021— 2050年RCP2.6和RCP8.5情景下, 水稻发生高温热害的概率加大的区域仍然主要集中在以往水稻高温热害频发的长江流域单季稻区的中部和华南双季稻区的南部, 可见未来在这些地区, 水稻的高温热害的减灾、防灾工作仍是水稻生产中工作重心之一。而东北单季稻区受益于气候变暖的热量资源改善已成为我国新兴的水稻主产区, 但是未来随着气候变暖的持续, 发生高温热害的概率也逐渐增加, 部分区域增加明显, 因此, 为了防患于未然, 东北稻区的减灾、防灾工作, 也不可掉以轻心。

3 讨论和结论

高温热害是影响水稻生产最常见的农业气象灾害之一, 受气候变化和人类活动影响, 水稻高温热害发生的频率和强度都有所变化。本研究利用1981— 2009年历史水稻观测数据和相应气象数据, 明确了高温减产主导因子, 构建了高温减产方程。研究基于IPCC第五次评估报告最新推荐的RCP气候情景数据和所构建的高温减产方程, 分析了未来2021— 2050年RCP2.6和RCP8.5情景下中国水稻高温敏感期高温事件的变化规律和水稻发生高温热害的风险, 拟为未来水稻高温热害的防灾减灾提供参考。

3.1 讨论

研究中还存在一些问题, 需要在今后进行进一步的分析和探索:

(1) RCP气候情景作为IPCC第五次评估报告最新推荐的未来气候情景, 其在以往的基础上又有了进一步的改善, 但仍不可避免地存在一定的不确定性, 而且鉴于工作量和篇幅限制, 本研究也只选取了RCP2.6和RCP8.5情景, 作为代表未来最温和与最极端的2种气候变化状况, 旨在探讨未来气候情景下我国水稻高温热害的变化趋势, 而且研究精度上还存在一定偏差, 今后随着研究的深入, 还需要进一步提高结果的精度。

(2) 水稻产量是多种因素综合作用的结果, 除了气候因素的影响, 还受到病虫害、栽培管理等人为因素的影响, 而当多种因素交互作用时, 有时会产生更大的影响。梁嘉荧等[32]指出当高温、干旱2种胁迫先后出现时, 水稻会经历适应逆境过程, 从而减低后续胁迫的伤害, 但当2种胁迫同时出现时, 水稻受到的伤害甚至比2个单一因子的累加更严重。此外病虫害的发生也与气候因素密切相关, 我国各稻区病虫害严重, 早稻易发生稻瘟病, 晚稻易感白叶枯病, 虫害主要包括三化螟、稻飞虱和稻纵卷叶螟等[33], 其中水稻纹枯病属高温高湿型病害, 当气温为23~35 ℃时, 病情伴随降雨或湿度大而加剧[34], 因此在高温年份水稻的减产可能不是高温热害单独引起的, 而是与病虫害等其他因素共同作用的结果。而本研究中受灾产量分离时未能考虑病虫害等因素, 可能会在一定程度上高估了高温热害的影响。

(3) 本研究通过多元回归找出了对水稻高温减产影响最主要的因子, 构建了该因子与水稻减产率之间的经验回归关系, 并在此基础上预估了未来水稻发生高温热害的概率。受数据限制, 研究没能对经验回归关系进行逐个区域的验证, 江淮区域上前人有相似的研究, 因此只是与前人研究结果进行了简单的比较, 发现两者研究结果相接近, 但是今后随着研究数据的补充, 将会进一步开展对逐个区域的验证工作。在预估未来水稻高温热害风险时, 研究也作了简化处理, 假设各地区影响水稻高温减产的主导因子不变, 并且水稻减产率和主导因子之间仍存在上述的回归关系。然而实际上, 经验回归关系式表征的是历史天气情况下, 作物品种、生育期安排和管理措施件下水稻减产率和气象因子的相关关系, 而未来气候变化情景下, 以上这些条件都将发生变化, 因此本研究是假设水稻品种、生育期长度、播期等条件不变的情形下, 初步评估未来近期中国水稻高温减产概率的空间分布, 这样简化处理后, 导致研究结果存在一定的偏差, 今后还需要进一步深入研究以提高结果的精准度。

3.2 结论

未来RCP2.6和RCP8.5 2种气候情景下, 无论是全国水平, 还是各稻区, HSD和HDD都呈现增加趋势, 其中华南双季稻区、长江流域单季稻区和东北单季稻区HSD和HDD的变化幅度较为明显。而水稻高温敏感期高温持续日数CHD, 未来也有延长趋势, 并且主要表现为持续3~5 d的高温事件的增加较多。

1961— 2000年中国水稻高温中心主要集中在110° ~113° E, 28° ~30° N, 地处湖南北部, 与湖北省交界处附近。而未来2021— 2050年, 无论是哪种情景高温中心均出现向东北方向移动的趋势。

I~IV区孕穗— 乳熟阶段的日最高气温连续3 d超过35 ℃以上的有效积温HDD2是导致水稻减产的第一大要素, HDD2与D之间呈现显著线性负相关关系; 而孕穗— 乳熟阶段的单日日最高气温超过32 ℃的有效积温SDD2对东北单季稻区(V)的影响更大, 水稻产量距平百分率D与之呈现显著一元二次曲线关系。

RCP2.6和RCP8.5气候情景下2021— 2050年, 长江流域单季稻区(I)的湖北和安徽的大部分地区, 华南双季稻区(III)的广东、广西、海南省的大部分地区以及东北单季稻区(V)的南部, 水稻发生高温热害损失的概率较基准时段(1961— 1990年)有所增加, 增加幅度超过了20%, 其中未来RCP8.5情景比RCP2.6情景下, 概率幅度变化超过20%的区域面积更多。

The authors have declared that no competing interests exist.

参考文献
[1] Zhu Defeng, Zhang Yuping, Chen Huizhe, et al. Innovation and practice of high-yield rice cultivation technology in China[J]. Scientia Agricultura Sinica, 2015, 48(17): 3 404-3 414.
[朱德峰, 张玉屏, 陈惠哲, . 中国水稻高产栽培技术创新与实践[J]. 中国农业科学, 2015, 48(17): 3 404-3 414. ] [本文引用:2]
[2] Huo Zhiguo, Wang Shili. Agriculture and Bio-meterological Disasters[M]. Beijing: China Meteorological Press, 2009: 72-79.
[霍治国, 王石立. 农业和生物气象灾害[M]. 北京: 气象出版社, 2009: 72-79. ] [本文引用:1]
[3] Yao Fengmei, Zhang Jiahua. Changeof relative extreme hightemperature events and climate risk in rice growingperiod in China from 1981 to 2000[J]. Journal of Natural Disasters, 2009, 18(4): 37-42.
[姚凤梅, 张佳华. 1981—2000年水稻生长季相对极端高温事件及其气候风险的变化[J]. 自然灾害学报, 2009, 18(4): 37-42. ] [本文引用:3]
[4] Gao Suhua, Wang Peijuan. Impacts of High Temperatare Stress on Rice Production in the Mid-lower Yangtze River Valley of China[M]. Beijing: China Meteorological Press, 2009.
[高素华, 王培娟. 长江中下游高温热害及对水稻的影响[M]. 北京: 气象出版社, 2009. ] [本文引用:8]
[5] National Bureau of Statistics of China. 2000 China Statistical Year Book[M]. Beijing: China Statistics Press, 2000.
[中国统计局, 2000中国统计年鉴[M]2000中国统计年鉴[M]. 北京: 中国统计出版社, 2000. ] [本文引用:1]
[6] Tao Fulu, Zhang Zhao, Zhang Shuai, et al. Response of crop yields to climate trends since 1980 in China[J]. Climate Research, 2012, 54(3): 233-247. [本文引用:1]
[7] IPCC. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [M]. Cambridge: Cambridge University Press, 2013. [本文引用:1]
[8] Gourdji S M, Sibley A M, Lobell D B. Global crop exposure to critical high temperatures in the reproductive period: Historical trends and future projections[J]. Environmental Research Letters, 2013, 8(2): 24-41. [本文引用:1]
[9] The Phytotron in Shanghai Institute of Plant Physiology. The influence of high temperature on the flowering and fruiting of early rice and its control II: The influence of high temperature on the flowering-fruiting of early rice during the floweringstage[J]. Acta Botanica Sinica, 1976, 18(3): 323-328.
[上海植物生理所. 高温对早稻开花结实的影响及其防治Ⅱ: 早稻开花期高温对开花结实的影响[J]. 植物学报, 1976, 18(3): 323-328. ] [本文引用:1]
[10] Zhang Zujian, Wang Qingqing, Lang Youzhong, et al. Effects of high temperature stress at heading stage on pollination and fertilization of different types of rice variety[J]. Acta Agronomica Sinica, 2014, 40(2): 273-282.
[张祖建, 王晴晴, 郎有忠, . 水稻抽穗期高温胁迫对不同品种授粉和受精作用的影响[J]. 作物学报, 2014, 40(2): 273-282. ] [本文引用:1]
[11] Xie Xiaojin, Li Bingbai, Li Yingxue, et al. Effects of high temperature stress on yield components and grain quality during heading stage[J]. Chinese Journal Agrometeorology, 2010, 31(3): 411-415.
[谢晓金, 李秉柏, 李映雪, . 抽穗期高温胁迫对水稻产量构成要素和品质的影响[J]. 中国农业气象, 2010, 31(3): 411-415. ] [本文引用:1]
[12] Sheng Jing, Tao Hongjuan, Chen Liugen. Response of seed-setting and grain quality of rice to temperature at different time during grain filling period[J]. Chinese Journal of Rice Science, 2007, 21(4): 396-402.
[盛婧, 陶红娟, 陈留根. 灌浆结实期不同时段温度对水稻结实与稻米品质的影响[J]. 中国水稻科学, 2007, 21(4): 396-402. ] [本文引用:1]
[13] Xie Zhiqing, Du Yin, Gao Ping, et al. Impact of high-temperature onsingle cropping rice over Yangtze-Huaihe River valley and response measures[J]. Meteorological Monthly, 2013, 39(6): 774-781.
[谢志清, 杜银, 高苹, . 江淮流域水稻高温热害灾损变化及应对策略[J]. 气象, 2013, 39(6): 774-781. ] [本文引用:2]
[14] Collins W, Bellouin N, Doutriaux-Boucher M, et al. Evaluation of the HadGEM2 Model[R]. Met Office Hadley Centre Technical Note no, 2008, HCTN 74. [本文引用:1]
[15] Hempel S, Frieler K, Warszawski L, et al. A trend-preserving bias correction the ISI-MIP approach[J]. Earth System Dynamics Discussions, 2013, 4(1): 49-92. [本文引用:1]
[16] Lobell D B, Burke M B. On the use of statistical models to predict crop yield responses to climate change[J]. Agricultural Forest Meteorology, 2010, 150(11): 1 443-1 452. [本文引用:1]
[17] Butler E E, Huybers P. Adaptation of US maize to temperature variations[J]. Nature Climate Change, 2013, 3(1): 68-72. [本文引用:1]
[18] Cao yang, Yang Jie, Xiong Wei, et al. Simulation of summer maize yield influenced by potential drought in China during 1961-2010[J]. Acta Ecologica Sinica, 2014, 34(2): 421-429.
[曹阳, 杨婕, 熊伟, . 1961—2010年潜在干旱对我国夏玉米产量影响的模拟分析[J]. 生态学报, 2014, 34(2): 421-429. ] [本文引用:1]
[19] Cao yang, Yang Jie, Xiong Wei, et al. Simulation of winter wheat yield influenced by potential drought in China during 1962-2010[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(7): 128-139.
[曹阳, 杨婕, 熊伟, . 1962—2010 年潜在干旱对中国冬小麦产量影响的模拟分析[J]. 农业工程学报, 2014, 30(7): 128-139. ] [本文引用:1]
[20] Liu Zhenhuan, Li Zhengguo, Tang Pengqin, et al. Spatial-temporal changes of rice area and production in China during 1980-2010[J]. Acta Geographica Sinica, 2013, 68(5): 680-693.
[刘珍环, 李正国, 唐鹏钦, . 近30 年中国水稻种植区域与产量时空变化分析[J]. 地理学报, 2013, 68(5): 680-693. ] [本文引用:2]
[21] Robert H, Edward C P. Postwar U. S. business cycles: An empirical investigation[J]. Journal of Money, Credit, and Banking, 1997, 29(1): 1-16. [本文引用:1]
[22] Wang Guizhi, Lu Jinshuai, Chen Keyao, et al. Exploration of method in separating climatic output based on HP filter[J]. Chinese Journal Agrometeorology, 2014, 35(2): 195-199.
[王桂芝, 陆金帅, 陈克垚, . 基于HP滤波的气候产量分离方法探讨[J]. 中国农业气象, 2014, 35(2): 195-199. ] [本文引用:1]
[23] Zhang Qian, Zhao Yanxia, Wang Chunyi, et al. Study on the impact of high temperature damage to rice in the lower and middle reaches of the Yangtze River[J]. Journal of Catastrophology, 2011, 26(4): 57-62.
[张倩, 赵艳霞, 王春乙, . 长江中下游地区高温热害对水稻的影响[J]. 灾害学, 2011, 26(4): 57-62. ] [本文引用:1]
[24] Zhao Haiyan, Yao Fengmei, Zhang Yong, et al. Correlation analysis of rice seed setting rate and weight of 1000-grain and Agro-meteorology over the middle and lower reaches of the Yangtze River[J]. Scientia Agricultura Sinica, 2006, 39(9): 1 765-1 771.
[赵海燕, 姚凤梅, 张勇, . 长江中下游水稻开花灌浆期气象要素与结实率和粒重的相关性分析[J]. 中国农业科学, 2006, 39(9): 1 765-1 771. ] [本文引用:1]
[25] Wang Qiuju, Zhang Yulong, Liu Feng, et al. Changes of rice yield and quality in different accumulated temperature zones in Heilongjiang Province of Northeast China[J]. Chinese Journal of Applied Ecology, 2013, 24(5): 1 381-1 386.
[王秋菊, 张玉龙, 刘峰, . 黑龙江省水稻品种跨积温区种植的产量和品质变化[J]. 应用生态学报, 2013, 24(5): 1 381-1 386. ] [本文引用:2]
[26] Yang Taiming, Chen Jinhua, Jin Zhifeng, et al. Study on law of rice high temperature induced heat damage and its relationship with rice yield structure Anhui and Zhejiang Province[J]. Chinese Agricultural Science Bulletin, 2013, 29(27): 97-104.
[杨太明, 陈金华, 金志凤, . 皖浙地区早稻高温热害发生规律及其对产量结构的影响研究[J]. 中国农学通报, 2013, 29(27): 97-104. ] [本文引用:1]
[27] Sun Qing, Yang Zaiqiang, Yin Jianmin, et al. Estimation of premiumrates of high temperature disaster for early rice in Jiangxi[J]. Chinese Journal Agro Meteorology, 2014, 35(5): 561-566.
[孙擎, 杨再强, 殷剑敏, . 江西早稻高温逼熟气象灾害指数保险费率的厘定[J]. 中国农业气象, 2014, 35(5): 561-566. ] [本文引用:1]
[28] Sun Wen. Effects of Climate Change on Rice Production in China[D]. Nanjing: Nanjing Agricultural University, 2011.
[孙雯. 气候变暖对中国水稻生产的影响[D]. 南京: 南京农业大学, 2011. ] [本文引用:1]
[29] Wen Kegang, Ma Li. Meteorological Disaster China Ceremony (Chongqing Volume)[M]. Beijing: China Meteorological Press, 2008.
[温克刚, 马力. 中国气象灾害大典(重庆卷)[M]. 北京: 气象出版社. 2008. ] [本文引用:1]
[30] Wen Kegang, Zhan Zhaoyu. Meteorological Disaster China Ceremony (Sichuan Volume)[M]. Beijing: China Meteorological Press, 2006.
[温克刚, 詹兆渝. 中国气象灾害大典(四川卷)[M]. 北京: 气象出版社, 2006. ] [本文引用:1]
[31] Wang Yu. Effects of meteorological disasters on rice growth[J]. Modern Agricultural Science and Technology, 2010, (24): 302-305.
[王钰. 气象灾害对水稻生长的影响[J]. 现代农业科技, 2010, (24): 302-305. ] [本文引用:1]
[32] Liang Jiaying, Cai Yixia. Review on the effects of high temperature and drought on yield, grain quality and the physiological characteristic of flag leaver in rice (Oryza sativa L. )[J]. Chinese Agricultural Science Bulletin, 2013, 29(27): 1-6.
[梁嘉荧, 蔡一霞. 高温干旱对水稻产量, 品质及剑叶生理特性影响研究综述[J]. 中国农学通报, 2013, 29(27): 1-6. ] [本文引用:1]
[33] Zhong Xiaohua, Lin Meiying. Occurrence and control of rice diseases and insect pests[J]. Modern Agricultural Science and Technology, 2013, ( 16): 118, 122.
[钟小华, 林美英. 水稻病虫害的发生与防治[J]. 现代农业科技, 2013, ( 16): 118, 122. ] [本文引用:1]
[34] Li Shuhua. The possible impact of climate warming on the occurrence and prevalence of crop pests and diseases in China[J]. Chinese Journal Agrometeorology, 1992, 13(2): 46-49.
[李淑华. 气候变暖对我国农作物病虫害发生、流行的可能影响及发生趋势展望[J]. 中国农业气象, 1992, 13(2): 46-49. ] [本文引用:1]