ENSO影響下安徽省旱澇災害及農業生產損失時空變化特征

張 強,孫 鵬,程 辰,孔冬冬

(1.北京師范大學地表過程與資源生態國家重點實驗室,北京 100875; 2.安徽師范大學國土資源與旅游學院,安徽 蕪湖 241002;3. 安徽省自然災害過程與防控研究省級實驗室,安徽 蕪湖 241002; 4. 中山大學地理科學與規劃學院,廣東 廣州 510275;5.廣東省城市化與地理環境空間模擬重點實驗室,廣東 廣州 510275)

安徽省作為中國重要的商品糧產地,是全國重要的糧食主產省和商品糧調出省。安徽省地處長江、淮河中下游地區,為東亞季風濕潤區與半濕潤區的氣候過渡區域,是南北氣候、中低緯度和海陸相3種過渡帶的重疊地區,天氣系統復雜多變,形成了區域“無降水旱、有降水澇、強降水洪”的典型區域旱澇特征,由此引發的氣象災害對當地的生產、生活產生較大影響[19]。安徽省是我國氣候變化的敏感區,氣候條件極為復雜, 氣象災害種類多、發生頻繁,給安徽省國民經濟建設和社會發展特別是農業生產造成巨大影響。因此,開展ENSO影響下的安徽省旱澇災害時空分布其對農業生產的影響研究具有重要意義。但目前針對ENSO對安徽省氣候變化(降水、氣溫)相關影響的研究較多[20-22]，而關于ENSO對安徽省旱澇災害的影響及滯后性研究較少,特別是其旱澇究竟對ENSO 事件有何響應、ENSO事件引起氣溫、降水異常導致的農業氣象災害等研究較少,因此,本文選擇1961—2014年安徽省及周邊25個氣象站點數據、ENSO數據和農業數據,分析了安徽省這54年的旱澇和糧食災損率時空變化特征及其與ENSO的關系,揭示ENSO事件對安徽省旱澇災害分布和農業生產的影響,以期為當地的洪旱災害預測和防災減災提供參考。

圖1 安徽省雨量站點空間分布示意圖

1 數據與方法

1.1 數據

本研究選用1961年1月—2014年12月由中國氣象局國家氣象信息中心提供的較為完整的安徽省及周邊24個氣象站點逐日降水量、日平均氣溫以及風速等資料(圖1),如果最大連續缺測數據小于5天,用相鄰日期線性插值來實現;如果大于5天,與最大搜索半徑為400 km的相鄰站點進行線性插值。小麥和稻谷災損率數據來源于1989—2010年《安徽省統計年鑒》和《中國氣象災害大典》(安徽卷)[23]。Nino3.4海區海表溫度距平(SSTA)數據來自美國海洋大氣局(NOAA)(http://www.noaa.gov);南方濤動指數 (Southern Oscillation Index, SOI)數據來自于美國國家氣候預測中心(American National Climate Prediction, CPC)發布的兩次標準化序列。本文研究的皖南地區主要包括宣城、蕪湖、銅陵、馬鞍山、池州和黃山，江淮地區為合肥、安慶、滁州和六安，皖北地區為淮北、亳州、宿州、阜陽、蚌埠和淮南。

1.2 研究方法

1.2.1 標準化降水蒸散指數(SPEI)

為了加深了解氣溫變化對用水需求的影響,Vicente-Serrano等[24]提出了用SPEI來研究旱澇。SPEI被設計成同時考慮降水(P)和潛在蒸散發(PET)的影響來監測干旱過程,其中潛在蒸散發指的是在水足夠多的情況下所能產生的蒸發和蒸騰總量,采用彭曼公式計算潛在蒸散發。SPEI計算方法原理是用降水量與蒸散量的差值偏離平均狀態的程度來表征某地區的干旱。具體計算步驟如下:

a. 計算潛在蒸散。

b. 用式(1)計算逐月降水與蒸散的差值

Di=Pi-PETi

(1)

式中:Di為降水與蒸散的差值；Pi為月降水量；PETi為月蒸散量。

c. 與SPI方法一致,對Di數據序列進行正態化。由于原始數據序列Di中可能存在負值,所以SPEI指數采用了3個參數的log-logistic概率分布。log-logistic概率分布的累積函數為

(2)

(3)

式中:α為尺度參數;β為形狀參數;γ為origin參數;f(x)為概率密度函數;F(x)為概率分布函數。

d. 對序列進行標準化正態處理,得到相應SPEI值:

(4)

(5)

當P≤0.5時,P=F(x);當P>0.5時,P=1-F(x)。其他參數分別為C0=2.515 517,C1=0.802 853,C2=0.010 328,d1=1.432 788,d2=0.189 269,d3=0.001 308。SPEI按照表1標準進行干旱等級劃分[24]。

表1 SPEI干旱等級劃分

1.2.2M-K趨勢檢驗

采用非參數Mann-Kendall (簡稱M-K法) 趨勢檢驗法來研究標準降水指數的趨勢變化情況[25]。M-K方法廣泛應用于檢驗水文氣象資料的趨勢成分,是世界氣象組織推薦的應用于時間序列分析的方法。國內外許多文獻[26-27]研究了時間序列的自相關性對M-K檢驗結果的影響。Kulkarni等[28]建議在進行M-K檢驗之前對時間序列進行“預白化”(prewhiten)處理。所有序列在進行M-K分析之前均需要預白化處理。利用Pearson相關系數法計算各站點旱澇受災程度與ENSO事件的相關性系數并進行顯著性檢驗。

1.2.3 糧食減產率

農作物最終產量受各種自然因素和人類活動因素的綜合影響,相互關系復雜,難量化。根據環境因素的偶然性和人類活動因素的漸進性和相對穩定性的特點,可以認為產量是由趨勢項和波動項構成,并可通過統計學方法將其分離。其中,趨勢項反映了生產技術水平的提高;而波動項則主要是由于氣候變化造成的。ENSO年引起研究區域氣候異常,進而影響農作物生產的氣候要素發生變化,導致農作物產量受到影響,因此,減產率能夠較好反映ENSO對農業生產的影響。根據前人的研究[29]結果將農作物產量分解為趨勢產量、氣象產量和隨機產量3部分。表達為

y=yt+yw+Δy

(6)

式中:y為糧食實際產量,kg/hm2;yt為糧食產量趨勢,kg/hm2;yw為氣候變化導致的糧食產量變化項,kg/hm2;Δy為糧食產量的隨機分量,kg/hm2。

計算中一般都假定Δy可忽略不計。利用安徽省各地市1989—2009年糧食產量資料進行分析,對趨勢產量進行三次多項式模擬,計算1989—2009年各地市的趨勢產量。安徽省各地市88%的縣市的糧食產量曲線通過95%顯著性檢驗。冬小麥和水稻減產率是采用逐年的實際產量偏離趨勢產量的相對氣象產量的負值,計算公式為

%

(7)

式中:yd為糧食減產率,%;y為糧食實際產量,kg/hm2;yt為糧食趨勢產量,kg/hm2。

1.2.4ENSO年及強度劃定

有關ENSO事件的定義和強度的劃分標準略有不同[7],本文表征ENSO事件的指標主要參考美國國家海洋大氣局的指標體系,采用Nino3.4海區海表溫度距平(SSTA)以及南方濤動指數(SOI)。以海溫距平值持續 6 個月以上±0.5℃定義為 1次ENSO事件。根據SSTA值高低將ENSO事件劃分為強(±3)、中(±2)、弱(±1)以及正常(0)等級。據此可知,在1960—2014年共發生26次ENSO事件,其中El Nio年共14次,La Nina年共12次。對ENSO事件進行強度統計,統計得出在此時段內中等及以上強度的ENSO事件共計17次,占總數的65%。從持續時間來看,ENSO事件的強度與持續時間長短并無明顯的相關關系(表2)。由圖2中1961—2014年發生的ENSO事件年際變化來看,ENSO暖事件(El Nio)與ENSO冷事件(La Nina)往往交替發生,在1970s和1980s時間內發生強ENSO事件最多,達6次,占到統計年強ENSO事件的55%。強El Nio事件與強La Nina時間相繼發生總共有兩次,一次是1972年的強El Nio事件后,緊接著發生1973—1974年的強La Nina事件;另外一次是1997年的強El Nio事件后,緊接著發生1998—2000年的強La Nina事件。

表2 1961—2014年ENSO年統計

圖2 1961—2014年安徽SPEI時間序列圖

為了進一步探討ENSO事件下安徽省旱澇災害是否頻發,本文統計了1961—2014年和ENSO事件年的月SPEI的中度以上旱澇統計值,計算得到ENSO事件年中度以上旱澇次數占1961—2014年中度以上旱澇總次數比(表3),洪澇發生在ENSO事件年比重大于干旱發生在ENSO事件年的比重,安徽大部分地區50%以上的洪澇均發生在ENSO年,而安徽大部分地區發生在ENSO年的干旱也超過了40%。另外,統計了安徽受災面積在50萬km2以上的年份中,結合唐曉春等[15]對災害等級劃分,1961—2014年安徽省共發生中度以上干旱28次,19次與ENSO事件有關,占中度以上干旱總次數的68%,其中厄爾尼諾當年共5次,厄爾尼諾衰退年及拉尼娜年共14次。發生中度以上洪澇共計23次,19次與ENSO年有關,占中度以上洪澇總次數的83%,厄爾尼諾當年10次,衰退年及拉尼娜年9次。

表3 中度以上旱澇ENSO事件年占 1961—2014年總次數比值

因此,與ENSO事件有關年份安徽省旱澇發生頻率高,且干旱受厄爾尼諾次年及拉尼娜年影響大,洪澇受厄爾尼諾當年影響更大。

2 安徽省旱澇災害時空特征

本文擬采用標準化降水蒸散指數(SPEI),與常用的PDSI以及SPI相比,SPEI相比較PDSI,其計算更為方便,對資料的需求更低,適用性更廣;而相比較SPI,SPEI考慮了溫度所帶來的蒸散發對干旱的影響,對于氣溫變化明顯的地區,其結果更加切合實際[30]。SPEI在江淮流域旱澇災害的適用性得到很好驗證,3個月尺度的SPEI(SPEI3)對干旱發展的漸進性及旱澇區域(尤其是旱情發展較嚴重的區域)表現較為良好[31],因此本文選擇SPEI3表征安徽省的旱澇時空變化。

2.1 旱澇災害季節變化特征

利用3個月時間尺度的SPEI指數能夠較好地反映旱澇季節變化特征。圖2給出了基于SPEI指數近54 a的安徽省四季旱澇變化趨勢。從圖2中可知,春、秋季SPEI指數波動幅度大于夏季和冬季,春季在1961—1977年和1986—1993年SPEI3指數呈增加趨勢,即濕潤化趨勢增加;其他時段呈干旱化趨勢,特別是1997年后,SPEI值由正值轉為負值,趨于干旱化(圖2(a))。1970s之前,安徽夏季呈干旱化狀態,其他時段夏季旱澇趨勢在不同年代未發生明顯波動,處于偏濕潤的狀態。安徽省秋季在近54a來呈現澇—旱—澇—旱—澇的過程,旱澇不斷轉變,在1993—2006年,安徽秋季處于較長的干旱狀態(圖2(c))。相反的,安徽冬季SPEI3指數呈增加趨勢,尤其是在20世紀90年代,除1998年SPEI值小于-1以外,多數年份SPEI值均大于0.5,表明了安徽省冬季具有較為明顯的濕潤狀態,但是進入21世紀10年代,有趨向于干旱化趨勢。

2.2 旱澇災害月尺度時空特征

圖3 1961—2014年安徽月尺度旱澇變化趨勢

圖3是1961—2014年安徽省1-12月的SPEI3指數的M-K趨勢圖。從圖中可得1961—2014年安徽省各月份旱澇變化趨勢以及空間格局上具有明顯差異,各月份有干旱化和濕潤化趨勢,但是趨勢變化不顯著。在春季(3—5月),3月份皖北碭山附近地區M-K統計值為負值,表明該時期該地區3月呈現干旱化趨勢,但未通過0.05顯著性檢驗,干旱化趨勢并不顯著。除此以外其他地區均有變濕趨勢,其中蚌埠、巢湖、安慶地區通過0.05顯著性檢驗,表明洪澇災害發生概率增加。4月份整個安徽省出現變干趨勢,以江淮及皖北地區的變干趨勢明顯。5月份梅雨季節來臨之前,全省呈現變干趨勢的地區進一步擴大,干旱程度進一步加劇，全省大部分地區呈現變干趨勢,僅有皖東北地區的淮北、滁州呈現變濕趨勢。在夏季(6—8月),6月份盡管江淮地區進入梅雨季節,但是6月份安徽全省大部分地區出現干旱化趨勢,僅僅皖北地區和皖南南部地區呈現濕潤趨勢。7月份全省的大部分地區呈現濕潤化趨勢,但是濕潤化趨勢不顯著。8月份絕大部分呈現地區濕潤化趨勢,皖南地區，如馬鞍山、巢湖、蕪湖，通過0.05顯著性檢驗,濕潤化趨勢顯著;而皖東北地區由6—7月份的濕潤趨勢轉為干旱趨勢。在秋季(9—11月份),9月份旱澇分布與8月份的類似,全省均呈現濕潤化趨勢,皖南地區濕潤化趨勢優于皖北地區;10月份由江淮地區向皖北、皖南方向呈干旱化趨勢,黃山市和宿州市的干旱化趨勢最為明顯;11月份全省由皖南和皖北干旱化趨勢演變為全省的干旱化趨勢,皖東南的宣城地區干旱化趨勢最為明顯。在冬季(12月至次年2月),12月份安徽省總體呈現北濕南干的空間分布特征。皖北地區均呈現濕潤化趨勢,而除了皖西南局部地區,整個江淮地區以及皖南均呈現干旱化趨勢。1月份安徽省絕大部分地區均呈現濕潤化趨勢,均未通過0.05顯著性檢驗。2月份安徽全省濕潤化趨勢變化顯著,其中江淮地區和皖南地區的濕潤化趨勢通過0.05顯著性檢驗,變化趨勢顯著。總體上,4—6月安徽省大部分地區呈干旱化趨勢,皖南地區趨勢變化較皖北地區明顯;1—3月和7—9月大部分地區呈濕潤化趨勢,同樣皖南地區趨勢變化較皖北地區明顯;10—12月份皖北地區趨于濕潤,而皖南地區趨于干旱。與皖北地區相比較,皖南地區各月份趨勢變化大,即皖南地區的降水在各月份極端不均勻。

圖4 1961—2014年ENSO事件SSTA與SPEI指數相關系數空間分布

3 ENSO影響下安徽省旱澇時空特征

3.1 安徽SPEI3與ENSO事件指數的相關性分析

3.1.1 安徽SPEI3與SSTA的相關性分析

為了進一步反映ENSO對安徽省區域內部差異影響,利用1961—2014年所有發生ENSO事件的月份的Nino3.4海區海表溫度距平(SSTA)與同時段安徽及周邊24個氣象站點的逐月SPEI3(定義為旱澇指數)做相關性分析(圖4),在整個ENSO發生時段內,海溫距平(SSTA)與同期安徽省旱澇指數的相關系數均為正值,二者存在正相關。從圖4(a)看,SSTA與安徽旱澇指數相關系數較大的地區主要位于皖南地區和皖北中部地區、特別是長江以南的區域相關性最大,表明該區域的旱澇指數與SSTA直接相關。前人研究表明ENSO事件對東南亞以及太平洋地區的影響存在數月至數年的滯后性,氣候異常并非與赤道東太平洋地區海溫異常完全同步。因為隨著滯后時間增加,相關系數均呈顯著性相關,因此本文只列出了圖4(b)～圖5(g)分別是各站點滯后1～6個月的旱澇指數與SSTA的相關性分析,由圖可知,隨著滯后性月份的增加,安徽各區域的旱澇指數與SSTA的相關系數逐漸增大,而且相關關系強度由南往北遞減,說明皖南地區與SSTA相關性大于皖北地區。區域的旱澇指數與SSTA在滯后3個月時,安徽各區域的旱澇指數與SSTA的相關性最強,表明SSTA對未來3個月皖南旱澇有明顯的影響。

3.1.2 安徽SPEI3與SOI的相關性分析

SOI 是表征ENSO 事件的傳統指標,是目前監測ENSO 的常規指數。本文SOI取自塔希堤與澳大利亞的達爾文站的海平面氣壓差,圖5是SOI與安徽25個氣象站點的逐月SPEI3相關性分析,因為SOI與SSTA呈負相關關系,因此安徽旱澇指數與SOI的相關關系為負相關。皖北地區和皖東地區的SOI與SPEI3同時段的相關關系大于皖南地區(圖5(a)),隨著滯后性月份的增加,安徽旱澇指數與SOI相關關系大的區域由皖西北向皖東北轉移。在滯后4個月的安徽旱澇指數與SOI相關關系整體達到最大,最大的區域分布于長江以南的區域,該區域與SSTA的相關關系也最大。其次,大別山區和巢湖流域旱澇指數與SOI相關關系較大。

3.2 安徽SPEI3與典型ENSO時間年的相關性分析

圖5 1961—2014年ENSO事件SOI與SPEI相關系數空間分布

圖6 1961—2014年典型ENSO事件SSTA與SPEI相關系數空間分布

為了進一步揭示安徽旱澇指數與ENSO的相關性,本文選取了表2中典型ENSO年的SSTA與SOI與相應典型ENSO年的SPEI3旱澇指數進行相關性分析(圖6和圖7),以揭示安徽旱澇與典型年的相關性。由圖6知,安徽旱澇指數與同時段典型年SSTA的相關關系大的區域是皖南地區,隨著滯后月份增加,相關關系較大的區域由皖南地區向巢湖流域推移,旱澇指數與典型ENSO年的SSTA相關關系在滯后3個月達到最大(圖6(c)),這說明典型ENSO事件發生后,對安徽皖南和巢湖流域未來3個月的旱澇指數產生影響;而皖北地區旱澇指數對ENSO的響應不靈敏。

圖7 1961—2014年典型ENSO事件SOI與SPEI相關系數空間分布

圖8 1989—2009年安徽小麥和稻谷災損率時空分布

圖8是安徽旱澇指數與同時段典型年SOI的相關關系呈負相關,相關關系大的區域是皖北地區(圖7(a)),這說明SOI表明的典型ENSO事件發生后,對同時段皖北地區的旱澇指數產生影響。隨著滯后月份增加,相關關系大的區域由皖北地區向皖南地區轉移,在滯后3個月的時,旱澇指數與典型ENSO年的SOI 相關關系最大(圖7(c)),這說明典型ENSO事件發生后,對安徽皖南未來3個月的旱澇指數產生影響。皖西南地區隨著滯后月份增加,相關關系也逐漸增大,在滯后6個月相關關系達到最大,說明典型ENSO事件發生后,對安徽皖西南未來6個月的旱澇指數將受影響。

4 小麥和稻谷災損率時空分布研究

安徽省主要糧食作物小麥主產區主要分布在皖北地區,稻谷主產區分布在皖南地區。基于式(6)～(7)得到安徽省小麥和稻谷的災損率時空分布圖(圖8),柱狀圖正值代表產量增加,負值表示產量減少。由圖8(a)可知:從受災年份和程度來看,1991年、1997年、1998年、1999年和2003年小麥災損率最大,特別是江淮地區和皖南地區的在上述年份小麥災損率分別達到了0.446、0.241、0.261、0.225和0.237,其中1991年小麥災損率達到最大。1991年安徽省小麥有4個地級市受災率在50%以上,11個地級市受災情況在10%以上。據統計,1991年洪水造成安徽全省受災人口達4 800多萬人,占全省總人口近70%,因災死亡267人,農作物受災面積4.3萬km2,各項直接經濟損失近70億元人民幣。其次在1998年安徽有12個地級市受災率在10%以上。在上述小麥災損率較大的年份中,1991年、1998年和2003年均發生大洪水,在該年份或者前一年均發生中度以上ENSO事件,說明中度以上ENSO事件引起全省小麥災損率高。2004—2009全省小麥災損率明顯降低,全省平均小麥災損率在1%左右,而1989—2003年小麥災損率在8%以上。從受災區域來看,1989—2009年小麥因災減產在13次以上的區域主要分布在江淮地區和皖南地區,分別是銅陵、合肥、馬鞍山、宣城和安慶。皖南地區和江淮部分地區在1989—2009年的21年中小麥減產平均達12年,但是小麥災損率在10%以上年份平均僅為3年,說明皖南地區小麥減產發生年份較多,小麥減產率較小。皖北地區和江淮地區災損率發生年份僅為10年,但是皖北地區和江淮地區小麥災損率在10%以上的年份平均有5年,其中合肥發生年份7年是最多的,其次是六安的6年。說明皖北地區和江淮地區的小麥減產發生次數較少,小麥減產率較大。

圖9 1997年和2007年安徽省有效灌溉面積比、防洪耕地面積比和機械排灌面積比分布

安徽稻谷災損率小于小麥的災損率(圖8(b)),從受災年份來看,全省16個地市在1989年、1992年、1995 —1997年、2004年和2008—2009年有10個地市以上的稻谷減產,其中1989年全省稻谷全部減產,2004年和2008年全省有15個。從受災程度上來看,2004年和1989年水稻災損率最大,分別是0.299和0.218,其次是1992年的0.162。然而2008年盡管受災面積大,但是稻谷的災損率僅為0.052,遠低于其他年份。由表2可見,導致全省水稻減產的上述年份在發生年或者前一年均發生ENSO事件,比如1988年強La Nina事件導致1989年全省稻谷減產,2007年強La Nina事件導致1989年全省15個地市稻谷減產,說明ENSO事件發生時,均會導致稻谷全省大范圍的減產。從受災區域來看,21年中受災次數較多的城市有六安、合肥、蚌埠、蕪湖和淮南。蚌埠地區受災次數最多,達14次。稻谷減產率在10%以上的地區主要分布在淮北(32%)、阜陽(35%)、馬鞍山(19%)、淮南(12%)和滁州(10%),淮北和阜陽不屬于主產區,但是馬鞍山、淮南和滁州地區屬于稻谷主產區。

5 討論與結論

從有效灌溉面積比來看(圖9(a)、圖9(d)),皖北地區有效灌溉面積比低,在0.40至0.52之間。皖北地區抗旱能力弱,皖北地區如淮北、蚌埠、宿縣地區稻谷的災損率嚴重。隨著年份的增長,淮北市的有效灌溉面積比有明顯的提升,上升到0.67至0.83之間。說明淮北市灌溉條件逐漸提高,所以在2008年(ENSO強度高)農作物未受到災損。從防洪耕地面積比來看(圖9(b)、9(e)),滁州市、皖西地區如六安、安慶是低值區,防洪能力弱,安慶市為小麥災損范圍廣的地區,六安是災損率高的地區。皖南地區如宣城、蕪湖、銅陵的防洪能力遠高于皖北地區。從機械排灌面積比來看,低值區主要有宣城、黃山、安慶、宿縣地區,巢湖和馬鞍山市排灌面積比較高。圖8(a)顯示皖北地區和江淮地區的小麥減產發生次數較少,小麥減產率較大,而皖南地區小麥減產發生年份較多,小麥減產率較小。冬小麥產量損失與干旱發生時段密切相關,發生在4—5月的干旱減產最重,持續時間越長,損失越重,尤以冬春連旱對產量影響最大[19]。皖北地區主要以冬小麥為主,在4—6月份安徽全省呈干旱化趨勢,特別是4月份皖北地區干旱化趨勢大于皖南地區,這導致皖北地區小麥災損率較高。安徽水稻主要種植區集中在沿淮淮北、江淮之間和沿江江南3個區域,研究表明旱災對安徽省稻谷災損率影響相對較小,而澇災造成的一季稻減產損失明顯大于旱災,發生在生長關鍵期的旱澇災害對產量的影響大于其他時段[19]。安徽省稻谷生長時間在4—7月和7—10、11月,4—7月以干旱化趨勢為主,發生澇災幾率低,稻谷災損率主要受到干旱威脅;7—11月安徽以濕潤化趨勢為主,而且水稻主要種植區內濕潤化趨勢顯著,稻谷災損率主要受到澇災威脅。

有效灌溉面積比、防洪耕地面積比和機械排灌面積比(簡稱為減災指標),這3個減災指標能較好地反映人類活動的抗災減災能力,皖北地區和皖南地區的有效灌溉面積比、防洪耕地面積比和機械排灌面積比遠低于其他地區。通過對1997年和2007年的相關數據對比分析,發現合肥、六安、馬鞍山和滁州的縣市的有效灌溉面積比、防洪耕地面積比和機械排灌面積比均減小了,這大大降低了區域的抗災減災能力,這也是造成該區域小麥和稻谷減產的原因之一。皖南地區和江淮地區的有效灌溉面積比、防洪耕地面積比和機械排灌面積比遠高于皖北地區,皖南和江淮地區是稻谷的主產區,這也導致稻谷災損率遠低于小麥的災損率。整體上,安徽全省大部分地區的有效灌溉面積比、防洪耕地面積比和機械排灌面積比呈增加趨勢,也是導致從2003年以后全省小麥災損率明顯降低。

基于1961—2014年安徽省25個氣象站實測資料,采用線性趨勢法、標準化降水蒸散指數(SPEI)、M-K趨勢檢驗以及皮爾遜相關分析法分析了安徽省近54年的旱澇趨勢、時空變化特征及其與ENSO的關系,并進一步揭示ENSO對安徽省農業生產的影響,具體結論如下:

a. 洪澇發生在ENSO事件年的比重大于干旱發生在ENSO事件年的比重,安徽大部分地區50%以上的洪澇均發生在ENSO年,而安徽大部分地區發生在ENSO年的干旱也超過了40%。與ENSO事件有關年份安徽省旱澇發生頻率高,且干旱受厄爾尼諾次年及拉尼娜年影響大,洪澇受厄爾尼諾當年影響更大。

b. 在時間變化上,近54年來,安徽省變濕趨勢增強。在季尺度上,春季、秋季SPEI波動幅度大于夏季和冬季,春季呈干旱化趨勢。在月尺度上,4—6月份安徽省大部分地區呈干旱化趨勢,皖南地區趨勢變化較皖北地區明顯;1—3月和7—9月大部分地區呈濕潤化趨勢,皖南地區趨勢變化較皖北地區明顯;10—12月份皖北地區趨于濕潤,而皖南地區趨于干旱。與皖北地區相比較,皖南地區各月份趨勢變化大,即皖南地區的降水在各月份極端不均勻。

c. 在安徽省大部分地區,ENSO事件旱澇指數呈顯著性相關,其中El Nio與 La Nina事件與安徽省旱澇相關性顯著的地區存在差異,與El Nio事件相關性顯著的地區主要位于皖西北局部、皖北東部以及皖南大部分地區,與La Nina事件相關性顯著的地區位于皖北以及皖東南局部。并且安徽省旱澇對ENSO事件的響應存在一定的滯后性,在之后的3個月,安徽省旱澇指數對SSTA的響應在逐漸增強。

d. 隨著滯后性月份的增加,安徽各區域的旱澇指數與SSTA的相關系數逐漸增大,而且相關性由南往北遞減,說明皖南地區與SSTA相關性大于皖北地區。在滯后3個月時,安徽各區域的旱澇指數與SSTA的相關性最強,表明SSTA對未來3個月皖南旱澇有明顯的影響。

e. 近20年皖北、皖南地區稻麥減產主要發生在ENSO事件年或者前一年,且減產率高。皖北地區和江淮地區的小麥減產發生次數較少,小麥減產率較大,而皖南地區小麥減產發生年份較多,小麥減產率較小。ENSO對農業生產的影響與旱澇分布狀況有關,江淮地區良好的灌溉條件會降低ENSO年農業旱澇受災風險。

[1] 朱益民,楊修群,陳曉穎,等.ENSO與中國夏季年際氣候異常關系的年代際變化[J].熱帶氣象學報,2007,23(2):105-116.(ZHU Yimin,YANG Xiuqun,CHEN Xiaoying,et al.Interdecadal variation of the relationship between ENSO and summer interannual climate variability in China[J].Journal of Tropical Meteorology,2007,23(2):105-116.(in Chinese))

[2] BR?NNIMANN S.Impact of El Nino-Southern Oscillation on European climate[J].Reviews of Geophysics,2007,45(3):.

[3] 任福民,袁媛,孫丞虎,等.近30年ENSO研究進展回顧[J].氣象科技進展，2012,2(3):17-24.(REN Fumin,YUAN Yuan,SUN Chenghu,et al.Review of progress of ENSO studies in the past three decades[J].Advances in Meteorological Science and Technology,2012,2(3):17-24.(in Chinese))

[4] 李崇銀,穆穆.ENSO機理及其預測研究[J].大氣科學,2008,32(4):761-781.(LI Chongyin,MU Mu.Mechanism and prediction studies of the ENSO[J].Chinese Journal of Atmospheric Sciences,2008,32(4):761-781.(in Chinese))

[5] ZHANG Qiang,WANG Yue,SINGH V P,et al.Impacts of ENSO and ENSO Modoki+A regimes on seasonal precipitation variations and possible underlying causes in the Huai River basin,China[J].Journal of Hydrology,2016,533:308-319.

[6] 葉正偉,許有鵬,潘光波.江淮下游汛期降水與ENSO冷暖事件的關系[J].地理研究,2013,32(10):1824-1832.(YE Zhengwei,XU Youpeng,PAN Guangbo.Relationship between precipitation in flood season and ENSO warm and cold events in the lower reaches of Jianghuai Basin[J].Geographical Research,2013,32(10):1824-1832.(in Chinese))

[7] 王紹武,龔道溢.近百年來的ENSO事件及其強度[J].氣象,1999,25(1):9-13.(WANG Shaowu,GONG Daoyi.ENSO events and ENSO strength recent 100 years[J].Atmosphere,1999,25(1):9-13.(in Chinese))

[8] 宗海鋒,陳烈庭,張慶云.ENSO 與中國夏季降水年際變化關系的不穩定性特征[J].大氣科學,2010,34(1):184-192.(ZONG Haifeng,CHEN Lieting,ZHANG Qingyun.The instability of the interannual relationship between ENSO and the summer rainfall in China[J].Chinese Journal of Atmospheric Sciences,2010,34(1):184-192.(in Chinese))

[9] 劉永強,丁一匯.ENSO 事件對我國季節降水和溫度的影響[J].大氣科學,1995,19(2):200-208.(LIU Yongqiang,DING Yihui.Reappraisal of the influence of ENSO events on seasonal precipitation and temperature in China[J].Scientia Atmospherics Sinica,1995,19(2):200-208.(in Chinese))

[10] 許武成,馬勁松,王文.關于ENSO事件及其對中國氣候影響研究的綜述[J].氣象科學,2005,25(2):212-220.(XU Wucheng,MA Jinsong,WANG Wen.A review of studys on the influence of ENSO events on the climate in China[J].Scientia Meteorologica Sinica,2005,25(2):212-220.(in Chinese))

[11] CHEN Yongli,ZHAO Yongping,FENG Junqiao,et al.ENSO cycle and climate anomaly in China[J].Chinese Journal of Oceanology and Limnology,2012,30(6):985-1000.

[12] 楊亞力,杜巖,陳海山,等.ENSO事件對云南及臨近地區春末初夏降水的影響[J].大氣科學,2011,35(4):729-738.(YANG Yali,DU Yan,CHEN Haishan,et al.Influence of ENSO event on rainfall anomaly over Yunnan Province and its neighboring regions during late spring-early summer[J].Chinese Journal of Atmospheric Sciences,2011,35(4):729-738.(in Chinese))

[13] 李芬,張建新,郝智文,等.山西降水與ENSO 的相關性研究[J].地理學報,2015,70(3):420-430.(LI Fen,ZHANG Jianxin,HAO Zhiwen,et al.Correlation analysis of rainfall and ENSO in Shanxi[J].Acta Geographica Sinica,2015,70(3):420-430.(in Chinese))

[14] 李威,翟盤茂.中國極端強降水日數與ENSO的關系[J].氣候變化研究進展,2009,5(6):336-342.(LI Wei,ZHAI Panmao.Relationship between ENSO and frequency of extreme precipitation days in China[J].Advances in Climate Change Research,2009,5(6):336-342.(in Chinese))

[15] 唐曉春,袁中友.近60年來厄爾尼諾事件對廣東省旱災的影響[J].地理研究,2010,29 (11):1933-1934.(TANG Xiaochun,YUAN Zhongyou.The influence of the drought disaster caused by El Nino events in Guangdong Province in recent 60 years[J].Geograpgical Research,2010,29 (11):1933-1934.(in Chinese))

[16] 鄭冬曉,楊曉光.ENSO對全球及中國農業氣象災害和糧食產量影響研究進展[J].氣象與環境科學,2014,37(4):90-100.(ZHENG Dongxiao,YANG Xiaoguang.Advance on effect of ENSO on agro-meteorological disaster and crop yields of the world and China[J].Meteorological and Environmental Sciences,2014,37(4):90-100.(in Chinese))

[17] SHUAI Jiabing,ZHANG Zhao,TAO Fulu,et al.How ENSO affects maize yields in China:understanding the impact mechanisms using a process-based crop model[J].International Journal of Climatology,2016,36(1):424-438.

[18] ZHANG Qiang,ZENG Jian,ZHANG Liyang.Characteristics of land surface thermal-hydrologic processes for different regions over North China during prevailing summer monsoon period[J].Science China:Earth Sciences,2012,55(1):1-9.

[19] 張愛民,馬曉群,楊太明,等.安徽省旱澇災害及其對農作物產量影響[J].應用氣象學報,2007,18(5):619-626.(ZHANG Aimin,MA Xiaoqun,YANG Taiming,et al.The influence of drought and water logging disasters on crop yields in Anhui Province[J].Journal of Applied Meteorological Science,2007,18(5):619-626.(in Chinese))

[20] 趙亮,鄒力,王成林,等.ENSO年東亞夏季風異常對中國江、淮流域夏季降水的影響[J].熱帶氣象學報,2006,22(4):360-366.(ZHAO Liang,ZOU Li,WANG Chenglin,et al.Impacts of the East Asian summer monsoon anomaly during the ENSO event period on the summer precipitation in the lower-middle reaches of the Yangtze River and Huaihe River Valley[J].Journal of Tropical Meteorology,2006,22(4):360-366.(in Chinese))

[21] 張秉倫,王成興,曹永忠.厄爾尼諾與江淮流域旱澇災害的關系[J].自然雜志,1998,20(5):289-293.(ZHANG Binglun,WANG Chengxing,CAO Yongzhong.The relations between El Nino and drought and floods disaster in the Yangtzi River and Huaihe River Valley[J].Chinese Journal of Nature,1998,20(5):289-293.(in Chinese))

[22] 曾婷,楊東,朱小凡,等.ENSO事件對安徽省氣候變化和旱澇災害的影響[J].中國農學通報,2015,31(1):215-223.(ZENG Ting,YANG Dong,ZHU Xiaofan,et al.Impact of ENSO events on climate change and drought and flood disasters in Anhui province[J].Chinese Agricultural Science Bulletin,2015,31(1):215-223.(in Chinese))

[23] 翟武全.中國氣象災害大典(安徽卷) [M].北京:氣象出版社,2006.

[24] VICENTE-SERRANO S M,BEGUERA S,LPEZ-MORENO J I.A mul-tiscalar drought index sensitive to global warming:the standardized precipitation evapotranspiration index[J].Journal of Climate,2010,23(7):1696-1718.

[25] ZHANG Qiang,SUN Peng,SINGH V P,et al.Precipitation changes in China (1956—2000):changing patterns and implications[J].Global and Planetary Change,2012,82/83:86-95.

[26] STORCH V H.Misuses of statistical analysis in climate research[C]//Storch HV,Navarra A.(Eds.).Analysis of climate variability:application of statistical techniques.Berlin:Springer-Verlag,1995:11-26.

[27] SANJIV K,VENKATESH M.Streamflow trends in Indiana:effects of long term persistence,precipitation and subsurface drains [J].Journal of Hydrology,2009,374:171-183.

[28] KULKARNI A,STROCH V H.Monte Carlo experiments on the effect of serial correlation on the Mann-Kendall test of trend [J].Meteorologische Zeitschrift,1995,4(2):82-85.[29] 朱自璽,劉榮花,方文松,等.華北地區冬小麥干旱評估指標研究[J].自然災害學報,2011,12(1):145-150.(ZHU Zixi,LIU Ronghua,FANG Wensong,et al.Preliminary study on drought zonation of winter wheat in North China Plain[J].Journal of Natural Disasters,2011,12(1):145-150.(in Chinese))

[30] 李偉光,易雪,侯美亭,等.基于標準化降水蒸散指數的中國干旱趨勢研究[J].中國生態農業學報,2012,20(5):643-649.(LI Weiguang,YI Xue,HOU Meiting,et al.Standardized precipitation evapotranspiration index shows drought trends in China[J].Chinese Journal of Eco-Agriculture,2012,20(5):643-649.(in Chinese))

[31] 段瑩,王文,蔡曉軍.PDSI、SPEI及CI指數在2010/2011年冬、春季江淮流域干旱過程的應用分析[J].高原氣象,2013,32(4):1126-1139.(DUAN Ying,WANG Wen,CAI Xiaojun.Applied analyses on Palmer,SPEI and CI indices of drought process in Yangtze-Huaihe river basins during winter of 2010/spring of 2011[J].Plateau Meteorology,2013,32(4):1126-1139.(in Chinese))