棉花障礙型冷害風險評估

溫馨馨,韓忠玲,程勇翔,王秀珍

(1.石河子大學生命科學學院，新疆石河子 832000； 2.石河子大學信息科學與技術學院，新疆石河子 832000；3.杭州師范大學遙感與地球科學研究院，杭州 311121)

0 引 言

【研究意義】新疆是我國棉花生產的主要基地，棉花生產占全國棉花總產量79%[1]。科學管理對提高單位面積產量、減少自然災害、降低經濟損失具有重要作用。棉花是長日照喜溫作物，對溫度敏感[2]。新疆溫度高、光照強、熱量資源豐富、降雨少，利于棉花的生長和采摘。近年來，隨著全球氣候不斷變化，極端天氣出現的頻率和強度不斷增加，各種災害對棉花生產的負面影響不斷加劇，新疆棉花種植常常受到氣候條件影響，尤其是冷害的影響[2-5]。研究選擇新疆棉花低溫冷害進行風險評估具有重要的實際意義。【前人研究進展】李文亮(2009)[6]等采用信息擴散理論方法，基于氣象站數據計算不同冷害等級的各級別風險概率，并制作以行政區劃為單位的冷害風險評估，所得規律與實際情況基本吻合。傅瑋東(2001)[7]對天山及其附近棉區的氣象資料和播種期資料進行了概率統計分析，得出研究區內各處棉花冷害發生的概率，為該區棉花冷害風險進一步研究提供了有價值的參考。朱紅蕊(2015)[8]等對黑龍江省玉米利用脆弱性和暴露性兩個指標分別進行GIS空間差值的冷害風險區劃，對風險評估結果采用自然斷點法進行等級劃分。何雨芩(2018)[9]等基于1960～2009年云南省各氣象站點逐日氣溫數據計算冷害年發生的頻率，將獲得的冷害頻率以10年為一段，利用GIS空間差值法研究了云南省各年代水稻冷害頻率演變過程，分析結果得到受區域氣候變暖影響，冷害發生頻率逐漸降低，結果與事實相符合。何燕(2009)[10]等以廣西早稻臨界低溫持續天數作為冷害區劃指標，利用回歸+殘差訂正的方法實現低溫持續天數的推算，通過對推算結果進行賦值打分，得到早稻風險區劃圖，研究結果具有一定實際參考價值。程勇翔(2013)[11]等利用回歸+殘差訂正法對湖南省雙季稻春秋兩季冷害進行了風險評估，評估結果經驗證與實際冷害風險情況較吻合，證明該方法有效。李景林(2015)[12]等對北疆棉花適宜種植區基于回歸+殘差訂正的方法計算>10℃積溫、7月平均氣溫和無霜期熱量資源的空間分布及時間變化，對所得結果分別進行等級劃分，將各分指標等級劃分結果相綜合，得到北疆棉花種植適宜區及次適宜區，為北疆棉花產業研究提供了參考。張麗文(2017)[13]等利用加權綜合評分法，將東北水稻冷害致災因子危險性、承災體脆弱性、災損性三者信息相綜合，構建綜合性水稻冷害風險評估指標，利用GIS中IDW差值法對站點指標進行空間推算，進而實現東北水稻的冷害風險區劃，結果經驗證與典型冷害年水稻單產平均減產率顯著相關，與歷史任意冷害發生頻率分布范圍大體一致。王春乙(2016)[14]等對長江中下游雙季早稻，利用災損率確定冷害、熱害雙季早稻不同發育期的危險性權重系數、利用產量變異系數衡量脆弱性、利用播種面積衡量暴露性、利用社會和人文衡量防災減災能力，最后將四個方面結合各自權重獲得雙季早稻綜合風險評價，結果與多年平均減產量顯著相關。類似低溫災害評價方法還有陳凱奇[15]段曉鳳[16]等研究。對于冷害風險指標構建可分為簡單[17-19]、或綜合[15,20-21]。在站點數較少時，冷害風險指標常用信息擴散法進行推算[6,22-23]。構建的冷害風險指標空間化，常用指標空間插值[9,13,24]或指標的回歸+殘差訂證[11]兩類方法。【本研究切入點】新疆特殊的地形特征，山脈盆地相互交映，導致新疆極端天氣多，氣候不穩定。目前冷害風險評估或風險概率區劃研究最多的是東北玉米和水稻，對新疆棉花冷害風險評估研究較少。綜合前人常用的方法有指標空間插值和指標的回歸+殘差訂證兩類，但在冷害指標空間化或指標等級劃分上還有待于進一步提高。研究評估新疆棉花障礙型冷害精細化風險。【擬解決的關鍵問題】研究在綜合冷害風險指標構建的基礎上，分析地理因子規律和地表類型對冷害風險值的影響，實現新疆棉花冷害風險指標空間化準確推算及客觀定等。

1 材料與方法

1.1 材 料

新疆位于我國西北，為E73°40′～96°18′，N34°25′～48°10′[25]。主要氣候類型為典型溫帶大陸性干旱氣候，日照時間長，氣候干燥，降雨量稀少，晝夜溫差大[26]。熱量條件南疆和東疆好于北疆，北疆西部沿天山一帶好于其東部地區。新疆棉花主要種植區即分布在南疆、東疆和北疆西部沿天山一帶。圖1,圖2

圖1 新疆棉花各縣市種植比重
Fig.1 Planting proportion of cotton in Xinjiang

圖2 新疆棉花活動積溫(>12℃)分布
Fig.2 Cumulative temperature of cotton planting areas in Xinjiang(>12℃)

表1 新疆棉花鈴期冷害等級
Table 1 Low temperature injury level of cotton boll period in Xinjiang

逐日溫度數據來自中國氣象科學數據共享網(http://cdc.cma.gov.cn/satellite/)，共獲取66個新疆氣象站點1951～2017年逐日平均氣溫數據。對所得到的數據進行初步整理，選擇所有月份的數據，剔除連續5 d內有缺失的整年數據，對少于5日的缺失數據用該段前后有效數據的平均值進行插補。從地理空間數據云獲取2000～2016年歷年MODLT1M 中國 1KM 9月LTN AVG數據，將該數據計算平均值，用于獲取溫度趨勢面。通過國家基礎地理信息系統(http://nfgis.nsdi.gov.cn/)提供的1∶400萬矢量地圖得到行政區劃數據，并對數據進行投影轉換。投影選擇為WGS1984。利用這些數據進行相關的裁剪、面積統計及制圖工作。利用已準備好的省界范圍，在GIS fishnet工具的幫助下完成對研究區經度圖和緯度圖的制作。高程數據為30 m空間分辨率(https://wist.echo.nasa.gov/)。將數據利用ENVI mosaicking工具進行拼接，對拼接后結果用研究區行政區劃矢量圖進行裁剪，以上所有數據按WGS1984進行投影轉換和柵格重采樣。

1.2 方 法

1.2.1 棉花障礙型冷害判定指標的選擇

根據相關棉花障礙型冷害研究成果[27]，選取日平均溫度≤20℃連續3 d作為棉花障礙型冷害的判定指標參照該指標對研究區66個氣象站點1951至2015年逐日平均溫度進行相應冷害指標統計。

1.2.2 棉花障礙型冷害風險指標模型的構建

利用棉花障礙型冷害判定指標，對新疆66個氣象站點1951～2015年歷年的數據進行了統計，分別計算了各年7～9月障礙型冷害發生的次數，每次冷害持續的天數，每次冷害中低于20℃的量值。將每個氣象站點歷史上每次冷害平均持續日數和平均日降溫幅度相乘作為該站點次冷害平均強度，結果用于冷害風險指標的構建。

(1)

將站點歷史冷害發生次數除以統計年代序列長度得到冷害的年發生頻率。

(2)

Yj是j站點統計的年代序列長度，每個氣象站因建站時間和數據的部分缺失原因造成該值會有一些波動，因此,需要對每個站分別確定該值。

將以上得到的次冷害平均強度與冷害的年發生頻率相乘得年冷害平均強度。

(3)

按照冷害是否發生來判斷冷害年，若1年內有一次以上的冷害發生則將該年判斷為冷害年，計數為1，統計每一個氣象站點歷史上發生冷害的年份，將該值與統計的年代序列長度相除即為冷害年的頻率。

(4)

Pi是j站點冷害年頻率。nj是j站點歷史上冷害發生年份。

將以上得到的年冷害平均強度乘以冷害年的頻率得到年冷害風險指標。

(5)

1.2.3 無測點棉花障礙型冷害風險指標的推算

研究發現若將氣象站點經度(α)、緯度(β)和海拔高度(λ)值作歸一化處理，將歸一化處理結果按公式6計算，獲取地理因子加合趨勢面。

(6)

將該結果進行溫度趨勢面校正，其中溫度趨勢面為2000～2016年各年9月夜間陸地溫度月平均值，構建新的變量Xj。

(7)

(8)

(9)

1.2.4 棉花障礙型冷害風險指標各等級臨界閾值劃分

分析棉花障礙型冷害年強度和年頻率的相關性，依據二者之間函數關系，構建棉花冷害年頻率和年強度關系方程(擬合樣本數n為45，其中R2為0.95)，方程F值為273.06，達到0.01極顯著水平。可以利用冷害年頻率等級來確定相應的冷害年強度等級，將兩者相乘，實現冷害風險指標各臨界閾值的客觀劃分。表1，圖2，圖5

圖3 新疆棉花花鈴期冷害歸一化變量與年冷害分析指標關系
Fig.3 Relationship between normalized variables of cotton chilling injury at flowering and boll stage and annual chilling injury analysis indexes in Xinjiang

(10)

2 結果與分析

2.1 經度、緯度和海拔高度歸一化

研究表明，歸一化加合值與棉花障礙型冷害風險指標值之間呈正比關系，歸一化加合值越高冷害風險越大。通過計算獲取了2000～2016年9月夜間月平均陸地表面溫度趨勢圖，趨勢圖中溫度越高棉花冷害風險越低，溫度越低棉花冷害風險越高，該圖主要起到對地理因子歸一化趨勢面加合結果校正的作用，使結果能夠充分體現地表實際狀況對棉花障礙型冷害的影響。圖6，圖7

南疆、吐魯番以及北疆西部沿天山地區棉花冷害風險等級較低，適宜棉花種植。北疆東部、北部及全疆山脈地區棉花冷害風險等級較高，不適宜棉花耕種。

利用未參與建模的21個氣象觀測站點的實測數據進行驗證表明，實測點和擬合點之間符合1∶1比例，且模型實測值和擬合值無顯著差異，二者散點圖的擬合精度值R2為0.97。圖6～9

圖4 新疆棉花冷害頻強關系
Fig.4 Relation diagram of chilling injury frequency intensity of cotton in Xinjiang

圖5 研究方法流程
Fig.5 Flow chart of research method

圖6 地理因子歸一化加合的趨勢面
Fig.6 Summing trend surface of geographical factors normalization

圖7 2000～2016年9月夜間月平均溫度趨勢
Fig.7 Trend map of 9-month average temperature at night from 2000 to 2016

圖8 新疆棉花障礙型冷害風險評估結果
Fig.8 Risk assessment result of cotton sterile-type chilling injury in Xinjiang

3 討 論

研究采用的地理因子歸一化加合趨勢面+溫度趨勢面訂正的方法，與僅基于氣象站點冷害風險指標值空間插值的方法[9,13,24]比較，在空間精度上有了提高；與冷害風險指標值回歸+殘差訂正的方法比較，研究更充分的考慮了地物信息對冷害風險指標值的影響，雖然在個別訂正點上精度不如回歸+殘差訂正的方法高，但是在整體趨勢上，研究結論更具參考價值。為體現溫度趨勢面對冷害風險指標值的影響，研究單獨制作了僅基于地理因子歸一化加合變量的冷害風險指標推算結果，可以看出兩者結果雖然在趨勢上基本相同，體現在北疆西部綠洲和荒漠區的指標等級對比差異上，可以更好的體現兩種地物的不同。

研究采用的棉花冷害等級劃分方法，依據冷害年頻率和年強度的函數關系，通過冷害年頻率等級確定相應的冷害年強度等級，理論上可以實現任意概率風險下的臨界閾值劃分，相較于前人試驗僅僅根據年冷害發生次數作為指標劃分3至5個等級而言，劃分梯度更加細致。相比于自然裂點[8]、層級分析[28]等方法確定的等級臨界閾值來說，劃分更為客觀。

圖9 冷害風險指標模型模擬結果驗證
Fig. 9 Verification of simulated results of low temperature risk index

研究結果表明，新疆棉花障礙型冷害發生概率北疆高于南疆，北疆棉花冷害風險自西向東逐漸增加，與之相對應的棉花種植比例逐漸降低。即棉花種植比例高的地區，冷害風險評估等級低。棉花種植比例低的地區，冷害風險評估等級高。結果與新疆棉花種植積溫分布圖的研究結果也能符合，以上可進一步表明研究結果的正確性。

該研究僅針對棉花冷害氣象條件進行了風險評估，風險評估涉及相關因素較多，目前在評估指標的選取上并沒有統一的定義及標準，沒有充分考慮棉花品種、抗寒性、風力及降水量對風險評估等級的影響，在試驗中亦無法完全刨除其對實驗的影響。另外沒有對棉花冷害損失進行相應風險評估。因此，研究結果并不十分全面，結果仍有待進一步提高。

圖10 新疆棉花回歸趨勢
Fig.10 Regression trend of cotton in Xinjiang

圖11 新疆棉花“回歸-殘差”趨勢
Fig.11 Trend chart of regression-residual of cotton in Xinjiang

4 結 論

南疆棉花花鈴期受到冷害風險低于北疆，熱量條件整體較好。北疆棉花種植區冷害風險自西向東逐漸增高，該規律與棉花種植比例和熱量分布規律相反，北疆棉區更易受到冷害侵襲，是生產中需重點關注的問題。新疆棉花障礙型冷害發生風險北疆高于南疆和東疆，北疆西部沿天山一帶棉花種植區冷害風險自西向東逐漸增加。模型模擬冷害風險指標值與站點實測計算值之間無明顯差異，兩者散點圖線性擬合R2為0.97，結果準確。低溫冷害風險等級總體呈現出東強西弱的特點。該方法不僅適用于棉花冷害風險評估，還可適用于其他作物冷害風險評估。