廣西水稻優勢產區早稻抽穗影響期高溫時空分布及熱害情況

蒙小寒，莫申萍，許藝馨，梁瑩露，梁 聰

(廣西壯族自治區貴港市氣象局，廣西 貴港 537100)

氣象學上一般把日最高氣溫達到或超過35 ℃時稱為高溫。高溫天氣會加劇土壤水分蒸發和作物蒸騰作用，高溫少雨同時出現時，就會造成土壤失墑嚴重，加速旱情的發展，該種類災害一旦出現持續時間長或者高溫極端值高，會對農業生產造成大面積且較為嚴重的危害，水稻產量和品質受到影響且嚴重威脅我國糧食安全。潘熙曙[1]和Chalinor[2]等認為水稻是一種對溫度條件非常敏感的作物，在各個生長發育階段都有一定的最低適宜溫度和最高臨界溫度，環境溫度過高或過低都不利于干物質的累積。廣西作為我國的水稻主產區之一，是水稻高溫熱害的重災區，在全球氣候變暖的背景下，廣西水稻產區高溫熱害呈增多趨勢，高溫熱害嚴重影響著廣西水稻的產量及品質[3-5]。由于高溫熱害具有發生頻率高、強度大、影響范圍廣的特點，因此其受到了氣象部門和農業部門的關注。近年來，前人對我國水稻“寒露風”，水稻種植分布及其對氣候變化的響應，以及長江流域、西南等我國高溫熱害易發區的水稻高溫熱害分布規律等研究較多[6-9]，而針對廣西水稻高溫熱害時空變化規律的報道比較少見，精細分析水稻高溫熱害時空分布的研究更為少見，本研究通過線性回歸以及db小波和Morlet小波等分析方法，進一步了解廣西高溫發生橫向周期性以及縱向差異分布特征，有利于趨利避害、合理安排生產以及為開展相關研究提供參考。

1 資料和方法

1.1 資料和方法

選取桂林、柳州、來賓、南寧、欽州、貴港、玉林、梧州、賀州等廣西9個主要水稻優勢產區的地市(以下簡稱站點)1970～2018年的早稻敏感期高溫時段逐日氣溫、日最高氣溫的資料，然后運用滑動平均法、Morlet小波分析、db小波分析等方法進行研究，揭示廣西近49 a早稻抽穗期的高溫天氣變化特征。9個主要水稻優勢產區站點地理分布如圖1所示，欽州、玉林、南寧站點位于桂南，梧州、賀州位于桂東，桂林、柳州位于桂北，來賓、貴港位于桂中。

李萬成[10]和Yang[11]等的相關研究表明，早稻生長發育過程中高溫敏感關鍵期是抽穗揚花期，通常在水稻抽穗～灌漿早期 (一般是抽穗后 0～10 d)，高溫對產量的影響最大；其次是減數分裂期；對產量影響最小的是灌漿中期 (一般是抽穗后 11～20 d)。根據廣西水稻種植經驗，春播期由桂南向桂北(桂南于3月9日左右進入播種期，桂北于4月4日左右進入播種期)逐漸延遲，孕穗期(桂南于5月29日左右進入孕穗期，桂北于6月11日左右進入孕穗期)和抽穗期(桂南于6月10日左右抽穗，桂北于6月24日左右抽穗)也是南早北遲。結合廣西水稻進入生殖生長期情況，并綜合考慮歷年高溫集中出現的時間及頻次，本文中高溫數據統計時間定為每年6月1日～7月20日(以下簡稱抽穗影響期)，也就是廣西早稻的孕穗始期到抽穗后20 d。

本研究根據大多數學者的研究結果，把日平均氣溫≥ 30 ℃或日最高氣溫≥35 ℃連續 3 d 及以上作為水稻抽穗開花期高溫熱害發生的基礎指標，并將持續 3 d 及以上的高溫作為一次高溫過程；參考前人的研究[12-15]，依據早稻抽穗開花期日平均氣溫(Tmean)≥30 ℃或日最高氣溫(Tmax)≥35 ℃的連續日數，將高溫熱害程度劃分為 3 個等級，結果見表1。

圖1 廣西9個水稻優勢產區所在地市的地理位置分布圖

1.2 Morlet小波分析

用Morlet復數小波分析高溫熱害(各站點最高氣溫)的時序周期變化特征。該小波是Gauss 包絡下的單頻率復正弦函數，在時域和頻域內具有較好的局部聚集性[16-18]。Morlet 復數小波函數為公式(1)。

φ(t)=π-1/4eiw0te-t2/2

(1)

式(1)中：t為自變量；ωo為無量綱頻率，其值取6[19]。

對于時間序列xb*(b*=0,1,2,…,N-1,N為時間序列的長度)，其小波變換公式如下：

(2)

式(2)中：ωb(a,b)為小波變換系數；φ*表示其共軛復函數；a為尺度因子；b為時間平移因子；δt為采樣時間間隔。

1.3 db小波分析

如圖2所示，db小波沒有具體的解析式，但具有較好的正則(有規律)，擴展性好，可以比較靈活地權衡增加支集長度(為了提高能量的集中程度)帶來的邊界問題[20]。小波函數φ與尺度函數Φ的有效支撐長度為2N-1，N越大重構的曲線越光滑。

圖2 db小波多層分解示意圖

2 結果與分析

2.1 近49 a廣西早稻抽穗影響期高溫熱害總特征分析

受全球氣候變暖的影響，廣西9個站點平均氣溫變化呈增溫趨勢，近49 a其抽穗影響期平均氣溫顯示為增溫傾向(圖3)，傾斜率為0.096 ℃/10 a。從抽穗影響期最高氣溫圖(圖4)上看，最高氣溫趨勢從20世紀70年代到80年代初是一個直線下降的趨勢，從80年代初到80年代末呈現逐步上升趨勢，并且在1989年有一個峰值，從90年代初到90年代末呈大幅下降趨勢并達到低谷，隨即從1997年到2014年又是重新逐步上升的過程。抽穗影響期最高氣溫與高溫天數有所不同的是，最高氣溫在2011～2015年間呈下降趨勢，最高氣溫天數卻呈上升態勢，這與當年熱帶氣旋活動的活躍度有密切聯系。

圖3 水稻抽穗影響期平均氣溫及趨勢變化圖

1970～2018年廣西9個站點早稻抽穗期出現日平均氣溫≥30 ℃或日最高氣溫≥35 ℃的天數(記為TG)，抽穗影響期各年際高溫持續的熱害程度見表2。80年代則相對較高，而90年代出現的高溫熱害相對低，其中各年際輕度熱害占比相近，中度熱害則以2000～2009年較為嚴重，2010～2018年相對較輕，而重度熱害則體現出70～80年代較嚴重，90年代較輕，2000年后又趨于嚴重的態勢。由于各地市所處的地理位置和地形差異，受害的比例以及程度分類也會存在空間差異，從表3中可以看出：在廣西9個站點中，受高溫熱害影響較大的是貴港、梧州、賀州，這3個地市都處于桂東；受高溫熱害影響較小的是欽州，49 a里欽州沒有出現過一次重度高溫熱害，即重度高溫熱害比例為0。對廣西9個站點而言，高溫熱害頻率總體呈東部高、南北低的分布特征，高值區位于桂東地區，熱害發生頻率在60%以上；低值區位于南部和北部地區，發生頻率<50%。平均每年在抽穗影響期內高溫天氣的概率為13.1%，約7 d；受高溫影響而形成熱害的概率為59%，其中輕度影響占24%，中度影響占16%、重度影響占19%。

表3 廣西9個站點早稻抽穗影響期49 a高溫熱害的分類統計結果

2.2 Morlet小波分析抽穗影響期高溫時間分布特征

為了更清楚了解廣西9個站點近49 a的抽穗影響期前后50 d高溫的周期性變化，選用Morlet小波分析1970～2018年日最高氣溫序列。因研究需要負的小波系數不在圖例中顯示，正的小波系數越大則對應日最高氣溫越高，小波系數絕對值越大則表明該時間尺度變化越顯著[21]。以50 d為年尺度的小波分析等值線如圖5所示，70年代中、80年代初、2000年、2010年以及2018年分別出現了全區大范圍的高溫過程，其中70年代中和80年代初以及2018年的過程9個站點均有較為明顯的體現，欽州在幾次高溫過程中波動都相對較小。目前廣西9個站點受影響的實部等值線圖中的等值中心還未閉合，表明未來幾年廣西9個站點在抽穗影響期內出現極端高溫過程的可能性較大。

根據小波方差圖6可知：桂林、來賓、柳州、貴港、梧州、賀州6個站點每年抽穗影響期最高氣溫大致經歷了2個明顯的周期變化，即42 d的主周期變化和22 d的次周期變化；而南寧、欽州、玉林站點最高氣溫僅存在22 d的主周期變化。結合廣西9個站點所處的地理位置分析，桂中和桂南的南寧、欽州、玉林3個站點最高氣溫表現通常是在每年孕穗始期后的第22天，而桂北和桂東的桂林、來賓、柳州、貴港、梧州、賀州6個站點則在每年孕穗始期后的第22天和42天出現兩次明顯的高溫過程。

2.3 db小波分析空間分布特征

由表4可以看出，廣西9個站點抽穗影響期的平均日最高氣溫除欽州<35 ℃外，其它各地市年最高氣溫均值都較為接近且>35 ℃。由于各個站點都有其地理位置的特殊性、地形差異以及受夏季副熱帶高壓西伸、臺風外圍氣流下沉等影響的差異，各站點的高溫天氣存在空間差異。

本研究選擇db小波來探討廣西高溫天氣的空間水平分布，根據測試不同的消失矩N最終確定利用db5。用小波變換方法對廣西9個站點的日最高氣溫序列進行5層分解重構。其中高頻系數為D1～D5，由整體信息構成低頻系數A5，比原時間序列圖更加平滑。圖7可以清晰反映出日最高氣溫相對偏高的對應日期，根據各站低頻系數A5的不同可反映空間差異。

圖5 9個站點Morlet小波分析二維等值線圖

圖6 9個站點小波方差圖

表4 廣西9個站點在水稻抽穗影響期的年最高氣溫均值 ℃

圖8 廣西9個站點抽穗影響期db5小波分解日最高氣溫的低頻分量(A5)重構圖

圖8為廣西9個站點db5小波分解日最高氣溫的低頻分量(A5)重構圖，高溫高發期一般出現在每年7～8月。抽選各站49 a中同一高溫過程A5最高值分析發現，高溫發生時最高氣溫的排列為：梧州>賀州>貴港，最高氣溫變化沒有明顯突變的是欽州，桂林的變化幅度也較小。從圖8中還可以看出高溫天氣的空間分布規律是桂東強、桂南桂北弱的時段。各站點在水稻抽穗影響期內容易發生高溫天氣過程普遍為6月中旬和7月中旬。

3 結論與討論

研究1970～2018年廣西9個站點的早稻生產數據，平均每年在抽穗影響期內高溫天氣的概率為13.1%，約7 d；受高溫影響形成熱害的概率為59%，其中輕度影響占24%，中度影響占16%，重度影響占19%。由于廣西9個站點所處的地理位置差異，桂東的梧州、賀州、貴港3市TG天數和熱害比例均居9市之前列。

通過Morlet小波分析可知， 80年代初出現了最明顯的全區性高溫天氣過程，其中欽州的過程波動值相對較小。其次是2002年的高溫天氣過程，9個站點中桂林的最高氣溫偏高較大，其它8個站點最高氣溫偏高較小。再則是2018年的高溫過程不容忽視，在整個影響期內高溫過程出現的頻率大，持續時間較長。在每年的抽穗影響期，9個站點中桂北和桂東的桂林、來賓、柳州、貴港、梧州、賀州6個站點最高氣溫大致經歷了2個明顯的周期變化，即42 d的主周期變化和22 d的次周期變化；另外3個站點則只出現了22 d的周期變化。

對廣西9個站點db5小波分解最高氣溫的低頻分析(A5)重構圖進行分析，發現A5低頻系數表現為梧州>賀州>貴港，說明這3個站點在廣西9個站點中日最高氣溫偏高，位居前三；日最高氣溫變化沒有明顯偏高的是欽州、桂林，即桂東強、桂南桂北弱的形勢。采用db小波對日最高氣溫進行小波分析可以有效直觀地看出各站高溫熱害的空間差異，這可為進一步選擇水稻高溫耐性品種、合理安排水稻生產和防御高溫熱害提供科學依據。由于各地市的觀測數據僅為觀測本田的數據資料，實際上各市范圍內的播種種植進度有一定的差異，自動觀測也是單站觀測，對本研究分析結果有一定影響。