近地面臭氧污染對江蘇省冬小麥產量的影響評估

王倩 劉苗苗

摘要 江蘇省是全國冬小麥主產區，同時也面臨著嚴重的臭氧污染。基于大氣污染環境建模研究得到精細化、長時間尺度臭氧濃度數據，以江蘇省下轄97個縣級行政區為研究單元，結合AOT40的暴露響應關系，評估2007—2019年臭氧污染導致的冬小麥產量損失。結果表明，2007—2019年冬小麥生長期AOT40的范圍為10.71～22.14 ppm·h，在2017年達到峰值。2015年以前蘇南污染較為嚴重，近五年來蘇北地區，特別是徐州臭氧污染加劇。冬小麥總產量的51.6%暴露在15.0～17.5 ppm·h的臭氧劑量。2007—2019年，江蘇省冬小麥年相對產量損失范圍為14.42%～23.92%，年產量損失達275～544萬t，約相當于2.5～5千萬人的糧食消費。臭氧污染對江蘇省冬小麥生產造成了較為嚴重的威脅，應當采取有效的大氣污染防治措施進一步減輕污染水平，保障糧食生產安全。

關鍵詞 臭氧污染;AOT40;冬小麥;產量損失

中圖分類號：S512.1 文獻標識碼：A 文章編號：2095–3305（2021）05–0016–04

近年來，臭氧污染逐漸凸顯。2019年，我國臭氧年平均濃度達148 μg/m3，與2018年同比上升6.5%，以臭氧為首要污染物的超標天數占總超標天數的41.8%。站點監測數據顯示，江蘇省臭氧已取代細顆粒物污染（PM2.5），成為空氣首要污染物。

大量研究證實，小麥、水稻、玉米、大豆等對臭氧污染敏感，其中冬小麥是臭氧敏感性最高的作物類型[1-5]。暴露響應關系法是評估農作物臭氧減產風險的主要方法。趙輝等[6]通過計算省年均臭氧濃度均值，評估了臭氧對全國2015—2018年農作物產量的影響。葉聽聽等[7]采用經驗貝葉斯克里金法對臭氧監測數據進行了空間插值，以縣級行政區為研究單元對2014年長三角地區冬小麥產量損失進行了評估。Feng等[8]和Hu等[9]分別基于臭氧監測數據，通過克里金空間插值估算區縣臭氧暴露從而評估了2014—2017年華北平原地表臭氧造成的小麥和玉米產量損失。但僅依據臭氧監測數據自身分布規律進行簡單插值，未考慮到土地覆蓋類型、氣象條件等對臭氧分布的影響，大大降低了評估結果的可靠性。

基于大氣污染環境建模得到精細化、長時間尺度臭氧濃度數據，以江蘇省下轄97個縣級行政區（以下簡稱區縣）為研究單元，結合AOT40的暴露響應關系，評估2007—2019年臭氧污染導致的冬小麥產量損失，以提高臭氧對江蘇省農作物產量損失評估的精準性。

1 研究方法

1.1 數據來源與預處理

1.1.1 臭氧模擬數據 以Liu等[10]以往論文中的建模基本思路和主要數據為基礎，利用臭氧監測數據，結合氣象資料、化學傳輸模式擬數據和土地利用等資料，基于隨機森林模型算法開發統計模型，估算了我國2007—2019年逐日的0.1°×0.1°的臭氧暴露指標AOT40數據，并通過交叉驗證證明了預測數據具有較高的可靠性。本研究采用了這一臭氧模擬數據。

1.1.2 冬小麥年產量 江蘇省下轄97個區縣2007—2019年水稻和冬小麥的年產量來源于中國縣域統計年鑒。由于部分市轄區農業生產活動比重較小，統計年鑒中以兩個或兩個以上區域的產量合并顯示，本研究在計算臭氧減產效應時將其合并單元作為一個研究單元處理。

1.1.3 生長發育期 冬小麥生長發育期數據來自中國氣象數據網公布的中國農作物生長發育旬值數據集，其中江蘇省有24個監測站點（圖1）。數據時間范圍為1991年9月—2014年4月。首先，基于數據的旬作物名稱、發育期名稱和發育期日期3個參數，計算每個站點冬小麥年均揚花期。然后參考Zhu等[11]的研究，選擇冬小麥生長期為從揚花期開始前44天到其后的30天為冬小麥生長期。并用普通克里金法插值到與臭氧模擬數據相同的0.1°×0.1°網格上。

1.2 生長期臭氧暴露表征

根據生長期網格插值數據，將每個網格冬小麥生長期中逐日的AOT40累加，得到每個網格每年水稻和冬小麥生長期的臭氧暴露指標AOT40。在區縣研究單元上取平均值后，得到各區縣每年水冬小麥生長期的臭氧暴露劑量AOT40值。

1.3 冬小麥產量損失計算

冬小麥相對產量對臭氧暴露AOT40的響應函數參考Feng等[12]的研究，計算公式如（1）、（2）、（3）所示：

RY=-0.1296×AOT40+1? ? ? ? ? ? ?（1）

RYL=1-RY? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （2）

WPL=RYL×WP/（1-RYL）? ? ? ? ? ? ? ?（3）

其中，RY相對產量;RYL表示相對產量損失;WP表示冬小麥的年產量（t）;WPL表示冬小麥的年產量損失（t），即不受臭氧污染影響的冬小麥理論產量與實際產量之間的差值。

計算出各區縣冬小麥產量損失后，累加至城市尺度得到每個地級市的的產量損失，并進一步加和得到江蘇省總的產量損失。江蘇省的相對產量損失由總產損失除以不受臭氧污染的理論總產量計算得出。

2 結果與討論

2.1 生長期分布

江蘇省各地冬小麥起始生長期集中在3月1日—3月15日，生長期結束日期在5月14日—5月28日。其中蘇南地區的冬小麥生長期相比于蘇北地區起始期更早一些。連云港、宿遷、淮安、鹽城、徐州冬小麥起始生長期集中于3月8日—3月15日;南京、鎮江、南通、泰州、揚州、無錫、蘇州、常州冬小麥起始生長期集中在3月1日—3月5日，比蘇北地區普遍提前1周左右。這可能與蘇南地區比蘇北地區升溫更早、溫度更高有關。

研究結果與前人研究中根據經驗判定或者田間試驗觀測到的江蘇省冬小麥生長期能較好匹配。以往對江蘇省或長三角的有關研究中，趙輝等[11]選擇3月22日—5月22日為江蘇省冬小麥生長期;葉聽聽等[7]選擇3—5月作為長三角冬小麥生長期;Feng等[12]將南京市冬小麥生長期定為3月15日—5月15日;Wang等[13]通過田間實驗觀測，2004—2008年冬小麥生長期起始于3月15—20日之間，終止于4月28日—5月13日。

2.2 生長期AOT40時空分布

研究時期內，所有區縣年生長期AOT40的范圍為10.71～22.14 ppm·h;2007—2019年AOT40平均值分別為17.52、16.14、16.52、12.73、17.27、16.06、14.85、13.65、13.8、15.37、19.44、17.88、16.20 ppm·h（圖2）。時間趨勢上，除極端年份2010年以外，2007—2012年AOT40較為穩定，均值維持在16～18 ppm·h之間。2013—2017年AOT40總體呈緩慢上升趨勢，到2017年達到峰值后，隨著近兩年環境監管力度的加強和相關污染防治措施的實施，臭氧水平顯著下降。

冬小麥生長期AOT40在空間分布上呈現出明顯的區域差異性（圖3）。多年AOT40平均值的高值依次出現在揚州（16.56 ppm·h）、徐州（16.34 ppm·h）和鹽城（16.31 ppm·h）;多年AOT40平均值的最低值出現在無錫（15.33 ppm·h），其次是南通（15.58 ppm·h）和宿遷（15.67 ppm·h）。區縣尺度上，2015年以前，AOT40高值主要分布在蘇南地區，特別是蘇州南部、無錫北部、常州東部和揚州全域;近五年蘇北地區臭氧污染加劇，冬小麥生長期AOT40趕超蘇南地區，特別是徐州西北部和鹽城西部較為嚴重。

將研究期間江蘇省各區縣同一臭氧暴露水平下的年產量進行匯總，分析不同暴露水平的產量分布（圖4）。冬小麥生長期臭氧暴露劑量AOT40在10～23 ppm·h，其中，研究期間冬小麥總產量的51.6%分布在臭氧暴露劑量15.0～17.5 ppm·h;其次，總產量的31.3%分布在臭氧暴露劑量10～15 ppm·h，較少的產量（4.7%）分布在20 ppm·h以上。

2.3 相對產量損失與產量損失

江蘇省2007—2019年冬小麥年相對產量損失分別為21.69%、20.89%、21.10%、16.56%、21.92%、20.96%、19.30%、17.55%、17.77%、20.87%、23.92%、22.91%和21.17%（圖5），與冬小麥生長期臭氧暴露劑量A0T40分布一致。2007—2019年13個地級市中相對產量損失最高的地區分別是揚州（22.58%）、泰州（21.95%）、揚州（22.32%）、泰州（17.14%）、蘇州（23.70%）、徐州（21.79%）、鹽城（21.08%）、淮安（19.46%）、揚州（18.97%）、鹽城（21.88%）、宿遷（27.61%）、徐州（25.32%）和南京（23.94%）。2011年以前，蘇南地區冬小麥相對產量損失較為嚴重，隨后，由于臭氧污染在蘇北地區的加劇，使得近10年臭氧污染對蘇北地區冬小麥減產效應加劇。

2007—2019年江蘇省每年冬小麥總產量范圍為1.05×107～1.41×107 t，臭氧污染導致的產量損失依次為3.25×106、3.56×106、3.70×106、2.75×106、4.10×106、3.87×106、3.52×106、3.27×106、3.32×106、3.95×106、5.44×106、4.74×106和4.28×106（圖6）。年平均冬小麥產量損失相當于2.5～5千萬人一年的糧食消費量。

2007—2019年，年冬小麥產量最高的地區是鹽城和徐州，同時它們也是研究期內每年冬小麥產量損失最嚴重的地區，鹽城年平均產量損失為5.91×105 t;徐州年平均產量損失為5.83×105 t。年平均損失量最小的地區是南京（6.39×104 t），其次是無錫（6.79×104 t）。由于蘇北地區的臭氧污染逐漸加劇以及農業生產規模不斷擴大，其遭受臭氧污染造成的作物減產顯著高于蘇南地區。

目前，以區縣為單元研究高精度尺度上臭氧減產效應的研究較少。Feng等與本研究方法較為相似，同樣以區縣為研究單元，但其僅將臭氧監測數據做簡單空間插值，結果表明2014—2019年長三角的冬小麥相對產量損失為4.9%～11.4%，由于未考慮農村與城市臭氧濃度分布的差異，導致低估了臭氧對冬小麥的損失影響。對照田間暴露試驗結果，Wang等[13]從2004到2008年分別在嘉興和江都開展了較長時間的臭氧對冬小麥影響的觀測試驗，結果表明，在處理組目標臭氧濃度160～214 μg/m3情景下，AOT40為1.58～22.61 ppm·h，開頂式氣室試驗（OTC）和自由通風開放式無氣室試驗（O3-FACE）分別導致冬小麥實際減產8.5%～58%和10%～25%。本研究評估結果在暴露試驗觀測結果范圍內，驗證了研究結果的可靠性。

3 結論

（1）2007—2019年，江蘇省所有區縣冬小麥生長期AOT40范圍為10.71～22.14 ppm·h。時間趨勢上，AOT40平均值總體呈波動緩慢上升趨勢，2010年AOT40平均值最低，2017年達到峰值后，近兩年下降趨勢明顯。空間分布上，呈現明顯的區域差異性，近五年來蘇北地區，特別是徐州臭氧污染較為嚴重。省內冬小麥總產量的一半以上（51.6%）暴露在AOT40為15～17.5 ppm·h的臭氧劑量中。

（2）2007—2019年，江蘇省冬小麥年相對產量損失范圍為14.42%～23.92%，年產量損失達2.75×106～5.44×106 t，相當于2.5～5千萬人一年的糧食消費量。研究時期內，年平均冬小麥產量損失最嚴重的地區是鹽城（5.91×105 t），其次是徐州（5.83×105 t）。年平均損失量最小的地區是南京（6.39×104 t），其次是無錫（6.79×104 t）。由于蘇北地區的臭氧污染逐漸加劇以及農業生產規模不斷擴大，其遭受臭氧污染造成的作物減產顯著高于蘇南地區。

參考文獻

[1] 陳展，王效科，謝居清，等.水稻灌漿期臭氧暴露對產量形成的影響[J].生態毒理學報， 2007（2）： 208-213.

[2] 李彩虹，李勇，烏云塔娜，等.高濃度臭氧對大豆生長發育及產量的影響[J].應用生態學報， 2010， 21（9）： 2347-2352.

[3] Peng J L，Shang B， Xu Y S， et al. Ozone exposure-and flux-yield response relat-ionships for maize[J]. Environmental pollution （Barking， Essex： 1987）， 2019， 252（Pt A）： 1-7.

[4] Feng Z W， Jin M H， Zhang F Z，et al. Effects of ground-level ozone （O3） pollution on the yields of rice and winter wheat in the Yangtze River Delta[J]. Journal of Environmental Sciences， 2003（3）： 360-362.

[5] 耿春梅，王宗爽，任麗紅，等.大氣臭氧濃度升高對農作物產量的影響[J].環境科學研究， 2014， 27（3）： 239-245.

[6] Zhao H， Zheng Y， Zhang Y， et al. Evaluating the effects of surface O3 on three main food crops across China?during 2015-2018[J]. Environmental Pollution， 2020（258）： 113794.

[7] 葉聽聽，江飛，易福金，等.長三角地區春季臭氧污染特征及其對冬小麥產量的影響[J]. 環境科學研究， 2017， 30（7）： 991-1000.

[8] Feng Z Z， Hu T J， Amos P K T， et al. Yield and economic losses in maize caused by ambient ozone in the North China Plain （2014–2017）[J]. Science of the Total Environment， 2020（722）： 908-914.

[9] Hu T J， Liu S， Xu Y S， etal.Assessment of O3-induced yield and economic losses for wheat in the North China Plain from 2014 to 2017， China[J].Environmental Pollution， 2020， 258（5）： 113.

[10] Liu R， Ma Z， Liu Y， et al. Spatiotemporal distributions of surface ozone levels in China from 2005 to 2017： A machine learning approach[J]. Environment International， 2020（142）： 105.

[11] Zhu X， Feng Z， Sun T， etal. Effects of elevated ozone concentration on yield of four Chinese cultivars of winter wheat under fully open-air field conditions[J]. Global Change Biology， 2011， 17（8）： 2697-2706.

[12] Feng Z Z， Tang H Y， Uddling J， et al. A stomatal ozone flux-response relationship to assess ozone-induced yield loss of winter wheat in subtropical China[J]. Environmental Pollution， 2012（164）： 16-23.

[13] Wang X， Zhang Q， Zheng F， et al. Effects of elevated O3 concentration on winter wheat and rice yields in the Yangtze River Delta， China[J]. Environmental Pollution， 2012（171）： 118-125.

責任編輯：黃艷飛