基于時序聚類的河南省冬小麥單產演變區域差異及其對氣候干濕變化的響應

黃進　王錦旗　張方敏

摘要： 依托17個地級市1988-2017年單產資料，運用時序聚類方法對河南省冬小麥產量變化模式進行了空間區域劃分。在氣候產量提取的基礎上，運用標準化降水指數（SPI）分析了不同區域冬小麥產量對氣候干濕變化的響應。結果顯示：基于單產時序特征的差異，通過K均值聚類將河南省劃分成西部、中西部、中北部、東部4個子區域；中北部和東部地區冬小麥的穩產、增產、高產水平較高，而西部地區冬小麥的氣候災害損失風險較高；2月SPI對西部及中西部地區的冬小麥產量有著顯著的正向效應，而5月和12月的SPI分別對東部、中北部地區的冬小麥產量有著顯著的負向效應；西部地區冬小麥產量對關鍵月份氣候干濕變化的響應更為敏感。

關鍵詞： 冬小麥；河南省；單產；時序聚類；標準化降水指數

中圖分類號： S162.3 文獻標識碼： A 文章編號： 1000-4440（2023）01-0073-08

Region difference of yield variability of winter wheat in Henan province based on temporal clustering and its response to climatic dry and wet variations

HUANG Jin， WANG Jin-qi， ZHANG Fang-min

（School of Applied Meteorology， Nanjing University of Information Science and Technology， Nanjing 210044， China）

Abstract： Based on the data of yield per unit area in 17 cities from 1988 to 2017， the spatial division of winter wheat yield changing modes in Henan province was carried out by using temporal clustering. On the basis of extraction of climatic yield， the responses of winter wheat yield to climatic dry and wet variations in different regions were explored by using standardized precipitation index （SPI）. The results showed that Henan province was divided into four sub-regions （western area， central-western area， central-northern area and eastern area） by K-means clustering based on the difference of temporal characteristics of yield per unit area. The level of stable production， increasing production and high production of winter wheat was higher in central-northern and eastern areas， while the risk of climate disaster loss was higher in western area. The SPI in February had significantly positive effects on the yield of winter wheat in western and central-western areas， while the SPI in May and SPI in December had significantly negative effects on the yield of winter wheat in eastern and central-northern areas， respectively. Winter wheat yield in western area was more sensitive to climatic dry and wet variations.

Key words： winter wheat;Henan province;yield per unit area;temporal clustering;standardized precipitation index

糧食穩產與高產是國家糧食安全、國民社會穩定、資源與環境可持續發展的重要基礎與保障^[1]。作物單產和播種面積是影響總產量的2個基本要素，而當前城市化、工業化和國民基礎建設的快速發展導致大量耕地被侵占，糧食生產面積萎縮，這使得提高作物單產成為未來糧食增產的關鍵途徑^[2]。因此，系統深入地分析糧食作物單產的時空演變格局，對指導糧食生產的布局優化、結構調整以及制定相關政策有著重要參考意義。伴隨數據資料的豐富與完善，中國學者圍繞糧食作物產量的變化速率、增產幅度、波動特征、振蕩周期等指標展開了卓有成效的研究，但整合這些特征信息進而實現作物生產風險區劃的研究還較少^[3-5]。

全球氣候系統正經歷以變暖為主要特征的變化，同時變暖也導致了全球范圍內降水的變化。降水異常導致雨澇、干旱對糧食安全的影響越發顯著，因此較為準確地判定糧食產量對氣候干濕異常的響應對降低糧食危機風險十分必要^[6-7]。河南省是中國冬小麥最主要的產區，種植面積約占全國小麥總面積的22.05%，其產量達到了全國冬小麥總產量的26.26%^[8]。水資源的時空分布不均影響著河南省冬小麥的種植安全。現有的研究著重探討了生育期內干旱事件的時空演變特征，但冬小麥對氣候干濕響應的區域差異性和季節差異性還鮮有人研究，特別是影響產量的重要干濕信號尚不明確^[7-10]。這不利于結合局部地區氣候特點對冬小麥農情作出合理診斷與生產決策。

本研究擬以1988-2017年河南省17個地級市冬小麥單產數據為基礎，運用時序聚類分析深入發掘冬小麥單產時空演變特征的區域差異，并采用標準化降水指數（SPI）構建河南省不同區域產量波動對氣候干濕變化的響應關系，為研究區冬小麥生產風險評估、關鍵農業氣象指標的甄別，以及合理灌溉、旱澇監測和穩產增產提供科學依據。

1 材料與方法

1.1 研究區概況

河南省地理位置為北緯31°23′～36°22′、東經110°21′～116°39′，地勢西高東低，為暖溫帶-亞熱帶、濕潤-半濕潤季風氣候。年均氣溫13～16 ℃，年均降水500～900 mm。

1.2 數據來源

河南省17個地級市（不包括濟源市）1988-2017年冬小麥單產數據來源于河南省多年統計年鑒。此外，河南省氣象局了提供了各地級市1987-2017年的逐月降水量數據。

1.3 研究方法

1.3.1 時序聚類分析 時序聚類分析被廣泛應用于氣象水文等領域，其核心是提取時間序列的統計特征值、時域特征值、頻域特征值，并構建相應矩陣進行聚類分析，進而快速識別出某指標時序演變特征的空間尺度相似性及差異性^[11]。時序聚類提供了一種靈活、快捷且識別度高的空間區劃方法，可有效滿足不同研究需要。王棟等^[12]基于干旱指數多年均值、枯水年份降水量負距平百分率、年降水變差系數等指標，運用K均值聚類實現了云南省干旱自然分區。張國棟等^[13]基于年降水量、年徑流深、年水面蒸發量等6 項水文因子的特征值，運用主成分-聚類分析實現了青海省水文分區。張洪波等^[14]基于流量變化改變率、頻率等生態水文改變指標，運用層次聚類法較為合理地識別出渭河生態水文聯系的變異分區。參考現有的研究成果，本研究構建了表1中的時序特征指標群。考慮到指標之間可能存在著共線性和冗余性，將13列（13種指標）×17行（17個地級市）的特征值矩陣導入統計軟件SPSS 21.0中進行主成分分析（PCA），以達到指標群降維的目的。前3個主成分（PC1、PC2、PC3）的累積方差貢獻率超過89%，且特征根均大于1，滿足提取要求。表1中PC1在Z統計量（Z Statistic）、赫斯特指數（H Index）、短周期振蕩分量方差貢獻率（CIMF1）、長周期振蕩分量方差貢獻率（CIMF3）、趨勢分量方差貢獻率（CTrend）這5個指標上的載荷較高，表征了單產序列的持續性趨勢特征；PC2在極差（Range）、標準偏差（STD）、變異系數（CV）、Sens斜率（Sens Slope）這4個指標上的載荷較高，表征了單產的躍遷幅度；PC3在最小值（Min）、最大值（Max）、平均值（Average）這3個指標上的載荷較高，表征了產量水平的高低差異。以新生成的主成分得分為待評對象，運用K均值聚類實現基于單產演變特征的分類，并通過輪廓系數和空間分布連續性準則對區劃結果進行篩選。

1.3.2 冬小麥單產對氣候干濕異常的響應分析 SPI由逐月降水量伽瑪分布概率的正態標準化得到，計算1個月、3個月、6個月尺度的SPI可以有效監測評估月、季節內的水分虧盈情況，特別是1個月尺度的SPI更是被廣泛用于探求作物產量對氣候干濕異常的響應^[15]。基于冬小麥單產時序聚類的空間區劃結果，通過區域平均構建不同分區的月降水序列。由此計算各分區1個月尺度下的SPI逐月序列，并從中提取生育期內（當年10月至來年5月）每個月的SPI逐年序列。

長時間序列的作物產量與氣候因子關系的統計研究中，一般將作物實際產量等同于趨勢產量與氣候產量之和，而趨勢產量為實際產量通過線性或非線性模型生成的擬合值。本研究分別運用集合經驗模態分解（EEMD）、線性回歸、Logistic函數、HP濾波提取各分區的冬小麥氣候產量與8組SPI序列進行相關分析，比較并篩選出顯著影響產量的關鍵月份SPI。將氣候產量和關鍵SPI經Min-Max標準化處理后的逐年序列分別記作Y和X，通過兩者的線性方程Y=a×X+b來量化氣候干濕變化對產量的可能影響。b為常數項；系數a表征產量對SPI變化的敏感性，及SPI每增加1%時產量的變化幅度。某一時期內，SPI變化對產量產生的影響由X的線性趨勢、年數、a這三者相乘得出，其結果也用百分數表達。

2 結果與分析

2.1 基于河南省冬小麥單產演變特征的空間區劃

將主成分分析生成各市對應PC1、PC2、PC3的得分為待評價樣本，構建成3列×17行的矩陣導入SPSS的K均值聚類模塊，并采用輪廓系數法對分區結果進行評估。基于冬小麥單產時序特征，河南省17個地級市劃分為3類、4類、5類、6類時的輪廓系數分別為0.32、0.40、0.36、0.33。圖1中聚類結果表明劃分為4類時的空間分布連續性最好，幾乎沒有出現孤立的地級市。因此，基于K均值聚類河南省17個地級市可以劃分為4個呈現不同冬小麥單產時序演變特征的子區域，大致為西部的三門峽市、洛陽市（區域Ⅰ），中西部的鄭州市、平頂山市、南陽市（區域Ⅱ），中北部的許昌市、開封市、焦作市、新鄉市、鶴壁市、濮陽市、安陽市（區域Ⅲ），東部的漯河市、商丘市、周口市、駐馬店市、信陽市（區域Ⅳ）。

2.2 河南省冬小麥單產演變特征的區域差異

不同分區冬小麥單產時序特征指標的統計值見表2。就產量趨勢而言，中北部（區域Ⅲ）與東部（區域Ⅳ）的Z Statistic分別高達6.9和6.5，而中西部（區域Ⅱ）與西部（區域Ⅰ）分別為5.2和4.2。這表明中北部及東部冬小麥單產的增加趨勢更為明顯。就表征產量增幅的指標Range而言，東部地區最高（4 736.9 kg/hm²），其次為中北部地區（3 561.2 kg/hm²），再次為西部地區（2 951.0 kg/hm²），最后為中西部地區（2 543.8 kg/hm²）。就表征產量水平的指標Average而言，中北部地區最高（5 770.9 kg/hm²），其次為東部地區（5 091.3 kg/hm²），再次為中西部地區（4 023.1 kg/hm²），最后為西部地區（3 536.3 kg/hm²）。總體而言，河南省中北部及東部地區冬小麥種植的穩產、增產、高產水平要明顯高于中西部及西部地區。

相同顏色的城市歸為一類分區，圖A、B、C、D中分區數量分別為3、4、5、6。

對各分區所屬地級市某一年的冬小麥單產計算平均值，進而由各年平均值構建出區域尺度下單產的逐年演變過程（圖2）。通過EEMD分析將圖2中的單產逐年序列解析為3個本征模函數（IMF）項和1個趨勢項。各分區單產的趨勢項均呈現出不同幅度的穩步逐年上升態勢，其對實際單產的方差貢獻率達到了64.8%～96.9%，這反映了技術革新、政策優化、農業建設等帶來的生產力逐年提升是冬小麥單產持續增加的主要驅動力。西部、中西部、中北部、東部4個分區冬小麥氣候產量對實際單產的方差貢獻率分別為35.2%、11.5%、3.1%、7.9%。西部地區產量的CTrend為63.9%，明顯低于其他區域（表2）。這表明氣候變化對河南省冬小麥產量的影響具有明顯的區域差異，西部地區冬小麥單產對氣候波動更為敏感。此外，圖2顯示，西部地區冬小麥氣候產量的波動幅度最大（-1 041.30～1 019.56 kg/hm²），其中氣候產量小于-650.00 kg/hm²的成災年次數高達4次。這也說明西部地區冬小麥的氣候災損風險更高。

2.3 河南省冬小麥單產對氣候干濕異常的響應

不同分區冬小麥氣候產量與生育期內各月份SPI相關分析結果（表3）顯示，與線性回歸、Logistic函數、HP濾波這3種常用方法相比，EEMD方法生成的氣候產量與SPI的相關性最為顯著，且有更多的SPI與之顯著相關。1月、2月、3月的SPI對區域Ⅰ的氣候產量有著顯著的正向效應，其SPI值越高則產量越高。相類似，2月、3月的SPI越高，區域Ⅱ的氣候產量越高。這表明1至3月份氣候越濕潤越有利于西部及中西部地區的冬小麥生產。12月SPI與5月SPI分別對區域Ⅲ和區域Ⅳ的氣候產量有顯著的負向效應，其SPI值越高則產量越低。這表明12月份氣候越濕潤則越不利于中北部地區冬小麥的產量形成，而5月份氣候越濕潤則越不利于東部地區冬小麥的產量形成。總體而言，關鍵月份的水分虧缺制約著西部及中西部地區的冬小麥生產，而水分偏多則不利于中北部及東部地區的冬小麥生產。

基于表3中相關系數的數值高低，篩選出2月、12月、5月的SPI（分別記做SPI_2、SPI_12、SPI_5）作為指示各分區冬小麥產量波動的關鍵干濕指標，對產量響應SPI變化進行量化（表4）。就整個研究期而言，區域Ⅰ冬小麥產量對SPI的變化最為敏感，其次為區域Ⅱ，再次為區域Ⅲ，最后為區域Ⅳ。SPI_2每增加1%導致西部與中西部地區產量分別增加0.66%和0.46%，而SPI_12與SPI_5每增加1%分別導致中北部與東部地區減產0.35%和0.30%。關鍵月份SPI近30年微弱變化帶來的產量影響較小，SPI_2的微弱減少導致西部與中西部地區分別減產0.06%和0.04%，SPI_12的微弱減少導致中北地區增產0.05%，SPI_5的微弱增加導致東部地區減產0.01%。

將研究期劃分為1988-1999年、2000-2009年、2010-2017年3個階段，發現西部及中西部地區產量對SPI_2的響應呈現更明顯的年代際差異。伴隨冬小麥產量對SPI_2敏感性的逐年代遞減，SPI_2變化對產量的影響也逐年代減弱。在西部地區，1988-1999年SPI_2的顯著減少導致了減產0.56%，2000-2009年SPI_2的顯著增加導致增產0.19%，而2010-2017年SPI_2微弱變化帶來的影響可以忽略。在中西部地區，1988-1999年SPI_2的顯著減少導致減產0.31%，2000-2009年SPI_2的微弱增加導致增產0.06%，2010-2017年SPI_2微弱增加導致增產0.01%。與西部及中西部地區相比，干濕異常對中北部及東部地區冬小麥產量的影響明顯較弱，3個階段內SPI變化對產量的影響均在-0.05%～0.07%范圍內浮動。總體而言，河南省西部地區冬小麥產量對氣候干濕異常的響應更為敏感，但這種響應在2010年后明顯減弱。

3 討論

基于冬小麥單產時序特征的聚類分析將河南省劃分成4個子區域，其中中北部和東部地區冬小麥穩產、增產、高產的水平較高，而中西部和西部地區的水平相對較低，特別是西部地區冬小麥單產對氣候波動更為敏感。河南省西部地區有太行山、伏牛山等山脈環繞分布，較高的地勢和山地地形限制了農業機械的規模化使用，加之山區氣候復雜、耕地質量較差和灌溉水平較低，因而冬小麥的生產受到了一定制約^[16]。王天慧^[17]使用作物氣象效率灰色投入產出模型以及張榮榮等^[6]采用面板非線性回歸模型均發現河南省西部地區為冬小麥種植的氣候高敏感區域。相較而言，基于單產時序特征的K均值聚類分析對數據要求簡單，操作快捷，結果可靠，為氣候變化背景下作物生產風險區劃提供了新的思路。

2月、5月、12月的SPI是指示研究區冬小麥氣候產量波動的關鍵指標，其中2月SPI與西部及中西部地區的產量呈顯著正相關，而5月和12月的SPI分別與東部、中北部地區的產量呈顯著負相關。年內降水分配不均導致河南省冬小麥返青期缺水較為為嚴重，其干旱風險自西向東逐漸降低，因此2月SPI越高則西部及中西部地區的產量越高^[8-9]。春季雨澇、濕漬災害多發生于河南省東部地區，灌漿期氣候偏濕不利于麥穗形成，這導致5月SPI越高則東部地區的產量越低^[18-19]。越冬期低溫冷害是河南省北部地區冬小麥種植的主要不利因素，多雨偏濕會加劇低溫寡照等不利天氣，因而12月SPI越高則中北部地區的產量越低^[20]。

各分區冬小麥氣候產量與關鍵月份SPI的線性關系量化了單產對干濕變化響應的區域差異，其中，西部地區產量波動對2月SPI的響應最為敏感。關鍵月份干濕變化對單產的影響在西部、中西部、東部呈現出逐年遞減態勢，這種減弱趨勢在西部地區尤為明顯。2010年以來西部地區2月份較為平緩的干濕變化以及穩步提升的農業抗旱能力共同減輕干旱災害對冬小麥產量的影響^[21-22]。加大農田水利等農業基礎投入有效降低了冬小麥低產區的氣候風險。與其他分區不同，2010-2017年中北部地區12月份顯著的變濕趨勢給單產帶來了不利影響。鑒于此，加強初冬期干濕狀況特別是連續陰雨事件的監測和預報，并完善田間水分管理和“三溝”配套，有助于降低小麥濕漬災害風險。

參考文獻：

[1] 文 倩，孫江濤，范利瑤，等. 基于熵權TOPSIS的河南省農業水土資源承載力時空分異與關聯分析[J].水土保持研究， 2022， 29 （1）： 333-338.

[2] 于元赫，吳 健，李子君，等. 山東省糧食生產時空格局演變及安全評價[J]. 中國農業大學學報， 2020， 25（9）： 176-186.

[3] 溫 靜，張 超，張麗君，等. 氣候變化下中國糧食生產時空演變及影響因素[J]. 河南大學學報（自然科學版）， 2020， 50（6）： 652-665.

[4] 吳靜芬，李 丁，劉笑杰，等.長江經濟帶糧食生產時空動態演變及影響因素分析[J]. 農業現代化研究， 2021， 42（3）： 407-417.

[5] 劉 忠，黃 峰，李保國. 基于經驗模態分解的中國糧食單產波動特征及影響因素[J]. 農業工程學報， 2015， 31（2）： 7-13.

[6] 張榮榮，寧曉菊，秦耀辰，等. 1980年以來河南省主要糧食作物產量對氣候變化的敏感性分析[J]. 資源科學， 2018， 40（1）： 137-149.

[7] 趙強強，陳 財，張菲菲，等. 淮河流域冬小麥干旱時空分布特征[J]. 江蘇農業學報， 2021， 37（2）： 373-381.

[8] 白芳芳，喬冬梅，龐 穎，等. 河南省冬小麥各生育期水分虧缺的空間分布及降水量突變檢驗[J].灌溉排水學報， 2017， 36（6）： 100-108.

[9] 顏玉倩，何趙祥睿，朱克云. 河南省冬小麥干旱指數特征分析及風險評估[J]. 農學學報， 2021， 11（3）： 12-19.

[10]王連喜，王 田，李 琪，等. 基于作物水分虧缺指數的河南省冬小麥干旱時空特征分析[J]. 江蘇農業科學， 2019， 47（12）： 83-88.

[11]宋 辭，裴 韜. 基于特征的時間序列聚類方法研究進展[J]. 地球科學進展，2012，31（10）： 1307-1317.

[12]王 棟，梁忠民，王 軍，等.基于主成分聚類分析的云南省干旱自然分區[J]. 南水北調與水利科技，2017，15（2）：15-21，28.

[13]張國棟，樊東方，李其江. 基于主成分聚類分析的青海省水文分區研究[J]. 人民黃河，2018，40（12）： 33-38.

[14]張洪波，顧 磊，陳克宇，等. 渭河生態水文聯系變異分區研究[J]. 西北農林科技大學學報（自然科學版），2016，44（6）： 210-220.

[15]徐 慧，張方敏，黃 進. 江蘇省1961-2012年干濕時空變化及對單季稻產量的潛在影響[J]. 水土保持研究，2017，24（6）： 250-254，261.

[16]閆宇航，岑云峰，張鵬巖，等. 基于SFA模型的河南省糧食產量時空變化及投入要素影響[J]. 中國農業資源與區劃，2020，41（5）： 76-86.

[17]王天慧. 基于灰色模型技術的氣象因素對糧食生產影響的量化分析[D]. 鄭州：河南農業大學，2018.

[18]魯 坦，徐文明，俞小鼎，等. 2003-2014年河南春季暴雨特征及影響系統分析[J]. 氣象與環境科學，2017，40（2）： 92-99.

[19]余衛東，楊君健.河南省優質小麥適宜種植區及未來變化趨勢[J]. 中國農業大學學報，2021，26（9）： 42-51.

[20]張 弘. 河南省冬小麥越冬凍害氣候風險區劃[J]. 江蘇農業科學，2016，44（9）： 443-446.

[21]商東耀，張志紅，岳 元，等. 基于標準化降水指數的河南省近45年干旱時空特征分析[J]. 干旱地區農業研究，2021，39（4）： 162-170.

[22]韓 紅，馮光輝，鄧國取. 基于ND-GAIN模型的河南省農業抗災能力評價[J]. 水利水電科技進展，2022，42（1）： 67-74.

（責任編輯：張震林）