气候变化对黄淮海地区夏玉米-冬小麦种植模式和产量的影响

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-26

孙新素, 龙致炜, 宋广鹏, 陈长青. 气候变化对黄淮海地区夏玉米-冬小麦种植模式和产量的影响[J]. , 2017, 50(13): 2476-2487 https://doi.org/10.3864/j.issn.0578-1752.2017.13.007
SUN XinSu, LONG ZhiWei, SONG GuangPeng, CHEN ChangQing. Effects of Climate Change on Cropping Pattern and Yield of Summer Maize-Winter Wheat in Huang-Huai-Hai Plain[J]. Scientia Acricultura Sinica, 2017, 50(13): 2476-2487 https://doi.org/10.3864/j.issn.0578-1752.2017.13.007

0 引言

【研究意义】全球气候正以变暖为主要特征发生显著变化。IPCC第五次评估报告指出,过去130年（1883—2012年）全球升温0.85℃,预计21世纪末,全球地表温度将比21世纪初升高0.3—4.8℃^[1]。气候变化改变了热量资源的时空格局分布^[2],对农业生产影响显著,不仅影响到农产品数量,还关系到国家粮食生产和安全供应。黄淮海平原是中国重要的农业生产基地,夏玉米-冬小麦是该区的主要复种方式。近10年来,黄淮海地区冬小麦播种面积占全国冬小麦播种面积的38%,冬小麦产量占全国的50%左右,而夏玉米的播种面积占全国夏玉米播种面积的28%,产量约占全国的30%。随着气候变化日益加剧,传统的夏玉米-冬小麦种植模式受到严峻挑战。研究夏玉米-冬小麦种植模式在气候变化背景下生育期和茬口推移以及周年产量变化,探究气候因子与种植模式变化的内在联系与机制,缓解乃至消除气候变化对该区夏玉米-冬小麦生产的消极影响,对保障黄淮海地区农业的可持续发展具有重要意义。【前人研究进展】全球气候变化的不断加剧,使关于气候变化的研究成为学术界的热点^[3]。前人关于气候变化对农业生产影响的研究已相当广泛,王斌等^[4]研究表明气候变暖使冬小麦全生育期平均缩短2.2 d·(10a)^-1,北方冬麦区生育期缩短最明显。其他研究也表明华北、淮北平原冬小麦返青期、开花期和成熟期表现为提前的趋势^[5-8]。薛昌颖^[9]指出气候变暖使水稻潜在生育期延长,孟林^[10]在对华北平原夏玉米生育期的研究时发现华北平原夏玉米全生育期天数对气候变暖呈极显著增加的响应趋势。在作物产量方面,熊伟等^[11]认为气候变化将导致中国玉米主产区单产降低,总产下降。居辉等^[12]也对中国不同地区冬小麦产量对气候变化的响应进行了研究,结果以减产为主,不同地区存在明显的区域差异。【本研究切入点】以往的研究多集中在某一作物上^[13-14],而对作物种植模式系统的研究却相对较少,无法准确判断气候变化对作物系统的整体影响^[15]。而仅仅基于历史气象数据的模拟模型分析,很难全面揭示气候变化与作物系统的实际关系^[16]。因此,本文利用近年来黄淮海地区气象、物候和产量数据,采用回归分析和敏感性分析,研究气候变化对夏玉米-冬小麦两熟制种植模式系统和周年产量的影响。【拟解决的关键问题】利用近年来黄淮海地区的气象数据以及夏玉米-冬小麦物候和产量数据,探究气候变化对夏玉米-冬小麦作物系统的影响,以期在气候变化背景下为黄淮海夏玉米-冬小麦种植模式的管理调整、合理布局提供基础性的理论依据。

1 材料与方法

1.1 研究区概况

研究区位于东经110°21′—122°42′、北纬29°24′—42°36′,覆盖中国黄淮海平原的绝大部分地区,主要包括安徽省和江苏省的北部、河南省、河北省、山东省以及京津6个省市地区,区域总面积达到5×10⁷ hm²,其中农田面积约为2.6×10⁶ hm²,是中国农业生产核心区之一（图1）。区域以暖温带季风性气候为主,表现出明显的雨热同季特点,春冬干燥寒冷,旱情较重,夏季高温多雨,常伴有洪涝的发生。≥0℃积温为4 100—5 400℃,≥10℃积温为3 700—4 700℃,年降水量为500—900 mm,降水年际变化较大。年平均温度和年降水量均随着纬度的增加表现为减少的趋势。

显示原图|下载原图ZIP|生成PPT
图1研究区域在中国的位置
-->Fig. 1The location of the study area in China
-->

1.2 资料来源

数据资料主要包括气象、物候和产量数据3个方面。
1.2.1 气象数据气象数据主要包括逐日温度（最高温度、平均温度和最低温度）和逐日降水量,来源于中国气象局国家气象信息中心。本研究共选择有完整数据记录的82个黄淮海地区气象观测站,气象站在研究区的分布情况为安徽省北部6个,江苏省北部13个,河北省20个,河南省18个,山东省19个,京津地区6个（图2）。所有气象数据用于计算夏玉米生育进程（夏玉米播种期-收获期）和冬小麦生育进程（冬小麦播种期-收获期）不同年份各气象指标值。

显示原图|下载原图ZIP|生成PPT
图2气象站点分布图
-->Fig. 2Distribution of the stations
-->

1.2.2 物候数据物候数据同样整理自国家气象信息中心,本文选择了研究区的91个农业气象站,记录了1992—2013年夏玉米和冬小麦的具体生育期数值。
1.2.3 产量数据产量数据主要包括1992—2013年黄淮海各省（市,地区）的夏玉米和冬小麦播种面积、单产和总产量,整理摘录自中国农业信息中心。
本文对所有的数据进行初步的筛选和质量控制,对极个别缺失的数据,例如某一气象观测站点个别日期的气象数据,采用世界气象组织规定的气候标准时段（1980—2010年）的平均值进行填充,并与该缺失值前后5年观测值的平均值进行比对。对于物候数据某一站点某一生育时期数据的缺失,采用该区域内其他站点的平均值进行估算,对该缺失数据进行替换,剔除缺失数据的影响^[17]。缺失数据量所占比例极小,气象数据不超过数据总量的0.1‰,物候观测数据约占数据量的1%,产量数据不存在缺失。因津京地区农业生产受城市化进程冲击较大,记录数据不能准确反映农业生产实际情况,故不对其进行过多研究。

1.3 分析方法

本研究主要运用了数理统计的相关分析方法。
1.3.1 气候变化气象数据处理是对82个气象观测站点,根据其附近农业气象站点物候观测多年的平均值（播种期和成熟期）,分别计算出该站点夏玉米和冬小麦生长季内各年的气象指标平均值;根据气象站点所在不同省份分类,计算出各省夏玉米和冬小麦生长季内各气象指标的年际平均数值,再根据各省的面积比加权计算出黄淮海区域夏玉米和冬小麦生长季的年际气象数值,通过简单一元线性模型分别对1992—2013年夏玉米生长季和冬小麦生长季温度和降水量变化趋势进行拟合分析。
1.3.2 周年单产变化产量数据依据记录的夏玉米和冬小麦年单产进行年际间的一元线性回归分析,分析夏玉米-冬小麦种植模式的周年产量变化趋势^[18]。
1.3.3 生育进程各省年际间夏玉米和冬小麦物候数据平均值是通过计算不同年份研究区域内不同省份各观测站点的不同生育期的平均值获得,而整个研究区域物候数据是按各省面积比加权计算出的平均值。气候变化是一个长期而缓慢的过程,为了突显这种变化,将1992—2013年这22年分为1992—1996年和2009—2013年首尾两个5年时间段进行比较分析,表征1992—2013年的气候变化情况。通过处理得到的黄淮海地区不同省份的年际气象数据和物候数据,分别计算1992—1996年和2009—2013年首尾两个5年时间段的5年平均值,同样将黄淮海地区气象数据和物候数据分不同省进行同样处理,以分析研究区内不同地区气候变化对夏玉米-冬小麦的生育期及茬口推移影响情况。
1.3.4 气候变化对周年产量的影响作物产量变化除受气候变化影响外,政策导向和科技的进步等非气候因素的影响同样不容忽视。为了更准确的分析气候变化和作物产量之间的具体关系,必须剔除影响因素中的非气候因子^[19]。研究认为年份的线性趋势和二次趋势可以看成剔除非气候因素对产量的贡献^[14,20],Lobell的多元非线性回归模型^[21]考虑到了温度、降水、技术进步、政策等因子,以年份的二次回归,分析出技术进步和管理措施改进带来的产量增加趋势。该模型是非线性的,不同于线性模型只利用偏平均值的方式,而是同时利用年际间的历史气象变量值（温度和降水的平均值）来鉴定模型系数。因此在农业气候变化的背景下,这被看作是分析气候变化对作物产量影响的有效举措^[22-23]。本研究首先利用Lobell的多元非线性回归模型对夏玉米-冬小麦产量进行去趋势处理,再进一步对面板数据进行分析,确定气候变化对周年产量的影响。即：
Log(Y_{(i, t)})=c_i+d_1i×t+d_2i×t²+β×X_{(i, t)}+ε_{(i, t)}
式中,i为研究区的不同地区; t=1992,…,2013,为年份时间变量;c为固定效应,d为时间趋势系数,β为自变量参数,X_{(i, t)}为自变量,包括平均气温、最高气温、最低气温和降水等气候因子,Y_{(i, t)}为作物产量,ε_{(i, t)}为误差项。

2 结果

2.1 夏玉米-冬小麦生长季内气候变化

1992—2013年黄淮海平原夏玉米-冬小麦生长季内气温整体呈波动上升趋势。从图3-A、B可以看出,除冬小麦生长季最高温度出现小幅下降趋势外,其他温度因子均表现为不同程度的增加。夏玉米生长季内,最低气温、最高气温和平均气温分别上涨0.44、0.10、0.20℃·(10a)^-1,其中最低气温的上升幅度达到显著水平。冬小麦生长季最低气温和平均气温分别上涨0.46和0.11℃·(10a)^-1,最低气温上升幅度达显著水平。温度升高趋势表现为最低温度上升最明显,其次为平均温度,而最高温度并未出现明显变化。

显示原图|下载原图ZIP|生成PPT
图31992—2013黄淮海夏玉米-冬小麦生长季内气候因子变化
*表示显著（P<0.05）
-->Fig. 3Historical trends of climatic factors in Huang-Huai-Hai over the summer maize-winter wheat growing season during 1992-2013
*represents significant at P<0.05
-->

降水量表现为小幅度的上升趋势（图3-C）。玉米生长季降水量以27.87 mm·(10a)^-1的速度增加,小麦生长季降水量增幅较小,为4.61 mm·(10a)^-1。整个夏玉米-冬小麦内,降水量以32.48 mm·(10a)^-1的速度缓慢增加,但年际间的波动性很大。
以1992—1996年和2009—2013年首尾两个时间段表征的黄淮海1992—2013年间不同省（市、区域）的气候因子变化情况（表1）。从温度因子来看,各省、市、区域除冬小麦生长季最高温度出现小幅下降外,其他温度因子均表现为不同程度的增加,温度上升0.1—0.9℃不等,尤其以最低温度的上升最为明显,其中山东省夏玉米生长季最低温度上升达0.94℃,温度升高较为明显。整个研究区来看,夏玉米生长季最低温度、最高温度和平均温度均表现为上升的趋势,分别增加了0.86℃、0.52℃、0.61℃,冬小麦生长季最低温度和平均温度分别增加了0.55℃、0.15℃,最高温度则降低了0.22℃。整个黄淮海地区降水总量并未发生显著的变化,但不同区域降水量的空间差异较为明显,年际间降水量的不稳定性较为突出。
Table 1
表1
表1黄淮海不同地区夏玉米-冬小麦生长季气象因子变化
Table 1Historical trends of climatic factors in different regions of Huang-Huai-Hai over the summer maize-winter wheat growing season

区域 Region	时期 Period	夏玉米				冬小麦
区域 Region	时期 Period	平均温度 T_avg (℃)	最高温度 T_max (℃)	最低温度 T_min (℃)	降水量 Prec (mm)	平均温度 T_avg (℃)	最高温度 T_max (℃)	最低温度 T_min (℃)	降水量 Prec (mm)
安徽及江苏北部 Northern of Jiangsu and Anhui	1992-1996	25.97±0.83	30.37±0.99	22.39±0.70	477.02±114.42	8.78±0.36	14.25±0.34	4.30±0.44	250.66±41.75
	2009-2013	26.41±0.88	30.63±1.06	23.13±0.67	483.88±62.06	8.90±0.47	14.09±0.75	4.65±0.52	252.97±70.06
	增幅 Amplification	0.44	0.26	0.74	6.86	0.12	-0.16	0.35	2.31
山东 Shandong	1992-1996	24.55±0.63	29.19±0.69	20.60±0.63	452.70±78.51	7.87±0.26	13.51±0.16	3.12±0.41	174.14±45.67
	2009-2013	25.10±0.70	29.58±0.75	21.55±0.67	484.65±32.72	8.05±0.61	13.35±0.82	3.70±0.53	189.02±49.57
	增幅 Amplification	0.54	0.39	0.94	31.94	0.17	-0.16	0.57	14.88
河南 Henan	1992-1996	25.30±0.45	30.32±0.49	21.19±0.55	435.73±74.37	8.81±0.32	14.89±0.40	3.78±0.33	218.21±39.31
	2009-2013	25.51±0.66	30.61±0.79	21.32±0.52	419.93±95.72	8.93±0.43	14.88±0.71	4.01±0.45	238.31±55.75
	增幅 Amplification	0.21	0.29	0.13	-15.80	0.12	-0.01	0.22	20.10
河北 Hebei	1992-1996	22.59±0.62	28.04±0.80	17.98±0.53	430.91±95.30	7.22±0.19	13.45±0.13	2.00±0.25	93.85±20.32
	2009-2013	22.91±0.30	28.41±0.33	18.23±0.36	415.49±51.29	7.27±0.81	13.41±1.11	2.13±0.60	96.09±17.94
	增幅 Amplification	0.32	0.37	0.25	-15.42	0.05	-0.04	0.13	2.24
整个研究区 Whole study area	1992-1996	24.47±0.58	29.34±0.66	20.39±0.58	452.61±69.94	8.08±0.27	13.91±0.24	3.20±0.33	176.77±30.96
	2009-2013	25.08±0.52	29.86±0.58	21.25±0.48	447.14±40.12	8.23±0.57	13.69±0.81	3.75±0.50	200.11±42.64
	增幅 Amplification	0.61	0.52	0.86	-5.47	0.15	-0.22	0.55	23.34

Average±standard error平均值±标准误

新窗口打开

2.2 夏玉米-冬小麦种植模式生育时间及茬口推移变化

1992—2013年来,黄淮海地区近5年（2009—2013年）与初始5年（1992—1996年）相比,夏玉米-冬小麦种植模式生育时间推移情况如图4所示。气候变暖的背景下,黄淮海各地区冬小麦播种时间均呈现不同程度的推迟,其中山东省推迟达6 d,而冬小麦收获期因不同地区播种时间推迟的程度不同体现出提前或推迟趋势,但就冬小麦整个生育进程来看,黄淮海各地区均表现为生育期缩短的趋势,生育时长平均缩短3 d左右。夏玉米生育期推移情况呈现区域差异,东南部的江苏及安徽北部和山东省夏玉米播种时间推迟,而位于黄淮海西部和北部的河南河北则呈现小幅度的提前。夏玉米收获时间除河南省以外,均呈现推迟趋势。整个地区总生育时长未发生显著变化,但区域间的差异较为明显,这可能与降水的区域差异有关。夏玉米以及冬小麦生育时间的变化,显著改变了夏玉米-冬小麦种植模式的茬口时间,冬小麦生育时长的显著缩短,使茬口时间出现不同程度的延长,导致了土地和热量资源的浪费。

显示原图|下载原图ZIP|生成PPT
图41992—2013黄淮海地区夏玉米-冬小麦生育时间及茬口推移变化
WS：小麦播种期Wheat sowing;WH：小麦收获期Wheat harvest;MS：玉米播种期Maize sowing;MH：玉米收获期Maize harvest
-->Fig. 4The variation of the growth progress and stubbles of maize-wheat cropping system in Huang-Huai-Hai during 1992-2013
-->

2.3 夏玉米-冬小麦周年单产变化

1992—2013年来,黄淮海地区夏玉米-冬小麦种植模式单产除江苏和安徽北部的夏玉米外,均呈现年际间显著增加的趋势（表2）。无论夏玉米还是冬小麦,都表现为较大幅度的增产,其中冬小麦较夏玉米增产幅度更大,但增产表现不如夏玉米稳定。不同省份地区来看,除江苏和安徽夏玉米外,其他地区无论夏玉米还是冬小麦,增产均达到极显著水平。其中夏玉米单位产量增加速度以山东省最为明显,达到77.94 kg·hm^-2·a^-1,比黄淮海地区平均值高出25.39 kg·hm^-2·a^-1;冬小麦单产和夏玉米-冬小麦周年单产增速均以河南省最高,增幅分别为122.25和104.36 kg·hm^-2·a^-1,分别比黄淮海地区平均值高出36.28和29.01 kg·hm^-2·a^-1,表现出很明显的增产趋势,但变异度也最高。
Table 2
表2
表21992—2013年黄淮海地区夏玉米-冬小麦单产变化
Table 2Historical records of summer maize-winter wheat per unit yield in Huang-Huai-Hai in 1992-2013

区域 Region	夏玉米 Summer maize			冬小麦 Winter wheat			夏玉米-冬小麦种植模式 Summer maize- winter wheat system
区域 Region	平均产量 Average yield (kg·hm^-2)	变化趋势 Trend of yield (kg·hm^-2·a^-1)	变异系数 CV (%)	平均产量 Average yield (kg·hm^-2)	变化趋势 Trend of yield (kg·hm^-2·a^-1)	变异系数 CV (%)	平均产量 Average yield (kg·hm^-2)	变化趋势 Trend of yield (kg·hm^-2·a^-1)	变异系数 CV (%)
江苏及安徽北部 Northern of Jiangsu and Anhui	4778.08	-1.88NS	9.90	4256.14	72.49**	14.37	4360.51	58.44**	11.12
山东省 Shandong	5913.15	77.94**	10.38	5309.03	61.58**	8.89	5568.56	70.84**	8.84
河南省 Henan	5010.96	65.53**	13.20	4925.52	122.25**	16.32	4943.69	104.36**	14.27
河北省 Hebei	4678.84	41.31**	10.01	4687.68	80.78**	11.99	4673.92	61.90**	9.63
整个研究区 Whole study area	5158.59	52.55**	8.41	4802.86	85.97**	12.23	4927.45	75.35**	10.37

**, significant difference at the 0.01 level; NS, no significance**表示在0.01水平上差异显著;NS 表示无显著性差异

新窗口打开

2.4 气候变暖对夏玉米-冬小麦种植模式周年单产的影响

农作物产量不仅受到气候变化调节,品种、科学技术进步等也对其有不可忽视的影响。依据面板数据分析,对黄淮海各省（市、地区）的周年产量对温度和降水的敏感性进行分析。温度每升高1℃、降水每增加100 mm,夏玉米-冬小麦周年单产变化结果如图5所示。

显示原图|下载原图ZIP|生成PPT
图5黄淮海地区夏玉米-冬小麦种植模式周年单产对温度（+1℃）和降水（+100 mm）敏感性的面板数据分析
-->Fig. 5Summary of panel data analysis coefficients, showing estimated sensitivity to changes in temperatures (+1℃) and precipitation (+100 mm) for maize-wheat estimated yield changes
-->

温度升高对整个黄淮海地区夏玉米单产的影响并不明显,但不同地区间的差异较为显著。河南省对温度升高的响应表现为正,最低温度升高1℃产量上升达7.27%,而江苏及安徽北部、山东和河北均表现为减产的负效应,尤以安徽省北部最为明显,最低温度升高1℃减产8.04%。冬小麦产量对温度升高的响应以最低温度最为明显。不同地区来看,河南、河北和安徽北部表现为正效应,其中安徽北部增产幅度最大,最低温度上升1℃增产3.95%,山东和江苏北部表现为负效应,减产幅度基本相同。整个黄淮海地区小麦对温度的整体响应表现为正效应,温度上升1℃产量增加1%左右,3个温度因子的影响程度基本相同。温度升高对黄淮海地区夏玉米-冬小麦周年单产有小幅度的促进作用,这主要是由于河南和安徽较大程度的增产效应抵消了山东和江苏的负面影响。
降水增加对夏玉米产量影响的区域性差异较大,对夏季较为干旱的山东和河北,降水的增产效果明显,每增加100 mm降水,河北省夏玉米单产增加6.47%;而对处于南部的河南省以及安徽和江苏北部,降水增加则会导致不同程度的减产。整个黄淮海地区夏玉米对降水的响应表现为正效应,每增加100 mm降水,产量增加1.96%。而冬小麦单产对降水增加的反馈在黄淮海不同地区表现基本相同,除河北表现为小幅增产外,其他地区均表现为减产,其中安徽及江苏北部最为明显,减产幅度分别达到8.03%和4.73%。整个黄淮海地区夏玉米-冬小麦种植模式周年单产对降水的响应整体表现为每增加100 mm降水减产0.52%,且不同地区的差异较大,位于黄淮海南部的河南、江苏和安徽影响为负,北部的河北和山东影响为正,这和南北降水差异有关。

3 讨论

以气候变暖为主要特征的全球气候变化已得到各界****的公认。黄淮海平原作为中国气候变化敏感区之一,农业气候资源在气候变化背景下发生显著变化^[24]。本研究发现,1992—2013年黄淮海平原冬小麦和夏玉米生长季最高温度和平均温度变化不明显,但最低温度呈现显著上升趋势。不同地区温度上升幅度存在区域差异,以山东省温度升高最为明显,西部和北部的河南和河北温度升高幅度相对较低,但均表现为最低气温上升幅度显著高于最高温度和平均温度。这与全球气候温度上升的区域差异性和最低温度较最高温度增加明显的特征相一致。
气候变暖对作物生育进程的影响因作物类型的不同而存在显著差异^[25]。以往的研究中,冬小麦对气候变化的响应表现为生育期的明显缩短^[4,26],这与本研究的结果相一致,不同地区冬小麦全生育期缩短2—5 d不等,这与不同地区背景温度以及温度增加幅度的不同有关。而夏玉米生育期在本研究中整体推移变化并不明显,且存在明显的区域差异。这一方面是由于黄淮海地区夏季温度基数大,小幅度的温度增加效果不明显,且夏玉米生长的积温需求比冬小麦高得多,温度升高对夏玉米生育期的影响相对冬小麦较小;另一方面玉米作为短日照作物对光周期较为敏感^[27],日长效应也需要考虑,同时夏季降水在时间和空间上的差异也增加了黄淮海地区夏玉米生育期推移研究的复杂性。气候变化对冬小麦和夏玉米生育期的影响,尤其是冬小麦全生育期的缩短,使夏玉米-冬小麦轮作系统茬口时间出现一定时间的延长,造成了气候资源和土地资源的浪费,而温度升高有利于喜温和晚熟品种的种植^[28],因此选择适合早播、生育期长的夏玉米品种,调整夏玉米-冬小麦的播期和种植结构,对黄淮海地区夏玉米-冬小麦生产具有重要意义。本研究只研究了夏玉米-冬小麦全生育期的变化推移情况,对于夏玉米-冬小麦的营养生长和生殖生长的具体生育阶段没有进行过多研究,而以往的研究表明无论是夏玉米还是冬小麦,营养生长和生殖生长不同阶段对气候变化的响应存在显著差异^[29-30],因此之后的研究方向可集中在黄淮海地区夏玉米-冬小麦系统不同生育阶段上。
气候变暖对黄淮海平原夏玉米-冬小麦种植模式产量的影响既是机遇又是挑战。温度升高使夏玉米-冬小麦生长季积温升高,有利于作物生产^[31],但温度升高提前满足了作物积温需求,导致物候提前和生育期缩短^[32]。因此在这种综合影响下,增温对冬小麦产量的影响目前尚无定论^[33]。在本研究中,除安徽北部和河南省小麦产量对温度升高表现为正效应外,山东、河北、江苏北部均表现为减产的负效应。从地理位置来看,安徽北部和河南省较其他3个地区更加靠近内陆,地理位置的差异导致了小麦产量对气候变暖响应的差异。许多研究表明气候变暖对夏玉米产量的影响表现为下降^[34-35],本研究中除河南省外,其他地区玉米产量对温度升高的响应均表现为负效应,这与以往的研究结果相类似。而河南省夏玉米季温度升高的幅度在所有黄淮海地区中是最低的,因此较低水平的增温是否对夏玉米产量具有一定的促进作用有待探究,尤其在水分适宜的情况下,有研究表明温度升高对玉米产量有促进作用^[36],暖湿气候有利于玉米的生产^[37]。气候变暖使降水的区域差异更加明显,而水分条件是夏玉米-冬小麦生长发育和产量形成的基础^[38],降水在时间和空间上的改变对研究区夏玉米-冬小麦种植模式是一个严峻考验。本研究中夏玉米-冬小麦种植模式周年单产对降水的敏感性分析也表明了气候变暖带来的降水区域性影响差异,降水增加对黄淮海北部较为干旱的河北和山东有促进作用,对较为湿润的南部地区则相反。此外,有研究表明,气候变暖使中国多熟制的北界发生不同程度的北移,雨养区冬小麦-夏玉米作物系统稳产北界因该区降水的减少向东南方向移动^[39-41]。而本研究结果表明黄淮海地区在气候变暖的背景下降水量呈现小幅的增加趋势,这对黄淮海地区夏玉米-冬小麦种植模式的生产十分有利。
气候变暖对作物系统的影响不仅表现为平均态影响,非常态影响更为突出,如气候波动加剧,极端气候天气增加,灾害性事件频率和强度增加等^[42]。本研究仅就温度和降水的平均变化作了探讨,在一定程度上可定量反映气候变化对夏玉米-冬小麦种植模式的影响,但对于气候因子在时间分布、以及极端气候事件等方面并没有涉及,还存在一定的不确定性。从全球变化和区域粮食生产的角度来看,作物系统的适应性调整是一个长期而缓慢的过程,只有深刻认识气候变化特征及作物的响应机理,进而调整作物栽培和管理模式,才能不断提高农业生产适应气候变暖和应对气候灾害的能力,保障区域和国家粮食安全。

4 结论

近年来气候变化对黄淮海地区夏玉米-冬小麦种植模式产生了较大影响。气候变暖使黄淮海地区夏玉米-冬小麦生长季内温度升高,尤以最低温度上升最为明显,同时改变了降水在时间和空间上的分布。气候变暖使冬小麦播种时间推迟,生育期缩短,夏玉米生育时长无明显变化,但区域差异显著,生育进程的改变延长了夏玉米-冬小麦种植模式的茬口时间,造成了气候资源和土地资源的浪费。1992—2013年黄淮海平原夏玉米-冬小麦周年单产显著提高,温度升高和降水增加对产量的影响存在区域差异,但整体来看升温使夏玉米减产,冬小麦增产;降水增加对黄淮海北部夏玉米产量有促进作用,对南部则有抑制作用,对研究区内冬小麦基本表现为产量的抑制。选择适合早播且生育期长的夏玉米品种可有效保障夏玉米-冬小麦种植模式周年产量。
The authors have declared that no competing interests exist.