湖北气候与管理因素变化对棉花单产影响的区域差异

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/2021-12-29

孙烨琳^,¹^,²^,³, 樊文有³, 史培军^,¹^,²^,⁴^,⁵, 王铸⁶, 孙劭⁷

1.北京师范大学地表过程与资源生态国家重点实验室,北京 100875

2.北京师范大学地理科学学部,北京 100875

3.中国地质大学（武汉）地理与信息工程学院,武汉 430074

4.北京师范大学应急管理部-教育部减灾与应急管理研究院,北京 100875

5.青海师范大学高原科学与可持续发展研究院,西宁 810008

6.国家气象中心,北京 100081

7.国家气候中心,北京 100081

The regional difference of the influence of climate change and management factors on cotton yield in Hubei province

SUN Yelin^,¹^,²^,³, FAN Wenyou³, SHI Peijun^,¹^,²^,⁴^,⁵, WANG Zhu⁶, SUN Shao⁷

1. State Key Laboratory of Earth Surface Processes and Resource Ecology, Beijing Normal University, Beijing 100875, China

2. Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China

3. School of Geography and Information Engineering, China University of Geosciences, Wuhan 430074, China

4. Academy of Disaster Reduction and Emergency Management, Ministry of Emergency Management & Ministry of Education, Beijing 100875, China

5. Academy of Plateau Science and Sustainability, Qinghai Normal University, Xining 810008, China

6. National Meteorological Center, Beijing 100081, China

7. National Climate Center, Beijing 100081, China

通讯作者: 史培军（1959-）,男,陕西靖边人,博士,教授,博士生导师,主要从事环境演变与自然灾害研究。 E-mail: spj@bnu.edu.cn

收稿日期:2020-04-3接受日期:2020-09-7网络出版日期:2021-04-10

基金资助:

国家重点研发计划项目.2016YFA0602404
国家自然科学基金创新研究群体项目.41621061

Received:2020-04-3Accepted:2020-09-7Online:2021-04-10
作者简介 About authors
孙烨琳（1996-）,女,福建南平人,博士研究生,主要从事气候变化与灾害风险研究。 E-mail: sunyl2019@foxmail.com

摘要
湖北省是中国重要的植棉省份之一,气候和管理因素变化对棉花生长产生重要影响。因此,本文采用1986—2016年湖北气温、降水量和太阳辐射量3个气候因子数据,有效灌溉面积、农用化肥施用量和棉花品种3个管理因素数据,构建了面板回归模型,定量计算得到气候因子和管理因素的趋势和波动变化对棉花单产的影响及其相对贡献率。结果表明：① 气候和管理因素的波动变化大于气候和管理因素的趋势变化对棉花单产的影响。② 气温和太阳辐射量对湖北省大部分地级市的棉花单产呈现正影响,降水量对湖北省大部分地级市的棉花单产呈现负影响;有效灌溉面积、农用化肥施用量和棉花品种都对湖北省大部分地级市的棉花单产呈现正影响。③ 气温、降水量和有效灌溉面积是影响湖北省大部分地级市棉花单产的主导因子。④ 1986—2016年武汉市等地级市棉花增产的主要原因是管理因素变化主导的增产抵消了气候因子变化的减产影响。
关键词： 气候变化;趋势;波动;棉花;区域差异;湖北

Abstract

Hubei is one of the most important cotton production provinces in China. Climate change and management factors have great impacts on cotton growth. Therefore, based on the data of temperature, precipitation, solar radiation, effective irrigated area, agricultural fertilizer application and cotton varieties in Hubei province from 1986 to 2016, a panel regression model is established to calculate the impact and relative contribution rate of the trend and fluctuation of climatic factors and management factors on cotton yield. The results show that: (1) The fluctuation of climatic factors and management factors has a greater impact on cotton yield, compared with the trend of climatic factors and management factors. (2) Temperature and solar radiation have a positive impact on cotton yield of most cities in Hubei, while precipitation has a negative impact on it. Effective irrigated area, agricultural fertilizer application and cotton varieties also have a positive impact on the cotton yield of most cities. (3) Temperature, precipitation and effective irrigated area are the leading factors affecting the cotton yield of most cities. (4) The main reason for the increase in cotton yield of Wuhan and other cities during 1986-2016 is that the positive impact of management factors on cotton yield counteracts the negative impact of climatic factors on cotton yield.

Keywords：climate change;trend;fluctuation;cotton;regional differences;Hubei

PDF (4187KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
孙烨琳, 樊文有, 史培军, 王铸, 孙劭. 湖北气候与管理因素变化对棉花单产影响的区域差异. 地理研究[J], 2021, 40(4): 1064-1077 doi:10.11821/dlyj020200266
SUN Yelin, FAN Wenyou, SHI Peijun, WANG Zhu, SUN Shao. The regional difference of the influence of climate change and management factors on cotton yield in Hubei province. Geographical Research[J], 2021, 40(4): 1064-1077 doi:10.11821/dlyj020200266

1 引言

气候变暖已经成为公认的事实^[1],而人类活动对气候变化的影响也越来越清晰,人为排放温室气体已经达到了历史上的最高值^[2]。从全球角度来看,1880—2012年气温增长0.85 ℃,且高温天数在逐渐增加而低温天数在逐渐减少^[2]。自1950年以来,全球的降水量在逐渐增加,出现强降水的区域面积在逐渐增加^[1]。对于全球太阳辐射的研究表明,地球上多个地区的太阳辐射量都出现了减少的趋势^[3,4]。

对中国来说,气候变化的趋势与全球气候变化的趋势类似^[5]。1951年以来,中国大部分地区气温处于上升趋势^[6,7],《第三次气候变化国家评估报告》指出中国的气候变暖速率要高于全球的平均水平^[8]。中国降水量变化存在明显的区域差异,华北等地区年平均降水量在逐渐下降,长江流域以南地区则明显增加^[9]。除此之外,自1961年以来,全国的太阳直接辐射量在逐渐减少^[10],减少速率为-6.6

W / (m^{2} ? 10 a

）^[10]。气候变化直接影响农作物产量,研究气候变化对农作物的影响早已成为学术界的研究热点。

棉花是中国重要的经济作物之一,年种植面积约为533.33万hm²,约占全球种植面积的15%^[11]。湖北省位于中国三大棉区之一的长江中下游棉区,是全国五大产棉大省之一^[12]。同时,湖北省拥有悠久的植棉历史,棉花种植年均产值约占农业总产值的6.5%,是湖北省重要的农产品之一^[12]。棉花是一种喜温作物,在生长过程中需要一定的雨热资源^[13]。湖北省地处于长江中下游地区,雨热资源充足,但光照条件稍弱,降水过多易产生病虫害,7—8月份易产生高温天气,影响棉花生长^[13]。同时,不同区域的气候变化对棉花产量的影响有所不同^[14,15,16]。

此外,以人类活动为主的管理因素变化,例如灌溉量、农用化肥施用量、技术进步等因素也会影响棉花产量^[17]。在现代农业生产中,合理施用化肥是显著提高作物产量的重要方法之一^[18]。化肥对作物产量的影响已经得到普遍的认可,大部分有关作物产量的研究都将化肥作为重要因子考虑在内^[19,20,21],但是过度施用化肥会导致破坏环境,进而导致作物减产^[21]。在作物生长过程中,灌溉处理对其产生了巨大的影响^[22]。尽管湖北所处的长江流域降水相对充沛,但仍然存在降水时空分布不均一的情况,潘弈等认为有效灌溉面积对湖北省棉花产量有着重要作用^[23]。同时,棉花品种的变革也代表着技术进步。1986—2016年湖北省棉花品种存在多个阶段的变革^[24]。除此之外,政策变化也是影响棉花生产的重要原因,其主要影响棉花种植面积,本研究关注的是棉花单产,故对政策的变化（难以量化）没有考虑。探讨气候和管理因素变化对棉花产量的影响,采取趋利避害等措施,对保障中国棉花产量的稳定增长具有重要的指导意义。

根据现有文献可知,目前有关气候变化对棉花产量影响的研究主要利用单产分解的办法,分析气候因子对棉花气象产量的影响。然而,技术进步代表的管理因素也会影响棉花的产量。作物模型是研究气候和管理因素变化对农作物影响的重要方法之一。但是,作物模型例如常用的CERES-Wheat和Maize具有较强的经验性,需要“因地制宜”地进行应用^[25]。从气候变化本质上对棉花单产进行研究,可以更好地揭示气候变化对棉花生产产生的影响,对政府制定方案减轻气候变化对棉花生产的影响有积极的作用。不同气候因子和管理因素对不同区域棉花生长的影响有着明显的差异。面板数据模型不仅可以表达数据时间上的变化,还可以表达数据在截面上的变化,具有提供多重自由度、提高参数估计、控制个体的异质性等优点^[26],因而被广大同行用于作物产量的研究^[27,28,29]。

鉴于此,本文以1986—2016年湖北省的气温、降水量和太阳辐射量为气候因子,以有效灌溉面积、农用化肥施用量和棉花品种为管理因素,基于面板数据,构建回归模型,定量计算了湖北15个地级市气温、降水量、太阳辐射量、有效灌溉面积、农用化肥施用量和棉花品种的趋势和波动变化对棉花单产的影响及其相对贡献率,以期为生产者、投资者和政府决策提供科学依据。

2 研究区概况与研究方法

2.1 研究区概况

湖北位于洞庭湖的北部、长江的中游,地处于108°21′E~116°07′E、29°01′N~33°06′N,地形呈现“西高东低”的格局（图1）,属于北亚热带湿润季风气候区,年平均温度在15℃~17℃左右,年平均总降水量在1100~1300 mm左右。湖北省是中国棉花的主产区之一^[30],除了神农架林区和恩施土家族苗族自治州以外,其他地区均具有详细的气象资料记录和棉花种植记录。

图1

新窗口打开|下载原图ZIP|生成PPT
图1湖北省地势图及气象站点分布图

Fig. 1Topography of Hubei province and map of meteorological sites

2.2 数据来源

2.2.1 农业信息数据农业信息数据库主要包括棉花单位面积产量、有效灌溉面积、农用化肥施用量数据。这些数据主要来源于《湖北统计年鉴》以及湖北省各地市的统计年鉴等。缺失的数据约占总数据的3%,对于缺失的数据采用取前后两年的平均值计算得到。将棉花播种面积与农作物总播种面积之比分别乘以有效灌溉面积、农用化肥施用量数据,得到用于棉花生长的有效灌溉面积、农用化肥施用量数据。本文根据文献将湖北省棉花品种变革分为1986—1999年、2000—2008年、2009—2016年3个阶段^[24],利用虚拟变量,假设品种改良整体是越来越有利于棉花生长,但在一段时间内相对稳定,因而设置1、2、3代入模型中进行计算分析。

此外,《湖北省农作物生长发育和农田土壤湿度旬值数据集》记录了棉花每年播种期和停止生长期的时间,每年的时间都不同。为了方便进行后续的研究,统计《湖北省农作物生长发育和农田土壤湿度旬值数据集》中各年份棉花最早播种期和停止生长期的时间（表1）,最终将每年的4月1日—10月31日确定为湖北省棉花生长期。

Tab. 1
表1
表1各农气站棉花播种日期和停止生长期统计结果
Tab. 1Statistics on cotton planting date and stop growth period of each agro-gas station

统计量	播种期	停止生长期
平均数	4月15日	10月18日
最大值	5月8日	11月16日
最小值	3月28日	9月13日
中位数	4月14日	10月18日
众数	4月8日	10月18日

新窗口打开|下载CSV

2.2.2 气象资料数据气温数据来源于中国国家气候中心提供的中国国家级地面气象站均一化气温日值0.5°×0.5°格点数据集,降水量数据来源于中国气象数据网提供的《中国地面气候资料日值数据集V3.0》,太阳辐射量数据主要利用《中国地面气候资料日值数据集V3.0》中的日照时数数据,根据Angstrom-Prescott公式,取a=0.15,b=0.58计算获得^[31]。图1为湖北省内31个气象站点的分布。

由于气象数据是按气象站点为单位,但本文主要的研究区域为湖北的15个地级市,得到农业信息数据是湖北15个地级市的棉花单产数据和管理因素数据,即农业信息数据是以面为研究单位,因而要将以点为单位的气象资料与以面为单位的棉花产量数据和管理因素数据关联起来。因此,根据湖北省棉花产区分布图^[32],计算得到每年棉花生长季的气温、降水量和太阳辐射量,再放入ArcGIS 10.2软件中进行Kriging插值并利用软件中的“分区统计”功能,以湖北省15个地级市棉花种植区的气象数据代表该地级市的气象数据,计算得到了15个地级市1986—2016年共31年的气象资料。

2.3 研究方法

本文基于史培军等对气候变化的划分方法进行研究,将气候变化划分为趋势和波动两个部分,趋势又包括上升、下降和无显著性变化三部分,波动包括增强、减弱和无显著性变化三部分,并对这两种形态进行组合,共得到9种气候变化的形态^[33]。

此外,从管理因素数据来看,有效灌溉面积和农用化肥使用量有随着时间变化的趋势和波动。因此,本文将生产者每年固定投入的有效灌溉面积和农用化肥施用量作为管理因素的趋势变化,根据每年的实际情况改变的有效灌溉面积和农用施用量作为管理因素的波动变化。对棉花品种计算其趋势和波动主要是在统计学模型的基础上,根据本文建立的概念模型计算得到。

2.3.1 计算气候因子和管理因素年代际趋势变化趋势变化分析主要参考了中国及世界气候变化区划中使用的方法^[33]。

考虑到因子存在波动变化,因而对原始序列

x_{i} (i = 1,2, \dots n)

利用Butterworth滤波器滤去10年以下的噪声部分,保留10年以上的变化部分,得到因子的年代际序列

y_{i} (i = 1,2, \dots n)

。利用线性倾向估计法计算变化趋势值,根据得到的年代际序列

y_{i}

与时间

t_{i}

建立一元线性回归方程：

（1）

y_{i} = a + b t_{i}

式中：

y_{i}

为因子的年代际序列;

t_{i}

为时间序列;

b

为回归系数,即为所求的线性趋势值;

a

为回归常数。

2.3.2 计算气候因子和管理因素年际波动变化利用2.3.1小节计算得到的线性趋势值

b

,得到趋势值序列。进一步计算原始序列与趋势值序列残差的一倍标准差（1SD）。采用1倍标准差刻画因子波动变化的原因主要是根据“3

σ

原则”。该原则认为在均值上下的“1倍标准差”内,68.26%的数据会集中分布在内,并且95.44%的数据会集中分布在均值上下的“2倍标准差”范围内^[34]。

2.3.3 分析气候因子和管理因素变化对棉花单产的影响该研究方法主要参考了湖南气候趋势、波动和极端事件中使用的方法^[35]。

为了研究气候因子和管理因素对湖北不同地市棉花产量的影响,建立了以下概念模型：

（2）

Yiel d_{it} = f (C_{it}) + f (H_{it}) + ε_{it} + α_{0}

式中：

Yiel d_{it}

表示第i个地市第t年的棉花单位面积产量;

C_{it}

表示第i个地市第t年气候因子影响棉花单产的变化;

H_{it}

为第i个地市第t年以人类活动为主的管理因素影响棉花单产的变化;

α_{0}

为常数项;

ε_{it}

为误差项。建立面板数据模型,得到气候因子和管理因素与棉花单产之间的回归系数

β_{ik}

。

进一步计算分解可以得到气候因子和管理因素趋势和波动变化对棉花产量的贡献。

（3）

Yiel d_{i . t, k} = b_{ik} \times β_{ik}

（4）

Yiel d_{i . f, k} = s d_{ik} \times β_{ik}

式中：

Yiel d_{i . t, k}

表示第i个地市因子K的趋势变化影响的棉花单产;

Yiel d_{i . f, k}

表示第i个地市因子K波动变化影响的棉花单产;

b_{ik}

表示因子K与时间t的一元线性回归模型的系数,即为线性趋势值;

s d_{ik}

表示第i个地市因子K序列的一倍标准差;

β_{ik}

表示的是在构建的面板回归模型中因子K前的回归系数。

（5）

R_{i, t, k} = \frac{Yiel d_{i, t, k}}{Yiel d_{t, total}}

（6）

R_{i, f, k} = \frac{Yiel d_{i, f, k}}{Yiel d_{f, total}}

式中：

R_{i, t, k}

表示第i个地市因子K趋势变化对棉花单产的相对贡献率;

Yiel d_{i, t, k}

表示第i个地市因子K趋势变化影响的棉花单产;

Yiel d_{t, total}

表示所有因子的趋势变化影响的棉花单产。

R_{i, f, k}

表示第i个地市因子K波动变化对棉花单产的相对贡献率。

Yiel d_{i, f, k}

代表第i个地市因子K波动变化影响的棉花单产;

Yiel d_{f, total}

表示所有因子的波动变化影响的棉花单产。

3 数据处理、模型检验与数据控制

3.1 模型检验

为了保证序列的平稳性,避免产生虚假回归的结果,要先对模型中的变量进行单位根检验。除棉花品种序列外,将各因子序列依次放入Eviews 7软件中,进行单位根检验。Eviews 7提供了Commom root-Levin, Lin, Chu、Individual root-Im, Pesaran, Shin、Individual root Fisher-ADF和Individual root-Fisher-PP这六种检验方法,检验的结果如表2所示。

Tab. 2
表2
表2序列单位根检验的结果
Tab. 2Results of the sequence unit root test

序列	Levin,Lin &Chu t^*	Im, Pesaran and Shin W-stat	ADF-Fisher Chi-Square	PP-Fisher Chi-Square
气温	0.0000	0.0000	0.0000	0.0000
降水量	0.0000	0.0000	0.0000	0.0000
太阳辐射量	0.0000	0.0000	0.0000	0.0000
有效灌溉面积	0.7819	0.7812	0.9236	0.9265
农用化肥施用量	0.2280	0.0083	0.0158	0.0068
棉花单产	0.0000	0.0000	0.0000	0.0000

注：表中的数值代表该方法对应下的伴随概率P值。

新窗口打开|下载CSV

从表2可以得出,气温、降水量、太阳辐射量、农用化肥施用量和棉花单产序列均通过了单位根检验。但是,由于有效灌溉面积序列的六种检验方法检验出的伴随概率P值都大于0.1,无法通过单位根检验,说明序列中存在不平稳的现象,要做一阶差分处理。

再进行冗余固定效应检验,以判断模型是否适用于混合效应模型。检验的结果如表3所示。结果显示显著性P值小于0.05,说明模型更适用于固定效应模型。进一步考虑样本量和变量的数量,本文决定采用变系数固定效应模型进行分析研究。

Tab. 3
表3
表3冗余固定效应检验结果
Tab. 3Redundant fixed effect test results

检验	统计量	显著性P值
F统计量	2.0039	0.0169

新窗口打开|下载CSV

3.2 数据控制

对有效灌溉面积序列做一阶差分处理,从而保证序列的稳定性,进而保证模型的可靠性。再将一阶差分后的序列进行单位根检验（表4）。根据再次单位根检验的结果表明,一阶差分后的有效灌溉面积变化量伴随概率都是0.0000,说明通过了单位根检验,可以用于面板数据模型的构建。

Tab. 4
表4
表4再次进行单位根检验的结果
Tab. 4Results of unit root test again

序列	Levin, Lin & Chu t^*	Im, Pesaran and Shin W-stat	ADF-Fisher Chi-Square	PP-Fisher Chi-Square
有效灌溉面积变化量	0.0000	0.0000	0.0000	0.0000

新窗口打开|下载CSV

4 气候因子与管理因素变化对棉花单产的影响分析

4.1 气候因子变化与管理因素变化对棉花单产影响的区域差异

为了分析湖北15个地级市气候因子和管理因素变化对棉花单产影响的差异,构建面板数据模型中的变系数固定效应模型,得到模型统计量（表5）。

Tab. 5
表5
表5变系数面板数据回归模型统计量
Tab. 5Variable coefficient panel data regression model statistics

统计量	值
$R^{2}$	0.7277
调整后的 $R^{2}$	0.6456
F统计量	8.8661
F统计量的显著性	0.0000

新窗口打开|下载CSV

从表5可以看到,本研究得到的变系数面板数据回归模型的

R^{2}

约为72.77%,说明棉花单产72.77%的变化都可以通过该模型进行解释。

4.1.1 气候因子变化对棉花产量影响的区域差异为了研究气候因子变化对棉花单产的影响中,从数值上比较湖北15个地级市不同气候因子对棉花单产影响的差异,对气候因子线性趋势值、一倍标准差和回归系数指标取绝对值进行计算。首先,计算气温、降水量和太阳辐射量趋势和波动变化对棉花单产的影响在各个气候因子中的占比（图2a~图2c）。结果表明,3个气候因子波动变化对棉花单产的影响远大于趋势变化对棉花单产的影响,波动也包含了极端事件,说明气候变化的极端事件对棉花生产有重要影响。其中,气温对武汉市、荆州市、天门市、潜江市、宜昌市和仙桃市的棉花单产呈现负影响,对其他地市呈现正影响;除十堰市外,降水量对各个研究区域棉花单产均呈现负影响,说明湖北省充沛的降水量对棉花生产不利;太阳辐射量对黄石市、鄂州市、黄冈市、咸宁市和随州市的棉花单产产生负影响,对其余地市的棉花单产产生正影响。

图2

新窗口打开|下载原图ZIP|生成PPT
图21986—2016年湖北省气候因子及其各组分对棉花单产影响的贡献占比

Fig. 2Percentage of contribution of climate factors and its compounds to cotton yield in Hubei province (1986-2016)

为探究气候因子对棉花单产的影响,计算气温、降水量和太阳辐射量对棉花单产影响的占比（图2d）。结果表明,气温是影响黄石市、十堰市、襄阳市、鄂州市、荆门市、荆州市和仙桃市棉花单产的主要气候因子;降水量是影响武汉市、宜昌市、孝感市、黄冈市、咸宁市、随州市和天门市棉花单产的主要气候因子;太阳辐射量是影响潜江市棉花单产的主要气候因子。

4.1.2 管理因素变化对棉花产量影响的区域差异为了研究在管理因素变化对棉花单产的影响中,对湖北15个地级市管理因素的线性趋势值等指标取绝对值计算,对比不同管理因素对棉花单产影响的差异。首先,计算了有效灌溉面积、农用化肥施用量和棉花品种趋势和波动变化对棉花单产的影响在各个管理因素中的占比（图3a~图3c）。结果表明,3个管理因素波动变化对棉花单产的影响远大于趋势变化对棉花单产的影响。其中,有效灌溉面积对所研究地级市的棉花单产均产生正影响,说明即使在雨水充沛的湖北省,有效灌溉面积对棉花单产具有很重要的作用;农用化肥施用量对大部分地级市的棉花单产产生了正影响,但是对荆门市、天门市、仙桃市和武汉市的棉花单产产生了负影响;除鄂州市外,棉花品种对大部分地级市的棉花单产产生了正影响,说明品种变革所代表的技术进步对棉花生产起到了积极的作用。通过进一步分析,发现鄂州市棉花单产与棉花品种的关系不显著（P=0.4855）,且在2000年、2009年棉花品种发生变革的时间段,棉花单产并没有马上增加,反而较前一年减少,后续则慢慢增加,说明推广的棉花品种对鄂州市棉花单产的影响很小。同时,也说明了以虚拟变量表征棉花品种带入模型计算具有一定的局限性。

图3

新窗口打开|下载原图ZIP|生成PPT
图31986—2016年湖北省管理因素及其各组分对棉花单产影响的贡献占比

Fig. 3Percentage of contribution of management factors and its compounds to cotton yields in Hubei province (1986-2016)

为了探究管理因素对棉花单产的影响,计算有效灌溉面积、农用化肥施用量和棉花品种对棉花单产影响的占比（图3d）。结果表明,有效灌溉面积是影响武汉市、宜昌市、鄂州市、荆门市、咸宁市、随州市、潜江市和天门市棉花单产的主要管理因素;农用化肥施用量是影响荆州市棉花单产的主要管理因素;棉花品种是影响黄石市、十堰市、襄阳市、孝感市、黄冈市和仙桃市棉花单产的主要管理因素。

4.1.3 气候因子与管理因素变化对棉花产量影响的区域差异为比较分析湖北不同地市总气候因子和总管理因素对棉花单产影响的差异,分别计算了总气候因子和总管理因素对棉花单产的贡献率（图4）。从结果分析可得,大部分地级市的棉花单产主要受管理因素的影响,但也有部分地级市棉花单产主要受气候因子的影响。棉花单产主要受气候因子影响的城市有：黄冈市、随州市、仙桃市和天门市;棉花单产主要受管理因素影响的城市有：武汉市、黄石市、十堰市、宜昌市、襄阳市、鄂州市、荆门市、孝感市、荆州市、咸宁市和潜江市。

图4

新窗口打开|下载原图ZIP|生成PPT
图41986—2016年湖北省气候和管理因素变化对棉花单产的贡献

Fig. 4Contribution of climate change and management factors to cotton yield in Hubei province (1986-2016)

4.2 气候因子与管理因素变化对棉花单产变化贡献的区域差异

1986—2016年湖北省棉花变化如图5所示,发现所有的地级市棉花单产在1986—2016年都处于上升趋势。进一步计算气候和管理因素变化对棉花单产变化的贡献（表6）。结果表明,大部分地级市气候因子对棉花单产的贡献为负,管理因素对棉花单产的贡献为正。武汉市、黄石市、宜昌市、孝感市、荆州市、黄冈市、咸宁市、仙桃市和天门市的管理因素变化对棉花单产产生的正影响抵消了气候变化对棉花单产产生的负影响,可以从一定程度解释这些城市1986—2016年棉花单产增加的原因。此外,随州市的总贡献率为负,但该城市棉花单产在研究期间处于上升趋势,说明还有其他因素对棉花单产起到了增产的作用,例如CO₂的增肥效应^[36,37],需要进一步研究。

图5

新窗口打开|下载原图ZIP|生成PPT
图51986—2016年湖北省棉花单产变化

Fig. 5The changes in cotton yield in Hubei province (1986-2016)

Tab. 6
表6
表6湖北省气候因子和管理因素对棉花单产的贡献率
Tab. 6Contribution rate of climatic and management factors to cotton yield in Hubei province

地级市名称	气候因子贡献(%)	管理因子贡献(%)	总贡献(%)
武汉市	-14.0892	30.7057	16.6165
黄石市	-6.4178	53.0933	46.6755
十堰市	20.5015	56.6868	77.1883
宜昌市	-11.1868	58.3444	47.1577
襄阳市	3.1716	59.6281	62.7997
鄂州市	1.8019	46.4367	48.2386
荆门市	7.4437	28.5022	35.9459
孝感市	-22.2687	61.4440	39.1753
荆州市	-13.9305	51.6440	37.7134
黄冈市	-19.3719	45.2710	25.8992
咸宁市	-18.2419	69.1419	50.9001
随州市	-28.6634	18.1602	-10.5032
潜江市	2.2023	81.0556	83.2579
仙桃市	-32.5449	32.7785	0.2336
天门市	-20.9155	40.6434	19.7279

新窗口打开|下载CSV

5 结论和讨论

5.1 结论

（1）气候波动变化对棉花单产的影响要大于趋势变化对棉花单产的影响,说明极端事件对棉花生产有着重要的影响。从各个气候因子来看,气温对武汉市、荆州市、天门市、潜江市、宜昌市和仙桃市的棉花单产造成减产的影响,对荆门市、十堰市、襄阳市、随州市、孝感市、黄冈市、鄂州市、黄石市和咸宁市的棉花单产造成增产的影响;除十堰市外,降水量对棉花单产产生减产影响,说明湖北省充足的降水量不利于棉花生长;太阳辐射量对武汉市、十堰市、宜昌市、襄阳市、荆门市、孝感市、荆州市、潜江市、仙桃市和天门市的棉花单产产生正影响,对黄石市、鄂州市、黄冈市、咸宁市和随州市的棉花单产造成负影响。

（2）管理因素波动变化对棉花单产的影响要大于趋势变化对棉花单产的影响。从各个管理因子来看,有效灌溉面积对各个城市的棉花单产都造成增产的影响,农用化肥施用量对十堰市、襄阳市、宜昌市、荆州市、潜江市、咸宁市、黄石市、鄂州市、黄冈市、孝感市和随州市的棉花单产产生了增产影响,但是对荆门市、天门市、仙桃市和武汉市的棉花单产产生了减产影响;除鄂州市外,棉花品种对湖北省的棉花单产都产生了增产影响,说明技术进步对棉花增产起着重要的作用。

（3）从气候变化对棉花单产影响来看,气温是影响黄石市、十堰市、襄阳市、鄂州市、荆门市、荆州市和仙桃市棉花单产的主要气候因子;降水量是影响武汉市、宜昌市、孝感市、黄冈市、咸宁市、随州市、和天门市棉花单产的主要气候因子;太阳辐射量是影响潜江市棉花单产的主要气候因子。由此可见,气温和降水量是影响湖北省大部分城市棉花单产的主要气候因子。

（4）从管理因素对棉花单产影响来看,有效灌溉面积是影响武汉市、宜昌市、鄂州市、荆门市、咸宁市、随州市、潜江市和天门市棉花单产的主要管理因素;农用化肥施用量是影响荆州市棉花单产的主要管理因素;棉花品种是影响黄石市、十堰市、襄阳市、孝感市、黄冈市和仙桃市单产的主要管理因素。综上所述,有效灌溉面积是影响湖北省大部分城市棉花单产的主要管理因素。

（5）从气候和管理因素变化对棉花单产影响来看,黄冈市、随州市、仙桃市和天门市棉花单产主要受气候变化的影响。其中,气候变化对武汉市、黄石市、宜昌市、孝感市、荆州市、黄冈市、咸宁市、随州市、仙桃市和天门市棉花单产产生减产影响,对十堰市、襄阳市、鄂州市、荆门市和潜江市的棉花单产产生增产影响;武汉市、黄石市、十堰市、宜昌市、襄阳市、鄂州市、荆门市、孝感市、荆州市、咸宁市和潜江市棉花单产主要受管理因素变化的影响,说明管理因素是影响湖北省大部分地级市的主要因子。同时,管理因素对湖北省棉花单产均产生增产影响。从进一步的计算来看,除随州市外,1986—2016年湖北省各个地级市棉花单产的增加是气候因子和管理因素共同作用的结果。其中,武汉市等9个地级市棉花增产是由于管理因素产生的正影响抵消了气候因子产生的负影响,说明管理因素在减少气候变化带来的消极影响中具有重要的作用。

5.2 讨论

本研究中通过构建面板数据模型,解决了不同地级市气候和管理因素变化对棉花单产影响的区域差异等主要问题。但本研究中的研究方法和研究结果还需要进一步的阐述和讨论。

（1）对于影响棉花单产的因子选取。本文研究选取的气候因子包括与棉花生长密切相关的气温、降水量和太阳辐射量,选取的管理因素包括有效灌溉面积、农用化肥施用量和棉花品种。但是实际上,与棉花生长相关的气候因子还包括相对湿度、蒸发量和风向风速等,其中CO₂的“增肥效应”也是影响棉花生长的重要因素。有研究指出,在未来几十年内,CO₂的增长趋势会提高全球大概1.8%/10a的作物产量^[36],棉花品质会呈现良性的变化^[37]。但是目前大多数****都是采用田间试验研究CO₂对作物的影响^[38],利用统计模型难以对其影响进行量化,因而无法代入模型进行进一步的分析。

（2）农用化肥施用量对棉花单产造成的减产影响。有研究表明,随着化肥的投入使用,作物的产量会逐渐的上升。但是过度提高农用化肥施用量,作物的生长环境会遭到破环,对作物的生长造成不利影响^[21]。在本文研究中,湖北有4个地级市的棉花单产与农用化肥施用量的关系呈现负相关。已有研究显示,化肥使用对棉花单产产生负面影响的具体原因,主要包括营养元素配比不合理、施肥方式不当等^[39,40]。

（3）单次极端事件对棉花单产的影响。本文着重研究了棉花生长季内年平均气温、年平均总降水量和年平均总太阳辐射量的趋势和波动对棉花单产的影响。虽然波动影响棉花单产中包含了一部分极端事件的影响,但是这种考虑并不全面。湖北省地处于长江中下游地区,降水量充沛易发生极端降水事件,气温较高易发生极端高温事件,因而后续的研究将聚焦湖北省气候变化中极端事件对棉花单产造成的损失。

（4）采用虚拟变量代表棉花品种的局限性。本文利用虚拟变量表征棉花品种并代入模型中进行计算,可以得到品种变化对单产的贡献。但鄂州市品种与棉花单产呈现负相关,说明采用虚拟变量代表棉花品种有一定的局限性,也说明了统计学模型在分析作物品种与单产之间关系中的不足。

（5）实际棉花种植区域的变化。本文以棉花种植区域平均气候要素数据代替各个城市的气候数据,虽然在一定程度上可以更加准确地计算气候变化对棉花单产的影响,但是由于每年实际棉花种植区域数据的难以获取性,可能导致计算得到的棉花单产中气候变化影响部分存在偏差,在后续的研究中需要进一步完善。

致谢：

真诚感谢匿名评审专家在论文评审中付出的时间和精力,评审专家对气象数据计算、气候和管理因素的波动和趋势变化对棉花单产影响的研究方法以及本文研究意义、结果分析和讨论总结方面的修改意见,对提高论文的质量起到了至关重要的作用。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

IPCC. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge and New York: Cambridge University Press, 2013.

[本文引用: 2]

[2]

IPCC. Climate Change 2014
Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Geneva, 2014.

[本文引用: 2]

[3]

Liepert

B G

. Observed reductions of surface solar radiation at sites in the United States and worldwide from 1961 to 1990
Geophysical Research Letters, 2002, 29(10): 61-1-61-4. DOI: 10.1029/2002GL014910.

[本文引用: 1]

[4]

Wild

, Gilgen

, Roesch

, et al. From dimming to brightening: Decadal changes in solar radiation at Earth's surface
Science, 2005,308(5723):847-850. DOI: 10.1126/science.1103215.

DOI:10.1126/science.1103215 URLPMID:15879214 [本文引用: 1]

Variations in solar radiation incident at Earth's surface profoundly affect the human and terrestrial environment. A decline in solar radiation at land surfaces has become apparent in many observational records up to 1990, a phenomenon known as global dimming. Newly available surface observations from 1990 to the present, primarily from the Northern Hemisphere, show that the dimming did not persist into the 1990s. Instead, a widespread brightening has been observed since the late 1980s. This reversal is reconcilable with changes in cloudiness and atmospheric transmission and may substantially affect surface climate, the hydrological cycle, glaciers, and ecosystems.

[5]

陈隆勋, 周秀骥, 李维亮, 等. 中国近80年来气候变化特征及其形成机制
气象学报, 2004,62(5):634-646.