近年极端干湿变化和它可能对 中国东南部江苏省水稻产量带来的影响外文翻译资料

 2022-11-27 02:11

英语原文共 13 页,剩余内容已隐藏,支付完成后下载完整资料


近年极端干湿变化和它可能对 中国东南部江苏省水稻产量带来的影响

摘要

基于1966年至2010年江苏省61个气象站月降水量和水稻生产力资料的数据,本文将探索干燥或潮湿可能造成的影响变化对水稻产量。主成分分析是应用于气候变化引起的水稻产量指数(CRPI)系列并将江苏分为南部、西北部、东部、中部、西南部和北部六个亚区。Mann–Kendall趋势测试每月标准化降水指数在每个亚区表明,江苏大部分地区在8月份以湿润趋势为主,9月份的以干燥趋势为主。在大部分亚区,水稻产量指数与每月降水指数有较强的负相关。特别是在江苏南部、西北部、中部、西南部的十月、三月、七月和八月,每月降水指数与水稻产量指数呈明显的负线性关系,这明显表明了极端湿度对水稻产量的不利影响。

关键词:江苏 水稻 SPI

1引言

大米(水稻)是世界上最重要的粮食作物之一,是世界上最重要的粮食作物之一,这是超过一半的世界人口的稳定食物来源(王等人2014年,2015年)。然而,极端气候事件可能导致水稻产量的年际波动,这将威胁国家粮食安全(Bannayan等2011年)。极端干/湿气候发生在水稻的生长阶段,特别是在孕穗期和抽穗开花期,会导致受精率降低和结实率降低,然后导致最终产量大幅减少(李等人2012;沈2015)。由于人类活动导致的温室气体的过度增加将继续加剧全球变暖,这将导致更频繁和更具破坏性极干或极湿气候事件(华等人2015年,b)。在此背景下,探索极端旱涝变化与水稻产量之间潜在的数学关系也许能够保持区域粮食安全。

由McKee等人1993年开发的标准化降水指数(SPI)是基于可以在不同时间尺度用来量化降水的赤字盈余的累计降水量(Rad等人2016年;王等人2016年)。世界范围内,SPI因为其较低的数据要求和灵活时间尺度,已广泛应用于访问干燥和潮湿的空间和时间上的变化(黄等人2015年; Tosunoglu and Can2016年)。此外,使用 SPI 来讨论干湿气候变化发生对水稻产量的影响受到持续关注。例如,在古吉拉特邦(印度)干旱、 半干旱地区研究得出结论,9月的3个月SPI是一个很好的与水稻产量相关联的任何异常的良好指标,特别是在干旱易发地区(帕特尔等人,2007年)。在印度的印度河-恒河地区,有人指出,秋收水稻产量指数和的每月的标准降水指数有显著多元回归(Subash等人2011年)。在Odisha的气候干旱研究中, 1个月和3个月的SPI与水稻产量指数 (RPI) 的相关分析表明,特别是在7月和10月的1个月时间刻度的SPI与水稻产量指数明显相关关系(Raja等人,2014年)。然而,在中国很少发现水稻的类似研究。

中国是世界上最大的水稻生产国家,长江中下游是中国最重要产区,占国家水稻总产量的30% 。位于中下长江下游的江苏一直位居中国水稻产量前五位,是我国南方的三个主要的粮食净出口省份之一。考虑到这一点,水稻农业气象灾害已在江苏受到广泛重视。在目前,大部分相关的研究都集中在研究水稻热应力在空间和时间长期变化特征(任等人,2010年;余等人,2010年;杜等人2012年)。然而,极端旱涝事件对水稻产量的潜在影响没有相关的深入研究。因此,本文的目的是研究江苏省区域干湿气候变化特征与水稻产量可能存在的关系。这种研究可以帮助江苏省管理和规划在气候变暖背景下的水稻生产。

2 研究区域和数据

江苏省在东经113°和119°与北纬24°和31°之间,位于我国东南沿海和沿长江中下游的南岸。这个省由属亚热带季风气候,17°C的年平均温度和240-330天的无霜期,年平均降水量1200-1900 mm。

江苏省1966年1月到2010年12月61个气象站月降水观测数据(绘制图1)由江苏省气象局提供。在RH测试 V4 软件包(王 和 凤 2013年)PMT 的Red算法用于检测这些每月的降水量同质化。计算结果符合每个站的月降水量同质性检验。

单季水稻是江苏省的主要耕作制度,整个种植期间大致是从3月到10月。数据记录的水稻产量61水稻主产区对应于图1中列出的气象站收集从江苏省统计局和时间跨度为水稻产量数据也是从1966年到2010年。

3方法

从实际的稻米产量解耦气候变化引起的生产力并建立及其与气候因子的统计关系已经成为一种评估气候的影响变化对农业生产的重要方法。首先,使用主成分分析方法(PCA)将江苏分为气候诱发水稻生产力不同波动模式的几个亚区;然后,使用SPI建成不同分区域极端旱涝变化的变率;最后,在每个分区域建立气候诱导水稻产量与 SPI 的潜在关系。这一切可能会帮助我们更好地了解江苏水稻生产力极端旱涝事件的响应的区域差异。

3.1 气候诱导水稻生产力

实际水稻生产力可以相当于管理诱导水稻生产力的总和与气候引起的水稻生产力(EI-maayar和Lange 2013)。气候介绍生产力与气候因素密切相关,而管理诱导生产力取决于社会、经济和农业因素。这个气候诱导水稻生产力可以提取和归一化方程如下:

CRPIi = 100times;﹙-1﹚

CRPIi是气候变化引起的水稻生产力指数与年PAi和PMi分别是实际生产力和管理层生产率(Raja等人2014年)。管理诱导生产率也称为趋势生产率,这是每年的实际生产力使用的拟合结果数学方法(包括线性回归,移动平均,Logistic曲线,Cobb-道格拉斯生产函数与二次曲线;赵2015年)。在江苏,用5年移动平均法模拟水稻生产力趋势已经被证明与农业发展良好结合(申2015年)。因此,我们使用这种方法提取各站气候诱发水稻生产力。

3.2 主成分分析

主成分分析 (PCA)是目前最流行的降维方法之一,已广泛应用于环境、 气象和水文领域 (Raziei等人2008 年;Santos等人,2010 年; Gocic和Trajkovic 2014 年)。在此方法中,原来相互关联的变量可以减少到少量的新线性不相关的称为主成分(PCs),它可以解释大部分总方差(Santos等人,2010年)。根据不同的时间、 对象和属性组合,主成分分析的六个不同的模式 (包括 O、 P、 Q、 R、 S 和 T) (Gocic和Trajkovic 2014年)。在这些模式中,S 模式的 PCA (观测站和列的行的数据矩阵)会经常用来识别的协变性气候变量的时间序列在给定的站在研究区(Raziei 等人,2008年)。在此研究中,S 模式 PCA 用于基于生产力的区划。

3.3 标准化降水指数 (SPI)

SPI的目的是定义和监测干旱(黄等人2015;孙等人2015;周等人2015年)。一旦计算SPI,可以使用表 1 中列出的类别分类干/湿事件的强度。可追踪干湿不同时间尺度的事件。在这项研究中,讨论一个月的时间的结果是由于两个原因。一方面,人们普遍认同这个事实在较短的时间尺度(1个月或3个月)的SPI可以描述干/湿事件影响农业实践(Raziei等人2009年);另一方面,SPI计算一个月的时间可以描述每个月的旱涝变化。

表一 SPI种类

种类

SPI

非常潮湿

2.0及以上

重度湿

1.50-1.99

中度湿

1.00-1.49

接近正常

-0.99-0.99

中度干

-1.0到-1.49

重度干

-1.5到-1.99

极度干燥

-2.0及以下

3.4 Mann–Kendall 趋势测试

在这项研究中,用经常使用水文时间序列趋势检测(Abolverdi等人2016年;李和王2016年)的非参数Mann–Kendall趋势测试来测试SPI序列时间序列上趋势的显著性。然而,可能在M–K趋势估计水文时间序列相关性的可能不准确(Caloiero 等,2015年)。鉴于这种干扰,有效采用样本量法对M-K检验的输出进行优化,并进行计算,原则可以在几篇论文中找到,包括黄等人(2015年)、王和李(2016年)。

3.5 大尺度大气环流

在这项研究中选择了几个大型大气环流指数,其下载链接列于表2。通过使用 SPSS (统计产品和服务解决方案) 的相关和回归程序计算了 SPI 系列和大尺度大气环流之间的可能关系。Pearson相关产生的样本相关系数,测量连续变量对之间的线性关系的强度和方向。为了解决多重共线性问题,选择最佳的预测因子,多元逐步线性回归进行(P 0.001)SPI与环流指数显著相关。向后逐步法是与所有的预测被包括在模型开始,和冗余预测淘汰后基于统计量的其他相关P值(Jeong等人2012年)。

4结果

4.1 基于生产力的区划

江苏各地探索 CRPI 的时空变异性,S 模式 PCA 被适用于 n times; m 矩阵,如下所示︰

表二 在本研究中使用的环流指数的定义

循环指数

定义

下载链接

MEI

多元ENSO指数

PDO

太平洋年代际振荡

SOI

南方振荡指数

NAO

北大西洋涛动

http://www.esrl.noaa.gov/psd/data/climateindices/list/

NP

北太平洋格局

AO

澳南极涛动

WP

西太平洋指数

WPSHII

西太平洋副热带高压强度指数

http://ncc.cma.gov.cn/Website/index.php?ChannelID=43amp;WCHID=5

X1,1 bull;bull;bull;bull; bull; bull; X1,m

bull;bull; bull; bull;

bull;bull; bull; bull;

bull;bull; bull; bull;

Xn,1 bull; bull; bull; Xn,m

其中 Xm,n 是 n 年 m 站 的CRPI (m 代表加气站数目,即等于 61; n 代表年的研究期间,等于 49)。在表 3 中的结果表明,六个组成部分就足以解释 61 年度系列的 CRPI 的信息。在 PCA 计算的荷载值代表的时间系列的原始变量和相应的主成分得分,可以被有效地用来确定经历类似的气候变化过程中的分区域研究时期之间的相关性(黄等2015年)。根据加载值0.5-0.6,江苏省可分为六个分区域用不同的时态变化CRPI (图 2)。在图 2 中的六个分区域如下︰ 江苏南部地区 (A 区)、 西北 (区域 B) 江苏东江苏 (区域 C),中间江苏 (D 区)、 江苏西南部 (E 区) 和北江苏 (区域 F)。

CRPI 在六个分区域的时空演化如图 3 所示,CRPI 负值表示减少率。图 3 显示,这些分区域有明显差异。例如,CRPI 在 A 和 C (图 3a,c) 地区与其他亚区相比表现出更强的衰减趋势;特别是,自 20 世纪 90 年代以来减少率明显降低。图 3-f所示,在F区域CRPI在1966年-1980 年和 1995年-2010 年期间表现出明显强波动。而图3b到e,在B、D、E区域CRPI已经在整个研究期间的强烈波动的特点。

4.2 干湿在江苏的时间变异性 剩余内容已隐藏,支付完成后下载完整资料


资料编号:[26074],资料为PDF文档或Word文档,PDF文档可免费转换为Word

原文和译文剩余内容已隐藏,您需要先支付 30元 才能查看原文和译文全部内容!立即支付

以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。