氣候變化對黑龍江省自然植被氣候生產潛力的影響

田寶星 宮麗娟 楊帆 陳晶 翟墨 張洋

摘要：為了解1970—2014年黑龍江省自然植被氣候生產潛力的分布規律和變化趨勢及其對氣候變化的響應，利用黑龍江省80個氣象站觀測數據，結合Miami模型，通過小波分析和EOF分析等方法，對黑龍江省自然植被氣候生產潛力的變化特征進行分析。結果表明：1970年以來，氣溫、降水、蒸散和標準氣候生產潛力呈增加趨勢，2000—2014年糧食安全存在隱患。標準氣候生產潛力（W）與蒸散氣候生產潛力年代際變化相近。4種氣候生產潛力主周期均為26～31年。W空間分布呈正、負相間。W與氣溫、降水量和蒸散量呈正相關，氣溫是主要限制因子?！芭瘽裥汀睔夂驅有利，生產潛力增加幅度7.41%～ 14.82%。研究結果對優化農業布局，提高農業氣候資源利用率以及促進糧食作物穩產高產等有參考價值。

關鍵詞：植被；氣候變化；Miami模型；氣候生產潛力；黑龍江

中圖分類號：P49文獻標志碼：A論文編號：cjas20190900204

Effect of Climate Change on Climate-induced Potential Productivity of Natural Vegetation in Heilongjiang

Tian Baoxing1，2， Gong Lijuan1，2， Yang Fan3， Chen Jing4， Zhai Mo1，2， Zhang Yang3

（1Heilongjiang Province Institute of Meteorological Science， Harbin 150030， Heilongjiang， China； 2Innovation and Opening Laboratory of Regional Eco-meteorology in Northeast of China Meteorological Administration， Harbin 150030， Heilongjiang， China；3Heilongjiang Meteorological Bureau Office Service Centre， Harbin 150030， Heilongjiang， China；4Bayan Meteorological Bureau， Harbin 151800， Heilongjiang， China）

Abstract： To understand the distribution rule and change trend of climate-induced potential productivity of natural vegetation and its response to climate change in Heilongjiang from 1970 to 2014， the authors used the Miami model， wavelet analysis and EOF to analyze the variation characteristics of the climate- induced potential productivity of natural vegetation based on observation data of 80 meteorological stations. The results showed that： the four types of climate- induced potential productivity （air temperature， precipitation， evapotranspiration and standard climate-induced potential productivity） had increased since 1970， however， there were hidden dangers in food security from 2000 to 2014. The standard climate- induced potential productivity （W） and evapotranspiration climate- induced potential productivity had similar interdecadal variation. The major periodic of the four types of climate-induced potential productivity was 26 to 31 years.The W presented alternate positive and negative variations in space， and it was positively correlated with the air temperature， precipitation， and evapotranspiration， the air temperature was the main restriction factor. Warm-wet climate is beneficial to W， and the potential productivity will increase within a range of 7.41% to 14.82% . The results could provide a basic method for optimizing agricultural distribution， improving the utilization of agricultural climate resources and promoting stable and high yield production of grain crops.

Keywords： Vegetation； Climate Change； Miami Model； Climate-induced Potential Productivity； Heilongjiang

0引言

氣候變化是人類面臨的最為嚴重的環境問題之一，氣候變暖日益明顯，使得地表溫度及氣溫明顯高于以往，同時極端天氣也給農業生產增加不確定性[1-2]。氣候變化已經對人類及自然植被產生了廣泛和重要的影響[3]，特別是以農業為主體的糧食安全[4]。氣候生產潛力指某地區光溫水等因子相互協調，作物合理利用當地氣候資源和土壤養分，單位面積產量將達到最大值[5]。探討自然植被氣候生產潛力，體現了氣象因子的不同及相互協調程度，不僅可以預測植被生產潛力，可以依據氣候變化趨勢來預測未來的發展情況，是評估農業氣候資源的依據之一[6]。

黑龍江省土壤肥沃，自然條件適宜，是中國重要的糧食主產區和最大的商品糧基地[7]。大豆是中國重要的糧油作物之一，黑龍江省是中國大豆種植面積和產量較高的地區之一，在中國大豆生產中占有非常重要的作用[8]。玉米是中國第一大糧食作物，黑龍江省玉米播種面積占全國10%，產量占全國9%左右，與國家糧食安全息息相關[9]。黑龍江水稻品質佳，2016年水稻產量占全國稻谷總產量10.9%，因此黑龍江省水稻安全生產對國家糧食安全意義重大[10]。研究黑龍江省的自然植被氣候生產潛力，基于統計學原理分析不同時間的植被生產潛力的變化，可為實現優質高產高效的農業生產模式提供可靠的依據和參考。

氣候生產潛力是指作物不受養分限制時，由光照、氣溫和降水共同決定的生產力，是一個地區作物產量的上限[11]。國內外相關研究已有很多，如Miami模型、Thornthwaite Memorial模型、AEZ模型和逐級訂正模型等[12-15]。研究表明[16-18]，Miami模型體現了氣溫和降水因素，Thornthwaite Memorial模型則通過蒸散量來模擬生物量。

眾多學者已從不同層面、角度對黑龍江省氣候生產潛力進行研究。如張興林等[19]為充分發揮黑龍江省的氣候資源優勢，探求玉米種植新模式，探討富?？h移栽玉米氣候生產潛力。王秀芬等[14]基于AEZ模型估算了黑龍江省光溫和氣候生產潛力。盧玢宇等[20]基于Thornthwaite Memorial模型估算了黑龍江省氣候生產潛力并分析氣候生產潛力與平均溫度和降水量之間的關系。杜國明等[21]基于GAEZ模型分析氣候變化導致的東北玉米生產潛力時空格局演變特征。上述研究所用站點資料較少，不足以代表黑龍江省氣候生產潛力狀況。本研究根據黑龍江省80個氣象站1970—2014年逐日氣象資料，采用Thornthwaite Memorial模型和Miami模型相結合估算黑龍江省自然植被標準氣候生產潛力及其變化，分析氣候變化背景下黑龍江省自然植被的溫度氣候生產潛力、降水氣候生產潛力、蒸散氣候生產潛力和標準氣候生產潛力的分布特征，以及熱量和降水資源對該區域氣候生產潛力的影響，以期為該區提高農業生產力及可持續發展，合理利用氣候資源及糧食生產安全提供參考。

1材料與方法

1.1資料來源和區域概況

黑龍江省介于121°11’—135°05’E、43°26’—53°33’N之間，屬大陸季風性氣候，全省氣候的主要特點是春季干旱，夏季多雨，秋季早霜，冬季寒冷。當地雨熱同季且土地資源對農業發展有得天獨厚的優勢，盛產大豆、玉米、水稻等糧食作物[22-23]。

選取黑龍江省80個氣象站1970—2014年逐日氣溫和降水資料，材料來自黑龍江省氣象數據中心。

1.2研究方法

1.2.1氣候生產潛力模型在植被生產潛力估算模型中，Miami模型從植被的生理生態角度出發，通過計算該區年降水量和平均氣溫等要素來確定植被生產潛力，中國學者通過氣象資料將模型進行驗證，認為該模型可以應用在自然植被生產潛力研究[24]。Thornthwaite Memorial模型是Miami模型的演變和延伸，展現植被生產潛力受氣候因素變化的影響機理[25-26]。

1.3統計分析

基于研究區域逐日氣溫降水資料，采用Microsoft Office Excel工作表進行數據整理及分析，繪制折線圖和柱狀圖；采用Matlab軟件，根據小波分析中的Morlet變換，編寫數據處理程序，繪制小波方差圖；采用Surfer軟件，將EOF函數特征向量空間變化特征展現出來。

2結果與分析

2.1黑龍江省自然植被氣候生產潛力變化特征

2.1.1年代際變化特征由圖1和表1可見，黑龍江省自然植被氣候生產潛力在1970—2014年的序列變化，氣溫、降水和蒸散生產潛力變化均呈現增加趨勢，氣候傾向率分別為21.82、13.84、13.33 kg/（hm2·a）。在年代際尺度中，1970s（1970—1979年）、1980s（1980—1989年）和1990s（1990—1999年）3種生產潛力變化均呈增加趨勢，說明氣象條件變化有利于氣候生產潛力的發揮；2000s（2000—2009年）、2010s（2010—2014年）3種生產潛力變化不穩定，受氣溫和降水等因素限制，糧食安全存在安全隱患。標準氣候生產潛力（W）呈增加趨勢，平均值為7015 kg/（hm2·a），最大值為7778 kg/（hm2·a），最小值為6145 kg/（hm2·a），氣候傾向率為13.02 kg/（hm2·a），從整個研究時域看，標準氣候生產潛力（W）與蒸散氣候生產潛力（WV）由大到小排列，均為1990s>2010s>2000s>1980s>1970s。水熱配比情況，1970s、1980s、1990s和2010s這4個時期WT與WR的比值均大于0.85，可見水熱配比狀態較好，氣候生產潛力的發揮，熱量起主要限制作用。而2000s時期WT與WR的比值大于1，可見這個時期熱量資源充足，降水對氣候生產潛力發揮也起到限制作用。從整體看，研究時域黑龍江省水熱配比情況較好（WT與WR的比值≥0.85），熱量資源對氣候生產潛力的發揮影響更大。

2.1.2周期變化小波分析見圖2。研究區域1970—2014年4種氣候生產潛力的周期變化，主要體現在26～31、18～24、11～16年等3種時間尺度，體現研究區域4種氣候生產潛力周期變化的一致性。由圖2可見，W、WT、WR、WV4種氣候生產潛力小波方差的主要峰值依次對應28、28、27、28年左右尺度，為第一主周期且周期振蕩最強；第二主周期為15、22、5、15年；第三主周期為5、13、15、5年。這3個周期尺度掌控研究時域4種氣候生產潛力的變化特征。

2.1.3空間變化特征在EOF分析中，研究區域自然植被標準氣候生產潛力（W）的前3個特征向量的方差貢獻率分別是45.02%、12.57%和7.26%，累計方差貢獻率是64.85%，因此可以體現研究區域自然植被標準氣候生產潛力（W）空間變化特征。

第1特征向量方差貢獻率是45.02%，體現研究區域自然植被標準氣候生產潛力變化的顯著空間分布狀態。由圖3a可見，黑龍江省自然植被標準氣候生產潛力（W）呈現正變化，區內高值中心在泰來附近且等值線密集，次高值中心在雙鴨山附近且等值線較密集，低值中心在呼中附近且等值線相對稀疏，其振幅以西部和東部為中心向周圍逐漸遞減，標準氣候生產潛力受地理因素影響較大，區域特征明顯，水熱條件匹配較好的區域標準氣候生產潛力相對偏高，同時反映了植被生長狀況地域性顯著，偏北（偏南）地區氣溫較低（高），均抑制植被的生長。由圖3b可見，第1特征向量所對應的時間系數絕對值最大，這一時刻空間分布狀態最典型，但時間系數正、負相間，標準氣候生產潛力年際變化相反。

第2特征向量方差貢獻率是12.57%，是研究區域自然植被標準氣候生產潛力一種顯著的空間分布。由圖4a可見，黑龍江省自然植被標準氣候生產潛力（W）呈現正、負變化趨勢，高值中心在泰來附近，中心絕對值在0.25以上，低值中心在克東附近。西部部分地區第2特征向量為正值，其他地區為負值，說明其標準氣候生產潛力變化型式相反。這種分布類型，突顯了西部部分地區地理分布狀況差異，水熱匹配條件影響標準氣候生產潛力的高低。圖4b可見第2特征向量對應的時間系數絕對值次之，時間系數正、負相間，說明在時間系數正值（負值）的年份里，西部部分地區標準氣候生產潛力偏高（低），其他地區標準氣候生產潛力偏低（高），氣候生產潛力分布型式相反特征明顯。

第3特征向量方差貢獻率是7.26%，對研究區域自然植被標準氣候生產潛力空間分布有一定的意義。由圖5a可見，西南部和東南部部分地區第3特征向量為正值，其他地區為負值，區內高值中心在寶清附近，低值中心在哈爾濱附近。圖5b可以看出時間系數絕對值較小，自然植被標準氣候生產潛力分布狀態較典型，第3特征向量和時間系數特征與第2特征向量相似。 2.2黑龍江省自然植被氣候生產潛力對氣候變化的響應

2.2.1氣象因子和自然植被氣候生產潛力相互之間關系由圖6可見，黑龍江省自然植被W與氣溫、降水和蒸散量的變化一致，相關系數分別為0.371、0.832和0.995，均通過0.05的信度檢驗。W與年氣溫、年降水量和年蒸散量定量正相關，即年平均氣溫每上升1℃、年降水量和年蒸散量每增加10 mm，W依次變化為199.91、44.46、233.46 kg/（hm2·a）。由此可見，黑龍江省地區蒸散量對W的影響較大，根據前文公式可知，氣溫對W的影響占主導地位，降水量對W的影響相對較小。

2.2.2標準氣候生產潛力對氣溫和降水量的敏感性分析為分析氣象因子對標準氣候生產潛力的影響，探討W與年平均氣溫、年降水量的定量關系，通過檢驗并建立擬合回歸方程，如式（8）所示。

方差分析得出，F統計量值為319.470，顯著性概率P<0.001，回歸方程非常顯著，且正相關（R=0.969）關系。

為了模擬氣候生產潛力對氣溫和降水變化的敏感程度，本研究設置5種氣候情景，將年平均氣溫降低2℃和1℃、氣溫不變、升高1℃和2℃；年降水量減少 20%和10%、降水量不變、增加10%和20%后計算標準氣候生產潛力，由于研究區域地處高緯度，太陽能豐富，日照充足，基本滿足大豆生長發育需要，以多年平均氣溫和降水量計算氣候生產潛力，比較氣候變化前后黑龍江省自然植被標準氣候生產潛力變化。僅考慮單因子變化，氣溫升高或降低時，W的變化幅度要比降水大。但實際上氣溫和降水同時變化，對W產生不同影響。由表2可見，當氣溫不變，降水增加（或減少）10%、20%，W分別增加（或減少）3.58%、7.14%；當降水不變，氣溫升高（或降低）1、2℃，W分別增加（或減少）3.84%、7.67%。因氣溫變化引起的W變化幅度大于降水引起的W變化幅度，說明氣溫主導研究區域W的大小。當氣溫降低1、2℃，降水量增加（或減少）10%、20%時，W將減小0.26%～14.82%；然而氣溫降低1℃，降水量增加20%時，W將增加3.31%。當氣溫升高1、2℃，降水量增加（或減少）10%、20%時，W將增加0.26%～14.82%；然而氣溫升高1℃，降水量減少20%時，W將減少3.31%。與上述分析，氣溫對W的影響占主導地位一致。研究區域“冷干型”氣候對標準氣候生產潛力不利，“暖濕型”氣候對標準氣候生產潛力有利。假設研究區域氣候變化的特征趨勢與上文分析一致，未來將向“暖濕型”發展，將有利于標準氣候生產潛力發揮。

3結論與討論

（1）黑龍江省自然植被氣候生產潛力（WT、WR、WV、W）均呈現增加趨勢，年代際變化差異明顯，整個研究時域水熱配比情況較好，大部分時期熱量起主要限制作用，降水也是主要限制因子之一。

（2）黑龍江省自然植被氣候生產潛力（WT、WR、WV、W）存在26～31、18～24、11～16年等3種時間尺度的周期變化，第一主周期分別為28、28、27、28年。

（3）黑龍江省自然植被標準氣候生產潛力空間分布存在3種分布類型，主要表現型式呈現一致的正變化趨勢，次要表現型式呈現正、負相間變化；高值中心主要集中在西南部地區，低值中心主要集中在西北部地區，自然植被標準氣候生產潛力受地理環境影響變化較明顯，區域特征差異顯著；水熱條件匹配較好（較差）區域的標準氣候生產潛力偏高（偏低）。

（4）黑龍江省自然植被標準氣候生產潛力對氣象要素變化響應敏感，在年際尺度中，氣溫每上升1℃、降水量和蒸散量每增加10 mm，W依次變化為199.91、44.46、233.46 kg/（hm2·a），氣溫是主要限制因子?！袄涓尚汀睔夂驅藴蕷夂蛏a潛力不利，“暖濕型”氣候對標準氣候生產潛力有利；未來將向“暖濕型”發展，研究區域將有利于標準氣候生產潛力發揮。

（5）Miami模型和Thornthwaite Memorial模型估計的凈第一性生產力稍大及利用的年平均實際蒸散量綜合第考慮了氣溫和降水以及下墊面性質的影響作用[32]，通過光合作用與植物冠層蒸散伴隨的植物體對植物生長機理以及能量的內在轉換機制描述，展現光合作用與植被產量關系，因此理論上更具可靠性。該模型僅為統計模型，虧缺緊密的生理、生態特征及機理支撐依據，還需進一步完善，增加其他氣象因子如日照、風速和相對濕度等[33]，這將是未來時期重要任務之一。

參考文獻

[1]王曉煜，楊曉光，孫爽，等.氣候變化背景下東北三省主要糧食作物產量潛力及資源利用率比較[J].應用生態學報，2015，26（10）：3091-3102.

[2]馬雅麗，郭建平，趙俊芳.晉北農牧交錯帶作物氣候生產潛力分布特征及其對氣候變化的響應[J].生態學雜志，2019，38（3）：818-827.

[3]周廣勝.氣候變化對中國農業生產影響研究展望[J].氣象與環境科學，2015，38（1）：80-94.

[4]郭建平.氣候變化對中國農業生產的影響研究進展[[J].應用氣象學報，2015，26（1）：1-11.

[5]高軍波，楚冰洋，閆軍輝，等.1960年以來河南省玉米氣候橫財潛力估算與種植空間優化[J].農業機械學報，2019，50（1）：245-254.

[6]郭建平.氣候變化對農業氣候資源有效的影響評估[M].北京：氣象出版社，2016：2-49.

[7]王鵬，王婷，王瑩，等.東北地區玉米氣候生產潛力評估及區劃[J].大麥與谷類科學，2019，36（1）：43-48，58.

[8]胡慧杰，王猛，尹小剛，等.氣候變化下東北農作物大豆需水量的時空變化特征[J].中國農業大學學報，2017，22（2）：21-31.

[9]李秀芬，馬樹慶，宮麗娟，等.基于WOFOST的東北地區玉米生育期氣象條件適宜度評價[J].中國農業氣象，2013，34（1）：43-49.

[10]朱海霞，姜麗霞，曲輝輝，等.黑龍江省水稻生育階段極端降水事件時空特征[J].氣象，2019，45（4）：522-532.

[11]龍斯玉.江蘇省農業氣候生產潛力及區劃研究[J].地理科學，1985， 5（3）：218-226.

[12]陳國南.用邁阿密模型測算我國生物生產量的初步嘗試[J].自然資源學報，1987，2（3）：270-278.

[13]高素華，潘亞茹，郭建平.氣候變化對植物氣候生產力的影響[J].氣象，1994，20（1）：30-33.

[14]王秀芬，楊艷昭，尤飛.黑龍江省氣候變化及其對玉米生產潛力的影響[J].干旱地區農業研究，2015，30（5）：25-29.

[15]王宗明，張柏，張樹清，等.松嫩平原農業氣候生產潛力及自然資源利用率研究[J].中國農業氣象，2005，26（1）：1-6.

[16]李莉，周宏飛，包安明.中亞地區氣候生產潛力時空變化特征[J].自然資源學報，2014，29（2）：285-294.

[17]于穎，范文義，楊曦光.1901-2018年小興安嶺森林NPP估算[J].林業科學，2014，50（10）：16-23.

[18]趙慧穎，田寶星，宮麗娟，等.近308年來大興安嶺北部森林植被氣候生產潛力及其對氣候變化的響應[J].生態學報，2017，37（6）： 1900-1911.

[19]張興林，叢志宇，趙慧穎，等.黑龍江省富?？h移栽玉米氣候生產潛力分析[J].中國農學通報，2016，32（21）：147-152.

[20]盧玢宇，楊波，裴占江，等.黑龍江省氣候生產潛力時空演變特征研究[J].生態環境學報，2017，26（10）：1659-1664.

[21]杜國明，張露洋，徐新良，等.近50年氣候驅動下東北地區玉米生產潛力時空演變分析[J].地理研究，2016，35（5）：864-874.

[22]田寶星，于敏，李浩然，等.黑龍江省春季低溫指數及其對作物產量的影響[J].中國農學通報，2018，34（25）：97-103.

[23]田寶星，宮麗娟，楊帆，等.黑龍江省春季低溫指數小波分析[J].水土保持研究，2017，24（1）：342-345，350.

[24]趙俊芳，孔祥娜，姜月清，等.基于高時空分辨率的氣候變化對全球主要農區氣候生產潛力的影響評估[J].生態環境學報，2019，28（1）： 1-6.

[25]羅永忠，成自勇，郭小芹.近40a甘肅省氣候生產潛力時空變化特征[J].生態學報，2011，31（1）：221-229.

[26]趙慧穎，顧潤源，白曉慧，等.氣象水文因子對呼倫湖濕地區域植物氣候生產潛力的影響[J].生態環境學報，2012，21（6）：997-1003.

[27]李夏子，郭春燕，楊晶，等.氣候變化對內蒙古牧草生產潛力的影響[J].中國農學通報，2018，34（16）：106-114.

[28]周國華，羅小莉，王盤興，等.中國冬季氣溫異常EOF分析的改進[J].大氣科學學報，2012，35（3）：295-303.

[29]符傳博，丹利，馮錦明，等.1960-2012年中國地區總運量時空變化及其與氣溫和降水的關系[J].大氣科學，2019，43（1）：87-98.

[30]宗天韻，周瑋瑩，周平.南嶺山地1968到2015年降水的時空變化特征研究[J].生態科學，2019，38（2）：182-190.

[31]符淙斌，王強.氣候突變的定義和檢測方法[J].大氣科學，1992，16（4）：482-493.

[32]曹宗龍.安徽省植被潛在生產力研究[J].綿陽師范學院學報，2011， 30（2）：77-83.

[33]葛全勝，劉健，方修琦，等.過去200年冷暖變化的基本特征與主要暖期[J].地理學報，2013，68（5）：579-592.