气候及其变化越来越受到人们的关注, 全球变暖对环境、水资源、农业生产等的影响已成为世界科学界的重要研究课题, 这也是各国政府作经济和社会决策时所必须考虑的重要问题。根据IPCC研究报告, 近百年全球平均温度已经升高了0.6±0.2 ℃ ^[1], 这种温度的上升趋势还将持续。气候变暖加剧了极端天气气候事件的频繁出现, 对粮食安全构成了威胁, 气候变化及气象灾害对作物产量和品质有很大影响, 农业生产的发展在年度间不稳定, 在地区间也不平衡, 因此研究气候变化对农业生产的影响及其战略对策具有重要的理论意义和实用价值。目前, 关于气候变化对农业生产影响的研究较多^[2-9], 但气候变化本身具有一定的区域特征, 因此对农业生产的影响程度可能会有所差异。重庆属亚热带季风气候区, 具有湿润温暖的气候特点, 比较适宜农业耕作和粮食生产, 但重庆又是一个气候脆弱带, 气候变率较大, 旱涝、低温等灾害发生频繁, 对粮食生产造成影响, 本文将对重庆地区NPP (净第一性生产力) 时空分布特征及其对气温及降水变化的响应进行分析, 为进一步研究气候变化对作物产量的影响提供背景。

选取重庆34个测站 (表 1) 1959—2001年共43年逐月平均气温和降水量资料, 其中有个别站资料个别年份缺测, 采用比值订正法^[10]进行序列查补, 从而获得完整的资料序列。

表 1

表 1 重庆34个测站分布 Table 1 Distribution of 34 observation stations in Chongqing

表 1 重庆34个测站分布 Table 1 Distribution of 34 observation stations in Chongqing

生态学上所谓的生产力也叫净第一性生产力 (英文简称NPP), 是指每年每公顷面积能够生产多少吨干物质, 其相关的计算方法很多, 如迈阿密模型、蒙特利尔模型、筑后模型等^[11]。考虑到所用资料既易于获取同时又能清楚说明气候变化的影响, 本文选用李斯 (Lieth) 著名的Thornth-waite Memoriae模型, 即根据世界各地植物生物产量与年平均气温、年降水量之间的关系用实际蒸散量来估算NPP^[12-13]:

(1)

式 (1) 中, p_v是NPP (单位:kg·hm^-2·a^-1), v是年平均蒸散量 (单位:mm), 可按下式计算

(1)

其中, R是年降水量 (单位:mm), l是平均蒸发量 (单位:mm), 它是年平均气温t(单位:℃) 的函数, 可按下式计算

(2)

该模型主要考虑了气温和降水条件对植物干物质积累的综合影响, 显然, 利用该模型通过气温和降水资料来讨论其变化对植物产量的影响十分方便。在计算出各站点逐年的p_v值后, 利用EOF, MHF小波^[14-16]等方法分析其时空分布特征, 进而探讨气温降水变化与其变率的不稳定性对其产生的影响。

图 1是重庆地区34个代表站1959—2001年43年逐年平均气温场EOF分解的第一特征向量 (占总方差的53%) 分布图及对应时间系数图。从图 1a可见, 年平均气温变化的空间变化比较有规律, 中部偏北地区的振幅较大, 向东南和东北地区逐渐减小。图 1b可见, 重庆地区的年平均气温具有明显的阶段性变化特征, 在20世纪70年代中期以前, 年平均气温处于偏高的阶段, 之后至90年代中期以前, 气温处于偏低的阶段, 90年代中期以后, 气温又开始快速上升。在整个时间域内, 重庆气温变化呈下降趋势, 特别是70年代后期到90年代前期的气温偏低状况与全球、北半球、中国的气温变化趋势不一致^[17-21], 可能与所处的天气气候背景及大气环境改变有关^[17-20]。

图 1

图 1. 重庆地区1959—2001年年平均气温EOF分解第一特征向量分布图 (a) 和对应时间系数图 (b) (虚线为线性趋势, 粗实线为5项多项式拟合曲线) Fig 1. The 1st eigenvector of EOF analyses (a) and relevant time coefficient (b) of annual mean temperature in 1959—2001 of Chongqing (dashed line is line trend, thick solid line is 5 term polynomial fitting curve)

图 2是重庆地区34个代表站1959—2001年43年逐年年降水量场EOF分解的第一特征向量 (占总方差的47%) 分布图及对应时间系数图, 从图 2a可见, 年降水量的空间变化也是比较有规律的, 中部地区的振幅较大, 向东南和东北地区逐渐减小, 这与气温的特征类似。由图 2b可见, 重庆地区的年降水量也具有明显的阶段性变化特征, 在20世纪60年代前期, 年降水量处于偏少的阶段, 之后至80年代中期以前, 降水处于偏多的阶段, 80年代中期至90年代中前期, 降水偏少, 90年代后期降水偏多, 之后降水又开始减少。在整个时间域内, 重庆的年降水量变化的线性趋势不明显。

图 2

图 2. 重庆地区1959—2001年年降水量EOF分解第一特征向量分布图 (a) 和对应时间系数图 (b) (说明同图 1) Fig 2. The 1st eigenvector of EOF analyses (a) and relevant time coefficient (b) of annual precipitation in 1959—2001 of Chongqing (others as in Fig. 1)

图 3是重庆地区34个代表站1959—2001年43年逐年NPP场EOF分解的第一特征向量 (占总方差的48%) 分布图及对应时间系数图。由图 3a可见, NPP变化的空间分布与气温和降水量比较类似, 中部地区的振幅较大, 向东南和东北地区逐渐减小。由图 3b可见, 重庆地区的NPP也具有与年降水量变化相似的阶段性变化特征, 在20世纪60年代前期, NPP处于偏低的阶段, 之后至70年代末, NPP处于偏高的阶段, 80年代中期至90年代初, NPP偏低, 90年代中期偏高, 之后又开始降低。在整个时间域内, NPP的线性变化趋势略有下降。

图 3

图 3. 重庆地区1959—2001年NPP的EOF分解第一特征向量分布图 (a) 和对应时间系数图 (b) (说明同图 1) Fig 3. The 1st eigenvector of EOF analyses (a) and relevant time coefficient (b) of NPP in 1959—2001 of Chongqing (others as in Fig. 1)

从上面的分析可见, 重庆地区的年平均气温、总降水量及NPP均具有很好的区域一致性分布特征, 同时在一定程度上反映了多年平均状况, 这可能与重庆地域较窄, 受共同大气环流背景影响, 大部分年份气温和降水量变率比较一致有关。但通过EOF分解出的第一特征向量时间系数 (TEOF1) 变化是否能较好地体现重庆各地的相应要素变化趋势需要做进一步验证。

图 4是重庆地区年平均气温、降水量及NPP与相应的EOF分解的第一特征向量时间系数 (TEOF1) 的相关系数分布图。由图 4可见, 各相关系数值均较高, 相对而言, 气温的相关系数总体大于降水量及NPP, 而降水量与NPP的相关系数比较接近, 图中绝大部分相关系数值通过0.001显著性水平检验 (临界相关系数为0.47), 表明用TEOF1序列可以较好地体现重庆各地气温、降水量及NPP的总体变化特征, 也就是说, TEOF1序列具有较好的代表性, 可以利用其作为区域的平均特征序列进行分析。

图 4

图 4. 重庆地区年平均气温 (a)、降水量 (b) 及NPP (c) 与相应的TEOF1相关系数分布图 Fig 4. The figures of correlation coefficients between relevant TEOF1 and annual mean temperature (a) or precipitation (b) and NPP (c) series in Chongqing

计算得到重庆地区年平均气温、降水量及NPP的EOF分解的第一特征向量时间系数序列相互之间的相关系数:年平均气温与年降水量之间的相关系数为-0.31, 通过0.005显著性水平检验 (临界相关系数为0.29), 表明两者变化趋势是相反的, 一般来说偏旱年对应偏暖年, 偏涝年对应偏冷年。年平均气温与NPP的关系不明显, 相关系数仅为-0.06;而年降水量与NPP关系非常密切, 相关系数为0.95, 相关系数值通过0.001显著性水平检验 (临界相关系数为0.47)。为了体现气温、降水量与NPP的关系, 采用MHF小波分析方法对其作进一步的多时间尺度对比分析。

图 5是经MHF小波变换所得的时间尺度为20年、10年和3年的气温、降水量及NPP变化趋势及其小波方差。由图 5可见, 在大时间尺度 (20年) 上, 气温、降水量及NPP的变化趋势基本一致, 在整个时间段上都呈下降趋势, 但气温的下降趋势比降水量及NPP明显, 它们发生突变的时间也不一样, 气温突变在1977年, 而NPP和降水量突变时间分别在1983年和1987年; 在较大时间尺度 (10年) 上, NPP的变化趋势与降水非常接近, 但与气温的变化趋势的关系则不明显, 其发生突变的时间也不同; 在更小时间尺度 (3年) 上, NPP与降水的变化趋势更趋接近, 而与气温的趋势关系不明显; 从小波方差图可见, 在1959—2001年整个时间域内, 年平均气温11年周期特征最明显, 而降水量和NPP的周期特征比较一致, 均是2年周期最显著, 说明平均气温具有明显的年代际变化特征, 而NPP和降水的年际变化特征则较明显。

图 5

图 5. 时间尺度为20 a (a), 10 a (b) 和3 a (c) 气温、降水量及NPP的变化趋势及小波方差 (d) Fig 5. The air temperature, precipitation and NPP change tendencies on 20 a (a), 10 a (b) and 3 a (c) time scales and their wavelet variances (d)

以最近10年 (1992—2001年) 34站年平均气温、年降水量平均值作为气候的参照背景, 假设未来气候变化的49种情景, 即年平均气温变化为-3 ℃, -2 ℃, -1 ℃, 0 ℃, 1 ℃, 2 ℃, 3 ℃, 年降水量变化为-30%, -20%, -10%, 0, 10%, 20%, 30%, 按照式 (1) 计算得到的重庆地区NPP的变化百分率列于表 2中。

表 2

表 2 重庆地区年平均气温和年降水量变化情景下NPP变化百分率 (单位:%) Table 2 Percentage change of the NPP under the changing conditions of the annual mean temperature and precipitation in Chongqing (unit:%)

表 2 重庆地区年平均气温和年降水量变化情景下NPP变化百分率 (单位:%) Table 2 Percentage change of the NPP under the changing conditions of the annual mean temperature and precipitation in Chongqing (unit:%)

由表 2可知, NPP随年平均气温和降水量的变化而变化, 当单一的气温升高或降水增加均能使NPP递增。当年平均气温降低2 ℃以上而降水量变幅在-30%~30%之间时, NPP都将减小; 当年降水量减少20%以上而年平均气温变幅在-3~3 ℃之间时, NPP也都将减小。总体而言, 重庆地区“暖湿型”气候对NPP增加最有利, 而“冷干型”气候对NPP增加最不利, “暖湿型”气候将使NPP平均增加约11.2%, 而“冷干型”气候将使NPP平均减少约12.5%。根据有关研究对未来重庆气候变化的预测^[22], 计算未来重庆NPP的可能变化如表 3。

表 3

表 3 重庆未来气候的预测结果及NPP的可能增幅 Table 3 The climatic prediction results in the future and the possible increase extent of the NPP in Chongqing

表 3 重庆未来气候的预测结果及NPP的可能增幅 Table 3 The climatic prediction results in the future and the possible increase extent of the NPP in Chongqing

从表 3可以看到, 到2010年, 根据预测重庆气温和降水量将有小幅升高和增加, 使得NPP增幅为0.3%~3.9%;到2030年, 重庆气温和降水都将有较大幅度升高和增加, NPP增幅达6.7%~10.0%;到2050年, 气温仍将继续升高, 而降水增加不大, NPP增幅为4.4%~8.4%。分析可见, 未来50年内重庆地区气候可能将向“暖湿型”变化, NPP将有增加的趋势, 2030年前后将可能达到最大值。

通过对重庆地区1959—2001年年平均气温及年降水量和NPP的分析, 得出以下主要结论:

1) 重庆地区的年平均气温、总降水量及NPP均具有较好的分布规律。1959—2001年, 年平均气温有下降的趋势, 年降水量变化的线性趋势不明显, 而NPP略有下降的趋势, 它们均具有一定的阶段性变化特征, 其中NPP具有与年降水量变化相似的年代际变化特征。

2) 在大时间尺度 (20年) 上, 气温、降水量及NPP的变化趋势基本一致, 在整个时间段上都呈下降趋势, 但在较大时间尺度 (10年) 和更小时间尺度 (3年) 上, NPP与降水量的变化趋势比较接近, 与气温的趋势关系不明显; 1959—2001年, 年平均气温11年周期特征最明显, 而降水量和NPP的周期特征比较一致, 均是2年周期最显著, 年平均气温具有明显的年代际振荡特征, 而NPP和降水量的年际变化振荡特征较明显。

3) NPP随年平均气温和年降水量的增减而增减, 当单一的气温升高和降水量增加均可使NPP递增。重庆地区“暖湿型”气候对NPP增加最有利, 而“冷干型”气候对NPP增加最不利, “暖湿型”气候将使NPP平均增加约11.2%, 而“冷干型”气候将使NPP平均减少约12.5%。

4) 根据气候预测推算, 2010年重庆地区NPP增幅可能为0.3%~3.9%; 2030年NPP增幅可能达6.7%~10.0%;到2050年, NPP增幅可能为4.4%~8.4%。未来重庆地区气温及降水量变化将有利于NPP的增加, 2030年前后将可能达到最大值。