气候变化问题是世界各国广泛关注的焦点,农业生产在全球变暖、隐形气象灾害频发的环境下将面临更大的风险。冬小麦生产受气象条件的影响较大,近年来,渍害、干旱、高温逼熟等气象灾害及其发生频率增大,对小麦的稳产高产造成了严重威胁。随着联合国粮食及农业组织(FAO)“气候智能型”农业概念的提出,农业生产的气候适应性和智能生产研究正在各国和地区间不断开展。本研究拟在前人研究的基础上,通过对江苏省苏北、苏中和苏南三个农业生态区域1979-2014年小麦生长期内多种气象因子和小麦产量进行分析,探索以机器学习模型为核心、适用于该地区小麦产量评估的气象条件综合评价指数,并在此基础上分析江苏小麦的敏感气象因子、年型气候适应性以及未来气候变暖环境下的产量变化趋势,期望能够为今后江苏小麦产量预测提供参考,为农业灾害预警提供理论依据,同时可为农业种植灾害保险提供技术支持。主要研究结果如下:1.江苏近35年冬小麦生长季气象条件时空分布特征汇集了江苏地区10个气象站点1979-2014年小麦生长季的平均气温、累计降水量、日太阳辐射量和日照时数的空间分布数据,使用Mann-kendall趋势检测和Sen斜率分析了各气象因子的演变,并对小麦四个生育阶段(播种至越冬始期S1、越冬始至返青期S2、返青至开花期S3、开花至成熟期S4)的气象条件变化特征进行了分析。结果显示,10个站点的小麦全生育期平均气温和平均旬累计降水量在空间上均呈现北低南高特征,而平均日太阳辐射和平均旬累计日照时数均表现为由北向南逐步减少的特征。10个站点的小麦全生育期平均气温在时间上均呈现显著上升趋势,上升的幅度在0.04℃/yr～0.07℃/yr之间。四个关键生育阶段中,S2有近一半站点呈现显著的升温趋势,S1和S4有9个站点温度上升趋势达显著水平,而S3所有站点的升温趋势均达到了显著水平。经比较,S3的平均升温幅度是四个生育期中最高的,且以吴江站点的升温幅度最大,达到了 0.092℃/yr。除了平均温度呈现升高趋势,小麦生长季的日最高和最低气温也呈现不同程度的增长。赣榆、铜山、东台、江宁4个站点1979-2014年日最低气温的增长接近或超过了日最高气温的增长幅度,四个关键生育阶段中,除S2外,其余时期四站点的最低气温均出现了显著上升趋势,反映了小麦生长季昼夜增温不平衡的现象。小麦全生育期旬降水量均值在35年间并无显著的上升或下降趋势,四个关键生育阶段中,仅溧阳和吴江两站S2的降水量上升趋势达到显著水平,均达0.3mm/yr以上。使用旬值标准化降水蒸散指数(SPEIx)分析江苏小麦生长季水分条件和产量的关系,结果表明,S4的1旬、2旬、3旬尺度的SPEIx值均与一阶差分产量呈极显著负相关关系,表明江苏小麦开花至成熟期的降水量偏多,不利于小麦产量的提升。35年间,各站点小麦全生育期平均日太阳辐射量的Sen斜率均为正值,但均未达到显著上升趋势。10个站点中9个站点的S3日太阳辐射均呈现显著上升趋势,且苏中和苏南地区共有5个站点达到了极显著上升的趋势。其余三个关键生育阶段的日太阳辐射变化趋势均未达到显著水平。大部分站点冬小麦全生育期日照时数的Sen斜率为负值,仅盱眙站点的下降趋势达到了极显著的水平。就四个关键生育阶段而言,S1和S2分别有4个和1个站点呈现了显著下降趋势,S3有3个站点呈现显著上升趋势,其余站点的变化趋势均不显著。2.影响小麦气候产量的关键气象因子筛选与提取方法比较按照种植区及气候条件的差异,将研究区域以苏北灌溉总渠和长江划分为苏北、苏中和苏南三个亚区,并采用不同方法分析了小麦四个关键生育阶段的气象因子与气候产量的关系,筛选获得三个亚区中影响小麦产量的关键气象因子。四种不同气候产量的提取方法(去线性趋势法、去3年滑动平均趋势法、一阶差分法、相对差分法),结果表明,在气候条件相近的三个亚区内,去3年滑动平均法所得气候产量的站点间平均相关系数在苏北和苏中地区较低,在苏南地区较高;去线性趋势气候产量的相关性在苏北地区较高,苏南地区较低;一阶差分和相对差分法相关性结果较为接近,在三个亚区内的结果均比较稳定。对四个关键生育阶段的四种气象因子进行相关分析显示,一阶差分和相对差分的相关因子数以及Spearman相关系数值均优于去线性趋势和去3年滑动平均趋势产量。将三个亚区内气候产量数值最低的20个值认定为严重减产,比较严重减产时气象因子与四种方法计算的气候产量的拟合情况,结果显示去3年滑动平均产量和相对差分产量在苏中地区拟合较好,而去线性趋势产量在苏北和苏南地区拟合较好,一阶徐向英 江苏小麦综合气象指数构建与产量变化预测和分析 Ⅲ差分产量在苏南地区的拟合较好。鉴于一阶差分产量具有计算简单、解释性强等优点,确定了一阶差分法作为气候产量的计算方法。采用相关分析法、逐步回归模型的赤池准则(AIC)以及随机森林模型的%IncMSE指标对影响小麦气候产量的气象因子进行筛选,对比分析表明,3种方法筛选所得气象因子并不完全相同,但苏北地区T2,苏中地区S4和苏南地区P3在三种方法中均表现出较高的重要性,因而结合三种方法选择相应的气象因子能获得更加可靠的产量影响因子,将其作为气候产量拟合模型的输入参数,以便获得更准确的综合气象指数。3.评估小麦气候产量的综合气象指数构建研究对同时段、不同站点间的气候产量预测(空间预测)和不同时段、相同站点的气候产量预测(时间预测)两种气候产量预测模式以满足实际应用需求。通过将气象和产量数据划分为训练集和测试集,在训练集上利用随机森林(RF)和支持向量机(SVM)分别对苏北、苏中、苏南三个亚区的气候产量建立回归模型,并在测试集测试模型精度,结果显示,RF和SVM模型的R2值在苏北地区达到0.5以上,但在苏中和苏南地区均在0.4以下。通过Kolmogorov-Smirnov拟合优度检验明确了气候产量分布符从三参数T分布,根据分布特征,将回归模型输出值进行标准化处理,转化为时间和空间可比较的综合气象指数值,并依据气候产量分布的上下侧20%分位数(分别为388kg/ha和-267kg/ha),设置分类阈值,即按20%,60%和20%的概率将指数值划分为三类(分类阈值为±0.84),分别对应气候产量减产、平产和增产三种等级。分类后的指数对气候产量类别预测的精度得到了提升,结果显示,基于RF和SVM的指数预测正确率均在50%到97%之间;SVM的指数预测正确率高于RF模型的指数。通过ROC曲线进一步比较了两分类情况下两种模型计算得到的指数对气候产量为减产和不减产(或增产和不增产)类别的预测能力。结果显示,苏北地区,RF和SVM计算的指数在减产占比达40%阈值下预测正确率均较高,最高AUC值达0.98;苏中地区,RF和SVM模型计算的指数对减产和增产的预测正确率偏低;苏南地区,SVM空间模型的指数预测正确率较高,RF时间模型的指数预测正确率较高。4.综合气象指数预测气候产量的精度评价为分析综合气象指数在气候产量评估方面的精度,使用标准化降水蒸散指数(SPEI)计算了江苏小麦生长季11月至次年5月间1、2、3、4个月尺度的SPEI指数,探讨了 SPEI与小麦气候产量间的关系,并在相同数据集上与综合气象指数对气候产量的预测正确率进行了对比。结果显示,苏北和苏中的空间预测中,两种指数正确率相当,但苏南的预测中基于RF模型和SVM模型的综合气象指数预测正确率均高于SPEI指数;时间预测方面,基于SVM模型的综合气象指数在苏北的预测正确率和SPEI指数相同,但在苏中和苏南均高于SPEI指数,而基于RF模型的综合气象指数除苏中预测正确率高于SPEI指数外,其余两地区的预测正确率均低于SPEI指数。利用多个反映光、温和水分条件的气象因子直接构建气候产量逐步回归模型,进行了产量预测,并与综合气象指数的气候产量预测结果比较,结果显示,基于RF和SVM模型的综合气象指数在苏北、苏中和苏南地区的空间和时间预测正确率均高于多气象因子的逐步回归模型。利用不同于原训练集和测试集的全新测试数据,验证了 2015～2017年间苏北、苏中、苏南共6个站点的综合气象指数预测精度。结果显示:指数在三区域汇总的预测正确率达61%以上,但在苏南地区,指数预测正确率较低。在两种调整阈值下,指数预测正确率有所下降。反映了综合气象指数在原阈值下具有一定的实际应用价值。5.江苏小麦生产的气候适应性及不同生态区影响小麦产量的敏感气象因子分析采用综合气象指数分析了江苏小麦的敏感气象因子、不同年代小麦的气候适应性以及未来变暖气候环境下的小麦产量变化。综合气象指数的RF时间预测模型获得了苏北、苏中和苏南地区小麦气候产量的全局敏感性指数。结果显示:苏北地区最敏感的气象因子为越冬始至返青期日太阳辐射,苏中地区为开花至成熟期日太阳辐射,苏南地区为返青至开花期太阳辐射。分析了 1981年-1990年、1991年-2000年以及2001年-2014年三个年代江苏10个站点的小麦综合气象指数值变化情况,结果显示:苏北、苏中和苏南地区在上世纪九十年代的减产年比例是三个年代中最高的。本世纪初的14年,江苏北部、中部、南部地区小麦的气候适应性普遍提高,减产年比例均为三个年代中最低,均降至20%以下,体现了江苏小麦生产的气候适应性正在逐步增强;平产年比例达到了三个年代中的最高值,苏北、苏中、苏南分别为820%、69%和68%;三个地区增产年比例均达14%以上,反映了 2001年以来江苏小麦产量总体处于稳定增长的态势。利用综合气象指数的RF时间预测模型分析了未来变暖环境下小麦产量变化。根据江苏10个站点35年小麦生育期平均温度上升Sen斜率为0.05℃/yr,分别设置了小麦生育期平均气温增加0.025℃/yr、0.05℃/yr和0.1℃/yr三个水平,比较综合气象指数值的变化。结果显示:苏北地区三个水平下的指数变化较为接近,均表现为平产年比例下降,增减产年比例上升;苏中和苏南地区三个水平的增温均导致指数值的平产年比例下降,增产年比例上升。反映了综合气象指数能够在未来不确定的气候条件下为小麦生产辅助决策提供参考。