本科毕业设计(论文)

外文翻译

中国南方水稻未来极端高温热害的多模型综合预测

出处：Theor Appl Climatol

中文译文：

摘要：随着气候变暖，极端高温事件发生地越来越频繁，强度也越来越高，将会对中国南方水稻的生产造成巨大威胁。对水稻高温热害及其变化进行预测可以评估未来水稻生产受到的影响程度，并且对如何应对气候变化做出一定指导。在本研究中，我们使用了统计降尺度方法计算高温热害指数，可以对一般循环模型(GCMS)的输出结果进行有效降尺度处理。利用耦合模型来模拟CMIP5两种排放方案情景下(当前排放情景RCP4.5与高排放情景RCP8.5)28个GCMS的中国南方水稻数据。历史时期(1960-2010年)的多模型结果较好地模拟重现了高温热害指数的观测趋势(均方根误差RMSE为6.5天)，其结果优于全部模型的算术平均值(RMSE为8.9天)或任何单独GCM(RMSE为11.4天)。在两种排放情境下，2061-2100年高温热害事件发生的频率都有所上升，RCP4.5下和RCP8.5下上升比例分别高达185%和319%，其中长江中下游地区上升趋势最为显著。而在开花期和灌浆期受到30°C以上高温胁迫的概率增加，将会影响严重水稻的产量。我们的研究结果表明，在气候变暖的趋势下，实施特定的适应和缓解措施是十分必要的，例如对耐高温品种的选择或种植日期的调整。

1 引言

气候变化呈现出气温升高，降水模式改变，极端天气事件频率增加的特点。1880-2012年全球平均气温上升了0.85℃(IPCC，2013)。在过去50年，中国气温每十年上升0.15-0.40℃(Piao等，2010)。不仅气温升高，极端气候(如热浪)也将变得愈加频繁(Shen等，2016；Sun等，2014)。而全球气候的变化会对作物的物候(Tao等，2014年；Zhang等，2013)、生产、用水(Shuai等，2014年；Tao和Zhang， 2013年；Yao等，2007)等方面都造成不利影响。

水稻是全球最重要的粮食之一，世界上一半以上的人口以水稻为主食，是亚洲、拉丁美洲和非洲农民的生活基础(Jagadish等，2014)。中国是最大的水稻生产国，水稻面积占世界种植面积的18.5%，水稻产量占世界的28%(Shi等，2015A,B)。由于水稻通常种植在亚热带地区，面临的高温热害风险较大，尤其在其生殖期内受到高温胁迫会造成产量的急剧下降(Jagadish等，2007)。过去三十年中国水稻产量因受到高温热害影响下降了1.5-9.7%(Shi等，2015a；Zhang等，2016)。最低温度每上升了1°C，菲律宾的水稻产量将会下降10%(Peng等，2004)。有预测表明(Yao等，2007)，随着气候变化，中国水稻产量将持续发生变化。在全球气候变暖的趋势下，高温热害已经成为未来水稻生产中面临的最严重的威胁之一(Jagadish等 2014；Snchez等，2014；Wang等 2014b)。

以往对高温热害对水稻生产影响的研究主要集中在高热胁迫的历史分析(huang等，2016；Shi等，2015a；Sun和Huang ，2011；Zhang等，2016)、影响机制研究(Jagadish等，2007年)或者模型建立(Shi等，2015a，b)等方面。例如，历史数据表明，1981-2010年中国南方大部分地区的高温胁迫有所加剧(Shi等，2015a)。Jagadish等(2007)研究了高温胁迫持续时间对稻穗育性的影响，结果显示1小时内的高温胁迫就足以诱导水稻不育。shi等(2015b)深入研究了极端高温对水稻物候的影响。然而，未来的情境下水稻受高温热害的影响程度还不得而知。此外，由于不同的GCMS与多模型集成方法产生的差异导致未来的高温热害风险也同样不确定。因此，综合利用一般循环模型(GCMS)对水稻未来的高温胁迫程度进行量化研究是非常有必要的。

GCMS可以预测未来的极端温度(Jiang等，2012；Sillmann和Roeckner，2008)。然而由于受到时空分辨率的限制，GCMS的结果不能直接用于研究气候变化对特定地区作物的影响。降尺度方法可以通过动态缩小或统计缩小的两种方式来获得高分辨率或特定地点的气候数据(Vaitinada-Ayar等，2016)。而由于区域气候模型的嵌套，动态降尺度方法的计算成本较高(Liu和Zuo，2012)。对于在不同排放情景下获得特定地点的数据，统计降尺度方法的计算成本较低，常应用于统计传递函数、随机天气发生器和基于GCM结果的天气分类等研究中(Vaitinada Ayar等，2016)。在本研究中，我们使用了Liu和Zuo(2012)提出的统计降尺度方法，该方法基于各种排放情境(包括RCP4.5和RCP8.5)，使用随机天气发生器从多个GCM中获取特定地点的每日数据。

由于单个GCMS结果的不确定性，未来高温热害对水稻的影响难有定论。而由于气候系统的复杂性，没有一个GCM可以被视为最佳模型(Knutti和Sedracek，2013；Tebaldi和Knutti 2007)。多模型集合使用诸如贝叶斯方法等加权方法，可以将多个模型的结果综合起来以降低不确定性(Tebaldi等，2005)。Bishop和Abramowitz(2013)提出了独立加权平均(IWM)法，该方法考虑了模型间的依赖性，并使用模型误差的协方差进行定义，将IWM估计值作为模型模拟的线性组合进行加权。在本研究中，我们使用IWM来估算水稻的高温热害指数。

本文首先通过对28个GCMS数据的统计降尺度分析计算了中国南部水稻的高温热害指数，之后运用IWM方法从GCMS结果中获得综合高温热害指数。我们假设未来热害的频率和强度会增加，将会影响中国南方水稻的产量和存活率。

2 材料和方法

2.1研究区域和观测气象站点

我国水稻生产主要分布在南方的18个省、自治区、直辖市(图 1)。该区域内的水稻面积占全国种植面积的84%，产量占全国的83%，每年的种植面积从上海市的104000公顷到湖南省的4079500公顷不等，平均每年达25412000公顷(2010-2014年)。我国的双季稻主要分布在湖南、江西、浙江、福建、广东、广西和安徽南部，在此区域的北部则以种植单季稻为主(图1)。用于计算1960-2010年高温热害指数与统计降尺度的温度数据来自于中国气象局(CMA)，具体包括1960-2010年170个气象站的最高和最低温度、降水量、风速、相对湿度等。

2.2水稻高温热害指数

在水稻开花期间，短期受到33℃以上的高温胁迫即可能导致稻穗不育，29.6℃以下则没有威胁(Jagadish等，2007)。因此，在国家标准(GB/T21985，2008)和前人研究(Tao和Zhang 2013；Zhang等，2008)的基础上构建高温热害指数来反映水稻生长、存活和产量受到的影响。本文高温热害指数如表1所示，用日平均温度超过30°C、最高温度超过35°C的所有天数与持续3天及以上的天数来评估高温热害的影响程度。

高温热害通常发生水稻孕穗期、抽穗期、开花期和乳熟期。孕穗期、抽穗期和开花期是水稻受高温胁迫最敏感的阶段。由于整个水稻区域的物候不尽相同，本文计算6月1日至8月31日为研究阶段，计算该期间的高温热害指数。这是由于水稻的孕穗、抽穗和开花通常发生在这一时期，同时，该时期内高温热害的发生也最为频繁。

表1本研究中使用的高温热害指数定义