气候变化情景下黄淮海冬麦区降水量及其适宜度变化分析

采用双线性插值法将RegCM3模式模拟的A1B情景下该区域1951-2100年0.25°×0.25°的格点数据插值到各站点位置,然后利用黄淮海冬麦区1971-2000年83个站点逐日气象资料对其进行误差订正,再将情景数据分为1951-1980年、1981-2010年、2011-2040年、2041-2070年和2071-2100年共5个阶段,计算各阶段冬小麦主要生育期降水量及其适宜度,并分析相应的时空变化特点。结果表明：黄淮海冬麦区在暖湿化的气候情景下,冬小麦各主要生育期降水量和降水适宜度总体上呈现南方多北方少的分布特点,返青-拔节期降水量最少,抽穗-成熟期降水量最多,相应各主要生育期的降水适宜度表现为返青-拔节期和抽穗-成熟期较高、拔节-抽穗期较低的特点。分时段分析结果显示,随着时间推延,各主要生育期内降水适宜度与降水量基本呈正相位的变化关系,即降水量越大,适宜度也相应增大。返青-拔节期的降水量和降水适宜度均呈现北部增加、南部明显减少的趋势,拔节-抽穗期降水量和降水适宜度均呈减少-增加-减少-增加的波动变化趋势,抽穗-成熟期降水量和降水适宜度均呈先减少后相对稳定的变化趋势,全生育期内降水量和降水适宜度均呈先减少后增加的趋势。未来全球气候变暖情景下,黄淮海冬麦区北部可以考虑根据实际情况小幅扩大种植规模;南部可以考虑保持现有种植规模或小幅减小种植规模。     

水稻蒸散特征及日尺度作物系数估算

基于南京2012年水稻生长季蒸渗仪水稻实际蒸散数据及相应生物、气象环境资料,对水稻生长季的参考作物蒸散量、实际蒸散量及作物系数进行分析,并建立作物系数估计模型。结果表明：水稻生长季内逐日参考作物蒸散量呈单峰曲线变化,峰值出现在分蘖-拔节期;逐日实际蒸散量变化则表现为双峰型,耗水双高峰发生于分蘖-抽穗期。日参考作物蒸散量和实际蒸散量均有明显的季节性变化特征。水稻生长季内实际作物系数趋势变化特征与FAO修正作物系数较一致,但二者在数值上具有较大差异,建立的水稻作物系数与其影响因子（叶面积指数、气温、净辐射）的关系模型检验表明,其拟合度为0.887,将模型应用于计算水稻农田蒸散量,其拟合度为0.943,说明模型能较精确地估算稻田日蒸散量。该模型基于日尺度影响因子,在一定程度上简化了水稻作物系数的计算过程,明确了不同类型因子对水稻作物系数的影响程度,可应用于水稻作物系数的连续动态估算。     

水稻蒸散特征及日尺度作物系数估算*5

基于南京2012年水稻生长季蒸渗仪水稻实际蒸散数据及相应生物、气象环境资料,对水稻生长季的参考作物蒸散量、实际蒸散量及作物系数进行分析,并建立作物系数估计模型。结果表明：水稻生长季内逐日参考作物蒸散量呈单峰曲线变化,峰值出现在分蘖-拔节期;逐日实际蒸散量变化则表现为双峰型,耗水双高峰发生于分蘖-抽穗期。日参考作物蒸散量和实际蒸散量均有明显的季节性变化特征。水稻生长季内实际作物系数趋势变化特征与FAO修正作物系数较一致,但二者在数值上具有较大差异,建立的水稻作物系数与其影响因子（叶面积指数、气温、净辐射）的关系模型检验表明,其拟合度为0.887,将模型应用于计算水稻农田蒸散量,其拟合度为0.943,说明模型能较精确地估算稻田日蒸散量。该模型基于日尺度影响因子,在一定程度上简化了水稻作物系数的计算过程,明确了不同类型因子对水稻作物系数的影响程度,可应用于水稻作物系数的连续动态估算。     

安徽省中季稻生育期高温热害发生规律分析

根据安徽省1961-2013年常规气象资料和1980-2011年中稻产量资料,采用数理统计、Morlet小波分析和ArcGIS的空间分析功能,对安徽省各等级高温热害发生时间分布、年际变化、周期性及空间分布规律进行分析。结果表明：（1）1961-2013年,安徽省中季稻生育期高温热害发生频次较高的时段主要集中在7月中、下旬和8月上旬,尤以8月上旬最高,轻、中、重级高温热害平均2.15a、3.81a、4.69a发生1次,且轻度热害发生次数最多;（2）53a来安徽中稻生育期内各级别高温热害发生频次均呈先减少后增加的趋势,其中80年代发生频次最少;（3）各级别高温热害发生次数均有显著的周期性震荡规律,存在48a、28a、12a的变化周期;（4）各级别高温热害发生频次空间分布总体呈南部偏多,并由西南部向周围递减的趋势,尤以安庆最为严重;（5）安徽中稻产量与高温热害频次的相关性并不显著。