黃淮海冬小麥春季低溫災害等級指標構建

李美萱 霍治國2)* 孔 瑞3) 江夢圓2) 米前川2)

1)(中國氣象科學研究院災害天氣國家重點實驗室, 北京 100081) 2)(南京信息工程大學, 南京 210044) 3)(中國地質大學, 武漢 430074)

引 言

黃淮海地區是我國冬小麥主產區,其中河南、山東、河北、安徽、江蘇的冬小麥產量占全國冬小麥總產量的78%,也是我國冬小麥春季低溫災害的高發區、重發區,部分地區發生頻率超過30%,最高可達70%[1]。隨著氣候變暖,冬小麥春季發育期提前,疊加氣候波動加劇、作物脆弱性增加,冬小麥春季低溫災害發生風險增加,導致冬小麥高產、穩產存在嚴重風險[1-4]。

冬小麥對溫度變化較為敏感,低溫影響冬小麥發育進程、生理機能,進而造成減產[5-7]。春季低溫脅迫對冬小麥穗部發育影響較大,通過影響成穗數、穗粒數、千粒重3個要素,導致冬小麥產量下降,對冬小麥產量的影響因所處發育階段不同而不同[5,8-9]?；诳刂圃囼炑芯看杭镜蜏孛{迫對冬小麥產量及其構成因素的影響,因受到試驗地點、品種和試驗溫度設計等因素限制,得到結果的區域代表性有待進一步檢驗。Meta分析又稱整合分析,是一種對若干獨立研究統計結果進行綜合分析的定量統計方法,通過增大樣本量,減少隨機誤差,打破獨立試驗結果的局限性,獲得區域水平的一般性規律[10]。

農業氣象災害指標是基于歷史災情記錄[11-13]、典型災害過程觀測數據[14]、模擬試驗[15-17]等,結合觀測氣象數據,篩選表征災害過程的主要致災因子,實現災害的分級判識。以往災害等級指標的構建?；谌粘叨葦祿?基于小時尺度數據構建指標鮮見報道。本研究以黃淮海冬小麥主產區為研究區域,采用Meta分析方法定量評估黃淮海地區春季不同發育期低溫脅迫(過程最低溫度、低溫持續時間)對冬小麥產量及其構成因素的影響,構建冬小麥低溫災害小時尺度等級指標,以期為準確評估冬小麥春季低溫災害的影響和區域冬小麥低溫災害防災減災提供科學依據。

1 材料與方法

1.1 數據來源

從中國知網、維普、萬方、科學引文數據庫(Web of Science)檢索及篩選相關方向文獻,初檢出文獻1311篇,通過閱讀文題和摘要初篩出文獻150篇,按特定標準:①試驗范圍屬于本研究所規定的區域,考慮指標應用的省級代表性,本研究納入安徽、江蘇區域內全部試驗樣本;②試驗必須包含相同條件下的低溫處理組和對照組;③必須包含處理組和對照組的產量、穗數、穗粒數和千粒重數據,相關參數數值、標準差及樣本量能夠直接從圖、表或文字中提取或通過計算獲得;④不同刊物出現相同試驗數據時,選擇數據信息較為全面的文獻復篩,將符合條件的34篇文獻(表1)納入分析,按“第1作者-發表時間-過程最低溫度-低溫持續時間-試驗組數據(平均值、樣本量、標準差)-對照組數據(平均值、樣本量、標準差)”格式提取文獻中數據,經過整理最終得到單株產量、單株穗數、穗粒數和千粒重數據分別為506組、500組、475組和443組。

表1 納入文獻的試驗地點和供試品種信息

1.2 分析方法

1.2.1 Meta分析

1.2.1.1 效應值的計算

本研究選取生態學領域常用反應比的對數(lnR)作為效應值衡量低溫對冬小麥產量及其構成因素的影響,該效應值基于平均值,要求試驗組與對照組平均值不為0,其計算公式為

(1)

式(1)中:lnR為效應值,Xt與Xc分別為低溫脅迫處理組與對照組冬小麥產量及其構成因素平均值。

效應值的大小反映低溫對特征量的影響程度。將數據分析結果轉化為相對變化率,直觀解釋低溫脅迫對冬小麥產量及其構成因素的影響。當相對變化率的95%上下限不與橫軸相交時,則認為P<0.05,即低溫對小麥產量及其構成因素影響顯著,否則表示影響不明顯。

1.2.1.2 Meta回歸

Meta回歸分析指通過建立回歸方程,反映自變量與因變量間的關系,篩選出導致異質性的重要影響因素。以效應值lnR為因變量,過程最低溫度、低溫持續時間為自變量,分析不同發育階段過程最低溫度及低溫持續時間對產量及其構成因素影響的顯著程度。

1.2.1.3 敏感性分析

采用單項研究逐項剔除,判斷合并效應量改變是否明顯進行敏感性分析,若改變量小于5%,認為敏感性低,合并效應量結果具有穩定性;改變量大于5%,則剔除該項研究。

1.2.1.4 亞組分析

基于試驗樣本,按過程最低溫度、低溫持續時間進行亞組分析,探討不同低溫強度、持續時間引起的產量及其構成因素變化的差異。

1.2.2 冬小麥春季低溫災害等級指標的構建

1.2.2.1 冬小麥低溫受災樣本集構建

冬小麥受低溫脅迫影響與低溫強度、低溫持續時間密切相關[20,49]。隨著溫度降低、脅迫時間延長,冬小麥產量下降幅度增大[50]。本研究選取控制試驗中,冬小麥受低溫脅迫過程的最低溫度(過程最低溫度)和積冷量(過程積冷量)作為判識因子構建低溫災害等級指標。統計低溫脅迫樣本發現冬小麥返青期、拔節期、孕穗期和抽穗-開花期低溫脅迫試驗設計的過程最低溫度主要集中在-10～-3 ℃、-10～2 ℃、-7～4 ℃和2～8 ℃,參照文獻[51-52]記載的小麥不同發育期三基點溫度,選取0 ℃、3 ℃、7 ℃和9 ℃作為黃淮海地區冬小麥返青期、拔節期、孕穗期和抽穗-開花期生長下限溫度。低溫試驗樣本包括恒溫控制、變溫控制兩類,不同于降溫天氣過程溫度的動態變化:對于恒溫控制的低溫試驗樣本,選取控制過程中的溫度最小值作為過程最低溫度Tmin,采用式(2)計算過程積冷量Xh以表征低溫累積效應;對于變溫控制的低溫試驗樣本,選取控制過程中溫度設置最小值作為過程最低溫度Tmin,根據氣象行業標準[53]的有害積寒定義,采用式(3)計算過程積冷量Xh。根據Meta分析剔除敏感樣本,按照“過程最低溫度-過程積冷量-減產率”不同發育階段得到的受災樣本量為501,其中返青期、拔節期、孕穗期和抽穗-開花期的樣本量分別為21、331、100和49(表2)。

表2 無災及受災樣本量

(2)

(3)

式(2)和式(3)中:Xh為遭受低溫脅迫的過程積冷量,單位為℃·h;Tmin為過程最低溫度,單位為℃;Tc為對應發育階段的生長下限溫度,單位為℃;Tm為過程平均溫度,單位為℃;t為低溫持續時間,單位為h。

1.2.2.2 冬小麥低溫無災樣本集構建

本研究收集試驗研究中低溫脅迫的對照組試驗數據作為無災樣本,得到明確記載過程溫度情況及持續時間的樣本量為204,其中返青期、拔節期、孕穗期和抽穗-開花期的樣本量分別為15、116、44和29(表2)。

1.2.2.3 低溫災害判識閾值的確定

接收者操作特征曲線(receiver operating characteristics curve,ROC曲線)被廣泛用于評估判識因子性能,確定分類臨界閾值。將無災樣本和受災樣本設置為兩類事件,通過設定不同閾值得到正確判識受災樣本的數量(TP)、錯誤判識受災樣本的數量(FN)、錯誤判識無災樣本的數量(FP)、正確判識無災樣本的數量(TN),計算真陽性率TPR(式(4))和假陽性率FPR(式(5)),以假陽性率為橫坐標、真陽性率為縱坐標繪制ROC曲線。

(4)

(5)

曲線下方面積(area under the curve,AUC)是度量ROC曲線下面積的指標,AUC越接近1.0,判識因子性能越好;AUC為0.5,隨機猜測;AUC為(0.5,0.7],判識因子性能一般;AUC為(0.7,0.9],判識因子性能良好;AUC大于0.9,判識因子性能優秀。

低溫脅迫閾值由約登指數確定。約登指數(J)也稱為正確指數,用于評價判識結果真實性,值越大表示判識準確的可能性越大,選定閾值判識效果越好,其計算公式為

J=TPR-FPR。

(6)

1.2.2.4 低溫脅迫等級指標的構建及驗證

利用無災樣本和受災樣本,基于約登指數確定減產率為0、10%和30%對應的最佳分類閾值。按照等級劃分標準:Ⅰ級低溫脅迫,減產幅度為(0,10%];Ⅱ級低溫脅迫,減產幅度為(10%,30%];Ⅲ級低溫脅迫,減產幅度為(30%,100%],構建黃淮海地區冬小麥春季低溫災害等級指標。

依據構建的冬小麥低溫災害等級指標,統計預留的20%受災樣本及無災樣本對應的判識等級,與實際等級對比,將驗證結果分為完全符合、基本符合和不符合3類,其中基本符合為判識等級和實際等級相差1級。

2 結果與分析

2.1 Meta回歸

將冬小麥產量及其構成因素與不同發育期低溫脅迫過程最低溫度及持續時間進行Meta回歸,發現單株產量受返青期-孕穗期過程最低溫度,返青期、拔節期以及抽穗-開花期受低溫持續時間影響顯著;單株穗數受返青期-孕穗期過程最低溫度,返青期低溫持續時間影響顯著;穗粒數變化與返青期、拔節期和抽穗-開花期過程最低溫度,返青期、抽穗-開花期低溫持續時間關系顯著;千粒重變化與拔節期低溫持續時間、孕穗期過程最低溫度和低溫持續時間顯著相關。

2.2 效應值計算及敏感性分析

低溫脅迫對產量及其構成因素的影響因所處發育階段不同而存在差異,冬小麥產量及其構成因素在低溫脅迫下總體顯著減小,單株穗數和每穗粒數對低溫脅迫的敏感性大于千粒重。由圖1可以看到,返青期、拔節期、孕穗期和抽穗-開花期低溫脅迫減產幅度分別為67.29%、54.27%、57.96%和24.37%;單株穗數減小幅度分別為46.04%、26.38%、22.96%、8.85%;每穗粒數減小幅度分別為39.13%、33.15%、33.24%、9.67%;千粒重減小幅度分別為25.12%、10.06%、11.40%、15.48%。對過程最低溫度,除了拔節期2 ℃下產量變化外,拔節期、抽穗-開花期2 ℃ 以及抽穗-開花期6 ℃的低溫脅迫下的單株穗數變化,拔節期1 ℃及2 ℃低溫脅迫下的千粒重變化受低溫強度影響均不顯著;拔節期除了1 ℃低溫脅迫下的單株穗數顯著增加外,產量及其構成因素在不同發育期不同低溫強度下顯著減小。隨著過程最低溫度的下降,除了拔節期穗粒數、抽穗-開花期千粒重降幅下降外,產量及其構成因素總體呈減小趨勢。由于返青期千粒重變化樣本最低溫度均為-6 ℃,無法進行亞組分析。敏感性分析表明:孕穗期2 ℃單株產量樣本和拔節期2 ℃穗粒數樣本在排除文獻[42]新麥26的數據后,孕穗期2 ℃下單株產量相對變化率由-31.35%變為-17.41%,拔節期2 ℃下穗粒數相對變化率由-38.7% 變為-16.87%,剔除敏感樣本后合并效應量保持穩定(小于5%),其余研究在逐一剔除研究樣本后,合并效應無顯著變化,表明統計結果穩健性較好。

圖1 過程最低溫度對冬小麥產量及其構成因素的影響

黃淮海冬小麥低溫脅迫樣本在返青期、拔節期、孕穗期和抽穗-開花期的低溫持續時間主要集中在24～72 h、1～108 h、4～72 h和12～72 h;產量及其構成因素總體上受低溫持續時間影響顯著。在不同低溫持續時間條件下,抽穗-開花期在36 h的穗數變化,拔節期在9 h和孕穗期在4 h、8 h的低溫脅迫下千粒重變化不顯著;拔節期在1 h、3 h、6 h和18 h的低溫脅迫下千粒重顯著增加,產量及其構成因素在不同發育期不同低溫持續時間下顯著減小。隨著低溫持續時間延長,拔節期、抽穗-開花期穗數、拔節期穗粒數降幅下降,產量及其構成因素在不同發育期總體呈減小趨勢。敏感性分析表明合并效應量在逐一剔除樣本后無顯著變化(小于5%),結果與剔除前總體趨勢一致,研究結果穩定可靠。

2.3 冬小麥低溫災害等級指標構建及驗證

2.3.1 以過程最低溫度為判識因子的等級指標構建及驗證

設置無災樣本和受災樣本為兩類事件,設置判識因子在樣本集最大值和最小值間的所有取值(步長為0.1)為測試閾值,選取最大約登指數對應的測試閾值為最佳分類閾值,當最大約登指數對應多個連續測試閾值時,最佳閾值為平均值(表3)。由表3可知,以過程最低溫度為判識因子,返青期、拔節期、孕穗期和抽穗-開花期低溫災害發生(減產率為0)的臨界閾值分別為-2.0、3.0、5.1 ℃和7.0 ℃,對應的AUC分別為1.00、1.00、1.00和0.94,判識因子分類性能皆為優秀,說明過程最低溫度適用于判識不同發育期冬小麥是否發生低溫災害。

表3 冬小麥不同發育期春季低溫災害的臨界閾值

將受災樣本按減產率不大于10%和大于10%分為兩類,冬小麥返青期、拔節期、孕穗期和抽穗-開花期發生低溫災害造成10%減產時對應的判識閾值分別為-5.0、-1.0、1.1 ℃和5.0 ℃,對應AUC分別為0.94、0.94、0.81和0.75,即以過程最低溫度為判識因子的性能分別為優秀、優秀、良好和良好。

將受災樣本按減產率不大于30%和大于30%分為兩類,冬小麥返青期、拔節期、孕穗期和抽穗-開花期發生低溫災害造成30%減產時對應的判識閾值為-5.0、-2.5、-3.0 ℃和3.0 ℃,對應AUC分別為0.97、0.78、0.74和0.69,即以過程最低溫度為判識因子確定減產30%的臨界閾值性能分別為優秀、良好、良好和一般。

由于僅按減產率無法判別返青期低溫災害等級,利用返青期單株穗數、穗粒數(千粒重樣本過程最低溫度均為-6 ℃,無法利用過程最低溫度進行分類判別)計算不同相對變化率(步長為10%)對應的分類閾值,由表4可知,過程最低溫度在判別穗粒數相對變化率不大于50%和大于50%時的判識因子性能最佳(AUC為1.00),因此選用-8.5 ℃作為返青期Ⅰ級、Ⅱ級低溫災害分類閾值,輔助構建返青期低溫災害等級指標。

表4 冬小麥返青期低溫脅迫產量構成因素不同相對變化率分類閾值

按照等級劃分標準,以過程最低溫度為判識因子構建冬小麥不同發育期春季低溫災害等級指標,并基于預留的20%樣本驗證,結果見表5。對于返青期,判識等級與實際等級完全相符的樣本量為5,占總樣本的71.43%;完全符合和基本符合的樣本量為6,占總樣本的85.71%。對于拔節期,完全符合的樣本量為63,占總樣本的70.79%;完全符合和基本符合的樣本量為75,占總樣本的84.27%。孕穗期完全符合的樣本為20,占總樣本的71.43%;完全符合和基本符合的樣本量為27,占總樣本的96.43%。抽穗-開花期完全符合的樣本量為9,占總樣本的64.29%;完全符合和基本符合的樣本量為14,占總樣本的92.86%。

表5 冬小麥不同發育期春季低溫災害過程最低溫度等級指標及驗證

2.3.2 以過程積冷量為判識因子的等級指標的構建及驗證

以過程積冷量為判識因子構建并驗證等級指標(表6)。由表6可知,返青期、拔節期、孕穗期和抽穗-開花期低溫災害發生(減產率為0)的臨界閾值分別為-72.0、-1.2、-16.8 ℃·h和-19.6 ℃·h,對應AUC分別為1.00、1.00、1.00和0.98,指標性能皆為優秀。

表6 冬小麥不同發育期春季低溫災害的臨界閾值

冬小麥返青期、拔節期、孕穗期和抽穗-開花期發生低溫災害造成10%減產時的分類閾值分別為-216.1、-41.0、-101.6 ℃·h和-38.5 ℃·h,對應AUC分別為0.73、0.83、0.87和0.77,以過程積冷量為判識因子的指標性能均為良好。

冬小麥返青期、拔節期、孕穗期和抽穗-開花期發生低溫災害造成30%減產時的分類閾值分別為-216.1、-66.0、-169.3 ℃·h和-93.8 ℃·h,對應AUC分別為0.75、0.72、0.87和0.83,指標性能均為良好。

由于僅按減產率無法判別返青期低溫災害等級,利用返青期單株穗數、穗粒數、千粒重計算不同相對變化率(步長10%)對應的分類閾值,由表7可知,過程積冷量在判別單株穗數相對變化率不大于70%和大于70%樣本時判識因子性能最好(AUC為0.90),因此選用-360.0 ℃·h作為返青期Ⅱ級、Ⅲ級低溫災害分類閾值,輔助構建返青期低溫災害等級指標。

表7 冬小麥返青期低溫脅迫產量構成因素不同相對變化率分類閾值

以過程積冷量為判識因子構建并驗證冬小麥不同發育期春季低溫災害等級指標(表8)。由表8可見,返青期完全符合的樣本量為6,占總樣本的85.71%;完全符合和基本符合的樣本量為7,占總樣本的100%。拔節期完全符合的樣本量為80,占總樣本的89.89%;完全符合和基本符合的樣本量為87,占總樣本的97.75%。孕穗期完全符合的樣本量為25,占總樣本的89.29%;完全符合和基本符合的樣本量為28,占總樣本的100%。抽穗-開花期完全符合的樣本量為11,占總樣本的78.57%;完全符合和基本符合的樣本量為14,占總樣本的100%。

表8 冬小麥不同發育期春季低溫災害過程積冷量等級指標及驗證

3 結論與討論

以我國黃淮海地區冬小麥為研究對象,采用Meta分析方法探討不同發育階段春季低溫脅迫對冬小麥產量及其構成因素的影響。將收集的試驗數據分為無災樣本和受災樣本,以過程最低溫度、過程積冷量為判識因子,按減產率等級劃分標準構建冬小麥低溫脅迫等級指標,主要結論如下:

1) 冬小麥產量及其構成因素在春季低溫脅迫下總體上顯著減小,單株穗數和每穗粒數對低溫脅迫的敏感性要大于千粒重;春季低溫脅迫下,產量及其構成因素變化與低溫強度和持續時間有關,并因所處發育階段不同存在差異。

2) 以過程最低溫度和過程積冷量為判識因子,按減產率為(0,10%]、(10%,30%]和(30%,100%]構建Ⅰ級、Ⅱ級和Ⅲ級低溫災害等級指標。過程積冷量判識指標的驗證準確率高于過程最低溫度判識指標,能更好地表征冬小麥遭受低溫災害的嚴重程度。

本文的等級指標構建是基于研究區域內多地點、多品種試驗數據,得到的結果具有一定普適性;按特定減產標準,量化災害等級指標與作物產量變化的關系;基于小時尺度判識因子表征低溫災害,為填補冬小麥春季低溫災害等級指標的小時尺度空白提供參考。冬小麥春季低溫災害的發生與溫度條件和水分條件關系密切[20,49],圍繞低溫災害災變過程,綜合考慮溫度條件和水分條件的耦合影響,構建冬小麥春季低溫災害逐時綜合指數等級指標是未來冬小麥春季低溫災害研究工作的重點。