华北地区冬小麦干旱受灾率多尺度分析

以华北区域内56个气象站历年逐日降水量资料、冬小麦发育期资料以及产量资料为数据支撑,研究华北地区冬小麦干旱等级指标,并在此基础上分析不同等级干旱受灾范围变化的周期性振荡特征。首先,分析冬小麦干旱指标距平与相对气象产量间的关系,然后,制作指标距平与相对气象产量相关性大小的分布格局图,进而,根据冬小麦干旱指标负距平与减产率间的关系,确定了冬小麦干旱等级指标,最后,基于灾损不同等级干旱受灾率进行小波分析。

基于H-P滤波的我国粮食主产区农业干旱时空特征解析

采用H-P滤波法解析农业干旱的实际灾情,可精准识别出气候异常带来的干旱灾害年代际波动;再采用H-P滤波法将我国13个粮食主产省区1983~2020年间的农业干旱受灾率分解为趋势项、波动项,其中波动项定义为气候干旱强度(CDI),并采用时序分析诊断了各省区CDI的变化特征。结果表明,河北省、河南省、山东省农业干旱的敏感性较低,其干旱脆弱性对灾情的贡献率均接近50%;辽宁省、吉林省、黑龙江省的气候干旱危险性较高,其重、特大灾害年景频次分别达6、7、3次;从气候平均态来看,内蒙古、辽宁省、吉林省、黑龙江省的CDI在1999~2009年间处于高值水平,江西省、湖南省则在2002年后处于高值水平;从变化趋势来看,北方诸多省区的CDI在2009年后呈显著上升趋势。

基于EEMD我国粮食主产区农业旱情对气候变化的响应

量化旱情统计数据与气候因子间的响应关系对保障粮食安全有着重要意义。针对我国13个粮食主产省份1980—2019年的农业干旱受灾率,采用集合经验模态分解(EEMD)构建了实际灾情对不同月份气候因子的响应关系,进而探求重要气候因子与大尺度大气—海洋指数(LAOI)的可能联系。结果表明:(1)EEMD从灾情逐年序列分离出中短期波动表征的气候干旱强度(IMF-H)和趋势项表征的干旱脆弱性;(2)IMF-H的峰值差异表明东北3省的干旱强度明显高于其他省份;(3)IMF-H与气候因子的线性关系表明夏季气候异常对灾损贡献最高,特别是7月份的日均日照时间及降水被筛选为10个省份的干旱关键影响因子(KDII);(4)各省份KDII的时序诊断结果表明,2000以来长江北部地区的夏季干旱风险有一定的增强趋势;(5)在0~12个月时滞下,Nino海温、南方涛动、北太平洋遥相关型等表征ENSO及北半球大气低频振荡的LAOI对研究区KDII有着显著影响。研究结果可为区域干旱监测及预警提供科学依据。

基于农业旱情解析我国粮食主产区极端无雨事件的演变特征

基于1980~2019年间我国13个粮食主产省份的农业干旱受灾统计数据及逐日降水资料,采用H-P滤波提取了气候致损强度(CCLI),并构建了其对无雨日指数(DDI)和大尺度大气—海洋指数(LAOI)的响应关系。结果发现CCLI与不同月份DDI的相关分析表明夏旱对灾情贡献更高,特别是7月无雨日总天数被识别为10个省份的首要致旱因子(PDCF);河南、江苏、湖北、内蒙古、吉林、辽宁的PDCF均呈现显著增强趋势,表明了夏季关键月份旱灾风险的加剧;各省份PDCF的波动存在2~3年的主周期;在0~12个月时滞下,北大西洋涛动、太平洋暖池、北极涛动等环流信号对旱情有着显著影响。研究结果可为区域干旱监测及预警提供科学依据。