0 引言
在全球气候变化背景下，气象灾害频发对农业生产和粮食安全构成威胁（Butler and Huybers，2013；IPCC，2013）。水稻作为全球最重要的粮食作物之一，是全球一半以上人口的主要食物来源（王文婷等，2023）。重庆市位于中国西南一季稻区，地处青藏高原与长江中下游平原过渡带，地形地貌复杂。受东亚季风、印度季风及青藏高原环流系统影响，雨季的集中降水（Zhai et al，2005）和持续的阴雨天气易造成土壤和空气持续偏湿，光照不足，进而影响水稻的生长发育及产量和品质（孙园园等，2012；郭翔等，2021）。连阴雨对作物的危害程度取决于灾害发生所处的作物生育阶段及灾害天气过程的持续时间（张立波等，2013；王春乙等，2015），不同生育阶段的受灾情况对生育进程（杨阳等，2022；张继波等，2023）、生物量和干物质的积累及最终产量（邱玉芳等，2017；刘玉汐等，2020；邓国卫等，2022）具有不同影响。
重庆春、秋两季连阴雨发生频繁，其中春季连阴雨对水稻生长的影响更为明显。春季，巴伦支海地区和青藏高原500 hPa高度场偏低，贝加尔湖以东地区500 hPa高度场偏高，欧亚中高纬环流形势有利于冷空气南下和西太平洋副热带高压的减弱东退。此外，冬季拉尼娜事件的发生、赤道150°E地区的对流加强和鄂霍次克海地区中高层大气高压脊的建立都有助于重庆春季连阴雨的发生（何慧根等，2015）。由于地形、地貌及气候条件的差异，在同一时段，重庆市水稻生育进程及连阴雨的发生均呈现明显的区域性差异，水稻生产受连阴雨影响导致的灾害损失也因发生连阴雨时的水稻生育期及连阴雨持续时长的不同而表现出明显差异（姜楠等，2022；刘若岚等，2023）。研究水稻生育期连阴雨的发生规律与成因，并通过种植品种与种植制度的优化及有效的农业管理措施，可实现农业气象的防灾减灾。本文基于重庆市1991—2020年的气象资料、水稻生育期观测资料及再分析资料，分析水稻不同种植区、不同生育期的连阴雨时空特征及大气环流特征，为水稻生育期连阴雨的防灾减灾应对、合理调整农业种植布局提供科学依据。
1 数据与方法
1.1 研究区概况
重庆市（105.28°E—110.18°E，28.17°N—32.22°N）地貌结构复杂，海拔落差较大，东、北、南三面环山，西部以丘陵为主，中部则以低山与丘陵交错的平行岭谷为主。市辖区总面积约8.24×104 km2，其中，山地（包括中山和低山）、丘陵、台地、平坝分别占75.8%、18.2%、3.6%、2.4%。水稻在海拔200~1 100 m的不同高度均有种植。
1.2 数据来源及处理
使用的数据：1）中国气象局气象大数据云平台“天擎”系统的全市34个国家气象站1991—2020年观测数据。研究区地理分区（李永华等，2008）及34个国家气象站位置如图1所示。2）农业气象站水稻生育期人工观测数据。由于地理和气候条件差异，不同区域的水稻生育期最多可相差30~40 d。将水稻生育期分为苗期（播种—移栽）、营养生长期（返青—拔节）和生殖生长期（孕穗—成熟），计算得到区域常年平均水稻生育期（图2）。3）大气环流数据使用美国国家环境预报中心/美国国家大气研究中心（National Centers for Environmental Prediction/National Center for Atmospheric Research，NCEP/NCAR）逐日再分析数据中的位势高度、风场、比湿等资料，该数据垂直方向上共17层，水平分辨率为2.5°×2.5°（Kalnay et al.，1996）。文中所用时间均为北京时。
图1
图1
重庆市地理分区及气象观测站分布
Fig.1
Geographical division and distribution of meteorological observation stations in Chongqing City
图2
图2
重庆市不同种植区域水稻生育期
Fig.2
Growth duration of rice in different planting regions of Chongqing City
1.3 连阴雨标准
连续6 d及以上出现阴雨且无日照，其中任意4 d的单日白天（08：00—20：00）雨量大于等于0.1 mm，定义为一次连阴雨天气过程。若连续3 d白天无降水，则该过程终止（重庆市气候中心，2021）。
1.4 水稻生育期连阴雨时空分析参数
为评价水稻生育期连阴雨发生的时间变化，考虑到不同水稻种植区气象站点数目的差异，采用连阴雨发生站次比（PA）进行分析，以统一各种植区连阴雨发生次数统计的量级标准。计算公式如下：
式中：PA为水稻生育期的连阴雨发生站次比；Ns为水稻种植区气象站点总数；Ci为水稻种植区第i个气象站的连阴雨发生次数。
采用气象站点监测的连阴雨多年发生频次（FA）评估水稻生育期连阴雨的空间分布，计算公式如下：
式中：Ny为统计总年份；Cj为气象站点第j年监测到的连阴雨发生次数。空间插值采用Kriging插值法。此外，还使用了气候倾向率分析和一元线性回归分析（魏凤英，2007）等方法。
2 结果与分析
2.1 水稻生育期连阴雨时间变化特征
1991—2020年重庆市水稻生育期连阴雨发生站次比的年际变化如图3和表1所示，全生育期PA在不同种植区的气候倾向率均为负值，表明连阴雨呈减少趋势。在东南部和西部地区，水稻全生育期PA多年均值（PA main）较高，分别为1.18、0.84，气候倾向率均为-0.08·（10 a）-1（未通过显著性检验），表明这两个区域水稻生长期连阴雨发生较多，且维持在较稳定的状态，减少趋势最弱。中部地区PA main为0.85，但气候倾向率达-0.33·（10 a）-1（通过α=0.05的显著性检验），在4个种植区中减少趋势最明显，水稻生长期连阴雨灾害明显减少。东北部地区PA main最小，仅为0.55，气候倾向率为-0.26·（10 a）-1（通过α=0.01的显著性检验），即东北部水稻全生育期连阴雨灾害将进一步减少。在水稻不同生育阶段，营养生长期连阴雨发生站次比最高，PA main为0.31~0.54；其次是苗期，PA main为0.17~0.47；生殖生长期连阴雨发生站次比最低，PA main为0.07~0.22。
图3
图3
1991—2020年重庆市西部（a）、中部（b）、东北部（c）、东南部（d）水稻生育期连阴雨发生站次比变化
注:基于自然资源部地图技术审查中心标准地图[审图号:GS(2023)2767号]制作，底图边界无修改。下同。
Fig.3
Interannual variations of the proportion of stations with continuous rain occurrence in growth duration of rice in different planting regions in the western (a), central (b), northeastern (c) and southeastern (d) of Chongqing from 1991 to 2020
表1 不同区域水稻生育期连阴雨发生站次比多年平均及气候倾向率
Tab.1
| 生育期 | 站次比多年均值 | 气候倾向率/（10 a）-1 | ||||||
|---|---|---|---|---|---|---|---|---|
| 西部 | 中部 | 东北部 | 东南部 | 西部 | 中部 | 东北部 | 东南部 | |
| 苗期 | 0.23 | 0.24 | 0.17 | 0.47 | -0.01 | -0.11 | -0.11*** | -0.07 |
| 营养生长期 | 0.53 | 0.54 | 0.31 | 0.49 | -0.07 | -0.20* | -0.10 | -0.10 |
| 生殖生长期 | 0.07 | 0.07 | 0.07 | 0.22 | -0.01 | -0.02 | -0.05 | 0.09 |
| 全生育期 | 0.84 | 0.85 | 0.55 | 1.18 | -0.08 | -0.33** | -0.26*** | -0.08 |
注：*、**、***分别为通过α=0.1、0.05、0.01的显著性检验。
2.2 水稻生育期连阴雨空间分布特征
图4
图4
1991—2020年重庆市水稻苗期（a）、营养生长期（b）、生殖生长期（c）、全生育期（d）连阴雨发生频次空间分布
Fig.4
Distribution of the frequency of continuous rain occurrence at seedling stage (a), vegetative growth stage (b), reproductive growth stage (c) and the whole growth duration (d) of rice in Chongqing from 1991 to 2020
表2 1991—2020年重庆市不同区域水稻生育期连阴雨发生频次
Tab.2
| 生育期 | 频次 | 西部 | 中部 | 东北部 | 东南部 |
|---|---|---|---|---|---|
| 苗期 | FA main | 0.23 | 0.27 | 0.17 | 0.47 |
| FA min | 0.13 | 0.17 | 0.03 | 0.17 | |
| FA max | 0.37 | 0.37 | 0.30 | 0.70 | |
| 营养生长期 | FA main | 0.53 | 0.54 | 0.31 | 0.49 |
| FA min | 0.27 | 0.37 | 0.20 | 0.20 | |
| FA max | 0.83 | 0.67 | 0.43 | 0.77 | |
| 生殖生长期 | FA main | 0.07 | 0.07 | 0.07 | 0.22 |
| FA min | 0.03 | 0.00 | 0.00 | 0.10 | |
| FA max | 0.17 | 0.13 | 0.20 | 0.40 | |
| 全生育期 | FA main | 0.84 | 0.85 | 0.55 | 1.18 |
| FA min | 0.60 | 0.53 | 0.27 | 0.53 | |
| FA max | 1.10 | 1.00 | 0.77 | 1.80 |
1991—2020年重庆市水稻生育期连阴雨发生频次密度如图5所示，苗期、营养生长期、生殖生长期的FA main分别为0.26、0.47、0.10，营养生长期各站点FA主要分布在0.47附近，较苗期和生殖生长期更为离散，FA在中位数以下的分布大于中位数以上，说明营养生长期FA各站点差异较大，尽管总体发生频次较高，但多数站点连阴雨发生频次相对较低；生殖生长期FA在中位数0.10附近集中分布，即生殖生长期连阴雨较稳定地维持在0.10左右的低频次水平。
图5
图5
1991—2020年重庆市水稻不同生育期连阴雨发生频次密度
Fig.5
The density of continuous rain occurrence in different growth duration of rice in Chongqing from 1991 to 2020
2.3 水稻生育期连阴雨成因
将重庆市水稻不同生育期连阴雨发生频次与500 hPa位势高度距平进行回归分析（图6）。苗期西部、中部位势高度异常表现为亚洲北部、中国东北及日本海地区的南北偶极子“+-”分布，位势高度经向梯度减小，东亚大槽和北方冷空气的经向波动加强，使得高纬度冷空气更易南下。同时，中国东北及日本海的负位势高度中心北部外围为东风，有助于将西北太平洋上空的暖湿气流带到中国西部，冷暖空气交汇，易导致连阴雨发生；苗期东北部也受加强的东亚大槽影响，伴随副热带高压增强北移，带来足够水汽；苗期东南部为西风带“+-+”纬向波列分布，异常中心位于亚洲西部、中国西北和东北部，其中，位于中国西部的负位势高度异常控制重庆地区，有利于辐合抬升，为成云致雨创造动力条件。同时，中国东北部正位势高度异常南部外沿的东风异常有助于带来西太平洋的水汽。
图6
图6
1991—2020年重庆西部（a、b、c）、中部（d、e、f）、东北部（g、h、i）、东南部（j、k、l）水稻苗期（a、d、g、j）、营养生长期（b、e、h、k）和生殖生长期（c、f、i、l）连阴雨发生频次与500 hPa位势高度场距平回归分析（单位：gpm）
（黑色线为500 hPa位势高度场，红色线为588 dagpm线，黑色打点为通过α=0.05显著性检验区域）
Fig.6
The geopotential height anomaly at 500 hPa regressed with the frequency of continuous rain occurrence at seedling stage （a， d， g， j）， vegetative growth stage （b， e， h， k） and reproductive growth stage （c， f， i， l） of rice in the western （a， b， c）， central （d， e， f）， northeastern （g， h， i） and southeastern （j， k， l） of Chongqing from 1991 to 2020 （Unit： gpm）
（The black lines indicate the 500 hPa potential height field， the red lines indicate the 588 dagpm line， and the black dot is the area that passed the significance test at α= 0.05）
水稻营养生长期受负位势高度异常控制，大范围低压有利于辐合抬升和加强上升运动，为连阴雨创造动力条件；同时，西部、中部和东北部贝加尔湖为显著正距平，南北位势高度梯度减小，冷空气的经向活动加强，冷空气南下易导致连阴雨发生。
水稻生殖生长期西部、中部经向三极子型分布明显，表现为亚洲北部、贝加尔湖和中国西南“-+-”位势高度异常，显著的负位势高度外缘西风异常带来源源不断的水汽；东北部、东南部经向三极子“+-+”分布在亚洲东部、日本海和中国西太平洋沿岸，副热带高压加强西伸为东南部带来水汽。
太平洋和孟加拉湾是重庆降水的重要水汽来源。在水稻各个生育阶段，重庆低层上空都有明显的水汽输送带。随着水稻生长进程的推进，副热带高压也在南北移动，不同生育阶段的关键影响因子各不相同。1991—2020年重庆水稻不同生育期连阴雨发生频次与850 hPa水汽输送回归分析（图7）显示，西部和中部连阴雨灾害主要受东北方向水汽输送的影响，该水汽输送带经过中国东北、渤海、黄海一路南下至重庆中部和西部，温度较低，为重庆西部和中部连阴雨提供充足的水汽和能量；东北部受南北两条水汽输送带影响，北支水汽输送带经过中国东北、渤海等地南下，南支从海南岛北上，二者在重庆东北部交汇，冷暖水汽的汇合有利于成云致雨；东南部的水汽起源于太平洋，向西经过海南转向广西后北上，为副热带高压外围的东南暖湿气流提供水汽；东南部水稻的营养生长期相比苗期的水汽输送带更偏南，呈西南向。
图7
图7
1991—2020年重庆西部（a、b、c）、中部（d、e、f）、东北部（g、h、i）、东南部（j、k、l）水稻苗期（a、d、g、j）、营养生长期（b、e、h、k）和生殖生长期（c、f、i、l）连阴雨发生频次与850 hPa水汽输送回归分析（单位：kg·m-1·s-1）
（蓝色部分通过α= 0.05显著性检验，阴影区域为青藏高原）
Fig.7
The vertically integrated water vapor flux at 850 hPa regressed with the frequency of continuous rain occurrence at seedling stage （a， d， g， j）， vegetative growth stage （b， e， h， k） and reproductive growth stage （c， f， i， l） of rice in the western （a， b， c）， central （d， e， f）， northeastern （g， h， i） and southeastern （j， k， l） of Chongqing from 1991 to 2020 （Unit： kg·m-1·s-1）
（The blue portion passed the significance test at α= 0.05， the shaded area is the Tibetan Plateau）
3 结论与讨论
基于1991—2020年重庆市气象资料、水稻生育期观测资料及再分析资料，分析不同水稻种植区、不同生育期连阴雨的气候特征及大气环流特征，得到以下结论。
1）水稻全生育期连阴雨呈减少趋势，但存在区域差异，其中，中部PA减少趋势最明显，气候倾向率为-0.33·（10 a）-1，水稻生长期连阴雨明显减少；东南部全生育期PA main最高，达1.18，且维持在较稳定状态，减少趋势最弱；东北部PA main最小，仅0.55，且连阴雨将进一步减少。在水稻生育进程中，各种植区均表现为水稻营养生长期连阴雨发生最多，生殖生长期最少。
2）水稻生育期连阴雨发生频次具有明显区域性差异。水稻全生育期FA东南部最大，东北部最小。FA高值区总体分布在重庆南部，但不同生育期略有差异；FA低值区在东北部。营养生长期FA各站点差异较大，多数站点连阴雨发生频次相对较低。
3）水稻不同生育阶段连阴雨关键影响因子有所差异。连阴雨发生最为频繁的营养生长期，各地区均受负位势高度异常控制，南北位势高度梯度减小，冷空气南下易导致连阴雨发生。连阴雨发生频次最高的重庆东南部，水汽起源于太平洋，由副热带高压外围的东南暖湿气流提供。营养生长期的水汽输送带相比苗期更偏南，呈西南向分布。
本文分区域、分时段讨论了重庆水稻生育期内连阴雨的时空变化特征及成因，使用连阴雨发生站次比和多年发生频次作为关键参数，实现了水稻生育期连阴雨的定量化时空对比分析，对重庆水稻连阴雨灾害的风险防范具有指导意义。然而，该方法仅考虑了连阴雨发生次数，未细化讨论单次连阴雨过程的持续日数等连阴雨强度指标，存在一定局限性。在某一生育时段内，持续天数较长的气象灾害可能比间隔时间长但持续时间短的多次灾害危害更大（郭安红等，2018），因此，通过灾害强度和持续天数综合评价指数构建等方法，可进一步提升连阴雨灾害评价的合理性。
参考文献
四川水稻不同生育期干旱与产量灰色关联分析
[J].
为克服灾情资料收集不足和不同生育期旱情影响分离困难，本文利用1981—2015年四川省气象站逐日气象观测资料、农业气象观测站水稻生育期资料和各县水稻产量资料，以改进的水分盈亏指数为干旱指标，采用灰色关联分析法，探究四川水稻各生育期干旱与产量的关系。结果表明：四川水稻各生育期干旱频率从高到低依次为移栽—分蘖期、分蘖—拔节期、孕穗—抽穗期、抽穗—成熟期、拔节—孕穗期。各生育期水稻干旱频率同水分盈亏指数与产量灰色关联度的空间一致性较低，干旱高频区出现在盆地中部或东北部，而关联度较高区域则位于盆周、攀西等山区。伴随着水稻生长发育进程，干旱对水稻产量的影响逐渐减弱，移栽—分蘖期和分蘖—拔节期干旱对水稻产量影响最明显。不同稻作区各县干旱对水稻产量影响最大的生育期不同，各地区应根据水稻各生育期干旱影响特点加强水稻干旱防御。其中，成都平原、盆中丘陵稻作区应重点关注分蘖—拔节期水稻干旱防御，而其他5个稻作区应重点关注移栽—分蘖期水稻干旱防御。
四川省水稻移栽—分蘖期低温连阴雨时空分布
[J].为对四川水稻不同生育期低温连阴雨灾害防护提供科学依据，将四川根据地形及气候特点分为6个子区域，基于1961—2020年91个气象台站资料，运用线性倾向估计法，结合低温连阴雨灾害指标，计算灾害发生频率、灾害指数、气候倾向率等分析低温连阴雨灾害时空分布特征。结果表明：（1）四川省水稻移栽—分蘖期轻、中、重度低温灾害发生频率分别为0.38%~27.5%、0%~57.6%和0%~75.3%。虽然轻度冷害发生频率小，但覆盖面积最广，中度次之，主要在川西南山地区，重度冷害高发站为广安、隆昌。（2）轻、中、重度连阴雨灾害发生频率为8.8%~25.5%、1.4%~18.0%、0%~11.2%，轻、中、重度连阴雨灾害发生频率呈递减趋势，中、重度灾害在川西南山地区北部发生频率最高。（3）低温连阴雨灾害发生频率0%~26.1%。低温连阴雨灾害主要在川西南山地区北部、盆南丘陵区、盆周边缘山地区出现。（4）1961—2020年有23个站低温连阴雨灾害发生天数年际变化显著。在川西南山地南部、盆周边缘山地区、盆中浅丘区每10年灾害天数有所减少，其余地区则灾害天数增加。川西南山地区北部和盆南丘陵区为低温连阴雨高发区；四川省水稻移栽—分蘖期低温连阴雨灾害除盆南丘陵区及盆东平行岭谷区外部分站点外，四川大部分地区近年来低温连阴雨灾害减少。
高温下不同施肥量对水稻产量品质形成的影响及其与能量代谢的关系分析
[J].【目的】近年来极端高温天气频发，严重抑制水稻产量品质形成，优化植株营养状态，改善能量代谢可减缓高温热害，但高温下不同施肥量对籽粒能量代谢的影响及其与产量、品质及耐热性形成的影响仍未见报道，其作用机制的阐明可为水稻耐热性抗风险栽培技术研发提供重要理论依据。【方法】以浙江省推广大面积较大的单季杂交籼稻品种中浙优8号为材料，采用人工气候室盆栽的试验方法开展研究。设置不施肥(0-NPK)、1/2肥料(1/2-NPK)和正常施肥(1-NPK)三个肥料用量处理，开花当天移至人工气候室高温处理15d(高温处理设置昼/夜分别为36/28℃，常温对照设置昼/夜分别为28/25℃)。【结果】无论常温或高温下，在供试肥料水平下随着施肥量增加，中浙优8号产量、结实率及千粒重均呈逐渐增加的趋势；高温下，结实率、千粒重的下降幅度随施肥量增加而下降。然而，整精米率随施肥量增加而下降，垩白度则呈增加的趋势。高温处理后籽粒可溶性糖、MDA、H<sub>2</sub>O<sub>2</sub>、腺苷三磷酸酶(ATPase)及PARP [poly(ADP-ribose) polymerase]含量高于常温对照处理，淀粉、非结构性碳水化合物、抗氧化酶活性及ATP含量则低于常温对照。无论常温或高温下非结构性碳水化合物、抗氧化酶活性、ATP及ATPase均随着施肥量的增加而提高，而MDA、H<sub>2</sub>O<sub>2</sub>及PARP含量则呈下降趋势。常温下，能量感受器基因SnRK1A及SnRK1B相对表达量随施肥量增加而下降，而TOR则呈增长趋势。与常温对照相比，高温处理后SnRK1A上调表达，而TOR相对表达量随施肥量增加而上调。【结论】增施肥料能有效缓解花期高温对水稻结实率及千粒重的影响，但外观品质与加工品质存在变劣的趋势。常温下，增施肥料品质变劣可能与籽粒灌浆速率加快有关，而高温导致品质下降主要在于能量不足，难以满足产量及品质形成的需求。
水分关键期干旱胁迫对冬小麦矿质元素积累、产量和品质的影响
[J].干旱是制约我国粮食产量和品质提升的主要农业气象灾害之一。土壤水分与矿质元素交互作用，共同影响冬小麦的生长发育及产量、品质，探究水分关键期冬小麦叶片矿质元素积累、产量和籽粒品质对不同程度干旱胁迫的响应，对科学施肥和干旱灾害防御具有现实意义。本文以冬小麦品种“齐麦2号”为试材，在水分关键期（拔节—扬花期）设计5个梯度的水分控制试验（T1处理为适宜水平，T2、T3、T4处理分别按照基准补水量75.0 mm的80%、50%、25%一次性补水，T5处理不补水），模拟研究水分关键期干旱胁迫对冬小麦叶片氮、磷、钾矿质元素积累和光合色素、光合参数以及产量和籽粒品质的影响。结果表明：水分控制期间至复水后，T1处理下冬小麦叶片全氮、全磷、光合色素含量及最大净光合速率（Maximum Net Photosynthetic Rate，P<sub>nmax</sub>）、表观量子效率（Apparent Quantum Efficiency，AQE）、光饱和点（Light Saturation Point，LSP）均最高，受干旱胁迫影响，T2、T3、T4和T5处理下上述要素均显著降低，且干旱胁迫程度越重降低幅度越大，T5处理叶片全氮、全磷含量和叶绿素a、叶绿素a+b、类胡萝卜含量及P<sub>nmax</sub>、AQE、LSP分别较T1处理降低1.68%、0.15%、0.90 mg·g<sup>-1</sup>、1.05 mg·g<sup>-1</sup>、0.21 mg·g<sup>-1</sup>、64.6%、65.8%、31.2%，而叶片全钾含量、光补偿点（Light Compensation Point，LCP）则随干旱胁迫加剧而升高，T5处理分别较T1处理升高1.20%和84.0%；干旱胁迫还造成冬小麦穗粒数、成穗率、千粒重显著降低，T5处理理论产量和籽粒蛋白质含量分别较T1处理降低56.6%和30.1%，而籽粒淀粉含量较T1处理升高11.6%。
Adaptation of US maize to temperature variations
[J].
Climate change:Working Group I contribution to the IPCC fifth assessment report (AR5)
[R].
The NCEP/NCAR 40-year reanalysis project
[J].
Trends in total precipitation and frequency of daily precipitation extremes over China
[J].
