Extreme Precipitation and Flood Disaster During Rice Growth Season in Heilongjiang: Temporal-spatial Distribution Features

doi:10.11924/j.issn.1000-6850.casb19010097

Abstract

Abstract:

To avoid flood disaster caused by extreme precipitation and effectively guarantee the security of rice production, based on the precipitation data from 69 meteorological stations from 1971 to 2016 and historical flood disaster records in Heilongjiang, by using the variance analysis and Mann-Kendall method, we analyzed the temporal-spatial distribution characteristics of extreme precipitation and flood disaster during rice growth season in Heilongjiang. The results showed that: (1) the extreme precipitation indices (EPI) in May, June and September were the highest in 2010s, and the EPI in July and October were the highest in 1990s, and the EPI in August was the highest in 1980s; (2) on the basis of typical factor, the precipitation in July was the most in 1990s, and the precipitation in August was the most in 1980s; (3) the flood disaster of rice occurred mostly in July; the flood disaster of rice in July and August occurred mostly in 1990s and 1980s, respectively.

Key words: rice, extreme precipitation, flood disaster, temporal-spatial distribution, Heilongjiang

CLC Number:

Qu Huihui, Wang Dongdong, Wang Ping, Wang Liangliang, Gong Lijuan, Zhu Haixia, Wang Qiujing, Jiang Lixia. Extreme Precipitation and Flood Disaster During Rice Growth Season in Heilongjiang: Temporal-spatial Distribution Features[J]. Chinese Agricultural Science Bulletin, 2020, 36(14): 119-129.

Figures/Tables 13

References 38

[1]	孙凤华, 任国玉, 赵春雨 , 等. 中国东北地区及不同典型下垫面的气温异常变化分析[J]. 地理科学, 2005,25(2):167-171.
[2]	孙凤华, 杨素英, 陈鹏狮 . 东北地区近44年的气候暖干化趋势分析及可能影响[J]. 生态学杂志, 2005,24(7):751-755.
[3]	Overland J E, Wang M . Large-scale atmospheric circulation changes are associated with the recent loss of Arctic sea ice[J]. Tellus A, 2010,62(1):1-9.
[4]	You Q, Kang S, Aguilar E , et al. Changes in daily climate extremes in China and their connection to the large scale atmospheric circulation during 1961-2003[J]. Climate Dynamics, 2011,36(11 /12):2399-2417.
[5]	丁裕国, 郑春雨, 申红艳 . 极端气候变化的研究进展[J]. 沙漠与绿洲气象, 2008,2(6):1-5.
[6]	李洋, 王玉辉, 吕晓敏 , 等. 1961—2013年东北三省极端气候事件时空格局及变化[J]. 资源科学, 2015,37(12):2501-2513.
[7]	杨素英, 孙凤华, 马建中 . 增暖背景下中国东北地区极端降水事件的演变特征[J]. 地理科学, 2008,28(2):224-228.
[8]	余锦华, 祁淼, 孙齐颖 , 等. 中国东部夏季极端降水统计特征及其与El Nino的联系[J]. 大气科学学报, 2018,41(1):77-84.
[9]	王家祁, 骆承政 . 中国暴雨和洪水特性的研究[J]. 水文, 2006,26(3):33-36.
[10]	郑秀雅, 张廷治, 白人海 . 东北暴雨[M]. 北京: 气象出版社, 1992: 1-6.
[11]	黑龙江省统计局, 国家统计局黑龙江调查总队. 黑龙江统计年鉴-2016[M]. 北京: 中国统计出版社, 2016: 286-288.
[12]	郑景云, 郝志新, 方修琦 , 等. 中国过去2000年极端气候事件变化的若干特征[J]. 地理科学进展, 2014,33(1):3-12.
[13]	Rajeevan M, Bhate J, Jaswal A K . Analysis of variability and trends of extreme rainfall events over India using 104 years of gridded daily rainfall data[J]. Geophysical Research Letters, 2008,35(18):60-74.
[14]	Nath P K, Behera B . A critical review of impact of and adaptation to climate change in developed and developing economies[J]. Environment, Development and Sustainability, 2011,13(1):141-162.
[15]	章毅之 . 基于日降水量的江西省极端降水变化研究[J]. 气象与减灾研究, 2007,30(4):33-36.
[16]	翟盘茂, 潘晓华 . 中国北方近50年温度和降水极端事件变化[J]. 地理学报, 2003,58(增刊):1-10.
[17]	赵翠平, 陈岩, 王卫光 , 等. 黄河流域近50年极端降水指数的时空变化[J]. 人民黄河, 2015,37(1):18-22.
[18]	高永刚 . 黑龙江省1967年至2007年极端气温与降水综合强度的时空特征分析[J]. 资源科学, 2012,34(11):2170-2180.
[19]	刘汉臣, 齐东方, 张玉国 . 黑龙江省极端降水天气的气候变化[J]. 黑龙江水利科技, 2012,40(10):1-4.
[20]	李占玲, 王武, 李占杰 . 基于GPD分布的黑河流域极端降水频率特征分析[J]. 地理研究, 2014,33(11):2169-2179.
[21]	张桂香, 霍治国, 杨建莹 , 等. 基于过程降水量的长江中下游地区单季稻洪涝灾害指标构建[J]. 中国农业气象, 2018,39(5):325-336.
[22]	汪天颖, 霍治国, 李旭辉 , 等. 基于生育时段的湖南省早稻洪涝等级指标及时空变化特征[J]. 生态学杂志, 2016,35(3):709-718.
[23]	杨建莹, 霍治国, 吴立 , 等. 西南地区水稻洪涝等级评价指标构建及风险分析[J]. 农业工程学报, 2015,31(16):135-144.
[24]	梅少华, 梅金先, 陈兴国 , 等. 洪涝灾害对水稻生产的影响评估及抗灾对策研究[J]. 作物杂志, 2011(2):89-93.
[25]	宁金花, 霍治国, 陆魁东 , 等. 不同生育期淹涝胁迫对杂交稻形态特征和产量的影响[J]. 中国农业气象, 2013,34(6):678-684.
[26]	邵玺文, 刘红丹, 杜震宇 , 等. 不同时期水分处理对水稻生长及产量的影响[J]. 水土保持学报, 2007,21(1):193-196.
[27]	汪妮娜, 黄敏, 陈德威 , 等. 不同生育期水分胁迫对水稻根系生长及产量的影响[J]. 热带作物学报, 2013,34(9):1650-1656.
[28]	宣守丽, 石春林, 张建华 , 等. 分蘖期淹水胁迫对水稻地上部物质分配及产量构成的影响[J]. 江苏农业学报, 2013,29(6):1199-1204.
[29]	王矿, 王友贞, 汤广民 . 分蘖期水稻对淹水胁迫的响应规律研究[J]. 灌溉排水学报, 2014,33(6):58-60.
[30]	王矿, 王友贞, 汤广民 . 水稻在拔节孕穗期对淹水胁迫的响应规律[J]. 中国农村水利水电, 2016(9):81-87.
[31]	徐富贤, 张林, 熊洪 , 等. 杂交水稻中后期洪涝淹没与产量损失的关系[J]. 作物学报, 2016,42(9):1381-1390.
[32]	宁金花, 陆魁东, 霍治国 , 等. 拔节期淹涝胁迫对水稻形态和产量构成因素的影响[J]. 生态学杂志, 2014,33(7):1818-1825.
[33]	蔺万煌, 孙福增, 彭克勤 , 等. 洪涝胁迫对水稻产量及产量构成因素的影响[J]. 湖南农业大学学报, 1997,23(1):50-54.
[34]	王矿, 王友贞, 汤广民 . 水稻拔节孕穗期淹水对产量要素的影响[J]. 灌溉排水学报, 2015,34(9):40-43.
[35]	邵玺文, 阮长春, 赵兰坡 , 等. 分蘖期水分胁迫对水稻生长发育及产量的影响[J]. 吉林农业大学学报, 2005,27(1):6-10.
[36]	魏凤英 . 现代气候统计诊断与预测技术[M]. 2版.北京: 气象出版社, 2007: 63-66.
[37]	《中国气象灾害大典》编委会. 中国气象灾害大典﹒黑龙江卷[M]. 北京: 气象出版社, 2007: 69-150.
[38]	袁美英, 李泽春, 张小玲 , 等. 中尺度对流系统与东北暴雨的关系[J]. 高原气象, 2011,30(5):1224-1231.

代码	定义	单位
PI1	总降水量	mm
PI2	总降水日数	d
PI3	降水强度（总降水量/总降水天数）	mm/d
PI4	大雨日数（日降水量≥25 mm的总天数）	d
PI5	暴雨日数（日降水量≥50 mm的总天数）	d
PI6	大暴雨日数（日降水量≥100 mm的总天数）	d
PI7	最大1日降水量	mm
PI8	最大连续3日降水量	mm
PI9	最大连续7日降水量	mm
PI10	最长连续降水日数	d

代码	定义	单位
PI1	总降水量	mm
PI2	总降水日数	d
PI3	降水强度（总降水量/总降水天数）	mm/d
PI4	大雨日数（日降水量≥25 mm的总天数）	d
PI5	暴雨日数（日降水量≥50 mm的总天数）	d
PI6	大暴雨日数（日降水量≥100 mm的总天数）	d
PI7	最大1日降水量	mm
PI8	最大连续3日降水量	mm
PI9	最大连续7日降水量	mm
PI10	最长连续降水日数	d

年代	PI1		PI2		PI3		PI4		PI5		PI6		PI7		PI8		PI9		PI10
年代	均值	F值	均值	F值	均值	F值	均值	F值	均值	F值	均值	F值	均值	F值	均值	F值	均值	F值	均值	F值
1970s	46.4		10.4		4.4		0.22		0.006				17.1		22.9		27.2		3.5
1970s	46.4	3.96^*	10.4	2.73	4.4	10.84^**	0.22	18.25^**	0.006	0.00			17.1	14.26^**	22.9	17.53^**	27.2	1.77	3.5	0.99
1980s	43.4	3.96^*	10.9	2.73	4.0	10.84^**	0.12	18.25^**	0.006	0.00			15.3	14.26^**	20.5	17.53^**	26.2	1.77	3.6	0.99
1980s	43.4	1.18	10.9	0.29	4.0	6.04^*	0.12	2.29	0.006	0.69			15.3	8.13^**	20.5	8.08^**	26.2	11.60^**	3.6	0.00
1990s	41.4	1.18	10.7	0.29	3.7	6.04^*	0.10	2.29	0.003	0.69			13.9	8.13^**	18.7	8.08^**	23.3	11.60^**	3.6	0.00
1990s	41.4	15.08^**	10.7	0.42	3.7	26.19^**	0.10	63.47^**	0.003	7.11^**			13.9	26.28^**	18.7	36.23^**	23.3	36.80^**	3.6	0.17
2000s	49.1	15.08^**	10.5	0.42	4.3	26.19^**	0.25	63.47^**	0.017	7.11^**			16.5	26.28^**	23.0	36.23^**	29.0	36.80^**	3.6	0.17
2000s	49.1	135.82^**	10.5	155.93^**	4.3	76.49^**	0.25	1.46	0.017	1.25			16.5	65.91^**	23.0	111.65^**	29.0	119.45^**	3.6	77.02^**
2010s	71.9	135.82^**	13.8	155.93^**	5.1	76.49^**	0.28	1.46	0.010	1.25			20.2	65.91^**	30.5	111.65^**	38.6	119.45^**	4.5	77.02^**

年代	PI1		PI2		PI3		PI4		PI5		PI6		PI7		PI8		PI9		PI10
年代	均值	F值	均值	F值	均值	F值	均值	F值	均值	F值	均值	F值	均值	F值	均值	F值	均值	F值	均值	F值
1970s	46.4		10.4		4.4		0.22		0.006				17.1		22.9		27.2		3.5
1970s	46.4	3.96^*	10.4	2.73	4.4	10.84^**	0.22	18.25^**	0.006	0.00			17.1	14.26^**	22.9	17.53^**	27.2	1.77	3.5	0.99
1980s	43.4	3.96^*	10.9	2.73	4.0	10.84^**	0.12	18.25^**	0.006	0.00			15.3	14.26^**	20.5	17.53^**	26.2	1.77	3.6	0.99
1980s	43.4	1.18	10.9	0.29	4.0	6.04^*	0.12	2.29	0.006	0.69			15.3	8.13^**	20.5	8.08^**	26.2	11.60^**	3.6	0.00
1990s	41.4	1.18	10.7	0.29	3.7	6.04^*	0.10	2.29	0.003	0.69			13.9	8.13^**	18.7	8.08^**	23.3	11.60^**	3.6	0.00
1990s	41.4	15.08^**	10.7	0.42	3.7	26.19^**	0.10	63.47^**	0.003	7.11^**			13.9	26.28^**	18.7	36.23^**	23.3	36.80^**	3.6	0.17
2000s	49.1	15.08^**	10.5	0.42	4.3	26.19^**	0.25	63.47^**	0.017	7.11^**			16.5	26.28^**	23.0	36.23^**	29.0	36.80^**	3.6	0.17
2000s	49.1	135.82^**	10.5	155.93^**	4.3	76.49^**	0.25	1.46	0.017	1.25			16.5	65.91^**	23.0	111.65^**	29.0	119.45^**	3.6	77.02^**
2010s	71.9	135.82^**	13.8	155.93^**	5.1	76.49^**	0.28	1.46	0.010	1.25			20.2	65.91^**	30.5	111.65^**	38.6	119.45^**	4.5	77.02^**

年代	PI1		PI2		PI3		PI4		PI5		PI6		PI7		PI8		PI9		PI10
年代	均值	F值	均值	F值	均值	F值	均值	F值	均值	F值	均值	F值	均值	F值	均值	F值	均值	F值	均值	F值
1970s	86.7		14.5		6.0		0.51		0.057		0.003		25.2		35.3		48.2		5.0
1970s	86.7	0.24	14.5	22.09^**	6.0	6.21^*	0.51	5.11^*	0.057	0.67	0.003	0.34	25.2	0.17	35.3	2.39	48.2	0.11	5.0	2.82
1980s	87.8	0.24	13.5	22.09^**	6.3	6.21^*	0.60	5.11^*	0.046	0.67	0.001	0.34	25.4	0.17	36.8	2.39	48.7	0.11	4.7	2.82
1980s	87.8	0.96	13.5	0.18	6.3	0.17	0.60	0.99	0.046	1.94	0.001	0.34	25.4	0.02	36.8	0.30	48.7	2.80	4.7	1.89
1990s	85.8	0.96	13.6	0.18	6.3	0.17	0.57	0.99	0.064	1.94	0.003	0.34	25.5	0.02	36.3	0.30	50.7	2.80	4.9	1.89
1990s	85.8	4.00^*	13.6	52.91^**	6.3	1.01	0.57	1.62	0.064	1.11	0.003	0.21	25.5	0.00	36.3	0.47	50.7	12.64^**	4.9	10.33^**
2000s	81.5	4.00^*	12.0	52.91^**	6.4	1.01	0.62	1.62	0.080	1.11	0.004	0.21	25.5	0.00	35.6	0.47	46.0	12.64^**	4.5	10.33^**
2000s	81.5	35.18^**	12.0	137.28^**	6.4	5.60^*	0.62	3.62^*	0.080	3.27	0.004	0.31	25.5	13.62^**	35.6	18.60^**	46.0	35.04^**	4.5	48.71^**
2010s	97.6	35.18^**	14.1	137.28^**	6.9	5.60^*	0.72	3.62^*	0.116	3.27	0.002	0.31	29.4	13.62^**	41.7	18.60^**	56.5	35.04^**	5.5	48.71^**