Research on the Variation Trend and Cycle of Low Temperature Disasters in China’s Major Grain Producing Areas

doi:10.11924/j.issn.1000-6850.casb2022-0748

Abstract

Abstract:

Based on the crop disaster rate of low-temperature disaster in major grain producing areas from 1971 to 2016, the variation trend and cycle of low temperature disaster were analyzed by Mann-Kendall (M-K) trend test, Mann-Kendall mutation test and empirical mode decomposition (EMD), so as to provide a theoretical basis for reducing the risk and loss of low-temperature disasters in major grain producing areas. The results showed that: (1) the crop disaster rate of low-temperature disaster had a significant increasing trend in Hunan, Hubei, Jiangxi, Sichuan, Anhui, Henan and Shandong Provinces. (2) The mutation time of crop disaster rate of low- temperature disaster mainly occurred in the late 1980s, the early 1990s and the late 1990s. The period of significant increasing trend mainly occurred from late 1990s to early 21st century. (3) Low temperature disasters had the characteristics of quasi-3 years, quasi-6 years, quasi 11 years and quasi-24-year periods. However, it was mainly based on the quasi-3 years as the main fluctuation cycle.

Key words: major grain producing areas, low temperature disaster, disaster rate, trend, cycle

TIAN Zhihui, MOU Dongming, LI Guang, LI Xiaoxue. Research on the Variation Trend and Cycle of Low Temperature Disasters in China’s Major Grain Producing Areas[J]. Chinese Agricultural Science Bulletin, 2023, 39(24): 90-95.

Figures/Tables 4

References 24

[1]	高懋芳, 邱建军, 刘三超, 等. 我国低温冷冻害的发生规律分析[J]. 中国生态农业学报, 2008, 16(5):1167-1172.
[2]	罗新兰, 张彦, 孙忠富, 等. 黄淮海平原冬小麦霜冻时空分布特点研究[J]. 中国农学通报, 2011, 27(18):45-50.
[3]	赵俊晔, 张峭, 赵思健. 中国小麦自然灾害风险综合评价初步研究[J]. 中国农业科学, 2013, 46(4):705-714. doi: 10.3864/j.issn.0578-1752.2013.04.005
[4]	钱永兰, 王建林, 郑昌玲, 等. 近50年华北地区冬小麦低温灾的时空演变特征[J]. 生态学杂志, 2014, 33(12):3245-3253.
[5]	FOOLAD M R, LIN G Y. Genetic analysis of cold tolerance during vegetative growth in tomato, Lycopersicon esculentum Mill[J]. Euphytica, 2001, 122(1):105-111. doi: 10.1023/A:1012616231637 URL
[6]	KE D, SUN G, JIANG Y. Dural role of superoxide radicals in the chilling-induced photo inhibition in maize seeding[J]. Photosynthetica, 2004, 42(1):147-152. doi: 10.1023/B:PHOT.0000040583.78295.f7 URL
[7]	MATSUMOTO T, LIAN H L, SU W A, et al. Role of the aquaporin PIP1 subfamily in the chilling tolerance of rice[J]. Plant and cell physiology, 2009, 50(2):216-229. doi: 10.1093/pcp/pcn190 pmid: 19098326
[8]	张丽娟, 李文亮, 张冬有. 基于信息扩散理论的气象灾害风险评估方法[J]. 地理科学, 2009, 29(2):250-254. doi: 10.13249/j.cnki.sgs.2009.02.250
[9]	唐为安, 田红, 杨元建, 等. 基于GIS的低温冷冻灾害风险区划研究[J]. 地理研究, 2012, 32(3):356-362.
[10]	周见, 郝成元, 吴文祥. 基于GIS的黑龙江省水稻低温灾害风险等级区划[J]. 地域研究与开发, 2014, 33(1):109-113.
[11]	汪甫, 李凯伟, 吴凡, 等. 江西省近56年农业气象灾害时空分布特征[J]. 江苏农业科学, 2017, 45(22):317-323.
[12]	吴立, 霍治国, 姜燕, 等. 气候变暖背景下南方早稻春季低温灾害的发生趋势与风险[J]. 生态学报, 2016, 36(5):1263-1271.
[13]	邓振镛, 张强, 尹宪志, 等. 干旱灾害对干旱气候变化的响应[J]. 冰川冻土, 2007, 29(1):114-118.
[14]	中华人民共和国民政部. 自然灾害情况统计制度[Z]. 北京: 中华人民共和国民政部, 2008
[15]	张立伟, 延军平. 咸阳市气候暖干化及干旱灾害趋势判断[J]. 干旱区资源与环境, 2011, 25(10):131-135.
[16]	徐丽梅, 郭英, 刘敏, 等. 1957-2008年海河流域气温变化趋势和突变分析[J]. 资源科学, 2011, 33(5):995-100.
[17]	王米雪, 延军平. 1960-2012年中国东南沿海地区降水变化特征及重涝灾害趋势判断[J]. 地球与环境, 2015, 43(6):667-674.
[18]	魏凤英. 现代气候统计诊断与预测技术[M]. 第2版. 北京: 气象出版社, 2007.
[19]	HUANG N E, SHEN Z, LONG S R, et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[C]// Proceedings of the Royal Society of London Series A: Mathematical Physical and Engineering Sciences, 1998, 454:903-995.
[20]	陈莹, 尹义星, 陈兴伟. 19世纪末以来中国洪涝灾害变化及影响因素研究[J]. 自然资源学报, 2011, 26(12):2110-2120.
[21]	RILLING G, FLANDRIN P, GONCALVES P. On empirical mode decomposition and its algorithms[R]. Technical report, UMR, INRIA, France. IEEE-EURASIP Workshop on Nonlinear Signal and Image Processing, 2003.
[22]	傅泽强, 蔡运龙, 李军. 我国农业水旱灾害的时间分布及重灾年景趋势预测[J]. 自然灾害学报, 2002, 11(2):7-15.
[23]	田志会, 李晓雪. 基于灾情的中国粮食主产区旱灾变化周期研究[J]. 灾害学, 2020, 35(1):38-43.
[24]	田志会, 李晓雪. 1949-2016年我国粮食主产区旱灾变化趋势分析[J]. 中国农业大学学报, 2019, 24(12):159-167.

省/区	M-K趋势检验Z值	低温灾害变化趋势
安徽省	3.06^**	上升
河北省	1.21	上升
河南省	2.81^*	上升
江苏省	0.64	上升
山东省	2.68^**	上升
黑龙江省	-0.53	下降
吉林省	-1.17	下降
辽宁省	-0.68	下降
内蒙古自治区	0.26	上升
湖北省	3.65^**	上升
湖南省	4.28^**	上升
江西	3.37^**	上升
四川	1.72^*	上升

省/区	M-K趋势检验Z值	低温灾害变化趋势
安徽省	3.06^**	上升
河北省	1.21	上升
河南省	2.81^*	上升
江苏省	0.64	上升
山东省	2.68^**	上升
黑龙江省	-0.53	下降
吉林省	-1.17	下降
辽宁省	-0.68	下降
内蒙古自治区	0.26	上升
湖北省	3.65^**	上升
湖南省	4.28^**	上升
江西	3.37^**	上升
四川	1.72^*	上升

项目	模态	安徽	河北	河南	江苏	山东	黑龙江	吉林	辽宁	内蒙古	湖北	湖南	江西	四川
周期/a	IMF1	3.2	2.9	3.5	3.5	3.6	2.4	3.0	3.0	2.6	2.5	3.1	3.6	2.8
	IMF2	5.6	5.3	8.0	7.4	5.6	5.2	7.2	6.0	5.4	5.2	5.1	6.0	5.0
	IMF3	9.5	12.3	9.3	12.5	11.0	10.7	12.0	9.3	9.0	10.3	8.5	17.0	8.2
	IMF4	22.0	29.0	35.0	24.0	27.0	22.0	25.0	22.0	16.0	32.0	15.0	—	16.5
	IMF5	—	—	—	—	—	—	—	—	—	—	—	—	28.0
方差贡献率/%	IMF1	30.1	29.4	28.3	30.9	30.6	29.2	29.8	26.6	31.8	36.0	33.4	46.0	28.0
	IMF2	26.1	22.4	23.6	28.5	21.7	21.4	22.3	24.0	23.2	27.8	22.9	25.5	18.4
	IMF3	19.8	19.3	20.8	18.8	20.1	19.5	19.9	19.7	18.9	18.8	17.6	15.7	16.5
	IMF4	16.3	17.9	18.2	13.1	15.2	16.7	16.0	16.9	14.8	9.3	14.2	—	15.0
	IMF5	—	—	—	—	—	—	—	—	—	—	—	—	13.4
RES		7.7	10.9	9.1	8.8	12.4	13.2	12.1	12.9	11.3	8.1	12	12.8	8.8

项目	模态	安徽	河北	河南	江苏	山东	黑龙江	吉林	辽宁	内蒙古	湖北	湖南	江西	四川
周期/a	IMF1	3.2	2.9	3.5	3.5	3.6	2.4	3.0	3.0	2.6	2.5	3.1	3.6	2.8
	IMF2	5.6	5.3	8.0	7.4	5.6	5.2	7.2	6.0	5.4	5.2	5.1	6.0	5.0
	IMF3	9.5	12.3	9.3	12.5	11.0	10.7	12.0	9.3	9.0	10.3	8.5	17.0	8.2
	IMF4	22.0	29.0	35.0	24.0	27.0	22.0	25.0	22.0	16.0	32.0	15.0	—	16.5
	IMF5	—	—	—	—	—	—	—	—	—	—	—	—	28.0
方差贡献率/%	IMF1	30.1	29.4	28.3	30.9	30.6	29.2	29.8	26.6	31.8	36.0	33.4	46.0	28.0
	IMF2	26.1	22.4	23.6	28.5	21.7	21.4	22.3	24.0	23.2	27.8	22.9	25.5	18.4
	IMF3	19.8	19.3	20.8	18.8	20.1	19.5	19.9	19.7	18.9	18.8	17.6	15.7	16.5
	IMF4	16.3	17.9	18.2	13.1	15.2	16.7	16.0	16.9	14.8	9.3	14.2	—	15.0
	IMF5	—	—	—	—	—	—	—	—	—	—	—	—	13.4
RES		7.7	10.9	9.1	8.8	12.4	13.2	12.1	12.9	11.3	8.1	12	12.8	8.8