EN中文

Journal of Geo-information Science >

2021 , Vol. 23 >Issue 8: 1446 - 1460

DOI: https://doi.org/10.12082/dqxxkx.2021.200500

Evolution of the Multiple Accumulated Temperature Across Mainland China in 1961-2018 with the Gridded Meteorological Dataset

  • BAI Lei , 1 ,
  • ZHANG Fan , 2, * ,
  • SHANG Ming 3 ,
  • SHI Chunxiang 4 ,
  • SUN Shuai 4 ,
  • LIU Lijun 1, 2 ,
  • WEN Yuanqiao 1 ,
  • SU Chuancheng 5
Expand
  • 1. Intelligent Transportation Systems Research Center, Wuhan University of Technology, Wuhan 430070, China
  • 2. School of Navigation, Wuhan University of Technology, Wuhan 430070, China
  • 3. School of Earth Science and Engineering, Hebei University of Engineering, Handan 056038, China
  • 4. National Meteorological Information Center, Beijing 100081, China
  • 5. Guangxi Meteorological Information Center, Nanning 530022, China
* ZHANG Fan, E-mail:

Received date: 2020-09-05

  Request revised date: 2020-12-12

  Online published: 2021-10-25

Supported by

National Natural Science Foundation of China(51709218)

National Key R&D Program of China(2018YFC1407405)

National Key R&D Program of China(2018YFC1506601)

Copyright

Copyright reserved © 2021
Fold

Abstract

Accumulated Temperature (AT) could affect plants' phonological period and crops' yield and spatial distribution. AT is usually obtained by extrapolation of surface observations. However, AT would have greater spatial uncertainties in regions where the surface observations are sparsely distributed with complex terrain. In recent years, there have been some gridded meteorological data with well spatial representation. If studies used these high spatial resolution gridded meteorological data to directly calculate AT, the problem mentioned above would be solved. This study used the gridded dataset (CN05.1) with high spatial resolution and long term time series from 1961-2018 to analyze the spatiotemporal changes of the four Accumulated Temperatures (ATs) in mainland China with the thresholds of ≥0 ℃, ≥5 ℃, ≥10 ℃, and ≥15 ℃, respectively. The gridded dataset was made using more than 2400 surface meteorological stations across mainland China and was well extrapolated by the plate spline method. The main conclusions are summarized as follows: ① In mainland China, the four ATs (≥0 ℃, ≥5 ℃, ≥10 ℃ and ≥15 ℃) have low-value areas in the Qinghai-Tibet Plateau, Tianshan Mountains in Xinjiang, and Northeast China, but high-value areas in South China. Their spatial patterns are similar to those of the 2-m air temperature. ② All four ATs show significant increasing trends, especially in Inner Mongolia and Northeast China. ③ Due to changes in the AT spatial trends, the area of tropical and subtropical regions, identified by a threshold of 10 ℃, have a significant increase. In contrast, the area of mid-temperate and cold-temperate regions have a significant decrease. ④ During 1961-2018, starting time of four ATs had significantly advanced while the ending time had significantly delayed in both regional and point scales. The interval period of temperature transition ranges of 0~5 ℃, 5~10 ℃, and 10~15 ℃’s starting time has more severe changes in the Loess Plateau and Inner Mongolia. For interval period of ending time, Central China Plain changes greatly. These significant changes would impact the farming plan, crop physiology, plant diseases, and insect pests. In the future, the gridded dataset with more high spatial resolution and longer time series could be used to study the changes of accumulated temperature under climate change.

Key words： regional area change; starting time; ending time; trend analysis; interval period for different accumulated temperature; Northern Xinjiang; Qinghai-Tibet Plateau; Northeast China

Cite this article

BAI Lei , ZHANG Fan , SHANG Ming , SHI Chunxiang , SUN Shuai , LIU Lijun , WEN Yuanqiao , SU Chuancheng . Evolution of the Multiple Accumulated Temperature Across Mainland China in 1961-2018 with the Gridded Meteorological Dataset[J]. Journal of Geo-information Science, 2021 , 23(8) : 1446 -1460 . DOI: 10.12082/dqxxkx.2021.200500

1 引言

气温是影响农作物生长、物候现象及农事活动的重要气象因子。1900—2017年,中国地区气温平均升高1.3~1.7 ℃[1],显著高于全球平均增温幅度（约0.85 ℃）[2]。现有研究发现气温的显著变化会影响农作物的产量和农作物种植的空间分布[3,4,5]。目前,中国地区的增温现象已经改变了中国地区小 麦[6,7]、水稻[8,9]和玉米[10,11,12]的物候期。1960—2010年,中国粮食主产区内的小麦[13,14]和水稻单位面积产量下降[15,16]。同时,中国小麦传统种植区北部的种植边界已显著北移[17,18,19],水稻[20]和玉米[21,22,23]种植区种植边界也向原先气候条件不适宜的北部地区移动。由此可见,气候变化深刻影响着农作物的物候期、产量和农业气候区划。
5 ℃和10 ℃气温分别是喜凉作物和喜温作物适宜生长的最低温度[23]。高于这些阈值温度的累计温度（积温）,是衡量植物所需热量资源的重要指标。研究发现,积温的变化会影响植物的物候期。冬季的积温增加,会导致春季物候有推迟[24],同时生长季的积温变化也会影响农作物的物候和产量[25,26]。 因此,在气候变化背景下更需要研究积温的时空 变化。在站点尺度上,1961—2010年中国地区的 ≥5 ℃和≥10 ℃积温总体呈上升趋势[27,28,29]。在内蒙古[30]、新疆[31]、黄河流域[32]和亚热带[33]等地区,≥0 ℃积温也呈现增加趋势,其积温计算起始时间提前、持续时间增加。在区域尺度上,不同界限温度（≥5 ℃和≥10 ℃）的积温也呈现增长趋势[33,34]。但现有研究以中国为整体的多种阈值积温变化趋势研究相对较少。此外,在现有研究中需要将站点尺度结果进行空间化（栅格化）便于后续的空间分析。常用算法有：多元线性回归插值[28],反距离权重插值[35]和回归插值-空间残差[32,36]。这些算法假设积温有如同气温一样与高程有较好的关系。但如果研究中研究区站点数量较少或空间分布不均匀,在地形地貌复杂的中国西部地区研究结果会有较大的不确定性。如果使用经过数据同化或使用大量站点和合理假设外推得出的格点化气象数据（如中国气象局陆面数据同化系统[CLDAS]数据[37]）进行分析,能显著降低由于数据带来的空间不确定性问题。
为解决上述问题,本研究使用长时间序列格点化的气温数据在中国大陆地区计算多种界限温度积温（0、5、10和15 ℃）,分析多种积温及其初、终日期和持续日数的时空变化,研究在气候变暖背景下农业热量指标在中国范围的时空变化格局,为评估气候变化条件下农业区划和产量预估提供依据。

2 数据来源与研究方法

2.1 数据来源

目前针对积温的研究均在站点计算的积温结果上采用各种外推算法插值到空间上进行分析[28,38]。如果直接使用格点化的气象数据计算积温,可以减少了站点外推插值积温在空间上的不确定性和相应工作的计算量。在现有国内外覆盖中国区域长时间序列格点化观测数据中,国家气候中心制作的CN05.1数据[39]是具有较高的时间和空间分辨率,在气候变化研究和数值模式研究中已经作为格点化的观测数据。CN05.1数据使用了中国范围2400余个国家级台站和薄盘样条函数外推插值方法,得到1961—2018年空间分辨率为0.25°的逐日观测数据,其变量包括平均气温、最高气温、最低气温、降水量等。本研究基于此格点数据的平均气温计算多种积温。CN05.1数据在制作过程中,未使用台湾、香港和澳门的气象站数据,因此在最终的格点数据产品中这些地方数据为空值。除此,CN05.1数据空间分辨率为0.25˚,与高分辨率中国矢量边界之间会存在明显的空值区域。
中国地区2400余站数据已经在CN05.1格点化数据集制作中使用,若使用这些站点进行验证,验证过程为非独立验证,结果会存在自相关。因此,本研究选取2001—2015年中国生态系统研究网络（简称CERN）数据中≥10 ℃积温数据[40]对本研究中的格点化数据计算得出的≥10 ℃积温进行评估,该数据集的站点包含了农田、森林、草地、荒漠、沼泽、湖泊和海湾等中国主要生态系统,其站点空间分布见图1。
图1 CERN站点空间分布示意

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4632号的标准地图制作,底图无修改。由于数据CN05.1原始数据原因,本研究不包括香港、台湾和澳门。

Fig. 1 Spatial distribution of CERN observations

2.2 研究方法

由CN05.1数据计算的多种积温在使用前需要对其精度进行独立的评估验证。在评估过程中,使用中国生态系统研究网络（CERN）数据中≥10 ℃积温数据作为观测数据,选取平均值、Pearson相关系数、平均误差（ME,CN05.1插值数据与CERN数据的平均误差）和均方根误差（RMSE,CN05.1插值数据与CERN数据的均方根误差）4个统计指标评价CN05.1数据计算的≥10 ℃积温。
除界限温度0、5 ℃和10 ℃外,15 ℃也是农业常用界限温度。本研究基于以上界限温度,分别计算≥0 ℃、≥5 ℃、≥10 ℃和≥15 ℃的积温。在计算过程中,采用5日滑动平均方法计算日平均气温稳定大于界限温度的积温和持续日数。具体计算方法如下：
（1）确定积温的起止日期
在一年中,选择5日滑动平均值（一年中,每一天取当日、前2日和后2日的5日序列计算平均值）大于界限温度的最长一段时期,在此时期内的第一个5日中,挑选第一个日平均气温大于界限温度的日期,作为日平均气温稳定大于界限温度积温的起始日;在最后一个5日中,选取最后一个日平均气温大于界限温度积温的日期作为终止日。在中国,热带地区（如海南、广州等）会常年气温高于0 ℃等界限温度。本研究设置0 ℃等相应界限温度开始日期为1月1日,结束日期为12月31日。在亚热带地区（如湖南、江西等）,在12月和1月间,气温可能会在界限温度（如0 ℃）附近浮动。本研究算法为了方便在每一个格点逐个计算,单个格点在12月未找到结束日期,则设置结束日期为12月31日,同样在 1月为找到开始日期则设置开始日期为1月1日。
（2）积温计算及农业区划标准
在大于界限温度积温的日期内,将大于界限温度的日平均温度进行累加获得≥0 ℃、≥5 ℃、≥10 ℃和≥15 ℃的积温。在本研究中,农业分区的划分依据≥10℃的积温进行。热带、亚热带、暖温带、中温带和寒温带的热量标准依次为：积温≥8000 ℃,4500 ℃≤积温<8000 ℃,3400 ℃≤积温<4500 ℃,1600 ℃≤积温<3400 ℃,积温<1600 ℃[41]。
（3）趋势计算
趋势计算使用线性回归计算每10年相关变量的线性趋势变化,其中趋势的显著性使用p值进行标注。

3 结果及分析

3.1 数据验证

图2是将CN05.1数据集≥10 ℃积温结果使用双线性插值方法插值到站点与CERN提供的33个台站的≥10 ℃积温数据进行比较。在2001—2015年除了个别站点（5、9、14、16、20号站）有较大差异,格点计算≥10 ℃积温整体上和CERN中≥10 ℃积温的多年平均值基本一致（图2(a)）。从相关系数来看（图2(b)）,大部分站点Pearson相关系数在0.4以上,基本能反映15年来的≥10 ℃积温年际尺度的波动情况。在图2(c)中,大部分站点积温的平均误差介于-200~200 ℃之间,仅有6站大于这个范围。对于均方根误差（图2(d)）,大部分站点积温的均方根误差在500 ℃以下。上述站点有较大误差的原因,可能是地表地形复杂导致格点数据插值有较大的误差。以多年平均积温值和均方根误差（RMSE小于500 ℃为标准）,除4个站点（5、9、14 和20号站）外,格点化的计算结果能够和站点上≥10 ℃积温数据吻合（超过80%数量的站点）。这样基于CN05.1格点数据计算的积温数据可以用于后续的分析。
图2 ≥10 ℃积温评估结果

Fig. 2 The evaluation of ≥10 ℃ accumulated temperature between CERN and CN05.1

3.2 多种积温趋势

图3是多种积温1961—2018年多年气候态空间分布和趋势变化图。比较≥0 ℃积温（图3(a)）、≥5 ℃积温（图3(c)）、≥10 ℃积温（图3(e)）和≥15 ℃积温（图3(g)）的空间分布,可以看出不同积温空间分布类似,即高值区位于华南地区、青藏高原南缘,低值区位于青藏高原、新疆北部山区及天山地区、大小兴安岭和长白山。另外,随着界限温度阈值的增加,可以看出在新疆北部山区和天山地区、内蒙古东部地区低值区覆盖面积逐渐增加,在南方广东、广西地区高值区域面积逐渐减小。
图3 多种积温的多年平均空间分布和趋势

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4632号的标准地图制作,底图无修改。左列趋势空间图黑色散点表示显著性p值<0.01的格点;原始CN05.1数据不包括香港、台湾和澳门,故设置空值。

Fig. 3 Spatial patterns of accumulated temperature (AT)'s mean and trend

在全国范围,≥0 ℃积温（图3(b)）、≥5 ℃积温（图3(d)）、≥10 ℃积温（图3(f)）和≥15 ℃积温（图3(h)）均表现出空间上增加趋势。对于≥0 ℃积温,其高值区（>120 ℃/10a）主要位于长江三角洲地区,低值区（<20 ℃/10a）位于新疆天山山区、青藏高原、秦岭-巴山和河北北部地区。对于≥5 ℃积温,低值区与≥0 ℃积温的空间分布类似,高值区包括长江三角洲地区和青藏高原南部地区,绝大部分地区表现出增加的趋势。≥5 ℃与≥10 ℃积温显著增加趋势会引起农作物种植区域和物候期变化[42]。长江中下游的地区（图3(d)）的≥10 ℃积温增加,导致热量充足,可能会使作物生产由一年两熟、两年三熟转变为一年三熟、两年五熟[43]。从4个积温趋势看（如≥0 ℃积温趋势为90 ℃/10a）,东北平原作物生产可能由一年一熟为一年两熟（≥0℃积温范围为3600~5000 ℃）[44,45]。

3.3 农业区划面积变化

根据≥10℃积温热量标准,可将全国逐年动态的划分为热带、亚热带、暖温带、中温带和寒温带,对其多年面积变化进行统计（图4）。可以看出符合热带（图4(a)）和亚热带（图4(b)）热量条件标准的面积呈显著增加趋势;中温带（图4(d)）和寒温带（图4(e)）面积呈显著减少趋势;暖温带（图4(c)）面积变化趋势呈微弱的降低趋势。整体上,符合≥10 ℃积温条件的热带和亚热带地区面积在增加,造成中温带和寒温带的面积减少。这样热量资源的增加,会导致原先在热带和亚热带的作物,潜在种植边界向北移动[46]。
图4 ≥10 ℃积温标准划分的农业区划格点数量变化

Fig. 4 Changes in the number of grids for agricultural regions identified by the threshold of ≥10 ℃ accumulated temperature

3.4 多种积温开始结束时间和时间间隔趋势变化

对于≥0℃积温开始时间（图5(a)）,华北平原南部（1月底）,新疆南疆、华北平原和黄土高原开始时间在二月中下旬。在大兴安岭、新疆天山和青藏高原东侧,≥0 ℃积温开始时间在4月中旬到5月中旬。北方地区1991—2018年≥0 ℃积温平均开始时间晚于1961—1990年开始时间（存在黑色散点,处于提前状态）。对于≥0 ℃积温结束时间（图5(b)）,青藏高原、大兴安岭等地区在9月底≥0 ℃积温累积结束。而在秦岭-淮河以南大部分地区在12月底≥0 ℃积温累积结束。除青藏高原外,北方大部分地区1991—2018年≥0 ℃积温累积结束时间晚于1961—1990年（存在蓝色散点,处于延后状态）。
图5 1961—2018年不同积温开始时间和结束时间

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4632号的标准地图制作,底图无修改。图中对于开始时间和结束时间,蓝色和黑色散点分别表示1991—2018年积温对应时间推后和提前。原始CN05.1数据不包括香港、台湾和澳门,故设置空值。

Fig. 5 The spatial pattern of different accumulated temperatures' starting time and ending time from 1961 to 2018

在图5(c)中,≥5 ℃积温开始时间相对于≥0 ℃积温开始时间较晚。华中地区在1月下旬气温基本在5 ℃以上,而青藏高原、新疆天山在6月中旬达到5 ℃以上。在大部分区域≥5 ℃积温开始时间1991—2018年≥0 ℃积温开始时间晚于1961—1990年开始时间（存在黑色散点）。在图5(d)中,华中地区在12月初,北方基本在10月中旬。在华中、华北、黄土高原和新疆南疆地区,结束日期呈现延后状态（存在蓝色散点）,在青藏高原、东北和内蒙古地区为黑色散点。这表明≥5 ℃结束时间多年平均气候态在空间上有显著差异。
对于≥10 ℃积温开始时间（图5(e)）,3月上旬华中、华北日平均气温稳定≥10 ℃。在大兴安岭和柴达木盆地,5月中旬后日平均气温稳定≥10 ℃。对于≥10 ℃积温结束时间（图5(f)）,华中地区在11月中旬,东北和新疆地区在10月初。大兴安岭、新疆天山和青藏高原边缘地区,在8月底日平均气温稳定低于10 ℃。在大部分地区10 ℃积温结束时间在推后（存在蓝色散点）。对于≥15 ℃积温开始时间（图5(g)）,华南地区在1月中旬,而北方大部分地区在5月中旬。对于≥15 ℃积温结束时间（图5(h)）,除华北和新疆南北疆盆地外的中国北方地区,大部分在9月初气温稳定低于≥15 ℃。整体上,多种积温开始时间提前和结束时间推后,会导致多种积温持续时间增加,农作物生育期延长,会在一定程度上提高作物产量。
为了进一步分析不同积温开始与结束时间的变化,本研究分析了中国地区4个典型站点不同积温开始和结束时间长时间序列变化趋势（图6）。可以看出：西北地区的乌鲁木齐不同积温的开始日期（图6(a)）均呈现提前的趋势,不同积温的结束日期（图6(b)）均呈现推迟的趋势。东北地区的哈尔滨不同积温的开始日期（图6(c)）也呈现提前的趋势,其不同积温的结束日期（图7(d)）均呈现推迟的趋势。
图6 1961—2018年典型站点不同积温开始和结束时间时间序列

Fig. 6 Time series of the starting and ending time of different ATs at typical sites from 1961 to 2018

图7 不同积温开始时间间隔气候态空间分布和趋势

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4632号的标准地图制作,底图无修改。原始CN05.1数据不包括香港、台湾和澳门,故设置空值。

Fig. 7 Spatial pattern of climatological interval period of different accumulated temperature's starting time and its trend

在南方,合肥和长沙不同积温的开始日期（图6(e)、图6(g)）均呈现提前的趋势;其不同积温的结束日期（图6(f)、图6(h)）均呈现推迟的趋势。从中国南、北方4个典型站点看,不同积温的开始日期表现出提前的趋势,结束日期表现出推迟的趋势,与图5格点数据反映的不同积温开始和结束时间线性趋势一致。

3.5 不同积温间隔时间

在农业上,不同界限温度之间的间隔天数对作物有物候期等影响很大[47]。因此,需要对不同积温之间的间隔时间进行研究。整体上间隔时间的空间格局相似,量级不同。差异主要在间隔时间的趋势。0 ℃积温开始时间与5 ℃积温开始时间间隔（图7(a)）,在中国北方时间间隔在0~20 d;新疆天山、柴达木盆地、黄土高原和华北等地区间隔在20~30 d;青海南部、新疆南部、西藏南部、秦岭-巴山等地区时间间隔在40~50 d。从趋势上来看（图7(b)）,间隔日期减少的高值区主要位于新疆北部、山东半岛和秦岭,增间隔日期增加的高值区在黄土高原和河北中部。
5 ℃积温开始时间与10 ℃积温开始时间间隔基本上沿纬度呈带状分布（图7(c)）,在中国,北方地区时间间隔在0~20 d,华中和华北等地区时间间隔在20~40 d。在中国,西部山区和平原交错地带、长江中下游等地区时间间隔在40~60 d。这是由于长江中下游气温冬季在0 ℃（或者5 ℃）以上,导致计算时间为冬季的时长。从趋势上来看（图7(d)）,间隔日期减少的高值区主要在东北北部、黄土高原和长江中下游,间隔日期增加的高值区域包括河西走廊及北方零星地区。
≥10 ℃积温开始时间与≥15 ℃积温开始时间大部分地区间隔在15~40 d（图7(e)）,其中秦岭淮河以北、华中和华东地区间隔时间在15~30 d,华中南部间隔时间位于30~40 d,青藏高原边缘、云贵高原北部、东南丘陵地区间隔时间在40~60 d。从趋势上来看（图7(f)）,间隔时间减少的高值区主要位于华中、华北和东北北部,间隔日期增加的高值区域包括黄土高原和河西走廊。通过4个积温稳定温度转换间隔时间趋势分析,可以看出黄土高原和内蒙古地区为稳定温度转换间隔时间变化剧烈的地区,这将影响农作物物候期。
≥0 ℃积温结束时间与5 ℃积温结束时间间隔大部分地区介于15~30 d（图8(g)）,黄土高原、华中间隔在25~35 d,云贵高原在35~40 d。从趋势上来看（图8(h)）,间隔日期减少的高值区主要位于天山、青藏高原东部和东北东部,间隔日期增加的高值区在东北北部、秦岭和中原地区。≥5 ℃积温结束时间与≥10 ℃积温结束时间间隔（图8(i)）在北方介于10~20 d,在秦岭~淮河以南区域为20~30 d。从趋势上来看（图8(j)）,间隔日期减少的高值区主要在天山中部和华中地区,间隔日期增加的高值区域包括河西走廊和华北平原。
≥10 ℃积温结束时间与≥15 ℃积温结束时间间隔空间格局（图8(k)）,在华中地区为25~30 d。青藏高原大部分在35 d以上。而在华南地区在0~10 d;北方其余地区在15~20 d范围内。趋势上（图8(l)）,间隔时间减少的高值区主要位于河西走廊和新疆东部,间隔日期增加的高值区域包括巴山和长江下游。
图8 不同积温结束时间间隔时间气候态空间分布和趋势

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4632号的标准地图制作,底图无修改。原始CN05.1数据不包括香港、台湾和澳门,故设置空值。

Fig. 8 Spatial pattern of climatological interval period of different accumulated temperature's ending time and its trend

4 讨论

热量是作物生长发育的重要条件,影响着作物的产量、品质、种植制度和空间分布。本研究使用1961—2018年长时间序列高分辨率的格点数据,分析了中国范围≥0 ℃、≥5 ℃、≥10 ℃和≥15 ℃的4种积温的时空变化。和以往研究相比,基于格点数据计算的≥0 ℃和≥10 ℃积温相比有限站点外推插值（反距插值等插值方法）获得的积温空间分布在中国西部地形复杂地区空间格局能体现天山、青藏高原等高大山体附近积温在空间上剧烈梯度变化;在中国南方,这些积温的等值线空间变化更加细腻。在气候倾向率上,整体的空间变化格局和先前研究近似,但格点计算的气象率更加平滑连续,同时有更多的空间细节[27,35]。在不同积温带面积上,热带面积增幅和寒温带面积减少均高于先前研究[48],这可能由于积温计算、外推精度和空间分辨率等多因素导致。
在区域尺度上,格点计算的积温在长江中下游≥0 ℃积温气候气象率与本研接近,≥10 ℃积温气候倾向率显著低于本研究[43,49]。在华北东北地区,≥0 ℃和≥10 ℃积温空间分布基本一致,但积温气候倾向率低值区域分布有显著差异,尤其在河北北部和山西东部地区[50]。在东北地区,本研究结果与离散的站点的≥0 ℃积温趋势在1961—2011年一致[44]。在中国西北新疆,本研究与先前研究总体上空间一致,但由于分辨率为0.25°,未能体现先前研究中一些特有的低洼地貌下特有的≥0 ℃积温的分布[31]。在华南地区,本研究整体上空间格局一致,但在云南中部相对于先前研究≥0 ℃积温呈现高估状态[33]。
综上,基于格点数据直接计算的不同积温在全国范围和区域范围空间格局与先前基于站点计算积温外推的分析基本一致,但能体现更多的空间分布细节特征。这些精细化的积温空间特征能够更好的指导农业种植制度和作物种植区划。今后还应进一步使用更高分辨率的气象数据（如1 km分辨率的中国气象局陆面同化气象数据（CLDAS））研究气候变化对区域尺度农业的影响。

5 结论

本研究使用长时间序列高分辨率的格点数据,分析了中国多种积温时空变化规律,相比以往站点积温外推分析,积温变化规律在西部等地形复杂地区更能体现梯度变化,空间特征更加细致。综上分析和讨论,有如下结论：
（1）在中国,≥0 ℃、≥5 ℃、≥10 ℃和≥15 ℃的积温,低值区域在青藏高原、新疆天山和中国东北地区,高值区在华南地区。≥0 ℃、≥5 ℃、≥10 ℃和 ≥15 ℃的积温均表现出显著增加的趋势,尤其以内蒙古地区和东北地区积温增温趋势较大。
（2）由于热量资源的增加,符合热带和亚热带地区热量条件的面积在显著增加,造成中国范围的中温带和寒温带的面积减少,这样热量资源的变化会引起主要农作物潜在种植边界向北移动（由热带向温带移动）。
（3）在北方,≥0 ℃、≥5 ℃、≥10 ℃和≥15 ℃的积温稳定开始时间在2月中旬,3月中旬、4月初和5月初,其稳定结束日期在11月初、10月下旬、10月上旬和9月中旬。整体上,在全国范围内这4种积温开始时间提前和结束时间推后。这4种积温开始时间和结束时间空间分布规律和自然地理地貌单元相关。
（4）4种积温稳定温度的转变（0~5 ℃、5~10 ℃和10~15 ℃）的时间间隔的空间分布相似,但趋势具有显著差异。对于开始时间,黄土高原和内蒙古地区为稳定温度间隔时间趋势变化剧烈的地区。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
严中伟, 丁一汇, 翟盘茂, 等. 近百年中国气候变暖趋势之再评估[J]. 气象学报, 2020, 78(3):370-378.

[Yan Z W, Ding Y H, Zhai P M, et al. Reassessing climatic warming in China since the last century[J]. Acta Meteorologica Sinica, 2020, 78(3):370-378. ]

[2]
秦大河, Stocker Thomas. IPCC第五次评估报告第一工作组报告的亮点结论[J]. 气候变化研究进展, 2014, 10(1):1-6.

[Qin D H, Stocker T. Highlights of the IPCC Working Group 1 Fifth Assessment Report[J]. Climate Change Research, 2014, 10(1):1-6. ]

[3]
Smith W N, Grant B B, Desjardins R L, et al. Assessing the effects of climate change on crop production and GHG emissions in Canada[J]. Agriculture, ecosystems & environment, 2013, 179:139-150.

DOI

[4]
Chen Y, Marek G W, Marek T H, et al. Simulating the impacts of climate change on hydrology and crop production in the Northern High Plains of Texas using an improved SWAT model[J]. Agricultural Water Management, 2019, 221:13-24.

DOI

[5]
唐国平, 李秀彬, Fischer Guenther, 等. 气候变化对中国农业生产的影响[J]. 地理学报, 2000, 55(2):129-138.

DOI

[Tang G P, Li X B, Fischer G, et al. Climate change and its impacts on China 's agriculture[J]. Acta Geographica Sinica, 2000, 55(2):129-138. ]

[6]
肖登攀, 陶福禄, 沈彦俊, 等. 华北平原冬小麦对过去30年气候变化响应的敏感性研究[J]. 中国生态农业学报, 2014, 22(4):430-438.

[Xiao D P, Tao F L, Shen Y J, et al. Sensitivity of response of winter wheat to climate change in the North China Plain in the last three decades[J]. Chinese Journal of Eco-Agriculture, 2014, 22(4):430-438.]

[7]
Tao F, Zhang S, Zhang Z. Spatiotemporal changes of wheat phenology in China under the effects of temperature, day length and cultivar thermal characteristics[J]. European Journal of Agronomy, 2012, 43:201-212.

DOI

[8]
Bai H Xiao D. Spatiotemporal changes of rice phenology in China during 1981-2010[J]. Theoretical and Applied Climatology, 2020(140):1483-1494.

[9]
Liu Y, Zhou W, Ge Q. Spatiotemporal changes of rice phenology in China under climate change from 1981 to 2010[J]. Climatic Change, 2019, 157(2):261-277.

DOI

[10]
齐永青, 孙宏勇, 沈彦俊. 太行山山前平原近50年气候变暖特征及其对冬小麦-夏玉米作物系统的影响[J]. 中国生态农业学报, 2011, 19(5):1048-1053.

[Qi Y Q, Sun H Y, Shen Y J. Characteristics and effects of climate warming on winter wheat/summer maize cropping system in recent 50 years in the piedmont of Mount Taihang[J]. Chinese Journal of Eco-Agriculture, 2011, 19(5):1048-1053.]

[11]
Liu Y, Qin Y, Ge Q, et al. Reponses and sensitivities of maize phenology to climate change from 1981 to 2009 in Henan Province, China[J]. Journal of Geographical Sciences, 2017(27):1072-1084.

[12]
孟林, 刘新建, 邬定荣, 等. 华北平原夏玉米主要生育期对气候变化的响应[J]. 中国农业气象, 2015, 36(4):375-382.

[Meng L, Liu X J, Wu D R, et al. Responses of summer maize main phenology to climate change in the north china plain[J]. Chinese Journal of Agrometeorology, 2015, 36(4):375-382. ]

[13]
You L, Rosegrant M W, Wood S, et al. Impact of growing season temperature on wheat productivity in China[J]. Agricultural and Forest Meteorology, 2009, 149(6-7):1009-1014.

DOI

[14]
Fei L, Meijun Z, Jiaqi S, et al. Maize, wheat and rice production potential changes in China under the background of climate change[J]. Agricultural Systems, 2020(182):102853.

[15]
Jie Y, Xiong W, Yang X, et al. Geographic variation of rice yield response to past climate change in China[J]. Journal of Integrative Agriculture, 2014, 13(7):1586-1598.

DOI

[16]
赵彦茜, 肖登攀, 唐建昭, 等. 气候变化对我国主要粮食作物产量的影响及适应措施[J]. 水土保持研究, 2019, 26(6):317-326.

[Zhao Y Q, Xiao D P, Tang J Z, et al. Effects of climate change on the yield of major grain crops and its adaptation measures in China[J]. Research of Soil and Water Conservation, 2019, 26(6):317-326. ]

[17]
范玲玲. 过去65年中国小麦种植时空格局变化及其驱动因素分析[D]. 北京:中国农业科学院, 2018.

[Fan L L. Spatio-temporal variation of wheat cultivation in China and its driving factors during the past 65 years[D]. Beijing: Chinese Academy of Agricultural Sciences, 2018.]

[18]
胡实, 莫兴国, 林忠辉. 气候变化对海河流域主要作物物候和产量影响[J]. 地理研究, 2014, 33(1):3-12.

DOI

[Hu S, Mo X G, Lin Z H. The contribution of climate change to the crop phenology and yield in Haihe River Basin[J]. Geographical Research, 2014, 33(1):3-12. ]

[19]
蔡剑, 姜东. 气候变化对中国冬小麦生产的影响[J]. 农业环境科学学报, 2011, 30(9):1726-1733.

[Cai J, Jiang D. The effect of climate change on winter wheat production in China[J]. Journal of Agro-Environment Science, 2011, 30(9):1726-1733. ]

[20]
Tian X, Wu W, Zhou Q, et al. Spatio-temporal changes in the rice planting area and their relationship to climate change in Northeast China: A model-based analysis[J]. Journal of Integrative Agriculture, 2014, 13(7):1575-1585.

DOI

[21]
何奇瑾. 我国玉米种植分布与气候关系研究[D]. 南京:南京信息工程大学, 2012.

[He Q J. Study on the relationship between maize cultivation distribution in China and climate[D]. Nanjing: Nanjing University of Information Science & Technolgy, 2012. ]

[22]
云雅如, 方修琦, 王媛, 等. 黑龙江省过去20年粮食作物种植格局变化及其气候背景[J]. 自然资源学报, 2005, 20(5):697-705.

[Yun R Y, Fang X Q, Wang Y, et al. Main grain crops structural change and its climate background in Heilongjiang Province during the past two decades[J]. Journal of Natural Resources, 2005, 20(5):697-705. ]

[23]
冯秀藻, 陶炳炎. 农业气象学原理[M]. 北京: 气象出版社, 1991.

[Feng X Z, Tao B Y. Agrometeorology[M]. Beijing: China Meteorological Press, 1991. ]

[24]
Wang H, Wu C, Ciais P, et al. Overestimation of the effect of climatic warming on spring phenology due to misrepresentation of chilling.[J]. Nature communications, 2020, 11(1):1-9.

DOI

[25]
矫梅燕. 气候变化对中国农业影响评估报告[M]. 北京: 社会科学文献出版社, 2014.

[Jiao M Y, Assessment report of climatic change impacts on agriculture in China[M]. Beijing: Beijing: Social Sciences Academic Press, 2014. ]

[26]
马倩倩, 贺勇, 张梦婷, 等. 中国北部冬麦区小麦生育期对生育阶段积温变化的响应[J]. 中国农业气象, 2018, 39(4):233-244.

[Ma Q Q, He Y, Zhang M T, et al. Responses of winter wheat phenology to accumulated temperature during growing periods in Northern China wheat belt[J]. Chinese Journal of Agrometeorology, 2018, 39(4):233-244.]

[27]
胡琦, 潘学标, 邵长秀, 等. 1961-2010年中国农业热量资源分布和变化特征[J]. 中国农业气象, 2014, 35(2):119-127.

[Hu Q, Pan X B, Shao C X, et al. Distribution and variation of china agricultural heat resources in 1961-2010[J]. Chinese Journal of Agrometeorology, 2014, 35(2):119-127. ]

[28]
李帅, 张勃, 马彬, 等. 基于格点数据的中国1961—2016年≥5℃、≥10℃有效积温时空演变[J]. 自然资源学报, 2020, 35(5):1216-1227.

[Li S, Zhang B, Ma B, et al. Spatiotemporal evolution of effective accumulated temperatures of ≥5℃ and ≥10℃ based on grid data in China from 1961 to 2016[J], Journal of Natural Resources, 2020, 35(5):1216-1227. ]

[29]
邱新法, 王喆, 曾燕, 等. 1960—2013年中国≥10℃积温时空变化特征及其主导因素分析[J]. 江苏农业科学, 2017, 45(2):220-225.

[Qiu X F, Wang Z, Zeng Y, et al. Change of ≥10℃ accumulated temperature's spatiotemporal characteristics and its changing factors during 1960-2013[J], Jiangsu Agricultural Sciences, 2017, 45(2):220-225. ]

[30]
Xu M, Li Z. Accumulated temperature changes in desert region and surrounding area during 1960-2013: A case study in the Alxa Plateau, Northwest China[J]. Environmental Earth Sciences, 2016, 75(18):1276.

DOI

[31]
普宗朝, 张山清, 李景林, 等. 近50a新疆≥0℃持续日数和积温时空变化[J]. 干旱区研究, 2013, 30(5):781-788.

[Pu Z C, Zhang S Q, Li J L, et al. Spatiotemporal change of duration and accumulated temperature of temperature ≥0℃ in Xinjiang in recent 50 years[J]. Arid Zone Research, 2013, 30(5):781-788. ]

[32]
刘勤, 严昌荣, 何文清, 等. 黄河流域近40a积温动态变化研究[J]. 自然资源学报, 2009, 24(1):147-153.

[Liu Q, Yan C R, He W Q, et al. Dynamic variation of accumulated temperature data in recent 40 years in the yellow river basin[J]. Journal of Natural Resources, 2013, 30(5):781-788. ]

[33]
戴声佩, 李海亮, 罗红霞, 等. 1960—2011年华南地区界限温度10℃积温时空变化分析[J]. 地理学报, 2014, 69(5):650-660.

DOI

[Dai S P, Li H L, Luo H X, et al. The spatio-temporal change of active accumulated temperature ≥10℃ in Southern China from 1960 to 2011[J]. Acta Geographica Sinica, 2014, 69(5):650-660. ]

[34]
Song Y, Zhao Y, Wang C. Changes of accumulated temperature, growing season and precipitation in the North China Plain from 1961 to 2009[J]. Acta Meteorologica Sinica, 2011, 25(4):534.

DOI

[35]
刘少华, 严登华, 翁白莎, 等. 近50a中国≥10℃有效积温时空演变[J]. 干旱区研究, 2013, 30(4):689-696.

[Liu S H, Yan D H, Wen B S, et al. Spatiotemporal evolution of effective accumulated temperature ≥10℃ in China in recent 50 years[J]. Arid Zone Research, 2013, 30(4):689-696.]

[36]
廖顺宝, 李泽辉. 积温数据栅格化方法的实验[J]. 地理研究, 2004, 23(5):633-640.

[Liao S B, Li Z H. Study on methodology for rasterizing accumulated temperature data[J]. Geographical Research, 2004, 23(5):633-640. ]

[37]
龚伟伟. CMA陆面数据同化系统(CLDAS)产品评估[D]. 南京:南京信息工程大学, 2014.

[Gong W W. Evaluation on the products of CMA land data assimilation system[D]. Nanjing: Nanjing University of Information Science & Technolgy, 2014. ]

[38]
李飞, 王春, 赵军, 等. 中国陆地多年平均积温空间化研究[J]. 自然资源学报, 2010, 25(5):778-784.

[Li F, Wang C, Zhao J, et al. The specialization of multi-year average accumulated temperature in China[J]. Journal of Natural Resources, 2010, 25(5):778-784. ]

[39]
吴佳, 高学杰. 一套格点化的中国区域逐日观测资料及与其它资料的对比[J]. 地球物理学报, 2013, 56(4):1102-1111.

[Wu J, Gao X J. A gridded daily observation dataset over China region and comparison with other datasets[J]. Chinese Journal of Geophysics, 2013, 56(4):1102-1111. ]

[40]
苏文. 中国典型生态系统生态站2005-2015年≥10℃积温数据集[Z]. 2018.

[Su W. A dataset of ≥10℃ accumulated temperature at field stations of typical Chinese ecosystems from 2005 to 2015[Z]. Chinese Science Database, 2018. ]

[41]
郑景云, 卞娟娟, 葛全胜, 等. 1981-2010年中国气候区划[J]. 科学通报, 2013, 58(30):3088-3099.

[Zheng J Y, Bian J J, Ge Q S, et al. The climate regionalization in China for 1981-2010[J]. Chinese Science Bulletin, 2013, 58(30):3088-3099.]

[42]
付雨晴, 丑洁明, 董文杰. 气候变化对我国农作物宜播种面积的影响[J]. 气候变化研究进展, 2014, 10(2):110-117.

[Fu Y Q, Chou J M, Dong W J. Impacts of climate change on crop sown area in China[J]. Climate Change Research, 2014, 10(2):110-117. ]

[43]
王涛, 沈渭寿, 林乃峰, 等. 长江流域近50 a≥0℃积温变化特征及农业适应对策[J]. 生态与农村环境学报, 2015, 31(1):22-29.

[Wang T, Shen W S, Lin N F, et al. Changes in ≥0℃ accumulated temperature and agricultural adaptive strategies in the Yangtze river basin in recent 50 years[J]. Journal of Ecology and Rural Environment, 2015, 31(1):22-29. ]

[44]
梁宏, 王培娟, 章建成, 等. 1960—2011年东北地区热量资源时空变化特征[J]. 自然资源学报, 2014, 29(3):466-479.

[Liang H, Wang P J, Zhang J C, et al. Spatial and temporal distribution of variation in heat resource over northeast china during the period from 1960 to 2011[J], Journal of Natural Resources, 2014, 29(3):466-479. ]

[45]
刘洋, 王占海, 姜文来, 等. 1956—2009年东北地区热量资源时空变化特征分析[J]. 中国农业资源与区划, 2013, 34(2):13-20.

[Liu Y, Wang Z H, Jiang L W, et al. Spatio-temporal characteristics of thermal resources in northeast china during 1956-2009[J]. Chinese Journal of Agricultural and Regional Planning, 2013, 34(2):13-20. ]

[46]
宁晓菊. 气候变化下我国主要粮食作物种植环境适应性研究[D]. 郑州:河南大学, 2016.

[Ning X J. Study on adaptation of the growth environment of major grain crops to climate change in China[D]. Zhengzhou: Henan University, 2016. ]

[47]
胡毅. 应用气象学[M]. 北京: 气象出版社, 2005.

[Hu Y. applied meteorology[M]. Beijing: China Meteorological Press, 2005. ]

[48]
李帅, 张勃, 何航, 等. 基于格点数据的中国喜凉作物有效积温区划[J]. 江苏农业学报, 2019, 35(5):1136-1143.

[Li S, Zhang B, He H, et al. Effective accumulated temperature compartment of the chimonophilous crop in China based on grid data[J]. Jiangsu Journal of Agricultural Sciences, 2019, 35(5):1136-1143. ]

[49]
张立波, 娄伟平. 气候变暖对长江中下游地区热量资源分布的影响分析[J]. 自然资源学报, 2013, 28(8):1361-1372.

[Zhang L B, [L W P. Impact of climate warming on the distribution of thermal resources in the lower-middle reaches of the Changjiang River[J]. Journal of Naturural Resources, 2013, 28(8):1361-1372. ]

[50]
张立波, 景元书, 陈传雷. 1960—2010年中国华北东北地区热量资源时空变化[J]. 气象与环境学报, 2014, 30(1):80-87.

[Zhang L B, Jing Y S, Chen C L. Spatial and temporal variation of thermal resources from 1960 to 2010 in North and Northeast China[J]. Journal of Meteorology and Environment, 2014, 30(1):80-87. ]

Options
Outlines

/

〈 〉