英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

欧洲的气候变化和作物热力资源的影响

L. Mariani amp; S. G. Parisi amp; G. Cola amp; O. Failla

收到：2011年3月4日/修订日期：2012年2月1日/接受日期：2012年2月1日＃ISB 2012

摘要：大气变量在推动人类管理的生态系统，更具体地在农业生态系统中，确定作物生产的数量和品质方面发挥着重要作用。另一方面，气候变率可以被认为是逐渐和突然变化的叠加。本文针对1951-2010年期间的欧洲地表空气温度。该数据集的分析确定了定义两个均质子期的断点：1951-1987和1988-2010。采用“正常加热时间”方法分析作物的热资源。计算突出表明，在欧洲大陆对于作物组II和III（C3和C4种植适应高或中等温度）的热源中是有效的，而地中海地区强调了作物组I（冷适应C3）的热资源的下降。气候变异性证明了不同作物群的潜在纬度限制的变化，这是作物适应气候变化的根本步骤。

关键词：气候变化，欧洲，断点，温度，正常加热小时，循环指数，作物

1.介绍

生命基于光合作用，它将太阳能，二氧化碳和水转化为生物质，引发几乎所有食物链中的有机物的级联。然而，植物对生物质的合成倾向于许多生产限制（例如，可溶性，空气温度，水和营养物，生物和非生物胁迫），并且也是物候发育的功能。生产和物候节律都由大气驱动变量决定（Larcher 1995; De Wit1978），因此它们对确定农业生态系统作物生产的数量和质量是至关重要的。

空气温度的作用尤其重要：考虑到水和辐射要求得到满足，植物生长主要由热资源的可用性决定，通常通过热单位（从十八世纪广泛采用--Reacute;aumur，1735）的模型。然而，这种方法倾向于高温效应的系统高估。通常通过经验技巧（例如截断或减去超过给定阈值的温度）解决的这个问题表明需要基于描述生长和温度之间的关系的响应曲线的更生理的方法（Weikai和Hunt 1999; Streck 2004）。

从地球物理角度看，大气驱动变量是气候系统在从宏观到微观的各种尺度上执行的能量再平衡过程的副产品（Peixoto和Oort 1992）。整个大气驱动变量的表面行为可以通过表面空气温度 - 一个复杂变量（Mariani等人，2008年）有效地概括，这是许多因素（主要是表面能平衡，对流和多尺度平衡）的函数， ，其相对权重显示强时间变异性。更具体地，微观效应受与边界层的演变相关的日常周期的影响，因此，日常最低温度对微观现象更敏感（例如，土地利用和城市化对能量平衡的影响，夜间寒冷由陆地表面的形态驱动的空气），而最大温度受到宏观现象（例如，由宏观循环模式驱动的北极，亚热带，极地大陆或极地海洋空气的中纬度的平流）更直接的影响。

气候变率可以被看作是逐步和突然变化的叠加。 逐渐变化可以解释为强迫渐进变化的效应（IPCC 2007），而突变则是不同循环模式的频率和持续性的急剧变化的结果（Sneyers et al。1993）。 通过采用动态气候学方法（Barry 1992）可以了解突然的循环变化，例如（1）主观/客观认可的循环模式的分析或（2）描述循环的区域和子午线分量的指数。 这里，NAO（北大西洋振荡）和EAWR（东大西洋/西俄罗斯; Barnston和Livezey 1987）是常用于欧洲地区的指数。 此外，Jenkinson和Collison（1977）提出了一种基于网格数据的替代索引集，并用于宏观（Trigo和Da Camara 2000）和中尺度（Sneyers等人1993）分析。

在二十世纪的最后15年，欧洲 - 地中海地区受到由于西风轨迹重新配置的突然气候变化的影响。 在宏观尺度上，自1980年代后半期以来，NAO指数的强阳性值强调了这种现象（Hurrell 1995; Werner et al.2000; Scheifinger et al。2002）。 此外，通过合适的古气候代理，还突出了在过去一千年中具有持续的正NAO值的阶段的历史复发（Trouet等人，2009）。

突发变化与气候变率的相关性在遥远和最近的时间序列中已经被突出（Alley et al。2003; Rial et al.2004），正如Seidel和Lanzante（2003）所论证的，突变不应该 在试图获得大气变量的行为的令人满意的描述时被忽略。

这在农业背景下是至关重要的，其中表面空气温度对于作物生产的显着作用证明需要早期检测气候变化。 因此，突变和渐进成分之间的区分对于允许及时采用适当的适应策略是非常重要的。 这种方法对于世界上较大和更有生产力的食品供应国之一欧洲特别有用，占全球肉类产量的21％和全球谷物产量的20％（根据2004年的数据），其特点是高生产力（主要是 西欧），平均谷物产量比世界平均水平高出约60％（Nejedlik和Orlandini 2008）。

这项工作旨在（1）通过在过去60年（1951-2010）欧洲地区最大和最小地表空气温度时间序列的显着断点的存在，调查相关突变的存在，2）将温度时间序列分解为由断点限定的均匀子时期，和（3）根据正常热小时数（NHH）应用这些子时期适当的农业气候指数，以描述空气温度变率对欧洲农业相关三个作物组的热资源的影响。

2.材料和方法

2.1表面温度

这项工作是基于欧洲气候评估和数据集（ECA＆D; Klein Tank et al。2002）收集的最大和最小温度的时间序列。 该系列划分为1951-2010年期间，以保证提供足够数量的每日数据。 采用http://eca.knmi.nl/中定义的ECA＆D混合时间序列（van den Besselaar等人2011），以最小化丢失数据的发生。

基于以下标准选择一组171个站：

（1）百分之五以下的数据丢失率低于5％（几乎没有残余温度应用加权平均值，权重与到其他站的可用数据的距离的平方成反比）

（ii）站高度低于500m a.s.l。 以避免由于地形效应的误表示导致的热场的扭曲（Barry 1992）。

由此选择的站（图1）随后被细分为具有宏观代表性的24个主站（表1）和具有中尺度代表性的147个次站。

图1 该图显示了本研究中使用的171个欧洲气候评估和数据集（ECA＆D）混合站

表1主站列表

基于以下标准选择主站：

（1）最小化城市对空气温度的影响[城市热岛（UHI）]偏向远离大城市的站点（居民超过50万）。

（2）排除位于受冷空气质量停滞影响的盆地和凹陷的台站。

Bai和Perron试验（2003）应用于表面最大和最小温度的主要时间序列，以检测显着的单个或多个变化点的存在，最终将该系列分为均质子期。 该测试基于修改的贝叶斯信息准则（BIC; Akaike 1980）。

主时间序列的行为用以下模型描述：

·平坦步骤模型（FSM）：每个同质子周期的年温度用同一子周期的平均温度建模

·斜坡阶模型（SSM）：利用通过最小二乘法获得的线性趋势模型来建模每个均匀子时段的年温度

·线性趋势模型（LTM）：忽略均匀子周期，并且通过借助于最小二乘法获得的线性模型来描述整个时间序列演化。

应用于理想时间序列的这三种替代方法的示例在图2中示出

这项研究的主要目的之一是比较三个模型，并评估LTM，广泛采用的气候学目的是强大的在1951-2010年期间的热行为的描述。

基于以下两个步骤，将三个模型的预测能力与van der Voet（1994）的测试进行比较：

1.对三个模型的预测的均方误差（MSEP）的评估，以找到具有最佳性能的模型

2.使用基于蒙特卡罗模拟的随机化t检验评价MSEP差异的显着性，以测试两种方法具有在预测误差的分布中表达的相等预测能力的假设H 0。

图 2本工作采用的三个模型的例子[平台阶模型（FSM），倾斜阶梯模型（SSM）和线性趋势模型（LTM）]用于拟合测量

更具体地，范德沃特的随机化t检验考虑两个通用模型a，b的预测能力，考虑n项ea，eb的两个配对误差群（模拟减去测量）的分布，并且应用适当数量的置换 （最大可能数为2n），以便评估两个模型的平方预测误差具有相等分布的零假设。 可交换性假设是基本的，以便将测试的结论推广到目标人群。

由van der Voet（1994）描述并且已经应用于古气候学（Birks等人，2010）的这种方法是使用成对数据的两个分布的相等的一般无分布测试，并且其结果的评估通过 van der Voet已经强调了比Wilcoxon检验，参数t检验和符号检验更好的效率。 在我们的具体情况下，采用过程rand.test（包PALTRAN-R Cran统计环境; http://cran.r-project.org/）的范德沃特比较随机测试，并应用999次运行。

2.2对欧洲作物的影响

主要温度（Tc），低温和最高温度（Tol和Tou）以及最高或最高温度（Tm），可以被定义为：基本温度（CT）是用于描述对温度的反应的关键生态生理参数（Hardegree 2006）。 作物生长只发生在Tb-Tm范围内的Tb-Tm范围内的最大值。此外，生长速率在T b -T m范围内，并且一旦温度回到该范围内就可以恢复，（如果温度没有达到致命的阈值临界温度，则可以恢复） 。

为了分析气候变化对欧洲农业的影响，采用类似于Doorenboos和Kassam（1979）提出的方案，根据其特定的CT将主要的欧洲作物细分为三组（表2），它们属于主要 C3和C4类（Larcher 1995）。

表2具有特定基本温度（CT）

CT的热限制的热资源被采用作为建立在Wang和Engel（1998）beta函数（Weikai和Hunt 1999）的响应曲线模型的参数，其将在给定小时温度下花费的每个小时在参考NHH 0-1）（图3）：

Tb=最低基温

Td=小时平均空气温度

Tm=最大基温

To=最佳温度

图 3三个选定植物组的响应曲线。 热资源表示为归一化小时[正常热小时（NHH）]。 例如，温度为14℃的1小时对于组I得到0.8NHH，对于组II得到0.1NHH，对于组III得到0.37NHH; 另一方面，温度为32℃的1小时对于组I得到0NHH，对于组II为0.91NHH，对于组III为0.68NHH

每小时的温度通过Parton和Logan（1981）的算法计算，其输入是最小和最大日常温度以及日出和时间。 通过普通克里金法算法（Goovaerts 1997）生成描述同质子时段的热资源的空间行为的地图。

1. 结果

欧洲地表气温的时间行为

将Bai和Perron测试应用于初级时间序列，检测分隔均匀子期的显着断点（表3）。

17个站点在1987 - 1988年的两年期（1987年为10个，1988年为7个，站点总数的71％）达到最高温度的断点，同一时期有15个站点有断点（1988年为10个，1988年为5个） 1989，占总站数的62.5％）（图4，表3）。

表3用Bai和Perron测试检测的断点

图 4每年的最大和最小年度温度中检测到的断点数

1987 - 1988年两年期似乎是一个明显的欧洲断点，温度普遍上升。在1993年还发现了小断点（3个最小温度点和2个最大温度点）和1997 - 1998年（最小值4个，最大值1个）。然而，这些断点的局部特征阻止它们被采用为在不同的气候阶段之间的分割。

因此，定义了整个欧洲地区的两个均匀期：前期（1951 - 1988年）和后期（1989 - 2010年）。对于171个站的整个数据集，BEFORE期的特征在于最大和最小温度的平均值为12.9和5.0℃，后者的平均值为14.0和5.9℃。

用上述三个模型逼近主时间序列的行为：对于每个系列，基于检测到的断点来初始化FSM和SSM。基于整个系列计算LTM。参考24个主站的三个模型之间的比较结果总结在表4和5中。

参考MSEP，LTM的性能几乎总是低于FSM和SSM的性能，除了维也纳的最低温度，其中FSM比LTM差。

范德沃特的测试表明：

1. 表示为MSEP的FSM和SSM的性能几乎总是优于使用LTM获得的性能，唯一的例外是维也纳的最低温度，其中FSM比LTM差
2. 随机t检验强调，在95％的置信水平下，LTM与FSM和SSM之间的差异对于最高温度的12个站和对于最低温度的6个站是显着的
3. FSM和SSM之间的差异总是不显着的，并且仅突出显示轻微的误差差异，由SSM给出最佳结果。

表4 van der Voet对最低温度的测试结果。 匹配1是指平坦步长模型（FSM）和斜率步长模型（SSM）之间的比较，线性趋势模型（LTM）和FSM之间的匹配2，以及LTM和SSM之间的匹配3。 MSEP预测的均方误差

总之，可以断言FSM和SSM通常给出比LTM更好的性能，并且可以互换使用而没有大问题。因此，通过两个基于断点的模型获得的总体性能强调了（1）欧洲最近气候变率的断

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[27595]，资料为PDF文档或Word文档，PDF文档可免费转换为Word