1961～2018年中国生长季变化

吴蓓蕾姜大膀王晓欣

1中国科学院大气物理研究所，北京100029

2中国科学院大学，北京100049

1 引言

工业化革命以来，随着人类活动加强，温室气体排放增多，全球气候变暖。全球平均温度在1880～2012年升高0.85°C（0.65～1.06°C）（IPCC,2013），其中中国陆地区域变暖幅度高于全球平均，在1909～2011年平均增温0.9～1.5°C（《第三次气候变化国家评估报告》编写委员会,2015）。在此背景下，生长季作为指示气候变化的重要生物气候指标，随地表环境水热条件的改变发生明显变化。生长季是温度和土壤湿度条件适宜作物生长的时期（Carter, 1998），广泛影响着陆地生态系统。例如，植被生长季变化会引起植被生产力、结构组成及土壤—植被—大气系统水、热、碳交换等改变，由此对生态系统产生作用，并通过反馈过程进一步引起气候变化（Linderholm, 2006;王连喜等,2010）。除此之外，生长季延长会增加生态系统中的碳储量（White et al.,1999），提高生态系统的总/净初级生产力，最终促进植被生长（Piao et al.,2007）。生长季变化对农业生产亦有重要影响，在水分条件得到充分满足的情况下，较长且偏暖的生长季有助于北半球高纬作物的适宜生长范围向北扩张、提前作物播种日期、改变作物熟制以及增加作物收获次数和产量（ACIA,2004;Linderholm,2006）。

以往关于生长季的研究工作得到了大量开展，所用资料主要包括物候现象记录（Menzel and Fabian,1999;Ho et al.,2006）、归一化植被指数（Normalized Difference Vegetation Index，NDVI）（Myneni et al.,1997;Barichivich et al.,2013）和地表气温数据（Skaggs and Baker,1985;Carter,1998;Jiang et al.,2018）。由于现代气象站点的空间覆盖范围广、资料易得且数据记录涵盖时间长，加之植被的生长发育主要受气温影响（Woodward and Williams,1987），目前生长季的研究工作大多基于气温数据。需要说明的是，采用气温定义的生长季指标存在着差异（Linderholm,2006;Walther and Linderholm,2006），例如有研究将生长季定义为春季末次霜冻和秋季首次霜冻之间的时期，其中霜冻根据日最低气温的阈值（如-4.4°C、-2.2°C、0°C和5.6°C 等）确定（Robeson,2002;Kunkel et al.,2004;McCabe et al.,2015）；亦有学者根据日平均气温稳定超过某阈值来定义生长季，如用一年中连续5日日平均气温大于和小于5°C的首日定义生长季的开始和结束（Frich et al.,2002）。以往使用不同指标的研究结果在定量上有差异，但定性上基本一致，均表明在全球变暖背景下北半球大部分陆地上的生长季延长（Myneni et al.,1997;Menzel and Fabian,1999;Frich et al.,2002;Piao et al.,2007;Xia et al.,2013）。在半球尺度上，Barichivich et al.（2013）结合卫星和地面观测资料指出：1950～2011年45°N以北地区生长季共延长约10.5 d，这与观测所得的北半球高纬生长季在过去40年的增加速率为1～4 d(10 a)-1相一致（IPCC,2001）；区域上，欧亚大陆生长季延长比北美更显著（Barichivich et al.,2013;Garonna et al.,2014;McCabe et al.,2015;Allen and Sheridan,2016）。近年来多位学者使用气温数据研究发现，中国生长季自1950年代以来开始日提前、结束日推迟、总长度增加，变化速率分别为-1.3～-1.1 d(10 a)-1、0.6～1.2 d(10 a)-1和1.6～2.1 d(10 a)-1；另外，生长季延长具有明显区域性，北方增加趋势大于南方，青藏高原最大（徐铭志和任国玉,2004;Song et al.,2010;Yin et al.,2019）。具体而言，1950年代以来中国北方生长季平均增加2.3～2.5 d (10 a)-1（徐铭志和任国玉,2004;Song et al., 2010），其中东北生长季延长速率[2.5～2.8 d(10 a)-1]小于华北[3.0 d(10 a)-1]但与西北相近[2.7 d(10 a)-1]（张雷和刘江,2011;Dong et al.,2013;Cui et al.,2017;董满宇等,2019）；南方生长季平均增长趋势为1.1～1.3 d(10 a)-1（徐铭志和任国玉,2004;Song et al.,2010），其中长江中下游地区由于城市化引起的热岛效应，其生长季延长[2.1～4.0 d(10 a)-1]明显大于西南[1.6 d(10 a)-1]，而华南变化不显著（Yang et al.,2013;Cui et al.,2017）。青藏高原生长季增加最为明显，在1961～2000年共增长18.2 d（徐铭志和任国玉,2004），其中高原东部和中部生长季在1961～2003年共延长约17 d（Liu et al.,2006）。究其原因，中国大部分地区生长季延长源于春季开始日提前，而西北则由于结束日推迟（Jiang et al.,2011）。

回顾以往工作，先前有关中国区域生长季的研究时段总体偏短，站点数据覆盖相对稀疏，少有研究涉及整个中国区域。为此，本文将利用高水平分辨率的CN05.1气温数据集，集中研究1961～2018年中国生长季开始日、结束日和长度的气候态特征及变化趋势，并探究生长季与季节平均温度变化的关系。

2 数据和方法

2.1 数据

本研究使用1961～2018年CN05.1日平均气温资料（吴佳和高学杰,2013），该数据集是根据2416个中国地面气象台站的观测资料，通过“距平逼近”插值方法建立的一套0.25°×0.25°水平分辨率的格点数据，即首先对气候平均场进行薄板样条插值，之后使用“角距离权重法”对距平场插值，然后将二者叠加，得到最终的数据集。另外，这套数据通过剔除与气候态或周边站点值差别过大的数据提高了数据质量。具体信息请参见吴佳和高学杰（2013）。在下文中，春季、夏季、秋季和冬季分别为3～5月、6～8月、9～11 月和12月至次年2月。

2.2 方法

2.2.1生长季的定义

生长季定义采用气候变化检测和指数专家组（Expert Team on Climate Change Detection and Indices，ETCCDI）的推荐方法，即：一年中，连续6日日平均气温T>5°C 的首日到北半球7月1日后连续6日日平均气温T<5°C的首日之间的时段为生长季。其中，一年中连续6日日平均气温T>5°C的首日被视为生长季开始日（Start of the Growing Season，GSS），连续6日日平均气温T<5°C的首日被视为生长季结束日（End of the Growing Season，GSE），开始日到结束日之间持续的天数即为生长季长度（Growing Season Length，GSL）。需要说明的是，GSS与GSE 的值是日序数，表示生长季开始和结束于一年中的第某天；GSL的单位是d，表示生长季在一年中持续的总天数。

2.2.2变化趋势

使用最小二乘法计算GSS、GSE和GSL 的变化趋势。具体上，用Xi表示样本量为n的GSS、GSE和GSL，用ti表示与Xi对应的时间，建立Xi与ti间的一元线性回归方程（施能等,1995）：

其中，a为线性回归系数，b为线性回归常数。样本量n为58年，a 和b用最小二乘法计算，以a的10倍表示GSS、GSE 和GSL 每10年的变化趋势，单位为d(10 a)-1。GSS和GSE 的变化趋势表示生长季开始日和结束日日序数每10年的变化（符号为负代表提前，正代表推迟），GSL的变化趋势表示其每10年缩短或延长的天数（符号为负代表缩短，正代表延长）。另外，气温的变化趋势亦使用最小二乘法计算，指示1961～2018年间气温的变化速度（符号为负代表降温，正代表升温），单位为°C(10 a)-1。

2.2.3中国区域的划分

中国幅员辽阔，气候变化存在明显地域性，有必要分区研究。参考施晓晖和徐祥德（2006）的分区方案，并兼顾基本行政区划和中国季风气候特征，本文将中国35°N以南划分为青藏高原和南方3个区域，35°N 以北分为3个区域，这7个区域分别为：（1）东北（42.5°N以北、110°E以东）；（2）华北（35°N～42.5°N、110°E 以东）；（3）长江中下游及淮河流域（27.5°N～35°N、107.5°E 以东），以下简称江淮；（4）华南（27.5°N 以南、107.5°E以东）；（5）西南（35°N 以南、97.5°E～107.5°E）；（6）青藏高原（35°N 以南、97.5°E 以西）；（7）西北（35°N以北、110°E以西）。

3 结果分析

3.1 1961～2018年中国生长季开始日、结束日和长度的气候态特征

1961～2018年中国平均GSS为3月31日，分布上从东南向西北、从低海拔到高海拔地区向后推迟（图1a 和表1）。生长季最早在华南开始，其次在江淮和西南，时间为1～3月初；华北、西北和东北的生长季始于3月底至4月；青藏高原的最晚，约在6月初。各区域生长季在9月以后相继结束，中国平均GSE 为10月29日（表1）；空间上从东南向西北、从低海拔到高海拔地区逐渐提前（图1b）。中国平均GSL为212 d，其空间分布与GSE相似（图1c和表1）。由于不同纬度和海拔高度之间热量分布的差异，北方GSE 相对更早，GSL 明显更短；北方生长季在10～11月初结束，其中华北是北方GSE 最晚、GSL 最长的地区。生长季在青藏高原结束最早，平均长度仅98 d，这可能与高海拔导致的寒冷天气有关。在南方，西南的生长季于11月结束，早于江淮和华南；华南几乎整年都处于生长季之中，其生长季结束最晚、持续时间（352 d）最长。综合而言，GSS、GSE 和GSL的空间分布与纬度和海拔高度密切相关（Dong et al.,2013），高纬比低纬地区GSS更晚，GSE更早且GSL 更短；青藏高原是中国GSS最晚，GSE最早，GSL最短的地区，这些与以往使用气温数据对1961年以来中国生长季特征的研究结果基本一致（徐铭志和任国玉,2004;Cui et al.,2017）。

表1 1961～2018年中国及其各分区平均GSS、GSE和GSLTable1 Regional average GSS(Start of the Growing Season),GSE(End of the Growing Season),and GSL(Growing Season Length)across China and its subregions during 1961-2018

3.2 1961～2018年中国生长季开始日、结束日和长度的变化趋势

中国平均GSS在1961～2018年共提前7.6 d，变化趋势为-1.3 d(10 a)-1（图2a 和表2），这可能与冬季和春季偏暖及末次霜冻出现较早有关（Linderholm,2006;Song et al.,2010;Cui et al.,2017）。中国大部分地区GSS提前，北方相对更显著（图3a），华北和东北分别是北方GSS显著提前的大值区[-1.9 d(10 a)-1]和次大值区[-1.7 d(10 a)-1]，西北GSS虽在其东部提前明显，但整体变化[-1.0 d(10 a)-1]较上述两地区小。青藏高原GSS显著提前，平均为-1.3 d (10 a)-1。在南方，变化最明显的地区为江淮东北部，其GSS每10年提前3 d 以上，而江淮西南部变化不显著，江淮平均为-2.4 d(10 a)-1，大于西南[-1.1 d(10 a)-1]；华南GSS变化不显著，平均仅为-0.6 d (10 a)-1。以往研究表明，20世纪80年代后，春季大气环流场不利于来自北半球高纬的冷空气南下影响中国，导致中国大部分地区（尤其是东北）春季气温偏高；另一方面，偏强的中东急流有利于欧亚中东部冷空气影响西南地区，而偏弱的南支槽不利于印度洋和孟加拉湾的暖湿空气向北影响西南地区，二者共同导致西南春季气温偏低（董李丽等,2015），春季GSS在华北和东北明显提前而在西南提前较小可能与此有关。

在气候变暖背景下，1961～2018年中国GSE共推迟5.2 d，平均趋势为0.9 d(10 a)-1（图2b和表2）。中国大部分地区GSE 明显推后应与秋季低温迅速变暖有关，而GSE 在华北局部有所提前可能源于局部秋季低温明显下降（Cui et al.,2017）。空间上，青藏高原和北方GSE 推迟显著（图3b），变化大值区位于青藏高原[2.0 d (10 a)-1]，局部趋势超过4 d (10 a)-1。在北方，东北和西北平均GSE 变化较华北[0.6 d (10 a)-1]大，分别显著延后0.9 d(10 a)-1和0.8 d(10 a)-1。南方大部GSE推后不显著，其中西南西北部后延明显，局部趋势在3 d(10 a)-1以上，西南平均为1.0 d(10 a)-1；而江淮和华南平均GSE的变化趋势均没有通过0.05显著性水平的显著性检验。

中国平均GSL 在1961～2018年共延长12.8 d，趋势为2.2 d(10 a)-1（图2c和表2），这与过去40年观测所得的北半球生长季延长1～4 d(10 a)-1相一致（IPCC,2001）。空间上，青藏高原和北方GSL 显著增加，而南方局部有不显著的缩短（图3c）。在北方，东北和华北GSL显著增加2～4 d (10 a)-1，平均分别为2.6 d(10 a)-1和2.5 d(10 a)-1，高于中国平均，这与以往所得的自1960年以来东北和华北GSL分别延长2.7 d (10 a)-1和3.0 d (10 a)-1相当（Dong et al.,2013; 董满宇等,2019）；西北GSL亦以增加为主，趋势[1.8 d(10 a)-1]略小于东北和华北。在南方，江淮平均GSL 每10年延长3.2 d，其东北部4 d (10 a)-1以上的显著增长可能与长三角地区高度城市化引起的城市热岛效应有关（Yang et al., 2013）；西南GSL 增加，平均趋势[2.1d (10 a)-1]略低于中国平均；华南整体GSL延长[0.9 d (10 a)-1]，其内部有限区域不显著的缩短可能源于那里冬季不显著的弱增温（图4e），还可能与近年来强烈的年际变率导致的华南冬季异常低温频发有关（伍红雨和杨崧,2014）。相比于低海拔区域，GSL 在青藏高原表现出更大的延长趋势，尤其在高原北部，每10年增加5 d 以上。青藏高原GSL 平均3.4 d(10 a)-1的延长与Dong et al.（2012）利用1960～2009年气温数据得到的3.3 d(10 a)-1的水平相近，并与以往气温数据显示的德国和中国GSL 在较高海拔区域延长更明显相一致（Menzel et al.,2003;徐铭志和任国玉,2004），这种GSL在不同海拔高度上变化趋势的差别应与研究区域的地形和升温幅度有关（Dong et al., 2013）。整体上，1961～2018年中国平均GSS、GSE 和GSL 的变化趋势分别为-1.3 d (10 a)-1、0.9 d (10 a)-1和2.2 d (10 a)-1。其中，GSS提前比GSE 推后对GSL延长的影响更大，这与以往基于气温数据得到的中国GSL 增加主要源于GSS提前相符（Liu et al.,2010;Song et al.,2010;Cui et al.,2017），这应与中国春季增温速率略大于秋季有关（表3）。另一方面，根据NDVI 资料和气温数据的中国东部和西北生长季研究表明，GSL延长主要与GSE推迟有关（Chen et al.,2005;Jiang et al.,2011）。GSS和GSE 对GSL 贡献的差异可能源于研究区域春季和秋季增温速率不同（Dong et al.,2013;董满宇等,2019）。

表2 1961～2018年中国及其各分区平均GSS、GSE和GSL 的变化趋势[单位：d (10 a)-1)]Table 2 Trends[units:d(10 a)-1)]in regional average GSS,GSE,and GSL across China and its subregions during 1961-2018

图1 1961～2018年中国年平均（a）GSS（日序数）、（b）GSE（日序数）和（c）GSL（单位：d）Fig.1 Climatological distribution for(a)GSS(Start of the Growing Season,Julian days),(b)GSE(End of the Growing Season,Julian days),and(c)GSL (Growing Season Length,units:d)across China during 1961-2018

图2 1961～2018年中国及其各分区平均（a）GSS、（b）GSE和（c）GSL 的时间序列Fig.2 Time series of regional averagesof (a)GSS,(b)GSE,and (c)GSL across China and its subregionsduring 1961-2018

3.3 1961～2018年中国生长季与温度变化的关系

考虑到不同地区GSS和GSE 的季节性差异（图1），有必要分析它们与季节温度变化的关系。就中国区域平均而言，1961～2018年年平均温度和季节平均温度显著升高，其中年均增温速率为0.27°C(10 a)-1，冬季变暖最强[0.37°C(10 a)-1]，夏季最弱[0.19°C(10 a)-1]（图4和表3）。区域上，青藏高原和北方年平均与季节平均温度增幅大于南方（图4）。季节上，各区域冬季升温最强（图4e）；夏季变暖小于冬季，且江淮局部夏季温度有所下降（图4c）。这些与使用1951～1999年中国160个台站月气温数据，所得到的中国年平均和季节平均升温在北方强于南方、季节上呈现冬季变暖强而夏季弱甚至南方局部有所降温的结论一致（沙万英等,2002）。

表3 1961～2018年中国及其各分区年平均和季节平均温度的变化趋势[单位：°C(10 a)-1]Table 3 Trends[units:°C(10 a)-1)]in annual and seasonal average temperature across China and its subregions during 1961-2018

图3 1961～2018年中国（a）GSS、（b）GSE和（c）GSL 的变化趋势[单位：d (10 a)-1]，打点区域通过0.05显著性水平的显著性检验Fig.3 Trends[units:d(10 a)-1)]in(a)GSS,(b)GSE,and(c)GSL across China during 1961-2018,dotted areas are statistically significant at the 0.05 level

1961～2018年，中国及各区域（华南除外）平均GSS变化与年平均和季节平均温度变化呈负相关（表4）。其中，中国平均GSS与春季平均温度变化的负相关性强，表明GSS提前与春季变暖有关，这与基于气温数据得到的1950年代以来中国GSS提前主要源于春季升温相一致（Song et al.,2010;Cui et al.,2017）。区域尺度上，北方GSS变化与季节平均温度变化的相关性高于南方和青藏高原，北方、江淮和西南GSS提前对应春季变暖，青藏高原GSS与夏季增温相联，而华南GSS变化与温度没有显著联系。与此同时，各分区GSE变化与年平均和季节平均温度变化正相关，中国平均GSE推后与秋季增暖有关（表4）。空间上，北方、江淮和西南GSE 推迟与秋季变暖相联，青藏高原GSE后延源于夏季升温，而华南GSE 变化对应着冬季增暖。与GSS相仿，中国平均GSL 延长主要是因为春季升温，各区域（华南除外）GSL与年平均和季节平均温度变化正相关（表4）。相对而言，北方和青藏高原GSL与季节平均温度变化的相关性较高，分别对应着春季和夏季变暖；南方GSL与季节平均温度变化的相关系数较小，其中西南GSL 延长是因为春季和秋季温度上升，而江淮和华南则分别对应秋季和冬季变暖。

表4 1961～2018年中国及其各分区平均GSS、GSE和GSL变化与年平均和季节平均温度变化的相关系数Table 4 Correlation coefficients between regional average changes in GSS,GSE,and GSL and those of annual and seasonal average temperaturesacross China and itssubregionsduring 1961-2018

4 结论与讨论

本文利用1961～2018年高水平分辨率CN05.1日平均气温资料，集中研究了中国GSS、GSE 和GSL的气候态特征、变化趋势及其与季节平均温度的关系，主要结论如下：（1）1961～2018年，中国平均GSS和GSE分别是3月31日和10月29日，GSL为212 d。气候态上，GSS和GSE从东南向西北分别推迟和提前，对应着GSL从东南向西北逐渐缩短；青藏高原GSS最晚，GSE最早，GSL 最短。（2）中国平均GSS、GSE 和GSL 在1961～2018年分别提前7.6 d、推迟5.2 d 和延长12.8 d，变化速率依次为-1.3 d(10 a)-1、0.9 d(10 a)-1和2.2 d (10 a)-1，其中GSS提前对GSL增加的影响更大。区域上，北方GSL 增幅大于南方，青藏高原的最大。（3）中国及其北方地区GSS提前和GSL 增加主要源于春季升温，GSE 推迟与秋季变暖有关，青藏高原各生长季指标变化主要是因为夏季增温，而南方各指标改变与夏季外的温度变化相联。

在过去几十年的中国城市化发展过程中，下垫面性质总体上表现为地表反照率增加，城市热岛效应导致大部分地区（尤其是华东）变暖加剧及生长季延长，发达城市地区的生长季增幅是农村的两倍以上（Yang et al.,2013;Xia et al.,2015）。与此同时，一些地区的土地利用方式发生明显改变，例如青藏高原东南部的针叶林大部分变成耕地，西边界的草地变为裸地（Cui and Graf, 2009）；植被覆盖减少减弱了地表蒸散发，导致局地气温增加，改变了生长季（Dong et al.,2012）。除以上人为强迫外，气候系统内部变率如北大西洋多年代际振荡（AMO）和北大西洋涛动（NAO）也会影响生长季（D’Odorico et al.,2002;Menzel,2003;Xia et al., 2013;董满宇等,2019）。例如，当AMO 处于正位相时，华北11～12月气温偏高，相应的GSE推迟（董满宇等,2019）；当NAO指数偏强时，北欧和中欧气候温暖湿润，德国4种落叶树种秋季叶片变色期推迟且生长季延长（Menzel,2003）。另外，观测时间、仪器和局地环境条件等非气候因素的改变亦会对生长季分析产生影响（Robeson,2002）。最后需要说明的是，利用气温数据以单一温度阈值研究生长季的变化还不能较好地反应植被生长动态，未来有必要将实地物候观测、卫星遥感资料和气温数据相结合，进一步研究生长季的时空变化特征。

致谢 感谢两位审稿人的宝贵评阅意见。

图4 1961～2018年中国（a）年、（b）春季、（c）夏季、（d）秋季和（e）冬季平均温度的变化趋势[单位：°C(10 a)-1]，打点区域通过0.05显著性水平的显著性检验Fig.4 Trends[units:°C(10 a)-1)]in annual and seasonal average temperatures for(a)annual,(b)spring,(c)summer,(d)autumn,and(e)winter across China during 1961-2018,dotted areas are statistically significant at the 0.05 level