编辑推荐：
本文系统研究了气候变迁对埃塞俄比亚中奥罗米亚地区面包小麦（Triticum aestivum L.）产量的影响。基于过去32年的气候与产量数据，分析揭示了该地区显著增温、降雨模式不规则化以及高频率干旱事件的发生规律。研究发现，气候变化因素解释了小麦产量变异的43%至85%，凸显了气候变异性对该地区雨养农业的严峻挑战。文章强调，为应对日益加剧的气候风险，亟需制定科学的适应性策略以保障区域粮食安全与小麦生产的可持续性。
气候变化已成为全球性挑战，深刻影响着农业系统。埃塞俄比亚作为严重依赖雨养农业的发展中国家，其农业部门对气候变化尤为敏感，而中奥罗米亚地区是重要的作物产区。本研究旨在分析过去32年（1991-2022年）中奥罗米亚地区八个气象站的历史气候数据与面包小麦产量数据，以评估气候变迁对该关键作物的影响。
1 引言
气候变化导致全球气温上升、冰川融化、海平面上升和降雨模式转变。非洲，尤其是东非，因高暴露度和低适应能力而极易受到影响。埃塞俄比亚农业贡献了约45%的国内生产总值（GDP），吸纳了近80%的劳动力，但其95%以上的作物生产依赖降雨，由适应能力有限的小农经营。气候变化通过影响水资源可用性、极端天气事件、病虫害发生以及干旱和洪水频率，对农业生产系统产生关键影响。尽管已有一些研究关注埃塞俄比亚的气候趋势，但针对历史温度和降雨波动对中奥罗米亚地区小麦产量影响的专门分析仍存空白。因此，本研究通过分析过去三十余年的温度和降雨趋势与变异性，旨在填补这一知识缺口。
2 材料与方法
2.1 研究区域描述
研究在奥罗米亚地区的五个区域进行，包括八个气象站：北绍阿区（Degem和Fitche站）、东绍阿区（Bishoftu和Gimbichu站）、西绍阿区（Jeldu和Holota站）、西南绍阿区（Waliso站）以及Sheger市（Sebeta站）。研究区纬度范围约为8.32°N至9.79°N，经度范围约为37.58°E至39.18°E，海拔在1920至2845米之间。该地区属于双峰降雨模式，包括Belg（小雨季，2月至5月）和Kiremt（大雨季，6月至9月）季节，主要作物包括苔麸、小麦、大麦、蚕豆和玉米。
2.2 数据来源
日格点化天气数据（降雨、最高温、最低温）来自增强国家气候服务时间序列（ENACTS）数据集，该数据集整合了埃塞俄比亚气象研究所（EMI）的站点观测数据与气象卫星记录，空间分辨率约为4公里×4公里，覆盖1991-2022年。观测的小麦产量数据（1991-2022年）来自各区域农业办公室，主要用于相关性分析和建立回归模型系数。
2.3 数据分析流程
研究采用了系统的数据分析流程。首先进行数据质量控制，包括使用Tukey栅栏法进行异常值检测、累积偏差检验进行均一性测试，以及自相关函数检验时间序列数据的随机性和持续性。随后进行趋势分析，采用非参数的曼-肯德尔（Mann-Kendall）趋势检验来判断气候要素的变化趋势，并使用森氏斜率估计量（Sen's slope estimator）计算变化速率。在变异性分析方面，计算了降雨集中指数（PCI）以表征降雨分布的均匀性，利用降雨异常指数（RAI）分析干湿年模式，并通过变异系数（CV）评估降雨的时空变异性。为表征生长季特征，定义了雨季开始日期（SOS）和结束日期（EOS），并据此计算生长季长度（LGP）、雨日数以及生长期内的干旱期长度。最后，通过皮尔逊相关性分析探究气候变量与小麦产量之间的关系，并运用多元回归分析量化气候因子对小麦产量变异的解释程度。
3 结果与讨论
3.1 数据质量评估结果
由于数据集来自格点化产品，异常值较少。均一性测试表明，除Degem站的降雨数据需调整外，大多数站点符合标准。随机性测试显示，清理后的时间序列无显著自相关，数据适用于进一步统计分析。
3.2 降雨和温度趋势分析
3.2.1 年际和季节性降雨趋势
曼-肯德尔趋势检验表明，中奥罗米亚大多数站点（87.5%）的年降雨量呈增加趋势。Fitche、Holota和Sebeta站呈现显著（p < 0.05）增加，每十年分别增加22.70、42.30和68.10毫米。相反，Jeldu站呈现显著下降趋势，每十年减少107.9毫米。Kiremt季节降雨在75%的站点呈非显著正趋势，仅在Fitche、Degem和Gimbichu站显著增加。Belg季节降雨大多不显著，仅在Bishoftu和Holota站显著增加。Bega（干）季节降雨在多数站点呈下降趋势。
3.2.2 年际和季节性温度趋势
所有站点的最高温度在年际和所有季节均呈现增加趋势（Jeldu站Kiremt季节除外）。最低温度在Bishoftu站所有季节及Fitche、Degem和Holota站的Bega季节呈下降趋势。大多数站点在基准期内呈现统计显著（p < 0.05）的增温趋势。主生长季温度的显著升高可能通过增加蒸散量、扰乱代谢活动、降低光合效率等方式对作物生长和产量产生负面影响。
3.3 降雨和温度变异性
3.3.1 年际和季节性降雨变异性
根据变异系数（CV）分类，年降雨和Kiremt季节降雨呈现低到中度变异性（CV在12.6%至23.8%之间），而Bega和Belg季节在所有站点均呈现高度变异性。降雨集中指数（PCI）分析显示，所有站点年平均指数在16%至20%之间，表明降雨高度集中且分布不规则。Kiremt和Belg季节的PCI值均大于20%，表明降雨分布具有非常高的集中性和强烈的不规则性。降雨异常指数（RAI）分析表明，在研究的32年中，72%的年份经历了不同程度的干旱，其中极端干旱占22%，严重干旱占34%，中度干旱占44%。2015年因厄尔尼诺事件在所有站点均被记录为极端干旱年。
3.3.2 生长季特征分析
Kiremt降雨的最早开始日期在大多数站点为6月1日（年中日数153），最晚在Gimbichu站为7月28日（年中日数210）。降雨开始的中位数日期在6月的第一至第三周之间。曼-肯德尔趋势检验显示，过去32年大多数站点的开始日期呈提前趋势，平均每十年提前1-3天。雨季结束日期在9月底至10月初之间。生长季长度在101至120天之间，雨日数在69至103天之间。干旱期长度在生长季初期低于5%，在旺季降至接近零，但在9月份急剧增加，到月底所有站点均达到90%-100%。
3.4 气候变量与作物产量关系
3.4.1 相关性分析
皮尔逊相关性分析揭示了气候变量与小麦产量之间的复杂关系。结果显示，Kiremt季节总降雨量与小麦产量普遍呈正相关，表明充足的生长季降水对产量形成至关重要。相反，生长季最高温度与产量多呈负相关，暗示升温可能通过加剧水分胁迫或影响生理过程而抑制产量。雨季开始日期与产量的相关性因站点而异，反映了适时播种的重要性。这些相关关系为理解气候影响产量的机制提供了线索。
3.4.2 回归分析
多元回归分析用于量化气候变量对小麦产量变异的影响程度。纳入模型的变量通常包括雨季开始日期、Kiremt季节总降雨量、Kiremt季节雨日数、以及Kiremt季节最高和最低温度。分析结果显示，气候因素共同解释了中奥罗米亚地区小麦产量变异的43%至85%。这一范围表明，气候是影响该地区小麦生产的关键驱动因素，但其解释力因地点不同而异，暗示非气候因素（如土壤肥力、管理措施、品种差异等）也扮演着重要角色。决定系数（R2）的高低直观反映了气候因子对产量波动的贡献大小。F检验和t检验用于评估整个模型及各个自变量的统计显著性。
4 结论
本研究通过对埃塞俄比亚中奥罗米亚地区过去32年气候与小麦产量数据的综合分析，揭示了显著的气候变化信号及其对面包小麦生产的实质性影响。主要结论包括：研究区域经历了普遍的增温过程，尤其是最高温度显著上升；降雨模式呈现不规则化，年际和季节变异性高，且干旱事件频发，严重威胁雨养农业；关键生长季特征（如开始日期、长度）发生变化，增加了农业生产的不确定性；气候变量解释了小麦产量变异的相当大部分，凸显了其对产量的关键影响。这些发现强调了气候变化对该地区农业，特别是小麦生产的严峻挑战。为确保粮食安全和农业可持续发展，迫切需要制定和实施基于实证的适应性策略，例如推广抗旱小麦品种、改进水资源管理、调整种植日期以及加强气候信息服务。
