《Frontiers in Environmental Science》:Long-term rice and maize crop yield dynamics and future forecast under changing atmospheric pollution in eastern Uttar Pradesh, India
编辑推荐:
空气污染在印度仍是一项长期且关键的环境挑战。它不仅对健康构成重大危害,也是对农业生产力的严重威胁。大气中多种污染物的存在会对水稻和玉米作物的生长和产量产生负面影响,引发对粮食安全的担忧。因此,评估空气污染物以及水稻和玉米作物产量的长期行为变得至关重要。在本研究
空气污染在印度仍是一项长期且关键的环境挑战。它不仅对健康构成重大危害,也是对农业生产力的严重威胁。大气中多种污染物的存在会对水稻和玉米作物的生长和产量产生负面影响,引发对粮食安全的担忧。因此,评估空气污染物以及水稻和玉米作物产量的长期行为变得至关重要。在本研究中,研究人员调查了印度北方邦东部戈勒克布尔、普拉亚格拉杰、松巴德拉和瓦拉纳西地区空气污染物以及水稻和玉米作物产量的长期(2000–2020年)变化。研究考虑了总表面质量浓度(PM2.5)、对流层臭氧柱(O3)、一氧化碳(CO)表面浓度、二氧化硫(SO2)表面浓度和净短波陆地辐射,以分析水稻和玉米作物产量。研究得出结论:O3、CO和SO2与水稻和玉米作物产量呈负相关,而净短波陆地辐射与玉米作物产量呈正相关。使用多元线性回归(MLR)模型量化了污染物、作物产量和气象变量之间的关系。利用自回归积分滑动平均(ARIMA)模型对2021–2035年水稻和玉米作物的未来预测表明,瓦拉纳西和松巴德拉地区的水稻和玉米作物产量分别呈增加趋势。研究结果可为政策制定者在最低支持价格(MSP)决策、灾害管理和农业韧性策略方面提供指导。这些信息对政策制定者和农业研究人员制定减轻空气污染物对农业负面影响的策略具有重要价值。
**论文解读:印度北方邦东部大气污染对水稻和玉米产量长期影响与未来预测研究**
**研究背景与意义**
空气污染是印度长期面临的严峻环境问题,不仅严重危害公众健康,还对农业生产力构成显著威胁。印度尤其是北方邦东部地区,作为重要的粮食产区,水稻和玉米是主要作物,其产量稳定对保障区域乃至国家粮食安全至关重要。然而,大气中颗粒物(PM
2.5)、对流层臭氧(O
3)、一氧化碳(CO)、二氧化硫(SO
2)等污染物通过抑制光合作用、破坏叶片组织、减少太阳辐射等机制,直接或间接影响作物生长。尽管已有研究关注空气污染对作物的影响,但针对印度北方邦东部不同地区的长期(2000–2020年)时空动态以及未来产量预测的系统性研究仍显不足。为此,研究人员旨在:(1)分析戈勒克布尔、普拉亚格拉杰、松巴德拉和瓦拉纳西四个地区水稻和玉米产量的时空变异性;(2)评估主要污染物及净短波辐射与产量的关系;(3)利用ARIMA模型预测2021–2035年产量变化;(4)通过MLR模型量化污染物与气象变量的综合效应。该研究发表于《Frontiers in Environmental Science》,其结论可为最低支持价格(MSP)制定、灾害管理和农业韧性策略提供科学依据。
**主要关键技术方法**
研究数据来自美国国家航空航天局(NASA)Giovanni平台:PM
2.5总表面质量浓度(MERRA-2再分析数据)、对流层臭氧柱(O
3,OMI/Aura产品)、CO表面浓度(AIRS)、SO
2表面浓度(ENSEMBLE)和净短波陆地辐射(MERRA-2),空间分辨率0.5°×0.625°,时间跨度2000–2020年。作物产量数据来自印度农业部的经济和统计理事会(https://aps.dac.gov.in/LUS/Index.htm)。主要统计方法包括:Pearson相关系数评估污染物与产量的关系;多元线性回归(MLR)模型分析多变量贡献;自回归积分滑动平均(ARIMA)模型进行未来预测,模型参数(p, d, q)通过自相关函数(ACF)、偏自相关函数(PACF)和Akaike信息准则(AIC)优化,模型性能用均方根误差(RMSE)和平均绝对误差(MAE)评估。
**研究结果**
**4.1 水稻和玉米产量的时空差异**
空间分布显示,瓦拉纳西和松巴德拉地区水稻和玉米产量较低(红色区域),而普拉亚格拉杰和戈勒克布尔产量较高(蓝色区域),表明局部环境、气候或人为因素导致显著空间异质性。时间序列分析表明,水稻产量整体呈上升趋势,但玉米产量更不稳定且呈地区依赖性。
**4.2 PM
2.5与水稻和玉米产量的关系**
PM
2.5浓度波动较大。水稻产量虽总体上升,但在PM
2.5高浓度年份出现下降,表明两者存在潜在负关联,但关系并非直接。玉米产量在2000–2006年波动明显,2007–2014年缓慢增长,PM
2.5浓度与玉米产量呈不一致的负相关,推测PM
2.5通过衰减太阳辐射间接影响作物。
**4.3 对流层臭氧与水稻和玉米产量的关系**
在戈勒克布尔,臭氧浓度波动下降,水稻产量上升;普拉亚格拉杰臭氧总体增加而水稻产量稳定后下降;松巴德拉臭氧震荡上升,水稻产量先升后波动;瓦拉纳西臭氧下降而水稻持续增产。玉米产量在各地区均与臭氧呈潜在负相关,尤其早期年份明显,但后期关系减弱。
**4.4 CO与水稻和玉米产量的关系**
戈勒克布尔和普拉亚格拉杰的水稻及玉米产量均与CO浓度呈负相关,2010年后CO下降伴随产量恢复;松巴德拉水稻与CO弱负相关,玉米产量波动上升;瓦拉纳西CO呈增加趋势,水稻产量在CO高峰年较低,玉米呈弱负相关。
**4.5 SO
2与水稻和玉米产量的关系**
戈勒克布尔SO
2增加,水稻缓慢上升,玉米呈弱负相关;普拉亚格拉杰SO
2与水稻和玉米呈明显反比;松巴德拉SO
2峰值对应水稻和玉米低产;瓦拉纳西SO
2升高伴随水稻和玉米下降,整体呈负相关。
**4.6 净短波陆地辐射与水稻和玉米产量的关系**
戈勒克布尔净短波辐射与水稻和玉米产量呈正相关(辐射高时产量高);普拉亚格拉杰辐射与玉米产量正相关,与水稻关系较复杂;松巴德拉和瓦拉纳西均显示辐射与两者呈正相关,但非线性。
**4.7 ARIMA模型预测水稻和玉米产量**
ARIMA模型基于2000–2020年数据预测2021–2035年产量:戈勒克布尔水稻2024–2026年达到峰值后下降,玉米中期短暂上升后大幅下降;普拉亚格拉杰水稻2025–2028年较高后下降,玉米先降后部分恢复;松巴德拉水稻2023–2026年下降后小幅回升,玉米持续低产;瓦拉纳西水稻早期下降后持续改善至2026年,玉米小幅波动。模型误差分析显示,水稻在瓦拉纳西RMSE最高(5.1185),玉米在普拉亚格拉杰RMSE最高(2.6101),玉米整体预测精度高于水稻,表明玉米时间稳定性更强。
**4.8 多元线性回归分析**
MLR模型纳入降雨、温度、O
3、PM
2.5、辐射、SO
2和CO,结果显示所有站点r值较低(<0.5739),说明环境变量对产量预测能力有限,其中CO是唯一统计显著预测因子(p<0.01),其他变量贡献较小。热图分析显示水稻与PM
2.5和SO
2呈中等正相关,而玉米与CO(r=-0.57)和SO
2(r=-0.52)呈强负相关,表明玉米对大气污染更敏感。
**总结讨论与结论**
讨论部分指出,ARIMA模型预测揭示了显著的产量空间异质性:水稻总体趋势稳定或改善,而玉米波动较大、敏感性更强,强调了区域适应性策略的必要性。污染物负关联(尤其CO和SO
2)与既往研究一致,但MLR模型低解释力表明需整合农艺和土壤数据以提升预测能力。结论部分翻译如下:空气污染是印度持续的环境问题,对作物生产构成严重风险。本研究检验了北方邦东部四个地区大气污染物与作物产量的长期(2000–2020年)差异。关键污染物PM
2.5、O
3、CO、SO
2和净短波陆地辐射被分析。PM
2.5在戈勒克布尔地区与玉米关联更强;对流层臭氧在瓦拉纳西地区与水稻产量关联较高。O
3和CO是影响最显著的污染物。结果表明PM
2.5、O
3、CO和SO
2与作物产量负相关,而净短波辐射有利于玉米产量。ARIMA模型预测2021–2035年水稻和玉米产量分别在瓦拉纳西和松巴德拉增加。总体而言,ARIMA是可靠的区域级产量预测工具。MLR模型表明环境变量对产量预测能力有限,但空间变异性凸显了纳入外生变量(如降雨、温度和地下水位)的必要性。本研究有助于政策制定者决定MSP、灾害管理和农民损失补偿,也有助于理解大气污染物对印度社会和经济的影响。未来研究将探讨土地利用和覆盖变化(如荒漠化、森林砍伐、城市化)与空气污染如何共同影响印度农业生产。