本小节描述了当前通报期内,CropWatch具体监测的42个(30 + 11 + 1)国家的农气和农情极端情况。但其中一些是第1章描述的大型异常模式的一部分,在条件可能更加极端的情况下,它们在农业生产方面往往被较不重要的国家所包围。
降水异常(图3.1)
本监测期的特点是降水异常的国家非常多,但与水有关的灾害却很少有相关报道,仅有南美部分地区的干旱(RAIN:乌拉圭,-14%;阿根廷,-18%)以及欧洲的一些洪水报道,尤其是非洲之角(第5.XXXX章)。表3.1提供了降水距平正负超过25%的国家和国家组。
表3.1:降水距平超过-25%和+25%的国家组,方括号内的数字表示距平值接近的国家数量,表格末尾给出了国家和地区的ISO 3166-1 alpha-3代码。
区域 | 国家数 | 国家名称 | 降水距平 | 温度距平 | 光合有效辐射距平 | 潜在生物量距平 | |
% | °C | % | % | ||||
1 | amc | 2 | DMA, TTO | -57 [2] | -1.0 [2] | -1 [2] | -41 [2] |
2 | asw | 2 | OMN, ARE | -51 [2] | -0.1 [1] | -1 [2] | -34 [2] |
3 | afo | 3 | MRT, NER, TCD | -47 [3] | -0.8 [3] | -5 [3] | -48 [3] |
4 | med | 5 | MNE, CYP, TUN, SVN, PRT | -37 [5] | +0.3 [4] | -7 [5] | -14 [4] |
5 | ass | 1 | JAK | −36 | +2.0 | −2 | −8 |
6 | ams | 2 | GUF, ECU | -35 [2] | -1.3 [2] | -3 [2] | -17 [2] |
7 | afe | 2 | ERI, SDN | -35 [2] | -1.3 [2] | 0 [1] | -41 [2] |
8 | asc | 1 | MNG | +31 | +1.5 | −3 | +27 |
9 | eur | 2 | GBR, IRL | +36 [2] | -1.9 [2] | -12 [2] | -5 [2] |
10 | asse | 1 | PHL | +38 | −0.5 | −2 | +18 |
11 | asw | 7 | ISR, AZE, IRQ, JOR, ARM, YEM, KWT | +46 [7] | +1.0 [6] | -7 [7] | +29 [7] |
12 | afo | 5 | BFA, TGO, BEN, GMB, GNB | +52 [5] | -0.8 [5] | -7 [5] | +43.8 [5] |
13 | eur | 1 | MDA | +61 | +0 | +2 | +28 |
14 | afe | 3 | SSD, KEN, SOM | +66 [3] | -1.5 [3] | -5 [3] | 44 [3] |
15 | amc | 10 | JAM, CRI, GTM, NIC, PAN, HTI, CUB, SLV, BLZ, MEX | +67 [10] | -0.3 [7] | -2 [10] | 30 [10] |
注:区域代码:afe-东非、afo-西非、amc-中美洲和加勒比(包括墨西哥)、ams-南美洲,asc-中亚、ass-南亚、asse-东南亚、asw-西亚、eur-欧洲、med-地中海(包括葡萄牙)。国家代码:ARE-阿拉伯联合酋长国、ARM-亚美尼亚、AZE-阿塞拜疆、BEN-贝宁、BFA-布基纳法索、BLZ-伯利兹、CRI-哥斯达黎加、CUB-古巴、CYP-塞浦路斯、DMA-多米尼加、ECU-厄瓜多尔、ERI-厄立特里亚、GBR-英国、GMB-冈比亚、GNB-几内亚比绍、GTM-危地马拉、GUF-法属圭亚那、HTI-海地、IRL-爱尔兰、IRQ-伊拉克、ISR-以色列、JAK-查谟和克什米尔、JAM-牙买加、JOR-约旦、KEN-肯尼亚、KWT-科威特、MDA-马其顿、MEX-墨西哥、MNE-黑山、MNG-蒙古、MRT-毛里塔尼亚、NER-尼日尔、NIC-尼加拉瓜、OMN-阿曼、PAN-巴拿马、PHL-菲律宾、PRT-葡萄牙、SDN-北苏丹、SLV-斯洛文尼亚、SOM-索马里、SSD-南苏丹、SVN-斯洛文尼亚、TCD-乍得、TGO-多哥、TTO-特立尼达和多巴哥、突尼斯-TUN、也门-YEM。
第一个观察结果是,15个国家组的降水距平变化与其他变量保持一致,例如,由西非五国(BFA,TGO,BEN,GMB,GNB)组成的第12组中,温度、光合有效辐射和潜在生物量的距平表明了这五国的比往年更冷、日照更少以及平均潜在生物量产量增大。 由于处在旱季,通常不开展农作,前三个组的国家并不需要特别关注。
第4组(降水距平偏低37%)国家是地中海盆地的一部分,目前的冬季也是主要谷物生长期。斯洛文尼亚(201 mm),黑山(333 mm)和葡萄牙(179 mm)的降水仍然较高,蒸散和作物需水量较低。然而,在塞浦路斯和突尼斯,作物需水量达到每月50至100 mm,因此记录的数量(JFMA报告期两个国家4个月的降水分别为97mm和74mm)可能导致作物水分胁迫。
在查谟和克什米尔(第5组),处于低地区域的冬季作物季节即将结束。但是,高温已经影响巴基斯坦及周边地区,造成作物用水需求增加,水分胁迫可能已经出现。
第6组中的两个国家(法属圭亚那和厄瓜多尔)本来并不相关,它们被哥伦比亚和委内瑞拉等高于平均水平的降水国家隔开。水分亏缺应该不会严重影响厄瓜多尔的太平洋低地地区处在生长季末期的作物,厄瓜多尔的亚马逊(东部)部分和法属圭亚那的赤道季节非常漫长,对水分胁迫具有较强的抵御能力。第7组(厄立特里亚和苏丹)作物收获已经完成,苏丹的冬季作物大多已经得到灌溉。
剩余的组中,许多都是半干旱或过度降水,除了可能引发洪水,过量降水大多数情况下是土壤水分的重要来源,即使目前的温度(即冬季)条件不允许生物量的大量开发,这适用于蒙古(第8组)。第11组国家(降水距平为+46%)以及第13组(马其顿)主要种植冬季作物,额外的水分是非常有利的,尤其是在灌溉农作物为主宰的地方(以色列和约旦等)。
第12组中的一些西非国家(布基纳法索、冈比亚和几内亚)目前不在雨季,丰沛的降水量可以被解释为夏季开始的雨季之前兆。多哥和贝宁有两个雨季,第一个在3月左右开始,这两个国家都从充足的降水中受益,为第一个雨季提供了良好开端。
在第14组国家中,有两个国家拥有大型半干旱地区(肯尼亚和索马里),主要以牲畜放牧为主。两国的农作物都处在主季的播种阶段(肯尼亚长雨季和索马里雨季);南苏丹通常享有更多的潮湿条件,特别是在其西部。关于灾害的章节中提到了肯尼亚和索马里的洪水(第5.X章),其中的大部分问题都与洪水造成的流离失所人口密切相关。一般来说,丰富的降水量应该有益于农业和粮食生产。
第15组的10个国家存在多种作物种植,其中大多数为冬季作物(包括冬玉米),并且可以假定在接近周期结束时丰富的降水有利于冬季作物,特别是在正常的冬季降水量往往很低的墨西哥。
2018年1月-4月全球各国(包括大国的省州级别)降水与过去15年的距平,单位(%)
气温异常(图3.2)
在挪威、爱尔兰(受东方野兽带来的寒潮影响,参见灾害第5.X章)和也门(其降水十分充沛)都出现了-2.0°C以上的气温距平,“东方野兽”还影响了俄罗斯西部和哈萨克斯坦、斯堪的纳维亚半岛、以及从法国到西班牙以及摩洛哥西欧的大部分地区。
最高的气温距平与伊朗周围3月下旬至4月初的热浪有关(参见灾害章节图5XB),包括叙利亚(+2.9°C)、土耳其(+ 2.8°C)、亚美尼亚(+ 2.4°C)、伊拉克和查谟和克什米尔(均为+ 2.0°C)。虽然他们相同组中其他国家报告的温度升高较小(包括伊朗、蒙古、约旦、塔吉克斯坦和格鲁吉亚),其气温距平为从+ 1.4°C到+ 1.9°C。空间上,图5.2中很容易识别该区域。
图3.2. 2018年1月-4月全球各国(包括大国的省州级别)温度与过去15年的距平,单位:℃
光合有效辐射异常(图3.3)
正如第一章强调的那样,在全球范围内,光合有效辐射负距平的国家占主导地位。例如,在印度,所有邦的光合有效辐射都低于平均水平,导致国家尺度的光合有效辐射距平为-6%,个别邦甚至达到-10%至-13%(梅加拉亚邦、米佐拉姆邦、曼尼普尔邦、特里普拉邦、那加兰邦、阿萨姆邦、锡金和西孟加拉邦)的负距平。邻国孟加拉国的光合有效辐射距平达到-12%,为国家尺度的最低值之一,与英国和爱尔兰相当(也都为-12%),仅好于利比里亚(-13%)。
光合有效辐射正距平的国家很少,包括乌拉圭(+4%)、厄瓜多尔(+ 3%,两国均遭受干旱)和波兰(+ 3%,伴随着降水量较平均水平下降19%)。乌拉圭是从布宜诺斯艾利斯延伸到阿根廷西北部省份光合有效辐射正距平区域的一部分;另一方面,波兰则是北到芬兰(+ 2%)和挪威(+ 1%)、东到乌克兰(+ 2%)和俄罗斯(莫尔多维亚+ 3%、库尔斯克州+ 3%、梁赞+ 3%、下诺夫哥罗德+ 4%和基洛夫7%)的光合有效辐射正距平区域的最西部地区。
图3.3. 2018年1月-4月全球各国(包括大国的省州级别)光合有效辐射与过去15年的距平,单位(%)
潜在生物量异常
由于水作为生物量生产限制因素的主导,BIOMSS指标的分布与降水的分布密切相关,只要气温不出现大的干扰。在本监测期,我们在第1章中指出,全球范围内“80%的BIOMSS变异或可归结于RAIN变异,仅20%归结于TEMP变异”。
由于与“东方野兽”相关的温度异常较大,在比较图3.1和3.4时可以清楚地看到,俄罗斯的充沛降水量与BIOMSS亏缺有关,事实上,如图3.5和图3.6所示,温度主导着BIOMSS的变化:这是因为在俄罗斯的主要产区,RAIN在BIOMSS变异性中的作用在当前报告期间可忽略不计,仅为1%(R²= 0.0079);另一方面,TEMP的作用占到72%。如果TEMP和RAIN(2003-2017)以及BIOMSS(2013-2017)的参考期相同,很可能会出现更高的百分比。
图3.4. 2018年1月-4月全球各国(包括大国的省州级别)累积生物量与近5年的距平,单位(%)
图3.5 BIOMSS与过去5年距平和降水与过去15年距平的相关性
图3.6 BIOMSS与过去5年距平和气温与过去15年距平的相关性