论文部分内容阅读
摘要 江苏省是全国冬小麦主产区，同时也面临着严重的臭氧污染。基于大气污染环境建模研究得到精细化、长时间尺度臭氧浓度数据，以江苏省下辖97个县级行政区为研究单元，结合AOT40的暴露响应关系，评估2007—2019年臭氧污染导致的冬小麦产量损失。结果表明，2007—2019年冬小麦生长期AOT40的范围为10.71～22.14 ppm·h，在2017年达到峰值。2015年以前苏南污染较为严重，近五年来苏北地区，特别是徐州臭氧污染加剧。冬小麦总产量的51.6%暴露在15.0～17.5 ppm·h的臭氧剂量。2007—2019年，江苏省冬小麦年相对产量损失范围为14.42%～23.92%，年产量损失达275～544万t，约相当于2.5～5千万人的粮食消费。臭氧污染对江苏省冬小麦生产造成了较为严重的威胁，应当采取有效的大气污染防治措施进一步减轻污染水平，保障粮食生产安全。
关键词 臭氧污染;AOT40;冬小麦;产量损失
中图分类号：S512.1 文献标识码：A 文章编号：2095–3305（2021）05–0016–04
近年來，臭氧污染逐渐凸显。2019年，我国臭氧年平均浓度达148 μg/m3，与2018年同比上升6.5%，以臭氧为首要污染物的超标天数占总超标天数的41.8%。站点监测数据显示，江苏省臭氧已取代细颗粒物污染（PM2.5），成为空气首要污染物。
大量研究证实，小麦、水稻、玉米、大豆等对臭氧污染敏感，其中冬小麦是臭氧敏感性最高的作物类型[1-5]。暴露响应关系法是评估农作物臭氧减产风险的主要方法。赵辉等[6]通过计算省年均臭氧浓度均值，评估了臭氧对全国2015—2018年农作物产量的影响。叶听听等[7]采用经验贝叶斯克里金法对臭氧监测数据进行了空间插值，以县级行政区为研究单元对2014年长三角地区冬小麦产量损失进行了评估。Feng等[8]和Hu等[9]分别基于臭氧监测数据，通过克里金空间插值估算区县臭氧暴露从而评估了2014—2017年华北平原地表臭氧造成的小麦和玉米产量损失。但仅依据臭氧监测数据自身分布规律进行简单插值，未考虑到土地覆盖类型、气象条件等对臭氧分布的影响，大大降低了评估结果的可靠性。
基于大气污染环境建模得到精细化、长时间尺度臭氧浓度数据，以江苏省下辖97个县级行政区（以下简称区县）为研究单元，结合AOT40的暴露响应关系，评估2007—2019年臭氧污染导致的冬小麦产量损失，以提高臭氧对江苏省农作物产量损失评估的精准性。
1 研究方法
1.1 数据来源与预处理
1.1.1 臭氧模拟数据 以Liu等[10]以往论文中的建模基本思路和主要数据为基础，利用臭氧监测数据，结合气象资料、化学传输模式拟数据和土地利用等资料，基于随机森林模型算法开发统计模型，估算了我国2007—2019年逐日的0.1°×0.1°的臭氧暴露指标AOT40数据，并通过交叉验证证明了预测数据具有较高的可靠性。本研究采用了这一臭氧模拟数据。
1.1.2 冬小麦年产量 江苏省下辖97个区县2007—2019年水稻和冬小麦的年产量来源于中国县域统计年鉴。由于部分市辖区农业生产活动比重较小，统计年鉴中以两个或两个以上区域的产量合并显示，本研究在计算臭氧减产效应时将其合并单元作为一个研究单元处理。
1.1.3 生长发育期 冬小麦生长发育期数据来自中国气象数据网公布的中国农作物生长发育旬值数据集，其中江苏省有24个监测站点（图1）。数据时间范围为1991年9月—2014年4月。首先，基于数据的旬作物名称、发育期名称和发育期日期3个参数，计算每个站点冬小麦年均扬花期。然后参考Zhu等[11]的研究，选择冬小麦生长期为从扬花期开始前44天到其后的30天为冬小麦生长期。并用普通克里金法插值到与臭氧模拟数据相同的0.1°×0.1°网格上。
1.2 生长期臭氧暴露表征
根据生长期网格插值数据，将每个网格冬小麦生长期中逐日的AOT40累加，得到每个网格每年水稻和冬小麦生长期的臭氧暴露指标AOT40。在区县研究单元上取平均值后，得到各区县每年水冬小麦生长期的臭氧暴露剂量AOT40值。
1.3 冬小麦产量损失计算
冬小麦相对产量对臭氧暴露AOT40的响应函数参考Feng等[12]的研究，计算公式如（1）、（2）、（3）所示：
RY=-0.1296×AOT40+1 （1）
RYL=1-RY （2）
WPL=RYL×WP/（1-RYL） （3）
其中，RY相对产量;RYL表示相对产量损失;WP表示冬小麦的年产量（t）;WPL表示冬小麦的年产量损失（t），即不受臭氧污染影响的冬小麦理论产量与实际产量之间的差值。
计算出各区县冬小麦产量损失后，累加至城市尺度得到每个地级市的的产量损失，并进一步加和得到江苏省总的产量损失。江苏省的相对产量损失由总产损失除以不受臭氧污染的理论总产量计算得出。
2 结果与讨论
2.1 生长期分布
江苏省各地冬小麦起始生长期集中在3月1日—3月15日，生长期结束日期在5月14日—5月28日。其中苏南地区的冬小麦生长期相比于苏北地区起始期更早一些。连云港、宿迁、淮安、盐城、徐州冬小麦起始生长期集中于3月8日—3月15日;南京、镇江、南通、泰州、扬州、无锡、苏州、常州冬小麦起始生长期集中在3月1日—3月5日，比苏北地区普遍提前1周左右。这可能与苏南地区比苏北地区升温更早、温度更高有关。 研究结果与前人研究中根据经验判定或者田间试验观测到的江苏省冬小麦生长期能较好匹配。以往对江苏省或长三角的有关研究中，赵辉等[11]选择3月22日—5月22日为江苏省冬小麦生长期;叶听听等[7]选择3—5月作为长三角冬小麦生长期;Feng等[12]将南京市冬小麦生长期定为3月15日—5月15日;Wang等[13]通过田间实验观测，2004—2008年冬小麦生长期起始于3月15—20日之间，终止于4月28日—5月13日。
2.2 生长期AOT40时空分布
研究时期内，所有区县年生长期AOT40的范围为10.71～22.14 ppm·h;2007—2019年AOT40平均值分别为17.52、16.14、16.52、12.73、17.27、16.06、14.85、13.65、13.8、15.37、19.44、17.88、16.20 ppm·h（图2）。时间趋势上，除极端年份2010年以外，2007—2012年AOT40较为稳定，均值维持在16～18 ppm·h之间。2013—2017年AOT40总体呈缓慢上升趋势，到2017年达到峰值后，隨着近两年环境监管力度的加强和相关污染防治措施的实施，臭氧水平显著下降。
冬小麦生长期AOT40在空间分布上呈现出明显的区域差异性（图3）。多年AOT40平均值的高值依次出现在扬州（16.56 ppm·h）、徐州（16.34 ppm·h）和盐城（16.31 ppm·h）;多年AOT40平均值的最低值出现在无锡（15.33 ppm·h），其次是南通（15.58 ppm·h）和宿迁（15.67 ppm·h）。区县尺度上，2015年以前，AOT40高值主要分布在苏南地区，特别是苏州南部、无锡北部、常州东部和扬州全域;近五年苏北地区臭氧污染加剧，冬小麦生长期AOT40赶超苏南地区，特别是徐州西北部和盐城西部较为严重。
将研究期间江苏省各区县同一臭氧暴露水平下的年产量进行汇总，分析不同暴露水平的产量分布（图4）。冬小麦生长期臭氧暴露剂量AOT40在10～23 ppm·h，其中，研究期间冬小麦总产量的51.6%分布在臭氧暴露剂量15.0～17.5 ppm·h;其次，总产量的31.3%分布在臭氧暴露剂量10～15 ppm·h，较少的产量（4.7%）分布在20 ppm·h以上。
2.3 相对产量损失与产量损失
江苏省2007—2019年冬小麦年相对产量损失分别为21.69%、20.89%、21.10%、16.56%、21.92%、20.96%、19.30%、17.55%、17.77%、20.87%、23.92%、22.91%和21.17%（图5），与冬小麦生长期臭氧暴露剂量A0T40分布一致。2007—2019年13个地级市中相对产量损失最高的地区分别是扬州（22.58%）、泰州（21.95%）、扬州（22.32%）、泰州（17.14%）、苏州（23.70%）、徐州（21.79%）、盐城（21.08%）、淮安（19.46%）、扬州（18.97%）、盐城（21.88%）、宿迁（27.61%）、徐州（25.32%）和南京（23.94%）。2011年以前，苏南地区冬小麦相对产量损失较为严重，随后，由于臭氧污染在苏北地区的加剧，使得近10年臭氧污染对苏北地区冬小麦减产效应加剧。
2007—2019年江苏省每年冬小麦总产量范围为1.05×107～1.41×107 t，臭氧污染导致的产量损失依次为3.25×106、3.56×106、3.70×106、2.75×106、4.10×106、3.87×106、3.52×106、3.27×106、3.32×106、3.95×106、5.44×106、4.74×106和4.28×106（图6）。年平均冬小麦产量损失相当于2.5～5千万人一年的粮食消费量。
2007—2019年，年冬小麦产量最高的地区是盐城和徐州，同时它们也是研究期内每年冬小麦产量损失最严重的地区，盐城年平均产量损失为5.91×105 t;徐州年平均产量损失为5.83×105 t。年平均损失量最小的地区是南京（6.39×104 t），其次是无锡（6.79×104 t）。由于苏北地区的臭氧污染逐渐加剧以及农业生产规模不断扩大，其遭受臭氧污染造成的作物减产显著高于苏南地区。
目前，以区县为单元研究高精度尺度上臭氧减产效应的研究较少。Feng等与本研究方法较为相似，同样以区县为研究单元，但其仅将臭氧监测数据做简单空间插值，结果表明2014—2019年长三角的冬小麦相对产量损失为4.9%～11.4%，由于未考虑农村与城市臭氧浓度分布的差异，导致低估了臭氧对冬小麦的损失影响。对照田间暴露试验结果，Wang等[13]从2004到2008年分别在嘉兴和江都开展了较长时间的臭氧对冬小麦影响的观测试验，结果表明，在处理组目标臭氧浓度160～214 μg/m3情景下，AOT40为1.58～22.61 ppm·h，开顶式气室试验（OTC）和自由通风开放式无气室试验（O3-FACE）分别导致冬小麦实际减产8.5%～58%和10%～25%。本研究评估结果在暴露试验观测结果范围内，验证了研究结果的可靠性。
3 结论
（1）2007—2019年，江苏省所有区县冬小麦生长期AOT40范围为10.71～22.14 ppm·h。时间趋势上，AOT40平均值总体呈波动缓慢上升趋势，2010年AOT40平均值最低，2017年达到峰值后，近两年下降趋势明显。空间分布上，呈现明显的区域差异性，近五年来苏北地区，特别是徐州臭氧污染较为严重。省内冬小麦总产量的一半以上（51.6%）暴露在AOT40为15～17.5 ppm·h的臭氧剂量中。
（2）2007—2019年，江苏省冬小麦年相对产量损失范围为14.42%～23.92%，年产量损失达2.75×106～5.44×106 t，相当于2.5～5千万人一年的粮食消费量。研究时期内，年平均冬小麦产量损失最严重的地区是盐城（5.91×105 t），其次是徐州（5.83×105 t）。年平均损失量最小的地区是南京（6.39×104 t），其次是无锡（6.79×104 t）。由于苏北地区的臭氧污染逐渐加剧以及农业生产规模不断扩大，其遭受臭氧污染造成的作物减产显著高于苏南地区。 参考文献
[1] 陈展，王效科，谢居清，等.水稻灌浆期臭氧暴露对产量形成的影响[J].生态毒理学报， 2007（2）： 208-213.
[2] 李彩虹，李勇，乌云塔娜，等.高浓度臭氧对大豆生长发育及产量的影响[J].应用生态学报， 2010， 21（9）： 2347-2352.
[3] Peng J L，Shang B， Xu Y S， et al. Ozone exposure-and flux-yield response relat-ionships for maize[J]. Environmental pollution （Barking， Essex： 1987）， 2019， 252（Pt A）： 1-7.
[4] Feng Z W， Jin M H， Zhang F Z，et al. Effects of ground-level ozone （O3） pollution on the yields of rice and winter wheat in the Yangtze River Delta[J]. Journal of Environmental Sciences， 2003（3）： 360-362.
[5] 耿春梅，王宗爽，任丽红，等.大气臭氧浓度升高对农作物产量的影响[J].环境科学研究， 2014， 27（3）： 239-245.
[6] Zhao H， Zheng Y， Zhang Y， et al. Evaluating the effects of surface O3 on three main food crops across China during 2015-2018[J]. Environmental Pollution， 2020（258）： 113794.
[7] 叶听听，江飞，易福金，等.长三角地区春季臭氧污染特征及其对冬小麦产量的影响[J]. 环境科学研究， 2017， 30（7）： 991-1000.
[8] Feng Z Z， Hu T J， Amos P K T， et al. Yield and economic losses in maize caused by ambient ozone in the North China Plain （2014–2017）[J]. Science of the Total Environment， 2020（722）： 908-914.
[9] Hu T J， Liu S， Xu Y S， etal.Assessment of O3-induced yield and economic losses for wheat in the North China Plain from 2014 to 2017， China[J].Environmental Pollution， 2020， 258（5）： 113.
[10] Liu R， Ma Z， Liu Y， et al. Spatiotemporal distributions of surface ozone levels in China from 2005 to 2017： A machine learning approach[J]. Environment International， 2020（142）： 105.
[11] Zhu X， Feng Z， Sun T， etal. Effects of elevated ozone concentration on yield of four Chinese cultivars of winter wheat under fully open-air field conditions[J]. Global Change Biology， 2011， 17（8）： 2697-2706.
[12] Feng Z Z， Tang H Y， Uddling J， et al. A stomatal ozone flux-response relationship to assess ozone-induced yield loss of winter wheat in subtropical China[J]. Environmental Pollution， 2012（164）： 16-23.
[13] Wang X， Zhang Q， Zheng F， et al. Effects of elevated O3 concentration on winter wheat and rice yields in the Yangtze River Delta， China[J]. Environmental Pollution， 2012（171）： 118-125.
責任编辑：黄艳飞
关键词 臭氧污染;AOT40;冬小麦;产量损失
中图分类号：S512.1 文献标识码：A 文章编号：2095–3305（2021）05–0016–04
近年來，臭氧污染逐渐凸显。2019年，我国臭氧年平均浓度达148 μg/m3，与2018年同比上升6.5%，以臭氧为首要污染物的超标天数占总超标天数的41.8%。站点监测数据显示，江苏省臭氧已取代细颗粒物污染（PM2.5），成为空气首要污染物。
大量研究证实，小麦、水稻、玉米、大豆等对臭氧污染敏感，其中冬小麦是臭氧敏感性最高的作物类型[1-5]。暴露响应关系法是评估农作物臭氧减产风险的主要方法。赵辉等[6]通过计算省年均臭氧浓度均值，评估了臭氧对全国2015—2018年农作物产量的影响。叶听听等[7]采用经验贝叶斯克里金法对臭氧监测数据进行了空间插值，以县级行政区为研究单元对2014年长三角地区冬小麦产量损失进行了评估。Feng等[8]和Hu等[9]分别基于臭氧监测数据，通过克里金空间插值估算区县臭氧暴露从而评估了2014—2017年华北平原地表臭氧造成的小麦和玉米产量损失。但仅依据臭氧监测数据自身分布规律进行简单插值，未考虑到土地覆盖类型、气象条件等对臭氧分布的影响，大大降低了评估结果的可靠性。
基于大气污染环境建模得到精细化、长时间尺度臭氧浓度数据，以江苏省下辖97个县级行政区（以下简称区县）为研究单元，结合AOT40的暴露响应关系，评估2007—2019年臭氧污染导致的冬小麦产量损失，以提高臭氧对江苏省农作物产量损失评估的精准性。
1 研究方法
1.1 数据来源与预处理
1.1.1 臭氧模拟数据 以Liu等[10]以往论文中的建模基本思路和主要数据为基础，利用臭氧监测数据，结合气象资料、化学传输模式拟数据和土地利用等资料，基于随机森林模型算法开发统计模型，估算了我国2007—2019年逐日的0.1°×0.1°的臭氧暴露指标AOT40数据，并通过交叉验证证明了预测数据具有较高的可靠性。本研究采用了这一臭氧模拟数据。
1.1.2 冬小麦年产量 江苏省下辖97个区县2007—2019年水稻和冬小麦的年产量来源于中国县域统计年鉴。由于部分市辖区农业生产活动比重较小，统计年鉴中以两个或两个以上区域的产量合并显示，本研究在计算臭氧减产效应时将其合并单元作为一个研究单元处理。
1.1.3 生长发育期 冬小麦生长发育期数据来自中国气象数据网公布的中国农作物生长发育旬值数据集，其中江苏省有24个监测站点（图1）。数据时间范围为1991年9月—2014年4月。首先，基于数据的旬作物名称、发育期名称和发育期日期3个参数，计算每个站点冬小麦年均扬花期。然后参考Zhu等[11]的研究，选择冬小麦生长期为从扬花期开始前44天到其后的30天为冬小麦生长期。并用普通克里金法插值到与臭氧模拟数据相同的0.1°×0.1°网格上。
1.2 生长期臭氧暴露表征
根据生长期网格插值数据，将每个网格冬小麦生长期中逐日的AOT40累加，得到每个网格每年水稻和冬小麦生长期的臭氧暴露指标AOT40。在区县研究单元上取平均值后，得到各区县每年水冬小麦生长期的臭氧暴露剂量AOT40值。
1.3 冬小麦产量损失计算
冬小麦相对产量对臭氧暴露AOT40的响应函数参考Feng等[12]的研究，计算公式如（1）、（2）、（3）所示：
RY=-0.1296×AOT40+1 （1）
RYL=1-RY （2）
WPL=RYL×WP/（1-RYL） （3）
其中，RY相对产量;RYL表示相对产量损失;WP表示冬小麦的年产量（t）;WPL表示冬小麦的年产量损失（t），即不受臭氧污染影响的冬小麦理论产量与实际产量之间的差值。
计算出各区县冬小麦产量损失后，累加至城市尺度得到每个地级市的的产量损失，并进一步加和得到江苏省总的产量损失。江苏省的相对产量损失由总产损失除以不受臭氧污染的理论总产量计算得出。
2 结果与讨论
2.1 生长期分布
江苏省各地冬小麦起始生长期集中在3月1日—3月15日，生长期结束日期在5月14日—5月28日。其中苏南地区的冬小麦生长期相比于苏北地区起始期更早一些。连云港、宿迁、淮安、盐城、徐州冬小麦起始生长期集中于3月8日—3月15日;南京、镇江、南通、泰州、扬州、无锡、苏州、常州冬小麦起始生长期集中在3月1日—3月5日，比苏北地区普遍提前1周左右。这可能与苏南地区比苏北地区升温更早、温度更高有关。 研究结果与前人研究中根据经验判定或者田间试验观测到的江苏省冬小麦生长期能较好匹配。以往对江苏省或长三角的有关研究中，赵辉等[11]选择3月22日—5月22日为江苏省冬小麦生长期;叶听听等[7]选择3—5月作为长三角冬小麦生长期;Feng等[12]将南京市冬小麦生长期定为3月15日—5月15日;Wang等[13]通过田间实验观测，2004—2008年冬小麦生长期起始于3月15—20日之间，终止于4月28日—5月13日。
2.2 生长期AOT40时空分布
研究时期内，所有区县年生长期AOT40的范围为10.71～22.14 ppm·h;2007—2019年AOT40平均值分别为17.52、16.14、16.52、12.73、17.27、16.06、14.85、13.65、13.8、15.37、19.44、17.88、16.20 ppm·h（图2）。时间趋势上，除极端年份2010年以外，2007—2012年AOT40较为稳定，均值维持在16～18 ppm·h之间。2013—2017年AOT40总体呈缓慢上升趋势，到2017年达到峰值后，隨着近两年环境监管力度的加强和相关污染防治措施的实施，臭氧水平显著下降。
冬小麦生长期AOT40在空间分布上呈现出明显的区域差异性（图3）。多年AOT40平均值的高值依次出现在扬州（16.56 ppm·h）、徐州（16.34 ppm·h）和盐城（16.31 ppm·h）;多年AOT40平均值的最低值出现在无锡（15.33 ppm·h），其次是南通（15.58 ppm·h）和宿迁（15.67 ppm·h）。区县尺度上，2015年以前，AOT40高值主要分布在苏南地区，特别是苏州南部、无锡北部、常州东部和扬州全域;近五年苏北地区臭氧污染加剧，冬小麦生长期AOT40赶超苏南地区，特别是徐州西北部和盐城西部较为严重。
将研究期间江苏省各区县同一臭氧暴露水平下的年产量进行汇总，分析不同暴露水平的产量分布（图4）。冬小麦生长期臭氧暴露剂量AOT40在10～23 ppm·h，其中，研究期间冬小麦总产量的51.6%分布在臭氧暴露剂量15.0～17.5 ppm·h;其次，总产量的31.3%分布在臭氧暴露剂量10～15 ppm·h，较少的产量（4.7%）分布在20 ppm·h以上。
2.3 相对产量损失与产量损失
江苏省2007—2019年冬小麦年相对产量损失分别为21.69%、20.89%、21.10%、16.56%、21.92%、20.96%、19.30%、17.55%、17.77%、20.87%、23.92%、22.91%和21.17%（图5），与冬小麦生长期臭氧暴露剂量A0T40分布一致。2007—2019年13个地级市中相对产量损失最高的地区分别是扬州（22.58%）、泰州（21.95%）、扬州（22.32%）、泰州（17.14%）、苏州（23.70%）、徐州（21.79%）、盐城（21.08%）、淮安（19.46%）、扬州（18.97%）、盐城（21.88%）、宿迁（27.61%）、徐州（25.32%）和南京（23.94%）。2011年以前，苏南地区冬小麦相对产量损失较为严重，随后，由于臭氧污染在苏北地区的加剧，使得近10年臭氧污染对苏北地区冬小麦减产效应加剧。
2007—2019年江苏省每年冬小麦总产量范围为1.05×107～1.41×107 t，臭氧污染导致的产量损失依次为3.25×106、3.56×106、3.70×106、2.75×106、4.10×106、3.87×106、3.52×106、3.27×106、3.32×106、3.95×106、5.44×106、4.74×106和4.28×106（图6）。年平均冬小麦产量损失相当于2.5～5千万人一年的粮食消费量。
2007—2019年，年冬小麦产量最高的地区是盐城和徐州，同时它们也是研究期内每年冬小麦产量损失最严重的地区，盐城年平均产量损失为5.91×105 t;徐州年平均产量损失为5.83×105 t。年平均损失量最小的地区是南京（6.39×104 t），其次是无锡（6.79×104 t）。由于苏北地区的臭氧污染逐渐加剧以及农业生产规模不断扩大，其遭受臭氧污染造成的作物减产显著高于苏南地区。
目前，以区县为单元研究高精度尺度上臭氧减产效应的研究较少。Feng等与本研究方法较为相似，同样以区县为研究单元，但其仅将臭氧监测数据做简单空间插值，结果表明2014—2019年长三角的冬小麦相对产量损失为4.9%～11.4%，由于未考虑农村与城市臭氧浓度分布的差异，导致低估了臭氧对冬小麦的损失影响。对照田间暴露试验结果，Wang等[13]从2004到2008年分别在嘉兴和江都开展了较长时间的臭氧对冬小麦影响的观测试验，结果表明，在处理组目标臭氧浓度160～214 μg/m3情景下，AOT40为1.58～22.61 ppm·h，开顶式气室试验（OTC）和自由通风开放式无气室试验（O3-FACE）分别导致冬小麦实际减产8.5%～58%和10%～25%。本研究评估结果在暴露试验观测结果范围内，验证了研究结果的可靠性。
3 结论
（1）2007—2019年，江苏省所有区县冬小麦生长期AOT40范围为10.71～22.14 ppm·h。时间趋势上，AOT40平均值总体呈波动缓慢上升趋势，2010年AOT40平均值最低，2017年达到峰值后，近两年下降趋势明显。空间分布上，呈现明显的区域差异性，近五年来苏北地区，特别是徐州臭氧污染较为严重。省内冬小麦总产量的一半以上（51.6%）暴露在AOT40为15～17.5 ppm·h的臭氧剂量中。
（2）2007—2019年，江苏省冬小麦年相对产量损失范围为14.42%～23.92%，年产量损失达2.75×106～5.44×106 t，相当于2.5～5千万人一年的粮食消费量。研究时期内，年平均冬小麦产量损失最严重的地区是盐城（5.91×105 t），其次是徐州（5.83×105 t）。年平均损失量最小的地区是南京（6.39×104 t），其次是无锡（6.79×104 t）。由于苏北地区的臭氧污染逐渐加剧以及农业生产规模不断扩大，其遭受臭氧污染造成的作物减产显著高于苏南地区。 参考文献
[1] 陈展，王效科，谢居清，等.水稻灌浆期臭氧暴露对产量形成的影响[J].生态毒理学报， 2007（2）： 208-213.
[2] 李彩虹，李勇，乌云塔娜，等.高浓度臭氧对大豆生长发育及产量的影响[J].应用生态学报， 2010， 21（9）： 2347-2352.
[3] Peng J L，Shang B， Xu Y S， et al. Ozone exposure-and flux-yield response relat-ionships for maize[J]. Environmental pollution （Barking， Essex： 1987）， 2019， 252（Pt A）： 1-7.
[4] Feng Z W， Jin M H， Zhang F Z，et al. Effects of ground-level ozone （O3） pollution on the yields of rice and winter wheat in the Yangtze River Delta[J]. Journal of Environmental Sciences， 2003（3）： 360-362.
[5] 耿春梅，王宗爽，任丽红，等.大气臭氧浓度升高对农作物产量的影响[J].环境科学研究， 2014， 27（3）： 239-245.
[6] Zhao H， Zheng Y， Zhang Y， et al. Evaluating the effects of surface O3 on three main food crops across China during 2015-2018[J]. Environmental Pollution， 2020（258）： 113794.
[7] 叶听听，江飞，易福金，等.长三角地区春季臭氧污染特征及其对冬小麦产量的影响[J]. 环境科学研究， 2017， 30（7）： 991-1000.
[8] Feng Z Z， Hu T J， Amos P K T， et al. Yield and economic losses in maize caused by ambient ozone in the North China Plain （2014–2017）[J]. Science of the Total Environment， 2020（722）： 908-914.
[9] Hu T J， Liu S， Xu Y S， etal.Assessment of O3-induced yield and economic losses for wheat in the North China Plain from 2014 to 2017， China[J].Environmental Pollution， 2020， 258（5）： 113.
[10] Liu R， Ma Z， Liu Y， et al. Spatiotemporal distributions of surface ozone levels in China from 2005 to 2017： A machine learning approach[J]. Environment International， 2020（142）： 105.
[11] Zhu X， Feng Z， Sun T， etal. Effects of elevated ozone concentration on yield of four Chinese cultivars of winter wheat under fully open-air field conditions[J]. Global Change Biology， 2011， 17（8）： 2697-2706.
[12] Feng Z Z， Tang H Y， Uddling J， et al. A stomatal ozone flux-response relationship to assess ozone-induced yield loss of winter wheat in subtropical China[J]. Environmental Pollution， 2012（164）： 16-23.
[13] Wang X， Zhang Q， Zheng F， et al. Effects of elevated O3 concentration on winter wheat and rice yields in the Yangtze River Delta， China[J]. Environmental Pollution， 2012（171）： 118-125.
責任编辑：黄艳飞