当前世界环境

介绍

气候变化及其影响是公认的重大全球性问题^{1 - 9}不仅在当代的学者和政策制定者中，而且在普通人中。它最初是由知识分子、科学家和学者概念性地感知和记录的。然后，根据对世界各地长期降雨和温度数据的分析，对这一概念框架进行了实证检验和验证^{10 - 13}。在随机和计算机辅助模拟模式的帮助下，对气候变化趋势的预测也进行了尝试^{9日,14 - 16}。这些复杂的方法和他们发现的细微差别对于既没有专业知识也没有进入这种知识库的普通人来说是相当难以理解的。然而，根据他们对地面现实的直接经验(特别是那些以土地、土壤、水、气候参数等自然资源基础为生的人)，他们验证和证明了基于通过精密仪器获得的数据和通过复杂技术分析得出的结论的可成立性。这是因为，气候变化的微妙和精细表现不仅无法通过仪器测量，而且由于数据覆盖不完整，特别是在19世纪和世界大战期间，也会受到很大的偏差和抽样误差的影响¹⁷。额外的或补充的数据库也可能改变先前研究的结果。这些不确定性或偏见可以通过记录特定地区人们的看法来解决。

因此，鉴于两者的互补性，对气候变化影响的研究应基于长期的基于仪器的数据分析，以及对处于这些影响接收端的人们的观察和感知的深刻研究。

研究区域

Sagar是印度东部西孟加拉邦南24 Parganas区Kakdwip分区下的一个cd区块(图1)。研究区是胡格利河口的一个三角洲形状的岛屿，西与胡格利河接壤，东与穆里甘加河接壤。岛的南部面向孟加拉湾(BoB)。它是恒河活跃三角洲形成的一个地区，经历了一天的洪水和退潮，周期约为12小时。^{18 - 20}。岛上有许多咸水小溪，使咸水可以深入岛屿领土。

图1:位置地图 点击此处查看图

由于位于孟加拉湾的边缘，该地区在夏季和季风期间经历了严重的风湍流。在风暴潮期间，潮沟作为咸水流入领土深处的活跃途径。这种现象增加了土壤的pH值，使得土地特别不适合种植像槟榔藤这样的敏感作物。此外，该地区位于BoB和印度洋形成的热带气旋路径内，因此首先经历了热带气旋造成的风暴潮，洪水和风相关破坏等危害的最高能力。这使得该地区在物理上很脆弱。然而，当地人口的社会脆弱性也需要提及。^{18日,21 - 24日}

作者分析的DEM(数字高程模型，源自ASTER GDEM, Version 2)揭示了三个不同的地形特征(图1 (d))。岛的北部比最南部要古老得多。因此，这个地区也相对高于岛上的其他地区。岛上这部分地区的平均高度保持在10米以上。南部是高度活跃的自然，并迅速改变了长岸流和季节性潮汐冲^{25日- 27日}。正因为如此，在这个岛屿的这一部分可以看到独特的低洼泥滩区。这部分的平均高度保持在5米以下，而岛的中部是中等高度，保持在MSL(平均海平面)以上7-10米。整个地区由全新世土壤组成，主要由粉质粘土和细砂组成²⁵。

气候变化的主要表现形式是海平面上升和洪水，在地势低洼的沿海地区尤为明显。它还表现在恶劣天气现象的频率增加。Sagar岛位于Kakdwip分区，其地理特征如上所述，因此是评估气候变化对主要经济活动影响的理想地点(IPCC, 2018:决策者摘要，B.2.3，第8页)。^{21日,进一步}。

Sagar岛槟榔叶栽培

直到今天，天气和气候仍然是影响农业生产力的主要因素。气候参数的变化极大地改变了生产力，导致大规模饥荒、生产短缺等^{8 9 30}。然而，这些影响很少是孤立的，而是具有大规模的影响，因为国际贸易在食品和经济方面连接了整个全球。对某一地区农作物的任何影响都会对世界其他地区产生影响³⁴。这些事实表明，农业、气候与世界粮食生产和安全之间的关系错综复杂，有必要在全球范围内研究气候变化对农业的影响，而不是作为一个孤立的现象。

正是在这种情况下，作者已经深入研究了槟榔叶种植在Kakdwip子分区Sagar岛的各个方面。槟榔叶是这个环境和地理边缘地区的主要经济作物之一，即使是海平面最轻微的积极变化也特别容易受到影响^35-37。

数据库与方法

用于分析的数据集是根据印度气象部门(以下简称IMD)记录的100年数据的温度和降雨量。数据为1901年至2000年期间的数据，此后的数据未纳入统计。这是因为100年的数据集属于特定站点的数据(站点- sagar岛)，而从2000年起，特定站点的数据不在公共领域。在公共领域中可用的数据是插值数据。站点数据对于站点特定的小气候参数更为可靠。由于特定地点的数据涵盖了较长的时间，因此已将其纳入研究，并避免了数据不兼容的广义插值数据，并避免了对结果的过度概括，从而有歪曲现实的危险。

因此，本研究的两种主要方法是-

温度和降雨二级数据库的分析。

记录当地民众对气候变化对槟榔叶种植表现的观察和感知，以克服气候变化对研究区槟榔叶生产力和质量可能和可能影响的实证研究结果的不足。(这里有必要提一下，从概念上和理论上讲，全球气候参数的变化及其对农业的影响很可能反映在较小地区的小气候上，特别是位于低洼沿海研究区的小气候。)为了实现这一目标，下面设计一份结构化的问卷已被编制和使用。

知觉调查设计

调查的具体目标群体是连续从事3代的受访者，属于以下年龄组

65岁以上人士

年龄在30-65岁之间的人

30岁以下人士

选择第一年龄组受访者的前提是他们见证了气候变化之前和之后的情景。

为了对这一现象进行完整的空间覆盖，在感知调查中选择了16个村庄。然后从每个样本村抽取5名受访者进行结构化问卷调查。为了更好的理解，在本文的最后部分对这个设计进行了进一步的阐述。该调查是在2018- 2019年期间进行的。

研究区气候变化的证据

如前所述，研究区域的气候变化是根据对IMD获得的100年温度和降雨数据的分析确定的。

空气温度

Mishra(2010)，在昌德。出版社。³⁸对孙德班地区1891—2003年(110 a)的气温资料进行了分析。他报告说，在头80年(1891-1970年)，日平均最低气温上升了0.6摄氏度，日平均气温上升了0.1摄氏度。他的研究结果进一步表明，1970年之后的增长趋势更加明显，直到2000年。在此期间，日最低气温的上升速度快于日最高气温的上升速度，导致日变化幅度逐渐减小。²³他报告说，从1970年到2000年，平均气温的上升速度为0.019摄氏度。他进一步认为，如果这种趋势继续下去，到2050年，该地区的气温预计将上升1°C。

图2:平均气温趋势(1901-2000)(源: IMD, station- Sagar, West Bengal)。 点击此处查看图

(萨加尔岛夏季气温变化趋势如图上半部分所示。

图表的下半部分显示了100年的年平均值。

(注:正常温度根据IMD。是指“气温与长期平均气温(正负)相差1度以内”(IMD)。

作者分析的1901 ~ 2000年的气温数据也证实了上述观测结果。如图2所示。在图表的上半部分(图2)，绘制了1901 - 2000年夏季月份的100年平均气温。温度回归线(用黑线表示)显示温度总体呈上升趋势。平均而言，温度在IMD定义的正常范围内。除了1971年、1981年和1990年记录的温度低于IMD规范的下限外，还注意到根据IMD标准的正常限值的温度波动。只有在20世纪50年代，气温超过或接近国际气象组织定义的夏季气温的正常上限。

图2下半部分所示的1900-2000年的100年平均气温也显示出气温上升的趋势，就像夏季一样。根据IMD标准，只有在注意到1971年、1981年和1990年出现负偏差的夏季月份，才注意到温度偏离正常范围的波动，其中有两年或三年的偏差超出正常范围。在任何一种情况下，温度波动都在正常范围内，除了超出正常的两到三个偏差(对于夏季温度偏差，显示1905年，1907年，1971年，1981年和1990年低于正常)。上图所示的温度上升趋势与Hazra等人的发现是一致的。²³。

温度数据已根据表1中纳入的标准进行了分析。在分析温度数据时，已按表1所列准则进行分析。正常的最高温度和最低温度有已按标准确定由IMD制定。结果表明，根据IMD规范，这两个参数都在正常范围内(表1)。

表1:温度数据分析准则。

Sl。不。	参数	平均气温/长期平均值(oC)	计算正常温度范围
			平均气温(oC)	最高温度限制(oC)	最低温度限制(oC)
1.	100年平均气温趋势	25.14	24.14到26.14
2.	100年平均最高气温	31.54		32.54	30.54
3.	100年平均最低气温	21.41		22.41	20.41
4.	100年夏季平均温度	29.78		30.78	28.78

两种情况下绘制的温度趋势线(夏季和全年温度)显示出上升趋势。只有在注意到1971年、1981年和1990年出现负偏差的夏季月份，才注意到根据国际气象组织标准的正常限度的温度波动。上图所示的气温上升趋势与Hazra等人的发现是一致的。²³

在下面的图(图3)中，绘制了夏季平均温度、冬季平均温度和年平均温度变化范围。从图中可以看出，最高温度和最低温度都在上升。但冬季气温的上升速率大于夏季气温的上升速率(斜率因子分别为0.0056和0.0019)。这表明气温年变化幅度减小，从气温变化幅度的变化趋势可以看出，斜率系数为-0.0038。这也间接地表明该地区的大气在变暖。年代际移动平均分析也显示出类似的增加趋势(图4)。

图3:夏季、冬季趋势及气温变化(1901-2000)(源: IMD, station- Sagar, West Bengal)。 点击此处查看图

图4:气温观测的年代际移动平均值(1901-2000)(源: IMD, station- Sagar, West Bengal)。 点击此处查看图

之后，根据100年的数据预测了30年(到2030年)的温度，从统计上验证了这一趋势是持续的。这是通过在R软件中使用auto ARIMA函数拟合ARIMA模型来完成的。在拟合ARIMA模型时，考虑了样本数据的平稳性和季节性，使预测更加准确。

检验平稳性的两种常用方法，即ADF检验(Augmented Dickey Fuller test)和KPSS检验(Kwiatkowski-Phillips-Schmidt-Shin test)。ADF检验检验数据序列是否存在单位根，以证明其平稳性。零假设(H)₀)的ADF检验认为级数存在一个单位根，且该级数是非平稳的。非平稳时间序列数据对预测是非合作的。KPSS检验也检查平稳性，但这里的零假设(H₀)与ADF检验相反，即序列中没有单位根&它是平稳的。表2给出了选择最佳拟合ARIMA模型所需参数的详细信息。

表2:ARIMA模型拟合ADF与KPSS检验的比较。

参数	ADF检验	P值	kps测试	P值	假设	另类投资会议	BIC
温度	-9.0895	0.01 (P值小于打印值)	0.10924	0.1 (P值大于打印值)	数据序列是平稳的	2928.877	2954.23

在选择ARIMA模型时，考虑AIC和BIC值最小为拟合最佳。在R中运行auto ARIMA函数后，该函数给出(p,d,q)为(0,0,2)和滞后阶数为12的季节分量(p,d,q)为(2,1,0)作为最佳拟合模型(即AIC和BIC值最小)。^39-41。拟合的季节性ARIMA模式(SARIMA)也预测了预测时间段内类似的温度趋势(图5)。这证实了气候参数的可变性，并表明温度将继续保持与前面讨论的相同趋势。

图5:利用SARIMA模型(0,0,2)(2,1,0)预测气温[12]。 点击此处查看图

雨量及季风模式

Mishra，(2002)研究了1891-2000年期间的季风模式，报告了季风的延迟发生，而退出日期几乎保持不变，导致季风的跨度缩短。根据世界气象组织推荐的30年连续平均趋势研究方法对Sager岛近110年(1891-2000)降水资料进行研究，结果表明，Sager岛近3年连续平均期降水呈增加趋势。[米什拉，(2002)in。³⁸]

Chand et al.(2012)报告说，季风最早的开始日期是25日^th在2009年5月，季风最迟出现在26^th1983年6月。因此，从天气现象的不确定性来看，季风开始和消退日期的最大偏差发生在25年的时间内，这表明最近气候变化。笔者分析的降雨和季风模式如图6所示。我们分析了雨量资料的两个维度(年平均值和季风月平均值)，以根据下列准则来探测雨量的趋势。

年平均雨量与百年平均雨量(1901-2000)的差值。

年平均降雨量与国际气象组织定义的正常年降雨量的偏差。

百年来季风月平均雨量趋势(1901-2000)。

季风月的雨量与国际气象发展指数的偏离，界定了季风月的正常雨量。

图6:香港平均雨量趋势(1901-2000)(源: IMD, Station- Sagar, West Bengal)。 点击此处查看图

注意到下列意见

在前40年的观测中，到1944年为止，有16年的降水过量。其中季风降水亏缺年18年，其余11年均在正常范围内。

1948-1967年是亏缺降水的主要时期。

在1968-2000年期间，有16年季风雨量过剩，8年季风雨量不足，9年季风雨量正常。因此，平均而言，降雨量具有波动模式，但在前40年，波动与16年降水过剩和16年降水不足对称，两者的重复周期均为2-3年。过去32年的波动与16年季风降水过剩和8年季风降水不足是不对称的。

自1968年以来，季风降水过剩年的重现率明显下降，以至于每隔一年就会出现降水过剩。

进一步深入了解降水量，前44年降水量超过400mm的年份有5年;而从1968年到2000年，降雨量连续8年超过400毫米。

进一步分析表明，前一时期降雨量连续两年超过450毫米，后一时期30年超过4次。这与气温上升趋势与降水数量和频率的上升相对应。

(注:根据IMD，正常的季风雨雨量。是指一个国家在6月到9月之间的总降雨量在长期平均降雨量的10%以内(正负)。“降雨量不足”是指降雨量低于平均值的10%。“过量降雨”是指超过平均水平10%以上。”

从图6可以看出，年平均降雨量的波动很大。1901-1945年间，降水过剩和降水不足占主导地位。从1968年至2000年，降雨量的趋势也相同。波动趋势的一个重要观察结果是，在前一个时期，注意到降水过剩和亏缺的交替年份;而在后者，过量降雨事件占主导地位。在这两者之间的时期，即1945年至1967年，也以亏缺降雨为主而闻名。从总体上看，1901-1945年的波动性质具有规律性，而此后的偏差则是不规则的。

1944年以前的年平均降雨量与100年降雨量的差异表现出波动趋势，1967年以前以亏缺降水为主，2000年以前以100年平均降水过剩为主。这也反映在图6所示的季风降雨的递减范围中。各年年平均降雨量与100年平均降雨量的偏差趋势与季风月份相同。从图7可以看出，最小季风降雨量基本保持不变，而最大降雨量呈增加趋势，斜率因子分别为0.083x和0.710x。这是降雨增加的证据，也是该地区气候变化的证据。

图7:最大及最小季风雨量趋势(1901-2000)(源: IMD, station- Sagar, West Bengal)。 点击此处查看图

降水亏缺期的延长是否与El Niño和La Niña年等遥相关;研究区降水过剩年份与气旋风暴发生年份的关系有待深入研究;然而，这超出了本文的范围。因此，我们可以简单地探讨一下，如果有的话，降雨的扩大亏空和这种遥相关之间的关系。图8显示，没有这样的证据来支持遥相关与降雨之间的直接相关性。

图8:El Niño-La Niña与降雨的关系。 点击此处查看图

与温度数据的情况一样，已经尝试根据100年的数据预测30年(到2030年)的降雨量。为了统计验证当前降雨模式的趋势是否持续，使用r中的auto ARIMA函数，选择最适合降雨预报的ARIMA模型的参数详细信息如表3所示。认为AIC和BIC值最小的ARIMA模型拟合最佳。在R中运行auto ARIMA函数后，该函数给出(p,d,q)为(0,0,0)和滞后阶数为12的季节分量(p,d,q)为(2,1,0)作为最佳拟合模型(即AIC和BIC值最小)。^39-41。拟合的季节性ARIMA模型(SARIMA)也预测了预测时间段内类似的降雨趋势(图9)。这证实了气候参数的可变性，并表明降雨将继续保持与前面讨论的相同趋势。

表3:ARIMA模型拟合ADF与KPSS检验的比较。

参数	ADF检验	P值	kps测试	P值	假设	另类投资会议	BIC
降雨	-12.563	0.01 (P值小于打印值)	0.16421	0.1 (P值大于打印值)	数据序列是平稳的	14271.23	14286.44

图9:雨量SARIMA模型(0,0,0)(2,1,0)预测[12]。 点击此处查看图

极端天气事件(CS/SCS)

在所有极端天气事件中，这里最突出的是CS(气旋风暴)、SCS(超级气旋风暴)和D(低气压)。与气温和降雨的情况一样，其他几位作者也对与该地区有关的极端天气事件发生的频率和时间进行了分析。他们的研究结果见表4。

表4:极端天气事件的平均频率。（源:气旋电子图集，IMD;In:《钱达》(2012)

帕米	发生时间
	1891 - 1930	1931 - 1970	1971 - 2010
抑郁症	5.40	8.83	5.35
气旋风暴	3.33	2．5	1.98
超级气旋风暴	1.6	1.98	2.05

米什拉(2002)在³⁸研究了80年(1891-1970年)极端天气事件频率对孙德尔本及邻近沿海地区降雨分布的影响，并报道了它们与降雨量有直接关系。他进一步报告说，直到1922年，这种系统的频率大多低于平均水平，但在1922年之后，特别是到1953年和1964年之后，这种系统的发生频率有了相当大的增加。他还说，孟加拉湾每年形成8个热带风暴系统，直接影响到该地区的总降雨量。

考虑极端天气事件³⁸这里有低气压、气旋风暴和强气旋风暴。他的研究表明，在过去的几十年里，极端天气事件变得更加频繁和强大，尽管总的数量有所减少。这反映在降雨量的增加趋势上。辛格⁴²自1891年以来，孟加拉湾季风后季节的强气旋风暴增加了26%。

作者分析了1901年至2000年期间降雨量与这些极端天气事件之间的关系。研究结果如图10所示。在过去的100年里，气旋风暴(CS)和强气旋风暴(SCS)的发生(由于低气压对槟榔的种植没有任何直接影响，因此没有进行分析)与季风月份的过量降雨量和年平均降雨量(1901-2000)之间可能存在的对应关系，对数据进行了分析。从数据可以看出，平均每年发生两次这样的事件。

图10:雨量与极端天气事件的趋势及关系(CS/SCS) (1901-2000) (源: IMD, station- Sagar, West Bengal)。 点击此处查看图

我们认为这是正常的，我们挑选了发生两次以上极端天气事件的年份，并将其视为极端天气事件的年份。分析这些年份的年平均超额雨量和季风月的数据显示，100年中有31年经历过CS/SCS形式的极端天气事件。在这31年中，有14年极端天气事件的发生、年平均降雨量与季风月份的降雨量之间有明显的重合。

然而，由于数据只涉及一个点(即Sagar站)，因此不能将CS/SCS的发生及其与高于正常降雨量的对应关系视为该地点气候变化的重要表现。正因为如此，我们只考虑降雨和温度作为气候变化的主要参数来评估其对研究地区槟榔叶种植的影响。

气候变化对槟榔叶栽培的影响

Benjamin等人报告了1958年至2013年期间由于全球降雨和温度变化造成的非洲各地产量损失^8日,43岁。帕里⁹注意到在气候变化情景下产量下降的国家，特别是在不采取适应做法的情况下。在具有第2类适应的气候变化情景中，报告了产量的增加(第2类适应的组成部分涉及农业系统的重大变化，可能需要农民无法负担的资源)。这些措施包括-种植日期的大幅度变化，增加肥料施用，开发新品种;以及灌溉系统的安装)⁹。

在2型适应的四个组成部分中，施肥和安装灌溉(简易传统)系统直接适用于研究区。其余两个不适用。但有一种独特的局部适应结构(当地称为Boroj”)创造了一个人工微气候单元，这在这里是值得注意的。这将在后面讨论。除此之外，内部的土壤处理boroj(葡萄园)在研究区进行实践，使其适合种植。

(二类适应策略在研究区域的实践)

土壤处理

考虑到地理位置，研究区域的特点是有规律的微咸水流入。特别是在风暴潮期间，潮沟作为咸水流入领土深处的活跃途径。这种现象增加了土壤的pH值(图11)，这使得土地特别不适合种植像槟榔藤这样高度敏感的作物。盐分对槟榔叶有害。土壤盐渍化对槟榔叶的生长产生消极影响。^{35岁,37岁的36}

图11:萨加尔土壤图，(来源:NATMO地区规划图系列)。 点击此处查看图

尽管如此，槟榔叶在研究区域的成功商业种植是通过对葡萄园土壤的彻底处理来保证的。这就造成了该地区内外土壤特征的明显差异boroj。这种治疗是在任何时候进行的boroj需要重新准备或恢复活力，通常每5年左右进行一次，这是葡萄藤的平均预期寿命。土壤处理包括以下几个阶段。

在第一阶段，当地的土壤被挖到一到两英尺的深度，取而代之的是从没有盐水入侵的地区获得的土壤。然后非原位土壤用堆肥和油饼重新加工。然后将土壤压平并压实，并在塑料覆盖物下放置30天。在这段时间内，土壤在15天后被揭开，再次用福尔马林重新处理，并用塑料布覆盖。这个过程在15天后再次重复最后一次，并留下另外5-10天，直到土壤准备好槟榔藤种植。下一阶段用有机和无机成分处理土壤。而有机肥料则包括堆肥、油饼等。无机成分包括福尔马林、漂白粉等。

肥料

槟榔叶栽培化肥(化肥和有机肥)用量如图12所示。在x轴槟榔藤的数量已经显示，代表土地持有的农民的规模。y轴表示肥料的使用量，用金钱来表示，以便更好地理解。从图12中可以清楚地看出，在观察期间，尽管地理条件不利，温度也难以察觉地上升，但肥料的施用几乎呈指数增长，这一定保持了槟榔叶生产力的稳定增长。这符合采用适应等级2(本例中施用化肥)的效果。

图12:Sagar槟榔叶栽培化肥用量变化，(源:初步调查)。 点击此处查看图

灌溉

灌溉是由含水层喂养的多年生防空洞，连接到各个葡萄园的无衬里水箱组成的。只有在某些情况下，葡萄藤场边没有单独的坦克。在这种情况下，非正式的安排，共同使用这种坦克周围的葡萄园。全年都需要灌溉。它是每天手工洒在爬行植物上一次。然而，在雨季，根据天气情况，时间表会发生变化。灌溉附属于葡萄藤庭院，在研究区域只能以水箱的形式找到。

Boroj(葡萄园)准备

Boroj是一种本土开发的人工结构，用于调节日照、温度和湿度，并为槟榔藤提供保护结构(图13)，使其免受与极端天气事件(CS和SCS)相关的强风的影响。为槟榔叶栽培创造适宜的小气候环境是一种本土适应性方法。里面种着槟榔藤。传统上boroj是由竹子、树枝、椰子叶和稻草制成的。竹子和树枝有助于建筑的结构boroj站立并保持在它的位置上另一方面，稻草和椰子叶为槟榔叶提供了必要的遮荫，以抵御炎热。^{35岁,37岁的36}。稻草和椰子叶为藤蔓提供阴凉，同时通过让风通过保持内部温度较低。槟榔藤在阴凉处比在阳光直射下长得好。因此，在夏季，当温度较高时，遮阳处，特别是屋顶会通过添加一些额外的茅草层来增厚。

图13:典型的槟榔园(Boroj） (源:作者)。 点击此处查看图

图14:槟榔园(Boroj)由“遮阳网”(源:作者)。 点击此处查看图

的形状boroj是正方形还是长方形——这取决于土地的形状，在哪个boroj是准备。的高度boroj不是固定的，它本质上随农民自己而变化，允许他在收获叶子或照顾葡萄藤时舒适地站着。然而，屋顶的高度boroj距地面平均高度为7英尺。然而，目前，为了结构的耐久性，一些栽培者使用合成材料“遮阳网”(图14)，将其绑在混凝土柱子上，而不是稻草，椰子叶和其他茅草材料，为槟榔藤提供遮阳和支撑。尽管它们很耐用，但只有20%到30%的槟榔种植者使用它。长期经验丰富的栽培者不喜欢这样，因为它只能承受与旋风和严重旋风风暴相关的高速风的狂怒，只能达到一个非常特定的阈值限制。超过这个阈值，整个遮阳网和槟榔藤一起被连根拔起。土著建造的boroj另一方面，不是那么抗风，但这些材料，如竹子，树枝，椰子叶，稻草和其他茅草材料被风吹走，在风暴的情况下，允许风通过boroj从而使结构和植物部分完整，并使作物生长。这有助于农民避免收成的全部损失。在这种情况下，耕种者所要承担的唯一费用就是修理boroj在迎风方面和部分受损作物的成本。

已经准备了一个表(表5)，以便更好地理解实现理想所需的连续步骤boroj建筑和当地人实际遵循的步骤也被纳入其中。每个步骤被分配一个点，代表总分8分(100%)。最终得分为6.15(76.875%)，为滞后点，即已经避免或无法完成的部分。缺少步骤或子步骤可能会降低产量，但过量使用化肥已经克服了这一问题。

表5:Boroj评分(由作者准备)。

槟榔叶栽培的适当步骤	子步骤	为每个步骤/子步骤分配分数	实际遵循的步骤
选择合适的土地	土壤	0.5	0.5
	pH值	0.5	0.5
准备土地和养护土壤	阶段1	0.33	0.33
	第二阶段	0.34	不遵循
	第三阶段	0.33	0.33
理想亲本藤的选择	健康的	0.5	0.33
	成熟的工厂	0.5	不遵循
母藤的养护和树苗的采收	固化	0.33	0.33
	移除顶部	0.34	不遵循
	顶部	0.33	0.33
树苗养护		1	1
的制备PILI还是BHATI(用于种植的凸起地带)	治愈	0.5	0.5
	高度和宽度	0.5	不遵循
树苗种植		1	1
建设Boroj	建设	0.5	0.5
	维护	0.5	0.5
	总分	8 (100%)	6.15 (76.875%)

在采取上述第2类适应策略后;根据当前降雨和气温上升的趋势，探讨气候变化对研究区槟榔叶种植的影响，以及该地区和Sagar区块槟榔叶的生产力。

图15:生产力温度关系(源:国家园艺局)。 点击此处查看图

从图15中可以看出，在观测期间，尽管温度的上升趋势难以察觉，但槟榔叶的生产力有一个缓慢而稳定的增长。这证明了当地种植者采取的适应性策略是有效的。另一种说法是，生产率似乎不受温度升高的影响。这需要在政府间气候变化专门委员会(IPCC)发现气温上升超过1.5摄氏度的背景下加以考虑⁰C只影响作物产量和生产力^{33岁,15日,44岁}。然而，这里可能需要指出的是，IPCC只讨论全球温度数据，但1891-1970年期间，Sagar的平均日最低温度上升0.6°C，平均日温度上升0.1°C，以及从2000年起每年0.019°C的温度上升速度需要注意，因为这种温度上升的区域影响不能完全忽视。由于没有与此相关的二手数据，作者根据随后讨论的槟榔叶栽培者的感知调查对这一点进行了评估。此外，为了更深入地了解这一现象，研究槟榔叶种植者对气候变化影响的观察、意见和看法将是相关的。这种调查方法的基本原理在本文的前面部分详细阐述。

知觉调查设计

为了对这一现象进行完整的空间覆盖，我们对来自16个或多或少分布均匀的村庄的80名槟榔种植户进行了感知调查(每个样本村5名受访者)。然后根据应答者的经济状况和槟榔叶栽培者的职业年限将其分为两类。前者的理由是评估采用第2类适应策略的可负担性状况，而后者的理由是确定全球变暖对槟榔叶质量特征的影响。由于这些参数有一个稳定但难以察觉的上升，表明气候变化，因此无法确定温度或降雨量上升的明确断点，表明气候变化的开始。因此，受访者是根据他们的年龄和从事槟榔叶栽培的任期来选择的，同时考虑到长期经验和对这个问题的观察的好处。表6简要概述了该设计。

表6:感知调查设计。

Sagar C.D.街区村庄总数	样本村数目	样本村庄的百分比	回应者总数	受访者职业期间组别(以年计)	每个职业期组别的回答者数目	在每个职业组中应答者的百分比
47	16	34(约)	80人(每个样本村5人)	10吗?	4	5
				10 - 20	16	20.
				20 - 30	28	35
				30 - 40	22	27.5
				40 - 50	9	11.25
				＞50	1	1.25

用于评估经济状况的两个指标是- a)拥有/种植的槟榔藤数量;b)从事其他经济活动(槟榔叶以外的收入来源)。

气候变化对槟榔叶品质的影响

为了深入了解气候变化的表现形式，我们在前一节中分析了生产率数据。这一点，通过修炼三十几年的修行者的观察，得到了进一步的研究。近年来，由于温度的突然波动，它们中的大多数都报告了较高的“黑斑”(图16(a))和“叶绿素失绿”(图16(b)和(c))发生率。他们的观察结果记录在表7中。该表显示，无论经济地位如何，变暖的影响都体现在槟榔叶的质量和市场(经济)价值上。这意味着，在研究区域的局部尺度上，适应策略的采用不能抵消全球变暖的影响。认知调查还显示，无论受教育程度或经济状况如何，受访者都不知道气候变化或全球变暖。

图16:槟榔叶上的黑点(a)和黄化(b)和(c) (源:作者)。 点击此处查看图

表7:关于气候变化对槟榔叶种植影响的认知。

经济地位群体	受访者人数	不。仅报告发生黄化的受访者	％	不。受访者只报告黑点的发生情况	％	不。受访者报告两者发生的百分比	％	不。受访者没有回应	％
1	1	0	0	0	0	0	0	1	One hundred.
2	6	0	0	2	33.33	4	66.66	0	0
3.	27	1	3.70	13	48.15	13	48.14	0	0
4	19	0	0	11	57.89	8	42.11	0	0
5	23	2	8.69	6	26.08	13	56.52	2	8.69
6	4	0	0	2	50	2	50	0	0
职业期组	受访者人数(频率)	不。仅报告发生黄化的受访者	％	不。受访者只报告黑点的发生情况	％	不。受访者报告两者发生的百分比	％	不。受访者没有回应	％
＜10	4	0	0	0	0	3.	75	1	25
10 - 20	16	1	6.25	7	43.75	8	50	0	0
20 - 30	28	2	7.14	10	35.71	15	53.57	1	3.57
30 - 40	22	0	0	10	45.46	11	50	1	4.55
40 - 50	9	0	0	4	44.44	5	55.55	0	0
＞50	1	0	0	0	0	1	One hundred.	0	0

调查结果及讨论

研究区气候变化的明显证据是显而易见的。用于测量气候变化的指标是温度、降雨和各种尺度风暴发生的频率。所有这些指标在过去100年都显示出增加的趋势。

在20世纪60年代中期，气温和降雨的趋势出现了明显的中断。在此之前，温度波动超出IMD正常范围并不是特别引人注目。自1960年中期以来，出现了三次负波动，远低于国际货币基金组织的正常水平(图2)明显。另一方面，正波动在IMD正常范围内。最高(夏)温和最低(冬)温变化趋势分析显示上升趋势分别为0.0019和0.0117。因此，冬季的温度变化比夏季快，这意味着日温度随时间的降低。平均气温上升趋势为0.0117(图2)，气候变化不是通过明显的气温上升表现出来的，而是以波动的形式表现出来的，这对槟榔叶的生产力和品质更加不利。对过去100年的降雨模式的分析显示出波动趋势，正值和负值峰值超出了正常范围(由IMD规定)。

就温度而言，平均变化率为0.19。在降雨的情况下，也注意到100年期间的波动。降雨的变化率在正常范围内，但雨季开始和结束的日期发生了重大变化³⁸。

考虑到槟榔叶对这些变化的敏感性，从概念上讲，通过产量下降、产品质量等对槟榔叶的生产力和质量产生不利影响似乎是不可避免的。然而在现实中，情况并非如此。首先是因为气温的上升幅度远小于1.5度^oC，根据IPCC的说法，这是对农业影响的阈值。其次，采用适应性策略，如施肥、土壤处理、人工结构的建设(boroj)对环境天气的控制在很大程度上抵消了气候变化对作物生产的不利影响。

综上所述，可以说该地区在经济上和地理上都是一个边缘地区，耕种者作为自给自足的商业农民经营。因此，他们不仅缺乏对气候变化对槟榔叶的影响进行科学分析的必要资金，而且也不流行。因此，对槟榔的感知和认识调查是记录研究区气候变化影响的唯一出路。此外，尽管有气候变化的证据，但它还没有达到对生产力产生不利影响的阈值限制。在目前研究的气候变化情景下，生产力保持不变。然而，如果这种变化像ARIMA模型预测的那样持续30年，这种情况将严重损害槟榔叶的生产，特别是考虑到研究的边际经济。因此，目标应该是防止温度进一步上升，这应该减轻气候变化引起的问题。应采取并遵守适当的缓解战略，以维持气候情景的现状或降低目前的温度变化率。

确认

我们感谢印度气象部门和国家园艺委员会为学术和研究目的提供必要的数据。

利益冲突

作者声明无利益冲突。

资金来源

本研究工作没有收到任何经费/赠款。

参考文献

1. 刘建军，刘建军，刘建军，刘建军。农业生态学和设计适应气候变化的农业系统。Agron Sustain Dev。35 2015;(3): 869 - 890。doi: 10.1007 / s13593 - 015 - 0285 - 2
   CrossRef
2. Hoque MZ，崔松，徐莉，Islam I，唐杰，丁森。气候变化对孟加拉国沿海农业生计脆弱性的影响。环境与公共卫生。2019; 16(22): 4552。doi: 10.3390 / ijerph16224552
   CrossRef
3. hoden SM, Soussana JF, Tubiello FN, Chhetri N, Dunlop M, Meinke H.农业适应气候变化。: 6。
4. 李建军，李建军，李建军。评估沿海地区农业系统对气候变化的脆弱性:一个新的指数。可持续性。2020; 12(11): 4771。doi: 10.3390 / su12114771
   CrossRef
5. [4]刘建军，李建军，李建军。气候变化对全球粮食安全的影响。全球环境变化。1999; 9: S51-S67。doi: 10.1016 / s0959 - 3780 (99) 00018 - 7
   CrossRef
6. 史密斯DL，阿尔马拉兹JJ。气候变化与作物生产:贡献、影响和适应。J植物能致病吗。2004年,26(3):253 - 266。doi: 10.1080 / 07060660409507142
   CrossRef
7. 桑顿P，迪内什D，克莱默L, Loboguerrero AM，坎贝尔B.气候变化中的农业:在温室面前保持凉爽。阿格利司前景。47 2018;(4): 283 - 290。doi: 10.1177 / 0030727018815332
   CrossRef
8. 气候变化对湿润热带地区作物生产影响的研究进展。科学J地球暖。2017; 1(1)。doi: 10.23959 / sfjgw - 1000002
   CrossRef
9. [3]刘建军，刘建军，李建军。气候变化、全球粮食供应和全球粮食危机。[中文][B]生物科学。2005, 360(1463): 2125 - 2138。doi: 10.1098 / rstb.2005.1751
   CrossRef
10. 气候变化简史。BBC新闻。https://www.bbc.com/news/science -环境- 15874560。出版于2013年9月20日。于2022年9月24日发布。
11. 随机气候模式。第一部分。理论。忒勒斯。1976年,28(6):473 - 485。doi: 10.1111 / j.2153-3490.1976.tb00696.x
    CrossRef
12. 随机天气和气候模式。Nat Rev物理。2019; 1(7): 463 - 471。doi: 10.1038 / s42254 - 019 - 0062 - 2
    CrossRef
13. 刘建军，刘建军，刘建军，等。气候变化科学的历史概述。在线出版2007:36。
14. Kumar SN, Aggarwal PK, Rani S, Jain S, Saxena R, Chauhan N.气候变化对印度西高止山脉、沿海和东北地区作物生产力的影响。咕咕叫科学。2011, 101(3)。
    doi: 10.1163 / 9789004322714 _cclc_2015 - 0171 - 002
    CrossRef
15. Porter JR, Semenov MA。作物对气候变化的响应。[中文][B]生物科学。2005, 360(1463): 2021 - 2035。doi: 10.1098 / rstb.2005.1752
    CrossRef
16. A Yaduvanshi A, Zaroug M, Bendapudi R, New M. 1.5°C和2°C全球变暖对印度区域降雨和温度变化的影响。环境资源共同体。2019; 1(12): 125002。2515 - 7620 . doi: 10.1088 / / ab4ee2
    CrossRef
17. 卡尔·TR，奈特·RW，克里斯提·JR.全球和半球温度趋势:与空间采样不足相关的不确定性。J爬。1994; 7:1144 - 1168。1520 - 0442 . doi: 10.1175 / (1994) 007 < 1144: GAHTTU > 2.0.CO; 2
    CrossRef
18. 自然环境灾害及其管理:以印度萨加尔岛为例。新加坡J Trop地理。1997; 18(1): 20-45。doi: 10.1111 / 1467 - 9493.00003
    CrossRef
19. A, Meraj G, Kanga S，等。印度Sagar岛气候变化脆弱性与风险评估水。2022; 14(5): 823。doi: 10.3390 / w14050823
    CrossRef
20. 改善萨加尔岛居民生计的项目概念。孙德本斯发展委员会;2008:65。
21. A, Meraj G, Kanga S，等。印度Sagar岛气候变化脆弱性与风险评估水。2022; 14(5): 823。doi: 10.3390 / w14050823
    CrossRef
22. Hazra PS, Samanta K, Mukhopadhyay A, Akhand A.孙德班时间变化检测(2001-2008)研究。在线出版2010:128。
23. Hazra S, Ghosh T, DasGupta R, Sen G.孙德尔本斯海平面及其相关变化。在线出版2002:26。
24. Mitra A, Gangopadhyay A, Dube A, Schmidt ACK, Banerjee K. 1980-2007年印度孙德尔本斯(孟加拉湾西北部)水团性质的观测变化。咕咕叫科学。2009, 97(10): 9。
25. Bandyopadhyay年代。萨加尔岛:演变、地貌和环境管理。未发表的论文。加尔各答大学;1996.
26. 李建军，李建军，李建军，等。中国海岸侵蚀的研究进展[j]国际科学研究中心。2015; 4(3): 5。
27. Jayappa KS, Mitra D, Mishra AK。海岸地貌与土地?使用和土地?利用遥感数据对孟加拉湾Sagar岛(印度)进行覆盖研究。国际遥感。2006; 27(17): 3671 - 3682。doi: 10.1080 / 01431160500500375
    CrossRef
28. 沿海地区的农业:环境问题、影响和调控工具。: 19。
29. 陈旭，宗勇。海平面上升对环上海长三角地区农业的主要影响。: Geogr。1999; 19(1): 69 - 84。doi: 10.1016 / s0143 - 6228 (98) 00035 - 6
    CrossRef
30. 气候变化对印度园艺的影响——综述。: 11。
31. Gopalakrishnan T, Hasan M, Haque A, Jayasinghe S, Kumar L.气候变化下沿海农业的可持续性。可持续性。2019; 11(24): 7200。doi: 10.3390 / su11247200
    CrossRef
32. Mishra D, Sahu NC。气候变化对沿海奥里萨邦农业部门的经济影响。APCBEE Procedia。2014; 10:241 - 245。doi: 10.1016 / j.apcbee.2014.10.046
    CrossRef
33. 联合国政府间气候变化专门委员会。政策制定者总结;2018.
34. 李建军，李建军，李建军，等。气候变化与世界粮食供应。牛津大学环境变化研究中心;1993.于2022年9月29日生效。http://www.ciesin.org/docs/004-046/004-046.html
35. Jana提单。Grambanglar Arthakori Foshol-Paan。第一。显示器打印机有限公司;1995.
36. 熊猫J。Paschimbange Arthokari Paner Chas。第三版，德比书摊;2019.
37. SATSA。Paan chas Somossa o Protikar。在:第3卷。第三版。SATSA krishi pustika。国家农业技术人员服务协会;2013:32。
38. 张建平，张建平，张建平。气候变化对中国水产养殖的影响。[j]。2012年在线出版。
39. 统计预测:回归与时间序列分析注释。2014年出版。于2022年10月16日生效。https://people.duke.edu/~rnau/411home.html
40. 戴静，陈森。ARIMA模型在人口数据预测中的应用。[J]物理学报。2019年,1324(1):012100。1742 - 6596/1324/1/012100 doi: 10.1088 /
    CrossRef
41. 什维塔。时间序列预测导论-第2部分(ARIMA模型)。媒介。2021年7月30日发布。于2022年10月16日生效。https://towardsdatascience.com/introduction-to-time-series-forecasting-part-2-arima-models-9f47bf0f476b
42. 孟加拉湾强气旋频率的长期趋势?:观测和模拟。MAUSAM。2007年,58(1):59 - 66。doi: 10.54302 / mausam.v58i1.1131
    CrossRef
43. Sultan B, Defrance D, Iizumi T.两种作物模型中历史全球变暖导致西非作物产量损失的证据。Sci代表。2019; 9(1): 12834。doi: 10.1038 / s41598 - 019 - 49167 - 0
    CrossRef
44. 沙阿R，斯里瓦斯塔瓦R.全球变暖对印度农业的影响。维持环境。2017; 2(4): 366。doi: 10.22158 / se.v2n4p366
    CrossRef