综述：气候变化对作物产量的负面影响被低估

（编辑推荐）本综述指出，当前作物模拟模型（Crop Simulation Models）在评估极端气候（如暴雨、涝渍）对作物产量的影响时存在显著低估，因其难以捕捉复杂作物×气候互作机制。建议结合机器学习（ML）等新兴技术改进模型，以提升全球粮食系统在极端天气下的韧性。

　　

Highlights
作物模型被广泛用于评估气候变化对农业生产的影响，但近期极端天气事件暴露了其在模拟复杂作物×气候互作机制上的局限性。研究重点已转向多重胁迫（如极端干旱、高温和暴雨）的协同建模。数据可用性和计算方法（包括机器学习）的进步为改进作物生长模型及极端气候下的产量预测提供了新机遇。

Abstract
作物模拟模型是预测气候变化对产量影响的核心工具，但其对历史极端事件的模拟能力较差。通过系统分析现有模型发现，多数模型无法准确模拟暴雨、涝渍等逆境对作物的损害机制。随着极端气候频率和强度的预期增加，当前模型可能持续低估气候影响。优化模型对精准预测产量、增强全球粮食系统抗逆性至关重要。

关键发现

1. 模型局限性：传统作物模型（如DSSAT、APSIM）在模拟极端降雨导致的涝渍胁迫（Waterlogging Stress）时，常忽略根系缺氧和养分流失等生理过程。
2. 多重胁迫盲区：高温与干旱的协同效应（如光合抑制¹）被部分模型（如CERES-Maize）纳入，但暴雨与病虫害的互作仍缺乏动态耦合。
3. 技术突破：机器学习（ML）可通过整合卫星遥感（如NDVI_植被指数）和田间传感器数据，提升模型在区域尺度的适应性。

未来方向
需开发新一代模型整合以下机制：

• 极端降水引发的土壤侵蚀与作物倒伏
• 高温胁迫下花粉育性下降的量化模块
• 基于深度学习的多尺度气候-作物耦合预测框架

（注：全文结论均基于原文实证，未添加主观推断）