气候变化模式下旱作春小麦生产的长期模拟：五种作物模型在不同气候年型中的性能评估

推荐：研究人员针对作物模型在不同气候年型中的适应性和有效性不确定问题，在西北半干旱区开展五种模型（APSIM、AquaCrop、DSSAT、SSM-iCrop、WOFOST）对旱作春小麦生长的长期模拟研究。结果表明，模型在校准后能较好模拟常规气候条件下的作物生长，但在干旱年型中普遍高估产量（RRMSE>30%），揭示了当前模型在极端气候预测中的局限性，为模型跨区域和未来气候场景应用提供了关键警示。

　　

在全球气候变化加剧的背景下，半干旱区农业面临前所未有的挑战。这些地区降水变率大、蒸发强烈，作物生长常受水分胁迫制约。传统作物模型作为农业决策的重要工具，其校准多基于特定年份或理想条件数据，导致模型在应对复杂气候模式时表现不稳定——有的研究称模型会高估干旱年产量，有的则认为会低估，这种矛盾让科研人员对模型的普适性产生质疑。

中国气象局兰州干旱气象研究所/甘肃省干旱气候变化与减灾重点实验室的研究团队选择西北黄土高原西部典型半干旱区（年降水350-500mm，60%降水集中在7-9月），通过1987-2018年长期田间试验数据，结合不同播期和灌溉试验，系统评估了五种主流作物模型（APSIM、AquaCrop、DSSAT、SSM-iCrop、WOFOST）对旱作春小麦生长的模拟能力。研究创新性地提出"气候年型"分类框架，以播种期土壤含水量（SWCS）和生长季大气湿度条件（AMC，即参考蒸散发与降水差值）作为关键指标，将32年气候数据划分为5种年型（A-E型），揭示了模型性能随气候极端程度加剧而下降的规律。

研究采用多源数据融合策略：长期定位观测数据用于验证，不同播期试验校准积温参数，灌溉试验优化生物量模块，并首次在模型中引入大气干旱胁迫对光合作用的抑制机制。通过随机森林模型和K-means聚类分析，明确了SWCS与AMC是影响产量的核心因子——SWCS通过调控分蘖数（相关系数0.74）和最大叶面积指数（Max-LAI）间接决定产量，而AMC直接影响灌浆期同化产物分配。

研究结果呈现三大发现：

1. 气候年型划分：A型（高SWCS+湿润AMC）产量最高（中位数2.8吨/公顷），E型（低SWCS+干旱AMC）最低（1.1吨/公顷），且干旱年型发生频率从1980年代的9%升至2010年代的21%。
2. 模型性能差异：所有模型在常规年型（A-C型）表现良好（RRMSE<25%），但在D/E型中普遍高估产量30%以上，其中DSSAT误差最大（RRMSE 36.7%），而简单模型SSM-iCrop反较复杂模型更稳健。
3. 机制解析：模型低估了干旱年型中SWCS对出苗率的抑制（实测出苗率降低40-60%）及AMC对气孔导度的胁迫（日间VPD>2 kPa时同化速率下降50%），导致生物量模拟偏差达1443-2454 kg/ha。

讨论部分尖锐指出当前模型的三大局限：一是参数校准过度依赖"正常年份"数据，忽视极端气候的耦合胁迫效应；二是多数模型固定播种密度，未能体现SWCS对群体构建的调控；三是对大气干旱（VPD）影响光合的机制刻画不足。这些缺陷使得模型直接移植到邻近干旱区或未来气候场景时可能产生系统性偏差。

该研究发表于《Agricultural Systems》，其重要意义在于首次量化了作物模型在半干旱区的气候年型敏感性，为模型改进提供了明确方向——未来需整合土壤-大气复合干旱模块，并建立基于长期气候概率的校准框架。研究警示：在当前模型未充分优化前，直接用于粮食安全预测可能严重低估气候变干带来的减产风险，这对全球干旱区农业适应策略制定具有深远影响。