复合气候极端事件加剧粮食不安全

《GLOBAL ENVIRONMENTAL CHANGE-HUMAN AND POLICY DIMENSIONS》：Compound climatic extreme events amplify food insecurity

　　

•复合极端事件（即多种极端天气同时发生）的影响仍存在不确定性。
•全球水循环加剧将使到2050年极端高温频率超过90%。
•复合气候极端事件可能使水稻产量减少约?2.8至0.8 t ha?1。
•产量负面影响超过CO?的增产效益，扩大了产量差距。
•需要增加投资以提升单季种植区粮食系统的韧性。

**引言**

尽管关于气候变化对粮食系统影响的信息比比皆是（Masson-Delmotte等，2021），但当前对复合极端事件影响粮食系统的认识仍十分初步。作为全球最大的水稻生产国，中国面临着复合事件（两个或多个极端天气事件在时空上同时发生）和级联事件（由极端事件引发的后续事件）的重大风险，这对国家和全球粮食安全构成重大威胁。仅在2022年，前所未有的热浪就使300多个气象站突破了长期记录，而历史上最严重的干旱之一席卷了整个长江流域（Yin等，2023）。尽管复合事件造成的破坏可能远甚于孤立极端事件（Gaupp等，2020；Hasegawa等，2022；Yin等，2023），但其对社会经济稳定性的后续影响仍缺乏充分量化（Shahpari等，2021）。由于可耕地资源有限，若要使粮食安全跟上日益增长的人口需求，就必须提高单位面积产量（Tilman等，2011），且不能损害自然资本（Harrison等，2014；Xia等，2018）或增加粮食系统温室气体（GHG）排放（Meier等，2020）。

水稻是全球约35亿人主要的热量来源（FAOSTAT，2023）。尽管产量取得了实质性增长，中国水稻产业仍日益受到气候变异和变化的威胁（Lobell，2007；Peng等，2004；Shao等，2020；W. Wang等，2020b；Ziska等，2018）。以往研究多采用单一气候变量视角，聚焦于极端高温、突发洪涝或全球变暗等孤立影响（Fu等，2023；Mahrookashani等，2017；Welch等，2010）。例如，田间试验表明，敏感生长阶段暴露于极端高温可使水稻产量下降16–30%（Jagadish等，2021；Ji等，2023；van Groenigen等，2013；W. Wang, Cai等，2016）。洪涝可淹没水稻植株并大幅降低产量，尤其是淹没持续时间超过一周时更为严重。证据显示，洪涝造成全球水稻年产量损失约4.3%，中国东部沿海地区损失超过14%，具体取决于洪涝深度和持续时间（Li等，2025；Meng等，2022）。同样，由空气污染引起的太阳辐射减少（全球变暗）在中国田间试验中使水稻产量下降8.3–20.1%（X. Chen等，2020；Shao等，2020；Yang等，2014）。

新兴证据表明，极端天气事件的连续或并发发生可能由多种途径引发（Korres等，2017；Mahrookashani等，2017；Zscheischler等，2018）。春夏季的低土壤湿度会大幅加剧热浪强度，而高温低湿则可能是剧烈火灾的预报指标（Zscheischler等，2018）。当多个天气系统同时出现时也可能形成复合事件：飓风桑迪即由北大西洋中高纬度的强阻塞高压与加拿大上空的中纬度槽共同作用形成，从而引发了大规模突发洪涝（Zscheischler等，2018）。复合气候极端事件在近几十年显著加剧，日益受到科学界和更广泛社会的关注（Liu等，2023；Sarhadi等，2018；R. Sun等，2025；Yu等，2024）。例如，1950年至2009年间热干极端事件并发频率增加了2%，且2005年后增速加快（Lesk & Anderson，2021）。同期，全球多个粮食主产区经历了显著的产量冲击（Anderson等，2023；Feng等，2021）。

以往研究主要关注干旱与热胁迫并发对作物产量的影响。Sun等（2025）发现单季稻的热—旱事件大幅增加，而晚季稻的冷害—雨事件仅小幅上升。作物对不同生长阶段的敏感度也存在差异，单季稻在灌浆期最为脆弱，晚季稻则在抽穗—开花期更为敏感。此外，Cao等（2025）和Chen & Wang（2023）进一步表明，复合旱—极端降雨事件在夏季影响面积最大，且旱—雨序列的出现频率和强度都高于雨—旱序列。即便如此，水稻在主要作物中风险最低，产量波动仅约2.3 kg ha?1。极端事件的级联效应比复合事件更难预测，因为级联事件往往涉及社会、环境和经济等多个维度。例如，2010年俄罗斯农作物大面积损毁导致国内粮食出口禁令，推高了全球小麦价格，并可能催化了埃及的政治动荡和社会骚乱（Werrell等，2015）。尽管已有这些进展，但目前对中国水稻各生育期复合气候事件发生概率及其对产量变化贡献的综合量化仍十分有限。

受城市扩张（X. Deng等，2024；He等，2017）等因素影响，水稻种植面积不断萎缩，加上人口增长和粮食需求上升，威胁到中国水稻自给自足的长期维持。产量差距分析为评估自给自足提供了一个有用的框架，通常定义为在养分缺乏、病虫害限制最小条件下产量潜力与实际产量之间的差异（van Ittersum等，2013）。已有若干研究量化了中国水稻的产量潜力和产量差距（Y. Chen等，2017；X. Wang等，2018a；H. Zhang等，2019；T. Zhang等，2014），但仍存在重要空白。第一，现有评估大多局限于特定区域，而非针对中国主要水稻种植系统进行全国层面的评价。第二，大多数研究强调历史状况，未考察产量差距在未来气候变化情景下的演变（Deng等，2019；H. Zhang等，2019；T. Zhang等，2014）。更为重要的是，以往工作很少明确纳入农业生态区的复合气候极端事件（Deng等，2019）。因此，目前仍不清楚复合气候极端事件如何塑造当前水稻生产风险、影响产量差距的规模，以及如何在持续增温条件下影响自给自足的前景。

在此，我们通过量化单个与复合气候事件相关的水稻生产失败概率，并评估历史和未来气候条件下的产量差距及自给自足能力，来弥补这些空白。为此，我们应用了vine-copula框架来估算过去和预测气候下的气候风险事件概率。传统的基于相关和回归的方法可以识别影响产量变率的主要气候驱动因素，但不太适合表征复合事件，因为它们无法显式捕捉气候变量的多变量联合分布，尤其是在依赖关系呈现非线性、非对称或集中在尾部时。相比之下，vine copulas将气候指标的边际分布与其依赖结构分离，通过配对copulas灵活表示多变量依赖关系，为估算水稻各生长期的联合超阈值概率提供了稳健的基础。我们随后对广泛种植的水稻品种进行了当代作物模型的校准和验证，并将其与CMIP6气候预测相结合，以评估中国水稻产业未来可能的气候结果。

**章节摘要**

**水稻种植**

中国水稻种植面积约2900万公顷，跨越从温带至热带的多个气候区。北方和中部以单季稻系统为主，30°N以南地区则以双季稻系统为主。我们聚焦于15个省份，这些省份合计约占全国水稻种植面积的96%和水稻产量的94%（图1A）。为评估气候变化对水稻生产的影响，我们将这些省份划分为6个区域（基于——此处原文截断）。

土地利用分析揭示水稻生产系统呈现衰退趋势

为量化自给自足能力，我们首先考察了历史水稻生产量的数量及其时空分布。中国水稻生产区域涵盖从温带至热带的气候变率，当代96%的生产集中在15个省份（图1A）。为了更好地分辨气候变化对作物发育的影响，我们根据生产系统和积温（热时间）将这些省份划分为6个区域（图1B）。

受产量提升影响的水稻种植面积下降

作为全球最大的水稻生产国，中国在全球水稻贸易中占据中心地位，即便国内生产出现相对较小的扰动，也可能对全球供应和市场产生不成比例的影响。尽管研究期间水稻种植面积有所下降（图1），但单季和双季系统的产量均有提升，表明中国长期产量提高并非仅由气候驱动，而是遗传……（此处原文截断）

**结论**

复合极端事件在中国多个水稻产区的发生概率日益增加，提高了粮食不安全的可能性，加大了年际生产波动，并可能对全球大米市场产生级联影响。相对于1981–2017年，涉及极端高温、降雨和/或太阳辐射的复合事件风险预计在单季稻系统中变化约3–50%，在双季稻系统中变化约1–60%。假设产量维持在产量潜力70%左右……（此处原文截断）

**CRediT作者贡献声明**

Weilu Wang：撰写—初稿、可视化、软件、方法、调查、数据管理、概念化。Xinyuan Cao：数据管理。Shaobing Peng：撰写—审阅与编辑。Lewis H. Ziska：撰写—审阅与编辑。William J. Davies：撰写—审阅与编辑。Kees Jan van Groenigen：撰写—审阅与编辑。Bin Wang：撰写—审阅与编辑。Deli Liu：撰写—审阅与编辑。Alencar J. Zanon：撰写—审阅与编辑。Ke Liu：撰写—审阅与编辑。

**利益冲突声明**

作者声明没有已知的与本文所报告工作可能产生影响的竞争经济利益或个人关系。

**致谢**

本工作得到中国国家自然科学基金（批准号32201888、32272197、32372214）、中国国家重点研发计划（2022YFD2300304）以及江苏省高校优势学科建设工程（PAPD）的支持。我们感谢各建模组以及气候模型诊断与比较计划（PCMDI）和WCRP耦合模型工作组（WGCM）在提供WCRP……（此处原文截断）方面的作用。

Weilu Wang｜Xinyuan Cao｜Shaobing Peng｜Lewis H. Ziska｜William J. Davies｜Kees Jan van Groenigen｜Bin Wang｜Deli Liu｜Alencar J. Zanon｜Ke Liu｜Fei Wang｜Longlong Xia｜Bin Wang｜Feng Zhang｜Jinfeng Chang｜Puyu Feng｜Daniel Forster｜Carla Ferreira｜Narasinha Shurpali｜Xiaogang Yin｜Matthew Tom Harrison