《Agricultural Water Management》：Regional disparities in winter wheat production potential and stability under future climate change: Evidence from rainfed and irrigated systems in China
编辑推荐：
专业摘要翻译：
冬小麦（Triticum aestivum L.）是全球最重要的主粮作物之一，也是全球人口膳食热量的主要来源。随着人口增长与经济发展，全球对小麦的需求持续上升。联合国粮农组织（FAO）指出，到2050年全球农业生产需增加约50%才能满足不断增长
专业摘要翻译：
冬小麦（Triticum aestivum L.）是全球最重要的主粮作物之一，也是全球人口膳食热量的主要来源。随着人口增长与经济发展，全球对小麦的需求持续上升。联合国粮农组织（FAO）指出，到2050年全球农业生产需增加约50%才能满足不断增长的人口需求，粮食安全已成为全球农业可持续发展的核心议题。中国以占全球仅9%的耕地面积养活了超过20%的全球人口，小麦是中国最主要的谷类作物，种植面积达2.3×107公顷，总产量达1.4亿吨，占全球总产量的15%以上。因此，准确评估未来气候变化对冬小麦产量潜力和产量稳定性的影响，对于制定有效适应策略、保障国家粮食安全和促进农业可持续发展至关重要。
气候变化已被广泛认为是制约作物生长和产量形成的主要非生物胁迫因素。已有研究表明，气温升高可通过加速物候进程、降低光合活性和缩短生育期而对作物产量产生负面影响。据报道，未来温度每升高1.0 ℃，全球小麦产量将降低5.0%以上。此外，降水不足导致的水分亏缺会抑制冬小麦的生理生长发育，从而抑制籽粒产量形成。随着气温升高和降雨分布规律改变，极端气候事件的频率和强度持续增加，可能导致作物产量变率增大。然而，基于国家尺度的作物模型评估大多聚焦于未来气候变化对平均作物产量的影响，而对产量稳定性这一反映农业生产系统在气候风险下韧性的重要指标关注相对不足。此外，平均气候变化与极端气候事件往往被分开评估，二者在解释冬小麦产量及稳定性变化中的相对重要性尚未得到充分量化。不同农业生态区的水热条件和水资源可用性差异可能导致冬小麦对气候变化和灌溉管理措施的响应存在差异。因此，在雨养和灌溉条件下，对冬小麦产量水平和稳定性进行综合评估，并定量评价平均气候变量与极端气候事件的相对重要性，对于提高农业系统的气候韧性和制定区域针对性适应策略至关重要。
为准确预测未来农业趋势，必须输入未来气象数据以驱动所采用的作物模型。耦合模式比较计划第六阶段（CMIP6）通过大气环流模型（GCMs）提供未来气象信息，为利用作物模型预测未来作物生产提供了可靠的数据支持。本研究将CERES-Wheat作物模型与多个GCM-derived未来气候数据集耦合，评估中国雨养和灌溉条件下未来气候变化对冬小麦生产影响的区域差异。具体研究目标包括：（1）预测主要产区未来雨养和灌溉条件下冬小麦物候和产量的变化；（2）评估不同未来气候情景下冬小麦产量潜力和稳定性的时间趋势与区域变率；（3）量化平均气候变量和极端气候事件对未来冬小麦产量变化的相对重要性。
论文解读文章
一、研究背景与问题提出
冬小麦是全球最重要的主粮作物之一，为全球人口提供主要膳食热量来源。中国以占全球仅9%的耕地面积支撑了超过20%的全球人口，小麦作为中国最主要的谷类作物，种植面积达2.3×107公顷，总产量超过全球总产量的15%。在全球人口持续增长和经济发展的推动下，粮食需求不断攀升，据联合国粮农组织（FAO）预测，到2050年全球农业生产需增加约50%方能满足需求，粮食安全已成为全球农业可持续发展的核心议题。
气候变化已被广泛视为制约作物生长和产量形成的主要非生物胁迫因素。已有研究证实，气温升高会加速作物物候进程、降低光合活性并缩短生育期，从而对产量产生负面影响；全球范围内，未来温度每升高1.0 ℃，小麦产量将下降5.0%以上。同时，降水不足造成的水分亏缺会抑制冬小麦的生理生长与发育，进而抑制籽粒产量形成。随着气温升高和降雨格局改变，极端气候事件（如极端高温、极端干旱、极端降水）的频率和强度持续增加，可能导致作物产量年际变率增大，威胁农业生产的稳定性。
然而，现有基于国家尺度的作物模型评估研究大多聚焦于未来气候变化对平均产量的影响，对产量稳定性——这一反映农业生产系统在气候风险下韧性的重要指标——关注明显不足。此外，平均气候变化与极端气候事件的影响往往被分开评估，二者在解释冬小麦产量及稳定性变化中的相对重要性尚未被充分量化。不同农业生态区的水热条件和水分资源可用性差异也可能导致冬小麦对气候变化和灌溉管理措施的响应存在显著区域差异。因此，亟需在雨养和灌溉两种水分管理条件下，对冬小麦产量水平和稳定性进行综合评估，并定量解析平均气候变量与极端气候事件的相对贡献，以制定区域针对性的适应策略，提升农业系统的气候韧性。
二、研究目的与研究内容
基于上述背景，研究人员提出假设：未来气候变化将对冬小麦产量潜力和稳定性产生不利影响，而灌溉可在一定程度上缓解气候引发的生产风险，且这些影响的幅度以及平均气候变量和极端气候事件在不同区域间的相对重要性因水热条件和水分可用性差异而有所不同。为验证该假设，研究人员将CERES-Wheat作物模型与20个CMIP6框架下的大气环流模型（GCMs）输出数据耦合，在SSP2–4.5（中等排放情景）和SSP5–8.5（高温室气体排放情景）两种未来气候情景下，系统评估了中国四大冬小麦主产区（黄淮海平原、黄土高原、西南地区和新疆）雨养与灌溉条件下冬小麦生产对未来气候变化的响应。具体研究目标包括：（1）预测主要产区未来雨养和灌溉条件下冬小麦物候和产量的变化；（2）评估不同未来气候情景下冬小麦产量潜力和稳定性的时间趋势与区域差异；（3）量化平均气候变量和极端气候事件对未来冬小麦产量变化的相对重要性。
三、主要关键技术方法
研究人员利用中国气象数据服务中心提供的1981–2020年历史基线期逐日气象数据，以及171个农业气象观测站（黄淮海平原56个、黄土高原47个、西南地区47个、新疆21个）2001–2010年的冬小麦物候和产量观测数据。未来气候数据来源于CMIP6框架下20个GCMs在SSP2–4.5和SSP5–8.5情景下的输出，经多变量偏差校正和统计降尺度处理后，通过随机天气发生器生成逐日气候序列，并利用泰勒图（Taylor diagrams）评估降尺度效果。土壤数据分为土壤水力参数数据和土壤特性数据两类。研究人员采用DSSAT v4.8中的CERES-Wheat作物模型模拟冬小麦物候和产量，利用广义似然不确定性估计（GLUE）程序对171个站点的品种遗传系数进行校准和验证。为定量解析各气候因子的相对重要性，研究人员构建了随机森林（Random Forest, RF）模型，并采用基于博弈论的SHAP（SHapley Additive exPlanations）方法解释模型输出，揭示不同气候因子对产量变化的非线性影响和方向性贡献。产量稳定性以平均产量与产量标准差之比（Sy = Ymean/YSD）衡量，并采用三分位分类法对产量水平和稳定性进行分级。
四、研究结果
4.1 未来平均气候与极端气候指数的变化
与基线期相比，SSP2–4.5情景下未来冬小麦生长季降水量（Pre）、最高温度（Tmax）、最低温度（Tmin）和太阳辐射（SRAD）平均分别增加45.5 mm、2.1 ℃、1.5 ℃和79.2 MJ m?2；SSP5–8.5情景下分别增加71.8 mm、4.6 ℃、5.0 ℃和131.3 MJ m?2。区域上，黄淮海平原的降水量和太阳辐射增幅最大（66.5–98.6 mm和131.9–195.8 MJ m?2），西南地区的Tmax和Tmin增幅最高（2.8–6.4 ℃和2.4–6.2 ℃）。极端气候指数方面，极端高温指数（TXx、TD30、TR20、TNx）和极端湿润指数（R10、R20、RX1day）总体呈上升趋势，表明未来主产区面临更高的热胁迫和强降水引发洪涝的风险。西南地区极端高温事件增幅最大，可能成为未来冬小麦生产对气候变化高度脆弱的气候敏感区。新疆地区极端干旱指数呈增加趋势，未来可能面临更高的极端干旱事件风险，增加雨养冬小麦产量波动的风险。
4.2 作物模型校准与验证
利用171个站点2001–2005年观测数据校准、2006–2010年数据验证，开花期模拟的决定系数（R2）为0.91–0.93，均方根误差（RMSE）为11.2–13.5天，归一化均方根误差（NRMSE）为5.8–7.1%，一致性指数（d）为0.96–0.97；成熟期对应指标分别为0.90–0.92、11.1–13.0天、4.7–5.7%和0.96–0.98；籽粒产量的R2、RMSE、NRMSE和d值分别为0.68–0.75、912.7–920.5 kg ha?1、12.2–14.5%和0.88。模拟与观测值高度吻合，表明校准后的CERES-Wheat模型可准确再现研究区域的冬小麦物候和产量，适用于未来情景模拟。
4.3 未来物候与产量的变化
物候方面，SSP2–4.5情景下雨养和灌溉条件下冬小麦开花期平均分别提前17天和8天，成熟期分别提前约11天和6天；SSP5–8.5情景下开花期分别提前34天和17天，成熟期分别提前21天和10天。高排放情景下物候提前幅度大于中等排放情景，雨养条件下提前天数大于灌溉条件。区域上，雨养条件下黄淮海平原、黄土高原、西南和新疆的成熟期分别提前7–18、10–21、16–23和17–25天；灌溉条件下分别提前1–3、3–6、15–21和6–12天。
产量方面，SSP2–4.5和SSP5–8.5情景下雨养冬小麦平均产量较基线期分别下降21.3%和35.0%，而灌溉冬小麦平均产量分别增加2.9%和7.2%。这表明灌溉能有效缓解未来气候变化的不利影响并提升冬小麦产量。区域上，未来雨养冬小麦产量在黄淮海平原、黄土高原、西南和新疆预计分别下降12%左右（原文数据不完整，此处以原文表述为准）……（注：原文此段数据被截断，无法完整呈现区域具体数值，此处仅总结已获取信息。）
4.4 产量潜力与稳定性的区域差异
基于三分位分类法，雨养条件下冬小麦产量低于3373.1、3373.1–3719.0和高于3719.0 kg ha?1分别代表低、中、高产量水平，稳定性值低于3.1、3.1–4.5和高于4.5分别代表低、中、高稳定性；灌溉条件下产量低于5618.3、5618.3–6865.9和高于6865.9 kg ha?1分别代表低、中、高产量水平，稳定性值低于6.4、6.4–9.3和高于9.3分别代表低、中、高稳定性。黄淮海平原和黄土高原的产量潜力和稳定性相对较高。
4.5 平均气候与极端气候对产量的相对贡献
随机森林模型结合SHAP分析结果表明，降水量（Pre）、最高温度（Tmax）、极端高温和极端干旱气候是影响冬小麦产量的主要因素。不同气候因子对产量的影响存在非线性效应和方向性差异，且各区域间相对重要性排序有所不同。
五、讨论与结论
研究表明，未来气候变化将降低中国冬小麦的产量潜力和稳定性，雨养系统受影响程度显著大于灌溉系统。灌溉不仅能缓解极端气候的负面影响，还能显著提升产量稳定性。黄淮海平原和黄土高原的产量潜力和稳定性相对较高，而西南地区和新疆可能成为气候敏感区。研究结果强调了将平均气候变化与极端气候事件纳入综合评估的重要性，为制定区域针对性的冬小麦适应策略、保障国家粮食安全提供了科学依据。研究人员建议，未来应结合品种改良、播期调整和灌溉优化等适应性措施，以应对气候变化对冬小麦生产带来的挑战。
