泰国榴莲、山竹与咖啡在水气候变率下的气候阈值及产量弹性

《Journal of Agriculture and Food Research》:Climate thresholds and yield elasticity of durian, mangosteen, and coffee under hydroclimatic variability in Thailand

【字体: 大 中 小 】 时间:2026年07月16日 来源:Journal of Agriculture and Food Research 7.2

编辑推荐:

  该项研究利用2008年至2024年泰国56个气象站的气象观测数据与省级产量统计数据,考察了水气候变率与榴莲(Durian)、山竹(Mangosteen)和咖啡(Coffee)产量之间的经验关系。研究人员应用了集成统计框架,包括探索性相关分析、非线性二次加性建模

  
该项研究利用2008年至2024年泰国56个气象站的气象观测数据与省级产量统计数据,考察了水气候变率与榴莲(Durian)、山竹(Mangosteen)和咖啡(Coffee)产量之间的经验关系。研究人员应用了集成统计框架,包括探索性相关分析、非线性二次加性建模(Nonlinear Quadratic Additive Modelling)、滞后气候响应分析、弹性估计、模型比较、山竹区域敏感性分析及气候风险指数(Climate Risk Index, CRI)。结果表明,泰国六个农业气候区(Agroclimatic Regions)的温度、湿度和降水存在明显的空间梯度,大体对应于区域作物生产力格局。年度异常分析表明,暖湿年份通常与较高的榴莲和山竹产量相关,而过量的降雨和变暖则与咖啡生产力下降相关。年度气候变量与作物产量之间的两两线性相关性普遍较弱,表明简单的线性模型可能无法完全捕捉作物-气候关系。非线性建模表明,榴莲、山竹和咖啡的经验温度转折点分别接近28.0°C、27.3°C和26.6°C,湿度相关的转折点在76–78%左右。滞后气候响应模型表明,多年水气候条件可能影响多年生作物生产力,特别是榴莲对湿度的响应、咖啡对降水的响应以及山竹对温度和降水的响应。山竹敏感性分析显示,湿度和降水阈值受区域构成影响,尤其是纳入边际产区时。在等权重下的CRI公式中,山竹表现出最高的降雨相关气候风险信号,而咖啡对温度相关风险更敏感,榴莲对长期潮湿和湿润条件表现出中度脆弱性。
该研究发表于《Journal of Agriculture and Food Research》。研究背景方面,气候变化对热带地区农业生产构成日益严峻的挑战,升温、降雨模式转变及水气候变率与极端事件的加剧正影响全球作物生产力与粮食系统稳定性。东南亚是极易受影响的农业区,泰国过去二十年来经历了最低温上升、热浪增强及降雨变率加大,直接影响多年生作物表现。榴莲、山竹和咖啡作为泰国农业经济与农村生计的重要高价值热带木本作物,对气候胁迫高度敏感:榴莲依赖湿度与降雨,对极端湿润及夜间高温敏感,扰乱开花诱导并增加病害;山竹产量与土壤水分亏缺及季风时序不规则相关;咖啡生产则受升温与降雨不一致威胁,影响开花坐果与豆品质。既往研究虽提供了热带多年生作物气候敏感性的证据,但存在局限:多为单一作物或地方案例,缺乏全国尺度比较;依赖描述性、感知性或常规统计,未明确识别非线性气候阈值;极少量化滞后与累积气候效应;未用统一框架联合比较这三种作物。为此,研究人员整合泰国全国尺度作物产量数据与温度、湿度、降水观测,利用广义加性模型(Generalized Additive Models, GAM)、分布滞后非线性模型(Distributed Lag Nonlinear Models, DLNM)及气候风险指数(CRI)量化非线性阈值、弹性、延迟气候效应及比较性气候风险。
为开展研究,研究人员主要用到以下关键技术方法:数据来源于泰国气象部门气候学中心的降水、温度、湿度年度气候数据(来自56个气象站,2008–2024年,覆盖泰国六农业气候区)及泰国农业经济办公室省级农业统计的榴莲、山竹、咖啡收获面积、产量与年产数据(采用耕作面积产量kg/Rai而非总产量),通过Haversine大圆距离将省级产量点位匹配至最近气象站;方法上集成探索性气候-产量分析(计算Pearson与Spearman相关系数及产量与气候异常z-score)、广义加性模型(GAM,以二次平滑项拟合气候变量非线性响应并借导数法识别拐点阈值)、分布滞后非线性模型(DLNM,设0–3年滞后以二次函数捕捉多年生作物多年度气候记忆与滞后效应)、阈值与弹性分析(由二次响应函数偏导计算弹性,转折点即一阶导数为零处)、模型比较(对比多元线性回归、非线性GAM、滞后GAM及全集成框架,以R2、RMSE、AIC、BIC与交叉验证RMSE评估)、山竹区域敏感性分析(比较全区域、剔除北部、仅东-南核心产区模型)、气候风险指数(CRI,整合阈值超限频率Fthr、气候异常幅度Aanom与产量年际变异Vy,等权重ω1=ω2=ω3=1/3,各成分经min-max归一化至[0,1]后聚合)。
研究结果如下:
4.1. Spatial climate and crop yield analysis:空间上泰国南部温度最高(>28–30°C),北部与东北部较低(约18–24°C),中部与东部居中(24–28°C);湿度南部最高,东北部较低,北部与西部中等;降水西岸与南部极高(400–600 mm),北部与东部中等,中部平原与部分东北部较低。榴莲高产(>1200 kg/Rai)集中于东部,南部中等,北部与东北部低产;山竹高产在东部与南部,北部与东北部低产或无产;咖啡高产在北部(适Arabica的凉温18–24°C与适中降雨),中部、东北部与南部低产。空间梯度与作物分布及生理需求吻合。
4.2. Annual climate and crop yield analysis:2008–2024年几乎所有区域呈升温趋势;湿度因季风与水分状况有年际波动;降水呈增减年际变异。榴莲产量年际变化中高产对应高湿与充足降雨,低产对应干旱或异常高温年;山竹类似,湿暖年高产,降雨亏缺或湿度异常年减产;咖啡高产在凉年(北部气候),暖年产出减,体现热胁迫脆弱性。
4.3. Climate and crop yield anomalies:气候异常(z-score)显示2014–2015年负降水与湿度异常(干期),对应榴莲与山竹产量 depressed;2017–2019年暖且偏湿,对应二者正产量异常;咖啡早期正异常对应近或低于平均温,随后变暖转负异常;2021年后榴莲与山竹极差产量伴随极端暖与降雨改变,可能逼近耐受阈值。异常分析表明暖湿利于榴莲与山竹,凉利于咖啡,气候极端(旱或过热)致全国尺度减产。
4.4. Correlation analysis between climate and crops:Pearson(r)与Spearman(ρ)相关大多不显著(p>0.05),仅山竹与降水(r≈?0.67, p=0.009;ρ≈?0.547, p=0.046)、咖啡与降水(r≈?0.67, p=0.009;ρ≈?0.547, p=0.046)显著负相关,表明高年降雨与二者减产相关。榴莲与各气候变量弱且不显著;山竹温度弱负不显著,湿度Pearson弱、Spearman较强负但不显著;咖啡温度弱负不显著,湿度类似山竹。简单线性关联弱,需用非线性模型。
4.5. Generalized additive models (GAM) analysis:二次加性模型R2榴莲0.510(RMSE 130.532)、山竹0.573(RMSE 104.944)、咖啡0.373(RMSE 14.604),解释部分年际变异。估计阈值:温度榴莲28.034°C、山竹27.302°C、咖啡26.604°C;湿度榴莲76.381%、山竹76.471%、咖啡77.451%;降水榴莲277.077 mm、咖啡335.556 mm,山竹?109.032 mm(全区域模型不合理)。温度与湿度阈值在生理适宜范围,降水阈值各异,超量降雨无益或减产。
4.6. Sensitivity analysis for mangosteen marginal production regions:山竹全区域模型(含北部)温度阈值28.191°C、湿度64.778%、降水?42.176 mm;剔除北部模型温度27.517°C、湿度184.293%、降水98.706 mm;仅东-南核心区模型温度27.827°C、湿度78.974%、降水112.376 mm(更合理)。温度阈值较稳,湿度与降水阈值受区域构成敏感,全模型阈值为全国尺度经验指标,核心区更代表主产区。
4.7. Distributed Lag Nonlinear Models (DLNM):0–3年滞后DLNM单变量解释变异:榴莲滞后湿度R2=0.835(RMSE 71.210)、降水0.728(91.454)、温度0.608(109.721);山竹温度R2=0.794(72.977)、降水0.773(76.511)、湿度0.295(134.875);咖啡降水R2=0.879(6.426)、温度0.686(10.344)、湿度0.532(12.620)。多年气候历史对多年生作物产量变异关键,榴莲赖持续湿度,山竹赖温雨序列,咖啡赖降水史。
4.8. Model comparison and added value of the integrated framework:对比线性、二次GAM、滞后模型:榴莲二次GAM优于线性(R20.323→0.766,RMSE 147.519→86.769,AIC、BIC、CV-RMSE更低);山竹二次GAM提升样本内R2与RMSE但AIC、BIC、CV-RMSE高于线性,预测稳健有限;咖啡滞后降水略优于线性,二次GAM过拟合(CV-RMSE大增)。框架主要贡献在解释性:同步评估非线性响应、阈值、滞后敏感、弹性与气候风险,预测优异性受短产量记录限制。
4.9. Climate risk index (CRI) analysis:等权重CRI(归一化Fthr、Aanom、Vy):温度CRI榴莲0.35(Fthr0.059)、山竹0.57(0.412)、咖啡0.58(0.706),山竹与咖啡温风险更高;湿度CRI山竹0.43(Vy高)、榴莲0.35、咖啡0.34;降水CRI山竹0.74(Fthr=1.0)、榴莲0.52、咖啡0.47。山竹最易受气候胁迫(尤降水与湿度),咖啡温风险敏感,榴莲中度脆弱于长期潮湿而非温极端。
讨论部分总结:该研究通过集成框架揭示水气候变率与三种作物产量的非线性、滞后关系及区域风险差异,弥补既往单一、线性、无滞后、无联合比较的不足。阈值、弹性与CRI为泰国农业气候适应提供诊断依据,但框架预测性受限于短时序,山竹阈值受区域异质影响需谨慎解读。研究结论部分翻译:该研究利用2008至2024年泰国年度气候观测与作物产量数据,评估了水气候变率与榴莲、山竹和咖啡产量的经验关系,集成探索性相关分析、非线性二次加性建模、滞后气候响应分析、弹性估计、模型比较、山竹区域敏感性分析及气候风险指数(CRI)。空间结果显示区域气候梯度大体对应于作物分布格局,榴莲与山竹生产力集中于暖湿东部与南部,咖啡生产力更关联凉北部。年度异常分析进一步表明暖湿年通常利于榴莲与山竹产量,咖啡生产力在暖或过量湿年趋降。年度气候变量与作物产量两两线性相关性普遍弱,表明简单线性关联不足以完全描述这些多年生作物的气候-产量关系,显著负相关主要见于降水与山竹及咖啡产量,提示过量降雨可能减产。非线性二次加性模型识别出榴莲、山竹、咖啡的经验温度转折点分别近28.0°C、27.3°C、26.6°C,湿度相关转折点约76–78%。模型比较显示非线性与滞后建模的益处因作物而异,二次模型对榴莲改善更明显,山竹与咖啡某些复杂模型提升样本内拟合但交叉验证表现较弱,故该框架最好解释为诊断性气候敏感性评估而非普适优越预测模型。山竹区域敏感性分析进一步显示温度相关转折点较稳,湿度与降水阈值对区域构成敏感。等权重CRI公式显示山竹具最高降雨相关风险信号,咖啡对温度相关风险更敏感,榴莲主要在长期潮湿条件下显中度脆弱。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号