通过统计模型和模拟器预测的气候变化对中国干旱地区农作物产量的影响

《Agricultural Systems》：Projected climate change impacts on crop yields in China's drylands by statistical models and emulators

　　

• •
  两种方法都预测小麦产量将总体增加，但到2050年，东部干旱地区的玉米产量将下降。
• •
  温度和二氧化碳（CO₂）是影响产量变化的主要因素，而降水量增加的作用较为次要。
• •
  两种方法之间预测结果的差异源于它们对温度和二氧化碳（CO₂敏感度的不同。

引言

干旱地区占全球耕地的44%，并生产了全球60%的热量（《全球土地展望》，2017年）。然而，干旱地区被认为对气候变化非常脆弱，这对该地区的农作物生产构成了重大威胁（Knox等人，2012年；Rosenzweig等人，2014年；Wheeler和von Braun，2013年）。具体来说，由于极端温度、降水量减少、严重的地下水枯竭以及土地退化加剧，干旱地区的农作物生产力预计将会下降（L. Wang等人，2022年）。准确评估未来气候变化对干旱地区农业的影响对于保障粮食安全至关重要。

干旱地区的农作物产量受到多种气候因素的影响，这些因素以复杂的方式相互作用，并表现出显著的空间异质性。温度升高是导致农作物产量变化最重要的气候驱动因素之一，不同地区和作物之间的差异很大（Challinor等人，2014年；Chandio等人，2023年；Ottman等人，2012年；X. Wang等人，2020年；Zhao等人，2017年；Zhu等人，2022年）。像热带地区这样的温暖地区，由于温度升高而导致的产量减少比温带地区更为严重（X. Wang等人，2020年）。除了温度外，二氧化碳（CO₂）浓度的升高可能在一定程度上抵消由温度升高引起的产量减少（Deryng等人，2016年；Gray等人，2016年；Jin等人，2018年；Rosenzweig等人，2014年）。相比之下，降水量对农作物产量的影响在全球和地区层面上仍然没有定论（Challinor等人，2014年；Chandio等人，2023年；Y. Xu等人，2024年）。例如，在中国的不同地区，降水量与农作物产量之间存在正相关和负相关的情况（Q. Xu等人，2024年）。

目前关于气候变化对农作物产量影响的知识主要来自以下方法：人工控制的实验（Hatfield和Prueger，2015年；Kakani等人，2003年；Long等人，2004年）、基于过程的作物模型（Xiao等人，2018年）以及统计模型（Feng等人，2023年；Han等人，2023年），但这些方法得出的结果并不一致。虽然人工控制的实验（如生长室、开放式顶室、自由空气二氧化碳富集[FACE]）能够最准确地评估不同因素对农作物产量的影响，但它们的规模有限，无法捕捉到大范围的模式，且耗时费力（Ainsworth等人，2008年；Feng等人，2023年）。基于过程的模型可以模拟作物生长的机制，但受到输入数据和模型结构不确定性的影响（Challinor等人，2014年；Lobell和Asseng，2017年；Lobell和Burke，2010年；Shahid等人，2021年），不同模型对气候变化影响的预测结果存在显著差异（Li等人，2019a；B. Wang等人，2020年；Xu等人，2021年）。统计模型通过建立气候与农作物产量之间的实证关系，提供了一种替代基于过程的方法，从而使得农作物产量的预测更加容易获取和透明（Li等人，2019b）。然而，统计模型受到气候预测变量之间共线性的影响，在外推到未来情景时存在挑战，且难以捕捉详细的生理过程（Lobell，2010年；Lobell和Asseng，2017年；Lobell和Ortiz-Monasterio，2007年）。

最近，来自“全球网格化作物模型比较项目（GGCMI）第二阶段”的模拟器，作为“农业模型比较与改进项目（AgMIP）”的一部分，使得统计模型和基于过程的作物模型的优势得以结合，以轻量化和计算上可行的方式捕捉相关的作物模型响应（Franke等人，2020b；Liu等人，2023年）。与统计模型相比，模拟器是基于过程模型的输出进行训练的，主要表示作物在受控假设下对气候驱动因素的生理响应（Müller等人，2021年）。因此，统计模型和基于过程的模拟器提供了关于作物-气候相互作用的不同的但互补的视角。结合这两种框架，我们可以评估气候变化对农作物产量影响的一致性和稳健性，同时明确指出每种方法背后的结构性不确定性（Wheeler和von Braun，2013年）。

中国的干旱地区位于中国西北部（图S1），其生态环境非常脆弱，对气候变化非常敏感（Li等人，2021年）。这些地区也是主要的粮食生产区，占全国玉米产量的45%（Fan等人，2023年），春小麦产量的99.6%（中国统计年鉴，2017年），以及冬小麦产量的21.8%（中国统计年鉴，2017年），使其成为研究未来气候变化对农作物产量影响的关键热点。先前的基于过程的模型表明，未来气候变化可能威胁玉米生长但有利于小麦生长（Xiao等人，2018年；Xiao等人，2011年；Y. Xu等人，2024年；Q. Xu等人，2024年；Yang等人，2023年），而统计模型则预测中国玉米和小麦的产量都会增加，从而导致研究结论的不一致（Zhang等人，2021年）。尽管有这些相互矛盾的预测，但使用多方法综合方法仍很少探索气候变化对中国干旱地区农作物产量的影响。在这里，我们采用了多种方法进行分析，包括统计模型和多作物模型模拟器，系统地评估了未来温度、降水量和二氧化碳（CO₂）变化对中国干旱地区主要粮食作物的影响。我们首先预测了三种主要作物——玉米、春小麦和冬小麦在低（SSP1–2.6）、高（SSP3–7.0）和非常高（SSP5–8.5）共享社会经济路径（SSPs）下，相对于历史基准期（1998–2014年）的近未来（2030–2050年）产量变化。这些预测是使用包括统计模型和六种作物模型模拟器的双重方法获得的。我们进一步量化了温度、降水量和二氧化碳（CO₂）变化对作物产量变化的单独贡献，并分析了每种气候驱动因素对特定作物的响应关系。我们的发现可能会加深对气候变化如何影响中国干旱地区未来农作物产量的理解。

章节片段

气候数据

历史降水量和气温数据来自CN05.1观测数据集（Wu等人，2017年；Wu和Gao，2013年），该数据集使用先进的插值技术从中国的2416个气象站收集，空间分辨率为0.25°（New等人，2002年；New等人，2000年；Xu等人，2009年）。我们首先将1997年至2018年的月降水量和气温数据汇总到生长季节水平，分别针对冬小麦（10月至5月）、玉米（5月至9月）和春小麦

未来气候的变化预测

与历史基准期相比，所有未来气候因素都呈现上升趋势。到21世纪中叶，二氧化碳（CO₂）浓度分别增加了127 ppm（SSP5–8.5）、118 ppm（SSP3–7.0）和80 ppm（SSP1–2.6）（图1b）。生长季节的平均气温分别增加了1.9°C（SSP5–8.5）、1.7°C（SSP3–7.0）和1.4°C（SSP1–2.6）（图1c）。降水量增加的范围从5.5%到9.6%不等，具体取决于共享社会经济路径（SSPs）（图1d）。总体而言，

气候变化下的未来作物产量变化

统计模型和模拟器都预测小麦产量将相对于历史基准期有所增加，尽管模拟器在所有情景下始终显示出更大的响应（图2a-c，图S6，表S7）。这些总体积极趋势的主要驱动力归因于二氧化碳（CO₂）的作用。许多研究表明，由于二氧化碳（CO₂的肥效作用，中国春小麦和冬小麦的产量都有显著增加（J?germeyr等人，2021年；Rezaei等人

结论

我们的研究结合了两种互补的方法——统计模型和作物模型模拟器，以评估气候变化对中国干旱地区小麦和玉米产量的影响。尽管这两种方法都一致预测到到2050年小麦产量将增加，但春小麦的增幅较小到中等（-0.2–15%），而冬小麦的增幅较大（9–25%）；相比之下，玉米的响应较弱且取决于具体情景（-2–4%）；特别是统计模型

CRediT作者贡献声明

Shuangshuang Zi：撰写 – 原稿撰写、可视化、软件开发、数据分析、正式分析、数据整理。Yiqing Liu：撰写 – 审稿与编辑、验证、概念构思。Yan Li：撰写 – 审稿与编辑、监督、资源协调、方法论研究、资金获取、概念构思。Shuai Wang：撰写 – 审稿与编辑。Shan Sang：撰写 – 审稿与编辑。Huiqing Lin：撰写 – 审稿与编辑。Chengcheng Hou：撰写 – 审稿与编辑。Fengyu Fu：撰写 –

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的财务利益或个人关系。

致谢

本研究得到了国家自然科学基金（项目编号 42430505）和中央高校基本科研业务费的支持。我们感谢Lu Teng和Ye Xu从统计年鉴和公报中整理了县级作物产量、有效灌溉面积和化肥使用数据。我们衷心感谢Weihang Liu在方法论和手稿修订方面提供的宝贵帮助。本研究为“Global-DEP II”（全球