中国作物歉收与极端气候事件的阶段特异性关联研究

《Earth's Future》：Stage-Specific Associations Between Extreme Climate Events and Crop Failures Across China

　　

作物歉收代表了粮食安全中严重的低尾部风险。然而，其与气候的关联尚未得到充分量化，因为局地严重损失难以与大尺度气候变率联系起来。利用1981—2018年中国台站作物产量、物候及逐日气象观测资料，研究人员开发了一个事件级诊断框架，用于检测和聚类作物歉收事件，并评估其与营养生长期（VGP）和生殖生长期（RGP）温度—降水极端事件的统计关联。作物歉收被定义为经LOWESS去趋势后的产量异常低于作物特定第10百分位数，并在经度—纬度—时间矩阵中进行聚类。检测到的作物歉收影响了各作物系统监测站点数的70.0%–100.0%，并贡献了累计负产量异常的48.8%–54.4%。尽管大多数事件在空间上是局地的，但作物站点歉收在1990年代初期显示出明显的同步峰。2000年之后，VGP期间单一和复合极端事件的基础发生率均增加了1.4个百分点，而RGP期间的相应发生率分别下降了3.1和1.2个百分点。在名义p < 0.10筛选标准下，22.7%–56.0%的VGP歉收和14.8%–56.0%的RGP歉收显示出与至少一种温度—降水极端事件相关的候选关联。单一极端事件的候选关联通常比复合极端事件更普遍。敏感性分析进一步表明，低温和低降水在作物、生育阶段、FDR子集及替代处理选择中产生了最稳定的高损失信号。这些发现支持事件级、物候感知的诊断方法，用于解析作物特定的气候风险、识别关键生长阶段窗口，并改进农业风险评估和适应策略。

论文解读：中国作物歉收与极端气候事件的阶段特异性关联

一、研究背景与问题

全球粮食安全是联合国可持续发展目标的核心内容。随着气候变率增强和极端气候事件（如干旱、高温热浪和强降水）频率增加，农业系统面临日益严峻的压力。已有大量研究关注气候变率对平均作物产量的影响，但作物歉收的驱动因素仍认识不足。作物歉收位于产量分布的极端低尾部，虽然事件频率较低，却对历史产量损失贡献极大，因而可能引发粮食安全的系统性风险。温度与降水异常是农业气象灾害的主要诱因：高温和干旱通过诱导气孔关闭、改变抗氧化防御和渗透调节物质积累，干扰作物关键生理过程；低温胁迫则会破坏细胞结构、抑制酶活性并扰乱代谢途径，导致生长停滞或坏死。更重要的是，作物对气候异常的敏感性并非在整个生长季保持不变，而是强烈依赖于物候阶段。开花、授粉、抽穗和灌浆等关键窗口期往往对温度和水分异常更为敏感，短时胁迫即可造成难以后期补偿的产量损失。以往研究多聚焦于平均产量变率或年际波动，可能掩盖极端产量损失的过程，尤其在作物歉收呈现时空聚集时。单一极端事件与复合极端事件对作物歉收的相对作用、以及不同物候阶段作物对温度与降水极端事件的敏感性差异，仍存在不确定性。中国作为全球最大粮食生产国，玉米、水稻、小麦和大豆四大作物约占全国总产量的90%，且种植区横跨气候多样的季风区，为开展作物歉收的气候关联研究提供了关键场景。然而，现有作物模型框架常难以捕捉极端低产事件，缺乏基于观测的大尺度作物歉收动态及气候驱动因素的系统评估。因此，亟需一种事件导向、考虑物候阶段和时空结构的诊断框架。

二、研究内容与结论

研究人员利用中国1981—2018年农业气象台站观测数据，开发了基于观测、面向影响的作物歉收事件级诊断框架。首先利用LOWESS（span=0.5）去趋势方法去除长期产量趋势，将去趋势产量异常低于作物特定第10百分位数的站点—年份定义为局地歉收要素，并将其映射到经度—纬度—时间三维矩阵中，采用泛洪填充算法（flood-fill）进行时空连通聚类，获得作物歉收事件。随后，分别在营养生长期（VGP）和生殖生长期（RGP）内，基于经验分布计算事件级温度与降水极端异常的左尾/右尾经验概率，利用名义筛选标准p < 0.10识别候选气候关联，并通过Benjamini-Hochberg错误发现率（BH-FDR）校正（q < 0.10）、置换检验、温度强度—持续时间指标及多种敏感性分析检验结果稳健性。研究还定义了单位产量损失敏感性，即作物歉收期间产量异常绝对值与对应阶段气候异常强度的比值，以评估不同极端气候事件导致的单产损失强度。检测到的作物歉收事件共427个，贡献了各作物系统累计负产量异常的48.8%–54.4%。空间上，多数事件表现为局部冲击（孤立事件占72.2%–92.0%），但1990—1994年出现明显的同步高峰（1993年达38个站点记录）。2000年后，VGP背景单一和复合极端事件发生率分别增加1.4个百分点，而RGP对应率分别下降3.1和1.2个百分点。在p < 0.10下，22.7%–56.0%的VGP歉收和14.8%–56.0%的RGP歉收至少与一种温度—降水极端事件相关，其中单一极端事件关联占主导，复合极端事件关联比例较低。敏感性分析表明，低温和低降水是最稳定的高损失信号，且不同作物和阶段的优势风险存在明显差异。该研究将视角从平均产量变率转向事件级、阶段特异且时空明确的作物歉收诊断，为理解中国作物低尾风险及其气候关联提供了观测证据，有助于识别关键生长阶段窗口、改进作物模型评估和农业风险管理。

三、主要技术方法

研究使用了中国气象局（CMA）提供的台站尺度作物产量、物候和逐日气象观测数据（1981—2018年，大豆为1992—2018年），涵盖玉米（春玉米、夏玉米、间作玉米）、水稻（早稻、中稻、晚稻）、小麦（春小麦、冬小麦）和大豆共9个作物系统。初始数据包含186个农业气象站的247条作物—站点产量序列，经质量控制后保留144个站的185条序列用于主分析。关键技术包括：（1）采用LOWESS（span=0.5）对产量序列进行非参数去趋势，并比较其他去趋势方法；（2）基于物候记录划分VGP和RGP暴露窗口；（3）构建经度—纬度—时间三维矩阵（0.5°网格），利用泛洪填充算法（26邻域连通）进行作物歉收事件的时空聚类，并将事件分为孤立、空间复合、时间持续和时空事件四类；（4）基于经验分布的事件级气候关联诊断，计算温度（极热、极冷）和降水（多雨、少雨）边际极端状态及八种互斥组合的关联比例；（5）通过置换检验（1000次随机时间匹配）、BH-FDR校正（q < 0.10）和温度强度—持续时间指标检验稳健性；（6）计算单位产量损失敏感性，并使用bootstrap（1000次）估计置信区间，同时采用回归分析和随机森林模型补充验证。

四、研究结果

3.1 中国作物歉收的检测与时空特征

基于LOWESS 0.5去趋势产量异常，研究人员在1981—2018年间识别出545个局地歉收网格年份，聚类为427个时空作物歉收事件。各作物系统作物歉收事件贡献了48.8%–54.4%的累计负产量异常，其中大豆、夏玉米、冬小麦和间作玉米均超过53%。中稻、大豆和春玉米的歉收年检出率最高（分别为92.1%、88.9%和86.8%），而间作玉米、早稻和夏玉米检出率较低（44.7%、50.0%和52.6%）。空间上，大部分作物系统超过75%的有效站点序列至少经历了一次极端低产事件；早稻和晚稻所有有效站点均出现歉收，中稻、大豆和间作玉米的比例分别为95.5%、95.7%和91.7%，春小麦最低也达70.0%。孤立事件占各作物系统事件的72.2%–92.0%，表明大多数事件仅覆盖一个网格年和一年。年度聚集显示1990—1994年出现明显同步高峰，1993年有38个作物站点记录受歉收影响；2009年后同步事件减少，但2018年再现峰（28个站点，约占当年有效记录的30%）。

3.2 作物歉收与极端气候事件的阶段特异性关联

背景极端气候事件发生率在2000年前后呈现阶段性差异：VGP期间单一极端事件发生率从31.3%升至32.7%（+1.4个百分点），复合极端事件从5.4%升至6.8%（+1.4个百分点）；而RGP期间单一极端事件从34.0%降至30.9%（?3.1个百分点），复合极端事件从6.5%降至5.4%（?1.2个百分点）。事件级关联分析显示，在p < 0.10下，22.7%–56.0%的VGP歉收和14.8%–56.0%的RGP歉收与至少一种温度或降水尾部异常相关；经BH-FDR校正后，关联比例降至VGP的0%–12.9%和RGP的7.4%–19.6%。单一极端事件的关联比例（VGP 12.9%–48.0%，RGP 14.8%–56.0%）普遍高于复合极端事件（VGP 0%–19.4%，RGP 0%–7.8%）。不同作物系统的关联谱差异显著：玉米系统关联比例较高，间作玉米在VGP和RGP均达56.0%，主导类别从VGP的多雨转为RGP的低温；水稻系统阶段分化明显，早稻RGP关联低（14.8%），晚稻（45.2%）和中稻（39.4%）较高；大豆RGP关联（47.1%）高于VGP（27.5%），少雨是重要类别。观测关联比例一般位于置换零分布的上端，表明与随机时间匹配相比，这些关联并非偶然。

3.3 作物歉收对极端气候事件的敏感性

单位产量损失敏感性分析表明，低降水和低温是大多数作物和阶段最突出的敏感性来源。在p < 0.10下，少雨敏感性普遍高于多雨敏感性，春小麦VGP达9355 kg/(ha·month·%)，冬小麦RGP达8209 kg/(ha·month·%)；低温敏感性在中稻VGP达6091 kg/(ha·°C)，春玉米VGP为3290 kg/(ha·°C)。VGP期间，少雨敏感性在春小麦、晚稻、夏玉米和冬小麦中突出，低温敏感性在中稻、春玉米和晚稻中更显著；RGP期间，少雨敏感性转向冬小麦、中稻、间作玉米和春玉米，低温敏感性在中稻、春玉米、间作玉米和夏玉米中保持高位。站点尺度空间分布显示强空间异质性，不同气候因素的高敏感区仅部分重叠。在BH-FDR q < 0.10子集和九种核心方法学情景下，低温始终是主导温度类别，少雨始终是主导降水类别，且少雨在整体排序中是最稳定的类别。回归分析和随机森林模型同样支持低温与少雨的重要性。

五、讨论与结论总结

讨论部分指出，中国主要作物历史歉收具有明显的低尾风险结构，多数事件局部化，但1990年代初的同步峰和2018年的再现表明，局地事件可同步放大为系统风险。多灾种暴露分析显示，约62.1%（VGP）和65.2%（RGP）的歉收站点与至少一种极端气候相关联，其中21.7%和23.6%的站点涉及两种或以上极端气候类别。研究结果挑战了仅以“高温—干旱”为核心的叙事：复合干热事件在历史歉收中并非主导关联类型，而低温和低降水表现出更稳定的候选关联、高置信子集和单位损失敏感性。这归因于事件定义、阶段划分和统计功效的限制，以及灌溉、播种期调整等管理措施的调节。此外，部分歉收事件未被温度—降水极端指标解释，可能源于生物灾害、土壤退化、管理中断等非气候路径，或指示指标对短期冲击（如霜冻、热浪、暴雨）和植物实际水分状态（如土壤湿度、蒸汽压亏缺）的表征不足。研究强调，未来评估需超越单一气候阈值，融合土壤水分、灌溉、病虫害及管理信息，采用多源、阶段特异和过程感知的分析框架。

研究结论表明：作物歉收并非平均产量变率的简单延伸，而是具有明显低尾、阶段特异和空间同步特征的风险事件。2000年后背景极端事件发生率的阶段差异性变化（VGP增加、RGP减少）强化了在特定物候窗口内评估气候暴露的必要性。温度与降水极端事件与部分作物歉收存在可检测的统计关联，但历史风险结构并非简单地由干热胁迫主导，低温、少雨及其他水文极端同样重要。复合干热事件关联比例有限并非意味着影响弱，而可能反映事件稀有性、阶段指标、互斥分类和统计功效对可检测性的限制。区分候选气候关联、高置信气候关联及当前温度—降水指标未捕捉的歉收事件，有助于界定事件级气候诊断的范围与边界。该事件级且物候感知的框架为识别关键作物歉收风险提供了观测证据，可支持更有针对性的作物模型评估、农业监测和粮食安全适应策略制定。