《Frontiers in Plant Science》：Climatic suitability and future dynamics of test-weight-defined high-quality wheat in China under climate change
编辑推荐：
摘要
引言：气候变化预计将通过改变作物气候生态位的环境条件来影响作物生产和籽粒品质。然而，中国容重定义的高质量小麦的气候适宜性空间分布及未来动态尚不充分明确。本研究旨在刻画高容重（High-TW）小麦的气候适宜性特征，并评估其在未来气候情景下的潜在变化。
方法
摘要
引言：气候变化预计将通过改变作物气候生态位的环境条件来影响作物生产和籽粒品质。然而，中国容重定义的高质量小麦的气候适宜性空间分布及未来动态尚不充分明确。本研究旨在刻画高容重（High-TW）小麦的气候适宜性特征，并评估其在未来气候情景下的潜在变化。
方法：高容重小麦被定义为容重（TW）≥750 g·L-1的小麦。研究人员利用长期小麦品质监测记录、WorldClim生物气候变量、基于BCC-CSM2-MR的未来气候预估以及优化的MaxEnt模型，刻画了基准期适宜性格局，识别了主导气候预测因子，并预测了四种未来气候情景下的变化。
结果：在随机留出法评估下，该模型表现出良好的判别能力，平均测试AUC为0.936，连续Boyce指数为0.9702。最冷月最低温（Bio6）是主导预测因子，贡献率为55.3%，表明冬季热力条件在高容重小麦相关的气候生态位中的重要性。在1970–2000年基准气候下，高适宜区主要集中在黄淮海平原中北部，大致对应于传统强筋和中强筋小麦产区。在BCC-CSM2-MR预估下，大尺度空间格局保持相对稳定，变化主要发生在适宜性等级的组成和边缘分布上。到2081–2100年，所有四种情景下的高适宜区面积均增加，其中SSP126情景下的相对增幅最大（+12.35%）。质心迁移幅度适中且依赖于具体情景，而非与排放强度成正比，本世纪末最大位移出现在SSP370情景下，约48公里。
讨论：未来气候变化可能主要在维持全国尺度高容重小麦适宜性的宏观格局的同时，重组其内部结构。这些发现为中国高容重小麦区划、区域适应及未来生产规划评估提供了全国尺度的气候适宜性视角。
一、研究背景与科学问题
小麦作为全球最重要的粮食作物之一，在中国粮食安全中扮演着举足轻重的角色。随着生活水平的提高，市场对优质小麦的需求日益增长。然而，小麦品质相较于产量对环境变异更为敏感，尤其是气候因素。气候变化不仅影响小麦产量，还可能通过改变温度、降水等环境条件，显著影响籽粒蛋白质积累、淀粉合成及加工特性，从而重塑优质小麦生产的空间格局。当前，尽管已有研究关注了小麦品质的区域差异，但对于以容重（test weight, TW）这一重要商业品质指标定义的高质量小麦，其在全国尺度的气候适宜性空间分布及对未来气候变化的响应动态仍缺乏系统认知。特别是，现有研究多采用经验阈值或统计回归，难以捕捉气候因子对品质的非线性约束效应。因此，亟需引入生态位模型等先进手段，从气候适宜性角度揭示高容重小麦的潜在分布区及其未来演变趋势，为优质小麦区划、适应性种植和生产规划提供科学依据。
二、研究方法概述
研究人员采用了一种结合物种分布模型的生态位建模框架。关键技术方法包括：1）数据获取与处理：从《中国小麦质量报告》中提取2009–2022年全国主要产区的县级小麦品质记录，依据国家标准GB/T 17892-2024将容重≥750 g·L-1的样本定义为高容重小麦，经空间匹配和10 km稀疏化后获得439个有效发生点；同时从WorldClim数据库获取19个生物气候变量（1970–2000年基准期），并采用BCC-CSM2-MR模式在四种共享社会经济路径（SSP126、SSP245、SSP370、SSP585）下的中期（2041–2060年）和远期（2081–2100年）气候预估数据。2）变量筛选与模型优化：通过初始MaxEnt建模、贡献率分析和Pearson相关性检验，最终选定最冷月最低温（Bio6）、最湿季平均温（Bio8）、最湿季降水量（Bio16）和最冷季降水量（Bio19）四个变量；利用R包kuenm进行参数调优，选择正则化乘数为1、特征组合为LQHP（线性、二次、交互、乘积）的最优模型。3）建模与评估：采用10次重复子抽样法运行MaxEnt模型，以75%数据训练、25%数据测试，使用受试者工作特征曲线下面积（AUC）、连续Boyce指数、遗漏率等指标评估模型性能，并通过背景采样敏感性分析和基线期对比分析验证结果的稳健性。4）空间分析与预测：将连续适宜性值划分为边际、低、中、高四个等级，计算各等级面积及高适宜区的地理质心位移，量化未来气候情景下的变化。
三、主要研究结果
3.1 模型精度评估
在随机留出法评估下，优化后的MaxEnt模型表现优异，平均测试AUC达0.936，连续Boyce指数为0.9702，第十百分位遗漏率为0.1092，训练-测试AUC差值仅为0.0014。背景采样敏感性分析显示，随机背景与偏差校正背景模型的空间一致性极高（栅格相关系数r=0.9791），基线期对比分析也证实主格局稳健，表明模型能够有效区分高容重小麦的发生点与背景环境。
3.2 变量重要性分析
四个生物气候变量对高容重小麦气候生态位的塑造作用各异。最冷月最低温（Bio6）是最具影响力的预测因子，百分比贡献率达55.3%，置换重要性为58.9%，刀切法检验进一步确认其单独使用时产生最高的训练增益。最湿季降水量（Bio16）和最湿季平均温（Bio8）分别贡献20.2%和20%。响应曲线揭示了非线性的适宜性关联：Bio6在-5至5°C、Bio16在200–500 mm范围内适宜性最高，Bio8在约20°C以上迅速上升，Bio19则在20–100 mm处达到峰值。这些范围是模型导出的关联性，而非实验验证的生理最优值。
3.3 适宜区的时空动态
在1970–2000年基准期，高容重小麦的气候适宜区中心位于黄淮海平原，高、中、低、边际适宜区分别占中国大陆面积的3.01%、2.31%、5.53%和6.30%。高适宜区集中在豫北、冀南、鲁西、皖北和苏北部分地区。在BCC-CSM2-MR预估下，大尺度空间格局基本保持稳定，高适宜区核心仍在黄淮海平原。到2081–2100年，所有情景下高适宜区面积均增加：SSP126增幅最大（+12.35%），其次为SSP585（+9.45%）、SSP245（+8.06%）和SSP370（+7.70%）。值得注意的是，SSP245情景下中适宜区面积大幅缩减26.16%，表明适宜性等级间发生了显著重组。总体而言，四类适宜区总面积占比在未来情景下介于16.23%至18.28%之间，与基准期的17.15%相近，说明气候变化主要导致内部和边缘再分配，而非根本性的全国尺度格局转变。
3.4 高适宜区质心空间位移
基准期高适宜区质心位于黄淮海平原中部（115.32°E, 35.37°N）。不同情景下质心轨迹各异：中期（2041–2060年）位移方向从东向（SSP126）到西南向（SSP245）再到西向（SSP370）不等，距离为17–38公里；远期（2081–2100年）位移方向主要为向西或西南调整，最大位移出现在SSP370情景下，约48公里。SSP126和SSP585情景下出现了中期与远期之间的方向逆转。总体而言，质心迁移幅度较小且依赖具体情景，而非随排放强度单调递增。
四、讨论与结论
讨论部分指出，优化后的MaxEnt模型展现了良好的判别能力和稳健性，但AUC受背景范围影响，不应视为农学预测精度的直接度量；模型输出的适宜性反映的是与已知高容重小麦站点相似的程度，而非成功生产的概率。研究强调，Bio6的主导作用暗示冬季热力条件是高容重小麦气候生态位的重要组成部分，这可能通过影响越冬、春化进程及后续物候发育来间接作用于灌浆和容重形成。未来气候变化主要引起适宜性等级的内部重组和边缘分布变化，而非根本性的全国尺度格局转移；高适宜区面积增加并不代表变暖对品质普遍有利，过度升温会缩短灌浆期、加剧热胁迫，反而降低籽粒密度。质心位移的情景依赖性进一步表明，这是一种空间调整而非整个适宜区的单向迁移。研究局限性包括：发生记录与基准气候不完全同步、未来预估仅基于单一GCM、模型聚焦于容重而未能涵盖品质全维度、长期生物气候变量无法表征短期极端天气事件等。尽管如此，研究通过多维度敏感性分析构建了一致性框架，其结果应解读为气候适宜性评估，而非实际生产的直接预测。
结论部分翻译如下：本研究利用优化的MaxEnt模型，识别了中国高容重小麦的全国尺度气候适宜性格局及未来空间动态。最冷月最低温（Bio6）是主导气候预测因子，贡献率为55.3%，表明冬季热力条件在高容重小麦气候生态位中的重要性。在1970–2000年基准期，高适宜区主要集中在黄淮海平原中北部。在BCC-CSM2-MR预估下，未来气候变化预计将改变适宜性等级的组成和边缘分布，而非从根本上改变这一宏观格局。到本世纪末，所有四种情景下的高适宜区面积均增加，其中SSP126情景的相对增幅最大（+12.35%）。质心迁移幅度依赖具体情景，而非与排放强度成正比，本世纪末最大位移出现在SSP370情景下，约48公里。总体而言，结果表明未来气候变化可能主要在维持黄淮海平原作为主要高适宜区的同时，对现有小麦产区内部及周边的气候适宜性进行重组。这些发现为中国高容重小麦区划、针对性区域适应及未来生产规划评估提供了全国尺度的气候适宜性视角，也为后续应用中整合气候信息与品种、管理、土壤和水资源条件奠定了基础。
