《Agricultural and Forest Meteorology》：Spatio-temporal evolution of late spring frost and associated yield reduction risk for winter wheat in China
编辑推荐：
•基于事件的框架将小麦物候、霜冻暴露与产量损失联系起来。•历史产量损失风险在长江中下游地区最高。•未来产量损失风险向黄淮麦区转移。•拔节期霜冻主导了损失；耐寒品种可减轻损害。•动态物候产生的未来风险估计高于固定时间法。引言气候变化已显著改变了作物物候，并重塑了农业系统对极端天
- •
基于事件的框架将小麦物候、霜冻暴露与产量损失联系起来。
- •
历史产量损失风险在长江中下游地区最高。
- •
未来产量损失风险向黄淮麦区转移。
- •
拔节期霜冻主导了损失；耐寒品种可减轻损害。
- •
动态物候产生的未来风险估计高于固定时间法。
引言
气候变化已显著改变了作物物候，并重塑了农业系统对极端天气事件的暴露路径（He等，2015）。晚春霜冻（LSF）仍然是全球主要冬小麦产区面临的一种持续性的农业气象威胁，包括澳大利亚（Stone等，1996；Zheng等，2015）、美国（Anandhi等，2013）、欧洲（Whaley等，2004；Trnka等，2014）和中国（Xiao等，2018）。尽管通常认为平均气温升高会减少霜冻的发生（Ewert等，2015），但增温并不一定会导致霜冻相关减产减少（Eccel等，2009；Gu等，2008）。一个关键原因是，较温暖的冬末和春季条件可能加速作物发育，从而将霜冻敏感时期提前至仍处于周期性寒冷事件易感期内（Li等，2015a；Xiao等，2018；Zheng等，2018）。这种"增温—风险悖论"表明，仅依靠基于温度的指标无法充分评估LSF风险，而需要明确考虑作物物候和特定生育期敏感性。来自韩国的证据表明，温暖的冬季可以提前冬小麦物候并增加其对随后春季霜冻的暴露，且未来产量风险在不同区域存在差异（Kim等，2025）。
对于冬小麦而言，春季去驯化期间其抗霜冻能力迅速下降（Frederiks等，2012；Olsen等，2018），且产量影响强烈依赖于低温暴露相对于生育期的发生时间。在春季生长阶段中，拔节期（茎秆伸长）和孕穗期（生殖发育）是两个关键的霜冻敏感窗口期（Li等，2015b，2015c）。拔节期霜冻可损害分蘖存活、茎秆伸长和小穗分化，从而减少有效穗和籽粒的形成（Marcellos and Single，1984；Zhong等，2008）。实验证据进一步表明，此阶段短期暴露于约?2至?6 °C的低温可使穗数和小麦产量降低3.1–34.4%（Ji等，2025）。相比之下，孕穗期霜冻更直接地损害生殖器官，尤其是正在发育的小穗和旗叶，在极端年份可能导致严重减产（Liu等，2020）。对流冻结实验表明，可见伤害可能从约?3 °C开始，并随温度进一步下降而迅速加剧，在严重暴露条件下报告的产量损失范围从约10%到几乎绝收（Fuller等，2007）。此外，田间观测表明，持续数天的持续低温事件，即使最低温度维持在0–4 °C左右，仍可使小穗数减少约8–15%，当与早期生殖发育期重合时可导致产量减少约5–14%（Li等，2015c）。综合而言，这些发现表明霜冻损害由发育时间、温度强度和暴露持续时间共同决定，凸显了在量化生产风险时需要超越通用霜冻指标的重要性。
已有研究记录了冬小麦品种间对LSF耐受性的显著差异（Sutka，1994；Zheng等，2018；Nuttall等，2019），表明损伤阈值不能假定为在所有品种间均匀分布。在中国，对20个主要小麦品种的田间筛选识别出3个强抗寒品种和5个敏感品种（Zhang等，2023）。对照品种的受控实验进一步表明，生殖发育期间的低温胁迫在敏感基因型中造成的损伤始终大于耐受基因型：以扬农19号和信麦26号为对照材料，花药分化期间的低温处理使耐受品种的photosynthesis performance降低26.8–42.2%，而在敏感品种中降低34.2–54.7%，相关产量损失在各处理间达到24.1–64.1%（Xu等，2022）。在更大尺度上也报道了类似模式。在澳大利亚，一项2010至2019年的多环境分析对10,317个小麦试验单元中的逾557,000个小穗进行了表型鉴定，揭示了霜冻敏感性存在强烈的基因型×环境互作（Ferrante等，2021）。综合而言，这些发现表明品种抗性在农学上具有重要意义，应在大规模LSF致减产评估中明确区分。
现有的LSF评估通常依赖三种主要方法：受控低温实验、基于过程的作物模型以及基于历史产量记录的统计分析。受控实验提供了寒冷胁迫强度/持续时间与产量组分之间的机理和定量关系，但在异质气候、管理实践和品种背景之间的直接一对一外推可能存在困难（Soualiou等，2022；Richetti等，2025）。基于过程的模型可以表征作物发育与寒冷胁迫的相互作用，但预测的减产往往对参数选择敏感，可能无法完全捕捉罕见的高影响极端事件（Barlow等，2015；Zheng等，2015）。基于历史产量记录的统计分析可以揭示气候—产量关联，但纯粹相关性驱动的关联可能受到共变驱动因素的混杂，且在增温条件下物候变化可能使其产生非平稳性，从而限制了对未来预测的信心（Xiao等，2025）。综合而言，这些局限性使霜冻致减产的大规模估计存在相当大的不确定性，特别是在将风险变化归因于物候驱动的暴露转移以及将品种抗性纳入区域脆弱性评估方面。
这些挑战在中国尤为突出，中国是全球最大的冬小麦生产国之一。历史分析表明，1990年代LSF的发生频率几乎是1980年代的两倍（1.88倍），同时暖冬出现频率增加了两倍（Yan等，2002）。据估计，LSF影响近85%的中国冬小麦种植面积（Yue等，2016），且高风险霜冻胁迫区向南扩张，特别是向安徽和江苏等东南部省份（Xiao等，2018）。尽管在表征LSF事件空间分布方面已取得进展，但大多数区域尺度评估仍依赖于固定的日历时间窗口或简单的温度阈值，这些方法无法捕捉作物物候的年际和空间变异性以及温度强度和暴露持续时间的非线性效应。此外，尽管品种抗性在拔节期和孕穗期对损害发生概率和损失幅度有强烈影响（Ji等，2017），但在大尺度上很少被明确纳入。一个关键差距在于，需要一个可扩展的方法将区域暴露与实验约束的、特定生育期的减产函数联系起来，同时明确区分品种抗性组。
为解决这些差距，本研究调查了中国冬小麦系统中LSF风险的几个关键问题。具体而言，我们提出如何将有实验基础的、特定生育期的LSF暴露与减产之间的关系与物候信息整合，以在区域尺度上量化霜冻致减产。我们进一步考察了在中国冬小麦带中，拔节期和孕穗期LSF相关减产风险的历史时空模式和热点区域。此外，我们探讨了未来气候变化下区域对LSF的脆弱性如何演变，以及品种抗性能在多大程度上改变预测减产风险的幅度和分布。为回答这些问题，我们结合了实验推导的减产响应函数、基于农业气象观测的物候重建、基于逐时温度的事件识别以及CMIP6气候预测。我们进一步通过区分耐寒、中等耐寒和冷敏感组来考虑品种抗性，从而使大规模风险估计能够在面向品种的适应性背景下进行解释。这种基于物候信息和明确纳入品种抗性的框架为霜冻风险制图和适应规划提供了基础，以支持气候变化下冬小麦生产的可持续性。
章节摘要
研究区域
本研究聚焦于中国主要冬小麦带，该地区贡献了全国冬小麦总产量的85%以上（国家统计局，2023）。遵循金（1996）的区域划分方案，研究区被划分为三个子区域：北方区（NS）、黄淮区（HHS）和长江中下游区（MYS）（图1a）。区域边界独立于冬小麦种植掩膜进行界定，并且
预测模型评估与基于模型驱动的品种抗性分组
基于树的集成模型优于SVR和线性模型，GBDT被选为最优减产模型（R2=0.61，RMSE=14.99%；图S7）。SHAP分析确定品种为主导预测因子，其次为处理持续时间和低温强度，而发育阶段和生长习性贡献较小（图4b）。预测减产随处理温度降低和暴露时间延长而呈非线性增加（图S8）。
讨论
冬小麦的LSF风险不仅受低温事件发生的影响，还取决于这些事件与生物学敏感发育阶段的时间交集以及不同品种暴露后响应的强度差异。我们的结果表明，历史LSF风险和产量损失主要集中在HHS和MYS，而未来增温提前了物候并进一步重组了冬小麦带的风险分布，HHS成为未来关键热点区域，且
结论
本研究开发了一种基于物候约束的、事件驱动的框架，通过整合同步低温实验、受CERES-Wheat启发的物候重建、基于机器学习的减产建模以及历史和未来的逐时温度强迫，评估中国冬小麦带的LSF暴露及相关减产。结果表明，气候变暖并不简单地降低LSF风险，而是通过改变时间重叠来重新组织风险
CRediT作者贡献声明
姜坤豪：原稿撰写，可视化，软件，方法论，形式化分析，数据管理，概念构思。苏敏：验证，监督，数据管理。刘芳芳：软件，资源。康晓奇：软件，资源。范心怡：可视化。陈斌：可视化。魏英楠：资源。李林超：审稿与编辑，资源。于强：审稿与编辑，监督。赵刚：审稿与编辑，可视化，方法论。吴更生
姜坤豪|苏敏|刘芳芳|康晓奇|范心怡|陈斌|魏英楠|李林超|于强|赵刚|吴更生
