多模式集合模擬氣候變化對玉米產(chǎn)量的影響*

張 祎,趙艷霞,2**

(1.中國氣象科學(xué)研究院 北京 100081;2.上海市氣象科學(xué)研究所 上海 200030)

多模式集合模擬氣候變化對玉米產(chǎn)量的影響*

張 祎1,趙艷霞1,2**

(1.中國氣象科學(xué)研究院 北京 100081;2.上海市氣象科學(xué)研究所 上海 200030)

氣候模式驅(qū)動作物模型是氣候變化影響評估的主要手段。但是,單一氣候模式輸出和作物模型的結(jié)構(gòu)差異使得研究結(jié)果存在不確定性。多模式集合的概率預(yù)估可以有效減少研究結(jié)果的不確定性。為此,本文利用1981—2009年東北地區(qū)海倫、長嶺、本溪3地區(qū)農(nóng)業(yè)氣象站的歷史氣象資料和玉米作物數(shù)據(jù),分別建立了作物統(tǒng)計模型并驗證了APSIM機理模型在研究區(qū)域的適用性。在此基礎(chǔ)上,與CMIP5在RCP4.5情景下的8個全球模式結(jié)合,嘗試基于多模式集合評估了未來2010—2039年時段和2040—2069年時段氣候變化對玉米產(chǎn)量的可能影響(相對于1976—2005年基準時段)。研究結(jié)果表明,APSIM模型對玉米生長發(fā)育和產(chǎn)量形成有很好的模擬能力。玉米生育期的模擬誤差(RMSE)為3～4 d,產(chǎn)量的RMSE為0.6～0.8 t×hm-2。建立的產(chǎn)量統(tǒng)計模型表明,玉米出苗階段(5月中旬)的溫度增加對產(chǎn)量增加有積極作用,而開花到成熟階段(7月中旬到9月上旬)的溫度和降水的增加、光照的不足均不利于產(chǎn)量增加。與1976—2005年基準時段相比,氣候因素影響下2010—2039年玉米產(chǎn)量減少3.8%(海倫)～7.4%(本溪),減產(chǎn)的概率為64%(長嶺)～73%(本溪);2040—2069年時段減產(chǎn)6.4%(海倫)～10.5%(本溪),減產(chǎn)的概率為74%(海倫)～83%(本溪)。未來2010—2039年時段和2040—2069年時段基于機理模型模擬的產(chǎn)量降低分別為6.6%(海倫)～8.9%(本溪)和9.7%(海倫)～13.7%(本溪),均高于相應(yīng)時段基于統(tǒng)計模型得到的0.9%(海倫)～6.0%(本溪)和2.0%(長嶺)～7.3%(本溪)減產(chǎn)結(jié)果。

氣候變化;統(tǒng)計模型;機理模型;集合模擬;玉米;生育期;產(chǎn)量

作物模型是評價未來氣候變化對于作物產(chǎn)量影響的主要工具。其中,機理模型因具有較強的機理性,是氣候變化影響研究中最常用的工具,如APSIM[1]、DSSAT[2]、WOFOST[3]、ORYZA[4]等。然而,其復(fù)雜的過程需要大量詳細的作物生長、管理、土壤等初始數(shù)據(jù)進行模型校驗[5-6]。這些數(shù)據(jù)的不準確性,增加了模擬結(jié)果的不確定性[7-8]。相反,統(tǒng)計模型則無需利用田間生產(chǎn)和管理數(shù)據(jù)進行模型校驗,又可以通過有限的數(shù)據(jù),潛在地抓住相對難以理解的某些過程(如病蟲害的動態(tài)信息)的影響,有效減少了機理模型大量參數(shù)帶來的不確定性[9-10]。相對于機理模型在氣候變化影響中的廣泛應(yīng)用,統(tǒng)計模型的作用逐漸受到關(guān)注。例如,Lobell等[11]建立了國家尺度的歷史氣象因子和玉米(Zea mays)、小麥(Triticum aestivum)、水稻(Oryza sativa)、大豆(Glycine max)4種作物產(chǎn)量的統(tǒng)計模型,量化了1980—2008年氣候變化對全球糧食作物的影響。Tao等[12]通過統(tǒng)計模型分析了1981—2009年氣象條件及栽培管理措施等對我國水稻產(chǎn)量的影響及貢獻,有效彌補了機理模型量化歷史氣象條件下栽培管理措施對產(chǎn)量貢獻的不足。

當(dāng)前氣候變化影響研究中,多為單一氣候模式驅(qū)動單一作物模型得出的結(jié)果。而且由于氣候模式和作物模型結(jié)構(gòu)的差異得出不同甚至相反的評估結(jié)果。如,張建平等[13]應(yīng)用WOFOST模型與不同氣候情景數(shù)據(jù)結(jié)合模擬東北玉米產(chǎn)量時得到,基于RegCM3輸出的多情景加權(quán)平均值簡稱REA情景未來2011－2050時段玉米產(chǎn)量減產(chǎn)約8%,而基于PRECIS輸出的A2和B2情景產(chǎn)量分別增加20%和7%。相反,袁東敏等[14]同樣應(yīng)用PRECIS輸出的B2情景與改進后的東北玉米生長模擬模型[15]結(jié)合,模擬得到未來2011－2050時段玉米產(chǎn)量以減產(chǎn)為主。同樣,Guo等[16]使用HadCM3與CERES模型結(jié)合在不考慮CO2肥料作用下,研究得到未來華北小麥產(chǎn)量增加。而Zhang等[17]應(yīng)用PRECIS輸出驅(qū)動APSIM模型模擬得到,未來華北地區(qū)小麥減產(chǎn)。這些問題突出了在氣候變化評估中考慮由氣候模式和作物模型的結(jié)構(gòu)差異引起研究結(jié)果不確定性的重要性[18-20]。為此,本文以東北地區(qū)黑龍江省海倫、吉林省長嶺、遼寧省本溪地區(qū)的春玉米為例(圖1),借助作物機理模型和統(tǒng)計模型,在8個GCMs驅(qū)動下，基于多模式集合模擬了未來2010—2039時段和2040—2069時段氣候變化對玉米產(chǎn)量的可能影響,旨在減少單一模型對模擬結(jié)果不確定性的影響。

1 材料與方法

1.1 研究區(qū)域概況及數(shù)據(jù)來源

東北地區(qū)主要包括黑龍江、吉林和遼寧三省。屬寒溫帶濕潤、半濕潤氣候帶,冬季低溫干燥,夏季溫暖濕潤。年均氣溫-3～10℃,年降水量400～1 000 mm,其中80%集中發(fā)生在5—9月。土地肥沃,有機質(zhì)含量達12.4～34.2 g?kg-1。本區(qū)春玉米主要是一年1熟制,播種面積占全國相應(yīng)作物總播種面積的30%左右,是國內(nèi)重要的商品糧生產(chǎn)基地。

本研究基于能夠代表主要玉米產(chǎn)區(qū)的生產(chǎn)水平和具有較完善且較長時段的數(shù)據(jù)資料原則,選取了黑龍江省海倫(47.4°N,127.0°E)、吉林省長嶺(44.2°N, 124.0°E)、遼寧省本溪(41.3°N,123.8°E)3個中國氣象局農(nóng)業(yè)氣象試驗站作為研究點(圖1)。研究站點的作物資料,來源于國家氣象信息中心,包括1981—2009年作物生育期和產(chǎn)量;同期歷史觀測氣象資料來源于中國氣象局科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng),包括日最高溫度、日最低溫度、日照時數(shù)、降雨量。其中,日照時數(shù)根據(jù)Angstr?m-Prescott公式轉(zhuǎn)化為總輻射[21]。參照玉米的常年生長發(fā)育期,進一步求取生育期內(nèi)逐旬的平均最高溫度、平均最低溫度、累積降雨量和累積輻射量。氣候情景數(shù)據(jù)來源于國家氣候中心,選用CMIP5中的8個全球模式BCC-CSM1–1(中國)、CCSM4(美國)、CSIRO-MK3-6-0(澳大利亞)、EC-EARTH(歐洲)、GFDL-ESM2G(美國)、IPSL-CM5A-MR(法國)、MRICGCM3(日本)和NorESM1-M(挪威),在RCP4.5情景下模擬生成未來氣候時段(2010—2039年和2040—2069年)和基準氣候時段(1976—2005年)逐日數(shù)據(jù),包括日最高溫度、最低溫度、降水。模式分辨率均為1×1。輻射數(shù)據(jù)用歷史觀測數(shù)據(jù)代替。氣候模式數(shù)據(jù)通過反距離權(quán)重插值的方法,降尺度到研究站點。

圖1 研究站點位置Fig.1 Locations of the selected study stations

1.2 研究方法

本文基于收集的作物、氣象等數(shù)據(jù),建立作物統(tǒng)計模型并驗證作物機理模型,通過不同氣候模式輸出驅(qū)動不同作物模型,采用集合概率方法量化氣候變化對玉米產(chǎn)量的可能影響。具體技術(shù)流程見圖2。

圖2 氣候變化對玉米產(chǎn)量影響研究的流程圖Fig.2 Flowchart for the study of climate change impacts on maize yield

1.2.1 作物機理模型

APSIM農(nóng)業(yè)生產(chǎn)系統(tǒng)模擬模型自引入我國以來,已經(jīng)被廣泛應(yīng)用于評價農(nóng)作物生長受氣候波動和環(huán)境變化的影響等方面[22-23]。本研究基于站點尺度,以單一氣候區(qū)的生態(tài)型品種作為該區(qū)代表性品種,應(yīng)用1981—1995年數(shù)據(jù),采用“試錯法”,對模型的品種參數(shù)進行調(diào)試,使模型模擬的開花期、成熟期和產(chǎn)量能夠最大程度地接近觀測值,應(yīng)用1996—2009年數(shù)據(jù)對校正后的模型進行驗證。選擇以下統(tǒng)計指標對模型的模擬能力進行評價,包括模擬值與實測值擬合方程y=ɑx的決定系數(shù)R2(1∶1),反映了模型模擬值相對于實測值的真正偏差;斜率ɑ,反映了模型整體高估或低估實測值的程度;均方根誤差RMSE,反映了模型模擬值相對實測值的絕對誤差。

基于APSIM模型模擬研究站點代表性品種氣候變化下的產(chǎn)量時,播種期采用固定播期,為農(nóng)業(yè)氣象試驗站1981—2009年播種期的平均,收獲期為生理成熟日。其他管理措施如灌溉和施肥均設(shè)置為最適管理,即不考慮脅迫影響。

1.2.2 作物統(tǒng)計模型

應(yīng)用1981—2009年玉米產(chǎn)量數(shù)據(jù)建立作物統(tǒng)計模型。模型的建立包括趨勢產(chǎn)量(主要受農(nóng)業(yè)技術(shù)進步等的影響)和氣象產(chǎn)量(主要受氣候因子的影響),以便和機理模型輸出的產(chǎn)量同等量級。趨勢產(chǎn)量采用多項式擬合方法得到。

式中:Yt是趨勢產(chǎn)量,t是年份序列(取值范圍為1～29,分別代表1981年至2009年)。由于趨勢產(chǎn)量外推的限制,本研究未考慮氣候變化下品種、栽培技術(shù)等的更新對產(chǎn)量的貢獻,等于最近2005—2009年趨勢產(chǎn)量平均水平。

從作物實際產(chǎn)量中剔除趨勢產(chǎn)量,即得到氣象產(chǎn)量。氣象產(chǎn)量基于玉米生育期內(nèi)64個旬氣象因子采用逐步回歸方法擬合得到。逐步方法標準使用F分布概率,滿足A=0.05因子引入,A=0.1因子剔除。

1.2.3 產(chǎn)量分析

本研究使用8個氣候模式數(shù)據(jù)驅(qū)動2個作物模型,在基準氣候1976—2005年時段、未來2010—2039年和2040—2069年時段,分別產(chǎn)生480組產(chǎn)量模擬數(shù)據(jù)。考慮到氣候變化中應(yīng)用不同氣候模式和不同作物模型對研究結(jié)果的可能影響及不確定性,研究通過多模式結(jié)合,使用概率密度(PDFs, probability density functions)和累積概率分布函數(shù)(CDFs,cumulative distribution functions)量化分析氣候變化下玉米產(chǎn)量相對于基準情景變化。

2 結(jié)果與分析

2.1 APSIM模型的站點校驗

圖3顯示了模型模擬的玉米開花期、成熟期及產(chǎn)量與觀測值的驗證結(jié)果。ɑ接近1.0,表明模型模擬值與觀測值接近。生育期和產(chǎn)量的R2>0.6,表明模型可以解釋60%以上的觀測生育期和產(chǎn)量變化。生育期的RMSE為3～4 d,平均誤差不足3%。產(chǎn)量的RMSE為0.6～0.8 t×hm-2,平均誤差小于11%。整體上,各生育期間的RMSE均表現(xiàn)為隨著生育進程的增加,誤差增大。這主要是由于模型模擬的生育進程取決于之前生育進程的累積。而生育進程的模擬誤差,也會影響產(chǎn)量的模擬誤差。此外,考慮到觀測過程中的可能誤差,如取樣的不均勻等,認為APSIM模型對站點的玉米生長具有較好的模擬能力。

2.2 作物統(tǒng)計模型建立

產(chǎn)量統(tǒng)計模型中的各參數(shù)及其系數(shù)如表1所示。從回歸模型可以看出,玉米開花灌漿階段(7月中旬到9月上旬)的溫度和產(chǎn)量具有負相關(guān)關(guān)系。該階段溫度的增長加速了生育進程,減少了生物量積累,從而影響了產(chǎn)量形成。相反,玉米出苗階段(5月中旬)的溫度和氣象產(chǎn)量具有正相關(guān)關(guān)系。該階段溫度的適度增長利于作物出苗及壯苗形成。玉米開花灌漿過程中大量降雨或光照不足的天氣,容易影響散粉和授粉,誘發(fā)籽粒敗育,最終導(dǎo)致產(chǎn)量減少。

2.3 不同作物模型模擬的玉米產(chǎn)量變化

表2顯示,基于不同作物模型模擬的玉米產(chǎn)量在未來氣候變化下均降低。2040—2069年時段的減產(chǎn)率高于2010—2039年時段。也就是說,隨著氣候變化的加劇,減產(chǎn)率增大?；跈C理模型模擬的未來兩個時段減產(chǎn)率均高于統(tǒng)計模型的模擬結(jié)果。2010—2039年時段,最突出的為長嶺地區(qū),基于APSIM機理模型的產(chǎn)量降低約8.4%,而統(tǒng)計模型的模擬結(jié)果僅1.4%。2040—2069年時段,同樣以長嶺地區(qū)最為明顯,基于APSIM機理模型的產(chǎn)量降低約12.6%,而統(tǒng)計模型的產(chǎn)量降低僅為2.0%。從研究點的整體平均變化看,未來2010—2039年氣候變化下基于機理模型模擬的產(chǎn)量降低約6.6%(海倫)～8.9%(本溪),2040—2069年時段產(chǎn)量降低為9.7%(海倫)～13.7%(本溪);相反,統(tǒng)計模型的模擬產(chǎn)量降低程度較小,相應(yīng)時段分別為0.9%(海倫)～6.0%(本溪)和2.0%(長嶺)～7.3%(本溪)?；诓煌Ｐ湍M產(chǎn)量變化的標準偏差及離散程度沒有明顯差異。

圖3 海倫(◆)、長嶺(▲)和本溪(●)玉米開花期、成熟期天數(shù)和產(chǎn)量的觀測值和模擬值驗證結(jié)果Fig.3 Validation results between the observed and simulated days of flowering and maturity stages,and yield of maize at Hailun(◆),Changling(▲),Benxi(●)

2.4 氣候變化對玉米產(chǎn)量影響的概率分析

基于多模式集合,氣候變化下2010—2039年時段和2040—2069年時段玉米產(chǎn)量相對基準時段變化的概率密度和累積概率結(jié)果(圖4)可看出,產(chǎn)量變化概率密度符合一般正態(tài)分布,但是峰值位置隨著氣候變化的加劇向左偏移增大,負面積增加,表明產(chǎn)量降低的可能性增大。氣候變化下2010—2039年時段玉米產(chǎn)量降低的概率約為64%(長嶺)～73%(本溪),2040—2069年時段概率增加到 74%(海倫)～83%(本溪)。與基準時段玉米產(chǎn)量相比,2010—2039年時段玉米產(chǎn)量平均降低3.8%(海倫)～7.4%(本溪),2040—2069年時段產(chǎn)量繼續(xù)降低,達6.4%(海倫)～10.5%(本溪)。整體上,氣候變化下玉米產(chǎn)量變化數(shù)據(jù)離散程度較高,平均約11%。

3 討論與結(jié)論

不同結(jié)構(gòu)作物模型模擬結(jié)果表明,基于機理模型模擬的玉米產(chǎn)量變化大于統(tǒng)計模型模擬結(jié)果。這與當(dāng)前的相關(guān)研究結(jié)論一致。大量基于機理模型評估的產(chǎn)量變化以-11%～20%為主[23-26],而統(tǒng)計模型的研究結(jié)果變化不足10%。如馬玉平等[27]利用積分回歸法建立的我國不同省區(qū)玉米產(chǎn)量與氣象因子的相關(guān)模型,預(yù)測未來全國玉米產(chǎn)量降低在7%以內(nèi)。而Zhang等[28]和Zhou等[29]應(yīng)用CIMP5的多個GCMs數(shù)據(jù)與不同參數(shù)的作物統(tǒng)計模型結(jié)合,評估得到未來東北地區(qū)玉米產(chǎn)量變化不足5%。此外,Roudier等[30]通過綜合分析西非地區(qū)16篇氣候變化對作物產(chǎn)量影響的文獻,也得到了相似的研究結(jié)果。這可能是由于作物機理模型相對于統(tǒng)計模型而言更能捕獲氣候因子之間的相互關(guān)系(如極端氣溫、降水、平均氣溫)導(dǎo)致的復(fù)雜的非線性產(chǎn)量響應(yīng)。

本研究對未來玉米產(chǎn)量的評估,僅考慮了單一的氣候因素的影響,并沒有考慮隨著氣候變化作物栽培措施的調(diào)整以及CO2濃度增加等的影響。已有研究表明,隨著氣候變化,采取一定的適應(yīng)性措施,如,品種的更替[31],播種期的調(diào)整[32],均有利于作物產(chǎn)量的提高。此外,CO2濃度升高利于緩解或抵消溫度升高造成的負面影響,提高作物產(chǎn)量。

多模式集合是降低氣候變化影響評估結(jié)果不確定性的有效方法。本研究從氣候模式結(jié)構(gòu)和作物模型結(jié)構(gòu)差異對研究結(jié)果影響不確定性角度出發(fā),通過多模式集合評估,在一定程度上反映了未來東北

地區(qū)玉米產(chǎn)量變化的可能范圍,得到未來2010—2039年時段和2040—2069年時段玉米產(chǎn)量分別降低3.8%～7.4%和 6.4%～10.5%。這與Tao等[26]基于多套氣候情景數(shù)據(jù)與作物機理模型結(jié)合的研究結(jié)果相似。值得注意的是,Zhou等[29]通過綜合考慮氣候模式和作物統(tǒng)計模型內(nèi)部參數(shù)引起的不確定性,評估得到未來東北地區(qū)玉米產(chǎn)量有增加趨勢。這些研究差異體現(xiàn)了作物模型選擇的敏感性,另一方面也突出了考慮模型內(nèi)部參數(shù)的重要性。因此,結(jié)合前人研究成果,綜合考慮氣候模式結(jié)構(gòu)、作物模型結(jié)構(gòu)及模型內(nèi)部參數(shù)不確定性對研究結(jié)果的影響,是下一步研究的重點。

表1 海倫、長嶺和本溪3地玉米產(chǎn)量統(tǒng)計模型參數(shù)系數(shù)Table 1 Coefficients of parameters of maize yield statistical models at Hailun,Changling and Benxi

表2 基于作物統(tǒng)計和機理模型的2010－2039年和2040－2069年時段海倫、長嶺、本溪3地相對于基準時段(1976—2005年)的5%、95%和平均氣候變化的玉米產(chǎn)量變化(Mean)及標準偏差(S.D.)Table 2 Maize yield changes(Mean)and standard deviation(S.D.)under 5%,95%,mean climate changes during the periods of 2010–2039 and 2040–2069,relative to 1976–2005 based on statistical and process-based crop model at Hailun,Changling,Benxi

圖4 海倫、長嶺、本溪2010—2039(實線)和2040—2069(虛線)時段玉米產(chǎn)量相對基準時段(1976—2005年)變化的概率密度及累積概率分布Fig.4 Probability density(PD)and cumulative density(CD)for simulated maize yield changes during 2010–2039(solid line)and 2040–2069(dash line),relative to baseline(1976—2005)at Hailun,Changling,Benxi

致謝 衷心感謝國家氣候中心徐穎研究員為本研究提供的氣候情景數(shù)據(jù)支持。

References

[1]Hammer G L,van Oosterom E,McLean G,et al.Adapting APSIM to model the physiology and genetics of complex adaptive traits in field crops[J].Journal of Experimental Botany,2010,61(8):2185–2202

[2]周麗麗,梁效貴,高震,等.基于CERES-Wheat模型的滄州地區(qū)冬小麥需水量分析[J].中國生態(tài)農(nóng)業(yè)學(xué)報,2015, 23(10):1320–1328 Zhou L L,Liang X G,Gao Z,et al.Analysis of water demand forwinterwheatproduction in Cangzhou Area using CERES-Wheat model[J].Chinese Journal of Eco-Agriculture, 2015,23(10):1320–1328

[3]張建平,趙艷霞,王春乙,等.不同發(fā)育期干旱對冬小麥灌漿和產(chǎn)量影響的模擬[J].中國生態(tài)農(nóng)業(yè)學(xué)報,2012,20(9): 1158–1165 Zhang J P,Zhao Y X,Wang C Y,et al.Impact simulation of drought disaster at different developmental stages on winter wheat grain-filling and yield[J]. Chinese Journal of Eco-Agriculture,2012,20(9):1158–1165

[4]Bouman B A M,van Laar H H.Description and evaluation of the rice growth model ORYZA2000 under nitrogen-limited conditions[J].Agricultural Systems,2006,87(3):249–273

[5]楊靖民,竇森,楊靖一,等.基于DSSAT模型的吉林省黑土作物-土壤氮循環(huán)和土壤有機碳平衡[J].應(yīng)用生態(tài)學(xué)報, 2011,22(8):2075–2083 Yang J M,Dou S,Yang J Y,et al.Crop-soil nitrogen cycling and soil organic carbon balance in black soil zone of Jilin Province based on DSSAT model[J].Chinese Journal of Applied Ecology,2011,22(8):2075–2083

[6]Liu Z J,Yang X G,Hubbard K G,et al.Maize potential yields and yield gaps in the changing climate of northeast China[J]. Global Change Biology,2012,18(11):3441–3454

[7]Bassu S,Brisson N,Durand J L,et al.How do various maize crop modelsvary in theirresponses to climatechange factors[J].Global Change Biology,2014,20(7):2301–2320

[8]Li T,Hasegawa T,Yin X Y,et al.Uncertainties in predicting rice yield by current crop models under a wide range of climatic conditions[J].Global Change Biology,2015,21(3): 1328–1341

[9]Lobell D B,Burke M B.On the use of statistical models to predict crop yield responses to climate change[J].Agricultural and Forest Meteorology,2010,150(11):1443–1452

[10]史文嬌,陶福祿,張朝.基于統(tǒng)計模型識別氣候變化對農(nóng)業(yè)產(chǎn)量貢獻的研究進展[J].地理學(xué)報,2012,67(9): 1213–1222 Shi W J,Tao F L,Zhang Z.Identifying contributions of climate change to crop yields based on statistical models:A review[J].Acta Geographica Sinica,2012,67(9):1213–1222

[11]Lobell D B,Schlenker W,Costa-Roberts J.Climate trends and global crop production since 1980[J].Science,2011, 333(6042):616–620

[12]Tao F L,Zhang Z,Shi W J,et al.Single rice growth period was prolonged by cultivars shifts,but yield was damaged by climate change during 1981-2009 in China,and late rice was justopposite[J].GlobalChange Biology,2013,19(10): 3200–3209

[13]張建平,趙艷霞,王春乙,等.不同氣候情景下中國東北與華北作物產(chǎn)量變化趨勢模擬[J].干旱地區(qū)農(nóng)業(yè)研究,2012, 30(3):262–266 Zhang J P,Zhao Y X,Wang C Y,et al.Simulation of change trend of crop yields under different climate change scenarios in Northeast and North China[J].Agricultural Research in the Arid Areas,2012,30(3):262–266

[14]袁東敏,尹志聰,郭建平.SRES B2氣候情景下東北玉米產(chǎn)量變化數(shù)值模擬[J].應(yīng)用氣象學(xué)報,2014,25(3):284–292 Yuan D M,Yin Z C,Guo J P.Numerical simulation of maize yield variation in northeast China under B2 climate change scenario[J].Journal of Applied Meteorological Science,2014, 25(3):284–292

[15]袁東敏,郭建平.CO2濃度增加對東北玉米生長影響的數(shù)值模擬[J].自然資源學(xué)報,2010,25(5):822–829 Yuan D M,Guo J P.Numerical simulation of impact of CO2enrichment on maize growth in northeast China[J].Journal of Natural Resources,2010,25(5):822–829

[16]Guo R P,Lin Z H,Mo X G,et al.Responses of crop yield and water use efficiency to climate change in the North China Plain[J].AgriculturalWater Management,2010,97(8): 1185–1194

[17]Zhang Y,Feng L P,Wang J,et al.Using APSIM to explore wheat yield response to climate change in the North China Plain:The predicted adaptation of wheat cultivar types to vernalization[J].The Journal of Agricultural Science,2013, 151(6):836–848

[18]Asseng S,Ewert F,Rosenzweig C,et al.Uncertainty in simulating wheat yields under climatechange[J].Nature Climate Change,2013,3(9):827–832

[19]Challinor A J,Wheeler T R.Crop yield reduction in the tropics under climate change:Processes and uncertainties[J]. Agricultural and Forest Meteorology,2008,148(3):343–356

[20]葛全勝,王紹武,方修琦.氣候變化研究中若干不確定性的認識問題[J].地理研究,2010,29(2):191–203Ge Q S,Wang S W,Fang X Q.An uncertainty analysis of understanding on climate change[J].Geographical Research, 2010,29(2):191–203

[21]Prescott J A.Evaporation from water surface in relation to solar radiation[J].Transactions of the Royal Society of South Australia,1940,64(1):114–118

[22]戴彤,王靖,赫迪,等.1961—2010年氣候變化對西南冬小麥潛在和雨養(yǎng)產(chǎn)量影響的模擬分析[J].中國生態(tài)農(nóng)業(yè)學(xué)報, 2016,24(3):293–305 Dai T,Wang J,He D,et al.Impact simulation of climate change on potential and rainfed yields of winter wheat in Southwest China from 1961 to 2010[J].Chinese Journal of Eco-Agriculture,2016,24(3):293–305

[23]Zhang Y,Zhao Y X,Chen S N,et al.Prediction of maize yield response to climate change with climate and crop model uncertainties[J]. Journal of Applied Meteorology and Climatology,2015,54(4):785–794

[24]Xiong W,Matthews R,Holman I,et al.Modelling China’s potential maize production at regional scale under climate change[J].Climate Change,2007,85(3/4):433–451

[25]米娜,張玉書,蔡福,等.未來氣候變化對東北地區(qū)玉米單產(chǎn)影響的模擬研究[J].干旱區(qū)資源與環(huán)境,2012,26(8):117–123 Mi N,Zhang Y S,Cai F,et al.Modelling the impacts of future climate change on maize productivity in Northeast China[J].Journal of Arid Land Resources and Environment, 2012,26(8):117–123

[26]Tao F,Zhang Z.Impacts of climate change as a function of global mean temperature:Maize productivity and water use in China[J].Climate Change,2011,105(3/4):409–432

[27]馬玉平,孫琳麗,俄有浩,等.預(yù)測未來40年氣候變化對我國玉米產(chǎn)量的影響[J].應(yīng)用生態(tài)學(xué)報,2015,26(1): 224–232 Ma Y P,Sun L L,E Y H,et al.Predicting the impact of climate change in the next 40 years on the yield of maize in China[J].Chinese Journal of Applied Ecology,2015,26(1): 224–232

[28]Zhang Y,Zhao Y X,Wang C Y,et al.Using statistical model to simulate the impact of climate change on maize yield with climate and crop uncertainties[J].Theoretical and Applied Climatology,2016,doi:10.1007/s00704-016-1935-2

[29]Zhou M Z,Wang H J.Potential impact of future climate change on crop yield in northeastern China[J].Advances in Atmospheric Sciences,2015,32(7):889–897

[30]Roudier P,Sultan B,Quirion P,et al.The impact of future climate change on West African crop yields:What does the recent literature say[J].Global Environmental Change,2011, 21(3):1073–1083

[31]Liu Z J,Hubbard K G,Lin X M,et al.Negative effects of climate warming on maize yield are reversed by the changing of sowing date and cultivar selection in Northeast China[J]. Global Change Biology,2013,19(11):3481–3492

[32]Meng Q F,Hou P,Lobell D B,et al.The benefits of recent warming for maize production in high latitude China[J]. Climatic Change,2014,122(1/2):341–349

Multi-model ensemble for simulation of the impact of climate change on maize yield*

ZHANG Yi1,ZHAO Yanxia1,2**
(1.Chinese Academy of Meteorological Sciences,Beijing 100081,China;2.Shanghai Institute of Meteorological Sciences, Shanghai 200030,China)

Climate projections through process-based statistical crop models are important in studying the impacts of climate change on agricultural production.However,extensive assessments have generally relied on single climate with single crop models which have shown large discrepancies in predicted crop yields and estimations uncertainty hardly assessed.The proper understanding of uncertainties associated with such models is essential for effective use of projected results in devising adaptation strategies.Assessing crop yield response to future climate conditions based on an ensemble of possible outcomes from multiple climate projections and crop models could be more reliable than using a single model outcome.To estimateuncertainties associated with the study of the impacts of climate change on crop yield,we used 8 climate projections by GCMs under RCP4.5 in the CMIP5(which represented the uncertainties in the projected climate change)and a statistical process-based crop model(which represented the uncertainties in the different structures or different formulations of physiological processes of crop models).Historical data of crop and meteorological data during 1981-2009 from agro-meteorological stations of China Meteorological Administration in Hailun,Changling and Benxi in Northeast China were used to establish and evaluate statistical and process-based APSIM(Agricultural Production Systems sIMulator)models, respectively.Then the two crop models were linked with 8 climate projections to evaluate the impact of climate change on maize yield during 2010–2039 and 2040–2069,using 1976–2005 as the baseline period.In total,2 crop models under 8 climate projections for a period of 30 years(a total of 480 simulations)were generated for both the baseline and two future climate periods.The results showed that APSIM model well simulated the growth and yield of maize.The root mean square error (RMSE)for the growth progress(flowering and maturity)simulation was 3–4 days and that for the yield simulation was 0.6–0.8 t×hm-2.The established statistical model suggested that temperature during emergence(mid May)had a positive effect on maize yield.However,the increase of temperature and rainfall,and lack of solar radiation during flowering and grain-filling periods(mid July to early September)had negative impact on increase of maize yield.Compared with 1976–2005,the resulting probability distributions indicated that due to climate change,maize yield in 2010–2039 decreased on average by 3.8%(Hailun)-7.4%(Benxi),at a probability of 64%(Changling)-73%(Benxi).During 2040–2069,maize yield increased by 6.4%(Hailun)-10.5%(Benxi),at a probability of 74%(Hailun)-83%(Benxi).The simulated yield decrease by the APSIM model was 6.6%(Hailun)-8.9%(Benxi)during 2010–2039 and 9.7%(Hailun)-13.7%(Benxi)during 2040–2069. These were higher relative to those simulated by the statistical model,which were 0.9%(Hailun)-6.0%(Benxi)during 2010–2039 and then 2.0%(Changling)-7.3%(Benxi)during 2040–2069.

Climate change;Statistical model;APSIM model;Ensemble simulation;Maize;Growth progress;Yield;

Dec.15,2016;accepted Feb.22,2017

S162.3

A

1671-3990(2017)06-0941-08

10.13930/j.cnki.cjea.161152

張祎,趙艷霞.多模式集合模擬氣候變化對玉米產(chǎn)量的影響[J].中國生態(tài)農(nóng)業(yè)學(xué)報,2017,25(6):941-948

Zhang Y,Zhao Y X.Multi-model ensemble for simulation of the impact of climate change on maize yield[J].Chinese Journal of Eco-Agriculture,2017,25(6):941-948

* 國家自然科學(xué)基金項目(41505097)和公益性行業(yè)(氣象)科研專項(GYHY201406026)資助

**通訊作者:趙艷霞,主要研究方向為農(nóng)業(yè)生態(tài)系統(tǒng)模擬。E-mail:zyx@camscma.cn

張祎,主要研究方向為氣候變化影響與適應(yīng)。E-mail:zhangyi@camscma.cn

2016-12-15 接受日期:2017-02-22

* This study was supported by the National Natural Science Foundation of China(41505097)and the Special Scientific Research Fund of Meteorology in the Public Welfare Profession of China(GYHY201406026).

**Corresponding author,E-mail:zyx@camscma.cn