氣候變化條件下旱作玉米用水效率與單產(chǎn)變化趨勢分析

王玉寶 柴成亮 張 鵬 趙 旗 何建強 孫世坤

(1.西北農(nóng)林科技大學旱區(qū)農(nóng)業(yè)水土工程教育部重點實驗室， 陜西楊凌 712100； 2.西北農(nóng)林科技大學中國旱區(qū)節(jié)水農(nóng)業(yè)研究院， 陜西楊凌 712100； 3.西北農(nóng)林科技大學農(nóng)學院， 陜西楊凌 712100)

0 引言

氣候變化對未來農(nóng)業(yè)用水效率和產(chǎn)量會造成重要影響。與灌溉農(nóng)業(yè)相比，旱作農(nóng)業(yè)用水效率和產(chǎn)量更易受到氣候變化的影響[1]。將作物模型與氣候模式相結(jié)合，可有效預測氣候變化對作物產(chǎn)量和水分利用效率的影響[2]。農(nóng)業(yè)技術(shù)推廣決策支持系統(tǒng)DSSAT(Decision support system for agrotechnology transfer)[3-5]作物系統(tǒng)模型是目前應(yīng)用較為廣泛的作物模型，可逐日模擬20余種作物的生長發(fā)育過程，定量各影響因子對產(chǎn)量和全生育期蒸散量的影響[6]。DSSAT 中專門用于玉米生長模擬的CERES-Maize模型[7]，被廣泛用于不同環(huán)境條件下玉米遺傳參數(shù)的確定[8]、不同播期及灌溉制度對玉米產(chǎn)量的影響[9]以及玉米灌溉需水量的確定[10]等諸多領(lǐng)域。部分學者將CERES-Maize模型用于氣候變化對玉米產(chǎn)量及水分利用效率影響的研究，如利用大氣環(huán)流模型(General circulation model，GCM)產(chǎn)生的數(shù)據(jù)和隨機天氣發(fā)生器產(chǎn)生的逐日氣象數(shù)據(jù)與作物模型相結(jié)合，研究華北平原和吉林省等地玉米產(chǎn)量和水分利用效率對氣候變化的響應(yīng)[11-12]，但是GCM輸出的數(shù)據(jù)空間分辨率較低。也有學者采用作物模型和最新且具有高分辨率的RCPs(Representative concentration pathways)系列氣候情景相鏈接，研究氣候變化對東北玉米產(chǎn)量和潛在適應(yīng)性措施的影響，但未對灌溉玉米和旱作玉米進行比較研究[13-14]。一系列將RegCM(Regional climate model)區(qū)域氣候模式和校正過的CERES-Maize模型相鏈接的方法在玉米作物上得到驗證[15-17]。但是，運用CERES-Maize模型研究氣候變化條件下旱作玉米產(chǎn)量及其生產(chǎn)水足跡方面的研究尚未見報道。

旱作農(nóng)業(yè)的產(chǎn)量與用水效率密切相關(guān)。因此，合理評價旱作農(nóng)業(yè)用水效率至關(guān)重要。旱作農(nóng)業(yè)的作物用水全部依靠降水，降水利用率(有效降水量與總降水量的比值)和降水利用效率(作物單產(chǎn)與蒸發(fā)蒸騰量的比值)是評價旱作農(nóng)業(yè)用水效率的兩個傳統(tǒng)指標。水足跡概念的提出為農(nóng)業(yè)用水效率評價提供了新的工具。作物生產(chǎn)水足跡有效地綜合了兩個傳統(tǒng)指標的意義，并簡化了計算過程[18]。針對利用CERES-Maize模型研究雨養(yǎng)玉米生產(chǎn)水足跡方面的不足，本研究以基于田間尺度作物生產(chǎn)水足跡的核算方法為基礎(chǔ)，嘗試利用CERES-Maize模型綜合評價氣候變化對旱作玉米產(chǎn)量和水分利用效率的影響。選擇玉米為研究對象，以北方典型旱作區(qū)的陜西渭北旱塬為研究區(qū)域，通過多年的玉米田間試驗數(shù)據(jù)評估CERES-Maize模型在渭北旱塬地區(qū)的適宜性，并利用區(qū)域氣候模式RegCM4.0輸出氣象數(shù)據(jù)，分析渭北旱塬在RCP2.6和RCP8.5兩種氣候情景下玉米產(chǎn)量和水分利用效率的變化趨勢，旨在為我國旱作農(nóng)業(yè)生產(chǎn)布局規(guī)劃，以及制定適應(yīng)氣候變化的農(nóng)業(yè)生產(chǎn)策略提供支持。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

渭北旱塬位于陜西省關(guān)中平原區(qū)以北、陜北丘陵溝壑區(qū)以南，是陜西省重要的糧食生產(chǎn)基地。區(qū)域農(nóng)業(yè)生產(chǎn)依賴天然降水，屬于中國北方典型的旱作農(nóng)業(yè)區(qū)，種植方式為春玉米一年一熟制[19]。選取位于旱塬東部的陜西省合陽縣西北農(nóng)林科技大學旱作農(nóng)業(yè)試驗站(35°19′54.45″ N，110°05′58.35″ E，海拔850 m)，以及位于旱塬西部的長武縣中國科學院黃土高原農(nóng)業(yè)生態(tài)試驗站(35°14′ N，107°41′ E，海拔1 220 m)2個試驗點進行研究。合陽和長武2個站點均屬暖溫帶半濕潤易干旱型大陸性季風氣候區(qū)，多年平均氣溫分別為10.5℃和9.5℃，極端高溫分別為40.1℃和37.6℃，極端低溫分別為-21.2℃和-26.2℃；無霜期分別為190 d和171 d；多年平均降雨量分別為543.35 mm和583.41 mm，常年降水主要集中在7、8、9月，降雨年際間分布不均；多年平均蒸發(fā)量分別為1 832.8 mm和1 016.6 mm。2個站點土壤類型均為黑壚土，黃土母質(zhì)疏松，屬于中壤土，土層厚，蓄水保肥能力強。

1.2 數(shù)據(jù)及來源

研究所需數(shù)據(jù)包括：田間管理數(shù)據(jù)、土壤數(shù)據(jù)和氣象數(shù)據(jù)。田間管理數(shù)據(jù)包括初始土壤水，作物品種，播種方式、日期和密度，施肥品種、日期和施肥量，收獲時期等，來自試驗、調(diào)查數(shù)據(jù)和文獻[18-19]。土壤剖面數(shù)據(jù)來源于《陜西農(nóng)業(yè)土壤》[20]和文獻[19]。歷史年份逐日氣象數(shù)據(jù)，包括太陽輻射、最高氣溫、最低氣溫、降雨量，其中太陽輻射根據(jù)逐日日照時數(shù)通過埃斯曲郎(Angstron)經(jīng)驗公式計算[21]，來自于中國氣象科學數(shù)據(jù)共享服務(wù)網(wǎng)(http:∥data.cma.cn)。2017—2050年氣候數(shù)據(jù)，來源于中國國家氣候中心基于全球氣候模式比較計劃CMIP5(Coupled model intercomparison project phase 5)的數(shù)據(jù)產(chǎn)品，采用動力降尺度模型RegCM4.0獲取的分辨率為0.5°×0.5°的區(qū)域數(shù)據(jù)[22]，再通過薄盤樣條曲線函數(shù)進行插值和2個站點經(jīng)緯度獲取站點水平的逐日氣象數(shù)據(jù)。本研究選取輻射強迫最低和最高的RCP2.6與RCP8.5氣候情景，分析未來最極端的2種氣候情景。

1.3 作物模型遺傳參數(shù)的率定

遺傳參數(shù)是品種特性的反映，不同區(qū)域所種植的玉米品種特性和模型中供試品種參數(shù)不盡相同，因此在調(diào)試參數(shù)時，需要調(diào)整模型中遺傳參數(shù)的閾值范圍。CERES-Maize模型中可供調(diào)試與生長有關(guān)的玉米品種特性參數(shù)有6個，即遺傳參數(shù)：P1為幼苗期生長特性參數(shù)，指完成非感光幼苗大于8℃熱量時間，一般取100～400℃·d；P2為光周期敏感系數(shù)，指光敏感期大于臨界日長1 h的光周期導致發(fā)育延遲的程度，通常取值0～4；P5為灌漿期特性參數(shù)，指吐絲至生理成熟期大于8℃的熱量時間，取值為600～1000℃·d；G2為單株最大穗粒數(shù)，一般取值500～1 000粒；G3為潛在灌漿速率參數(shù)，指最適灌漿條件下線性灌漿階段的籽粒灌漿速率，一般取值5～12 mg/(?！)；PHINT為出葉間隔特性參數(shù)，一般取值30～75℃·d[23]。

本文采用DSSAT模型自帶的GLUE(Generalized likelihood uncertainty estimation)調(diào)參程序包對玉米品種遺傳特性進行參數(shù)標定[24]，以出苗期、開花期、成熟期和籽粒產(chǎn)量為相關(guān)輸出變量，以田間觀測值和模型模擬值之間的絕對相對誤差最小為目標進行調(diào)參。模型參數(shù)驗證均以模擬值和實測值之間絕對相對誤差(Absolute relative error，ARE)、相對均方根誤差(Normalized root mean suare error，NRMSE)、一致性指數(shù)d(The index agreement)及決定系數(shù)R2來評價，并通過比較模擬值和實測值之間的差異，逐步調(diào)整模型品種和管理參數(shù)，使其盡可能地表現(xiàn)出產(chǎn)量等作物性狀的時空差異。ARE與NRMSE越小，表明模擬精度越高，ARE和NRMSE為小于10%、10%～20%、20%～30%和大于等于30%分別表示模擬結(jié)果非常好、較好、一般和較差[25]。根據(jù)一致性指標統(tǒng)計，一致性指數(shù)d越接近1，說明模擬值和觀測值之間的一致性越高[26]。

1.4 田間尺度作物生產(chǎn)水足跡

田間尺度作物生產(chǎn)水足跡(Water footprint of crop production)是指農(nóng)田尺度生產(chǎn)單位質(zhì)量的作物(一般指經(jīng)濟產(chǎn)量)所消耗的廣義水資源量。按照水資源消耗的類型，作物生產(chǎn)水足跡可以分為綠水足跡(Green water footprint)和藍水足跡(Blue water footprint)。本研究中無灌溉，且地下水位深達10 m以上，因此也無地下水補給[27]，玉米生產(chǎn)全部依賴天然降水，即玉米生產(chǎn)藍水足跡為零。玉米生產(chǎn)水足跡計算公式為

WFmaize=WFgreen

(1)

其中

WFgreen=CWUgreen/Y=aETgreen/Y

(2)

ETgreen=min(ETc,Pe)

(3)

式中WFgreen——玉米生產(chǎn)綠水足跡，m3/kg

CWUgreen——玉米所消耗的綠水資源量，m3/hm2

Y——玉米單位面積產(chǎn)量，kg/hm2

a——單位換算系數(shù)，將單位由水深(mm)轉(zhuǎn)化為單位面積水量(m3/hm2)，取10

ETgreen——玉米綠水蒸發(fā)蒸騰量，mm

ETc——玉米蒸發(fā)蒸騰量，由CERES-Maize模型求出，mm

Pe——玉米生育期有效降水量，mm

有效降水量根據(jù)美國農(nóng)業(yè)部土壤保持局提出的方法計算[28]，根據(jù)玉米生育期對Pe(dec)進行求和即可得到玉米整個生育期的有效降水量，劉帝等[29]、史利潔等[30]的研究表明，該方法在關(guān)中地區(qū)具有較好的適用性，其計算公式為

(4)

式中Pdec——玉米生育期旬降水量，mm

Pe(dec)——玉米生育期旬有效降水量，mm

2 結(jié)果與分析

2.1 CERES-Maize模型驗證

歷史年份兩個站點各處理的不同指標模擬值和實測值比較結(jié)果分別見表1和表2，其中，BF為平衡施肥，CF為常規(guī)施肥，LF為低肥，NF為無肥。合陽站點在研究時段內(nèi)每年有3種不同施肥水平，所有年份出苗期ARE值均在0～12.50%之間，均值為5.50%；開花期的ARE值在0～4.65%之間，均值為1.73%；成熟期ARE值在0～4.4%之間，平均值為1.66%；開花期ARE值都在5%以下；物侯期均值為2.96%，表明模擬結(jié)果非常好?？傮w而言，CERES-Maize模型對合陽站點玉米物候期的模擬結(jié)果較好。長武站點各年份玉米出苗期的ARE值均在0～10%之間，其中41.67%的年份模擬值與實測值完全一致，對開花期和成熟期的模擬ARE值均在4%以內(nèi)，物侯期均值為2.71%，表明該站點用CERES-Maize模型對玉米物候期的模擬結(jié)果非常好。

表1 2008—2015年合陽站點CERES-Maize模型模擬值與實測值對比 Tab.1 Comparison of simulated values of CERES-Maize model with observed values in Heyang station during 2008—2015

表2 1998—2011年長武站點CERES-Maize模型模擬值與實測值對比 Tab.2 Comparison of simulated values of CERES-Maize model with observed values in Changwu station during 1998—2011

合陽站點所有年份不同處理籽粒產(chǎn)量模擬值與實測值之間的ARE均值為7.65%，其中75%的處理產(chǎn)量ARE值在10%以下，25%的處理產(chǎn)量ARE值介于10%～20%之間。產(chǎn)量模擬值和觀測值之間的RMSE及NRMSE分別為670.53 kg/hm2和8.27%，從ARE值來看，對產(chǎn)量的模擬相對于物候期稍差，但總體上模擬結(jié)果仍非常好。決定系數(shù)R2和一致性指標d分別為0.86和0.96，也說明模擬值與觀測值的一致性非常好。長武站點各年份玉米產(chǎn)量模擬值與田間實測值之間的ARE值均在13%以內(nèi)，RMSE和NRMSE分別為791.33 kg/hm2和8.72%，決定系數(shù)R2和一致性指標d分別為0.91和0.96，都很接近1，說明產(chǎn)量模擬值與觀測值之間有很好的一致性。

2.2 玉米生產(chǎn)水足跡與產(chǎn)量變化過程分析

如圖1所示，合陽站點2008—2015年玉米生產(chǎn)水足跡呈波動下降趨勢，但下降幅度不大；產(chǎn)量呈波動增加趨勢，但增加幅度較小。如圖2所示，長武站點1998—2011年(缺測2006年和2009年)玉米生產(chǎn)水足跡下降趨勢較為明顯，產(chǎn)量隨著時間的推移增加趨勢較為顯著。玉米生產(chǎn)水足跡是由玉米生產(chǎn)過程中的水資源消耗量和玉米單產(chǎn)共同決定，分析發(fā)現(xiàn)，合陽站點玉米生產(chǎn)水足跡與對應(yīng)年份的有效降水量變化趨勢相反，生育期有效降水量高的年份對應(yīng)的玉米生產(chǎn)水足跡較低。特殊年份是2011年，該年份玉米生產(chǎn)水足跡與有效降水量均較高，其原因是玉米播種前期土壤蓄水量較少，影響了玉米生長發(fā)育過程，造成玉米產(chǎn)量的下降。長武站點玉米生產(chǎn)水足跡與對應(yīng)年份有效降水量的變化規(guī)律與合陽站點相似。特殊年份是1998年，該年份玉米生育期有效降水量很高，但由于漬澇災(zāi)害的原因，單產(chǎn)較低，導致該年份玉米生產(chǎn)水足跡也很高。

圖1 2008—2015年合陽站點玉米生產(chǎn)水足跡、生育期有效降水量和產(chǎn)量變化趨勢 Fig.1 Water footprint of maize production, effective precipitation and maize production in Heyang station from 2008 to 2015

圖2 1998—2011年長武站點玉米生產(chǎn)水足跡、有效降水量和產(chǎn)量變化趨勢 Fig.2 Water footprint of maize production, effective precipitation and maize production in Changwu station from 1998 to 2011

2.3 2017—2050年玉米生產(chǎn)水足跡與產(chǎn)量預測

圖3 2017—2050年合陽站點玉米生產(chǎn)水足跡變化 趨勢和產(chǎn)量預測 Fig.3 Changing trend of water footprint of maize production and maize production in Heyang station from 2017 to 2050

圖4 2017—2050年長武站點玉米生產(chǎn)水足跡變化 趨勢和產(chǎn)量預測 Fig.4 Changing trend of water footprint of maize prodction and maize production in Changwu station from 2017 to 2050

如圖3所示，在RCP2.6和RCP8.5兩種氣候情景下，合陽站點2017—2050年玉米生產(chǎn)水足跡均值均為0.37 m3/kg，產(chǎn)量均值分別為8 896.38 kg/hm2和9 250.53 kg/hm2，玉米生產(chǎn)水足跡的M-K(Mann-Kendall)趨勢檢驗值分別為-0.14和-0.43，產(chǎn)量的M-K檢驗值分別為0.27和-0.43；其中，RCP2.6氣候情景下產(chǎn)量呈上升趨勢，由于玉米生育期有效降水的增加幅度小于產(chǎn)量增加幅度，使玉米生產(chǎn)水足跡也呈下降趨勢；而RCP8.5情景下雖然玉米的產(chǎn)量有不顯著下降趨勢，但因玉米用水效率較高，玉米生產(chǎn)水足跡呈下降趨勢。如圖4所示，長武站點RCP2.6和RCP8.5兩種氣候情景下，玉米生產(chǎn)水足跡均值分別為0.39 m3/kg和0.38 m3/kg，產(chǎn)量均值分別為8 528.91 kg/hm2和8 771.03 kg/hm2；兩種氣候情景下該站點玉米生產(chǎn)水足跡的M-K趨勢檢驗值分別為-2.77和-0.43，產(chǎn)量的M-K檢驗值分別為0.28和-0.43；因RCP2.6情景下玉米水分利用效率較高，玉米生產(chǎn)水足跡呈極顯著下降趨勢，產(chǎn)量呈上升趨勢；由于有效降水量下降幅度大于產(chǎn)量下降幅度，從而出現(xiàn)在RCP8.5情景下玉米生產(chǎn)水足跡及其產(chǎn)量同時呈下降的特征。

3 討論

3.1 CERES-Maize模型計算玉米生產(chǎn)水足跡的適宜性

本研究以田間尺度作物生產(chǎn)水足跡的核算方法為基礎(chǔ)，利用CERES-Maize模型模擬玉米產(chǎn)量和實際蒸發(fā)蒸騰量，進而獲得玉米生產(chǎn)水足跡。玉米實際蒸發(fā)蒸騰量主要基于精度較高的內(nèi)嵌于模型中的Priestley-Taylor公式計算獲得。本文研究結(jié)果表明，CERES-Maize模型對渭北旱塬旱作玉米產(chǎn)量具有很好的模擬效果；利用該模型模擬玉米產(chǎn)量在國內(nèi)外其他地區(qū)也都得到了廣泛驗證[11,31]。因此，CERES-Maize適于計算玉米生產(chǎn)水足跡。與計算旱作和灌溉綜合條件下結(jié)果相比(表3)，本研究計算的旱作玉米生產(chǎn)水足跡結(jié)果明顯較小，表明旱作農(nóng)業(yè)用水效率較高，即盡管灌溉提高了農(nóng)業(yè)單產(chǎn)，用水效率卻下降了。與劉帝等[29]采用的灌區(qū)水量平衡法相比，以及與史利潔等[30]采用的以地市為單元和張蕾[32]以省級行政區(qū)為單元的計算方法相比，本研究利用作物模型和田間試驗相結(jié)合的方式，通過多年玉米田間試驗數(shù)據(jù)對模型進行調(diào)參和驗證后，模型模擬計算的玉米生產(chǎn)水足跡數(shù)據(jù)更精確、可靠。

表3 不同學者研究結(jié)果比較 Tab.3 Comparison with other researches

3.2 不同氣候情景下氣溫對玉米產(chǎn)量和用水效率的影響

以氣候變暖為主要特征的全球氣候變化是各界學者的共識。渭北旱塬是受氣候影響敏感地區(qū)之一[22]。本研究發(fā)現(xiàn)(表4)，合陽和長武兩個站點的最高溫度和最低溫度在兩種氣候情景下隨時間的推移都呈上升趨勢，其中，RCP8.5情景下兩站點溫度M-K趨勢檢驗值明顯大于RCP2.6情景。兩站點RCP8.5情景下最低溫度上升趨勢均達到顯著水平(P<0.05)。由于RCP8.5氣候情景下溫度升高幅度較大，引起玉米生育期的縮短[33]，導致玉米光合作用時間的縮短，凈光合產(chǎn)物和玉米干物質(zhì)積累的下降，促使兩站點玉米產(chǎn)量均呈下降趨勢。氣溫上升幅度過大對玉米單產(chǎn)有明顯的負面影響，這與KANG等[34]的研究一致。應(yīng)減少溫室氣體排放、提高作物用水效率等措施來降低氣候變化對作物生產(chǎn)造成的負面影響。此外，因玉米生育期縮短引起的玉米蒸發(fā)蒸騰量下降幅度小于產(chǎn)量下降幅度，導致氣候變暖對玉米水分利用效率有正面影響[11]，渭北旱塬玉米水分利用效率在2050年前隨溫度的升高呈上升趨勢。

3.3 未來氣候條件下玉米產(chǎn)量和有效降水量的關(guān)系

無灌溉條件下，生育期有效降水量決定玉米產(chǎn)量的上限[35]。本研究模型模擬結(jié)果表明，兩站點RCP2.6和RCP8.5兩種氣候情景下，生育期有效降水量越多的年份玉米產(chǎn)量越高(圖5、6)。有相關(guān)學者運用CERES-Mazie模型模擬了降水對玉米產(chǎn)量的影響，結(jié)果表明降水量與玉米產(chǎn)量呈顯著的中度正相關(guān)，相關(guān)系數(shù)為0.75[36]。因此，提高降水利用率和利用效率，可進一步提高旱作玉米產(chǎn)量。

表4 2017—2050年合陽站點和長武站點氣溫、 玉米產(chǎn)量、蒸發(fā)蒸騰量和水分利用效率M-K 趨勢檢驗值 Tab.4 Values of M-K trend test of temperature, maize production, ETc and WUE of Heyang and Changwu stations from 2017 to 2050

圖5 2017—2050年合陽站點玉米產(chǎn)量和有效降水量 變化趨勢 Fig.5 Maize production and effective precipitation in Heyang station from 2017 to 2050

圖6 2017—2050年長武站點玉米產(chǎn)量和有效降水量 變化趨勢 Fig.6 Maize production and effective precipitation in Changwu station from 2017 to 2050

3.4 不同氣候情景下玉米生產(chǎn)水足跡和產(chǎn)量的比較

旱作玉米生產(chǎn)水足跡由玉米生產(chǎn)過程中綠水消耗量和單產(chǎn)共同決定。通過對比兩種氣候情景下玉米生產(chǎn)水足跡和產(chǎn)量之間的差異可以發(fā)現(xiàn)(圖3、4)，兩站點RCP8.5情景下2050年前玉米產(chǎn)量均值高于RCP2.6情景。合陽站點RCP8.5情景下玉米生育期有效降水量波動幅度較大，導致玉米產(chǎn)量的波動幅度也較大，在產(chǎn)量和生育期有效降水共同作用下，RCP8.5情景下玉米生產(chǎn)水足跡波動幅度較小。長武站點RCP2.6情景下玉米蒸發(fā)蒸騰量波動幅度較大，造成玉米產(chǎn)量波動幅度也較大，在產(chǎn)量和蒸發(fā)蒸騰量共同作用下，RCP2.6情景下玉米生產(chǎn)水足跡波動幅度大于RCP8.5情景。為減弱較小的有效降水和較大的蒸發(fā)蒸騰量對產(chǎn)量造成的負面影響，可以采取保護性耕作措施，改良土壤結(jié)構(gòu)，增強蓄水保水能力；發(fā)展雨水集蓄，在旱災(zāi)和玉米需水臨界期進行補充灌溉；篩選和培育節(jié)水抗旱品種。

4 結(jié)論

(1)建立了利用CERES-Maize模型模擬作物生產(chǎn)水足跡的方法。以田間尺度作物生產(chǎn)水足跡的核算方法為基礎(chǔ)，利用CERES-Maize模型模擬玉米產(chǎn)量和實際蒸發(fā)蒸騰量，進而獲得玉米生產(chǎn)水足跡。利用作物模型和田間試驗相結(jié)合的方式，通過多年玉米田間試驗數(shù)據(jù)對模型進行調(diào)參和驗證，模型模擬計算的玉米生產(chǎn)水足跡數(shù)據(jù)更為精確、可靠。

(2)CERES-Maize模型模擬旱作玉米產(chǎn)量效果好。通過多年田間定位試驗數(shù)據(jù)對CERES-Maize模型遺傳參數(shù)的校準和驗證，能很好地模擬旱作玉米的生長發(fā)育和產(chǎn)量形成過程，其中，物候期總體模擬絕對相對誤差(ARE)均值為2.84%(合陽站點為2.96%、長武站點為2.71%)，產(chǎn)量模擬值和實測值之間的決定系數(shù)(R2)均值為0.89(合陽站點為0.86、長武站點為0.91)。

(3)不同氣候情景下旱作玉米產(chǎn)量存在較大差異，用水效率基本相同。兩站點RCP8.5情景下2050年前玉米產(chǎn)量均值較RCP2.6情景高298.13 kg/hm2。但RCP2.6情景下隨著溫度的升高和生育期有效降水量的增加，玉米產(chǎn)量呈上升趨勢；RCP8.5情景下隨著溫度的上升和生育期有效降水量的減少，玉米產(chǎn)量呈下降趨勢。兩種氣候情景下玉米生產(chǎn)水足跡基本相同，2050年前均呈下降趨勢。

(4)氣溫上升幅度過大對玉米單產(chǎn)有明顯的負面影響，有效降水量與玉米單產(chǎn)呈正相關(guān)。RCP8.5氣候情景下溫度升高幅度較大，使得玉米生育期縮短，導致玉米光合作用時間的縮短、凈光合產(chǎn)物和玉米干物質(zhì)積累的下降，促使兩站點玉米產(chǎn)量均呈下降趨勢。提高降水利用率和利用效率，可進一步提高旱作玉米產(chǎn)量。

(5)玉米生產(chǎn)水足跡對氣溫敏感性較低，有效降水量與玉米生產(chǎn)水足跡呈負相關(guān)。由于適當?shù)臍鉁厣邔τ衩渍舭l(fā)蒸騰量和產(chǎn)量均具有一定的促進作用，而二者的比值是玉米生產(chǎn)水足跡，因此生產(chǎn)水足跡對氣溫敏感性較低。繼續(xù)增加玉米有效降水量，仍可以提高降水利用效率，這表明有效降水量仍未達到玉米用水效率最高時所需的水量，因此，采取有效措施，增加玉米生長過程中的水分供應(yīng)，可大幅提高玉米單產(chǎn)。

(6)為有效應(yīng)對氣候變化對旱作作物產(chǎn)量造成的負面影響，應(yīng)進一步提高資源利用效率，發(fā)展循環(huán)農(nóng)業(yè)，減少溫室氣體排放量，防止氣溫的過快升高；采取保護性耕作措施，改善土壤結(jié)構(gòu)，增強土壤蓄水保墑效果；采取農(nóng)田微集雨措施和適宜的農(nóng)藝節(jié)水模式，發(fā)展集雨補灌，篩選和培育節(jié)水抗旱新品種，提高降水利用率和利用效率；做好干旱等自然災(zāi)害的預警和應(yīng)對工作，降低災(zāi)害對玉米產(chǎn)量的影響。