氣候變化下干旱對(duì)中國(guó)玉米產(chǎn)量的影響

徐 昆，朱秀芳※，劉 瑩，郭 銳，陳令儀

（1. 北京師范大學(xué)環(huán)境演變與自然災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室，北京 100875；2. 北京師范大學(xué)地表過(guò)程與資源生態(tài)學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100875；3. 北京師范大學(xué)地理科學(xué)學(xué)部遙感科學(xué)與工程研究院，北京 100875）

0 引 言

在全球氣候變化的背景下，極端氣象事件頻發(fā)。干旱作為其中最復(fù)雜也是最具破壞性的自然現(xiàn)象之一，因其分布廣泛、發(fā)生頻率高、持續(xù)時(shí)間長(zhǎng)的特性，對(duì)生態(tài)、農(nóng)業(yè)和社會(huì)經(jīng)濟(jì)都會(huì)造成嚴(yán)重影響[1]。研究表明，在全球范圍內(nèi)，未來(lái)干旱事件發(fā)生的風(fēng)險(xiǎn)將進(jìn)一步增加[2]。目前，中國(guó)是全球氣象災(zāi)害風(fēng)險(xiǎn)最高的國(guó)家之一[3]，因氣候條件復(fù)雜，人口眾多，生態(tài)系統(tǒng)脆弱，經(jīng)濟(jì)發(fā)展迅速，更易受到氣候變化和干旱災(zāi)害的影響[4]。一些研究對(duì)未來(lái)中國(guó)干旱情形的發(fā)展進(jìn)行了預(yù)測(cè)工作，Yao 等[5]基于國(guó)際耦合模式比較計(jì)劃第五階段（Phase 5 of Coupled Model Inter-Comparison Project，CMIP5）中28 個(gè)GCM 模式采用標(biāo)準(zhǔn)化蒸散指數(shù)（ Standardized Precipitation Evapotranspiration Index，SPEI）對(duì)中國(guó)未來(lái)干旱的時(shí)空變化進(jìn)行預(yù)測(cè)，結(jié)果顯示未來(lái)中國(guó)大部分地區(qū)的干旱將更加頻繁和嚴(yán)重；Liang 等[6]、莫興國(guó)等[7]分別采用帕爾默干旱指數(shù)（Palmer Drought Severity Index，PDSI）評(píng)估了21 世紀(jì)中國(guó)干旱事件發(fā)生的時(shí)空變化特征，結(jié)果表明未來(lái)中國(guó)干旱化趨勢(shì)將會(huì)更加廣泛，干旱頻率、持續(xù)時(shí)間和強(qiáng)度都將顯著上升。

農(nóng)業(yè)生產(chǎn)直接受到溫度、降水等氣候變量的影響。干旱作為一種極端天氣現(xiàn)象，是影響作物產(chǎn)量的主要?dú)夂蛑萍s因素之一[8-10]。在干旱條件下，水分虧缺對(duì)作物生長(zhǎng)產(chǎn)生負(fù)面影響，作物關(guān)閉氣孔以限制水分蒸發(fā)，造成用于光合作用的碳吸收量減少，最終導(dǎo)致產(chǎn)量下降[11]。另有Kocsis 等[12]的研究表明，干旱對(duì)土壤肥力也會(huì)造成影響。

研究表明，至21 世紀(jì)50 年代，全球糧食需求預(yù)計(jì)將擴(kuò)大約一倍[13-14]。為了滿足未來(lái)人口增長(zhǎng)背景下日益增長(zhǎng)的糧食需求，了解氣候變化背景下干旱對(duì)作物生產(chǎn)的影響至關(guān)重要。Leng 等[11]采用標(biāo)準(zhǔn)化降水指數(shù)（Standardized Precipitation Index，SPI）構(gòu)建概率模型，對(duì)全球10 個(gè)最大糧食生產(chǎn)國(guó)小麥、玉米、水稻和大豆在不同干旱條件下的產(chǎn)量損失風(fēng)險(xiǎn)進(jìn)行估算，結(jié)果表明作物產(chǎn)量損失風(fēng)險(xiǎn)隨干旱程度增加呈非線性增長(zhǎng)；Ray 等[15]的研究證明干旱對(duì)雨養(yǎng)和灌溉作物均會(huì)造成明顯減產(chǎn)；Lai 等[4]利用CASA 模型分析了中國(guó)1982—2015 年陸地初級(jí)凈生產(chǎn)力（Net Primary Production，NPP）的時(shí)空特征并探討了干旱對(duì)NPP 的影響，結(jié)果發(fā)現(xiàn)中國(guó)大部分地區(qū)的NPP 與SPEI 在空間上呈顯著正相關(guān)；Guo 等[3]通過(guò)構(gòu)建復(fù)合氣象干旱指數(shù)來(lái)描述干旱特征，建立平面回歸模型對(duì)當(dāng)前和未來(lái)氣候條件下干旱對(duì)中國(guó)東北地區(qū)玉米產(chǎn)量損失的影響進(jìn)行評(píng)估。此外，大量相關(guān)研究也證實(shí)了干旱對(duì)作物生產(chǎn)存在潛在的不利影響[16-21]。

干旱是由降水、溫度、風(fēng)速、太陽(yáng)輻射等氣象因子間的復(fù)雜相互作用共同驅(qū)動(dòng)的，因此評(píng)估干旱對(duì)農(nóng)業(yè)生產(chǎn)的影響具有一定挑戰(zhàn)性[22]。本研究基于CMIP5 中多個(gè)氣候模式提供的未來(lái)氣候預(yù)測(cè)數(shù)據(jù)，采用AquaCrop 作物生長(zhǎng)模型，分別模擬了21 世紀(jì)中期及末期中國(guó)5 個(gè)主要玉米種植區(qū)在3 種不同濃度路徑（rcp2.6、rcp4.5、rcp8.5）下的干旱水平以及分別在雨養(yǎng)、灌溉條件下的玉米產(chǎn)量，進(jìn)而通過(guò)建立回歸模型評(píng)估干旱水平對(duì)玉米產(chǎn)量的影響。

1 研究區(qū)概況

玉米是中國(guó)三大主要糧食作物之一，種植范圍遍布全國(guó)，主要集中在東北、華北和西南地區(qū)，大致形成一個(gè)從東北到西南的斜長(zhǎng)形玉米栽培帶。根據(jù)氣候、地形、土壤等自然資源條件及耕作制度等因素，中國(guó)玉米種植通常被劃分為6 個(gè)主要產(chǎn)區(qū)[23]：北方春播玉米區(qū)、黃淮海夏播玉米區(qū)、西南山地丘陵玉米區(qū)、南方丘陵玉米區(qū)、西北灌溉玉米區(qū)和青藏高原玉米區(qū)。本研究基于EarthStat 提供的全球作物產(chǎn)量分布數(shù)據(jù)，在中國(guó)五大玉米主產(chǎn)區(qū)中共選取241個(gè)地級(jí)行政單元作為研究區(qū)（圖1），其中北方春播玉米區(qū)73 個(gè)，黃淮海夏播玉米區(qū)66 個(gè)，西南山地丘陵玉米區(qū)52個(gè)，南方丘陵玉米區(qū)34 個(gè)，西北灌溉玉米區(qū)16 個(gè)；青藏高原玉米區(qū)玉米產(chǎn)量不足全國(guó)1%，故不在本研究考慮范圍。

圖1 中國(guó)玉米種植區(qū)劃 Fig.1 Regionalization of maize planting areas in China

2 數(shù)據(jù)與方法

2.1 AquaCrop 作物生長(zhǎng)模型簡(jiǎn)介

AquaCrop 作物生長(zhǎng)模型是由聯(lián)合國(guó)糧農(nóng)組織（Food and Agriculture Organization of the United Nations，F(xiàn)AO）于2009 年發(fā)布的一款水分驅(qū)動(dòng)模型，能夠有效揭示作物對(duì)水分的響應(yīng)機(jī)制，與其他模型相比更適用于產(chǎn)量和水的響應(yīng)機(jī)制研究[24]。

根據(jù)FAO 灌溉與排水第33 號(hào)文件[25]，作物產(chǎn)量和水分響應(yīng)之間的轉(zhuǎn)換關(guān)系如式（1）所示

式中Yx和0分別表示作物潛在產(chǎn)量和實(shí)際產(chǎn)量，kg/m2；ET0和ETx分別表示作物參考蒸散量和實(shí)際蒸散量，mm；ky表示產(chǎn)量對(duì)水分響應(yīng)的系數(shù)。

為了避免非生產(chǎn)性用水與生產(chǎn)性用水效應(yīng)的混淆，AquaCrop 對(duì)上述方程進(jìn)行了改進(jìn)，將蒸散量進(jìn)一步分為土壤蒸發(fā)量和作物蒸騰量?jī)蓚€(gè)部分。最終作物產(chǎn)量以生物量和收獲指數(shù)的乘積表示，如式（2）和式（3）所示

式中Y 為最終作物產(chǎn)量，kg/m2；B 為生物量，kg/m2；HI為收獲指數(shù)；WP 為生物量水分生產(chǎn)效率，kg/(m2?mm)；Tr為作物蒸騰量，mm。

模型中作物蒸騰量的計(jì)算方案如式（4）所示

式中Ks為土壤水分脅迫系數(shù)；Kcb為作物系數(shù)；ET0為作物參考蒸散量，mm，由FAO Penman-Monteith 公式[26]計(jì)算得到。

本研究采用的AquaCrop-OS 是Foster 等[27]于2017年 提 出 的 AquaCrop 模 型 的 開 源 版 本（AquaCrop-OpenSource），可以在多種編程語(yǔ)言和操作系統(tǒng)下運(yùn)行，并能在大區(qū)域、長(zhǎng)時(shí)間模擬計(jì)算時(shí)通過(guò)并行執(zhí)行的方式大大縮短運(yùn)行時(shí)間。此外，AquaCrop-OS 符合開放建模接口標(biāo)準(zhǔn)，便于與其他類型的模型建立聯(lián)系。

2.2 數(shù)據(jù)說(shuō)明

基于AquaCrop 作物模型的輸入要求及研究需要，本研究需要的數(shù)據(jù)主要包括1）氣象數(shù)據(jù)：歷史真實(shí)氣象數(shù)據(jù)（1980—1999 年）包括來(lái)源于中國(guó)氣象局氣候研究開放實(shí)驗(yàn)室[28]的CN05.1 數(shù)據(jù)集（降水），空間分辨率為0.25°×0.25°；來(lái)源于歐洲中期天氣預(yù)報(bào)中心（European Centre for Medium-Range Weather Forecasts，ECMWF）（https：//www.ecmwf.int/）中ERA Interim Daily 數(shù)據(jù)集（最高氣溫、最低氣溫、平均氣溫、風(fēng)速、降水、相對(duì)濕度、太陽(yáng)輻射等），空間分辨率為0.125°×0.125°，以上數(shù)據(jù)均為日尺度；未來(lái)時(shí)期氣象預(yù)測(cè)數(shù)據(jù)來(lái)源于CMIP5 中5種不同氣候模式（表1）的輸出結(jié)果（https：//esgf-node. llnl.gov/search/cmip5/），包括歷史基準(zhǔn)時(shí)期下1950—2005年以及在3 種不同代表性濃度路徑（rcp2.6、rcp4.5、rcp8.5）下2006—2100 年最高氣溫、最低氣溫、平均氣溫、風(fēng)速、降水、相對(duì)濕度、太陽(yáng)輻射的日尺度格網(wǎng)數(shù)據(jù)。2）土壤數(shù)據(jù)：來(lái)源于ISRIC 全球土壤信息（http：//www.isric.org/）的WISE30sec，v1.0 數(shù)據(jù)集（2016 年），主要包括土壤質(zhì)地?cái)?shù)據(jù)（沙粒含量、黏粒含量）和土壤有機(jī)質(zhì)含量數(shù)據(jù)，分辨率為0.008 3°，共7 層。3）作物數(shù)據(jù)：作物生長(zhǎng)發(fā)育數(shù)據(jù)來(lái)源于國(guó)家氣象科學(xué)數(shù)據(jù)中心（http：//data.cma.cn/）的中國(guó)農(nóng)作物生長(zhǎng)發(fā)育和農(nóng)田土壤濕度旬值數(shù)據(jù)集，主要包括2005—2012 年中國(guó)各氣象站點(diǎn)的玉米種植時(shí)間、種植密度以及出苗期、開花期、成熟期等主要生長(zhǎng)發(fā)育參數(shù)；產(chǎn)量數(shù)據(jù)來(lái)源于中國(guó)農(nóng)村統(tǒng)計(jì)年鑒及全國(guó)各省統(tǒng)計(jì)年鑒（http：//data.cnki.net/），主要包括2002—2011 年各地級(jí)市玉米產(chǎn)量和播種面積，用于作物模型的參數(shù)校正與驗(yàn)證；作物分布數(shù)據(jù)來(lái)源于EarthStat的“Harvested Area and Yield for 175 Crops Year 2000”數(shù)據(jù)集，內(nèi)容包括1997—2003 年全球175 種作物產(chǎn)量和收獲面積的平均值，分辨率為0.008 3°，在本研究中主要用于研究區(qū)的確定。

表1 耦合模式比較計(jì)劃第五階段（CMIP5）模式信息 Table 1 Information of the Phase 5 of Coupled Model Inter-Comparison Project (CMIP5) models

2.3 研究方法

2.3.1 模型輸入?yún)?shù)

AquaCrop 作物生長(zhǎng)模型的輸入模塊包括氣象、土壤、作物、管理4 個(gè)部分，所有輸入數(shù)據(jù)的空間分辨率均通過(guò)重采樣統(tǒng)一到地級(jí)行政單元。

模型的氣象輸入（日尺度）包括最高氣溫、最低氣溫、降水、參考蒸散量、CO2濃度5 部分內(nèi)容。其中最高氣溫、最低氣溫、降水均直接來(lái)自數(shù)據(jù)集；CO2濃度數(shù)據(jù)采用模型默認(rèn)值（利用夏威夷MaunaLoa 天文臺(tái)1958 年以來(lái)測(cè)量的平均大氣CO2質(zhì)量濃度作為參考建立的CO2質(zhì)量濃度數(shù)據(jù)庫(kù)[29]）；參考蒸散量ET0則根據(jù)FAO Penman-Monteith 公式[26]，由平均氣溫、風(fēng)速、相對(duì)濕度、太陽(yáng)輻射等變量計(jì)算得到，如式（5）所示

式中Rn為作物表面凈輻射，MJ /(m2?d)；G 為土壤熱通量密度，MJ /(m2?d)；T 為2 m 高處日平均氣溫，℃；u2為2 m 高處的風(fēng)速，m/s；es為飽和水汽壓，kPa，由最高氣溫、最低氣溫、平均氣溫計(jì)算得到；ea為實(shí)際水汽壓，kPa，由平均氣溫和相對(duì)濕度計(jì)算得到；Δ 為蒸汽壓力曲線的斜率，kPa/℃，由平均氣溫計(jì)算得到；γ為濕度計(jì)算常數(shù)，kPa/℃。

模型的土壤輸入包括砂粒含量、黏粒含量等土壤質(zhì)地?cái)?shù)據(jù)和土壤有機(jī)質(zhì)含量數(shù)據(jù)，可直接由數(shù)據(jù)集中獲取，用來(lái)計(jì)算土壤永久凋萎點(diǎn)、田間持水量、飽和含水量、飽和導(dǎo)水率等。

模型的作物輸入主要包括生長(zhǎng)發(fā)育參數(shù)、蒸發(fā)蒸騰參數(shù)、產(chǎn)量形成參數(shù)、脅迫參數(shù)等。其中，生長(zhǎng)發(fā)育參數(shù)包括冠層覆蓋度相關(guān)參數(shù)、根系生長(zhǎng)相關(guān)參數(shù)，以及作物生育期數(shù)據(jù)等。本研究中假定未來(lái)情景下玉米種植制度不變，生育期資料直接由數(shù)據(jù)集獲取，其他敏感作物參數(shù)來(lái)自于作物模型校正結(jié)果，非敏感參數(shù)則使用FAO 參考值。

模型的管理數(shù)據(jù)主要包括灌溉、土壤肥力、地表覆蓋狀況等。其中灌溉管理模塊是本研究的重要輸入模塊，具體設(shè)置方法在2.3.3 節(jié)中進(jìn)行詳細(xì)說(shuō)明，其他管理數(shù)據(jù)采用作物模型推薦值。

2.3.2 模型校正與驗(yàn)證

作物模型校正是精確模擬的基礎(chǔ)。由于AquaCrop 作物模型中存在很多相關(guān)參數(shù)，無(wú)法一一進(jìn)行測(cè)量和標(biāo)定，因此在模型校正前需要通過(guò)參數(shù)敏感性分析選出對(duì)模型模擬結(jié)果影響最大的參數(shù)（即敏感參數(shù)）作為待校正參數(shù)。本研究采用擴(kuò)展傅里葉幅度檢驗(yàn)法[30]（Extended Fourier Amplitude Sensitivity Test，EFAST）來(lái)挑選敏感參數(shù)。EFAST 是一種全局敏感性分析方法[31]，強(qiáng)調(diào)整個(gè)參數(shù)空間的不確定性及多個(gè)參數(shù)間的相互作用。EFAST通過(guò)對(duì)模擬結(jié)果的方差分解計(jì)算各參數(shù)的敏感性指數(shù)，敏感性指數(shù)越大則說(shuō)明參數(shù)對(duì)模擬結(jié)果的影響越大。本研究從FAO 作物手冊(cè)中提供的36 個(gè)主要作物參數(shù)中選取2 個(gè)敏感性指數(shù)最大的參數(shù)進(jìn)行校正。

本研究從統(tǒng)計(jì)年鑒中獲取了241 個(gè)地級(jí)行政單元2002—2011 年的玉米單產(chǎn)數(shù)據(jù)，其中2002—2009 共8 a的數(shù)據(jù)用作模型校正的樣本，2010—2011 共2 a 的數(shù)據(jù)則用于對(duì)校正結(jié)果的精度驗(yàn)證。在保持其他非敏感參數(shù)不變的前提下，將待校正敏感參數(shù)的初始值設(shè)定為FAO 作物手冊(cè)提供的參考值，在參考值的0.7～1.3 倍范圍內(nèi)以0.02 倍為步長(zhǎng)對(duì)初始值進(jìn)行隨機(jī)變化并在對(duì)應(yīng)年份的實(shí)際氣象、土壤條件下運(yùn)行作物模型，得到多組模擬產(chǎn)量。在不同參數(shù)組合下，以歸一化均方根誤差（Normalized Root Mean Square Error，NRMSE）為標(biāo)準(zhǔn)比較模擬產(chǎn)量和統(tǒng)計(jì)產(chǎn)量，選取使得NRMSE 最小的參數(shù)組合作為校正結(jié)果。最后，將經(jīng)校正得到241 個(gè)地級(jí)行政的標(biāo)準(zhǔn)參數(shù)組帶回模型，將得到模擬產(chǎn)量與對(duì)應(yīng)年份的統(tǒng)計(jì)產(chǎn)量進(jìn)行比較，完成對(duì)校正結(jié)果的精度驗(yàn)證。

2.3.3 灌溉情景模擬

利用AquaCrop作物模型提供的灌溉管理功能可以實(shí)現(xiàn)對(duì)不同灌溉情境下作物產(chǎn)量的模擬。本研究中分別設(shè)置了完全灌溉和無(wú)灌溉2 種情景。其中，完全灌溉情景對(duì)應(yīng)作物模型中的灌溉方式為凈灌溉（net irrigation），設(shè)置灌溉水平為100%；無(wú)灌溉情景對(duì)應(yīng)的灌溉方式為雨養(yǎng)（rain-fed）。由于2 種情景中除灌溉與否外，溫度、降水、太陽(yáng)輻射、土壤條件、田間管理措施等其他因素均相同，故可以認(rèn)為作物模型在2 種灌溉情景下模擬得到的結(jié)果只受水分脅迫的影響，即2 種情景下的產(chǎn)量差異僅由干旱脅迫導(dǎo)致。利用AquaCrop 模型在上述2 種灌溉情景下的產(chǎn)量模擬結(jié)果，玉米因干旱脅迫導(dǎo)致的產(chǎn)量損失率（Yield Loss Rate，YLR，%）的定義如式（6）所示

式中Y1、Y2分別代表完全灌溉情景和無(wú)灌溉情景下的玉米單產(chǎn)產(chǎn)量，t/hm2。

2.3.4 干旱指數(shù)構(gòu)建

本研究中采用無(wú)灌溉條件下作物水分脅迫指數(shù)（Crop Water Stress Indicator，CWSI）來(lái)定義干旱強(qiáng)度[32]。CWSI 指數(shù)以作物的實(shí)際蒸散量未能滿足潛在蒸散量的程度來(lái)描述作物受水分脅迫強(qiáng)度，取值范圍為0～1，指數(shù)越大則表示作物受水分脅迫越強(qiáng)。該指數(shù)受到氣候條件、土壤性質(zhì)、作物遺傳特性等多種因素共同影響，可以有效反映農(nóng)業(yè)干旱對(duì)作物生長(zhǎng)的影響。計(jì)算公式如式（7）所示

式中ET 和ETP分別代表作物的實(shí)際蒸散量和潛在蒸散量，mm。其中，ET 和ETP均為日尺度數(shù)據(jù)，來(lái)自AquaCrop作物模型的輸出結(jié)果。

為了體現(xiàn)水分脅迫對(duì)作物影響的累積效應(yīng)，本研究中將干旱指數(shù)（Drought Hazard Index，DHI）定義為作物生長(zhǎng)期內(nèi)水分脅迫指數(shù)的日均值，如式（8）所示

式中CWSIi表示作物生長(zhǎng)期內(nèi)第i 天的水分脅迫指數(shù)，n表示作物生長(zhǎng)期天數(shù)。

2.3.5 回歸模型構(gòu)建

大量相關(guān)研究表明，Logistic 函數(shù)可以較好地描述干旱強(qiáng)度與作物產(chǎn)量損失之間的關(guān)系[33-37]。故本研究選擇使用Logistic 回歸模型建立干旱指數(shù)和玉米產(chǎn)量損失之間的關(guān)系。

3 結(jié)果與分析

3.1 模型校正與驗(yàn)證

參數(shù)敏感性分析結(jié)果如表2 所示，排名前2 的敏感參數(shù)分別為作物冠層形成后到衰老之前的作物系數(shù)（Kcb）和參考收獲指數(shù)（HI0）。

表2 擴(kuò)展傅里葉幅度檢驗(yàn)法（EFAST）全局敏感分析結(jié)果 （前10 位） Table 2 Results of the Extended Fourier Amplitude Sensitivity Test (EFAST) global sensitivity analysis (Top 10)

模型校正結(jié)果為241 個(gè)地級(jí)行政單元的標(biāo)準(zhǔn)參數(shù)組，經(jīng)校正后241 個(gè)單元的參數(shù)結(jié)果：Kcb為0.32～1.79，HI0為0.14～0.82。將校正后的標(biāo)準(zhǔn)參數(shù)組帶回作物模型，在驗(yàn)證年份2010—2011 年的真實(shí)氣象數(shù)據(jù)下運(yùn)行模型，將得到的模擬產(chǎn)量與對(duì)應(yīng)年份的統(tǒng)計(jì)產(chǎn)量進(jìn)行比較，結(jié)果如圖2 所示。圖中散點(diǎn)代表2010—2011 年241 個(gè)地級(jí)行政單元的模型模擬產(chǎn)量及對(duì)應(yīng)的統(tǒng)計(jì)產(chǎn)量。結(jié)果顯示，模擬產(chǎn)量與統(tǒng)計(jì)產(chǎn)量的皮爾遜相關(guān)系數(shù)為0.82，回歸方程的斜率為0.81（通過(guò)顯著性檢驗(yàn)，在0.01 水平上顯著），與1∶1 線比較接近，結(jié)果說(shuō)明模擬產(chǎn)量與統(tǒng)計(jì)產(chǎn)量大致接近?；貧w方程的R2=0.67，擬合程度較高；NRMSE=0.17，結(jié)果良好?？傮w來(lái)說(shuō)，模型精度驗(yàn)證可以達(dá)到預(yù)期水平。

圖2 模型驗(yàn)證結(jié)果 Fig.2 Model validation result

3.2 歷史基準(zhǔn)時(shí)期干旱分析

圖3 顯示了中國(guó)歷史時(shí)期（1980—1999 年）干旱強(qiáng)度均值分布情況。結(jié)果顯示，歷史真實(shí)氣象條件下，中國(guó)的干旱強(qiáng)度在空間上大致呈現(xiàn)由西北至東南遞減的趨勢(shì)。研究區(qū)內(nèi)241 個(gè)地級(jí)行政單元中，干旱最嚴(yán)重的單元位于西北灌溉玉米區(qū)，干旱指數(shù)0.688 8；干旱最輕的單元?jiǎng)t位于西南山地丘陵玉米區(qū)，干旱指數(shù)0.012 9。5個(gè)玉米種植區(qū)的干旱強(qiáng)度由大到小依次是：西北灌溉玉米區(qū)、北方春播玉米區(qū)、黃淮海夏播玉米區(qū)、南方丘陵玉米區(qū)、西南山地丘陵玉米區(qū)，對(duì)應(yīng)的平均干旱指數(shù)依次是0.496 8、0.244 4、0.136 3、0.092 7、0.062 0。

圖3 歷史時(shí)期中國(guó)干旱強(qiáng)度分布 Fig.3 Distribution of historical drought hazard in China

3.3 未來(lái)氣候情景下干旱變化分析

圖4 a～圖4f 分別顯示了5 種氣候模式rcp2.6、rcp4.5、rcp8.5，3 種不同代表性濃度路徑下中國(guó)21 世紀(jì)中期（2030—2049 年）及21 世紀(jì)末期（2080—2099年）的干旱強(qiáng)度均值的分布情況。為了更直觀地顯示干旱強(qiáng)度在區(qū)域上的時(shí)空變化情況，研究中分別統(tǒng)計(jì)了歷史基準(zhǔn)時(shí)期及未來(lái)時(shí)期3 種不同代表性濃度路徑下5 個(gè)玉米種植區(qū)內(nèi)干旱指數(shù)的平均值，如表3 所示。圖4 和表3 中的數(shù)據(jù)均為5 種氣候模式下模擬結(jié)果的平均值。

圖4 未來(lái)氣候情景下中國(guó)干旱強(qiáng)度時(shí)空分布 Fig.4 Distribution of drought hazard under future climate scenarios in China

表3 中國(guó)五大玉米種植區(qū)平均干旱指數(shù)（DHI） Table 3 Average values of Drought Hazard Index (DHI) in five maize planting regions of China

由圖表結(jié)果可知，在未來(lái)氣候條件下，中國(guó)的干旱強(qiáng)度在空間上的分布與歷史基準(zhǔn)時(shí)期基本一致，在干旱最嚴(yán)重的甘肅省北部、內(nèi)蒙古西部地區(qū)，干旱指數(shù)可以達(dá)到0.7 以上，與歷史時(shí)期相比明顯增長(zhǎng)；在五大玉米種植區(qū)中，干旱強(qiáng)度最大的是西北灌溉玉米區(qū)，在不同濃度路徑與未來(lái)時(shí)期的組合中區(qū)域內(nèi)平均干旱指數(shù)為0.519 7～0.535 3，相比于歷史基準(zhǔn)時(shí)期增長(zhǎng)了4.61%～7.75%；其次是北方春播玉米區(qū)，平均干旱指數(shù)在0.282 9～0.297 4 之間，與該區(qū)域歷史時(shí)期相比增長(zhǎng)了15.75%～21.69%；再次是黃淮海夏播玉米區(qū)和南方丘陵玉米區(qū)，2 個(gè)玉米區(qū)的平均干旱指數(shù)分別在0.193 1～0.217 6、0.151 7～0.169 4 之間，相比于歷史時(shí)期的增長(zhǎng)率分別為41.67%～59.65%、63.65%～82.74%；干旱強(qiáng)度最小的是西南山地丘陵玉米區(qū)，區(qū)域內(nèi)平均干旱指數(shù)僅為0.052 9～0.058 2，相比于該區(qū)域歷史時(shí)期干旱指數(shù)降低了6.13%～14.68%。

結(jié)果表明，與歷史基準(zhǔn)時(shí)期相比，在未來(lái)時(shí)期3 種不同濃度路徑下，除西南山地丘陵玉米區(qū)的干旱強(qiáng)度有所減輕外，其他4 個(gè)玉米區(qū)的干旱強(qiáng)度均有增加，增加幅度由大到小依次是南方丘陵玉米區(qū)、黃淮海夏播玉米區(qū)、北方春播玉米區(qū)、西北灌溉玉米區(qū)。此外，與21 世紀(jì)中期相比，至21 世紀(jì)末期，除rcp2.6 情景下北方春播玉米區(qū)、西北灌溉玉米區(qū)的干旱強(qiáng)度有所減輕外，rcp4.5、rcp8.5 情景下全部5 個(gè)玉米區(qū)及rcp2.6 情景下剩余3 個(gè)玉米區(qū)的干旱強(qiáng)度均有所增加。

3.4 未來(lái)氣候情景下玉米干旱損失率分析

圖5 和表4 分別顯示了rcp2.6、rcp4.5、rcp8.5，3 種不同代表性濃度路徑下中國(guó)21 世紀(jì)中期、21 世紀(jì)末期玉米因干旱脅迫導(dǎo)致的產(chǎn)量損失率（其他環(huán)境條件完全一致的前提下，無(wú)灌溉相比于完全灌溉的減產(chǎn)率）時(shí)空分布情形及5 個(gè)玉米種植區(qū)平均產(chǎn)量損失率的統(tǒng)計(jì)結(jié)果。圖5 和表4 中的數(shù)據(jù)均為5 種氣候模式下模擬結(jié)果的平均值。

圖5 未來(lái)氣候情景下中國(guó)玉米產(chǎn)量損失率時(shí)空分布 Fig.5 Distribution of maize yield loss rate under future climate scenarios in China

表4 中國(guó)五大玉米區(qū)產(chǎn)量損失率（YLR）平均值 Table 4 Average values of crop Yield Loss Rate (YLR) in five maize planting regions of China

圖表結(jié)果顯示，在無(wú)灌溉條件下，未來(lái)中國(guó)五大玉米種植區(qū)的產(chǎn)量損失率由大到小依次為西北灌溉玉米區(qū)（>90%）、北方春播玉米區(qū)（36%～39%）、黃淮海夏播玉米區(qū)（16%～20%）、南方丘陵玉米區(qū)（9%～13%）、西南山地丘陵玉米區(qū)（1%～3%）。其中，新疆南部及甘肅省北部在無(wú)灌溉情景下的玉米產(chǎn)量損失率可能高達(dá)99%以上；而在西南山地丘陵玉米區(qū)中部的四川、云南一帶，同樣無(wú)灌溉情景下玉米產(chǎn)量損失率不到1%。從趨勢(shì)變化上來(lái)看，至21 世紀(jì)末期，僅有rcp2.6 情景下北方春播玉米區(qū)、西南山地丘陵玉米區(qū)、西北灌溉玉米區(qū)以及rcp8.5 情景下南方丘陵玉米區(qū)的產(chǎn)量損失率相比于21 世紀(jì)中期略有下降。而在rcp4.5 情景下全部5 個(gè)玉米區(qū)、rcp8.5 情景下剩余4 個(gè)玉米區(qū)以及rcp2.6 情景下2 個(gè)玉米區(qū)中，玉米因干旱所致的產(chǎn)量損失率均有所增加。從結(jié)果上看，玉米產(chǎn)量損失率的時(shí)空分布規(guī)律與干旱強(qiáng)度基本一致。

3.5 未來(lái)氣候情景下干旱對(duì)玉米產(chǎn)量損失的影響

圖6 通過(guò)建立Logistic 回歸模型描述了干旱強(qiáng)度與玉米產(chǎn)量損失率之間的關(guān)系。圖中橫軸為干旱指數(shù)，縱軸為對(duì)應(yīng)的玉米干旱產(chǎn)量損失率，散點(diǎn)分別來(lái)自研究區(qū)內(nèi)241 個(gè)地級(jí)行政單元在rcp2.6、rcp4.5、rcp8.5 情景下21世紀(jì)中期、末期的模擬結(jié)果。結(jié)果顯示，回歸得到的“S”曲線的R2=0.96，RMSE=0.07，說(shuō)明Logistic 函數(shù)能夠很好地描述干旱指數(shù)與產(chǎn)量損失率之間的關(guān)系。

觀察圖中回歸曲線可知，當(dāng)干旱指數(shù)<0.2 時(shí)，對(duì)應(yīng)產(chǎn)量損失率在10%以下，產(chǎn)量損失率隨干旱指數(shù)增長(zhǎng)較為緩慢；當(dāng)干旱指數(shù)介于0.2～0.6 之間時(shí)，產(chǎn)量損失率隨著干旱指數(shù)增大而迅速增加；當(dāng)干旱指數(shù)>0.6 時(shí)，產(chǎn)量損失率達(dá)到90%以上，增長(zhǎng)速率再次趨于平緩。

圖6 干旱強(qiáng)度指數(shù)（DHI）對(duì)作物產(chǎn)量損失率（YLR）的影響 Fig.6 Effects of Drought Hazard Index (DHI) on crop Yield Loss Rate (YLR)

4 討 論

本研究對(duì)于中國(guó)未來(lái)干旱的區(qū)域化分布特征及其對(duì)作物產(chǎn)量影響的時(shí)空變化特征進(jìn)行了定量化評(píng)估，為制定區(qū)域性農(nóng)業(yè)干旱適應(yīng)戰(zhàn)略提供了信息，這對(duì)于規(guī)劃和減輕其對(duì)農(nóng)業(yè)生產(chǎn)的潛在負(fù)面影響具有十分重要的意義。研究中考慮了3 種不同代表性濃度路徑下的未來(lái)氣候情景。其中rcp8.5 是一種缺乏氣候變化應(yīng)對(duì)政策的高排放情景，在這一情景中，溫室氣體濃度將持續(xù)上升，2100 年輻射強(qiáng)迫預(yù)計(jì)達(dá)到8.5 W/m2；rcp4.5 情景中，碳排放在一定程度上得到控制，預(yù)計(jì)2100 年輻射強(qiáng)迫在4.5 W/m2左右；rcp2.6 則是最為理想的一種情景，它假設(shè)人類將采用更多積極的方式面對(duì)氣候變化，至21 世紀(jì)末輻射強(qiáng)迫僅在2.6 W/m2以下，溫室氣體排放則將降至負(fù)值。以目前全球?qū)厥覛怏w排放控制的現(xiàn)狀來(lái)看，與rcp2.6、rcp8.5 相比，預(yù)計(jì)rcp4.5 情景下的估計(jì)結(jié)果將更加接近真實(shí)狀況[7]，但無(wú)論在哪一種情景下，未來(lái)中國(guó)大部分地區(qū)的干旱水平都將呈現(xiàn)總體上升的趨勢(shì)，作物產(chǎn)量也將產(chǎn)生不同程度的損失。

根據(jù)本研究的評(píng)估結(jié)果，未來(lái)中國(guó)西北地區(qū)干旱程度最為嚴(yán)重，在無(wú)灌溉情形下，玉米產(chǎn)量損失平均可以90%以上，農(nóng)業(yè)生產(chǎn)需要完全依賴于灌溉，這與劉鈺等[38]、Shen 等[39]的研究結(jié)果相一致，在這部分極端干旱地區(qū)，當(dāng)?shù)卣畱?yīng)做好水資源調(diào)節(jié)分配工作，積極維護(hù)灌溉設(shè)施，充分提高水資源利用效率，保證農(nóng)業(yè)灌溉需求。北方、黃淮海地區(qū)未來(lái)干旱水平相比于西北地區(qū)較低，但干旱水平相比于歷史時(shí)期有明顯增加，作物面臨的干旱風(fēng)險(xiǎn)水平也隨之增加。同時(shí)，由于這2 個(gè)區(qū)域的干旱指數(shù)多集中于“S”曲線中部，玉米產(chǎn)量損失率隨著干旱強(qiáng)度增大而急劇增加，因此從理論上講，在灌溉量相同的前提下，北方、黃淮海地區(qū)的灌溉可以更加有效地降低玉米的產(chǎn)量損失，其灌溉效益是最高的。此外，北方春播玉米區(qū)和黃淮海夏播玉米區(qū)也是全國(guó)玉米產(chǎn)量最高的兩大產(chǎn)區(qū)，理應(yīng)引起政府部門的足夠重視，制定合理灌溉策略來(lái)保障農(nóng)業(yè)生產(chǎn)的用水需求。在西南、南方地區(qū)，自然降水基本上可以完全滿足作物生長(zhǎng)的需求，農(nóng)業(yè)生產(chǎn)對(duì)灌溉的依賴程度很低。但由于南方地區(qū)未來(lái)干旱強(qiáng)度與歷史時(shí)期相比增長(zhǎng)幅度相對(duì)較大，故也應(yīng)盡量完善灌溉設(shè)備，準(zhǔn)備相關(guān)應(yīng)急措施，以防突發(fā)性輕旱、中旱事件的發(fā)生。

在研究中，由于施肥、農(nóng)藥、地表覆蓋物等一些實(shí)際田間管理數(shù)據(jù)的缺失以及對(duì)作物生長(zhǎng)原理及農(nóng)藝過(guò)程的不完全了解，以基于作物模型的方法對(duì)未來(lái)氣候情景下作物產(chǎn)量的模擬難免存在一定程度上的不確定性[40]。同時(shí)，相關(guān)研究表明CMIP5 中全球氣候模式對(duì)未來(lái)氣候預(yù)測(cè)的系統(tǒng)偏差也是不確定性的主要來(lái)源之一[41]。盡管研究中使用多個(gè)全球氣候模式的數(shù)據(jù)作為模型輸入以盡可能減輕這方面的影響，但因氣候模式不確定性對(duì)產(chǎn)量模擬的影響依舊難以完全消除。此外，研究中使用最近鄰方法將不同分辨率下的模式數(shù)據(jù)統(tǒng)一重采樣到地級(jí)行政單元的方法也相對(duì)比較粗糙。在今后的研究中，將嘗試采用更加嚴(yán)謹(jǐn)?shù)慕党叨确绞綄?duì)多種氣候模式數(shù)據(jù)進(jìn)行統(tǒng)合，同時(shí)也會(huì)采取適合的措施對(duì)氣候模式數(shù)據(jù)的系統(tǒng)偏差進(jìn)行校正，從而進(jìn)一步減少模型不確定性帶來(lái)的影響，使模擬結(jié)果更加精確。

5 結(jié) 論

本研究以中國(guó)五大玉米種植區(qū)中241 個(gè)地級(jí)行政單元為研究對(duì)象，基于國(guó)際耦合模式比較計(jì)劃第五階段（Phase 5 of Coupled Model Inter-Comparison Project，CMIP5）中多個(gè)氣候模式提供的未來(lái)氣候預(yù)測(cè)數(shù)據(jù)集和AquaCrop 作物生長(zhǎng)模型對(duì)中國(guó)在21 世紀(jì)中期及末期在rcp2.6、rcp4.5、rcp8.5，3 種不同代表性濃度路徑下的干旱強(qiáng)度及玉米產(chǎn)量損失率進(jìn)行了模擬計(jì)算，比較了中國(guó)未來(lái)時(shí)期與歷史基準(zhǔn)時(shí)期干旱分布的時(shí)空變化，并在此基礎(chǔ)上通過(guò)建立Logistic 回歸模型評(píng)估了干旱水平對(duì)玉米產(chǎn)量的影響。主要結(jié)論如下：

1）在未來(lái)氣候條件下，中國(guó)干旱強(qiáng)度及玉米產(chǎn)量損失在空間分布上均呈現(xiàn)由西北到東南遞減的總體趨勢(shì)。5個(gè)玉米種植區(qū)的干旱強(qiáng)度及產(chǎn)量損失率由大到小依次是：西北灌溉玉米區(qū)、北方春播玉米區(qū)、黃淮海夏播玉米區(qū)、南方丘陵玉米區(qū)、西南山地丘陵玉米區(qū)。

2）與歷史時(shí)期相比，未來(lái)中國(guó)干旱水平除西南山地丘陵玉米區(qū)略有下降以外，其余地區(qū)均呈現(xiàn)總體上升趨勢(shì)，這種趨勢(shì)在rcp4.5、rcp8.5 情景下的表現(xiàn)尤為明顯。其中南方丘陵玉米區(qū)的干旱強(qiáng)度增長(zhǎng)幅度最大，其次是黃淮海夏播玉米區(qū)、北方春播玉米區(qū)和西北灌溉玉米區(qū)。

3）玉米因干旱導(dǎo)致的產(chǎn)量損失率隨干旱強(qiáng)度變化符合Logistic 曲線關(guān)系，回歸結(jié)果的R2=0.96。當(dāng)干旱指數(shù)到達(dá)0.2 附近時(shí)，隨著干旱指數(shù)增長(zhǎng)，產(chǎn)量損失率開始迅速增加；當(dāng)干旱指數(shù)到達(dá)0.6 左右時(shí)，產(chǎn)量損失率接近最大值。

4）未來(lái)中國(guó)西北地區(qū)干旱程度最為嚴(yán)重，在無(wú)灌溉情形下，玉米產(chǎn)量損失平均可以90%以上，而北方春播玉米區(qū)和黃淮海夏播玉米區(qū)干旱指數(shù)的閾值正處于“S”曲線斜率最大的中部，產(chǎn)量損失對(duì)干旱變化的反應(yīng)最為敏感，灌溉效益最高。因此，在這3 個(gè)區(qū)域需要積極維護(hù)灌溉設(shè)施，充分提高水資源利用效率，以保證農(nóng)業(yè)灌溉需求。