趙茹欣, 王會肖, 董宇軒

氣候變化對關(guān)中地區(qū)糧食產(chǎn)量的影響及趨勢分析*

趙茹欣, 王會肖**, 董宇軒

(北京師范大學(xué)水科學(xué)研究院/城市水循環(huán)及海綿城市技術(shù)北京市重點實驗室 北京 100875)

以增溫為主的氣候變化對糧食產(chǎn)量具有顯著影響。本文利用關(guān)中地區(qū)1983—2016年的站點氣象要素、糧食產(chǎn)量統(tǒng)計數(shù)據(jù)和跨部門影響模型比較計劃(Intersectoral Impact Model Intercomparison Project, ISIMIP)中4個全球氣候模式2021—2050年降水、氣溫輸出結(jié)果, 采用突變分析、趨勢分析和敏感性分析等方法, 從糧食單產(chǎn)、氣候產(chǎn)量和氣候生產(chǎn)潛力等方面系統(tǒng)分析了我國主要糧食產(chǎn)地之一的陜西關(guān)中糧食產(chǎn)量對氣候變化的響應(yīng)特征。結(jié)果表明: 1)1983—2016年, 關(guān)中地區(qū)年平均氣溫呈顯著上升趨勢, 升溫速率為0.05 ℃?a–1(<0.01), 其中, 最高氣溫的上升起主要作用; 年降水量則以–1 mm?a–1的速率呈下降趨勢, 但不顯著。2)關(guān)中地區(qū)多年平均糧食單產(chǎn)為3 599 kg?hm–2, 且逐年波動上升, 速率為57.17 kg?hm–2?a–1(<0.001)。關(guān)中多地的氣候產(chǎn)量與氣溫呈正相關(guān), 氣溫的升高一定程度上促進(jìn)了關(guān)中氣候產(chǎn)量的增加, 但并不顯著(平均增加率為0.85 kg?hm–2?a–1)。渭河關(guān)中地區(qū)多年以來的氣候生產(chǎn)潛力為7 000~12 000 kg?hm–2, 受氣溫波動的影響, 1995年后的平均氣候生產(chǎn)潛力高于1995年之前, 是整個研究時段氣候生產(chǎn)潛力呈現(xiàn)增加趨勢的主要時期。3)未來30年里(2021—2050年), 關(guān)中地區(qū)在RCP2.6情景下的平均氣候生產(chǎn)潛力略高于RCP6.0情景, 但前者的生產(chǎn)潛力呈逐年下降趨勢, 后者則表現(xiàn)出逐年上升趨勢。關(guān)中地區(qū)的作物對氣候資源的利用空間還很大, 且氣候變化對關(guān)中糧食產(chǎn)量具有促進(jìn)作用, 但此正向作用并不是持續(xù)不變的。

氣候變化; 糧食產(chǎn)量; 氣候生產(chǎn)潛力; 全球氣候模式; 關(guān)中地區(qū)

無論是從數(shù)據(jù)觀測角度還是從模型模擬結(jié)果來看, 以全球變暖為主要特征的氣候變化已是毋庸置疑的事實[1]。農(nóng)業(yè)是對氣候變化最為敏感的系統(tǒng)之一[2], 受氣候變化影響導(dǎo)致頻發(fā)的極端災(zāi)害等事件可能造成農(nóng)業(yè)氣候資源在質(zhì)量和數(shù)量上的損失, 進(jìn)而使耕地的可收獲量在年際間發(fā)生強烈波動, 且在社會經(jīng)濟(jì)因素的作用下, 糧食安全所受的威脅或?qū)⒏訃?yán)重。研究表明, 氣候變化對中國的作物氣候生產(chǎn)潛力、種植制度、作物品質(zhì)等均有深遠(yuǎn)影響[3]。盡管目前全國糧食產(chǎn)量具有增加趨勢[4], 但隨著經(jīng)濟(jì)和人口的迅速增長, 資源與環(huán)境間的矛盾日益激化, 全球氣候變化對我國糧食生產(chǎn)系統(tǒng)的正常運轉(zhuǎn)所造成的影響將會加劇[5]。

適宜的氣溫能夠加快作物的生長速度。氣溫的變化尤其對水稻()和小麥()生產(chǎn)的影響較大[6-7]。氣溫的升高雖加速了作物的發(fā)育速度, 但也會縮短作物生長發(fā)育期, 造成生物量積累不足, 干物質(zhì)明顯降低的結(jié)果。受全球升溫影響, 我國作物的種植界線在向高緯度和高海拔地區(qū)發(fā)生偏移[3]。當(dāng)然, 作物生長不僅僅只對氣溫升高有所響應(yīng), 降水以及輻射(日照時數(shù))的變化同樣會影響作物, 導(dǎo)致作物產(chǎn)量發(fā)生顯著變化。例如, 玉米產(chǎn)量關(guān)鍵期干旱脅迫直接影響玉米物候, 進(jìn)而影響最終產(chǎn)量[8]。日照時間長短能夠體現(xiàn)作物接收太陽輻射的多少, 太陽輻射能夠通過結(jié)合水分促進(jìn)光合作用, 累積干物質(zhì)量。張榮榮等[9]研究表明, 河南省的冬小麥和夏玉米()產(chǎn)量分別對生育期內(nèi)的平均氣溫和總?cè)照諘r數(shù)最為敏感; 張雪琪等[10]研究認(rèn)為葉爾羌河流域的糧食產(chǎn)量與氣溫、日照時數(shù)、化肥施用量存在明顯正相關(guān), 并且氣候變化在一定程度上利于該地區(qū)的糧食單產(chǎn)增加。糧食產(chǎn)量的波動變化除了受氣候要素的影響外, 還取決于多種其他因素, 例如, 土壤特性、育種、政策管理和農(nóng)業(yè)技術(shù)等。通常情況下認(rèn)為農(nóng)業(yè)技術(shù)等措施對糧食產(chǎn)量的影響是正向的, 故而將糧食產(chǎn)量認(rèn)為是技術(shù)產(chǎn)量(趨勢產(chǎn)量)和氣候產(chǎn)量的組合, 并以滑動平均模擬、HP濾波、神經(jīng)網(wǎng)絡(luò)以及分段擬合、經(jīng)驗?zāi)B(tài)分解、去趨勢互相關(guān)分析等分離方法[11-15], 將二者單獨分離出來進(jìn)行氣候與糧食產(chǎn)量的相關(guān)研究。此外, 除了實際糧食產(chǎn)量外, 氣候生產(chǎn)潛力也是衡量一個地區(qū)氣候資源所能決定的生物學(xué)產(chǎn)量的一項重要指標(biāo), 受氣候變化影響, 全球主要農(nóng)區(qū)的氣候生產(chǎn)潛力表現(xiàn)為波動上升趨勢, 平均達(dá)7 970 kg?hm–2[16]; 劉新等[17]研究發(fā)現(xiàn)內(nèi)蒙古地區(qū)的氣候生產(chǎn)潛力介于486~7 963 kg?hm–2, 同樣表現(xiàn)出上升趨勢; 董思等[18]研究表明, 陜西省在1955—2013年間的平均氣候生產(chǎn)潛力達(dá)10 517 kg?hm–2, 并存在輕微增加趨勢。盧燕宇等[19]則根據(jù)作物不同階段生長發(fā)育特點, 建立了作物生長動態(tài)統(tǒng)計模型, 估算了安徽省冬小麥的氣候生產(chǎn)潛力, 其多年平均為12 391 kg?hm–2, 變化趨勢在空間上具有非一致性。上述研究多分析歷史時期氣候要素對糧食產(chǎn)量的影響, 較少反映未來時期糧食產(chǎn)量對氣候變化的響應(yīng)。

地處陜西中部的關(guān)中地區(qū)是我國主要糧食生產(chǎn)地之一, 厘清糧食產(chǎn)量在過去以及未來對氣候變化的響應(yīng)情況, 便于全面了解該地區(qū)農(nóng)業(yè)生產(chǎn)與氣候資源的協(xié)調(diào)程度以及空間差異?；诖? 本文依據(jù)關(guān)中地區(qū)1983—2016年的氣象資料以及糧食產(chǎn)量統(tǒng)計數(shù)據(jù), 分析其糧食單產(chǎn)、氣候產(chǎn)量以及氣候生產(chǎn)潛力對氣候變化的時空響應(yīng)特征, 并利用全球氣候模式的模擬數(shù)據(jù)分析關(guān)中未來氣候生產(chǎn)潛力的變化趨勢, 充分了解氣候變化對渭河關(guān)中地區(qū)糧食產(chǎn)量的影響, 為研究區(qū)的農(nóng)業(yè)發(fā)展以及確保氣候變化背景下的糧食安全提供一定的指導(dǎo)作用。

1 數(shù)據(jù)來源及研究方法

1.1 研究區(qū)概況及數(shù)據(jù)來源

關(guān)中地區(qū)位于陜西省中部(106°30′~110°30′E, 33°30′~35°40′N), 渭河中下游, 面積約5.54萬km2, 涵蓋寶雞、咸陽、西安、銅川、渭南等5個市。其南北兩側(cè)分別是秦巴山脈和渭北山系, 中部為平原。關(guān)中地區(qū)屬于大陸性季風(fēng)氣候區(qū), 暖溫帶半濕潤半干旱氣候帶, 冬冷夏熱, 四季分明, 雨熱同期, 易發(fā)生干旱。作為我國重要的商品糧產(chǎn)區(qū)之一, 關(guān)中地區(qū)糧食作物主要是一年兩熟的冬小麥和夏玉米。

本文糧食產(chǎn)量數(shù)據(jù)采用陜西省關(guān)中、西安、銅川、寶雞、咸陽和渭南市1983—2016年的逐年糧食單產(chǎn)統(tǒng)計數(shù)據(jù), 作物主要包含谷物、薯類和豆類, 數(shù)據(jù)來源于《陜西省統(tǒng)計年鑒》(1984—2017) (http://data.cnki.net/yearbook/Single/N2019010189)。選取研究區(qū)內(nèi)1983—2016年記錄數(shù)據(jù)較為完整的8個氣象站點的氣象要素, 主要包括逐日降水、氣溫(平均氣溫、最高氣溫和最低氣溫)、日照時數(shù), 數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn/), 缺測數(shù)據(jù)通過臨近站點相同時間的數(shù)據(jù)序列進(jìn)行線性插值插補。

考慮到全球較為關(guān)注的升溫1.5 ℃和2 ℃問題, 本文選取IPCC AR5提出的典型濃度路徑(Representative Concentration Pathway, RCPs)排放情景中的低排放情景RCP2.6和介于中等排放和高排放之間的RCP6.0兩種情景對關(guān)中地區(qū)未來氣候生產(chǎn)潛力進(jìn)行評估。跨部門影響模型比較計劃(Intersectoral Impact Model Intercomparison Project, ISIMIP)主要目的在于探討全球變化對地表過程和人類社會的影響, 目前有ISIMIP2a和ISIMIP2b兩種協(xié)議, 其中涉及的模式是基于第5階段多模式比較計劃(Coupled Model Intercomparison Project Phase 5, CIMP5)挑選得到的[20-21]。本文所采用的2021—2050年降水、氣溫數(shù)據(jù)則是ISIMIP2b中4個全球氣候模式(GFDL-ESM2M, HadGEM2-ES, IPSL-CAM5-LR, MIROC5)的模擬結(jié)果, 其空間分辨率為0.5°×0.5°, 時間分辨率為天, 各模式的詳細(xì)情況參見https://www.isimip.org/。本文分析過程以年尺度為主, 故將所得日尺度數(shù)據(jù)經(jīng)求和或平均后得到年時間尺度的序列。

研究區(qū)、氣象站點及氣候模式格點位置詳見圖1, 氣象站點的詳細(xì)信息見表1, 表2為不同氣候模式的基本信息。

1.2 研究方法

1.2.1 氣候產(chǎn)量

作物的生長情況不僅取決于作物對所處地區(qū)氣候的適應(yīng)程度, 農(nóng)業(yè)種植管理等措施同樣影響著糧食產(chǎn)量的變化。通常情況下認(rèn)為, 糧食產(chǎn)量由趨勢產(chǎn)量和氣候產(chǎn)量兩部分構(gòu)成, 趨勢產(chǎn)量反映人類對作物生長所付出的耕種方式以及農(nóng)業(yè)機(jī)械技術(shù)的提高所帶來的產(chǎn)量變化, 一般情況下處于不斷增加的狀態(tài), 氣候產(chǎn)量則表示氣候要素引起的作物產(chǎn)量變化[22]。從實際糧食產(chǎn)量中剔除趨勢產(chǎn)量便能得到氣候產(chǎn)量:

圖1 關(guān)中地區(qū)及氣象站點和格點地理位置

表1 關(guān)中地區(qū)氣象站點信息

表2 4個全球氣候模式的相關(guān)信息統(tǒng)計表

c=–t(1)

考慮到趨勢產(chǎn)量可能存在的非線性特征, 本文采用經(jīng)驗?zāi)B(tài)分解(empirical mode decomposition, EMD)方法對糧食產(chǎn)量序列進(jìn)行分解, 將得到的最后余項作為這里所需的趨勢產(chǎn)量。EMD方法的基本思想是將一個頻率不規(guī)則的波化為多個單一頻率的波(即若干不同尺度的本征模態(tài)函數(shù)分量, intrinsic mode function, IMF)和1個殘波(趨勢項)的形式[13]。計算過程概述如下:

1.2.2 氣候生產(chǎn)潛力

本文采用Thornthwaite Memorial模型計算氣候生產(chǎn)潛力[17]:

e=3 000{1–exp[–0.000 969 51(–20)]} (6)

式中:為年平均實際蒸散量(mm),為年降水量(mm),為年平均最大蒸散量(mm),表示年平均氣溫(℃),e為氣候生產(chǎn)潛力(kg?hm–2)。

1.2.3 Mann-Kendall突變分析

本文采用Mann-Kendall(MK)方法[23]判斷主要氣候要素的變化變異點, 具體計算過程如下:

其中:

1.2.4 趨勢分析

根據(jù)線性最小二乘回歸方法進(jìn)行變量的趨勢檢測[24]:

進(jìn)而得到服從自由度為(-2)的分布統(tǒng)計值:

最后置信度1-由下式計算得到:

1.2.5 敏感性分析

參考潛在蒸散發(fā)對不同氣候要素的敏感分析方法[25], 考慮到氣候生產(chǎn)潛力是年降水及平均氣溫組合而成的方程, 即:

那么, 氣候生產(chǎn)潛力對降水和氣溫的敏感性可表示為:

2 結(jié)果與分析

2.1 關(guān)中地區(qū)多年氣候時空變化特征

圖2為1983—2016年關(guān)中地區(qū)逐年平均氣溫、降水量、最高氣溫、最低氣溫、年積溫(≥10 ℃的日平均氣溫之和)以及日照時數(shù)序列的距平變化特征以及根據(jù)MK方法計算得到的突變情況。表3為上述氣候要素的逐年變化趨勢。

由圖2和表3能夠看出, 近34年來關(guān)中地區(qū)年平均氣溫上升顯著(均通過0.01顯著性檢驗), 地區(qū)降水呈不顯著的下降趨勢, 下降速率約為1 mm?a–1; 平均氣溫的上升趨勢在最高氣溫、最低氣溫和積溫等多個方面均有體現(xiàn), 且主要突變點在1995年左右。表3中的氣溫變化趨勢大小表明最高氣溫的上升對平均氣溫和積溫的升高起著主要貢獻(xiàn)作用。多年來, 關(guān)中地區(qū)的日照時數(shù)表現(xiàn)為不顯著的上升趨勢, 增加速率約為1 h?a–1。降水和日照時數(shù)產(chǎn)生突變的時間較氣溫滯后, 大約在2009年左右。此外關(guān)中地區(qū)年降水量和日照時數(shù)的波動較為劇烈, 1990—2005年關(guān)中地區(qū)年降水量持續(xù)小于多年平均值100~200 mm, 而該時段日照時數(shù)則較多年平均值高100~200 h, 在2000年之后, 二者波動出現(xiàn)相反狀態(tài)?？梢娊邓c日照間存在一定負(fù)相關(guān), 降水較少時, 全年的陰天天數(shù)明顯降低, 從而日照時數(shù)大大增加。

圖2 1983—2016年關(guān)中地區(qū)氣候要素隨時間變化特征

表3 1983—2016年關(guān)中地區(qū)各氣象要素的變化趨勢及顯著性

**表示通過<0.01顯著性檢驗。** represents significance at< 0.01

年平均氣溫、降水量和日照時數(shù)在局部地區(qū)隨時間的變化趨勢與區(qū)域整體相一致(表4): 5個市的年平均氣溫和日照時數(shù)呈現(xiàn)增加趨勢, 而降水量呈現(xiàn)下降趨勢; 平均氣溫的突變時間集中在1995年前后, 降水量和日照時數(shù)的波動使得突變時間較氣溫相對滯后。要素的大小分布存在一定的空間差異: 相比于東部而言, 關(guān)中西部平均氣溫和日照時數(shù)偏低, 而降水偏多。在相對較暖的渭南市, 其平均氣溫的上升速率最高, 達(dá)0.07 ℃×a-1; 而在銅川和渭南等較干旱的地區(qū), 年降水量的下降速率也偏大。可見1983—2016年期間關(guān)中地區(qū)的氣候正在向“暖干”趨勢發(fā)展。

表4 1983—2016年關(guān)中地區(qū)各市氣候要素變化特征

**表示通過<0.01顯著性檢驗。** represents significance at< 0.01

2.2 氣候產(chǎn)量及糧食產(chǎn)量時空變化特征

關(guān)中地區(qū)多年平均糧食單產(chǎn)3 599 kg×hm-2, 1983—2016年呈逐年顯著增加趨勢(通過0.01置信度檢驗), 增加速率為57.17 kg×hm-2×a-1(圖3)。西安、銅川、寶雞、咸陽、渭南5個局部市區(qū)的糧食產(chǎn)量變化趨勢與關(guān)中區(qū)域相一致, 均表現(xiàn)為顯著上升趨勢(表5); 銅川市糧食單產(chǎn)的上升速率最快, 達(dá)69.21 kg×hm-2×a-1。關(guān)中地區(qū)整體上氣候產(chǎn)量同樣呈現(xiàn)上升趨勢但不顯著, 且速率較慢, 僅有0.85 kg×hm-2×a-1, 但其峰谷波動變化與糧食單產(chǎn)的峰谷波動相吻合。圖4顯示關(guān)中地區(qū)不同氣候要素與氣候產(chǎn)量的相關(guān)性在空間上存在差異性, 說明氣候產(chǎn)量的變化是受多種氣候要素綜合影響的結(jié)果。該地區(qū)4個市區(qū)的氣候產(chǎn)量與氣溫存在正相關(guān), 表明氣溫有助于關(guān)中地區(qū)氣候產(chǎn)量的提升。空間上看, 銅川、咸陽和渭南3市的平均氣候產(chǎn)量較大且增加趨勢也較高(其中銅川、咸陽的變化趨勢通過0.05顯著性檢驗), 說明當(dāng)?shù)氐臍夂驐l件比較良好, 利于作物的生長。而寶雞市灌區(qū)面積較少, 且多年平均氣溫相對而言低于其他市區(qū), 低溫不利于作物生物量的累積, 導(dǎo)致氣候產(chǎn)量偏低, 這可能是引起關(guān)中地區(qū)的區(qū)域氣候產(chǎn)量多年以來在-0.48(近乎0值的水平線)附近上下波動的主要原因之一。

圖3 1983—2016年關(guān)中地區(qū)糧食單產(chǎn)及氣候產(chǎn)量隨時間變化曲線

表5 1983—2016年關(guān)中地區(qū)各市的作物產(chǎn)量變化趨勢

*和***分別表示趨勢在<0.05和<0.001水平顯著。* and *** represent significant trends at< 0.05 and< 0.001 levels, respectively.

2.3 氣候生產(chǎn)潛力及敏感性

多年來關(guān)中地區(qū)區(qū)域氣候生產(chǎn)潛力在7 000~ 12 000 kg×hm-2間波動(圖5), 且1996—2016年的平均氣候生產(chǎn)潛力高于1995年之前, 這在關(guān)中地區(qū)的5個市中均有體現(xiàn)(表6)。1983—1995年, 關(guān)中地區(qū)整體氣候生產(chǎn)潛力呈下降趨勢, 寶雞市趨勢最小(-68.68 kg×hm-2×a-1), 西安市最大(-199.87 kg×hm-2×a-1)。1995年之后, 隨著氣溫的升高及降水的增加(圖2), 盡管關(guān)中氣候生產(chǎn)潛力均表現(xiàn)為不顯著的增加趨勢, 但其決定了整個研究時段(1983—2016年)的氣候生產(chǎn)潛力發(fā)展趨勢。

圖4 關(guān)中地區(qū)各市氣候要素與氣候產(chǎn)量的相關(guān)性

圖5 1983—2016年關(guān)中氣候生產(chǎn)潛力及氣候資源利用率的變化

雖然關(guān)中地區(qū)的氣候資源處于波動狀態(tài), 但在其他條件的輔助之下, 作物對氣候資源的利用率(糧食產(chǎn)量占?xì)夂蛏a(chǎn)潛力的比例)在逐年上升, 從1983年的23.7%逐漸波動上升到2016年的47.9%。此外, 圖5能夠明顯看出, 在氣候生產(chǎn)潛力較低時, 氣候資源利用率較大; 而在氣候生產(chǎn)潛力較高時, 氣候資源利用率則處于波谷狀態(tài), 這說明在水熱條件較差時, 通過農(nóng)業(yè)管理等措施的實施能夠促進(jìn)作物對氣候資源的利用, 從而提升糧食增產(chǎn)空間。氣候資源利用率在1997年左右波動較為劇烈, 這與當(dāng)時的氣候狀態(tài)有很大關(guān)系: 1997年關(guān)中地區(qū)的年平均氣溫處于上升的突變階段, 而年降水量卻為研究時段的歷史最低值。

表6 1983—2016年關(guān)中地區(qū)各市氣候生產(chǎn)潛力在不同時間段的變化趨勢及顯著性

*表示趨勢在<0.05水平顯著。* represents significant trend at< 0.05 level.

關(guān)中地區(qū)氣候生產(chǎn)潛力對降水和氣溫的敏感性均為正向(圖6a), 其中對降水的敏感性(0.50)高于氣溫(0.28), 也就是說, 若降水變化10%, 氣候生產(chǎn)潛力將會變化5%, 而氣溫變化10%時, 生產(chǎn)潛力僅會變化2.8%。就局部地區(qū)而言, 西安、銅川和渭南地區(qū)的氣候生產(chǎn)潛力對降水的敏感性高于區(qū)域平均值; 相比降水而言, 5個市的氣候生產(chǎn)潛力對氣溫的敏感性差異不大, 基本接近區(qū)域平均, 而寶雞市的氣候生產(chǎn)潛力對降水的敏感性低于其余4市, 這是由于寶雞市的平均降水量偏高而氣溫較低, 所以氣候生產(chǎn)潛力對其降水量的敏感性較低, 反而對氣溫的敏感性略高于其他地區(qū)。統(tǒng)計各市氣候生產(chǎn)潛力對降水和氣溫的敏感系數(shù)后發(fā)現(xiàn), 生產(chǎn)潛力對降水的敏感性與對氣溫的敏感性呈顯著負(fù)相關(guān)(圖6b), 其中寶雞市的氣候生產(chǎn)潛力對降水和氣溫敏感性的對立性更為明顯(斜率絕對值最大)。綜上可知, 全球變暖的背景之下, 關(guān)中地區(qū)氣候生產(chǎn)潛力的波動對降水更為敏感。

2.4 未來氣候生產(chǎn)潛力對氣候變化的響應(yīng)

為了確保氣候模式對未來時期模擬結(jié)果的可靠性, 提取關(guān)中氣象站點附近的格點數(shù)據(jù), 根據(jù)其1983—2005年的歷史模擬序列與關(guān)中地區(qū)相應(yīng)時間段的實測氣象數(shù)據(jù)進(jìn)行比較, 最終選擇二者較為接近的模式來分析未來2021—2050年關(guān)中氣候生產(chǎn)潛力的變化情況。當(dāng)站點附近已有格點時, 如圖1中S1和S6站點臨近處便有格點, 即采用格點本身數(shù)據(jù)序列進(jìn)行比較; 當(dāng)站點與鄰近格點的位置相差較遠(yuǎn)時, 則對站點附近4個格點數(shù)據(jù)求取平均再進(jìn)行比較, 最終采用一元線性擬合系數(shù)和均方根誤差(Root Mean Squared Error, RMSE)方法來比較不同模式模擬結(jié)果的適用性。4個不同模式在歷史階段1983—2005年的年平均氣溫和降水量與8個氣象站點的實測數(shù)據(jù)對比結(jié)果如圖7所示。

從一元線性回歸系數(shù)的大小來看(圖7a和7c), GFDL-ESM2M模式在歷史時期的平均氣溫序列與關(guān)中地區(qū)8個站點的實測數(shù)據(jù)之間的擬合效果(平均擬合系數(shù)接近0.5)明顯好于其他3種模式, 其年降水量的擬合結(jié)果也高于其余3種氣候模式。就RMSE的評估結(jié)果來看(圖7b和7d), 4個模式中平均氣溫與實測氣溫的均方根誤差在0.6~1.5波動, 模式間沒有明顯的差別, 但GFDL-ESM2M模式的年降水量與實測降水量間的RMSE最小, 平均在160 mm。由此可見, GFDL-ESM2M模式相比于其他3種模式能夠更好地展示關(guān)中地區(qū)歷史階段的氣溫和降水變化, 所以本文主要選用該模式未來30年(2021—2050年)在RCP2.6和RCP6.0情景下的年降水及平均氣溫分析關(guān)中地區(qū)氣候生產(chǎn)潛力對氣候變化的響應(yīng)情況。

RCP2.6情景下, 關(guān)中地區(qū)2021—2050年的平均氣候生產(chǎn)潛力為11 000 kg×hm-2, 略高于RCP6.0情景(10 780 kg×hm-2), 差異主要體現(xiàn)在關(guān)中中部的灌區(qū)地帶(圖8)。RCP2.6情景下關(guān)中大部分區(qū)域的氣候生產(chǎn)潛力集中在10 997~11 636 kg×hm-2; 而在RCP6.0情景下, 中部灌區(qū)的氣候生產(chǎn)潛力縮減到10 678~10 993 kg×hm-2, 南北兩側(cè)也出現(xiàn)氣候生產(chǎn)潛力降低的情況。2種情景下, 關(guān)中地區(qū)的氣候生產(chǎn)潛力高值區(qū)均集中在東部渭南市。

受地理位置及氣候要素的影響, 關(guān)中地區(qū)的5個市區(qū)氣候生產(chǎn)潛力在空間上的變化趨勢較為一致, 故此處僅考慮關(guān)中區(qū)域上未來氣候生產(chǎn)潛力隨時間的變化情況。圖9顯示, 在2021—2050年期間, 關(guān)中地區(qū)的氣候生產(chǎn)潛力在RCP2.6情景下呈現(xiàn)輕微下降趨勢, 下降速率為8 kg×hm-2×a-1; 并且在2020s、2030s和2040s氣候生產(chǎn)潛力均呈現(xiàn)下降趨勢, 其中2030s的下降速率最大, 為146 kg×hm-2×a-1(<0.05)。而在RCP6.0情景下關(guān)中地區(qū)的氣候生產(chǎn)潛力則表現(xiàn)為上升趨勢, 上升速率達(dá)33 kg×hm-2×a-1, 并且該趨勢通過0.1顯著性檢驗。2020s和2040s呈現(xiàn)出不顯著的上升趨勢, 2040s的上升速率超過2021—2050年的長期上升速率, 說明2040s是引起整個關(guān)中地區(qū)未來30年在RCP6.0情景下呈現(xiàn)上升趨勢的主要時期。而在2030s關(guān)中地區(qū)的氣候生產(chǎn)潛力出現(xiàn)輕微下降趨勢, 該時期是關(guān)中生產(chǎn)潛力發(fā)生變化的轉(zhuǎn)折點。

圖6 關(guān)中地區(qū)各市氣候生產(chǎn)潛力對氣溫和降雨的敏感性及其相互關(guān)系

St: 對氣溫的敏感系數(shù); Sp: 對降雨的敏感系數(shù)。St: sensitivity coefficient to temperature; Sp: sensitivity coefficient to precipitation.

圖a和圖c為一元線性回歸擬合系數(shù)。Figure a and c show fitting coefficients of linear equations.

圖8 RCP2.6和RCP6.0情景下關(guān)中地區(qū)未來氣候生產(chǎn)潛力的空間分布

圖9 RCP2.6和RCP6.0情景下關(guān)中地區(qū)未來氣候生產(chǎn)潛力的時間變化

3 討論

陜西渭河關(guān)中地區(qū)的氣候變化主要體現(xiàn)在年平均氣溫顯著上升而降水下降的趨勢狀態(tài), 氣溫的變化尤為明顯, 這點從不同學(xué)者的研究結(jié)果[26-28]中均可得到驗證。但由于時間長度不同, 二者的變化速率也有所差異, 不過總體來看, 陜西關(guān)中地區(qū)氣溫的顯著上升與全球升溫現(xiàn)象一致。雖然氣溫的升高在一定程度上促進(jìn)了有機(jī)物的積累, 但該積累現(xiàn)象并不是無限制增加, 且氣溫的升高會縮短作物的生育期, 進(jìn)而造成產(chǎn)量下降[29]。Schlenker等[30]研究表明, 美國的玉米()、大豆()和棉花(spp.)的產(chǎn)量在溫度超過29 ℃、30 ℃和32 ℃之后便會急劇下降。韓智博等[31]通過研究未來氣候變化對黑河綠洲玉米產(chǎn)量的影響發(fā)現(xiàn), 適合該地區(qū)玉米生長的年均氣溫為7 ℃, 超過此溫度產(chǎn)量與氣溫顯著負(fù)相關(guān)。張延等[32]利用氣候變化背景下的不同大氣環(huán)流模式結(jié)果模擬關(guān)中地區(qū)未來時期的冬小麥產(chǎn)量變化, 結(jié)果表明由于在生長期氣溫的顯著升高和降水的下降趨勢, 冬小麥的生育期會明顯縮短, 且無論是在灌溉條件或是非灌溉條件下均會出現(xiàn)減產(chǎn)現(xiàn)象?？梢? 氣溫與糧食產(chǎn)量之間的關(guān)系存在一定的地域差異及閾值范圍。也有研究認(rèn)為, 以變暖為主的全球氣候變化對大部分地區(qū)糧食產(chǎn)量的負(fù)面影響更為普遍[33-34]。而本文關(guān)中地區(qū)近34年間的糧食單產(chǎn)呈現(xiàn)逐年波動上升的趨勢, 并且在對糧食單產(chǎn)進(jìn)行趨勢產(chǎn)量與氣候產(chǎn)量分離后發(fā)現(xiàn), 氣候產(chǎn)量的波動與糧食產(chǎn)量的波動相一致, 并且氣候產(chǎn)量呈現(xiàn)逐年輕微上升的現(xiàn)象, 說明氣候變化在一定程度上影響著糧食單產(chǎn)的波動變化, 并且促進(jìn)了糧食產(chǎn)量的提升, 且該變化與氣溫的升高有密切關(guān)聯(lián)。但對于西藏地區(qū)而言, 其氣候產(chǎn)量則逐年輕微下降, 主要原因則在于日照時數(shù)的降低[22]?？梢? 氣候變化對糧食生產(chǎn)的影響存在地域差異。此外, 糧食的技術(shù)產(chǎn)量(趨勢產(chǎn)量)并不是實際可測得的數(shù)據(jù), 本文采用經(jīng)驗?zāi)B(tài)分解法得到趨勢產(chǎn)量, 進(jìn)而分析氣候產(chǎn)量的變化, 但由于趨勢產(chǎn)量無法得到充分驗證, 故關(guān)于關(guān)中地區(qū)的氣候產(chǎn)量變化情況的分析存在誤差是不可避免的。

氣候生產(chǎn)潛力能夠體現(xiàn)出一個地區(qū)在其他條件都具備的情況下氣候資源對產(chǎn)量的作用。劉新等[17]研究表明, 內(nèi)蒙古地區(qū)的氣候生產(chǎn)潛力對降水的敏感性更大, 這與本文關(guān)中地區(qū)的氣候生產(chǎn)潛力對降水的敏感性較高相一致。關(guān)中地區(qū)近34年平均年降水量約為570 mm, 且隨時間呈下降趨勢, 一定程度上會導(dǎo)致氣候生產(chǎn)潛力的下降, 但氣溫的顯著上升抵消了這一趨勢, 最終使得該地區(qū)的氣候生產(chǎn)潛力呈現(xiàn)出緩慢增加狀態(tài), 其平均值近乎是青海省氣候生產(chǎn)潛力(3 233.9~4 784.8 kg×hm-2)[35]的2倍?？紤]到大氣環(huán)流模式輸出結(jié)果的不確定性, 本文在與歷史氣象數(shù)據(jù)進(jìn)行比較之后選擇較為可靠的模式數(shù)據(jù), 關(guān)中地區(qū)的氣溫在未來時期繼續(xù)明顯上升, 降水也在未來時期存在增加現(xiàn)象, 與張延等[32]指出未來時期關(guān)中地區(qū)降水下降結(jié)果不一致的原因可能是模式選擇不同所致。相比于1983—2016年, 關(guān)中地區(qū)2021—2050年的年平均降水量在RCP2.6和RCP6.0情景下分別增加87 mm和79 mm, 氣溫的持續(xù)上升以及降水的增加使得關(guān)中地區(qū)的氣候生產(chǎn)潛力在未來30年有所提升。氣溫和降水的增加對氣候生產(chǎn)力起著促進(jìn)作用。對比2021—2050年RCP2.6和RCP6.0兩種情景下關(guān)中地區(qū)平均氣溫和降水發(fā)現(xiàn), RCP2.6情景下的降水和氣溫均略高于RCP6.0情景(降水偏高8.3 mm, 氣溫偏高0.15 ℃), 故而關(guān)中地區(qū)RCP2.6情境的平均氣候生產(chǎn)潛力略高于RCP6.0情景。

當(dāng)前狀態(tài)下, 關(guān)中地區(qū)作物對氣候資源的利用率在1983—2016年期間雖逐年上升但依舊不足50%, 糧食產(chǎn)量尚未達(dá)到氣候生產(chǎn)潛力, 其提升的空間還很大。為充分利用關(guān)中地區(qū)的氣候資源, 更大程度提高氣候資源利用率進(jìn)而保障糧食安全, 建議在不改變土地利用性質(zhì)的基礎(chǔ)上, 充分掌握不同作物對氣候要素的敏感程度, 因時制宜進(jìn)行農(nóng)事耕作時間的調(diào)整, 同時更要對農(nóng)田灌溉等水利設(shè)施安排合理調(diào)度制度, 以應(yīng)對未來降水變化不確定性對糧食產(chǎn)量帶來的威脅。

4 結(jié)論

本文依據(jù)渭河關(guān)中地區(qū)8個氣象站點在1983—2016年的氣候要素及關(guān)中各市區(qū)糧食單產(chǎn)數(shù)據(jù), 分析糧食產(chǎn)量受氣候變化的影響, 最后根據(jù)未來氣候情景, 分析關(guān)中地區(qū)未來氣候生產(chǎn)潛力對氣候變化的響應(yīng)特征。主要得出以下結(jié)論:

1)關(guān)中地區(qū)多年平均氣溫在東部(主要是咸陽市東部、西安、銅川和渭南)較高, 而年降水量在西部偏多。1983—2016年近34年來, 區(qū)域上年降水量的下降速率為1 mm×a-1, 日照時數(shù)和平均氣溫的上升速率分別為1 h×a-1和0.05 ℃×a-1, 平均氣溫的突變時間在1995年左右, 且空間上具有一致性, 其升高主要以最高氣溫的變化為主要驅(qū)動。

2)關(guān)中不同市區(qū)的糧食單產(chǎn)和氣候產(chǎn)量均表現(xiàn)為呈逐年增加趨勢, 其中平均氣溫與氣候產(chǎn)量的相關(guān)性高于降水和日照時數(shù)與氣候產(chǎn)量的相關(guān)性。多年來關(guān)中區(qū)域氣候生產(chǎn)潛力在7 000~12 000 kg×hm-2波動, 雖然其對降水的敏感性較大, 但由于氣溫的顯著持續(xù)上升, 氣溫突變后的氣候生產(chǎn)潛力高于突變之前, 是1983—2016年氣候生產(chǎn)潛力變化趨勢的主要驅(qū)動來源。并且隨著農(nóng)業(yè)技術(shù)的發(fā)展和氣候的綜合影響, 關(guān)中地區(qū)作物對氣候資源的利用率在逐年攀升, 近幾年達(dá)50%左右。

3)未來2021—2050年, 關(guān)中地區(qū)的氣候生產(chǎn)潛力變化存在不確定性, RCP2.6情景下的氣候生產(chǎn)潛力高于RCP6.0情景, 差距主要體現(xiàn)在貫穿關(guān)中中部的灌區(qū)部分。但RCP2.6情景下關(guān)中地區(qū)的氣候生產(chǎn)潛力呈現(xiàn)輕微下降趨勢, RCP6.0情景下的氣候生產(chǎn)潛力變化趨勢則相反, 表現(xiàn)為上升趨勢, 且上升速率高于RCP2.6情景的下降速率。

[1] DAI A G. Increasing drought under global warming in observations and models[J]. Nature Climate Change, 2013, 3: 52–58

[2] GAY C, ESTRADA F, CONDE C, et al. Potential impacts of climate change on agriculture: A case of study of coffee production in Veracruz, Mexico[J]. Climatic Change, 2006, 79(3/4): 259–288

[3] 周廣勝. 氣候變化對中國農(nóng)業(yè)生產(chǎn)影響研究展望[J]. 氣象與環(huán)境科學(xué), 2015, 38(1): 80–94 ZHOU G S. Research prospect on impact of climate change on agricultural production in China[J]. Meteorological and Environmental Sciences, 2015, 38(1): 80–94

[4] 鄭亞楠, 張鳳榮, 謝臻, 等. 中國糧食生產(chǎn)時空演變規(guī)律與耕地可持續(xù)利用研究[J]. 世界地理研究, 2019, 28(6): 120–131 ZHENG Y N, ZHANG F R, XIE Z, et al. Research on spatial-temporal evolution of grain production and sustainable use of cultivated land in China[J]. World Regional Studies, 2019, 28(6): 120–131

[5] 劉立濤, 劉曉潔, 倫飛, 等. 全球氣候變化下的中國糧食安全問題研究[J]. 自然資源學(xué)報, 2018, 33(6): 927–939 LIU L T, LIU X J, LUN F, et al. Research on China’s food security under global climate change background[J]. Journal of Natural Resources, 2018, 33(6): 927–939

[6] HAKIM M A, HOSSAIN A, DA SILVA J A T, et al. Protein and starch content of 20 wheat (L.) genotypes exposed to high temperature under late sowing conditions[J]. Journal of Scientific Research, 2012, 4(2): 477–489

[7] HOSSAIN A, LOZOVSKAYA M V, ZVOLINSKY V P, et al. Effect of soil and climatic conditions on phenology of spring wheat varieties in the northern Bangladesh[J]. Natural Science: Journal Fund Applied Science, 2012, 2(39): 78–86

[8] 米娜, 張玉書, 蔡福, 等. 干旱脅迫對玉米物候及產(chǎn)量組成的影響及模擬研究[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(中英文), 2019, 27(12): 1779–1788 MI N, ZHANG Y S, CAI F, et al. Effect of drought stress on maize phenology and yield components and its simulation[J]. Chinese Journal of Eco-Agriculture, 2019, 27(12): 1779–1788

[9] 張榮榮, 寧曉菊, 秦耀辰, 等. 1980年以來河南省主要糧食作物產(chǎn)量對氣候變化的敏感性分析[J]. 資源科學(xué), 2018, 40(1): 137–149 ZHANG R R, NING X J, QIN Y C, et al. Analysis of sensitivity of main grain crops yield to climate change since 1980 in Henan Province[J]. Resources Science, 2018, 40(1): 137–149

[10] 張雪琪, 滿蘇爾·沙比提, 馬國飛. 葉爾羌河平原綠洲氣候變化對糧食生產(chǎn)的影響[J]. 干旱區(qū)研究, 2018, 35(3): 705–712 ZHANG X Q, MANSUR SHABITI, MA G F. Effects of climate change on grain production in plain oasis in the Yarkant River basin[J]. Arid Zone Research, 2018, 35(3): 705–712

[11] 李彩俠, 李俏, 孫天一, 等. 氣候變化對黑龍江省主要農(nóng)作物產(chǎn)量的影響[J]. 自然災(zāi)害學(xué)報, 2014, 23(6): 200–208 LI C X, LI Q, SUN T Y, et al. Effect of climate change on major crops yield in Heilongjiang Province[J]. Journal of Natural Disasters, 2014, 23(6): 200–208

[12] 劉春瓊, 劉萍, 吳生虎, 等. 基于DCCA方法分析氣候變化對四川省糧食產(chǎn)量的影響[J]. 中國農(nóng)業(yè)氣象, 2016, 37(1): 43–50 LIU C Q, LIU P, WU S H, et al. Impacts of climate change on grain output in Sichuan Based on the Detrended Cross-Correlation Analysis method[J]. Chinese Journal of Agrometeorology, 2016, 37(1): 43–50

[13] 劉忠, 黃峰, 李保國. 基于經(jīng)驗?zāi)B(tài)分解的中國糧食單產(chǎn)波動特征及影響因素[J]. 農(nóng)業(yè)工程學(xué)報, 2015, 31(2): 7–13 LIU Z, HUANG F, LI B G. Analysis on characteristics and influential factors of grain yield fluctuation in China based on empirical mode decomposition[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(2): 7–13

[14] 王亞飛, 廖順寶. 氣候變化對糧食產(chǎn)量影響的研究方法綜述[J]. 中國農(nóng)業(yè)資源與區(qū)劃, 2018, 39(12): 54–63 WANG Y F, LIAO S B. Impacts of climate change on grain yield: A review of research methods[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2018, 39(12): 54–63

[15] 尹朝靜, 李谷成, 葛靜芳. 糧食安全: 氣候變化與糧食生產(chǎn)率增長——基于HP濾波和序列DEA方法的實證分析[J]. 資源科學(xué), 2016, 38(4): 665–675 YIN C J, LI G C, GE J F. Food security, climate change and grain productivity growth based on HP filter and sequential DEA methods[J]. Resources Science, 2016, 38(4): 665–675

[16] 趙俊芳, 孔祥娜, 姜月清, 等. 基于高時空分辨率的氣候變化對全球主要農(nóng)區(qū)氣候生產(chǎn)潛力的影響評估[J]. 生態(tài)環(huán)境學(xué)報, 2019, 28(1): 1–6 ZHAO J F, KONG X N, JIANG Y Q, et al. Impact assessment of climate change on climatic potential productivity in global major agricultural regions based on high spatial and temporal resolution data[J]. Ecology and Environmental Sciences, 2019, 28(1): 1–6

[17] 劉新, 劉林春, 尤莉, 等. 內(nèi)蒙古地區(qū)氣候生產(chǎn)潛力變化及其敏感性分析[J]. 中國農(nóng)業(yè)氣象, 2018, 39(8): 531–537 LIU X, LIU L C, YOU L, et al. Characteristics and sensitivity analysis of climate production potential in Inner Mongolia[J]. Chinese Journal of Agrometeorology, 2018, 39(8): 531–537

[18] 董思, 任志遠(yuǎn), 張翀, 等. 陜西省氣候變化及其氣候生產(chǎn)潛力的時空變化[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報, 2016, 21(8): 142–149 DONG S, REN Z Y, ZHANG C, et al. Spatial-temporal changing characteristics of climate and its potential productivity in Shaanxi Province[J]. Journal of China Agricultural University, 2016, 21(8): 142–149

[19] 盧燕宇, 孫維, 唐為安, 等. 氣候變化背景下安徽省冬小麥氣候生產(chǎn)潛力和脅迫風(fēng)險研究[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(中英文), 2020, 28(1): 17–30 LU Y Y, SUN W, TANG W A, et al. Climatic potential productivity and stress risk of winter wheat under the background of climate change in Anhui Province[J]. Chinese Journal of Eco-Agriculture, 2020, 28(1): 17–30

[20] FRIELER K, LANGE S, PIONTEK F, et al. Assessing the impacts of 1.5 ℃ global warming—Simulation protocol of the Inter-Sectoral Impact Model Intercomparison Project (ISIMIP2b)[J]. Geoscientific Model Development, 2017, 10(12): 4321–4345

[21] 王書霞, 張利平, 李意, 等. 氣候變化情景下瀾滄江流域極端洪水事件研究[J]. 氣候變化研究進(jìn)展, 2019, 15(1): 23–32 WANG S X, ZHANG L P, LI Y, et al. Extreme flood in the Lancang River Basin under climate change[J]. Climate Change Research, 2019, 15(1): 23–32

[22] 楊春艷, 沈渭壽, 李海東. 1985—2010年西藏糧食產(chǎn)量對氣候和耕地變化的響應(yīng)[J]. 農(nóng)業(yè)工程學(xué)報, 2015, 31(17): 261–269 YANG C Y, SHEN W S, LI H D. Response of grain yield in Tibet to climate and cultivated land change during 1985–2010[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(17): 261–269

[23] LI C, WANG R H. Recent changes of precipitation in Gansu, Northwest China: An index-based analysis[J]. Theoretical and Applied Climatology, 2017, 129: 397–412

[24] CHEN J, LI Q L, NIU J, et al. Regional climate change and local urbanization effects on weather variables in Southeast China[J]. Stochastic Environmental Research and Risk Assessment, 2011, 25(4): 555–565

[25] JIANG S Z, LIANG C, CUI N B, et al. Impacts of climatic variables on reference evapotranspiration during growing season in Southwest China[J]. Agricultural Water Management, 2019, 216: 365–378

[26] 董晴晴, 王會肖. 60年來渭河關(guān)中地區(qū)氣溫與降水變化及其原因[J]. 南水北調(diào)與水利科技, 2016, 14(6): 33–38 DONG Q Q, WANG H X. Variation and reason analysis of temperature and precipitation of Weihe River in Guanzhong area in the last 60 years[J]. South-to-North Water Transfers and Water Science & Technology, 2016, 14(6): 33–38

[27] 劉政鴻. 陜西省近50年來降水量時空變化特征分析[J]. 水土保持研究, 2015, 22(2): 107–112 LIU Z H. Analysis of spatiotemporal variation characteristics of precipitation in the past five decades in Shaanxi Province[J]. Research of Soil and Water Conservation, 2015, 22(2): 107–112

[28] 寧向玲, 董婕, 延軍平. 陜西省近60a氣溫時空變化特征[J]. 干旱氣象, 2011, 29(4): 455–460 NING X L, DONG J, YAN J P. Spatial and temporal variation of air temperature in recent 60 years in Shaanxi Province[J]. Journal of Arid Meteorology, 2011, 29(4): 455–460

[29] 趙彥茜, 肖登攀, 柏會子, 等. 中國作物物候?qū)夂蜃兓捻憫?yīng)與適應(yīng)研究進(jìn)展[J]. 地理科學(xué)進(jìn)展, 2019, 38: 224–235 ZHAO Y X, XIAO D P, BAI H Z, et al. Research progress on the response and adaptation of crop phenology to climate change in China[J]. Progress in Geography, 2019, 38(2): 224–235

[30] SCHLENKER W, ROBERTS M J. Nonlinear temperature effects indicate severe damages to U.S. crop yields under climate change[J]. Proceedings of the National Academy of Sciences of the United States of America, 2009, 106(37): 15594–15598

[31] 韓智博, 張寶慶, 田杰, 等. 基于CCSM4氣候模式的未來氣候變化對黑河綠洲玉米產(chǎn)量影響預(yù)測[J]. 灌溉排水學(xué)報, 2018, 37(10): 108–115 HAN Z B, ZHANG B Q, TIAN J, et al. Yield of the maize in Heihe oasis under climate change in northwest China predicted based on the CCSM4 climate model[J]. Journal of Irrigation and Drainage, 2018, 37(10): 108–115

[32] 張延, 任小川, 趙英, 等. 未來氣候變化對關(guān)中地區(qū)冬小麥耗水和產(chǎn)量的影響模擬[J]. 干旱地區(qū)農(nóng)業(yè)研究, 2016, 34(1): 220–228 ZHANG Y, REN X C, ZHAO Y, et al. Impact and simulation of climate change on water consumption and yield of winter-wheat in Guanzhong Region[J]. Agricultural Research in the Arid Areas, 2016, 34(1): 220–228

[33] 謝立勇, 李悅, 徐玉秀, 等. 氣候變化對農(nóng)業(yè)生產(chǎn)與糧食安全影響的新認(rèn)知[J]. 氣候變化研究進(jìn)展, 2014, 10(4): 235–239 XIE L Y, LI Y, XU Y X, et al. Updated understanding on the impacts of climate change on food production and food security[J]. Progressus Inquisitiones de Mutatione Climatis, 2014, 10(4): 235–239

[34] IPCC. Climate change 2014: Impacts, Adaptation, and Vulnerability[M/OL]. Cambridge: Cambridge University Press, 2014 [2014-04-01]. http://www.oalib.com/references/19903666

[35] 李曉東, 胡愛軍, 祁棟林, 等. 近53年青海省氣候變化與糧食產(chǎn)量及氣候生產(chǎn)潛力特征[J]. 草業(yè)科學(xué), 2015, 32(7): 1061–1068 LI X D, HU A J, QI D L, et al. Characteristics of climate change, grain yield and climate productivity potential during last 53 years in Qinghai Province[J]. Pratacultural Science, 2015, 32(7): 1061–1068

Impact of climate change on grain yield and its trend across Guanzhong region*

ZHAO Ruxin, WANG Huixiao**, DONG Yuxuan

(College of Water Sciences, Beijing Normal University / Beijing Key Laboratory of Urban Hydrological Cycle and Sponge City Technology, Beijing 100875, China)

Climate change dominated by warming has a significant impact on grain yield. From an examination of grain yield, climatic yield and climate potential productivity (CPP), this paper systematically analyzed the response of grain yield to climate change in Guanzhong, Shaanxi, one of China’s main food-producing areas. Datasets were climate variables at 8 meteorological stations, grain yield statistics from Guanzhong region during 1983-2016, and the precipitation and temperature simulation results from 4 global climate models of the Intersectoral Impact Model Intercomparison Project for 2021-2050. Mutation analysis, trend analysis, and sensitivity analysis were all used in the study. The results showed that the annual average temperature of Guanzhong region was increasing significantly at the rate of 0.05 ℃?a-1, and a significant increase in the maximum temperature was contributing most to this trend. Meanwhile, annual average precipitation showed a decreasing trend at the rate of-1 mm?a-1but was not significant. During 1983-2016, the average annual grain yield of Guanzhong region was 3 599 kg?hm-2. Although showing fluctuations, it increased at the rate of 57.17 kg×hm-2×a-1(< 0.001). There was a positive correlation between the climatic yield and temperature in many parts of Guanzhong. The increase in temperature had promoted an increase in climatic yield in Guanzhong to a certain extent, but not significantly (the increase was 0.85 kg?hm–2?a–1and> 0.05). The CPP of Guanzhong region ranged between 7 000-12 000 kg×hm-2over 34 years. Due to the fluctuations in temperature, the average CPP after 1995 was higher than that before 1995, which meant that the change in CPP after 1995 was the main driving source of the increasing trend of CPP during the whole study period. During 2021-2050, the average CPP of Guanzhong region under RCP 2.6 scenario will be higher than that of RCP 6.0. However, the CPP decreases under the RCP 2.6 scenario but increases under the RCP 6.0 scenario. There is a plenty room for promotion of climate resources used by crops in Guanzhong region, and climate change has had a positive effect on the grain yield in Guanzhong, but this effect will not persist.

Climate change; Grain yield; Climate potential productivity; Global climate model; Guanzhong region

S162.5+3

10.13930/j.cnki.cjea.190752

趙茹欣, 王會肖, 董宇軒. 氣候變化對關(guān)中地區(qū)糧食產(chǎn)量的影響及趨勢分析[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(中英文), 2020, 28(4):467-479

ZHAO R X, WANG H X, DONG Y X. Impact of climate change on grain yield and its trend across Guanzhong region[J]. Chinese Journal of Eco-Agriculture, 2020, 28(4):467-479

* 國家自然科學(xué)基金項目(41371043, 51779009)資助

王會肖, 主要研究方向為農(nóng)業(yè)水文水資源。E-mail: huixiaowang@bnu.edu.cn

趙茹欣, 研究方向為水文水資源及氣候變化。E-mail: zhaorx324@163.com

2019-10-25

2020-02-01

*This study was founded by the National Natural Science Foundation of China (41371043, 51779009).

, E-mail: huixiaowang@bnu.edu.cn

Feb. 1, 2020

Oct. 25, 2019;