劉葦航，葉 濤，3，史培軍，3，4，陳 說

（1.北京師范大學(xué)地理科學(xué)學(xué)部災(zāi)害風(fēng)險(xiǎn)科學(xué)研究院，北京 100875；2.北京師范大學(xué)地理科學(xué)學(xué)部地表過程與資源生態(tài)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100875；3.應(yīng)急管理部-教育部減災(zāi)與應(yīng)急管理研究院，北京 100875；4.青海省人民政府-北京師范大學(xué)高原科學(xué)與可持續(xù)發(fā)展研究院，青海西寧 810008）

引言

全球氣候變化已經(jīng)對(duì)可持續(xù)發(fā)展和人類安全形成了嚴(yán)峻的挑戰(zhàn)［1］。糧食安全問題是氣候變化可能造成的重要的風(fēng)險(xiǎn)之一［2-4］。升溫、降水格局變化和更高頻率的極端事件改變了糧食作物平均單產(chǎn)和年際波動(dòng)，從源頭上影響了糧食生產(chǎn)的可供性（availability）和穩(wěn)定性（stability），并進(jìn)一步傳遞到糧食的加工、交易和消費(fèi)環(huán)節(jié)，對(duì)糧食安全“四支柱”［5］產(chǎn)生全面的負(fù)向影響［6-7］。理解氣候變化影響糧食安全的機(jī)制、評(píng)估其風(fēng)險(xiǎn)，是采取“風(fēng)險(xiǎn)知曉”的（risk-informed）適應(yīng)與發(fā)展行動(dòng)的重要前提［8-9］。

糧食生產(chǎn)風(fēng)險(xiǎn)指糧食單產(chǎn)或總產(chǎn)的不確定性，是關(guān)系糧食生產(chǎn)穩(wěn)定性和可獲取性的重要問題。在局地尺度上，單產(chǎn)年際波動(dòng)直接影響著生產(chǎn)者的自給自足保障和基本生計(jì)［10］，以及糧食儲(chǔ)備的壓力［11］；在更大尺度上，單產(chǎn)年際波動(dòng)的區(qū)域間耦合或同步歉收可能造成糧食市場(chǎng)價(jià)格的起伏［12］，并引起限制出口、糧價(jià)上升、饑荒［13］、乃至政局動(dòng)蕩等嚴(yán)重問題［14］，誘發(fā)系統(tǒng)性風(fēng)險(xiǎn)［15-16］。

糧食生產(chǎn)風(fēng)險(xiǎn)評(píng)估是農(nóng)業(yè)自然災(zāi)害領(lǐng)域的經(jīng)典問題，過往研究多建立在環(huán)境不變和時(shí)間序列平穩(wěn)性的前提假設(shè)上［17］。然而，氣候變化所包含的氣候平均值、波動(dòng)和極端值的變化［18-19］，勢(shì)必帶來單產(chǎn)和總產(chǎn)風(fēng)險(xiǎn)的變化［20］，這為糧食生產(chǎn)風(fēng)險(xiǎn)研究帶來了新的命題：如何準(zhǔn)確理解氣候變化對(duì)糧食單產(chǎn)/總產(chǎn)的不確定性影響的驅(qū)動(dòng)因素，有效評(píng)估此類由環(huán)境變化驅(qū)動(dòng)的風(fēng)險(xiǎn)變化？這也是全球變化背景下復(fù)合人地系統(tǒng)演變共同驅(qū)動(dòng)的自然災(zāi)害風(fēng)險(xiǎn)分析中的一項(xiàng)重要科學(xué)問題［21］。

氣候變化對(duì)糧食生產(chǎn)的影響研究是氣候變化研究中的經(jīng)典問題。然而，過往研究中更多從糧食安全可供性出發(fā)，評(píng)估氣候變化對(duì)糧食作物平均單產(chǎn)的影響［22-24］，而氣候變化對(duì)糧食生產(chǎn)風(fēng)險(xiǎn)的影響研究則滯后于風(fēng)險(xiǎn)防范和適應(yīng)的需求［25］。從IPCC第一次評(píng)估報(bào)告到2012年間，氣候變化對(duì)糧食作物單產(chǎn)年際波動(dòng)影響的研究論文僅占?xì)夂蜃兓录Z食安全研究的4.2%［26］。直到第三次評(píng)估報(bào)告，IPCC才開始關(guān)注氣候變化導(dǎo)致的單產(chǎn)年際波動(dòng)變化的問題［27］。IPCC第五次評(píng)估報(bào)告仍將“不分析”或“不報(bào)告”單產(chǎn)年際波動(dòng)變化作為一項(xiàng)研究鴻溝［28］。2019年末IPCC發(fā)布的《氣候變化與土地特別報(bào)告》則強(qiáng)調(diào)，研究氣候沖擊帶來的糧食生產(chǎn)風(fēng)險(xiǎn)變化，是構(gòu)筑氣候變化背景下糧食系統(tǒng)針對(duì)極端事件的韌性亟需填補(bǔ)的關(guān)鍵知識(shí)鴻溝之一［6，29］。

為了更好地回答氣候變化對(duì)糧食生產(chǎn)風(fēng)險(xiǎn)的影響這一關(guān)乎未來糧食安全的重要問題，傳統(tǒng)的風(fēng)險(xiǎn)研究與氣候變化影響研究展開了交叉。研究初步探討了全球尺度歷史時(shí)期氣候變化與單產(chǎn)年際波動(dòng)變化之間的對(duì)應(yīng)關(guān)系［30-31］，并預(yù)估了未來氣候變化情景下的單產(chǎn)年際波動(dòng)變化［32-34］。研究也初步分析了歷史時(shí)期總產(chǎn)同步歉收（synchronized failure；也稱multiple bread-basket failure）概率的變化［35］和未來不同氣候變化情景下風(fēng)險(xiǎn)的預(yù)估［36-37］等問題。為了能夠積極推動(dòng)相關(guān)問題的研究，更好地回應(yīng)氣候變化適應(yīng)與風(fēng)險(xiǎn)防范的關(guān)切，本文綜述了氣候變化對(duì)糧食生產(chǎn)風(fēng)險(xiǎn)影響的相關(guān)文獻(xiàn)，總結(jié)了當(dāng)前已取得的研究進(jìn)展和成果、當(dāng)前研究中存在的主要瓶頸和挑戰(zhàn)，并對(duì)下一階段的研究進(jìn)行了展望。

1 氣候變化對(duì)糧食生產(chǎn)風(fēng)險(xiǎn)影響的研究途徑

當(dāng)前關(guān)于氣候變化對(duì)糧食生產(chǎn)風(fēng)險(xiǎn)影響的研究，主要從單區(qū)域-單作物的單產(chǎn)風(fēng)險(xiǎn)和多區(qū)域-多作物的同步歉收風(fēng)險(xiǎn)兩個(gè)角度開展。

單產(chǎn)風(fēng)險(xiǎn)特指單一空間位置上（如站點(diǎn)、格網(wǎng)、生產(chǎn)區(qū)或行政單元）糧食單產(chǎn)水平的不確定性。在傳統(tǒng)的農(nóng)業(yè)自然災(zāi)害風(fēng)險(xiǎn)研究中，多使用單產(chǎn)的概率密度分布、單產(chǎn)的年際波動(dòng)水平（如標(biāo)準(zhǔn)差或變異系數(shù)）［38-39］以及減產(chǎn)的超越概率［40］等指標(biāo)表達(dá)。在特定空間位置上，氣候要素（包括氣溫、降水、輻射，以及二氧化碳濃度等）在不同時(shí)間尺度（日、月、季和年際）上不同組分（均值、變率和極端值等）的變化，可能對(duì)作物的生長(zhǎng)發(fā)育過程產(chǎn)生顯著影響并引起單產(chǎn)的響應(yīng)，改變單產(chǎn)的年際波動(dòng)水平和極端低產(chǎn)的出現(xiàn)概率［41-42］，從而改變單產(chǎn)風(fēng)險(xiǎn)。研究單產(chǎn)風(fēng)險(xiǎn)對(duì)氣候變化的響應(yīng)對(duì)于氣候變化條件下區(qū)域農(nóng)業(yè)自然災(zāi)害風(fēng)險(xiǎn)防范和適應(yīng)有重要幫助。

“同步歉收”特指全球多個(gè)主產(chǎn)區(qū)同時(shí)經(jīng)歷糧食周年總產(chǎn)大幅降低的事件［15］。單產(chǎn)年際變率關(guān)注的是單一區(qū)域上的“個(gè)體”風(fēng)險(xiǎn)，而同步歉收風(fēng)險(xiǎn)則是其區(qū)域間、作物間關(guān)聯(lián)性和系統(tǒng)性風(fēng)險(xiǎn)方向的外延。全球化過程使得全球糧食生產(chǎn)向特定品種和主產(chǎn)區(qū)集中，對(duì)品種間、區(qū)域間豐歉互補(bǔ)的依賴日益上升；而全球氣候變化則通過氣候遙相關(guān)增強(qiáng)了全球不同區(qū)域極端天氣氣候事件的關(guān)聯(lián)性，大幅增加了全球多個(gè)主產(chǎn)區(qū)發(fā)生同步歉收的可能性［16］，已構(gòu)成典型的“小概率、大影響”的系統(tǒng)性風(fēng)險(xiǎn)［1］。針對(duì)同步歉收風(fēng)險(xiǎn)的研究重點(diǎn)是，氣候變化如何改變了多作物間、多區(qū)域間和多尺度間風(fēng)險(xiǎn)的相關(guān)、累加和傳遞機(jī)制。研究多區(qū)域單產(chǎn)聚合風(fēng)險(xiǎn)對(duì)于提升全球和區(qū)域糧食系統(tǒng)韌性以及制定合理的進(jìn)出口貿(mào)易策略具有指導(dǎo)意義。

2 氣候變化對(duì)單產(chǎn)風(fēng)險(xiǎn)的影響

2.1 氣候變化影響單產(chǎn)風(fēng)險(xiǎn)的事實(shí)

單產(chǎn)風(fēng)險(xiǎn)的概念早期被用于農(nóng)業(yè)風(fēng)險(xiǎn)區(qū)劃［43］，農(nóng)作物保險(xiǎn)費(fèi)率厘定［44-46］以及農(nóng)戶級(jí)別的農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)的研究［47］。2013年，Osborne和Wheeler開始在全球尺度關(guān)注氣候要素變化對(duì)糧食作物單產(chǎn)風(fēng)險(xiǎn)可能產(chǎn)生的影響［30］。他們使用全球尺度1961-2009年的FAO國(guó)別統(tǒng)計(jì)單產(chǎn)資料，分析了氣候變化（溫度和降水的一階差分）與國(guó)別單產(chǎn)年際波動(dòng)之間的統(tǒng)計(jì)關(guān)系，發(fā)現(xiàn)該時(shí)段內(nèi)全球有近半數(shù)的國(guó)家糧食單產(chǎn)年際波動(dòng)的變化顯著，且多數(shù)呈現(xiàn)減小的趨勢(shì)。考慮到國(guó)別尺度統(tǒng)計(jì)單產(chǎn)年際波動(dòng)可能掩蓋了空間異質(zhì)性，Iizumi和Ramankutty利用一套凈初級(jí)生產(chǎn)力權(quán)重分配的單產(chǎn)格網(wǎng)數(shù)據(jù)集［48］開展了評(píng)估分析，發(fā)現(xiàn)全球1981-2010年四大口糧作物單產(chǎn)年際波動(dòng)總體呈現(xiàn)減小的趨勢(shì)，但少數(shù)區(qū)域的糧食生產(chǎn)將變得更加不穩(wěn)定［31］。全球單產(chǎn)年際波動(dòng)的變化中有21%可以被氣候要素年際波動(dòng)（9年滑動(dòng)平均標(biāo)準(zhǔn)差）的變化所解釋。在區(qū)域尺度上，1980-2010年美國(guó)有19%的縣表現(xiàn)出玉米單產(chǎn)年際波動(dòng)增大的特征，主要位于美國(guó)的東南沿海和南部［49］。

研究也已初步開展了未來氣候變化對(duì)主要糧食作物單產(chǎn)風(fēng)險(xiǎn)的影響預(yù)估。一項(xiàng)預(yù)估結(jié)果顯示，到本世紀(jì)中期單產(chǎn)年際波動(dòng)總體上升，北半球以及南半球中緯度地區(qū)的單產(chǎn)年際波動(dòng)顯著增大；而在赤道附近的熱帶，除水稻外的其它三大作物的單產(chǎn)年際波動(dòng)均表現(xiàn)為減小的趨勢(shì)［50］。在不考慮空間差異的2°C和4°C全球均一增溫情景下，使用統(tǒng)計(jì)模型預(yù)估的結(jié)果顯示，玉米單產(chǎn)在全球所有種植區(qū)均表現(xiàn)出年際波動(dòng)增大的現(xiàn)象［33］。全球升溫1.5°C和2°C情景下，在全球60個(gè)代表性站點(diǎn)使用多作物模型集合預(yù)估的結(jié)果中，有近一半的站點(diǎn)呈現(xiàn)小麥單產(chǎn)年際波動(dòng)增大的趨勢(shì)，其中有14個(gè)顯著增大，這些站點(diǎn)多位于相對(duì)偏干、偏熱的區(qū)域［51］。在更高的空間分辨率水平上，Liu等［52］使用集合作物模型模擬器對(duì)未來RCP4.5和RCP8.5情景全球小麥單產(chǎn)開展了預(yù)估，發(fā)現(xiàn)全球有超過半數(shù)的小麥種植區(qū)單產(chǎn)年際波動(dòng)在未來會(huì)發(fā)生顯著的變化，其中有18%～23%的區(qū)域存在單產(chǎn)年際波動(dòng)顯著增大的現(xiàn)象。

在區(qū)域尺度上的預(yù)估研究顯示，僅考慮未來溫度和降水的變化，美國(guó)玉米帶的單產(chǎn)年際波動(dòng)在2050年前后相對(duì)于1980-2000年間增大47%［53］。在歐洲，法國(guó)小麥單產(chǎn)年際波動(dòng)在RCP8.5情景下將顯著增大并引發(fā)更頻繁的極端低產(chǎn)［54］。比利時(shí)小麥和玉米單產(chǎn)的年際波動(dòng)在A1B情景下2050年前后相對(duì)于歷史時(shí)期將增大1%～3%［55］。地中海沿岸的歐洲國(guó)家小麥單產(chǎn)年際波動(dòng)在A2情景下2071-2100年間相對(duì)于歷史時(shí)期顯著增大［56］。

2.2 氣候變化影響單產(chǎn)風(fēng)險(xiǎn)的主要驅(qū)動(dòng)因素

IPCC SREX報(bào)告將氣候變化解釋為氣候要素平均態(tài)、變率和分布偏度的變化［19］；而變率和分布偏度則共同決定了其極端值的變化特征。探討上述氣候統(tǒng)計(jì)特征變化與單產(chǎn)風(fēng)險(xiǎn)變化之間的關(guān)系是了解氣候變化影響單產(chǎn)風(fēng)險(xiǎn)驅(qū)動(dòng)因素的重要途經(jīng)。

氣候變率的變化是影響單產(chǎn)風(fēng)險(xiǎn)的關(guān)鍵驅(qū)動(dòng)因子之一，包括年際變率（生育期氣候要素在年際之間的波動(dòng)）和季節(jié)內(nèi)變率（生育期內(nèi)氣候要素的季節(jié)波動(dòng)）的變化。氣候要素年際變率增大可能使得作物遠(yuǎn)離最適溫濕區(qū)間，從而使得低產(chǎn)頻率上升，單產(chǎn)年際波動(dòng)增大［31］。在全球67%～70%的作物種植區(qū)，氣候要素的年際變率的變化能解釋28%～34%的單產(chǎn)年際波動(dòng)的變化［31］。在美國(guó)，氣溫和降水年際變率的變化分別主導(dǎo)了29%和28%的縣域玉米單產(chǎn)年際波動(dòng)的變化［49］。季節(jié)內(nèi)氣候要素變率和單產(chǎn)年際波動(dòng)之間在全球和區(qū)域尺度上均存在顯著的相關(guān)性［57-58］。季節(jié)內(nèi)氣候要素變率變化可能使得水分和熱量在季節(jié)內(nèi)分配的格局發(fā)生改變，進(jìn)而影響作物生長(zhǎng)發(fā)育的一些關(guān)鍵過程。例如，較高的季節(jié)內(nèi)溫度會(huì)通過加速物候發(fā)育限制光合速率以及減少光能截獲［59］。

氣候要素的平均值變化也是單產(chǎn)風(fēng)險(xiǎn)變化的驅(qū)動(dòng)之一，其影響源于單產(chǎn)對(duì)于溫度的非線性響應(yīng)［33，53］。當(dāng)平均溫度從偏低的狀態(tài)靠近最適溫度的時(shí)候，增溫對(duì)于作物生長(zhǎng)表現(xiàn)出利好的作用，一方面增大了平均單產(chǎn)，同時(shí)也減小了單產(chǎn)年際波動(dòng)。當(dāng)平均溫度增加并從最適溫度向偏高的溫度變化時(shí)，增溫對(duì)于作物生長(zhǎng)表現(xiàn)出不利的影響，一方面降低了平均單產(chǎn)，同時(shí)也增大了單產(chǎn)年際波動(dòng)［33，53］。

極端天氣氣候事件頻率和強(qiáng)度的變化是單產(chǎn)風(fēng)險(xiǎn)變化的另一大驅(qū)動(dòng)因子。高溫?zé)岷Α⒌蜏貎龊?、干旱、大風(fēng)、極端降水和洪澇等極端氣候易造成作物顯著低產(chǎn)［60-61］。極端高溫、低溫、干旱和暴雨四個(gè)極端氣候事件可以解釋全球18%～49%的單產(chǎn)年際波動(dòng)，其中對(duì)于亞洲的玉米、水稻以及北美的玉米的單產(chǎn)年際波動(dòng)解釋率均高于30%［62］。未來A1B情景下極端高溫會(huì)使得2071-2100年的全球糧食單產(chǎn)年際波動(dòng)在相對(duì)于1971-2000年顯著增大［63］。在歐洲，氣候變化引起的11種極端天氣氣候事件頻率上升，將導(dǎo)致小麥單產(chǎn)年際波動(dòng)顯著增大［64］。在未來RCP4.5和RCP8.5情景下，中國(guó)長(zhǎng)江流域的極端干旱、高溫的增強(qiáng)將會(huì)導(dǎo)致玉米、水稻單產(chǎn)年際波動(dòng)增大［65］。在中國(guó)西北干旱地區(qū)，未來更高重現(xiàn)期的干旱會(huì)誘發(fā)更高重現(xiàn)期的低產(chǎn)現(xiàn)象，更高的重現(xiàn)期低產(chǎn)將進(jìn)一步誘發(fā)玉米單產(chǎn)年際波動(dòng)增大［66］。

2.3 評(píng)估氣候變化下單產(chǎn)成害脆弱性的方法

評(píng)估變化環(huán)境驅(qū)動(dòng)的災(zāi)害風(fēng)險(xiǎn)變化，無法再單純依賴基于歷史數(shù)據(jù)的統(tǒng)計(jì)模型，須從風(fēng)險(xiǎn)形成的致災(zāi)機(jī)理和成害過程出發(fā)通過模擬實(shí)現(xiàn)［67］。氣候變化對(duì)單產(chǎn)風(fēng)險(xiǎn)影響的評(píng)估，在致災(zāi)端，主要利用氣候預(yù)估數(shù)據(jù)分析氣候變化帶來的危險(xiǎn)性變化，即未來特定的氣候情景下各氣候要素的均值、波動(dòng)和極端值的變化；在成害端，則主要利用單產(chǎn)-氣候響應(yīng)函數(shù)（脆弱性）將危險(xiǎn)性變化映射致單產(chǎn)統(tǒng)計(jì)特征的變化，從而獲得在不同氣候條件或情景下的單產(chǎn)不確定性估計(jì)，并分析其變化特征。

在致災(zāi)端，當(dāng)前已有的氣候變化致災(zāi)危險(xiǎn)性評(píng)估與經(jīng)典的災(zāi)害風(fēng)險(xiǎn)評(píng)估方法相比，多省略了離散隨機(jī)事件仿真的步驟，而僅直接使用未來氣候情景下的多模式預(yù)估數(shù)據(jù)作為驅(qū)動(dòng)，或在預(yù)估數(shù)據(jù)的基礎(chǔ)之上構(gòu)建模式-情景超級(jí)組合［68］，并將多模式的評(píng)估結(jié)果等價(jià)于離散事件仿真。這與當(dāng)前在全球洪水風(fēng)險(xiǎn)評(píng)估中，通過擬合未來特定的升溫情景時(shí)期的極值分布進(jìn)行完整的危險(xiǎn)性評(píng)估、獲取未來任意年份不同重現(xiàn)期致災(zāi)強(qiáng)度的做法相比［69］，是一種簡(jiǎn)化的處理方式。

在成害端，單產(chǎn)-氣候響應(yīng)關(guān)系的主要載體是作物模型，包括統(tǒng)計(jì)作物模型和機(jī)理作物模型，近年來新發(fā)展了統(tǒng)計(jì)+機(jī)理的混合模型方法，并且將遙感技術(shù)與統(tǒng)計(jì)和機(jī)理模型進(jìn)行有機(jī)結(jié)合（表1）。這些模型中的響應(yīng)關(guān)系和參數(shù)主要建立在對(duì)歷史時(shí)期的實(shí)驗(yàn)和統(tǒng)計(jì)數(shù)據(jù)建模的基礎(chǔ)之上。相應(yīng)的，所獲得的評(píng)估結(jié)果均建立在歷史時(shí)期基因參數(shù)與田間管理水平不變的前提下。

表1 減產(chǎn)脆弱性分析的主要方法Table 1 Major methods of crop yield loss vulnerability analysis

（1）統(tǒng)計(jì)作物模型。統(tǒng)計(jì)作物模型是常用的建立單產(chǎn)-氣候響應(yīng)關(guān)系的方法，包括考慮交互項(xiàng)的多元線性回歸［75］、考慮二次項(xiàng)和極端值的多元線性回歸［53］、分段頻率統(tǒng)計(jì)回歸［76-77］等。在回歸方程中納入不同的解釋變量可以揭示單產(chǎn)風(fēng)險(xiǎn)變化和不同氣候要素之間的關(guān)聯(lián)性，如極端高溫日數(shù)［31］和溫度、降水的年際變率［49］。但是多數(shù)統(tǒng)計(jì)模型在擬合氣候要素變化（致災(zāi)）和單產(chǎn)風(fēng)險(xiǎn)變化（成害）的時(shí)候往往擬合優(yōu)度不高，其主要原因是線性回歸模型擬合參數(shù)的假設(shè)是對(duì)平均值進(jìn)行無偏估計(jì)，而并不針對(duì)變率?；跈C(jī)器學(xué)習(xí)算法建立的作物統(tǒng)計(jì)模型相對(duì)于多元線性回歸對(duì)于單產(chǎn)年際波動(dòng)的還原度更高［78］，主要?dú)w功于機(jī)器學(xué)習(xí)算法對(duì)復(fù)雜交互作用和非線性響應(yīng)關(guān)系有很強(qiáng)的擬合能力。然而，在對(duì)未來氣候變化的影響進(jìn)行評(píng)估時(shí)，會(huì)因樣本外插而存在很大的不確定性。

（2）機(jī)理作物模型。機(jī)理作物模型通過對(duì)作物生長(zhǎng)發(fā)育的過程進(jìn)行數(shù)學(xué)建模和描述以定義復(fù)雜的單產(chǎn)-氣候的響應(yīng)關(guān)系，以及品種、田間管理方式等非氣候要素在其中的交互作用［79］。目前主流的機(jī)理作物模型集合模擬可還原50%的單產(chǎn)年際波動(dòng)［80］以及37%的極端低產(chǎn)［81］。相較于單產(chǎn)風(fēng)險(xiǎn)評(píng)估的需求，機(jī)理作物模型在還原歷單產(chǎn)年際波動(dòng)上有不足，主要原因是機(jī)理模型在處理極端天氣氣候事件的影響時(shí)通常會(huì)對(duì)該過程進(jìn)行簡(jiǎn)化或者模糊處理，從而造成對(duì)極端高溫［82-83］、并發(fā)的高溫-干旱［84］、暴雨洪澇［85-86］等極端氣候事件的影響還原不準(zhǔn)確的現(xiàn)象。

（3）統(tǒng)計(jì)和機(jī)理模型的混合模型。近年來，部分研究嘗試將統(tǒng)計(jì)作物模型和機(jī)理作物模型結(jié)合以達(dá)到提高模型對(duì)單產(chǎn)年際波動(dòng)還原度的目的［87］。主要思路是將作物機(jī)理模型的輸出變量（如：?jiǎn)萎a(chǎn)、生物量）和外部變量（如：植被指數(shù)、極端氣候指數(shù)）作為自變量建立和觀測(cè)單產(chǎn)之間的統(tǒng)計(jì)關(guān)系。早期研究多數(shù)使用線性回歸和機(jī)理作物模型結(jié)合，將機(jī)理作物模型輸出的莖稈質(zhì)量或葉面積指數(shù)和外部計(jì)算的氣象指標(biāo)共同作為線性回歸的自變量，建立和觀測(cè)單產(chǎn)之間的統(tǒng)計(jì)關(guān)系以此提高作物機(jī)理模型對(duì)單產(chǎn)年際變率的還原能力［88-90］。近期的研究開始將機(jī)器學(xué)習(xí)算法和機(jī)理作物模型結(jié)合，將機(jī)理作物模型的輸出生物量和外部計(jì)算的氣象、遙感、土壤等變量共同作為機(jī)器學(xué)習(xí)的自變量，建立和觀測(cè)單產(chǎn)之間的統(tǒng)計(jì)關(guān)系，大幅提高了對(duì)于單產(chǎn)年際波動(dòng)的還原度［72，91-92］。

（4）遙感技術(shù)和統(tǒng)計(jì)模型的結(jié)合。過去將遙感技術(shù)和統(tǒng)計(jì)模型相結(jié)合的方法大多是將植被指數(shù)納入統(tǒng)計(jì)模型的建模中，傳統(tǒng)植被指數(shù)對(duì)于提升精度確實(shí)起到了很重要的作用［93］，但是傳統(tǒng)植被指數(shù)對(duì)于極端氣候的監(jiān)測(cè)存在不足，近年來和植被光合作用緊密相關(guān)的葉綠素?zé)晒猓⊿IF）指數(shù)被發(fā)現(xiàn)對(duì)于高溫的監(jiān)測(cè)更加敏感，將SIF納入統(tǒng)計(jì)模型可以有效提升對(duì)于極端高溫下的單產(chǎn)風(fēng)險(xiǎn)估計(jì)［73］。另外，過去的統(tǒng)計(jì)模型更多地使用氣象干旱指數(shù)來表達(dá)干旱的強(qiáng)度，近期通過遙感反演得到的土壤水產(chǎn)品被證明比氣象干旱指數(shù)具有更好的農(nóng)業(yè)干旱監(jiān)測(cè)和預(yù)報(bào)能力［94］。

（5）遙感技術(shù)和機(jī)理模型的結(jié)合。作物機(jī)理模型由于自身輸入數(shù)據(jù)比較復(fù)雜，在大范圍的模擬中難以直接獲取具有空間異質(zhì)性的輸入數(shù)據(jù)，因此會(huì)造成作物機(jī)理模型模擬結(jié)果分辨率較粗且空間異質(zhì)性不足的問題［95］。而遙感技術(shù)最大的特點(diǎn)之一就是可以在較高的空間分辨率水平上揭示空間異質(zhì)性，將遙感技術(shù)和作物機(jī)理模型進(jìn)行結(jié)合可以顯著提高對(duì)于單產(chǎn)風(fēng)險(xiǎn)空間異質(zhì)性的理解和認(rèn)識(shí)，同時(shí)對(duì)于田塊尺度的單產(chǎn)風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)報(bào)均有指導(dǎo)意義［74，96-97］。

2.4 發(fā)展趨向與挑戰(zhàn)

氣候變化影響單產(chǎn)風(fēng)險(xiǎn)的研究?jī)?nèi)容正逐步從基于歷史資料的統(tǒng)計(jì)分析轉(zhuǎn)變?yōu)榻柚嘣獢?shù)據(jù)和多種方法的集成性評(píng)估研究。利用統(tǒng)計(jì)作物模型或機(jī)理作物模型，當(dāng)前研究已初步揭示了全球和區(qū)域尺度上氣候變化對(duì)單產(chǎn)風(fēng)險(xiǎn)的影響，證明了氣候的趨勢(shì)性變化、波動(dòng)增大以及極端天氣氣候事件頻率和強(qiáng)度的改變均會(huì)顯著地影響單產(chǎn)風(fēng)險(xiǎn)。然而，當(dāng)前研究還有如下問題亟待解決：

（1）影響的事實(shí)。關(guān)于歷史時(shí)期氣候變化對(duì)區(qū)域單產(chǎn)風(fēng)險(xiǎn)的影響，當(dāng)前還缺少全面的認(rèn)識(shí)。對(duì)未來時(shí)期全球和不同區(qū)域的單產(chǎn)風(fēng)險(xiǎn)的預(yù)估，也只完成了全球尺度粗分辨率以及少部分基礎(chǔ)數(shù)據(jù)較好區(qū)域的影響分析。預(yù)估結(jié)果不確定性較大，且缺少高空間分辨率的預(yù)估，對(duì)于全球單產(chǎn)年際變率的空間異質(zhì)性認(rèn)識(shí)也有不足。

（2）影響的驅(qū)動(dòng)因素。當(dāng)前對(duì)于復(fù)合極端氣候事件影響單產(chǎn)風(fēng)險(xiǎn)的驅(qū)動(dòng)因素還存在認(rèn)識(shí)上的不足。在氣候變化顯著改變?nèi)驈?fù)合極端氣候事件發(fā)生的可能性的背景下［1，98］，復(fù)合極端氣候事件的影響相對(duì)于單個(gè)極端氣候事件的累加更強(qiáng)［99-100］。但是，目前只是從統(tǒng)計(jì)分析中發(fā)現(xiàn)了這一現(xiàn)象，并未能從機(jī)理上解釋復(fù)合極端氣候事件放大單一極端氣候事件影響的原因。

（3）成害脆弱性分析的方法。當(dāng)前基于機(jī)器學(xué)習(xí)算法的統(tǒng)計(jì)作物模型和機(jī)理作物模型結(jié)合的方法可以高度還原單產(chǎn)年際波動(dòng)，但是此類方法所建立的模型中存在很多要素響應(yīng)不可解釋的部分。并且該方法是否能夠還原極端氣候事件的復(fù)合影響還未得到很好地檢驗(yàn)。遙感資料和統(tǒng)計(jì)、機(jī)理模型的結(jié)合很大程度上受制于遙感資料的時(shí)間范圍，無法應(yīng)用于長(zhǎng)期過去同時(shí)也無法針對(duì)未來進(jìn)行預(yù)估。

3 氣候變化對(duì)多區(qū)域-多糧食作物同步歉收風(fēng)險(xiǎn)的影響

3.1 同步歉收事件的驅(qū)動(dòng)因素

全球同步歉收事件的發(fā)生表明，全球不同主產(chǎn)區(qū)造成糧食減產(chǎn)的氣候異常之間存在著某些背后的聯(lián)系。大尺度環(huán)流活動(dòng)異常通常被認(rèn)為是其中最主要的原因。現(xiàn)有研究已經(jīng)初步揭示了不同氣候濤動(dòng)事件與特定區(qū)域糧食歉收之間的關(guān)系。

厄爾尼諾南方濤動(dòng)（ENSO）在全球尺度能夠影響的歉收范圍最廣［101］，其年際振蕩可以同時(shí)影響北半球太平洋兩岸的夏季作物，包括美國(guó)、墨西哥、阿根廷和中國(guó)的玉米與大豆單產(chǎn)［102］。ENSO和赤道以及南半球的冬季糧食卡路里總量也有較強(qiáng)的關(guān)聯(lián)，包括巴西、澳大利亞的小麥［103］、哥倫比亞的水稻［104］。在厄爾尼諾年北半球的夏季，熱帶輻合帶靠近東太平洋的赤道區(qū)域，阻擋了向墨西哥方向輸送的水汽，造成墨西哥玉米干旱［105］。而在拉尼娜年北半球的夏季，在美國(guó)大平原地區(qū)會(huì)形成一個(gè)氣壓槽使得干旱和高溫得到增強(qiáng)，進(jìn)而造成美國(guó)中西部地區(qū)的玉米大豆的歉收［105］。在中國(guó)的華北平原，厄爾尼諾現(xiàn)象會(huì)減弱夏季西太平洋向中國(guó)北方的水汽輸送，從而造成玉米歉收［106］。對(duì)于南半球而言，厄爾尼諾主要影響冬季氣候，厄爾尼諾引發(fā)的反氣旋會(huì)使得澳大利亞的小麥遭受干旱引發(fā)的歉收［107］?？傮w上，ENSO指數(shù)可以指征全球四大糧食作物22%～24%的大幅歉收事件［108］。

北大西洋濤動(dòng)（NAO）主要導(dǎo)致北非和歐洲的糧食歉收。NAO對(duì)于這些區(qū)域冬季的氣候影響較強(qiáng)，正相位的NAO會(huì)減少北非的降水，從而使得小麥由于干旱而歉收［105］；負(fù)相位的NAO可以使歐洲中部和斯堪的納維亞半島的冬季溫度更冷進(jìn)而引發(fā)小麥凍害歉收［109］。總體上，NAO的年際變率可以解釋歐洲和北非地區(qū)64%的小麥單產(chǎn)年際變率［105］。印度洋偶極子（IOD）可以同時(shí)影響印度洋北側(cè)的印度小麥、東側(cè)的澳大利亞的小麥以及西側(cè)的撒哈拉以南非洲東部的玉米。正相位的IOD會(huì)在這些區(qū)域形成反氣旋，進(jìn)而減少區(qū)域降水引發(fā)干旱［110］。IOD正負(fù)相位的變化可以指示印度和澳大利亞12%～28%的小麥歉收幅度［107］，以及非洲東部、南部多個(gè)國(guó)家玉米總產(chǎn)12%～44%的年際變率［105］。熱帶大西洋變率（TAV）則主要影響著南半球大西洋兩岸的南美洲和非洲，阿根廷、巴西以及撒哈拉以南的非洲西岸的玉米，41%～66%的單產(chǎn)年際變率可以被TAV的異常所解釋［105］。

3.2 氣候變化對(duì)同步歉收風(fēng)險(xiǎn)影響的評(píng)估與預(yù)估

評(píng)估氣候變化對(duì)同步歉收風(fēng)險(xiǎn)的影響，需要量化氣候變化對(duì)不同產(chǎn)區(qū)-歉收事件之間相關(guān)性的影響，其核心是空間相依風(fēng)險(xiǎn)的聯(lián)合概率建模問題。當(dāng)前研究中主要探索2類方法：一類是抓住不同區(qū)域?qū)е麓蠓甘帐录闹鲗?dǎo)氣候致災(zāi)因子，然后分析氣候致災(zāi)因子之間的相關(guān)性。此類方法略過了氣候致災(zāi)到減產(chǎn)歉收的成害過程評(píng)估，本質(zhì)上屬于同步歉收的“致災(zāi)風(fēng)險(xiǎn)”。另一類是直接抓住不同區(qū)域單產(chǎn)或總產(chǎn)之間的相關(guān)性，利用歷史觀測(cè)數(shù)據(jù)，或氣候模式驅(qū)動(dòng)的作物機(jī)理模型開展模擬，實(shí)現(xiàn)真正意義上不同區(qū)域同步歉收的“成害風(fēng)險(xiǎn)”評(píng)估。

同步歉收“致災(zāi)風(fēng)險(xiǎn)”評(píng)估的代表性工作是國(guó)際應(yīng)用系統(tǒng)分析研究所完成的系列工作。Gaupp等人通過大量綜述，在全球不同主產(chǎn)區(qū)選用和總產(chǎn)減少密切相關(guān)的氣候因子作為“氣候風(fēng)險(xiǎn)指數(shù)”，將“氣候風(fēng)險(xiǎn)指數(shù)”低于25%的百分位數(shù)作為發(fā)生歉收風(fēng)險(xiǎn)閾值，并利用R-vines copula［36］統(tǒng)計(jì)了全球不同數(shù)量的主產(chǎn)區(qū)經(jīng)歷“同期氣候風(fēng)險(xiǎn)”的聯(lián)合概率。結(jié)果顯示，全球除水稻外，小麥、玉米和大豆同時(shí)有一個(gè)以上主產(chǎn)區(qū)經(jīng)歷歉收事件的概率在1967-1990年時(shí)段分別為0.3%、0.8%、1.7%，而到1991-2012年時(shí)段則上升為1.2%、1.1%、2.0%［35］。針對(duì)未來氣候情景的預(yù)估結(jié)果顯示，全球升溫2℃情景相對(duì)于1.5℃升溫，全球5個(gè)主產(chǎn)國(guó)的小麥、玉米和大豆的總產(chǎn)同步歉收風(fēng)險(xiǎn)可能性將分別增大到40%、35%和23%［111］。

從成害角度完成的同步歉收風(fēng)險(xiǎn)評(píng)估中，Mehrabi和Ramankutty利用1961-2008年全球統(tǒng)計(jì)總產(chǎn)，量化了全球不同區(qū)域多種糧食作物總產(chǎn)的協(xié)方差。發(fā)現(xiàn)不同糧食作物之間的同步歉收風(fēng)險(xiǎn)略有下降，但如果完全同步歉收事件出現(xiàn)，全球總產(chǎn)的將減少17%～34%［15］。針對(duì)美國(guó)玉米帶和中國(guó)東北的玉米的模擬結(jié)果發(fā)現(xiàn)，兩個(gè)區(qū)域同時(shí)發(fā)生同步歉收事件的概率以每十年6%的速率增長(zhǎng)［112］。使用統(tǒng)計(jì)模型進(jìn)行模擬的結(jié)果顯示，全球均一化升溫2℃會(huì)將“玉米四大主產(chǎn)國(guó)和四大出口國(guó)同步歉收”這一事件由概率幾乎為零變?yōu)榭赡苁录?，而升?℃時(shí)上述事件發(fā)生的概率將超過85%，同步大幅歉收（減產(chǎn)＞20%）的事件概率將超過45%［33］。

3.3 發(fā)展趨向與挑戰(zhàn)

氣候變化下的同步歉收風(fēng)險(xiǎn)研究方向已初步揭示了氣候濤動(dòng)事件與特定區(qū)域糧食歉收之間的關(guān)系，并初步形成了一套利用氣候指標(biāo)指征區(qū)域減產(chǎn)-多區(qū)域氣候指標(biāo)聯(lián)合概率建模-多區(qū)域同步歉收風(fēng)險(xiǎn)評(píng)估的“自下而上”的評(píng)估方法。當(dāng)前該方向的研究還有如下問題有待解決：

（1）卡路里替代性。當(dāng)前針對(duì)未來同步歉收風(fēng)險(xiǎn)的預(yù)估研究大多數(shù)針對(duì)單個(gè)作物進(jìn)行獨(dú)立的風(fēng)險(xiǎn)評(píng)估，并未考慮不同糧食作物之間提供卡路里的替代性。從單作物-多區(qū)域變更為多作物-多區(qū)域，未來氣候變化是否可能導(dǎo)致更高的同步歉收風(fēng)險(xiǎn)？

（2）尺度效應(yīng)。當(dāng)前預(yù)估結(jié)果將全球單個(gè)糧食主產(chǎn)區(qū)域視為均一單元，而在全球尺度上開展評(píng)估工作。而在區(qū)域、國(guó)家和主產(chǎn)區(qū)等更低尺度的空間單元內(nèi)部，同步歉收風(fēng)險(xiǎn)將如何變化？豐歉互補(bǔ)的策略是否能夠繼續(xù)有效穩(wěn)定區(qū)域糧食總產(chǎn)？

（3）評(píng)估方法。當(dāng)前的評(píng)估模型主要采用了分區(qū)隨機(jī)變量建模-多區(qū)域聯(lián)合概率建模的方式。此種方式依賴于統(tǒng)計(jì)分析，未將大尺度氣候濤動(dòng)的相位控制作用納入考慮。而從氣候濤動(dòng)出發(fā)進(jìn)行“自上而下”的建模，則需要解決對(duì)歉收幅度預(yù)測(cè)能力不足的問題。如何有效實(shí)現(xiàn)“上下結(jié)合”，改進(jìn)評(píng)估模型、以準(zhǔn)確量化氣候變化下同步歉收風(fēng)險(xiǎn)？

4 結(jié)論與展望

伴隨著氣候變化與糧食安全相關(guān)研究的不斷深入，關(guān)于氣候變化影響區(qū)域作物單產(chǎn)風(fēng)險(xiǎn)和多區(qū)域糧食總產(chǎn)同步歉收風(fēng)險(xiǎn)，并進(jìn)一步影響糧食供給穩(wěn)定性的問題，已經(jīng)引起學(xué)者的高度重視。從區(qū)域單產(chǎn)風(fēng)險(xiǎn)變化來看，氣候變化已經(jīng)并將進(jìn)一步造成全球多個(gè)區(qū)域糧食作物單產(chǎn)年際波動(dòng)的增大，進(jìn)而增大了單產(chǎn)風(fēng)險(xiǎn)發(fā)生的概率。從全球多區(qū)域-多糧食作物關(guān)聯(lián)的單產(chǎn)年際波動(dòng)變化視角來看，氣候變化下單產(chǎn)年際波動(dòng)表現(xiàn)出更強(qiáng)的同步性的特征，因而增大了發(fā)生同步歉收風(fēng)險(xiǎn)的可能性。傳統(tǒng)的氣候變化糧食作物生產(chǎn)影響研究一直提倡的，通過填補(bǔ)產(chǎn)量差提升平均單產(chǎn)的氣候變化適應(yīng)策略，恐難以有效應(yīng)對(duì)此類風(fēng)險(xiǎn)，未來必須尋求減少糧食生產(chǎn)風(fēng)險(xiǎn)的手段。為此，深入理解氣候變化對(duì)全球不同區(qū)域糧食作物單產(chǎn)風(fēng)險(xiǎn)的影響以及區(qū)域性乃至全球性同步歉收風(fēng)險(xiǎn)，對(duì)于積極適應(yīng)氣候變化帶來的新風(fēng)險(xiǎn)，建立區(qū)域和全球韌性糧食系統(tǒng)、保障糧食安全具有重要意義。

在下一階段的研究中，針對(duì)氣候變化下的區(qū)域單產(chǎn)風(fēng)險(xiǎn)變化以及多區(qū)域同步歉收風(fēng)險(xiǎn)兩個(gè)方面，均需要解決方法上的問題，來推動(dòng)相關(guān)的研究：

（1）改進(jìn)模型方法模擬糧食作物單產(chǎn)年際波動(dòng)的能力。進(jìn)一步加強(qiáng)單產(chǎn)-氣候響應(yīng)關(guān)系的基礎(chǔ)性研究，通過改進(jìn)試驗(yàn)與觀測(cè)數(shù)據(jù)集，揭示糧食作物生長(zhǎng)發(fā)育過程及單產(chǎn)對(duì)氣候要素變化的響應(yīng)，提高模型對(duì)單產(chǎn)年際波動(dòng)的還原能力，特別是對(duì)極端天氣氣候事件（單一要素和復(fù)合要素）影響的還能力。進(jìn)一步明確氣候變化影響單產(chǎn)年際波動(dòng)的機(jī)理，加強(qiáng)多要素（氣溫、降水、輻射、二氧化碳等）、多組分（均值、波動(dòng)和極端值）共同影響和交互作用的綜合分析，量化氣候系統(tǒng)各要素-組分的相對(duì)貢獻(xiàn)，為不同區(qū)域制定針對(duì)性的適應(yīng)與風(fēng)險(xiǎn)防范措施提供依據(jù)。

（2）推動(dòng)利用時(shí)空相依風(fēng)險(xiǎn)建模方法解決同步歉收風(fēng)險(xiǎn)的模擬與評(píng)估。構(gòu)建有效反映大尺度氣候濤動(dòng)影響機(jī)理的同步歉收風(fēng)險(xiǎn)的模擬與評(píng)估模型。開展多區(qū)域-不同糧食作物之間的歉收關(guān)聯(lián)性（“多災(zāi)種”型）建模，考慮多作物-多區(qū)域之間的熟制和輪作關(guān)系，以及在提供卡路里的功能上存在替代性。進(jìn)一步揭示同步歉收風(fēng)險(xiǎn)在不同時(shí)空尺度上的變化規(guī)律。

（3）加強(qiáng)對(duì)氣候變化影響糧食生產(chǎn)風(fēng)險(xiǎn)的系統(tǒng)認(rèn)識(shí)。進(jìn)一步開展高空間分辨率的評(píng)估和預(yù)估，形成對(duì)未來特定氣候情景下全球和區(qū)域糧食作物生產(chǎn)風(fēng)險(xiǎn)的系統(tǒng)認(rèn)識(shí)，識(shí)別敏感作物和熱點(diǎn)區(qū)域，以及對(duì)糧食系統(tǒng)其它部分和其它經(jīng)濟(jì)部門的級(jí)聯(lián)效應(yīng)。從單個(gè)區(qū)域糧食儲(chǔ)備制度和跨區(qū)域/國(guó)家互助等角度制定以“調(diào)峰”為核心的氣候變化風(fēng)險(xiǎn)防范機(jī)制，以提升全球糧食系統(tǒng)的韌性。