王萌萌，董智強(qiáng)，李楠，李曼華，陳辰

摘要：近年來國內(nèi)外學(xué)者采用不同的方法評估氣候變化對糧食生產(chǎn)的影響，其中機(jī)理模型評價方法是運(yùn)用較多的方法之一。WOFOST（WOrld FOod STudies）模型由于其機(jī)理性強(qiáng)、源代碼開放、調(diào)參較為簡便等優(yōu)勢，已經(jīng)在相關(guān)研究中得到廣泛應(yīng)用。該模型以不同作物生長發(fā)育的機(jī)理過程為依據(jù)，經(jīng)過適用性驗(yàn)證后，可用于糧食作物氣候生產(chǎn)潛力評估和氣象災(zāi)害影響評價；結(jié)合歷史氣候資料與未來氣候情景數(shù)據(jù)，可定量評價過去及未來氣候變化對糧食生產(chǎn)的影響。通過介紹WOFOST模型的基本原理、運(yùn)行機(jī)制、參數(shù)設(shè)定與參數(shù)本地化等相關(guān)方法，系統(tǒng)總結(jié)該模型在評估氣候變化對糧食生產(chǎn)影響方面的研究進(jìn)展，并指出現(xiàn)有研究存在的不足，以期對未來開展相關(guān)研究工作提供參考。

關(guān)鍵詞：氣候變化；WOFOST模型；糧食生產(chǎn)；影響解析；適應(yīng)決策

中圖分類號：P49? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號：2096-3599（2023）03-0001-00

DOI：10.19513/j.cnki.issn2096-3599.2023.03.001

Research progress of assessing the impacts of climate change on grain production by the WOFOST model

WANG Mengmeng1，2，4， DONG Zhiqiang1，3，4， LI Nan1，3，4， LI Manhua1，3，4， CHEN Chen1，3，4

（1. Key Laboratory for Meteorological Disaster Prevention and Mitigation of Shandong， Jinan 250031 China; 2. Dezhou Meteorological Bureau， Dezhou 253078， China; 3. Shandong Climate Center， Jinan 250031， China; 4. CMA–CAU Jointly Laboratory of Agriculture Addressing Climate Change， Beijing 100193， China）

Abstract： In recent years， domestic and foreign scholars assess the impacts of climate change on grain production by different methods， and crop mechanism model is one of the widely used methods. With the strong mechanism， open source code， and relatively simple way to adjust parameters， the WOFOST （WOrld FOod STudies） model has played an important role in related researches. Based on the growth mechanism of different crops， this model could be used to assess the climatic potential productivity and the impacts of meteorological disasters after applicability verification. Combined with the historical climate data and the future climate scenario data， this model could also be used to quantitatively assess the impacts of the past and future climate change on grain production. On this basis， the general information of the WOFOST model is introduced， including the basic principle， operating mechanism， parameter setting， parameter optimization methods and so on. The research progress of assessing the impacts of climate change on grain production by the WOFOST model is systematically summarized， and the shortcomings of the existing researches are pointed out， hoping to provide reference for future researches.

Keywords： climate Change; WOFOST model; grain production; impact analysis; adaptation decision-making

引言

人類活動致使氣候以前所未有的速度變暖[1]，伴隨氣溫升高、降水格局改變、極端天氣氣候事件的頻發(fā)與增強(qiáng)，人類生產(chǎn)生活正受到顯著影響[2–3]。糧食生產(chǎn)作為對氣候變化響應(yīng)最為敏感的產(chǎn)業(yè)，正承受著日益增長的負(fù)面影響；伴隨農(nóng)業(yè)氣候資源、作物生長發(fā)育與產(chǎn)量形成等的變化，農(nóng)業(yè)可持續(xù)發(fā)展與糧食生產(chǎn)安全正面臨前所未有的威脅[4–7]。

農(nóng)業(yè)氣候資源主要包括光、熱和水等，是作物生長的物質(zhì)基礎(chǔ)和能量源泉。氣候變化使光、熱、水的分配發(fā)生變化，進(jìn)而影響種植制度、品種布局、作物發(fā)育進(jìn)程及其產(chǎn)量、品質(zhì)形成等[2，8–9]。氣候變暖直接改變了區(qū)域的熱量資源，但同時積溫的增加會使得作物生長發(fā)育加快，生育期縮短，減少短生育期作物的干物質(zhì)累積時間，最終造成產(chǎn)量下降[10–12]。非洲、亞洲、歐洲、拉丁美洲等大多數(shù)國家，都出現(xiàn)糧食產(chǎn)量顯著降低的情況，糧食生產(chǎn)正面臨前所未有的威脅，并隨著氣候變化的嚴(yán)峻形勢而日益加劇[1，12]。在氣候變化背景下，干旱、洪澇、高溫?zé)岷?、低溫冷害與病蟲害等發(fā)生的頻率與強(qiáng)度呈明顯增大的趨勢，影響糧食生產(chǎn)安全[13–14]。為此，如何科學(xué)定量地評估氣候變化對糧食生產(chǎn)的影響，并探討有效的適應(yīng)對策，不僅是一個重要的科學(xué)問題，也是政府部門亟需解決的現(xiàn)實(shí)問題，對于提升防災(zāi)減災(zāi)能力、保障糧食安全、確保農(nóng)業(yè)資源高效利用等均具有重要意義。

目前，最直接揭示氣候變化對糧食生產(chǎn)影響的研究方法，便是構(gòu)建氣候因子與作物生育期、產(chǎn)量及品質(zhì)等的關(guān)系方程，并以之為依據(jù)進(jìn)行影響評估。但是由于很多地區(qū)缺乏長時間尺度的糧食生產(chǎn)數(shù)據(jù)資料，或是因?yàn)樵诓煌臍夂虮尘跋拢煌瑲夂蛞蜃优c糧食生產(chǎn)之間的相互關(guān)系不明確，導(dǎo)致氣候變化影響評估的不確定性增大。針對這兩個問題，常用的方法包括觀測試驗(yàn)和模型模擬等[15–20]。觀測試驗(yàn)是一種重要的研究方法，可獲取大量重要數(shù)據(jù)用以檢驗(yàn)假設(shè)或評價因果關(guān)系。但試驗(yàn)過程耗時、耗力，需要多種處理的長期觀測，實(shí)施起來具有一定的難度，在使用中存在較大的局限性。作物機(jī)理模型以不同作物生長發(fā)育的機(jī)理過程為依據(jù)，通過結(jié)合不同的氣候模式，能夠較為準(zhǔn)確地對作物生長發(fā)育和產(chǎn)量形成進(jìn)行模擬，進(jìn)而生成長時間尺度的糧食生產(chǎn)數(shù)據(jù)，從而較為有效地解決上述兩個問題。加之作物模型模擬定量水平高且更為高效，特別是能夠大大擴(kuò)展影響評估的時間與空間尺度，目前已經(jīng)在很多國家和地區(qū)得到廣泛應(yīng)用，成為定量評估氣候變化對作物生長發(fā)育、產(chǎn)量形成影響的主要研究方法[15，17，21]。而這其中，WOFOST（WOrld FOod STudies）作物模型由于機(jī)理性強(qiáng)、源代碼開放、調(diào)參相對簡便等優(yōu)勢，已經(jīng)在氣候變化對糧食生產(chǎn)的影響評估方面得到了廣泛應(yīng)用[22–25]。

為此，本文將在介紹WOFOST模型基本原理、參數(shù)本地化方法及其發(fā)展應(yīng)用的基礎(chǔ)上，系統(tǒng)總結(jié)該模型在評估氣候變化對糧食生產(chǎn)影響中的研究進(jìn)展，分析目前研究中存在的相關(guān)問題與未來展望，以期為更加客觀、定量的氣候變化影響評估工作提供參考。

1 WOFOST模型簡介

WOFOST模型是荷蘭瓦赫寧根大學(xué)和世界糧食研究中心共同開發(fā)研制，模擬一定土壤和氣候條件下作物生長發(fā)育的動態(tài)解釋性模型[26–31]。以日為時間步長，該模型能夠動態(tài)、定量模擬潛在條件、水分限制和養(yǎng)分限制三種水平下的作物生長[21，32]。其中，潛在生長條件下作物生長僅由輻射、溫度和作物特性決定，養(yǎng)分、水分等條件都處于最適狀態(tài)；水分限制條件下假設(shè)養(yǎng)分供給仍處于最佳狀態(tài)，模擬水分條件對作物生長的影響；養(yǎng)分限制條件需綜合考慮N、P、K三種元素對作物生長的影響[25–30，33]。

WOFOST模型根據(jù)土壤和氣象條件對作物根、莖、葉、穗生物量以及土壤水分動態(tài)進(jìn)行模擬，模擬的基礎(chǔ)為同化作用、呼吸作用、蒸騰作用以及干物質(zhì)分配等生理生態(tài)過程[26，31]。根據(jù)作物品種特性和環(huán)境條件，解釋作物從出苗到開花、開花到成熟的生長發(fā)育過程，模擬在輻射、溫度、降水、作物自身特性等綜合情況下日尺度的干物質(zhì)積累[27]（圖1）。干物質(zhì)生產(chǎn)的基礎(chǔ)是冠層總CO2的同化，通過吸收的太陽輻射和單葉光合特性計算作物的日同化量，再通過高斯積分法計算冠層總同化量[28]（圖1）。部分同化物被用于維持呼吸而消耗，余下的同化物被轉(zhuǎn)化成干物質(zhì)，在轉(zhuǎn)化過程中又有部分干物質(zhì)被用于生長呼吸而消耗，產(chǎn)生的干物質(zhì)在根、莖、葉和儲存器官中進(jìn)行分配，分配系數(shù)隨發(fā)育階段的不同而變化，發(fā)育階段的計算由積溫或日長進(jìn)行控制[26–28]（圖1）。

WOFOST模型自問世以來得到了極大的發(fā)展，隨著版本的不斷更新，其應(yīng)用范圍不斷擴(kuò)大，相關(guān)研究在世界各地不同領(lǐng)域廣泛開展[34]。目前WOFOST模型主要被用于產(chǎn)量預(yù)測、風(fēng)險分析、生產(chǎn)潛力評價、災(zāi)害影響評估、氣候變化影響評估及預(yù)估、關(guān)鍵發(fā)育期預(yù)報、長勢模擬、生長關(guān)鍵因子確定、灌溉和施肥的產(chǎn)量效益估算等方面[35–41]。

WOFOST模型的首次應(yīng)用是在加納、布基納法索和肯尼亞等3個非洲國家，研究施肥量對糧食作物產(chǎn)量的影響，結(jié)果表明，在這3個國家，糧食產(chǎn)量隨施肥量的增加而增加，額外的田間灌溉對產(chǎn)量影響較小[28，32，42]。在布基納法索的AGRISK工程中，WOFOST模型被用于產(chǎn)量風(fēng)險研究，通過了解土壤類型、作物品種、播種日期、降水及播種地位置與干旱風(fēng)險之間的關(guān)系，更好地指導(dǎo)農(nóng)業(yè)生產(chǎn)實(shí)踐[32，43]。此外，WOFOST模型在歐洲被用于對主要大田作物的潛在產(chǎn)量評估，在安第斯山脈被用于灌溉和水分保持評價，為指導(dǎo)當(dāng)?shù)氐霓r(nóng)業(yè)生產(chǎn)提供有效依據(jù)[31，44–45]。在農(nóng)業(yè)遙感檢測（Monitoring Agriculture with Remote Sensing，MARS）工程中，歐洲聯(lián)合研究中心利用WOFOST模型，將當(dāng)年和往年的作物生長動態(tài)進(jìn)行比較，同時對整個地區(qū)和國家進(jìn)行產(chǎn)量預(yù)測[32，46–47]。之后WOFOST模型被耦合入作物生長監(jiān)測系統(tǒng)（Crop Growth Monitoring System，CGMS）中，并可以在計算機(jī)的SUN-UNIX操作系統(tǒng)中運(yùn)行。另有學(xué)者將模型進(jìn)行擴(kuò)展修改，使之運(yùn)用于森林和草地的模擬[28，42]。

2 應(yīng)用評估研究進(jìn)展

WOFOST模型具有一定的普適性，可根據(jù)作物品種、土壤特性、氣候條件等對參數(shù)進(jìn)行調(diào)整，進(jìn)而使模型適用于不同地區(qū)的不同作物[21，35–36]。在對WOFOST模型進(jìn)行適用性研究時，需要對作物參數(shù)和土壤參數(shù)進(jìn)行標(biāo)定，結(jié)合研究區(qū)域的氣候特征、土壤特性和研究作物的品種遺傳特性，調(diào)試出模擬效果最好的一套參數(shù)，即參數(shù)本地化[21]。其中土壤參數(shù)可通過農(nóng)業(yè)氣象常規(guī)觀測資料和土壤含水量動態(tài)觀測數(shù)據(jù)進(jìn)行調(diào)整，而作物參數(shù)數(shù)量相對較多并且復(fù)雜，因此目前關(guān)于參數(shù)本地化的研究多集中于作物參數(shù)的確定與驗(yàn)證[41，48]。

2.1 參數(shù)本地化應(yīng)用

2.1.1 參數(shù)敏感性分析

WOFOST模型的參數(shù)量很大，對全部參數(shù)一一進(jìn)行校正和優(yōu)化的工作量巨大，而且有些參數(shù)的校準(zhǔn)和優(yōu)化并未明顯提高模型的模擬精度，因此需要通過敏感性分析有效地界定參數(shù)的敏感性和重要性，從而確定需要優(yōu)化的參數(shù)[48–49]。敏感性分析可有效提高模型應(yīng)用中的工作效率，也可以減少優(yōu)化算法的計算量和計算時間，因此在實(shí)際研究中得到了廣泛應(yīng)用。通過敏感性分析，篩選出對模型模擬結(jié)果影響較大的參數(shù)，再對敏感參數(shù)進(jìn)行優(yōu)化，對于不敏感的參數(shù)可采用模型默認(rèn)值或查閱相關(guān)文獻(xiàn)獲取參數(shù)值[49–50]。比如相關(guān)學(xué)者通過敏感性分析，選定華北冬小麥出苗期和返青期生物量為待優(yōu)化參數(shù)，并通過同化觀測數(shù)據(jù)有效減小了WOFOST模型對于開花期、成熟期、儲存器官干重以及地上部分總干重的模擬誤差[36]。在研究WOFOST模型對東北春小麥生長發(fā)育和產(chǎn)量的模擬效果時，有學(xué)者對主要參數(shù)進(jìn)行了敏感性分析，選取并調(diào)整了對模擬結(jié)果影響較大的積溫、貯存器官同化物轉(zhuǎn)化效率等參數(shù)，最終驗(yàn)證了WOFOST模型在東北春麥區(qū)的適用性[51]。

敏感性分析分為局部敏感性分析和全局敏感性分析。局部敏感性分析只能反映單個參數(shù)對模擬結(jié)果的影響，分析結(jié)果具有一定的片面性；而全局敏感性分析可以同時檢測多個參數(shù)變化對模擬結(jié)果的影響，并且可以反映參數(shù)之間相互作用的綜合影響。因此，作物模型參數(shù)的敏感性分析越來越傾向于采用全局敏感性分析方法[21，36，48–49，52]。目前全局敏感性分析方法主要包括Morris參數(shù)篩選法、基于方差的Sobol法、傅里葉幅度檢驗(yàn)法（Fourier Amplitude Sensitivity Test，F(xiàn)AST）、擴(kuò)展傅里葉幅度檢驗(yàn)法（Extend Fourier Amplitude Sensitivity Test，EFAST）等[48，53]。其中，EFAST法計算高效，要求的樣本數(shù)較低，目前應(yīng)用較為廣泛，該方法充分采取Sobol法和FAST法的優(yōu)勢，進(jìn)而探索出的一種新的全局敏感性分析方法。該方法基本原理是分解參數(shù)對模型結(jié)果的方差，把參數(shù)敏感性分為單個參數(shù)及參數(shù)之間耦合作用對模型結(jié)果的影響兩種類型[48]。相關(guān)研究采用EFAST方法，對WOFOST模型26個作物參數(shù)進(jìn)行了全局敏感性分析，確定了TSUM1、SLATB1、SLATB2、SPAN、EFFTB3和TMPF4等6個對產(chǎn)量敏感的參數(shù)，證明了該方法在模型參數(shù)本地化研究中應(yīng)用前景較大（表1）[54]。

2.1.2 參數(shù)本地化

在完成參數(shù)敏感性分析的基礎(chǔ)上，就要對敏感參數(shù)進(jìn)行本地化驗(yàn)證?，F(xiàn)階段，較為常用的參數(shù)本地化方法主要有3種，即控制試驗(yàn)法、試錯法和對比優(yōu)化法。

在模型建立之初，作物生長參數(shù)主要通過控制試驗(yàn)或大田試驗(yàn)獲取，根據(jù)大量的試驗(yàn)觀測數(shù)據(jù)對作物參數(shù)進(jìn)行本地化標(biāo)定[21，55]。該方法工作量大，不利于WOFOST模型的廣泛使用和推廣。

試錯法是在默認(rèn)參數(shù)范圍或現(xiàn)有研究的基礎(chǔ)上，逐個調(diào)整模型參數(shù)并運(yùn)行，通過比較模擬值與實(shí)測值的擬合程度來確定參數(shù)值。試錯法可操作性強(qiáng)且實(shí)用效果良好，因此在相關(guān)研究中應(yīng)用相對廣泛[21]。如運(yùn)用WOFOST模型評估玉米干旱損失的研究中，采用試錯法進(jìn)行參數(shù)調(diào)整，驗(yàn)證了模型在北京地區(qū)春玉米和夏玉米產(chǎn)量模擬與災(zāi)害評估方面的適用性[39]。在內(nèi)蒙古河套灌區(qū)對玉米生長全過程的模擬適用性研究中，采用試錯法對WOFOST模型部分參數(shù)進(jìn)行校準(zhǔn)，研究結(jié)果表明，模型對葉面積指數(shù)、各器官生物量以及產(chǎn)量的模擬結(jié)果與實(shí)際較為符合，能夠適用于河套地區(qū)玉米生理、生態(tài)過程的診斷、評估等[49]。

基于過程模型的非線性參數(shù)優(yōu)化方法，主要包括遺傳算法、普適似然不確定估計法（general likelihood uncertainty estimation，GLUE）、馬爾科夫蒙特卡洛方法（Markov Chain Monte Carlo，MCMC）、FSEOPT優(yōu)化程序等。其中，MCMC是基于貝葉斯統(tǒng)計理論的一種參數(shù)估計方法，在基于過程的生物模型調(diào)參方面應(yīng)用廣泛，其參數(shù)優(yōu)化效率較GLUE更高[48，56]。已有學(xué)者結(jié)合參數(shù)全局敏感性分析方法以及MCMC法，以冬小麥實(shí)際觀測數(shù)據(jù)為參照，對WOFOST模型的55個品種參數(shù)進(jìn)行了敏感性分析、篩選和優(yōu)化，為冬小麥參數(shù)本地化研究夯實(shí)了基礎(chǔ)[48]。除此之外，目前應(yīng)用較多的FSEOPT優(yōu)化程序[35–36，57]，是根據(jù)Price算法和Downhill-Simplex方法，利用FORTRAN（Formula Translation）語言開發(fā)的一種模型參數(shù)優(yōu)化程序[35，58]。該程序以模型模擬結(jié)果與實(shí)測數(shù)據(jù)的擬合優(yōu)度為標(biāo)準(zhǔn)，進(jìn)行參數(shù)優(yōu)化，并最終獲得參數(shù)值的最佳組合，相關(guān)學(xué)者采用FSEOPT優(yōu)化程序?qū)γ舾袇?shù)進(jìn)行調(diào)整，有效減小了WOFOST模型的模擬誤差[35]。

2.1.3 參數(shù)適用性評價

WOFOST模型引入我國后，其模擬性能和適用性在很多地區(qū)的不同作物中得到了驗(yàn)證。如基于2000—2001年禹城綜合試驗(yàn)站的水分處理實(shí)驗(yàn)，采用2001年實(shí)驗(yàn)數(shù)據(jù)對參數(shù)進(jìn)行校正，利用2000年實(shí)驗(yàn)數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果表明模型對潛在生長的模擬較好，適用于華北平原作物生長與水分利用的研究；但模型對一些細(xì)節(jié)問題考慮不足，較為適合大面積、區(qū)域范圍內(nèi)的模擬，該項研究成果為WOFOST模型在我國的本地化研究奠定了良好的基礎(chǔ)[27]。如以華北地區(qū)冬小麥為研究目標(biāo)，采用不同氣候生態(tài)區(qū)代表站點(diǎn)資料對模型參數(shù)進(jìn)行調(diào)整，并利用同化法將WOFOST模型與MODIS（Moderate Resolution Imaging Spectroradiometer （MODIS））遙感信息相結(jié)合，取得較好模擬效果，為遙感信息在冬小麥區(qū)域生長模擬研究中的應(yīng)用奠定了基礎(chǔ)[36]。如根據(jù)山東省16個農(nóng)業(yè)氣象觀測站歷史觀測數(shù)據(jù)和水分控制試驗(yàn)資料，確定了WOFOST模型中光溫和土壤性能相關(guān)參數(shù)，采用對比優(yōu)化法確定其他生理參數(shù)，結(jié)果表明調(diào)整優(yōu)化后的參數(shù)對于冬小麥生長發(fā)育和產(chǎn)量形成的模擬具有較好的適用性（圖2、圖3），并且可以準(zhǔn)確模擬干旱脅迫下冬小麥產(chǎn)量的減少趨勢，為WOFOST模型的推廣應(yīng)用、干旱評估等提供了參考[59]。

2.2 氣候變化影響評估

2.2.1 氣候生產(chǎn)潛力影響評估

WOFOST模型在定量評估氣候變化對糧食生產(chǎn)的影響研究中已經(jīng)發(fā)揮了巨大作用，對于各地主要糧食作物的研究均取得了較好成果。國外研究人員采用WOFOST模型，評估歐盟25個國家之間秋播小麥的模擬單位面積產(chǎn)量差距，結(jié)果表明，25個國家主要地區(qū)的模擬單產(chǎn)差距為2～4 t/hm2，在歐洲西北部比較小，在葡萄牙最大[60]。利用WOFOST模型研究氣候變化對奧地利東北部冬小麥產(chǎn)量的影響，結(jié)果表明氣候變化的綜合影響使冬小麥產(chǎn)量增加30%～55%[61]。國內(nèi)專家學(xué)者將WOFOST模型與氣候趨勢分析方法相結(jié)合，研究近43 a黑龍江氣候變化對農(nóng)作物產(chǎn)量的影響，結(jié)果表明玉米產(chǎn)量呈增加趨勢，平均增幅為4.81%/10 a，大豆產(chǎn)量整體呈下降趨勢，平均降幅為1.52%/10 a[62]。采用WOFOST模型對黑龍江甜菜氣候生產(chǎn)潛力的空間分布特征進(jìn)行模擬分析，結(jié)果表明甜菜早、中熟品種氣候生產(chǎn)潛力在中部和東部由北向南遞增，在西部由北向南遞減；晚熟品種則在中東部和東部由北向南遞增，在西部由北向南遞減，在中西部處于中產(chǎn)水平[63]。利用WOFOST模型模擬青藏高原冬小麥生產(chǎn)潛力及其對氣候變化的響應(yīng)，結(jié)果表明冬小麥光溫生產(chǎn)潛力呈下降趨勢，平均降幅為每10 a 0.27 t/hm2，主要是因?yàn)樯郎厥苟←溕L季顯著縮短，接收的總輻射量減少，不利于干物質(zhì)積累，光溫生產(chǎn)潛力下降[64]。通過對WOFOST模型進(jìn)行面域化，模擬華北平原夏玉米潛在產(chǎn)量時空演變及其對氣候變化的響應(yīng)，并分析潛在產(chǎn)量與平均溫度及日均太陽總輻射的相關(guān)性，結(jié)果表明潛在產(chǎn)量上升的區(qū)域與溫度的上升有關(guān)，潛在產(chǎn)量下降的區(qū)域與太陽總輻射的下降有關(guān)[40]。利用驗(yàn)證后的WOFOST模型模擬華北地區(qū)冬小麥的光溫生產(chǎn)潛力和氣候生產(chǎn)潛力，結(jié)果表明前者呈東北高西南低的變化趨勢，后者呈南高北低的趨勢[65]。根據(jù)水稻田間試驗(yàn)，模擬并驗(yàn)證浙江水稻潛在生長過程，結(jié)果表明WOFOST模型能夠較好地模擬浙江主要水稻品種的潛在生長過程，并能有效評估水稻的生產(chǎn)潛力，為當(dāng)?shù)刂贫ㄋ痉N植計劃和田間管理措施提供科學(xué)依據(jù)[29]。

2.2.2 氣象災(zāi)害影響評估

氣候變化加劇了農(nóng)業(yè)氣象災(zāi)害的發(fā)生，評估其對糧食生產(chǎn)的影響具有重要意義。在印度，采用WOFOST模型評估升溫脅迫對水稻生產(chǎn)的影響，最高氣溫和最低氣溫分別升高1 ℃和2 ℃將導(dǎo)致產(chǎn)量分別下降300 kg/hm2和800 kg/hm2[66]。在奧地利，采用WOFOST模型模擬玉米和冬小麥產(chǎn)量對升溫脅迫的響應(yīng)，結(jié)果表明升溫4 ℃導(dǎo)致站點(diǎn)A和站點(diǎn)B冬小麥在2003年、2004年減產(chǎn)均超過10%，導(dǎo)致玉米在2013年減產(chǎn)超過10%，但在2014年減產(chǎn)小于10%[67]。利用WOFOST模型對遼寧省春玉米進(jìn)行干旱災(zāi)損風(fēng)險評估，結(jié)果表明不同生育期發(fā)生干旱對最終產(chǎn)量的影響不同，并且在相同干旱情形下，不同區(qū)域受影響的程度也不同，在全生育期和各生育階段發(fā)生輕、中、重旱3種不同情景下，干旱導(dǎo)致的減產(chǎn)率總體上呈由東部向西部地區(qū)逐漸加重的趨勢[37]。采用WOFOST模型評價內(nèi)蒙古河套灌區(qū)玉米生長發(fā)育對低溫冷害的響應(yīng)，結(jié)果表明，以抽雄期延遲日數(shù)和灌漿指數(shù)為冷害指標(biāo)，對歷史冷害發(fā)生狀況的評估結(jié)果與實(shí)際基本相符，研究時段1961—2010年12個站點(diǎn)共發(fā)生不同程度低溫冷害260站次，其中重度冷害占37.3%，輕中度62.7%，在發(fā)生嚴(yán)重冷害的年份中，84.7%的年份表現(xiàn)為減產(chǎn)的趨勢；與傳統(tǒng)方法相比，用該方法評價研究地區(qū)玉米低溫冷害的生物學(xué)意義更加明確[38]。在黃淮海流域，利用WOFOST模型評價夏玉米對初始土壤含水量、不同發(fā)育時段降水量和根層土壤含水量等水分條件的敏感性，結(jié)果表明，夏玉米對干旱的敏感發(fā)育階段依次為抽雄—乳熟期、出苗—七葉期以及拔節(jié)—抽雄期；對澇漬的敏感發(fā)育時段主要為出苗—七葉期、拔節(jié)—抽雄期以及七葉—拔節(jié)期；相對于降水量，初始土壤含水量對最終生物量的影響更大，后者降低50%可能導(dǎo)致夏玉米減產(chǎn)14.5%[68]。在WOFOST模型中增加晚霜凍影響處理，建立風(fēng)險評估模型對黃淮區(qū)域晚霜凍風(fēng)險進(jìn)行評估，結(jié)果表明冬小麥晚霜凍風(fēng)險呈西高東低趨勢，黃淮西部的高風(fēng)險主要是由于晚霜凍的高災(zāi)損，河南西南部的高風(fēng)險是由于晚霜凍的高頻率，西北部和東部的高風(fēng)險則是晚霜凍的高頻率和高災(zāi)損共同作用[41]。在江蘇省，利用WOFOST模型研究不同時期高溫脅迫對水稻生育期和產(chǎn)量的影響，結(jié)果顯示過高的溫度會抑制作物有機(jī)物合成，并且導(dǎo)致水稻生育期縮短，進(jìn)而影響水稻干物質(zhì)積累，高溫發(fā)生時段與程度不同造成水稻減產(chǎn)的程度不同，高溫強(qiáng)度越大、持續(xù)時間越長所造成的影響越大[69]。利用WOFOST模型，在江蘇省冬小麥灌漿期進(jìn)行升溫和干旱脅迫模擬，結(jié)果表明灌漿期升溫和干旱復(fù)合脅迫會嚴(yán)重影響籽粒干物質(zhì)積累和產(chǎn)量形成；不同級別升溫脅迫、干旱脅迫以及復(fù)合脅迫均導(dǎo)致減產(chǎn)率不同程度增大，籽粒干物質(zhì)分配比例不同程度降低，復(fù)合脅迫的影響程度大于單一脅迫；升溫導(dǎo)致江蘇南部冬小麥減產(chǎn)程度最大，籽粒干物質(zhì)積累受阻最為嚴(yán)重；干旱對江蘇中部冬小麥產(chǎn)量影響最為嚴(yán)重，籽粒干物質(zhì)積累程度由南到北遞減；復(fù)合脅迫下，減產(chǎn)率大致由南至北遞增，而干物質(zhì)積累程度遞減[70]。

2.2.3 未來情景影響預(yù)估

近年來，隨著氣候模式的發(fā)展，利用氣候模式與作物模型相結(jié)合的方法，可定量預(yù)估未來氣候變化對糧食生產(chǎn)的影響[18，20，71]。氣候模式是評價氣候變化及其影響的重要方法，可以實(shí)現(xiàn)長期氣候模擬，通過生成逐日天氣數(shù)據(jù)，輸入到作物模型，實(shí)現(xiàn)對未來氣候條件下作物生長發(fā)育和產(chǎn)量形成的模擬，用于預(yù)估氣候變化對糧食生產(chǎn)的影響[19–20，24]。國內(nèi)外已有相關(guān)研究將不同氣候模式與WOFOST模型結(jié)合，預(yù)估未來氣候變化對不同地區(qū)及不同作物的影響[17，67，72]。

在國外，有關(guān)專家學(xué)者利用WOFOST模型預(yù)估在CO2濃度為425 ppm和500 ppm及升溫2.7～4.7 ℃條件下，伊朗地區(qū)旱作小麥到2025年和2050年的減產(chǎn)率，結(jié)果表明，兩種CO2濃度下2025年平均減產(chǎn)18%，在2050年平均減產(chǎn)24%，且減產(chǎn)主要是受降水減少和冬小麥生育期縮短的影響[73]。采用WOFOST模型模擬A1F1情景下，2055年溫度和大氣CO2條件下馬鈴薯的潛在產(chǎn)量，結(jié)果表明，溫度和CO2的單獨(dú)作用對不同熟型馬鈴薯產(chǎn)量影響較大，兩者的綜合作用導(dǎo)致2055年馬鈴薯晚熟、中熟和早熟品種產(chǎn)量分別下降2.6%、4.6%和5.3%[74]。

在國內(nèi)，研究人員將氣候模式BCC-T63與WOFOST模型相結(jié)合，預(yù)估2000—2100年氣候變化對我國主要糧食作物生長發(fā)育和產(chǎn)量的影響，結(jié)果表明，東北地區(qū)中熟玉米生育期平均縮短3.8 d，平均減產(chǎn)3.3%，晚熟玉米生育期平均縮短1.4 d，平均減產(chǎn)2.7%；華北地區(qū)冬小麥生育期平均縮短8.4 d，平均減產(chǎn)10.1%；南方早稻生育期平均縮短4.9 d，平均減產(chǎn)3.6%，晚稻生育期平均縮短4.4 d，平均減產(chǎn)2.8%[22，24]?；谕瑯拥姆椒?，預(yù)估重慶地區(qū)2001—2050年冬小麥產(chǎn)量的變化，結(jié)果表明，品種與生產(chǎn)條件不變，在未來氣候變化下，冬小麥的產(chǎn)量變化波動較小，平均減產(chǎn)3.0%[25]。模擬基準(zhǔn)氣候（BS，1961—1990年）和B2情景下2011—2050年東北地區(qū)玉米產(chǎn)量，結(jié)果表明，未來10～20 a東北地區(qū)北部玉米具有增產(chǎn)潛力，2030年代和2040年代東北地區(qū)大部受氣候因素影響呈減產(chǎn)趨勢；整體而言，未來40 a受氣候變化影響，東北地區(qū)玉米單產(chǎn)總體表現(xiàn)為減產(chǎn)，減產(chǎn)幅度為9.5%[72]?；赪OFOST模型預(yù)估A2和B2情景下東北2050年大豆不同熟型的分布及生育期、產(chǎn)量的變化，結(jié)果顯示，在B2情景下，不同熟型的大豆品種種植北界表現(xiàn)為不同程度的北擴(kuò)東移；在A2和B2情景下，未來30 a大豆出苗—開花階段縮短，生育進(jìn)程加快，可能會導(dǎo)致全生育期縮短，大豆的減產(chǎn)面積和幅度將逐漸增大[75]。針對西北半干旱地區(qū)馬鈴薯，借助RCP4.5情景和WOFOST模型，分析氣候變化對氣候資源、種植區(qū)劃以及溫度、水分、光照適宜度和生育期、產(chǎn)量的影響，結(jié)果表明，未來50 a，馬鈴薯生育期內(nèi)的熱量資源增加，水分資源下降，種植適宜區(qū)總體表現(xiàn)為南界北移和面積縮?。簧趦?nèi)的溫度、水分、光照適宜度均下降；未來氣候情景下，研究區(qū)大部分地區(qū)馬鈴薯產(chǎn)量呈下降趨勢，適播期與各發(fā)育期將提前，全生育期將縮短[76]。

3 小結(jié)與展望

WOFOST模型在評估氣候變化對糧食生產(chǎn)的影響及其發(fā)展趨勢方面發(fā)揮了重要作用，相關(guān)研究成果為制定合理的種植計劃與田間管理措施，以及適應(yīng)和減緩氣候變化的不利影響等提供了重要的科學(xué)依據(jù)。然而，WOFOST模型在氣候變化對糧食生產(chǎn)的影響研究和業(yè)務(wù)應(yīng)用中還存在一定的不確定性，需要在今后的研究和應(yīng)用中不斷改進(jìn)。

第一，WOFOST模型參數(shù)本地化、區(qū)域化運(yùn)用等方面存在一定的不確定性。通過調(diào)整WOFOST模型參數(shù)對不同地區(qū)的不同作物進(jìn)行模擬，在參數(shù)本地化過程中，用于調(diào)參的觀測數(shù)據(jù)由于試驗(yàn)?zāi)攴菖c品種的差異，會在一定程度上導(dǎo)致參數(shù)值的不同，進(jìn)而導(dǎo)致模型的模擬精度存在不確定性?；趩握具M(jìn)行參數(shù)本地化的模型在應(yīng)用到區(qū)域范圍時，空間差異性導(dǎo)致模擬精度降低。因此需要機(jī)理性更強(qiáng)、普適性更高的參數(shù)本地化方法，充分考慮模型對于不同作物生長機(jī)理的模擬和氣候變化實(shí)際，在業(yè)務(wù)應(yīng)用中根據(jù)氣候年型、作物品種特性等確定最適宜的參數(shù)值，進(jìn)而提高模擬精度。

第二，氣候變化本身存在不確定性。氣候變化在不同地區(qū)有不同的表現(xiàn)，對不同作物的影響情況不同，因此全方位的研究氣候變化對糧食生產(chǎn)的影響存在一定的難度。在氣候變化背景下，全球極端天氣氣候事件出現(xiàn)的頻率將大大增加，會對作物生長發(fā)育造成嚴(yán)重影響，導(dǎo)致糧食生產(chǎn)的不穩(wěn)定性加劇。而WOFOST模型對于極端氣候事件的響應(yīng)存在不足，不能全面、系統(tǒng)、準(zhǔn)確地反映出氣候變化對糧食生產(chǎn)的影響。此外，氣候變暖導(dǎo)致作物病蟲害的發(fā)生、發(fā)展加劇，但未來氣候情景下，病蟲害對于糧食生產(chǎn)的影響程度難以估計，這也是今后需要重點(diǎn)研究的課題之一。

第三，氣候模式對于氣候變化的模擬存在不確定性。當(dāng)前，用于開展未來氣候變化模擬的全球氣候模式和區(qū)域氣候模式眾多，例如參加第六次國際耦合模式比較計劃（Coupled Model Intercomparison Project Phase 6，CMIP6）的氣候模式就有112個，不同模式的輸出結(jié)果必然存在一定差別。最新研究成果表明，目前通過不同算法估算的太陽總輻射均高于實(shí)測輻射，輸入作物模型后高估了中國玉米（13.8%～23.6%）和冬小麥（37.3%～65.4%）的模擬產(chǎn)量，導(dǎo)致氣候變化對作物產(chǎn)量影響的不確定性被放大[77]。此外，由于WOFOST模型需要?dú)庀髷?shù)據(jù)庫中的逐日太陽輻射量驅(qū)動光合作用模擬，而大部分氣象觀測站缺乏太陽輻射觀測數(shù)據(jù)，一般采用經(jīng)驗(yàn)公式通過日照時數(shù)計算得到，該計算過程中不可避免出現(xiàn)誤差，從而影響模擬結(jié)果；如何有效降低轉(zhuǎn)化計算過程中產(chǎn)生的誤差，將是進(jìn)一步提高模擬準(zhǔn)確性的有效方法之一。

第四，WOFOST模型對于氣象災(zāi)害影響評價的不確定性。已有研究評價某災(zāi)種影響時，模型均默認(rèn)其他要素處于最適狀態(tài)下；但大田作物在實(shí)際生長過程中，會受光、溫、濕及田間管理措施等的綜合影響。因此需要進(jìn)一步研究如何系統(tǒng)分析多因素之間的耦合作用，并深入探索多災(zāi)種的綜合影響評價方法。

第五，目前對于WOFOST模型輸出結(jié)果的挖掘利用不夠，現(xiàn)有研究對于模型輸出結(jié)果的利用多集中在產(chǎn)量、生育期、干物重等，模型輸出的CO2同化、葉面積指數(shù)、呼吸消耗、干物質(zhì)積累等生長發(fā)育過程數(shù)據(jù)非常詳細(xì)，如何充分利用這些數(shù)據(jù)來評價氣候變化對作物生長發(fā)育的影響，需要進(jìn)一步研究與嘗試。

本文通過介紹WOFOST模型的運(yùn)行機(jī)理和適用性研究成果，總結(jié)了該模型在評估、預(yù)估氣候變化對糧食生產(chǎn)影響中的應(yīng)用現(xiàn)狀，并就存在的問題進(jìn)行了思考和展望。相關(guān)專家和學(xué)者在該模型的敏感性分析、本地化與定量評估等方面都取得了突破性的進(jìn)展，研究成果顯著，希望未來能在WOFOST模型參數(shù)本地化、機(jī)理開發(fā)利用、輸入數(shù)據(jù)優(yōu)化、輸出結(jié)果運(yùn)用以及災(zāi)害影響評估等方面開展更深入的研究與探索。

參考文獻(xiàn)：

[1] IPCC. Climate change 2021： the physical science basis. Contribution of Working Group I to the sixth assessment report of the Intergovernmental Panel on Climate Change[R]. Cambridge， United Kingdom/New York， USA： Cambridge University Press，2021.

[2] 郭建平.氣候變化對中國農(nóng)業(yè)生產(chǎn)的影響研究進(jìn)展[J].應(yīng)用氣象學(xué)報，2015，26（1）：1-11.

[3] 徐瑋平，孟祥新，伯忠凱，等.2000—2015年華北地區(qū)8月極端干旱的異常環(huán)流型及其波活動特征[J].海洋氣象學(xué)報，2021，41（1）：92-99.

[4] 房世波，韓國軍，張新時，等.氣候變化對農(nóng)業(yè)生產(chǎn)的影響及其適應(yīng)[J].氣象科技進(jìn)展，2011，1（2）：15-19.

[5] 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.

[6] 趙秀蘭.近50年登陸我國熱帶氣旋時空特征及對農(nóng)業(yè)影響研究綜述[J].海洋氣象學(xué)報，2019，39（4）：1-11.

[7] 吳洪顏，張佩.氣候變化背景下江蘇省水稻氣候適宜性區(qū)劃研究[J].海洋氣象學(xué)報，2021，41（3）：69-76.

[8] 趙俊芳，郭建平，馬玉平，等.氣候變化背景下我國農(nóng)業(yè)熱量資源的變化趨勢及適應(yīng)對策[J].應(yīng)用生態(tài)學(xué)報，2010，21（11）：2922-2930.

[9] 俞書傲.氣候變化對農(nóng)作物生產(chǎn)的影響：以浙江為例的實(shí)證研究[D].杭州：浙江大學(xué)，2019.

[10] 潘志華，鄭大瑋.氣候變化科學(xué)導(dǎo)論[M].北京：氣象出版社，2015.

[11] 肖國舉，張強(qiáng)，王靜.全球氣候變化對農(nóng)業(yè)生態(tài)系統(tǒng)的影響研究進(jìn)展[J].應(yīng)用生態(tài)學(xué)報，2007，18（8）：1877-1885.

[12] 董智強(qiáng).氣候變化背景下半干旱區(qū)春小麥生產(chǎn)的脆弱性與風(fēng)險評估[D].中國農(nóng)業(yè)大學(xué)，2016.

[13] IPCC. Climate change 2007： impacts， adaptation and vulnerability. Working Group II contribution to the Intergovernmental Panel on Climate Change fourth assessment report[R]. Cambridge， United Kingdom： Cambridge University Press，2007.

[14] Battisti D S， Naylor R L. Historical warnings of future food insecurity with unprecedented seasonal heat[J]. Science，2009，323（5911）：240-244.

[15] 李克讓，陳育峰.中國全球氣候變化影響研究方法的進(jìn)展[J].地理研究，1999，18（2）：214-219.

[16] 郭佳，張寶林，高聚林，等.氣候變化對中國農(nóng)業(yè)氣候資源及農(nóng)業(yè)生產(chǎn)影響的研究進(jìn)展[J].北方農(nóng)業(yè)學(xué)報，2019，47（1）：105-113.

[17] 趙俊芳，郭建平，張艷紅，等.氣候變化對農(nóng)業(yè)影響研究綜述[J].中國農(nóng)業(yè)氣象，2010，31（2）：200-205.

[18] 包剛，覃志豪，周義，等.氣候變化對中國農(nóng)業(yè)生產(chǎn)影響的模擬評價進(jìn)展[J].中國農(nóng)學(xué)通報，2012，28（2）：303-307.

[19] 馬銳，江敏，石春林.氣候變化對農(nóng)業(yè)影響評價研究進(jìn)展[J].江蘇農(nóng)業(yè)科學(xué)，2015，43（10）：16-19.

[20] 秦鵬程，姚鳳梅，曹秀霞，等.利用作物模型研究氣候變化對農(nóng)業(yè)影響的發(fā)展過程[J].中國農(nóng)業(yè)氣象，2011，32（2）：240-245.

[21] 董智強(qiáng)，王萌萌，李鴻怡，等.WOFOST模型對山東省夏玉米發(fā)育期與產(chǎn)量模擬的適用性評價[J].作物雜志，2019，35（5）：159-165.

[22] 張建平，趙艷霞，王春乙，等.氣候變化對我國華北地區(qū)冬小麥發(fā)育和產(chǎn)量的影響[J].應(yīng)用生態(tài)學(xué)報，2006，17（7）：1179-1184.

[23] 王文佳，馮浩.國外主要作物模型研究進(jìn)展與存在問題[J].節(jié)水灌溉，2012（8）：63-68.

[24] 張建平，趙艷霞，王春乙，等.未來氣候變化情景下我國主要糧食作物產(chǎn)量變化模擬[J].干旱地區(qū)農(nóng)業(yè)研究，2007，25（5）：208-213.

[25] 張建平，李永華，高陽華，等.未來氣候變化對重慶地區(qū)冬小麥產(chǎn)量的影響[J].中國農(nóng)業(yè)氣象，2007，28（3）：268-270.

[26] Boogaard H L， VAN Diepen C A， RUtter R P， et al. User's guide for the WOFOST 7.1 crop growth simulation model and WOFOST Control Center 1.5[R]. DLO Wageningen： Winand Staring Centre，1998：1-40.

[27] 鄔定榮，歐陽竹，趙小敏，等.作物生長模型WOFOST在華北平原的適用性研究[J].植物生態(tài)學(xué)報，2003，27（5）：594-602.

[28] 謝文霞，王光火，張奇春.WOFOST模型的發(fā)展及應(yīng)用[J].土壤通報，2006，37（1）：154-158.

[29] 謝文霞，嚴(yán)力蛟，王光火.運(yùn)用WOFOST模型對浙江水稻潛在生長過程的模擬與驗(yàn)證[J].中國水稻科學(xué)，2006，20（3）：319-323.

[30] 楊妍辰，王建林，宋迎波.WOFOST作物模型機(jī)理及使用介紹[J].氣象科技進(jìn)展，2013，3（5）：29-35.

[31] 王萌萌，楊學(xué)斌，王吉順，等.WOFOST模型在德州市的適用性研究[J].湖北農(nóng)業(yè)科學(xué)，2022，61（5）：160-164.

[32] 楊妍辰.干旱對河北固城地區(qū)夏玉米產(chǎn)量影響的模擬研究[D].南京：南京信息工程大學(xué)，2014.

[33] De Vries F W T p， Jansen D M， Ten Berge H F M， et al. Simulation of ecophysiological processes of growth in several annual crops[M]. Wageningen： Centre for Agricultural Publishing and Documentation，1989.

[34] Supit I， Hooijer A A， van Diepen C A， et al. System description of the WOFOST 6.0 crop simulation model implemented in CGMS： volume 1： theory and algrorithms[M]. Wagenningen， The Netherlands： The Winand Staring Centre for Intergrated Land， Soil and Water Research （SC-DLO），1994：1-44.

[35] 馬玉平，王石立，張黎.針對華北小麥越冬的WOFOST模型改進(jìn)[J].中國農(nóng)業(yè)氣象，2005，26（3）：145-149.

[36] 馬玉平，王石立，張黎，等.基于遙感信息的華北冬小麥區(qū)域生長模型及模擬研究[J].氣象學(xué)報，2005，63（2）：204-215.

[37] 楊霏云，鄭秋紅，李文科，等.基于WOFOST模型的遼寧省春玉米干旱災(zāi)損風(fēng)險評估[J].干旱地區(qū)農(nóng)業(yè)研究，2020，38（6）：218-225.

[38] 李秀芬，馬樹慶，趙慧穎，等.基于WOFOST模型的內(nèi)蒙古河套灌區(qū)玉米低溫冷害評價[J].中國農(nóng)業(yè)氣象，2016，37（3）：352-360.

[39] 欒慶祖，葉彩華，莫志鴻，等.基于WOFOST模型的玉米干旱損失評估：以北京為例[J].中國農(nóng)業(yè)氣象，2014，35（3）：311-316.

[40] 江銘諾，劉朝順，高煒.華北平原夏玉米潛在產(chǎn)量時空演變及其對氣候變化的響應(yīng)[J].中國生態(tài)農(nóng)業(yè)學(xué)報，2018，26（6）：865-876.

[41] 張雪芬，余衛(wèi)東，王春乙.基于作物模型災(zāi)損識別的黃淮區(qū)域冬小麥晚霜凍風(fēng)險評估[J].高原氣象，2012， 31（1）： 277-284.

[42] 張鐵楠. WOFOST模型在東北春麥區(qū)生產(chǎn)中的應(yīng)用研究[D].哈爾濱：東北農(nóng)業(yè)大學(xué)，2014.

[43] Wolf J， Ouattara K， Supit I. Sowing rules for estimating rainfed yield potential of sorghum and maize in Burkina Faso[J]. Agric For Meteorol，2015，214/215：208-218.

[44] Berkhout J A A， Huijgen J， Azzali S， et al. MARS definition study： results of the preparatory phase： main report[R]. Wagenningen， The Netherlands： Centre for World Food Studies （SOW），1988.

[45] VAN Lanen H A J， VAN Diepen C A， REINDS G J， et al. Physical land evaluation methods and GIS to explore the crop growth potential and its effects within the European communities[J]. Agric Syst，1992，39（3）：307-328.

[46] Vossen P， rjiks d， hough m n. Early crop yield assessment of the EU countries： the system implemented by the Joint Research Centre[M]. Luxembourg： Office for Official Publications of the European Communities，1995.

[47] ceglar a， van der wijngaart r， de wit a， et al. Improving WOFOST model to simulate winter wheat phenology in Europe： evaluation and effects on yield[J]. Agric Syst，2019，168：168-180.

[48] 何亮，侯英雨，趙剛，等.基于全局敏感性分析和貝葉斯方法的WOFOST作物模型參數(shù)優(yōu)化[J].農(nóng)業(yè)工程學(xué)報，2016，32（2）：169-179.

[49] 孫琳麗，侯瓊，馬玉平，等.WOFOST模型在內(nèi)蒙古河套灌區(qū)模擬玉米生長全程的適應(yīng)性[J].生態(tài)學(xué)雜志，2016（3）：800-807.

[50] Bussay A， VAN DER Velde M， Fumagalli D， et al. Improving operational maize yield forecasting in Hungary[J]. Agric Syst，2015，141：94-106.

[51] 張鐵楠，許為政，魏湜，等.WOFOST模型對東北春麥區(qū)春小麥生長和產(chǎn)量的模擬效果[J].麥類作物學(xué)報，2015，35（1）：120-128.

[52] Ma G N， Huang J X， Wu W B， et al. Assimilation of MODIS-LAI into the WOFOST model for forecasting regional winter wheat yield[J]. Math Comput Model，2013，58（3/4）：634-643.

[53] Saltelli A， Tarantola S， Campolongo F， et al. Sensitivity analysis in practice： a guide to assessing scientific models[M]. Chichester： John Wiley & Sons，2004：20-78.

[54] 陳艷玲，顧曉鶴，宮阿都.基于EFAST方法的WOFOST作物模型參數(shù)敏感性分析[J].河南理工大學(xué)學(xué)報（自然科學(xué)版），2018，37（3）：72-78.

[55] SONG Y L， CHEN D L， LIU Y J， et al. The influence of climate change on winter wheat during 2012–2100 under A2 and A1B scenarios in China[J]. Adv Clim Change Res，2012，3（3）：138-146.

[56] Makowski D， Wallach D， Tremblay M. Using a Bayesian approach to parameter estimation; comparison of the GLUE and MCMC methods[J]. Agronomie，2002，22（2）：191-203.

[57] 馬玉平，王石立，張黎，等.基于遙感信息的作物模型重新初始化/參數(shù)化方法研究初探[J].植物生態(tài)學(xué)報，2005，29（6）：918-926.

[58] Stol W， Rouse D L， Van kraalingen D W G， et al. FSEOPT a FORTRAN program for calibration and uncertainty analysis of simulation models[M]. Wageningen， The Netherlands： Wageningen Agricultural University，1992：1-24.

[59] Dong Z Q， Jiang M Y， Xue X P， et al. The applicability evaluation and drought validation of the WOFOST model for the simulation of winter wheat growth in Shandong Province， China[J]. Heliyon，2022，8（12）：e12004.

[60] BOOGAARD H， Wolf J， Supit I， et al. A regional implementation of WOFOST for calculating yield gaps of autumn-sown wheat across the European Union[J]. Field Crop Res，2013，143：130-142.

[61] EITZINGER J， ZALUD Z， ALEXANDROV V， et al. A local simulation study on the impact of climate change on winter wheat production in north-eastern Austria[J]. Die Bodenkultur，2001，52（4）：279-292.

[62] 高永剛，顧紅，姬菊枝，等.近43年來黑龍江氣候變化對農(nóng)作物產(chǎn)量影響的模擬研究[J].應(yīng)用氣象學(xué)報，2007，18（4）：532-538.

[63] 高永剛，南瑞，顧紅，等.黑龍江省甜菜氣候生產(chǎn)力模擬和種植氣候區(qū)劃[J].生態(tài)學(xué)雜志，2009，28（1）：27-31.

[64] 穆青云，李俊，何亮，等.青藏高原冬小麥生產(chǎn)潛力及其對氣候變化的響應(yīng)[J].干旱區(qū)資源與環(huán)境，2021，35（7）：92-99.

[65] 鄔定榮，劉建棟，劉玲，等.華北地區(qū)冬小麥生產(chǎn)潛力數(shù)值模擬及其自然正交分析[J].干旱地區(qū)農(nóng)業(yè)研究，2012，30（5）：7-14.

[66] Bannerjee S. Possible impact of climate change on rice production in the Gangetic west Bengal， India[C]//Proceedings of the 14th Australian Agronomy Conference. Adelaide， South Australia： Australian Society of Agronomy，2008.

[67] EITZINGER J， THALER S， SCHMID E， et al. Sensitivities of crop models to extreme weather conditions during flowering period demonstrated for maize and winter wheat in Austria[J]. J Agric Sci，2013，151（6）：813-835.

[68] 馬玉平，孫琳麗，俄有浩.黃淮海夏玉米不同發(fā)育階段對旱澇災(zāi)害的敏感性[J].自然災(zāi)害學(xué)報，2015，24（6）：90-96.

[69] 王連喜，許小路，李琪，等.不同時期高溫脅迫對江蘇省水稻生育期和產(chǎn)量的影響[J].作物雜志，2015，31（2）：95-100.

[70] 沙慧敏，李琪，孫錫鵬，等.灌漿期升溫和干旱脅迫對江蘇冬小麥產(chǎn)量和干物質(zhì)分配的影響[J].氣象與減災(zāi)研究，2021，44（3）：201-208.

[71] WOLF J， VAN DIEPEN C A. Effects of climate change on yield potential of wheat and maize crops in the European Union[J]. Stud Environ Sci，1995，65：745-750.

[72] 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.

[73] NASSIRI M， KOOCHEKI A， KAMALI G A， et al. Potential impact of climate change on rainfed wheat production in Iran[J]. Arch Agron Soil Sci，2006，52（1）：113-124.

[74] Dua V K， Singh B P， Govindakrishnan P M， et al. Impact of climate change on potato productivity in Punjab： a simulation study[J]. Curr Sci India，2013，105（6）：787-794.

[75] 曲輝輝，朱海霞，王秋京，等.氣候變化對東北三省大豆生育期和產(chǎn)量的影響模擬[J].西北農(nóng)林科技大學(xué)學(xué)報（自然科學(xué)版），2014，42（7）：61-69.

[76] 王春玲.氣候變化對西北半干旱地區(qū)馬鈴薯生產(chǎn)影響的研究[D].南京：南京信息工程大學(xué)，2015.

[77] ZHANG Z T， SUN S， ZHANG F L， et al. Using estimated radiation in crop models amplified the negative impacts of climate variability on maize and winter wheat yields in China[J]. Agric For Meteorol，2022，318：108914.