氣候變化對糧食產量影響的研究方法綜述*

王亞飛，廖順寶

(1.河南大學環境與規劃學院/河南大學哲學與公共管理學院，開封 475004； 2.防災科技學院，北京 101601)

0 引言

全球大氣監視網的觀測結果表明，自人類社會工業化以來，地球大氣中CO2、CH4和N2O等非凝性溫室氣體的濃度持續上升，其中，主要溫室氣體CO2的濃度在1750—2015年間增加了44%[1]。溫室氣體濃度增加驅動著全球氣候變暖，導致地球海陸表面平均溫度在1880—2012年間上升了0.85°C[2]。毫無疑問，CO2濃度增加和氣溫升高已經成為全球氣候變化的主要趨勢。

糧食生產直接依賴于水熱光土等自然要素，對氣候變化非常敏感。CO2濃度上升在一定條件下雖然具有增肥效用[3]，但伴隨而來的氣溫升高、降水分布失衡、極端氣候事件頻率增加[2]，以及土壤侵蝕加劇[4]、農業病蟲害時空遷移[5]和糧食品質下降[6]等諸多問題卻使糧食生產面臨更大的威脅。與此同時，全球的糧食需求持續增長，預計2050年全球糧食需求量將在2006年的水平上至少增加60%[7]。氣候變化加大了糧食生產的不確定性，給糧食增產帶來了巨大風險，極有可能引發全球性的糧食危機。

評估氣候變化對糧食產量的影響是制定農業適應性對策，從而緩解糧食危機的前提。相關研究已經開展多年，產生了多種研究方法，但每種方法都存在一些不確定性，有著不同的優勢和劣勢[8]。為了比較各種方法的適用范圍和優缺點，文章對常見的研究方法進行了梳理和分類(表1)，然后從方法的原理和運用出發，對各種方法的應用方向和主要問題進行分析與總結，最后預測方法發展的趨勢和方法發展的驅動力，以期為氣候變化影響糧食產量的研究提供參考。

表1 氣候變化影響糧食產量研究方法的特征

方法名稱主要研究內容優點缺點產量分解法作物生育期內氣候變化對糧食生產的影響使用區域尺度的數據,模型簡單,運行成本小方程可能存在共線性問題,模型缺乏解釋,不便于外推實驗比較法糧食生長對少量氣候因子變化的敏感度分析可以從生化層面上探索糧食產量的形成過程實驗條件要求高,數據獲取難 生產函數法自然和社會環境對糧食產量的影響系統性強,可以考慮社會生產對氣候變化的技術適應性農業生產系統過于復雜氣候生產潛力模型法氣候變化對糧食生產潛力的影響有利于宏觀糧食生產環境變化的評估,充分利用氣候資源潛在產量與實際產量差別巨大作物生長模型法不同氣候情景下糧食產量的預測機理性強,模型可應用于任意時間段模型復雜,參數標定難

1 氣候變化對糧食產量影響的研究方法及方法應用

1.1 產量分解法及其應用

產量分解法假設糧食產量由技術產量、氣候產量和隨機產量3部分構成，根據這一假設從糧食產量序列中分離出糧食的氣候產量，同時從歷史氣象資料中提取氣象因子數據，然后利用回歸法分析糧食氣候產量和氣候因子的關系。

由于氣象觀測和糧食產量統計工作開展的時間較早，有了一定的歷史積累，因此產量分解法在國內外都得到了廣泛的應用。早在1969年，Thompson L M[9]就利用該方法分析了1930—1967年美國的氣候變化對玉米產量增長的影響。在較早研究中，氣象指標受觀測數據的制約一般使用溫度和降水的月平均或季節平均值[10]，量化的精度不高。隨著農業氣象站點的增加和氣象觀測技術的提升，大量高時空分辨率的氣象數據集不斷產生，為提高量化分析的精度提供了數據支持。于是，產量分解法的研究結論更加精確，Schlenker W等[11]研究1950—2005年美國玉米、大豆和棉花的產量與各自生長期氣溫的關系，發現3者產量的提高相對于氣溫變化的閾值分別是29oC、30oC和32oC，當氣溫超過閾值時，產量會隨著氣溫的升高急劇下降。Butler E E等[12]分析了玉米在生長過程中對極端高溫的敏感期以及敏感程度，結果顯示，玉米在吐絲和灌漿早期對極端高溫的敏感度4倍于營養生長期。Amin M R等[13]對比了孟加拉國4種主要糧食作物的生產情況，發現目前種植面積和產量最大的稻米品種最容易受到高溫和降水的影響。

在國內，近年的研究不僅模擬糧食產量對氣候變化的響應，而且還對響應過程進行剖析，試圖確定糧食產量在形成過程中對氣候變化的敏感期和敏感氣候因子。剖析的視角有兩個，第一個是按照作物的生育期對氣候指標進行解剖[14-16]。陳超等[14]將水稻的生育期劃分為5個階段，建立了水稻產量與不同生育階段氣候因子之間的回歸函數，結果發現水稻產量在抽穗至成熟期對氣溫和輻射的變化最敏感，而在移栽至分蘗期對日較差的變化最敏感。第二個剖析的視角是對糧食產量構成指標和氣候指標同時進行解剖[17， 18]。趙藝等[17]將產量構成分為空殼率、秕谷率和千粒重，將氣候指標按照水稻的拔節孕穗期、抽穗開花期和灌漿乳熟期進行劃分，分析產量構成要素與不同生育階段氣候因子間的相關性。而張玉芳等[18]認為，水稻產量的構成要素是在不同生育階段內完成的，因此有針對性地建立了穗粒數、空殼率和千粒重與特定生育階段內氣候因子的回歸方程。以上研究都盡可能地從微觀層面分析氣候變化對糧食產量的影響，但是不同地區數據樣本回歸分析的結果差異很大[17， 18]，氣候因子對產量構成要素的影響僅在少數地區通過了顯著性檢驗，因此難以做出置信度較高的定量評價。

1.2 實驗比較法及其應用

在氣候變化影響糧食產量的實驗中，首先需要設置兩個或者兩個以上的實驗組，形成若干有差別的氣候環境，然后跟蹤測量各個實驗組農作物的生長性狀、產量構成和最終產量，最后對比分析不同生長環境下的糧食產量和產量構成的差異。

設置實驗組有兩種方法。第一種方法是使用人工氣候室， 1949年美國加利福尼亞技術研究所建立了能控制光照、溫度、濕度和氣體成分的人工氣候室，引起了眾多學界特別是植物學界的關注[19]，隨后很多國家都建立了不同規模和不同類型的人工氣候室，包括全封閉環境模擬室、開頂式氣室、開放式氣室等[20]。第二種方法是更改作物的播期[21， 22]，由于在一年中各個實驗組的作物基因、土壤組分、田間管理水平都完全相同，所以組間糧食生長性狀和產量的差異完全是由生長期內氣候環境的差異造成的，該方法雖然簡單易行，但是不能控制氣候因子的變化、不能模擬特定的氣候情景，因此應用范圍有限，在此不再贅敘。

考慮到未來的氣候情景以CO2濃度和溫度變化為主要特征，同時水分是雨養作物區重要的農業氣候資源，人工氣候室在設置作物生長環境時以CO2濃度、溫度和水分控制為主。一般以大田自然氣候環境為參照，改變這3種氣候因子之一的值或者兩個氣候因子的值形成若干實驗組[23-29]。在良好的實驗條件下，研究者能夠詳細監控作物生長的過程，跟蹤測量作物生長各階段的物理性狀、化學性狀以及成熟后的產量和產量構成，這非常有利于從生化層面上探索氣候變化對糧食產量的影響。Dwivedi S K等[29]分析4種基因型水稻的相對含水量、膜穩定性指數、葉綠素含量、光合速率、可溶性總糖含量和產量對CO2和溫度變化的應激性，總體看來，CO2濃度升高25%對4種水稻各項生理指標都有不同程度的正向效應，效應值在5%～30%之間，而溫度升高2℃也帶來了大致相等的負面效應。居輝等[30]的盆栽試驗顯示，在不施氮肥的環境下，與大氣濃度CO2(390mg/L)相比，高濃度CO2(550mg/L)可使冬小麥的生育期縮短3～5d，光合速率提升13%，水分利用效率增加39%，穗粒數增加3.7%，千粒重增加5.3%，產量提高16%。以上研究的結論比較精確，但是結論僅在嚴格的實驗條件下才能夠成立。相同的實驗在不同的年份開展，其結果也可能產生較大的差異[30]，這表明實驗比較法的研究結論依賴于苛刻的環境條件。

1.3 生產函數法及其應用

從經濟學的角度來看，任何生產過程都可以看做是在一定的自然環境和社會經濟條件下一組投入要素轉化為產出的過程[31]。生產函數就是描述這一轉化過程的數學表達，對于氣候變化影響糧食產量的研究，生產函數法以分析糧食生產要素投入為切入點，探索各種投入要素對糧食產出的作用關系，構建生產函數方程，最后計算各種要素及其組合對糧食產量的彈性系數。綜合氣候因子和社會經濟投入要素的生產函數模型也被稱為氣候—經濟模型，是利用經濟計量手段研究氣候變化對糧食產量影響的代表性模型之一[32]。

生產函數法的應用研究可以分為兩類，第一類通過對比包含氣候因子在內的各種生產投入要素的彈性系數，尋找糧食生產的瓶頸[33-37]。朱琳[33]將糧食生產要素分為氣候、技術、硬投入和政策4類，發現硬投入和氣候因素對陜西省夏秋兩季糧食單產起主導作用。相似的，田甜等[34]在分析各種農業資料投入、政策、規模和氣候的基礎上認為財政支持、機械化和農業技術是中國糧食單產水平提高的關鍵。第二類研究重點關注氣候因子的彈性系數，忽略社會經濟因子的彈性系數，其目的是在農業生產系統的大背景中分析氣候變化對糧食產量影響的邊際效應[38-42]。陳帥等[41]發現氣候因子對糧食單產的影響是“倒U型”非線性關系，因此存在最優拐點，目前中國水稻種植區的降水量和日照時長已經超過了最優點，但是小麥種植區的降水量和日照時長卻未達到最優點。丑潔明等[42]從生產函數模型中拓展出預測氣候變化影響量的方法，用以描述氣候變化的影響在糧食總產出中所占的分量，并且利用中國8個糧食生產區的小麥、稻谷和糧食總產的農業資料對該方法進行檢驗，結果顯示，實際資料估算值與模型預測估算值之間的最大誤差為8.45%， 8個地區中有5個地區的誤差在2%以內，這表明該方法具有一定的可靠性。

1.4 氣候生產潛力模型法及其應用

氣候生產潛力是在光、溫、水等自然條件下、利用最優管理手段一個地區可能達到的糧食產量的上限，也稱為凈第一性生產力[43]。氣候生產潛力模型起源于對光合有效輻射和光能轉化效率的研究[44]，后來添加了溫度和水分參數，形成了光合潛力模型、光溫潛力模型和氣候潛力模型3個層次[45]。目前代表性的模型有Miami模型、Thornthwaite Memoiral模型、Chikugo模型、Wagenigen模型、農業生態區位(AEZ)模型、GAEZ模型、黃秉維模型、朱志輝模型、周廣勝模型和逐級訂正模型等。

結合地理信息系統(GIS)技術，利用氣候生產潛力模型可以描繪糧食產量上限水平的時空格局演變，直觀地分析糧食生產潛力的年際變化和區域差異。孫爽等[46]利用逐級訂正法估算中國冬小麥潛在種植區在20世紀中后期兩個時段內的冬小麥的潛在光溫產量，分析了氣候變化背景下中國冬小麥光溫適宜種植區的界限、面積和分布的變化特征。王錚等[47]采用黃秉維模型計算中國在20世紀末期和21世紀中期的農業生產潛力，指出傳統的農業生產潛力分界線(胡煥庸線)正在被改變。胡煥庸線以東秦嶺淮河線以北的地區以及四川盆地的農業生產潛力升高，而南方省份的農業生產潛力降低，氣候變化可導致胡煥庸線以西的地區人口比重增長1%。孫懿慧[45]對各類生產潛力模型進行篩選，結合實際產量分析水稻的增產潛力和增長空間，結果顯示，湖北省水稻生產對氣候資源的利用效率在35%～45%之間，仍有較高的增產潛力。總之，氣候生產潛力模型的應用對優化種植區域和品種布局、提高單產水平、增強糧食生產綜合能力、合理高效的利用氣候資源具有重要的指導意義。

1.5 作物生長模型法及其應用

作物生長模型是以作物生長動力學理論為基礎，采用系統工程的方法建立數學模型，模擬特定自然和經濟條件下的農田生產系統水、碳、氮的流動、作物生長以及作物產量[48， 49]。作物生長模型從20世紀60年代起步，至今已發展出超過200種的類別[50]，目前應用較多的有WOFOST、SWAP、ORYZA、EPIC、DASSAT、APSIM、AquaCrop、CCSODS等系列。

作物生長模型因解釋性強的特征而廣受歡迎，在世界范圍內得到了廣泛的應用。早期的研究在實驗的基礎上，人為調整模型的氣候參數進行糧食產量的敏感性分析[51]，隨著IPCC一系列氣候情景和濃度排放的推出，對未來氣候變化的進程似乎可以做出具有一定可信度的預測，于是新的研究基本上結合全球或區域氣候模式進行。此類研究一部分以預測未來氣候情景下糧食產量的變化為基本目標[2-54]，另一部分則在此基礎之上嘗試尋求氣候變化的適應性策略[5-57]。例如，Mihailovic D T等[52]利用DSSAT模型分析A1B和A2情景下塞爾維亞小麥、玉米和大豆產量的變化，指出僅有玉米在A2情景和缺乏灌溉的條件下才會減產。Stratonovitch P等[56]利用Sirius模型分析高溫熱害作用于小麥開花期帶來的減產威脅，并且根據歐洲的氣候情景評估培育新品種可能帶來的增產潛力。

由于氣候變化存在不確定性，集合模擬通過參數擾動以概率形式的結果取代確定性結果成為研究的一個熱點方向[58-60]。葉宏寶等[60]參考CMIP5中11種氣候模式和3種濃度路徑排放共33種組合的氣候情景，對于每種氣候情景都用LARS-WG天氣發生器隨機模擬100次，形成了21世紀中后期逐日氣象數據集，采用ORYZA2000模型模擬浙江省水稻生產的狀況，最后以箱形圖來表達不確定氣候情景下水稻單產變化的特征分布，就產量箱型圖的中值而言，若不考慮CO2的肥效作用， 3種排放情景下的早稻、晚稻和單季稻的平均減產幅度在21世紀中期都超過了20%，晚稻的最大減產幅度甚至達到36.17%。

2 各方法存在的問題

2.1 產量分解法的問題

在產量分解模型中，技術產量指的是平均氣候條件下當年的農業技術水平能夠獲得的糧食產量，該產量的真實數據并不存在，其模擬值通過糧食產量序列趨勢分析獲得，具有穩定性的特征，因此產量分解模型包含了農業技術穩定進步的假設[61]。綠色革命以來，糧食產量的螺旋式上升證明了技術進步的存在，但是面向量化研究時，不得不思考如下兩個問題：技術進步的穩定性有多強？技術產量適合用什么樣的數學方法模擬？傳統的Logistic函數、二次曲線、自然對數方程等方法雖然被大量采用，但是常常忽略對上述問題的回答。實際上，糧食產量具有非線性非平穩的特征[62-64]，年際間更替糧食品種、增加灌溉設施、改變耕作制度和發布糧食政策都可能帶來糧食產量的大幅變動[64]，因此傳統的函數方程擬合技術產量誤差較大，一階差分法在這種情況下也不滿足使用條件，滑動平均、HP濾波和BP神經網絡等方法則存在參數依賴或過度擬合的問題[65-67]。鑒于此，分時段擬合法[62， 68]、經驗模態分解法[63]和去趨勢互相關分析法[64]等一些新的方法開始被采用，這些方法雖然有益于問題的解決，但在實踐中還未經過充分的檢驗。糧食生產是一個復雜的自然和經濟過程，在缺乏糧食產量形成的機理分析時，擬合技術產量的誤差不可避免，這增加了研究結論的誤差。

2.2 實驗比較法的問題

實驗比較法的第一個問題是數據獲取困難。由于CO2濃度、氣溫、降水等氣候因子變量是連續型變量，不能一一列舉其變量值，因此人工氣候室在設置氣候環境時只能為每個實驗組分配特定的值。在實驗完成后，一般只能對實驗結果做對比分析，這種研究被局限在氣候因子和糧食產量多維空間的“點對點”的比較上。如果需要將“點”連成“線”或者拓展成“面”，則需要建立回歸方程。從現有的文獻來看，大多數研究都選擇兩種氣候因子變化組合設置實驗的氣候環境[25-29]，然而受實驗數據過少的制約，這些研究未能進行糧食產量與兩種氣候因子變化的回歸分析，所以研究結果無法外推。

實驗比較法的另一個問題是研究結果的穩定性差。例如，高濃度CO2的肥效作用已經得到了研究者們的廣泛認可，但是對肥效作用的強弱卻各持己見。居輝等[30]的實驗表明，高濃度CO2的肥效作用在低溫年度明顯偏低，然而Xu G等[69]的實驗卻發現高濃度CO2的肥效作用在低溫環境下比高溫環境下更加顯著。相似的矛盾也出現在其他氣候因子的研究中[25]，學者普遍認為，人工氣候室的差異、作物品種差異以及施肥措施的差異是矛盾產生的原因[24， 25， 30]。此外，已有實驗表明高濃度CO2在紫外UV-B輻射增強時喪失了肥效作用[70]，而O3濃度增加導致作物葉片損傷以致光合效率低下，也會影響到作物對其他氣候資源的利用[71]。因此可以推斷，氣候因子對糧食產量的影響存在著交叉作用，針對某一種或者兩種氣候因子的實驗如果忽視了外在環境條件，其研究結論的不確定性將大大增加。

2.3 生產函數法的問題

目前，糧食生產投入要素的分類以及各類要素的構成沒有形成標準，因此現有的研究中要素投入指標呈現出多樣化的特點，這容易造成遺漏變量偏誤的問題。一部分研究在模型中僅僅設置農業資料投入和氣候因子變量，忽略了農業政策、種植結構和經營規模等變量。而有些研究卻表明這些易忽略的變量具有很高的彈性系數[34， 39， 63]。糧食產量與研究期的社會生產條件、農業政策、用戶行為、市場規模和氣候變化等多種要素均有或強或若的關聯，發生重要變量遺漏的可能性很大。

如何構建生產函數又是擺在臺面上的一道難題，即便研究者擁有詳細全面的生產數據，也難以在現有的數學表達中選擇一個恰當的模型。鑒于柯布—道格拉斯(C-D)生產函數理論在經濟學中的巨大影響力，相當一部分研究在其基礎之上引入氣候因子構建C-D-C模型。然而，典型的C-D-C是線性回歸，不能體現生產投入要素與糧食產量間的非線性關系，而且C-D-C模型中不包含變量交叉，無法表達生產投入要素組合對糧食產量的影響。于是，一些研究嘗試用自變量的二次方表達非線性關系[39]，更進一步的，引入氣候變量間的交叉項[72]或者氣候變量與經濟變量之間的交叉項[73]表達組合影響，有的則直接采用包含交叉項的超越對數生產函數模型[38， 74]。不過也有觀點認為，氣候變化對糧食產量的影響處于不斷變化之中，這種變化不應該用固定參數模型表達[75]。以上研究為構建恰當的生產函數提供了參考，但時至今日，各種生產投入要素及其組合與糧食產量之間的量化關系依然不明確，因此構建符合實際的生產函數仍然困難。

2.4 氣候生產潛力模型法的問題

氣候生產潛力模型法以公式推導理論上的潛在產量，計算結果普遍偏高，難以在實踐中驗證，而且采用不同的模型和參數時結果相差懸殊。例如，逐級訂正模型是一種常見的氣候生產潛力估算模型，應用該模型時，設置溫度對光合作用的訂正參數可以采用三基點法、李克煌法、龍斯玉法、Cehenbauer法等等，不同的方法訂正結果有明顯差異[45， 76]，究竟哪種結果合理沒有定論。

模型的公式通常只考慮光、溫、水等自然因素，也有少量涉及到作物的生長性狀，較少的模型變量雖然有利于推廣應用，但是對于時間跨度大的研究來說，過少的變量限制了模型在時間方向上的外推應用。例如，CO2濃度變化是影響氣候生產潛力的重要因素，短時間內CO2濃度微弱變化對糧食生產的影響可以忽略不計，然而一個地區氣候生產潛力的變化只有通過長時間跨度的對比才能夠發現，由于大多數的潛力模型不考慮大氣組成，長時間段內CO2濃度變化對氣候生產潛力的影響被忽略了。此外，在一些氣候變化較大或耕作制度復雜的地區，氣候變化可能帶來耕作制度的改變，氣候資源的利用效率將發生質變，這進一步增加了氣候生產潛力模型的估算誤差。

2.5 作物生長模型法的問題

氣候變化對糧食產量的影響評估至少在區域尺度之上才會有政策意義。此時，氣候情景從全球氣候模式(GCM)縮小到區域氣候模式(RCM)，性質為降尺度應用，而傳統的作物模型通常基于田間尺度開發，屬于升尺度應用，因此產生了尺度錯位的問題。對于GCM降尺度的影響，一些實驗表明，在簡單的地形環境下，GCM和RCM驅動的作物產量模擬結果沒有差異[77]，但在復雜的地形環境下，GCM和RCM的驅動效果則明顯不同[78]，因此可以根據地形條件對GCM做降尺度處理，其不確定性仍在可控范圍。對于模型升尺度應用的問題，傳統單點作物模型的理論基礎和結構框架無法提供有效的解決辦法。例如，Gbegbelegbe S等[79]以0.5°×0.5°的分辨率進行全球小麥產量模擬時，為了創造均質化的區域農業環境而將全球小麥生產系統劃分為17種類型，不同類型對應著不同的模型參數，然而模擬結果與FAO統計數據的差別依然較大，標準誤差值達到1.3t/hm2。有太多的因素對模擬結果產生影響，氣候、土壤、品種、種植密度、水肥措施都有可能造成系統誤差，“均質化的農業環境”相對于敏感的作物模型來說只是一種“偽假設”。大量文獻表明，作物模型參數標定的成本很高，需要全面并且精確的環境數據進行模型的驗證，利用GIS工具的空間網格劃分并不能提供足夠精度的環境數據，作物模型在網格單元上極有可能失去了運行的邊界條件，其模擬結果的不確定性太大。因此，重構單點作物模型框架、拓展區域作物模型理論是解決尺度依賴的一個重要思路[80]。

3 方法發展的趨勢和驅動力

針對“未來的氣候變化對糧食產量的影響”這一最具有價值的議題，氣候模型驅動作物模型的方法是目前主流的研究方法，然而糧食生產并非只能被動接受氣候變化的影響，土地利用方式和土地覆被變化也能夠影響氣候進程[81]。同時，降水的時空變異將重新分配區域可利用的水資源，農業灌溉和其他用水需求可能會產生沖突。此外，氣候變化必定伴隨著農戶行為適應和農業技術進步，是否考慮這些經濟因素對糧食生產的預測影響很大。這些問題需要多模型綜合的方法來解決，在實踐中，作物模型與氣候模型的整合進展較為緩慢[82]，但是水文模型和作物模型的結合已經成熟[83， 84]，而納入了經濟模型的研究方法在氣候變化的適應性方面也有所突破[85]。可以預見，隨著科學的發展和人們對氣候變化認知的逐漸深入，氣候變化對糧食產量影響的研究將在作物生長模型法的基礎上逐漸結合其他模型方法從而形成一套綜合的氣候—水文—作物—經濟模型法。

方法的發展有兩個驅動力量，第一個是多源數據融合，典型的代表是將具有空間連續性的遙感數據與具有時間連續性的作物模型同化[86]，改善作物模型的驅動參數，發展單點作物模型估產模式為區域作物模型估產模式[87， 88]。在氣候模型、水文模型、作物模型和經濟模型綜合的過程中，其數據來源復雜、尺度不一、缺乏標準等問題將逐漸暴露出來，如何促進多源數據融合是一項重要挑戰。方法發展的第二個驅動力是多目標研究模式的產生。從國家層面上來看，糧食生產既要滿足當前社會對糧食的需求，又要保證未來糧食生產能力的可持續性，同時盡可能減少糧食生產過程中的溫室氣體排放。因此，糧食生產的目標不僅僅是高產，還包括土地合理利用和環境保護。從生產者層面上來看，農戶從事糧食生產追求的是經濟利益，最終產量不僅與種植技術有關，還與種植意愿和糧食價格有關，可以說農戶的最終目標不是糧食高產，而是種糧收益。由此看出，糧食生產的目標是多方面的，產量是眾多目標中的一個子目標，糧食生產追求的應該是整體目標最優，而不是子目標最優。考慮到這些因素，一些研究開始向多目標模式轉變[89-91]。這些目標包括氣候變化背景下的糧食高產、水土保持、土地溫室氣體排放控制、農戶種糧收益等。他們相互制約，彼此可能發生沖突，需要統籌規劃協調發展。當目標過多時，有必要引入一般均衡理論和多目標最優決策技術，這也會促進方法的發展與創新。

4 結論

將氣候變化影響糧食產量的研究方法歸納為產量分解法，實驗比較法，生產函數法，氣候潛力模型法和作物生長模型法5個類別，對各類方法的應用方向和主要問題進行總結，探查方法發展的趨勢和驅動力。

(1)產量分解法常用于分析糧食產量變化與不同生育期氣候因子變化之間的關系。實驗比較法一般用于糧食產量對單個氣候因子或若干氣候因子變化的敏感性分析。生產函數法適用于在農業生產系統中分析氣候變化對糧食產量影響的邊際效應。氣候生產潛力模型法用于對比氣候變化帶來的糧食產量上限的改變，側重于農業生產環境的評估。作物生長模型法一般結合氣候情景預測未來氣候變化對糧食產量的影響。

(2)產量分解法的主要問題是糧食的技術產量擬合困難，實驗比較法的問題是數據獲取難、模型穩定性較差，生產函數法容易遺漏重要變量、函數構造困難，氣候生產潛力模型法的結論難以驗證，作物生長模型法存在尺度錯位的問題。

(3)氣候變化對糧食產量影響的研究將由單一模型法逐漸向綜合模型法過渡，多源數據融合和多目標研究模式成為方法發展的驅動力。