氣候變化下干旱對中國玉米產量的影響

徐 昆，朱秀芳※，劉 瑩，郭 銳，陳令儀

（1. 北京師范大學環境演變與自然災害教育部重點實驗室，北京 100875；2. 北京師范大學地表過程與資源生態學國家重點實驗室，北京 100875；3. 北京師范大學地理科學學部遙感科學與工程研究院，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。干旱作為其中最復雜也是最具破壞性的自然現象之一，因其分布廣泛、發生頻率高、持續時間長的特性，對生態、農業和社會經濟都會造成嚴重影響[1]。研究表明，在全球范圍內，未來干旱事件發生的風險將進一步增加[2]。目前，中國是全球氣象災害風險最高的國家之一[3]，因氣候條件復雜，人口眾多，生態系統脆弱，經濟發展迅速，更易受到氣候變化和干旱災害的影響[4]。一些研究對未來中國干旱情形的發展進行了預測工作，Yao 等[5]基于國際耦合模式比較計劃第五階段（Phase 5 of Coupled Model Inter-Comparison Project，CMIP5）中28 個GCM 模式采用標準化蒸散指數（ Standardized Precipitation Evapotranspiration Index，SPEI）對中國未來干旱的時空變化進行預測，結果顯示未來中國大部分地區的干旱將更加頻繁和嚴重；Liang 等[6]、莫興國等[7]分別采用帕爾默干旱指數（Palmer Drought Severity Index，PDSI）評估了21 世紀中國干旱事件發生的時空變化特征，結果表明未來中國干旱化趨勢將會更加廣泛，干旱頻率、持續時間和強度都將顯著上升。

農業生產直接受到溫度、降水等氣候變量的影響。干旱作為一種極端天氣現象，是影響作物產量的主要氣候制約因素之一[8-10]。在干旱條件下，水分虧缺對作物生長產生負面影響，作物關閉氣孔以限制水分蒸發，造成用于光合作用的碳吸收量減少，最終導致產量下降[11]。另有Kocsis 等[12]的研究表明，干旱對土壤肥力也會造成影響。

研究表明，至21 世紀50 年代，全球糧食需求預計將擴大約一倍[13-14]。為了滿足未來人口增長背景下日益增長的糧食需求，了解氣候變化背景下干旱對作物生產的影響至關重要。Leng 等[11]采用標準化降水指數（Standardized Precipitation Index，SPI）構建概率模型，對全球10 個最大糧食生產國小麥、玉米、水稻和大豆在不同干旱條件下的產量損失風險進行估算，結果表明作物產量損失風險隨干旱程度增加呈非線性增長；Ray 等[15]的研究證明干旱對雨養和灌溉作物均會造成明顯減產；Lai 等[4]利用CASA 模型分析了中國1982—2015 年陸地初級凈生產力（Net Primary Production，NPP）的時空特征并探討了干旱對NPP 的影響，結果發現中國大部分地區的NPP 與SPEI 在空間上呈顯著正相關；Guo 等[3]通過構建復合氣象干旱指數來描述干旱特征，建立平面回歸模型對當前和未來氣候條件下干旱對中國東北地區玉米產量損失的影響進行評估。此外，大量相關研究也證實了干旱對作物生產存在潛在的不利影響[16-21]。

干旱是由降水、溫度、風速、太陽輻射等氣象因子間的復雜相互作用共同驅動的，因此評估干旱對農業生產的影響具有一定挑戰性[22]。本研究基于CMIP5 中多個氣候模式提供的未來氣候預測數據，采用AquaCrop 作物生長模型，分別模擬了21 世紀中期及末期中國5 個主要玉米種植區在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、灌溉條件下的玉米產量，進而通過建立回歸模型評估干旱水平對玉米產量的影響。

1 研究區概況

玉米是中國三大主要糧食作物之一，種植范圍遍布全國，主要集中在東北、華北和西南地區，大致形成一個從東北到西南的斜長形玉米栽培帶。根據氣候、地形、土壤等自然資源條件及耕作制度等因素，中國玉米種植通常被劃分為6 個主要產區[23]：北方春播玉米區、黃淮海夏播玉米區、西南山地丘陵玉米區、南方丘陵玉米區、西北灌溉玉米區和青藏高原玉米區。本研究基于EarthStat 提供的全球作物產量分布數據，在中國五大玉米主產區中共選取241個地級行政單元作為研究區（圖1），其中北方春播玉米區73 個，黃淮海夏播玉米區66 個，西南山地丘陵玉米區52個，南方丘陵玉米區34 個，西北灌溉玉米區16 個；青藏高原玉米區玉米產量不足全國1%，故不在本研究考慮范圍。

圖1 中國玉米種植區劃 Fig.1 Regionalization of maize planting areas in China

2 數據與方法

2.1 AquaCrop 作物生長模型簡介

AquaCrop 作物生長模型是由聯合國糧農組織（Food and Agriculture Organization of the United Nations，FAO）于2009 年發布的一款水分驅動模型，能夠有效揭示作物對水分的響應機制，與其他模型相比更適用于產量和水的響應機制研究[24]。

根據FAO 灌溉與排水第33 號文件[25]，作物產量和水分響應之間的轉換關系如式（1）所示

式中Yx和0分別表示作物潛在產量和實際產量，kg/m2；ET0和ETx分別表示作物參考蒸散量和實際蒸散量，mm；ky表示產量對水分響應的系數。

為了避免非生產性用水與生產性用水效應的混淆，AquaCrop 對上述方程進行了改進，將蒸散量進一步分為土壤蒸發量和作物蒸騰量兩個部分。最終作物產量以生物量和收獲指數的乘積表示，如式（2）和式（3）所示

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

模型中作物蒸騰量的計算方案如式（4）所示

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

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），可以在多種編程語言和操作系統下運行，并能在大區域、長時間模擬計算時通過并行執行的方式大大縮短運行時間。此外，AquaCrop-OS 符合開放建模接口標準，便于與其他類型的模型建立聯系。

2.2 數據說明

基于AquaCrop 作物模型的輸入要求及研究需要，本研究需要的數據主要包括1）氣象數據：歷史真實氣象數據（1980—1999 年）包括來源于中國氣象局氣候研究開放實驗室[28]的CN05.1 數據集（降水），空間分辨率為0.25°×0.25°；來源于歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasts，ECMWF）（https：//www.ecmwf.int/）中ERA Interim Daily 數據集（最高氣溫、最低氣溫、平均氣溫、風速、降水、相對濕度、太陽輻射等），空間分辨率為0.125°×0.125°，以上數據均為日尺度；未來時期氣象預測數據來源于CMIP5 中5種不同氣候模式（表1）的輸出結果（https：//esgf-node. llnl.gov/search/cmip5/），包括歷史基準時期下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、風速、降水、相對濕度、太陽輻射的日尺度格網數據。2）土壤數據：來源于ISRIC 全球土壤信息（http：//www.isric.org/）的WISE30sec，v1.0 數據集（2016 年），主要包括土壤質地數據（沙粒含量、黏粒含量）和土壤有機質含量數據，分辨率為0.008 3°，共7 層。3）作物數據：作物生長發育數據來源于國家氣象科學數據中心（http：//data.cma.cn/）的中國農作物生長發育和農田土壤濕度旬值數據集，主要包括2005—2012 年中國各氣象站點的玉米種植時間、種植密度以及出苗期、開花期、成熟期等主要生長發育參數；產量數據來源于中國農村統計年鑒及全國各省統計年鑒（http：//data.cnki.net/），主要包括2002—2011 年各地級市玉米產量和播種面積，用于作物模型的參數校正與驗證；作物分布數據來源于EarthStat的“Harvested Area and Yield for 175 Crops Year 2000”數據集，內容包括1997—2003 年全球175 種作物產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的確定。

表1 耦合模式比較計劃第五階段（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 模型輸入參數

AquaCrop 作物生長模型的輸入模塊包括氣象、土壤、作物、管理4 個部分，所有輸入數據的空間分辨率均通過重采樣統一到地級行政單元。

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 部分內容。其中最高氣溫、最低氣溫、降水均直接來自數據集；CO2濃度數據采用模型默認值（利用夏威夷MaunaLoa 天文臺1958 年以來測量的平均大氣CO2質量濃度作為參考建立的CO2質量濃度數據庫[29]）；參考蒸散量ET0則根據FAO Penman-Monteith 公式[26]，由平均氣溫、風速、相對濕度、太陽輻射等變量計算得到，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、平均氣溫計算得到；ea為實際水汽壓，kPa，由平均氣溫和相對濕度計算得到；Δ 為蒸汽壓力曲線的斜率，kPa/℃，由平均氣溫計算得到；γ為濕度計算常數，kPa/℃。

模型的土壤輸入包括砂粒含量、黏粒含量等土壤質地數據和土壤有機質含量數據，可直接由數據集中獲取，用來計算土壤永久凋萎點、田間持水量、飽和含水量、飽和導水率等。

模型的作物輸入主要包括生長發育參數、蒸發蒸騰參數、產量形成參數、脅迫參數等。其中，生長發育參數包括冠層覆蓋度相關參數、根系生長相關參數，以及作物生育期數據等。本研究中假定未來情景下玉米種植制度不變，生育期資料直接由數據集獲取，其他敏感作物參數來自于作物模型校正結果，非敏感參數則使用FAO 參考值。

模型的管理數據主要包括灌溉、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，具體設置方法在2.3.3 節中進行詳細說明，其他管理數據采用作物模型推薦值。

2.3.2 模型校正與驗證

作物模型校正是精確模擬的基礎。由于AquaCrop 作物模型中存在很多相關參數，無法一一進行測量和標定，因此在模型校正前需要通過參數敏感性分析選出對模型模擬結果影響最大的參數（即敏感參數）作為待校正參數。本研究采用擴展傅里葉幅度檢驗法[30]（Extended Fourier Amplitude Sensitivity Test，EFAST）來挑選敏感參數。EFAST 是一種全局敏感性分析方法[31]，強調整個參數空間的不確定性及多個參數間的相互作用。EFAST通過對模擬結果的方差分解計算各參數的敏感性指數，敏感性指數越大則說明參數對模擬結果的影響越大。本研究從FAO 作物手冊中提供的36 個主要作物參數中選取2 個敏感性指數最大的參數進行校正。

本研究從統計年鑒中獲取了241 個地級行政單元2002—2011 年的玉米單產數據，其中2002—2009 共8 a的數據用作模型校正的樣本，2010—2011 共2 a 的數據則用于對校正結果的精度驗證。在保持其他非敏感參數不變的前提下，將待校正敏感參數的初始值設定為FAO 作物手冊提供的參考值，在參考值的0.7～1.3 倍范圍內以0.02 倍為步長對初始值進行隨機變化并在對應年份的實際氣象、土壤條件下運行作物模型，得到多組模擬產量。在不同參數組合下，以歸一化均方根誤差（Normalized Root Mean Square Error，NRMSE）為標準比較模擬產量和統計產量，選取使得NRMSE 最小的參數組合作為校正結果。最后，將經校正得到241 個地級行政的標準參數組帶回模型，將得到模擬產量與對應年份的統計產量進行比較，完成對校正結果的精度驗證。

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現對不同灌溉情境下作物產量的模擬。本研究中分別設置了完全灌溉和無灌溉2 種情景。其中，完全灌溉情景對應作物模型中的灌溉方式為凈灌溉（net irrigation），設置灌溉水平為100%；無灌溉情景對應的灌溉方式為雨養（rain-fed）。由于2 種情景中除灌溉與否外，溫度、降水、太陽輻射、土壤條件、田間管理措施等其他因素均相同，故可以認為作物模型在2 種灌溉情景下模擬得到的結果只受水分脅迫的影響，即2 種情景下的產量差異僅由干旱脅迫導致。利用AquaCrop 模型在上述2 種灌溉情景下的產量模擬結果，玉米因干旱脅迫導致的產量損失率（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灌溉情景下的玉米單產產量，t/hm2。

2.3.4 干旱指數構建

本研究中采用無灌溉條件下作物水分脅迫指數（Crop Water Stress Indicator，CWSI）來定義干旱強度[32]。CWSI 指數以作物的實際蒸散量未能滿足潛在蒸散量的程度來描述作物受水分脅迫強度，取值范圍為0～1，指數越大則表示作物受水分脅迫越強。該指數受到氣候條件、土壤性質、作物遺傳特性等多種因素共同影響，可以有效反映農業干旱對作物生長的影響。計算公式如式（7）所示

式中ET 和ETP分別代表作物的實際蒸散量和潛在蒸散量，mm。其中，ET 和ETP均為日尺度數據，來自AquaCrop作物模型的輸出結果。

為了體現水分脅迫對作物影響的累積效應，本研究中將干旱指數（Drought Hazard Index，DHI）定義為作物生長期內水分脅迫指數的日均值，如式（8）所示

式中CWSIi表示作物生長期內第i 天的水分脅迫指數，n表示作物生長期天數。

2.3.5 回歸模型構建

大量相關研究表明，Logistic 函數可以較好地描述干旱強度與作物產量損失之間的關系[33-37]。故本研究選擇使用Logistic 回歸模型建立干旱指數和玉米產量損失之間的關系。

3 結果與分析

3.1 模型校正與驗證

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

表2 擴展傅里葉幅度檢驗法（EFAST）全局敏感分析結果 （前10 位） Table 2 Results of the Extended Fourier Amplitude Sensitivity Test (EFAST) global sensitivity analysis (Top 10)

模型校正結果為241 個地級行政單元的標準參數組，經校正后241 個單元的參數結果：Kcb為0.32～1.79，HI0為0.14～0.82。將校正后的標準參數組帶回作物模型，在驗證年份2010—2011 年的真實氣象數據下運行模型，將得到的模擬產量與對應年份的統計產量進行比較，結果如圖2 所示。圖中散點代表2010—2011 年241 個地級行政單元的模型模擬產量及對應的統計產量。結果顯示，模擬產量與統計產量的皮爾遜相關系數為0.82，回歸方程的斜率為0.81（通過顯著性檢驗，在0.01 水平上顯著），與1∶1 線比較接近，結果說明模擬產量與統計產量大致接近。回歸方程的R2=0.67，擬合程度較高；NRMSE=0.17，結果良好。總體來說，模型精度驗證可以達到預期水平。

圖2 模型驗證結果 Fig.2 Model validation result

3.2 歷史基準時期干旱分析

圖3 顯示了中國歷史時期（1980—1999 年）干旱強度均值分布情況。結果顯示，歷史真實氣象條件下，中國的干旱強度在空間上大致呈現由西北至東南遞減的趨勢。研究區內241 個地級行政單元中，干旱最嚴重的單元位于西北灌溉玉米區，干旱指數0.688 8；干旱最輕的單元則位于西南山地丘陵玉米區，干旱指數0.012 9。5個玉米種植區的干旱強度由大到小依次是：西北灌溉玉米區、北方春播玉米區、黃淮海夏播玉米區、南方丘陵玉米區、西南山地丘陵玉米區，對應的平均干旱指數依次是0.496 8、0.244 4、0.136 3、0.092 7、0.062 0。

圖3 歷史時期中國干旱強度分布 Fig.3 Distribution of historical drought hazard in China

3.3 未來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21 世紀中期（2030—2049 年）及21 世紀末期（2080—2099年）的干旱強度均值的分布情況。為了更直觀地顯示干旱強度在區域上的時空變化情況，研究中分別統計了歷史基準時期及未來時期3 種不同代表性濃度路徑下5 個玉米種植區內干旱指數的平均值，如表3 所示。圖4 和表3 中的數據均為5 種氣候模式下模擬結果的平均值。

圖4 未來氣候情景下中國干旱強度時空分布 Fig.4 Distribution of drought hazard under future climate scenarios in China

表3 中國五大玉米種植區平均干旱指數（DHI） Table 3 Average values of Drought Hazard Index (DHI) in five maize planting regions of China

由圖表結果可知，在未來氣候條件下，中國的干旱強度在空間上的分布與歷史基準時期基本一致，在干旱最嚴重的甘肅省北部、內蒙古西部地區，干旱指數可以達到0.7 以上，與歷史時期相比明顯增長；在五大玉米種植區中，干旱強度最大的是西北灌溉玉米區，在不同濃度路徑與未來時期的組合中區域內平均干旱指數為0.519 7～0.535 3，相比于歷史基準時期增長了4.61%～7.75%；其次是北方春播玉米區，平均干旱指數在0.282 9～0.297 4 之間，與該區域歷史時期相比增長了15.75%～21.69%；再次是黃淮海夏播玉米區和南方丘陵玉米區，2 個玉米區的平均干旱指數分別在0.193 1～0.217 6、0.151 7～0.169 4 之間，相比于歷史時期的增長率分別為41.67%～59.65%、63.65%～82.74%；干旱強度最小的是西南山地丘陵玉米區，區域內平均干旱指數僅為0.052 9～0.058 2，相比于該區域歷史時期干旱指數降低了6.13%～14.68%。

結果表明，與歷史基準時期相比，在未來時期3 種不同濃度路徑下，除西南山地丘陵玉米區的干旱強度有所減輕外，其他4 個玉米區的干旱強度均有增加，增加幅度由大到小依次是南方丘陵玉米區、黃淮海夏播玉米區、北方春播玉米區、西北灌溉玉米區。此外，與21 世紀中期相比，至21 世紀末期，除rcp2.6 情景下北方春播玉米區、西北灌溉玉米區的干旱強度有所減輕外，rcp4.5、rcp8.5 情景下全部5 個玉米區及rcp2.6 情景下剩余3 個玉米區的干旱強度均有所增加。

3.4 未來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21 世紀中期、21 世紀末期玉米因干旱脅迫導致的產量損失率（其他環境條件完全一致的前提下，無灌溉相比于完全灌溉的減產率）時空分布情形及5 個玉米種植區平均產量損失率的統計結果。圖5 和表4 中的數據均為5 種氣候模式下模擬結果的平均值。

圖5 未來氣候情景下中國玉米產量損失率時空分布 Fig.5 Distribution of maize yield loss rate under future climate scenarios in China

表4 中國五大玉米區產量損失率（YLR）平均值 Table 4 Average values of crop Yield Loss Rate (YLR) in five maize planting regions of China

圖表結果顯示，在無灌溉條件下，未來中國五大玉米種植區的產量損失率由大到小依次為西北灌溉玉米區（>90%）、北方春播玉米區（36%～39%）、黃淮海夏播玉米區（16%～20%）、南方丘陵玉米區（9%～13%）、西南山地丘陵玉米區（1%～3%）。其中，新疆南部及甘肅省北部在無灌溉情景下的玉米產量損失率可能高達99%以上；而在西南山地丘陵玉米區中部的四川、云南一帶，同樣無灌溉情景下玉米產量損失率不到1%。從趨勢變化上來看，至21 世紀末期，僅有rcp2.6 情景下北方春播玉米區、西南山地丘陵玉米區、西北灌溉玉米區以及rcp8.5 情景下南方丘陵玉米區的產量損失率相比于21 世紀中期略有下降。而在rcp4.5 情景下全部5 個玉米區、rcp8.5 情景下剩余4 個玉米區以及rcp2.6 情景下2 個玉米區中，玉米因干旱所致的產量損失率均有所增加。從結果上看，玉米產量損失率的時空分布規律與干旱強度基本一致。

3.5 未來氣候情景下干旱對玉米產量損失的影響

圖6 通過建立Logistic 回歸模型描述了干旱強度與玉米產量損失率之間的關系。圖中橫軸為干旱指數，縱軸為對應的玉米干旱產量損失率，散點分別來自研究區內241 個地級行政單元在rcp2.6、rcp4.5、rcp8.5 情景下21世紀中期、末期的模擬結果。結果顯示，回歸得到的“S”曲線的R2=0.96，RMSE=0.07，說明Logistic 函數能夠很好地描述干旱指數與產量損失率之間的關系。

觀察圖中回歸曲線可知，當干旱指數<0.2 時，對應產量損失率在10%以下，產量損失率隨干旱指數增長較為緩慢；當干旱指數介于0.2～0.6 之間時，產量損失率隨著干旱指數增大而迅速增加；當干旱指數>0.6 時，產量損失率達到90%以上，增長速率再次趨于平緩。

圖6 干旱強度指數（DHI）對作物產量損失率（YLR）的影響 Fig.6 Effects of Drought Hazard Index (DHI) on crop Yield Loss Rate (YLR)

4 討 論

本研究對于中國未來干旱的區域化分布特征及其對作物產量影響的時空變化特征進行了定量化評估，為制定區域性農業干旱適應戰略提供了信息，這對于規劃和減輕其對農業生產的潛在負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氣候情景。其中rcp8.5 是一種缺乏氣候變化應對政策的高排放情景，在這一情景中，溫室氣體濃度將持續上升，2100 年輻射強迫預計達到8.5 W/m2；rcp4.5 情景中，碳排放在一定程度上得到控制，預計2100 年輻射強迫在4.5 W/m2左右；rcp2.6 則是最為理想的一種情景，它假設人類將采用更多積極的方式面對氣候變化，至21 世紀末輻射強迫僅在2.6 W/m2以下，溫室氣體排放則將降至負值。以目前全球對溫室氣體排放控制的現狀來看，與rcp2.6、rcp8.5 相比，預計rcp4.5 情景下的估計結果將更加接近真實狀況[7]，但無論在哪一種情景下，未來中國大部分地區的干旱水平都將呈現總體上升的趨勢，作物產量也將產生不同程度的損失。

根據本研究的評估結果，未來中國西北地區干旱程度最為嚴重，在無灌溉情形下，玉米產量損失平均可以90%以上，農業生產需要完全依賴于灌溉，這與劉鈺等[38]、Shen 等[39]的研究結果相一致，在這部分極端干旱地區，當地政府應做好水資源調節分配工作，積極維護灌溉設施，充分提高水資源利用效率，保證農業灌溉需求。北方、黃淮海地區未來干旱水平相比于西北地區較低，但干旱水平相比于歷史時期有明顯增加，作物面臨的干旱風險水平也隨之增加。同時，由于這2 個區域的干旱指數多集中于“S”曲線中部，玉米產量損失率隨著干旱強度增大而急劇增加，因此從理論上講，在灌溉量相同的前提下，北方、黃淮海地區的灌溉可以更加有效地降低玉米的產量損失，其灌溉效益是最高的。此外，北方春播玉米區和黃淮海夏播玉米區也是全國玉米產量最高的兩大產區，理應引起政府部門的足夠重視，制定合理灌溉策略來保障農業生產的用水需求。在西南、南方地區，自然降水基本上可以完全滿足作物生長的需求，農業生產對灌溉的依賴程度很低。但由于南方地區未來干旱強度與歷史時期相比增長幅度相對較大，故也應盡量完善灌溉設備，準備相關應急措施，以防突發性輕旱、中旱事件的發生。

在研究中，由于施肥、農藥、地表覆蓋物等一些實際田間管理數據的缺失以及對作物生長原理及農藝過程的不完全了解，以基于作物模型的方法對未來氣候情景下作物產量的模擬難免存在一定程度上的不確定性[40]。同時，相關研究表明CMIP5 中全球氣候模式對未來氣候預測的系統偏差也是不確定性的主要來源之一[41]。盡管研究中使用多個全球氣候模式的數據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產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據統一重采樣到地級行政單元的方法也相對比較粗糙。在今后的研究中，將嘗試采用更加嚴謹的降尺度方式對多種氣候模式數據進行統合，同時也會采取適合的措施對氣候模式數據的系統偏差進行校正，從而進一步減少模型不確定性帶來的影響，使模擬結果更加精確。

5 結 論

本研究以中國五大玉米種植區中241 個地級行政單元為研究對象，基于國際耦合模式比較計劃第五階段（Phase 5 of Coupled Model Inter-Comparison Project，CMIP5）中多個氣候模式提供的未來氣候預測數據集和AquaCrop 作物生長模型對中國在21 世紀中期及末期在rcp2.6、rcp4.5、rcp8.5，3 種不同代表性濃度路徑下的干旱強度及玉米產量損失率進行了模擬計算，比較了中國未來時期與歷史基準時期干旱分布的時空變化，并在此基礎上通過建立Logistic 回歸模型評估了干旱水平對玉米產量的影響。主要結論如下：

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

2）與歷史時期相比，未來中國干旱水平除西南山地丘陵玉米區略有下降以外，其余地區均呈現總體上升趨勢，這種趨勢在rcp4.5、rcp8.5 情景下的表現尤為明顯。其中南方丘陵玉米區的干旱強度增長幅度最大，其次是黃淮海夏播玉米區、北方春播玉米區和西北灌溉玉米區。

3）玉米因干旱導致的產量損失率隨干旱強度變化符合Logistic 曲線關系，回歸結果的R2=0.96。當干旱指數到達0.2 附近時，隨著干旱指數增長，產量損失率開始迅速增加；當干旱指數到達0.6 左右時，產量損失率接近最大值。

4）未來中國西北地區干旱程度最為嚴重，在無灌溉情形下，玉米產量損失平均可以90%以上，而北方春播玉米區和黃淮海夏播玉米區干旱指數的閾值正處于“S”曲線斜率最大的中部，產量損失對干旱變化的反應最為敏感，灌溉效益最高。因此，在這3 個區域需要積極維護灌溉設施，充分提高水資源利用效率，以保證農業灌溉需求。