WOFOST模型在評估氣候變化對糧食生產影響方面的研究進展

王萌萌，董智強，李楠，李曼華，陳辰

摘要：近年來國內外學者采用不同的方法評估氣候變化對糧食生產的影響，其中機理模型評價方法是運用較多的方法之一。WOFOST（WOrld FOod STudies）模型由于其機理性強、源代碼開放、調參較為簡便等優勢，已經在相關研究中得到廣泛應用。該模型以不同作物生長發育的機理過程為依據，經過適用性驗證后，可用于糧食作物氣候生產潛力評估和氣象災害影響評價；結合歷史氣候資料與未來氣候情景數據，可定量評價過去及未來氣候變化對糧食生產的影響。通過介紹WOFOST模型的基本原理、運行機制、參數設定與參數本地化等相關方法，系統總結該模型在評估氣候變化對糧食生產影響方面的研究進展，并指出現有研究存在的不足，以期對未來開展相關研究工作提供參考。

關鍵詞：氣候變化；WOFOST模型；糧食生產；影響解析；適應決策

中圖分類號：P49? ? ?文獻標志碼：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與增強，人類生產生活正受到顯著影響[2–3]。糧食生產作為對氣候變化響應最為敏感的產業，正承受著日益增長的負面影響；伴隨農業氣候資源、作物生長發育與產量形成等的變化，農業可持續發展與糧食生產安全正面臨前所未有的威脅[4–7]。

農業氣候資源主要包括光、熱和水等，是作物生長的物質基礎和能量源泉。氣候變化使光、熱、水的分配發生變化，進而影響種植制度、品種布局、作物發育進程及其產量、品質形成等[2，8–9]。氣候變暖直接改變了區域的熱量資源，但同時積溫的增加會使得作物生長發育加快，生育期縮短，減少短生育期作物的干物質累積時間，最終造成產量下降[10–12]。非洲、亞洲、歐洲、拉丁美洲等大多數國家，都出現糧食產量顯著降低的情況，糧食生產正面臨前所未有的威脅，并隨著氣候變化的嚴峻形勢而日益加劇[1，12]。在氣候變化背景下，干旱、洪澇、高溫熱害、低溫冷害與病蟲害等發生的頻率與強度呈明顯增大的趨勢，影響糧食生產安全[13–14]。為此，如何科學定量地評估氣候變化對糧食生產的影響，并探討有效的適應對策，不僅是一個重要的科學問題，也是政府部門亟需解決的現實問題，對于提升防災減災能力、保障糧食安全、確保農業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影響的研究方法，便是構建氣候因子與作物生育期、產量及品質等的關系方程，并以之為依據進行影響評估。但是由于很多地區缺乏長時間尺度的糧食生產數據資料，或是因為在不同的氣候背景下，不同氣候因子與糧食生產之間的相互關系不明確，導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和模型模擬等[15–20]。觀測試驗是一種重要的研究方法，可獲取大量重要數據用以檢驗假設或評價因果關系。但試驗過程耗時、耗力，需要多種處理的長期觀測，實施起來具有一定的難度，在使用中存在較大的局限性。作物機理模型以不同作物生長發育的機理過程為依據，通過結合不同的氣候模式，能夠較為準確地對作物生長發育和產量形成進行模擬，進而生成長時間尺度的糧食生產數據，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，特別是能夠大大擴展影響評估的時間與空間尺度，目前已經在很多國家和地區得到廣泛應用，成為定量評估氣候變化對作物生長發育、產量形成影響的主要研究方法[15，17，21]。而這其中，WOFOST（WOrld FOod STudies）作物模型由于機理性強、源代碼開放、調參相對簡便等優勢，已經在氣候變化對糧食生產的影響評估方面得到了廣泛應用[22–25]。

為此，本文將在介紹WOFOST模型基本原理、參數本地化方法及其發展應用的基礎上，系統總結該模型在評估氣候變化對糧食生產影響中的研究進展，分析目前研究中存在的相關問題與未來展望，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和世界糧食研究中心共同開發研制，模擬一定土壤和氣候條件下作物生長發育的動態解釋性模型[26–31]。以日為時間步長，該模型能夠動態、定量模擬潛在條件、水分限制和養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，養分、水分等條件都處于最適狀態；水分限制條件下假設養分供給仍處于最佳狀態，模擬水分條件對作物生長的影響；養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進行模擬，模擬的基礎為同化作用、呼吸作用、蒸騰作用以及干物質分配等生理生態過程[26，31]。根據作物品種特性和環境條件，解釋作物從出苗到開花、開花到成熟的生長發育過程，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積累[27]（圖1）。干物質生產的基礎是冠層總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，余下的同化物被轉化成干物質，在轉化過程中又有部分干物質被用于生長呼吸而消耗，產生的干物質在根、莖、葉和儲存器官中進行分配，分配系數隨發育階段的不同而變化，發育階段的計算由積溫或日長進行控制[26–28]（圖1）。

WOFOST模型自問世以來得到了極大的發展，隨著版本的不斷更新，其應用范圍不斷擴大，相關研究在世界各地不同領域廣泛開展[34]。目前WOFOST模型主要被用于產量預測、風險分析、生產潛力評價、災害影響評估、氣候變化影響評估及預估、關鍵發育期預報、長勢模擬、生長關鍵因子確定、灌溉和施肥的產量效益估算等方面[35–41]。

WOFOST模型的首次應用是在加納、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量的影響，結果表明，在這3個國家，糧食產量隨施肥量的增加而增加，額外的田間灌溉對產量影響較小[28，32，42]。在布基納法索的AGRISK工程中，WOFOST模型被用于產量風險研究，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險之間的關系，更好地指導農業生產實踐[32，43]。此外，WOFOST模型在歐洲被用于對主要大田作物的潛在產量評估，在安第斯山脈被用于灌溉和水分保持評價，為指導當地的農業生產提供有效依據[31，44–45]。在農業遙感檢測（Monitoring Agriculture with Remote Sensing，MARS）工程中，歐洲聯合研究中心利用WOFOST模型，將當年和往年的作物生長動態進行比較，同時對整個地區和國家進行產量預測[32，46–47]。之后WOFOST模型被耦合入作物生長監測系統（Crop Growth Monitoring System，CGMS）中，并可以在計算機的SUN-UNIX操作系統中運行。另有學者將模型進行擴展修改，使之運用于森林和草地的模擬[28，42]。

2 應用評估研究進展

WOFOST模型具有一定的普適性，可根據作物品種、土壤特性、氣候條件等對參數進行調整，進而使模型適用于不同地區的不同作物[21，35–36]。在對WOFOST模型進行適用性研究時，需要對作物參數和土壤參數進行標定，結合研究區域的氣候特征、土壤特性和研究作物的品種遺傳特性，調試出模擬效果最好的一套參數，即參數本地化[21]。其中土壤參數可通過農業氣象常規觀測資料和土壤含水量動態觀測數據進行調整，而作物參數數量相對較多并且復雜，因此目前關于參數本地化的研究多集中于作物參數的確定與驗證[41，48]。

2.1 參數本地化應用

2.1.1 參數敏感性分析

WOFOST模型的參數量很大，對全部參數一一進行校正和優化的工作量巨大，而且有些參數的校準和優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的敏感性和重要性，從而確定需要優化的參數[48–49]。敏感性分析可有效提高模型應用中的工作效率，也可以減少優化算法的計算量和計算時間，因此在實際研究中得到了廣泛應用。通過敏感性分析，篩選出對模型模擬結果影響較大的參數，再對敏感參數進行優化，對于不敏感的參數可采用模型默認值或查閱相關文獻獲取參數值[49–50]。比如相關學者通過敏感性分析，選定華北冬小麥出苗期和返青期生物量為待優化參數，并通過同化觀測數據有效減小了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育和產量的模擬效果時，有學者對主要參數進行了敏感性分析，選取并調整了對模擬結果影響較大的積溫、貯存器官同化物轉化效率等參數，最終驗證了WOFOST模型在東北春麥區的適用性[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對模擬結果的影響，分析結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變化對模擬結果的影響，并且可以反映參數之間相互作用的綜合影響。因此，作物模型參數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參數篩選法、基于方差的Sobol法、傅里葉幅度檢驗法（Fourier Amplitude Sensitivity Test，FAST）、擴展傅里葉幅度檢驗法（Extend Fourier Amplitude Sensitivity Test，EFAST）等[48，53]。其中，EFAST法計算高效，要求的樣本數較低，目前應用較為廣泛，該方法充分采取Sobol法和FAST法的優勢，進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對模型結果的方差，把參數敏感性分為單個參數及參數之間耦合作用對模型結果的影響兩種類型[48]。相關研究采用EFAST方法，對WOFOST模型26個作物參數進行了全局敏感性分析，確定了TSUM1、SLATB1、SLATB2、SPAN、EFFTB3和TMPF4等6個對產量敏感的參數，證明了該方法在模型參數本地化研究中應用前景較大（表1）[54]。

2.1.2 參數本地化

在完成參數敏感性分析的基礎上，就要對敏感參數進行本地化驗證。現階段，較為常用的參數本地化方法主要有3種，即控制試驗法、試錯法和對比優化法。

在模型建立之初，作物生長參數主要通過控制試驗或大田試驗獲取，根據大量的試驗觀測數據對作物參數進行本地化標定[21，55]。該方法工作量大，不利于WOFOST模型的廣泛使用和推廣。

試錯法是在默認參數范圍或現有研究的基礎上，逐個調整模型參數并運行，通過比較模擬值與實測值的擬合程度來確定參數值。試錯法可操作性強且實用效果良好，因此在相關研究中應用相對廣泛[21]。如運用WOFOST模型評估玉米干旱損失的研究中，采用試錯法進行參數調整，驗證了模型在北京地區春玉米和夏玉米產量模擬與災害評估方面的適用性[39]。在內蒙古河套灌區對玉米生長全過程的模擬適用性研究中，采用試錯法對WOFOST模型部分參數進行校準，研究結果表明，模型對葉面積指數、各器官生物量以及產量的模擬結果與實際較為符合，能夠適用于河套地區玉米生理、生態過程的診斷、評估等[49]。

基于過程模型的非線性參數優化方法，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優化程序等。其中，MCMC是基于貝葉斯統計理論的一種參數估計方法，在基于過程的生物模型調參方面應用廣泛，其參數優化效率較GLUE更高[48，56]。已有學者結合參數全局敏感性分析方法以及MCMC法，以冬小麥實際觀測數據為參照，對WOFOST模型的55個品種參數進行了敏感性分析、篩選和優化，為冬小麥參數本地化研究夯實了基礎[48]。除此之外，目前應用較多的FSEOPT優化程序[35–36，57]，是根據Price算法和Downhill-Simplex方法，利用FORTRAN（Formula Translation）語言開發的一種模型參數優化程序[35，58]。該程序以模型模擬結果與實測數據的擬合優度為標準，進行參數優化，并最終獲得參數值的最佳組合，相關學者采用FSEOPT優化程序對敏感參數進行調整，有效減小了WOFOST模型的模擬誤差[35]。

2.1.3 參數適用性評價

WOFOST模型引入我國后，其模擬性能和適用性在很多地區的不同作物中得到了驗證。如基于2000—2001年禹城綜合試驗站的水分處理實驗，采用2001年實驗數據對參數進行校正，利用2000年實驗數據進行驗證，結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；但模型對一些細節問題考慮不足，較為適合大面積、區域范圍內的模擬，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[27]。如以華北地區冬小麥為研究目標，采用不同氣候生態區代表站點資料對模型參數進行調整，并利用同化法將WOFOST模型與MODIS（Moderate Resolution Imaging Spectroradiometer （MODIS））遙感信息相結合，取得較好模擬效果，為遙感信息在冬小麥區域生長模擬研究中的應用奠定了基礎[36]。如根據山東省16個農業氣象觀測站歷史觀測數據和水分控制試驗資料，確定了WOFOST模型中光溫和土壤性能相關參數，采用對比優化法確定其他生理參數，結果表明調整優化后的參數對于冬小麥生長發育和產量形成的模擬具有較好的適用性（圖2、圖3），并且可以準確模擬干旱脅迫下冬小麥產量的減少趨勢，為WOFOST模型的推廣應用、干旱評估等提供了參考[59]。

2.2 氣候變化影響評估

2.2.1 氣候生產潛力影響評估

WOFOST模型在定量評估氣候變化對糧食生產的影響研究中已經發揮了巨大作用，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量差距，結果表明，25個國家主要地區的模擬單產差距為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量的影響，結果表明氣候變化的綜合影響使冬小麥產量增加30%～55%[61]。國內專家學者將WOFOST模型與氣候趨勢分析方法相結合，研究近43 a黑龍江氣候變化對農作物產量的影響，結果表明玉米產量呈增加趨勢，平均增幅為4.81%/10 a，大豆產量整體呈下降趨勢，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潛力的空間分布特征進行模擬分析，結果表明甜菜早、中熟品種氣候生產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，在中西部處于中產水平[63]。利用WOFOST模型模擬青藏高原冬小麥生產潛力及其對氣候變化的響應，結果表明冬小麥光溫生產潛力呈下降趨勢，平均降幅為每10 a 0.27 t/hm2，主要是因為升溫使冬小麥生長季顯著縮短，接收的總輻射量減少，不利于干物質積累，光溫生產潛力下降[64]。通過對WOFOST模型進行面域化，模擬華北平原夏玉米潛在產量時空演變及其對氣候變化的響應，并分析潛在產量與平均溫度及日均太陽總輻射的相關性，結果表明潛在產量上升的區域與溫度的上升有關，潛在產量下降的區域與太陽總輻射的下降有關[40]。利用驗證后的WOFOST模型模擬華北地區冬小麥的光溫生產潛力和氣候生產潛力，結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]。根據水稻田間試驗，模擬并驗證浙江水稻潛在生長過程，結果表明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潛力，為當地制定水稻種植計劃和田間管理措施提供科學依據[29]。

2.2.2 氣象災害影響評估

氣候變化加劇了農業氣象災害的發生，評估其對糧食生產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的影響，最高氣溫和最低氣溫分別升高1 ℃和2 ℃將導致產量分別下降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量對升溫脅迫的響應，結果表明升溫4 ℃導致站點A和站點B冬小麥在2003年、2004年減產均超過10%，導致玉米在2013年減產超過10%，但在2014年減產小于10%[67]。利用WOFOST模型對遼寧省春玉米進行干旱災損風險評估，結果表明不同生育期發生干旱對最終產量的影響不同，并且在相同干旱情形下，不同區域受影響的程度也不同，在全生育期和各生育階段發生輕、中、重旱3種不同情景下，干旱導致的減產率總體上呈由東部向西部地區逐漸加重的趨勢[37]。采用WOFOST模型評價內蒙古河套灌區玉米生長發育對低溫冷害的響應，結果表明，以抽雄期延遲日數和灌漿指數為冷害指標，對歷史冷害發生狀況的評估結果與實際基本相符，研究時段1961—2010年12個站點共發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%，在發生嚴重冷害的年份中，84.7%的年份表現為減產的趨勢；與傳統方法相比，用該方法評價研究地區玉米低溫冷害的生物學意義更加明確[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、不同發育時段降水量和根層土壤含水量等水分條件的敏感性，結果表明，夏玉米對干旱的敏感發育階段依次為抽雄—乳熟期、出苗—七葉期以及拔節—抽雄期；對澇漬的敏感發育時段主要為出苗—七葉期、拔節—抽雄期以及七葉—拔節期；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%可能導致夏玉米減產14.5%[68]。在WOFOST模型中增加晚霜凍影響處理，建立風險評估模型對黃淮區域晚霜凍風險進行評估，結果表明冬小麥晚霜凍風險呈西高東低趨勢，黃淮西部的高風險主要是由于晚霜凍的高災損，河南西南部的高風險是由于晚霜凍的高頻率，西北部和東部的高風險則是晚霜凍的高頻率和高災損共同作用[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量的影響，結果顯示過高的溫度會抑制作物有機物合成，并且導致水稻生育期縮短，進而影響水稻干物質積累，高溫發生時段與程度不同造成水稻減產的程度不同，高溫強度越大、持續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行升溫和干旱脅迫模擬，結果表明灌漿期升溫和干旱復合脅迫會嚴重影響籽粒干物質積累和產量形成；不同級別升溫脅迫、干旱脅迫以及復合脅迫均導致減產率不同程度增大，籽粒干物質分配比例不同程度降低，復合脅迫的影響程度大于單一脅迫；升溫導致江蘇南部冬小麥減產程度最大，籽粒干物質積累受阻最為嚴重；干旱對江蘇中部冬小麥產量影響最為嚴重，籽粒干物質積累程度由南到北遞減；復合脅迫下，減產率大致由南至北遞增，而干物質積累程度遞減[70]。

2.2.3 未來情景影響預估

近年來，隨著氣候模式的發展，利用氣候模式與作物模型相結合的方法，可定量預估未來氣候變化對糧食生產的影響[18，20，71]。氣候模式是評價氣候變化及其影響的重要方法，可以實現長期氣候模擬，通過生成逐日天氣數據，輸入到作物模型，實現對未來氣候條件下作物生長發育和產量形成的模擬，用于預估氣候變化對糧食生產的影響[19–20，24]。國內外已有相關研究將不同氣候模式與WOFOST模型結合，預估未來氣候變化對不同地區及不同作物的影響[17，67，72]。

在國外，有關專家學者利用WOFOST模型預估在CO2濃度為425 ppm和500 ppm及升溫2.7～4.7 ℃條件下，伊朗地區旱作小麥到2025年和2050年的減產率，結果表明，兩種CO2濃度下2025年平均減產18%，在2050年平均減產24%，且減產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量，結果表明，溫度和CO2的單獨作用對不同熟型馬鈴薯產量影響較大，兩者的綜合作用導致2055年馬鈴薯晚熟、中熟和早熟品種產量分別下降2.6%、4.6%和5.3%[74]。

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

3 小結與展望

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

第一，WOFOST模型參數本地化、區域化運用等方面存在一定的不確定性。通過調整WOFOST模型參數對不同地區的不同作物進行模擬，在參數本地化過程中，用于調參的觀測數據由于試驗年份與品種的差異，會在一定程度上導致參數值的不同，進而導致模型的模擬精度存在不確定性。基于單站進行參數本地化的模型在應用到區域范圍時，空間差異性導致模擬精度降低。因此需要機理性更強、普適性更高的參數本地化方法，充分考慮模型對于不同作物生長機理的模擬和氣候變化實際，在業務應用中根據氣候年型、作物品種特性等確定最適宜的參數值，進而提高模擬精度。

第二，氣候變化本身存在不確定性。氣候變化在不同地區有不同的表現，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的頻率將大大增加，會對作物生長發育造成嚴重影響，導致糧食生產的不穩定性加劇。而WOFOST模型對于極端氣候事件的響應存在不足，不能全面、系統、準確地反映出氣候變化對糧食生產的影響。此外，氣候變暖導致作物病蟲害的發生、發展加劇，但未來氣候情景下，病蟲害對于糧食生產的影響程度難以估計，這也是今后需要重點研究的課題之一。

第三，氣候模式對于氣候變化的模擬存在不確定性。當前，用于開展未來氣候變化模擬的全球氣候模式和區域氣候模式眾多，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%）的模擬產量，導致氣候變化對作物產量影響的不確定性被放大[77]。此外，由于WOFOST模型需要氣象數據庫中的逐日太陽輻射量驅動光合作用模擬，而大部分氣象觀測站缺乏太陽輻射觀測數據，一般采用經驗公式通過日照時數計算得到，該計算過程中不可避免出現誤差，從而影響模擬結果；如何有效降低轉化計算過程中產生的誤差，將是進一步提高模擬準確性的有效方法之一。

第四，WOFOST模型對于氣象災害影響評價的不確定性。已有研究評價某災種影響時，模型均默認其他要素處于最適狀態下；但大田作物在實際生長過程中，會受光、溫、濕及田間管理措施等的綜合影響。因此需要進一步研究如何系統分析多因素之間的耦合作用，并深入探索多災種的綜合影響評價方法。

第五，目前對于WOFOST模型輸出結果的挖掘利用不夠，現有研究對于模型輸出結果的利用多集中在產量、生育期、干物重等，模型輸出的CO2同化、葉面積指數、呼吸消耗、干物質積累等生長發育過程數據非常詳細，如何充分利用這些數據來評價氣候變化對作物生長發育的影響，需要進一步研究與嘗試。

本文通過介紹WOFOST模型的運行機理和適用性研究成果，總結了該模型在評估、預估氣候變化對糧食生產影響中的應用現狀，并就存在的問題進行了思考和展望。相關專家和學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展，研究成果顯著，希望未來能在WOFOST模型參數本地化、機理開發利用、輸入數據優化、輸出結果運用以及災害影響評估等方面開展更深入的研究與探索。

參考文獻：

[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.氣候變化對中國農業生產的影響研究進展[J].應用氣象學報，2015，26（1）：1-11.

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

[4] 房世波，韓國軍，張新時，等.氣候變化對農業生產的影響及其適應[J].氣象科技進展，2011，1（2）：15-19.

[5] 周廣勝.氣候變化對中國農業生產影響研究展望[J].氣象與環境科學，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業影響研究綜述[J].海洋氣象學報，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劃研究[J].海洋氣象學報，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業熱量資源的變化趨勢及適應對策[J].應用生態學報，2010，21（11）：2922-2930.

[9] 俞書傲.氣候變化對農作物生產的影響：以浙江為例的實證研究[D].杭州：浙江大學，2019.

[10] 潘志華，鄭大瑋.氣候變化科學導論[M].北京：氣象出版社，2015.

[11] 肖國舉，張強，王靜.全球氣候變化對農業生態系統的影響研究進展[J].應用生態學報，2007，18（8）：1877-1885.

[12] 董智強.氣候變化背景下半干旱區春小麥生產的脆弱性與風險評估[D].中國農業大學，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.氣候變化對中國農業氣候資源及農業生產影響的研究進展[J].北方農業學報，2019，47（1）：105-113.

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

[18] 包剛，覃志豪，周義，等.氣候變化對中國農業生產影響的模擬評價進展[J].中國農學通報，2012，28（2）：303-307.

[19] 馬銳，江敏，石春林.氣候變化對農業影響評價研究進展[J].江蘇農業科學，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業影響的發展過程[J].中國農業氣象，2011，32（2）：240-245.

[21] 董智強，王萌萌，李鴻怡，等.WOFOST模型對山東省夏玉米發育期與產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冬小麥發育和產量的影響[J].應用生態學報，2006，17（7）：1179-1184.

[23] 王文佳，馮浩.國外主要作物模型研究進展與存在問題[J].節水灌溉，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量變化模擬[J].干旱地區農業研究，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冬小麥產量的影響[J].中國農業氣象，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].植物生態學報，2003，27（5）：594-602.

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

[29] 謝文霞，嚴力蛟，王光火.運用WOFOST模型對浙江水稻潛在生長過程的模擬與驗證[J].中國水稻科學，2006，20（3）：319-323.

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

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

[32] 楊妍辰.干旱對河北固城地區夏玉米產量影響的模擬研究[D].南京：南京信息工程大學，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[J].中國農業氣象，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域生長模型及模擬研究[J].氣象學報，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損風險評估[J].干旱地區農業研究，2020，38（6）：218-225.

[38] 李秀芬，馬樹慶，趙慧穎，等.基于WOFOST模型的內蒙古河套灌區玉米低溫冷害評價[J].中國農業氣象，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].中國農業氣象，2014，35（3）：311-316.

[40] 江銘諾，劉朝順，高煒.華北平原夏玉米潛在產量時空演變及其對氣候變化的響應[J].中國生態農業學報，2018，26（6）：865-876.

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

[42] 張鐵楠. WOFOST模型在東北春麥區生產中的應用研究[D].哈爾濱：東北農業大學，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作物模型參數優化[J].農業工程學報，2016，32（2）：169-179.

[49] 孫琳麗，侯瓊，馬玉平，等.WOFOST模型在內蒙古河套灌區模擬玉米生長全程的適應性[J].生態學雜志，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模型對東北春麥區春小麥生長和產量的模擬效果[J].麥類作物學報，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作物模型參數敏感性分析[J].河南理工大學學報（自然科學版），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/參數化方法研究初探[J].植物生態學報，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作物產量影響的模擬研究[J].應用氣象學報，2007，18（4）：532-538.

[63] 高永剛，南瑞，顧紅，等.黑龍江省甜菜氣候生產力模擬和種植氣候區劃[J].生態學雜志，2009，28（1）：27-31.

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

[65] 鄔定榮，劉建棟，劉玲，等.華北地區冬小麥生產潛力數值模擬及其自然正交分析[J].干旱地區農業研究，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育階段對旱澇災害的敏感性[J].自然災害學報，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量和干物質分配的影響[J].氣象與減災研究，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玉米單產影響的模擬研究[J].干旱區資源與環境，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量的影響模擬[J].西北農林科技大學學報（自然科學版），2014，42（7）：61-69.

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