|
Emergent constraint on crop yield response to warmer temperature from field experiments Xuhui Wang, Chuang Zhao et al 2020 in Nature Sustainability 随着人口增长和气候变暖，粮食安全能否得到保障已经成为了关乎可持续发展的关键性问题。因此，作物产量如何响应温度变化受到学者和政府的高度关注。作物模型是研究这一问题的重要工具，然而作物模型自身具有很多不确定性。目前大多数作物模型都是基于特定区域或站点进行模拟，这使得模型难以准确表征全球和区域大尺度下作物产量对气候变暖响应，如何提高未来气候变暖情况下全球作物产量变化的评估精度成为关注热点。图1：采用实验数据约束的作物产量对温度的敏感性 （图中虚线代表没有应用实验数据进行紧急约束的评估结果，实线代表使用后） 文章收集小麦，玉米，水稻和大豆在全球范围内田间增温实验的实测数据（48个站点），与网格全球作物模型结合，使用贝叶斯条件概率为核心的emergent-constrain方法，重新评估了四种主要粮食作物对增温的响应，即产量对温度的敏感性。其中emergent-constrain方法的原理就是利用站点尺度增温敏感性与区域增温敏感性的关系，利用这种关系来约束模型中区域尺度产量对温度敏感性。约束后的结果表明，温度每升高一度，玉米，大米，大豆和小麦分别减产7.1±2.8%，5.6±2.0%，10.6±5.8%和-2.9±2.3%。与其他模型预测产量变化结果相比，文章中方法所估算出的温度敏感性涵盖更大的空间范围，同时修正了模型参数，将评估精度的不确定性下降了12-54%。
图2：五大生产国农作物产量对温度变化的响应 （白色条形图为未采用实验数据紧急约束方法，灰色条形图为采用后） 接着，文章进一步分析主要粮食生产国作物产量对温度的敏感性。总体来看，主要生产国的作物产量都会随温度上升而减产，其中，在同样升温条件下，印度的小麦减产最为显著，中国的水稻减产最小。由于全球温度上升幅度不一致，作物产量对气候变暖的响应还应该考虑变暖空间差异，特别是对小麦和大米。同时，文章还参考了《巴黎协定》中的关键温度节点（1.5K和2K）和CO2排放量浓度（RCP2.6和RCP6.0）情况，分别估算了相应情况下四种作物的减产情况。最后，文章讨论了研究的局限性。对四种作物的估计中，小麦和水稻的实验数据点相对较多，而玉米和大豆的实验数据点少，因此估计中的不确定性可能会更大。同时文章指出模型在未来产量预估应该考虑到更多相关变量进行完善，如作物具体类型特性、气候土壤等自然地理条件特征，以及CO2施肥作用、农民可能采取适应措施如灌溉等。Edited by 地学新文献 注1：论文共同一作为北京大学城市与环境学院王旭辉研究员和2017届博士赵闯，通讯作为王旭辉研究员。 注2：文章作者王旭辉和赵闯都是我博士班的同学，都是朴老师的高徒。现在一个在北大研究员，一个在美国做博后，都非常厉害。我一直佩服王旭辉同学，他拥有对科学问题敏锐的洞察力和极深的学术修养，大四时候就发一作PNAS，博二就一作Nature正刊。赵闯同学也十分了得，博士研究坐得起冷板凳，厚积薄发，读博前4年没发一篇文章，但最后一年连发PNAS，Nature Plants, Nature Communications三篇文章。其中PNAS文章非常高引。公众号也发过赵闯在2017年的PNAS文章，感兴趣可以直接点击查看。
|
