Nat. Commun.丨气候变化解释了全球作物产量变化的三分之一

论文内容

研究背景：

历史和未来气候变化如何影响作物产量受到了广泛关注。然而，气候变化如何影响作物产量，以及它们如何随时间变化，却很少受到关注。这不仅有助于我们了解气候和作物产量如何随着时间的推移而联系在一起，也有助于确保未来的粮食安全。在这项研究中，我们想知道，观测到的作物产量的逐年变化在多大程度上与全球农田的气候变化有关？此外，我们调查了哪些气候变量——与温度和GDD的变量，或者与降雨量和水分利用率有关的变量——最能解释世界各地产量的变化。先前研究作物产量和气候之间关系的分析通常使用国家和地区数据。例如，全球研究通常以国家为尺度，对国内影响的空间模式提供的见解很少。我们的研究使用了最新可用的关于世界13500个不同政治单位的四种主要作物（玉米、水稻、小麦和大豆）的作物收获面积和产量的时间地理空间数据。

研究内容：

我们研究了1979年至2008年的历史时期，涉及到世界上13500个不同的政治单位。为了研究观测到的产量变化与气候变化的关系，我们使用了气候研究所（CRU）的18个网格月度数据，然后将数据重新映射到测量产量的13500个政治单位。我们探索了一系列统计模型，这些模型将作物生长季节和年度条件下观察到的温度和降水量的趋势性变化与每个政治单位的产量的趋势性差异联系起来。接下来，选择了“最佳拟合”模型，然后进行F检验，以确定所选模型相对于假设随机气候变化的零模型的拟合优度。我们对产量变异性如何与温度或降水变异性的正常或极端波动或它们的相互作用有关进行了分类。每个地区的“最佳拟合”模型被分为七大类，然后在全球范围内进行映射：产量变化由（i）正常温度或（ii）正常降水量变化来解释的模型；产量变化由（iii）正常和极端温度或（iv）正常和极端降水量变化来解释的模型；（v）其中产量变化由极端温度或（vi）极端降水变化来解释；和（vii）温度和降雨，然后进一步开发了温度和降水的简化模型，并将其绘制在每个政治单位。由此产生的全球地图确定了正常和极端气候变化在哪里以及在多大程度上解释了产量变化，并对其进行了量化，可用于针对产量和气候变化之间的因果关系进行研究，并最终采取政策干预措施来稳定农民收入和粮食供应。

结果表明，玉米产量的最高变异系数出现在玉米核心粮带以外的地区，包括巴西东北部和非洲、印度、墨西哥东北部和美国东南部的部分地区（图1）。全球平均水稻产量变异性为0.5 t/ha/year。在巴西东北部和印度中部等水稻生产边缘地区，水稻产量的变异系数也同样较高。相比之下，一些产量变异系数高的小麦地区，如澳大利亚和美国大平原州，是全球重要的小麦粮仓（图1）。全球平均小麦产量变异性为0.4 t/ha/year。在世界顶级大豆产区，如美国中西部和拉丁美洲国家，变异系数较低。在具有显著关系的地区进行全球平均，我们发现32-39%的玉米、水稻、小麦和大豆的年产量变化是由气候变化解释的。一般来说，气候变异性对水稻产量变异性的解释最小。全球约75%的玉米产量集中在57%的收获区，包括美国中西部地区、墨西哥中部、巴西南部、阿根廷和中国的玉米带、西欧和南非的部分地区以及印度和印度尼西亚的一些地区。在这些主要玉米粮带中，41%的总年产量变异性（0.8 t/ha/year）是由年际气候变异性解释的。全球约75%的水稻产量来自中国、印度和印度尼西亚。对所有具有统计显著气候影响的水稻收获区（约占全球水稻收获区的52%）进行平均，我们估计产量每年变化t/ha/year。年复一年的气候变化解释了全球水稻产量变化的32%（图2b），降水变化解释了南亚更多的变化，温度变化解释了更多的变化东南亚和东亚的变异性（图3b）。

研究结论：

在具有显著关系的地区进行全球平均，我们发现32-39%的玉米、水稻、小麦和大豆的年产量变化是由气候变化解释的。这转化为气候解释的玉米、水稻、小麦和大豆的年产量波动分别为~2200万吨、~3万吨、~90万吨和~2万吨。我们对气候变异性和产量变异性之间关系的空间详细评估显示，温度、降水及其在区域内和区域间相互作用的相对影响具有不同的空间模式。

转自：“农科学术圈”微信公众号

如有侵权，请联系本站删除！