未来升温1.5℃与2.0℃背景下中国玉米产量变化趋势评估*

李 阔，熊 伟，潘 婕，林而达，李迎春，韩 雪



未来升温1.5℃与2.0℃背景下中国玉米产量变化趋势评估*

李 阔，熊 伟，潘 婕，林而达，李迎春，韩 雪

（中国农业科学院农业环境与可持续发展研究所，北京 100081）

基于ISI-MIP推荐的5个气候模式在4个RCP情景下的模拟结果，筛选21世纪末全球升温最接近1.5℃和2.0℃的气候数据，运用作物模型DSSAT，模拟升温1.5℃和2.0℃背景下中国玉米产量相对于基准时段1985−2006年的变化，揭示了1.5℃与2.0℃升温背景下中国玉米产量变化的空间分布。结果表明：升温2.0℃背景下玉米减产风险明显高于升温1.5℃，未来升温2.0℃背景下中国玉米减产面积比升温1.5℃背景下多6.2%，升温1.5℃和2.0℃背景下中国玉米平均减产幅度分别为3.7%和11.5%；从空间分布来看，升温1.5℃与2.0℃背景下未来中国玉米产量变化在区域分布上大致相似，但未来玉米增产和减产的面积和幅度不尽相同，在北方与西南玉米种植区都有一定的增产区域，其它区域大多以减产为主，其中西北部玉米种植区减幅最大；1.5℃升温背景下北方大部分地区气候条件对玉米生长有利，2.0℃升温背景下北方地区玉米减产也不明显，说明从近期到未来一段时间内，将全球升温控制在1.5℃以内，北方地区玉米仍具有一定增产潜力。

RCP情景；升温1.5℃；升温2.0℃；玉米产量；作物模型；巴黎协定

近百年来，全球气候发生了巨大变化。根据IPCC第五次评估报告，全球平均地表温度在1880−2012年升高了0.85℃，全球几乎所有地区都经历了地表增暖[1]。中国气象局《中国气候变化监测公报（2013）》指出，1901−2013年地表年平均气温呈显著上升趋势，并伴随明显的年代际变化特征，过去100a间（1914−2013年），中国地表年平均气温的增幅为0.91℃，不同气候区升温幅度差异明显。气候变化带来的极端气候事件日益频繁，由此引发的生态环境问题日益严重，从而制约人类社会经济的可持续发展[2]。全球变暖已经由一个科学问题逐渐变成了各国政府和各国人民共同关注的重大社会问题。2016年，《联合国气候变化框架公约》近200个缔约方在巴黎气候变化大会上达成《巴黎协定》[3]，提出把全球平均气温较工业化前水平升幅控制在2.0℃之内，并为把升温控制在1.5℃之内而努力。围绕这一目标，全球各国政府都在付诸实际行动开展减排和适应气候变化工作，中国也将坚定履行《巴黎协定》承诺。

国外有研究者对升温1.5℃和2.0℃背景下农业、海平面、降水的影响进行了分析[4]，指出不同阈值下不同领域影响差异显著，整体来看，以往研究对升温1.5℃与2.0℃影响的比较研究报道并不多[5−8]，同时升温控制目标的确定应基于更充分的科学分析[9]，尤其对于1.5℃阈值下全球以及区域气候变化特征及影响急需深入研究[10−11]。国内研究者对升温2～4℃的全球及区域气候变化特征进行了较多研究，对于升温1.5℃的气候变化影响研究还相对较少[12−14]。姜大膀等[15−16]基于CMIP3模式模拟分析表明，在全球升温2.0℃背景下，中国地区的升温幅度更大并由南向北递增。陈晓晨等[17]分析了升温2.0℃、3℃、4℃背景下中国27个极端气候指数的变化趋势。郎咸梅等[18]利用CMIP3模式分析指出，未来全球变暖2.0℃背景下，极端暖事件普遍增加，极端冷事件减少，极端强降水事件增加并存在很大空间变率。张莉等[19]运用CMIP5模式模拟了全球和中国年平均地表温度变化并预估了2.0℃升温阈值。Guo等[20−21]利用CMIP5模式，分析了升温1.5～5℃背景下中国极端降水和热浪的变化。王安乾等[22]分析了全球升温1.5℃与2.0℃背景下中国极端低温事件的空间分布变化，并评估了耕地暴露度。Huang等[23]研究表明，近百年来全球干旱半干旱区升温比湿润区高20％～40％，当未来全球平均升温达2.0℃时，气温增高所导致的玉米减产、地表径流减少、干旱加剧和疟疾传播等气候灾害在干旱半干旱区最为严重，从而进一步扩大全球社会经济发展的区域差异，将全球升温控制在1.5℃之内将大大减缓干旱半干旱区可能面临的灾害程度。综合来看，目前研究主要集中在2.0℃以上升温，对1.5℃升温研究相对较少；同时对于未来全球升温1.5℃和2.0℃背景下，中国粮食、水资源、生态环境等方面所受到的影响尚不清晰，现阶段这方面的研究也较少；尤其对于农业领域，未来全球升温1.5℃和2.0℃背景下中国主要粮食作物的产量变化趋势研究尚处于空白状态。

为了明晰1.5℃和2.0℃背景下中国粮食生产所面临的风险，本研究从中国三大粮食作物中的玉米入手，开展未来气候变化影响下玉米产量变化趋势研究。基于5个CMIP5模式在4个RCP情景下的模拟结果，筛选未来全球升温最接近1.5℃和2.0℃的气候状态，并运用DSSAT模型，模拟1.5℃和2.0℃升温背景下中国玉米单产的变化，对比1.5℃与2.0℃升温背景下玉米单产减产和增产强度的空间分布，以期揭示未来气候变化对中国玉米生产的潜在影响风险，为中国玉米生产应对未来气候变化提供科学支撑，使中国农业领域的减排与适应气候变化工作有的放矢，有效支撑中国兑现在《巴黎协定》中所做出的承诺，推动中国更有效地参与全球气候变化治理。

1 资料与方法

1.1 温度和降水数据

使用国际第五阶段耦合模式比较计划（CMIP5）中5个气候模式[24]，包括GFDL-ESM2M、HadGEM2- ES、IPSL-CM5A-LR、NorESM1-M、MIROC-ESM（表1），模拟输出的1861−2099年4个RCP情景（RCP2.6，RCP4.5，RCP6.0，RCP8.5）下温度和降水数据，以1986−2005年为基准历史时段，数据水平分辨率为0.5°×0.5°。

表1 5个CMIP5全球气候模式基本信息

注：水平分辨率=经向格点数×纬向格点数。

Note: Horizontal resolution means the number of longitudinal grids×the number of latitudinal grids.

1.2 模型及分区域玉米遗传参数确定

运用DSSAT模型（The Decision Support System for Agrotechnology Transfer）中的CERES-maize模块，将研究区域划分为6个区（图1），模拟未来1.5℃和2.0℃升温背景下玉米单产，通过对比基准时段（1986−2005年）玉米单产平均产量，计算未来1.5℃和2.0℃升温背景下中国玉米单产的变化。作物模型中选用6个参数进行区域上的校准和验证（表2），校准验证所用的农业生产数据包括播种日期、发育时期、播种密度、播种深度、施肥以及产量和产量要素，均来自中国气象局资料中心提供的分布在不同玉米种植区的128个农业气象实验站；各区域2010年种植面积与空间分布数据来自中国种植业信息网，在玉米县域种植面积数据库和地形地貌地图基础上进行网格化处理，生成网格化玉米种植面积数据；土壤数据来自中国土壤数据库，并在土壤属性数据库和土壤数字化地图基础上对区域土壤数据进行网格化处理，形成全国网格化土壤属性数据库。

结合已有的玉米遗传参数研究结果[25−28]，针对玉米的种植品种与范围，整个研究区划分为6个玉米种植区，分别是北方春玉米种植区、黄淮海夏玉米种植区、西南玉米种植区、西北玉米种植区、南方玉米种植区和青藏高原种植区，每个种植区的玉米遗传参数代表整个区域（表2）。其中青藏高原地区由于玉米种植面积非常小并且农业气象站点较少，因此，用西南地区玉米遗传参数代替。其它模拟条件设定：肥料管理为无胁迫状态，水分管理为自动灌溉，CO2肥效作用设为“考虑”。

图1 中国玉米种植六大分区及农业气象站点分布

表2 中国不同种植区玉米遗传参数汇总

注：P1为最适温度条件下通过春化阶段所需天数（d）；P2为光周期参数（%）；P5为籽粒灌浆期积温（℃·d）；G2为最佳条件下标准籽粒质量（mg）；G3为成熟期非胁迫下单株茎穂标准干质量（g），PHINT为完成一片叶生长所需积温（℃·d）。

Note: P1 is the number of days required for vernalization at optimum temperature conditions(d); P2 is photoperiodic parameter(%); P5 is accumulated temperature during grain filling stage(℃·d); G2 is standard grain quality under optimal conditions(mg); G3 is standard dry weight of single stem under non stress in mature stage(g); PHINT is the accumulated temperature required for the growth of one leaf(℃·d).

2 结果与分析

2.1 未来升温1.5℃和2.0℃气候情景的模拟

2.1.1 模式、情景和时段的选择

IPCC第五次评估报告指出，全球升温1.5℃和2.0℃均以1850−1900年平均温度作为参照值。由于中国区域内绝大多数气象站点仅记录了1950年以来的气象数据，无法选取1850−1900年作为基准期进行比较，为保证数据质量，本研究按照学界通常做法选取1986−2005年作为基准期。而1986−2005年平均温度比1850−1900年升高0.61℃，因此，若以1986−2005年平均温度为基准期，则全球升温1.5℃和2.0℃应该为比该基准期平均温度升高0.89℃和1.39℃。

本研究中全球升温1.5℃和2.0℃气候数据根据温室气体排放典型浓度路径（RCPs）驱动全球气候模式的结果来确定，从5个CMIP5全球气候模式4种RCP情景下组合形成的共计20套数据中筛选出符合条件的数据。首先利用未来逐年全球气温模拟值减去各自1986−2005年模拟均值，然后加上0.61℃，得到较工业化前逐年全球升温值，对升温序列进行20a滑动平均处理；根据IPCC第五次评估报告中提供的原则，对于全球升温1.5℃气候数据，在21世纪末升温需在1.5～2.0℃，符合条件的有两套数据，即IPSL-CM5A-LR，RCP2.6和GFDL-ESM2M，RCP4.5；对于全球升温2.0℃情景数据，在21世纪末升温需在2.0～2.5℃，同时达到2.0℃的时段不能早于2050年，亦筛选出两套数据，即NorESM1-M，RCP4.5和GFDL-ESM2M，RCP6.0；在此基础上，在2020−2099年时段确定升温达1.5℃和2.0℃的窗口期，得到未来升温1.5℃和2.0℃的模式、情景和时段（图2）。

通过对比分析，升温1.5℃的模式、情景、年份分别为IPSL-CM5A-LR，RCP2.6，2020−2039年；GFDL-ESM2M，RCP4.5，2041−2060年。升温2.0℃的模式、情景、年份为NorESM1-M，RCP4.5，2060− 2079年；GFDL-ESM2M，RCP6.0，2065−2084年。

2.1.2 降水和气温模拟结果

由图3可见，未来全球升温1.5℃和2.0℃背景下，中国温度和降水相对于基准时段（1986−2005年）的变化趋势显著。整体来看，两种背景下中国绝大部分区域都以升温为主要特征，大部分区域的降水呈现增多趋势；其中2.0℃背景下全国温度和降水上升幅度均明显高于1.5℃背景，其分布区域也大于后者。

从温度变化来看，在全球升温1.5℃背景下，北方春玉米区、黄淮海夏玉米区、西北玉米区、青藏玉米区升温大多在0～2.0℃，西北玉米区北部与西部、青藏玉米区西北部与东部有部分地区升温达到2.0℃以上；南方玉米区、西南玉米区普遍升温在1℃以上，其中部分地区升温达到2.0℃以上，呈现零星分布态势；降温区域在西北、青藏等地区有少量分布。在全球升温2.0℃背景下，北方春玉米区、黄淮海夏玉米区、青藏玉米区升温在1～3℃，西北玉米区西部地区普遍升温2.0℃以上，南方玉米区、西南玉米区普遍升温在2～3℃，降温区域明显减少。从降水变化来看，在全球升温1.5℃背景下，降水减少区域集中在南方玉米区、西南玉米区、西北玉米区、青藏玉米区的长江中下游、云南、新疆大部分地区，四川东部与西部地区，内蒙古西部地区以及西藏西部和北部地区，其它区域降水普遍增多0～200mm；在全球升温2.0℃背景下，降水减少区域大幅缩少，集中在西北玉米区、青藏玉米区、西南玉米区、南方玉米区的新疆、西藏、云南、湖北等区域，其它区域降水普遍增多，降水量也集中在0～200mm区间。除了温度和降水平均态的变化，通过分析可以发现，2.0℃升温背景下未来极端气候事件暴发的频次、强度以及空间范围也明显高于1.5℃升温背景。综合来看，相对于升温1.5℃，2.0℃升温将对中国产生更大程度的不利影响。

注：黑色水平虚线：升温达到1.5℃与2.0℃；黑色垂直实线：所选取模式、情景升温达到1.5℃与2.0℃时对应的年份。

Note: The black horizontal dashed lines: global warming by 1.5℃ and 2.0℃; the black vertical solid line: the years when global warming reaches 1.5℃ and 2.0℃ simulated by the selected models and scenarios.

2.2 未来升温1.5℃背景下模拟玉米产量变化分析

2.2.1 空间分布

利用IPSL-CM5A-LR模式，模拟RCP2.6情景下基准时段1986−2005年和2020−2039年两个时段气温和降水数据，输入DSSAT模型，模拟得到6个区域内每个格点两个时段玉米单产平均值，计算未来升温1.5℃背景下中国玉米产量变化率的空间分布，结果见图4a。基于同样方法，得到GFDL-ESM2M模式RCP4.5情景下两个时段玉米产量变化率的空间分布图（图4b）。

从空间分布来看，1.5℃升温背景下中国玉米大部分区域呈现减产趋势，增产区域主要集中在华北北部和中部、云南中部和北部、四川南部、甘肃南部地区以及其它零星分布。根据种植业信息网农作物数据库数据，中国玉米核心产区集中在北方春玉米种植区与黄淮海夏玉米种植区，两者产量合计占全国玉米总产量的70%左右，其变化趋势基本决定了中国玉米产量的变化。综合两个模式的模拟结果来看，在种植面积保持不变的前提下，1.5℃升温背景下北方玉米种植区未来玉米产量整体呈现增加趋势，黄淮海地区整体减产趋势明显，西南地区呈现下降趋势，其它3个区域减产趋势更为显著。

在IPSL模式，RCP2.6情景下，2020−2039年相比于1986−2005年，中国未来玉米总产平均减少1.12%。如图5所示，在北方玉米种植区，玉米减产面积占比48.3%，其中减产高风险区域（减产30%以上）占北方玉米种植面积的11.3%，主要集中在黑龙江南部、陕西北部、宁夏北部、山西西部等地区。在黄淮海玉米种植区，玉米减产面积占比64.2%，其中减产高风险区域（减产30%以上）占黄淮海玉米种植面积的10.6%，主要集中在河南西南部、山西南部、河北与山东交界等地区（图4a）。

图3 1.5℃（a）与2.0℃（b）升温背景下中国温度（1）和降水（2）变化空间分布

注：以1986−2005年为基准时段。下同。

Note: Relative to the baseline period from 1986 to 2005.The same as below.

（a）IPSL模式，RCP2.6情景，2020−2039年IPSL model, RCP2.6 scenario, 2020−2039；（b）GFDL模式，RCP4.5情景，2041−2060 GFDL model, RCP4.5 scenario, 2041−2060

图5 升温1.5℃背景下中国不同区域玉米产量变化

在GFDL模式，RCP4.5情景下，2041−2060年相比于1986−2005年，中国未来玉米总产平均减少6.27%。在北方玉米种植区，玉米减产面积占比48.3%，其中减产高风险区域（减产30%以上）占北方玉米种植面积的10.5%（图4b），相比于IPSL模式，减产和增产面积基本无变化，平均减产幅度和增产幅度都有轻微增大。在黄淮海玉米种植区，玉米减产面积占比80.3%，其中单产减产高风险区域（减产30%以上）占北方玉米种植面积的23.4%，相比于IPSL模式，减产面积明显增加，增产面积显著下降，平均减产幅度略有增加，增产幅度明显下降。

2.2.2 统计分析

对比两个模式不同情景不同时段的模拟结果（图6）可以发现，在升温1.5℃背景下，IPSL模式下玉米减产面积占全部种植面积的60.6%，GFDL模式下玉米减产面积占全部种植面积的68.5%。从图6可以看出，两种模式下玉米减产程度主要分布在0～30%区间，其中IPSL模式下玉米减产0～10%所占比重最大，GFDL模式下玉米减产10%～20%所占比重最大。同时，在1.5℃升温背景下，未来部分区域玉米存在增产的趋势，IPSL模式下玉米增产面积占全部种植面积的39.4%，GFDL模式下占31.5%。分析发现，1.5℃升温背景下中国玉米总体呈现减产趋势，一方面未来玉米减产面积占据较大比重，但单产减幅相对较小，另一方面未来玉米增产面积占比较小，但单产增幅相对较大，综合玉米单产变化与种植面积进行分析可知，1.5℃升温背景下中国玉米平均减产幅度达到3.7%。

图6 升温1.5℃背景下模拟产量相对于1986−2005年时段模拟产量变化率的面积统计

综合来看，在1.5℃升温背景下，未来中国玉米整体呈现减产趋势，IPSL模式RCP2.6情景下中国玉米平均减产1.12%，GFDL模式RCP4.5情景下平均减产6.27%，两个模式平均减产达到3.7%。在1.5℃升温背景下，气候环境发生变化，未来玉米减产区域遍布全国六大种植区，而未来玉米增产区域相对集中，主要分布在北方种植区和西南种植区。

2.3 未来升温2.0℃背景下模拟玉米产量变化分析

2.3.1 空间分析

利用NorESM1-M模式，模拟RCP4.5情景下基准时段1986−2005年与2060−2079年两个时段气候变化状况，输入DSSAT模型，模拟得到6个区域内每个格点两个时段玉米单产平均值，计算未来升温2.0℃背景下中国玉米产量变化率的空间分布，结果见图7a。基于同样方法，得到GFDL-ESM2M模式下RCP6.0情景下两个时段玉米产量变化率的空间分布图（图7b）。

从空间分布（图7）来看，2.0℃升温阈值条件下中国大部分玉米种植区域呈现减产趋势，增产区域主要集中在东北中部地区、内蒙中部地区、云南大部地区、四川中部与南部地区、甘肃南部地区以及其它零星分布，其整体分布趋势与升温1.5℃背景下中国玉米产量变化分布大致相似。综合两个模式的模拟结果来看，北方玉米种植区玉米产量整体有轻微上升趋势，黄淮海地区和西南地区未来玉米产量整体呈减少趋势，其它3个区域减产趋势更为显著。

在NorESM模式，RCP4.5情景下，2060−2079年相比于基准时段，中国未来玉米总产平均减少11.3%。如图8所示，在北方玉米种植区，玉米减产面积占比58.1%，其中减产高风险区域（减产30%以上）占北方玉米种植面积的17.5%（图7a），主要集中在黑龙江中部与南部、吉林东部、内蒙北部、陕西北部、宁夏北部，山西西部等地区。在黄淮海玉米种植区，玉米减产面积占比86.5%，其中减产高风险区域（减产30%以上）占黄淮海玉米种植面积的20.4%，主要集中在河南南部、山西南部、安徽北部、江苏北部、河北与山东交界等地区零星分布。

（a）NorESM模式，RCP4.5情景，2060−2079年NorESM model, RCP4.5 scenario, 2060−2079；（b）GFDL模式，RCP6.0情景，2065−2084年GFDL model, RCP6.0 scenario, 2065−2084

图8 升温2.0℃背景下中国不同区域玉米产量变化

在GFDL模式，RCP6.0情景下，2065−2084年相比于基准时段，中国未来玉米总产平均减少11.6%。在北方玉米种植区，玉米减产面积占比54.2%，其中减产高风险区域（减产30%以上）占北方玉米种植面积的12.7%（图7b）；相比于NorESM模式，平均减产幅度与减产面积都有一定下降，增产面积与增产幅度呈现上升；在黄淮海玉米种植区，玉米减产面积占比79.5%，其中减产高风险区域（减产30%以上）占北方玉米种植面积的26.2%；相比于NorESM模式，平均减产幅度增加，整体减产面积有一定减少，其中高风险减产面积增多，而增产面积和增产幅度均呈现上升。

2.3.2 统计分析

对比两个模式不同情景不同时段的模拟结果（图9）可以发现，在升温2.0℃背景下，NorESM模式下玉米减产面积占全部种植面积的71.9%，GFDL模式下占71.2%。两种模式下玉米减产程度主要分布在10%～50%区间，其中NorESM模式下玉米减产10%～20%所占比重最大，GFDL模式下减产20%～30%所占比重最大。同时，在2.0℃升温背景下，未来部分区域玉米存在增产的趋势，NorESM模式下玉米增产面积占全部种植面积的28.1%，GFDL模式下占28.8%，两个模式下玉米增产10%以内所占比重最大。综合分析发现，在2.0℃升温阈值条件下中国玉米总体呈现减产趋势，2.0℃升温阈值条件下中国玉米平均减产幅度达到11.5%，远超过1.5℃升温阈值条件下。

图9 升温2.0℃背景下模拟产量相对于1986−2005年模拟产量变化率的面积统计

综合来看，在2.0℃升温背景下，未来中国玉米整体呈现减产趋势，NorESM模式RCP4.5情景下中国玉米产量平均减产11.3%，GFDL模式RCP4.5情景下平均减产11.6%。相比于1.5℃升温阈值条件下，未来减产趋势更为显著，两种模式下玉米减产幅度较为接近，平均减产程度达到11.5%。

3 结论与讨论

由于全球学术界对升温1.5℃与2.0℃如何界定并没有形成统一的认知，目前开展的升温1.5℃与2.0℃气候预估和影响研究，往往采用多模式集合平均方法[29−31]，获取瞬时变化条件下的增暖响应，而不是长期目标所期望的稳定状态下的增温，进一步研究仍需要专为1.5℃与2.0℃升温设计模式预估试验，形成专有情景，为不同领域影响预估提供支撑。目前已有一些机构正在进行更低排放情景下的气候变化预估[32−34]，同时为了实现21世纪末控温1.5℃的目标，研究者普遍提出立刻采取减排行动并沿着低能耗轨迹发展的迫切性[35−37]，但人类社会要实现这一目标具有很大的挑战性。另一方面，针对升温1.5℃与2.0℃背景下气候变化趋势预估研究相对较多，但其对中国主要粮食作物影响评估研究还非常少，尤其是升温1.5℃与2.0℃背景下中国不同粮食产区面临的风险尚不清晰。

本研究从CMIP5诸多模式中，根据ISI-MIP（The Inter-Sectoral Impact Model Intercomparison Project）推荐筛选了5个气候模式，相较于其它气候模式，其可以更有效地支撑不同领域的影响评估并获得比较可信的结果；在此基础上，结合4种RCP情景，考虑到21世纪末最接近稳定增温1.5℃与2.0℃的条件，筛选了不同模式情景下升温达到1.5℃和2.0℃的时段与数据，最大程度上减少气候数据的不确定性。依托升温1.5℃和2.0℃气候数据，在前期对作物模型DSSAT大量研究基础上[25−28]，选取与中国玉米品种相匹配的遗传参数，结合公开发布的玉米种植信息、土壤数据和气象观测数据，提升玉米产量模拟的有效性与可信度。

分析发现，升温2.0℃背景下未来中国玉米减产风险明显高于1.5℃升温背景。一方面，2.0℃升温背景下中国玉米减产面积比1.5℃升温背景下增加6.2%；另一方面，2.0℃升温背景下中国玉米平均减产幅度比1.5℃升温背景下大7.8%；综合已有的全球升温研究结果，全球升温幅度越高，对玉米带来的综合不利影响可能越大，一方面温度升高幅度越大导致蒸散量增大，虽然降水量也在增加，但升温引起的蒸散程度更加剧烈，导致玉米生育期内干旱频发从而影响产量，另一方面相对于1.5℃升温，2.0℃升温背景下高温灾害频次与强度显著加重，导致玉米减产风险增大。

从空间分布来看，2.0℃升温背景下与1.5℃升温背景下未来中国玉米产量变化在区域分布上大致相似，但未来玉米增产与减产的面积和幅度不尽相同。在北方玉米种植区与西南玉米种植区都有一定的增产区域；其它区域大多以减产为主，其中西北玉米种植区减产幅度最大。整体来看，在北方地区1.5℃升温背景对玉米生长是有利的，一方面北方地区比其它大部分区域增温幅度低，基本在0～1℃，合适的增温幅度为玉米生长提供了优良条件，另一方面北方地区降水也以增加为主，大体在0～200mm，也为玉米增产奠定了基础。在2.0℃升温背景下北方地区玉米减产但不明显，其中北方地区增温幅度在1～2.0℃，降水仍增加0～200mm，过高的增温幅度抵消了降水增加带来的有利影响，并增加了未来极端气候事件暴发的风险。换而言之，从近期到未来一段时间内，如果能够有效将全球温度控制在1.5℃升温情景下，北方地区玉米仍有增产潜力可挖。

按照目前的人类活动方式与气候变化趋势，到21世纪末全球升温超过1.5℃，甚至2.0℃将是大概率事件，为了更有效地应对未来气候变化，探索升温1.5℃与2.0℃对中国主要粮食作物将会产生的影响，提出保障中国粮食安全的应对建议与布局方向，是一项具有迫切现实意义的任务。鉴于此，本研究开展升温1.5℃与2.0℃背景未来中国玉米减产风险评估，可为保障未来中国粮食安全提供科学支撑。在保持玉米国际贸易现状的前提下，随着未来中国人口规模在2030年左右逐渐达到顶峰，中国对玉米的需求将维持在一个较高的水平，进入2050年以后，随着人口规模的缩减，中国对玉米的需求才可能逐步回落，因此，对于未来气候影响下玉米减产风险所带来的粮食安全问题需要有清醒的认识。针对未来升温1.5℃与2.0℃条件下所导致的气候变化问题，在北方和黄淮海玉米主产区，采取合理的适应措施尤为关键，一方面应对未来可能增产的区域进行有效保护，另一方面对未来可能减产的区域在耕作栽培、水肥管理措施等方面进行调整优化。同时，在西南、西北、南方与青藏玉米种植区，未来升温1.5℃与2.0℃条件下减产风险都很高，一方面应采取适应措施抵御灾损，另一方面应适当调整种植结构，进行规模化经营，增强可恢复力。

[1] IPCC.Climate change 2013:the physical science base[M].Cambridge,UK:Cambridge University Press,2013.

[2] IPCC.Climate change 2014:impacts,adaptation,and vulnerabi- lity[M].Cambridge:Cambridge University Press,2014.

[3] 巢清尘,张永香,高翔,等.巴黎协定-全球气候治理的新起点[J].气候变化研究进展,2016,12(1):61-67.Chao Q C,Zhang Y X,Gao X,et al.Paris agreement:a new start for global governance on climate[J].Advances in Climate Change Research,2016,12(1):61-67.(in Chinese)

[4] Schleussner C F,Lissner T K,Fischer E M,et al.Differential climate impacts for policy-relevant limits to global warming:the case of 1.5℃ and 2.0℃[J].Earth System Dynamics,2016,7(2):327-351.

[5] Mitchell D,James R,Forster P M,et al.Realizing the impacts of a 1.5℃ warmer world[J].Nature Climate Change,2016,6(8):735-737.

[6] Koutroulis A G,Grillakis M G,Daliakopoulos I N,et al.Cross sectoral impacts on water availability at +2℃ and +3℃ for east Mediterranean island states:the case of Crete[J].Journal of Hydrology,2016,532:16-28.

[7] King A D,Karoly D J,Henley B J.Australian climate extremes at 1.5℃and 2℃ of global warming[J].Nature Climate Change,2017,7:412-416.

[8] Ranger N Gohar L K Lowe J A et al.Is it possible to limit global warming to no more than 1.5℃[J].Climatic Change,2012,111(3-4):973-981.

[9] Knutti R,Rogelj J,Sedláček J,et al.A scientific critique of the two-degree climate change target[J].Nature Geoscience,2015,9(1):1-6.

[10]Schaeffer M,Hare W,Rahmstorf S,et al.Long-term sea-level rise implied by 1.5℃ and 2℃ warming levels[J].Nature Climate Change,2012,2(2):867-870.

[11]翟盘茂,余荣,周佰铨,等.1.5℃增暖对全球和区域影响的研究进展[J].气候变化研究进展,2017,13(5):465-472.Zhai P M,Yu R,Zhou B Q,et al.Research progress in impact of 1.5℃ global warming on global and regional scales[J].Advances in Climate Change Research,2017,13(5):465-472.(in Chinese)

[12]李红梅,李林.2℃全球变暖背景下青藏高原平均气候和极端气候事件变化[J].气候变化研究进展,2015,11(3):157-164.Li H M,Li L.Mean and extreme climate change on Qinghai-Tibetan Plateau with 2℃ global warming[J].Advances in Climate Change Research,2015,11(3):157-164.(in Chinese)

[13]Chen J,Gao C,Zeng X F,et al.Assessing changes of river discharge under global warming of 1.5℃ and 2℃ in the upper reaches of the Yangtze River basin:approach by using multiple-GCMs and hydrological models[J].Quaternary International,2017,453(25): 1-11.

[14]徐影,周波涛,吴婕,等.1.5～4℃升温阈值下亚洲地区气候变化预估[J].气候变化研究进展,2017,13(4):306-315.Xu Y,Zhou B T,Wu J,et al.Asian climate change in response to four global warming targets[J].Advances in Climate Change Research,2017,13(4):306-315.(in Chinese)

[15]姜大膀,富源海.2℃全球变暖背景下中国未来气候变化预估[J].大气科学,2012,36(2):234-246.Jiang D B,Fu Y H.Climate change over China with a 2℃ global warming[J].Chinese Journal of Atmospheric Sciences,2012,36(2):234-246.(in Chinese)

[16]姜大膀,张颖,孙建奇.中国地区1-3℃变暖的集合预估分析[J].科学通报,2009,54(24):3870-3877.Jiang D B,Zhang Y,Sun J Q.Ensemble projection of 1-3℃ warming in China[J].Chinese Sci Bull,2009,54(24):3870-3877.(in Chinese)

[17]陈晓晨,徐影,姚遥.不同升温阈值下中国地区极端气候事件变化预估[J].大气科学,2015,39(6):1123-1135.Chen X C,Xu Y,Yao Y.Changes in climate extremes over China in a 2.0℃,3℃ and 4℃ warmer world[J].Chinese Journal of Atmospheric Sciences,2015,39(6):1123-1135.(in Chinese)

[18]郎咸梅,隋月.全球变暖2℃情景下中国平均气候和极端气候事件变化预估[J].科学通报,2013,58:734-742.Lang X M,Sui Y.Changes in mean and extreme climates over China with a 2℃ global warming[J].Chin Sci Bull,2013,58:734-742.(in Chinese)

[19]张莉,丁一汇,吴统文,等.CMIP5模式对21世纪全球和中国年平均地表气温变化和2℃升温阈值的预估[J].气象学报,2013,71(6):1047-1060. Zhang L,Ding Y H,Wu T W,et al.The 21st century annual mean surface air temperature change and the 2℃ warming threshold over the globe and China as projected by the CMIP5 models[J].Acta Meteorologica Sinica,2013,71(6):1047-1060.(in Chinese)

[20]Guo X,Huang J,Luo Y,et al.Projection of precipitation extremes for eight global warming targets by 17 CMIP5 models[J].Natural Hazards,2016,84(3):2299-2319.

[21]Guo X,Huang J,Luo Y,et. al.Projection of heat waves over China for eight different global warming targets using 12 CMIP5 models[J].Theoretical and Applied Climatology,2017,128(3):507-522.

[22]王安乾,苏布达,王艳君,等.全球升温1.5℃与2.0℃情景下中国极端低温事件变化与耕地暴露度研究[J].气象学报,2017,(3):415-428.Wang A Q,Su B D,Wang Y J,et al.Variation of the extreme low-temperature events and farmland exposure under global warming of 1.5℃ and 2.0℃[J].Acta Meteorologica Sinica,2017,(3):415-428.(in Chinese)

[23]Huang J,Yu H,Guan X,et al.Accelerated dryland expansion under climate change[J].Nature Climate Change,2016,6(2):166-171.

[24]Warszawski L,Frieler K,Huber V,et al.The inter-sectoral impact model intercomparison project (ISI-MIP):project framework[J].Proceedings of the National Academy of Sciences of the United States of America,2014,111(9):3228-3232.

[25]熊伟,林而达,杨婕,等.作物模型区域应用两种参数校准方法的比较[J].生态学报,2008,28(5):2140-2147.Xiong W,Lin E D,Yang J,et al.Comparion of two calibration approaches for regional simulation of crop model[J].Acta Ecologica Sinica,2008,28(5):2140-2147.(in Chinese)

[26]曹阳.1961-2010年潜在干旱对中国玉米、小麦产量影响的模拟[D].北京:中国农业科学院,2014:25-36.Cao Y.Impacts of potential drought on maize and wheat in China from 1961 to 2010[D].Beijing:CAAS,2014:25-36.(in Chinese)

[27]赵俊芳,李宁,侯英雨,等.基于APSIM模型评估北方八省春玉米生产对气候变化的响应[J].中国农业气象,2018,39(2):108-118.Zhao J F,Li N,Hou Y Y,et al.Evaluation of response of Spring maize production to climate change in the eight provinces of Northern China based on APSIM model[J].Chinese Journal of Agrometeorology,2018,39(2):108-118.(in Chinese)

[28]刘欢,熊伟,李迎春,等.气候变化对中国轮作系统影响的研究进展[J].中国农业气象,2017,38(10):613-631.Liu H,Xiong W,Li Y C,et al.Advances of impacts and adaptation of climate change on crop rotations in China[J].Chinese Journal of Agrometeorology,2017,38(10):613-631.(in Chinese)

[29]Taylor K E,Stouffer B J,Meehl G A.An overview of CMIP5 and the experiment design[J].Bulletin of the American Meteorological Society,2012,93:485-498.

[30]Zhou B T,Wen H Q Z,Xu Y,et al.Projected changes in temperature and precipitation extremes in China by the CMIP5 multimodel ensembles[J].Journal of Climate,2014,27:6591-6611.

[31]Alfieri L,Bisselink B,Dottori F,et al.Global projections of river flood risk in a warmer world[J].Earths Future,2016,5(2):171-182.

[32]Chen X L,Zhou T.Uncertainty in crossing time of 2℃ warming threshold over China[J].Science Bulletin,2016,61(18):1451-1459.

[33]Knutti R,Rogelj J,Sedláček J,et al.A scientific critique of the two-degree climate change target[J].Nature Geoscience,2015,9(1):1-6.

[34]Rogelj J,Luderer G,Pietzcker R C,et al.Energy system transformations for limiting end-of-century warming to below 1.5℃[J].Nature Climate Change,2015,5(6):519-527.

[35]Friedlingstein P,Andrew R M,Rogelj J,et al.Persistent growth of CO2emissions and implications for reaching climate targets[J].Nature Geoscience,2014,7(10):709-715.

[36]Azar C,Johansson D J A,Mattsson N.Meeting global temperature targets the role of bioenergy with carbon capture and storage[J].Environmental Research Letters,2013,8(3):1345-1346.

[37]Mitchell D,Achutara K,Allen M,et al.Half a degree additional warming,prognosis and projected impacts(HAP- PI):background and experimental design[J].Geoscientific Model Development,2017,10(2):571-583.

Trend Evaluation on Changes of Maize Yield in China under Global Warming by 1.5℃ and 2.0℃

LI Kuo, XIONG Wei, PAN Jie, LIN Er-da, LI Ying-chun, HAN Xue

(Institute of Environment and Sustainable Development in Agriculture, CAAS, Beijing 100081, China)

Based on the simulation results from 5 climate models recommended by ISI-MIP under 4 RCP scenarios, the future climate situations were selected which are the approximate scenarios with global warming by 1.5℃ and 2.0℃. Applying DSSAT, the per unit yield changes of maize in China under global warming by 1.5℃ and 2.0℃ were analyzed and the spatial distributions of changes of maize yield were revealed relative to the baseline from 1985 to 2006. The results showed that, the yield reduction area under global warming by 2.0℃ was 6.2% more than that under global warming by 1.5℃; the ratios of yield reduction were separately 3.7% and 11.5% under global warming by 1.5℃ and 2.0℃; the risk of global warming by 2.0℃ was obviously higher than 1.5℃. The spatial distributions of yield changes were similar between 1.5℃ and 2.0℃ global warming, under which the area and magnitude of yield reduction were different. There were some regions with yield increasing under global warming by 1.5℃ and 2.0℃ in maize planting area of North China and Southwest China; most of the other regions in China would be mainly suffering to yield reduction; the largest reduction of maize yield would break out in Northwest China. Especially it was advantageous under global warming by 1.5℃ for maize production in North China; there was no distinct negative effect under global warming by 2.0℃ for maize production in North China. In other words, in the near future, there would be yield increasing potential for maize in North China with global warming.

RCP scenarios; Global warming by 1.5℃; Global warming by 2.0℃; Maize yield; Crop models; Paris Agreement

10.3969/j.issn.1000-6362.2018.12.001

李阔,熊伟,潘婕,等.未来升温1.5℃与2.0℃背景下中国玉米产量变化趋势评估[J].中国农业气象,2018,39(12):765-777

*2018−06−22

国家重点研发计划课题“关键气候因子的时空变化规律及其对玉米生产系统影响研究”（2017YFD 0300301）；“十二五”国家科技支撑项目“北方重点地区适应气候变化技术开发与应用”（2013BAC09B00）

李阔（1982−），博士，助理研究员，研究方向为气候变化影响与适应。E-mail：likuo@caas.cn