氣候變化條件下陜西省不同氣候區灌溉對冬小麥減產風險影響評估

吳熠婷 江琪 孟遠 陳新峰 甫堯鍇 林文建 周寧 徐順標 劉建超

摘要：研究未來氣候變化條件下灌溉對陜西省不同氣候區冬小麥生長情況、減產風險及其對氣候變化的響應機制，以期為決策者制定應對氣候變化長期糧食戰略，提供必要的參考依據。聯合運用作物模型DSSAT4.6和天氣發生器LarsWG5.5，模擬氣候變化條件下陜西省不同氣候區域、時期灌溉對冬小麥生長的影響。同時計算本研究提出的新概念——冬小麥減產風險，橫向和縱向綜合評估氣候變化對冬小麥產量的影響。選取陜西省干旱半干旱地區、半濕潤地區、濕潤地區作為研究對象，選擇典型站點并獲取土壤數據，統一設定灌溉制度，運用天氣發生器LarsWG5.5模擬預測未來氣象數據，并輸入已校準驗證的作物模型，模擬氣候變化條件下不同地區在雨養、灌溉時的冬小麥產量并評估減產風險。結果表明，未來50年，陜西省大部分地區冬小麥生育期內降水先減少后增多，年平均溫度不斷增加。不同區域產量、減產風險變化情況不盡相同，氣候變化對冬小麥產量的影響程度自北向南逐漸降低，總體上氣候變化對陜西地區冬小麥產量的穩定具有積極作用。3區（陜西省北部黃土高原干旱半干旱地區）受氣候變化的影響較大，2區（關中平原半濕潤易旱區）次之，1區（陜西南部濕潤地區）受氣候變化的影響較弱，但各地區增產總量差距不大。1區減產風險逐年增加，2區、3區減產風險逐年減少。灌溉能夠減緩并利用氣候變化對冬小麥生長的不利影響，大幅提高產量、水分利用率，降低減產風險。灌溉條件下，1區減產風險逐年上升，但仍遠低于雨養下的減產風險;2區、3區減產風險則逐年下降至零。綜合各區域灌溉對減產風險的影響，建議1區、2區增加灌溉設施，3區不推薦但有充足灌溉資源的地區仍可以增加灌溉。

關鍵詞：氣候變化;灌溉;雨養;作物模型;減產風險;參考決策

中圖分類號： S275;S512.1+10.7 ?文獻標志碼： A ?文章編號：1002-1302（2021）10-0213-10

聯合國政府間氣候變化專門委員會（IPCC）第5次評估報告指出，到21世紀末氣溫可能增加1.5～4.0 ℃，不同地區的降水變化情況則不盡相同，但極端降水事件增多，預計冬小麥每10年減產1.9%[1]。氣候變化對糧食產量具有重大的影響，有研究認為，未來產量變化的32%～39%是由氣候變化所引起的[2-3]。農業是受氣候變化影響最大的行業之一，特別是農業主體中的作物生產和糧食安全[4]。未來氣候變化條件下極端氣候如高溫、干旱等發生概率不斷增加，對作物生產造成重大影響[5-7]，灌溉是作物獲得高產穩產的必要條件[8]。因此，探求不同地區未來氣候變化條件下的灌溉能否增產、效益是否增加、是否符合當地的資源要求就顯得尤為必要。研究氣候變化條件下不同氣候區作物對灌溉的不同響應，有利于加深認識氣候變化對農業生產與灌溉水資源的影響，為國家未來農業發展提供決策支持[9]。

當前評估氣候變化、灌溉等外部環境對作物產量的影響多是基于歷史多年氣象資料和產量數據經驗性地估算[10-13]，缺乏一定的機理性和準確性。同時與未來氣候完全相同的氣候環境下小麥的生長動態難以實現，田間試驗主要研究單一氣象因素的改變對小麥產量的影響[14-15]。單一年份產量具有較大的波動性，不能夠很好地反映未來的變化趨勢，對于未來產量的不確定性，大容量概率性的預測具有更好的指導意義[16-17]。隨著作物生長模型逐漸成熟，許多學者將其應用于災害風險評估[18-19]，作物模型與氣候模型的結合應用于評估作物的生長、發育、產量對氣候變化的響應[20-22]，但利用作物模型針對未來氣候變化條件下不同氣候區灌溉對冬小麥減產風險的研究較少。使用作物模型模擬冬小麥灌溉在未來氣候變化條件下的生長規律和響應機制，進而針對不同氣候區的各站點采取相應的應對措施以緩解甚至利用氣候變化對作物的影響。通過作物模型與氣候模型相結合預測未來氣候變化條件下糧食產量，歸一化處理得到減產風險以便于對比不同地區和時期灌溉對冬小麥生長情況的影響，部分解釋灌溉對氣象災害、不同水平年冬小麥生長脅迫的緩解程度。能夠較為準確地反映氣候變化在不同氣候區的波動程度，以及冬小麥在不同氣候區域、不同時期的適應能力。氣候變化的影響是不可避免的，人類的應對措施只能減緩或者適應氣候變化的影響，減緩氣候變化的措施在短期內并不能夠產生顯著效果，人類應該更積極地適應氣候變化[23-24]。了解小麥在未來氣候變化下的生長狀況有利于人們提前做好應對措施，使小麥能夠更好地適應氣候變化的影響[25]，從而通過設計合理的管理制度、種植制度和培育新品種等手段適應氣候變化的影響。

陜西省位于我國內陸，整體屬于大陸性季風氣候，由北向南依次為陜北溫帶干旱半干旱氣候、關中平原暖溫帶半濕潤氣候、陜南亞熱帶濕潤氣候，涵蓋了我國絕大部分的氣候類型，具有典型的研究意義。本研究通過氣候模型和作物模型的聯合運用，模擬預測陜西省3個氣候區域12個站點的冬小麥生長情況和產量，繪制冬小麥對氣候變化響應的概率圖，評估氣候變化對冬小麥在不同區域、時間尺度下的減產風險，為制定糧食長期戰略決策提供參考。

1 材料與方法

1.1 試驗地概況

相關田間試驗于2014—2016年在西北農林科技大學中國旱區節水研究院農業水土工程教育部重點實驗室試水分轉化試驗場（34.24°N，108.05°E，海拔506 m）進行，該地年平均降水量580 mm左右，年平均氣溫13 ℃，日照時數2 196 h，降水年內分布不均，關中灌溉類型耕地屬于半濕潤易旱區。土壤質地為中壤土，土層厚3 m，無地下水補給。播前土壤基礎物理化學性質：0～20 cm土層有機質含量16.01 g/kg，全氮含量1.01 g/kg，速效磷含量 17.66 mg/kg，速效鉀含量273.33 mg/kg;0～100 cm土層平均飽和含水量為31.8 g/g，平均pH值為8.07，平均土壤容重為1.48 g/cm3，平均飽和導水率為279.99 cm/d。

1.2 作物模型的校準和驗證

小麥品種選自西北冬麥區和華北冬麥區大面積推廣的小偃22。使用DSSAT自帶的GLUE調參工具進行調參，校準冬小麥的品種參數。試驗用2014—2015年度的足水足肥處理進行校準，用2015—2016年度的12個水平水肥處理（試驗設置36個小區，每小區長6 m，寬2.5 m。采用裂區試驗，3個灌溉水處理為主區，4個施肥水平為副區，重復3次。氮肥處理為N0、N105、N210、N315，分別表示施氮量為0、105、210、315 kg/hm2。灌水處理為I0（雨養）、I1（冬灌60 mm）、I2（冬灌60 mm，拔節 40 mm）、I3（冬灌60 mm，拔節40 mm，灌漿60 mm）。校準所需的氣象數據、土壤數據以及管理數據等均由田間試驗直接測量，使用DSSAT模型自帶的調參工具GLUE[26-27]進行調參。首先利用2014—2015年度試驗的足水足肥處理[28]（冬灌60 mm、拔節 40 mm，播前施氮肥210 kg/hm2）校準模型參數。

由于本研究主要考慮未來的產量變化，所以將產量作為主要的校準參數。本研究采用國際校驗模型較為常用的均方根誤差方法（nRMSE）來衡量不同水肥條件下產量模擬值與實測值相對的差異程度，以校驗DSSAT模型對作物產量的模擬精度：

1.3 天氣發生器LarsWG5.5簡介

全球氣候模型（GCMs）是當前最先進的用來預測地球氣候系統變化的工具，然而直接使用GCMs對當地的氣候預測評估氣候變化的影響，則會因為粗糙的空間分辨率導致重大的誤差和不確定性[30]。 LarsWG天氣發生器是由英國洛桑實驗室為了滿足作物生長模型和水文模型研發的隨機氣候發生器，包括15種基于IPCC4的GCMs氣候場景[31-32]。LarsWG被廣泛應用于作物產量的預測、水文循環及土壤侵蝕的預報、地球生態系統和極端環境事件發生概率的評估等[33]。LarsWG可利用單個站點的歷史氣象資料和地理資料根據GCMs生成未來某一階段的降水量、太陽輻射量、最高氣溫和最低氣溫等氣象資料的日序列，這些氣象資料也是作物模型模擬所需的氣象資料基本值。王幼奇等評估了LarsWG天氣發生器在黃土高原和關中平原的適應性研究，模擬結果較好，可用來模擬該地區未來氣候變化的日序列值[34]。

1.4 模擬情境設定

由于陜西省不同地域的種植制度不同，為了使結果有更好的說明性和統一性，模型的管理參數中，灌溉統一設定為冬灌45 mm，拔節期灌水 45 mm，灌水方式為畦灌;播種期設定為每年的10月1—15日，日平均溫度達到20 ℃且有小于2 mm的降水時模型自動播種;施肥期設定為同一天，施肥量設定為陜西地區常用的施純氮210 kg/hm2，地表撒播;耕作方式為機器旋耕;收獲期設定為冬小麥成熟時收獲。模型所需的氣象數據由2個部分組成：1965—2014年的氣象數據由中國氣象科學數據共享服務網下載查閱得到[35];2000—2065年間的預測數據則由天氣發生器（the Long Ashton Research Station Weather Generator，LARSWG5.5）根據未來CO2濃度的不同將未來50年內分為2個階段（2015—2030年、2046—2065年），輸入1965—2014年的氣象數據分別得出3個階段各50年的氣象數據模擬值。土壤數據則由中國土壤數據庫查閱得到[36]。

DSSAT模型在輸入土壤數據、管理數據、品種數據、氣象數據后，分別運行12個站點1965—2014年、2015—2030年、2046—2065年各50年的氣象數據，輸出冬小麥生長數據并分析（表1）。

2 結果與分析

2.1 CERES-Wheat模型的校準

校準模型使用2014—2015年度的大田試驗數據，足水足肥處理（I3N315）的生育期、產量、收獲期籽粒氮產量（GNAM）、蒸發散（ET）平均模擬值與觀測值的偏差率均小于10% （表2），模擬結果較優，說明校準的基因型參數能夠較好地反映冬小麥品種的相關特性（表3）。CERES-Wheat 能夠準確地模擬物候期、作物生長、水分和養分的運移。

2.2 CERES-Wheat模型的驗證

對比2015—2016年度不同水肥條件下產量的模擬值與實測值（圖1），同時驗證模擬精度，模型產量、蛋白質的模擬值與實測值的RRMSE=0.035<0.1，能很好地滿足精度要求。模擬值與實測值吻合度極高，說明模型能夠很好地模擬不同環境作物對產量的影響，可以在此基礎上拓展和模擬不同環境下冬小麥的生長動態。

由于驗證試驗共有16個處理，本研究僅列出2015—2016年度雨養（I0N2）和灌溉 （I2N2） 條件下冬小麥不同土層平均土壤含水率的驗證情況（表4）。雨養條件下，各土層平均土壤含水率（nRMSE）均小于0.1，說明模擬結果極好，其中0～60 cm土層模擬含水率偏小，60～200 mm土層模擬含水率偏大。而灌溉條件下模擬結果與雨養相比較差，但除40～60 cm土層nRMSE略大于0.1，模擬結果為好外，其余土層土壤含水率模擬結果均為極好。所以模型能夠模擬各種管理措施下的土壤水分運移情況。

2.3 陜西省歷史和未來氣候分析

陜西省面積狹長緯度跨越較大，年平均溫度為2.8～11.6 ℃，陜西省南部溫度較高，并向北逐漸降低（圖2-a）。2015—2030年間，陜西省中部、北部增溫較快，平均增溫0.92 ℃。其中2區的銅川站增溫達2.3 ℃，增溫最小的是位于2區的鳳翔站，僅增溫0.22 ℃（圖2-b）。2046—2065年全省的增溫速度則趨于一致，與2015—2030年平均溫度相比，普遍升溫0.85～0.98 ℃，全省平均升溫0.91 ℃。與21世紀初相比，則累計增溫1.35～3.34 ℃，其中延安站、吳旗站、銅川站增溫最快，分別為1.80、2.05、3.34 ℃。1區和3區較為一致，平均增溫1.70 ℃左右（圖2-c）。

陜西省屬于季風氣候，生育期內降水自南向北逐漸減少（圖3-a）。小麥生育期內降水情況基本與全年相似，但自南向北生育期內降水量占全年降水量的百分比卻在不斷減少，越往北降水越集中在非冬小麥生育期內。因此，3區小麥生育期內可利用的降水就更加匱乏。2015—2030年陜西省除了2區外，其他地區的全年降水量均出現了不同程度的降低，而不同站點生育期降水量的變幅與全年相比卻不盡相同（圖3-b）?？傮w而言，生育期內降水量占全年降水量的百分比均出現了4%左右的增加。陜西省東部和北部生育期內降水量增幅較大，南部和西部增幅較小，甚至定邊站、漢中站的生育期降水量還有較大幅度減少。2046—2065年情況基本類似，全省生育期內降水平均增長在13%左右（圖3-c）。

2.4 冬小麥產量

由圖4可知，陜西省12個站點不同氣候區域各時期雨養條件下的歷史多年小麥平均產量為 1 193～7 218 kg/hm2，差異巨大。最高產量出現在秦嶺附近的商洛站和佛坪站，平均產量分別達到了5 677、7 218 kg/hm2。最低產量出現在陜西西北部的吳旗站和定邊站，平均產量分別為1 193、2 579 kg/hm2。冬小麥產量隨緯度升高呈現先增高后降低的趨勢。未來20年，1區產量降低0.2%～14.1%，西部降幅明顯高于東部;2區南部的武功站、鳳翔站減產0.4%～1.0%，但北部的銅川站、延安站分別增產52.7%、16.1%;3區小幅增產7.5%～10.3%。未來50年，1區產量則呈現不同程度的增加，但增幅不明顯，其中佛坪產量仍低于歷史平均產量;2區南部小幅增產，北部則繼續保持高增長態勢;3區增產11.2%～26.8%。

與雨養條件相比，灌溉能顯著改變氣候變化對產量變化趨勢的影響，不同氣候區對其有不同的響應。其中1區產量逐漸下降;2區南部呈波動狀態，但總產量基本保持不變，北部產量則明顯增加;3區情況與1區相反，產量逐年增加且增幅大于雨養條件。

2.5 冬小麥生長情況、土壤水分、減產風險

由表5可知，氣溫升高造成作物成熟期提前，各站點成熟期均隨時間的增加而縮短。由于模型中物候期是由積溫確定的，并沒有考慮脅迫的影響，因此雨養和灌溉條件下在同一時期的成熟期是一致的，與實際情況不符但差距不大[28]。未來氣候變化條件下，1區籽粒粒質量整體出現小幅下降，關中和陜北地區則保持不變或小幅上升。分蘗數、粒數則只有1區出現較小幅度的波動，其余地區則大幅增加。雖然氣候變化最顯著的特征是溫度升高，但全省除3區外，大部分地區的蒸散發量反而出現輕微減少的現象，水分利用效率也因此提高。其中，2區主要以蒸散發量的減少為主，1區則蒸散發量和蒸騰量同時減少。銅川站以南減產風險逐年增加，銅川站及其以北地區減產風險呈現逐年下降的趨勢（圖5）。

灌溉緩解了各地區不同時期的水分脅迫，但降低了水分利用效率。灌溉使武功站及其以南的高產區粒質量小幅上升，以北的低產區則下降。全省粒數、分蘗數則大幅度增加，自南向北增幅逐漸變大，但隨時間的增加增幅效果變弱。1區收獲指數小幅增加，其余地區則出現下降的趨勢。全省蒸散發量、蒸騰量均大幅增加，但1區的蒸散發量同時明顯下降。銅川站以南減產風險大幅下降，銅川站及其以北地區減產風險則基本為零（圖6）。

3 討論

本研究利用當前最常用的作物模型DSSAT4.6和天氣發生器LARSWG5.5，模擬陜西省未來氣候變暖條件下灌溉、雨養的冬小麥生長情況和水分變化。在進行區域評估時，站點的數量和選擇會對區域風險評估帶來很大的影響，因此站點或者采樣點要能夠代表附近區域的特征。當建立區域減產風險評估機制時，須要考慮的不再是單因素對概率的影響，而是氣溫、降水、地面有效輻射、土壤理化性質、站點地理位置、管理制度等多因素交互作用對冬小麥產量的長期影響，使之能夠較為客觀地評估、計算未來減產風險的概率分布。Xiao等的研究表明，在B2情境下未來陜西地區降水和大于0 ℃積溫總體呈增加趨勢，有利于作物的生長發育和產量的提高[24]。王紅麗等的研究表明，西北干旱半干旱地區蒸散發量與降水量之差在逐漸減小，減少了土壤無效蒸發，肯定了氣候變化對該地區的積極作用[25]。本研究表明，氣候對不同氣候區、不同時期的影響不盡相同，而灌溉能夠彌補甚至利用氣候變化對冬小麥生長的不利影響。

3.1 氣候變化對不同氣候區的影響

各區域在不同時期均存在不同程度的水分脅迫，且對產量的總量和穩定性都帶來了不利的影響。溫度升高有利于植物的生長和產量的增加，根據品種的不同變化差異較大[37]。降水、平均溫度與產量都極顯著正相關，溫度升高、降水增加都將有利于冬小麥產量;降水和平均溫度與減產風險則為負相關，雖然沒有顯著性的關系，但也能從一定程度上說明氣候變化不利于冬小麥產量的穩定。

1區屬于亞熱帶濕潤區，當地種植制度以稻麥輪作為主。氣候變化條件下未來20年該區冬小麥生育期降水減少、溫度升高造成的分蘗數、粒數、粒質量顯著降低是1區減產的主要原因，同時減產風險大幅上升。粒質量是產量構成的主要因素之一，隨著單產的提高，粒質量所占的作用也越來越大，高產條件下粒質量更是決定產量高低的決定因素[38]。因此，優良品種的選育和合理的灌溉、施肥制度則是保證該地區產量穩定和增長的主要方式。未來50年，1區在降水、溫度進一步增加的情況下蒸散發量反而下降。其中土壤蒸發下降，植株蒸騰增加，水分利用率進一步提高，產量增加7.8%～21.0%。減產風險并沒有因為產量的增加而降低，部分站點的減產風險反而進一步升高，原因可能是氣候變化造成1區降水年內、年際間分布不均，產量差異擴大，不利于產量的穩定。與王衛光等的研究結果[39]類似，未來氣候變化條件下參考作物蒸發蒸騰量和作物需水量均顯著下降。1區作為糧食主產區其產量的波動對糧食安全的保證具有重大影響，雖然總體上氣候變化有利于該區冬小麥的生長，但是較大的氣象年際差異導致減產風險增加。適時適量灌溉將有效解決降水分布不均、周期不規律的水分脅迫問題，減少需水關鍵期水分虧缺對產量的影響。

2區為溫帶半濕潤季風氣候，玉麥輪作一年兩熟，為傳統糧食主產區。2區生育期降水量遠大于3區，但水分脅迫指數卻與3區相近。蒸散發量達到了344.9 mm，植株蒸騰量卻僅有102.2 mm，大量的土壤水分被蒸發，無法被作物充分利用。與張俊香等的研究結果[40]類似，氣候變化條件下2區溫度升高、降水減少，產量增加。雖然降水呈下降趨勢，但由于溫度適當升高促進了植株的生長。蒸騰量與溫度、粒質量、粒數和分蘗數等均呈顯著正相關關系，蒸騰量顯著增加，水分利用率、產量也較大幅度的增長，減產風險降低近35.9%。減產風險極為明顯的降低，一方面是由于產量基數的擴大，另一方面是由于氣候在該時期較為平穩的變化，波動較小。氣候變化在該地區表現出積極的作用，但降水資源較熱量資源仍然偏少。景毅剛等的研究表明，氣候變化條件下，關中地區光熱適宜度最高且呈逐年增加趨勢，降水適宜度減小成為限制小麥增產的最主要因素[41]。

3區為溫帶干旱半干旱季風氣候，該區域作物增產的主要限制因子是溫度過低、水分不足。種植制度一年一收，冬小麥或春玉米的休耕期長，浪費了大量的光、熱、水資源。未來20年，3區降水小幅降低，但年平均溫度增加較多。但由于該時期作物生長狀況較差，葉面積指數降低，并沒有出現1區、2區類似的情況，反而土壤蒸發量變多、植株蒸騰量減弱、蒸散發量變少，水分脅迫增加。但總體而言，該時期氣候仍對小麥生長有利，產量小幅增加。未來50年降水增多、溫度進一步升高，蒸散發量、植株蒸騰量都有一定程度的增加，水分利用效率也因此進一步提高。粒質量、分蘗數、粒數普遍出現較大幅度的增長，產量因此增長11.2%～27.8%。但相較于1區、2區，產量增幅、總量仍有一定程度的差距。減產風險雖有所降低，但絕對值仍然偏大。鄧振鏞等的研究表明，陜北本身的氣候條件、耕作條件等均不利于冬小麥的生長，而未來氣候變暖條件下冬小麥適宜的種植區域向高海拔、高緯度區域延伸，冬小麥生育期縮短9～15 d，使得陜北的種植制度也需要隨之改變，來適應氣候的變化[28]。肖風勁等的研究表明，多熟制是糧食增產增收的重要因素[29]。而未來種植制度改變為冬小麥夏玉米輪作，則可以極大地提高土地、光熱資源的利用效率。另一方面，由氣候變化對冬小麥的影響和溫度、水分與產量的相關關系可知，溫度升高、降水增加有利于冬小麥產量的提升，甚至在溫度升高、降水有所降低的情況下3區冬小麥產量仍然增加。因此，溫度也成為限制3區冬小麥增產的最主要因素。通過薄膜、秸稈覆蓋和灌溉等措施起到增溫保墑的作用，能夠極大地提高冬小麥產量，降低減產風險。

3.2 灌溉在不同時期對不同氣候區的影響

氣候資源及其分配為農業生產提供必要的能量和物質，直接影響作物的生長過程[42];氣候變化直接改變農業氣候資源總量及其組成成分的配比，為了獲得高產、穩產就需要通過一定措施合理地改變氣候資源[43]。氣候變化條件下水熱資源不匹配，造成冬小麥在不同時期對不同氣候區的水分脅迫指數均較高，嚴重影響了冬小麥的正常生長[44]，因此在結合上面的分析提出灌溉的方式來解決氣候變化帶來的不利影響。未來氣候變化條件下特別是未來20年，降水呈現普遍減少的趨勢，而溫度大幅升高，土壤無效蒸發顯著增加，大量的光、熱、水資源沒有被合理利用，甚至對植物生長帶來不利影響，為實現氣候資源的充分利用，合理灌溉就成為適應氣候變化的重要措施。

灌溉一方面減少了作物水分脅迫程度，在需水關鍵期保證水分的供給;另一方面可以增加作物生物量和葉面積指數，增加植株蒸騰量，減少土壤蒸發量，提高水分利用率[45]。未來氣候變化條件下，同一地區、同一時期，灌溉能促進粒數、分蘗數的提高，減少作物水分脅迫系數，增幅由南向北逐漸增加。蒸散量由南向北增幅由8.9%增加至26.8%，而銅川站及其以南的地區在此基礎上土壤蒸發減少1.6%～15.3%，原因可能是灌溉使南部葉面積指數增加、地表裸露較少，水分主要以植株蒸騰的形式消耗，極大提高了水分利用效率。因此，雖然南部在較高水分利用率、產量的基礎上，絕對數值仍然分別有1.5%～5.7%、1 186～4 289 kg/hm2的高增長，但增幅略小于北部。但是粒質量普遍小幅下降，不利于小麥的品質和價格。

灌溉條件下減產風險大幅下降25.6%～58.9%，極大地保證了糧食生產的穩定。但灌溉并沒有出現很好的一致性規律，不同地區減產風險對灌溉的響應不同。1區灌溉條件下產量逐年下降，可能是該區的降水較多不利于植物根系呼吸造成的洪澇脅迫，也有可能是降水時間過長、光熱資源不足引起產量的逐年下降。與此同時，未來20～50年減產風險上升，則可能是氣候變化劇烈波動引起造成的，該時期水分虧缺不再是主要的脅迫因素，頻發的高溫等氣象災害可能是造成減產風險增加的主要原因。雖然整體上灌溉促進了產量的大幅增加和減產風險的大幅下降，但氣候變化仍對灌溉條件下的減產風險起到了負面作用。2區、3區的灌溉與氣候變化的耦合效應促進了冬小麥的生長，不僅產量大幅上升，且減產風險下降至零。灌溉帶來的充足水資源使冬小麥能夠充分利用氣候變化所帶來的更多的光熱資源，提高作物的光合效率，降低了水分脅迫，從而保證了冬小麥產量穩定增長。

在全球氣候變化背景下，灌溉農業的發展嚴重受制于灌溉水資源，在水資源稀缺的地區尤為明顯[46]。2區為傳統的灌溉農業，灌溉設施及灌溉水資源充足;1區雖然為傳統旱作農業區，但潛在灌溉水資源豐富，未來氣候變化條件下可以適當地灌溉以提高冬小麥產量，減少減產風險;3區雖然灌溉產量增幅巨大，但產量增加絕對值基本與1區、2區相同，同時3區灌溉水資源嚴重不足、地勢起伏波動較大不利于灌溉設施的建設，灌溉投入加大但效益增加不顯著。綜上，在未來氣候變化條件下，1區可以建設灌溉設施，同時鞏固2區灌溉設施的投入，3區則應以秸稈薄膜覆蓋、增施土壤擴蓄增容肥等管理措施蓄水保墑。

總體而言，灌溉遠大于氣候變化對冬小麥生長產生的影響，且灌溉能夠充分利用氣候變化增加的光熱資源。本研究主要分析溫度和降水及其變化對減產風險的影響，對地面有效輻射、土壤理化性質、站點地理位置等較為穩定的數據沒有過多分析，其他因素如灌溉時間、灌溉量等則作為常量輸入模型，需要進一步研究。

4 結論

本研究提出了一種較為新穎的方法來評估灌溉對氣候變化條件下農業的影響，使用減產風險的概念便于不同區域和時期作物產量的橫向、縱向對比，可以在區域尺度做出中長期的合理規劃。

氣候變化對陜西省不同區域的影響程度不同。3區受氣候變化的影響較大，2區次之，1區受氣候變化的影響較弱，但各地區增產總量差距不大。1區減產風險逐年增加，2區、3區減產風險逐年減少。不同時期氣候變化對冬小麥生長的影響不同。未來20年氣候變化總體上不利于冬小麥產量的增長和穩定，未來50年則反之。灌溉能夠減緩并利用氣候變化對冬小麥生長的不利影響，大幅減少冬小麥減產風險。灌溉條件下1區減產風險逐年上升，但仍遠低于雨養條件;2區、3區減產風險則逐年下降至零。

參考文獻：

[1]IPCC Working Group. Climate change 2013 The physical science basis Contribution[R]. IPCC，2013.

[2]Ray D K，Gerber J S，Macdonald G K，et al. Climate variation explains a third of global cropyield variability[J]. Nature Communications，2015（1）：1-9.

[3]Sharon M，David L. The influence of climate change on global crop productivity[J]. Plant Physiology，2012，160（4）：1686-1697.

[4]Richard M A. Global climate change and agriculture an economic perspective[J]. American Journal of Agricultural Economics，1989，71（5）：905-910.

[5]Elizabeth A A，Stephen P L. What have we learned from 15 years of free-air CO2 enrichment （FACE）？A meta-analytic review of the responses of photosynthesis，canopy properties and plant production to rising CO2[J]. US National Library of Medicine National Institute，2005，165（2）：351-371.

[6]Barnett D N，Simon J B，Murphy J M，et al. Quantifying uncertainty in changes in extreme event frequency in response to doubled CO2 using a large ensemble of GCM simulations[J]. Climate Dynamics，2006（26）：489-511.

[7]Ferrise R，Moriondo M，Bindi M. Probabilistic assessments of climate change impacts on durumwheat in the Mediterranean region[J]. Natural Hazards & Earth System Sciences，2015，11（5）：1293-1302.

[8]李全起，沈加印，趙丹丹. 灌溉頻率對冬小麥產量及葉片水分利用效率的影響[J]. 農業工程學報，2011，27（3）：33-36.

[9]黃志剛，王小立，肖 燁，等. 氣候變化對松嫩平原水稻灌溉需水量的影響[J]. 應用生態學報，2015，26（1）：250-268.

[10]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.

[11]Kang Y，Khan S，Ma X. Climate change impacts on crop yield，crop water productivity and food security-A review[J]. Progress in Natural Science，2009，19（12）：1665-1674.

[12]王 柳，熊 偉，溫小樂，等. 溫度降水等氣候因子變化對中國玉米產量的影響[J]. 農業工程學報，2014，30（21）：138-145.

[13]David Z，Lydia S，Davide C. Using historical climate observantions to understand future climate change crop yield impacts in the Southeastern US[J]. Climatic Change，2016，13（4）：311-326.

[14]David G，Xavier L B，Matthieu B，et al. Evaluating agronomic adaptation options to increasing heat stress under climate change during wheat grain filling in France[J]. European Journal of Agronomy，2012，39：62-70.

[15]Oleary G J，Christy B，Nuttall J，et al. Response of wheat growth，grain yield and water use to elevated CO2 under a Free-Air CO2 Enrichment （FACE） experiment and modelling in a semi-arid environment[J]. Global Change Biology，2015，21（7）：2670-2686.

[16]Jones J W，Hoogenboom G，Porter C，et al. The DSSAT cropping system model[J]. EUR J Agron，2003，18（2）：235-265.

[17]Ryosuke S，Satya P. National spatial crop yield simulation using GIS-based crop production model[J]. Ecological Modelling，2001，35（1）：113-129.

[18]張雪芬，余衛東，王春乙，等. WOFOST模型在冬小麥晚霜凍害評估中的應用[J]. 自然災害學報，2009，25（10）：35-44.

[19]孫 寧，馮利平. 利用冬小麥作物生長模型對產量氣候風險的評估[J]. 農業工程學報，2005，21（2）：106-110.

[20]張 宇. 氣候變化對我國小麥發育及產量可能影響的模擬研究[J]. 應用氣象學報，2000，11（3）：264-270.

[21]居 輝，熊 偉，許吟隆，等. 氣候變化對我國小麥產量的影響[J]. 作物學報，2005，31（10）：1340-1343.

[22]劉玉潔，陶福祿. 氣候變化對小麥生物量影響的概率預測和不確定性分析[J]. 地理學報，2012，67（3）：337-345.

[23]Zhang Z，Wang P，Chen Y，et al. Spatial pattern and decadal change of AMD in the main wheat production area of China during 1991—2009[J]. Journal of Geographical Sciences，2014，24（3）：387-396.

[24]Xiao W，Olesen J E，Bernd W. Traits in spring wheat cultivars associated with yield loss caused by a heat stress episode after anthesis[J]. Journal of Agronomy and Crop Science，2015，201（2）：32-48.

[25]王紅麗，張緒成，魏勝文. 氣候變化對西北半干旱區旱作農業的影響及解決途徑[J]. 農業資源與環境學報，2015，32（6）：517-524.

[26]He J，Dukes M D，Jones J W，et al. Applying glue for estimating CERES-Maize genetic and soil parameters for sweet corn production[J]. Transactions of the Asabe，2009，52（6）：1907-1921.

[27]He J，James W J，Graham W D，et al. Influence of likelihood function choice for estimating crop model parameters using the generalized likelihood uncertainty estimation method[J]. Agricultural Systems，2010，103（5）：256-264.

[28]鄧振鏞，徐金芳，黃蕾諾，等. 我國北方小麥干熱風危害特征研究[J]. 安徽農業科學，2009，37（20）：9575-9577.

[29]肖風勁，張海東，王春乙，等. 氣候變化對我國農業的可能影響及適應性對策[J]. 自然災害學報，2006（增刊1）：327-331.

[30]Meehl G A，Covey C，Taylor K E，et al. The wcrp cmip3 multimodel dataset_ a new era in climate change research[J]. Bull Am Meteorol Soc，2007，88（9）：1383-1394.

[31]Semenov M，Brooks R J，Barrow E M，et al. Comparison of the WGEN and LARS-WG stochastic weather generators for diverse climates[J]. Climate Research，1998，10（2）：95-107.

[32]Semenov M，Pilkington-Bennett S，Calanca P. Changes in precipitation and temperature in Xiangjiang River Basin，China[J]. Climate Research，2013，57（1）：1-17.

[33]Semenov M，Barrow E. Use of a stochastic weather generator in the development of climate change scenarios[J]. Climatic Change，1997，35（4）：397-414，18.

[34]王幼奇，樊 軍，邵明安. LARS-WG天氣發生器在黃土高原的適應性研究[J]. 中國水土保持科學，2007，5（3）：24-27.

[35]中國氣象科學數據共享服務網. 中國地面氣候資料日值數據集（V3.0）[DB/OL]. （2016-12-31）[2018-12-31].http：//data.cma.cn/.

[36]中國科學院南京土壤研究所. 中國土種數據庫[DB/OL]. （2016-12-31）[2018-12-31]. http：//vdb3.soil.csdb.cn/.

[37]Panozzo J，Partington D L，Seneweera S，et al. Elevated carbon dioxide changes grain protein concentration and composition and compromises baking quality. A FACE study[J]. Journal of Cereal Science，2014，60（3）：461-470.

[38]田紀春. 谷物品質測試理論與方法[M]. 北京：科學出版社，2006.

[39]王衛光，彭世彰，孫風朝，等. 氣候變化下長江中下游水稻灌溉需水量時空變化特征[J]. 水科學進展，2012，23（5）：656-664.

[40]張俊香，延軍平. 關中平原小麥產量對氣候變化區域響應的評價模型研究[J]. 干旱區資源與環境，2003，17（1）：85-90.

[41]景毅剛，高茂盛，范建忠，等. 陜西關中冬小麥氣候適宜度分析[J]. 西北農業學報，2013，22（8）：27-32.

[42]李 建，江曉東，楊沈斌，等. 長江中下游地區水稻生長季節內農業氣候資源變化[J]. 江蘇農業學報，2020，36（1）：99-107.

[43]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.

[44]胡 瑋，嚴昌榮，李迎春，等. 氣候變化對華北冬小麥生育期和灌溉需水量的影響[J]. 生態學報，2014，34（9）：2367-2377.

[45]李全起，沈加印，趙丹丹.灌溉頻率對冬小麥產量及葉片水分利用效率的影響[J]. 農業工程學報，2011，27（3）：33-36.

[46]胡亞南，許吟隆，劉穎杰.氣候變化情景下阿拉善盟灌溉玉米對水資源的適應性研究[J]. 中國農學通報，2013，29（6）：63-68.