气候变化对河南省夏玉米主栽品种发育期的影响模拟

为模拟气候变化对夏玉米发育期影响,本文将河南省划分为4个夏玉米主栽区,分区进行主栽品种遗传参数调试验证,确定各区域品种平均遗传参数。将未来气候变化情景(A2和B2)下,2020s、2050s和2080s各时段的温度和降水增量加上基准值,模拟未来气候变化对河南省夏玉米发育期的影响。模型调参验证结果表明：各区域品种遗传参数存在一定差异,豫西地区当前种植品种播种-开花所需积温高于其它地区,而豫北和豫东当前种植品种开花-成熟所需积温高于其它地区;各区开花期调参和验证误差RMSE为2～4d,相对误差NRMSE均小于10%;各区域成熟期调参误差RMSE均小于4d,验证误差RMSE为3～7d,除豫西区外,各区域调参及验证期间的成熟期相对误差NRMSE均小于10%。表明CERES-Maize模型对河南省各区域夏玉米发育期模拟精度均较高。未来气候变化影响模拟结果表明：A2和B2情景下,夏玉米营养生长期平均缩短4.7d和3.1d,全生育期平均缩短12.9d和8.6d。夏玉米生育期缩短日数与各时段增温幅度趋势一致,全省4个区域中豫西区生育期日数缩短最多。     

Multivariate Spatial Analysis of Climate Change Projections

The goal of this work is to characterize the annual temperature for regional climate models. Of interest for impacts studies, these profiles and the potential change in these profiles are a new way to describe climate change and the inherent uncertainty. To that end, we propose a Bayesian hierarchical spatial model to simultaneously model the temperature profile for the four seasons of the year, current and future. These profiles are then analyzed focusing on understanding how they change over time, how they vary spatially, and how they vary between five different regional climate models. The results show that for temperature, the regional models have different profile shapes depending on a number of factors including spatial location, driving climate model, and regional climate model. This article has supplementary material online.     

Climate Projections Using Bayesian Model Averaging and Space–Time Dependence

Projections of future climatic changes are a key input to the design of climate change mitigation and adaptation strategies. Current climate change projections are deeply uncertain. This uncertainty stems from several factors, including parametric and structural uncertainties. One common approach to characterize and, if possible, reduce these uncertainties is to confront (calibrate in a broad sense) the models with historical observations. Here, we analyze the problem of combining multiple climate models using Bayesian Model Averaging (BMA) to derive future projections and quantify uncertainty estimates of spatiotemporally resolved temperature hindcasts and projections. One advantage of the BMA approach is that it allows the assessment of the predictive skill of a model using the training data, which can help identify the better models and discard poor models. Previous BMA approaches have broken important new ground, but often neglected space–time dependencies and/or imposed prohibitive computational demands. Here we improve on the current state-of-the-art by incorporating space–time dependence while using historical data to estimate model weights. We achieve computational efficiency using a kernel mixing approach for representing a space–time process. One key advantage of our new approach is that it enables us to incorporate multiple sources of uncertainty and biases, while remaining computationally tractable for large data sets. We introduce and apply our approach using BMA to an ensemble of Global Circulation Model output from the Intergovernmental Panel on Climate Change Fourth Assessment Report of surface temperature on a grid of space–time locations.     

Comparing and Blending Regional Climate Model Predictions for the American Southwest

We consider the problem of forecasting future regional climate. Our method is based on blending different members of an ensemble of regional climate model (RCM) simulations while accounting for the discrepancies between these simulations, under present day conditions, and observational records for the recent past. To this end, we develop Bayesian space-time models that assess the discrepancies between climate model simulations and observational records. Those discrepancies are then propagated into the future to obtain blended forecasts of 21st century climate. The model allows for location-dependent spatial heterogeneities, providing local comparisons between the different simulations. Additionally, we estimate the different modes of spatial variability, and use the climate model-specific coefficients of the spatial factors for comparisons. We focus on regional climate model simulations performed in the context of the North American Regional Climate Change Assessment Program (NARCCAP). We consider, in particular, simulations from RegCM3 using three different forcings: NCEP, GFDL and CGCM3. We use simulations for two time periods: current climate conditions, covering 1971 to 2000, and future climate conditions under the SRES A2 emissions scenario, covering 2041 to 2070. We investigate yearly mean summer temperature for a domain in the South West of the United States. The results indicated the RCM simulations underestimate the mean summer temperature increase for most of the domain compared to our model.     

气候变化对云南气候生产潜力的影响

利用1961-2009年云南省117个台站年平均气温、降水量资料和Thornthwaite Memorial模型计算分析云南省气候生产潜力(TSPV)的分布及年际变化特征,并模拟了未来气候变化情景下气候生产潜力的变化。结果表明:云南多年平均TSPV值为1439.2g.m-2.a-1,滇西北和滇东北最低,滇西南和滇东南最高;近49a云南全省以及各站的平均TSPV变化的年际变化不显著;云南TSPV利用率较低,实际粮食产量平均只占气候生产潜力的19%。在云南气温明显上升、降水略减少、年际波动大的气候变化趋势背景下,TSPV与降水的相关系数(P0.01)大于气温,说明降水是当地TSPV的主要限制因素;敏感性分析显示,未来如果出现"暖湿型"气候对作物生长最为有利,出现"冷干型"对作物生长最为不利。而趋势分析表明,未来云南易出现"暖干型"气候,这不利于当地的农业生产。     

Climate variability and crop production in Tanzania

Improved understanding of the influence of climate on agricultural production is needed to cope with expected changes in temperature and precipitation, and an increasing number of undernourished people in food insecure regions. Many studies have shown the importance of seasonal climatic means in explaining crop yields. However, climate variability is expected to increase in some regions and have significant consequences on food production beyond the impacts of changes in climatic means. Here, we examined the relationship between seasonal climate and crop yields in Tanzania, focusing on maize, sorghum and rice. The impacts of both seasonal means and variability on yields were measured at the subnational scale using various statistical methods and climate data. The results indicate that both intra- and interseasonal changes in temperature and precipitation influence cereal yields in Tanzania. Seasonal temperature increases have the most important impact on yields. This study shows that in Tanzania, by 2050, projected seasonal temperature increases by 2 °C reduce average maize, sorghum, and rice yields by 13%, 8.8%, and 7.6% respectively. Potential changes in seasonal total precipitation as well as intra-seasonal temperature and precipitation variability may also impact crop yields by 2050, albeit to a lesser extent. A 20% increase in intra-seasonal precipitation variability reduces agricultural yields by 4.2%, 7.2%, and 7.6% respectively for maize, sorghum, and rice. Using our preferred model, we show that we underestimate the climatic impacts by 2050 on crop yields in Tanzania by 3.6%, 8.9%, and 28.6% for maize, sorghum and rice respectively if we focus only on climatic means and ignore climate variability. This study highlights that, in addition to shifts in growing season means, changes in intra-seasonal variability of weather may be important for future yields in Tanzania. Additionally, we argue for a need to invest in improving the climate records in these regions to enhance our understanding of these relationships.     

气候因子对贵州省植被覆盖度的协同影响

探究气候因子对植被覆盖度的协同影响,可进一步了解植被生长状态及演变规律,为科学预估植被变化及生态保护提供一定依据。基于2001—2018年MODIS NDVI数据和气象台站数据,研究了贵州省气候因子(降水、气温)与植被生长期NDVI的空间分布特征; 利用偏相关分析法和多元回归分析法逐像元探究贵州省植被生长期的NDVI与气候因子的相关性和其对气候因子的协同响应规律,同时结合地貌类型分析不同地貌类型的植被NDVI对降水和气温的敏感性。结果表明:贵州省多年平均降水和气温存在明显的空间差异性,降水空间分布自西北向东南呈带状递增; 植被生长期NDVI均值总体呈波动上升趋势,以每年0.004 2的速率增加,呈增加趋势的面积约为160 836.69 km²; 气温和降水对贵州省植被生长均具有明显影响,气温的影响作用大于降水; 不同地貌类型的植被NDVI对降水和气温的敏感性不同,同一地貌类型的植被NDVI对降水、气温敏感性表现为气温大于降水。整体上,贵州省植被生长期NDVI呈增加趋势,植被覆盖不断增加,降水和气温对植被的协同影响在不同地理环境区域表现不同。     

气候变化对畜牧业生产的影响

人类活动将导致气候变化，从而给畜牧业生产带来影响。文中从三个方面综述并分析了气候变化对畜牧业的影响：１）气候变化对草地生态系统和草地面积的影响；２）气候变化包括大气中ＣＯ２含量增加、温度和降水的变化对草地生产力和牲畜负载力的影响；３）气候变化对家畜健康、生长和繁殖的影响。     

未来气候情景下农牧交错带不同灌溉水平马铃薯产量和水分利用效率

未来气候变化对农牧交错带不同灌溉水平马铃薯产量和水分利用的影响鲜有研究。该研究基于农牧交错带张北和武川站不同灌溉条件下大田试验数据评估了APSIM-Potato模型的适应性;基于33个全球气候模式(global climate model,GCM)通过统计降尺度方法获得的未来2个气候情景(RCP4.5和RCP8.5)逐日气候数据驱动APSIM-Potato模型,模拟未来气候变化对不同灌溉水平(灌1水、灌2水、灌3水和灌4水)马铃薯产量和水分利用的影响。结果表明:APSIM-Potato模型能够较好地模拟2个站点马铃薯产量和土壤水分动态。2个站点实测产量和模拟产量的相对误差均小于22.6%,实测土壤水分和模拟土壤水分相对均方根误差均小于18.1%。基于33个GCM模拟结果,2030 s、2060 s和2090 s马铃薯生育期温度、CO2浓度、总降水量和总辐射量相比于基准期(1981-2010)均呈增加趋势。相比于基准期灌1水、灌2水、灌3水和灌4水马铃薯产量,张北站和武川站在RCP4.5情景下均有提升,张北站为4.1%~36.2%,武川站为2.5%~13.6%。RCP8.5情景下,2个站点分别提升3.1%~36.8%和3.1%~38.5%。且2个气候情景下均是灌1水情景下马铃薯产量提升最高。2个气候情景下,马铃薯水分利用效率在2030 s-2090 s均呈增加趋势。研究结果表明未来气候变化对农牧交错带地区马铃薯产量和水分利用效率具有积极影响,未来气候情景下该地区更适宜灌溉马铃薯的生产。     

江西省历史气象分析及未来气候变化预测

在全球气温变暖的大背景下,基于江西省15个国家气象站点1961—2012年气象观测资料和政府间气候变化委员会（IPCC）《第四次评估报告》提供的全球气候模式（GCM）资料,采用线性回归等气候学统计方法,分析了江西省历史气象特征,并对未来气候变化进行了预测。结果表明,1961—2012年全省、赣南、赣中、赣北降雨量上升趋势不显著,由南往北降雨量增加;1961—2012年多年年平均气温、最高气温、最低气温增温速率分别为0.16,0.12,0.22℃/10 a,区域间增温速率由南往北递增;预测江西省未来2020—2079年期间,在A₂,B₁排放情景下年均降雨量比历史基准期减少率分别为18.87%,10.13%;A₂,B₁排放情景下2020—2079年多年年均气温增温速率分别为0.41,0.22℃/10 a。     

气候变化对中国轮作系统影响的研究进展

轮作耕作方式在提高土地利用率和单位面积作物产量方面发挥了不可替代的作用,加强气候变化对轮作系统影响的理解,揭示其对气候变化的响应规律,是促进轮作生产体系有效应对和适应气候变化的关键。本文梳理了气候变化对轮作系统影响的研究成果和不足,总结当前常用研究手段(作物模型、统计和试验方法)的优缺点,从作物生长发育、种植布局、种植效益、种植风险4个方面阐述了气候变化对轮作系统产生的影响,并对现有的适应性措施以及今后研究重点进行分析,以期为全面深入评估气候变化对轮作系统的影响,以及未来轮作系统的研究和发展提供一定参考和借鉴。已有研究结果表明,气候变化已经影响,而且还将继续影响轮作系统。尽管因研究的时空尺度、方法及轮作模式的不同,研究结果还存在一定差异,但大部分研究表明,在宏观层面上,气候变暖,热量资源增加,使得研究区轮作系统种植界限发生明显北移,导致不同轮作系统的作物布局及种植面积发生改变。微观角度上,气温升高加快了轮作系统内部作物生育进程,导致作物产量下降,也为系统内品种更换提供了可能。热量资源的变化,还导致轮作系统内部所遭遇的气象灾害规律发生变化,传统意义上的低温灾害事件将减少,但是种植界限变动的敏感区内新的低温灾害事件以及极端高温事件则有增加的趋势,从而增加了轮作系统高产、稳产及可持续发展的风险。生产中,通过改变作物布局,选用生育期更长的品种,以及优化管理措施等,可以在一定程度上减缓气候变化对轮作系统的不利影响。但是,由于气候变化和轮作系统的复杂性和多样性,目前研究还存在一定的不足,今后还需结合多种研究手段,开展气候变化对轮作系统影响的机理性、综合性以及系统性研究,提高研究的深度、广度、精度和准确度,以促进和保障其可持续发展。     

水稻灌溉需水量对气候变化响应的模拟

气候变化会导致作物耗水过程改变,从而影响灌溉需水。研究水稻灌溉需水对气候变化的响应规律,有助于合理制定应对气候变化的灌溉策略,保障水资源可持续利用和粮食安全。该文基于1961-2010年气象数据和HadCM3大气环流模式A2和B2两种情景下的统计降尺度模拟结果,利用经田间试验资料验证后的水稻模型ORYZA2000,模拟淹水灌溉和间歇灌溉两种灌溉处理下、历史和未来情景下水稻灌溉需水对气候变化的响应规律。结果表明:过去50年,间歇灌溉和淹水灌溉模式下水稻耗水量呈现显著上升趋势,而水稻灌溉需水量和产量都呈现下降趋势,分别由降水增加和气温升高、辐射下降导致的生育期缩短引起;未来气候情景下,间歇灌溉和淹水灌溉模式下水稻耗水量在未来3个时期(2020s,2050s和2080s)均呈现不同程度的增加;耗水量的显著增加和降水的减少导致了未来3个时期水稻灌溉需水量的明显增加;受持续增温的减产效应影响,水稻产量在未来3个时期呈现减少趋势,且降幅逐渐变大。     

未来气候变化情景下海南岛绿橙种植气候适宜性分析

基于海南岛主岛19个气象站点连续40a（1980-2019年）逐日气象数据及地形等要素，建立空间分析模型，综合确定海南岛绿橙种植气候适宜区指标。在气候适宜度模型基础上构建海南岛绿橙种植温度、日照、降水以及综合适宜度模型，采用地理信息系统（GIS）技术综合分析，利用自然点断法对绿橙种植气候适宜性进行精细化区划，并利用RCP4.5未来气候情景模式模拟数据探讨未来30a（2020-2049年）气候变化情景下海南岛绿橙种植适宜区变化趋势。结果表明：现阶段海南岛绿橙种植最适宜区主要分布于中部地区，面积0.87×10⁴km²，气候适宜度为0.9～1.0；适宜区主要分布于东部局部地区及中西部大部地区，面积1.83×10⁴km²，气候适宜度为0.7～0.9；次适宜区主要分布于西部沿海及中西部海拔较高地区，面积0.51×10⁴km²，气候适宜度为0.4～0.7；不适宜区主要分布于中部山区，面积0.17×10⁴km²，气候适宜度为0～0.4。未来气候变化情景下海南岛气温、降水分布呈较大变化，温度适宜区由四周向中部逐渐缩小，降水适宜区由东部逐渐迁移至中部地区。未来绿橙种植气候最适宜区主要分布于琼中、屯昌和保亭县大部分地区、万宁市西部及白沙县中东部等地。     

气候变暖背景下中国北方地区谷子生长季气候适宜性分析

基于气候适宜度模型,利用Anusplin软件对中国北方谷子一作区314个气象站点谷子生长季气候资源和气候适宜度进行1km×1km的精细化插值,分1960-1989年、1990-2019年两个气候年代对其空间分布和年代变化特征进行分析。结果表明：（1）北方谷子生长季气候资源呈现出日照时数由东到西、由南到北递增,累积降水量由北向南、由西向东递增,平均气温南高北低的空间分布;随着气候变暖,研究区谷子生长季平均气温呈上升趋势,日照时数和累积降水量均呈下降趋势。（2）北方谷子生长季气候适宜度呈现出温度适宜度由东向西、由南向北递减,降水适宜度由西北向东南递增,日照适宜度由西北向东南递减的态势;由于气候变暖,温度适宜度和降水适宜度高值区增多,日照适宜度高值区减少。（3）根据综合气候适宜度的计算结果,利用自然断点法将其划分为最适宜、适宜、次适宜和不适宜4个等级。1960-1989年（前30a）北方约21.5%的地区为谷子种植气候最适宜区,随着气候变暖,1990-2019年（后30a）约有10.5%的地区从适宜区转变为最适宜区,主要分布在山东、山西一带,未来可以考虑在该区域根据实际情况扩大种植规模。     

基于GIS的广东荔枝种植气候区划

以广东1980-2009年气候资料为基础,采用地理信息系统（GIS）技术,对不同熟性荔枝进行气候适宜性区划,为广东荔枝生产布局、品种调整提供科学依据。通过分析广东荔枝生育与气象条件的关系,得出早、中、晚熟荔枝的气候适宜度区划指标有4个：年平均气温、历年极端最低气温、荔枝花芽形态分化关键期的平均气温及开花坐果期的降水量,每个指标分3级,对应适宜、次适宜、不适宜。建立了区划指标的空间分析模型。在专业地理信息系统软件ArcGIS系统支持下,运用模型进行了区划指标的小网格点推算及早、中、晚熟荔枝的气候区划。得出广东适宜中熟荔枝种植的面积最大,达666.53万hm^2;其次是早熟品种,为527.45万hm^2;晚熟荔枝受气温和降水的共同制约,适宜种植的面积较小,为425.25万hm^2。     

基于DCCA方法分析气候变化对四川省粮食产量的影响

选取四川省23个气象台站1961-2012年的年气温距平、降水量距平数据等气象资料以及四川省粮食产量数据,应用非线性时间序列的去趋势互相关分析（DCCA）方法对四川省粮食产量与年平均气温和年平均降水量两个主要气候因子的相关性及其随时间变化特征进行分析。结果表明：四川省粮食产量与年平均气温和年平均降水量这两个主要气候因子之间均表现出强烈的长期持续的正相关性特征,标度不变区间在52a以上。进一步对1990-2012年气候变化对四川省粮食产量的影响进行DCCA滑移分析,结果显示,尽管受到区域性气候暖干化趋势的影响,四川省粮食产量出现不稳定波动现象,但粮食产量整体受气候变化的影响程度在逐渐减弱,这可能得益于近年来四川省农业资金及科技力度的大幅投入。     

2011-2050年贵州省极端气候指数时空变化特征

为探究未来贵州省极端气候变化发生趋势与空间格局,在利用中国天气发生器NCC/GU-WG Version 2.0模型对2011-2050年逐日降水量、日最高温和日最低温进行预测的基础上,运用ArcGIS软件和变化趋势分析法,分析了贵州省2011-2050年极端气候指数时空变化特征。结果表明:40年间,日最高温气温（TXx）、日最低气温（TNn）、暖日指数（TX90p）和持续暖期（WSDI）每10 a分别增加0.1℃,0.03℃,0.23 d和0.4 d;冷日指数（TX10p）和持续冷期（CSDI）每10 a分别下降0.1 d和0.26 d。最大日降水量（RX1day）、5日最大降水量（R5D）、强降水量（R95T）、日降水量强度（SDⅡ）和连续湿日（CDD）每10 a分别增加1.02 mm,1.31 mm,5.63 mm,0.01 mm/d和0.05 d,连续干日（CWD）每10 a下降0.11 d。极端气候指数及其变化趋势的空间格局异质性突出。气候变暖和地形是影响贵州省极端气候指数变化的主要因素。     

气候变化对农业影响研究综述

简要综述了近几十年来中国学者在气候变化对农业影响方面的研究成果,主要分气候变化对农业影响的研究方法和气候变化对农作物生长发育和产量、品质、种植布局、农业成本的影响几个方面。并通过分析现状,指出了存在的问题、有待改进的方面和研究发展的方向。     

Spatial Hierarchical Modeling of Precipitation Extremes From a Regional Climate Model

The goal of this work is to characterize the extreme precipitation simulated by a regional climate model (RCM) over its spatial domain. For this purpose, we develop a Bayesian hierarchical model. Since extreme value analyses typically only use data considered to be extreme, the hierarchical approach is particularly useful as it sensibly pools the limited data from neighboring locations. We simultaneously model the data from both a control and future run of the RCM which allows for easy inference about projected change. Additionally, this hierarchical model is the first to spatially model the shape parameter which characterizes the nature of the distribution’s tail. Our hierarchical model shows that for the winter season, the RCM indicates a general increase in 100-year precipitation return levels for most of the study region. For the summer season, the RCM surprisingly indicates a significant decrease in the 100-year precipitation return level.     

基于CLIGEN和GCM模型预测未来40年黄土丘陵沟壑区的气候变化——以安塞为例

为预测3种温室气体排放情景（A2、B2和GGa1）下未来40年黄土丘陵沟壑区的气候变化,利用安塞试验站1986—2003年的气候观测资料以及1986—2049年GCM（HadCM3）栅格数据,通过空间转换和时间转换,利用CLIGEN和GCM模型,预测未来40年以安塞为代表的黄土高原丘陵沟壑区的气候变化。结果表明：与当前条件相比,到2049年,A2、B2和GGa1 3种情景下预测的降雨量分别增加37%、22%和12%;3种情景下预测的最大月均降雨量出现在夏季;到2049年,A2、B2和GGa1 3种情景下预测的月均最低气温和月均最高气温皆增加,但差异不明显,年均最低气温和年均最高气温分别增加1.41-1.56℃和0.92-1.57℃。