气候变化对作物产量影响的不确定性研究

Projections of climate change impacts on crop yields are subject to uncertainties, and quantification of such uncertainty is essential for effective use of the projection results for adaptation and mitigation purposes. In this study, based on the observed maize data across the Northeast of China, three crop statistical models and 60 sets of APSIM model parameters were established and connected with 12 climate models to quantify the comprehensive uncertainties in simulating maize yields that was attributed to differences in the structures of climate models and emissions scenarios, and crop models and parameter estimations. Furthermore, the contribution of individual sources of uncertainty was also partitioned.

气候变化对作物产量影响评估存在很大不确定性。量化这些不确定性对于开展农业应对气候变化负面影响的相关工作是十分重要的。本项目选取当前气候变化研究热点的东北地区作为研究区域，以玉米作物为例，在累积的作物观测资料基础上，建立三个作物统计模型和60组参数的APSIM作物机理模型，通过收集的12个气候模式数据驱动作物模型，从气候模式结构和排放情景差异、作物模型结构和参数差异角度，定量分析这些不确定性来源对气候变化对玉米产量影响评估的综合不确定性及单一不确定性来源对综合不确定性贡献大小。

气候模式驱动作物模型是气候变化影响评估的主要手段，但研究结果存在不确定性。针对不确定性识别问题，本研究以东北地区的玉米为研究对象，利用基于Bootstrap方法得到的多套参数的站点尺度和区域尺度作物统计模型代表作物模型内部参数不确定性，4个不同结构的作物机理模型APSIM、CERES、WOFOST和Hybird-Maize代表作物模型结构的不确定性，3个RCPs排放情景驱动8个全球气候模式得到了的气候情景数据代表气候输出的不确定性，通过多个气候模式输出分别与不同结构或多套参数的作物模型结合，采用多模式集合概率的方法量化气候变化对玉米产量影响评估的综合不确定性范围，在此基础上进一步采用方差分析法，分离气候模式结构/排放情景和作物模型结构/参数本身的不确定性对研究结果不确定性影响的定量贡献。该研究为气候变化研究结果的合理准确利用提供了理论参考；也为我国气候变化影响评估方法和工具的改进，尽可能降低评估结果的不确定性，提出了研究方向。