英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

全球气候变化导致的农作物热胁迫反映的全球高危险区

Edmar I. Teixeira a,b,lowast;, Guenther Fischer a, Harrij van Velthuizen a, Christof Walter c, Frank Ewert d,e
a奥地利拉辛堡国际应用系统分析研究所

b新西兰植物与食品研究所有限公司，新西兰基督城私人包袋公司

c联合利华可持续农业小组，英国

d荷兰瓦赫宁根大学植物生物系，植物科学系

e德国波恩大学作物科学与资源保护研究所

文章信息

文章历史：收到2011年2月25日 于2011年8月12日收到 2011年9月1日接受

提要

如果农作物在生殖期内遭遇高温，重要农作物的生产力就会在短时间内大幅减少。IPCC第四次评估报告认为作物热胁迫是对全球粮食供应的重大威胁。我们使用粮农组织/ IIASA全球农业生态区模式（GAEZ）。对全球四个主要作物，小麦，玉米，水稻和大豆进行全球一级的热胁迫风险评估，高纬度地区，特别是北半球40至60°N之间的陆地上的作物减产的概率最大。中亚和东亚，北美洲中部和印度次大陆北部地区的适宜作物种植面积受到热胁迫风险的影响。在全球范围内，假设A1B排放情景，这个范围从基准气候（1971-2000年）玉米适宜土地的5 Mha到适合气候变化条件（2071-2100）的湿地水稻超过120 Mha。对于大多数作物和区域，热胁迫引起的强度，频率和相关损伤从基准到A1B情景增加。然而，对于小麦和水稻作物，GAEZ根据A1B季节性气候选择不同作物类型和播种时间，导致部分地区的热胁迫影响减少，这表明考虑到这些管理方案的适应措施可以部分缓解地方一级的热胁迫。我们的研究结果表明，温带和亚热带农业地区由于极端气候变暖而可能承受大量的作物产量损失，并强调需要制定适应战略和农业政策，以减轻对全球粮食供应的热胁迫影响。

关键词：适应、农业、气候变化、全球农业生态区模式、热胁迫、食品安全

1.介绍

由于人为气候变化，过去1万年来农业作物和农艺实践发展的环境正在迅速变化（IPCC，2007b）。如果不减轻气候变化，不减少世界经济的碳排放量和随之而来的温室气体排放，全球变暖的速度有望继续增长（Raupach et al.,2007）。农业生产乃至全球粮食安全受到全球变暖的直接影响（Fischer et al.,2005; Schmidhuber and Tubiello，2007; Ainsworth and Ort，2010）。温度控制植物代谢过程的速度最终影响生物量，水果和谷物的生产（Hay和Walker，1989）。到2080年，世界上大多数种植面积可能会暴露于创纪录的平均气温（Battisti和Naylor，2009年）。高平均“季节”气温可以增加干旱风险，限制光合作用率，并通过加速物候发展来减少光线拦截（Tubiello et al.，2007）。以前的全球粮食评估表明，这些负面影响在热带地区尤其恶化（IPCC，2007a; Fischer et al.，2005）。另一方面，在温带地区这些负面影响并不明显，全球变暖可能会延长生长期的，并且让过去受限于低温而无法使用的土地得以利用（Olese and Bindi，2002）。然而过去的研究都没有考虑极端高温或热胁迫的短期影响。随着全球变暖，热浪可能会变得更加频繁（Tebaldi等，2006; IPCC，2007b）。2010年，俄罗斯农业生产区超过20％受到前所未有的极端高温的影响，国际市场上小麦价格上涨了50%（粮农组织，2010年; NOAA，2011b）。即使发生短短几个小时，高温高峰也能大大减少重要粮食作物的生产（Porter和Semenov，2005; Prasad等，2000）。当高温伴随着关键的作物发育阶段，特别是当热胁迫发生在作物繁殖期时，热胁迫损害特别严重。正因为如此，政府间气候变化专门委员会（IPCC）的第四次评估报告已将热胁迫认定为对全球粮食供应的重大威胁（IPCC，2007b）。目前，对热胁迫引起的作物损害的空间分布和强度缺乏了解。在空间上，热胁迫损害预计随着气候、土地适宜生产的程度和栽培作物的敏感性而变化。在时间上，作物日历的选择（即播种和收获的时间）和作物生长速率受到到关键物候期极端温度的影响。为了评估热胁迫风险，有必要考虑在作物发育阶段期间超过作物特定温度阈值的时间，频率和程度。

在这项研究中，我们在全球范围内对热胁迫进行了空间上的明确评估，考虑到这些环境和管理方面，确定了四种重要粮食作物（小麦，水稻，玉米和大豆）的高风险区。我们使用全球农业生态区模型（GAEZ v3.0）来模拟这三种作物在30年的基准历史气候（1971 - 2000年）和另一种未来气候情景（2071-2100）中的热胁迫风险，考虑气候变化。

2.建模方法

2.1．气候情景

用全球环境研究所(NIES; Ibaraki, Japan; www.nies.go.jp/index.html)的全球循环模型（GCM）的日均最高和最低气温（◦C; Tmax和Tmin）进行模拟。选择这一气候模式是因为它时间分辨率高（即逐日Tmax和Tmin），以评估极端事件的影响。相比之下，可用的GCM输出主要用于每月气候数据，这些数据不太适合研究极端温度事件的影响，因为极端气温平缓。模拟包括两个气候情景：（i）1971-2000年的基准气候和（ii）2071年至2100年期间的未来气候，使用政府间气候变化专门委员会的A1B排放情景（IPCC http：// www. ipcc.ch/）。简而言之，A1B故事情节描述：“经济增长非常快的未来世界，全球人口在中期高峰，此后下降，并迅速推出新的更有效的技术。主要的基本主题是全球各地的技术/经济衔接，增强能力建设和社会文化互动，大幅度减少区域人均收入差距。A1B小组的特点是技术重点：化石密集型和非化石能源是平衡的，因此对一种特定能源没有严重依赖，假设类似的改进率适用于所有供电和最终用途技术“（IPCC，2000）。本研究选择了这种情况，因为在可用的IPCC情景中，它代表了温室气体排放中的“中档”。

2.2．作物分布，作物生育期时间和产量的模拟

建模工作考虑了四种农作物：玉米（Zea mays），水稻（Oriza sativa），大豆（Glycine max）和小麦（Triticum aestivum）。模拟中考虑了冬小麦和春小麦。选择这四种作物是因为它们对全球粮食供应具有重要意义;他们一起占到人类卡路里摄入量的40％以上，以及〜650 Mha或45％的全球耕地作物（FAOSTAT，2009a）。

作物分布的模拟，种植日历和四选择作物的潜在产量（表1）是在1.125◦空间分辨率下（赤道sim;140公里）利用粮农组织/国际全球农业生态区（GAEZ）模型（Fische等，2002）计算出来的。评估给定网格单元中作物的存在通过将每个GAEZ“土地利用类型”（LUT）的生理要求与每个模拟场景的当前平均气候条件相匹配。LUT概念描述了作物种类中不同的作物亚型，包括作物周期长度的差异（即从播种到收获的天数），响应于环境驱动因素的增长和发展速度（Fische et al.，2002）。土地覆盖，坡地和地形（即GAEZ土地资源数据集）的地理信息系统层次和产量模拟用于确定每个网格单元中农业生产的适用性。对于某一特定作物估计的潜在合适的土地一般超过了目前的收获面积，因为它代表了在不考虑经济因素或农业限制的条件下耕种作物的土地的扩展和分布。在GAEZ模型中，农业气候潜力产量主要取决于太阳辐射和季节温度的可用性，而可获得的雨水产量则受到水供应，土壤特征和地形坡度的限制（Fischer et al.，2002）。为了确保仅在适合农业的地区进行热胁迫风险评估，只有当实现的收益率ge;潜在产量达到20％的格点才会被考虑，并且格点中至少5％的土地在2000年被表示为已经耕种。基于每30年的气候情景，通过模拟所有可能的“LUT /播种日期”组合的产量，然后选择每个网格单元中平均气候的最高产量来确定每个气候情景和作物物种“最佳作物日历”和“最高产量LUT”。对于小麦，玉米和大豆，我们只考虑作物播种日期的雨养条件高度依赖于可用于允许种子发芽和幼苗建立的足够的土壤水分。在每个网格单元中测试了冬小麦和春麦类型，并选择了最高产量的作物类型。对于湿地水稻，我们认为应采用灌溉作物的播种历法，因为世界各地的大部分水稻大多在灌溉条件下栽培（FAOSTAT，2009b）。用于该分析的GAEZ中使用的天气数据集来自NIES-GCM（2.1节）。

表格1

模拟中每种作物和土地利用类型（LUT）的详细信息。

作物种类 土地数量 作物范围

利用类型 周期(天)为

（LUT） 测试的(LUT)

作物种类

玉米（Zea mays） 24 90-300

湿地米（Oriza sativa） 8 105-150

大豆（Glycine max） 6 105-135

小麦（Triticum aestivum） 20 90-190

2.3.模拟热胁迫损伤的风险

不同作物种类对热胁迫反应的生理模式似乎是一致的。例如，热胁迫减少花/植物的数量，损害花粉管发育，限制花粉释放并减少花粉活力和花卉生育力（Gross和Kigel，1994; Matsui et al.，2000; Prasad et al.，2000，2006a; Suzuki等，2002）。相比之下，热胁迫反应恢复的阈值温度在品种和品种之间不同。随着温度超过这些临界阈值，产量损失的相对强度增加，直到达到绝收。从绝对意义上来说，产量更高的作物种植系统的损失可能会更高。因此，我们评估热胁迫风险的理论基础包括三个维度：（i）敏感期间高温发生的频率，（ii）与作物特异性阈值相关的高温强度，（iii）每个网格单元中受影响作物的预期产量。

图1. GAEZ模型中开发阶段的示意图热敏感期的分配在生殖中点期。 TSP是计算热应力影响时的热敏感期（天），Tday是白天的温度，Tmean是日平均气温。

2.3.1.热应力强度指数（fHS）

针对每个网格单元/作物/年组合计算的热应力强度指数（fHS，分数）是基于Challinor等开发的框架。这种方法的基本原理是（i）作物在发育生殖阶段只对热胁迫敏感，这里称为热敏感期（TSP，天）。（ii）当白天温度（Tday，℃）超过临界温度阈值（Tcrit，◦C）时恢复产量损失;当Tday超过极限温度阈值（Tlim，◦C）时，会发生最大冲击。我们选择使用Tday，而不是最高温度（Tmax），因为Tday可能更接近地表示作物在开花期间经历的温度。例如，一些水稻品种早晨开花，避免暴露于最高温度（Wassmann et al.，2009a）。虽然TSP可能与物种和品种不同，但我们假定以繁殖期的中点为中心的30天的恒定TSP（图1）。通过对6天到30天不等的TSP的敏感性分析表明，大尺度空间格局的热应力是不受影响的（数据未显示）。这种简化旨在保守地报道不同物种在文献中所报道的最关键时期（例如Suzuki等，2002; Wheeler等，2000; Porter和Gawith，1999; Lobell et al.，2011; Ferris et al.，1998）。

温度阈值（强度和TLIM）是不足以用来在全球范围内为不同品种定义品种特异性参数化的。因此，我们考虑每一个物种（表2）参数的近似值（基于Tday），而这个近似值来源于当前文献和以前对于水稻（Prasad et al.，2006b; Wassmann et al.，2009a），玉米（Lobell et al. 2011; Schlenker和Roberts，2009），小麦（Semenov和Shewry，2010; Porter和Gawith，1999）和大豆（Salem等人，2007）的模拟。

为了计算fHS，我们先确定最初估计作为Tday的函数的“每日”热应力强度（fHSd）。 fHSd的值是由于热应力引起的屈服损伤强度的替代，并假定在Tcrit处从0.0线性增加到Tlim处的最大值1.0（公式（1））。

然后在整个热敏感时段（TSP）中累积和平均fHSd的每日值，以计算整个TSP的热应力强度指数（fHS）（等式（2））。

因此，fHS的值反映了作物生长敏感期间经历的热胁迫事件的强度和数量。

表2用于热应力评估的参数化。

作物物种 Tcrit（◦C） Tlim（◦C）

玉米（Zea mays） 35 45

湿地水稻（Oriza sativa） 35 45

大豆（Glycine max） 35

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[22361]，资料为PDF文档或Word文档，PDF文档可免费转换为Word