发布人:     发布日期: 2026-10-28    浏览次数:

1. 论文摘要

品种参数在基于过程的作物模型中对作物物候和产量形成具有关键调控作用，但在区域尺度上，其不确定性及其对气候变化影响评估的贡献仍缺乏充分量化。本研究汇集了中国主要麦区19个代表性冬小麦品种的全国长期观测资料，共238条记录，并采用贝叶斯马尔可夫链蒙特卡洛（MCMC）方法校准WheatGrow模型的八个关键品种参数。利用参数后验分布，在不考虑CO₂浓度升高的条件下，量化了历史气候和未来增温情景下小麦物候与产量预测不确定性的时空格局。结果表明，与物候发育相关的品种参数具有较大的校准不确定性；而产量相关参数尽管受到更好的约束，却主导了产量预测中的不确定性。由品种参数传播产生的不确定性表现出明显的区域异质性：在未来增温情景下，到2050年代，低产的西南地区产量预测不确定性最高，变异系数约为18%；高产的黄淮海平原则明显较低，约为9%。此外，本研究比较了品种参数传播不确定性与气候预测及作物模型结构不确定性的相对大小。品种参数传播不确定性总体低于作物模型不确定性，尤其是在物候预测中。这些发现表明，明确考虑品种参数传播不确定性能够提高区域气候影响评估的稳健性，并强调了在气候变化背景下的作物建模中更好地表征品种多样性的必要性。

2. 数据与方法

研究区：中国主要冬小麦产区，划分为北部冬麦区（NS）、黄淮海冬麦区（HHS）、长江中下游冬麦区（MYS）和西南冬麦区（SWS），合计占全国冬小麦种植面积的85%以上、产量的约89%，重点分析不同品种和生产环境下的物候、产量及其预测不确定性。

选用数据：

1. 历史气象站观测数据（驱动作物模型历史模拟，来自中国气象数据共享服务网，涉及最高气温、最低气温、太阳辐射和降水等模型驱动变量）

2. 第二次全国土壤普查数据（提供模型所需土壤属性，包括土壤类型、容重、pH、有机质、黏粒、全氮、有效磷和有效钾等）

3. HAPPI气候情景数据（驱动相对工业化前增温1.5 ℃和2.0 ℃的未来模拟，研究使用2040—2070年时期）

4. CMIP5 RCP8.5气候情景数据（驱动较强增温条件下的未来模拟，研究使用2040—2070年时期）

样本数据：

1. 研究选取1980—2010年间41个试验站的19个代表性冬小麦品种，共238条多年观测记录，其中124条用于参数校准，114条用于模型验证。观测内容包括品种信息、田间管理、播种至成熟的物候阶段、地上生物量、籽粒产量及成熟期产量构成。

研究方法：

研究利用多站点物候、生物量和产量观测，按先物候、后生长与产量的顺序校准WheatGrow八个品种参数，并在后一阶段固定已估计的物候参数。采用贝叶斯MCMC获得后验分布，经收敛检验后为每个品种抽取1000组参数；区域网格按最近校准站分配单一品种，将参数不确定性传播至历史和三种未来情景的开花、成熟及产量模拟。未来CO₂浓度保持基线水平，不显式考虑品种更新，WheatGrow未启用极端热胁迫模块。以变异系数（CV）表征参数及输出的相对离散程度，并比较不同全球气候模型的模拟差异；另以试错和差分进化优化为四个作物模型确定最优参数，比较模型间离散程度。结合独立验证、参数与输出CV的相关分析，以及方差分析和Tukey检验，评价区域与情景差异。不同来源的CV用于比较相对不确定性大小，不作总方差贡献率分解。

3. 研究结果

1. 模型表现

WheatGrow对物候的模拟优于产量。校准阶段开花期、成熟期和产量的RMSE分别约为6.49 d、6.01 d和1429.68 kg/ha，验证阶段分别为9.01 d、7.28 d和1643.71 kg/ha。各品种物候模拟NRMSE均低于10%；黄淮海多数品种产量NRMSE为20%—30%，长江中下游和西南地区多个品种超过40%。

2. 品种参数的不确定性

生理春化时间（PVT）、光周期敏感性（PS）和温度敏感性（TS）的不确定性最高，平均CV约为70%；潜在收获指数（HI）最低，约为15%，最大光合速率（AMX）和比叶面积（SLA）分别约为24%和52%。物候参数的空间格局因参数而异，三个产量相关参数则均表现为西南地区不确定性较高、北部和中部麦区较低。

3. 增温情景下的物候与产量预测

固定CO₂条件下，增温总体使开花和成熟提前，主要缩短开花前生育期。1.5 ℃ HAPPI下开花提前7.2—9.3 d，RCP8.5下提前11.9—14.3 d。三种未来情景的减产幅度分别为1.3%—8.6%、1.8%—10.7%和2.9%—11.4%，西南最大、北部最小。部分区域虽呈减产趋势，但情景间产量差异未达到显著水平。

4. 与灌溉事件相关的土壤湿度响应

品种参数传播的不确定性总体在黄淮海较低、西南较高。未来西南产量CV最高约18%，北部、黄淮海、长江中下游及全区的产量CV在情景间差异不显著。作物模型间离散程度总体较大，物候CV约为参数来源的两倍；南部两区产量的模型与参数不确定性在部分情景下接近。气候模型来源的CV在各区和未来情景下均低于3%。

4. 讨论

1. 品种参数不确定性及其对物候和产量的传播效应

作者认为，参数不确定性不会线性转化为输出不确定性。不同春化、光周期和温度响应参数组合可能相互补偿，形成相近物候，使较大的参数离散度未必对应较大的物候误差。产量则累积发育、冠层、生物量分配和胁迫响应等过程的不确定性，因此较小的产量参数变异也可能产生较大的预测差异，不能仅凭参数CV判断模型不确定性。

2. 中国主要冬麦区不确定性的区域异质性

西南地区较高的不确定性可能与复杂地形、水热异质性、较低基线产量及模型适配不足有关，不能仅解释为遗传多样性更高。该区单个产量参数与输出CV的关系较弱，提示参数交互、补偿及模型与环境不匹配可能共同影响结果。此外，最近站点品种分配未量化空间配置误差，改进南方麦区胁迫过程和基因型—环境交互表征仍很重要。

3. 增温下品种参数、模型结构和气候模型不确定性的相对大小

作物模型不确定性占优是本研究所用模型、情景和不确定性框架下的结果，不构成普遍排序。CV比较反映各集合的相对离散程度，不能给出各来源的精确贡献百分比或交互效应。作者指出，固定CO₂可能影响气候模型和作物模型的不确定性估计；未来需要参数、气候与作物模型充分交叉的集合设计，开展更严格的方差分解。

4. 启示与局限

预测减产仅代表固定CO₂条件下的增温相关影响。历史品种资料未覆盖2010年后的遗传改良与品种更新，其偏差方向尚不明确；顺序校准可能未充分保留物候与产量参数协方差，且未量化极端热胁迫响应。作者提出扩大多环境品种观测、改进温度与胁迫过程，并发展可交换过程模块和更稳健的集合方法，以降低预测不确定性。

5. 结论

基于中国41个试验站、19个冬小麦品种的238条观测，研究表明，品种参数自身的不确定性与其传播至模型输出的不确定性并不一致：物候参数的后验离散程度较大，但产量预测通常比物候预测更不确定。参数传播不确定性具有明显区域差异，西南地区高于黄淮海地区，未来增温下西南产量CV最高约18%。在本研究框架内，作物模型间离散程度总体高于品种参数和气候模型来源，但不同区域与输出的比较结果并不完全相同。研究支持在区域增温影响评估中采用多品种和概率参数表征，同时需保留固定CO₂、历史品种代表性不足、未启用极端热胁迫模块及未开展正式方差分解等限定。