文献阅读 | 未来农业的气候变化影响将提前——基于新一代气候模式与作物模型

题目

Climate impacts on global agriculture emerge earlier in new generation of climate and crop models

作者

Jonas Jägermeyr, Christoph Mllüer, Alex C. Ruane, Joshua Elliott, Juraj Balkovic, Oscar Castillo et al.

期刊

Nature Food

时间

2021年11月

一作

单位

NASA Goddard Institute for Space Studies, New York, NY, USA. Columbia University, Center for Climate Systems Research, New York, NY, USA. Potsdam Institute for Climate Impacts Research (PIK), Member of the Leibniz Association, Potsdam, Germany. 

链接

https://doi.org/10.1038/s43016-021-00400-y

研究内容

气候变化对于未来农业产量的潜在影响受到广泛的关注。先前的农业模型比较与提高计划AgMIP（the Agricultural Model Intercomparison and Improvement Project）的子计划全球格点作物模型比较计划GGCMI（the Global Gridded Crop Model Intercomparison）主要是基于第五次耦合模型比较计划CMIP5（the Coupled Model Intercomparison Project Phase 5）的结果识别了气候变化对于主要粮食作物的影响，但相关研究的不确定性依然是非常显著的。本文分析基于最新一代的气候模式和农业模型预测结果，对21世纪的变化进行分析。

现有结果与先前分析相比，对玉米、豆类和水稻显示出了更加悲观的产量响应。到本世纪末期，在SSP126情景下，玉米的平均产量变化预测从之前+5%到-6%；在SSP585情景下，玉米的平均产量预测从+1%变为了-24%。这种预测的变化是由于更暖的气候预测和作物模型敏感性导致的。另外一个方面，小麦展现出了更强的收益（在SSP585情景下，从+9%的产量变化转变到+18%），与此相关的是更高的二氧化碳浓度和高纬度收益的增多。在新一代预测中，气候变化影响的出现点普遍较早——对于几个主产区来说都早于2040年。虽然未来产量变化的评估依然有非常大的不确定性，这些结果依然可以揭示主要的粮食产区将会比预期更早的暴露在与人类活动相关引发的气候变化风险中。

研究数据

在全球范围内，气候变化对于农业的影响已通过多种机制体现出。这些机制包括气候变化引发的平均温度以及极端温度的变化、降水和干旱的空间分布的变化、大气中CO2浓度的增加等。气候变化对于农业产量的不确定性来源有：温室气体排放的不确定性、气候模式预测的不确定性以及对于复杂影响过程的理解与模拟所带来的不确定性。提高产量预测的方法之一是基于协同模拟框架的多模式集合模拟结果。在农业模型比较和提高计划（AgMIP）以及部门间影响模型比较项目（ISIMIP）的促进下，我们系统性的展现了农业产量评估，评估是基于最新的耦合模式比较计划CMIP6下的气候模式进行的。

在2014年，AgMIP计划下的格点作物模型比较计划（GGCMI）提供了第一代的协调作物模型预测，预测是基于当时的CMIP5数据（称为GGCMI-CMIP5，之后称为GC5）。当时，依据于这些数据分析了主要粮食作物受气候变化影响的情况，上一代气候模式与作物模型组合中，作物模型带来的不确定性相较于气候模式被证实是更大的。最新一代的CMIP6数据提供了最新的气候预测参考，在偏差矫正和降尺度方法上也有了进步，因此更利于建模评估影响。以及新一代模拟中有了更准确的协调输入和收获时间等系统配置，基于过程的作物模型也进行了改进优化，在此情况下，GGCMI能够提供基于CMIP6气候情景的21世纪全球主要粮食作物产量预测（称为GGCMI-CMIP6，之后称为GC6）。

气候变化影响通常是以时间段间的差异来进行量化的，但考虑到适应措施，当地气候变异性以及近期预测的不确定性，相对变化的幅度往往更有意义。本文定义了气候影响出现的时间点(TCIE )，就是某一产量水平(负值或正值)成为新常态的时间点，具体将TCIE定义可参见后文。TCIE是本文进行风险评估的一个关键指标。变化出现的时间点的衡量已被应用于气候变量（包括温度、降水和其他）。越来越多的证据表明主要的粮食生产地区在近期内会越来越多地面临着气候变化影响。

作为自2014年GC5以来的第一次更新，GC6研究的目的是：(1)提供最新一代的多模式集合预测；（2）采用TCIE的概念，从风险角度评估气候变化对于作物产量的影响；（3）提高对区域变化模式的认识；（4）探究与气候模式、作物模型和CO2效应相关的不确定性因素。

研究结果

1. 全球主要粮食作物的产量响应：

本文分析选用了两条最具代表性的浓度路径（RCPs），分别是RCP2.6和RCP8.5（以下简称SSP126和SSP585，不考虑共享经济路径下相关的适应措施）。选择这两条路径是为了对现有的情景范围进行全覆盖，并与GC5的情况进行比较。

基于12个格点作物模型在5个GCM驱动下进行了模拟，总计大概240个气候-作物模型模拟结果。ISIMIP利用了五个GCMs经过偏差矫正和降尺度后的数据，在0.5°的网格分辨率上进行驱动分析，时段涵盖了1850-2100年，CO2选用的是瞬时浓度情况（称为：default情景）。这项研究是基于时间上不变的管理假设，分析的重点是气候变化对当前作物生产系统的直接影响。整个新一代气候模式和作物模型在SSP126和SSP585情景下的多模式集合结果对气候变化的响应是更明显的（如图1所示）。小麦的预测结果更为乐观，但是玉米、大豆和水稻的结果则更为悲观。

玉米是许多地区总产量最多的作物，在粮食安全方面有非常重要的意义。到本世纪末期（2069-2099年）全球生产力变化的平均值在-10%左右（SSP126）和-20%左右（SSP585），这个变化是比GC5中的预测更负面。对于玉米来说，SSP585情景下的估计值从+1%（作物模型组合预测的四分位数的范围：-10%到+8%）到-24%（四分位数范围IQR：-38%到-7%）。对于SSP126情景的变化范围是+5%到-6%。

对于小麦来说，小麦是全球产量第二大的作物。在SSP585情景下多模式预估的结果从GC5的10%（IQR：-1% ~ +15%）增加到GC6的+18%（IQR：-2% ~ +39%），SSP126多模式预估从GC5的+5%上升到GC6的+9%。

对于大豆来说，SSP585多模式集合预估从GC5中的+15%（IQR：-8%到+36%）下降到GC6中的-2%（IQR：-21%到+17%），水稻估计值从+23%（IQR：+1%到+20%）下降到+2%（IQR：-15%到+12%）。总的来说，新的气候和作物模型组合缩小了大豆和水稻产量预测范围，但是作物模型之间仍然有比较大差异。对于玉米和小麦的响应是比较稳健的，与GC5相比的影响更加明显。虽然作物预测的范围有所扩大，但在SSP585情景下，85%的模型组合显示玉米的变化为负效应。73%的模型预测小麦的变化为正效应。这两个结果都是统计学显著的；在GC5预测中的玉米的响应不是统计显著的。与SSP585相比，SSP126下的小麦正向变化有更强的一致性（89%）。因为玉米是C4植物，从CO2浓度升高中能获益的能力有限，而且玉米种植范围主要集中在低纬度地区，而这些区域未来受到的气候变化的不利影响是最大的。而当前这些区域的温度已经接近作物限制的温度阈值。而作为C3作物，小麦的积极响应主要取决于相对较强的CO2增肥效应，而且目前受到温度限制的高纬度地区，未来温度会有一定增加，两方面原因共同导致小麦有一定的增产。GC6中更显著的作物产量变化主要有三个方面的因素导致：第一，CMIP6中CO2浓度是显著高于CMIP5（如图2a所示）。2099年的浓度从927ppm（RCP8.5）增加到1122ppm（SSP585）。第二，CMIP6到本世纪末的全球平均升温水平高于CMIP5，在这里五个GCM中得到了充分体现。虽然RCP2.6和RCP8.5在CMIP6中陆地海洋的全球平均温度比CMIP5中高0.3°C，但在主要的玉米生产地区，差异甚至更加明显的（>0.5℃）。第三，新的作物模型集合与之前的作物模型相比，上一代参加的模型本身也有了一定的提高，还新增了多个作物模型，输入数据也进行了改进，这使得对气候及CO2的变化响应有更强的敏感性。

图1. 本世纪末期多模式预测的作物生产力的响应变化。在SSP126和SSP585情景下全球生产力变化（2069-2099年与1983-2013年相比），主要展示了全球四种主要粮食作物在多模式模拟（含气候模式和作物模型）的平均值（在图中以圆圈数字突出显示）。箱线图中表示不同气候模型和不同作物模型的预测范围（虚线代表同一种气候模式下多种作物模型预测的平均值，实线代表同一种作物模型在多种气候模式预测下的平均值）。灰色的箱线图代表的是GC5中的模拟情况。

图2. CMIP5和CMIP6预测的CO2浓度和温度变化情况。a.CMIP5下RCP2.6和RCP8.5以及CMIP6下SSP126和SSP585情景中的CO2浓度路径。b.箱线图展示了CMIP5和CMIP6在2069-2099和1983-2013两个时间段的玉米生长季的温度变化。绿色代表SSP126，黄色代表SSP585。颜色较深的箱线图是占全球产量50%的网格单元的情况，颜色较浅的箱线图是全球所有玉米生产网格的情况。

2. 农业相关的气候变化风险信号出现的时间点：

TCIE描述了平均气候变化影响在历史变异性和不确定性（“噪声”）范围之外发生的时间点。在这里将TCIE定义为多模式模型预测25年滑动平均的作物产量变化（“信号”）从噪声（即1983-2013年所有GCM×GGCM组合的模拟变化的标准差）中出现的年份。玉米在主要生产地区一直呈现出对生产力变化的负向效应（“负TCIE”）。在SSP585情景中2032年和SSP126情景中的2051年，全球层面的多模式集合平均信号开始大于噪声（如图3所示）。在所有单个的GCM×GGCM模型组合中，84%在SSP585显示出负的TCIE（在SSP126下为52%），TCIE的四分位数的范围是从2014年到2056年，这些表明模型之间有较大的一致性。在先前GC5模拟中，多模式集合平均在任何排放路径下到2099年都未出现信号大于噪音的情况。在RCP8.5下只有46%的单个GCM×GGCM组合中出现一致的预测（IQR：2044-2080）。总的来说，在新一代气候模式和作物模型预测中，全球层面TCIE信号出现相比于GC5的预测情况下更早、更明显（如图4所示）。到本世纪末期，全球10%（SSP126）到74%（SSP585）的玉米种植区预计将出现负的TCIE。与GC5（RCP8.5）的47%相比，在SSP585中玉米种植区出现负TCIE的时间点将会提前。在SSP585中受到影响的耕地面积比例更高。作物模型表明，即使在SSP126条件下，中亚、中东、南欧、美国西部和南美地区玉米的TCIE会在2040年之前出现负TCIE响应（相较于1983-2013年）。在热带低纬度地区，以及中亚、中东和美国西部发现由于内部变异性，一般在较大的空间尺度上会较早的出现TCIE。

对于小麦来说，根据多模式集合预估的结果发现在全球范围内大部分区域都出现正的TCIE变化。虽然在GC5模拟中也发现了TCIE，但是在GC6中TCIE提前了十年。这表明与气候有关的增长在未来数年内就可能在全球范围内发生（SSP585情景下为2023年，SSP126情景下为2025年；其中IQR分别为2014-2029年及2015-2029年）。也就是在未来20年内将在全球主要的粮食产量地区出现。在全球部分地区，我们已经检测到了TCIE信号，这与温度和降水出现时间估计范围一致。关于小麦的TCIE在整个模型全集中显示出较高的一致性：在SSP126（SSP585）情景中，单个模型组合在2099年之前显示出证TCIE的模型数量为76%（88%）。在本世纪中期小麦在南亚、美国南部、墨西哥和南美部分地区的重要种植区表现出负的TCIE。对于小麦预测的不确定性普遍高于玉米。

在全球范围内，大豆和水稻生产力在多模式集合预估中在本世纪中期达到峰值，并在本世纪末下降。在SSP585下，大豆对于气候变化的响应显示出的负TCIE(2096年);水稻显示出早期的正TCIE(2030年，SSP585)，但到本世纪末期出现了下降，预计不会达到全球水平的负TCIE的情况(RCP8.5下38%的GCM×GGCM组合显示到2099年的负TCIE）。水稻是本研究中唯一在热带地区显示正TCIE的作物，它推动了早期的全球净收益，然后生产力将在2060年左右再次下降。至于玉米和小麦，TCIE信号转移得更早，在GC6 比GC5更明显。

图3. 玉米（a）和小麦（b）在SSP126（绿色）和SSP585（黄色）下的生产力相对变化时间序列（相对1983-2013年参考期）。阴影范围表明了所有气候-作物模型组合（5个GCM×12个GGCMs）的IQR。实线表示了模型响应的中位数（25年的滑动平均）。水平虚线表示历史产量变化的标准偏差和模型的不确定性（即多种模型组合下的“噪声”）。圆圈表示TCIE，即滑动平均后的气候变化响应从噪声中出现的年份。（c）（d）显示的是SSP585当前种植区（大于10公顷）不同气候和作物模型下玉米（c）和小麦（d）多模式集合平均产量变化的空间分布（2069-2099）。（e）（f）玉米和小麦在区域生产力变化响应的时间序列。按照Koeppen-Geiger的四个主要气候区（热带、亚热带、温度和寒带）进行分区。单图右上方显示了每个区域站全球总产量的百分比。

图4. 在SSP585下的GCM×GGCM模型组合中模式估计的全球玉米生产力（a负TCIE）和全球小麦生产力（b正TCIE）TCIE的密度图。直方图利用局部加权回归（LOESS，span取为0.5）进行了平滑，并展示为总体模式数量的百分比的形式。GGCMI-CMIP6包含12个作物模型，GGCMI-CMIP5包含7个作物模型，气候模式在两代模拟中都是5个。到2099年TCIE的总数用“Sum”来表示。TCIE的平均值用垂直的虚线表示。

3.产量变化的区域模式：       

玉米预测显示了空间上的同质性损失，特别是在北美、墨西哥、西非、中亚和中国的主要种植区，作物模型的一致性很高(图3c)。GC5中发现的高纬度收益在GC6中并不普遍，而且与作物模型的高不确定性和低基线产量有关。小麦显示出明显的地理空间差异，在墨西哥、美国南部、南美和南亚的春小麦地区有损失。许多模型预测华北平原、澳大利亚、中亚、中东以及美国北部和加拿大的冬小麦种植区的小麦产量将大幅提高(图3d)。大豆在主要生产地区--美国、巴西和东南亚的损失最大，而在中国部分地区和一般高纬度地区则有很大的收益。模拟出中东的水稻产量出现下降趋势，而南亚、中国东北部和南美的水稻产量增加。大豆和水稻产量的变化都必须考虑到作物模型集合模拟结果。对每种作物的前十名生产国的产量反应进行细分，突出了信号中包含的CO2增肥效应。 在SSP585情景下，产量变化的纬度分布--在所有网格单元中模拟，无论当前的耕地分布如何--表明所有作物的损失在低纬度热带地区最为普遍，而在北纬50°和南纬30°以外的高纬度地区收益最高（如图5所示）。玉米在北纬50度和南纬30度之间表现出广泛的损失，而其他作物的损失则更多地集中在热带地区，大豆和水稻的信号不太明显。主要的小麦粮仓通常位于比玉米更高的纬度，这进一步促进了在目前耕种地区的小麦总收益。尽管目前90%以上的玉米和小麦是在温带和亚热带气候区生产的，但重大的产量损失将影响热带地区许多小农户的生计和粮食安全。总的来说，我们的结果显示，低纬度地区面临着所有农作物的损失最大，而高纬度地区则有潜在收益。这些结论与IPCC AR5和最近的研究一致，这种影响的不均衡分布可能会进一步增加区域差异。

图5. SSP585情景下的产量变化（2069-2099）。（a）玉米、（b）小麦、（c）大豆和（d）水稻的纬度平均值，基于所有网格单元的作物模拟，不受当前耕地范围（底部x轴）的限制。为方便起见，目前的耕地范围在各纬度带显示为特定作物全球范围的百分比（顶部X轴；镜像显示，以便与正负产量变化相重叠）。产量数据显示为气候和作物模型的多模式集合平均（每种作物不包括产量低于20%分位值的边缘地区）。

4.作物模型和气候模型的不确定性

在SSP585情景下，作物模型响应范围大大超过了5个气候模型的响应范围。然而，对于所有的作物模型和未来情景来说，相较于GC5中五个气候模式，五个CMIP6气候模式的不确定性有增加。从作物模型的角度来说，在GC6中虽然作物模型的数量增加，但是作物模型引起的总方差比例下降（玉米从97%下降到69%），这说明作物模型的响应一致性有所提升。这可以用CMIP6中GCM更强的气候敏感性以及CMIP6中更高浓度的CO2来进行解释。在5个气候模式中，使用气候模式UKESM1驱动的产量模拟是最为悲观的，UKESM1模拟的2099年的全球平均升温水平比GFDL-ESM4模拟的高2.6℃。一般来说以MRI-ESM2驱动的产量模拟最不悲观（如图1所示）。较高的排放情景下作物模型的不确定性增加(SSP585)。在SSP126的低排放情景下，GC6的整体气候和作物模型引起的不确定性范围也比较大(图1)。二氧化碳增肥效应的不确定性导致了小麦、 大豆和水稻在大部分作物模型模拟中的不确定性，但玉米的不确定性范围并没有从根本上减少，即使玉米作为C4植物，CO2的增肥效应较小。而小麦、大豆和水稻作为C3植物的反应差异则大得多。然而，不同作物模型的CO2施肥效应差别很大 ;到2099年，玉米的多模式集合平均结果为19%，小麦为33%，大豆为 48%，水稻为37%，鉴于模型模拟包括营养限制，这与田间实验基本一致。CYGMA和CROVER对一些作物表现出强烈的CO2峰值-下降效应，导致2090年后CYGMA中玉米的CO2效应为负。这是由升高的CO2浓度下，水利用效率的提高所驱动的，最终导致潮湿地区过量水分效应的负向影响--这主要体现在CYGMA中的新反馈，在以前的研究中没有得到充分探索。

研究讨论

我们将气候影响风险出现的时间点的概念引入农业影响领域，强调由于气候变化导致的全球作物生产力的重大转变预计将在未来20年内发生，比基于以前模型预测的估计早几十年。在未来十年，SSP126和SSP585对作物生产力的影响基本相似，这给气候减缓工作留下了很小的空间。因为这些预测在本世纪末气候模式和作物模型的模型组合中有较强的的一致性，研究结果突出了食品系统适应性的挑战，面临准备时间明显缩短的问题。

CMIP6多模式作物产量预测表明，气候变化对全球农业的影响将比GC5更加明显，玉米、大豆和水稻的损失将大大增加，而小麦将有额外的收益。这一点得到了总体上更加一致的作物模型组合的支持。然而，巨大的不确定性仍然存在，特别是在TCIE估计方面--全球玉米TCIE的标准偏差为24年(SSP585)，这与温度出现的估计相似。然而，信号是稳健的。80%以上的GCM-GGCM组合表明，到本世纪末，主要粮仓的玉米和小麦都有TCIE(SSP585)。基于不同指标的TCIE估计上是一致的(例如，玉米的多模型集合平均TCIE被发现在2032年，单个GCM×GGCM估计的中值在2027年，平均值在2036年)。对玉米和小麦来说，TCIE的标准偏差只有1.5年(SSP585)。

小麦产量的增加预计将在本世纪中叶趋于平缓，部分气候-作物模型组合显示在SSP585情景中到2099年出现净损失(图1)。另一方面，玉米产量预计将稳步下降，这得到了比小麦更高的多模式组合的支持。这些普遍的反应差异也与以前的研究结果相一致。新一代模拟预测对于气候变化的响应更加明显，主要是由于更高的气候敏感度、更高的CO2浓度以及对升温和CO2变化作物模型敏感度造成的。CMIP6有更高的气候敏感度，这与模型中云反馈和云-气溶胶相互作用的不同参数化方案有关。虽然对云的液态水含量进行了更好的模拟，但目前尚不清楚这些改进是否会转化为更准确的平衡气候敏感性（ECS）的估计。CMIP6模式模拟中较高的CO2浓度是由于MAGICC7.9模型中更新了观测值，并且对CO2和CH4之间的关系进行了新的修正。GGCMI的作物模型也发生了很大的变化，例如LPJML模型进行了改进，增加了氮循环和改进了热单位参数化方案。更新了作物生长季的情况。对玉米和小麦来说 ，作物模型集合敏感性的变化主导了反应，而对大豆和水稻来说，较高的升温水平和升温敏感性解释了大部分差异。新的GCM偏差调整、作物模型的改进和输入数据的改进。

和新的作物产量偏差校正，与气候模型相比，大大减少了作物模型引发的不确定性，使新的GC6集合比GC5更加一致性更强，尽管集合模型数目更大(GC6有12个作物模型，GC5有7个)。鉴于模型协调、输入和GGCM版本和性能的改进，尽管考虑到CMIP6的温度敏感性，我们认为GC6比GC5更可靠。

耕作系统的适应措施可以大大减少，甚至超过气候变化的不利影响，例如，通过改种其他作物或更好的适应性品种。纳入 ISIMIP更广泛的跨部门活动中，GGCMI将在随后的工作中系统地评估耕作系统的适应性和产量变异性的变化以及极端事件影响。总之，新一代的AgMIP的GGCMI提供了迄今为止最全面的基于过程的气候变化下的未来作物产量预测组合。即使是低排放情景下，全球农业系统也有较大变化，这表明当前的粮食生产系统将很快面临根本性的风险。尽管存在普遍的不确定性，但这些组合预测揭示了未来几十年在主要粮食生产地区，进行有针对性的粮食系统适应和风险管理的必要性。

编辑&排版：朱羽遥

相关阅读

4 高铁对公路交通和温室气体排放的影响5 能源与福祉研究有待推进6 高温热浪对经济的影响：以南京为例

点击“阅读原文”浏览小组主页