由于作物产量深受气候条件的影响，自古以来，农业就有靠天吃饭的说法。随着科学技术的进步，气候对农业生产的制约，虽一定程度上得到缓解，但因人类尚不能大范围控制和改变气候，靠天吃饭的局面仍将持续存在。特别是在科技欠发达的地区，气候变化对作物产量的影响更是直接关乎到联合国“零饥饿”可持续发展目标的实现。那么，在全球气候变化之背景下，“老天赏饭”的情况究竟发生着怎样的变化呢？

潜在产量作为作物产量的天花板，反映了一定气候条件下“老天赏饭”的最佳状况，是粮食安全评价的重要对象。然而，目前基于统计模型和过程模型的潜在产量评估方法，在可靠性、稳定性和普适性等方面仍存在不足，难以对潜在产量气候响应的年际变化进行准确估算和合理评价。

针对以上问题， 清华大学地球系统科学系王焓副教授研究组利用自主研发的基于生态最优性原理的作物生长模型（PC model）评估了过去近40年（1981-2016）全球小麦潜在产量的变化及其对气候的响应。该研究成果近日以“Optimality-based modelling of climate impacts on global potential wheat yield”为题在Environmental Research Letters上发表。

PC model不同于传统的作物生长过程模型，它以生态最优性原理为理论指导，尝试对驱动作物生长的普遍规律和内在机理进行数学表达。该模型包括碳同化和碳分配两个模块：碳同化模块由基于生态最优性原理的普适的生产力模型P model和基于质量平衡原理的叶面积指数动态模拟方案组成；而碳分配模块则用于模拟生产力向产量的非线性分配，以及人为管理对该分配比例的影响。PC model模型框架的提出及其在中国农业站点的验证结果，已经以“Extending a first-principles primary production model to predict wheat yields”为题，在Agricultural and Forest Meteorology上发表。本研究在PC model原有框架的基础上，引入了水分限制，实现了对全球雨养区小麦潜在产量的模拟。

图1 PC model（P model for Crop）的模型结构。

本研究比较了PC model和“跨部门影响模型比较计划”（ISIMIP）中的过程模型对全球小麦潜在产量的模拟结果。与EARTHSTAT参照基准的对比表明，PC model在简化复杂模型经验参数和次要过程的同时，有效地提升了对潜在产量空间格局和数量级的模拟效果（图2）。

图2 2000年小麦潜在产量的多模型比较结果。参照基准来自于EARTHSTAT数据。

气候效应的评价结果表明，全球绝大部分小麦种植区的潜在产量都因气候变暖出现不同程度的下降。小麦潜在产量对降水和辐射变化的响应在干旱区和湿润呈相反趋势，较干旱的地区辐射增加会提升小麦生长受到的水分胁迫，导致小麦潜在产量下降；较湿润地区降水的增加则可能导致洪涝，对小麦正常生长产生不利影响。大气中二氧化碳浓度的增加，一定程度提高了小麦的潜在产量（图3）。同时期，小麦实际产量的气候响应与其潜在产量的气候响应一致，再次印证了气候变化对农业生产的巨大影响，以及可靠预测和评估气候效应的迫切性。该评估结果为气候变化背景下的全球粮食安全评价提供了有力支持，也为其他类型作物的潜在产量评估提供参考。

图3小麦潜在产量（PY）与温度、降水、辐射及CO₂的偏相关。

王焓副教授研究组自主研发的PC model，具有模型结构简洁，经验参数少，普适性强等特点。与复杂的过程模型相比，PC model包含更多的植物生态适应机理，在保证模型仿真性的同时，简化了模型结构，减少了模型参数。这不仅提高了模型在不同区域运行的稳定性和适用性，也大幅提升了模型运算速度，极大地节约了计算资源。

清华大学地学系博士生乔圣超为论文第一作者，地学系王焓副教授为论文通讯作者，清华大学杰出访问教授I. Colin Prentice教授和Sandy P. Harrison教授为论文合作者。本研究得到了国家自然科学基金项目“植物功能适应与模拟”、清华大学自主科研计划项目“基于自然的解决方案相关问题的研究”等项目的支持。

PC model模型相关代码可在LPICEA课题组网站获取（www.lpicea.com）。

文章信息：

Qiao, S., Wang, H., Prentice, I. C., & Harrison, S. P. (2021). Optimality-based modelling of climate impacts on global potential wheat yield. Environmental Research Letters. https://doi.org/10.1088/1748-9326/ac2e38

Qiao, S., Wang, H., Prentice, I. C., & Harrison, S. P. (2020). Extending a first-principles primary production model to predict wheat yields. Agricultural and Forest Meteorology, 287, 107932. https://doi.org/10.1016/j.agrformet.2020.107932

供稿：乔圣超

编辑：王佳音

审核：武海平