AS | 并发干旱威胁小麦和玉米生产,并将在未来扩大作物产量差距

文摘   2024-07-30 22:00   北京  

转载自: Agricultural System 粮食安全

并发干旱威胁小麦和玉米生产,并将在未来扩大作物产量差距

Hou, M. et al. Concurrent drought threatens wheat and maize production and will widen crop yield gaps in the future. Agricultural Systems 220, 104056 (2024).

摘要 | Abstract


背景

干旱对全球作物生产构成重大威胁。随着全球气候变化挑战日益加剧,理解并发干旱对粮食安全的多方面影响变得至关重要。


目标

本研究深入探讨了全球粮食系统中关键主粮小麦和玉米对不同类型干旱的响应,特别关注并发气象干旱和农业干旱导致的产量差距。


方法

采用DSSAT-CERES模型模拟1962年至2100年中国玉米和小麦的物候期、雨养和潜在产量。从作物播种到成熟阶段计算气象(非平稳标准降水蒸散指数,NSPEI)和农业(标准土壤湿度指数,SSMI)干旱指数。我们使用双变量和多变量交叉小波以及vine Copula定性和定量分析产量差距对不同干旱类型的响应。最后,通过最小二乘回归确定玉米和小麦对NSPEI和SSMI的相对依赖权重。


结果与结论

从2022年至2100年,伴随干燥条件加剧,发现这些作物的生长周期缩短。这些情况加剧了作物对并发干旱的脆弱性,导致产量显著减少。我们的预测表明,由于并发干旱,未来的产量差距平均比单一类型干旱导致的产量差距高出2–30%。并发干旱对小麦(5–50%)的影响比玉米(0–35%)更严重。西部地区受影响程度高于东部地区。在2022–2100年SSP(共享社会经济路径)5-8.5情景下,所有四种作物对SSMI(51–99%)的依赖权重大于对NSPEI(26–59%),强调了土壤水分在农业干旱监测和减轻产量损失中的关键作用。


意义

我们的研究结果强调了制定综合干旱管理策略的迫切需求,这些策略需要应对并发干旱的复合风险,从而提高农业系统和全球粮食安全在气候变化中的韧性。我们的研究建议在未来的综合干旱监测指标开发中考虑气象和农业干旱的相对权重,以应对气候变化下的粮食干旱风险。


亮点 | Highlights

• 产量差距对干旱指数的响应因区域分布、作物种类和干旱类型而异。

• 并发干旱被认为是全球小麦和玉米产量的主要风险。

• 预计到2100年,由于并发干旱,产量差距将扩大2–30%。

• 保持土壤水分是减轻未来产量差距的关键。


• The response of yield gaps to drought indices differed by regional distribution, crop species, and drought types.

• Concurrent droughts were identified as a major risk to global wheat and maize yields.

• Projected yield gaps to widen by 2–30% due to concurrent droughts by 2100.

• Soil moisture retention is key to mitigating future yield gaps.



图1:185个研究农业气象站点的海拔、农业区划和分布。农业子区域及其种植的作物:东北平原(NE,春小麦和春玉米)、黄土高原(LP,春玉米、夏玉米和冬小麦)、黄淮海平原(HHH,夏玉米和冬小麦)、北方干旱半干旱区(NA,春玉米、春小麦和冬小麦)、青藏高原(QT,春小麦)和长江以南地区(SY,冬小麦)。

Fig. 1. The elevation, division of agricultural regions and distribution of 185 studied agri-meteorological sites. The agricultural sub-regions and crops grown therein are: Northeast Plain (NE, spring wheat and spring maize), Loess Plateau (LP, spring maize, summer maize and winter wheat), Huang-Huai-Hai plain (HHH, summer maize and winter wheat), Northern Arid and Semi-Arid Region (NA, spring maize, spring wheat and winter wheat), Qinghai-Tibet Plateau (QT, spring wheat) and South of Yangtze River Region (SY, winter wheat).


图2:四种作物从1962年到2100年的营养期(a)、生殖期(b)和整个生长期(c)的变化(以春玉米为例,其他见图S1)。2060年代(d)和2100年(e)在四种SSP情景下的整个生长期。潜在产量(f)、雨养产量(g)和产量差距(h)从1962年到2100年的变化。2060年代(i)和2100年(j)在四种SSP情景下的产量差距。实线表示所有站点的平均值,阴影区域表示所有站点的上下四分位数范围。

Fig. 2. Variations in duration of vegetative (a), reproductive (b), and whole growth stages (c) for four crops from 1962 to 2100 (spring maize as an example, see Fig. S1 for others). Durations of whole growth stages in the 2060s (d) and 2100 (e) under the four SSP scenarios. Variations in potential yield (f), rainfed yield (g), and yield gaps (h) from 1962 to 2100. Yield gaps in the 2060s (i) and 2100 (j) under four SSPs. The solid line indicates the average values of all site and the shaded area indicates the upper and lower interquartile value ranges for all sites.


图3:1962–2021年历史时期和2022–2100年未来时期在SSP2-4.5和SSP5-8.5情景下,四种作物在整个生长期的NSPEI(a–c)和SSMI(d–f)MK趋势(详情见图S6)。

Fig. 3. MK trend of NSPEI (a–c) and SSMI (d–f) during the whole growth period in historical (1962–2021) and future (2022–2100) periods for the four crops under the SSP 2-4.5 and SSP5-8.5 scenarios. (see Figs. S6 for details).


图4:在SSP2-4.5和SSP5-8.5情景下,1962–2021年历史时期和2022–2100年未来时期,春小麦在整个生长期的气象、农业和并发干旱的频率(其他作物见图S7–S8)。

Fig. 4. Frequencies of meteorological, agricultural and concurrent droughts throughout the whole growth period of spring wheat in historical (1962–2021) and future (2022–2100) periods under the SSP 2-4.5 and SSP5-8.5 scenarios. (see Figs. S7–S8 for other crops).


图5:产量差距与NSPEI(a,b)或SSMI(c,d)之间的双变量交叉小波共生光谱。以春小麦在历史和SSP2-4.5情景下的波谱为例(其他作物见图S6和S7)。粗黑色轮廓描绘了相对于红噪声的局部功率的5%显著性水平;影响锥(COI)呈现为较浅的阴影。向右箭头表示同相信号,向左箭头表示反相信号。箭头方向代表相位关系,其中同相为正相关(指向右),反相为负相关(指向左)。反映BWC光谱显著相干性的百分比区域统计(g)。细斜线表示给定作物在给定情景下NSPEI和SSMI的PASC结果。饼图显示了在BWC结果中产量差距与NSPEI或SSMI的较高PASC的干旱指数统计数据。产量差距对NSPEI和SSMI的多变量小波相干光谱(e,f)。与BWC光谱相比,选择指数的MWC光谱中PASC的变化(h)(详情见图S9–S11和表S3–S4)。

Fig. 5. Bivariate cross-wavelet coalescent spectra between yield gap and NSPEI (a, b) or SSMI (c, d). The wave spectra of spring wheat in historical and SSP2-4.5 are used as examples (see Figs. S6 and S7 for other crops). Thick black contours depict the 5% significance level of local power relative to red noise; the cone of influence (COI) is presented as a lighter shade. Right-pointing arrows indicate in-phase signals while left-pointing arrows indicate anti-phase signals. The phase relationship is represented by the arrow direction, where the in-phase is a positive correlation (point to the right) and the anti-phase is a negative correlation (point to the left). The statistics of the percent area of significant coherence reflected by BWC spectra (g). Thin diagonal line indicates the PASC results of the NSPEI and SSMI corresponding to a given crop in a given scenario. The pie charts show statistics for the drought index with a higher PASC in the BWC results for yield difference and NSPEI or SSMI. The multiple wavelet coherence spectra of the yield gaps for NSPEI and SSMI (e, f). Changed PASCs in MWC spectra relative to BWC spectra with the selected index (h) (see Figs. S9–S11 and Table S3–S4 for details). (For interpretation of the references to colour in this figure legend, the reader is referred to the web version of this article.)


图6:在1962–2021年和2022–2100年SSP2-4.5和SSP5-8.5情景下,不同NSPEI和SSMI组合下的产量差距(a–c,以春小麦为例,其他作物见图S12)。在1962–2021年和2022–2100年SSP2-4.5和SSP5-8.5情景下,不同并发干/湿水平下NSPEI和SSMI识别的产量差距(d–f,其他作物见图S13。N:无干旱;SD:轻度干旱;MD:中度干旱;HD:重度干旱;SW:轻度湿;MW:中度湿;HW:重度湿)。

Fig. 6. Scatters of yield gap under different combinations of NSPEI and SSMI in 1962–2021 and 2022–2100 under SSP2-4.5 and SSP5-8.5 scenarios (a–c, using spring wheat as an example, see Fig. S12 for other crops). Yield gaps in different concurrent dry/wet levels identified by NSPEI and SSMI in 1962–2021 and 2022–2100 under SSP2-4.5 and SSP5-8.5 scenarios (d–f, see Fig. S13 for other crops. N: no drought; SD: slight drought; MD: moderate drought; HD: heavy drought; SW: slight wet, MW: moderate wet; HW: heavy wet.).


图7:在1962–2021年和2022–2100年SSP2-4.5和SSP5-8.5情景下,轻度、中度和重度单一和并发干旱下的产量差距(其他情景见图S14)。

Fig. 7. Yield gaps under slight, moderate, and heavy levels of single and concurrent droughts in 1962–2021 and 2022–2100 under SSP2-4.5 and SSP5-8.5 scenarios (see Fig. S14 for other scenarios).


图8:在1962–2021年(a,d)和2022–2100年SSP2-4.5(b,e)和SSP5-8.5(c,f)情景下,并发中度干旱导致的春玉米、夏玉米、春小麦和冬小麦的产量差距的空间分布。

Fig. 8. Spatial distribution of yield gaps due to concurrent moderate droughts for spring maize, summer maize, spring wheat and winter wheat in 1962–2021 (a, d) and 2022–2100 under SSP2-4.5 (b, e) and SSP5-8.5 (c, f) scenarios.


图9:在1962–2021年(a)和2022–2100年SSP2-4.5(b)和SSP5-8.5(c)情景下,单一类型气象(NSPEI < -0.5,SSMI > -0.5)或农业干旱(SSMI < -0.5,NSPEI > -0.5)条件下的产量差距(其他作物见图S15)。

Fig. 9. Yield gaps in single-type meteorological (NSPEI < −0.5, SSMI > −0.5) or agricultral drought (SSMI < −0.5, NSPEI > −0.5) conditions in 1962–2021(a) and 2022–2100 under SSP2-4.5 (b) and SSP5-8.5 (c) scenarios (see Fig. S15 for other crops).


图10:在2022–2100年SSP2-4.5(b)和SSP5-8.5(c)情景下,春季和夏季玉米(a–d)以及春季和冬季小麦(e–h)的NSPEI和SSMI相对权重。

Fig. 10. Relative weights of NSPEI and SSMI for spring and summer maize (a–d) and spring and winter wheat (e–h) in 2022–2100 under SSP2-4.5 (b) and SSP5-8.5 (c) scenarios.


总结 | Conclusions



我们的研究增强了气候变化对关键农业作物的影响的理解,为全球粮食安全和可持续农业提供重要见解。我们得出以下结论:


1. 从2022年至2100年,春玉米、夏玉米、春小麦和冬小麦的整个生长期呈现下降趋势。随着排放率的增加,下降趋势的幅度加大。


2. 在2022–2100年四种SSP情景下,这四种作物的整个生长期的气象和农业条件趋向干燥。


3. 玉米产量与NSPEI更密切相关,而小麦产量与SSMI更一致。


4. 并发干旱会导致更大的产量差距。未来由于并发干旱导致的产量差距平均比单一类型干旱高出2–30%。排放率越高,产量差距越大。


5. 在2022–2100年SSP2-4.5情景下,夏玉米对NSPEI的依赖权重大于对SSMI的依赖权重,而另外三种作物对SSMI的依赖权重大于对NSPEI的依赖权重。在SSP5-8.5情景下,所有四种作物对SSMI的依赖权重(51–99%)大于对NSPEI的依赖权重。


这些发现提供了并发干旱对小麦和玉米产量差距显著影响的综合分析,这对于全球粮食安全至关重要。未来的并发干旱将对作物产量产生严重影响,因此准确的干旱监测和早期预警至关重要。鉴于小麦和玉米对不同干旱指数的不同响应,我们建议为不同作物制定预防措施。此外,我们的研究还为开发综合干旱指数以监测农业干旱提供了实际启示。


Agricultural Systems


点击公众号最底部“阅读原文

查看原文


引用Hou, M. et al. Concurrent drought threatens wheat and maize production and will widen crop yield gaps in the future. Agricultural Systems 220, 104056 (2024).


通讯作者

Yi Li | College of Water Resources and Architectural Engineering, Northwest Agriculture and Forestry University, Yangling, Shaanxi 712100, PR China.


Email | liyi@nwafu.edu.cn


往期回顾

#
AFM | 中国科学院地理所:ENSO对澳大利亚小麦生产的影响及其适应性措施研究
#
AFM | 北京市农林科学院信息技术研究中心:基于机器学习算法预测玉米品种产量,用于精准推广和种植
#
AGEE | 南京农业大学:在旱地水稻系统中优化灌溉和施肥提高水稻生产力并减少氮损失
#
AS | 北京科技大学:新玉米品种的采用对中国产量和化肥投入的影响:对可持续粮食和农业的启示

公众号简介



扫二维码 | 关注期刊官微


SCI期刊Agricultural Systems (AS), Agriculture, Ecosystems & Environment (AGEE), Agricultural and Forest Meteorology (AFM), Agricultural Water Management (AWM) 服务平台,Social Media Specialists 负责运营,推广最新科研成果,加强同行交流合作,保障全球粮食安全,促进农业生产可持续性发展。


AS期刊官网:

https://www.sciencedirect.com/journal/agricultural-systems

AGEE期刊官网:

https://www.sciencedirect.com/journal/agriculture-ecosystems-and-environment

AFM期刊官网:

https://www.sciencedirect.com/journal/agricultural-and-forest-meteorology

AWM期刊官网:

https://www.sciencedirect.com/journal/agricultural-water-management


相关期刊

AS

AGEE

AFM

AWM


声明

欢迎转载、转发本号原创内容,转载信息请与本号联系授权,标注信息来源为《Agricultural System 粮食安全》。转载、合作联系

Social Media Specialists:E-mail:hanjichong@mail.bnu.edu.cn  或  微信后台留言。本号转载信息旨在传播交流,中文翻译仅供参考,准确内容请阅读英文原文


作物生理生态
追踪前沿,共读经典
 最新文章