氣候變化條件下中國(guó)灌溉面積變化的產(chǎn)量效應(yīng)

李中赫，占車(chē)生，胡 實(shí)，寧理科，武蘭芳，郭 海2,

氣候變化條件下中國(guó)灌溉面積變化的產(chǎn)量效應(yīng)

李中赫1,2，占車(chē)生1,4※，胡 實(shí)3，寧理科1,4，武蘭芳1,4，郭 海2,3

（1. 中國(guó)科學(xué)院地理科學(xué)與資源研究所，生態(tài)系統(tǒng)網(wǎng)絡(luò)觀測(cè)與模擬院重點(diǎn)實(shí)驗(yàn)室，北京 100101； 2. 中國(guó)科學(xué)院大學(xué)，北京 100049；3. 中國(guó)科學(xué)院地理科學(xué)與資源研究所，陸地水循環(huán)及地表過(guò)程院重點(diǎn)實(shí)驗(yàn)室，北京 100101；4. 中國(guó)科學(xué)院禹城綜合試驗(yàn)站，北京 100101）

灌溉可以有效緩解氣候變化對(duì)糧食生產(chǎn)的不利影響。采用中國(guó)不同區(qū)域2006－2019年實(shí)際灌溉用水量，對(duì)4個(gè)氣候模式（GFDL-ESM2M，HadGEM2-ES，IPSL-CAM5-LR，MIROC5）驅(qū)動(dòng)下的3種作物模型（GEPIC、PEPIC和LPJml）的灌溉用水量進(jìn)行評(píng)估，優(yōu)選模擬結(jié)果較好的前5個(gè)模式組合，分析RCP2.6和RCP6.0情景下，2021－2050年中國(guó)玉米、水稻、大豆和小麥產(chǎn)量變化，評(píng)估灌溉面積擴(kuò)張的增產(chǎn)效應(yīng)。結(jié)果顯示：未來(lái)氣候變化下，2021－2050年降水量的增加使得中國(guó)水稻和大豆以及北方地區(qū)玉米和小麥產(chǎn)量均呈現(xiàn)增長(zhǎng)趨勢(shì)，其中東北80%左右的地區(qū)和西北70%左右的地區(qū)玉米產(chǎn)量將提高0.2～0.8 t/hm2，東北85%左右的地區(qū)水稻和大豆增產(chǎn)幅度分別超過(guò)1.0、0.5 t/hm2，東北90%左右的地區(qū)和西北75%左右的地區(qū)小麥產(chǎn)量增幅分別介于1.0～2.0、0.5～1.0 t/hm2之間。降水量的減少使得西南南部地區(qū)的玉米和小麥產(chǎn)量均下降0.2 t/hm2左右。不同區(qū)域玉米和小麥的增產(chǎn)效應(yīng)差異明顯，由于北部地區(qū)光熱條件較差、小麥基礎(chǔ)產(chǎn)量較低，使得小麥灌溉增產(chǎn)潛力（1%～11%）以及增產(chǎn)效率（（0.12±0.06）kg/m3）均較高，北部地區(qū)小麥的灌溉面積擴(kuò)張可有效應(yīng)對(duì)氣候變化的不利影響。

灌溉；氣候；模型；增產(chǎn)潛力；增產(chǎn)效率

0 引 言

氣候變化已經(jīng)對(duì)全球生態(tài)系統(tǒng)造成了深刻的影響[1]，尤其是對(duì)人類(lèi)生存和發(fā)展提供物質(zhì)資料的農(nóng)業(yè)生態(tài)系統(tǒng)。中國(guó)是農(nóng)業(yè)大國(guó)，僅用全球7%的耕地養(yǎng)活了近20%的人口。氣候變化已經(jīng)對(duì)中國(guó)糧食生產(chǎn)產(chǎn)生了不利的影響。近30年氣溫升高及輻射減少導(dǎo)致華北、華東、華中和西南地區(qū)水稻分別減產(chǎn)0.54、0.56、0.27和0.26 t/(hm2·10 a)[2]，小麥生育期內(nèi)氣溫升高和輻射變化使中國(guó)南方小麥減產(chǎn)1.2%～10.2%，氣溫變化導(dǎo)致玉米產(chǎn)量下降12%[3]。此外，降水量變化對(duì)作物產(chǎn)量的影響也較為明顯。研究表明，每增加1%的降水量，中國(guó)東北、西北以及華北地區(qū)作物產(chǎn)量將分別增加1.72%、1.31%和0.73%[4]。第五、六次國(guó)際耦合模式比較計(jì)劃（CMIP5，CMIP6）模式均預(yù)測(cè)未來(lái)氣候變化仍將持續(xù)，其對(duì)農(nóng)業(yè)生產(chǎn)的影響依然嚴(yán)峻[5]。與此同時(shí)，未來(lái)中國(guó)人口增加會(huì)導(dǎo)致對(duì)糧食總量的需求增加近8%[6-7]。因此，在氣候變化和人口增長(zhǎng)等多重壓力下，適應(yīng)及減緩氣候變化對(duì)農(nóng)業(yè)的影響仍是二十一世紀(jì)最重要的任務(wù)之一。

中國(guó)農(nóng)業(yè)灌溉面積占農(nóng)業(yè)種植面積的47.6%（2018年），其中有效灌溉面積呈逐年增加趨勢(shì)[8-9]。灌溉能有效緩解氣候變化對(duì)農(nóng)業(yè)生產(chǎn)的不利影響[10]。與雨養(yǎng)條件相比，灌溉條件下的作物產(chǎn)量高、年際波動(dòng)較小，在氣候變化的影響下表現(xiàn)出更強(qiáng)的穩(wěn)定性[11]。例如，黃土高原地區(qū)灌溉改善條件下，冬小麥產(chǎn)量可增長(zhǎng)22%[12]；在灌溉適宜條件下東北地區(qū)春玉米可增產(chǎn)0～86%[13]；中國(guó)政府計(jì)劃到2030年將灌溉面積擴(kuò)大4.4%[12]，研究表明未來(lái)氣候變化下，21世紀(jì)30年代中國(guó)灌溉面積增加10%時(shí)，糧食產(chǎn)量將增加1.5%～1.8%；灌溉面積增加15%時(shí)，糧食產(chǎn)量將增加2.2%～2.7%[14]。然而中國(guó)不同區(qū)域氣候變化差異明顯，區(qū)域間水土資源不均衡[15]，灌溉擴(kuò)張對(duì)氣候變化影響的緩解程度尚需進(jìn)一步研究。

全球格點(diǎn)作物模型比較計(jì)劃（Global Gridded Crop Model Intercomparison Project，GGCMI）是在ISIMIP框架下進(jìn)行的一項(xiàng)作物模型比較研究，可用于深入研究氣候變化對(duì)作物產(chǎn)量的影響[16-17]。全球格點(diǎn)作物模型比較計(jì)劃包含未來(lái)氣候情景（RCP2.6和RCP6.0）下不同灌溉方式（雨養(yǎng)和充分灌溉）的作物產(chǎn)量及其潛在灌溉用水量，為評(píng)估未來(lái)氣候變化下灌溉對(duì)農(nóng)業(yè)生產(chǎn)的影響提供了有效途徑。利用2006－2019年灌溉用水量的統(tǒng)計(jì)數(shù)據(jù)，本研究評(píng)估GGCMI模擬的中國(guó)潛在灌溉用水量的區(qū)域差異，針對(duì)綜合評(píng)分較高模型的產(chǎn)量結(jié)果，分析RCP2.6和RCP6.0情景下2021—2050年中國(guó)四種糧食作物產(chǎn)量變化的區(qū)域差異，評(píng)估灌溉擴(kuò)張的增產(chǎn)潛力，為氣候變化下的糧食生產(chǎn)提供一定的科學(xué)指導(dǎo)。

1 研究區(qū)域及數(shù)據(jù)來(lái)源

1.1 研究區(qū)域

參考文獻(xiàn)[18]，依據(jù)《中國(guó)農(nóng)業(yè)物候地圖集》中的玉米、小麥等作物生長(zhǎng)季節(jié)將中國(guó)劃分為7個(gè)區(qū)域（表1）。玉米在中國(guó)大部分地區(qū)均有種植，其中東北、西南和南部地區(qū)以雨養(yǎng)玉米為主；小麥主要種植于中國(guó)北部和西北部的省份，以灌溉小麥為主；中國(guó)大豆以雨養(yǎng)為主，主要種植在東北地區(qū)；水稻主要種植于中國(guó)東部、中部、西南部和南部省份，均需要灌溉（表1）。

表1 中國(guó)不同區(qū)域4種作物的灌溉面積比例[19]

注：A1代表不同區(qū)域作物灌溉面積占該作物在全國(guó)種植面積的比例，%；A2代表不同地區(qū)作物灌溉面積占該地區(qū)作物種植面積的比例，%。

Note: A1 represents the proportion of the irrigated area of crops in different regions to the planted area of the crops in China, %; A2 represents the proportion of crop irrigation area in different regions to the crop planting area in this region, %.

1.2 數(shù)據(jù)來(lái)源

1.2.1 模式數(shù)據(jù)

跨部門(mén)影響模型比較計(jì)劃（Intersectoral Impact Model Intercomparison Project，ISIMIP）主要目的在于探討全球變化對(duì)地表過(guò)程和人類(lèi)社會(huì)的影響，目前有ISIMIP2a和ISIMIP2b兩種協(xié)議[20]。本文所采用的作物產(chǎn)量（t/hm2）、潛在灌溉用水量（mm）、實(shí)際蒸散量（mm）數(shù)據(jù)則是ISIMIP2b中由4個(gè)全球氣候模式（GFDL-ESM2M，HadGEM2-ES，IPSL-CAM5-LR，MIROC5）（表2）數(shù)據(jù)驅(qū)動(dòng)的3個(gè)格點(diǎn)作物模型（GEPIC、PEPIC、LPJml）的模擬結(jié)果，其空間分辨率為0.5°。本研究以1980—2005年為基準(zhǔn)期，2021—2050年為預(yù)估期，選取IPCC AR5中典型濃度路徑（Representative Concentration Pathway, RCPs）中的RCP2.6（低排放情景）和的RCP6.0（介于中等排放和高排放之間）兩種情景。基準(zhǔn)期和預(yù)估期的農(nóng)田管理、人為影響和肥料投入均維持在2005年的水平。糧食作物的模擬結(jié)果包括雨養(yǎng)（Rainfed）和充分灌溉（Full irrigated）下的小麥、玉米、大豆和水稻的產(chǎn)量及其對(duì)應(yīng)的灌溉用水量[21]。充分灌溉是指在作物生長(zhǎng)發(fā)育過(guò)程中的灌溉量能夠完全滿足作物對(duì)水分的需求，使作物在其生長(zhǎng)發(fā)育的過(guò)程中不存在水分脅迫。本文定義的完全灌溉方式（擴(kuò)大灌溉面積）是指對(duì)灌溉地與雨養(yǎng)地均進(jìn)行灌溉，而未完全灌溉方式（維持原有灌溉和雨養(yǎng)農(nóng)田比例）則是僅對(duì)灌溉地進(jìn)行灌溉，雨養(yǎng)地不灌溉。

選取歐洲中心天氣預(yù)報(bào)中心（European Centre for Medium-Range Weather Forecasting, ECMWF）第五代再分析數(shù)據(jù)集（ECMWF Reanalysis v5 ERA5）的2006－2019年氣溫和降水?dāng)?shù)據(jù)，將其作為實(shí)際氣候條件下的參考數(shù)據(jù)，評(píng)估四個(gè)全球氣候模式（GFDL-ESM2M，HadGEM2-ES，IPSL-CAM5-LR，MIROC5）在RCP2.6和RCP6.0情景下的集合平均表現(xiàn)，分析歷史時(shí)期氣候變化情景下的氣溫和降水與實(shí)際氣候條件下氣溫和降水之間的差異，以此來(lái)判斷是否可以通過(guò)比較潛在灌溉水量與實(shí)際灌溉水量來(lái)挑選更為接近實(shí)際灌溉量的模式。

表2 4個(gè)全球氣候模式的信息

1.2.2 三種作物模式

EPIC（Environmental Policy-Integrated Climate）是20世紀(jì)80年代初期由美國(guó)德克薩斯農(nóng)工大學(xué)黑土地研究中心和美國(guó)農(nóng)業(yè)部草地、土壤和水分研究所共同研究開(kāi)發(fā)的定量評(píng)價(jià)“氣候-土壤-作物-管理”系統(tǒng)的綜合動(dòng)力學(xué)模型[18]。GEPIC與PEPIC均是基于EPIC的模型，其中GEPIC是基于地理信息系統(tǒng)（GIS）的EPIC模型，而PEPIC是基于Python操作系統(tǒng)的EPIC模型，它們的主要區(qū)別在于參數(shù)設(shè)置的差異[22]。EPIC模型是一個(gè)單點(diǎn)模型，所定義的最大田間尺度是100 hm2，假設(shè)整個(gè)田間區(qū)域的氣候、土壤、地形、作物輪作和田間管理措施是均一的。EPIC模型由9個(gè)模塊組成，其中作物生長(zhǎng)模塊、水文模塊、土壤溫度模塊、土壤侵蝕模塊和養(yǎng)分循環(huán)模塊是EPIC模型的5個(gè)核心模塊。該模型中包含了350多個(gè)數(shù)學(xué)方程，其中計(jì)算的潛在灌溉用水量與開(kāi)始灌溉的作物水分脅迫閾值（充分灌溉下的作物水分脅迫閾值為0.99）以及徑流比（田間流出水量與灌水量的比值）有關(guān)，公式如下[22]：

AIR=(FC?SW)/(1?EIR) （1）

式中FC為根區(qū)田間持水量，mm，SW為灌溉前根區(qū)土壤含水率，mm，EIR為徑流比，AIR為潛在灌溉用水量，mm。

LPJml（Lund-Potsdam-Jena managed land）是在全球植被動(dòng)態(tài)模型（DGVM）LPJ的基礎(chǔ)上發(fā)展起來(lái)的，旨在模擬全球陸地碳循環(huán)以及碳和植被格局對(duì)氣候變化的響應(yīng)。LPJml模型利用植物生理關(guān)系和植物性狀參數(shù)，模擬光合作用、植物生長(zhǎng)、火災(zāi)干擾、土壤水分、徑流、蒸散、灌溉以及植被結(jié)構(gòu)等過(guò)程[23]。LPJml模型模擬的潛在灌溉用水量與土壤水分供應(yīng)和大氣蒸騰需求之間的比值有關(guān)，當(dāng)該比值小于0.7時(shí)，模式會(huì)啟動(dòng)灌溉功能（充分灌溉）。

1.2.3 統(tǒng)計(jì)數(shù)據(jù)

基于統(tǒng)計(jì)的實(shí)際灌溉用水量（mm）主要用于評(píng)估模型模擬的潛在灌溉用水量。

W=104W/A（2）

式中W為單位面積的灌溉用水量，mm；W和A分別為省級(jí)行政區(qū)的灌溉用水量（億m3）和有效灌溉面積（khm2）；數(shù)據(jù)來(lái)源于2006－2019年全國(guó)28個(gè)省級(jí)行政區(qū)（除海南、臺(tái)灣、青海、西藏、香港、澳門(mén)以外）的《水資源公報(bào)》和《中國(guó)水利統(tǒng)計(jì)年鑒》。灌溉面積比例來(lái)源于MIRCA2000（Global Monthly Irrigated and Rainfed Crop Areas aroundthe Year 2000）全球作物空間分布數(shù)據(jù)集(https://www.uni-frankfurt.de/45218031/data_download)，該數(shù)據(jù)集是德國(guó)法蘭克福大學(xué)研究制作的全球26種主要灌溉和雨養(yǎng)作物空間分布圖，空間分辨率為0.5°。

1.3 模擬效果評(píng)價(jià)指標(biāo)

為了分析RCP2.6和RCP6.0情景下不同作物在灌水量與降水量變化下的產(chǎn)量變化以及灌溉擴(kuò)張的增產(chǎn)效應(yīng)，本文選用2個(gè)技巧評(píng)分指標(biāo)1和2，分別評(píng)估2006－2019年模型的潛在灌溉用水量模擬結(jié)果[24]，并利用泰勒?qǐng)D評(píng)估多模式集合平均的模擬效果。

式中為潛在灌溉用水量的模擬值與灌溉用水量的統(tǒng)計(jì)值的相關(guān)系數(shù)，0為的最大值。σ為格點(diǎn)作物模型的標(biāo)準(zhǔn)差（Stds）與統(tǒng)計(jì)值的標(biāo)準(zhǔn)差（Std0）之比。技巧評(píng)分1重點(diǎn)考慮模型模擬值方差與實(shí)際值方差之間的關(guān)系，而技巧評(píng)分2則重點(diǎn)考慮模型模擬值與實(shí)際值之間的相關(guān)性。

1.4 作物灌溉產(chǎn)量潛力的計(jì)算

由于作物模型在運(yùn)行時(shí)，難以準(zhǔn)確區(qū)分雨養(yǎng)地區(qū)與灌溉地區(qū)，因此在計(jì)算作物單產(chǎn)時(shí)，采用灌溉面積比例來(lái)加權(quán)計(jì)算（式（6）和式（7））。在RCP2.6和RCP6.0情景中充分灌溉下的作物增產(chǎn)潛力采用式（8）計(jì)算。

式中Y和Y分別為完全灌溉方式與未完全灌溉方式下的作物產(chǎn)量，t/hm2；Y和Y分別為模式輸出的充分灌溉和雨養(yǎng)條件下的作物產(chǎn)量，t/hm2；A和A分別為MIRCA2000的灌溉和雨養(yǎng)作物的年均收獲面積，hm2；為網(wǎng)格單元索引，為時(shí)間，a。P為完全灌溉方式下作物總產(chǎn)量的增產(chǎn)潛力，%，P為完全灌溉方式下單位灌水量的增產(chǎn)潛力，t/m3，W為完全灌溉方式下額外增加的灌溉水量（在雨養(yǎng)地進(jìn)行充分灌溉所需要的水量），mm。

2 結(jié)果與分析

2.1 模式結(jié)果評(píng)估

四個(gè)氣候模式（GFDL-ESM2M，HadGEM2-ES，IPSL-CAM5-LR，MIROC5）在RCP2.6和RCP6.0下，2006－2019年降水量（年均氣溫）的集合平均與參考數(shù)據(jù)集ERA5的對(duì)比如表3所示。RCP2.6和RCP6.0情景下，2006－2019年中國(guó)大部分地區(qū)的溫度與實(shí)際氣候條件下的溫度差異較小（相對(duì)偏差低于5%），僅西南和南部地區(qū)的年均氣溫略高于實(shí)際年均氣溫。2006—2019年?yáng)|北、北部、東部和中部地區(qū)的年降水量與實(shí)際氣候條件下的年降水量無(wú)明顯差異（相對(duì)偏差低于10%，表3）。然而在西北、西南和南部地區(qū)，實(shí)際年降水量略高于RCP2.6和RCP6.0情景下的年降水量，其中西南地區(qū)年降水量差異較大。總體而言，中國(guó)大部分地區(qū)在2006－2019年RCP2.6和RCP6.0情景下的降水量和溫度與實(shí)際氣候條件相比差異較小，因此可以針對(duì)作物模型模擬的歷史時(shí)期RCP2.6和RCP6.0情景下的潛在灌溉用量，利用實(shí)際灌溉用水量對(duì)其進(jìn)行評(píng)估，來(lái)挑選在不同情境下更接近實(shí)際情況的作物模式。

表3 不同地區(qū)2006—2019年RCP2.6與RCP6.0情景下四種氣候模式輸出結(jié)果的集合平均的年均氣溫和年降水量以及實(shí)際氣候條件下（ERA5）的年均氣溫和年降水量

注：RD1和RD2分別代表RCP2.6和RCP6.0情景相對(duì)于ERA5的相對(duì)偏差。

Note: RD1and RD2 represent the relative deviation relative to ERA5 under RCP2.6 and RCP6.0 scenarios.

在不同情景下，不同作物模式組合對(duì)不同區(qū)域灌溉用水量的模擬差異較大。在東北和北部地區(qū)，GEPIC、LPJml和PEPIC模型表現(xiàn)差異不大，LPJml模型在西北地區(qū)表現(xiàn)較好。而東部、中部和南部地區(qū)LPJml和PEPIC模型表現(xiàn)較好，GEPIC模型在西南地區(qū)表現(xiàn)較好（表4）。

表4 RCP2.6和RCP6.0情景下不同模式組合模擬的不同地區(qū)灌溉用水量的技巧評(píng)分

通過(guò)統(tǒng)計(jì)12組模式組合在不同區(qū)域的表現(xiàn)，發(fā)現(xiàn)RCP2.6情景下的LPJml_HadGEM2-ES、LPJml_GFDL-ESM2M、PEPIC_HadGEM2-ES、LPJml_MIROC5和PEPIC_MIROC5以及RCP6.0情景下的LPJml_GFDL-ESM2M、PEPIC_HadGEM2-ES、LPJml_HadGEM2-ES、LPJml_IPSL-CM5A-LR和PEPIC_IPSL-CM5A-LR的技巧評(píng)分1和2出現(xiàn)在各區(qū)域排名前五中的頻數(shù)較大，說(shuō)明上述組合在中國(guó)不同區(qū)域灌溉用水量的綜合表現(xiàn)較好。泰勒?qǐng)D顯示（圖1），RCP2.6和RCP6.0情景下，與單一模型相比，排名前五模式組合的多模式集合平均結(jié)果在相關(guān)性和標(biāo)準(zhǔn)差方面均表現(xiàn)較好，所以本文利用未來(lái)30年（2021－2050年）在RCP2.6和RCP6.0情景下作物產(chǎn)量的多模式集合平均結(jié)果分析氣候變化下中國(guó)不同區(qū)域作物產(chǎn)量變化情況以及預(yù)估完全灌溉方式下的產(chǎn)量潛力。

注：REF代表實(shí)際參考數(shù)據(jù)。離REF越近的點(diǎn)，該點(diǎn)所代表的模型表現(xiàn)越好。

Note: REF represents the actual reference data. The closer point to REF means the model is better.

圖1 不同情景技巧評(píng)分排名前5模式組合模擬的不同地區(qū)2006－2019年灌溉用水量相對(duì)于基于統(tǒng)計(jì)的灌溉用水量的泰勒?qǐng)D

Fig.1 Taylor diagram of simulated irrigation water use from skill score top 5 models compared with that based on statistics in different regions of China in 2006-2019 under different scenarios

2.2 氣候變化下糧食產(chǎn)量的時(shí)空變異

與基準(zhǔn)期1980—2005年相比，RCP2.6和RCP6.0情景下，80%左右的東北、70%左右的西北和西南北部玉米種植區(qū)的產(chǎn)量在2021－2030與2031－2050年的增長(zhǎng)幅度均介于0.2～0.8 t/hm2之間，其他地區(qū)玉米產(chǎn)量均呈現(xiàn)下降趨勢(shì)（圖2）。在選用的模式組合中，LPJml模型的碳分配和收獲指數(shù)均受水分脅迫的影響，以EPIC為基礎(chǔ)的GEPIC和PEPIC模型在計(jì)算收獲指數(shù)時(shí)也考慮了水分脅迫的影響，因此在以雨養(yǎng)為主的東北、西北和西南北部地區(qū)，玉米產(chǎn)量與降水量關(guān)系密切。降水量的增加提高了土壤濕度，降低了水分脅迫，提高了作物產(chǎn)量。雖然北部、中部和東部地區(qū)降水量也呈增加趨勢(shì)，但氣溫升高帶來(lái)的玉米生育期縮短（8～12 d）抵消了降水量增加的正效應(yīng)，使得90%左右的北部、中部和東部玉米種植區(qū)的產(chǎn)量在RCP2.6和RCP6.0情景下2021－2030與2031－2050年呈現(xiàn)下降趨勢(shì)（0.2～0.4 t/hm2）。以雨養(yǎng)玉米為主的西南南部地區(qū)，降水量呈下降趨勢(shì)，土壤水分脅迫增加，玉米產(chǎn)量下降。

與基準(zhǔn)期1980－2005年相比，RCP2.6和RCP6.0情景下，各地區(qū)水稻產(chǎn)量在2021－2030與2031－2050年均呈現(xiàn)增長(zhǎng)趨勢(shì)。水稻產(chǎn)量受降水量變化的影響明顯，降水量的增加能夠降低水稻的水分脅迫，提高產(chǎn)量，其中85%左右的東北和西北水稻種植區(qū)在RCP2.6和RCP6.0情景下2021－2030與2031－2050年的產(chǎn)量增幅超過(guò)1.0 t/hm2。圖2以RCP2.6情景為例展示了作物產(chǎn)量空間變化。圖3和圖4以RCP2.6情景為例展示了灌溉用水量增量空間變化以其與作物產(chǎn)量距平的相關(guān)關(guān)系。可見(jiàn)，西南南部地區(qū)水稻產(chǎn)量與灌溉水量關(guān)系密切（圖3和圖4），灌溉水量的增加彌補(bǔ)了由降水量減少導(dǎo)致的水分缺失，降低了水分脅迫，使得兩種情景下2021－2030與2031－2050年水稻均增產(chǎn)0.3 t/hm2左右。

與基準(zhǔn)期相比，RCP2.6和RCP6.0情景下，各地區(qū)大豆產(chǎn)量在2021－2050年呈增長(zhǎng)趨勢(shì)，其中2021－2030年與2031－2050年85%左右的東北大豆種植區(qū)的產(chǎn)量增幅介于0.5～1.0 t/hm2之間，而北部、東部、南部、中部和西南北部大豆種植區(qū)的大豆產(chǎn)量增幅范圍在兩個(gè)時(shí)間段均在0.2 t/hm2左右（圖2）。大豆種植以雨養(yǎng)為主，受降水量變化的影響明顯，降水量增加能夠降低水稻的水分脅迫，提高產(chǎn)量。然而西南南部地區(qū)以灌溉大豆為主，該地區(qū)大豆產(chǎn)量在2021－2030年與2031－2050受灌溉水量變化影響較大（圖3和圖4），灌溉水量的增加彌補(bǔ)了因降水量減少導(dǎo)致的水分供應(yīng)不足，降低了水分脅迫，使得70%左右的西南南部大豆種植區(qū)的產(chǎn)量在兩個(gè)時(shí)間段均增加約0.2 t/hm2。

與基準(zhǔn)期相比，RCP2.6和RCP6.0情景下，以灌溉小麥為主的東北和西北地區(qū)，灌溉水量增加使小麥產(chǎn)量的增長(zhǎng)幅度較大，在2021－2050年?yáng)|北（90%）和西北（75%）大部分地區(qū)小麥產(chǎn)量增幅分別介于1.0～2.0 t/hm2、0.5～1.0 t/hm2之間（圖3）。北部、東部和西南北部地區(qū)小麥產(chǎn)量與降水量關(guān)系密切，降水量的增加降低了小麥水分脅迫，進(jìn)而提高產(chǎn)量，其中90%以上的北部、東部和西南北部小麥種植區(qū)在2021－2030與2031－2050年的產(chǎn)量增幅均為0.5 t/hm2左右。雖然中部和南部地區(qū)降水量也呈增加趨勢(shì)，但氣溫升高導(dǎo)致的玉米生育期縮短（4～12 d）抵消了降水量增加的正效應(yīng)，使得2021－2030年小麥產(chǎn)量呈現(xiàn)下降趨勢(shì)，其中約65%的中部和南部小麥種植區(qū)的產(chǎn)量下降幅度在0.2 t/hm2左右。與其他地區(qū)不同的是，西南南部地區(qū)灌溉水量和降水量均呈減少趨勢(shì)，小麥水分脅迫加重，使得2021－2030與2031－2050年30%左右的西南南部小麥種植區(qū)的產(chǎn)量下降0.2～0.6 t/hm2。

2.3 灌溉面積擴(kuò)張的增產(chǎn)效應(yīng)

2.3.1 作物增產(chǎn)潛力的區(qū)域差異

灌溉面積擴(kuò)張下的四種糧食作物產(chǎn)量增產(chǎn)潛力區(qū)域差異明顯?？傮w而言，充分灌溉條件下，2021－2050年中國(guó)玉米的增產(chǎn)潛力介于2%～60%，水稻增產(chǎn)潛力為1%～13%，大豆增產(chǎn)潛力為0～62%，小麥增產(chǎn)潛力為0～33%。RCP2.6與RCP6.0情景下，玉米增產(chǎn)潛力在2021－2030年和2031－2050年由高到低排序?yàn)槲鞅钡貐^(qū)（43%～60%）、西南地區(qū)（4%～40%）、東北地區(qū)（2%～40%）、北部地區(qū)（2%～20%）（圖5a）；水稻增產(chǎn)潛力由高到低為東北地區(qū)（3%～13%）、南部地區(qū)（0.5%～5%）（圖5b）；大豆增產(chǎn)潛力由高到低為西北地區(qū)（40%～62%）、東北地區(qū)（7%～33%）、北部地區(qū)（2%～20%）、西南地區(qū)（2%～17%）（圖5c）；小麥增產(chǎn)潛力由高到低為西南地區(qū)（22%～33%）、西北地區(qū)（10%～18%）、東部和北部地區(qū)（1%～11%）（圖5d）。

東北、西南地區(qū)玉米與大豆均以雨養(yǎng)為主，灌溉條件的改善使得玉米和大豆產(chǎn)量大幅增長(zhǎng)。西北和北部地區(qū)玉米種植均以灌溉為主，但西北地區(qū)降水量較小，作物水分脅迫較高，灌溉條件改善后可大幅降低玉米水分脅迫，使玉米產(chǎn)量增幅較大。然而北部和西北地區(qū)大豆種植以雨養(yǎng)為主，灌溉條件的改善能夠提高大豆產(chǎn)量，其中西北地區(qū)較小的降水量使得雨養(yǎng)大豆的水分脅迫較高，因此改善西北地區(qū)灌溉條件能夠大幅降低大豆水分脅迫，大幅增加大豆產(chǎn)量。東北地區(qū)降水量的增加使得水稻產(chǎn)量呈略微增長(zhǎng)趨勢(shì)，然而與其他地區(qū)相比東北地區(qū)降水量仍較小，降水量的增加對(duì)降低雨養(yǎng)水稻水分脅迫的貢獻(xiàn)并不明顯，因此改善東北地區(qū)的灌溉條件能夠大幅增加該地區(qū)水稻產(chǎn)量。對(duì)小麥來(lái)講，雖然西北地區(qū)降水量呈增加趨勢(shì)，但小麥水分脅迫仍較大，而西南地區(qū)降水量的減少增加了小麥的水分脅迫，因此改善西北和西南地區(qū)的灌溉條件可使小麥產(chǎn)量大幅增長(zhǎng)。對(duì)于灌溉條件較好、降水量較大的地區(qū)（如中部、東部和南部地區(qū)），作物在生長(zhǎng)發(fā)育過(guò)程中受到的水分脅迫較低，完全灌溉方式帶來(lái)的增產(chǎn)效應(yīng)并不顯著。

2.3.2 灌溉增產(chǎn)效率的區(qū)域差異

不同作物單位灌溉量增產(chǎn)潛力差異明顯。2021－2050年中國(guó)玉米單位灌水量的增產(chǎn)潛力在0～0.12 kg/m3范圍內(nèi)波動(dòng)（圖6a），水稻單位灌水量的增產(chǎn)潛力介于0～0.15 kg/m3（圖6b），大豆單位灌水量的增產(chǎn)潛力介于0～0.01 kg/m3（圖6c），小麥單位灌水量的增產(chǎn)潛力為0～0.32 kg/m3（圖6d）。RCP2.6與RCP6.0情景下，2021－2030與2031－2050年玉米單位灌水量的增產(chǎn)潛力由高到低為中部地區(qū)（0.09±0.02）kg/m3、北部地區(qū)（0.09±0.02） kg/m3、東北地區(qū)（0.05±0.03）kg/m3、西南地區(qū)（0.02±0.005）kg/m3、東部地區(qū)（0.01±0.003）kg/m3；水稻單位灌水量的增產(chǎn)潛力由高到低為東部地區(qū)（0.08±0.042）kg/m3、南部地區(qū)（0.05±0.013）kg/m3、北部和中部地區(qū)（0.04±0.03）kg/m3、東北和西南地區(qū)（0.014±0.003）kg/m3；大豆單位灌水量的增產(chǎn)潛力由高到低為北部地區(qū)（0.008±0.002）kg/m3、東北地區(qū)（0.007±0.002 5）kg/m3、東部和西南地區(qū)（0.003± 0.001 2） kg/m3；小麥單位灌水量的增產(chǎn)潛力由高到低為東北地區(qū)（0.21±0.12）kg/m3、北部地區(qū)（0.12±0.06）kg/m3、東部地區(qū)（0.044±0.014）kg/m3、西北和西南地區(qū)（0.025±0.003） kg/m3。不同地區(qū)光熱以及土壤條件對(duì)灌溉增產(chǎn)效率影響較大，雖然東北、北部、西北、中部以及西南地區(qū)氣溫升高幅度較大，熱量條件較好，但西北地區(qū)土壤貧瘠，不利于作物生長(zhǎng)，而西南地區(qū)光照條件較差，也使得灌溉增產(chǎn)效率較低。

此外灌溉增產(chǎn)效率符合邊際效用遞減規(guī)律[25-26]，以北部和南部地區(qū)為例（圖7），其中北部地區(qū)單位灌水量的玉米產(chǎn)量增量遠(yuǎn)未達(dá)到最低值，所以灌溉增產(chǎn)效率較高。同理，東北和北部地區(qū)小麥以及東部地區(qū)水稻單位灌水量的產(chǎn)量增量也遠(yuǎn)未達(dá)到最低值，因此有較高的灌溉增產(chǎn)效率。然而南部地區(qū)玉米基礎(chǔ)產(chǎn)量較高，單位灌水量的產(chǎn)量增量已接近最低邊際效用，因此灌溉增產(chǎn)效率較低。同樣，東部地區(qū)玉米，中部、南部、東部和西南地區(qū)大豆，東部、中部和南部小麥以及北部、中部和南部地區(qū)水稻擁有較高的基礎(chǔ)產(chǎn)量，使得灌溉增產(chǎn)效率偏低。

3 討 論

降水量的增加有利于提高作物產(chǎn)量，RCP2.6和RCP6.0情景下，未來(lái)30年?yáng)|北和西北地區(qū)四種糧食作物的產(chǎn)量均呈現(xiàn)大幅增長(zhǎng)趨勢(shì)；其他地區(qū)水稻和大豆產(chǎn)量也有不同程度的增長(zhǎng)。雖然有研究表明，未來(lái)南方地區(qū)水稻以及北方地區(qū)玉米和小麥單產(chǎn)隨著降水量增加而增加[27-28]，但本研究顯示在北部和南方大部分地區(qū)，雖然降水量呈現(xiàn)上升趨勢(shì)，但玉米和小麥產(chǎn)量仍表現(xiàn)為下降，其主要原因可能是由氣溫升高導(dǎo)致作物生育期縮短，生育期縮短的減產(chǎn)效應(yīng)大于降水量增加的增產(chǎn)效益[29-30]。此外有研究表明，氣候變化下未來(lái)30年中國(guó)適宜種植區(qū)主要糧食作物產(chǎn)量保持穩(wěn)定或小幅增長(zhǎng)，主要原因是增加降水和CO2的積極影響抵消了增加溫度對(duì)作物產(chǎn)量的負(fù)面影響[31]。通過(guò)模型模擬發(fā)現(xiàn)，在考慮CO2肥效作用下的糧食產(chǎn)量明顯高于不考慮CO2肥效作用[32-33]，然而本研究選取的模式組合中以LPJml模型為主，該模型沒(méi)有考慮CO2濃度對(duì)作物產(chǎn)量形成的影響[32]，因此可能低估了降水量增加的增產(chǎn)效應(yīng)。

擴(kuò)大灌溉面積來(lái)提高產(chǎn)量是應(yīng)對(duì)氣候變化影響的主要途徑之一[13,29]。氣候變化下不同地區(qū)光熱以及土壤條件使得作物的增產(chǎn)效應(yīng)差異較大。雖然灌溉條件改善后，西北和西南地區(qū)的增產(chǎn)幅度較大，但西南地區(qū)光照條件較差，西北地區(qū)土壤貧瘠，因此西北和西南地區(qū)灌溉增產(chǎn)效率較差。東北和北部地區(qū)氣溫升高幅度較大，且光照條件較好，作物增產(chǎn)效益較高，其中RCP2.6和RCP6.0情景下，2021－2050年?yáng)|北和北部地區(qū)小麥的灌溉增產(chǎn)效率分別為（0.21±0.12）kg/m3和（0.12±0.06）kg/m3，明顯高于西北地區(qū)，然而東北地區(qū)雨養(yǎng)小麥較少，總體增產(chǎn)效應(yīng)不明顯。此外灌溉增產(chǎn)效率不單取決于光熱條件[32]，單位灌水量的產(chǎn)量增量也符合邊際效用遞減規(guī)律[25-26]。雖然中部地區(qū)（東部地區(qū)）光熱條件有利于玉米（水稻）生長(zhǎng)，RCP2.6和RCP6.0情景下2021－2050年充分灌溉下的增產(chǎn)效率均為（0.09±0.02）kg/m3（（0.08±0.042）kg/m3），但中部地區(qū)玉米以及東部地區(qū)水稻的基礎(chǔ)產(chǎn)量較高，單位灌水量的產(chǎn)量增量已接近最低邊際效用，所以增產(chǎn)效應(yīng)不明顯。同樣，中部、南部、東部和西南地區(qū)大豆基礎(chǔ)產(chǎn)量也較高，使得灌溉增產(chǎn)效率較低（RCP2.6與RCP6.0情景下，2021－2050年均小于0.01 kg/m3）。綜上可知，未來(lái)氣候變化下，擴(kuò)大北部地區(qū)小麥的灌溉面積能夠有效提高產(chǎn)量。

北部地區(qū)降水量并不充沛，年均降水量較少（500～900 mm），降水分布地區(qū)、季節(jié)、年際間變化較大，降水集中期與作物需水關(guān)鍵期不匹配，作物生長(zhǎng)需要補(bǔ)充灌溉才能獲得較高的產(chǎn)量和質(zhì)量，尤其是冬小麥[33-34]。北部地區(qū)農(nóng)業(yè)水資源量令人擔(dān)憂，多年來(lái)地下水超采使得該地區(qū)水資源虧缺極為嚴(yán)重，這為擴(kuò)大該地區(qū)的灌溉面積設(shè)置了難題。然而通過(guò)改良新品種[35]、優(yōu)化品種匹配[36]等可提高作物的抗旱性及水分利用效率，進(jìn)而減少水資源的使用。同時(shí)，通過(guò)研發(fā)并推廣水肥一體化精準(zhǔn)灌溉施肥技術(shù)，完善區(qū)域農(nóng)業(yè)高效節(jié)水綜合技術(shù)體系與集成模式，實(shí)現(xiàn)區(qū)域高效用水[37]，為北部地區(qū)擴(kuò)大灌溉面積提供了可能性。

4 結(jié) 論

依據(jù)2006－2019年灌溉用水量的統(tǒng)計(jì)數(shù)據(jù)對(duì)4個(gè)全球氣候模式驅(qū)動(dòng)的3個(gè)格點(diǎn)作物模型在中國(guó)的模擬效果進(jìn)行評(píng)估，基于其中表現(xiàn)較好模型，分析RCP2.6和RCP6.0情景下四種作物產(chǎn)量的變化趨勢(shì)以及灌溉面積擴(kuò)大后的增產(chǎn)潛力。得出以下結(jié)論：

1）由技巧評(píng)分S1和S2可知，RCP2.6情景下的LPJml_HadGEM2-ES、LPJml_GFDL-ESM2M、PEPIC_HadGEM2-ES、LPJml_MIROC5和PEPIC_MIROC5以及RCP6.0情景下的LPJml_GFDL-ESM2M、PEPIC_HadGEM2-ES、LPJml_HadGEM2-ES、LPJml_IPSL-CM5A-LR和PEPIC_IPSL-CM5A-LR模式組合在中國(guó)不同區(qū)域灌溉用水量的綜合表現(xiàn)相對(duì)較好。

2）RCP2.6和RCP6.0情景下，2021－2050年北方地區(qū)四種主要糧食作物產(chǎn)量呈增加趨勢(shì)，其中東北和西北大部分地區(qū)玉米產(chǎn)量將提高0.2～0.8 t/hm2，東北和西北大部分地區(qū)水稻和大豆增產(chǎn)幅度分別超過(guò)1.0、0.5 t/hm2，東北及西北小麥種植區(qū)的產(chǎn)量增幅分別介于1.0～2.0、0.5～1.0 t/hm2之間。然而南方地區(qū)降水量增加的增產(chǎn)效益小于增溫的負(fù)效應(yīng)，使得小麥和玉米產(chǎn)量下降幅度為0.2 t/hm2左右。

3）2021－2050年西北和西南地區(qū)作物產(chǎn)量增幅較大，在RCP2.6和RCP6.0情景下，不同作物產(chǎn)量增幅由高到低為玉米、大豆、小麥。2021－2050年?yáng)|北地區(qū)水稻（大豆）產(chǎn)量增幅較大，RCP2.6和RCP6.0情景下，產(chǎn)量增長(zhǎng)3%～13%（7%～33%）。

4）2021－2050東北和北部地區(qū)小麥灌溉面積擴(kuò)張的增產(chǎn)效益較明顯，其中RCP2.6和RCP6.0情景下，灌溉增產(chǎn)效率分別為0.21±0.12 kg/m3和0.12±0.06 kg/m3；中部地區(qū)（東部地區(qū)）玉米（水稻）灌溉面積擴(kuò)張的增產(chǎn)量效益較明顯，RCP2.6和RCP6.0情景下灌溉增產(chǎn)效率為（0.09±0.02）和（0.08±0.042）kg/m3。

[1] Dubey P K, Singh A, Raghubanshi A, et al. Steering the restoration of degraded agroecosystems during the United Nations Decade on Ecosystem Restoration[J]. Journal of Environmental Management, 2021, 280: 111798.

[2] Zhang T, Yang X, Wang H, et al. Climatic and technological ceilings for Chinese rice stagnation based on yield gaps and yield trend pattern analysis[J]. Global Change Biology, 2014, 20(4): 1289-1298.

[3] 趙彥茜，肖登攀，唐建昭，等. 氣候變化對(duì)我國(guó)主要糧食作物產(chǎn)量的影響及適應(yīng)措施[J]. 水土保持研究，2019，26(6)：317-326.

Zhao Yanxi, Xiao Dengpan, Tang Jianzhao, et al. Effects of climate change on the yield of major grain crops and its adaptation measures in China[J]. Research of Soil and Water Conservation, 2019, 26(6): 317-326. (in Chinese with English abstract)

[4] Liu Y, Li N, Zhang Z, et al. The central trend in crop yields under climate change in China: A systematic review[J]. The Science of the Total Environment, 2020, 704: 135355.

[5] Tokarska K B, Stolpe M B, Sippel S, et al. Past warming trend constrains future warming in CMIP6 models[J]. Science Advances, 2020, 6(12): eaaz9549.

[6] 向晶，鐘甫寧. 人口結(jié)構(gòu)變動(dòng)對(duì)未來(lái)糧食需求的影響：2010－2050[J]. 中國(guó)人口·資源與環(huán)境，2013，23(6)：117-121.

Xiang Jing, Zhong Puning. Impact of Demographic Transition on Food Demand in China: 2010-2050[J]. China Population, Resources And Environment, 2013, 23(6): 117-121. (in Chinese with English abstract)

[7] 徐昆，朱秀芳，劉瑩，等. 氣候變化下干旱對(duì)中國(guó)玉米產(chǎn)量的影響[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2020，36(11)：149-158.

Xu Kun, Zhu Xiufang, Liu Ying, et al. Effects of drought on maize yield under climate change in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(11): 149-158. (in Chinese with English abstract)

[8] Bobukeeva N，葉立新. 中國(guó)農(nóng)業(yè)總產(chǎn)值影響因素分析[J]. 農(nóng)村經(jīng)濟(jì)與科技，2020，31(5)：7-8.

Bobukeeva N, Ye Lixin. Analysis on influencing factors of total agricultural output value in China[J]. Rural Economy and Science-Technology, 2020, 31(5): 7-8. (in Chinese with English abstract)

[9] 王迪，楊路華，姚宛艷，等. 大型灌區(qū)農(nóng)田有效灌溉面積發(fā)展趨勢(shì)分析及預(yù)測(cè)[J]. 中國(guó)農(nóng)村水利水電，2014(5)：64-67.

Wang Di, Yang Luhua, Yao Wanyan, et al. An analysis and forecast of development trend of the farmland effective irrigated area of the large-sized irrigation district[J]. China Rural Water and Hydropower, 2014(5): 64-67. (in Chinese with English abstract)

[10] Rosa L, Chiarelli D D, Sangiorgio M, et al. Potential for sustainable irrigation expansion in a 3 C warmer climate[J]. Proceedings of the National Academy of Sciences, 2020, 117(47): 29526-29534.

[11] Schuenemann F, Thurlow J, Meyer S, et al. Evaluating irrigation investments in Malawi: Economy‐wide impacts under uncertainty and labor constraints[J]. Agricultural Economics, 2018, 49(2): 237-250.

[12] Jin N, Ren W, Tao B, et al. Effects of water stress on water use efficiency of irrigated and rainfed wheat in the Loess Plateau, China[J]. Science of the total environment, 2018, 642: 1-11.

[13] 黃秋婉，劉志娟，楊曉光，等. 東北三省西部春玉米適應(yīng)氣候變化的高產(chǎn)高效灌溉方案分析[J]. 中國(guó)農(nóng)業(yè)科學(xué)，2020，53(21)：163-177.

Huang Qiuwan, Liu Zhijuan, Yang Xiaoguang, et al. Analysis of suitable irrigation schemes with high-production and high-efficiency for spring maize to adapt to climate change in the west of northeast China[J]. Scientia Agricultura Sinica, 2020, 53(21): 163-177. (in Chinese with English abstract)

[14] Zhang T, Wang J, Teng Y. Adaptive effectiveness of irrigated area expansion in mitigating the impacts of climate change on crop yields in northern China[J]. Sustainability, 2017, 9(6): 851.

[15] 孫偵，賈紹鳳，嚴(yán)家寶，等. 中國(guó)水土資源本底匹配狀況研究[J]. 自然資源學(xué)報(bào)，2018，33(12)：2057-2066.

Sun Zhen, Jia Shaofeng, Yan Jiabao, et al. Study on the matching pattern of water and potential arable land resources in China[J]. Journal of Natural Resources, 2018, 33(12): 2057-2066. (in Chinese with English abstract)

[16] Elliott J, Müller C, Deryng D, et al. The global gridded crop model intercomparison: Data and modeling protocols for phase 1 (v1. 0)[J]. Geoscientific Model Development, 2015, 8(2): 261-277.

[17] Lu M, Sun H, Yan D, et al. Projections of thermal growing season indices over China under global warming of 1.5 ℃ and 2.0 ℃[J]. Science of the Total Environment, 2021, 781: 146774.

[18] 張福春，王德輝，丘寶劍. 中國(guó)農(nóng)業(yè)物候圖集[M]. 北京：科學(xué)出版社，1987.

[19] Chen C, Pang Y, Pan X, et al. Impacts of climate change on cotton yield in China from 1961 to 2010 based on provincial data[J]. Acta Meteorologica Sinica, 2015, 29(3): 515-524.

[20] Franke J A, Müller C, Elliott J, et al. The GGCMI Phase 2 experiment: global gridded crop model simulations under uniform changes in CO2, temperature, water, and nitrogen levels (protocol version 1.0)[J]. Geoscientific Model Development, 2020, 13(5): 2315-2336.

[21] Folberth C, Elliott J, Müller C, et al. Uncertainties in global crop model frameworks: effects of cultivar distribution, crop management and soil handling on crop yield estimates[J]. Biogeosciences Discussions, 2016: 1-30.

[22] Izaurralde R C, Williams J R, Mcgill W B, et al. Simulating soil C dynamics with EPIC: Model description and testing against long-term data[J]. Ecological Modelling, 2006, 192(3/4): 362-384.

[23] Braakhekke M C, Doelman J C, Baas P, et al. Modeling forest plantations for carbon uptake with the LPJmL dynamic global vegetation model[J]. Earth System Dynamics, 2019, 10(4): 617-630.

[24] Taylor, Karl E. Summarizing multiple aspects of model performance in a single diagram[J]. Journal of Geophysical Research Atmospheres, 2001, 106(D7): 7183-7192.

[25] 周和平，王忠，徐小波. 干旱區(qū)農(nóng)業(yè)灌溉邊際效應(yīng)分析[J]. 節(jié)水灌溉，2011(2)：53-55，69.

Zhou Heping, Wang Zhong, Xu Xiaobo. Analysis of marginal effect of agricultural irrigation in arid areas[J]. Water Saving Irrigation, 2011(2): 53-55, 69. (in Chinese with English abstract)

[26] Wokker C, Santos P, Bansok R. Irrigation water productivity in Cambodian rice systems[J]. Agricultural Economics, 2014, 45(4): 421-430.

[27] Pu L, Zhang S, Yang J, et al. Assessing the impact of climate changes on the potential yields of maize and paddy rice in Northeast China by 2050[J]. Theoretical and Applied Climatology, 2020, 140(1): 167-182.

[28] 解偉，魏瑋，崔琦. 氣候變化對(duì)中國(guó)主要糧食作物單產(chǎn)影響的文獻(xiàn)計(jì)量Meta分析[J]. 中國(guó)人口·資源與環(huán)境，2019，29(1)：79-85.

Xie Wei, Wei Wei, Cui Qi. The impacts of climate change on the yield of staple crops in China: A Meta-analysis[J]. China Population, Resources and Environment, 2019, 29(1): 79-85. (in Chinese with English abstract)

[29] Zhang Y, Niu H, Yu Q. Impacts of climate change and increasing carbon dioxide levels on yield changes of major crops in suitable planting areas in China by the 2050s[J]. Ecological Indicators, 2021, 125: 107588.

[30] Yin Y, Tang Q, Liu X. A multi-model analysis of change in potential yield of major crops in China under climate change[J]. Earth System Dynamics, 2015, 6(1): 45-59.

[31] 林裕梅，封志明，吳文祥，等. 氣候變化及適應(yīng)措施對(duì)東北玉米產(chǎn)量的潛在影響（英譯版）[C]//中國(guó)農(nóng)學(xué)會(huì)農(nóng)業(yè)氣象分會(huì)2017年學(xué)術(shù)年會(huì).廈門(mén)：中國(guó)農(nóng)學(xué)會(huì)，2017.

[32] Saddique Q, Khan M I, Rahman M H, et al. Effects of elevated air temperature and CO2on maize production and water use efficiency under future climate change scenarios in Shaanxi Province, China[J]. Atmosphere, 2020, 11(8): 843.

[33] 裴宏偉，孫宏勇，沈彥俊，等. 不同灌溉處理下冬小麥水平衡與灌溉增產(chǎn)效率研究[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2011，19(5)：1054-1059.

Pei Hongwei, Sun Hongyong, Shen Yanjun, et al. Water balance and yield-increasing efficiency of irrigation of winter wheat under different irrigation schemes[J]. Chinese Journal of Eco-Agriculture, 2011, 19(5): 1054-1059. (in Chinese with English abstract)

[34] 曹大禹，吳鑫淼，郄志紅. 華北平原冬小麥-夏玉米作物虧缺水量空間分布研究[J]. 中國(guó)農(nóng)村水利水電，2020(4)：107-111，115.

Cao Dayu, Wu Xinmiao, Qie Zhihong. Research on the inter-annual variation of water requirements and water deficits in winter wheat-summer maize in north China plains[J]. China Rural Water and Hydropower, 2020(4): 107-111, 115. (in Chinese with English abstract)

[35] 劉化濤，黃學(xué)芳，黃明鏡，等. 不同基因型玉米品種產(chǎn)量、抗旱性及水分利用效率差異研究[J]. 中國(guó)農(nóng)學(xué)通報(bào)，2020，36(33)：12-18.

Liu Huatao, Huang Xuefang, Huang Mingjing, et al. Maize varieties with different genotypes: Study on yield, drought resistance and water use efficiency[J]. Chinese Agricultural Science Bulletin, 2020, 36(33): 12-18. (in Chinese with English abstract)

[36] 李源方，李宗新，張慧，等. 優(yōu)化品種匹配和灌水量提高冬小麥-夏玉米產(chǎn)量及水分利用效率研究[J]. 山東農(nóng)業(yè)科學(xué)，2020，52(10)：18-24.

Li Yuanfang, Li Zongxin, Zhang Hui, et al. Study on improving yield and water use efficiency of winter wheat and summer maize by optimizing variety matching and irrigation amount[J]. Shandong Agricultural Sciences, 2020, 52(10): 18-24. (in Chinese with English abstract)

[37] 康紹忠. 農(nóng)業(yè)水土工程學(xué)科路在何方[J]. 灌溉排水學(xué)報(bào)，2020，39(1)：1-8.

Kang Shaozhong. Where is the way of agricultural soil and water engineering discipline[J]. Journal of Irrigation and Drainage, 2020, 39(1): 1-8. (in Chinese with English abstract)

Yield effects of irrigated acreage change under climate change in China

Li Zhonghe1,2, Zhan Chesheng1,4※, Hu Shi3, Ning Like1,4, Wu Lanfang1,4, Guo Hai2,3

(1.,,,100101,; 2.,100049,; 3.,,,100101,; 4.,,100101,)

Irrigation of crops can effectively increase yields and reduce inter-annual fluctuations in yields, thus mitigating the adverse effects of climate change on food production. However, there are significant differences in climate among different regions of China, and water and soil resources are not balanced among regions of China. The degree to which increasing irrigation in different regions can alleviate the impact of climate change is unknown. Therefore, in this study, the yield datasets under different climate scenarios published by ISIMIP were used to study the yield increase effect of irrigation expansion in different regions of China. Firstly, the irrigation water consumption of three crop models (GEPIC, PEFIC and LPJml) driven by four climate models (GFDL-ESM2M, HadGEM2-ES, IPSL-CAM5-LR, MIROC5) was evaluated using the actual irrigation water consumption in different regions of China from 2006 to 2019. Secondly, the first five model combinations with better simulation results were selected according to the skill scores S1 and S2. Then, the ensemble mean of the first five combinations with better performance was carried out to analyze the yield changes of maize, rice, soybean and wheat in China from 2021 to 2050 under RCP2.6 and RCP6.0 scenarios. Finally, the yield increase effect of irrigated area expansion under the assumption on the irrigation of rain-fed land in different areas was evaluated. The results showed that the increase of precipitation from 2021 to 2050 would increase the yield of rice and soybean, corn and wheat in northern China, among which about 80% of maize area in Northeast China and 70% of maize area in Northwest China would have the increasing of the maize yield by 0.2 - 0.8 t/hm2. About 85% of rice area and soybean area in Northeast and Northwest regions would have the increasing of the yield by 1.0 t/hm2and 0.5 t/hm2, respectively. About 90% of wheat area in Northeast and 75% of wheat area in Northwest regions had the increasing of the by 1.0-2.0 t/hm2and 0.5-1.0 t/hm2, respectively. The decrease of precipitation resulted in the decrease of maize and wheat yields by 0.2 t/hm2in the 45% area of south southwest of China. Under the condition of expanding the irrigated area, the crop yield in Northwest and Southwest China would increase greatly during 2021-2050. Under RCP2.6 and RCP6.0 scenarios, maize (northwest: 43%-60%; southwest: 4%-40%) was the highest, followed by soybean (northwest: 40%-62%; southwest: 2%-17%) and wheat (northwest: 10%-18%; southwest: 22%-33%). Under RCP2.6 and RCP6.0 scenarios, the total yield of rice (3%-13%) and soybean (7%-33%) in Northeast China increased significantly from 2021 to 2050. In terms of yield increase potential per unit irrigation amount, the expansion of irrigated area of wheat in Northeast China and North China during 2021 and 2050 had obvious yield increase benefit. Under RCP2.6 and RCP6.0 scenarios, the wheat yield increase efficiency of irrigation was 0.21 kg/m3and 0.12 kg/m3, respectively. The irrigation area expansion of maize (rice) in central region (east) had obvious yield increase benefit. The maize (rice) yield increase efficiency under RCP2.6 and RCP6.0 scenarios was 0.1 and 0.09 kg/m3(0.08 and 0.07 kg/m3), respectively. Therefore, the expansion of irrigated area for wheat in northern China can effectively cope with the adverse effects of climate change.

irrigation; climate; models; yield-increasing potential; yield-increasing efficiency

李中赫，占車(chē)生，胡實(shí)，等. 氣候變化條件下中國(guó)灌溉面積變化的產(chǎn)量效應(yīng)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2021，37(19)：94-104.doi：10.11975/j.issn.1002-6819.2021.19.011 http://www.tcsae.org

Li Zhonghe, Zhan Chesheng, Hu Shi, et al. Yield effects of irrigated acreage change under climate change in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(19): 94-104. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.19.011 http://www.tcsae.org

2021-02-21

2021-08-10

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2017YFA0603702）；國(guó)家自然科學(xué)基金面上項(xiàng)目（41971232）

李中赫，博士生，研究方向?yàn)闅夂蜃兓碌募Z食安全研究。Email：lizh.19b@igsnrr.ac.cn

占車(chē)生，研究員，博士生導(dǎo)師，研究方向?yàn)樗乃Y源。Email：zhancs@igsnrr.ac.cn

10.11975/j.issn.1002-6819.2021.19.011

F325.27

A

1002-6819(2021)-19-0094-11