气候变化条件下中国灌溉面积变化的产量效应

李中赫，占车生，胡 实，宁理科，武兰芳，郭 海2,

气候变化条件下中国灌溉面积变化的产量效应

李中赫1,2，占车生1,4※，胡 实3，宁理科1,4，武兰芳1,4，郭 海2,3

（1. 中国科学院地理科学与资源研究所，生态系统网络观测与模拟院重点实验室，北京 100101； 2. 中国科学院大学，北京 100049；3. 中国科学院地理科学与资源研究所，陆地水循环及地表过程院重点实验室，北京 100101；4. 中国科学院禹城综合试验站，北京 100101）

灌溉可以有效缓解气候变化对粮食生产的不利影响。采用中国不同区域2006－2019年实际灌溉用水量，对4个气候模式（GFDL-ESM2M，HadGEM2-ES，IPSL-CAM5-LR，MIROC5）驱动下的3种作物模型（GEPIC、PEPIC和LPJml）的灌溉用水量进行评估，优选模拟结果较好的前5个模式组合，分析RCP2.6和RCP6.0情景下，2021－2050年中国玉米、水稻、大豆和小麦产量变化，评估灌溉面积扩张的增产效应。结果显示：未来气候变化下，2021－2050年降水量的增加使得中国水稻和大豆以及北方地区玉米和小麦产量均呈现增长趋势，其中东北80%左右的地区和西北70%左右的地区玉米产量将提高0.2～0.8 t/hm2，东北85%左右的地区水稻和大豆增产幅度分别超过1.0、0.5 t/hm2，东北90%左右的地区和西北75%左右的地区小麦产量增幅分别介于1.0～2.0、0.5～1.0 t/hm2之间。降水量的减少使得西南南部地区的玉米和小麦产量均下降0.2 t/hm2左右。不同区域玉米和小麦的增产效应差异明显，由于北部地区光热条件较差、小麦基础产量较低，使得小麦灌溉增产潜力（1%～11%）以及增产效率（（0.12±0.06）kg/m3）均较高，北部地区小麦的灌溉面积扩张可有效应对气候变化的不利影响。

灌溉；气候；模型；增产潜力；增产效率

0 引 言

气候变化已经对全球生态系统造成了深刻的影响[1]，尤其是对人类生存和发展提供物质资料的农业生态系统。中国是农业大国，仅用全球7%的耕地养活了近20%的人口。气候变化已经对中国粮食生产产生了不利的影响。近30年气温升高及辐射减少导致华北、华东、华中和西南地区水稻分别减产0.54、0.56、0.27和0.26 t/(hm2·10 a)[2]，小麦生育期内气温升高和辐射变化使中国南方小麦减产1.2%～10.2%，气温变化导致玉米产量下降12%[3]。此外，降水量变化对作物产量的影响也较为明显。研究表明，每增加1%的降水量，中国东北、西北以及华北地区作物产量将分别增加1.72%、1.31%和0.73%[4]。第五、六次国际耦合模式比较计划（CMIP5，CMIP6）模式均预测未来气候变化仍将持续，其对农业生产的影响依然严峻[5]。与此同时，未来中国人口增加会导致对粮食总量的需求增加近8%[6-7]。因此，在气候变化和人口增长等多重压力下，适应及减缓气候变化对农业的影响仍是二十一世纪最重要的任务之一。

中国农业灌溉面积占农业种植面积的47.6%（2018年），其中有效灌溉面积呈逐年增加趋势[8-9]。灌溉能有效缓解气候变化对农业生产的不利影响[10]。与雨养条件相比，灌溉条件下的作物产量高、年际波动较小，在气候变化的影响下表现出更强的稳定性[11]。例如，黄土高原地区灌溉改善条件下，冬小麦产量可增长22%[12]；在灌溉适宜条件下东北地区春玉米可增产0～86%[13]；中国政府计划到2030年将灌溉面积扩大4.4%[12]，研究表明未来气候变化下，21世纪30年代中国灌溉面积增加10%时，粮食产量将增加1.5%～1.8%；灌溉面积增加15%时，粮食产量将增加2.2%～2.7%[14]。然而中国不同区域气候变化差异明显，区域间水土资源不均衡[15]，灌溉扩张对气候变化影响的缓解程度尚需进一步研究。

全球格点作物模型比较计划（Global Gridded Crop Model Intercomparison Project，GGCMI）是在ISIMIP框架下进行的一项作物模型比较研究，可用于深入研究气候变化对作物产量的影响[16-17]。全球格点作物模型比较计划包含未来气候情景（RCP2.6和RCP6.0）下不同灌溉方式（雨养和充分灌溉）的作物产量及其潜在灌溉用水量，为评估未来气候变化下灌溉对农业生产的影响提供了有效途径。利用2006－2019年灌溉用水量的统计数据，本研究评估GGCMI模拟的中国潜在灌溉用水量的区域差异，针对综合评分较高模型的产量结果，分析RCP2.6和RCP6.0情景下2021—2050年中国四种粮食作物产量变化的区域差异，评估灌溉扩张的增产潜力，为气候变化下的粮食生产提供一定的科学指导。

1 研究区域及数据来源

1.1 研究区域

参考文献[18]，依据《中国农业物候地图集》中的玉米、小麦等作物生长季节将中国划分为7个区域（表1）。玉米在中国大部分地区均有种植，其中东北、西南和南部地区以雨养玉米为主；小麦主要种植于中国北部和西北部的省份，以灌溉小麦为主；中国大豆以雨养为主，主要种植在东北地区；水稻主要种植于中国东部、中部、西南部和南部省份，均需要灌溉（表1）。

表1 中国不同区域4种作物的灌溉面积比例[19]

注：A1代表不同区域作物灌溉面积占该作物在全国种植面积的比例，%；A2代表不同地区作物灌溉面积占该地区作物种植面积的比例，%。

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 数据来源

1.2.1 模式数据

跨部门影响模型比较计划（Intersectoral Impact Model Intercomparison Project，ISIMIP）主要目的在于探讨全球变化对地表过程和人类社会的影响，目前有ISIMIP2a和ISIMIP2b两种协议[20]。本文所采用的作物产量（t/hm2）、潜在灌溉用水量（mm）、实际蒸散量（mm）数据则是ISIMIP2b中由4个全球气候模式（GFDL-ESM2M，HadGEM2-ES，IPSL-CAM5-LR，MIROC5）（表2）数据驱动的3个格点作物模型（GEPIC、PEPIC、LPJml）的模拟结果，其空间分辨率为0.5°。本研究以1980—2005年为基准期，2021—2050年为预估期，选取IPCC AR5中典型浓度路径（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间）两种情景。基准期和预估期的农田管理、人为影响和肥料投入均维持在2005年的水平。粮食作物的模拟结果包括雨养（Rainfed）和充分灌溉（Full irrigated）下的小麦、玉米、大豆和水稻的产量及其对应的灌溉用水量[21]。充分灌溉是指在作物生长发育过程中的灌溉量能够完全满足作物对水分的需求，使作物在其生长发育的过程中不存在水分胁迫。本文定义的完全灌溉方式（扩大灌溉面积）是指对灌溉地与雨养地均进行灌溉，而未完全灌溉方式（维持原有灌溉和雨养农田比例）则是仅对灌溉地进行灌溉，雨养地不灌溉。

选取欧洲中心天气预报中心（European Centre for Medium-Range Weather Forecasting, ECMWF）第五代再分析数据集（ECMWF Reanalysis v5 ERA5）的2006－2019年气温和降水数据，将其作为实际气候条件下的参考数据，评估四个全球气候模式（GFDL-ESM2M，HadGEM2-ES，IPSL-CAM5-LR，MIROC5）在RCP2.6和RCP6.0情景下的集合平均表现，分析历史时期气候变化情景下的气温和降水与实际气候条件下气温和降水之间的差异，以此来判断是否可以通过比较潜在灌溉水量与实际灌溉水量来挑选更为接近实际灌溉量的模式。

表2 4个全球气候模式的信息

1.2.2 三种作物模式

EPIC（Environmental Policy-Integrated Climate）是20世纪80年代初期由美国德克萨斯农工大学黑土地研究中心和美国农业部草地、土壤和水分研究所共同研究开发的定量评价“气候-土壤-作物-管理”系统的综合动力学模型[18]。GEPIC与PEPIC均是基于EPIC的模型，其中GEPIC是基于地理信息系统（GIS）的EPIC模型，而PEPIC是基于Python操作系统的EPIC模型，它们的主要区别在于参数设置的差异[22]。EPIC模型是一个单点模型，所定义的最大田间尺度是100 hm2，假设整个田间区域的气候、土壤、地形、作物轮作和田间管理措施是均一的。EPIC模型由9个模块组成，其中作物生长模块、水文模块、土壤温度模块、土壤侵蚀模块和养分循环模块是EPIC模型的5个核心模块。该模型中包含了350多个数学方程，其中计算的潜在灌溉用水量与开始灌溉的作物水分胁迫阈值（充分灌溉下的作物水分胁迫阈值为0.99）以及径流比（田间流出水量与灌水量的比值）有关，公式如下[22]：

AIR=(FC−SW)/(1−EIR) （1）

式中FC为根区田间持水量，mm，SW为灌溉前根区土壤含水率，mm，EIR为径流比，AIR为潜在灌溉用水量，mm。

LPJml（Lund-Potsdam-Jena managed land）是在全球植被动态模型（DGVM）LPJ的基础上发展起来的，旨在模拟全球陆地碳循环以及碳和植被格局对气候变化的响应。LPJml模型利用植物生理关系和植物性状参数，模拟光合作用、植物生长、火灾干扰、土壤水分、径流、蒸散、灌溉以及植被结构等过程[23]。LPJml模型模拟的潜在灌溉用水量与土壤水分供应和大气蒸腾需求之间的比值有关，当该比值小于0.7时，模式会启动灌溉功能（充分灌溉）。

1.2.3 统计数据

基于统计的实际灌溉用水量（mm）主要用于评估模型模拟的潜在灌溉用水量。

W=104W/A（2）

式中W为单位面积的灌溉用水量，mm；W和A分别为省级行政区的灌溉用水量（亿m3）和有效灌溉面积（khm2）；数据来源于2006－2019年全国28个省级行政区（除海南、台湾、青海、西藏、香港、澳门以外）的《水资源公报》和《中国水利统计年鉴》。灌溉面积比例来源于MIRCA2000（Global Monthly Irrigated and Rainfed Crop Areas aroundthe Year 2000）全球作物空间分布数据集(https://www.uni-frankfurt.de/45218031/data_download)，该数据集是德国法兰克福大学研究制作的全球26种主要灌溉和雨养作物空间分布图，空间分辨率为0.5°。

1.3 模拟效果评价指标

为了分析RCP2.6和RCP6.0情景下不同作物在灌水量与降水量变化下的产量变化以及灌溉扩张的增产效应，本文选用2个技巧评分指标1和2，分别评估2006－2019年模型的潜在灌溉用水量模拟结果[24]，并利用泰勒图评估多模式集合平均的模拟效果。

式中为潜在灌溉用水量的模拟值与灌溉用水量的统计值的相关系数，0为的最大值。σ为格点作物模型的标准差（Stds）与统计值的标准差（Std0）之比。技巧评分1重点考虑模型模拟值方差与实际值方差之间的关系，而技巧评分2则重点考虑模型模拟值与实际值之间的相关性。

1.4 作物灌溉产量潜力的计算

由于作物模型在运行时，难以准确区分雨养地区与灌溉地区，因此在计算作物单产时，采用灌溉面积比例来加权计算（式（6）和式（7））。在RCP2.6和RCP6.0情景中充分灌溉下的作物增产潜力采用式（8）计算。

式中Y和Y分别为完全灌溉方式与未完全灌溉方式下的作物产量，t/hm2；Y和Y分别为模式输出的充分灌溉和雨养条件下的作物产量，t/hm2；A和A分别为MIRCA2000的灌溉和雨养作物的年均收获面积，hm2；为网格单元索引，为时间，a。P为完全灌溉方式下作物总产量的增产潜力，%，P为完全灌溉方式下单位灌水量的增产潜力，t/m3，W为完全灌溉方式下额外增加的灌溉水量（在雨养地进行充分灌溉所需要的水量），mm。

2 结果与分析

2.1 模式结果评估

四个气候模式（GFDL-ESM2M，HadGEM2-ES，IPSL-CAM5-LR，MIROC5）在RCP2.6和RCP6.0下，2006－2019年降水量（年均气温）的集合平均与参考数据集ERA5的对比如表3所示。RCP2.6和RCP6.0情景下，2006－2019年中国大部分地区的温度与实际气候条件下的温度差异较小（相对偏差低于5%），仅西南和南部地区的年均气温略高于实际年均气温。2006—2019年东北、北部、东部和中部地区的年降水量与实际气候条件下的年降水量无明显差异（相对偏差低于10%，表3）。然而在西北、西南和南部地区，实际年降水量略高于RCP2.6和RCP6.0情景下的年降水量，其中西南地区年降水量差异较大。总体而言，中国大部分地区在2006－2019年RCP2.6和RCP6.0情景下的降水量和温度与实际气候条件相比差异较小，因此可以针对作物模型模拟的历史时期RCP2.6和RCP6.0情景下的潜在灌溉用量，利用实际灌溉用水量对其进行评估，来挑选在不同情境下更接近实际情况的作物模式。

表3 不同地区2006—2019年RCP2.6与RCP6.0情景下四种气候模式输出结果的集合平均的年均气温和年降水量以及实际气候条件下（ERA5）的年均气温和年降水量

注：RD1和RD2分别代表RCP2.6和RCP6.0情景相对于ERA5的相对偏差。

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

在不同情景下，不同作物模式组合对不同区域灌溉用水量的模拟差异较大。在东北和北部地区，GEPIC、LPJml和PEPIC模型表现差异不大，LPJml模型在西北地区表现较好。而东部、中部和南部地区LPJml和PEPIC模型表现较好，GEPIC模型在西南地区表现较好（表4）。

表4 RCP2.6和RCP6.0情景下不同模式组合模拟的不同地区灌溉用水量的技巧评分

通过统计12组模式组合在不同区域的表现，发现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的技巧评分1和2出现在各区域排名前五中的频数较大，说明上述组合在中国不同区域灌溉用水量的综合表现较好。泰勒图显示（图1），RCP2.6和RCP6.0情景下，与单一模型相比，排名前五模式组合的多模式集合平均结果在相关性和标准差方面均表现较好，所以本文利用未来30年（2021－2050年）在RCP2.6和RCP6.0情景下作物产量的多模式集合平均结果分析气候变化下中国不同区域作物产量变化情况以及预估完全灌溉方式下的产量潜力。

注：REF代表实际参考数据。离REF越近的点，该点所代表的模型表现越好。

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

图1 不同情景技巧评分排名前5模式组合模拟的不同地区2006－2019年灌溉用水量相对于基于统计的灌溉用水量的泰勒图

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 气候变化下粮食产量的时空变异

与基准期1980—2005年相比，RCP2.6和RCP6.0情景下，80%左右的东北、70%左右的西北和西南北部玉米种植区的产量在2021－2030与2031－2050年的增长幅度均介于0.2～0.8 t/hm2之间，其他地区玉米产量均呈现下降趋势（图2）。在选用的模式组合中，LPJml模型的碳分配和收获指数均受水分胁迫的影响，以EPIC为基础的GEPIC和PEPIC模型在计算收获指数时也考虑了水分胁迫的影响，因此在以雨养为主的东北、西北和西南北部地区，玉米产量与降水量关系密切。降水量的增加提高了土壤湿度，降低了水分胁迫，提高了作物产量。虽然北部、中部和东部地区降水量也呈增加趋势，但气温升高带来的玉米生育期缩短（8～12 d）抵消了降水量增加的正效应，使得90%左右的北部、中部和东部玉米种植区的产量在RCP2.6和RCP6.0情景下2021－2030与2031－2050年呈现下降趋势（0.2～0.4 t/hm2）。以雨养玉米为主的西南南部地区，降水量呈下降趋势，土壤水分胁迫增加，玉米产量下降。

与基准期1980－2005年相比，RCP2.6和RCP6.0情景下，各地区水稻产量在2021－2030与2031－2050年均呈现增长趋势。水稻产量受降水量变化的影响明显，降水量的增加能够降低水稻的水分胁迫，提高产量，其中85%左右的东北和西北水稻种植区在RCP2.6和RCP6.0情景下2021－2030与2031－2050年的产量增幅超过1.0 t/hm2。图2以RCP2.6情景为例展示了作物产量空间变化。图3和图4以RCP2.6情景为例展示了灌溉用水量增量空间变化以其与作物产量距平的相关关系。可见，西南南部地区水稻产量与灌溉水量关系密切（图3和图4），灌溉水量的增加弥补了由降水量减少导致的水分缺失，降低了水分胁迫，使得两种情景下2021－2030与2031－2050年水稻均增产0.3 t/hm2左右。

与基准期相比，RCP2.6和RCP6.0情景下，各地区大豆产量在2021－2050年呈增长趋势，其中2021－2030年与2031－2050年85%左右的东北大豆种植区的产量增幅介于0.5～1.0 t/hm2之间，而北部、东部、南部、中部和西南北部大豆种植区的大豆产量增幅范围在两个时间段均在0.2 t/hm2左右（图2）。大豆种植以雨养为主，受降水量变化的影响明显，降水量增加能够降低水稻的水分胁迫，提高产量。然而西南南部地区以灌溉大豆为主，该地区大豆产量在2021－2030年与2031－2050受灌溉水量变化影响较大（图3和图4），灌溉水量的增加弥补了因降水量减少导致的水分供应不足，降低了水分胁迫，使得70%左右的西南南部大豆种植区的产量在两个时间段均增加约0.2 t/hm2。

与基准期相比，RCP2.6和RCP6.0情景下，以灌溉小麦为主的东北和西北地区，灌溉水量增加使小麦产量的增长幅度较大，在2021－2050年东北（90%）和西北（75%）大部分地区小麦产量增幅分别介于1.0～2.0 t/hm2、0.5～1.0 t/hm2之间（图3）。北部、东部和西南北部地区小麦产量与降水量关系密切，降水量的增加降低了小麦水分胁迫，进而提高产量，其中90%以上的北部、东部和西南北部小麦种植区在2021－2030与2031－2050年的产量增幅均为0.5 t/hm2左右。虽然中部和南部地区降水量也呈增加趋势，但气温升高导致的玉米生育期缩短（4～12 d）抵消了降水量增加的正效应，使得2021－2030年小麦产量呈现下降趋势，其中约65%的中部和南部小麦种植区的产量下降幅度在0.2 t/hm2左右。与其他地区不同的是，西南南部地区灌溉水量和降水量均呈减少趋势，小麦水分胁迫加重，使得2021－2030与2031－2050年30%左右的西南南部小麦种植区的产量下降0.2～0.6 t/hm2。

2.3 灌溉面积扩张的增产效应

2.3.1 作物增产潜力的区域差异

灌溉面积扩张下的四种粮食作物产量增产潜力区域差异明显。总体而言，充分灌溉条件下，2021－2050年中国玉米的增产潜力介于2%～60%，水稻增产潜力为1%～13%，大豆增产潜力为0～62%，小麦增产潜力为0～33%。RCP2.6与RCP6.0情景下，玉米增产潜力在2021－2030年和2031－2050年由高到低排序为西北地区（43%～60%）、西南地区（4%～40%）、东北地区（2%～40%）、北部地区（2%～20%）（图5a）；水稻增产潜力由高到低为东北地区（3%～13%）、南部地区（0.5%～5%）（图5b）；大豆增产潜力由高到低为西北地区（40%～62%）、东北地区（7%～33%）、北部地区（2%～20%）、西南地区（2%～17%）（图5c）；小麦增产潜力由高到低为西南地区（22%～33%）、西北地区（10%～18%）、东部和北部地区（1%～11%）（图5d）。

东北、西南地区玉米与大豆均以雨养为主，灌溉条件的改善使得玉米和大豆产量大幅增长。西北和北部地区玉米种植均以灌溉为主，但西北地区降水量较小，作物水分胁迫较高，灌溉条件改善后可大幅降低玉米水分胁迫，使玉米产量增幅较大。然而北部和西北地区大豆种植以雨养为主，灌溉条件的改善能够提高大豆产量，其中西北地区较小的降水量使得雨养大豆的水分胁迫较高，因此改善西北地区灌溉条件能够大幅降低大豆水分胁迫，大幅增加大豆产量。东北地区降水量的增加使得水稻产量呈略微增长趋势，然而与其他地区相比东北地区降水量仍较小，降水量的增加对降低雨养水稻水分胁迫的贡献并不明显，因此改善东北地区的灌溉条件能够大幅增加该地区水稻产量。对小麦来讲，虽然西北地区降水量呈增加趋势，但小麦水分胁迫仍较大，而西南地区降水量的减少增加了小麦的水分胁迫，因此改善西北和西南地区的灌溉条件可使小麦产量大幅增长。对于灌溉条件较好、降水量较大的地区（如中部、东部和南部地区），作物在生长发育过程中受到的水分胁迫较低，完全灌溉方式带来的增产效应并不显著。

2.3.2 灌溉增产效率的区域差异

不同作物单位灌溉量增产潜力差异明显。2021－2050年中国玉米单位灌水量的增产潜力在0～0.12 kg/m3范围内波动（图6a），水稻单位灌水量的增产潜力介于0～0.15 kg/m3（图6b），大豆单位灌水量的增产潜力介于0～0.01 kg/m3（图6c），小麦单位灌水量的增产潜力为0～0.32 kg/m3（图6d）。RCP2.6与RCP6.0情景下，2021－2030与2031－2050年玉米单位灌水量的增产潜力由高到低为中部地区（0.09±0.02）kg/m3、北部地区（0.09±0.02） kg/m3、东北地区（0.05±0.03）kg/m3、西南地区（0.02±0.005）kg/m3、东部地区（0.01±0.003）kg/m3；水稻单位灌水量的增产潜力由高到低为东部地区（0.08±0.042）kg/m3、南部地区（0.05±0.013）kg/m3、北部和中部地区（0.04±0.03）kg/m3、东北和西南地区（0.014±0.003）kg/m3；大豆单位灌水量的增产潜力由高到低为北部地区（0.008±0.002）kg/m3、东北地区（0.007±0.002 5）kg/m3、东部和西南地区（0.003± 0.001 2） kg/m3；小麦单位灌水量的增产潜力由高到低为东北地区（0.21±0.12）kg/m3、北部地区（0.12±0.06）kg/m3、东部地区（0.044±0.014）kg/m3、西北和西南地区（0.025±0.003） kg/m3。不同地区光热以及土壤条件对灌溉增产效率影响较大，虽然东北、北部、西北、中部以及西南地区气温升高幅度较大，热量条件较好，但西北地区土壤贫瘠，不利于作物生长，而西南地区光照条件较差，也使得灌溉增产效率较低。

此外灌溉增产效率符合边际效用递减规律[25-26]，以北部和南部地区为例（图7），其中北部地区单位灌水量的玉米产量增量远未达到最低值，所以灌溉增产效率较高。同理，东北和北部地区小麦以及东部地区水稻单位灌水量的产量增量也远未达到最低值，因此有较高的灌溉增产效率。然而南部地区玉米基础产量较高，单位灌水量的产量增量已接近最低边际效用，因此灌溉增产效率较低。同样，东部地区玉米，中部、南部、东部和西南地区大豆，东部、中部和南部小麦以及北部、中部和南部地区水稻拥有较高的基础产量，使得灌溉增产效率偏低。

3 讨 论

降水量的增加有利于提高作物产量，RCP2.6和RCP6.0情景下，未来30年东北和西北地区四种粮食作物的产量均呈现大幅增长趋势；其他地区水稻和大豆产量也有不同程度的增长。虽然有研究表明，未来南方地区水稻以及北方地区玉米和小麦单产随着降水量增加而增加[27-28]，但本研究显示在北部和南方大部分地区，虽然降水量呈现上升趋势，但玉米和小麦产量仍表现为下降，其主要原因可能是由气温升高导致作物生育期缩短，生育期缩短的减产效应大于降水量增加的增产效益[29-30]。此外有研究表明，气候变化下未来30年中国适宜种植区主要粮食作物产量保持稳定或小幅增长，主要原因是增加降水和CO2的积极影响抵消了增加温度对作物产量的负面影响[31]。通过模型模拟发现，在考虑CO2肥效作用下的粮食产量明显高于不考虑CO2肥效作用[32-33]，然而本研究选取的模式组合中以LPJml模型为主，该模型没有考虑CO2浓度对作物产量形成的影响[32]，因此可能低估了降水量增加的增产效应。

扩大灌溉面积来提高产量是应对气候变化影响的主要途径之一[13,29]。气候变化下不同地区光热以及土壤条件使得作物的增产效应差异较大。虽然灌溉条件改善后，西北和西南地区的增产幅度较大，但西南地区光照条件较差，西北地区土壤贫瘠，因此西北和西南地区灌溉增产效率较差。东北和北部地区气温升高幅度较大，且光照条件较好，作物增产效益较高，其中RCP2.6和RCP6.0情景下，2021－2050年东北和北部地区小麦的灌溉增产效率分别为（0.21±0.12）kg/m3和（0.12±0.06）kg/m3，明显高于西北地区，然而东北地区雨养小麦较少，总体增产效应不明显。此外灌溉增产效率不单取决于光热条件[32]，单位灌水量的产量增量也符合边际效用递减规律[25-26]。虽然中部地区（东部地区）光热条件有利于玉米（水稻）生长，RCP2.6和RCP6.0情景下2021－2050年充分灌溉下的增产效率均为（0.09±0.02）kg/m3（（0.08±0.042）kg/m3），但中部地区玉米以及东部地区水稻的基础产量较高，单位灌水量的产量增量已接近最低边际效用，所以增产效应不明显。同样，中部、南部、东部和西南地区大豆基础产量也较高，使得灌溉增产效率较低（RCP2.6与RCP6.0情景下，2021－2050年均小于0.01 kg/m3）。综上可知，未来气候变化下，扩大北部地区小麦的灌溉面积能够有效提高产量。

北部地区降水量并不充沛，年均降水量较少（500～900 mm），降水分布地区、季节、年际间变化较大，降水集中期与作物需水关键期不匹配，作物生长需要补充灌溉才能获得较高的产量和质量，尤其是冬小麦[33-34]。北部地区农业水资源量令人担忧，多年来地下水超采使得该地区水资源亏缺极为严重，这为扩大该地区的灌溉面积设置了难题。然而通过改良新品种[35]、优化品种匹配[36]等可提高作物的抗旱性及水分利用效率，进而减少水资源的使用。同时，通过研发并推广水肥一体化精准灌溉施肥技术，完善区域农业高效节水综合技术体系与集成模式，实现区域高效用水[37]，为北部地区扩大灌溉面积提供了可能性。

4 结 论

依据2006－2019年灌溉用水量的统计数据对4个全球气候模式驱动的3个格点作物模型在中国的模拟效果进行评估，基于其中表现较好模型，分析RCP2.6和RCP6.0情景下四种作物产量的变化趋势以及灌溉面积扩大后的增产潜力。得出以下结论：

1）由技巧评分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模式组合在中国不同区域灌溉用水量的综合表现相对较好。

2）RCP2.6和RCP6.0情景下，2021－2050年北方地区四种主要粮食作物产量呈增加趋势，其中东北和西北大部分地区玉米产量将提高0.2～0.8 t/hm2，东北和西北大部分地区水稻和大豆增产幅度分别超过1.0、0.5 t/hm2，东北及西北小麦种植区的产量增幅分别介于1.0～2.0、0.5～1.0 t/hm2之间。然而南方地区降水量增加的增产效益小于增温的负效应，使得小麦和玉米产量下降幅度为0.2 t/hm2左右。

3）2021－2050年西北和西南地区作物产量增幅较大，在RCP2.6和RCP6.0情景下，不同作物产量增幅由高到低为玉米、大豆、小麦。2021－2050年东北地区水稻（大豆）产量增幅较大，RCP2.6和RCP6.0情景下，产量增长3%～13%（7%～33%）。

4）2021－2050东北和北部地区小麦灌溉面积扩张的增产效益较明显，其中RCP2.6和RCP6.0情景下，灌溉增产效率分别为0.21±0.12 kg/m3和0.12±0.06 kg/m3；中部地区（东部地区）玉米（水稻）灌溉面积扩张的增产量效益较明显，RCP2.6和RCP6.0情景下灌溉增产效率为（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] 赵彦茜，肖登攀，唐建昭，等. 气候变化对我国主要粮食作物产量的影响及适应措施[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，钟甫宁. 人口结构变动对未来粮食需求的影响：2010－2050[J]. 中国人口·资源与环境，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，刘莹，等. 气候变化下干旱对中国玉米产量的影响[J]. 农业工程学报，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，叶立新. 中国农业总产值影响因素分析[J]. 农村经济与科技，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，杨路华，姚宛艳，等. 大型灌区农田有效灌溉面积发展趋势分析及预测[J]. 中国农村水利水电，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] 黄秋婉，刘志娟，杨晓光，等. 东北三省西部春玉米适应气候变化的高产高效灌溉方案分析[J]. 中国农业科学，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] 孙侦，贾绍凤，严家宝，等. 中国水土资源本底匹配状况研究[J]. 自然资源学报，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] 张福春，王德辉，丘宝剑. 中国农业物候图集[M]. 北京：科学出版社，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. 干旱区农业灌溉边际效应分析[J]. 节水灌溉，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] 解伟，魏玮，崔琦. 气候变化对中国主要粮食作物单产影响的文献计量Meta分析[J]. 中国人口·资源与环境，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，吴文祥，等. 气候变化及适应措施对东北玉米产量的潜在影响（英译版）[C]//中国农学会农业气象分会2017年学术年会.厦门：中国农学会，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] 裴宏伟，孙宏勇，沈彦俊，等. 不同灌溉处理下冬小麦水平衡与灌溉增产效率研究[J]. 中国生态农业学报, 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，吴鑫淼，郄志红. 华北平原冬小麦-夏玉米作物亏缺水量空间分布研究[J]. 中国农村水利水电，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] 刘化涛，黄学芳，黄明镜，等. 不同基因型玉米品种产量、抗旱性及水分利用效率差异研究[J]. 中国农学通报，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，张慧，等. 优化品种匹配和灌水量提高冬小麦-夏玉米产量及水分利用效率研究[J]. 山东农业科学，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] 康绍忠. 农业水土工程学科路在何方[J]. 灌溉排水学报，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，占车生，胡实，等. 气候变化条件下中国灌溉面积变化的产量效应[J]. 农业工程学报，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

国家重点研发计划项目（2017YFA0603702）；国家自然科学基金面上项目（41971232）

李中赫，博士生，研究方向为气候变化下的粮食安全研究。Email：lizh.19b@igsnrr.ac.cn

占车生，研究员，博士生导师，研究方向为水文水资源。Email：zhancs@igsnrr.ac.cn

10.11975/j.issn.1002-6819.2021.19.011

F325.27

A

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