基于MaxEnt模型预测未来气候变化情景下中国区域水稻潜在适生区的变化*
2022-04-21丁永霞彭守璋
吕 彤，郭 倩，丁永霞，刘 力，彭守璋
基于MaxEnt模型预测未来气候变化情景下中国区域水稻潜在适生区的变化*
吕 彤1，郭 倩1，丁永霞2，刘 力3，彭守璋4**
（1.西北农林科技大学资源环境学院，杨凌 712100；2. 陕西省灾害监测与机理模拟重点实验室/宝鸡文理学院地理与环境学院，宝鸡 721013；3. 浙江树人学院，绍兴 310015；4.西北农林科技大学黄土高原土壤侵蚀与旱地农业国家重点实验室，杨凌 712100）
基于双季稻（早稻、晚稻）和一季稻的站点数据以及历史时期（1970−2000年）与未来时期（2081−2100年）气候数据，利用最大熵模型（MaxEnt），研究影响中国水稻种植分布的主要气候因子，并预测分析水稻在历史与未来时期适生区的变化，为未来气候变化下中国水稻的合理种植提供参考依据。结果表明：（1）影响双季稻分布的主要气候因子为最干旱月降水量、最暖季度平均气温和最干旱季度降水量；影响一季稻分布的主要气候因子为年平均气温和最暖季度降水量。（2）在历史时期，早稻和晚稻适宜种植区主要在长江中下游地区及以南地区，其适宜种植区面积占比分别为14.26%和13.01%，其中大部分地区为较适宜区，占比分别为7.66%和6.62%；一季稻适宜种植区面积占比为45.46%，主要以较适宜和适宜地区为主，面积占比分别为23.47%和18.86%。（3）相比历史时期，未来时期早稻的适宜种植区面积占比在SSP126、SSP245和SSP585情景下将分别增加6.27个、9.26个和16.66个百分点，晚稻分别增加4.26个、5.55个和10.97个百分点，一季稻分别增加11.34个、18.46个和28.31个百分点。到21世纪末，早稻的适宜种植区在空间分布上向川渝、黄淮地区扩张，晚稻的适宜种植区在空间分布上向川渝和长江中下游地区以北小部分地区扩张，一季稻的完全适宜区表现出向华北平原和东北地区扩张。整体而言，未来气候变化有助于扩大中国水稻适宜种植区。
水稻；气候因子；潜在适生区；MaxEnt模型
水稻是中国主要粮食作物之一，其产量和消费量居世界第一[1]，研究水稻种植区的变化对维护中国粮食安全至关重要。不少研究表明，未来时期中国区温度将继续呈现上升趋势[2]，未来时期中国区降水量变化不大，降水频率略有下降趋势[3−4]，而温度、降水的持续变化对水稻这一类喜温喜湿作物的影响显著，很有可能使其适生区发生变动[5−6]。因此，亟需开展未来气候变化背景下中国水稻适生区方面的研究，为确保未来气候变化下粮食安全提供科学研判。
已有不少学者基于数理统计方法分析了气候因子对中国水稻现实种植区的影响[7−9]，指出随着温度和积温增加，中国水稻的种植面积扩大，双季稻的种植北界不断向北推移，中国水稻实际种植区向东北方向迁移。又或者基于数理统计模型或机理过程模型模拟分析气候变化对水稻潜在适生区的影响[10−13]，得到21世纪中期中、高排放气候情景下中国双季稻和一季稻的潜在适生区[14−16]。对已有研究进行梳理可发现：（1）现有研究较少涉及低排放气候情景（即绿色发展情景）下水稻适生区，不能全面表现未来时期中国水稻适生区的变动情况；（2）现有研究大都采用典型浓度路径气候情景，未采用最新的气候情景（即共享社会经济路径，SSP情景），不能准确刻画未来气候变化对中国水稻适生区的影响；（3）在研究方法上，MaxEnt模型对比其他模型具有运算速度快，预测精度较高，不需要大量作物生理参数的优点，并能够将计算结果投射到不同时间或空间以此预测作物在这一情景下的潜在分布[17]。
基于上述，本研究利用历史（1970−2000年）与未来（2081−2100年）时期不同温室气体排放强度三种SSP情景下的气候数据以及作物站点数据，采用MaxEnt模型，研究影响中国早稻、晚稻和一季稻种植分布的气候因子，并预测对比中国双季稻（早稻、晚稻）和一季稻在21世纪末的不同情景气候变化下适生区的变化，以期为未来中国水稻的合理布局提供规划依据。
1 资料与方法
1.1 数据来源
双季稻(早稻、晚稻)和一季稻的实际分布样点数据（无港澳台站点数据）来自国家气象科学数据中心（http://data.cma.cn）的中国农作物生长发育（1991−2013年）和中国农作物产量资料旬值数据集（1999−2013年），依据数据集中有水稻产量或播种、收获日期的站点统计出双季稻（早稻、晚稻）和一季稻有效站点数分别为107、101和173个（图1）。
历史时期（1970−2000年）和未来时期（2081−2100年）的多年平均气候数据均来自WorldClim（https://www.worldclim.org/），空间分辨率为2.5′（约4km），数据包括以水热条件为主的19个气候因子（表1），根据月尺度气温和降水推导得到，代表能影响植物种分布的生物学因素，包括年因素（如年平均气温、年降水量等）、季节因素（如四季的气温和降水等）和极端因素（如最冷和最暖月份的气温、湿润季度和干旱季度的降水等）。其中，未来时期数据采用IPCC最新发布的3种共享社会经济路径气候情景（即SSP126、SSP245和SSP585），SSP126情景下代表低强迫、温室气温低排放时的情景，SSP245为中强迫、温室气温中等排放时的情景，SSP585为高强迫、温室气体大量排放时的情景[18]。每个情景下采用4个大气环流模式（BCC-CSM2- MR、CNRM-CM6-1、CNRM-ESM2-1、CanESM5）的未来气候数据（表2）。在某个SSP情景下，4个大气环流模式的气候数据将分别驱动MaxEnt模型预测各自的结果，其平均值作为该SSP情景的模拟结果，以此降低大气环流模式对未来时期模拟结果的不确定性。
图1 作物实际样点分布图
注：数据来源于国家气象科学数据中心，底图来源于国家测绘地理信息局。
Note: The data came from the National Meteorological Science Data Center, and the base map came from the National Administration of Surveying, Mapping and Geographic Information.
表1 研究采用的气候因子
表2 选用的大气环流模式
1.2 研究方法
1.2.1 历史时期气候因子贡献程度与潜在适宜区计算
用ArcMap提取中国区历史时期和未来时期气候数据，转化为MaxEnt模型可用的.csv格式，将历史时期（1970−2000年）中国区19个气候因子的多年平均值、双季稻（早稻、晚稻）和一季稻分布点的经纬度分别导入模型中，模型设置中勾选Jackknife法计算各个气候因子对水稻种植分布的贡献权重，Jackknife法会给出气候因子的重要性测试图，测试图中显示3个条带，包含单变量的条带表示仅使用单一气候因子对构建物种分布拟合模型正则化训练增益值，条带越长，训练增益值越大，表明该气候因子对物种分布贡献较大[20]；不包含变量的条带表示去除这一气候因子对构建物种分布拟合模型正则化训练增益值；包含所有变量的条带表示所有气候因子对构建物种分布拟合模型正则化训练增益值。采用受试者工作特征曲线（ROC）进行模型预测结果精度评价，ROC曲线下的面积（即AUC值）即为MaxEnt模型预测结果准确度[21]，AUC值越高代表模型预测结果的准确度越高[22]。模型会给出每个气候因子的百分贡献率和置换重要性，百分贡献率表示每个气候因子对模型构建的贡献值，置换重要性表示对随机替换训练样点上的气候因子时模型AUC的减少值，减少值越大表示对该气候因子的依赖越大[16]。由此综合评价历史时期各气候因子对水稻种植分布的贡献程度。设置抽取水稻站点的25%为模型运算的验证子集，剩下的75%为训练子集。模型运算结果显示历史时期早稻、晚稻和一季稻模拟结果AUC值分别为0.97、0.98和0.93。选用Logistic回归估计选定气候因子时物种在研究区的概率，取值为0～1[23]，模型会给出逐网格的计算结果，由此判断历史时期水稻在中国各地的适宜程度，即潜在分布区。设置10次重复运算，其余设置保持默认。
1.2.2 未来时期水稻潜在适宜区判断
将未来时期3个SSP情景下4个GCMs的气候数据文件命名与历史时期的气候数据一一对应导入模型的Projection模块，模型其它参数设置与历史时期运算时保持一致，构建未来时期不同SSP情景下不同大气环流模式(GCMs)下早稻、晚稻和一季稻与气候因子关系模型，得到未来时期3个SSP情景4个GCMs（共12个情景）下水稻在中国区的潜在分布区。运算结果显示，早稻、晚稻和一季稻在未来时期3个SSP情景下模拟结果的AUC值分别大于0.97、0.97和0.93。利用Arcmap软件的Raster Calculator工具计算未来时期SSP126、SSP245和SSP585三个情景下4个GCMs下水稻在中国区逐网格存在概率的平均值，以此降低不同GCM情景下的不确定性。利用Arcmap中的Reclassly工具，根据相关评估报告，水稻种植分布存在概率P<0.05时，将该地区划为水稻不适宜区，0.05
2 结果与分析
2.1 历史气候条件下影响水稻分布的主要气候因子
2.1.1 影响早稻分布的主要气候因子
由MaxEnt模型中的Jackknife法得到历史时期19个气候因子对早稻种植分布的重要性测试图（图2），同时由模型计算各个气候因子对构建模型的百分贡献率和置换重要性（表3），综合分析历史时期19个气候因子对早稻种植分布的贡献程度。由图2可见，19个气候因子中对早稻种植分布增益训练值超过1.5的为bio14（最干旱月降水量）、bio17（最干旱季度降水量）、bio19（最冷季度降水量）、bio10（最暖季度平均气温）、bio1（年平均气温）和bio5（最暖月最高气温）、bio2（昼夜温差月均值）、bio12（年降水量）和bio11（最冷季度平均气温）。其中，由表3可知，bio14和bio17的贡献率之和达70.1%，增益训练值均超过2.0。bio10虽然贡献率仅4.3%，但其置换重要性达33.2%。而其他气候因子的贡献率和置换重要性较低，综合评价表明，bio14、bio17和bio10是影响早稻种植分布的主要气候因子。
图2 MaxEnt模型中Jackknife法模拟历史时期（1970−2000年）气候因子对早稻分布的重要性测试图
注：蓝色条带表示仅使用该气候因子对构建物种分布拟合模型正则化训练增益值；绿色条带表示去除这一气候因子对构建物种分布拟合模型正则化训练增益值；红色条带表示所有气候因子对构建物种分布拟合模型正则化训练增益值。下同。
Note：The bule band indicates the regularization training gain value of the species distribution fitting model only using the climate factor. The green band indicates the regularization training gain value of removing this climate factor for the construction of species distribution fitting model. The red band indicates the regularization training gain of all climate factors on the construction of species distribution fitting model. The same as below.
2.1.2 影响晚稻分布的主要气候因子
由图3可见，19个气候因子中对晚稻种植分布增益训练值超过1.5的为bio14（最干旱月降水量）、bio17（最干旱季度降水量）、bio19（最冷季度降水量）、bio10（最暖季度平均气温）、bio1（年平均气温）、bio12（年降水量）、bio2（昼夜温差月均值）、bio5（最暖月最高气温）、bio9（最干旱季度平均气温）和bio11（最冷季度平均气温）。其中，由表4可见，仅bio14单一气候因子的贡献率就达到了55.2%，置换重要性达18.0%。bio10的置换重要性为31.0%。bio14、bio17和bio19的增益训练超过了2.0，bio19和其他增益训练值超过1.5的气候因子贡献率和置换重要性低。综上所述，说明bio14、bio17、bio10和bio12是影响晚稻分布的主要气候因子。
2.1.3 影响一季稻分布的主要气候因子
由图4可见，19个气候因子中对一季稻种植分布增益训练值超过0.8的为bio1（年平均气温）、bio11（最冷季度平均气温）、bio18（最暖季度降水量）、bio6（最冷月最小气温）、bio9（最干旱季度平均气温）、bio16（最湿季度降水量）和bio13（最湿月降水量）。但仅bio1、bio11、bio18三个气候因子增益训练值达1.0。由表5可见，bio1、bio18和bio10的累计贡献率达77.0%，仅bio18的贡献率就达47.0%，bio18和bio1置换重要性分别为31.7%、24.9%，其它气候因子的贡献率和置换重要性均较低。综合来看，bio1和bio18是影响一季稻种植分布的主要气候因子。
表3 历史时期气候因子对早稻构建MaxEnt模型的贡献率和置换重要性(%)
图3 MaxEnt模型中Jackknife法模拟历史时期气候因子对晚稻分布的重要性测试图
2.2 未来气候变化情景下中国水稻潜在适生区的演变
2.2.1 早稻适宜区变化
由图5可见，历史时期，早稻完全适宜区很少，主要集中在湖北东南部和湖南东南部。在未来时期SSP126情景下，河南南部、安徽北部和江苏南部较适宜区向北扩张，且一部分转化为适宜地区。在未来时期SSP245情景下，华北平原和云南南部由历史时期的不适宜转为较适宜地区，川渝交界处由历史时期的较适宜转为适宜地区。在未来时期SSP585情景下，陕西、山西南部、辽宁西部、华北平原、山东、四川东北部和云南大部分地区由历史时期的不适宜转为较适宜地区，较适宜区大面积向北扩张。适宜地区分布在完全适宜区的外围，主要在福建东部小部分、广东、广西、贵州西部、重庆、湖北西部和河南南部，以及安徽和江苏北部小部分地区。整体而言，相较于历史时期（表6），未来时期三种SSP情景下早稻的完全适宜区面积占比大幅增加，不适宜区面积占比显著下降，空间上呈现出大面积扩张，主要集中分布在长江中下游地区以及广东、广西和福建等地区。其中，SSP585情景下扩张面积最多，在未来时期SSP585情景下，早稻的完全适宜区面积占比增加了10.51个百分点，不适宜区面积占比下降了16.66个百分点。
表4 历史时期气候因子对晚稻构建MaxEnt模型的贡献率和置换重要性(%)
图4 MaxEnt模型中Jackknife法模拟历史时期气候因子对一季稻分布的重要性测试图
2.2.2 晚稻适宜区变化
由图6可见，历史时期，晚稻完全适宜区零散分布在安徽、湖北、江西、湖南、广东、广西和海南等省，其中湖南省完全适生区面积占比最大，相对聚集。在未来时期SSP126和SSP245情景下，完全适宜区主要分布在湖北南部、安徽南部、浙江北部、湖南、江西、广东、广西、福建西北部和重庆等区域，新疆天山山脉东部极小部分地区存在较适宜地区，但SSP126情景下完全适宜地区面积比SSP126情景下大，空间上更集中。在未来时期SSP585情景下，完全适宜区主要分布在湖北、河南南部、浙江、江苏南部、湖南、江西、安徽、广东、广西、福建、重庆、贵州东部和重庆等区域，且新疆准格尔盆地部分地区由历史时期的不适宜转变为较适宜地区。在未来时期三种SSP情景下，云南南部由历史时期的不适宜转为较适宜地区，SSP585情景下，小部分地区转为适宜和完全适宜地区。整体而言，相较于历史时期，未来时期三种SSP情景下晚稻的完全适宜地区在长江中下游地区大面积扩张，完全适宜面积占比在SSP126、SSP245和SSP585情景下分别显著增加了6.84个、10.73个和15.41个百分点（表7），而不适宜、较适宜和完全适宜的面积占比均减少。
表5 历史时期气候因子对一季稻构建MaxEnt模型的贡献率和置换重要性(%)
图5 早稻历史时期(a)和未来时期（2081−2100年，b, c, d）种植分布的气候适宜区
表6 历史时期和未来不同气候情景下早稻适宜区面积占比(%)
图6 晚稻历史时期(a)和未来时期(b, c, d)种植分布的气候适宜区
表7 历史时期和未来不同气候情景下晚稻适宜区面积占比（%）
2.2.3 一季稻适宜区变化
由图7可见，历史时期，一季稻的完全适宜地区分布在江苏、浙江、安徽、湖北、湖南、重庆、四川、云南、广西和贵州等省，其中，在四川东部和重庆市分布较集中。在未来时期SSP126和SSP245情景下，一季稻的完全适宜区分布在山东、江苏、安徽、河南、贵州、重庆、云南、湖北北部和湖南西北部小部分地区，以及东北三省中部地区（SSP245情景下对比SSP126分布更广）。新疆北部、内蒙古和西藏中部小部分地区由历史时期的不适宜转为较适宜。在未来时期SSP585情景下，一季稻的完全适宜区主要分布在东北平原、华北平原、山西南部和河南等地。较适宜地区对比历史时期向西北方向大面积扩张。而未来时期三种SSP情景下，长江中下游地区的适宜地区却退化为较适宜或不适宜地区。整体而言，未来时期，中国区一季稻适宜性在空间上将发生显著变化。对比于历史时期（表8），未来时期一季稻的完全适宜、较适宜面积占比上升，不适宜面积占比下降，在SSP585情景下面积占比变化最为显著，完全适宜和较适宜面积占比分别增加了13.75个和14.29个百分点，不适宜面积占比减少了28.31个百分点。
图7 一季稻历史时期(a)和未来时期(b, c, d)种植分布的气候适宜区
表8 历史时期和未来不同气候情景下一季稻适宜区面积占比（%）
3 结论与讨论
3.1 讨论
对于影响水稻生长、种植的关键气候因素，段居琦等[14,25]研究结果指出，最暖月平均气温是影响双季稻种植分布的主要气候因子之一，水分和热量共同制约双季稻的种植分布。本研究中对于早稻和晚稻种植分布的主要气候因子大致相同，是因为早稻和晚稻的种植分布均主要受到热量和水分条件的共同限制。本研究中影响早稻种植的主要气候因子为最干旱月降水量、最干旱季度降水量和最暖季度平均气温，是因为早稻一般在每年5月之前完成插秧苗，8月前完成收获，早稻能够正常生长发育的温度稳定在12～14℃，且需要充足的降水，早稻生长期间的苗期、分蘖−孕穗期最低温和乳熟期最高温极大影响早稻的正常生长发育[26]，且早稻返青−孕穗期对温度变化极为敏感[27]。对于晚稻，年降水量也是影响其种植分布的主要气候因子，是因为年降水量代表所能利用的水资源数量[28]，且晚稻生长周期插秧苗−收获在7−10月，晚稻生长周期内干旱月和干旱季节的降水和温度影响晚稻的正常生长发育，尤其是晚稻在抽穗扬花期间的最低温度和降水量[26]。
本研究结果表明年平均气温和最暖季度降水量是影响一季稻的主要气候因子。可能是因为水稻是喜高温高湿环境的作物，生长周期大概为每年5月上旬−10月上旬，生长周期内对温度、降水的要求较高，播种前对稻田的土壤水分条件也有一定要求[29]。段居琦等[30]的结果指出，年降水量、湿润指数和稳定通过18℃持续日数为影响单季稻潜在分布的主要气候因子。本研究结果与其不同，唯一相同的年降水量这一项气候因子在本研究结果中对一季稻种植分布的贡献并不大，可能是其他气候因子之间的差异造成的。
对于双季稻（早稻、晚稻）和一季稻的潜在适宜种植地区和种植边界，段居琦等[15,25,30]研究结果指出，单季稻气候中高适宜区主要在东北地区东部、华中单双季稻稻作区与西南单双季稻稻作区的部分地区，双季稻种植北界为长江中下游地区、重庆大部分−四川盆地东部以及云南地区；张彩霞等[31]研究指出，长江中下游地区、华南地区以及云南省是中国早稻的主要种植地区。本研究表明，历史时期早稻的适宜种植区主要分布在华中地区南部、华东地区南部和华南地区，以及云南最南端小部分地区和川渝交界处；一季稻的适宜、完全适宜区主要分布在东北平原、华北平原、四川盆地、云贵高原和长江中下游地区。本研究结果与前人研究结果相符，但早晚稻的种植北界在江苏、云南、台湾等地区与段居琦等研究的双季稻种植北界存在部分差异，这可能是由于选用的作物站点和气候因子有所差异。
对于水稻在未来时期适宜种植区域的变化，前人研究结果指出，CO2浓度倍增且温度升高时，中国的一年一熟制可向北推移[32]，水稻适宜种植区由历史种植区向南北两个方向扩展[33]，且双季稻种植区可向北扩展至长江以北，包括四川东北部[34]，水稻潜在适宜分布区面积总体呈增加趋势。本研究中双季稻（早稻、晚稻）完全适宜区在未来时期三种SSP情景下大面积扩张，早稻的较适宜区在未来三种SSP情景下，向长江以北扩张许多，而晚稻适宜区扩张程度相对早稻较小，四川东部变为早稻的较适宜区，历史时期的较适宜、适宜地区大面积转化为完全适宜区，一季稻向华北平原和东北地区扩张，尤其是SSP585温室气体高排放情景下，可能是因为一定程度的增温有助于加快水稻的生长[35]，而CO2的增多有利于早稻分蘖的增多，两者的共同作用能够促进水稻生物量的增加[36]。周广胜等[16]的研究指出，未来时期温室气体中、低排放情景下双季稻的完全适宜区面积减少，双季稻的气候适宜性下降，但单季稻的较适宜区面积显著增加，完全适宜区主要分布在华北平原地区，较适宜区向新疆、内蒙古地区扩张。本研究表明历史时期长江中下游地区主要为早稻、晚稻的适宜地区，少部分地区为完全适宜区，且早稻和晚稻在未来三种SSP情景下适宜种植区大面积增加，早稻和晚稻在SSP585情景下完全适宜地区增加最多。这与其研究结果不同，原因可能是适宜区选用的分类标准和所使用的气候数据不同；而未来时期三种SSP情景下，一季稻的较适宜区和完全适宜区大面积增加，在温室气体高排放情景下增加尤为显著，且较适宜区和完全适宜区分别向内蒙古地区、华北平原扩张，本研究结果与其结果大致相同。
作物的适宜种植区是在气候、土壤和地形地貌等条件协同作用下形成的，本研究仅考虑了气候条件，且MaxEnt模型只能计算出水稻在某一地的存在概率，不能反映未来时期不同程度适宜区对应水稻产量的变化，未来可进一步综合研究气候变化对中国水稻适宜区和产量造成的影响。
3.2 结论
影响中国双季稻（早稻、晚稻）的主要气候因子为最干旱月降水量、最暖季度平均气温和最干旱季度降水量，影响一季稻的主要气候因子为年平均气温和最暖季降水量。降水和气温共同影响水稻的种植分布。
历史时期（1970−2000年），双季稻（早稻、晚稻）适宜种植区主要在长江中下游地区及以南地区，早稻、晚稻的适宜种植区面积占比分别为14.26%和13.01%，大部分地区为较适宜区，占比分别为7.66%和6.62%。早稻的完全适宜区零散分布在湖北、江西、湖南、广西和广东等地，晚稻的完全适宜区零散分布在湖北、湖南和广东等地。一季稻适宜种植地区面积占比45.46%，主要为较适宜地区，面积占比为23.47%。
对比历史时期，未来时期（2081−2100年）三种SSP情景下早稻和一季稻的完全适宜区和较适宜区以及晚稻的完全适宜区在空间上变化大，早稻和晚稻的完全适宜区向长江中下游及以南地区的扩张，一季稻的完全适宜区表现出向华北平原和东北地区的扩张，较适宜区在SSP119情景下在内蒙古地区和新疆北部扩张，较适宜区在SSP245情景下在内蒙古地区和新疆地区扩张，较适宜区在SSP585情景下整体向西北地区扩张，而长江中下游地区的适宜区在未来三种SSP情景下退化为较适宜区。整体上，相较于历史时期，早稻、晚稻和一季稻的适宜种植区面积占比在SSP126−SSP585情景下分别增加了6.27～16.66个、4.26～10.97个和11.34～28.31个百分点。双季稻（早稻、晚稻）和一季稻在温室气体高排放情景下适宜区在空间上变化程度最大。整体而言，未来时期三种SSP情景下的气候变化有助于中国水稻生产种植的发展。
[1] 虞国平.水稻在我国粮食安全中的战略地位分析[J].新西部,2009(11):31-33.
Yu G P. Analysis of rice's strategic position in China's food security[J].New West,2009(11):31-33.(in Chinese)
[2] 王澄海,李健,许晓光.中国近50年气温变化准3年周期的普遍性及气温未来的可能变化趋势[J].高原气象,2012, 31(1):126-136.
Wang C H, Li J, Xu X G.Universality of quasi-3-year period of temperature in last 50 years and change in next 20 years in China[J].Plateau Meteorology,2012,31(1):126- 136.(in Chinese)
[3] 王澄海,李健,李小兰,等.近50a中国降水变化的准周期性特征及未来的变化趋势[J].干旱区研究,2012,29(1):1-10.
Wang C H, Li J, Li X L, et al.Analysis on quasi-periodic characteristics of precipitation in recent 50 years and trend in next 20 years in China[J].Arid Zone Research,2012, 29(1):1-10.(in Chinese)
[4] Wu S Y,Wu Y J, Wen J H.Future changes in precipitation characteristics in China[J].International Journal of Climatology, 2019,39(8):3558-3573.
[5] 马润佳.我国作物主要种植区气候生产潜力及种植适宜性分析[D].南京:南京信息工程大学,2017.
Ma R J. Analysis on climatic production potential and planting suitability of main crop planting areas in China[D]. Nanjing:Nanjing University of Information Science and Technology,2017.(in Chinese)
[6] Zhang Y J, Wang Y F, Niu H S.Spatio-temporal variations in the areas suitable for the cultivation of rice and maize in China under future climate scenarios[J].Science of The Total Environment,2017(601-602):518-531.
[7] 李若曈.气候变化对农作物生产的影响:基于东北地区水稻生产的变化[J].中国农业文摘-农业工程,2017,29(3): 25-27.
Li R T.The impact of climate change on crop production: based on changes in rice production in northeast China[J]. Agricultural Science and Engineering in China,2017,29(3): 25-27.(in Chinese)
[8] Li Z G, Liu Z H,Anderson W,et al.Chinese rice production area adaptations to climate changes,1949-2010[J]. Environmental Science & Technology,2015,49(4):2032- 2037.
[9] 孙扬越,申双和.作物生长模型的应用研究进展[J].中国农业气象,2019,40(7):444-459.
Sun Y Y, Shen S H.Research progress in application of crop growth models[J].Chinese Journal of Agrometeorology, 2019,40(7):444-459.(in Chinese)
[10] 张建平,赵艳霞,王春乙,等.气候变化对我国南方双季稻发育和产量的影响[J].气候变化研究进展,2005(4):151- 156.
Zhang J P, Zhao Y X, Wang C Y, et al.Effect of climate change on the growth and yields of double harvest rice in the southern China[J].Climate Change Research,2005(4): 151-156.(in Chinese)
[11] 凌霄霞,张作林,翟景秋,等.气候变化对中国水稻生产的影响研究进展[J].作物学报,2019,45(3):323-334.
Ling X X, Zhang Z L, Zhai J Q, et al.A review for impacts of climate change on rice production in China[J].Acta Agronomica Sinica,2019,45(3):323-334.(in Chinese)
[12] Lv Z, Zhu Y, Liu X, et al.Climate change impacts on regional rice production in China[J].Climatic Change,2018, 147(3):523-537.
[13] 秦鹏程,姚凤梅,曹秀霞,等.利用作物模型研究气候变化对农业影响的发展过程[J].中国农业气象,2011,32(2): 240-245.
Qin P C, Yao F M, Cao X X, et al.Development process of modeling impacts of climate change on agricultural productivity based on crop models[J].Chinese Journal of Agrometeorology,2011,32(2):240-245.(in Chinese)
[14] 段居琦,周广胜.我国双季稻种植分布的年代际动态[J].科学通报,2013,58(13):1213-1220.
Duan J Q, Zhou G S.Interdecadal dynamics of double cropping rice distribution in China[J].Chinese Science Bulletin,2013,58(13):1213-1220.(in Chinese)
[15] 段居琦,周广胜.中国单季稻种植北界的初步研究[J].气象学报,2012,70(5):1165-1172.
Duan J Q, Zhou G S.A preliminary study of planting northern boundary of single harvest rice in China[J].Acta Meteorologica Sinica,2012,70(5):1165-1172.(in Chinese)
[16] 周广胜.中国植被/陆地生态系统对气候变化的适应性与脆弱性[J].气象,2015(8):130.
Zhou G S.Adaptability and vulnerability of vegetation/ terrestrial ecosystems to climate change in China[J]. Meteorological Monthly,2015(8):130.(in Chinese)
[17] 王运生,谢丙炎,万方浩,等.ROC曲线分析在评价入侵物种分布模型中的应用[J].生物多样性,2007(4):365-372.
Wang Y S, Xie B Y, Wan F H, et al.Application of ROC curve analysis in evaluating the performance of alien species’ potential distribution models[J].Biodiversity Science, 2007(4):365-372.(in Chinese)
[18] 张丽霞,陈晓龙,辛晓歌.CMIP6情景模式比较计划(ScenarioMIP)概况与评述[J].气候变化研究进展,2019, 15(5):519-525.
Zhang L X, Chen X L, Xin X G.Short commentary on CMIP6 scenario model intercomparison project (ScenarioMIP) [J].Climate Change Research,2019,15(5):519-525.(in Chinese)
[19] Poggio L, Simonetti E, Gimona A.Enhancing the WorldClim data set for national and regional applications[J]. Science of the Total Environment,2018,625:1628-1643.
[20] 代玉烜,金瑭,徐海霞,等.基于MaxEnt模型的小黄花茶在中国的适生区域研究[J].四川大学学报(自然科学版), 2021,58(2):189-198.
Dai Y X, Jin T, Xu H X, et al.Study on the suitable area ofY. K. Li in China based on MaxEnt model[J].Journal of Sichuan University(Natural Science Edition),2021,58(2):189-198.(in Chinese)
[21] 周海涛,那晓东,臧淑英,等.最大熵(Maxent)模型在物种栖息地研究中的应用[J].环境科学与管理,2016,41(3): 149-151.
Zhou H T, Na X D, Zang S Y, et al.Applications of maximum entropy(Maxent) model in species habitat study[J].Environmental Science and Management,2016, 41(3):149-151.(in Chinese)
[22] Hanley J A, Mcneil B.The meaning and use of the area under a receiver operating characteristic(ROC) curve[J]. Radiology,1982,143:29-36.
[23] 何奇瑾,周广胜.我国夏玉米潜在种植分布区的气候适宜性研究[J].地理学报,2011,66(11):1443-1450.
He Q J, Zhou G S.Climatic suitability of potential summer maize planting zones in China[J].Acta Geographica Sinica, 2011,66(11):1443-1450.(in Chinese)
[24] IPCC. Climate change 2007-the physical science basis:working group Ⅱ contribution to the fourth assessment report of the IPCC[M]. Cambridge: Cambridge University Press, 2007.
[25] 段居琦,周广胜.中国双季稻种植区的气候适宜性研究[J].中国农业科学,2012,45(2):218-227.
Duan J Q, Zhou G S.Climatic suitability of double rice planting regions in China[J].Scientia Agricultura Sinica, 2012,45(2):218-227.(in Chinese)
[26] 黄淑娥,田俊,吴慧峻.江西省双季水稻生长季气候适宜度评价分析[J].中国农业气象,2012,33(4):527-533.
Huang S E, Tian J, Wu H J.Evaluation on climatic suitability during growth season of double rice in Jiangxi province[J].Chinese Journal of Agrometeorology,2012, 33(4):527-533.(in Chinese)
[27] 王治海,金志凤,邬定荣,等.双季早晚稻不同发育阶段日数对温度变化的敏感性比较[J].中国农业气象,2018, 39(3):185-194.
Wang Z H, Jin Z F, Wu D R, et, al.Comparison of temperature sensitivity during different development stages for double-season early and late rice[J].Chinese Journal of Agrometeorology,2018,39(3):185-194.(in Chinese)
[28] 段居琦,周广胜.中国水稻潜在分布及其气候特征[J].生态学报,2011,31(22):6659-6668.
Duan J Q, Zhou G S.Potential distribution of rice in china and its climate characteristics[J].Acta Ecologica Sinica, 2011,31(22):6659-6668.(in Chinese)
[29] 张蕾,李森,郭安红,等.RCP情景下中国一季稻热量资源变化动态[J].中国生态农业学报(中英文),2020, 28(10): 1533-1542.
Zhang L, Li S, Guo A H, et al.Thermal resource change dynamics for single-season rice in China under RCP scenarios[J].Chinese Journal of Eco-Agriculture,2020, 28(10):1533-1542.(in Chinese)
[30] 段居琦,周广胜.我国单季稻种植区的气候适宜性[J].应用生态学报,2012,23(2):426-432.
Duan J Q, Zhou G S.Climatic suitability of single cropping rice planting region in China[J].Chinese Journal of Applied Ecology,2012,23(2):426-432.(in Chinese)
[31] 张彩霞,肖金香,叶清,等.近60年中国南方早稻气候适宜度变化特征分析[J].气象与减灾研究,2015,38(1):45-52.
Zhang C X, Xiao J X, Ye Q, et al.Variation characteristics of climate suitability of early rice in southern China over the past 60 years[J].Meteorology and Disaster Reduction Research,2015,38(1):45-52.(in Chinese)
[32] 李淑华.气候变暖对我国农作物病虫害发生、流行的可能影响及发生趋势展望[J].中国农业气象,1992,13(2):46- 49.
Li S H.The possible influence of climate warming on the occurrence and prevalence of crop diseases and insect pests in China and the prospect of occurrence trend[J].Chinese Journal of Agrometeorology,1992,13 (2):46-49.(in Chinese)
[33] 陈亚雄.中国主要作物适宜种植区未来变化趋势综合评价[D].兰州:兰州大学,2010.
Chen Y X.Comprehensive evaluation of future change trend of suitable planting areas for major crops in China[D].Lanzhou:Lanzhou University,2010.(in Chinese)
[34] 宋艳玲,刘波,钟海玲.气候变暖对我国南方水稻可种植区的影响[J].气候变化研究进展,2011,7(4):259-264.
Song Y L, Liu B, Zhong H L.Impact of global warming on the rice cultivable area in southern China in 1961-2009[J].Climate Change Research,2011,7(4):259-264. (in Chinese)
[35] 曾志勇.气候变化对水稻生产影响的研究综述[J].东北农业科学,2021,46(1):89-93.
Zeng Z Y.Review on the impact of climate change on rice production[J].Journal of Northeast Agricultural Sciences, 2021,46(1):89-93.(in Chinese)
[36] 万运帆,游松财,李玉娥,等.CO2浓度和温度升高对早稻生长及产量的影响[J].农业环境科学学报,2014,33(9): 1693-1698.
Wan Y F, You S C, Li Y E, et al.Influence of elevated atmospheric CO2concentration and temperature on growth and yield of early rice[J].Journal of Agro-Environment Science,2014,33(9):1693-1698.(in Chinese)
Predicting Potential Suitable Planting Area of Rice in China under Future Climate Change Scenarios Using the MaxEnt Model
LV Tong1, GUO Qian1, DING Yong-xia2,LIU Li3,PENG Shou-zhang4
(1. College of Natural Resources and Environment, Northwest A&F University, Yangling 712100, China; 2. Shaanxi Key Laboratory of Disasters Monitoring & Mechanism Simulation/College of Geography and Environment, Baoji University of Arts and Sciences, Baoji 721013; 3. Zhejiang Shuren University, Shaoxing 310015; 4. State Key Laboratory of Soil Erosion and Dryland Farming on the Loess Plateau, Northwest A&F University, Yangling 712100)
To provide a scientific basis for reasonably planting rice in China, this study investigated the major climatic factors affecting the rice distribution and predicted the changes of rice suitable areas in the past and future periods, using the distribution data of rice, the high-spatial-resolution historical (1970−2000) and future (2081−2100) climate data, and the MaxEnt model. The results showed:(1) the main climatic factors affecting the distribution of early rice and late rice were precipitation of driest month, mean temperature of warmest quarter, and precipitation of driest quarter, and those of single-season rice were annual mean temperature and precipitation of warmest quarter; (2)In the historical period, the suitable planting areas for early rice and late rice in China were mainly in the middle and lower reaches of the Yangtze River and the south of the Yangtze River, accounting for 14.26% and 13.01%, respectively, where most of the regions were slight suitable areas, accounting for 7.66% and 6.62%, respectively. The area of the suitable planting area for one season rice accounted for 45.46%, and most of the regions were slight suitable areas and suitable areas, accounting for 23.47% and 18.86%, respectively; (3)Compared with the historical period, the future suitable planting areas of early rice under the SSP126, SSP245, and SSP585 scenarios increased by 6.27, 9.26, and 16.66 percentage points, respectively; the future suitable planting areas of late rice increased by 4.26, 5.55, and 10.97 percentage points, respectively; and the suitable planting area of one season rice increased by 11.34, 18.46 and 28.31 percentage points, respectively. To the end of the century, the suitable planting areas for early rice would expand to Sichuan, Chongqing and Huang-Huai area, the suitable planting areas for late rice would expand to Sichuan, Chongqing and a small area of the north of the middle and lower reaches of the Yangtze River, and the optimum suitable areas for one-cropping rice showed spatial expansion to the North China Plain and Northeast China. In general, future climate change will contribute to the expansion of suitable rice planting areas over China.
Rice; Climate factor; Potential suitable planting area; MaxEnt model
10.3969/j.issn.1000-6362.2022.04.002
吕彤,郭倩,丁永霞,等.基于MaxEnt模型预测未来气候变化情景下中国区域水稻潜在适生区的变化[J].中国农业气象,2022,43(4)：262-275
2021−08−09
国家自然科学基金（42077451）；第二次青藏高原综合科学考察研究（2019QZKK0603）；2021浙江软科学计划研究项目“生态文明视域下浙江典型湾区绿色发展评价研究-以三门湾为例”（2021C35083）；内陆河流域中科院重点实验室开放基金（KLEIRB-ZS-20-04）
彭守璋，研究员，研究方向为气候变化及应对，E-mail：szp@nwafu.edu.cn
吕彤，E-mail：alculvt@163.com
