氣候變化條件下中國灌溉面積變化的產量效應

李中赫，占車生，胡 實，寧理科，武蘭芳，郭 海2,

氣候變化條件下中國灌溉面積變化的產量效應

李中赫1,2，占車生1,4※，胡 實3，寧理科1,4，武蘭芳1,4，郭 海2,3

（1. 中國科學院地理科學與資源研究所，生態系統網絡觀測與模擬院重點實驗室，北京 100101； 2. 中國科學院大學，北京 100049；3. 中國科學院地理科學與資源研究所，陸地水循環及地表過程院重點實驗室，北京 100101；4. 中國科學院禹城綜合試驗站，北京 100101）

灌溉可以有效緩解氣候變化對糧食生產的不利影響。采用中國不同區域2006－2019年實際灌溉用水量，對4個氣候模式（GFDL-ESM2M，HadGEM2-ES，IPSL-CAM5-LR，MIROC5）驅動下的3種作物模型（GEPIC、PEPIC和LPJml）的灌溉用水量進行評估，優選模擬結果較好的前5個模式組合，分析RCP2.6和RCP6.0情景下，2021－2050年中國玉米、水稻、大豆和小麥產量變化，評估灌溉面積擴張的增產效應。結果顯示：未來氣候變化下，2021－2050年降水量的增加使得中國水稻和大豆以及北方地區玉米和小麥產量均呈現增長趨勢，其中東北80%左右的地區和西北70%左右的地區玉米產量將提高0.2～0.8 t/hm2，東北85%左右的地區水稻和大豆增產幅度分別超過1.0、0.5 t/hm2，東北90%左右的地區和西北75%左右的地區小麥產量增幅分別介于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的玉米和小麥產量均下降0.2 t/hm2左右。不同區域玉米和小麥的增產效應差異明顯，由于北部地區光熱條件較差、小麥基礎產量較低，使得小麥灌溉增產潛力（1%～11%）以及增產效率（（0.12±0.06）kg/m3）均較高，北部地區小麥的灌溉面積擴張可有效應對氣候變化的不利影響。

灌溉；氣候；模型；增產潛力；增產效率

0 引 言

氣候變化已經對全球生態系統造成了深刻的影響[1]，尤其是對人類生存和發展提供物質資料的農業生態系統。中國是農業大國，僅用全球7%的耕地養活了近20%的人口。氣候變化已經對中國糧食生產產生了不利的影響。近30年氣溫升高及輻射減少導致華北、華東、華中和西南地區水稻分別減產0.54、0.56、0.27和0.26 t/(hm2·10 a)[2]，小麥生育期內氣溫升高和輻射變化使中國南方小麥減產1.2%～10.2%，氣溫變化導致玉米產量下降12%[3]。此外，降水量變化對作物產量的影響也較為明顯。研究表明，每增加1%的降水量，中國東北、西北以及華北地區作物產量將分別增加1.72%、1.31%和0.73%[4]。第五、六次國際耦合模式比較計劃（CMIP5，CMIP6）模式均預測未來氣候變化仍將持續，其對農業生產的影響依然嚴峻[5]。與此同時，未來中國人口增加會導致對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等多重壓力下，適應及減緩氣候變化對農業的影響仍是二十一世紀最重要的任務之一。

中國農業灌溉面積占農業種植面積的47.6%（2018年），其中有效灌溉面積呈逐年增加趨勢[8-9]。灌溉能有效緩解氣候變化對農業生產的不利影響[10]。與雨養條件相比，灌溉條件下的作物產量高、年際波動較小，在氣候變化的影響下表現出更強的穩定性[11]。例如，黃土高原地區灌溉改善條件下，冬小麥產量可增長22%[12]；在灌溉適宜條件下東北地區春玉米可增產0～86%[13]；中國政府計劃到2030年將灌溉面積擴大4.4%[12]，研究表明未來氣候變化下，21世紀30年代中國灌溉面積增加10%時，糧食產量將增加1.5%～1.8%；灌溉面積增加15%時，糧食產量將增加2.2%～2.7%[14]。然而中國不同區域氣候變化差異明顯，區域間水土資源不均衡[15]，灌溉擴張對氣候變化影響的緩解程度尚需進一步研究。

全球格點作物模型比較計劃（Global Gridded Crop Model Intercomparison Project，GGCMI）是在ISIMIP框架下進行的一項作物模型比較研究，可用于深入研究氣候變化對作物產量的影響[16-17]。全球格點作物模型比較計劃包含未來氣候情景（RCP2.6和RCP6.0）下不同灌溉方式（雨養和充分灌溉）的作物產量及其潛在灌溉用水量，為評估未來氣候變化下灌溉對農業生產的影響提供了有效途徑。利用2006－2019年灌溉用水量的統計數據，本研究評估GGCMI模擬的中國潛在灌溉用水量的區域差異，針對綜合評分較高模型的產量結果，分析RCP2.6和RCP6.0情景下2021—2050年中國四種糧食作物產量變化的區域差異，評估灌溉擴張的增產潛力，為氣候變化下的糧食生產提供一定的科學指導。

1 研究區域及數據來源

1.1 研究區域

參考文獻[18]，依據《中國農業物候地圖集》中的玉米、小麥等作物生長季節將中國劃分為7個區域（表1）。玉米在中國大部分地區均有種植，其中東北、西南和南部地區以雨養玉米為主；小麥主要種植于中國北部和西北部的省份，以灌溉小麥為主；中國大豆以雨養為主，主要種植在東北地區；水稻主要種植于中國東部、中部、西南部和南部省份，均需要灌溉（表1）。

表1 中國不同區域4種作物的灌溉面積比例[19]

注：A1代表不同區域作物灌溉面積占該作物在全國種植面積的比例，%；A2代表不同地區作物灌溉面積占該地區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 數據來源

1.2.1 模式數據

跨部門影響模型比較計劃（Intersectoral Impact Model Intercomparison Project，ISIMIP）主要目的在于探討全球變化對地表過程和人類社會的影響，目前有ISIMIP2a和ISIMIP2b兩種協議[20]。本文所采用的作物產量（t/hm2）、潛在灌溉用水量（mm）、實際蒸散量（mm）數據則是ISIMIP2b中由4個全球氣候模式（GFDL-ESM2M，HadGEM2-ES，IPSL-CAM5-LR，MIROC5）（表2）數據驅動的3個格點作物模型（GEPIC、PEPIC、LPJml）的模擬結果，其空間分辨率為0.5°。本研究以1980—2005年為基準期，2021—2050年為預估期，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。基準期和預估期的農田管理、人為影響和肥料投入均維持在2005年的水平。糧食作物的模擬結果包括雨養（Rainfed）和充分灌溉（Full irrigated）下的小麥、玉米、大豆和水稻的產量及其對應的灌溉用水量[21]。充分灌溉是指在作物生長發育過程中的灌溉量能夠完全滿足作物對水分的需求，使作物在其生長發育的過程中不存在水分脅迫。本文定義的完全灌溉方式（擴大灌溉面積）是指對灌溉地與雨養地均進行灌溉，而未完全灌溉方式（維持原有灌溉和雨養農田比例）則是僅對灌溉地進行灌溉，雨養地不灌溉。

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

表2 4個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80年代初期由美國德克薩斯農工大學黑土地研究中心和美國農業部草地、土壤和水分研究所共同研究開發的定量評價“氣候-土壤-作物-管理”系統的綜合動力學模型[18]。GEPIC與PEPIC均是基于EPIC的模型，其中GEPIC是基于地理信息系統（GIS）的EPIC模型，而PEPIC是基于Python操作系統的EPIC模型，它們的主要區別在于參數設置的差異[22]。EPIC模型是一個單點模型，所定義的最大田間尺度是100 hm2，假設整個田間區域的氣候、土壤、地形、作物輪作和田間管理措施是均一的。EPIC模型由9個模塊組成，其中作物生長模塊、水文模塊、土壤溫度模塊、土壤侵蝕模塊和養分循環模塊是EPIC模型的5個核心模塊。該模型中包含了350多個數學方程，其中計算的潛在灌溉用水量與開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，公式如下[22]：

AIR=(FC?SW)/(1?EIR) （1）

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

LPJml（Lund-Potsdam-Jena managed land）是在全球植被動態模型（DGVM）LPJ的基礎上發展起來的，旨在模擬全球陸地碳循環以及碳和植被格局對氣候變化的響應。LPJml模型利用植物生理關系和植物性狀參數，模擬光合作用、植物生長、火災干擾、土壤水分、徑流、蒸散、灌溉以及植被結構等過程[23]。LPJml模型模擬的潛在灌溉用水量與土壤水分供應和大氣蒸騰需求之間的比值有關，當該比值小于0.7時，模式會啟動灌溉功能（充分灌溉）。

1.2.3 統計數據

基于統計的實際灌溉用水量（mm）主要用于評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分別為省級行政區的灌溉用水量（億m3）和有效灌溉面積（khm2）；數據來源于2006－2019年全國28個省級行政區（除海南、臺灣、青海、西藏、香港、澳門以外）的《水資源公報》和《中國水利統計年鑒》。灌溉面積比例來源于MIRCA2000（Global Monthly Irrigated and Rainfed Crop Areas aroundthe Year 2000）全球作物空間分布數據集(https://www.uni-frankfurt.de/45218031/data_download)，該數據集是德國法蘭克福大學研究制作的全球26種主要灌溉和雨養作物空間分布圖，空間分辨率為0.5°。

1.3 模擬效果評價指標

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量變化以及灌溉擴張的增產效應，本文選用2個技巧評分指標1和2，分別評估2006－2019年模型的潛在灌溉用水量模擬結果[24]，并利用泰勒圖評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計值的相關系數，0為的最大值。σ為格點作物模型的標準差（Stds）與統計值的標準差（Std0）之比。技巧評分1重點考慮模型模擬值方差與實際值方差之間的關系，而技巧評分2則重點考慮模型模擬值與實際值之間的相關性。

1.4 作物灌溉產量潛力的計算

由于作物模型在運行時，難以準確區分雨養地區與灌溉地區，因此在計算作物單產時，采用灌溉面積比例來加權計算（式（6）和式（7））。在RCP2.6和RCP6.0情景中充分灌溉下的作物增產潛力采用式（8）計算。

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

2 結果與分析

2.1 模式結果評估

四個氣候模式（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據集ERA5的對比如表3所示。RCP2.6和RCP6.0情景下，2006－2019年中國大部分地區的溫度與實際氣候條件下的溫度差異較小（相對偏差低于5%），僅西南和南部地區的年均氣溫略高于實際年均氣溫。2006—2019年東北、北部、東部和中部地區的年降水量與實際氣候條件下的年降水量無明顯差異（相對偏差低于10%，表3）。然而在西北、西南和南部地區，實際年降水量略高于RCP2.6和RCP6.0情景下的年降水量，其中西南地區年降水量差異較大。總體而言，中國大部分地區在2006－2019年RCP2.6和RCP6.0情景下的降水量和溫度與實際氣候條件相比差異較小，因此可以針對作物模型模擬的歷史時期RCP2.6和RCP6.0情景下的潛在灌溉用量，利用實際灌溉用水量對其進行評估，來挑選在不同情境下更接近實際情況的作物模式。

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

注：RD1和RD2分別代表RCP2.6和RCP6.0情景相對于ERA5的相對偏差。

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不同區域灌溉用水量的模擬差異較大。在東北和北部地區，GEPIC、LPJml和PEPIC模型表現差異不大，LPJml模型在西北地區表現較好。而東部、中部和南部地區LPJml和PEPIC模型表現較好，GEPIC模型在西南地區表現較好（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灌溉用水量的技巧評分

通過統計12組模式組合在不同區域的表現，發現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的技巧評分1和2出現在各區域排名前五中的頻數較大，說明上述組合在中國不同區域灌溉用水量的綜合表現較好。泰勒圖顯示（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果在相關性和標準差方面均表現較好，所以本文利用未來30年（2021－2050年）在RCP2.6和RCP6.0情景下作物產量的多模式集合平均結果分析氣候變化下中國不同區域作物產量變化情況以及預估完全灌溉方式下的產量潛力。

注：REF代表實際參考數據。離REF越近的點，該點所代表的模型表現越好。

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

圖1 不同情景技巧評分排名前5模式組合模擬的不同地區2006－2019年灌溉用水量相對于基于統計的灌溉用水量的泰勒圖

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 氣候變化下糧食產量的時空變異

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

與基準期1980－2005年相比，RCP2.6和RCP6.0情景下，各地區水稻產量在2021－2030與2031－2050年均呈現增長趨勢。水稻產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，提高產量，其中85%左右的東北和西北水稻種植區在RCP2.6和RCP6.0情景下2021－2030與2031－2050年的產量增幅超過1.0 t/hm2。圖2以RCP2.6情景為例展示了作物產量空間變化。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量距平的相關關系。可見，西南南部地區水稻產量與灌溉水量關系密切（圖3和圖4），灌溉水量的增加彌補了由降水量減少導致的水分缺失，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0.3 t/hm2左右。

與基準期相比，RCP2.6和RCP6.0情景下，各地區大豆產量在2021－2050年呈增長趨勢，其中2021－2030年與2031－2050年85%左右的東北大豆種植區的產量增幅介于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的大豆產量增幅范圍在兩個時間段均在0.2 t/hm2左右（圖2）。大豆種植以雨養為主，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，提高產量。然而西南南部地區以灌溉大豆為主，該地區大豆產量在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了因降水量減少導致的水分供應不足，降低了水分脅迫，使得70%左右的西南南部大豆種植區的產量在兩個時間段均增加約0.2 t/hm2。

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

2.3 灌溉面積擴張的增產效應

2.3.1 作物增產潛力的區域差異

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

東北、西南地區玉米與大豆均以雨養為主，灌溉條件的改善使得玉米和大豆產量大幅增長。西北和北部地區玉米種植均以灌溉為主，但西北地區降水量較小，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，使玉米產量增幅較大。然而北部和西北地區大豆種植以雨養為主，灌溉條件的改善能夠提高大豆產量，其中西北地區較小的降水量使得雨養大豆的水分脅迫較高，因此改善西北地區灌溉條件能夠大幅降低大豆水分脅迫，大幅增加大豆產量。東北地區降水量的增加使得水稻產量呈略微增長趨勢，然而與其他地區相比東北地區降水量仍較小，降水量的增加對降低雨養水稻水分脅迫的貢獻并不明顯，因此改善東北地區的灌溉條件能夠大幅增加該地區水稻產量。對小麥來講，雖然西北地區降水量呈增加趨勢，但小麥水分脅迫仍較大，而西南地區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的灌溉條件可使小麥產量大幅增長。對于灌溉條件較好、降水量較大的地區（如中部、東部和南部地區），作物在生長發育過程中受到的水分脅迫較低，完全灌溉方式帶來的增產效應并不顯著。

2.3.2 灌溉增產效率的區域差異

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

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

3 討 論

降水量的增加有利于提高作物產量，RCP2.6和RCP6.0情景下，未來30年東北和西北地區四種糧食作物的產量均呈現大幅增長趨勢；其他地區水稻和大豆產量也有不同程度的增長。雖然有研究表明，未來南方地區水稻以及北方地區玉米和小麥單產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，雖然降水量呈現上升趨勢，但玉米和小麥產量仍表現為下降，其主要原因可能是由氣溫升高導致作物生育期縮短，生育期縮短的減產效應大于降水量增加的增產效益[29-30]。此外有研究表明，氣候變化下未來30年中國適宜種植區主要糧食作物產量保持穩定或小幅增長，主要原因是增加降水和CO2的積極影響抵消了增加溫度對作物產量的負面影響[31]。通過模型模擬發現，在考慮CO2肥效作用下的糧食產量明顯高于不考慮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，該模型沒有考慮CO2濃度對作物產量形成的影響[32]，因此可能低估了降水量增加的增產效應。

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

北部地區降水量并不充沛，年均降水量較少（500～900 mm），降水分布地區、季節、年際間變化較大，降水集中期與作物需水關鍵期不匹配，作物生長需要補充灌溉才能獲得較高的產量和質量，尤其是冬小麥[33-34]。北部地區農業水資源量令人擔憂，多年來地下水超采使得該地區水資源虧缺極為嚴重，這為擴大該地區的灌溉面積設置了難題。然而通過改良新品種[35]、優化品種匹配[36]等可提高作物的抗旱性及水分利用效率，進而減少水資源的使用。同時，通過研發并推廣水肥一體化精準灌溉施肥技術，完善區域農業高效節水綜合技術體系與集成模式，實現區域高效用水[37]，為北部地區擴大灌溉面積提供了可能性。

4 結 論

依據2006－2019年灌溉用水量的統計數據對4個全球氣候模式驅動的3個格點作物模型在中國的模擬效果進行評估，基于其中表現較好模型，分析RCP2.6和RCP6.0情景下四種作物產量的變化趨勢以及灌溉面積擴大后的增產潛力。得出以下結論：

1）由技巧評分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模式組合在中國不同區域灌溉用水量的綜合表現相對較好。

2）RCP2.6和RCP6.0情景下，2021－2050年北方地區四種主要糧食作物產量呈增加趨勢，其中東北和西北大部分地區玉米產量將提高0.2～0.8 t/hm2，東北和西北大部分地區水稻和大豆增產幅度分別超過1.0、0.5 t/hm2，東北及西北小麥種植區的產量增幅分別介于1.0～2.0、0.5～1.0 t/hm2之間。然而南方地區降水量增加的增產效益小于增溫的負效應，使得小麥和玉米產量下降幅度為0.2 t/hm2左右。

3）2021－2050年西北和西南地區作物產量增幅較大，在RCP2.6和RCP6.0情景下，不同作物產量增幅由高到低為玉米、大豆、小麥。2021－2050年東北地區水稻（大豆）產量增幅較大，RCP2.6和RCP6.0情景下，產量增長3%～13%（7%～33%）。

4）2021－2050東北和北部地區小麥灌溉面積擴張的增產效益較明顯，其中RCP2.6和RCP6.0情景下，灌溉增產效率分別為0.21±0.12 kg/m3和0.12±0.06 kg/m3；中部地區（東部地區）玉米（水稻）灌溉面積擴張的增產量效益較明顯，RCP2.6和RCP6.0情景下灌溉增產效率為（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. 氣候變化對我國主要糧食作物產量的影響及適應措施[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. 人口結構變動對未來糧食需求的影響：2010－2050[J]. 中國人口·資源與環境，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. 氣候變化下干旱對中國玉米產量的影響[J]. 農業工程學報，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. 中國農業總產值影響因素分析[J]. 農村經濟與科技，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. 大型灌區農田有效灌溉面積發展趨勢分析及預測[J]. 中國農村水利水電，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氣候變化的高產高效灌溉方案分析[J]. 中國農業科學，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，嚴家寶，等. 中國水土資源本底匹配狀況研究[J]. 自然資源學報，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. 中國農業物候圖集[M]. 北京：科學出版社，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. 干旱區農業灌溉邊際效應分析[J]. 節水灌溉，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. 氣候變化對中國主要糧食作物單產影響的文獻計量Meta分析[J]. 中國人口·資源與環境，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. 氣候變化及適應措施對東北玉米產量的潛在影響（英譯版）[C]//中國農學會農業氣象分會2017年學術年會.廈門：中國農學會，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效率研究[J]. 中國生態農業學報, 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]. 中國農村水利水電，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，黃學芳，黃明鏡，等. 不同基因型玉米品種產量、抗旱性及水分利用效率差異研究[J]. 中國農學通報，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. 優化品種匹配和灌水量提高冬小麥-夏玉米產量及水分利用效率研究[J]. 山東農業科學，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. 農業水土工程學科路在何方[J]. 灌溉排水學報，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，占車生，胡實，等. 氣候變化條件下中國灌溉面積變化的產量效應[J]. 農業工程學報，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

國家重點研發計劃項目（2017YFA0603702）；國家自然科學基金面上項目（41971232）

李中赫，博士生，研究方向為氣候變化下的糧食安全研究。Email：lizh.19b@igsnrr.ac.cn

占車生，研究員，博士生導師，研究方向為水文水資源。Email：zhancs@igsnrr.ac.cn

10.11975/j.issn.1002-6819.2021.19.011

F325.27

A

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