英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料
气候变化与干旱：作物产量影响因素风险评估
Yinpeng Li1, 2,*, Wei Ye1, Meng Wang1, Xiaodong Yan2
１国际全球变化协会（IGCI），怀卡托大学，专用邮袋3105，哈密尔顿3240，新西兰
２大气物理研究所，中国科学院，北京100029，中国
摘要：我们通过综合方法分析历史作物产量和气象干旱之间的相关性来评估当前和未来气候条件下全世界作物产量的干旱风险。未来干旱频率估算是基于综合考虑20种大气环流模态（GCM）气候变化模型和来自排放情景特别报告（SRES）的6种排放情况，用修正后的帕帕默尔干旱强度指标。结合旱灾频率、干旱强度、产出（产量）和灌溉程度4方面构建建立干旱风险指数。结果表明，对于大多数地区，和基准期相比，2100年 120个旱灾频率（DDF）预测值的概率密度函数（PDF）呈现出拟正态分布和预期持续增加的干旱频率，这就意味着未来气候变化时干旱风险整体增强。气温升高将导致全球受旱灾影响的区域面积从目前的15.4%上升到2100年的44%，平均耕地干旱风险指数（DRI）将增长一倍，从目前的52.45 上升到2050年为104.60。到2100年，干旱风险指数预估将达到129.40。在所有地区中，非洲位居首位，干旱风险指数由基准期的95.77 增加到205.46。相应地，随着气候变化，与干旱有关的主要作物减产率将上升，2050年减产一半，到2100年减产率将达到90%。采取相应措施来避免干旱风险加剧则刻不容缓。
关键字：干旱灾害风险 作物产量 气候变化影响
1.引言
全球作物产量需要大幅增加来满足日益增长的粮食需求。在过去的几十年里，世界农业产出仍急剧增长，然而伴随着大的波动（FAO 2000）。产量增加主要是因为科技进步、设备改善和投入增加，例如化肥施用量增加（Fan et al. 2002），然而气象灾害是引起产量波动的主要原因。旱灾是影响农业产量且发生最为普遍的世界气象灾害之一（UNDP 2004, Dilley et al. 2005, Helmer amp; Hilhorst 2006），因而是世界粮食安全的决定性要素（Tubiello et al. 2007）。自20世纪70年代以来，大范围的干旱观测表明干旱的强度、持续时间和影响范围均变大，尤其是在热带和亚热带地区，由于气温升高和降水量减少，更利于干旱发生。现在我们确信气候变化将增加干旱地区的干旱风险（IPCC 2007b），从而向粮食安全系统额外施压。尽管许多地区粮食安全系统已不堪重负。（Rosegrent amp; Cline 2003, Erickse 2008）。
由于理解作物产量形成和粮食系统的复杂性，气候变化对作物产量的影响评估一直专注对作物产量模型、田间CO2浓度对产量的影响以及社会-经济模式等特定方面的分析。通常历史作物产量得到的产量值与作物产量模型得出的值不同，因为在模型开发过程中很难把所有相关因素考虑入内，例如技术进步和种植新品种以及增加灌溉等农业适应性措施。类似的，历史作物产量观测值与社会-经济模式所得的产量值也不同，这是因为社会-经济模式可能忽略了自然灾害造成的波动。然而，综合评估气候变化对作物产量的影响，需要具体结合与作物产量形成相关的自然和社会经济成分。
近年来，用于评估气候变化对全球粮食安全的影响的集成建模框架有所发展。例如，国际应用系统分析研究所(IIASA)开发了一个结合全球农业生态区(GAEZ)模型(Batjes et al . 1997年)和不同环流模型（GCMs)的系统来提供生物物理气候变化的影响分析，然后结合IIASA-Basic链接系统(BLS)为了方便随后的社会经济分析。这个建模框架的优势在于能够提供一个集成多种影响因素的整体方法。考虑到气候变化的不确定性和构成世界粮食安全决定要素的复杂相关性，开发更多的方法和模型提供有关灾害规避和风险管理的充分公正和可靠的信息是必要的（UNDP2004）。尽管这个集成建模框架很有用处，但它在最终结果计算中额外引入了一些不确定性。鉴于整体评估的稳定性很大程度上依赖于最初集成模型的性能（Schmiduber amp; Tubiello 2007），很明显模型框架需要经过继续进一步的验证工作。
气候变化对作物产量的影响必须考虑未来气候预测和作物响应这些变化的不确定性。气候变化的不确定性往往利用来自多个气候模型的整体预测，而且每个大气环流模型可以运行多个温室气体(GHG)排放场景(IPCC 2007)。因为单个GCM排放情景组合的可能性一般情况下未详细说明，多个气候模式输出的值主要是定义潜在变化的范围。模型间的差异可以通过使用统计方法如标准差、一致性指标(WANG 2005)和平均权重(Giorgi amp; Mearns 2002)来解释。
很少有研究彻底地评估作物响应气候改变的不确定性。在大多数全球和区域评估中，通常用基于过程模型模拟作物反应。基于过程模型先对单测点进行校准，然后默认其可以准确地应用于相似的环境背景和未来气候条件（Fischer et al. 2005, Parry et al. 2005）。在基于过程模型中分析不确定性十分困难，不仅因为不确定性的来源复杂，还因为参数化过程会引入更多的不确定因素（Challinor et al. 2009）。
另一个气候变化影响评估方法是直接使用历史作物产量数据，通过作物对观测气候数据的敏感性的定量化。(Lobell et al. 2006)。这种方法避免了作物模型的不确定性。尽管全球粮食种植复杂，但Lobell amp; Field （2007）用每种作物种植区的作物生长季平均气温和降水数据解释了全球广泛种植的6大作物30%以上的产量的年际波动产生的原因。此外，这种方法能在评估中考虑到管理水平和基础设施改善因素，这些因素直接反映在观测到的作物产量数据中。在不利的气候条件如干旱的情况下，生产管理和基础设施都是可以用于增产或稳产的主要调节措施。因此，在作物产量评估中需要综合考虑这些因素（Lobell amp; Asner 2003）。
各种方法已经应用于不同地区气候变化和干旱之间关系的研究中(Cole et al. 2002, Li et al. 2004, 2005, Wu et al. 2004, Zhang 2004, Lehner et al. 2006, Singh 2006, Alcamo et al. 2007, Prabhakar amp; Shaw 2008)。这些研究的一个共同特征就是评估主要关注平均气候改变的影响(Alcamo et al. 2007),也就是它们既没有考虑极端事件量级的可能性和（或）极端事件变化频率，也没有考虑突发气候情景或社会经济的改变；但任何一个情景变体都可能对世界作物产量产生重大影响。本文的研究目的就是通过一个集成的方法评估目前和未来全球干旱风险对主要作物产量的影响，该方法包含如下几步：（1）采用修正后的帕默尔干旱等级指数（PDSI）计算旱灾频率；（2）建立一个体现旱灾频率，干旱程度和生产、管理、灌溉水平的干旱风险指数（DRI）；（3）分析历史减产量与DRI之间的关系；（4）预测未来气候变化情景对作物产量的影响。
2.资料和方法
2.1.PDSI修正
PDSI（Palmer 1965）已成功用于不同气候条件下干旱程度的量化（Wells et al. 2004）并成为识别气象干旱的标准，尤其是在美国。相较于许多其它只基于降水的干旱指标，PDSI不仅基于降水，还基于地表空气温度（Keyantash amp; Dracup 2002）。这要求PDSI考虑地表变暖对干旱和潮湿天气的影响，从而使其适宜未来气候变化影响评估。Dai et al. (1998, 2004)通过开发全球PDSI数据库，提供一个不考虑有效土壤水分和径流的精细PDSI评估，调查20世纪后50年地表变暖对全球干旱和湿润地区的影响。Dai et al. (2004)强调PDSI应用于年际尺度更为准确，不应用于高纬度寒冷季节土壤含水量的测量。此外，对给定的PDSI值干湿定量描述取决于当地的气候条件。例如，PDSI值为4，意味着在美国中部可能发生洪水，但在中非则为中雨。
2.1.1.PDSI计算
对于给定的年份，与土壤湿度相关的PDSI值为4，其计算需考虑每月互补的潜在值。这些值为：蒸散量（ET），补给量（R），径流（RO），亏损量（L），潜在蒸散量（PE），潜在补给量（PR），潜在径流量（PRO）和潜在损失量（PL)。PE通过Thornthwaite（Thornthwaite 1948）的方式估算。这些值得计算很大程度上取决于土壤的有效持水量（AWC)。4个潜在值的权重分别为alpha;，beta;，和是基于当地气候条件来反映“当前条件的气候适应性”（CAFEC)值（Palmer 1965），在本文中，观测基准气候数据用于校准4个潜在系数。接着这些系数用于当前气候和气候改变情景下的PDSI计算。土壤湿度离差（d）计算来自实际降水量（P）和计算水量:
因为相同的d在不同的时间和地点会有不同的含义，所以难以进行比较。为进行时空尺度的合理比较，湿度差乘以气候特征加权K，当地一个月气候特征的帕默尔估算值的精确值：
其中是第j月的平均湿度差。
通过公式（3）计算得出美国7个州9个不同的地区的经验常数值为17.67(Palmer 1965)。土壤湿度差d与K的乘积称为土壤湿度异常指数或Z指数，即
Z指数是在不考虑近期降水变化趋势时给定区域给定月份干湿程度衡量指标。给定月份Xi的PDSI值计算公式如下：
这个PDSI值便可以代表不同地区不同时段的干旱状况，当PDSI值为-3时预示着极端干旱状况。通过应用原始的PDSI指数，我们发现极端干旱状况在干旱地区发生频率反常的低，尤其是在中国的西部地区和澳大利亚沙漠的中部地区，这是由于这些地区土壤AWC低，降水变率相对较小，使得湿度差很小。原始PDSI值不能反映干旱事件频发地区的实际干旱状况。
在目前的研究中，为提高PDSI指标的空间可比性，通过气候湿润度指数（HI）来修正Z指数。修正后的Z指数Zrsquo;计算公式如下： 若
(6)
若
HI是降水量与潜在蒸散量的比率(P/PE)(Hulme et al. 1992)；是Thornthwaite（1948）提出描述湿度指数的一种形式。使用均方根可以避免极端干旱（HI=0.2）和极端湿润(HI=2.5）地区时PDSI值大幅变化。HI值为1.0时表明降水量和通过蒸散的潜在水分损失量相等。HI值大于1.0时表明潜在水分盈余，HI值小于1.0时表明潜在水分亏缺。Hulme 等人（1992）基于不同地区的年HI值定义不同的气候带，发展了气候区划。
HI值取整个计算时期的平均值。因此这种修正方法不能改变原始PDSI算法计算造成的异常的PDSI和土壤湿度之间相关系数。作为一个指标，PDSI间接有效；但是，Dai等人（1998，2004）证明 PDSI的结果可以用有效的Z指数验证。本文使用的HI经Hume等人（1992）证明是有效的。与原始的PDSI相似，修正后的PDSI仍间接有效。但是，土壤湿度异常地导致原始PDSI计算结果未被改变，与此同时，使用有效的HI后我们可以假定构造指标可以揭示全球作物产量和干旱的空间关系，只要这种关系存在。
2.2.干旱风险与作物产量变化之间的关系
2.2.1.DRI定义
风险是描述某种物品遭受危害和损失的可能性（Jones amp; Mearns 2004）。因此，旱灾风险定义为旱灾发生可能性（频率）和旱灾造成损失程度的结合体。本文中，DRI用来反映干旱潜在负面影响。对于某个特定的地区和国家i,其DRI计算公式如下：
其中DDF是旱灾频率，即观测中受干旱影响的年份数占观测总年份数的百分百比。对于给定年份，若在生育期内有一月或几月的月PDSI值小于-3，则该年计入干旱影响年份。DX是干旱的潜在范围（或程度）。即为一年中生育期间PDSI值小于-3的月份数。在北半球，温带的生育期为5~9月，热带的生育期为3-11月。南半球和北半球有6个月的季节差异。产量水平（PDL）是每一个国家特定作物平均产量的标准值，范围从0.01~0.99不等，来反映该国的生产和管理水平。灌溉是过去应对旱灾的主要措施。在本文中，抗旱能力（AC）简单定义为播种面积中有灌溉设施面积所占的比例，范围也从0.01~0.99。这个定义很明显基于可利用灌溉水资源充足的假设，相较复杂的水资源利用性而言，这个假设过于简单。
2.2.2.气象产量提取
在现有研究中，气象产量（MY）用于分析作物产量随时间的变化。首先，计算MY，产量的时间序列趋势化，假设产量趋势（最有可能逐年增加）一般可用技术进步和设施完善解释。然后，系列的剩余即被验证为MY，假设MY主要取决于短期的气象条件（Wang et al. 2000）。我们用线性滑动平均法（Xue et al. 2003）进行趋势产量计算。分别进行3，5，10和20年的线性回归平均后，选择单位面积每年的实际产量（AY）进行20年滑动平均来计算作物的趋势产量（TY）。相应地MY的表达式为：
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[30212]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
