利用历史气候观测了解美国东南部未来气候变化对作物产量的影响外文翻译资料

英语原文共 17 页，剩余内容已隐藏，支付完成后下载完整资料

利用历史气候观测了解美国东南部未来气候变化对作物产量的影响
戴维德·卡玛拉诺^1,2 amp; 戴维·齐尔登^3,4 amp;
莉迪亚·斯特凡诺娃³ amp; 森特霍尔德·阿森¹ amp;
詹姆斯·奥布莱恩^3,5 amp; 杰姆斯·W·琼斯^1,5

收到日期：2014年10月16日/接受日期：2015年8月21日斯普林格科学 商业媒体Dordrecht 2015

摘要美国东南部的历史气象数据（1900-2000）被分为基线（中性，1981-2000年）、暖（1935-1954年）和冷（1958-1977年）三个时期，并用于影响模拟实验，以了解气候对夏、冬作物的影响。模拟夏玉米产量在暖季低于冷季，在中性期也较低。模拟冬作物（小麦）产量在中性期高于暖冬期。给定时期内较高的平均温度不一定意味着作物产量较低。具体来说，夏季作物（玉米）平均气温每增加一度，生长季节长度减少约7%，冬季作物（小麦）减少约5%。总的来说，模拟玉米产量降低了13%，小麦产量降低了6.5%。综上所述，夏季中性期平均气温单位增产模拟减产减少，而冬季作物的暖中性期差异较小。夏季作物对平均生长季节温度变化敏感，冬季作物对二氧化碳变化敏感。

1引言
未来面临的主要社会挑战之一是，未来的农业系统需要能够在不断变化的气候条件下，用更少的土地为90亿人提供食物（Godfray等人,2010）。气候对作物生长发育的影响可以用作物模拟模型（CSM）来量化。它们的优势在于模拟受天气、土壤、遗传和管理影响的日常作物生长、发育和产量，并将其推断为一年和一个单一试验地点（Jones等人2003）。

缩减全球气候模型（GCMS）是研究未来条件对作物反应影响时作为CSM输入的常见气候数据集。缩小规模通常采用两种方法之一，统计或动态缩小规模（Fowler等人2007）。然而，当用于评估气候对农业的影响时，缩小尺度的技术有利弊。先前的研究表明，缩小尺度的天气数据不能代表降雨的时空模式，这导致了模拟作物生产的偏差（Carbone等人2003年；Hansen和Jones 2000年；Mearns等人2001）。Cammarano等人（2013）发现影响作物生长的极端温度数量在观测温度和缩小温度之间存在显著差异。

美国东南部是美国农业区之一，作物生产具有高度的异质性。农业是该地区的主要经济贡献者之一，年农产品超过550亿美元（占美国农业年总产量的17%以上）（Ingram等人2013）。此外，小麦和玉米是全球粮食安全最重要的粮食作物（连同大米）。玉米也是一种主要的能源作物，对美国的国家可再生能源目标很重要。极端事件（如干旱和夏季热应激）的预计未来变化将显著影响美国东南部的农业生产（Ingram等人2013）。

美国东南部的历史天气数据包括明显的比最近几次更热或更冷的时期（Williams 2010）。几十年来地表温度的这种变化是气候系统自然变化的一部分（Degaetano和Allen 2002；Dettinger等人1995年；迪亚兹和奎尔1980年）。虽然在过去的一个世纪里，美国大部分地区的表面温度都有明显的上升趋势，但美国东南部的部分地区属于bwarming hole^（IPCC 2001），那里的表面温度有相反的趋势。大多数GCM无法重现历史时期的暖化空洞（Kunkel等人2006年），对他们对该地区未来变暖的预测造成了一些不确定性。我们利用历史上的暖、冷时期作为气候系统未来潜在行为的代表，使我们能够评估在气候变化下农业系统如何受到影响。由于这些代表来自实际的气候记录，它们保留了区域气候的气候变异性，从每年到持续几十年的变化（Burke等人2009）。本研究的目的是：（i）在美国东南部的历史天气数据中分析与作物相关的暖、冷时期特征；（i i）结合其他因素，研究这些时期作为气候指标对模拟冬季和夏季作物的影响。

2材料和方法
2.1天气数据
本研究中使用的数据来自NCDC DSI-3200数据集，该数据集的版本可在海洋大气预测研究中心（COAP）获得。天气变量包括日最低气温（tmin）、日最高气温（tmax）和日总降水量。根据Hargreaves和Samani（1982）之后的tmin和max计算日太阳辐射值。气象站位于美国东南部（美国东南部），这里定义为阿拉巴马州、佛罗里达州、乔治亚州、南卡罗来纳州和北卡罗来纳州，因为它们是东南气候联盟（SECC）的成员（图1）。在本研究中，根据1）记录长度、2）数据完整性、3）同质性和4）对周围农业地区的代表性选择了110个站点。连续5至365天的温度数据缺失的站点不包括在研究中。对于缺失连续5天温度数据的站点，分别使用tmax和tmin的多元线性回归进行填充。对于每个站点，选择半径80 km范围内的两到五个周边站点。首先对每个测站的温度数据进行去趋势化处理，然后通过从日数据中减去月平均值来去除季节性循环，从而得出剩余测站的结果残差。计算了参考站残差与周围各站残差的相关性。由于大量的数据点，几乎所有的相关性都具有数学意义，因此本研究中，参考站与相邻站之间的良好关系大于或等于0.6。如果相关系数小于0.6，没有用相邻站代替参考站的数据。最后，利用邻站和参考站的残差进行多元线性回归计算。

图1：国家气象局合作观测网络DSI-3200数据集的110个气象站，用于推导历史模拟，海洋大气预测研究中心（COAP）提供了该数据集的版本。灰点（）表示twarmgt;tNeutralgt;tcold（满足温热、冷和中性条件）的站点；黑点（●）表示模拟中使用的twarmgt;tNeutralgt;tcold站点的子集；白点（○）表示twarmgt;tcold但tNeutral不在中间的站点；黑点（○）表示twarmgt;tcold但tNeutral不在中间的站点；黑点（■）表示twarmlt;tcold的站点

数据记录的总长度是101年，从1900年到2000年。美国东南部的长期温度记录被用来将天气数据分为三个20年长的时期：温暖（1935-1954年）、寒冷（1958-1977年）和1981-2000年，全文中称为中性期。根据Williams（2010年）的报告（表1），选择中性期，使其平均温度介于冷暖期（twarmgt;tNutralgt;tcold）之间。

2.2作物模拟
使用DSSAT 4.5玉米玉米玉米模型（农业技术转让决策支持系统）进行作物模拟（Hoogenboom等人2012年；Jones等人2003年），以及N-小麦模型（APSIM NWHEAT 1.55 S版）（2004年通过）。这些模型已经在世界各地的各种现场实验数据集中进行了广泛的测试（asseng 2004；fraisse等人2004）。

为了覆盖该地区的异质性，在美国东南部选择了37个位置进行作物模型模拟（图1）。这些位置代表一系列纬度/经度范围内的区域，其中twarmgt;tNutralgt;tcold。各地玉米、小麦品种均为中季杂交品种，鲍德温品种均为中季杂交品种。用于所有模拟的土壤类型为粉质粘土，是美国东南部的代表性土壤（表2）。对每种作物使用一种具有代表性的土壤类型和品种，可以清楚地分析气候效应，而无需额外的土壤类型和品种相互作用效应。

通过关闭DSSAT中的水和氮限制，以及在APSIM中提供足量的水和氮肥料，两种模型均在没有水和氮（N）应力限制的情况下运行。玉米和小麦的种植密度分别为6株和350株m-2。土壤初始含水量设定为每年土壤下限以上50%，模拟试验分两种模式进行：a）无水无N应力；b）有水但无N应力。小麦播种期为11月10日，玉米播种期为4月1日。

分别模拟了暖期、冷期和中性期，[co2]分别为310、320和356 ppm，代表了以相应历史期为中心的数值。然后，三个周期以390 ppm的[co2]运行，代表当前浓度。最后，用未来20年（IPCC 2013年）的估计（二氧化碳）450 ppm来模拟这三个阶段。

每种作物从播种到收获，计算平均生长季温度（AVT）和降雨量（GS雨）。计算了玉米和小麦在每一个生长季节和每一个时期的日tminlt;8°C和lt;0°C的天数，以及大于34°C和大于32°C的tmax。在玉米模型中，当tminlt;8°C时，玉米发育和生长停止（Lopez-Cedron等人2005年）；Tmax高于34°C会加速玉米的生命周期，从而缩短谷物填充时间（Lopez-Cedron等人2005）。模型中小麦的基本温度为tminlt;0°C，这会阻止小麦的生长发育（波特和盖斯，1999年），每日tmaxgt;32°C，这会导致热应力和加速衰老导致产量下降（阿森等人2011年；波特和加威，1999年）。

表1 110个气象站的平均日气温（avt）、最高日气温（tmax）和最低日气温（tmin），单位为°C，平均为暖（w）、冷（c）和中性（n）期。