气候变化是指大气长时期统计状态的变化，即一段时期内气候要素的统计与另一段时期统计量之间的差别[1]。以气候变暖为主要特征的气候变化正成为人类生存和发展的重大威胁。在将来的大气CO2浓度倍增的情况下，运用区域气候模型RegCM2进行模拟，发现年均温度将会增加2.7℃，年降水量会增加25%。考虑到气溶胶和自然因素的影响，温度增加将会减少到2.0℃，降水增加将减少到19%[2]。农业是对气候变化为敏感的部门之一，气候始终是影响农业生产的重要决定因素[3]。气候变化对农业所带来的不利影响，将造成农业生产的波动并危及粮食安全、社会稳定和经济的可持续发展。水稻、小麦、玉米是我国三大粮食作物，其产量的高低直接影响着我国粮食安全问题。当前的研究主要集中在作物模型与气候模式相结合的模型模拟方面。基于作物生长机理的产量动力模型是发展为迅速的方法[4]，其在集成已有科学研究成果、作物种植管理科学化以及在决策制定中所起的作用已逐渐为大家所认识。而借助气候模式开展研究工作是评估未来气候变化对造成的影响的主要手段。本文主要阐述了我国学者利用国内外模型在未来气候情景下对于我国主要粮食作物进行的模拟研究，并针对当前研究状况提出建议和对策，以期为准确评价气候变化对我国农业生产的可持续发展、制订相应对策、采取适应措施等提供理论依据。

　　1未来气候情景下我国主要粮食作物产量的变化

　　1.1水稻产量变化

　　水稻是我国重要的粮食作物，其产量关系到国家和地区的粮食安全问题，水稻增产技术和产量的准确预报能力也可以为国家和地区的决策提供参考。当前大多数学者都采用气候模式与作物生长模型相嵌套的方法来评价气候变化对作物的影响。CERES-Rice模型是系列模型中的主要模型之一，应用比较广泛。姚凤梅等[5-6]利用水稻生长观测资料和气象资料，采用CERES-Rice模型对主要稻区水稻产量的模拟能力进行了评价，认为该模型能够合理模拟水稻的产量。在此基础上利用此模型和区域气候模式相连接，模拟分析2071—2080年和2071—2090年气候变化情景对我国主要地区灌溉水稻产量的影响。研究表明2071—2080年和2071—2090年的产量相对于基准年(1961—1990年)的变化分别为：2071—2080年情景下为+21.3%～-10.12%，2071—2090年情景下为+4.10%～-13.16%。葛道阔等[7]将气候渐变模型(GISSGCMTransientBruns)的有关网格点值作为生成研究区域气候渐变情景的主要依据，利用CERES-Rice模型模拟2030年和2050年我国南方水稻的产量，结果显示华中和西南高原的单季稻均表现为增产，而华中和华南双季稻，特别是后季稻减产幅度较大。也有学者利用ORYZA2000模型进行了大田水平的不同灌溉方式、土壤渗透性与不同地下水位深对水稻产量的分析研究[8]。杨沈斌等[9]以长江中下游平原作为研究区域，将基于区域气候模式PRECIS构建的气候变化情景文件与水稻生长模型ORYZA2000结合，模拟2021—2050时段A2、B2情景下的水稻产量。结果表明，不考虑CO2肥效作用时，随着温度升高，两种情景下水稻的产量都呈下降趋势，减少15%左右。当考虑CO2肥效作用后，两种情景下水稻平均产量减少5%左右。裘国旺等[10]将基于GCMs的输出和历史气候资料相结合的气候变化情景与双季稻模式相连接，对我国江南双季稻生产的可能影响进行了模拟，结果表明双季早稻产量的变化幅度为-7.9%～-21.6%，相对较小，但均呈减产趋势;双季晚稻的变化幅度较大，为+12.3%～-32.9%，增减产波动明显[10]。与国外相比，我国作物生产模型研究工作从总体上看，起步还比较晚，研究力量较为薄弱。目前，有影响且得到应用的主要是作物计算机模拟优化决策系统(CCSODS)系列模型[11]。该模型将作物模拟技术与作物优化原理相结合，具有较的机理性、通用性和综合性。水稻模型RCSODS是其著名的模型，高亮之等[12]在此模型创建和作物模拟技术在作物生产实践中的应用拥有越的贡献。陈家金等[13]基于RCSODS模型对东南沿海双季稻生长发育及产量进行了模拟和验证，得出水稻生育期模拟误差在0～5d，产量模拟的平均误差在5%以内，模拟准确率较高，模拟结果基本符合东南沿海地区水稻生长发育实际情况。

　　1.2小麦产量变化

　　小麦是我国仅次于水稻的第二大作物，其播种面积占粮食作物播种面积的20%～30%，产量与玉米接近，占粮食产量的20%～25%，各地几乎均可种植小麦，但主要集中在长江以北的东部地区。长城以北和东北地区以春小麦为主，其余地区主要以冬小麦为主。王志等[14]基于EPIC模型，模拟了我国北方80个典型站点的春小麦和冬小麦1961—2005年期间的生长过程，分析了不同农业区域小麦产量的波动情况，结果表明：在不考虑农业技术因素的条件下，辐射的波动是导致小麦产量波动的主要原因，温度胁迫的降低在一定程度上促进了小麦的增产。张宇等[15]利用随机天气模型，将气候模式对大气中CO2倍增时预测的气候情景与CERES-Wheat模式相连接，研究了气候变化对我国冬小麦和春小麦生产的可能影响。结果表明，籽粒产量呈下降趋势，冬小麦平均减产7%～8%，春小麦在水分适宜时平均减产17.7%，雨养时平均减产31.4%。杜瑞英等[16]利用同样方法研究表明，在不考虑CO2对小麦影响的情况下，由于热量充足，只要水分条件适宜，未来我国北方干旱、半干旱地区小麦产量整体都有增产趋势。与以往研究所采用的气候模式(GCM)相比，区域气候模式在模式验证、时空分辨率、对地形的表述以及模式的不确定性方面有显著的改善，比以往大气环流模式和随机天气发生器相嵌套方法更合理。居辉等[17]、熊伟等[18]在不同的气候情景下，通过区域气候模式和作物模型(CERES-Wheat)模拟未来我国小麦产量变化。结果表明，我国雨养和灌溉小麦均表现显著减产趋势，灌溉可缓解小麦减产趋势，但不能阻止产量下降，春小麦或春性较的冬小麦减产明显，若考虑CO2的直接肥效作用，雨养和灌溉小麦均表现明显增产趋势。我国的小麦生长模拟研究比水稻稍晚。小麦栽培模拟优化决策系统(WCSODS)是继水稻栽培模拟优化决策系统之后，我国自行研制的又一个大型综合性的农作物栽培计算机模拟优化决策模型[19]。江敏等[20]利用小麦栽培模拟优化决策系统(WCSODS)对徐州地区冬小麦种植的常年决策进行了模拟分析，发现此系统对生育期和产量的模拟效果较好。马新明等[21]检验了小麦模型(WCSODS)在河南省的适用性，发现WCSODS对河南小麦生育期和产量的模拟精度较高。

　　1.3玉米产量变化

　　玉米是我国重要的粮食和饲料作物，而东北地区玉米产量约占玉米总产量的1/3，稳居位，是我国大的玉米优势种植区。张建平等[22]利用WOFOST作物模型在东北地区玉米适应性验证的基础上，结合气候模型BCC-T63输出的未来60年(2011—2070年)气候情景资料，模拟分析了未来气候变化情景下我国东北地区玉米生育期和产量变化情况。结果显示：玉米产量将相应下降，中熟玉米平均减产3.5%，晚熟玉米平均减产2.1%。熊伟等[23]、崔巧娟等[24]在对作物模型(CERES-Maize)进行标定和验证的基础上采用区域气候模式与CERES-Maize模型相结合的方法，在A2和B2两种未来气候情景下评估未来气候变化对玉米的影响。研究得出，如果保持现有的玉米生产状况，气候变化将导致我国玉米主产区东北春玉米区的玉米产量大部分减产，总产下降，给玉米生产带来一定经济损失。CO2肥效作用可以在一定程度上缓解这种负面影响，其缓解作用对雨养玉米更明显。但是未来玉米主产区的雨养和灌溉玉米的稳产风险及低产出现的概率依然会增大，总产的年际波动更为剧烈。王育光等[25]通过分析温度、降水等气候因子与作物干物质累积量的关系，利用模式预测了2001—2002年黑龙江玉米的单产，其预测结果与实际单产非常接近，预报精确度在94%左右。赵巧丽等[26]根据玉米品种特性、遗传参数以及年内气候资源，结合玉米栽培模拟优化决策系统(MCSODS)的生长预测功能，对后茬夏玉米的品种以及生产进行了相应的研究。目前，我国的相关研究人员在作物模型模拟方面进行了大量的研究，取得了一定的成就，但距离国外先进的技术还尚有差距。目前我国农业气象服务业务中对农作物生长气象条件评价的科学定量程度和动态跟踪能力还很不够，已有的气象影响评价模型多以统计手段为主，多是半经验半机制性[27-28]。当前模型参数的确定方法，大多数来自文献及实际试验结果，缺乏生理学机制及生态学物质循环的逻辑推断[29]。很多模型仅是对作物在某个区域生产过程的模拟，模型的通用性较差[30]。各种模型对作物生长过程的量化描述均不同，各类参数取值差别很大，在科学性和普适性方面也有很大的欠缺[31]。

　　2农业气候变化的敏感性和脆弱性分析

　　农业对气候变化的脆弱性是气候变化影响研究的关键问题之一，对指导区域适应未来气候变化、制定适应对策、保证粮食生产、促进农业、资源、环境的可持续发展具有重要意义。IPCC第3次评估报告中进一步明确了气候变化敏感性和脆弱性的定义[32]：敏感性是指系统受到与气候有关的刺激因素影响的程度，包括有利和不利影响。脆弱性是指气候变化，包括气候变率和端气候事件对该系统造成的不利影响的程度，是系统内的气候变率特征、幅度和变化速率及其敏感性和适应能力的函数。我国农业的敏感性和脆弱性研究相对较少。近几年，一些学者利用作物模型与气候模型相结合的方法，依据作物产量的变化率进行气候变化的敏感性和脆弱性研究[33-35]。杨修等[36-39]采用PRECIS模型输出的B2气候情景，结合CERES作物模型数据，依据产量的变化率和GIS技术分别对我国未来水稻、小麦和玉米的气候变化敏感性和脆弱性进行了研究，结果表明：我国水稻、小麦、玉米对未来气候变化的反应是敏感的(无论是雨养还是灌溉)，如不采取适应措施，21世纪70年代时3种作物的种植区将面临减产趋势。在采取适应措施(包括改善品种、调整结构、应用先进技术、购买农药和肥料、改善灌溉和农业基础设施能力等)的情况下，21世纪70年代时3种作物大部分产区对气候变化并不脆弱。

　　3展望

　　气候变化对作物生长和产量的影响已引起各国政府和科学家的高度重视，近年来气候变化研究正逐步深入和完善。我国在未来气候情景下作物产量的影响及适应对策的研究取得了明显的进展，但仍存在一些问题，在今后的工作中尚需加和改进。

　　3.1加气候变化情景的不确定性研究

　　3.1.1加气候模式本身的不确定性研究尽管气候模式在不断的改进，但当前的气候模式所能模拟的气候状况与真实情况仍有很大的差距。此外，气候模式中大的缺陷是云反馈，预测的不确定性还来自与大气和海洋、大气和地表、海洋上层与深层之间的能量交换过程等。气候模拟中也很少考虑生物反馈和完善的化学过程。另外大气环流模式和海气耦合模式对各种物理过程的参数化处理以及如降水形成的简化处理也会造成一定误差。只有充分认识气候系统中各圈层的相互作用机理和影响才能降低气候模式的不确定。

　　3.1.2加温室气体排放情景的不确定性研究温室气体排放情景是气候模式的重要输入条件，其不确定性也必然会对气候模式的输出结果产生一定的影响。温室气体排放情景的不确定性主要来源于不能准确地描述和预测未来社会经济、环境、土地利用和技术进步等非气候情景的变化。非气候情景在准确表述系统对气候变化的敏感性、脆弱性及适应能力方面也是非常重要的。构建温室气体各种排放情景下气候变化的情景，在影响评价中考虑采用不同模式的气候变化情景，并综合分析未来气候变化的可能发生的情景，以降低排放情景不确定性的影响。

　　3.1.3加应用技术的不确定性研究区域气候变化是气候模式输出通过降尺度处理得到的，因此气候模式输出结果的不确定性直接衍生了区域气候变化的不确定性。相同的环流模式(GCMs)预测结果，采用不同的降尺度分析方法，也会得到不同的区域气候情景。降尺度方法主要包括动力学降尺度和统计学降尺度。动力学降尺度除了需要正确认识气候变化的物理机制外，还需要考虑物理参数化的选择、区域大小和分辨率以及一些非线性动力学引起的内部变率等问题。统计学降尺度的改进需要正确认识气候要素的时空分布特性，改善气候观测资料的质量及加多种信息的同化分析等。

　　3.2加作物生长模拟模型的不确定性研究

　　作物生长模拟模型结构本身所带来的误差，将不可避地影响预测评价结果的确定性。作物模型都是通过模型参数的变化来进行模拟的，因此，作物模型参数的不确定性也是影响预测评价结果的重要方面。完善作物模型是降低预测结果不确定性的重要的基础，可通过以下途径进行改进和完善。先，改进模型结构，提高模型参数识别和优化的可靠性，进一步提高模型的模拟分析精度。其次，研究无资料和资料质量较差地区的作物模型模拟技术，分析和建立作物模型参数与地理信息等要素的关系，降低作物模型在资料质量较差地区应用的不确定性。

　　3.3加农业气候变化的敏感性和脆弱性研究

　　脆弱性评价通常采用综合指数分析法，但现有的指标体系还不够完善，以后应加指标体系的构建。除从气候敏感性和适应性两个方面构建指标体系外，还应考虑减缓气候变化措施带来的影响。加多种方面共同作用下的敏感性和脆弱性研究，如气候、社会经济、环境等多重胁迫作用下，多层次不同时间、空间尺度的脆弱性研究。同时，研究要细化，应多方位进行某一种农作物对气候变化的脆弱性分析，为农作物管理提供良好的建议和对策。