孫昊蔚，馬靖涵，王 力,2

(1.西北農(nóng)林科技大學(xué)資源環(huán)境學(xué)院，陜西楊凌 712100；2.中國科學(xué)院水利部水土保持研究所 黃土高原土壤侵蝕與旱地農(nóng)業(yè)國家重點實驗室，陜西楊凌 712100)

黃土高原是世界上典型的土壤侵蝕、水土流失地區(qū)，常年的土壤侵蝕造成了土地資源狀況的惡化[1]，直接影響著該區(qū)域生態(tài)環(huán)境發(fā)展、農(nóng)業(yè)生產(chǎn)建設(shè)和糧食生產(chǎn)[2-3]。同時，全球氣候正在發(fā)生深刻變化，地球熱量和降水分布也隨之改變。黃土高原大部分農(nóng)業(yè)以旱作為主[4-5]，作物種植主要依賴于熱量和自然降水，因而其作物分布、適宜種植區(qū)面積和產(chǎn)量更容易受到氣候變化影響[6-7]。面對全球氣候變化，有效預(yù)測黃土高原地區(qū)作物產(chǎn)量、作物適宜種植區(qū)域的變化規(guī)律，對于該地區(qū)農(nóng)業(yè)可持續(xù)發(fā)展具有重要意義。

氣候變化對于農(nóng)業(yè)生產(chǎn)的影響是當(dāng)前研究的熱點。Gohari等[8]研究認為，溫度升高會縮短農(nóng)作物生長周期，提高作物生長需水量，進而造成產(chǎn)量下降；Muhammad等[9]利用AquaCrop模型模擬得出，在氣溫升高條件下華北平原地區(qū)小麥產(chǎn)量將會增加。一般來說，區(qū)域降水量與小麥產(chǎn)量呈正相關(guān)。Wang等[10]通過APSIM模型研究表明，降水減少對于干燥地區(qū)的影響要比濕潤地區(qū)大。無論是FACE實驗(free air CO2enrichment)或者是模型模擬研究，都證明了大氣CO2濃度與作物產(chǎn)量呈正相關(guān)。Miglietta等[11]的研究結(jié)果顯示，馬鈴薯塊莖產(chǎn)量在FACE(自由空氣中增加CO2濃度試驗)處理中平均增加28%。Zhang等[12]利用ORYZA2000模型分析認為，在IPCC A2和B2情景(大氣CO2濃度增加)下，中國黑龍江省大米產(chǎn)量將分別增長44.5%和 35.3%。然而，當(dāng)前研究中關(guān)于作物適宜種植區(qū)域?qū)夂蜃兓憫?yīng)的分析相對較少，且相關(guān)研究也主要以歷史氣象數(shù)據(jù)為基礎(chǔ)，從作物積溫等角度出發(fā)來分析判斷，而作物模型則可以綜合考慮作物生長發(fā)育過程中的積溫、土壤等條件，因此更適合進行作物適宜種植區(qū)域變化的分析。本研究以APSIM作物模型為基礎(chǔ)，以統(tǒng)計降尺度逐日氣象數(shù)據(jù)組建氣象數(shù)據(jù)庫模擬了黃土高原冬小麥產(chǎn)量情況，并以產(chǎn)量水平與穩(wěn)產(chǎn)性作為劃分依據(jù)預(yù)測了未來2020-2100年冬小麥適宜種植區(qū)域的變化，從而分析預(yù)測未來黃土高原農(nóng)業(yè)發(fā)展與水土保持工程實施的重點地區(qū)。

1 材料與方法

1.1 研究區(qū)概況

黃土高原地處中國偏北地區(qū)，面積約為64萬km2，包括青、寧、甘、秦、晉、蒙、豫7個省區(qū)的全部或者部分地區(qū)。海拔西高東低，是世界上典型的黃土區(qū)，高原內(nèi)部水土流失嚴重，生態(tài)環(huán)境脆弱。黃土高原屬于大陸季風(fēng)氣候，年平均溫度 3.6～14.3 ℃，冬冷夏熱，且氣溫時空差異較大；夏秋多雨，冬春少雨，整個區(qū)域年降水150～750 mm。模擬黃土高原全境67個氣象站點進行(圖1)，站點的選擇參考了相關(guān)研究結(jié)果[13]。

1.2 試驗設(shè)計

本研究選擇長武試驗站歷年冬小麥產(chǎn)量監(jiān)測數(shù)據(jù)進行模型的率定與精度驗證。在APSIM模型校正的基礎(chǔ)上，應(yīng)用CMIP5降尺度數(shù)據(jù)集內(nèi)ACCESS1-0逐日氣象數(shù)據(jù)集驅(qū)動APSIM模型，模擬了黃土高原67個站點RCP 4.5和RCP 8.5情景下2020-2060、2061-2100年間冬小麥產(chǎn)量數(shù)據(jù)，并與1981-2010年間產(chǎn)量模擬數(shù)據(jù)進行了比較。RCP情景(代表性濃度路徑)由IPCC第五次評估報告提出，其中RCP 8.5描述的情景是國際之間不進行控制溫室氣體排放的協(xié)議和活動，不刻意控制全球氣候變暖進程的情景，該情景下溫室氣體的濃度不斷上升；RCP 4.5是指人類采取一系列措施進行減排，從而控制溫室氣體排放低于預(yù)期目標的情景，該情景下大氣中CO2濃度達到538 ppm，N2O濃度降低，同時N2O濃度達到372 ppb[14]。通過對RCP 8.5與RCP 4.5下作物發(fā)育情況的比較可以判斷人為干預(yù)下對于未來農(nóng)業(yè)發(fā)展的影響。同時，本研究利用ArcGIS反距離權(quán)重插值法得到產(chǎn)量和穩(wěn)產(chǎn)性柵格數(shù)據(jù)，并以此為劃分依據(jù)預(yù)測在2020-2060、2061-2100年間黃土高原適宜種植冬小麥區(qū)域分布的變化。當(dāng)前冬小麥適宜種植區(qū)域由各省區(qū)歷年統(tǒng)計年鑒總結(jié)得出，并參考了張玲玲等[15]的研究結(jié)果，種植面積過低的市區(qū)未納入考慮。

1.3 研究方法

APSIM模型于20世紀90年代研制成功，開發(fā)單位包括澳大利亞聯(lián)邦科工組織(CSIRO)和昆士蘭州政府的農(nóng)業(yè)生產(chǎn)系統(tǒng)研究組(APSRU)。作為一種作物模型，APSIM能夠應(yīng)用于農(nóng)業(yè)生產(chǎn)各環(huán)節(jié)主要成分的機理模擬[16-17]。APSIM模型由5部分模塊組成：作物模塊(小麥、玉米、大豆等)、土壤條件模塊(如土壤水分、土壤碳、土壤養(yǎng)分)、氣象條件模塊(如溫度、輻射、降水、風(fēng)速等)、管理模塊(播種、灌溉、施肥等)、數(shù)據(jù)輸入與結(jié)果輸出模塊。在此基礎(chǔ)上，五類模塊通過中心引擎結(jié)合在一起。在使用過程中，APSIM模型能夠以“插拔”的形式，自由選擇模擬過程所需要的模塊，通過這種方式來設(shè)置研究所需模擬條件。

APSIM模型中作物參數(shù)的設(shè)置與調(diào)整參考了黃土高原關(guān)于APSIM的相關(guān)研究結(jié)果[15,18-19]。氣象數(shù)據(jù)來源于降尺度氣象數(shù)據(jù)網(wǎng)站(http://stdown.agrivy.com)。該降尺度氣象數(shù)據(jù)集采用統(tǒng)計降尺度模型(NWAI-WG)從每個GCM網(wǎng)格的月值數(shù)據(jù)中生成[20]。具體來說，降尺度過程包括兩個步驟：空間降尺度和時間降尺度。第一步是插值，即使用反距離加權(quán)(IDW)方法從GCM網(wǎng)格單元氣候變量月值插值為站點的月值數(shù)據(jù)，然后結(jié)合實測值對數(shù)據(jù)進行修正。第二步利用WGEN隨機天氣發(fā)生器生成逐日氣象數(shù)據(jù)。該數(shù)據(jù)集應(yīng)用廣泛，Wang等[21]和Ruan等[22]的研究中都有應(yīng)用。本研究中兩種氣候情景RCP 4.5和RCP 8.5與CO2排放均有關(guān)[23]，在APSIM模型中需要設(shè)置大氣CO2濃度的動態(tài)變化，因此在模型中設(shè)置了兩組公式(式中y指的是具體某一年份)[24-25]：

[CO2]RCP4.5=650.18+(7.532 6×10-5y- 0.162 76)/(2.229 9×10-4-727.97y-2)- 1.874 7×10-4(y-2045)3

[CO2]RCP8.5=1 034.3+(267.78- 1.618 8y)/(4.014 3+53.342y-5.288 2)+2.174 6×10-5(y-2020)3+1.0065×104(y-1911)3

本研究利用長武試驗站冬小麥的長期觀測數(shù)據(jù)進行產(chǎn)量和生育期長度模擬精度評價，結(jié)果(圖2)表明，冬小麥產(chǎn)量與生育期天數(shù)的R2分別為0.85和0.74，RMSE值分別為418 kg·hm-2和3.45 d。一致性指標D分別為0.926和0.921，均大于 0.8，說明模型模擬精確度較高，冬小麥產(chǎn)量與生育期天數(shù)的模擬值與觀測值吻合較好，APSIM模型適合該地區(qū)冬小麥生長及產(chǎn)量潛力的模擬。

2 結(jié)果與分析

2.1 黃土高原溫度與降水的變化趨勢

在黃土高原包含的7個省中，年平均最高溫度與最低溫度按照青海、內(nèi)蒙古、甘肅、寧夏、山西、陜西、河南的順序遞增。在RCP 4.5 和RCP 8.5情景下，黃土高原最高溫度(圖3)與最低溫度(圖4)皆呈逐年升高趨勢，且RCP 8.5情景下的升溫程度要大于RCP 4.5。在RCP 4.5 情景下，2020-2060年間，黃土高原67個站點的最高溫度和最低溫度較1981-2010年平均值分別上升0.10～1.58 ℃(平均0.76 ℃)和0.13～2.40 ℃(平均0.96 ℃)；在2061-2100年間，最高和最低溫度較1981-2010年平均值分別增加0.88～ 2.53 ℃(平均1.55 ℃)和0.53～4.03 ℃(平均2.16 ℃)。在RCP 8.5情景下，2020-2060年間，黃土高原最高溫度和最低溫度較1981-2010年平均值分別增加0.35～1.68 ℃(平均1.08 ℃)和0.40～2.98 ℃(平均1.33 ℃)；在2061-2100年間，黃土高原的最高溫度和最低溫度較1981-2010年平均值分別增加1.35～4.70 ℃(平均 3.18 ℃)和2.50～4.60 ℃(平均3.26 ℃)。陜西省與山西省南部等小麥種植區(qū)的增溫幅度較大。

在RCP 4.5情景下，相較于1981-2010年間的年平均降水，在2020-2060年間，年均降水增加-17.87～146.53 mm(平均39.35 mm)；2061-2100年間，年均降水增加55.32～252.84 mm(平均128.12 mm)。在RCP 8.5情景下，2020-2060年間，年平均降水增加-9.98～ 175.52 mm(平均51.80 mm)；2061-2100年間，年均降水增加52.65～300.86 mm(平均126.49 mm)。除平?jīng)龅貐^(qū)在RCP 4.5和RCP 8.5情景下2020-2060年間年均降水減少外，所有站點的所有情景下，降水都呈現(xiàn)增加趨勢。同時，無論是在RCP 4.5或RCP 8.5情景下，降水的增加呈現(xiàn)空間分布差異(圖5)，黃土高原東南地區(qū)(山西省南部、河南省西北部)的降水增加量最大，西北地區(qū)的降水增加量最小。

2.2 黃土高原冬小麥產(chǎn)量的變化

在本研究中，將黃土高原分為兩部分，一部分是依據(jù)各省市縣統(tǒng)計年鑒劃分的冬小麥種植區(qū)域，另一部分為非種植區(qū)域；以此來研究氣候變化下黃土高原冬小麥種植區(qū)域內(nèi)產(chǎn)量的變化趨勢(圖6)，并從冬小麥產(chǎn)量角度預(yù)測黃土高原冬小麥種植區(qū)域面積和分布對于氣候變化的響應(yīng)(圖7、圖8)。在冬小麥種植區(qū)域內(nèi)，1981-2010年間，產(chǎn)量平均值為4 299 kg·hm-2；在RCP 4.5情景下2020-2060和2061-2100年間，產(chǎn)量平均值分別為4 319和4 777 kg·hm-2；在RCP 8.5情景下2020-2060和2061-2100年間，產(chǎn)量平均值分別為4 548 和4 597 kg·hm-2。在非冬小麥種植區(qū)域，1981-2010年的產(chǎn)量平均值為2 191 kg·hm-2；在RCP 4.5情景下2020-2060和2061-2100年間，產(chǎn)量平均值分別為2 142和2 743 kg·hm-2；在RCP 8.5情景下2020-2060和2061-2100年間，產(chǎn)量平均值分別為2 442和2 906 kg·hm-2。通過顯著性分析，隨著氣候變化，除非種植地區(qū)RCP 4.5情景的2020-2060年間模擬產(chǎn)量略有下降外，其余情景下冬小麥產(chǎn)量都呈顯著增加趨勢(P<0.01)，種植區(qū)RCP 8.5情景的2020-2060年P(guān)<0.05)。

將模擬所得產(chǎn)量數(shù)據(jù)按照一定的等級重新分類，進而可以判斷各冬小麥產(chǎn)量等級的具體分布位置(圖7)。單從產(chǎn)量(圖7)來看，黃土高原適宜種植冬小麥的地區(qū)存在向北擴展的趨勢。與1981-2010年間平均產(chǎn)量比較，在RCP 4.5情景下，2020-2060年間，62.5%種植區(qū)域站點的小麥增產(chǎn)(增幅8～820 kg·hm-2)，54.3%的非種植區(qū)域站點增產(chǎn)(增幅0～479 kg·hm-2)；2061-2100年間，91%的種植區(qū)域站點增產(chǎn)(增幅0～ 1 601 kg·hm-2)，71.4%的非種植地區(qū)站點增產(chǎn)(增幅39～2 251 kg·hm-2)。在RCP 8.5情景下，2020-2060年間，81.2%種植區(qū)域站點增產(chǎn)(增幅0～907 kg·hm-2)，77.1%的非種植地區(qū)站點增產(chǎn)(增幅0.8～1 190 kg·hm-2)； 2061-2100年間，59.3%的種植區(qū)域站點增產(chǎn)(增幅0～1 522 kg·hm-2)，91.4%的非種植區(qū)域站點增產(chǎn)(增幅0～2 195 kg·hm-2)。

從各等級產(chǎn)量所占面積的百分比(圖8)看，在RCP 4.5情景下，2020-2060年間，各產(chǎn)量等級面積占比相對于1981-2010年的平均值變化不顯著；在2061-2100年間，產(chǎn)量0～3 000 kg·hm-2的地區(qū)從45.0%減至34.0%，產(chǎn)量 3 000 kg·hm-2以上所占面積從54.9%增至 65.9%。在RCP 8.5情景下，2020-2060年間， 0～3 000 kg·hm-2的低產(chǎn)地區(qū)面積占比從 45.0%減至39.0%；3 000 kg·hm-2以上面積從54.9%增至60.9%；2061-2100年間，產(chǎn)量0～ 3 000 kg·hm-2的低產(chǎn)地區(qū)面積占比從45.0%減至 30.2%，產(chǎn)量3 000 kg·hm-2以上的面積從54.9%增至69.7%。因此，從產(chǎn)量角度來看，黃土高原適宜種植小麥的地區(qū)面積是有擴大趨勢的。

2.3 黃土高原穩(wěn)產(chǎn)性變化趨勢

為了保證農(nóng)業(yè)活動效益的最大化，除了產(chǎn)量因素，還需要考慮穩(wěn)產(chǎn)性因素。本研究將產(chǎn)量的變異系數(shù)作為衡量冬小麥穩(wěn)產(chǎn)性的指標，來判斷在氣候變化的背景下冬小麥穩(wěn)產(chǎn)性的區(qū)域變化情況(圖9)。1981-2010年，整個冬小麥種植區(qū)域產(chǎn)量變異系數(shù)平均為21.0%，非種植區(qū)域則平均為68.1%。在RCP 4.5情景下，2020-2060年間，種植區(qū)域產(chǎn)量變異系數(shù)平均為22.8%，非種植區(qū)域產(chǎn)量變異系數(shù)平均為55.9%；2061-2100年間，種植區(qū)域產(chǎn)量變異系數(shù)平均為18.5%，非種植區(qū)域產(chǎn)量變異系數(shù)平均為40.4%。在RCP 8.5情景下，2020-2060年間，種植區(qū)域產(chǎn)量變異系數(shù)平均為21.7%，非種植區(qū)域產(chǎn)量變異系數(shù)平均為48.5%；2061-2100年間，種植區(qū)域產(chǎn)量變異系數(shù)平均為18.5%，非種植區(qū)域產(chǎn)量變異系數(shù)為41.6%。除RCP 4.5情景的2020-2060和 RCP 8.5情景的2020-2060年間，種植區(qū)域產(chǎn)量變異系數(shù)有所上升外，其余情景和時間段內(nèi)，產(chǎn)量變異系數(shù)皆呈顯著下降趨勢(P<0.05)。

同樣，利用ArcGIS重分類功能，按照一定等級梯度劃分了黃土高原冬小麥產(chǎn)量變異系數(shù)區(qū)域(圖10)，并計算了不同情景與不同時間段內(nèi)各等級產(chǎn)量變異系數(shù)所占面積的占比情況(圖11)。在RCP 4.5情景下，2020-2060年間，相比 1981-2010年間，變異系數(shù)0～40%的穩(wěn)產(chǎn)地區(qū)面積占比從54.7%增加到55.1%，變異系數(shù)在40%以上的地區(qū)從45.3%減少到44.9%；在2061-2100年間，變異系數(shù)0～40%的穩(wěn)產(chǎn)地區(qū)面積占比增加到69.8%，變異系數(shù)在40%以上的地區(qū)從45.3%減少到30.2%。在RCP 8.5情景下， 2020-2060年間，變異系數(shù)0～40%的穩(wěn)產(chǎn)地區(qū)面積占比增加到58.7%，變異系數(shù)在40%以上的地區(qū)減少到41.3%；2061-2100年間，變異系數(shù)0～40%的穩(wěn)產(chǎn)地區(qū)面積占比增加到 67.4%，變異系數(shù)在40%以上的地區(qū)減少到 32.6%。從產(chǎn)量穩(wěn)定性角度來看，黃土高原適宜種植小麥的地區(qū)面積同樣呈擴大趨勢。

2.4 黃土高原適宜種植區(qū)變化

綜上可知，隨著氣候的變化，在2020-2100年間黃土高原將有更多高產(chǎn)和穩(wěn)產(chǎn)的地區(qū)出現(xiàn)，但是這兩者的增加是否有重疊的區(qū)域尚不明確，這也是探究氣候變化下黃土高原適宜種植區(qū)變化具體位置的關(guān)鍵所在。根據(jù)分析，可知在1981-2010年間，黃土高原冬小麥種植地區(qū)絕大部分多年產(chǎn)量平均值處于3 000 kg·hm-2以上和產(chǎn)量變異系數(shù)處于0～40%之間，存在誤差的地區(qū)主要集中于青海省部分地區(qū)和延安市，這主要是因為受限于青海省統(tǒng)計資料的缺失，無法判斷青海省冬小麥的具體種植地區(qū)。而根據(jù)統(tǒng)計年鑒顯示，延安市部分地區(qū)種植小麥，但是由于其種植面積過低而未統(tǒng)計在冬小麥種植區(qū)域內(nèi)。因此，本研究以產(chǎn)量3 000 kg·hm-2以及產(chǎn)量變異系數(shù)40%為標準來劃分適宜種植與不適宜種植區(qū)域，并繪制了未來不同時間段內(nèi)冬小麥適宜種植區(qū)域北界圖(圖12)。在RCP 4.5情景下，2020-2060年間適宜種植區(qū)邊界變動程度不大，在2061-2100年間期間，適宜種植區(qū)域邊界將從1981-2010年間下的榆中-海源-吳旗-綏德一線變?yōu)橥?定邊-橫山-朔州一線。在RCP 8.5情景下，2020-2060年間邊界變?yōu)橛苤?海源-興縣-原平一線；在2061-2100年間，種植邊界將變?yōu)橥?鹽池-朔州-大同一線。

在1981-2010期間，適宜種植面積為 305 369 km2，占黃土高原總面積的48.9%(圖13)。在RCP 4.5情景下，2020-2060年間，適宜種植面積為292 274 km2，占比為46.8%，較1981-2010年減少13 095 km2；2061-2100年間，面積增加到407 132 km2，占比為65.2%，較1981-2010年增加101 763 km2。在RCP 8.5情景下，2020-2060年間，面積增加到352 337 km2，占比為56.4%，較1981-2010年增加469 68 km2；2061-2100年間，面積增加到410 340 km2，占比為65.7%，較1981-2010年增加107 671 km2。

3 討 論

3.1 不確定性分析

本研究主要的不確定性在于將黃土高原冬小麥品種默認為相同，而實際上黃土高原各地小麥品種并非完全一致，且每一地區(qū)小麥品種更換速率約為十年更換一次[26]。小麥品種生育期等作物參數(shù)的不同都會在一定程度上導(dǎo)致實際情況與模擬結(jié)果的差異，這是本研究存在的不確定性。同時，本研究中只應(yīng)用ACCESS1-0一種氣候模式進行了預(yù)測，這也會造成模擬的不確定性。相關(guān)研究[27]結(jié)果顯示，28個GCM模式模擬的中國氣候變化趨勢基本一致，都認為最高溫度、最低溫度及降水呈增加趨勢。但是對于具體某一地點而言，溫度、降水變化數(shù)值都會有所不同，這是不確定性的主要來源，在以后的研究中需要考慮多個數(shù)值模式以減少不確定性。

3.2 黃土高原冬小麥產(chǎn)量的變化

未來氣溫的升高會造成冬小麥生育期的縮短[26]，導(dǎo)致一定程度的減產(chǎn)，但是GCM模式預(yù)測未來黃土高原降水將呈現(xiàn)全區(qū)域普遍增加的趨勢，結(jié)合CO2增產(chǎn)效果，未來黃土高原冬小麥產(chǎn)量將表現(xiàn)出升高的趨勢。在1981-2010年間，黃土高原冬小麥產(chǎn)量呈現(xiàn)西部高、東北偏低的特征，這與張玲玲等[15]的研究結(jié)論一致。分析降尺度氣候數(shù)據(jù)集顯示，在未來黃土高原東北部即山西中部地區(qū)降水增加程度要高于黃土高原西部地區(qū)，因此黃土高原種植區(qū)域內(nèi)產(chǎn)量西高東低的現(xiàn)象將逐漸緩解，尤其是在RCP 4.5、RCP 8.5情景下2061-2100年間表現(xiàn)更為明顯。在冬小麥種植區(qū)域內(nèi)，隨著氣候的變化，冬小麥產(chǎn)量都有顯著性升高，說明在考慮多種氣候要素的情況下，氣候變化朝著有利于小麥產(chǎn)量增長的趨勢發(fā)展。但是，在RCP 4.5和 RCP 8.5情景下2061-2100年間，冬小麥產(chǎn)量平均值分別為4 777 和4 597 kg·hm-2。顯著性分析顯示， 2061-2100年間冬小麥產(chǎn)量在RCP 4.5情景下顯著高于RCP 8.5情景(P<0.05)，說明氣候變化雖然是向著有利于農(nóng)業(yè)種植的趨勢發(fā)展的，但是減少大氣CO2排放來控制全球溫度增加趨勢更加有利于小麥產(chǎn)量提升。

3.3 黃土高原冬小麥適宜種植區(qū)域界線移動

唐曉培等[28]的研究表明， RCP 4.5情景下黃淮海地區(qū)冬小麥種植北界變化趨勢小于RCP 8.5情景，這與本研究的結(jié)果一致。楊曉光、孫爽等[29-30]從光溫生產(chǎn)潛力、積溫角度，李克南等[31]從凍害和春化角度，Yang等[32]基于全國尺度的研究都表明，在1981-2010年間作物種植界限北移趨勢明顯，種植區(qū)域的擴大會提升小麥的總產(chǎn)量。Yang等[32]的研究表明，由于氣候變化擴大了糧食種植區(qū)域，在1981-2010期間全國三大主要作物(小麥、玉米、水稻)增產(chǎn)8×106t。因此，氣候變化對于全國的農(nóng)業(yè)生產(chǎn)起著一定積極的作用，采用合理方式積極應(yīng)對氣候變化能夠有效提升我國糧食安全保障能力。立足于黃土高原來看，在氣候變化的背景下，冬小麥種植邊界將繼續(xù)向北擴展，且種植區(qū)域內(nèi)的冬小麥產(chǎn)量將受益于氣候變化的影響呈現(xiàn)一定程度的增加。同時，研究預(yù)測，當(dāng)前冬小麥適宜種植區(qū)以北是潛在適宜種植地區(qū)，因此在未來應(yīng)該注意榆中-海源-吳旗-綏德以北地區(qū)的水土保持工程的建設(shè)以及農(nóng)業(yè)管理的科學(xué)化進程，從而更好地積極應(yīng)對氣候變化，促進小麥產(chǎn)量的增加，實現(xiàn)地區(qū)糧食的自給自足。

4 結(jié) 論

模擬結(jié)果顯示，在RCP 4.5與RCP 8.5情景下，黃土高原冬小麥適宜種植范圍將一定程度向北擴大，且RCP 8.5情景下北擴的面積更大。在RCP 4.5情景下，2020-2060年間，適宜種植面積占黃土高原總面積的46.8%，較1981-2010年間均值減少13 095 km2；2061-2100年間，適宜種植面積占比為65.2%，增加101 763 km2。在RCP 8.5情景下，2020-2060年間，適宜種植面占黃土高原總面積的56.4%，較1981-2010年間均值增加46 968 km2；2061-2100年間，適宜種植面占黃土高原總面積的65.7%，增加 107 671 km2。在RCP 4.5與RCP 8.5情景下，黃土高原冬小麥種植范圍內(nèi)小麥產(chǎn)量與穩(wěn)產(chǎn)性都將顯著提高。在RCP 4.5情景下，2061-2100年間冬小麥產(chǎn)量顯著高于RCP 8.5情景。因此，從產(chǎn)量角度出發(fā)，控制CO2排放，減緩溫室效應(yīng)仍然有益于產(chǎn)量提升。

致謝：感謝澳大利亞新南威爾士州初級產(chǎn)業(yè)部劉德立教授提供未來氣候情景數(shù)據(jù)。