張志良，和志豪，茹曉雅，蔣騰聰，何英彬，馮浩，于強，何建強,5

未來氣候變化對中國馬鈴薯種植氣候適宜性的影響

張志良1,2,3，和志豪1,2，茹曉雅1,2，蔣騰聰1,2，何英彬3，馮浩2,4，于強4,5，何建強

1西北農(nóng)林科技大學/旱區(qū)農(nóng)業(yè)水土工程教育部重點實驗室，陜西楊凌 712100；2西北農(nóng)林科技大學中國旱區(qū)節(jié)水農(nóng)業(yè)研究院，陜西楊凌 712100；3中國農(nóng)業(yè)科學院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京 100081；4中國科學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；5陜西省氣象局秦嶺和黃土高原生態(tài)環(huán)境氣象重點實驗室，西安 710016

【目的】馬鈴薯作為中國第四大主糧作物，其適宜性評價對保障國家糧食安全具有重要意義。本研究基于氣候數(shù)據(jù)，構(gòu)建集成物種分布模型預(yù)測中國未來時期馬鈴薯氣候適宜區(qū)，為優(yōu)化中國馬鈴薯種植提供重要科學參考?！痉椒ā坷?種全球氣候模式（global climate models，GCMs）未來氣候數(shù)據(jù)驅(qū)動5種物種分布模型（species distribution models，SDMs），集成模擬預(yù)測未來4種溫室氣體排放情景（ssp126、ssp245、ssp370、ssp585）下，中國歷史上（1970—2000年）和4個未來時期（2021—2040、2041—2060、2061—2080、2081—2100年）的馬鈴薯氣候適宜區(qū)時空分布特征?！窘Y(jié)果】（1）最濕月份的降水量、最暖月份的最高溫度，以及最冷季度的平均溫度是影響中國馬鈴薯氣候適宜度的主要氣象因子，對模擬結(jié)果的貢獻率分別為54.7%、21.4%和18.1%。（2）4種溫室氣體排放情景下對于各適宜等級區(qū)域的預(yù)測結(jié)果變化基本一致，都呈現(xiàn)適宜區(qū)、低適宜區(qū)面積變大而高適宜區(qū)面積變小的趨勢，僅在海南、西藏、新疆等地局部存在種植氣候不適宜區(qū)。馬鈴薯適宜種植區(qū)（適宜區(qū)和高適宜區(qū)）的面積在各種情況下均超過50%。（3）在未來各時期馬鈴薯種植低適宜區(qū)和適宜區(qū)面積將大幅增加，而高適宜區(qū)面積則呈下降趨勢，各適宜等級區(qū)域面積總體依舊保持：適宜區(qū)＞低適宜區(qū)＞高適宜區(qū)。（4）隨著溫室氣體排放等級的提高，中國馬鈴薯高適宜區(qū)將大幅減小。從空間分布上看，中國馬鈴薯種植高適宜區(qū)主要以東北地區(qū)、甘肅地區(qū)、新疆西部，以及西南部分區(qū)域為主；從時間順序上看，陜西北部、長江中下游區(qū)域、內(nèi)蒙古中西部等區(qū)域受未來氣候變化影響較大，馬鈴薯氣候適宜度減小趨勢明顯?！窘Y(jié)論】利用構(gòu)建的集成物種分布模型預(yù)測了未來時期中國馬鈴薯氣候適宜區(qū)時空分布特征。根據(jù)模型模擬結(jié)果，建議東北、甘肅、西南等地區(qū)可以作為未來馬鈴薯的主要種植區(qū)域，新疆等地區(qū)可以作為主要發(fā)展區(qū)域，其他地區(qū)應(yīng)按照當?shù)厍闆r優(yōu)先發(fā)展其他糧食和經(jīng)濟作物。

馬鈴薯；氣候變化；全球氣候模式；物種分布模型；氣候適宜性

0 引言

【研究意義】馬鈴薯（L.）是繼水稻、玉米和小麥之后的世界第四大糧食作物，馬鈴薯相關(guān)產(chǎn)業(yè)已成為保障我國糧食安全的重要途徑[1]。因此，分析當前和未來氣候條件下馬鈴薯氣候適宜區(qū)的時空分布特征，對于保障我國馬鈴薯產(chǎn)業(yè)穩(wěn)定發(fā)展具有重要意義?！厩叭搜芯窟M展】自工業(yè)革命以來，全球氣候問題日益突出。氣候和自然環(huán)境的變化導(dǎo)致農(nóng)業(yè)生產(chǎn)的不穩(wěn)定性和無規(guī)律性增加，從而對農(nóng)作物的產(chǎn)量和時空分布格局產(chǎn)生潛在影響[2]。馬鈴薯對氣候因素的變化較為敏感[3]，氣候環(huán)境因子（如溫度、降水）的變化可能會引發(fā)馬鈴薯葉片和花朵低溫霜凍害等問題，極有可能造成馬鈴薯植株不能正常生長和繁育，從而對馬鈴薯產(chǎn)量造成較強的干擾效應(yīng)[4]，最終使得馬鈴薯在該地區(qū)的氣候適宜度下降。氣候適宜度是用于評估作物分布與氣候因子之間關(guān)系的指標，其只考慮氣候條件而不考慮土壤類型、管理制度等其他因素。評估作物氣候適宜度的一種有效方法是物種分布模型（species distribution model，SDM）[5]。物種分布模型主要是利用物種的分布數(shù)據(jù)與環(huán)境因子數(shù)據(jù)，依據(jù)特定的算法估計物種的生態(tài)位并投射到景觀中，以概率的形式反映物種對生境的偏好程度[6]。Wang等[7]利用一種物種分布模型MaxEnt模型評估了1961年至2017年中國馬鈴薯氣候適宜性的變化。【本研究切入點】目前，針對中國國內(nèi)局部地區(qū)馬鈴薯適宜區(qū)的研究較多[7-9]，但針對全國范圍的研究還不多見，且較少考慮未來氣候情景下適宜區(qū)的變化，此外利用多物種分布模型集成模擬馬鈴薯適宜區(qū)的研究也較少報道。【擬解決的關(guān)鍵問題】本研究利用6種全球氣候模式（global climate models，GCMs）的未來氣候數(shù)據(jù)驅(qū)動5種物種分布模型（species distribution models，SDMs），集成模擬預(yù)測未來4種溫室氣體排放情景（ssp126、ssp245、ssp370、ssp585）下，歷史（1970—2000年）上和4個未來時期（2021— 2040、2041—2060、2061—2080、2081—2100）中國馬鈴薯氣候適宜區(qū)的時空分布，篩選影響中國馬鈴薯生產(chǎn)氣候適宜性的關(guān)鍵氣象因子以及高適宜區(qū)的分布特征，有助于理解氣候變化對中國馬鈴薯種植適宜度的影響，從而為合理制定馬鈴薯種植區(qū)劃和應(yīng)對氣候變化提供理論參考。

1 材料與方法

1.1 研究區(qū)域

滕宗璠等[10]根據(jù)地理位置、氣象條件等，將中國分為4個不同的馬鈴薯種植區(qū)：北方一作區(qū)、中原二作區(qū)、南方二作區(qū)以及西南混作區(qū)（圖1）。其中，北方一作區(qū)一年只栽培一季，一般4月或5月上旬播種，9月或10月上旬收獲。中原二作區(qū)實行春秋兩季栽培，春季多種植商品薯，2月或3月下旬播種，5月下旬或6月中下旬收獲；秋季主要種植種薯，一般8月播種，11月收獲。南方二作區(qū)實行秋播或冬播，10月下旬秋播，12月下旬至1月上旬收獲；1月中旬冬播，4月上中旬收獲。西南混作區(qū)一作、二作類型交錯生產(chǎn)，高寒山區(qū)與低山、平壩地區(qū)馬鈴薯種植差異較大。由于各種植區(qū)農(nóng)戶種植習慣各不相同，基于此，本研究提出這樣的假定：即在未來氣候變化背景下，各地農(nóng)戶的種植習慣不會發(fā)生大規(guī)模根本性的改變。因此，歷史上沒有長時間種植馬鈴薯的區(qū)域，未來也不會突變成為馬鈴薯的種植區(qū)，也不是馬鈴薯種植區(qū)劃調(diào)整的重要區(qū)域。

審圖號：京審字（2023）G第1636號。下同Map content approval number: JINGSHENZI (2023) G1636. The same as below

“存在”是指實際馬鈴薯種植點，該數(shù)據(jù)來源于中國氣象局國家氣象信息中心（http://data.cma.cn/），“不存在”是指實際不種植馬鈴薯的位置

The dots of ‘Existence’ refer to the actual potato planting sites, where data were from the National Meteorological Information Center of China Meteorological Administration (http://data.cma.cn/); the dots of ‘Non-existence’ refer to the sites where there was no potato cultivation

圖1 中國馬鈴薯種植區(qū)劃分布

Fig. 1 Distributions of potato planting districts in China

1.2 數(shù)據(jù)來源及處理

1.2.1 馬鈴薯物種分布數(shù)據(jù) 物種分布數(shù)據(jù)包括馬鈴薯“存在”位置和“不存在”位置，其中馬鈴薯“存在”位置包括中國農(nóng)業(yè)氣象觀測站的經(jīng)緯度（中國氣象局國家氣象信息中心，http://data.cma.cn/）和全球物種多樣性信息庫記錄（http://www.gbif.org）兩部分，共收集到150條記錄。根據(jù)Massin等[11]研究，為確保集成模型模擬的精準度，“不存在”位置記錄應(yīng)與“存在”位置記錄的數(shù)量大體相當，因此，本研究通過查閱統(tǒng)計文獻，從收集到的382個未種植馬鈴薯的區(qū)縣中隨機抽取150個位置作為“不存在”位置記錄。此外，為了降低因集群效應(yīng)造成的取樣偏差，剔除冗余數(shù)據(jù)避免過擬合，采用簡單高效且結(jié)果更合理的ENMTools工具對兩部分數(shù)據(jù)進行處理，最終分別獲取149條存在“記錄”位置和114條“不存在”位置記錄（圖1）。

1.2.2 環(huán)境變量篩選和處理 氣象數(shù)據(jù)來源于WorldClim數(shù)據(jù)庫（http://worldclim.org）。為提高預(yù)測的準確性，選取歷史（1970—2000年）和未來4個時期（2021—2040、2041—2060、2061—2080、2080—2100年）在4種溫室氣體排放情景（ssp126、ssp245、ssp370、ssp585）下的19種環(huán)境因子（表1）進行模擬，各次模擬的空間分辨率均為5 km×5 km。由于不同氣候模式對未來溫室氣體排放的響應(yīng)存在很大的不確定性[12]，因此相關(guān)研究多采用多模式集合模擬來有效降低單模式預(yù)測的不確定性[13]。本研究采用BCC-CSM2-MR、CanESM5、CNRM-CM6-1、CNRM-ESM2-1、MIROC6、MIROC-ES2L共6種全球氣候模式的氣象數(shù)據(jù)來驅(qū)動不同SDM模型分別進行模擬，最終選用等權(quán)重法對不同SFM模型模擬結(jié)果進行集成預(yù)測。

表1 SDM模型輸入氣象環(huán)境因子

首先，本研究用19個環(huán)境因子進行模型模擬，得出各因子對結(jié)果的貢獻率。利用R語言中的“corrgram”包對環(huán)境因子進行皮爾遜相關(guān)性分析（圖2），根據(jù)相關(guān)性去除冗余數(shù)據(jù)以避免由此造成的誤差[14]。具體來說，當2個環(huán)境因子的相關(guān)性大于0.8，保留貢獻率高的一個環(huán)境因子，舍去貢獻率低的一個環(huán)境因子，直至各因子之間的相關(guān)性均小于0.8。最終，選擇了6個環(huán)境因子（bio2、bio3、bio5、bio11、bio13和bio15）用于物種分布模型的構(gòu)建與預(yù)測。

1.3 模型建立、優(yōu)化和評估

1.3.1 模型建立 物種分布模型是一種有效模擬和預(yù)測物種分布的方法。根據(jù)各建模方法對數(shù)據(jù)的需求[11]，本研究選用最大熵（Maxent）、增強回歸樹（boosted regression trees，BRT）、多元自適應(yīng)回歸樣條（multivariate adaptive regression splines，MARS）、支持向量機（support vector machines，SVM）、隨機森林（random forest，RF）等5種模型（表2）用于我國馬鈴薯氣候適宜性的集成模擬預(yù)測。其中，最大熵Maxent模型是根據(jù)氣候相似原理，計算熵最大（即一定生態(tài)位約束條件下物種分布最理想狀態(tài)）時物種在研究區(qū)域可能分布的概率。增強回歸樹BRT模型是一種基于分類回歸的可自主學習的機器學習算法，對于自變量和因變量之間的非線性關(guān)系分析較好，具有穩(wěn)定性好、預(yù)測精度高等特點。多元自適應(yīng)回歸樣條MARS模型是一種能自適應(yīng)處理高維散亂數(shù)據(jù)的非線性回歸方法，可以用于同一參數(shù)的時間序列仿真模擬，同時對于分類處理也具有較高的精度。支持向量機SVM模型是在統(tǒng)計學基礎(chǔ)上發(fā)展的一種機器學習算法，在解決小樣本、非線性和多維模式具有較高的精度。隨機森林RF模型是基于決策樹的一種集成學習算法，決策樹是一種樹狀分類器，即通過在樹的每個節(jié)點選擇最優(yōu)的分裂特征進行分類，直到達到建樹的停止條件。此外，隨機森林是由數(shù)據(jù)驅(qū)動的一種非參數(shù)分類方法，只需通過對給定樣本的學習訓練分類規(guī)則，并不需要先驗知識。

圖2 物種分布模型SDMs中輸入環(huán)境因子之間的相關(guān)性圖

表2 本研究中所采用物種分布模型的特點

R語言“sdm包”是一個可擴展的框架，可以擬合基于個人和社區(qū)的各種SDM算法，同時支持明顯不同的建模方法[20]。本研究基于R語言V4.1.1調(diào)用“sdm包”，來對我國馬鈴薯種植的適宜性進行相關(guān)模擬。

基于6種氣候模式（BCC-CSM2-MR、CanESM5、CNRM-CM6-1、CNRM-ESM2-1、MIROC6、MIROC- ES2L）產(chǎn)生的6種環(huán)境因子（bio2、bio3、bio5、bio11、bio13、bio15）的未來氣候數(shù)據(jù)驅(qū)動訓練好的5種物種分布模型（Maxent、BRT、MARS、SVM、RF），集成模擬未來4個時期（2021—2040、2041—2060、2061—2080、2081—2100年）的4種氣候變化情景（ssp126、ssp245、ssp370、ssp585）下的中國區(qū)域各格點馬鈴薯潛在分布概率，并采用等權(quán)重法對分布概率進行處理并按照不適宜區(qū)、低適宜區(qū)、適宜區(qū)、高適宜區(qū)的劃分標準進行全國馬鈴薯種植適宜性的等級劃分。

2 結(jié)果

2.1 模型模擬結(jié)果與檢驗

基于馬鈴薯149個“存在”點、114個“不存在”點和6個環(huán)境因子，在當前氣候環(huán)境（1970—2000年）下，運用R語言“sdm包”分別調(diào)用最大熵Maxent、增強回歸樹BRT、多元自適應(yīng)回歸樣條MARS、支持向量機SVM、隨機森林RF等5種物種分布模型算法進行模型訓練，所得測試的AUC值分別為0.83、0.84、0.83、0.89、0.86。其次，以AUC為指標通過集合函數(shù)對這5個模型的模擬結(jié)果進行加權(quán)集成，模擬所得每個柵格點（5 km×5 km）馬鈴薯氣候適宜度的概率在0—1之間。根據(jù)政府間氣候變化專門委員會IPCC[22]的研究，可將作物氣候適宜性分為四類：≤0.05表示不適宜區(qū)，0.05＜≤0.33表示低適宜區(qū)，0.33＜≤0.66表示適宜區(qū)，0.66＜≤1表示高適宜區(qū)。最終預(yù)測得到我國馬鈴薯潛在適宜區(qū)分布（圖3）。

從圖3中可以看出全國范圍內(nèi)基本都可以種植馬鈴薯，不適宜種植區(qū)域僅占0.04%，主要包括廣東省南部與海南省北部。低適宜區(qū)、高適宜區(qū)以及適宜區(qū)的面積占比依次增加，分別為27.11%、30.64%和42.21%（圖3）。在全國范圍內(nèi)，整體上呈現(xiàn)從東北到西南馬鈴薯種植適宜度較高，從東南到西北馬鈴薯種植適宜度較低的空間格局。馬鈴薯種植氣候適宜度北方整體高于南方，東部整體高于西部。其中，高適宜區(qū)主要分布在農(nóng)牧交錯帶附近，以及新疆西部、長江中下游沿江地區(qū)等區(qū)域。此外，在模型每次運行時，計算各環(huán)境因子對集成模型模擬結(jié)果的相對貢獻值，以10次模擬結(jié)果的平均值作為6個環(huán)境因子對集成模型模擬氣候適宜性的影響程度。結(jié)果顯示，最濕月份的降水量、最暖月份的最高溫度、最冷季度的平均溫度、等溫性、平均日變化范圍和降水季節(jié)性的影響占比分別為54.7%、21.4%、18.1%、2.6%、1.9%和1.3%。

2.2 未來氣候條件下馬鈴薯適宜區(qū)時空分布特征

對比分析未來4個時期和4種溫室氣體排放情景下全國馬鈴薯不同等級適宜區(qū)的時空變化特征（圖4），結(jié)果表明，中國在2021—2100年間絕大多數(shù)土地都適宜種植馬鈴薯，適宜區(qū)和高適宜區(qū)面積之和超過50%，基本不存在不適宜區(qū)。從空間分布上來看，4種溫室氣體排放情景下的預(yù)測結(jié)果基本一致，不同等級適宜區(qū)的分布和面積變化都呈現(xiàn)適宜區(qū)、低適宜區(qū)變大而高適宜區(qū)變小的趨勢。具體來說，在低CO2排放情景下（ssp126、ssp245）適宜度等級發(fā)生較大變化的主要區(qū)域為陜西北部、山西北部以及內(nèi)蒙古中西部；在高CO2排放情景下（ssp370、ssp585）適宜度等級發(fā)生較大變化的區(qū)域除在低CO2排放情景下發(fā)生較大變化的區(qū)域以外，還包括東北、內(nèi)蒙古西部、西南大部分區(qū)域以及東南部分區(qū)域。

圖3 歷史時期（1970—2000）中國馬鈴薯種植的氣候適宜性分布

2.3 未來氣候變化下馬鈴薯適宜區(qū)面積變化特征

根據(jù)前文研究結(jié)果，對各等級馬鈴薯種植適宜區(qū)的面積進行統(tǒng)計分析（表3），結(jié)果表明，高適宜區(qū)面積變化與溫室氣體排放情景等級呈負相關(guān)關(guān)系，且高排放情景下面積減少趨勢更為明顯。低適宜區(qū)面積呈現(xiàn)增加趨勢，增加幅度與溫室氣體排放情景之間呈正相關(guān)關(guān)系。具體來說，在ssp126情景下，低適宜區(qū)面積平均每10年約增長2.4×104km2，適宜區(qū)面積平均每10年約增長4.1×104km2，高適宜區(qū)面積平均每10年約減少6.5×104km2；在ssp245情景下，低適宜區(qū)面積平均每10年增長8.1×104km2，適宜區(qū)面積平均每10年增長3.8×104km2，高適宜區(qū)面積平均每10年減少11.9×104km2；在ssp370情景下，低適宜區(qū)面積平均每10年增長13.1×104km2，適宜區(qū)面積平均每10年增長6.9×104km2，高適宜區(qū)面積平均每10年減少20×104km2；在ssp585情景下，低適宜區(qū)面積平均每10年增長20.8×104km2，適宜區(qū)面積平均每10年增長4.1×104km2，高適宜區(qū)面積平均每10年減少24.9×104km2。此外，各等級馬鈴薯種植適宜區(qū)在不同年份面積占比排序基本保持一致，即適宜區(qū)＞低適宜區(qū)＞高適宜區(qū)。

2.4 馬鈴薯高適宜區(qū)時空分布特征

比較分析2080—2100與基準1970—2000年間全國馬鈴薯種植高適宜區(qū)在不同溫室氣體排放情景下模擬結(jié)果的時空變化特征（圖5），結(jié)果表明，隨著溫室氣體排放等級的提高，中國馬鈴薯高適宜區(qū)將大幅減少。在低、中等溫室氣體排放情景下（ssp126、ssp245），馬鈴薯種植高適宜區(qū)的主要縮減區(qū)域?qū)兾鞅辈?、西南區(qū)域、東北南部以及長江中下游地區(qū)；在中高等溫室氣體排放情景下，縮減區(qū)域還將包括內(nèi)蒙古地區(qū)、黑龍江南部以及吉林東部。一直保持馬鈴薯種植高適宜性的區(qū)域主要包括新疆天山區(qū)域、甘肅東南部、內(nèi)蒙古西部以及黑龍江北部，此外，青海及甘肅西北部的馬鈴薯種植高適宜區(qū)有所增加。

表3 未來氣候變化不同排放情景下不同時期內(nèi)的全國馬鈴薯種植各等級適宜區(qū)面積統(tǒng)計

圖4 未來氣候變化條件下4個時間段（2021-2040、2041-2060、2061-2080、2081-2100）內(nèi)4種不同溫室氣體排放情景（ssp126、ssp245、ssp370、ssp585）下全國馬鈴薯潛在適宜區(qū)分布的時空變化特征

3 討論

3.1 影響馬鈴薯種植氣候適宜性的氣象因素

本研究選取篩選后的6個氣象因子（包括平均日變化范圍、等溫性、最暖月份的最高溫度、最冷季度的平均溫度、最濕月份的降水量和降水季節(jié)性）來評價我國馬鈴薯種植的氣候適宜性。這6個氣象因子中對馬鈴薯種植氣候適宜性影響較大的是最濕月份的降水量、最暖月份的最高溫度，以及最冷季度的平均溫度，這3個因子對馬鈴薯種植氣候適宜度的影響分別占到54.7%、21.4%和18.1%。在本研究中，最濕月份的降水量是評估馬鈴薯適宜度的重要指標。馬鈴薯通常被認為是干旱敏感作物[23]，在塊莖形成階段對水分脅迫更為敏感[24]，而塊莖膨大期受到干旱脅迫會導(dǎo)致塊莖停止生長，即使生長后期再提供大量灌水或降雨也無法恢復(fù)[25]。由于地下水資源匱乏，中國馬鈴薯主要種植區(qū)域一般采用無灌溉雨養(yǎng)種植[26]，主要依靠降雨供馬鈴薯生長所需水分，生長季降水量不足會嚴重影響馬鈴薯的生長[27]。Tang等[28]研究表明馬鈴薯產(chǎn)量的變化與生長季有效降水量的變化，以及與塊莖期降水量與潛在蒸散量之比的變化之間顯著相關(guān)；孫俊等[29]的研究也表明了馬鈴薯產(chǎn)量隨著生長季總降水量的增加而增加。

圖中綠色為未來時期（2081—2100）馬鈴薯高適宜區(qū)，紅色為未來時期相較于歷史時期（1970—2000）高適宜區(qū)減少區(qū)域

最暖月份的最高溫度和最冷季度的平均溫度也是評價馬鈴薯氣候適宜性不可缺少的氣象因素。高溫會對馬鈴薯生長產(chǎn)生不利的影響，在塊莖形成及塊莖膨大期高溫會降低同化物的轉(zhuǎn)運速率和光合作用的能力，不利于馬鈴薯塊莖形成和淀粉積累[30]，同時高溫也會導(dǎo)致馬鈴薯可溶性蛋白和可溶性糖含量升高，降低馬鈴薯品質(zhì)[31]。最冷季度的平均氣溫越高表明無霜期越長，馬鈴薯生長期越長，造成的暖冬將會降低土壤的霜凍深度，提早解凍有助于提高土壤溫度[32]，會對馬鈴薯生長產(chǎn)生積極影響。馬鈴薯抵抗低溫能力較差，當最冷季度的平均氣溫較低，氣溫下降到-1 ℃—-2 ℃時，地上部莖葉將受凍害，-4 ℃時植株死亡，塊莖亦受凍害。馬鈴薯植株遭受低溫凍害時會表現(xiàn)出莖干癱軟倒伏，葉片呈墨綠色水漬狀，葉片喪失光合能力而停止生長，繼而嚴重影響馬鈴薯產(chǎn)量[33]。

3.2 未來氣候變化背景下馬鈴薯種植氣候適宜區(qū)的分布特征

馬鈴薯對氣候因素的變化較為敏感，未來氣候變化會對中國馬鈴薯種植的氣候適宜區(qū)產(chǎn)生較大影響。本研究假定在未來氣候變化背景下，各地農(nóng)戶的種植習慣不會發(fā)生根本性的變化。因此，假定歷史上長時間沒有種植馬鈴薯的區(qū)域，未來也不會突變成為馬鈴薯的種植區(qū)，也不是馬鈴薯種植區(qū)劃調(diào)整的重點區(qū)域。在此假設(shè)基礎(chǔ)上，本研究首先對歷史上中國馬鈴薯種植的氣候適宜性進行模擬，結(jié)果表明馬鈴薯高適宜區(qū)主要分布在東北至西南，在新疆西部、長江中下游、東南等地區(qū)零星分布（圖3）。本研究主要針對氣候變化對馬鈴薯分布的影響，因此并不考慮非氣候因素對馬鈴薯分布的影響。在未來4種不同溫室氣體排放情景下，整體上我國馬鈴薯高適宜區(qū)面積均在減少，這主要是由于長江中下游、中北部以及貴州等區(qū)域的馬鈴薯種植氣候適宜度將下降（圖4）。在全球變暖的背景下，這些區(qū)域夏季易產(chǎn)生高溫脅迫，高溫與水分脅迫影響馬鈴薯正常生長發(fā)育[34]，造成馬鈴薯減產(chǎn)。然而由于該區(qū)域商品薯的需求量增大，為合理利用土地資源以及獲取更高的經(jīng)濟效益，利用該區(qū)域冬閑田種植馬鈴薯以實現(xiàn)自給自足，因而該區(qū)域應(yīng)以改良品種，提高品質(zhì)為主要目標[35]。我國中北部地區(qū)整體上仍然存在水分虧缺的問題，降水量不能很好地滿足馬鈴薯生長的需求且主要水資源用于灌溉冬小麥等作物[36]，因此該區(qū)域需要根據(jù)馬鈴薯塊莖形成期對水分脅迫敏感的特點[25]，適當調(diào)整馬鈴薯播期和灌溉制度。

總體來看，不論何種排放情景下，東北、西北、西南地區(qū)都是馬鈴薯的主要氣候高適宜區(qū)。東北地區(qū)晝夜溫差大，氣候涼爽，是馬鈴薯種植較為理想的條件。然而大多數(shù)區(qū)域（如三江平原、牡丹江平原等）主要種植小麥、玉米、水稻、大豆等其他重要糧食作物、油料作物，因而可適當擴大馬鈴薯種植面積。西北地區(qū)是馬鈴薯主產(chǎn)區(qū)，與傳統(tǒng)的三大糧食作物相比，馬鈴薯能更好地在雨養(yǎng)條件下生長[37]。因而西北地區(qū)應(yīng)作為未來馬鈴薯食用薯的潛在擴增區(qū)域，一方面增加甘肅、青海，特別是新疆地區(qū)馬鈴薯的種植面積，另一方面需改良馬鈴薯品種，以獲得單位面積馬鈴薯的產(chǎn)量。西南地區(qū)丘陵山地、平地壩等區(qū)域錯綜復(fù)雜，限制了多種主糧作物的生長，考慮到馬鈴薯自身的栽培特點，可以在該區(qū)域推廣馬鈴薯種植。

3.3 物種分布模型的限制和不確定性

物種分布模型（SDMs）將物種的“存在”和“不存在”位置與環(huán)境因子相關(guān)聯(lián)，估計給定物種對于環(huán)境的生態(tài)位包絡(luò)范圍，也即物種存在的適宜范圍[38]，進而評估物種在研究區(qū)域整體的發(fā)展情況。許多研究證明，物種分布模型可以有效模擬和預(yù)測我國物種的適宜性[39-43]。本研究通過集成模型模擬和預(yù)測了全國馬鈴薯歷史和未來時期的適宜區(qū)分布，但是仍然存在以下問題。首先，受數(shù)據(jù)源的限制，在收集資料中容易造成抽樣偏差[44]，本研究選取的物種“存在”數(shù)據(jù)較少，訓練樣本均衡程度高，可能給模擬結(jié)果引入了一些誤差和不確定性。此外，由于部分地區(qū)優(yōu)質(zhì)農(nóng)田（如華北平原、長江中下游平原等）優(yōu)先考慮了其他糧食作物和油料作物，馬鈴薯種植較少。因此，盡管本研究考慮了集群效應(yīng)等的影響，模型對于這些區(qū)域的模擬結(jié)果依舊存在一定的偏差。其次，影響物種適宜性的因素有很多，選取的環(huán)境因子難以涉及所有的影響因素。以馬鈴薯為例，包括氣候、土壤、經(jīng)濟條件、人為因素、地形地貌、品種等[44-46]。本研究僅考慮了氣象因素對馬鈴薯種植氣候適宜性的影響，得到了全國馬鈴薯氣候適宜區(qū)分布，但是未考慮其他因素對結(jié)果的影響，這也是后續(xù)研究中要繼續(xù)進一步加強的。最后，SDM模型本身的不可解釋性增加了具體分析環(huán)境因子對物種適宜性影響的難度，同時也增加了模擬結(jié)果的不確定性[47-48]。盡管存在以上不足，本研究訓練所得集成模型依舊具有較高的精準度，繪制的歷史時期馬鈴薯適宜區(qū)和實際馬鈴薯種植區(qū)域也較為吻合。本研究所預(yù)測的未來時期馬鈴薯氣候適宜區(qū)時空分布特征對于我國馬鈴薯空間結(jié)構(gòu)布局和種植調(diào)整具有一定的指導(dǎo)價值。

4 結(jié)論

本研究利用6種不同全球氣候模式（GCMs）所得的未來氣候數(shù)據(jù)驅(qū)動5種不同的物種分布模型（SDMs），集成模擬預(yù)測了歷史和未來氣候變化不同溫室氣體排放情景下我國馬鈴薯種植氣候適宜區(qū)的時空分布。隨著未來氣候變化的加劇，中國馬鈴薯種植適宜區(qū)的時空分布格局將會發(fā)生較大變化，高適宜區(qū)面積在未來不同時段內(nèi)不同溫室氣體排放情景下均呈現(xiàn)減小趨勢。具體來說，東北地區(qū)作為我國馬鈴薯種薯和菜薯的主要種植區(qū)域，高適宜區(qū)面積基本保持不變；以陜西北部、甘肅東部為主的中北部區(qū)域的高適宜區(qū)面積減少較多，而該區(qū)域作為我國菜薯產(chǎn)區(qū)，需要增強應(yīng)對氣候變化的措施以保障該區(qū)域馬鈴薯產(chǎn)量；西北地區(qū)馬鈴薯高適宜區(qū)主要都依托于高山、河流區(qū)域，整體上高適宜區(qū)面積基本保持不變；西南地區(qū)高適宜區(qū)時空變化整體較小；東南地區(qū)由于全球氣候變暖，導(dǎo)致溫度對馬鈴薯生長的影響超過降水的影響，導(dǎo)致該區(qū)域高適宜區(qū)面積減小較多。

[1] Zhao J F, Zhang Y H, Qian Y L, Pan Z H, Zhu Y J, Zhang Y, Guo J P, Xu L L. Coincidence of variation in potato yield and climate in northern China. Science of the Total Environment, 2016, 573: 965-973.

[2] Molua E L. The economic impact of climate change on agriculture in Cameroon. IOP Conference Series: Earth and Environmental Science, 2007(4364): 1-31.

[3] Wei T Y, Cherry T L, Glomr?d S, Zhang T Y. Climate change impacts on crop yield: Evidence from China. Science of the Total Environment, 2014, 499: 133-140.

[4] Haverkort A J, Franke A C, Engelbrecht F A, Steyn J M. Climate change and potato production in contrasting South African agro-ecosystems 1. Effects on land and water use efficiencies. Potato Research, 2013, 56(1): 31-50.

[5] Hirzel A H, Le LAY G. Habitat suitability modelling and niche theory. Journal of applied ecology, 2008, 45(5): 1372-1381.

[6] 李國慶, 劉長成, 劉玉國, 楊軍, 張新時, 郭柯. 物種分布模型理論研究進展. 生態(tài)學報, 2013, 33(16): 4827-4835.

Li G Q, Liu C C, Liu Y G, Yang J, Zhang X S, Guo K. Advances in theoretical issues of species distribution models. Acta Ecologica Sinica, 2013, 33(16): 4827-4835. (in Chinese)

[7] Wang C, Shi X Y, Liu J G, Zhao J C, Bo X Z, Chen F, Chu Q Q. Interdecadal variation of potato climate suitability in China. Agriculture, Ecosystems & Environment, 2021, 310: 107293.

[8] 朱婭秋, 何英彬, 焦偉華, 徐飛, 李闖, 孫靜, 羅善軍, 段丁丁, 張遠濤, 于金寬, 徐瑞陽, 趙暢. 基于GIS的吉林省馬鈴薯種植氣候適宜性精細化區(qū)劃. 中國農(nóng)業(yè)資源與區(qū)劃, 2021, 42(7): 128-136.

Zhu Y Q, He Y B, Jiao W H, Xu F, Li C, Sun J, Luo S J, Duan D D, Zhang Y T, Yu J K, Xu R Y, Zhao C. Regionalization of the climate suitability on potato cultivation in Jilin province based on GIS. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42(7): 128-136. (in Chinese)

[9] 馬力文, 劉靜, 馬金富, 張學藝. 海原縣馬鈴薯氣候適宜性精細化區(qū)劃. 中國馬鈴薯, 2017, 31(4): 210-215.

Ma L W, Liu J, Ma J F, Zhang X Y. A meticulous climatic division suitable for potato planting in Haiyuan County. Chinese Potato Journal, 2017, 31(4): 210-215. (in Chinese)

[10] 滕宗璠, 張暢, 王永智. 我國馬鈴薯適宜種植地區(qū)的分析. 中國農(nóng)業(yè)科學, 1989, 22(2): 35-44.

Teng Z F, Zhang C, Wang Y Z. Study on China’s potato-cultivation divisions. Scientia Agricultura Sinica,1989, 22(2): 35-44. (in Chinese)

[11] Barbet-MASSIN M, Jiguet F, Albert C H, Thuiller W. Selecting pseudo-absences for species distribution models: how, where and how many? Methods in ecology and evolution, 2012, 3(2): 327-338.

[12] 周天軍, 陳梓明, 鄒立維, 陳曉龍, 俞永強, 王斌, 包慶, 鮑穎, 曹劍, 何編, 胡帥, 李立娟, 李建, 林巖鑾, 馬利斌, 喬方利, 容新堯, 宋振亞, 唐彥麗, 吳波, 吳統(tǒng)文, 辛曉歌, 張賀, 張明華. 中國地球氣候系統(tǒng)模式的發(fā)展及其模擬和預(yù)估. 氣象學報, 2020, 78(3): 332-350.

Zhou T J, Chen Z M, Zou L W, Chen X L, Yu Y Q, Wang B, Bao Q, Bao Y, Cao J , HE B, HU S, LI L J, LI J, LIN Y L, MA L B, QIAO F L, RONG X Y, SONG Z Y, TANG Y L, WU B, WU T W, XIN X G, ZHANG H, ZHANG M H. Development of climate and earth system models in China: past achievements and new CMIP6 results. Acta Meteorologica Sinica, 2020, 78(3): 332-350. (in Chinese)

[13] Kang H W, An K H, Park C K, Solis A L S, Stitthichivapak K. Multimodel output statistical downscaling prediction of precipitation in the Philippines and Thailand. Geophysical Research Letters, 2007, 34: L15710.

[14] Ma J, Chen H, Gao X, Xiao J H, Wang H B. African swine fever emerging in China: Distribution characteristics and high-risk areas. Preventive veterinary medicine, 2020, 175: 104861.

[15] Phillips S J, Anderson R P, Schapire R E. Maximum entropy modeling of species geographic distributions. Ecological modelling, 2006, 190(3/4): 231-259.

[16] Friedman J H. Greedy function approximation: a gradient boosting machine. The Annals of statistics, 2001, 29(5): 1189-1232.

[17] Friedman J H. Multivariate adaptive regression splines. The annals of statistics, 1991, 19(1): 1-67.

[18] Vapnik V N. An overview of statistical learning theory. IEEE transactions on neural networks, 1999, 10(5): 988-999.

[19] Breiman L. Random forests. Machine learning, 2001, 45(1): 5-32.

[20] Naimi B, Araújo M B. Sdm: a reproducible and extensible R platform for species distribution modelling. Ecography, 2016, 39(4): 368-375.

[21] 邱浩杰, 孫杰杰, 徐達, 焦?jié)崫? 薛敏, 袁位高, 沈愛華, 江波, 李勝. 末次盛冰期以來紅豆樹在不同氣候變化情景下的分布動態(tài). 生態(tài)學報, 2020, 40(9): 3016-3026.

Qiu H J, Sun J J, Xu D, Jiao J J, Xue M, Yuan W G, Shen A H, Jiang B, Li S. The distribution dynamics ofunder different climate change scenarios since the last glacial maximum. Acta Ecologica Sinica, 2020, 40(9): 3016-3026. (in Chinese)

[22] GRAY V. Climate change 2007: the physical science basis: summary for policymakers. Energy & Environment, 2007, 18(3/4): 433-440.

[23] Opena G B, Porter G A. Soil management and supplemental irrigation effects on potato: II. Root growth. Agronomy Journal, 1999, 91(3): 426-431.

[24] 任穩(wěn)江, 任亮, 劉生學. 黃土高原旱地馬鈴薯田土壤水分動態(tài)變化及供需研究. 中國馬鈴薯,2015,29(6):355-361.

Ren W J, Ren L, Liu S X. Moisture dynamics and’Supply and demand’on potato fields in arid areas of southern loess plateau. Chinese Potato Journal, 2015, 29(6): 355-361. (in Chinese)

[25] Qin S H, Li L L, Wang D, Zhang J L, Pu Y L. Effects of limited supplemental irrigation with catchment rainfall on rain-fed potato in semi-arid areas on the Western Loess Plateau, China. American journal of potato research, 2013, 90(1): 33-42.

[26] Wang C, Zang H D, Liu J G, Shi X Y, Li S, Chen F, Chu Q Q. Optimum nitrogen rate to maintain sustainable potato production and improve nitrogen use efficiency at a regional scale in China. A meta-analysis. Agronomy for Sustainable Development, 2020, 40(5): 1-14.

[27] Yang Y M, Yang Y H, Moiwo J P, Hu Y K. Estimation of irrigation requirement for sustainable water resources reallocation in North China. Agricultural water management, 2010, 97(11): 1711-1721.

[28] Tang J Z, Wang J, Wang E L, Yu Q, Yin H, He D, Pan X B. Identifying key meteorological factors to yield variation of potato and the optimal planting date in the agro-pastoral ecotone in North China. Agricultural and Forest Meteorology, 2018, 256/257: 283-291.

[29] 孫俊, 李劍萍, 吳志歧, 楊美蘭, 羅京云, 魏廣渙. 氣候條件對馬鈴薯產(chǎn)量的影響及產(chǎn)量預(yù)報模型研究. 安徽農(nóng)業(yè)科學, 2010, 38(23): 12400-12402.

Sun J, Li J P, Wu Z Q, Yang M L, Luo J Y, Wei G H. Influence of climate conditions on potato yield and study on the forecasting model of potato yield. Journal of Anhui Agricultural Sciences, 2010, 38(23): 12400-12402. (in Chinese)

[30] Raymundo R, Asseng S, Prassad R, Kleinwechter U, Concha J, Condori B, Bowen W, Wolf J, Olesen J E, Dong Q X, ZOTARELLI L, GASTELO M, ALVA A, TRAVASSO M, QUIROZ R, ARORA V, GRAHAM W, PORTER C. Performance of the SUBSTOR-potato model across contrasting growing conditions. Field Crops Research, 2017, 202: 57-76.

[31] 黃家偉, 吳登峰, 張招娟. 高溫對不同耐熱性馬鈴薯生長特性的影響. 亞熱帶農(nóng)業(yè)研究, 2022, 18(2): 79-84.

Huang J W, Wu D F, Zhang Z J. Effect of high temperature on growth characteristics of potato with contrasting heat tolerances. Subtropical Agriculture Research, 2022, 18(2): 79-84. (in Chinese)

[32] Iwata Y, Hayashi M, Hirota T. Comparison of snowmelt infiltration under different soil‐freezing conditions influenced by snow cover. Vadose Zone Journal, 2008, 7(1): 79-86.

[33] 李飛, 金黎平. 馬鈴薯霜凍害及防御措施. 貴州農(nóng)業(yè)科學, 2007, 35(3): 121, 127.

Li F, Jin L P. Frost injury of potato and its controlling measures. Guizhou Agricultural Sciences, 2007, 35(3): 121, 127. (in Chinese)

[34] Handayani T, Watanabe K. The combination of drought and heat stress has a greater effect on potato plants than single stresses. Plant Soil and Environment, 2020, 66(4): 175-182.

[35] Zhou Z J, Andersen M N, Plauborg F. Radiation interception and radiation use efficiency of potato affected by different N fertigation and irrigation regimes. European Journal of Agronomy, 2016, 81: 129-137.

[36] Li Q Q, Dong B D, Qiao Y Z, Liu M Y, Zhang J W. Root growth, available soil water, and water-use efficiency of winter wheat under different irrigation regimes applied at different growth stages in North China. Agricultural Water Management, 2010, 97(10): 1676-1682.

[37] WANG C L, SHEN S H, ZHANG S Y, Li Q Z, YAO Y B. Adaptation of potato production to climate change by optimizing sowing date in the Loess Plateau of central Gansu, China. Journal of Integrative Agriculture, 2015, 14(2): 398-409.

[38] Guisan A, Zimmermann N E. Predictive habitat distribution models in ecology. Ecological modelling, 2000, 135(2/3): 147-186.

[39] 杜倩, 魏晨輝, 梁陳濤, 于景華, 王慧梅, 王文杰. 中國東北地區(qū)12個建群樹種對氣候變化響應(yīng)的MaxEnt模型分析. 生態(tài)學報, 2022, 42(23): 9712-9725.

Du Q, Wei C H, Liang C T, Yu J H, Wang H M, Wang W J. Future climatic adaption of 12 dominant tree species in Northeast China under 3 climatic scenarios by using MaxEnt modeling. Acta Ecologica Sinica, 2022, 42(23): 9712-9725. (in Chinese)

[40] 張欣雨, 朱澤群, 袁雅欣, 姬文翔, 宋岑雨, 陸洪偉, 趙茜蕾, 卞慶瑤, 孫子墨, 宜樹華, 孫義. 基于組合物種分布模型的黃河源區(qū)鵝絨委陵菜適宜生境及其對氣候變化的響應(yīng). 草業(yè)科學, 2022, 39(2): 254-267.

Zhang X Y, Zhu Z Q, Yuan Y X, Ji W X, Song C Y, Lu H W, Zhao X L, Bian Q Y, Sun Z M, Yi S H, Sun Y. Assessment of suitable ofhabitat and its response to climate change in the source region of the Yellow River based on ensemble species distribution modeling. Pratacultural Science, 2022, 39(2): 254-267. (in Chinese)

[41] 張愛平, 王毅, 熊勤犁, 伍小剛, 孫曉銘, 黃艷蒙, 張林, 潘開文. 末次間冰期以來3種云杉屬植物的歷史分布變遷及避難所. 應(yīng)用生態(tài)學報, 2018, 29(7): 2411-2421.

Zhang A P, Wang Y, Xiong Q L, Wu X G, Sun X M, Huang Y M, Zhang L, Pan K W.distribution changes and refugia of three spruce taxa since the last interglacial. Chinese Journal of Applied Ecology, 2018, 29(7): 2411-2421. (in Chinese)

[42] 沈濤, 張霽, 申仕康, 趙艷麗, 王元忠. 西南地區(qū)紅花龍膽分布格局模擬與氣候變化影響評價. 應(yīng)用生態(tài)學報, 2017, 28(8): 2499-2508.

Shen T, Zhang J, Shen S K, Zhao Y L, Wang Y Z.distribution simulation ofin Southwest China and assessment of climate change impact. Chinese Journal of Applied Ecology, 2017, 28(8): 2499-2508. (in Chinese)

[43] Kramer-Schadt S, Niedballa j, Pilgrim J D, Schr?der B, Lindenborn J, Reinfelder V, Stillfried m, Heckmann I, Scharf A K, Augeri D M, CHEYNE S M, HEARN A J, ROSS J, MACDONALD D W, MATHAI J, EATON J, MARSHALL A J, SEMIADI G, RUSTAM R, BERNARD H, ALFRED R, SAMEJIMA H, DUCKWORTH J W, BREITENMOSER- WUERSTEN C, BELANT J L, HOFER H, WILTING A. The importance of correcting for sampling bias in MaxEnt species distribution models. Diversity and distributions, 2013, 19(11): 1366-1379.

[44] Yang L T, Zhao J F, Jiang X P, Wang S, Li L H, Xie H F. Effects of climate change on the climatic production potential of potatoes in Inner Mongolia, China. Sustainability, 2022, 14(13): 7836.

[45] K?hl K I, Mulugeta ANELEY G, Haas M, Peters R. Confounding factors in container-based drought tolerance assessments in. Agronomy, 2021, 11(5): 865.

[46] Gervais T, Creelman A, Li X Q, Bizimungu B, De Koeyer D, Dahal K. Potato response to drought stress: Physiological and growth basis. Frontiers in Plant Science, 2021, 12: 698060.

[47] McHenry J, Welch H, Lester S E, Saba V. Projecting marine species range shifts from only temperature can mask climate vulnerability. Global Change Biology, 2019, 25(12): 4208-4221.

[48] Jones M C, Cheung W W L. Multi-model ensemble projections of climate change effects on global marine biodiversity. ICES Journal of Marine Science, 2015, 72(3): 741-752.

Influence of Future Climate Change on the Climate Suitability of Potato Cultivation in China

ZHANG ZhiLiang1,2,3, HE ZhiHao1,2, RU xiaoYa1,2, JIANG TengCong1,2, HE YingBin3, FENG Hao2,4, YU Qiang4,5, HE JianQiang

1Northwest A&F University/Key Laboratory of Agricultural Soil and Water Engineering in Arid and Semiarid Areas, Ministry of Education, Yangling 712100, Shaanxi;2Institute of Water-saving Agriculture in Arid Areas of China, Northwest A&F University, Yangling 712100, Shaanxi;3Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, Beijing 100081;4Institute of Soil and Water Conservation, Chinese Academy of Sciences and Ministry of Water Resource/State Key Laboratory of Soil Erosion and Dryland Farming on the Loess Plateau, Yangling 712100, Shaanxi;5Key Laboratory of Eco-Environment and Meteorology, Qinling Mountains and Loess Plateau, Shaanxi Meteorological Bureau, Xi’an 710016

【Objective】As the fourth staple food crop in China, potato suitability evaluation is of great significance to ensure national food security. Based on climate data, this study constructed an integrated species distribution model to predict the climate suitable area of potato in China in the future, and provided an important scientific reference for optimizing potato planting in China.【Method】In this study, the future climate data derived from six different global climate models (GCMs) were used to drive an ensemble of five different species distribution models (SDMs) to simulate the temporal and spatial distribution characteristics of climate suitable areas of potato cultivation in China in the historical (1970-2000) and four future (2021-2040, 2041-2060, 2061-2080, and 2081-2100) periods under four greenhouse gas emission scenarios (ssp126, ssp245, ssp370, and ssp585). 【Result】 (1) The precipitation in the wettest month, the highest temperature in the warmest month, and the average temperature in the coldest quarter were the main meteorological factors that affected the climate suitability of potato in China, with their contribution rates of 54.7%, 21.4% and 18.1%, respectively. (2) In four scenarios of greenhouse gas emission, the prediction results of various suitable areas were basically the same, showing the similar trends that the areas of suitable and low suitable would become larger, while the area of high suitable would become smaller. Only in Hainan, Tibet, Xinjiang and some other regions, the climate was not suitable for potato planting. The suitable potato planting areas (including both suitable and high suitable) exceed 50% in all cases. (3) In the future, the low suitable and suitable areas for potato planting will increase greatly, while the high suitable areas will decrease. The order of areas of different suitable grades would remain: suitable areas＞low suitable areas＞high suitable areas. (4) With the increase of greenhouse gas emission level, the high suitable area in China would be greatly reduced. For spatial distribution, the high suitable areas were mainly in Northeast China, Gansu, western Xinjiang, and some parts of southwest China. From the perspective of time, the future climate change would greatly affect the northwest of Shaanxi, the middle and lower reaches of the Yangtze River, the central and western Inner Mongolia and other regions. The climate suitability of potato planting would obviously decrease. 【Conclusion】In this study, the integrated species distribution models were constructed to predict the temporal and spatial distribution characteristics of potato climate suitable areas in the future. Northeast, Gansu, Southwest and other regions of China could be the main potato planting areas, while Xinjiang and other regions could be the main development areas. The rest regions should be given priority to the development of other staple crops and cash crops according to local conditions.

potato; climate change; global climate model; species distribution model; climate suitability

10.3864/j.issn.0578-1752.2023.18.004

2022-08-31；

2022-12-05

國家自然科學基金項目（52079115）、陜西省重點研發(fā)計劃重點產(chǎn)業(yè)創(chuàng)新鏈（群）-農(nóng)業(yè)領(lǐng)域項目（2019ZDLNY07-03）、西北農(nóng)林科技大學人才專項資金（千人計劃項目）、高等學校學科創(chuàng)新引智計劃（111計劃）（B12007）、中國農(nóng)業(yè)科學院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所創(chuàng)新工程（2021-2015）

張志良，E-mail：zhiliang_zhang@nwafu.edu.cn。通信作者何建強，E-mail：jianqiang_he@nwafu.edu.cn

（責任編輯 楊鑫浩，李莉）