全 文 ：作物学报 ACTA AGRONOMICA SINICA 2012, 38(12): 2246−2257 http://www.chinacrops.org/zwxb/
ISSN 0496-3490; CODEN TSHPA9 E-mail: xbzw@chinajournal.net.cn

本研究由福建省科技计划重点项目(2010R0028), 福建省教育厅自然科学基金项目(JA10112)和国家自然科学青年基金项目(40901238)
资助。
* 通讯作者(Corresponding authors): 金之庆 E-mail: zhiqingjin@163.com; 林文雄, E-mail: wenxiong181@163.com
第一作者联系方式: E-mail: fjaujm@163.com Tel: 13107600517
Received(收稿日期): 2012-08-14; Accepted(接受日期): 2012-10-15; Published online(网络出版日期): 2012-10-26.
URL: http://www.cnki.net/kcms/detail/11.1809.S.20121026.1401.001.html
DOI: 10.3724/SP.J.1006.2012.02246
福建省基于自适应调整的水稻生产对未来气候变化的响应
江 敏1 金之庆2,* 石春林 2 林文雄1,*
1
福建农林大学作物学院, 福建福州 350002; 2 江苏省农业科学院农业经济与信息研究所, 江苏南京 210014
摘 要: 将福建省划分为 3个稻区, 共选取 17个样点和 9个代表性品种开展气候变化影响评价研究。首先, 根据 IPCC
排放情景特别报告(SRES)中的 A2、B2、A1B 三种方案和区域气候模式(PRECIS), 生成了研究区域两个时段(1961—
1990年, 2021—2050年)的气候变化情景; 然后, 采用经验证的 CERES-Rice模型, 模拟分析了福建省各稻区在未来不
同气候变化情景下可能的稻作制度、品种搭配及水稻播期, 并认为这是水稻生产自适应调整后的结果; 接着, 以调整
后的稻作制度、品种搭配及水稻播期作为 CERES-Rice模型新的输入, 在 3种气候变化情景下再次进行模拟试验, 最
后得出未来经过自适应调整后的水稻产量、稳产性以及全省水稻总产的变化。结果表明: 在 A2、B2、A1B三种气候
变化情景下, 闽东南双季稻区的早稻模拟产量经自适应调整后, 较之不考虑这种调整依次提高了 15.9%、18.0%和
19.2%, 后季稻依次提高了 9.2%、7.4%和 7.4%; 闽西北双季稻区的早稻模拟产量依次提高了 21.2%、20.5%和 18.9%, 后
季稻依次提高了 14.7%、14.8%和 7.2%。考虑自适应调整后, 闽西北山地单季稻区的水稻模拟产量在 A2、B2、A1B情景
下, 较之不考虑这种调整依次增产 4.9%、5.0%和 2.9%, 其中长汀在 A2与 B2情景下可改种双季稻。在综合考虑水稻生产
自适应调整后, 福建省水稻模拟总产表现为增产, 在 A2、B2与 A1B情景下较之当前依次增加 5.9%、5.2%和 5.1%。因此,
在气候变化影响评价研究中, 将水稻生产的自适应能力考虑在内, 不仅科学合理, 而且可以得到较为乐观的结论。
关键词: 气候变化; IPCC排放情景; 区域气候模式; 福建省; 水稻生产; 自适应
Response of Rice Production Based on Self-Adaption to Climate Change in Fu-
jian Province
JIANG Min1, JIN Zhi-Qing2,*, SHI Chun-Lin2, and LIN Wen-Xiong1,*
1 College of Crop Sciences, Fujian Agriculture and Forestry University, Fuzhou 350002, China; 2 Institute of Agricultural Economy and Information,
Jiangsu Academy of Agricultural Sciences, Nanjing 210014, China
Abstract: The goal of this study is to take the self-adaption of rice production in future into consideration in the climate change
impact studies, to enhance its rationality. The first step we did was to classify Fujian Province into three rice regions according to
the topographic features and rice-based cropping systems. Altogether 17 sites and 9 representative rice varieties with different
maturity types were selected to conduct the simulation experiments. The second step, to generate climate change scenarios in two
periods (1961–1990 and 2021–2050), based on three emission schemes (A2, B2, and A1B) in IPCC Special Report (SRES), com-
bined with the Regional Climate Model of PRECIS. The third step to run CERES-Rice model under the three climate change sce-
narios to simulate the influence of future climate change on rice production in Fujian Province, without considering the
self-adaption of rice production. The direct effects of CO2 enrichment on photosynthesis and transpirations were also included.
The forth step, to assess the possible change in rice-based cropping system, varietal type as well as sowing date in future in the
studied area, based on the simulated results and some climatic indices, and these changes could be regarded as the results of
self-adaption adjustment in future. The fifth step, to run CERES-Rice model again under the three climate change scenarios using
the possible cropping systems, varietal types and sowing dates after self-adaption adjustment. Finally, to assess change in rice
yield, yield stability in different rice regions and the overall output of rice in the province in future with considering the
self-adaption adjustment. The results indicated that the simulated yields of early rice in the Double Rice Region in southeastern
Fujian under A2, B2, and A1B scenarios increase by 15.9%, 18.0%, and 19.2% and that of late rice increase respectively by 9.2%,
第 12期 江 敏等: 福建省基于自适应调整的水稻生产对未来气候变化的响应 2247


7.4%, and 7.4% when the self-adaption adjustment was considered, compared without consideration. In the Double Rice Region
in Northwestern Fujian, the simulated yields of early rice increase by 21.2%, 20.5%, 18.9% and that of late rice increase respec-
tively by 14.7%, 14.8%, and 7.2% under the three climate change scenarios when the self-adaption was considered, compared
with without consideration. Similar results could be obtained in the Single Rice Region in the mountain areas of Northwestern
Fujian. The simulated yields of single rice increase respectively by 4.9%, 5.0%, and 2.9% under the three scenarios, comparing
the two cases with and without consideration of self-adaption. In this rice region, double rice might be grown in future in the site
of Changting under the A1 and B2 scenarios. When the self-adaption adjustment was considered, the overall output of rice crop in
Fujian Province under the three climate change scenarios would increase by 5.9%, 5.2%, and 5.1%, respectively. It is concluded
that more optimistic results could be obtained when self-adaption ability of food production was taken into consideration.
Keywords: Climate change; IPCC Emission Scenarios; Regional climate model; Fujian Province; Rice production; Self-adaption
20世纪 80年代以来, 国外学者围绕全球气候变
化对世界粮食生产的影响开展了大量研究[1-3]。我国
开展这项研究则始于 20世纪 90年代初[4-7]。早期研
究多采用历史气象资料并假定未来气温有某个升幅,
藉以分析气候变暖对粮食生产的可能影响[8-9]。近 20
年来, 研究深度和广度都有了新的进展, 研究内容或
方法包括但不限于气候变化情景的不确定性分析[10],
气候模式的区域应用[11], 不同空间尺度对模拟结果
的影响 [12], 气候变率变化对模拟结果的影响 [13-14],
区域应用中气候模式的降尺度[15]和作物模型参数的
升尺度 [16], 气候变化对作物生产力的影响评价
等[17-18]。最近, 还有学者将未来社会经济发展情景
与区域气候模式、水资源模型与作物生长模型嵌套,
用以分析评价未来不同气候变化情景下中国粮食生
产的响应[19-20]。
上述研究均假定在未来气候变化影响粮食生产
的进程中, 所有的粮食生产方式与管理措施均维持
在当前水平。对水稻作物来说, 即假定未来的稻作
制度、品种类型、播种日期等均不发生变化。这样
做的目的是便于将未来情景下的模拟产量与当前产
量的模拟值进行比较, 可以较直观地分析气候变化
可能带来的影响。但这种处理方式未免将复杂的问
题过于简单化了 , 所得出的各种结论难免有些“悲
观”。可以肯定地说, 今后随着气候变化和科技水平
的不断进步, 农民肯定会采用有别于现在的生产方
式和管理措施进行粮食生产。例如, 使用生育较长
的耐高温品种以适应炎热的气候, 提高复种指数以
充分利用热量资源, 调整播种日期以避开高温、台
风等自然灾害。采用更先进的栽培技术以保证获得
较高的产量。这实质上就是农业生产的一种自适应
(self-adaption)过程, 即通过调整生产方式或管理措
施以适应新的环境变化。因此, 在气候变化影响评
价研究中, 有必要将上述粮食生产的自适应能力考
虑在内, 即对未来各地可能的种植制度、品种类型
和栽培技术等做出相应调整, 这样可提高评价方法
的科学性与合理性。
本研究采用 IPCC(政府间气候变化委员会)排放
情景特别报告(SRES)中的 A2、B2及 A1B方案和英
国Hadley气候预测与研究中心研制的区域气候模式
(PRECIS)[21], 生成了未来不同时期的气候变化情景,
再选用美国 CERES-Rice 模型[22], 分别模拟分析了
福建省各稻区在未来 3 种情景下未考虑自适应的水
稻产量变化, 并以此为基础, 结合农业气候指标与
方法, 进一步分析各稻区在未来不同情景下可能的
稻作制度、品种类型及播种日期, 最终模拟分析了
全省各稻区考虑自适应调整后的水稻产量、稳产性
以及全省水稻总产的可能变化。
1 研究方法与资料来源
1.1 研究区域概况及样点选择
福建省地形总体上西北高、东南低。地形差异
和多山地貌致使全省农业气候呈显著垂直分布。福
建省光温水资源丰富, 年均温 17.0~21.6℃、年降雨
量 1 000~2 000 mm、年辐射总量 4 200~4 800 MJ m–2,
一般均能满足水稻生长发育需要。东部及南部沿海
地区适合于种植双季稻; 其余地区以山地丘陵为主,
海拔较高(≥500 m)的山区稻田一般只能种植单季
稻, 而地势较低的丘陵谷地仍盛行种植双季稻。水
稻生长季常见的气象灾害有高温热害、暴雨、台风、
季节性干旱等, 常造成大面积减产。根据福建省农
业气候资源分布特征[23-24]和作物精细区划与优化布
局的研究结果(福建省气象科学研究所、福建省资源
区划办公室, 2008 年), 全省可分为 3 个稻区, 即闽
东南双季稻区、闽西北双季稻区、闽西北山地单季
稻区[25]。共选择了 17 个样点(表 1)开展不同气候变
化情景下的水稻生产的模拟研究。
1.2 气候变化情景的生成
IPCC在 2000年发布的排放情景特别报告(SRES)
中, 综合考虑了世界人口增长、经济发展、技术进步、
环境条件、全球化、公平原则等因素, 提出了未来温
2248 作 物 学 报 第 38卷

表 1 福建省稻作类型区划及 17个代表性样点
Table 1 Classification for rice patterns and 17 representative sites in different rice regions in Fujian Province
稻作区
Rice region
≥10℃积温
≥10℃ accumulated
temperature (℃)
主要稻作类型
Main rice pattern
样点
Site
主要土壤类型
Soil type
闽东南双季稻区
Double-cropping rice region in
southeastern Fujian
6000–7700 早稻 Early rice
后季稻 Late rice
福州、平潭、漳州、厦门、东山
Fuzhou, Pingtan, Zhangzhou, Xiamen,
Dongshan
诏安灰黄泥沙田
Zhao’an gray yellow
mud sandy soil
闽西北双季稻区
Double-cropping rice region in
northwestern Fujian
5200–6700 早稻 Early rice
后季稻 Late rice
邵武、建瓯、福鼎、南平、宁德、上杭、漳
平、永安
Shaowu, Jian’ou, Fuding, Nanping, Ningde,
Shanghang, Zhangping, Yong’an
邵武红泥土
Shaowu red clay
闽西北山地单季稻区
Single-cropping rice region in
mountain area of northwestern
Fujian
3800–5200 单季稻 Single rice 浦城、泰宁、长汀、屏南
Pucheng, Taining, Changting, Pingnan
武夷黄泥田
Wuyi yellow mud soil

室气体及硫化物气溶胶排放的 6种情景[26]。由这些排
放情景反演出的浓度情景可进而作为全球气候变化
模式(GCM)的输入, 用以模拟温室气体和气溶胶排
放对未来全球气候变化的影响, 在此基础上, 可进
一步模拟未来全球和区域气候变化。本研究根据
SRES报告中的 A2、B2及 A1B三种排放方案, 应用
英国研制的区域气候模式 PRECIS, 生成了研究区
域基准时段(1961—1990)和未来时段(2021—2050)
的 3 种气候变化情景, 并经过 ECMWF (European
Centre for Medium-Range Weather Forecasts)分析订
正[21, 27], 获得了研究区域 17个样点的多年逐日气象
数据, 包括最高温度、最低温度、降水量和太阳总
辐射等。
1.3 CERES-Rice模型及其遗传参数的确定
本文采用 CERES-Rice 模型作为评价研究的效
应模型, 其输入项包括可控与不可控两大部分。可
控部分包括水稻品种、播种日期、栽插密度与深度、
灌溉日期与灌溉量、NPK肥施用日期和施用量、肥
料种类、品种遗传参数等; 不可控部分包括逐日天
气数据、样点的经纬度以及土壤类型。模型最终输
出包括水稻产量、产量构成、地上部生物量、各发
育阶段的天数、土壤水分和氮素平衡各要素、根系
密度以及水、氮亏缺指数。模型运算受 DSSAT (农
业科技转换决策支持系统)软件平台支持, 本研究使
用的是最新版本 DSSAT4.5。
CERES-Rice 模型和 DSSAT4.5 还专门设计了
CO2 增益模块, 可以模拟大气 CO2 浓度升高对水稻
光合作用和蒸腾作用的直接生理影响[22]。表 2 给出
了 2个时段 3种排放情景下的大气 CO2浓度值, 可作
为运行 CERES-Rice模型时大气 CO2浓度的输入值。

表 2 基于 IPCC 3种排放方案的大气 CO2浓度平均值
Table 2 Average concentration of atmospheric CO2 according to three emission schemes by IPCC
CO2浓度平均值 Average concentration of CO2 (μmol mol−1) 时段
Period A2 B2 A1B
1961–1990 (BASE) 334 334 332
2021–2050 469 439 468

CERES-Rice模型设计了 8个遗传参数用来描述
水稻的品种特性[22]。本研究根据福建省水稻区试资
料共选取 9个有代表性品种, 利用各品种 2006年在
22 个区试站的产量与生育期资料, 采用“试错法”进
行了参数调试与确定, 并用 2007年相同品种与样点
的产量及生育期资料对模型参数进行了验证(图 1)。
结果说明 CERES-Rice 模型在研究区域有良好的适
用性。调试遗传参数和验证模型所需的逐日气象资
料(2006—2007年)取自中国气象局出版的《中国地
面气象记录》和《中国太阳辐射资料逐日值》, 对
日射资料缺省样点的太阳辐射值由逐日日长及经纬
度按文献[28]的方法计算。各样点代表性土壤类型、
典型剖面资料, 包括不同深度的土壤特性及理化结
构等, 根据文献(福建土种志, 1990)确定。
1.4 农业气候指标的建立
1.4.1 水稻稳产性指标 气候变化除影响水稻产
量外, 还会影响产量的稳定性。本研究采用下式估
算水稻产量的稳定程度:
c
% 100cSD
a
μμ σ
μ
±Δ = × (1)
第 12期 江 敏等: 福建省基于自适应调整的水稻生产对未来气候变化的响应 2249



图 1 CERES-Rice模型在福建省主要稻区的验证结果
Fig. 1 Verification results of CERES-Rice model in the main rice regions in Fujian Province
**表示在 0.01统计水平上显著。** Significant at 0.01 probability level.

式中, ΔSD%为某样点历年水稻产量标准差的变化百
分比, 用来表征产量的稳定性, ΔSD%值愈大, 说明
水稻稳产性愈差; μc=μb–μa 表示未来时段(2021—
2050)不同气候变化情景下逐年模拟产量平均值(μb)
与基准时段(1961—1990)历年模拟产量平均值(μa)
之差; σμc为联合方差, 可按下式计算:
2 2c a bμ μ μσ σ σ= + (2)
其中: aa
an
μ
σσ = ; bb
bn
μ
σσ =
式中, σb为未来时段逐年模拟产量的标准差, σa为基
准时段历年模拟产量的标准差, na和 nb均为资料年
份长度。
在未来不同排放情景下, 福建省有些样点的稻
作制度可能会发生变化, 这时可采用下式估算水稻
稳产性的变化, 即:
1
n i
i
Y Y
F
nY=
−= ∑ (3)
式中, F 为产量波动系数, Yi 为某样点第 i 年(i=1,
2, …, n)的水稻产量, n为年份长度, Y 为平均产量。
F 值愈大, 说明水稻产量的年际波动愈大, 反之则
愈小。
1.4.2 水稻总产估算模型 假定在未来不同排放
情景下, 研究区域现有的水稻种植面积不变, 参照
文献[27], 采用以下统计模型估算福建省水稻总产
的变化百分比, 即:
3
1
% ( / ) %i i
i
TYC RY TY RYC
=
= ×∑ i=1, 2, 3 (4)
式中, TYC%为福建省未来水稻总产的变化百分比;
RYi和 TY分别为稻区 i (i=1, 2, 3)及全省在基准时段
历年水稻平均总产的模拟值; RYCi%为未来 3种不同
排放情景下稻区 i的水稻产量变化百分比。
1.5 气候变化影响评价的具体方案
本研究首先对基准时段(BASE)和未来时段各
稻区的水稻产量分别进行模拟, 分为两种情况: 一
是仍假定未来稻作制度、品种类型及栽培措施等不
发生变化, 即不考虑水稻生产的自适应能力, 模拟
各样点的代表性品种在不同排放情景下的水稻产量
并以之与 BASE 时段的模拟产量进行比较, 在此基
础上分析气候变化对水稻产量的可能影响; 二是分
析在未来不同排放情景下, 水稻生产方式和管理措
施等均出现自适应调整, 然后再模拟调整后的模拟
产量并以之与 BASE 时段的模拟产量相比较。在上
述基础上, 进而计算在相同情景下考虑与不考虑水
稻生产自适应能力的两种模拟产量的变化百分比。
可以认为, 考虑自适应能力所作的各种分析, 较之
不考虑更具科学性和合理性。
1.5.1 未来品种类型的自适应 未来气温升高一
方面会延长水稻生长季的长度, 另一方面也会加速
水稻发育进程并导致生育期缩短。为了充分利用热
量资源、减轻高温危害并获取较高的产量, 未来的
水稻生产势必以调整品种类型(熟型)的方式来适应
变化的气候。为了模拟品种类型的这种自适应能力,
本研究首先利用 CERES-Rice模型模拟 BASE时段 3
个稻区不同样点各代表性品种的多年平均单产, 以
之代表基准时段现有品种的产量水平; 然后分为两
种情况考虑不同排放情景下水稻品种类型及产量的
可能变化: (1)假设未来品种类型不发生变化, 通过
2250 作 物 学 报 第 38卷

在不同稻区各有关样点上运行 CERES-Rice 模型 ,
可得到未来不考虑品种类型自适应能力的水稻模拟
产量; (2)在 3 个稻区各有关样点上 , 利用 CERES-
Rice 模型开展更换不同熟型品种的模拟试验, 并以
之与基准时段的模拟产量以及上述(1)中的模拟产
量进行比较, 看产量是否因品种更迭而有明显的改
善。最后, 通过这种方式选择的产量高、稳产性好
的品种或品种组合, 即为未来经自适应筛选后可能
得到的适宜品种或品种组合。在筛选过程中, 一是
仍假定未来的稻作制度和田间管理等均保持在
BASE 时段的水平上, 二是尽可能使用生育期较长
的中晚熟品种替代早熟品种。
1.5.2 未来水稻适宜播期的自适应 随着温度升
高和水稻生长季的延长, 研究区域未来的水稻适宜
播期必然有个自适应过程, 即自动调整到与生长季
相匹配且能获得较高产量的时间点上。为此, 本研
究在模拟水稻适宜播期的自适应能力时 , 遵循“安
全＋高产”的原则, 采用以下方法加以实现: 对双季
早稻和单季稻而言, 要保证在水稻安全播期或稍后
适时播种, 以免遭受低温危害。籼稻的安全播期可
定义为春季日均温连续 3 d≥10℃的初日。在此基础
上, 再以 5 d为时间步长, 在 3种不同排放情景下分
别运行 CERES-Rice 模型, 模拟并选择产量高且稳
产性好所对应的播种日期为经过自适应调整后的
适宜播期。对于后季稻而言, 除考虑两季之间的 10
d 茬口外, 还要保证在安全齐穗期之前抽穗。对于
籼稻而言, 安全齐穗期是指秋季连续 3 d≥22℃的
终日。在模拟过程中, 仍假定未来的稻作制度、品
种类型和田间管理措施等均保持在 BASE时段的水
平上。
1.5.3 未来稻作制度的自适应 气候变暖后, 研
究区域水稻生长季的有效积温将会明显增加, 双季
稻有可能向海拔较高的山区稻田发展。在目前仅能
种植单季稻的闽西北山地稻区, 农民为收获更多的
水稻产量, 有可能改种双季稻。为了模拟稻作制度
的这种自适应过程, 本研究选择闽西北山地单季稻
区的 4个样点, 在未来 3种排放情景下分别进行“单
改双”的模拟试验。具体做法是, 先按前述方法模拟
并确定各样点产量高且稳产性好的早稻和后季稻品
种, 再考虑两季不同的品种搭配, 最后模拟、筛选出
改制后可能的最佳组合以及新组合的模拟产量。以
之与基准时段以及相同情景下单季稻的模拟产量相
比较, 结合产量波动性系数 F 值的大小, 即可分析
判断未来某个样点是否有必要改制以及单改双后水
稻产量的变化百分比。在模拟过程中, 假定各样点
在未来不同排放情景下, 水肥管理措施均与 BASE
时段相同。
2 结果与分析
2.1 未来不同排放情景下水稻品种类型的自适
应
本研究兼顾高产和稳产性(ΔSD%较小)两方面
因素, 模拟确定了福建省 3个稻区在未来不同排放
情景下基于品种类型(或熟型)自适应调整的结果(表
3)。可以看出, 生育期较长的中晚熟品种在温度升高
条件下产量相对较高。其原因是长生育期品种一定
程度上可抵消高温引起的生育期缩短现象, 使水稻
总的光合时间处于较高水平。

表 3 福建省不同稻区在未来 3种排放情景下水稻品种类型的自适应
Table 3 Self-adaption of the rice varietal types to climate change under three emission scenarios in three rice regions of Fujian
Province
品种类型 Varietal type 稻区
Rice region
稻作类型
Rice pattern BASE A2 B2 A1B
早稻
Early rice
晚熟早籼
EILM
晚熟早籼
EILM
晚熟早籼
EILM
晚熟早籼
EILM
闽东南双季稻区
Double rice region in southeastern Fujian
后季稻
Later rice
中熟晚籼
LIMM
中熟晚籼
LIMM
中熟晚籼
LIMM
晚熟晚籼
LILM
早稻
Early rice
中熟早籼
EIMM
晚熟早籼
EILM
晚熟早籼
EILM
中熟早籼
EIMM
闽西北双季稻区
Double rice region in northwestern Fujian
后季稻
Later rice
早熟晚籼
LIEM
中熟晚籼
LIMM
晚熟晚籼
LILM
中熟晚籼
LIMM
闽西北山地单季稻区
Single rice region in the mountain area of northwestern Fujian
单季稻
Single rice
中熟中籼
MIMM
中熟中籼
MIMM
中熟中籼
MIMM
中熟中籼
MIMM
EILM: early-indica with late-maturity; LIMM: late-indica with medium-maturity; LILM: late-indica with late-maturity; EIMM:
early-indica with medium-maturity; LIEM: late-indica with early-maturity; MIMM: medium-indica with medium-maturity.
第 12期 江 敏等: 福建省基于自适应调整的水稻生产对未来气候变化的响应 2251


2.2 未来不同排放情景下水稻播种日期的自适
应
模拟结果(表 4)显示, 大多数样点在不同排放情
景下, 双季早稻及单季稻的播种日期经过自适应调
整后, 模拟产量均有不同程度提高。由于不同播期(5
d 步长 )之间稳产性指标 (ΔSD%)值的差异不显著
(≤10%), 故判断播期是否适宜仍以模拟产量高低
为主。闽东南双季稻区的早稻适播期在 3 种排放情
景下都较之 BASE 阶段的适宜播期提前了 10 d; 闽
西北双季稻区的早稻适播期在 A2 与 A1B情景下均
较 BASE阶段提前 10 d, 在 B2情景下则以提前 5 d
得到的模拟产量最高; 闽西北山地稻区, 单季稻适
播期因排放情景不同而异: A1B 情景下适播期较之
BASE 阶段提前了 5 d, A2情景下则推迟 10 d, 但在
B2情景下, 适播期无论提前或延后都会造成模拟产量
下降, 说明维持 BASE 阶段的适播期产量最高。究其
原因, 一种可能的解释是, 模拟产量有时不完全取决
于播期是否适宜, 还与整个生长季温光水配置是否理
想有关。例如, 播期过早有可能遇到低温冷害, 过迟则
有可能遇到高温热害, 都对产量及产量形成不利。

表 4 福建省各稻区在未来 3种排放情景下不同稻作制度、品种类型、播种日期的模拟产量(kg hm–2)及稳产性指标(ΔSD%)
Table 4 Simulated yields (kg hm–2) and stability index (ΔSD%) differing in rice-based cropping systems, varietal types and sowing dates
under three emission scenarios in different rice regions of Fujian Province
A2 B2 A1B 品种类型
Varietal type
播期
Sowing
date
产量
Yield (kg hm–2)
ΔSD% 产量
Yield (kg hm–2)
ΔSD% 产量
Yield (kg hm–2)
ΔSD%
闽东南双季稻区 Double rice region in southeastern Fujian
0 d 6631.8 1.7 6734.9 3.1 7043.5 1.5
–10 d 6726.4 2.9 6838.2 4.4 7207.9 1.5
–5 d 6662.2 2.1 6768.9 3.5 7119.2 0.7
+5 d 6581.4 2.0 6701.8 2.6 6944.0 2.6
晚熟早籼
Early-indica with
late-maturity
+10 d 6523.4 2.8 6660.9 2.1 6854.1 3.6
闽西北双季稻区 Double-rice region in northwestern Fujian
0 d 7126.2 1.4 7061.2 2.2 — —
–10 d 7198.1 2.2 7090.6 1.8 — —
–5 d 7169.7 1.8 7128.4 1.3 — —
+5 d 7113.6 1.6 7042.5 2.4 — —
晚熟早籼
Early-indica with
late-maturity
+10 d 7114.0 1.6 7066.8 2.0 — —
0 d — — — — 6035.2 5.0
–10 d — — — — 6357.0 6.3
–5 d — — — — 6246.8 9.8
+5 d — — — — 5975.4 11.1
中熟早籼
Early-indica with
medium-maturity
+10 d — — — — 5702.7 2.8
闽西北山地单季稻区 Single rice region in mountain area of northwestern Fujian
0 d 8827.9 3.7 8679.2 4.4 9218.7 6.8
–10 d 8701.8 4.3 8616.6 5.3 9239.2 7.0
–5 d 8680.8 4.5 8598.7 5.4 9249.9 6.7
+5 d 8821.0 2.9 8601.5 5.4 9214.7 6.8
中熟中籼
Medium-indica with
medium-maturity
+10 d 8848.5 2.7 8470.2 7.0 9187.6 6.5
0 d: 播期与当前相同; –10 d: 播期提前 10 d; –5 d: 播期提前 5 d; +5 d: 播期推迟 5 d; +10 d: 播期推迟 10 d。
0 d: same with the BASEs; –10 d: 10 d advanced; –5 d: 5 d advanced; +5 d: 5 d delayed; +10 d: 10 d delayed.

2.3 不同排放情景下品种类型及播种日期的自
适应
水稻生产的自适应能力有时并不局限于某个方
面, 往往是带有综合性质的。本节综合分析了福建
省各稻区在未来不同排放情景下品种类型及播种日
期自适应的叠加效果, 结果见图 2。由图可见, 如果
不考虑水稻生产的自适应能力, 仅考虑气候变化本
身对水稻生产的影响(CC), 那么在 A2与 B2排放情
景下, 除闽东南双季稻区的后季稻有小幅增产(依次
为 6.9%与 8.4%)外, 闽西北双季稻区及闽西北山地
2252 作 物 学 报 第 38卷

单季稻区的水稻均表现为减产; 减幅最大的是闽西
北山地单季稻区 , 在 2 种情景下依次减产7.6%及
9.6%。在 A1B情景下各稻区早稻或单季稻的模拟产
量也呈减产态势。其中, 闽东南双季稻区的早稻减
产幅度最大, 为 5.8%。
在以上基础上, 如果进而考虑品种类型的自适
应能力(CC+C), 即假设未来各稻区均改种生育期较
长、产量较高的中晚熟品种, 则模拟产量较之不考
虑自适应的情况显著提高, 全省双季稻在 3种排放
情景下均表现为增产, 增幅最大的为 A1B情景下闽
西北双季稻区的后季稻, 可达 20.3%。单季稻在 A2
与 B2 排放情景下减产幅度变小, 与不考虑品种类
型自适应能力的模拟结果相比 , 模拟产量的减产
幅度分别减小 3.8%和 4.9%; 在 A1B排放情景下单
季稻的模拟产量甚至出现 1.1%的小幅增产。在此
基础上 , 如果进一步考虑播种日期的自适应能力

图 2 在 3种排放情景下, 福建省不同稻区经自适应调整后水稻模拟产量相对于基准时段产量的变化
Fig. 2 Changes in rice yields under the three emission scenarios when self-adaption was considered, compared with the base yields in
different rice regions of Fujian Province
Region I: 闽东南双季稻区; Region II: 闽西北双季稻区; Region III: 闽西北山地单季稻区。ER: 早稻; LR: 后季稻; SR: 单季稻。CC: 仅
考虑气候变化的影响; CC+C: 气候变化影响+品种自适应; CC+C+SD: 气候变化的影响+优化品种+播期调整。
Region I: double rice region in southeastern Fujian; Region II: double rice region in northwestern Fujian; Region III: single rice region in the
mountain area of northwestern Fujian. ER: early rice; LR: late rice; SR: single rice. CC: only climate change effect was considered; CC+C:
combined effects of climate change plus self-adaptive of cultivar; CC+C+SD: combined effects of climate change and optimization in cultivar
and adjustments in sowing date.

第 12期 江 敏等: 福建省基于自适应调整的水稻生产对未来气候变化的响应 2253


(CC+C+SD), 则除了在 B2 情景下单季稻的模拟产
量变化较小外 , 在其余排放情景下 3个稻区的模拟
产量均较仅考虑品种自适应能力又有不同程度的提
高。与 BASE 时段的模拟产量相比, 产量增幅最大
的是 A1B情景下闽西北双季稻区的后季稻, 增幅达
22.5%; 其次是闽西北双季稻区的早稻, 在 A2、B2、
A1B 三种排放情景下依次增产 17.3%、16.1%和
17.2%。
2.4 未来不同排放情景下水稻熟制的改变
随着未来气候进一步增暖, 研究区域的复种指
数有望提高。表 5 给出了闽西北山地单季稻区的 4
个样点在不同排放情景下稻作制度由单季稻改为双
季稻后的模拟试验结果。
由表 5 可见, 在 3 种排放情景下, 闽西北山地单
季稻区的稻作制度经过“单改双”调整后, 两季的模
拟产量较之未调整前单季稻的模拟产量均有不同程度
提高。但这并不意味着 4个样点未来都适合种植双季
稻。综合考虑人力、财力投入等因素, 一般认为, 改制
后如增产幅度达到 50%, 将更有利于农民提高种粮的
积极性。因此, 本研究将增产 50%或以上作为改制的
标准。据此, 在 A2与 B2情景下只有长汀与浦城适合
于单改双, 在 A1B情景下仅浦城适合于单改双。

表 5 闽西北山地单季稻区 4个样点在未来 3种排放情景下由单季稻改种双季稻的产量变化百分比及产量波动系数(F)
Table 5 Changes in annual rice yields and fluctuation coefficient (F) when changing single-rice to double-rice under three emission
scenarios in the single rice region in mountain area of northwestern Fujian
产量波动系数(F) Fluctuation coefficient of yield (F)
样点
Site
单改双后品种搭配
Distribution of double rice varieties
单季稻产量
Yields of
single rice
(kg hm–2)
年产量变化
Percentage
change in
annual yield
(%)
早稻
Early rice
后季稻
Later rice
单季稻
Single rice
排放情景: A2 Emission scenario: A2
长汀 Changting 晚熟早籼+中熟晚籼 EILM+LIMM 8713.0 81.3 0.08 0.20 0.08
屏南 Pingnan 晚熟早籼+早熟晚籼 EILM +LIEM 9417.3 33.5 0.10 0.22 0.06
浦城 Pucheng 晚熟早籼+中熟晚籼 EILM+LIMM 8106.6 81.3 0.09 0.36 0.22
泰宁 Taining 晚熟早籼+中熟晚籼 EILM+LIMM 9157.0 42.1 0.09 0.40 0.06
排放情景: B2 Emission scenario: B2
长汀 Changting 晚熟早籼+中熟晚籼 EILM+LIMM 8005.7 96.7 0.06 0.23 0.13
屏南 Pingnan 晚熟早籼+中熟晚籼 EILM+LIMM 9261.8 33.0 0.08 0.42 0.06
浦城 Pucheng 晚熟早籼+中熟晚籼 EILM+LIMM 8577.2 74.4 0.09 0.32 0.11
泰宁 Taining 晚熟早籼+早熟晚籼 EILM +LIEM 8865.7 46.0 0.11 0.27 0.10
排放情景: A1B Emission scenario: A1B
长汀 Changting 晚熟早籼+中熟晚籼 EILM+LIMM 9647.6 40.9 0.04 0.87 0.14
屏南 Pingnan 晚熟早籼+中熟晚籼 EILM+LIMM 9441.2 37.8 0.11 0.73 0.16
浦城 Pucheng 晚熟早籼+中熟晚籼 EILM+LIMM 8267.4 65.1 0.06 0.74 0.30
泰宁 Taining 晚熟早籼+早熟晚籼 EILM +LIEM 8718.3 36.3 0.04 1.20 0.20
EILM+LIMM: early-indica with late-maturity+late-indica with medium-maturity; EILM+LIEM: early-indica with late-maturity+
late-indica with early-maturity.

水稻熟制自适应调整还需考虑稳产性, 即产量
年际波动(F值)不能过大。对不同排放情景下 4个山
区样点历年模拟产量的 F 值进行分析后发现, 当 F
＞0.3 时, 未来时段 30 年中至少有 6 年以上的模拟
产量近于绝收; 若 F≥1.0, 则至少有 2/3的年份产量
不正常; 当 F＜0.3 时, 可保证有 80%以上的年份获
得正常产量。据此可以认为, F=0.3是产量是否稳定
的阀值。若 F 值超过这个阈值, 即使某些年份可以
获得高产, 仍不适宜种植双季稻。由表 5还可见, 在
未来 3种排放情景下, 4个样点单改双后, 后季稻的
F值较大。这可能是因为山区秋早, 生长后期易遭遇
低温、寒露风危害而不利于灌浆成熟。
综上分析, 2050年之前 , 在闽西北山地单季稻
区的 4个样点中, 仅长汀在 A2与 B2情景下有可能
改种双季稻, 在 A1B情景下全区现有的单季稻熟制
将不会被调整。
2.5 福建省基于自适应调整的水稻总产变化
前文已论述了福建省未来水稻生产可能通过品
种类型、播种日期、稻作制度等自适应调整来适应
剧烈的气候变化。本节综合以上各单项自适应能力,
并统称为水稻生产的自适应能力。表 6 给出了福建
省不同稻区在 A2、B2和 A1B三种排放情景下水稻
表 6 未来 3种排放情景下福建省基于自适应调整的水稻生产方式及管理措施
Table 6 Rice production patterns and managements based on self-adaption under three emission scenarios in different rice regions of Fujian Province
A2 B2 A1B 稻区
Rice region
样点
Site
稻作类型
Rice-based cropping
system
品种搭配
Variety collocation
播种日期
Sowing date
品种搭配
Variety collocation
播种日期
Sowing date
品种搭配
Variety collocation
播种日期
Sowing date
闽东南双季稻区
Double-rice region in
southeastern Fujian
所有样点
All sites
双季稻
Double rice
晚熟早籼+中熟晚籼
EILM+LIMM
提前 10 d
10 days advanced
晚熟早籼+中熟晚籼
EILM+LIMM
提前 10 d
10 days advanced
晚熟早籼+晚熟晚籼
EILM +LILM
提前 10 d
10 days advanced
闽西北双季稻区
Double-rice region in
northwestern Fujian
所有样点
All sites
双季稻
Double rice
晚熟早籼+中熟晚籼
EILM+LIMM
提前 10 d
10 days advanced
晚熟早籼+晚熟晚籼
EILM+LILM
提前 5 d
5 days advanced
中熟早籼+中熟晚籼
EIMM+LIMM
提前 10 d
10 days advanced
长汀
Changting
双季稻
Double rice
晚熟早籼+中熟晚籼
EILM+LIMM
— 晚熟早籼+中熟晚籼
EILM+LIMM
— — 提前 5 d
5 days advanced
闽西北山地单季稻区
Single rice region in the
mountain area of
northwestern Fujian
屏南, 浦
城, 泰宁
Pingnan,
Pucheng,
Taining
单季稻
Single rice
中熟中籼
MIMM
推迟 10 d
10 days delayed
中熟中籼
MIMM
播期不变
No change in
sowing date
中熟中籼
MIMM
提前 5 d
5 days advanced
EILM+LIMM: early-indica with late-maturity+late-indica with medium-maturity; EILM+LIEM: early-indica with late-maturity+late-indica with early-maturity; EILM +LILM: early-indica with
late-maturity +late-indica with late-maturity; EIMM+LIMM: early-indica with medium-maturity +late-indica with medium-maturity; MIMM: medium-indica with medium-maturity.
第 12期 江 敏等: 福建省基于自适应调整的水稻生产对未来气候变化的响应 2255


生产方式和管理措施可能调整的结果。
以表 6所列的基于自适应的生产方式与管理措施
作为新的输入 , 在 3 种排放情景下再分别运行
CERES-Rice 模型, 利用公式(4), 即可模拟福建省未
来考虑水稻生产自适应调整的水稻总产变化(表 7)。需
说明的是, 在 A2与 B2两种情景下闽西北山地单季稻
区仅长汀一地改种双季稻, 另 3 个样点依旧种植单季
稻; 在 A1B情景下该区 4个样点仍全部种植单季稻。
由表 7 可以看出, 在评价气候变化对福建省未
来水稻生产的影响时, 考虑与不考虑水稻生产对气
候变化的自适应能力, 结果是大不一样的。考虑自
适应能力后, 3个稻区在不同排放情景下, 水稻模拟
总产都有不同程度提高; 无论是双季早稻、后季稻
还是单季稻, 均无例外, 其中早稻模拟总产由不考
虑自适应能力时的减产转为增产。考虑自适应能力
后, 全省未来水稻模拟总产的变化趋势亦大致相同:
在 A2与 B2情景下, 由不考虑自适应时的减产转而
增产, 增幅分别达到了 7.3%和 7.5%; 在 A1B情景下,
全省未考虑自适应调整的模拟结果较为乐观, 总产
为增产; 考虑自适应能力后, 因单季稻区不适宜改
种双季稻, 所以全省模拟总产的增幅不如前两种情
景, 增幅为 3.6%。

表 7 3种排放情景下考虑与不考虑自适应性调整各稻区水稻模拟总产对全省水稻总产的贡献
Table 7 Contribution of rice overall output of rice regions to its of Fujian Province with self adaption and without self-adaption
under three emission scenarios (%)
A2 B2 A1B
稻区
Rice region
稻作类型
Rice pattern
不考虑自适应
Without
self-adaption
考虑自适应
With
self-adaption
不考虑自适应
Without
self-adaption
考虑自适应
With
self-adaption
不考虑自适应
Without
self-adaption
考虑自适应
With
self-adaption
对总产量变化的贡献率 Contribution to change in overall rice output (%)
早稻 Early rice –0.08 0.24 –0.09 0.27 –0.12 0.27 闽东南双季稻区
Double-rice region in
southeastern Fujian 后季稻 Late rice 0.10 0.24 0.12 0.24 0.08 0.19
早稻 Early rice –0.39 1.72 –0.44 1.60 –0.14 1.71 闽西北双季稻区
Double-rice region in
northwestern Fujian 后季稻 Late rice –0.09 1.68 –0.68 1.11 1.84 2.70
闽西北山地单季稻区
Single-rice region in
mountain area of
northwestern Fujian
单季稻及双季稻
Single rice and double
cropping rice
–0.99 1.98 –1.25 1.98 –0.20 0.19
总产量变化 Change in overall rice output (%) –1.44 5.86 –2.33 5.20 1.46 5.05

3 讨论
自适应调整是农业生产的重要特征之一。但在
以往的气候变化影响评价研究中, 这个问题一直未
能引起人们足够的重视。许多学者在应用模型方法
评价未来气候变化对粮食生产的影响时, 都假定今
后几十年的种植制度、品种类型和生产管理等均维
持在当前水平[29], 这显然不符合农业发展的自身规
律, 特别是面对剧烈的气候变化, 这种假设难以成
立。针对上述弊端, 本研究尝试将农业生产的自适
应能力纳入气候变化对福建省水稻生产的影响评价
研究中。具体做法是, 首先通过作物模拟试验和农
业气候指标, 估算研究区域在未来不同气候变化情
景下稻作制度、品种类型以及播种日期可能发生的
变化, 并认为这种变化是水稻生产自适应的必然结
果; 然后再通过作物模拟试验, 模拟经自适应调整
后福建省及其各稻区水稻产量的变化。通过这样的
处理, 所得各项结论较之上述不变假设下的各项结
论不仅较为乐观, 而且更为科学合理。当然, 农业自
适应是一个极为复杂的过程, 它牵涉到大量社会、
经济、环境和科技进步等问题, 根据人类现有的认
识, 尚无法对今后这些因素的变化做出估计, 因此
只能着重考虑农业生产方式与管理措施等方面的可
能变化。此外, 农业生产自适应又是一种较缓慢的
过程, 面对剧烈的气候变化, 它能否做出适时调整
还是个问题。因此, 许多学者提出, 需要制定一些适
应性对策和策略, 引导农民和生产部门适应新的环
境变化[29-30]。作者等对这种观点不持异议, 事实上,
本研究采用的方法和许多适应性对策的制定方法是
一致的 , 也可以理解是一种基于适应性的评价研
究。从更高的层面上看, 人类既然认识到适应气候
变化的重要性 , 本身也是一种对环境的自适应过
程。本研究的局限性, 一是未考虑未来水稻生产对
极端天气、气候事件的自适应能力, 例如, 如何通过
调整播期和选育耐高温品种, 避开或减轻水稻抽穗
扬花期的高温热害, 如何通过调整播期和选育耐倒
2256 作 物 学 报 第 38卷

伏品种, 避开或减轻水稻生长后期的台风和暴雨危
害等 , 都有待今后进一步深化研究 ; 二是采用的
CERES-Rice模型在模拟大气 CO2直接增益效应时,
未考虑水稻田 CO2的日变化, 可能导致水稻模拟产
量偏高, 另有学者认为, 水稻对 CO2浓度升高也存
在自适应问题, 即初始进入高 CO2环境增益效应明
显 , 随后渐次减弱 [1], 对此尚需进一步研究 ; 三是
在考虑水稻生产自适应时 , 未考虑土壤有机质含
量在高温条件下会加速分解 , 从而造成肥料运筹
上的调整, 也没有考虑一些栽培措施(播种量、栽插
密度等)可能发生的变化等 , 不过这些栽培措施都
属于可控范围 , 相信今后科技发展能解决这类问
题。
4 结论
未来福建省各稻区不同熟制的水稻生育期将明
显缩短, 水稻生长季将显著延长, 这将为今后选择
适宜的品种搭配提供更多的余地。选择生育期较长、
产量较高的中晚熟品种替代生育期较短、产量较低
的早熟品种, 可能是今后充分利用热量资源, 提高
当地水稻产量的有效途径。考虑水稻品种类型的自
适应能力后, 在未来 3 种排放情景下福建省各稻区
双季稻的模拟产量将由不作自适应考虑的减产转为
增产, 单季稻模拟产量的减产幅度也明显减小。在
此基础上 , 如果进而考虑播种日期的自适应调整 ,
水稻模拟产量可进一步提高。在 A2、B2、A1B 三
种情景下, 闽东南双季稻区早稻的模拟产量在综合
考虑自适应调整后较之不作此考虑的模拟产量依次
增加 15.9%、18.0%和 19.2%, 后季稻的模拟产量依
次增加 9.2%、7.4%和 7.4%; 闽西北双季稻区早稻的
模拟产量依次提高 21.2%、20.5%和 18.9%, 后季稻
的模拟产量依次提高 14.7%、14.8%和 7.2%。闽西
北山地单季稻区一季稻的模拟产量在 A2、B2、A1B
三种情景下, 依次增产 4.9%、5.0%和 2.9%, 该区目
前热量条件种植一季水稻有余, 两季不足, 在 A2与
B2 情景下部分地区(如长汀)可望能扩种双季稻。如
果综合考虑稻作制度、品种类型和播种日期三方面
的自适应能力, 则全省水稻模拟总产在 A2、B2 与
A1B 三种情景下较之 BASE 阶段的总产依次增加
5.9%、5.2%和 5.1%。
References
[1] Long S P, Ainsworth E A, Leakey A D B, Nösberger J, Ort D R.
Food for thought: lower-than-expected crop yield stimulation
with rising CO2 concentrations. Science, 2006, 312: 1918–1921
[2] Shiferaw B, Prasanna B M, Hellin J, Baenziger M. Crops that
feed the world 6. Past successes and future challenges to the role
played by maize in global food security. Food Security, 2011, 3:
307–327
[3] Lobell D B, Field C B. Estimation of the carbon dioxide (CO2)
fertilization effect using growth rate anomalies of CO2 and crop
yields since 1961. Global Change Biol, 2008, 14: 39–45
[4] Guo J-P(郭建平). Possible effects of climate change on food
yield in the eastern part of China. Geogr Res (地理研究), 1992,
11(1): 56–62 (in Chinese with English abstract)
[5] Sun B-N(孙白妮), Men Y-Z(门艳忠), Yao F-M(姚凤梅). Ad-
vancement of study on assessing impacts of climate change on
agriculture. Environ Sci Manag (环境科学与管理), 2007, 32(6):
165–168 (in Chinese with English abstract)
[6] Jin Z-Q(金之庆), Fang J(方娟), Ge D-K(葛道阔), Zheng X-L(郑
喜莲), Chen H(陈华). Prospect to the impacts of climate change
on winter wheat Production in China. Acta Agron Sin (作物学报),
1994, 20(2): 186–197 (in Chinese with English abstract)
[7] Guo J-P(郭建平), Gao S-H(高素华). The experimental study on
impacts of high temperature and high CO2 concentration on crops.
Chin J Eco-Agric (中国生态农业学报), 2002, (1): 21–24 (in
Chinese with English abstract)
[8] Ma S-Q(马树庆). A study of the impact of climatic change on
grain yield in Jilin Province. Nat Resour (自然资源), 1994, (1):
34–40 (in Chinese with English abstract)
[9] Wang Q-C(汪青春), Zhang G-S(张国胜). Climatic change and
its impact on crop output in Qinghai Province. Qinghai Sci
Technol (青海科技), 1997, 4(3): 40–46 (in Chinese with English
abstract)
[10] Xiong W(熊伟), Xu Y-L(许吟隆), Lin E-D(林而达), Tian Z(田
展). Simulation experiment of RCM and crop model combination
and its uncertainty assessment. Chin J Ecol (生态学杂志), 2005,
24(7): 741–746 (in Chinese with English abstract)
[11] Xiong W(熊伟), Xu Y-L(许呤隆), Lin E-D(林而达), Lu Z-G(卢
志光). Regional simulation of maize yield under IPCC SRES A2
and B2 scenarios. Chin J Agrometeorol (中国农业气象), 2005,
26(1): 11–15 (in Chinese with English abstract)
[12] Xiong W(熊伟), Lin E-D(林而达), Ju H(居辉). A study of the
threshold of climate change impact on food production in China.
Adv Climate Change Res (气候变化研究进展), 2005, (2): 84–87
(in Chinese with English abstract)
第 12期 江 敏等: 福建省基于自适应调整的水稻生产对未来气候变化的响应 2257


[13] Chen C(陈超), Jin Z-Q(金之庆), Zheng Y-F(郑有飞), Liu
J-D(刘建栋). Assessing the impacts of doubled CO2 climate
change and its variability on winter wheat production in the
Huang-Huai-Hai Plain of China. Jiangsu J Agric Sci (江苏农业
学报), 2004, (1): 7–12 (in Chinese with English abstract)
[14] Zhu D-W(朱大威), Jin Z-Q(金之庆). Impacts of changes in both
climate and its variability on food production in northeast China.
Acta Agron Sin (作物学报), 2008, (9): 1588–1597 (in Chinese
with English abstract)
[15] Qin P-C(秦鹏程), Yao F-M(姚凤梅), Cao X-X(曹秀霞), Zhang
J-H(张佳华), Cao Q(曹倩). Development process of modeling
impacts of climate change on agricultural productivity based on
crop models. Chin J Agrometeorol (中国农业气象), 2011, 32(2):
240–245 (in Chinese with English abstract)
[16] Jiang M(江敏), Jin Z-Q(金之庆). A method to upscale the ge-
netic parameters of CERES-Rice in regional applications. Chin J
Rice Sci (中国水稻科学), 2009, 23(2): 172–178 (in Chinese with
English abstract)
[17] Tsvetsinskaya E A, Mearns L O, Mavromatis T, Gao W,
McDaniel L, Downton M W. The effect of spatial scale of cli-
matic change scenarios on simulated maize, winter wheat, and
rice production in the southeastern United States. Clim Change,
2003, 60: 37–72
[18] Yao F M, Qin P C, Zhang J H, Lin E D, Vijendra B. Uncertain-
ties in assessing the effect of climate change on agriculture using
model simulation and uncertainty processing methods. Chin Sci
Bull, 2011, 56: 729–737
[19] Xiong W(熊伟), Lin E-D(林而达), Jiang J-H(蒋金荷), Li Y(李
岩), Xu Y-L(许吟隆). An integrated analysis of impact factors in
determining Chinas future grain production. Acta Geogr Sin (地
理学报), 2010, 65(4): 397–406 (in Chinese with English ab-
stract)
[20] Liu Y-J(刘颖杰), Lin E-D(林而达). Effects of climate change on
agriculture in different regions of China. Adv Clim Change Res
(气候变化研究进展), 2007, 3(4): 229–233 (in Chinese with
English abstract)
[21] Jones R G, Noguer M, Hassell D C. Generating High Resolution
Climate Change Scenarios Using PRECIS. Exeter, UK: Met Of-
fice Hadley Centre, 2004. pp 1–45
[22] Ritchie J T, Alocilja E C, Singh U, Uehara G. IBSNAT and the
CERES-Rice model. In: IRRI ed. Weather and Rice. Manila:
IRRI, 1987. pp 271–281
[23] Tong W-X(童万享). Fujian Agricultural Resources and Regional
Planning (福建农业资源与区划). Fuzhou: Agricultural Re-
sources and Regional Planning, 1990 (in Chinese)
[24] Meteorological Bureau of Fujian. Fujian Agricultural Climatic
Resources and Regional Planning (福建农业气候资源与区划).
Fuzhou: Fujian Science and Technology Press, 1990 (in Chinese)
[25] Jiang M(江敏), Jin Z-Q(金之庆), Yang H(杨慧), Zhu C-Z(朱朝
枝), Lin W-X(林文雄). Simulation research of rice production
under IPCC SRES A1B scenario in Fujian Province. Chin J
Eco-Agric (中国生态农业学报), 2012, (5): 625–634 (in Chinese
with English abstract)
[26] IPCC. The Scientific Assessment, Contribution of Working
Group I to the Fourth Assessment Report of the Intergovernmen-
tal Panel on Climate Change. Cambridge, UK New York, USA:
Cambridge University Press, 2007
[27] Jin Z-Q(金之庆), Fang J(方娟), Ge D-K(葛道阔), Zheng X-L(郑
喜莲), Chen H(陈华). Prospect to the impacts of climate change
on winter wheat production in China. Acta Agron Sin (作物学报),
1994, 20(2): 186–197 (in Chinese with English abstract)
[28] Sun R(孙睿), Liang L(梁璐), Yang L(杨玲). Estimation of daily
solar radiation in China based on weather station data. Meteorol
Environ Sci (气象与环境科学), 2007, 30(1): 24–27 (in Chinese
with English abstract)
[29] Yang S-B(杨沈斌), Shen S-H(申双和), Zhao X-Y(赵小艳),
Zhao Y-X(赵艳霞), Xu Y-L(许吟隆), Wang Z-Y(王主玉), Liu
J(刘娟), Zhang W-W(张玮玮). Impacts of climate changes on
rice production in the middle and lower reaches of the Yangtze
River. Acta Agron Sin (作物学报), 2010, 36(9): 1519–1528 (in
Chinese with English abstract)
[30] Jin Z-Q(金之庆), Ge D-K(葛道阔), Shi C-L(石春林), Gao
L-Z(高亮之). Several strategies of food crop production in the
Northeast China Plain for adaptation to global climate change—a
modeling study. Acta Agron Sin (作物学报), 2002, 28(1): 24–31
(in Chinese with English abstract)