全 文 ：作物学报 ACTA AGRONOMICA SINICA 2010, 36(9): 1519−1528 http://www.chinacrops.org/zwxb/
ISSN 0496-3490; CODEN TSHPA9 E-mail: xbzw@chinajournal.net.cn

本研究由国家公益性行业(气象)科研专项(GYHY200806008), 中国气象局气候变化专项(CCSF-09-12)和国家自然科学基金项目(40901238)资助。
*
通讯作者(Corresponding author): 申双和, E-mail: yqzhr@nuist.edu.cn, Tel: 025-58731194
第一作者联系方式: E-mail: jaasyang@163.com, Tel: 025-58731165
Received(收稿日期): 2010-02-02; Accepted(接受日期): 2010-05-24.
DOI: 10.3724/SP.J.1006.2010.01519
气候变化对长江中下游稻区水稻产量的影响
杨沈斌 1 申双和 1,* 赵小艳 1 赵艳霞 2 许吟隆 3 王主玉 1 刘 娟 1
张玮玮 1
1 南京信息工程大学应用气象学院, 江苏南京 210044; 2 中国气象科学研究院, 北京 100081; 3 中国农业科学院农业环境和可持续发
展研究所, 北京 100081
摘 要: 选择长江中下游平原作为研究区域, 按照政府间气候变化专业委员会(IPCC)排放情景特别报告(SRES)中的
A2和 B2方案, 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, 模拟基准
时段(1961—1990)气候(Baseline)和 2021—2050 时段 A2、B2 情景下的水稻产量, 分析未来气候变化对长江中下游水
稻产量的影响。构建两种影响评估方法, 重点分析增温和大气 CO2 肥效作用对水稻产量的影响。结果表明, 不考虑
CO2肥效作用时, 随着温度升高, 水稻生育期缩短, 产量下降。A2情景下水稻生育期平均缩短 4.5 d, 产量减少 15.2%;
B2情景下平均缩短 3.4 d, 产量减少 15%。其中, 减产达到 20%以上的区域集中在安徽中南部、湖北东南部和湖南东
部地区。当考虑 CO2肥效作用后, A2情景下水稻平均产量减少 5.1%, B2情景平均减少 5.8%。减产区域缩小且幅度
降低, 江西和浙江部分地区则呈现一定程度增产, 但增幅<10%。大气 CO2 肥效作用一定程度上可提高水稻产量, 使
晚稻在增温的不利影响下仍呈现不同程度的增产态势, 但对单季稻和早稻的增产贡献仍不足以抵消升温的负面影
响。另外, 大气 CO2肥效作用可有利于提高未来气候变化下水稻的稳产性。
关键词: 长江中下游稻区; 气候变化; 水稻; ORYZA2000
Impacts of Climate Changes on Rice Production in the Middle and Lower
Reaches of the Yangtze River
YANG Shen-Bin1, SHEN Shuang-He1,*, ZHAO Xiao-Yan1, ZHAO Yan-Xia2, XU Yin-Long3, WANG Zhu-Yu1,
LIU Juan1, and ZHANG Wei-Wei1
1 College of Applied Meteorology, Nanjing University of Information Science & Technology, Nanjing 210044, China; 2 Chinese Academy of Meteo-
rological Sciences, Beijing 100081, China; 3 Institute of Agro-Environment and Sustainable Development, Chinese Academy of Agricultural Sciences,
Beijing 100081, China
Abstract: Increasing atmospheric greenhouse gas concentration is expected to induce significant climate change over the next
century, but the impacts on society remain highly uncertain. This paper aimed to assess the potential impacts of climate change on
rice crop (Oryza sativa L.) production in the middle and lower reaches of the Yangtze River, where is one of the most important
food production regions in China. Data taken from the PRECIS regional climate model were used as the baseline (1961–1990) and
future (2021–2050) periods under IPCC SRES A2 and B2 scenario conditions, and were used as input of the rice model
ORYZA2000. Simulations were performed with and without considering the enhanced CO2-fertilization effects to evaluate the
response of rice crop to raised temperature and CO2 concentration, respectively. The results indicated that the rice growth duration
would be shortened and yield would be declined significantly with raising temperature future when CO2-fertilization effects was
not considered. The rice growth duration would be shortened by 4.5 d and yield would be reduced by 15.2% under A2 scenario in
2021–2050 periods compared with the baseline weather while they would be 3.4 d shortened and 15% reduced respectively under
B2 scenario in the same period. The areas where rice yield reduced more than 20% concentrated on most regions of Anhui, Hubei
and Hunan provinces. The significance of the enhanced CO2-fertilization effect to rice crop was found under the simulated future
elevated CO2 concentrations (2021−2050) for both A2 and B2 scenarios. But it was still not enough to offset the negative effects
of warming for single crop rice and early rice, except for the late rice that the contribution of CO2-fertilization effect on rice yield
1520 作 物 学 报 第 36卷

was greater. With considering CO2-fertilization effect, the rice yields declined by 5.1% and 5.8% under A2 and B2 scenarios, re-
spectively. The areas with a serious yield reduction decreased and the average yield reduction were lessened remarkably. Mean-
while, the areas with an increase in rice yields were founded in some parts of Jiangxi and Zhejiang provinces, although the yield
increase might be less than 10%. In addition, the yield stability, defined as the ratio of standard deviation to average yield at each
grid across each province, would be increased in 2021–2050 periods when CO2-fertilization effect was considered, indicating that
the CO2-fertilization effect may reduce the future yield variability. However, there were still many uncertainties in this study. The
possible impact of water stress under future climate was not considered, due to the automatic irrigation pattern selected. The soil
parameters used as input to the ORYZA2000 might increase the uncertainties for assessing the impacts of climate change on rice
yield. Finally, the overall results were compared with those in other studies, in which CERES-Rice was employed and a good
agreement was obtained, indicating that the rice model ORYZA2000 can be well applied in assessing the impact of climate change
on rice crop in China.
Keywords: Middle and Lower Valley of the Yangtze River; Climate change; Rice; ORYZA2000
气候变化已成为全球热门话题。由于未来气候
变化的不确定性, 吸引了大量科学家开展气候变化
影响评估研究。其中, 评估未来气候变化对农业生
产的影响是该项研究的重要内容之一。
中国是农业大国, 气候变化对中国的农业生产
已产生重大影响。由于气候变暖, 中国东北部分地
区近 20年来增温显著, 水稻和玉米产量呈现增加趋
势[1-2]; 由于气候变暖和降水增多, 西北高海拔半干
旱区小麦产量显著增加[3]; 南方近 50年中降水增多,
洪涝、连阴雨天气以及高温热害频次增加, 不利于
水稻等农作物的生产[4-6]。因此, 研究气候变化对中
国农业生产的影响具有重要意义。
近年来, 利用全球气候模式(GCM)构建未来气
候变化情景, 再与作物模型结合的评估方法已成为
研究气候变化对农业生产影响的重要手段[7-14]。例如,
金之庆等最早运用 GCM 资料与水稻[15]、小麦[16]、
大豆[17]和玉米[18]作物生长模型结合, 系统评价了中
国在 CO2有效倍增时气候变化对上述作物生产的影
响; 葛道阔等[19]运用该方法重点阐述了气候变化对
中国南方水稻生产的阶段性影响, 并在模拟试验的
基础上, 提出了若干适应气候变化的农业对策; 陈
华等[20]则提出了基于 GCM 数据和水稻栽培计算机
模拟优化决策系统(RCSODS)的气候变化评价模型
(RCCMOD), 用于评估全球气候变化对水稻生产的
影响。然而, GCM输出的气候数据网格分辨率低, 不
能反映区域气候特征, 且缺乏逐日资料估算的能力,
不能满足气候变化影响评价的需要。因此, 降尺度
法被用于获取既能反映局地气候变化信息, 又具有
较高时间分辨率的区域气候情景数据[21]。当前, 根
据政府间气候变化委员会(IPCC)的排放情景特别报
告(SRES), 结合区域气候模式, 研究区域气候变化
对农作物生长的影响已有大量报道[8,22-25]。如 Chavas
等[8]根据 IPCC SRES A2情景, 将 RegCM3区域气候
模式输出数据与 EPIC 模型结合 , 研究了 2071—
2100时段气候变化对中国东部水稻、小麦和玉米生
产力的影响。Lin等[22]利用区域气候模式 PRECIS和
CERES作物模型分析了 SRES A2和 B2情景下气候
变化和 CO2肥效对中国小麦、玉米和水稻生产力的
影响。类似报道还见于姚凤梅等[23]和熊伟等[24]研究。
同时 , Xiong 等 [25]根据 SRES A2 和 B2 情景 , 将
PRECIS模式和 CERES模型结合分析了气候变化对
中国农业温度阈值的影响。上述研究结果均显示 ,
针对不同区域和作物, 未来气候变化将显著影响中
国的农业生产。
本文根据 IPCC SRES A2和 B2情景, 将区域气
候模式 PRECIS 构建的气候情景数据与水稻生长模
型ORYZA2000结合模拟 2021—2050时段水稻产量,
并与基准气候 (1961—1990)的模拟产量进行比较 ,
重点讨论未来气候变暖和 CO2浓度升高对水稻产量
的影响, 同时进一步验证 ORYZA2000 模型在气候
变化研究中的有效性。
1 研究区域与研究方法
1.1 研究区域概况
包括江苏、安徽、浙江、江西、湖北和湖南 6
省以及上海市在内的长江中下游稻区 , 介于北纬
25°~34°, 东经 109°~122°之间, 其中位于研究区域
内的长江中下游平原是中国三大平原之一, 面积约
20×104 km2, 是中国重要的粮、棉、油生产基地, 水
稻种植面积约占平原总面积的 78%。
长江中下游属亚热带温暖湿润季风气候。年平
均气温 14~18℃, 最冷月平均气温 0~5.5℃, 最热月
平均气温 27~28℃, 无霜期 210~270 d, ≥10℃积温
4 500~6 500℃, 日照时数 700~1 500 h, 年降水量 800~
1 400 mm, 集中于春、夏两季。地带性土壤仅见于低
丘缓岗, 主要是黄棕壤或黄褐土。南缘为红壤, 长江
第 9期 杨沈斌等: 气候变化对长江中下游稻区水稻产量的影响 1521


中下游平原大部分为水稻土[26]。
根据中国水稻种植区划[27], 除安徽和江苏北部
地区属华北单季稻稻作区外, 研究区域大部分属华
中单双季稻稻作区, 水稻生长季 210~260 d。近年来,
随着种植结构的调整, 长江中下游地区双季稻面积
呈现下降趋势, 单季稻面积逐年上升[27]。
1.2 气候变化情景
选用由英国 Hadley 中心区域气候模式系统
PRECIS 构建的基准时段(1961—1990 年)和未来时
段 (2021—2050 年 ) A2、B2 情景气候数据 , 并经
ECMWF (European Centre for Medium-Range Weather
Forecasts)分析订正, 获得研究区 50 km ×50 km网格
分辨率的逐日气象数据, 包括最高温度、最低温度、
降水量、太阳总辐射、风速和相对湿度[21,28]。A2和
B2 情景均描绘了发展倾向区域化的未来世界 , 但
A2 情景下的未来世界发展极不均衡, 人口快速增长,
区域化经济持续发展, 但相对 B2 情景缓慢, CO2排
放处于较高水平。B2 情景下的世界强调区域性经
济、社会和环境的可持续发展, 人口持续增长, 但增
长率低于A2情景, 经济发展速度中等, CO2排放处于
中低水平。表 1统计了研究区域 2021—2050时段A2、
B2情景季节平均温度和降水量相对基准气候的变化。
1.3 土壤数据
选择联合国粮农组织(FAO)和维也纳国际应用
系统研究所 ( I IASA)构建的 HWSD 土壤数据库
(Harmonized World Soil Database) 1.1版 (http://www.
iiasa.ac.at/Research/LUC/External-World-soil-database/
HTML)作为本文土壤数据的主要来源。HWSD土壤
数据为栅格格式, 空间分辨率为 1 km, 其中, 中国
数据源选用第 2 次中国土壤普查数据。HWSD 数据
含土壤表层(0~30 cm)和底层(30~100 cm)两层属性
数据, 包括土壤名称(参照 FAO90 土壤分类系统)、
质地、有效含水量、容重、有机质、酸碱度、电导
率等, 能够满足生态农业分区、粮食安全和气候变
化等研究。另外, 参考中国土壤数据库(http://www.
soil.csdb.cn/), 并根据研究区域土壤属性中黏土、沙土、
质地、容重等参数, 运用 SPAW模型 (http:// hydrolab.
arsusda.gov/SPAW/index.htm)提供的 SWCT (Soil-
Water-Characteristics)模块估算用于水稻生长模拟所
需的其他土壤物理属性参数, 如饱和体积含水量、田
间持水量、凋萎系数以及饱和水传导系数等[29]。
1.4 水稻数据
从中国气象局资料中心取得研究区域 65 个农
业气象站 1981—2006年间的水稻田间试验资料, 包
括水稻品种、生育期、产量和田间管理等。由于部
分站点水稻产量年际间波动较大, 通过查对各年水
稻生育期主要的气象灾害, 兼顾各站点试验数据的
完整性, 剔除受灾害严重或资料丢失的年份或站点,
对资料进行重新组织, 提高了数据的可靠性。另外,
还参考 1981—2006年《中国农业年鉴》, 分别提取
了研究区域各省早稻、双季晚稻、中稻和一季晚稻
面积和总产, 以及化肥(氮、磷、钾和复合肥)施用量
统计数据。
1.5 ORYZA2000模型
1.5.1 模型简介 由国际水稻研究所(IRRI)与荷
兰瓦赫宁根大学联合开发的 ORYZA2000 是一种动
态、机理性较强的水稻生长模型, 可模拟潜在生长、
水分限制和氮素限制 3 种条件下的水稻生长[30]。模
型包括多个模块, 如作物生长和发育、蒸散和水分胁
迫、植株氮素平衡及土壤水分平衡等。ORYZA2000
定义了 4个生理发育阶段, 即出苗(DVS=0)、穗分化

表 1 2021–2050 时段 A2 和 B2 情景相对于基准气候的增温幅度(℃)和降水量变幅(%)
Table 1 Changes of temperature and precipitation in 2021–2050 periods under A2 and B2 scenario relative to baseline
基准气候 Baseline A2情景 A2 scenario B2情景 B2 scenario 季节
Season maxT

(℃)
minT
(℃)
P
(mm)
maxTΔ
(℃)
minTΔ
(℃)
PΔ
(%)
maxTΔ
(℃)
minTΔ
(℃)
PΔ
(%)
春季(3–5月) Spring 19.4 11.0 402.4 1.5 1.4 13.8 1.5 1.4 12.9
夏季(6–8月) Summer 29.6 21.5 466.9 1.7 1.6 11.8 1.7 1.6 7.4
秋季(9–11月) Autumn 20.7 12.5 217.1 1.5 1.8 14.4 1.6 1.6 0.1
冬季(12–2月) Winter 8.9 0.8 136.3 1.5 1.4 −2.4 1.7 1.5 −8.0
年平均 Mean annual 19.8 11.5 1222.7 1.5 1.5 11.4 1.6 1.5 6.2
maxT 、 minT 、 P分别表示平均最高温度、平均最低温度和降水量; maxTΔ 、 minTΔ 、 PΔ 分别表示平均最高温度、最低温度和降水量的
变化。
maxT , minT , P represent mean maximum temperature, mean minimum temperature and precipitation, respectively; maxTΔ , minTΔ , PΔ
represent the changes of the above-mentioned climate variables relative to baseline.
1522 作 物 学 报 第 36卷

(DVS=0.65)、开花期(DVS=1)和成熟期(DVS=2)。模
型通过计算每日发育速率和干物质积累速率, 按不
同发育阶段对上述速率求和, 可模拟各生育阶段和
整个生育期的干物质积累量。在模拟过程中, 群体
光合作用模型采用高斯积分法计算每日冠层 CO2总
同化量, 扣除呼吸消耗后, 可得到每日冠层干物质
净积累量, 并通过分配系数, 将积累量分配到地上
部和地下部。对地上部, 根据不同发育阶段的分配
系数, 将积累的干物质分配到茎鞘、叶片和穗等器
官中, 其中叶生长的模型考虑了叶片衰老过程。氮
素主要影响叶片光合效率、叶片生长速率及叶片衰
老过程。当水稻生长受水分胁迫时, 通过土壤水分
平衡模块, 可模拟由此引起的叶片卷曲、光合效率
下降、发育进程减缓、穗结实率减少等现象。
ORYZA2000 模型能够模拟 CO2 浓度对水稻生
长的影响[30], 主要针对单叶光能利用率的计算引入
了效应系数 , 该系数的计算采用 Jansen[31]推导的
CO2效应系数公式:
2CO
340
1 exp( 0.00305 0.222)
1 exp( 0.00305 340 0.222)
Cε ε − − × −⎛ ⎞= ⎜ ⎟⎜ ⎟− − × −⎝ ⎠
(1)
式中, ε 为叶片 CO2效应系数, ε340是以大气 CO2浓
度为 340 mol L−1时的参考效应系数(取 1),
2COC 为
实际模拟情景下的 CO2浓度。
1.5.2 模型参数定标及验证 ORYZA2000 模型
有较强的普适性, 可模拟不同水稻品种在不同环境
条件下的生长和产量。模型中参数通常设定为默认
值, 但其中反映水稻遗传或品种特性的参数需要根
据大量试验资料确定。
根据已获取的水稻观测数据和统计资料, 研究
区各地稻作制度和水稻品种在时空上均有较大差异,
增加了区域模拟中 ORYZA2000 模型参数定标的难
度, 也增大了区域水稻产量模拟结果的不确定性。
因此, 本文在参照研究区域水稻种植区划的基础上,
以省份作为水稻区域模拟的子区域 (不计上海市 ),
确定符合各省实际水稻生产的稻作类型及代表水稻
品种, 并利用该品种试验数据对 ORYZA2000 进行
水稻遗传参数的标定及验证。其中, 确立代表性品
种的原则为, 在省内多个农业气象站种植或同一个
站点连续多年(3年以上)种植。
运用 ORYZA2000模型内嵌的定标程序 DRATES
确定各代表水稻品种发育速率(development rates), 再
使用 PARAM 程序定标各品种的干物质分配系数
(partitioning factors)、相对叶片生长速率(relative leaf
growth rate)、比叶面积(specific leaf area)、叶片衰亡
速率(leaf death rate)和茎秆存备系数(fraction of stem
reserves), 最后利用验证资料对定标参数进行检验,
从当地气象局获得所用气象资料, 结果如图 1所示。
从图中可以看出, 代表水稻品种产量的模拟相对误
差大多在±15%以内, 相关系数为 0.67。模拟的各生
育期绝对误差 < 5 d, 平均误差为 1.4 d, 相关系数
达到 0.99。由此可见, ORYZA2000模型能够较好地
模拟水稻生育期和产量, 适合在研究区域应用。



图 1 代表水稻品种实测生育期和产量与模拟值对比
Fig. 1 Comparison between the observed and simulated rice growth duration and yields in the studied region
实线为 1∶1参考线, 虚线为±15%相对误差线。
The solid line is the 1:1 reference line and the dashed lines show the relative errors with ±15%.
第 9期 杨沈斌等: 气候变化对长江中下游稻区水稻产量的影响 1523


1.6 模拟气候变化影响的两种方案
采用 ORYZA2000 模型升尺度到省级水平上 ,
将气候变化情景数据与水稻生长模型结合, 模拟未
来不同温室气体排放情景下的水稻产量变化。为此,
建立两种气候变化影响方案, 分别讨论温度升高和
大气 CO2浓度增长对水稻产量的影响。方案 I, 不考
虑大气 CO2 增益效应, 分别模拟并着重分析基准气
候和 A2和 B2两种气候情景下温度升高对水稻生育
期和产量的影响; 方案 II, 依据 A2 和 B2 排放方案,
将大气 CO2浓度升高到各自在 2021—2050时段水平,
模拟这两种情景下水稻的生长发育和产量, 并与方
案 I 进行对比, 着重分析大气 CO2浓度升高对水稻
产量的影响。其中, 基准时段平均大气 CO2 浓度设
定为 330 mol L−1, A2和 B2情景在 2021—2050时段
平均大气 CO2浓度分别设定为 475 mol L−1和 450
mol L−1。
两种方案均采用自动灌溉模式。为实现方案 ,
设定模拟网格分辨率与气候情景数据一致, 即 50 km×
50 km, 因此需要针对每个网格建立ORYZA2000模型
参数文件, 包括逐日气象数据、作物参数、水稻田
间试验数据及土壤数据。
作物参数中水稻遗传参数根据水稻代表性品种
的定标结果设定。由于模拟的稻作类型包括单季稻
和双季稻。因此, 在试验数据中, 设定早稻播种期为
每年日平均温度稳定通过 13℃的初始日期(采用五
日滑动平均法)。单季稻播种日期设定为 5 月 10 日,
双季晚稻播种日期为 6月 22日。还设定总氮肥施用
量为 200 kg hm−2, 分别在移栽期、分蘖期、拔节期
和孕穗期施用 30%、30%、30%和 10%。灌溉方式
为自动灌溉, 即当土壤含水量低于 0.3 m3 m−3时自
动灌溉 75 mm深水量。
土壤数据网格分辨率为 1 km, 与区域模拟的网
格分辨率不一致。因此, 在 ArcGIS 软件中, 运用
IDENTITY 工具将矢量化的土壤数据与气象数据网
格线叠合, 生成新的矢量数据, 并在该数据中运用
规则确定每个网格的土壤类型及对应的参数。规则
为: (1)当格点内某土壤类型所占比率≥50% (除去水
体), 则作为该格点的代表性土壤类型; (2)当格点内
没有超过 50%的土壤类型, 但有 2 个或 3 个≥20%,
那么这几类土壤均作为网格内代表性土壤类型分别
参与方案的模拟。最终, 产量取这几种类型下的最
大模拟值。
1.7 产量统计与分析
根据两种影响评估方案, 计算每个网格内基准
气候和 A2、B2情景下各 30年的水稻产量。分别统
计 A2和 B2情景下单季稻省份水稻和双季稻省份早
稻和晚稻生育期、产量相对基准气候下各水稻生育
期、产量的变化。另外, 设单季稻省份产量为单季
稻 30年的平均产量, 双季稻省份产量为早稻和晚稻
30 年产量的平均值, 分析平均水稻产量的区域变化
特征。同时, 计算年际产量变异系数, 即 30 年产量
的标准差与平均产量的比值。在 SPSS 13.0软件中对
各方案下不同情景的模拟结果进行方差分析和相关
性分析。
2 结果与分析
2.1 增温对水稻产量的影响
2.1.1 水稻生育期变化 从方案 I 的结果看, 相
比基准气候, A2和B2情景的水稻生育期平均缩短了
4.5 d和 3.4 d。通过方差分析, 3种情景下的平均水
稻生育期均存在显著性差异(P<0.05)。图 2显示各省
平均水稻生育期的缩短天数存在一定的差异, 其中
在 A2 情景下江苏平均水稻生育期缩短天数最大 ,
为 8.3 d, 说明增温作用对江苏单季稻生育期影响较
大, 可能与江苏北部地区增温幅度相对较大有关。
对于双季稻省份, A2情景下早稻生育期平均缩短 3.6
d, 晚稻缩短 4.7 d, 其中湖北早稻和晚稻的生育期缩
短天数最大, 分别达到 6.4 d和 7.5 d。根据分析, 湖
北省水稻生育期缩短天数较大的区域主要位于该省
西部海拔相对较高的地区, 该地区在基准气候下水
稻生长季平均温度约为 19.2℃, 比研究区域平均温
度低 1.2℃。然而, 该地区水稻生长季在 A2 情景下



图 2 各省 A2 和 B2 情景下平均水稻生育期 2021–2050 时段相
对基准气候水稻生育期的变化
Fig. 2 Changes in average rice growth duration in 2021–2050
periods under A2 and B2 scenarios compared with that under
the baseline in each province studied
1524 作 物 学 报 第 36卷

平均增温达 1.7℃, 相比其他区域, 增温改善了该地
区水稻生长季的热量条件, 对水稻生育期的影响更
加明显。在 B2 情景下, 早晚稻生育期变化与 A2 情
景相似。由此可见, 气候变暖加速了水稻的生育进
程, 缩短了水稻的生育期。
2.1.2 水稻产量变化 根据方差分析结果, 方案
I 中 A2 和 B2 情景下的水稻模拟产量均呈现明显减
产趋势, 其平均产量较基准气候下的平均产量达到
0.01极显著水平。根据统计, A2情景下研究区域水
稻平均减产 15.2%, B2情景减产 15.0%。其中, 单季
稻省份在 A2和 B2情景下分别减产 15.2%和 15.4%;
双季稻省份早稻在 A2和 B2情景下平均减产 14.9%
和 11.5%, 晚稻平均减产分别为 15.5%和 17.6%。由
此可见, 增温作用下减产明显。其原因是增温造成
水稻生育期缩短, 致使光合作用时间减少, 灌浆不
充分。另外, 单季稻和双季晚稻生长期经历了平均
温度高且增温幅度大的 7、8月份, 极易受到极端高
温事件的影响, 其减产幅度明显大于早稻。
图 3分别绘出了 A2和 B2情景下水稻产量变化
的空间分布图和两种情景水稻产量的相对变化, 可
以看出, 相对于基准气候, A2和 B2情景下的水稻产
量变化在空间分布上呈现较好的一致性。图中连片
蓝色区域主要对应减产 20%以上的区域, 集中在安
徽中南部、湖北东南部和湖南东部, 但该区域在图
3-b中有所缩小, 且减产幅度降低。江苏、浙江和江
西大部分地区减产幅度在 10%~20%之间。减产的区
域格局主要与增温幅度的空间分布有关。图 3-a和图
3-b 中红色格点分布离散, 且大多对应海拔较高的
区域, 如湖北西部、湖南和江西的南部区域, 表明增
温将有利于海拔较高地区的水稻增产。A2 和 B2 情
景的年平均温度差异约为 0.5℃, 两种情景下水稻的
平均模拟产量差异为 0.2%, 且模拟方案中均采用自
动灌溉方式。因此, 图 3-c中产量变化的空间分布差
异主要受到 A2 和 B2 情景的温度空间分布差异影
响。然而, A2和 B2情景水稻生长季的降水空间分布
差异引起太阳辐射的区域差异, 是局地产量变化差
异较大的另一个重要原因。
图 4从下至上依次为最小值、1/4分位数、中位
数、3/4分位数、最大值和异常值(加号)。可以看出,
各省水稻平均产量变化在两种情景之间总体上差异
不大。在 A2情景下, 安徽、湖北和湖南的产量变化
具有较大的分散性(图4-a), 而在 B2 情景下, 安徽、
湖北和江西的产量变化呈现较大的分散性(图 4-b),
说明上述省份的产量变化相对其他省份具有较大的
空间差异。
2.2 大气 CO2肥效作用对水稻产量的影响
将方案 II 与方案 I 的模拟结果进行对比, 大气
CO2 的肥效作用在一定程度上削弱了增温的不利影
响, 使水稻模拟产量的总体水平得到有效提高。据
统计, 如果考虑大气 CO2肥效作用, A2 情景下研究
区域水稻平均产量较之基准气候下的产量下降 5.1%,
单季稻省份减产 10.2%, 双季稻省份早稻减产 8.7%,
而晚稻增产 8.8%。在 B2 情景下, 研究区域平均产
量减少 5.8%, 单季稻省份减产 10.4%, 双季稻省份
早稻减产 5.9%, 晚稻增产 3.6%。数据表明, 大气
CO2 浓度升高对水稻产量具有一定的正面作用, 其
中 CO2浓度较高的 A2 情景对水稻生产的正效应总
体高于 B2情景。然而, 大气 CO2肥效作用对单季稻、



图 3 不考虑 CO2 肥效作用下研究区 2021–2050 时段水稻平均产量变化
Fig. 3 Changes of rice yield in 2021–2050 periods without CO2 fertilization
(a) A2情景相对基准气候; (b) B2情景相对基准气候; (c) A2情景相对于 B2情景。
(a) under A2 scenario; (b) under B2 scenario; (c) the change of rice yield between A2 and B2 scenarios.
第 9期 杨沈斌等: 气候变化对长江中下游稻区水稻产量的影响 1525




图 4 不考虑 CO2 肥效, 2021–2050 时段 A2(a)和 B2 情景(b)下各省水稻平均产量变化箱线图
Fig. 4 Changes in rice yield in 2021–2050 periods under A2 scenario (a) and B2 scenario (b) without considering the CO2 fertiliza-
tion for each province

早稻和双季晚稻的正效应存在较大差异。在 A2情景
下, 大气 CO2 肥效作用对单季稻、早稻和晚稻的增
产贡献分别为 5.0%、6.2%和 24.2%, 而在 B2情景下,
分别为 5.0%、5.6%和 21.2%。可以看出, 大气 CO2
肥效对晚稻产量的正效应最大, 抵消了增温对晚稻
生产的不利影响, 可能与晚稻生长中后期气温渐凉,
有利于 CO2肥效作用的发挥有关。
从图 5 可以看出, 水稻减产 20%以上的区域主要
集中在安徽的中南部地区, 与图 3 相比范围明显缩
小。另外, 湖北东南部和湖南东部水稻减产幅度减
小, 而江西和浙江部分地区增产明显, 与该地区晚
稻的大幅增产有关。图 6 与图 4 相比, 大气 CO2肥
效作用对各省份水稻产量贡献程度不同, 在 4.5%~
30.0%之间。长江以南省份的水稻产量总体水平均有
较大提高。安徽水稻平均产量变化呈现较大分散性,
表明其产量变化的空间差异较大。
为进一步分析大气 CO2肥效作用对水稻产量的
影响, 比较了两种方案下各省产量的年际变率。从
表 2 可以看出, 两种方案在 A2 和 B2 情景下, 水稻
产量年际变率均比基准气候高。方案 I 中, A2、B2
情景下的平均变率分别为 27%和 26%, 较基准气候
分别增加 8%和 6%, 其中安徽产量变率增加最大,
分别为 10%和 9%, 而江苏最小, 分别为 4%和 3%。
方案 II 中, A2和 B2 情景的平均变率分别为 26%和
25%, 较基准气候分别增加 6%和 5%, 略低于方案 I
中各情景的产量变率增加幅度, 表明 CO2 浓度升高



图 5 CO2 肥效作用下 2021–2050 时段研究区水稻平均产量变化
Fig. 5 Changes of rice yield in 2021–2050 periods with CO2 fertilization
(a) A2情景相对基准气候; (b) B2情景相对基准气候。
(a) under A2 scenario; (b) under B2 scenario.
1526 作 物 学 报 第 36卷



图 6 考虑 CO2 肥效时, 2021–2050 时段 A2(a)和 B2 情景(b)下各省水稻平均产量变化箱线图
Fig. 6 Changes in rice yield in 2021–2050 periods under A2 (a) scenario and B2 (b) scenario with CO2 fertilization for each province

表 2 两种方案下各省水稻稳产性比较
Table 2 Comparison of interannual yield variability between two impact evaluation schemes
方案 I Scheme I 方案 II Scheme II 省份
Province 基准气候
Baseline
A2情景
A2 scenario
B2情景
B2 scenario
A2情景
A2 scenario
B2情景
B2 scenario
江苏 Jiangsu 0.16 0.20 0.19 0.18 0.17
安徽 Anhui 0.23 0.32 0.32 0.31 0.30
湖北 Hubei 0.17 0.26 0.24 0.25 0.24
湖南 Hunan 0.22 0.28 0.25 0.28 0.26
江西 Jiangxi 0.19 0.26 0.25 0.26 0.24
浙江 Zhejiang 0.21 0.31 0.30 0.29 0.28

可能有助于提高未来气候变化下的水稻稳产性。
3 讨论
本文结果显示, 在不考虑大气 CO2 肥效作用的
情况下 , 随着温度的增加 , 水稻生育期缩短 , 产量
下降。减产达 20%以上的区域, 主要集中在安徽中
南部、湖北东南部和湖南东部地区。随着大气 CO2
浓度升高, CO2 的肥效作用在一定程度上可提高水
稻产量, 但对单季稻和双季早稻增产的贡献不足以
抵消升温的负面影响。晚稻生长中后期气温转凉 ,
有利于大气 CO2 肥效发挥作用, 使晚稻呈现不同程
度的增产态势。另外, CO2浓度升高可降低未来气候
情景下产量的年际变率。
ORYZA2000 模型用于气候变化对水稻生产影
响的评价研究还鲜见报道[33-35]。本文选用 ORYZA2000
作为研究工具 , 其模拟结果与同类研究 [14,19,32,36]中
运用 CERES-Rice模拟的结果大体一致。与 CERES-
Rice相似, ORYZA2000采用系数修正法订正了大气
CO2浓度对水稻光合作用的影响, 但 Bannayan等[35]
通过试验发现, 当考虑 CO2 肥效时, 氮素胁迫下的
水稻生长不能被 ORYZA2000正确模拟。因此, 本文
在模拟方案中设定固定氮肥施用量增加了模拟结果
的不确定性。另外, 土壤参数主要来自 HWSD 数据
和 SPAW模型提供的 SWCT模块。SWCT模块通常
为水文领域研究提供土壤参数的估算值, 在农业生
态领域的应用还缺乏相关报道。因此, 土壤参数的
选择对研究结果的影响还需要进一步验证。
以行政省份作为水稻区域模拟的子区选择各省
水稻代表性品种, 增加了由不同水稻品种对增温和
大气 CO2 肥效响应差异带来的模拟结果的不确定
性。同时, 试验方案中选择自动灌溉方式, 可忽略未
来气候变化背景下降水增多对水稻产量的影响 [26],
但由降水增多引起的太阳辐射减少, 潜在影响了水
稻产量的提高。
值得注意的是 , 本文研究方案还存在较多不
足。例如, 研究方案中早稻播种期设置为年日平均
温度稳定通过 13℃的初始日期, 可能出现连续年份
之间播种日期变化较大的情形, 同时也降低了结果
的可比性; 将安徽省作为单季稻区, 不符合实际情
形, 因为皖南地区为典型的双季稻区。另外, 湖北、
第 9期 杨沈斌等: 气候变化对长江中下游稻区水稻产量的影响 1527


湖南、江西和浙江 4 省山区以单季稻为主, 且占研
究区域较大面积, 但在本文中作为双季稻区进行模
拟, 增加了结论的不确定性。
4 结论
在未来温度升高环境下, 研究区域水稻生育期
缩短, 产量下降。大气 CO2 浓度升高对水稻产量具
有一定的正效应, 但对单季稻和双季早稻增产的贡
献仍不足抵消升温对产量的负面影响。相比单季稻
和早稻, 大气 CO2 浓度升高对晚稻的增产在一定程
度上抵消了增温的不利影响。另外, ORYZA2000模
型具有较强的机理性和普适性, 可用于水稻生产应
对未来气候变化的研究。
References
[1] Wang Z-M(王宗明), Song K-S(宋开山), Li X-Y(李晓燕), Zhang
B(张柏), Liu D-W(刘殿伟). Effects of climate change on yield of
maize in maize zone of Songneng Plain in the past 40 years. J
Arid Land Res Environ (干旱区资源与环境), 2007, 21(9):
113–117 (in Chinese with English abstract)
[2] Fang X-Q(方修琦), Wang Y(王媛), Xu T(徐锬), Yuan Y-R(云雅
如). Contribution of climate warming to rice yield in Heilong-
jiang province. Acta Geol Sin (地理学报), 2004, 59(6): 820–828
(in Chinese with English abstract)
[3] Xiao G J, Zhang Q, Yao Y B, Zhao H, Wang R Y, Bai H Z, Zhang
F J. Impact of recent climate change on the yield of winter wheat
at low and high altitudes in semi-arid northwestern China. Agric
Ecosyst Environ, 2008, 127: 37–42
[4] Tao F L, Yokozawa M, Liu J Y, Zhang Z. Climate-crop yield rela-
tionships at provincial scales in China and the impacts of recent
climate trends. Clim Res, 2008, 38: 83–94
[5] Zhao H-Y(赵海燕), Yao F-M(姚凤梅), Zhang Y(张勇), Xu B(徐
宾), Yuan J(袁静), Hu Y-N(胡亚南), Xu Y-L(许吟隆). Correla-
tion analysis of rice seed setting rate and weight of 1000-grain
and agro-meteorology over the middle and lower reaches of the
Yangtze river. Sci Agric Sin (中国农业科学), 2006, 39(9):
1765–1771 (in Chinese with English abstract)
[6] Yao F-M(姚凤梅), Zhang J-H(张佳华). Change of relative ex-
treme high temperature events and climate risk in rice growing
period in China from 1981–2000. J Nat Disasters (自然灾害学
报), 2009, 18(4): 37–42 (in Chinese with English abstract)
[7] Mo X G, Liu S X, Lin Z H, Guo R P. Regional crop yield, water
consumption and water use efficiency and their responses to cli-
mate change in the North China Plain. Agric Ecosyst Environ,
2009, 134(1/2): 67–78
[8] Chavas D R, Cesa lzaurralde R, Thomson A M, Gao X J.
Long-term climate change impacts on agricultural productivity in
eastern China. Agric For Meteorol, 2009, 149: 1118–1128
[9] Ju H(居辉), Xiong W(熊伟), Xu Y-L(许吟隆), Lin E-D(林而达).
Impacts of climate change on wheat yield in China. Acta Agron
Sin (作物学报), 2005, 31(10): 1340–1343 (in Chinese with Eng-
lish abstract)
[10] Tubiello F N, Donatelli M, Rosenzweig C, Stockle C O. Effects
of climate change and elevated CO2 on cropping systems: model
predictions at two Italian locations. Eur J Agron, 2000, 13:
179–189
[11] Tao F L, Zhang Z, Liu J Y, Yokozawa M. Modelling the impacts
of weather and climate variability on crop productivity over a
large area: A new super-ensemble-based probabilistic projection.
Agric For Meteorol, 2009, 149: 1266–1278
[12] 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, 34(9): 1588–1597 (in Chinese
with English abstract)
[13] 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)
[14] Lin E D. Agricultural vulnerability and adaptation to global
warming in China. Water Air Soil Pollut, 1996, 92: 63–73
[15] Jin Z-Q(金之庆), Ge D-K(葛道阔), Fang J(方娟). Assessing the
impact of climate change on Chinese rice production. J Nanjing
For Univ (南京林业大学学报), 1991, 10(suppl): 11–19 (in Chi-
nese with English abstract)
[16] Jin Z-Q(金之庆), Fang J(方娟). Prospect to the impacts of cli-
mate change on winter wheat production in China. Acta Agron
Sin (作物学报), 1994, 20(2): 186- 197 (in Chinese with English
abstract)
[17] Jin Z-Q(金之庆), Ge D-K(葛道阔), Chen H(陈华), Zheng
X-L(郑喜莲). Positive and negative effects of global climate
change on soybean production in China. Soybean Sci (大豆科学),
1994, 13(4): 302−311 (in Chinese with English abstract)
[18] Jin Z-Q(金之庆), Ge D-K(葛道阔), Zheng X-L(郑喜莲), Chen
H(陈华 ). Assessing the potential impacts of global climate
change on maize production in China. Acta Agron Sin (作物学
报), 1996, 22(5): 513−524 (in Chinese with English abstract)
[19] Ge D-K(葛道阔), Jin Z-Q(金之庆), Shi C-L(石春林), Gao
L-Z(高亮之). Gradual impacts of climate change on rice produc-
tion and adaptation strategies in southern China. Jiangsu J Agric
Sci (江苏农业学报), 2002, 18(1): 1–8 (in Chinese with English
abstract)
[20] Chen H(陈华), Jin Z-Q(金之庆), Ge D-K(葛道阔), Shi C-L(石春
林), Gao L-Z(高亮之), Wei X-F(魏秀芳). RCCMOD: An effect
model to assess the application of global climate change on rice
production in southern China. Jiangsu J Agric Sci (江苏农业学
报), 2004, 20(3): 129–134 (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 Center, 2004. pp 1–45
[22] Lin E D, Xiong W, Ju H, Xu Y L, Li Y, Bai L, Li X Y. Climate
change impacts on crop yield and quality with CO2 fertilization in
1528 作 物 学 报 第 36卷

China. Philos Trans R Soc B, 2005, 360: 2149–2154
[23] Yao F-M(姚凤梅), Zhang J-H(张佳华), Sun B-N(孙白妮), Xu
Y-L(许吟隆), Lin E-D(林而达), Men Y-Z(门艳忠). Simulation
and analysis of effects of climate change on rice yields in south-
ern China. Clim Environ Res (气候与环境研究), 2007, 12(5):
659–666 (in Chinese with English abstract)
[24] Xiong W(熊伟), Ju H(居辉), Xu Y-L(许吟隆), Lin E-D(林而达).
Regional simulation of wheat yield in China under the climatic
change conditions. Chin J Eco-Agric (中国生态农业学报), 2006,
14(2): 164–167 (in Chinese with English abstract)
[25] Xiong W, Lin E D, Ju H, Xu Y L. Climate change and critical
thresholds in China’s food security. Clim Change, 2007, 81(2):
205–221
[26] State Soil Survey Service of China (全国土壤普查办公室).
China Soil Series, Vol. 5 (中国土种志第五卷). Beijing: China
Agriculture Press, 1993. pp 2–389 (in Chinese)
[27] Cheng S-H(程式华), Li J(李建). Modern Chinese Rice (现代中
国水稻). Beijing: Jindun Publishing House, 2007. pp 116–240 (in
Chinese)
[28] Xu Y L, Huang X Y, Zhang Y, Lin W T, Lin E D. Statistical
analysis of climate change scenarios over China in the 21st cen-
tury. Adv Clim Change Res, 2006, 2(suppl-1): 50–53
[29] Wei H-B(魏怀斌), Zhang Z-P(张占庞), Yang J-P(杨金鹏). Es-
tablishing method for soil database of SWAT model. Water Res
Hydro-Power Eng (水利水电技术), 2007, 38 (6): 15–18 (in
Chinese with English abstract)
[30] Bouman B A M, Kropff M J, Tuong T P, Wopereis M C S, ten
Berge H F M, van Laar H H. ORYZA2000: Modeling Lowland
Rice. Los Banos: International Rice Research Institute, 2001. pp
1–158
[31] Jansen D M. Potential rice yields in future weather conditions in
different parts of Asia. Neth J Agric Sci, 1990, 38: 661–680
[32] Yao F-M(姚凤梅). Assessing the Impact of Climate Change on
Food Production in China. PhD Dissertation of Chinese Academy
of Sciences, 2005. pp 75–82 (in Chinese with English abstract)
[33] Krishnan P, Swain D K, Chandra Bhaskar B, Nayak S K, Dash R
N. Impact of elevated CO2 and temperature on rice yield and
methods of adaptation as evaluated by crop simulation studies.
Agric Ecosyst Envrion, 2007, 122: 233–242
[34] Matthews R B, Kropff M J, Horie T, Bachelet D. Simulating the
impact of climate change on rice production in Asia and evaluat-
ing options for adaptation. Agric Syst, 1997, 54: 399–425
[35] Bannayan M, Kobayashi K, Kim H Y, Lieffering M, Okada M,
Miura S. Modeling the interactive effects of atmospheric CO2 and
N on rice growth and yield. Field Crops Res, 2005, 93: 237–251
[36] Zhao H-Y(赵海燕). Impacts of Climate Change to Rice Produc-
tion and Adaptability Analysis over Middle and Lower Reaches
of the Yangtze River. MS Dissertation of the Chinese Academy of
Agricultural Sciences, 2006. pp 29–44 (in Chinese with English
abstract)


~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

欢迎订阅 2010 年《农业科技通讯》

《农业科技通讯》是农业部主管、中国农业科学院主办的农业技术期刊, 为全国农业核心期刊。本刊及
时报道农业最新研究成果, 尤其是种业界的新产品、新技术。侧重大田, 兼顾园艺, 是种植业者首选刊物。
主要栏目有人物风采、工作研究、专题论述、试验研究、粮食作物、经济作物、蔬菜、果树、西甜瓜、林
木花卉、良种荟萃、市场信息等。内容丰富翔实、信息量大、技术实用。
《农业科技通讯》为月刊, 每月 17日出版; 刊号 ISSN 1000-6400, CN 11-2395/S; 邮发代号: 2-602, 每期
定价 8元, 全年 96元。全国各地邮局及本刊编辑部均可订阅。
地址: 北京中关村南大街 12号《农业科技通讯》编辑部(邮编: 10008)
电话: 010-82109664, 82109665, 82106276; 传真: 010-82109664
E-mail: tongxuna@yahoo.com.cn