当前世界环境

介绍

印度的水稻产量超过4386万公顷，是所有水稻种植国家中面积最大的，水稻产量为1.572亿吨。印度的净灌溉面积为6610万公顷(2012 - 2013年)。灌溉水稻面积只有2512万公顷，占全国水稻总面积4275万公顷的58%。¹丰收季节的水稻产量为494万吨，平均产量为3.35吨/公顷。与此同时，粮食总种植面积为209万公顷，水稻种植面积为148万公顷(moafw -印度农业和农民福利部2017-18)。气候变化的影响是通过温度和降雨的变化来观察的。政府间气候变化专门委员会(ipcc - ar6)指出，到2020年^圣本世纪，南亚的预估年平均气温将上升3-6倍^°C在最坏情况下(RCP8.5)和2-3^°C在低排放情景下(RCP 2.6)。²随着全球气温上升、城市扩张和环境恶化，孟加拉国和印度的洪水可能会变得更加严重。在一切照旧的RCP6至RCP8.5情景下，预计到2030年印度的平均气温将上升1.7至2摄氏度，到2080年将上升3.3至4.8摄氏度。到本世纪末，暴雨事件可能会更频繁地发生。而低、中降水事件将减少。^3.在印度，气候变化因地区而异，影响着农业生产。⁴D在作物生长期间季节，温度升高降低产量，但CO的影响₂在某种程度上，施肥可以减少它们的不良影响。⁵

根据官方统计，约有4982万公顷，即印度总面积的15%，极易受到洪水的影响。在安得拉邦，该州受洪水影响的稻田面积(公顷)为58,571.68公顷。^6.直到20世纪80年代，水渠灌溉一直主导着灌溉部门。20世纪90年代以后，开始转向替代灌溉水源。目前灌溉的主要来源是地下水，包括管井和水井，占净灌溉的49%。地下水占110万公顷，运河占140万公顷，水箱占30万公顷。在1.3万个蓄水池和90个灌溉项目的帮助下，该州产生了484万英亩的灌溉潜力。⁷

目前可用的高产品种具有遗传产量潜力，可以通过杂交技术和新植物类型相结合，提高产量上限。⁸从DES获得了地区一级的土地使用信息，重点是1988年至2018年安得拉邦政府的丰收季水稻种植(经济和统计局)。在Kharif和Rabi季节，收集了水稻播种面积的数据。在安得拉邦的丰收初级水稻生长季节，83%的水稻处于灌溉状态，17%的水稻在每个季节都是雨养的。安得拉邦的灌溉总面积为398.5万公顷。其次是玉米(5.47%)、辣椒(4.22%)和花生(4.22%)、棉花(2.51%)和甘蔗(1.93%)。丰收水稻在6 - 9月季风开始时播种，在11月到1月之间收获。本研究主要关注的是Kharif季节。此外，该研究还考虑了安得拉邦的13个地区进行分析。

对作物模型来说，模拟作物生长特征对各种土壤、农艺管理和气候条件的响应是至关重要的。^{9 - 10}在生物物理在过去的30年里，全球科学家一直在使用和评估DSSAT。^{11 - 13}

DSSAT模型可以估算生物量、叶面积指数、作物产量、作物水分胁迫、氮胁迫、土壤水分平衡等。利用DSSAT在25km空间分辨率下，对干旱条件下高粱作物需水胁迫进行了GRID水平的研究。¹⁴本研究采用随机森林算法作为机器学习方法来估计当前和未来情景下的小麦作物产量。^{15 - 16岁}在python中开发了RCYES工具，在0.25的空间水平上估计作物产量^°X 0.25^°(25公里)。RCYES系统包括两个模块，其中一个模块根据IMD网格数据准备DSSAT天气文件，另一个模块模拟25公里空间分辨率的作物产量。本文利用RCYES工具估算了不同气候变化情景下的作物产量。由于气候模式对气候变化的反映优于气候变量的变化，因此气候模式产生的未来气候预报经常用于影响研究。为了预测气候变量，如降水、温度、风和其他依赖于大气中温室气体排放的因素，已经建立了全球气候模式(GCMs)。在区域层面上，它们无法捕捉系统的特征和动态。用于揭示气候变化影响的GCM产量在预测作物产量方面显示出更大的不确定性。^17日

安得拉邦是印度重要的水稻种植邦。作物模拟建模是一种研究方法，可通过评估这些潜在困难对这些作物的转移，对作物进行适当规划并实施缓解和适应措施，以确保粮食安全。CERES模型预测未来的农业产量变化，可以帮助决策者和农业社区制定适应和缓解措施。

水稻产量0.25时^°×0.25^°对安得拉邦13个地区2048 - 2078年气候变化情景的空间分辨率进行了评估，目标如下:

1. 以1988-2018年为基准和2048 - 2078年为预估气候的水稻产量时空变异
2. 评估安得拉邦的水稻产量，并比较各种gcm的结果

数据和方法

研究区域

研究区域包括安得拉邦，其地理范围为162970公里²位于该国东南海岸，位于北纬12°33′和19°09′之间，东经76°38′和84°42′之间。代表安得拉邦的研究区域地图如图1所示。研究区域是安得拉邦，西部是卡纳塔克邦和特伦甘纳邦，北部是奥里萨邦，南部是泰米尔纳德邦，安得拉邦沿海和拉亚拉西马两个地区分布在13个地区。主要河流，即Godavari, Krishna, Penna, Vamsadhara和Nagavelli流经该邦，因此，该形式容易发生反复发生的洪水。安得拉邦的气候是炎热和潮湿三季平均降水量966毫米。西南季风季节(6 - 9月)的降水量为556毫米，占总降水量的58%。东北季风季节10月至12月降水量达296毫米，占全国总降水量的31%。冬夏季节1 - 5月降水量为114毫米，占总降水量的11%。

图1:印度安得拉邦研究区域地图 点击此处查看图

方法和气候数据

方法

该研究的方法分为8个步骤。

1. 每天雨量(R)及测量的三个变量为最高气温(T马克斯)、最低温度(T分)和太阳辐射(rad)印度气象部门(IMD)的数据提取了30年(1988-2018))在研究区域内使用220个网格。
2. 利用平均变率gcm或来自耦合模式比对项目(CMIP5)的全球环流模式，建立了代表性浓度路径(RCP8.5)本世纪中期气候情景(2048-2078)下的未来预估气候情景。²¹
3. 选择5种gcm来评估本世纪中叶的气候条件(冷/干、冷/湿、热/干、热/湿和中期)，它们通过平均月降雨量和温度变化来表明不确定性，从而导致平均变率情景的产生。将月平均降水和温度数据应用于基线数据，开发本世纪中叶情景，并与AgMIP 2013开发的气候变化情景进行比较(AgMIP, 2013)。
4. 利用GCM模型预测的气候数据，利用DSSAT模型的季节分析模块来衡量气候变化对水稻投入的影响。在基准期(1988-2018)，CO₂对于RCP为8.5的本世纪中叶气候情景(2048-2078)，则使用571 ppm。²²
5. IMD的网格化气象数据用于评估作物产量python来自研究区域内的(RCYES)的脚本。
6. 五个gcm在预测期内的未来气候情景被用来评估作物产量python来自研究区域内的(RCYES)的脚本。
7. 安得拉邦政府经济和统计局(DES)提供了观测到的作物产量数据。
8. 从DES获得的记录作物产量数据与使用基线气象数据计算的水稻产量之间的相关性。
9. 本研究采用的方法如图2所示。RCYES系统由两个模块组成:一个模块用于根据IMD网格数据准备DSSAT天气文件，另一个模块用于模拟25公里空间水平上的作物产量。下面给出了这些模块的更多细节。

图2:方法方法的概述。 点击此处查看图

气候数据

驱动作物生物物理模拟模型的关键因素是使用天气模块获得的天气数据。观测到的日格点降水²³、温度数据²⁴(最大值和最小值)是使用WEATHER MODULE以所需格式(即GRD)检索的

GitHub用户可以在源代码处访问WEATHER模块¹⁴．模拟的日基线和未来气候数据来自(CMIP5)。．未来气候情景是利用29个全球气候模式生成的(GCMs)。通过温度和降水(T&P) GCM亚设定方法，从中选择了5个GCM。²⁵由于这种方法，29个gcm根据其与降水和温度的总体中位数的偏差被划分为五个象限。然后将GCM预估的气候分为冷/热和湿/干。这些条件的混合构成四个象限:冷/湿、冷/干、热/湿和热/干。另一个象限，中间，表示上述四种气候条件的关系。表1给出了本研究中使用的五种GCMs，即CanESM2、CESM1-BGC、HadGEM2-CC、INMCM4.0和MRI-CGCM3。因此，本研究考虑的时间段是基线期(1988-2018年)和基于高代表性浓度路径(RCP 8.5)的本世纪中叶(2048-2078年)的未来气候情景，考虑到到2100年估计的辐射强迫达到8.5 W/m2。²⁶通过实施增强型δ技术，生成均值和变率变化情景。²⁷DSSAT的季节分析模块适合模拟长期生长季节的表现。对于季节的第一个模型，本研究使用CERES-Rice模型进行季节性水稻分析，仅考虑初始土壤条件。利用DSSAT中的季节水稻分析分量模拟两个时期，即基线期(1988-2018)和本世纪中期(2048-2078)。此外，水稻产量模拟用CO进行₂基准浓度为360ppm，本世纪中叶为571ppm，以便了解CO的影响₂论水稻的生长与产量。²⁸未来的世纪中期模拟使用“R”脚本进行。²⁹利用DSSAT (v 4.7)的RCYES数据，获得了气候变化对水稻产量的空间影响。表1提供了所选的5种gcm及其空间分辨率、CO₂的概念，以及本研究的气候条件象限。

表1:气候变化对作物产量的影响使用五个选定的gcm进行评估。

土壤

dssat作物模拟模块所需的土壤特性包括土壤-水平衡、养分动态和其他影响作物生长发育的因素。这些因素由土层厚度、萎蔫点、地下水位深度、有机质含量、结构、田间容量、土壤质地、根区厚度、容重、土壤深度、pH值、饱和导电性、EC、土壤坡度等决定。研究区安得拉邦由六种不同的土壤质地组成，以壤土为主。本研究中使用的10公里空间分辨率的土壤数据是Harvard Dataverse，可在以下网站获得:源

作物类型与农艺管理实务

水稻是安得拉邦在丰收季节(6月至9月)普遍种植的谷类作物。它一般有长、短、中期的水稻品种。农民们表示，他们更希望看到抗旱和对肥料反应更灵敏的品种。在本研究中，利用安得拉邦种植的三种最受欢迎的品种来研究气候变率和变化如何影响农业。Samba Mahsuri (BPT 5204)品种的传播率约为68%，Swarna (MTU7029)的传播率为14%，在安得拉邦的Pushyami (MTU 1075)的传播率为2.5%。目前的研究重点是中期品种(150天)。Samba Mahsuri (BPT 5204)于1986年发布，是在安得拉邦的Kurnool, Kadapa, Chittoor, Anantapur和Guntur地区种植的主要细粒大米和烹饪品质品种。较老的品种，MTU 7029 (Swarna)，于1982年发布，是长持续时间(150-155天)短，粗粒品种，生长在东哥达瓦里，西哥达瓦里地区的浅水低地生态中。Swarna品种是一种多分蘖的半矮秆植物，叶片深绿色，抗细菌性叶枯病。Pushyami (MTU 1075)是一种半矮秆植物，高108厘米，耐叶折、叶瘟、BLB、BPH、WBPH和鞘枯病。 It is a medium-duration variety (135-140 days) with long, thin grains in Srikakulam, Vizianagaram and Visakhapatnam. The environment selected for a specific crop can change across time and space. It is crucial to comprehend the impact of climate change on rice productivity while maintaining uniformity in soil conditions, climate and crop management practices. In these impact assessment studies, it is essential to consider the effects of the climate's temporal variability.作物模型是将气候信息以及土壤和管理情景转化为作物产量的有用工具。在模拟分析中，种植日期间隔7天的灌溉水稻作物从27日开始^th6月至26日^th每年九月。种植间距为15 × 10厘米。30 d后，初田区进行移栽。在干燥条件下，幼苗将迅速产生更多分蘖，并产生更显著的影响。^30.施用三等量氮肥，剂量为1^圣在移植当天分裂2^nd在第一次给药后15天，3^{理查德·道金斯}在第二次注射后45天。地区化肥为70公斤/公顷(Srikakulam, Vizianagaram和Visakhapatnam)， 80公斤/公顷(东戈达瓦里，西戈达瓦里，克里希纳)和140公斤/公顷以上Guntur, Prakasam, Nellore, Chittoor, Kadapa, Anantapur, Kurnool)。作物种植，灌溉次数。

移植是安得拉邦种植水稻的主要方法。移栽方法是先在苗圃育苗，然后移栽到主田，这需要大量的劳动力。人口增长带来的更广泛的劳动力供应是这种劳动密集型水稻生产技术的原因之一。安得拉邦的平均水稻产量在2347公斤/公顷(维萨卡帕特南)到4931公斤/公顷(贡图尔)之间变化，平均水稻产量为4084公斤/公顷(表2)。

表2:1991-2018年在安得拉邦主要水稻种植区观测到的最高、最低和平均水稻产量(Y)

图3:农业推广的新领域-第二卷 点击此处查看图

表3:品种MTU-1010、MTU-7029和BPT-5204的遗传系数。

P1 -从幼苗出苗到基本营养期结束的时间，用生长度天(GDD)表示，带9^°C基温用于计算^°c - d。

P2R -向穗形成阶段发育延迟的水平，用生长日数(GDD)表示^°C-d，在P2O以上每小时增加的光周期(GDD);

P5 -灌浆期°C-days

P2O -临界光周期(h)

G1 -潜在小穗数是根据花期主茎(不包括叶片、鞘和穗)每克干重的小穗数来估计的，用系数(数)表示。

G2 -理想生长条件下的单粒重，以克表示;

G3—分蘖系数(标量值);

PHINT -千兆位间隔

THOT -^°高于此温度会影响小穗的不育性。

TCLDP -^°温度(°C)，低于此温度，穗粒形成进一步延迟

TCLDF -^°温度(℃)，低于此温度时，小穗的不育性受到低温的影响。

G4 -耐温系数(标量值)

CERES-Rice模型中使用的校准遗传系数取自已发表的文献(Arumugam et al.， 2020)。遗传系数P5、G1、G2、G3和G4控制生殖生长，遗传系数P1、P2O和P2R控制营养生长。营养生长期和生殖生长期的遗传系数因水稻类型和品种而异(表3)。

作物管理信息

RCYES模块在创建和生成季节实验文件后，以批处理方式处理DSSAT。农艺作物管理信息包括作物种植、播期、灌溉、肥料用量、作物品种等数据。有关作物管理的资料引自《农业推广新领域》第二卷。³¹根据RCP 8.5，预测了3个品种在基线和中期气候期的移栽日期的产量。利用5种gcm分别模拟了30年的基线和本世纪中叶水稻产量(RCP 8.5)，以评估气候变化对水稻产量的影响。

结果与讨论

天气数据

气象日最高气温_马克斯(T)最低温度_最小值(T)太阳辐射_（年代_rad）和雨_(右)现将基准期的推算结果和未来的预测列示如下。

降水

5个gcm的基线期降水和预估降雨量的月变化以箱须图表示。水平线表示本研究所考虑的时间段内每个月的平均降水量，方框表示日降雨量的上下四分位数边界，胡须表示整个数据集中观测到的最小值和最大值。

图4:基线期和未来预估期降水的月变化 点击此处查看图

图4显示了基线期30年(1988-2018)和所有五个gcm的月气候变率，以及基线期和未来气候情景降水数据集的月变化。整个冬季(1 - 2月)的最大降水量在每月20.03毫米至38.51毫米之间。冬季雨量的四分位数差在每月6.5毫米至14.7毫米之间，中位数在每月3.5毫米至8.4毫米之间。季风前(三月至五月)的最大降水量在每月95.6毫米至每月136.0毫米之间变化。季风前季节的雨量在每月18.3毫米至27.40毫米之间，而中位数则在每月23.5毫米至33.1毫米之间。在整个季风期间(6 - 9月)，最大降水量在每月193.7毫米至323.4毫米之间变化。季风季节的雨量在每月45.0毫米至64.8毫米之间，而中位数则在每月130.9毫米至130.9毫米之间。季风后季节(10 - 12月)的最大降水量在每月145.3毫米至174.7毫米之间。年降雨量的四分位数差(IQR)帖子季风季节变化在每月49.2毫米至62.0毫米之间，中位数在每月86.3毫米至100.6毫米之间。

使用基线期(1988-2018)RCP(8.5)下的5个气候模式计算2048 - 2078年降雨量的预期变化。图4显示，在2048年至2078年的30年间，除了6月和后季风季节外，整个季风季节的降雨量都有相当大的增加。然而，在RCP8.5下的基线(1988-2018)，除3月份外，冬季和季风前季节降水减少。从7月到10月，降雨量明显增加。降雨量变化最大的是9月份的50.7毫米。

最高温度:每个月的最高温度变化绘制在盒须图中。

图5:基线和未来预估期间最高气温的月变化 点击此处查看图

图5显示了基线期间每个月的最高温度，以及最高温度的中位数、离散度、偏度和极值。冬季的温度介乎摄氏0.82至0.85度，最高气温中位数每月介乎摄氏31.9至34.5度。此外，季风前季节的平均温度介乎摄氏0.75至0.83度，而每月最高气温的中位数介乎摄氏38至39.8度。在季风前季节，最低和最高极端气温分别为38.9和40.7摄氏度。季风季节的平均温度介乎摄氏0.94至1.11度，而每月最高气温中位数介乎摄氏34.4至35.9度。在季风季节，最低和最高极端气温分别为摄氏35.1度和36.7度。季风后季节的平均温度介乎摄氏0.85至1.01度，而每月最高气温中位数介乎摄氏31.2至33.0度。后季风季节的最低和最高极端温度分别为32.8和34.7摄氏度。

使用基线期(1988-2018)RCP(8.5)下的5个气候模式估算2048 - 2078年最高气温的预期变化。图5显示，在2048至2078年的30年间，RCP 8.5在季风前的最高气温上升了2摄氏度，在冬季上升了1.9摄氏度，在季风和季风后的最高气温上升了1.6摄氏度。3月至5月间，最高气温显著上升。最高气温变化最大的是6月份的2.3摄氏度。

最低温度

月最低温度变化用盒须图表示。

图6:基线和未来预估期间最低气温的月变化 点击此处查看图

图6显示了基线期间每个月的最低温度，以及最低温度的中位数、离散度、偏度和极值。冬季的IQR在0.96至1.09摄氏度之间，最低温度的中位数在19.1至21.5摄氏度之间。此外，季风前季节的IQR介乎0.62至0.72摄氏度，每月最低气温的中位数介乎26.6至27.6摄氏度。在季风前季节，最低和最高的极端温度分别为27.8和28.8摄氏度。季风季节的平均温度介乎摄氏0.45至0.57度，每月最低气温的中位数介乎摄氏25.6至26.9度。在季风季节，最低和最高的极端温度分别为26.4摄氏度和27.8摄氏度。季风后季节的冷暖度介乎0.61至0.66摄氏度，最低气温的中位数介乎每月21.4至22.6摄氏度。在季风后季节，观测到的最小值和最大值分别为23.0和24.2摄氏度。

利用基线期(1988-2018)RCP(8.5)下的5个气候模式，估算2048 - 2078年最低气温的预期变化。图6显示，在2048年至2078年的30年间，RCP 8.5在季风前的最低气温上升了2.5摄氏度，冬季的最低气温上升了2摄氏度，季风期间的最低气温上升了1.8摄氏度，季风后的最低气温上升了1.7摄氏度。在3月至5月期间，最低气温显著上升。最低气温变化最大的是4月份的2.5摄氏度。

太阳辐射:每个月的太阳辐射变化以盒须图表示。

图7:基线和未来预估期间太阳辐射的月变化 点击此处查看图

图7显示太阳辐射的变化。冬季最大和最小太阳辐射分别为16.8和19 MJ/m2/月。冬季太阳辐射中位数变化在17.9 ~ 18 MJ/m2/月之间，IQR变化在0.48 ~ 0.50 MJ/m2/月之间。季风前季节太阳辐射中位数变化在21.4 ~ 21.5 MJ/m2/月之间，IQR变化在0.62 ~ 0.74 MJ/m2/月之间。季风季节太阳辐射中位数变化在17.7 ~ 18.1 MJ/m2/月之间，IQR变化在0.78 ~ 0.83 MJ/m2/月之间。季风后季节太阳辐射中位数变化在15.5 ~ 15.6 MJ/m2/月之间，IQR变化在0.91 ~ 0.95 MJ/m2/月之间。

地区未来气候情景

使用基线期(1988-2018年)的气候变化情景计算未来气候变化预期，以反映特定时间段内气候变量的预期差异。在基线期，考虑了来自IMD的气象资料。对于每一种gcm，用RCP 8.5计算了2048 - 2078年间30年未来气候的预期变化。使用安得拉邦每个地区的基线变化评估了未来的气候情景平均最高温度_马克斯(T)最低温度_最小值(T)太阳辐射_（年代_rad）和雨_(右)．表4显示了年平均值(1 - 12月)，max(T)， min(T)，太阳辐射_（年代_rad）和雨_(右)在安得拉邦．

另一方面，基于日基线时间序列(1988-2018)，使用(CMIP5) GCMs，利用平均和变率技术，推导了2040年代未来时期rcp8.5情景的气候情景数据。年最高气温_马克斯(T)可能会在安得拉邦(0.9至3.1摄氏度)上升，与奇图尔地区(3.1摄氏度)的热/干基准期相比，本世纪中叶的气温可能会上升。安得拉邦的最高和最低气温预计将分别上升1.7摄氏度和1.9摄氏度(2048-78年)。预计所有地区的最高和最低气温都将大幅上升。相比之下，斯里卡库拉姆在未来可能会经历最低的温度。考虑了PRECIS模式对A1B情景2021-2050年的估计，以反映未来气候。预估的最高和最低温度的上升是气候变化的一个重要方面。东哥达瓦里和库尔努尔的最高气温变化分别为1.3°C和2.0°C，而东哥达瓦里和内洛尔的最低气温变化分别为1.8°C和2.1°C³²．

在RCP 8.5下，炎热和干燥地区的年太阳辐射在所有五个gcm中都有所增加。在本世纪中叶的热/湿和冷/湿情景中，在RCP 8.5下，太阳辐射下降了0.1至0.2 MJ/m2/月。

在5个GCM范围内，热/干和冷/干两种气候模式预测年降水量减少。在RCP 8.5情景下，中、热/湿和冷/湿气候情景的年平均降水量增加。世纪中期年平均降雨量增加了26 ~ 311.9 mm，而世纪中期年平均降雨量减少了35.7 ~ 188.3 mm。世纪中期，维齐亚纳加拉姆的年平均降雨量增加了23至383.2 mm，而世纪中期的年平均降雨量减少了29.8至189.9 mm。维沙卡帕特南的世纪中期年平均降雨量增加了89.7 ~ 423.9 mm，而世纪中期年平均降雨量减少了34.4 ~ 139.1 mm。东哥达瓦里地区的世纪中期年平均降雨量增加99 ~ 422.4 mm，而世纪中期年平均降雨量减少22.9 ~ 108.6 mm。西哥达瓦里地区的世纪中期年平均降雨量增加了108.1 ~ 475.1 mm，而世纪中期年平均降雨量减少了20.2 ~ 115 mm。世纪中期克里希纳年平均降雨量增加了100.9 ~ 489.7 mm，而世纪中期年平均降雨量减少了23.6 ~ 119.4 mm。贡都尔地区世纪中期年平均降雨量增加86.5 ~ 435.5 mm，世纪中期年平均降雨量减少23.3 ~ 39.5 mm。普拉卡萨姆邦的世纪中期年平均降雨量增加了62.2至362.7毫米，而世纪中期年平均降雨量减少了10.3至33毫米。 The mid-century mean yearly rainfall in Nellore increased by 43.2 to 490.5 mm, while the mid-century annual mean rainfall decreased by 56.1 to 84.2 mm. Chittoor annual mean rainfall increased by 25.3 to 438.1 mm during the mid-century, while it decreased by 14.1 to 79.6 mm during the same period. The mid-century annual mean rainfall in Kadapa increased by 4.3 to 365.9 mm, while the mid-century annual mean rainfall decreased by 7.1 mm. Anantapur annual mean rainfall increased by 9.8 to 188.6 mm by the mid-century. Kurnool annual mean rainfall increased by 1.0 to 303 mm by the mid-century. By the middle of the 2040's, Nellore, Kurnool, and Anantapur districts are predicted to have an increase in rainfall., where the maximum increase in precipitation is 490.5. In contrast, it may be Vizianagaram's (189.9) maximum decrease in rainfall in Andhra Pradesh.

表4:各地区年平均最高气温(1 - 12月)变化_马克斯(T)最低温度_最小值(T)太阳辐射_（年代_rad）和雨_(右)在安得拉邦。

在安得拉邦，水稻是灌溉最多的作物。对于本世纪中叶的RCP8.5，采用DSSAT中的季节模型，利用气候、农艺管理和土壤数据对水稻产量进行模拟。安得拉邦的水稻品种被认为是由水稻遗传系数来代表的³³．假设水稻在本世纪中叶将持续生长，除了天气和CO外，管理策略不会发生变化₂RCP8.5情景下的浓度对气候变化情景分析至关重要。在模拟分析中，种植日期间隔7天的灌溉水稻作物从27日开始^th6月至26日^th每年九月，这是安得拉邦的惯例。在Kharif季节，每平方米允许种植33株植物。为了评估本世纪中叶相对于基线(1988-2018)的变化，为五个gcm和一个RCP8.5(2048-2078)分别建立了模型。CERES模型根据2048年至2078年的气候情景(GCM)，减去基线平均观测产量(1988年至2018年)，以每公顷公斤为单位估算作物的平均产量变化百分比，乘以基线平均观测产量乘以100。

气象与水稻产量关系

为了在DSSAT包中使用基线和预测气象数据模拟CERES-Rice，使用Python脚本创建了RCYES。

根据基线气象数据计算出的平均、最低和最高水稻产量，以及根据气象预估数据评估的水稻产量之间的相关性见表5。

•基线产量与DES产量平均相关性为0.87，最高产量为0.86，最低产量为0.82。与INMCM4.0 GCM的相关基线显示平均产量为0.92，最高产量为0.95，最低产量为0.89。

表5:基于基线和预估气象数据的水稻产量之间的相关性

表6:本世纪中叶(2048-2078)相对于基线期(1988-2018)，安得拉邦水稻产量的百分比变化。

种植日期、RCP8.5和产量对安得拉邦水稻产量相对于基线期(1988-2018)本世纪中叶(2048-2078)平均百分比变化的影响

在rcp8.5条件下，与基准期相比，产量降幅最大(23.4%)为CanESM2(热/干)18^th7月植树期，而产量下降最微不足道的是15日的HadGEM2_CC(热/湿)^th8月为RCP8.5。在rcp8.5条件下，与基准期相比，产量的最大增幅为17.7%INMCM4.0(冷/干)27^th而在12日用CESM1-BGC(Middle)模拟增产幅度最小^th9月为RCP8.5。在13^th6月27日增产9.6%，7月4日增产1.2%，7月11日增产1.9%，8月8日增产4.1%，8月15日增产1.8%，8月22日增产0%，9月6日增产0.2%^th和26^th9月，增加18^th(表6)。在本世纪中叶，18个GCMs rcp之间的产量差异显著^th7月。5种gcm对水稻产量的模拟变异系数约为21.3%。(表7)。

表7:水稻实际产量与模拟产量的百分比方差系数。

图8:基线和五种气候模式的水稻移栽日期产量。 点击此处查看图

基线期平均产量空间格局(1988-2018年)

利用DSSAT模型，结合每个网格基线期(1988-2018)的相关土壤和天气数据，对研究区内的产量进行了模拟。模式模拟使用了来自IMD的基线天气数据和来自五个gcm的预估天气数据。利用试验气象资料，对平均产量进行空间分析，平均产量为4555 kg/ha，范围为2520 ~ 6151 kg/ha。由于有利的环境条件，贡图尔在水稻种植区中平均产量相对较高(6151公斤/公顷)。在维萨卡帕特南，最低产量为2520公斤/公顷。

平均产量gcm的空间格局(2048-2078)

图9描述了2048-2078年gcm预估与基线期(1988-2018)的百分比变化的空间分布。对于5个GCM输出，利用RCP 8.5气候情景(2048-2078)的观测天气数据和预估天气数据，模拟了气候变化对水稻产量的影响。通过比较DSSAT模式的输出与其对本世纪中叶的预估来确定GCMs的有效性，其方式类似于在基线期评估GCMs的性能。根据CanESM2(热/干)和HadGEM3 CC(热/湿)GCMs的2048-2078年预测，平均产量可能分别从4555公斤/公顷(基线)下降到3660公斤/公顷和4241公斤/公顷。而在未来时期，平均产量将增加到4577、4863和4887公斤/公顷CESM1-BGC(中)，INMCM4.0(冷/干)和MRI-CGCM3(冷/湿)全球大气环流模型,分别．Srikakulam, Vizianagaram, Visakhapatnam，东戈达瓦里区。

图9:2048-2078年稻田产量与5个gcm基线1988-2018年的变化百分比。 点击此处查看图

气候变化下水稻产量的变化

DSSAT 4.7.1版本用于确定气候变化对安得拉邦水稻产量的最坏情况的影响(RCP8.5)。利用DSSAT模型，利用土壤和气候数据基线和未来期对研究区220个格点的产量进行了模拟。总体而言，DSSAT预测的百分比变化产量增加了8.4%、8.3%和2.4MRI-CGCM3(冷/湿)，INMCM4.0(冷/干)和CESM1-BGC(中)全球大气环流模型,分别收益率变化百分比下降了5.3%，下降了4.1%CanESM2(热/干)和HadGEM2_CC(热/湿)GCMs。西Godavari、Krishna、Nellore、Prakasam和Guntur在该地区的产量下降，损失约10.7%。而Srikakulam、Visakhapatnam、Anantapur、Chittoor、Vizianagaram、East Godavari、Kadapa和Kurnool是一个地区-对气候变化的积极影响为9.8%。这与^34-35,他们发现，随着全球气温上升，水稻产量将下降。水稻受到极端温度的伤害，无论是高温还是低温。高温阻碍了热带地区的水稻生产。空间产量结果与水稻产量显著相反。³⁶他们预测，由于气候变化，安得拉邦、泰米尔纳德邦和卡纳塔克邦的水稻产量将增加10 - 15%。该研究表明，西孟加拉邦、恰蒂斯加尔邦、卡纳塔克邦、旁遮普邦、泰米尔纳德邦、北安恰尔邦、喀拉拉邦和贾坎德邦可能会出现相当大的产量缺口(>1.5吨/公顷)，这些邦需要修订政策以维持水稻生产。显示在许多气候变化情景下，预计水稻产量将如何下降并达不到潜在产量。随着温度升高，蒸发、蒸腾速率和作物需水量的增加可能是造成这种情况的原因。然而，未来的降雨量可能不会改变，预计降水模式将会发生变化，这意味着作物用水限制将由于雨养水稻季节可用水量减少而造成。水稻产量下降可能是由于作物和灌溉需水量增加。³⁷由于气温上升和降雨不稳定，水稻产量将受到严重影响。

化肥施用量的变化和(如果可以的话)灌溉是短期适应性的两个例子。长期适应可能包括修改作物类型、替代种植和收获日期、调整机械化程度以及改变营养物质和肥料的类型。³⁸使用ORYZAI和Info作物-水稻模型，研究增加CO₂和温度影响了印度东部灌溉水稻的产量。研究结果表明，二氧化碳浓度升高₂浓度可以提高水稻产量，因为高温会使水稻小穗不育。每一项都将导致稻米产量减少10%。在最低温度32摄氏度的基础上增加1摄氏度。最低温度升高导致呼吸损失增加^39-41同时减少成熟过程中籽粒灌浆长度和细胞大小。⁴²与2050年和2080年的产量分别减少11%至15%和13%至21%相比，2020年的水稻产量将减少7%至10%。⁴³他们的研究结果还表明，C3和C4作物的产量在RCP 4.5下会下降。这将对当地的粮食安全和生计安全产生影响。因此，适当的规划对于确保生计和持续的作物生产至关重要。与此同时，政策变化对于未来作物生产力的成功可行方案是必要的。

结论

气象条件的变化引起水稻作物产量的变化。随着气温和二氧化碳浓度的上升，以及可变性降雨在未来的气候情景中，农作物产量很可能受到影响。2048 - 2078年30年间，除6月和后季风季节外，整个季风季节的降雨量都有所增加。然而，与RCP 8.5的基线期(1988-2018)相比，冬季和季风前季节(3月除外)的降雨量有所减少。7月至10月期间，降雨量显著增加。降雨量变化最大的是9月份的50.7毫米。因此，捕获多余的径流水补充灌溉将提供在关键的生长阶段。DSSAT预测的百分比变化产量分别提高了8.4%、8.3%和2.4%MRI-CGCM3(冷/湿)、INMCM4.0(冷/干)和CESM1-BGC(中)全球大气环流模型,分别收益率变化百分比下降了5.3%，下降了4.1%CanESM2(热/干)和HadGEM2_CC(热/湿)GCMs在未来情景与基线期的对比。西Godavari、Krishna、Nellore、Prakasam和Guntur在该地区的产量下降，损失约10.7%。与此同时，该地区对斯里卡库拉姆、维沙卡帕特南、阿南塔普尔、奇图尔、维齐亚纳加拉姆、东戈达瓦里、卡达帕和库尔努尔也产生了积极的影响气候变化9.8%。如果不采用先进种植等优良的农艺管理策略，预计气候变率将对水稻发育和产量产生负面影响。

致谢

通讯作者要感谢海德拉巴贾瓦哈拉尔尼赫鲁理工大学环境中心授予博士学位研究工作。这组作者对印度气象部门(IMD)提供观测到的网格化降雨和温度数据集表示感谢。作者也非常感谢Dr. Hari Prasad VAJJA水文和复原力专家(NORCAP Roaster)为准备手稿的最终版本提供了科学投入。作者也感谢APSDMA在整个研究过程中的合作和投入。

利益冲突

通讯作者代表所有作者声明不存在利益冲突。

资金来源

作者在研究、撰写和/或发表本文时未获得任何资金支持。

参考

1. Mandal K.G,Thakur A.K, Ambast S.K.。水稻种植现状、水资源与微灌。《当代科学》，2019;116(4): 568 - 576
   CrossRef
2. 政府间气候变化专门委员会第二工作组。气候变化2022:影响、适应和脆弱性。剑桥大学出版社，英国剑桥和美国纽约，第3-33页。
3. 乔希杰，贾亚拉曼，陈建军，李建军，等。中国气候变化的多模式预测。当前的科学．2012, 103(7): 791 - 802。
4. 林林总总，辛格R，古普塔A, Srinivasan G, Rathore l.s。气候变化对印度农业的影响。复习一下。气候变化.2006; 78(2): 445 - 478。
   CrossRef
5. Chandran马。年代, Banerjee S, Mukherjee A, Nanda M.K, Kumari V.V. Evaluating the long-term impact of projected climate on rice-lentil-groundnut cropping system in Lower Gangetic Plain of India using crop simulation modelling.国际生物气象学杂志．2022年,66(1):55 - 69。
   CrossRef
6. Koppa N, Amarnath G.印度耐涝水稻品种地理空间评价指导气候适应战略。气候。2021; 9(10): 151。
   CrossRef
7. Prasuna V, Suneetha B, Madhavi K, Haritha G.S, Murthy g.r。安得拉邦灌溉现状、问题和管理。生药学与植物化学杂志．2018, 1532 (1080):304 - 309
8. Siddiq E.A.弥合印度稻米产量差距。看到裁判．2000;74:84 - 111。
9. Babel MS, Agarwal A, Swain DK, Herath S.气候变化对泰国东北部水稻种植的影响评价及适应措施。气候研究．46 2011;(2): 137 - 146。
   CrossRef
10. Banerjee S, Das S, Mukherjee A, Mukherjee A, Saikia B.应对气候变化对印度东部水稻和芥菜影响的适应策略。减缓和适应全球变化战略。2016; 21(2): 249 - 261。
    CrossRef
11. 费克特J, Allison B.E, Sivakumar M.V.K, Ploeg R.R, Bley J.尼日尔西南部SWATRER和CERES-Millet模式的评价。尼亚美讲习班会议记录, 1991年。
12. Alexandrov V.A, Hoogenboom G.气候变率及其变化对保加利亚农作物产量的影响。农林气象学．2000, 104(4): 315 - 327。
    CrossRef
13. Baigorria G.A, Jones J.W, Shin D.W, Mishra A, O'Brien j.j。利用日偏倚校正的区域环流模式输出评估作物模式模拟的不确定性。气候研究．2007;34(3): 211 - 222。
    CrossRef
14. Gohain G.B, Singh K.K, Singh R.S, Dakhore K.K, Ghosh K. ceres -高粱作物模拟模型DSSAT v4的应用。测定作物物候阶段的水分胁迫。模拟地球系统和环境．2022; 8(2): 1963 - 1975。
    CrossRef
15. Gohain G.B, Singh K.K, Singh R.S, Singh P.基于DSSAT V4作物模拟模型的区域作物产量估算系统(RCYES)。概念、方法、开发和验证。农业气象学杂志．2020;22:33-38。
16. Bhatnagar R, Gohain G.B.基于terra (EOS AM-1)和Aqua (EOS PM-1)卫星数据的决策树和随机森林机器学习算法的作物产量估算。航空航天技术中的机器学习和数据挖掘．Springer, Cham, 2020;107-124。
    CrossRef
17. Matthews R.B, Horie T, Kropff M.J, Bachelet D, Centeno H.G, Shin J.C, Mohandass S, Singh S, Defeng Z, Lee M.H. A。未来气候变化对亚洲水稻生产影响的区域评价。气候变化对亚洲水稻生产影响的模拟[d]。马修斯，RB，克罗夫，MJ，巴切莱特，D.和范拉尔，HH)。CAB国际公司，Oxon,英国。1995:95 - 139。
    CrossRef
18. Soora n.k.， Aggarwal p.k.， Saxena R, Rani S, Jain S, Chauhan N.印度水稻对气候变化的区域脆弱性评估。气候变化．2013, 118(3): 683 - 699。
    CrossRef
19. 气候变化下越南中部水稻种植的适应策略。《水资源和用水部门的气候变化影响与适应》2014:93 - 119。施普林格,可汗。
    CrossRef
20. Rao A.V.M, Shanker A.K, Rao V.U.M, Rao V.N, Singh A.K, Kumari P, Singh C.B, Verma P.K, Kumar p.v.， Bapuji Rao B, Dhakar R.气候变化情景下印度东部地区灌溉和雨养水稻产量预测。环境建模与评估。2016; 21(1):相当于17 - 30。
    CrossRef
21. Taylor KE, Stouffer RJ, Meehl GA。CMIP5概述及实验设计。政府公报美国气象学会．2012, 93(4): 485 - 498。
    CrossRef
22. Ruane AC, McDermid S, Rosenzweig C, Baigorria GA, Jones JW, Romero CC, DeWayne Cecil L.气候变化下花生生产碳-温-水变化分析:AgMIP协调气候?作物建模项目(C3MP)。全球变化生物学．2014; 20(2): 394 - 407。
    CrossRef
23. Pai D.S, Sridhar L, Badwaik M. r, Rajeevan M.使用新的长周期(1901-2010)高分辨率(0.25× 0.25)网格降水数据集分析印度日降水事件。气候动力学。45 2015;(3): 755 - 776。
    CrossRef
24. Srivastava a . k, Rajeevan M, Kshirsagar S.R.。印度地区高分辨率日格点温度数据集的建立(1969-2005)。大气科学快报．2009; 10(4): 249 - 254。
    CrossRef
25. Ruane A.C, McDermid s.p。为综合气候影响评估选择具有代表性的全球气候模式子集，以获取区域变化概况。地球的角度．2017; 4(1): 1 - 20。
    CrossRef
26. Moss R.H, Edmonds J.A, Hibbard K.A, Manning M.R, Rose S.K, Van Vuuren D.P, Carter T.R, Emori S, Kainuma M, Kram T, Meehl g.a。气候变化研究与评估的下一代情景。自然．2010, 463(7282): 747 - 756。
    CrossRef
27. Ruane A.C, Winter J.M, McDermid S.P, Hudson N.I.。AgMIP气候数据和综合评估情景。气候变化与农业生态系统手册:农业模式比对与改进项目．2015:45 - 78。
    CrossRef
28. 哈德逊，n.i.，鲁恩，A.C.。在Windows中使用R运行AgMIP气候场景生成工具指南，版本2.3.2013
29. Ruane, a.c.， Rosenzweig, C.， Mutter, C.Z.等，区域综合评估指南:方法和程序手册，版本5.1。2018
30. Pasuquin E, Lafarge T, Tubana B.灌溉稻田秧苗移栽:早分蘖生产提高粮食产量。大田作物研究．2008, 105(2): 141 - 155。
    CrossRef
31. 辛格，a.k.和克劳福德，p.s hsingh。S等人。农业推广新领域第二卷国际玉米小麦改良中心(CIMMYT), 2020;2, 550年
32. Rao CA, Raju BM, Rao AV, Rao KV, Samuel J, Ramachandran K, Nagasree K, Kumar RN, Shankar KR.安得拉邦农业对气候变化的脆弱性和适应性评估。农业经济学报，2017;32(3):357 - 357。
33. Arumugam P, Chemura A, Schauberger B, Gornott C.近实时生物物理水稻(Oryza sativa L.)产量估算支持印度作物保险实施。农学．2020;, 10(11): 1674。
    CrossRef
34. 彭生，黄军，Sheehy JE, Laza RC, Visperas RM，钟旭，Centeno GS, Khush GS, Cassman KG。由于全球变暖，夜间气温越高，水稻产量就越低。美国国家科学院院刊。[j] .中国科学:自然科学;2009;31(6):391 - 391。
    CrossRef
35. Mohandrass,美国;卡里姆,;Ranganathan结核;当前和未来气候下印度水稻产量。在气候变化对亚洲水稻生产影响的模拟;Mathews, r.b.， Kroff, m.j.， Bachelet, D.， van Laar, h.h.，编辑;沃林福德?英国,1995;165 - 181页
36. Soora NK, Aggarwal PK, Saxena R, Rani S, Jain S, Chauhan N.印度水稻对气候变化的区域脆弱性评估。气候变化．2013, 118(3): 683 - 699。
    CrossRef
37. Boonwichai S, Shrestha S, Babel MS, Weesakul S, Datta A.气候变化对泰国宋叻河流域灌溉需水量、作物水分生产力和水稻产量的影响。清洁生产杂志．2018;198:1157 - 1164
    CrossRef
38. Krishnan P, Swain D.K, Bhaskar B.C, Nayak S.K, Dash R.N.。CO2和温度升高对水稻产量的影响及其适应方法的模拟研究。农业、生态系统与环境．2007, 122(2): 233 - 242。
    CrossRef
39. Pathak H, Ladha j.k.， Aggarwal p.k.等。印度恒河平原气候潜力与水稻和小麦农业产量趋势。大田作物研究．2003, 80(3): 223 - 234。
    CrossRef
40. 彭S, Khush GS, Cassman KG。提高产量潜力的新植物理想型的进化。突破产量障碍:有利环境下水稻产量潜力研讨会论文集。国际水稻研究所，洛斯巴诺斯，菲律宾1994; (pp。5 - 20)。
41. 彭生，黄军，谢建恩等。由于全球变暖，夜间气温越高，水稻产量就越低．美国国家科学院院刊．2004; 101(27): 9971 - 9975。
    CrossRef
42. 盛田S，勇丸JI，高桥JI。高温下水稻籽粒生长与胚乳细胞大小的关系植物学年鉴．2005, 95(4): 695 - 701。
    CrossRef
43. Praveen D.代表性浓度路径下气候变化对主要C3和C4作物产量预测影响的时空分析——来自印度南部泰米尔纳德邦海岸的见解。《公共科学图书馆•综合》．2017;12(7): e0180706。https://doi.org/10.1371/journal.pone.0180706
    CrossRef