编辑推荐：
气候变化对小麦产量及蛋白质含量的分阶段影响研究，通过机器学习模型分析15个气候变量在关键生长阶段的作用，发现分阶段评估较整体分析提升预测精度33-140‰，揭示了温度与降水在播种至拔节期促进产量，成熟期极端高温抑制蛋白质积累的规律，为平衡粮食安全与营养安全提供决策依据。
梁传斌|张宏航|陈世超|方宇|刘文峰|杜太生
中国农业大学农业水资源高效利用国家重点实验室，北京，100083，中国
摘要
随着全球人口的持续增长，确保营养安全已成为一个日益重要的问题。气候变化对作物产量和质量构成了重大风险，使得满足营养需求的努力变得更加复杂。值得注意的是，气候变化对小麦产量（GY）和蛋白质含量（GPC）的影响在生长阶段各不相同。本研究旨在确定关键小麦生长阶段中的主要气候变量及其时间相关性。通过分析不同生长阶段的15个气候变量，我们发现针对特定生长阶段的评估显著提高了预测准确性，与基于整个生长期的评估相比，GY和GPC的预测分别提高了33‰和77‰。根据共享社会经济路径（SSP）情景的预测，全国小麦产量在2030至2050年间将下降4–18‰，而蛋白质含量则可能增加6–15‰，这凸显了产量与质量之间的权衡。研究还揭示了气候变化对小麦产量、蛋白质含量以及总蛋白质产量（GPY）的地理分布差异，以及气候变化指标与这三个响应变量之间的不同相互关系。我们确定了关键生长阶段的主要气候变化因素，并发现，在适当的作物生长阶段（例如播种期间的霜冻天数、成熟期的最高日温度）和当地气象基线条件下，极端事件可能对产量和蛋白质含量产生积极影响。这些发现支持从传统粮食安全向营养安全的转变，以确保不断增长的人口获得稳定的营养供应。
引言
随着全球人口的增长和人均收入的提高，粮食安全问题变得越来越突出（Baj?elj等人，2014年；Godfray等人，2010年）。重点逐渐从仅仅满足热量需求转向确保营养安全，因为营养不良仍然是一个严重的全球性挑战（Ambikapathi等人，2022年）。气候变化和极端事件会显著降低作物产量并降低作物质量，从而增加了实现营养安全的难度（Cao等人，2024年；Monteleone等人，2023年；Olesen等人，2011年；Vogel等人，2019年）。尽管气候变化对作物产量的影响已经得到了广泛研究，但其对作物营养成分（尤其是小麦等主粮作物）的影响却相对较少受到关注（Haddad等人，2016年）。因此，研究气候变化和极端事件对作物产量和质量的综合影响，并预测其在未来气候情景下的趋势至关重要。
蛋白质含量（GPC）是决定小麦营养价值的关键因素，直接影响小麦面粉的最终用途价值和烘焙特性（Shewry和Halford，2002年）。作为世界三大谷物作物之一，小麦为全球约25亿人提供了约20%的热量和蛋白质（Tilman等人，2011年）。在中国，冬小麦在粮食安全中起着关键作用，占夏季总产量的约85%（Cao等人，2020年）。然而，小麦产量（GY）和蛋白质含量（GPC）对气候变化非常敏感，温度和降水是主要的限制因素（Pequeno等人，2021年；Zhao等人，2022年）。这些变量对产量和质量的影响不同，且受不同主导因素的控制。例如，开花期的热胁迫会缩短灌浆期并降低产量，而生长期的适度温度升高可能会增强光合作用和生物量积累，从而可能影响蛋白质含量（Wan等人，2022年）。因此，总蛋白质产量（GPY = GY ×GPC）的表现可能不同于这两个组成部分。
许多研究探讨了气候变化对小麦产量和蛋白质含量的影响（Asseng等人，2013年；Ortiz等人，2008年；Zahra等人，2023年），但关于不同生长阶段哪些因素占主导地位仍缺乏共识。例如，在播种到拔节阶段，冷胁迫可以促进春化作用，从而提高产量和蛋白质含量；而在拔节到抽穗阶段，干旱胁迫会由于碳水化合物合成减少而降低产量，但同时也可能因碳水化合物含量与蛋白质含量呈负相关而提高蛋白质含量（Yu等人，2022年）。相反，在抽穗到成熟阶段，适度的温度升高可以延长灌浆期，提高产量，而过度的热胁迫会加速衰老并降低蛋白质含量（Farooq等人，2014年；Magallanes-López等人，2017年；Selim等人，2019年）。鉴于这些不同的影响，需要采用更高分辨率的方法来评估气候变化对小麦产量和营养质量的影响，特别是关注作物生长阶段，从而明确“哪些因素”在“何时”起作用，并改进产量、蛋白质含量和总蛋白质含量的预测。
在方法上，评估气候变化对作物影响通常使用基于过程的作物模型或数据驱动的统计和机器学习方法（Challinor等人，2009年；Lobell和Burke，2010年）。基于过程的模型可以提供作物生长和发育的机制性描述，但它们在极端天气和气候条件下的产量响应再现能力可能有限，特别是当影响来自非线性阈值、复合胁迫因素以及校准数据或模型程序中未能很好表示的低概率高影响事件时（Asseng等人，2015年；Challinor等人，2009年）。与此同时，数据驱动的方法越来越多地被用来量化特定类型极端事件相关的产量风险，利用观测到的产量数据与气候指数相结合来捕捉非线性关系和相互作用（Lobell和Burke，2010年；Schierhorn等人，2021年）。为了提高透明度并避免纯粹的“黑箱”推理，最近的研究进一步结合了机器学习与可解释性技术，以识别主要驱动因素和关键影响窗口（Lundberg和Lee，2017年；Schierhorn等人，2021年）。
为了解决这些挑战，本研究采用基于回归的机器学习算法来预测三个关键响应变量：产量（GY）、蛋白质含量（GPC）和总蛋白质产量（GPY），使用土壤特性、小麦管理实践和气候变量作为预测因子。具体来说，我们研究了一系列特定生长阶段的极端事件指标。通过将特定生长阶段的评估与基于整个生长期的评估进行比较，我们旨在更细致地了解气候变化对小麦生产和质量的影响，并预测不同地区的产量、蛋白质含量和总蛋白质含量的未来趋势。我们的结果支持从粮食安全向营养安全的转变，为在变化的气候条件下稳定产量和蛋白质供应提供策略。
研究区域
研究区域
中国的冬小麦生产通常划分为五个区域：西北部（NW）、北部（NC）、东部（EC）、中部（CC）和西南部（SW）。这种区域划分反映了气候、土壤特性和农艺管理实践的广泛差异，这些因素影响了冬小麦的产量和蛋白质积累。相应的行政区划详见附录1。
数据来源和处理
产量数据来源于Cheng等人（2022年）
分阶段的气候变化评估优于整个生长期分析
分阶段的气候变化趋势和极端事件对作物产量的解释能力优于整个生长期的分析。在对比不同响应变量的回归性能时，针对产量（GY）、蛋白质含量（GPC）和总蛋白质产量（GPY）的特定生长阶段气候变化评估的R2分别提高了33‰、77‰和43‰。在不同地区，这些提高幅度分别为产量22‰至67‰、蛋白质含量62‰至140‰、总蛋白质含量35‰至73‰（图1）。模型对产量的解释能力较弱
分阶段评估气候变化趋势和极端事件的重要性
分阶段评估气候指标可以提供更细致的季节内作物生长视图，通过提高生长期间的时间分辨率和粒度。这种方法能够发现在整个生长季节中可能被忽略的微妙变化。Yu等人（2022年）指出，小麦早期生长阶段的温度波动会显著影响分蘖发育和穗的形成，这对产量和蛋白质含量至关重要
结论
本研究强调了针对特定生长阶段进行评估在解决气候变化对中国小麦产量（GY）、蛋白质含量（GPC）和总蛋白质产量（GPY）影响方面的价值。通过分析特定生长阶段的气候变量（包括温度、降水、积温（FD）和极端温度（TXx），本研究更清晰地展示了温度和降水极端事件如何影响小麦生产。
CRediT作者贡献声明
梁传斌：撰写——原始稿件、可视化、验证、方法论、数据整理。张宏航：撰写——原始稿件、方法论、调查。陈世超：撰写——原始稿件、验证、方法论、概念化。方宇：撰写——审稿与编辑、监督、方法论。刘文峰：撰写——审稿与编辑、监督。杜太生：撰写——审稿与编辑、监督、资源管理、数据整理。
利益冲突声明
作者声明他们没有已知的可能会影响本文工作的竞争性财务利益或个人关系。
致谢
我们衷心感谢中国国家重点研发计划（编号2022YFD1900503）、国家自然科学基金（资助编号52239002和52209072）以及中国农业大学的2115人才发展计划提供的财政支持。我们还要感谢Chandra Madramootoo教授对本文的宝贵审阅和富有洞察力的建议。
