日较差、碳排放、降水、最高气温和最低气温对玉米生产系统的影响

《Ecological Informatics》：Impact of diurnal temperature range, carbon emissions, precipitation, maximum temperature, and minimum temperature on corn production system

　　

玉米（Zea mays L.）是世界上产量最大的谷类作物，美国产量领先。在美国境内，密苏里州对玉米生产做出了重要贡献。然而，持续的气候变化日益威胁作物生产。此外，密苏里州的玉米-气候关系在很大程度上尚未被探索。因此，本研究应用曼-肯德尔（趋势方向）和森斜率（趋势幅度）方法，量化了1970年至2023年密苏里州玉米生长季节（CGS）的气候变化趋势。分析的气候变量包括最高气温（Tmax）、最低气温（Tmin）、降水（PP）、二氧化碳排放量和日较差（DTR）。还利用自回归分布滞后（ARDL）模型研究了气候-作物关系。此外，在去趋势玉米产量与月平均气候变量之间进行了皮尔逊相关分析，以根据气候-作物相互作用识别关键月份。结果显示，研究期间碳排放显著增加了6.14 MMT decade^-1；降水量略有增加但不显著，除9月份显著下降了0.66 mm month^-1。Tmin增加了0.21 °C decade^-1，这一上升趋势在6月、7月和8月更为明显。同时，CGS期间DTR显著下降了0.26 °C decade^-1。观察到不对称增温，Tmin增温速率超过Tmax增温速率37.67%，导致该地区整体变暖。产量与7月和8月的Tmin呈强负相关，而与6月至7月的降水呈正相关；9月份较大的DTR和高PP进一步降低了产量。Tmax每升高1 °C，玉米产量在短期内减少1.09%，长期内减少0.64%。ARDL模型解释了53年间玉米产量变异的83.37%，突显了气候在密苏里州的强烈影响。这些发现强调了需要采取适应性策略来应对气候变化并维持密苏里州的玉米生产。

**玉米生产系统对日较差、碳排放、降水、最高气温和最低气温变化的响应——论文解读**

**研究背景与问题**

玉米（Zea mays L.）是全球产量最高的谷类作物，美国是最大生产国，密苏里州排名第八，年均产量约1530万吨。然而，气候变化（尤其是温度升高、降水模式改变）对玉米生产构成严峻挑战。已有研究表明，密苏里州农业易受降水和温度变化的冲击，玉米生长季节（CGS）内气温升高会加速生殖生长，导致产量大幅下降（可达80–90%）。政府间气候变化专门委员会（IPCC）报告预测，该地区干旱和洪涝风险增加。此外，碳排放驱动的全球变暖通过影响光合作用和呼吸作用，进一步影响C4作物（如玉米）的生长。尽管前人研究关注了密苏里州的气候影响，但针对玉米的系统性量化研究仍十分有限，尤其缺乏长期（>50年）尺度下多变量（Tmax、Tmin、降水、日较差和碳排放）的联合分析，以及短期与长期影响的区分。因此，本研究旨在填补这一空白，为制定适应性农业策略提供科学依据。

**研究内容与结论**

研究人员利用1970–2023年密苏里州玉米生长季节（CGS，3–9月）的县级产量数据（来源：USDA NASS）和气候数据（来源：NOAA），以及州级碳排放数据（来源：EIA），开展以下三方面工作：（1）采用曼-肯德尔（Mann-Kendall）趋势检验和森斜率（Sen's Slope）法量化气候变量的长期趋势；（2）通过皮尔逊相关分析识别对产量影响最关键的月份；（3）应用自回归分布滞后（ARDL）模型区分短期与长期气候影响。结果表明：Tmin以0.208 °C decade^-1速率上升（贡献区域总增温的68.83%），Tmax仅以0.093 °C decade^-1速率上升，呈现显著不对称增温；日较差（DTR）在CGS期间显著下降（–0.113 °C decade^-1）；碳排放显著增加（6.139 MMT decade^-1）；降水总量略有增加（8.104 mm decade^-1），但9月份显著减少。ARDL模型解释了产量变异的83.37%，揭示Tmax每升高1 °C，产量在短期和长期分别下降1.09%和0.64%；降水在长期显著负效应（过量降水导致涝害）；Tmin作用不显著但为正。研究发表在《Ecological Informatics》。

**关键技术与方法**

数据来源：玉米产量和收获面积来自美国农业部国家农业统计局（USDA NASS）；气候数据（Tmax, Tmin, PP, DTR）来自美国国家海洋和大气管理局（NOAA），经三层网格插值（包含高程校正、薄板平滑样条插值）处理；碳排放数据来自美国能源信息管理局（EIA）。主要方法：采用一阶差分法对产量数据进行去趋势处理，消除技术进步等非气候因素影响；用曼-肯德尔（Mann-Kendall）检验和森斜率（Sen's Slope）估计气候趋势幅度，并应用无趋势预白化（TFPW）处理自相关；皮尔逊相关系数用于识别关键月份；自回归分布滞后（ARDL）模型用于分析短期和长期动态关系，包括单位根检验（ADF和PP）、多重共线性检验（VIF）、最优滞后选择（AIC）、边界协整检验（Wald F）以及模型诊断（Durbin-Watson、Breusch-Godfrey、ARCH、Jarque-Bera、CUSUM和CUSUMSQ稳定性检验）。

**研究结果**

**3.1 气候趋势分析（1970–2023）**
通过Mann-Kendall和Sen's Slope分析发现：Tmin在CGS整体及6月、7月显著上升（0.208 °C decade^-1），Tmax仅在6月和9月显著上升（0.093 °C decade^-1，幅度小于Tmin）；Tmin增温速率是Tmax的2.2倍，贡献了68.83%的总变暖效应。DTR在6月、7月、8月及整个CGS显著下降（–0.113 °C decade^-1），表明夜间增温快于白天。碳排放显著增加（0.6139 MMT year^-1）。降水在3–8月呈弱上升趋势（不显著），9月显著下降（–0.66 mm month^-1）。

**3.2 去趋势产量与气候变量的Pearson相关分析**
皮尔逊相关显示：6月和7月降水与去趋势产量呈显著正相关（r=+0.190, +0.185），9月呈负相关（r=–0.137）；Tmax在6月、7月、8月与产量呈显著负相关（r=–0.236, –0.627, –0.490），以7月最强；Tmin在7月和8月显著负相关（r=–0.479, –0.371）；DTR在5月至8月均为负相关，7月最强（r=–0.346），而4月呈弱正相关。这些结果表明，玉米在抽雄吐丝期和灌浆期对高温、高夜温和窄日较差最为敏感。

**3.3 ARDL模型结果**
**预估计检验**：单位根检验显示Tmax、Tmin、PP和DTR在水平序列平稳，玉米收获面积和碳排放需一阶差分；多重共线性（VIF<10）不严重；AIC确定最优滞后阶数；边界协整检验（F=10.0518 > 上界）确认变量间存在长期协整关系。
**短期与长期动态**：ARDL结果显示，Tmax每升高1 °C，玉米产量短期下降1.09%（p<0.001），长期下降0.64%（p=0.044）；降水在短期影响不显著，但长期每增加1 mm导致产量下降0.0047%（p=0.022）；Tmin在短期和长期均为正效应但不显著；收获面积有显著正效应但系数极小。模型调整R²=0.8337，解释力强。
**诊断检验**：残差无自相关（Durbin-Watson=1.931, p=0.4278）、无异方差（ARCH p=0.8589）、正态分布（JB p=0.8451）；CUSUM和CUSUMSQ图显示参数在5%显著性水平下稳定。ARIMAX模型再验证支持ARDL结果。

**总结讨论与结论**

研究人员在讨论中指出：本研究揭示的不对称增温（Tmin快于Tmax）和DTR下降与全球及美国玉米带已有观察一致。Tmin升高虽在早春有轻微益处，但7–8月的夜间升温加剧呼吸消耗，缩短灌浆期，抑制产量。DTR缩小表明昼夜温差减小，限制了光合产物积累。长期降水负效应提示密苏里州排水不良土壤中过量降雨导致涝害、养分淋溶和病害风险。研究也承认局限性：未纳入土壤、灌溉、辐射等变量；月平均数据掩盖极端事件；假设县内气候均匀。

**研究结论翻译**：
本研究评估了1970年至2023年密苏里州的气候变化趋势，揭示了一个变暖趋势，表现为Tmin以0.208 °C decade^-1的速率增加，Tmax以0.093 °C decade^-1的速率增加。同时，累积降水以8.104 mm decade^-1的速率增加，大气CO₂以6.139 MMT decade^-1的速率增加，而DTR呈下降趋势，为–0.113 °C decade^-1（负值）。密苏里州的变暖趋势由Tmin驱动，贡献了总观测变暖效应的68.83%，而Tmax约占31.17%。ARDL模型解释了53年间玉米产量中归因于气候变量的总变异的83.37%，表明模型拟合良好，气候变量对产量有显著影响。Tmax每升高1 °C，玉米产量在短期内降低1.09%，长期内降低0.64%，表明存在即时的负面影响，且随时间持续但强度减弱。这些结果突显了玉米生产对高温条件的敏感性。CGS期间的降水量与产量无显著相关性，但6月和7月（与授粉和早期灌浆期重合）的降水与产量呈正相关。然而，9月过量降水可能加剧涝害，特别是在排水不良的土壤中，导致养分流失和虫害。本研究强调了需要制定适应不规则变暖条件和日益不规律降水的农业策略。日益增长的气候约束使得整合气候适应性农艺措施、改进水分管理以及有针对性的育种计划变得日益紧迫，以在快速变化的气候下减轻产量损失。