在全球气候变化背景下，干旱、热浪等极端天气事件频发，严重威胁粮食安全。然而，现有全球作物模型在模拟极端事件影响时存在较大不确定性，尤其对复合极端事件的评估能力不足。如何提升模型对极端天气影响的捕捉能力，并科学评估灌溉等适应措施的实效，是当前农业气象与全球变化领域的核心挑战。近日，北京师范大学教授张朝团队联合西南大学副教授骆玉川和教授唐强、中国科学院地理科学与资源研究所研究员陶福禄等，在《自然·食品》（Nature Food）发表最新研究，研发了一套可推广的高分辨率作物模型改进框架，实现了极端气候影响的精准模拟。
图1 作物机理模型改进框架
研究团队从模型结构与参数化两个维度对全球CERES-Wheat模型（GWM）进行了系统性改进。首先利用高分辨率、空间异质、时间连续的产量数据，对全球网格化作物模型进行逐格点参数优化，并验证了框架在不同空间尺度上的可扩展性，首次构建了高分辨率校准框架 （GWM-NCS）；在品种参数基础上，进一步校准影响辐射利用效率的生态型参数 （GWM-NCS-ECO），提升模型对叶片与冠层光合作用的模拟能力；以Wang-Engel非线性温度响应函数替代原有线性函数，改进温度响应函数（GWM-NCS-ECO-WE），显著提升模型对高温胁迫影响的模拟精度。
图2 改进作物机理模型对干旱、热浪和旱热复合事件的影响模拟
与国际多模型集合均值相比，GWM-NCS在国家和次国家尺度的R²分别为0.53和0.45，次国家尺度的R²相比GGCMI-MME显著提高了200%。GWM-NCS-ECO表现进一步提升，模拟产量的空间格局与观测相关性更好，且国家和次国家产量的R²分别为0.71和0.55，偏差更低。GWM-NCS-ECO-WE误差比GWM-NCS-ECO降低，国家和次国家尺度的CRMSD分别下降9.3%和7.5%，且GWM-NCS-ECO-WE能更好地捕捉了叶面积的模拟，因此改进后的模型对作物生长过程的模拟能力大幅提升。
改进后的模型对干旱、热浪和复合事件的模拟能力总提升高达31%，其中2003年欧洲极端事件的模拟精度提升超过60%。1981–2015年间，全球受热浪和复合事件影响的小麦面积分别以每年5730和3600km²的速率显著增加，平均产量损失分别为5.8%和13.3%。灌溉虽能缓解灾害影响，但其效应随灾害加剧而显著减弱，尤其对热浪和复合事件，灌溉的单产贡献以每年–3.5和–2.9kg/ha的速率显著降低。
图3 干旱、热浪、干热复合影响、及灌溉效应的变化趋势
该改进模型（GWM）大大提升了全球作物模型的模拟性能，突破传统模型对极端事件影响模拟不准，甚至出现增产的方向性错误；该改进的理论和方法为优化全球作物模型提供了新视角和方法论。团队发展的GWM模型将为粮食生产风险预测预警提供坚实基础，也为全球气候风险评估和适应性策略优化提供可靠工具。该成果对气候变化下的农业适应政策提供了科学指导。
北京师范大学博士毕业生骆玉川（现西南大学副教授）为论文第一作者，张朝为通讯作者，论文合作者还包括北京师范大学博士毕业生曹娟和韩继冲（现成都理工大学研究员）。研究得到国家重点研发计划、中国科学院国际合作计划、国家自然科学基金、联合国教科文组织“国际可持续发展科学十年（2024–2033）”项目“气候变化与系统性风险治理”以及北师大珠海高性能计算中心等的支持。