中国科学院机构知识库网格
Chinese Academy of Sciences Institutional Repositories Grid
气候变化对全球玉米产量影响模拟的不确定性研究

文献类型:学位论文

作者尹晓蒙
答辩日期2023-06
文献子类学术型学位
授予单位中国科学院大学
授予地点中国科学院地理科学与资源研究所
导师冷国勇
关键词气候变化 全球 玉米产量 不确定性 作物模型
学位名称博士
学位专业自然地理学
英文摘要随着人口和社会经济的快速增长,全球作物产量需要提高70%才能满足未来的粮食需求,而以升温为主要特征的气候变化对农业生产带来了巨大的威胁。因此,评估气候变化对全球作物产量的影响是应对气候变化和保障粮食安全的重要内容。作物模型是开展大尺度气候变化影响评估的重要工具,但不同的模型在输入、参数、结构等方面存在较大的差异。以往研究着重分析由于模型输入和参数不同带来的不确定性,但针对模型结构来源的不确定性关注较少。尤其是不同类型模型间的异同缺乏系统性的定量研究。针对上述不足,本研究综合利用作物生长模型、统计模型和机器学习三种不同类型的作物模型,定量评估不同气候变化情景下,全球玉米产量模拟结果的不确定性;在此基础上,提出基于机器学习的观测约束技术,进而减少模型模拟的不确定性。本文主要开展两个方面的研究内容。第一,评估气候变化对全球玉米产量影响在不同类型作物模型中的不确定性,指标包括全球玉米产量的年际变化、多年平均和减产风险。以往的多类型作物模型研究往往着重各自的模型模拟,没有采用统一的气候情景输入,导致模型之间的比较不合理,因此本文采用统一的气候情景驱动作物生长模型、机器学习和统计模型。第二,采用基于机器学习的约束方法来减小模型之间的不确定性,预测可靠的未来玉米产量多年平均和年际变异的变化。涌现约束往往基于传统的线性回归,不能拟合非线性关系,因此本文采用机器学习拟合玉米产量之间涌现的关系。本研究的主要结果如下:(1)基于多元线性回归和随机森林模型,气候年际变化分别能解释42%和85%的全球玉米产量年际变化,而作物生长模型模拟的解释能力为22%~60%。这种解释能力的空间差异很大,在美国和阿根廷,超过50%的玉米产量年际变化能够被气候年际变化解释,高于其他国家。同时,在气候变化趋势对玉米产量的影响上,多元线性回归和所有作物生长模型都表明了1980-1990 年气候变化趋势对产量的消极影响,1991-2000 年气候变化趋势的消极影响也被多元线性回归、随机森林和一些作物生长模型捕捉到。在2001-2010 年,多元线性回归和随机森林模型模拟出气候变化趋势的积极影响,然而大多数作物生长模型表现出气候变化趋势的消极影响。(2)在温度升高1℃情景下,多项式回归、长短期记忆神经网络 (LSTM) 和6 个作物生长模型模拟的全球玉米产量将分别降低6.88%、4.86%和5.61%,降水增加10%能将这些减产量分别缓解至2.90%、3.81%和2.51%。总体而言,作物模型在温度变化情景下的不确定性要比降水变化情景下的不确定性更大,而干旱影响模拟的不确定性要高于湿润情景。空间上,印度、南非和加拿大地区玉米产量模拟的不确定性要高于其他国家,而美国、中国、印度尼西亚和法国的不确定性相对较小。(3)当温度升高2℃时,多项式回归、LSTM 和作物生长模型模拟的全球玉米减产风险(也就是产量下降10%以上的概率)分别为73%、100%和62%。在极端高温(温度升高4℃)和干旱(降水减少20%)的情景下,两大玉米高产国(美国和中国)和前10 个玉米高产国同时减产的风险显著增加,甚至达到100%。但不同类型模型模拟结果的不确定性较大,模拟的玉米减产风险分别为90%~100%和0%~97%。(4)本文进一步提出基于机器学习的观测约束技术,结果表明该技术使得全球玉米产量多年平均和年际变异模拟结果的不确定性分别降低了62%和52%,而基于线性回归的传统约束技术仅能减少4%和16%的不确定性。相比原始模型模拟结果,观测约束后的作物模型预测的全球玉米减产幅度和年际变异程度更大,尤其是巴西、印度和印度尼西亚。也就是说,未来气候变化带来的粮食安全风险比预期的更为严峻。本文的核心创新点在于通过比较不同类型模型间的模拟结果异同,包括统计模型、机器学习和作物生长模型,系统性地定量评估了作物模型在全球玉米产量的年际变化、多年平均和减产风险模拟方面的不确定性,并提出和验证了基于机器学习的涌现约束技术在减小作物模型不确定性方面的有效性。研究成果可为我国应对气候变化,保障未来粮食安全提供科学支撑。
语种中文
页码143
源URL[http://ir.igsnrr.ac.cn/handle/311030/199801]  
专题地理科学与资源研究所_研究生部
推荐引用方式
GB/T 7714
尹晓蒙. 气候变化对全球玉米产量影响模拟的不确定性研究[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2023.

入库方式: OAI收割

来源:地理科学与资源研究所

浏览0
下载0
收藏0
其他版本

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。