评估极端气候事件在未来的气候情景下对农作物产量的影响

本研究构建数据驱动的框架，利用可解释的LightGBM模型分析德国区县级极端气候事件对春播和夏播作物产量的影响，识别关键阈值并预测2025-2100年两种排放情景下的空间时间暴露风险，揭示作物特异性脆弱性模式。

张慧慧|苏景勇|Hugo A. Loaiciga|刘吉|胡耀|吴旭曼|应正涛|Tobias Sauter

哈尔滨工业大学（深圳）计算机科学与技术学院，中国深圳，518055

摘要

气候变化及其相关的极端气候事件，如干旱、强降水和热浪，对农作物产量和全球粮食安全构成了挑战。然而，这些极端事件的关键阈值尚不清楚，它们如何影响未来的农业风险也不明确。本研究开发了一个新颖的、基于数据的框架，用于评估气候引起的农作物产量风险，并评估极端气候事件对主要农作物产量的影响。该评估使用基于历史产量和气候数据的可解释LightGBM预测模型进行。该模型阐明了导致产量变化的关键气候事件，并确定了这些事件对农作物产量产生负面影响的临界阈值。通过控制非气候因素来隔离由气候引起的产量变化。本文的框架应用于评估极端气候事件对德国各地区（Landkreis）农作物产量的影响，数据来自2001年至2020年的生长季节。本研究预测了2025年至2100年两种碳排放情景（SSP2-4.5和SSP5-8.5）下，极端气候事件及其关键阈值对研究区域农作物产量的时空暴露风险。研究结果表明，气象干旱和极端高温是威胁春播或夏播作物产量的主要气候压力源，而玉米、燕麦和夏大麦对短期强干旱事件特别敏感。相比之下，甜菜主要受长期水分不足的影响，这由平均气象干旱条件表明，它依赖于整个生长季节的持续水分供应。时空暴露分析揭示了特定作物的脆弱性模式：例如，马铃薯的暴露概率高达90%，而甜菜的风险最低，但在高排放情景下风险增加了两倍。本研究的结果为精确产量估算、早期预警系统和适应策略提供了可操作的见解，以减轻气候变化对粮食安全的影响。

引言

气候变化对农业部门有直接影响。极端气候事件，如热浪、干旱、过度降雨和霜冻，被认为是导致农作物产量损失的主要因素，这威胁到粮食安全和农民的收入（Bailey-Serres等人，2019；Brill等人，2024；Heilemann等人，2024）。近年来，极端气候事件的频率、严重性和持续时间增加了对粮食安全的挑战，并预计未来会进一步加剧（IPCC等人，2023）。如果没有有效的气候缓解策略，在高排放情景下（全球温度上升+4°C），到2100年极端事件可能导致每年超过650亿欧元的农作物损失（Naumann等人，2021）。因此，量化和预测极端天气对农作物产量的影响对于评估气候风险和采取适应策略以改善全球粮食安全至关重要（Lorite等人，2023；Kim等人，2024）。这些极端气候事件的特点是降水相关、温度相关和干旱指数（Sun等人，2021）。

气候极端事件对农作物产量产生不利影响的阈值仍然未知。大多数先前的研究强调了极端事件对农作物产量的影响，但没有确定其关键阈值或预测未来影响（Lesk等人，2022；Schmitt等人，2022；Zhang等人，2025）。不同作物对极端气候事件的敏感性差异很大（Xia等人，2021）。然而，大多数影响评估主要集中在少数几种主要作物上，即小麦、玉米和水稻，分别占研究的77%、54%和25%（Rezaei等人，2023）。这种有限的作物覆盖范围限制了我们对更广泛的农业系统对气候变化脆弱性的理解。总体而言，确定极端气候事件关键阈值的差距以及作物代表性的不平衡阻碍了对极端气候事件未来影响的预测。人工智能（AI）为解决这些挑战提供了有希望的解决方案，它能够全面分析代表性不足的作物，从历史气候事件中识别主要极端事件，并处理数据稀缺的情况，从而推进更稳健的农业气候风险评估。

早期研究发现，估计产量/天气影响的实证方法经常面临数据和模型相关的问题（Schmitt等人，2022）。在这种情况下，一个众所周知的困难是预测准确性和模型可解释性之间的权衡。最近在可解释人工智能方面的进展克服了这一挑战，使得能够解释多种极端气候事件与农作物产量响应之间的复杂相互作用（Hu等人，2024）。此外，极端气候事件对农作物产量有正面或负面影响，超过某些临界阈值后，任何偏差都可能加剧这些影响（Xiong等人，2021；Xu等人，2024）。因此，预测临界阈值对于采取适应措施和满足更大、更富裕的世界人口的未来粮食需求具有重要意义。

极端气候事件的未来预测依赖于高分辨率气候模型。第六阶段耦合模型比较项目（CMIP6）提供了模拟未来极端天气模式的重要数据，整合了人类活动的影响，并与农业研究保持一致（Hasegawa等人，2022；Ridder等人，2022）。随后，开发了最新的NASA全球每日降尺度预测数据集（NEX-GDDP-CMIP6）。NEX-GDDP-CMIP6旨在监测细尺度的气候变化并评估这些气候变化造成的后果。该数据集包括在共享社会经济路径（SSPs）下的全球降尺度气候模拟，提供了一个全面且精细的土地表面强迫数据集，已经进行了偏差校正，并具有大约1公里的空间分辨率（Thrasher等人，2022）。

不同级别的产量数据汇总也会导致天气极端事件对农作物产量的影响有所不同。大多数研究集中在全球规模的农作物产量研究上，以了解广泛的大规模趋势和模式（Najafi等人，2018；Vogel等人，2019；Hasegawa等人，2021；Lesk等人，2021；Wing等人，2021；Schillerberg和Tian，2024；Sun等人，2024）。由于这些全球规模的研究通常依赖于汇总的产量数据，它们可能会掩盖田间或农场层面的天气极端事件的细微影响，可能低估了局部脆弱性。Heino等人（2023）研究了1980年至2009年间气候极端事件对全球农作物产量的影响，重点关注四种全球作物（玉米、小麦、水稻和大豆）。他们发现不同作物和地区对气候变异的敏感性存在很大差异。区域研究主要集中在人口较多的地区，如南亚和印度（Das和Basu，2023；Ullah等人，2023）。很少有研究在更细的尺度（即地区或农场层面）评估极端气候事件的影响。此外，已发表的研究往往集中在特定作物上。例如，Garry等人（2021）研究了极端气候事件对英国农业未来气候风险的影响，影响仅限于马铃薯晚疫病。Schmitt等人（2022）估计了1995年至2019年间极端天气事件对农作物产量（即冬小麦、冬大麦、冬油菜和玉米）的影响。尽管付出了这些努力，但相对较少的研究考察了影响的空间分布以及极端气候事件对广泛作物类别的时空影响，特别是在地区层面。这种理解的缺乏显著增加了未来农作物产量估计的不确定性。

本研究提出了一个新颖且可推广的框架，用于评估极端气候事件对农作物产量的影响，以德国作为欧洲第二大谷物生产国作为案例研究。本文的框架整合了历史产量数据、多作物分析和高分辨率气候预测，以分析多种同时发生的极端事件，识别主导事件及其驱动农作物产量变化的关键阈值。它采用了不同于以往研究的方法，以往的研究侧重于强调主导极端事件，而忽视了它们的关键阈值和未来影响。该框架使用可解释的AI确定了这些主导事件的关键阈值。通过利用可解释的机器学习模型和未来气候情景（SSP2-4.5和SSP5-8.5，2025–2100），它预测了多种作物的潜在产量影响，并生成了时空暴露地图。这种方法解决了影响评估和作物特定敏感性方面的关键差距，为早期预警、监测和适应性农业管理提供了可操作的见解，并提供了在气候变化下增强农业韧性的强大工具。

研究区域

德国是欧洲最大的农业生产国之一，其约51%的面积（2017年）为农业用地，使其成为全球农业研究的关键参与者（Blickensdörfer等人，2022）。其气候模式，包括降水和温度（图1A1，A2），遵循南北和东西梯度，这是由于海拔升高和大陆性增加所致（Okujeni等人，2024）。它代表了中欧典型的温带农业生态系统（Beck等人，2018）

五种主要作物的显著极端气候事件和关键阈值

该模型分别评估了五种主要作物的年度产量预测性能，以确定驱动不同作物类别产量的主导预测因子。本研究重点关注极端气候事件在各种作物产量中的作用。图3使用可解释的LightGBM预测模型和SHAP算法识别了影响五种作物产量的显著极端气候特征。

关键阈值定义和主导极端气候事件对预测结果的影响

本研究基于历史上显著的极端气候事件预测了五种作物在其生长季节的产量风险。这些极端气候事件的发生时间起着关键作用，选择用于定义关键阈值的具体时期也非常重要（Zhang等人，2025）。这些事件的性质也可能根据所使用的时间尺度而变化。探索不同时间尺度下极端气候事件对作物产量的影响（例如，

结论

本研究提出了一个可推广的框架，用于识别关键极端气候事件，确定其关键阈值，并预测不同作物产量的时空暴露概率。这些发现为在变化的气候条件下进行精确产量预测提供了信息。这些发现支持未来对气候相关经济风险的评估，并有助于决策，涉及作物适应和风险管理。本研究探讨了极端气候事件的负面影响

CRediT作者贡献声明

张慧慧：写作 – 审稿与编辑，撰写原始草稿，可视化，验证，软件，资源，方法论，形式分析，数据管理，概念化。苏景勇：写作 – 审稿与编辑，验证，监督。Hugo A. Loaiciga：写作 – 审稿与编辑，验证，监督。刘吉：写作 – 审稿与编辑，验证。胡耀：写作 – 审稿与编辑，验证。吴旭曼：可视化。应正涛：写作 – 审稿与编辑，验证。

资助

本工作得到了柏林爱因斯坦基金会的“气候与水”研究单元和柏林大学联盟的支持（ERU-2020-609）。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能会影响本文报告的工作。