摘要
气候变化对水资源和干旱特征的影响将显著影响区域农业水资源安全。为了阐明水资源消耗和干旱的响应机制，本研究结合了CMIP6在两种共享社会经济路径下的气象数据。我们使用了6个月时间尺度的标准化降水蒸发蒸腾指数（SPEI-6）和AquaCrop模型分别来量化干旱和玉米生产的水足迹（WFprod）。该研究探讨了2030年至2099年间WFprod对干旱的响应及其主要过程。结果表明，大多数地区表现出干旱趋势加剧，而少数地区则呈现湿润趋势，其中SSP245下的趋势幅度更为明显。WFprod在SSP585下的变化趋势更为显著，尤其是下降趋势，受影响范围也比SSP245更广。在大多数省份，WFprod与SPEI-6呈负相关，尤其是在SSP585下。在SSP245情景下，北方地区WFprod对干旱的响应主要由产量等生理过程决定，而在南方地区，则主要由与作物需水量相关的物理过程决定。在SSP585情景下，情况相反。全面灌溉可以在一定程度上缓解加剧的干旱对作物水分利用效率的负面影响。然而，在湿润地区，灌溉可能会增加水足迹的可能性。本研究揭示了WFprod对干旱的响应，为气候变化下的水资源管理提供了新的视角。
通俗语言总结
本研究利用2030-2099年的气候预测数据，在两种未来情景（中等和高温室气体排放）下，探讨了气候变化如何影响中国的水资源可用性和干旱模式，以及这对可持续种植玉米意味着什么。我们测量了干旱的严重程度，并计算了每单位质量玉米生产所消耗的水量（称为玉米生产的水足迹）。结果显示，大多数地区将面临更严重的干旱，特别是在中等排放情景下。少数地区可能会变得更湿润。在高排放情景下，玉米生产的水资源消耗在更广泛的区域内显著减少。干旱通常会降低玉米的水分利用效率，尤其是在高排放情景下。在中国北方，干旱期间玉米产量的变化主导了水资源利用；而在中国南方，作物需水量的变化（如灌溉需求）起着更大的作用。在高排放情景下，情况则相反。虽然增加灌溉可以帮助减少干旱易发地区的水资源浪费，但它可能会提高已经湿润地区的水足迹。本研究揭示了WFprod对干旱的响应，为气候变化下的水资源管理提供了新的视角。
1 引言
气候变化主要表现为全球温度上升，已成为一个重要的环境挑战，引发了大量的科学和政治讨论。政府间气候变化专门委员会发布的第六次评估报告指出，全球温度比工业化前水平上升了1.1°C（Kikstra等人，2022年）。这种热放大效应加上降水模式的变化，加剧了气象极端事件的时空强度、暴雨事件和干旱周期（Chiang等人，2021年；Myhre等人，2019年；H. J. Wu等人，2025年；Zampieri等人，2017年）。干旱定义为由于不同时间尺度上的水资源供需差异而导致的长期水资源短缺，具有广泛的分布、高发生频率和长期持续的特点。当前的研究强调了它们的多维影响，Garcia-León等人（2021年）表明，这种水文气候扰动会在社会经济和生态系统中产生非线性的连锁反应。在此背景下，明确干旱类型和量化方法是研究其影响的重要前提。现代干旱分类法认定了四种主要类型：气象干旱、水文干旱、农业干旱和社会经济干旱，其中气象干旱在全球陆地系统中发生的频率最高（Mishra & Singh，2010年）。定量干旱评估采用了基于大气湿度参数的复合指数，主要是降水和潜在蒸发蒸腾量（PET）。主流的方法框架包括六个标准化指标：标准化降水指数（SPI）、标准化降水蒸发蒸腾指数（SPEI）、蒸发需求干旱指数（EDDI）、Palmer干旱严重程度指数（PDSI）及其自校准变体（SC-PDSI）和蒸汽压差（VPD）。SPEI同时考虑了降水和蒸发蒸腾量来量化干旱状况。这种方法更符合实际的干旱情况，并在中国干旱研究中表现出良好的适用性（Yao等人，2018年；Zhao等人，2017年）。例如，L. C. Li等人（2020年）使用SPI和SPEI干旱指数分析了1980-2015年中国干旱的演变特征，结果表明，在气候变化背景下，SPEI在检测干旱方面具有更多优势。准确评估干旱不仅阐明了其气候特征，还为理解其对农业系统的影响奠定了基础。作为世界第二大玉米生产国和主要进口国，中国面临着气候变化对农业可持续性的双重挑战。玉米在中国粮食作物市场中占主导地位，但这种耗水量大的雨养作物仍然极易受到干旱胁迫。最近的研究表明，气候变化驱动的农业气候参数变化——包括温度模式、大气CO2浓度和土壤湿度动态——改变了中国玉米带的物候并降低了产量（Hussain等人，2019年）。多项研究证实了气候变化对玉米的负面影响（Deng等人，2020年），其影响比其他作物更为明显（Deryng等人，2014年；Feng等人，2019年；Iizumi等人，2017年；Tebaldi & Lobell，2018年）。值得注意的是，温度升高加速了玉米的发育阶段，每升高1°C，生育窗口缩短5-8天（Xiao等人，2019年）。农业占全国用水量的61%，在某些地区甚至达到90%。全球温度的上升增加了作物的潜在蒸发蒸腾量，从而推高了农业用水需求。此外，气候变化引起的时空水资源分布变化可能会加剧区域供需不平衡。因此，量化农业系统中的水资源消耗是应对水资源挑战的关键步骤。21世纪初，荷兰研究人员引入了“水足迹”概念，基于虚拟水理论和生态足迹框架。这一概念通过量化产品或活动的水资源消耗并追踪其空间依赖性，扩展了传统的水资源评估（Hoekstra，2003年）。根据水源类型，水足迹可以分为蓝色水足迹、绿色水足迹和灰色水足迹（Hoekstra & Chapagain，2007年），这些分类系统地描述了农业水资源的利用情况。蓝色水足迹（WF）代表生产过程中地表水和地下水的消耗；绿色WF表示储存在土壤中的有效降水的消耗；而灰色WF指的是将生产过程中产生的污染物稀释到环境可接受浓度所需的淡水体积。作为衍生焦点，作物生产WF能够全面评估灌溉和雨养条件下的农业用水效率（WUE），从而有助于制定农业水资源安全策略（Hossain等人，2021年；Mekonnen & Hoekstra，2011年）。作物生长模型的发展克服了早期农业WF研究的局限性，这些研究依赖于历史产量统计数据。这些模型能够有效预测动态气候条件下的作物生产WF变化，提供了一种新的量化方法，更好地反映了作物生长期间的实际水资源消耗。当前的作物模型系统不断进步，广泛应用的主流模型包括DSSAT、WOFOST、EPIC和AQUACROP。基于这一技术背景，Jiang等人（2022年）使用AquaCrop模型研究了2021年至2100年中国玉米生产WF的变化。同年，研究人员开发了基于AquaCrop-OSPy的全球网格化过程基础作物模型ACEA，实现了高空间分辨率下的作物水足迹动态模拟（Mialyk等人，2022年）。Xue等人（2024年）将WOFOST与遥感同化数据结合，构建了一个优化的小麦水足迹量化框架，实现了跨区域比较。作物模型通常需要大量数据和复杂的参数校准，这对大规模、高分辨率的作物生产水足迹研究构成了挑战。尽管干旱影响作物产量和用水量，但关于干旱对作物生产WF影响的研究相对较少。现有研究主要集中在干旱对作物产量和总用水量的影响上（B. Wang等人，2024年），但很大程度上忽略了WF对干旱的响应机制。以往对干旱影响作物WF的归因分析主要关注个别气象因素（Arunrat等人，2020年），而不是干旱事件本身对WF形成的综合影响。从时间上看，研究工作主要集中在历史时期（B. Li等人，2024年；Marston & Konar，2017年；Y. Zhang等人，2015年），而在未来气候情景下的预测研究仍然有限。特别是将CMIP6气候模型与作物建模框架结合以量化未来气候变化下长期干旱对农业WF动态影响的研究非常稀缺。从空间上看，当前的工作强调的是区域尺度的同质化特征（Arunrat等人，2022年），未能充分解决内部空间异质性。因此，详细探索从区域到像素尺度的响应将更全面地描绘作物生产WF对干旱的响应。将这些响应整合到不同的灌溉管理策略中，为构建气候适应性农业系统提供了关键的科学基础和决策支持框架。基于多个气候模型的数据，并使用干旱指数SPEI和AquaCrop模型，本研究旨在探讨未来气候情景下干旱对玉米生产水足迹（WFprod）的影响。本研究旨在：(a) 分析2030年至2099年中国两种代表性气候情景（SSP245和SSP585）下干旱的时空演变；(b) 评估中国主要种植区在干旱变化条件下WFprod的时空特征，并模拟不同灌溉管理策略（如全面灌溉、实际灌溉和雨养）对WFprod的动态影响；(c) 阐明气候情景、灌溉策略和生态系统过程之间的耦合机制，以研究WFprod对干旱演变的响应模式及其主要过程。研究结果为制定区域玉米生产策略提供了理论参考，并为增强农业生产系统对气候变化的适应性和韧性提供了科学依据。
2 数据集
2.1 气候模型数据
预测的气象数据（例如，最高/最低温度、降水量、风速、相对湿度和太阳辐射）来自第六次国际耦合模型比较计划（CMIP6）中的情景模型比较程序，该计划基于共享社会经济路径（SSPs）和代表性浓度路径（RCPs）构建情景框架。选择了九个气候模型（表1）在GHG浓度情景（SSP245、SSP585）下的气候预测（https://esgf-node.llnl.gov/search/cmip6/），这些模型是现阶段最具有代表性和相对完整的输出。表1. 本研究中的GCM预测列表
模型名称 国家 机构 分辨率（经度×纬度）
ACCESS-CM2 澳大利亚 CSIRO-ARCCSS 1.8° × 1.2°
ACCESS-ESM1-5 澳大利亚 CSIRO 1.8° × 1.2°
CanESM5 加拿大 CCCma 2.8° × 2.8°
CMCC-ESM2 意大利 CMCC 1.0° × 1.0°
FGOALS-g3 中国 CAS 2.0° × 2.25°
MIROC6 日本 MIROC 1.4° × 1.4°
MPI-ESM1-2-HR 德国 MRI-MDWD DKRZ 0.9° × 0.9°
MPI-ESM1-2-LR 德国 MRI-MAWI DKRZ 1.9° × 1.9°
MRI-ESM2-0 日本 MRI 1.125° × 1.125°
考虑到不同气候模型的空间分辨率不一致，本研究采用双线性插值方法将相关气象数据集重采样为0.1° × 0.1°的分辨率，以获得多模型集成结果并减少单个模型预测数据的不确定性。集合平均，即对多个模型的结果进行算术平均，是一种简单且常用的多模型集成方法，计算公式如下：
(1)其中ME_mean（气象要素）是多模型的算术平均值；MEi是模型的模拟值；n是选定的CMIP6模型数量。
2.2 其他数据
所使用的土壤分类数据来自联合国粮食及农业组织（FAO）和维也纳国际应用系统研究所共同构建的协调世界土壤数据库（HWSD）。中国的土壤数据来自中国科学院南京土壤研究所发布的1:1,000,000土壤数据库（Shi等人，2004年），这是目前国家层面最丰富的数字化土壤数据库。基于MIRCA2000全球作物数据集（空间分辨率为5弧分（Portmann等人，2010年），本研究定义了中国主要的雨养和灌溉玉米种植区域作为研究区域（支持信息S1中的图S1）。作物的产量数据来源于《中国农村统计年鉴》和多个省级统计年鉴。这些资料主要提供了1997年至2017年中国22个省（市）的玉米产量和播种面积信息。关于中国各省玉米生长季节的数据（见支持信息S1中的图S2）参考了Zheng（2015）的研究。本研究遵循Jiang等人（2022）的方法，选择了需要在AquaCrop模型中校准的作物参数类型（见支持信息S1中的表S1）。
3 方法
3.1 标准化降水蒸发蒸腾指数（SPEI）
SPEI具有多尺度和适用性的优势，能够有效评估不同地区的干旱和湿润趋势（Vicente-Serrano等人，2010）。这在评估区域干旱特征时尤为重要（F. Wu等人，2024）。此外，SPEI被广泛用于全球变暖背景下的干旱演变研究。计算SPEI时使用的中间变量是PET。用于计算PET的公式包括Thornthwaite公式和Penman-Monteith公式，分别对应的干旱指数为SPEI-Th和SPEI-Pm。在全球变暖的背景下，SPEI-Th高估了干旱的程度，而SPEI-Pm在捕捉干旱模式演变方面表现出更高的准确性（Bae等人，2018；T. X. Chen等人，2017；H. J. Wang等人，2022）。在不同时间尺度上计算累积水分增减：
(2)其中Pi表示当前时间尺度下第i个月的降水量，单位为毫米；ET0,i表示同一月份的参考作物蒸发蒸腾量，单位为毫米。
(3)其中Δ表示饱和水汽压与空气温度曲线的斜率，单位为kPa°C^-1；Rn表示作物冠层的净辐射，单位为MJ m^-2 day^-1；G表示土壤热通量，单位为MJ m^-2 day^-1；γ表示干湿表常数，单位为kPa°C^-1；T表示2米高度处的平均气温，单位为°C；U2表示2米高度处的平均风速，单位为m·s^-1；es表示饱和水汽压，单位为kPa；ea表示实际水汽压，单位为kPa。鉴于作物对短期干旱（例如3-6个月）的敏感性较高（Q. Zhang等人，2017），以及SPEI-6时间尺度与区域玉米系统的关键水分敏感生长阶段（从播种到成熟）的紧密对应（Djurdjević等人，2024），我们因此开发了k=6时间尺度下的累积水分预算变化时间序列：
选择三参数对数逻辑概率分布来描述中国每个网格点的累积水分增减序列。将拟合的水分增减序列进行标准化处理，以获得多个时间尺度下的SPEI指数（表2）。表2. 基于SPEI的干旱等级分类
干旱等级
SPEI值
正常
（-0.5, +∞）
轻度
（-1.0, -0.5）
中度
（-1.5, -1.0）
重度
（-2.0, -1.5）
极端
（-∞, -2.0）
干旱频率（F）是指在一定时间内干旱发生的次数，用于评估干旱发生的频率，计算公式如下：
干旱频率（F）是时间内干旱发生的次数，用于评估干旱发生的频率，计算公式如下：
3.2 作物生产的水足迹
AquaCrop模型是由粮农组织（FAO）开发并推荐的、以水分驱动的作物生长模型。该模型具有输入参数少、输入数据易于获取、结构简单且易于学习的优点。AquaCrop模型已被广泛用于研究世界各地不同作物的生长和发展过程以及水分利用效率（WUE）。该模型以每日时间步长运行，基于土壤水分平衡原理模拟作物生长过程。三个关键参数（物候、冠层覆盖度和蒸腾作用）共同决定了最终产量。模型的核心计算公式如下：
3.3 敏感性分析
在干旱条件下，作物水分足迹（WFprod）的差异响应归因于生态系统中的两个核心过程：生理过程（由产量Y表示）和物理过程（由作物需水量ETc表示）对干旱胁迫表现出不同的敏感性和适应能力。为了估计Y和ETc对干旱的相对敏感性，我们首先使用Z-Score方法对Y、ETc和干旱指数SPEI进行了标准化处理，然后通过将标准化后的Y（或ETc）与标准化干旱指数的斜率之比来量化Y和ETc对干旱的相对敏感性。如果某个像素中的Percent_ETc > 0.5，则认为该像素中WFprod对干旱的响应主要由ETc主导，否则由Y主导（Y. Yang等人，2016）。
3.4 双变量正态分布
双变量正态分布是一种描述两个随机变量之间关系的联合概率分布，它是多变量正态分布的一个特例，特别适用于两个变量。双变量正态分布在统计学、数据分析、机器学习等领域被广泛用于模拟两个连续变量及其相互关系。设X和Y为遵循双变量正态分布的两个随机变量，表示为（X, Y）∼ N(μX, μY, σ2X, σ2Y, ρ)。根据多变量正态分布函数的性质，给定一个变量的条件下，另一个变量的条件分布也遵循正态分布。给定X = x时，Y的条件概率分布是正态的，其概率密度函数如下：
本研究使用通过Z-score标准化的SPEI-6和WFprod建立了双变量正态分布。通过指定SPEI-6的值，确定了不同区间内WF发生的概率。
4 结果
4.1 干旱的空间特征
基于干旱等级分类，分析了SSP245和SSP585情景下中国不同类型干旱（轻度、中度、重度和极端）的发生频率的空间分布特征。在两种情景下，轻度和中度干旱都较为普遍（图1）。总体而言，SSP585情景下轻度和中度干旱的发生频率高于SSP245情景，而SSP245情景下极端干旱的发生频率更高。图1显示了SSP245和SSP585情景下2030年至2099年中国干旱指数SPEI-6的时空演变特征。结果表明，中国的干旱和湿润趋势存在空间异质性，不同未来气候情景下干湿变化的分布有显著差异（图2）。具体来说，在SSP245情景下，中国大部分地区面临干旱威胁，而少数地区显示出湿润趋势增强。值得注意的是，中国西北部和东北部西南部的干旱强度显著加剧，而西南部地区则出现显著的湿润趋势。与SSP245情景相比，SSP585情景下受干旱影响的区域面积增加了6.3%。然而，具有统计显著趋势的区域范围有所缩小，特别是干旱化面积减少了26.7%，湿润面积增加了20.0%（α = 0.05）。中国中部和东北部以及中国南部南部地区干旱强度显著加剧，而华北与黄淮海地区的边界则出现了明显的湿润趋势。
4.2 实际灌溉条件下玉米产量和水足迹的空间和时间变化
使用AquaCrop模型模拟玉米产量，旨在评估未来气候情景下玉米产量的演变特征。在两种气候情景下，大多数地区的产量均呈现下降趋势，而黄淮海地区的产量有所增加（图3）。在SSP585情景下，2040年代大多数地区的玉米产量有所增加，随后在2050年代出现明显下降。中国西北部由于气候变异性，产量减少尤为显著。图3显示了SSP245和SSP585情景下2040年代玉米产量的十年平均变化。作物生产的水足迹（WFprod）被视为衡量作物生产过程中水分利用效率（WUE）的指标之一。结果显示，中国西北部东部、西南部东部和中国南部西部的WFprod相对较高（图4）。在SSP245（SSP585）情景下，2030-2099年的平均WFprod为0.60（0.59）m3/kg。SSP245情景下的WFprod略高于SSP585情景。在SSP585情景下，几十年间WFprod的变化比SSP245情景更为明显。2030年代，SSP245和SSP585情景下的WFprod空间分布具有较高相似性；而在2060年代和2090年代，SSP585情景下WFprod较小的区域逐渐增加。图4显示了不同十年的平均水足迹。
4.3 不同灌溉策略下气候变化对玉米产量和水足迹的影响
图5a和5c显示了SSP245和SSP585情景下不同灌溉策略下产量变化率。从区域上看，所有子区域都表现出产量减少的风险。特别是中国东北部，产量变化率的分布呈负值，减少最为显著。在完全灌溉条件下，SSP585下的产量增加潜力略高于SSP245。这一特征在中国西北部和西南部尤为明显，反映了灌溉在高排放条件下的显著补偿效应。因此，灌溉显著缓解了气候变化的负面影响，一些地区甚至保持了稳定的产量或实现了小幅增长。在相同气候情景下，雨养条件下的水足迹始终高于完全灌溉条件下的水足迹（图5b和5d）。这表明适度的灌溉可以减少作物的水足迹（WF），同时提高区域的水分利用效率（WUE）。尽管充分灌溉能够支持产量的增加，但这种做法由于供水过多，往往会降低WUE。图5
在不同灌溉策略下，SSP245和SSP585情景中的产量变化率（a, c）和水足迹变化率（b, d）。两种未来气候情景下WFprod的趋势空间模式显示出明显差异。SSP585情景下的WFprod趋势，尤其是下降趋势，比SSP245情景更为明显，且显著变化的范围也更广（图6）。在SSP245情景下，WFprod的显著下降主要发生在中国东北部的西部和中国西南部的东北部。相比之下，在中国西南部的南部、中国南部的西部以及长江的中下游地区，WFprod出现了显著上升。在SSP585情景下，WFprod的显著下降主要发生在中国西北部的东部、中国东北部的北部、黄淮海地区的南部以及中国西南部的东北部。相反，在中国西北部的西部、中国东北部的东部、黄淮海地区的北部、中国西南部的南部以及长江的中下游地区，WFprod出现了显著上升。三种灌溉策略下WFprod趋势的空间分布相对相似。然而，在SSP245情景下，大多数地区的WFprod趋势没有显著变化。相比之下，在充分灌溉情景下，WFprod发生显著变化的地区数量比实际灌溉情景更多。图6
对SSP245和SSP585情景下玉米生产水足迹的MK趋势测试。（如果|Z| > Z1–α/2，则趋势变化更为显著；当|Z|大于1.65时，置信水平达到0.90；当|Z|大于1.96时，置信水平达到0.95；当|Z|大于2.58时，置信水平达到0.99）。
4.4 玉米生产对干旱的水足迹响应
4.4.1 控制因素
我们进行了敏感性分析，以探讨在不同灌溉策略下WFprod对干旱的响应以及控制因素的分布特征。与实际灌溉相比，雨养策略在气候情景下增加了以产量为主导的区域。在充分灌溉策略下，SSP245情景下作物水分需求主导的区域显著增加，而在SSP585情景下产量主导的区域扩大（图7）。
Y和ETc对干旱的相对敏感性。在实际灌溉下，两种气候情景下控制因素的分布特征存在显著差异。特别是在SSP245情景下，西北部和东北部以产量为主导；而在SSP585情景下，作物水分需求占主导。相比之下，在SSP245情景下，西南部、中国南部、长江的中下游地区以及黄淮海地区的南部以作物水分需求为主导；而在SSP585情景下，这些地区以产量为主导。在雨养策略下，与SSP245情景相比，SSP585情景下产量主导的区域减少，而作物水分需求主导的区域增加。在SSP245情景下，产量主导的区域主要位于中国西南部的南部、长江中下游地区的北部、黄淮海地区的南部以及中国东北部的东南部。作物水分需求主导的区域主要位于中国西北部的西部、中国东北部的北部以及中国南部的西部。在SSP585情景下，中国西北部的西部、中国东北部的东部、黄淮海地区的北部、中国西南部的南部以及长江的中下游地区转变为作物水分需求主导；而中国西北部的东部转变为产量主导。
4.4.2 玉米生产水足迹与SPEI-6之间的相关性
本研究探讨了在不同灌溉策略和气候情景下，各省年平均SPEI-6与WFprod之间的相关系数。灌溉制度对相关性的影响表现出显著的情境依赖性和区域异质性（图8）。在相同的气候情景下，绝大多数省份的相关系数在三种灌溉制度（实际灌溉、雨养和充分灌溉）之间没有显著差异，表明灌溉管理总体上保持了基本的统计关联。然而，在特定的气候情景下，某些省份的灌溉制度显著调节了干旱响应的强度甚至方向（图8）。
玉米生产水足迹与标准化降水蒸散指数（SPEI-6）之间的相关性。图中的星号（*）代表p值。*: p < 0.05表示相关性具有统计学意义；**: p < 0.01表示相关性非常具有统计学意义。结果表明，不同灌溉策略下的空间相关分布高度相似。然而，在两种气候情景下出现了显著差异（图8）。在SSP245情景下，中国北部、中国东北部东北部、中国西北部和黄淮海西部地区的WFprod与SPEI-6之间存在显著的负相关。在这些地区，宁夏回族自治区在所有三种灌溉制度下的相关系数均低于-0.9，显示出最强的负相关。相反，在中国黄淮海东部地区、中国西南部地区、长江中下游北部地区以及中国东北部东南部地区，WFprod与SPEI-6之间存在显著的正相关。在SSP585情景下，负相关区域扩大，强负相关的区域增加。在中国黄淮海东部地区、中国西南部东南部地区、长江中下游东部和南部地区以及中国东北部东南部地区，出现了显著的负相关。在中国西北部北部地区、中国黄淮海西部地区、长江中下游北部地区以及中国东北部中部地区，相关性转变为正相关。
4.4.3 概率分析
本研究使用SPEI-6和标准化的WFprod构建了一个双变量正态分布函数，以研究在不同干旱水平下WFprod的概率分布特征（图9和图10）。
如图9所示，在相同的干旱条件下，SSP585情景下WFprod值低于某个阈值的概率高于SSP245情景。SSP585情景表现出更高的WUE，特别是在极端干旱条件下。随着SPEI-6的降低，表明干旱更加严重，超过某个WFprod值的概率增加。充分灌溉策略下的概率密度分布与实际灌溉条件下的分布非常相似，其中雨养策略下的增加最为显著（图10）。灌溉在一定程度上减轻了加剧的干旱对作物WUE的负面影响；而在湿润地区，灌溉增加了WFprod较高的可能性。我们进一步计算了在六个特定SPEI-6值下不同WFprod区间的概率（见支持信息S1中的表S2）。WFprod的值主要落在0.4–0.6 m3/kg范围内，其次是0.6–0.8 m3/kg范围。随着干旱程度的增加，0.8–1.0 m3/kg范围内的概率也增加。
5 讨论
5.1 干旱对玉米产量和生产水足迹的影响
在校准和验证期间，R2、RMSE和nRMSE值分别为0.71和0.80、0.82和0.60吨/公顷，以及16.39%和10.51%，表明参数化后模型的性能令人满意（见支持信息S1中的图S3）。模拟结果与现有研究结果一致。具体来说，RMSE值与Y. Lu等人（2022年）报告的0.97吨/公顷相当，而nRMSE与Akumaga等人（2017年）记录的8%–17%范围一致。根据Jamieson等人（1991年）建立的评估标准，这些nRMSE值处于“良好”性能区间10%–20%之内，共同验证了该模型的可靠性。与Jiang等人（2022年）的发现相比，我们的模拟显示了更大的产量下降空间范围。这与Jägermeyr等人（2021年）的预测一致，表明CMIP6模型对全球农业的负面影响比CMIP5模型更为明显，潜在的玉米产量损失幅度更大。在SSP585情景下，2040年代大多数地区的玉米产量有所增加，随后在2050年代显著下降。由于气候变异性，中国西北部的产量下降尤为显著。我们的分析显示，在2030–2099年期间，SSP585情景下主要种植区域的平均WFprod减少了1.6%，表明在更高辐射强迫情景下WUE得到改善。这一观察结果与Tian等人（2023年）的发现一致。气候变化和二氧化碳浓度引起的作物生理响应共同影响了作物的水分需求。在SSP585情景下，二氧化碳浓度的升高显著提高了作物的WUE。这与Jiang等人（2022年）观察到的RCP8.5情景下水足迹略低的结论一致。相比之下，Yue等人（2022年）报告称，到2080年，RCP2.6和RCP8.5情景下的WFprod分别增加了17%和13%。与之前的研究不同，我们的方法结合了CMIP6中的ScenarioMIP，该模型整合了更新的排放轨迹和反映当代社会经济路径的土地利用情景，从而解决了CMIP5预测的局限性。CMIP6框架通过提高空间分辨率和精细化的参数化方案，显著提高了大气-海洋-陆地-冰耦合过程的模拟能力（H. Chen等人，2020年；J. Liu等人，2023年）。值得注意的是，CMIP6情景在气候预测方面表现出更高的物理一致性（Hausfather & Peters，2020年）。Kim等人（2020年）的定量评估显示，与CMIP5输出相比，降水模拟误差减少了11%，温度模拟误差减少了6%，特别是在降水建模方面有所改进。我们的研究进一步模拟了SPEI-6和标准化WFprod的联合分布，系统地分析了干旱程度-WUE在玉米生产系统中的概率分布特征。我们发现，在相同的干旱条件下，SSP585气候情景下WFprod落入低水分消耗区域的概率高于SSP245情景，尤其是在极端干旱条件下。二氧化碳浓度的增加使植物减少气孔开放的频率和持续时间，从而降低了植物的水分需求，减缓了植物的蒸散速率，提高了植物的WUE（Hui等人，2001年；Kong等人，2023年）。
5.2 SPEI-6与WFprod之间的相关性及区域异质性机制
我们的研究发现，在两种气候情景下，WFprod与SPEI-6主要呈负相关，表明随着SPEI-6的降低，玉米生产的WF增加，区域干旱趋势会降低作物的WUE。与SSP245情景相比，SSP585情景下WFprod与SPEI-6负相关的空间范围更大，相关系数值也更强。这种模式反映了SSP585情景下WF对干旱变化的敏感性更强。然而，显示出统计显著相关性的区域减少了。这与B. Li等人（2024年）在吉林省发现SPEI与WF之间的负相关研究类似；也与M. Hu等人（2024年）在黑龙江省发现SPEI与玉米绿色WF之间的正相关研究类似，相关系数为3.2%，而与蓝色WF之间的负相关相关系数为63.1%类似。与以往的研究相比，我们的研究范围从单一省份扩展到了中国的主要玉米种植区，并且采用了一个以生育阶段为时间尺度的干旱指数，以更全面地探讨干旱变化对中国主要种植区玉米水分利用的影响。在干旱地区推广高效灌溉技术，如滴灌和喷灌系统，是应对水分利用效率下降（WUE）和促进可持续农业用水的重要策略（Yue等人，2022年）。刘等人（2023年）的研究表明，在中国西北部，采用滴灌技术使作物产量增加了14.39%，同时显著提高了WUE 53.77%，相比传统的边灌方式。此外，推广高频限量灌溉技术（段等人，2025年）也显示出巨大的潜力。这种技术能够在保持根区土壤水分平衡的同时减少灌溉用水量，并确保作物产量的稳定，为协同实现农业节水效率和增强系统气候韧性提供了可行的方法。在某些地区观察到SPEI-6与WFprod之间存在正相关关系。WFprod的变化由ETc和Y决定，这可能是由于作物蒸散作用和产量对干旱胁迫的反应时间滞后不同所致。李等人（2024年）报告了类似的结果，显示在12.14%的像素中SPEI与WF_blue之间存在显著正相关，在4.56%的像素中SPEI与WF_green之间存在正相关。随着干旱加剧，这些地区的WFprod下降，表明ETc可能比产量下降得更明显。这种现象主要归因于干旱胁迫下的生理机制，如气孔关闭、叶面积减少和水分供应受限，从而导致蒸腾作用急剧下降（Duursma等人，2019年）。光合速率与气孔导度之间存在非线性关系。尽管气孔导度的降低限制了二氧化碳的供应，但在一定的胁迫范围内，净光合速率相对较晚下降，从而使WUE暂时增加（Picotte等人，2007年）。同时，作物的内在耐旱性（Way等人，2014年）、非敏感生长期的水分亏缺（朱等人，2021年）以及有限的田间管理措施（Allakonon等人，2022年）共同作用，使得产量损失相对较小。研究表明，在中国东北部和北部，雨养玉米与灌溉玉米之间的产量差异更为明显（图5）。相比之下，中国西南部预计将经历更湿润的条件（图1和图2），那里偶尔的干旱并未导致严重的产量损失（图5）。这种模式主要源于中国西南部的半湿润气候，该地区每年降水量为800-1200毫米，集中在4月至10月的关键作物生长期。因此，水分供应并不是该地区玉米生产的主要限制因素（孟等人，2016年）。相反，当干旱缓解时，WFprod增加，主要是因为更多的水分供应显著刺激了蒸散作用。然而，产量的增加仍然受到非水分因素的相对限制，如养分限制、品种遗传潜力和光照/温度条件。过度的湿润环境也被证明会抑制玉米产量（刘等人，2022年）。此外，柴等人（2024年）的研究表明，全球植被对大气二氧化碳浓度升高的WUE敏感性正在减弱。这意味着超过某个阈值后，二氧化碳浓度升高对WUE的增强效应会减弱。在土壤水分充足和环境光合有效辐射高的条件下，潜在的奢侈蒸腾作用（杨等人，2022年）也可能有助于增加WFprod。深入理解这种响应异质性及其背后的驱动因素对于优化农业水资源管理策略和实现可持续产量增长至关重要。为了解决相对湿润地区WF的增加问题，应实施地面覆盖技术（例如，将秸秆返回田地并覆盖）以减少土壤蒸发，并采取不同的农艺措施来提高农民的技能。李等人（2022年）表明，在中国西南部和南部，植物生长调节剂最为有效。优化措施包括调整播种日期和优化品种选择，以应对气候变化带来的挑战（雷等人，2025年）。已有大量研究探讨了干旱对WUE的影响。一些学者认为WUE与干旱呈负相关。这一观点得到了证据的支持，表明干旱条件可以在自然生态系统中显著提高WUE（胡等人，2008年；黄等人，2017年）。相反，其他研究表明WUE与干旱呈正相关。这些研究表明，在大多数生态系统中，干旱倾向于降低WUE（郭等人，2019年；杨等人，2021年）。在陆地生态系统中，水和碳循环对干旱的响应受到多种生物和非生物因素的复杂调节，包括但不限于温度、降水量、辐射和风速。研究结果的差异可能归因于使用的数据来源不同、研究时期不同、干旱严重程度不同以及生态系统不同（郭等人，2019年；刘等人，2015年；卢等人，2010年；杨等人，2016年）。
5.3 减轻干旱对产量和WFprod的不利影响
先前的研究已经确定，在未来气候条件下，干旱事件会直接影响地下水系统。预测显示，在RCP4.5和RCP8.5情景下，地下水储存量分别最多减少8.8%和9.5%（Kamali & Asghari，2023年）。本研究揭示了SSP245情景下干旱的显著加剧，以及SSP585情景下干旱的广泛空间分布（图2）。为了解决这一问题，应在政策层面推动水权改革，包括设定地下水抽取的红线、实施分级水价和普及节水补贴机制。在生态层面，改变“用水量换取粮食产量”的模式，优化和调整作物种植结构（吴等人，2025年），以及进行区域间水资源分配，可以重新平衡水-生态-粮食安全。研究进一步证明了灌溉措施对作物产量和WFprod的显著影响（图5）。作物产量的顺序为：全灌溉 > 实际灌溉 > 雨养。相反，WFprod的趋势则相反：雨养 > 全灌溉 > 实际灌溉。灌溉措施有效缓解了作物的水分胁迫，显著减少了气候变化对作物生产力的负面影响。然而，在全灌溉条件下，节水效果会减弱。因此，实施优化的灌溉策略，如亏缺灌溉（高等人，2025年）和部分根区干燥（齐等人，2020年），是协同提高作物产量和WUE的有效途径（图11）。这些策略通过精确调节土壤水分来诱导气孔适应，从而减少非生产性蒸腾。尽管SSP585情景下的较高二氧化碳浓度通常会提高作物WUE，导致WFprod低于SSP245情景（图4），但需要谨慎对待这种情景下二氧化碳施肥效应的潜在不可持续性——长期的热应力可能会抵消其生理效益（李等人，2024年）。
5.4 限制与展望
本研究假设了单一作物种植，没有考虑未来气候变化情景下作物分布和灌溉实践的动态适应，这可能会在评估结果中引入不确定性。未来对区域WUE的评估应纳入多种作物系统之间的协同效应及其与社会经济因素的相互作用。然而，区域WUE需要综合考虑多作物系统的协同效应及其与社会经济因素的耦合。因此，未来的研究应纳入轮作系统（孙等人，2018年）、动态种植结构变化（李等人，2024年）和关键的社会经济约束（Bonilla-Cedrez等人，2021年）。尽管作物模型模拟被广泛应用，但它们显示出由多种不确定性来源引起的局限性，主要来源于模型输入、结构和参数（陶等人，2018年）。为了减少作物模型的不确定性，未来的研究可以通过遥感数据、参数优化算法和基于过程的作物生长模型的协同整合来提高模拟精度。这种整合增强了模型在从流域到国家层面的适用性（Mialyk等人，2022年；谢等人，2025年；薛等人，2024年；张等人，2021年）。尽管本研究采用的实际灌溉策略下的WF低于雨养和全灌溉情景下的WF，但并未与更广泛的节水策略进行系统比较。李等人（2022年）的研究证实，在中国北部的夏季玉米生产区，将补充灌溉设定为全灌溉的80%（包括降水）可以在产量和WUE方面实现协同改进。这一发现为实施以适度水分亏缺为中心的节水灌溉制度提供了理论支持和实际途径。因此，未来灌溉管理策略的优化可以促进高产量的同时最小化用水量。
6 结论
本研究利用CMIP6数据驱动AquaCrop模型，并将SPEI-6指数与WF理论相结合，研究了2030-2099年间中国WFprod对干旱和灌溉的响应。结果显示，在大多数地区，WFprod与SPEI-6呈负相关，且在SSP585情景下这种相关性更强。干旱响应的主要驱动因素在不同气候情景下表现出明显的区域差异：在中国北部，控制因素从SSP245情景下的产量驱动转变为SSP585情景下的ETc驱动，而在南部则相反。全灌溉缓解了干旱引起的产量损失，但显著增加了WFprod。相比之下，适度灌溉在增加产量的同时减少了WFprod，更符合干旱适应和可持续农业用水的目标，尽管其在湿润地区的适用性有限。本研究开发的耦合评估框架为理解气候变化下农业用水响应的机制提供了新的视角。未来的研究应将该框架扩展到多作物系统，并纳入地下水动态和社会经济变量，以提供更全面的农业水资源管理和气候适应决策支持。
致谢
本研究得到了国家自然科学基金（W2412160, 52409070）、陕西干旱地区农业实验室研究项目（2024ZY-JCYJ-02-40）以及新疆干旱地区农业研究院科技创新专项（XJHQNY-3）的支持。
利益冲突
作者声明与本研究无关的利益冲突。
数据可用性声明
本研究中的未来气象数据可以从CMIP6气候预测（Copernicus气候变化服务，2021年）获得，具有开放访问条件。土壤参数数据来源于Harmonized World Soil Database v1.2（Nachtergaele等人，2012年）。其他关键输入包括作物参数（江等人，2022年）和灌溉管理信息（Portmann等人，2010年）。历史气象数据可以通过http://data.cma.cn/en/?r=data/detail&dataCode=A.0012.0001从中国气象局数据中心下载，需要个人实名注册后才能访问。本研究使用AquaCrop-OS来模拟作物对水分的响应（Foster，2019年）。用于数据分析和图表生成的脚本已存放在Figshare平台上（Ma，2026年）。
打赏
