摘要
作物生产力和气候变化驱动因素之间的关系通常被认为是固定的。然而，在气候变暖的情况下，这可能不是真的。在这里，我们使用作物模型和机器学习算法来演示气候驱动因素对澳大利亚小麦产量的变化影响。我们发现，从19世纪末到20世纪80年代，小麦产量主要受到El Niño南方涛动的影响。自20世纪90年代以来，El Niño南方涛动的影响一直在减少，但印度洋偶极子的影响一直在增加。气候变暖带来了更多的正印度洋偶极子事件，导致近几十年来产量严重下降。我们的研究结果强调，需要根据气候变化的影响调整季节性预测，以便为气候导致的产量损失的管理提供信息。
这是订阅内容的预览，通过你所在的机构访问
访问选项
订阅《自然》+
立即在线访问《自然》和其他55种《自然》杂志
29.99美元
每月
订阅期刊
获得1年的完整期刊访问权限
119.00美元
每期只要9.92美元
所有价格均为净价格。
增值税稍后将在结帐时添加。
税务计算将在结账时完成。
买条
在ReadCube上获得时间限制或全文访问。
32.00美元
所有价格均为净价格。
数据可用性
气候、土壤和气候驱动因素指数数据可从以下来源公开获得:SILO气候数据位于https://www.longpaddock.qld.gov.au/silo，土壤数据为https://www.apsim.info/apsim-model/apsoil/而气候驱动指数数据在https://psl.noaa.gov/。APSIM作物模型模拟的详细小麦产量数据和图表的原始数据可在Puyu Feng的Github主页上查阅https://github.com/PuyuFeng/NF_Paper.git。源数据提供了这篇论文。
代码的可用性
数据处理和插图的详细R代码可以在Puyu Feng的Github主页上找到https://github.com/PuyuFeng/NF_Paper.git。
参考文献
Osborne, T.， Rose, G. & Wheeler, T.由于气候模式的不确定性和适应性，气候变化对作物生产力的全球范围影响的变化。阿格利司。对。Meteorol。170， 183-194(2013)。
雷，D. K，穆勒，N. D.，韦斯特，P. C.和福利，J. A.产量趋势不足以到2050年使全球作物产量翻一番。《公共科学图书馆•综合》8， e66428(2013)。
Ashok K, Guan Z. & Yamagata T.印度洋偶极子对澳大利亚冬季降水的影响。地球物理学。卷。30.， 1821(2003)。
蔡，W.， van Rensch, P.， Cowan, T. & Hendon, h.h. ENSO和IOD的遥相关路径及其对澳大利亚降雨的影响机制。j .爬。24， 3910-3923(2011)。
Ludescher, J.等人。下一次厄尔尼诺的早期预警Niño。国家科学院学报美国111， 2064-2066(2014)。
海诺，等人。全球三分之二的农田面积受到气候波动的影响。Commun Nat。9， 1-10(2018)。
菲利普斯，J. G.，凯恩，M. A.和罗森茨威格，C. ENSO，津巴布韦季节性降雨模式和模拟玉米产量变化。阿格利司。对。Meteorol。90， 39-50(1998)。
史东，R. C.， Hammer, G. L. & Marcussen, T.利用南方涛动指数的相位预测全球降雨概率。自然384， 252-255(1996)。
弗洛因德，m.b.等人。近几十年中太平洋厄尔Niño事件的频率高于过去几个世纪。Geosci Nat。12， 450-455(2019)。
Power, S.， Casey, T.， Folland, C.， Colman, A. & Mehta, V. ENSO对澳大利亚影响的年代际调制。爬。直流发电机。15， 319-324(1999)。
金，a.d.等人。澳大利亚极端降雨变化:模式、驱动因素和可预测性。j .爬。27， 6035-6050(2014)。
里斯贝，J. S.，普克，M. J.，麦金托什，P. C.，惠勒，M. C.和亨顿，H. H.关于澳大利亚降雨变化的远程驱动因素。星期一，天气预报。137， 3233-3253(2009)。
亚伯兰，N. J.等人。印度洋偶极子的古气候观点。皮疹。科学。牧师。237， 106302(2020)。
金，A. D.，皮特曼，A. J.，亨利，B. J.，乌科拉，A. M. &布朗，J. R.气候变化在澳大利亚干旱中的作用。Nat,爬。张。10， 177-179(2020)。
Ummenhofer, c.c.等人。是什么导致了澳大利亚东南部最严重的干旱?地球物理学。卷。36， l04706(2009)。
亚伯兰，N. J.等人。近千年来南方环状模的演化。Nat,爬。张。4， 564-569(2014)。
罗珀列夫斯基，C. F.和琼斯，P. D.塔希提-达尔文南方涛动指数的扩展。星期一，天气预报。115， 2161-2165(1987)。
Saji, N. H.， Goswami, B. N.， Vinayachandran, P. N. & Yamagata, T.热带印度洋的偶极子模式。自然401， 360-363(1999)。
来自观测和再分析的南方环状模式的趋势。j .爬。16， 4134-4143(2003)。
Yuan C. & Yamagata, T. IOD、ENSO和ENSO Modoki对近几十年澳大利亚冬小麦产量的影响。Sci代表。5， 1-8(2015)。
孙志刚，杨志刚，杨志刚。印度洋偶极子模式事件对全球气候的影响。爬。Res。25， 151-169(2003)。
蔡，W.等。强和中等正印度洋偶极子对全球变暖的相反响应。Nat,爬。张。11， 27-32(2021)。
王B.等。极端的火灾天气是澳大利亚东南部严重森林火灾的主要原因。科学。公牛。67， 655-664(2022)。
蔡，W.， van Rensch, P.， Cowan, T. & Hendon, H. H. IOD和ENSO遥相关途径的不对称性及其对澳大利亚气候的影响。j .爬。25， 6318-6329(2012)。
钟，C. T. & Power, S. B. El Niño, La Niña和南方涛动对季节性和区域澳大利亚降水的非线性影响。j .南方。半球地球系统。科学。67， 25-45(2017)。
戴梅，塔舍托，A. S.，桑托索，A. &迈斯纳，K. J.印度洋变暖调节全球大气环流趋势。爬。直流发电机。55， 2053-2073(2020)。
Ihara, C.， Kushnir, Y. & Cane, m.a. 1880 - 2004年印度洋海温和印度洋偶极子的变暖趋势。j .爬。21， 2035-2046(2008)。
蔡，W.等。由于温室变暖，极端印度洋偶极事件的频率增加。自然510， 254-258(2014)。
Hudson, D.等人。ACCESS-S1新的气象局多周到季节预报系统。j .南方。半球地球系统。科学。67， 132-159(2017)。
郑B，查chapman S. & Chenu K.东澳大利亚小麦对El Niño-Southern振荡的战术适应价值。气候6， 77(2018)。
基廷，B. A.等。APSIM是一种用于农业系统模拟的模型。欧元。j·阿格龙。18， 267-288(2003)。
Brown, H.， Huth, N. & Holzworth, D. APSIM作物模型改进:以小麦为例研究。欧元。j·阿格龙。One hundred.， 141-150(2018)。
英尼斯，P. J.，谭，D. K. Y, Van Ogtrop, F. & Amthor, J. S.高温事件对澳大利亚新南威尔士小麦产量的影响。阿格利司。对。Meteorol。208， 95-107(2015)。
杰弗里，S. J.卡特，J. O.穆迪，K. B. & Beswick, a. R.利用空间插值构建澳大利亚气候数据综合档案。环绕。Softw模型。16， 309-330(2001)。
Boer, m.m.等。未来气候水平衡的变化决定了澳大利亚火灾制度转型的可能性。环绕。卷。11， 065002(2016)。
威廉森，G. J.等。大陆尺度上景观火灾活动年际和年内变化的测量:澳大利亚案例。环绕。卷。11， 035003(2016)。
王B.等。澳大利亚小麦产量预计将在21世纪末下降。水珠。张。医学杂志。24， 2403-2415(2018)。
弗里曼，E.等。ICOADS 3.0版:对历史海洋气候记录的重大更新。Int。j . Climatol。37， 2211-2232(2017)。
Thirumalai, K.， DiNezio, P. N.， Okumura, Y. & Deser, C.由厄尔尼诺Niño引起的东南亚极端气温，并因全球变暖而恶化。Commun Nat。8， 1-8(2017)。
蒂奇纳，H. A. &雷纳，N. A.英国气象局哈德利中心海冰和海面温度数据集，版本2:1。海冰浓度。j .地球物理学。研究大气压。119， 2864-2889(2014)。
戴泽，谢秀平，谢秀平。海洋表面温度变化的模式与机制。为基础。3月科学牧师2， 115-143(2010)。
香，B.，布尔默，C. E. &施密特，M. G.在区域尺度上预测土壤母质测绘:随机森林方法。Geoderma214， 141-154(2014)。
库恩，M.使用插入符号包在R中构建预测模型。J.统计。28， 1-26(2008)。
贪婪函数逼近:梯度增强机。安。统计。29， 1189-1232(2001)。
格林维尔，B. M. pdp:构造偏依赖图的R包。R J。9， 421(2017)。
由于最近的气候趋势，澳大利亚小麦产量增加。自然387， 484-485(1997)。
阿彻，K. J. & Kimes, R. V.随机森林变量重要性度量的经验表征。第一版。统计数据。52， 2249-2260(2008)。
确认
这项工作是一项调查澳大利亚和中国气候变化的影响和适应的研究的一部分。本课题由中国农业大学2115人才发展计划项目(批准号:201717831)资助。中央高校基本科研业务费专项资金(no. 1191-00109011);国家重点研发计划项目(批准号:2022TC110);国家自然科学基金(no. 2020YFA0608004);42088101)。
作者信息
作者及隶属关系
贡献
b.w.， P.F.和q.y设计了这项研究。P.F.和D.L.L.收集了气候和土壤数据。P.F.运行了机器学习和裁剪模型。P.F.画了这些数字。P.F.和B.W.写了草稿。I.m, a.s.t, n.j.a, j - j。L、a.d.k.、y.c.、y.l.、d.l.l.、Q.Y.和K.H.参与了手稿的撰写。
相应的作者
道德声明
相互竞争的利益
作者声明没有利益竞争。
同行评审
同行评审信息
自然的食物感谢Weston Anderson和其他匿名审稿人对这项工作的同行评审所做的贡献。
额外的信息
出版商的注意施普林格自然对出版的地图和机构从属关系中的管辖权主张保持中立。
权利和权限
根据与作者或其他权利持有人签订的出版协议，《自然》杂志或其许可方对本文拥有独家权利;作者对这篇文章接受的手稿版本的自我存档仅受此类出版协议的条款和适用法律的约束。
关于本文
引用本文
冯，P.，王，B.， Macadam, I.。et al。印度洋变率的不断增加影响了澳大利亚的小麦产量。Nat食物3.， 862-870(2022)。https://doi.org/10.1038/s43016-022-00613-9
收到了：
接受：
发表：
发行日期：
DOI：https://doi.org/10.1038/s43016-022-00613-9
