基于GTWR模型的安徽省气候对水稻生产力影响的时空分布规律

曹浩然 孟梅

摘要：以气温和降水量作为气候变化的2个因素，以安徽省为研究区域，基于2001—2020年气温、降水量及水稻产量数据，使用时空地理加权回归（GTWR）模型分析气温与降水量2个因素对水稻产量的作用机制。结果表明，2001—2020年，安徽省各市水稻年平均产量在时间上出现持续波动的现象，在空间上也存在特定的集聚现象；安徽省西北部地区气温、降水量与水稻产量呈正相关关系，其中蚌埠市正相关关系最为显著；在安徽省所有城市中，淮南市和六安市的水稻产量受气温和降水量影响最为明显，而淮北市水稻产量受气温和降水量的影响相对较小，说明该地区其他因素对水稻产量具有更深影响。

关键词：温度；降水量；水稻产量；时空地理加权回归（GTWR）；安徽省

中图分类号：S162.5+3         文献标识码：A

文章编号：0439-8114（2024）06-0012-10

DOI：10.14088/j.cnki.issn0439-8114.2024.06.003 开放科学（资源服务）标识码（OSID）：

The temporal and spatial distribution of the influence of climate on rice productivity in Anhui Province based on GTWR model

CAO Hao-ran， MENG Mei

（School of Public Administration（Faculty of Law）， Xinjiang Agricultural University， Urumqi  830002， China）

Abstract：Taking temperature and precipitation as the two factors of climate change and Anhui Province as the study area， based on the data of temperature， precipitation and rice yield from 2001 to 2020， the mechanism of temperature and precipitation on rice yield was analyzed by geographically and temporally weighted regression（GTWR）. The results showed that from 2001 to 2020， the rice yield of each city in Anhui Province showed a continuous fluctuation in time， and there were also specific agglomeration phenomena in space. The temperature and precipitation were positively correlated with rice yield in the northwest of Anhui Province， and the positive correlation was the most significant in Bengbu City. Among all the cities in Anhui Province， the rice yield in Huainan City and Luan City was the most significantly affected by temperature and precipitation， while the rice yield in Huaibei City was relatively less affected by temperature and precipitation， indicating that other factors in this region had a deeper impact on rice yield.

Key words： temperature； precipitation； rice yield； geographically and temporally weighted regression（GTWR）； Anhui Province

粮食安全是国家稳定和人民生活的根本。习近平总书记强调，要牢牢把握好粮食安全的主动权，争分夺秒地抓好粮食生产［1］。中国目前的粮食需求不断增加，在严峻的国际形势下，不可控因素日益增加，使中国的粮食生产面临更大的压力。新出台的《中华人民共和国乡村振兴促进法》，针对当前粮食生产的不确定因素，提出“以我为主，立足国内，确保产能，适度进口，科技支撑”［2］，以“稳产保供”为核心，掌握国家粮食安全的主动权。

世界气候变暖问题不断加剧，《IPCC第五次评估报告》中提出，气候变化的程度超过了以前人们对它的认知，在最近30年里，地球每10年表面的温度比以往任意10年都要高，而在2000年后的10年里，气温是最高的［3］。近50年来，中国的地表温度上升速率一直保持在1.22 ℃/10年左右［4］。中国作为一个农业大国，气候变化将直接带来光热水资源的变化，进而对作物的生产潜力、生产布局及生产机制等产生直接或间接影响［5-7］。安徽省作为中国主要水稻产区，其水稻生产力将直接影响国家粮食安全和社会稳定，而农业生产很大程度上受制于环境条件，具有很强的季节性和地域性。对安徽省而言，气候资源输入的多寡，特别是热量条件的好坏，直接影响农业生态系统结构的稳定性，从而影响作物生产力。在此背景下，研究气候变化对水稻生产力的影响具有很重要的现实意义。

关于气候变化对水稻生产力的影响，国内外已有很多相关研究，综观国内外研究现状，主要聚焦于3个方面，即气候影响因素、统计模型及时空变化特征。在气候影响因素方面，胡慧芝等［8］分析了汉中盆地日气温、降水量、气温日较差、积温等因素对水稻产量的影响；李伟光等［9］分析得出早稻、晚稻的营养生长期、生殖生长期均随着降水量和日照时数的增加而延长，随着温度上升而缩短；左慧婷等［10］研究了不同气候带典型区域中积温、降水等气候因子与水稻单产存在着强烈的相关性。在模型方面，主要包括统计模型和计量经济模型两类。统计模型通过数理统计方法评估气候因子变动对水稻产量的影响，主要包括函数模型、波动分析、一阶差分等数理统计方法。韩芳玉等［11］通过分析气候变化对中国水稻产量的影响，根据生产要素和生产函数理论， 以C-D生产函数模型为基础，将气候要素作为重要生产要素加入模型，构建经济-气候模型（简称C-D-C模型），并分析气候要素对作物产量的影响；朱珠等［12］通过分析气候变化对江苏省水稻生产现状的影响，采用多元统计方法实证分析得出，太阳辐射、最高气温和平均气温对水稻产量有显著的正向影响，而降水量却对水稻产量有负向影响；陈超等［13］通过分析气候要素与四川省单季稻产量间的关系，得出气温升高对四川省单季稻产量影响最明显，且影响范围和分布面积最广，其次则为日较差、太阳辐射和降水量3个气候因子。关于计量经济模型，学者们通过构建计量经济模型，利用气象数据和历史统计数据，分析考察气候要素，如气温、降水等对水稻产量的影响［14，15］。气候变化对中国南方地区的水稻生产存在不利影响，造成了中国南方地区水稻产量的严重减产，预测未来气候变化对中国南方水稻产量的影响也将以减产为主［16］。关于气候变化对农作物产量时空特征的影响方面，王石立等［17］利用RegCMs模型，采用数理统计的方法研究了黄淮海地区气候变化对作物产量的影响，发现气温上升使得北部和中部地区秋季和冬季粮食增产、春季减产，但南部地区则是秋季和冬季减产、春季增产；降雨的增多促进大部分粮食产区小麦增产；钟新科等［18］将GIS技术与AEZ模式相结合，分析了中国30多年来玉米产量潜力，发现气候干旱是影响玉米生产潜力的重要因素，并且存在着明显的空间性差异，黄淮海以南、华南大部地区有明显的增长趋势，而东北西部、黄淮海平原、黄土高原等地区的气候生产潜力则呈现出明显的降低趋势；谢云［19］对内蒙古自治区的气候生产潜力进行了分析，认为气候生产潜力是一个区域的气候资源，也就是水、光、热等气象因素的有效利用，在气候因素不稳定的情况下，该区域的水、光等要素之间的匹配也会随之变化，从而影响到气候生产潜力；许信旺等［20］研究了安徽省气候变迁对水稻生产的影响及其对策，表明安徽省降水量分布具有明显的季节性差异，降水多出现在夏季，降水量由南向北逐渐减小，安徽省的粮食产量存在明显的时空差异。

本研究以安徽省为对象，研究该地区2001—2020年气温和降水量对各市水稻产量影响的时空变化规律，以期为该地区的粮食生产布局工作提供参考。

1 研究区概况

安徽省地处中国华东地区，经济上属于中国东部经济区。地处长江、淮河中下游，长江三角洲腹地。东连江苏、浙江，西接湖北、河南，南邻江西，北靠山东。现有16个地级市、9个县级市、50个县、45个市辖区。总面积14.01万km2，全省耕地422万hm2、林地329万hm2、水面105万hm2。共有河流2 000多条，河流除南部新安江水系属钱塘江流域外，其余均属长江、淮河流域，分别流经安徽省416 km和430 km，平原、丘陵、山地各占1/3。

1.1 气候概况

安徽省因地处长江三角洲腹地，气候较为湿润，属暖温带与亚热带的过渡地区，在淮河以北属暖温带半湿润季风气候，淮河以南属亚热带湿润季风气候。其主要特点是季风明显，四季分明，春暖多变，夏雨集中，秋高气爽，冬季寒冷。安徽省地处中纬度地带，随季风的递转，降水发生明显的季节变化，是季风气候明显的区域。

安徽省全年无霜期200～250 d，10 ℃活动积温在4 600～5 300 ℃。年平均气温为14～17 ℃，1月平均气温-4～-1 ℃，7月平均气温28～29 ℃。全年平均降水量在773～1 670 mm，有南多北少、山区多平原丘陵少的特点，夏季降水丰沛，占年降水量的40%～60%。总体来看，安徽省气候温和，适宜种植水稻。

1.2 水稻生产概况

安徽省水稻常年种植面积约占全国水稻种植面积的8.5%，在安徽省主要粮食作物产量中，水稻种植面积约占35%左右，产量占比将近40%（图1、图2）。因此，水稻在安徽省粮食产量中占据着重要的地位。

粮食作物总面积

2 数据来源与研究方法

2.1 数据来源

研究所用气温、降水量、水稻产量数据均来源于《安徽统计年鉴》，时间为2001—2020年。对数据进行精度验证，剔除不可替代的错误数据后，在研究中实际使用了356组数据。

将气温数据、降水量数据、水稻产量数据整理到Excel表格中，根据公式计算出2001—2020年安徽省年平均气温、年平均降水量及水稻年平均产量，把数据导入ArcGIS中，得到近20年各市年平均气温、年平均降水量与水稻年平均产量的空间分布。

2.2 研究方法

2.2.1 空间聚类及异常值分析 为了得到GTWR模型的结果，使用Geoda软件对2001—2020年安徽省各市水稻产量受气温和降水量的影响进行聚类和异常值分析，局部空间自相关公式如下。

[Ii=ZiS2j≠inWijZj]       （1）

式中，[Ii]为i空间单元的局部莫兰指数；i、j均为空间单元；[Zi=yi-y]，[Zj=yj-y]，[S2=1nyi-y2]；yi、yj为空间i、j的指数值，[y]为平均值；Wij为空间权重；n为研究区域所有地区的总数。

由此得到局部空间自相关结果。局部莫兰指数的显著性检验水平为P<0.01。

2.2.2 时空地理加权回归分析 时空地理加权回归（GTWR）模型是在传统的地理加权回归模型GWR基础上通过构建时空依赖的局部模型对时空非平稳关系建模而得，同时考虑空间和时间的非平稳性，对分析回归关系的时空特性提供有力帮助。

在时空地理加权回归模型中，一系列观测点（yi；xi1， xi2，…， xin）在空间位置（ui，vi）、时间为ti的观测值yi与因变量xi1， xi2，…， xin的关系表示为：

[yi=β0（ui，vi，ti）+k=1pβk（ui，vi，ti）xik+εk]      （2）

式中，[βk（ui，vi，ti）]为第k个解释变量在第i个样本城市的回归系数，[β0]为截距；[εR]为随机扰动项。

采用高斯核函数作为GTWR模型的时空权重函数，时空距离（[dSTij]）的定义如下：

[dSTij=λ（ui-uj）2+（vi-vj）2+μ（ti-tj）22] （3）

[λ]和[μ]是空间和时间距离的比例因子。根据上式定义，参考高斯核函数形式，可以得到时空权重函数［w（u，v，t）］如下：

[w（u，v，t）=exp（-dSTijh2）=exp-λ（ui-uj）2+（vi-vj）2+μ（ti-tj）2h2]   （4）

式中，[h]为带宽函数，通过AIC准则确定最优带宽。

3 结果与分析

3.1 气温、降水量和水稻产量的时空分布规律

3.1.1 气温的时空分布规律 由图3可知，近20年安徽省年平均气温总体呈波动上升趋势，但幅度不大。气温最高值为17.2 ℃，出现在2007年；最低值为15.9 ℃，出现在2011年；最高气温与最低气温差值为1.3 ℃。2001—2007年气温沿16.5 ℃呈不规则上下浮动状态；2007—2011年气温整体呈下降趋势；2011—2013年、2013—2015年气温分别呈上升和下降趋势；2017—2020年气温呈平稳发展状态。

由图4可知，安徽省年平均气温的空间分布总体呈南部高于北部。31°N以南地区气温多在16 ℃以上，其中地处省域南部的黄山市、安庆市一带的历年平均气温超过17.1 ℃。31°N以北大部分地区低于16.0 ℃，其中位于省域北部的淮北市、宿州市等历年平均气温在15.6 ℃左右。全省南北气温差异较明显，造成这一现象主要是因为纬度决定太阳辐射分布。全省平均气温呈自南向北递减的变化规律。

3.1.2 降水量的时空分布规律 图5显示了2001—2020年安徽省降水量的变化趋势，总体呈波动上升趋势，降水量最大值为1 591.1 mm，出现在2016年和2020年；最小值为871.8 mm，出现在2001年。2001—2003年降水量呈持续上升趋势；2003—2013年降水量呈波动状态；2013—2016年降水量持续上升；2016—2019年降水量呈明显下降趋势；2019—2020年降水量大幅上涨。

图6为2001—2020年安徽省年平均降水量的空间分布情况，可以看出，全省年平均降水量呈明显的南多北少趋势。与气温的空间分布趋势相似，31°N以北大部分地区年平均降水量在1 200 mm以下，亳州市、淮北市、宿州市等地常年的年平均降水量普遍在870 mm以下。31°N以南年平均降水量在1 830 mm以下，其中池州市、黄山市等地年平均降水量在1 480 mm以上。全省南北年平均降水量差异显著，最大约相差1 000 mm，再次验证了安徽省明显的气候过渡带特征。

3.1.3 水稻产量的时空分布规律 由图7可知，2001—2020年安徽省水稻年平均产量总体呈波动上升但近年来持续下降的趋势，增幅为20.5万t/年。年产量最大为1 725.46万t，出现在2011年，年产量最小为925.92万t，出现在2003年，最大值与最小值相差近800万t。

受到降水量和气温的影响，2001—2020年安徽省各市水稻总产量空间内存在明显差异（图8）。全省水稻年平均产量大体呈自西南向东北递减的分布趋势。西部及西南部区域如六安市、安庆市等水稻年平均产量约150万t；北部、东北部区域如宿州市、淮北市等，水稻年平均产量约1万t。全省水稻呈“南北低、中间高”的空间分布规律。产生此差异的原因包括气候、经济社会等因素，本研究重点探究气候因素中气温及降水量对水稻产量的影响。

3.2 气温、降水量对水稻产量影响的时空分布规律分析

3.2.1 气温、降水量对水稻产量影响的时间分布规律 将安徽省2001—2020年气温数据进行统计分析与整理，得到图9，可以看出，在时间尺度上，气温与水稻产量可能存在正相关与负相关交替的现象。2001—2007年气温与水稻产量呈明显的正相关，水稻产量呈波动上升趋势；2008—2015年气温与水稻产量总体上呈负相关，气温升高时水稻产量反而降低，虽然有小幅度的正相关关系但对水稻产量的影响不大；2016—2020年气温与水稻产量的线性关系不明显，气温波动很小但水稻产量却有下降趋势。从水稻产量的峰值来看，近20年中，2003年的水稻产量最低，为925.92万t，同时，其气温较前一年相比下降幅度较大，从16.9 ℃降到16.1 ℃；气温下降幅度最大的是在2007—2008年，从17.2 ℃下降到16.3 ℃，但这一年的水稻产量不降反增，从1 523.94万t增加到1 645.91万t；2011年的水稻产量最高，为1 725.46万t，但此时对应的气温却是最低的，为15.9 ℃。

将安徽省2001—2020年降水量数据进行统计分析与整理，得到图10，可以看出，在时间尺度上，降水量与水稻产量可能呈正相关与负相关交替的关系。2001—2002年、2006—2007年、2008—2010年、2012—2016年的降水量与水稻产量呈正相关关系，水稻产量随着降水量的增加而增加，随着降水量的减少而降低；2002—2005年、2007—2008年、2010—2012年的降水量与水稻产量呈负相关关系，水稻产量随着降水量的增加而减少；2016—2020年降水量波动很明显，但水稻产量波动却不大，而且在这5年中降水量与水稻产量呈正相关与负相关交替的关系。

近20年中，2003年的水稻产量最低，为925.92万t，其降水量较前一年相比增加幅度也是较大的，但2003—2004年水稻产量猛增，从925.92万 t增加到1 568.24万t，但降水量却从1 404.2 mm减少到955.8 mm，呈较大的下降幅度；降水量变化幅度最大的是在2019—2020年，从902.5 mm猛增到1 591.1 mm，但水稻产量却在减少且波动幅度不大；近20年降水量最低的是2001年，为871.8 mm，此时的水稻产量也较少，不到1 200万t，因此从以上3种趋势可以推测出降水量对水稻产量的影响峰值。

3.2.2 气温、降水量对水稻产量影响的空间分布规律分析 根据图9和图10可以看出，2016—2020年5年的气温和降水量对水稻产量的影响趋势不规则，因此以2016—2020年的气温、降水量及水稻产量数据为例，对数据进行空间聚类分析（表1、图11）与时空地理加权回归分析（图12、图13）。

在空间分布上，安徽省高-高聚类较多，即局部相关集聚较高，说明其水稻产量受气温和降水量的影响较大，低-低聚类则为局部相关集聚较低，说明其水稻产量受气温和降水量的影响不大，推测其原因可能受到社会及自然因素的影响。可以看出，高-高聚集区域主要分布在淮南市、六安市和合肥市，低-低聚集区域主要分布在淮北市，此外两种异常分布情况也存在，在安徽省主要表现为低-高聚集，主要分布在马鞍山市，说明水稻产量存在波动与交错。水稻产量高-高聚集区主要分布在安徽省中西部城市，在时间分布上，2016年、2017年高-高聚类城市有5个，分别为淮南市、六安市、合肥市、滁州市和安庆市；自2017年后，高-高聚集区范围开始缩小，只有淮南市、六安市和合肥市3个城市。而低-低聚集区和低-高聚集区5年来范围没有改变。

以安徽省各市2016—2020年的数据为例，以气温和降水量2个因素为自变量，以水稻产量为因变量作时空地理加权回归分析，考察气温和降水量对安徽省各市水稻产量的影响，所得结果见图12和图13。

从气温对安徽省各市水稻产量影响的系数因子（图12）可以看出，2016—2020年蚌埠市的气温与水稻产量呈正相关关系；宿州市、淮北市、亳州市、阜阳市、淮南市、六安市、马鞍山市和芜湖市的气温与水稻产量呈正相关和负相关交替存在的关系；其余的城市均呈负相关关系，且以滁州市、宣城市和黄山市的负相关关系最明显。从总体上看，安徽省西北部地区气温与水稻产量呈正相关的程度比东南地区强，安徽省东南部地区大部分呈负相关关系。

从降水量对安徽省各市水稻产量影响的系数因子（图13）可以看出，2016—2020年蚌埠市、亳州市、淮南市、淮北市、宿州市、阜阳市和六安市的降水量与水稻产量呈正相关关系，其中，前3个城市的正相关程度较为明显；滁州市、马鞍山市、芜湖市和黄山市的降水量与水稻产量正相关和负相关关系交替出现；其余城市的降水量与水稻产量呈负相关关系，其中呈负相关最强的是合肥市。从总体上看，安徽省西北部地区的降水量与水稻产量呈正相关关系，安徽省东南部地区大部分呈负相关关系。

4 小结与建议

4.1 小结

通过分析安徽省各市2001—2020年气温和降水量对水稻产量的影响，得出这20年安徽省各市水稻产量的分布规律，而后通过将2016—2020年的气温和降水量2个因素与各市水稻产量建立GTWR时空地理加权回归模型，得出气温和降水量2个因素对安徽省各市水稻产量影响的时空作用规律，其结论如下。

1）2001—2020年安徽省气温和降水量对水稻产量影响的时空分布规律有以下特点：在时间尺度上，气温、降水量与水稻产量都呈正相关与负相关交替的关系，2011年气温、降水量因素与水稻产量的负相关尤为明显；在空间尺度上，气温和降水量对水稻产量的影响在安徽省西北部区域表现显著，最具有代表性的是蚌埠市，而东南部区域的影响不是很明显，尤其是滁州市及宣城市的水稻产量受气温的影响不大；以合肥市为中心，2个因素对安徽省东南部地区的影响均不明显。

2）对2016—2020年的相关数据进行空间聚类分析，得出安徽省水稻产量存在高-高聚集、低-低聚集以及低-高聚集的情况。高-高聚集区主要分布在淮南市、六安市和合肥市，低-低聚集区主要分布在淮北市，低-高聚集区主要分布在马鞍山市，说明水稻产量存在波动与交错，且随着时间的推移高-高聚集区范围缩减。

3）对2016—2020年的相关数据进行气温和降水量2个因素的时空地理加权回归分析，得出在气温维度上，安徽省西北部地区气温与水稻产量呈正相关关系，相关程度较东南地区强，安徽省东南部大部分地区气温与水稻产量呈负相关关系，其中蚌埠市的气温与水稻产量呈正相关关系；在降水量维度上，安徽省西北部地区的降水量与水稻产量呈正相关关系，安徽省东南部大部分地区呈负相关关系，其中蚌埠市、亳州市、淮南市、淮北市、宿州市、阜阳市和六安市的降水量与水稻产量呈正相关关系，且前3个城市的正相关程度较为明显。

据以上结论分析得出，在安徽省各市中，淮南市和六安市水稻产量受气温和降水量的影响较为明显；而淮北市水稻产量受气温和降水量的影响相对较小，说明该地区存在其他因素对水稻产量具有更深的影响，有待继续深入研究。

4.2 讨论

水稻是主要粮食作物，长江三角洲也是水稻盛产之地。本研究以位于长江三角洲腹地的安徽省为对象，分析水稻产量的时空分布规律，考察气温和降水量2个因素对水稻产量的影响。结果表明，在年尺度上，水稻产量不具有明显的线性规律特征，气温和降水量与水稻产量的影响呈正负相关交替的现象；在空间上呈现出中西部城市高-高集聚的特点，且高-高集聚的范围在2017年之后缩减至3个城市，分别为淮南市、六安市和合肥市，说明这3个城市的水稻产量受气温和降水量的影响较大。

邱阳阳等［21］利用偏相关分析得出，气候生产力受气温、降水的双重影响，气候变化有利于气候生产力的提高，并预测未来“暖湿型”变化趋势对于安徽省气候生产力存在极大提升空间。卢燕宇等［22］构建了1959—2015年气候变化下安徽省水稻生产力演变的回归模型，得出淮南市、马鞍山市是水稻产量的高值区，其中淮南市热量及降水资源条件较好，对水稻生长的影响较大；而淮北市热量资源丰富，降水条件适中，水稻产量较低，说明该地区水稻产量受气温和降水量的影响较小，与本研究结果有一定的一致性。

在影响水稻产量的因素中，气温和降水量只是其中的2个因素，实际影响水稻产量的因素还有社会因素、自然因素及人为因素等，在综合考虑气候变化和人类活动等因素的基础上，对中国粮食产量形成机理的研究仍是今后研究的方向。

4.3 建议

1）对降水量、气温与当地水稻产量呈正相关的区域，如蚌埠市、亳州市等，其生态环境相对较差，降水量、气温对水稻产量的影响较大，应从改善生态环境方面入手，在当地开展植树造林等活动，提高当地生态系统的储水蓄水能力，加强水土保持，改善小区域生态环境；设施的建设可以使农作物的抗旱性和抗渍性得到有效增强，进而增强农作物对气候变化的适应能力，还可以有效增强抵御外部灾害的能力，如加强膜下滴水等节水技术和地膜的推广，可以显著提高地温和减少土壤水分的蒸发，增加土壤有机质含量。在部分较为干燥、缺水地区，修建蓄水塘、水库，并开展雨水收集和补充灌溉技术研究，以提高水稻对气候变化的适应性。农民应增加滴灌和生物除虫技术等投入，以应对气温升高或降低对农作物产量带来的影响。

2）对降水量、气温与当地水稻产量呈非正相关关系的区域，如宣城市，其生态环境较好，降水量、气温因素对水稻产量的影响较小，可在此类地区扩大水稻种植面积，实现水稻的集约化、规模化生产。在防范气候变化对水稻生长发育影响的同时，要积极运用先进的农业种植技术，调整水稻的种植布局，根据水稻的生长特征，选择生育期相对较长、产量相对较高的中熟、晚熟品种，大幅提高水稻单产。

参考文献：

［1］ 坚持把解决好“三农”问题作为全党工作重中之重  促进农业高质高效乡村宜居宜业农民富裕富足［N］.人民日报，2020-12-30（001）.

［2］ 中华人民共和国乡村振兴促进法［N］.农民日报，2021-04-30（002）.

［3］ WERNERS S E， SPARKES E， TOTIN E， et al. Advancing climate resilient development pathways since the IPCCs fifth assessment report［J］. Environmental science and policy，2021，126：168-176.

［4］ 丁一汇，任国玉，石广玉，等.气候变化国家评估报告（Ⅰ）：中国气候变化的历史和未来趋势［J］.气候变化研究进展，2006（1）：3-8，50.

［5］ 刘 强，李 广，闫丽娟，等.气候变化对甘肃农牧交错带主要粮食作物生产潜力的影响［J］.麦类作物学报，2022，42（4）：482-494.

［6］ 谭晓艳，张晓恒，游良志.自然因素和政策干预对中国棉花生产布局变迁的影响［J］.农业技术经济，2020（4）：79-93.

［7］ 杨晓光.气候变化对我国粮食作物生产的影响与适应机制［A］.中国作物学会.第十九届中国作物学会学术年会论文摘要集［C］. 2020.82.

［8］ 胡慧芝，刘晓琼，王建力.气候变化下汉中盆地水稻产量变化研究［J］.自然资源学报，2018，33（4）：609-620.

［9］ 李伟光，侯美亭，张京红，等.华南主产区双季水稻物候变化及其与气候条件的关系［J］.中国农业气象，2021，42（12）：1020-1030.

［10］ 左慧婷，娄运生，李忠良，等.不同气候带典型区域水稻产量主控气候因子分析及预测［J］.自然灾害学报，2018，27（5）：114-125.

［11］ 韩芳玉，张俊飚，程琳琳，等.气候变化对中国水稻产量及其区域差异性的影响［J］.生态与农村环境学报，2019，35（3）：283-289.

［12］ 朱 珠，陶福禄，娄运生.1980—2009年江苏省气温变化特征及水稻高温热害变化规律［J］.江苏农业科学，2013，41（6）：311-315.

［13］ 陈 超，庞艳梅，莫志鸿.四川单季稻区主栽水稻品种的生长摸拟［J］.中国农业气象，2016，37（3）：307-315.

［14］ 杨沈斌，申双和，赵小艳，等.气候变化对长江中下游稻区水稻产量的影响［J］.作物学报，2010，36（9）：1519-1528.

［15］ 周曙东，朱红根.气候变化对中国南方水稻产量的经济影响及其适应策略［J］.中国人口·资源与环境，2010，20（10）：152-157.

［16］ 朱晓莉，王筠菲，周 宏.气候变化对江苏省水稻产量的贡献率分析［J］.农业技术经济，2013（4）：53-58.

［17］ 王石立，王馥棠.气候变暖对黄淮海地区小麦产量可能影响的模拟试验［J］.气象学报，1993，51（2）：209-216.

［18］ 钟新科，刘 洛，徐新良，等.近30年中国玉米气候生产潜力时空变化特征［J］.农业工程学报，2012，28（15）：94-101.

［19］ 谢 云.内蒙古自治区气候生产潜力的动态分析［J］.自然资源学报，1993，8（4）：364-370.

［20］ 许信旺，孙满英，方宇媛，等.安徽省气候变化对水稻生产的影响及应对［J］.农业环境科学学报，2011，30（9）：1755-1763.

［21］ 邱阳阳，吴奕霄，熊世为，等.安徽省近55年气候变化及其对气候生产力的影响［J］.江苏农业科学，2018，46（17）：290-294.

［22］ 卢燕宇，孙 维，唐为安，等.气候变化背景下安徽省冬小麦气候生产潜力和胁迫风险研究［J］.中国生态农业学报（中英文），2020，28（1）：17-30.