2026年9月28日，WilliamHill中文官方网站流域地表过程与效应团队在Communications Earth & Environment期刊上发表题为“Underestimated rice yield risks from extreme cold in China”的研究论文，揭示了全球变暖背景下中国水稻极端低温暴露的时空格局及其对产量的影响机制，明确SSP3-7.0情景下极端低温将导致水稻额外减产2.4 ± 0.9%，改变了极端低温风险长期被低估的认识。
极端低温是影响全球粮食安全的重要气候风险。然而与备受关注的高温胁迫相比，极端低温对作物产量的影响长期缺乏系统性评估。水稻是全球主要粮食作物，种植区域跨度大，对极端低温较为敏感。然而，极端低温事件区域性强、发生偶发，且定义标准不一，导致大尺度产量风险评估存在较大不确定性，制约了农业气候适应策略的制定。
针对上述问题，该团队整合了1991-2012年中国218个农业气象观测站的4,193条极端低温记录，结合水稻产量与物候观测数据，利用窗口搜索策略和线性混合效应模型，系统量化了极端低温对中国水稻产量的影响。结果表明，尽管全球持续变暖，过去二十年中国稻田极端低温日数不降反增，在低百分位（0-25th，P≤0.007）显著增强，全国水稻产量平均减少5.0 ± 0.3%。结构方程模型进一步揭示，分蘖至拔节期和抽穗至开花期的极端低温通过显著降低每穗总粒数（β = 0.49）主导减产路径，灌浆至成熟期低温则通过降低结实率和千粒重影响产量。在区域分布上，东北平原的累计减产幅度超过20%，绝对减产达1.2-1.5吨/公顷，西南地区次之。在全国尺度上，54.3%的减产可归因于分蘖至拔节期频繁发生的极端低温事件。
图1 极端低温对水稻产量影响的路径示意图。最优拟合结构方程模型展示了极端低温导致水稻减产的主要路径（χ² = 20.4，P = 0.555，df = 22，n = 293）。蓝色（红色）实线箭头表示显著正向（负向）效应（P < 0.05）；虚线箭头表示不显著路径。箭头宽度与标准化路径系数绝对值的大小成正比。
在此基础上，该团队利用35组GGCM-ESM组合的ISIMIP数据集，结合CMIP6情景预估和涌现约束方法，显著改进了未来低温风险预估。结果表明，经观测敏感性约束后，SSP1-2.6、SSP3-7.0和SSP5-8.5情景下水稻产量将分别额外减少2.1 ± 0.7%、2.4 ± 0.9%和3.0 ± 0.9%，较未约束的原始模型预估至少高出三倍。其中，在SSP3-7.0情景下，经约束后，三个生育阶段每暴露于一个极端低温日的产量损失分别为5.8 ± 1.3%、6.3 ± 5.7%和0.4 ± 5.1%，不确定性降低了42%-84%。该研究采用“生育期校准固定阈值识别低温事件、百分位指数量化强度”的双指标框架，为全球低温敏感水稻生态系统的风险评估提供了可迁移的方法参考。
图2 约束前后水稻产量变化及极端低温敏感性的对比。a，35组GGCM-ESM组合约束前后的水稻产量变化（n = 35，均值±标准差）。b–d，分蘖至拔节期（b）、抽穗至开花期（c）和灌浆至成熟期（d）全国长期低温敏感性与站点当前低温敏感性（n = 35，均值 ± 标准差）。
付瑾副教授为第一作者，周丰教授为通讯作者，合作者包括WilliamHill中文官方网站硕士生唐光晗（已毕业）、北京大学城市与环境学院硕士生王诚劼（已毕业）、国际水稻研究所Tao Li教授，以及墨尔本大学Deli Chen教授。该成果得到了国家自然科学基金等项目（42361144876, 42225102, 42007079）的资助。
论文信息：Fu, J., Tang, G., Wang, C., Li, T., Chen, D., Zhou, F.*, Underestimated rice yield risks from extreme cold in China. Communications Earth & Environment. 2026, 7, 752.
Copyright © www.cespfx.com
dilixueyuan@hhu.edu.cn