多模式集合模拟未来气候变化对水稻需水量及水分利用效率的影响
在模拟水稻水分利用对未来气候变化响应的研究中,考虑气候模式以及降尺度方法的不确定性,有助于获取更加稳健的模拟结果.本文采用SDSM和BP神经网络两种统计降尺度模型分别对HadCM3和CGCM3两种大气环流模式的3种气候情景(A1B,A2和B2)进行统计降尺度模拟,再基于贝叶斯模型平均方法(BMA)集合降尺度结果,并由此驱动ORYZA2000水稻模型,模拟21世纪中后期(2050s和2080s)3种情景下水稻生长周期、产量、需水量及水分利用效率.结果表明:BMA相对于简单模型平均法(SA)可以更有效地减小气候模式的偏差;在未来的两个时期内,由于气温的不断升高以及辐射的下降,水稻产量显著下降,生长周期明显缩短;需水量随着辐射的降低而降低,但在2080s,气温的迅速上升带来了需水量的升高,但仍低于历史基准期水平,而需水量的下降并不能抵消产量下降对水分利用效率的负面影响.
气候变化、贝叶斯模型平均(BMA)、不确定性、水分利用效率、ORYZA2000水稻模型
47
S162.5(农业气象学)
国家自然科学基金项目51379057
2016-09-05(万方平台首次上网日期,不代表论文的发表时间)
共9页
715-723