本研究报告基于 *Rui Bai*（白锐）等学者于2026年在《European Journal of Agronomy》（欧洲农学杂志）第180卷上发表的一项原创性研究，论文标题为《Climate risk assessment of rubber tree powdery mildew in China》（中国橡胶树白粉病气候风险评估）。该研究由*China Agricultural University*（中国农业大学）资源与环境科学学院的*Jing Wang*（王靖）教授担任通讯作者，联合*Hainan Climate Center*（海南省气候中心）、*Chinese Academy of Tropical Agricultural Sciences*（中国热带农业科学院）环境与植物保护研究所以及*Wuhan University of Technology*（武汉理工大学）三亚科教创新园的研究人员共同完成。
天然橡胶是重要的战略物资和工业原料，中国作为世界第四大天然橡胶生产国，其橡胶树（*Hevea brasiliensis*）种植业是热带地区的支柱产业，对国家乡村振兴和胶农增收具有重要意义。然而，中国的天然橡胶自给率严重不足，超过80%依赖进口。在气候变化和需求增长的背景下，缩小潜在产量与实际产量之间的“产量差”（yield gap）是增加橡胶产量的有效途径。
橡胶树白粉病，由专性寄生菌*Erysiphe quercicola*引起，是一种严重威胁橡胶生产安全的气候敏感性病害（climate-sensitive disease）。该病害主要危害橡胶树的嫩叶、嫩梢和花序，可导致超过45%的干胶产量损失（dry rubber yield loss）。已有研究表明，温度、降水、日照和相对湿度等气象因子是影响该病害发生、发展和分布的关键因素。例如，日平均气温在20–25°C时最有利于病原菌产孢，而最高温超过32°C或最低温低于15°C则会抑制孢子萌发。此外，橡胶树的不完全落叶和春季物候期也与病害的爆发和产量损失程度密切相关。尽管气候变化预估显示该病害的威胁将日益严重，但此前针对橡胶树白粉病系统性的气候风险评估框架尚属空白。
政府间气候变化专门委员会（IPCC）将气候风险（climate risk）定义为危险性（hazard）、暴露度（exposure）和脆弱性（vulnerability）三者的综合。基于此，本研究设定了三个主要目标：第一，建立一套估算橡胶树白粉病所致干胶产量损失的模型；第二，分别确定橡胶树白粉病的危险性、暴露度和脆弱性指数；第三，在中国橡胶种植区开展系统的橡胶树白粉病气候风险评估。
为实现上述目标，研究团队整合了包括橡胶树物候数据、气象变量、白粉病病情指数（disease index）和干胶产量损失在内的多源数据集，构建了一个综合评估框架。
1. 产量损失预测模型构建 这是计算脆弱性指数的关键基础。研究团队于2013年至2020年间，在海南岛25个橡胶农场进行了150次田间试验。通过在同一农场设立不防治区（non-control area）和适时喷施农药的防治区（control area），利用公式直接计算了由白粉病造成的单位面积干胶产量损失。 为了预测这一损失，研究选取了多种预测因子，包括：与白粉病相关的病情指数、气象因子（如平均温度、风速、相对湿度等9项）以及物候因子（如落叶期长度、展叶期日期等）。研究使用了四种机器学习（machine learning）算法来建立预测模型，分别是随机森林（Random Forest, RF）、人工神经网络（Artificial Neural Network, ANN）、支持向量机（Support Vector Machine, SVM）和极限梯度提升（eXtreme Gradient Boosting, XGBoost）。数据按7:3的比例随机划分为训练集（training set）和测试集（test set），并采用网格搜索法（grid search method）调整各模型的最优参数。模型的模拟精度通过决定系数（R²）和均方根误差（Root Mean Squared Error, RMSE）进行评估。
2. 危险性评估 研究采用橡胶树白粉病的适宜性（suitability）作为危险性指数。基于最大熵模型（MaxEnt model），选用了最湿季度平均温度、温度季节性、等温性等9个被确定为影响病害分布的关键气候变量，计算了1981年至2020年中国橡胶种植区的病害适宜性。
3. 暴露度评估 暴露度由橡胶树的分布和数量决定。研究采用橡胶种植适宜性（suitability of rubber planting）作为暴露度指数。同样利用MaxEnt模型，根据最冷月平均温度、年均温度、年均降水量等5个与橡胶树分布密切相关的温度和降水变量，计算了同期的种植适宜性。
4. 脆弱性评估 研究将预测模型计算得出的干胶产量损失作为脆弱性指数。
5. 综合气候风险评估与区划 在获得上述三项指数后，研究使用反距离权重（Inverse Distance Weighted, IDW）插值法将点状数据空间化，并利用Jenks自然断点法（Jenks natural breaks method）将危险性、暴露度、脆弱性及其综合气候风险值划分为无风险、低风险、中风险和高风险四个等级。最终的气候风险值（R）由标准化后的危险性（H）、暴露度（E）和脆弱性（V）相乘得出：R = H × E × V。
1. 模型筛选与产量损失模拟效果 在四种机器学习模型的比较中，随机森林（RF）模型表现出了最高的模拟精度。在测试集中，RF模型模拟的产量损失值与实测值之间的R²达到了0.45，RMSE为0.066吨/公顷，优于SVM、XGBoost和ANN模型。RF模型因其训练过程可并行化、能通过随机采样增强泛化能力、对噪声数据具有鲁棒性等优势，被选定为最优预测模型。
2. 危险性风险区划 结果显示，橡胶树白粉病的高危险性区域主要集中在除北部以外的海南岛全岛、广东南部部分区域以及云南的南部和西部地区，占橡胶种植总面积的16.74%。其中，海南橡胶种植区内高危险性风险区域的占比最高，达到72.61%，而福建种植区则全部处于无危险性的风险等级。
3. 暴露度风险区划 高暴露度风险区主要集中在海南岛的北部和南部、广东西南部及云南南部，占总面积的20.43%。在海南橡胶种植区，高达56.89%的面积处于高暴露度风险，这与海南作为中国橡胶优势主产区的分布格局基本一致。
4. 脆弱性风险区划 高脆弱性风险区主要集中在海南岛的中西部以及云南的西部、南部和东南部，占总面积的16.07%。值得注意的是，在高脆弱性风险区中，云南省的橡胶种植面积占比高达84.43%，表明云南的橡胶林面临更为严峻的产量损失威胁。
5. 综合气候风险区划 综合评估显示，高气候风险区主要集中在海南岛的西部和南部，以及云南的部分南部和西部地区，占橡胶种植总面积的12.92%。其中，海南占高气候风险区面积的71.79%。这些地区同时具有高危险性、高暴露度和高脆弱性，是病害防控的重中之重。
本研究首次应用机器学习算法构建了橡胶树白粉病产量损失预测模型，并开发了基于“危险性-暴露度-脆弱性”框架的气候风险评估体系。研究得出的高气候风险区划结果，为制定针对性的病害管理策略提供了科学基础。
科学价值：该研究改变了以往仅依赖作物趋势产量计算减产率、难以区分单一病害损失的局限，通过严格的田间对比试验数据，使脆弱性评估更具科学性和针对性。同时，研究揭示了机器学习，特别是随机森林模型，在复杂农业病害损失预测中的潜力，为农业灾害评估提供了方法论参考。
应用价值：研究提出的风险区划框架，可支持精准农业（precision agriculture）方法，帮助决策者在高风险区实施精细化防治，避免盲目、大面积施用农药，从而减少农药依赖，保护生态环境。结论部分还提出了具体的防灾减灾建议，如在高风险区通过选用抗病品种、调整橡胶树物候期来规避风险；优化橡胶林空间布局，减少高风险区种植面积；以及通过发展农业保险转移风险，保障胶农收入。这些措施对于增强气候变化下的产量稳定性、促进可持续的橡胶农业生态系统具有重要的实践指导意义。
本研究的亮点体现在三个方面。首先，在研究方法上，它创新性地将基于田间实验的产量损失模型与基于IPCC框架的气候风险评估相结合，实现了从单一病害损失量化到系统性风险区划的跨越。其次，在技术应用上，研究将机器学习算法和MaxEnt生态位模型等前沿工具有机整合，构建了一个可复制的、多步骤的技术工作流，克服了传统统计方法的局限性。最后，在研究视角上，它不仅关注了病害发生的危险性，还同时纳入了寄主作物的暴露度和产量响应的脆弱性，提供了一个完整的气候风险解析范例。
作者也坦诚地指出了研究的局限性。例如，产量损失模型的训练样本均来自海南，其向其他种植区的普适性有待未来纳入更多产区数据来验证。此外，模型未充分考虑药剂防治处理本身对产量的潜在影响，以及社会、经济等非气候驱动因素。这些方向都将成为未来完善综合风险评估框架的重要课题。