全球作物种植日期模式分析研究报告

一、 研究团队与发表信息

本研究由 William J. Sacks（第一作者）、Delphine Deryng、Jonathan A. Foley 和 Navin Ramankutty 共同完成。作者单位分别来自美国威斯康星大学麦迪逊分校的全球可持续性与环境中心（SAGE）、加拿大麦吉尔大学地理系以及美国明尼苏达大学环境研究所（IonE）。该研究成果以题为《Crop planting dates: an analysis of global patterns》的论文形式，发表于2010年的学术期刊 *Global Ecology and Biogeography*（第19卷，第607-620页）。

二、 研究背景与目标

本研究属于全球农业系统、农业气象学与作物模型交叉领域。在全球气候变化和人口增长的背景下，理解并预测农业生产实践，特别是作物种植日期，对于保障粮食安全、评估农业对气候系统的反馈以及构建精准的全球作物模型至关重要。然而，当时缺乏一个公开、全面、地理参考的全球主要作物种植与收获日期数据集。许多全球尺度的作物模型在模拟时，不得不基于简单的气候假设（如特定温度阈值）来估算种植日期，其准确性未经充分验证。

因此，本研究旨在解决三个核心问题： 1. 数据汇编：整合来自多个来源的观测数据，构建一个包含全球19种主要作物的种植与收获日期的公开数据集。 2. 模式分析：以玉米、春小麦和冬小麦为例，探索其种植日期与气候变量（温度、降水、潜在蒸散）之间的空间关系。 3. 驱动因素探讨：通过对比文献综述，分析影响农民种植日期决策的各类因素（气候与非气候因素），评估单纯依靠气候变量预测种植日期的可行性与局限性。

三、 详细研究流程与方法

本研究主要包括三个核心流程：数据编译与处理、气候变量计算与区域分类、以及种植日期与气候关系的统计分析。

流程一：作物日历观测数据的编译与处理 本研究从六个主要来源（见表1）数字化并地理配准了作物种植和收获日期的现有数据，这些数据通常以图表形式呈现特定作物在特定区域的典型种植和收获时间范围。主要数据源包括联合国粮农组织（FAO）和美国农业部（USDA）汇编的全球及区域数据，并补充了美国、俄罗斯、乌克兰、印度和澳大利亚等国的国家级以下（如州、区级）高分辨率数据。

• 研究对象与样本量：研究最终汇编了涵盖全球19种主要作物（占全球作物面积的71%）的约1300个种植和收获日期观测数据。其中，玉米、春小麦和冬小麦是本文重点分析的对象，分别有192个、35个和138个种植日期观测数据（见表2）。
• 数据处理方法：使用DigitizeIt软件从原始图表中数字化种植和收获期的开始和结束日期，并计算其平均日期作为该区域的典型日期。对于小麦、大麦和燕麦，研究根据种植日期与最冷季节的关系，将未明确标注的观测数据分类为“冬季”或“春季”谷物。对于玉米等作物，还区分了主季和双季种植系统中的第二季数据。
• 数据特点与局限性：该数据集提供了每个区域种植/收获期的范围及平均日期，空间分辨率多为国家或大区域尺度，时间上主要代表20世纪90年代至21世纪初的典型情况。作者明确指出数据集的局限性：无法捕捉区域内的空间变异和时间上的动态变化。

流程二：气候变量计算与“限制性区域”划分 为了分析种植日期与气候的关系，研究为每个作物日历观测区域计算了加权平均的气候统计数据。 * 气候数据源：使用东英吉利大学气候研究单元（CRU）提供的1961-1990年月平均温度、降水和日照时数气候数据集（CRU CL 2.0），空间分辨率为10角分，并插值至5角分以匹配作物分布图分辨率。 * 加权平均方法：利用Monfreda等人（2008）的5角分分辨率全球作物收获面积图，根据特定作物在每个网格单元内的收获面积，对气候数据进行空间加权平均，从而得到代表该作物实际种植区的气候值。同时，还使用Priestley-Taylor方程计算了每个区域的潜在蒸散量（PET）。 * 区域分类（关键创新步骤）：为了更清晰地分析气候驱动因素，研究定义了“温度限制区”和“降水限制区”。 * 温度限制区：对于玉米和春小麦，定义为最冷月平均温度低于10°C的区域（参考FAO的GAEZ分析中无霜区的划分）。对于冬小麦，定义为最冷月平均温度低于4°C的区域（接近冬小麦生长度日积累的基准温度），此标准主要用于排除可能误分类为冬小麦（实际种植春性品种）的温暖地区。 * 降水限制区：仅针对玉米分析。定义为存在日降水量低于潜在蒸散量一半的时期，且不被归类为温度限制区的区域。这假设在温度允许的情况下，降水季节性（旱雨季）是种植日期的主要驱动因素，但温度限制优先于降水限制（例如，在加利福尼亚，玉米种植在温暖干燥的季节而非凉爽多雨的季节）。

流程三：种植日期与气候关系的统计分析 在划分区域的基础上，研究对玉米、春小麦和冬小麦的种植日期与气候关系进行了详细分析。 * 分析方法：计算了每个区域在平均种植日期当日的加权平均气温、月降水量及降水/PET比值。通过绘制分布直方图（按作物收获面积加权）、散点图以及选取典型区域（如美国伊利诺伊州、尼日利亚北部、北达科他州、西澳大利亚、堪萨斯州、巴基斯坦）绘制气候图表（展示温度、降水、PET的年循环及种植收获期范围），直观展示其关系。 * 文献综述整合：研究不仅进行定量分析，还结合了来自世界各地的案例研究文献，定性阐述了影响种植决策的复杂因素，包括土壤湿度、花期气候风险、病虫害、劳动力、农机可用性、前茬作物、传统知识系统以及技术进步（如免耕农业、种子处理技术）等。这种定量与定性相结合的方法，使分析超越了简单的气候相关性。

四、 主要研究结果

1. 玉米种植日期模式： * 空间格局：北半球中纬度地区玉米种植主要集中在4月和5月，较冷地区种植较晚。热带和南半球中纬度地区种植日期变化更大，相邻国家可能差异显著。 * 与温度的关系：在温度限制区，玉米种植通常发生在日平均气温达到约12-17°C时（加权中位数为15.8°C）。例如，美国伊利诺伊州在4月下旬至5月种植，此时平均气温约16°C。但研究指出，温度常作为土壤湿度的间接指标——农民需等待土壤足够干燥以避免压实，而温度与土壤干燥速度相关。欧洲的种植温度（如南欧和西欧加权中位数12.1°C）普遍低于北美（15.4°C），可能与北美更多降雪导致春季土壤更湿有关。 * 与降水的关系：在降水限制区，种植通常发生在雨季开始时，对应月降水量约80-140毫米/月，或降水/PET比值在0.5至0.9之间。例如，尼日利亚北部在5-6月雨季开始时种植。 * 超越种植期气候的考量：案例研究表明，农民选择种植日期常为了确保作物关键生长阶段（如花期）处于有利气候，而非仅仅优化种植时的气候。玉米花期对干旱胁迫尤其敏感。此外，传统知识系统（如观察树木发芽、动物行为）、社会经济因素（拖拉机或劳动力短缺、获取种子和肥料的困难）以及农艺实践（如是否计划种植第二季作物）都可能导致实际种植日期偏离单纯由气候决定的最优日期。

2. 春小麦种植日期模式： * 空间格局：与玉米类似，北半球中纬度春小麦种植也在4月和5月，但其种植区通常比玉米纬度更高、气候更冷。在同时种植两种作物的美国各州，春小麦种植比玉米早1-4周。 * 与温度的关系：在温度限制区，春小麦种植温度通常介于8-14°C之间（加权中位数为10.9°C），低于玉米。例如，美国北达科他州在4月中旬至5月下旬种植，对应气温6-14°C。早播可以避免生殖生长期遭遇热胁迫。 * 非温度限制区的驱动因素：在如西澳大利亚小麦带等霜冻风险低的地区，种植日期更多由降水决定，但核心目标是利用凉爽的澳大利亚冬季，使开花和灌浆期处于水分胁迫相对较低的时期。此外，技术进步（如除草剂和少耕技术）使得农民可以比几十年前更早播种。

3. 冬小麦种植日期模式： * 空间格局：北半球中纬度冬小麦通常在9月和10月种植。寒冷地区种植较早，温暖地区较晚。 * 与气候的关系：其种植日期比春季作物更难仅用气候预测。虽然种植日期与最冷月温度存在一定相关性（较冷地区种植较早，见图7），但种植时的温度范围较宽（约9-19°C）。从种植到气温降至4°C以下的生长度日积累量在不同地区也存在差异（见图8）。 * 复杂决策因素：冬小麦种植需在秋季有足够生长以建立健壮植株，但又不能生长过旺。过早播种会增加病虫害（如赫逊瘿蚊）和病毒侵染风险，也可能因秋季过度生长消耗土壤水分，增加春季冻害风险。过晚播种则可能导致越冬前生长不足，根系发育不良，春化不充分。此外，在与夏季作物轮作的地区（如巴基斯坦小麦与水稻或棉花轮作），冬小麦的种植日期常受前茬作物收获日期的制约。社会经济因素（如农机具短缺、劳动力分配）也会影响实际播种时间。

五、 研究结论与价值

本研究成功构建了首个公开可用的、包含19种主要作物的全球作物种植与收获日期综合数据集，填补了该领域的数据空白。通过分析，研究得出以下核心结论：

1. 气候预测的局限性：在温带地区，玉米和春小麦的种植日期空间模式可以通过假设一个固定的种植温度进行合理预测。然而，在低纬度地区以及对于冬小麦，仅凭气候变量难以准确预测种植日期。
2. 决策复杂性：种植日期决策受到气候、农艺、技术和社会经济因素复杂相互作用的驱动。气候（尤其是温度和降水季节性）设定了宽泛的约束条件，但具体日期常由土壤湿度、确保关键生长阶段（如花期）气候适宜、病虫害管理、轮作制度、农机可用性、劳动力、传统知识和技术进步等因素共同决定。
3. 对未来研究与建模的意义：该数据集可直接用于改进当前全球作物模型，为其提供更真实的种植日期输入。研究中揭示的气候-种植日期关系可用于在无观测地区进行空间插值。更重要的是，研究强调在预测未来（尤其是气候变化背景下）种植日期时，必须考虑技术和社会经济因素可能带来的变化，这些因素的变化影响可能不亚于气候变化本身。简单的气候阈值方法可能不足以捕捉种植日期调整的动态和复杂性。

六、 研究亮点

1. 数据集的创新性与价值：研究产出了一个高质量、地理参考、公开共享的全球作物日历数据集，是农业建模和全球变化研究的重要基础资源。
2. 系统性的分析方法：研究不仅进行了全球尺度的统计分析，还创新性地引入了“温度限制区”和“降水限制区”的分类，使气候驱动力的分析更具针对性。
3. 多维度综合视角：将定量气候分析与广泛的定性文献综述相结合，深刻阐释了影响种植日期决策的多重驱动因素，避免了过度简化气候作用的误区。
4. 对全球作物模型的批判与指导：明确指出了当时许多全球作物模型中简化处理种植日期方法的不足，并为未来模型改进提供了实证依据和方向建议，强调了在模型中纳入非气候因素的重要性。

七、 其他有价值内容

研究还详细讨论了数据集的局限性（如空间分辨率较粗、未能体现时间变化、可能误判主次季等），并提出了潜在的应用方向，例如与卫星遥感物候数据产品结合以获取更高空间分辨率的信息。这些坦诚的讨论和前瞻性建议增强了研究的科学严谨性和实用价值。