• 摘要
• 简介
• 方法
  • CERES-Maize
  • MarkSim和天气数据
  • 土壤数据
  • 遗传系数数据和管理数据
  • beplay竞技气候变化模型
  • MarkSim的相干聚类和修饰
  • 模拟
• 结果
  • 天气一致性
  • 玉米和牧草性能
• 结论
• 对本文的回应
• 致谢
• 文献引用

在自然资源管理中做出决策需要了解后果的风险和不确定性，如作物歉收或牛饿死，以及预期产量的正常扩散。对冲不良结果往往意味着缺乏投资和采用新方法的缓慢。在家庭一级，生产不稳定可能对收入和粮食安全产生严重影响。在国家一级，它可以产生可能影响社会所有部门的社会和经济影响。像CERES-Maize这样的作物模型是评估与天气相关的产量变化的极好工具。WATBAL是一种水平衡模型，可以为牧场的潜在生长天数提供可靠的估计。这些模型需要大量的日常天气数据，而这些数据很少能得到。MarkSim是一个应用程序，通过估计三阶马尔可夫模型参数从插值的气候面生成合成的每日天气文件。然后可以对地图上的每个不同点运行模型。本文研究了南部非洲旱地农业中玉米和牧草的生长情况。 Weather simulators produce independent estimates for each point on the map; however, we know that a spatial coherence of weather exists. We investigated a method of incorporating spatial coherence into MarkSim and show that it increases the variance of production. This means that all of the farmers in a coherent area share poor yields, with important consequences for food security, markets, transport, and shared grazing lands. The long-term aspects of risk are associated with global climate change. We used the results of a Global Circulation Model to extrapolate to the year 2055. We found that low maize yields would become more likely in the marginal areas, whereas they may actually increase in some areas. The same trend was found with pasture growth. We outline areas where further work is required before these tools and methods can address natural resource management problems in a comprehensive manner at local community and policy levels.

关键词:作物建模，旱地农业，全球变化，全球循环模型，玉米，马尔可夫模型，MarkSim，自然资源管理，风险，南部非洲，空间建模，天气模拟。

发布日期:2002年1月10日

农业充满了风险和不确定性。风险被认为是导致技术扩散减缓、土地所有权碎片化和价格不稳定的原因(Walker和Ryan 1990)。它对决策有深远的影响，因为它可能强烈地改变一组备选方案中的选择。在家庭一级，风险和不确定性可导致生产严重不稳定，对收入水平和粮食安全产生流动效应。在国家一级，农业生产不稳定可能对社会所有部门产生巨大的社会和经济影响。这些因素影响到农业生产中所作的决定，而这些决定直接影响到资源管理备选办法的经济可行性。

许多方法和工具已经被开发出来，试图处理或减少风险。例如，作物模拟模型是评估与天气有关的生产变化的极好工具，这些变化与农业企业和自然资源管理的特定战略有关。仿真结果可用于各种其他分析框架，如经济盈余和数学规划模型，为一系列决策者提供信息(Thornton和Wilkens 1998, Thornton和Herrero 2001)。

传统上，像CERES-Maize这样的点模型是在现有或历史气象站提供的每日天气长数据集上运行的。在历史运行时间不够长的情况下(Richardson 1985, Jones and Thornton 1993, 1997)，随机天气模拟常被用来增强数据。运行这些数据的结果可用于插值和映射模型输出的特征。然而，建模过程本质上是非线性的，这种方法充满了困难。最好是通过为映射上的每个点运行模型来映射建模的响应。现在使用MarkSim是可行的(Jones and Thornton 1999,2000)。MarkSim是一个可在CD-ROM上使用的应用程序，它将生成合成的每日天气文件，用于CERES-Maize等模型。通过从插值的气候面估计三阶马尔可夫模型参数，可以对地图上的每个不同点运行该模型。可以从每个运行的模型中提取相关特征，并可以很容易地在研究区域中映射。

这种方法的一个特点是每个点都是孤立地评估的。然而，从未模拟过农作物普遍歉收的现实情况。气候随机性的场外效应在很大程度上被低估了;在现实世界中，当你的家庭食品或牛饲料短缺时，你的邻居通常也会受到类似的影响。收成好的时候，市场价格就会暴跌。这对国家和区域基础设施、通信和资源管理具有广泛的实际影响。

在研究中，我们选择了非洲南部22ºE - 42ºE和23ºS - 5ºS的窗口区，覆盖面积约3.8万公里²．这个窗口覆盖了坦桑尼亚南部、马拉维、莫桑比克大部分地区和津巴布韦全境，并从印度洋向西延伸，包括赞比亚、刚果民主共和国东南部和安哥拉的一小部分地区(图1)．我们选择这个地区是因为它的整体单一，明确的生长季节和全年总降雨量的相当大的空间变异性。以下小节简要描述了模型、数据库和方法，使我们能够为该地区生成各种玉米和牧草风险情景。

图1所示。研究区域位于南部非洲，22°E至42°E, 3°S至23°S(坦桑尼亚南部、马拉维、莫桑比克大部分地区和津巴布韦全部地区，从印度洋向西延伸到赞比亚、刚果民主共和国东南部和安哥拉的一小部分地区)。黄色的字母表示样本点，如 图3．

CERES-Maize是一个模拟玉米作物生长、发育和产量的模型。它的设计目的是使用最少的土壤、天气、遗传和管理信息。该模型按每日时间步运行，需要每日天气数据(最高和最低温度、太阳辐射和降雨)。它利用温度、日照长度和遗传特征计算作物的阶段和形态发育。叶面积指数、植物种群和行宽为确定光截留量提供了信息，并假定其与生物量产量成正比。水氮平衡子模型提供了影响生长过程发展的反馈(Ritchie et al. 1998)。CERES-Maize已在北美、热带和亚热带地区广泛使用(Tsuji等，1998年)。该模型也已在我们研究窗口的许多地点成功验证和应用(例如，津巴布韦的Muchena和Iglesias[1995]，马拉维的Thornton等人[1995]，南部非洲的Schulze[2000]和Durand和du Toit[2000])。为了运行CERES-Maize，我们需要每天的天气数据、土壤剖面、模拟品种的遗传系数以及作物管理信息。

在过去的几年里，我们开发并广泛测试了一个三阶马尔可夫降雨模型(Jones and Thornton 1993)。在旨在量化生产系统风险的研究中，能够令人满意地模拟外围降雨年是特别重要的。马尔可夫模型通过对一系列事件进行随机抽样来工作，其中观察到某个事件的概率取决于之前事件的发生。三阶马尔可夫模型考虑了过去三天发生的事件。我们发现，对于温带气候，低阶模型通常就足够了，而对于许多热带气候，三阶模型是必要的。这个简单的模型应该能够模拟热带和亚热带站点的月和年降雨量的变化，但即使是三级模型也与现实不符。MarkSim降雨发生器通过每年对模型自身参数的某些随机重采样来弥补这一不足。

Jones和Thornton(1997)表明，可以从某些类型气候的典型参数值中识别出模式。因此，该模型可用于插值不存在降雨的地方的降雨数据。回归模型用于预测某些受限气候集内的马尔可夫模型参数(Jones and Thornton 1999)。MarkSim系统使用插值的气候面识别与全球任何所需点相关的气候集，并评估该点的模型参数。使用的气候面是在国家海洋和大气管理局(NOAA)数据集TGOP006 (NOAA 1984)的基础上在国际热带农业中心(CIAT)拟合的10分钟弧面，使用反平方距离权重进行空间插值，并使用标准的直减率模型来校正温度对海拔的影响。这些地表是基于20世纪20年代至1990年期间气象站10多年的历史数据。因此，它们不是标准的气候正常值，而是通过增加站位来弥补时间标准化的不足。Jones和Thornton(2000)详细描述了该程序。Hartkamp等人(1999)已经表明，反向距离加权方法的性能与薄板平滑和共克里格一样好。Jones和Thornton(1993, 1997, 1999, 2000)对MarkSim模拟数据进行了广泛的统计验证测试。

我们使用了联合国粮农组织的世界数字土壤地图(粮农组织1974年，1995年)，并删除了适当的窗口(见图1)．对于窗口中的所有土壤类型，我们对其农业适宜性进行了定性评估(基于粮农组织[1978]的土壤单位评级):一级，不适宜;二类，中等适合;第三类，非常适合。然后，我们从国际土壤参考和信息中心的世界土壤排放潜力清单(WISE)数据库(Batjes and Bridges 1994年，Batjes 1995年)中收集了粮农组织土壤地图单元中属于第2类和第3类的每种土壤的代表性剖面。我们结合了农业技术转移决策支持系统中的土壤转移功能(由国际牲畜研究所(ILRI)的Ravic Nijbroek在VisualBasic程序中实现)和CIAT的数据库(由Jamie Fairbairn (未发表的数据)，以估计储水能力。

我们使用了Katumani Composite B (KCB)，这是一种25年前开发的肯尼亚开放授粉玉米品种>，是一种较短的季节(约120天)，适合肯尼亚干燥的中海拔条件(Hassan 1998年)。其种植密度为3.7株/米²，每公顷有50公斤的矿质氮分布在土壤剖面中。在所有土壤中，作物种植时施用无机氮10公斤/公顷。当每个季节土壤剖面的前30厘米首先达到田间水分容量的40%时，就自动进行种植。KCB的遗传系数是在南非共和国进行的生长试验中确定的(A. S. du Toit，个人沟通1999)。

为了获得一组2041-2070年中期非洲的气候表面，我们访问了政府间气候变化专门委员会(IPCC)在全球网络上的数据分发中心(网址:beplay竞技http://ipcc-ddc.cru.uea.ac.uk/)．我们决定使用最近在东安格利亚哈德利中心进行的实验，使用新的统一模型(Cullen 1993)。模型HadCM2的空间分辨率为2.5°x 3.75°(经纬度比)。这在赤道产生了约417千米x 278千米的地表空间分辨率。为了进行“热启动”实验，模型必须受到一个早期历史时期的力的扰动，当时的辐射力与现在相比相对较小。使用HadCM2进行的实验从1860年左右的中期工业时代开始(Mitchell et al. 1995, Johns et al. 1997)。我们使用了2041-2070年期间最高和最低气温和降水的月平均值。在接下来的分析中，我们将这些数据称为2055年的数据。我们使用标准的CIAT技术对GCM模型结果进行平方距离逆加权插值，以插值到与MarkSim相同的网格(Jones and Thornton 2000)。

天气的空间相干性和变异性在大尺度范围内表现明显。在每天的基础上，一个农场下雨而邻居的田地都是干燥的是很正常的。一个县、流域或市场腹地可能受到用水限制，而国家的另一个地区则有好雨。像ENSO (El Niño-Southern振荡)这样的事件可能在大片地区造成广泛的干旱，而其他地区则容易发生洪水。

MarkSim逐像素模拟在第一种情况下产生了真实的结果。天气的局部变化是基本随机过程的组成部分。我们推测可以通过对马尔可夫概率参数的重采样来接近中等尺度的区域相干性，但这仍有待彻底的检验。如果这些变化在一个区域内同步发生，那么由此产生的天气模式将显示出基本马尔可夫过程中显著的区域一致性。全球强迫事件，如ENSO，还没有纳入到MarkSim中，但我们将很快关注这种可能性。

在本研究中，我们集中研究了气候的中程空间相干性。我们使用MarkSim聚类算法对研究窗口(23760像素)的气候进行分组。这是一种先导聚类算法，通过第二次传递将像素重新分配到最近的聚类种子，使用标准化的月降雨量、温度和随着36个聚类变化的日温度范围。降雨在归一化前转化为平方根。我们第一次从集群运行到几个大的气候区域，第二次产生更多，但更小的区域。在清除了小于6像素的区域后，我们得到了第一种情况下的21个区域和第二种情况下的51个区域。

我们修改了MarkSim，将用于参数重采样的随机数序列从基本马尔可夫过程和降雨事件大小的伽马分布采样中分离出来。在每种情况下，我们构建了一个公共的随机正态偏差集，用于协调整个每个气候区的随机重采样。

图2显示前面描述的各种数据库和工具之间的链接。我们进行了六个实验或场景。其中涉及3975个处理(1042个样本点的土壤和天气输入的独特组合;注意，每像素可能有1-6种土壤类型)。每种处理重复29次(利用30年的模拟天气，因为玉米生长季节通常跨越数年)。这六项实验是:

图2所示。分析步骤和方法的框图。

1. 马尔可夫天气参数使用当前长期气候(“当前天气”)，假设天气网格单元之间完全独立(“随机天气”)。
2. 天气参数使用当前的长期气候，但如前所述，天气依赖跨越21个区域。
3. 天气参数使用当前的长期气候，但与51个地区的天气依赖。
4. 天气参数使用2041-2070年期间(“2055年天气”)的估计长期气候，假设天气网格单元之间完全独立。
5. 天气参数使用2055年长期气候，但与21个地区的天气依赖。
6. 天气参数采用2055年的长期气候，但与51个地区的天气依赖。

在Pentium III处理器上，每个场景的115275次运行花费了大约6小时。WATBAL模型对同一组场景运行，以给出相同样本点的牧草生长指示。我们使用生长日数作为替代指标，生长日数定义为实际蒸散发与潜在蒸散发之比超过0.5的日数。因为它是一个比CERES简单得多的模型，所以运行速度更快。输入和分析程序是用FORTRAN定制编写的，使用IDRISI生成地图(Eastman 1993)。

我们对结果的讨论仅限于考虑降雨相干性的影响，以及使用当前天气模式和2055情景模式比较玉米和牧草产量。

为了了解研究窗口的气候类型，图3显示了21个区域中4个地点的月降雨量和温度，包括当前条件和2055年发生的模拟情况(使用哈德利GCM)。这四个地点是:

图3所示。代表刚果民主共和国1区和模拟2055年气候的随机地点的月降雨量和温度;莫桑比克第5区;坦桑尼亚第三区;以及赞比亚的12区。看到 图1的位置。

DRC: 6.58ºS, 23.50ºE，海拔761米

坦桑尼亚:6.25ºS, 34.33ºE，海拔1356米

莫桑比克:12.91ºS, 39.50ºE，海拔426米

赞比亚:南纬16.91度，东经24.33度，海拔1066米

即使是这四个网站(参见图3)，虽然气温在所有月份都在升高，但GCM模拟的升高量和模式显示出明显的差异。在这个样本中的大多数月份，降雨量似乎略有增加，但这被温度的升高所抵消。

因此，不断变化的降雨模式与普遍升高的温度相互作用影响农业生产的方式取决于地理位置。图4使用当前和2055年的天气，显示了这四个地点模拟玉米产量的累积概率函数。2055年的天气似乎降低了莫桑比克、坦桑尼亚和赞比亚玉米高产的可能性。据预测，在2055年的天气状况下，刚果民主共和国的玉米产量将受到产量谱较低端的严重影响，尽管获得约1.7吨/公顷(转换:1公吨(t) = 1毫克)以上产量的概率与目前几乎相同。相反，在赞比亚地点，较低的产量概率是非常保守的，但更高的产量变得不太可能。莫桑比克的产量都很低，几乎总是在1-2吨/公顷的范围内，尽管在2055年实现2吨/公顷的可能性较低。

图4所示。对于四个样本区当前和模拟的2055年气候，累计玉米产量概率[换算:1吨(公吨)= 1毫克]。

资源管理必须考虑到这些差异。在莫桑比克场址，国内粮食供应来源不多，但持续不断，可以腾出资源供其他企业使用，而在其他三个场址，国内和区域粮食储存可能必须储存起来，以弥补玉米作物歉收造成的短缺。

天气的一致性，即一个地区或地区的天气条件通常在空间上是相互关联的这一事实，可以预期是相当重要的。图5(左图)显示了一个例子，其中显示了在第8区(位于津巴布韦中部的51个气候区之一)随机选择的5个地点的生长日数(我们的牧草生产代理)。下面的图表显示了假设第8区天气是独立的情况，也就是说，发生在第8区任何地点的情况对任何其他地点的天气完全没有影响。粗大的红线表示生长的平均天数。不同季节的生长期模式似乎是随机的;随机天气的相关矩阵也证实了这一点。上面的图表显示了在8区相同的五个地点生长的天数，这一次有连贯的天气。如前所述，为了模拟每个地点的连贯降雨，每年使用同一组正态偏差来重新采样基线降雨概率。在生长天数的数量上可以看到一个更强的模式。第17年很好地说明了“贫瘠”的一年，在5个站点中至少有4个站点，生长天数接近29个重复中经历的最低天数。中的相关矩阵图5(右)表示这五个地点的天气“相互依存”。

图5所示。天气相干对相干带内五个地点影响的一个例子。区域平均值(红线)在随机气候中要稳定得多。相关矩阵表示相干样本的依赖程度。

图6和图7进一步说明了一致性的重要性(以及解释一致性的能力)。图6显示了玉米生长季节每个区域平均降雨量的时间变异系数(cv)，使用51个区域的随机和一致的现代天气作为研究窗口。(CV越高，地图阴影越浅。)对于这些地图，计算了每个区域的样本点的平均值，并计算了每个区域的时间序列的标准误差。例如，对于卡里巴湖以南的地区，仅仅通过增加纬向降水的一致性，降雨的CV就从22%增加到107%。同样的效果出现在图7，表示第2类(中等适宜玉米生产)土壤上玉米产量的CV。地图的普遍变亮表明模拟产量的CV大幅增加，这是对51个区域内强加的天气一致性的响应。

图6所示。玉米生长季降水变异系数，随机气候(左)和51个相干带(右)。

图7所示。随机气候条件下贫瘠土壤上玉米地带性产量的变异系数(左)和51个相干带(右)。

其含义很明显:在一个天气系统一致的地区，如果一个站点经历了恶劣的条件，那么同一地区的其他站点很可能也会如此。因此，农业生产将在地方和区域受到影响，如果一致性扩大到大范围，则将在整个大陆受到影响。在这种情况下，政府的政策(以及营销和运输)可能会产生深远的影响，试图确保在一个潜在的广阔地区为许多人提供充足的食物。

图8利用当前和2055年的天气条件，将玉米的整体模拟性能绘制为无法实现1.5吨/公顷产量的概率(这个数字是任意选择的，但与该地区小农目前的平均玉米产量相似)。这些值是通过计算每个区域中样本点的累积概率来计算的。例如，考虑编号为104的样本点;位于15.67ºS和30.50ºE;它有以下第2类和第3类土壤单元:

图8所示。在(左)当前气候状况(左)和模拟的2055年气候状况(右)下，玉米产量低于1.5吨/公顷(1t = 1毫克)的概率。

Fh(腐殖质Ferralsol): 10%面积

Fo (orththferralsol): 20%

Fx(黄原费拉松):10%

Ge(富酸格列索):20%

Je(富营养性氟维醇):10%

像素的其余部分被1类土壤占用。利用每个土壤单元的特性进行了五次模拟。为了便于展示，我们将富营养化Gleysol和富营养化Fluvisol分配到第3类，并将三种Ferralsols分配到第2类。因此，对于地图而言图8，三个ferralsol的模拟玉米产量根据它们的相对发生率加权，以计算地图上显示的概率。

虽然在使用现在和2055年天气进行的模拟中，平均产量的总体下降是明显的，但在少数小区域，平均产量实际上在现在到2055年之间是增加的。CERES-Maize精确模拟了C₄玉米作物的性质。预计高原地区的产量会增加，因为那里的作物对气温上升有反应。应该记住，这些变化也伴随着玉米产量标准偏差的普遍增加而发生，尽管这些结果在这里没有显示出来。

图9(左)显示了利用当前天气和2055年天气模拟的51个地区潜在牧草生长天数的平均下四分之一。预计在4年中，只有1年的实际生长季节天数会低于这一水平。至于玉米产量图8，此统计数字的变化(图9，右)显示，由于气温升高而导致的蒸发量增加所造成的总体下降，未能被每月降雨量的少量增加所充分补偿。在一些地区，降雨量的增加足以抵消这种影响。

图9所示。牧草生长日数的下四分位数:当前和2055年气候状况的平均值(左)，以及从当前到2055年的变化(右)。

总的来说，全球变暖的影响将导致玉米产量和牧草的减少，并带来更大的风险。小的区域实际上可能会从这种变化中受益，尽管它们在每种情况下都不是相同的区域。这可能对资源管理、农业集约化以及人口增长和流动产生严重影响。

自然资源建模是一个尺度特异性很强的过程;方法随着规模的变化而变化，因为更广泛的空间联系被纳入其中。我们演示了一种方法，通过该方法，可以在大片土地上运行地块级模型，并将结果聚合起来，以提供区域级的信息。我们已经展示了如何使用更高分辨率的天气网格和插值技术(有关其他方法，请参阅Schulze 2000)分解来自低分辨率全球模型(在本例中为GCM)的输出。该研究实现了从过程层面、植物生长模型到全球气候模型的集成，涵盖了尺度问题的全部范围。

研究结果表明，该地区玉米种植可能存在显著的空间转移。尽管分析中存在许多不确定性，但气候显然将在2055年左右发生变化，并对作物和牲畜生产产生相应影响。高地可能会变得更适合种植玉米(在某些地方，夜间温度更高，雨水更多)，而低地的边缘地区可能会变得更加边缘和危险。玉米产量的空间转移可能是气候变化的结果。beplay竞技预期这些将对未来与区域玉米相关的农业研究产生重大影响，并对技术(例如不同品种、改进的管理做法和改进的节水做法)可能成为目标的方式产生重大影响。我们将回到这个问题上。

研究结果还说明了在区域分析中考虑到天气一致性的重要性。在广泛的土壤类型上使用随机天气模式可能会导致高度误导的模拟，因为聚集倾向于导致一个地区固有天气变化的普遍平滑。这可能明显低估了区域粮食供应和饲料供应的差异。

非洲已被确定为最容易受到预期气候变化对农业和人类健康(除其他外)影响的大陆，这主要是因为普遍的贫困预计将限制适应能力(IPCC 2001年)beplay竞技一个)．与此同时，非洲的人口持续增长，推动了农业生产的集约化，以维持粮食生产和收入水平(Staal et al. 2001)。因此，该区域的农业系统具有高度的活力，而气候变化的影响必将在未来几十年大大促进这种活力。beplay竞技

我们认为，诸如我们所概述的方法在研究气候变化的影响方面具有潜在价值。beplay竞技然而，这些充其量只是试探性的第一步。如何才能把这些工具和方法转变成更全面的东西，真正为社区和政策层面的自然资源管理问题提供信息?我们将强调需要进行大量更多工作的三个领域。

首先，必须在农业系统层面评估气候变化对农业的影响。beplay竞技涉及许多不同牲畜和作物混合的小农混合系统在该区域和整个非洲非常重要。作物和牲畜之间的相互作用对于保持土壤肥力和为动物提供旱季饲料至关重要(Staal等，2001年)。在对应对气候变化可能的系统演化进行任何有意义的评估，并确定可能的适应和缓解策略时，显然我们需要能够反映在家庭层面上运行的主要生物过程，以及小农的目beplay竞技标和态度。作物和牲畜模型种类繁多，但将它们组合成健壮的系统模型仍有大量工作要做，这些系统模型可以在系统级别解释作物和牲畜之间的主要相互作用(Thornton和Herrero, 2001年)。此外，尽管以玉米为基础的混合系统对南部和东部非洲许多地区的农村贫困人口特别重要，但需要在其他系统中研究气候变化的影响，如不以玉米为基础的混合系统、商业作物-牲畜系统和畜牧系统。beplay竞技此外，气候变化将导beplay竞技致蚊子、采采蝇和蜱虫等重要疾病媒介的栖息地适宜性发生变化(Hulme 1996年)。其中一些研究正在进行中(例如，Rogers and Randolph 2000, McDermott et al. 2001)。然而，在我们拥有能够与全球环流模式(GCMs)协同使用的综合模式以全面方式研究气候变化的系统影响之前，还有大量的工作要做。beplay竞技

其次，可以使用各种不同的GCM和GCM场景。所有这些不同模型的输出都存在固有的不确定性，这是由它们的构造和参数化方式引起的。即使对于这里提出的相对简单的分析(只涉及一种作物和一个品种)，也可以使用其他GCM和气候变化情景来评估该地区未来可能的玉米和牧草产量的GCM预测的变化。beplay竞技如果这种变化相对较小，这将有助于建立对这种情景评估结果的信心。将迥然不同的影响评估分析的结果趋于一致也将大大有助于澄清和统一从这些分析中可以提炼出的信息。

第三，我们认为需要更好地理解决策者在自然资源管理和气候变化可能影响方面的信息需求。beplay竞技有关自然资源管理的政策决定在从地方社区到国家政府的许多级别上作出。因此，在格式、内容、时间和传递机制方面，信息需求将会有很大的不同，而且可能在某些方面还没有被完全理解。改善对社区和政府决策过程的了解，最终可使对特定类型信息的需求与气候变化影响评估提供的信息更好地匹配起来。beplay竞技这适用于为帮助国家农业研究和推广系统做出资源分配决策设定优先次序(例如，是否值得投资于较短命大豆品种的育种计划?)它同样适用于帮助可能特别容易受到气候变化影响的农村社区确定长期适应方案(例如，考虑到温度状况和降雨模式可能发生的变化，是否可以种植其他品种和作物，以帮助实现农业收入多样化?)beplay竞技

这里报告的初步调查表明，地块级别的过程模型可以集成到大规模的土地使用模型中，试图在景观级别模拟农业生产和资源使用。对自然资源管理备选办法的评价是一个非常复杂的问题，仍然需要进行大量的工作来产生真正适合这项任务的系统模型。最近的证据清楚地表明，气候变化对非洲农村贫困人口的影响可能尤其巨大(IPCC 2001年)beplay竞技b)．尽管存在局限性，但现有的作物和牲畜模型，加上缩小GCM产出规模的改进方法，为提供气候变化影响评估提供了潜在的富有成效的途径，可以帮助高度脆弱的农村贫困人口适应和应对气候变化。beplay竞技

欢迎对本文进行回复。如果被接受发表，您的回复将被超链接到文章。要提交评论，请关注这个链接．要阅读已接受的评论，请关注这个链接．

我们感谢两位匿名的推荐人对本文的早期草稿提出了非常有益的意见。

新罕布什尔州编辑巴杰斯。1995.用于全球环境研究的同质化土壤数据文件:粮农组织、ISRIC和NRCS概况的子集(1.0版本)。工作文件95/10，国际土壤参考和信息中心(ISRIC)，荷兰瓦赫宁根。

巴杰斯，n.h.和e.m.布里奇斯。1994.特别涉及甲烷的放射性活性微量气体从土壤向大气的潜在排放:建立全球数据库(WISE)。地球物理研究杂志99(D8): 479 - 489。

卡伦，m.j. P。1993.统一的预报/气候模型。气象杂志122: 81 - 95。

杜兰德，W.和A. S.杜托伊特。2000.利用作物生长模型和地理信息系统解决影响短期、中期和长期可持续性的问题。101 - 105页在杜兰德和杜托伊特，编辑。“利用系统分析促进南非高地生态地区可持续发展的方法和战略发展”高地生态地区研讨会论文集。arc谷物作物研究所，Potchefstroom，南非。

伊士曼,j . R。1993.IDRISI 4.1版技术参考手册。克拉克大学，伍斯特，美国马萨诸塞州。

粮农组织(粮农组织)。1974年。粮农组织-教科文组织世界土壤地图1:50 000。卷1,传奇。教科文组织，法国巴黎，粮农组织，意大利罗马。

粮农组织(粮农组织)。1978.农业生态区项目报告。卷1。非洲的方法和结果。《世界土壤资源报告》教科文组织，法国巴黎，粮农组织，意大利罗马。

粮农组织(粮农组织)。1995.世界数字土壤地图和导出的土壤性质。3.5版。土地和水数字媒体系列1，粮农组织，意大利罗马。

哈特坎普、a·D·德·比尔斯、a·斯坦和j·w·怀特。1999.气候变量插值技术。99 - 01 NRG-GIS系列。国际玉米和小麦改良中心(CIMMYT)，墨西哥墨西哥城。

Hassan, r.m.，编辑。1998.玉米技术开发与转让。GIS在肯尼亚科研规划中的应用。CAB国际公司，沃灵福德，英国。

休姆,M,编辑器。1996.beplay竞技气候变化与南部非洲:探讨南部非洲共同体区域的一些潜在影响和影响。该报告由世界自然基金会国际基金会委托，由英国诺里奇东安格利亚大学气候研究小组协调。

政府间气候变化专门委员会。beplay竞技2001一个。气候变化的区域影响:脆弱性评估。beplay竞技(在线)网址:http://www.ipcc.ch

政府间气候变化专门委员会。beplay竞技2001b。beplay竞技气候变化2001:科学基础。第一工作组对IPCC第三次评估报告的贡献。(在线)网址:http://www.ipcc.ch

约翰，t.c.， R. E.卡内尔，J. F.克罗斯利，J. M.格雷戈里，J. F. B.米切尔，C. A.老，S. F. B.泰特，R. A.伍德。1997.第二个哈德利中心耦合了海洋-大气GCM:模型描述、启动和验证。气候动力学13: 103 - 134。

琼斯，p·G·p·k·桑顿。1993.一种用于热带农业的降雨发生器。农林气象学63: -。

琼斯，p·G·p·k·桑顿。1997.与三阶马尔可夫模型相关的降水时空变异。农林气象学86: 127 - 138。

琼斯，p·G·p·k·桑顿。1999.插值气候面拟合三阶马尔可夫降雨模型。农林气象学97: 213 - 231。

琼斯，p·G·p·k·桑顿。2000.MarkSim:为拉丁美洲和非洲生成每日天气数据的软件。农学期刊92(3): 445 - 453。

麦克德莫特，j.j.， p.m.克里斯简森，R. L.克鲁斯卡，R. S.里德，T. P.罗宾逊，P. G.科尔曼，P. G.琼斯，P. K.桑顿。2001.到2050年气候、人口和社会经济变化对采采传播锥虫病的影响在S. J.布莱克和J. R. Seed，编辑。世界级的寄生虫。卷1。非洲锥虫。克卢厄文献出版社，多德雷赫特，荷兰。在出版社。

米切尔、j·f·B、t·c·约翰、j·m·格雷戈里和s·泰特。1995.对温室气体和硫酸盐气溶胶水平增加的气候反应。自然376: 501 - 504。

马奇纳，P.和A.伊格莱西亚斯。1995.津巴布韦不同农业部门玉米产量对气候变化的脆弱性。beplay竞技229 - 239页在C.罗森茨威格，小L. H.艾伦，L. A.哈珀，S. E.霍林格和J. W.琼斯，编辑。beplay竞技气候变化与农业:潜在国际影响分析。美国农学学会。特别出版物第59号。麦迪逊,威斯康辛州,美国。

国家海洋和大气管理局。1984.D.计算机兼容磁带。美国国家海洋和大气管理局，美国科罗拉多州博尔德。

理查森,c W。1985.作物管理模式的天气模拟。美国农业工程师学会学报28(5): 1602 - 1606。

里奇、J. T.辛格、D. C.戈德温和W. T.鲍文。1998.谷物生长、发育和产量。79 - 98页在G. Y.辻，G.胡根布姆，P. K.桑顿，编辑。了解农业生产的选择。Kluwer学术，Dordrecht，荷兰。

罗杰斯，D. J.和S. E.伦道夫。2000.疟疾在未来更温暖的世界里的全球传播。科学289: 1763 - 1766。

Schulze, R。2000.气候和气候变化对农业水文响应的影响研究超越时空尺度。beplay竞技农业、生态系统与环境82: 185 - 212。

Staal, s.j.， s.e hui, j.c. Tanner。2001.强化生产下的牲畜-环境相互作用。345 - 364页在D. R.李和C. B.巴雷特，编辑。权衡或协同效应?农业集约化、经济发展与环境。CAB国际公司，沃灵福德，英国。

桑顿，P. K.和M.埃雷罗。2001.用于情景分析和影响评估的作物-牲畜综合模拟模型。农业系统70(2 - 3): 581 - 602。

桑顿，p·K·和p·w·威尔金斯。1998.风险评估和粮食安全。329 - 346页在G. Y.辻，G.胡根布姆，P. K.桑顿，编辑。了解农业生产的选择。Kluwer学术，Dordrecht，荷兰。

桑顿，P. K.， A. R. Saka, U. Singh, J. D. T. Kumwenda, J. E. Brink, J. B. Dent。1995.马拉维中部地区玉米作物模拟模型的应用。实验农业31: 213 - 226。

Tsuji, G. Y. G. Hoogenboom和P. K. Thornton，编辑。1998.了解农业生产的选择。Kluwer学术，Dordrecht，荷兰。

沃克，t。S。和j。g。瑞安。1990.印度半干旱热带地区的村庄和家庭经济。约翰霍普金斯大学出版社，巴尔的摩，马里兰州，美国。