• 沒有找到結果。

氣候變遷下水稻生長及產量之衝擊評估The Impact Evaluation of Climate Change on the Growth and Yield of Rice

N/A
N/A
Protected

Academic year: 2021

Share "氣候變遷下水稻生長及產量之衝擊評估The Impact Evaluation of Climate Change on the Growth and Yield of Rice"

Copied!
16
0
0

加載中.... (立即查看全文)

全文

(1)研究報告. 氣候變遷下水稻生長及產量之衝擊評估. 141. 氣候變遷下水稻生長及產量之衝擊評估 姚銘輝*、陳守泓 行政院農委會農業試驗所農業工程組. 摘要 氣候變遷為影響農作物生長及產量的重 要 因 素 之 一 , 本 研 究 即 以 The Decision Support System for Agrotechnology Transfer (DSSAT)作物模式評估氣候變遷對 水稻生長及產量的衝擊,並利用氣候敏感度 分析探討氣候因素對水稻產量的影響程度。 又結合大氣環流模式及地理資訊系統,以預 測在未來氣候及不同氣候情境下,臺灣水稻 產量的變化趨勢。結果顯示,由水稻生長特 性實測資料之驗證,發現 DSSAT 模式可適用 於臺灣氣候,實測資料和 DSSAT 模擬值有極 佳相關性;其中,生質量之相關係數皆可達 0.9,產量約為 0.7-0.8 之間。增溫將使水稻生 育日數縮短,影響水稻穀粒充實而減產。日 射量直接影響水稻生質量累積,與比葉面積 成反比。大氣二氧化碳濃度升高使水稻葉片 輻射利用效率提高,且因氣孔導度下降而減 少蒸發散量。至於氣候變遷下臺灣水稻產量 之空間分布,北部種植之水稻有明顯減產現 象,中南部則有些微增產,惟臺灣全區之平 均值則仍然呈現減產趨勢,預估於 2020 年、 2050 年及 2080 年分別減產 3.5%、4.7%及 7%。 關鍵詞︰氣候變遷、水稻、大氣環流模式、 作物模式、地理資訊系統。. The Impact Evaluation of Climate Change on the Growth and Yield of Rice * 通 信 作 者 , mhyao@ tari.gov.tw 投 稿 日 期: 2009 年 8 月 25 日 接 受 日 期: 2009 年 9 月 7 日 作 物 、 環境 與生 物 資 訊 6:141-156 (2009) Crop, Environment & Bioinformatics 6:141-156 (2009) 189 Chung-Cheng Rd., Wufeng, Taichung Hsien 41362, Taiwan ROC. Ming-Hwi Yao* and Shou-Hung Chen Agricultural Engineering Division, Taiwan Agricultural Research Institute, Wufeng, Taichung Hsien 41362, Taiwan ROC. ABSTRACT Climate change is one of the primary determining factors on the growth and yield of a crop. In this study, the Decision Support System for Agrotechnology Transfer (DSSAT) software package was used to assess the impact of climate change on the growth and yield of rice in Taiwan. The climate sensitivity analysis was also used to evaluate the effects of climate factors on rice yield. Incorporating with the general circulation model (GCM) and geographic information system (GIS), future climate status and rice yield under different climate scenarios were predicted. Result indicated that DSSAT model was suitable for Taiwan climate analyses using the measured data of rice growth characteristics. The measured and predicted values had a good relationship; for example, the correlation coefficients were greater than 0.9 for biomass and was in rage 0.7−0.8 for yield. Results further showed that the increasing temperature would decrease the growth days that caused the reduction of rice yield due to the insufficient grain filling. Solar radiation affected the biomass accumulation, and negatively correlated with specific leaf area. The elevated CO2 concentration improved the radiation use efficiency of rice leaves and decreased the evapotranspiration rate with the closure of stomata aperture. The results of spatial distribution of rice yield revealed that, under climate change in the future, yield will significantly lose in the northern region while slightly increase in the southern part. However, the average yield of rice cultivated in Taiwan will be reduced by 3.5%, 4.7% and 7.0% in 2020, 2050 and 2080, respectively..

(2) 142. Crop, Environment & Bioinformatics, Vol. 6, September 2009. Key words: Climate Change, Rice, General circulation model, Crop model, Geographic information system.. 前言 對於未來氣候演進的評估,雖然氣候本 身具有很高的變異性,使得預測上存在極大 不確定性,但目前的科學界對於二氧化碳濃 度(CO2)及氣溫的持續增加則具有共識,差別 僅在上升速率的估算幅度。依據預測在 21 世 紀結束前,如果未積極有效的減緩溫室氣體 排放,全球平均溫度將升高 1.4−5.8℃,而 CO2 濃度將達到 478−1,099 ppm (IPCC 2001)。對 農業生產而言,雖然作物有所謂『CO2 肥料 效應』 ,也就是提高大氣 CO2 濃度有助於葉片 光合作用之進行,使作物生質量累積增加, 但大氣 CO2 濃度增加所帶來增溫現象卻縮短 作物生育期,可能造成穀粒充實不足而減 產。因此,氣候變遷對於未來農作物產量究 竟係促進或降低,必須深入探討、釐清,因 為這將攸關人類賴以生存之糧食供應問題。 農耕過程中氣象環境和作物之間的交感 相當複雜,有些關係是以假設性為前提,同 時亦非線性反應。又作物生長在不同時間及 空間的反應與表現有別,因此針對農業政 策、栽培技術及環境因素之評估常需藉助於 作物模式。作物模式以數學方式描述作物生 長情形,且常利用電腦作為輔助工具。目前 具有氣候評估能力之作物模式甚多,包括 DSSAT (Jones et al. 2003) 、 CENTURY (Parton 1996)、Oryza2000 (Bannayan et al. 2005)、 EPIC (Tan and Shibasaki 2003)和 DNDC (Li 2000)等。其中 DSSAT 模式是由 CERES 模式系列所發展出來,廣泛運用於水 稻 栽 培 國 家 以 評 估 氣 候 變 遷 衝 擊 (Tsvetsinskaya et al. 2003, Mall and Aggarwal 2002)。目前此模式之預測結果, 已 被 政 府 間 氣 候 變 遷 委 員 會 (Intergovernmental Panel on Climate Change;IPCC)所接受。. 氣候(象)因素與作物生長發育息息相 關,通常以氣溫、日射量和降雨等三項因子 最廣為探討。氣溫是調節營養生長速率及發 育階段之主要氣象變數,同時也影響作物呼 吸率及蒸發散量。太陽輻射提供葉片光合作 用所需能量,左右植株碳水化合物分配和生 質量累積。降雨雖未直接影響作物生育,但 因水分乃作物生長要素,降雨不足造成的乾 旱或過多形成的水患亦將控制生育表現。此 外,文獻顯示氣象因子間之比值對評估作物 生長更具深層意義;例如,輻射利用效率 (radiation-use efficiency;RUE)係累積生質 量 (biomass) 與 葉 片 截 取 日 射 量 間 之 比 值 (Manderscheid et al. 2003),涵蓋了日射量所 發展出作物模式之重要參數,包括整合作物 發育、型態、生理和生化反應等。因此,輻 射利用效率常作為評估不同期作及氣候條件 下作物生長及產量限制的指標(Sinclair and Muchow 1999),此一指標與種子產量、收穫指 數(harvest index) 皆有高相關性(Tesfaya et al. 2006)。 臺灣地處亞熱帶,地形及氣候在空間分 佈上差異甚大,評估農作物生產受氣候變遷 衝擊之影響以模式較為可行。水稻是我國最 主要糧食作物,水稻產量也是農業生產及糧 食安全重要指標。本研究室曾進行水稻在氣 候變遷衝擊下生產影響評估之研究(Yao et al. 2000),但近十年來國際上針對未來氣候之預 測能力已有大幅度進展,同時作物模式也隨 著對作物生理的瞭解而不斷的版本升級,對 於作物生長及產量具有更佳的描述及預測功 能。由於作物模式需要模擬區域之農耕特性 資料,包括氣候、土壤理化性質、水分管理 及耕作方式等(Jones et al. 2003),因此本研究 利用農委會農業試驗所 16 年水稻豐歉試驗資 料為模式驗證資料庫,以 DSSAT 模式來評估 氣候變遷對水稻生產之影響,尤其偏重於不 同氣象因素對於水稻生產的效應。另以大氣 環流模式(general circulation model; GCM) 之未來氣候預測值代入 DSSAT 模式內,再結.

(3) 氣候變遷下水稻生長及產量之衝擊評估. 合 作 物 模 式 與 地 理 資 訊 系 統 (geographic information system; GIS),延伸空間尺度的 評估。此種研究模式可運用於農業管理決策 及栽培曆規劃,復可作為未來作物適栽區及 糧食供給安全性等之評估用途。. 材料與方法 一、水稻生育資料調查 水稻生育資料取自於農委會農業試驗所 (東經 120°,北緯 24°,海拔高度 85 公尺)進 行之水稻豐歉試驗,自 1993 年一期作至 2008 年二期作止共 16 年,合計 32 個期作資料。 參試品種為稉稻臺農 67 號及秈稻臺中秈 10 號二品種。生育資料是由插秧後三週開始調 查,包括每週調查葉乾重、桿乾重、穗重、 葉面積,並於成熟期調查產量及產量構成要 素。又計算比葉面積(specific leaf area; SLA), 以葉面積與葉乾重之比值表示(cm2 g-1),比較 其與日射量之關係。由於試驗目的在探討氣 象和產量間的關係,因此水稻試區是在固定 田區,由專人負責作一致的管理,並適度控 制病蟲害發生,盡量排除非氣象的影響因子。. 二、DSSAT 模式基本資料 本 研 究 所 用 作 物 模 式 為 DSSAT Ver 4.0。DSSAT 氣象資料輸入值為每日之日射 量、最高溫度、最低溫度及降雨量,本研究 採用農委會農業試驗所之一級農業氣象測站 之測值,該測站距離水稻試區約 500 m。水 稻栽培方式依照目前慣行方式進行,行株距 0.15 m × 0.30 m,單位面積株數為 22 hills m-2,模擬以單一期作為主,不考慮前期作的 影響。土壤特性是依據農委會農業試驗所農 場之土壤調查資料,選取粘質壤土為水稻田 土壤質地,施用氮肥量為 113 kg N ha-1,模 擬過程中設定為無肥料逆境。DSSAT 模式對 作物產量模擬有多次改版,更新版(4.02 版) 除加入新作物外,也改變作物模式模擬架構 及增加新生長參數。過去曾利用 DSSAT 3.0 版建立臺農 67 號及臺中秈 10 號兩品種之遺. 143. 傳參數(Yao et al. 2000),由於新版仍沿用舊 版之評估方式,因此本研究仍採用已建立之 稻種遺傳參數。. 三、模式參數測定及敏感度分析 敏感度分析是將某一參數提高或降低輸 入值,而在其他參數固定情形下,檢測輸入 值對模式輸出值的影響程度,並可透過參數 的調整而瞭解對產量的貢獻度。DSSAT 為綜 合性模式,其所需參數甚多,包括耕地土壤 特性(質地、酸鹼度、離子含量及有機質含量 等)、作物特性(遺傳特性及生理特性)及氣象 資料。本研究主要著重於氣象因子之敏感度 分析,包括溫度、日射量及 CO2 濃度,至於 雨量對於水稻種植區而言,並非限制因子, 本研究不予討論,因此 DSSAT 模式中以無水 分逆境作設定。敏感度分析之溫度及 CO2 濃 度以固定數值方式進行,即增減某一數值而 進行敏感度分析,溫度由對照組(1993-2008 年平均值)分別加減至 5℃,以每 0.5℃為等 級;CO2 濃度則由 400 ppm 以每 100 ppm 為 等級增加至 1,000 ppm。日射量之變異係數 較大,因此以固定倍數方式進行,由對照組 分別加減至 50 %,以每 10 %為等級。至於其 他參數若有實測值則輸入模式內,若無實測 資料則以推估方式進行。水稻之輻射利用效 率(radiation use efficiency; RUE)計算,係以 每公頃稻株生質量和生育期間累積日射量之 比值表示(g MJ-1),較大數值表示較高之輻射 利用效率。. 四、統計分析 水稻生長性狀迴歸參數的檢測是利用均 值相關統計方法,包括均值偏差(mean bias error; MBE)及 均 值 平 均 根 偏 差 (root mean square error; RMSE)兩種方式。 MBE=[Σ( Fi comp - Fi meas)]/n RMSE={[Σ( Fi comp - Fi meas )2]/n}½. (6) (7). Fi comp 指第i筆估計值,Fi meas 指 第 i 筆實測值,n為所有測定值數目。RMSE.

(4) 144. Crop, Environment & Bioinformatics, Vol. 6, September 2009. 值低表示估算正確率高;MBE 值若為正則為 高估,為負則為低估。. 五、氣象測站資料 我國氣象觀測網能提供 DSSAT 作物模 式所需氣象資料之測站共 40 站(如 Fig. 1), 各測站均為中央氣象局所屬氣象站,資料年 份取自 1996 年至 2005 年共十年的資料,進 行 DSSAT 模 式 預 測 結 果 之 資 料 平 面 化 工 作,而為使測站在空間分佈上具有代表性, 少數測站之日射量缺值部分,則由日照時數 及溫度差所建立之迴歸方程式推估(Chen et al. 1994, Yao et al. 2002 )。. 六、氣候變遷情境模擬 本研究所用氣候變遷未來情境預測之氣 象資料,自 IPCC 網站資料庫下載 (http://ipcc-ddc.cru.uea.ac.uk),包括七種 大氣環流模式(General Circulation Model;. GCM)之預測結果。大氣環流模式是將全球依 據經緯度範圍畫出格網,由大氣原理以數值 分析方式計算每一格點的氣候值,氣候情境 是以假設排放 1%溫室氣體為條件,模擬 2020 年、2050 年及 2080 年之情境,其中 CO2 濃 度於 2020 年、2050 年及 2080 年分別假設為 451 ppm、608 ppm 及 820 ppm。其次,因 為 DSSAT 模 式 所 需 氣 象 資 料 包 括 最 高 溫 度、最低溫度、日射量及降雨量,故僅有 CGCM1、CSIRO、ECHAM4 及 HadCM2 等四種模式適用,於是選用此四種模式接近 臺灣之格網氣候預測值資料(Fig. 2)。首先利 用地理統計之反距離加權差值法(inverse distance to a power),內插臺灣 40 個氣象測 站之內插值。而由於 GCM 預測值為月之溫 度差值,乃將該差值代入 1996 年至 2005 年 之溫度資料,假設每日之變化量與月變化相 一致,將經過修改後之資料視為未來氣溫模. Fig. 1. The spatial distribution of weather stations in Taiwan used in this study..

(5) 氣候變遷下水稻生長及產量之衝擊評估. 145. Fig. 2. Position of the GCM grid points lying within or close to the Taiwan. The symbols related to the four GCMs coincide with the center of the grid boxes.. 擬值。本研究在氣候敏感度分析雖有考慮日 射量的變化,但 GCM 模式日射量預測模式 並不多,同時變異性極大,因此在未來氣候 模擬僅以溫度及二氧化碳濃度為主。. 結果 農委會農業試驗所水稻豐歉試驗之試 區,1993-2008 年(16 年)期間皆以一、二期水 稻及冬季種植綠肥作物之栽培方式進行,水 稻生育過程盡量維持無其他生長逆境,以探 討作物生長及氣象環境之關係。水稻生育期 間氣象參數及產量之分析如 Table 1 所示,氣 象資料依據 DSSAT 模式所需項目輸入,包括 日最高溫、日最低溫、日射量及雨量等,其 中溫度為平均值,日射量及雨量為累積值。 以變異係數(coefficient of variation;CV)比 較不同參數間變異量,由表可見無論最高溫 或最低溫之變異量皆不大,CV 值介於 2-3%. 之間。累積日射量一期作較二期作為高,主 要係一期作生育日數較長導致,而年際間之 CV 值約為 8%,以二期作高於一期作,推測 乃因生育期間累積日射量受大氣雲量及降雨 日數影響。降雨量雖非水稻栽培直接影響因 素,但降雨影響日射量及溫度變化,且其 CV 值極高。水稻產量受許多因素影響,基於 Table 1 所列氣象因子之變異量大小,似以日 射量影響較大。至於品種間產量之變異量, 臺農 67 號低於臺中秈 10 號(相差約 3%),顯 示臺農 67 號較適合霧峰地區之氣象環境。 田間實測值和 DSSAT 模擬值之差異比 較分列於 Table 2,包括開花日數、成熟日數 及累積生質量等三項描述水稻生長的參數。 水稻生育期轉換受遺傳參數影響,開花期及 成熟期可由植株外觀形態直接觀察及記錄, 實測資料和 DSSAT 模擬值有極佳相關性,相 關係數皆可達 0.9 以上。在開花日數方面,兩.

(6) 146. Crop, Environment & Bioinformatics, Vol. 6, September 2009. Table 1. Mean and coefficient of variation (C.V) of the agro-meteorological factors and grain yield for two rice cultivars grown in the period of 1993-2008.. Crop season 1st crop mean C.V 2nd crop mean C.V. Maxi. Temp. (℃). Min. Temp. (℃). Solar radiation (MJ). Precipitation (mm). Yield of Tainung 67 (kg ha-1). Yield of Taichung Sen 10 (kg ha-1). 27.63 2.76. 19.11 2.32. 1332.54 7.86. 730.56 47.35. 5394.28 9.71. 4521.66 12.15. 31.49 2.73. 22.51 3.96. 1219.20 8.04. 420.43 56.09. 3890.16 11.84. 3469.78 14.71. Table 2. Summary of statistics for validation of DSSAT on growth traits of rice grown at the experimental farm of Taiwan Agricultural Research Institute during the period of 1993-2008. Cultivar Tainung 67 1st crop. 2nd crop. Taichung Sen 10 1st crop. 2nd crop. x. Statistics. Anthesis (DAPx) Obs. Pred.. Maturity (DAP) Obs. Pred.. Mean R2 MBE RMSE Mean R2 MBE RMSE. 91.8±5.9 91.8±5.7 0.98** 0.0 0.9. 123.0±5.4. 65.8±1.8 65.4±1.6 0.92** 0.4 0.8. 100.0±4.3. 100.8±3.8 0.96** 0.7 1.3. 7394.7±961.0. Mean R2 MBE RMSE Mean R2 MBE RMSE. 86.4±4.2 87.6±6.0 0.94** 1.3 2.8. 114.4±.5.5 114.5±4.8 0.95** -0.4 1.8. 8461.0±736.3. 62.0±1.7 61.1±1.4 0.91** 0.9 1.1. 123.4±5.2 0.98** -0.0 1.0. Biomass (kg ha-1) Obs. Pred.. 90.4±3.4. 90.8±3.5 0.97** -0.4 0.9. 9438.3±818.9. 9189.8±869.0 0.90** -248.5 439.9. 6906.2±899.0 0.95** -488.5 607.0 8173.8±858.7 0.85* -287.2 522.0. 6217.7±871.7. 5999.9±938.4 0.90** -217.8 457.9. DAP: days after planting; *, ** significant at the 0.05 and 0.01 probability levels according to the analysis of two-tailed test.. 個品種在二期作相關係數較一期作低,成熟 日數則除了臺農 67 號之二期作數字似有高估 情形之外(MBE = 0.69),其餘則為低估(MBE <0),而預測準確性(RMSE)則以臺中秈 10 號 一期作較差。在生質量方面,兩品種兩期作 DSSAT 模擬結果之相關係數約為 0.9,但模 式模擬有明顯低估現象(MBE < 0),每公頃低 估約 200-500 kg。由於生質量同時受到環境. 及植體本身狀態影響,包括光合作用速率、 分蘗數、葉片數、株高、器官含氮量…等皆 為直接影響因素,目前尚無完整實測值可作 驗證或解釋低估原因。而產量預測方面, DSSAT 模擬產量與 16 年實測值相較結果如 Fig. 3,臺農 67 號一、二期作相關係數為 0.74 與 0.72,臺中秈 10 號則為 0.80 與 0.83。 氣候敏感度分析主要在瞭解不同氣候條.

(7) 氣候變遷下水稻生長及產量之衝擊評估. 147. Fig. 3. Evaluation of the rice yields simulated by the DSSAT model. The fit between the observed and predicted yields is expressed in terms of the 1:1 line.. 件對於水稻生長之影響,本研究以臺農 67 號 為例,將氣候資料調整後由 DSSAT 模擬 16 年 32 期作之平均值。由 Table 1 發現 16 年期 間水稻試區一期作平均最高溫及最低溫分別 為 27.6 及 19.1℃,二期作則為 31.5 及 22.5℃。 溫度敏感度分析係將最高溫及最低溫同時加 減特定溫度後分析,以加減 5℃為範圍之分析 結果如 Fig. 4 所示。其中一期稻作在降溫 5℃ 時,成熟日數需 168 天,但因生育日數較長, 產量可高達 7,467 kg,之後隨著溫度上升則 成熟日數及產量皆明顯下降。二期稻作雖成 熟日數隨增溫縮短,但產量反而在降溫 3℃較 高,雖然現在溫度增溫後對於成熟日數影響 不大(增溫 5℃僅縮短 18 天),但對於產量的 影響仍非常明顯,其原因可能應包括高溫對. 水稻生長的影響,而不僅限於成熟日數的縮 短。一般而言,水稻生育階段轉換受累積溫 度影響,溫度升高雖可縮短生育日數,卻易 導致穀粒充實不足而減產。 日射量對水稻平均比葉面積(SLA)及生質 量累積之敏感度分析結果繪於 Fig. 5,通常日 射量值越高,生質量累積越多。若以目前日射 量累積值為基準(一期作 1,332 W m-2 ;二期作 1,219 W m-2),則增加的部分在兩期作幅度皆相 近,而在較低日射量下,一期稻作增加幅度大 於二期稻作。葉片生質量乃固碳作用結果,其 累積受到作物葉片影響,尤其葉面積決定了受 光面積及輻射能截取能力,因此高 SLA 代表高 生質量生成效率。由 Fig. 5 顯示,SLA 亦受到 日射量變化影響,一期作呈線性下降,即日射.

(8) 148. Crop, Environment & Bioinformatics, Vol. 6, September 2009. Fig. 4. Evaluation of the effects of changing temperature on maturity period (●) and yield (▲) in rice using the DSSAT model.. Fig. 5. Evaluation of the effects of changing solar radiation on specific leaf area (●) and biomass (▲) in rice using the DSSAT model..

(9) 氣候變遷下水稻生長及產量之衝擊評估. 量越高則葉片生質量累積越多;而在二期作增 加日射量對於 SLA 影響不大,說明現行二期 作之日射量已近於光飽和點,對於葉面積或 葉乾重累積影響程度不高。 CO2 濃度對水稻輻射利用效率(RUE)及 蒸發散量之敏感度分析結果列於 Fig. 6,在大 氣 CO2 濃度增加時,葉片之固碳作用能力也 將增加,因此對日射量的利用效率會隨著 CO2 濃度呈線性增加。期作間之差異比較, 發現一期作在 CO2 濃度增至 1,000 ppm 時 RUE 可達 8.5 g MJ-1,而二期作之 RUE 則為 7.5 g MJ-1。雖然不同 CO2 濃度對於兩期作之 RUE 有不等之影響,但增加幅度卻相近,在 RUE 介於 400 至 1,000 ppm 之變化量皆為 2.3 g MJ-1,顯示水稻生質量累積會受到日射量及 CO2 濃度的直接影響。另由作物生理現象,. 149. 葉片氣孔受到高 CO2 濃度刺激會有關閉作 用,因此在高 CO2 濃度下雖然進入氣孔內腔 的 CO2 通量(flux)較高,氣孔開度反而較小關 閉,其結果使得稻株蒸發散量下降(Fig. 6)。 當 CO2 濃度由 400 ppm 增加至 1,000 ppm 時,蒸發散量在一期作下降 13%,二期作則 下降 14%。 針對未來氣候情境下水稻產量之改變, 本試驗乃進行溫度、日射量及 CO2 濃度對水 稻 生 長 性 狀 之 敏 感 性 分 析 , 結 果 如 Figs. 4-6,而三種氣象因子之不同組合分析結果則 列於 Table 3。比較兩品種 16 年之平均生質 量及產量,以及最佳與最差組合之變化範 圍,發現在最佳組合條件(指溫度下降 5℃、 日射量增加 50%及 CO2 濃度 1000 ppm)下, 生質量及產量增加 40-60%,在最差組合條件. Fig. 6. Evaluation of the effect of changing CO2 concentration on radiation use efficiency (RUE) (●) and evapotranspiration (▲) in rice using the DSSAT model..

(10) 150. Crop, Environment & Bioinformatics, Vol. 6, September 2009. Table 3. The sensitivity analysis of climatic factors on biomass and yield at two rice cultivars, Taichung Sen 10 and Tainung 67. Current Biomass (kg 1st crop 2nd crop Yield (kg ha-1) 1st crop 2nd crop. Taichung Sen 10 Pessimistic Optimistic. Current. Tainung 67 Pessimistic. Optimistic. ha-1) 8,461 6,218. 2,344 1,389. 12,040 9,557. 9,438 7,395. 2,732 1,708. 13,192 11,329. 4,522 3,470. 1,290 526. 7,190 5,427. 5,394 3,890. 1,580 873. 7,977 6,111. (指溫度上升 5℃、日射量下降 50%及 CO2 濃 度 400 ppm)下,生質量及產量減少 70-80%。 顯示在本文研究之敏感度分析設定範圍,水 稻減產輻度大於增產幅度。 臺灣全地之平緩地區皆可種植水稻,但因 各地氣候條件不盡相同,稻作生產量並不一 致。於是進行不同區域之溫度及 CO2 濃度對水 稻產量影響敏感度分析,結果如 Fig. 7。其中, 增溫會縮短生育日數使產量明顯下降,尤以北 部地區為然,而提高 CO2 濃度則促進水稻增 產,尤以南部區域較為明顯。至於不同溫度及 CO2 之組合,以 40 個模擬點之水稻產量平均值 來看,在 2℃及 600 ppm CO2 組合下,平均產 量為 6,654 kg ha-1,略高於對照組(0℃及 360 ppm CO2)之 6,394 kg ha-1;在 4℃及 800 ppm CO2 組合下,平均產量略低於對照組,在 6℃ 及 1,000 ppm CO2 組合下,各地產量皆明顯下 降,平均產量為 6,043 公斤公頃-1(約減產 5%)。 由此可見,就溫度及 CO2 濃度兩項未來氣候主 要變數而言,增溫所帶來減產效應可能大於 CO2 濃度的增產效應。 未來氣候情境之氣象預測資料,本研究 使 用 CGCM1 、 CSIRO 、 ECHAM4 及 HadCM2 等四種模式之預測值,代入 DSSAT 模式內以評估未來我國水稻產量改變情形。 分析結果顯示,CGCM1 模式所估算數據明 顯偏低,尤其在北部水稻種植有明顯減產現 象,減產幅度甚至達 30% (Fig. 8)。CSIRO、 ECHAM4 及 HadCM2 等三種模式結果相 近,其預測結果在北部也呈減產趨勢,但在. 中南部水稻主要種植區則有增產現象,同時 2080 年較 2050 年更明顯。以臺灣全地之平均 而言,分析結果呈減產趨勢,2020 年、2050 年及 2080 年分別減產 3.5、4.7 及 7%。. 討論 氣候變遷對於地球生態影響層面廣泛且 深入,其中五分之ㄧ的負面效應可能發生於 農業部門(Pearce et al. 1996),如何評估農業 損失並研擬因應對策,尤其是糧食生產,成 為當前重要課題。過去針對穀類生產的估算 方式有多種方法,其一為評估土地生產力趨 勢如 FAO 方法(Tan and Shibasaki 2003),即 利用土地資源及生態潛勢探討農作物生產的 影響,惟複雜的農業問題無法僅由土地估 算。另一為統計迴歸方式,綜合作物生產過 程相關環境或人為因素加以統計分析,建立 各項因素之迴歸關係式,昔日傳統農業生產 評估大多採此作法。此一方式鮮少以數學或 物理關係來描述生長,對氣候變遷的評估存 有缺點(Jame and Cutforth 1996),著名生長 模式研究學者 Monteith (1981)即認為統計方 式不適合作物一氣候之間的研究,因其忽略 物理和生理機制之間的相關性。目前氣候模 式是以大尺度(區域或全球尺度)為範圍,為了 普遍性與廣適性,大部分參數儘可能以數學 或物理方法推導。因此,農作物生長模式亦 應以相同程序處理作物的生長描述及產量預 測,才能在不同氣候條件下進行預測,並使 氣候-作物-土壤之間維持同一單位。然作物生.

(11) 氣候變遷下水稻生長及產量之衝擊評估. 長機制之數值化乃此三系統間最為複雜及困 難者,多數作物生理反應並非線性且具有複 雜的物種(及品種)遺傳調控。所以,部分生理 反應過程仍需由試驗結果之經驗數值加以取 代,尚未能完全以數學或物理方式處理(Jones et al. 2003)。 本研究選用之 DSSAT 模式架構,具有高 比例的機制性及少部分非量化經驗值,經以 農委會農業試驗所 16 年試驗實測資料驗證, 顯示對於水稻定性性狀(開花及成熟日數)可 獲得極佳預測結果(Table 2)。而定量性狀之 實證結果(Table 2 及 Fig. 3),地上部生質量 相關係數可達 0.9,產量則介於 0.7-0.8 之間, 由於實測資料不足使產量估測受限。欲提高 推估準確度,除了作物生長資料外,尚需結 合其他調查項目(如土壤、病蟲害及雜草等)。 惟有完整資料庫,才可對農業生產環境作全 面性監測,也才能針對模擬結果進行參數調 整或解釋其發生原因,一如本研究 DSSAT 模 式對水稻生質量低估結果之分析(Table 2)。 臺灣水稻栽培以一期作產量較高,主要 原因之一在於生育日數較長可累積較多生質 量,二期作生育初期的高溫加速了水稻生育 階段轉換,生育後期又因低溫造成穀粒充實 不足而影響最終產量。作物的發育受到溫度 影 響 , DSSAT 模 式 以 積 算 溫 度 (growth degree day; GDD)預測水稻每一生育階段所 需日數,包括幼苗終期、始穗期、抽穗期、 穀粒充實期及成熟期等皆依此估算。又在降 溫及升溫的敏感度分析中,清楚瞭解溫度對 於成熟日數的推估,以及對產量的間接影 響,如二期稻作的增溫隨縮短成熟日數卻減 少產量(Fig. 4)。本研究二期稻作 16 年平均之 最高溫達到 31.49℃ (Table 1),模擬增溫 5℃ ( 即 36.49 ℃ ) 將 對 水 稻 生 長 造 成 傷 害 , 因 Al-Khatib and Paulsen (1999)的作物生理研 究指出稻株在溫度超過 32℃後光合作用速率 將下降。高溫也影響花粉授粉及最終產量, Matsui et al. (2007)的研究發現當溫度至 34.5 ℃時水稻將發生授粉障礙。雖然 DSSAT 模式. 151. 尚無高溫對授粉的影響評估功能,但隨著高 溫(或稱熱浪)發生頻率越來越高,花器授粉又 對產量具有決定性影響,將來應會有更多的 探討。 本研究之溫度敏感性分析是將最高及最 低溫同時加減每一溫度梯度進行,其實溫差 對水稻產量也有影響,日較溫(最高溫及最低 溫的差值)在過去歷史資料中顯示有下降趨 勢(Vose et al. 2005),而在臺灣也有相同變化 趨勢(Yao et al. 1999)。由氣候模式的預測, 未 來 日 較 溫 變 化 將 更 明 顯 (Stone and Weaver 2003)。日較溫下降對於水稻產量有 正相關及負相關不同結論(Peng et al. 2004, Lobell 2007),主要在於不同溫度範圍影響呼 吸作用、蒸發散量、穀粒充實速率甚至於病 蟲害發生等,仍需更多試驗數據來獲得較明 確之結論。 日射量影響葉片固碳生理反應及生質量 累積,由過去資料分析結果,日射量和生質 量累積有極高相關性,兩者在一期作之相關 性達 0.95 以上,二期作較低約 0.90 (Chen et al. 2009)。因此,當日射量增強則水稻生質量累 積也增加,本研究之一、二期作所模擬結果 皆相同(Fig. 5)。水稻生質量累積決定於截取 光能的面積及葉片自身固碳的能力,兩者的 比值稱為比葉面積,Lambers and Poorter (1992)指出比葉面積是評估作物生長速率及 光合作用的重要指標。基本上,高光增加葉 片厚度是因葉肉(mesophyll)體積增加,會有 較高葉片同化速率;相對的,比葉面積數值 越高則代表同化速率越低,即比葉面積與日 射量呈反比(Yao et al. 2007b)。本研究顯示升 高日射量在一期稻作增產效果較明顯,主要 原因可能為二期稻作日射量原已較高,可能 已接近光飽和點,故增加日射量對於葉片生 理反應的效果較不明顯。 至於未來氣候變遷下日射量之變化情 形,依據 GCM 模式預估太陽輻射量增加或 減 少 的 結 論 皆 有 (Brown and Rosenberg 1997),由於日射量受雲層及水汽循環影響,.

(12) 152. Crop, Environment & Bioinformatics, Vol. 6, September 2009. Fig. 7. The sensitivity analysis for the grain yield of rice under the conditions of increasing temperature and CO2 concentration by the DSSAT model in Taiwan area.. Fig. 8. The prediction of grain yields of rice by the DSSAT model with climatic factors resulted from four different GCM models in Taiwan area at 2020, 2050 and 2080, respectively..

(13) 氣候變遷下水稻生長及產量之衝擊評估. 變異係數極大(Table 1),長期預測的意義不 高。Jong et al. (1982)研究指出夏威夷所種植玉米可 由日射量解釋 78.5%產量的變異,仍說明了日射量 變化是作物生理反應的主要變異來源。另以區域或 全國性產量預測角度而言,國內現行的日射量資料 在觀測點數及地域分佈並不足夠,雖然氣象資料可 分由中央氣象局直屬測站、農業試驗單位測 站、自動測站及民用測站等四種來源取得, 未來仍有擴增空間。以 2002 年為例,全國共 有 1,117 個氣象站分佈於各地,就設站密度而 言是相當密集,但能提供作物模式含有日射 量之測站僅 67 個,扣除高山及離島,分布在 農業區的測站則寥寥可數。因此,在增進區 域氣象預測能力及產量預估準確性的前提 下,具有日射量觀測項目之氣象測站不足將 是一大隱憂。 提高大氣二氧化碳濃度將使光合作用速 率增加,主要係細胞內 CO2 濃度增加、羧化 (carboxylation) 效 率 提 高 及 減 少 光 呼 吸 (photorespiration) 等 原 因 (Centritto et al. 2002)。因此,提供高二氧化碳環境可使水稻 輻射利用效率明顯提高,不論在營養期或生 殖 期 皆 有 一 致 反 應 趨 勢 (Bannayan et al. 2005),而本研究在ㄧ、二期稻作也有相同結 果 (Fig. 6)。本 研 究亦 顯示 另 當葉 片處 於高 CO2 濃度下,氣孔會因高 CO2 刺激而使導度 降低,因此葉片蒸散強度將因部分氣孔關閉 而減少,此現象將有助於改善水分利用效 率,如 Yao et al. (2007a)之試驗結果。 Mall and Aggarwal (2002)認為氣候變 遷對水稻產量直接影響因素為溫度及二氧化 碳濃度,間接因素包括灌溉利用率、蟲害競 爭、土壤肥力改變和土壤沖蝕等。因此本研 究探討未來氣候以溫度及二氧化碳濃度為 主,由兩項氣象因素敏感度分析結果,顯示 增溫對於產量的影響大於 CO2 所帶來之肥料 效應(Fig. 7)。雖然日射量在氣候預測上仍有 困難,且有強烈地域特性,未來究竟是增加 或減少難有定論(IPCC 2001),但是日射量對 作物生長的影響力仍不應忽視。此三種主要. 153. 氣象因子的不同組合分析結果,發現在最差 組合設定可使水稻之生質量及產量減少 70-80% (Table 3)。因此,就本研究敏感度分 析所設定之範圍,在溫度升高、日射量下降 及 CO2 濃度維持不變條件下,水稻將明顯減 產。 本研究將 DSSAT 模式結合地理資訊系 統,針對氣候敏感度分析及未來產量預測進 行研究(Fig. 7 及 Fig. 8),將有助於未來我國 水稻生產地區空間分析,以作為整體農業生 產預測、適栽區規劃或災害補助之參考,此 一方式亦適用於氣候變遷對水稻生產的研究 (Masutomi et al. 2009)。針對氣候變遷影響的 評估,未來氣候情境的設定會左右模擬結 果,目前大氣環流模式(GCM)固然可以有效 模擬全球氣候變化大尺度的平均特徵,惟因 每一格網解析度過低,對於區域性氣候特徵 的模擬結果並不理想。臺灣的面積狹小且地 貌複雜,前項網格所涵蓋區域遠大於臺灣全 地(Fig. 2),因此在使用此資料時必須先進行 降尺度(downscaling)研究,來彌補大氣環流 模式之不足。本研究所使用之 GCM 預測值, 係以內插法選擇四種可提供作物模式所需氣 象資料之大氣環流模式預估值,以鄰近臺灣 之格網資料利用反距離加權差值法(inverse distance to a power)後,取得臺灣 40 個氣象 測站之內插值。文獻中關於氣象資料運用於 時間及空間尺度差異比較者並不多見,僅 Jolly et al. (2005)曾比較 truncated Gaussian filter、克里金差值法、反距離加權插值法等 三種地理統計方法對氣象資料的估算,三種 估算方法獲得之氣象變數十分近似。 本研究利用四種大氣環流模式所做之未 來氣候資料對水稻產量影響評估結果,以 CGCM1 模式得到之產量最低(Fig. 8),其餘 三種模式的結果有一致趨勢,究其原因在於 CGCM1 模式所估算的最高溫較高於其他模 式,導致出現甚多高於 40℃以上之天數,尤 其是 2080 年之預測值。由於造成高溫估算值 偏高之原因並不清楚,本研究主要依據其餘.

(14) 154. Crop, Environment & Bioinformatics, Vol. 6, September 2009. 三種分析結果進行討論。綜合言之,北部地 區將減產,中南部地區則將增產,而增產原 因除了提高 CO2 肥料效應之外,一期作之生 育初期將會因為增溫而加速稻株生長,生育 後期之高溫則不至於縮短生育期,因此促成 產量增加。臺灣全地整體平均呈減產趨勢, 2020 年減產 3.5%,2050 年減產升至 4.7%, 2080 年減產多達 7%。惟中部地區之預估產 量 則 增 加 , 利 用 CSIRO 、 ECHAM4 及 HadCM2 等三種模式所得結果為均為增產 1%,近似於 Yao et al. (2000)以 GISS、UKMO 及 GFDL 等三種模式預估中部地區在 2050 年 2 倍 CO2 濃度增產 2-4%的結果。北部地區 種植的水稻未來卻面臨減產威脅,若加上水 資源調配上的限制,將可能遭致更大減產問 題。另依據 Tung (1997)以大甲溪為例的研究 發現,在二倍 CO2 之氣候情景下我國雨量增 加 4%,豐水期增加至 7%,枯水期卻減少 3%。由此可知,未來降雨將呈極端化,在豐 水期(夏季)時雨量增多、逕流增大,對農作物 可能造成淹水傷害,而枯水期(冬季)則降雨日 數減少,若逢溫度升高加速蒸發散量,則將 使水資源供應更形緊縮。如此一來,北部一 稻期作所需灌溉用水將可能因為冬季缺水而 受到排擠。中南部雖有小幅度增產,但增幅 並不顯著。事實上,未來氣候所造成的問題 非常複雜,亦無法準確預測,吾人可從氣候 新情境對農作物生產的影響趨勢加以探討, 並以研擬因應策略。. 估,有助於提前找出未來可能發生問題的解 決方案。本研究以 DSSAT 模式驗證、氣候敏 感度分析及未來氣候衝擊下水稻產量評估之 系列探討,顯示我國水稻產量將朝向減產趨 勢發展,而敏感度分析結果可知增溫對於水 稻減產效應大於提高 CO2 濃度之增產效應。 分析也發現日射量測站不足將影響氣候-作 物模式在空間上之評估能力,尤其是農業生 產區。而作物模式雖能對作物產量的評估具 有高度攜帶性,適用不同區域或氣象條件之 評估,但對於極端氣象事件對作物生長影響 的評估能力仍顯不足,仍有很大改進空間。 有鑑於此,未來應該努力謀求解決目前模式 評估上的缺點與限制,並致力於建立完整的 作物-氣候資料庫,才能有效提升氣候預測能 力的進步,為農作生產與糧食安全規劃作出 更大貢獻。. 結論. Bannayan M, K Kobayashi, HY Kim, M Lieffering, M Okada, S Miura (2005) Modeling the interactive effects of atmospheric CO2 and N on rice growth and yield. Field Crops Res. 93: 237-251.. 目前國際社會已意識到氣候變遷對於全 球生態及糧食安全的衝擊,1997 年在日本所 簽訂之『京都議定書』即是希望透過國際力 量以經濟制裁手段,使世界各國正視氣候變 遷的威脅,積極的減緩氣候暖化的速度。而 未來氣候對水稻生產的影響,必須注意氣候 的快速改變且難以精確預測,然而農耕制度 改變或新品種育成則需要長時間投入,因此 利用作物模式進行作物對氣候變化反應的評. 誌謝 本研究所使用之水稻田間實測值來自於 農委會農業試驗所水稻豐歉試驗資料,特別 要對蔡金川博士、漆匡時先生和農業工程組 農業氣象研究室同仁長期試驗調查,表示由 衷謝忱。. 引用文獻 Al-Khatib K, GM Paulsen (1999) Hightemperature effects on photosynthetic processes in temperate and tropical cereals. Crop Sci. 39:119-125.. Brown RA, NJ Rosenberg (1997) Sensitivity of crop yield and water use to change in a range of climatic factors and CO2 concentration: a simulation study applying EPIC to the central USA. Agric. For. Meteorol. 83:171-203. Centritto M, ME Lucas, PG Jarvis (2002) Gas exchange, biomass, whole-plant water-use.

(15) 氣候變遷下水稻生長及產量之衝擊評估. efficiency and water uptake of peach (Prunus persica) seedling in response to elevated carbon dioxide concentration and water availability. Tree Physiol. 22:699-706. Chen C, MH Yao, SH Chen (2009) Study of radiation use efficiency in rice. (in Chinese with English abstract) J. Agric. Assoc. Taiwan. 10:86-101. Chen CL, CF Lin, TS Liu (1994) Estimate and analysis of solar radiations in Taiwan. (in Chinese with English abstract) J. Taiwan Agric. Res. 43:77-92. IPCC (2001) Climate Change 2001. The Scientific Basis. Cambridge University Press. New York, USA. 1032pp. Jame Y, H Cutforth (1996) Crop growth models for decision support systems. Can. J. Plant Sci. 76:9-19. Jolly WM, JM Graham, A Michaelis, R Nemani, SW Running (2005) A flexible, integrated system for generating meteorological surfaces derived from point sources across multiple geographic scales. Environ. Model Software 20:873-882. Jones JW, GG Hoogenboom, CH Porter, KJ Boote, WD Batchelor, LA Hunt, PW Wilkens, U Singh, AJ Gijsman, JT Ritchie (2003) The DSSAT cropping system model. Eur. J. Agron. 18:235-265. Jong SK, JL Brewbaker, CH Lee (1982) Effects of solar radiation on the performance of maize in 41 successive monthly plantings in Hawaii. Crop Sci. 22:13-18. Lambers H, H Poorter (1992) Inherent variation in growth rate between higher plants: A search for physiological causes and ecological consequence. Adv. Ecol. Res. 22:187-261. Li CS (2000) Modeling trace gas emissions from agricultural ecosystems. Nutr. Cycl. Agroecosyst. 58: 259-276. Lobell DB (2007) Change in diurnal temperature ranges and national cereal yields. Agric. For. Meteorol. 145:229-238. Mall RK, PK Aggarwal (2002) Climate change and rice yields in diverse agro-environment of India. Effects of uncertainties in scenarios and. 155. crop models on impact assessment. Climatic Change 52:331-343. Manderscheid R, S Burkart, B Bramm, W Hans-Joachim (2003) Effect of CO2 enrichment on growth and daily radiation use efficiency of wheat in relation to temperature and growth stage. Eur. J. Agron. 19:411-425. Masutomi Y, K Takahashi, H Harasawa, Y Matsuoka (2009) Impact assessment of climate change on rice production in Asia in comprehensive consideration of process/ parameter uncertainty in general circulation models. Agric. Ecol. Environ. 131: 281-291. Matsui T, K Kobayasi, M Yoshimoto, T Hasegawa (2007) Stability of rice pollination in the field under hot and dry conditions in the Riverina of New South Wales, Australia. Plant Prod. Sci. 10:57-63. Monteith JL (1981) Climatic variation and growth of crop. Q.J.R. Meteorol. Sci. 107:749-774. Parton WJ (1996) The CENTURY model. p.283-293. In: Evaluation of Soil Organic Matter Models Using Existing Long-term Datasets. DS Powlson, P Smith, JU Smith (eds.) NATO ASI series I. Colorado State University, USA. Peng S, J Huang, J Sheehy, J Laza, R Visperas, X Zhong, G Centeno, G Khush, K Cassman (2004) Rice yield decline with higher night temperature from global warming. Proc. Natl. Acad. Sci. 101:9971-9975. Sinclair TR, RC Muchow (1999) Radiation use efficiency. Adv. Agron. 65:215-265. Stone D, A Weaver (2003) Factors contributing to diurnal temperature range trends in twentieth and twenty-first century simulations of the CCCma couple model. Climate Dynam. 20: 435-445. Tan G, R Shibasaki (2003) Global estimation of crop productivity and the impact of global warming by GIS and EPIC integration. Ecol. Model 168:357-370. Tesfaya K, S Walker, M Tsubo (2006) Radiation interception and radiation use efficiency of three grain legumes under water deficit condition in a semi-arid environment. Eur. J. Agron. 25:60-70..

(16) 156. Crop, Environment & Bioinformatics, Vol. 6, September 2009. Tsvetsinskaya EA, LO Mearns, T Mavromatis, W Gao, L McDaniel, MW Downton (2003) The effect of spatial scale of climatic change scenarios on simulated maize, winter wheat, and rice production in the southeastern United States. Climatic Change 60:37-71. Tung CP (1997) The impacts of climate change on Dai-Chia creek upstream flows. (in Chinese with English abstract) Taiwan Water Conserv. 45:64-70。 Vose RS, DR Easterling, B Gleason (2005) Maximum and minimum temperature trends for the globe: an update through 2004. Geophy. Res. Lett. 32, L23822. Yao MH, SH Chen, S Chen (2007a) Studies on the meteorological resources use efficiency of rice. -編輯:楊純明. for climate change. (in Chinese with English abstract) J. Taiwan Agric. Res. 56:31-44. Yao MH, SH Chen, S Chen (2007b) Use of chlorophyll fluorescence for estimating leaf photosynthesis of crops. (in Chinese with English abstract) J. Taiwan Agric. Res. 56:224-236. Yao MH, HS Lur, C Chu (1999) Analysis of diurnal temperature range in Taiwan. (in Chinese with English abstract) J. Agric. Assoc. China 188:32-46. Yao MH, HS Lur, C Chu, JC Tsai (2000) The applicability of DSSAT model to predict the production of rice and to evaluate the impact of climate change. (in Chinese with English abstract) J. Taiwan Agric. Res. 49:16-28..

(17)

參考文獻

相關文件

volume suppressed mass: (TeV) 2 /M P ∼ 10 −4 eV → mm range can be experimentally tested for any number of extra dimensions - Light U(1) gauge bosons: no derivative couplings. =&gt;

For pedagogical purposes, let us start consideration from a simple one-dimensional (1D) system, where electrons are confined to a chain parallel to the x axis. As it is well known

The observed small neutrino masses strongly suggest the presence of super heavy Majorana neutrinos N. Out-of-thermal equilibrium processes may be easily realized around the

Define instead the imaginary.. potential, magnetic field, lattice…) Dirac-BdG Hamiltonian:. with small, and matrix

incapable to extract any quantities from QCD, nor to tackle the most interesting physics, namely, the spontaneously chiral symmetry breaking and the color confinement.. 

(1) Determine a hypersurface on which matching condition is given.. (2) Determine a

• Formation of massive primordial stars as origin of objects in the early universe. • Supernova explosions might be visible to the most

The difference resulted from the co- existence of two kinds of words in Buddhist scriptures a foreign words in which di- syllabic words are dominant, and most of them are the