根据预测未来极端气候事件的发生，作物生产可能面临巨大挑战。在水稻生育期出现高温会对水稻产量产生不利影响。能够准确估算这些影响对于评估气候变化对水稻产量的影响至关重要。但现有作物生长模型对极端气候事件的响应存在明显不足，迫切需要进一步提高。本文利用生育期开展的高温水平和持续时间处理的水稻高温试验数据，评估了14个水稻生长模型对开花期和灌浆期高温胁迫效应的预测能力。

八个模型中结实率对温度(TRF_GS)响应的有效期的比较

结果表明，所有模型均低估了高温对水稻产量的负面效应，这表明这些模型的产量预测不能反映在短期极端热胁迫(SEHS)下可能发生的粮食冲击。因此，使用多模型集合模拟并不能有效提高高温胁迫下水稻产量预测的精度。我们检验了8个模型的结实率-温度响应函数，结果表明，调整TRF-u-GS的有效周期可以改善模型性能，特别是对于模拟日累积温度效应的模型。但对于使用TRF_GS有效期内日最高温度平均值，模型仅在日最高温度超过基准温度(Tbase)时，才能准确预测粮食产量。另一种基于HDD和阶段相关热敏参数的方法进一步降低了热胁迫下粮食产量预测的不确定性，在SEHS条件下依赖热敏比热剂量对模型改进更为重要。综上所述，现有的水稻模型在可变气候条件下的适用性存在局限性，迫切需要另一种考虑阶段依赖性热敏感性的谷物设置函数。本研究构建了适用于不同水稻生长模型的高温胁迫对水稻结实率影响的模拟算法，并首次在作物生长模型中引入了作物结实率对极端温度响应的阶段敏感性差异模拟算法。

不同温度处理下的稻米产量的观测和模拟(基于原始TRF_GS的十四个模型)

在不同温度处理下，观察和模拟(基于改进的TRF_GS的八个模型，有效期的持续时间和最佳Tbase的调整)。

作者介绍：

国家信息农业工程技术中心已毕业博士生孙挺为论文第一作者，朱艳教授和曹卫星教授为共同通讯作者，日本农业・食品产业技术综合研究机构Toshihiro Hasegawa研究员参与了相关研究。

来源：

Sun T, Hasegawa T, Liu B，et al. Current rice models underestimate yield losses from short‐term heat stresses. Global Change Biology. https://doi.org/10.1111/gcb.15393.