观潮 · 模式预报与气象 AI 观察
黄淮海夏玉米分生育期干旱风险：抽雄乳熟期最高，雨养较灌溉高风险面积最多多 32.04%
> 用全生育期平均做干旱风险评估，会把最需要水的那几周掩盖掉。作者把作物系数 Kc 引进非平稳标准化降水蒸散指数（NSPEI），按播种、出苗拔节、拔节抽雄、抽雄乳熟、乳熟成熟五个生育期分别算水分亏缺，再叠危险性、暴露性、脆弱性、防灾减灾能力四维指标，对黄淮海平原 280 个气象站做灌溉与雨养两套评估。结论是抽雄乳熟期风险最高，雨养条件下高风险面积相对灌溉的增幅在近期播种拔节期达到 32.04%。作者自己也留了口子：用的是等权多模式集合，没有直接量化模式之间的离散性，可能低估了模式结构不确定性。
缺的是哪一块
黄淮海平原是半湿润—半干旱过渡区，年均气温 8—15℃、年降水 430—1390 mm，由东南向西北递减，种植面积和产量分别占全国约 27%—29% 和 30%，旱灾受灾面积约占全国总受灾面积的 28%。问题在于夏玉米不同生育期对水分胁迫的敏感性差得很远：拔节—抽雄期和抽雄—乳熟期是关键敏感阶段，干旱会通过植株生长、穗部发育和籽粒形成三条路径影响产量；早期水分亏缺则主要影响出苗和群体建立。
作者指出既有评估的两个通病：一是多用基于平稳性假设的气候指数（如 SPEI），隐含「气候统计特征不随时间变」的前提；二是只在全生育期平均尺度上做，掩盖了关键生育阶段的风险差异。此外，灌溉与雨养两种生产方式下未来干旱风险的差别，此前也缺乏系统量化。
方法怎么搭的
指数这块做了两处改造。一是引入作物系数 Kc 修正作物需水量，按中国气象行业标准《北方夏玉米干旱等级》（QX/T 260-2015）与 FAO-56 标准作物系数表把全生育期切成 5 个阶段；二是用平滑样条描述 Log-logistic 分布位置参数随时间的变化，得到非平稳的 NSPEI。参考蒸散发 ET0 用 FAO-56 Penman-Monteith 方法计算，水分亏缺序列由有效降水与作物需水量之差构建，再用游程理论识别干旱事件、算干旱历时与强度。
干旱分级按 NSPEI：无旱（NSPEI>0）、轻旱（−0.99≤NSPEI<0）、中旱（−1.49≤NSPEI<−1）、重旱（−1.99≤NSPEI<−1.5）、极端干旱（NSPEI≤−2）。NSPEI<0 判为干旱，连续负值构成一次干旱事件，干旱强度取连续 10 天及以上事件中 NSPEI 累积值的绝对值。
风险框架四维，权重由机器学习选出的决策树模型确定（RMSE=0.218，R²=0.942）：
主因子（权重） · 副因子
危险性（0.14） · 干旱强度、干旱历时
暴露度（0.25） · 玉米种植面积 / 耕地面积
脆弱性（0.26） · 玉米趋势产量、农业总产值、有效灌溉面积
防灾减灾能力（0.35） · 化肥施用量、生产总值、机械总动力、农村用电量
灌溉与雨养两套情景的差异主要体现在脆弱性：灌溉情景纳入有效灌溉面积，雨养情景不含该指标。综合风险指数用自然间断点法划为低、次低、中等、次高、高五级。
未来情景取 CMIP6 的 9 个 GCM 逐日最高气温、平均气温与降水，统一取第一个 r1i1p1f1 成员、重采样至 0.1°×0.1° 后做等权集合平均。偏差订正与降尺度用 Delta 变化因子法，降水用倍率订正，最高气温与平均气温用增量订正，1970—1994 年为率定期、1995—2014 年为验证期。未来分近期（2015—2040 年）、中期（2041—2070 年）、远期（2071—2100 年）。
结果数字
历史期（2000—2019 年）的空间格局：危险性高值区在西北部、南部、东南部及山东半岛北部；暴露性高值区集中在山东和河南中部；防灾减灾能力高值区在安徽南部、河南中部和山东东北部。灌溉与雨养的差别集中在脆弱性——雨养条件下高脆弱区明显扩大，山东省最高脆弱性由 0.557 升至 0.658。
综合风险上，灌溉条件下高风险区主要在山东北部和河北中部；雨养条件下高风险区明显扩大，河北东部、河南南部、安徽西部风险等级升高，东南部风险进一步增强。分生育期看，高风险区主要在中东部，拔节—抽雄期和抽雄—乳熟期风险最高，抽雄—乳熟期是所有生育阶段里风险最高的。
未来（SSP126 情景）雨养相对灌溉的高风险面积增幅：
时段 · 增幅最大的生育期 · 增幅
近期 · 播种—拔节期 · 32.04%
中期 · 拔节—抽雄期 · 29.36%
远期 · 乳熟—成熟期 · 30.43%
远期 · 播种—拔节期 · 25.62%
干旱特征方面，SSP126 情景下较长干旱历时主要出现在近期，播种—拔节期中期北部高值可达 20 d；干旱强度高值区由近期北部逐渐向中部及南部迁移，抽雄—乳熟期强度较高，河北中东部和山东北部最突出。SSP585 情景下部分区域拔节—抽雄期和抽雄—乳熟期的干旱历时同样可达 20 d。
不确定性用不同情景与未来时期之间的变异系数表征：干旱强度的不确定性整体高于干旱历时，远期略有增加；干旱强度随时期持续增加的站点比例高于随情景持续增加的比例；多数站点的干旱强度和历时都未呈持续单调增加趋势。
原文图
黄淮海平原夏玉米干旱风险综合等级的空间分布，按低、次低、中等、次高、高五级用灰度分级填充，浅色为低风险、深色为高风险。深色带沿河北中南部向山东西部一线展开，与研究区中东部的高值区一致；西北部与南部山区仍以浅色为主。图中未叠加气象站点符号，行政区界为省界与市界。
作者承认的限制
- 没有直接量化模式之间的离散性。原文写明，受多模式集合平均方法限制，「本文未直接量化不同 GCM 之间的离散性，当前不确定性分析主要反映排放情景和未来时期差异，可能低估模式结构不确定性」。
- 指标体系还有完善空间。原文承认受数据可获取性和指标可量化程度限制，风险评价指标体系仍可进一步细化。
- 权重来自数据驱动模型的择优结果。权重由决策树模型（RMSE=0.218，R²=0.942）确定，是多种机器学习模型比较后的最优解，不是物理推导得出的。
- 暴雨外的原因解释是推测语气。对「北扩南缓」的解释，原文的表述是「该变化可能与区域增温和降水差异有关」，属于相关性推演。
- 权重表只给了灌溉条件下的一套。雨养情景下脆弱性不含有效灌溉面积，原文未给出对应的完整权重表。
一句话判断
把作物系数和非平稳性塞进 SPEI、再按五个生育期分开评估，真正有价值的产出是「抽雄—乳熟期是风险峰值期」这个定位，以及雨养相对灌溉高风险面积多出 25%—32% 这个量级；但等权集合的做法意味着模式结构不确定性被压住了，读这份预估时不能把集合均值当成收敛结论。