Recently, yield shocks due to extreme weather events and their consequences for food security have become a major concern. Although long yield time series are available in Europe, few studies have been conducted to analyze them in order to investigate the impact of adverse climate events on yield shocks under current and future climate conditions. Here we designated the lowest 10th percentile of the relative yield anomaly as yield shock and analyzed subnational wheat yield shocks across Europe during the last four decades. We applied a data-driven attribution framework to quantify primary climate drivers of wheat yield shock probability based on machine learning and game theory, and used this framework to infer the most critical climate variables that will contribute to yield shocks in the future, under two climate change scenarios. During the period 1980–2018, our attribution analysis showed that 32% of the observed wheat yield shocks were primarily driven by water limitation, making it the leading climate driver. Projection to future climate scenarios RCP4.5 and RCP8.5 suggested an increased risk of yield shock and a paradigm shift from water limitation dominated yield shock to extreme warming induced shocks over 2070–2099: 46% and 54% of areas were primarily driven by extreme warming under RCP4.5 and RCP8.5, respectively. A similar analysis conducted on yields simulated by an ensemble of crop models showed that models can capture the negative impact of low water supply but missed the impact of excess water. These discrepancies between observed and simulated yield data call for improvement in crop models.

中文翻译：

---

通过机器学习揭示欧洲小麦单产冲击的过去和未来气候驱动因素

最近，由于极端天气事件造成的减产冲击及其对粮食安全的影响已成为主要关注的问题。尽管欧洲可获得较长的产量时间序列，但很少进行研究来分析它们，以调查不利的气候事件对当前和未来气候条件下的产量冲击的影响。在这里，我们将相对单产异常的最低第10个百分位数指定为单产冲击，并分析了过去40年中欧洲各地的次国家小麦单产冲击。我们基于机器学习和博弈论，应用了数据驱动的归因框架来量化小麦产量震荡概率的主要气候驱动因素，并使用此框架来推断在两种气候条件下将来会导致产量震荡的最关键的气候变量。更改方案。在1980年至2018年期间，我们的归因分析表明，观察到的小麦单产冲击中有32％主要由水分限制驱动，使其成为主要的气候驱动因素。对未来气候情景的预测RCP4.5和RCP8.5表明，在2070-2099年间，产量冲击的风险增加，并且模式从限水为主的产量冲击转变为极端变暖引起的冲击：46％和54％的地区主要是由分别在RCP4.5和RCP8.5下极端变暖。对由一组作物模型模拟的单产进行的类似分析表明，模型可以捕捉到低水供应的负面影响，但却忽略了过量水的影响。观察到的和模拟的产量数据之间的这些差异要求改进作物模型。我们的归因分析表明，观察到的小麦单产冲击中有32％主要是由水分限制引起的，从而使其成为主要的气候驱动因素。对未来气候情景的预测RCP4.5和RCP8.5表明，在2070-2099年间，产量震荡的风险增加，并且模式从限水为主的产量震荡转变为极端变暖引发的震荡：46％和54％的面积主要是由分别在RCP4.5和RCP8.5下极端变暖。对由一组作物模型模拟的单产进行的类似分析表明，模型可以捕捉到低水供应的负面影响，但却忽略了过量水的影响。观察到的和模拟的产量数据之间的这些差异要求改进作物模型。我们的归因分析显示，观察到的小麦单产冲击中有32％主要是由水分限制引起的，从而使其成为主要的气候驱动因素。对未来气候情景的预测RCP4.5和RCP8.5表明，在2070-2099年间，产量震荡的风险增加，并且模式从限水为主的产量震荡转变为极端变暖引发的震荡：46％和54％的面积主要是由分别在RCP4.5和RCP8.5下极端变暖。对由一组作物模型模拟的单产进行的类似分析表明，模型可以捕捉到低水供应的负面影响，但却忽略了过量水的影响。观察到的和模拟的产量数据之间的这些差异要求改进作物模型。使其成为主要的气候驱动因素。对未来气候情景的预测RCP4.5和RCP8.5表明，在2070-2099年间，产量冲击的风险增加，并且模式从限水为主的产量冲击转变为极端变暖引起的冲击：46％和54％的地区主要是由分别在RCP4.5和RCP8.5下极端变暖。对由一组作物模型模拟的单产进行的类似分析表明，模型可以捕捉到低水供应的负面影响，但却忽略了过量水的影响。观察到的和模拟的产量数据之间的这些差异要求改进作物模型。使其成为主要的气候驱动因素。对未来气候情景的预测RCP4.5和RCP8.5表明，在2070-2099年间，产量冲击的风险增加，并且模式从限水为主的产量冲击转变为极端变暖引起的冲击：46％和54％的地区主要是由分别在RCP4.5和RCP8.5下极端变暖。对由一组作物模型模拟的单产进行的类似分析表明，模型可以捕捉到低水供应的负面影响，但却忽略了过量水的影响。观察到的和模拟的产量数据之间的这些差异要求改进作物模型。在RCP4.5和RCP8.5下，分别有46％和54％的区域主要是由极端变暖引起的。对由一组作物模型模拟的单产进行的类似分析表明，模型可以捕捉到低水供应的负面影响，但却忽略了过量水的影响。观察到的和模拟的产量数据之间的这些差异要求改进作物模型。在RCP4.5和RCP8.5下，分别有46％和54％的区域主要是由极端变暖引起的。对由一组作物模型模拟的单产进行的类似分析表明，模型可以捕捉到低水供应的负面影响，但却忽略了过量水的影响。观察到的和模拟的产量数据之间的这些差异要求改进作物模型。