全球气候变化已经对小麦的生长发育造成不利影响,并且改变了其适宜种植区域的分布。当前已有相关研究基于统计模型、作物模型（Crop models,CMs）和全球气候模型（Global climate models,GCMs）,评估了气候变化对黄土高原冬小麦单产、水分利用效率（Water use efficiency,WUE）和适宜种植分布的影响,并且尝试制定应对气候变化的管理措施。在评估小麦生产对历史气候变化的响应中,大部分研究仅在单点尺度评估冬小麦物候期和产量形成对气候变化的响应,研究尺度较小无法全面评估不同地区气候、土壤、管理、以及品种等因素对产量变化的影响。基于模型模拟研究气候变化对该地区小麦生产往往采用单个模型,所使用的模型方法集成度较低,且假定作物种植分布不受气候影响,因此相关研究结果存在较大的不确定性。目前,物种分布模型（Species distribution models,SMDs）、CMs和GCMs结合是研究作物单产和种植面积对气候变化响应的主要工具,然而这种方法预测结果的不确定性尚不明确。因此,如果基于CMs、GCMs和SMDs模拟为气候变化背景下某地区冬小麦生产的田间管理措施和土地政策调整提供参考,首先需要全面评估该区域冬小麦产量、水分利用效率和种植区域分布对气候变化的响应机制及模型模拟结果的不确定性。为此,本研究首先基于黄土高原27个农气站点29年（1981-2009）的冬小麦观测数据,通过可解释的机器学习方法评估冬小麦产量对历史气象因子、极端气候因子、管理和土壤因子的响应;然后结合6种小麦生长模型（APSIM、Aqua Crop、DSSAT-CERES-Wheat、DSSAT-CSCRP-Wheat、DSSAT-NWheat、STICS）和27种GCMs,在黄土高原冬小麦种植区166个站点模拟共享社会经济路径（Shared Socioeconomic Pathway,SSP）SSP585和SSP245共2种排放情景下3个时段（1971-2010、2041-2060和2081-2100）冬小麦生长发育过程,评估黄土高原冬小麦物候期和产量形成对气候变化的响应;接着,结合9种SDMs和27种GCMs,通过地形数据、土壤机械组成、土地利用数据和气象相关变量建模,预测黄土高原在SSP585和SSP245排放情景下3个时段（1971-2010、2041-2060和2081-2100）的冬小麦潜在分布;再结合作物模型模拟的冬小麦单产和物种分布模型预测的冬小麦种植面积,评估考虑作物种植分布变化下黄土高原冬小麦总产对气候变化的响应;并通过方差分析（ANOVA）方法量化气候变化下黄土高原冬小麦单产、种植分布以及区域总产预测的不确定性来源;最后,基于5种小麦生长模型（APSIM、DSSAT-CERES-Wheat、DSSAT-CSCRP-Wheat、DSSAT-NWheat、STICS）、27种GCMs,选取位于黄土高原的临汾、杨凌和长武试验站,考虑更适用于当地的播期、灌溉和施肥等3种气候变化适应性措施,通过3种不确定性分析的方法（考虑不同来源交互的ANOVA、不考虑不同来源交互的ANOVA和极差法）,全面评估气候变化下黄土高原冬小麦产量形成和WUE对气候变化响应模型模拟研究的不确定性。研究得出主要结果和结论如下:（1）基于可解释的机器学习方法分析历史气候变化对黄土高原冬小麦产量的影响通过Mann-Kendall（MK）趋势检验,发现黄土高原1981-2009年间冬小麦生育期缩短,山西和甘肃部分站点生育期缩短明显;生育期缩短主要是由于营养生长期缩短导致,但生殖生长期变化不明显。通过一阶差分方法,发现1981-2009年间的气候变化对黄土高原冬小麦单产时空变化的解释度较低。最后通过3种可解释的机器学习方法（PLSR、Randomforest和RPART）,发现气象因子变化和土壤代表的空间差异是黄土高原冬小麦产量时空变化的主要解释因子,气象因素对冬小麦单产时空变化贡献率约为19.8%-22.3%。（2）基于集成模型评估黄土高原冬小麦物候期和产量形成对气候变化的响应基于冬小麦典型大田试验数据分别对6种作物生长模型进行校准和验证,结果发现6种模型校准和验证结果较好,模拟值和观测值之间的相对均方根误差在2%-10%。DSSAT-CERES-Wheat和Aqua Crop分别为模拟黄土高原基准年（1971-2010）物候期和单产标准差最小和最大的模型。未来气候变化背景下,CSCRP-Wheat、APSIM和CERES-Wheat分别在分区I（山西省）、II（陕西省）、III（甘肃省）模拟小麦单产变化趋势与其他模型相反。与基准年单产相比,作物模型集成模拟结果发现黄土高原全区冬小麦单产将会增加12.4%-27.5%,降雨更多和温度更高的分区II（陕西省）的模拟单产增幅最大。（3）基于集成物种分布模型评估黄土高原冬小麦潜在区域分布对气候变化响应各SDMs测试过程中的AUC（The area under the ROC curve）、COR（Pearson correlation coefficient）及TSS（The true skill statistic）均介于0.7-1之间,且9个SDMs模拟的黄土高原冬小麦气候适宜分布与遥感反演的黄土高原冬小麦种植分布具有相似的空间格局。在气候变化背景下,各SDMs预测的冬小麦气候适宜区变化趋势及幅度差异较大,其中Glmnet、Maxlike、MLP及RBF模型预测的冬小麦气候适宜分布变化幅度较小（＜15%）,但是部分模型（GAM和GBM）预测变化幅度甚至超过±50%。基于物种分布模型集成模拟,结果发现在SSP245和SSP585情景下甘肃和宁夏地区2081-2100年冬小麦气候适宜区将减少14.95%和51.06%,最终导致黄土高原将分别失去约10.91%和24.71%的冬小麦气候适宜种植面积。（4）基于模型集成方法评估气候变化对黄土高原冬小麦气候适宜区总产的影响在考虑冬小麦气候适宜种植面积变化下,作物模型与ensemble-SDM结合预测黄土高原冬小麦总产变化趋势相对其单产预测趋势,在不同作物模型内的差异性更大。气候变化下,各SDMs预测结果的变异性对总产的影响相对各CMs预测结果的变异性对总产影响更大。两种排放情景下2081-2100年,黄土高原冬小麦单产预测增加而适宜面积预测减少,作物模型、物种分布模型相结合,模拟评估气候变化对区域作物总产影响存在一定的不确定性。基于27种GCMs、9种SDMs和6种CMs的集成模拟,在SSP245和SSP585排放情景下,2041-2060小麦总产相对基准年平均增加14.57%和19.67%,2081-2100年相对基准年分别增加4.85%和3.47%。（5）气候变化下黄土高原冬小麦单产、适宜种植面积及总产预测不确定性分析作物模型CM为黄土高原冬小麦单产预测中最大不确定性来源,相对不确定性贡献率约为38.8%。在冬小麦种植面积预测的不确定性来源中,物种分布模型SDM约占总不确定性的25.4%,其次是SDM和GCM相互作用。单独因子不再是黄土高原区域冬小麦总产预测的最大不确定性来源,SDM和GCM的相互作用为其最大的不确定性来源,约占总不确定性的20.9%,而SDM的不确定性贡献率约为20.3%,为4个主因子中最大的不确定性来源。SVM、RF和RPART会降低SDM在黄土高原大部分地区冬小麦区域总产预测中的不确定性,Aqua Crop和CSCRP-Wheat会增加CM在大部分黄土高原地区冬小麦总产预测中的不确定性。（6）量化评估气候变化下不同冬小麦适应性措施所产生的模型模拟结果不确定性基于3种不确定性评估方法（考虑不同来源交互的ANOVA、不考虑不同来源交互的ANOVA和极差法）量化冬小麦单产预测的不确定性,结果发现在3种评估方法中作物模型CM均为临汾和长武站冬小麦单产预测中的最大不确定性来源,不确定性贡献率约在为30.6%-65.4%,但在杨凌站适应性措施可能是单产预测的最大不确定性来源。相对于单产预测,作物模型CM始终是WUE预测的最大不确定性来源,而且其不确定性贡献率更大。此外,相对其它作物模型,DSSAT-CERES-Wheat和STICS模型会增加冬小麦单产预测的不确定性。