本研究利用安徽省1970-2014年78个站点的逐日气象数据和一季稻面积数据,计算出育秧腾茬期和移栽期的18个极端气候指数,分区讨论各指数与一季稻种植面积波动的相关性,并分析了关键指数的时空变化特征;通过逐步回归分析筛选出关键指数的气候影响因子,分析了它们的遥相关关系;最后综合评估了CMIP6全球气候模式对关键指数的模拟能力,通过优选模式集合,预估了关键指数在21世纪未来的时空变化特征。主要结论如下:（1）根据育秧腾茬期和移栽期的极端气候分布特征,划分为沿淮淮北、江淮之间、沿江中东部、沿江西部、皖南南部5个亚区。在育秧腾茬期,夏季日数（SU）、最高温极大值（TXx）、暖夜日数（TX90）和连续无雨日数（CDD）等指数与沿淮以南4个亚区的水稻播栽面积呈正相关,而冷夜日数（TN10）、冷昼日数（TX10）和总降水日数（DR）等指数与水稻播栽面积呈负相关;SU、TXx等高温指数会导致沿淮淮北地区播栽面积下降,降水则有利于一季稻种植面积的增加;其中,TX10、DR、CDD是对面积影响最大的气候指数。而在移栽期,只有沿江中东部区域的播栽面积受极端气候的影响,SU、TXx、CDD等指数会导致面积下降。（2）育秧腾茬期的TX10、DR、CDD是影响一季稻面积的关键指数,TX10和DR的变化速率分别为-1.0～0d/10a和-1.3～0.1d/10a;二者的累积距平在前期的变化有较大的正负波动,但1990s后基本以下降趋势为主。而CDD呈“北降南升”的变化分布特征,变化速率为-1.0～1.1d/10a,大部分区域在1990s后以增长趋势为主。（3）TX10在沿淮淮北主要受NAO-9的影响,在江淮及沿江区域受AMO-12的影响,皖南南部则主要受Global T-12的影响。DR在沿淮淮北地区主要受WP-2的影响,江淮及沿江中东部主要受EAWR-11的影响,沿江西部和皖南南部受AMO-12的影响最为显著。CDD在大部分亚区主要受NINO1+2的影响,沿淮淮北的主要影响因子是NINO1+2-9,江淮及江淮中东部的主要影响因子是NINO1+2-12,沿江西部则主要受TNI-12的影响,皖南南部是受NAO-2的影响最为显著。交叉小波分析结果表明:各关键指数与气候影响因子在不同的时间尺度上呈显著相关性。（4）20个模式对各关键指数的模拟能力有差异性,优选模式集合能够更好的模拟出各指数的时空特征。TX10在各情景的模拟下,21世纪初期相比于基准期,大部分地区呈增长趋势,但在本世纪末期以下降趋势为主。DR在21世纪初期各区域比基准期均有不同程度的上升,高值区主要分布在安徽中东部沿江区域,大部分情景预估DR在2041～2100年高于基准期,但整体呈下降趋势。CDD在2021～2040年会有较大幅度的下降,但是在低浓度和高浓度的排放情景中,CDD会在本世纪中后期相比于初期有所上升。综上,本研究揭示了在一季稻育秧腾茬期,低温阴雨是导致种植面积负波动的首要气候因素,并且分析了关键气候指数的气候驱动因子及未来变化特征,对于进一步优化安徽一季稻播栽期气候适应性种植策略具有积极意义。