气候变化对农业的影响预测研究存在较大的不确定性.不确定性主要来源于温室气体的排放情景、全球气候模型以及作物模型.作物模型的不确定性主要来源于尺度问题、生物物理过程及其参数.本研究发展了一个新的、适用于大尺度的、考虑气候变化对作物影响关键过程机制的作物模型MCWLA (A new process-based Model to capture the Crop-Weather relationship over a Large Area).并利用Bayesian理论和Markov Chain Monte Carlo (MCMC)技术,系统地开展作物模型MCWLA生物物理过程参数不确定性和参数优化研究；进一步结合未来气候变化情景的集合预测,形成了区域农业对气候变化响应的超集合概率预测系统.该系统旨在解决气候变化影响预测研究中的不确定性问题,系统的性能已经在对我国华北和东北玉米研究中得到验证.在所调查的四个省份,模型系统集合后报试验全部显著地再现了80年代以来玉米生产的年间变化性.而且在CO2浓度升高条件下,模拟结果与FACE实验结论吻合极好,证明了它在未来气候条件下的适用性.该系统也在探索区域农业应对气候变化对策中发挥了作用,定量评价了不同适应措施应对气候变化的相对潜力.如以华北平原玉米生产为例,若不考虑适应,与1961-1990相比,2050s间玉米产量可能平均降低13.2-19.1％,生长期间用水减少15.6-21.8％.若使用抗热品种,分别采用早播、增加品种热需求和晚播等技术,与不采用适应技术相比,玉米产量能平均增加-2.4％--1.4％,34.7-45.6％,5.7-6.1％；生长期间用水能平均增加0.7-0.9％, 9.4-11.6％,-0.4％ to 0.2％.空间分布上,适应措施区域差异较大,决定于气候和品种特性.因此在气候变化影响评价研究中,应尽可能实际地考虑适应措施.