积雪是维系人类社会与农业生态系统的关键水资源，在越冬作物生产中发挥着重要作用。在全球变暖背景下，冬季降水形态正由降雪向降雨转变，导致积雪减少。一些地区出现的创纪录性积雪短缺现象被称为“雪旱”，并引起广泛关注。冬小麦是典型的越冬作物，在全球谷物生产中占有重要地位，并对积雪条件尤为敏感。然而，在气候变暖背景下，冬小麦产量对雪旱变化的响应及其演变规律与驱动因素，目前仍缺乏系统性的全球研究。

         本研究基于多种积雪产品和两套冬小麦单产数据集，构建了标准化雪水当量指数（SWEI），并建立可解释机器学习模型（XGB-SHAP）。在剔除了高温、强降雨和干旱等干扰因素后，量化了冬小麦产量对雪旱变化的响应关系。研究结果表明，1960—2020年间北半球冬小麦种植区的雪旱发生频率呈显著增加趋势，增幅为每十年5.3%—6.7%。冬小麦产量对雪旱的响应呈显著的非线性特征，雪旱加剧会显著抑制冬小麦产量。1982—2016年间，北半球约25%的冬小麦种植区中，产量对雪旱的敏感性显著上升。进一步分析表明，肥料施用量增加、冻害胁迫加剧以及降水量轻微减少，是导致上述敏感性上升的关键驱动因素。

         本研究揭示了气候变暖背景下雪旱变化对冬小麦产量的影响机制。通过定量评估产量对雪旱的敏感性、分析敏感性变化趋势，并比较不同产区的响应差异，深化了对气候变化背景下农业生产对雪旱敏感性的认识。该研究成果为监测未来积雪变化、提升农业气候韧性、保障粮食安全提供科学依据。

气候变暖,可解释机器学习方法,农业产量,雪旱,敏感性变化