Abstract BACKGROUND The simultaneous prediction of yield and maturity date has an important impact on ensuring food security. However, few studies have focused on simultaneous prediction of yield and maturity date for wheat–maize in the North China Plain (NCP). In this study, we developed the prediction model of maturity date and yield (PMMY) for wheat–maize using multi‐source satellite images, an Agricultural Production Systems sIMulator (APSIM) model and a random forest (RF) algorithm. RESULTS The results showed that the PMMY model using peak leaf area index (LAI) and accumulated evapotranspiration (ET) has the optimal performance in the prediction of maturity date and yield. The accuracy of the PMMY model using peak LAI and accumulated ET was higher than that of the PMMY model using only peak LAI or accumulated ET. In a single year, the PMMY model had good performance in the prediction of maturity date and yield. The latitude variation in spatial distribution of maturity date for WM was obvious. The spatial heterogeneity for yield of wheat–maize was not prominent. Compared with 2001–2005, the maturity date of the two crops in 2016–2020 advanced 1–2 days, while yield increased 659–706 kg ha −1 . The increase in minimum temperature was the main meteorological factor for advance in the maturity date for wheat–maize. Precipitation was mainly positively correlated with maize yield, while the increase in minimum temperature and solar radiation was crucial to the increase in yield. CONCLUSION The simultaneous prediction of yield and maturity can be used to guide agricultural production and ensure food security. © 2024 Society of Chemical Industry.

Climate change is expected to increase the frequency and severity of climate extremes, which will negatively impact crop production. As one of the main food and feed crops, maize is also vulnerable to extreme climate events. In order to accurately and comprehensively assess the future climate risk to maize, it is urgent to project and evaluate the stress of extreme climate related maize production under future climate scenarios. In this study, we comprehensively evaluated the spatio-temporal changes in the frequency and intensity of six extreme climate indices (ECIs) across China’s maize harvest region by using a multi-model ensemble method, and examined the capability of the Coupled Model Intercomparison Project Phase 6 (CMIP6) to capture these variations. We found that the Independence Weight Mean (IWM) ensemble results calculated by multiple Global Climate Models (GCMs) with bias correction could better reproduce each ECI. The results indicated that heat stress for maize showed consistent increase trends under four future climate scenarios in the 21st century. The intensity and frequency of the three extreme temperature indices in 2080s were significantly higher than these in 2040s, and in the high emission scenario were significantly higher than these in the low emission scenario. The three extreme precipitation indices changed slightly in the future, but the spatial changes were more significant. Therefore, with the uncertainty of climate change and the differences of climate characteristics in different regions, the optimization of specific management measures should be considered in combination with the specific conditions of future local climate change.

The warming slowdown observed between 1998 and 2012 has raised concerns in recent years. To examine the temporal and spatial variations in annual mean temperature (Tmp) as well as 12 extreme temperature indices (ETIs), and to assess the presence of a warming slowdown in North China (NC), we analyzed homogenized daily observational datasets from 79 meteorological stations spanning 1960 to 2020. Additionally, we investigated the influences of 78 atmospheric circulation indices (ACIs) on ETIs during the period of warming slowdown. To compare temperature changes, the study area was divided into three parts based on topographic conditions: Areas I, II, and III. The results revealed significant warming trends in Tmp and the 12 ETIs from 1960 to 2020. Comparing the time frames of 1960–1998, 2012–2020, and 1998–2012, both Tmp and the 12 ETIs displayed a cooling trend in the latter period, confirming the existence of a warming slowdown in NC. Notably, indices derived from daily maximum temperature exhibited higher cooling rates during 1998–2012, with winter contributing most significantly to the cooling trend among the four seasons. The most pronounced warming slowdown was observed in Area I, followed by Area III and Area II. Furthermore, our attribution analysis of ACIs concerning the temperature change indicated that the Asia Polar Vortex Area Index may have had the greatest influence on ETIs from 1960 to 2016. Moreover, the weakening of the Tibet Plateau Index Band and the Asian Latitudinal Circulation Index, and the strengthening of the Eurasian Latitudinal Circulation Index, were closely associated with ETIs during the warming slowdown period in NC. Through this research, we aim to deepen our understanding of climate change in NC and offer a valuable reference for the sustainable development of its natural ecology and social economy.