冯利平水稻生长模型ORYZA2000

吉林省2000年审(认)定通过的水稻新品种
曹静明
【期刊名称】《中国稻米》
【年(卷),期】2001(000)004
【摘要】@@ 1.丰优203粳稻,系吉林省农科院水稻研究所育成.1 997～1999年省区试平均产量为549.1kg/667m2,较对照吉玉粳增产8 %;1998～1999年省生产试验平均产量为539.4kg/667m2,较对照品种增产4%.生育期136天,属中熟品种.米质较优.中抗叶瘟 ,中感稻瘟.适宜在吉林省生育期间活动积温2650℃以上稻区种植.
【总页数】1页(P15)
【作者】曹静明
【作者单位】吉林省农科院水稻所,
【正文语种】中文
【中图分类】S511
【相关文献】
1.湖北省2000年审(认)定的蔬菜、果树新品种 [J], 卢开阳;吴和明
2.湖北省2000年审(认)定的薯类作物新品种 [J], 卢开阳;吴和明
3.湖北省2000年审(认)定的水稻作物新品种 [J], 卢开阳;吴和明
4.广东省2010年审(认)定通过的水稻新品种 [J],
5.重庆市2011年审（认）定通过的水稻新品种 [J],
因版权原因，仅展示原文概要，查看原文内容请购买。

水稻作物系数与稻田渗漏模型参数的同步估算石艳芬;缴锡云;罗玉峰;虞晓彬【摘要】Based on a water balance model, a multivariate nonlinear programming approach was employed to synchronously estimating the crop coefficients for rice and the seepage model parameters for paddy fields, with the objective function being to minimize the sum of square-error between the simulated face water depth and the observed one. Then, the model efficiency coefficient, the average relative error and the average absolute error were calculated to evaluate the simulation results of the approach. Case study shows that the simulated values for crop coefficients and seepage model parameters are both close to the empirical ones, and the simulated value for face water depth is in good agreement with the measured one. Hence, the approach presented in this paper can be used to estimate the crop coefficient for rice and the seepage model parameters for paddy fields.% 根据田间水量平衡模型，以田面水层深度误差平方和最小为目标函数，采用多变量非线性规划方法同步估算水稻作物系数和稻田渗漏模型参数，并利用统计学方法中的模型效率系数、平均相对误差、平均绝对误差等指标对模拟效果进行评价。

作物学报 ACTA AGRONOMICA SINICA 2012, 38(10): 1766−1774 /zwxb/ISSN 0496-3490; CODEN TSHPA9E-mail: xbzw@本研究由国家转基因生物新品种培育科技重大专项(2011ZX08009-003)和留学人员科技活动择优资助项目“农作物分枝机理及应用研究”资助。

*通讯作者(Corresponding author): 李学勇, E-mail: xueyong.li@, Tel: 010-********第一作者联系方式: E-mail: tottiwang@, Tel: 136********Received(收稿日期): 2012-03-01; Accepted(接受日期): 2012-06-10; Published online(网络出版日期): 2012-07-27. URL: /kcms/detail/11.1809.S.20120727.0844.011.htmlDOI: 10.3724/SP.J.1006.2012.01766水稻DUS 测试标准品种丛矮2号矮化多分蘖表型的遗传基础王 涛1 袁守江2 尹 亮2 赵金凤1 万建民1,3 李学勇1,*1中国农业科学院作物科学研究所 / 农作物基因资源与基因改良国家重大科学工程, 北京 100081; 2 山东省水稻研究所, 山东济南250100; 3南京农业大学 / 作物遗传与种质创新国家重点实验室 / 江苏省植物基因工程技术研究中心, 江苏南京 210095 摘 要: 水稻DUS 测试标准品种之一丛矮2号(cl2)具有矮化多分蘖的表型特征, 遗传分析表明该性状由1对隐性核基因控制, 已将其定位在第4染色体长臂InDel 标记C4-CL5和C4-CL4之间。

对这2个标记之间一个已报道的多分蘖基因D17/HTD1进行测序, 发现cl2中的D17/HTD1基因编码区第1 796个碱基由C 突变为T, 从而导致第599位的氨基酸由脯氨酸变成亮氨酸。

基金项目：国家重点研发计划（2017YFD0300406，2017YFD0100503）； 黑龙江省省属科研院所科研业务费项目（CZKYF2020A001）
通信作者：孙世臣，来永才
条件的约有 100 万 hm2[7]，生产潜力巨大。这一区域 通过种植耐盐碱水稻品种等综合措施改良，盐碱地 利用取得了重要进展，但耐盐碱水稻品种少、更新速 度慢的问题一直制约着该地区水稻生产的进一步发 展。本团队针对这一问题，经过多年攻关，育成了适 合该区域种植的耐盐碱、优质、稳产水稻新品种龙稻 124，助力寒地苏打盐碱地改良与利用。
78 育繁制种
2021年第６期
寒地耐盐碱优质稳产水稻
新品种龙稻 124 的选育
丁国华 1，2，3 刘 凯 1，2 曹良子 1，2，3 白良明 2，3 王彤彤 2，3 周劲松 2，3 洛 育 2，3 夏天舒 2，3 杨 光 2，3 王雪扬 2，4 姜 辉 2 陈 磊 2 李柱刚 2，3 孙世臣 1，2，3 来永才 1，2
在耐盐碱水稻品种培育方面以常规育种为主， 分子育种为辅。辽宁盐碱地利用研究所 20 世纪 80 年代以来先后育成了盐丰 47、盐丰 188、盐粳 228 等 抗盐品种 [16]。黑龙江省农业科学院、吉林省农业科 学院、辽宁省农业科学院水稻研究所、江苏沿海地区 农业科学研究所、广东农业科学院水稻研究所、江苏 省农业科学院、海南大学、湖南省水稻研究所先后利 用常规育种手段培育出龙稻 5 号、长白 9 号、辽盐 9 号、盐稻 10 号、广盐 1 号、海湘 030 等耐盐碱水稻品 种（品系）[9，17]。受到水稻品种自身光温适应性的 限制，各个地方的耐盐碱水稻品种一般不能直接在 其他地方种植。特别是粳稻品种，由于具有特殊多 样化的生态条件，适应性更为狭窄。东北苏打盐碱 地种植早粳稻，长期以来处于单一品种占主导地位 的局面，缺少多品种的优势互补，抗风险能力低 。 [1量为 7914kg，比对照龙稻 18 增产 7.0%。2 年区 域试验、1 年生产试验 18 点次龙稻 124 均增产，表 现出较好的稳产性和广适性。

第31卷 第10期V o l .31 No .10草 地 学 报A C T A A G R E S T I A S I N I C A2023年 10月O c t . 2023d o i :10.11733/j.i s s n .1007-0435.2023.10.024引用格式:侯青青,成华强,朱 敏,等.晋北两种饲草作物的A P S I M 模型参数敏感性分析[J ].草地学报,2023,31(10):3114-3122H O U Q i n g -q i n g ,C H E N G H u a -q i a n g ,Z HU M i n ,e t a l .P a r a m e t e r S e n s i t i v i t y A n a l y s i s o nS u b m o d u l e s o fA P S I Mt o T w oF o r a g e s i nN o r t h e r nS h a n x i P r o v i n c e [J ].A c t aA gr e s t i aS i n i c a ,2023,31(10):3114-3122晋北两种饲草作物的A P S I M 模型参数敏感性分析侯青青1,2,成华强1,2,朱 敏1,2,杨 轩1,2*,夏方山1,2(1.山西农业大学草业学院,山西太谷030801;2.草地生态保护与乡土草种质创新山西省重点实验室,山西右玉037200)收稿日期:2023-04-10;修回日期:2023-08-01基金项目:山西农业大学科技创新基金项目(2020B Q 26);国家自然科学基金青年科学基金项目(32001404)资助作者简介:侯青青(1998-),女,汉族,四川南充人,硕士研究生,主要从事田间粮草耦合与模型应用研究,E -m a i l :q qh o u 0924@163.c o m ;*通信作者A u t h o r f o r c o r r e s p o n d e n c e ,E -m a i l :y a n gx u a n 2019@s x a u .e d u .c n 摘要:为有效识别影响晋北地区主要饲草作物产量形成的关键参数,简化模拟过程㊂本研究选用秣食豆(G l y c i n e m a x L .)㊁饲用燕麦(A v e n a s a t i v a L .)为研究对象,结合田间试验数据与历史气象资料,利用O A T 法量化A P S I M 作物子模块在雨养㊁实际和潜在产量水平下产量指标对各气象㊁作物参数的敏感性㊂结果显示,不同产量水平下,影响秣食豆产量较为敏感的参数有:温度((相对敏感度R e l a t i v es e n s i t i v i t y ,R S )为1.37~1.84))㊁辐射利用效率(0.59~1.34)㊁生长期结束至初花期积温(0.45~0.65);影响饲用燕麦产量较为敏感的参数有:降水量(0.51)㊁温度(0.70~0.63)㊁辐射(0.84)㊁春化敏感性指数(1.71~2.91)㊁辐射利用效率(0.87~1.06)㊁生长期结束至初花期积温(0.95~1.04)㊂本研究通过敏感性分析,得到对饲草产量形成的强敏感性参数,有助于模型结构优化与参数校正,以积极应用于后续研究,同时可为相近地区的农牧业资源高效利用提供参考㊂关键词:晋北地区;A P S I M ;气候参数;作物参数;产草量;敏感性分析中图分类号:S 512.6 文献标识码:A 文章编号:1007-0435(2023)10-3114-09P a r a m e t e r S e n s i t i v i t y A n a l y s i s o nS u b m o d u l e s o fA P S I Mt oT w o F o r a ge s i nN o r t h e r nS h a n x i P r o v i n c e H O U Q i n g -q i n g 1,2,C H E N G H u a -q i a n g 1,2,Z HU M i n 1,2,Y A N G X u a n 1,2*,X I AF a n g-s h a n 1,2(1.C o l l e g e o fG r a s s l a n dS c i e n c e ,S h a n x iA g r i c u l t u r a lU n i v e r s i t y ,T a i g u ,S h a n x i P r o v i n c e 030801,C h i n a ;2.S h a n x iK e yL a b o r a t o r y o fG r a s s l a n dE c o l o g i c a l P r o t e c t i o na n dN a t i v eG r a s sG e r m p l a s mI n n o v a t i o n ,Y o u yu ,S h a n x i P r o v i n c e 037200,C h i n a )A b s t r a c t :T h i s s t u d y a i m e dt oe f f e c t i v e l y i d e n t i f y t h ek e ypa r a m e t e r sw h i c ha f f e c t t h e y i e l df o r m a t i o no f m a i n f o r a g ec r o p sf o rs i m p l i f y i n g t h es i m u l a t i o n p r o c e s s i nn o r t h e r nS h a n x i .W es e l e c t e df e e ds o yb e a n (G l yc i n em a x (L .))a nd f o r a ge o a t s (A v e n a s a t i v a L .)a s t h e t e s t o b j e c t s ,c o m b i n e df i e l d e x p e r i m e n t a l o b -s e r v a t i o nw i t hh i s t o r i c a lm e t e o r o l og i c a l d a t a d e r i v e d f r o m Y o u y uL o e s sP l a t e a uG r a s s l a n dE c o s ys t e mP o s i -t i o n i n g Ob s e r v a t i o na n dR e s e a rc hS t a t i o n i nS h a n x i P r o v i n c e .B a s e do n t h r e e y i e ld le v e l s (r a i n -f e d ,a c t u a l a n d p o t e n t i a l ),t h eO A T (O n e a t a t i m e )m e t h o dw a su s e d t o q u a n t i f y t h e s e n s i t i v i t y of v a r i o u sm e t e o r o -l og i c a l a n d c r o pp a r a m e t e r s o fA P S I Mc r o p su b m o d u l e s o n y i e l d i n d i c a t o r s .R e s u l t s s h o w e d t h a t u n d e r t h e d i f f e r e n t y i e l d l e v e l s ,t h em o s t s e n s i t i v e p a r a m e t e r sa f f e c t i n g t h e y i e l do f f e e ds o y b e a n w e r et e m pe r a t u r e (R e l a t i v eS e n s i t i v i t y ,R S =1.37~1.84),r a d i a t i o nu s eef f i c i e n c y (0.59~1.34),a n d t h ea c c u m u l a t e dt e m -p e r a t u r e f r o mf l o r a l i n i t i a t i o n t o e n do fg r o w th p e ri o d (0.45~0.65).T h e r e l a t i v e l y se n s i t i v e p a r a m e t e r s af f e c t i ng th e yi e l do ff o r a g eo a t si n c l u d e d p r e c i p i t a t i o n (0.51),t e m pe r a t u r e (0.70~0.63),r a d i a t i o n (0.84),v e r n a l i z a t i o n s e n s i t i v i t y i n d e x (1.71~2.91),r a d i a t i o nu s e ef f i c i e n c y (0.87~1.06),a n da c c u m u l a -t e d t e m p e r a t u r e f r o mf l o r a l i n i t i a t i o n t o t h e e n do fg r o w th p e ri o d (0.95~1.04).P a r a m e t e r s e n s i t i v i t y a -n a l y s i s c o u l d s c r e e no u t t h e p a r a m e t e r sw i t hah i g hs e n s i t i v i t y t o t h e f o r m a t i o no f f o r a g e y i e l d s .T h e r e -s u l t s o f t h e c u r r e n t s t u d y w o u l dh e l p f u l f o r o p t i m i z a t i o no n t h e s t r u c t u r e a n d p a r a m e t e r v a l i d a t i o no f c r o pm o d e l ,a n d c o u l d b e a c t i v e l y a p pl i e d i n f u r t h e r r e s e a r c hw o r k s ;i tw o u l d a l s o p r o v i d e a r e f e r e n c e f o r t h e e f f i -Copyright ©博看网. All Rights Reserved.第10期侯青青等:晋北两种饲草作物的A P S I M模型参数敏感性分析c i e n t u t i l i z a t i o no f a g r i c u l t u r a l a nd a n i m a l h u s b a n d r y re s o u r c e s i n s i m i l a r r e g i o n s.K e y w o r d s:N o r t h e r nS h a n x i;A P S I M;C l i m a t i c p a r a m e t e r s;C r o pp a r a m e t e r s;F o r a g e y i e l d;S e n s i t i v i t y a n a l y s i s北方农牧交错带地处我国农区与牧区的过渡带,蕴含着巨大的生产潜力[1-2],但存在气候波动大,生态环境脆弱等问题[3-4]㊂晋北地区是北方农牧交错带的重要组成部分,一方面在全球变暖的背景下,变暖趋势显著,沙化问题严重[5-6];另一方面,该区农牧呈镶嵌分布,农牧业更替发展,导致农业制度波动大,表现为种植结构受人为或气候因素的影响发生改变,如大量使用化肥保证农收㊁更改制度以缓和土地收益降低[7]㊂为解决现存问题,需量化气候㊁土壤㊁管理等要素变化及其对作物生产的影响,以明确制约产量的关键因素㊂采用作物生长模型评估作物生产力或制定高产策略,近年来颇受重视[8-11]㊂如农业生产系统模型(A g r i c u l t u r a lP r o d u c t i o nS y s-t e ms I M u l a t o r,A P S I M),主要用于农田作物建模,可有效平衡作物-土壤的关系,实现不同气候和管理条件下作物生长及土壤变化的动态模拟并进行预产[12-13]㊂为提高模型描述精度,以使模型契合晋北作物生长,需进行参数敏感性分析[14-15],以量化输入参数变化对输出变量的影响和敏感程度,对关键参数进行准确率定[16-17]㊂前人关于作物产量对参数变化的敏感性研究已有一定成果[18-20]㊂W a n g等[21]基于A P S I M探究华北地区1961 2008年各气候因子对小麦-玉米种植系统产量的影响,结果表明温度为强敏感参数㊂赵俊芳[22]利用A P S I M-M a i z e探究北方八省春玉米产量对气候变化的响应,表明温度㊁辐射和降水响应明显,与马瑞丽等[23]研究结果相似㊂此外,作物本身特性也会影响生产[24]㊂邓晓垒等[25]研究发现,A P-S I M-w h e a t模型中对小麦产量最敏感的参数均为作物品种参数,与品种积温㊁春化及光周期等参数相关㊂米荣娟等[26]利用A P S I M对影响春小麦产量形成的敏感参数进行筛选,其中每克茎籽粒数量㊁灌浆期籽粒日潜在灌浆速率㊁单株最大籽粒质量对产量的贡献最高㊂总体来说,目前针对北方农牧交错带生产环境的模型参数敏感性分析的研究数量较少,还未能充分了解㊁体现作物动态模型于相近条件地区的适用性和功能性㊂本研究以晋北地区为研究点,基于A P S I M并选取当地主要的饲草作物,饲用燕麦(A v e n as a t i v a L.)㊁秣食豆(G l y c i n e m a x(L.) M e r r.)为研究对象,利用长期历史气候数据对作物的主要参数及气象参数进行敏感性分析,以明晰当地重要作物生产力的波动来源,为相近地区农业生产资源的可持续管理提供一定的科学依据,协助晋北农牧业长远发展㊂1材料与方法1.1研究区概况本研究于山西省朔州市右玉县进行,试验区地处黄土高原,位于山西省西北部,地理坐标为39.9968ʎN,112.3277ʎE㊂该地区四季分明,属于温带大陆季风气候㊂冬春季干旱少雨,多风沙,夏季降水集中[7]㊂研究区1980 2019年的年际降水量为258.0~597.7m m(平均419.3m m),年际均温在2.9~6.1ħ(平均4.8ħ)㊂最冷月为1月,均温-14ħ(-9.0ħ~-17.8ħ),最热月为7月,均温20.5ħ(18.9ħ~22.4ħ),ȡ0ħ积温为2600~ 3600ħ[7]㊂终霜期为5月初,初霜期为9月上中旬,无霜期为100~120d[7]㊂全年日照时数2600~ 2700h[7]㊂地下水较深,对2m内的土体基本没有补给[27]㊂1.2A P S I M模型概述A P S I M由澳大利亚的联邦科工组织和昆士兰州政府的农业生产系统组(A P S R U)所开发,可描述农业生产系统中各主要组分的变化[28-29],其以中心引擎为核心,键合土壤模块㊁作物模块和管理模块[30]㊂其中,土壤模块用于模拟土壤水分运动㊁养分转移等过程,土壤各层的田间持水量㊁饱和含水量和凋萎系数等参数决定土壤水分特征;作物模块主要包括作物参数和品种遗传参数,用于模拟作物的生长发育和产量形成;管理模块包括播期和收获期㊁施肥和灌溉的设定㊁输入和输出变量的设置等[31],需要输入的气候数据包括逐日降水量㊁逐日最高气温㊁逐日最低气温和逐日总辐射量㊂此外,A P S I M以其 即插即用 的优势可灵活调整管理措施,有效预测与模拟多种作物在不同气候㊁土壤㊁品种和管理等因子组合背景下的作物生长㊁产量形成等指标的变化过程[13-14]㊂本研究运用A P S I M的燕麦模块(对应饲用燕麦)㊁大豆模块(对应秣食豆),已于前期研究进行了初步模拟验证,对作物产草量的拟合度较高[7]㊂5113Copyright©博看网. All Rights Reserved.草 地 学 报第31卷1.3 敏感性分析方法敏感性分析(S e n s i t i v i t y a n a l ys i s ,S A )分为局部敏感性分析和全局敏感性分析,通过改变输入变量衡量其对输出指标的影响程度,分析输出指标敏感性程度直观讨论模型参数的敏感性,可快速对关键参数进行率定,促进模型的改进和结构优化[32]㊂局部敏感性分析过程相对简单,操作便捷,注重考虑单个参数对模型输出的影响[26]㊂本研究涉及模型的子模型包括A P S I M -s o yb e a n ,A P S I M -o a t s ,采用O A T (O n e a t a t i m e )法[33],即运行模型时只改变其中1个参数,根据参数改变对模拟结果的响应程度进行敏感性参数的筛选,该方法可在一定程度上忽略其他参数间的相互作用,快速率定对输出指标具有敏感性的参数[33-34]㊂敏感性指标用相对敏感度(R e l a t i v e s e n s i t i v i t y,R S )来衡量[33]㊂本研究对模型中的气象参数和作物参数进行敏感性分析,每次运行模型时只将数据库中的1个参数值增减10%,然后运转模型并计算这种变化对模拟结果的影响程度[32-33]㊂如果增减10%溢出参数的取值范围,则适当调整参数的增量[32]㊂R S 计算公式如下:R S =[y (x +Δx )-y (x )]/y (x )Δx /x(1)式(1)中:x 为模型参数中的某一参数值;Δx 为该参数的改变量;y (x )及y (x +Δx )分别表示参数改变前后的模拟输出量,本研究指各饲草作物的产量㊂R S 值越大表示该参数越敏感,反之则不敏感㊂1.4 参数选择与模拟设计敏感性分析基于1980 2019年研究站点的历史气象数据,来源于中国气象数据网(h t t p://d a t a .c m a .c n /s i t e /i n d e x .h t m l ),包括逐日降水量(m m )㊁逐日最高气温(ħ)㊁逐日最低气温(ħ)和逐日太阳辐射量(M J ㊃m -2)(表1),并将气候数据建立.m e t 文件导入A P S I M 框架作为气象参数基础㊂主要土壤参数见表2,于2022年在山西右玉黄土高原草地生态系统定位国家观测研究站采集㊂2种作物模块的分析参数及说明㊁取值范围见表3㊂本研究考虑模型的输出指标为:饲用燕麦㊁秣食豆的地上生物量,即产草量,并考虑3种不同产量水平下的模型敏感性,即仅有光温限制的潜在水分产量(设置条件:当土壤可利用水低于田间持水量的80%即灌溉至持水量)㊁光温水限制的雨养产量(设置条件:全生育期无灌溉)和根据当地实际管理的灌溉条件的产量水平(设置条件:全生育期设置灌溉量50m m )[35]㊂表1 1980—2019年年均气候数据T a b l e 1A n n u a l a v e r a ge c l i m a t e d a t af r o m1980t o 2019年份Y e a r年降水量A n n u a l r a i n f a l l /m m年均最高温A n n u a lm a x i m a l t e m pe r a t u r e /ħ年均最低温A n n u a lm i n i m a l t e m pe r a t u r e /ħ年太阳辐射S o l a r r a d i a t i o n /M J㊃m -2198029511.7-4.35774198138611.6-4.65744198243112.4-3.75670198349612.3-3.75572198437911.3-5.65809198535611.8-5.05668198629311.8-5.75930198733113.3-3.45889198847411.5-4.25599198948412.5-3.55679199050712.9-2.85650199144912.2-3.95721199249812.1-3.85554199325811.8-5.15786199439413.0-3.05712199544712.4-4.15641199640511.9-3.75503199731213.3-3.55615199838813.8-1.65392199932413.9-2.35600200041912.5-3.55542200134013.1-2.35643200250113.0-2.05490200347411.8-2.45307200445013.0-2.25526200539212.6-3.456256113Copyright ©博看网. All Rights Reserved.第10期侯青青等:晋北两种饲草作物的A P S I M 模型参数敏感性分析续表1年份Y e a r年降水量A n n u a l r a i n f a l l /m m年均最高温A n n u a lm a x i m a l t e m pe r a t u r e /ħ年均最低温A n n u a lm i n i m a l t e m pe r a t u r e /ħ年太阳辐射S o l a r r a d i a t i o n /M J㊃m -2200645413.6-1.95234200731013.6-2.25022200850412.3-3.14981200930913.1-3.15287201044312.6-2.15447201135612.2-3.15198201252211.8-3.35278201349813.6-2.05559201443213.7-2.25321201547113.1-1.95388201651813.1-1.95488201740314.0-2.15491201859813.3-2.55347201947213.9-2.95548表2 研究区土壤的基本参数T a b l e 2 T h e s o i l p a r a m e t e r s o f t h e s t u d y ar e a 土层S o i l d e pt h /c m 容重B u l kd e n s i t y /g㊃c m -3风干系数A i r d r y c o e f f i c i e n t /m m ㊃m m -1萎蔫系数W i l t i n g co e f f i c i e n t /m m ㊃m m -1田间持水量F i e l d c a p a c i t y /m m ㊃m m -1饱和含水量S a t u r a t e dw a t e r c o n t e n t/m m ㊃m m -10~101.2560.0400.1400.2350.48310~201.3240.0420.1480.2590.47720~401.3130.0440.1600.2540.45740~601.3270.0480.1720.2640.43660~801.3540.0460.2310.2750.42880~1001.3680.0470.1730.2850.447100~1201.4180.0470.1740.3110.334表3 作物参数及其取值T a b l e 3 T h em a i n c r o ppa r a m e t e r s a n d t h e i r v a l u e s 作物C r o p参数名称P a r a m e t e r描述D e s c r i pt i o n 值V a l u e 饲用燕麦(黑玫克)T T E O J 生长期结束至初花期积温/ħd210F o r a g e o a t s (H a ym a k e r )T h e r m a l t i m e f r o me n do f ju v e n i l e t o f l o r a l i n i t i a t i o n T T F I 初花期至盛花期积温/ħd 290T h e r m a l t i m e f r o mf l o r a l i n i t i a t i o n t o f l o w e r i n gT T F 盛花期至灌浆期积温/ħd 130T h e r m a l t i m e f r o mf l o w e r i n g t o g r a i n f i l l i n gP S光周期敏感性指数P h o t o p e r i o d s e n s i t i v i t yi n d e x 1.5Y H最大株高/m m M a x i m a l p l a n t h e i gh t 1500R U E 辐射利用效率/g ㊃M J -1R a d i a t i o nu s e e f f i c i e n c y 1.9V S春化敏感性指数V e r n a l i z a t i o ns e n s i t i v i t yi n d e x 3.0T T S G F 灌浆期所需积温/ħdT h e r m a l t i m e t o s t a r t g r a i n f i l l i n g545S MA X 最大比叶面积M a x i m u ms p e c i f i c l e a f a r e a 2000~2200S M I N 最小比叶面积M i n i m u ms pe c if i c l e a f a r e a 1800秣食豆(牡丹江)T T E 出苗期至生长期结束积温/ħd150F e e d s o y b e a n (M u d a n j i a n g)T h e r m a l t i m e f r o me m e r g e n c y t o e n do f ju v e n i l e Y T T E O J 生长期结束至初花期积温/ħd350T h e r m a l t i m e f r o me n do f ju v e n i l e t o f l o r a l i n i t i a t i o n Y T T F I 初花期至盛花期积温/ħd 120T h e r m a l t i m e f r o mf l o r a l i n i t i a t i o n t o f l o w e r i n gY T T F盛花期至灌浆期积温/ħd 276T h e r m a l t i m e f r o mf l o w e r i n g t o g r a i n f i l l i n g7113Copyright ©博看网. All Rights Reserved.草 地 学 报第31卷续表3作物C r o p参数名称P a r a m e t e r 描述D e s c r i pt i o n 值V a l u eY H最大株高/m m M a x i m a l p l a n t h e i gh t 1200R U E 辐射利用效率/g㊃M J -10.5~1.0R a d i a t i o nu s e e f f i c i e n c yX T S 受霜冻而枯萎的最低温/ħd6.0m i n i m u mt e m pe r a t u r ef o r f r o s t s e n e s c e n c e t a b l e Y S F 受到霜冻造成的最大叶片枯黄比率1.0d a i l y ma x i m u mf r a c t i o no f l e a f a r e a s e n e s c e d f r o m Y T T S G F 灌浆期所需积温/ħd400T h e r m a l t i m e t o s t a r t g r a i n f i l l i n g E D E T I 出苗期至初花期的预估天数/d20E s t i m a t e dd a y s f r o me m e r ge n c e t of l o r a l i n i t i a t i o n 1.5 统计与分析采用M i c r o s o f tE x c e l 软件对实测与模拟数据进行分析处理㊂使用O r i g i n 2021制图软件制图,运用S P S S 24.0统计软件对不同情景间的参数R S 值进行方差分析(采用L S D 法,即L e a s tS i gn i f i c a n t D i f f e r e n c e ),差异显著水平为P =0.05㊂2 结果与分析2.1 秣食豆的气象参数敏感性分析结果显示,雨养㊁实际㊁潜在产量水平条件下,对于秣食豆产草量的参数R S 从高到低均依次为:温度(T e m pe r a t u r e ,T E M )㊁辐射(R a d i a t i o n ,R A D N )㊁降水量(R a i nf a l l ,R A I N )(图1)㊂雨养产量水平下,T E M ,R A D N ,R A I N 的R S 分别为:1.84,0.53,0.37,前2个参数的R S 均在0.5以上,敏感性强(图1)㊂实际产量水平T E M ,R A D N ,R A I N 的R S分别为:1.73,0.67,0.27,T E M ,R A D N 的R S 在0.5以上,表现为强敏感性㊂潜在产量水平3个参数的R S 依次分别为:1.37,1.34,0.01,其中T E M 和R A D N 的R S 均在0.5以上,敏感性强(图1)㊂统计分析显示,T E M 和R A D N 参数于雨养与潜在水平之间的R S 有显著差异(P <0.05);各参数于实际与潜在水平之间的R S 均有显著差异(P <0.05),但仅R A I N 的R S 于3种产量水平间均为显著差异(P <0.05)㊂图1 雨养㊁实际㊁潜在产量水平下秣食豆的气象参数敏感性排序F i g .1 S e n s i t i v i t y r a n k i n g o fm e t e o r o l o g i c a l p a r a m e t e r s o f f e e d s o y b e a nu n d e r t h e r a i n -f e d ,a c t u a l a n d p o t e n t i a l yi e l d l e v e l s 注:(a )雨养产量水平;(b )实际产量水平;(c )潜在产量水平;不同小写字母表示相同参数的R S 在产量水平之间具有显著差异(P <0.05)N o t e :P a n e l (a )d i s p l a y s t h e r a i n -f e d y i e l d l e v e l ;P a n e l (b )t h e a c t u a l p r o d u c t i o n l e v e l ;P a n e l (c )t h e p o t e n t i a l pr o d u c t i o n l e v e l .D i f f e r e n t l o w -e r c a s e l e t t e r s r e p r e s e n t a s i gn i f i c a n t d i f f e r e n c eb e t w e e nd i f f e r e n tR So f p a r a m e t e r s u n d e r t h e s a m e y i e l d l e v e l s (P <0.05)2.2 秣食豆的作物参数敏感性分析雨养㊁实际㊁潜在产量水平条件下,对于秣食豆产草量的参数R S 从高到低均依次为:辐射利用效率(R U E )㊁生长期结束至初花期积温(Y T T E O J )㊁出苗期至生长期结束积温(T T E )㊁盛花期至灌浆期积温(Y T T F )㊁初花期至盛花期积温(Y T T F I),以上8113Copyright ©博看网. All Rights Reserved.第10期侯青青等:晋北两种饲草作物的A P S I M模型参数敏感性分析参数的R S均大于0.1,实际和潜在水平下,受霜冻而枯萎的最低温(X T S)参数的R S同样大于0.1㊂3种产量水平条件下,R U E的R S分别为0.59,0.72, 1.34,表现为强敏感性(图2)㊂此外,潜在产量水平下Y T T E O J的R S为0.65,敏感性强(图2)㊂统计分析显示,R U E,Y T T E O J,T T E,Y T T F, Y T T F I,X T S,Y S F参数于潜在与实际㊁雨养产量水平之间的R S均有显著差异(P<0.05)㊂图2雨养㊁实际㊁潜在产量水平下秣食豆的作物参数敏感性排序F i g.2 S e n s i t i v i t y r a n k i n g a m o n g c r o pp a r a m e t e r s o f f e e d s o y b e a nu n d e r t h e r a i n-f e d,a c t u a l a n d p o t e n t i a l y i e l d l e v e l s 注:(a)雨养产量水平;(b)实际产量水平;(c)潜在产量水平;不同小写字母表示相同参数的R S在产量水平之间具有显著差异(P<0.05) N o t e:P a n e l(a)d i s p l a y s t h e r a i n-f e d y i e l d l e v e l;P a n e l(b)t h e a c t u a l p r o d u c t i o n l e v e l;P a n e l(c)t h e p o t e n t i a l p r o d u c t i o n l e v e l.D i f f e r e n t l o w-e r c a s e l e t t e r s r e p r e s e n t a s i g n i f i c a n t d i f f e r e n c eb e t w e e nd i f f e r e n tR So f p a r a m e t e r s u n d e r t h e s a m e y i e l d l e v e l s(P<0.05)2.3饲用燕麦的气象参数敏感性分析3种产量水平条件下,对于饲用燕麦产草量的参数R S排序不一致㊂雨养产量水平下,R S从高到低依次为:T E M(0.70),R A I N(0.51),R A D N (0.28),T E M与R A I N敏感性强(图3)㊂实际产量水平条件下,R S从高到低依次为:T E M(0.63), R A D N(0.41),R A I N(0.41),仅T E M表现为强敏感性(图3)㊂潜在产量水平下,R S从高到低依次为: R A D N,T E M,R A I N,R S分别为:0.84,0.40,0.05,仅R A D N的R S在0.5以上,敏感性强(图3)㊂由方差分析可知,T E M参数于潜在与雨养㊁实际产量水平之间的R S有显著差异(P<0.05), R A D N和R A I N参数于3种产量水平之间的R S均差异显著(P<0.05)㊂图3雨养㊁实际㊁潜在产量水平下饲用燕麦的气象参数敏感性排序F i g.3 S e n s i t i v i t y r a n k i n g o fm e t e o r o l o g i c a l p a r a m e t e r s o f f o r a g e o a t u n d e r t h e r a i n-f e d,a c t u a l a n d p o t e n t i a l y i e l d l e v e l s 注:(a)雨养产量水平;(b)实际产量水平;(c)潜在产量水平;不同小写字母表示相同参数的R S在产量水平之间具有显著差异(P<0.05) N o t e:P a n e l(a)d i s p l a y s t h e r a i n-f e d y i e l d l e v e l;P a n e l(b)t h e a c t u a l p r o d u c t i o n l e v e l;P a n e l(c)t h e p o t e n t i a l p r o d u c t i o n l e v e l;D i f f e r e n t l o w-e r c a s e l e t t e r s r e p r e s e n t a s i g n i f i c a n t d i f f e r e n c eb e t w e e nd i f f e r e n tR So f p a r a m e t e r s u n d e r t h e s a m e y i e l d l e v e l s(P<0.05)9113Copyright©博看网. All Rights Reserved.草 地 学 报第31卷2.4 饲用燕麦的作物参数敏感性分析3种产量水平条件下,对于饲用燕麦产草量的参数R S 排序不一致㊂雨养产量水平下,R S 从高到低依次为:春化敏感性指数(V S )㊁生长期结束至初花期积温(Y T T E O J )㊁辐射利用效率(R U E )㊁最大比叶面积(S M A X )㊁灌浆期所需积温(T T S G F )㊁盛花期至灌浆期积温(T T F ),上述参数的R S 均在0.1以上,其余参数的R S 均在0.1以下(图4)㊂其中V S ,Y T T E O J,R U E 的R S 大于0.5,分别为2.71,1.06,1.04,表现为强敏感性㊂实际产量水平下,R S 从高到低依次为:V S ,R U E ,Y T T E O J ,T T S G F ,T T F ,S M A X ,以上参数的R S 均在0.1以上(图4)㊂其中V S ,R U E ,Y T T E O J 的R S 分别为1.91,0.95,0.87,表现为强敏感性㊂潜在产量水平下,R S 大于0.1的参数从高到低依次为:V S ,Y T T E O J ,R U E ,T T S G F ,T T F ,S M A X ,T T F I,其中V S ,Y T T E O J ,R U E 的R S 分别为2.25,1.02,0.97,表现为强敏感性(图4)㊂由方差分析可知,Y T T E O J ,S M I N 参数于3种产量水平之间的R S 差异不显著;V S ,R U E ,S MA X 参数于雨养与实际水平之间的R S 差异显著(P <0.05);T T S G F ,T T F 于实际与潜在水平之间的R S差异显著(P <0.05)㊂图4 雨养㊁实际㊁潜在产量水平下饲用燕麦的作物参数敏感性排序F i g .4 S e n s i t i v i t y r a n k i n g o f c r o pp a r a m e t e r s o f f o r a g e o a t u n d e r t h e r a i n -f e d ,a c t u a l a n d p o t e n t i a l yi e l d l e v e l s 注:(a )雨养产量水平;(b )实际产量水平;(c )潜在产量水平;不同小写字母表示相同参数的R S 在产量水平之间具有显著差异(P <0.05)N o t e :P a n e l (a )d i s p l a y s t h e r a i n -f e d y i e l d l e v e l ;P a n e l (b )t h e a c t u a l p r o d u c t i o n l e v e l ;P a n e l (c )t h e p o t e n t i a l pr o d u c t i o n l e v e l .D i f f e r e n t l o w -e r c a s e l e t t e r s r e p r e s e n t a s i gn i f i c a n t d i f f e r e n c eb e t w e e nd i f f e r e n tR So f p a r a m e t e r s u n d e r t h e s a m e y i e l d l e v e l s (P <0.05)3 讨论针对模型输出的作物产量指标进行参数敏感性分析,可量化气候㊁作物遗传和土壤等参数变化对作物产量的效应,有助于确定模型输出的不确定性,为实现高效便捷的模型优化和率定提供基础支撑[23,33]㊂本研究的结果表明,针对秣食豆产量的气象参数和作物参数敏感性排序结果在雨养㊁实际㊁潜在3种产量水平条件下一致㊂在研究点的气候条件下,对秣食豆产草量敏感性较强的气候因子为温度(R S 为1.37~1.84)和辐射(0.53~1.34),说明当温度升高或降低,秣食豆草产量也会随之增减㊂有研究显示,在全球气候变暖的背景下,晋北地区变暖趋势也很明显,年均温呈上升趋势[36],进而可能使秣食豆生育期缩短,从而导致减产,符合本研究的主要结果㊂辐射利用效率R U E 对于秣食豆产草量在雨养㊁实际㊁潜在3种产量水平中均为敏感性强的参数,R S 依次分别为0.59,0.72,1.34㊂秣食豆生育期内,高R U E 通常意味着作物生长季内需要大量耗水,而潜在产量水平下,秣食豆的生长发育不受水分限制,也因此使该产量水平下R U E 的R S 明显较高㊂另外,在潜在产量水平下,生长期结束至初花期积温也呈现较高的R S (0.65),导致该结果的原因可能是作物生长中后期,积温影响生育期长短[21]㊂从作物生长发育来看,生长期结束至初花期期间积温增加能相应的缩短出苗天数,减少消耗,促进干物质积累[37]㊂当生长期结束至初花期积温基础值上增加10%时,秣食豆模拟产量显著高于原产量;当减少10%时,模拟产量显著低于原产量㊂上述结果表明,秣食豆的生长发育主要受温度和太阳辐射的影0213Copyright ©博看网. All Rights Reserved.第10期侯青青等:晋北两种饲草作物的A P S I M模型参数敏感性分析响,而与温度相关的作物参数也表现出强敏感性(如T T E和Y T T E O J等;表3)㊂饲用燕麦在不同产量水平下,其主要参数的敏感性有所差别㊂雨养产量水平下,对饲用燕麦产草量影响较大的气象因子为温度(0.70)与降水量(0.51);而实际产量水平为温度(0.63),潜在产量水平为辐射(0.84)㊂可见于潜在产量水平下,温度的R S显著低于雨养㊁实际水平,原因为温度升高易引起作物耗水量增加,作为光合作用的原料的水分的消耗倾向提升,但潜在产量水平下不限制水分条件,因而产草量对该参数的敏感性较低㊂前人研究认为,白天最高温度的升高可能会增加作物的热胁迫,如高温条件下,作物光合强度下降,会限制作物产量[38-39],与本研究雨养㊁实际产量条件下模拟结果一致㊂辐射量的R S 于3种产量水平之间也具有显著差异㊂有研究指出,太阳辐射降低会导致作物净光合速率下降,同化物积累降低;但有利的方面是同时减少了作物的需水量,可在一定程度上缓解干旱胁迫和高温对作物的影响[31];而潜在产量水平的生产条件下,辐射降低将直接造成饲用燕麦干物质积累速度减缓,导致减产㊂对于降水量而言,晋北冬春季干旱少雨,夏季降水集中,降水量最高是在7,8月份,平均降水量分别为93和99m m[39]㊂基于该地的实际气候条件,雨养产量条件下降水量对产草量的影响较大㊂作物参数中,3种产量水平下除与饲用燕麦产量形成相关的R U E(0.95~1.04)具有较强的敏感性外,与积温㊁物候长度相关的参数也对产草量有较强的敏感性,包括春化敏感性指数V S(1.91~2.71)㊁生长期结束至初花期积温T T E O J(0.87~1.06)㊂生育期长短决定了干物质积累时间,对饲草产量形成具有重要作用[36]㊂Z h a o等[37]研究表明麦类作物的地上生物量受春化阶段影响显著㊂而在A P S I M框架中,燕麦的春化作用机制与小麦类似,Z h a n g等[40]基于A P-S I M-w h e a t的研究指出,模型中小麦出苗期到幼苗期结束阶段所需积温由品种的春化敏感性和春化天数决定,在此阶段小麦叶片(用叶面积指数衡量)和干物质积累量快速增加,可见改变春化敏感性指数将会导致植物(叶片㊁干物质)生长期延长或缩短,从而影响作物产量[37]㊂本研究的模拟结果也同样表明,当提高春化敏感性指数时,饲用燕麦出苗到幼苗期结束的阶段提前,从而延长了干物质积累时间,使产草量增加,反之则会降低㊂综上,不同产量水平之间,影响秣食豆产草量较强的气候因子一致,影响饲用燕麦的关键气象参数存在差异,但2种饲草的作物参数中与气候相关的参数同样具有强敏感性㊂在明晰2种饲草生产潜力波动来源的前提下,应因地制宜地采取措施,实现晋北及相近地区产草量的最大化㊂此外,本研究表明模型应用的外界条件越复杂,参数敏感性差异越大㊂因此,在特定环境下运用模型时进行敏感性分析必不可少,后续研究将进一步引入更全面的参数敏感性方法,针对晋北较为缺水的饲草生产条件进行更细致的分析㊂4结论本研究运用O A T参数敏感性分析方法对A P-S I M-s o y b e a n,A P S I M-o a t s作物子模型的作物参数及气象参数进行了敏感性分析,主要结论如下:各产量水平下影响秣食豆产草量的强敏感性参数为:温度(T E M)㊁辐射(R A D N)㊁辐射利用效率(R U E)㊁生长期至生长期结束积温(Y T T E O J);雨养与实际产量水平下温度(T E M)对饲用燕麦产草量表现为强敏感性,而潜在条件下为辐射(R A D N),春化敏感性指数(V S)㊁辐射利用效率(R U E)㊁生长期结束至初花期积温(T T E O J)是影响饲用燕麦产草量的关键作物参数;A P S I M通过作物参数来表达作物对不同环境的响应,不同产量水平条件会导致产草量对参数的敏感性有差异㊂参考文献[1] L I U X Y,Z H A N G Y,L IG Z,e ta l.C a r b o ni s o t o p e so fC3h e r b s c o r r e l a t ew i t h t e m p e r a t u r eo nr e m o v i n g t h e i n f l u e n c eo fp r e c i p i t a t i o n a c r o s s a t e m p e r a t u r e t r a n s e c t i n t h e a g r o-p a s t o r a le c o t o n e of n o r t h e r nC h i n a[J].E c o l og y a n dE v o l u t i o n,2017,7(24):10582-10591[2]任亮,孙芳,丁玎.机会成本视角下北方农牧交错带生态优先兼顾农业产业发展策略[J].草地学报,2021,29(6):1294-1300 [3] C H E N W,L IAJ,HU Y G,e ta l.E x p l o r i n g t h e l o n g-t e r mv e g e t a t i o nd y n a m i c s o f d i f f e r e n t e c o l o g i c a l z o n e s i n t h e f a r m i n gp a s t o r a l e c o t o n e i nn o r t h e r nC h i n a[J].E n v i r o n m e n t a l S c i e n c ea n dP o l l u t i o nR e s e a r c h2021,28(22):27914-27932[4]林长存,王堃,孙钰茗.中国北方农牧交错带中段近60年气温序列变化研究[J].草地学报,2016,24(4):747-753 [5] L I U MZ,J I AYG,Z H A OJ J,e t a l.R e v e g e t a t i o n p r o j e c t s s i g-n i f i c a n t l y i m p r o v e d e c o s y s t e ms e r v i c e v a l u e s i n t h e a g r o-p a s t o-r a l e c o t o n e o f n o r t h e r nC h i n a i n r e c e n t20y e a r s[J].S c i e n c e o f t h eT o t a l E n v i r o n m e n t,2021,788,147756[6]马雅丽,郭建平,栾青,等.晋北农牧交错带农业旱灾脆弱性评价[J].灾害学,2020,35(3):75-81[7]高树琴,段瑞,王竑晟,等.北方农牧交错带在保障国家大粮食安全中发挥重要作用[J].中国科学院院刊,2021,36(6):643-6511213Copyright©博看网. All Rights Reserved.草地学报第31卷[8]杨轩,贾鹏飞,侯青青,等.北方农牧交错带气候变化对粮草轮作生产的影响[J].山西农业大学学报(自然科学版),2022,42(1):77-89[9] C HA K IA K,G A Y D O N D S,D A L A L R C,e ta l.H o w w eu s e dA P S I M t os i m u l a t ec o n s e r v a t i o na g r i c u l t u r e p r a c t i c e s i n t h e r i c e-w h e a t s y s t e mo f t h eE a s t e r nG a n g e t i c P l a i n s[J].F i e l dC r o p sR e s e a r c h,2022(275):108344[10]韩雪,刘强,王钧,等.基于A P S I M模型的气候变化条件下播期对旱地春小麦产量影响研究[J].作物研究,2022,36(6): 499-506[11]X U X,S U NC,HU A N GG H,e t a l.G l o b a l s e n s i t i v i t y a n a l y s i sa n dc a l ib r a t i o no f p a r a m e t e r sf o ra p h y s ic a l l y-b a s e da g r o-h y d r o l o g i c a lm o d e l[J].E n v i r o n m e n t a l M o d e l l i n g a n d S o f t-w a r e,2016(83):88-102[12]H O L Z WO R T H D P,HU T H NI,D E V O I L P G,e ta l.A P-S I M-E v o l u t i o n t o w a r d san e w g e n e r a t i o no fa g r i c u l t u r a ls y s-t e m s s i m u l a t i o n[J].E n v i r o n m e n t a lM o d e l l i n g a n dS o f t w a r e, 2014(62):327-350[13]奥海玮,谢应忠,李永宏,等.A P S I M模型对宁夏海原地区草田轮作系统的适应性[J].草地学报,2016,24(1):146-155[14]S I N C L A I R T R.W a t e ra n dn i t r o g e nl i m i t a t i o n s i ns o y b e a ng r a i n p r o d u c t i o nI.M o d e ld e v e l o p m e n t[J].F i e l dC r o p sR e-s e a r c h,1986,15(2):125-141[15]何亮,侯英雨,赵刚,等.基于全局敏感性分析和贝叶斯方法的WO F O S T作物模型参数优化[J].农业工程学报,2016,32(2):169-179[16]宋明丹,冯浩,李正鹏,等.基于M o r r i s和E F A S T的C E R E S-W h e a t模型敏感性分析[J].农业机械学报,2014,45(10):124-131,166[17]邢会敏,相诗尧,徐新刚,等.基于E F A S T方法的A q u a C r o p作物模型参数全局敏感性分析[J].中国农业科学,2017,50(1):64-76[18]K R I S H N A NP,MA I T YPP,K U N D U M.S e n s i t i v i t y a n a l y s i so f c u l t i v a r p a r a m e t e r s t o s i m u l a t ew h e a t c r o p g r o w t h a n d y i e l d u n d e rm o i s t u r ea n dt e m p e r a t u r es t r e s sc o n d i t i o n s[J].H e l-i y o n,2021,7(7):34-35[19]张荣荣,宁晓菊,秦耀辰,等.1980年以来河南省主要粮食作物产量对气候变化的敏感性分析[J].资源科学,2018,40(1): 137-149[20]WA N GJ,WA N G E,Y I N H,e ta l.D e c l i n i n gy i e l d p o t e n t i a la n d s h r i n k i n gy i e l d g a p s o fm a i z e i n t h eN o r t hC h i n aP l a i n[J].A g r i c u l t u r a l a n dF o r e s tM e t e o r o l o g y,2014,195(2):89-101[21]W A N G J,W A N G E,Y A N G X,e t a l.I n c r e a s e d y i e l d p o t e n t i a l o fw h e a t-m a i z e c r o p p i n g s y s t e mi n t h eN o r t hC h i n aP l a i nb y c l i m a t ec h a n g e ad a p t a t i o n[J].C l i m a t i cC h a n g e,2012,113(3-4):825-840[22]赵俊芳,李宁,候英雨,等.基于A P S I M模型评估北方八省春玉米生产对气候变化的响应[J].中国农业气象,2018,39(2): 108-118[23]马瑞丽,李广,王钧,等.基于A P S I M模型的不同施肥处理下春玉米产量模拟及气候敏感性分析[J].玉米科学,2022,30(5):116-121[24]Z H A N G X C.C a l i b r a t i o n,r e f i n e m e n ta n da p p l i c a t i o no f t h eW E P Pm o d e l f o r s i m u l a t i o nc l i m a t i c i m p a c t o nw h e a t p r o d u c-t i o n[J].T r a n s a c t i o n s o f t h eA m e r i c a nS o c i e t y o fA g r i c u l t u r a lE n g i n e e r s,2004,47(4):1075-1085[25]邓晓垒,董莉霞,李广,等.西北春麦区A p s i m-W h e a t模型参数全局敏感性分析[J].麦类作物学报,2022,42(6):746-754 [26]米荣娟,聂志刚.基于E F A S T法的A P S I M小麦产量形成参数敏感性分析[J].甘肃农业大学学报,2021,56(4):23-30 [27]刘金龙,张沛.山西省右玉县的生态建设及其启示[J].山西农业大学学报(社会科学版),2021,20(1):91-99[28]F I L L E R YI,G R E G O R YPJ,B OWD E NJ W.P e r f o r m a n c eo ft h eA P S I M-w h e a tm o d e l i nW e s t e r nA u s t r a l i a[J].F i e l dC r o p s R e s e a r c h,1998,57(2):163-179[29]A S S E N GS,K E U L E N H V,S T O L W.P e r f o r m a n c e a n d a p p l i-c a t i o no f t h eA P S I M-w h e a tm ode l i n t h eN e t h e r l a n d s[J].E u-r o p e a n J o u r n a l o fA g r o n o m y,2000,12(1):37-54 [30]S U N H,Z HA N G X,WA N G E,e t a l.A s s e s s i n g t h e c o n t r i b u-t i o no fw e a t h e r a n dm a n a g e m e n t t o t h ea n n u a l y i e l dv a r i a t i o n o f s u m m e rm a i z eu s i n g A P S I Mi nt h eN o r t hC h i n aP l a i n[J].F i e l dC r o p sR e s e a r c h,2016(194):94-102[31]戴彤,王靖,赫迪,等.基于A P S I M模型的气候变化对西南春玉米产量影响研究[J].资源科学,2016,38(1):155-165 [32]王连喜,张阳,李琪,等.作物模型参数敏感性分析现状与展望[J].气象科技,2018,46(2):382-389[33]张宁,张庆国,于海敬,等.作物生长模拟模型的参数敏感性分析[J].浙江大学学报(农业与生命科学版),2018,44(1):107-115[34]V A N O I J E N M,C AM E R O NDR,B U T T E R B A C H-B A H LK,e t a l.AB a y e s i a nf r a m e w o r k f o rm o d e l c a l i b r a t i o n,c o m p a r i s o na n da n a l y s i s:A p p l i c a t i o n t o f o u rm o d e l s f o r t h eb i o g e oc h e m i s-t r y o f aN o r w a y s p r u c e f o r e s t[J].A g r i c u l t u r a l a n dF o r e s tM e-t e o r o l o g y,2011,151(12):1609-1621[35]何亮,赵刚,靳宁,等.不同气候区和不同产量水平下A P S I M-W h e a t模型的参数全局敏感性分析[J].农业工程学报,2015, 31(14):148-157[36]马雅丽,郭建平,赵俊芳.晋北农牧交错带作物气候生产潜力分布特征及其对气候变化的响应[J].生态学杂志,2019,38(3):818-827[37]Z H A O G,B R Y A NBA,S O N GXD.S e n s i t i v i t y a n d u n c e r t a i n-t y a n a l y s i so f t h e A P S I M-w h e a t m o d e l:I n t e r a c t i o n sb e t w e e nc u l t i v a r,e n v i r o n m e n t a l,a n dm a n a g e m e n t p a r a m e t e r s[J].E c o-l o g i c a lM o d e l l i n g,2014(247):1-11[38]王柳,熊伟,温小乐,等.温度降水等气候因子变化对中国玉米产量的影响[J].农业工程学报,2014,30(21):138-146 [39]杨轩,贾鹏飞,侯青青,等.基于A P S I M模型的未来气候中燕麦产量变化及对水分胁迫的敏感性[J].中国草地学报,2022, 44(10):20-29[40]Z H A N G Y,F E N GLP,WA N GJ,e t a l.U s i n g A P S I Mt oe x-p l o r ew h e a t y i e l d r e s p o n s e t o c l i m a t e c h a n g e i n t h eN o r t hC h i-n aP l a i n:t h e p r e d i c t e da d a p t a t i o no fw h e a tc u l t i v a rt y p e st o v e r n a l i z a t i o n.[J].T h eJ o u r n a l o fA g r i c u l t u r a l S c i e n c e,2013, 151(6):836-848(责任编辑刘婷婷)2213Copyright©博看网. All Rights Reserved.。

LED蓝红光及其组合对水稻秧苗素质的影响许仁良;张国良;闫元景;石专平;胥帅帅;雷思;李加伟;程军军【摘要】以自然光和三基色荧光灯（TFL）为对照，采用LED光源，研究蓝光、红光、蓝红组合光（3B：2R、2B：3R）对水稻秧苗素质的影响。

结果表明，LED 蓝光抑制水稻幼苗的生长，LED红光促进幼苗的生长，但是单一LED蓝光或红光处理的秧苗综合素质不如LED蓝光和红光搭配的处理。

一叶一心期以LED蓝：红为3：2处理的水稻秧苗株高最高，成苗数和整齐度较好。

三叶一心期以LED蓝：红为2：3处理的水稻秧苗较高，第三叶的叶长较长，叶面积指数较大，生物量积累的较多，充实度较好，苗较壮，根冠比适宜，发根力较强，秧苗素质较优。

%Using light emitting diode ( LED) as light source, effects of LED blue, red and its combinations on rice seedlings quality were studied.the natural light and tricolor fluorescent lighting ( TFL) were used as con-trol.The results showed that LED blue light inhibited the growth of rice seedlings and the red promoted the growth of the seedlings.But the rice seedlings quality treated by a single LED blue or red light was inferior to the combination of LED blue and red.At the stage of one mature leaf and one new leaf of rice seedlings, the better ratio of LED blue to red was 3:2 , and the resulting seedlings were the highest with more seedlings and better uniformity.At the stage of three mature leaf and one new leaf of rice seedlings, the better ratio of LED blue to red was 2:3, and its seedlings were higher and stronger, the third leaf were longer, leaf area index was larger, the accumulation of biomass was more,the root/canopy ratio was appropriate, the stalk plumpness and the root growth ability was better.【期刊名称】《淮阴工学院学报》【年(卷),期】2016(025)005【总页数】7页(P39-44,59)【关键词】水稻;LED光源;蓝光;红光;秧苗素质【作者】许仁良;张国良;闫元景;石专平;胥帅帅;雷思;李加伟;程军军【作者单位】淮阴工学院生命科学与食品工程学院，江苏淮安223003;淮阴工学院生命科学与食品工程学院，江苏淮安223003;淮阴工学院生命科学与食品工程学院，江苏淮安223003;淮阴工学院生命科学与食品工程学院，江苏淮安223003;淮阴工学院生命科学与食品工程学院，江苏淮安223003;淮阴工学院生命科学与食品工程学院，江苏淮安223003;淮阴工学院生命科学与食品工程学院，江苏淮安223003;淮阴工学院生命科学与食品工程学院，江苏淮安223003【正文语种】中文【中图分类】S511水稻是我国主要的粮食作物之一，近年来随着经济发展水平的提高和水稻育秧设备的升级换代，水稻工厂化育秧技术取得了突飞猛进的发展。

江西农业学报㊀２０２０，３２（５）：１１６ １１９ＡｃｔａＡｇｒｉｃｕｌｔｕｒａｅＪｉａｎｇｘｉ㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀ｈｔｔｐ：／／ｗｗｗ．ｊｘｎｙｘｂ．ｃｏｍＤＯＩ：１０．１９３８６／ｊ．ｃｎｋｉ．ｊｘｎｙｘｂ．２０２０．０５．２１基于ＤＳＳＡＴ模型不同灌水模式滇中水稻生长模拟赖晨曦，王莹∗，张刘东，王龙㊀㊀收稿日期：２０１９－１１－１８基金项目：国家自然科学基金项目 滇池流域基于水转化过程的水资源配置不确定性模型研究 （５１６６９０３５）㊂作者简介：赖晨曦（１９９５─），男，四川成都人，硕士研究生，主要从事节水灌溉理论及技术研究㊂∗通信作者：王莹㊂（云南农业大学水利学院，云南昆明６５００５１）摘㊀要：为探讨ＤＳＳＡＴ水稻模型对滇中稻田淹水灌溉和控制灌溉模式的模拟精度，采用２０１７ ２０１８两年云南寻甸县的水稻田间实测数据进行了分析㊂通过ＧＬＵＥ模块对２０１７年水稻淹水灌溉试验数据进行调参，得到一组精度较高的滇禾优３４生长的遗传特性系数，并采用２０１８年淹水灌溉和控制灌溉试验数据进行验证㊂淹水灌溉和控制灌溉处理下开花期模拟值较实测值均提前了１ｄ，成熟期分别提前了１和２ｄ；颗粒重的相对误差分别为２．４％和６．６％；干物质（地上物质）的ＮＲＭＳＥ值分别为１０．１％和８．９％；叶面积指数的ＮＲＭＳＥ值分别为１０．４０％和１１．７４％；分蘖数的ＮＲＭＳＥ值分别为１３．２％和１５．２％㊂各生长指标模拟结果较好，ＤＳＳＡＴ可作为滇中地区水稻不同灌水模式生长模拟和产量预测的一种方法㊂关键词：ＤＳＳＡＴ模型；水稻；水分胁迫；ＮＲＭＳＥ；生长模拟中图分类号：Ｓ５１１㊀文献标志码：Ａ㊀文章编号：１００１－８５８１（２０２０）０５－０１１６－０４ＳｉｍｕｌａｔｉｏｎｏｆＲｉｃｅＧｒｏｗｔｈｉｎＣｅｎｔｒａｌＹｕｎｎａｎｉｎＤｉｆｆｅｒｅｎｔＷａｔｅｒｉｎｇＰａｔｔｅｒｎｓＢａｓｅｄｏｎＤＳＳＡＴＭｏｄｅｌＬＡＩＣｈｅｎ－ｘｉ，ＷＡＮＧＹｉｎｇ∗，ＺＨＡＮＧＬｉｕ－ｄｏｎｇ，ＷＡＮＧＬｏｎｇ（ＣｏｌｌｅｇｅｏｆＷａｔｅｒＣｏｎｓｅｒｖａｎｃｙ，ＹｕｎｎａｎＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｋｕｎｍｉｎｇ６５００５１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＩｎｏｒｄｅｒｔｏｅｘｐｌｏｒｅｔｈｅｓｉｍｕｌａｔｉｏｎａｃｃｕｒａｃｙｏｆＤＳＳＡＴｒｉｃｅｍｏｄｅｌｆｏｒｆｌｏｏｄｉｒｒｉｇａｔｉｏｎａｎｄｃｏｎｔｒｏｌｌｅｄｉｒｒｉｇａｔｉｏｎｉｎｃｅｎｔｒａｌＹｕｎｎａｎｒｉｃｅｆｉｅｌｄ，ｔｈｅｆｉｅｌｄｍｅａｓｕｒｅｄｄａｔａｆｒｏｍＸｕｎｄｉａｎＣｏｕｎｔｙｄｕｒｉｎｇ２０１７ ２０１８ｗｅｒｅｕｓｅｄｆｏｒａｎａｌｙｓｉｓ．ＴｈｅＧＬＵＥｍｏｄｕｌｅｗａｓｕｓｅｄｔｏａｄｊｕｓｔｔｈｅｐａｒａｍｅｔｅｒｏｆｒｉｃｅｆｌｏｏｄｉｒｒｉｇａｔｉｏｎｅｘｐｅｒｉｍｅｎｔｉｎ２０１７．ＡｓｅｔｏｆｈｉｇｈｅｒｐｒｅｃｉｓｉｏｎｇｅｎｅｔｉｃｃｏｅｆｆｉｃｉｅｎｔｓｏｆＤｉａｎｈｅｙｏｕ３４ｗｅｒｅｏｂｔａｉｎｅｄ，ａｎｄｔｈｅｄａｔａｏｆｆｌｏｏｄｉｒｒｉｇａｔｉｏｎａｎｄｃｏｎｔｒｏｌｌｅｄｉｒｒｉｇａｔｉｏｎｔｅｓｔｉｎ２０１８ｗｅｒｅｕｓｅｄｔｏｖｅｒｉｆｙ．Ｔｈｅｓｉｍｕｌａ⁃ｔｅｄｖａｌｕｅｓｏｆｆｌｏｗｅｒｉｎｇｐｅｒｉｏｄｕｎｄｅｒｆｌｏｏｄｉｒｒｉｇａｔｉｏｎａｎｄｃｏｎｔｒｏｌｌｅｄｉｒｒｉｇａｔｉｏｎｗｅｒｅ１ｄａｙｅａｒｌｉｅｒｔｈａｎｔｈｅｍｅａｓｕｒｅｄｖａｌｕｅｓ，ａｎｄｔｈｅｍａｔｕｒｉｔｙｐｅｒｉｏｄｗａｓ１ｄａｙａｎｄ２ｄａｙｓｅａｒｌｉｅｒｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅｒｅｌａｔｉｖｅｅｒｒｏｒｓｏｆｇｒａｉｎｗｅｉｇｈｔｗｅｒｅ２．４％ａｎｄ６．６％．ＴｈｅＮＲＭＳＥｏｆｔｏｐｓｗｅｉｇｈｔｗａｓ１０．１％ａｎｄ８．９％．ＴｈｅＮＲＭＳＥｏｆｌｅａｆａｒｅａｉｎｄｅｘｗａｓ１０．４０％ａｎｄ１１．７４％．ＴｈｅＮＲＭＳＥｏｆｔｉｌｌｅｒｎｕｍｂｅｒｗａｓ１３．２％ａｎｄ１５．２％．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｏｆｅａｃｈｇｒｏｗｔｈｉｎｄｅｘａｒｅｇｏｏｄ，ａｎｄＤＳＳＡＴｃａｎｂｅｕｓｅｄａｓａｍｅｔｈｏｄｔｏｓｉｍｕｌａｔｅｔｈｅｇｒｏｗｔｈａｎｄｙｉｅｌｄｏｆｒｉｃｅｕｎｄｅｒｄｉｆｆｅｒｅｎｔｉｒｒｉｇａｔｉｏｎｍｏｄｅｓｉｎｃｅｎｔｒａｌＹｕｎｎａｎ．Ｋｅｙｗｏｒｄｓ：ＤＳＳＡＴ；Ｒｉｃｅ；Ｗａｔｅｒｓｔｒｅｓｓ；ＮＲＭＳＥ；Ｇｒｏｗｔｈｓｉｍｕｌａｔｉｏｎ０㊀引言作物模型是目前研究作物生长的主要工具之一，是利用计算机及信息技术对农作物的生长发育动态过程以及环境对其影响因素进行系统分析㊁数值模拟及定量表达的技术［１］㊂农业技术转让决策支持系统（ＤｅｃｉｓｉｏｎＳｕｐｐｏｒｔＳｙｓｔｅｍｆｏｒＡｇｒｏ⁃ｔｅｃｈｎｏｌｏｇｙＴｒａｎｓｆｅｒ，简称ＤＳＳＡＴ）由美国乔治亚大学组织开发，可以通过一系列程序将作物模拟模型与土壤㊁气候及试验数据库相结合，进行长期㊁短期的气候应变决策［２－４］㊂范铭丰等［５］对ＤＳＳＡＴｖ４．０中的ＣＥＲＥＳ－Ｍａｉｚｅ模型进行了玉米遗传参数的优化和验证，表明优化后的参数产生的模拟值和测量值之间有很好的一致性㊂周丽丽等［６］以ＣＥＲＥＳ－Ｗｈｅａｔ模型为基础，分析了华北平原沧州地区冬小麦１９８１ ２０１４年产量等参数的变化特征，计算出了不同水分处理下冬小麦多年平均需水量㊂王文佳等［１］用ＤＳＳＡＴ模型模拟了不同降水年型水分胁迫条件下冬小麦生产潜力，确定了关键灌水期，建立了不同降水年型下的最优灌溉制度㊂杨永辉等［７］应用ＤＳＳＡＴ模型研究长期不同保护性耕作与土壤改良措施下夏玉米的生长过程，表明ＣＥＲＥＳ－Ｍａｉｚｅ模型能较好地模拟豫西褐土区夏玉米的生长过程㊁生物量以及产量㊂随着对ＤＳ⁃ＳＡＴ模型研究的深入，证明了ＤＳＳＡＴ模型用于国内作物研究的可行性［８－１０］㊂但ＤＳＳＡＴ在云南地区水稻生长的模拟研究较少㊂因此，本研究采用２０１７ ２０１８年水稻田间试验，对水稻滇禾优３４的遗传特性系数进行率定并验证，并探究ＤＳＳＡＴ模型在不同灌水模式下的可行性㊂１㊀数据来源与方法１．１㊀数据来源１．１．１㊀水稻生长指标㊀昆明市寻甸试验站位于１０２ʎ４１ᶄ １０３ʎ３３ᶄＥ，２５ʎ２０ᶄ ２６ʎ０１ᶄＮ，属云南省中海拔地区，年平均气温１４．５ħ，年日照时数２０８８．６ｈ，年降雨量１０２０．９ｍｍ，年无霜期２３６ｄ以上㊂５ １０月为雨季，１１月至次年４月为旱季，试验区内以红壤土为主，田间持水量在２０％ ２６％之间［１１］㊂试验田为３ｍˑ４ｍ的测坑，水稻株距１３ｃｍ，行距２５ｃｍ，每平方米２４穴㊂２０１７年试验为淹水灌溉，２０１８年为淹水灌溉和控制灌溉，灌溉方案见表１㊂表１㊀２０１７及２０１８年生育期水分处理方案年份处理返青分蘖前期分蘖中期分蘖末期拔节孕穗期抽穗开花期乳熟期黄熟期２０１７淹灌５０ ３０５９ ３０３０ １５０ ６０％５０ ３０５０ ３０３０ １５自然落干２０１８淹灌２５ ５５０ ３０３０ １５０ ６０％５０ ３０５０ ３０３０ １５自然落干控灌２５ ５１００％ ７０％１００％ ６５％１００％ ６０％１００％ ７５％１００％ ８０％１００％ ７０％自然落干㊀注：无％数字为土面水层深度（ｍｍ），％代表无水层时土壤含水率占土壤饱和含水率的百分比㊂１．１．２㊀气象数据㊀气象数据来自于国家气象数据网（ｈｔｔｐ：／／ｄａｔａ．ｃｍａ．ｃｎ／）的２０１７年和２０１８年昆明站点日值数据，包括日最低气温（ħ）㊁日最高气温（ħ）㊁日降雨量（ｍｍ）㊁日辐射量（Ｗ／ｍ２）㊂１．１．３㊀土壤数据㊀土壤数据参考中国土壤数据库（ｈｔｔｐ：／／ｖｄｂ３．ｓｏｉｌ．ｃｓｄｂ．ｃｎ／），提取寻甸地区ＤＳＳＡＴ模型所需的土壤信息，主要是土壤类型和土壤剖面特性，包括土壤名称㊁土壤颜色㊁径流潜力㊁各层土壤质地（黏土㊁淤泥㊁石粒比例）㊁有机碳含量㊁总氮量㊁ｐＨ值㊁阳离子交换量以及饱和水含量等㊂１．２㊀研究方法１．２．１㊀参数率定㊀参数率定采用２０１７年淹水灌溉实测数据㊂每个作物模型，其品种特性都有一组特定的遗传特性系数㊂这些系数表示每个品种的遗传潜力，不受环境限制（土壤㊁天气等）的影响㊂ＤＳＳＡＴ模型中ＣＥＲＥＳ－ＲＩＣＥ模型用于水稻生长模拟，共８个遗传特性系数（表２）㊂表２㊀水稻遗传特性系数解释［１２］参数意义Ｐ１基本营养生长期所需的热时量，单位：ħ㊃ｄＰ２Ｏ最适光周期，单位：ｈＰ２Ｒ作物幼穗分化到产生圆锥花序所需的热时量，单位：ħ㊃ｄＰ５完成灌浆期所需要的热时量，单位：ħ㊃ｄＧ１日辐射与同化物之间的转化系数Ｇ２潜在籽粒重，单位：ｇＧ３分蘖速度（相对值，以水稻品种ＩＰ６４理想环境下的分蘖能力为１．０）Ｇ４温度容忍系数（相对值，以常规环境下生产的品种为１．０）㊀㊀采用ＤＳＳＡＴ模型中的ＧＬＵＥ模块对模型参数进行调试㊂ＧＬＵＥ模块调参分为两步：第一步物候参数（Ｇ１㊁Ｇ２㊁Ｇ３㊁Ｇ４）调参，第二步生长参数（Ｐ１㊁Ｐ２Ｏ㊁Ｐ２Ｒ㊁Ｐ５）调参㊂最终得到一组遗传特性系数㊂为保证模拟的精确性和合理性，每次调试至少运行２５０００次以上㊂为进一步提高遗传特性系数的精确性，还要对敏感参数进行敏感性分析㊂通过对单个系数进行敏感性分析，使得模拟值与实测值的误差最小㊂１．２．２㊀模型验证㊀采用２０１８年实测生长参数对模型模拟结果进行验证㊂应用均方根误差（ＲＭＳＥ）和均一化均方根误差（ＮＲＭＳＥ）分析模拟误差，计算公式见式（１）和式（２）㊂ＲＭＳＥ＝［ðｎｉ＝１（ｓｉｍｉ－ｏｂｓｉ）２］／ｎ（１）ＮＲＭＳＥ＝［１／ｎðｎｉ＝１（ｓｉｍｉ－ｏｂｓｉ）２］１／２ｏｂｓｉ（２）式中，ＲＭＳＥ为均方根误差；ＮＲＭＳＥ为均一化７１１㊀５期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀赖晨曦等：基于ＤＳＳＡＴ模型不同灌水模式滇中水稻生长模拟相对均方根误差；ｓｉｍｉ为第ｉ模拟值；ｏｂｓｉ为第ｉ个实测值；ｏｂｓｉ为观测值的平均值；ｎ为样本的数量［１３］㊂２㊀模拟结果与分析２．１㊀参数率定及遗传特性系数的确定采用２０１７年淹水处理实测数据，模型调试后水稻开花期与成熟期的模拟值分别为７０和１３５ｄ，与实测数据一致㊂生长指标率定结果见表３，率定后的遗传特性系数见表４㊂表３㊀生长指标率定结果生长指标误差／％干物质（地上部分）７．９颗粒重５．２叶面积指数９．８分蘖数９．１㊀注：其中颗粒重为相对误差，其余指标为均一化相对均方根误差㊂表４㊀滇禾优３４遗传特性系数参数Ｐ１Ｐ２ＯＰ２ＲＰ５Ｇ１Ｇ２Ｇ３Ｇ４数值３０１．１３４．２５６５４．５１２．４４６８．５７０．０２６１．２４６８３．００２．２㊀生育期的验证采用２０１８年淹水灌溉处理和控制灌溉处理的实测数据验证模型，结果见表５㊂淹水灌溉处理下开花期与成熟期较实测值提前了１ｄ；控制灌溉下开花期与成熟期分别提前了１㊁２ｄ㊂模拟值与实测值误差很小，说明ＣＥＲＥＳ－ＲＩＣＥ模型能够用于模拟作物的开花期及成熟期日期㊂表５㊀２０１８年生育期模拟值与实测值对比生育期处理实测值模拟值相对误差开花期ｄ淹水灌溉７０６９１（１．４％）控制灌溉７０６９１（１．４％）成熟期ｄ淹水灌溉１３５１３４１（０．７％）控制灌溉１３５１３３２（１．４％）２．３㊀灌水量的验证通过模型模拟得到的淹水灌溉和控制灌溉的灌水量分别为５８５．３和４３７．３ｍｍ，与实际灌水量基本一致，误差小于１％（表６）㊂说明ＣＥＲＥＳ－ＲＩＣＥ模型在模拟作物生成过程中土壤各时期的实际灌水量时精度很好㊂㊀㊀㊀㊀㊀表６㊀灌水量模拟值与实测值对比ｍｍ灌溉量模拟值实测值相对误差淹水灌溉５８５．３５９０．０４．７控制灌溉４２５．６４２７．５１．９２．４㊀生长指标的验证２．４．１㊀颗粒重㊀颗粒重（ＧＷＡＤ）模拟实测对比曲线见图１，在淹水灌溉和控制灌溉处理下的模拟值分别是７４２２和７１６３ｋｇ／ｈｍ２，实测值分别为７２４６和６６８８ｋｇ／ｈｍ２，相对误差为２．４％和６．６％㊂模拟结果较好，说明调试后的遗传特性系数可以用于水稻品种滇禾优３４的生长模拟㊂图１㊀颗粒重实测值与模拟值比较２．４．２㊀干物质（地上部分）㊀从图２可以看出，生育期前期，控制灌溉和淹水灌溉处理下干物质（地上部分）的模拟值基本一致，２种灌溉处理在４７ｄ左右，分蘖末期结束，开始出现较为明显的差异，与实测值的规律一致㊂淹水灌溉和控制灌溉处理下的ＮＲＭＳＥ值分别为１０．１％和８．９％，模拟结果较好㊂图２㊀干物质（地上部分）模拟值与实测值比较２．４．３㊀叶面积指数㊀淹水灌溉和控制灌溉处理下叶面积指数ＮＲＭＳＥ值分别为１０．４０％和１１．７４％㊂从图３可以看出，分蘖末期到抽穗开花期（种植后３８ ８７ｄ）缺水，控制灌溉处理的叶面积指数明显低于淹水灌溉，并且模拟的精度也有明显的下降㊂说明该时段作物对水分的需求较为迫切，模型在该时段内对水分的敏感性较高㊂２．４．４㊀分蘖数㊀淹水灌溉和控制灌溉处理下分蘖数的ＮＲＭＳＥ值均一化相对均方差根误差分别为１３．２％和１５．２％，模拟结果较好㊂从图４可以看出，水稻实际的分蘖时期比模拟值较晚，模拟误差在允许范围以内，基本符合水稻生长规律㊂８１１江㊀西㊀农㊀业㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀３２卷３㊀结论ＤＳＳＡＴ模型能够模拟水稻淹水灌溉和控制灌溉的差异，与实测值拟合度较好，但控制灌溉的模拟结果误差大于淹水灌溉㊂图３㊀叶面积指数模拟值与实测值的比较图４㊀分蘖数模拟值与实测值比较㊀㊀（１）生育期误差１ ２ｄ左右，可以很好地模拟滇中地区水稻开花期和成熟期的日期㊂（２）各生长指标的拟合度良好，可以较为精确地模拟滇中地区水稻的产量和干物质的生长情况；对灌水量的模拟结果也较为精确㊂参考文献：［１］王文佳，冯浩．国外主要作物模型研究进展与存在问题［Ｊ］．节水灌溉，２０１２（８）：６３－６８，７３．［２］ＪｏｎｅｓＪＷ，ＨｏｏｇｅｎｂｏｏｍＧ，ＰｏｒｔｅｒＣＨ，ｅｔａｌ．Ｔｈｅｄｓｓａｔｃｒｏｐｐｉｎｇｓｙｓｔｅｍｍｏｄｅｌ［Ｊ］．ＥｕｒｏｐｅａｎＪｏｕｒｎａｌｏｆＡｇｒｏｎｏｍｙ，２００３，１８（３）：２３５－２６５．［３］史源，李益农，白美健，等．ＤＳＳＡＴ作物模型进展以及在农田水管理中的应用研究［Ｊ］．中国农村水利水电，２０１５（１）：１５－１９．［４］刘海龙，诸叶平，李世娟，等．ＤＳＳＡＴ作物系统模型的发展与应用［Ｊ］．农业网络信息，２０１１（１１）：５－１２．［５］范铭丰，武伟，刘洪斌．基于ＣＥＲＥＳ－Ｍａｉｚｅ模型的玉米遗传参数优化及验证［Ｊ］．安徽农业科学，２０１０，３８（６）：３０８７－３０８９，３１８８．［６］周丽丽，梁效贵，高震，等．基于ＣＥＲＥＳ－Ｗｈｅａｔ模型的沧州地区冬小麦需水量分析［Ｊ］．中国生态农业学报，２０１５，２３（１０）：１３２０－１３２８．［７］杨永辉，武继承，丁晋利，等．ＤＳＳＡＴ模型对长期保护性耕作与土壤改良措施下玉米生长过程的模拟及验证［Ｊ］．河南农业科学，２０１７，４６（１２）：１４９－１５８．［８］姚宁，周元刚，宋利兵，等．不同水分胁迫条件下ＤＳＳＡＴ－ＣＥＲＥＳ－Ｗｈｅａｔ模型的调参与验证［Ｊ］．农业工程学报，２０１５，３１（１２）：１３８－１５０．［９］商磊，赵军，祁广云，等．黑土农田大豆产量形成过程的模拟验证［Ｊ］．中国生态农业学报，２００８（４）：８６９－８７３．［１０］魏玉清，沈强云，郝正刚．基于ＤＳＳＡＴ模型和正交试验相结合的春小麦灌溉模式优化研究［Ｊ］．节水灌溉，２０１９（１）：６－１１，１７．［１１］张凯，王莹，杨士红，等．滇中水分调控条件下水稻需水规律及节水潜力［Ｊ］．江苏农业科学，２０１９，４７（５）：５６－５８，１３２．［１２］马雯雯，石建初，金欣欣，等．改进ＣＥＲＥＳ－Ｒｉｃｅ模型模拟覆膜旱作水稻生长［Ｊ］．农业工程学报，２０１７，３３（６）：１１５－１２３．［１３］ＨｅＪＱ，ＪａｍｅｓＷＪ，ＷｅｎｄｙＤＧ，ｅｔａｌ．Ｉｎｆｌｕｅｎｃｅｏｆｌｉｋｅｌｉｈｏｏｄｆｕｎｃｔｉｏｎｃｈｏｉｃｅｆｏｒｅｓｔｉｍａｔｉｎｇｃｒｏｐｍｏｄｅｌｐａ⁃ｒａｍｅｔｅｒｓｕｓｉｎｇｔｈｅｇｅｎｅｒａｌｉｚｅｄｌｉｋｅｌｉｈｏｏｄｕｎｃｅｒｔａｉｎｔｙｅｓｔｉ⁃ｍａｔｉｏｎｍｅｔｈｏｄ［Ｊ］．ＡｇｒｉｃｕｌｔｕｒａｌＳｙｓｔｅｍｓ，２０１０，１０３（５）：２５６－２６４．（责任编辑：曾小军）９１１㊀５期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀赖晨曦等：基于ＤＳＳＡＴ模型不同灌水模式滇中水稻生长模拟。

作物学报 ACTA AGRONOMICA SINICA 2015, 41(3): 422431 ISSN 0496-3490; CODEN TSHPA9
DOI: 10.3724/SP.J.1006.2015.00422
/ E-mail: xbzw@
1 Jiangsu Key Laboratory of Crop Genetics and Physiology / Co-Innovation Center for Modern Production Technology of Grain Crops, Yangzhou University, Yangzhou 225009, China; 2 Lixiahe Region Agricultural Research Institute of Jiangsu, Yangzhou 225007, China; 3 Donghai Prefectural Agriculture Committee of Jiangsu, Lianyungang 222300, China
Grain Yield and Nitrogen Use Efficiency of Mid-season Indica Rice Cultivars Applied at Different Decades
JU Cheng-Xin1, TAO Jin1, QIAN Xi-Yang1, GU Jun-Fei1, ZHAO Bu-Hong2, YANG Kai-Peng3, WANG Zhi-Qin1, and YANG Jian-Chang1,*
Abstract: Improvement in rice cultivars plays an important role in increasing grain yield. However, little is known about the relationship between yield and nitrogen use efficiency in mid-season indica rice cultivar improvement process. In this study, 12 typical cultivars (including hybrid combinations) applied in the production in Jiangsu Province during the last 70 years were used, and classified into four types of 1940–1950s, 1960–1970s, 1980–1990s, and after 2000 (super rice) according to their application times. Three treatments of zero N (0N), 210 kg ha–1 N (MN) and 300 kg ha–1 N (HN) were designed. The results showed that grain yield and nitrogen use efficiency were progressively increased with the improvement of cultivars under each nitrogen rate. The super rice cultivars had a higher biomass and nitrogen accumulation, higher activities of root oxidation and nitrogen metabolic enzyme and higher leaf photosynthetic rate resulting in higher grain yield and nitrogen use efficiency when compared with any other types of cultivars. The root oxidation activity and photosynthetic characteristics of super rice were the peak at the heading stage, but sharp declined from heading to maturity, which could account for an important physiological reason for a lower filled-grain percentage of super rice. It would be an important approach to further increase grain yield of super rice through increasing root activity and leaf photosynthetic rate during grain filling. Keywords: Middle-season indica rice; Nitrogen use efficiency; Grain yield

第24卷第8期农业工程学报V ol.24 No.820 2008年8月 Transactions of the CSAE Aug. 2008利用DRAINMOD模型模拟不同排水管间距下的作物产量温季1,2，宰松梅2,3，郭树龙2，王全九1，罗纨1（1．西安理工大学水利水电学院，西安 710054； 2．水利部农田灌溉研究所，新乡 453003；3．西北农林科技大学资源环境学院，杨凌 712100)摘 要：农田排水工程在防御涝渍灾害、促进农作物正常生长和改善田间耕作管理等方面起着积极的作用，通过合理的排水工程来减轻或消除涝渍灾害的影响是提高产量的主要途径。

DRAINMOD模型适用于地下水位管理系统及地下排水水位和产量变化。

该文结合淮北平原砂姜黑土地区实测土壤、气象、作物等资料，用DRAINMOD模型进行长序列模拟，得到不同排水管间距对作物产量的影响，结果表明，对于冬小麦来说，排水间距的大小对其相对产量的影响较小，棉花生长期出现涝渍的概率超过50%，若排水间距大于40 m，相对产量下降明显，在该试验区地下排水系统的设计应以棉花的设计指标作为设计参数，用于指导排水工程的设计。

关键词：DRAINMOD；相对作物产量；排水间距；涝渍；防御中图分类号：S267.3；S277.5 文献标识码：A 文章编号：1002-6819(2008)-8-0020-05温 季，宰松梅，郭树龙，等. 利用DRAINMOD模型模拟不同排水管间距下的作物产量[J]. 农业工程学报，2008，24(8)：20－24.Wen Ji, Zai Songmei, Guo Shulong, et al. Simulation of crop yield for different spacing of drainage ditches by using DRAINMOD model[J]. Transactions of the CSAE, 2008,24(8)：20－24.(in Chinese with English abstract)0 引 言中国是世界上洪涝渍灾害频繁而严重的国家之一[1]，全国洪涝渍灾害面积平均每年达700万hm2，造成粮棉油减产占全国总产量的5%。

水稻群体生长过程和产量的动态模拟
张俊平;陈常铭
【期刊名称】《生态学报》
【年(卷),期】1990(010)004
【摘要】本文组建了水稻群体生长过程和产量的动态模拟模型。

它从单叶光合强
度的模拟入手,然后逐日模拟群体光合产量、呼吸量、干物质积累量、叶面积指数、生育期及总茎数,最后模拟了经济产量。

有效性检验表明:模拟结果与实测结果基本
吻合。

模型的普遍性较强,同时易与害虫种群模型相耦联,实施水稻与害虫控制的优
化管理。

【总页数】6页(P311-316)
【作者】张俊平;陈常铭
【作者单位】不详;不详
【正文语种】中文
【中图分类】S511.101
【相关文献】
1.水稻生长动态模拟模型研究：Ⅱ.水稻产量因子形成和发育年龄增长的模拟 [J], 殷新佑
2.水稻稀植、超稀植栽培高产生育模式及促控技术的研究Ⅱ.水稻早熟品种公顷产9000公斤产量群体的生殖生长模式及产量结构 [J], 王成瑷
3.人工神经网络模型在水稻群体分蘖动态模拟中外推能力的测试 [J], 邹应斌;米湘成;石纪成
4.水稻计算机模拟模型及其应用之三：水稻群体光合生产的动态模拟模型 [J], 黄耀;高亮元
5.水稻叶鞘和节间生长过程的动态模拟 [J], 常丽英;汤亮;顾东祥;杨杰;曹卫星;朱艳因版权原因，仅展示原文概要，查看原文内容请购买。

第３９卷第１４期２０１９年７月生态学报ＡＣＴＡＥＣＯＬＯＧＩＣＡＳＩＮＩＣＡＶｏｌ．３９，Ｎｏ．１４Ｊｕｌ．，２０１９基金项目：国家重点研发计划项目（２０１７ＹＦＤ０３０１１０６）；国家自然科学基金项目（３１４７１４５２，３１６０１２５８）收稿日期：２０１８⁃０８⁃１０；㊀㊀修订日期：２０１９⁃０２⁃１９∗通讯作者Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ：ｗｔｃｗｒｎ＠１２６．ｃｏｍＤＯＩ：１０．５８４６／ｓｔｘｂ２０１８０８１０１７０６刘影，关小康，杨明达，丁超明，崔静宇，黄洁，梅福建，王怀苹，王同朝．基于ＤＳＳＡＴ模型对豫北地区夏玉米灌溉制度的优化模拟．生态学报，２０１９，３９（１４）：５３４８⁃５３５８．ＬｉｕＹ，ＧｕａｎＸＫ，ＹａｎｇＭＤ，ＤｉｎｇＣＭ，ＣｕｉＪＹ，ＨｕａｎｇＪ，ＭｅｉＦＪ，ＷａｎｇＨＰ，ＷａｎｇＴＣ．ＯｐｔｉｍｉｚｉｎｇｔｈｅｓｕｍｍｅｒｍａｉｚｅｉｒｒｉｇａｔｉｏｎｓｃｈｅｄｕｌｅｉｎＮｏｒｔｈＨｅｎａｎＰｒｏｖｉｎｃｅｂａｓｅｄｏｎｔｈｅＤＳＳＡＴｍｏｄｅｌ．ＡｃｔａＥｃｏｌｏｇｉｃａＳｉｎｉｃａ，２０１９，３９（１４）：５３４８⁃５３５８．基于ＤＳＳＡＴ模型对豫北地区夏玉米灌溉制度的优化模拟刘㊀影１，关小康１，杨明达１，丁超明１，崔静宇１，黄㊀洁３，梅福建１，王怀苹２，王同朝１，∗１河南农业大学农学院，河南粮食作物协同创新中心，郑州㊀４５０００２２浚县丰黎种业有限公司，鹤壁㊀４５６２５０３南阳市宛城区种子管理站，南阳㊀４７３０００摘要：合理的灌溉制度是提高农业水资源利用效率㊁保证夏玉米高产稳产的前提㊂采用农业技术转化决策系统（ＤＳＳＡＴ，ＤｅｃｉｓｉｏｎＳｕｐｐｏｒｔＳｙｓｔｅｍｆｏｒＡｇｒｏｔｅｃｈｎｏ１ｏｇｙＴｒａｎｓｆｅｒ）探究了河南省北部地区夏玉米不同降水年型下的最优灌溉制度㊂经过参数的校正和验证，归一化均方根误差（ｎＲＭＳＥ）㊁均方根误差（ＲＭＳＥ）和一致性指数（ｄ）均表现出模拟值与实测值的吻合度很好，ＤＳＳＡＴ⁃ｍａｉｚｅ模型可以准确模拟夏玉米物候期㊁地上部分生物量㊁产量和土壤水分状况㊂然后基于模型模拟了不同灌溉处理下的夏玉米生产潜力，从而评估夏玉米缺水量，并对比分析不同生育时期灌水对产量的影响确定最优灌溉时期，综合考虑产量和水分利用效率确定最优灌溉制度㊂结果表明：夏玉米生长季的缺水量年际间差异显著，多年平均值为３８．９１ｍｍ，波动范围为０ １９３．０３ｍｍ㊂在丰水年，不需要灌溉；在平水年，开花期灌水３０ｍｍ；在枯水年，开花期和灌浆期灌水５０ｍｍ；在特别干旱年，苗期㊁拔节期和开花期至少灌水１８０ｍｍ㊂优化的灌溉制度下丰水年㊁平水年和枯水年的ＷＵＥ达到最高且产量分别占其最高产量的１００％㊁９９．７２％和９７．８９％，实现了作物高产节水协同提高的目标㊂关键词：ＤＳＳＡＴ模型；夏玉米；降水年型；灌溉制度ＯｐｔｉｍｉｚｉｎｇｔｈｅｓｕｍｍｅｒｍａｉｚｅｉｒｒｉｇａｔｉｏｎｓｃｈｅｄｕｌｅｉｎＮｏｒｔｈＨｅｎａｎＰｒｏｖｉｎｃｅｂａｓｅｄｏｎｔｈｅＤＳＳＡＴｍｏｄｅｌＬＩＵＹｉｎｇ１，ＧＵＡＮＸｉａｏｋａｎｇ１，ＹＡＮＧＭｉｎｇｄａ１，ＤＩＮＧＣｈａｏｍｉｎｇ１，ＣＵＩＪｉｎｇｙｕ１，ＨＵＡＮＧＪｉｅ３，ＭＥＩＦｕｊｉａｎ１，ＷＡＮＧＨｕａｉｐｉｎｇ２，ＷＡＮＧＴｏｎｇｃｈａｏ１，∗１ＡｇｒｉｃｕｌｔｕｒａｌＣｏｌｌｅｇｅ，ＨｅｎａｎＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，ＣｏｌｌａｂｏｒａｔｉｏｎＩｎｎｏｖａｔｉｏｎＣｅｎｔｅｒｏｆＨｅｎａｎＧｒａｉｎＣｒｏｐｓ，Ｚｈｅｎｇｚｈｏｕ４５０００２，Ｃｈｉｎａ２ＸｕｎｘｉａｎＦｅｎｇｌｉＳｅｅｄＩｎｄｕｓｔｒｙＣｏ．，Ｌｔｄ．，Ｈｅｂｉ４５６２５０，Ｃｈｉｎａ３ＳｅｅｄＭａｎａｇｅｍｅｎｔｏｆＷａｎｃｈｅｎｇＤｉｓｔｒｉｃｔ，Ｎａｎｙａｎｇ４７３０００，ＣｈｉｎａＡｂｓｔｒａｃｔ：ＨｅｎａｎＰｒｏｖｉｎｃｅｉｓｔｈｅｍａｉｎｓｕｍｍｅｒｍａｉｚｅｐｒｏｄｕｃｔｉｏｎａｒｅａｉｎＣｈｉｎａ；ｈｏｗｅｖｅｒ，ｔｈｅｙｉｅｌｄｏｆｍａｉｚｅｉｎｔｈｉｓｒｅｇｉｏｎｈａｓｂｅｅｎｓｅｒｉｏｕｓｌｙｔｈｒｅａｔｅｎｅｄｂｙｗａｔｅｒｓｃａｒｃｉｔｙ．Ｉｔｉｓｉｍｐｏｒｔａｎｔｔｏｉｍｐｒｏｖｅｍａｉｚｅｙｉｅｌｄａｎｄｓｔａｂｉｌｉｔｙｂｙａｐｐｒｏｐｒｉａｔｅｉｒｒｉｇａｔｉｏｎａｌｌｉｅｄｔｏｈｉｇｈｗａｔｅｒ⁃ｕｓｅｅｆｆｉｃｉｅｎｃｙ（ＷＵＥ）．Ｉｎｔｈｉｓｓｔｕｄｙ，ｗｅａｐｐｌｉｅｄｔｈｅＤｅｃｉｓｉｏｎＳｕｐｐｏｒｔＳｙｓｔｅｍｆｏｒＡｇｒｏｔｅｃｈｎｏｌｏｇｙＴｒａｎｓｆｅｒ（ＤＳＳＡＴ）ｔｏｄｅｔｅｒｍｉｎｅｔｈｅｏｐｔｉｍａｌｉｒｒｉｇａｔｉｏｎｓｃｈｅｄｕｌｅｓｆｏｒｓｕｍｍｅｒｍａｉｚｅｉｎｄｉｆｆｅｒｅｎｔｈｙｄｒｏｌｏｇｉｃａｌｙｅａｒｓｉｎｔｈｅｎｏｒｔｈｅｒｎｒｅｇｉｏｎｏｆＨｅｎａｎＰｒｏｖｉｎｃｅ．ＴｈｅＧＬＵＥｐｒｏｃｅｄｕｒｅｔｏｇｅｔｈｅｒｗｉｔｈｎｏｒｍａｌｉｚｅｄｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒｓ（ｎＲＭＳＥ），ｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒｓ（ＲＭＳＥ），ａｎｄｉｎｄｅｘｏｆａｇｒｅｅｍｅｎｔ（ｄ）ｓｈｏｗｅｄｔｈａｔＤＳＳＡＴ⁃ｍａｉｚｅｃａｎｂｅｕｓｅｄｔｏｃｏｒｒｅｃｔｌｙｐｒｅｄｉｃｔｍａｉｚｅｙｉｅｌｄ，ｐｈｅｎｏｌｏｇｙ，ａｂｏｖｅｇｒｏｕｎｄｂｉｏｍａｓｓ，ａｎｄｓｏｉｌｗａｔｅｒｃｏｎｔｅｎｔ．Ａｃａｌｉｂｒａｔｅｄｍｏｄｅｌｗａｓｕｓｅｄｔｏｓｉｍｕｌａｔｅｔｈｅｅｆｆｅｃｔｓｏｆｄｉｆｆｅｒｅｎｔｉｒｒｉｇａｔｉｏｎｔｒｅａｔｍｅｎｔｓｏｎｔｈｅｙｉｅｌｄｐｏｔｅｎｔｉａｌｏｆｓｕｍｍｅｒｍａｉｚｅｉｎｄｉｆｆｅｒｅｎｔｈｙｄｒｏｌｏｇｉｃａｌｙｅａｒｓ，ａｎｄｔｏｅｖａｌｕａｔｅｔｈｅｗａｔｅｒｓｈｏｒｔａｇｅｓｄｕｒｉｎｇｔｈｅｓｕｍｍｅｒｍａｉｚｅｇｒｏｗｉｎｇｓｅａｓｏｎ．Ｔｈｅｏｐｔｉｍａｌｉｒｒｉｇａｔｉｏｎｐｅｒｉｏｄｗａｓｄｅｔｅｒｍｉｎｅｄｂｙｃｏｍｐａｒｉｎｇｙｉｅｌｄｒｅｓｐｏｎｓｅｓｗｉｔｈｄｉｆｆｅｒｅｎｔｉｒｒｉｇａｔｉｏｎａｍｏｕｎｔｓａｎｄｔｉｍｅｓ，ｔｈｅｒｅｂｙｅｎａｂｌｉｎｇｏｐｔｉｍｉｚａｔｉｏｎｏｆｔｈｅｉｒｒｉｇａｔｉｏｎｓｃｈｅｄｕｌｅｗｉｔｈｙｉｅｌｄａｎｄＷＵＥ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｗａｔｅｒｓｈｏｒｔａｇｅｉｎｔｈｅｓｕｍｍｅｒｍａｉｚｅｇｒｏｗｉｎｇｓｅａｓｏｎｈａｓｖａｒｉｅｄｓｉｇｎｉｆｉｃａｎｔｌｙｆｏｒｔｈｅｐｅｒｉｏｄｏｆ１９８８ ２０１７，ａｖｅｒａｇｉｎｇ３８．９１ｍｍ，ｗｉｔｈａｖａｒｉａｔｉｏｎｏｆ０ｔｏ１９３．０３ｍｍ．Ｉｎｗｅｔｙｅａｒｓ，ｉｒｒｉｇａｔｉｏｎｗａｓｕｎｎｅｃｅｓｓａｒｙ．Ｉｒｒｉｇａｔｉｏｎｏｆ３０ｍｍａｔｔｈｅｆｌｏｗｅｒｉｎｇｓｔａｇｅｓｈｏｕｌｄｂｅａｐｐｌｉｅｄｉｎｎｏｒｍａｌｙｅａｒｓａｎｄ５０ｍｍａｔｔｈｅｆｌｏｗｅｒｉｎｇａｎｄｇｒａｉｎ⁃ｆｉｌｌｉｎｇｓｔａｇｅｓｉｎｄｒｙｙｅａｒｓ．Ｉｎｅｘｔｒａｏｒｄｉｎａｒｙｄｒｙｙｅａｒｓ，ｉｒｒｉｇａｔｉｏｎｏｆａｔｌｅａｓｔ１８０ｍｍｓｈｏｕｌｄｂｅａｐｐｌｉｅｄａｔｔｈｅｅｍｅｒｇｅｎｃｅ，ｊｏｉｎｔｉｎｇ，ａｎｄｆｌｏｗｅｒｉｎｇｓｔａｇｅｓｏｆｓｕｍｍｅｒｍａｉｚｅ．Ｕｎｄｅｒｔｈｅｏｐｔｉｍｉｚｅｄｉｒｒｉｇａｔｉｏｎｓｃｈｅｄｕｌｅ，ｗｈｅｎＷＵＥｒｅａｃｈｅｄｔｈｅｈｉｇｈｅｓｔｌｅｖｅｌｉｎｗｅｔ，ｎｏｒｍａｌ，ａｎｄｄｒｙｙｅａｒｓ，ｔｈｅｙｉｅｌｄｏｂｔａｉｎｅｄａｃｃｏｕｎｔｅｄｆｏｒ１００％，９９．７２％，ａｎｄ９７．８９％ｏｆｔｈｅｍａｘｉｍｕｍｙｉｅｌｄ，ｒｅｓｐｅｃｔｉｖｅｌｙ．ＴｈｅｏｐｔｉｍｉｚｅｄｉｒｒｉｇａｔｉｏｎｓｃｈｅｄｕｌｅｗｏｕｌｄｐｒｏｄｕｃｅａｈｉｇｈｅｒｓｕｍｍｅｒｍａｉｚｅｙｉｅｌｄｗｉｔｈｔｈｅｈｉｇｈｅｓｔＷＵＥ．ＫｅｙＷｏｒｄｓ：ＤＳＳＡＴｍｏｄｅｌ；ｓｕｍｍｅｒｍａｉｚｅ；ｈｙｄｒｏｌｏｇｉｃａｌｙｅａｒ；ｉｒｒｉｇａｔｉｏｎｓｃｈｅｄｕｌｅ河南省是我国夏玉米的主要产区，夏玉米播种面积和产量占全国的１０％左右；同时也是水资源严重短缺地区，水分是影响夏玉米产量形成的主要限制因子［１⁃２］㊂在夏玉米生育期内（６ ９月份），降雨量分布不均，各年际间降雨量也不相同，夏玉米生长的某些关键时期极易遭受干旱，直接影响夏玉米的生长发育和产量［３］㊂自然降雨不能满足夏玉米的正常水分需求，为保证夏玉米高产稳产必须进行补充灌溉㊂然而，河南省农业用水存在巨大的缺口，平水年缺水量近１０ˑ１０８ｍ３，中旱年缺水量近５１ˑ１０８ｍ３［４］，使得作物各生育阶段所需水分很难都得到充分的供应［５］㊂此外，为获得高产，生产上多实行过量灌溉，水资源浪费严重［６］㊂因此，优化灌溉水资源管理，提高灌溉水利用效率，以最适宜的水量投入获得最高的经济产出对缓解河南省农业用水危机和保障夏玉米生产具有重要意义㊂传统上灌溉制度的制定是经大量的田间试验来确定灌水定额㊁灌溉时间和灌溉定额［７］㊂这种制定方式虽然富有成效，但是周期长㊁耗时耗力，且因气候条件和土壤环境的变异性而缺乏普适性［８⁃９］㊂随着信息技术的快速发展，作物模型应运而生㊂ＤＳＳＡＴ（ＤｅｃｉｓｉｏｎＳｕｐｐｏｒｔＳｙｓｔｅｍｆｏｒＡｇｒｏｔｅｃｈｎｏ１ｏｇｙＴｒａｎｓｆｅｒ）是目前应用最为广泛的作物模型系统之一［１０］，综合气象㊁土壤㊁田间管理和作物品种特性，可以模拟多年的作物生长发育和产量，克服了田间试验存在的诸多缺点㊂其中，ＤＳＳＡＴ专门用于玉米的ＣＥＲＥＳ⁃ｍａｉｚｅ模型正被广泛应用于玉米水分管理研究，包括不同生育期受旱情况下夏玉米的模拟精度［１１］，夏玉米光温水生产潜力的评价［１２］，夏玉米灌溉需水量的估算［１３］，不同播期和不同水分管理对夏玉米产量的影响［１４］，甜玉米最优水肥管理的确定［９］和春玉米节水灌溉管理的模拟［１５］等方面㊂但是，河南省夏玉米农田水分管理，尤其是不同降水年型下的夏玉米灌溉方案需要进一步的研究㊂本研究基于１９８８ ２０１７年３０年的夏玉米生育期内气象数据，首先利用２０１６ ２０１７年的物候期㊁地上部分生物量㊁产量和土壤含水量等大田观测值对ＤＳＳＡＴ⁃ｍａｉｚｅ模型进行校正和验证，然后通过设立不同灌溉模式㊁生长关键期灌溉组合和灌溉量梯度，探究不同降水年型下的夏玉米生长季缺水情况，进一步确定夏玉米最适合的灌溉时期和灌溉量，为豫北地区乃至河南省夏玉米的灌溉制度制定提供决策支持㊂１㊀材料与方法１．１㊀试验地概况本研究的田间试验在河南省浚县丰黎种业有限公司科研基地进行（３５ʎ２８ᶄＮ，１１４ʎ２３ᶄＮ），海拔６３ｍ，面积２５０ｍˑ２５０ｍ㊂浚县位于河南省北部，拥有耕地面积７．２万／ｈｍ２，夏玉米平均产量５９７ｋｇ／６６６．７ｍ２㊁总产４９万ｔ，是河南省典型的夏玉米产区；该区域属于暖温带半湿润性季风气候，年均气温１３．７ħ，年均降水量６４７．８ｍｍ，７㊁８月降雨量占全年降水量的５１％，年均日照时数２３３１．８ｈ［１６］㊂９４３５㊀１４期㊀㊀㊀刘影㊀等：基于ＤＳＳＡＴ模型对豫北地区夏玉米灌溉制度的优化模拟㊀０５３５㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀１．２㊀模型数据库建立１．２．１㊀气象数据模型所需的气象参数包括逐日太阳辐射量（ＭＪｍ－２ｄ－１），最高温度（ħ），最低温度（ħ）和降雨量（ｍｍ）㊂依据１９８８ ２０１７年３０个夏玉米生长季的气象数据建立气象数据库，通过Ｐ⁃ＩＩＩ型频率曲线分析软件划分不同降水年型：将降水保证率（Ｐ）大于等于２５％的年份划分为丰水年（Ｗｅｔｙｅａｒ），２５％ ７５％之间的年份为平水年（Ｎｏｒｍａｌｙｅａｒ），小于等于７５％的年份为干旱年（Ｄｒｙｙｅａｒ），接近１００％的年份为特别干旱年（Ｅｘｔｒａｏｒｄｉｎａｒｙｙｅａｒ）［１７］㊂１９８８ ２０１７年玉米生育期降雨分布如（图１）所示：Ｐ＝２５％对应降雨量为４６７．３２ｍｍ，Ｐ＝５０％对应降雨量为３４４．６７ｍｍ，Ｐ＝７５％对应降雨量为２６２．５４ｍｍ，１９９７年降雨量１１１．１０ｍｍ的保证率接近１００％为特别㊂干旱年图１㊀１９８８ ２０１７年玉米生育期年降雨分布，１９８８ ２０１７年月均降雨分布Ｆｉｇ．１㊀Ｐｒｅｃｉｐｉｔａｔｉｏｎｄｉｓｔｒｉｂｕｔｉｏｎｄｕｒｉｎｇｍａｉｚｅｇｒｏｗｔｈｐｅｒｉｏｄｆｒｏｍ１９８８ｔｏ２０１７，Ｍｏｎｔｈｌｙａｖｅｒａｇｅｒａｉｎｆａｌｌｄｉｓｔｒｉｂｕｔｉｏｎｆｒｏｍ１９８８ｔｏ２０１７Ｐ：降水保证率１．２．２㊀土壤数据模型所需的土壤数据包括土壤剖面物理化学性状和土壤初始条件㊂２０１７年夏玉米播种前在试验田随机选取５个取样点，采用分层（每层２０ｃｍ）取样法测定０ １００ｃｍ土壤剖面㊂各层土壤质地（砂粒㊁粉粒㊁粘粒百分比）㊁土壤容重㊁凋萎点㊁饱和含水量㊁田间持水量㊁有机质㊁全氮㊁ｐＨ㊁土壤含水量㊁硝态氮和铵态氮如表１所示，各指标测定参考‘土壤农业化学分析方法“［１８］㊂表１㊀土壤剖面理化性状Ｔａｂｌｅ１㊀Ｐｒｏｆｉｌｅｓｏｉｌｐｈｙｓｉｃａｌａｎｄｃｈｅｍｉｃａｌｐｒｏｐｅｒｔｉｅｓ项目Ｉｔｅｍ土壤层次Ｓｏｉｌｌａｙｅｒ／ｃｍ０ ２０ｃｍ２０ ４０ｃｍ４０ ６０ｃｍ６０ ８０ｃｍ８０ １００ｃｍ砂粒Ｓａｎｄ／％４０３７３５２９３０粉粒Ｓｉｌｔ／％３６３８３５３８３６粘粒Ｃｌａｙ／％２４２５３０３３３４容重Ｂｕｌｋｄｅｎｓｉｔｙ／（ｇ／ｃｍ３）１．３３１．４３１．３７１．３８１．４７凋萎点Ｌｏｗｅｒｌｉｍｉｔ／（ｃｍ３／ｃｍ３）０．１８０．１７０．１９０．２１０．２１田间持水量Ｄｒａｉｎｅｄｕｐｐｅｒｌｉｍｉｔ／（ｃｍ３／ｃｍ３）０．３３０．３２０．３６０．３６０．３２饱和含水量Ｓａｔｕｒａｔｅｄｗａｔｅｒｃｏｎｔｅｎｔ／（ｃｍ３／ｃｍ３）０．４８０．４６０．４７０．４７０．４４有机碳Ｏｒｇａｎｉｃｃａｒｂｏｎ／％１．２１０．８２０．６２０．６１０．５０全氮Ｔｏｔａｌｎｉｔｒｏｇｅｎ／％０．１４０．０９０．０７０．０８０．０７ｐＨ８．１８．２８．２８．１８．１土壤含水量Ｖｏｌｕｍｅｔｒｉｃｗａｔｅｒ／（ｃｍ３／ｃｍ３）０．２６０．２７０．２６０．２７０．２７铵态氮Ａｍｍｏｎｉｕｍ／（ｍｇ／ｋｇ）２．０１．５１．５１．６１．７硝态氮Ｎｉｔｒａｔｅ／（ｍｇ／ｋｇ）２１．６１６．１７．７１０．７１１．０１．２．３㊀田间管理数据模型所需的田间管理数据包括品种㊁播种㊁施肥和灌溉㊂供试夏玉米品种为黎乐６６㊂其中２０１６年玉米播期为６月１４日，种植密度６０６００株／ｈｍ２，播深３ｃｍ，行距６０ｃｍ，同时施用复合肥（Ｎ⁃Ｐ２Ｏ５⁃Ｋ２Ｏ＝２８⁃１２⁃１０）７５０ｋｇ／ｈｍ２，并在７月１６日追施尿素（Ｎ＝４６％）１８７．５ｋｇ／ｈｍ２，期间无灌溉㊂２０１７年玉米播期为６月１９日，种植密度６１１００株／ｈｍ２，播深３ｃｍ，行距６０ｃｍ，同时施用复合肥（Ｎ⁃Ｐ２Ｏ５⁃Ｋ２Ｏ＝２８⁃１２⁃１０）７５０ｋｇ／ｈｍ２，并在７月２３日追施尿素（Ｎ＝４６％）３３０ｋｇ／ｈｍ２，期间在８月１９日进行一次喷灌，灌溉量６０ｍｍ㊂其他管理均与大田管理相同㊂１．２．４㊀作物品种参数ＤＳＳＡＴ⁃ｍａｉｚｅ模型共包含６个品种参数，分别是Ｐ１：从出苗至幼年阶段结束所需的积温（ħ／ｄ），Ｐ２：光周期敏感参数，Ｐ５：从吐丝至生理成熟所需的积温（ħ／ｄ），Ｇ２：单株潜在穗粒数，Ｇ３：潜在籽粒生长速率（ｍｇ／ｄ），ＰＨＩＮＴ：出叶间隔特性参数（ħ／ｄ）㊂采用ＤＳＳＡＴ⁃ＧＬＵＥ模型参数估计工具［１９］，每次至少６０００次运行，不断缩小参数范围，并结合 试错法 获得最优的玉米品种参数组合（表３）㊂１．３㊀ＤＳＳＡＴ模型校正和验证模型的校正和验证是通过调整作物品种参数使模拟值和实测值互相吻合㊂本研究通过夏玉米物候期㊁产量㊁地上部分生物量和土壤含水量来评估作物模型在当地的适用性㊂玉米物候期可以通过田间观察获得㊂产量取样在玉米生理成熟期进行，随机选择５个样点，每个样点双行连续收获２０穗，脱粒烘干，经谷物水分测定仪测定籽粒含水量后，折算为公顷产量㊂地上部分生物量取样分别在玉米拔节期㊁开花期㊁乳熟期和成熟期进行，随机选择５个样点，每个样点选取２株田间长势中等的完整单株，放置烘箱１０５ħ杀青后７５ħ烘至恒重㊂土壤取样分别在播种期㊁拔节期㊁开花期㊁乳熟期和成熟期进行，随机选择５个样点，每个点在０ ２０ｃｍ㊁２０ ４０ｃｍ㊁４０ ６０ｃｍ㊁６０ ８０ｃｍ和８０ １００ｃｍ进行分层取样，采用烘干法测定土壤含水量㊂为了量化模型拟合优度，使用归一化均方根误差（ｎＲＭＳＥ），均方根误差（ＲＭＳＥ）和一致性指数（ｄ）衡量模型模拟结果㊂计算如下：ｎＲＭＳＥ＝ＲＭＳＥＭˑ１００＝㊀ðｎｉ＝１（Ｓｉ－Ｍｉ）２／ｎＭˑ１００（１）ＲＭＳＥ＝㊀ðｎｉ＝１Ｓｉ－Ｍｉ()２ｎ（２）ｄ＝１－ðｎｉ＝１Ｓｉ－Ｍｉ()２ðｎｉ＝１Ｓｉ＋Ｍｉ()２（３）在公式中ｎ代表样本总数，Ｓ和Ｍ分别代表模拟值和实测值， Ｍ代表实测值的平均数㊂当ｎＲＭＳＥɤ１０％，模拟结果非常好；当１０％ɤｎＲＭＳＥɤ２０％，模拟结果良好；当２０％ɤｎＲＭＳＥɤ３０％，模拟结果一般㊂当３０％ɤｎＲＭＳＥ，模拟结果较差［１５］㊂当ＲＭＳＥɤ０．１，模拟结果非常好；当０．１ɤＲＭＳＥɤ０．２，模拟结果良好；当０．２ɤＲＭＳＥɤ０．３，模拟结果一般；当０．３ɤＲＭＳＥ，模拟结果较差［１５］㊂当ｄ＝０，模拟值和实测值之间不一致；当ｄ＝１，模拟值和实测值之间非常一致㊂一般认为：当ｄɤ０．６，一致性较差；０．６ɤｄɤ０．８，一致性一般；当０．８ɤｄ，一致性很好［２０］㊂１．４㊀情景分析１．４．１㊀夏玉米缺水量模拟充分灌溉条件下田间蒸散量与不灌溉条件下田间蒸散量的差值是为缺水量［２１］㊂在作物管理模块的灌溉和水分管理选项分别设置自动灌溉模式和不灌溉模式，自动灌溉模式被设定为当土壤剖面０ ６０ｃｍ的土壤１５３５㊀１４期㊀㊀㊀刘影㊀等：基于ＤＳＳＡＴ模型对豫北地区夏玉米灌溉制度的优化模拟㊀２５３５㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀含水量小于土壤有效水含量的５０％时自动补充灌溉至土壤有效水含量的９０％㊂１．４．２㊀灌溉时期模拟基于４个关键生育时期（苗期（Ｅ），拔节期（Ｊ），开花期（Ｆ）和灌浆期（Ｇ））共设置了６种灌溉模式：不灌溉㊁一次灌溉㊁两次灌溉㊁三次灌溉㊁四次灌溉和自动灌溉，灌水定额为６０ｍｍ，共计１７个灌溉组合（表２）㊂这些模拟基于无营养胁迫的假设，灌溉方式为喷灌㊂表２㊀模拟灌溉试验方案设计Ｔａｂｌｅ２㊀Ｉｒｒｉｇａｔｉｏｎｓｃｈｅｍｅｏｆｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉｍｅｎｔ灌溉频次Ｔｏｔａｌａｍｏｕｎｔ／ｍｍ灌溉时期组合Ｉｒｒｉｇａｔｉｏｎａｔｐｈｏｎｏｌｏｇｉｃａｌｐｈａｓｅ（∗）Ｉｒｒｉｇａｔｉｏｎａｍｏｕｎｔ／ｍｍ灌溉定额Ｉｒｒｉｇａｔｉｏｎｆｒｅｑｕｅｎｃｙ灌水定额０００Ｎｏｎｅ１１６０６０Ｅ（２），Ｊ（３），Ｆ（４），Ｇ（５）２６０１２０ＥＪ（６），ＥＦ（７），ＥＧ（８），ＪＦ（９），ＪＧ（１０），ＦＧ（１１）３６０１８０ＥＪＦ（１２），ＥＪＧ（１３），ＥＦＧ（１４），ＪＦＧ（１５）４６０２４０ＥＪＦＧ（１６）自动灌溉ＷｈｅｎｒｅｑｕｉｒｅｄＷｈｅｎｒｅｑｕｉｒｅｄＷｈｅｎｒｅｑｕｉｒｅｄ（１７）㊀㊀Ｅ：苗期ｒｅｐｒｅｓｅｎｔｓｅｍｅｒｇｅｎｃｅｓｔａｇｅ，Ｊ：拔节期ｒｅｐｒｅｓｅｎｔｓｊｏｉｎｔｉｎｇｓｔａｇｅ，Ｆ：开花期ｒｅｐｒｅｓｅｎｔｓｆｌｏｗｅｒｉｎｇｓｔａｇｅ，Ｇ：灌浆期ｒｅｐｒｅｓｅｎｔｓＧｒａｉｎｆｉｌｌｉｎｇｓｔａｇｅ；上标（∗）代表灌溉处理编号，Ｎｏｎｅ：无灌溉，Ｗｈｅｎｒｅｑｕｉｒｅｄ：当０ ６０ｃｍ的土壤水分小于土壤有效水含量的５０％时自动补充灌溉至有效水含量的９０％１．４．３㊀灌溉量模拟通常选取Ｐ＝２５％代表丰水年；Ｐ＝５０％代表平水年；Ｐ＝７５％代表枯水年㊂１９９８年降雨量５１６．１ｍｍ为典型丰水年；２０１７年降雨量３２９．０ｍｍ为典型平水年；１９９１年降雨量２４０．１ｍｍ为典型枯水年㊂为了得到不同典型年的最佳灌水定额，基于灌溉时期的模拟结果，在最佳灌溉时期进行灌溉０㊁５㊁１０㊁２０㊁３０㊁４０㊁５０㊁６０㊁７０㊁８０㊁９０㊁１００㊁１２０㊁１４０㊁１６０和１８０ｍｍ，共计１６个不同灌溉量的模拟情景㊂２㊀结果与分析２．１㊀模型的校正和验证选择２０１６年夏玉米实测试验数据校正模型，２０１７年玉米试验数据验证模型㊂经过ＧＬＵＥ率定，表３为模型模拟值与实测数值相吻合的６个玉米遗传参数㊂表３㊀夏玉米作物品种遗传参数Ｔａｂｌｅ３㊀Ｇｅｎｅｔｉｃｐａｒａｍｅｔｅｒｓｏｆｓｕｍｍｅｒｍａｉｚｅ参数ＰａｒａｍｅｔｅｒＰ１Ｐ２Ｐ５Ｇ２Ｇ３ＰＨＩＮＴ取值范围Ｒａｎｇｅ１００ ４０００ ４６００ ９００５００ １０００５ １２４０ ５５最优值Ｏｐｔｉｍａｌｖａｌｕｅ２１９．４０．５０６８１４．５７０４．１８．７８７５１．２９㊀㊀Ｐ１：从出苗至幼年阶段结束所需的积温（ħｄ），Ｐ２：光周期敏感参数，Ｐ５：从吐丝至生理成熟所需的积温（ħｄ），Ｇ２：单株潜在穗粒数，Ｇ３：潜在籽粒生长速率（ｍｇ／（粒㊃ｄ）），ＰＨＩＮＴ：出叶间隔特性参数（ħｄ）表４为２０１６和２０１７年玉米物候期㊁地上部分生物量和产量的模拟值与实测值的差异比较㊂２０１６年校正结果表明，玉米指标的模拟值与实测值相近，开花期㊁成熟期㊁成熟期地上部分生物量和产量的ｎＲＭＳＥ分别为１．８９％，０．９８％，２．９１％和５．４３％，均小于１０％，校正结果非常好；开花期地上部分生物量的ｎＲＭＳＥ介于１０％和２０％之间，校正结果良好㊂２０１７年验证结果表明，玉米指标的模拟值与实测值相近，开花期㊁成熟期㊁开花期地上部分生物量㊁成熟期生物量和产量的ｎＲＭＳＥ分别为１．９２％，０．９８％，５．５０％，６．３４％和６．７９％，均小于１０％，验证结果非常好㊂图２为２０１６ ２０１７年该田块０ １００ｃｍ分层土壤含水量模拟值与实测值的差异比较㊂２０１６和２０１７年分层土壤含水量的ＲＭＳＥ值分别为０．０１６㊁０．００９㊁０．０２３㊁０．０１５㊁０．０２３和０．０１㊁０．０２２㊁０．０１３㊁０．０１㊁０．０７，均小于０．１，模拟结果非常好㊂其ｄ值分别为０．９７７㊁０．９９２㊁０．９５３㊁０．９６８㊁０．９０２和０．９６６㊁０．８２６㊁０．９７５㊁０．９８４㊁０．９７６，均大于０．８，模拟一致性很好㊂表４㊀２０１６ ２０１７年玉米地上部生物量，物候期和产量模拟值和实测值的对比Ｔａｂｌｅ４㊀Ｃｏｍｐａｒｉｓｏｎｏｆｔｈｅｓｉｍｕｌａｔｅｄａｎｄｍｅａｓｕｒｅｄａｂｏｖｅ⁃ｇｒｏｕｎｄｂｉｏｍａｓｓ，ｐｈｏｎｏｌｏｇｙａｎｄｙｉｅｌｄｉｎ２０１６ ２０１７年份Ｙｅａｒ项目Ｉｔｅｍ２０１６２０１７模拟值Ｓｉｍｕｌａｔｅｄ实测值ＭｅａｓｕｒｅｄｎＲＭＳＥ／％误差Ｅｒｒｏｒ模拟值Ｓｉｍｕｌａｔｅｄ实测值ＭｅａｓｕｒｅｄｎＲＭＳＥ／％误差Ｅｒｒｏｒ开花期Ｆｌｏｗｅｒｉｎｇ／ＤＡＰ５４５３１．８９１５３５２１．９２１成熟期Ｍａｔｕｒｉｔｙ／ＤＡＰ１０１１０２０．９８－１１０３１０２０．９８１开花期生物量ＢｉｏｍａｓｓａｔＦｌｏｗｅｒｉｎｇ／（ｋｇ／ｈｍ２）６９９３６０７８１５．０５９１５６４５７６８３３５．５０３７６成熟期生物量ＢｉｏｍａｓｓａｔＭａｔｕｒｉｔｙ／（ｋｇ／ｈｍ２）１５２０８１４７７７２．９１４３１１６９４６１８０２０６．３４－１０７４产量Ｙｉｅｌｄ／（ｋｇ／ｈｍ２）６８２６７２１８５．４３－３９２８５９４８００１６．７９５４３㊀㊀ＤＡＰ：播种后的天数ｄａｙａｆｔｅｒｐｌａｎｔｉｎｇ综上所述，ＤＳＳＡＴ⁃ｍａｉｚｅ模型对该区域物候期㊁地上部分生物量㊁产量和土壤含水量的模拟无论从空间上还是时间上均为有效模拟，特别是对土壤水分变化的模拟较为精确，可为本地区夏玉米水分管理和产量研究提供可靠的理论依据㊂２．２㊀夏玉米缺水量模拟分析１９８８ ２０１７年３０年夏玉米生长季的缺水量分布如表５所示：在丰水年，１９９８㊁２０００㊁２００３㊁２００５和２０１０年的缺水量介于０ ６．８８ｍｍ之间，平均值为２．６９ｍｍ，灌溉需水量较小，而１９９４年的缺水量达到６６．４５ｍｍ，其原因是１９９４年播种后２２天内累计降雨量达４１８ｍｍ且播种后第２１天降雨量达２３９．１０ｍｍ，虽为丰水年，但前期降雨量较大，后期雨水较少，导致玉米生育后期缺水量较大，因此，把１９９４作为平水年处理；在平水年，缺水量介于３．１５ ６６．４５ｍｍ之间，平均值为２５．３０ｍｍ，缺水量波动较大；在枯水年，１９９０㊁１９９１㊁２００１㊁２００２㊁２０１３和２０１５年的缺水量介于５７．２５ １２２．２７ｍｍ之间，平均值为８４．２６ｍｍ，灌溉需水量较大；在特别干旱年，１９９７年的缺水量１９３．０３ｍｍ，具有很大的灌溉需求㊂夏玉米生长季多年的缺水量介于０ｍｍ和１９３．０３ｍｍ之间，平均值为３８．９１ｍｍ，不同降水年型的夏玉米缺水量差异显著㊂表５㊀１９８８ ２０１７年３０年夏玉米作物蒸腾量和土壤蒸发量的模拟结果Ｔａｂｌｅ５㊀Ｃｒｏｐｔｒａｎｓｐｉｒａｔｉｏｎａｎｄｓｏｉｌｅｖａｐｏｒａｔｉｏｎｏｆｓｕｍｍｅｒｍａｉｚｅｉｎ３０ｙｅａｒｓｆｒｏｍ１９８８ｔｏ２０１７降水年型Ｒａｉｎｆａｌｌｙｅａｒ年份Ｙｅａｒ充分灌溉Ａｕｔｏｍａｔｉｃｗｈｅｎｒｅｑｕｉｒｅｄ不灌溉Ｎｏｔｉｒｒｉｇａｔｅｄ蒸腾量Ｔｒａｎｓｐｉｒａｔｉｏｎ／ｍｍ蒸发量Ｅｖａｐｏｒａｔｉｏｎ／ｍｍ蒸散量ＥＴ／ｍｍ蒸腾量Ｔｒａｎｓｐｉｒａｔｉｏｎ／ｍｍ蒸发量Ｅｖａｐｏｒａｔｉｏｎ／ｍｍ蒸散量ＥＴ／ｍｍ缺水量Ｗａｔｅｒｓｈｏｒｔａｇｅ／ｍｍ丰水年１９９８２６２．９４６９．７８３３２．７２２６２．７０６３．１４３２５．８４６．８８Ｗｅｔｙｅａｒ２０００２６０．９９９３．６８３５４．６７２６０．８７９１．４１３５２．２８２．３９２００３２６３．２１８８．１４３５１．３５２６３．２１８８．１４３５１．３５０．００２００５２７５．７８９１．７３３６７．５１２７５．６７８８．６１３６４．２８３．２３２０１０２５７．５０５８．５５３１６．０５２５７．４７５７．６４３１５．１１０．９４平水年１９８８２６０．７７６８．９７３２９．７４２５１．４６６２．９８３１４．４４１５．３Ｎｏｒｍａｌｙｅａｒ１９８９２６７．８５７６．８３３４４．６８２４０．０４６５．４１３０５．４５３９．２３１９９２３０１．４７７０．５４３７２．０１３０１．２９６６．９１３６８．２０３．８１１９９３２６９．７９９７．３４３６７．１３２４１．９２８８．９３３３０．８５３６．２８３５３５㊀１４期㊀㊀㊀刘影㊀等：基于ＤＳＳＡＴ模型对豫北地区夏玉米灌溉制度的优化模拟㊀续表降水年型Ｒａｉｎｆａｌｌｙｅａｒ年份Ｙｅａｒ充分灌溉Ａｕｔｏｍａｔｉｃｗｈｅｎｒｅｑｕｉｒｅｄ不灌溉Ｎｏｔｉｒｒｉｇａｔｅｄ蒸腾量Ｔｒａｎｓｐｉｒａｔｉｏｎ／ｍｍ蒸发量Ｅｖａｐｏｒａｔｉｏｎ／ｍｍ蒸散量ＥＴ／ｍｍ蒸腾量Ｔｒａｎｓｐｉｒａｔｉｏｎ／ｍｍ蒸发量Ｅｖａｐｏｒａｔｉｏｎ／ｍｍ蒸散量ＥＴ／ｍｍ缺水量Ｗａｔｅｒｓｈｏｒｔａｇｅ／ｍｍ１９９４２８６．７８８９．５２３７６．３０２３０．２９７９．５６３０９．８５６６．４５１９９５２６６．０４６８．７９３３４．８３２６５．７９６３．１６３２８．９５５．８８１９９６２４６．２３７７．５５３２３．７８２４５．３５７０．５１３１５．８６７．９２１９９９２８６．８０６８．７９３５５．５９２４５．３３５９．５４３０４．８７５０．７２２００４２６３．９５９９．７３６３．６５２６３．７１９３．８６３５７．５７６．０８２００６２４９．１３７７．８６３２６．９９２４８．９５７４．８９３２３．８４３．１５２００７２８７．９７７７．０４３６５．０１２８３．６６６９．６１３５３．２７１１．７４２００８２６２．４８９２．４３３５４．９１２５３．７５８５．７６３３９．５１１５．４０２００９２８９．１７５５．２６３４４．４３２７３．１７５０．５５３２３．７２２０．７１２０１１２９６．１８６８．０２３６４．２０２８７．２６６２．７１３４９．９７１４．２３２０１２３０７．６１６６．８６３７４．４７３０５．７３６１．７９３６７．５２６．９５２０１４２７６．１８５８．８２３３５．００２２２．１０５６．６２７８．７５６．３０２０１６２８４．９７７０．９８３５５．９５２２７．５７６２．７５２９０．３２６５．６３２０１７２６９．３１８１．９６３５１．２７２４７．１６７４．５５３２１．７１２９．５６枯水年１９９０２８８．４７６０．８１３４９．２８２３８．２４５３．７９２９２．０３５７．２５Ｄｒｙｙｅａｒ１９９１２９７．４５５８．０１３５５．４６２３８．２３４８．７９２８７．０２６８．４４２００１２８５．６４７２．６１３５８．２５２０１．５４６１．８８２６３．４２９４．８３２００２３０４．７５６２．８５３６７．６０２１５．５７５３．３２２６８．８９９８．７１２０１３３１１．６６６９．９４３８１．６０１９９．６３５９．７２５９．３３１２２．２７２０１５２８０．４１５８．２４３３８．６５２２４．２８５０．３４２７４．６２６４．０３特别干旱年Ｅｘｔｒａｏｒｄｉｎａｒｙｄｒｙｙｅａｒ１９９７３２０．６５４１．５８３６２．２３１３５．７７３３．４３１６９．２０１９３．０３２．３㊀灌溉时期模拟分析在不同降水年型，不同灌溉频次和不同生育时期的灌溉对夏玉米产量的影响差异显著㊂从图３可知：在丰水年，夏玉米多年平均产量随着灌溉次数和灌溉量的增加并没有显著波动，因此不需要补充灌溉；在平水年，平均产量在处理４处首先到达最高点，灌溉组合是开花期，此后随着灌溉次数和灌溉量的增加，产量增幅相对较小，因此平水年在开花期进行一次灌溉为最优灌溉模式；在枯水年，平均产量在处理１１处首先到达最高点，灌溉组合是开花期和灌浆期，此后随着灌溉次数和灌溉量的增加，产量增幅相对较小，因此枯水年在开花期和灌浆期进行两次灌溉为最优灌溉模式；在特别干旱年，产量随着灌溉次数和灌溉量的增加而增加，平均产量在处理１２处首先达到最高点，灌溉组合是苗期㊁拔节期和开花期，此后随着灌溉次数和灌溉量的增加，产量增幅相对较小，但相对于自动灌溉产量增幅较大，因此特别干旱年需要在苗期㊁拔节期和开花期进行３次灌溉，同时增加灌水定额㊂２．４㊀灌溉量模拟分析在不同典型降水年，不同灌溉量对夏玉米产量和水分利用效率的影响差异显著㊂水分利用效率（Ｗａｔｅｒｕｓｅｅｆｆｉｃｉｅｎｃｙ，ＷＵＥ）表示每单位水资源生产的作物产量，较高的ＷＵＥ是有限水资源条件下夏玉米稳定生产的关键，本研究中采用夏玉米产量与蒸散量的比值来说明其水分利用效率水平㊂从表６可知：在丰水年１９９８年，产量不随灌溉量的增加而增加，且在０ｍｍ灌溉时水分利用效率为２６．２５ｋｇｈｍ－２ｍｍ－１达到最高，同时产量８５５４ｋｇ／ｈｍ２为最大值，因此典型丰水年的最佳灌溉量为０ｍｍ，即不需要灌溉；在平水年２０１７年，产量首先随灌溉量的增加而增加，在灌溉３０ｍｍ时产量８７９９ｋｇ／ｈｍ２达到最大，并且不再灌溉量的增加发生变化，水分利用效率也先具有相同趋势，在灌溉３０ｍｍ时为２５．４３ｋｇｈｍ－２ｍｍ－１达到最高，因此典型平水年的最佳灌溉量为４５３５㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀图２㊀分层土壤含水量模拟值与实测值的对比Ｆｉｇ．２㊀Ｃｏｍｐａｒｉｓｏｎｓｂｅｔｗｅｅｎｔｈｅｓｉｍｕｌａｔｅｄａｎｄｍｅａｓｕｒｅｄｓｏｉｌｍｏｉｓｔｕｒｅａｔｄｉｆｆｅｒｅｎｔｄｅｐｔｈｓｉｎ２０１６ａｎｄ２０１７３０ｍｍ；在枯水年１９９１年，产量首先随灌溉量的增加而增加，在灌溉７０ｍｍ条件下的产量９６５３ｋｇ／ｈｍ２达到最大并且不再随灌溉量的增加发生变化，但是水分利用效率在灌溉５０ｍｍ时为２８．４４ｋｇｈｍ－２ｍｍ－１达到最高，因此典型枯水年的最佳灌溉量为５０ｍｍ㊂３㊀讨论ＤＳＳＡＴ模型的作物品种参数决定着玉米的生育周期㊁营养生长和生殖生长阶段，其正确与否直接影响到模型模拟结果的精度［１０］㊂本研究除了２０１６年夏玉米开花期地上部分生物量的ｎＲＭＳＥ为１５．０５％外，其他产量㊁物候期㊁地上部分生物量和土壤含水量的模拟值与实测值之间的归一化均方根误差（ｎＲＭＳＥ）均小于５５３５㊀１４期㊀㊀㊀刘影㊀等：基于ＤＳＳＡＴ模型对豫北地区夏玉米灌溉制度的优化模拟㊀图３㊀１９８８—２０１７年不同降水年型夏玉米平均产量的模拟Ｆｉｇ．３㊀Ｓｉｍｕｌａｔｅｄｓｕｍｍｅｒｍａｉｚｅａｖｅｒａｇｅｙｉｅｌｄａｔｄｉｆｆｅｒｅｎｔｉｒｒｉｇａｔｉｏｎｔｒｅａｔｍｅｎｔｓｕｎｄｅｒｄｉｆｆｅｒｅｎｔｈｙｄｒｏｌｏｇｉｃａｌｙｅａｒｓｆｒｏｍ１９８８ｔｏ２０１７１０％，同时土壤含水量的一致性指数（ｄ）均大于０．８，整体的模拟结果非常好，表明了该模型在豫北地区具有较好的适用性㊂表６㊀不同灌溉量水平下不同典型降水年夏玉米产量和蒸散量的模拟Ｔａｂｌｅ６㊀Ｓｉｍｕｌａｔｅｄｓｕｍｍｅｒｍａｉｚｅｙｉｅｌｄａｎｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｆｏｒｄｉｆｆｅｒｅｎｔｔｙｐｉｃａｌｈｙｄｒｏｌｏｇｉｃａｌｙｅａｒｓｕｎｄｅｒｄｉｆｆｅｒｅｎｔｉｒｒｉｇａｔｉｏｎｃｏｎｄｉｔｉｏｎｓ灌溉量Ｉｒｒｉｇａｔｉｏｎｌｅｖｅｌ／ｍｍ丰水年Ｗｅｔｙｅａｒ平水年Ｎｏｒｍａｌｙｅｒａ干旱年Ｄｒｙｙｅａｒ产量Ｙｉｅｌｄ／（ｋｇ／ｈｍ２）蒸散量ＥＴ／ｍｍ水分利用效率ＷＵＥ／（ｋｇｈｍ－２ｍｍ－１）产量Ｙｉｅｌｄ／（ｋｇ／ｈｍ２）蒸散量ＥＴ／ｍｍ水分利用效率ＷＵＥ／（ｋｇｈｍ－２ｍｍ－１）产量Ｙｉｅｌｄ／（ｋｇ／ｈｍ２）蒸散量ＥＴ／ｍｍ水分利用效率ＷＵＥ／（ｋｇｈｍ－２ｍｍ－１）０８５５４３２５．８４２６．２５７６７８３２１．７１２３．８７６９８６２８７．０２２４．３４５８５５４３２６．０７２６．２３７９７６３２６．００２４．４７７２４９２９１．８３２４．８４１０８５５４３２６．２８２６．２２８１９０３３０．０９２４．８１７５３２２９６．６６２５．３９２０８５５４３２６．３９２６．２１８５３６３３８．１４２５．２４８１６０３０５．７６２６．６９３０８５５４３２６．５６２６．１９８７７５３４５．０４２５．４３８５８８３１４．５９２７．３０４０８５５４３２６．４２６．２１８７９９３４６．３８２５．４０９１９４３２３．５７２８．４１５０８５５４３２６．４２６．２１８７９９３４６．８５２５．３７９４５４３３２．３８２８．４４６０８５５４３２６．５７２６．１９８７９９３４７．０５２５．３５９６２９３４０．５４２８．２８７０８５５４３２６．５７２６．１９８７９９３４７．１２２５．３５９６５８３４７．７３２７．７７８０８５５４３２６．５７２６．１９８７９９３４７．１２２５．３５９６５８３５１．９５２７．４４９０８５５４３２６．５７２６．１９８７９９３４７．１２２５．３５９６５８３５２．７５２７．３８１００８５５４３２６．５７２６．１９８７９９３４７．１２２５．３５９６５８３５３．２８２７．３４１２０８５５４３２６．５７２６．１９８７９９３４７．１２２５．３５９６５８３５４．０３２７．２８１４０８５５４３２６．５７２６．１９８７９９３４７．１２２５．３５９６５８３５４．６２７．２４１６０８５５４３２６．５７２６．１９８７９９３４７．１２２５．３５９６５８３５４．６３２７．２３１８０８５５４３２６．５７２６．１９８７９９３４７．１２２５．３５９６５８３５４．６３２７．２３优化节水灌溉制度的关键是提高自然降水和灌溉水的利用效率，土壤贮水消耗量与灌水量呈负相关［２２］㊂黄仲冬［２３］利用数学模型计算的河南省新乡地区夏玉米多年缺水量波动于８．１ ３８１．８ｍｍ，本研究的多年缺水量介于０ １９３．０３ｍｍ之间，这与土壤贮水情况密切相关㊂１９８８ ２０１７年６月月均降雨量６３．６９ｍｍ，２０１６和６５３５㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀２０１７年夏玉米播期为６月中下旬，播前初始的分层土壤含水量分别是０．２７ ０．３０和０．２６ ０．３２ｃｍ３／ｃｍ３，土壤贮水处于较高水平，底墒水充足，缺水量相应减少㊂不同降水年型下的夏玉米最佳灌溉时期和灌溉量差异显著，降雨是影响作物灌溉需水的首要因素［２３］㊂从图１可知：１９８８ ２０１７年夏玉米生长季的年降水分布不均㊂丰水年（５１６．１ ７２１．１ｍｍ）＞平水年（２８８．５ ４５７．１ｍｍ）＞枯水年（１９２．７ ２４０．１ｍｍ）＞特别干旱年（１１１．１ｍｍ），不同降水年型夏玉米遭受水分胁迫的程度不同；夏玉米生长季的月均降雨分布不均，７月份降雨最多，９月份降雨最少，相对降水充沛的生育前期，夏玉米生育后期更容易遭受水分胁迫㊂当遭受水分胁迫时，开花期水分胁迫减产最重，其次是灌浆期［２４］㊂开花期是玉米最为关键的生育时期，决定着最终产量，期间需要大量的水分㊁养分㊁光照和温度［１５］㊂灌浆期是玉米需水的第２个关键期，期间茎叶光合产物和积累的营养物质大量向籽粒输送时期，需水量也比较多［２５］㊂特别干旱年在苗期㊁拔节期和开花期灌水，这主要是因为在１９９７年的７ ８月，河南省全省性的干旱造成一半播种面积以上的秋收作物受旱，灌水集中于夏玉米生育前期㊂灌溉制度的优化不是以充分供水条件下的产量最高为目标，而是要以产量和水分利用效率的有效统一为目标㊂研究表明产量和ＷＵＥ与灌水量呈非线性关系，当灌水量达到一定程度后，产量增加缓慢甚至降低［２６⁃２７］㊂本研究的ＷＵＥ模拟值随灌溉量的增加呈现先增后降低的二次曲线趋势，当遭受水分胁迫时，ＷＵＥ随着灌水量的增加而增加，灌溉到一定量时，ＥＴ不再变化，多余的灌溉水会形成地表径流或深层渗漏㊂但是，不同降水年型下的产量模拟值均增加到最大值后就不再变化，特别是丰水年的产量模拟值随灌水量的增加没有显著波动，表现为模型在过量灌溉情景下对产量模拟的敏感性较差㊂产量和ＷＵＥ两者最高点并不重合，ＷＵＥ先于产量达到最大值［６，２８］，本研究典型平水年和枯水年的模拟结果同样得到相似结论，但典型丰水年两者最高点吻合，这是降水已经满足玉米生育需水的原因，此外，丰水年㊁平水年和枯水年ＷＵＥ达到最高值对应的产量分别占其最高产量的１００％㊁９９．７２％和９７．８９％，实现了提高水分利用效率的同时保持较高的产量㊂优化的灌溉制度虽然基于不同降水年确定了最佳灌溉时间和灌溉量，但是也不能完全适应气象条件㊁作物状况和土壤水分情况等影响因子造成的时空变异㊂因此，利用ＤＳＳＡＴ为农田灌溉管理实践提供决策支持时，应该充分发挥模型可以模拟土壤－植物－大气动态变化的优势，对农田用水实施时空动态管理㊂首先基于气象数据的时间序列特征，在多年历史情境中找到与目标年份气象要素相似的年型［２９⁃３０］，然后综合已有的土壤和作物参数运行模型，对夏玉米生长发育和土壤水分的情况进行全生育期预测㊂之后，随着逐日实测气象数据的动态输入，不断校正土壤水分的预测值，一旦土壤水分小于适宜下限值，就可对未来时段的夏玉米蒸散量预测值与降水量预报值作比较，确定是否灌水及灌水多少，从而对预先制定的灌溉制度做出适当调整㊂４㊀结论本研究基于ＤＳＳＡＴ⁃ｍａｉｚｅ模型评估了豫北地区夏玉米生长季的缺水情况，确定了不同降水年的最佳灌灌溉制度㊂利用２０１６和２０１７两年田间试验数据对ＤＳＳＡＴ模型进行校正和验证时，均方根误差（ＲＭＳＥ）㊁归一化均方根误差（ｎＲＭＳＥ）㊁一致性指数（ｄ）均表明模拟效果非常好，模型能够准确模拟豫北地区夏玉米生长发育㊁产量形成和土壤水分状况㊂通过分析３０年气象数据和不同灌溉情景模拟结果得出，夏玉米年际间的缺水量差异显著，丰水年㊁平水年㊁干旱年和特别干旱年的夏玉米缺水量分别是０ ６．８８ｍｍ，３．１５ ６６．４５ｍｍ，５７．２５ １２２．２７ｍｍ和１９３．０３ｍｍ，应该根据不同降水年选择最适合的灌溉制度㊂在丰水年，降水可以满足夏玉米水分需求，不需要灌溉；平水年，需要开花期进行一次灌溉，灌溉量３０ｍｍ；枯水年，需要开花期和灌浆期进行两次灌溉，灌溉量为５０ｍｍ；特别干旱年，在苗期㊁拔节期和开花期进行３次灌溉，灌溉量至少为１８０ｍｍ㊂优化的灌溉制度在保持最高的水分利用效率同时获得较高的夏玉米产量，实现了夏玉米高产和水分利用高效同步化㊂参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：［１］㊀周苏玫，李潮海，刘奎，连东军．夏玉米超高产栽培的资源特征及关键技术．河南农业科学，２０００，２９（５）：３⁃４．［２］㊀李树岩，陈怀亮．河南省夏玉米气候适宜度评价．干旱气象，２０１４，３２（５）：７５１⁃７５９．７５３５㊀１４期㊀㊀㊀刘影㊀等：基于ＤＳＳＡＴ模型对豫北地区夏玉米灌溉制度的优化模拟㊀８５３５㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀［３］㊀付祥建，刘伟昌，刘忠阳，马振生．河南省气候概况及农业气象灾害．气象与环境科学，２００６，（３）：６５⁃６６．［４］㊀刘戈，葛树春，慕兰．河南省节水农业发展现状．水资源与水工程学报，２０１０，２１（２）：１６３⁃１６６．［５］㊀山仑，康绍忠，吴普特．中国节水农业．北京：中国农业出版社，２００４．［６］㊀房全孝，陈雨海，李全起，于舜章，罗毅，于强，欧阳竹．灌溉对冬小麦水分利用效率的影响研究．农业工程学报，２００４，２０（４）：３４⁃３９．［７］㊀裴冬，陈素英，张喜英，高延军，王玉坤．太行山山前平原夏玉米优化灌溉制度研究．中国生态农业学报，２００４，１２（１）：１４４⁃１４７．［８］㊀ＦａｎｇＱ，ＭａＬ，ＹｕＱ，ＡｈｕｊａＬＲ．，ＭａｌｏｎｅＲＷ，ＨｏｏｇｅｎｂｏｏｍＧ．Ｉｒｒｉｇａｔｉｏｎｓｔｒａｔｅｇｉｅｓｔｏｉｍｐｒｏｖｅｔｈｅｗａｔｅｒｕｓｅｅｆｆｉｃｉｅｎｃｙｏｆｗｈｅａｔ–ｍａｉｚｅｄｏｕｂｌｅｃｒｏｐｐｉｎｇｓｙｓｔｅｍｓｉｎＮｏｒｔｈＣｈｉｎａＰｌａｉｎ．ＡｇｒｉｃｕｌｔｕｒａｌＷａｔｅｒＭａｎａｇｅｍｅｎｔ，２０１０，９７（８）：１１６５⁃１１７４．［９］㊀ＨｅＪＱ，ＤｕｋｅｓＭＤ，Ｈｏｃｈｍｕｔｈ，ＧＪ，ＪｏｎｅｓＪＷ，ＧｒａｈａｍＷＤ．ＩｄｅｎｔｉｆｙｉｎｇｉｒｒｉｇａｔｉｏｎａｎｄｎｉｔｒｏｇｅｎｂｅｓｔｍａｎａｇｅｍｅｎｔｐｒａｃｔｉｃｅｓｆｏｒｓｗｅｅｔｃｏｒｎｐｒｏｄｕｃｔｉｏｎｏｎｓａｎｄｙｓｏｉｌｓｕｓｉｎｇＣＥＲＥＳ⁃Ｍａｉｚｅｍｏｄｅｌ．ＡｇｒｉｃｕｌｔｕｒａｌＷａｔｅｒＭａｎａｇｅｍｅｎｔ，２０１２，１０９：６１⁃７０．［１０］㊀ＪｏｎｅｓＪＷ，ＨｏｏｇｅｎｂｏｏｍＧ，ＰｏｒｔｅｒＣＨ，ＢｏｏｔｅＫＪ，ＢａｔｃｈｅｌｏｒＷＤ，ＨｕｎｔＬＡ，ＷｉｌｋｅｎｓＰＷ，ＳｉｎｇｈＵ，ＧｉｊｓｍａｎＡＪ，ＲｉｔｃｈｉｅＪＴ．ＴｈｅＤＳＳＡＴｃｒｏｐｐｉｎｇｓｙｓｔｅｍｍｏｄｅｌ．ＥｕｒｏｐｅａｎＪｏｕｒｎａｌｏｆＡｇｒｏｎｏｍｙ，２００３，１８（３／４）：２３５⁃２６５．［１１］㊀宋利兵，陈上，姚宁，冯浩，张体彬，何建强．基于ＧＬＵＥ和ＰＥＳＴ的ＣＥＲＥＳ⁃Ｍａｉｚｅ模型调参与验证研究．农业机械学报，２０１５，４６（１１）：９５⁃１１１．［１２］㊀姜志伟，武雪萍，华珞，蔡典雄，逄焕成，吴会军，姜涛，郑妍，李银坤．洛阳旱地夏玉米生产潜力长周期定量模拟与评价．生态学报，２００９，２９（１）：３１５⁃３２４．［１３］㊀ＹａｎｇＹＭ，ＹａｎｇＹＨ，ＭｏｉｗｏＪＰ，ＨｕＹＫ．ＥｓｔｉｍａｔｉｏｎｏｆｉｒｒｉｇａｔｉｏｎｒｅｑｕｉｒｅｍｅｎｔｆｏｒｓｕｓｔａｉｎａｂｌｅｗａｔｅｒｒｅｓｏｕｒｃｅｓｒｅａｌｌｏｃａｔｉｏｎｉｎＮｏｒｔｈＣｈｉｎａ．ＡｇｒｉｃｕｌｔｕｒａｌＷａｔｅｒＭａｎａｇｅｍｅｎｔ，２０１０，９７（１１）：１７１１⁃１７２１．［１４］㊀戴明宏，赵久然，ＣｌａｕｐｅｉｎＷ，王璞．基于ＣＥＲＥＳ⁃Ｍａｉｚｅ模型春玉米水分优化管理决策．水土保持学报，２００９，２３（１）：１８７⁃１９２．［１５］㊀ＪｉａｎｇＹＷ，ＺｈａｎｇＬＨ，ＺｈａｎｇＢＱ，ＨｅＣＳ，ＪｉｎＸ，ＢａｉＸ．ＭｏｄｅｌｉｎｇｉｒｒｉｇａｔｉｏｎｍａｎａｇｅｍｅｎｔｆｏｒｗａｔｅｒｃｏｎｓｅｒｖａｔｉｏｎｂｙＤＳＳＡＴ⁃ｍａｉｚｅｍｏｄｅｌｉｎａｒｉｄｎｏｒｔｈｗｅｓｔｅｒｎＣｈｉｎａ．ＡｇｒｉｃｕｌｔｕｒａｌＷａｔｅｒＭａｎａｇｅｍｅｎｔ，２０１６，１７７：３７⁃４５．［１６］㊀郑辉．浚县现代农业发展研究［Ｄ］．武汉：华中师范大学，２０１４．［１７］㊀杜汛雨．基于ＤＳＳＡＴ模型的华北地区冬小麦最优灌溉方案研究 以栾城为例［Ｄ］．石家庄：河北师范大学，２０１６．［１８］㊀鲁如坤．土壤农业化学分析方法．北京：中国农业科技出版社，２０００．［１９］㊀ＨｅＪ，ＤｕｋｅｓＭＤ，ＪｏｎｅｓＪＷ，ＧｒａｈａｍＷＤ，ＪｕｄｇｅＪ．ＡｐｐｌｙｉｎｇｇｌｕｅｆｏｒｅｓｔｉｍａｔｉｎｇＣＥＲＥＳ⁃Ｍａｉｚｅｇｅｎｅｔｉｃａｎｄｓｏｉｌｐａｒａｍｅｔｅｒｓｆｏｒｓｗｅｅｔｃｏｒｎｐｒｏｄｕｃｔｉｏｎ．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＡＳＡＢＥ，２００９，５２（６）：１９０７⁃１９２１．［２０］㊀ＬｉｕＳ，ＹａｎｇＪＹ，ＤｒｕｒｙＣＦ，ＬｉｕＨＬ，ＲｅｙｎｏｌｄｓＷＤ．Ｓｉｍｕｌａｔｉｎｇｍａｉｚｅ（ＺｅａｍａｙｓＬ．）ｇｒｏｗｔｈａｎｄｙｉｅｌｄ，ｓｏｉｌｎｉｔｒｏｇｅｎｃｏｎｃｅｎｔｒａｔｉｏｎ，ａｎｄｓｏｉｌｗａｔｅｒｃｏｎｔｅｎｔｆｏｒａｌｏｎｇ⁃ｔｅｒｍｃｒｏｐｐｉｎｇｅｘｐｅｒｉｍｅｎｔｉｎＯｎｔａｒｉｏ，Ｃａｎａｄａ．ＣａｎａｄｉａｎＪｏｕｒｎａｌｏｆＳｏｉｌＳｃｉｅｎｃｅ，２０１４，９４（３）：４３５⁃４５２．［２１］㊀陈丹丹，李国强，张杰，臧贺藏，胡峰，郑国清．基于ＤＳＳＡＴ模型的河南省冬小麦需水量分析．河南农业科学，２０１７，４６（２）：１５３⁃１６０．［２２］㊀王德梅，于振文．灌溉量和灌溉时期对小麦耗水特性和产量的影响．应用生态学报，２００８，１９（９）：１９６５⁃１９７０．［２３］㊀黄仲冬，齐学斌，樊向阳，乔冬梅，李中阳，梁志杰．降雨和蒸散对夏玉米灌溉需水量模型估算的影响．农业工程学报，２０１５，３１（５）：８５⁃９２．［２４］㊀徐世昌，戴俊英，沈秀瑛，王莲芝，崔钦，朱玉伦．水分胁迫对玉米光合性能及产量的影响．作物学报，１９９５，２１（３）：３５６⁃３６３．［２５］㊀曹云者，宇振荣，赵同科．夏玉米需水及耗水规律的研究．华北农学报，２００３，１８（２）：４７⁃５０．［２６］㊀刘存寿，谷洁．灌溉对渭北塬区冬小麦水分利用效率与增产潜力的影响．干旱地区农业研究，１９９８，１６（１）：９０⁃９３．［２７］㊀邓西平．渭北地区冬小麦的有限灌溉与水分利用研究．水土保持研究，１９９９，６（１）：４１⁃４６．［２８］㊀张岁岐，山仑．植物水分利用效率及其研究进展．干旱地区农业研究，２００２，２０（４）：１⁃５．［２９］㊀李峰平，章光新，董李勤．气候变化对水循环与水资源的影响研究综述．地理科学，２０１３，３３（４）：４５７⁃４６４．［３０］㊀陈上，窦子荷，蒋腾聪，李华龙，马海姣，冯浩，于强，何建强．基于聚类法筛选历史相似气象数据的玉米产量ＤＳＳＡＴ⁃ＣＥＲＥＳ⁃Ｍａｉｚｅ预测．农业工程学报，２０１７，３３（１９）：１４７⁃１５５．ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ。