地形對漫川漫崗黑土區大豆產量的影響

侯淑濤，崔 楊，孟令華，武丹茜，錢 蕾，鮑依臨，葉 強，劉煥軍,

地形對漫川漫崗黑土區大豆產量的影響

侯淑濤1，崔 楊1，孟令華2，武丹茜1，錢 蕾1，鮑依臨1，葉 強1，劉煥軍1,2※

（1. 東北農業大學公共管理與法學院，哈爾濱 150030； 2. 中國科學院東北地理與農業生態研究所，長春 130012）

為研究黑土區田塊尺度地形對大豆產量造成的影響，在海倫東興合作社具有明顯地形起伏的地塊，采集大豆田間試驗數據，考慮溫度、太陽輻射、坡度、土壤養分等因素，運用作物生長模型DSSAT（Decision Support System for Agrotechnology Transfer）模型對各樣點進行參數率定及驗證，得出以下結論：1）DSSAT模型的模擬產量與實際產量的相對均方根誤差為7.9%，模擬結果表現為優，表明運用作物模型模擬不同地形上的產量變異具有可行性；2）地形通過影響作物生長環境因子的時空差異決定產量差異，田塊尺度溫度、水分和坡度是影響產量差異的主要因素；3）坡頂和坡底的產量相對較高，且產量變異性較小，陽坡雖然接收到更多的光照，卻由于水分脅迫造成減產，坡底和平緩坡頂水肥保持較好，易獲得高產。研究成果為田間精細管理與田塊尺度耕地高效利用提供科學依據。

地形；溫度；坡度；DSSAT模型；黑土區；大豆；產量

0 引 言

作物生長過程是涉及品種、土壤、地形、氣候、管理方式等眾多因素的復雜系統過程。作物產量的空間變異性成因分析一直是農業生產研究中的熱點問題[1]，農田的地形特征是其形成作物產量變異的重要因素之一[2]。地形能夠通過影響土壤水熱分布狀況和養分分布，對作物生產力造成直接或間接的影響。針對黑土區由地形造成的作物產量差異這一問題已經取得一些成果，但大部分都是采用的傳統田間試驗方法，這種方法在實際應用中會受到較多人為因素或天氣因素的干擾，費時費力，普適性較低。

作物生長模型能夠在單點尺度上依靠模型內部的物理過程和動力學機制，以特定時間步長進行作物生長發育期間各類參數的動態模擬，可對作物長勢及產量變化提供內在機理解釋[3]。研究表明，作物生長模型在區域化模擬、農業管理方式優化、產量預測和災害風險評估等方面的研究日臻成熟[4-6]。模型應用于大尺度范圍時，對造成不同地塊產量差異的原因分析多側重于土壤屬性[7]和氣候[8]的差異上，而在田塊尺度和農場尺度的研究中，大多是探究管理措施和栽培品種對產量和作物品質的影響，運用作物生長模型分析地形對產量影響的研究還相對較少。DSSAT（Decision Support System for Agrotechnology Transfer）模型是目前應用最廣泛的模型之一，它能夠逐日模擬作物生長發育全過程，計算各因素對生長結果的影響，可用于不同的試驗對象和目的[9]，DSSAT模型能夠較好地模擬作物產量的空間變異性[10]。

本文選取黑土區典型漫川漫崗地塊為研究區，將作物生長模型、大田試驗和田間調查等方法綜合應用于產量差的研究，在對DSSAT模型進行參數本地化的基礎上，模擬田塊尺度不同地形樣點的作物生長發育過程，并對其中差異作出解釋，用以探究該地區田塊尺度地形等生長環境因素和作物產量的關系，以期為黑土區田塊尺度耕地高效利用提供依據。

1 研究區概況及數據來源

1.1 研究區概況

研究區位于黑龍江省綏化市海倫東興農機合作社，地處中國東北黑土分布區中部，屬寒溫帶大陸性氣候，四季分明，全年平均降水量500～600 mm，年活動積溫為2 200～2 400 ℃，地處典型黑土區，漫川漫崗。研究區海拔為235～247 m，面積約為10.20 hm2，中心地塊經緯度為47°25'24"N、126°55'06"E，降水主要集中在6－9月，降雨量為422 mm，地形起伏明顯，陽坡、坡頂、陰坡、坡底等不同地形位置上土壤侵蝕程度不同，田塊內部土壤養分、水分空間差異明顯，作物長勢差異大，相同的管理方式下，田間不同空間位置地上干生物量和產量差異明顯[11-12]。

1.2 試驗設計

田塊尺度定義為同一權屬下，連片耕作、統一田間管理方式的地塊。從研究的角度，人為因素（種肥藥、耕作栽培等）影響可以忽略不計。對于不同的地區、不同生產經營規模，田塊尺度可以能從幾十公頃到幾分地大小不等。選擇大豆作為供試作物，采取統一的田間管理方式。在獲取研究區高精度地形數據的基礎上，選擇研究區內地勢起伏明顯且歷年長勢差異明顯的地塊，按照壟向自北向南劃定3個斷面，兼顧地形特點均勻布設16個采樣點（圖1），覆蓋陽坡、坡頂、陰坡、坡底不同位置，并在對應樣點（D1～D4）分別埋設4個土壤溫濕度傳感器，以觀測不同坡面位置土壤溫度、濕度的時空差異。監測各樣點作物生長期內的作物生長狀況及最后產量情況，并從16個采樣點中隨機選取不同地形特征的7個樣點對模型進行調參，其他樣點作為驗證集，最后結合地形因素進行對比分析。

圖1 研究區及樣點位置

1.3 數據來源

1.3.1 地形數據

2016年5月27日，使用定位精度為厘米級的海星達iRTK對研究區進行實地測量，得到94個精準坐標和高程點，在ArcGIS中生成TIN圖層，進而轉成3.38 m空間分辨率的高精度DEM柵格數據（圖2a），提取各樣點高程、坡度、坡向等地形數據。各樣點坡度用來計算DSSAT模型土壤模塊中的地表徑流曲線數，以模擬降水在地表徑流中的分配和滲透[13]。以正北方向為0°，北向順時針方向以45°為間隔將坡向逐級劃分為8類（圖2b），根據研究區實際情況劃分東南坡和南坡為陽坡，東北坡為陰坡。選取位于各壟線海拔較高處且坡度<1.5°的平緩地塊為坡頂，坡腳地形轉折處為坡底，以此作為坡位劃分依據。陽坡采樣點5個，坡頂3個，陰坡5個，坡底3個。

圖2 研究區坡向和iRTK采樣點分布圖

1.3.2 氣象數據

假設3 是本文的主要觀點。本文通過兩步進行驗證。在回歸模型(1)的基礎上，考察金融發展如何影響金融開放與經濟增長的關系，同時為了提高本文結論的可信度，另外考察新古典經濟理論框架下技術外溢和資本積累因素對金融開放經濟增長效益的影響，因此分別加入三個交叉項得到回歸模型(2)。

本研究所需要的氣象數據自中國氣象科學數據共享服務網下載得到，主要包括海倫站2016年逐日最高溫、最低溫、降水量、日照時數等氣象要素數據。DSSAT模型所需的氣象輸入參數為日總輻射量，而海倫氣象站觀測數據為日照時數，采用式（1）Angstrom方程[14]所描述的太陽總輻射與日照時數關系，利用氣象站獲得的日照時數觀測數據計算該地區太陽總輻射。

式中為太陽總輻射，MJ/(m2·d)；max為天文輻射；a、b為經驗系數（東北地區a為0.193，b為0.537[15]）；為逐日實際日照時數，h；為晝長，h；天文輻射和晝長根據緯度和日序計算。另外，樣點范圍內埋設的傳感器所獲取樣點生長期內日溫度極值，能夠作為氣象數據的補充。由于地形狀況會在很大程度上決定地表熱量分布情況[16]，因此有必要分析不同地形下的太陽輻射對作物生長造成的影響。在ArcGIS中根據地形和仰視半球視域范圍算法[17]生成種植期間地面接收的潛在太陽輻射總量圖，得到不同樣點間的太陽輻射比值，結合當地逐日太陽輻射量求得不同樣點間的全年逐日太陽輻射量。

1.3.3 田間數據

研究區供試土壤為黑土，土壤數據從中國土壤數據庫中獲取[18]，作為作物模型土壤模塊的驅動數據，年份為2010年。田間管理數據來源于田間試驗。研究區于4月20－25日統一施用基肥，由于大豆為固氮作物，自5月10日播種后不再對其進行追肥。為比較經過水肥運移后各樣點實際接收的肥量，于6月在各樣區未種植作物區域采集土樣養分數據，與播種前期采集的土壤數據進行運算，來換算不同樣點的實際接收肥料數據。研究區施行順坡種植方式，南北種植，大壟3行，種植深度4 cm，播種35萬株/hm2。逐月獲取各樣點的葉面積指數（Leaf Area Index，LAI）和地上部生物量、植株元素含量等數據，大豆于10月1日收獲，統計各樣點的產量結果，測定各樣點的籽粒質量、百粒質量、粒數等用于調整品種參數。生物量是監測作物長勢的重要指標，單位面積的大豆地上部生物量平均值計算方式如下：

式中W表示第個樣區單位面積內大豆地上干生物量，g/m2；（株）為樣區內被割取稱質量的大豆株數；w表示第個樣區單位面積內隨機割取的大豆總干質量，g；（株）為樣區單位面積內大豆總株數。

1.4 作物生長模型

1.4.1 DSSAT模型

作物生長模型是以作物生長發育過程及群體質量為主要內容，動態、定量地描述作物生理生態的農業數學模型[19]。針對不同研究目的應當選擇合適的作物生長模型。DSSAT模型作為世界上應用最廣泛的模型之一，可模擬27種作物，且實現了作物模塊的獨立化，相較APSIM（Agricultural Production Systems Simulator）模型等能更加突出植被的機理化表達[20]。將土壤、氣象、栽培管理等參數輸入DSSAT模型，能模擬得到作物生長發育、產量形成、氮平衡等一系列結果。

1.4.2 品種參數調試

為驗證研究地塊產量的空間差異性和地形有關，首先設置該樣點的土壤初始條件為單一變量，用率定后的參數對各樣點進行模擬，模擬后發現模擬結果與實測值差異較大，且不同樣點間差異收斂，樣點間的變化趨勢不吻合。考慮到該地塊田間管理措施一致，地形造成的作物生長環境差異是產生產量空間差異性的唯一變量。而地形引起的環境差異主要包括太陽輻射、溫度、土壤養分的流失和沉積。為探究造成田塊尺度內部產量差異的原因，分別以各樣點內的溫度、太陽輻射、地表徑流（模型中坡度的表達形式）、土壤水氮含量、施肥、初始土壤條件（包括土壤有機碳、速效磷、可交換鉀）為不同條件進行單一變量的模型模擬，統計分析產量模擬結果。用樣點產量模擬結果標準差的比值來體現各單一變量對產量變異性的貢獻程度。

表1 DSSAT模型輸入的大豆品種參數

1.4.3 模型評價

本次研究采用作物生長模型、大田試驗和田間取樣調查相結合的方法。研究中利用DSSAT模型模擬了試驗地塊中位于不同地形的樣點的產量變化。研究采用2、相對誤差（Relative Error，RE）和相對均方根誤差（Normalized Root Mean Square Error，nRMSE）作為檢驗模型模擬值和實測值之間總體差異程度的指標[22]，用來驗證作物品種參數的精確度及模型在該地塊運用的適宜性程度。一般認為，nRMSE≤10%，為極好；10%＜nRMSE≤20%，為好；20%＜nRMSE≤30%，為中等；nRMSE＞30%為差。RE越接近0，證明模擬值與實測值的一致性越好。

2 結果與分析

2.1 黑土區田塊尺度大豆長勢與環境因素時空變異特征

根據研究區不同坡位特征，選取具有陽坡、坡頂、陰坡和坡底連續地形變化的采樣點，統計不同地形坡位上的采樣點的生物量、堿解氮含量、土壤含水率（圖3）。由圖3a可見，7月中旬不同坡位的生物量均值坡底＞陽坡＞陰坡＞坡頂，8月中旬坡頂的生物量明顯提升，而陽坡生物量最低，同時陽坡的土壤堿解氮含量（圖3b）和土壤含水率（圖3c）也相對較低，說明該時期大豆生長受到更多的水分脅迫，阻礙植株發育。土壤表層（地下0～5 cm土層）含水率隨地形變化明顯，且不同月份的含水率差異較大，而土壤深層（地下10～15 cm）含水率隨時間和空間的變化都較為穩定，作物生長期內不同坡位的含水率變化具有一致性。地形坡度、高程等影響著土壤水肥再分配，大豆生長期內坡底具有明顯的水分優勢，同時，大豆生長期內坡底的土壤含水率和堿解氮均值皆為各坡位最高值，陽坡均值為最低值，作物生長后期土壤堿解氮含量明顯下降。在田間管理措施均一化的田塊尺度上，大豆生長期內不同坡位的生物量和土壤含水率、堿解氮含量具有明顯差異，說明地形是造成該地區產量差異的重要原因。

圖3 大豆生長期內生物量、土壤堿解氮及含水率隨地形的變化

2.2 DSSAT模型在田塊尺度的適用性

利用氣象數據、土壤數據、田間管理參數和率定后的作物品種參數驅動DSSAT模型，獲得模型模擬的大豆生長過程數據，輸出模型模擬的產量、LAI和地上部生物量進行分析。表2為產量實測值和模擬值的統計特征值，各樣點取樣實測值為1 495～2 351 kg/hm2，模擬值為1 743～2 256 kg/hm2，產量模擬值均值較實測值高3.87%，產量實測值和模擬值變異系數CV（標準差/均值）分別為0.107和0.056。研究區模擬產量與實際產量的2=0.62，nRMSE為7.9%，小于10.0%，表現為優；LAI的nRMSE為16.2%，地上部生物量的nRMSE為18.7%，均小于20%且大于10%，表現為良好。研究區各樣點模型模擬值和實測值RE較小，均小于20%，且RE小于10%的樣點數量占總樣點總數的75%。

表2 產量模擬值和實測值統計特征值

圖4為不同坡位樣點的實測產量和模擬產量對比情況，從圖4中能夠看出，不同樣點間實測產量和模擬產量的變化趨勢具有一致性，模型模擬結果能夠反映不同坡位的產量變化。可見，率定后的DSSAT模型能夠模擬本研究區域的大豆產量，可用于不同地形條件對大豆生長的影響研究。

圖4 不同樣點的實測大豆產量和模擬產量對比

2.3 地形對作物產量的影響分析

用DSSAT模型模擬單一變量的產量結果，用樣點間產量標準差的比值來體現不同變量對大豆產量的影響程度，結果表明田塊尺度各影響因子對大豆產量影響由大到小為溫度、地表徑流、太陽輻射、土壤水氮含量或初始土壤條件、施肥（圖5）。可見，在田塊尺度溫度和坡度對產量造成的影響最大。溫度增加能夠縮短大豆物候期，并對大豆的干物質積累產生影響。而地形坡度決定地表徑流，從而影響土壤水肥資源再分配。傳感器獲取的溫度數據顯示陽坡與陰坡溫度差異最大的時期為6月中下旬，該時期降水頻繁，坡面養分匯集到坡底，同時陰坡光熱條件較差，抑制大豆生長。

圖5 各影響因子造成的產量標準差比值

對樣點實測和模擬產量分別進行統計分析（表3），各坡位產量均值由大到小為坡頂、坡底或陰坡、陽坡，而標準差和CV值則正相反，不同坡位的模擬產量結果與實際產量結果的響應一致。模型模擬產量結果總體偏高，同時坡頂的實際產量和模擬產量的標準差和變異系數都偏小，這是由于坡頂較為平緩，坡度較小，水肥保持能力好，有利于作物生長發育。

表3 不同坡位的產量模擬值和實測值統計特征值

2.4 太陽輻射對產量的影響分析

在DSSAT模型中設置太陽輻射為單一變量，用于探究不同地形條件下太陽輻射對作物生長發育造成的影響。通過太陽輻射總量數據（圖6）能夠得到，不同坡面獲得的太陽輻射量陽坡＞坡頂＞陰坡，陽坡光照條件最好。在5、6月，大豆處于出苗、拔節期，研究區地處黑土區，土壤肥沃，此時降水充足，且開花期前需水量較小[23]，該時期大豆生長很少受到水分脅迫，此期間大豆地上部生物量和LAI皆為陽坡均值＞坡頂均值＞陰坡均值＞坡底均值（表4），與太陽輻射量呈正比。7月上旬，大豆進入開花期，開花期前期模型模擬地上部生物量、LAI與太陽輻射皆呈極顯著正相關，相關系數最高時分別為0.983（<0.01）（大豆種植后第67天）、0.904（<0.01）（大豆種植后第63天）。大豆進入結莢鼓粒期后，作物需水量增加，該時期溫度持續升高，但降水量相對下降，陽坡由太陽輻射造成的干旱脅迫較其他坡位嚴重，阻礙植株發育，地上部生物量和LAI較低，逐漸失去生長優勢。此時坡底水肥條件較好，植株存在貪青晚熟的現象。最終產量情況與8月13日地上部生物量呈極顯著正相關，相關系數為0.691（<0.01）。

圖6 研究區大豆種植期間太陽輻射總量

表4 不同坡位的生物量均值和葉面積指數均值

3 討 論

黑土區漫川漫崗，地形起伏明顯，空間變異性大，當前關于地形與作物產量的關系研究大多采用傳統田間試驗的方法，這樣的研究方法缺乏對作物生長過程的時空連續性探討。本文在各坡位劃分不同樣區進行實地采樣，在對作物品種參數調試和校正的基礎上，運用DSSAT模型進行各樣區的產量模擬結果和產量實測值一致性較好，表明該模型在研究地形對產量的影響方面具有適用性。

研究結果表明，模型對于不同坡位的產量模擬較為準確，但個別樣點的模擬結果尚有不足。這是由于作物模型是一個單點尺度的模型，無法模擬連續地形位置的水肥運移，即陰坡和坡底由于水分蒸發較少，會形成水分沉積，而模擬過程未對三維的水分運移加以考慮，加上水分是制約大豆生長的主要因子之一[24]，因此會造成該區域模擬值與實際值有一定差異。

本文研究發現，在田塊尺度下溫度和坡度對產量造成的影響最大。這是由于地形影響區域內部太陽輻射及水分的空間分布格局，能夠營造局部小氣候，造成區域內溫度差異，溫度會影響大豆生育進程，積溫增加能夠縮短生育日數，并能通過影響大豆生長速度和干物質積累過程造成產量差異[25-27]。但是模型模擬的不同樣點開花期和結莢期只有0～2 d的差異，不能完全反映溫度對大豆物候期造成的影響。這是由于DSSAT模型在模擬作物物候期時更多的是考慮由溫度和光周期等環境因子造成的影響，而對水分脅迫等的次級作用缺乏考慮[28]。而地形坡度越大，降水形成的徑流越大，土壤保肥保水能力減弱，容易導致水肥流失，不利于作物生長發育[29-30]。本文結果顯示在田塊尺度土壤初始條件作為影響因子對大豆產量變異性的貢獻度較低，原因是大豆播種前施用了基肥，若沒有地形造成的水肥運移，田塊內部土壤養分能夠基本滿足大豆生長需求。另外，本研究是針對黑土區田塊尺度平水年的1 a多點試驗，對于豐水年、缺水年或其他氣候特殊年份是否與本研究結論一致還需要進行進一步研究討論。本文研究發現，結莢鼓粒期大豆需水量增加，陽坡光照充足、土壤含水率少，會造成減產，而坡底的土壤含水率和堿解氮含量較高，能夠滿足作物生長需求，因此可以在該時期適當采取灌溉措施以提高大豆產量。

綜上，DSSAT模型在模擬不同地形條件下的大豆產量還存在一定的局限性。在下一步研究中，將利用多年遙感影像或Hydrus模型與作物模型進行同化研究，并且加入對水分的考慮，來探究地形造成的連續性的產量變化，以增強其在地形起伏地區的適應性，有利于更精準研究產量隨地形的變化。

4 結 論

利用典型黑土區不同地形條件下的大豆田間試驗數據，對DSSAT模型進行參數率定及驗證，用以模擬不同地形樣點內作物的生長發育連續性狀況，分析大豆產量對地形的響應。研究得出以下結論：

1）DSSAT模型模擬產量與實際產量的相對均方根誤差為7.9%，表明模型能夠較為準確地模擬黑土區田塊尺度不同地形條件下各樣點的產量狀況，該模型在研究產量與地形的問題時具有適用性；

2）受地形對水肥的二次分配影響，田塊尺度溫度和坡度對大豆產量差異性的貢獻程度高于土壤初始條件；

3）試驗在考慮實際生產過程中的水肥運移規律的基礎上，利用DSSAT模型獲得連續的作物生長過程數據，較常規小區試驗更能準確模擬地塊內部產量差異。研究成果可為農田精細化管理與田塊尺度耕地高效利用提供科學依據。

[1] 張曉光，黃標，張貝爾，等.鹽漬化平原區玉米產量空間變異與地形關系研究[J]. 農業機械學報，2012，43(11)：51-57.

Zhang Xiaoguang, Huang Biao, Zhang Beier,et al. Spatial variability of maize yield and relations to terrain attributesin salinized plain region[J]. Transactions of the Chinese Society for Agricultural Machinery, 2012, 43(11): 51-57. (in Chinese with English abstract)

[2] 鄭海峰，趙新峰，馬巖. 地形和土壤屬性對大豆產量的影響[J]. 土壤通報，2008，39(6)：1348-1352.

Zhao Haifeng, Zhao Xinfeng, Ma Yan. Soybean yields related to topography and soil properties[J]. Chinese Journal of Soil Science, 2008, 39(6): 1348-1352. (in Chinese with English abstract)

[3] 黃健熙，黃海，馬鴻元，等. 遙感與作物生長模型數據同化應用綜述[J]. 農業工程學報，2018，34(21)：144-156.

Huang Jianxi, Huang Hai, Ma Hongyuan, et al. Review on data assimilation of remote sensing and crop growth models[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(21): 144-156. (in Chinese with English abstract)

[4] 陳小民，崔紅，劉志銘，等.作物模型在我國玉米生產中的研究與應用[J]. 玉米科學，2018，26(3)：115-120.

Chen Xiaomin, Cui Hong, Liu Zhiming, et al. Research and application on maize production by crop models in China[J]. Journal of Maize Sciences. 2018, 26(3): 115-120. (in Chinese with English abstract)

[5] 羅毅，郭偉. 作物模型研究與應用中存在的問題[J]. 農業工程學報，2008，24(5)：307-312.

Luo Yi, Guo Wei. Development and problems of crop models[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008, 24(5): 307-312. (in Chinese with English abstract)

[6] 劉建剛，褚慶全，王光耀，等. 基于 DSSAT 模型的氮肥管理下華北地區冬小麥產量差的模擬[J]. 農業工程學報，2013，29(23)：124-129.

Liu Jiangang, Chu Qingquan, Wang Guangyao, et al. Simulating yield gap of winter wheat in response to nitrogen management in North China Plain based on DSSAT model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(23): 124-129. (in Chinese with English abstract)

[7] 楊永輝，武繼承，丁晉利，等. DSSAT模型對長期保護性耕作與土壤改良措施下玉米生長過程的模擬及驗證[J]. 河南農業科學，2017，46(12)：149-158.

Yang Yonghui, Wu Jicheng, Ding Jinli, et al. Simulation and verification of the effects of DSSAT model in maize growth process under long-term conservation tillage and soil improvement measures[J]. Journal of Henan Agricultural Sciences, 2017, 46(12): 149-158. (in Chinese with English abstract)

[8] 文新亞，陳阜. 基于DSSAT模型模擬氣候變化對不同品種冬小麥產量潛力的影響[J]. 農業工程學報，2011，27(增刊2)：74-79.

Wen Xinya, Chen Fu. Simulation of climatic change impacts on yield potential of typical wheat varieties based on DSSAT model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(Supp.2): 74-79. (in Chinese with English abstract)

[9] Liu Hailong, Liu Hongbin, Lei Qiuliang, et al. Using the DSSAT model to simulate wheat yield and soil organic carbon under a wheat-maize cropping system in the north china plain[J]. Journal of Integrative Agriculture, 2017, 16(10): 2300-2307.

[10] Jirí ?im?nek, Genuchten M T V, Miroslav ?ejna. Development and applications of the HYDRUS and STANMOD software packages and related codes[J]. Vadose Zone Journal, 2008, 72(9): 587-600.

[11] 劉煥軍，潘越，竇欣，等. 黑土區田塊尺度土壤有機質含量遙感反演模型[J]. 農業工程學報，2018，34(1)：127-133.

Liu Huanjun, Pan Yue, Dou Xin, et al. Soil organic matter content inversion model with remote sensing image in field scale of blacksoil area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(1): 127-133. (in Chinese with English abstract)

[12] 張新樂，徐夢園，劉煥軍，等. 引入地形因子的黑土區大豆干生物量遙感反演模型及驗證[J]. 農業工程學報，2017，33(16)：168-173.

Zhang Xinle, Xu Mengyuan, Liu Huanjun, et al. Remote sensing inversion models and validation of aboveground biomass in soybean with introduction of terrain factors in black soil area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(16): 168-173. (in Chinese with English abstract)

[13] Fry J, Guber A K, Ladoni M, et al. The effect of up-scaling soil properties and model parameters on predictive accuracy of DSSAT crop simulation model under variable weather conditions[J]. Geoderma, 2017, 287(287): 105-115.

[14] 童成立，張文菊，湯陽，等. 逐日太陽輻射的模擬計算[J]. 中國農業氣象，2005，26(3)：165-169.

Tong Chengli, Zhang Wenju, Tang Yang, et al. Estimation of daily solar radiation in China[J]. Agricultural Meteorology, 2005, 26(3): 165-169. (in Chinese with English abstract)

[15] 朱旭東，何洪林，劉敏，等. 近50年中國光合有效輻射的時空變化特征[J]. 地理學報，2010，65(3)：270-280.

Zhu Xudong, He Honglin, Liu Min, et al. Spatio-temporal variation characteristics of photosynthetically active radiation in China in recent 50 Years[J]. Acta Geographica Sinica, 2010, 65(3): 270-280. (in Chinese with English abstract)

[16] 王琛智，張朝，張靜，等.湖南省地形因素對水稻生產的影響[J]. 地理學報，2018，73(9)：1792-1808.

Wang Chenzhi, Zhang Zhao, Zhang Jing,et al. The effect of terrain factors on rice production: A case study in hunan province[J]. Acta Geographica Sinica, 2018, 73(9): 1792-1808. (in Chinese with English abstract)

[17] Pinde Fu, Paul M Rich. A geometric solar radiation model with applications in agriculture and forestry[J]. Computers and Electronics in Agriculture, 2002, 37(1): 25-35.

[18] 蔣憶文. DSSAT模型在黑河流域的適用性評價及節水灌溉應用研究[D]. 蘭州：蘭州大學，2016.

Jiang Yiwen. Modeling Irrigation Management for Water Conservation by DSSAT Model in the Heihe River Watershed[D]. Lanzhou: Lanzhou University, 2016. (in Chinese with English abstract)

[19] 曹宏鑫，趙鎖勞，葛道闊，等. 作物模型發展探討[J]. 中國農業科學，2011，44(17)：3520-3528.

Cao Hongxin, Zhao Suolao, Ge Daokuo, et al. Discussion on development of crop models[J]. Scientia Agricultura Sinica, 2011, 44(17): 3520-3528. (in Chinese with English abstract)

[20] 呂碩. 氣候變化對吉林梨樹縣春玉米的影響及品種適應研究[D]. 北京：中國農業大學，2016.

Lü Shuo. Analysis of Impacts of Climate Change on Spring Maize and Adaptation in Maize Cultivars in Lishu Jilin[D]. Beijing: China Agricultural University, 2016. (in Chinese with English abstract)

[21] 徐娜，黨廷輝. 基于DSSAT模型的冬小麥氮肥效應預測：以黃土高原溝壑區渭北旱塬為例[J]. 灌溉排水學報，2017，36(Supp.2)：147-154.

Xu Na, Dang Tinghui. Investigation of nitrogen fertilizer effects on winter wheat production based on the DSSAT Model: A case study at the Weibei dryland on the loess plateau[J]. Journal of Irrigation and Drainage, 2017, 36(Supp.2): 147-154. (in Chinese with English abstract)

[22] 楊靖民，楊靖一，Hoogenboom Gerrit. DSSAT作物模型的統計和圖形校驗方法[J]. 植物營養與肥料學報，2012，18(5)：1064-1072.

Yang Jingmin, Yang Jingyi, Hoogenboom Gerrit. Statistical and graphical methods for evaluation of DSSAT crop model[J]. Plant Nutrition and Fertilizer Science, 2012, 18(5): 1064-1072. (in Chinese with English abstract)

[23] 葛慧玲. 水分處理對大豆物質積累的影響及土壤水分模型構建[D]. 哈爾濱：東北農業大學，2013.

Ge Huiling. The Establishment of Soil Moisture Model and the Effect of Water Stress on Matter Accumulation andYield of Soybean[D]. Harbin: Northeast Agricultural University, 2013. (in Chinese with English abstract)

[24] Thao N P, Tran L S P. Potentials toward genetic engineering of drought-tolerant soybean[J]. Critical Reviews in Biotechnology, 2012, 32(4): 349-362.

[25] 孫培樂，寧海龍，陳東升，等. 春大豆不同播期的光溫生態特性[J]. 大豆科學，2010，29(6)：953-958.

Sun Peile, Ning Hailong, Chen Dongsheng, et al. Ecological character of light and temperature under different sowing date in spring soybean[J]. Soybean Science, 2010, 29(6): 953-958. (in Chinese with English abstract)

[26] He Liang, Jin Ning, Yu Qiang. Impacts of climate change and crop management practices on soybean phenology changes in China[J/OL]. Science of The Total Environment, 2020: 707.

[27] 柳芳，黎貞發. 降水量和積溫變化對天津冬小麥產量的影響[J]. 中國農業氣象，2010，31(3)：431-435.

Liu Fang, Li Zhenfa. Impacts of precipitation and accumulated temperature on winter wheat yield in Tianjin[J]. Chinese Journal of Agrometeorology, 2010, 31(3): 431-435. (in Chinese with English abstract)

[28] Mcmaster G S, White J W, Weiss A, et al. Simulating crop phenological responses to water deficits.[M]//Ahuja L R, Reddy V R, Saseendran S A, et al. Response of Crops to Limited Water: Understanding and Modeling Water Stress Effects on Plant Growth Processes. Madison: Book and Multimedia Publishing Committee, 2008: 277-300.

[29] 劉建華，李銘亮，蘇劍波，等.有機質含量、地形坡度對土壤保水效果及作物產量的影響[J]. 湖南農業科學，2017，46(1)：16-18.

Liu Jianhua, Li Mingliang, Su Jianbo, et al.?Effects of soil organic matter content ?and terrain slope on? soil moisture, crop yield[J]. Hunan Agricultural Sciences, 2017, 46(1): 16-18. (in Chinese with English abstract)

[30] 姜佰文，趙賽東，魏丹，等. 坡度和耕作措施對土壤侵蝕及大豆產量的影響[J]. 大豆科學，2015，34(2)：238-242.

Jinag Baiwen, Zhao Saidong, Wei Dan, et al. Effect of slope and tillage measures on soil erosion and yield of soybean[J]. Soybean Science, 2015, 34(2): 238-242. (in Chinese with English abstract)

Effects of terrain on soybean yields in rolling hilly black soil areas

Hou Shutao1, Cui Yang1, Meng Linghua2, Wu Danqian1, Qian Lei1, Bao Yilin1, Ye Qiang1, Liu Huanjun1,2※

(1.,,150030,; 2.,,130012,)

Soybean is widely cultivated in farmlands with irregular terrain in the northeast China. In this study, the influence of terrain on crop yield was investigated. Dongxing Cooperative of Hailun city in Heilongjiang Province was selected as the area of research. The study area was 10.20 hm2. The iRTK data were measured and utilized to produce the Digital Elevation Model (DEM) used for division of the sampling points’ slope position. The soil data and daily meteorological data were obtained. The soybean yield data along with the field management data at every sampling point during the growing season of soybean were also determined. The decision support system for agrotechnology transfer (DSSAT) model was used to simulate the soybean growth and development process. Seven sampling points with distinct terrain features were randomly selected from sixteen sampling points, and the data from the other sampling points were used for verification of the DSSAT model. Then the adjusted DSSAT model was used to simulate the development of soybean at each sampling point and its yield. In regards to temperature, slope, solar radiation, soil nutrients, etc., DSSAT model was put into use for yield results simulation under the condition of single factor discrepancy, and then the contribution degree of individual factor to the yield difference was examined. Data such as biomass, soil water content and soil alkali-hydrolyzed nitrogen content of each sampling point were collected during the soybean growth period, and the total solar radiation data of the study area was generated by DEM combined with the Angstrom equation. The results showed that the normalized root mean square error(nRMSE) for the simulated yield of the DSSAT model and the measured yield was 7.9%, indicating an excellent simulation. The nRMSE for leaf area index (LAI) and above-ground biomass simulation were 16.2% and 18.7%, respectively. It indicated that the DSSAT model was reliable for simulation of soybean yield, biomass and growth. The growing environment of soybean was affected by the terrain, which determined the spatial change of soybean yield. In comparison with the initial soil condition, the difference of soybean yield was more affected by temperature and slope. Compared with the other positions of slope, the soybean yield at the top and bottom of slope was higher and the yield variability was smaller. The water requirement for soybean increased during the pod-filling period of soybean and the soil water content was low in the sunny slope, which resulted in the decrease of yield. The high amount of alkali-hydrolyzed nitrogen content and soil water content were found at the bottom of the slope that could meet the needs of crop growth. Therefore, the appropriate irrigation measures should be taken to improve the soybean yield during this period. The analysis for crop yield gap could reveal the factors that restrict crop production. The outcomes of the research are conducive to the farmland’s fine operation during the precise management and can provide valuable information for field management.

terrain; temperature; slope; DSSAT model; black soil area; soybean; yield

侯淑濤，崔楊，孟令華，等. 地形對漫川漫崗黑土區大豆產量的影響[J]. 農業工程學報，2020，36(8)：88-95.doi：10.11975/j.issn.1002-6819.2020.08.011 http://www.tcsae.org

Hou Shutao, Cui Yang, Meng Linghua, et al. Effects of terrain on soybean yields in rolling hilly black soil areas[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(8): 88-95. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.08.011 http://www.tcsae.org

2020-01-14

2020-03-10

國家自然科學基金（41671438）；國家重點研發計劃（2016YFD0200600、2016YFD0200603）

侯淑濤，副教授，主要研究方向為土地利用與管理。Email：houst129@126.com

劉煥軍，博士，教授，主要從事土壤遙感研究。Email：huanjunliu@yeah.net

10.11975/j.issn.1002-6819.2020.08.011

S565.1; S126

A

1002-6819(2020)-08-0088-08