基于DSSAT CERES-Wheat模型的未來40年冬小麥最適播期分析

胡亞南 梁駒 梁社芳 李世娟 諸葉平 鄂越

摘要：在適播期內播種是促進小麥高產穩產的關鍵管理技術。為應對未來氣候變化帶來的不利影響，提高小麥高產優質主產區的冬小麥產量，本研究選取黃淮海和江淮地區作為研究區，并在研究區內選擇3個代表站點，利用DSSAT CERES-Wheat模型在基準時段和未來40年分別開展了4種典型濃度路徑的溫室氣體排放氣候情景（RCPs）、51個播期處理的模型模擬試驗，以明確未來冬小麥生育期內氣候要素和最適播期變化特征，定量分析采用最適播期管理措施對冬小麥的增產效應。分析試驗結果表明：未來冬小麥生育期內氣候特征呈現暖干化的趨勢;冬小麥生育期天數隨溫度升高而縮短，縮短天數在研究區地理空間上自北向南遞增;最適播期隨溫度升高而推遲，在各時段、各情景下均隨緯度減小而推遲;相對于基準時段，3個站點2030s時段的最適播期推遲最大天數分別自北向南遞增5d、8d和13d，2050s時段最適播期較2030s時段有不同程度的推遲，且各站點以2050s時段RCP8.5情景下的推遲天數最多;采取最適播期播種的管理措施，在3個站點均有不同程度的增產效應，黃淮海北片的增產效應最小，黃淮海南片和江淮地區增產幅度相對較高，集中在2%～4%之間。因此，未來黃淮海和江淮地區可采取推遲播期、選擇適播期的管理措施來應對氣候變暖情況，提高冬小麥產量。

關鍵詞：冬小麥;最適播期;氣候變化;RCPs;作物模型;黃淮海;江淮

中圖分類號：P467;S162.5文獻標志碼：A文章編號：202104-SA005

引用格式：胡亞南，梁駒，梁社芳，李世娟，諸葉平，鄂越.基于DSSAT CERES-Wheat模型的未來40年冬小麥最適播期分析[J].智慧農業（中英文），2021， 3（2）： 68-76.

HU Yanan， LIANG Ju， LIANG Shefang， LI Shijuan， ZHU Yeping， E Yue. Optimum sowing date of winter wheat in next 40 years based on DSSAT-CERES-Wheat model[J]. Smart Agriculture， 2021， 3（2）： 68-76. （in Chinese with English abstract）

1引言

小麥是世界上廣泛種植的糧食作物之一。在中國，小麥不僅是主要口糧作物之一，還是重要的商品糧和戰略儲備糧，在國家糧食安全中地位突出[1，2]。隨著小麥生產區域格局的演變，黃淮海和江淮冬麥區作為中國小麥主產區和優勢區，其重要性更加突出[2-4]，亦逐漸成為中國優質小麥產區[5]。統計資料顯示，2014年，黃淮海和江淮冬麥區冬小麥總產量和種植面積分別占全國的88%和83%[6]，在中國小麥生產中有著重要地位。隨著工業革命的發展，1986—2005年全球地表平均氣溫較百年前上升0.61℃[7]。氣候變化和氣象災害放緩了農業生產力提升速率[8，9]，使糧食作物生產面臨著應對人口增長和保障糧食安全的雙重難題[10]，促使氣候變化對作物的影響研究成為焦點，而氣候變化對小麥的影響研究是該研究領域工作最全面的方向之一[11]。

調整播期是被全球廣泛采用的應對氣候變化的有效措施之一。Olesen等[12]研究認為，過去數十年間歐洲農民通過改變種植時間來主動適應氣候變化。Ruiz-Ramos等[13]利用作物模型對西班牙的單個小麥種植點開展多種適應措施的模擬研究，結果表明采取提前播期的單一適應措施就能具有較高的適應潛力。在澳大利亞，小麥種植借助提早播種適應措施即可實現產量增加[14]。而在中國，過去60年有利于小麥生長的適應措施則為推遲播期[15]。由此可見，適宜的小麥播期調整方式在世界各地差異明顯。另外，已有研究表明，溫度升高使得小麥生育期縮短和減產[16]。冬小麥適期播種可促進小麥全生育期生長發育和保證其壯苗，并為高產穩產奠定基礎[15，17]。冬前溫度升高導致冬小麥冬前旺長，易發生麥田受寒而影響產量[18]，選擇適宜的播期可以規避受氣象災害影響的風險[14，19]。

前人對適宜播期的研究方法主要基于大田試驗、氣象統計分析和作物模型模擬。田間試驗研究因受試驗量大和試驗周期長的影響，多基于1—2年試驗開展研究[18，20]。根據小麥與氣象要素之間的關系，有研究者針對歷史時期長時間序列的氣象觀測數據進行統計，推算適宜播期[15，21]。作物模型是氣候變化影響評估研究的重要工具[22]，通過模型模擬過去30年作物生長發育、篩選適宜的適應措施[13，23，24]。作物模型因可有效規避田間試驗和統計分析等方法的不足，應用于分析不同播期管理措施與產量的響應關系研究。

本研究旨在通過篩選作物最適播期的管理措施，應對未來氣候變化帶來的不利影響、提高黃淮海、江淮冬小麥主產區的產量。已有研究工作多集中于關注歷史時期氣候變化條件下的小麥適宜播種期水平[15，23，24]?？紤]未來多種氣候情景，確定未來氣候變化平均態水平下的小麥最適播期研究還較為缺乏。本研究工作將利用農業技術轉移決策支持系統（Decision Support System for Agrotechnology Transfer，DSSAT）小麥（DSSAT-CERES-Wheat）模型，模擬篩選不同典型濃度路徑的溫室氣體排放氣候情景（Representative Concentration Pathways，RCPs）下未來40年（2021—2060年）黃淮海和江淮冬麥區高產冬小麥最適播期，為該地區冬小麥高產穩產提供理論依據和科學參考。

2數據與方法

2.1研究區及數據來源

本研究選取3個分別隸屬于黃淮海北片、黃淮海南片和江淮三大冬小麥種植區的冬小麥農業氣象試驗站，即河北定州（HBDZ）、河南鄭州（HNZZ）和湖北麻城（HBMC）為研究站點。三者的地理和氣候差異明顯，且具有模型輸入所需的完整田間試驗數據（圖1）。

研究站點歷史氣象數據來自于中國氣象科學數據共享網（http：//cdc.nmic.cn/home.do），包括2005—2009年間逐日的最高氣溫、最低氣溫、降水、日照時數等。太陽輻射值由日照時數推算而得[25]。研究站點同期的冬小麥田間試驗數據也來自于中國氣象科學數據共享網，包括作物品種、關鍵生育期、產量及其構成和農藝管理措施。研究區農業氣象站點的農田管理措施基本與當地農民的管理措施相同。土壤質地、有機碳、容重、田間持水量等屬性數據來源于國際應用系統分析研究所（International. Institute of Applied System Analysis，HASA）構建的1：100萬空間土壤數據集（The Harmonized World Soil Database，HWSD）[26]。本研究采用的RCPs未來氣候情景數據來自于英國氣象局哈德雷中心的全球環境模型HadGEM2-ES（Hadley Centre Global. Environment Model version 2 with the coupled Earth-System configuration），該模型參與了部門間影響模型比對項目（The Inter-Sectoral. Impact Model Intercomparison Project）。RCPs情景包含低溫室氣體排放情景（RCP2.6）、中等溫室氣體排放情景（RCP4.5、RCP6.0）、高溫室氣體排放情景（RCP8.5）。情景數據包括1984—2060年逐日最高氣溫、最低氣溫、降水和太陽輻射四個要素，并基于等距累積分布函數方法進行偏畸校正[27]。

2.2農業技術轉移決策支持系統模型（DSSAT）及其有效性驗證

農業技術轉移決策支持系統是被普遍使用的作物生長模擬模型之一[28]，至今已有30多年的應用歷史。DSSAT模型最新的版本（V4.7.5）涵蓋了42種作物的動態生長模擬模型。本研究采用DSSAT4.7.5版本（https：//dssat.net/）的小麥模型（CERES-Wheat）開展模擬分析。模型模擬所需的輸入數據包括上文提及的天氣日值數據、作物田間試驗數據、土壤數據以及作物品種參數值。本研究對模型參數估計采用了模型中Gen- CalcV2.0品種參數估計模塊，對各代表站點的6個品種冬小麥參數值進行調試和驗證。品種參數分別為：春化作用特性參數（P1V，d）;光周期參數（P1D，%）;籽粒灌漿持續期積溫（P5，℃·d）;開花期小麥單位冠層質量的籽粒數（G1，粒/g）;最佳條件下單個標準籽粒的克數（G2，mg）;非脅迫條件下成熟期單株地上部標準干物質總重（G3，g）;指葉尖逐次出現所需的積溫間隔（PHINT，℃·d）。

2.3模型適應性評價指標

通過利用各項統計指標以及模型模擬結果與實測結果的差異性對比，檢驗DSSAT模型模擬研究區冬小麥生育期和產量準確性。統計指標包括決定系數（R）、歸一化均方根誤差（NRMSE）[29]和均一性指數（D）[30]。具體計算公式如下：

（1）

（2）

其中，S和O分別為模擬值與觀測值;為觀測平均值;n為樣本數。當NRMSE值低于10%時，表征模擬值與觀測值的相對誤差小、模擬精度高;當值介于10%至20%，表征模擬效果較好;當NRMSE值介于20%至30%，表明模擬效果一般;低于30%，則表明模擬效果差。R和D數值越接近1，越表明模擬值與觀測值的一致性越高、模擬效果越好，反之亦然。

2.4模型模擬試驗方案與最適播期識別

利用調參驗證后的DSSAT模型，模擬分析各代表站點不同氣候情景下的冬小麥最適播期變化情況以及產量對播期的響應程度。模擬試驗設置以三個站點的觀測播期數據為基礎，分別設置步長為1d共51個播期處理的模擬試驗，即每年模擬51個播期。河北定州播種日期設置為9月21日—11月10日之間;河南鄭州播期日期設置為10月1日—11月20日之間;湖北麻城播種日期設置為10月11日—11月30日之間。各站點分別按照1985—2004年的基準時段（Bs）、2030s時段（2021—2040年）、2050s時段（2041—2060年）三個時段分段開展模擬運算，其中未來每個時段分別輸入RCPs四個情景進行模擬。每個站點各運行12，240次（51個播期處理×4個RCPs情景×60年）模擬試驗。模擬試驗的作物品種、水肥管理水平均來自各站點的觀測記錄，模擬試驗考慮CO的肥效作用。

最適播期的識別通過統計不同播期處理下各時段平均產量并提取產量最高值對應的播種日期為最適播期。

3結果與分析

3.1DSSAT-CERES-Wheat模型參數調試與驗證

利用研究區各農業氣象站點的作物田間試驗數據、土壤數據及田間試驗同期氣象站觀測的天氣日值數據對DSSAT-CERES-Wheat模型進行參數調試和驗證。通過調試使模型模擬值盡可能接近觀測值，從而實現模型本地化。模型有效性驗證針對開花期（播種—開花）、成熟期（播種—成熟）和產量三方面進行對比分析（圖2）。生育期模擬結果與觀測值的差均小于3d;開花期和成熟期模擬值的相對誤差分別為1.9%和0.8%，D指數值接近1。產量的模擬值與觀測值的擬合度亦較高，相對誤差為小于10%（6.8%），D指數值大于0.9，較生育期模擬值略偏低。由此可知，DSSAT模型能夠在研究區開展可靠的冬小麥生育期和產量模擬工作。

3.2研究區氣候要素和小麥生育期變化特征

針對模擬結果提取冬小麥生育期內不同播期處理下的平均溫度、總降水量和全生育期長度等要素，分析未來2030s和2050s時段相對于基準時段的變化情況。各要素值均為多年平均值。

由表1可知，未來冬小麥生育階段內平均溫度均呈現上升趨勢。其中，2030s時段的平均溫度上升幅度多低于1℃;2050s時段上升幅度高于2030s時段，各個RCP情景下的升溫幅度均高于1℃，且河北定州站點RCP8.5情景下溫度上升幅度最高達2℃以上。全生育期降水量基本均呈現減少趨勢，湖北麻城站點2050s時段降水下降幅度明顯高于2030s時段，其余兩個站點在未來兩個時段下的降水減少幅度差異不大。

冬小麥的全生育期在未來兩個時期相對基準時段均表現為長度縮短，2050s時段全生育期天數縮短天數普遍大于2030s時段，且縮短的天數由北向南遞增。三個站點中，湖北麻城生育期天數在未來2030s和2050s時段的差異最大，RCP8.5情景下2050s時段生育期天數比2030s少6～12d;河北定州的生育期天數在未來兩個時段的差異最小。

3.3最適播期變化特征

對小麥作物模型基準時段和四個RCPs情景下2030s和2050s時段的最適播期進行對比分析。由圖3可知，未來2030s和2050s時段三個站點的最適播期差異較大，呈自北向南逐漸推遲趨勢。

2030s時段，定州的最適播期介于9月21日至9月24日，比基準時段的最適播期9月19日晚2～5d;鄭州的最適播期介于10月11日至10月13日，比基準時段的最適播期10月5日推遲6～8d;麻城的最適播期介于10月22日至11月2日，比基準時段的最適播期10月19日推遲了3～13d。其中，位于黃淮海冬麥區的定州和鄭州兩個站點的適播期在不同RCPs情景間差異較小，位于江淮冬麥區的麻城站適播期在各情景間差異較大。2050s時段，定州的最適播期介于9月26日至10月9日，鄭州的最適播期介于10月10日至10月17日，麻城的最適播期介于11月1日至11月6日。

冬小麥的全生育期在未來兩個時期相對基準時段均表現為長度縮短，2050s時段全生育期天數縮短天數普遍大于2030s時段，且縮短的天數由北向南遞增。三個站點中，湖北麻城生育期天數在未來2030s和2050s時段的差異最大，RCP8.5情景下2050s時段的生育期天數比2030s時段少6～12d;河北定州的生育期天數在未來兩個時段的差異最小。

3.4適宜播期的增產幅度

提取2030s和2050s兩個時段內以基準時段最適播期為播種日期的產量模擬值，表征未來冬小麥種植不采取播期調整措施情況的產量水平。將該產量模擬值分別與2030s和2050s時段最適播期對應的模擬產量值進行對比分析，得出未來兩個時段下各站點不同RCPs氣候情景下采用最適播期管理措施后的增產幅度（圖4）。

由圖4可知，2050s時段的增產幅度基本高于2030s時段，采用最適播期后的產量增加幅度地區間差異較大。三個站點中河北定州的增產幅度最小，2030s時段的增產幅度介于0.15%～0.7%，2050s時段除RCP2.6外其余情景下的增產幅度均高于2030s時段，其中2050s時段RCP8.5情景下的增產幅度最高為1.98%。河南鄭州各情景下2050s的增產幅度分別為3.12%、2.39%、3.17%和3.93%，比2030s時段的增產幅度高0.22%～1.52%。湖北麻城站在RCP2.6和RCP4.5情景下，2050s時段的增產幅度較高，分別為4.74%和3.57%，均明顯高于同一情境下的2030s時段增產幅度值;RCP6.0和RCP8.5時段出現相反的情況，但2030s和2050s時段的增產幅度差異不大，介于1.8%～2.7%之間。

4討論

DSSAT作物模型在中國已經被十分廣泛地應用于評估氣候變化和管理措施對作物生長和產量的影響[31-33]。本研究中利用該模型評估氣候變化條件下播期管理措施的改變對小麥生育期、產量的影響，進而明確小麥最適播期。常規采用的大田試驗的研究方法因受氣候試驗條件設計和受人力物力等多方面限制，難以很好地反應出長時間序列下的氣候變化對播期的影響。氣象統計分析方法由于分析過程中缺少對作物實際生理特征的考慮，僅能基于大量氣候數據獲得長期播期的可能變化特征。作物機理模型既能考慮作物生理生態效應，又可兼顧氣候變化對作物的影響評估在時間長度上的要求。

因播期改變引發小麥生育期的改變，從而產生小麥生育期內的光、熱和水資源利用的差異。在不當的時間播種可能會加劇作物受到的非生物脅迫[14，24]。有研究表明冬前溫度升高有利于冬小麥播期推遲，晚播可以降低早春凍害帶來的不利影響[34]。Wang等[35]用DSSAT模型開展冬小麥最適播期模擬分析，結果表明過去30年（1987—2016）華北平原可有效提高小麥產量的適宜播期范圍介于9月15日至10月20日之間。王夏等[20]在河南開展的大田試驗發現冬小麥隨著播種期的推遲，小麥全生育期縮短，獲得高產的適宜播期為10月中上旬。前人在模型和田間試驗角度均與本研究在黃淮南片河南鄭州代表站點模擬確定基準時段的最適播期（10月5日）結果重合，并且三個代表站均呈現隨時間推移冬小麥生育期內平均溫度升高、生育期縮短和獲得冬小麥最高產量的最適播期亦推遲的趨勢與前人研究結果相同。此外，有研究利用根區水質模型模擬，表明推遲小麥播期促進氮素吸收、提高作物產量[36]。因此，選擇最適播期播種可有效提高冬小麥產量、降低氣候變化負面影響[37]。

據估計，相對于工業革命前，未來全球平均氣溫分別在RCP2.6和RCP4.5情景下的2030s和2050s時段增溫1.5℃和2℃[27]。三個站點冬小麥生育期平均溫度較基準時段的增溫值累加基準時段相對于工業革命前的增溫0.61℃，即為其相對工業革命前的增溫幅度。根據表1可知，三個站點未來2030s和2050s時段冬小麥生育期的氣候變化趨勢特征一致，呈現暖干化趨勢，平均溫度升高0.5℃～2.3℃，其中在RCP2.6情景下2030s時段和RCP4.5情景下2050s時段的冬小麥生育期內平均氣溫分別最低增溫和1.91℃。

多有研究僅針對這兩種增溫幅度開展研究分析，但是由于當前全球對增溫1.5℃目標未達成共識[38]，本研究為了更全面呈現未來可能的影響，采用了四套RCPs情景對未來40年的氣候數據進行模擬分析。本研究中選取三個代表站點開展最適播期的模型模擬分析，其研究結果難以全面反映整個區域最適播期變化的整體水平。為了使得研究結果更具有代表性，在研究區代表站點選擇過程中雖受到作物數據資料的限制，但仍考慮了盡量擴大代表站點間空間上的差異。此外，本研究采用的RCPs情景數據來源于單一的氣候模式、作物模型也采用的單一模型，因而未能考慮不同氣候模式間對未來氣候預測的差異以及作物模型間的模擬差異，給研究結果帶來一定的不確定性[39]。這些需在進一步研究過程全面考慮以降低研究結果的不確定性。

5結論

本研究借助DSSAT模型，開展以中國冬小麥主產區黃淮海北片、南片和江淮為研究區的小麥最適播期研究。研究選取三個代表站點，利用代表站點農業氣象站點的氣候觀測資料和Had- GEM2-ES全球環境模型輸出的RCPs氣候情景資料、作物資料和土壤資料，對DSSAT CERES- Wheat模型在研究區的適用性進行驗證，開展51 個播期處理的播期模擬試驗，評估未來不同RCPs氣候情景下氣候變化特征及其對冬小麥適宜播種期的影響。

冬小麥的最適播期在基準時段、2030s和2050s時段均表現為隨緯度減小而推遲。三個站點的2030s和2050s時段的最適播期以鄭州調整幅度最小，由基準時段的10月中旬分別推遲至10月中上旬和10月中下旬;定州最適播期由基準時段的9月中下旬推遲至9月下旬和10月上旬，麻城最適播期由基準時段的10月中下旬推遲至10月下旬和11月上旬。不同情景之間以RCP8.5情景下的推遲天數最多。各研究站點采用最適播期播種獲得產量提升的差異較大，黃淮海北部的河北定州增產不明顯;黃淮南部的鄭州和江淮的麻城增產幅度較為顯著，增產幅度集中在2%～4%之間。

參考文獻：

[1]盧布，丁斌，呂修濤，等.中國小麥優勢區域布局規劃研究[J].中國農業資源與區劃，2010，31（2）： 6-12.

LU B， DING B， LYU X， et al. Arrangement planning of Chinese wheat ascendant regions[J]. Chinese Journal. of Agricultural. Resources and Regional. Planning， 2010，31（2）： 6-12.

[2]李明輝，周玉璽，周林，等.中國小麥生產區域優勢度演變及驅動因素分析[J].中國農業資源與區劃，2015， 36（5）： 7-15.

LI M， ZHOU Y， ZHOU L， et al. Comparative advantage changes of regional. wheat production in China and analysis of influncing factors[J]. Chinese Journal. of Agricultural. Resources and Regional. Planning，2015，36（5）： 7-15.

[3]趙廣才.中國小麥種植區劃研究（一）[J].麥類作物學報，2010， 30（5）： 886-895.

ZHAO G. Study on Chinese wheat planting regionalization （I）[J]. Journal. of Triticeae Crops， 2010， 30（5）： 886-895.

[4] ZHAO H， ZHAI X， GUO L， et al. Assessing the efficiency and sustainability of wheat production systems in different climate zones in China using emergy analysis[J]. Journal. of Cleaner Production， 2019， 235： 724-732.

[5]何中虎，林作楫，王龍俊，等.中國小麥品質區劃的研究[J].中國農業科學，2002， 35（4）： 359-364.

HE Z， LIN Z， WANG L， et al. Classification on Chinese wheat regions based on quality[J]. Scientia Agricultura Sinica， 2002，35（4）： 359-364.

[6]中華人民共和國農業部.中國農業年鑒（2014）[M].北京：中國農業出版社，2015.

Ministry of Agriculture and Rural. Affairs of the Peopled Republic of China. China agricultural. statistical. yearbook （2014）[M]. Beijing： China Agriculture Press，2015.

[7] CHURCH J， CLARK P， CAZENAVE A， et al， Change climate 2013： The physical. science basis. Contribution of working group I to the fifth assessment report of the intergovernmental. panel on climate change[M]. Cambridge： Cambridge University Press， United Kingdom， 2013.

[8]ORTIZ-BOBEA A， AULT T R， CARRILLO C M， et al. Anthropogenic climate change has slowed global. agricultural. productivity growth [J]. Nature Climate Change， 2021， 11（4）： 306-312.

[9] SHI W， WANG M， LIU Y. Crop yield and production responses to climate disasters in China[J]. Science of the Total. Environment， 2021， 750： ID 141147.

[10] GODFRAY H C J， PRETTY J， THOMAS S M， et al. Linking policy on climate and food[J]. Science， 2011，331（6020）： 1013-1014.

[11] HERTEL T W， DE LIMA C Z. Viewpoint： Climate impacts on agriculture： Searching for keys under the streetlight[J]. Food Policy， 2020， 95： ID 101954.

[12] OLESEN J E， TRNKA M， KERSEBAUM K C， et al. Impacts and adaptation of European crop production systems to climate change[J]. European Journal. of Agronomy， 2011， 34（2）： 96-112.

[13] RUIZ-RAMOS M， FERRISE R， RODRIGUEZ A， et al. Adaptation response surfaces for managing wheat under perturbed climate and CO in a Mediterranean environment [J]. Agricultural. Systems， 2018， 159： 260-274.

[14] HUNT J R， LILLEY J M， TREVASKIS B， et al. Early sowing systems can boost Australian wheat yields despite recent climate change[J]. Nature Climate Change，2019， 9（3）： 244-247.

[15]李德，楊太明，張學賢.氣候變暖背景下宿州冬小麥適播期的確定[J].中國農業氣象，2012， 33（2）： 254-258.

LI D， YANG T， ZHANG X. Determination of optimum sowing date of winter wheat in Suzhou under global. warming[J]. Chinese Journal. of Agrometeorology， 2012， 33（2）：254-258.

[16] TAO F， ZHANG Z， ZHANG S， et al. Heat stress impacts on wheat growth and yield were reduced in the Huang-Huai-Hai Plain of China in the past three de- cades[J]. European Journal. of Agronomy， 2015， 71： 44-52.

[17]吳乾慧，張勃，馬彬，等.氣候變暖對黃土高原冬小麥種植區的影響[J].生態環境學報，2017， 26（3）： 429-436.

WU Q， ZHANG B， MA B， et al. Impact of climate warming on winter wheat planting in the Loess Pla- teau[J]. Ecology and Environmental. Sciences， 2017， 26 （3）： 429-436.

[18]劉萬代，陳現勇，尹鈞，等.播期和密度對冬小麥豫麥49-198群體性狀和產量的影響[J].麥類作物學報，2009， 29（3）： 464-469.

LIU W， CHEN X， YIN J， et al. Effect of sowing date and planting density on population trait and grain yield of winter wheat cultivar Yumai 49-198[J]. Journal. of Triticeae Crops， 2009， 29（3）： 464-469.

[19] SANDHU S S， KAUR P， GILL K K， et al. The effect of recent climate shifts on optimal. sowing windows for wheat in Punjab， India[J]. Journal. of Water and Climate Change， 2020， 11（4）： 1177-1190.

[20]王夏，胡新，孫忠富，等.不同播期和播量對小麥群體性狀和產量的影響[J].中國農學通報，2011， 27（21）： 170-176.

WANG X， HU X， SUN Z， et al. Effect of different sowing dates and planting density on group characters andyield of wheat[J]. Chinese Agricultural. Science Bulletin， 20119 27（21）： 170-176

[21] MOURTZINIS S， SPECHT J E， CONLEY S P. Defining optimal. soybean sowing dates across the US[J]. Scientific Reports， 2019， 9（1）： ID 2800.

[22] CHENU K， PORTER J R， MARTRE P， et al. Contribution of crop models to adaptation in wheat[J]. Trends in Plant Science， 2017， 22（6）： 472-490.

[23]江曉東，張濤，陳佳鑫，等.基于WOFOST模型的蘇南地區春小麥種植適應性分析[J].南方農業學報，2020，51（2）： 335-341.

JIANG X， ZHANG T， CHEN J， et al. Adaptability of spring wheat planting in the south of Jiangsu based on WOFOST model[J]. Journal. of Southern Agriculture，2020，51（2）： 335-341

[24] XIN Y， TAO F. Optimizing genotype-environment- management interactions to enhance productivity and eco-efficiency for wheat-maize rotation in the North China Plain[J]. Science of The Total. Environment，2019， 654： 480-492.

[25] ALLEN R G， PEREIRA L S， RAES D， et al. Crop evapotranspiration-guidelines for computing crop water requirements-FAO irrigation and drainage paper 56[M]. Roma： FAO-Food and Agriculture Organization of the United Nations， 1998.

[26] FAO/IIASA/ISRIC/ISSCAS/JRC. Harmonized world soil database （version 1.1） [S]. FAO， Rome： Italy and IIASA， Laxenburg， Austria， 2009.

[27] SU B， HUANG J， FISCHER T， et al. Drought losses in China might double between the 1.5 degrees C and 2.0 degrees C warming[J]. Proceedings of the National. Academy of Sciences of The United States of America，2018， 115（42）： 10600-10605.

[28] JONES J W， HOOGENBOOM G， PORTER C H， et al. DSSAT cropping system model[J]. European Journal. of Agronomy， 2003， 18： 235-265.

[29] WALLACH D， GOFFINET B. Mean squared error of prediction as a criterion for evaluating and comparing system models[J]. Ecological. Modelling， 1989， 44（3）： 299-306.

[30] WILLMOTT C J. Some comments on the evaluation of model performance[J]. Bulletin of the American Meteorological. Society， 1982， 63（11）： 1309-1313.

[31]孫茹，韓雪，潘婕，等.全球1.5℃和2.0℃升溫對中國小麥產量的影響研究[J].氣候變化研究進展，2018，14（6）： 573-582.

SUN R， HAN X， PAN J， et al. The impact of 1.5℃and 2.0℃global. warming on wheat production in China[J]. Climate Change Research， 2018， 14（6）： 573-582.

[32] YANG X， TIAN Z， SUN L， et al. The impacts of increased heat stress events on wheat yield under climate change in China[J]. Climatic Change， 2017， 140（3）：605-620.

[33] ASSENG S， MARTRE P， MAIORANO A， et al. Climate change impact and adaptation for wheat protein[J]. Global. Change Biology， 2019， 25（1）： 155-173.

[34] SUN H， ZHANG X， CHEN S， et al. Effects of harvest and sowing time on the performance of the rotation of winter wheat-summer maize in the North China Plain[J]. Industrial. Crops and Products， 2007， 25（3）： 239-247.

[35] WANG C， FENG L， WU L， et al. Assessment of genotypes and management strategies to improve resilience of winter wheat production[J]. Sustainability， 2020， 12 （4）： 1-21.

[36] DING D， FENG H， ZHAO Y， et al. Modifying winterwheat sowing date as an adaptation to climate change on the loess plateau[J]. Agronomy Journal， 2016， 108 （1）： 53-63.

[37] TAO F， ZHANG Z， XIAO D， et al. Responses of wheat growth and yield to climate change in different climate zones of China， 1981—2009[J]， Agricultural. and Forest Meteorology， 2014， 189-190： 91-104.

[38] DUAN H， ZHOU S， JIANG K， et al. Assessing China's efforts to pursue the 1.5℃warming limit[J]. Science，2021，372（6540）： 378-385.

[39] XIONG W， ASSENG S， HOOGENBOOM G， et al. Different uncertainty distribution between high and low latitudes in modelling warming impacts on wheat[J]. Nature Food， 2019， 1（1）： 63-69.

Optimum Sowing Date of Winter Wheat in Next 40 Years Based on DSSAT-CERES-Wheat Model

HU Yanan1*， LIANG Ju2， LIANG Shefang3， LI Shijuan1， ZHU Yeping1， E Yue1

（1. Agricultural. Information Institute， Chinese Academy of Agricultural. Sciences/Key Laboratory of Agri-information Sendee Technology. Ministry of Agriculture and Rural. Affairs， Beijing 100081， China; 2. College of Engineering， Mathematics and Physical. Sciences. University of Exeter. Exeter EXA 4QF， UK; 3. Key Laboratory of Agricultural. Remote Sensing， Ministry of Agriculture and Rural. Affairs/Institute of Agricultural. Resources and Regional. Planning. Chinese Academy of Agricultural. Sciences， Beijing 100081， China）

Abstract： Climate change requires crop adaptation. Plantint at the suitable date is a key management technology to promote crop yield and address the impact of climate change. Wheat is one of the most important staple crops in China. Huang-Huai-Hai and Jiang-Huai regions are high-quality and high-quantity planting areas for wheat. To deal. with the adverse effects of climate change and promote the winter wheat yield in Huang-Huai-Hai and Jiang-Huai regions， the optimum sowing date was identified by creating a wheat simulation with DSSAT CERES-Wheat model. The simulation experiment was designed with 51 management inputs of sowing date and 4 climate scenarios （RCPs） under baseline period （1985—2004） and 40 years in future for three representative stations in the study region. The optimum sowing data of winter wheat was corresponding to the simulation set with highest yield in each site. The characters of changes in climate factors during the growth period and the optimum sowing date among the different period were detected， and the yield increase planted at the optimum sowing date was quantified. The results showed that， in the future， the climate during winter wheat growth period showed a trend of warming and drying would shorten the growth period. The optimum sowing date would be postponed with the rise of temperature， and the decrease of latitude in all periods and under various climate scenarios. Relative to the baseline period， the maximum delay days of the optimal. sowing date increased from north to south during 2030s， which were 5 days， 8 days and 13 days at the three representative stations， respectively. The optimum sowing times in 2050s were delayed in different degrees compared with that in 2030s. The largest postponed days at each station was at the RCP8.5 scenario in 2050s. Adopting the management of optimum planting date could mitigate climatic negative effects and was in varying degrees of yield increasing effect at three sites. The smallest increase occurred in Huang-Huai-Hai north region， while Huang-Huai-Hai south region and Jiang-Huai region had the relatively higher yield increasement about 2%—4%. Therefore， the present study demonstrated an effective management of optimum sowing date to promote winter wheat yield under climate change in Huang-Huai-Hai and Jiang-Huai regions.

Key words： winter wheat; optimum sowing date; climate change; RCPs; crop model; Huang-Huai-Hai; Jiang-Huai

（登陸www.smartag.net.cn免費獲取電子版全文）

*通訊作者：胡亞南（1983—），女，博士，副研究員，研究方向為作物模型模擬。電話：010-82109348。E-mail：huyanan@caas.cn。