基于DSSAT模型的關(guān)中地區(qū)冬小麥單產(chǎn)模擬及其影響因子*

陳佳俊，史曉亮，丁 皓，史孟琦

基于DSSAT模型的關(guān)中地區(qū)冬小麥單產(chǎn)模擬及其影響因子*

陳佳俊，史曉亮**，丁 皓，史孟琦

（西安科技大學(xué)測繪科學(xué)與技術(shù)學(xué)院，西安 710054）

基于陜西關(guān)中地區(qū)冬小麥種植區(qū)域內(nèi)2個田間試驗點的大田試驗和均勻分布的11個氣象站點逐日氣象等數(shù)據(jù)，利用DSSAT模型確定冬小麥品種遺傳參數(shù)，繼而模擬2001?2019年各站點冬小麥的關(guān)鍵物候期和單產(chǎn)，并分別運用M?K檢驗與Sen趨勢分析法從站點和區(qū)域尺度揭示其時空演變特征與規(guī)律。在此基礎(chǔ)上，利用灰色關(guān)聯(lián)法和多元線性回歸分析法，探究各生長階段影響模擬單產(chǎn)的敏感氣象因子及其貢獻率。結(jié)果表明：（1）冬小麥開花期、成熟期和單產(chǎn)模擬結(jié)果的RRMSE平均值在楊凌（關(guān)中平原）田間試驗點分別為0.91%、0.98%和7.87%，在長武（渭北旱塬）田間試驗點分別為2.39%、1.35%和9.30%。區(qū)域物候模擬關(guān)中平原和渭北旱塬的冬小麥開花期和成熟期RRMSE分別為3.2%和3.0%，R2分別為0.71和0.73，區(qū)域單產(chǎn)的RRMSE分別為23.6%和11.2%。（2）武功站冬小麥播種?開花期和成熟期呈現(xiàn)推遲趨勢，速率分別為0.70d·10a?1和0.22d·10a?1，而在其余站點均表現(xiàn)為提前趨勢；關(guān)中平原和渭北旱塬各站點播種?開花期提前趨勢分別達到2.30d·10a?1、1.20d·10a?1，播種?成熟期提前趨勢均為0.60d·10a?1，關(guān)中平原物候期提前趨勢高于渭北旱塬。模擬單產(chǎn)在蒲城、渭城站呈減少趨勢，而在其余站點則表現(xiàn)為增加趨勢；區(qū)域單產(chǎn)最低值和最高值分別出現(xiàn)在2013年和2017年。（3）多數(shù)站點日平均氣溫、日最低氣溫的增加在冬前生長期會促進冬小麥增產(chǎn)；日最高氣溫和總降水量的增加在越冬期對增產(chǎn)貢獻較大；在返青抽穗期日最高氣溫升高會導(dǎo)致冬小麥嚴重減產(chǎn)，但相對濕度增加則會促進增產(chǎn)；多數(shù)站點日平均氣溫、日最低氣溫和日最高氣溫的增加在灌漿成熟期都會導(dǎo)致冬小麥減產(chǎn)。溫度是影響關(guān)中地區(qū)冬小麥產(chǎn)量的主控因子，并在不同生長階段對產(chǎn)量的影響差異較大。

DSSAT；關(guān)中地區(qū)；氣象因子；物候期；冬小麥產(chǎn)量

糧食安全對于中國經(jīng)濟社會的穩(wěn)定發(fā)展至關(guān)重要，2022年“中央一號”文件指出，要牢牢守住保障國家糧食安全這條底線，全力抓好糧食生產(chǎn)和重要農(nóng)產(chǎn)品供給[1]。中國作為農(nóng)業(yè)大國，小麥?zhǔn)侵饕诩Z作物之一，播種面積約占糧食作物播種面積的22%，約占糧食總產(chǎn)的21%[2]。農(nóng)業(yè)發(fā)展對自然環(huán)境特別是氣候條件具有較強的依賴性[3]，作物產(chǎn)量與關(guān)鍵生育期氣候條件密切相關(guān)[4]。全球氣候變化背景下明晰作物產(chǎn)量和氣候因素之間的關(guān)系，對于確保糧食安全具有重要意義。

國內(nèi)外關(guān)于氣候變化對作物產(chǎn)量影響的傳統(tǒng)研究方法主要包括統(tǒng)計模型和作物生長模型[5]。統(tǒng)計模型是根據(jù)特定區(qū)域的歷史觀測數(shù)據(jù)，建立作物產(chǎn)量與氣象因子之間的函數(shù)關(guān)系[6?7]，此類模型屬經(jīng)驗統(tǒng)計模型，缺乏作物生長受氣象條件約束的機理機制描述，且在不同年份、不同地區(qū)或不同作物上的可擴展性和精確度有限。作物生長模型可較好地反映作物生育進程、產(chǎn)量與氣候因子變化的動態(tài)定量關(guān)系[8]，其中農(nóng)業(yè)技術(shù)轉(zhuǎn)移決策支持系統(tǒng)（Decision Support System for Agrotechnology Transfer，DSSAT）已廣泛應(yīng)用于全球區(qū)域氣候變化對作物生產(chǎn)的影響研究[9]。徐瑞陽等[10]利用DSSAT模型研究發(fā)現(xiàn)東北馬鈴薯潛在產(chǎn)量減產(chǎn)的主要因子是平均溫度；譚紅等[11]基于DSSAT模型模擬氣候變化對棉花產(chǎn)量影響，發(fā)現(xiàn)光熱資源的增加有利于增產(chǎn)；Yang等[12]基于DSSAT模擬1979?2014年埃塞俄比亞小麥產(chǎn)量，認為生長季降水與產(chǎn)量呈負相關(guān)。也有研究學(xué)者利用全球氣候模式生成的不同排放情景下未來氣象數(shù)據(jù)，驅(qū)動作物生長模型分析未來氣候情景下氣候條件對農(nóng)業(yè)生產(chǎn)的潛在影響[13?14]。劉文茹等[15]利用DSSAT模型結(jié)合未來氣候情景，發(fā)現(xiàn)2021?2050年長江中下游地區(qū)積溫增加在一定范圍內(nèi)對冬小麥產(chǎn)量有促進作用；李闊等[16?17]基于CMIP5的5個模式下RCPs氣候情景，結(jié)合DSSAT模擬模型分析了在1.5℃與2.0℃升溫變化下中國和全球玉米產(chǎn)量的空間特征，結(jié)果均表明2.0℃情景下玉米減產(chǎn)的風(fēng)險遠高于1.5℃情景；Ayankojo等[18]基于多個全球氣候情景和DSSAT模型模擬了未來氣候?qū)︸R里科帕棉花產(chǎn)量的影響，研究認為升溫會導(dǎo)致棉花減產(chǎn)。近年來，越來越多的學(xué)者利用遙感數(shù)據(jù)同化技術(shù)，將作物模擬模型的單點結(jié)果擴展到區(qū)域尺度，評價不同環(huán)境因子對農(nóng)業(yè)生產(chǎn)的影響，拓展了作物生長模型的應(yīng)用尺度，有效提高了作物產(chǎn)量的估算精度。Chen等[19]結(jié)合作物模型、遙感葉面積指數(shù)及天氣預(yù)報，提高了華北平原冬小麥產(chǎn)量預(yù)測的精度。以往研究多側(cè)重于全生育期氣象因素與最終產(chǎn)量的關(guān)系分析，但冬小麥產(chǎn)量是全生育期內(nèi)各生長階段環(huán)境綜合影響的結(jié)果，不同生育期氣候條件差異均會影響冬小麥農(nóng)藝性能和產(chǎn)量[7]。因此，有必要基于不同生育期開展氣象因素與冬小麥產(chǎn)量的關(guān)系研究。

關(guān)中地區(qū)是陜西重要的優(yōu)質(zhì)小麥生產(chǎn)基地之一，氣候成因變化復(fù)雜，夏季高溫多雨，冬季溫和少雨[20]。全球氣候變化背景下1961?2014年陜西省暖干化趨勢明顯，日照時數(shù)及風(fēng)速均呈顯著下降趨勢[21]，氣候條件的顯著變化必然會影響關(guān)中地區(qū)農(nóng)業(yè)生產(chǎn)[22]。目前該地區(qū)不同生育期內(nèi)氣象因子對冬小麥產(chǎn)量的影響過程尚不明確，而作物生長模型能夠反映土壤條件、作物品種、管理方式等參數(shù)不變情況下，僅由氣象條件引起的作物產(chǎn)量變化，模擬結(jié)果具有定量化、可比性強、可信度高等優(yōu)勢[23]。鑒于此，本研究基于楊凌（關(guān)中平原）和長武（渭北旱塬）共2個田間試驗點的大田試驗數(shù)據(jù)，利用DSSAT模型確定關(guān)中地區(qū)冬小麥品種遺傳參數(shù)，從站點和區(qū)域尺度分析2001?2019年關(guān)中地區(qū)11個氣象站點冬小麥物候期和產(chǎn)量的時空變化特征，探討不同生長階段敏感氣象因子對冬小麥模擬單產(chǎn)的影響，以期為該地冬小麥生產(chǎn)應(yīng)對氣候變化提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

關(guān)中地區(qū)位于陜西省中部（106°18'E?110°38'E、33°35'N?35°52'N），涉及西安、寶雞、咸陽、渭南和銅川5個行政市區(qū)，總面積約5.54×106hm2，南北兩側(cè)分別是秦巴山脈和渭北山系，中部為平原。屬亞熱帶季風(fēng)氣候區(qū)，年平均溫度在11～13℃；年均降水量為500～700mm，多集中在6?9月，屬于典型少雨缺水型區(qū)域[24]。選取關(guān)中地區(qū)冬小麥種植區(qū)域內(nèi)2個田間試驗點和均勻分布的11個氣象站點，依地形地貌和降水分布的差異，將其分為關(guān)中平原灌溉區(qū)和渭北旱塬雨養(yǎng)區(qū)[25]，氣象站點蒲城、渭城、武功、華陰、鳳翔和太白站屬于關(guān)中平原灌溉區(qū)，其余氣象站點屬于渭北旱塬雨養(yǎng)區(qū)。楊凌田間試驗點位于關(guān)中平原，長武田間試驗點位于渭北旱塬（圖1）。

圖1 陜西關(guān)中地區(qū)區(qū)域概況和站點分布

1.2 數(shù)據(jù)來源

關(guān)中地區(qū)2000?2019年11個氣象站點逐日氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn），包括最高、最低和平均溫度（℃）、降水量（mm）、日照時數(shù)（h）和平均相對濕度（%）。日照時數(shù)按照國際公認的經(jīng)驗公式轉(zhuǎn)為太陽輻射，計算式為[26]

式中，Q為日總輻射量（kJ×cm?2）；Q0為日天文輻射量（kJ×m?2×d?1）；a和b為經(jīng)驗系數(shù)，關(guān)中地區(qū)取值為0.18和0.59[27]；n為站點實際逐日日照時數(shù)（h）；N為逐日可接受太陽最大時長（h）。

楊凌（關(guān)中平原）、長武（渭北旱塬）2個冬小麥田間試驗點數(shù)據(jù)主要包括品種、施肥、播種日期、播種密度和灌溉處理[25,28]（表1），當(dāng)?shù)貙崟r記錄逐日氣象數(shù)據(jù)、田間測定土壤數(shù)據(jù)（黏粒、粉粒、容重、凋萎系數(shù)和田間持水率等）、開花期、成熟期、產(chǎn)量和地上部生物量等，分別來自西北農(nóng)林科技大學(xué)旱區(qū)農(nóng)業(yè)水土工程教育部重點試驗室和陜西省長武縣農(nóng)業(yè)生態(tài)試驗站。其中，冬小麥開花期、成熟期、產(chǎn)量和地上部生物量等數(shù)據(jù)用于DSSAT模型對田間試驗點冬小麥品種參數(shù)的校正和驗證，由于缺少長武田間試驗的生物量實測數(shù)據(jù)，采用楊凌2012?2013年冬小麥生長季的生物量實測數(shù)據(jù)進行生物量的模擬驗證。

11個氣象站點的土壤數(shù)據(jù)采用國家青藏高原科學(xué)數(shù)據(jù)中心（https://data.tpdc.ac.cn）提供的基于世界土壤數(shù)據(jù)庫（HWSD）土壤數(shù)據(jù)集（V1.2）[29]和面向陸面過程模型的中國土壤水文數(shù)據(jù)集[30]。栽培管理數(shù)據(jù)來源于文獻和當(dāng)?shù)貙嶋H生產(chǎn)調(diào)研數(shù)據(jù)[31?33]，包括當(dāng)?shù)刂饕耘嗥贩N的播種日期（9月下旬?10月上旬）、播種方式（溝播）、播種密度（350～400株×m?2）、灌水日期（冬灌）、灌溉量、施肥日期（播種前一天）和施肥量等。灌溉量數(shù)據(jù)來自陜西省水資源公報，采用當(dāng)?shù)囟嗄昶骄←湽喔攘枯斎肽Ｐ停瑫r間為冬灌。

表1 模型校正和驗證所涉及冬小麥田間試驗點的基本信息

注：楊凌站小麥品種為小偃Xiaoyan22，播種密度為400粒·m?2，氮肥施用量為140kg·hm?2；長武站2004和2005年小麥品種為長武89134，2007和2008年品種為長旱58，播種密度均為350粒·m?2，氮肥施用量均為138kg·hm?2。

Note: At Yanling station，the cultivar is Xiaoyan22, sowing density is 400 seeds·m?2and nitrogen fertilizer is 140kg·ha?1in each experiment year. At Changwu station, the cultivar is Changwu89134 in 2004 and 2005 and is Changhan58 in 2007 and 2008, sowing density is 350 seeds·m?2and nitrogen fertilizer is 138kg·ha?1in each experiment year.

選取韓城、永壽、蒲城、武功和鳳翔等站點的實測物候數(shù)據(jù)用于模型對區(qū)域氣象站點冬小麥物候模擬的驗證，來源于中國氣象數(shù)據(jù)網(wǎng)（http://data. cma.cn）的中國農(nóng)作物生長發(fā)育和農(nóng)田土壤濕度旬值數(shù)據(jù)集，對于區(qū)域氣象站點冬小麥產(chǎn)量模擬驗證采用公開發(fā)表的文獻統(tǒng)計[25,34?35]。

1.3 研究方法

1.3.1 作物模型及情景設(shè)置

DSSAT模型由氣象模塊、土壤模塊、作物管理模塊和試驗?zāi)K四個部分組成，可用于模擬42種作物生長發(fā)育過程[36?37]。DSSAT?CERES?Wheat是DSSAT模型的子模塊之一，以日為步長模擬冬小麥逐日動態(tài)生長過程，輸出結(jié)果包括冬小麥各物候期、生長過程中累積生物量、葉面積指數(shù)和收獲時的產(chǎn)量等。基于楊凌和長武兩個田間試驗點的冬小麥開花期、成熟期和產(chǎn)量等數(shù)據(jù)，利用DSSAT模型對冬小麥品種遺傳參數(shù)校正和驗證，進而確定兩個田間試驗點的冬小麥品種遺傳參數(shù)。

已有研究表明，冬小麥在充分灌溉和前期未受旱的條件下對模型校正的參數(shù)較為精確[28]。因此，田間試驗點數(shù)據(jù)在楊凌選用（關(guān)中平原）2012?2013年和2013?2014年充分灌溉組（T1和T2）校正冬小麥品種遺傳參數(shù)，選取灌水處理分別為高灌溉（80mm）且拔節(jié)抽穗時段受旱（T3和T5）、高灌溉（80mm）且抽穗灌漿時段受旱（T4和T6）組作為驗證；選用長武（渭北旱塬）2004?2005年和2005?2006年試驗數(shù)據(jù)校正其冬小麥品種遺傳參數(shù)，選用2007?2008年及2008?2009年的試驗數(shù)據(jù)作為驗證。利用DSSAT?GLUE模塊開展模型調(diào)參工作，參數(shù)調(diào)試頻次設(shè)為兩輪6000次運行，第一輪調(diào)試主要用于調(diào)整作物物候參數(shù)，第二輪調(diào)試主要用于作物生長參數(shù)估算。

在田間試驗點模擬驗證的基礎(chǔ)上，將確定的冬小麥品種遺傳參數(shù)應(yīng)用于同區(qū)域氣象站點[10]，對同區(qū)域氣象站點冬小麥模擬求平均值作為區(qū)域模擬結(jié)果[25]。利用公開發(fā)表的文獻資料及部分氣象站點（韓城、永壽、蒲城、武功和鳳翔）冬小麥物候期實測結(jié)果進行區(qū)域驗證。

采用相對均方根誤差（RRMSE）和決定系數(shù)（R2）來評定冬小麥開花期、成熟期和單產(chǎn)的模擬精度[38]。

式中，n為樣本數(shù)量；Si為第i個模擬值；Oi為第i個觀測值，為觀測值的平均值。RRMSE的值越小，表明模型模擬精度越高[28]。

1.3.2 趨勢分析

Theil-Sen Median方法，又稱Sen斜率估算法，是非參數(shù)統(tǒng)計的趨勢計算方法，多用于長時間序列數(shù)據(jù)的趨勢分析中[39]。雖然Sen斜率估算法有較強的抗噪性，但不能判斷序列趨勢顯著性。Mann- Kendall（M-K）一般用于檢驗長時間序列數(shù)據(jù)的顯著性趨勢[40]，當(dāng)統(tǒng)計量|Z|>1.96時，表示通過95%置信度的顯著性檢驗。結(jié)合Sen趨勢度與M-K趨勢分析法，分析冬小麥物候期和產(chǎn)量的時空變化特征。

1.3.3 灰色關(guān)聯(lián)分析法

灰色關(guān)聯(lián)分析法是灰色系統(tǒng)理論的具體應(yīng)用，主要通過分析母序列與其余指標(biāo)序列的灰色關(guān)聯(lián)度，度量兩個因素間關(guān)聯(lián)性大小。灰色關(guān)聯(lián)度值介于0～1之間，值越大表明該指標(biāo)對構(gòu)建的灰色系統(tǒng)影響越大，即兩個因素間關(guān)系越緊密[10]。采用灰色關(guān)聯(lián)法分析冬小麥產(chǎn)量與不同生長階段氣象因子（日平均氣溫、日最低氣溫、日最高氣溫、日相對濕度、總太陽輻射、總降水量和總?cè)照諘r數(shù)）之間的關(guān)系，確定影響冬小麥產(chǎn)量的敏感氣象因子。

1.3.4 多元回歸分析

多元回歸分析是用來擬合產(chǎn)量與敏感氣象因子之間的定量關(guān)系，若敏感氣象因子間存在共線性則進行嶺回歸建模，保證回歸方程系數(shù)的準(zhǔn)確性。選取冬小麥單產(chǎn)和不同生長階段的氣象因子分別作為被解釋變量Y和解釋變量X，運用貢獻率指標(biāo)量化氣象因子對產(chǎn)量的影響程度，其中貢獻率指氣象因子回歸系數(shù)所占其余回歸系數(shù)絕對值之和的百分比[7]，計算式為

式中，n表示氣象因子個數(shù)；ai表示第i個氣象因子回歸系數(shù)；wi表示貢獻率，wi>0表示氣象要素對冬小麥產(chǎn)量為正影響，wi<0則為負影響。

2 結(jié)果與分析

2.1 模型在田間試驗點的校正與驗證

楊凌和長武田間試驗點冬小麥品種遺傳參數(shù)的校正與驗證結(jié)果如表2所示。由表可知，楊凌冬小麥校正時開花期和成熟期模擬值與觀測值最大相差1d，RRMSE分別為0.36%和0.31%；模型驗證時，楊凌開花期模擬值與觀測值最大相差3d，成熟期模擬值與觀測值間最大相差4d，RRMSE分別為1.45%和1.65%；校正和驗證模擬與觀測產(chǎn)量時，RRMSE分別為4.14%和11.6%。長武冬小麥校正時開花期模擬值與觀測值最大相差10d，成熟期模擬值與觀測值最大相差2d，RRMSE分別為3.17%和0.76%；模型驗證時，長武開花期模擬值與觀測值最大相差5d，成熟期模擬值與觀測值最大相差7d，RRMSE分別為1.61%和1.93%；校正和驗證模擬與觀測產(chǎn)量時，RRMSE分別為7.72%和10.9%。計算RRMSE平均值可知，楊凌田間試驗點的開花期、成熟期和產(chǎn)量的RRMSE平均值均低于長武田間試驗點。

利用楊凌田間試驗點2012?2013年冬小麥動態(tài)生物量的實測值，進一步驗證了DSSAT模型對冬小麥生物量的模擬精度。由圖2可知，2012? 2013年充分灌溉條件下（T1）冬小麥生物量實測和模擬值的R2和RRMSE分別為0.99和15.3%；高灌溉（80mm）且抽穗灌漿時段受旱條件下（T4），R2和RRMSE分別為0.98和16.4%。可以看出，DSSAT模型可以較好地模擬冬小麥生物量動態(tài)變化過程。

基于以上2個田間試驗點的模擬試驗，確定楊凌（關(guān)中平原）田間試驗點冬小麥品種“小偃22”和長武（渭北旱塬）田間試驗點冬小麥品種“長武89134和長旱58”的遺傳參數(shù)如表3所示。

2.2 模型區(qū)域驗證

基于田間試驗點確定的冬小麥品種遺傳參數(shù)，模擬關(guān)中地區(qū)11個氣象站點冬小麥的物候期和產(chǎn)量，并在區(qū)域尺度驗證模擬精度。圖3為冬小麥開花期和成熟期模擬的區(qū)域驗證結(jié)果，關(guān)中平原和渭北旱塬冬小麥播種?開花期歷時分別為180～215d和195～240d，播種?成熟期歷時分別為220～250d和230～280d。冬小麥開花期RRMSE為3.2%，R2為0.71，成熟期RRMSE為3.0%，R2為0.73。由此表明，將田間試驗點確定的冬小麥品種遺傳參數(shù)擴展至區(qū)域氣象站點后，對開花期、成熟期的模擬結(jié)果較可靠。

注：DAS表示播種后天數(shù)。下同。

Note: DAS indicates the number of days after seeding. The same as below.

圖2 2012?2013生長季楊凌田間試驗點冬小麥生物量動態(tài)觀測值與模擬值變化

表3 冬小麥品種遺傳參數(shù)

注：P1V表示最適宜溫度條件下通過春化階段所需天數(shù)（d）。P1D表示光周期參數(shù)（%）。P5：籽粒灌漿期積溫（℃·d）。G1：開花期單位株冠質(zhì)量的籽粒數(shù)（Nr.·g?1）。G2：最佳條件下標(biāo)準(zhǔn)籽粒質(zhì)量（mg）。G3：成熟期非脅迫下單株莖穗標(biāo)準(zhǔn)干質(zhì)量（g）。PHINT：完成一片葉生長所需積溫（℃·d）。

Note: P1V (d) indicates the number of days required to pass the vernalization stage under optimum temperature conditions. P1D (%) indicates the photoperiod parameter. P5: Cumulative temperature during seed filling (℃·d). G1:Number of seeds per plant crown mass at flowering (Nr.·g?1). G2: Standard seed mass under optimal conditions (mg). G3:Standard dry mass (g) of single stem spike under non-stress at maturity. PHINT: The cumulative temperature required to complete the growth of a leaf (℃·d).

圖3 關(guān)中地區(qū)冬小麥物候期模擬值與觀測值對比

據(jù)文獻記載[25,34?35]，國家區(qū)域試驗報告中黃淮冬小麥旱薄地組顯示[25]，陜西旱地冬小麥單產(chǎn)約為4500kg·hm?2。地處關(guān)中平原地區(qū)的扶風(fēng)縣2000?2009年冬小麥平均單產(chǎn)約為7000kg·hm?2[34]。2005?2009年陜西省測土配方施肥項目53個縣冬小麥調(diào)查表明[35]，渭北旱塬、關(guān)中平原灌區(qū)平均產(chǎn)量最高分別達5422kg·hm?2、7474kg·hm?2。表4為冬小麥單產(chǎn)的區(qū)域驗證結(jié)果，通過與上述歷史記錄比較，關(guān)中平原和渭北旱塬產(chǎn)量模擬值與統(tǒng)計值的RRMSE值分別為23.6%和11.2%，表明DSSAT作物模型適用于關(guān)中地區(qū)冬小麥產(chǎn)量模擬。綜上，田間試驗點確定的冬小麥品種遺傳參數(shù)可以應(yīng)用于同區(qū)域氣象站點開花期、成熟期和單產(chǎn)的模擬，實現(xiàn)由點到面的擴展。

2.3 冬小麥物候期和單產(chǎn)的變化特征

利用經(jīng)驗證的DSSAT模型和冬小麥品種遺傳參數(shù)模擬了關(guān)中地區(qū)11個氣象站點2001?2019年冬小麥物候期和產(chǎn)量。從圖4可以看出，冬小麥播種?開花期較晚的站點主要分布在渭北旱塬和關(guān)中平原最南部（華陰和太白），播種?開花期超過214d的包括隴縣、耀州、永壽、長武、華陰和太白等站點，其中長武和華陰分別為235d和241d，明顯晚于其余站點；韓城和鳳翔播種?開花期超過200d，分別為208d和203d；關(guān)中平原蒲城、渭城和武功的播種?開花期早于200d（圖4a1）。武功站播種?開花期的時間呈推遲趨勢，速率達到了0.7d·10a?1，但未通過95%的顯著性檢驗，而其余站點均呈現(xiàn)出提前趨勢，其中提前趨勢顯著的站點包括隴縣、長武、渭城、鳳翔，且均超過了2.7d·10a?1，尤以渭城提前趨勢最大，達到了4.7d·10a?1。播種至開花期提前趨勢較大的站點主要位于研究區(qū)西北部，而東部站點提前趨勢不顯著（圖4a2）。

表4 冬小麥產(chǎn)量的區(qū)域驗證

注：統(tǒng)計值a根據(jù)文獻[25]和[34]；統(tǒng)計值b根據(jù)文獻[35]。

Note: Statistic a indicates the output of reference [25] and [34]; Statistic b indicates the output of reference [35].

圖4 2001?2019年各站點開花期和成熟期的平均值及變化趨勢的空間分布

注：*表示通過0.05水平的顯著性檢驗。

Note：*indicates passing the significance test of 0.05.

由圖4b1可知，成熟期較晚的站點主要分布在渭北旱塬和關(guān)中平原南部（華陰和太白），且播種至成熟期超過244d的站點有隴縣、耀州、永壽、長武、華陰和太白，其中華陰、太白和長武明顯晚于其余站點，分別為283d、266.1d和266d；關(guān)中平原除了華陰和太白外其余站點播種至成熟期均早于244d，而渭北旱塬僅有韓城站早于244d。就成熟期變化趨勢的空間分布而言（圖4b2），僅武功站播種?成熟期呈推遲趨勢，速率達到了0.22d·10a?1，而其余站點都呈提前趨勢，提前趨勢顯著的站點包括長武、鳳翔和渭城，尤以渭城提前趨勢最大，達到了4.0d·10a?1。可以看出，播種?成熟期提前趨勢較大站點主要分布在研究區(qū)中部，其余站點提前趨勢不顯著。

進一步分析關(guān)中平原和渭北旱塬冬小麥物候期變化趨勢，圖5表明2001?2019年關(guān)中平原和渭北旱塬播種?開花期提前趨勢分別為2.30d·10a?1和1.20d·10a?1，而播種?成熟期提前趨勢均為0.60d·10a?1，關(guān)中平原冬小麥物候期的提前趨勢高于渭北旱塬。

圖6為2001?2019年各站點冬小麥單產(chǎn)平均值及變化趨勢的空間分布圖。由圖可以看出，冬小麥單產(chǎn)空間分布差異較為明顯，呈現(xiàn)從北向南逐漸遞增的態(tài)勢。單產(chǎn)平均值較大的區(qū)域主要分布在關(guān)中平原（圖6a），超過6000kg·hm?2的站點包括蒲城、渭城、武功、華陰、鳳翔、太白，其中鳳翔和太白的單產(chǎn)分別達到了9874kg·hm?2和10455kg·hm?2，明顯高于其它站點。渭北旱塬所有站點單產(chǎn)平均值均小于6000kg·hm?2，尤以韓城最低，僅為4455kg·hm?2。從單產(chǎn)變化趨勢的空間分布可以看出（圖6b），關(guān)中平原的蒲城和渭城的單產(chǎn)呈現(xiàn)減少趨勢，但未通過95%顯著性水平檢驗，武功、華陰和鳳翔站單產(chǎn)表現(xiàn)為不顯著增加趨勢，僅有太白站冬小麥單產(chǎn)呈顯著增加趨勢；渭北旱塬各站點單產(chǎn)增加趨勢均不顯著。

2001?2019年冬小麥單產(chǎn)區(qū)域模擬結(jié)果如圖7所示。由圖可見，關(guān)中平原與渭北旱塬模擬單產(chǎn)的波動趨勢具有一致性，但整體上關(guān)中地區(qū)冬小麥單產(chǎn)年際波動較大，在2001年和2013年單產(chǎn)較低，特別是2013年關(guān)中平原與渭北旱塬的冬小麥單產(chǎn)分別低至8108kg·hm?2和2037kg·hm?2。據(jù)相關(guān)文獻記載，2013年關(guān)中地區(qū)發(fā)生較為嚴重的干旱事件[41]，農(nóng)作物受旱災(zāi)影響較為嚴重，是導(dǎo)致該地區(qū)冬小麥嚴重減產(chǎn)的關(guān)鍵原因[25]，說明研究結(jié)果與文獻記載較為一致。2017年關(guān)中平原和渭北旱塬區(qū)域單產(chǎn)模擬結(jié)果均為歷年最高，分別達到了10876kg·hm?2和7978kg·hm?2。

圖5 2001?2019年冬小麥區(qū)域物候的年際變化

圖6 各站點冬小麥單產(chǎn)平均值(a)及變化趨勢(b)的空間分布

圖7 渭北旱塬和關(guān)中平原區(qū)域冬小麥單產(chǎn)年際變化

注：箱體內(nèi)方框表示平均值。上限、下限和中間橫線分別表示上四分位數(shù)、下四分位數(shù)和中位數(shù)。

Note：The square in the box represent the average value. The upper limit, lower limit and middle horizontal line represent the upper quartile, lower quartile and median, respectively.

2.4 冬小麥單產(chǎn)與各生育期氣象因子的灰色關(guān)聯(lián)及影響程度

選用渭北旱塬9月?翌年6月、關(guān)中平原10月?翌年6月的7個關(guān)鍵氣象因子，分別建立各站點模擬產(chǎn)量與不同生長階段氣象因子的灰色關(guān)聯(lián)矩陣，將各區(qū)域灰色關(guān)聯(lián)度較大的氣象因子作為敏感氣象因子，進而根據(jù)單產(chǎn)與敏感氣象因子的回歸結(jié)果分析具體影響程度（圖8）。

由圖8a1可見，在冬前生長期，與渭北旱塬各站點冬小麥單產(chǎn)關(guān)聯(lián)度較高的敏感氣象因子（9?11月）包括日平均氣溫、日最高氣溫、日最低氣溫和日相對濕度，其中日平均氣溫和日最低氣溫升高對產(chǎn)量增加貢獻最大，且表現(xiàn)為正影響，而日最高氣溫和日相對濕度增加在隴縣、耀州和長武對產(chǎn)量形成為負影響（圖8a2）。與關(guān)中平原各站點單產(chǎn)關(guān)聯(lián)度較高的敏感氣象因子（10?11月）主要包括日平均氣溫、日最高氣溫、日相對濕度和總太陽輻射（圖8a1），其中日平均氣溫升高對蒲城、武功和鳳翔的單產(chǎn)均表現(xiàn)為正影響，尤其對鳳翔影響最大，貢獻率高達99%，但在關(guān)中平原南部，日平均氣溫升高對渭城、華陰和太白的產(chǎn)量形成均表現(xiàn)為負影響，且貢獻率超過20%，這也是造成該區(qū)域冬小麥減產(chǎn)的原因之一（圖8a2）。

越冬期（12月?翌年2月）多數(shù)氣象因子與產(chǎn)量的灰色關(guān)聯(lián)度較高。總降水量、總?cè)照諘r數(shù)、日最高氣溫、日相對濕度、總太陽輻射都與渭北旱塬單產(chǎn)的關(guān)聯(lián)度較高（圖8b1），其中多數(shù)站點日最高氣溫和總降水量增加對產(chǎn)量存在正影響，尤以日最高氣溫對增產(chǎn)起主要作用，其貢獻率均大于50%，而日相對濕度和總太陽輻射增加會導(dǎo)致減產(chǎn)，但太陽輻射的貢獻較小（圖8b2）。總?cè)照諘r數(shù)、日最低氣溫、日最高氣溫、日相對濕度和總太陽輻射與關(guān)中平原大多數(shù)站點的冬小麥單產(chǎn)關(guān)聯(lián)度較高（圖8b1），其中，在渭城、武功、華陰和太白站日最低氣溫增加會導(dǎo)致減產(chǎn)，而日相對濕度增加對多數(shù)站點的增產(chǎn)具有正貢獻，但整體貢獻較小（圖8b2）。

在返青抽穗期（3?4月），日平均氣溫、日最高氣溫和日相對濕度與渭北旱塬各站點單產(chǎn)的關(guān)聯(lián)度較高（圖8c1），其中，日最高氣溫升高會導(dǎo)致所有站點冬小麥減產(chǎn)，日相對濕度的增加會促進增產(chǎn)（圖8c2）。在關(guān)中平原，各站點氣象因子（除總降水量和日最低氣溫外）均與單產(chǎn)有較高關(guān)聯(lián)度（圖8c1），其中大多站點的日最高氣溫增加會導(dǎo)致減產(chǎn)，日相對濕度和總太陽輻射升高則會促進增產(chǎn)，其中總太陽輻射的貢獻率小于10%（圖8c2）。

在灌漿成熟期（5?6月），日平均氣溫、日最低氣溫、日最高氣溫和日相對濕度與渭北旱塬內(nèi)各站點單產(chǎn)關(guān)聯(lián)度較高（圖8d1），其中日平均氣溫、日最低氣溫和日最高氣溫的增加在多數(shù)站點均會導(dǎo)致減產(chǎn)，且貢獻率都較大（圖8d2）。在關(guān)中平原，各站點單產(chǎn)與氣象因子（除總降水外）關(guān)聯(lián)度均較高（圖8d1），其中，各站點日平均氣溫和日最高氣溫的增加會導(dǎo)致冬小麥減產(chǎn)，尤其日最高氣溫起主要作用，但日最低氣溫，日相對濕度和總太陽輻射的增加均對增產(chǎn)具有正影響，其中日最低氣溫的貢獻較大（圖8d2）。

3 討論與結(jié)論

3.1 討論

（1）考慮到區(qū)域灌溉差異性和品種適應(yīng)性，根據(jù)楊凌（關(guān)中平原）及長武（渭北旱塬）兩個冬小麥田間試驗點的大田實驗數(shù)據(jù)，利用DSSAT模型對冬小麥物候期和產(chǎn)量進行模擬的誤差均在可接受范圍內(nèi)，由此確定兩個田間試驗點的冬小麥品種遺傳參數(shù)。在田間試驗點模擬中，長武冬小麥開花期、成熟期和產(chǎn)量模擬精度均低于楊凌，原因在于長武田間試驗點是在雨養(yǎng)無灌溉條件下進行的大田試驗，冬小麥生長發(fā)育所需水分不足會影響模型的模擬精度。在區(qū)域模擬中，對關(guān)中平原和渭北旱塬11個氣象站點的冬小麥模擬分別采用兩個田間試驗點的參數(shù)估計結(jié)果，但冬小麥品種遺傳參數(shù)P1V，G3不僅與作物自身有關(guān)，還受基因型?環(huán)境互作共同影響，當(dāng)同區(qū)域不同站點氣候差異較大時，可能會導(dǎo)致模擬誤差較大[25]。在渭北旱塬各氣象站點在模型模擬時設(shè)置為無灌溉，在關(guān)中平原各氣象站點灌溉量是根據(jù)2001?2020年陜西省水資源公報中其所在地區(qū)農(nóng)田單位面積灌溉量和該地區(qū)冬小麥播種面積占農(nóng)作物播種面積的比例乘積來估算，灌溉時間設(shè)為冬灌，然而灌溉量的估算結(jié)果也可能會影響產(chǎn)量模擬結(jié)果[25]。

a.冬前生長期Pre-winter growth period，b. 越冬期Overwintering period，c.返青抽穗期Greening and heading period，d.灌漿成熟期Filling and mature period；1.灰色關(guān)聯(lián)矩陣Gray correlation matrix，2.貢獻率Contribution rate

注：圖中的<60%，60%～80%和>80%分別表示每個氣象因子的灰色關(guān)聯(lián)度排序。

Note: The value <60%, 60%～80% and >80% represent the order of gray correlation degree for each meteorological factor respectively.

（2）農(nóng)作物產(chǎn)量形成對于氣候變化比較敏感，已有研究表明，惡劣氣候變化會對冬小麥生長產(chǎn)生消極影響[42]。冬小麥屬于低溫長日照作物，在幼苗階段必須通過一定的低溫時期才能進入幼穗分化，否則麥苗只能停留在分蘗狀態(tài)而不能抽穗結(jié)實[43]。因此，溫度是影響作物生長的主要驅(qū)動力，與冬小麥生長發(fā)育密切相關(guān)，本研究結(jié)果也表明日最低氣溫在冬前生長期對產(chǎn)量有正貢獻，日平均氣溫在冬小麥冬前生長期、返青抽穗期都對產(chǎn)量具有正貢獻，但在灌漿成熟期對產(chǎn)量具有負貢獻，是決定農(nóng)作物能否正常生長、發(fā)育和成熟的先決條件，這與景毅剛等的研究結(jié)果較為一致[44]。日最高氣溫在不同生育期對產(chǎn)量貢獻差異較大，在越冬期對產(chǎn)量為正貢獻，分析原因在于日最高氣溫的增加能在一定程度上降低冬小麥越冬期間凍害的發(fā)生概率，從而促進增產(chǎn)[45]。而在冬小麥生長后期溫度升高，加速了發(fā)育進程，使生育期縮短而不利于千粒重增加[46]，且暴曬也容易讓麥粒自然脫殼落地，造成冬小麥減產(chǎn)，因此，日最高氣溫在冬小麥生長后期的返青拔節(jié)和灌漿成熟期對產(chǎn)量具有較大的負貢獻而導(dǎo)致大幅度減產(chǎn)。此外，越冬期足夠的水分能改善土壤中的水分環(huán)境，提高土壤的熱容量，促進幼苗生根生長，當(dāng)寒潮來臨時適量的降水可防止凍害發(fā)生，因而降水在冬小麥越冬期對單產(chǎn)具有正貢獻。同時日相對濕度在整個生長階段均與產(chǎn)量有關(guān)，說明水分在冬小麥整個生育期對產(chǎn)量有較大影響。整體而言，溫度是影響該地區(qū)冬小麥產(chǎn)量的主控因子，不同生長階段的溫度對產(chǎn)量的影響差異較大。

（3）冬小麥產(chǎn)量的形成過程比較復(fù)雜，還受到技術(shù)管理水平、極端災(zāi)害氣候、病蟲害和物質(zhì)投入等多種因素的綜合影響。另外土壤等輸入數(shù)據(jù)精度也可能導(dǎo)致冬小麥產(chǎn)量模擬結(jié)果產(chǎn)生不確定性。受資料限制，本文采用DSSAT作物模型模擬了現(xiàn)有種植情景（播種日期不變，施肥僅考慮基肥，品種一致、管理方式一致）下的冬小麥單產(chǎn)，僅探討了氣候條件對產(chǎn)量的影響，未來需要著重考慮極端災(zāi)害氣候、病蟲害對作物生長過程的影響，從而確定合理的風(fēng)險應(yīng)對措施。

3.2 結(jié)論

（1）基于DSSAT模型在楊凌（關(guān)中平原）田間試驗點模擬的冬小麥開花期、成熟期和單產(chǎn)的RRMSE平均值分別為0.91%、0.98%和7.87%，長武（渭北旱塬）田間試驗點則分別為2.39%、1.35%和9.30%。區(qū)域模擬中，關(guān)中平原和渭北旱塬冬小麥開花期和成熟期模擬結(jié)果的RRMSE分別為3.2%和3.0%，區(qū)域單產(chǎn)的RRMSE分別為23.6%和11.2%。表明DSSAT模型可以應(yīng)用于關(guān)中地區(qū)冬小麥開花期、成熟期和單產(chǎn)模擬。

（2）2001?2019年關(guān)中地區(qū)各氣象站點的冬小麥播種?開花期和成熟期僅在武功站點推遲，分別達到了0.70d·10a?1和0.22d·10a?1，其余站點呈提前趨勢；各站點冬小麥單產(chǎn)在蒲城、渭城站點呈減少趨勢，其余站點呈增加趨勢。關(guān)中平原物候期提前趨勢高于渭北旱源。

（3）影響冬小麥模擬產(chǎn)量的敏感氣象因子在不同的生長階段和區(qū)域各不相同，同一氣象因素貢獻也存在差異。在關(guān)中地區(qū)冬小麥整個生長過程中，溫度均是影響產(chǎn)量的主控因子。日最低氣溫增加在冬前生長期對冬小麥增產(chǎn)貢獻較大；多數(shù)站點日平均氣溫增加在冬前生長期和返青抽穗期能夠促進增產(chǎn)，而在灌漿成熟期則會導(dǎo)致減產(chǎn)；日最高氣溫升高在越冬期對產(chǎn)量增加貢獻較大，但在返青抽穗期和灌漿成熟期會導(dǎo)致冬小麥嚴重減產(chǎn)。

[1] 丁聲俊.全面落實新部署穩(wěn)健奮進新征程:學(xué)習(xí)2022年“中央一號文件”的思考[J].糧食問題研究,2022,243(3): 4-11.

Ding S J.Fully implement the new deployment,steadily advance the new journey:study the thinking of "No.1 Central Document" in 2022[J].Grain Issues Research,2022, 243(3):4-11.(in Chinese)

[2] 王妍,張曉龍,石嘉麗,等.中國冬小麥主產(chǎn)區(qū)氣候變化及其對小麥產(chǎn)量影響研究[J].中國生態(tài)農(nóng)業(yè)學(xué)報,2022,30 (5):723-734.

Wang Y,Zhang X L,Shi J L,et al.Climate change and its effect on winter wheat yield in the main winter wheat production areas of China[J].Chinese Journal of Eco- Agriculture,2022,30(5):723-734.(in Chinese)

[3] 韓蘭英,張強,程英,等.農(nóng)業(yè)干旱災(zāi)害風(fēng)險研究進展及前景分析[J].干旱區(qū)資源與環(huán)境,2020,34(6):97-102.

Han L Y,Zhang Q,Cheng Y,et al.Research progress of agriculture drought disaster risk and prospect[J].Journal of Arid Land Resources and Environment,2020,34(6):97-102. (in Chinese)

[4] Huang X,Zhu W Q,Zhao C L,et al.Phenological piecewise modelling is more conducive than whole-season modelling to winter wheat yield estimation based on remote sensing data[J].European Journal of Remote Sensing,2022,55(1): 338-352.

[5] 蔣騰聰.黃土高原冬小麥生產(chǎn)對氣候變化響應(yīng)的模型模擬及不確定性研究[D].楊凌:西北農(nóng)林科技大學(xué),2022.

Jiang T C.Crop model simulations and uncertainty analysis for the responses of winter wheat production to climate change in the Loess Plateau[D].Yangling:North West Agriculture and Forestry University,2022.(in Chinese)

[6] 肖登攀,陶福祿,沈彥俊,等.華北平原冬小麥對過去30年氣候變化響應(yīng)的敏感性研究[J].中國生態(tài)農(nóng)業(yè)學(xué)報,2014, 22(4):430-438.

Xiao D P,Tao F L,Shen Y J,et al.Sensitivity of response of winter wheat to climate change in the North China Plain in the last three decades[J].Chinese Journal of Eco-Agriculture, 2014,22(4):430-438.(in Chinese)

[7] 李炳軍,張一帆.不同生育期氣候變化對河南省冬小麥產(chǎn)量影響的量化分析[J].江蘇農(nóng)業(yè)科學(xué),2022,50(12):238-246.

Li B J,Zhang Y F.Quantitative analysis of impact of climate change at different growth stages on winter wheat yield in Henan province[J].Jiangsu Agricultural Sciences,2022,50 (12):238-246.(in Chinese)

[8] 孫琳麗,侯瓊,馬玉平,等.WOFOST模型在內(nèi)蒙古河套灌區(qū)模擬玉米生長全程的適應(yīng)性[J].生態(tài)學(xué)雜志,2016,35 (3):800-807.

Sun L L,Hou Q,Ma Y P,et al.Adaptability of WOFOST model to simulate the whole growth period of maize in Hetao irrigation region of Inner Mongolia[J].Chinese Journal of Ecology,2016,35(3):800-807.(in Chinese)

[9] 孫揚越,申雙和.作物生長模型的應(yīng)用研究進展[J].中國農(nóng)業(yè)氣象,2019,40(7):444-459.

Sun Y Y,Shen S H.Research progress in application of crop growth models[J].Chinese Journal of Agrometeorology, 2019,40(7):444-459.(in Chinese)

[10] 徐瑞陽,何英彬,趙錫海,等.基于DSSAT模型的1961-2017年東北地區(qū)馬鈴薯潛在單產(chǎn)及其影響因子分析[J].中國農(nóng)業(yè)資源與區(qū)劃,2021,42(12):102-114.

Xu R Y,He Y B,Zhao X H,et al.Analysis on potato potential yield and its influencing factors in northeast China from 1961 to 2017 based on the DSSAT model[J].Chinese Journal of Agricultural Resources and Regional Planning, 2021,42(12):102-114.(in Chinese)

[11] 譚紅,呂新,張澤,等.基于DSSAT模型模擬的氣候變化對棉花生產(chǎn)潛力影響研究[J].棉花學(xué)報,2020,32(2):113-120.

Tan H,Lv X,Zhang Z,et al.Influence of climate change on cotton production potential based on DSSAT model simulation[J].Cotton Science,2020,32(2):113-120.(in Chinese)

[12] Yang M J,Wang G L,Ahmed K F,et al.The role of climate in the trend and variability of Ethiopia's cereal crop yields[J].Science of the Total Environment,2020,723: 137893.

[13] Chavas D R,Cesa lzaurralde R,Thomson A M,et al.Long-term climate change impacts on agricultural productivity in eastern China[J].Agricultural and Forest Meteorology,2009,149(6):1118-1128.

[14] 楊沈斌,申雙和,趙小艷,等.氣候變化對長江中下游稻區(qū)水稻產(chǎn)量的影響[J].作物學(xué)報,2010,36(9):1519-1528.

Yang S B,Shen S H,Zhao X Y,et al.Impacts of climate changes on rice production in the middle and lower reaches of the Yangtze River[J].Acta Agronomica Sinica,2010,36 (9):1519-1528.(in Chinese)

[15] 劉文茹,陳國慶,劉恩科,等.基于DSSAT模型的長江中下游冬小麥潛在產(chǎn)量模擬研究[J].生態(tài)學(xué)報,2018,38(9): 3219-3229.

Liu W R,Chen G Q,Liu E K,et al.The variations in winter wheat potential yields in the middle and lower reaches of the Yangtze River under the RCP scenarios[J].Acta Ecological Sinica,2018,38(9):3219-3229.(in Chinese)

[16] 李闊,熊偉,潘婕,等.未來升溫1.5℃與2.0℃背景下中國玉米產(chǎn)量變化趨勢評估[J].中國農(nóng)業(yè)氣象,2018,39(12):765-777.

Li K,Xiong W,Pan J,et al.Trend evaluation on changes of maize yield in China under global warming by 1.5 and 2.0℃[J].Chinese Journal of Agrometeorology,2018,39(12): 765-777.(in Chinese)

[17] Li K,Pan J,Xiong W,et al.The impact of 1.5°C and 2.0°C global warming on global maize production and trade [J].Scientific Reports,2022,12(1):17268.

[18] Ayankojo I T,Thorp K R,Morgan K,et al.Assessing the impacts of future climate on cotton production in the Arizona low desert[J].Agricultural Engineering,2020,63 (4):1087-1098.

[19] Chen Y,Tao F L.Potential of remote sensing data-crop model assimilation and seasonal weather forecasts for early-season crop yield forecasting over a large area[J]. Field Crops Research,2022,276:108398.

[20] 董宇軒,王會肖,劉海軍,等.氣候變化背景下關(guān)中地區(qū)參考作物蒸散量變化趨勢及敏感性分析[J].節(jié)水灌溉,2019, 288(8):113-119.

Dong Y X,Wang H X,Liu H J,et al.Changing trend and sensitivity analysis of reference crop evapotranspiration in Guanzhong region by considering climate change[J].Water Saving Irrigation,2019,288(8):113-119.(in Chinese)

[21] 高茂盛,李紅梅,王衛(wèi)東,等.1961-2014年陜西省氣候資源變化趨勢及突變分析[J].中國農(nóng)業(yè)大學(xué)學(xué)報,2017,22(11): 121-132.

Gao M S,Li H M,Wang W D,et al.Climate resources trend and abrupt climate change in Shaanxi province during 1961 to 2014[J].Journal of China Agricultural University, 2017,22(11):121-132.(in Chinese)

[22] 劉哲,張揚.陜西省氣候變化及其糧食產(chǎn)量變化特征[J].綠色科技,2021,23(18):6-8.

Liu Z,Zhang Y.Climate changes and variation characteristics of grain production in Shaanxi province[J]. Journal of Green Science and Technology,2021,23(18):6-8. (in Chinese)

[23] 成林,李彤霄,劉榮花.主要生育期氣候變化對河南省冬小麥生長及產(chǎn)量的影響[J].中國生態(tài)農(nóng)業(yè)學(xué)報,2017,25(6): 931-940.

Cheng L,Li T X,Liu R H.Effect of climate change on growth and yield of winter wheat in Henan province[J]. Chinese Journal of Eco-Agriculture,2017,25(6):931-940.(in Chinese)

[24] 趙茹欣,王會肖,董宇軒.氣候變化對關(guān)中地區(qū)糧食產(chǎn)量的影響及趨勢分析[J].中國生態(tài)農(nóng)業(yè)學(xué)報,2020,28(4):467-479.

Zhao R X,Wang H X,Dong Y X.Impact of climate change on grain yield and its trend across Guanzhong region[J]. Chinese Journal of Eco-Agriculture,2020,28(4):467-479.(in Chinese)

[25] 蔣騰聰.基于作物模型的關(guān)中地區(qū)冬小麥生產(chǎn)水足跡時空演變趨勢分析[D].楊凌:西北農(nóng)林科技大學(xué),2018.

Jiang T C.Analyses of spatial and temporal variations of water footprint of winter-wheat production in the Guanzhong region based on crop growth simulation model[D].Yangling:North West Agriculture and Forestry University,2018.(in Chinese)

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

Dong C L,Zhang W J,Tang Y,et al.Calculation of evaporation and its application on evaluating water resources of agriculture in Jiangxi province[J].Chinese Journal of Agrometeorology,2005,26(3):165-169.(in Chinese)

[27] 周勇,劉艷峰,王登甲,等.中國不同氣候區(qū)日總太陽輻射計算模型適用性分析及通用計算模型優(yōu)化[J].太陽能學(xué)報,2022,43(9):1-7.

Zhou Y,Liu Y F,Wang D J,et al.Suitability of models for daily global solar radiation estimation in different climatic zones of China and optimization of general models[J].Acta Energiae Solaris Sinica,2022,43(9):1-7.(in Chinese)

[28]姚寧,周元剛,宋利兵,等.不同水分脅迫條件下DSSAT-CERES-Wheat模型的調(diào)參與驗證[J].農(nóng)業(yè)工程學(xué)報,2015,31(12):138-150.

Yao N,Zhou Y G,Song L B,et al.Parameter estimation and verification of DSSAT-CERES-Wheat model for simulation of growth and development of winter wheat under water stresses at different growth stages[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015,31(12):138-150.(in Chinese)

[29] 孟現(xiàn)勇,王浩.基于世界土壤數(shù)據(jù)庫(HWSD)土壤數(shù)據(jù)集(v1.2)[D].北京:國家青藏高原科學(xué)數(shù)據(jù)中心,2018.

Meng X Y,Wang H.Soil map based Harmonized World Soil Database (v1.2)[D].Beijing:National Tibetan Plateau Data Center,2018.(in Chinese)

[30] Dai Y J,Shang G W ,Duan Q Y,et al.Development of a China dataset of soil hydraulic parameters using pedotransfer functions for land surface modeling[J].Journal of Hydrometeorology,2013,14(3):869-887.

[31] Jiang T C,Wang B,Xu X J,et al.Identifying sources of uncertainty in wheat production projections with consideration of crop climatic suitability under future climate[J]. Agricultural and Forest Meteorology,2022,319:108933.

[32] 趙護兵,王朝輝,高亞軍,等.陜西省農(nóng)戶小麥?zhǔn)┓收{(diào)研評價[J].植物營養(yǎng)與肥料學(xué)報,2016,22(1):245-253.

Zhao H B,Wang Z H,Gao Y J,et al.Investigation and evaluation of household wheat fertilizer application in Shaanxi province[J].Journal of Plant Nutrition and Fertilizer, 2016,22(1):245-253.(in Chinese)

[33] 王小英,陳占飛,胡凡,等.陜西省農(nóng)田化肥投入過量與不足的研究[J].干旱地區(qū)農(nóng)業(yè)研究,2017,35(6):159-165.

Wang X Y,Chen Z F,Hu F,et al.Study on the excessive and insufficient of chemical fertilizer inputs on farmland in Shaanxi province[J].Agricultural Research in the Arid Areas,2017,35(6):159-165.(in Chinese)

[34] 戴相林.關(guān)中中西部地區(qū)農(nóng)田土壤養(yǎng)分平衡狀況演變研究[D].楊凌:西北農(nóng)林科技大學(xué),2012.

Dai X L.Changes of nutrient balances in soil in midwest region of Guanzhong plain[D].Yangling:North West Agriculture and Forestry University,2012. (in Chinese)

[35] 王小英.陜西省養(yǎng)分資源利用時空變化特征研究[D].楊凌:西北農(nóng)林科技大學(xué),2015.

Wang X Y.Study on characteristics of the temporal and spatial variation of nutrient resource utilization in Shaanxi province [D].Yangling:North West Agriculture and Forestry University,2015. (in Chinese)

[36] 彭慧文,趙俊芳,謝鴻飛,等.作物模型應(yīng)用與遙感信息集成技術(shù)研究進展[J].中國農(nóng)業(yè)氣象,2022,43(8):644-656.

Peng H W,Zhao J F,Xie H F,et al.Progresses of crop model application and Its integration with remote sensing technology[J].Chinese Journal of Agrometeorology,2022, 43(8):644-656.(in Chinese)

[37] Abayechaw D.Review on decision support system for agrotechnology transfer (DSSAT) model[J].International Journal of Intelligent Information Systems,2021,10(6): 117-124.

[38] Xiong W,Holman I,Conway D,et al.A crop model cross calibration for use in regional climate impacts studies [J].Ecological Modelling,2008,213(3):365-380.

[39] Gocic M,Trajkovic S.Analysis of changes in meteorological variables using Mann-Kendall and Sen's slope estimator statistical tests in Serbia[J].Global and Planetary Change, 2013,100(1):172-182.

[40] 張大任,鄭靜,范軍亮,等.近60年中國不同氣候區(qū)極端溫度事件的時空變化特征[J].中國農(nóng)業(yè)氣象,2019,40(7): 422-434.

Zhang D R,Zheng J,Fan J L,et al.Spatiotemporal variations of extreme temperature indices in different climatic zones of China over the past 60 years[J].Chinese Journal of Agrometeorology,2019,40(7):422-434.(in Chinese)

[41] 國家防汛抗旱總指揮部,中華人民共和國水利部.中國水旱災(zāi)害公報(2013年)[M].北京:中國水利水電出版社, 2013

State flood control and drought relief headquarter.Ministry of Water Resources of the People’s Republic of China. China flood and Drought disaster bulletin(2013)[M]. Beijing:China Water Power Press,2013.(in Chinese)

[42] 常耀杰,劉敏,王文忠,等.文水縣氣候變化對冬小麥產(chǎn)量的影響[J].干旱區(qū)資源與環(huán)境,2017,31(6):123-129.

Chang Y J,Liu M,Wang W Z,et al.Effects of climate change on winter wheat yield in Wenshui County[J].Journal of Acid Land Resources and Environment,2017,31(6):123- 129.(in Chinese)

[43] 呂麗華,梁雙波,張麗華,等.不同小麥品種產(chǎn)量對冬前積溫變化的響應(yīng)[J].作物學(xué)報,2016,42(1):149-156.

Lv L H,Liang S B,Zhang L H,et al.Yield in response to accumulated temperature before winter in winter wheat[J].Acta Agronomica Sinica,2016,42(1):149-156.(in Chinese)

[44] 景毅剛,范建忠,高茂盛.氣候變暖對陜西冬小麥生育期的影響[J].麥類作物學(xué)報,2013,33(2):389-396.

Jing Y G,Fan J Z,Gao M S.Influences of the climate warming on developmental stages of winter wheat in Shaanxi[J].Journal of Triticeae Crops,2013,33(2):389-396. (in Chinese)

[45] 李紅梅,權(quán)文婷,張樹譽.氣候變暖對陜西中北部冬小麥返青前熱量資源的影響[J].中國農(nóng)學(xué)通報,2022,38(4):53-61.

Li H M,Quan W T,Zhang S Y.The impact of climate warming on heat resources before the turning green stage of winter wheat in central and northern Shaanxi province[J]. Chinese Agricultural Science Bulletin,2022,38(4):53-61.(in Chinese)

[46] 高素華,郭建平,趙四強,等.“高溫”對我國小麥生長發(fā)育及產(chǎn)量的影響[J].大氣科學(xué),1996,20(5):599-605.

Gao S H,Guo J P,Zhao S Q,et al.The impacts of "Higher- Temperature" on wheat growth and yield in China[J]. Chinese Journal of Atmospheric Sciences,1996,20(5):599- 605.(in Chinese)

Simulation of Winter Wheat Yields in Guanzhong Region Based on DSSAT Model and Its Influencing Factors

CHEN Jia-jun, SHI Xiao-liang, DING Hao, SHI Meng-qi

（College of Geomatics, Xi'an University of Science and Technology, Xi'an 710054, China）

Based on the field experiments of two field experiment sites and the daily meteorological data of 11 meteorological stations evenly distributed in the winter wheat planting area of Guanzhong region in Shaanxi Province, the DSSAT model was used to determine the genetic parameters of winter wheat cultivars, and then the key phenological periods and yield of winter wheat at each station from 2001 to 2019 were simulated. The M?K test and the Sen trend analysis method were used to reveal the spatial and temporal evolution characteristics and laws from the station and regional scales. On this basis, the gray correlation method and multiple linear regression analysis method were used to explore the sensitive meteorological factors and their contribution rates affecting the simulated yield at each growth period. The results showed that: (1) the average RRMSE values of winter wheat flowering period, mature period and yield simulation results were 0.91%,0.98% and 7.87% in Yangling (Guanzhong Plain) field experiment site, and 2.39%,1.35% and 9.30% in Changwu (Weibei Dryland) field experiment site. In the regional phenological simulation, the RRMSE of winter wheat in the Guanzhong Plain and the Weibei Dryland were 3.2% and 3.0% at the flowering and mature periods, R2were 0.71 and 0.73, and the RRMSE of regional yield were 23.6% and 11.2%, respectively.(2) The sowing to flowering period and mature period of winter wheat in Wugong station showed a delayed trend, and the rates were 0.70d·10y?1and 0.22d·10y?1, respectively, while the other stations showed an earlier trend. The advance trend of phenological period in Guanzhong Plain was higher than that in Weibei Dryland, and the advance trend from sowing to flowering period reaches 2.30d·10y?1and 1.20d·10y?1respectively, and the advance trend from sowing to maturity was 0.60d·10y?1. The simulated yields showed a decreasing trend at Pucheng and Weicheng stations, while an increasing trend at other stations. The lowest and highest values of regional yield appeared in 2013 and 2017, respectively. (3) The increase of daily average temperature and daily minimum temperature in most stations would promote the increase of winter wheat yield in the pre-winter growth period. The increase of daily maximum temperature and total precipitation contributed greatly to the increase of yield in the overwintering period. The increase of daily maximum temperature at greening and heading period would lead to serious yield decrease of winter wheat, but the increase of daily relative humidity would promote the increase of yield. The increase of daily average temperature, daily minimum temperature and daily maximum temperature at most stations would lead to a decrease in winter wheat yield during the filling and mature period. Temperature was the main controlling factor affecting the yield of winter wheat in Guanzhong region, and its influence on yield varies greatly at different growth periods.

DSSAT; Guanzhong region; Meteorological factors; Phenological period; Winter wheat yield

10.3969/j.issn.1000-6362.2023.09.005

陳佳俊,史曉亮,丁皓,等.基于DSSAT模型的關(guān)中地區(qū)冬小麥單產(chǎn)模擬及其影響因子[J].中國農(nóng)業(yè)氣象,2023,44(9):805-819

2022?10?21

國家自然科學(xué)基金（52079103）

史曉亮，博士，副教授，主要從事資源環(huán)境遙感研究，E-mail：xiaoliangshi@xust.edu.cn

陳佳俊，E-mail：21210226071@stu.xust.edu.cn