基于APSIM模型的未來氣候變化對干旱區雨養春小麥播期和種植密度的影響

文章編號：2096-1472（2024）03-0046-06

DOI：10.19644/j.cnki.issn2096-1472.2024.003.010

摘"要：氣候變化評估對智慧農業的影響至關重要。通過2010—2017年實測隴中地區小麥田間數據對APSIM （Agricultural Production Systems sIMulator）模型進行參數校正和驗證，結合CMIP5（Coupled Model Intercomparison Project 5）模式的未來氣候情景數據和驗證后的APSIM模型對播期和種植密度變化下的小麥產量及生物量進行模擬。結果表明，APSIM模型在調參驗證后，模擬精度較高；在氣候變化情景下，增加種植密度處理春小麥產量和生物量較高，提前播種處理春小麥產量和生物量較高；增加種植密度且早播處理有利于產量形成。未來氣候變化情景下，播種密度為237 kg·hm^-2、播種日期為3月10日時，可提高4%的春小麥籽粒產量。模擬結果可為未來氣候變化下的甘肅隴中旱區雨養小麥播期及種植密度管理提供借鑒。

關鍵詞：氣候變化；CMIP5；APSIM-wheat；播種密度

中圖分類號：TP391.7""文獻標志碼：A

Impact of Future Climate Change on the Sowing Date and Planting Density of Rain-fed Spring Wheat in Arid Area Based on APSIM Model

HAO Guanyu， LIU Qiang， WANG Jun

（College of Information Science and Technology， Gansu Agricultural University， Lanzhou 730000， China）

2564859598@qq.com; liuq@gsau.edu.cn; julianwong82@163.com

Abstract： Assessing the impact of climate change on smart agriculture is crucial. In this paper， the parameters of APSIM （Agricultural Production Systems sIMulator） model are calibrated and verified by wheat field data from 2010 to 2017 in Longzhong region. The future climate scenario data of the CMIP5 （Coupled Model Intercomparison Project 5） model and the validated APSIM model are used to simulate wheat yield and biomass under changes in sowing date and planting density. The results show that the APSIM model has higher simulation accuracy after parameter adjustment and verification. In the context of climate change， increasing planting density results in higher spring wheat yield and biomass， and early sowing results in higher spring wheat yield and biomass. Increasing planting density and early sowing treatment are beneficial for generating yield. In the context of future climate change， the spring wheat grain yield is expected to increase by 4 % when the sowing density is 237 kg·hm[WTBZ]-2 and the sowing date is March 10. The simulation results can provide reference for the management of sowing date and planting density of rain-fed wheat in the arid area of central Gansu under future climate change.

Key words： climate change; CMIP5; APSIM-wheat; sowing density

0""引言（Introduction）

氣候變化對許多地區維持和提高作物產量的努力構成挑戰［1-3］。西北隴中地區作為典型的雨養區，研究未來氣候變化對其農業生產的影響至關重要［4-5］。已有研究表明，氣候和降水對干旱地區特別是西北隴中地區春小麥產量的影響顯著［6-8］。目前，針對西北隴中地區春小麥生長的研究多以田間試驗為主，可控性差，精度不夠［9-10］。

APSIM （Agricultural Production Systems sIMulator）主要用于田間尺度的農田作物建模，能夠實現氣候對作物影響的模擬［11-13］。XIAO等［14］基于APSIM對未來氣候中CO2對農作物產量的影響進行研究，但其未考慮干旱條件。聶志剛等［15］利用算法優化基于APSIM的旱地小麥模型，但模擬效果不佳。顏楚睿等［16］對西北地區的未來氣候進行預估，但只考慮氣候變化對高原地區農作物產量的影響。楊衛君等［17］針對播期和密度對干旱地區春小麥產量的影響進行研究，但未考慮未來氣候變化的影響。

因此，明確播期調控和種植密度管理是否能減輕氣候變化對春小麥產量帶來的消極影響，對隴中地區的春小麥種植意義重大。

1"""材料與方法（Materials and methods）

1.1""研究區概況[HJ1.7mm]

本研究選擇的大田試驗地在甘肅省定西市安定區，為甘肅農業大學旱農綜合試驗站（35°64′N，104°64′E），海拔約為2 000 m，常年日照充足。當地氣候屬中溫帶半干旱區，年均氣溫為6.5 ℃，年均太陽輻射為593 kJ/m²，年均降水量約為375.44 mm且集中在每年的6月至9月，無灌溉條件。試驗區土壤質地為黃綿土，0～200 cm的土壤平均容重為1.20 g/cm³，土壤基本理化性質如表1所示。

1.2""試驗設計

根據甘肅省春小麥當地實際播期和種植密度數據，設置3個種植密度梯度變化，分別為140 kg·hm^-2、237 kg·hm^-2、284 kg·hm^-2，用D1、D2、D3表示，對照處理（CK）為187.5 kg·hm^-2。播種日期設置三個梯度，分別為3月1日、3月10日、3月30日，用S1、S2、S3表示，CK對照為當年的3月18日播種。

（1）田間管理

供試的春小麥品種為“定西35號”，于當年的3月15日進行播種，8月5日收獲，播種量為150 kg·hm^-2。按照當地農戶施氮習慣和前期研究結果，施氮量為105 kg·hm^-2，采用傳統的耕作方式。0～5 cm的土層初始土壤含水率為18.2%，試驗小區的面積為20 m×4 m，按照完全隨機區組設計進行田間布置。

（2）未來氣候情景數據

未來氣候預測數據集通過對耦合模式相互比較項目第5階段（CMIP5）中的全球氣候模式（GCM）進行運行，獲得全球降尺度氣候情景。本文選用的是2020—2050年HadGEM3-GC31-LL模型的逐日尺度下的氣候數據。氣候數據包括Tmax、Tmin、pr、rsds。通過APSIM.Met將日尺度氣候數據轉化為APSIM-Wheat所需的氣候數據文件。

（3）數據處理

選用Excel 2010對數據進行整理與匯總，使用DPS 7.5軟件對模擬數據進行回歸分析，使用Origin 2018軟件作圖。

1.3""APSIM模型

（1）APSIM模型簡介

APSIM是一系列作物模型的總稱，它能夠將各種不同的作物模型集成到一個公共平臺上［6］。[JP2]現階段，APSIM能夠模擬小麥、玉米、棉花、油菜、紫花苜蓿、豆類作物和雜草等多種作物。該模型主要通過氣象數據、土壤屬性參數、作物屬性參數和農田管理措施，模擬出不同氣候、土壤、品種管理因素下的作物產量。使用APSIM模型可以很好地研究和預測作物在不同環境條件下的產量變化。這樣的模擬方法不僅能夠為研究人員提供準確的作物產量結果，還能夠降低研究的復雜性和成本。

（2）氣象數據

歷史觀測氣候數據使用甘肅定西氣象站（35°64′N，104°64′E）采集的2007—2018年氣候數據，包括日最高溫、日最低溫、降水量、蒸發量、太陽輻射。研究區2007—2018年年均最高溫、年均最低溫和年降水量變化如圖1所示。

（3）土壤數據

通過操作模塊Sbuild對土壤數據進行輸入管理，模型在運行時會自動調用該土壤數據。本試驗的土壤數據來自定西試驗田的田間試驗實測數據，有效根系層為0～200 cm，分為0～20 cm、21～40 cm、41～60 cm、61～80 cm、81～100 cm共5層。土壤粒徑采用TopSizer激光粒度分析儀測定；田間持水率采用田測法測定；凋萎系數采用高速離心法測定；土壤飽和含水率和土壤容重采用環刀法測定。其他輸入參數如土壤名稱、排水情況、反射率等從中國土壤數據庫獲得。

（4）春小麥生理生態指標

本文采用“定西35號”小麥的生長發育參數如表2所示。

（5）模型調參驗證

APSIM模型的校準和驗證在模擬過程中非常重要，本文利用大田試驗實測數據對模型的精準度進行驗證。試驗選用的評價指標主要有均方根誤差（RMSE），如公式（1）所示；歸一化均方根誤差（NRMSE），如公式（2）所示；模型的有效性（M_e），如公式（3）所示。

公式（1）至公式（3）中，Y_mean代表實測數據的平均值，Y_s代表模擬的產量值，Y_o代表實測的產量值。

2""結果和分析（Results and analysis）

2.1""APSIM模型調參和驗證

利用研究區實測數據，根據試錯法對APSIM-wheat模型的土壤參數和品種參數進行率定，在此基礎上利用試驗區2010—2017[JP2]年實測的春小麥產量值和模擬的產量值對APSIM模型進行精確度評價，結果顯示，APSIM-wheat模型對春小麥產量模擬結果的決定系數R²為0.92、NRMSE為13%，M_e為0.72。春小麥籽粒產量實測值和模擬值的線性擬合如圖2所示。

2.2" 未來氣候變化情景下春小麥生長季內氣象變化特征

本研究中，未來氣候情景下研究區的年均最高溫、年均最低溫以及年均降水量變化對研究的結果有很大的影響。圖3（a）為未來氣候情景RCP4.5濃度路徑下研究區的年均最高溫、年均最低溫和年均降水量變化。[JP2]圖3（b）為未來氣候情景RCP8.5濃度路徑下研究區的年均最高溫、年均最低溫和年均降水量變化。2007—2010年試驗站的最高溫度和最低溫度分別為14.1 ℃和1.69 ℃。圖3顯示了未來氣候情景RCP4.5和RCP8.5試驗站HadGEM3-GC31-LL模式的降尺度數據集合相對于基線的預測變化。在21世紀30年代，未來氣候情景RCP4.5和RCP8.5[JP2]兩種濃度路徑下研究區的最高溫和最低溫較基準期分別增加了0.8～1.1 ℃和0.6～0.9 ℃，降水量增加了28～31 mm。在21世紀50年代，未來氣候情景RCP4.5和RCP8.5兩種濃度路徑下研究區的最高溫和最低溫分別增加了0.9～1.2 ℃和0.7～1.1 ℃，降水量增加了29～44 mm。

2.3""未來氣候變化情景下種植密度對春小麥產量和生物量的影響

基于APSIM-wheat模型模擬研究區2020—2050年氣候情景RCP4.5和RCP8.5兩種濃度路徑下不同種植密度的春小麥產量和生物量變化，如圖4所示。圖4（a）為研究區2020—2050年氣候情景RCP4.5和RCP8.5兩種濃度路徑下不同種植密度對春小麥產量的影響。圖4（b）為研究區2020—2050年氣候情景RCP4.5和RCP8.5兩種濃度路徑下不同種植密度對春小麥生物量的影響。研究得出：在未來氣候情景下，隨著種植密度從D1增加到D3，春小麥產量和生物量逐漸增加，但增長速率越來越慢，D3處理下春小麥產量和生物量最高，表明高密植并不能緩解氣候變化帶來的消極影響。在同一時期內，RCP4.5濃度路徑下春小麥產量和生物量均高于RCP8.5濃度路徑下春小麥產量和生物量。

2.4""未來氣候變化情景下播期對雨養春小麥產量和生物量的影響

基于APSIM-wheat模型模擬研究區2020—2050年氣候情景RCP4.5和RCP8.5兩種不同濃度路徑下不同播期的春小麥產量和生物量變化，如圖5所示。圖5（a）為研究區2020—2050年氣候情景RCP4.5和RCP8.5兩種濃度路徑下不同播期變化對小麥產量的影響，圖5（b）為研究區2020—2050年氣候情景RCP4.5和RCP8.5兩種濃度路徑下不同播期變化對小麥生物量的影響。研究得出：隨著播種日期從S1變化到S3，春小麥產量和生物量逐漸降低，S1處理下的春小麥產量和生物量較高，表明提前播種能夠緩解氣候給春小麥生產帶來的消極影響；在同一時期內，RCP8.5濃度路徑下的春小麥產量高于RCP4.5濃度路徑下的春小麥產量，RCP8.5濃度路徑下的春小麥生物量低于RCP4.5濃度路徑下的春小麥生物量。

2.5""未來氣候變化情景下最佳播期和種植密度方案

基于APSIM-wheat模型模擬研究區2020—2050年氣候情景RCP4.5和RCP8.5兩種不同濃度路徑下播期和種植密度耦合對春小麥產量和生物量的影響，如圖6所示。圖6（a）和圖6（b）分別為研究區2020—2050年氣候情景RCP4.5濃度路徑下和RCP8.5濃度路徑下播期和種植密度耦合變化下的小麥產量，圖6（c）和圖6（d）分別為研究區2020—2050年氣候情景RCP4.5濃度路徑下和RCP8.5濃度路徑下播期和種植密度耦合變化下的小麥生物量。在RCP4.5和RCP8.5濃度路徑下，D2S2處理下的小麥產量均高于其他處理，較CK處理增加4%；D3S1處理下的生物量均高于其他處理，較CK處理增加3.5%。

3""討論（Discussion）

本研究在隴中旱區開展了長達8年的春小麥種植試驗，利用生物量和產量數據對APSIM作物模型進行了校正和驗證。結果表明，APSIM作物模型對春小麥的產量、生物量的預測值與實測值接近，NRMSE和R²模擬效果較好，表明APSIM作物模型可以應用于該地區播期和種植密度研究。[JP2]APSIM-wheat模型的物候校準是模型準確預測的關鍵步驟，茹曉雅等［5］的研究表明，APSIM-wheat模型可以較好地模擬隴中干旱區不同管理措施下雨養春小麥的生長。本研究基于CMIP5模式的未來氣候情景數據，得出研究區溫度可能升高0.6～1.2 ℃，降水量可能增加28～44 mm，這與高雪慧等［13］研究得出的甘肅隴中地區年均最高氣溫升溫達0.9 ℃，年均最低氣溫升高達1.1 ℃，年均降水量較基準期增加31 mm的結果一致。

在未來氣候變化情景下，隨著種植密度的增加，小麥的產量和生物量先增后減，密植并不會顯著增高春小麥的產量和生物量。播期從早播到晚播，小麥產量變化趨勢不顯著，早播處理下生物量明顯增加。王紹坤［18］的研究表明，“淮麥33”隨著播期的延遲，產量先增加后降低；隨著種植密度的增加，產量先增加后降低。劉強等［19］的研究表明，未來氣候變化情景下，產量增長率表現為早播gt;正常播gt;晚播，這與本研究得出的結果一致。徐芳等［12］評估了播期和種植密度對關中玉米氣候生產力的影響，研究得出通過適當推遲播期和提高種植密度可以有效提高關中地區的玉米生產潛力，增加玉米產量。這與本研究得出的增加種植密度可抵消未來氣候變化影響的結果一致。

本研究的局限性在于只使用了一個作物模型（APSIM-wheat）模擬未來的天氣數據，未采用其他作物模型進行對比。因此，未來的研究應該考慮多基因型和作物/氣候模型，特別是采用CMIP6最新數據模擬未來氣候變化對小麥生長的影響。

4""結論（Conclusion）

本文通過對APSIM-wheat模型的校準和驗證表明，模型對于春小麥產量和生物量的模擬結果較為準確，R²為0.92，NRMSE為13%，M_e為0.72，模擬精度相對較高。分析未來氣候變化數據發現，與基線數據（2007—2018年）相比，RCP4.5和RCP8.5的溫度升高范圍為0.6～1.2 °C，降水量在2020—2050年增加了28～44 mm。得出以下結論：在未來氣候變化情景下，D3（增加密度）處理春小麥產量和生物量較高，S1（提前播種）處理春小麥產量和生物量較高，高密植并不能緩解氣候變化帶來的消極影響，提前播種能夠緩解氣候給春小麥生產帶來的消極影響。

未來氣候變化情景下，在播期和種植密度耦合處理下，D2S2處理下的產量最高，D3S1處理下的生物量最高。結論可為西北干旱區未來小麥生產制定最佳播期和種植密度策略提供理論參考。

參考文獻（References）

［1］ MINOLI S，JGERMEYR J，ASSENG S，et al. Global crop yields can be lifted by timely adaptation of growing periods to climate change［J］. Nature communications，2022，13（1）：7079.

［2］ "[JP2]BOONWICHAI S，SHRESTHA S，BABEL M S，et al. Evaluation of climate change impacts and adaptation strategies on rainfed rice production in Songkhram River Basin，Thailand［J］. Science of the total environment，2019，652：189-201.

［3］ [JP2]SADDIQUE Q，LIU D L，WANG B，et al. Modelling future climate change impacts on winter wheat yield and water use： a case study in Guanzhong Plain，northwestern China［J］. European journal of agronomy，2020，119：126113.

［4］ 高雪慧，劉強，王鈞. 基于APSIM模型的隴中旱地春小麥產量對播期、施氮和降水量變化的響應模擬［J］. 麥類作物學報，2022，42（3）：371-379.

［5］ 茹曉雅，李廣，陳國鵬，等. 不同降水年型下水氮調控對小麥產量及生物量的影響［J］. 作物學報，2019，45（11）：1725-1734.

［6］ "HOLZWORTH D P，HUTH N I，DEVOIL P G，et al. APSIM-Evolution towards a new generation of agricultural systems simulation［J］. Environmental modelling amp; software，2014，62：327-350.

［7］ 張澤民，呂昌河. 青藏高原不同積溫條件下春小麥光溫生產潛力及其對氣候變化的響應［J］. 中國農業科學，2022，55（11）：2135-2149.

［8］ FAYAZ A，KUMAR Y R，AHMAD LONE B，et al. Crop simulation models： a tool for future agricultural research and climate change［J］. Asian journal of agricultural extension，economics amp; sociology，2021，39（6）：146-154.

［9］ 雷俊，張健，趙福年，等. 春小麥開花期光合參數對土壤水分和溫度變化的響應［J］. 生態環境學報，2022，31（6）：1151-1159.

［10］ 杜昊霖，王鶴齡，張凱，等. 干旱脅迫下春小麥需水關鍵期葉水勢的變化及其影響因素研究［J］. 干旱地區農業研究，2021，39（6）：230-237.

［11］ 齊月，王鶴齡，張凱，等. 氣候變化對黃土高原半干旱區春小麥生長和產量的影響——以定西市為例［J］. 生態環境學報，2019，28（7）：1313-1321.

［12］ 徐芳，何建強，朱曉華，等. 利用APSIM模型評估播期和種植密度對關中玉米氣候生產力的影響［J］. 陜西氣象，2022，32（1）：59-65.

［13］ 高雪慧，劉強，王鈞. 基于APSIM模型播期對未來氣候變化情景下旱地春小麥產量和生育期影響的模擬分析［J］. 麥類作物學報，2022，42（6）：738-745.

［14］ XIAO D P，BAI H Z，LIU D L. Impact of future climate change on wheat production： a simulated case for China’s wheat system［J］. Sustainability，2018，10（4）：1277.

［15］ 聶志剛，李廣，雒翠萍，等. 利用混合蛙跳算法優化基于APSIM的旱地小麥產量形成模型參數［J］. 作物學報，2018，44（8）：1229-1236.

［16］ "顏楚睿，劉瀏，黃冠華. 多模式多情景下西北內陸干旱區未來氣候變化預估［J］. 排灌機械工程學報，2018，36（11）：1193-1199.

［17］ "楊衛君，賈永紅，石書兵，等. 播期和密度對春小麥品種新春26號生長及產量的影響［J］. 麥類作物學報，2016，36（7）：913-918.

［18］ 王紹坤. 不同播期與密度對小麥生長發育及產量的影響［J］. 鄉村科技，2023，14（4）：77-80.

［19］ 劉強，高雪慧，王鈞. 不同降水年型下大氣CO2濃度和溫度對旱地春小麥產量的響應模擬［J］. 干旱地區農業研究，2023，41（2）：230-237，265.

作者簡介：

郝冠宇（2000-），男，碩士生。研究領域：作物模擬模型。

劉"強（1974-），男，碩士，教授。研究領域：農業信息化。

王"鈞（1982-），男，博士，副教授。研究領域：農業信息化。

收稿日期：2023-10-15

基金項目：甘肅省高等學校創新基金支持項目（2021B-122）；甘肅省教育廳產業支撐計劃項目（2021CYZC-15）