基于DSSAT模型的氣候變化對黑龍江省露地黃瓜生長及產量的影響

中圖分類號：S642 文獻標識碼：A 文章編號：0488-5368（2025）06-0100-06

Abstract： This study aimed to analyze the efects of climate change，simulated by the DSSAT model，on thegrowth and yield ofopen-field cucumber in Heilongjiang Province.Using historical meteorological data and cucumber crop observations，the DSSATmodel was calibrated and validated.The validated model was then used to simulate cucumber growth and yieldunder diferent climate scenarios and irigation levels （Z1：80%，Z2： 90% ，Z3： 100% ，Z4： 110% ）.The simulation accuracy was assessed using the Normalized Root Mean Square Eror （NRMSE）and the Average Relative Error（ARE）.The NRMSE and ARE values for plant height were 1.25% and 0.40% ，respectively；for stem diameter， 1.32% and 0.21% ；for internode length， 1.25% and 0.16% ；and for the number of leaves， 1.33% and 0.27% . These results confirmed that the cucumber growth indices wereaccurately simulated after parameter calibration.Similarly，for single-fruit yield，the NRMSE and ARE values were 1.35% and 0.18% ，and for yield per 667m² ，they were 1.17% and 0.24% ，indicating reliable simulation of yield components.The results indicate that thecalibrated DSSAT model efectively simulates cucumber growth and yield under varying climate conditions in Heilongjiang Province and can serve as an importanttool for future studies on open -field cucumber production.And canserve asan important tool for future studies on open - field cucumber production.

Key words：DSSAT model； Climate change; Open field cucumber； Growth index；Yield index

黃瓜作為我國主要的蔬菜作物之一，其栽植面積居世界首位。近些年來隨著我國農業技術的推廣和合理化應用，黃瓜逐漸實現增產，取得顯著的經濟效益和社會效益[1]。氣候因素對黃瓜生長和產量有不同程度的影響，黑龍江省得天獨厚的地理位置和氣候因素使其成為黃瓜栽植的大省，該地區氣候為溫帶大陸性季風氣候，降水資源比較穩定，太陽輻射資源比較豐富，適宜栽植黃瓜，但受到其他因素的影響，氣候波動會對露地黃瓜生長指標和產量產生影響，基于此以DSSAT模型為基礎，通過模型對氣象數據資料分析，模擬氣象環境實現對露地黃瓜生長和產量的模擬，減少實際值與模擬值的差異，進而實現增產增收。

DSSAT模型可以模擬不同作物，根據不同作物子模塊支撐的軟件，實現各類擴展工具的合理應用，最終形成一個界面[2]。氣象資料信息通過計算機技術可實現對氣象環境的模擬，借助氣象，土壤、耕作、生態、植物生理等相關知識系統地描述作物生長和它相關環境之間的一個關系，從而呈現出一個全新的計算機軟件[3]。DSSAT 模型以四個模塊文件為支撐，分別是氣象文件、管理文件、土壤文件、試驗文件。通過田間試驗文件的輸入，繪制實測和模擬值圖，從而實現評估驗證。本研究為分析DSSAT模型模擬氣候變化對黑龍江省露地黃瓜生長及產量的影響，研究黑龍江省以往氣象資料和陸地黃瓜作物資料，對DSSAT模型進行調參驗證，利用驗證后的DSSAT模型，分析氣候變化對黑龍江省不同露地黃瓜生長以及產量的影響，旨在為促進露地黃瓜的生長，提高其產量提供借鑒和指導。

1 研究地概況

黑龍江省位于我國東北部，北緯 43^°26^′～53^° 33^′ ，東經 121^°11^′～135^°05^′ ，南北長約 1120km ，東西寬約 930km ，面積47.3萬 km² 。該地氣候為溫帶大陸性季風氣候，無霜凍期平均介 100～150d ，大部分地區初霜凍在9月下旬出現，終霜凍在4月下旬至5月上旬結束。年均降水量 400～650mm 降水資源比較穩定，尤其夏季變率小，一般在 26% 左右。全年日照時數在 2400～2800h ，其中生長季日照時數占總時數的 44%～48% 。太陽輻射資源比較豐富，與長江中下游相當，太陽輻射的時空分布特點是南多北少，夏季最多，冬季最少，生長季的輻射總量占全年的 55%～60% 。年平均風速多為 2～4m/s ，春季風速最大，西南部大風日數最多、風能資源豐富。黑龍江省優越的地理位置使其在栽植露地黃瓜上具備獨有的優勢，經過多年的栽植管理，露地黃瓜的品質和產量逐漸提升，已逐漸發展成為黑龍江省的農作物支柱產業。

2.研究方法

2.1 DSSAT模型

DSSAT模型是當前應用廣泛的綜合作物模型，具備界面簡單、應用范圍廣以及功能齊全等特點。DSSAT模型可對作物逐日生長情況進行模擬，根據天氣變化結合作物生長情況詳細記錄下發育過程數據，包括產量和生長指標等。從1989年第一版DSSATv2.1模型不斷更新和升級，DSSATv4.7為目前最新版本，每個版本的DSSAT較之前的版本對比有更多的作物模型，最新版本可實現對各類谷物作物、豆類作物以及蔬菜模型等實現模擬。王宇玲等[4借助DSSAT-CSM模型對玉米種植進行研究，得出DSSAT-CSM模型可實現對玉米種植的模擬這一結論，借助模擬結果實現玉米的增收增產。葉凡愷等5基于DSSAT模型實現未來氣候變化對南疆棉花生產的影響分析，研究證實，DSSAT模型可根據不同情景的天氣變化實現對南疆棉花生產的模擬，通過DSSAT模型模擬結果，達到提高南疆棉花生產的目的。有學者研究證實DSSAT模型具備強大的模擬效果，將其應用到各類農作物生產中，可達到提質增產的目的。

2.2 數據來源

于2022年基于DSSAT模型的氣候變化對黑龍江省露地黃瓜生長及產量的影響進行分析，氣象數據均來自中國氣象數據網所提供的《中國地面氣候資料日值數據集》[6.7]。選擇黑龍江省 2022年10個氣象站的逐日降水量、日最高氣溫、日最低氣溫、平均氣溫和日照時數，其中太陽輻射數據由日照時數[8、經緯度、日序數數據計算得出。露地黃瓜生長指標數據和產量數據選擇黑龍江省2022—2021年8個農業氣象站觀測數據。

2.3 DSSAT模型評價和方法

本研究中的模型校正和驗證過程采用歸一化均方根誤差（Normalized Root Mean Square Error，NRMSE）9]和絕對相對誤差（AbsoluteRelativeEr-ror，ARE）[10]進行評價，均方根誤差是真實值與預測值偏差的平方與觀測次數比值的平方根，可以測出模擬值與實測值之間的誤差，完整度量模擬值和實測值的相對差異程度；絕對相對誤差是測量實測值和模擬值之間的誤差，數值越大說明誤差越大，均屬于無量綱統計量，可在不同變量之間進行對比，值越小表明模型校驗結果越好。當 NRMSE? 20% ， ARE?15% 時，說明模型性能為“良好”，即模型模擬效果符合研究要求，可令人滿意[11＼～13] 。

在公式中，RMSE是均方根誤差，NRMSE是歸一化均方根誤差，ARE是絕對相對誤差， S_i 為第i個模擬值， 0_i 為第i個觀測值，0為觀測值平均值，n為數據個數[14]

2.4模型輸入及品種參數校正

應用DSSAT模型時首先需要組建模型數據庫，組建模型數據庫時首先輸入氣象數據、土壤數據和田間管理數據，分別考慮光照、溫度、水資源等要素進行作物產量潛力研究[15.16]。光溫產量潛力是作物理論上的產量上限，模擬過程中充分施肥和灌溉，土壤設置為適宜土壤。確認露地黃瓜的品種參數指標是DSSAT模型校準的重要一環，由于露地黃瓜生長的各項指標和產量的關鍵指標是品種遺傳參數，因此對四個處理進行調參和驗證，在GLUE調參后進行手動試錯調參，其目的是確保DSSAT模型模擬值和實測值之間的差距盡量減小。露地黃瓜品種有10個參數，首先調試出苗到始花期的生長度日、始花期到第一個瓜果形成的生長度日、瓜果初形成到生理成熟期的生長度日、始花期到葉片停止擴展的生長度日；其次調試發育對光周期的相對反應隨時間的斜率、發育最快時的臨界光周期、日長每大于臨界光周期 ¹h 導致果實發育延遲的程度；最后調試最大瓜果重、最小瓜果重、總產，得到\"津春4號”品種下的最優參數[17]。初始模型中設置行距 40cm ，株距 30cm ，每壟栽植2行，調參后最優參數分別為行距 45cm ，株距35cm，每壟栽植2行。表1為露地黃瓜“津春4號”品種遺傳參數。

2.5 試驗設計

本試驗栽植的露地黃瓜品種為“津春4號”，根據灌水量梯度設置不同處理，灌溉策略是當土壤含水量達到設定灌水下限時開始灌溉，每次灌水量為從灌水下限上升至田間持水量的 90% 時所需水量的理論計算值。Z1： 80% ， Z2：90% ，Z3 ： 100% ，74：110% [19]，每個處理三個重復，共12塊樣地，每塊樣地面積 56m²（7m*8m） ，各處理供試土壤性質如表2。

本研究于2022年開始基于DSSAT模型模擬的氣候變化對露地黃瓜生長及產量影響的分析，于2022年4月初開始整地，壟寬 1.2m ，溝深 0.3m ，于同年4月中旬施底肥，同年4月末定植黃瓜，行距 40cm ，株距 30cm ，每壟栽植2行，收獲日期為同年7月20日。試驗期間對所有品種黃瓜采取統一施肥管理，除草方式為人工除草，不添加任何化學藥物[20]

2.6 測定指標及方法

生長指標測定：每個處理選擇10株長勢一致的露天黃瓜植株，懸掛標簽，在收獲期測定其株高、莖粗、節間距和葉片數。株高和莖粗采用游標卡尺測量，節間距測量植株第四節到生長點下部節間的距離，葉片數則采用人工登記的方式。

產量指標測定：在采收時，對各個處理用電子秤單獨記錄產量。

3 結果與分析

3.1DSSAT模型對黑龍江省露地黃瓜生長指標 模擬驗證

本試驗應用DSSAT模型對2022年露地黃瓜的生長指標進行模擬，其指標包括：株高、莖粗、節間距和葉片數?？傮w來看，DSSAT模型模擬的株高、莖粗、節間距和葉片數其模擬值和實測值基本一致。株高模擬值在Z3 處理最高，為 200.36cm ，在Z1處理最低，為 184.36cm ，和田間試驗進行對照驗證，采用NRMSE和ARE方法對模擬值和實測值進行分析，NRMSE平均值為 1.25% ，ARE平均值為 0.40% ；莖粗模擬值在Z3處理最高，為12.36mm ，在Z1處理最低，為 11.36mm ，和田間試驗進行對照驗證，采用NRMSE和ARE方法對模擬值和實測值進行分析，NRMSE平均值為1.32% ，ARE平均值為 0.21% ；節間距模擬值在Z3處理最低，為 8.56cm ，在Z4處理最高，為9.69cm，和田間試驗進行對照驗證，采用NRMSE和ARE方法對模擬值和實測值進行分析，NRMSE平均值為 1.25% ，ARE平均值為 0.16% ;葉片數模擬值在Z3處理最高，為27.25片，在Z4處理最低，為25.14片，和田間試驗進行對照驗證，采用NRMSE和ARE方法對模擬值和實測值進行分析，NRMSE平均值為 1.33% ，ARE平均值為 0.27% 。證明露地黃瓜經過參數校正后可更好的模擬當年黃瓜的生長指標，模擬精確度比較準確。詳見圖1和圖2。

3.2DSSAT模型對黑龍江省露地黃瓜產量指標 模擬驗證

本試驗應用DSSAT模型對2022年露地黃瓜的產量指標進行模擬，其指標包括：單瓜產量和每667m² 產量。單瓜產量模擬值在Z3處理最高，為213.25g ，在Z1處理最低，為 200.36g ，和田間試驗進行對照驗證，采用NRMSE和ARE方法對模模擬值和實測值進行分析，其平均值分別是 1.35% 和 0.18% ；每 667m² 產量模擬值在Z3處理最高，為 7.89t ，在Z1處理最低，為7.01t，和田間試驗進行對照驗證，采用NRMSE和ARE方法對模擬值和實測值進行分析，其平均值分別是 1.17% 和0.24% 。總體來看，DSSAT模型模擬的單瓜產量和每 667m² 產量其模擬值和實測值基本一致。證明露地黃瓜經過參數校正后可更好的模擬當年黃瓜的產量指標，模擬精確度比較準確。見圖3。

4結論與討論

4.1結論

本研究以黑龍江省露地黃瓜作為主要農作物，結合DSSAT模型對其參數調整之后進行驗證分析，綜合考慮露地黃瓜的生長指標和產量指標，探究灌水量不同梯度Z1： 80% 、Z2： 90% ，Z3： 100% ，Z4：110% 下的露地黃瓜其生長指標和產量指標模擬值和實測值的變化。

4.1.1DSSAT模型對露地黃瓜生長指標模擬驗證分析本試驗應用DSSAT模型對2022年露地黃瓜的生長指標進行模擬，其指標包括：株高、莖粗、節間距和葉片數?？傮w來看，DSSAT模型模擬的株高、莖粗、節間距和葉片數其模擬值和實測值基本一致。證明露地黃瓜經過參數校正后可更好的模擬當年黃瓜的生長指標，模擬精確度比較準確。調查可知2022年黑龍江省全年降雨量664mm，6-9 月的降雨量占全年 78% ，最多月份的降雨量達 860mm ，其境內地表水主要是依靠降水形成，徑流量比較大，年度分布不均勻。借助DSSAT模型可對氣候變化進行評估，由于2022年的降雨量較多，但呈現分布不均的現象，為保證露地黃瓜的生長，需在灌水梯度上進行優化選擇。本研究設置Z1： 80% .Z2：90% ，Z3 ： 100% ， Z4：110% 四個灌水量梯度，經研究證實，Z3處理 100% 灌水量梯度下的露地黃瓜生長指標最佳，說明該梯度下的灌水量可滿足露地黃瓜種苗的生長需求，促進植株生長的同時，提高產量。經DSSAT模型對氣候進行情景模擬，讓農戶在露地黃瓜栽植時結合氣候變化趨勢，適當調整栽植時間，并合理進行撫育，盡量避免過多降水對露地黃瓜的影響。

4.1.2DSSAT模型對露地黃瓜產量指標模擬驗證本試驗應用DSSAT模型對2022年露地黃瓜的產量指標進行模擬，其指標包括：單瓜質量和每

667m² 產量。單瓜產量采用NRMSE和ARE方法對模擬出來的數據進行分析，NRMSE平均值為1.35% ，ARE平均值為 0.18% ；每 667m² 產量模擬值采用NRMSE和ARE方法對模擬出來的數據進行分析，NRMSE平均值為 1.17% ，ARE平均值為 0.24% ?？傮w來看，DSSAT模型模擬的單瓜質量和每 667m² 產量其模擬值和實測值基本一致。證明露地黃瓜經過參數校正后可更好的模擬當年黃瓜的產量指標，模擬精確度比較準確。影響露地黃瓜產量的因素比較多，其中氣候因素是主要因素，如果降雨量過多或者過少都會導致露地黃瓜減產，2022年黑龍江省雨量豐富，但由于內部水量分配不均以及無徑流調解工程，導致直接可利用的水量不足，占全年徑流量的 3% 左右，為實現露地黃瓜的高產，借助DSSAT模型實現對區域氣候情況的預估，合理進行露地黃瓜栽植管理，從而確保DSSAT模型實測值和模擬值基本一致。

4.2討論

氣候變化對黑龍江省露地黃瓜產量有不利的影響，借助DSSAT模型的GLUE調參后手動試錯調參，得到露地黃瓜參數，并帶入分析，模型對2022年露地黃瓜的生長指標和產量模擬值和大田試驗實測值的NRMSE和ARE均小于 10% ，說明品種參數的整體精確度比較高。2022年黑龍江省無明顯極端天氣，氣候變化偶有波動，對露地黃瓜的生長有一定的影響，導致作物生育周期短，作物干物質積累減少，進而導致減產。通過設置的4個處理，在不同灌溉梯度下分析黃瓜生長情況， 100% 灌溉梯度下的黃瓜長勢最佳，可得出最優產量結果，說明灌溉梯度的選擇至關重要，結合氣候變化選擇適宜的灌溉水量，可起到提質增產的目的。

參考文獻：

[1] 張翠蘭.大棚黃瓜種植技術及病蟲害防治探究[J].種子科技，2024，42（12）： 124-126+135

[2] 陳佳俊，史曉亮，丁皓，等．基于DSSAT模型的關中地區冬小麥單產模擬及其影響因子［J］．中國農業氣象，2023，44（9）：805-819.

[3] 柴阿麗，楊紅敏，王少驊，等．濕度調控設施黃瓜棒孢葉斑病菌產孢和釋放規律及防治技術［J]．中國農業科學，2023，56（15）：2907-2918.

[4]王宇玲，徐春霞，畢亞琪，等．DSSAT-CSM模型在玉米種植研究中的應用進展［J]：中國農業氣象，2023，44（6）：492-501.

[5］葉凡愷．基于DSSAT模型的未來氣候變化對南疆棉花生產的影響研究[D]．阿拉爾：塔里木大學，2023.

［6］陳星宇．無人機遙感結合DSSAT模型的黑土地作物養分管理評估［D]．南京：南京信息工程大學，2023.

[7］何充實．基于DSSAT模型的湖北玉米產量潛力分析及播期與密度優化［D].武漢：華中農業大學，2023.

[8］高春瑞．基于DSSAT模型與 Sentinel-2數據同化的黃土高原區冬小麥估產研究[D].太谷：山西農業大學，2023.

[9］張夢嬌．基于田間試驗和DSSAT模型的玉米氮營養遙感診斷研究[D]．長春：吉林大學，2023.

［10］王燕子．氣候變化與極端事件對冬油菜物候和產量的影響[D]．楊凌：西北農林科技大學，2023.

［11］王昱，高浚.DSSAT作物模型對南疆地區棉花生長的模擬研究［J]．農業與技術，2022，42（19）：42-45.

[12]叢佳慧，田興帥，趙向陽，等．基于DSSAT模型和天氣預報策略預測農戶當季玉米產量［J]．玉米科學，2022，30（4）：62-72.

[13]劉濤，萬能涵，張鎮濤，等．DSSAT模型對吉林省梨樹縣部分主要作物的適用性［J]．生態學雜志，2023，42 （5） ： 1 264-1 272.

[14］劉正春．基于作物模型與 Sentinel 多源遙感數據同化的冬小麥產量預測研究［D]．太谷：山西農業大學，2022.

[15］趙紅．基于Meta分析和CERES-Maize 模型的玉米施氮增密的產量縮差研究［D]．北京：中國農業科學院，2022.

［16］高浚．基于DSSAT模型對不同灌溉施氮制度下棉花的產量評價[D]．阿拉爾：塔里木大學，2022.

［17］王鵬宇．基于遺傳算法優化DSSAT模型的廣西地區甘蔗虧缺灌溉的研究[D]．邯鄲：河北工程大學，2022.

［18］蔣騰聰.黃土高原冬小麥生產對氣候變化響應的模型模擬及不確定性研究［D]．楊凌：西北農林科技大學，2022.

[19］李毅，張思遠，劉慶祝，等．基于DSSAT-CERES-Wheat的黃土高原西部春小麥干旱影響研究［J].農業機械學報，2022，53（6）：338-348.

[20］楊云川，張會婭，程禹灝，等．基于DSSAT-Canegro模型的廣西來賓市甘蔗生長對氣象干旱的響應[J]．農業工程學報，2022，38（2）：119-130.