王金濤, 董心亮, 肖 宇, 劉青松, 張冬梅, 韓金玲, 劉 毅, 高廣瑞, 劉占卯, 孫宏勇**

基于擴散理論的華北春玉米生理成熟后籽粒脫水過程分析*

王金濤1, 董心亮1, 肖 宇2, 劉青松2, 張冬梅3, 韓金玲4, 劉 毅5, 高廣瑞6, 劉占卯6, 孫宏勇1**

(1. 中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所農(nóng)業(yè)資源研究中心 石家莊 050022; 2. 河北省滄州市農(nóng)林科學(xué)院 滄州 061000; 3. 山西省農(nóng)業(yè)科學(xué)院旱地農(nóng)業(yè)研究中心 太原 030000; 4. 河北科技師范學(xué)院 昌黎 066600; 5. 滄州市南大港管理區(qū)農(nóng)業(yè)科學(xué)研究所 滄州 061000; 6. 國家半干旱農(nóng)業(yè)工程技術(shù)研究中心 石家莊 050051)

玉米機收籽?？梢燥@著提高玉米的生產(chǎn)效率, 是玉米生產(chǎn)的發(fā)展方向。生理成熟后的籽粒含水率是決定機收質(zhì)量的關(guān)鍵, 受品種、密度和氣候等多種因素影響。準(zhǔn)確估算生理成熟后玉米籽粒含水率, 進(jìn)而分析其主要影響因素, 最終確定玉米收獲時間和篩選適宜機收的品種, 對玉米主產(chǎn)區(qū)華北的春玉米籽粒機收發(fā)展具有重要意義。因此, 于2017年和2018年在河北省泊頭、南大港、玉田和山西榆次進(jìn)行了兩年田間春玉米試驗, 每年設(shè)置7個共性品種, 每個品種3個密度, 對生理成熟后籽粒含水率、品種性狀、氣象和管理要素進(jìn)行了監(jiān)測, 并利用基于擴散理論考慮空氣溫濕度的脫水模型對籽粒含水率進(jìn)行了模擬, 進(jìn)而計算脫水曲線下的面積(AUDDC), 用以篩選脫水優(yōu)異的玉米品種。結(jié)果表明, 基于擴散理論的籽粒脫水模型對玉米生理成熟后籽粒含水率的模擬效果較好; 年份、地點和品種對生理成熟時籽粒含水率(0)和水分?jǐn)U散速率()具有顯著影響, 密度對脫水參數(shù)影響不顯著。逐步線性回歸分析得到灌漿期參考作物蒸發(fā)蒸騰量(ET0)、最高氣溫和灌水量對0具有顯著的正效應(yīng), 生理成熟后30 d內(nèi)ET0和灌漿中后期降雨對具有顯著的正效應(yīng), 全生育期降雨對具有顯著的負(fù)效應(yīng)。品種性狀中對0影響最大的為苞葉層數(shù)(正效應(yīng)), 對影響最大的為葉片數(shù)(負(fù)效應(yīng))。通過模型計算得到, 生理成熟后10 d華北地區(qū)春玉米籽粒含水率可以下降到28%, 籽粒含水率下降到25%的概率為50%。由模型計算得到各品種生理成熟后10 d內(nèi)的AUDDC, 與AUDDC平均值比較發(fā)現(xiàn)‘京農(nóng)科728’ ‘張1453’ ‘華農(nóng)887’ ‘廣德5’和‘金科玉3306’為脫水表現(xiàn)優(yōu)異的品種。

華北春玉米; 籽粒機收; 生理成熟; 籽粒含水率; 籽粒脫水; 擴散理論

目前, 我國玉米()收獲主要以機收果穗為主, 機收籽粒的比例較低。機收籽?？梢允∪ミ\輸、烘干(晾曬)、脫粒等環(huán)節(jié), 提高了玉米收獲效率。機收籽粒能否成功關(guān)鍵取決于機收質(zhì)量, 而機收質(zhì)量與機收時玉米籽粒含水率密切相關(guān)[1-2]。多數(shù)玉米品種生理成熟時籽粒含水率在30%~40%[3], 但適宜機收的籽粒含水率為28%或25%[1,4]。因此, 如何確定生理成熟后籽粒含水率的變化過程及影響因素, 進(jìn)而確定收獲時間, 篩選脫水表現(xiàn)優(yōu)異的品種, 對機收籽粒具有重要意義。華北西部和北部地區(qū)積溫不能滿足一年兩熟的種植制度, 華北中南部地區(qū)由于地下水超采嚴(yán)重, 近年來逐步改一年兩熟為兩年3熟或一年1熟, 這給華北地區(qū)春玉米種植提供了環(huán)境條件。由于春玉米較夏玉米生育期長, 且生育前期氣溫較低有利于玉米的生產(chǎn), 春玉米在華北地區(qū)廣泛種植。因此對華北春玉米籽粒脫水過程進(jìn)行分析, 有利于籽粒機收的推廣。

玉米籽粒脫水可分為兩個階段: 第1個階段為生理成熟前, 主要受籽粒灌漿驅(qū)動; 第2個階段為生理成熟后, 主要受氣象等外部因素驅(qū)動[3]。對籽粒脫水的準(zhǔn)確模擬有助于判定籽粒的發(fā)展階段及適宜機收時間。生理成熟前籽粒含水率模擬主要基于吐絲后積溫[5-8]。生理成熟后籽粒含水率模擬主要有兩種方法: 第1種是基于吐絲后積溫(積溫模型)[2], 可以看作生理成熟前籽粒含水率變化的延續(xù); 第2種基于擴散理論(Fick第二定律), 根據(jù)生理成熟后的氣溫和相對濕度計算平衡含水率(e), 結(jié)合生理成熟時籽粒含水率(0)和擴散系數(shù)()模擬生理成熟后籽粒含水率變化動態(tài)(擴散模型)[3,7], 物理意義更加明確。Maiorano等[7]將積溫模型和擴散模型耦合建立了生理成熟前后籽粒含水率模型, 結(jié)果表明模型模擬效果較好, 但會高估生理成熟前籽粒含水率, 低估生理成熟后籽粒含水率?？赡茉蚴巧沓墒旌竽Ｐ椭兴玫钠胶夂糠匠倘∽怨I(yè)干燥模型,可能不適用于田間條件, 而且大氣濕度可能在不同地點和收獲期有很大變化。Martinez-Feria等[3]研究表明品種、年份和播期對擴散模型中0具有顯著影響, 對的影響較小。因此擴散模型能否適用于華北春玉米生理成熟后籽粒含水率模擬和預(yù)測, 氣候、管理因素和品種特性如何影響脫水參數(shù)? 這是本研究的目標(biāo)之一。

玉米籽粒機收時間與籽粒含水率密切相關(guān)。Miles[9]研究表明生理成熟后玉米籽粒含水率降至25%需要13.5~29.5 d。李璐璐等[2]使用積溫模型模擬黃淮海夏玉米籽粒含水率, 結(jié)果表明不同品種類型從吐絲后至籽粒含水率下降到28%和25%時分別需要2 729~2 982 ℃?d和2 845~3 118 ℃?d。但是基于擴散模型確定華北地區(qū)春玉米的收獲期尚少見報道。在篩選宜機收玉米品種時, 籽粒的脫水特性也是一項重要指標(biāo)。Cross[10]研究表明應(yīng)以授粉后45 d測定的籽粒脫水速率作為選擇快速脫水品種的指標(biāo), 但是Freppon等[11]認(rèn)為應(yīng)以吐絲后30 d測定的籽粒脫水速率作為篩選指標(biāo), 可見籽粒脫水表現(xiàn)的評估時段沒有達(dá)成一致。多數(shù)研究使用幾個時間點的籽粒含水率與積溫或者天數(shù)進(jìn)行線性回歸, 評價不同品種的脫水特性, 但是無法完整反映出籽粒脫水過程[12]。Yang等[12]提出了用實測脫水曲線下的面積(AUDDC)進(jìn)行不同玉米品種籽粒脫水表現(xiàn)的評價, 但沒有使用脫水模型計算AUDDC。

綜上所述, 本文通過4個試驗地點2年不同密度和不同玉米品種的脫水試驗, 驗證玉米生理成熟后籽粒脫水?dāng)U散模型的適用性, 探討氣象-管理因素和品種特性對模型參數(shù)的影響, 利用脫水模型確定華北地區(qū)春玉米籽粒機收的適宜時間, 以及對不同玉米品種的脫水特性進(jìn)行比較和篩選, 為華北地區(qū)春玉米籽粒機收提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況與試驗設(shè)計

于2017年和2018年在河北省滄州市泊頭(116°33′E, 38°05′N)、南大港(117°19′E, 38°24′N)和山西省晉中市榆次(112°46′E, 37°41′N)開展了為期2年的試驗, 于2017年在河北省唐山市玉田(117°44′E, 39°53′N)開展了1年試驗, 4個地點多年主要氣象因素見表1。試驗設(shè)置7個共性品種, 2017年為‘鄭單958’ ‘粒收1號’ ‘東單913’ ‘華農(nóng)887’ ‘金科玉3306’ ‘廣德5’和‘張1453’, 2018年‘張1453’替換為‘京農(nóng)科728’。每個品種設(shè)置3個種植密度, 分別為60 000株?hm–2、75 000株?hm–2和90 000株?hm–2, 每個處理重復(fù)3次, 試驗小區(qū)面積約66.7 m2, 采用隨機區(qū)組排列。試驗的其他田間管理措施如表2所示。

1.2 測定項目與方法

4個地點記錄7個相同品種玉米的生育期(以達(dá)到50%為準(zhǔn)), 吐絲日期和生理成熟日期見表3。在灌漿開始后每個小區(qū)選取連續(xù)的10個植株, 測量葉片數(shù)、株高、穗位高和莖粗(地上部第3節(jié)扁平面的直徑)。每個小區(qū)選取正常結(jié)穗的連續(xù)10個植株, 在生理成熟(玉米籽粒乳線消失)時測量苞葉層數(shù)和果穗下垂比例, 以后每隔5~10 d測量1次果穗下垂比例。每個小區(qū)另取5 m雙行, 從生理成熟時開始5~10 d測量一次植株的倒伏比例。生理成熟后每隔3~10 d測量1次籽粒含水率。每個小區(qū)每次取3~5株玉米果穗, 脫粒后立刻稱取籽粒濕重, 放到鼓風(fēng)恒溫箱內(nèi)105 ℃殺青1 h, 然后80 ℃烘至恒重, 稱取籽粒干重。含水率計算公式如下:

式中:為玉米籽粒含水率, %;為玉米籽粒濕重;為玉米籽粒干重。

氣象數(shù)據(jù)通過中國氣象數(shù)據(jù)共享網(wǎng)(http://data. cma.cn/) 獲得, 包括每天日照時數(shù)、平均溫度、最高溫度、最低溫度、平均相對濕度和降雨。參考作物蒸發(fā)蒸騰量(ET0)根據(jù)FAO56[13]中推薦的Penman-Monteith公式計算得到。

1.3 玉米籽粒脫水模型(擴散模型)

基于擴散理論(Fick第二定律), Henderson-Perry[14]提出了玉米生理成熟后籽粒脫水模型:

式中:為玉米籽粒含水率, %;e為玉米籽粒平衡含水率, %;為擴散系數(shù), 表征籽粒的脫水速率;為生理成熟后天數(shù)。之后Martinez-Feria等[3]對該模型進(jìn)行了修改:

式中:為經(jīng)驗常數(shù), 當(dāng)=1時與式(2)一致。兩邊積分后得:

式中:0為玉米生理成熟時籽粒含水率, %。Martinez-Feria等[3]研究表明玉米籽粒脫水時=1。籽粒平衡含水率(e)的動態(tài)可通過下式計算得到:

表1 4個春玉米試驗地點的高程和氣象條件

表2 2017年和2018年4個地點春玉米的耕作方式、播種日期、施肥量和灌溉措施

式中: RH為大氣相對濕度, %;為大氣平均溫度, ℃;、、為經(jīng)驗常數(shù), 玉米籽粒脫水時=0.000 155 7,=45.5,=2[3]。

1.4 春玉米籽粒脫水參數(shù)與氣象-管理因素和品種性狀的逐步回歸分析

將0和與氣象-管理因素和品種特性作逐步回歸分析, 確定影響玉米生理成熟后籽粒脫水主要氣象-管理因素和品種特性。本文選取9個氣象參數(shù), 分別為累積降雨量、累積ET0、積溫、平均氣溫、最高氣溫、最低氣溫、平均風(fēng)速、平均日照時數(shù)和平均相對濕度。4個地點灌溉量差異較大, 同時對玉米生長發(fā)育具有重要作用, 因此只選取灌溉量作為管理參數(shù), 同時還選取了水分輸入(灌溉量+降雨量)以及水分輸入和ET0的比值作為氣象-管理綜合參數(shù)(表4)。由于灌漿期是籽粒發(fā)育的主要時期, 灌漿中后期到生理成熟是籽粒脫水的第1階段, 生理成熟后是籽粒脫水的第2階段, 而灌漿前是植株冠層發(fā)育的關(guān)鍵時期, 因此每個指標(biāo)又分為4個時期, 分別為: 全生育期、灌漿期、灌漿中后期和生理成熟后。0為生理成熟時籽粒含水率, 生理成熟后氣象條件對其沒有影響, 因此只與全生育期、灌漿期和灌漿中后期的氣象-管理參數(shù)作逐步回歸分析;為生理成熟后的脫水速率, 與4個時期的氣象-管理參數(shù)作逐步回歸分析。針對0本研究選取影響脫水的冠層和果穗關(guān)鍵參數(shù): 葉片數(shù)、株高、穗位高、莖粗、苞葉層數(shù)、生理成熟時果穗的下垂比例和倒伏比例, 針對增加了生理成熟后30 d平均果穗下垂比例和植株倒伏比例。

1.5 基于生理成熟后籽粒脫水的春玉米品種篩選

本文使用Yang等[12]在2010年提出的通過脫水曲線下面積(AUDDC)的方法, 比較生理成熟后籽粒水分表現(xiàn)。

式中:為籽粒含水率的測量次數(shù);為第次測量;為玉米籽粒含水率, %;為生理成熟后天數(shù);t為第次測量含水率時的生理成熟后天數(shù)。

脫水曲線采用1.3中脫水模型計算得到, AUDDC計算步長以天為單位。由于華北地區(qū)玉米生理成熟時間主要集中在9月和10月, 因此e采用各地點9月和10月平均的e。各品種脫水曲線的0和采用４個地點兩年各品種平均的0和, 將所有處理平均的0和作為參考脫水曲線的參數(shù)。當(dāng)各品種脫水曲線的AUDDC小于參考曲線的AUDDC時, 認(rèn)為是籽粒脫水表現(xiàn)較好的品種。

表4 影響春玉米生理成熟后脫水參數(shù)的氣象-管理因素

1.6 數(shù)據(jù)處理

圖表處理采用Excel和Origin軟件, 方差分析和逐步回歸分析采用SPSS軟件。脫水模型擬合采用1stOpt軟件, 擬合效果用決定系數(shù)(2)和相對均方根誤差(RRMSE)[15]衡量:

2 結(jié)果與分析

2.1 春玉米籽粒水分?jǐn)U散模型的模擬效果

如圖1和圖2所示, 擴散模型可以很好地反映不同年份、不同地點、不同密度和不同品種籽粒脫水的動態(tài)過程, 尤其是可以反映出受降雨等因素的影響, 相對濕度和溫度發(fā)生變化后的籽粒含水率升高再變低的過程。2017年除了南大港試驗點60 000株×hm-2密度下的‘華農(nóng)887’、玉田試驗點60 000株×hm-2和90 000株×hm–2密度下的‘鄭單958’、60 000株×hm–2密度下的‘東單913’、60 000株×hm–2和75 000株×hm–2密度下的‘廣德5’外, 其余78個處理的2均在0.7以上, 實測值和模擬值的相關(guān)性在=0.05水平上顯著。2017年各處理籽粒含水率實測值和模擬值的RRMSE為0.01~0.16, 擬合效果較好。2018年除了南大港試驗點60 000株×hm–2密度下的‘粒收1號’外, 其余62個處理的2均在0.67以上, 實測值和模擬值的相關(guān)性在=0.05水平上顯著。2018年各處理籽粒含水率的實測值和模擬值的RRMSE為0.01~0.18, 擬合效果較好。

2.2 氣象-管理因素和春玉米品種特性對脫水參數(shù)的影響

表5為0和的方差分析, 結(jié)果顯示年份、地點和品種對0的影響達(dá)極顯著水平, 同時年份和品種、地點和品種以及年份、地點和品種的交互作用對0的影響也達(dá)顯著水平。年份、地點和品種對的影響達(dá)顯著水平, 同時年份和地點、地點和品種以及年份、地點和品種的交互作用對的影響也達(dá)顯著水平。但是密度對0和的影響均不顯著, 同時密度與年份、地點、品種的交互作用對0和的影響也不顯著。

通過逐步回歸分析得到(表6), 灌漿期累積ET0、平均最高氣溫和灌水量是影響0的主要氣象因素, 回歸系數(shù)分別為-0.023 0、-1.143 0和-0.042 0, 回歸模型的2為0.310。品種性狀中葉片數(shù)、株高、生理成熟時果穗下垂比例和生理成熟時植株倒伏比例對0有負(fù)效應(yīng), 穗位高、莖粗和苞葉層數(shù)對0有正效應(yīng), 其中苞葉層數(shù)對0的影響最大, 品種性狀與0回歸模型的2為0.168。

表5 年份、地點、品種和密度對春玉米生理成熟時籽粒含水率(M0)和生理成熟后脫水速率(k)影響的方差分析

ns表示在=0.05水平不顯著; *表示在<0.05水平顯著; **表示在<0.01水平顯著。ns: nonsignificant at< 0.05 probability level; *: significant at< 0.05 probability level; **: significant at< 0.01 probability level.

由表6可知, 生理成熟后30 d的累積ET0、全生育期降雨量和灌漿中后期的平均風(fēng)速是影響的主要氣象因素, 回歸系數(shù)分別為0.000 3、-0.000 1和0.017 3, 回歸模型的2為0.444。品種性狀中葉片數(shù)、莖粗、生理成熟時果穗下垂比例和生理成熟后果穗下垂比例對有負(fù)效應(yīng), 穗位高、穗位高、苞葉層數(shù)、生理成熟時植株倒伏比例和生理成熟后30 d植株平均倒伏比例對有正效應(yīng), 其中葉片數(shù)對的影響最大, 品種性狀與回歸模型的2為0.296。

2.3 華北春玉米的籽粒機收適宜時間

通過脫水模型計算所有處理籽粒含水率達(dá)28%和25%的生理成熟后天數(shù), 并將各地點所有處理的數(shù)據(jù)作箱型圖(圖3a和3b), 得到各地點玉米生理成熟后籽粒含水率降到28%和25%的天數(shù)分布。泊頭、南大港、榆次和玉田籽粒含水率下降到28%的生理成熟后天數(shù)中位數(shù)分別為4.0 d、5.2 d、2.0 d和7.0 d, 平均值分別為5.0 d、5.2 d、3.5 d和9.3 d, 去除異常值后的天數(shù)范圍分別為0~11 d、2~8 d、0~10 d和0~8 d。泊頭、南大港、榆次和玉田籽粒含水率下降到25%的生理成熟后天數(shù)中位數(shù)分別為8.0 d、8.0 d、8.0 d和10.0 d, 平均值分別為10.0 d、10.1 d、10.8 d和15.0 d, 去除異常值后的天數(shù)范圍分別為0~21 d、5~17 d、1~25 d和2~14 d。

2.4 基于籽粒脫水的華北春玉米品種篩選

如表7所示, 所有處理0的平均值為30.59%,的平均值為0.039?！A農(nóng)887’ ‘張1453’和‘京農(nóng)科728’的0值小于30.59%, 為生理成熟時籽粒含水率較低的品種?！Ｊ?號’ ‘金科玉3306’ ‘廣德5’和‘張1453’的值大于0.039, 為生理成熟后籽粒脫水速率較快的品種。其中只有‘張1453”的0較低而且值較高, 可認(rèn)為是生理成熟后籽粒水分表現(xiàn)較好的品種, 但其他幾個品種是否為生理成熟后籽粒水分表現(xiàn)較好的品種無法確定。

表6 春玉米生理成熟時籽粒含水率(M0)和生理成熟后脫水速率(k)與氣象-管理因素和品種性狀逐步回歸分析結(jié)果

續(xù)表6

ET02為灌漿期ET0, Max2為灌漿期平均最高氣溫, IRRI2為灌漿期灌水量, ET04為生理成熟后30 d的ET0,1為全生育期降雨量,3為灌漿中后期的平均風(fēng)速。ET02: cumulative ET0during grain-filling stage; Max2: average maximum temperature during grain-filling stage; IRRI2: irrigation amount during grain-filling stage; ET04: cumulative ET0at 30 days after physiological maturity;1: cumulative precipitation during the whole growth period;3: average wind speed during the middle-late grain-filling stage.

圖3 不同試驗地點玉米生理成熟后籽粒含水率到達(dá)28%(a)和25%(b)時的天數(shù)

根據(jù)AUDDC方法, 以生理成熟后10 d為比較范圍, 計算各品種AUDDC, 與參考AUDDC比較, 結(jié)果如圖4所示。生理成熟后10 d內(nèi), 平均AUDDC為273.30, 其中‘華農(nóng)887’ ‘廣德5’ ‘張1453’和‘京農(nóng)科728’的AUDDC小于273.30, 分別為263.57、270.16、253.75和243.88, ‘京農(nóng)科728’生理成熟后籽粒水分表現(xiàn)最好?！鹂朴?306’的AUDDC為273.82, 稍高于平均值, 但是生理成熟后10 d時籽粒含水率為24.34%, 小于平均脫水曲線生理成熟后10 d時籽粒含水率(24.59%)。

3 討論

玉米生理成熟后籽粒含水率擴散模型對大部分處理的模擬效果較好, 但是也有幾個處理模擬效果不好?？赡苁且驗槟Ｐ椭衅胶夂糠匠倘∽怨I(yè)干燥模型[7], 因此只考慮到了大氣溫濕度, 對于田間條件下的其他氣象因素如風(fēng)速、輻射等沒有考慮。在蒸發(fā)過程中, 風(fēng)速影響著水汽擴散, 而輻射影響液態(tài)水吸收的能量[16], 因此在計算平衡含水率時還需考慮其他影響水分蒸發(fā)的氣象因素。

表7 各春玉米品種生理成熟時籽粒含水率(M0)和生理成熟后籽粒脫水速率(k)的平均值

圖4 春玉米生理成熟后籽粒平均脫水曲線(虛線為所有品種和地點兩年平均脫水曲線, 實線為各品種所有地點兩年平均脫水曲線)

方差分析結(jié)果顯示, 年份、地點和品種對0和都有顯著影響, 且存在顯著的交互作用。Martinez-feria等[3]研究表明品種、年份和播期對0具有顯著影響, 而對的影響較小。由于不同年份和地點的氣象和管理因素不同, 因此氣象-管理因素和品種特性是0和的主要影響因素。只有通過分析建立0和與氣象-管理因素和品種特性的定量關(guān)系, 才可用于籽粒含水率的預(yù)測。方差分析結(jié)果表明種植密度在60 000~90 000株×hm-2時, 種植密度對0和沒有顯著影響。Widdicombe等[17]在北美玉米帶的研究表明, 種植密度增加會小幅度加快玉米籽粒的脫水速率。但是李淑芳等[18]認(rèn)為, 栽培密度在一定范圍內(nèi)不會對籽粒脫水構(gòu)成影響。

本研究將全生育期、灌漿期和灌漿中期的35個氣象-管理(灌溉)因素與0進(jìn)行逐步線性回歸, 最后得到回歸模型自變量為灌漿期ET0、灌漿期平均最高氣溫和灌漿期灌水量, 且均對0產(chǎn)生負(fù)效應(yīng)。灌漿期ET0和最高氣溫的升高一方面表征了大氣蒸發(fā)力的提升[16], 有利于灌漿期玉米籽粒的脫水; 另一方面, 在作物未受到脅迫時, 灌漿期ET0和最高氣溫的升高有利于提高玉米的灌漿速率[19], 而灌水量的增加也保證玉米不會受到水分脅迫, 保證玉米正常灌漿。玉米灌漿速率提升和灌漿時期的維持, 是灌漿期玉米籽粒脫水主要促進(jìn)因素[3,8,20]。但是回歸模型的2較低, 說明還有其他未考慮的氣象和管理因素對0影響較大。將7個品種特性與0進(jìn)行逐步線性回歸, 其中苞葉層數(shù)對0的影響最大且為正效應(yīng), 較少的苞葉層數(shù)減小了籽粒水分汽化后向大氣中散失的阻力, 有利于籽粒的脫水[1,21]?；貧w模型的2較低, 說明還有其他未考慮的品種特性對0影響較大。

本研究將全生育期、灌漿期、灌漿中后期和生理成熟后的45個氣象-管理(灌溉)因素與進(jìn)行逐步線性回歸, 最后得到回歸模型自變量為生理成熟后30 d累積ET0(正效應(yīng))、全生育期降雨(負(fù)效應(yīng))和灌漿中、后期的風(fēng)速(正效應(yīng))。生理成熟后ET0越大, 說明大氣蒸發(fā)能力越大[16], 可以促進(jìn)籽粒脫水。全生育期降雨越多, 玉米植株長勢越好, 冠層稠密不利于生理成熟后的水汽擴散, 因此全生育期降雨較多會降低生理成熟后籽粒脫水速率。灌漿中后期的風(fēng)速對產(chǎn)生正效應(yīng), 可能是因為其與生理成熟后30 d的風(fēng)速具有顯著的正相關(guān)關(guān)系, 因此表征了生理成熟后水汽擴散條件較好, 有利于籽粒脫水。但是回歸模型的2較低, 說明還有其他未考慮的氣象和管理因素對產(chǎn)生影響。將7個品種特性與進(jìn)行逐步線性回歸, 其中葉片數(shù)對的影響最大且為負(fù)效應(yīng), 較少的葉片數(shù)有利于減少生理成熟后籽粒水汽向大氣擴散的冠層阻力, 可以提升籽粒的脫水速率。呂香玲等[22]研究表明開花期綠葉數(shù)較多有利于玉米灌漿中后期的果穗脫水, 但是未說明對生理成熟后籽粒脫水速率的影響。品種特性與的回歸模型的2較低, 說明還有其他未考慮的品種特性對影響較大。

玉米生理成熟后籽粒水分是籽粒機收質(zhì)量的重要影響因素, 是決定機收時間的關(guān)鍵因素。傳統(tǒng)機收果穗方式在生理成熟時即可收獲, 但是研究表明機收籽粒需要籽粒含水率小于28%或25%, 而生理成熟時籽粒含水率一般為30%左右[23-26], 生理成熟后需要立稈一段時間才能收獲, 這對玉米生育期選擇、收獲機械安排及后續(xù)的農(nóng)事操作等可能造成影響。因此需要計算籽粒含水率到達(dá)28%和25%的時間, 進(jìn)行玉米籽粒機收時間的討論。由于各地區(qū)的氣象和管理因素的差異, 4個試驗地點籽粒含水率達(dá)28%的時間不一致。但是籽粒含水率達(dá)28%時的時間最大值為8~11 d, 籽粒含水率達(dá)25%的時間中位數(shù)為8~10 d。因此生理成熟后10 d左右華北地區(qū)春玉米籽粒含水率基本可以達(dá)28%以下, 同時有50%的概率可以使春玉米籽粒含水率到達(dá)25%。因此華北地區(qū)春玉米收獲時間不能早于生理成熟后10 d。李璐璐等[2]研究表明黃淮海地區(qū)不同夏玉米品種籽粒含水率降到25%的平均積溫為82 ℃×d, 以華北地區(qū)9月中旬到10月底的平均日積溫14.83 ℃×d算, 生理成熟后5.5 d左右籽粒含水率可以下降到25%。劉青松等[4]根據(jù)泊頭試驗點玉米生理成熟后立稈特性分析表明生理成熟后兩周內(nèi)倒伏和穗腐病發(fā)生率較低, 適宜籽粒機收。

與傳統(tǒng)收穗方式比較, 機收籽粒對籽粒破碎率、損失率等要求較高, 而籽粒含水率是決定機收質(zhì)量的關(guān)鍵因素, 因此生理成熟時籽粒含水率低、生理成熟后籽粒脫水速率快和適收期籽粒含水率低是機收籽粒玉米品種篩選的重要指標(biāo)[1-2]。因此本研究以0和作為標(biāo)準(zhǔn)對華北宜機收春玉米品種進(jìn)行了篩選, 所有處理的平均0為30.59%, 這與前人的研究結(jié)果相近[2,20]。但是只有‘張1453’的0低于平均值, 且高于平均值, 其他幾個品種只有1項指標(biāo)滿足條件, 不能確定脫水表現(xiàn)是否優(yōu)異, 因此通過脫水模型計算生理成熟后0~10 d的AUDDC, 進(jìn)一步評估不同品種玉米籽粒的脫水表現(xiàn)?！鹂朴?306’的AUDDC雖然略大于平均值, 但是生理成熟后10 d的籽粒含水率小于平均值, 因此該方法還需要通過目標(biāo)收獲期的籽粒含水率作為輔助指標(biāo)。其他研究中通過開花后的積溫與籽粒含水率建立模型[1-2], 評價玉米品種的脫水表現(xiàn), 但是未考慮相對濕度對籽粒脫水的影響, 因此這兩種方法可以互相補充。

4 結(jié)論

本研究通過田間玉米籽粒脫水試驗, 驗證了以大氣溫度和相對濕度為基礎(chǔ)的籽粒脫水?dāng)U散模型的適用性, 研究表明, 該模型可以較好地模擬華北地區(qū)春玉米生理成熟后的籽粒脫水動態(tài), 模型參數(shù)0和受年份、地點和品種的影響顯著。對0和進(jìn)行氣象-管理和品種特性參數(shù)的逐步回歸分析表明, 灌漿期ET0、最高氣溫和灌溉對0的正效應(yīng)影響顯著; 品種特性中苞葉層數(shù)對0的影響最大且為正效應(yīng)。生理成熟后30 d累積ET0和灌漿中后期的風(fēng)速對具有顯著的正效應(yīng); 全生育期降雨對具有顯著的負(fù)效應(yīng)。品種特性中葉片數(shù)對的影響最大且為負(fù)效應(yīng)。由脫水模型計算了各地點玉米籽粒含水率降到28%和25%的生理成熟后時間和各品種的AUDDC值, 確定了生理成熟后10 d為華北春玉米籽粒機收的適宜時間, 生理成熟后籽粒脫水表現(xiàn)優(yōu)異的品種為‘京農(nóng)科728’ ‘張1453’ ‘華農(nóng)887’ ‘廣德5’和‘金科玉3306’。如何將脫水參數(shù)與氣象、管理和品種特性建立定量關(guān)系, 修正脫水模型, 進(jìn)而對籽粒脫水動態(tài)進(jìn)行準(zhǔn)確預(yù)測是今后研究的方向。

[1] 王克如, 李少昆. 玉米籽粒脫水速率影響因素分析[J]. 中國農(nóng)業(yè)科學(xué), 2017, 50(11): 2027–2035 WANG K R, LI S K. Analysis of influencing factors on kernel dehydration rate of maize hybrids[J]. Scientia Agricultura Sinica, 2017, 50(11): 2027–2035

[2] 李璐璐, 明博, 謝瑞芝, 等. 黃淮海夏玉米品種脫水類型與機械粒收時間的確立[J]. 作物學(xué)報, 2018, 44(12): 1764–1773 LI L L, MING B, XIE R Z, et al. Grain dehydration types and establishment of mechanical grain harvesting time for summer maize in the Yellow-Huai-Hai Rivers plain[J]. Acta Agronomica Sinica, 2018, 44(12): 1764–1773

[3] MARTINEZ-FERIA R A, LICHT M A, ORDó?EZ R A, et al. Evaluating maize and soybean grain dry-down in the field with predictive algorithms and genotype-by-environment analysis[J]. Scientific Reports, 2019, 9: 7167

[4] 劉青松, 肖宇, 徐玉鵬, 等. 玉米生理成熟后田間生長性狀隨站稈時間變化的研究[J]. 內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報: 自然科學(xué)版, 2019, 40(2): 19–25 LIU Q S, XIAO Y, XU Y P, et al. Study on traits of spring maize with standing time in field after physiological ripening[J]. Journal of Inner Mongolia Agricultural University: Natural Science Edition, 2019, 40(2): 19–25

[5] BORRáS L, ZINSELMEIER C, SENIOR M L, et al. Characterization of grain-filling patterns in diverse maize germplasm[J]. Crop Science, 2009, 49(3): 999–1009

[6] BORRáS L, WESTGATE M E. Predicting maize kernel sink capacity early in development[J]. Field Crops Research, 2006, 95(2/3): 223–233

[7] MAIORANO A, FANCHINI D, DONATELLI M. MIMYCS.Moisture, a process-based model of moisture content in developing maize kernels[J]. European Journal of Agronomy, 2014, 59: 86–95

[8] 李璐璐, 明博, 高尚, 等. 夏玉米籽粒脫水特性及與灌漿特性的關(guān)系[J]. 中國農(nóng)業(yè)科學(xué), 2018, 51(10): 1878–1889 LI L L, MING B, GAO S, et al. Study on grain dehydration characters of summer maize and its relationship with grain filling[J]. Scientia Agricultura Sinica, 2018, 51(10): 1878–1889

[9] MILES S R. Rates of Maturing and Field Drying of Some Dent Corn Hybrids and Varieties[M]. Agronomy Mimeo. America: University of Maryland, 1940

[10] CROSS H Z. Leaf expansion rate effects on yield and yield components in early-maturing maize[J]. Crop Science, 1991, 31(3): 579–583

[11] FREPPON J T, MARTIN S K S, PRATT R C, et al. Section for low ear moisture in corn, using a hand-held meter[J]. Crop Science, 1992, 32(4): 1062–1064

[12] YANG J, CARENA M J, UPHAUS J. Area under the dry down curve (AUDDC): A method to evaluate rate of dry down in maize[J]. Crop Science, 2010, 50(6): 2347–2354

[13] ALLEN R G, PEREIRA L S, RAES D, et al. Crop evapotranspiration: guidelines for computing crop water requirements[R]. Irrigation and Drainage Paper 56. Rome, Italy: United Nations Food and Agriculture Organization, 1998: 300

[14] HENDERSON S M, PERRY R L. Agricultural Process Engineering[M]. Westport: AVI Publishing Company, 1976

[15] WANG J T, KANG S Z, ZHANG X T, et al. Simulating kernel number under different water regimes using the Water-Flowering Model in hybrid maize seed production[J]. Agricultural Water Management, 2018, 209: 188–196

[16] ALLEN R A, PEREIRA L S, RAES D, et al. Crop Evapotranspiration: guidelines for computing crop water requirements[R]. FAO Irrigation and Drainage Paper 56. Rome: Food and Agriculture Organization of the United Nations, 1998

[17] WIDDICOMBE W D, THELEN K D. Row width and plant density effects on corn grain production in the northern corn belt[J]. Agronomy Journal, 2002, 94(5): 1020–1023

[18] 李淑芳, 張春宵, 路明, 等. 玉米籽粒自然脫水速率研究進(jìn)展[J]. 分子植物育種, 2014, 12(4): 825–829 LI S F, ZHANG C X, LU M, et al. Research development of kernel dehydration rate in maize[J]. Molecular Plant Breeding, 2014, 12(4): 825–829

[19] 閆淑琴. 玉米籽粒灌漿速度研究進(jìn)展[J]. 雜糧作物, 2006, 26(4): 285–287 YAN S Q. Research advance on maize grain fiuing rote[J]. Rain Fed Crops, 2006, 26(4): 285–287

[20] SALA R G, ANDRADE F H, WESTGATE M E. Maize kernel moisture at physiological maturity as affected by the source-sink relationship during grain filling[J]. Crop Science, 2007, 47(2): 711–716

[21] 李璐璐, 謝瑞芝, 王克如, 等. 去苞葉對玉米子粒脫水過程的影響[J]. 作物雜志, 2018, (2): 114–117LI L L, XIE R Z, WANG K R, et al. Effects of peeling husk on grain dehydration of maize[J]. Crops, 2018, (2): 114–117

[22] 呂香玲, 蘭進(jìn)好, 張寶石. 玉米果穗脫水速率的研究[J]. 西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版), 2006, 34(2): 48–52 Lü X L, LAN J H, ZHANG B S. Study on ear moisture loss rate in maize[J]. Journal of Northwest Sci-Tech University of Agriculture and Forestry: Natural Science Edition, 2006, 34(2): 48–52

[23] 趙東賓, 楊哲. 影響玉米機械收粒質(zhì)量因素的分析[J]. 新疆農(nóng)墾科技, 2016, 39(5): 40–42 ZHAO D B, YANG Z. Analysis of the factors affecting the mechanical grain harvesting quality of maize[J]. Xinjiang Agricultural Reclamation Technology, 2016, 39(5): 40–42

[24] 謝瑞芝, 雷曉鵬, 王克如, 等. 黃淮海夏玉米子粒機械收獲研究初報[J]. 作物雜志, 2014, (2): 76–79 XIE R Z, LEI X P, WANG K R, et al. Research on corn mechanically harvesting grain quality in Huanghuaihai plain[J]. Crops, 2014, (2): 76–79

[25] 雷曉鵬. 黃淮海地區(qū)玉米機械收獲籽?？尚行匝芯縖D]. 保定: 河北農(nóng)業(yè)大學(xué), 2015 LEI X P. Studies on the feasibility of maize mechanically harvesting grain in Huanghuaihai regions[D]. Baoding: Hebei Agricultural University, 2015

[26] 李璐璐, 王克如, 謝瑞芝, 等. 玉米生理成熟后田間脫水期間的籽粒重量與含水率變化[J]. 中國農(nóng)業(yè)科學(xué), 2017, 50(11): 2052–2060 LI L L, WANG K R, XIE R Z, et al. Corn kernel weight and moisture content after physiological maturity in field[J]. Scientia Agricultura Sinica, 2017, 50(11): 2052–2060

Analysis of kernel dry down process after physiological maturity of spring maize based on diffusion theory in the North China*

WANG Jintao1, DONG Xinliang1, XIAO Yu2, LIU Qingsong2, ZHANG Dongmei3, HAN Jinling4, LIU Yi5, GAO Guangrui6, LIU Zhanmao6, SUN Hongyong1**

(1. Center for Agricultural Resources Research, Institute of Genetics and Developmental Biology, Chinese Academy of Sciences, Shijiazhuang 050022, China; 2. Cangzhou Academy of Agriculture and Forestry Sciences, Cangzhou 061000, China; 3. Research Center for Drying Farming, Shanxi Academy of Agricultural Sciences, Taiyuan 030000, China; 4. Hebei Normal University of Science & Technology, Changli 066600, China; 5. Agricultural Science Institute of Nandagang Management Zone, Cangzhou 061000, China; 6. The Semi-arid Agriculture Engineering & Technology Research Center of P. R. China, Shijiazhuang 050051, China)

The moisture content of grains after physiological maturity (MCAM) is the key determinant of the quality of mechanical grain harvesting (MGH), which can significantly improve the production efficiency of maize. Therefore, the aim of this study was to accurately estimate MCAM, analyze the main influencing factors, and determine the harvest time of maize, and select appropriate varieties for MGH. In 2017 and 2018, spring maize field experiments were carried out in Botou, Nandagang, and Yutian of Hebei Province; and Yuci of Shanxi Province. Seven common maize varieties and three densities of each variety were set up each year to monitor MCAM. Variety characteristics, management, meteorological data, and grain moisture content after physiological maturity were determined. A model based on the diffusion theory was used to simulate MCAM considering the atmospheric temperature and humidity. The area under the dry down curve (AUDDC) was used to select the varieties that performed well in the grain dry down. The results showed that the model based on diffusion theory could simulate MCAM well. The year, site, and variety had significant influence on the grain moisture content at physiological maturity (0) and the moisture diffusion rate (), which were parameters of the model. However, the planting density had no significant effect on these two parameters. Stepwise linear regression analysis showed that ET0, the maximum temperature, and irrigation amount at grain-filling stage had significant positive effects on0. The ET0during the 30 days after physiological maturity and the rainfall in the middle-late grain-filling stage had significant positive effects on. In contrast, rainfall during the entire growth period had a significant negative effect on. The number of husk layers had the greatest influence on0(positive effect), and the number of leaves had the greatest influence on(negative effect). Ten days after physiological maturity, the MCAM of spring maize in North China could be reduced to 28% in almost all circumstances and to 25% in half of the circumstances. The AUDDC during the 10 days after physiological maturity of each variety, was calculated using the model. Compared with the average AUDDC, it was found that ‘Jingnongke 728’ ‘Zhang1453’ ‘Huanong 887’ ‘Guangde 5’ and ‘Jinkeyu 3306’ displayed excellent dry down performance.

Spring maize in North China; Mechanical grain harvesting; Physiological maturity; Moisture content of grains; Grain dry down; Diffusion theory

S157.1

10.13930/j.cnki.cjea.190906

王金濤, 董心亮, 肖宇, 劉青松, 張冬梅, 韓金玲, 劉毅, 高廣瑞, 劉占卯, 孫宏勇. 基于擴散理論的華北春玉米生理成熟后籽粒脫水過程分析[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(中英文), 2020, 28(4): 545-557

WANG J T, DONG X L, XIAO Y, LIU Q S, ZHANG D M, HAN J L, LIU Y, GAO G R, LIU Z M, SUN H Y. Analysis of kernel dry down process after physiological maturity of spring maize based on diffusion theory in the North China[J]. Chinese Journal of Eco-Agriculture, 2020, 28(4): 545-557

* 國家重點研發(fā)計劃項目(2016YFD0300305)和河北省重點研發(fā)計劃項目(18227008D, 19227004D)資助

孫宏勇, 主要從事農(nóng)田水鹽運移過程機理與調(diào)控研究。E-mail: hysun@sjziam.ac.cn

王金濤, 主要從事作物水鹽生理及調(diào)控研究。E-mail: jtwang@sjziam.ac.cn

2020-01-01

2020-02-11

* This study was supported by the National Key Research and Development Project of China (2016YFD0300305), and the Key Research and Development Project of Hebei Province (18227008D, 19227004D).

, E-mail: hysun@sjziam.ac.cn

Jan. 1, 2020;

Feb. 11, 2020