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(nóng)業(yè)的影響至關(guān)重要。通過2010—2017年實(shí)測隴中地區(qū)小麥田間數(shù)據(jù)對APSIM （Agricultural Production Systems sIMulator）模型進(jìn)行參數(shù)校正和驗證，結(jié)合CMIP5（Coupled Model Intercomparison Project 5）模式的未來氣候情景數(shù)據(jù)和驗證后的APSIM模型對播期和種植密度變化下的小麥產(chǎn)量及生物量進(jìn)行模擬。結(jié)果表明，APSIM模型在調(diào)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(chǎn)量和生物量較高，提前播種處理春小麥產(chǎn)量和生物量較高；增加種植密度且早播處理有利于產(chǎn)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(chǎn)量。模擬結(jié)果可為未來氣候變化下的甘肅隴中旱區(qū)雨養(yǎng)小麥播期及種植密度管理提供借鑒。

關(guān)鍵詞：氣候變化；CMIP5；APSIM-wheat；播種密度

中圖分類號：TP391.7""文獻(xiàn)標(biāo)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(qū)維持和提高作物產(chǎn)量的努力構(gòu)成挑戰(zhàn)［1-3］。西北隴中地區(qū)作為典型的雨養(yǎng)區(qū)，研究未來氣候變化對其農(nóng)業(yè)生產(chǎn)的影響至關(guān)重要［4-5］。已有研究表明，氣候和降水對干旱地區(qū)特別是西北隴中地區(qū)春小麥產(chǎn)量的影響顯著［6-8］。目前，針對西北隴中地區(qū)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(nóng)田作物建模，能夠?qū)崿F(xiàn)氣候?qū)ψ魑镉绊懙哪M［11-13］。XIAO等［14］基于APSIM對未來氣候中CO2對農(nóng)作物產(chǎn)量的影響進(jìn)行研究，但其未考慮干旱條件。聶志剛等［15］利用算法優(yōu)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(qū)的未來氣候進(jìn)行預(yù)估，但只考慮氣候變化對高原地區(qū)農(nóng)作物產(chǎn)量的影響。楊衛(wèi)君等［17］針對播期和密度對干旱地區(qū)春小麥產(chǎn)量的影響進(jìn)行研究，但未考慮未來氣候變化的影響。

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

1"""材料與方法（Materials and methods）

1.1""研究區(qū)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(qū)，為甘肅農(nóng)業(yè)大學(xué)旱農(nóng)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(dāng)?shù)貧夂驅(qū)僦袦貛О敫珊祬^(qū)，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(qū)土壤質(zhì)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(zhì)如表1所示。

1.2""試驗設(shè)計

根據(jù)甘肅省春小麥當(dāng)?shù)貙?shí)際播期和種植密度數(shù)據(jù)，設(shè)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(shè)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(dāng)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(dāng)年的3月15日進(jìn)行播種，8月5日收獲，播種量為150 kg·hm^-2。按照當(dāng)?shù)剞r(nóng)戶施氮習(xí)慣和前期研究結(jié)果，施氮量為105 kg·hm^-2，采用傳統(tǒng)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(qū)的面積為20 m×4 m，按照完全隨機(jī)區(qū)組設(shè)計進(jìn)行田間布置。

（2）未來氣候情景數(shù)據(jù)

未來氣候預(yù)測數(shù)據(jù)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(jìn)行運(yùn)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(shù)據(jù)。氣候數(shù)據(jù)包括Tmax、Tmin、pr、rsds。通過APSIM.Met將日尺度氣候數(shù)據(jù)轉(zhuǎn)化為APSIM-Wheat所需的氣候數(shù)據(jù)文件。

（3）數(shù)據(jù)處理

選用Excel 2010對數(shù)據(jù)進(jìn)行整理與匯總，使用DPS 7.5軟件對模擬數(shù)據(jù)進(jìn)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?qū)⒏鞣N不同的作物模型集成到一個公共平臺上［6］。[JP2]現(xiàn)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(shù)據(jù)、土壤屬性參數(shù)、作物屬性參數(shù)和農(nóng)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(chǎn)量。使用APSIM模型可以很好地研究和預(yù)測作物在不同環(huán)境條件下的產(chǎn)量變化。這樣的模擬方法不僅能夠為研究人員提供準(zhǔn)確的作物產(chǎn)量結(jié)果，還能夠降低研究的復(fù)雜性和成本。

（2）氣象數(shù)據(jù)

歷史觀測氣候數(shù)據(jù)使用甘肅定西氣象站（35°64′N，104°64′E）采集的2007—2018年氣候數(shù)據(jù)，包括日最高溫、日最低溫、降水量、蒸發(fā)量、太陽輻射。研究區(qū)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(shù)據(jù)

通過操作模塊Sbuild對土壤數(shù)據(jù)進(jìn)行輸入管理，模型在運(yùn)行時會自動調(diào)用該土壤數(shù)據(jù)。本試驗的土壤數(shù)據(jù)來自定西試驗田的田間試驗實(shí)測數(shù)據(jù)，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(shù)采用高速離心法測定；土壤飽和含水率和土壤容重采用環(huán)刀法測定。其他輸入?yún)?shù)如土壤名稱、排水情況、反射率等從中國土壤數(shù)據(jù)庫獲得。

（4）春小麥生理生態(tài)指標(biāo)

本文采用“定西35號”小麥的生長發(fā)育參數(shù)如表2所示。

（5）模型調(diào)參驗證

APSIM模型的校準(zhǔn)和驗證在模擬過程中非常重要，本文利用大田試驗實(shí)測數(shù)據(jù)對模型的精準(zhǔn)度進(jìn)行驗證。試驗選用的評價指標(biāo)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(shí)測數(shù)據(jù)的平均值，Y_s代表模擬的產(chǎn)量值，Y_o代表實(shí)測的產(chǎn)量值。

2""結(jié)果和分析（Results and analysis）

2.1""APSIM模型調(diào)參和驗證

利用研究區(qū)實(shí)測數(shù)據(jù)，根據(jù)試錯法對APSIM-wheat模型的土壤參數(shù)和品種參數(shù)進(jìn)行率定，在此基礎(chǔ)上利用試驗區(qū)2010—2017[JP2]年實(shí)測的春小麥產(chǎn)量值和模擬的產(chǎn)量值對APSIM模型進(jìn)行精確度評價，結(jié)果顯示，APSIM-wheat模型對春小麥產(chǎn)量模擬結(jié)果的決定系數(shù)R²為0.92、NRMSE為13%，M_e為0.72。春小麥籽粒產(chǎn)量實(shí)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(nèi)氣象變化特征

本研究中，未來氣候情景下研究區(qū)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(jié)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(qū)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(qū)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(shù)據(jù)集合相對于基線的預(yù)測變化。在21世紀(jì)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(qū)的最高溫和最低溫較基準(zhǔn)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(jì)50年代，未來氣候情景RCP4.5和RCP8.5兩種濃度路徑下研究區(qū)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(chǎn)量和生物量的影響

基于APSIM-wheat模型模擬研究區(qū)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(chǎn)量和生物量變化，如圖4所示。圖4（a）為研究區(qū)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(chǎn)量的影響。圖4（b）為研究區(qū)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(chǎn)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(chǎn)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(nèi)，RCP4.5濃度路徑下春小麥產(chǎn)量和生物量均高于RCP8.5濃度路徑下春小麥產(chǎn)量和生物量。

2.4""未來氣候變化情景下播期對雨養(yǎng)春小麥產(chǎn)量和生物量的影響

基于APSIM-wheat模型模擬研究區(qū)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(chǎn)量和生物量變化，如圖5所示。圖5（a）為研究區(qū)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(chǎn)量的影響，圖5（b）為研究區(qū)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(chǎn)量和生物量逐漸降低，S1處理下的春小麥產(chǎn)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(chǎn)帶來的消極影響；在同一時期內(nèi)，RCP8.5濃度路徑下的春小麥產(chǎn)量高于RCP4.5濃度路徑下的春小麥產(chǎn)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(qū)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(chǎn)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(qū)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(chǎn)量，圖6（c）和圖6（d）分別為研究區(qū)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(chǎn)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(qū)開展了長達(dá)8年的春小麥種植試驗，利用生物量和產(chǎn)量數(shù)據(jù)對APSIM作物模型進(jìn)行了校正和驗證。結(jié)果表明，APSIM作物模型對春小麥的產(chǎn)量、生物量的預(yù)測值與實(shí)測值接近，NRMSE和R²模擬效果較好，表明APSIM作物模型可以應(yīng)用于該地區(qū)播期和種植密度研究。[JP2]APSIM-wheat模型的物候校準(zhǔn)是模型準(zhǔn)確預(yù)測的關(guān)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(qū)不同管理措施下雨養(yǎng)春小麥的生長。本研究基于CMIP5模式的未來氣候情景數(shù)據(jù)，得出研究區(qū)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(qū)年均最高氣溫升溫達(dá)0.9 ℃，年均最低氣溫升高達(dá)1.1 ℃，年均降水量較基準(zhǔn)期增加31 mm的結(jié)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(chǎn)量和生物量先增后減，密植并不會顯著增高春小麥的產(chǎn)量和生物量。播期從早播到晚播，小麥產(chǎn)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(chǎn)量先增加后降低；隨著種植密度的增加，產(chǎn)量先增加后降低。劉強(qiáng)等［19］的研究表明，未來氣候變化情景下，產(chǎn)量增長率表現(xiàn)為早播gt;正常播gt;晚播，這與本研究得出的結(jié)果一致。徐芳等［12］評估了播期和種植密度對關(guān)中玉米氣候生產(chǎn)力的影響，研究得出通過適當(dāng)推遲播期和提高種植密度可以有效提高關(guān)中地區(qū)的玉米生產(chǎn)潛力，增加玉米產(chǎn)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(jié)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(shù)據(jù)，未采用其他作物模型進(jìn)行對比。因此，未來的研究應(yīng)該考慮多基因型和作物/氣候模型，特別是采用CMIP6最新數(shù)據(jù)模擬未來氣候變化對小麥生長的影響。

4""結(jié)論（Conclusion）

本文通過對APSIM-wheat模型的校準(zhǔn)和驗證表明，模型對于春小麥產(chǎn)量和生物量的模擬結(jié)果較為準(zhǔn)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(shù)據(jù)發(fā)現(xiàn)，與基線數(shù)據(jù)（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(jié)論：在未來氣候變化情景下，D3（增加密度）處理春小麥產(chǎn)量和生物量較高，S1（提前播種）處理春小麥產(chǎn)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(chǎn)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(chǎn)量最高，D3S1處理下的生物量最高。結(jié)論可為西北干旱區(qū)未來小麥生產(chǎn)制定最佳播期和種植密度策略提供理論參考。

參考文獻(xiàn)（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(qiáng)，王鈞. 基于APSIM模型的隴中旱地春小麥產(chǎn)量對播期、施氮和降水量變化的響應(yīng)模擬［J］. 麥類作物學(xué)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(diào)控對小麥產(chǎn)量及生物量的影響［J］. 作物學(xué)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(chǎn)潛力及其對氣候變化的響應(yīng)［J］. 中國農(nóng)業(yè)科學(xué)，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(shù)對土壤水分和溫度變化的響應(yīng)［J］. 生態(tài)環(huán)境學(xué)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(guān)鍵期葉水勢的變化及其影響因素研究［J］. 干旱地區(qū)農(nóng)業(yè)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(qū)春小麥生長和產(chǎn)量的影響——以定西市為例［J］. 生態(tài)環(huán)境學(xué)報，2019，28（7）：1313-1321.

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

［13］ 高雪慧，劉強(qiáng)，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(chǎn)量和生育期影響的模擬分析［J］. 麥類作物學(xué)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(yōu)化基于APSIM的旱地小麥產(chǎn)量形成模型參數(shù)［J］. 作物學(xué)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(nèi)陸干旱區(qū)未來氣候變化預(yù)估［J］. 排灌機(jī)械工程學(xué)報，2018，36（11）：1193-1199.

［17］ "楊衛(wèi)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(chǎn)量的影響［J］. 麥類作物學(xué)報，2016，36（7）：913-918.

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

［19］ 劉強(qiáng)，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(chǎn)量的響應(yīng)模擬［J］. 干旱地區(qū)農(nóng)業(yè)研究，2023，41（2）：230-237，265.

作者簡介：

郝冠宇（2000-），男，碩士生。研究領(lǐng)域：作物模擬模型。

劉"強(qiáng)（1974-），男，碩士，教授。研究領(lǐng)域：農(nóng)業(yè)信息化。

王"鈞（1982-），男，博士，副教授。研究領(lǐng)域：農(nóng)業(yè)信息化。

收稿日期：2023-10-15

基金項目：甘肅省高等學(xué)校創(chuàng)新基金支持項目（2021B-122）；甘肅省教育廳產(chǎn)業(yè)支撐計劃項目（2021CYZC-15）