EN中文

Resources Science >

2016 , Vol. 38 >Issue 1: 155 - 165

DOI: https://doi.org/10.18402/resci.2016.01.17

Orginal Article

Modelling the impacts of climate change on spring maize yield in Southwest China using the APSIM model

  • DAI Tong , 1, 2 ,
  • WANG Jing , 1 ,
  • HE Di 1 ,
  • WANG Na 1
Expand
  • 1. College of Resource and Environmental Sciences,China Agricultural University,Beijing 100193,China
  • 2. Jinghai meteorological Bureau,Tianjin 301600,China

Received date: 2015-05-11

  Request revised date: 2015-07-23

  Online published: 2016-01-25

Copyright

《资源科学》编辑部
Fold

Abstract

The APSIM-Maize model was calibrated and validated using crop and soil data from agro-meteorological experimental stations in maize planting zones in Southwest China （SWC）. The spatiotemporal distribution characteristics in simulated rainfed yield of spring maize were analyzed to explore the impacts of changes in main climatic factors during the maize growing season on yields from 1961 to 2010. We found that the APSIM model performed well in simulating phenology,above-ground biomass and yield of six representative spring maize varieties. The root mean squared error between simulated and observed growing periods was less than 8 d for all varieties and the normalized root mean squared error between simulated and observed above-ground biomass and yield was less than 29% for four varieties. Growing season total solar radiation decreased in the central,southern and northern SWC;≥8℃ accumulated temperature increased evidently in western SWC;daily diurnal temperature range decreased in western and southeastern SWC;and total precipitation decreased in central SWC. As a result,the simulated rainfed yield of spring maize declined at 46% of all study stations in SWC,especially in central,eastern and southern SWC. The contribution of decreasing solar radiation,increasing temperature,decreasing precipitation and decreasing diurnal temperature range during maize growing season to yield reduction was 32%,40%,1% and -2%,respectively,in stations which had a significant decline in yield.

Key words： calibration and validation; rainfed yield; stepwise regression; contribution rate; APSIM model; spring maize; Southwest China

Cite this article

DAI Tong , WANG Jing , HE Di , WANG Na . Modelling the impacts of climate change on spring maize yield in Southwest China using the APSIM model[J]. Resources Science, 2016 , 38(1) : 155 -165 . DOI: 10.18402/resci.2016.01.17

1 引言

中国西南地区大部分处于亚热带,雨热充沛,是中国重要的粮食产区之一。西南玉米产区是仅次于华北和东北的第三大玉米产区,常年种植面积和总产量分别占全国玉米总面积和总产量的15%和13%[1]。IPCC第五次评估报告指出,1983-2012年是北半球1 400年以来最热的30年,尤其是2003-2012年的年均温比1850-1900年的年均温上升了0.78℃,温度的进一步升高使全球降水格局发生改变,会引发更频繁的极端天气和气候事件[2]。农业因其对气候条件的强烈依赖,所受影响更加显著,气候变暖会影响农作物生长、病虫害发生、作物生产力和品种变化等多个方面[3]。近年来气候变化对中国玉米生长发育影响的研究有较多报道,但大都集中在东北、华北和西北地区,而对中国西南地区玉米研究甚少[4,5]。因此,在气候变暖背景下为充分利用气候资源提高作物产量,量化西南气候要素变化及其对当地玉米生产的影响,明确玉米产量的分布特征及其制约因素具有重要意义。
当前评估气候变化对玉米生产影响的方法有两类：①以提取气象产量和计算生产潜力为主的统计分析方法[4-6];②作物生长模型方法,使用较广的有WOFOST[7,8]、CERES[9,10]、EPIC[11]、VIP[12,13]、APSIM[14]等模型,其中APSIM模型自引进中国以来,已经在华北平原[14-21]、东北地区[22-24]及西北黄土高原地区[25,26]进行了大量的调参和验证工作,并已被证明能够很好地指导当地的作物生产。西南地区光热条件较好,一年多熟种植制度普遍,而APSIM模型的核心部分是土壤模块,能够模拟连作、轮作等不同农业生产系统的作物生育进程以及气候变化对作物产量的影响,因此本文将使用APSIM模型分析气候变化对春玉米产量的影响。在华北平原、东北地区和西北黄土高原的应用过程中,关键是确定作物品种参数和土壤物理参数,进行模型本地化。西南地复杂多变、土壤类型和土壤质地差异较大,且作物品种年际间更替较频繁、作物播种期差异大,运用APSIM模型研究该区气候变化对作物生长的影响必须先进行模型调参与验证[27],使模型能够较好地反映大田实际状况。因此,本文先基于农业气象试验站长期观测数据对APSIM模型进行调参和验证,应用验证后的APSIM模型分析西南地区1961-2010年玉米雨养产量的时空分布特征,并结合玉米生长季内的光、温和降水资源时空变化趋势,揭示其对玉米雨养产量的影响因素及其影响程度,为评价未来气候变化对玉米生产的影响提供参考。

2 数据来源与APSIM模型方法

2.1 数据来源

四川、云南、贵州和重庆的67个气象站点的1961-2010年逐日气象资料（逐日最高温度、最低温度、降水量和日照时数）来自于中国气象局国家气象信息中心地面气象观测资料（http://data.cma.cn/data/index.html）;选择丰都、正安、赫章、丽江、陆良和蒙自6个农业气象试验站作为模型调参验证站点（图1）,各站点玉米生长发育、田间管理和土壤参数资料均来源于当地农业气象试验站。根据西南地区特点、农业气候特征以及当地玉米的播种期和生育期长度,以县级为划分单元将该区春玉米分为6个种植区和1个非种植区[4,28],春玉米种植分区情况和研究站点分布情况见图1。西南地区土壤类型复杂,根据中华人民共和国土壤图[29]将该区土壤主要划分为5种类型（表1）。
Figure 1 The planting districts and distribution of spring maize for the study sites in Southwest China

图1 西南地区春玉米种植分区和研究站点分布

Table 1 Main soil types and distribution in Southwest China

表1 西南地区主要土壤类型

土壤类型/站点数 站点名 省（市）
紫色土/11 温江、绵阳、乐山、宜宾、阆中、遂宁、南充、梁平、内江、沙坪坝、纳溪 四川、重庆
红壤/24 木里、贡山、维西、西昌、会理、会泽、威宁、腾冲、保山、大理、楚雄、昆明、沾益、盘县、瑞丽、
玉溪、思南、铜仁、三穗、兴义、望谟、罗甸、独山、榕江、丽江		 四川、云南、贵州
赤红壤/12 景东、泸西、耿马、临沧、澜沧、景洪、思茅、元江、勐腊、江城、蒙自、屏边 云南
黄壤/13 都江堰、雅安、桐梓、叙永、习水、酉阳、毕节、遵义、湄潭、黔西、安顺、贵阳、凯里 四川、重庆、贵州
黄棕壤/16 越西、昭觉、雷波、万源、巴中、奉节 四川、重庆

2.2 APSIM模型简介

（1）APSIM模型是由澳大利亚农业生产系统研究组（APSRU）开发的用于模拟农业生产系统生物物理过程的机理模型,其特色在于从农业生产系统角度出发,考虑了轮作、休耕、残茬处理和长期土壤过程等,目前已广泛用于农作系统管理、气候变化影响评估、气候预报在农业生产中的价值评估以及气候风险管理等方面[30,31]。
（2）APSIM模型的主要核心模块包括：作物模块、土壤模块、管理模块。①作物模块主要模拟作物的生长、发育和产量形成及其与土壤的相互作用,其参数主要包括作物参数和品种遗传参数;②土壤模块用于模拟土壤水分运动、养分运移、土壤侵蚀等过程,土壤水分特征由各层土壤的饱和含水量（mm/mm）、田间持水量（mm/mm）和凋萎系数（mm/mm）等参数决定;③管理模块包括模块的调用、播种期和收获期、施肥和灌溉的设定、输入和输出变量的设置等。
（3）APSIM为日步长模型,输入的气象数据包括逐日最高气温（oC）、最低气温（oC）、降水量（mm）和总辐射（MJ/（m2d））,总辐射根据日照数据由Ǻngström-Prescott公式[31,32]估算。模型的主要输出包括作物的关键生育期（出苗期、开花期和成熟期）、地上部分生物量和产量等。

2.3 模型调参与验证

西南地区地形复杂、气候空间差异较大,全区范围内玉米品种差异较大,因此本文在各春玉米种植区选用适用于该区的典型品种。利用西南地区丰都、正安、赫章、丽江、陆良和蒙自站点典型品种分别应用于Ⅰ-Ⅵ春玉米种植区,各品种调参及验证年份资料如表2所示。
Table 2 Varieties and years data of spring maize for model calibration and validation in each planting district

表2 典型种植区春玉米品种及用于模型调参和验证的资料年份

分区 站点 品种 调参年份 验证年份
I 重庆丰都 新单7 1981-1982 1983
II 贵州正安 单玉 1990-1991 1992
III 贵州赫章 黑白苞谷 1985-1986 1987
IV 云南丽江 大黄 1994-1995 1997-1998
V 云南陆良 会单4 1998-1999 2000-2001
VI 云南蒙自 罗单5 2005-2006 2007
APSIM模型调参和验证时,采用统计指数作为指标,包括均方根误差（RMSE）、归一化均方根误差（NRMSE）、决定系数（R2）和一致性指标（D指标）[34,35],RMSE和NRMSE可分别反映模拟值与实测值间的相对误差和绝对误差,值越小表明模拟效果越好;R2和D指标可反映模拟值与实测值间的一致性,取值越接近1表明模拟效果越好,RMSE、NRMSE和D指数的计算公式如下：
RMSE = 1 n ∑ i = 1 n ( Y i - X i ) 2 （1）
NRMSE = 1 n ∑ i = 1 n ( Y i - X i ) 2 X ¯ × 100 % （2）
D = 1 - ∑ i = 1 n ( Y i - X i ) 2 ∑ i = 1 n ( Y i - X ¯ + X i - X ¯ ) 2 （3）
式中 Y i 和 X i 分别为模拟值和实测值; X ¯ 为实测数据平均值;n为样本数。模型调参中利用“试错法”确定典型玉米品种的遗传参数;并通过该品种验证年份生育期、地上部分生物量和产量的模拟值与实测值间绝对、相对误差和一致性的比较,评价APSIM玉米模型在西南地区的适应性。

2.4 模型情景设计

西南地区春玉米生长期基本为3-9月,横跨雨季,降水充沛,当地管理措施中少有灌溉记录,因此本文将基于APSIM模型模拟西南地区1961-2010年春玉米雨养产量,该雨养产量为无灌溉条件下由自然光、温、降水资源共同决定的产量,情景中设置充分施氮且不考虑病虫害,各种植区分别采用不同的典型品种,为了仅考虑气候变化的影响,在模拟期间设定品种不变（表2）。根据玉米种植区设定播期[4]（表3）,播种密度设置6.0株/m2,播种深度为5.0cm。土壤水分物理参数（表4）主要由土壤的类型、颗粒大小、容重和有机质含量等根据土壤转换函数确定[36],各土壤变量剖面观测值来源于《中国土种志》（第六卷）[37]。基于各站点计算结果,通过ArcGIS工具利用IDW空间插值方法得到研究区域春玉米生长季气象要素和雨养产量的分布特征。
Table 3 The sowing dates of spring maize in each planting district

表3 春玉米不同种植区的播期

区域 Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ Ⅵ
播期 3月10日 3月20日 4月1日 4月10日 4月20日 5月1日
生长天数/d 130 140 130 160 160 140
Table 4 Soil physical parameters of main soil types in Southwest China

表4 西南地区主要土壤类型及物理特性参数

土壤类型 土壤参数 土层深度（cm）
0~10 10~20 20~30 30~40 40~50 50~60 60~70 70~80 80~90 90~100
紫色土 ll15（mm/mm） 0.17 0.17 0.16 0.16 0.16 0.18 0.18 0.18 - -
dull（mm/mm） 0.31 0.31 0.31 0.31 0.31 0.32 0.32 0.32 - -
sat（mm/mm） 0.44 0.44 0.43 0.43 0.43 0.44 0.44 0.44 - -
bd（g/cm3） 1.49 1.49 1.51 1.51 1.51 1.50 1.50 1.50 -
红壤 ll15（mm/mm） 0.21 0.21 0.23 0.25 0.25 0.25 0.25 0.25 0.25 0.25
dull（mm/mm） 0.34 0.34 0.35 0.39 0.39 0.39 0.39 0.39 0.39 0.39
sat（mm/mm） 0.47 0.47 0.46 0.47 0.47 0.47 0.47 0.47 0.47 0.47
bd（g/cm3） 1.40 1.40 1.44 1.40 1.40 1.40 1.40 1.40 1.40 1.40
赤红壤 ll15（mm/mm） 0.33 0.33 0.37 0.39 0.41 0.41 0.41 0.41 0.41 -
dull（mm/mm） 0.44 0.44 0.46 0.48 0.50 0.50 0.50 0.50 0.50 -
sat（mm/mm） 0.52 0.52 0.54 0.56 0.58 0.58 0.58 0.58 0.58 -
bd（g/cm3） 1.27 1.27 1.22 1.17 1.13 1.13 1.13 1.13 1.13 -
黄壤 ll15（mm/mm） 0.16 0.15 0.15 0.15 0.15 0.15 0.15 0.15 0.15 -
dull（mm/mm） 0.29 0.28 0.28 0.28 0.28 0.28 0.28 0.27 0.27 -
sat（mm/mm） 0.49 0.44 0.44 0.44 0.44 0.44 0.42 0.41 0.41 -
bd（g/cm3） 1.35 1.48 1.49 1.49 1.49 1.49 1.53 1.57 1.57 -
黄棕壤 ll15（mm/mm） 0.19 0.19 0.21 0.21 0.20 0.20 0.20 0.20 0.20 0.20
dull（mm/mm） 0.37 0.38 0.39 0.38 0.37 0.37 0.37 0.37 0.37 0.37
sat（mm/mm） 0.63 0.63 0.63 0.58 0.55 0.55 0.55 0.55 0.55 0.55
bd（g/cm3） 0.99 0.99 0.97 1.13 1.19 1.19 1.19 1.19 1.19 1.19

2.5 气候要素变化对产量的贡献

基于春玉米雨养产量变化显著的站点,采用逐步回归方法剔除影响不显著因子,然后通过贡献率表示辐射、温度、温度日较差和降水中影响显著因子对产量的单一影响程度,并通过标准化回归系数对各气象因子的影响进行对比。
假定春玉米雨养产量和各气象要素的回归方程如下：
Y = b 0 + b 1 X 1 + b 2 X 2 + ⋯ + b i X i （4）
式中为产量估计值;为各气象要素;为回归常数;为偏回归系数,由最小二乘法求得。偏回归系数可表示在其它所有自变量不变的情况下,某一个自变量变化引起因变量变化的比率。
气象要素变化对雨养产量的贡献率和标准化回归系数的计算如下：
C i = b i X i Y × 100 % （5）
b i * = X i * Y * （6）
标准化回归系数是变量标准化变化后进行线性回归的偏回归系数,可消除自变量数量级及量纲（单位）不同引起的误差, X i * 和 Y * 为各气象要素和产量的标准化,数值上等于变量减去其均值并除以其标准差的估计[38]。

3 结果与分析

3.1 APSIM模型调参和验证

用“试错法”对不同春玉米分区各代表品种进行调参,确定的作物遗传参数如表5所示。其中出苗至营养生长期结束所需有效积温、光周期临界值、光周期斜率和开花至成熟所需有效积温用来调试春玉米的开花期及成熟期;穗最大籽粒数和潜在灌浆速率用来调试春玉米地上部分生物量及产量。
Table 5 APSIM parameterization for six maize varieties used in the study

表5 APSIM模型的玉米品种遗传参数

典型品种 出苗-营养生长期结束所需有效积温
/（·d）		 光周期
临界值
/h		 光周期
斜率
/（/h）		 开花-成熟所需有效积温
/（·d）		 穗最大籽
粒数		 潜在灌浆
速率
/（mg/（graind））
新单7 200 12.5 10.0 700 500 10.0
单玉 180 12.5 10.0 750 470 9.0
黑白苞谷 170 12.5 9.0 730 470 9.0
大黄 185 12.5 9.0 650 510 10.0
会单4 130 12.5 10.0 530 570 10.0
罗单5 195 12.5 10.0 680 680 10.5
Figure 2 Comparison between simulated and measured phenology,biomass and yields of spring maize at the study stations

图2 春玉米生育期、生物量和产量模拟值与实测值的比较

在模拟的6个春玉米品种中,模拟与实测出苗天数、开花天数及成熟天数的RMSE分别在4.5d、7.6d和6.0d以内;地上部分生物量模拟值与实测值的NRMSE除单玉为33.5%以外,其余品种均低于26%,产量模拟值与实测值的NRMSE除大黄为33.9%以外,其余品种均低于29%。模拟值与实测值的对比结果表明,除个别品种外,玉米开花期、成熟期、生物量和产量的模拟值与实测值基本吻合,D指标均接近于1,模拟值基本落在1∶1线附近（图2）。生物量的模拟误差较发育期和产量稍大。验证结果表明APSIM模型对玉米生育期、生物量和产量的模拟较准确,该模型在西南地区具有较好的适应性。

3.2 春玉米生长季内气候要素时空变化特征

（1）1961-2010年西南地区88%的研究站点春玉米生长季总辐射呈减少趋势,其中通过P<0.05和P<0.01显著性的站点分别占全区61%和48%,种植区南部中区和北部减少较为明显,见图3a。
（2）84%的站点≥8℃的有效积温呈升高趋势,其中通过P<0.05和P<0.01显著性的站点分别占全区46%和32%,西部地区增温明显,见图3b。
（3）75%的站点生长季日均温度日较差呈减少趋势,其中通过P<0.05和P<0.01显著性的站点分别占全区36%和23%,种植区西部和东南部减小明显,见图3c。
（4）66%的站点生长季总降水呈减少趋势,其中通过P<0.05和P<0.01显著性的站点分别仅占全区11%和5%,中部减少幅度最大（见图3d）。
Figure 3 Change trends of growing season of spring maize in Southwest China from 1961 to 2010

图3 1961-2010年西南地区春玉米生长季的气候倾向率

3.3 气候要素对春玉米雨养产量的影响分析

（1）模拟的西南地区春玉米雨养产量变化范围在（3 809~10 983）kg/hm2,全区均值6 273kg/hm2,空间上呈西高东低分布势态（图4a）;1961-2010年全区有88%的站点雨养产量呈下降趋势,其中通过P<0.05和P<0.01显著性的站点分别占全区的46%和19%,东部中区和南部大部地区减产明显,全区产量气候倾向率变化范围（-474~215）kg/（hm2·10a）,全区均值为-156kg/（hm2·10a）（图4b）。
（2）在春玉米产量变化显著的31个站点中,平均减产1 141kg/（hm2·10a）,1961-2010年生育期日均辐射减少1.11MJ/m2,日均温度增加0.82℃,总降水减少61.1mm,造成的减产量分别为32%、40%和1%,而温度日较差降低0.36℃,表现为对产量有2%的正贡献率。整体上温度升高对春玉米产量降低的贡献率最大,辐射次之,降水最小。基于标准化回归分析显示辐射、温度、温度日较差和降水因子影响显著的站点分别占31个站点中的94%、55%、23%和3%,其中辐射降低、降水减少和温度升高对产量的影响均为负效应,温度日较差降低对产量除在贵阳为负效应外,在温江、都江堰、绵阳、大理、楚雄和景东地区均表现为正效应（表6）。
Figure 4 Mean value and change trends of simulated rainfed yields in Southwest China from 1961 to 2010

图4 1961-2010年西南地区春玉米雨养产量的均值和气候倾向率

Table 6 Influence and contribution rate of growing season climate factors to simulated rainfed yield of spring maize in Southwest China

表6 西南地区春玉米生长季气象因子对雨养产量的影响程度及贡献率

分区 站点 标准化回归系数 贡献率/%
辐射 温度 温度日较差 降水 辐射 温度 温度日较差 降水
Ⅰ 奉节 0.186 -0.352* 0.231 -0.050 - 32 - -
Ⅱ 宜宾 0.360** -0.502** -0.031 0.001 40 32 - -
纳溪 0.543** -0.450** -0.236 0.109 -75 118 - -
习水 0.415** -0.243 0.159 0.187 51 - - -
遵义 0.509** -0.030 0.084 -0.067 84 - - -
Ⅲ 遂宁 0.311* -0.171 -0.265 0.103 48 - - -
南充 0.446** -0.056 -0.234 -0.010 60 - - -
思南 0.376** -0.124 -0.280 0.040 64 - - -
贵阳 0.063 -0.199 0.528** 0.142 - - 55 -
凯里 0.360** -0.322* -0.020 0.014 47 13 - -
兴义 0.521** -0.185 0.049 -0.010 51 - - -
Ⅳ 温江 0.539** 0.067 -0.399* -0.093 98 - 6 -
都江堰 0.657** 0.026 -0.277* 0.165 64 - 20 -
绵阳 0.737** 0.053 -0.516** 0.247* 108 - -22 22
乐山 0.385** -0.153 -0.104 0.017 54 - - -
贡山 0.661** -0.455** -0.269 0.047 28 39 - -
Ⅴ 雷波 0.258* -0.499** -0.097 0.031 19 63 - -
威宁 0.337* -0.222 -0.225 -0.139 68 - - -
沾益 0.446** -0.294 -0.146 0.197 21 - - -
玉溪 0.359** -0.309* 0.022 -0.087 30 37 - -
Ⅵ 大理 0.828** -0.431** -0.421** 0.043 42 56 -23 -
楚雄 1.064** -0.759** -0.944** -0.135 140 69 -91 -
景东 0.796** -0.335** -0.255* 0.017 -7 67 -9 -
耿马+ 0.545** -0.550** -0.307 0.117 -9 84 - -
临沧 0.743** -0.512** -0.197 0.020 -52 144 - -
澜沧 0.543** -0.450** -0.236 0.109 -75 118 - -
景洪 0.670** -0.470** -0.032 -0.040 11 77 - -
思茅 0.725** -0.508** 0.066 -0.124 -54 127 - -
勐腊 0.880** -0.457** -0.199 0.028 -14 142 - -
江城 0.690** -0.388** -0.002 -0.185 -4 87 - -
蒙自 0.854** -0.522** 0.007 0.078 35 57 - -

注：*和**分别为显著性水平p<0.05和p<0.01;+为该站增产。

4 结论与讨论

本文以西南地区为研究对象,利用验证后的APSIM模型模拟西南地区1961-2010年春玉米雨养产量的时空变化特征及气候要素对其影响程度,结果表明：
（1）在模型验证阶段,6个典型玉米品种模拟与实测出苗、开花及成熟天数的RMSE分别在5d、8d及6d以内,4个品种地上部分生物量和产量的模拟值与实测值NRMSE均低于30%。在我国模型适应性评价研究中,通常认为产量和生物量模拟值与实测值的NRMSE低于30%,模拟效果可以接受：刘园对河北栾城和河南郑州春玉米产量模拟结果的NRMSE分别为13%和19%[18];王琳对山东禹城冬小麦-夏玉米生物量模拟结果的NRMSE为24~28%[19],研究均认为模型在当地适用。因此相比于前人研究结果,本文结论表明,APSIM-Maize模型对不同品种玉米生育期、生物量和产量模拟效果较好,该模型在西南地区具有较好的适应性。作物生长模型中遗传参数是对作物品种的性状描述,因此,在模型调参阶段要注意作物遗传参数取值的合理性。APSIM玉米模型在中国的适应性评价研究中,玉米品种遗传参数取值为出苗至营养生长期结束所需积温（50~350）℃·d,光周期临界值12.5h,光周期斜率（17.0~23.0）℃/h,开花至成熟所需有效积温（620~980）℃·d,穗最大籽粒数500~877,潜在灌浆速率（3.0~12.0）mg/（grain·d）,且玉米的开花至成熟所需积温、穗最大籽粒数和籽粒灌浆速率随时间有增大趋势[14,15,19,21,23-25]。相比于前人的研究结果,本文确定的玉米作物遗传参数均在合理范围内。
（2）1961-2010年西南地区61%的站点春玉米生长季总辐射显著降低,种植区南部中区和北部变化最显著;46%的站点生长季≥8℃有效积温显著增加,西部增温较显著;36%的站点生长季日均温度日较差显著减小,西部和东南部最显著;10%的站点生长季总降水显著减少,区域中间地带减少最显著。相比于中国东北和华北两大玉米主产区,西南增温幅度、辐射降低程度和降水减少程度均最小;而温度日较差在华北和西南变化较明显,东北变化幅度最小[6]。
（3）气候变暖背景下,受辐射、温度、降水、温度日较差等气象因子的综合影响,1961-2010年西南春玉米雨养产量在全区46%的研究站点中呈显著（P<0.05）下降趋势,东部中区和南部地区最显著。这与逐级订正法计算的结果相似[4]。为了分离气候变化对作物产量的影响,假设品种参数和管理措施不变,而实际情况下,农民会采用改良品种或改善管理措施以适应气候变化。有研究结果表明,品种的更新往往可抵消气候变化对作物产量的负面影响[14,15,24],同时水肥施用、播期和种植密度等措施的改善,也能够降低作物减产风险[20,39-41]。因此不同于本文研究结果,1970s以来西南地区整体春玉米实际单产呈上升势态[1]。
（4）辐射、温度、降水和温度日较差是影响西南地区春玉米产量的重要气象因子。作物生长季辐射减少、温度升高、降水减少和温度日较差降低对减产的贡献率分别为32%、40%、1%和-2%。总辐射降低对作物不利的影响是使作物净光合速率下降,导致同化物积累降低;有利的方面是使作物需水量减少,可在一定程度缓解高温或干旱胁迫对作物的影响,而西南春玉米生长季降水充沛,辐射降低会造成玉米减产。温度的升高会缩短作物生育期,减少干物质积累时间,导致产量下降。由于西南春玉米生长季降水变化不显著,因此对产量的影响较小。夜间温度增加导致呼吸作用增强,不利于同化物累积;但平均温度上升且未超过最适温度之前对作物的光合作用有利[6,42],因此在不同站点,春玉米生长季内温度日较差降低对产量的影响存在正负两种效应,但影响均较小。
（5）产量受气象因子影响程度的大小主要取决于该因子的变化趋势。春玉米生长季辐射在Ⅲ区和Ⅳ区减小最明显,其变化对该区产量变化的影响最大。生长季温度在Ⅵ区升高最明显,其变化对该区产量的影响最大。该区主要涵盖了云南省的中部和南部,为应对生长季温度升高,可以考虑选用生育期更长和抗高温的品种。生长季温度日较差在Ⅲ区、Ⅳ区和Ⅵ区减小最明显,其变化只对这些地区有显著影响。Ⅳ区生长季降水减少最显著,且降水因子只对该区产量有显著影响。该区主要包括四川省西北部和云南省西北部,需要加强水利基础设施建设,在玉米生长季进行灌溉。整体上,在Ⅰ区、Ⅱ区和Ⅵ区温度变化对产量变化的贡献率最大,而在Ⅲ区、Ⅳ区和Ⅴ区辐射变化对产量变化的贡献率最大。
不同于华北平原和东北地区,西南地区海拔、气候及土壤类型等下垫面情况复杂,虽然本文划分了不同的冬小麦与春玉米种植区和主要土壤类型,考虑了不同的农业气候特征和作物实际生长情况,但仍缺乏对地形坡度、水分径流等环境参数的修正;其次,作物生长模型没有考虑病虫草害与气象灾害。同时,作物生育期和产量的实际观测资料也存在一定不确定性。因此,在今后西南地区的作物生长模型验证与应用中,可在考虑下垫面等情况下对模型进行进一步改进,使其能更好地反应大田作物生长实际状况。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
中华人民共和国农业部. 新中国农业60年统计资料[M]. 北京:中国农业出版社,2009.

[Ministry of Agriculture of the People’s Republic of China. Statistical Data of Agriculture of the New China in 60 Years[M]. Beijing:China Agriculture Press,2009.]

[2]
IPCC. Climate Change 2013:The Physical Science Basis[M]. Cambridge:Cambridge University Press,2013.

[3]
张强,邓振镛,赵映东,等. 全球气候变化对中国西北地区农业的影响[J]. 生态学报,2008,28(3):1210-1218.

[ZHANG Qiang,DENG Zhenyong,ZHAO Yingdong,et al.The impacts of global climatic change on the agriculture in northwest China[J]. Acta Ecologica Sinica,2008,28(3):1210-1218.]

[4]
He D,Wang J,Dai T,et al.Impact of climate change on maize potential productivity and the potential productivity gap in Southwest China[J]. Journal of Meteorological Research,2014,28(6):1155-1167.

[5]
李永华,高阳华,廖良兵,等. 重庆地区玉米气象产量变化及气候影响因子简析[J]. 西南大学学报(自然科学版),2007,29(3):104-109.

[LI Yonghua,GAO Yanghua,LIAO Liangbing,et al.Changes of maize meteorological yields and an analysis of main climatic affecting factors in Chongqing[J]. Journal of Southwest University (Natural Science Edition),2007,29(3):104-109.]

[6]
王柳,熊伟,温小乐,等. 温度降水等气候因子变化对中国玉米产量的影响[J]. 农业工程学报,2014,30(21):138-146.

[WANG Liu,XIONG Wei,WEN Xiaole,et al.Effect of climatic factors such as temperature,precipitation on maize production in China[J]. Transactions of the Chinese Society of Agricultural Engineering,2014,30(21):138-146.]

[7]
张建平,赵艳霞,王春乙,等. 未来气候变化情景下中国主要粮食作物产量变化模拟[J]. 干旱地区农业研究,2007,25(5):208-213.

[ZHANG Jianping,ZHAO Yanxia,WANG Chunyi,et al.Simulation of the yields change of China’ main crops under climate change scenario[J]. Agricultural Research in the Arid Areas,2007,25(5):208-213.]

[8]
张建平,赵艳霞,王春乙,等. 气候变化情景下东北地区玉米产量变化模拟[J]. 中国生态农业学报,2008,16(6):1448-1452.

[ZHANG Jianping,ZHAO Yanxia,WANG Chunyi,et al.Simulation of maize production under climate change scenario in Northeast China[J]. Chinese Journal of Eco-Agriculture,2008,16(6):1448-1452.]

[9]
Lashkaru A,Alizadeh A,Rezaei E E,et al.Mitigation of climate change impacts on maize productivity in northeast of Iran:A simulation study[J]. Mitigation and Adaptation Strategies for Global Change,2012,17(1):1-16.

[10]
Xiong W,Matthews R,Holman I,et al.Modelling China’s potential maize production at regional scale under climate change[J]. Climatic Change,2007,85(3-4):433-451.

[11]
Stockle C O,Dyke P T,Williams J R,et al.A method for estimating the direct and climatic effects of rising atmospheric carbon dioxide on growth and yield of crops:Part Ⅱ-Sensitivity analysis at three sites in the Midwestern USA[J]. Agricultural Systems,1992,38(3):239-256.

[12]
Mo X,Liu S,Lin Z,et al.Regional crop yield,water consumption and water use efficiency and their responses to climate change in the North China Plain[J]. Agriculture,Ecosystems and Environ-ment,2009,134(1-2):67-78.

[13]
Liu S,Mo X,Lin Z,et al.Crop yield responses to climate change in the Huang-Huai-Hai Plain of China[J]. Agricultural Water Management,2010,97(8):1195-1209.

[14]
Wang J,Wang E,Yang X,et al.Increased yield potential of wheat-maize cropping system in the North China Plain by climate change adaptation[J]. Climatic Change,2012,113(3-4):825-840.

[15]
Wang J,Wang E,Yin H,et al.Declining yield potential and shrinking yield gaps of maize in the North China Plain[J]. Agricultural and Forest Meteorology,2014,195(2):89-101.

[16]
Chen C,Baethgen W E,Robertson A.Contributions of individual variation in temperature,solar radiation and precipitation to crop yield in the North China Plain,1961-2003[J]. Climatic Change,2013,116(3-4):767-788.

[17]
Chen C,Wang E,Yu Q,et al.Quantifying the effects of climate trends in the past 43 years (1961-2003)on crop growth and water demand in the North China Plain[J]. Climatic Change,2010,100(3-4):559-578.

[18]
刘园. 气候因子和栽培管理对华北冬小麦-夏玉米生产体系的影响[D]. 北京:中国农业大学,2010.

[LIU Yuan.Contributions of Climatic Factors and Agronomical Managements on Crop Production of Winter Wheat and Summer Maize in the North China Plain [D].Beijing:China Agricultural University,2010.]

[19]
王琳,郑有飞,于强,等. APSIM模型对华北平原小麦-玉米连作系统的适应性[J]. 应用生态学报,2007,18(11):2480-2486.

[WANG Lin,ZHENG Youfei,YU Qiang,et al.Applicability of agricultural production systems simulator (APSIM)in simulating the production and water use of wheat-maize continuous cropping system in North China Plain[J]. Chinese Journal of Applied Ecology,2007,18(11):2480-2486.]

[20]
李艳,薛昌颖,杨晓光,等. 基于APSIM模型的灌溉降低冬小麦产量风险研究[J]. 农业工程学报,2009,25(10):35-44.

[LI Yan,XUE Changying,YANG Xiaoguang,et al.Reduction of yield risk of winter wheat by appropriate irrigation based on APSIM model[J]. Transactions of the Chinese Society of Agricultural Engineering,2009,25(10):35-44.]

[21]
张祎. 未来气候变化对黄淮海平原冬小麦生产影响及适应措施分析[D]. 北京:中国农业大学,2012.

[ZHANG Yi.The Impacts of Climate Change on Winter Wheat (Triticum aestivum L.)Production and Its Adaptation Strategies in the Huang-Huai-Hai Plain [D].Beijing:China Agricultural University,2012.]

[22]
Liu Z,Yang X,Hubbard K G,et al.Maize potential yields and yields gaps in the changing climate of northeast China[J]. Global Change Biology,2012,18(11):3441-3454.

[23]
刘志娟,杨晓光,王静,等. APSIM玉米模型在东北地区的适应性[J]. 作物学报,2013,38(4):740-746.

[LIU Zhijuan,YANG Xiaoguang,WANG Jing,et al.Adaptability of APSIM maize model in Northeast China[J]. Acta Agronomica Sinica,2012,38(4):740-746.]

[24]
吕硕,杨晓光,赵锦,等. 气候变化和品种更替对东北地区春玉米产量潜力的影响[J]. 农业工程学报,2013,29(18):179-190.

[LV Shuo,YANG Xiaoguang,ZHAO Jin,et al.Effects of climate change and variety alternative on potential yield of spring maize in Northeast China[J]. Transactions of the Chinese Society of Agricultural Engineering,2013,29(18):179-190.]

[25]
李广,黄高宝. 基于APSIM模型的降水量分配对旱地小麦和豌豆产量影响的研究[J]. 中国生态农业学报,2010,18(2):342-347.

[LI Guang,HUANG Gaobao.Determination of the effect of precipitation distribution on yield of wheat and pea in dryland using APSIM[J]. Chinese Journal of Eco-Agriculture,2010,18(2):342-347.]

[26]
李广,李玥,黄高宝,等. 基于APSIM模型旱地春小麦产量对温度和CO2浓度升高的响应[J]. 中国生态农业学报,2012,20(8):1088-1095.

[LI Guang,LI Yue,HUANG Gaobao,et al.Response of dryland spring wheat yield to elevated CO2 concentration and temperature by APSIM model[J]. Chinese Journal of Eco-Agriculture,2012,20(8):1088-1095.]

[27]
戴彤,王靖,赫迪,等. APSIM模型在西南地区的适应性评价-以重庆冬小麦为例[J]. 应用生态学报,2015,26(4):1237-1243.

[DAI Tong,WANG Jing,HE Di,et al.Adaptability of APSIM model in Southwestern China:A case study of winter wheat in Chongqing City[J]. Chinese Journal of Applied Ecology,2015,26(4):1237-1243.]

[28]
刘宗元,张建平,罗红霞,等. 基于农业干旱参考指数的西南地区玉米干旱时空变化分析[J]. 农业工程学报,2014,30(2):105-115.

[LIU Zongyuan,ZHANG Jianping,LUO Hongxia,et al.Temporal and spatial distribution of maize drought in Southwest of China based on agricultural reference index for drought[J]. Transactions of the Chinese Society of Agricultural Engineering,2014,30(2):105-115.]

[29]
全国土壤普查办公室. 1:1000000中华人民共和国土壤图[M]. 陕西:西安地图出版社,1995.

[National Soil Survey Office. Soil Map of Peoples's Republic of China(1:1000000)[M]. Shanxi: Publishing House of Xi'an Map,1995.]

[30]
Keating B A,Carberry P S,Hammer G L,et al.An overview of APSIM,a model designed for farming systems simulation[J]. European Journal of Agronomy,2003,18(3-4):267-288.

[31]
Wang E,Robertson M J,Meinke H,et al.Development of a generic crop model template in the cropping system model APSIM[J]. European Journal of Agronomy,2002,18(1-2):121-140.

[32]
Ǻngström A.Solar and terrestrial radiation.19[J]. Monthly Weather Review,1924,52(8):397-397.

[33]
Prescott J A.Evaporation from a water surface in relation to solar radiation[J]. Transactions of the Royal Society of South Australia,1940,64:114-118.

[34]
Wallach D,Goffinet B.Mean squared error of prediction in models for studying ecological and agronomic systems[J]. Biometrics,1987,43(3):561-573.

[35]
Willmott C J.Some comments on the evaluation of model perfor-mance[J]. Bulletin of the American Meteorological Society,1982,63(11):1309-1313.

[36]
黄远仿,李韵珠. 土壤水力性质的估算-土壤转换函数[J]. 土壤学报,2002,39(4):517-523.

[HUANG Yuanfang,LI Yunzhu.Estimation of soil hydraulic properties-Pedo-Transfer Functions[J]. Acta Pedologica Sinica,2002,39(4):517-523.]

[37]
全国土壤普查办公室. 中国土种志(第六卷)[M]. 北京:中国农业出版社,1996.

[National Soil Survey Office. National Soil Survey(The 6th volume)[M]. Beijing:China Agriculture Press,1996.]

[38]
卢纹岱,吴喜之. SPSS统计分析(第4版)[M]. 北京:电子工业出版社,2003.

[LV Wendai,WU Xizhi.Statistics and Analysis in SPSS(The 4th edition)[M]. Beijing:Publishing House of Electronics Industry,2003.]

[39]
徐建文,梅旭荣,居辉,等. 黄淮海地区冬小麦关键生育期不同灌溉水平对产量影响的模拟[J]. 作物学报,2014,40(8):1485-1492.

[XU Jianwen,MEI Xurong,JU Hui,et al.Simulation of winter wheat yield in response to irrigation level at critical growing stages in the Huang-Huai-Hai Plain[J]. Acta Agronomica Sinica,2014,40(8):1485-1492.]

[40]
李向岭,李从峰,葛均筑,等. 播期和种植密度对玉米产量性能的影响[J]. 玉米科学,2011,19(2):95-100.

[LI Xiangling,LI Congfeng,GE Junzhu,et al.Effects of planting date and planting density on yield performance of maize[J]. Journal of Maize Sciences,2011,19(2):95-100.]

[41]
于吉琳,聂林雪,郑洪兵,等. 播期与密度对玉米物质生产及产量形成的影响[J]. 玉米科学,2013,21(5):76-80.

[YU Jilin,NIE Linxue,ZHENG Hongbing,et al.Effect of matter production and yield formation on sowing date and density in maize[J]. Journal of Maize Sciences,2013,21(5):76-80.]

[42]
陈鹏狮,米娜,张玉书,等. 气候变化对作物产量影响的研究进展[J]. 作物杂志,2009,(2):5-9.

[CHEN Pengshi,MI Na,ZHANG Yushu,et al.Progress in research of impacts of climate change on yield of field crops[J]. Crops,2009,(2):5-9.]

Options
Outlines

/

〈 〉