不同种植模式下旱地春玉米产量对降雨和气温变化的响应

张 涛，孙 伟，孙步功，吴建民，王丽娟，冯 斌，张锋伟



不同种植模式下旱地春玉米产量对降雨和气温变化的响应

张 涛1，孙 伟2※，孙步功2，吴建民2，王丽娟3，冯 斌1，张锋伟2

（1. 甘肃农业大学农学院，兰州 730070；2. 甘肃农业大学机电工程学院，兰州 730070；3. 兰州交通大学博文学院，兰州730101）

为了探究旱区气候变化及主要气象因子对不同种植模式下玉米产量的影响，该研究对AquaCrop模型玉米参数进行校准和验证，并在35a历史气象数据的基础上设计不同气温和降雨梯度，利用模拟的方法分析不同情景下玉米产量变化趋势。结果表明：AquaCrop模型在试验点模拟精度较高，3种种植模式下实测与模拟产量的均方根误差为245.34～745.10 kg/hm2，标准均方根误差为6.94%～9.49%。在设定范围内（降雨降低15%～升高15%，气温降低1.5 ℃～升高1.5 ℃），随气温和降雨升高，3种种植模式下产量波动均呈减小趋势，其中全膜双垄沟播下产量波动最小，平均产量曲线斜率为0.083 4，适应气候变化能力较强。在A3B3（温度升高1.5 ℃、降雨提高15%）情景下产量均达到最大，相比历史气候，露地、单垄、全膜双垄沟播分别平均增产13.45%、11.57%、17.67%。气温对3种模式下产量均有极显著影响，降雨对露地种植产量影响为极显著，而对单垄和全膜双垄沟播产量影响显著。该研究对气候变化下作物产量预测、风险评估及制定相关管理措施提供参考。

作物；模型；气温；气候变化；AquaCrop模型；产量；种植模式；玉米

0 引 言

气候变化已经越来越受到全球重视，对其影响因子研究众多，气候变化势必会引起气温和降雨的变化，因而对中国农作物及生产管理格局产生重要影响[1-2]。对于旱区传统农业生产更加依赖于降雨和气温等自然气象[3]，研究气候变化对该地区几种常见种植模式下玉米生产潜力变化趋势，气象因子对产量作用大小，有助于宏观调整种植结构和优化管理措施，以便保障区域稳产。

作物生长模型是综合作物生理、生态、农业气象、土壤等学科知识和研究成果，建立的定量和动态描述作物生产的机理模型，已被广泛应用于预测作物生产潜力、指导农田灌溉、施肥、及耕作等管理实践中[4-6]。AquaCrop是联合国粮食及农业组织（FAO）研发的一种新型作物模型，具有输入参数少、使用范围广、精度高等优点，已在世界多地完成了适应性评估和验证[7-9]，并且对模拟精度和模拟数值稳定性之间进行了较佳的平衡，经过多年研究已给定了一些所需校正作物参数范围[10]；在此基础上，有学者利用该模型评估气候因素对作物生产的影响：Muluneh等[11]基于AquaCrop模型对埃塞俄比干旱地区气候变化情境下粮食安全进行了分析；Yang等[12]利用该模型深入分析了葡萄牙灌溉玉米产量与气候因子之间的响应关系；李晶等[13]以该模型为平台分析了降雨、温度对东北春小麦生产潜力的影响。近几年AquaCrop也在干旱及半干旱地区完成了参数本土化，并在验证、应用方面取得了进展[14-16]，但在旱区为主的甘肃中部地区作物长期生长方面研究较少，产量与气候变化之间的响应还未见报道。以往大多依靠田间试验方法研究作物生产潜力与气象因子之间的关系，但试验周期长、成本高，结果通用性较差[17]，因此本研究采用试验和模型相结合的方法，利用连续3a春玉米田间试验数据对AquaCrop模型进行校准和验证，然后在35a历史气象数据基础上，设定不同降雨和气温变化情景，对露地、单垄和全膜双垄沟播种植下玉米的生产潜力进行模拟，分析探讨3种模式下玉米产量与气象因子之间的响应关系和变化趋势，以寻求最适气候变化种植模式，为旱区农业可持续发展提供理论和推广依据。

1 材料与方法

1.1 试验点概况

试验于2014年4月至2016年10月在甘肃农业大学节水节肥节药试验站进行，该站位于兰州市西固区境内（36°12′N，103°53′E，海拔1 680 m）。该区是典型的西北旱区雨养农业，属于大陆性干旱气候。多年平均降雨量为265.8 mm，且主要降雨集中在6－9月，年平均气温为7.2 ℃，年均蒸发量为1 660 mm，全年平均日照时数为2 591 h，无霜期约为180 d。试验地土壤为粉砂壤土，基本理化性状为：有机质质量分数8.98 g/kg，全氮0.64 g/kg，全磷0.74 g/kg，全钾10.23 g/kg，铵态氮12.38 mg/kg，速效磷26.83 mg/kg，速效钾93.25 mg/kg，pH值为8.2。

试验中气象数据来自皋兰国家基准气候站（36°21′N，103°57′E，海拔1 668.5 m），该站距离试验地17.84 km，从1981－2015年35a的历史气象数据可知，该站年降雨在154.9～355.6 mm，各年降雨量与多年平均降雨相差最大幅度为44.8%（图1a），各年平均气温变化在6.2～8.5 ℃之间，与多年累积平均气温最大相差−16.2%（图1b）。以年份为自变量，降雨量、年均气温为应变量得到其一次回归方程，并用Mann-Kendall进行显著性检验[18]，由表达式和值可知，年降雨量变化趋势为−0.081 1 mm/a，随年份呈降低趋势；年均气温变化趋势为0.042 5 mm/a，随年份呈升高趋势，但降雨量与年均气温的变化趋势均不显著（<0.05）。

图1 试验地1981－2015年逐年降水量与年均气温变化

1.2 试验设计

2014－2016年田间试验在同一地块进行，试验共设3种种植模式处理，LZ：露地种植、DZ：单垄种植（图2a）、QZ：全膜双垄沟播种植（图2b）。其中处理LZ的行距为50 cm、株距为35 cm；处理DZ的垄宽60、垄高4～8 cm、株距28 cm、行距40 cm；处理QZ的大垄宽70 cm、小垄宽40 cm，大垄高15～20 cm、小垄高5～10 cm株距24 cm。每个处理设置3次重复，共9个小区，小区的面积为50 m2，小区为7.5 m×6.7 m，采用裂区区组排列。供试玉米品种为‘先玉335’，播前采用复合作业机先翻后旋耕，底肥肥料种类为尿素、磷酸二铵、复合肥，其中N总量为150 kg/hm2，P2O5总量为135 kg/hm2，K2O总量为110 kg/hm2，在抽雄期追肥肥料仅为尿素，氮总量为130 kg/hm2。南北行向、人工播种，播种密度60 606株/hm2、试验期内无灌水。以上管理3种处理均相同。3 a的播种日期均在4月下旬，收获日期在9月14－20日之间。

a. 单垄种植

a. Single ridge planting

b. 全膜双垄沟播

1.3 测定项目和方法

测定项目主要有作物物候期、土壤含水率、地上生物量的积累过程及最终产量。其中玉米生育期主要通过试验期间实际调查记录的方法；土壤含水率采用烘干法，主要测定深度为10 cm，播种后每隔5 d测定一次；地上生物量的积累是在玉米出苗后每隔15 d对地上部分植株的生物量进行测定，从各小区随即选取3株长势均匀的植株，从茎基部剪断，将样株标记置于烘箱，先105 ℃杀青30 min，再以80 ℃恒温烘48 h，至质量不变后称量记录。产量测定当春玉米达到生理成熟期时进行收获，首先剔除边行植株，在中间几行随机取20株进行人工收获，并考种计产。

1.4 AquaCrop模型参数校准及验证方法

1.4.1 AquaCrop模型简介

AquaCrop模型主要从植株生理和农艺的角度考虑在水分不足条件下对作物生长过程的抑制及产量的影响[19]。该模型运行的时间步长有1、10、30 d共3种，产量用生物量和收获指数的乘积表示，生物量是通过作物冠层及根系生长模拟获得，而整个生育期的生长和衰老用冠层覆盖度的日增长量和衰减量描述[20]。可以分析和预测在不同地理环境、管理措施等情况下作物的生长状况及产量，宏观研究气候变化对作物产量的影响[21]。

1.4.2 土壤数据

模型中土壤参数主要包括土层数及厚度、永久凋萎点、田间持水量、容重、饱和导水率、饱和含水量，试验点土壤深度选择1 m，每层厚度为20 cm，共5层（表1）。将试验田各数据输入模型中保存为土壤参数数据库文件（.SOL）。

表1 试验地主要土壤参数

1.4.3 气象数据

模型所需气象参数主要包括逐日最高温度（max）、最低温度（min）、降雨量（）、参考作物蒸发蒸腾量（ET0）、大气CO2浓度，其中0由FAO组织研发的0calculator计算得到[22]，所需参数为逐日最高和最低气温、日照时数；大气CO2浓度采用模型默认推荐值，其他参数由皋兰国家基准气候站提供。2014—2016年玉米生育期内逐日气象数据如图3所示，降雨量分别为261.7、147.6、224.9 mm，属于典型旱区气候类型。

a. 降水量

a. Precipitation

b. 气温

b. Air temperature

注：图中max为最高气温，min为最低气温，ET0为参考作物蒸发蒸腾量。

Note:maxismaximum air temperature,minisminimum airtemperature, ET0is reference crop evapotranspiration.

图3 试验站玉米生育期内主要气象数据

Fig.3 Main meteorological data during corn growing periods at experimental station

1.4.4 模型评价

为检验模拟值与实测值之间的差距和模拟效果，用统计参数均方根误差（RMSE）、标准均方根误差（NRMSE）、残差聚集类系数（CRM）进行评价。其中RMSE和NRMSE表示两者之间的偏差；CRM可为正值或负值，当为正值表示模拟值偏低，当为负值则相反。计算公式[8]如下：

1.5 气候情景设置

根据政府间气候变化专业委员会（IPCC）第五次评估报告及相关研究发现，西北地区至21世纪末（2081－2100年）在极端情况下，平均气温有将变化1.5～2 ℃，平均降水变化可达10%～20%[23-25]。本研究参照历史气象条件，分别对气温和降雨进行不同梯度情景设定[26-27]，由于前期预模拟试验发现，气温变化幅度为0.5或1 ℃、降雨为5%或10%时，梯度间产量差异不显著，因此在极端情况内大幅度取值，将气温设立3个梯度，分别为降低1.5 ℃（A1）、不变（A2）、升高1.5 ℃（A3），降雨同样设立3个梯度，分别为降低15%（B1）、不变（B2）、升高15%（B3），即为2因素3水平，共计9个情景，其中A2B2为对照（CK）情景。

利用校准后的AquaCrop玉米栽培参数和1981—2015年提供的历史气象数据，对3种栽培方式在不同情景下进行35 a的连续生产模拟。在模拟时为了只考虑气象因素对产量的影响，因此其他管理、土壤等参数全设为一致，具体同3 a的田间试验设置一样。

1.6 数据处理

本文采用Microsoft Excle 2013进行数据整理统计、分析和制图，采用Genstat统计软件对作物模型的模拟效果进行验证评价和各情境下产量的概率曲线斜率差异分析，利用SPSS 19.0进行产量差异性分析。

2 结果与分析

2.1 AquaCrop模型参数校准和验证

在模型给定的玉米参数缺省值和FAO提供的参数取值范围内，采用试错法对模型进行调试，每次参数改变幅值设置为3%，直至模拟结果和实测结果接近一致[28]。选用2015年田间产量、不同阶段生物量和土壤含水率试验数据进行校准，得到‘先玉335’品种在露地、单垄、全膜双垄沟播3种种植模式下主要品种及胁迫参数（表2）。全膜双垄沟播的最大冠层覆盖度、标准水分生产力、冠层增长系数明显大于单垄和露地种植，说明该种植模式可以提高作物的生长潜力，而且全膜双垄沟播的土壤表面易蒸发量最低，更加验证了其较强地保墒蓄墒能力；收获指数是评价作物品种产量水平和栽培成效的重要指标，大小依次为全膜双垄沟播、单垄、露地，其值分别为47%、43%、38%，说明栽培成效对产量构成具有重要作用；同时种植模式的不同也可以改变作物叶片的衰老速度，全膜双垄沟播、单垄、露地的冠层衰减系数分别为9.70%、10.1%、10.6%，这是由于衰减速度越慢，则会促进更多有机物质的积累。

表2 3种种植模式主要作物及胁迫参数

表3 AquaCrop模型模拟精度分析结果

将校正后的参数及2014和2016年的气象、土壤、管理等数据输入模型中并运行模拟，最后与实测数据进行验证对比。由图4和表3可得到实测生物量和产量与模拟模拟值之间基本呈线性关系，在露地、单垄、全膜双垄沟播3种模式下生物量的RMSE为737.13～914.21 kg/hm2。

a. 2014和2016年生物量、产量

a. Biomass and yield in 2014 and 2016

b. 露地种植10 cm土壤含水率

b. Soil water content of open field planting for 10 cm

c. 单垄种植10 cm土壤含水率

c. Soil water content of single-row ridge planting for 10 cm

d. 全膜双垄沟播种植10 cm土壤含水率

d. Soil water content of all-film double-furrow sowing for 10 cm

注：RMSE、NRMSE、CRM分别为均方根误差、标准均方根误差、残差聚集类系数，是两年结果。

Note: RMSE, NRMSE and CRM are root mean square error , normalized root mean square error, residual clustering coefficient. They are the results of two years.

图4 玉米模拟值与实测值之间的关系

Fig.4 Relationship between simulated and tested value of maize

其中单垄最大，而对应产量的RMSE在245.34～745.10 kg/hm2，全膜双垄沟播最大，而且全生育期地下10 cm土壤含水率的模拟值和实测值表现出一致性趋势，RMSE分别为2.68%、2.21%、3.16%；NRMSE主要反映模型的整体模拟效果，露地、单垄、全膜双垄沟播下生物量的NRMSE分别为4.45%、4.73%、4.17%，产量的NRMSE分别为6.94%、9.49%、8.84%，土壤含水率的NRMSE分别为10.74%、8.65%、9.28%，除露地种植的含水率以外，其余均小于10%，说明整体模拟效果较好；露地和单垄种植下生物量、产量和土壤含水率的CRM均小于0，模拟值偏高，说明模型有高估低值的趋势，而全膜双垄沟播种植下生物量、产量和土壤含水率均大于0，说明模型在模拟时低估了较高数值点，但CRM的绝对值在0.003 7～0.758 4之间，说明模型整体上高估或低估趋势不大。

2.2 不同气候情景下三种种植模式产量波动范围比较

首先利用AquaCrop模型对A2B2（CK）情景下该试验站在1981－2015年3种种植模式的春玉米产量进行模拟。图5为不同种植模式产量频率及概率累计百分比，露地、单垄、全膜双垄沟播分别在3 900～4 300、6 100～6 600、8 100～9 000 kg/hm2产量出现频率最大，而且产量在该范围的年份百分比分别为60.0%、85.71%、45.7%。春玉米在露地、单垄、全膜双垄沟播种植下最高产量分别可达到4 554、7 078、9 283 kg/hm2，但在极端天气下有4个年份露地种植产量低于3 000 kg/hm2，有5个年份单垄种植产量低于4 500 kg/hm2，7个年份全膜双垄沟播产量低于6 300 kg/hm2。

图5 1981－2015年不同种植模式下春玉米模拟产量的频率-累计百分比图

为进一步量化3种种植模式在不同气候情景下产量波动大小，将不同情境下模拟得到的产量从小到大依次排列，利用最小二乘法对其进行拟合，得到一元线性回归方程，其中一次项系数即为产量曲线斜率，斜率均值为一个因素单个梯度与所对应的另外一个因素3个梯度下产量曲线斜率的平均值（表4）。产量递增曲线斜率越大，说明曲线越陡，产量波动范围越大。露地、覆膜和全膜双垄沟播的产量递增曲线斜率均随气温升高而减小，说明3种种植模式下玉米产量随温度升高波动范围呈减小趋势，而且不同气温梯度间产量递增曲线斜率差异均显著（<0.05）；在降低和升高1.5 ℃时单垄种植产量波动最大，曲线斜率分别为0.211 0、0.051 6，其他依次为全膜双垄沟播、露地种植，而气温不变时全膜双垄沟播种产量波动范围最大，为0.162 2，其他依次为单垄种植和露地种植。露地和单垄种植均随降雨增加，产量波动范围减小，而全膜双垄沟播产量波动范围与之相反，在露地种植下不同梯度间产量递增曲线差斜率差异均显著（<0.05），单垄和全膜双垄沟播下降雨量降低15%和不变情景下差异显著（0.05），而提高15%与其他情景相比产量波动范围均显著；在降低15%和不变时，产量波动范围由大到小依次为露地、单垄、全膜双垄沟播，而提高15%时依次为全膜双垄沟播、单垄、露地种植。

表4 不同降水与气温梯度下产量曲线的斜率均值

注：同一列中平均值后的不同字母表示梯度间差异显著（<0.05），相同字母表示差异不显著（>0.05）。

Note: Different letters in the same column after mean indicate significant difference between the gradients (<0.05), the same letters indicate no significant difference (>0.05).

综上可看出随降雨和气温上升时整体上均会对3种种植模式下玉米产量波动范围呈减小趋势。对于全膜双垄沟播，在不同情境下，全膜双垄沟播下产量波动最小，平均产量曲线斜率为0.083 4，适应气候变化能力较强；其次为单垄种植，而露地种植下当气候发生变化时，会对产量造成严重的影响。

2.3 不同气候情景下三种种植模式的模拟产量变化及差异性分析

对1981—2015年不同气候情景下模拟得到的玉米产量进行对比得到图6所示。

可看出当气候发生变化时会对产量产生严重影响，与A2B2（CK）情景对比，A1B1、A1B2、A1B3、A3B1情景下3种种植模式的玉米产量均有所下降，而且会造成极端天气以至于绝产，说明该地区在温度下降时会对玉米产量产生负效应。在A3B3情景即温度升高1.5 ℃、降雨提高15%时，3种种植模式模拟产量均达到最大，而且波动范围也相对于较小，其中露地种植产量范围为3 738～4 806 kg/hm2，单垄产量范围在4 549～7 218 kg/hm2，全膜双垄沟播产量范围为7 269～9 658 kg/hm2，说明温度和降雨在一定范围内同时增加，有助于提高玉米生产潜力；在A1B1情景下模拟产量均为最小，但露地种植下玉米生产潜力远远低于单垄和全膜双垄沟播种植，说明该地区露地种植下玉米产量极易受气候因素的影响与限制。在A3B3（温度升高1.5 ℃、降雨提高15%）情景下产量均达到最大，相比历史气候，露地、单垄、全膜双垄沟播分别平均增产13.45%、11.57%、17.67%。在同一气候情景下玉米的生产潜力大小依次为全膜双垄沟播、单垄种植、露地种植，更加说明了全膜双垄沟播垄面集流、覆膜抑蒸、提高水分利用效率的种植优势。

为了进一步研究单一因素降雨与气温或协同作用对玉米生产潜力的影响，对1981－2015年模拟得到的产量做协方差分析，其中降雨和气温作为固定因子，年份作为协变量，结果如表5所示。

注：A1~A3代表气温梯度下降1.5℃、不变、升高1.5℃；B1~B3代表降雨量下降15%、不变、升高15%。

表5 玉米产量协方差分析结果

注：A表示温度，B表示降雨量，<0.001（极显著，**），<0.05（显著，*）。

Note: A is temperature, B is precipitation,<0.001(highly significant,**),<0.05 (significant,*).

3种种植模式中协因素年份对产量均构成极显著影响（<0.01），即作为不可控因子在不同年份间逐日气候均有一定的差异，进而影响玉米产量；在露地种植中温度和降雨对产量均具有极显著影响（<0.01）[29]，两者之间的交互作用为显著（<0.05），说明在该种植模式下气温和降雨发生微小变化时都会导致产量产生严重变化；单垄和全膜双垄沟播种植中气温对产量造成极显著影响（<0.01），而降雨和两者之间的交互作用则略低一些，呈显著影响（<0.05），表明这2种种植模式相对露地种植，在降雨发生变化时有较好的适应能力。综上可知3种种植模式下气温对产量的影响稍大于降雨，主要是因为该地区早晚温差大，气温变化时极易造成生育前期低温或高温胁迫，以致于大幅度减产，而该地区降雨量较少、生产潜力较低，当改变15%时，相对整体而言变化不大，但都是影响玉米产量的主要因素。

3 讨 论

AquaCrop模型的研发是为了更好地模拟在干旱及半干旱环境中，水分条件的限制对作物产量的影响[16,30-31]，而且模拟和实测值的决定系数2均大于0.8，一般作物模型应用中2<0.6时为较差，0.6≤2≤0.8时为良好，2>0.8为较好，说明该模型在旱区有一定的适应性。该模型参数设置中具有垄沟及覆膜属性，适合黄土高原地区作物栽培特性，并且用冠层覆盖度代替其他模型中叶面积指数，提高了模拟精度。该模型通过较少的参数和数据就可模拟作物生产潜力，可供作物学家、经济学家、行政人员等对严峻的粮食安全问题等问题作出宏观部署。杨宁等[20]对半干旱地区覆膜春玉米的产量进行模拟，模拟结果NRMSE为4.2%，CRM为−0.013～0.026，与本研究所得模拟结果NRMSE为6.94%～9.49%，CRM为−0.092 5～0.084 3基本吻合，无明显差异，且NRMSE均小于10%，说明AquaCrop模型模拟效果较好，在半干旱地区具有一定的适应性。但本研究中露地和单垄种植模式下CRM均小于0，说明该模型具有高估低值的趋势，如能对作物蒸腾量进行田间实测，可进一步对AquaCrop模型参数（作物蒸腾量、水分生产效率等）优化和验证。AquaCrop是一个水分驱动模型，所需校准参数是由地区（土壤、气候）、种植模式（地表覆盖物）、作物品种等因素共同决定，3种种植模式下水分传输和散失机理必然不同，因而导致校准参数水分生产力、收获指数、最大冠层覆盖度等也有一定的差异，为了使该模型具有更高的模拟精度和特定的适应性，所以需对不同种植模式进行独立率定。

黄土高原属于雨养农业区，降雨和温度是引起作物产量变化的主要因素，本研究结果显示3种种植模式下降雨量和温度对玉米产量影响显著，气温变化对产量产生的效应较降水带来的效应弱，而且随着降雨量降低，玉米产量显著降低，这与Masikati等[32]研究结果相近。降雨减少使得全膜双垄沟播较单垄和露地减产幅度较小，这是由于覆膜具有减少土壤蒸发量且垄沟集雨的效果，抗旱能力较强[33]，所以未来气候干旱化势必会对甘肃地区农业生产造成严重的影响，种植结构和模式的调整尤为重要。该地区3种种植模式随气温整体上升，玉米产量波动范围均减小，其中全膜双垄沟播波动范围最小，这是由于甘肃中部地区海拔较高，作物生长季气温低于基准气温，增温对于产量具有正效应，而且覆膜能提高作物有效积温，使其达到正常生产潜力；本研究中气温降低造成某些年份玉米减产的主要原因是其极易受5－9月冷害的影响，生长前期发育滞后，未能完成灌浆过程[34]。总体来说，甘肃中部地区当气候剧变，尤其气温过低或降雨减少时，有必要通过调整种植模式、面积、播种时间等管理措施，规避低温胁迫、充分利用降水以减少生产风险。本研究只定量的分析了降雨和气温变化对玉米产量的影响，未考虑太阳辐射和CO2浓度对其影响，各气象因子对玉米产量的综合效益还需进一步研究。

4 结 论

1）利用2014－2016年田间试验对AquaCrop模型玉米参数进行校准和验证，得到该地区3种种植模式下玉米品种及胁迫参数，模拟与实测产量的均方根误差在245.34～745.10 kg/hm2，标准均方根误差在6.94%～9.49%之间，整体上能够较好地模拟3种模式下春玉米动态生长。

2）在一定范围内，3种种植模式下玉米产量波动范围均随气温和降雨升高呈减小趋势。波动范围最小的是全膜双垄沟播，说明其更具有气候变化适应能力，其他依次为单垄和露地种植。在设置的变化情景间露地种植产量曲线斜率均差异显著，说明露地种植极易受气候变化影响。

3）在产量协方差分析中得到气温对3种种植模式玉米产量均具有极显著影响；露地种植下降雨对产量呈极显著影响，而单垄和全膜双垄沟播种植模式下降雨对产量的影响略低，呈显著影响；气温和降雨之间的交互作用均对产量影响显著。在旱区除了选择合适的种植制度，更应该加强一些田间管理措施，以便规避气候变化导致的生产风险。

[1] 葛全胜，郑景云，郝志新，等. 过去2000年中国气候变化研究的新进展[J]. 地理学报，2014，69(9)：1248－1258.

Ge Quansheng, Zhen Jingyun, Hao Zhixin, et al. State-of-the-arts in the study of climate changes over China for the past 2000 years[J]. Acta Geographica Sinica, 2014, 69(9): 1248－1258. (in Chinese with English abstract)

[2] Chen Chao, Wang Enli, Yu Qiang, 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]. Climate Change, 2010, 100(3): 559－578.

[3] 曹阳，杨婕，熊伟，等. 1962－2010年潜在干旱对中国冬小麦产量影响的模拟分析[J]. 农业工程学报，2014，30(7)：128－139.

Cao Yang, Yang Jie, Xiong Wei, et al. Simulation of winter wheat yield influenced by potential drought in China during 1962－2010[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(7): 128－139. (in Chinese with English abstract)

[4] Mark W Y, Ewen M, Geoffrey R S. Environmental risk assessment of blight-resistant potato: Use of a crop model to quantify nitrogen cycling at scales of the field and cropping system[J]. Environ Sci Pollut Res, 2017, 24: 21434－21444.

[5] Élodie Blanc. Statistical emulators of maize, rice, soybean and wheat yields from global gridded crop models[J]. Agricultural and Forest Meteorology, 2017, 236: 145－161.

[6] 杨轩，王自奎，曹铨，等. 陇东地区几种旱作作物产量对降水与气温变化的响应[J]. 农业工程学报，2016，32(9)：106－114.

Yang Xuan, Wang Zikui, Cao Quan, et al. Effect of precipitation and air temperature changes on yield of several crops in Eastern Gansu of China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(9): 106－114. (in Chinese with English abstract)

[7] Seyed H A, Elnaz M, Ali A K-H, et al. Modeling maize yield and soil water content with AquaCrop under full and deficit irrigation management[J]. Water Resources Management, 2015, 29: 2837－2853.

[8] Uvirkaa A, Aondover T, Ado A Y. Validation and testing of the FAO AquaCrop model under different levels of nitrogen fertilizer on rainfed maize in Nigeria West Africa[J]. Agricultural and Forest Meteorology, 2017, 232: 225－234.

[9] 孙仕军，张琳琳，陈志君，等. AquaCrop作物模型应用研究进展[J]. 中国农业科学，2017，50(17)：3286－3299.

Sun Shijun, Zhang Linlin, Chen Zhijun, et al. Advance in AquaCrop model research and application[J]. Scientia Agricultural Sinica, 2017, 50(17): 3286－3299. (in Chinese with English abstract)

[10] Katerji Nader, Campi Pasquale, Marcello Mastroilli. Productivity, evapotranspiration and water use efficiency of corn and tomato crops simulated by AquaCrop under contrasting water stress condition in the Mediterranean[J]. Agricultural Water Management, 2013, 130: 14－26.

[11] Muluneh A, Stroosnijder L, Keesstra S D, et al. Adapting to climate change for food security in the Rift Valley dry lands of Ethiopia: Supplemental irrigation, plant density and sowing date[J]. The Journal of Agricultural Science, 2016, 155: 703－724.

[12] Yang C Y, Fraga H, Leperen W V, et al. Assessment of irrigated maize yield response to climate change scenarios in Portugal[J]. Agricultural Water Management, 2017, 184: 178－190.

[13] 李晶，付驰，李双双，等. 东北春小麦区AquaCrop模型模拟验证及春小麦生产力初步估测[J]. 灌溉排水学报，2014，33(2)：69－72.

Li Jing, Fu Chi, Li Shuangshuang, et al. The simulation for northeast spring wheat productivity based on the AquaCrop model and modeling verification[J]. Journal of Irrigation and Drainage, 2014, 33(2): 69－72. (in Chinese with English abstract)

[14] Toumi J, Erraki S, Ezzahar J, et al. Performance assessment of AquaCrop model for estimating evapotranspiration, soil water content and grain yield of winter wheat in Tensift Al Haouz (Morocco): Application to irrigation management[J]. Agricultural Water Management, 2016, 163(1): 219－235.

[15] 倪玲，冯浩，任小川，等. AquaCrop作物模型在黄土塬区夏玉米生产中的适用性评价[J]. 干旱地区农业研究，2015，33(6)：40－45.

Ni Ling, Feng Hao, Ren Xiaochuan, et al. Applicable evaluation of crop model AquaCrop for summer maize production in Loess Plateau region[J]. Agricultural Research in the Arid Areas, 2015, 33(6):40－45. (in Chinese with English abstract)

[16] 刘琦，龚道枝，郝卫平，等. 利用AquaCrop模型模拟旱作覆膜春玉米耗水和产量[J]. 灌溉排水学报，2015，34(6)：54－61.

Liu Qi, Gong Daozhi, Hao Weiping, et al. Simulating water use and yield of film mulched maize with AquCrop model[J]. Journal of Irrigation and Drainage, 2015, 34(6):54－61. (in Chinese with English abstract)

[17] 卜令铎. 旱地春玉米高产高效栽培体系构建、评价及区域模拟[D]. 杨凌：西北农林科技大学，2013.

Bu Lingduo. The Cultivation System Establishment and Assessment Contributing to Yield and Efficiency Improvement of Dryland Maize, and Regional Simulation[D]. Yangling: North West Agriculture and Forestry University, 2013. (in Chinese with English abstract)

[18] 邢贞相，闫丹丹，刘美鑫，等. 三江平原近60年降水量时空变异特征分析[J]. 农业机械学报，2015，46(11)：337－344.

Xing Zhenxiang, Yan Dandan, Liu Meixin, et al. Spatiotemporal variability analysis of annual precipitation in Sanjiang Plain in recent sixty years[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(11): 337－344. (in Chinese with English abstract)

[19] Hamid J F, Gabriella I, Theib Y O. Parameterization and evaluation of the AquaCrop model for full and deficit irrigated cotton[J]. Agronomy Journal, 2009, 101(3): 469－476.

[20] 杨宁，孙占祥，张立桢，等. 基于改进AquaCrop模型的覆膜栽培玉米水分利用过程模拟与验证[J]. 农业工程学报，2015，31(增刊1)：122－132.

Yang Ning, Sun Zhanxiang, Zhang Lizhen, et al. Simulation of water use process by film mulched cultivated maize based on improved AquaCrop model and its verification[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(Supp.1): 122－132. (in Chinese with English abstract)

[21] 王连喜，吴建生，李琪，等. AquaCrop作物模型应用研究进展[J]. 地球科学进展，2015，30(10)：1100－1106.

Wang Lianxi, Wu Jiansheng, Li Qi, et al. A review on the research and application of AquaCrop model[J]. Advances in Earth Science, 2015, 30(10): 1100－1106. (in Chinese with English abstract)

[22] Raes D. The ET0calculator: Evapotranspiration from a Reference Surface[M]. Rome: Food and Agriculture Organization of the United Nations, 2012: 25－26.

[23] IPCC. Climate change 2013: The physical science basis[M]// Stocker T F, Qin D, Plattner G K, et al. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[M]. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 2013.

[24] 张强，邓振镛，赵映东，等. 全球气候变化对我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 climate change on the agriculture in northwest China[J]. Acta Ecologica Sinica, 2008, 28(3): 1210－1218. (in Chinese with English abstract)

[25] 姚玉璧，肖国举，王润元，等. 近50年来西北半干旱区气候变化特征[J]. 干旱区地理，2009，32(2)：159－165.

Yao Yubi, Xiao Guoju, Wang Runyuan, et al. Climate changes of semi-arid region over the northwest China in recent 50a[J]. Arid Land Geography, 2009, 32(2): 159－165. (in Chinese with English abstract)

[26] 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 (Transactions of the CSAE), 2013, 29(18): 179－190. (in Chinese with English abstract)

[27] 李秀芬，赵慧颖，朱海霞，等. 黑龙江省玉米气候生产力演变及其对气候变化的响应[J]. 应用生态学报，2016，27(8)：2561－2570.

Li Xiufen, Zhao Huiying, Zhu Haixia, et al. Evolution of maize climate productivity and its response to climate change in Heilongjiang Province, China[J]. Chinese Journal of Applied Ecology, 2016, 27(8): 2561－2570. (in Chinese with

English abstract)

[28] 张涛，孙伟，张锋伟，等. 旱地全膜双垄沟玉米生产的AquaCrop模型模拟及管理措施优化[J]. 应用生态学报，2017，28(3)：918－926.

Zhang Tao, Sun Wei, Zhang Fengwei, et al. Simulation of AquaCrop model and management practices optimization for dryland maize production under whole plastic-film mulching on double ridges[J]. Chinese Journal of Applied Ecology, 2017, 28(3): 918－926. (in Chinese with English abstract)

[29] 董朝阳，刘志娟，杨晓光. 北方地区不同等级干旱对春玉米产量影响[J]. 农业工程学报，2015，31(11)：157－164.

Dong Chaoyang, Liu Zhijuan, Yang Xiaoguang. Effects of different grade drought on grain yield of spring maize in Northern China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(11): 157－164. (in Chinese with English abstract)

[30] 张铁楠，付驰，李晶，等. 基于寒地春小麦AquaCrop与WOFOST模型适应性验证分析[J]. 作物杂志，2013，29(3)：121－126.

Zhang Tienan, Fu Chi, Li Jing, et al. The adaptability test analysis of AquaCrop and WOFOST model based on the cold spring wheat[J]. Crops, 2013, 29(3): 121－126. (in Chinese with English abstract)

[31] Toumi J, Er-Raki S, Ezzahar J, et al. Performance assessment of AquaCrop model for estimating evapotranspiration, soil water content and grain yield of winter wheat in Tensift Al Haouz (Morocco): Application to irrigation management[J]. Agricultural Water Management, 2016, 163: 219－235.

[32] Masikati P, Manschadi A, Rooyen A. Maize-mucuna rotation: An alternative technology to improve water productivity in smallholder farming systems[J]. Agricultural Systems, 2014, 123: 62－70.

[33] 谢军红，柴强，李玲玲，等. 黄土高原半干旱区不同覆膜连作玉米产量的水分承载时限研究[J]. 中国农业科学，2015，48(8)：1558－1568.

Xie Junhong, Chai Qiang, Li Lingling, et al. The time loading limitation of continuous cropping maize yield under different plastic film mulching modes in semi-arid region of Loess Plateau of China[J]. Scientia Agricultura Sinica, 2015, 48(8): 1558－1568. (in Chinese with English abstract)

[34] 马玉平，王石立，李维京. 基于作物生长模型的玉米生殖期冷害致灾因子研究[J]. 作物学报，2011，37(9)：1642－1649.

Ma Yuping, Wang Shili, Li Weijing. Chilling disaster factors in maize reproductive stage based on crop growth model[J]. Acta Agronomica Sinica, 2011, 37(9): 1642－1649. (in Chinese with English abstract)

Response of yield of spring maize to changes of precipitation and air temperature in arid region

Zhang Tao1, Sun Wei2※, Sun Bugong2, Wu Jianmin2, Wang Lijuan3, Feng Bin1, Zhang Fengwei2

(730070,;2.,730070,; 3.730101,)

The climate change has important effects on agriculture in which climatic variables are the main contributor to yield and have received wide concerns globally. In order to explore the influence of climate change in arid area and main meteorological factors on maize yield under different planting patterns, the study first calibrated and validated the parameters of AquaCrop model for open field planting, single-row ridge planting and all-film double-furrow sowing in arid regions, with the data of field experiment from 2014 to 2016. Calibration parameter mainly included the maximum canopy coverage, reference harvest index, normalized water productivity, readily evaporable water, and so on. The research also designed different temperature and precipitation gradients based on 35-year historical meteorological data from 1981 to 2015, and simulation method was used to analyze the maize yield trends under different situations. Air temperature levels were: 1) to decrease by 1.5 ℃ in daily mean temperature (A1); 2) historical daily temperature (A2); 3) to increase by 1.5 ℃ in daily mean temperature (A3). Precipitation levels were: 1) to decrease by 15% in daily precipitation (B1); historical daily precipitation (B2); 3) to increase by 15% in daily precipitation (B3). The results showed the AquaCrop model could predict the maize yield and biomass with the 3 planting patterns accurately, the root mean square error of measured and simulated yield with 3 planting patterns was between 245.34 and 745.10 kg/hm2, the normalized root mean square error was between 6.94% and 9.49%, and the tendency of simulated and tested soil water content was nearly uniform, the NRMSE of which was between 8.65% and 10.74%. Overall, the AquaCrop model was powerful to simulate crop yield, biomass and soil water content of maize in study site. Through comparing the different calibration parameters of 3 planting patterns, we could find all-film double-furrow sowing had the function of keeping moisture and improving crop yield potentially. Within the setting range, with the temperature and precipitation increasing, the range of yield fluctuation under 3 plating patterns was reduced, and the yield fluctuation of all-film double-furrow sowing was the smallest, with the slope of the average yield curve of 0.083 4, so it had a strong ability to adapt to climate change. Yield fluctuation of single-row ridge planting was the largest when temperature decreased or increased by 1.5 ℃, and the slopes of yield curves were 0.211 0 and 0.051 6, respectively. Different gradients of temperature and precipitation all had obvious influence on maize yield under open field planting, which showed that the yield under this panting pattern was more easily affected and hardly controlled for climate change. The yield potential reached the maximum in A3B3situation (temperature and precipitation increased by 1.5 ℃ and 15%, respectively). Compared with the original climate, the yield of open field planting, single-row ridge planting and all-film double-furrow sowing averagely increased by 13.45%, 11.57% and 17.67%, respectively. Temperature had an extremely significant effect on the yield under 3 planting patterns, and the precipitation was very significant for yield under open field planting and significant for yield under single-row ridge planting and all-film double-furrow sowing. This study can provide reference for yield prediction, risk assessment and the determination of relevant management measures. In the future, more efforts should be paid to explore complex influence of climate and crop management acting together on crop production.

crops; models; temperature; climate changes; AquaCrop model; yield; planting model; maize

10.11975/j.issn.1002-6819.2017.20.016

P467; S501

A

1002-6819(2017)-20-0127-09

2017-04-21

2017-10-05

公益性行业专项（201503124）和国家自然科学基金资助项目（51665001和51665002）

张 涛，博士生，主要从事作物生长模型应用研究。 Email：Z890420t@163.com

※通信作者：孙 伟，副教授，博士，主要从事旱区生态保护及农业机械装备研究。Email：sunw@gsau.edu.cn

张 涛，孙 伟，孙步功，吴建民，王丽娟，冯 斌，张锋伟. 不同种植模式下旱地春玉米产量对降雨和气温变化的响应[J]. 农业工程学报，2017，33(20)：127－135. doi：10.11975/j.issn.1002-6819.2017.20.016 http://www.tcsae.org

Zhang Tao, Sun Wei, Sun Bugong, Wu Jianmin, Wang Lijuan, Feng Bin, Zhang Fengwei. Response of yield of spring maize to changes of precipitation and air temperature in arid region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(20): 127－135. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.20.016 http://www.tcsae.org