基于WOFOST模型分析不同气候情景对辽宁典型雨养春玉米产量的影响*

马兆骏，帅艳民,3,4**，邵聪颖，曲 歌，田艳君，吴 昊，万华伟，彭秀媛，肖万欣，张书萍

基于WOFOST模型分析不同气候情景对辽宁典型雨养春玉米产量的影响*

马兆骏1,2，帅艳民1,2,3,4**，邵聪颖1，曲 歌1，田艳君1，吴 昊1，万华伟5，彭秀媛6，肖万欣7，张书萍7

（1.辽宁工程技术大学测绘与地理科学学院，阜新 123000；2.中国科学院新疆生态与地理研究所，乌鲁木齐 830011；3.中国科学院中亚生态与环境研究中心，乌鲁木齐 830011；4.中国科学院大学，北京，100049；5.生态环境部卫星环境应用中心，北京 100094；6.辽宁省农业科学院信息研究所，沈阳 110161；7.辽宁省农业科学院玉米研究所，沈阳 110161）

气温、降水和辐射是农作物生长发育必需的基本气候要素，其大小、波动及空间分布决定局部地区的种植结构和农产品产量增减，具有喜温喜水特性的玉米其生长发育对气候变化的响应更为敏感。本研究基于辽宁省新民和朝阳地区近40a气象数据分析各气候要素变化特征，根据局地气候暖干化趋势耦合气温、降水、辐射三要素构建不同气候情景，利用田间实测数据对WOFOST模型进行校准和适用性检验，并将该模型用于模拟不同气候情景下辽宁典型雨养春玉米产量变化。结果表明：（1）验证后的WOFOST模型能较好地模拟两站点春玉米产量，其模拟值与实测值的相对均方根误差分别为8.78%和5.96%，一致性系数分别为0.82和0.96。（2）新民和朝阳两地在设定的气候要素变化范围内春玉米产量与气温呈负相关，与降水呈正相关。在气温增加，降水减少，辐射增强的不同梯度气候情景下，新民（气温+1.2℃，降水量−25%，辐射+4%）和朝阳（气温+1.4℃，降水量−25%，辐射+3%）减产幅度分别达92.5%和85.9%，接近雨养春玉米绝产的警戒气候情景。（3）新民春玉米产量受降水影响显著，朝阳则对气温变化响应敏感，而两地产量对给定比例的辐射变化均未表现出明显波动。

春玉米；气候变化情景；WOFOST模型；产量

随着人类活动加剧和极端气象事件增多，近几十年全球气候变化已在各领域日益受到重视，尤其是与气候变化密切相关的农业生产[1]。随气候变化波动的气温、降水和辐射，是直接影响大田农作物产量的重要因子。联合国政府间气候变化专门委员会（IPCC）2018年发布的《Intergovernmental panel on climate change global warming of 1.5℃》中指出，相较于1850−1900年，21世纪末期地球表面温度变化有望超过1.5℃，伴随气温升高，全球范围内极端高温、干旱、强降雨等极端天气事件发生频率不断增加[2]。研究表明，中国东北地区是受全球气候变化响应最敏感的地区之一，其中以雨养农业为主的辽宁，近50a平均每10a增温0.19℃，辐射量减幅约为9.58MJ·m−2·10a−1，同时降水量减幅约8.73mm·10a−1[3]。故在全球气候变化的新情况下，大田雨养农作物的生长发育和产量对气候变化如何响应仍需进一步深入理解。

玉米喜温、喜光和喜水使其在生长过程对气候条件要求较高，因此气候变化引起的玉米产量波动不容忽视[4]。作为中国第一大粮食作物，玉米产量对国民经济发展起到至关重要作用，辽宁省是农业大省，2020年粮食单位面积产量稳居全国第四位[5]，是重要的春玉米长期种植区，其中玉米种植面积和产量分别占全省粮食作物播种面积和产量的60.2%和59.5%[6]，故玉米丰歉关系到全省乃至全国粮食生产大局。辽宁省根据2015年农业部出台《“镰刀弯”地区玉米结构调整的指导意见》开展农业供给侧结构性改革，在2016年完成了调减非优势区玉米播种面积13.97万hm2，2017年调减面积为6.67万hm2，并按计划逐年完成玉米面积调减工作[7]。因此，在气候变化和政策调整协同作用下，亟需探索玉米产量对各气候要素变化的响应特征，分析胁迫春玉米生长和促进春玉米产量提高的气象条件，为增强辽宁玉米生产保供能力提供科学参考。

“十四五”农业现代化呼唤更多关于作物生长生产与生态环境耦合机制的深入研究，包括作物在不同气候变化情景下的响应与反馈机制，提高农业结构调控和潜在的农业风险管控能力[8]。前人基于田间试验的气象要素研究切实提高了对作物产量中气候条件重要性的认识[9−10]，然而从作物生长机理方面对各气候要素与产量响应关系的定量分析仍显不足。目前主流作物生长模型在驱动生物量积累模拟的方法上各有不同[11]，WOFOST（World Food Study）模型由荷兰瓦赫宁根大学和世界粮食研究中心合作研发，是耦合作物生长机理的典型模型，其更深入考虑了作物呼吸过程，通过调整外部参数和调用单个代码库模拟多种作物类型，可实现逐天定量模拟不同地区和气候环境因素影响下的作物生长情况[12]，具有较好的普适性。近年来WOFOST模型多被应用于不同地区的适用性分析或估算局地作物生长过程和产量的研究[13−15]，而应用其探讨气候变化背景下春玉米产量与各气候要素波动的响应关系仍较少见。鉴于此，本研究以辽宁省新民和朝阳两个典型雨养春玉米种植区为研究对象，依据1981−2018年两站点历史气象数据及农气站春玉米观测资料，开展WOFOST模型参数校准与验证，将其应用于分析不同气候变化情景对辽宁典型雨养春玉米产量的影响，以期为本地玉米产业管理、风险管控和可持续发展提供基本信息。

1 材料与方法

1.1 研究区概况

辽宁省属温带大陆性季风气候，光照资源丰富，春玉米种植方式为一年一熟制。选取新民和朝阳两个典型雨养春玉米种植区进行模拟试验，其中新民站（122°50′E, 41°59′N, 30.7m）位于辽宁中部，年平均降水量为577.5mm，年平均气温为8.6℃，年太阳总辐射为4827.2MJ·m−2，年日照时数为2581.3h；朝阳站（120°27′E, 41°33′N, 168.7m）位于辽宁西部，年平均降水量为464.5mm，年平均气温为9.6℃，年太阳总辐射为5185.0MJ·m−2，年日照时数为2628.9h。

1.2 技术路线

WOFOST模型具有模拟不同地区不同气候条件下一年生作物生长过程的能力[17−18]，通用性较好，可满足本研究需求，用以模拟不同气候情景下春玉米生长发育与干物质积累过程。图1为本研究的主要技术流程，主要模块包括输入数据、WOFOST模型参数优化和气候情景模拟等。首先，利用新民与朝阳农气台站观测的气象资料、春玉米生育期及田间实测产量进行参数敏感性分析并校准WOFOST模型参数，实现模型参数优化与适用性评价。第二步，利用两站点1981−2018年气象资料计算多年平均逐日气象数据，考查各气候要素变化范围和距平百分率，设置气候要素变化梯度。第三步，以多年平均逐日气象数据驱动校准后的WOFOST模型，即对照气候情景（CK，Control check）下模拟得到春玉米产量作为基准值，并与设置的不同梯度气候情景得到模拟产量对比，分析研究站点内对春玉米产量起促进与胁迫作用的气候条件。

1.3 数据来源及预处理

WOFOST模型输入与验证数据分别来自中国气象数据网发布的数据集及新民、朝阳两农气台站春玉米观测资料。

（1）驱动WOFOST模型运行的气象数据由中国气象局国家气象科学数字中心（http://data.cma.cn/）下载，包括新民和朝阳站1981−2018年日最高气温（℃）、日最低气温（℃）、逐日水汽压（kPa）、日平均风速（m×s−1）、逐日降水量（mm）及逐日太阳总辐射（KJ×m−2），所用数据集经过严格的质量控制与检查，部分缺测数据通过Matlab编程进行完善，若缺测序列小于2d，缺测值采用其前后两天观测数据平均值代替；若缺测序列≥2d，采用同一日期的多年平均值代替。作物参数包括新民与朝阳农气台站观测的春玉米生育期、品种特性参数（玉米株高、生长状况）、亩实际产量等。此外，通过《辽宁土种志》及相关文献[15−16]收集研究站点的凋萎点系数、田间持水量、容重、饱和含水量等土壤参数。

（2）验证数据：利用新民和朝阳两站点观测的2011−2012年气象资料与农气站实测春玉米作物参数对WOFOST模型进行参数校准，再利用新民站2003−2009年，朝阳站2003−2005、2007−2008、2010年田间实测春玉米产量验证WOFOST模型在单点尺度上的模拟精度。

1.4 模型参数校准

模型参数校准是提高模型有效性和保证模拟精度的重要前提。WOFOST模型通过更改外部参数值，调用相应模块模拟多种作物全发育期生长过程[19]。应用前需要对模型参数进行调整率定，鉴于WOFOST模型中参数较多，逐一校准不现实。故对模型参数进行敏感性分析与分类标定，筛选出需要率定的参数后进行参数校准。

敏感性分析是通过量化各参数对模拟结果的影响，区分和界定模型中的关键参数，进而提高参数优化过程的效率[20]，利用初始变量扰动法考察春玉米产量对WOFOST模型中各参数的敏感性，即通过每次运行只改变1个模型参数，并依据其改变量与模拟产量变化范围的相关程度进行筛选，采用相对敏感度（RS，Relative Sensitivity）定量描述参数的敏感性大小。对于相对敏感度较低的参数，可依据站点情况选择WOFOST模型缺省值或相关文献取值；而敏感度较高的参数采用“试错法”，即在单点尺度上通过模拟产量与实测产量间的拟合程度来确定各参数具体取值[21]。

1.5 模型适用性评价

利用均方根误差（RMSE）、相对均方根误差（NRMSE）、一致性系数（D）和残差聚集类系数（CRM）评价WOFOST模型在研究站点的模拟精度[22]，计算式为

1.6 气候情景设置

在全球气候变化背景下，辽宁地区气温逐年升高，地表蒸散潜在增加，同时降水减少提升了干旱发生频率，使辽宁气候面临暖干化趋势[23]。在此气候变化背景下，基于多年平均历史气象数据，按照气温、降水和辐射三种主要气候要素构建不同梯度的气候模拟情景。图2为新民和朝阳站1981−2018年各气候要素变化范围和距平百分比。在过去38a两站气温、降水和日总辐射量均有不同程度波动，通过回归分析和t检验法得到P值可知，总体上新民和朝阳站年均降水量随年份变化呈降低趋势，但变化趋势不显著。新民站年平均气温和日总辐射量均呈现增加趋势，变化速率分别为0.0193℃×a−1（P＜0.05）和43.8210MJ·m−2×a−1（P＜0.01）；朝阳站年平均气温抬升增强，变化速率为0.0287℃×a−1（P＜0.01），但日总辐射量的变化趋势不显著。

根据研究站点38a内各气候要素动态变化范围，结合IPCC第五次评估报告中未来极端情景下气候变化程度[2]和相关研究[24−25]进行梯度设置。首先以多年平均值为基准，每种气候要素具有“升高（1）”、“不变（0）”和“降低（−1）”三种变化情况，并在每种变化情况中设置不同梯度。在未来极端气候情景下，东北地区气温变化将达到0.8～1.5℃[2]，研究站点降水量变化可达15%～25%，日总辐射量变化3%～4%。因此，结合新民和朝阳两站点各气候要素多年距平波动及未来气候变化的潜在极端情况，将降水梯度设置为25%，气温分别设置为1.2℃、1.4℃，辐射分别设置为4%、3%。以气温（△T）、降水（△P）、辐射（△R）变化量为自变量，借助WOFOST作物模型模拟得到不同梯度气候情景下研究站点春玉米产量，作为响应值，具体气候要素变化组合如表1所示。

模拟情景设计为3个气候因素的三种变化，采用枚举法共设置27组气候变化情景。不同气候情景中存在两种或三种气候要素同时增减情况，通过气候变化情况编码正向和负向累积表示，编码正向累积值为2，表示两种气候要素同时升高；负向累积值为−3，表示三种气候要素同时降低。由于春玉米属于辽宁地区长期种植作物，其生长发育基本适应该地区气候条件，因此，以非极端气候事件发生的历史气候要素均值模拟对照（CK，Control check）情景。为排除其它气候要素对模拟结果的影响，将气温、降水和辐射外的气象与土壤参数均设为一致，再利用调参验证后的WOFOST模型逐一模拟27种气候变化情景。

2 结果与分析

2.1 模型主要参数确定及适用性评价

2.1.1 模型主要参数确定

模型参数的敏感性分析以及模拟值与实测值的拟合程度是校准模型的重要依据。图3所示为参数敏感性分析结果，利用相对敏感度表示模型中各参数对新民和朝阳两地春玉米产量的影响大小，筛选出高敏感参数。WOFOST模型参数中各发育阶段所需的有效积温（TSUMEM、TSUM1、TSUM2），依据两站春玉米实测生育期及同期逐日平均气温数据计算得到，同时单叶片同化CO2的光能利用率（EFFTB）、同化物转化成贮存器官干物质重的效率（CVO）、最大CO2同化速率（AMAXTB）、35℃下叶片生存周期（SPAN）、比叶面积（SLATB）、叶面积指数的最大相对增长速率（RGRLAI）等参数通过查阅相关文献[26−27]及“试错法”确定。具体参数取值见表2。

表1 基于1981−2018年历史气象数据的各气候要素变化量梯度设置

表2 WOFOST模型中的主要作物参数

2.1.2 模型适用性评价

利用两站点春玉米田间实测数据对校准后的WOFOST模型进行产量模拟结果的精度评价。新民和朝阳站分别基于7a（2003−2009年）和6a（2003−2005年、2007−2008年、2010年）的逐日气象数据模拟春玉米籽粒产量，与两站点实测产量对比进行模型精度评价，结果见表3。由表可见，两站点春玉米产量模拟值与实测值之间均方根误差（RMSE）在误差允许范围内且相对均方根误差（NRMSE）均小于10%，说明WOFOST模型在站点尺度上整体模拟精度较高。一致性系数（D）值均接近1，表明模拟产量与实测产量吻合程度较高。两站点产量模拟值与实测值之间残差聚集类系数（CRM）均大于0，蕴含模型具有低估的趋势，但其绝对值并不高，为0.003～0.006，说明模型整体上低估的趋势并不明显。综上可见，WOFOST模型对于模拟新民和朝阳两地春玉米产量精度较高，且朝阳站的模拟效果优于新民，表明校准后的WOFOST模型能够正确反馈当地春玉米产量状况。

表3 WOFOST模型产量模拟结果的精度评价

注：RMSE为均方根误差，NRMSE为相对均方根误差，D为一致性系数，CRM为残差聚集类系数。

Note: RMSE is the root mean square error, NRMSE is the normalized root mean square error, D is the index of agreement and CRM is the clustering residual modulus.

2.2 不同气候情景对春玉米产量的影响及差异性分析

通过两站点不同梯度气候情景对应的逐日气象数据驱动WOFOST模型得到春玉米产量。以多年平均逐日气象数据（CK情景）驱动模型，输出春玉米产量作为基准值，图4所示为在不同气候情景下新民地区春玉米产量相较于基准值（8255kg·hm−2）的波动情况。由图可见，新民地区春玉米产量趋势随着气温升高而降低，随着降水增多而增加，说明该地区气温升高对春玉米产量产生负效应，降水增多产生正效应。总体上，在影响新民地区春玉米产量的单一气候要素中，春玉米生育期内降水增减对产量影响最大，其次为气温变化，辐射变化相对影响不明显。其中在降水减少25%情景下，模拟产量降为1976kg·hm−2，与基准值的相对差异为76.1%，表现出对降水较高的敏感性。当气温升高1.2℃，春玉米产量降为5136kg·hm−2，相对差异为37.8%，而辐射对产量则表现出相对较弱的影响，其增减与产量呈反比，相对差异在5.7%～8.8%。对多气候要素协同作用分析时，气温与降水协同作用影响较为突出，即在气温减少1.2℃、降水增加25%和辐射增加4%情景下，得到研究设置27组气候情景中的最高模拟产量（11551kg·hm−2），与基准值相对差异为39.9%。在气温升高1.2℃、降水减少25%和辐射增加4%情景下，春玉米产量达到最低值620kg·hm−2，与基准值的相对差异达到92.5%。李文娟等[27]将灾害造成的粮食损失在70%以上的灾情定义为重灾或绝收，说明若该地区同时发生气温升高1.2℃和降水减少25%的气候变化，则易诱发春玉米严重减产甚至绝收。同时蕴含了新民地区热量资源相对充足，而春玉米产量受降水的潜在胁迫较高。

注：气候变化情况编码累积值表示气温、降水和辐射三要素的“升高”、“不变”和“降低”的累积情况，累积值为+1表示单一气候要素升高、累积值为+2表示两个气候要素同时增加、累积值为+3表示三个气候要素同时增加的情景。0表示以非极端气候事件发生的历史气候要素均值的情景，其模拟产量为基准产量。同样地，累积值为−1、−2和−3分别表示单个、两个和三个气候要素同时减少的情景。图5同。

Note: The cumulative value of climate change code represents the cumulative status of the "increasing", "constant" and "decreasing" of temperature, precipitation and radiation. The code accumulation value is +1 means that a single climatic element increases, the code accumulation value is +2 means that two climatic elements increase at the same time, and the value is +3 means three climatic elements increase at the same time. 0 means the scenario based on average value of historical climate elements of non-extreme climate events, and its simulated yield is the reference yield. Similarly, accumulation values of -1, -2, and -3 indicates single, two, and three climate elements are reduced at the same time.The same as Fig.5.

图5为朝阳地区不同气候情景下春玉米产量相较于CK情景（8073kg·hm−2）的波动情况。由图可见，该地区春玉米产量对气候变化响应明显，春玉米产量与气温降低呈正效应，与降水减少呈负效应。春玉米产量受单一气候要素影响依次为：气温>降水>辐射。其中，当气温降低1.4℃时，模拟产量增加为14296kg·hm−2，与基准值相对差异为77.1%，表现出对气温变化较高的敏感性；在降水减少25%情景下，春玉米产量降为3474kg·hm−2，与基准值相对差异为57.0%，说明该地区气温降低对春玉米产量的促进作用要高于降水减少对产量的胁迫作用；辐射变化3%对朝阳地区春玉米产量影响较小，模拟产量与基准值相对差异小于4.0%。对多因素协同作用的分析表明，当气温和降水同时发生变化时春玉米产量波动明显。在气温降低1.4℃、降水增加25%和辐射增加3%情景下，春玉米产量达到最高值15896kg·hm−2，与基准值相对差异达到96.9%，说明类似气候条件有助于提高朝阳玉米生产潜力。在气温增加同时降水减少的多种气候情景下春玉米产量与基准值相比相对差异在81.0%～85.9%，气温的增加潜在加速了地表蒸散，而降水的减少则进一步降低了玉米有效水被适时补充的机会，故而气温升高与降水减少的协同作用对朝阳春玉米生产影响较大。此外，当降水减少25%时，春玉米产量在辐射增加3%情景下要低于辐射减少3%的产量，降水减少时易发生干旱，同时辐射加强导致潜在蒸散增加，由此可知，朝阳地区在降水减少的气候情景下，辐射增加会对春玉米产量起到抑制作用。

3 讨论与结论

3.1 讨论

基于WOFOST模型量化气温、降水和辐射变化及其协同作用对辽宁典型雨养春玉米产量的影响，分析抑制和促进研究站点春玉米产量的气候条件。一般情况下，模拟产量与实测产量的NRMSE低于30%，表明模型能够较好地运用于研究站点作物产量状况的模拟[28]。本研究中春玉米模拟产量与实测产量的NRMSE均低于10%且D均趋近于1，说明WOFOST模型在新民和朝阳站适用性较好。方缘[29]利用WOFOST模型对朝阳春玉米产量进行模拟，模拟结果的NRMSE为12.9%，本研究所得模拟结果的NRMSE与其相比有所提高，说明校准后的WOFOST模型在研究站点内对春玉米产量模拟效果较好。但本研究中新民和朝阳站CRM均大于0，表明WOFOST模型的模拟结果具有低估趋势，如能对研究站点的初始土壤含水量和春玉米初始生物量进行田间实测，则可更好地校准雨养条件下WOFOST模型相关参数，进一步提高模型的模拟精度。

新民和朝阳作为辽宁省典型雨养农业种植区，适宜的气候条件是农业生产的基本保障，本研究根据WOFOST在不同气候情景下的模拟，亦表明气温、降水和辐射对春玉米产量的影响各有不同。首先，辽西干旱地区降水一般难以满足玉米生育期内最适需水量[30]，因此，降水增加可补给作物需水量进而对春玉米产量产生潜在正效应。其次，在气温高于生长最适温度情况下作物呼吸作用增强，干物质积累缓慢，同时辐射增加在一定程度上进一步加剧高温或干旱胁迫对春玉米生长的影响，因此，气温和辐射增加对春玉米产量产生潜在负效应。马玉平等[31]指出，辽宁地区玉米生育期内降水与产量呈正效应；气温升高1℃玉米将减产19～89kg·hm−2；在七叶−拔节期，辐射增加同样会造成减产。本研究与其他相关研究结果[9,32]相近，说明未来辽宁气候暖干化发展将对玉米生产造成影响。在不同气候情景的模拟中，降水减少、气温升高和辐射增加对春玉米产量形成的负效应最为显著，与基准值相对差异达到85.0%以上，对于辽宁典型雨养种植区农作物受水胁迫时有发生，若气温升高和辐射增加的气候情况潜在抬升了大气对地表或土壤表层水的抽吸，降水同时减少就进一步加大作物生长有效水的缺失，从而引发作物生长过程中严重水胁迫事件的发生。说明未来气候变化条件下若出现类似极端的气候情景，极易诱发该地区春玉米趋于绝收式的严重减产。在实际生产中造成玉米大幅度减产的原因主要是玉米关键生育期出现干旱（高温、少雨）胁迫玉米生长，导致玉米未能在相应生育期内完成灌浆过程而影响产量或温度升高使玉米生育期提前，干物质积累不足而导致产量下降[26,32]；此情况还可能与玉米品种特性有关，一般认为，玉米籽粒生长最适气温是25℃，气温每升高1℃，籽粒产量就会降低3%～4%[33]，同时玉米属于C4作物，相比于水稻、小麦等C3作物，其产量对气候变化的响应更加敏感，表现在同一增温水平下减产幅度更大[32,34]。在降水增加、气温降低和辐射增加的情景下春玉米产量形成的正效应最为显著，说明在春玉米生育期内保证降水充足和温度适宜有助于提高春玉米产量，同时说明研究站点内玉米生产潜力大，在适宜气候条件下可以保证玉米高产。此外，由于本研究考虑极端气候情景发生，在模拟过程中将气温梯度分别设置为1.2℃（新民）、1.4℃（朝阳），相比于当前气候情景，气温变化范围相对较大，增温后平均气温超出玉米生育期内生长最适气温[35]，从而对玉米生长造成胁迫作用。

新民和朝阳地区影响春玉米产量的主要气候要素不同。其中，降水对新民春玉米产量的影响显著，气温则是影响朝阳春玉米产量的主要因素，而辐射变化相较于降水和气温对春玉米产量影响较小。新民地区降水对春玉米产量影响要略高于气温，所以相比于气温升高或降低相应梯度，降水的增减对春玉米产量影响更加明显。出现这种情况可能由于新民位于辽宁省中部，相对于辽西地区降水相对充足，当降水减少25%时，玉米生育期内降水量不再满足玉米最适需水量[36]，从而胁迫玉米生长造成产量严重降低。朝阳处于辽宁西部，昼夜温差大，气温变化易对春玉米生育期产生高温胁迫，而缩短生育期造成减产；此外，朝阳属于干旱频发地区，降水在春玉米生长过程中分布不均匀[30]，气温升高加速作物蒸散，加重该地区干旱胁迫，从而玉米产量对气温变化响应敏感。在辐射变化3%～4%情景下，对两地区春玉米产量产生的效应较弱，主要是由于辽宁地区辐射资源充足，且玉米种植方式为一年一熟制，太阳辐射条件基本满足玉米生长需求，因此，即使在正常气候条件下增减相应幅度对春玉米产量影响也并不明显。整体来看，气温和降水仍是影响辽宁春玉米产量的重要因素。本研究定量分析各气候要素协同作用对春玉米产量的影响，而实际生产中各气候要素对玉米产量的作用是多方面的，如气温日较差变化、降水持续时间和太阳辐射强度等对玉米产量影响也非常重要，这些问题仍需今后进一步细化研究。

3.2 结论

（1）本地化WOFOST模型在新民和朝阳地区进行春玉米产量模拟，验证表明，模拟值与实测值的RMSE分别为784.77kg·hm−2和592.12kg·hm−2，NRMSE分别为5.96%和8.78%，一致性系数D分别为0.82和0.96，整体上模拟误差均在允许范围内，可满足在不同气候情景下对研究站点春玉米产量的有效模拟。

（2）研究设定各气候情景梯度下，对模拟产量与对照情景下基准产量的相对差异分析表明，各气候要素变化对春玉米产量影响各异。在所探讨的变化范围内，研究站点春玉米产量与气温和辐射增加呈负效应，与降水增加呈正效应，同时气温与降水协同作用对于两站春玉米产量影响较为显著。春玉米产量在气温升高、降水减少和辐射增加的情景下仅达到620kg·hm−2（新民）和1135kg·hm−2（朝阳），蕴含两地区春玉米减产绝收的警戒气候情景。在气温降低、降水和辐射均增加的气候情景下，两站点产量可分别达最大值11551kg·hm−2（新民）和15335kg·hm−2（朝阳），表明该适宜气候情景更利于作物各阶段生长和干物质积累，有助于保证辽宁省典型雨养春玉米的潜在高产。

（3）影响两地区春玉米产量的主导气候要素不同，其中新民地区降水变化对产量的影响远大于气温，朝阳地区的主导气候要素则为气温，而辐射对两地区春玉米产量影响相对较小。因此，根据不同地区的气候特点，合理布局种植结构、安排农耕和积极采取有效田间管理措施，有助于提高自然资源的有效利用、春玉米保产增产和规避气候变化诱发的农业生产风险。

[1] 张涛,孙伟,孙步功,等.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.

Zhang T,Sun W,Sun B G,et al.Response of yield of spring maize to changes of precipitation and air temperature in arid region[J].Transactions of the CSAE,2017,33(20):127- 135.(in Chinese)

[2] Bongaarts J.Intergovernmental panel on climate change special report on global warming of 1.5°C Switzerland: IPCC,2018[J].Population and Development Review,2019, 45(1):251-252.

[3] 刘江,潘宇弘,王平华,等.1966-2015年辽宁省玉米气候生产潜力的时空特征[J].生态学杂志,2018,37(11): 3396- 3406.

Liu J,Pan Y H,Wang P H,et al.Spatial and temporal characteristics of climatic potential productivity of maize in Liaoning Province from 1966 to 2015[J].Chinese Journal of Ecology,2018,37(11):3396-3406.(in Chinese)

[4] 于振文.作物栽培学各论[M].北京:中国农业出版社,2003:122-131.

Yu Z W.Monographs of crop cultivation[M].Beijing:China Agriculture Press,2003:122-131.(in Chinese)

[5] 刘爱华,叶植材.中国统计年鉴[M].北京:中国统计出版社,2020:373-402.

Liu A H,Ye Z C.China statistical yearbook[M]. Beijing: China Statistics Press,2020:373-402. (in Chinese)

[6] 魏红江,张玉平.辽宁统计年鉴[M].北京:中国统计出版社,2019:226-233.

Wei H J,Zhang Y P.Lioaning statistical yearbook[M]. Beijing:China Statistics Press,2019.226-233.(in Chinese)

[7] 杨双.辽宁省玉米生产情况及产业结构调整趋势[J].农业开发与装备,2018(5):6-7.

Yang S.Maize production situation and industrial structure adjustment trend in Liaoning Province[J].Agricultural Development and Equipment,2018(5):6-7.(in Chinese)

[8] 农业农村部.中央一号文件:中共中央国务院关于全面推进乡村振兴加快农业农村现代化的意见[M].2021-02-21.

Ministry of Agriculture and Rural Affairs.Document No.1 of the Central Government:opinions of the state council of the central committee of the communist party of china on comprehensively promoting the revitalization of the countryside and accelerating the modernization of agriculture and rural areas[M].2021-02-21.(in Chinese)

[9] 刘丹,张佳华,孟凡超,等.不同水分和增温处理对东北玉米生长和产量的影响[J].生态学杂志,2013,32(11): 2904- 2910.

Liu D,Zhang J,Meng F C,et al.Effects of different soil moisture and air temperature regimes on the growth characteristics and grain yield of maize in Northeast China[J].Chinese Journal of Ecology,2013,32(11):2904- 2910.(in Chinese)

[10] 张凯,王润元,王鹤龄,等.温度升高和降水减少对半干旱区春小麦生长发育及产量的协同影响[J].中国生态农业学报,2019,27(3):413-421.

Zhang K,Wang R Y,Wang H L,et al.Influence of climate warming and rainfall reduction on semi-arid wheat production[J].Chinese Journal of Eco-Agriculture,2019, 27(3):413-421.(in Chinese)

[11] 孙扬越,申双和.作物生长模型的应用研究进展[J].中国农业气象,2019,40(7):444-459.

Sun Y Y,Shen S H. Research progress in application of crop growth models[J].Chinese Journal of Agrometeorology, 2019,40(7):444-459.(in Chinese)

[12] Todorovic M,Albrizio R,Zivotic L,et al.Assessment of AquaCrop,CropSyst,and WOFOST models in the simulation of sunflower growth under different water regimes[J].Agron J,2009,101:509-521.

[13] 张阳,王连喜,李琪,等.基于WOFOST模型的吉林省中西部春玉米灌溉模拟[J].中国农业气象,2018,39(6):411-420.

Zhang Y,Wang L X,Li Q,et al.Irrigation simulation of spring maize in central and western of Jilin province based on WOFOST model[J]. Chinese Journal of Agrometeorology, 2018,39(6):411-420.(in Chinese)

[14] 李秀芬,马树庆,赵慧颖,等.基于WOFOST 模型的内蒙古河套灌区玉米低温冷害评价[J].中国农业气象,2016, 37(3):352-360.

Li X F,Ma S Q,Zhao H Y,et al. Evaluation on maize chilling injury based on WOFOST model in Hetao irrigation region in Inner Mongolia[J].Chinese Journal of Agrometeorology,2016,37(3):352-360.(in Chinese)

[15] 蔡福,米娜,纪瑞鹏,等.基于锦州春玉米田间试验的WOFOST模型参数的确定及性能评价[J].生态学杂志,2019,38(4):1238-1248.

Cai F,Mi N,Ji R P,et al.Determination of crop parameters for WOFOST model and its performance evaluation based on field experiment of spring maize in Jinzhou,Liaoning[J]. Chin J Ecol,2019,38(4):1238-1248.(in Chinese).

[16] 曲延林,贾文锦.辽宁土种志[M].沈阳:辽宁大学出版社,1991:166-295.

Qu Y L,Jia W J.Liaoning soil species[M].Shenyang: Liaoning University Press,1991:166-295.(in Chinese)

[17] 栾庆祖,叶彩华,莫志鸿,等.基于WOFOST模型的玉米干旱损失评估:以北京为例[J].中国农业气象,2014,35(3): 311-316.

Luan Q Z,Ye C H,Mo Z H,et al.Study on maize yield loss assessment for drought based on WOFOST model:a case study in Beijing[J].Chinese Journal of Agrometeorology, 2014,35(3):311-316.(in Chinese)

[18] 黄健熙,高欣然,黄海,等.基于MODIS与WOFOST模型同化的区域冬小麦成熟期预测[J].农业机械学报,2019, 50(9):186-193.

Huang J X,Gao X R,Huang H,et al.Regional winter wheat maturity date prediction based on MODIS and WOFOST model data assimilation[J].Transactions of the Chinese Society for Agricultural Machinery,2019,50(9):186-193.(in Chinese)

[19] Van D C A,Wolf J,Van K H.WOFOST:a simulation model of crop production[J].Soil use and Management,1989, 5(1):16-24.

[20] 兴安,卓志清,赵云泽,等.基于EFAST的不同生产水平下WOFOST模型参数敏感性分析[J].农业机械学报,2020,51(2):161-171.

Xing A,Zhuo Z Q,Zhao Y Z,et al.Sensitivity analysis of WOFOST model crop parameters under different production levels based on EFAST method[J].Transactions of the Chinese Society for Agricultural Machinery,2020, 51(2):161-171.(in Chinese)

[21] 赵俊芳,李宁,侯英雨,等.APSIM模型评估北方八省春玉米生长对气候变化的响应[J].中国农业气象,2018,39(2): 108-118.

Zhao J F,Li N,Hou Y Y,et al.Evaluation of response of spring maize production to climate change in the eight provinces of Northern China based on APSIM model[J].Chinese Journal of Agrometeorology,2018,39(2): 108-118.(in Chinese)

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

[23] 周广学,李普庆,周晓东.辽宁西部地区光热水资源变化对农业生产的影响[J].中国农业气象,2011,32(S1):38-41.

Zhou G X,Li P Q,Zhou X D.Impact of light,heat and water resources change in western Liaoning province on agricultural production[J].Chinese Journal of Agrometeorology, 2011,32(S1):38-41.(in Chinese)

[24] Shi L P,Philippe C,Yao H,et al.The impacts of climate change on water resources and agriculture in China[J]. Nature,2010,467(7311):43-51.

[25] 丁一汇,任国玉,石广玉,等.气候变化国家评估报告(Ⅰ):中国气候变化的历史和未来趋势[J].气候变化研究进展,2006(1):3-8.

Ding Y H,Ren G,Shi G Y,et al.National assessment report of climate change(Ⅰ):climate change in China and its future trend [J].Progressus Inquisttiones de Mutatione Climates,2006(1):3-8.(in Chinese)

[26] 刘维,侯英雨,吴门新,等.WOFOST模型在东北春玉米产区的验证与适应性评价[J].气象与环境科学,2017,40(3): 7-13

Liu W,Hou Y Y,Wu M X,et al.Validation and adaptability evaluation of WOFOST model in spring maize area of Northeast[J].Meteorol Environ Sci,2017,40(3):7-13.(in Chinese)

[27] 李文娟,覃志豪,林绿.农业旱灾对国家粮食安全影响程度的定量分析[J].自然灾害学报,2010,19(3):111-118.

Li W J,Qin Z H,Lin L.Quantitative analysis of agro-drought impact on food security in China[J].Journal of Natural Disasters,2010,19(3):111-118.(in Chinese)

[28] 戴彤,王靖,赫迪,等.基于APSIM模型的气候变化对西南春玉米产量影响研究[J].资源科学,2016,38(1):155-165.

Dai T,Wang J,He D,et al.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. (in Chinese)

[29] 方缘.基于作物生长模型的玉米干旱损失评估[D].沈阳:沈阳农业大学,2016.

Fang Y.Evaluation of maize drought loss based on crop growth model[D].Shenyang:Shenyang Agricultural University, 2016.(in Chinese)

[30] 肖继兵,孙占祥,蒋春光,等.辽西半干旱区垄膜沟种方式对春玉米水分利用和产量的影响[J].中国农业科学,2014, 47(10):1917-1928.

Xiao J B,Sun Z X,Jiang C G,et al.Effects of ridge film mulching technique and furrow seeding of spring corn on water use and yield in semi-arid region in Liaoxi area[J].Scientia Agricultura Sinica,2014,47(10):1917-1928. (in Chinese)

[31] 马玉平,孙琳丽,俄有浩,等.预测未来40年气候变化对我国玉米产量的影响[J].应用生态学报,2015,26(1):224-232.

Ma Y P,Sun L L,E Y H,et al.Predicting the impact of climate change in the next 40 years on the yield of maize in China[J].Chinese Journal of Applied Ecology,2015,26(1): 224-232.(in Chinese)

[32] 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 L,Xiong W,Wen X L,et al.Effect of climatic factors such as temperature,precipitation on maize production in China[J].Transactions of the CSAE,2014,30(21):138-146. (in Chinese)

[33] Shaw R H.Estimates of yield reductions in corn caused by water and temperature stress[J].Crop Reactions to Water and Temperature Stresses in Humid,Temperate Climates, 1983:49-66.

[34] Xiong W,Holman I,Lin E D,et al.Untangling relative contributions of recent climate and CO2trends to national cereal production in China[J].Environmental Research Letters,2012,7(4):044014.

[35] 宋英男,李颖,任学慧,等.1956-2010年辽西地区玉米气候适宜度时空分布特征[J].中国生态农业学报,2016, 24(3):306-315.

Song Y N,Li Y,Ren X H,et al.Spatio-temporal distribution characteristics of climatic suitability degree of maize in Western Liaoning Province from 1956 to 2010[J].Chinese Journal of Eco-Agriculture,2016,24(3):306-315.(in Chinese)

[36] 曹永强,李维佳,赵博雅.气候变化下辽西北春玉米生育期需水量研究[J].资源科学,2018,40(1):150-160.

Cao Y Q,Li W J,Zhao B Y.Water requirements of spring maize in Northwest Liaoning Province under climate change[J].Resources Science,2018,40(1):150-160.(in Chinese)

Effects of Various Climate Scenarios on Yield of Typical Rain-Fed Spring Maize in Liaoning Based on WOFOST Model

MA Zhao-jun1,2, SHUAI Yan-min1,2,3,4, SHAO Cong-ying1, QU Ge1, TIAN Yan-jun1, WU Hao1, WAN Hua-wei5, PENG Xiu-yuan6, XIAO Wan-xin7, ZHANG Shu-ping7

(1.Liaoning Technical University, College of Surveying and Mapping and Geographic Science, Fuxin 123000, China;2.Xinjiang Institute of Ecology and Geography Chinese Academy of Sciences, Research Center of Green Silk Road, Urumqi 830011; 3.Research Center for Ecology and Environment of Central Asia, Chinese Academy of Science, Urumqi 830011; 4.University of Chinese Academy of Sciences, Beijing 100049; 5.Satellite Environment Center, Ministry of Ecology and Environment, Beijing 100094; 6.Institute of Information Studies, LAAS, Shenyang 110161; 7.Corn Research Institute Liaoning Academy of Agricultural Sciences，Shenyang 110161)

As the required climatic factors to guarantee the healthy growth of crops, the magnitude, variation and spatial distribution of air temperature, precipitation and solar radiation potentially can determine the planting structure and grain yield of regional agriculture. The dependence of crops on “temperature-humidity-wind” climate condition elevates its sensitiveness on climate changes, as that exhibited by thermophiles and hydrophilic maize widely planted in China. Thus, under modern climate situation with an increasing intensity of changes, it is essential to further understand the related response of crop yields in serving the food and agriculture security. The climatic characteristics in Xinmin and Chaoyang stations were firstly analyzed in this study based on the historical meteorological data over past 40 years, and then constructed different climate scenarios according to the required climate factors coupled with warming-drying trend of regional climate change, and adopted different ground data suits to calibrate WOFOST model and verify its performance. Authors used the localized WOFOST model to simulate grain yield trends of typical rain-fed spring maize in Liaoning under configured climate scenarios. The results showed that: (1) the simulation accuracy of localized WOFOST model had good performance with the normalized root mean square errors of 8.78% and 5.96%, and the agreement index of 0.82 and 0.96, respectively for simulated and measured results. (2) Spring maize yields of both Xinmin and Chaoyang showed negative correlation with temperature and positive relationship with precipitation over the discussed climate scenarios. Under different gradients (increasing temperature, decreasing precipitation and increasing radiation) of climate scenarios, the yield decrease of Xinmin (temperature +1.2°C, precipitation −25%, radiation +4%) and Chaoyang (temperature +1.4°C, precipitation −25%, radiation +3%) spring maize yields respectively reached 92.5% and 85.9% relative to that of normal condition, which can be used as a cautionary scenario for rain-fed spring maize crop failure in the study area. (3) Compared with the significance effect of precipitation on the spring maize yields of Xinmin, Chaoyang showed apparent sensitiveness to temperature, but yields of both stations haven’t shown a marked variation within the given changes of solar radiation.

Spring maize; Climate change scenarios; WOFOST model; Yield

10.3969/j.issn.1000-6362.2021.11.005

马兆骏,帅艳民,邵聪颖,等.基于WOFOST模型分析不同气候情景对辽宁典型雨养春玉米产量的影响[J].中国农业气象,2021,42(11):939-950

收稿日期：2021−03−27

国家自然科学基金面上项目（42071351）；国家重点研发计划项目课题（2020YFA0608501）；辽宁省“兴辽计划”创新领军人才-攀登学者项目（XLYC1802027）；中科院引进人才计划（Y938091）；辽宁工程技术大学学科创新团队（LNTU20TD-23）；自然资源部国土卫星遥感应用重点实验室项目（KLSMNR-202107）；辽宁省NSF博士启动项目（2020-BS-259）；辽宁省教育厅青年科技人才“育苗”项目（LJ2019QL004）

通讯作者：帅艳民，教授，主要从事定量遥感在农业中应用方面的研究，E-mail: shuaiym@ms.xjb.ac.cn

马兆骏，E-mail:mazhaojun_1@163.com