基于APSIM模型的地膜覆盖与露地种植条件下旱地小麦灌浆过程模拟

张仕林，程宏波，柴守玺，马建涛，柴雨葳，王彦萍，高甜甜，张 博

(1.甘肃农业大学生命科学技术学院，甘肃 兰州 730070；2.甘肃省干旱生境作物学重点实验室/甘肃农业大学农学院，甘肃 兰州 730070)

小麦产量受品种、环境和栽培措施等多种因素影响，籽粒干物质积累是产量形成的基础，而灌浆决定着小麦的千粒重和最终产量，对小麦产量形成和品质具有重要意义。研究表明灌浆速率和灌浆持续时间是影响小麦粒重的关键因子，受遗传特性和环境因素的影响，且环境效应的影响大于基因效应[1-4]。环境效应对灌浆过程具有不同影响，有研究者认为环境因子是通过影响灌浆速率进而影响粒重[5]，如裴雪霞等[6]、温红霞等[7]研究表明播期和种植密度对灌浆速率的影响较大但对灌浆持续时间的影响较小；有研究者认为是通过影响灌浆持续时间[8]，如苗永杰等[9]、韩占江等[10]研究多个小麦品种的灌浆特性，认为灌浆速率比较稳定，而灌浆持续时间易受环境因素的影响，赵凯男等[11]研究多种覆盖方式下土壤水热变化对小麦灌浆特性的影响，表明地膜覆盖的增温保墒效应有利于延长灌浆快增期的持续时间并缩短灌浆持续时间，从而提高整个灌浆阶段的平均灌浆速率，进而实现增产的目的。

目前关于小麦籽粒灌浆过程的研究方法多采用Logistic方程[12-14]和Richards方程[15-16]，研究内容主要集中于播期、密度、水肥和栽培措施等对小麦籽粒灌浆特性的影响，而日积温对小麦灌浆过程影响的研究则鲜有报道，APSIM-Wheat模型将光合生产和干物质积累分配作为小麦籽粒干物质积累的主要来源，以积温、水分和养分作为影响作物物候期发展的限定因素，能够较好地解释积温对小麦籽粒干物质积累过程的影响。因此，本试验评价APSIM-Wheat模型对地膜覆盖和露地种植旱地小麦灌浆过程的适应性，同时探究日积温对籽粒灌浆过程的影响，以期为旱地小麦高产稳产和农业可持续性发展提供理论依据。

1 研究区概况与研究方法

1.1 研究区概况

试验于2017—2018年(简称2018年)、2018—2019年(简称2019年)在甘肃省定西市通渭县甘肃农业大学试验基地进行，该区为黄土丘陵典型的雨养农业区。土壤类型为黄绵土，属半干旱气候，作物一年一熟，年均气温7.2℃，无霜期120～170 d，年蒸发量>1 500 mm，多年平均降水量约390.6 mm，其中约60%集中在6—9月。本试验中2018和2019年冬小麦生育期内降水量分别约345.10 mm和269.90 mm，有效降水量(≥5 mm)分别约为219.20 mm和208.40 mm。

1.2 试验设计

本研究以冬小麦品种‘陇中2号’为供试材料，设置地膜覆盖种植(PM)和无覆盖露地种植(CK)2个处理，各处理小区面积均为30 m×6 m，每个处理3次重复，采用随机区组排列。具体试验处理如下：(1)地膜覆盖种植(PM)：旋耕整地，耱平后覆膜，地膜幅宽和厚度分别为120 cm和0.1 mm，膜面覆土1 cm，膜上播种5行，穴播小麦，行距20 cm；(2)露地对照种植(CK)：旋耕整地，耱平后平作，条播行距20 cm。各处理播种量、施肥量、田间管理一致，播种量为225 kg·hm-2，施纯氮120 kg·hm-2、P2O590 kg·hm-2，均作为基肥在旋耕整地时一次性施入，生育时期内不再追肥。在开花期进行1～2次“一喷三防”作业。

初花期在每小区选择同天开花且穗长相、长势和大小基本一致、无病虫害的单茎120个挂牌标记，从开花后7 d开始每隔3 d(2018年为每隔5 d)取样一次，遇雨延后1 d或2 d，直至完全成熟。从每小区每次取样10穗带回室内，将籽粒放置在105℃烘箱内杀青20 min，而后置于75℃环境烘至恒重，计算千粒重及灌浆速率。采用iButton温度记录仪，设置为连续间隔2 h记录监测土壤5 cm、10 cm和20 cm 3个土层昼夜温度变化。

1.3 研究方法

APSIM(Agricultural Production Systems sIMulator)模型主要有土壤、水、氮、作物残留、作物生长和作物发育模块，各模块间由逐日气象数据驱动的作物-土壤系统进行数据交互[17]，应用范围已经扩展到温室气体排放、水肥协同调控、气候风险评估及农业可持续发展等领域[18-19]。本研究对APSIM-Wheat模型进行本土化设计，进而评价其在模拟地膜覆盖(SPM)和露地种植(SCK)旱地小麦灌浆过程的适应性，同时探究影响小麦灌浆过程的作用因子。

1.3.1 数据来源 气象数据来源于甘肃省气象局，收集实验点2017—2019年的基础气象资料，建立APSIM-Wheat模型所需的气象数据库，逐日数据包括最高和最低气温(℃)、太阳辐射量(MJ·m-2)、降水量(mm)。逐日太阳辐射量无法直接获取，使用日照时间转换计算法获取[20]。土壤属性数据由田间测定，同时参考李广等[21]人在黄土丘陵区APSIM-Wheat模型适应性研究积累，经过转换得到适用于本研究区的土壤属性数据。作物属性数据通过采用穷举试错法和二分法多次试错并参考Zhao等[22]和何亮等[23]人的研究得到，如表1所示。

表1 小麦模块的初始参数值Table 1 The initial parameter value of the wheat module

1.3.2 模型有效性检验 本研究选择检验模型有效性的指标包括决定系数R2、均方根误差RMSE、归一化均方根误差NRMSE和模型有效性参数ME。模型的模拟值和实测值间的吻合程度受模型的准确度和实测误差的共同影响。R2反映了模型模拟值相对于实测值的真实偏差，其范围在0～1之间，越接近1说明模型模拟趋势性越好，反之越差。RMSE反映了模型模拟值相对实测值的绝对误差量，NRMSE反映了模型模拟值相对实测值的相对误差量，RMSE和NRMSE越小说明模拟值与实测值之间的一致性越好。一般认为NRMSE<20%时模拟效果较好。ME>0.5时，说明模型的模拟效果良好，检验模型有效性指标计算方法如下[24]：

(1)

(2)

(3)

(4)

式中，OBSi为实测值，SIMi为模拟值，OBSmean为实测的平均值

1.4 Logistic模型统计方法

应用Logistic方程对籽粒干物质积累过程进行拟合并计算相应的灌浆特征参数，进而分析积温与籽粒干物质积累间的关系。Logistic方程为W=A/(1+Be-CX)，其中X为开花后的积温(℃·d)，W为花后千粒重(g)，A、B和C为模型参数，由方程一阶导数和二阶导数推导出灌浆参数[25-26]。

灌浆高峰开始日期的积温X1=(lnB-1.317)/C

灌浆高峰结束日期的积温X2=(lnB+1.317)/C

花后粒重W达99%时的积温X3=(lnB+4.59512)/C

灌浆速率最大时的积温Xmax=lnB/C

1.5数据整理与分析

采用Microsoft Excel对试验数据进行整理并用采SPSS 20.0进行回归分析和相关性分析。采用SigmaPlot 14.0进行作图。

2 结果与分析

2.1 模型有效性检验

采用校准后的APSIM-Wheat模型对2018年和2019年不同覆盖处理下冬小麦籽粒灌浆过程进行模拟，并将模型模拟数据与田间实测数据进行有效性验证。由表2可见，2018、2019年度的灌浆速率、粒重模拟值与实测值呈线性正相关关系。其中APSIM-Wheat模型对粒重的模拟效果最佳，RMSE=0.7027～3.6097 g·1000grain-1、NRMSE=2.4400%～15.9126%、ME=0.9912～0.9968、R2=0.9935～0.9972。APSIM-Wheat模型对籽粒灌浆速率的模拟效果较好，模拟值与实测值间RMSE=0.1614～0.2110 g·1000grain-1·d-1、NRMSE=12.5506%～16.2592%、ME=0.9124～0.9551、R2=0.9245～0.9878。APSIM-Wheat模型对灌浆速率和粒重的模拟精度较高，模拟值和实测值间的一致性和趋势性均较高。可以用于研究地膜覆盖和露地种植下旱地冬小麦灌浆过程的模拟分析。

2.2 旱地冬小麦粒重动态变化

如图 1所示，各处理粒重随时间的动态变化均呈“S”型曲线增长，根据各阶段灌浆速率的不同可将灌浆时期分为渐增期、快增期和缓增期。2018、2019年灌浆渐增期分别持续约12 d、14 d，处理间此阶段籽粒干物质积累对粒重贡献率无明显差异，但年际间差异较大(图2)，2018、2019年渐增期籽粒干物质积累对粒重贡献率分别为36.74%、19.57%。2018、2019年灌浆快增期分别持续约16 d、14 d，此阶段对粒重贡献率表现为地膜覆盖大于露地，2018、2019年地膜覆盖快增期对粒重贡献率分别为57.03%、60.64%，露地分别为52.20%、55.53%。2018、2019年灌浆缓增期分别持续约4 d、6 d，此阶段对粒重贡献率表现为地膜覆盖小于露地处理，2018、2019年地膜覆盖占总粒重的9.17%、19.20%，露地占总粒重的11.45%、26.39%。

表2 测定指标及检验模型模拟效果指标Table 2 Measurement index and test model simulation effect index

图1 2018、2019年地膜覆盖(PM)和露地(CK)处理小麦粒重动态变化Fig.1 Dynamic changes of wheat grain weight under plastic film (PM) and open field (CK) treatments in 2018 and 2019

图2 2018、2019年灌浆各阶段籽粒干物质积累量占比Fig.2 Percentage of dry matter accumulation of grains of at each stage of filling in 2018 and 2019

2018和2019年中地膜覆盖处理小麦千粒重高于无覆盖处理且2019年高于2018年。2018年地膜覆盖和露地种植处理千粒重分别为42.93 g和41.90 g，2019年分别为44.10 g和43.01 g，2018年地膜覆盖和露地种植的千粒重模型模拟值分别为42.30 g和40.78 g，2019年分别为46.10 g和45.34 g。2018、2019年中地膜覆盖高出露地2.46%、2.53%，模拟值高出3.73%、1.68%；2019年较2018年地膜覆盖和露地种植处理的千粒重实测值分别提高2.66%和2.73%，模拟值提高11.18%和8.98%。

如图3所示，粒重变化趋势、阶段粒重占比和千粒重实测值与模拟值基本一致。其中对于粒重的动态变化ME和R2均大于0.99，RMSE、NRMSE的最值分别为3.609 g·1000grain-1和15.91%，表明APSIM-Wheat可用来描述小麦粒重的动他变化。

2.3 对旱地冬小麦灌浆特性

由图4可见灌浆速率随时间推进呈正态变化。2018、2019年渐增期的平均灌浆速率分别为1.32、0.62 g·1000grain-1·d-1；快增期的平均灌浆速率和最大灌浆速率处理间、年际间均存在差异，总体表现为2018年大于2019年，地膜覆盖大于露地种植，具体为2018、2019年的地膜覆盖处理快增期的平均灌浆速率为2.45、1.91 g·1000grain-1·d-1，露地为2.12、1.71 g·1000grain-1·d-1；2018、2019年地膜覆盖处理小麦最大灌浆速率为2.51、2.75 g·1000grain-1·d-1，露地为2.27、2.50 g·1000grain-1·d-1。缓增期平均灌浆速率总体表现为2019年大于2018年，露地种植大于地膜覆盖，具体为2018、2019年地膜覆盖缓增期的平均灌浆速率为0.35、1.20 g·1000grain-1·d-1，露地为0.95、1.78 g·1000grain-1·d-1。

2018、2019年度中地膜覆盖处理小麦最大灌浆速率及快增期平均灌浆速率均高于露地，最大灌浆速率分别增加10.57%、10.35%，快增期平均灌浆速率分别增加15.40%、11.97%。年际间因气候条件不同灌浆速率存在差异，2019年地膜覆盖和露地种植处理最大灌浆速率高于2018年，分别高出9.73%、9.95%。

灌浆速率实测值与模拟值的ME和R2最小值分别为0.9124和0.9245，RMSE和NRMSE最大值分别为0.2110 g·1000grain-1·d-1和16.2592%，表明APSIM-Wheat模型可用于模拟小麦灌浆速率。在模型模拟灌浆速率时影响数据间一致性的主要因素是灌浆峰值和灌浆缓增期，如图5所示(见 208页)，具体表现为灌浆峰值错位，模型模拟的缓增期持续时间偏短导致灌浆速率偏大。

2.4 环境因子对旱地冬小麦粒重的影响

因田间管理措施一致，影响灌浆期籽粒干物质日积累量的主要环境因子是水分和温度。以日步长输出2018、2019年度籽粒干物质日积累量和根际(0～20 cm)土壤日含水量，分析土壤日含水量、大气日积温和土壤日积温与小麦籽粒干物质日积累间的相关性(图6、7，见209，210页)，结果表明，两年土壤日含水量与籽粒干物质日积累量无相关性(r=-0.27、r=0.08)，大气日积温与籽粒干物质日积累量呈极显著正相关(r=0.67、r=0.56)，土壤日积温与籽粒干物质日积累量呈极显著正相关(r=0.66、r=0.69)。2018、2019年是丰水年，模型模拟和田间实测的地膜覆盖和露地灌浆期土壤含水量均无明显差异，表明在土壤含水量相同的条件下，土壤温度是影响灌浆期籽粒干物质日积累量的主要环境因子。地膜覆盖较露地显著提高灌浆阶段的平均土壤日积温，2018、2019年分别高出0.87℃·d、0.98℃·d，地膜覆盖的平均籽粒干物质日积累量高于露地，2018、2019年分别高出5.41%、5.05%。具体来看，两年在灌浆渐增期、快增期、缓增期地膜覆盖的土壤平均积温高于露地，2018年分别高出0.84℃·d、0.96℃·d、1.09℃·d，2019年高出0.84℃·d、0.67℃·d、1.18℃·d，而地膜覆盖的籽粒干物质日积累量在灌浆各阶段均高出露地5%左右，且年际间无明显差异。

积温作为步长单位比天作为步长单位更能够反映作物生长发育的真实进程，能够避免由于天气条件复杂变化带来的模拟误差。用Logistic方程以开花后的大气积温、土壤积温分别作为自变量，粒重为因变量进行拟合分析，可以很好的描述不同覆盖处理下粒重与积温间的关系(R2>0.97)。由表3可见(见 210页)，2018、2019年在完成渐增期(X1)、缓增期(X3-X1)、达到最大灌浆速率(Xmax)以及完成灌浆所需的大气积温、土壤积温均为地膜覆盖小于露地，表明所需的时间也小于露地。模型模拟数据用Logistic分析积温与粒重间的关系是其表现结果与实测数据间的趋势一致，但数据间的一致性存在差异。

图4 2018、2019年地膜覆盖和露地处理小麦灌浆速率Fig.4 Grain-filling rate of mulching and open field treatment wheat in 2018 and 2019

3 讨 论

3.1 覆盖对小麦粒重的影响

两年度模型模拟以及田间试验均表明，地膜覆盖种植的小麦粒重高于露地种植，其原因为地膜覆盖的小麦在灌浆快增期的最大灌浆速率及平均灌浆速率高于露地种植，在该阶段籽粒干物质积累量较露地种植显著提高。结合Logistics进一步分析大气积温、土壤积温和粒重间的关系，结果表明，地膜覆盖种植在灌浆各阶段达到最大灌浆速率、完成灌浆所需的大气积温、土壤积温均小于露地，表明地膜覆盖种植有利于提前最大灌浆速率的时间,减少灌浆渐增期、缓增期的持续时间，进而实现增产，这与赵凯男等[11]和王振峰等[27]的研究结果类似。

3.2 影响小麦灌浆的环境因子

在灌浆期籽粒干物质日积累量与大气日积温、土壤日积温显著正相关，但大气积温对籽粒干物质日积累量的影响略大于土壤积温，而大气温度影响土壤积温，即日积温越高籽粒干物质日积累量越大，反之亦然。地膜覆盖的土壤积温高于露地，导致灌浆期地膜覆盖的籽粒干物质日积累量高于露地，而籽粒干物质日积累量是形成籽粒灌浆速率和粒重的基础，最终地膜覆盖的产量高于露地，该结果与赵凯男等[11]研究一致。惠海滨等[28]通过研究灌水量对小麦产量的影响表明充足的土壤水分可提高小麦灌浆期旗叶、籽粒中蔗糖和可溶性糖的代谢活性，进而显著增加籽粒产量，保持充足的土壤水分有利于小麦灌浆；赵凯男等[11]、陈紫薇等[29]在干旱地区地膜覆盖对小麦灌浆特性的研究中表明地膜覆盖具有保墒提墒、提高土壤水分利用率的作用，同时促进小麦生长发育以及养分的吸收和利用，从而提高作物产量。以上研究均表明土壤水分会影响小麦灌浆，而在2018、2109年本研究区属于丰水年，模型模拟和田间实测的地膜覆盖和露地灌浆期土壤含水量均无明显差异，土壤日含水量与籽粒干物质日积累量无显著性关系，仅土壤积温存在差异，结果表明在相同的土壤水分条件下土壤积温是影响灌浆的主要环境因素。

3.3 APSIM-Wheat模型对小麦灌浆过程的适应性

传统的田间试验方法研究小麦籽粒干物质积累过程具有局限性，影响因子较多、干扰性较大，而采用作物生长模型方法研究能定量研究单一环境影响因子的影响以及多因子间的互作效应。在本研究中，经过校准和验证的APSIM-Wheat模型对地膜覆盖和露地种植下的小麦灌浆过程具备较高的解释性。两年度的本研究区模型模拟与田间实测灌浆速率和粒重间RMSE、NRMSE、ME、R2值如表 2所示，各项检验模型模拟效果指标均达到较高水平，模型模拟值与实测值间的趋势性与一致性较高，在本研究区具有较好的拟合度和适应性，另一方面该模型也存局限性，与杨月等[30]、聂志刚等[31]研究小麦籽粒蛋白质含量和籽粒干物质积累的研究结果类似。APSIM-Wheat模型在模拟小麦灌浆生育时期的时间点与田间试验实际观测时间点存在误差[32-34]，2018、2019年模拟值较实测值分别提前8、6 d。分析其原因认为APSIM-Wheat模型中生育期的进程依赖于积温驱动，达到设定积温阈值模型结束当前生育时期进入下一生育时期，而在实际田间实验中因植株个体差异开花时间不统一，一般以田间50%的小麦开花认为进入开花期，因这种差异导致模型模拟中作物开花时间与田间实际开花时间不一致；其次在灌浆缓增期持续时间模型模拟与田间实测存在差异，在模型模拟过程中缓增期持续2～3 d，而田间实测灌浆缓增期持续4～6 d，可能是取样过程中人为的选择植株偏绿的个体不能有效的代替群体生长发育状态，而模型模拟以群体为对象，忽略个体差异。

图5 2018、2019年不同处理籽粒灌浆速率变化模拟Fig.5 Simulation of grain-filling rate in different treatments in 2018 and 2019

注：TT：大气积温；GCK：模型模拟露地种植籽粒干物质日积累量；GPM：模型模拟地膜覆盖种植籽粒干物质日积累量。Note:TT:Atmospheric daily accumulated temperature;GCK:The model simulates the daily accumulation of dry matter in the grains grown in the open field;GPM:The model simulates the daily accumulation of dry matter in the grains planted in the plastic film mulching.图6 2018、2019年大气积温与籽粒干物质日积累量相关性Fig.6 Correlation between atmospheric daily accumulated temperature and daily accumulation of grain dry matter in 2018 and 2019

本文仅对地膜覆盖和露地种植下小麦的灌浆过程进行分析研究，重点分析了影响灌浆的环境因子以及APSIM-Wheat模型对灌浆过程的模拟适应性和吻合度；其次，籽粒干物质日积累量和逐日土壤含水量是由APSIM-Wheat模型模拟输出，并非田间实际测得，模拟过程中忽略田间杂草管理、病虫害等情况及其差异性对小麦生长发育影响。

4 结 论

本研究通过大田试验和APSIM模型模拟同步研究旱地冬小麦籽粒干物质积累过程，得出APSIM-Wheat模型对地膜覆盖和露地种植旱地冬小麦灌浆过程的模拟精度较高，有很好的适应性，可以借助APSIM-Wheat模型研究影响灌浆的各种因子。结果表明，积温(大气日积温、土壤日积温)在渐增期和快增期与籽粒干物质日积累量显著正相关，积温越高籽粒干物质日积累量越大，因大气温度影响土壤积温，地膜覆盖在灌浆阶段平均土壤日积温较露地显著提高，致使地膜覆盖在灌浆期的籽粒干物质日积累量，灌浆期的最大灌浆速率、快增期的平均灌浆速率均高于露地，同时地膜覆盖较露地缩短渐增期和缓增期的持续时间进而实现增产。

注：TCK：露地土壤日积温；TPM：地膜覆盖土壤日积温；GCK：模型模拟露地种植籽粒干物质日积累量；GPM：模型模拟地膜覆盖种植籽粒干物质日积累量。Note:TCK:Daily accumulated temperature of open soil;TPM:Daily accumulated temperature of soil covered in the plastic film mulching;GCK:The model simulates the daily accumulation of dry matter in the grains grown in the open field;GPM:The model simulates the daily accumulation of dry matter in the grains planted in the plastic film mulching.图7 2018、2019年土壤积温与籽粒干物质日积累量相关性Fig.7 Correlation between daily accumulated soil temperature and daily accumulation of grain dry matterin 2018 and 2019

表3 2018、2019年籽粒灌浆过程的Logistic方程拟合Table 3 Logistic equation fitting of grain-filling process in 2018 and 2019