干旱条件下APSIM模型修正及华北冬小麦产量模拟效果

周丽涛，孙 爽，郭尔静，张镇涛，张方亮，石延英，马浩雨，杨晓光

·农业水土工程·

干旱条件下APSIM模型修正及华北冬小麦产量模拟效果

周丽涛1,2，孙 爽3，郭尔静1，张镇涛1，张方亮1，石延英1，马浩雨1，杨晓光1※

（1. 中国农业大学资源与环境学院，北京 100193；2. 北京师范大学地理科学学部，北京 100875；3. 中国气象科学研究院，北京 100081）

干旱是影响华北地区冬小麦产量的主要农业气象灾害之一，作物生长模型是评估干旱对作物产量影响主要方法之一，但作物生长模型对极端天气气候条件下（如干旱）作物产量模拟效果仍存在不确定性。为提高作物模型在干旱条件下对作物产量模拟的精准性，该研究利用调参验证后的农业生产系统模型（agricultural production systems simulator，APSIM），通过查阅与华北地区冬小麦相关的186篇大田试验文献获得1 876对观测数据，以作物水分亏缺指数为干旱指标，评估APSIM模型在冬小麦拔节-开花和开花-成熟阶段干旱对产量影响的模拟效果，提出APSIM在拔节-开花和开花-成熟阶段干旱对小麦产量影响的修正系数。基于历史气候条件、SSP245和SSP585未来气候情景资料，分析了冬小麦拔节-开花和开花-成熟阶段干旱时空分布特征，并采用修正系数校正后的APSIM模型评估华北地区冬小麦拔节-开花和开花-成熟阶段不同等级干旱对其产量的影响。结果表明，APSIM模型低估了拔节-开花阶段干旱对冬小麦产量影响程度，轻旱、中旱和重旱校正系数分别为0.85、0.91和0.85；APSIM模型可准确模拟开花-成熟阶段轻旱和中旱对冬小麦产量影响，但高估了重旱对冬小麦产量影响，重旱校正系数为1.33。历史和未来气候情景下，拔节-开花和开花-成熟阶段干旱导致冬小麦减产率均呈由北到南依次递减的空间分布特征，且开花-成熟阶段干旱对冬小麦负面影响高于拔节-开花阶段。未来气候情景下冬小麦拔节-开花和开花-成熟阶段不同等级干旱导致的冬小麦减产率均低于历史气候条件。未来干旱对华北冬小麦产量的负面影响程度有所缓解。研究为有效评估干旱对冬小麦影响提供方法支撑。

干旱；模拟；气候；华北；冬小麦；产量；APSIM模型；校正系数

0 引 言

中国小麦种植以冬小麦为主，其种植面积和产量占比分别为95.6%和94.3%[1]。在全国5个冬小麦种植区中[2]，华北地区种植面积和产量占比分别达60.6%和53.9%[1]，是中国冬小麦重要生产基地。保证其产量稳定和提高直接决定中国的口粮安全。

在华北地区，干旱是影响冬小麦产量的主要农业气象灾害，在冬小麦生长季内该区域降水量仅能满足其需水的25%～40%，水分亏缺达200～300 mm[3-4]，这导致冬小麦干旱频发[5-6]，直接影响冬小麦生长发育和产量形成[7]。然而干旱降低产量不仅取决于干旱发生频次和强度，还取决于干旱发生的生育阶段[8]。拔节期和孕穗开花期是冬小麦需水临界期和敏感期，在此时期受旱会造成小麦退化不孕、籽粒减少，对产量影响显著[9-10]，而灌浆期干旱影响籽粒质量进而影响产量[11]。

前人在干旱对小麦产量影响方面已做了大量研究，且研究方法多样，传统的研究方法试验周期长、成本高，单点结果难以用于区域评估。作物模型是根据作物品种特性、气象条件、土壤条件以及作物管理措施，采用数学模型方法描述作物光合、呼吸等机理过程，模拟作物生长和发育期间的生理生化参数、结构参数以及作物产量[12]，同时考虑了极端天气气候条件下作物的温度和水分动态响应过程。姚宁等[13]进行了连续2 a冬小麦分段受旱田间试验，对DSSAT-CERES-Wheat模型进行调参验证并模拟不同水分条件下作物产量、土壤水含量等，结果表明模型在不同生育阶段受旱对冬小麦产量影响的模拟效果不同，抽穗期和灌浆期受旱时，可较好模拟小麦的生长发育和土壤水分动态过程，越冬期和返青期受旱时，模拟结果较差。然而，极端天气条件下作物模型模拟的不确定性不仅体现在作物不同生长发育阶段上，在不同区域间也存在差异性。如王钧等[14]利用大田试验结合APSIM模型模拟了不同干旱胁迫下陇中黄土高原区春小麦产量和产量构成要素，结果表明APSIM模型模拟陇中黄土高原区干旱胁迫对春小麦产量形成方面具有很好的适用性，然而FENG等[15-16]在中国和澳大利亚的研究表明，APSIM模型在极端天气气候条件下的温度响应和水分响应均存在不确定性。

为了进一步明确作物模型对冬小麦关键生育期受旱的模拟效果，本研究基于文献搜集大量田间试验数据综合评价APSIM模型在华北冬小麦干旱对产量模拟的适用性并进一步校正模型，基于校正后的APSIM模型评估历史和未来气候情景下拔节-开花和开花-成熟阶段干旱对冬小麦产量的影响，以期为有效评估干旱对冬小麦影响提供方法支撑。

1 材料与方法

1.1 研究区域

综合考虑华北范围、行政区和作物种植体系一致性等因素，本文研究区域包括河北省、山东省、河南省、北京市和天津市，地理位置为31°～43°N，110°～123°E，其中河北北部和北京北部地区日平均气温≥0 ℃活动积温小于4 200 ℃·d，种植制度为一年一熟[17]，华北大部分区域种植制度为冬小麦-夏玉米一年两熟制，为避免因种植制度造成的不确定性影响，本研究区域选择一年两熟制种植区（如图1）。研究区域内包括40个气象站点和20个农业气象观测站。考虑到各省市后续制定和实施应对干旱灾害措施的可操作性，本文将研究区域按行政区划分为3个亚区，为京津冀地区（北京市、天津市、河北省）、山东省和河南省。

图1 研究区域气象站点、农业气象观测站及文献中田间试验站点分布

1.2 数据来源

主要包括气象、作物、土壤和与冬小麦产量相关的数据。

气象数据：来自CMIP6（Coupled Model Intercomparison Project Phase 6，https://esgf-node.llnl. gov/search/cmip6/）中的EC-Earth模式的格点数据，空间分辨率为0.7°×0.7°。为了与气象站点空间匹配，将格点数据降尺度到站点，并进行偏差校正[18-19]。数据包括降尺度后的40个气象站点1961—2020年（历史时期）和2021—2100年（未来气候情景）的逐日气象数据，主要包括日最高气温、日最低气温、日平均气温、日降水量、平均风速和太阳总辐射等。未来强迫情景包括SSP245和SSP585情景，其中SSP245为更新后的RCP4.5情景，为中等强迫情景，2100年辐射强迫稳定在4.5 W/m2，SSP585为更新后的RCP8.5情景，可实现2100年人为辐射强迫8.5 W/m2的高强迫情景[20]，2 个情景可代表中等和高强迫情景，具有代表性。

作物数据：来自研究区域内20个农业气象观测站（京津冀地区5个，河南8个，山东7个）1981—2014年冬小麦观测资料，包括主要生育期（播种期、越冬期、返青期、拔节期、开花期、成熟期）、产量、生物量、田间管理措施（播种密度、播种深度、施氮量和施氮时间、灌溉量和灌溉时间）等。其中1961—1990年生育期数据采用农业气象观测站1981—1990年平均生育期替代；未来气候情景下冬小麦生育期以2005—2014年各站点生育期均值替代。农业气象观测站数据主要用于调参验证，气象站点数据主要用于模型输入参数。

土壤数据：来自中国科学院南京土壤研究所10 km×10 km的格点数据和文献中搜集的试验站点数据，包括土壤容重、土壤pH值、凋萎系数、田间持水量和饱和含水量等。

与冬小麦产量相关数据：来源于从中国知网数据库和Web of Science检索到的已发表文献数据。文献发表时间为2000—2020年，共186篇（包括中文113篇和英文73篇），搜集试验处理所在的地理位置、灌溉方案（均指冬小麦生育期内总灌溉量）和灌溉生育时期、施氮量、产量等数据，见表1。文献检索主要是根据Meta检索流程，可参见文献[21]。从发表文献中检索到的试验站点共44个，主要分布在山东、京津冀大部和河南北部，河南南部较少。可能由于河南南部地区冬小麦生长季降水相对较多，基本满足冬小麦需水要求[22]，因此，针对河南南部地区的灌溉对冬小麦产量及水分利用效率影响的研究较少。

1.3 APSIM模型有效性验证及模型校正

APSIM除有其他模型相同的基本功能外（如可模拟作物生长过程及水氮动态等），还具有以下优势：对极端环境变化条件下预测产量变化具有充分的敏感性，同时对干旱地区作物水分关系具有较强的分析能力等[23-24]，因此本文采用APSIM 7.10版本开展研究。

APSIM模型中冬小麦品种控制参数主要分为控制作物生长发育的参数和控制作物产量形成的参数。除播种到发芽的长度受土壤水分控制外，其他各生育阶段的长度由热时数、春化和光周期控制，进而影响冬小麦生长发育速率[25]。模型中作物生物量累积和产量形成主要受光能利用效率、干物质分配、叶面积生长、灌浆速率、籽粒数以及水分限制和氮素限制等过程控制。在此仅列出对冬小麦品种影响较大的参数，主要控制参数如表1所示。前人研究[26-27]已经验证了该模型对中国冬小麦主产区的适用性，验证结果表明，调整后的模型能够较好地模拟中国各冬麦区冬小麦的生育进程和产量形成。作物品种是影响产量的一大因素，然而本文旨在分析干旱对冬小麦的影响，需要控制作物品种一致，避免因不同抗旱性品种对结果产生影响，故选用典型品种开展研究。“鲁麦21”是由山东省烟台市农业科学研究院培育，具有抗旱、高产、广适、综合抗性好等特点，1996年4月通过山东省农作物品种审定委员会审定，被列为重点推广品种之一，连续多年被确定为旱地主导品种[28]。故本文选用“鲁麦21”作为华北冬小麦典型品种进行模拟，研究组前期基于淄博、临沂和莱阳三地冬小麦生育期和产量数据，采用“试错法”对APSIM模型进行调参验证，证明APSIM模型适用于华北冬小麦产量模拟，控制参数值如表2。基于搜集的已发表文献数据对APSIM模型模拟干旱下华北冬小麦产量影响的有效性进行验证。

表1 华北地区冬小麦产量相关数据统计

表2 APSIM模型小麦模块中冬小麦品种参数的描述及数值

由于APSIM模型在极端天气气候条件下产量模拟的不确定性，模型模拟的产量与实测产量具有偏差，本研究将实测产量与模拟产量比值作为校正系数以校正模型对拔节-开花和开花-成熟阶段不同干旱等级下冬小麦产量的模拟，对于无显著差异的情况不做校正。

采用APSIM7.10模型的自动灌溉模块分析干旱对冬小麦产量的影响，设置不同干旱模拟情景，在设置某生育阶段干旱时设定其他生育阶段充分灌溉，该生育阶段设置雨养条件，具体灌溉设置如表3所示；模型中田间管理模块设置为：播种密度650 株/m2，播种深度50 mm，行距140 mm，氮肥充足。通过对APSIM模型中管理模块的Irrigate on event设置充分灌溉和雨养状态，基于水分亏缺指数对冬小麦不同生育阶段进行干旱等级划分，进而模拟冬小麦在各生育阶段不同干旱等级下的产量和充分灌溉下的潜在产量。

1.4 作物干旱指标及划分

1.4.1 作物水分亏缺指数

作物水分亏缺指数（crop water deficit index，CWDI，公式中用代替）是常用作物干旱指标之一，为作物生育期内需水量和供水量之差与作物需水量的比值。当作物需水量与供水量之差小于0时，水分亏缺指数用0代替，计算式如下[29-30]：

式中为第旬作物水分亏缺指数，%；为第旬作物需水量，mm；P为第旬降水量，mm。

表3 APSIM模型中干旱模拟情景设置

在实际中，某一旬的作物水分亏缺指数受到前几旬水分亏缺的影响，因此，作物水分亏缺指数被当作一个累计值反映作物实际的水分亏缺程度，在研究某一旬的作物水分亏缺时常考虑前4旬水分亏缺对本旬的影响，计算式[29-30]如下：

式中为作物生育期内按旬累计的水分亏缺指数，%；C、C-1、C-2、C-3、C-4分别为该旬的水分亏缺指数和前4旬的水分亏缺指数；为对应旬的累计权重系数，一般取值0.3，取值0.25，取值0.25，取值0.15，取值0.1[29-30]。

1.4.2 基于作物水分亏缺指数的干旱等级划分

采用张玉静等[31]利用历史旱情资料进行校正的作物水分亏缺指数等级划分标准划分干旱等级，如表4所示。

表4 华北冬小麦作物水分亏缺指数的干旱等级

1.4.3 干旱频率

根据作物水分亏缺指数对冬小麦拔节-开花阶段和开花-成熟阶段进行干旱等级分类，统计不同等级干旱发生频次，即各站点不同等级干旱发生的年数占研究总年份数的比率，计算式[32]如下：

式中为干旱频率；为研究总年份数；N为研究时间段内不同等级干旱出现年份的次数。

1.4.4 减产率

以减产率表征不同等级干旱对冬小麦产量影响程度，计算式[33]如下：

式中为减产率，%；为全生育阶段无水肥限制条件下的产量，即潜在产量（见表3干旱模拟阶段中的对照组），kg/hm2；为肥料不受限制时，拔节-开花和开花-成熟阶段内雨养条件下的产量，即水分亏缺条件下产量（见表3干旱模拟阶段中的“拔节-开花”和“开花-成熟”），kg/hm2。

2 结果与分析

2.1 APSIM模型干旱模拟有效性验证及模型校正

基于查阅的186篇文献1 876对数据，对APSIM模型模拟华北冬小麦干旱的有效性进行验证。首先，利用式（1）和式（2）分别计算文献中各试验站点试验年份不同生育阶段的水分亏缺指数，进行干旱等级划分。为了评估干旱对冬小麦产量的影响，仅考虑不灌溉情景即雨养处理。其次，汇总拔节-开花和开花-成熟这2个阶段各干旱等级对应的实测产量（直接从文献获取），将之与APSIM模型模拟结果进行对比，结果如图2和表 5所示。由图2a和表5可以看出，冬小麦拔节-开花阶段轻旱、中旱、重旱情景下，冬小麦模拟产量与实测产量存在显著差异，模拟产量高于实测产量，表明模型低估了拔节-开花阶段干旱对冬小麦产量的影响程度，通过计算得到冬小麦轻旱、中旱和重旱情景下模型的校正系数分别为0.85、0.91和0.85。由图2b和表5可以看出，模型对开花-成熟阶段轻旱和中旱条件下产量模拟效果较好。重旱情景下，模拟产量与实测产量之间存在显著差异，模拟产量低于实测产量，表明模型高估了开花-成熟阶段重旱对冬小麦产量的影响，通过计算得到模型的校正系数为1.33。

图2 不同干旱等级下冬小麦模拟产量与实测产量的比较

表5 冬小麦模拟产量与实测产量的方差分析

注：不同小写字母表示实测值与模拟值之间差异显著（<0.05）。

Note: Different lowercase letters indicate significant differences between observed and simulated values (<0.05).

2.2 历史条件和未来气候情景下冬小麦不同生育阶段干旱时空分布

图3和表6表明历史条件下拔节-开花阶段京津冀地区以中旱和重旱为主，干旱发生频率分别为55.7%和38.4%，轻旱发生频率低于10%；山东省以中旱发生频率最高为56.1%，其次轻旱为29.7%，重旱发生频率最低为13.9%；河南省以轻旱和中旱为主，干旱发生频率分别为50.2%和37.7%，重旱几乎不发生。开花-成熟阶段京津冀地区以中旱和重旱为主，干旱发生频率分别为54.0%和34.9%；山东省以中旱发生频率最高为53.1%，其次轻旱为29.0%，重旱发生频率最低为17.8%；河南省主要以轻旱和中旱为主，干旱发生频率分别为38.9%和46.0%。由图4可知，拔节-开花和开花-成熟阶段冬小麦水分亏缺指数随时间变化并不显著。

图3 不同情景下冬小麦拔节-开花和开花-成熟阶段干旱频率分布

表6 历史和未来气候情景下冬小麦拔节-开花和开花-成熟阶段各等级干旱频率

注：**，P<0.01，阴影部分表示98%置信区间。

由表6可知，未来SSP245气候情景下拔节-开花阶段京津冀地区以中旱和重旱为主，干旱发生频率分别为54.5%和27.5%，轻旱发生频率为17.4%；山东省以中旱发生频率最高为46.8%，其次轻旱为34.9%，重旱发生频率最低为14.6%；河南省以轻旱和中旱为主，干旱发生频率分别为55.8%和20.2%，重旱几乎不发生。开花-成熟阶段，京津冀地区以中旱和重旱为主，干旱发生频率分别为49.7%和26.7%；山东省轻旱和中旱发生频率均较高，分别为41.6%和41.3%，重旱发生频率最低为15.8%；河南省主要以轻旱和中旱为主，干旱发生频率分别为43.4%和35.3%。由图4可知，拔节-开花和开花-成熟阶段冬小麦水分亏缺指数随时间变化显著下降，其中拔节-开花阶段水分亏缺指数降幅高于开花-成熟阶段。

未来SSP585气候情景下拔节-开花阶段京津冀地区以中旱和重旱为主（表6），干旱发生频率分别为50.9%和32.3%，轻旱发生频率为16.2%；山东省以中旱发生频率最高为51.8%，其次轻旱为33.0%，重旱发生频率最低为12.9%；河南省以轻旱为主，干旱发生频率为60.2%，中旱和重旱发生频率均较低。开花-成熟阶段，京津冀地区以中旱和重旱为主，干旱发生频率分别为45.8.%和33.0%；山东省轻旱和中旱发生频率均较高，分别为32.3%和45.1%，重旱发生频率最低为20.9%；河南省主要以轻旱和中旱为主，干旱发生频率分别为46.1%和35.0%。由图4可知，拔节-开花和开花-成熟阶段冬小麦水分亏缺指数随时间变化显著下降，其中开花-成熟阶段水分亏缺指数降幅高于拔节-开花阶段。

由表6可见，相较于历史气候条件，未来气候情景下冬小麦拔节-开花阶段京津冀地区轻旱发生频率升高，中旱发生频率变化不大，且发生频率均达到50%以上，重旱发生频率降低，山东省和河南省轻旱发生频率升高，中旱发生频率降低，重旱发生频率变化不大，且发生频率较低；开花-成熟阶段，相较于历史条件，未来气候情景下研究区域轻旱发生频率升高，中旱和重旱发生频率降低，其中2种未来气候情景下研究区域中旱发生频率相差不大，未来SSP585气候情景下京津冀地区和山东省重旱发生频率高于未来SSP245气候情景，河南省重旱发生频率相差不大，且发生频率较低。综合来看未来气候情景下研究区域冬小麦在拔节-开花和开花-成熟阶段干旱均有所缓解。

2.3 历史条件和未来气候情景下干旱对冬小麦产量的影响

图5为拔节-开花和开花-成熟阶段干旱下研究区域冬小麦减产率空间分布。历史条件下（1961—2020年）拔节-开花阶段干旱引起的冬小麦减产率由北到南依次递减，研究区冬小麦平均减产率为5.6%，其中京津冀地区平均减产率最大，为11.6%，山东次之，为2.2%，河南最小。开花-成熟阶段干旱导致的冬小麦减产远大于拔节-开花阶段，研究区平均减产率为26.5%，减产率呈现由北到南依次递减，京津冀地区减产最严重，平均减产率为44.6%；山东西部减产率大于东部沿海地区，平均减产率为22.2%，明显低于京津冀地区；河南北部冬小麦减产率高于南部，整体减产情况较轻，平均减产率为13.2%。

由图5可知，未来SSP245气候情景下拔节-开花阶段干旱引起的冬小麦减产率由北到南依次递减，研究区域冬小麦平均减产率为2.4%，低于历史条件，其中京津冀地区平均减产率最大，为7.1%，山东次之，河南最小。开花-成熟阶段干旱导致的冬小麦减产率远大于拔节-开花阶段，研究区域平均减产率为21.8%，减产率呈由南到北逐渐增大的趋势，京津冀地区减产最严重，平均减产率为37.8%；山东西部减产率大于东部沿海地区，平均减产率为16.5%，明显低于京津冀地区；河南北部冬小麦减产率高于南部，整体减产情况较轻，平均减产率为11.1%。

图5 历史和未来气候情景下拔节-开花和开花-成熟阶段干旱导致冬小麦减产率空间分布

由图5可知，未来SSP585气候情景下，拔节-开花阶段研究区域冬小麦平均减产率为1.9%，低于历史条件，其中京津冀地区平均减产率最大，为6.0%，山东次之，河南最小。开花-成熟阶段干旱导致的冬小麦减产远大于拔节-开花阶段，研究区域平均减产率为17.7%，减产率呈由南到北逐渐增大趋势，京津冀减产最严重，平均减产率为31.3%；山东减产率略高于河南，平均减产率为13.9%，低于京津冀地区；河南减产率较轻，平均减产率为10.0%。综上，未来SSP585气候情景下开花-成熟阶段干旱对研究区域冬小麦产量影响均高于拔节-开花阶段，且未来减产率相较于历史条件均呈降低趋势，未来气候情景减产差异不明显。

由图6可知，历史条件下，开花-成熟阶段干旱导致的减产率远高于拔节-开花阶段，干旱导致冬小麦减产率随年代变化先增大后减小，拔节-开花、开花-成熟阶段减产率均在1980 s达到峰值，减产率分别为14.0%和39.4%，未来SSP245气候情景下，2个生长阶段均在2030 s略微上升达到峰值，减产率分别为5.8%和30.5%，2030 s后减产率不断减小。未来SSP585气候情景下，拔节-开花阶段2030 s略微上升达到峰值，减产率为4.1%，开花-成熟阶段2050 s出现极小值，减产率为12.3%，综合来看，未来SSP245和SSP585气候情景下冬小麦减产率随年代变化整体呈减小趋势，表明未来拔节-开花和开花-成熟阶段干旱对冬小麦产量的影响程度有所缓解。

a. 历史条件b. SSP245情景c. SSP585情景 a. Historical contextb. SSP245 scenarioc. SSP585 scenario

由图7可知，历史条件下研究区域拔节-开花阶段轻旱、中旱和重旱造成的减产率均高于未来气候情景，未来SSP245气候情景下研究区域拔节-开花阶段轻旱、中旱和重旱造成的减产率与未来SSP585气候情景相差不大。

图7 历史和未来气候情景下拔节-开花和开花-成熟阶段各等级干旱导致的冬小麦减产率分布

历史条件下京津冀地区轻旱、中旱、重旱造成的减产率高于未来气候情景，重旱造成的减产均在20%以上(图7)。历史条件山东冬小麦轻旱、中旱、重旱造成的减产率高于未来气候情景。历史条件下河南冬小麦轻旱造成的减产率高于未来气候情景，历史条件下中旱导致冬小麦减产率略低于未来SSP245气候情景，略高于未来SSP585气候情景，历史条件下重旱造成的冬小麦减产率低于未来气候情景，表明未来河南冬小麦拔节-开花阶段重旱造成的减产在加剧。开花-成熟阶段，研究区域轻旱、中旱、重旱造成的冬小麦减产率由高到低依次为历史条件、未来SSP245气候情景和未来SSP585气候情景。京津冀地区和山东省轻旱、中旱、重旱造成的冬小麦减产率由高到低依次为历史条件、未来SSP245气候情景和未来SSP585气候情景，河南轻旱、中旱、重旱造成的冬小麦减产率表现为历史条件高于未来气候情景，未来SSP245和SSP585气候情景下河南轻旱、中旱、重旱造成的冬小麦减产率相差不大。说明未来开花-成熟阶段研究区域干旱对冬小麦产量负面影响在减轻。

3 讨 论

3.1 历史条件和未来气候情景下干旱对华北冬小麦产量影响比较

已有研究表明拔节-开花阶段发生干旱胁迫，后期水分充足供应，冬小麦产量损失较小，说明后期水分充足具有一定的补偿效应[34-35]。另外开花-成熟阶段干旱对小麦产量影响较大的原因还可能是该阶段为冬小麦水分需求关键期，同时随着气候变暖，高温风险加大，高温和干旱复合灾害对籽粒形成产生叠加影响[36]，FENG等[15]研究得出灌浆期干旱对小麦产量影响最大，开花前后干旱时间相对较少，短期干旱对最终产量影响较小，与本文研究结果一致。相较历史条件，未来气候情景下研究区域大部分地区干旱对冬小麦产量造成的负面影响减小，原因可能与未来气候情景下冬小麦生长季降水量增加有关。未来气候情景下河南重旱造成冬小麦负面影响加剧，而其重旱发生频率变化不大（图3和表6），可能原因是在干旱发生频率不变的情况下，干旱强度增大，以及气候变化带来的温度等其他气候因子的变化，均可能对其产生综合影响。

3.2 APSIM模拟干旱对冬小麦产量影响的校正系数的不确定性分析

尽管APSIM模型在多个国家的适用性已得到验证，但ASSENG等[37]认为在澳大利亚西部地区的极端干旱年份，APSIM模型对作物产量和生长发育的模拟并不适用。本文基于文献搜集研究区域冬小麦不同灌溉条件大田试验数据，结合调参验证后APSIM模型，通过模型模拟产量与实测产量比较，计算得到APSIM模型不同生育阶段干旱对冬小麦产量模拟的校正系数，研究结果表明模型低估了拔节-开花阶段干旱对冬小麦产量的影响，可能原因是拔节-开花阶段是研究区域冬小麦病虫害发生的主要时期[38]，而病虫害对作物造成的负面影响在模型中并没有体现[39]，以及未考虑花前可能发生的霜冻，导致花朵不育等[39]，均导致模型模拟冬小麦产量高于实测产量，FENG等[15]研究结果发现APSIM模型低估了极端气候引起的小麦产量损失，对产量预测可能会高估1%～10%，与本研究结果一致。APSIM模型高估了开花-成熟阶段重旱对冬小麦产量的影响，可能原因是实际的大田试验中前期蓄积的土壤水分可能缓解开花-成熟阶段重旱对冬小麦的影响，导致模型模拟重旱下的冬小麦产量低于实际产量。此外，实际大田中降水或灌溉后作物对土壤水分利用的有效性与模型内计算存在差异，也是导致模拟结果与实际存在偏差的可能原因。本研究仅基于干旱模拟结果对模型进行了校正，对造成该结果的可能原因进行分析，并未从模型内部机理方面进行修正，未来将从干旱对冬小麦影响过程和机理方面进一步开展研究。

3.3 干旱严重的区域或时段采用的关键应对措施和技术

随着气候变暖，华北地区干旱虽有缓解，但仍是造成冬小麦减产的主要气象灾害之一。灌溉是冬小麦抗旱的关键农业措施之一，华北冬小麦灌溉水来源是地下水，然而灌溉用水的需求量已远大于地下水的承载力[9,40]，亏缺灌溉是一种很有前景的灌溉措施，进行亏缺灌溉时充分考虑区域环境因素（降水、温度和土壤性质等）和灌溉方法（灌溉方式、灌溉时间、灌溉水量等），进行因地制宜，可更大程度节水增产[41-43]。另外在农业生产上选用抗旱耐旱品种的小麦品种，利用其作物本身的抗旱能力，解决干旱缺水问题，需要加强对现有作物品种的抗旱性鉴定研究，并培育新的抗旱耐旱品种[44-45]；另外对不同干旱区采取因地适宜的农田管理措施，如作物播期的调整，以尽可能避免作物需水关键期与气象干旱时间大幅度重合[46-47]，秸秆覆盖、免耕播种等保护性耕作可有效减少土壤水分蒸发、培肥地力，使干旱对作物的负面影响降低[48]。

3.4 研究不足及展望

受春化作用和冬季抗冻性等的综合影响，冬小麦品种种植具有很强的地域性[49]。为使研究区域内各地区之间冬小麦干旱对产量影响结果具有可比性，本文在研究区域和研究时段内统一采用区域广泛种植冬小麦品种鲁麦21，没有考虑实际生产中地区间和年代之间品种变化；在APSIM模型冬小麦播种期设定时，历史条件下采用农业气象观测站实际播种期，由于没有未来气候情景下冬小麦播期数据，因此将2005—2014年平均播期作为未来播期，而没有考虑气候变暖影响带来的冬小麦播期变化影响[50]。气候变化背景下CO2浓度不断升高[51]，本文在模拟冬小麦产量时，未考虑CO2浓度升高的肥效作用。未来可通过积累大量农田试验数据，对模型进行调参验证，充分考虑区域、年代、播期、CO2肥效的影响，使得模型对干旱模拟更加精准。

4 结 论

本文基于文献检索的大田试验数据，评价农业生产系统模型（agricultural production systems simulator，APSIM）模型在华北冬小麦干旱对产量模拟的适用性，并提出拔节-开花和开花-成熟阶段不同等级干旱的校正系数；基于校正后的APSIM模型模拟了历史条件和未来气候情景下，拔节-开花和开花-成熟阶段不同等级干旱对冬小麦产量的影响，主要结论如下：

1）APSIM模型低估了拔节-开花阶段干旱对冬小麦产量影响程度，轻旱、中旱和重旱校正系数分别为0.85、0.91和0.85；模型可准确模拟开花-成熟阶段轻旱和中旱对冬小麦产量的影响，但高估了开花-成熟阶段重旱对冬小麦产量的影响，重旱的校正系数为1.33。

2）拔节-开花和开花-成熟阶段，研究区域历史条件下冬小麦中旱和重旱发生频率高于未来情景，轻旱发生频率低于未来情景。未来情景下冬小麦拔节-开花和开花-成熟阶段干旱有所缓解。

3）拔节-开花阶段干旱造成冬小麦减产率低于开花-成熟阶段减产率。未来气候情景下拔节-开花、开花-成熟阶段研究区域冬小麦不同等级干旱造成的减产率低于历史条件。

[1] 中国人民共和国国家统计局. 中国统计年鉴2020[M]. 北京：中国统计出版社，2020.

[2] 赵广才. 中国小麦种植区划研究（一）[J]. 麦类作物学报，2010，30(5)：886-895. ZHAO Guangcai. Study on chinese wheat planting regionalization （Ⅰ）[J]. Journal of Triticeae Crops, 2010, 30(5): 886-895. (in Chinese with English abstract)

[3] CAO G L, HAN D M, SONG X F. Evaluating actual evapotranspiration and impacts of groundwater storage change in the North China Plain[J]. Hydrological Processes, 2014, 28(4): 1797-1808.

[4] LIU C M, YU J J, ELOISE K. Groundwater exploitation and its impact on the environment in the North China Plain[J]. Water international, 2001, 26(2): 265-272.

[5] 朱玲玲，张竟竟，李治国，等. 基于SPI的河南省冬小麦生育期干旱时空变化特征分析[J]. 灌溉排水学报，2018，37(5)：51-58. ZHU Lingling, ZHANG Jingjing, LI Zhiguo, et al. Analysing spatiotemporal variation of the occurrence of drought within the growth season of winter wheat in Henan province based on the standardized precipitation index[J]. Journal of Irrigation and Drainage, 2018, 37(5): 51-58. (in Chinese with English abstract)

[6] 康西言，李春强，杨荣芳. 河北省冬小麦生育期干旱特征及成因分析[J]. 干旱地区农业研究，2018，36(3)：210-217. KANG Xiyan, LI Chunqiang, YANG Rongfang. Analysis of characteristics and causes of drought for winter wheat growing period in Hebei province[J]. Agricultural Research in the Arid Areas, 2018, 36(3): 210-217. (in Chinese with English abstract)

[7] AHMADI S H, ANDERSEN M N, LAERKE P E, et al. Interaction of different irrigation strategies and soil textures on the nitrogen uptake of field grown potatoes[J]. International Journal of Plant Production, 2011, 5(3): 263-274

[8] 张存杰，王胜，宋艳玲，等. 我国北方地区冬小麦干旱灾害风险评估[J]. 干旱气象，2014，32(6)：883-893. ZHANG Cunjie, WANG Sheng, SONG Yanling, et al. Research of drought risk assessment for winter wheat in Northern China[J]. Journal of Arid Meteorology, 2014, 332(6): 883-893. (in Chinese with English abstract)

[9] SUN H Y, LIU C M, ZHANG X Y, et al. Effects of irrigation on water balance, yield and wue of winter wheat in the North China Plain[J]. Agricultural Water Management, 2006, 85(112): 211-218.

[10] LI Q Q. DONG B D. QIAO Y Z, et al. Root growth, available soil water, and water-use efficiency of winter wheat under different irrigation regimes applied at different growth stages in North China[J]. Agricultural Water Management, 2010, 97(10): 1676-1682.

[11] 房稳静，张雪芬，郑有飞. 冬小麦灌浆期干旱对灌浆速率的影响[J]. 中国农业气象，2006，27(2)：98-101. FANG Wenjing, ZHANG Xuefen, ZHENG Youfei. Influence of drought on filling velocity of winter wheat during filling period[J]. Chinese Journal of Agrometeorology, 2006, 27(2): 98-101. (in Chinese with English abstract)

[12] MOULIN S, BONDEAU A, DELECOLLE R. Combining agricultural crop models and satellite observations: From field to regional scales[J]. International Journal of Remote Sensing, 1998, 19(6): 1021-1036.

[13] 姚宁，周元刚，宋利兵，等. 不同水分胁迫条件下DSSAT-CERES-Wheat模型的调参与验证[J]. 农业工程学报，2015，31(12)：138-150. YAO Ning, ZHOU Yuangang, SONG Libing, et al. Parameter estimation and verification of DSSAT-CERES-Wheat model for simulation of growth and development of winter wheat under water stresses at different growth stages[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(12): 138-150. (in Chinese with English abstract)

[14] 王钧，李广，聂志刚，等. 陇中黄土高原区旱地春小麦产量对干旱胁迫响应的模拟研究[J]. 干旱区地理，2021，44(2)：494-506. WANG Jun, LI Guang, NIE Zhigang, et al. Simulation study of response of spring wheat yield to drought stress in the Loess Plateau of Central Gansu[J]. Arid Land Geography, 2021, 44(2): 494-506. (in Chinese with English abstract)

[15] FENG P Y. WANG B, LIU D L, et al. Incorporating machine learning with biophysical model can improve the evaluation of climate extremes impacts on wheat yield in South-Eastern Australia[J]. Agricultural and Forest Meteorology, 2019, 275: 100-113.

[16] WANG N, WANG E L, WANG J, et al. Modelling maize phenology, biomass growth and yield under contrasting temperature conditions[J]. Agricultural and Forest Meteorology, 2018, 250: 319-329.

[17] 刘巽浩，韩湘玲. 中国的多熟种植[M]. 北京：北京农业大学出版社，1987.

[18] LI L C, YAO N, LI Y, et al. Future projections of extreme temperature events in different sub-regions of China[J]. Atmospheric Research, 2019, 217: 150-164.

[19] ASHOK K M, VIJAY P S. Drought modeling-a review[J]. Journal of Hydrology. 2011, 403(112): 157-175.

[20] 张丽霞，陈晓龙，辛晓歌. Cmip6情景模式比较计划（Scenariomip）概况与评述[J]. 气候变化研究进展，2019，15(5)：519-525. ZHANG Lixia, CHEN Xiaolong, XIN Xiaoge. Short commentary on CMIP6 scenario model intercomparison project (ScenarioMIP)[J]. Climate Change Research, 2019, 15(5): 519-525. (in Chinese with English abstract)

[21] 周丽涛，孙爽，张镇涛，等. 基于Meta分析华北冬小麦高产高效协同提升灌溉方案[J]. 中国农业气象，2022，43(7)：515-526. ZHOU Litao, SUN Shuang, ZHANG Zhentao, et al. High yield and water use efficiency synergistical improvement irrigation scheme of winter wheat in North China Plain based on meta-analysis[J]. Chinese Journal of Agrometeorology, 2022, 43(7): 515-526. (in Chinese with English abstract)

[22] 赵海燕，侯美亭，王志伟. 利用Ceres-Wheat模型分析冬小麦所需灌溉量的时空变化：以河南省为例[J]. 干旱地区农业研究，2015，33(4)：125-133. ZHAO Haiyan, HOU Meiting, WANG Zhiwei. Evaluation of irrigation water requirement of winter wheat using the CERES-Wheat model-a case study in Henan Province[J]. Agricultural Research in the Arid Areas, 2015, 33(4): 125-133. (in Chinese with English abstract)

[23] 王琳，郑有飞，于强，等. APSIM模型对华北平原小麦-玉米连作系统的适用性[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. (in Chinese with English abstract)

[24] ASSENG S, JAMIESON P D, KIMBALL B, et al. Simulated wheat growth affected by rising temperature, increased water deficit and elevated atmospheric CO2[J]. Field Crops Research, 2004, 85(23): 85-102.

[25] TAO F L, ZHANG S, ZHANG Z. Spatiotemporal changes of wheat phenology in China under the effects of temperature, day length and cultivar thermal characteristics[J]. European Journal of Agronomy, 2012, 43: 201-212.

[26] KANG S Z, ZHANG L, LIANG Y L, et al. Effects of limited irrigation on yield and water use efficiency of winter wheat in the Loess Plateau of China[J]. Agricultural Water Management, 2002, 55(3): 203-216.

[27] ZHANG Y Q, KENDY E, YU Q, et al. Effect of soil water deficit on evapotranspiration, crop yield, and water use efficiency in the North China Plain[J]. Agricultural Water Management, 2004, 64(2): 107-122.

[28] 孙亮，刘洁，王鹏，等. 鲁麦21品种特性及在小麦育种中的应用[J]. 中国农技推广，2019，35(5)：21-23.

[29] 黄晚华，杨晓光，曲辉辉，等. 基于作物水分亏缺指数的春玉米季节性干旱时空特征分析[J]. 农业工程学报，2009，25(8)：28-34. HUANG Wanhua, YANG Xiaoguang, QU Huihui, et al. Analysis of spatio-temporal characteristic on seasonal drought of spring maize based on crop water deficit index[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2009, 25(8): 28-34. (in Chinese with English abstract)

[30] 张艳红，吕厚荃，李森. 作物水分亏缺指数在农业干旱监测中的适用性[J]. 气象科技，2008，210(5)：596-600. ZHANG Yanhong, LV Houquan, LI Sen. Applicability of crop water deficit index in agricultural drought monitoring[J]. Meteorological Science and Technology, 2008, 210(5): 596-600. (in Chinese with English abstract)

[31] 张玉静，王春乙，张继权. 华北地区冬小麦干旱危险性分析[J]. 自然灾害学报，2014，23(6)：183-192. ZHANG Yujing, WANG Chunyi, ZHANG Jiquan. Hazard analysis of drought disaster for winter wheat in North China[J]. Journal of Natural Disasters, 2014, 23(6): 183-192. (in Chinese with English abstract)

[32] 李云峰，姚志平，付焱焱，等. 基于有效雨量亏缺的吉林省玉米各级干旱发生频率地域变化[J]. 中国农学通报，2022，38(35)：62-69. LI Yunfeng, YAO Zhiping, FU Yanyan, et al. Regional changes of maize drought in Jilin province based on the effective rainfall deficit[J]. Chinese Agricultural Science Bulletin, 2022, 38(35): 62-69. (in Chinese with English abstract)

[33] 孙爽，杨晓光，张镇涛，等. 华北平原不同等级干旱对冬小麦产量的影响[J]. 农业工程学报，2021，37(14)：69-78. SUN Shuang, YANG Xiaoguang, ZHANG Zhentao, et al. Impacts of different grades of drought on winter wheat yield in North China Plain[J]. Transactions of the Chinese Society of Agricultural Engineering, 2021, 37(14): 69-78. (in Chinese with English abstract)

[34] 田中伟，王妮妮，李怡香，等. 分蘖期和拔节期干旱对小麦主茎和分蘖穗粒形成的影响[J]. 麦类作物学报，2018，38(6)：734-741. TIAN Zhongwei, WANG Nini, LI Yixiang, et al. Effect of water deficit on main stem and tiller grain number formation of wheat during tillering stage and jointing stage[J]. Journal of Triticeae Crops, 2018, 38(6): 734-741. (in Chinese with English abstract)

[35] 王琛，王连喜，马国飞，等. 宁夏灌区春小麦形态结构及干物质分配对不同时期干旱胁迫的响应[J]，生态学杂志，2019，38(7)：2049-2056. WANG Chen, WANG Lianxi, MA Guofei, et al. Responses of morphological structure and dry matter allocation of spring wheat to drought stress at different developmental stages in the irrigation district of Ningxia[J]. Chinese Journal of Ecology, 2019, 38(7): 2049-2056. (in Chinese with English abstract)

[36] 沙慧敏，李琪，孙锡鹏，等. 灌浆期升温和干旱胁迫对江苏冬小麦产量和干物质分配的影响[J]. 气象与减灾研究，2021，44(3)：201-208. SHA Huimin, LI Qi, SUN Xipeng, et al. Effects of warming at seed filling stage and drought stress on the production and dry matter partitioning of winter wheat in Jiangsu Province[J]. Meteorology and Disaster Reduction Research, 2021, 44(3): 201-208. (in Chinese with English abstract)

[37] ASSENG S, RITCHIE J, SMUCKER A, et al. Root growth and water uptake during water deficit and recovering in wheat[J]. Plant and Soil, 1998, 201(2): 265-273.

[38] 曲建东，高赟，张玲. 浅谈甘肃中部冬小麦常见病虫害及其防治[J]. 农业科技与信息，2013(5)：29-31.

[39] REYENGA P J, HOWDEN S M, MEINKE H, et al. Modelling global change impacts on wheat cropping in South-East Queensland, Australia[J]. Environmental Modelling & Software: with Environment Data News, 1999, 14(4): 297-306. (in Chinese with English abstract)

[40] YUAN Z J, SHEN Y J. Estimation of agricultural water consumption from meteorological and yield data: A case study of Hebei, North China[J]. PloS one, 2013, 8(3): e58685.

[41] YU L Y, ZHAO X N, GAO X D, et al. Improving/maintaining water-use efficiency and yield of wheat by deficit irrigation: A global meta-analysis[J]. Agricultural Water Management, 2020, 228: 105906.

[42] 宋歌，陈玉珊，张珊，等. 非充分灌溉条件下多目标整数规划配水模型构建[J]. 农业工程学报，2022，38(9)：129-139. SONG Ge, CHEN Yushan, ZHANG Shan, et al. Construction of water allocation model with multi-objective integer programming under inadequate irrigation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(9): 129-139. (in Chinese with English abstract)

[43] 曹正鹏，刘玉汇，张小静，等. 亏缺灌溉对马铃薯生长产量及水分利用的影响[J]. 农业工程学报，2019，35(4)：114-123. CAO Zhengpeng, LIU Yuhui, ZHANG Xiaojing, et al. Effects of deficit irrigation on growth, yield and water use of potato plants[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(4): 114-123. (in Chinese with English abstract)

[44] 赵聚宝，钟兆站，薛军红，等. 小麦品种的抗旱性试验测定[J]，农业工程学报，1996，12(3)：25-29. ZHAO Jubao, ZHONG Zhaozhan, XUE Junhong, et al. Experiment and determination of drought-resistant varieties of wheat[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 1996, 12(3): 25-29. (in Chinese with English abstract)

[45] 张元红，王瑞，徐宗贵，等. 不同降水年型下旱地玉米产量性状对种植密度和品种的响应[J]. 农业工程学报，2021，37(22)：136-144. ZHANG Yuanhong, WANG Rui, XU Zonggui, et al. Responses of yield traits to planting density and cultivar of spring maize in drylands under different rainfall types[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(22): 136-144. (in Chinese with English abstract)

[46] 高雪慧，刘强，王钧. 基于APSIM模型的陇中旱地春小麦产量对播期、施氮和降水量变化的响应模拟[J]，麦类作物学报，2022，42(3)：371-379. GAO Xuehui, LIU Qiang, WANG Jun. Simulation of response of spring wheat yield to sowing date, nitrogen application and precipitation in dryland of Longzhong based on APSIM model[J]. Journal of Triticeae Crops, 2022, 42(3): 371-379. (in Chinese with English abstract)

[47] 刘佳鸿，何奇瑾，管玥，等. 黄淮海北部地区夏玉米稳产高产的播期优选[J]. 农业工程学报，2022，38(5)：131-138. LIU Jiahong, HE Qijin, GUAN Yue, et al. Suitable sowing date for stable and high yield of summer maize in the northern region of Huang-Huai-Hai, China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(5): 131-138. (in Chinese with English abstract)

[48] 张德奇，岳俊芹，李向东. 耕作方式对豫南雨养区土壤微环境及冬小麦产量的影响[J]，农业工程学报，2016，32(z2)：32-38. ZHANG Deqi, YUE Junqin, LI Xiangdong. Effects of tillage regimes on soil micro-environments and yield of winter wheat in rainfed areas in southern Henan province, China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(z2): 32-38. (in Chinese with English abstract)

[49] 刘俊秀，孟繁华. 从北京小麦品种产量性状的变化论近期选育品种的性状指标[J]. 北京农业科学，1994，12(5)：11-13.

[50] XIAO Y G, QIAN Z G, WU K, et al. Genetic gains in grain yield and physiological traits of winter wheat in Shandong Province China, from 1969 to 2006[J]. Crop Science, 2012, 52(1): 44-56.

[51] LONG S, AINSWORTH E, LEAKEY A, et al. Food for thought: lower-than-expected crop yield stimulation with rising CO2concentrations[J]. Science, 2006, 312(5782): 1918-1921.

APSIM modified model under drought conditions to simulate winter wheat yield in North China

ZHOU Litao1,2, SUN Shuang3, GUO Erjing1, ZHANG Zhentao1, ZHANG Fangliang1, SHI Yanying1, MA Haoyu1, YANG Xiaoguang1※

(1.,,100193,; 2.,,100875,; 3.,100081,)

Drought is one of the main agrometeorological disasters to affect the winter wheat yield in North China. The crop model is one of the main approaches to assessing the effect of drought on crop yield. However,it is urgent to improve the crop growth model under extreme weather and climate conditions (such as drought), due to the blur simulation of the crop yield. This study aims to more accurately simulate the crop yield under extreme weather conditions using the crop model. The validated agricultural production systems simulator (APSIM) was utilized to simulate the effect of different drought grades on the yield during the stage from the jointing to flowering and from flowering to maturity of winter wheat. The correction coefficient of APSIM was proposed for the effect of drought on wheat yield. 186 literatures and a total of 1 876 pairs of observation data were collected, including irrigating, N application rate, crop yield, water use efficiency, and the number of stations. The crop water deficit index (CWDI) was selected as the agricultural drought index to divide into the different drought grades. The temporal and spatial distributions of drought were then analyzed using historical climate conditions and the future climate scenarios of SSP245 and SSP585. The modified APSIM model was used to evaluate the effect of the drought grades on the yield of winter wheat during the stage from jointing to flowering and from flowering to maturity. The results showed that the APSIM model underestimated the effect of drought winter wheat yield during the stage from jointing to flowering. The correction coefficients of light, medium, and heavy drought were 0.85, 0.91, and 0.85, respectively. The APSIM accurately simulated the effect of light and medium drought on the winter wheat yield during the stage from flowering to maturity, but overestimated the effect of heavy drought, with a correction coefficient of 1.33. Under historical and future climate scenarios, the decreasing spatial distribution was observed in the yield reduction rate of winter wheat from the north to the south. The negative impact of drought during the stage from flowering to maturity on the winter wheat was higher than that during the stage from jointing to flowering. Furthermore, the yield reduction rate caused by the light, medium and heavy drought under future climate scenarios was lower than that under historical climate conditions. The negative impact of drought was alleviated in the future climate scenarios on the winter wheat yield, compared with the historical climatic conditions. The finding can provide theoretical and practical significance for drought prevention and food security in North China.

drought; simulation; climate; North China; winter wheat; yield; APSIM model; correction coefficient

10.11975/j.issn.1002-6819.202210169

S162.5+3

A

1002-6819(2023)-06-0092-11

周丽涛，孙爽，郭尔静，等. 干旱条件下APSIM模型修正及华北冬小麦产量模拟效果[J]. 农业工程学报，2023，39(6)：92-102.doi：10.11975/j.issn.1002-6819.202210169 http://www.tcsae.org

ZHOU Litao, SUN Shuang, GUO Erjing, et al. APSIM modified model under drought conditions to simulate winter wheat yield in North China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2023, 39(6): 92-102. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.202210169 http://www.tcsae.org

2022-10-24

2022-12-10

“十三五”国家重点研发计划项目（2019YFA0607402）；国家自然科学基金项目（41901013）

周丽涛，博士生，研究方向为农业气象灾害对作物产量影响与适应。Email：202231051062@mail.bnu.edu.cn

杨晓光，博士，教授，研究方向为气候变化对种植制度和作物体系影响与适应。Email：yangxg@cau.edu.cn