DSSAT-CSM模型在玉米种植研究中的应用进展*

王宇玲，徐春霞，毕亚琪，范 军，郭瑞佳，王 晶，番兴明

DSSAT-CSM模型在玉米种植研究中的应用进展*

王宇玲1，徐春霞2，毕亚琪2，范 军2，郭瑞佳2，王 晶2，番兴明2**

（1.云南大学资源植物研究院，昆明 650504；2.云南省农业科学院粮食作物研究所，昆明 650205）

作物模型在模拟、评估、预测玉米作物生产等方面发挥着关键作用。本文采用文献综述的方法，系统归纳了DSSAT-CSM模型在中国的发展和应用，总结了DSSAT-CSM模型的组成、发展及不足，概述了利用作物模型模拟关键因素影响玉米生长的过程及结果，为作物模型实现作物品种参数调整、温度变化、氮肥措施、灌溉制度及土壤关键因子对玉米生长及产量的优化提供参考和技术支撑。目前作物模型的不确定性及不足是限制模拟精度和效率的关键因素，因此，规范数据收集、耦合多类型作物模型、优化动态管理过程，以及修正和优化模型是未来作物模型的发展趋势。

作物模型；DSSAT-CSM；玉米；作物生长

随着科学技术的发展，越来越多的作物模型相继出现，其中以美国农业部组织开发的农业技术转让决策支持系统模型（Decision Support System for Agrotechnology Transfer，DSSAT）应用最广泛[1]。该模型是农学和计算机交叉领域的产物[2]，因不受地区、时间、品种和栽培技术等的限制[3]，能将一些数据进行标准化处理而具有通用性，有利于模型的普及和应用，从而加快农业技术推广，为合理有效利用自然资源提供决策和对策[4]。

玉米作为重要的经济和粮食作物，在保障世界粮食安全、促进经济发展及缓解能源危机等方面作用巨大。但由于土地、水资源和其他自然资源压力不断增加，传统的耕种方式和农艺试验局限性大，而利用DSSAT模型经过一系列模拟实验后，能够提出符合特定环境的合理农业决策，不仅能节省大量时间和资源，还能感知和预测整个农业生态系统的表现[5]。

本文通过综述近年来67篇关于DSSAT模型在中国玉米种植研究中的应用文献，梳理农业生产中利用DSSAT模型模拟不同品种遗传参数、温度变化、氮肥措施、灌溉制度和土壤类型对玉米生产的影响情况，总结该模型优缺点并讨论在国内应用模型的注意事项及应用前景。

1 DSSAT-CSM模型发展

1.1 模型发展

DSSAT模型主要模拟作物整个生长发育过程及各项因素在作物生长过程中的相互作用及对产量的影响[5−6]，作物种植系统模块 (the Cropping System Model, CSM)是DSSAT模型的核心模块，由一个驱动的主程序、一个土地单元模块以及与土地单元构成种植系统的主程序模块（包括天气、管理、土壤−植物−大气连续体、土壤和作物组件）所组成[7]，总的来说，主程序组件就是用来描述土壤和作物的生长发育在单一土地单元上随着管理方式和天气的变化而发生变化的过程[8]。1989年发行的DSSAT v2.1中，作物模型只包括CERES-Maize、CERES-Wheat、SOYGRO和PNUTGRO，但随着模型的不断发展，这些独立的模型逐渐演变集成了一个农业系统模型[5]；在1998年发行的DSSAT v3.5中，对独立作物模型进行编辑和修改比较复杂，因此，Hoogenboom等从FORTRAN代码中提取适用于所有特定作物的参数和关系，并置于作物文件中来表示不同作物的参数信息[9]。2003年发行的DSSAT v4.0中的模块不同于先前版本，该版本与MS windows系统兼容，界面使用友好，集成了17种作物模型和模块，很大程度简化了作物轮作时的模拟过程[5]；2012年发行的DSSAT v4.5包含了超过25个作物品种，Knörzer等通过加入阴影算法，使模型可以模拟作物套作过程[10]；2019年发行的DSSAT v4.7.5，包含了超过42种作物模型及一些辅助工具。2022年发行的DSSAT v4.8将天气文件更新为四位数年份，这为利用1900年之前、2100年及之后的天气条件模拟历史天气和未来气候变化情景提供了更大的便利，并且在4.7.5版本的基础上增加了3种新的作物模型。

1.2 模型主要组成部分

DSSAT v4.8模型由不同的模块组件构成，包括输入数据的数据库模块、分析模块和作物种植系统模块。其中数据库模块由气象、土壤、虫害、试验、经济以及用来区分不同作物基因型的信息资料组成，用户可以根据实际情况设置和调整模拟精度[5]。分析模块主要包括可进行品种、土壤剖面、测试点、年份、天气和其他信息变化带来的结果变化验证的敏感性分析工具[8]、季节性策略分析工具、作物轮作/连作分析工具和链接GIS(Geographic Information System)分析大田内空间变异性的工具。自Jones等创建DSSAT-CSM模型以来[5]，模型得到不断更新和完善，DSSAT v4.0中，为了保持模型一致性，所有品种的特定投入均以绝对值表示，在玉米和高粱等模型中加入了土壤肥力因子（SLPF），以便解释土壤养分对植物生长速率的影响，并且增加了玉米模型中冠层高度、氮临界浓度、磷参数以及氮浓度变化随生长阶段变化的情况模块。CERES-Maize模型用来模拟玉米在不同生长时期、不同管理方式和不同环境因素（如土壤、管理措施和天气）作用下的日常物候生长发育和产量情况[11−13]。在模拟过程中，需要输入气象、土壤、田间管理和作物品种四种类型数据，DSSAT-CSM模型构成如图1所示。

1.3 模型应用

DSSAT-CSM模型中的每个模块都有6个操作步骤，即运行初始化、季节初始化、速率计算、集成、每日输出和汇总输出。主程序用来控制模拟的开始和停止[5]。每个模块的计算操作完全独立于其他模块，本研究主要分析DSSAT模型在以下几方面的应用，包括模拟不同品种玉米的遗传参数、温度、氮肥措施、灌溉制度、土壤类型变化对玉米生产的影响。

2 DSSAT-CSM模型的应用

2.1 模拟不同品种玉米的遗传参数

作物品种遗传参数的确定是模型取得较好模拟结果的首要因素，在确定好合适作物品种遗传参数的基础上，DSSAT模型能较好地进行模拟。在CERES-Maize系统中有6个玉米品种遗传参数，品种遗传参数的获得或调整并没有统一标准，可以使用一些参数估计方法进行估计，如用户可直接使用DSSAT模型中的GLUE算法进行参数估计[14−15]。典型地区玉米品种参数如表1所示[16−19]。以上品种遗传参数模拟结果较好，可为相近品种在相同区域、类似气候、土壤条件和管理措施下的遗传参数提供参考。

图1 DSSAT-CSM的组件和模块结构

注：根据文献[5]更新和修改。

Note: Updated and modified according to literature [5].

表1 DSSAT-CSM模型在不同地区的玉米品种遗传参数

注：P1指出苗−幼苗末期的积温（˚C·d）；P2为光周期敏感参数（d）；P5指从吐丝−生理成熟期的积温（˚C·d）；G2为单株潜在最大穗粒数（粒）；G3为潜在最大灌浆速率（mg·粒−1·d−1）；PHINT指连续叶尖出现之间的积温（˚C·d）。

Note：P1 is accumulated temperature from emergence to the end of juvenile phase(˚C·d); P2 is photoperiod sensitivity coefficient(d); P5 is accumulated temperatrue from silking to physiological maturity(˚C·d); G2 is the maximum potential grains number per spike(grain); G3 is the maximum potential grouting rate (mg·grain−1·d−1); PHINT is accumulated temperature required for a leaf tip to emerge (˚C·d).

2.2 模拟温度变化对玉米生产的影响

中国气象局数据显示，未来一百年中国区域范围内平均地表温度将呈高于全球平均水平持续上升趋势[5]，全球温度变化会影响玉米生长并可能威胁世界粮食安全。研究发现，在西欧约50%的玉米产量变化可以归因于气候变化[20]，而玉米作为世界主要农作物之一，研究和预测温度变化对玉米产量影响对世界粮食安全具有重要意义。

利用DSSAT-CSM模型设定相关参数量化温度变化对玉米产量的影响[21]，对后续调整农业措施具有指导作用，温度变化影响玉米整个生育期，而生育期的热量情况决定玉米最终产量。李阔等利用DSSAT- CSM模拟升温1.5℃和2.0℃气候状态下中国玉米减产和增产强度变化情况，发现在未来升温1.5℃背景下，除了北方玉米产量整体呈现增长趋势外，黄淮海地区、西南地区、南方地区和青藏高原种植区的玉米产量均呈下降趋势。在升温2.0℃背景下，北方地区和西南地区玉米产量呈增长趋势，其他地区以减产为主[22]。Jiang等在利用模型研究气候变化对中国东北玉米种植区的产量和氮素生产力影响时发现，气候对于玉米产量的负面影响主要与生长区长期升温和干旱发生频率有关，导致玉米生长无法与变化的温度和降雨分布相匹配[16]。宋利兵等利用DSSAT-CSM模型分析气候变化对陕西地区玉米产量影响时发现，日照时数和日最高温度下降对总产量有负面影响，主要是由于温度变化限制了玉米生长前期根部的发育，导致后期水分和养分吸收较少，从而阻碍了地上生物量的积累，且温度的持续升高使玉米生育期的生长积温（GDD）和高温危害积温（KDD）不断升高，从而导致全国玉米播种范围整体呈现北移的现象[8]。晋程绣等的相关研究表明，中国西南地区增温幅度明显高于全国其他地区[23]。番兴明等在西南地区利用该模型模拟玉米的叶片数和生物产量时发现，模拟产量值均高于实测值，可能是由于模型高估了叶面积以及截留光能大小，且在实际种植过程中发生涝灾，导致预测产量较高[24]。Olesen等通过模拟发现，随着温度的上升，玉米播种日期、开花和成熟时间均提前1～3周，生长期明显缩短[25]。Araya等同时发现高温和低温对玉米产量都有负面影响[26]，不适温度会严重影响小穗发育和籽粒灌浆，从而影响整个植株的发育[27−28]，高温虽然不会导致植株不育或死亡[29]，但会导致花粉在开花关键时期失活，籽粒灌浆停止，显著降低谷物的粒重[30−33]，同时也会导致作物生长速度加快，最终产量下降[34]。Liu等研究发现热胁迫对小麦籽粒产量影响最大，提出应将热胁迫因素纳入作物模型并在其他作物上进行模拟验证[35]。Tofa等利用耐旱品种研究在气候变化下尼日利亚玉米生产适应策略时发现，非耐旱品种比耐旱品种的产量损失明显更大，使用耐旱品种可以减少1%～6%的产量损失[21]。

由于玉米生长对温度变化敏感，一方面，在温度变化可能导致减产的区域内，可以通过调整田间管理措施、采取早（晚）种植方式、改变物候期的持续时间[25, 36−37]、推广种植耐旱耐高温品种来减少气候变化导致的产量损失[38]。另一方面，在温度变化可能导致增产的区域内，要采用相应保护措施，适当调整种植结构，抵御可能灾损，从而提高玉米产量。

2.3 模拟施氮措施对玉米生产的影响

氮素在玉米生长发育过程中起着重要作用，对玉米植株的碳氮代谢、生物量积累、光合作用及物质分配等有重要影响[39]。玉米对氮素的吸收量因品种系数、生长阶段、环境条件以及栽培技术等因素差异而不同。

在氮素施加管理方面，DSSAT模型具有较多的应用实例[3]。Jiang等通过对比DNDC（Denitrification- Decomposition）和DSSAT对东北地区玉米产量和氮素利用效率的模拟情况提出，氮素的投入量和施加方式取决于所处地区和作物品种，氮素投入量与产量并不呈正比，基于模型灵敏度分析发现，东北地区玉米最佳施氮量为180～210kg·hm−2[40]。Liu等利用DSSAT-Maize模型模拟吉林省公主岭地区不同施氮条件下玉米的生长和氮吸收情况，调整作物品种参数后发现，该模型能较好地模拟地上生物量、作物产量和地上氮吸收量[18]。Liu等在中国西北地区进行2a多的N2O排放量田间试验发现，合理的氮素投入对实现玉米高产和低N2O排放至关重要，并在保证环境效益的同时，最佳覆膜施氮量为250kg·hm−2[41]。Zhang等提出，为了确认最佳施氮量，要从作物产量、环境效益和氮素利用率等指标综合考虑，试验结果表明当施氮量为240kg·hm−2时，华北地区夏玉米氮肥吸收效率最高；当施氮量为208kg·hm−2时，华北地区夏玉米的产量最高；在考虑环境成本情况下，当施氮量控制在179kg·hm−2时，可实现当地玉米最大产量的99.5%，同时达到良好的氮素平衡[42]。Li等基于DSSAT-CSM模型探究华北平原小麦−玉米种植系统中增产与氮素投入的平衡案例研究中，提出夏玉米的最佳施氮量为206kg·hm−2，对应的产量为10912kg·hm−2[43]。Ren等利用DSSAT模型模拟不同氮素投入量和不同种植密度对黄淮海平原地区夏玉米产量影响时提出，施氮量和净施氮量呈幂函数关系，玉米的NPFP（N Partial Factor Productivity）逐渐降低，而在相同氮肥投入的情况下，随着种植密度的增加，玉米的NPFP先增加后降低，两者相互作用对氮肥施用效果有显著影响，在种植密度为9株·m−2，施氮量为246kg·hm−2时产量较高[44]。

分析前人研究结果发现，氮素的吸收利用情况随当地环境条件、施氮方式、施氮量、土壤情况和管理措施的不同而不同，一般情况下作物产量随着施氮量的增加呈现先增加后降低的趋势[43]。DSSAT模型可以解释玉米品种和氮素投入对玉米生物量和籽粒产量的影响[45]。氮素的施加情况，应当根据具体情况进行灵活调整，积极研究适合不同地区的最佳施氮量。如鼓励农民提高肥料管理和栽培技术水平；把握施加氮素的时机和位置可以减少硝态氮的损失[46]；同时在一定施氮范围内，喷施氮肥方式相比于地面撒施方式更能提高玉米产量；建议根据玉米不同生长时期对养分的不同需求进行两次或三次分施氮肥，而不是以高氮量作为基础肥；调整种植日期、种植密度和施肥次数可进一步提高玉米产量和氮素利用效率[47]。

2.4 模拟灌溉制度对玉米生产的影响

传统的灌溉制度不仅浪费水资源、污染环境，而且无法发挥玉米的生产潜力。借助作物模型，可以通过快速经济的模拟试验，研究最佳灌溉制度，提出符合实际生产的最佳方案[48−49]，这对于作物生产、环境保护和节约资源都有重要意义[50]。

2013年，Anothai等[51]发现在两种不同蒸散方式下，DSSAT-CSM模型能够准确模拟半干旱条件下不同灌溉制度对作物发育、产量、水分蒸散量和土壤含水量的影响。Jiang等[52]利用DSSAT模型进行模拟试验时发现，适合西北地区的最佳栽植期为4月中上旬，最佳灌水期为玉米拔节期和抽穗期，不同气候的最佳灌溉量不同，丰水年、平水年和枯水年的最佳灌溉量分别为1000、4200和4800m3·hm−2，通过制定灌溉计划，该地区的灌溉量可减少近一半。刘影等基于DSSAT模型对豫北地区夏玉米灌溉制度的优化模拟过程中发现，在不同降水年型，不同的灌溉量对夏玉米的产量和水分利用效率影响差异显著，通过模拟提出，在丰水年不需要额外灌溉；平水年需在开花期进行一次灌溉（灌溉量为30mm）；枯水年需在开花期和灌浆期进行两次灌溉（灌溉量为50mm）[19]。杨晓娟等利用DSSAT-CSM模型，建立玉米水分关键期干旱指数损失模型，研究结果显示陕西长武玉米水分关键期发生轻旱、中旱、重旱和特旱的概率分别为9.75%、5.90%、3.71%和3.50%，对调整该地区灌溉制度和降低旱灾风险有借鉴意义[53]。张建平等利用DSSAT-CSM模型分析西南地区单一生育期干旱和两个生育期（苗期和拔节期）同时发生干旱对玉米籽粒形成和产量的影响时发现，拔节期发生干旱导致玉米减产幅度大于苗期干旱的减产幅度，且两个生育期同时发生干旱导致的减产率远大于两个单一发育期发生干旱叠加时的减产率[54]。同时Chen等也将该模型与西北地区玉米季内灌溉动态调度新算法结合，是否灌溉取决于动态预测的产量趋势，该趋势与实时天气相呼应，而不是遵循某一个固定的灌溉计划，这有助于改进干旱和半干旱地区的灌溉制度，进一步提高灌溉效率[55]。

水分对于农业生产影响较大，影响植株整个生长发育阶段，优化灌溉制度不仅可以节约水资源，而且能够促进植物生长发育，灌溉制度的优化不是以充分供水条件下的最高产量为目标，而是要以产量和水分利用效率的有效统一为目标，通过设立不同灌溉模式、生长关键期灌溉组合和灌溉梯度，探究不同降水年的夏玉米生长季缺水情况，才能进一步确定夏玉米最佳灌溉时期和灌溉量[19]。另外可将水分胁迫因子纳入CERES-CSM模型，有利于进一步提高区域玉米产量预测准确度[56]。

2.5 模拟土壤类型对玉米生产的影响

土壤含有作物生长所必需的营养元素及有机物，土壤播种前的墒情和无机氮含量决定着玉米保苗率的多少，但传统方法无法及时确定土壤营养物质含量与作物生长和产量的关系，而利用作物模型进行研究时，只要保证作物品种和土壤参数的准确性，模型就能准确模拟当地作物生长规律，有利于调整后续农业管理措施。

目前，如何获得连续可用的土壤数据依然面临挑战[57]。番兴明等在利用DSSAT-CSM模型模拟优质蛋白玉米品种叶片增长动态时发现，因无法准确获取土壤与气候数据，导致叶面积指数、叶片数量和干物质重模拟值均高于实际值[58]。Han等在前人研究的基础上，使用SoilGrids数据集开发了一个与DSSAT兼容的10km分辨率的网格化全球土壤剖面数据集，将作物模型与土壤信息联系起来，这对于全球或区域尺度上网格作物建模应用和生物产量估计起到重要作用[59]。陈学文等采用控制变量法研究东北地区在施肥和不施肥两种水平下DSSAT模拟效果时表示，在保证作物品种系数正确的前提下，DSSAT对不同处理下的最大叶面积指数模拟效果较好，能较好地反映土壤环境条件变化与作物生长的关系[2]。杨靖民等运用DSSAT-CSM模型探究吉林黑土作物−土壤氮循环−土壤有机碳平衡时，发现土壤残留氮随着施氮量的增加而增加，且当玉米秸秆还田量超过一定标准时，土壤活性有机碳、氮含量能够维持当年的供需平衡，尤其在玉米播种前，土壤中的无机氮和含水量在干旱年对玉米生长至关重要[60]。杨玥等在西北地区对玉米种植−土壤−水分动态变化进行模拟时发现，DSSAT-CSM模型对土壤中表层水分的模拟效果较好，但对于土壤底层水分的模拟还需进一步验证，研究同时表明采用氮磷配施有机肥、垄上覆膜和沟内覆秸秆措施可以显著提高土壤微生物多样性，有助于提高土壤质量[61]。

作物模型中的土壤模块，能将土壤条件与作物生长发育及产量联系起来。但如何准确获取连续可用的土壤信息目前还未得到解决，且土壤条件并非决定作物产量的唯一因素，农艺管理技术的不合理也会导致玉米产量和效益降低[45]，应综合考虑后及时调整。

3 问题与展望

虽然DSSAT模型是当前应用最广泛的作物模型，但利用模型模拟农业生产仍然有不可避免的不确定性。针对存在的问题，研究前景展望主要有以下几个方面。

（1）DSSAT-CSM模型是基于点的模型，需要输入基于特定站点的信息，无法实现跨空间信息交互和及时了解作物生长和发育的空间变异情况。后续可以优化该模型的输入文件和可视化输出文件等特定工具，与其他系统集成，实现跨时空信息交互。

（2）在农业生产过程中，土壤特性和天气情况随时可能会发生变化，而模型在模拟过程中往往无法捕捉到这些动态变化，从而增加作物产量预测的不确定性。据此，可增加土壤碳氮等养分以及水分动态管理，提高模型预测的准确性[21]。

（3）在调整作物品种参数时采用的主流方式为试错法，存在一定的人为误差[62]。无法保证品种遗传参数的精度，未来研究中应进一步规范和完善田间试验数据和数据质量，并对模型内部子模块计算方法进行本土化处理和修正优化。

（4）模型无法模拟病虫害、极端天气（如洪水、冰雹、飓风）和复杂养分转移对玉米生长和产量影响情况。应结合其他预测工具如全球气候模型(Global Climate Models, GCMs)和区域气候模型(Regional Climate Models，RCMs)共同预测气候变化对作物生长的影响[63]。

（5）不同作物模型的结构原理及适用条件存在明显差异。Hijmans等开发的WOFOST（World Food Studies）模型侧重于定量描述作物产量的形成过程[64]；澳大利亚CSIRO开发的APSIM（Agricultural Production Systems Simulator）模型核心是土壤[65]，突出强调不同耕作方式对作物生长的影响，联合国粮农组织开发的AquaCrop模型则强调作物对水分胁迫的反应[66]，可将上述作物模型与DSSAT模型进行耦合以实现优势互补，从而更全面地模拟温度、土壤、管理措施和氮肥等影响因素对作物生长发育的影响。

（6）此外，作物模型的存在是为了解决实际生产问题，为实现模型的长期研究战略规划和实施，应考虑模型使用的方便性和实用性，模型的使用不应局限于科研，更应该针对小农生产提供强化管理技术，以便实现生产力和环境效益的协同增长[67]。

[1] Jones J W,Tsuji G Y,Hoogenboom G,et al.Decision support system for agrotechnology transfer:DSSAT v3[M]. Understanding Options for Agricultural Production,Dordrecht:Springer Netherlands,1998:157-177.

[2] 陈学文,张兴义,隋跃宇.农田黑土玉米生长过程模拟研究[J].农业系统科学与综合研究,2009,25(2):163-166.

Chen X W,Zhang X Y,Sui Y Y.Modeling the maize growth processes in black farmland[J].System Sciences and Comprehensive Studies in Agriculture,2009,25(2):163- 166.(in Chinese)

[3] 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)

[4] Ritchie J T.International consortium for agricultural systems applications (ICASA):establishment and purpose[J]. Agricultural Systems,1995,49(4):329-335.

[5] Jones J W,Hoogenboom G,Porter C H,et al.The DSSAT cropping system model[J].European Journal of Agronomy, 2003,18(3):235-265.

[6] Jiang M,Jin Z.A method for upscaling genetic parameters of CERES-Rice in regional applications[J].Rice Science, 2009,16(4):292-300.

[7] Mackinnon J C. CERES-Maize: A simulation model of maize growth and development[J].Computers and Electronics in Agriculture,1987(2):171-172.

[8] 宋利兵.气候变化下中国玉米生长发育及产量的模拟[D].杨凌:西北农林科技大学,2020.

Song L B.Simulation of maize growth and yield under climate change in China[D].Yangling:Northwest A&F University,2020.(in Chinese)

[9] Hoogenboom G, Jones J W, Boote K J.Modeling growth, development,and yield of grain legumes using SOYGRO, PNUTGRO,and BEANGRO:a review[J]. Transactions of the ASAE,1992,35(6):2043-2056.

[10] Knörzer H,Grözinger H,Graeff Hönninger S,et al. Integrating a simple shading algorithm into CERES-wheat and CERES-maize with particular regard to a changing microclimate within a relay-intercropping system[J].Field Crops Research,2011,121(2):274-285.

[11] Iglesias A.Use of DSSAT models for climate change impact assessment:Calibration and validation of CERES- Wheat and CERES-Maize in Spain[C]. New York: Nova Science Publishers, 2006:1-45.

[12] Araya A,Hoogenboom G,Luedeling E,et al.Assessment of maize growth and yield using crop models under present and future climate in southwestern Ethiopia[J].Agricultural and Forest Meteorology,2015,214:252-265.

[13] Rosenzweig C,Jones J W,Hatfield J L,et al.The agricultural model intercomparison and improvement project (AgMIP):protocols and pilot studies[J].Agricultural and Forest Meteorology,2013,170:166-182.

[14] Tremblay M,Wallach D.Comparison of parameter estimation methods for crop models[J].Agronomie,2004,24(6-7):351- 365.

[15] He J,Jones J W,Graham W D,et al.Influence of likelihood function choice for estimating crop model parameters using the generalized likelihood uncertainty estimation method [J].Agricultural Systems,2010,103(5):256-264.

[16] Jiang R,He W,He L,et al.Modelling adaptation strategies to reduce adverse impacts of climate change on maize cropping system in Northeast China[J].Scientific Reports, 2021,11(1):1-13.

[17] 丛佳慧,田兴帅,赵向阳,等.基于DSSAT模型和天气预报策略预测农户当季玉米产量[J].玉米科学,2022,30(4): 62-72.

Cong J H,Tian X S,Zhao X Y,et al.In-season maize yield prediction of farmers based on DSSAT and weather forecasting strategy[J].Journal of Maize Sciences,2022, 30(4):62-72.(in Chinese)

[18] Liu H L,Yang J,He P,et al.Optimizing parameters of CSM-CERES-Maize model to improve simulation performance of maize growth and nitrogen uptake in Northeast China[J].Journal of Integrative Agriculture,2012, 11(11):1898-1913.

[19] 刘影,关小康,杨明达,等.基于DSSAT模型对豫北地区夏玉米灌溉制度的优化模拟[J].生态学报,2019,39(14): 5348-5358.

Liu Y,Guan X K,Yang M D,et al.Optimizing the summer maize irrigation schedule in North Henan Province based on the DSSAT model[J].Acta Ecologica Sinica,2019,39 (14):5348-5358.(in Chinese)

[20] Ray D K,Gerber J S,Macdonald G K,et al.Climate variation explains a third of global crop yield variability[J].Nature Communications,2015,6(1):1-9.

[21] Tofa A I,Kamara A Y,Babaji B A,et al.Assessing the use of a drought-tolerant variety as adaptation strategy for maize production under climate change in the savannas of Nigeria[J].Scientific Reports,2021,11(1):1-16.

[22] 李阔,熊伟,潘婕,等.未来升温1.5℃与2.0℃背景下中国玉米产量变化趋势评估[J].中国农业气象,2018,39(12): 765-777.

Li K,Xiong W,Pan J,et al.Trend evaluation on changes of maize yield in China under global warming by 1.5 and 2.0℃[J]. Chinese Journal of Agrometeorology,2018,39(12):765- 777.(in Chinese)

[23] 晋程绣,姜超,张曦月.CMIP6模式对中国西南地区气温的模拟与预估[J].中国农业气象,2022,43(8):597-611.

Jin C X,Jiang C,Zhang X Y.Evaluation and projection of temperature in Southwestern China by CMIP6 models [J].Chinese Journal of Agrometeorology,2022,43(8):597- 611.(in Chinese)

[24] 番兴明,杨峻芸,谭静,等.用CERES玉米生长模型预测优质蛋白玉米生物产量的形成[J].西南农业大学学报, 2001,45(1):1-3.

Fan X M,Yang J Y,Tan J,et al.Use of CERES-Maize model to predict biomass production of quality-protein maize cultivars[J].Journal of Southwest Agricultural University, 2001,45(1):1-3.(in Chinese)

[25] Olesen J,Børgesen C,Elsgaard L,et al.Changes in time of sowing, flowering and maturity of cereals in Europe under climate change[J].Food Additives & Contaminants:Part A,2012,29(10):1527-1542.

[26] Araya A,Prasad P V V,Gowda P H,et al.Management options for mid-century maize (L.) in Ethiopia[J]. Science of the Total Environment,2021,758:e143635.

[27] Sanchez B,Rasmussen A,Porter J R.Temperatures and the growth and development of maize and rice:a review[J]. Glob Chang Biol,2014,20(2):408-417.

[28] Tigchelaar M,Battisti D S,Naylor R L,et al.Future warming increases probability of globally synchronized maize production shocks[J].Proceedings of the National Academy of Sciences,2018,115(26):6644-6649.

[29] Ritchie J T,Singh U,Godwin D C,et al.Cereal growth, development and yield[M].Kluwer Academic Publishers, 1998:79-89.

[30] Edreira J I R,Carpici E B,Sammarro D,et al.Heat stress effects around flowering on kernel set of temperate and tropical maize hybrids[J].Field Crops Research,2011,123 (2):62-73.

[31] Chowdhury S,Wardlaw I F.The effect of temperature on kernel development in cereals[J].Crop & Pasture Science, 1978,29(2):205-223.

[32] Prasad P V V,Boote K J,Allen L H.Adverse high temperature effects on pollen viability,seed-set,seed yield and harvest index of grain-sorghum[(L.) Moench] are more severe at elevated carbon dioxide due to higher tissue temperatures[J].Agricultural and Forest Meteorology,2006,139(3-4):237-251.

[33] Prasad P V V,Boote K J,Allen L,et al.Species,ecotype and cultivar differences in spikelet fertility and harvest index of rice in response to high temperature stress[J].Field Crops Research,2006,95(2-3):398-411.

[34] Asseng S,Ewert F,Martre P,et al.Rising temperatures reduce global wheat production[J].Nature Climate Change, 2015,5(2):143-147.

[35] Liu B,Asseng S,Liu L,et al.Testing the responses of four wheat crop models to heat stress at anthesis and grain filling[J].Global Chang Biology,2016,22(5):1890-1903.

[36] Strer M, Svoboda N, Herrmann A.Abundance of adverse environmental conditions during critical stages of crop production in Northern Germany[J].Environmental Sciences Europe,2018, 30(1):1-16.

[37] Ali M G M,Ahmed M,Ibrahim M M,et al.Optimizing sowing window,cultivar choice,and plant density to boost maize yield under RCP8.5 climate scenario of CMIP5[J]. International Journal of Biometeorology,2022,66(5):971- 985.

[38] Guo E,Liu X,Zhang J,et al.Assessing spatiotemporal variation of drought and its impact on maize yield in Northeast China[J].Journal of Hydrology,2017,553:231- 247.

[39] 段萌,张宝忠,魏征,等.不同施氮量对玉米器官形态指标的影响分析与定量模拟[J].农业机械学报,2022,53(10): 284-292.

Duan M,Zhang B Z,Wei Z,et al.Effects of different nitrogen application rates on morphological indices of maize organs and quantitative simulation[J].Transactions of the Chinese Society for Agricultural Machinery,2022,53 (10):284-292.(in Chinese)

[40] Jiang R,He W,Zhou W,et al.Exploring management strategies to improve maize yield and nitrogen use efficiency in northeast China using the DNDC and DSSAT models[J].Computers and Electronics in Agriculture,2019, 166:e104988.

[41] Liu J,Zhu L,Luo S,et al.Response of nitrous oxide emission to soil mulching and nitrogen fertilization in semi-arid farmland[J].Agriculture, Ecosystems & Environment,2014, 188:20-28.

[42] Zhang Y,Wang H,Lei Q,et al.Optimizing the nitrogen application rate for maize and wheat based on yield and environment on the Northern China Plain[J].Science of the Total Environment,2018,618:1173-1183.

[43] Li S,Lei Y,Zhang Y,et al.Rational trade-offs between yield increase and fertilizer inputs are essential for sustainable intensification:a case study in wheat–maize cropping systems in China[J].Science of the Total Environment, 2019,679:328-336.

[44] Ren H,Li Z,Cheng Y,et al.Narrowing yield gaps and enhancing nitrogen utilization for summer maize (L.) by combining the effects of varying nitrogen fertilizer input and planting density in DSSAT simulations [J].Frontiers in Plant Science,2020,11:e560466.

[45] Ren H,Han K,Liu Y,et al.Improving smallholder farmers' maize yields and economic benefits under sustainable crop intensification in the North China Plain[J].Science of the Total Environment,2021,763:e143035.

[46] Jeong H,Bhattarai R.Exploring the effects of nitrogen fertilization management alternatives on nitrate loss and crop yields in tile-drained fields in Illinois[J].Journal of Environmental Management,2018,213:341-352.

[47] Zhao J,Yang X,Liu Z,et al.Greater maize yield improvements in low/unstable yield zones through recommended nutrient and water inputs in the main cropping regions,China[J]. Agricultural Water Management,2020,232:e106018.

[48] Zhou L,Wang Y,Jia Q,et al.Evapotranspiration over a rainfed maize field in northeast China:how are relationships between the environment and terrestrial evapotranspiration mediated by leaf area[J].Agricultural Water Management, 2019,221:538-546.

[49] Li Y,Yang L,Wang H,et al.Nutrient and planting modes strategies improves water use efficiency,grain-filling and hormonal changes of maize in semi-arid regions of China[J].Agricultural Water Management,2019,223:e105723.

[50] Li G,Zhao B,Dong S,et al.Controlled-release urea combining with optimal irrigation improved grain yield, nitrogen uptake, and growth of maize[J].Agricultural Water Management,2020,227:e105834.

[51] Anothai J,Soler C M T,Green A,et al.Evaluation of two evapotranspiration approaches simulated with the CSM- CERES-Maize model under different irrigation strategies and the impact on maize growth,development and soil moisture content for semi-arid conditions[J].Agricultural and Forest Meteorology,2013,176: 64-76.

[52] Jiang Y,Zhang L,Zhang B,et al.Modeling irrigation management for water conservation by DSSAT-maize model in arid northwestern China[J].Agricultural Water Management,2016,177:37-45.

[53] 杨晓娟,张仁和,路海东,等.基于CERES-Maize模型的玉米水分关键期干旱指数天气保险:以陕西长武为例[J].中国农业气象,2020,41(10):655-667.

Yang X J,Zhang R H,Lu H D,et al.Drought index insurance of maize in water critical period based on CERES-Maize Model:a case study of Changwu,Shaanxi[J].Chinese Journal of Agrometeorology,2020,41(10):655-667.(in Chinese)

[54] 张建平,何永坤,王靖,等.不同发育期干旱对玉米籽粒形成与产量的影响模拟[J].中国农业气象,2015,36(1): 43-49.

Zhang J P,He Y K,Wang J,et al.Impact simulation of drought at different growth stages on grain formation and yield of Maize[J].Chinese Journal of Agrometeorology, 2015,36(1):43-49.(in Chinese)

[55] Chen S,Jiang T,Ma H,et al.Dynamic within-season irrigation scheduling for maize production in Northwest China:a method based on weather data fusion and yield prediction by DSSAT[J].Agricultural and Forest Meteorology, 2020,285:e107928.

[56] Ban H,Ahn J,Lee B.Assimilating MODIS data-derived minimum input data set and water stress factors into CERES-Maize model improves regional corn yield predictions[J].Plos One,2019,14(2): e211874.

[57] Wu W,Chen J,Liu H,et al.Parameterizing soil and weather inputs for crop simulation models using the VEMAP database[J].Agriculture,Ecosystems & Environment,2010, 135(1):111-118.

[58] 番兴明,Jintrawet Attachai,陈洪梅.用CERES玉米模型模拟优质蛋白玉米品种叶片增长动态(英文)[J].西南农业学报,2001,20(2):22-26.

Fan X M,Attachai J,Chen H M.Using CERES-maize model to simulate leaves dynamic for quality protein maize cultivars [J].Southwest China Journal of Agricultural Sciences,2001,20(2):22-26.(in Chinese)

[59] Han E,Ines A V M,Koo J.Development of a 10km resolution global soil profile dataset for crop modeling applications[J].Environmental Modelling & Software,2019, 119:70-83.

[60] 杨靖民,窦森,杨靖一,等.基于DSSAT模型的吉林省黑土作物-土壤氮循环和土壤有机碳平衡[J].应用生态学报, 2011,22(8):2075-2083.

Yang J M,Dou S,Yang J Y,et al.Crop-soil nitrogen cycling and soil organic carbon balance in black soil zone of Jilin province based on DSSAT model[J].Chinese Journal of Applied Ecology,2011,22(8):2075-2083.(in Chinese)

[61] 杨玥.旱地保护性耕作对土壤水肥特征与作物产量的影响[D].杨凌:西北农林科技大学,2021.

Yang Y.Effects of conservation tillage on water, nutrient use and crop yield in dryland[D].Yangling:Northwest A&F University,2021.(in Chinese)

[62] 刘涛,万能涵,张镇涛,等.DSSAT模型对吉林省梨树县部分主要作物的适用性[J].生态学杂志,2022, 41(1):1-11.

Liu T,Wan N H,Zhang Z T,et al. Adaptability of DSSAT crop model to main crops in Lishu county, Jilin province [J]. Chinese Journal of Ecology,2022, 41(1):1-11. (in Chinese).

[63] 陶生才,潘婕,刘珂.DSSAT模型在中国农业与气候变化领域应用进展[J].中国农学通报,2015,31(9):200-206.

Tao S C,Pan J,Liu K.The application progress of DSSAT in the field of agriculture and climate change in China [J].Chinese Agricultural Science Bulletin,2015,31(9):200- 206.(in Chinese)

[64] Diepen C A V,Wolf J,Keulen H V,et al.WOFOST:a simulation model of crop production[J].Soil Use and Management,1989(5):16-24.

[65] Brisson N,Gary C,Justes E,et al.An overview of the crop model STICS[J].European Journal of Agronomy,2003, 18(3-4):309-332.

[66] Steduto P,Hsiao T C,Raes D,et al.AquaCrop:the FAO crop model to simulate yield response to water I:concepts and underlying principles[J].Agronomy Journal,2009,101(3): 426-437.

[67] Cui Z,Zhang H,Chen X,et al.Pursuing sustainable productivity with millions of smallholder farmers[J]. Nature,2018,555(7696):363-366.

Progress of DSSAT-CSM Model Application in Maize Planting Research

WANG Yu-ling1, XU Chun-xia2, BI Ya-qi2, FAN Jun2, GUO Rui-jia2, WANG Jing2, FAN Xing-ming2

(1. Institute of Resource Plants, Yunnan University, Kunming 650504, China; 2. Food Crops Research Institute, Yunnan Academy of Agricultural Sciences, Kunming 650205)

Crop models play an important role in the simulation, evaluation and prediction of maize production. Through literature review, the authors systematically summarized the development and application of DSSAT-CSM model in China; the composition, development and shortcomings of DSSAT-CSM model; and the process and results of using crop model to simulate the key factors affecting maize growth. It provided reference and technical support for crop model to optimize maize growth and yield by adjusting crop variety parameters, temperature variation, nitrogen fertilizer measures, irrigation system and key soil factors. Uncertainty and deficiencies of current crop models were the key factors that limited simulation accuracy and efficiency. Therefore, standardizing data collection, coupling multiple types of crop models, optimizing dynamic management processes, and modifying and optimizing models are the future trends of crop models.

Crop model; DSSAT-CSM; Maize; Crop growth

10.3969/j.issn.1000-6362.2023.06.004

王宇玲,徐春霞,毕亚琪,等.DSSAT-CSM模型在玉米种植研究中的应用进展[J].中国农业气象,2023,44(6):492-501

2022−07−01

云南省院士专家工作站(202205AF150028)；云南省高端外国专家专项

番兴明，博士，研究员，研究方向为玉米种质资源与遗传育种，E-mail: xingmingfan@163.com

王宇玲，E-mail：13522506922@163.com