基于APSIM模型模拟分析气候变化对不同熟性北方冬小麦生长和产量的影响

史鑫蕊，韩百书，王紫芊，张媛铃，李萍，宗毓铮，张东升，高志强，郝兴宇

基于APSIM模型模拟分析气候变化对不同熟性北方冬小麦生长和产量的影响

史鑫蕊，韩百书，王紫芊，张媛铃，李萍，宗毓铮，张东升，高志强，郝兴宇

山西农业大学农学院，山西太谷 030801

【目的】开展气候变化对冬小麦生长发育和产量影响研究，为未来气候变化下小麦可持续生产提供依据。【方法】利用2017—2020年度控制气室中不同温度和[CO2]处理下的良星99（晚熟品种）和中科2011（早熟品种）冬小麦生长发育、土壤及气象数据，对APSIM（agricultural production systems simulator）模型进行校验，然后，以1986—2005年为基准年份，利用校验好的APSIM模型对未来不同气候条件下（RCP 4.5和RCP 8.5）的冬小麦产量、产量构成和生育期进行模拟，分析气候变化和极端高温对不同熟性冬小麦品种生产潜力的影响。【结果】APSIM模型能较好地模拟不同温度和[CO2]处理下2个品种冬小麦的生育期、产量和生物量，模拟值与实测值的2均高于0.614，均低于10.6%，叶面积指数（LAI）的模拟效果相对较差。从长期模拟结果来看，不同气候条件下，2个品种小麦的播种-拔节天数均较基准年份缩短，且早熟品种小麦播种-拔节缩短的天数小于晚熟品种，2个品种拔节-成熟天数均无明显变化。相较基准年份，未来RCP条件下，2个品种小麦的实际产量和潜在产量均增加，且2100s时段RCP 8.5条件下的产量和潜在产量最高，早熟品种的产量和潜在产量相较晚熟品种增产更明显。与基准年份相比，未来RCP条件下，生育前期2个品种小麦的LAI均升高，但早熟品种LAI变化更明显，生育后期晚熟品种的LAI明显降低，而早熟品种的LAI无明显差异；未来RCP条件下，2个品种的地上部生物量均增加，早熟品种生物量增长更明显。不同RCP条件下，极端高温对2个品种冬小麦产量和千粒重均有一定的负面影响，且开花期极端高温对千粒重的影响最大。与正常年份相比，极端高温年份晚熟品种2100s时段RCP 8.5条件下的千粒重和产量明显降低，籽粒数也略有降低。与正常年份相比，未来RCP条件下，极端高温均明显降低了早熟品种的千粒重，但籽粒数略有升高，因此，极端高温年份早熟品种产量降低不明显。【结论】冬小麦早熟品种更能适应未来气候变化，而选育适宜的小麦品种是应对未来气候变化的有效措施之一。

气候变化；极端高温；冬小麦品种；产量；APSIM模型

0 引言

【研究意义】2011—2020年，全球地表平均温度较1850—1900年增加了0.95 ℃—1.20 ℃，而大气CO2浓度（[CO2]）大约增加了47%[1]。地球系统模型预测在21世纪末全球大气[CO2]可能会达到1 100 µmol·mol-1（SSP5-8.5），而2081—2100年的全球表面温度将比1850—1900年增加1.0 ℃—1.8 ℃（SSP1-1.9）到3.3 ℃—5.7 ℃（SSP5-8.5）[1]。【前人研究进展】过去30年，在气温、降水和太阳辐射等气象因素的综合作用下，中国北方小麦产量增加了1%—13%，而南方小麦产量减少了1%—10%[2]。[CO2]升高可以增加小麦的地上部生物量和籽粒产量[3-4]。Broberg等[5]研究指出[CO2]升高使小麦产量增加26%，而气温升高使冬小麦生长期缩短[6]。温度和[CO2]同时升高，则显著提高灌溉冬小麦的茎部生物量，有效穗数也略有增加，但对每穗粒数、千粒重和产量的影响较小[7]。此外，自20世纪中叶以来，极端温度事件发生的频率和强度显著增加[5, 8]，极端高温会降低主要粮食作物（如小麦[7,9]、水稻和玉米[10]）的产量。通过控制试验评估[CO2]和温度升高对作物的长期影响较为困难，而作物模型经过严格的试验数据校验后可对不同生长条件下的作物生长进行长期评估[11-12]。目前，作物模型已被广泛用于模拟未来气候变化对小麦生产的影响[13-14]。Zhang等[15]采用APSIM（agricultural production systems simulator）模型研究了不同气温和[CO2]对小麦生长和产量的影响，结果表明，气温升高通过减少春化延长了小麦的营养生长期，从而使得小麦产量降低，而大气[CO2]升高会使不同小麦品种的产量有所增加。【本研究切入点】已有大量研究基于作物模型探究未来气候变化对作物生产的影响，但是模型在未来气候条件下的适用性仍有待验证。基于气温和[CO2]增加控制试验对模型进行验证可以提高模型在未来气候变化情景下应用的可信度，但该方面的研究还相对较少。此外，多数研究通常只是基于单一品种来评估气候变化对小麦生产系统的影响，未能考虑不同熟性品种的差异，无法捕捉冬小麦对温度升高响应的种内差异[16]。通过不同熟性小麦品种间的比较，可以更好地反映出冬小麦对于未来气候变化的响应机制。【拟解决的关键问题】本研究基于3个冬小麦生长季的环境控制室试验数据对作物生长模型APSIM-Wheat进行校验，利用校验好的APSIM-Wheat模型来模拟评价未来气候情景下的小麦发育期、叶面积指数（leaf area index，LAI）、生物量和产量的变化，分析不同未来气候情景下极端高温对2个不同熟性品种（早熟和晚熟）冬小麦的产量和产量构成的影响，拟为未来气候条件下华北地区的冬小麦生产和品种选择提供理论依据。

1 材料与方法

1.1 试验设计

试验在山西省晋中市山西农业大学农作站（35°20′N，111°17′E，630 m）的人工控制气候室进行。在控制气室内使用花盆（60 cm×40 cm×30 cm）种植冬小麦，盆内土壤深度为25 cm，供试土壤取自附近农田0—20 cm的表层土壤。通过严格控制气室的大气温度和[CO2]设置了4个试验处理：1）CK（温度为环境温度，[CO2]约为400 µmol·mol-1）；2）EC（elevated [CO2]，温度为环境温度，[CO2]约为600 µmol·mol-1)；3）ET（elevated temperature，环境温度+2 ℃，[CO2]约为400 µmol·mol-1）；4）ECT（elevated [CO2] and temperature，环境温度+2 ℃，[CO2]约为600 µmol·mol-1）。

2017—2020年种植晚熟品种良星99，2017—2018年和2019—2020年种植早熟品种中科2011。2017、2018和2019年的播种日期分别为10月25日、10月13日和10月27日，种植密度分别为333、250和300株/m2，行间距均为0.28 m。播期基施尿素146 kg N·hm-2，拔节期追施尿素167 kg N·hm-2。灌溉时间和灌溉量根据小麦生长状况确定，具体灌溉情况见图1。

图1 2017—2020年冬小麦盆栽试验灌溉日期及灌溉量

1.2 测定项目及方法

生育期测定：小麦播种后每天对各控制气室中的小麦生育时期进行观察，分别记录播种、出苗、返青、拔节、孕穗、抽穗、开花、成熟。

叶面积指数（LAI）：关键生育期每盆取5株小麦，使用尺子测量小麦每片叶子的叶长和叶宽，小麦叶面积=叶长×叶宽×0.83，LAI=单盆小麦总株数×单株叶面积/花盆面积。

生物量、产量以及产量构成的测定：在收获期测定各气室每盆小麦的地上生物量、产量、粒数和千粒重。脱粒后，以所有穗粒重测定每盆产量。每盆随机选取10株小麦，测定其粒数，并选取1 000粒籽粒饱满的小麦，测定其千粒重。

1.3 APSIM-Wheat模型

APSIM模型框架构成包括生物物理模块（作物模块和土壤模块）、管理模块（播种、灌溉、施肥和耕作措施等田间管理）、数据输入输出模块（气象数据输入和模拟结果输出）以及模型引擎。该模型为可插拔式架构，可将所需模块插入基础模型中进行气候变化和水分控制等模拟。APSIM模型中仅有部分作物（如小麦、燕麦和玉米）具有[CO2]变化的模拟模块，但所有作物均可添加温度模块模拟温度变化对作物生产的影响。

使用APSIM 7.10模型对气候变化条件下的冬小麦生产进行模拟。APSIM-Wheat模型所需数据包括气象数据、土壤数据、作物数据以及管理数据。气象数据包括逐日最高气温、最低气温、降水量和太阳辐射。试验年份气象数据由控制气室收集得到，模拟年份气象数据来源于中国气象局科学数据共享服务网（http://data.cma.cn/）。模型校验所需土壤数据以及作物产量、生物量、LAI等数据由气室田间实测得到。播种、灌溉、施肥等管理数据以及作物生育时期数据由田间观察获得。

使用2017—2018年良星99和中科2011，2018— 2019年良星99的播种-成熟间隔天数、产量、生物量和LAI等观测数据来校准模型。随后，利用2019— 2020年良星99和中科2011的试验观测数据对校准后的模型进行验证。根据实测数据，采用试错法对模型调参，使模型模拟的播种–成熟间隔天数、生物量、产量和LAI等与实测数据的误差最小，从而得到最适的品种参数，2个冬小麦品种的遗传参数见表1。

表1 冬小麦品种良星99和中科2011的APSIM-Wheat模型遗传参数

APSIM模型可用于模拟作物潜在产量，即满足充足灌溉和施肥条件下，作物能获得的最高产量。本研究中，将灌溉管理设置为充分灌溉，确保生育期无水分胁迫，在小麦生育期内各层的土壤水分总亏缺量大于20 mm时，进行补充灌溉，灌溉量为土壤水分亏缺量。为充分满足作物养分需求，施肥设置为播前施基肥250 kg N·hm-2，拔节期追施氮肥250 N kg·hm-2，确保生育期内无氮素胁迫，并且下茬冬小麦播种前，将土壤中的氮素情况重新设置归于初始状态，以减少上茬冬小麦季的残留氮肥在土壤中累积[17]。

1.4 未来气候情景和长期模拟

2013年IPCC报告[18]结果以1986—2005年为基准期，预测了21世纪中期（2046—2065年，即2050s时段）和后期（2081—2100年，即2100s时段）的4种RCP气候条件（representative concentration pathway scenarios），即RCP 2.6、RCP 4.5、RCP 6.0和RCP 8.5。本研究中未来气候条件以IPCC报告（2013）为依据，不同RCP气候条件下温度和[CO2]如表2所示。

表2 不同RCP气候情景中温度和[CO2]情况

T表示当前的环境温度 T represents the current ambient temperature

根据表2中给出的基准年份和未来时段的气温和[CO2]值对模型长期模拟进行设定。针对基准年份20年序列的每日平均气温T，将每日平均气温分别提高1.4 ℃、2 ℃、1.8 ℃和3.7 ℃分别对应未来2050s时段RCP 4.5和RCP 8.5、2100s时段RCP 4.5和RCP 8.5气候条件的气温数据，在基准年份环境[CO2]400 mol·mol-1的基础上，将上述未来4个气候条件的[CO2]值分别设定为487、541、538和936 mol·mol-1，分别对应上述4个气候条件的[CO2]。共进行了190次模拟（2品种×5情景×19生长季）。模型长期模拟使用的田间管理和土壤数据与环境控制气室相同。

1.5 高温年型划分

Hawker等[19]研究表明小麦生育期临界最高气温为35 ℃。根据开花期至成熟期日最高气温超过35 ℃的累计值（E），将试验年份分为极端高温年份、高温年份和正常年份3种高温年型[20]，分析未来不同RCP气候条件下不同温度和[CO2]处理以及极端高温对冬小麦产量及产量构成的影响。

式中，表示天数；max为日最高温度；T是小麦生育期最高温度（35℃）的临界值；为极端高温指数；P和M分别为20年每年E和20年平均E；σ为标准差。其中，正常年份：≤-0.35；高温年：-0.35＜＜0.35；极端高温年：≥0.35。

温度数据分析结果发现2017—2018年为正常年份，2018—2019年为极端高温年份，2019—2020年为高温年份，未来模拟年份的高温年型划分结果如表3。

表3 不同RCP气候条件的高温年型划分

1.6 模型模拟评价

选择3个指标来评价APSIM模型对不同气温和[CO2]下小麦生育时期间隔天数、LAI、地上部生物量和产量的模拟效果[21-22]，分别为决定系数（2）（determination coefficient；公式4）、均方根误差（root mean square error；公式5）和标准化均方根误差（normalized root-mean-square error；公式6）。表示平均偏差占实测值均值的百分比，≤15%、15＜＜30%、≥30%分别代表模型模拟效果较好、中等、较差[23-24]。

式中，O和P分别表示每日的观测值和模拟值；和分别为观测值和模拟值的平均值。

2 结果

2.1 APSIM模型校准与验证

利用2017—2018和2018—2019年实测的2个冬小麦品种播种-成熟天数、产量、生物量和LAI对APSIM-Wheat模型参数进行校准。结果表明，4个观测指标的模拟值与实测值的决定系数2均大于0.5839，说明模拟值与实测值之间具有较好的相关性。播种-成熟天数、产量和生物量的实测值与模拟值的值均低于15.80%，表示模拟效果良好。LAI实测值与模拟值的值为21.49%，介于15%—30%，模拟效果为中等，在可接受范围内（图2）。

利用2019—2020年的观测结果对模型进行验证，结果表明，除LAI外，其余3个观测指标的模拟值与实测值的2均高于0.614，均低于10.6%，说明该模型能够较好地模拟冬小麦播种-成熟天数及产量和生物量。但是LAI的模拟效果较差，模拟值与实测值的相关性较低，这可能是由于盆栽试验对小麦生长的限制造成的（图3）。综上可知，APSIM模型能较好地模拟不同温度和[CO2]处理下2个不同熟性品种冬小麦的生育期、产量、生物量及LAI。

图中实线为回归线，虚线为1﹕1线。下同 The solid line represents the regression line, and the dotted line represents the 1:1 line. the same as below

图3 2019—2020年小麦播种–成熟天数（a）、产量（b）、生物量（c）以及LAI（d）的实测值和模拟值的模型验证结果

2.2 不同RCP条件下冬小麦生育期变化

基准年份和未来不同RCP气候情景下，中科2011（早熟）和良星99（晚熟）小麦生育期每10年分别缩短5.62和6.66 d（基准年份）、4.63和6.43 d（2050s和RCP 4.5）、4.36和5.60 d（2050s和RCP8.5）、4.47和5.97 d（2100s和RCP 4.5）、3.18和4.04 d（2100s和RCP 8.5）。小麦播种-拔节天数每10年分别缩短4.87和6.17 d（基准年份）、4.97和6.10d（2050s和RCP 4.5）、5.14和6.14 d（2050s和RCP 8.5）、5.14和5.94 d（2100s和RCP 4.5）、4.74和5.68 d（2100s和RCP 8.5）。早熟品种小麦生育期和播种-拔节缩短的天数均小于晚熟品种，2个品种小麦的拔节–成熟天数均无明显变化（图4）。结果表明，未来气温和[CO2]升高对晚熟品种生育期的影响更大。

2.3 不同RCP条件下冬小麦产量和潜在产量的变化

基准年份和未来不同RCP气候条件下，中科2011小麦平均产量和平均潜在产量均明显低于良星99，基准年份、2050s时段RCP 4.5和RCP8.5条件、2100s时段RCP 4.5和RCP 8.5条件下，产量和潜在产量分别降低了6.3%和28.7%、9.8%和23.4%、11.2%和21.8%、10.4%和22.1%、16.9%和14.2%（图5）。

从平均产量来看（图5-a—b），2100s时段RCP 8.5气候条件下，良星99小麦平均产量较基准年份平均产量升高15.9%，其余3个未来气候条件和基准年份的平均产量均无明显差异。在2050s时段RCP 8.5条件下、2100s时段RCP 4.5和RCP 8.5条件下，中科2011小麦平均产量分别较基准年份平均产量升高11.3%、11.6%和21.2%。晚熟品种小麦的平均产量仅在2100s时段RCP8.5条件下明显增加，而早熟品种平均产量除2050s时段RCP 4.5条件无明显差异外，其余条件下产量均明显增加。

从潜在产量来看（图5-c—d），在2050s时段RCP 8.5条件下、2100s时段RCP 4.5和RCP 8.5条件下，良星99小麦平均潜在产量分别较基准年份平均产量升高7.8%、7.7%和15.9%。在未来不同气候条件下，中科2011小麦平均潜在产量均明显高于基准年份，分别提高了11.7%（2050s和RCP 4.5）、15.9%（2050s和RCP 8.5）、15.5%（2100s和RCP 4.5）和30.1%（2100s和RCP 8.5）。未来气温和[CO2]升高背景下，早熟和晚熟品种的潜在产量均较基准年份明显增加，但早熟品种的增产潜力更大。

图4 不同RCP气候条件下良星99（a、c和e）和中科2011（b、d和f）播种-成熟天数（a和b）、播种-拔节天数（c和d）和拔节-成熟天数（e和f）的变化

2.4 不同RCP情景下冬小麦LAI和地上部生物量的变化

幼苗期，与基准年份相比，未来不同RCP条件下中科2011冬小麦LAI分别提高了28.1%（2050s和RCP 4.5）、37.8%（2050s和RCP 8.5）、35.4%（2100s和RCP 4.5）和58.5%（2100s和RCP 8.5），良星99分别提高了25.9%（2050s和RCP 4.5）、34.1%（2050s和RCP 8.5）、31.7%（2100s和RCP 4.5）和55.1%（2100s和RCP 8.5）。良星99小麦LAI拔节期和开花期只有2100s时段RCP 8.5条件明显高于基准年份，分别提高了22.9%和16.0%；灌浆期，不同条件下LAI均无明显变化；灌浆结束期，未来各RCP条件均明显低于基准年份。中科2011小麦LAI在拔节期和开花期未来各RCP条件均明显高于基准条件，分别提高了12.7%和10.6%（2050s和RCP 4.5）、17.3%和17.5%（2050s和RCP 8.5）、16.9%和16.8%（2100s和RCP 4.5）、27.1%和24.1%（2100s和RCP 8.5）。中科2011在灌浆期和灌浆结束期不同条件LAI均无明显变化（图6-a和图6-c）。

图5 不同RCP气候条件下良星99和中科2011小麦品种产量（a和b）和潜在产量（c和d）变化

良星99地上部生物量除出苗期各情景无明显变化外，其他时期均只有2100s和RCP 8.5条件下生物量明显高于基准年份，各时期分别提高了61.0%（幼苗期）、30.0%（拔节期）、25.4%（开花期）、22.8%（灌浆期）和22.2%（灌浆结束期）。中科2011地上部生物量除出苗期各条件无明显变化外，其他时期未来不同RCP条件生物量均明显高于基准年份（图6-b和图6-d）。

以上结果表明，未来气温和[CO2]升高主要影响了幼苗期、拔节期和开花期的LAI，早熟品种在未来气候情景下LAI的增加幅度更明显，晚熟品种LAI变化较早熟品种小。地上部生物量也表现为不同生育时期早熟品种对未来气温和[CO2]升高的响应更明显。未来气候变化更利于早熟品种LAI和地上部生物量的增加。

2.5 不同RCP条件下极端高温对冬小麦产量和产量构成的影响

正常年份和高温年份，2100s和RCP 8.5气候条件下，良星99小麦产量较基准年份分别升高了17.1%和21.3%（＜0.05）。极端高温年份，未来各RCP气候条件较基准年份均无明显差异。正常年份，2100s时段RCP 8.5气候条件下中科2011的产量较基准年份升高21.2%；高温年份在2500s时段RCP 8.5气候条件下、2100s时段RCP 4.5和RCP 8.5气候条件下较基准年份分别升高了19.4%、21.0%和24.2%（＜0.05）。极端高温年份在未来各RCP气候条件较基准年份均无明显差异。2100s时段RCP 8.5条件下，极端高温年份良星99的产量较正常年份降低18.0%，较高温年份降低17.7%（＜0.05）。相同RCP条件下，极端高温年份较正常年份中科2011产量均降低（图7-a—b）。极端高温使早熟和晚熟品种的小麦产量均有所降低，但对早熟品种的影响较小，减产幅度低。

从单位面积籽粒数来看，2100s和RCP 8.5气候条件下，良星99小麦籽粒数较基准年份分别升高了17.7%（正常年份），27.3%（高温年份）和25.5%（极端高温年份）（＜0.05；图7-c）。相同RCP条件下，高温年份较正常年份良星99籽粒数分别升高了6.4%（2050s和RCP 8.5）、7.5%（2100s和RCP 4.5）和8.5%（2100s和RCP 8.5）；极端高温年份较正常年份下籽粒数分别升高了2.4%和3.7%。正常年份，2100s和RCP 8.5条件下，中科2011籽粒数较基准年份升高了21.7%（＜0.05；图7-d）。高温年份和极端高温年份，2050s和RCP 4.5、2050s和RCP 8.5、2100s和RCP 8.5条件下，中科2011籽粒数较基准年份均明显升高，分别升高了19.6%和15.0%，20.8%和14.5%，26.3%和19.9%（＜0.05）。相同RCP条件下，高温年份较正常年份中科2011籽粒数2050s时段RCP 4.5和RCP 8.5气候条件下、2100s时段RCP 4.5和RCP 8.5气候条件下，分别升高了0.2%，5.4%，6.8%和1.8%；除2100s时段RCP 8.5气候条件外，极端高温年份较正常年份分别升高了1.1%，3.5%和2.9%，差异较小。

图6 不同RCP气候条件下良星99和中科2011各生育时期叶面积指数（a和c）和地上部生物量（b和d）变化

2100s时段RCP 8.5气候条件下，极端高温年份良星99千粒重较正常年份降低18.2%（＜0.05；图7-e）。除基准年份外，在未来不同气候条件下，极端高温年份中科2011千粒重均低于高温年份和正常年份，分别降低12.9%和11.1%（2050s和RCP 4.5），11.3%和12.8%（2050s和RCP 8.5），12.9%和13.2%（2100s和RCP 4.5），9.2%和6.8%（2100s和RCP 8.5）（＜0.05；图7-f）。与小麦籽粒数相比，未来气候变化对不同品种小麦的千粒重影响相对较小。极端高温使早熟和晚熟品种的千粒重均有所降低，在2100s时段RCP 8.5条件下变化较明显。高温年份和正常年份早熟品种的籽粒数在未来气候变化下均无明显变化。

不同RCP气候条件下，2个品种小麦籽粒数与生育期极端高温指数E的相关性均不显著（表4），2个品种开花期E与千粒重相关性较高，尤其是早熟品种中科2011。中科2011开花期E在2100s RCP 8.5条件下明显低于其他处理（图8），这可能是中科2011极端高温年份籽粒数在2100s时段RCP 8.5条件下略高于其他RCP气候情景的原因（图7-d）。

未来不同RCP条件下，良星99千粒重只有在极端高温年份2100s时段RCP 8.5条件下明显低于正常年份（图7-e），中科2011千粒重在极端高温年份下所有未来RCP条件下均明显低于正常年份（图7-f）。良星99开花期E在极端高温年份明显高于正常年份，不同高温年型下中科2011开花期E无明显变化（图8）。中科2011开花期E在极端高温年份明显高于正常年份和高温年份，不同高温年型下良星99开花期E无明显变化（图8-b）。这或是早熟品种在气候变化条件下产量无明显下降的原因之一。

图7 不同RCP气候条件下良星99（a、c和e）和中科2011（b、d和f）的模拟产量（a和b）、籽粒数（c和d）和千粒重（e和f）

表4 不同RCP气候条件下小麦籽粒数和千粒重与不同阶段极端高温指数EDD的相关分析

表中数值表示不同品种在不同阶段的极端高温指数E与对应指标的相关性值。*表示在0.05水平显著相关

The values in the table represent the correlation between theEof different varieties at different stages and the corresponding indicators (grain numbers and 1000-grain weight). * represents significant correlation at the 0.05 level

图8 中科2011（a）和良星99（b）品种小麦在开花期和灌浆期的EDD分布情况

3 讨论

3.1 模型的验证效果和不确定性分析

作物模型已被广泛应用于模拟未来气候变化以及极端天气对作物生产的影响和栽培决策等[11-14]。本研究基于控制气室不同气温和[CO2]处理的小麦盆栽试验，根据小麦生育期实测的播种-成熟间隔天数、LAI、生物量和产量等数据，对APSIM模型进行了校准和验证，在此基础上模拟了未来不同气候情景下冬小麦的生长过程及产量构成等。从模型验证结果看，APSIM模型可以较好地模拟不同温度和[CO2]处理2个小麦品种的生育期、产量和生物量，但是LAI的模拟效果较差。本研究小麦生长试验是在控制气室的盆栽中进行的，小麦根系仅能生长在20 cm左右的土层，小麦根系仍有较大的伸展空间，盆栽中的小麦植株虽未出现任何发育不良的迹象，但与田间实际的生长环境相比仍然有一定差距，这可能是模型模拟值与实测值有一定误差的原因。

控制气室可以精准地控制大气温度和[CO2]，但是控制气室内的光照、风速、大气湿度等因素均与田间试验不同，未能反映农田的真实状况。本研究基于控制气室盆栽试验的实测数据进行模型校准，可能与实际的田间小麦生长存在一定的误差。有研究指出控制气室试验可能会高估[CO2]升高对作物产量的正效应[25]，开放式[CO2]升高试验（free-air CO2enrichment，FACE）可以避免气室试验的缺陷，更为准确地反映自然田间状况下作物对[CO2]的响应，未来冬小麦生产还需要进一步田间试验进行验证。

3.2 气候变化对冬小麦地上部生物量和产量的影响

有研究表明，气温升高缩短小麦全生育期，使穗粒数和千粒重下降，进而降低冬小麦产量与生物量；[CO2]升高可增加小麦产量和生物量[26]，CO2的肥效作用随温度升高生物量的增长程度增大[27]。陈新国[28]基于CERES-Wheat模型研究了新疆及黄淮海地区未来气候条件下的小麦生长变化，结果表明，2080s时段RCP2.6到RCP8.5条件下，新疆地区冬小麦生育期内最大叶面积指数及成熟期地上部生物量逐渐增大，黄淮海平原区SLAI相差不大但生物量逐渐增大。本研究中，未来气候条件下小麦前期叶面指数增加，而后期叶面指数无明显变化或小幅下降，小麦生物量在后期明显增加，本研究不同RCP气候条件下2个品种小麦叶面积指数以及地上部生物量的变化情况与新疆地区冬小麦变化情况基本一致。

孙昊蔚等[29]研究表明随着气候变化，黄土高原冬小麦种植地区2050s和2100s时段RCP4.5和RCP8.5条件下，冬小麦产量均呈显著增加趋势，2100s和RCP4.5条件下增产最大。Kourat等[30]利用AquaCrop模型模拟了未来气候条件下小麦产量，结果表明，Setif地区RCP4.5和RCP8.5（2050s和2100s）小麦产量均高于基准年份；但BBA地区RCP4.5产量较基准年份降低，RCP 8.5产量较基准年份升高。本研究2个品种小麦均在2100s时段RCP8.5条件下产量最高，其中，晚熟品种良星99其他RCP条件与基准年份无明显差异；早熟品种中科2011除2050s时段RCP4.5条件外均较基准年份明显增加。本研究结果与上述结果不同，可能是由于研究的小麦品种和区域差异造成的。此外，结合小麦生育期来看，本研究中未来气候条件下2个品种的播种至拔节天数均缩短，拔节至成熟天数无明显变化，小麦生殖生长期无明显变化，这也可能是未来气候变化条件下小麦产量增加或无明显变化的原因。

未来气候条件下，与晚熟品种相比，早熟品种的生育期缩短的天数更少，LAI和地上部生物量相较基准年份增加更明显，其产量和潜在产量在未来气候情景下的增产效果也更明显。由此可推测，早熟品种对未来气温和[CO2]升高的适应性更好。

3.3 气候变化下极端高温对冬小麦产量及产量构成的影响

He等[31]研究表明，冬小麦生长期日均温每升高1 ℃时，产量、籽粒数和千粒重分别增加5.8%、4.1%和4.2%。开花期高温胁迫下小麦产量的下降主要是由于穗粒数的下降引起的；灌浆期高温胁迫下小麦产量的下降主要是由于千粒重下降引起的；开花灌浆双期高温处理下小麦的穗粒数和千粒重均呈现显著下降，并导致产量降低[32]。有效穗数和穗粒数与营养生长长度或同期积温无显著相关，千粒重随生殖生长期的延长而显著增加[33]。曹彩云等[34]研究结果表明，开花和灌浆初期高温主要影响冬小麦穗粒数，花后20 d左右高温会使粒重降低，是导致产量下降幅度较大的主要原因。

本研究表明，不同RCP条件下极端高温对2个品种冬小麦产量和千粒重都有一定的负影响，且开花期极端高温对千粒重的影响最大。与正常年份相比，极端高温年份晚熟品种在2100s和RCP8.5条件下千粒重和产量明显降低，籽粒数也略有降低。未来4个RCP情景下，极端高温均明显降低早熟品种千粒重，但与正常年份相比极端高温年份籽粒数略有升高，产量降低不明显。气候变化条件下极端高温发生频率增加，而不同RCP条件下极端高温对早熟品种产量均无明显影响。因此，未来气候条件下早熟品种更能适应气候变化。

本研究利用作物模型分析了未来气候条件下极端高温对小麦产量及产量构成因素的影响。然而，未来气候变化条件下，极端低温、极端干旱和病虫害增加对产量的影响也同样存在[35-36]。因此，若要将APSIM模型应用到气候变化条件下冬小麦实际生产，将来的研究中还应考虑低温和极端干旱等对冬小麦产量的影响。

4 结论

APSIM模型能较好地模拟不同温度和[CO2]下2个品种冬小麦的生育期、产量和生物量。相较基准年份，不同气候条件下2个品种小麦的播种-拔节天数均缩短，且早熟品种小麦播种-拔节缩短的天数小于晚熟品种，两个品种拔节-成熟天数均无明显变化。未来不同RCP条件下2个品种小麦产量和潜在产量均增加，且2100s时段RCP8.5条件下产量和潜在产量最高，早熟品种的产量和潜在产量相较晚熟品种的增产效果更为明显。与基准年份相比，未来RCP条件下生育前期2个品种小麦的LAI均升高，但早熟品种LAI变化明显，生育后期晚熟品种的LAI明显降低，早熟品种的LAI无明显差异；未来RCP条件下2个品种的地上部生物量均增加，早熟品种生物量增长更明显。不同RCP条件下极端高温对2个品种冬小麦产量和千粒重均有一定的负影响，且开花期极端高温对千粒重的影响最大。与正常年份相比极端高温年份晚熟品种2100s时段RCP8.5条件下千粒重和产量明显降低，籽粒数也略有降低。未来RCP条件下极端高温均明显降低早熟品种千粒重，但与正常年份相比极端高温年份籽粒数略有升高，产量降低不明显。总之，未来气候条件下早熟品种更能适应气候变化。

[1] IPCC. Summary for Policymakers//Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [Masson-Delmotte, V., P. Zhai, A. Pirani, S.L. Connors, C. Péan, S. Berger, N. Caud, Y. Chen, L. Goldfarb, M.I. Gomis, M. Huang, K. Leitzell, E. Lonnoy, J.B.R. Matthews, T.K. Maycock, T. Waterfield, O. Yelekçi, R. Yu, and B. Zhou (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 2021.

[2] Tao Fl, Zhang Z,Xiao DP,Zhang S,RÖtter R P, Shi WJ,Liu YJ,Wang M,Liu FS,Zhang H. Responses of wheat growth and yield to climate change in different climate zones of China, 1981-2009. Agricultural and Forest Meteorology, 2014(189/190): 91-104.

[3] Blandino M, Badeck F W, Giordano D, Marti A, Rizza F, Scarpino V, Vaccino P. Elevated CO2impact on common wheat (L.) yield, wholemeal quality, and sanitary risk. Journal of Agricultural and Food Chemistry, 2020, 68(39): 10574-10585.

[4] Maphosa L, Fitzgerald G J, Panozzo J, Partington D, Walker C, Kant S. Genotypic response of wheat under semi-arid conditions showed no specific responsive traits when grown under elevated CO2. Plant Production Science, 2019, 22(3): 333-344.

[5] Broberg M C, Högy P, Feng Z Z, Pleijel H. Effects of elevated CO2on wheat yield: Non-linear response and relation to site productivity. Agronomy, 2019, 9(5): 243.

[6] Mo F, Sun M, Liu X Y, Wang J Y, Zhang X C, MA B L, Xiong Y C. Phenological responses of spring wheat and maize to changes in crop management and rising temperatures from 1992 to 2013 across the Loess Plateau. Field Crops Research, 2016, 196: 337-347.

[7] Tan K Y, Fang S B, Zhou G S, Ren S X, Guo J P. Responses of irrigated winter wheat yield in North China to increased temperature and elevated CO2concentration. Journal of Meteorological Research, 2015, 29(4): 691-702.

[8] Guo S B, Yang X G, Zhang Z T, Zhang F L, Liu T. Spatial distribution and temporal trend characteristics of agro-climatic resources and extreme climate events during the soybean growing season in northeast China from 1981 to 2017. Journal of Meteorological Research, 2020, 34(6): 1309-1323.

[9] Dubey R, Pathak H, Chakrabarti B, Singh S, Gupta D K, Harit R C. Impact of terminal heat stress on wheat yield in India and options for adaptation. Agricultural Systems, 2020, 181: 102826.

[10] Poudel M P, Chen S E, Huang W C. Climate influence on rice, maize and wheat yields and yield variability in Nepal. Journal of Agricultural Science and Technology, 2014, 4(1): 38-48.

[11] Christy B, Tausz-Posch S, Tausz M, RichardsR, RebetzkeG, CondonA, McLeanT, FitzgeraldG, BourgaultM, O'LearyG.Benefits of increasing transpiration efficiency in wheat under elevated CO2for rainfed regions. Global Change Biology, 2018, 24(5):1965-1977.

[12] Zhao Z G, Rebetzke G J, Zheng B Y, Chapman S C, Wang E L. Modelling impact of early vigour on wheat yield in dryland regions. Journal of Experimental Botany, 2019, 70(9): 2535-2548.

[13] Tang X P, Liu H J. Spatial-temporal distribution of climate suitability of winter wheat in North China Plain for current and future climate scenarios. Theoretical and Applied Climatology, 2021, 143(3): 915-930.

[14] Xiao D P, Liu D L, Wang B, Feng P Y, Bai H Z, Tang J Z. Climate change impact on yields and water use of wheat and maize in the North China Plain under future climate change scenarios. Agricultural Water Management, 2020, 238: 106238.

[15] Zhang Y, Feng L P, Wang J, Wang E L, Xu Y L. Using APSIM to explore wheat yield response to climate change in the North China Plain: the predicted adaptation of wheat cultivar types to vernalization. The Journal of Agricultural Science, 2013, 151(6): 836-848.

[16] Rezaei E E, Siebert S, Hüging H, Ewert F. Climate change effect on wheat phenology depends on cultivar change. Scientific Reports, 2018, 8: 4891.

[17] 张玲玲. 黄土高原冬小麦产量差及其水氮利用效率分析[D]. 北京: 中国科学院大学, 2019.

ZHANG L L. Analysis on yield gaps and its water and nitrogen use efficiency of winter wheat in loess plateau[D]. Beijing: University of Chinese Academy of Sciences, 2019. (in Chinese)

[18] IPCC. Summary for Policymakers//Climate Change 2013: The physical science basis. contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change [Stocker,T.F., D. Qin, G.-K. Plattner, M. Tignor, S.K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex and P.M. Midgley (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 2013.

[19] Hawker J S, Jenner C F. High temperature affects the activity of enzymes in the committed pathway of starch synthesis in developing wheat endosperm. Function Plant biology, 1993, 20(2): 197-209.

[20] Lobell D B, Hammer G L, McLean G, Messina C, Roberts M J, Schlenker W. The critical role of extreme heat for maize production in the United States. Nature Climate Change, 2013, 3(5): 497-501.

[21] 罗荣鑫, 聂志刚, 孔好珍, 胡勇, 王雪娜, 陈凯阳. 基于APSIM模型分析不同降水年型下日最高温度变化对旱地春小麦产量的影响. 南方农业, 2021, 15(14): 1-4.

LUO R X, NIE Z G, KONG H Z, HU Y, WANG X N, CHEN K Y. Analysis of the effect of daily maximum temperature change on spring wheat yield in dryland under different precipitation years based on APSIM model. South China Agriculture, 2021, 15(14): 1-4. (in Chinese)

[22] Tang J Z, Xiao D P, Wang J, Fang Q X, ZHANG J, Bai H Z. Optimizing water and nitrogen managements for potato production in the agro-pastoral ecotone in North China. Agricultural Water Management, 2021, 253(6): 106945.

[23] Yang J M, Yang J Y, Liu S, Hoogenboom G. An evaluation of the statistical methods for testing the performance of crop models with observed data. Agricultural Systems, 2014, 127: 81-89.

[24] SHI X R, LI X K, GUO C, FENG P Y, HU K L. Modeling ammonia volatilization following urea and controlled-release urea application to paddy fields. Computers and Electronics in Agriculture, 2022, 196: 106888.

[25] BUNCE J A. Responses of soybeans and wheat to elevated CO2in free-air and open top chamber systems. Field Crops Research, 2016, 186: 78-85.

[26] 宗毓铮, 张函青, 李萍, 张东升, 林文, 薛建福, 高志强, 郝兴宇. 大气CO2与温度升高对北方冬小麦旗叶光合特性、碳氮代谢及产量的影响. 中国农业科学, 2021, 54(23): 4984-4995.

ZONG Y Z, ZHANG H Q, LI P, ZHANG D S, LIN W, XUE J F, GAO Z Q, HAO X Y. Effects of elevated atmospheric CO2concentration and temperature on photosynthetic characteristics, carbon and nitrogen metabolism in flag leaves and yield of winter wheat in North China. Scientia Agricultura Sinica, 2021, 54(23): 4984-4995. (in Chinese)

[27] 刘玉洁, 陶福禄. 气候变化对小麦生物量影响的概率预测和不确定性分析. 地理学报, 2012, 67(3): 337-345.

LIU Y J, TAO F L. Probabilistic assessment and uncertainties analysis of climate change impacts on wheat biomass.Acta Geographica Sinica, 2012, 67(3): 337-345. (in Chinese)

[28] 陈新国. 气象和农业干旱对冬小麦生长和产量的影响[D]. 杨凌: 西北农林科技大学, 2021.

CHEN X G. Effects of meteorological and agricultural drought on winter wheat growth and yield[D]. Yangling: Northwest A&F University, 2021. (in Chinese)

[29] 孙昊蔚, 马靖涵, 王力. 未来气候变化情景下基于APSIM模型的黄土高原冬小麦适宜种植区域模拟. 麦类作物学报, 2021, 41(6): 771-782.

SUN H W, MA J H, WANG L. Simulation of suitable planting area of winter wheat under climate change in the loess plateau based on APSIM model. Journal of Triticeae Crops, 2021, 41(6): 771-782. (in Chinese)

[30] Kourat T, Smadhi D, Mouhouche B, Gourari N, MOSTOFA Amin M G, Bryant C R. Assessment of future climate change impact on rainfed wheat yield in the semi-arid Eastern High Plain of Algeria using a crop model. Natural Hazards, 2021, 107(3): 2175-2203.

[31] He D, Fang S B, Liang H Y, Wang E L, Wu D. Contrasting yield responses of winter and spring wheat to temperature rise in China. Environmental Research Letters, 2020, 15(12): 124038.

[32] 王安宁. 开花灌浆期双期高温胁迫对小麦生长发育和产量形成的影响研究[D]. 南京: 南京农业大学, 2018.

WANG A N. Effects of heat stress at anthesis-grain filling stage on development, growth and yield formation in wheat[D]. Nanjing: Nanjing Agricultural University, 2018. (in Chinese)

[33] 孙倩, 黄耀, 姬兴杰, 成林. 气候变化背景下河南省冬小麦品种更新特征. 气候变化研究进展, 2014, 10(4): 282-288.

SUN Q, HUANG Y, JI X J, CHENG L. Characteristic of winter wheat cultivar shift in Henan province under climate change. Progressus Inquisitiones DE Mutatione Climatis, 2014, 10(4): 282-288. (in Chinese)

[34] 曹彩云, 党红凯, 郑春莲, 李科江, 马俊永. 阶段高温对不同小麦品种产量的影响及其耐热性差异研究. 麦类作物学报, 2020, 40(3): 351-364.

CAO C Y, DANG H K, ZHENG C L, LI K J, MA J Y. Impacts of high temperature in different periods on yield and evaluation of heat tolerance in wheat varieties. Journal of Triticeae Crops, 2020, 40(3): 351-364. (in Chinese)

[35] Fu D X, Ding Y H. The study of changing characteristics of the winter temperature and extreme cold events in China over the past six decades. International Journal of Climatology, 2021, 41(4): 2480-2494.

[36] Caubel J, Launay M, Ripoche D, Gouache D, Buis S, Huard F, Huber L, Brun F, Bancal M O. Climate change effects on leaf rust of wheat: Implementing a coupled crop-disease model in a French regional application. European Journal of Agronomy, 2017, 90: 53-66.

Investigation on the Effects of Climate Change on the Growth and Yield of Different Maturity Winter Wheat Varieties in Northern China Based on the APSIM Model

SHI XinRui, HAN BaiShu, WANG ZiQian, ZHANG YuanLing, LI Ping, ZONG YuZheng, ZHANG DongSheng, GAO ZhiQiang, HAO XingYu

College of Agriculture, Shanxi Agricultural University, Taigu 030801, Shanxi

【Objective】This study aims to clarify the impacts of climate change on the growth, development and yield of winter wheat of different maturity, so as to provide a theoretical basis for the sustainable production of wheat under future climate change. 【Method】The data about growth of two winter wheat varieties of Liangxing 99 (late-maturing) and Zhongke 2011 (early-maturing), soil, and meteorology, which were observed under different temperatures and [CO2] treatments in the open top chamber in 2017-2020, were used to calibrate and validate the APSIM (agricultural production systems simulator) model. Then the verified model was used to simulate winter wheat yield, yield composition and phenology dates under different future climate conditions (RCP 4.5 and RCP 8.5) with a baseline period of 1986-2005. And the impacts of climate change and extreme high temperature on the production potential of different maturity winter wheat varieties were analyzed. 【Result】The APSIM model was able to well simulate the phenology, yield and biomass under different air temperature and [CO2] treatments since the simulated and measured values of2were higher than 0.614 and the values ofwere all lower than 10.6%. However, the simulation result of leaf area index (LAI) was relatively poor. For the long-term simulation results, under different climate conditions, the days from sowing to jointing were shorter than the baseline for two wheat varieties. The shortened days of early-maturing variety were smaller than those of late-maturing variety. There was no obvious change in the days from jointing to maturity between the two varieties. The yield and potential yield of the two wheat varieties were higher under the future RCP conditions than under the baseline period. The yield and potential yield were the highest under the RCP 8.5 condition in 2100s. The yield and potential yield of early-maturing variety were more remarkably increased than those of late-maturing variety. Compared with the baseline, the LAI values of the two wheat varieties increased in the early growth stage. Then, the LAI of the late-maturing variety decreased obviously in the late growth stage, while the LAI of the early-maturing variety had no obvious difference. The aboveground biomass of the two wheat varieties both increased, and the early-maturing variety increased more remarkably than the late-maturing variety. Under different RCP conditions, extreme high temperature had negative impacts on the yield and 1 000-grain weight of the two varieties of winter wheat. Extreme high temperature at flowering stage had the greatest impact on 1 000-grain weight. Compared with the normal years, the 1 000-grain weight and yield of late-maturing variety decreased obviously in extreme-high-temperature years under the RCP 8.5 condition in 2100s, while the grain number also decreased slightly. Under different RCP conditions, compared with the normal years, extreme high temperature obviously reduced the 1 000-grain weight of early-maturing variety but slightly increased the grain numbers. Thus, yield reduction of early-maturing wheat variety in extreme high temperature years was not obvious. 【Conclusion】Early-maturing variety of winter wheat will be more adaptable to future climate change. Thus, breeding of wheat varieties to adapt to climate change is one of the effective measures to cope with future climate change.

climate change; extreme high temperature; winter wheat variety; yield; APSIM model

10.3864/j.issn.0578-1752.2023.19.006

2023-01-16；

2023-05-11

国家自然科学基金面上项目（31971773）、山西省回国留学人员科研资助项目（2022-107）、山西省基础研究计划青年基金（20210302124656）、山西省高等学校科技创新项目（2021L111）、山西省博士毕业生来晋工作奖励项目（SXBYKY2022024）、山西农业大学博士科研启动项目（2021BQ81）

史鑫蕊，E-mail：shixinrui1992@163.com。通信作者郝兴宇，E-mail：haoxingyu1976@126.com

（责任编辑 杨鑫浩，李莉）