不同種植模式下旱地春玉米產(chǎn)量對降雨和氣溫變化的響應(yīng)

張 濤，孫 偉，孫步功，吳建民，王麗娟，馮 斌，張鋒偉

?

不同種植模式下旱地春玉米產(chǎn)量對降雨和氣溫變化的響應(yīng)

張 濤1，孫 偉2※，孫步功2，吳建民2，王麗娟3，馮 斌1，張鋒偉2

（1. 甘肅農(nóng)業(yè)大學(xué)農(nóng)學(xué)院，蘭州 730070；2. 甘肅農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院，蘭州 730070；3. 蘭州交通大學(xué)博文學(xué)院，蘭州730101）

為了探究旱區(qū)氣候變化及主要?dú)庀笠蜃訉Σ煌N植模式下玉米產(chǎn)量的影響，該研究對AquaCrop模型玉米參數(shù)進(jìn)行校準(zhǔn)和驗(yàn)證，并在35a歷史氣象數(shù)據(jù)的基礎(chǔ)上設(shè)計不同氣溫和降雨梯度，利用模擬的方法分析不同情景下玉米產(chǎn)量變化趨勢。結(jié)果表明：AquaCrop模型在試驗(yàn)點(diǎn)模擬精度較高，3種種植模式下實(shí)測與模擬產(chǎn)量的均方根誤差為245.34～745.10 kg/hm2，標(biāo)準(zhǔn)均方根誤差為6.94%～9.49%。在設(shè)定范圍內(nèi)（降雨降低15%～升高15%，氣溫降低1.5 ℃～升高1.5 ℃），隨氣溫和降雨升高，3種種植模式下產(chǎn)量波動均呈減小趨勢，其中全膜雙壟溝播下產(chǎn)量波動最小，平均產(chǎn)量曲線斜率為0.083 4，適應(yīng)氣候變化能力較強(qiáng)。在A3B3（溫度升高1.5 ℃、降雨提高15%）情景下產(chǎn)量均達(dá)到最大，相比歷史氣候，露地、單壟、全膜雙壟溝播分別平均增產(chǎn)13.45%、11.57%、17.67%。氣溫對3種模式下產(chǎn)量均有極顯著影響，降雨對露地種植產(chǎn)量影響為極顯著，而對單壟和全膜雙壟溝播產(chǎn)量影響顯著。該研究對氣候變化下作物產(chǎn)量預(yù)測、風(fēng)險評估及制定相關(guān)管理措施提供參考。

作物；模型；氣溫；氣候變化；AquaCrop模型；產(chǎn)量；種植模式；玉米

0 引 言

氣候變化已經(jīng)越來越受到全球重視，對其影響因子研究眾多，氣候變化勢必會引起氣溫和降雨的變化，因而對中國農(nóng)作物及生產(chǎn)管理格局產(chǎn)生重要影響[1-2]。對于旱區(qū)傳統(tǒng)農(nóng)業(yè)生產(chǎn)更加依賴于降雨和氣溫等自然氣象[3]，研究氣候變化對該地區(qū)幾種常見種植模式下玉米生產(chǎn)潛力變化趨勢，氣象因子對產(chǎn)量作用大小，有助于宏觀調(diào)整種植結(jié)構(gòu)和優(yōu)化管理措施，以便保障區(qū)域穩(wěn)產(chǎn)。

作物生長模型是綜合作物生理、生態(tài)、農(nóng)業(yè)氣象、土壤等學(xué)科知識和研究成果，建立的定量和動態(tài)描述作物生產(chǎn)的機(jī)理模型，已被廣泛應(yīng)用于預(yù)測作物生產(chǎn)潛力、指導(dǎo)農(nóng)田灌溉、施肥、及耕作等管理實(shí)踐中[4-6]。AquaCrop是聯(lián)合國糧食及農(nóng)業(yè)組織（FAO）研發(fā)的一種新型作物模型，具有輸入?yún)?shù)少、使用范圍廣、精度高等優(yōu)點(diǎn)，已在世界多地完成了適應(yīng)性評估和驗(yàn)證[7-9]，并且對模擬精度和模擬數(shù)值穩(wěn)定性之間進(jìn)行了較佳的平衡，經(jīng)過多年研究已給定了一些所需校正作物參數(shù)范圍[10]；在此基礎(chǔ)上，有學(xué)者利用該模型評估氣候因素對作物生產(chǎn)的影響：Muluneh等[11]基于AquaCrop模型對埃塞俄比干旱地區(qū)氣候變化情境下糧食安全進(jìn)行了分析；Yang等[12]利用該模型深入分析了葡萄牙灌溉玉米產(chǎn)量與氣候因子之間的響應(yīng)關(guān)系；李晶等[13]以該模型為平臺分析了降雨、溫度對東北春小麥生產(chǎn)潛力的影響。近幾年AquaCrop也在干旱及半干旱地區(qū)完成了參數(shù)本土化，并在驗(yàn)證、應(yīng)用方面取得了進(jìn)展[14-16]，但在旱區(qū)為主的甘肅中部地區(qū)作物長期生長方面研究較少，產(chǎn)量與氣候變化之間的響應(yīng)還未見報道。以往大多依靠田間試驗(yàn)方法研究作物生產(chǎn)潛力與氣象因子之間的關(guān)系，但試驗(yàn)周期長、成本高，結(jié)果通用性較差[17]，因此本研究采用試驗(yàn)和模型相結(jié)合的方法，利用連續(xù)3a春玉米田間試驗(yàn)數(shù)據(jù)對AquaCrop模型進(jìn)行校準(zhǔn)和驗(yàn)證，然后在35a歷史氣象數(shù)據(jù)基礎(chǔ)上，設(shè)定不同降雨和氣溫變化情景，對露地、單壟和全膜雙壟溝播種植下玉米的生產(chǎn)潛力進(jìn)行模擬，分析探討3種模式下玉米產(chǎn)量與氣象因子之間的響應(yīng)關(guān)系和變化趨勢，以尋求最適氣候變化種植模式，為旱區(qū)農(nóng)業(yè)可持續(xù)發(fā)展提供理論和推廣依據(jù)。

1 材料與方法

1.1 試驗(yàn)點(diǎn)概況

試驗(yàn)于2014年4月至2016年10月在甘肅農(nóng)業(yè)大學(xué)節(jié)水節(jié)肥節(jié)藥試驗(yàn)站進(jìn)行，該站位于蘭州市西固區(qū)境內(nèi)（36°12′N，103°53′E，海拔1 680 m）。該區(qū)是典型的西北旱區(qū)雨養(yǎng)農(nóng)業(yè)，屬于大陸性干旱氣候。多年平均降雨量為265.8 mm，且主要降雨集中在6－9月，年平均氣溫為7.2 ℃，年均蒸發(fā)量為1 660 mm，全年平均日照時數(shù)為2 591 h，無霜期約為180 d。試驗(yàn)地土壤為粉砂壤土，基本理化性狀為：有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)8.98 g/kg，全氮0.64 g/kg，全磷0.74 g/kg，全鉀10.23 g/kg，銨態(tài)氮12.38 mg/kg，速效磷26.83 mg/kg，速效鉀93.25 mg/kg，pH值為8.2。

試驗(yàn)中氣象數(shù)據(jù)來自皋蘭國家基準(zhǔn)氣候站（36°21′N，103°57′E，海拔1 668.5 m），該站距離試驗(yàn)地17.84 km，從1981－2015年35a的歷史氣象數(shù)據(jù)可知，該站年降雨在154.9～355.6 mm，各年降雨量與多年平均降雨相差最大幅度為44.8%（圖1a），各年平均氣溫變化在6.2～8.5 ℃之間，與多年累積平均氣溫最大相差?16.2%（圖1b）。以年份為自變量，降雨量、年均氣溫為應(yīng)變量得到其一次回歸方程，并用Mann-Kendall進(jìn)行顯著性檢驗(yàn)[18]，由表達(dá)式和值可知，年降雨量變化趨勢為?0.081 1 mm/a，隨年份呈降低趨勢；年均氣溫變化趨勢為0.042 5 mm/a，隨年份呈升高趨勢，但降雨量與年均氣溫的變化趨勢均不顯著（<0.05）。

圖1 試驗(yàn)地1981－2015年逐年降水量與年均氣溫變化

1.2 試驗(yàn)設(shè)計

2014－2016年田間試驗(yàn)在同一地塊進(jìn)行，試驗(yàn)共設(shè)3種種植模式處理，LZ：露地種植、DZ：單壟種植（圖2a）、QZ：全膜雙壟溝播種植（圖2b）。其中處理LZ的行距為50 cm、株距為35 cm；處理DZ的壟寬60、壟高4～8 cm、株距28 cm、行距40 cm；處理QZ的大壟寬70 cm、小壟寬40 cm，大壟高15～20 cm、小壟高5～10 cm株距24 cm。每個處理設(shè)置3次重復(fù)，共9個小區(qū)，小區(qū)的面積為50 m2，小區(qū)為7.5 m×6.7 m，采用裂區(qū)區(qū)組排列。供試玉米品種為‘先玉335’，播前采用復(fù)合作業(yè)機(jī)先翻后旋耕，底肥肥料種類為尿素、磷酸二銨、復(fù)合肥，其中N總量為150 kg/hm2，P2O5總量為135 kg/hm2，K2O總量為110 kg/hm2，在抽雄期追肥肥料僅為尿素，氮總量為130 kg/hm2。南北行向、人工播種，播種密度60 606株/hm2、試驗(yàn)期內(nèi)無灌水。以上管理3種處理均相同。3 a的播種日期均在4月下旬，收獲日期在9月14－20日之間。

a. 單壟種植

a. Single ridge planting

b. 全膜雙壟溝播

1.3 測定項(xiàng)目和方法

測定項(xiàng)目主要有作物物候期、土壤含水率、地上生物量的積累過程及最終產(chǎn)量。其中玉米生育期主要通過試驗(yàn)期間實(shí)際調(diào)查記錄的方法；土壤含水率采用烘干法，主要測定深度為10 cm，播種后每隔5 d測定一次；地上生物量的積累是在玉米出苗后每隔15 d對地上部分植株的生物量進(jìn)行測定，從各小區(qū)隨即選取3株長勢均勻的植株，從莖基部剪斷，將樣株標(biāo)記置于烘箱，先105 ℃殺青30 min，再以80 ℃恒溫烘48 h，至質(zhì)量不變后稱量記錄。產(chǎn)量測定當(dāng)春玉米達(dá)到生理成熟期時進(jìn)行收獲，首先剔除邊行植株，在中間幾行隨機(jī)取20株進(jìn)行人工收獲，并考種計產(chǎn)。

1.4 AquaCrop模型參數(shù)校準(zhǔn)及驗(yàn)證方法

1.4.1 AquaCrop模型簡介

AquaCrop模型主要從植株生理和農(nóng)藝的角度考慮在水分不足條件下對作物生長過程的抑制及產(chǎn)量的影響[19]。該模型運(yùn)行的時間步長有1、10、30 d共3種，產(chǎn)量用生物量和收獲指數(shù)的乘積表示，生物量是通過作物冠層及根系生長模擬獲得，而整個生育期的生長和衰老用冠層覆蓋度的日增長量和衰減量描述[20]?？梢苑治龊皖A(yù)測在不同地理環(huán)境、管理措施等情況下作物的生長狀況及產(chǎn)量，宏觀研究氣候變化對作物產(chǎn)量的影響[21]。

1.4.2 土壤數(shù)據(jù)

模型中土壤參數(shù)主要包括土層數(shù)及厚度、永久凋萎點(diǎn)、田間持水量、容重、飽和導(dǎo)水率、飽和含水量，試驗(yàn)點(diǎn)土壤深度選擇1 m，每層厚度為20 cm，共5層（表1）。將試驗(yàn)田各數(shù)據(jù)輸入模型中保存為土壤參數(shù)數(shù)據(jù)庫文件（.SOL）。

表1 試驗(yàn)地主要土壤參數(shù)

1.4.3 氣象數(shù)據(jù)

模型所需氣象參數(shù)主要包括逐日最高溫度（max）、最低溫度（min）、降雨量（）、參考作物蒸發(fā)蒸騰量（ET0）、大氣CO2濃度，其中0由FAO組織研發(fā)的0calculator計算得到[22]，所需參數(shù)為逐日最高和最低氣溫、日照時數(shù)；大氣CO2濃度采用模型默認(rèn)推薦值，其他參數(shù)由皋蘭國家基準(zhǔn)氣候站提供。2014—2016年玉米生育期內(nèi)逐日氣象數(shù)據(jù)如圖3所示，降雨量分別為261.7、147.6、224.9 mm，屬于典型旱區(qū)氣候類型。

a. 降水量

a. Precipitation

b. 氣溫

b. Air temperature

注：圖中max為最高氣溫，min為最低氣溫，ET0為參考作物蒸發(fā)蒸騰量。

Note:maxismaximum air temperature,minisminimum airtemperature, ET0is reference crop evapotranspiration.

圖3 試驗(yàn)站玉米生育期內(nèi)主要?dú)庀髷?shù)據(jù)

Fig.3 Main meteorological data during corn growing periods at experimental station

1.4.4 模型評價

為檢驗(yàn)?zāi)M值與實(shí)測值之間的差距和模擬效果，用統(tǒng)計參數(shù)均方根誤差（RMSE）、標(biāo)準(zhǔn)均方根誤差（NRMSE）、殘差聚集類系數(shù)（CRM）進(jìn)行評價。其中RMSE和NRMSE表示兩者之間的偏差；CRM可為正值或負(fù)值，當(dāng)為正值表示模擬值偏低，當(dāng)為負(fù)值則相反。計算公式[8]如下：

1.5 氣候情景設(shè)置

根據(jù)政府間氣候變化專業(yè)委員會（IPCC）第五次評估報告及相關(guān)研究發(fā)現(xiàn)，西北地區(qū)至21世紀(jì)末（2081－2100年）在極端情況下，平均氣溫有將變化1.5～2 ℃，平均降水變化可達(dá)10%～20%[23-25]。本研究參照歷史氣象條件，分別對氣溫和降雨進(jìn)行不同梯度情景設(shè)定[26-27]，由于前期預(yù)模擬試驗(yàn)發(fā)現(xiàn)，氣溫變化幅度為0.5或1 ℃、降雨為5%或10%時，梯度間產(chǎn)量差異不顯著，因此在極端情況內(nèi)大幅度取值，將氣溫設(shè)立3個梯度，分別為降低1.5 ℃（A1）、不變（A2）、升高1.5 ℃（A3），降雨同樣設(shè)立3個梯度，分別為降低15%（B1）、不變（B2）、升高15%（B3），即為2因素3水平，共計9個情景，其中A2B2為對照（CK）情景。

利用校準(zhǔn)后的AquaCrop玉米栽培參數(shù)和1981—2015年提供的歷史氣象數(shù)據(jù)，對3種栽培方式在不同情景下進(jìn)行35 a的連續(xù)生產(chǎn)模擬。在模擬時為了只考慮氣象因素對產(chǎn)量的影響，因此其他管理、土壤等參數(shù)全設(shè)為一致，具體同3 a的田間試驗(yàn)設(shè)置一樣。

1.6 數(shù)據(jù)處理

本文采用Microsoft Excle 2013進(jìn)行數(shù)據(jù)整理統(tǒng)計、分析和制圖，采用Genstat統(tǒng)計軟件對作物模型的模擬效果進(jìn)行驗(yàn)證評價和各情境下產(chǎn)量的概率曲線斜率差異分析，利用SPSS 19.0進(jìn)行產(chǎn)量差異性分析。

2 結(jié)果與分析

2.1 AquaCrop模型參數(shù)校準(zhǔn)和驗(yàn)證

在模型給定的玉米參數(shù)缺省值和FAO提供的參數(shù)取值范圍內(nèi)，采用試錯法對模型進(jìn)行調(diào)試，每次參數(shù)改變幅值設(shè)置為3%，直至模擬結(jié)果和實(shí)測結(jié)果接近一致[28]。選用2015年田間產(chǎn)量、不同階段生物量和土壤含水率試驗(yàn)數(shù)據(jù)進(jìn)行校準(zhǔn)，得到‘先玉335’品種在露地、單壟、全膜雙壟溝播3種種植模式下主要品種及脅迫參數(shù)（表2）。全膜雙壟溝播的最大冠層覆蓋度、標(biāo)準(zhǔn)水分生產(chǎn)力、冠層增長系數(shù)明顯大于單壟和露地種植，說明該種植模式可以提高作物的生長潛力，而且全膜雙壟溝播的土壤表面易蒸發(fā)量最低，更加驗(yàn)證了其較強(qiáng)地保墑蓄墑能力；收獲指數(shù)是評價作物品種產(chǎn)量水平和栽培成效的重要指標(biāo)，大小依次為全膜雙壟溝播、單壟、露地，其值分別為47%、43%、38%，說明栽培成效對產(chǎn)量構(gòu)成具有重要作用；同時種植模式的不同也可以改變作物葉片的衰老速度，全膜雙壟溝播、單壟、露地的冠層衰減系數(shù)分別為9.70%、10.1%、10.6%，這是由于衰減速度越慢，則會促進(jìn)更多有機(jī)物質(zhì)的積累。

表2 3種種植模式主要作物及脅迫參數(shù)

表3 AquaCrop模型模擬精度分析結(jié)果

將校正后的參數(shù)及2014和2016年的氣象、土壤、管理等數(shù)據(jù)輸入模型中并運(yùn)行模擬，最后與實(shí)測數(shù)據(jù)進(jìn)行驗(yàn)證對比。由圖4和表3可得到實(shí)測生物量和產(chǎn)量與模擬模擬值之間基本呈線性關(guān)系，在露地、單壟、全膜雙壟溝播3種模式下生物量的RMSE為737.13～914.21 kg/hm2。

a. 2014和2016年生物量、產(chǎn)量

a. Biomass and yield in 2014 and 2016

b. 露地種植10 cm土壤含水率

b. Soil water content of open field planting for 10 cm

c. 單壟種植10 cm土壤含水率

c. Soil water content of single-row ridge planting for 10 cm

d. 全膜雙壟溝播種植10 cm土壤含水率

d. Soil water content of all-film double-furrow sowing for 10 cm

注：RMSE、NRMSE、CRM分別為均方根誤差、標(biāo)準(zhǔn)均方根誤差、殘差聚集類系數(shù)，是兩年結(jié)果。

Note: RMSE, NRMSE and CRM are root mean square error , normalized root mean square error, residual clustering coefficient. They are the results of two years.

圖4 玉米模擬值與實(shí)測值之間的關(guān)系

Fig.4 Relationship between simulated and tested value of maize

其中單壟最大，而對應(yīng)產(chǎn)量的RMSE在245.34～745.10 kg/hm2，全膜雙壟溝播最大，而且全生育期地下10 cm土壤含水率的模擬值和實(shí)測值表現(xiàn)出一致性趨勢，RMSE分別為2.68%、2.21%、3.16%；NRMSE主要反映模型的整體模擬效果，露地、單壟、全膜雙壟溝播下生物量的NRMSE分別為4.45%、4.73%、4.17%，產(chǎn)量的NRMSE分別為6.94%、9.49%、8.84%，土壤含水率的NRMSE分別為10.74%、8.65%、9.28%，除露地種植的含水率以外，其余均小于10%，說明整體模擬效果較好；露地和單壟種植下生物量、產(chǎn)量和土壤含水率的CRM均小于0，模擬值偏高，說明模型有高估低值的趨勢，而全膜雙壟溝播種植下生物量、產(chǎn)量和土壤含水率均大于0，說明模型在模擬時低估了較高數(shù)值點(diǎn)，但CRM的絕對值在0.003 7～0.758 4之間，說明模型整體上高估或低估趨勢不大。

2.2 不同氣候情景下三種種植模式產(chǎn)量波動范圍比較

首先利用AquaCrop模型對A2B2（CK）情景下該試驗(yàn)站在1981－2015年3種種植模式的春玉米產(chǎn)量進(jìn)行模擬。圖5為不同種植模式產(chǎn)量頻率及概率累計百分比，露地、單壟、全膜雙壟溝播分別在3 900～4 300、6 100～6 600、8 100～9 000 kg/hm2產(chǎn)量出現(xiàn)頻率最大，而且產(chǎn)量在該范圍的年份百分比分別為60.0%、85.71%、45.7%。春玉米在露地、單壟、全膜雙壟溝播種植下最高產(chǎn)量分別可達(dá)到4 554、7 078、9 283 kg/hm2，但在極端天氣下有4個年份露地種植產(chǎn)量低于3 000 kg/hm2，有5個年份單壟種植產(chǎn)量低于4 500 kg/hm2，7個年份全膜雙壟溝播產(chǎn)量低于6 300 kg/hm2。

圖5 1981－2015年不同種植模式下春玉米模擬產(chǎn)量的頻率-累計百分比圖

為進(jìn)一步量化3種種植模式在不同氣候情景下產(chǎn)量波動大小，將不同情境下模擬得到的產(chǎn)量從小到大依次排列，利用最小二乘法對其進(jìn)行擬合，得到一元線性回歸方程，其中一次項(xiàng)系數(shù)即為產(chǎn)量曲線斜率，斜率均值為一個因素單個梯度與所對應(yīng)的另外一個因素3個梯度下產(chǎn)量曲線斜率的平均值（表4）。產(chǎn)量遞增曲線斜率越大，說明曲線越陡，產(chǎn)量波動范圍越大。露地、覆膜和全膜雙壟溝播的產(chǎn)量遞增曲線斜率均隨氣溫升高而減小，說明3種種植模式下玉米產(chǎn)量隨溫度升高波動范圍呈減小趨勢，而且不同氣溫梯度間產(chǎn)量遞增曲線斜率差異均顯著（<0.05）；在降低和升高1.5 ℃時單壟種植產(chǎn)量波動最大，曲線斜率分別為0.211 0、0.051 6，其他依次為全膜雙壟溝播、露地種植，而氣溫不變時全膜雙壟溝播種產(chǎn)量波動范圍最大，為0.162 2，其他依次為單壟種植和露地種植。露地和單壟種植均隨降雨增加，產(chǎn)量波動范圍減小，而全膜雙壟溝播產(chǎn)量波動范圍與之相反，在露地種植下不同梯度間產(chǎn)量遞增曲線差斜率差異均顯著（<0.05），單壟和全膜雙壟溝播下降雨量降低15%和不變情景下差異顯著（0.05），而提高15%與其他情景相比產(chǎn)量波動范圍均顯著；在降低15%和不變時，產(chǎn)量波動范圍由大到小依次為露地、單壟、全膜雙壟溝播，而提高15%時依次為全膜雙壟溝播、單壟、露地種植。

表4 不同降水與氣溫梯度下產(chǎn)量曲線的斜率均值

注：同一列中平均值后的不同字母表示梯度間差異顯著（<0.05），相同字母表示差異不顯著（>0.05）。

Note: Different letters in the same column after mean indicate significant difference between the gradients (<0.05), the same letters indicate no significant difference (>0.05).

綜上可看出隨降雨和氣溫上升時整體上均會對3種種植模式下玉米產(chǎn)量波動范圍呈減小趨勢。對于全膜雙壟溝播，在不同情境下，全膜雙壟溝播下產(chǎn)量波動最小，平均產(chǎn)量曲線斜率為0.083 4，適應(yīng)氣候變化能力較強(qiáng)；其次為單壟種植，而露地種植下當(dāng)氣候發(fā)生變化時，會對產(chǎn)量造成嚴(yán)重的影響。

2.3 不同氣候情景下三種種植模式的模擬產(chǎn)量變化及差異性分析

對1981—2015年不同氣候情景下模擬得到的玉米產(chǎn)量進(jìn)行對比得到圖6所示。

可看出當(dāng)氣候發(fā)生變化時會對產(chǎn)量產(chǎn)生嚴(yán)重影響，與A2B2（CK）情景對比，A1B1、A1B2、A1B3、A3B1情景下3種種植模式的玉米產(chǎn)量均有所下降，而且會造成極端天氣以至于絕產(chǎn)，說明該地區(qū)在溫度下降時會對玉米產(chǎn)量產(chǎn)生負(fù)效應(yīng)。在A3B3情景即溫度升高1.5 ℃、降雨提高15%時，3種種植模式模擬產(chǎn)量均達(dá)到最大，而且波動范圍也相對于較小，其中露地種植產(chǎn)量范圍為3 738～4 806 kg/hm2，單壟產(chǎn)量范圍在4 549～7 218 kg/hm2，全膜雙壟溝播產(chǎn)量范圍為7 269～9 658 kg/hm2，說明溫度和降雨在一定范圍內(nèi)同時增加，有助于提高玉米生產(chǎn)潛力；在A1B1情景下模擬產(chǎn)量均為最小，但露地種植下玉米生產(chǎn)潛力遠(yuǎn)遠(yuǎn)低于單壟和全膜雙壟溝播種植，說明該地區(qū)露地種植下玉米產(chǎn)量極易受氣候因素的影響與限制。在A3B3（溫度升高1.5 ℃、降雨提高15%）情景下產(chǎn)量均達(dá)到最大，相比歷史氣候，露地、單壟、全膜雙壟溝播分別平均增產(chǎn)13.45%、11.57%、17.67%。在同一氣候情景下玉米的生產(chǎn)潛力大小依次為全膜雙壟溝播、單壟種植、露地種植，更加說明了全膜雙壟溝播壟面集流、覆膜抑蒸、提高水分利用效率的種植優(yōu)勢。

為了進(jìn)一步研究單一因素降雨與氣溫或協(xié)同作用對玉米生產(chǎn)潛力的影響，對1981－2015年模擬得到的產(chǎn)量做協(xié)方差分析，其中降雨和氣溫作為固定因子，年份作為協(xié)變量，結(jié)果如表5所示。

注：A1~A3代表氣溫梯度下降1.5℃、不變、升高1.5℃；B1~B3代表降雨量下降15%、不變、升高15%。

表5 玉米產(chǎn)量協(xié)方差分析結(jié)果

注：A表示溫度，B表示降雨量，<0.001（極顯著，**），<0.05（顯著，*）。

Note: A is temperature, B is precipitation,<0.001(highly significant,**),<0.05 (significant,*).

3種種植模式中協(xié)因素年份對產(chǎn)量均構(gòu)成極顯著影響（<0.01），即作為不可控因子在不同年份間逐日氣候均有一定的差異，進(jìn)而影響玉米產(chǎn)量；在露地種植中溫度和降雨對產(chǎn)量均具有極顯著影響（<0.01）[29]，兩者之間的交互作用為顯著（<0.05），說明在該種植模式下氣溫和降雨發(fā)生微小變化時都會導(dǎo)致產(chǎn)量產(chǎn)生嚴(yán)重變化；單壟和全膜雙壟溝播種植中氣溫對產(chǎn)量造成極顯著影響（<0.01），而降雨和兩者之間的交互作用則略低一些，呈顯著影響（<0.05），表明這2種種植模式相對露地種植，在降雨發(fā)生變化時有較好的適應(yīng)能力。綜上可知3種種植模式下氣溫對產(chǎn)量的影響稍大于降雨，主要是因?yàn)樵摰貐^(qū)早晚溫差大，氣溫變化時極易造成生育前期低溫或高溫脅迫，以致于大幅度減產(chǎn)，而該地區(qū)降雨量較少、生產(chǎn)潛力較低，當(dāng)改變15%時，相對整體而言變化不大，但都是影響玉米產(chǎn)量的主要因素。

3 討 論

AquaCrop模型的研發(fā)是為了更好地模擬在干旱及半干旱環(huán)境中，水分條件的限制對作物產(chǎn)量的影響[16,30-31]，而且模擬和實(shí)測值的決定系數(shù)2均大于0.8，一般作物模型應(yīng)用中2<0.6時為較差，0.6≤2≤0.8時為良好，2>0.8為較好，說明該模型在旱區(qū)有一定的適應(yīng)性。該模型參數(shù)設(shè)置中具有壟溝及覆膜屬性，適合黃土高原地區(qū)作物栽培特性，并且用冠層覆蓋度代替其他模型中葉面積指數(shù)，提高了模擬精度。該模型通過較少的參數(shù)和數(shù)據(jù)就可模擬作物生產(chǎn)潛力，可供作物學(xué)家、經(jīng)濟(jì)學(xué)家、行政人員等對嚴(yán)峻的糧食安全問題等問題作出宏觀部署。楊寧等[20]對半干旱地區(qū)覆膜春玉米的產(chǎn)量進(jìn)行模擬，模擬結(jié)果NRMSE為4.2%，CRM為?0.013～0.026，與本研究所得模擬結(jié)果NRMSE為6.94%～9.49%，CRM為?0.092 5～0.084 3基本吻合，無明顯差異，且NRMSE均小于10%，說明AquaCrop模型模擬效果較好，在半干旱地區(qū)具有一定的適應(yīng)性。但本研究中露地和單壟種植模式下CRM均小于0，說明該模型具有高估低值的趨勢，如能對作物蒸騰量進(jìn)行田間實(shí)測，可進(jìn)一步對AquaCrop模型參數(shù)（作物蒸騰量、水分生產(chǎn)效率等）優(yōu)化和驗(yàn)證。AquaCrop是一個水分驅(qū)動模型，所需校準(zhǔn)參數(shù)是由地區(qū)（土壤、氣候）、種植模式（地表覆蓋物）、作物品種等因素共同決定，3種種植模式下水分傳輸和散失機(jī)理必然不同，因而導(dǎo)致校準(zhǔn)參數(shù)水分生產(chǎn)力、收獲指數(shù)、最大冠層覆蓋度等也有一定的差異，為了使該模型具有更高的模擬精度和特定的適應(yīng)性，所以需對不同種植模式進(jìn)行獨(dú)立率定。

黃土高原屬于雨養(yǎng)農(nóng)業(yè)區(qū)，降雨和溫度是引起作物產(chǎn)量變化的主要因素，本研究結(jié)果顯示3種種植模式下降雨量和溫度對玉米產(chǎn)量影響顯著，氣溫變化對產(chǎn)量產(chǎn)生的效應(yīng)較降水帶來的效應(yīng)弱，而且隨著降雨量降低，玉米產(chǎn)量顯著降低，這與Masikati等[32]研究結(jié)果相近。降雨減少使得全膜雙壟溝播較單壟和露地減產(chǎn)幅度較小，這是由于覆膜具有減少土壤蒸發(fā)量且壟溝集雨的效果，抗旱能力較強(qiáng)[33]，所以未來氣候干旱化勢必會對甘肅地區(qū)農(nóng)業(yè)生產(chǎn)造成嚴(yán)重的影響，種植結(jié)構(gòu)和模式的調(diào)整尤為重要。該地區(qū)3種種植模式隨氣溫整體上升，玉米產(chǎn)量波動范圍均減小，其中全膜雙壟溝播波動范圍最小，這是由于甘肅中部地區(qū)海拔較高，作物生長季氣溫低于基準(zhǔn)氣溫，增溫對于產(chǎn)量具有正效應(yīng)，而且覆膜能提高作物有效積溫，使其達(dá)到正常生產(chǎn)潛力；本研究中氣溫降低造成某些年份玉米減產(chǎn)的主要原因是其極易受5－9月冷害的影響，生長前期發(fā)育滯后，未能完成灌漿過程[34]?？傮w來說，甘肅中部地區(qū)當(dāng)氣候劇變，尤其氣溫過低或降雨減少時，有必要通過調(diào)整種植模式、面積、播種時間等管理措施，規(guī)避低溫脅迫、充分利用降水以減少生產(chǎn)風(fēng)險。本研究只定量的分析了降雨和氣溫變化對玉米產(chǎn)量的影響，未考慮太陽輻射和CO2濃度對其影響，各氣象因子對玉米產(chǎn)量的綜合效益還需進(jìn)一步研究。

4 結(jié) 論

1）利用2014－2016年田間試驗(yàn)對AquaCrop模型玉米參數(shù)進(jìn)行校準(zhǔn)和驗(yàn)證，得到該地區(qū)3種種植模式下玉米品種及脅迫參數(shù)，模擬與實(shí)測產(chǎn)量的均方根誤差在245.34～745.10 kg/hm2，標(biāo)準(zhǔn)均方根誤差在6.94%～9.49%之間，整體上能夠較好地模擬3種模式下春玉米動態(tài)生長。

2）在一定范圍內(nèi)，3種種植模式下玉米產(chǎn)量波動范圍均隨氣溫和降雨升高呈減小趨勢。波動范圍最小的是全膜雙壟溝播，說明其更具有氣候變化適應(yīng)能力，其他依次為單壟和露地種植。在設(shè)置的變化情景間露地種植產(chǎn)量曲線斜率均差異顯著，說明露地種植極易受氣候變化影響。

3）在產(chǎn)量協(xié)方差分析中得到氣溫對3種種植模式玉米產(chǎn)量均具有極顯著影響；露地種植下降雨對產(chǎn)量呈極顯著影響，而單壟和全膜雙壟溝播種植模式下降雨對產(chǎn)量的影響略低，呈顯著影響；氣溫和降雨之間的交互作用均對產(chǎn)量影響顯著。在旱區(qū)除了選擇合適的種植制度，更應(yīng)該加強(qiáng)一些田間管理措施，以便規(guī)避氣候變化導(dǎo)致的生產(chǎn)風(fēng)險。

[1] 葛全勝，鄭景云，郝志新，等. 過去2000年中國氣候變化研究的新進(jìn)展[J]. 地理學(xué)報，2014，69(9)：1248－1258.

Ge Quansheng, Zhen Jingyun, Hao Zhixin, et al. State-of-the-arts in the study of climate changes over China for the past 2000 years[J]. Acta Geographica Sinica, 2014, 69(9): 1248－1258. (in Chinese with English abstract)

[2] Chen Chao, Wang Enli, Yu Qiang, et al. Quantifying the effects of climate trends in the past 43 years (1961-2003) on crop growth and water demand in the North China Plain[J]. Climate Change, 2010, 100(3): 559－578.

[3] 曹陽，楊婕，熊偉，等. 1962－2010年潛在干旱對中國冬小麥產(chǎn)量影響的模擬分析[J]. 農(nóng)業(yè)工程學(xué)報，2014，30(7)：128－139.

Cao Yang, Yang Jie, Xiong Wei, et al. Simulation of winter wheat yield influenced by potential drought in China during 1962－2010[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(7): 128－139. (in Chinese with English abstract)

[4] Mark W Y, Ewen M, Geoffrey R S. Environmental risk assessment of blight-resistant potato: Use of a crop model to quantify nitrogen cycling at scales of the field and cropping system[J]. Environ Sci Pollut Res, 2017, 24: 21434－21444.

[5] élodie Blanc. Statistical emulators of maize, rice, soybean and wheat yields from global gridded crop models[J]. Agricultural and Forest Meteorology, 2017, 236: 145－161.

[6] 楊軒，王自奎，曹銓，等. 隴東地區(qū)幾種旱作作物產(chǎn)量對降水與氣溫變化的響應(yīng)[J]. 農(nóng)業(yè)工程學(xué)報，2016，32(9)：106－114.

Yang Xuan, Wang Zikui, Cao Quan, et al. Effect of precipitation and air temperature changes on yield of several crops in Eastern Gansu of China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(9): 106－114. (in Chinese with English abstract)

[7] Seyed H A, Elnaz M, Ali A K-H, et al. Modeling maize yield and soil water content with AquaCrop under full and deficit irrigation management[J]. Water Resources Management, 2015, 29: 2837－2853.

[8] Uvirkaa A, Aondover T, Ado A Y. Validation and testing of the FAO AquaCrop model under different levels of nitrogen fertilizer on rainfed maize in Nigeria West Africa[J]. Agricultural and Forest Meteorology, 2017, 232: 225－234.

[9] 孫仕軍，張琳琳，陳志君，等. AquaCrop作物模型應(yīng)用研究進(jìn)展[J]. 中國農(nóng)業(yè)科學(xué)，2017，50(17)：3286－3299.

Sun Shijun, Zhang Linlin, Chen Zhijun, et al. Advance in AquaCrop model research and application[J]. Scientia Agricultural Sinica, 2017, 50(17): 3286－3299. (in Chinese with English abstract)

[10] Katerji Nader, Campi Pasquale, Marcello Mastroilli. Productivity, evapotranspiration and water use efficiency of corn and tomato crops simulated by AquaCrop under contrasting water stress condition in the Mediterranean[J]. Agricultural Water Management, 2013, 130: 14－26.

[11] Muluneh A, Stroosnijder L, Keesstra S D, et al. Adapting to climate change for food security in the Rift Valley dry lands of Ethiopia: Supplemental irrigation, plant density and sowing date[J]. The Journal of Agricultural Science, 2016, 155: 703－724.

[12] Yang C Y, Fraga H, Leperen W V, et al. Assessment of irrigated maize yield response to climate change scenarios in Portugal[J]. Agricultural Water Management, 2017, 184: 178－190.

[13] 李晶，付馳，李雙雙，等. 東北春小麥區(qū)AquaCrop模型模擬驗(yàn)證及春小麥生產(chǎn)力初步估測[J]. 灌溉排水學(xué)報，2014，33(2)：69－72.

Li Jing, Fu Chi, Li Shuangshuang, et al. The simulation for northeast spring wheat productivity based on the AquaCrop model and modeling verification[J]. Journal of Irrigation and Drainage, 2014, 33(2): 69－72. (in Chinese with English abstract)

[14] Toumi J, Erraki S, Ezzahar J, et al. Performance assessment of AquaCrop model for estimating evapotranspiration, soil water content and grain yield of winter wheat in Tensift Al Haouz (Morocco): Application to irrigation management[J]. Agricultural Water Management, 2016, 163(1): 219－235.

[15] 倪玲，馮浩，任小川，等. AquaCrop作物模型在黃土塬區(qū)夏玉米生產(chǎn)中的適用性評價[J]. 干旱地區(qū)農(nóng)業(yè)研究，2015，33(6)：40－45.

Ni Ling, Feng Hao, Ren Xiaochuan, et al. Applicable evaluation of crop model AquaCrop for summer maize production in Loess Plateau region[J]. Agricultural Research in the Arid Areas, 2015, 33(6):40－45. (in Chinese with English abstract)

[16] 劉琦，龔道枝，郝衛(wèi)平，等. 利用AquaCrop模型模擬旱作覆膜春玉米耗水和產(chǎn)量[J]. 灌溉排水學(xué)報，2015，34(6)：54－61.

Liu Qi, Gong Daozhi, Hao Weiping, et al. Simulating water use and yield of film mulched maize with AquCrop model[J]. Journal of Irrigation and Drainage, 2015, 34(6):54－61. (in Chinese with English abstract)

[17] 卜令鐸. 旱地春玉米高產(chǎn)高效栽培體系構(gòu)建、評價及區(qū)域模擬[D]. 楊凌：西北農(nóng)林科技大學(xué)，2013.

Bu Lingduo. The Cultivation System Establishment and Assessment Contributing to Yield and Efficiency Improvement of Dryland Maize, and Regional Simulation[D]. Yangling: North West Agriculture and Forestry University, 2013. (in Chinese with English abstract)

[18] 邢貞相，閆丹丹，劉美鑫，等. 三江平原近60年降水量時空變異特征分析[J]. 農(nóng)業(yè)機(jī)械學(xué)報，2015，46(11)：337－344.

Xing Zhenxiang, Yan Dandan, Liu Meixin, et al. Spatiotemporal variability analysis of annual precipitation in Sanjiang Plain in recent sixty years[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(11): 337－344. (in Chinese with English abstract)

[19] Hamid J F, Gabriella I, Theib Y O. Parameterization and evaluation of the AquaCrop model for full and deficit irrigated cotton[J]. Agronomy Journal, 2009, 101(3): 469－476.

[20] 楊寧，孫占祥，張立楨，等. 基于改進(jìn)AquaCrop模型的覆膜栽培玉米水分利用過程模擬與驗(yàn)證[J]. 農(nóng)業(yè)工程學(xué)報，2015，31(增刊1)：122－132.

Yang Ning, Sun Zhanxiang, Zhang Lizhen, et al. Simulation of water use process by film mulched cultivated maize based on improved AquaCrop model and its verification[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(Supp.1): 122－132. (in Chinese with English abstract)

[21] 王連喜，吳建生，李琪，等. AquaCrop作物模型應(yīng)用研究進(jìn)展[J]. 地球科學(xué)進(jìn)展，2015，30(10)：1100－1106.

Wang Lianxi, Wu Jiansheng, Li Qi, et al. A review on the research and application of AquaCrop model[J]. Advances in Earth Science, 2015, 30(10): 1100－1106. (in Chinese with English abstract)

[22] Raes D. The ET0calculator: Evapotranspiration from a Reference Surface[M]. Rome: Food and Agriculture Organization of the United Nations, 2012: 25－26.

[23] IPCC. Climate change 2013: The physical science basis[M]// Stocker T F, Qin D, Plattner G K, et al. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[M]. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 2013.

[24] 張強(qiáng)，鄧振鏞，趙映東，等. 全球氣候變化對我國西北地區(qū)農(nóng)業(yè)的影響[J]. 生態(tài)學(xué)報，2008，28(3)：1210－1218.

Zhang Qiang, Deng Zhenyong, Zhao Yingdong, et al. The impacts of global climate change on the agriculture in northwest China[J]. Acta Ecologica Sinica, 2008, 28(3): 1210－1218. (in Chinese with English abstract)

[25] 姚玉璧，肖國舉，王潤元，等. 近50年來西北半干旱區(qū)氣候變化特征[J]. 干旱區(qū)地理，2009，32(2)：159－165.

Yao Yubi, Xiao Guoju, Wang Runyuan, et al. Climate changes of semi-arid region over the northwest China in recent 50a[J]. Arid Land Geography, 2009, 32(2): 159－165. (in Chinese with English abstract)

[26] 呂碩，楊曉光，趙錦，等. 氣候變化和品種更替對東北地區(qū)春玉米產(chǎn)量潛力的影響[J]. 農(nóng)業(yè)工程學(xué)報，2013，29(18)：179－190.

Lv Shuo, Yang Xiaoguang, Zhao Jin, et al. Effects of climate change and variety alternative on potential yield of spring maize in Northeast China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(18): 179－190. (in Chinese with English abstract)

[27] 李秀芬，趙慧穎，朱海霞，等. 黑龍江省玉米氣候生產(chǎn)力演變及其對氣候變化的響應(yīng)[J]. 應(yīng)用生態(tài)學(xué)報，2016，27(8)：2561－2570.

Li Xiufen, Zhao Huiying, Zhu Haixia, et al. Evolution of maize climate productivity and its response to climate change in Heilongjiang Province, China[J]. Chinese Journal of Applied Ecology, 2016, 27(8): 2561－2570. (in Chinese with

English abstract)

[28] 張濤，孫偉，張鋒偉，等. 旱地全膜雙壟溝玉米生產(chǎn)的AquaCrop模型模擬及管理措施優(yōu)化[J]. 應(yīng)用生態(tài)學(xué)報，2017，28(3)：918－926.

Zhang Tao, Sun Wei, Zhang Fengwei, et al. Simulation of AquaCrop model and management practices optimization for dryland maize production under whole plastic-film mulching on double ridges[J]. Chinese Journal of Applied Ecology, 2017, 28(3): 918－926. (in Chinese with English abstract)

[29] 董朝陽，劉志娟，楊曉光. 北方地區(qū)不同等級干旱對春玉米產(chǎn)量影響[J]. 農(nóng)業(yè)工程學(xué)報，2015，31(11)：157－164.

Dong Chaoyang, Liu Zhijuan, Yang Xiaoguang. Effects of different grade drought on grain yield of spring maize in Northern China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(11): 157－164. (in Chinese with English abstract)

[30] 張鐵楠，付馳，李晶，等. 基于寒地春小麥AquaCrop與WOFOST模型適應(yīng)性驗(yàn)證分析[J]. 作物雜志，2013，29(3)：121－126.

Zhang Tienan, Fu Chi, Li Jing, et al. The adaptability test analysis of AquaCrop and WOFOST model based on the cold spring wheat[J]. Crops, 2013, 29(3): 121－126. (in Chinese with English abstract)

[31] Toumi J, Er-Raki S, Ezzahar J, et al. Performance assessment of AquaCrop model for estimating evapotranspiration, soil water content and grain yield of winter wheat in Tensift Al Haouz (Morocco): Application to irrigation management[J]. Agricultural Water Management, 2016, 163: 219－235.

[32] Masikati P, Manschadi A, Rooyen A. Maize-mucuna rotation: An alternative technology to improve water productivity in smallholder farming systems[J]. Agricultural Systems, 2014, 123: 62－70.

[33] 謝軍紅，柴強(qiáng)，李玲玲，等. 黃土高原半干旱區(qū)不同覆膜連作玉米產(chǎn)量的水分承載時限研究[J]. 中國農(nóng)業(yè)科學(xué)，2015，48(8)：1558－1568.

Xie Junhong, Chai Qiang, Li Lingling, et al. The time loading limitation of continuous cropping maize yield under different plastic film mulching modes in semi-arid region of Loess Plateau of China[J]. Scientia Agricultura Sinica, 2015, 48(8): 1558－1568. (in Chinese with English abstract)

[34] 馬玉平，王石立，李維京. 基于作物生長模型的玉米生殖期冷害致災(zāi)因子研究[J]. 作物學(xué)報，2011，37(9)：1642－1649.

Ma Yuping, Wang Shili, Li Weijing. Chilling disaster factors in maize reproductive stage based on crop growth model[J]. Acta Agronomica Sinica, 2011, 37(9): 1642－1649. (in Chinese with English abstract)

Response of yield of spring maize to changes of precipitation and air temperature in arid region

Zhang Tao1, Sun Wei2※, Sun Bugong2, Wu Jianmin2, Wang Lijuan3, Feng Bin1, Zhang Fengwei2

(730070,;2.,730070,; 3.730101,)

The climate change has important effects on agriculture in which climatic variables are the main contributor to yield and have received wide concerns globally. In order to explore the influence of climate change in arid area and main meteorological factors on maize yield under different planting patterns, the study first calibrated and validated the parameters of AquaCrop model for open field planting, single-row ridge planting and all-film double-furrow sowing in arid regions, with the data of field experiment from 2014 to 2016. Calibration parameter mainly included the maximum canopy coverage, reference harvest index, normalized water productivity, readily evaporable water, and so on. The research also designed different temperature and precipitation gradients based on 35-year historical meteorological data from 1981 to 2015, and simulation method was used to analyze the maize yield trends under different situations. Air temperature levels were: 1) to decrease by 1.5 ℃ in daily mean temperature (A1); 2) historical daily temperature (A2); 3) to increase by 1.5 ℃ in daily mean temperature (A3). Precipitation levels were: 1) to decrease by 15% in daily precipitation (B1); historical daily precipitation (B2); 3) to increase by 15% in daily precipitation (B3). The results showed the AquaCrop model could predict the maize yield and biomass with the 3 planting patterns accurately, the root mean square error of measured and simulated yield with 3 planting patterns was between 245.34 and 745.10 kg/hm2, the normalized root mean square error was between 6.94% and 9.49%, and the tendency of simulated and tested soil water content was nearly uniform, the NRMSE of which was between 8.65% and 10.74%. Overall, the AquaCrop model was powerful to simulate crop yield, biomass and soil water content of maize in study site. Through comparing the different calibration parameters of 3 planting patterns, we could find all-film double-furrow sowing had the function of keeping moisture and improving crop yield potentially. Within the setting range, with the temperature and precipitation increasing, the range of yield fluctuation under 3 plating patterns was reduced, and the yield fluctuation of all-film double-furrow sowing was the smallest, with the slope of the average yield curve of 0.083 4, so it had a strong ability to adapt to climate change. Yield fluctuation of single-row ridge planting was the largest when temperature decreased or increased by 1.5 ℃, and the slopes of yield curves were 0.211 0 and 0.051 6, respectively. Different gradients of temperature and precipitation all had obvious influence on maize yield under open field planting, which showed that the yield under this panting pattern was more easily affected and hardly controlled for climate change. The yield potential reached the maximum in A3B3situation (temperature and precipitation increased by 1.5 ℃ and 15%, respectively). Compared with the original climate, the yield of open field planting, single-row ridge planting and all-film double-furrow sowing averagely increased by 13.45%, 11.57% and 17.67%, respectively. Temperature had an extremely significant effect on the yield under 3 planting patterns, and the precipitation was very significant for yield under open field planting and significant for yield under single-row ridge planting and all-film double-furrow sowing. This study can provide reference for yield prediction, risk assessment and the determination of relevant management measures. In the future, more efforts should be paid to explore complex influence of climate and crop management acting together on crop production.

crops; models; temperature; climate changes; AquaCrop model; yield; planting model; maize

10.11975/j.issn.1002-6819.2017.20.016

P467; S501

A

1002-6819(2017)-20-0127-09

2017-04-21

2017-10-05

公益性行業(yè)專項(xiàng)（201503124）和國家自然科學(xué)基金資助項(xiàng)目（51665001和51665002）

張 濤，博士生，主要從事作物生長模型應(yīng)用研究。 Email：Z890420t@163.com

※通信作者：孫 偉，副教授，博士，主要從事旱區(qū)生態(tài)保護(hù)及農(nóng)業(yè)機(jī)械裝備研究。Email：sunw@gsau.edu.cn

張 濤，孫 偉，孫步功，吳建民，王麗娟，馮 斌，張鋒偉. 不同種植模式下旱地春玉米產(chǎn)量對降雨和氣溫變化的響應(yīng)[J]. 農(nóng)業(yè)工程學(xué)報，2017，33(20)：127－135. doi：10.11975/j.issn.1002-6819.2017.20.016 http://www.tcsae.org

Zhang Tao, Sun Wei, Sun Bugong, Wu Jianmin, Wang Lijuan, Feng Bin, Zhang Fengwei. Response of yield of spring maize to changes of precipitation and air temperature in arid region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(20): 127－135. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.20.016 http://www.tcsae.org