基于WOFOST模型分析不同氣候情景對遼寧典型雨養(yǎng)春玉米產(chǎn)量的影響*

馬兆駿，帥艷民,3,4**，邵聰穎，曲 歌，田艷君，吳 昊，萬華偉，彭秀媛，肖萬欣，張書萍

基于WOFOST模型分析不同氣候情景對遼寧典型雨養(yǎng)春玉米產(chǎn)量的影響*

馬兆駿1,2，帥艷民1,2,3,4**，邵聰穎1，曲 歌1，田艷君1，吳 昊1，萬華偉5，彭秀媛6，肖萬欣7，張書萍7

（1.遼寧工程技術(shù)大學(xué)測繪與地理科學(xué)學(xué)院，阜新 123000；2.中國科學(xué)院新疆生態(tài)與地理研究所，烏魯木齊 830011；3.中國科學(xué)院中亞生態(tài)與環(huán)境研究中心，烏魯木齊 830011；4.中國科學(xué)院大學(xué)，北京，100049；5.生態(tài)環(huán)境部衛(wèi)星環(huán)境應(yīng)用中心，北京 100094；6.遼寧省農(nóng)業(yè)科學(xué)院信息研究所，沈陽 110161；7.遼寧省農(nóng)業(yè)科學(xué)院玉米研究所，沈陽 110161）

氣溫、降水和輻射是農(nóng)作物生長發(fā)育必需的基本氣候要素，其大小、波動及空間分布決定局部地區(qū)的種植結(jié)構(gòu)和農(nóng)產(chǎn)品產(chǎn)量增減，具有喜溫喜水特性的玉米其生長發(fā)育對氣候變化的響應(yīng)更為敏感。本研究基于遼寧省新民和朝陽地區(qū)近40a氣象數(shù)據(jù)分析各氣候要素變化特征，根據(jù)局地氣候暖干化趨勢耦合氣溫、降水、輻射三要素構(gòu)建不同氣候情景，利用田間實(shí)測數(shù)據(jù)對WOFOST模型進(jìn)行校準(zhǔn)和適用性檢驗(yàn)，并將該模型用于模擬不同氣候情景下遼寧典型雨養(yǎng)春玉米產(chǎn)量變化。結(jié)果表明：（1）驗(yàn)證后的WOFOST模型能較好地模擬兩站點(diǎn)春玉米產(chǎn)量，其模擬值與實(shí)測值的相對均方根誤差分別為8.78%和5.96%，一致性系數(shù)分別為0.82和0.96。（2）新民和朝陽兩地在設(shè)定的氣候要素變化范圍內(nèi)春玉米產(chǎn)量與氣溫呈負(fù)相關(guān)，與降水呈正相關(guān)。在氣溫增加，降水減少，輻射增強(qiáng)的不同梯度氣候情景下，新民（氣溫+1.2℃，降水量?25%，輻射+4%）和朝陽（氣溫+1.4℃，降水量?25%，輻射+3%）減產(chǎn)幅度分別達(dá)92.5%和85.9%，接近雨養(yǎng)春玉米絕產(chǎn)的警戒氣候情景。（3）新民春玉米產(chǎn)量受降水影響顯著，朝陽則對氣溫變化響應(yīng)敏感，而兩地產(chǎn)量對給定比例的輻射變化均未表現(xiàn)出明顯波動。

春玉米；氣候變化情景；WOFOST模型；產(chǎn)量

隨著人類活動加劇和極端氣象事件增多，近幾十年全球氣候變化已在各領(lǐng)域日益受到重視，尤其是與氣候變化密切相關(guān)的農(nóng)業(yè)生產(chǎn)[1]。隨氣候變化波動的氣溫、降水和輻射，是直接影響大田農(nóng)作物產(chǎn)量的重要因子。聯(lián)合國政府間氣候變化專門委員會（IPCC）2018年發(fā)布的《Intergovernmental panel on climate change global warming of 1.5℃》中指出，相較于1850?1900年，21世紀(jì)末期地球表面溫度變化有望超過1.5℃，伴隨氣溫升高，全球范圍內(nèi)極端高溫、干旱、強(qiáng)降雨等極端天氣事件發(fā)生頻率不斷增加[2]。研究表明，中國東北地區(qū)是受全球氣候變化響應(yīng)最敏感的地區(qū)之一，其中以雨養(yǎng)農(nóng)業(yè)為主的遼寧，近50a平均每10a增溫0.19℃，輻射量減幅約為9.58MJ·m?2·10a?1，同時降水量減幅約8.73mm·10a?1[3]。故在全球氣候變化的新情況下，大田雨養(yǎng)農(nóng)作物的生長發(fā)育和產(chǎn)量對氣候變化如何響應(yīng)仍需進(jìn)一步深入理解。

玉米喜溫、喜光和喜水使其在生長過程對氣候條件要求較高，因此氣候變化引起的玉米產(chǎn)量波動不容忽視[4]。作為中國第一大糧食作物，玉米產(chǎn)量對國民經(jīng)濟(jì)發(fā)展起到至關(guān)重要作用，遼寧省是農(nóng)業(yè)大省，2020年糧食單位面積產(chǎn)量穩(wěn)居全國第四位[5]，是重要的春玉米長期種植區(qū)，其中玉米種植面積和產(chǎn)量分別占全省糧食作物播種面積和產(chǎn)量的60.2%和59.5%[6]，故玉米豐歉關(guān)系到全省乃至全國糧食生產(chǎn)大局。遼寧省根據(jù)2015年農(nóng)業(yè)部出臺《“鐮刀彎”地區(qū)玉米結(jié)構(gòu)調(diào)整的指導(dǎo)意見》開展農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革，在2016年完成了調(diào)減非優(yōu)勢區(qū)玉米播種面積13.97萬hm2，2017年調(diào)減面積為6.67萬hm2，并按計(jì)劃逐年完成玉米面積調(diào)減工作[7]。因此，在氣候變化和政策調(diào)整協(xié)同作用下，亟需探索玉米產(chǎn)量對各氣候要素變化的響應(yīng)特征，分析脅迫春玉米生長和促進(jìn)春玉米產(chǎn)量提高的氣象條件，為增強(qiáng)遼寧玉米生產(chǎn)保供能力提供科學(xué)參考。

“十四五”農(nóng)業(yè)現(xiàn)代化呼喚更多關(guān)于作物生長生產(chǎn)與生態(tài)環(huán)境耦合機(jī)制的深入研究，包括作物在不同氣候變化情景下的響應(yīng)與反饋機(jī)制，提高農(nóng)業(yè)結(jié)構(gòu)調(diào)控和潛在的農(nóng)業(yè)風(fēng)險(xiǎn)管控能力[8]。前人基于田間試驗(yàn)的氣象要素研究切實(shí)提高了對作物產(chǎn)量中氣候條件重要性的認(rèn)識[9?10]，然而從作物生長機(jī)理方面對各氣候要素與產(chǎn)量響應(yīng)關(guān)系的定量分析仍顯不足。目前主流作物生長模型在驅(qū)動生物量積累模擬的方法上各有不同[11]，WOFOST（World Food Study）模型由荷蘭瓦赫寧根大學(xué)和世界糧食研究中心合作研發(fā)，是耦合作物生長機(jī)理的典型模型，其更深入考慮了作物呼吸過程，通過調(diào)整外部參數(shù)和調(diào)用單個代碼庫模擬多種作物類型，可實(shí)現(xiàn)逐天定量模擬不同地區(qū)和氣候環(huán)境因素影響下的作物生長情況[12]，具有較好的普適性。近年來WOFOST模型多被應(yīng)用于不同地區(qū)的適用性分析或估算局地作物生長過程和產(chǎn)量的研究[13?15]，而應(yīng)用其探討氣候變化背景下春玉米產(chǎn)量與各氣候要素波動的響應(yīng)關(guān)系仍較少見。鑒于此，本研究以遼寧省新民和朝陽兩個典型雨養(yǎng)春玉米種植區(qū)為研究對象，依據(jù)1981?2018年兩站點(diǎn)歷史氣象數(shù)據(jù)及農(nóng)氣站春玉米觀測資料，開展WOFOST模型參數(shù)校準(zhǔn)與驗(yàn)證，將其應(yīng)用于分析不同氣候變化情景對遼寧典型雨養(yǎng)春玉米產(chǎn)量的影響，以期為本地玉米產(chǎn)業(yè)管理、風(fēng)險(xiǎn)管控和可持續(xù)發(fā)展提供基本信息。

1 材料與方法

1.1 研究區(qū)概況

遼寧省屬溫帶大陸性季風(fēng)氣候，光照資源豐富，春玉米種植方式為一年一熟制。選取新民和朝陽兩個典型雨養(yǎng)春玉米種植區(qū)進(jìn)行模擬試驗(yàn)，其中新民站（122°50′E, 41°59′N, 30.7m）位于遼寧中部，年平均降水量為577.5mm，年平均氣溫為8.6℃，年太陽總輻射為4827.2MJ·m?2，年日照時數(shù)為2581.3h；朝陽站（120°27′E, 41°33′N, 168.7m）位于遼寧西部，年平均降水量為464.5mm，年平均氣溫為9.6℃，年太陽總輻射為5185.0MJ·m?2，年日照時數(shù)為2628.9h。

1.2 技術(shù)路線

WOFOST模型具有模擬不同地區(qū)不同氣候條件下一年生作物生長過程的能力[17?18]，通用性較好，可滿足本研究需求，用以模擬不同氣候情景下春玉米生長發(fā)育與干物質(zhì)積累過程。圖1為本研究的主要技術(shù)流程，主要模塊包括輸入數(shù)據(jù)、WOFOST模型參數(shù)優(yōu)化和氣候情景模擬等。首先，利用新民與朝陽農(nóng)氣臺站觀測的氣象資料、春玉米生育期及田間實(shí)測產(chǎn)量進(jìn)行參數(shù)敏感性分析并校準(zhǔn)WOFOST模型參數(shù)，實(shí)現(xiàn)模型參數(shù)優(yōu)化與適用性評價(jià)。第二步，利用兩站點(diǎn)1981?2018年氣象資料計(jì)算多年平均逐日氣象數(shù)據(jù)，考查各氣候要素變化范圍和距平百分率，設(shè)置氣候要素變化梯度。第三步，以多年平均逐日氣象數(shù)據(jù)驅(qū)動校準(zhǔn)后的WOFOST模型，即對照氣候情景（CK，Control check）下模擬得到春玉米產(chǎn)量作為基準(zhǔn)值，并與設(shè)置的不同梯度氣候情景得到模擬產(chǎn)量對比，分析研究站點(diǎn)內(nèi)對春玉米產(chǎn)量起促進(jìn)與脅迫作用的氣候條件。

1.3 數(shù)據(jù)來源及預(yù)處理

WOFOST模型輸入與驗(yàn)證數(shù)據(jù)分別來自中國氣象數(shù)據(jù)網(wǎng)發(fā)布的數(shù)據(jù)集及新民、朝陽兩農(nóng)氣臺站春玉米觀測資料。

（1）驅(qū)動WOFOST模型運(yùn)行的氣象數(shù)據(jù)由中國氣象局國家氣象科學(xué)數(shù)字中心（http://data.cma.cn/）下載，包括新民和朝陽站1981?2018年日最高氣溫（℃）、日最低氣溫（℃）、逐日水汽壓（kPa）、日平均風(fēng)速（m×s?1）、逐日降水量（mm）及逐日太陽總輻射（KJ×m?2），所用數(shù)據(jù)集經(jīng)過嚴(yán)格的質(zhì)量控制與檢查，部分缺測數(shù)據(jù)通過Matlab編程進(jìn)行完善，若缺測序列小于2d，缺測值采用其前后兩天觀測數(shù)據(jù)平均值代替；若缺測序列≥2d，采用同一日期的多年平均值代替。作物參數(shù)包括新民與朝陽農(nóng)氣臺站觀測的春玉米生育期、品種特性參數(shù)（玉米株高、生長狀況）、畝實(shí)際產(chǎn)量等。此外，通過《遼寧土種志》及相關(guān)文獻(xiàn)[15?16]收集研究站點(diǎn)的凋萎點(diǎn)系數(shù)、田間持水量、容重、飽和含水量等土壤參數(shù)。

（2）驗(yàn)證數(shù)據(jù)：利用新民和朝陽兩站點(diǎn)觀測的2011?2012年氣象資料與農(nóng)氣站實(shí)測春玉米作物參數(shù)對WOFOST模型進(jìn)行參數(shù)校準(zhǔn)，再利用新民站2003?2009年，朝陽站2003?2005、2007?2008、2010年田間實(shí)測春玉米產(chǎn)量驗(yàn)證WOFOST模型在單點(diǎn)尺度上的模擬精度。

1.4 模型參數(shù)校準(zhǔn)

模型參數(shù)校準(zhǔn)是提高模型有效性和保證模擬精度的重要前提。WOFOST模型通過更改外部參數(shù)值，調(diào)用相應(yīng)模塊模擬多種作物全發(fā)育期生長過程[19]。應(yīng)用前需要對模型參數(shù)進(jìn)行調(diào)整率定，鑒于WOFOST模型中參數(shù)較多，逐一校準(zhǔn)不現(xiàn)實(shí)。故對模型參數(shù)進(jìn)行敏感性分析與分類標(biāo)定，篩選出需要率定的參數(shù)后進(jìn)行參數(shù)校準(zhǔn)。

敏感性分析是通過量化各參數(shù)對模擬結(jié)果的影響，區(qū)分和界定模型中的關(guān)鍵參數(shù)，進(jìn)而提高參數(shù)優(yōu)化過程的效率[20]，利用初始變量擾動法考察春玉米產(chǎn)量對WOFOST模型中各參數(shù)的敏感性，即通過每次運(yùn)行只改變1個模型參數(shù)，并依據(jù)其改變量與模擬產(chǎn)量變化范圍的相關(guān)程度進(jìn)行篩選，采用相對敏感度（RS，Relative Sensitivity）定量描述參數(shù)的敏感性大小。對于相對敏感度較低的參數(shù)，可依據(jù)站點(diǎn)情況選擇WOFOST模型缺省值或相關(guān)文獻(xiàn)取值；而敏感度較高的參數(shù)采用“試錯法”，即在單點(diǎn)尺度上通過模擬產(chǎn)量與實(shí)測產(chǎn)量間的擬合程度來確定各參數(shù)具體取值[21]。

1.5 模型適用性評價(jià)

利用均方根誤差（RMSE）、相對均方根誤差（NRMSE）、一致性系數(shù)（D）和殘差聚集類系數(shù)（CRM）評價(jià)WOFOST模型在研究站點(diǎn)的模擬精度[22]，計(jì)算式為

1.6 氣候情景設(shè)置

在全球氣候變化背景下，遼寧地區(qū)氣溫逐年升高，地表蒸散潛在增加，同時降水減少提升了干旱發(fā)生頻率，使遼寧氣候面臨暖干化趨勢[23]。在此氣候變化背景下，基于多年平均歷史氣象數(shù)據(jù)，按照氣溫、降水和輻射三種主要?dú)夂蛞貥?gòu)建不同梯度的氣候模擬情景。圖2為新民和朝陽站1981?2018年各氣候要素變化范圍和距平百分比。在過去38a兩站氣溫、降水和日總輻射量均有不同程度波動，通過回歸分析和t檢驗(yàn)法得到P值可知，總體上新民和朝陽站年均降水量隨年份變化呈降低趨勢，但變化趨勢不顯著。新民站年平均氣溫和日總輻射量均呈現(xiàn)增加趨勢，變化速率分別為0.0193℃×a?1（P＜0.05）和43.8210MJ·m?2×a?1（P＜0.01）；朝陽站年平均氣溫抬升增強(qiáng)，變化速率為0.0287℃×a?1（P＜0.01），但日總輻射量的變化趨勢不顯著。

根據(jù)研究站點(diǎn)38a內(nèi)各氣候要素動態(tài)變化范圍，結(jié)合IPCC第五次評估報(bào)告中未來極端情景下氣候變化程度[2]和相關(guān)研究[24?25]進(jìn)行梯度設(shè)置。首先以多年平均值為基準(zhǔn)，每種氣候要素具有“升高（1）”、“不變（0）”和“降低（?1）”三種變化情況，并在每種變化情況中設(shè)置不同梯度。在未來極端氣候情景下，東北地區(qū)氣溫變化將達(dá)到0.8～1.5℃[2]，研究站點(diǎn)降水量變化可達(dá)15%～25%，日總輻射量變化3%～4%。因此，結(jié)合新民和朝陽兩站點(diǎn)各氣候要素多年距平波動及未來氣候變化的潛在極端情況，將降水梯度設(shè)置為25%，氣溫分別設(shè)置為1.2℃、1.4℃，輻射分別設(shè)置為4%、3%。以氣溫（△T）、降水（△P）、輻射（△R）變化量為自變量，借助WOFOST作物模型模擬得到不同梯度氣候情景下研究站點(diǎn)春玉米產(chǎn)量，作為響應(yīng)值，具體氣候要素變化組合如表1所示。

模擬情景設(shè)計(jì)為3個氣候因素的三種變化，采用枚舉法共設(shè)置27組氣候變化情景。不同氣候情景中存在兩種或三種氣候要素同時增減情況，通過氣候變化情況編碼正向和負(fù)向累積表示，編碼正向累積值為2，表示兩種氣候要素同時升高；負(fù)向累積值為?3，表示三種氣候要素同時降低。由于春玉米屬于遼寧地區(qū)長期種植作物，其生長發(fā)育基本適應(yīng)該地區(qū)氣候條件，因此，以非極端氣候事件發(fā)生的歷史氣候要素均值模擬對照（CK，Control check）情景。為排除其它氣候要素對模擬結(jié)果的影響，將氣溫、降水和輻射外的氣象與土壤參數(shù)均設(shè)為一致，再利用調(diào)參驗(yàn)證后的WOFOST模型逐一模擬27種氣候變化情景。

2 結(jié)果與分析

2.1 模型主要參數(shù)確定及適用性評價(jià)

2.1.1 模型主要參數(shù)確定

模型參數(shù)的敏感性分析以及模擬值與實(shí)測值的擬合程度是校準(zhǔn)模型的重要依據(jù)。圖3所示為參數(shù)敏感性分析結(jié)果，利用相對敏感度表示模型中各參數(shù)對新民和朝陽兩地春玉米產(chǎn)量的影響大小，篩選出高敏感參數(shù)。WOFOST模型參數(shù)中各發(fā)育階段所需的有效積溫（TSUMEM、TSUM1、TSUM2），依據(jù)兩站春玉米實(shí)測生育期及同期逐日平均氣溫?cái)?shù)據(jù)計(jì)算得到，同時單葉片同化CO2的光能利用率（EFFTB）、同化物轉(zhuǎn)化成貯存器官干物質(zhì)重的效率（CVO）、最大CO2同化速率（AMAXTB）、35℃下葉片生存周期（SPAN）、比葉面積（SLATB）、葉面積指數(shù)的最大相對增長速率（RGRLAI）等參數(shù)通過查閱相關(guān)文獻(xiàn)[26?27]及“試錯法”確定。具體參數(shù)取值見表2。

表1 基于1981?2018年歷史氣象數(shù)據(jù)的各氣候要素變化量梯度設(shè)置

表2 WOFOST模型中的主要作物參數(shù)

2.1.2 模型適用性評價(jià)

利用兩站點(diǎn)春玉米田間實(shí)測數(shù)據(jù)對校準(zhǔn)后的WOFOST模型進(jìn)行產(chǎn)量模擬結(jié)果的精度評價(jià)。新民和朝陽站分別基于7a（2003?2009年）和6a（2003?2005年、2007?2008年、2010年）的逐日氣象數(shù)據(jù)模擬春玉米籽粒產(chǎn)量，與兩站點(diǎn)實(shí)測產(chǎn)量對比進(jìn)行模型精度評價(jià)，結(jié)果見表3。由表可見，兩站點(diǎn)春玉米產(chǎn)量模擬值與實(shí)測值之間均方根誤差（RMSE）在誤差允許范圍內(nèi)且相對均方根誤差（NRMSE）均小于10%，說明WOFOST模型在站點(diǎn)尺度上整體模擬精度較高。一致性系數(shù)（D）值均接近1，表明模擬產(chǎn)量與實(shí)測產(chǎn)量吻合程度較高。兩站點(diǎn)產(chǎn)量模擬值與實(shí)測值之間殘差聚集類系數(shù)（CRM）均大于0，蘊(yùn)含模型具有低估的趨勢，但其絕對值并不高，為0.003～0.006，說明模型整體上低估的趨勢并不明顯。綜上可見，WOFOST模型對于模擬新民和朝陽兩地春玉米產(chǎn)量精度較高，且朝陽站的模擬效果優(yōu)于新民，表明校準(zhǔn)后的WOFOST模型能夠正確反饋當(dāng)?shù)卮河衩桩a(chǎn)量狀況。

表3 WOFOST模型產(chǎn)量模擬結(jié)果的精度評價(jià)

注：RMSE為均方根誤差，NRMSE為相對均方根誤差，D為一致性系數(shù)，CRM為殘差聚集類系數(shù)。

Note: RMSE is the root mean square error, NRMSE is the normalized root mean square error, D is the index of agreement and CRM is the clustering residual modulus.

2.2 不同氣候情景對春玉米產(chǎn)量的影響及差異性分析

通過兩站點(diǎn)不同梯度氣候情景對應(yīng)的逐日氣象數(shù)據(jù)驅(qū)動WOFOST模型得到春玉米產(chǎn)量。以多年平均逐日氣象數(shù)據(jù)（CK情景）驅(qū)動模型，輸出春玉米產(chǎn)量作為基準(zhǔn)值，圖4所示為在不同氣候情景下新民地區(qū)春玉米產(chǎn)量相較于基準(zhǔn)值（8255kg·hm?2）的波動情況。由圖可見，新民地區(qū)春玉米產(chǎn)量趨勢隨著氣溫升高而降低，隨著降水增多而增加，說明該地區(qū)氣溫升高對春玉米產(chǎn)量產(chǎn)生負(fù)效應(yīng)，降水增多產(chǎn)生正效應(yīng)?？傮w上，在影響新民地區(qū)春玉米產(chǎn)量的單一氣候要素中，春玉米生育期內(nèi)降水增減對產(chǎn)量影響最大，其次為氣溫變化，輻射變化相對影響不明顯。其中在降水減少25%情景下，模擬產(chǎn)量降為1976kg·hm?2，與基準(zhǔn)值的相對差異為76.1%，表現(xiàn)出對降水較高的敏感性。當(dāng)氣溫升高1.2℃，春玉米產(chǎn)量降為5136kg·hm?2，相對差異為37.8%，而輻射對產(chǎn)量則表現(xiàn)出相對較弱的影響，其增減與產(chǎn)量呈反比，相對差異在5.7%～8.8%。對多氣候要素協(xié)同作用分析時，氣溫與降水協(xié)同作用影響較為突出，即在氣溫減少1.2℃、降水增加25%和輻射增加4%情景下，得到研究設(shè)置27組氣候情景中的最高模擬產(chǎn)量（11551kg·hm?2），與基準(zhǔn)值相對差異為39.9%。在氣溫升高1.2℃、降水減少25%和輻射增加4%情景下，春玉米產(chǎn)量達(dá)到最低值620kg·hm?2，與基準(zhǔn)值的相對差異達(dá)到92.5%。李文娟等[27]將災(zāi)害造成的糧食損失在70%以上的災(zāi)情定義為重災(zāi)或絕收，說明若該地區(qū)同時發(fā)生氣溫升高1.2℃和降水減少25%的氣候變化，則易誘發(fā)春玉米嚴(yán)重減產(chǎn)甚至絕收。同時蘊(yùn)含了新民地區(qū)熱量資源相對充足，而春玉米產(chǎn)量受降水的潛在脅迫較高。

注：氣候變化情況編碼累積值表示氣溫、降水和輻射三要素的“升高”、“不變”和“降低”的累積情況，累積值為+1表示單一氣候要素升高、累積值為+2表示兩個氣候要素同時增加、累積值為+3表示三個氣候要素同時增加的情景。0表示以非極端氣候事件發(fā)生的歷史氣候要素均值的情景，其模擬產(chǎn)量為基準(zhǔn)產(chǎn)量。同樣地，累積值為?1、?2和?3分別表示單個、兩個和三個氣候要素同時減少的情景。圖5同。

Note: The cumulative value of climate change code represents the cumulative status of the "increasing", "constant" and "decreasing" of temperature, precipitation and radiation. The code accumulation value is +1 means that a single climatic element increases, the code accumulation value is +2 means that two climatic elements increase at the same time, and the value is +3 means three climatic elements increase at the same time. 0 means the scenario based on average value of historical climate elements of non-extreme climate events, and its simulated yield is the reference yield. Similarly, accumulation values of -1, -2, and -3 indicates single, two, and three climate elements are reduced at the same time.The same as Fig.5.

圖5為朝陽地區(qū)不同氣候情景下春玉米產(chǎn)量相較于CK情景（8073kg·hm?2）的波動情況。由圖可見，該地區(qū)春玉米產(chǎn)量對氣候變化響應(yīng)明顯，春玉米產(chǎn)量與氣溫降低呈正效應(yīng)，與降水減少呈負(fù)效應(yīng)。春玉米產(chǎn)量受單一氣候要素影響依次為：氣溫>降水>輻射。其中，當(dāng)氣溫降低1.4℃時，模擬產(chǎn)量增加為14296kg·hm?2，與基準(zhǔn)值相對差異為77.1%，表現(xiàn)出對氣溫變化較高的敏感性；在降水減少25%情景下，春玉米產(chǎn)量降為3474kg·hm?2，與基準(zhǔn)值相對差異為57.0%，說明該地區(qū)氣溫降低對春玉米產(chǎn)量的促進(jìn)作用要高于降水減少對產(chǎn)量的脅迫作用；輻射變化3%對朝陽地區(qū)春玉米產(chǎn)量影響較小，模擬產(chǎn)量與基準(zhǔn)值相對差異小于4.0%。對多因素協(xié)同作用的分析表明，當(dāng)氣溫和降水同時發(fā)生變化時春玉米產(chǎn)量波動明顯。在氣溫降低1.4℃、降水增加25%和輻射增加3%情景下，春玉米產(chǎn)量達(dá)到最高值15896kg·hm?2，與基準(zhǔn)值相對差異達(dá)到96.9%，說明類似氣候條件有助于提高朝陽玉米生產(chǎn)潛力。在氣溫增加同時降水減少的多種氣候情景下春玉米產(chǎn)量與基準(zhǔn)值相比相對差異在81.0%～85.9%，氣溫的增加潛在加速了地表蒸散，而降水的減少則進(jìn)一步降低了玉米有效水被適時補(bǔ)充的機(jī)會，故而氣溫升高與降水減少的協(xié)同作用對朝陽春玉米生產(chǎn)影響較大。此外，當(dāng)降水減少25%時，春玉米產(chǎn)量在輻射增加3%情景下要低于輻射減少3%的產(chǎn)量，降水減少時易發(fā)生干旱，同時輻射加強(qiáng)導(dǎo)致潛在蒸散增加，由此可知，朝陽地區(qū)在降水減少的氣候情景下，輻射增加會對春玉米產(chǎn)量起到抑制作用。

3 討論與結(jié)論

3.1 討論

基于WOFOST模型量化氣溫、降水和輻射變化及其協(xié)同作用對遼寧典型雨養(yǎng)春玉米產(chǎn)量的影響，分析抑制和促進(jìn)研究站點(diǎn)春玉米產(chǎn)量的氣候條件。一般情況下，模擬產(chǎn)量與實(shí)測產(chǎn)量的NRMSE低于30%，表明模型能夠較好地運(yùn)用于研究站點(diǎn)作物產(chǎn)量狀況的模擬[28]。本研究中春玉米模擬產(chǎn)量與實(shí)測產(chǎn)量的NRMSE均低于10%且D均趨近于1，說明WOFOST模型在新民和朝陽站適用性較好。方緣[29]利用WOFOST模型對朝陽春玉米產(chǎn)量進(jìn)行模擬，模擬結(jié)果的NRMSE為12.9%，本研究所得模擬結(jié)果的NRMSE與其相比有所提高，說明校準(zhǔn)后的WOFOST模型在研究站點(diǎn)內(nèi)對春玉米產(chǎn)量模擬效果較好。但本研究中新民和朝陽站CRM均大于0，表明WOFOST模型的模擬結(jié)果具有低估趨勢，如能對研究站點(diǎn)的初始土壤含水量和春玉米初始生物量進(jìn)行田間實(shí)測，則可更好地校準(zhǔn)雨養(yǎng)條件下WOFOST模型相關(guān)參數(shù)，進(jìn)一步提高模型的模擬精度。

新民和朝陽作為遼寧省典型雨養(yǎng)農(nóng)業(yè)種植區(qū)，適宜的氣候條件是農(nóng)業(yè)生產(chǎn)的基本保障，本研究根據(jù)WOFOST在不同氣候情景下的模擬，亦表明氣溫、降水和輻射對春玉米產(chǎn)量的影響各有不同。首先，遼西干旱地區(qū)降水一般難以滿足玉米生育期內(nèi)最適需水量[30]，因此，降水增加可補(bǔ)給作物需水量進(jìn)而對春玉米產(chǎn)量產(chǎn)生潛在正效應(yīng)。其次，在氣溫高于生長最適溫度情況下作物呼吸作用增強(qiáng)，干物質(zhì)積累緩慢，同時輻射增加在一定程度上進(jìn)一步加劇高溫或干旱脅迫對春玉米生長的影響，因此，氣溫和輻射增加對春玉米產(chǎn)量產(chǎn)生潛在負(fù)效應(yīng)。馬玉平等[31]指出，遼寧地區(qū)玉米生育期內(nèi)降水與產(chǎn)量呈正效應(yīng)；氣溫升高1℃玉米將減產(chǎn)19～89kg·hm?2；在七葉?拔節(jié)期，輻射增加同樣會造成減產(chǎn)。本研究與其他相關(guān)研究結(jié)果[9,32]相近，說明未來遼寧氣候暖干化發(fā)展將對玉米生產(chǎn)造成影響。在不同氣候情景的模擬中，降水減少、氣溫升高和輻射增加對春玉米產(chǎn)量形成的負(fù)效應(yīng)最為顯著，與基準(zhǔn)值相對差異達(dá)到85.0%以上，對于遼寧典型雨養(yǎng)種植區(qū)農(nóng)作物受水脅迫時有發(fā)生，若氣溫升高和輻射增加的氣候情況潛在抬升了大氣對地表或土壤表層水的抽吸，降水同時減少就進(jìn)一步加大作物生長有效水的缺失，從而引發(fā)作物生長過程中嚴(yán)重水脅迫事件的發(fā)生。說明未來氣候變化條件下若出現(xiàn)類似極端的氣候情景，極易誘發(fā)該地區(qū)春玉米趨于絕收式的嚴(yán)重減產(chǎn)。在實(shí)際生產(chǎn)中造成玉米大幅度減產(chǎn)的原因主要是玉米關(guān)鍵生育期出現(xiàn)干旱（高溫、少雨）脅迫玉米生長，導(dǎo)致玉米未能在相應(yīng)生育期內(nèi)完成灌漿過程而影響產(chǎn)量或溫度升高使玉米生育期提前，干物質(zhì)積累不足而導(dǎo)致產(chǎn)量下降[26,32]；此情況還可能與玉米品種特性有關(guān)，一般認(rèn)為，玉米籽粒生長最適氣溫是25℃，氣溫每升高1℃，籽粒產(chǎn)量就會降低3%～4%[33]，同時玉米屬于C4作物，相比于水稻、小麥等C3作物，其產(chǎn)量對氣候變化的響應(yīng)更加敏感，表現(xiàn)在同一增溫水平下減產(chǎn)幅度更大[32,34]。在降水增加、氣溫降低和輻射增加的情景下春玉米產(chǎn)量形成的正效應(yīng)最為顯著，說明在春玉米生育期內(nèi)保證降水充足和溫度適宜有助于提高春玉米產(chǎn)量，同時說明研究站點(diǎn)內(nèi)玉米生產(chǎn)潛力大，在適宜氣候條件下可以保證玉米高產(chǎn)。此外，由于本研究考慮極端氣候情景發(fā)生，在模擬過程中將氣溫梯度分別設(shè)置為1.2℃（新民）、1.4℃（朝陽），相比于當(dāng)前氣候情景，氣溫變化范圍相對較大，增溫后平均氣溫超出玉米生育期內(nèi)生長最適氣溫[35]，從而對玉米生長造成脅迫作用。

新民和朝陽地區(qū)影響春玉米產(chǎn)量的主要?dú)夂蛞夭煌?。其中，降水對新民春玉米產(chǎn)量的影響顯著，氣溫則是影響朝陽春玉米產(chǎn)量的主要因素，而輻射變化相較于降水和氣溫對春玉米產(chǎn)量影響較小。新民地區(qū)降水對春玉米產(chǎn)量影響要略高于氣溫，所以相比于氣溫升高或降低相應(yīng)梯度，降水的增減對春玉米產(chǎn)量影響更加明顯。出現(xiàn)這種情況可能由于新民位于遼寧省中部，相對于遼西地區(qū)降水相對充足，當(dāng)降水減少25%時，玉米生育期內(nèi)降水量不再滿足玉米最適需水量[36]，從而脅迫玉米生長造成產(chǎn)量嚴(yán)重降低。朝陽處于遼寧西部，晝夜溫差大，氣溫變化易對春玉米生育期產(chǎn)生高溫脅迫，而縮短生育期造成減產(chǎn)；此外，朝陽屬于干旱頻發(fā)地區(qū)，降水在春玉米生長過程中分布不均勻[30]，氣溫升高加速作物蒸散，加重該地區(qū)干旱脅迫，從而玉米產(chǎn)量對氣溫變化響應(yīng)敏感。在輻射變化3%～4%情景下，對兩地區(qū)春玉米產(chǎn)量產(chǎn)生的效應(yīng)較弱，主要是由于遼寧地區(qū)輻射資源充足，且玉米種植方式為一年一熟制，太陽輻射條件基本滿足玉米生長需求，因此，即使在正常氣候條件下增減相應(yīng)幅度對春玉米產(chǎn)量影響也并不明顯。整體來看，氣溫和降水仍是影響遼寧春玉米產(chǎn)量的重要因素。本研究定量分析各氣候要素協(xié)同作用對春玉米產(chǎn)量的影響，而實(shí)際生產(chǎn)中各氣候要素對玉米產(chǎn)量的作用是多方面的，如氣溫日較差變化、降水持續(xù)時間和太陽輻射強(qiáng)度等對玉米產(chǎn)量影響也非常重要，這些問題仍需今后進(jìn)一步細(xì)化研究。

3.2 結(jié)論

（1）本地化WOFOST模型在新民和朝陽地區(qū)進(jìn)行春玉米產(chǎn)量模擬，驗(yàn)證表明，模擬值與實(shí)測值的RMSE分別為784.77kg·hm?2和592.12kg·hm?2，NRMSE分別為5.96%和8.78%，一致性系數(shù)D分別為0.82和0.96，整體上模擬誤差均在允許范圍內(nèi)，可滿足在不同氣候情景下對研究站點(diǎn)春玉米產(chǎn)量的有效模擬。

（2）研究設(shè)定各氣候情景梯度下，對模擬產(chǎn)量與對照情景下基準(zhǔn)產(chǎn)量的相對差異分析表明，各氣候要素變化對春玉米產(chǎn)量影響各異。在所探討的變化范圍內(nèi)，研究站點(diǎn)春玉米產(chǎn)量與氣溫和輻射增加呈負(fù)效應(yīng)，與降水增加呈正效應(yīng)，同時氣溫與降水協(xié)同作用對于兩站春玉米產(chǎn)量影響較為顯著。春玉米產(chǎn)量在氣溫升高、降水減少和輻射增加的情景下僅達(dá)到620kg·hm?2（新民）和1135kg·hm?2（朝陽），蘊(yùn)含兩地區(qū)春玉米減產(chǎn)絕收的警戒氣候情景。在氣溫降低、降水和輻射均增加的氣候情景下，兩站點(diǎn)產(chǎn)量可分別達(dá)最大值11551kg·hm?2（新民）和15335kg·hm?2（朝陽），表明該適宜氣候情景更利于作物各階段生長和干物質(zhì)積累，有助于保證遼寧省典型雨養(yǎng)春玉米的潛在高產(chǎn)。

（3）影響兩地區(qū)春玉米產(chǎn)量的主導(dǎo)氣候要素不同，其中新民地區(qū)降水變化對產(chǎn)量的影響遠(yuǎn)大于氣溫，朝陽地區(qū)的主導(dǎo)氣候要素則為氣溫，而輻射對兩地區(qū)春玉米產(chǎn)量影響相對較小。因此，根據(jù)不同地區(qū)的氣候特點(diǎn)，合理布局種植結(jié)構(gòu)、安排農(nóng)耕和積極采取有效田間管理措施，有助于提高自然資源的有效利用、春玉米保產(chǎn)增產(chǎn)和規(guī)避氣候變化誘發(fā)的農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)。

[1] 張濤,孫偉,孫步功,等.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(bào),2017, 33(20):127-135.

Zhang T,Sun W,Sun B G,et al.Response of yield of spring maize to changes of precipitation and air temperature in arid region[J].Transactions of the CSAE,2017,33(20):127- 135.(in Chinese)

[2] Bongaarts J.Intergovernmental panel on climate change special report on global warming of 1.5°C Switzerland: IPCC,2018[J].Population and Development Review,2019, 45(1):251-252.

[3] 劉江,潘宇弘,王平華,等.1966-2015年遼寧省玉米氣候生產(chǎn)潛力的時空特征[J].生態(tài)學(xué)雜志,2018,37(11): 3396- 3406.

Liu J,Pan Y H,Wang P H,et al.Spatial and temporal characteristics of climatic potential productivity of maize in Liaoning Province from 1966 to 2015[J].Chinese Journal of Ecology,2018,37(11):3396-3406.(in Chinese)

[4] 于振文.作物栽培學(xué)各論[M].北京:中國農(nóng)業(yè)出版社,2003:122-131.

Yu Z W.Monographs of crop cultivation[M].Beijing:China Agriculture Press,2003:122-131.(in Chinese)

[5] 劉愛華,葉植材.中國統(tǒng)計(jì)年鑒[M].北京:中國統(tǒng)計(jì)出版社,2020:373-402.

Liu A H,Ye Z C.China statistical yearbook[M]. Beijing: China Statistics Press,2020:373-402. (in Chinese)

[6] 魏紅江,張玉平.遼寧統(tǒng)計(jì)年鑒[M].北京:中國統(tǒng)計(jì)出版社,2019:226-233.

Wei H J,Zhang Y P.Lioaning statistical yearbook[M]. Beijing:China Statistics Press,2019.226-233.(in Chinese)

[7] 楊雙.遼寧省玉米生產(chǎn)情況及產(chǎn)業(yè)結(jié)構(gòu)調(diào)整趨勢[J].農(nóng)業(yè)開發(fā)與裝備,2018(5):6-7.

Yang S.Maize production situation and industrial structure adjustment trend in Liaoning Province[J].Agricultural Development and Equipment,2018(5):6-7.(in Chinese)

[8] 農(nóng)業(yè)農(nóng)村部.中央一號文件:中共中央國務(wù)院關(guān)于全面推進(jìn)鄉(xiāng)村振興加快農(nóng)業(yè)農(nóng)村現(xiàn)代化的意見[M].2021-02-21.

Ministry of Agriculture and Rural Affairs.Document No.1 of the Central Government:opinions of the state council of the central committee of the communist party of china on comprehensively promoting the revitalization of the countryside and accelerating the modernization of agriculture and rural areas[M].2021-02-21.(in Chinese)

[9] 劉丹,張佳華,孟凡超,等.不同水分和增溫處理對東北玉米生長和產(chǎn)量的影響[J].生態(tài)學(xué)雜志,2013,32(11): 2904- 2910.

Liu D,Zhang J,Meng F C,et al.Effects of different soil moisture and air temperature regimes on the growth characteristics and grain yield of maize in Northeast China[J].Chinese Journal of Ecology,2013,32(11):2904- 2910.(in Chinese)

[10] 張凱,王潤元,王鶴齡,等.溫度升高和降水減少對半干旱區(qū)春小麥生長發(fā)育及產(chǎn)量的協(xié)同影響[J].中國生態(tài)農(nóng)業(yè)學(xué)報(bào),2019,27(3):413-421.

Zhang K,Wang R Y,Wang H L,et al.Influence of climate warming and rainfall reduction on semi-arid wheat production[J].Chinese Journal of Eco-Agriculture,2019, 27(3):413-421.(in Chinese)

[11] 孫揚(yáng)越,申雙和.作物生長模型的應(yīng)用研究進(jìn)展[J].中國農(nóng)業(yè)氣象,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)

[12] Todorovic M,Albrizio R,Zivotic L,et al.Assessment of AquaCrop,CropSyst,and WOFOST models in the simulation of sunflower growth under different water regimes[J].Agron J,2009,101:509-521.

[13] 張陽,王連喜,李琪,等.基于WOFOST模型的吉林省中西部春玉米灌溉模擬[J].中國農(nóng)業(yè)氣象,2018,39(6):411-420.

Zhang Y,Wang L X,Li Q,et al.Irrigation simulation of spring maize in central and western of Jilin province based on WOFOST model[J]. Chinese Journal of Agrometeorology, 2018,39(6):411-420.(in Chinese)

[14] 李秀芬,馬樹慶,趙慧穎,等.基于WOFOST 模型的內(nèi)蒙古河套灌區(qū)玉米低溫冷害評價(jià)[J].中國農(nóng)業(yè)氣象,2016, 37(3):352-360.

Li X F,Ma S Q,Zhao H Y,et al. Evaluation on maize chilling injury based on WOFOST model in Hetao irrigation region in Inner Mongolia[J].Chinese Journal of Agrometeorology,2016,37(3):352-360.(in Chinese)

[15] 蔡福,米娜,紀(jì)瑞鵬,等.基于錦州春玉米田間試驗(yàn)的WOFOST模型參數(shù)的確定及性能評價(jià)[J].生態(tài)學(xué)雜志,2019,38(4):1238-1248.

Cai F,Mi N,Ji R P,et al.Determination of crop parameters for WOFOST model and its performance evaluation based on field experiment of spring maize in Jinzhou,Liaoning[J]. Chin J Ecol,2019,38(4):1238-1248.(in Chinese).

[16] 曲延林,賈文錦.遼寧土種志[M].沈陽:遼寧大學(xué)出版社,1991:166-295.

Qu Y L,Jia W J.Liaoning soil species[M].Shenyang: Liaoning University Press,1991:166-295.(in Chinese)

[17] 欒慶祖,葉彩華,莫志鴻,等.基于WOFOST模型的玉米干旱損失評估:以北京為例[J].中國農(nóng)業(yè)氣象,2014,35(3): 311-316.

Luan Q Z,Ye C H,Mo Z H,et al.Study on maize yield loss assessment for drought based on WOFOST model:a case study in Beijing[J].Chinese Journal of Agrometeorology, 2014,35(3):311-316.(in Chinese)

[18] 黃健熙,高欣然,黃海,等.基于MODIS與WOFOST模型同化的區(qū)域冬小麥成熟期預(yù)測[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2019, 50(9):186-193.

Huang J X,Gao X R,Huang H,et al.Regional winter wheat maturity date prediction based on MODIS and WOFOST model data assimilation[J].Transactions of the Chinese Society for Agricultural Machinery,2019,50(9):186-193.(in Chinese)

[19] Van D C A,Wolf J,Van K H.WOFOST:a simulation model of crop production[J].Soil use and Management,1989, 5(1):16-24.

[20] 興安,卓志清,趙云澤,等.基于EFAST的不同生產(chǎn)水平下WOFOST模型參數(shù)敏感性分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2020,51(2):161-171.

Xing A,Zhuo Z Q,Zhao Y Z,et al.Sensitivity analysis of WOFOST model crop parameters under different production levels based on EFAST method[J].Transactions of the Chinese Society for Agricultural Machinery,2020, 51(2):161-171.(in Chinese)

[21] 趙俊芳,李寧,侯英雨,等.APSIM模型評估北方八省春玉米生長對氣候變化的響應(yīng)[J].中國農(nóng)業(yè)氣象,2018,39(2): 108-118.

Zhao J F,Li N,Hou Y Y,et al.Evaluation of response of spring maize production to climate change in the eight provinces of Northern China based on APSIM model[J].Chinese Journal of Agrometeorology,2018,39(2): 108-118.(in Chinese)

[22] Willmott C J.Some comments on the evaluation of model performance[J].Bulletin of the American Meteorological Society,1982,63(11):1309-1313

[23] 周廣學(xué),李普慶,周曉東.遼寧西部地區(qū)光熱水資源變化對農(nóng)業(yè)生產(chǎn)的影響[J].中國農(nóng)業(yè)氣象,2011,32(S1):38-41.

Zhou G X,Li P Q,Zhou X D.Impact of light,heat and water resources change in western Liaoning province on agricultural production[J].Chinese Journal of Agrometeorology, 2011,32(S1):38-41.(in Chinese)

[24] Shi L P,Philippe C,Yao H,et al.The impacts of climate change on water resources and agriculture in China[J]. Nature,2010,467(7311):43-51.

[25] 丁一匯,任國玉,石廣玉,等.氣候變化國家評估報(bào)告(Ⅰ):中國氣候變化的歷史和未來趨勢[J].氣候變化研究進(jìn)展,2006(1):3-8.

Ding Y H,Ren G,Shi G Y,et al.National assessment report of climate change(Ⅰ):climate change in China and its future trend [J].Progressus Inquisttiones de Mutatione Climates,2006(1):3-8.(in Chinese)

[26] 劉維,侯英雨,吳門新,等.WOFOST模型在東北春玉米產(chǎn)區(qū)的驗(yàn)證與適應(yīng)性評價(jià)[J].氣象與環(huán)境科學(xué),2017,40(3): 7-13

Liu W,Hou Y Y,Wu M X,et al.Validation and adaptability evaluation of WOFOST model in spring maize area of Northeast[J].Meteorol Environ Sci,2017,40(3):7-13.(in Chinese)

[27] 李文娟,覃志豪,林綠.農(nóng)業(yè)旱災(zāi)對國家糧食安全影響程度的定量分析[J].自然災(zāi)害學(xué)報(bào),2010,19(3):111-118.

Li W J,Qin Z H,Lin L.Quantitative analysis of agro-drought impact on food security in China[J].Journal of Natural Disasters,2010,19(3):111-118.(in Chinese)

[28] 戴彤,王靖,赫迪,等.基于APSIM模型的氣候變化對西南春玉米產(chǎn)量影響研究[J].資源科學(xué),2016,38(1):155-165.

Dai T,Wang J,He D,et al.Modelling the impacts of climate change on spring maize yield in Southwest China using the APSIM model[J].Resources Science,2016,38(1):155-165. (in Chinese)

[29] 方緣.基于作物生長模型的玉米干旱損失評估[D].沈陽:沈陽農(nóng)業(yè)大學(xué),2016.

Fang Y.Evaluation of maize drought loss based on crop growth model[D].Shenyang:Shenyang Agricultural University, 2016.(in Chinese)

[30] 肖繼兵,孫占祥,蔣春光,等.遼西半干旱區(qū)壟膜溝種方式對春玉米水分利用和產(chǎn)量的影響[J].中國農(nóng)業(yè)科學(xué),2014, 47(10):1917-1928.

Xiao J B,Sun Z X,Jiang C G,et al.Effects of ridge film mulching technique and furrow seeding of spring corn on water use and yield in semi-arid region in Liaoxi area[J].Scientia Agricultura Sinica,2014,47(10):1917-1928. (in Chinese)

[31] 馬玉平,孫琳麗,俄有浩,等.預(yù)測未來40年氣候變化對我國玉米產(chǎn)量的影響[J].應(yīng)用生態(tài)學(xué)報(bào),2015,26(1):224-232.

Ma Y P,Sun L L,E Y H,et al.Predicting the impact of climate change in the next 40 years on the yield of maize in China[J].Chinese Journal of Applied Ecology,2015,26(1): 224-232.(in Chinese)

[32] 王柳,熊偉,溫小樂,等.溫度降水等氣候因子變化對中國玉米產(chǎn)量的影響[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(21):138-146.

Wang L,Xiong W,Wen X L,et al.Effect of climatic factors such as temperature,precipitation on maize production in China[J].Transactions of the CSAE,2014,30(21):138-146. (in Chinese)

[33] Shaw R H.Estimates of yield reductions in corn caused by water and temperature stress[J].Crop Reactions to Water and Temperature Stresses in Humid,Temperate Climates, 1983:49-66.

[34] Xiong W,Holman I,Lin E D,et al.Untangling relative contributions of recent climate and CO2trends to national cereal production in China[J].Environmental Research Letters,2012,7(4):044014.

[35] 宋英男,李穎,任學(xué)慧,等.1956-2010年遼西地區(qū)玉米氣候適宜度時空分布特征[J].中國生態(tài)農(nóng)業(yè)學(xué)報(bào),2016, 24(3):306-315.

Song Y N,Li Y,Ren X H,et al.Spatio-temporal distribution characteristics of climatic suitability degree of maize in Western Liaoning Province from 1956 to 2010[J].Chinese Journal of Eco-Agriculture,2016,24(3):306-315.(in Chinese)

[36] 曹永強(qiáng),李維佳,趙博雅.氣候變化下遼西北春玉米生育期需水量研究[J].資源科學(xué),2018,40(1):150-160.

Cao Y Q,Li W J,Zhao B Y.Water requirements of spring maize in Northwest Liaoning Province under climate change[J].Resources Science,2018,40(1):150-160.(in Chinese)

Effects of Various Climate Scenarios on Yield of Typical Rain-Fed Spring Maize in Liaoning Based on WOFOST Model

MA Zhao-jun1,2, SHUAI Yan-min1,2,3,4, SHAO Cong-ying1, QU Ge1, TIAN Yan-jun1, WU Hao1, WAN Hua-wei5, PENG Xiu-yuan6, XIAO Wan-xin7, ZHANG Shu-ping7

(1.Liaoning Technical University, College of Surveying and Mapping and Geographic Science, Fuxin 123000, China;2.Xinjiang Institute of Ecology and Geography Chinese Academy of Sciences, Research Center of Green Silk Road, Urumqi 830011; 3.Research Center for Ecology and Environment of Central Asia, Chinese Academy of Science, Urumqi 830011; 4.University of Chinese Academy of Sciences, Beijing 100049; 5.Satellite Environment Center, Ministry of Ecology and Environment, Beijing 100094; 6.Institute of Information Studies, LAAS, Shenyang 110161; 7.Corn Research Institute Liaoning Academy of Agricultural Sciences，Shenyang 110161)

As the required climatic factors to guarantee the healthy growth of crops, the magnitude, variation and spatial distribution of air temperature, precipitation and solar radiation potentially can determine the planting structure and grain yield of regional agriculture. The dependence of crops on “temperature-humidity-wind” climate condition elevates its sensitiveness on climate changes, as that exhibited by thermophiles and hydrophilic maize widely planted in China. Thus, under modern climate situation with an increasing intensity of changes, it is essential to further understand the related response of crop yields in serving the food and agriculture security. The climatic characteristics in Xinmin and Chaoyang stations were firstly analyzed in this study based on the historical meteorological data over past 40 years, and then constructed different climate scenarios according to the required climate factors coupled with warming-drying trend of regional climate change, and adopted different ground data suits to calibrate WOFOST model and verify its performance. Authors used the localized WOFOST model to simulate grain yield trends of typical rain-fed spring maize in Liaoning under configured climate scenarios. The results showed that: (1) the simulation accuracy of localized WOFOST model had good performance with the normalized root mean square errors of 8.78% and 5.96%, and the agreement index of 0.82 and 0.96, respectively for simulated and measured results. (2) Spring maize yields of both Xinmin and Chaoyang showed negative correlation with temperature and positive relationship with precipitation over the discussed climate scenarios. Under different gradients (increasing temperature, decreasing precipitation and increasing radiation) of climate scenarios, the yield decrease of Xinmin (temperature +1.2°C, precipitation ?25%, radiation +4%) and Chaoyang (temperature +1.4°C, precipitation ?25%, radiation +3%) spring maize yields respectively reached 92.5% and 85.9% relative to that of normal condition, which can be used as a cautionary scenario for rain-fed spring maize crop failure in the study area. (3) Compared with the significance effect of precipitation on the spring maize yields of Xinmin, Chaoyang showed apparent sensitiveness to temperature, but yields of both stations haven’t shown a marked variation within the given changes of solar radiation.

Spring maize; Climate change scenarios; WOFOST model; Yield

10.3969/j.issn.1000-6362.2021.11.005

馬兆駿,帥艷民,邵聰穎,等.基于WOFOST模型分析不同氣候情景對遼寧典型雨養(yǎng)春玉米產(chǎn)量的影響[J].中國農(nóng)業(yè)氣象,2021,42(11):939-950

收稿日期：2021?03?27

國家自然科學(xué)基金面上項(xiàng)目（42071351）；國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目課題（2020YFA0608501）；遼寧省“興遼計(jì)劃”創(chuàng)新領(lǐng)軍人才-攀登學(xué)者項(xiàng)目（XLYC1802027）；中科院引進(jìn)人才計(jì)劃（Y938091）；遼寧工程技術(shù)大學(xué)學(xué)科創(chuàng)新團(tuán)隊(duì)（LNTU20TD-23）；自然資源部國土衛(wèi)星遙感應(yīng)用重點(diǎn)實(shí)驗(yàn)室項(xiàng)目（KLSMNR-202107）；遼寧省NSF博士啟動項(xiàng)目（2020-BS-259）；遼寧省教育廳青年科技人才“育苗”項(xiàng)目（LJ2019QL004）

通訊作者：帥艷民，教授，主要從事定量遙感在農(nóng)業(yè)中應(yīng)用方面的研究，E-mail: shuaiym@ms.xjb.ac.cn

馬兆駿，E-mail:mazhaojun_1@163.com