基于DSSAT模型的氣候變化對黑龍江省露地黃瓜生長及產(chǎn)量的影響

中圖分類號(hào)：S642 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0488-5368（2025）06-0100-06

Abstract： This study aimed to analyze the efects of climate change，simulated by the DSSAT model，on thegrowth and yield ofopen-field cucumber in Heilongjiang Province.Using historical meteorological data and cucumber crop observations，the DSSATmodel was calibrated and validated.The validated model was then used to simulate cucumber growth and yieldunder diferent climate scenarios and irigation levels （Z1：80%，Z2： 90% ，Z3： 100% ，Z4： 110% ）.The simulation accuracy was assessed using the Normalized Root Mean Square Eror （NRMSE）and the Average Relative Error（ARE）.The NRMSE and ARE values for plant height were 1.25% and 0.40% ，respectively；for stem diameter， 1.32% and 0.21% ；for internode length， 1.25% and 0.16% ；and for the number of leaves， 1.33% and 0.27% . These results confirmed that the cucumber growth indices wereaccurately simulated after parameter calibration.Similarly，for single-fruit yield，the NRMSE and ARE values were 1.35% and 0.18% ，and for yield per 667m² ，they were 1.17% and 0.24% ，indicating reliable simulation of yield components.The results indicate that thecalibrated DSSAT model efectively simulates cucumber growth and yield under varying climate conditions in Heilongjiang Province and can serve as an importanttool for future studies on open -field cucumber production.And canserve asan important tool for future studies on open - field cucumber production.

Key words：DSSAT model； Climate change; Open field cucumber； Growth index；Yield index

黃瓜作為我國主要的蔬菜作物之一，其栽植面積居世界首位。近些年來隨著我國農(nóng)業(yè)技術(shù)的推廣和合理化應(yīng)用，黃瓜逐漸實(shí)現(xiàn)增產(chǎn)，取得顯著的經(jīng)濟(jì)效益和社會(huì)效益[1]。氣候因素對黃瓜生長和產(chǎn)量有不同程度的影響，黑龍江省得天獨(dú)厚的地理位置和氣候因素使其成為黃瓜栽植的大省，該地區(qū)氣候?yàn)闇貛Т箨懶约撅L(fēng)氣候，降水資源比較穩(wěn)定，太陽輻射資源比較豐富，適宜栽植黃瓜，但受到其他因素的影響，氣候波動(dòng)會(huì)對露地黃瓜生長指標(biāo)和產(chǎn)量產(chǎn)生影響，基于此以DSSAT模型為基礎(chǔ)，通過模型對氣象數(shù)據(jù)資料分析，模擬氣象環(huán)境實(shí)現(xiàn)對露地黃瓜生長和產(chǎn)量的模擬，減少實(shí)際值與模擬值的差異，進(jìn)而實(shí)現(xiàn)增產(chǎn)增收。

DSSAT模型可以模擬不同作物，根據(jù)不同作物子模塊支撐的軟件，實(shí)現(xiàn)各類擴(kuò)展工具的合理應(yīng)用，最終形成一個(gè)界面[2]。氣象資料信息通過計(jì)算機(jī)技術(shù)可實(shí)現(xiàn)對氣象環(huán)境的模擬，借助氣象，土壤、耕作、生態(tài)、植物生理等相關(guān)知識(shí)系統(tǒng)地描述作物生長和它相關(guān)環(huán)境之間的一個(gè)關(guān)系，從而呈現(xiàn)出一個(gè)全新的計(jì)算機(jī)軟件[3]。DSSAT 模型以四個(gè)模塊文件為支撐，分別是氣象文件、管理文件、土壤文件、試驗(yàn)文件。通過田間試驗(yàn)文件的輸入，繪制實(shí)測和模擬值圖，從而實(shí)現(xiàn)評估驗(yàn)證。本研究為分析DSSAT模型模擬氣候變化對黑龍江省露地黃瓜生長及產(chǎn)量的影響，研究黑龍江省以往氣象資料和陸地黃瓜作物資料，對DSSAT模型進(jìn)行調(diào)參驗(yàn)證，利用驗(yàn)證后的DSSAT模型，分析氣候變化對黑龍江省不同露地黃瓜生長以及產(chǎn)量的影響，旨在為促進(jìn)露地黃瓜的生長，提高其產(chǎn)量提供借鑒和指導(dǎo)。

1 研究地概況

黑龍江省位于我國東北部，北緯 43^°26^′～53^° 33^′ ，東經(jīng) 121^°11^′～135^°05^′ ，南北長約 1120km ，東西寬約 930km ，面積47.3萬 km² 。該地氣候?yàn)闇貛Т箨懶约撅L(fēng)氣候，無霜凍期平均介 100～150d ，大部分地區(qū)初霜凍在9月下旬出現(xiàn)，終霜凍在4月下旬至5月上旬結(jié)束。年均降水量 400～650mm 降水資源比較穩(wěn)定，尤其夏季變率小，一般在 26% 左右。全年日照時(shí)數(shù)在 2400～2800h ，其中生長季日照時(shí)數(shù)占總時(shí)數(shù)的 44%～48% 。太陽輻射資源比較豐富，與長江中下游相當(dāng)，太陽輻射的時(shí)空分布特點(diǎn)是南多北少，夏季最多，冬季最少，生長季的輻射總量占全年的 55%～60% 。年平均風(fēng)速多為 2～4m/s ，春季風(fēng)速最大，西南部大風(fēng)日數(shù)最多、風(fēng)能資源豐富。黑龍江省優(yōu)越的地理位置使其在栽植露地黃瓜上具備獨(dú)有的優(yōu)勢，經(jīng)過多年的栽植管理，露地黃瓜的品質(zhì)和產(chǎn)量逐漸提升，已逐漸發(fā)展成為黑龍江省的農(nóng)作物支柱產(chǎn)業(yè)。

2.研究方法

2.1 DSSAT模型

DSSAT模型是當(dāng)前應(yīng)用廣泛的綜合作物模型，具備界面簡單、應(yīng)用范圍廣以及功能齊全等特點(diǎn)。DSSAT模型可對作物逐日生長情況進(jìn)行模擬，根據(jù)天氣變化結(jié)合作物生長情況詳細(xì)記錄下發(fā)育過程數(shù)據(jù)，包括產(chǎn)量和生長指標(biāo)等。從1989年第一版DSSATv2.1模型不斷更新和升級(jí)，DSSATv4.7為目前最新版本，每個(gè)版本的DSSAT較之前的版本對比有更多的作物模型，最新版本可實(shí)現(xiàn)對各類谷物作物、豆類作物以及蔬菜模型等實(shí)現(xiàn)模擬。王宇玲等[4借助DSSAT-CSM模型對玉米種植進(jìn)行研究，得出DSSAT-CSM模型可實(shí)現(xiàn)對玉米種植的模擬這一結(jié)論，借助模擬結(jié)果實(shí)現(xiàn)玉米的增收增產(chǎn)。葉凡愷等5基于DSSAT模型實(shí)現(xiàn)未來氣候變化對南疆棉花生產(chǎn)的影響分析，研究證實(shí)，DSSAT模型可根據(jù)不同情景的天氣變化實(shí)現(xiàn)對南疆棉花生產(chǎn)的模擬，通過DSSAT模型模擬結(jié)果，達(dá)到提高南疆棉花生產(chǎn)的目的。有學(xué)者研究證實(shí)DSSAT模型具備強(qiáng)大的模擬效果，將其應(yīng)用到各類農(nóng)作物生產(chǎn)中，可達(dá)到提質(zhì)增產(chǎn)的目的。

2.2 數(shù)據(jù)來源

于2022年基于DSSAT模型的氣候變化對黑龍江省露地黃瓜生長及產(chǎn)量的影響進(jìn)行分析，氣象數(shù)據(jù)均來自中國氣象數(shù)據(jù)網(wǎng)所提供的《中國地面氣候資料日值數(shù)據(jù)集》[6.7]。選擇黑龍江省 2022年10個(gè)氣象站的逐日降水量、日最高氣溫、日最低氣溫、平均氣溫和日照時(shí)數(shù)，其中太陽輻射數(shù)據(jù)由日照時(shí)數(shù)[8、經(jīng)緯度、日序數(shù)數(shù)據(jù)計(jì)算得出。露地黃瓜生長指標(biāo)數(shù)據(jù)和產(chǎn)量數(shù)據(jù)選擇黑龍江省2022—2021年8個(gè)農(nóng)業(yè)氣象站觀測數(shù)據(jù)。

2.3 DSSAT模型評價(jià)和方法

本研究中的模型校正和驗(yàn)證過程采用歸一化均方根誤差（Normalized Root Mean Square Error，NRMSE）9]和絕對相對誤差（AbsoluteRelativeEr-ror，ARE）[10]進(jìn)行評價(jià)，均方根誤差是真實(shí)值與預(yù)測值偏差的平方與觀測次數(shù)比值的平方根，可以測出模擬值與實(shí)測值之間的誤差，完整度量模擬值和實(shí)測值的相對差異程度；絕對相對誤差是測量實(shí)測值和模擬值之間的誤差，數(shù)值越大說明誤差越大，均屬于無量綱統(tǒng)計(jì)量，可在不同變量之間進(jìn)行對比，值越小表明模型校驗(yàn)結(jié)果越好。當(dāng) NRMSE? 20% ， ARE?15% 時(shí)，說明模型性能為“良好”，即模型模擬效果符合研究要求，可令人滿意[11＼～13] 。

在公式中，RMSE是均方根誤差，NRMSE是歸一化均方根誤差，ARE是絕對相對誤差， S_i 為第i個(gè)模擬值， 0_i 為第i個(gè)觀測值，0為觀測值平均值，n為數(shù)據(jù)個(gè)數(shù)[14]

2.4模型輸入及品種參數(shù)校正

應(yīng)用DSSAT模型時(shí)首先需要組建模型數(shù)據(jù)庫，組建模型數(shù)據(jù)庫時(shí)首先輸入氣象數(shù)據(jù)、土壤數(shù)據(jù)和田間管理數(shù)據(jù)，分別考慮光照、溫度、水資源等要素進(jìn)行作物產(chǎn)量潛力研究[15.16]。光溫產(chǎn)量潛力是作物理論上的產(chǎn)量上限，模擬過程中充分施肥和灌溉，土壤設(shè)置為適宜土壤。確認(rèn)露地黃瓜的品種參數(shù)指標(biāo)是DSSAT模型校準(zhǔn)的重要一環(huán)，由于露地黃瓜生長的各項(xiàng)指標(biāo)和產(chǎn)量的關(guān)鍵指標(biāo)是品種遺傳參數(shù)，因此對四個(gè)處理進(jìn)行調(diào)參和驗(yàn)證，在GLUE調(diào)參后進(jìn)行手動(dòng)試錯(cuò)調(diào)參，其目的是確保DSSAT模型模擬值和實(shí)測值之間的差距盡量減小。露地黃瓜品種有10個(gè)參數(shù)，首先調(diào)試出苗到始花期的生長度日、始花期到第一個(gè)瓜果形成的生長度日、瓜果初形成到生理成熟期的生長度日、始花期到葉片停止擴(kuò)展的生長度日；其次調(diào)試發(fā)育對光周期的相對反應(yīng)隨時(shí)間的斜率、發(fā)育最快時(shí)的臨界光周期、日長每大于臨界光周期 ¹h 導(dǎo)致果實(shí)發(fā)育延遲的程度；最后調(diào)試最大瓜果重、最小瓜果重、總產(chǎn)，得到\"津春4號(hào)”品種下的最優(yōu)參數(shù)[17]。初始模型中設(shè)置行距 40cm ，株距 30cm ，每壟栽植2行，調(diào)參后最優(yōu)參數(shù)分別為行距 45cm ，株距35cm，每壟栽植2行。表1為露地黃瓜“津春4號(hào)”品種遺傳參數(shù)。

2.5 試驗(yàn)設(shè)計(jì)

本試驗(yàn)栽植的露地黃瓜品種為“津春4號(hào)”，根據(jù)灌水量梯度設(shè)置不同處理，灌溉策略是當(dāng)土壤含水量達(dá)到設(shè)定灌水下限時(shí)開始灌溉，每次灌水量為從灌水下限上升至田間持水量的 90% 時(shí)所需水量的理論計(jì)算值。Z1： 80% ， Z2：90% ，Z3 ： 100% ，74：110% [19]，每個(gè)處理三個(gè)重復(fù)，共12塊樣地，每塊樣地面積 56m²（7m*8m） ，各處理供試土壤性質(zhì)如表2。

本研究于2022年開始基于DSSAT模型模擬的氣候變化對露地黃瓜生長及產(chǎn)量影響的分析，于2022年4月初開始整地，壟寬 1.2m ，溝深 0.3m ，于同年4月中旬施底肥，同年4月末定植黃瓜，行距 40cm ，株距 30cm ，每壟栽植2行，收獲日期為同年7月20日。試驗(yàn)期間對所有品種黃瓜采取統(tǒng)一施肥管理，除草方式為人工除草，不添加任何化學(xué)藥物[20]

2.6 測定指標(biāo)及方法

生長指標(biāo)測定：每個(gè)處理選擇10株長勢一致的露天黃瓜植株，懸掛標(biāo)簽，在收獲期測定其株高、莖粗、節(jié)間距和葉片數(shù)。株高和莖粗采用游標(biāo)卡尺測量，節(jié)間距測量植株第四節(jié)到生長點(diǎn)下部節(jié)間的距離，葉片數(shù)則采用人工登記的方式。

產(chǎn)量指標(biāo)測定：在采收時(shí)，對各個(gè)處理用電子秤單獨(dú)記錄產(chǎn)量。

3 結(jié)果與分析

3.1DSSAT模型對黑龍江省露地黃瓜生長指標(biāo) 模擬驗(yàn)證

本試驗(yàn)應(yīng)用DSSAT模型對2022年露地黃瓜的生長指標(biāo)進(jìn)行模擬，其指標(biāo)包括：株高、莖粗、節(jié)間距和葉片數(shù)?？傮w來看，DSSAT模型模擬的株高、莖粗、節(jié)間距和葉片數(shù)其模擬值和實(shí)測值基本一致。株高模擬值在Z3 處理最高，為 200.36cm ，在Z1處理最低，為 184.36cm ，和田間試驗(yàn)進(jìn)行對照驗(yàn)證，采用NRMSE和ARE方法對模擬值和實(shí)測值進(jìn)行分析，NRMSE平均值為 1.25% ，ARE平均值為 0.40% ；莖粗模擬值在Z3處理最高，為12.36mm ，在Z1處理最低，為 11.36mm ，和田間試驗(yàn)進(jìn)行對照驗(yàn)證，采用NRMSE和ARE方法對模擬值和實(shí)測值進(jìn)行分析，NRMSE平均值為1.32% ，ARE平均值為 0.21% ；節(jié)間距模擬值在Z3處理最低，為 8.56cm ，在Z4處理最高，為9.69cm，和田間試驗(yàn)進(jìn)行對照驗(yàn)證，采用NRMSE和ARE方法對模擬值和實(shí)測值進(jìn)行分析，NRMSE平均值為 1.25% ，ARE平均值為 0.16% ;葉片數(shù)模擬值在Z3處理最高，為27.25片，在Z4處理最低，為25.14片，和田間試驗(yàn)進(jìn)行對照驗(yàn)證，采用NRMSE和ARE方法對模擬值和實(shí)測值進(jìn)行分析，NRMSE平均值為 1.33% ，ARE平均值為 0.27% 。證明露地黃瓜經(jīng)過參數(shù)校正后可更好的模擬當(dāng)年黃瓜的生長指標(biāo)，模擬精確度比較準(zhǔn)確。詳見圖1和圖2。

3.2DSSAT模型對黑龍江省露地黃瓜產(chǎn)量指標(biāo) 模擬驗(yàn)證

本試驗(yàn)應(yīng)用DSSAT模型對2022年露地黃瓜的產(chǎn)量指標(biāo)進(jìn)行模擬，其指標(biāo)包括：單瓜產(chǎn)量和每667m² 產(chǎn)量。單瓜產(chǎn)量模擬值在Z3處理最高，為213.25g ，在Z1處理最低，為 200.36g ，和田間試驗(yàn)進(jìn)行對照驗(yàn)證，采用NRMSE和ARE方法對模模擬值和實(shí)測值進(jìn)行分析，其平均值分別是 1.35% 和 0.18% ；每 667m² 產(chǎn)量模擬值在Z3處理最高，為 7.89t ，在Z1處理最低，為7.01t，和田間試驗(yàn)進(jìn)行對照驗(yàn)證，采用NRMSE和ARE方法對模擬值和實(shí)測值進(jìn)行分析，其平均值分別是 1.17% 和0.24% ?？傮w來看，DSSAT模型模擬的單瓜產(chǎn)量和每 667m² 產(chǎn)量其模擬值和實(shí)測值基本一致。證明露地黃瓜經(jīng)過參數(shù)校正后可更好的模擬當(dāng)年黃瓜的產(chǎn)量指標(biāo)，模擬精確度比較準(zhǔn)確。見圖3。

4結(jié)論與討論

4.1結(jié)論

本研究以黑龍江省露地黃瓜作為主要農(nóng)作物，結(jié)合DSSAT模型對其參數(shù)調(diào)整之后進(jìn)行驗(yàn)證分析，綜合考慮露地黃瓜的生長指標(biāo)和產(chǎn)量指標(biāo)，探究灌水量不同梯度Z1： 80% 、Z2： 90% ，Z3： 100% ，Z4：110% 下的露地黃瓜其生長指標(biāo)和產(chǎn)量指標(biāo)模擬值和實(shí)測值的變化。

4.1.1DSSAT模型對露地黃瓜生長指標(biāo)模擬驗(yàn)證分析本試驗(yàn)應(yīng)用DSSAT模型對2022年露地黃瓜的生長指標(biāo)進(jìn)行模擬，其指標(biāo)包括：株高、莖粗、節(jié)間距和葉片數(shù)?？傮w來看，DSSAT模型模擬的株高、莖粗、節(jié)間距和葉片數(shù)其模擬值和實(shí)測值基本一致。證明露地黃瓜經(jīng)過參數(shù)校正后可更好的模擬當(dāng)年黃瓜的生長指標(biāo)，模擬精確度比較準(zhǔn)確。調(diào)查可知2022年黑龍江省全年降雨量664mm，6-9 月的降雨量占全年 78% ，最多月份的降雨量達(dá) 860mm ，其境內(nèi)地表水主要是依靠降水形成，徑流量比較大，年度分布不均勻。借助DSSAT模型可對氣候變化進(jìn)行評估，由于2022年的降雨量較多，但呈現(xiàn)分布不均的現(xiàn)象，為保證露地黃瓜的生長，需在灌水梯度上進(jìn)行優(yōu)化選擇。本研究設(shè)置Z1： 80% .Z2：90% ，Z3 ： 100% ， Z4：110% 四個(gè)灌水量梯度，經(jīng)研究證實(shí)，Z3處理 100% 灌水量梯度下的露地黃瓜生長指標(biāo)最佳，說明該梯度下的灌水量可滿足露地黃瓜種苗的生長需求，促進(jìn)植株生長的同時(shí)，提高產(chǎn)量。經(jīng)DSSAT模型對氣候進(jìn)行情景模擬，讓農(nóng)戶在露地黃瓜栽植時(shí)結(jié)合氣候變化趨勢，適當(dāng)調(diào)整栽植時(shí)間，并合理進(jìn)行撫育，盡量避免過多降水對露地黃瓜的影響。

4.1.2DSSAT模型對露地黃瓜產(chǎn)量指標(biāo)模擬驗(yàn)證本試驗(yàn)應(yīng)用DSSAT模型對2022年露地黃瓜的產(chǎn)量指標(biāo)進(jìn)行模擬，其指標(biāo)包括：單瓜質(zhì)量和每

667m² 產(chǎn)量。單瓜產(chǎn)量采用NRMSE和ARE方法對模擬出來的數(shù)據(jù)進(jìn)行分析，NRMSE平均值為1.35% ，ARE平均值為 0.18% ；每 667m² 產(chǎn)量模擬值采用NRMSE和ARE方法對模擬出來的數(shù)據(jù)進(jìn)行分析，NRMSE平均值為 1.17% ，ARE平均值為 0.24% ?？傮w來看，DSSAT模型模擬的單瓜質(zhì)量和每 667m² 產(chǎn)量其模擬值和實(shí)測值基本一致。證明露地黃瓜經(jīng)過參數(shù)校正后可更好的模擬當(dāng)年黃瓜的產(chǎn)量指標(biāo)，模擬精確度比較準(zhǔn)確。影響露地黃瓜產(chǎn)量的因素比較多，其中氣候因素是主要因素，如果降雨量過多或者過少都會(huì)導(dǎo)致露地黃瓜減產(chǎn)，2022年黑龍江省雨量豐富，但由于內(nèi)部水量分配不均以及無徑流調(diào)解工程，導(dǎo)致直接可利用的水量不足，占全年徑流量的 3% 左右，為實(shí)現(xiàn)露地黃瓜的高產(chǎn)，借助DSSAT模型實(shí)現(xiàn)對區(qū)域氣候情況的預(yù)估，合理進(jìn)行露地黃瓜栽植管理，從而確保DSSAT模型實(shí)測值和模擬值基本一致。

4.2討論

氣候變化對黑龍江省露地黃瓜產(chǎn)量有不利的影響，借助DSSAT模型的GLUE調(diào)參后手動(dòng)試錯(cuò)調(diào)參，得到露地黃瓜參數(shù)，并帶入分析，模型對2022年露地黃瓜的生長指標(biāo)和產(chǎn)量模擬值和大田試驗(yàn)實(shí)測值的NRMSE和ARE均小于 10% ，說明品種參數(shù)的整體精確度比較高。2022年黑龍江省無明顯極端天氣，氣候變化偶有波動(dòng)，對露地黃瓜的生長有一定的影響，導(dǎo)致作物生育周期短，作物干物質(zhì)積累減少，進(jìn)而導(dǎo)致減產(chǎn)。通過設(shè)置的4個(gè)處理，在不同灌溉梯度下分析黃瓜生長情況， 100% 灌溉梯度下的黃瓜長勢最佳，可得出最優(yōu)產(chǎn)量結(jié)果，說明灌溉梯度的選擇至關(guān)重要，結(jié)合氣候變化選擇適宜的灌溉水量，可起到提質(zhì)增產(chǎn)的目的。

參考文獻(xiàn)：

[1] 張翠蘭.大棚黃瓜種植技術(shù)及病蟲害防治探究[J].種子科技，2024，42（12）： 124-126+135

[2] 陳佳俊，史曉亮，丁皓，等．基于DSSAT模型的關(guān)中地區(qū)冬小麥單產(chǎn)模擬及其影響因子［J］．中國農(nóng)業(yè)氣象，2023，44（9）：805-819.

[3] 柴阿麗，楊紅敏，王少驊，等．濕度調(diào)控設(shè)施黃瓜棒孢葉斑病菌產(chǎn)孢和釋放規(guī)律及防治技術(shù)［J]．中國農(nóng)業(yè)科學(xué)，2023，56（15）：2907-2918.

[4]王宇玲，徐春霞，畢亞琪，等．DSSAT-CSM模型在玉米種植研究中的應(yīng)用進(jìn)展［J]：中國農(nóng)業(yè)氣象，2023，44（6）：492-501.

[5］葉凡愷．基于DSSAT模型的未來氣候變化對南疆棉花生產(chǎn)的影響研究[D]．阿拉爾：塔里木大學(xué)，2023.

［6］陳星宇．無人機(jī)遙感結(jié)合DSSAT模型的黑土地作物養(yǎng)分管理評估［D]．南京：南京信息工程大學(xué)，2023.

[7］何充實(shí)．基于DSSAT模型的湖北玉米產(chǎn)量潛力分析及播期與密度優(yōu)化［D].武漢：華中農(nóng)業(yè)大學(xué)，2023.

[8］高春瑞．基于DSSAT模型與 Sentinel-2數(shù)據(jù)同化的黃土高原區(qū)冬小麥估產(chǎn)研究[D].太谷：山西農(nóng)業(yè)大學(xué)，2023.

[9］張夢嬌．基于田間試驗(yàn)和DSSAT模型的玉米氮營養(yǎng)遙感診斷研究[D]．長春：吉林大學(xué)，2023.

［10］王燕子．氣候變化與極端事件對冬油菜物候和產(chǎn)量的影響[D]．楊凌：西北農(nóng)林科技大學(xué)，2023.

［11］王昱，高浚.DSSAT作物模型對南疆地區(qū)棉花生長的模擬研究［J]．農(nóng)業(yè)與技術(shù)，2022，42（19）：42-45.

[12]叢佳慧，田興帥，趙向陽，等．基于DSSAT模型和天氣預(yù)報(bào)策略預(yù)測農(nóng)戶當(dāng)季玉米產(chǎn)量［J]．玉米科學(xué)，2022，30（4）：62-72.

[13]劉濤，萬能涵，張鎮(zhèn)濤，等．DSSAT模型對吉林省梨樹縣部分主要作物的適用性［J]．生態(tài)學(xué)雜志，2023，42 （5） ： 1 264-1 272.

[14］劉正春．基于作物模型與 Sentinel 多源遙感數(shù)據(jù)同化的冬小麥產(chǎn)量預(yù)測研究［D]．太谷：山西農(nóng)業(yè)大學(xué)，2022.

[15］趙紅．基于Meta分析和CERES-Maize 模型的玉米施氮增密的產(chǎn)量縮差研究［D]．北京：中國農(nóng)業(yè)科學(xué)院，2022.

［16］高浚．基于DSSAT模型對不同灌溉施氮制度下棉花的產(chǎn)量評價(jià)[D]．阿拉爾：塔里木大學(xué)，2022.

［17］王鵬宇．基于遺傳算法優(yōu)化DSSAT模型的廣西地區(qū)甘蔗虧缺灌溉的研究[D]．邯鄲：河北工程大學(xué)，2022.

［18］蔣騰聰.黃土高原冬小麥生產(chǎn)對氣候變化響應(yīng)的模型模擬及不確定性研究［D]．楊凌：西北農(nóng)林科技大學(xué)，2022.

[19］李毅，張思遠(yuǎn)，劉慶祝，等．基于DSSAT-CERES-Wheat的黃土高原西部春小麥干旱影響研究［J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2022，53（6）：338-348.

[20］楊云川，張會(huì)婭，程禹灝，等．基于DSSAT-Canegro模型的廣西來賓市甘蔗生長對氣象干旱的響應(yīng)[J]．農(nóng)業(yè)工程學(xué)報(bào)，2022，38（2）：119-130.