全 文 ：中国生态农业学报 2016年 3月 第 24卷 第 3期
Chinese Journal of Eco-Agriculture, Mar. 2016, 24(3): 293305


* 国家重点基础研究发展计划(973计划)项目(2013CB430205)和全国涉农引智平台项目(2015z007)资助
** 通讯作者: 王靖, 主要研究方向为气候变化影响与适应。E-mail: wangj@cau.edu.cn
戴彤, 主要研究方向为气候变化对作物的影响。E-mail: daitongtiger@foxmail.com
收稿日期: 20150903 接受日期: 20151103
* Supported by the National Basic Research and Development Program of China (973 Program) (No. 2013CB430205) and the National
Agricultural Introducing Intelligence Platform (No. 2015z007)
** Corresponding author, E-mail: wangj@cau.edu.cn
Received Sep. 3, 2015; accepted Nov. 3, 2015
http://www.ecoagri.ac.cn
DOI: 10.13930/j.cnki.cjea.150962
1961—2010年气候变化对西南冬小麦潜在和
雨养产量影响的模拟分析*
戴 彤1,2 王 靖1** 赫 迪1 王 娜1
(1. 中国农业大学资源与环境学院 北京 100193; 2. 天津市静海区气象局 天津 301600)
摘 要 利用农业气象试验站作物资料及土壤资料, 评价 APSIM-Wheat 模型在西南地区的适应性, 应用该模
型分析该地区 1961—2010年冬小麦潜在和雨养产量的时空变化特征, 通过逐步回归分析揭示小麦生长季主要
气象因子对潜在产量和雨养产量的影响及相对贡献率。研究结果表明: APSIM 模型对该区 5 个常用小麦品种
的模拟效果较好, 模拟与实测生育期的均方根误差(RMSE)在 7.0 d以内, 地上部分生物量和产量模拟值与实测
值的归一化均方根误差(NRMSE)均低于 25%, 模型在西南地区具有较好的适应性。1961—2010 年研究区域
36%的站点冬小麦生长季总辐射显著降低, 其中北部、东南部和南部中区最显著; 68%的站点生长季≥0 ℃有效
积温显著增加, 西部增温显著; 30%的站点生长季平均气温日较差显著减小, 南部中区最显著; 全区生长季总
降水大面积减少但不显著, 减少区主要位于最南端和东南部。模拟的冬小麦潜在产量在 65%的站点呈显著减
产趋势, 南部中区和北部变化最明显; 雨养产量在 25%的站点显著降低, 北部地区较明显, 全区减产趋势较
弱。减产显著的站点中, 生长季辐射降低、温度升高、气温日较差减小对潜在产量降低的贡献率分别为 45%、
36%和 2%, 对雨养产量降低的贡献率分别为 36%、39%和8%, 而降水减少对雨养产量降低的贡献率为 7%。
西南冬小麦生长季辐射降低、温度升高及降水减少共同导致了冬小麦潜在和雨养产量的显著下降, 而气温日较
差的降低对冬小麦潜在和雨养产量的影响分别表现为负作用和正作用, 整体上辐射和温度的影响程度最大。
关键词 冬小麦 APSIM模型 气候变化 气象因子 潜在产量 雨养产量 逐步回归 贡献率
中图分类号: S162.5+3 文献标识码: A 文章编号: 1671-3990(2016)03-0293-13
Impact simulation of climate change on potential and rainfed yields of
winter wheat in Southwest China from 1961 to 2010*
DAI Tong1,2, WANG Jing1**, HE Di1, WANG Na1
(1. College of Resource and Environmental Sciences, China Agricultural University, Beijing 100193, China;
2. Jinghai Meteorological Bureau, Tianjin 301600, China)
Abstract Using crop and soil data from agro-meteorological observational stations together with meteorological data from
meteorological stations, the study evaluated the adaptability of APSIM-Wheat (Agricultural Production Systems sIMulator-
Wheat) model in winter wheat planting zones in Southwest China (SWC). Then, the model was used to calculate the potential
and rainfed yields of winter wheat from 1961 to 2010 in SWC. The relative contribution rates of the changes in main climatic
factors during crop growing season to the changes in simulated potential and rainfed yields of winter wheat were determined
with the stepwise regression method. The study results showed that APSIM-Wheat model performed well in simulating
phenology, above-ground biomass and yield of five representative winter wheat varieties in SWC. Root Mean Square Error
294 中国生态农业学报 2016 第 24卷


http://www.ecoagri.ac.cn
(RMSE) between simulated and observed wheat phenology were less than 7.0 d for all the varieties. Normalized Root Mean
Square Error (NRMSE) between simulated and observed above-ground biomass and yield were lower than 25% and 21%,
respectively, for all the varieties. Total solar radiation during wheat growing season decreased significantly at 36% of the study
stations centered in the northern, southeastern and mid-southern SWC. The effective accumulative temperature of not less than
0 ℃ during wheat growing season increased significantly at 68% of the study stations centered in the western SWC, while
average diurnal temperature range during wheat growing season decreased significantly at 30% of study stations centered in
the mid-southern SWC (P < 0.05). Total precipitation during wheat growing season decreased at most of study stations
centered in the southern and southeastern SWC from 1961 to 2010. As a result, simulated potential yield of winter wheat also
showed a significant decline at 65% of study stations, especially in the mid-southern and northern SWC. Simulated yield of
rainfed wheat showed a significant decline at 25% of study stations, especially in the northern SWC. The contribution rates of
the decrease of solar radiation and diurnal temperature range, the increase of temperature during wheat growing season were
45%, 2% and 36%, respectively, to the reduction in simulated potential yield, and 36%, 39% and 8%, respectively, to the
reduction in simulated yield of rainfed wheat. The contribution rate of decreasing precipitation during wheat growing season
was 7% to the reduction in simulated yield of rainfed wheat. In general, solar radiation and temperature had the most obvious
effects on simulated yield variations of winter wheat in SWC from 1961 to 2010. The decrease in solar radiation and
precipitation, and the increase in temperature during winter wheat growing season led to a decline in both simulated potential
and rainfed yields at most of study stations in SWC, while the decreased diurnal temperature range had both negative and
positive effects on potential and rainfed yields, respectively. Quantifying the impacts of light, temperature and precipitation on
wheat production using APSIM model provided a sound foundation for taking countermeasures for adapting to climate change
and improving wheat yield in Southwest China.
Keywords Winter wheat; APSIM model; Climate change; Climatic factor; Potential yield; Rainfed yield; Stepwise
regression; Contribution rate
西南地区是我国重要的粮食产区之一, 小麦作
为西南地区第三大粮食作物, 在满足当地口粮消费
需求外, 也为酿酒等工业消费提供原料, 该区常年
小麦种植面积和总产量分别占全国小麦总面积和总
产量的 11%和 9%[1]。农业对气候条件的依赖性强,
气候变化会显著影响作物生长发育、病虫害发生、
作物生产力和资源利用效率等多个方面。因此在气
候变暖背景下, 量化该区气候要素变化程度及其对
冬小麦产量的影响具有重要意义。当前评估气候变
化对小麦产量影响的方法主要包括在实验室或田间
进行的气候变化模拟试验[23]、以气象因子与小麦产
量统计回归关系为基础的统计模型 [4], 以及作物生
产潜力模型[3]和作物生长模型。其中作物生长模型
能够动态模拟作物生长发育和产量形成过程, 可较
准确地表达作物生长与气候因子变化的关系, 现阶
段已成为农业生产中的高效工具[5]。APSIM 模型自
引进我国以来, 已经在多个农作物主产区进行了参
数调试和验证工作, 并已被用于评估气候变化对小
麦生产的影响。如在华北平原的研究表明, 气候变
化对冬小麦产量普遍存在负影响, 其中辐射减少和
温度升高是导致冬小麦产量下降的主要气象因子 ,
而通过播期调整、品种改良与农田管理措施的改善
可减轻或抵消这种不利影响[611]; 在西北黄土高原,
由于温度升高缩短了小麦的生育期同时使麦田的蒸
发加大, 造成小麦水分亏缺, 对春小麦产量产生了
不利影响，但可以通过免耕覆盖等措施减轻小麦由
于水分亏缺造成的伤害[1213]。
相对于华北和西北小麦主产区，气候变化对我
国西南地区小麦产量影响的研究报道甚少[1415]，为
当地决策者提供的理论支撑较薄弱。因此, 本文旨
在基于验证后的APSIM模型, 分析西南地区 1961—
2010年冬小麦潜在和雨养产量的时空分布特征及其
受生长季内光、温和降水资源的影响程度, 并为评
价未来气候变化对冬小麦生产的影响提供参考。
1 材料与方法
1.1 研究区概况和数据来源
我国西南地区介于 21°08′~34°19′E 和 97°21′~
110°11′N, 包括四川、云南、贵州和重庆 4省(市)。
全区地势呈北高南低、西高东低趋势, 具有盆地、
高原、平地、山地和丘陵多种地貌类型, 是世界上
地形最复杂的区域之一。全区大部处于亚热带, 雨
量充沛, 热量条件较好, 而且秦岭、大巴山屏障阻挡
寒潮侵袭, 冬季温和, 生长季长, 除少数高山外, 稻
麦均可两熟, 亦可广泛栽种亚热带多年生植物, 是
我国重要的农林业产区[1617]。
四川、云南、贵州和重庆 64 个研究站点的
1961—2010年逐日气象资料来自于中国气象局国家
第 3期 戴 彤等: 1961—2010年气候变化对西南冬小麦潜在和雨养产量影响的模拟分析 295


http://www.ecoagri.ac.cn
气象信息中心地面气象观测资料 ; 冬小麦生长发
育、产量构成和田间管理资料来源于农业气象试验
站, 土壤资料参考自中国土种志(第 6卷)[18]。根据西
南地区特点、农业气候特征以及当地冬小麦的播种
期和生育期长度, 以县级为划分单元将该区冬小麦
分为 1 个非种植区和 5 个种植区, 冬小麦种植分区
情况如图 1 所示。西南地区土壤类型复杂, 根据中
国土壤分布图将该区土壤划分为 5种类型(表 1)。

图 1 西南地区冬小麦种植分区和研究站点分布
Fig. 1 Winter wheat planting districts and distribution of the study sites in Southwest China
1.2 APSIM模型简介
APSIM模型是由澳大利亚农业生产系统研究组
(APSRU)开发的用于模拟农业生产系统生物物理过
程的机理模型, 其特色在于从农业生产系统角度出
发, 考虑了轮作、休耕、残茬处理等, 目前已广泛用
于农作系统管理、气候变化影响评估、气候预报的
价值评估以及气候风险管理等方面[1920]。
APSIM 模型的核心模块包括: 作物模块、土壤
模块、管理模块。作物模块主要用于模拟作物的生
长、发育和产量形成, 其参数主要包括作物参数和
品种遗传参数。土壤模块用于模拟土壤水分运动、
养分运移、土壤侵蚀等过程, 土壤水分基础参数包
括各层土壤的饱和含水量(mm3·mm3)、田间持水量
(mm3·mm3)和凋萎系数(mm3·mm3)等。管理模块主
要用于各模块的调用、作物播种期和收获期、施肥
和灌溉管理措施的设定、输入和输出变量的设置等。
APSIM 为日步长模型, 输入的气象数据包括逐日最
高气温(℃)、最低气温(℃)、降水量(mm)和总辐射
(MJ·m2·d1), 其中总辐射根据日照数据由 Ǻngström-
Prescott公式[2122]估算。模型主要输出量包括作物的
关键生育期(出苗期、开花期和成熟期)、地上部分生
物量和产量等。
1.3 模型参数调试和验证方法
本研究前期已经对APSIM-Wheat模型在重庆地
区的适应性进行了评价[23], 本文进一步增加西南地
区站点以评价该模型的模拟能力。模型参数调试与
验证主要采用均方根误差(RMSE)、归一化均方根误
差(NRMSE)、决定系数(R2)和一致性指标(D指标)对
模拟值与实测值进行对比分析 , 其中 RMSE 和
NRMSE取值越小以及 R2和 D指标取值越接近 1均
表明模拟效果越好。模型参数调试阶段利用“试错
法”确定典型小麦品种的遗传参数(表 2); 并通过该
品种验证年份生育期、地上部分生物量和产量的模拟
值与实测值间绝对、相对误差和一致性的比较(表 3),
296 中国生态农业学报 2016 第 24卷


http://www.ecoagri.ac.cn
评价 APSIM小麦模型在西南地区的适应性。
1.4 模型情景设计
基于 APSIM 模型模拟西南地区 1961—2010 年
冬小麦潜在产量和雨养产量, 其中潜在产量为水分
充足下由该区光温资源决定的产量; 雨养产量为无
灌溉条件下由自然光、温、降水资源共同决定的产
量。两种情景均设置充分施氮且不考虑病虫害。为
了研究单因素气候变化的影响, 在模拟期间设定品
种不变, 选取各种植区小麦实际连续种植年份较长
的品种作为该区典型品种 , 并根据小麦种植区设
定播期(表 2)。播种密度为 300 株 ·m2, 播种深度为
5.0 cm, 并依据土壤类型输入土壤水分参数(表 1)。
1.5 气候要素变化对产量的贡献率
气候变化背景下, 对小麦生长发育有显著影响
的主要气象因子为温度、降水和日照[610]。而气温
日较差与平均温度可共同反映最高温度与最低温度
的变化和影响程度, 因此, 本文将对辐射、温度、气
温日较差和降水这 4 个气象因子对小麦产量的影响
进行分析。基于 APSIM模型模拟的冬小麦潜在和雨
养产量变化显著的站点, 采用逐步回归方法剔除影
响不显著因子, 然后通过贡献率表示辐射、温度、
气温日较差和降水中影响显著因子对产量的单一影
响程度, 并通过标准化回归系数对各气象因子的影
响进行对比。其中贡献率为 1961—2010年该因子变
化幅度乘以其偏回归系数所占产量总变化幅度的百
分比, 偏回归系数为多元回归分析的系数, 可表示
在其他所有自变量不变的情况下, 某一个自变量变
化引起因变量变化的比率; 标准化回归系数是线性
回归时对变量做的标准化变化, 数值上等于变量减
去其均值并除以其标准差的估计, 可消除自变量数
量级及量纲(单位)不同引起的误差[24]。
由于模型假设品种和管理措施不变, 模型模拟
的雨养产量近似于仅气象条件下影响的实际产量。
因此为验证 APSIM 模型能否抓住气象条件对产量
的影响, 选取小麦连续种植年份较长的农业气象观
测站点(表 8), 运用 5年滑动平均法[4]拟合趋势产量,
从冬小麦实际产量中提取出气象产量, 并依据气象
产量变化率(气象产量占趋势产量的百分率)划分气
候较好(>10%)、正常(10%~10%)和较差(<10%)年
型, 按不同年型进行气象产量变化率与模拟的雨养
产量距平变化率(雨养产量与平均产量差占平均产
量的百分率)的对比分析。
2 结果与分析
2.1 APSIM模型参数调试和验证
参数调试过程确定的作物遗传参数如表 2 所
示。在模拟的 5 个冬小麦品种中, 模拟与实测出苗
天数、开花天数及成熟天数的 RMSE分别在 1.0 d、
7.0 d和 5.0 d以内; 地上部分生物量和产量模拟值与
实测值的 NRMSE分别低于 25%和 21%(表 3)。验证
结果表明 APSIM模型对冬小麦生育期、生物量和产
量的模拟较准确, 该模型在西南地区具有较好的适
应性。
2.2 冬小麦生长季气候要素变化特征
1961—2010年西南各冬小麦种植区的生长季气
象要素变化特征如表 4 所示。其中冬小麦生长季总
辐射在Ⅲ区下降最多, 而Ⅴ区有增加趋势; 生长季
≥0 ℃有效积温在Ⅱ区上升最多, Ⅰ区次之, Ⅲ区
上升最少; 生长季气温日较差在Ⅰ区减少明显, Ⅲ
区变化幅度较弱 ; 生长季总降水在Ⅰ区减少最多 ,
Ⅳ区次之, 而Ⅱ区降水呈微增势态。西南全区 75%
的研究站点冬小麦生长季总辐射呈减少趋势, 其中
48%的站点通过显著性检验(P<0.05), 种植区北部、
东南部和南部中区减少较为明显, 全区平均变化速
率14.3 MJ·m2·10a1; 95%的站点≥0 ℃有效积温呈
升高趋势 , 其中 72%的站点通过显著性检验
(P<0.05), 西部地区增温较明显, 全区平均增温速率
40.2 ·d·10a℃ 1; 78%的站点生长季平均气温日较差
呈减少趋势, 其中 38%的站点通过显著性检验, 南部
中区变化较明显, 全区平均变化速率0.13 ·10a℃ 1;
69%的站点生长季总降水呈减少趋势, 全区绝大部
分站点变化不显著 , 平均变化速率4.8 mm·10a1,
空间上呈西北增多 , 南部和东南部减少势态分布
(图 2)。
2.3 冬小麦潜在和雨养产量变化特征
模拟的西南地区冬小麦潜在和雨养产量多年均
值及变化趋势的分区差异如表 5 所示。1961—2010
年Ⅱ区的冬小麦潜在产量最高, Ⅲ区次之, 考虑降
水因子影响后, Ⅲ区冬小麦雨养产量最高, Ⅱ区次
之, 而Ⅴ区的小麦潜在和雨养产量均为最低。冬小
麦潜在产量和雨养产量分别在Ⅲ区和Ⅳ区降低最明
显, 而Ⅰ区和Ⅴ区的潜在和雨养产量受气候变化负
面影响均较小, 且雨养产量呈稍增加趋势。全区范围
内, 冬小麦潜在产量变化范围 2 386~10 146 kg·hm2,
全区均值 5 697 kg·hm2; 空间上呈西北高、南部和
东部低的分布势态; 1961—2010 年 86%的站点潜在
产量呈下降趋势 , 其中 76%的站点显著减产 (P<
0.05), 种植区北部和南部中区最明显, 全区产量平
均变化速率为110 kg·hm2·10a1。冬小麦雨养产量变
化范围 2 386~8 774 kg·hm2, 全区均值 4 605 kg·hm2,
第 3期 戴 彤等: 1961—2010年气候变化对西南冬小麦潜在和雨养产量影响的模拟分析 297


http://www.ecoagri.ac.cn

298 中国生态农业学报 2016 第 24卷


http://www.ecoagri.ac.cn
表 2 西南地区冬小麦各种植区冬小麦播期及典型品种的遗传参数
Table 2 Sowing dates and model parameters for representative winter wheat varieties in each planting district in Southwest China
分区
District
站点
Station
冬小麦品种
Winter wheat
variety
春化敏感性
Vernalization
sensitivity
光周期
敏感性
Photoperiod
sensitivity
灌浆至成熟所需
有效积温
Effective accumulative
temperature required
from grain-filling to
maturity (℃d)
每克茎秆干物质
籽粒数
Grains for unit dry
matter of stem
(numberg1)
参数调
试年份
Year for
calibration
验证年份
Year for
validation
播期(月-日)
Sowing date
(month-day)
生长天数
Length of
growing
period (d)
Ⅰ 陆良
Luliang
福利
Fuli
3.0 3.3 520 18.0 1987 1988 10-10 190
Ⅱ 丽江
Lijiang
夏繁
Xiafan
3.2 3.5 730 25.0 2007—
2008
2009 10-25 195
Ⅲ 万州
*
Wanzhou
81-8 1.5 2.0 420 26.0 2002—
2003
2004 11-05 190
Ⅳ 合川
*
Hechuan
绵阳 26
Mianyang26
2.7 3.0 590 28.0 2001—
2002
2003—
2005
11-15 185
Ⅴ 路西
Luxi
白壳 82
Baike82
1.9 2.0 800 18.0 1992—
1993
1995 10-25 170
*该站点小麦品种遗传参数来自文献[23]。参数调试与验证年份均为小麦收获年。* means that model parameters for winter wheat quoted from
the reference [23]. Both years for calibration and validation are the harvest years of winter wheat.
表 3 APSIM 模型对小麦生育期、生物量和产量模拟结果的验证
Table 3 Validation results of APSIM model simulated development stages, above-ground biomass and yield of winter wheat
生育期 RMSE RMSE for growth duration (d) NRMSE (%)
品种
Variety 播种出苗
Sowing to emergence
播种开花
Sowing to flowering
播种成熟
Sowing to maturity
地上部分生物量
Above-ground biomass
产量
Yield
福利 Fuli 0.0 5.0 5.0 25.0 20.8
夏繁 Xiafan 1.0 4.0 2.0 13.0 5.3
81-8* 1.0 3.0 0.0 6.8 16.8
绵阳 26*
Mianyang26
0.8 0.8 3.2 17.1 20.3
白壳 82 Baike82 1.0 7.0 4.0 15.7 11.9
*表示该品种的验证结果来自文献[23]。* means that the validation result of the winter wheat variety quoted from the reference [23].
表 4 1961—2010 年西南各种植区冬小麦生长季总辐射、≥0 ℃有效积温、气温日较差和总降水的气候倾向率均值
Table 4 Means of climate tendency of solar radiation, ≥ 0 accumulated temperature, diurnal temperature range and precipitation ℃
during winter wheat growing season in each planting district in Southwest China from 1961 to 2010
分区
District
总辐射倾向率
Tendency rate of solar
radiation (MJ·m1·10a1)
≥0 ℃积温倾向率
Tendency rate of ≥0 ℃
accumulated temperature (℃·d·10a1)
气温日较差倾向率
Tendency rate of diurnal
temperature range (℃·10a1)
总降水倾向率
Tendency rate of
precipitation (mm·10a1)
Ⅰ 5.3 48.1 0.24 10.8
Ⅱ 20.9 56.7 0.13 1.8
Ⅲ 28.6 27.3 0.08 5.8
Ⅳ 18.3 31.1 0.15 8.4
Ⅴ 5.7 42.9 0.15 5.9


空间上呈西低东高分布势态; 近 50年 61%的站点雨
养产量呈下降趋势 , 其中 41%的站点显著减产
(P<0.05), 种植区东北部最明显, 全区产量平均变化
速率31 kg·hm2·10a1(图 3), 相比于潜在产量, 冬
小麦雨养产量减产幅度较小。
冬小麦潜在产量变化在 45个站点显著, 平均减
产 723 kg·hm2·10a1。1961—2010 年生育期日均辐
射减少 0.63 MJ·m2, 平均温度增加 1.22 , ℃ 平均气
温日较差降低 0.70 , ℃ 造成的减产量分别占 45%、
36%和 2%。整体上辐射减少对冬小麦潜在产量降低
的贡献率最高, 温度次之, 气温日较差最小。基于标
准化回归分析结果表明, 辐射、温度及气温日较差
等因子影响显著的站点分别占 45 个站点的 98%、
82%和 11%, 其中辐射降低、温度升高对产量的影响
均为负效应, 气温日较差降低对产量的显著影响在
盘县、贡山为负效应, 而在温江、黔西和湄潭表现
为正效应(表 6)。
冬小麦雨养产量变化在 18个站点显著, 平均减
产 529 kg·hm2·10a1。1961—2010 年生育期日均辐
射减少 0.47 MJ·m2, 平均温度增加 1.11 , ℃ 总降水
第 3期 戴 彤等: 1961—2010年气候变化对西南冬小麦潜在和雨养产量影响的模拟分析 299


http://www.ecoagri.ac.cn

图 2 西南地区 1961—2010 年冬小麦生长季总辐射(a)、≥0 ℃有效积温(b)、气温日较差(c)和总降水(d)的气候倾向率空间分布
Fig. 2 Spatial distribution of climate tendency of solar radiation (a), ≥ 0 ℃ accumulated temperature (b), diurnal temperature
range (c) and precipitation (d) during winter wheat growing season in each planting district in Southwest China from 1961 to 2010

图 3 西南地区 1961—2010 年冬小麦潜在产量(a)和雨养产量(b)的均值和气候倾向率(c, d)空间分布
Fig. 3 Spatial distribution of simulated potential yields (a) and rainfed yields (b) and their climate tendency rates (c, d) of winter
wheat in Southwest China from 1961 to 2010
300 中国生态农业学报 2016 第 24卷


http://www.ecoagri.ac.cn
表 5 1961—2010 年西南各种植区模拟的冬小麦潜在和雨养产量及变化趋势
Table 5 Simulated potential and rainfed yields of winter wheat and their change rates in each planting district in Southwest China from 1961 to 2010
分区
District
潜在产量
Potential yield
(kg·hm2)
潜在产量变化趋势
Change rate of potential yield
(kg·hm2·10a1)
雨养产量
Rainfed yield
(kg·hm2)
雨养产量变化趋势
Change rate of rainfed yield
(kg·hm2·10a1)
Ⅰ 5 848 43 3 710 15
Ⅱ 7 241 136 4 632 55
Ⅲ 6 371 169 5 700 56
Ⅳ 4 729 137 4 466 88
Ⅴ 4 081 35 3 670 26
表 6 西南地区不同站点冬小麦生长季气象因子对潜在产量的影响程度及贡献率
Table 6 Influence degrees and contribution rates of growing season climate factors on simulated potential yield of winter wheat in
different sites in Southwest China
标准化回归系数 Standardize regression coefficient 贡献率 Contribution rate (%)
分区
District
站点
Station 辐射
Radiation
温度
Temperature
气温日较差
Diurnal
temperature range
辐射
Radiation
温度
Temperature
气温日较差
Diurnal
temperature range
盘县 Panxian+ 0.986** 0.456** 0.322** 66 15 43
楚雄 Chuxiong 0.903** 0.086 0.154 97 — —
Ⅰ
兴义 Xingyi 0.795** 0.350** 0.067 77 45 —
温江 Wenjiang 0.649** 0.154 0.251* 63 — 16
都江堰 Dujiangyan 0.839** 0.103 0.026 74 — —
绵阳 Mianyang 0.729** 0.079 0.037 68 — —
雅安 Ya’an 0.707** 0.149 0.108 49 — —
乐山 Leshan 0.937** 0.249** 0.104 67 22 —
木里 Muli 0.396** 0.486** 0.137 34 69 —
贡山 Gongshan 0.919** 0.002 0.411* 46 — 5
西昌 Xichang 0.378** 0.512** 0.087 52 79 —
保山 Baoshan 0.375** 0.471** 0.214 23 113 —
Ⅱ
万源 Wanyuan 0.778** 0.147 0.007 59 — —
宜宾 Yibin 0.841** 0.443** 0.127 61 23 —
巴中 Bazhong 0.842** 0.383** 0.074 53 17 —
奉节 Fengjie 0.640** 0.431** 0.019 42 54 —
遂宁 Suining 0.851** 0.376** 0.025 66 17 —
南充 Nanchong 0.930** 0.391** 0.019 68 13 —
内江县 Neijiang 0.903** 0.476** 0.046 65 19 —
纳溪 Naxi 0.856** 0.502** 0.027 71 44 —
毕节 Bijie 0.801** 0.138 0.235 50 — —
铜仁 Tongren 0.663** 0.371** 0.101 27 60 —
黔西 Qianxi 0.749** 0.720** 0.540** 28 41 8
贵阳 Guiyang 0.813** 0.273** 0.272 84 2 —
望谟 Wangmo 0.801** 0.598** 0.229 21 90 —
罗甸 Luodian 0.745** 0.493** 0.183 56 40 —
独山 Dushan 0.773** 0.286** 0.233 67 25 —
Ⅲ
榕江 Rongjiang 0.701** 0.399** 0.151 60 46 —
沙坪坝 Shapingba 0.807** 0.592** 0.029 59 26 —
桐梓 Tongzi 0.906** 0.349** 0.183 33 44 —
遵义 Zunyi 0.608** 0.276* 0.073 42 56 —
湄潭 Meitan 0.275 0.323** 0.763** — 39 24
思南 Sinan 0.707** 0.483** 0.277 26 52 —
Ⅳ
凯里 Kaili 0.731** 0.354** 0.077 30 39 —
会泽 Huize+ 0.948** 0.612** 0.139 155 123 —
昆明 Kunming 0.663** 0.508** 0.168 49 49 —
沾益 Zhanyi 0.902** 0.517** 0.163 49 43 —
瑞丽 Ruili 0.752** 0.777** 0.025 17 160 —
玉溪 Yuxi 0.777** 0.401** 0.014 48 42 —
泸西 Luxi 0.936** 0.466** 0.011 44 45 —
耿马 Gengma+ 0.450** 0.727** 0 36 57 —
临沧 Lincang 0.692** 0.842** 0 23 138 —
思茅 Simao 0.673** 0.670** 0.013 5 127 —
Ⅴ
蒙自 Mengzi 0.816** 0.891** 0.138 26 72 —
**表示显著性水平 P<0.01, *表示显著性水平 P<0.05, +表示该站产量显著增加。下同。** stands for significance at 0.01 level, * stands for
significance at 0.05 level, + means the yield in the site increased significantly. The same below.
第 3期 戴 彤等: 1961—2010年气候变化对西南冬小麦潜在和雨养产量影响的模拟分析 301


http://www.ecoagri.ac.cn
减少 49 mm, 造成的减产量分别占 36%、39%和 7%,
而平均气温日较差降低 0.26 , ℃ 表现为对产量有
8%的正贡献率。与潜在产量不同的是, 整体上温度
升高对冬小麦雨养产量降低的贡献率最高, 辐射和
降水次之, 气温日较差最小。基于标准化回归分析
结果表明, 辐射、温度、气温日较差及降水因子分
别在 83%、67%、39%和 17%的站点中影响显著, 其
中辐射和降水减少、温度升高对产量的影响均为负
效应 , 气温日较差降低对产量的影响均呈正效应
(表 7)。

表 7 西南地区不同站点冬小麦生长季气象因子对雨养产量的影响程度及贡献率
Table 7 Influence degrees and contribution rates of growing season climate factors on simulated rainfed yields of winter wheat in
different sites in Southwest China
标准化回归系数 Standardize regression coefficient 贡献率 Contribution rate (%)
分区
District
站点
Station 辐射
Radiation
温度
Temperature
气温日较差
Diurnal
temperature range
降水
Precipitation
辐射
Radiation
温度
Temperature
气温日较差
Diurnal
temperature range
降水
Precipitation
Ⅰ 兴义 Xingyi 0.742** 0.364** 0.402** 0.227 69 44 21 —
都江堰 Dujiangyan 0.540** 0.380** 0.253 0.126 53 29 — —
雅安 Ya’an 0.664** 0.309 0.094 0.074 50 39 — —
木里 Muli 0.183 0.083 0.060 0.688** — — — 55
贡山 Gongshan 0.787** 0.147 0.544 0.176 34 — 6 —
Ⅱ
万源 Wanyuan 0.768** 0.141 0.037 0.058 60 — — —
阆中 Langzhong 0.195 0.287* 0.307* 0.357** — 26 39 8
巴中 Bazhong 0.703** 0.222 0.356* 0.165 60 — 4 —
奉节 Fengjie 0.613** 0.429** 0.081 0.101 38 51 — —
南充 Nanchong 0.469** 0.108 0.783** 0.205 57 — 22 —
铜仁 Tongren 0.663** 0.371** 0.526 0.013 27 60 — —
Ⅲ
独山 Dushan 0.777** 0.326** 0.210 0.090 67 30 — —
沙坪坝 Shapingba 0.727** 0.624** 0.203 0.005 57 30 — — Ⅳ
思南 Sinan 0.697** 0.486** 0.249 0.038 26 53 — —
会泽 Huize+ 0.149 0.030 0.542** 0.243* — — 66 9
耿马 Gengma+ 0.326** 0.787** 0.112 0.061 28 66 — —
思茅 Simao 0.673** 0.792** 0.449** 0.145 7 216 84 —
Ⅴ
蒙自 Mengzi 0.489** 0.749** 0.136 0.050 21 83 — —

气象产量变化率和模拟雨养产量距平变化率的
对比分析表明: 整体上, 模型模拟的雨养产量距平
变化率和观测的气象产量变化率相似, 气象产量较
差年份模拟的雨养产量距平偏低, 气象产量较好年
份的雨养产量距平偏高, 且气象产量与雨养产量距
平的大、小极值发生年份基本一致。以上结果显示
模型可较准确地反映小麦生长季气象要素变化对产
量的影响(表 8)。
3 讨论与结论
在我国模型适应性评价研究中 , 通常认为产量
和生物量模拟值与实测值的 NRMSE 低于 30%, 模
拟效果可以接受。如王琳等 [25]对山东禹城冬小麦
夏玉米生物量模拟结果的 NRMSE 为 24%~28%, 刘
园[26]对河北栾城和河南郑州冬小麦生物量模拟结果
的 NRMSE 分别为 10%和 37%。因此, 相比于前人
研究结果, 本研究结果表明 APSIM模型在西南地区
也具有较好的适应性。综合前人研究进展, 小麦品
种遗传参数取值为春化敏感性参数在 1.5~2.9, 光周
期敏感性参数在 2.0~3.9, 灌浆至成熟所需有效积温
在 420~600 ·d, ℃ 单位茎秆干物质籽粒数在 23.0~
33.0[45,10,2728]。本研究确定的冬小麦上述 4 个作物
遗传参数为 1.5~3.0、2.0~3.5、420~800 ·d℃ 和 18.0~
28.0, 均在合理范围内, 且与华北平原相比, 冬小麦
更偏于春性。
本研究表明, 1961—2010 年中西南地区冬小麦
生长季气象要素变化趋势与我国华北平原、长江中下
游、西北等冬小麦主产区基本一致, 整个生长季均呈
辐射降低、温度增加以及降水减少的趋势[67,2930], 但
西南地区变化幅度最小。西南冬小麦生长季气象要
素变化空间分布与春玉米相似, 总辐射降低区集中
在南部中区和东部, 降温区集中于西部, 气温日较
差减小区主要位于南部和东南部 ; 但由于水热资
源的季节性差异, 冬小麦生长季增温幅度较大, 且
302 中国生态农业学报 2016 第 24卷


http://www.ecoagri.ac.cn
表 8 典型站点冬小麦实际气象产量变化率与模拟雨养产量距平变化率的对比
Table 8 Comparison of the variation rate of meteorological yield and simulated rainfed yield anomaly of winter wheat at the typical stations
产量较差年份 Low yield year 产量正常年份 Normal yield year 产量较好年份 High yield year
站点
Station 年份
Year
气象产量变化率
Variation rate of
meteorological
yield (%)
雨养产量距平
变化率
Variation rate of
rainfed yield
anomaly (%)
年份
Year
气象产量变化率
Variation rate of
meteorological
yield (%)
雨养产量距平
变化率
Variation rate of
rainfed yield
anomaly (%)
年份
Year
气象产量变化率
Variation rate of
meteorological
yield (%)
雨养产量距平
变化率
Variation rate
of rainfed yield
anomaly (%)
1987 32.0 16.2 1985 1.9 4.7 1984 15.6 1.1
1988 17.1 7.8 1986 0.3 2.3 1991 35.0 10.1
1994 25.4 4.7 1989 8.8 3.1 1992 17.2 5.1
2001 54.7 16.1 1990 8.8 8.2 1993 16.3 6.0
2002 38.5 11.8 1995 4.9 0.9 1996 42.3 11.0
2003 11.2 5.4 2008 0 0.6 1998 28.3 1.4
2009 45.8 11.4 — — — 1999 55.1 9.5
— — — — — — 2000 54.6 9.8
— — — — — — 2004 47.4 11.5
— — — — — — 2005 34.9 5.7
— — — — — — 2006 64.2 10.8
酉阳
Youyang
— — — — — — 2007 18.3 9.6
1981 21.2 10.9 1988 8.2 2.9 1982 10.9 10.2
1984 10.2 12.2 1989 6.9 2.8 1983 53.9 23.0
1985 64.6 31.3 1991 3.1 1.3 1987 17.7 10.5
1990 12.1 1.8 1996 1.3 0.6 1994 36.0 20.3
1992 13.1 2.6 1997 2.8 3.5 1998 10.4 7.4
1993 12.5 4.7 2000 7.0 7.1 2005 36.5 11.9
1995 12.1 4.6 2001 2.4 1.4 2006 17.9 9.4
1999 12.6 4.1 2002 9.7 3.6 2007 11.6 9.0
— — — 2003 0.2 10.6 2008 13.7 1.1
玉溪
Yuxi
— — — 2004 2.1 2.4 2009 38.4 8.6
1981 18.8 8.0 1982 3.2 3.4 1983 21.8 10.5
1988 52.6 11.6 1984 0.6 1.9 1985 26.1 5.9
1989 12.9 4.8 1992 9.6 9.3 1986 14.8 6.4
1990 34.5 8.1 2008 7.3 6.1 1987 25.1 9.9
1991 19.4 7.7 — — — 1994 44.9 10.9
1993 18.3 1.3 — — — 1997 21.9 5.0
1995 10.7 7.8 — — — 1998 30.4 5.4
1996 26.6 5.5 — — — 2000 20.7 5.3
1999 11.5 1.0 — — — 2001 18.8 6.2
2002 30.4 7.7 — — — 2006 60.5 10.4
2003 20.8 5.3 — — — 2010 5.3 4.9
2004 29.6 6.4 — — — — — —
2005 21.2 6.9 — — — — — —
巴中
Bazhong
2009 13.7 4.4 — — — — — —

降水减少区集中于南部和东南部, 而春玉米生长季
降水减少区只分布于中部少数站点[3134]。
就整个小麦生育期而言 , 总辐射降低会使作物
净光合速率和灌浆速率下降, 导致同化物积累降低,
因此西南地区生长季辐射的下降导致小麦产量显著
下降; 温度的升高会缩短作物生育期, 减少干物质
积累时间, 导致产量下降; 西南冬小麦生长季的 10
月至翌年 5 月期间降水较少, 降水减少会造成一定
的水分胁迫, 限制产量; 夜间温度增加导致呼吸作
用增强, 不利于同化物累积, 但平均温度上升且未
第 3期 戴 彤等: 1961—2010年气候变化对西南冬小麦潜在和雨养产量影响的模拟分析 303


http://www.ecoagri.ac.cn
超过最适温度之前对作物的光合作用有利, 因此在
不同站点, 这两种效应的交互作用导致气温日较差
降低对产量影响效应不同。我国华北[7,10,29]、西北[35]
以及黄淮海地区[3637]的研究结果也表明, 近几十年
来总体上冬小麦生长季辐射和降水对产量呈正效应,
温度对产量为负效应, 其中冬小麦生长季辐射降低
及温度增加是模拟产量下降的主要因素, 与本文研
究结论一致。西南地区气候变化存在显著的空间差
异, 尽管全区大部分地区小麦生长季辐射呈减少趋
势, 但部分站点生长季辐射增加, 导致冬小麦潜在
产量和雨养产量也呈增加趋势, 分别占全区站点的
14%和 39%。
本研究结果表明, 模拟的冬小麦潜在产量和雨
养产量均呈降低趋势, 说明气候变化对冬小麦产量
整体呈负影响, 与我国华北 [5,8,26,28,38]及西北 [35]等地
的研究结论相同。而相关研究表明, 品种改良以及
改善水肥施用等农田管理措施, 可减轻或抵消气候
变化的负面影响, 降低作物产量风险[6,9,29,39]。针对
西南地区, 为应对温度升高和降水减少趋势, 在今
后的生产中可采取选用新的高产和抗高温品种、在
不影响下茬作物播种前提下采用生育期更长的品
种、适当推迟冬小麦播期、优化冬小麦灌溉制度等
措施。
APSIM模型在反映大田作物生长实际状况方面
仍然存在一定的不确定性。首先表现在模型参数确
定方面, 西南地区气候、地形及土壤类型等下垫面
情况复杂, 本研究虽然划分了不同的冬小麦种植区
和主要土壤类型, 考虑了不同的农业气候特征和作
物实际生长情况, 但仍缺乏对地形坡度、水分径流
等环境参数的修正; 其次, 模型缺乏模拟病虫草害
和气象灾害对作物生长过程影响的功能, 会在模型
验证和应用过程中引入潜在偏差 [40]; 再次, 作物生
育期和产量观测资料一方面具有不准确性, 另一方
面不同地区多年实测数据序列间可能不独立, 会导
致基于一元线性回归模型的模拟值与实测值对比的
结果存在误差[41]。因此在后续的研究中, 应加强模
型误差原因分析并对模型进一步改进。
此外, 本文仅基于单一模型分析了气候变化对
西南冬小麦的影响, 已有研究表明, 尽管个别作物
生长模型在一定范围内能够很好地模拟作物生长发
育和产量形成, 但在评估未来气候变化对小麦生产
的影响时, 由于模型结构和参数化过程的差异, 单
一模型的评估结果存在一定的不确定性, 基于多模
型集成可降低气候变化影响评估结果的不确定性[42]。因
此, 将来可通过集成多个作物生长模型来评估未来
气候变化对西南冬小麦生产的影响。
参考文献 References
[1] 中华人民共和国农业部 . 新中国农业 60 年统计资料[M].
北京: 中国农业出版社, 2009
Ministry of Agriculture of the People’s Republic of China.
Statistical Data of Agriculture of the New China in 60
Years[M]. Beijing: China Agriculture Press, 2009
[2] Fang S B, Cammarano D, Zhou G S, et al. Effects of
increased day and night temperature with supplemental
infrared heating on winter wheat growth in North China[J].
European Journal of Agronomy, 2015, 64: 67–77
[3] Fang S B, Tan K Y, Ren S X, et al. Fields experiments in
North China show no decrease in winter wheat yields with
night temperature increased by 2.02.5 [J]. Science China ℃
Earth Sciences, 2012, 55(6): 1021–1027
[4] 史印山, 王玉珍, 池俊成, 等. 河北平原气候变化对冬小麦
产量的影响[J]. 中国生态农业学报, 2008, 16(6): 1444–1447
Shi Y S, Wang Y Z, Chi J C, et al. Impact of climate change
on winter wheat production in the Hebei Plain[J]. Chinese
Journal of Eco-Agriculture, 2008, 16(6): 1444–1447
[5] 沈禹颖, 南志标, Bellotti B, 等. APSIM模型的发展与应用[J].
应用生态学报, 2002, 13(8): 1027–1032
Shen Y Y, Nan Z B, Bellotti B, et al. Development of APSIM
(Agricultural Production Systems Simulator) and its
application[J]. Chinese Journal of Applied Ecology, 2002,
13(8): 1027–1032
[6] Wang J, Wang E L, Yang X G, et al. Increased yield potential
of wheat-maize cropping system in the North China Plain by
climate change adaptation[J]. Climatic Change, 2012,
113(3/4): 825–840
[7] Wang J, Wang E L, Feng L P, et al. Phenological trends of
winter wheat in response to varietal and temperature changes
in the North China Plain[J]. Field Crops Research, 2013, 144:
135–144
[8] Chen C, Baethgen W E, Robertson A. Contributions of
individual variation in temperature, solar radiation and
precipitation to crop yield in the North China Plain,
19612003[J]. Climatic Change, 2013, 116(3/4): 767–788
[9] Chen C, Wang E L, Yu Q, 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].
Climatic Change, 2010, 100(3/4): 559–578
[10] 李艳, 薛昌颖, 杨晓光, 等. 基于 APSIM 模型的灌溉降低
冬小麦产量风险研究 [J]. 农业工程学报 , 2009, 25(10):
35–44
Li Y, Xue C Y, Yang X G, et al. Reduction of yield risk of
winter wheat by appropriate irrigation based on APSIM
model[J]. Transactions of the CSAE, 2009, 25(10): 35–44
[11] 李克南, 杨晓光, 刘园, 等. 华北地区冬小麦产量潜力分布
特征及其影响因素[J]. 作物学报, 2012, 38(8): 1483–1493
Li K N, Yang X G, Liu Y, et al. Distribution characteristics of
winter wheat yield and its influenced factors in North
304 中国生态农业学报 2016 第 24卷


http://www.ecoagri.ac.cn
China[J]. Acta Agronomica Sinica, 2012, 38(8): 1483–1493
[12] 李广, 玥李 , 黄高宝, 等. 不同耕作措施旱地小麦生产应对
气候变化的效应分析[J]. 草业学报, 2012, 21(5): 160–168
Li G, Li Y, Huang G B, et al. The effects of climate change on
dryland wheat production under different tillage systems[J].
Acta Prataculturae Sinica, 2012, 21(5): 160–168
[13] 周少平. 基于APSIM模型的黄土高原玉米小麦大豆轮作
系统产量、土壤水分动态[D]. 兰州: 兰州大学, 2008
Zhou S P. Simulated crop yield and soil water within a
maize-winter wheat-soybean rotation in the Loess Plateau by
APSIM[D]. Lanzhou: Lanzhou University, 2008
[14] 庞艳梅, 陈超, 潘学标, 等. 未来气候情景下四川盆地冬小
麦生育期气候资源及生产潜力的变化[J]. 中国农业气象 ,
2014, 35(1): 1–9
Pang Y M, Chen C, Pan X B, et al. Change of climatic
resources and potential productivity during the entire growth
period of winter wheat under future climate scenario in
Sichuan Basin[J]. Chinese Journal of Agrometeorology, 2014,
35(1): 1–9
[15] 张建平, 李永华, 高阳华, 等. 未来气候变化对重庆地区冬
小麦产量的影响[J]. 中国农业气象, 2007, 28(3): 268–270
Zhang J P, Li Y H, Gao Y H, et al. Impacts of future climate
change on yields of winter wheat in Chongqing[J]. Chinese
Journal of Agrometeorology, 2007, 28(3): 268–270
[16] 代姝玮, 杨晓光, 赵孟, 等. 气候变化背景下中国农业气候
资源变化Ⅱ . 西南地区农业气候资源时空变化特征[J]. 应
用生态学报, 2011, 22(2): 442–452
Dai S W, Yang X G, Zhao M, et al. Changes of China
agricultural climate resources under the background of
climate change Ⅱ. Spatiotemporal change characteristics of
agricultural climate resources in Southwest China[J]. Chinese
Journal of Applied Ecology, 2011, 22(2): 442–452
[17] 赵汝植 . 西南区自然区划探讨[J]. 西南师范大学学报: 自
然科学版, 1997, 22(2): 193–198
Zhao R Z. A study of the physico-geographical regionali-
zation in Southwest region[J]. Journal of Southwest China
Normal University: Natural Science, 1997, 22(2): 193–198
[18] 马同生. 中国土种志(第 6 卷)[M]. 北京: 中国农业出版社,
1996
Ma T S. National Soil Survey (The 6th volume)[M]. Beijing:
China Agriculture Press, 1996
[19] Keating B A, Carberry P S, Hammer G L, et al. An overview
of APSIM, a model designed for farming systems
simulation[J]. European Journal of Agronomy, 2003, 18(3/4):
267–288
[20] Wang E, Robertson M J, Hammer G L, et al. Development of
a generic crop model template in the cropping system model
APSIM[J]. European Journal of Agronomy, 2002, 18(1/2):
121–140
[21] Ǻngström A. Solar and terrestrial radiation[J]. Quarterly
Journal of the Royal Meteorological Society, 1924, 50:
121–126
[22] Prescott J A. Evaporation from a water surface in relation to
solar radiation[J]. Transactions of the Royal Society of South
Australia, 1940, 64: 114–118
[23] 戴彤, 王靖, 赫迪, 等. APSIM模型在西南地区的适应性评
价——以重庆冬小麦为例[J]. 应用生态学报 , 2015, 26(4):
1237–1243
Dai T, Wang J, He D, et al. Adaptability of APSIM model in
Southwestern China: A case study of winter wheat in
Chongqing City[J]. Chinese Journal of Applied Ecology, 2015,
26(4): 1237–1243
[24] 卢纹岱. SPSS 统计分析[M]. 第 4版. 北京: 电子工业出版
社, 2010
Lu W D. Statistics and Analysis in SPSS[M]. 4th ed. Beijing:
Publishing House of Electronics Industry, 2010
[25] 王琳, 郑有飞, 于强, 等. APSIM 模型对华北平原小麦玉
米连作系统的适用性 [J]. 应用生态学报 , 2007, 18(11):
2480–2486
Wang L, Zheng Y F, Yu Q, et al. Applicability of Agricultural
Production Systems Simulator (APSIM) in simulating the
production and water use of wheat-maize continuous cropping
system in North China Plain[J]. Chinese Journal of Applied
Ecology, 2007, 18(11): 2480–2486
[26] 刘园 . 气候因子和栽培管理对华北冬小麦夏玉米生产体
系的影响[D]. 北京: 中国农业大学, 2010
Liu Y. Contributions of climatic factors and agronomical
managements on crop production of winter wheat and summer
maize in the North China Plain[D]. Beijing: China Agricul-
tural University, 2010
[27] 李广, 黄高宝, Bellotti W, 等. APSIM模型在黄土丘陵沟壑
区不同耕作措施中的适用性 [J]. 生态学报 , 2009, 29(5):
2655–2663
Li G, Huang G B, Bellotti W, et al. Adaptation research of
APSIM model under different tillage systems in the Loess
hill-gullied region[J]. Acta Ecologica Sinica, 2009, 29(5):
2655–2663
[28] 祎张 . 未来气候变化对黄淮海平原冬小麦生产影响及适应
措施分析[D]. 北京: 中国农业大学, 2012
Zhang Y. The impacts of climate change on winter wheat
(Triticum aestivum L.) production and its adaptation strategies
in the Huang-Huai-Hai Plain[D]. Beijing: China Agricultural
University, 2012
[29] Wang J, Wang E L, Yin H, et al. Declining yield potential and
shrinking yield gaps of maize in the North China Plain[J].
Agricultural and forest Meteorology, 2014, 195/196: 89–101
[30] 瑀胡洵 , 王靖 , 冯利平 . 华北平原冬小麦各生育阶段农业
气候要素变化特征分析 [J]. 中国农业气象 , 2013, 34(3):
317–323
Hu X Y, Wang J, Feng L P. Analysis on agro-climatic elements
variation during winter wheat growing season in North China
Plain[J]. Chinese Journal of Agrometeorology, 2013, 34(3):
317–323
[31] 戴彤, 王靖, 赫迪, 等. 基于 APSIM 模型的气候变化对西
南春玉米产量影响研究[J]. 资源科学, 2016, 38(1): 155165
Dai T, Wang J, He D, et al. Modelling the impacts of climate
change on spring maize yields in Southwest China with
APSIM Model[J]. Resources Science, 2016, 38(1): 155165
[32] He D, Wang J, Dai T, et al. Impact of climate change on maize
potential productivity and the potential productivity gap in
第 3期 戴 彤等: 1961—2010年气候变化对西南冬小麦潜在和雨养产量影响的模拟分析 305


http://www.ecoagri.ac.cn
Southwest China[J]. Journal of Meteorological Research,
2014, 28(6): 1155–1167
[33] 庞艳梅, 陈超, 潘学标, 等. 未来气候变化对四川盆地玉米
生育期气候资源及生产潜力的影响[J]. 中国生态农业学报,
2013, 21(12): 1526–1536
Pang Y M, Chen C, Pan X B, et al. Impact of future climate
change on climatic resources and potential productivity of
maize in Sichuan Basin[J]. Chinese Journal of Eco-Agricul-
ture, 2013, 21(12): 1526–1536
[34] 齐冬梅, 周长艳, 李跃清, 等. 西南区域气候变化原因分析[J].
高原山地气象研究, 2012, 32(1): 35–42
Qi D M, Zhou C Y, Li Y Q, et al. Cause analysis of climate
changes in Southwest China[J]. Plateau and Mountain
Meteorology Research, 2012, 32(1): 35–42
[35] 郝祺 . 气候变化对西北地区小麦生产影响的模拟研究[D].
北京: 北京林业大学, 2009
Hao Q. Simulation of the impacts of climate change on wheat
production in the Northwest region[D]. Beijing: Beijing
Forestry University, 2009
[36] Liu S X, Mo X G, Lin Z H, et al. Crop yield responses to
climate change in the Huang-Huai-Hai Plain of China[J].
Agricultural Water Management, 2010, 97(8): 1195–1209
[37] 田展 , 刘纪远 , 曹明奎 . 气候变化对中国黄淮海农业区小
麦生产影响模拟研究 [J]. 自然资源学报 , 2006, 21(4):
598–607
Tian Z, Liu J Y, Cao M K. Simulation of the impact of
climate change on Chinese wheat production in Huang-
Huai-Hai Plain[J]. Journal of Natural Resources, 2006, 21(4):
598–607
[38] Zhang X Y, Wang S F, Sun H Y, et al. Contribution of cultivar,
fertilizer and weather to yield variation of winter wheat over
three decades: A case study in the North China Plain[J].
European Journal of Agronomy, 2013, 50: 52–59
[39] 徐建文, 梅旭荣, 居辉, 等. 黄淮海地区冬小麦关键生育期
不同灌溉水平对产量影响的模拟[J]. 作物学报, 2014, 40(8):
1485–1492
Xu J W, Mei X R, Ju H, et al. Simulation of winter wheat
yield in response to irrigation level at critical growing stages
in the Huang-Huai-Hai Plain[J]. Acta Agronomica Sinica,
2014, 40(8): 1485–1492
[40] Weiss A, Wilhelm W W. The circuitous path to the
comparison of simulated values from crop models with field
observations[J]. The Journal of Agricultural Science, 2006,
144(6): 475–488
[41] White J W, Boote K J, Hoogenboom G, et al. Regression-
based evaluation of ecophysiological models[J]. Agronomy
Journal, 2007, 99(2): 419–427
[42] Asseng S, Ewert F, Rosenzweig C, et al. Uncertainty in
simulating wheat yields under climate change[J]. Nature
Climate Change, 2013, 3(9): 827–832