全 文 :中国生态农业学报 2012年 8月 第 20卷 第 8期
Chinese Journal of Eco-Agriculture, Aug. 2012, 20(8): 1088−1095
* 国家自然科学基金项目(31060178)和甘肃省自然科学基金项目(096RJZA010, 1010RJZA185)资助
** 通讯作者: 黄高宝(1965—), 男, 博士, 教授, 博士生导师, 主要研究方向为农作制度与持续农业研究。E-mail: huanggb@gsau.edu.cn
李广(1971—), 男, 博士, 教授, 主要从事农业信息技术等方面的研究。E-mail: lig@gsau.edu.cn
收稿日期: 2012-03-11 接受日期: 2012-05-29
DOI: 10.3724/SP.J.1011.2012.01088
基于 APSIM模型旱地春小麦产量
对温度和 CO2浓度升高的响应*
李 广1,2 李 玥1,2 黄高宝2,3** 罗珠珠4 王 琦5
刘 强1,2 燕振刚1,2 赵有益6
(1. 甘肃农业大学信息科学技术学院 兰州 730070; 2. 甘肃省干旱生境作物学重点实验室 兰州 730070; 3. 甘肃农业大
学农学院 兰州 730070; 4. 甘肃农业大学资源与环境学院 兰州 730070; 5. 甘肃农业大学草业学院 兰州 730070;
6. 甘肃农业大学理学院 兰州 730070)
摘 要 为了探索气候变化对旱地春小麦生长的影响机理, 在田间试验的基础上通过调试 APSIM 模型参数,
并对模型进行检验, 用 APSIM 模型模拟 7 个温度水平和 7 个 CO2 浓度水平组合设计下的春小麦产量, 并采用
二次多项回归和通径分析研究春小麦产量对温度和 CO2 浓度升高的响应。结果表明: 当温度不变, CO2 浓度每
升高 100 mol·mol−1, 春小麦平均增产 4.9%, 最大增产可达到 14.6%; 春小麦产量随 CO2 浓度升高呈递增型二
次抛物线变化, 但春小麦产量会出现报酬递减。当 CO2 浓度不变时, 温度每升高 1 , ℃ 春小麦平均减产 6.1%,
最大减产幅度高达 14.2%; 春小麦产量随温度升高呈递减型二次抛物线变化。温度和 CO2 浓度同时升高对春
小麦产量存在正的协同作用, 但温度对春小麦产量负效应大于 CO2 浓度对春小麦产量的正效应。温度和 CO2
浓度同时升高会对旱地春小麦产量形成不利。
关键词 APSIM 旱地春小麦 产量 温度 CO2 浓度
中图分类号: P467; S501 文献标识码: A 文章编号: 1671-3990(2012)08-1088-08
Response of dryland spring wheat yield to elevated CO2
concentration and temperature by APSIM model
LI Guang1,2, LI Yue1,2, HUANG Gao-Bao2,3, LUO Zhu-Zhu4, WANG Qi5,
LIU Qiang1,2, YAN Zhen-Gang1,2, ZHAO You-Yi6
(1. College of Information Science and Technology, Gansu Agricultural University, Lanzhou 730070, China; 2. Gansu Provincial
Key Laboratory of Aridland Crop Science, Lanzhou 730070, China; 3. College of Agronomy, Gansu Agricultural University,
Lanzhou 730070, China; 4. College of Resources and Environmental Science, Gansu Agricultural University, Lanzhou 730070,
China; 5. College of Grassland Science, Gansu Agricultural University, Lanzhou 730070, China;
6. College of Sciences, Gansu Agricultural University, Lanzhou 730070, China)
Abstract Global warming has become the most complicated issue facing agriculture production in the world and has received
much attention in recent years. In order to determine the effect of global warming on spring wheat grain yield, field experimental
results in the semiarid Dingxi region were used in APSIM model simulation and analysis. Spring wheat yield response to elevated
CO2 concentration and temperature was researched by simulating wheat yield under regular climatic conditions. The used APSIM
model parameters were firstly modified and then verified based on field data. Spring wheat grain yield was stimulated by the APSIM
model for a unitized design of 7 levels of temperature and CO2 concentration. Regression equations and path analyses were also used
to analyze the response of spring wheat grain yield to the changes in temperature and CO2 concentration. The results showed that
average increase in spring wheat grain yield was 4.9%, with a maximum increase of 14.6% when CO2 concentration increased by 100
mol·mol−1 at constant temperature. A quadratic parabola relationship was noted between spring wheat grain yield and CO2 concentra-
第 8期 李 广等: 基于 APSIM模型旱地春小麦产量对温度和 CO2浓度升高的响应 1089
tion, which indicated an increasing tendency. Spring wheat grain yield increment reduced with further increases in CO2 concentration.
Average drop in spring wheat grain yield was 6.1%, with a maximum drop of 14.2% when temperature increased by 1 ℃ at constant
CO2 concentration. Also a quadratic parabola relationship was noted between spring wheat grain yield and temperature, which sug-
gested a declining tendency. While synergy effects of temperature and CO2 concentration on spring wheat grain yield were positive,
although negative temperature effects on grain yield were more obvious than positive CO2 concentration effects. The study concluded
that global warming with increased temperature and CO2 concentration negatively affected dryland spring wheat grain yield in semi-
arid China.
Key words APSIM model, Dryland spring wheat, Grain yield, Temperature, CO2 concentration
(Received Mar. 11, 2012; accepted May 29, 2012)
全球地表平均温度近百年来(1906—2005 年)升
高了 0.74 ℃, 预计到 21世纪末仍将上升 1.1~6.4 ℃
(IPCC, 2007)。尽管预测的结果中还有一定的不确定
性 , 但气候变化对人类的影响已成为公认的事实 ,
特别对严重依赖自然条件的旱作区粮食生产影响更
为严重。
小麦是世界上最重要的粮食作物之一, 小麦生
产对气候变化非常敏感。据统计近 30年小麦产量年
均升高 0.9%, 而近 20年世界对小麦的需求量年均增
长1.6%[1−2]。小麦丰歉对我国粮食总产量的提高也至
关重要。全球气候变化主要特点是温室气体增加 ,
特别是 CO2 浓度的增加, 导致气候变暖。CO2 浓度
和温度等重要生态因子的变化势必引起小麦生长发
育生理生态过程及其产量的变化[3−4]。大量研究表明:
CO2 浓度增加可提高光合速率, 延长光合作用时间[5],
提高小麦产量[4]。温度的升高主要通过对叶片净光
合速率的影响而影响小麦的生长发育和产量形成 ,
当气温增至适宜范围时小麦叶片净光合速率随之增
加, 而高温的重要影响可能是加速小麦叶片成熟及
其衰老, 并减少光合作用的持续时间, 进而将减少
小麦物候期持续时间, 并导致小麦产量下降 [6]。高
CO2 浓度与高温协同作用将综合影响小麦生长发育
及其产量和质量, CO2浓度使小麦叶片CO2同化速率
提高的正效应往往取决于温度的增加 [7], 这种正效
应随温度增加通常表现更大[8]。温度和 CO2 浓度对
小麦产量影响趋势基本形成一致共识, 但协同作用
及两者之间的互作关系研究相对较少。
在作物模型预测方面, 国内外在系统水平模拟
作物生产优化决策的模型很多, 模拟对象分别为作
物、土壤、作物−土壤综合等 3类, 在研究和应用方
面取得了大量的成果。本文运用澳大利亚农业生产
系统研究组(APSRU), 包括联邦科工组织(Common-
wealth Scientific and Industrial Research Organization,
CSIRO)和昆士兰初级产业部等单位开发的农业生
产系统模型(Agricultural Production System Simula-
tor, APSIM)进行模拟研究。国外 APSIM模型在作物
轮作决策、水土保持评价、气候变化的作物响应
等方面取得大量研究成果[9−14]。在我国, 由于田间数
据积累较少, 主要是模型的适用性研究和气候风险
评估与水肥管理等方面的研究[9,15−18]。为此, 本研究
在降水、耕作措施、管理和作物品种不变的情况下,
运用APSIM模型模拟CO2浓度和温度升高对春小麦
产量的协同影响机制, 为评价气候变化对甘肃中部
旱地春小麦的影响及其发展趋势, 制定适应与减缓
气候变化对春小麦生产不良影响的对策和措施提供
理论依据。
1 材料与方法
1.1 试验区概况及试验设置
1.1.1 试验区概况
试验设在甘肃省定西市李家堡镇甘肃农业大学
旱农试验站, 该站位于甘肃省中部偏南, 属中温带
半干旱区, 无灌溉条件, 是我国半干旱雨养农业的
典型地区。海拔 2 000 m, 年均太阳辐射 592.9 kJ·cm−2,
日照时数 2 476.6 h, 年均气温 6.4 ℃, 年均≥0 ℃积温
2 933.5 ℃, 年均≥10 ℃积温 2 239.1 ℃, 无霜期 140 d,
年蒸发量 1 531 mm。
从 1971—2010 年研究区的年降水量变化和分
异特征可以看出(图 1), 40 年年均降水量为 387.5
mm, 最小降水量仅为 245.7 mm(1982 年), 而最大
降水量为最小值的 2.3 倍, 达 564.5 mm(2003 年)。
40 年来研究区的年降水量的年际变异很大, 变异系
数为 18.5%。
1.1.2 试验设计
试验于 2002—2005 年在不同气象条件类型的
基础上设计两类试验: 一是耕作方式试验, 设 3 种
耕作方式, 分别为传统耕作(作物收获后至冬前三耕
两耱)、免耕(全年不耕作, 播种时用免耕播种机一次
性完成施肥和播种, 收获后用 2,4-D 和草甘磷除草)
和免耕+作物秸秆覆盖[耕作、播种、除草方法同免
耕, 收获脱粒后将全部前茬作物秸秆切碎(5 cm左右)
后, 均匀覆盖在原小区]。春小麦播种时施纯氮 105
kg·hm−2(尿素+二铵), P2O5 105 kg·hm−2(过磷酸钙+二
铵)。二是免耕施氮肥试验, 设 5 个施氮水平, 施氮
1090 中国生态农业学报 2012 第 20卷
图 1 1971—2010 年研究区降水量年际变化
Fig. 1 Change of annual precipitation from 1971 to 2010 in the study area
量分别为 0、52.5 kg(N)·hm−2、105 kg(N)·hm−2、157.5
kg(N)·hm−2和 210 kg(N)·hm−2。各处理磷肥施用量均
为 105 kg·hm−2。所用氮肥为尿素(含纯 N 46%), 磷肥
为普通过磷酸钙(含 P2O5 12%), 肥料在播种前一次
性施入土壤, 不用农家肥。供试作物为春小麦, 品种
为“定西 35 号”, 每年 3 月份播种, 按定西地区常用
播量 187.5 kg·hm−2 播种, 用免耕播种机播种, 行距
0.25 m, 作物生长期间除锄草外无其他作业, 同年
7—8 月份收获, 收获时, 各小区均去掉两边行, 小
区内镰刀收割, 实收作物晒干, 脱粒, 单打单收, 计
算籽粒产量。
1.2 APSIM模型简介
APSIM模型是 APSRU自 1991年开始研制的
一种农业生产系统模型。该模型在产量和经济评
估功能上虽与其他模型相似, 但优于作物轮作系
统模拟[9−11], 可以模拟轮作系统不同耕作措施、作
物生育进程、产量与各生育阶段温度、降水量、
土壤水分的动态关系以及各种气候背景组合条件
下的产量, 可以实现不同年型下的动态决策和气
候应变管理, 还可以为新品种的应变管理提供参
考[10,13]。APSIM模型目前能够比较准确地预测各
类气候、作物品种、土壤与管理因素相互作用的作
物与土壤效应, 评估气候变化的作物风险[13−14]。
APSIM 模型在国外已应用到不同的气候带 , 包
括澳大利亚昆士兰州北部的亚热带干旱带、温带
大陆的美国密执安、新西兰的温带海洋气候带、
澳大利亚冬季降水为主带和全年均匀降水带及西
澳的地中海气候带、荷兰的海洋性气候带和菲律
宾的热带湿润高海拔区[9]。在国内孙宁等[15]利用
APSIM模型对冬小麦产量进行过气候风险的评估。
1.3 模型参数
根据研究区的气候和土壤属性资料, 建立基础
数据库 (气候属性模块和土壤属性模块 ), 然后在
APSIM-Wheat 模块的基础上, 结合研究区的定位试
验 , 对模块参数进行修正 , 建立作物参数模块 , 并
连接到平台中进行模拟。
1.3.1 气候参数
气候属性模块是 APSIM模型的基础, 因此建立
合理精确的气候属性模块是决定整个模型应用的关
键。APSIM 模型是在逐日气象要素的驱动下, 对作
物生理生态、土壤剖面水肥动态和土壤侵蚀量等过
程进行数值模拟。模型运行所需的最基本(最少)气象
要素包括: 逐日太阳辐射量(MJ·m−2)、逐日最高气温
(℃)、逐日最低气温(℃)和逐日降水量(mm), 当地的
纬度、月平均气温和月均温变化等参数项。
1.3.2 土壤属性参数
在一定气候条件下, 土壤是影响作物生长的决
定性因素。APSIM 与其他作物模型不同之处在于:
APSIM 模拟系统核心突出的是土壤而非植被, 天气
和管理措施引起土壤特征变量的连续变化被作为模
拟中心, 而作物在土壤中的生长、发育只不过是使
土壤属性改变。因此建立合理精确的土壤属性模块
至关重要。根据在试验地测定的土壤属性参数建立
土壤属性模块(表 1)。
1.3.3 作物属性参数
APSIM模型采用通用作物生长模型来模拟各种
1 年生和多年生作物的生长, 只是各作物具有不同
的模型参数值。为此通过 2002—2005年定位研究的
作物属性资料, 建立作物属性参数。春小麦属性模
块主要包括品种遗传特性参数、作物生长发育进程、
植株形态与产量形成等参数(表 2)。
第 8期 李 广等: 基于 APSIM模型旱地春小麦产量对温度和 CO2浓度升高的响应 1091
表 1 APSIM 模型模拟研究区的主要土壤属性参数
Table 1 Soil properties of the experiment site used for specifying APSIM simulation
土层深度 Soil depth (mm) 模块
Model
参数
Parameter 50 100 300 500 800 1 100 1 400 1 700 2 000
容重 Bulk density (g·cm−3) 1.29 1.23 1.32 1.20 1.14 1.14 1.13 1.12 1.11
萎蔫系数 Wilting coefficient (mm·mm−1) 0.08 0.08 0.08 0.08 0.09 0.09 0.11 0.13 0.13
田间最大持水量 Drainage upper limit (mm·mm−1) 0.27 0.27 0.27 0.27 0.26 0.27 0.26 0.26 0.26
饱和含水量 Saturated moisture (mm·mm−1) 0.46 0.49 0.45 0.50 0.52 0.52 0.48 0.53 0.53
风干系数 Coefficient of air-dry (mm·mm−1) 0.01 0.01 0.05 0.07 0.07 0.07 0.07 0.07 0.07
土壤 Soil
土壤导水率 Conductivity of soil water (ks·mm−1·h−1) 0.60 0.60 0.60 0.60 0.60 0.60 0.60 0.60 0.60
小麦 Wheat 作物水分有效下限 Crop lower limit (mm·mm−1) 0.09 0.09 0.09 0.09 0.09 0.10 0.11 0.13 0.15
表 2 APSIM 模型的小麦模块的初始参数值
Table 2 Initial parameters of wheat module of APSIM
参数 Parameter 值 Value
从灌浆到成熟的积温
Accumulative temperature from filling to maturity (℃) 580
穗粒数 Grain number per spike 30
灌浆速率 Rate of filling (mg·grain−1·d−1) 2.3
分蘖重 Weight of tiller (g·tiller−1) 1.22
单株重 Weight of single plant (g) 4
株高 Crop height (mm) 1 000
1.4 分析和检验方法
1.4.1 模型检验方法
模型检验主要选用标准统计参数作为检验指标,
检验指标包括相关系数 (R)、归一化均方根误差
(NRMSE)及模型的有效性(ME), 公式为:
2
obs sim
1
mean
1 ( )
100
n
i
Y Y
n
NRMSE
Y
=
−
=
∑
(1)
2
obs sim
2
obs mean
( )
1
( )E
Y Y
M =
Y Y
−− −
∑
∑ (2)
式中, NRMSE、ME分别为归一化均方根误差和模型
的有效性, Yobs为实测值, Ysim为模拟值, Ymean为实测
值的平均值。Zhang[19]认为当 ME>0.5 时, 模型的模
拟结果较好。
1.4.2 温度和 CO2协同效应的模拟设计
基于未来气温升高和 CO2浓度增加预测, 设计温
度和 CO2浓度两因素模拟试验(表 3)。2005 年年降水
量为 452.5 mm, 生育期降水量为 279.3 mm, 季节分布
与近 40 年平均季节分配相近, 为此以 2005 年气象条
件和 CO2浓度为 370 mol·mol−1作为计算起点, 设为基
准值。因为温度与 CO2浓度量纲和量级都不相同, 为此
引入编码因子进行编码。对变量进行编码处理[20](表 3),
然后对 7个温度和 CO2浓度水平组合设计。
1.4.3 数据处理和统计分析
用 DPS系统平台进行二次多项回归分析及通径
分析。用 Surfer 8.0制作二维图。
表 3 温度和 CO2 浓度的模拟试验设计及编码
Table 3 Simulation design and code of temperature and CO2
concentration
编号
No.
温度
Temperature (℃)
编码
Code
CO2浓度
CO2 concentration
(mol·mol−1)
编码
Code
1 0 −3 370 −2.63
2 1 −2 400 −2
3 2 −1 500 −1
4 3 0 600 0
5 4 1 700 1
6 5 2 800 2
7 6 3 900 3
0为 2005年的基准气象条件,其他为 2005基准年的增加值。
0 is reference meteorological condition in 2005, others are added value
to that in 2005.
1.5 APSIM模型检验
运用 APSIM 模型模拟 2002—2005 年不同气象
条件类型的春小麦产量, 根据实测产量数据和模拟
产量数据进行模型的有效性检验 , 数据点分布在
−15%~15%的误差线内(图 2), 产量模拟值和实测值
呈显著正相关, 相关系数 R为 0.962 1*, 归一化均方
根误差 NRMSE 为 4.81%, 模型有效参数 ME为 0.999,
表明用此模型模拟春小麦产量有较高的准确性[16−18]。
图 2 APSIM 模型模拟和实际观测的小麦产量相关分析
Fig. 2 Correlation analysis of wheat yield between observed
and simulated with APSIM model
1092 中国生态农业学报 2012 第 20卷
2 结果与分析
2.1 春小麦产量与 CO2浓度和温度的回归分析
在土壤类型、作物品种、管理和降水等要素完
全相同的情况下, 运用 APSIM模型模拟温度和 CO2
浓度 2 因素 7 水平的春小麦产量(Y), 选择温度(X1)
和 CO2浓度(X2)作为自变量因子。用 DPS 软件进行
正交组合, 通过二次多项式逐步回归设计, 建立产
量与温度和 CO2浓度两因素的二次回归方程:
1 22 2
1 2 1 2
1982.93 114.20 99.56
8.87 15.18 10.80
Y X X
X X X X
= − + −
− + (1)
上述回归方程相关系数 r 为 0.994 0, F>F0.01,
表明方程回归达到显著水平。回归方程拟合性好 ,
能够反映产量的变化过程与温度和 CO2浓度之间的
关系。
在回归模拟计算过程中应用的是无量纲线性编
码代换, 所求得的偏回归系数已标准化, 故其绝对
值大小可直接反映各变量对产量的影响程度。温度
(X1)偏回归系数为−114.20, 为负效应; 而 CO2 浓度
(X2)偏回归系数为 99.56, 为正效应。温度和 CO2浓
度对春小麦产量影响为互逆过程, 并且温度负效应
大于 CO2浓度正效应, 因此温度减产效应大于 CO2
浓度的增产效应。
为进一步分析单因素的产量效应, 对回归模型
进行降维处理, 将两因素中任意一个因素固定为零水
平, 则可得其中一因素对产量的一元二次子模型为:
21 11 982.93 114.20 8.87Y X X= − − (2)
2
2
CO 2 21 982.93 99.56 15.18Y X X= + − (3)
在试验设计的各因素水平值范围内, 将编码值
代入方程可实现各因子的产量效应关系(图 3)。从图
3可以看出温度和 CO2浓度的产量效应均为抛物线。
其中, 温度和 CO2 浓度与春小麦产量都呈二次抛物
线型变化, 且 / 0i idY dX ≠ 。进一步表明温度对春小麦
产量影响为负效应, 而 CO2 浓度对春小麦产量影响
为正效应 , 并且两因素在设计范围内均未出现阈
值。CO2浓度不变时, 春小麦产量随温度升高呈下降
趋势, 且温度升高幅度越大, 春小麦减产幅度越大;
温度不变时, 春小麦产量随 CO2 浓度升高呈增加趋
势, 但连续增加 CO2 浓度, 春小麦产量达到某一程
度后, 产量的增加幅度越来越小, 表明春小麦产量
随 CO2浓度升高会出现报酬递减。
2.2 CO2浓度和温度对春小麦产量的互作效应分析
以春小麦产量(Y)为因变量, 温度(X1)和 CO2 浓
度 (X2)为自变量进行通径分析 (图 4)。分析表明 ,
X2(CO2)→Y(产量)直接通径系数为 0.624 8, 说明相
同温度下大气 CO2 浓度增加, 春小麦产量增加, 但
图 3 APSIM 模型模拟的温度和 CO2 浓度对小麦产量单
因素效应
Fig. 3 Single factor effect of temperature and CO2 concentra-
tion on wheat yield simulated by APSIM model
图 4 温度(X1)和 CO2 浓度(X2)对小麦产量(Y)的通径分析
Fig. 4 Path analysis of wheat yield (Y) to temperature (X1) and
CO2 concentration (X2)
X2×X2(CO2浓度 2)→Y(产量)的直接通径系数为−0.145 7,
进一步证明 CO2 浓度与春小麦产量呈报酬递减效
应。根据模拟结果, 温度不变时, CO2 浓度每增加
100 mol·mol−1, 最大增产可达到 14.6%, 平均增产
4.9%。主要是由于 CO2浓度升高能够提高春小麦光
合速率 , 抑制作物呼吸作用 , 提高水分利用率 , 导
致产量增加。也有研究认为 CO2浓度升高会导致叶
片气孔张开度缩小 , 降低气孔导度 , 从而单位叶面
积蒸腾强度下降, 春小麦蒸散减少。通过模型模拟
分析, CO2 浓度升高时, 对春小麦单位面积的蒸散
量影响很小。这与白莉萍等[4]研究 CO2浓度升高对
春小麦每单位土地面积的蒸散影响较小的研究结
果一致。
X1(温度)→Y(产量)、X1×X1(温度 2)→Y(产量)的直
接通径系数分别为−0.767 3、−0.112 1, 说明相同大
气 CO2浓度下, 温度升高春小麦产量急剧下降。CO2
浓度不变时, 温度升高 1 ℃, 最大减产幅度达 14.2%,
平均减产 6.1%。减产主要是由于温度升高缩短了春
温度
第 8期 李 广等: 基于 APSIM模型旱地春小麦产量对温度和 CO2浓度升高的响应 1093
小麦生育期, 同时高温使麦田蒸发量增大, 造成作
物水分亏缺等原因[21−22]。温度升高将加速春小麦的
发育速率, 使整个生育期缩短, 尤其是在春小麦生
长后期的高温可能会对春小麦的产量造成很大的负
面影响。通过模拟春小麦生育进程表明: 温度每升
高 1 ℃, 春小麦生育期大约可以缩短 5 d。在当前气
候条件下研究区春小麦 7 月底才能成熟, 而当温度
升高 6 ℃, 生育期要缩短 30 d左右, 表明研究区春
小麦在 6 月底就可以成熟。同时当温度升高超过一
定的临界值时, 高温逼熟, 导致减产。如: 春小麦灌
浆的适宜温度为 20~23 ℃, 高于 23 ℃即不利于灌
浆, 如果灌浆时遇到 27 ℃以上高温, 就会形成高温
逼熟, 超过 28 ℃则基本停止灌浆。研究区 2005 年
年均气温 7.4 ℃, 生育期平均温度 15.1 ℃, 灌浆期
温度 23.4 ℃。 因此当温度升高 3.6 ℃以上, 温度
大于 27 ℃, 就会形成高温逼熟, 造成减产。如果温
度升高 4.6 ℃以上, 温度超过 28 ℃, 春小麦就会停
止灌浆, 无法形成产量。表明温度升高 3.6 ℃为春
小麦生长的临界温度, 春小麦已经不适宜在研究区
种植, 需要通过调整种植制度来应对气候变化。同
时由于高温使麦田蒸散量增大, 通过模型模拟, 温
度每升高 1 ℃, 农田潜在蒸散最大增加 3.7%, 平均
增加 2.6%。如果降水不变化, 农田潜在蒸散的增加
势必使研究区的降水和蒸散供需矛盾愈加突出, 导
致春小麦减产。
X1×X2(温度、CO2)→Y(产量)的直接通径系数为
0.121 2, 表明温度和 CO2浓度之间还存在正的协同
效应(图 4)。X1、X2对春小麦产量的协同作用为: 当
一个因素水平提高时, 有助于另一个因子效应的发
挥, 即当 CO2 浓度增加时, 可以缓减由于温度升高
造成春小麦减产的速度。X1→X1×X2→Y和 X1→X2→Y
的间接通径系数均为正值, 说明当温度升高 1 , ℃
CO2浓度增加 100 mol·mol−1以上时, 春小麦产量有
增产的趋势, 但增量很小。X2→X1→Y、X2→X1×X2→
Y、X1×X2→X1→Y和 X1×X2→ X2→Y的间接通径系数
均为负值, 当 CO2浓度增加 100 mol·mol−1, 温度升
高在 1 ℃以上, 春小麦产量有减产的趋势; 说明温度
和 CO2浓度等量增加时不一定对产量增加做出贡献。
为了进一步研究温度和 CO2 浓度的相互作用,
引入产量变化率进行分析。春小麦产量变化率(%)=
(预测产量−基准产量)/基准产量×100%。以 2005 年
的气象条件和 CO2浓度为 370 mol·mol−1的模拟产量
为基准产量, 根据其他模拟产量计算春小麦产量变
化率, 并用 Surfer 8.0 软件制作成二维图(图 5)。从
图 5可以看出, 产量变化率为−41.4%~18.5%, 在整
个试验模拟中, 春小麦最多增产 18.5%, 而减产可
图 5 温度和 CO2 浓度升高对小麦产量变化率的影响
Fig. 5 Change rate of wheat yield with temperature and CO2
concentration increasing
高达 41.4%, 也表明温度和CO2浓度升高, 产量有减
少趋势。从图中也可以看出温度的减产效应大于
CO2的增产效应。
3 讨论与结论
为了分析温度和 CO2浓度对春小麦产量的协同
作用, 利用研究区域气候资料和土壤属性资料, 建
立气候和土壤属性数据库, 并根据研究区域 2002—
2005年的定位试验数据, 在APSIM模型已有的春小
麦模块基础上调试模型参数, 对模型的有效性进行
检验。结果表明, 不同气象条件和试验类型的产量
模拟值和实测值呈显著正相关, 归一化均方根误差
和模型的有效参数满足模型检验要求, 表明 APSIM
可以准确模拟研究区的春小麦产量。运用 APSIM模
型对温度和 CO2浓度 2 因素 7 水平的春小麦产量进
行模拟, 并选择温度和 CO2 浓度作为自变量因子对
产量进行效应分析。
(1)当 CO2浓度不变时, 温度升高对春小麦产量
的贡献率为负效应, 产量与温度呈二次抛物线下降
型变化, 且温度对产量为递减效应。这与多数学者
认为温度升高将对作物产量起到负效应研究结果一
致[23−24]。温度升高春小麦产量呈递减效应与高素华
等[6]研究温度升高对喜凉的春小麦籽粒产量为负效应,
温度升高越多, 籽粒产量下降越明显的结果一致。
(2)当温度不变, CO2 浓度升高对春小麦产量的
贡献率为正效应, 产量与 CO2 浓度呈二次抛物线上
升型变化, 春小麦产量随 CO2 浓度升高将出现报酬
递减效应。很多学者在研究 CO2浓度倍增对主要农
作物影响后表明, 在最适条件下增加 CO2 浓度可促
进作物生长[25]。提高 CO2浓度对作物地上生物量与
1094 中国生态农业学报 2012 第 20卷
产量有促进作用 [25−27], Samarakoon 等 [28]研究表明,
干旱条件下 CO2浓度倍增可使小麦水分利用效率增
加 64%, 有利于小麦增产。
(3)温度和 CO2浓度同时升高对春小麦产量形成
存在正的协同效应, 但温度升高对产量的负效应大
于 CO2浓度的正效应。当温度升高, CO2浓度增加可
以缓减由于温度升高造成春小麦产量的减少 , 但
CO2 浓度升高导致的增产不能补偿高温所导致的减
产效应。这与 Wheeler 等[29]研究 CO2浓度增加导致
小麦粒重、籽粒成熟率和籽粒饱满度增加, 但高温
却抵消了这些贡献的结果一致。
根据 IPCC第 4次报告模式的预估结果(A1B温
室气体排放情景下), 预计到 2050 年, 降水变化(增
加或减少)可能会出现区域性差异, 但温度和 CO2浓
度呈增加趋势。为此本研究假设温度和 CO2浓度升
高, 运用 APSIM模型对春小麦产量变化规律进行了
分析。温度的升高导致春小麦减产, CO2浓度升高可
以提高产量, 同时二者之间存在正的协同效应。但
温度和 CO2 浓度是否具有协同作用, 有不同的研究
结论[30]。一些研究表明, 高温和高 CO2浓度具有协
同促进作用。Idso 等[31]研究表明, 夏季 CO2浓度升
高对酸桔光合作用的促进作用比冬季高, 而且温度
升高可以使得这种促进作用进一步增大。林伟宏等[32]
对水稻的研究表明: CO2 浓度和温度对水稻叶片光
合作用有协同促进作用。孙谷畴等[33]研究表明, CO2
浓度升高条件下, 温度升高明显降低植物叶片的光
合速率。但也有一些研究发现, 高温和高 CO2 浓度
之间没有协同作用。He等[34]研究发现, 高温并没有
增加高 CO2浓度对光合作用的促进作用。可以看出
温度和 CO2浓度对作物生长的影响是一个复杂的过
程, 二者之间的协同机理还需要进一步研究。
本研究在模型模拟中未考虑品种、降水、管理、
极端气候条件和病虫害等因素的影响, 特别是极端
天气对作物生长的影响。如当温度升高超过作物生
命活动过程最高温度的临界值时, 就会对作物产生
不同程度的危害, 无法形成产量, 而模型并未设置
边界条件, 造成模型模拟结果的不确定性。另外作
物模型通常是基于作物生理过程建立的机理模型 ,
能够动态地模拟作物的生长发育和产量形成过程 ,
较准确地表达作物生长与气候因子变化之间的关系,
可以用来预测气候条件下的作物产量[35]。但如果出
现了极端气候条件, 需要对模型进行改进。此外, 在
气候变化影响评估研究中, 对模型特征、前提假设
及限制条件重视不够, 也增加了影响评估的不确定
性。因此在今后的模拟中, 还需把极端天气等设置
为边界条件, 作为输入变量, 在满足极端条件发生
的气象条件下进行模拟, 再考虑温度和 CO2 浓度因
素的影响, 才能做出更可靠的影响评估, 减少模拟
结果的不确定性。
参考文献
[1] Lawlor D W, Rowan A C. Crop ecosystem responses to cli-
matic change: Wheat[M]//Reddy K R, Hodges H F. Climate
change and global crop productivity. New York, USA: CABI
Press, 2000: 57–80
[2] Reynolds M P, Pfeiffer W H. Applying physiological strate-
gies to improve yield potential[M]//Royo C, Nachit M M, Di
Fonzo N, et al. Durum wheat improvement in the Mediterra-
nean region: New challenges. Spanish: CIHEAM-IAMZ, 2000:
95–103
[3] 包刚, 覃志豪, 周义, 等. 气候变化对中国农业生产影响的
模拟评价进展[J]. 中国农学通报, 2012, 28(2): 303–307
[4] 白莉萍, 周广胜. 小麦对大气 CO2 浓度及温度升高的响应
与适应研究进展[J]. 中国生态农业学报, 2004, 12(4): 23–26
[5] 王修兰, 徐师华, 祐李 祥, 等. 小麦对 CO2浓度倍增的生理
反应[J]. 作物学报, 1996, 22(3): 340–344
[6] 高素华, 郭建平, 赵四强, 等. “高温”对我国小麦生长发育
及产量的影响[J]. 大气科学, 1996, 120(5): 599–605
[7] Conroy J P, Seneweera S, Basra A S, et al. Influence of rising
atmospheric CO2 concentrations and temperature on growth
yield and grain quality of cereal crops[J]. Australian Journal
of Plant Physiology, 1994, 21(6): 741–758
[8] Casella E, Soussana J F, Loiseau P. Long-term effects of CO2
enrichment and temperature increase on a temperate grass
sward[J]. Plant and Soil, 1996, 182(1): 83–99
[9] 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
[10] Asseng S, Keating B A, Fillery I R P, et al. Performance of the
APSIM-wheat model in Western Australia[J]. Field Crops
Research, 1998, 57(2): 163–179
[11] Asseng S, van Keulen H, Stol W. Performance and application
of the APSIM N-wheat model in the Netherlands[J]. European
Journal of Agronomy, 2000, 12(1): 37–54
[12] Sinclair T R, Seligman N. Criteria for publishing papers on
crop modeling[J]. Field Crops Research, 2000, 68(3): 165–
172
[13] Mccown R L, Hammer G L, Hargreaves J N G, et al. APSIM:
A novel software system for model development, model test-
ing and simulation in agricultural systems research[J]. Agri-
cultural Systems, 1996, 50(3): 255–271
[14] Mccown R L, Hammer G L, Hargreaves J N G, et al. APSIM:
An agricultural production system simulation model for op-
erational research[J]. Mathematics and Computers in Simula-
tion, 1995, 39(3/4): 225–231
[15] 孙宁 , 冯利平 . 利用冬小麦作物生长模型对产量气候风险
的评估[J]. 农业工程学报, 2005, 21(2): 106–110
[16] 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
[17] 李广, 黄高宝. 基于 APSIM 模型的降水量分配对旱地小麦
和豌豆产量影响的研究[J]. 中国生态农业学报, 2010, 18(2):
342–347
第 8期 李 广等: 基于 APSIM模型旱地春小麦产量对温度和 CO2浓度升高的响应 1095
[18] 李广, 黄高宝, 王琦, 等. 基于 APSIM 模型的旱地小麦和
豌豆水肥协同效应分析[J]. 草业学报, 2011, 20(5): 151–159
[19] Zhang X C. Calibration, refinement, and application of the
WEPP model for simulation climatic impact on wheat pro-
duction[J]. Transactions of the American Society of Agricul-
tural Engineers, 2004, 47(4): 1075–1085
[20] 孙芳, 杨修, 林而达, 等. 中国小麦对气候变化的敏感性和
脆弱性研究[J]. 中国农业科学, 2005, 38(4): 692–696
[21] 陈素英, 张喜英, 邵立威, 等. 农业技术和气候变化对农作
物产量和蒸散量的影响[J]. 中国生态农业学报, 2011, 19(5):
1039–1047
[22] 房世波 , 沈斌 , 谭凯炎 , 等 . 大气[CO2]和温度升高对农作
物生理及生产的影响[J]. 中国生态农业学报, 2010, 18(5):
1116–1124
[23] 王修兰, 徐师华, 崔读昌. CO2浓度倍增及气候变暖对农业
生产影响的诊断与评估[J]. 中国生态农业学报, 2003, 11(4):
47–48
[24] Watson R T, Zinyowera M C, Moss R H. The regional impacts
of climate change: An assessment of vulnerability[M]. UK:
Cambridge University Press, 1997: 1–18
[25] Yang L X, Huang J Y, Yang H J, et al. The impact of free-air
CO2 enrichment (FACE) and N supply on yield formation of
rice crops with large panicle[J]. Field Crops Research, 2006,
98(2/3): 141–150
[26] Porteaus F, Hill J, Ball A S, et al. Effect of Free Air Car-
bon-dioxide Enrichment (FACE) on the chemical composition
and nutritive value of wheat grain and straw[J]. Animal Feed
Science and Technology, 2009, 149(3/4): 322–332
[27] Heinemann A B, de Maia A H N, Dourado-Neto D, et al.
Soybean [Glycine max (L.) Merr.] growth and development
response to CO2 enrichment under different temperature re-
gimes[J]. European Journal of Agronomy, 2006, 24(1): 52–61
[28] Samarakoon A B, Mullerw J, Gifford R M. Transpiration and
leaf area under elevated CO2: Effects of soil water status and
genotype in wheat[J]. Aust J Plant Physiol, 1995, 22: 33–44
[29] Wheeler T R, Hong T D, Ellis R H, et al. The duration and
rate of grain growth, and harvest index of wheat (Triticum
aestivum L.) in response to temperature and CO2[J]. Journal
of Experimental Botany, 1996, 47(5): 623–630
[30] 王美玉, 赵天宏, 张巍巍, 等. CO2 浓度升高与温度、干旱
相互作用对植物生理生态过程的影响[J]. 干旱地区农业研
究, 2007, 25(2): 99–103
[31] Idso K E, Idso S B. Plant responses to atmospheric CO2 en-
richment in the face of environmental constraints: A review of
the past 10 years’ research[J]. Agricultural and Forest Mete-
orology, 1994, 69(3/4): 153–203
[32] 林伟宏, 白克智, 匡廷云. 大气 CO2 浓度和温度升高对水
稻叶片及群体光合作用的影响[J]. 植物学报, 1999, 41(6):
624–628
[33] 孙谷畴, 赵平, 饶兴权, 等. 供氮和增温对倍增二氧化碳浓
度下荫香叶片光合作用的影响 [J]. 应用生态学报 , 2005,
16(8): 1399–1404
[34] He J S, Wolfe-Bellin K S, Bazzaz F A. Leaf-level physiology,
biomass, and reproduction of phytolacca Americana under
conditions of elevated CO2 and altered temperature regimes[J].
International Journal of Plant Sciences, 2005, 166 (4):
615–622
[35] 姚凤梅, 秦鹏程, 张佳华, 等. 基于模型模拟气候变化对农
业影响评估的不确定性及处理方法 [J]. 科学通报 , 2011,
56(8): 547–555