基于D-S证据理论的农作物气候品质预测方法研究:以晚熟杂交柑橘春见为例

【目的】基于多源气象数据构建果实品质(糖含量等级)预测模型,为科学评价果实气候品质及深入挖掘农产品气候资源提供科学依据。【方法】以晚熟柑橘春见果实为研究对象,利用多源数据融合技术、人工神经网络(BP神经网络、RBF神经网络和Elman神经网络)和D-S证据理论,包括气象数据质量控制、特征选取、特征级融合、决策级融合4个步骤,构建基于多源气象数据的果实品质(糖含量等级)预测模型。【结果】春见果实品质预测模型采用BP神经网络预测结果总体准确率为87.50%,平均绝对误差(MAE)为0.150,均方根误差(RMSE)为0.447;RBF神经网络预测结果总体准确率为85.00%,MAE为0.175,RMSE为0.474;Elman神经网络预测结果总体准确率为87.50%,MAE为0.150,RMSE为0.447;D-S证据理论决策融合总体预测准确率达95.20%,分别较BP神经网络、RBF神经网络和Elman神经网络提升7.7百分点、10.2百分点和7.7百分点,MAE和RMSE分别为0.040和0.214,均明显降低。【结论】D-S证据理论决策融合后的果实品质预测准确率相比单一神经网络预测更高、误差更小。

基于整点时刻与逐日平均气温的夏玉米温度适宜度差异比较

为更精细评价温度对作物的影响,以河北省夏玉米生育期气象条件为例,基于温度适宜度模型,比较分析逐小时整点时刻的温度和逐日平均温度的夏玉米温度适宜度。结果表明:2015-2020年肥乡、栾城和涿州3个国家级农业气象观测站6个年度基于小时温度的日温度适宜度与基于日温度的日温度适宜度两者逐日差值≥0.6、≥0.5、≥0.4、≥0.3、≥0.2、≥0.1和≥0.01的占比依次为0.05%、0.6%、2.1%、6.9%、23.8%、62.4%和96.3%,3个站中两者差值的变异系数>100%、10%~100%、<10%的占比依次为0.2%、50.0%和49.8%,50.2%差值样本存在中等或较大程度的差异。基于小时温度的日温度适宜度与基于日温度的日温度适宜度差值与温度日较差呈正相关,若日较差小于12.5℃,则两者差值有80.1%的样本低于0.2;若日较差小于8.4℃,则两者差值样本中有34.6%在0.1以内。连续高温日下,基于小时温度的日温度适宜度和基于日温度的日温度适宜度均能反映高温的影响,检验结果一致性为91.7%;连续低温日下,基于小时温度的日温度适宜度能反映低温的影响,而基于日温度的日温度适宜度则不能,两者一致性仅30.0%。

基于SWAP模型分析青铜峡灌区春小麦播期优化及其对灌溉需水量的影响

以宁夏青铜峡灌区春小麦为研究对象,基于2a田间观测试验和率定后的SWAP模型,构建旱作区春小麦模型参数集,以偏差校正后的7个大气环流模式(General Circulation Models,GCMs)数据驱动模型,评估未来不同气候情景下(SSP2-45和SSP5-85)春小麦产量和灌溉需水量变化,定量分析播期调整对青铜峡灌区春小麦生长和耗水过程的影响。结果表明:参数校正后的SWAP模型能有效模拟青铜峡灌区春小麦生长过程;SSP2-45情景下未来两个时期(2021-2050年和2051-2080年)青铜峡灌区多模式平均最高温度相对于历史基准期(1991-2020年)分别增加1.6℃和2.6℃,两个时期SSP5-85情景下最高温度将分别增加1.8℃和3.6℃。在不改变播期和品种条件下,未来春小麦全生育期长度将随温度升高而缩短,最大缩短天数达14.2d,出现在SSP5-85情景下2051-2080年。SSP2-45情景下未来两个时期春小麦多模式平均产量将分别下降9.6%和12.9%,SSP5-85情景下则分别下降12.1%和17.2%;不同情景不同时期春小麦灌溉需水量变化幅度相对较小,均不超过3.5%;提前播种可有效减少青铜峡灌区春小麦产量损失,但不能完全抵消气候变化的负面影响,其中,SSP2-45情景下未来两个时期分别提前23d和33d播种,产量损失可控制在1.5%和5.3%,在SSP5-85情景下分别提前30d和42d播种,产量损失可分别控制在2.9%和5.4%。优化播种日期后,青铜峡灌区春小麦收获日期平均提前5d左右。未来不同情景不同时期下春小麦灌溉需水量增加明显,增加比例在4.0%~8.0%。

基于气候适宜度的吉林省烤烟产量评估

烤烟是吉林省的经济作物之一,也是农民增收的重要作物之一,掌握其产量变化对保障烟农增收十分必要。气候条件是对烤烟产量影响最大的因素,目前预测评估气象因子对吉林省烤烟产量影响方面的研究较少。因此,本文利用指数平滑法分离出1981—2018年吉林省烤烟趋势产量和气象产量,利用隶属函数法确定了旺长期(6月)降水和大田生长期可用时间是影响吉林省烤烟产量的重要气象因子,计算出每个县各个影响因子的适宜度,再通过信息熵值法计算出烤烟产量气候影响因子的权重,并计算出每个地市的综合气候适宜度,最后建立烤烟气象产量与地市综合气候适宜度的多元线性回归模型。结果表明,烟叶旺长期降水和大田生长期可用时间是吉林省烤烟产量的气象限制因素,其中烤烟旺长期降水影响权重占0.81,大田生长期可用时间影响权重占0.19。通过该方法建立的产量预报模型准确率在80%以上,该方法可以用于烤烟产量评估。

预测气候变化对野生茉莉花在中国潜在分布的影响

本研究基于ArcGIS软件与MaxEnt模型,根据85个野生茉莉花Jasminum sambac分布记录和19个气候因子,对其当前和未来的生态位进行模拟。结果显示:受试者工作特征(Receiver operating characteristic,ROC)曲线下面积(Area under curve,AUC)为0.982,表明模型的预测准确度极高;野生茉莉花当前分布主要受温度(年平均温度、温度变化方差、最干季度均温、最暖季度均温)和降雨(最湿降水量、最热季平均降水量)的影响。野生茉莉花当前(1950-2000年)的高度适生区主要集中在广东西南部、云南、四川和重庆接壤处、湖南北部、河南南部、安徽中部和江苏中部等地;未来(2050年)随着气候的变化,野生茉莉花的适生区将向中国西南、东南地区迁移;野生茉莉花的适生区面积将缩小,但是高度适生区面积将增大,浙江和福建将变为高度适生区;野生茉莉花高度适生区在四川的分布面积将扩大,但在江苏、广东和广西的分布面积将减小。本研究丰富了野生茉莉的生物地理学内容,为其野生资源的保护工作提供了理论指导。

南疆阿拉尔垦区棉花物候期变化的关键气候驱动因子分析

为提高南疆阿拉尔垦区棉田气候变化适应能力,本研究选取1990-2020年南疆阿拉尔垦区棉花物候期及同期地面气象数据,综合运用最小二乘法、相关性分析法、Mann-Kendall非参数突变检验和优势主导分析方法,重点分析南疆阿拉尔垦区棉花物候期动态变化及其关键气候驱动因子。结果表明,1990-2020年南疆阿拉尔垦区棉花播种期、出苗期、吐絮期和停止生长期的提前分别以平均气温升高、气温日较差增大、最低气温升高和最高气温升高影响为主,各影响因子的贡献率分别为52.39%、100.00%、31.35%和100.00%;棉花现蕾期的推迟以降水量的减少影响为主,贡献率达60.55%;开花期的提前与气候变化关系不大。1990-2000年棉花现蕾期和开花期的推迟分别以降水量的减少和气温日较差的减小影响为主,各影响因子的贡献率分别为57.04%和100.00%;1990-2010和2011-2020年棉花吐絮期的阶段性提前分别以平均气温和最低气温的升高影响为主,各影响因子的贡献率分别为30.89%和36.46%。本研究结果可为垦区棉田积极应对与适应气候变化提供理论依据。

基于机器学习和未来气候变化模式的埃塞俄比亚粮食产量预测

对于以农业产业为支柱的埃塞俄比亚,粮食供应和安全对国家安全和人民的生计尤为重要。由于作物生长和气候因素之间的复杂耦合关系,预测气候变化对农作物产量影响具有较大难度,机器学习技术为这种复杂系统变化的预测提供了一种有效途径。本研究利用37个全球气候模式(GCM)的数据以及土壤数据,基于机器学习模型,预测了埃塞俄比亚2021年至2050年5种主要粮食作物在SSP1-2.6、SSP2-4.5和SSP5-8.5情景下的产量变化。经GCM和变量的筛选后,利用梅赫季和贝尔格季中5种主要粮食作物的10个产量数据对直方图梯度提升决策树、极端梯度提升随机森林、轻梯度提升决策树、随机森林、极限树以及K近邻6种机器学习模型进行训练。经过模型评估,选择表现良好的3个模型,采用线性回归算法进行堆叠,然后使用堆叠模型进行预测。研究结果表明,未来30年埃塞俄比亚梅赫季5种主要粮食作物产量变化以增产<2 t·hm^(-2)为主;SSP126情景下的贝尔格季将出现更明显的减产现象,这可能是由于温室效应的减缓降低了CO_(2)的施肥效应。随着人类活动造成的生态环境恶化,研究区农业生产对粮食结构改变和重新分配生产力的需求不断增长,导致农作物生产力向新的适宜地区转移。研究区在SSP126和SSP585情景下将分别因为干旱缓解和温室效应加剧而获得更高的粮食作物生产力。

不同水分供应条件下春玉米的适宜播期

春玉米是半干旱区重要的粮食作物,但该区降水少且年际变异大,春玉米产量低而不稳。适宜播期的选择有利于作物稳产高产,但适宜播期会随水分供应条件的变化而变化。本文以半干旱区主栽春玉米品种‘郑单958’为研究对象,使用APSIM-Maize模型探究该区分期播种试验的适宜间隔以及不同水分供应条件下[雨养、灌溉60 mm、灌溉120 mm、灌溉180 mm、灌溉240 mm、潜在条件(灌溉量308 mm)]春玉米的适宜播期范围。结果表明:1)以不同供水条件下春玉米产量的5%分位为差异阈值划分播期时,该地区春玉米分期播种试验和模拟的时间步长建议设定为4 d;2)雨养条件下,干旱年、正常年和湿润年春玉米平均产量分别为0.9 t·hm^(-2)、2.3 t·hm^(-2)和5.5 t·hm^(-2),平均水分利用效率分别为0.4 kg·m^(-3)、0.7 kg·m^(-3)和1.5 kg·m^(-3),潜在条件、灌溉240 mm、灌溉180 mm、灌溉120 mm、灌溉60 mm和雨养条件下的适宜播期范围分别为5月6日—6月2日、5月6—29日、5月10—29日、5月14—29日、5月14—25日和5月14—17日,适宜播期范围随生育期供水量的增加而提前和扩大;3)潜在条件下春玉米产量的气象决定因子是生育期辐射量,灌溉240 mm和180 mm时产量的气象决定因子分别是营养生长阶段辐射量和降水量,灌溉120 mm和60 mm及雨养条件下的产量决定因子均为生育期降水量。本文探究了春玉米的适宜播期及其随生育期供水量的变化规律,研究结果可为半干旱区春玉米适水播种提供理论参考。

基于气象因素的玉米单产堆栈集成学习建模与预测

【目的】在世界气候变化加剧和气象灾害频发的背景下,探究气象因素对玉米单产的重要性并准确预测玉米单产对于促进农业生产和田间管理具有重要意义。本文旨在量化分析玉米各生育阶段气象因素对单产的重要性并建立高精度、高可靠性的玉米气象单产堆栈集成学习估测模型来预测单产。【方法】利用HP滤波法和移动平均法确定各县域趋势单产模型并分离出各县气象单产。采用轻量级梯度提升机(LightGBM)、Bagging和Stacking 3种集成学习方法,通过对中国12个省份596个县级行政区域和气象观测站跨度34年的日度气象数据和玉米产量数据进行分析,建立3种基于不同集成学习框架(LightGBM、Bagging和Stacking)的玉米气象单产预测模型。【结果】适用HP滤波法作为趋势单产模型的县域主要集中在陕西、河南、江苏和安徽地区。相较于HP滤波法,更多县域适用于移动平均法,且多数县域R 2分布于0.8以上。基于5年滑动预测和模型精度评价指标,3种模型对玉米单产的平均绝对百分比误差(MAPE)指标均低于6%。Stacking模型MAPE值达到4.60%,预测精度高,泛化性强。结果表明玉米气象单产堆栈集成学习预测模型(Stacking)具有更高精度和更强鲁棒性,并能有效利用各基学习器特点与优势,提升预测精度,是根据气象因素预测玉米单产的最优模型。此外,基于12省玉米生育阶段27个气象因素的随机森林特征重要性评分对玉米单产的定量分析,对作物监测和田间管理有借鉴和参考意义。【结论】3种集成学习方法,尤其是堆栈集成学习模型(Stacking)预测效果能够详细反映出玉米单产的时空分布变化情况。基于气象因素的玉米单产堆栈集成学习模型可为田间管理和精准预测玉米单产提供新方法。

光温因子驱动的园艺作物叶龄模型模拟精度比较

为了提高光温因子驱动的园艺作物通用性叶龄模拟模型的模拟精度,以黄瓜、芹菜、菠菜、小香芹、郁金香和茶叶为供试材料,进行了7年(2016—2022年)的分期播种试验,依据作物生长发育与关键气象因子(辐射和温度)的关系,采用4类建模方法(温差法、积温法、生理发育时间法和辐热积法)构建了园艺作物叶龄模拟模型,并以6种方式(平均值、最值均值、中值、逐步回归、BP神经网络和Elman神经网络)和2种集成逻辑(直接和分步)集成模拟结果,最终优化模型模拟精度。结果表明:1)2种集成逻辑下模型模拟精度均较高,且分步集成逻辑优于直接集成逻辑,平均绝对误差(mean absolute error,MAE)差值为0.31 d,平均相对误差(mean relative error,MRE)差值为0.33%,均方根误差(root mean square error,RMSE)差值为0.40 d,归一化均方根误差(normalized root mean square error,NRMSE)差值为0.46%;2)2种集成逻辑下模型最优时间尺度为逐时尺度,最优作物类型为茶叶,最优建模方法为Elman神经网络集成模拟模型。研究结果可为园艺作物智慧生产管理和可视化提供理论依据和技术支撑。

气象因素对甘蔗糖分含量的影响及模型构建

利用随机森林和向前逐步选择算法筛选关键气象因素,基于广义加性模型等构建6类甘蔗糖分含量模拟模型,以关键气象因子为自变量模拟甘蔗成熟期的糖分含量,通过模拟值与实测值对比分析,对模拟效果进行评价,并量化关键气象因素对甘蔗糖分含量的影响。结果表明:不同地区、不同时间尺度气象因素对甘蔗糖分含量均有影响,关键气象因素包括气温日较差、最低地温、日照时数、最高气温、平均气压、降水量及平均相对湿度,气温日较差对甘蔗糖分含量的影响呈近似稳定的线性趋势,其余关键气象因素对甘蔗糖分含量的影响呈复杂波动趋势。基于关键气象因素建立模拟甘蔗糖分含量的6种模型,广义加性模型模拟效果最优,拟合R^(2)达0.97,模型验证的绝对误差为0.12个百分点,相对误差为0.86%,均方根误差为0.15。说明模拟值与实测值具有较好的一致性与相关性,模型可实现对广西甘蔗糖分含量的预测,同时,量化关键气象因素对甘蔗糖分含量的影响,也为调控生态系统提供依据。

马铃薯发育期模型精度及其对升温的敏感性比较

马铃薯是世界第四大主粮作物,马铃薯发育期的准确模拟是评估气候变化对马铃薯生长发育影响的基础。通过研究筛选在全国马铃薯种植区发育期模拟效果最优的模型,并基于模型探究历史气候变化对马铃薯生育期的影响差异以及模型对升温(1~5℃)的敏感性,可为模型改进提供方向。针对当前对覆盖不同气候和品种类型的发育期模型综合对比研究较少,本研究选取3种温度响应函数与2种日长响应函数,组合形成3种温度模型和6种光温模型,运用模拟退火算法对模型进行调参,对比其在全国8个站点模拟马铃薯全生育期的精度,结果表明:1)线性温度函数+负指数日长函数光温模型(M3)、Logistic温度函数+负指数日长函数光温模型(M6)和Beta温度函数+负指数日长函数光温模型(M9)的模拟效果最优, 3个模型模拟和观测的全生育期长度RMSE分别为7.7 d、6.8 d和7.1 d, R^(2)均大于0.90。2)基于最优模型在4个代表性站点的模拟结果显示,历史气候变化导致马铃薯生育期总体呈缩短趋势,但在不同站点模型间存在差异。3)升温1~5℃,模型M3和M6模拟的马铃薯全生育期日数呈线性缩短,每升温1℃, 4个站点的生育期缩短3.0~8.2 d;而模型M9模拟的全生育期日数呈非线性变化,随温度升高生育期缩短趋势先增加后减小。筛选出的3种光温模型均可有效模拟马铃薯发育期;基于3种模型模拟的历史气候变化总体均使马铃薯生育期缩短,但变化率不同;温度响应函数的不同,使得3种模型对升温的敏感性不同,且模型间差异随着升温而增加。研究结果为马铃薯发育期模型选择和改进提供了重要参考。

基于GIS的四川省李子气候适宜性区划研究

【目的】为四川省李子产业合理规划布局和优化产业结构提供参考。【方法】利用四川省145个气象站点2009—2018年的气象数据,结合全省李子主产区的气候条件,以年平均温度、≥10℃有效积温、冬季需冷量、2月平均气温、降水量、日照时数以及海拔作为李子气候适宜性区划的评价指标。基于地理信息系统(GIS)技术平台和空间插值分析四川省各区域的气象要素值,将适宜性划分为最适宜、适宜、次适宜和不适宜4个等级。【结果】四川省李子栽培的最适宜区包括四川盆地中部、东部和川西南山地部分地区;适宜区包括四川盆地东南部和盆周西部山地;次适宜区包括川西北高原与四川盆地的过渡地带;不适宜区主要分布在川西北高原。【结论】区划结果与四川李子种植现状吻合度较高,为四川省李子栽培的合理布局提供了科学依据。

气候变化对中国东北三省主要粮食作物影响研究综述

全球气候变化已经成为事实,并且导致全球粮食危机和饥饿风险增加。东北三省作为我国主要的粮食生产基地,对气候变化十分敏感。本文梳理了当前及未来气候变化对东北三省玉米、水稻和大豆生产影响的相关研究,概括了当前主要研究方法、东北三省主要作物对气候变化的响应以及应对措施,并进一步评述了当前主要研究方法和研究领域的不足:1)研究气候变化和极端气候事件对作物生长发育和产量影响的主要方法包括田间试验法、统计分析法以及作物模型法,其中田间试验法结果最直观,统计分析法可操作强、应用范围最广,作物模型法机理性强。2)东北三省气候变化明显,并且随着气候变化,干旱逐渐取代低温冷害成为当地主要灾害。3)气候变化对东北三省作物生产整体是有利的。气候变暖改善了东北三省热量资源,不仅使作物种植区域逐渐北移,作物品种也逐渐从早中熟向中晚熟转变。4)随着气候变暖不断加剧,未来东北地区作物应选择耐高温、抗旱和抗寒等抗逆性强的品种;加强农田水利设施建设,增强应对干旱洪涝灾害的能力;采用新的农业管理措施,保护土壤健康以及粮食生产安全。5)未来需要加强对CO_(2)补偿效应以及病虫害等的研究,加强对作物模型的完善,以更好地应对气候变化对粮食安全的不利影响。

赣南脐橙气候品质归一化指数构建

为建立赣南脐橙综合品质的气候评价方法,该研究基于2008—2011年和2021—2022年赣南脐橙单果质量、维生素C和固酸比等品质因子实测和气象资料,首先通过品质与气象要素的逐旬相关系数动态变化规律,找出关键气象要素及其影响时段;然后基于关键影响时段的气象要素,采用逐步回归法建立各品质因子的气象关系模型,并且结合“最大最小值”归一化法和加权求和法,模拟得到1981—2020年赣南脐橙综合品质指数(composite quality index,CQI);最后,基于综合品质指数与气象要素的相关性,构建赣南脐橙气候品质归一化指数(normalized climate-quality index,NCI)及其等级阈值。结果表明:各品质因子与光温要素相关性分为3个阶段,初夏(6月)和秋季(10—11月)光温充足有利于赣南脐橙品质提升,盛夏(7—8月)晴热高温对营养品质和风味不利;影响赣南脐橙综合品质指数(CQI)的关键气象要素为6月累积日照时数、7月上旬至9月中旬平均最高气温和9月下旬至10月下旬平均最高气温,基于以上要素构建的赣南脐橙气候品质归一化指数NCI≤0.45、0.45<NCI≤0.52、0.52<NCI≤0.65和NCI>0.65分别表示为差、较优、优和特优等级;利用2021—2022年宁都县和信丰县品质实测资料进行验证,NCI偏差多在0.07以内。该研究可为柑橘品质的敏感气象要素识别和气候品质评价研究提供一定参考。

海南两系杂交稻制种适宜区域与时段选择

掌握两系杂交稻在海南制种的气象灾害风险,是科学合理安排两系杂交稻制种生长期的重要依据。针对两系杂交水稻制种过程中的3个关键阶段(育性敏感安全期、抽穗扬花授粉安全期和灌浆安全期)的气象灾害概率进行分析,通过数据分析和实例验证得出各地区制种的安全时段,以及需重点考虑的气象灾害。海南两系杂交水稻育性敏感安全期可安排在3月上旬至4月中旬,三亚、陵水地区从3月上旬开始;乐东、东方、昌江从3月下旬至4月上旬开始;临高在4月中旬至下旬左右,不同界限温度变化略有先后。各地花期的阴雨天气较为随机且概率较小;临高、昌江地区制种重点关注灌浆安全期干热风等危害,提早播种。目前海南水稻制种区域和时段合理,可根据不育系材料不育起点温度阈值和耐受低温时间长短,适当调整播种时段。

华北平原夏玉米不同生育阶段大风灾害危险性评估

[目的]大风灾害是制约社会经济发展的主要气象灾害之一,科学评估大风灾害危险性对夏玉米生产防灾减灾具有重要意义。[方法]基于夏玉米拔节后不同生育阶段最大风速和大风日数的时空分布特征,筛选并利用历史倒伏案例验证区域适用的夏玉米大风倒伏判别指标,运用风险区划方法,评估了华北平原夏玉米不同生育阶段的大风倒伏危险性。[结果](1)1980—2019年以来,华北平原夏玉米拔节后最大风速和大风日数均呈显著的波动式下降趋势,空间上由东部向中西部逐渐递减。(2)夏玉米拔节后以轻度倒伏为主,区域平均的倒伏发生概率为44.5%,重度倒伏发生概率最小,为7.8%;拔节—抽雄阶段最易发生倒伏。(3)夏玉米拔节后大风倒伏概率总体呈逐渐降低趋势,但2011年以后局部地区拔节—抽雄期大风倒伏有极端加剧的趋势。(4)夏玉米大风灾害危险性分布整体上呈现由东向西逐渐递减的趋势,东部为高风险地区,中部大部分地区为中风险区,北部和西部部分地区为低风险地区。[结论]尽管近年来最大风速和大风日数均呈下降趋势,但华北平原局部地区夏玉米大风倒伏有加剧趋势,需要加强防灾减灾相关建设。

河套灌区农田植被物候和NDVI峰值对气候变化的响应

【目的】研究河套灌区植被物候参数和NDVI峰值时空变化特征及对气候变化的响应。【方法】利用2001—2021年MOD13Q1数据和双logistic四参数模型,识别了河套灌区植被SOS、EOS、LOS、POS、NDVI峰值时空变化特征及对气候变化的响应。【结果】河套灌区植被SOS一般从5月下旬到6月中旬开始,到9月中旬至10月上旬结束,LOS主要介于95~116 d,POS主要介于200~220 d,NDVI峰值主要介于0.5~0.7。植被物候变化趋势主要体现在SOS的推迟、LOS的缩短和NDVI峰值的增加。SOS的推迟导致LOS的缩短。而EOS和POS呈提前和推迟趋势的像元比较接近。河套灌区SOS、EOS、POS与气温均以负敏感为主,与降水量以正敏感为主。NDVI峰值与气温和降水量均呈正敏感。【结论】河套灌区物候参数和NDVI峰值的变化趋势具空间异质性,对不同气候因子的响应也有所差异。

基于APSIM模型模拟内蒙古春小麦不同土壤缺水条件下水氮优化管理模式

水分和氮肥是小麦生长最主要的两大限制因子,如何优化灌溉小麦高产稳产、获得农业资源高效和环境友好的水肥管理方案是亟待解决的生产问题。控制试验结果的推广受限于试验地点、年限和试验设计,而基于过程机理的作物模型则可有效解决这一问题,已成为探究作物种植管理决策、评估农业适应气候变化的有力手段和技术工具。本研究利用2010-2018年内蒙古自治区巴彦淖尔市临河区农业气象实验站春小麦‘永良4号’的试验观测资料(气象、作物、土壤和管理数据),确定模型中小麦生长发育关键参数;基于校准后模型及1986-2020年气象数据资料,设计不同干旱程度下多种智慧管理情景模式,结合水氮管理决策的遴选关键指标(产量、水肥施用量和水肥利用效率),确定春小麦水氮管理最优方案。结果表明:(1)基于APSIM模型春小麦发育期(出苗期、拔节期、开花期和成熟期)模块模拟值与观测值的RMSE在1.96~3.21d范围内;基于APSIM模型春小麦生长(叶面积指数、地上部干物质质量和产量)模块模拟值与观测值的RMSE分别为1.65、292.44g·m^(-2)和588.96kg·hm^(-2),APSIM模型可较好地定量模拟春小麦生长发育过程。(2)以产量、灌溉量、水分利用效率(WUE)、施氮肥量和氮素利用效率(NUE)为目标,得出土壤根层水分亏缺程度达40%(S3P40)和土壤根层水分亏缺程度达50%(S3P50)管理模式要优于其他管理模式。(3)与常规管理模式相比,以显著提高产量为生产目标,优选S3P40管理模式,产量提高14.4%;以稳产且减少水肥用量为生产目标,优选S3P50管理模式,灌溉量减少23.2%,施氮量减少32.4%。

不同播期下高温对江西早稻灌浆结实及产量的影响

以江西主栽常规籼稻品种为试验材料,于2022年在南昌县进行分期播种试验,4个播期分别为3月11日(B1)、3月24日(B2,常规播期)、4月5日(B3)和4月15日(B4),分析大田高温对早稻抽穗、灌浆及产量的影响,以历史气象数据(1961-2022年)对不同播期下的高温发生情况进行对比分析。结果表明:随着播期推迟,早稻产量、结实率和千粒重均呈下降趋势,高温日数与产量、结实率、千粒重呈显著负相关关系(P<0.05),3月11日播期下,早稻产量显著高于3月24日及以后各播期处理。高温虽提高了早稻抽穗后10~15d灌浆速率,但不利于抽穗15d后较高灌浆速率的维持。4个播期下早稻生育期内,1961-2022年早稻灌浆期高温日数B4播期明显高于B1;2000年后各播期处理生育期内早稻抽穗灌浆期高温日数呈明显增加趋势;江西早稻高温易发区与早稻主要种植区高度重合。江西早稻种植区可适当提早播种,以减轻高温带来的不利影响。