DSSAT模型對長期保護(hù)性耕作與土壤改良措施下玉米生長過程的模擬及驗證

楊永輝，武繼承，丁晉利，張潔梅，高翠民，潘曉瑩，王 越，何 方

(1.河南省農(nóng)業(yè)科學(xué)院 植物營養(yǎng)與資源環(huán)境研究所，河南 鄭州 450002； 2.農(nóng)業(yè)部作物高效用水原陽科學(xué) 觀測實驗站，河南 原陽 453514； 3.鄭州師范學(xué)院 地理與旅游學(xué)院，河南 鄭州 450044)

玉米是我國最主要的糧食和經(jīng)濟(jì)作物之一。在河南西部地區(qū)，光熱資源充足，玉米生長期內(nèi)降雨量和蒸發(fā)量均較高，水分無效損耗較大，不利于降水資源的充分利用，而保護(hù)性耕作及增施有機(jī)肥等措施能夠改善土壤的物理特性，提高土壤的蓄水保墑能力，降低水分的無效蒸發(fā)，促進(jìn)降水資源的就地利用。秸稈還田有利于改土保墑，提高土壤有機(jī)質(zhì)含量和土壤肥力[1]，改善土壤團(tuán)聚體的穩(wěn)定性[2]，增加土壤孔隙度，并改善土壤孔隙的連通性[3]，促進(jìn)作物產(chǎn)量的提高[4]。與秸稈覆蓋相比，秸稈施入土壤后更有利于土壤結(jié)構(gòu)穩(wěn)定性的提高[5]。而深松能夠提高土壤耕層厚度，改善土壤團(tuán)粒結(jié)構(gòu)和土壤孔隙狀況，提高土壤蓄水保墑與儲水能力[6]，有利于作物根系利用深層土壤水。施用有機(jī)肥可提高土壤有機(jī)質(zhì)含量，改善土壤團(tuán)粒結(jié)構(gòu)，提高土壤蓄水保墑能力，促進(jìn)作物產(chǎn)量和水分利用率的提高[7-8]。

DSSAT模型是當(dāng)前世界上應(yīng)用最廣泛的作物模型之一，其主要用于農(nóng)業(yè)試驗分析、作物產(chǎn)量預(yù)報、農(nóng)業(yè)生產(chǎn)過程中的風(fēng)險評估、氣候條件對農(nóng)業(yè)生產(chǎn)的影響評價等[9]。DSSAT模型可模擬作物光溫和降水生產(chǎn)潛力，優(yōu)化作物栽培方案等，為選擇合理的農(nóng)業(yè)技術(shù)提供決策與預(yù)測[10]。CERES-Maize模型是DSSAT中專門用于模擬玉米的模型[11]，已廣泛應(yīng)用于各類農(nóng)業(yè)研究[12-17]。相關(guān)研究表明，CERES-Maize模型可在水分充足的條件下準(zhǔn)確地模擬玉米生長過程中的土壤含水率、葉面積指數(shù)、生物量及產(chǎn)量[11,18]。Dejonge等[19]通過田間試驗與模型模擬對比發(fā)現(xiàn)，CERES-Maize模型雖然對產(chǎn)量模擬較為準(zhǔn)確，但在水分虧缺條件下模擬效果較差，需要進(jìn)行改進(jìn)。以往關(guān)于DSSAT模型研究多集中于干旱或半干旱地區(qū)[20]，且多是關(guān)于小麥方面[21-25]或玉米水分或施肥等方面[26-27]的研究。而CERES-Maize模型能否應(yīng)用于河南豫西褐土區(qū)長期保護(hù)性耕作與土壤改良措施下夏玉米的生產(chǎn)和管理，能否模擬因長期保護(hù)性耕作與土壤改良措施引起的土壤剖面物理參數(shù)的變化進(jìn)而引起模擬結(jié)果之間的差異，需要對CERES-Maize模型模擬長期保護(hù)性耕作與土壤改良措施下玉米的生長發(fā)育以及產(chǎn)量形成過程中的精度進(jìn)行系統(tǒng)評估。鑒于此，基于長期定位保護(hù)性耕作與土壤改良措施中夏玉米試驗的觀測數(shù)據(jù)，運(yùn)行DSSAT模型對玉米遺傳參數(shù)等進(jìn)行估計，并對模型進(jìn)行驗證，旨在系統(tǒng)模擬豫西褐土區(qū)長期不同耕作與土壤改良措施條件下土壤水分環(huán)境和玉米生長過程的差異，為DSSAT模型在該區(qū)的廣泛應(yīng)用提供有力的科學(xué)依據(jù)。

1 材料和方法

1.1 研究區(qū)概況

試驗在河南省農(nóng)業(yè)科學(xué)院節(jié)水農(nóng)業(yè)禹州試驗基地(113°03′～113°39′E，33°59′～34°24′N)進(jìn)行，海拔116.1 m，多年平均降水量674.9 mm且60%以上集中在夏季；土壤為褐土，該地區(qū)地勢平坦，肥力均勻，耕層有機(jī)質(zhì)含量為12.3 g/kg、全氮含量為0.80 g/kg、水解氮含量為47.82 mg/kg、速效磷含量為6.66 mg/kg、速效鉀含量為114.8 mg/kg。該區(qū)為小麥—玉米輪作區(qū)。

1.2 試驗設(shè)計

長期定位試驗始于2006年，以其中2013年和2015年2 a(2個年度6—9月夏玉米生長和降雨量較為一致，且這2 a的玉米品種相同及觀測數(shù)據(jù)較為齊全)的試驗數(shù)據(jù)進(jìn)行本研究的模擬和驗證。

試驗共設(shè)置常規(guī)耕作、深松(深度30 cm)、秸稈還田(小麥單季秸稈直接全部還田旋耕，還田量為10 500 kg/hm2)、有機(jī)肥(雞糞750 kg/hm2，氮、磷、鉀質(zhì)量分?jǐn)?shù)分別為1.5%、1.2%、0.8%)4個處理。玉米播種前施用過磷酸鈣(P2O5105 kg/hm2)、鉀肥(K2O 75 kg/hm2)及氮肥(純N 75 kg/hm2)，一次性底施。除深松處理外，其他處理耕作深度均為15 cm。有機(jī)肥處理中施用的氮、磷、鉀無機(jī)肥用量分別扣除了雞糞原有的氮、磷、鉀施用量，以保證每個處理的養(yǎng)分用量一致。玉米品種為鄭單958。小區(qū)面積為32 m2。2013年玉米于6月5日播種，6月10日出苗，6月23日定苗，9月30日收獲；2015年玉米于6月6日播種，6月11日出苗，6月22日定苗，9月30日收獲。玉米種植密度約為70 500株/hm2，株行距為20 cm×70 cm。

1.3 測定指標(biāo)與方法

1.3.1 土壤體積含水率 土壤體積含水率采用中國電子科技集團(tuán)27所生產(chǎn)的DZN2-1型自動測定儀測定，測定深度分別為0～10、10～20、20～30、30～40、40～50、50～60、60～70、70～80、80～100 cm,共9個層次，每處理3個重復(fù)。

1.3.2 葉面積指數(shù) 在玉米定苗后，每個小區(qū)在中間區(qū)域隨機(jī)標(biāo)記2行長勢較為一致的植株作為最后的測產(chǎn)區(qū)域，每個小區(qū)標(biāo)記2株玉米進(jìn)行葉面積的測量，10 d左右測量1次，根據(jù)植株的葉面積計算小區(qū)葉面積指數(shù)[28]：

VLAI=SLA×D/10 000

式中：VLAI表示葉面積指數(shù)，SLA表示單株玉米總?cè)~面積(m2/株)，D表示種植密度(株/hm2)。

1.3.3 生物量 在玉米不同生育時期(7月3日、7月17日、7月25日、8月3日、8月14日、8月22日、8月29日、9月4日、9月12日、9月18日、9月23日、9月30日)選取長勢較為一致的植株2株測定生物量，并根據(jù)玉米種植密度折合成公頃生物量。

1.3.4 產(chǎn)量 玉米收獲后，每小區(qū)采集2行玉米，脫粒，風(fēng)干，稱量計產(chǎn)。

1.4 模型數(shù)據(jù)庫組建

DSSAT模型主要包括氣象氣候、作物管理、土壤及作物遺傳特性4個模塊。在模型模擬運(yùn)算前，需要建立4個模塊的基本數(shù)據(jù)庫及其參數(shù)體系。本研究所用的氣象資料均來源于中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)。模型運(yùn)行的最基本氣象數(shù)據(jù)包括逐日太陽輻射[kJ/(m2·d)]、逐日最高最低氣溫(℃)、逐日降水量(mm/d)。作物的管理數(shù)據(jù)主要包括播種日期、耕作方式及日期、施肥量、收獲日期及收獲方式等，對于本研究，輸入的參數(shù)主要包括土地耕作方式、秸稈還田量、有機(jī)肥施用量及耕作深度。需要輸入的土壤參數(shù)主要包括土壤容重、土壤有機(jī)碳含量、土壤飽和導(dǎo)水率、飽和含水量、田間持水量和永久萎蔫點等。DSSAT模型利用作物品種自身的遺傳特性參數(shù)來描述品種的特性，用以控制作物生長發(fā)育的進(jìn)程、植株形態(tài)及產(chǎn)量的形成。因此，需要建立玉米的遺傳特性參數(shù)數(shù)據(jù)庫。

1.5 模型的率定和驗證

將2013年實測的長期不同耕作與土壤改良措施下的土壤容重、土壤有機(jī)碳含量、土壤飽和導(dǎo)水率、飽和含水量、田間持水量和永久萎蔫點等作為初始條件輸入到模型中，并對模型進(jìn)行調(diào)參，通過比較分析不同土層土壤體積含水率、葉面積指數(shù)及生物量等的模擬效果，采用試錯法對土壤剖面水力學(xué)參數(shù)值(土壤飽和導(dǎo)水率、飽和含水量、田間持水量和永久萎蔫點等)進(jìn)行調(diào)整，確保模型的率定結(jié)果在允許的誤差范圍內(nèi)。對于作物的品種參數(shù)，利用DSSAT模型中自帶的Glue參數(shù)調(diào)試程序進(jìn)行玉米參數(shù)P1、P2、P5、G2、G3和PHINT的調(diào)試。首先在原程序給定的某個參數(shù)范圍內(nèi)進(jìn)行參數(shù)的率定，然后根據(jù)其提供的最佳參數(shù)組合縮小參數(shù)的范圍，之后繼續(xù)進(jìn)行參數(shù)的率定，1次率定最高可進(jìn)行10 000次隨機(jī)搜索，通過不斷縮小參數(shù)的范圍，最終得到最滿意的參數(shù)組合。經(jīng)過調(diào)試后，優(yōu)化后的作物品種參數(shù)見表1。在參數(shù)率定的基礎(chǔ)上，利用2015年實測數(shù)據(jù)對模型進(jìn)行驗證。

表1 調(diào)試后的玉米品種參數(shù)

1.6 模型誤差檢驗

模型的校正和驗證過程均采用模擬值與實測值間的相對均方根誤差(RRMSE)與絕對相對誤差(ARE)進(jìn)行誤差評價，RRMSE與ARE可以進(jìn)行模擬值與實測值相對差異程度的度量，且為無量綱統(tǒng)計量，可進(jìn)行不同變量之間的比較[22]。RRMSE與ARE值越小，表示模型模擬的精度越高。

(1)

(2)

(3)

式中，RMSE—均方根誤差；Si—第i個模擬值；Oi—第i個觀測值；O—觀測值的平均值；n—模擬值的樣本數(shù)。

當(dāng)RRMSE<10%時，模型的模擬值與實測值的誤差極低，二者具有極好的一致性；10%≤RRMSE<20%時，模型的模擬值與實測值的誤差較低，二者具有較好的一致性；20%≤RRMSE≤30%時，模型的模擬值與實測值的誤差低， 二者的一致性達(dá)到中等

水平；RRMSE>30%時，模型的模擬值與實測值的誤差較大，二者的一致性較差。

1.7 數(shù)據(jù)統(tǒng)計

不同指標(biāo)值均為3次重復(fù)的算術(shù)平均值，應(yīng)用Excel和SPSS對數(shù)據(jù)進(jìn)行處理。

2 結(jié)果與分析

2.1 應(yīng)用不同觀測指標(biāo)對DSSAT模型參數(shù)的率定

2.1.1 土壤體積含水率模擬 應(yīng)用DSSAT模型對玉米整個生育期不同處理各土層的土壤體積含水率動態(tài)進(jìn)行模擬，得出不同土層土壤體積含水率的動態(tài)變化特征，不同處理DSSAT模型模擬結(jié)果與實測值的RMSE為0.022～0.164 cm3/cm3(表2)，通過計算得出模型的ARE介于4.9%～9.5%。隨土層的加深，模擬值與實測值的RMSE逐漸降低，且常規(guī)耕作模擬效果最佳。

表2 不同處理土壤體積含水率動態(tài)的DSSAT模型模擬值與實測值的RMSE(2013年) cm3/cm3

注：表中數(shù)據(jù)為整個生育期該指標(biāo)的均值，表5同。

以常規(guī)耕作為例對土壤體積含水率動態(tài)模擬結(jié)果進(jìn)行分析，結(jié)果如圖1所示。隨著玉米的生長，不同土層的土壤體積含水率均呈下降趨勢。0～10 cm土層的土壤體積含水率變化最為劇烈，模擬值與實測值誤差較大。10～20、20～30 cm土層較表層土壤水分變化平緩，但10～20 cm土層土壤體積含水率模擬值與實測值誤差仍較大。表層(0～10 cm)和亞表層(10～20 cm)的土壤體積含水率因受外界環(huán)境因素的影響較大，故較深層土壤體積含水率的實測值準(zhǔn)確性低。 而深度在20 cm以上的土層， 特別是50 cm以上土層土壤體積含水率的模擬值與實測值整體較為一致，且土壤體積含水率變化趨勢基本一致，其模擬值和實測值的RMSE在0.022～0.036，模型的ARE介于4.5%～8.3%。說明DSSAT模型在玉米生長過程中對于50 cm以上土層土壤水分的模擬更為準(zhǔn)確。

2.1.2 葉面積指數(shù)模擬 從圖2A可知，玉米葉面積指數(shù)的模擬值和實測值十分接近。在玉米播種后60 d內(nèi)，不同措施對葉面積指數(shù)的影響基本上沒有差異；播種60 d后，有機(jī)肥處理和深松處理的玉米葉面積指數(shù)明顯高于其他處理，秸稈還田處理居中，常規(guī)耕作處理最低。從表3可知，不同措施處理的葉面積指數(shù)模擬結(jié)果和田間實測結(jié)果在總體上表現(xiàn)出較好的一致性，其ARE介于5.8%～8.7%，RMSE介于0.011～0.184，秸稈還田、常規(guī)耕作、有機(jī)肥、深松處理的葉面積指數(shù)模擬結(jié)果和田間實測結(jié)果的RRMSE分別為0.4%、0.9%、5.7%、6.2%。

2.1.3 生物量模擬 玉米生物量的模擬值與實測值對比如圖2B所示，玉米生物量的模擬值與實測值非常接近，且玉米生長前期不同處理的生物量差異不顯著。隨玉米生育時期的推進(jìn)，不同處理生物量差異逐漸增大，且以有機(jī)肥處理和深松處理明顯高于其他處理，秸稈還田處理居中，常規(guī)耕作處理最低。模擬結(jié)果和田間實測結(jié)果一致性較好，其ARE介于2.0%～6.2%，RMSE介于306～419 kg/hm2，有機(jī)肥、深松、秸稈還田、常規(guī)耕作處理的生物量模擬結(jié)果和田間實測結(jié)果的RRMSE分別為3.1%、4.2%、4.3%、5.3%(表3)。

圖1 常規(guī)耕作處理不同土層土壤體積含水率的模擬值與實測值對比

圖2 玉米葉面積指數(shù)和生物量的模擬值與實測值比較

處理葉面積指數(shù)實測值模擬值A(chǔ)RE/%RMSERRMSE/%生物量實測值/(kg/hm2)模擬值/(kg/hm2)ARE/%RMSE/(kg/hm2)RRMSE/%常規(guī)耕作3.963.735.80.0210.915752149155.34195.3深松4.944.518.70.1846.217250169042.04134.2秸稈還田4.664.317.50.0110.416875158336.23994.3有機(jī)肥4.834.536.20.1695.717625172582.13063.1

注：表中葉面積指數(shù)為玉米吐絲期時的數(shù)值，生物量為玉米生育期結(jié)束后的數(shù)值，表6同。

2.1.4 產(chǎn)量模擬 不同措施處理玉米產(chǎn)量的模擬值和實測值如表4。2013年常規(guī)耕作、深松、秸稈還田及有機(jī)肥處理玉米產(chǎn)量模擬值與實測值的RMSE分別為433、412、1 288、584 kg/hm2，ARE分別為5.8%、4.5%、14.9%、6.5%，RRMSE分別為6.2%、4.9%、15.1%、6.7%，除秸稈還田處理外，其他措施處理的產(chǎn)量模擬值與實測值一致性較佳。不同處理產(chǎn)量的實測值表現(xiàn)為有機(jī)肥處理>秸稈還田處理>深松處理>常規(guī)耕作處理，模擬產(chǎn)量表現(xiàn)為有機(jī)肥處理>深松處理>秸稈還田處理>常規(guī)耕作處理，說明不同處理間玉米產(chǎn)量的實測值與模擬值變化趨勢存在一定差異。

表4 不同處理玉米產(chǎn)量實測值與模擬值統(tǒng)計比較(2013年)

2.2 DSSAT模型對不同觀測指標(biāo)的驗證

2.2.1 土壤體積含水率動態(tài)模擬驗證 從表5可知，經(jīng)過驗證，利用DSSAT模型對常規(guī)耕作、深松、秸稈還田、有機(jī)肥處理各土層(0～100 cm)土壤體積含水率的模擬值與實測值相近，其RMSE介于0.004～0.069 cm3/cm3，模型的ARE介于2.3%～5.1%，模擬結(jié)果隨土層的加深而更佳。

表5 不同處理土壤體積含水率動態(tài)的DSSAT模型模擬值與實測值的RMSE(2015年) cm3/cm3

以常規(guī)耕作處理土壤體積含水率實測值與模擬值進(jìn)行驗證，如圖3。2015年的土壤體積含水率實測值與模擬值的誤差較小，且隨土層的加深，實測值與模擬值更為接近。0～40 cm土層的土壤體積含水率在玉米不同生育時期的波動較大，但實測值與模擬值具有較佳的一致性?？梢姡珼SSAT模型對土壤體積含水率的模擬驗證效果較佳。

2.2.2 葉面積指數(shù)模擬驗證 從圖4A可知，2015年玉米葉面積指數(shù)的實測值與模擬值十分接近，且仍以有機(jī)肥處理和深松處理明顯高于其他處理，秸稈還田處理居中，常規(guī)耕作最低。其ARE介于3.6%～7.6%，RMSE介于0.062～0.079，RRMSE介于2.5%～3.3%(表6)，誤差較小，模型模擬值與實測值具有較好的一致性。

圖3 常規(guī)耕作處理不同土層土壤體積含水率模擬值與實測值的驗證比較

圖4 玉米葉面積指數(shù)和生物量的模擬值與實測值驗證比較

處理葉面積指數(shù)實測值模擬值A(chǔ)RE/%RMSERRMSE/%生物量實測值/(kg/hm2)模擬值/(kg/hm2)ARE/%RMSE/(kg/hm2)RRMSE/%常規(guī)耕作3.283.076.40.0723.213532128714.95787.3深松3.943.647.60.0712.915101159045.36216.6秸稈還田3.363.483.60.0793.315881154752.65606.2有機(jī)肥3.933.657.10.0622.515301159514.22823.0

2.2.3 生物量模擬驗證 從圖4B可知，2015年玉米生長過程中的生物量實測值與模擬值仍保持較高的一致性，且以有機(jī)肥處理和深松處理的生物量明顯高于其他處理，秸稈還田處理居中，常規(guī)耕作最低。其ARE介于2.6%～5.3%，RMSE值介于282～621 kg/hm2，RRMSE介于3.0%～7.3%(表6)，誤差較小，模型模擬值與實測值具有較好的一致性。

2.2.4 產(chǎn)量模擬驗證 不同措施處理玉米產(chǎn)量的模擬值和實測值相近(表7)。2015年常規(guī)耕作、深松、秸稈還田、有機(jī)肥處理產(chǎn)量的RMSE分別為872、101、453、501 kg/hm2，模型的ARE分別為12.4%、0.8%、5.5%、6.8%，RRMSE分別為12.6%、1.3%、5.7%、6.9%。深松處理玉米產(chǎn)量率定效果較其他措施更佳。不同處理產(chǎn)量實測值表現(xiàn)為秸稈還田處理>深松處理>有機(jī)肥處理>常規(guī)耕作處理，模擬的產(chǎn)量表現(xiàn)為有機(jī)肥處理>深松處理>秸稈還田處理>常規(guī)耕作處理，說明不同處理間玉米產(chǎn)量的實測值與模擬值變化趨勢仍存在一定差異。

表7 不同處理玉米產(chǎn)量實測值與模擬值統(tǒng)計比較(2015年)

此外，產(chǎn)量模擬值與實測值相關(guān)性較佳(圖5)，二者的回歸方程線性斜率為0.964 2(P=0.035 1<0.05)，R2為0.541 6，說明不同耕作處理下的作物模擬產(chǎn)量與實測產(chǎn)量較一致[29]。

圖5 不同處理玉米產(chǎn)量模擬值與實測值的相關(guān)關(guān)系

3 結(jié)論與討論

研究表明，DSSAT模型可較好地模擬豫西褐土區(qū)小麥生長發(fā)育及土壤水分動態(tài)變化過程，其在豫西旱作區(qū)具有良好的適宜性，可為該地區(qū)的保護(hù)性耕作研究提供理論支持[30]。而對玉米而言，本研究發(fā)現(xiàn)，DSSAT模型對玉米生長過程中的葉面積指數(shù)、生物量、土壤水分動態(tài)及產(chǎn)量等的模擬中，其模擬值與實測值總體表現(xiàn)出較佳的一致性，ARE和RRMSE較小，特別是在深松條件下，玉米產(chǎn)量的模擬值與實測值A(chǔ)RE僅為0.8%，RRMSE為1.3%。就整個模擬效果而言，DSSAT模型能夠較佳地模擬不同耕作與土壤改良措施對玉米的影響。

長期保護(hù)性耕作和土壤改良措施會對作物生長及土壤水分環(huán)境產(chǎn)生重要影響，主要是因為長期進(jìn)行不同保護(hù)性耕作會對土壤剖面結(jié)構(gòu)及物理特性產(chǎn)生一定影響[31]，進(jìn)而影響作物的生長環(huán)境及其產(chǎn)量構(gòu)成。因此，要科學(xué)地分析與評價保護(hù)性耕作和土壤改良措施影響作物生長及其水分動態(tài)變化的過程，需從不同措施引起的土壤物理(參數(shù))性質(zhì)變化方面來分析作物生長狀況及產(chǎn)量的差異，土壤物理參數(shù)作為DSSAT模型輸入的初始參數(shù)會對模型的運(yùn)行產(chǎn)生一定的影響，而應(yīng)用DSSAT模型才能合理地預(yù)測與評價長期保護(hù)性耕作與土壤改良措施對作物生長與農(nóng)田環(huán)境產(chǎn)生的影響。相關(guān)研究[11-12]表明，DSSAT模型對水分虧缺條件下玉米生長發(fā)育的模擬不夠準(zhǔn)確，而對于水分較為充足時模擬效果較佳。在豫西褐土區(qū)，玉米生長季節(jié)降雨量較為充足，出現(xiàn)水分脅迫的概率較低，本研究選用玉米生長季節(jié)降雨量較為充分的2013年和2015年的觀測數(shù)據(jù)進(jìn)行模型的率定與驗證，均達(dá)到了可信的誤差范圍，模擬值和實測值較一致，不同措施不同年份產(chǎn)量的模擬值和實測值相近，尤其是對深松處理的模擬精度更高；而秸稈還田處理雖然率定時的誤差大于其他處理，但其驗證結(jié)果較佳。說明長期不同耕作措施在DSSAT模型的率定與驗證中存在一定的差異。但在水分虧缺情況下，DSSAT模型對各處理的模擬效果如何需要進(jìn)一步研究。

通過模型模擬與實際觀測對比發(fā)現(xiàn)，在2013年，長期不同耕作措施處理的玉米實測產(chǎn)量與模擬產(chǎn)量的增產(chǎn)趨勢存在一定差異，但均以有機(jī)肥處理最高，其實測產(chǎn)量較常規(guī)耕作處理提高24.7%；在2015年，玉米實測產(chǎn)量與模擬產(chǎn)量的增產(chǎn)趨勢仍存在一定差異，模擬產(chǎn)量仍以有機(jī)肥處理增幅最大，而實測產(chǎn)量則以秸稈還田處理最高，較常規(guī)耕作處理提高15.8%。說明長期保護(hù)性耕作和土壤改良措施均具有明顯的增產(chǎn)效果，但不同措施不同年際間的增產(chǎn)幅度存在一定的差異。

[1] 余延豐,熊桂云,張繼銘,等.秸稈還田對作物產(chǎn)量和土壤肥力的影響[J].湖北農(nóng)業(yè)科學(xué),2008,47(2):169-171.

[2] 張樹蘭,Lovdahl L,同延安.渭北旱塬不同田間管理措施下冬小麥產(chǎn)量及水分利用效率[J].農(nóng)業(yè)工程學(xué)報,2005,21(4):20-24.

[3] 王增麗,馮浩,方圓.麥秸預(yù)處理方式對黃綿土結(jié)構(gòu)及低吸力段持水性的影響[J].農(nóng)業(yè)機(jī)械學(xué)報,2012,43(7):56-62,72.

[4] 余坤,馮浩,王增麗,等.氨化秸稈還田改善土壤結(jié)構(gòu)增加冬小麥產(chǎn)量[J].農(nóng)業(yè)工程學(xué)報,2014,30(15):165-173.

[5] Spaccini R,Piccolo A,Haberhauer G,etal.Decomposition of maize straw in three European soils as revealed by DRIFT spectra of soil particle fractions[J].Geoderma,2001,99(3/4):245-260.

[6] 劉緒軍,榮建東.深松耕法對土壤結(jié)構(gòu)性能的影響[J].水土保持應(yīng)用技術(shù),2009(1):9-11.

[7] Bolan N S,Adriano D C,Natesan R,etal.Effects of organic amendments on the reduction and phytoavailability of chromate in mineral soil[J].Journal of Environmental Quality,2003,32(1):120-128.

[8] Pagliai M,Vignozzi N,Pellegrini S.Soil structure and the effect of management practices[J].Soil & Tillage Research,2004,79(2):131-143.

[9] Jones J W,Hoogenboom G,Porter C H,etal.The DSSAT cropping system model[J].European Journal of Agronomy,2003,18:235-265.

[10] Hoogenboom G,Jones J W,Wilkens P W,etal.DSSAT V4.5 version[CD].Honolulu:University of Hawaii,2008.

[11] Jones C A,Kiniry J R.CERES-Maize:A simulation model of maize growth and development[M].Texas:Texas A&M University Press,1986.

[12] Asadi M E,Clemente R S.Simulation of maize yield and N uptake under tropical conditions with the CERES-Maize model[J].Tropical Agriculture,2001,78(4):211-217.

[13] Huffman E C,Yang J Y,Gameda S,etal.Using simulation and budget models to scale-up nitrogen leaching from field to region in Canada[J].The Scientific World Journal,2001,1(2):699-706.

[14] He J,Dukes M D,Hochmuth G J,etal.Evaluation of sweet corn yield and nitrogen leaching with CERES-Maize considering input parameter uncertainties[J].Transactions of the ASABE,2011,54(4):1257-1268.

[15] He J,Dukes M D,Hochmuth G J,etal.Identifying irrigation and nitrogen best management practices for sweet corn production on sandy soils using CERES-Maize model[J].Agricultural Water Management,2012,109:61-70.

[16] 劉玉蘭,陳曉光,肖云清,等.CERES-Maize模型中遺傳參數(shù)確定方法的研究[J].玉米科學(xué),2007,15(6):127-129.

[17] 戴明宏,趙久然,Claupein W,等.基于CERES-Maize模型春玉米水分優(yōu)化管理決策[J].水土保持學(xué)報,2009,23(1):187-192.

[18] Nouna B B,Katerji N,Mastrorilli M.Using the CERES-Maize model in a semi-arid Mediterranean environment.New modelling of leaf area and water sress functions[J].European Journal of Agronomy,2003,19:115-123.

[19] Dejonge K C,Andales A A,Ascough J C,etal.Modeling of full and limited irrigationscenarios for corn in a semiarid environment[J].Transactions of the ASABE,2011,54(2):481-492.

[20] 杜建濤,何文清,Nangia V,等.北方旱區(qū)保護(hù)性耕作對農(nóng)田土壤水分的影響[J].農(nóng)業(yè)工程學(xué)報,2008,24(11):25-29.

[21] 李國強(qiáng),陳丹丹,張建濤,等.基于DSSAT模型的河南省小麥生產(chǎn)潛力定量模擬與分析[J].麥類作物學(xué)報,2016,36(4):507-515.

[22] 姚寧,周元剛,宋利兵,等.不同水分脅迫條件下DSSAT-CERES-Wheat模型的調(diào)參與驗證[J].農(nóng)業(yè)工程學(xué)報,2015,31(12):138-150.

[23] 劉建剛,褚慶全,王光耀,等.基于DSSAT模型的氮肥管理下華北地區(qū)冬小麥產(chǎn)量差的模擬[J].農(nóng)業(yè)工程學(xué)報,2013,29(23):124-129.

[24] 王文佳,馮浩,宋獻(xiàn)方.基于DSSAT模型陜西楊凌不同降水年型冬小麥灌溉制度研究[J].干旱地區(qū)農(nóng)業(yè)研究,2013,31(4):1-10,37.

[25] 文新亞,陳阜.基于DSSAT模型模擬氣候變化對不同品種冬小麥產(chǎn)量潛力的影響[J].農(nóng)業(yè)工程學(xué)報,2011,27(增刊):74-79.

[26] 李樹巖,劉榮花,成林.基于CERES-Maize的黃淮平原夏玉米階段缺水模擬分析[J].玉米科學(xué),2013,21(5):151-156.

[27] 李樹巖,王靖,余衛(wèi)東,等.氣候變化對河南省夏玉米主栽品種發(fā)育期的影響模擬[J].中國農(nóng)業(yè)氣象,2015,36(4):479-488.

[28] Mckee G W.A coefficient for computing leaf area in hybrid corn[J].Agronomy Journal,1964,56(2):240-241.

[29] 丁晉利,武繼承,楊永輝,等.耕作方式轉(zhuǎn)變對土壤蓄水保墑影響的RZWQM模型模擬[J].農(nóng)業(yè)機(jī)械學(xué)報,2016,47(4):136-145.

[30] 魯向暉,穆興民,Nangia V,等.DSSAT模型對豫西冬小麥保護(hù)性耕作效應(yīng)模擬效果驗證[J].干旱地區(qū)農(nóng)業(yè)研究,2010,28(3):64-70.

[31] 楊永輝,武繼承,張潔梅,等.耕作方式對土壤水分入滲、有機(jī)碳含量及土壤結(jié)構(gòu)的影響[J].中國生態(tài)農(nóng)業(yè)學(xué)報,2017,25(2):258-266.