基于APSIM模型模擬分析氣候變化對不同熟性北方冬小麥生長和產(chǎn)量的影響

史鑫蕊，韓百書，王紫芊，張媛鈴，李萍，宗毓錚，張東升，高志強，郝興宇

基于APSIM模型模擬分析氣候變化對不同熟性北方冬小麥生長和產(chǎn)量的影響

史鑫蕊，韓百書，王紫芊，張媛鈴，李萍，宗毓錚，張東升，高志強，郝興宇

山西農(nóng)業(yè)大學(xué)農(nóng)學(xué)院，山西太谷 030801

【目的】開展氣候變化對冬小麥生長發(fā)育和產(chǎn)量影響研究，為未來氣候變化下小麥可持續(xù)生產(chǎn)提供依據(jù)?！痉椒ā坷?017—2020年度控制氣室中不同溫度和[CO2]處理下的良星99（晚熟品種）和中科2011（早熟品種）冬小麥生長發(fā)育、土壤及氣象數(shù)據(jù)，對APSIM（agricultural production systems simulator）模型進(jìn)行校驗，然后，以1986—2005年為基準(zhǔn)年份，利用校驗好的APSIM模型對未來不同氣候條件下（RCP 4.5和RCP 8.5）的冬小麥產(chǎn)量、產(chǎn)量構(gòu)成和生育期進(jìn)行模擬，分析氣候變化和極端高溫對不同熟性冬小麥品種生產(chǎn)潛力的影響。【結(jié)果】APSIM模型能較好地模擬不同溫度和[CO2]處理下2個品種冬小麥的生育期、產(chǎn)量和生物量，模擬值與實測值的2均高于0.614，均低于10.6%，葉面積指數(shù)（LAI）的模擬效果相對較差。從長期模擬結(jié)果來看，不同氣候條件下，2個品種小麥的播種-拔節(jié)天數(shù)均較基準(zhǔn)年份縮短，且早熟品種小麥播種-拔節(jié)縮短的天數(shù)小于晚熟品種，2個品種拔節(jié)-成熟天數(shù)均無明顯變化。相較基準(zhǔn)年份，未來RCP條件下，2個品種小麥的實際產(chǎn)量和潛在產(chǎn)量均增加，且2100s時段RCP 8.5條件下的產(chǎn)量和潛在產(chǎn)量最高，早熟品種的產(chǎn)量和潛在產(chǎn)量相較晚熟品種增產(chǎn)更明顯。與基準(zhǔn)年份相比，未來RCP條件下，生育前期2個品種小麥的LAI均升高，但早熟品種LAI變化更明顯，生育后期晚熟品種的LAI明顯降低，而早熟品種的LAI無明顯差異；未來RCP條件下，2個品種的地上部生物量均增加，早熟品種生物量增長更明顯。不同RCP條件下，極端高溫對2個品種冬小麥產(chǎn)量和千粒重均有一定的負(fù)面影響，且開花期極端高溫對千粒重的影響最大。與正常年份相比，極端高溫年份晚熟品種2100s時段RCP 8.5條件下的千粒重和產(chǎn)量明顯降低，籽粒數(shù)也略有降低。與正常年份相比，未來RCP條件下，極端高溫均明顯降低了早熟品種的千粒重，但籽粒數(shù)略有升高，因此，極端高溫年份早熟品種產(chǎn)量降低不明顯?！窘Y(jié)論】冬小麥早熟品種更能適應(yīng)未來氣候變化，而選育適宜的小麥品種是應(yīng)對未來氣候變化的有效措施之一。

氣候變化；極端高溫；冬小麥品種；產(chǎn)量；APSIM模型

0 引言

【研究意義】2011—2020年，全球地表平均溫度較1850—1900年增加了0.95 ℃—1.20 ℃，而大氣CO2濃度（[CO2]）大約增加了47%[1]。地球系統(tǒng)模型預(yù)測在21世紀(jì)末全球大氣[CO2]可能會達(dá)到1 100 μmol·mol-1（SSP5-8.5），而2081—2100年的全球表面溫度將比1850—1900年增加1.0 ℃—1.8 ℃（SSP1-1.9）到3.3 ℃—5.7 ℃（SSP5-8.5）[1]?！厩叭搜芯窟M(jìn)展】過去30年，在氣溫、降水和太陽輻射等氣象因素的綜合作用下，中國北方小麥產(chǎn)量增加了1%—13%，而南方小麥產(chǎn)量減少了1%—10%[2]。[CO2]升高可以增加小麥的地上部生物量和籽粒產(chǎn)量[3-4]。Broberg等[5]研究指出[CO2]升高使小麥產(chǎn)量增加26%，而氣溫升高使冬小麥生長期縮短[6]。溫度和[CO2]同時升高，則顯著提高灌溉冬小麥的莖部生物量，有效穗數(shù)也略有增加，但對每穗粒數(shù)、千粒重和產(chǎn)量的影響較小[7]。此外，自20世紀(jì)中葉以來，極端溫度事件發(fā)生的頻率和強度顯著增加[5, 8]，極端高溫會降低主要糧食作物（如小麥[7,9]、水稻和玉米[10]）的產(chǎn)量。通過控制試驗評估[CO2]和溫度升高對作物的長期影響較為困難，而作物模型經(jīng)過嚴(yán)格的試驗數(shù)據(jù)校驗后可對不同生長條件下的作物生長進(jìn)行長期評估[11-12]。目前，作物模型已被廣泛用于模擬未來氣候變化對小麥生產(chǎn)的影響[13-14]。Zhang等[15]采用APSIM（agricultural production systems simulator）模型研究了不同氣溫和[CO2]對小麥生長和產(chǎn)量的影響，結(jié)果表明，氣溫升高通過減少春化延長了小麥的營養(yǎng)生長期，從而使得小麥產(chǎn)量降低，而大氣[CO2]升高會使不同小麥品種的產(chǎn)量有所增加?！颈狙芯壳腥朦c】已有大量研究基于作物模型探究未來氣候變化對作物生產(chǎn)的影響，但是模型在未來氣候條件下的適用性仍有待驗證?；跉鉁睾蚚CO2]增加控制試驗對模型進(jìn)行驗證可以提高模型在未來氣候變化情景下應(yīng)用的可信度，但該方面的研究還相對較少。此外，多數(shù)研究通常只是基于單一品種來評估氣候變化對小麥生產(chǎn)系統(tǒng)的影響，未能考慮不同熟性品種的差異，無法捕捉冬小麥對溫度升高響應(yīng)的種內(nèi)差異[16]。通過不同熟性小麥品種間的比較，可以更好地反映出冬小麥對于未來氣候變化的響應(yīng)機制。【擬解決的關(guān)鍵問題】本研究基于3個冬小麥生長季的環(huán)境控制室試驗數(shù)據(jù)對作物生長模型APSIM-Wheat進(jìn)行校驗，利用校驗好的APSIM-Wheat模型來模擬評價未來氣候情景下的小麥發(fā)育期、葉面積指數(shù)（leaf area index，LAI）、生物量和產(chǎn)量的變化，分析不同未來氣候情景下極端高溫對2個不同熟性品種（早熟和晚熟）冬小麥的產(chǎn)量和產(chǎn)量構(gòu)成的影響，擬為未來氣候條件下華北地區(qū)的冬小麥生產(chǎn)和品種選擇提供理論依據(jù)。

1 材料與方法

1.1 試驗設(shè)計

試驗在山西省晉中市山西農(nóng)業(yè)大學(xué)農(nóng)作站（35°20′N，111°17′E，630 m）的人工控制氣候室進(jìn)行。在控制氣室內(nèi)使用花盆（60 cm×40 cm×30 cm）種植冬小麥，盆內(nèi)土壤深度為25 cm，供試土壤取自附近農(nóng)田0—20 cm的表層土壤。通過嚴(yán)格控制氣室的大氣溫度和[CO2]設(shè)置了4個試驗處理：1）CK（溫度為環(huán)境溫度，[CO2]約為400 μmol·mol-1）；2）EC（elevated [CO2]，溫度為環(huán)境溫度，[CO2]約為600 μmol·mol-1)；3）ET（elevated temperature，環(huán)境溫度+2 ℃，[CO2]約為400 μmol·mol-1）；4）ECT（elevated [CO2] and temperature，環(huán)境溫度+2 ℃，[CO2]約為600 μmol·mol-1）。

2017—2020年種植晚熟品種良星99，2017—2018年和2019—2020年種植早熟品種中科2011。2017、2018和2019年的播種日期分別為10月25日、10月13日和10月27日，種植密度分別為333、250和300株/m2，行間距均為0.28 m。播期基施尿素146 kg N·hm-2，拔節(jié)期追施尿素167 kg N·hm-2。灌溉時間和灌溉量根據(jù)小麥生長狀況確定，具體灌溉情況見圖1。

圖1 2017—2020年冬小麥盆栽試驗灌溉日期及灌溉量

1.2 測定項目及方法

生育期測定：小麥播種后每天對各控制氣室中的小麥生育時期進(jìn)行觀察，分別記錄播種、出苗、返青、拔節(jié)、孕穗、抽穗、開花、成熟。

葉面積指數(shù)（LAI）：關(guān)鍵生育期每盆取5株小麥，使用尺子測量小麥每片葉子的葉長和葉寬，小麥葉面積=葉長×葉寬×0.83，LAI=單盆小麥總株數(shù)×單株葉面積/花盆面積。

生物量、產(chǎn)量以及產(chǎn)量構(gòu)成的測定：在收獲期測定各氣室每盆小麥的地上生物量、產(chǎn)量、粒數(shù)和千粒重。脫粒后，以所有穗粒重測定每盆產(chǎn)量。每盆隨機選取10株小麥，測定其粒數(shù)，并選取1 000粒籽粒飽滿的小麥，測定其千粒重。

1.3 APSIM-Wheat模型

APSIM模型框架構(gòu)成包括生物物理模塊（作物模塊和土壤模塊）、管理模塊（播種、灌溉、施肥和耕作措施等田間管理）、數(shù)據(jù)輸入輸出模塊（氣象數(shù)據(jù)輸入和模擬結(jié)果輸出）以及模型引擎。該模型為可插拔式架構(gòu)，可將所需模塊插入基礎(chǔ)模型中進(jìn)行氣候變化和水分控制等模擬。APSIM模型中僅有部分作物（如小麥、燕麥和玉米）具有[CO2]變化的模擬模塊，但所有作物均可添加溫度模塊模擬溫度變化對作物生產(chǎn)的影響。

使用APSIM 7.10模型對氣候變化條件下的冬小麥生產(chǎn)進(jìn)行模擬。APSIM-Wheat模型所需數(shù)據(jù)包括氣象數(shù)據(jù)、土壤數(shù)據(jù)、作物數(shù)據(jù)以及管理數(shù)據(jù)。氣象數(shù)據(jù)包括逐日最高氣溫、最低氣溫、降水量和太陽輻射。試驗?zāi)攴輾庀髷?shù)據(jù)由控制氣室收集得到，模擬年份氣象數(shù)據(jù)來源于中國氣象局科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)（http://data.cma.cn/）。模型校驗所需土壤數(shù)據(jù)以及作物產(chǎn)量、生物量、LAI等數(shù)據(jù)由氣室田間實測得到。播種、灌溉、施肥等管理數(shù)據(jù)以及作物生育時期數(shù)據(jù)由田間觀察獲得。

使用2017—2018年良星99和中科2011，2018— 2019年良星99的播種-成熟間隔天數(shù)、產(chǎn)量、生物量和LAI等觀測數(shù)據(jù)來校準(zhǔn)模型。隨后，利用2019— 2020年良星99和中科2011的試驗觀測數(shù)據(jù)對校準(zhǔn)后的模型進(jìn)行驗證。根據(jù)實測數(shù)據(jù)，采用試錯法對模型調(diào)參，使模型模擬的播種–成熟間隔天數(shù)、生物量、產(chǎn)量和LAI等與實測數(shù)據(jù)的誤差最小，從而得到最適的品種參數(shù)，2個冬小麥品種的遺傳參數(shù)見表1。

表1 冬小麥品種良星99和中科2011的APSIM-Wheat模型遺傳參數(shù)

APSIM模型可用于模擬作物潛在產(chǎn)量，即滿足充足灌溉和施肥條件下，作物能獲得的最高產(chǎn)量。本研究中，將灌溉管理設(shè)置為充分灌溉，確保生育期無水分脅迫，在小麥生育期內(nèi)各層的土壤水分總虧缺量大于20 mm時，進(jìn)行補充灌溉，灌溉量為土壤水分虧缺量。為充分滿足作物養(yǎng)分需求，施肥設(shè)置為播前施基肥250 kg N·hm-2，拔節(jié)期追施氮肥250 N kg·hm-2，確保生育期內(nèi)無氮素脅迫，并且下茬冬小麥播種前，將土壤中的氮素情況重新設(shè)置歸于初始狀態(tài)，以減少上茬冬小麥季的殘留氮肥在土壤中累積[17]。

1.4 未來氣候情景和長期模擬

2013年IPCC報告[18]結(jié)果以1986—2005年為基準(zhǔn)期，預(yù)測了21世紀(jì)中期（2046—2065年，即2050s時段）和后期（2081—2100年，即2100s時段）的4種RCP氣候條件（representative concentration pathway scenarios），即RCP 2.6、RCP 4.5、RCP 6.0和RCP 8.5。本研究中未來氣候條件以IPCC報告（2013）為依據(jù)，不同RCP氣候條件下溫度和[CO2]如表2所示。

表2 不同RCP氣候情景中溫度和[CO2]情況

T表示當(dāng)前的環(huán)境溫度 T represents the current ambient temperature

根據(jù)表2中給出的基準(zhǔn)年份和未來時段的氣溫和[CO2]值對模型長期模擬進(jìn)行設(shè)定。針對基準(zhǔn)年份20年序列的每日平均氣溫T，將每日平均氣溫分別提高1.4 ℃、2 ℃、1.8 ℃和3.7 ℃分別對應(yīng)未來2050s時段RCP 4.5和RCP 8.5、2100s時段RCP 4.5和RCP 8.5氣候條件的氣溫數(shù)據(jù)，在基準(zhǔn)年份環(huán)境[CO2]400 mol·mol-1的基礎(chǔ)上，將上述未來4個氣候條件的[CO2]值分別設(shè)定為487、541、538和936 mol·mol-1，分別對應(yīng)上述4個氣候條件的[CO2]。共進(jìn)行了190次模擬（2品種×5情景×19生長季）。模型長期模擬使用的田間管理和土壤數(shù)據(jù)與環(huán)境控制氣室相同。

1.5 高溫年型劃分

Hawker等[19]研究表明小麥生育期臨界最高氣溫為35 ℃。根據(jù)開花期至成熟期日最高氣溫超過35 ℃的累計值（E），將試驗?zāi)攴莘譃闃O端高溫年份、高溫年份和正常年份3種高溫年型[20]，分析未來不同RCP氣候條件下不同溫度和[CO2]處理以及極端高溫對冬小麥產(chǎn)量及產(chǎn)量構(gòu)成的影響。

式中，表示天數(shù)；max為日最高溫度；T是小麥生育期最高溫度（35℃）的臨界值；為極端高溫指數(shù)；P和M分別為20年每年E和20年平均E；σ為標(biāo)準(zhǔn)差。其中，正常年份：≤-0.35；高溫年：-0.35＜＜0.35；極端高溫年：≥0.35。

溫度數(shù)據(jù)分析結(jié)果發(fā)現(xiàn)2017—2018年為正常年份，2018—2019年為極端高溫年份，2019—2020年為高溫年份，未來模擬年份的高溫年型劃分結(jié)果如表3。

表3 不同RCP氣候條件的高溫年型劃分

1.6 模型模擬評價

選擇3個指標(biāo)來評價APSIM模型對不同氣溫和[CO2]下小麥生育時期間隔天數(shù)、LAI、地上部生物量和產(chǎn)量的模擬效果[21-22]，分別為決定系數(shù)（2）（determination coefficient；公式4）、均方根誤差（root mean square error；公式5）和標(biāo)準(zhǔn)化均方根誤差（normalized root-mean-square error；公式6）。表示平均偏差占實測值均值的百分比，≤15%、15＜＜30%、≥30%分別代表模型模擬效果較好、中等、較差[23-24]。

式中，O和P分別表示每日的觀測值和模擬值；和分別為觀測值和模擬值的平均值。

2 結(jié)果

2.1 APSIM模型校準(zhǔn)與驗證

利用2017—2018和2018—2019年實測的2個冬小麥品種播種-成熟天數(shù)、產(chǎn)量、生物量和LAI對APSIM-Wheat模型參數(shù)進(jìn)行校準(zhǔn)。結(jié)果表明，4個觀測指標(biāo)的模擬值與實測值的決定系數(shù)2均大于0.5839，說明模擬值與實測值之間具有較好的相關(guān)性。播種-成熟天數(shù)、產(chǎn)量和生物量的實測值與模擬值的值均低于15.80%，表示模擬效果良好。LAI實測值與模擬值的值為21.49%，介于15%—30%，模擬效果為中等，在可接受范圍內(nèi)（圖2）。

利用2019—2020年的觀測結(jié)果對模型進(jìn)行驗證，結(jié)果表明，除LAI外，其余3個觀測指標(biāo)的模擬值與實測值的2均高于0.614，均低于10.6%，說明該模型能夠較好地模擬冬小麥播種-成熟天數(shù)及產(chǎn)量和生物量。但是LAI的模擬效果較差，模擬值與實測值的相關(guān)性較低，這可能是由于盆栽試驗對小麥生長的限制造成的（圖3）。綜上可知，APSIM模型能較好地模擬不同溫度和[CO2]處理下2個不同熟性品種冬小麥的生育期、產(chǎn)量、生物量及LAI。

圖中實線為回歸線，虛線為1﹕1線。下同 The solid line represents the regression line, and the dotted line represents the 1:1 line. the same as below

圖3 2019—2020年小麥播種–成熟天數(shù)（a）、產(chǎn)量（b）、生物量（c）以及LAI（d）的實測值和模擬值的模型驗證結(jié)果

2.2 不同RCP條件下冬小麥生育期變化

基準(zhǔn)年份和未來不同RCP氣候情景下，中科2011（早熟）和良星99（晚熟）小麥生育期每10年分別縮短5.62和6.66 d（基準(zhǔn)年份）、4.63和6.43 d（2050s和RCP 4.5）、4.36和5.60 d（2050s和RCP8.5）、4.47和5.97 d（2100s和RCP 4.5）、3.18和4.04 d（2100s和RCP 8.5）。小麥播種-拔節(jié)天數(shù)每10年分別縮短4.87和6.17 d（基準(zhǔn)年份）、4.97和6.10d（2050s和RCP 4.5）、5.14和6.14 d（2050s和RCP 8.5）、5.14和5.94 d（2100s和RCP 4.5）、4.74和5.68 d（2100s和RCP 8.5）。早熟品種小麥生育期和播種-拔節(jié)縮短的天數(shù)均小于晚熟品種，2個品種小麥的拔節(jié)–成熟天數(shù)均無明顯變化（圖4）。結(jié)果表明，未來氣溫和[CO2]升高對晚熟品種生育期的影響更大。

2.3 不同RCP條件下冬小麥產(chǎn)量和潛在產(chǎn)量的變化

基準(zhǔn)年份和未來不同RCP氣候條件下，中科2011小麥平均產(chǎn)量和平均潛在產(chǎn)量均明顯低于良星99，基準(zhǔn)年份、2050s時段RCP 4.5和RCP8.5條件、2100s時段RCP 4.5和RCP 8.5條件下，產(chǎn)量和潛在產(chǎn)量分別降低了6.3%和28.7%、9.8%和23.4%、11.2%和21.8%、10.4%和22.1%、16.9%和14.2%（圖5）。

從平均產(chǎn)量來看（圖5-a—b），2100s時段RCP 8.5氣候條件下，良星99小麥平均產(chǎn)量較基準(zhǔn)年份平均產(chǎn)量升高15.9%，其余3個未來氣候條件和基準(zhǔn)年份的平均產(chǎn)量均無明顯差異。在2050s時段RCP 8.5條件下、2100s時段RCP 4.5和RCP 8.5條件下，中科2011小麥平均產(chǎn)量分別較基準(zhǔn)年份平均產(chǎn)量升高11.3%、11.6%和21.2%。晚熟品種小麥的平均產(chǎn)量僅在2100s時段RCP8.5條件下明顯增加，而早熟品種平均產(chǎn)量除2050s時段RCP 4.5條件無明顯差異外，其余條件下產(chǎn)量均明顯增加。

從潛在產(chǎn)量來看（圖5-c—d），在2050s時段RCP 8.5條件下、2100s時段RCP 4.5和RCP 8.5條件下，良星99小麥平均潛在產(chǎn)量分別較基準(zhǔn)年份平均產(chǎn)量升高7.8%、7.7%和15.9%。在未來不同氣候條件下，中科2011小麥平均潛在產(chǎn)量均明顯高于基準(zhǔn)年份，分別提高了11.7%（2050s和RCP 4.5）、15.9%（2050s和RCP 8.5）、15.5%（2100s和RCP 4.5）和30.1%（2100s和RCP 8.5）。未來氣溫和[CO2]升高背景下，早熟和晚熟品種的潛在產(chǎn)量均較基準(zhǔn)年份明顯增加，但早熟品種的增產(chǎn)潛力更大。

圖4 不同RCP氣候條件下良星99（a、c和e）和中科2011（b、d和f）播種-成熟天數(shù)（a和b）、播種-拔節(jié)天數(shù)（c和d）和拔節(jié)-成熟天數(shù)（e和f）的變化

2.4 不同RCP情景下冬小麥LAI和地上部生物量的變化

幼苗期，與基準(zhǔn)年份相比，未來不同RCP條件下中科2011冬小麥LAI分別提高了28.1%（2050s和RCP 4.5）、37.8%（2050s和RCP 8.5）、35.4%（2100s和RCP 4.5）和58.5%（2100s和RCP 8.5），良星99分別提高了25.9%（2050s和RCP 4.5）、34.1%（2050s和RCP 8.5）、31.7%（2100s和RCP 4.5）和55.1%（2100s和RCP 8.5）。良星99小麥LAI拔節(jié)期和開花期只有2100s時段RCP 8.5條件明顯高于基準(zhǔn)年份，分別提高了22.9%和16.0%；灌漿期，不同條件下LAI均無明顯變化；灌漿結(jié)束期，未來各RCP條件均明顯低于基準(zhǔn)年份。中科2011小麥LAI在拔節(jié)期和開花期未來各RCP條件均明顯高于基準(zhǔn)條件，分別提高了12.7%和10.6%（2050s和RCP 4.5）、17.3%和17.5%（2050s和RCP 8.5）、16.9%和16.8%（2100s和RCP 4.5）、27.1%和24.1%（2100s和RCP 8.5）。中科2011在灌漿期和灌漿結(jié)束期不同條件LAI均無明顯變化（圖6-a和圖6-c）。

圖5 不同RCP氣候條件下良星99和中科2011小麥品種產(chǎn)量（a和b）和潛在產(chǎn)量（c和d）變化

良星99地上部生物量除出苗期各情景無明顯變化外，其他時期均只有2100s和RCP 8.5條件下生物量明顯高于基準(zhǔn)年份，各時期分別提高了61.0%（幼苗期）、30.0%（拔節(jié)期）、25.4%（開花期）、22.8%（灌漿期）和22.2%（灌漿結(jié)束期）。中科2011地上部生物量除出苗期各條件無明顯變化外，其他時期未來不同RCP條件生物量均明顯高于基準(zhǔn)年份（圖6-b和圖6-d）。

以上結(jié)果表明，未來氣溫和[CO2]升高主要影響了幼苗期、拔節(jié)期和開花期的LAI，早熟品種在未來氣候情景下LAI的增加幅度更明顯，晚熟品種LAI變化較早熟品種小。地上部生物量也表現(xiàn)為不同生育時期早熟品種對未來氣溫和[CO2]升高的響應(yīng)更明顯。未來氣候變化更利于早熟品種LAI和地上部生物量的增加。

2.5 不同RCP條件下極端高溫對冬小麥產(chǎn)量和產(chǎn)量構(gòu)成的影響

正常年份和高溫年份，2100s和RCP 8.5氣候條件下，良星99小麥產(chǎn)量較基準(zhǔn)年份分別升高了17.1%和21.3%（＜0.05）。極端高溫年份，未來各RCP氣候條件較基準(zhǔn)年份均無明顯差異。正常年份，2100s時段RCP 8.5氣候條件下中科2011的產(chǎn)量較基準(zhǔn)年份升高21.2%；高溫年份在2500s時段RCP 8.5氣候條件下、2100s時段RCP 4.5和RCP 8.5氣候條件下較基準(zhǔn)年份分別升高了19.4%、21.0%和24.2%（＜0.05）。極端高溫年份在未來各RCP氣候條件較基準(zhǔn)年份均無明顯差異。2100s時段RCP 8.5條件下，極端高溫年份良星99的產(chǎn)量較正常年份降低18.0%，較高溫年份降低17.7%（＜0.05）。相同RCP條件下，極端高溫年份較正常年份中科2011產(chǎn)量均降低（圖7-a—b）。極端高溫使早熟和晚熟品種的小麥產(chǎn)量均有所降低，但對早熟品種的影響較小，減產(chǎn)幅度低。

從單位面積籽粒數(shù)來看，2100s和RCP 8.5氣候條件下，良星99小麥籽粒數(shù)較基準(zhǔn)年份分別升高了17.7%（正常年份），27.3%（高溫年份）和25.5%（極端高溫年份）（＜0.05；圖7-c）。相同RCP條件下，高溫年份較正常年份良星99籽粒數(shù)分別升高了6.4%（2050s和RCP 8.5）、7.5%（2100s和RCP 4.5）和8.5%（2100s和RCP 8.5）；極端高溫年份較正常年份下籽粒數(shù)分別升高了2.4%和3.7%。正常年份，2100s和RCP 8.5條件下，中科2011籽粒數(shù)較基準(zhǔn)年份升高了21.7%（＜0.05；圖7-d）。高溫年份和極端高溫年份，2050s和RCP 4.5、2050s和RCP 8.5、2100s和RCP 8.5條件下，中科2011籽粒數(shù)較基準(zhǔn)年份均明顯升高，分別升高了19.6%和15.0%，20.8%和14.5%，26.3%和19.9%（＜0.05）。相同RCP條件下，高溫年份較正常年份中科2011籽粒數(shù)2050s時段RCP 4.5和RCP 8.5氣候條件下、2100s時段RCP 4.5和RCP 8.5氣候條件下，分別升高了0.2%，5.4%，6.8%和1.8%；除2100s時段RCP 8.5氣候條件外，極端高溫年份較正常年份分別升高了1.1%，3.5%和2.9%，差異較小。

圖6 不同RCP氣候條件下良星99和中科2011各生育時期葉面積指數(shù)（a和c）和地上部生物量（b和d）變化

2100s時段RCP 8.5氣候條件下，極端高溫年份良星99千粒重較正常年份降低18.2%（＜0.05；圖7-e）。除基準(zhǔn)年份外，在未來不同氣候條件下，極端高溫年份中科2011千粒重均低于高溫年份和正常年份，分別降低12.9%和11.1%（2050s和RCP 4.5），11.3%和12.8%（2050s和RCP 8.5），12.9%和13.2%（2100s和RCP 4.5），9.2%和6.8%（2100s和RCP 8.5）（＜0.05；圖7-f）。與小麥籽粒數(shù)相比，未來氣候變化對不同品種小麥的千粒重影響相對較小。極端高溫使早熟和晚熟品種的千粒重均有所降低，在2100s時段RCP 8.5條件下變化較明顯。高溫年份和正常年份早熟品種的籽粒數(shù)在未來氣候變化下均無明顯變化。

不同RCP氣候條件下，2個品種小麥籽粒數(shù)與生育期極端高溫指數(shù)E的相關(guān)性均不顯著（表4），2個品種開花期E與千粒重相關(guān)性較高，尤其是早熟品種中科2011。中科2011開花期E在2100s RCP 8.5條件下明顯低于其他處理（圖8），這可能是中科2011極端高溫年份籽粒數(shù)在2100s時段RCP 8.5條件下略高于其他RCP氣候情景的原因（圖7-d）。

未來不同RCP條件下，良星99千粒重只有在極端高溫年份2100s時段RCP 8.5條件下明顯低于正常年份（圖7-e），中科2011千粒重在極端高溫年份下所有未來RCP條件下均明顯低于正常年份（圖7-f）。良星99開花期E在極端高溫年份明顯高于正常年份，不同高溫年型下中科2011開花期E無明顯變化（圖8）。中科2011開花期E在極端高溫年份明顯高于正常年份和高溫年份，不同高溫年型下良星99開花期E無明顯變化（圖8-b）。這或是早熟品種在氣候變化條件下產(chǎn)量無明顯下降的原因之一。

圖7 不同RCP氣候條件下良星99（a、c和e）和中科2011（b、d和f）的模擬產(chǎn)量（a和b）、籽粒數(shù)（c和d）和千粒重（e和f）

表4 不同RCP氣候條件下小麥籽粒數(shù)和千粒重與不同階段極端高溫指數(shù)EDD的相關(guān)分析

表中數(shù)值表示不同品種在不同階段的極端高溫指數(shù)E與對應(yīng)指標(biāo)的相關(guān)性值。*表示在0.05水平顯著相關(guān)

The values in the table represent the correlation between theEof different varieties at different stages and the corresponding indicators (grain numbers and 1000-grain weight). * represents significant correlation at the 0.05 level

圖8 中科2011（a）和良星99（b）品種小麥在開花期和灌漿期的EDD分布情況

3 討論

3.1 模型的驗證效果和不確定性分析

作物模型已被廣泛應(yīng)用于模擬未來氣候變化以及極端天氣對作物生產(chǎn)的影響和栽培決策等[11-14]。本研究基于控制氣室不同氣溫和[CO2]處理的小麥盆栽試驗，根據(jù)小麥生育期實測的播種-成熟間隔天數(shù)、LAI、生物量和產(chǎn)量等數(shù)據(jù)，對APSIM模型進(jìn)行了校準(zhǔn)和驗證，在此基礎(chǔ)上模擬了未來不同氣候情景下冬小麥的生長過程及產(chǎn)量構(gòu)成等。從模型驗證結(jié)果看，APSIM模型可以較好地模擬不同溫度和[CO2]處理2個小麥品種的生育期、產(chǎn)量和生物量，但是LAI的模擬效果較差。本研究小麥生長試驗是在控制氣室的盆栽中進(jìn)行的，小麥根系僅能生長在20 cm左右的土層，小麥根系仍有較大的伸展空間，盆栽中的小麥植株雖未出現(xiàn)任何發(fā)育不良的跡象，但與田間實際的生長環(huán)境相比仍然有一定差距，這可能是模型模擬值與實測值有一定誤差的原因。

控制氣室可以精準(zhǔn)地控制大氣溫度和[CO2]，但是控制氣室內(nèi)的光照、風(fēng)速、大氣濕度等因素均與田間試驗不同，未能反映農(nóng)田的真實狀況。本研究基于控制氣室盆栽試驗的實測數(shù)據(jù)進(jìn)行模型校準(zhǔn)，可能與實際的田間小麥生長存在一定的誤差。有研究指出控制氣室試驗可能會高估[CO2]升高對作物產(chǎn)量的正效應(yīng)[25]，開放式[CO2]升高試驗（free-air CO2enrichment，F(xiàn)ACE）可以避免氣室試驗的缺陷，更為準(zhǔn)確地反映自然田間狀況下作物對[CO2]的響應(yīng)，未來冬小麥生產(chǎn)還需要進(jìn)一步田間試驗進(jìn)行驗證。

3.2 氣候變化對冬小麥地上部生物量和產(chǎn)量的影響

有研究表明，氣溫升高縮短小麥全生育期，使穗粒數(shù)和千粒重下降，進(jìn)而降低冬小麥產(chǎn)量與生物量；[CO2]升高可增加小麥產(chǎn)量和生物量[26]，CO2的肥效作用隨溫度升高生物量的增長程度增大[27]。陳新國[28]基于CERES-Wheat模型研究了新疆及黃淮海地區(qū)未來氣候條件下的小麥生長變化，結(jié)果表明，2080s時段RCP2.6到RCP8.5條件下，新疆地區(qū)冬小麥生育期內(nèi)最大葉面積指數(shù)及成熟期地上部生物量逐漸增大，黃淮海平原區(qū)SLAI相差不大但生物量逐漸增大。本研究中，未來氣候條件下小麥前期葉面指數(shù)增加，而后期葉面指數(shù)無明顯變化或小幅下降，小麥生物量在后期明顯增加，本研究不同RCP氣候條件下2個品種小麥葉面積指數(shù)以及地上部生物量的變化情況與新疆地區(qū)冬小麥變化情況基本一致。

孫昊蔚等[29]研究表明隨著氣候變化，黃土高原冬小麥種植地區(qū)2050s和2100s時段RCP4.5和RCP8.5條件下，冬小麥產(chǎn)量均呈顯著增加趨勢，2100s和RCP4.5條件下增產(chǎn)最大。Kourat等[30]利用AquaCrop模型模擬了未來氣候條件下小麥產(chǎn)量，結(jié)果表明，Setif地區(qū)RCP4.5和RCP8.5（2050s和2100s）小麥產(chǎn)量均高于基準(zhǔn)年份；但BBA地區(qū)RCP4.5產(chǎn)量較基準(zhǔn)年份降低，RCP 8.5產(chǎn)量較基準(zhǔn)年份升高。本研究2個品種小麥均在2100s時段RCP8.5條件下產(chǎn)量最高，其中，晚熟品種良星99其他RCP條件與基準(zhǔn)年份無明顯差異；早熟品種中科2011除2050s時段RCP4.5條件外均較基準(zhǔn)年份明顯增加。本研究結(jié)果與上述結(jié)果不同，可能是由于研究的小麥品種和區(qū)域差異造成的。此外，結(jié)合小麥生育期來看，本研究中未來氣候條件下2個品種的播種至拔節(jié)天數(shù)均縮短，拔節(jié)至成熟天數(shù)無明顯變化，小麥生殖生長期無明顯變化，這也可能是未來氣候變化條件下小麥產(chǎn)量增加或無明顯變化的原因。

未來氣候條件下，與晚熟品種相比，早熟品種的生育期縮短的天數(shù)更少，LAI和地上部生物量相較基準(zhǔn)年份增加更明顯，其產(chǎn)量和潛在產(chǎn)量在未來氣候情景下的增產(chǎn)效果也更明顯。由此可推測，早熟品種對未來氣溫和[CO2]升高的適應(yīng)性更好。

3.3 氣候變化下極端高溫對冬小麥產(chǎn)量及產(chǎn)量構(gòu)成的影響

He等[31]研究表明，冬小麥生長期日均溫每升高1 ℃時，產(chǎn)量、籽粒數(shù)和千粒重分別增加5.8%、4.1%和4.2%。開花期高溫脅迫下小麥產(chǎn)量的下降主要是由于穗粒數(shù)的下降引起的；灌漿期高溫脅迫下小麥產(chǎn)量的下降主要是由于千粒重下降引起的；開花灌漿雙期高溫處理下小麥的穗粒數(shù)和千粒重均呈現(xiàn)顯著下降，并導(dǎo)致產(chǎn)量降低[32]。有效穗數(shù)和穗粒數(shù)與營養(yǎng)生長長度或同期積溫?zé)o顯著相關(guān)，千粒重隨生殖生長期的延長而顯著增加[33]。曹彩云等[34]研究結(jié)果表明，開花和灌漿初期高溫主要影響冬小麥穗粒數(shù)，花后20 d左右高溫會使粒重降低，是導(dǎo)致產(chǎn)量下降幅度較大的主要原因。

本研究表明，不同RCP條件下極端高溫對2個品種冬小麥產(chǎn)量和千粒重都有一定的負(fù)影響，且開花期極端高溫對千粒重的影響最大。與正常年份相比，極端高溫年份晚熟品種在2100s和RCP8.5條件下千粒重和產(chǎn)量明顯降低，籽粒數(shù)也略有降低。未來4個RCP情景下，極端高溫均明顯降低早熟品種千粒重，但與正常年份相比極端高溫年份籽粒數(shù)略有升高，產(chǎn)量降低不明顯。氣候變化條件下極端高溫發(fā)生頻率增加，而不同RCP條件下極端高溫對早熟品種產(chǎn)量均無明顯影響。因此，未來氣候條件下早熟品種更能適應(yīng)氣候變化。

本研究利用作物模型分析了未來氣候條件下極端高溫對小麥產(chǎn)量及產(chǎn)量構(gòu)成因素的影響。然而，未來氣候變化條件下，極端低溫、極端干旱和病蟲害增加對產(chǎn)量的影響也同樣存在[35-36]。因此，若要將APSIM模型應(yīng)用到氣候變化條件下冬小麥實際生產(chǎn)，將來的研究中還應(yīng)考慮低溫和極端干旱等對冬小麥產(chǎn)量的影響。

4 結(jié)論

APSIM模型能較好地模擬不同溫度和[CO2]下2個品種冬小麥的生育期、產(chǎn)量和生物量。相較基準(zhǔn)年份，不同氣候條件下2個品種小麥的播種-拔節(jié)天數(shù)均縮短，且早熟品種小麥播種-拔節(jié)縮短的天數(shù)小于晚熟品種，兩個品種拔節(jié)-成熟天數(shù)均無明顯變化。未來不同RCP條件下2個品種小麥產(chǎn)量和潛在產(chǎn)量均增加，且2100s時段RCP8.5條件下產(chǎn)量和潛在產(chǎn)量最高，早熟品種的產(chǎn)量和潛在產(chǎn)量相較晚熟品種的增產(chǎn)效果更為明顯。與基準(zhǔn)年份相比，未來RCP條件下生育前期2個品種小麥的LAI均升高，但早熟品種LAI變化明顯，生育后期晚熟品種的LAI明顯降低，早熟品種的LAI無明顯差異；未來RCP條件下2個品種的地上部生物量均增加，早熟品種生物量增長更明顯。不同RCP條件下極端高溫對2個品種冬小麥產(chǎn)量和千粒重均有一定的負(fù)影響，且開花期極端高溫對千粒重的影響最大。與正常年份相比極端高溫年份晚熟品種2100s時段RCP8.5條件下千粒重和產(chǎn)量明顯降低，籽粒數(shù)也略有降低。未來RCP條件下極端高溫均明顯降低早熟品種千粒重，但與正常年份相比極端高溫年份籽粒數(shù)略有升高，產(chǎn)量降低不明顯?？傊?，未來氣候條件下早熟品種更能適應(yīng)氣候變化。

[1] IPCC. Summary for Policymakers//Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [Masson-Delmotte, V., P. Zhai, A. Pirani, S.L. Connors, C. Péan, S. Berger, N. Caud, Y. Chen, L. Goldfarb, M.I. Gomis, M. Huang, K. Leitzell, E. Lonnoy, J.B.R. Matthews, T.K. Maycock, T. Waterfield, O. Yelek?i, R. Yu, and B. Zhou (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 2021.

[2] Tao Fl, Zhang Z,Xiao DP,Zhang S,R?tter R P, Shi WJ,Liu YJ,Wang M,Liu FS,Zhang H. Responses of wheat growth and yield to climate change in different climate zones of China, 1981-2009. Agricultural and Forest Meteorology, 2014(189/190): 91-104.

[3] Blandino M, Badeck F W, Giordano D, Marti A, Rizza F, Scarpino V, Vaccino P. Elevated CO2impact on common wheat (L.) yield, wholemeal quality, and sanitary risk. Journal of Agricultural and Food Chemistry, 2020, 68(39): 10574-10585.

[4] Maphosa L, Fitzgerald G J, Panozzo J, Partington D, Walker C, Kant S. Genotypic response of wheat under semi-arid conditions showed no specific responsive traits when grown under elevated CO2. Plant Production Science, 2019, 22(3): 333-344.

[5] Broberg M C, H?gy P, Feng Z Z, Pleijel H. Effects of elevated CO2on wheat yield: Non-linear response and relation to site productivity. Agronomy, 2019, 9(5): 243.

[6] Mo F, Sun M, Liu X Y, Wang J Y, Zhang X C, MA B L, Xiong Y C. Phenological responses of spring wheat and maize to changes in crop management and rising temperatures from 1992 to 2013 across the Loess Plateau. Field Crops Research, 2016, 196: 337-347.

[7] Tan K Y, Fang S B, Zhou G S, Ren S X, Guo J P. Responses of irrigated winter wheat yield in North China to increased temperature and elevated CO2concentration. Journal of Meteorological Research, 2015, 29(4): 691-702.

[8] Guo S B, Yang X G, Zhang Z T, Zhang F L, Liu T. Spatial distribution and temporal trend characteristics of agro-climatic resources and extreme climate events during the soybean growing season in northeast China from 1981 to 2017. Journal of Meteorological Research, 2020, 34(6): 1309-1323.

[9] Dubey R, Pathak H, Chakrabarti B, Singh S, Gupta D K, Harit R C. Impact of terminal heat stress on wheat yield in India and options for adaptation. Agricultural Systems, 2020, 181: 102826.

[10] Poudel M P, Chen S E, Huang W C. Climate influence on rice, maize and wheat yields and yield variability in Nepal. Journal of Agricultural Science and Technology, 2014, 4(1): 38-48.

[11] Christy B, Tausz-Posch S, Tausz M, RichardsR, RebetzkeG, CondonA, McLeanT, FitzgeraldG, BourgaultM, O'LearyG.Benefits of increasing transpiration efficiency in wheat under elevated CO2for rainfed regions. Global Change Biology, 2018, 24(5):1965-1977.

[12] Zhao Z G, Rebetzke G J, Zheng B Y, Chapman S C, Wang E L. Modelling impact of early vigour on wheat yield in dryland regions. Journal of Experimental Botany, 2019, 70(9): 2535-2548.

[13] Tang X P, Liu H J. Spatial-temporal distribution of climate suitability of winter wheat in North China Plain for current and future climate scenarios. Theoretical and Applied Climatology, 2021, 143(3): 915-930.

[14] Xiao D P, Liu D L, Wang B, Feng P Y, Bai H Z, Tang J Z. Climate change impact on yields and water use of wheat and maize in the North China Plain under future climate change scenarios. Agricultural Water Management, 2020, 238: 106238.

[15] Zhang Y, Feng L P, Wang J, Wang E L, Xu Y L. Using APSIM to explore wheat yield response to climate change in the North China Plain: the predicted adaptation of wheat cultivar types to vernalization. The Journal of Agricultural Science, 2013, 151(6): 836-848.

[16] Rezaei E E, Siebert S, Hüging H, Ewert F. Climate change effect on wheat phenology depends on cultivar change. Scientific Reports, 2018, 8: 4891.

[17] 張玲玲. 黃土高原冬小麥產(chǎn)量差及其水氮利用效率分析[D]. 北京: 中國科學(xué)院大學(xué), 2019.

ZHANG L L. Analysis on yield gaps and its water and nitrogen use efficiency of winter wheat in loess plateau[D]. Beijing: University of Chinese Academy of Sciences, 2019. (in Chinese)

[18] IPCC. Summary for Policymakers//Climate Change 2013: The physical science basis. contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change [Stocker,T.F., D. Qin, G.-K. Plattner, M. Tignor, S.K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex and P.M. Midgley (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 2013.

[19] Hawker J S, Jenner C F. High temperature affects the activity of enzymes in the committed pathway of starch synthesis in developing wheat endosperm. Function Plant biology, 1993, 20(2): 197-209.

[20] Lobell D B, Hammer G L, McLean G, Messina C, Roberts M J, Schlenker W. The critical role of extreme heat for maize production in the United States. Nature Climate Change, 2013, 3(5): 497-501.

[21] 羅榮鑫, 聶志剛, 孔好珍, 胡勇, 王雪娜, 陳凱陽. 基于APSIM模型分析不同降水年型下日最高溫度變化對旱地春小麥產(chǎn)量的影響. 南方農(nóng)業(yè), 2021, 15(14): 1-4.

LUO R X, NIE Z G, KONG H Z, HU Y, WANG X N, CHEN K Y. Analysis of the effect of daily maximum temperature change on spring wheat yield in dryland under different precipitation years based on APSIM model. South China Agriculture, 2021, 15(14): 1-4. (in Chinese)

[22] Tang J Z, Xiao D P, Wang J, Fang Q X, ZHANG J, Bai H Z. Optimizing water and nitrogen managements for potato production in the agro-pastoral ecotone in North China. Agricultural Water Management, 2021, 253(6): 106945.

[23] Yang J M, Yang J Y, Liu S, Hoogenboom G. An evaluation of the statistical methods for testing the performance of crop models with observed data. Agricultural Systems, 2014, 127: 81-89.

[24] SHI X R, LI X K, GUO C, FENG P Y, HU K L. Modeling ammonia volatilization following urea and controlled-release urea application to paddy fields. Computers and Electronics in Agriculture, 2022, 196: 106888.

[25] BUNCE J A. Responses of soybeans and wheat to elevated CO2in free-air and open top chamber systems. Field Crops Research, 2016, 186: 78-85.

[26] 宗毓錚, 張函青, 李萍, 張東升, 林文, 薛建福, 高志強, 郝興宇. 大氣CO2與溫度升高對北方冬小麥旗葉光合特性、碳氮代謝及產(chǎn)量的影響. 中國農(nóng)業(yè)科學(xué), 2021, 54(23): 4984-4995.

ZONG Y Z, ZHANG H Q, LI P, ZHANG D S, LIN W, XUE J F, GAO Z Q, HAO X Y. Effects of elevated atmospheric CO2concentration and temperature on photosynthetic characteristics, carbon and nitrogen metabolism in flag leaves and yield of winter wheat in North China. Scientia Agricultura Sinica, 2021, 54(23): 4984-4995. (in Chinese)

[27] 劉玉潔, 陶福祿. 氣候變化對小麥生物量影響的概率預(yù)測和不確定性分析. 地理學(xué)報, 2012, 67(3): 337-345.

LIU Y J, TAO F L. Probabilistic assessment and uncertainties analysis of climate change impacts on wheat biomass.Acta Geographica Sinica, 2012, 67(3): 337-345. (in Chinese)

[28] 陳新國. 氣象和農(nóng)業(yè)干旱對冬小麥生長和產(chǎn)量的影響[D]. 楊凌: 西北農(nóng)林科技大學(xué), 2021.

CHEN X G. Effects of meteorological and agricultural drought on winter wheat growth and yield[D]. Yangling: Northwest A&F University, 2021. (in Chinese)

[29] 孫昊蔚, 馬靖涵, 王力. 未來氣候變化情景下基于APSIM模型的黃土高原冬小麥適宜種植區(qū)域模擬. 麥類作物學(xué)報, 2021, 41(6): 771-782.

SUN H W, MA J H, WANG L. Simulation of suitable planting area of winter wheat under climate change in the loess plateau based on APSIM model. Journal of Triticeae Crops, 2021, 41(6): 771-782. (in Chinese)

[30] Kourat T, Smadhi D, Mouhouche B, Gourari N, MOSTOFA Amin M G, Bryant C R. Assessment of future climate change impact on rainfed wheat yield in the semi-arid Eastern High Plain of Algeria using a crop model. Natural Hazards, 2021, 107(3): 2175-2203.

[31] He D, Fang S B, Liang H Y, Wang E L, Wu D. Contrasting yield responses of winter and spring wheat to temperature rise in China. Environmental Research Letters, 2020, 15(12): 124038.

[32] 王安寧. 開花灌漿期雙期高溫脅迫對小麥生長發(fā)育和產(chǎn)量形成的影響研究[D]. 南京: 南京農(nóng)業(yè)大學(xué), 2018.

WANG A N. Effects of heat stress at anthesis-grain filling stage on development, growth and yield formation in wheat[D]. Nanjing: Nanjing Agricultural University, 2018. (in Chinese)

[33] 孫倩, 黃耀, 姬興杰, 成林. 氣候變化背景下河南省冬小麥品種更新特征. 氣候變化研究進(jìn)展, 2014, 10(4): 282-288.

SUN Q, HUANG Y, JI X J, CHENG L. Characteristic of winter wheat cultivar shift in Henan province under climate change. Progressus Inquisitiones DE Mutatione Climatis, 2014, 10(4): 282-288. (in Chinese)

[34] 曹彩云, 黨紅凱, 鄭春蓮, 李科江, 馬俊永. 階段高溫對不同小麥品種產(chǎn)量的影響及其耐熱性差異研究. 麥類作物學(xué)報, 2020, 40(3): 351-364.

CAO C Y, DANG H K, ZHENG C L, LI K J, MA J Y. Impacts of high temperature in different periods on yield and evaluation of heat tolerance in wheat varieties. Journal of Triticeae Crops, 2020, 40(3): 351-364. (in Chinese)

[35] Fu D X, Ding Y H. The study of changing characteristics of the winter temperature and extreme cold events in China over the past six decades. International Journal of Climatology, 2021, 41(4): 2480-2494.

[36] Caubel J, Launay M, Ripoche D, Gouache D, Buis S, Huard F, Huber L, Brun F, Bancal M O. Climate change effects on leaf rust of wheat: Implementing a coupled crop-disease model in a French regional application. European Journal of Agronomy, 2017, 90: 53-66.

Investigation on the Effects of Climate Change on the Growth and Yield of Different Maturity Winter Wheat Varieties in Northern China Based on the APSIM Model

SHI XinRui, HAN BaiShu, WANG ZiQian, ZHANG YuanLing, LI Ping, ZONG YuZheng, ZHANG DongSheng, GAO ZhiQiang, HAO XingYu

College of Agriculture, Shanxi Agricultural University, Taigu 030801, Shanxi

【Objective】This study aims to clarify the impacts of climate change on the growth, development and yield of winter wheat of different maturity, so as to provide a theoretical basis for the sustainable production of wheat under future climate change. 【Method】The data about growth of two winter wheat varieties of Liangxing 99 (late-maturing) and Zhongke 2011 (early-maturing), soil, and meteorology, which were observed under different temperatures and [CO2] treatments in the open top chamber in 2017-2020, were used to calibrate and validate the APSIM (agricultural production systems simulator) model. Then the verified model was used to simulate winter wheat yield, yield composition and phenology dates under different future climate conditions (RCP 4.5 and RCP 8.5) with a baseline period of 1986-2005. And the impacts of climate change and extreme high temperature on the production potential of different maturity winter wheat varieties were analyzed. 【Result】The APSIM model was able to well simulate the phenology, yield and biomass under different air temperature and [CO2] treatments since the simulated and measured values of2were higher than 0.614 and the values ofwere all lower than 10.6%. However, the simulation result of leaf area index (LAI) was relatively poor. For the long-term simulation results, under different climate conditions, the days from sowing to jointing were shorter than the baseline for two wheat varieties. The shortened days of early-maturing variety were smaller than those of late-maturing variety. There was no obvious change in the days from jointing to maturity between the two varieties. The yield and potential yield of the two wheat varieties were higher under the future RCP conditions than under the baseline period. The yield and potential yield were the highest under the RCP 8.5 condition in 2100s. The yield and potential yield of early-maturing variety were more remarkably increased than those of late-maturing variety. Compared with the baseline, the LAI values of the two wheat varieties increased in the early growth stage. Then, the LAI of the late-maturing variety decreased obviously in the late growth stage, while the LAI of the early-maturing variety had no obvious difference. The aboveground biomass of the two wheat varieties both increased, and the early-maturing variety increased more remarkably than the late-maturing variety. Under different RCP conditions, extreme high temperature had negative impacts on the yield and 1 000-grain weight of the two varieties of winter wheat. Extreme high temperature at flowering stage had the greatest impact on 1 000-grain weight. Compared with the normal years, the 1 000-grain weight and yield of late-maturing variety decreased obviously in extreme-high-temperature years under the RCP 8.5 condition in 2100s, while the grain number also decreased slightly. Under different RCP conditions, compared with the normal years, extreme high temperature obviously reduced the 1 000-grain weight of early-maturing variety but slightly increased the grain numbers. Thus, yield reduction of early-maturing wheat variety in extreme high temperature years was not obvious. 【Conclusion】Early-maturing variety of winter wheat will be more adaptable to future climate change. Thus, breeding of wheat varieties to adapt to climate change is one of the effective measures to cope with future climate change.

climate change; extreme high temperature; winter wheat variety; yield; APSIM model

10.3864/j.issn.0578-1752.2023.19.006

2023-01-16；

2023-05-11

國家自然科學(xué)基金面上項目（31971773）、山西省回國留學(xué)人員科研資助項目（2022-107）、山西省基礎(chǔ)研究計劃青年基金（20210302124656）、山西省高等學(xué)?？萍紕?chuàng)新項目（2021L111）、山西省博士畢業(yè)生來晉工作獎勵項目（SXBYKY2022024）、山西農(nóng)業(yè)大學(xué)博士科研啟動項目（2021BQ81）

史鑫蕊，E-mail：shixinrui1992@163.com。通信作者郝興宇，E-mail：haoxingyu1976@126.com

（責(zé)任編輯 楊鑫浩，李莉）