基于DSSAT模型的关中地区冬小麦单产模拟及其影响因子*

陈佳俊，史晓亮，丁 皓，史孟琦

基于DSSAT模型的关中地区冬小麦单产模拟及其影响因子*

陈佳俊，史晓亮**，丁 皓，史孟琦

（西安科技大学测绘科学与技术学院，西安 710054）

基于陕西关中地区冬小麦种植区域内2个田间试验点的大田试验和均匀分布的11个气象站点逐日气象等数据，利用DSSAT模型确定冬小麦品种遗传参数，继而模拟2001−2019年各站点冬小麦的关键物候期和单产，并分别运用M−K检验与Sen趋势分析法从站点和区域尺度揭示其时空演变特征与规律。在此基础上，利用灰色关联法和多元线性回归分析法，探究各生长阶段影响模拟单产的敏感气象因子及其贡献率。结果表明：（1）冬小麦开花期、成熟期和单产模拟结果的RRMSE平均值在杨凌（关中平原）田间试验点分别为0.91%、0.98%和7.87%，在长武（渭北旱塬）田间试验点分别为2.39%、1.35%和9.30%。区域物候模拟关中平原和渭北旱塬的冬小麦开花期和成熟期RRMSE分别为3.2%和3.0%，R2分别为0.71和0.73，区域单产的RRMSE分别为23.6%和11.2%。（2）武功站冬小麦播种−开花期和成熟期呈现推迟趋势，速率分别为0.70d·10a−1和0.22d·10a−1，而在其余站点均表现为提前趋势；关中平原和渭北旱塬各站点播种−开花期提前趋势分别达到2.30d·10a−1、1.20d·10a−1，播种−成熟期提前趋势均为0.60d·10a−1，关中平原物候期提前趋势高于渭北旱塬。模拟单产在蒲城、渭城站呈减少趋势，而在其余站点则表现为增加趋势；区域单产最低值和最高值分别出现在2013年和2017年。（3）多数站点日平均气温、日最低气温的增加在冬前生长期会促进冬小麦增产；日最高气温和总降水量的增加在越冬期对增产贡献较大；在返青抽穗期日最高气温升高会导致冬小麦严重减产，但相对湿度增加则会促进增产；多数站点日平均气温、日最低气温和日最高气温的增加在灌浆成熟期都会导致冬小麦减产。温度是影响关中地区冬小麦产量的主控因子，并在不同生长阶段对产量的影响差异较大。

DSSAT；关中地区；气象因子；物候期；冬小麦产量

粮食安全对于中国经济社会的稳定发展至关重要，2022年“中央一号”文件指出，要牢牢守住保障国家粮食安全这条底线，全力抓好粮食生产和重要农产品供给[1]。中国作为农业大国，小麦是主要口粮作物之一，播种面积约占粮食作物播种面积的22%，约占粮食总产的21%[2]。农业发展对自然环境特别是气候条件具有较强的依赖性[3]，作物产量与关键生育期气候条件密切相关[4]。全球气候变化背景下明晰作物产量和气候因素之间的关系，对于确保粮食安全具有重要意义。

国内外关于气候变化对作物产量影响的传统研究方法主要包括统计模型和作物生长模型[5]。统计模型是根据特定区域的历史观测数据，建立作物产量与气象因子之间的函数关系[6−7]，此类模型属经验统计模型，缺乏作物生长受气象条件约束的机理机制描述，且在不同年份、不同地区或不同作物上的可扩展性和精确度有限。作物生长模型可较好地反映作物生育进程、产量与气候因子变化的动态定量关系[8]，其中农业技术转移决策支持系统（Decision Support System for Agrotechnology Transfer，DSSAT）已广泛应用于全球区域气候变化对作物生产的影响研究[9]。徐瑞阳等[10]利用DSSAT模型研究发现东北马铃薯潜在产量减产的主要因子是平均温度；谭红等[11]基于DSSAT模型模拟气候变化对棉花产量影响，发现光热资源的增加有利于增产；Yang等[12]基于DSSAT模拟1979−2014年埃塞俄比亚小麦产量，认为生长季降水与产量呈负相关。也有研究学者利用全球气候模式生成的不同排放情景下未来气象数据，驱动作物生长模型分析未来气候情景下气候条件对农业生产的潜在影响[13−14]。刘文茹等[15]利用DSSAT模型结合未来气候情景，发现2021−2050年长江中下游地区积温增加在一定范围内对冬小麦产量有促进作用；李阔等[16−17]基于CMIP5的5个模式下RCPs气候情景，结合DSSAT模拟模型分析了在1.5℃与2.0℃升温变化下中国和全球玉米产量的空间特征，结果均表明2.0℃情景下玉米减产的风险远高于1.5℃情景；Ayankojo等[18]基于多个全球气候情景和DSSAT模型模拟了未来气候对马里科帕棉花产量的影响，研究认为升温会导致棉花减产。近年来，越来越多的学者利用遥感数据同化技术，将作物模拟模型的单点结果扩展到区域尺度，评价不同环境因子对农业生产的影响，拓展了作物生长模型的应用尺度，有效提高了作物产量的估算精度。Chen等[19]结合作物模型、遥感叶面积指数及天气预报，提高了华北平原冬小麦产量预测的精度。以往研究多侧重于全生育期气象因素与最终产量的关系分析，但冬小麦产量是全生育期内各生长阶段环境综合影响的结果，不同生育期气候条件差异均会影响冬小麦农艺性能和产量[7]。因此，有必要基于不同生育期开展气象因素与冬小麦产量的关系研究。

关中地区是陕西重要的优质小麦生产基地之一，气候成因变化复杂，夏季高温多雨，冬季温和少雨[20]。全球气候变化背景下1961−2014年陕西省暖干化趋势明显，日照时数及风速均呈显著下降趋势[21]，气候条件的显著变化必然会影响关中地区农业生产[22]。目前该地区不同生育期内气象因子对冬小麦产量的影响过程尚不明确，而作物生长模型能够反映土壤条件、作物品种、管理方式等参数不变情况下，仅由气象条件引起的作物产量变化，模拟结果具有定量化、可比性强、可信度高等优势[23]。鉴于此，本研究基于杨凌（关中平原）和长武（渭北旱塬）共2个田间试验点的大田试验数据，利用DSSAT模型确定关中地区冬小麦品种遗传参数，从站点和区域尺度分析2001−2019年关中地区11个气象站点冬小麦物候期和产量的时空变化特征，探讨不同生长阶段敏感气象因子对冬小麦模拟单产的影响，以期为该地冬小麦生产应对气候变化提供科学依据。

1 材料与方法

1.1 研究区概况

关中地区位于陕西省中部（106°18'E−110°38'E、33°35'N−35°52'N），涉及西安、宝鸡、咸阳、渭南和铜川5个行政市区，总面积约5.54×106hm2，南北两侧分别是秦巴山脉和渭北山系，中部为平原。属亚热带季风气候区，年平均温度在11～13℃；年均降水量为500～700mm，多集中在6−9月，属于典型少雨缺水型区域[24]。选取关中地区冬小麦种植区域内2个田间试验点和均匀分布的11个气象站点，依地形地貌和降水分布的差异，将其分为关中平原灌溉区和渭北旱塬雨养区[25]，气象站点蒲城、渭城、武功、华阴、凤翔和太白站属于关中平原灌溉区，其余气象站点属于渭北旱塬雨养区。杨凌田间试验点位于关中平原，长武田间试验点位于渭北旱塬（图1）。

图1 陕西关中地区区域概况和站点分布

1.2 数据来源

关中地区2000−2019年11个气象站点逐日气象数据来源于中国气象数据网（http://data.cma.cn），包括最高、最低和平均温度（℃）、降水量（mm）、日照时数（h）和平均相对湿度（%）。日照时数按照国际公认的经验公式转为太阳辐射，计算式为[26]

式中，Q为日总辐射量（kJ×cm−2）；Q0为日天文辐射量（kJ×m−2×d−1）；a和b为经验系数，关中地区取值为0.18和0.59[27]；n为站点实际逐日日照时数（h）；N为逐日可接受太阳最大时长（h）。

杨凌（关中平原）、长武（渭北旱塬）2个冬小麦田间试验点数据主要包括品种、施肥、播种日期、播种密度和灌溉处理[25,28]（表1），当地实时记录逐日气象数据、田间测定土壤数据（黏粒、粉粒、容重、凋萎系数和田间持水率等）、开花期、成熟期、产量和地上部生物量等，分别来自西北农林科技大学旱区农业水土工程教育部重点试验室和陕西省长武县农业生态试验站。其中，冬小麦开花期、成熟期、产量和地上部生物量等数据用于DSSAT模型对田间试验点冬小麦品种参数的校正和验证，由于缺少长武田间试验的生物量实测数据，采用杨凌2012−2013年冬小麦生长季的生物量实测数据进行生物量的模拟验证。

11个气象站点的土壤数据采用国家青藏高原科学数据中心（https://data.tpdc.ac.cn）提供的基于世界土壤数据库（HWSD）土壤数据集（V1.2）[29]和面向陆面过程模型的中国土壤水文数据集[30]。栽培管理数据来源于文献和当地实际生产调研数据[31−33]，包括当地主要栽培品种的播种日期（9月下旬−10月上旬）、播种方式（沟播）、播种密度（350～400株×m−2）、灌水日期（冬灌）、灌溉量、施肥日期（播种前一天）和施肥量等。灌溉量数据来自陕西省水资源公报，采用当地多年平均冬小麦灌溉量输入模型，时间为冬灌。

表1 模型校正和验证所涉及冬小麦田间试验点的基本信息

注：杨凌站小麦品种为小偃Xiaoyan22，播种密度为400粒·m−2，氮肥施用量为140kg·hm−2；长武站2004和2005年小麦品种为长武89134，2007和2008年品种为长旱58，播种密度均为350粒·m−2，氮肥施用量均为138kg·hm−2。

Note: At Yanling station，the cultivar is Xiaoyan22, sowing density is 400 seeds·m−2and nitrogen fertilizer is 140kg·ha−1in each experiment year. At Changwu station, the cultivar is Changwu89134 in 2004 and 2005 and is Changhan58 in 2007 and 2008, sowing density is 350 seeds·m−2and nitrogen fertilizer is 138kg·ha−1in each experiment year.

选取韩城、永寿、蒲城、武功和凤翔等站点的实测物候数据用于模型对区域气象站点冬小麦物候模拟的验证，来源于中国气象数据网（http://data. cma.cn）的中国农作物生长发育和农田土壤湿度旬值数据集，对于区域气象站点冬小麦产量模拟验证采用公开发表的文献统计[25,34−35]。

1.3 研究方法

1.3.1 作物模型及情景设置

DSSAT模型由气象模块、土壤模块、作物管理模块和试验模块四个部分组成，可用于模拟42种作物生长发育过程[36−37]。DSSAT−CERES−Wheat是DSSAT模型的子模块之一，以日为步长模拟冬小麦逐日动态生长过程，输出结果包括冬小麦各物候期、生长过程中累积生物量、叶面积指数和收获时的产量等。基于杨凌和长武两个田间试验点的冬小麦开花期、成熟期和产量等数据，利用DSSAT模型对冬小麦品种遗传参数校正和验证，进而确定两个田间试验点的冬小麦品种遗传参数。

已有研究表明，冬小麦在充分灌溉和前期未受旱的条件下对模型校正的参数较为精确[28]。因此，田间试验点数据在杨凌选用（关中平原）2012−2013年和2013−2014年充分灌溉组（T1和T2）校正冬小麦品种遗传参数，选取灌水处理分别为高灌溉（80mm）且拔节抽穗时段受旱（T3和T5）、高灌溉（80mm）且抽穗灌浆时段受旱（T4和T6）组作为验证；选用长武（渭北旱塬）2004−2005年和2005−2006年试验数据校正其冬小麦品种遗传参数，选用2007−2008年及2008−2009年的试验数据作为验证。利用DSSAT−GLUE模块开展模型调参工作，参数调试频次设为两轮6000次运行，第一轮调试主要用于调整作物物候参数，第二轮调试主要用于作物生长参数估算。

在田间试验点模拟验证的基础上，将确定的冬小麦品种遗传参数应用于同区域气象站点[10]，对同区域气象站点冬小麦模拟求平均值作为区域模拟结果[25]。利用公开发表的文献资料及部分气象站点（韩城、永寿、蒲城、武功和凤翔）冬小麦物候期实测结果进行区域验证。

采用相对均方根误差（RRMSE）和决定系数（R2）来评定冬小麦开花期、成熟期和单产的模拟精度[38]。

式中，n为样本数量；Si为第i个模拟值；Oi为第i个观测值，为观测值的平均值。RRMSE的值越小，表明模型模拟精度越高[28]。

1.3.2 趋势分析

Theil-Sen Median方法，又称Sen斜率估算法，是非参数统计的趋势计算方法，多用于长时间序列数据的趋势分析中[39]。虽然Sen斜率估算法有较强的抗噪性，但不能判断序列趋势显著性。Mann- Kendall（M-K）一般用于检验长时间序列数据的显著性趋势[40]，当统计量|Z|>1.96时，表示通过95%置信度的显著性检验。结合Sen趋势度与M-K趋势分析法，分析冬小麦物候期和产量的时空变化特征。

1.3.3 灰色关联分析法

灰色关联分析法是灰色系统理论的具体应用，主要通过分析母序列与其余指标序列的灰色关联度，度量两个因素间关联性大小。灰色关联度值介于0～1之间，值越大表明该指标对构建的灰色系统影响越大，即两个因素间关系越紧密[10]。采用灰色关联法分析冬小麦产量与不同生长阶段气象因子（日平均气温、日最低气温、日最高气温、日相对湿度、总太阳辐射、总降水量和总日照时数）之间的关系，确定影响冬小麦产量的敏感气象因子。

1.3.4 多元回归分析

多元回归分析是用来拟合产量与敏感气象因子之间的定量关系，若敏感气象因子间存在共线性则进行岭回归建模，保证回归方程系数的准确性。选取冬小麦单产和不同生长阶段的气象因子分别作为被解释变量Y和解释变量X，运用贡献率指标量化气象因子对产量的影响程度，其中贡献率指气象因子回归系数所占其余回归系数绝对值之和的百分比[7]，计算式为

式中，n表示气象因子个数；ai表示第i个气象因子回归系数；wi表示贡献率，wi>0表示气象要素对冬小麦产量为正影响，wi<0则为负影响。

2 结果与分析

2.1 模型在田间试验点的校正与验证

杨凌和长武田间试验点冬小麦品种遗传参数的校正与验证结果如表2所示。由表可知，杨凌冬小麦校正时开花期和成熟期模拟值与观测值最大相差1d，RRMSE分别为0.36%和0.31%；模型验证时，杨凌开花期模拟值与观测值最大相差3d，成熟期模拟值与观测值间最大相差4d，RRMSE分别为1.45%和1.65%；校正和验证模拟与观测产量时，RRMSE分别为4.14%和11.6%。长武冬小麦校正时开花期模拟值与观测值最大相差10d，成熟期模拟值与观测值最大相差2d，RRMSE分别为3.17%和0.76%；模型验证时，长武开花期模拟值与观测值最大相差5d，成熟期模拟值与观测值最大相差7d，RRMSE分别为1.61%和1.93%；校正和验证模拟与观测产量时，RRMSE分别为7.72%和10.9%。计算RRMSE平均值可知，杨凌田间试验点的开花期、成熟期和产量的RRMSE平均值均低于长武田间试验点。

利用杨凌田间试验点2012−2013年冬小麦动态生物量的实测值，进一步验证了DSSAT模型对冬小麦生物量的模拟精度。由图2可知，2012− 2013年充分灌溉条件下（T1）冬小麦生物量实测和模拟值的R2和RRMSE分别为0.99和15.3%；高灌溉（80mm）且抽穗灌浆时段受旱条件下（T4），R2和RRMSE分别为0.98和16.4%。可以看出，DSSAT模型可以较好地模拟冬小麦生物量动态变化过程。

基于以上2个田间试验点的模拟试验，确定杨凌（关中平原）田间试验点冬小麦品种“小偃22”和长武（渭北旱塬）田间试验点冬小麦品种“长武89134和长旱58”的遗传参数如表3所示。

2.2 模型区域验证

基于田间试验点确定的冬小麦品种遗传参数，模拟关中地区11个气象站点冬小麦的物候期和产量，并在区域尺度验证模拟精度。图3为冬小麦开花期和成熟期模拟的区域验证结果，关中平原和渭北旱塬冬小麦播种−开花期历时分别为180～215d和195～240d，播种−成熟期历时分别为220～250d和230～280d。冬小麦开花期RRMSE为3.2%，R2为0.71，成熟期RRMSE为3.0%，R2为0.73。由此表明，将田间试验点确定的冬小麦品种遗传参数扩展至区域气象站点后，对开花期、成熟期的模拟结果较可靠。

注：DAS表示播种后天数。下同。

Note: DAS indicates the number of days after seeding. The same as below.

图2 2012−2013生长季杨凌田间试验点冬小麦生物量动态观测值与模拟值变化

表3 冬小麦品种遗传参数

注：P1V表示最适宜温度条件下通过春化阶段所需天数（d）。P1D表示光周期参数（%）。P5：籽粒灌浆期积温（℃·d）。G1：开花期单位株冠质量的籽粒数（Nr.·g−1）。G2：最佳条件下标准籽粒质量（mg）。G3：成熟期非胁迫下单株茎穗标准干质量（g）。PHINT：完成一片叶生长所需积温（℃·d）。

Note: P1V (d) indicates the number of days required to pass the vernalization stage under optimum temperature conditions. P1D (%) indicates the photoperiod parameter. P5: Cumulative temperature during seed filling (℃·d). G1:Number of seeds per plant crown mass at flowering (Nr.·g−1). G2: Standard seed mass under optimal conditions (mg). G3:Standard dry mass (g) of single stem spike under non-stress at maturity. PHINT: The cumulative temperature required to complete the growth of a leaf (℃·d).

图3 关中地区冬小麦物候期模拟值与观测值对比

据文献记载[25,34−35]，国家区域试验报告中黄淮冬小麦旱薄地组显示[25]，陕西旱地冬小麦单产约为4500kg·hm−2。地处关中平原地区的扶风县2000−2009年冬小麦平均单产约为7000kg·hm−2[34]。2005−2009年陕西省测土配方施肥项目53个县冬小麦调查表明[35]，渭北旱塬、关中平原灌区平均产量最高分别达5422kg·hm−2、7474kg·hm−2。表4为冬小麦单产的区域验证结果，通过与上述历史记录比较，关中平原和渭北旱塬产量模拟值与统计值的RRMSE值分别为23.6%和11.2%，表明DSSAT作物模型适用于关中地区冬小麦产量模拟。综上，田间试验点确定的冬小麦品种遗传参数可以应用于同区域气象站点开花期、成熟期和单产的模拟，实现由点到面的扩展。

2.3 冬小麦物候期和单产的变化特征

利用经验证的DSSAT模型和冬小麦品种遗传参数模拟了关中地区11个气象站点2001−2019年冬小麦物候期和产量。从图4可以看出，冬小麦播种−开花期较晚的站点主要分布在渭北旱塬和关中平原最南部（华阴和太白），播种−开花期超过214d的包括陇县、耀州、永寿、长武、华阴和太白等站点，其中长武和华阴分别为235d和241d，明显晚于其余站点；韩城和凤翔播种−开花期超过200d，分别为208d和203d；关中平原蒲城、渭城和武功的播种−开花期早于200d（图4a1）。武功站播种−开花期的时间呈推迟趋势，速率达到了0.7d·10a−1，但未通过95%的显著性检验，而其余站点均呈现出提前趋势，其中提前趋势显著的站点包括陇县、长武、渭城、凤翔，且均超过了2.7d·10a−1，尤以渭城提前趋势最大，达到了4.7d·10a−1。播种至开花期提前趋势较大的站点主要位于研究区西北部，而东部站点提前趋势不显著（图4a2）。

表4 冬小麦产量的区域验证

注：统计值a根据文献[25]和[34]；统计值b根据文献[35]。

Note: Statistic a indicates the output of reference [25] and [34]; Statistic b indicates the output of reference [35].

图4 2001−2019年各站点开花期和成熟期的平均值及变化趋势的空间分布

注：*表示通过0.05水平的显著性检验。

Note：*indicates passing the significance test of 0.05.

由图4b1可知，成熟期较晚的站点主要分布在渭北旱塬和关中平原南部（华阴和太白），且播种至成熟期超过244d的站点有陇县、耀州、永寿、长武、华阴和太白，其中华阴、太白和长武明显晚于其余站点，分别为283d、266.1d和266d；关中平原除了华阴和太白外其余站点播种至成熟期均早于244d，而渭北旱塬仅有韩城站早于244d。就成熟期变化趋势的空间分布而言（图4b2），仅武功站播种−成熟期呈推迟趋势，速率达到了0.22d·10a−1，而其余站点都呈提前趋势，提前趋势显著的站点包括长武、凤翔和渭城，尤以渭城提前趋势最大，达到了4.0d·10a−1。可以看出，播种−成熟期提前趋势较大站点主要分布在研究区中部，其余站点提前趋势不显著。

进一步分析关中平原和渭北旱塬冬小麦物候期变化趋势，图5表明2001−2019年关中平原和渭北旱塬播种−开花期提前趋势分别为2.30d·10a−1和1.20d·10a−1，而播种−成熟期提前趋势均为0.60d·10a−1，关中平原冬小麦物候期的提前趋势高于渭北旱塬。

图6为2001−2019年各站点冬小麦单产平均值及变化趋势的空间分布图。由图可以看出，冬小麦单产空间分布差异较为明显，呈现从北向南逐渐递增的态势。单产平均值较大的区域主要分布在关中平原（图6a），超过6000kg·hm−2的站点包括蒲城、渭城、武功、华阴、凤翔、太白，其中凤翔和太白的单产分别达到了9874kg·hm−2和10455kg·hm−2，明显高于其它站点。渭北旱塬所有站点单产平均值均小于6000kg·hm−2，尤以韩城最低，仅为4455kg·hm−2。从单产变化趋势的空间分布可以看出（图6b），关中平原的蒲城和渭城的单产呈现减少趋势，但未通过95%显著性水平检验，武功、华阴和凤翔站单产表现为不显著增加趋势，仅有太白站冬小麦单产呈显著增加趋势；渭北旱塬各站点单产增加趋势均不显著。

2001−2019年冬小麦单产区域模拟结果如图7所示。由图可见，关中平原与渭北旱塬模拟单产的波动趋势具有一致性，但整体上关中地区冬小麦单产年际波动较大，在2001年和2013年单产较低，特别是2013年关中平原与渭北旱塬的冬小麦单产分别低至8108kg·hm−2和2037kg·hm−2。据相关文献记载，2013年关中地区发生较为严重的干旱事件[41]，农作物受旱灾影响较为严重，是导致该地区冬小麦严重减产的关键原因[25]，说明研究结果与文献记载较为一致。2017年关中平原和渭北旱塬区域单产模拟结果均为历年最高，分别达到了10876kg·hm−2和7978kg·hm−2。

图5 2001−2019年冬小麦区域物候的年际变化

图6 各站点冬小麦单产平均值(a)及变化趋势(b)的空间分布

图7 渭北旱塬和关中平原区域冬小麦单产年际变化

注：箱体内方框表示平均值。上限、下限和中间横线分别表示上四分位数、下四分位数和中位数。

Note：The square in the box represent the average value. The upper limit, lower limit and middle horizontal line represent the upper quartile, lower quartile and median, respectively.

2.4 冬小麦单产与各生育期气象因子的灰色关联及影响程度

选用渭北旱塬9月−翌年6月、关中平原10月−翌年6月的7个关键气象因子，分别建立各站点模拟产量与不同生长阶段气象因子的灰色关联矩阵，将各区域灰色关联度较大的气象因子作为敏感气象因子，进而根据单产与敏感气象因子的回归结果分析具体影响程度（图8）。

由图8a1可见，在冬前生长期，与渭北旱塬各站点冬小麦单产关联度较高的敏感气象因子（9−11月）包括日平均气温、日最高气温、日最低气温和日相对湿度，其中日平均气温和日最低气温升高对产量增加贡献最大，且表现为正影响，而日最高气温和日相对湿度增加在陇县、耀州和长武对产量形成为负影响（图8a2）。与关中平原各站点单产关联度较高的敏感气象因子（10−11月）主要包括日平均气温、日最高气温、日相对湿度和总太阳辐射（图8a1），其中日平均气温升高对蒲城、武功和凤翔的单产均表现为正影响，尤其对凤翔影响最大，贡献率高达99%，但在关中平原南部，日平均气温升高对渭城、华阴和太白的产量形成均表现为负影响，且贡献率超过20%，这也是造成该区域冬小麦减产的原因之一（图8a2）。

越冬期（12月−翌年2月）多数气象因子与产量的灰色关联度较高。总降水量、总日照时数、日最高气温、日相对湿度、总太阳辐射都与渭北旱塬单产的关联度较高（图8b1），其中多数站点日最高气温和总降水量增加对产量存在正影响，尤以日最高气温对增产起主要作用，其贡献率均大于50%，而日相对湿度和总太阳辐射增加会导致减产，但太阳辐射的贡献较小（图8b2）。总日照时数、日最低气温、日最高气温、日相对湿度和总太阳辐射与关中平原大多数站点的冬小麦单产关联度较高（图8b1），其中，在渭城、武功、华阴和太白站日最低气温增加会导致减产，而日相对湿度增加对多数站点的增产具有正贡献，但整体贡献较小（图8b2）。

在返青抽穗期（3−4月），日平均气温、日最高气温和日相对湿度与渭北旱塬各站点单产的关联度较高（图8c1），其中，日最高气温升高会导致所有站点冬小麦减产，日相对湿度的增加会促进增产（图8c2）。在关中平原，各站点气象因子（除总降水量和日最低气温外）均与单产有较高关联度（图8c1），其中大多站点的日最高气温增加会导致减产，日相对湿度和总太阳辐射升高则会促进增产，其中总太阳辐射的贡献率小于10%（图8c2）。

在灌浆成熟期（5−6月），日平均气温、日最低气温、日最高气温和日相对湿度与渭北旱塬内各站点单产关联度较高（图8d1），其中日平均气温、日最低气温和日最高气温的增加在多数站点均会导致减产，且贡献率都较大（图8d2）。在关中平原，各站点单产与气象因子（除总降水外）关联度均较高（图8d1），其中，各站点日平均气温和日最高气温的增加会导致冬小麦减产，尤其日最高气温起主要作用，但日最低气温，日相对湿度和总太阳辐射的增加均对增产具有正影响，其中日最低气温的贡献较大（图8d2）。

3 讨论与结论

3.1 讨论

（1）考虑到区域灌溉差异性和品种适应性，根据杨凌（关中平原）及长武（渭北旱塬）两个冬小麦田间试验点的大田实验数据，利用DSSAT模型对冬小麦物候期和产量进行模拟的误差均在可接受范围内，由此确定两个田间试验点的冬小麦品种遗传参数。在田间试验点模拟中，长武冬小麦开花期、成熟期和产量模拟精度均低于杨凌，原因在于长武田间试验点是在雨养无灌溉条件下进行的大田试验，冬小麦生长发育所需水分不足会影响模型的模拟精度。在区域模拟中，对关中平原和渭北旱塬11个气象站点的冬小麦模拟分别采用两个田间试验点的参数估计结果，但冬小麦品种遗传参数P1V，G3不仅与作物自身有关，还受基因型−环境互作共同影响，当同区域不同站点气候差异较大时，可能会导致模拟误差较大[25]。在渭北旱塬各气象站点在模型模拟时设置为无灌溉，在关中平原各气象站点灌溉量是根据2001−2020年陕西省水资源公报中其所在地区农田单位面积灌溉量和该地区冬小麦播种面积占农作物播种面积的比例乘积来估算，灌溉时间设为冬灌，然而灌溉量的估算结果也可能会影响产量模拟结果[25]。

a.冬前生长期Pre-winter growth period，b. 越冬期Overwintering period，c.返青抽穗期Greening and heading period，d.灌浆成熟期Filling and mature period；1.灰色关联矩阵Gray correlation matrix，2.贡献率Contribution rate

注：图中的<60%，60%～80%和>80%分别表示每个气象因子的灰色关联度排序。

Note: The value <60%, 60%～80% and >80% represent the order of gray correlation degree for each meteorological factor respectively.

（2）农作物产量形成对于气候变化比较敏感，已有研究表明，恶劣气候变化会对冬小麦生长产生消极影响[42]。冬小麦属于低温长日照作物，在幼苗阶段必须通过一定的低温时期才能进入幼穗分化，否则麦苗只能停留在分蘖状态而不能抽穗结实[43]。因此，温度是影响作物生长的主要驱动力，与冬小麦生长发育密切相关，本研究结果也表明日最低气温在冬前生长期对产量有正贡献，日平均气温在冬小麦冬前生长期、返青抽穗期都对产量具有正贡献，但在灌浆成熟期对产量具有负贡献，是决定农作物能否正常生长、发育和成熟的先决条件，这与景毅刚等的研究结果较为一致[44]。日最高气温在不同生育期对产量贡献差异较大，在越冬期对产量为正贡献，分析原因在于日最高气温的增加能在一定程度上降低冬小麦越冬期间冻害的发生概率，从而促进增产[45]。而在冬小麦生长后期温度升高，加速了发育进程，使生育期缩短而不利于千粒重增加[46]，且暴晒也容易让麦粒自然脱壳落地，造成冬小麦减产，因此，日最高气温在冬小麦生长后期的返青拔节和灌浆成熟期对产量具有较大的负贡献而导致大幅度减产。此外，越冬期足够的水分能改善土壤中的水分环境，提高土壤的热容量，促进幼苗生根生长，当寒潮来临时适量的降水可防止冻害发生，因而降水在冬小麦越冬期对单产具有正贡献。同时日相对湿度在整个生长阶段均与产量有关，说明水分在冬小麦整个生育期对产量有较大影响。整体而言，温度是影响该地区冬小麦产量的主控因子，不同生长阶段的温度对产量的影响差异较大。

（3）冬小麦产量的形成过程比较复杂，还受到技术管理水平、极端灾害气候、病虫害和物质投入等多种因素的综合影响。另外土壤等输入数据精度也可能导致冬小麦产量模拟结果产生不确定性。受资料限制，本文采用DSSAT作物模型模拟了现有种植情景（播种日期不变，施肥仅考虑基肥，品种一致、管理方式一致）下的冬小麦单产，仅探讨了气候条件对产量的影响，未来需要着重考虑极端灾害气候、病虫害对作物生长过程的影响，从而确定合理的风险应对措施。

3.2 结论

（1）基于DSSAT模型在杨凌（关中平原）田间试验点模拟的冬小麦开花期、成熟期和单产的RRMSE平均值分别为0.91%、0.98%和7.87%，长武（渭北旱塬）田间试验点则分别为2.39%、1.35%和9.30%。区域模拟中，关中平原和渭北旱塬冬小麦开花期和成熟期模拟结果的RRMSE分别为3.2%和3.0%，区域单产的RRMSE分别为23.6%和11.2%。表明DSSAT模型可以应用于关中地区冬小麦开花期、成熟期和单产模拟。

（2）2001−2019年关中地区各气象站点的冬小麦播种−开花期和成熟期仅在武功站点推迟，分别达到了0.70d·10a−1和0.22d·10a−1，其余站点呈提前趋势；各站点冬小麦单产在蒲城、渭城站点呈减少趋势，其余站点呈增加趋势。关中平原物候期提前趋势高于渭北旱源。

（3）影响冬小麦模拟产量的敏感气象因子在不同的生长阶段和区域各不相同，同一气象因素贡献也存在差异。在关中地区冬小麦整个生长过程中，温度均是影响产量的主控因子。日最低气温增加在冬前生长期对冬小麦增产贡献较大；多数站点日平均气温增加在冬前生长期和返青抽穗期能够促进增产，而在灌浆成熟期则会导致减产；日最高气温升高在越冬期对产量增加贡献较大，但在返青抽穗期和灌浆成熟期会导致冬小麦严重减产。

[1] 丁声俊.全面落实新部署稳健奋进新征程:学习2022年“中央一号文件”的思考[J].粮食问题研究,2022,243(3): 4-11.

Ding S J.Fully implement the new deployment,steadily advance the new journey:study the thinking of "No.1 Central Document" in 2022[J].Grain Issues Research,2022, 243(3):4-11.(in Chinese)

[2] 王妍,张晓龙,石嘉丽,等.中国冬小麦主产区气候变化及其对小麦产量影响研究[J].中国生态农业学报,2022,30 (5):723-734.

Wang Y,Zhang X L,Shi J L,et al.Climate change and its effect on winter wheat yield in the main winter wheat production areas of China[J].Chinese Journal of Eco- Agriculture,2022,30(5):723-734.(in Chinese)

[3] 韩兰英,张强,程英,等.农业干旱灾害风险研究进展及前景分析[J].干旱区资源与环境,2020,34(6):97-102.

Han L Y,Zhang Q,Cheng Y,et al.Research progress of agriculture drought disaster risk and prospect[J].Journal of Arid Land Resources and Environment,2020,34(6):97-102. (in Chinese)

[4] Huang X,Zhu W Q,Zhao C L,et al.Phenological piecewise modelling is more conducive than whole-season modelling to winter wheat yield estimation based on remote sensing data[J].European Journal of Remote Sensing,2022,55(1): 338-352.

[5] 蒋腾聪.黄土高原冬小麦生产对气候变化响应的模型模拟及不确定性研究[D].杨凌:西北农林科技大学,2022.

Jiang T C.Crop model simulations and uncertainty analysis for the responses of winter wheat production to climate change in the Loess Plateau[D].Yangling:North West Agriculture and Forestry University,2022.(in Chinese)

[6] 肖登攀,陶福禄,沈彦俊,等.华北平原冬小麦对过去30年气候变化响应的敏感性研究[J].中国生态农业学报,2014, 22(4):430-438.

Xiao D P,Tao F L,Shen Y J,et al.Sensitivity of response of winter wheat to climate change in the North China Plain in the last three decades[J].Chinese Journal of Eco-Agriculture, 2014,22(4):430-438.(in Chinese)

[7] 李炳军,张一帆.不同生育期气候变化对河南省冬小麦产量影响的量化分析[J].江苏农业科学,2022,50(12):238-246.

Li B J,Zhang Y F.Quantitative analysis of impact of climate change at different growth stages on winter wheat yield in Henan province[J].Jiangsu Agricultural Sciences,2022,50 (12):238-246.(in Chinese)

[8] 孙琳丽,侯琼,马玉平,等.WOFOST模型在内蒙古河套灌区模拟玉米生长全程的适应性[J].生态学杂志,2016,35 (3):800-807.

Sun L L,Hou Q,Ma Y P,et al.Adaptability of WOFOST model to simulate the whole growth period of maize in Hetao irrigation region of Inner Mongolia[J].Chinese Journal of Ecology,2016,35(3):800-807.(in Chinese)

[9] 孙扬越,申双和.作物生长模型的应用研究进展[J].中国农业气象,2019,40(7):444-459.

Sun Y Y,Shen S H.Research progress in application of crop growth models[J].Chinese Journal of Agrometeorology, 2019,40(7):444-459.(in Chinese)

[10] 徐瑞阳,何英彬,赵锡海,等.基于DSSAT模型的1961-2017年东北地区马铃薯潜在单产及其影响因子分析[J].中国农业资源与区划,2021,42(12):102-114.

Xu R Y,He Y B,Zhao X H,et al.Analysis on potato potential yield and its influencing factors in northeast China from 1961 to 2017 based on the DSSAT model[J].Chinese Journal of Agricultural Resources and Regional Planning, 2021,42(12):102-114.(in Chinese)

[11] 谭红,吕新,张泽,等.基于DSSAT模型模拟的气候变化对棉花生产潜力影响研究[J].棉花学报,2020,32(2):113-120.

Tan H,Lv X,Zhang Z,et al.Influence of climate change on cotton production potential based on DSSAT model simulation[J].Cotton Science,2020,32(2):113-120.(in Chinese)

[12] Yang M J,Wang G L,Ahmed K F,et al.The role of climate in the trend and variability of Ethiopia's cereal crop yields[J].Science of the Total Environment,2020,723: 137893.

[13] Chavas D R,Cesa lzaurralde R,Thomson A M,et al.Long-term climate change impacts on agricultural productivity in eastern China[J].Agricultural and Forest Meteorology,2009,149(6):1118-1128.

[14] 杨沈斌,申双和,赵小艳,等.气候变化对长江中下游稻区水稻产量的影响[J].作物学报,2010,36(9):1519-1528.

Yang S B,Shen S H,Zhao X Y,et al.Impacts of climate changes on rice production in the middle and lower reaches of the Yangtze River[J].Acta Agronomica Sinica,2010,36 (9):1519-1528.(in Chinese)

[15] 刘文茹,陈国庆,刘恩科,等.基于DSSAT模型的长江中下游冬小麦潜在产量模拟研究[J].生态学报,2018,38(9): 3219-3229.

Liu W R,Chen G Q,Liu E K,et al.The variations in winter wheat potential yields in the middle and lower reaches of the Yangtze River under the RCP scenarios[J].Acta Ecological Sinica,2018,38(9):3219-3229.(in Chinese)

[16] 李阔,熊伟,潘婕,等.未来升温1.5℃与2.0℃背景下中国玉米产量变化趋势评估[J].中国农业气象,2018,39(12):765-777.

Li K,Xiong W,Pan J,et al.Trend evaluation on changes of maize yield in China under global warming by 1.5 and 2.0℃[J].Chinese Journal of Agrometeorology,2018,39(12): 765-777.(in Chinese)

[17] Li K,Pan J,Xiong W,et al.The impact of 1.5°C and 2.0°C global warming on global maize production and trade [J].Scientific Reports,2022,12(1):17268.

[18] Ayankojo I T,Thorp K R,Morgan K,et al.Assessing the impacts of future climate on cotton production in the Arizona low desert[J].Agricultural Engineering,2020,63 (4):1087-1098.

[19] Chen Y,Tao F L.Potential of remote sensing data-crop model assimilation and seasonal weather forecasts for early-season crop yield forecasting over a large area[J]. Field Crops Research,2022,276:108398.

[20] 董宇轩,王会肖,刘海军,等.气候变化背景下关中地区参考作物蒸散量变化趋势及敏感性分析[J].节水灌溉,2019, 288(8):113-119.

Dong Y X,Wang H X,Liu H J,et al.Changing trend and sensitivity analysis of reference crop evapotranspiration in Guanzhong region by considering climate change[J].Water Saving Irrigation,2019,288(8):113-119.(in Chinese)

[21] 高茂盛,李红梅,王卫东,等.1961-2014年陕西省气候资源变化趋势及突变分析[J].中国农业大学学报,2017,22(11): 121-132.

Gao M S,Li H M,Wang W D,et al.Climate resources trend and abrupt climate change in Shaanxi province during 1961 to 2014[J].Journal of China Agricultural University, 2017,22(11):121-132.(in Chinese)

[22] 刘哲,张扬.陕西省气候变化及其粮食产量变化特征[J].绿色科技,2021,23(18):6-8.

Liu Z,Zhang Y.Climate changes and variation characteristics of grain production in Shaanxi province[J]. Journal of Green Science and Technology,2021,23(18):6-8. (in Chinese)

[23] 成林,李彤霄,刘荣花.主要生育期气候变化对河南省冬小麦生长及产量的影响[J].中国生态农业学报,2017,25(6): 931-940.

Cheng L,Li T X,Liu R H.Effect of climate change on growth and yield of winter wheat in Henan province[J]. Chinese Journal of Eco-Agriculture,2017,25(6):931-940.(in Chinese)

[24] 赵茹欣,王会肖,董宇轩.气候变化对关中地区粮食产量的影响及趋势分析[J].中国生态农业学报,2020,28(4):467-479.

Zhao R X,Wang H X,Dong Y X.Impact of climate change on grain yield and its trend across Guanzhong region[J]. Chinese Journal of Eco-Agriculture,2020,28(4):467-479.(in Chinese)

[25] 蒋腾聪.基于作物模型的关中地区冬小麦生产水足迹时空演变趋势分析[D].杨凌:西北农林科技大学,2018.

Jiang T C.Analyses of spatial and temporal variations of water footprint of winter-wheat production in the Guanzhong region based on crop growth simulation model[D].Yangling:North West Agriculture and Forestry University,2018.(in Chinese)

[26] 童成立,张文菊,汤阳,等.逐日太阳辐射的模拟计算[J].中国农业气象,2005,26(3):165-169.

Dong C L,Zhang W J,Tang Y,et al.Calculation of evaporation and its application on evaluating water resources of agriculture in Jiangxi province[J].Chinese Journal of Agrometeorology,2005,26(3):165-169.(in Chinese)

[27] 周勇,刘艳峰,王登甲,等.中国不同气候区日总太阳辐射计算模型适用性分析及通用计算模型优化[J].太阳能学报,2022,43(9):1-7.

Zhou Y,Liu Y F,Wang D J,et al.Suitability of models for daily global solar radiation estimation in different climatic zones of China and optimization of general models[J].Acta Energiae Solaris Sinica,2022,43(9):1-7.(in Chinese)

[28]姚宁,周元刚,宋利兵,等.不同水分胁迫条件下DSSAT-CERES-Wheat模型的调参与验证[J].农业工程学报,2015,31(12):138-150.

Yao N,Zhou Y G,Song L B,et al.Parameter estimation and verification of DSSAT-CERES-Wheat model for simulation of growth and development of winter wheat under water stresses at different growth stages[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015,31(12):138-150.(in Chinese)

[29] 孟现勇,王浩.基于世界土壤数据库(HWSD)土壤数据集(v1.2)[D].北京:国家青藏高原科学数据中心,2018.

Meng X Y,Wang H.Soil map based Harmonized World Soil Database (v1.2)[D].Beijing:National Tibetan Plateau Data Center,2018.(in Chinese)

[30] Dai Y J,Shang G W ,Duan Q Y,et al.Development of a China dataset of soil hydraulic parameters using pedotransfer functions for land surface modeling[J].Journal of Hydrometeorology,2013,14(3):869-887.

[31] Jiang T C,Wang B,Xu X J,et al.Identifying sources of uncertainty in wheat production projections with consideration of crop climatic suitability under future climate[J]. Agricultural and Forest Meteorology,2022,319:108933.

[32] 赵护兵,王朝辉,高亚军,等.陕西省农户小麦施肥调研评价[J].植物营养与肥料学报,2016,22(1):245-253.

Zhao H B,Wang Z H,Gao Y J,et al.Investigation and evaluation of household wheat fertilizer application in Shaanxi province[J].Journal of Plant Nutrition and Fertilizer, 2016,22(1):245-253.(in Chinese)

[33] 王小英,陈占飞,胡凡,等.陕西省农田化肥投入过量与不足的研究[J].干旱地区农业研究,2017,35(6):159-165.

Wang X Y,Chen Z F,Hu F,et al.Study on the excessive and insufficient of chemical fertilizer inputs on farmland in Shaanxi province[J].Agricultural Research in the Arid Areas,2017,35(6):159-165.(in Chinese)

[34] 戴相林.关中中西部地区农田土壤养分平衡状况演变研究[D].杨凌:西北农林科技大学,2012.

Dai X L.Changes of nutrient balances in soil in midwest region of Guanzhong plain[D].Yangling:North West Agriculture and Forestry University,2012. (in Chinese)

[35] 王小英.陕西省养分资源利用时空变化特征研究[D].杨凌:西北农林科技大学,2015.

Wang X Y.Study on characteristics of the temporal and spatial variation of nutrient resource utilization in Shaanxi province [D].Yangling:North West Agriculture and Forestry University,2015. (in Chinese)

[36] 彭慧文,赵俊芳,谢鸿飞,等.作物模型应用与遥感信息集成技术研究进展[J].中国农业气象,2022,43(8):644-656.

Peng H W,Zhao J F,Xie H F,et al.Progresses of crop model application and Its integration with remote sensing technology[J].Chinese Journal of Agrometeorology,2022, 43(8):644-656.(in Chinese)

[37] Abayechaw D.Review on decision support system for agrotechnology transfer (DSSAT) model[J].International Journal of Intelligent Information Systems,2021,10(6): 117-124.

[38] Xiong W,Holman I,Conway D,et al.A crop model cross calibration for use in regional climate impacts studies [J].Ecological Modelling,2008,213(3):365-380.

[39] Gocic M,Trajkovic S.Analysis of changes in meteorological variables using Mann-Kendall and Sen's slope estimator statistical tests in Serbia[J].Global and Planetary Change, 2013,100(1):172-182.

[40] 张大任,郑静,范军亮,等.近60年中国不同气候区极端温度事件的时空变化特征[J].中国农业气象,2019,40(7): 422-434.

Zhang D R,Zheng J,Fan J L,et al.Spatiotemporal variations of extreme temperature indices in different climatic zones of China over the past 60 years[J].Chinese Journal of Agrometeorology,2019,40(7):422-434.(in Chinese)

[41] 国家防汛抗旱总指挥部,中华人民共和国水利部.中国水旱灾害公报(2013年)[M].北京:中国水利水电出版社, 2013

State flood control and drought relief headquarter.Ministry of Water Resources of the People’s Republic of China. China flood and Drought disaster bulletin(2013)[M]. Beijing:China Water Power Press,2013.(in Chinese)

[42] 常耀杰,刘敏,王文忠,等.文水县气候变化对冬小麦产量的影响[J].干旱区资源与环境,2017,31(6):123-129.

Chang Y J,Liu M,Wang W Z,et al.Effects of climate change on winter wheat yield in Wenshui County[J].Journal of Acid Land Resources and Environment,2017,31(6):123- 129.(in Chinese)

[43] 吕丽华,梁双波,张丽华,等.不同小麦品种产量对冬前积温变化的响应[J].作物学报,2016,42(1):149-156.

Lv L H,Liang S B,Zhang L H,et al.Yield in response to accumulated temperature before winter in winter wheat[J].Acta Agronomica Sinica,2016,42(1):149-156.(in Chinese)

[44] 景毅刚,范建忠,高茂盛.气候变暖对陕西冬小麦生育期的影响[J].麦类作物学报,2013,33(2):389-396.

Jing Y G,Fan J Z,Gao M S.Influences of the climate warming on developmental stages of winter wheat in Shaanxi[J].Journal of Triticeae Crops,2013,33(2):389-396. (in Chinese)

[45] 李红梅,权文婷,张树誉.气候变暖对陕西中北部冬小麦返青前热量资源的影响[J].中国农学通报,2022,38(4):53-61.

Li H M,Quan W T,Zhang S Y.The impact of climate warming on heat resources before the turning green stage of winter wheat in central and northern Shaanxi province[J]. Chinese Agricultural Science Bulletin,2022,38(4):53-61.(in Chinese)

[46] 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,1996,20(5):599-605.

Gao S H,Guo J P,Zhao S Q,et al.The impacts of "Higher- Temperature" on wheat growth and yield in China[J]. Chinese Journal of Atmospheric Sciences,1996,20(5):599- 605.(in Chinese)

Simulation of Winter Wheat Yields in Guanzhong Region Based on DSSAT Model and Its Influencing Factors

CHEN Jia-jun, SHI Xiao-liang, DING Hao, SHI Meng-qi

（College of Geomatics, Xi'an University of Science and Technology, Xi'an 710054, China）

Based on the field experiments of two field experiment sites and the daily meteorological data of 11 meteorological stations evenly distributed in the winter wheat planting area of Guanzhong region in Shaanxi Province, the DSSAT model was used to determine the genetic parameters of winter wheat cultivars, and then the key phenological periods and yield of winter wheat at each station from 2001 to 2019 were simulated. The M−K test and the Sen trend analysis method were used to reveal the spatial and temporal evolution characteristics and laws from the station and regional scales. On this basis, the gray correlation method and multiple linear regression analysis method were used to explore the sensitive meteorological factors and their contribution rates affecting the simulated yield at each growth period. The results showed that: (1) the average RRMSE values of winter wheat flowering period, mature period and yield simulation results were 0.91%,0.98% and 7.87% in Yangling (Guanzhong Plain) field experiment site, and 2.39%,1.35% and 9.30% in Changwu (Weibei Dryland) field experiment site. In the regional phenological simulation, the RRMSE of winter wheat in the Guanzhong Plain and the Weibei Dryland were 3.2% and 3.0% at the flowering and mature periods, R2were 0.71 and 0.73, and the RRMSE of regional yield were 23.6% and 11.2%, respectively.(2) The sowing to flowering period and mature period of winter wheat in Wugong station showed a delayed trend, and the rates were 0.70d·10y−1and 0.22d·10y−1, respectively, while the other stations showed an earlier trend. The advance trend of phenological period in Guanzhong Plain was higher than that in Weibei Dryland, and the advance trend from sowing to flowering period reaches 2.30d·10y−1and 1.20d·10y−1respectively, and the advance trend from sowing to maturity was 0.60d·10y−1. The simulated yields showed a decreasing trend at Pucheng and Weicheng stations, while an increasing trend at other stations. The lowest and highest values of regional yield appeared in 2013 and 2017, respectively. (3) The increase of daily average temperature and daily minimum temperature in most stations would promote the increase of winter wheat yield in the pre-winter growth period. The increase of daily maximum temperature and total precipitation contributed greatly to the increase of yield in the overwintering period. The increase of daily maximum temperature at greening and heading period would lead to serious yield decrease of winter wheat, but the increase of daily relative humidity would promote the increase of yield. The increase of daily average temperature, daily minimum temperature and daily maximum temperature at most stations would lead to a decrease in winter wheat yield during the filling and mature period. Temperature was the main controlling factor affecting the yield of winter wheat in Guanzhong region, and its influence on yield varies greatly at different growth periods.

DSSAT; Guanzhong region; Meteorological factors; Phenological period; Winter wheat yield

10.3969/j.issn.1000-6362.2023.09.005

陈佳俊,史晓亮,丁皓,等.基于DSSAT模型的关中地区冬小麦单产模拟及其影响因子[J].中国农业气象,2023,44(9):805-819

2022−10−21

国家自然科学基金（52079103）

史晓亮，博士，副教授，主要从事资源环境遥感研究，E-mail：xiaoliangshi@xust.edu.cn

陈佳俊，E-mail：21210226071@stu.xust.edu.cn