稻油系统周年产量差及形成因素探究:以湖北省武穴市为例

曹馨元 杜明利 王宇诚 陈欣华 陈佳欣 凌霄霞 黄见良 彭少兵 邓南燕

稻油系统周年产量差及形成因素探究:以湖北省武穴市为例

曹馨元 杜明利 王宇诚 陈欣华 陈佳欣 凌霄霞 黄见良 彭少兵 邓南燕*

作物遗传改良全国重点实验室/ 农业农村部长江中游作物生理生态与耕作重点实验室 / 湖北洪山实验室/ 华中农业大学植物科学技术学院, 湖北武汉 430070

明确农户水平稻油系统的产量差及进一步增产的限制因素对保障我国粮油安全具有重要作用。本研究以我国典型稻油系统生产区湖北省武穴市为研究对象, 采用作物模型与田间调查相结合的方法评估了该地区稻油系统周年产量差, 并使用单因素方差分析和条件推断树综合比较了农户在土壤条件和管理措施上的差异, 以探究该地区限制稻油系统产量进一步增长的主要栽培因素及可行的增产途径, 为因地制宜地缩小产量差提供新思路。结果表明: (1)武穴市水稻季和油菜季的潜在产量分别为11.79 t hm–2和4.43 t hm–2, 按照水稻和油菜籽粒的能量当量换算系统周年能量后, 稻油系统的最高周年潜在能量为284 GJ hm–2。水稻季和油菜季的平均实际产量分别为8.11t hm–2和1.82 t hm–2, 系统平均实际周年能量为165 GJ hm–2。该地区稻油系统的平均周年相对产量差(产量差与潜在产量的比值)为42%, 其中油菜季(59%)比水稻季(31%)具有更大的产量提升空间。相较于湖北省和长江流域的平均水平, 武穴市稻油系统周年潜在能量相近, 而周年实际能量分别低13%和5%, 导致该地区的产量差相对较大, 其中分别有83%和61%的农户相对产量差大于湖北省和长江流域平均水平。(2) 该地区周年产量较低的农户具有以下主要特征: 土壤为沙壤土, 耕层较浅; 水稻季虫草害防治效果差, 水稻季肥料做底肥一次施用且轻施氮、钾肥; 油菜季重施肥料, 且油菜机收损失较大。(3) 武穴市89%的农户选择种植常规稻品种黄华占, 其实际产量已达到该品种潜在产量的90%左右; 种植油菜品种的种类较多且产量差异较大。综上, 武穴市稻油系统仍具有较大的增产空间; 缩小当地稻油系统产量差的技术措施包括: 适当深耕提高土壤生产力; 油菜季选择当地适宜的高产油菜品种; 水稻季加强推广高产优质杂交稻品种, 重点关注增加水稻用种量, 提高直播密度和播种时的封闭除草, 系统周年施肥管理上应降低油菜季而提高水稻季的肥料用量, 水稻季仅施底肥的农户适当增施追肥等。

产量差; 田间调查; 稻油系统; 作物模型; 管理措施

稻油系统作为一种粮油兼收且绿色高效的种植模式, 对保障我国粮油战略安全具有重要作用。近年来农村劳动力转移、农资和人工成本上涨等问题造成长江流域农民改种双季稻为单季稻的规模逐渐扩大[1-2], 2000—2018年间长江流域单季稻面积增长了25%左右, 双季稻缩减29%左右(国家统计局, http://data.stats.gov.cn/)。“双改单”现象一定程度上缓解了稻油种植区的茬口矛盾, 但存在粮食安全风险。因此, 明确稻油系统的增产空间及限制增产的关键栽培因子, 能够为进一步优化农户的生产管理措施、提高该系统的周年产量提供重要理论依据。

合理的产量差评估能够明确作物的增产潜力。产量差(Yield gap, Yg)是指作物的潜在产量(Yield potential, Yp)与实际产量(Actual yield, Ya)的差值。潜在产量是作物在不受生物、非生物胁迫及最佳管理措施下的最高产量[3]。作物模型通过数理方法和计算机技术量化基因-环境-管理之间的关系, 能够高效模拟作物的生长过程和潜在产量[3], 是作物产量差评估的重要工具[4-5]。前人研究中综合使用ORYZA和CROPGRO-Canola模型评估了我国长江流域中稻-油菜系统相对产量差(产量差与潜在产量的比值)为42%[6]。区域水平的产量差评估结果对于宏观农业政策制定具有指导意义, 但是难以为农户提供针对性的生产指导建议。田间调查是通过问卷调查的方式收集当地农户的栽培管理措施和产量数据, 对探究农户水平的作物生产现状和增产限制因子具有指导意义[7-9]。综合作物模型与田间调查的方法能够结合生产实践, 更高效、准确地探明实现种植系统周年高产的途径, 如Agus等[10]和Rizzo等[11]基于ORYZA v3和Hybrid-Maize模型探究了印度尼西亚集约化稻玉系统产量差, 并通过分析多个站点的调查数据明确了产量的主要限制因素为施肥量、追肥次数和时间、播期及虫害管理。但是, 国内相关研究较少, 特别是鲜有将该方法应用于稻油系统。

湖北省是我国第二大稻油系统种植省份, 约占全国总稻油系统面积的12%[6]。因此, 本研究以湖北省主要稻油生产区武穴市为例[12], 结合作物模型与田间调查, 评估了稻油系统的周年产量差及进一步增产的限制因素, 为缩小农户水平的系统产量差提供理论参考。

1 数据与方法

1.1 研究地点概况

研究地点为湖北省武穴市(29°50'—30°12'N, 115°22'—115°50'E), 平均海拔为70 m。该地区属于亚热带季风气候, 2011—2022年的≥0℃和≥10℃年均积温分别为6494.6℃ d–1和2811.3℃ d–1、总降水量为1036.6 mm、总太阳辐射量为4283.2 MJ m–2, 属于中晚熟中稻种植区[13], 适宜发展稻油系统。

1.2 计算方法

作物产量需要折算为标准含水量下的产量。水稻和油菜的湿种子含水量一般分别为20%和12%, 含杂率均为1%。由于ORYZA模型中水稻使用14%标准含水量[14], 计算系统周年能量的水稻籽粒能量当量也是使用14%标准含水量[15-16]。因此, 为保证在计算产量差时标准含水量统一, 本文在计算农户实际产量时水稻使用14%标准含水量。标准含水量的水稻(14%)和油菜(9%)产量计算公式如下。

根据收获籽粒的能量当量将作物产量转换为系统周年能量。水稻和油菜的能量当量分别为14.7 MJ kg–1和25.0 MJ kg–1 [15-16], 系统的周年能量计算公式如下:

相对产量差(Relative yield gap, Re_Yg)的计算公式如下,

1.3 作物潜在产量模拟

农业技术转移决策支持系统(Decision Support System for Agrotechnology Transfer, DSSAT)集合了多种作物生长模型, 能够以日为时间步长模拟作物生长发育和产量形成过程[5]。本研究采用DSSAT 4.7.5版本中内置的ORYZA和CROPGRO-Canola模块分别模拟水稻和油菜的潜在产量。ORYZA模型是国际水稻研究所和荷兰瓦格宁根大学共同开发的水稻专用生长模型, 已广泛应用于全球不同区域的水稻产量模拟[14,17-18]。CROPGRO-Canola模型是由美国弗罗里达大学和佐治亚大学共同开发的油菜模拟模型,已被证明能够较好地模拟油菜的潜在产量[19-21]。

作物模型需要经过本地化调参才能够实现准确模拟作物的潜在产量。ORYZA模型的参数校正使用drate(v2).exe和param(v2).exe程序[14,17-18], CROPGRO模型使用试错法和DSSAT内置的GLUE (Generalized Likelihood Uncertainty Estimation)程序[5], 详细的模型参数介绍可见附件表1。本研究的潜在产量模拟中水稻季选用当地主栽品种黄华占(Huanghuazhan, HHZ)和高产杂交稻品种隆两优华占(Longliangyouhuazhan, LLYHZ)。而油菜受到统一供种政策的影响[22], 品种数量较多, 因此选用湖北省代表性高产品种华油杂62 (Huayouza 62, HYZ62)。其中LLYHZ-HYZ62为系统1、HHZ-HYZ62为系统2。模型调参过程中使用同一大田试验中的1～2年数据用于品种参数校正, 剩余1～2年用于该品种参数验证, 相关调参结果来自本实验室之前的研究Huang等[6]和Deng等[18]。该调参方法被大量研究证明能够较为准确地模拟作物生长发育和产量形成过程, 已广泛应用于作物模型调参和潜在产量评估方面的研究[18,23-27]。相关品种的模型参数可见附表2和附表3, 模型校正和验证过程可见附图1。

用于潜在产量模拟的气象数据来自华中农业大学国家农业科技创新与集成示范基地微型气象站(AWS800, Campbell Scientific, Inc., 美国), 包括2011—2022年的日最低和最高温度、降水量和总太阳辐射量。气象数据质量控制的方法参考Grassini等[28]和van Wart等[29]。土壤数据主要用于模拟水分对作物产量的限制, 数据来源为“作物模型应用的全球高分辨率土壤剖面数据库”, 包含不同土壤深度的土壤容重、土壤有机碳含量、土壤质地、土壤pH值、土壤阳离子交换量等土壤特性[30]。

系统潜在产量模拟的具体设置如下: 长江流域的水稻以灌溉为主, ORYZA模型的水分、养分均设置为潜在模式, 即水稻产量不受水分、养分的胁迫, 模型模拟水稻的潜在产量Yp; 而油菜以雨养为主, CROPGRO-Canola模型分别模拟了油菜潜在模式下的产量Yp和水分限制(雨养)条件下的潜在产量(Yw)。水稻和油菜的密度基于当地高产试验分别设置为28株 m–2和45株 m–2。本研究分别模拟了当地农民常用播期范围内(水稻: 5月下旬至6月中旬; 油菜: 9月下旬至10月中旬)水稻和油菜的生育期和潜在产量随播期的变化情况, 将系统能量随播期的变化达到的最高值作为系统潜在能量。模拟结果表明, 系统1在水稻播期为5月27日、油菜为10月6日时, 系统2在水稻播期为6月18日、油菜为10月7日时的周年能量最高(图1)。

图1 不同播期下的水稻季(a、e)、油菜季(b、f)及稻油系统(c、d、g、h)潜在产量及生育期

(a、e): LLYHZ和HHZ分别为杂交稻品种隆两优华占和常规稻品种黄华占; (b、f): Yp和Yw分别表示灌溉和雨养潜在产量; (c、d、g、h): LLYHZ-HYZ62为系统1、HHZ-HYZ62为系统2。误差线表示2011–2022年产量均值的标准差。

(a, e): LLYHZ, hybrid rice variety Longliangyouhuazhan; HHZ, conventional rice variety Huanghuazhan. (b, f): Yp, potential yield; Yw, water-limited potential yield. (c, d, g, h): system1, LLYHZ-HYZ62; system2, HHZ-HYZ62. The error bar is the standard deviation of the average yield in 2011–2022.

1.4 田间调查

本研究对2021—2022年武穴市稻油系统的生产情况进行调查, 共调查大法寺、四望、花桥、梅川、余川、大金、石佛寺7个乡镇, 每个乡镇选择7～10个村, 每个村随机抽选5～10位从事稻油系统生产的村民参与调查, 最终共收集有效问卷554份(图2)。调查内容包括作物产量、农田基本情况(土壤类型、耕层深度)和生产管理措施(播期, 品种, 施肥次数、用量和种类, 农药施用次数, 耕地、播种和收获的方式等)。

1.5 条件推断树分析

条件推断树(condition inference tree)是一种用于分类和回归的高性能机器学习算法, 具有输出结果易于理解和解释、能够同时处理多种类型的数据(包括连续型和离散型、定量和定性数据)和所有分类均经过显著性检验等优势[31-32]。目前已在农业生产管理措施的决策优化方面得到了广泛应用, 如: 通过构建条件决策树, Mourtzinis等[33]明确了是否雨养、N肥的施用时间和比例和播种密度是造成美国不同地区大豆产量差异的主要原因, Corassa等[34]确定了巴西不同产量水平大豆产区的最适播种密度, Rizzo等[11]明确了提高N、K肥、杀虫剂用量和追肥次数有利于进一步缩小印度尼西亚水稻-玉米系统的产量差。

图2 湖北省武穴市稻油系统生产现状调查地点分布

地图来源于湖北省地理信息公共服务平台(https://hubei.tianditu. gov.cn/standardMap), 审图号: 鄂S (2023)009号。

The map is from Hubei Provincial Platform for Common GeoSpatial Information Servies (website: https://hubei.tianditu.gov.cn/ standardMap), approval number: E S (2023) No. 009.

条件推断树的构建过程为: 首先选择出一个与因变量相关性最强的自变量, 基于置换检验在该自变量中选择值最小的划分点作为二元分类节点, 依此类推此过程直至所有可能的二元分类方式都没有显著性差异[35]。本研究在R 4.3.2版本中使用包的函数构建条件决策树, 设置产量为因变量, 土壤类型、耕层深度、品种、施肥次数、虫药和草药使用次数、氮磷钾肥施用量和收获方式为自变量, 检验方式为单变量分析, 最小分类阈值为=0.05, 每个分类节点至少包含总样本数的10%, 终端节点的最小样本数为10, 树的最深深度为10。

2 结果与分析

2.1 产量

在潜在产量上, 系统1中选用的杂交稻LLYHZ较系统2的常规稻HHZ具有更高的潜在产量, 分别为11.79 t hm–2和9.23 t hm–2, 而系统1和系统2中油菜潜在产量的差异较小, 分别为4.43 t hm–2和4.41t hm–2。因此, 系统1较系统2的平均周年能量当量更高, 分别为284 GJ hm–2和246 GJ hm–2(图3)。在实际产量上, 农户之间水稻季和油菜季实际产量的分布范围分别为5.53～10.64 t hm–2和0.37～3.34 t hm–2(均值分别为8.11 t hm–2和1.82 t hm–2, 变异系数CV分别为11%和28%), 稻油系统周年能量当量的分布范围为101～231 GJ hm–2(均值为165 GJ hm–2, CV为12%) (图3)。在产量差上, 水稻季和油菜季的平均产量差分别为3.69 t hm–2和2.60 t hm–2, 稻油系统的平均周年能量差为118 GJ hm–2。系统的平均周年相对产量差为42%, 其中水稻季和油菜季分别为31%和59%, 表明该系统中油菜季具有更大的增产空间(图3)。

相较于湖北省和长江流域水平, 武穴市稻油系统的潜在产量相近, 系统、水稻和油菜的潜在产量分别较湖北省低–0.4%、–3%和4%, 分别较长江流域低0.7%、3%和–3%。而武穴市的实际产量偏低, 系统、水稻和油菜的实际产量分别较湖北省低13%、8%和24%, 分别较长江流域低5%、3%和11%, 造成武穴市稻油系统的产量差较大。平均系统产量差分别较湖北和长江流域高26%和5%, 且83%的农户系统相对产量差大于湖北省、61%的农户大于长江流域平均水平(图3)。

图3 武穴市稻油系统的潜在产量、实际产量和相对产量差的分布情况

(a): 水稻品种隆两优华占(LLYHZ)和黄华占(HHZ)的潜在产量(Yp)和实际产量(Ya); (b): 系统1和2的油菜品种华油杂62 (HYZ62)的Yp和Ya; (c): 系统1 (system1, LLYHZ-HYZ62)和系统2 (system2, HHZ-HYZ62)的Yp和Ya; (d): 水稻、油菜及系统的相对产量差, 即产量差占Yp的比例。红色菱形和黄色三角形分别表示湖北和长江流域的平均产量水平[6]。箱线图的上下边缘值分别表示95%和5%分位数, 箱的上下边界分别表示75%和25%分位数, 箱内部的实线为中位数, 虚线为平均值, 黑色点表示离群值。

(a): potential yield (Yp) and actual yield (Ya) of rice varieties of Longliangyouhuazhan (LLYHZ) and Huanghuazhan (HHZ). (b): Yp and Ya of rapeseed variety of Huayouza 62 (HYZ62). (c): Yp and Ya of system 1 (LLYHZ-HYZ62) and 2 (HHZ-HYZ62). (d): the relative yield gap (the ratio of yield gap to Yp) of rice, rapeseed, and the system. The red diamond and the yellow triangle indicate the average level in Hubei and Yangtze River Valley, respectively[6]. The upper and lower boundary is 95% and 5% quantile, respectively; the upper and lower border of the box is 75% and 25% quantile, respectively; and the solid and dashed line is the median and mean values, respectively.

2.2 农户基本信息及生产现状

本研究所调查农户的生产现状可见图4。田块耕层深度以较浅耕层(10～30 cm)为主, 占比为73%, 土壤类型以黏土和沙壤土为主, 分别占比为44%和47%。管理措施上, 稻油系统以直播为主, 水稻季和油菜季分别为99%和100%。水稻季的草药和虫药使用次数为2次及以上的占比分别为90%和94%, 油菜季分别为59%和64%, 表明水稻季的虫草害发生程度更重。水稻季和油菜季的施肥次数均以2次为主, 分别占比70%和68%, 氮(100～200 kg hm–2)、磷(50～100 kg hm–2)、钾(60～120 kg hm–2)肥均以中等施用量水平占比最大, 均在50%以上。水稻季以种植黄华占为主, 占比为89%, 而杂交稻占比最小, 仅4%。油菜品种数量较多, 各品种占比为15%～25%。系统周年水平上, 施肥次数以4次为主, 占比为49%, 氮(200～400 kg hm–2)、磷(100～200 kg hm–2)、钾(120～240 kg hm–2)肥均以中等施用量水平占比最大, 分别为70%、60%和63%, 草药和虫药使用次数在4次及以上的占比均超过80%。

图4 不同土壤条件和管理措施下的水稻季、油菜季和稻油系统的产量比较

水稻品种中Hybrid为杂交稻品种, Other为其他常规稻品种, HHZ为常规稻品种黄华占; 油菜品种中Other为其他品种, YG2009为阳光2009, ZY28为浙油28, H919为华919, ZS11为中双11。氮、磷、钾肥分别表示N、P2O5、K2O的施用量。不同的字母标注表示在0.05概率水平差异显著, 误差线表示均值的标准误。

In rice variety: Hybrid, hybrid rice variety; Others, other conventional variety; HHZ, conventional rice variety Huanghuazhan. In rapeseed variety: Other, other rapeseed variety; YG2009, Yangguang 2009; ZY28, Zheyou 28; H919, Hua 919; ZS11, Zhongshuang 11. The input rates of nitrogen, phosphorus, and potassium are shown as N, P2O5, and K2O (kg hm–2), respectively. Different letters indicate significant difference at< 0.05, the error bar is the standard error of averages of each column.

2.3 进一步增产的限制因素

2.3.1 土壤条件 耕层深度对水稻产量具有显著影响, 土壤类型对油菜和系统周年产量具有显著影响(图4)。水稻在耕层深度为30～50 cm和50 cm以上分别较浅耕层(10～30 cm)的平均实际产量(8.03 t hm–2)高2.7%和2.6%。田块为黏土的油菜和系统平均实际产量分别较沙壤土(油菜为1.74 t hm–2, 系统为162 GJ hm–2)显著高10%和3%。

2.3.2 栽培措施 施肥次数、虫草药使用次数、氮肥施用量及品种选择对水稻产量具有显著影响(图4)。产量随着草药使用次数的增加呈降低趋势, 为1次和2次的农户分别较3次及以上的实际产量(7.89 t hm–2)高4%和2%。产量随着虫药使用次数的增加呈增长趋势, 为3次及以上较1次时的产量(7.71 t hm–2)显著高6%。施肥次数为2次和3次及以上均较1次的实际产量(7.78 t hm–2)显著高 5%, 二者间无显著差异。N施用量为100～200 kg hm–2的实际产量最高, 较0～100 kg hm–2的产量(7.90 t hm–2)显著高3%。品种选择上, 其他常规稻品种和黄华占的实际产量分别较杂交稻(7.89 t hm–2)高6%和3%。

施肥次数、品种选择和收获方式对油菜产量具有显著影响(图4)。施肥次数为1次和2次分别较3次的实际产量(1.70 t hm–2)显著高12%和8%。不同品种间, 中双11、华919、浙油28和其他品种较阳光2009的实际产量(1.47 t hm–2)高26%～38%。不同收获方式中, 人工收获较机械收获的实际产量(1.70 t hm–2)显著高15%。不同氮磷钾肥施用量下的油菜产量无显著差异。

虫药、草药使用次数对系统周年能量具有显著影响(图4)。系统产量随着草药使用次数的增加呈降低趋势, 为2～3次和4次分别较5次及以上的实际能量(162 GJ hm–2)显著提高 4%和2%。产量随着虫药使用次数的增加呈增长趋势, 为4次和5次及以上分别较1～3次的实际能量(160 GJ hm–2)高2%和5%, 而不同施肥量下的系统周年产量无显著差异。

2.3.3 条件推断树分析 条件推断树的结果显示,对水稻季、油菜季及系统周年产量影响最大的因素分别为草药使用次数、收获方式和土壤类型(图5)。水稻季在草药使用次数≤2次、耕层深度>38 cm、土壤类型为黏土的组合下产量最高(8.68 t hm–2), 较耕层≤38 cm、施肥次数≤1次时的产量高12%。油菜季在人工收获、施肥次数为1次、钾肥施用量≤81 kg hm–2组合下产量最高(2.36 t hm–2), 较机械收获、土壤类型为沙壤土或黏土时的产量高52%。系统在土壤类型为黏土、耕层深度>25 cm、钾肥施用量>205 kg hm–2组合下周年能量最高(177 GJ hm–2), 较土壤类型为沙壤土或黏土、氮肥施用量≤362 kg hm–2、虫药使用次数≤4次时高10%。

图5 水稻、油菜和稻油系统的生产决策树分析

氮、磷、钾肥用量分别表示表示纯N、P2O5、K2O施用量(kg hm–2)。每个节点内的表示该变量二元分类出的两组数据之间置换检验的值,表示该变量包含的样本数。

Nitrogen, phosphate, and potassic fertilizer input rates were shown as N, P2O5, and K2O (kg hm–2), respectively. The-value in each node is calculated based on permutation test for split and recurse the variable,is the number of samples in each node.

3 讨论

本研究以长江流域典型的稻油系统生产区湖北省武穴市为例, 利用作物模型和田间调查评估了该系统的周年产量差和增产限制因素。模型模拟的潜在产量与农户实际产量在光温资源利用上存在一定差异。作物模型以日为步长, 基于气象数据和光合同化能力计算当日干物质最大积累量且分配到各个器官, 通过每日累积获得成熟期干物质总量和潜在产量, 产量不受除气象因素外的其他生物、非生物胁迫影响[14]。理论上而言, 本研究的系统模拟的潜在产量为该系统最适宜的周年光温资源条件下所获得的产量(图1)。然而, 实际生产中农民的播期选择受到茬口矛盾、天气因素、土壤因素、管理措施等多重因素的限制, 导致作物生育期内的温光资源分布处于非最佳状态[36]。产量差的评估结果表明, 武穴市稻油系统的周年相对产量差为42%, 其中油菜季(59%)较水稻季(31%)具有更大的增产空间, 这与Huang等[6]的研究结果相似。此外, 相较于湖北省和长江流域水平, 武穴市稻油系统的实际产量较低, 尤其是在油菜季分别低24%和11%, 造成该地区系统产量差较大, 表明提升油菜产量是实现武穴市稻油系统周年高产的关键。相较于前人的产量差研究,本研究的创新点为: (1) 将田间调查与基于作物模型的产量差研究结合, 能够在农民生产实践基础上探究造成产量差形成的原因; (2)综合使用单因素方差分析和条件推断树比较了不同产量水平的农户特征差异, 前者明确单个因素对产量的影响, 后者反映出各因素之间的关系, 结合两种方法能够更加准确地反映出各因素对产量的综合性影响。

本研究结果表明, 系统周年低产的农户表现为土壤类型为沙壤土、耕层较浅, 虫草害发生严重, 水稻季所有肥料作为基肥一次施入且轻施氮钾肥, 而油菜季则重施。土壤条件上, 土壤耕层较浅会导致根系下扎受阻、水分养分吸收困难, 造成浅根系作物水稻的产量显著降低[37-39], 而土壤沙质含量越高, 保水保肥能力越差[40-42], 造成油菜以及系统周年产量显著下降。因此, 可以通过适当深耕( >25 cm, 图5), 改善作物根系的养分吸收状况, 以提高土壤生产力[43-44]。虫药和草药的使用次数能够反映田间虫草害发生的严重程度, 一般来说使用次数越多则受害程度越重。本研究中, 水稻季的虫害管理次数达到2次及以上时可有效减少产量损失。而草害管理次数达到3次及以上时的防控效果差, 水稻产量反而下降(图4和图5), 主要是由于该地区的水稻以人工直播为主, 生长前期的作物群体小, 若防控不及时导致杂草发生严重, 即使后期加大投入也难以有效控制草害发生[45]。杨永杰等[46]研究表明, 播种当天同步喷施封闭除草剂, 对直播稻田的禾本科、莎草科和阔叶杂草的防效达到98.3%以上, 且可较常规用量减少20%。因此, 水稻季应重点关注封闭除草, 并在苗期及时淹水控草, 减轻后期草害治理压力, 实现草害的高效防控。施肥管理上, 武穴市存在系统周年施肥比例不合理的现象, 水稻季所有肥料作底肥一次施用和肥料总量投入不足, 而油菜季追肥次数过多(>2次)和钾肥施用过量不利于高产(图5)。适当降低油菜季而提高水稻季的肥料用量, 水稻季施肥次数仅为一次的农户适当增加一次追肥可显著提高产量(图4), 促进提升系统周年产量和肥料利用效率。

该地区普遍种植常规稻品种HHZ (占比89%), 主要是由于: (1) 相较于杂交稻, HHZ作为常规稻具有食味品质佳、稳产性好、种子成本低等优势[47]; (2) 农民长期种植HHZ, 具有丰富的种植经验, 而缺乏系统的杂交稻种植技术, 导致杂交稻在当地未能表现出产量优势; (3) HHZ的市场优势更大, 当地收购商更青睐于品质更佳的常规稻HHZ[48]。但HHZ实际产量已达到该品种潜在产量的90%以上, 武穴市杂交稻的潜在产量较常规稻高28%, 更换潜在产量更高的杂交稻将为稻油系统带来更大的增产空间(图3-a)。针对实际生产中该地区的杂交稻未能表现出高产优势的问题, 可能是由于人工撒播的播种方式更易造成用种量较少的杂交稻种子分布不均匀, 不利于高产群体建成[49]。适当增加水稻的用种量, 提高直播密度, 能够提高有效穗数5.3%～16.7%、千粒重5.5%～7.2%和产量3.6%～6.5%, 并能够在减少N肥投入(225 kg hm–2)的条件下实现与高N处理(300 kg hm–2)相当的产量[50-51]。另一方面, 农户的栽培管理方式以长期经验为主, 而缺乏科学合理的杂交稻管理技术[52], 应加强杂交稻栽培技术的培训和推广。油菜品种数量较多且产量差异较大, 其中阳光2009的产量显著低于其他品种, 可能是由于该品种的生物量和需肥量较大[53], 在当前该地农户常规管理措施下难以实现高产, 可选择种植中双11、华919等其他高产品种(图4)。此外, 收获方式是影响油菜产量的最重要因素(图5), 当地油菜机收较人工收获的产量损失达到15%以上(图4)。未来需进一步培育和推广适宜机械化作业的高产油菜品种, 开发和引进油菜专用收割机及其配套技术, 降低机收损失, 以提高当地的油菜产量[54-58]。

本研究仅对2021—2022年的稻油系统生产现状开展调查, 并没有开展多年调查, 因此没有进行年度之间的差异分析。但是我们调查的生产数据多是来自长期从事稻油系统种植的农户, 种植经验较为丰富, 据反映每年的产量变异不大, 表明本研究结果能够一定程度反映当地多年的平均产量和栽培管理情况。此外, 本文重点关注农户栽培措施对系统产量差形成的影响, 没有细化到对产量构成因子的影响。在之后田间调查研究中, 需增加代表性高产和低产田块取样, 进一步讨论分析栽培措施对产量构成因子的影响。

4 结论

武穴市稻油系统存在42%的增产空间, 其中油菜(59%)比水稻(31%)具有更大的增产空间。相较于湖北省和长江流域, 武穴市的稻油系统产量差偏大, 主要是由于该地的实际产量偏低。通过适当深耕(>25 cm)提高土壤生产力, 油菜季选择当地适宜的高产油菜品种, 水稻季加强推广优质高产的杂交稻品种, 并重点关注增加水稻用种量、提高直播密度和播种时的封闭除草, 系统周年施肥管理上降低油菜季而提高水稻季的肥料用量, 水稻季仅施底肥的农户可适当增施追肥, 有助于促进武穴市稻油系统的周年高产和资源高效利用。

[1] 潘孝武, 何强, 张武汉, 舒服, 邢俊杰, 孙平勇, 邓华凤. 新形势下长江流域稻作发展的思考. 杂交水稻, 2015, 30(6): 1–5. Pan X W, He Q, Zhang W H, Shu F, Xing J J, Sun P Y, Deng H F. Reflection of rice development in Yangtze Rice Basin under the new situation., 2015, 30(6): 1–5 (in Chinese with English abstract).

[2] 赵正洪, 戴力, 黄见良, 潘晓华, 游艾青, 赵全志, 陈光辉, 周政, 胡文彬, 纪龙. 长江中游稻区水稻产业发展现状、问题与建议. 中国水稻科学, 2019, 33: 553–564. Zhao Z H, Dai L, Huang J L, Pan X H, You A Q, Zhao Q Z, Chen G H, Zhou Z, Hu W B, Ji L. Status, problems and solutions in rice industry development in the middle reaches of the Yangtze River., 2019, 33: 553–564 (in Chinese with English abstract).

[3] van Ittersum M K, Cassman K G. Yield gap analysis-rationale, methods and applications-introduction to the special issue., 2013, 143: 1–3.

[4] Jeong H, Jang T, Seong C, Park S. Assessing nitrogen fertilizer rates and split applications using the DSSAT model for rice irrigated with urban wastewater., 2014, 141: 1–9.

[5] Hoogenboom G, Porter C H, Boote K J, Shelia V, Wilkens P W, Singh U, White J W, Asseng S, Lizaso J I, Moreno L P, Pavan W, Ogoshi R, Hunt L A, Tsuji G Y, Jones J W. The DSSAT Crop Modeling Ecosystem: Advances in Crop Modelling for a Sustainable Agriculture. Cambridge: Burleigh Dodds Science Publishing, 2019. pp 173–216.

[6] Huang J D, Cao X Y, Kuai J, Cheng H, Du H, Peng S B, Huang J L, Deng N Y. Evaluation of production capacity for rice-rapeseed cropping system in China., 2023, 293: 108842.

[7] 赵鹏飞, 黄文超, 高超男, 曹国鑫, 张宏彦, 李晓林. 小麦白穗病发生与主要栽培管理措施的关系研究初报. 华北农学报, 2012, 27(增刊1): 368–373. Zhao P F, Huang W C, Gao C N, Cao G X, Zhang H Y, Li X L. Preliminary report on the relationship between occurrence of white ear symptom in winter wheat and the prominent agricultural management practices., 2012, 27(S1): 368–373 (in Chinese with English abstract).

[8] 何贤芳, 赵莉, 刘泽, 汪建来. 安徽稻茬小麦产量差异性与生产限制因子构成解析. 北方农业学报, 2020, 48(1): 123–128. He X F, Zhao L, Liu Z, Wang J L. Analysis of yield difference and production restriction factors of rice stubble wheat in Anhui province., 2020, 48(1): 123–128 (in Chinese with English abstract).

[9] Shao J J, Zhao W Q, Zhou Z G, Du K, Kong L J, Wang Y H. A new feasible method for yield gap analysis in regions dominated by smallholder farmers, with a case study of Jiangsu province, China., 2021, 20: 460–469.

[10] Agus F, Andrade J F, Edreira J I R, Deng N Y, Purwantomo D K G, Agustiani N, Aristya V E, Batubara S F, Herniwati, Hosang E Y, Krisnadi L Y, Makka A, Samijan, Cenacchi N, Wiebe K, Grassini P. Yield gaps in intensive rice-maize cropping sequences in the humid tropics of Indonesia., 2019, 237: 12–22.

[11] Rizzo G, Agus F, Batubara S F, Andrade J F, Edreira J I R, Purwantomo D K G, Anasiru R H, Maintang, Marbun O, Ningsih R D, Syahri, Ratna B S, Yulianti V, Istiqomah N, Aristya V E, Howard R, Cassman K G, Grassini P. A farmer data-driven approach for prioritization of agricultural research and development: A case study for intensive crop systems in the humid tropics., 2023, 297: 108942.

[12] 杨娅, 田贵生, 吴海亚, 周雨亭, 周志华, 丛日环. 武穴市油菜种植现状调研与分析. 中国农技推广, 2019, 35(增刊1): 17–18. Yang Y, Tian G S, Wu H Y, Zhou Y T, Zhou Z H, Cong R H. Rapeseed production status investigation and analysis in Wuhan., 2019, 35(S1): 17–18 (in Chinese).

[13] 秦鹏程, 万素琴, 邓环, 刘敏. 湖北省水稻种植布局精细化气候区划. 湖北农业科学, 2016, 55: 4150–4153. Qin P C, Wan S Q, Deng H, Liu M. Fine climatic regionalization of rice cultivated patterns in Hubei province., 2016, 55: 4150–4153 (in Chinese with English abstract).

[14] Li T, Angeles O, Marcaida III M, Manalo E, Manalili M P, Radanielson A, Mohanty Sl. From ORYZA2000 to ORYZA (v3): an improved simulation model for rice in drought and nitrogen-deficient environments., 2017, 237: 246–256.

[15] Sayin C, Mencet M N, Ozkan B. Assessing of energy policies based on Turkish agriculture: current status and some implications., 2005, 33: 2361–2373.

[16] Tabar I B, Keyhani A, Rafiee S. Energy balance in Iran’s agronomy (1990–2006)., 2010, 14: 849–855.

[17] Setiyono T D, Quicho E D, Gatti L, Campos-Taberner M, Busetto L, Collivignarelli F, García-Haro F J. Boschetti M, Khan N I, Holecz F. Spatial rice yield estimation based on MODIS and Sentinel-1 SAR data and ORYZA crop growth model., 2018, 10: 293.

[18] Deng N Y, Grassini P, Yang H S, Huang J L, Cassman K G, Peng S B. Closing yield gaps for rice self-sufficiency in China., 2019, 10: 1725.

[19] Boote K J, Jones J W, Hoogenboom G, Pickering N. The CROPGRO Model for Grain Legumes: Understanding Options for Agricultural Production. Dordrecht: Kluwer Academic Publishers, 1998. pp 99–128.

[20] Deligios P A, Farci R, Sulas L, Hoogenboom G, Ledda L. Predicting growth and yield of winter rapeseed in a Mediterranean environment: Model adaptation at a field scale., 2013, 144: 100–112.

[21] Xu M C, Wang C M, Ling L, Batchelor W D, Zhang J, Jie K. Sensitivity analysis of the CROPGRO-Canola model in China: a case study for rapeseed., 2021, 16: e0259929.

[22] 李万君, 李艳军. 基于企业视角的湖北省油菜良种补贴效果评析: 以统一供种为例. 华中农业大学学报(社会科学版), 2016, 2: 47–52. Li W J, Li Y J. Effect analysis on improved canola seed subsidy in Hubei province from perspective of enterprises-taking unified seed supply program for example.(Soc Sci Edn), 2016, 2: 47–52 (in Chinese with English abstract).

[23] 熊伟, 林而达, 杨婕, 李迎春. 作物模型区域应用两种参数校准方法的比较. 生态学报, 2008, 28: 2140–2147. Xiong W, Lin E D, Yang J, Li Y C. Comparison of two calibration approaches for regional simulation of crop model., 2008, 28: 2140–2147 (in Chinese with English abstract).

[24] Yang H S, Dobermann A, Lindquist J L, Walters D T, Cassman K G. Hybrid maize: a maize simulation model that combines two crop modeling approaches., 2004, 87: 131–154.

[25] Grassini P, van Bussel L G J, Van Wart J, Wolf J, Claessens L, Yang H S, Boogaard H, de Groot H, van Ittersum M K, Cassman K G. How good is good enough? Data requirements for reliable crop yield simulations and yield-gap analysis., 2015, 177: 49–63.

[26] Schils R, Olesen J E, Kersebaum K C, Rijk B, Oberforster M, Kalyada V, Khitrykau M, Gobin A, Kirchev H, Manolova V, Manolov I, Trnka M, Hlavinka P, Palosuo T, Peltonen-Sainio P, Lorgeou J, Marrou H, Danalatos N, Archontoulis S, van Ittersum M K. Cereal yield gaps across Europe., 2018, 101: 109–120.

[27] Yuan S, Stuart A M, Laborte A G, Edreira J I R, Dobermann A, Kien L V N, Thúy L T, Paothong K, Traesang P, Tint K M, San S S, Villafuerte II M Q, Quicho E D, Pame A R P, Then R, Flor R J, Thon N, Agus F, Agustiani N, Deng N, Li T, Grassini P. Southeast Asia must narrow down the yield gap to continue to be a major rice bowl., 2022, 3: 217–226.

[28] Grassini P, Eskridge K M, Cassman K G. Distinguishing between yield advances and yield plateaus in historical crop production trends., 2013, 4: 2918.

[29] van Wart J, Grassini P, Cassman K G. Impact of derived global weather data on simulated crop yields., 2013, 19: 3822–3834.

[30] Han E, Ines A, Koo J. Global high-resolution soil profile database for crop modeling applications., 2015, 1: 1–37.

[31] Hothorn T, Hornik K, Zeileis A. Unbiased recursive partitioning: a conditional inference framework., 2006, 15: 651–674.

[32] Guelman L, Guillén M, Pérez-Marín A M. A decision support framework to implement optimal personalized marketing interventions., 2015, 72: 24–32.

[33] Mourtzinis S, Kaur G, Orlowski J M, Shapiro C A, Lee C D, Wortmann C, Holshouser D, Nafziger E D, Kandel H, Niekamp J, Ross W J, Lofton J, Vonk J, Roozeboom K L,Thelen K D, Lindsey L E, Staton M,Naeve S L, Casteel S N, Wiebold W J, Conley S P. Soybean response to nitrogen application across the United States: a synthesis-analysis., 2018, 215: 74–82.

[34] Corassa G M, Amado T J C, Strieder M L, Strieder M L, Schwalbert R, Pires J L F, Carter P R, Ciampitti I A. Optimum soybean seeding rates by yield environment in southern Brazil., 2018, 110: 2430–2438.

[35] Hothorn T, Hornik K, Zeileis A. ctree: conditional inference trees., 2015, 8: 1–32.

[36] 陆佳岚, 王净, 马成, 陶明煊, 赵春芳, 张亚东, 李霞, 方先文,张俊, 陈长青, 张巫军, 夏加发, 江学海, 柳开楼, 乔中英, 张彬. 长江流域中稻产量和品质性状差异与其生育期气象因子的相关性. 江苏农业学报, 2020, 36: 1361–1372. Lu J L, Wang J, Ma C, Tao M X, Zhao C F, Zhang Y D, Li X, Fang X W, Zhang J, Chen C Q, Zhang W J, Xia J F, Jiang X H, Liu K L, Qiao Z Y, Zhang L. Correlation between the differences in yield and quality traits among various types of middle rice and meteorological factors during growth period in the Yangtze River basin., 2020, 36: 1361–1372 (in Chinese with English abstract).

[37] Linh T B, Sleutel S, Thi G V, Khoa L V, Cornelis W M. Deeper tillage and root growth in annual rice-upland cropping systems result in improved rice yield and economic profit relative to rice monoculture., 2015, 154: 44–52.

[38] 姜宝龙, 代贵金, 宫殿凯, 赵福财, 于广星, 徐博, 刘宪平, 陈盈. 稻田旋耕深度对盐丰47的生长发育及产量性状的影响. 粮食科技与经济, 2020, 45(6): 107–109. Jiang B L, Dai G J, Gong D K, Zhao F C, Yu G X, Xu B, Liu X P, Chen Y. Effect of rotary tillage depth on the growth and yield characters of Yanfeng 47., 2020, 45(6): 107–109 (in Chinese with English abstract).

[39] 刘智炫, 刘勇军, 彭曙光, 单雪华, 谢鹏飞, 李宏光, 李强, 穰中文, 周清明, 黎娟. 基于长期浅耕模式的烟稻轮作区土壤速效养分垂直分布特征. 中国烟草科学, 2020, 41(3): 28–35. Liu Z X, Liu Y J, Peng S G, Shan X H, Xie P F, Li H G, Li Q, Rang Z W, Zhou Q M, Li J. Vertical distribution characteristics of soil available nutrients in tobacco rice rotation area based on long-term shallow tillage., 2020, 41(3): 28–35 (in Chinese with English abstract).

[40] Xing X, Zhang P, Ma X. Rapeseed dreg additive reducing soil infiltration and improving water retention., 2017, 33(2): 102–108.

[41] 袁金展, 马霓, 张春雷, 李俊. 移栽与直播对油菜根系建成及籽粒产量的影响. 中国油料作物学报, 2014, 36: 189–197. Yuan J Z, Ma N, Zhang C L, Li J. Effects of direct drilling and transplanting on root system and rapeseed yield.2014, 36: 189–197 (in Chinese with English abstract).

[42] 王秋菊, 高中超, 张劲松, 常本超, 姜辉, 孙兵, 郭中原, 贾会彬, 焦峰, 刘峰. 黑土稻田连续深耕改善土壤理化性质提高水稻产量大田试验. 农业工程学报, 2017, 33(9): 126–132. Wang Q J, Gao Z C, Zhang J S, Chang B C, Jiang H, Sun B, Guo Z Y, Jia H L, Jiao F, Liu F. Black-soil paddy field experiment on improving soil physical and chemical properties and increasing rice yield by continuous deep ploughing.2017, 33(9): 126–132 (in Chinese with English abstract).

[43] Arora V K, Joshi R, Singh C B. Irrigation and deep tillage effects on productivity of dry-seeded rice in a subtropical environment., 2018, 7: 416–423.

[44] Shen X L, Wang L L, Yang Q C, Xiu W M, Li G, Zhao H N, Zhang G L. Dynamics of soil organic carbon and labile carbon fractions in soil aggregates affected by different tillage managements., 2021, 13: 1541.

[45] 梁玉刚, 李静怡, 周晶, 吴涛, 方宝华, 余政军. 中国水稻栽培技术的演变与展望. 作物研究, 2022, 36: 180–188. Liang Y G, Li J L, Zhou J, Wu T, Fang B H, Yu Z J. Evolution and prospect of rice cultivation technology in China., 2022, 36: 180–188 (in Chinese with English abstract).

[46] 杨永杰, 张慧泉, 金文涌, 糜学江, 张建萍, 于晓玥, 唐伟, 陆永良. 几种封闭除草剂两个时期用药效果对比及其交互作用分析. 植物保护, 2022, 48(5): 341–347. Yang Y J, Zhang H Q, Jin W Y, Mi X J, Zhang J P, Yu X Y, Tang W, Lu Y L. Comparison of weed management with several pre-emergence herbicides under two application periods and analysis their interactions in weed control., 2022, 48(5): 341–347 (in Chinese with English abstract).

[47] 金红梅. 长江中下游籼型常规稻与杂交稻主要性状的比较分析. 中国稻米, 2011, 17(3): 14–16. Jin H M. Comparison of major traits between Indica conventional rice and hybrid rice in the middle and lower reaches of Yangtze River Valley., 2011, 17(3): 14–16 (in Chinese).

[48] 郑华斌, 唐启源, 陈风波. 绿色超级稻品种黄华占在湖南推广的启示. 作物研究, 2019, 33: 44–46. Zheng H B, Tang Q Y, Chen F B. Enlightenment for promotion of Green Super Rice variety Huanghuazhan in Hunan., 2019, 33: 44–46 (in Chinese).

[49] 王亚梁, 朱德峰, 向镜, 陈惠哲, 张玉屏, 徐一成, 张义凯. 杂交水稻机插定位定量播种技术. 杂交水稻, 2020, 35(3): 42–45. Wang Y L, Zhu D F, Xiang J, Chen H Z, Zhang Y P, Xu Y C, Zhang Y K. Sowing techniques of seed location and quantitation for machine transplanting of hybrid rice., 2020, 35(3): 42–45 (in Chinese with English abstract).

[50] 季红娟, 张小祥, 赵步洪, 郑青松, 陈刚, 李育红, 肖宁, 潘存红, 吴云雨, 蔡跃, 李爱宏. 不同播期和密度对直播粳稻扬粳3012产量及品质的影响. 扬州大学学报(农业与生命科学版), 2020, 41(1): 85–90. Ji H J, Zhang X X, Zhao B H, Zheng Q S, Chen G, Li Y H, Xiao N, Pan C H, Wu Y Y, Cai Y, Li A H. Effects of different sowing date and density on yield and quality of Yangjing 3012 indirect-seeding rice.(Agric Life Sci Edn), 2020, 41(1): 85–90 (in Chinese with English abstract).

[51] 吴培, 陈天晔, 袁嘉琦, 黄恒, 邢志鹏. 施氮量和直播密度互作对水稻产量形成特征的影响. 中国水稻科学, 2019, 33: 269–281.Wu P, Chen T H, Yuan J Q, Huang H, Xing Z P. Effects of interaction between nitrogen application rate and direct-sowing density on yield formation characteristics of rice., 2019, 33: 269–281 (in Chinese with English abstract).

[52] 安宁, 范明生, 张福锁. 水稻最佳作物管理技术的增产增效作用. 植物营养与肥料学报, 2015, 21: 846–852. An N, Fan M S, Zhang F S. Best crop management practices increase rice yield and nitrogen use efficiency., 2015, 21: 846–852 (in Chinese with English abstract).

[53] 刘助生, 钟丽, 廖云云, 张宗急, 明日, 李云娟, 方鹏, 韦永忠.桂北地区不同油菜品种对氮磷钾肥的响应研究. 作物研究, 2022, 36: 320–326. Liu Z S, Zhong L, Liao Y Y, Zhang Z J, Ming R, Li Y J, Wan P, Wei Y Z. Responses of the different rapeseed cultivars to nitrogen, phosphorus and potassium fertilizers in northern Guangxi., 2022, 36: 320–326 (in Chinese with English abstract).

[54] Kuai J, Sun Y Y, Zuo Q S, Huang H D, Liao Q X, Wu C Y, Lu J W, Wu J S, Zhou G S. The yield of mechanically harvested rapeseed (L.) can be increased by optimum plant density and row spacing., 2015, 5: 18835.

[55] Kuai J, Sun Y Y, Zuo Q S, Liao Q X, Leng S H, Cheng Y G, Cao S, Wu J S, Zhou G S. Optimization of plant density and row spacing for mechanical harvest in winter rapeseed (L.)., 2016, 42: 898–908.

[56] 梁苏宁, 沐森林, 汤庆, 张敏, 吴崇友. 收获方式对油菜收获损失构成特征的影响. 农机化研究, 2018, 40(3): 134–140. Liang S N, Ru S L, Tang Q, Zhang M, Wu C Y. The Effect of different harvest methods on formation of rape harvest loss., 2018, 40(3): 134–140 (in Chinese with English abstract).

[57] 王竹云, 张耀文, 赵小光, 侯君利, 关周博, 李殿荣, 史文青. 限制油菜高产水平提高的因素解析及解决途径. 江西农业学报, 2019, 31(6): 45–51. Wang Z Y, Zhang Y W, Zhao X G, Hou L J, Guan Z B, Li D R, Shi W Q. Analysis and solution of factors restricting high yield of rapeseed., 2019, 31(6): 45–51 (in Chinese with English abstract).

[58] 张立伟. 2021年菜籽菜油菜粕市场分析与2022年展望. 粮油与饲料科技, 2022, (3): 43–48.Zhang L W. The market analysis of rapeseed seeds, oil, and meal of 2021 and the outlook of 2022., 2022, (3): 43–48 (in Chinese).

附表1 ORYZA和CROPGRO-Canola主要校正的模型参数及定义

Table S1 Definition of major calibrated model parameters in ORYZA and CROPGRO-Canola models

模型Model参数Parameter定义Definition ORYZADVRJ幼苗期生长发育速率(℃ d–1) Development rate in juvenile phase (℃ d–1) DVRI光合敏感期生长发育速率(℃ d–1) Development rate in photoperiod-sensitive phase (℃ d–1) DVRP穗分化期生长发育速率(℃ d–1) Development rate in panicle development (℃ d–1) DVRR生殖生长期生长发育速率(℃ d–1) Development rate in reproductive phase (℃ d–1) CROPGRO-CanloEM-FL萌发到始花的光热时间(℃ d) Photothermal days between plant emergence and flower appearance (℃ d) FL-SH始花到第一个荚形成的光热时间(℃ d) Photothermal days between first flower and first pod (℃ d) FL-SD始花到第一个籽粒形成的光热时间(℃ d) Photothermal days between first flower and first seed (℃ d) SD-PM第一个籽粒形成到生理成熟的光热时间(℃ d)Photothermal days between first seed and physiological maturity (℃ d) FL-LF始花到叶片面积停止扩大的光热时间(℃ d) Photothermal days first flower and end of leaf expansion (℃ d) LFMAX30℃、350 vpm CO2和高光照条件下的叶片最大光合速率(mg CO2 m–2 s–1)Maximum leaf photosynthesis rate at 30℃, 350 vpm CO2, and high light (mg CO2 m–2 s–1) SLAVR标准生长条件下的特定品种比叶面积(cm2 g–1)Specific leaf area of cultivar under standard growth conditions (cm2 g–1) SIZIF最大全叶面积(三片叶)(cm2) Maximum size of full leaf (cm2) XFRT每日光合产物分配给种子+荚的最大比例Maximum fraction of daily growth that is partitioned to seed and shell WTPSD最大粒重(g) Maximum weight per seed (g) SFDUR标准生长条件下籽粒灌浆持续的光热时间(℃ d)Seed filling duration for pod cohort at standard growth conditions (℃ d) SDPDV标准生长条件下每个荚的籽粒数(pod–1) Average seed per pod under standard growing conditions (pod–1) PODUR最佳生长条件下达到籽粒完成灌浆的光热时间(℃ d)Photothermal days required to reach the final pod load under optimal (℃ d) THRSH成熟期时籽粒占籽粒+荚重量的最大比例The maximum ratio of (seed/(seed+shell)) at maturity FRSTMF最后一片叶子伸展后分配给茎的养分比例The increased partitioning weight which is allocated to stem when the maximum V-stage occurs FRLFF最后一片叶子伸展后分配给叶的养分比例The increased partitioning weight which is allocated to leaf when the maximum V-stage occurs FREEZ1叶片生长的最低温度(℃) Temperature thresholds for leaf growth due to freezing (℃) FREEZ2叶片存活的最低温度(℃) Temperature thresholds for leaf survival due to freezing (℃) YLEAF在各XLEAF时期营养分配给叶的比例Daily dry matter partitioning to leaf in each XLEAF YSTEM在各XLEAF时期营养分配给茎的比例Daily dry matter partitioning to stem in each XLEAF

附表2 校正后的ORYZA模型参数

Table S2 Calibrated parameters in ORYZA model

参数Parameter隆两优华占Longliangyouhuazhan黄华占Huanghuazhan DVRJ0.000,569,9050.000,765,9 DVRI0.000,757,600.000,807,6 DVRP0.000,680,800.000,769,8 DVRR0.001,442,430.001,684,2

附表3 校正后的CROPGRO-Canola模型参数

Table S3 Calibrated parameters in DSSAT-CROPGRO-Canola model

参数Parameter华油杂62Huayouza 62参数Parameter华油杂62Huayouza 62 CSDL23.73SIZLF97.01 PPSEN–0.019WTPSD0.008 EM-FL42.83SFDUR27.61 FL-SH6.85SDPDV25.41 FL-SD10.82PODUR5.17 SD-PM31.44THRSH53.93 FL-LF2.062FRLFF0.22 LFMAX2.000FRSTMF0.70 SLAVR256.3

附图1 模型校正和验证的结果

Fig. S1 Model calibration and validation results

模型校正的模拟值与实测值在生物量(a)、生育期(b)和产量(c)上的比较, 验证的模拟值与实测值在生物量(d)、生育期(e)和产量(f)上的比较。决定系数(2)越接近于1, RMSE (均方根误差)和nRMSE (归一化均方根误差)越小, 则表明模型的模拟表现越好。LLYHZ, 杂交稻品种隆两优华占; HHZ, 常规稻品种黄华占; HYZ62, 油菜品种华油杂62。

Comparison of calibrated model with actual data on the aspects of biomass (a), growth period (d), and yield (c). Comparison of validated model with actual data on the aspects of biomass (d), growth period (e), and yield (f). The2(coefficient of determination) closer to 1 and lower RMSE (root mean square error) and nRMSE (normalized RMSE) values indicate better model performance. LLYHZ: Longliangyouhuazhan; HHZ: Huanghuazhan; HYZ62: Huayouza 62.

Evaluation of annual yield gap and yield limiting facters in rice-rapeseed cropping system: an example from Wuxue city, Hubei province, China

CAO Xin-Yuan, DU Ming-Li, WANG Yu-Cheng, CHEN Xin-Hua, CHEN Jia-Xin, LING Xiao-Xia, HUANG Jian-Liang, PENG Shao-Bing, and DENG Nan-Yan*

National Key Laboratory of Crop Genetic Improvement / MARA Key Laboratory of Crop Ecophysiology and Farming System in the Middle Reaches of the Yangtze River / Hubei Hongshan Laboratory / College of Plant Science and Technology, Huazhong Agricultural University, Wuhan 430070, Hubei, China

To ensure national food and edible oil security, it is important to identify the yield gap and yield-limiting factors of rice-rapeseed cropping system at farmer level. In this study, Wuxue city, Hubei province, a typical rice-rapeseed cropping system production area in China was selected for the research. The annual system yield gap was evaluated by a mixed approach of crop modeling and field investigation. Comparisons were conducted among smallholders in terms of soil conditions and management practices by the methods of one-way ANOVA and conditional inference tree. The objective of this study is to identify the crucial yield-limiting factors for smallholders, to explore practical strategies to further increase system yield, and to provide innovative insight into how to adapt specific strategies to close the yield gap based on local conditions. The results showed as follows: (1) The potential yields of rice and rapeseed seasons in Wuxue were 11.79 t hm–2and 4.43 t hm–2, respectively, and the maximum annual system potential energy was 284 GJ hm–2based on the equivalent energy of rice and rapeseed. The actual yields for rice and rapeseed seasons were 8.11 t hm–2and 1.82 t hm–2, respectively, and the average annual actual system energy was 165 GJ hm–2. The average annual relative yield gap (the ratio of yield gap to potential yield) was 42%, and rapeseed (59%) had a greater space for yield increase than rice (31%) within the system. Compared with the average yields of Hubei province and Yangtze River Valley (YRV), the annual potential yield in Wuxue was similar, while the annual actual yield was 13% and 5% lower, respectively, resulting in a relatively large system yield gap in Wuxue. Specifically, approximately 83% and 61% of smallholders in Wuxue had larger relative yield gaps than the average levels in Hubei and the YRV, respectively. (2) Smallholders with relative low system yields presented the following characteristics: sandy-loam soil and low plowing depths, severe weed and pest damage, all fertilizers were applied as basal fertilizer in rice season, low annual fertilization input in rice season and high input in rapeseed season, and high rapeseed mechanical harvesting damage. (3) Most (89%) of smallholders in Wuxue planted the conventional rice Huanghuazhan, which has reached approximately 90% of its potential yield. In addition, rapeseed yield varied among different varieties. In conclusion, the rice-rapeseed system in Wuxue still had a large space for increasing production. The technical measures to reduce the yield gap of the local rice-rapeseed system including: appropriate deep plowing to increase soil production capacity, choosing suitable rapeseed high-yielding varieties in the rapeseed season. For rice season promoting hybrid rice varieties with high potential yield and good quality, increasing planting density, and strengthening weed control at sowing stage in rice season, and emphasizing topdressing in which only basal fertilizer is applied in rice season. Moreover, for the whole seoson ferti­lizer management it is important for local smallholders to reduce the amount in rapeseed season and increase the amount in rice season.

yield gap; field investigation; rice-rapeseed cropping system; crop modeling; management practices

10.3724/SP.J.1006.2024.32030

本研究由国家自然科学基金项目(31901424)和湖北省现代种业“揭榜挂帅”项目(水稻现代育种技术研发与良种选育攻关)资助。

This study was supported by the National Natural Science Foundation of China (31901424) and the Seed Industry Modernization of “Open Bidding for Selecting the Best Candidates” Program of Hubei Province (the Research and Development of Modernized Rice Breeding Technology and Translation of Certified Seed Selection).

邓南燕, E-mail: nydeng@mail.hzau.edu.cn

E-mail: caoxinyuan@webmail.hzau.edu.cn

2023-08-01;

2024-01-12;

2024-01-26.

URL: https://link.cnki.net/urlid/11.1809.S.20240125.1756.004

This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).