聶志剛, 李 廣, 王 鈞, 董莉霞, 逯玉蘭, 雒翠萍, 馬維偉

基于APSIM的旱地小麥籽粒蛋白質(zhì)含量模型精度檢驗(yàn)及應(yīng)用*

聶志剛1,2, 李 廣3**, 王 鈞2, 董莉霞2, 逯玉蘭2, 雒翠萍2, 馬維偉3

(1. 甘肅農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院 蘭州 730070; 2. 甘肅農(nóng)業(yè)大學(xué)信息科學(xué)技術(shù)學(xué)院 蘭州 730070; 3. 甘肅農(nóng)業(yè)大學(xué)林學(xué)院 蘭州 730070)

籽粒蛋白質(zhì)積累過(guò)程的準(zhǔn)確模擬對(duì)黃土丘陵區(qū)旱地小麥優(yōu)質(zhì)生產(chǎn)的有效調(diào)控有重要意義。利用甘肅省定西市安定區(qū)鳳翔鎮(zhèn)安家溝村2016—2017年大田試驗(yàn)數(shù)據(jù)及定西市安定區(qū)1971—2017年氣象資料, 建立基于APSIM(agricultural production systems simulator)的旱地小麥籽粒蛋白質(zhì)含量模型, 采用相關(guān)性分析方法檢驗(yàn), 并定量分析了耕作方式(傳統(tǒng)耕作、傳統(tǒng)耕作+秸稈覆蓋、免耕及免耕+秸稈覆蓋)和播期(正常播期、早播、晚播)對(duì)小麥籽粒蛋白質(zhì)含量的影響。結(jié)果表明: 3個(gè)播期處理和4種耕作方式下, 產(chǎn)量和籽粒蛋白質(zhì)含量模擬值和觀測(cè)值之間的均方根誤差(RMSE)分別為66.4~121.9 kg·hm-2和0.2%~1.1%; 歸一化均方根誤差(NRMSE)分別為1.23%~9.66%和1.31%~9.94%, 模型模擬精度較高。播期對(duì)旱地小麥籽粒蛋白質(zhì)含量的影響顯著, 正常播期的蛋白質(zhì)含量最高, 晚播明顯降低了蛋白質(zhì)含量。4種耕作方式的小麥產(chǎn)量與籽粒蛋白質(zhì)含量均呈開(kāi)口向下的二次曲線關(guān)系, 隨著蛋白質(zhì)含量的升高, 產(chǎn)量呈先增加后減少的態(tài)勢(shì), 經(jīng)過(guò)秸稈覆蓋的耕作方式(傳統(tǒng)耕作+秸稈覆蓋和免耕+秸稈覆蓋)比不覆蓋的耕作方式(傳統(tǒng)耕作和免耕)更利于小麥籽粒蛋白質(zhì)含量的提高。

小麥; 籽粒蛋白質(zhì)含量; 耕作方式; 播期; APSIM; 精度檢驗(yàn)

籽粒蛋白質(zhì)含量是衡量小麥()品質(zhì)的重要指標(biāo)之一[1], 開(kāi)展小麥籽粒蛋白質(zhì)積累與分配研究, 對(duì)產(chǎn)量形成過(guò)程中品質(zhì)的把控和有效的田間管理具有十分重要的意義。近年來(lái), 隨著信息技術(shù)的快速發(fā)展, 作物模型作為一種系統(tǒng)分析方法, 已成為農(nóng)業(yè)生產(chǎn)定量分析的重要手段之一[2-3]。Ritchie等[4]建立的CERES-Wheat模型假定小麥籽粒蛋白質(zhì)潛在積累是溫度和熱時(shí)間的函數(shù); Jeuffroy等[5]建立的Azodyn模型認(rèn)為冬小麥籽粒蛋白質(zhì)含量與環(huán)境因素和栽培管理呈時(shí)變非線性關(guān)系, 并且Mansouri等[6]利用改進(jìn)的粒子濾波方法對(duì)該模型參數(shù)進(jìn)行了優(yōu)化; 潘潔等[7]在南京地區(qū)開(kāi)展小麥氣候生態(tài)試驗(yàn), 建立了冬小麥籽粒蛋白質(zhì)含量預(yù)測(cè)模型, 確定了顯著影響蛋白質(zhì)含量的5個(gè)氣象因素為開(kāi)花至成熟期的日平均溫度、平均日較差、總?cè)照諘r(shí)數(shù)、總降雨量與積溫; 李振海等[8]從籽粒蛋白質(zhì)積累的氮素運(yùn)轉(zhuǎn)規(guī)律出發(fā), 利用高光譜田間地面數(shù)據(jù)和偏最小二乘法對(duì)植株氮含量進(jìn)行估算, 構(gòu)建了基于氮素運(yùn)轉(zhuǎn)原理的北京市冬小麥籽粒蛋白質(zhì)含量預(yù)測(cè)模型; 屈莎等[9]基于開(kāi)花期“植被指數(shù)—氮素營(yíng)養(yǎng)指標(biāo)—籽粒蛋白質(zhì)含量”模式, 以氮素營(yíng)養(yǎng)指標(biāo)為中間變量建立華北地區(qū)冬小麥籽粒蛋白質(zhì)含量遙感模型。國(guó)內(nèi)外學(xué)者通過(guò)經(jīng)驗(yàn)方程、機(jī)理描述和遙感監(jiān)測(cè), 因地制宜構(gòu)建了小麥籽粒蛋白質(zhì)含量模型, 為當(dāng)?shù)剞r(nóng)作物生產(chǎn)中品質(zhì)的把控提供了信息化的工具。然而, 現(xiàn)有模型多關(guān)注于氣候環(huán)境和氮素積累對(duì)小麥籽粒蛋白質(zhì)含量的影響, 對(duì)干物質(zhì)和氮素同時(shí)積累, 以及營(yíng)養(yǎng)器官向籽粒再遷移過(guò)程的研究相對(duì)較少。因此, 系統(tǒng)地描述干物質(zhì)和氮素的積累、分配及再遷移有利于小麥籽粒蛋白質(zhì)積累過(guò)程模擬精度的改進(jìn)和模型解釋性的增強(qiáng)。本文以干物質(zhì)和氮素的積累與分配作為籽粒蛋白質(zhì)的主要來(lái)源, 兼顧考慮其從營(yíng)養(yǎng)器官向籽粒再遷移的過(guò)程, 利用甘肅省定西市安定區(qū)鳳翔鎮(zhèn)安家溝村2016—2017年大田試驗(yàn)數(shù)據(jù), 建立基于APSIM (agricultural production systems simulator)的旱地小麥籽粒蛋白質(zhì)含量模型, 進(jìn)行初步模擬應(yīng)用, 旨在為旱地小麥生產(chǎn)的提質(zhì)增效提供一種精度較高的信息化調(diào)控工具。

1 材料與方法

1.1 研究區(qū)概況

大田試驗(yàn)于2016—2017年, 在黃土丘陵典型區(qū)域甘肅省定西市安定區(qū)鳳翔鎮(zhèn)安家溝村進(jìn)行。該地區(qū)海拔2 000 m, 氣候?qū)僦袦貛О敫珊祬^(qū); 晝夜溫差大, 太陽(yáng)輻射充足; 多年平均降雨量為385.0 mm, 降水量季節(jié)分配不均, 主要集中在7—9月份。

1.2 試驗(yàn)設(shè)計(jì)

試驗(yàn)共設(shè)4種耕作方式(表1)[10], 3個(gè)播期處理, 3次重復(fù), 共36個(gè)小區(qū), 試驗(yàn)小區(qū)面積6 m×4 m, 邊行列0.5 m為保護(hù), 完全隨機(jī)區(qū)組設(shè)置。供試作物為‘甘春32號(hào)’春小麥, 播種量187.5 kg?hm-2,免耕播種機(jī)播種, 播深7 cm, 行距0.25 m。施肥及田間管理同當(dāng)?shù)亍Ｒ援?dāng)?shù)剡m宜播期每年3月19日為正常播期(NSW); 早播(ESW)提前12 d, 3月6日播種; 晚播(LSW)推后12 d, 3月30日播種。7月下旬收獲。采用長(zhǎng)寬系數(shù)法[11]測(cè)算取平均值葉面積指數(shù); 開(kāi)花期莖干重采用烘干稱重法取平均值測(cè)定; 開(kāi)花后每隔7 d, 采用半微量凱氏定氮法[12], 測(cè)定植株莖和葉片氮素含量; 收獲時(shí)取樣20株進(jìn)行考種, 以各小區(qū)打碾產(chǎn)量折算公頃產(chǎn)量; 籽粒蛋白質(zhì)含量采用半微量凱氏定氮法[12]測(cè)定。

表1 耕作方式描述

1.3 APSIM平臺(tái)簡(jiǎn)介

APSIM是由澳大利亞農(nóng)業(yè)生產(chǎn)系統(tǒng)研究組(APSRU)研制的農(nóng)業(yè)生產(chǎn)系統(tǒng)模擬平臺(tái)。國(guó)內(nèi)外利用APSIM在作物生產(chǎn)區(qū)域適應(yīng)性、水肥調(diào)控、氣候變化效應(yīng)及評(píng)價(jià)等方面取得了一定研究成果[11,13-18]。該平臺(tái)以作物屬性模塊(APSIM-Wheat)為通用作物生長(zhǎng)模擬框架, 基于研究區(qū)土壤參數(shù)庫(kù), 以氣象數(shù)據(jù)為驅(qū)動(dòng), 可實(shí)現(xiàn)作物生長(zhǎng)發(fā)育過(guò)程的動(dòng)態(tài)模擬。

1.4 氣象及土壤數(shù)據(jù)

甘肅省氣象局提供定西市安定區(qū)多年(1971— 2017年)基礎(chǔ)氣象歷史資料。APSIM平臺(tái)運(yùn)行驅(qū)動(dòng)變量為逐日氣象數(shù)據(jù), 包括: 逐日太陽(yáng)輻射量(M?m-2)、逐日最高氣溫(℃)、逐日最低氣溫(℃)和逐日降水量(mm)。逐日太陽(yáng)輻射量利用李廣等[13]在黃土丘陵區(qū)APSIM適用性研究中所使用的日照時(shí)間轉(zhuǎn)換計(jì)算法獲取。氣象參數(shù)庫(kù)命名為Dingxi.met。基于田間測(cè)定土壤屬性數(shù)據(jù), 參考李廣等[13]在黃土丘陵區(qū)APSIM適用性研究中經(jīng)過(guò)轉(zhuǎn)換、率定的土壤屬性數(shù)據(jù), 土壤參數(shù)庫(kù)命名為Dingxi.soils。

1.5 模型參數(shù)校準(zhǔn)

基于APSIM V7.7平臺(tái), 設(shè)計(jì)APSIM-Wheat控制文件(Wheat.xml), 鏈接研究區(qū)1971—2017年氣象參數(shù)庫(kù)(Dingxi.met)和土壤參數(shù)庫(kù)(Dingxi.soils), 實(shí)現(xiàn)旱地小麥籽粒蛋白質(zhì)含量的動(dòng)態(tài)模擬。

基于田間實(shí)測(cè)數(shù)據(jù), 采用窮舉試錯(cuò)法, 參考李廣等[13]在黃土丘陵區(qū)APSIM適用性中的研究積累, 得到本土化作物基本屬性參數(shù)庫(kù), 如表2所示。其中, 參考Asseng等[18]的研究, 結(jié)合旱地小麥生長(zhǎng)發(fā)育生理生態(tài)過(guò)程, 日籽粒蛋白質(zhì)積累的范圍限定在70~230 g?kg-1。

表2 APSIM中供試小麥主要屬性初始參數(shù)

1.6 模型檢驗(yàn)方法

采用均方根誤差(RMSE)、歸一化均方根誤差(NRMSE)對(duì)模擬值與實(shí)測(cè)值的擬合度進(jìn)行分析, 計(jì)算公式為:

式中:Obs為實(shí)測(cè)值,Sim為模擬值,Mean為實(shí)測(cè)平均值。

RMSE和NRMSE越小, 表明模擬值與實(shí)測(cè)值之間偏差越小, NRMSE控制在10%以內(nèi)表明模型的模擬有較高精度[13]。

2 結(jié)果與分析

2.1 模型構(gòu)建

定西地區(qū)小麥開(kāi)花后, 籽粒進(jìn)入快速生長(zhǎng)階段, 結(jié)束于成熟階段。不考慮作物遺傳變異對(duì)作物蛋白質(zhì)積累的影響, 小麥籽粒蛋白質(zhì)的積累與分配是由干物質(zhì)和氮素的積累與分配而來(lái)[19]。干物質(zhì)的積累主要來(lái)源于光合作用的產(chǎn)物和干物質(zhì)的再遷移。模型構(gòu)建中主要考慮了水分虧缺、氮素和溫度脅迫以及物候期發(fā)展對(duì)干物質(zhì)積累的影響。氮素的積累, 假定從土壤吸收的氮全部用于供應(yīng)籽粒蛋白質(zhì)的形成, 當(dāng)?shù)?yīng)不足時(shí), 則從莖和葉片中再遷移, 直到滿足籽粒蛋白質(zhì)積累對(duì)氮的需求, 模型構(gòu)建中主要考慮了溫度和氮脅迫對(duì)籽粒氮素積累的影響。

2.1.1 籽粒干物質(zhì)積累模型

通過(guò)光合作用, 將獲取的熱輻射產(chǎn)物, 轉(zhuǎn)化為小麥地上部分干物質(zhì)積累的過(guò)程, 模型計(jì)算時(shí)主要考慮到日干物質(zhì)積累量受水分虧缺和氮、溫度脅迫因素的影響而減少以及物候期發(fā)展的影響。籽粒干物質(zhì)積累模型表達(dá)如下:

式中:為小麥地上部分日干物質(zhì)積累量(g?m-2);為可獲取的日熱輻射(MJ?m-2); RUE為輻射利用率(g?MJ-1), 根據(jù)Asseng等[18]的研究, 取值為1.24;w為水分虧缺系數(shù);s為脅迫因素系數(shù)。

式中: 可獲取的日熱輻射()通過(guò)小麥葉面積指數(shù)和消光系數(shù)計(jì)算[20],0為日熱輻射量(MJ?m-2), 來(lái)源于氣象參數(shù)庫(kù)Dingxi.met; LAI為葉面積指數(shù);為消光系數(shù), 根據(jù)Monsi等[20]的研究, 取值為0.5。

式中: 水分供應(yīng)充足時(shí), 水分虧缺對(duì)干物質(zhì)積累沒(méi)有影響, 水分供應(yīng)不足時(shí), 水分虧缺系數(shù)(w)以土壤水分供應(yīng)量(s)與作物生長(zhǎng)水分潛在需求量(d)的比值表示。根據(jù)Sinclair[21]和Monteith等[22]的研究,s與d由APSIM水分平衡子模型計(jì)算。公式(6)中, 脅迫因素系數(shù)(s)取溫度脅迫(T_photo)和氮脅迫(N_photo)中較小值。

式中:mean為日均溫,max為日最高溫,min為日最低溫。借鑒Ritchie等[4]針對(duì)溫度脅迫對(duì)小麥籽粒蛋白質(zhì)潛在積累的影響研究, 結(jié)合旱地小麥生長(zhǎng)發(fā)育生理生態(tài)過(guò)程以及研究區(qū)氣候和土壤狀況, 小麥開(kāi)花后, 當(dāng)研究區(qū)日平均溫度高于22 ℃時(shí)[7,23-24], 適宜干物質(zhì)積累, 低于8 ℃[7,23-24]不適宜干物質(zhì)積累, 介于22 ℃與8 ℃之間, 溫度脅迫對(duì)干物質(zhì)積累的影響效應(yīng)以日最高溫和最低溫之差進(jìn)行負(fù)增益計(jì)算[25]。

式中:N為葉片實(shí)際氮含量(g?kg-1), 開(kāi)花后各耕作方式和播期處理下, 葉片氮濃度實(shí)測(cè)數(shù)據(jù)平均值見(jiàn)表3;N_min描述了葉片自由生長(zhǎng)結(jié)構(gòu)性氮需求[26]下限(g?kg-1);N_crit為臨界氮含量(g?kg-1), 反映了葉片試圖保留額外氮的門檻。N_min和N_crit隨物候期發(fā)展取值不同, 取值曲線封裝在APSIM內(nèi)部, 建模時(shí)依據(jù)研究區(qū)長(zhǎng)期田間經(jīng)驗(yàn), 本試驗(yàn)中施肥量滿足小麥葉片的結(jié)構(gòu)性氮需求, 即N總是大于N_min。

公式(9)表明地上部分干物質(zhì)積累量首先被用來(lái)滿足麥穗的需求。麥穗包括籽粒和粒殼, 麥穗日干物質(zhì)積累量(spike)取值為總積累量和麥穗潛在需求量的較小值,grain為單株籽粒日干物質(zhì)需求量(g),pod為單株粒殼日干物質(zhì)需求量(g); 剩下部分被分配到葉片(leaf), 再剩下的被分配到莖(stem)。leaf為干物質(zhì)葉片分配系數(shù), 隨物候期發(fā)展取值不同, 取值曲線封裝在APSIM內(nèi)部。為小麥地上部分日干物質(zhì)積累量(g?m-2)。

式中:grain_plant為單株粒數(shù);grain_poten為日潛在籽粒平均灌漿速率(g?粒-1), 按小麥生長(zhǎng)進(jìn)程, 分為兩個(gè)階段, 第1階段從開(kāi)花到灌漿開(kāi)始, 第2階段為整個(gè)灌漿期, 根據(jù)李廣等[13]關(guān)于APSIM適用性的研究, 從開(kāi)花到灌漿開(kāi)始的日潛在籽粒平均灌漿速率取值為0.001 00 g?粒-1, 灌漿期日潛在籽粒平均灌漿速率取值為0.002 00 g?粒-1;grain_poten_Tmean為日均溫對(duì)籽粒灌漿速率的影響系數(shù), 范圍0~1, 取值曲線封裝在APSIM內(nèi)部;N_grain為氮素脅迫對(duì)籽粒灌漿過(guò)程的影響系數(shù)。

式中: 單株粒數(shù)由開(kāi)花期莖干重估算[19];grain為每克莖的籽粒數(shù)(粒?g-1), 根據(jù)李廣等[13]關(guān)于APSIM適用性的研究, 取值為25粒?g-1;stem_plant為開(kāi)花期莖干重(g), 取值為1.305 g。

式中:N_poten為日潛在籽粒平均氮積累速率(g?粒-1),N_min為日籽粒氮積累速率下限(g?粒-1), 根據(jù)李廣等[13]關(guān)于APSIM適用性的研究, 日潛在籽粒平均氮積累速率取值0.000 055 g?粒-1, 日籽粒氮積累速率下限取值0.000 015 g?粒-1;C為莖和葉片實(shí)際氮濃度(g?kg-1), 開(kāi)花后各耕作方式和播期處理下, 莖和葉片氮濃度實(shí)測(cè)數(shù)據(jù)平均值見(jiàn)表3;N_min為葉片自由生長(zhǎng)結(jié)構(gòu)性氮需求[26]下限(g?kg-1),N_crit為臨界氮濃度(g?kg-1), 反映了葉片試圖保留額外氮的門檻,N_min和N_crit隨物候期發(fā)展取值不同, 取值曲線封裝在APSIM內(nèi)部, 建模時(shí)依據(jù)研究區(qū)長(zhǎng)期田間經(jīng)驗(yàn), 本試驗(yàn)中施肥量滿足小麥莖和葉片的結(jié)構(gòu)性氮需求, 即N總是大于N_min。

表3 開(kāi)花后小麥莖和葉片氮濃度實(shí)測(cè)平均值

式中:stages為粒殼干物質(zhì)需求比例系數(shù), 隨物候期發(fā)展取值不同, 取值曲線封裝在APSIM內(nèi)部。

式中:grain為單株籽粒日干物質(zhì)積累量(g),pod為單株粒殼日干物質(zhì)積累量(g)。

公式(15)、(16)、(17)描述了灌漿過(guò)程中, 當(dāng)干物質(zhì)積累不能滿足麥穗需求時(shí), 主要考慮莖的干物質(zhì)按比例被遷移到籽粒和粒殼中, 且某日單株被遷移的莖干物質(zhì)總量上限是20%[19]。retrains_from_stem為發(fā)生遷移的莖干物質(zhì)量(g);stem為某日單株莖干物質(zhì)總量(g), 模擬過(guò)程中, 從出苗期開(kāi)始莖干物質(zhì)總量逐日更新;dissatisf_grain、dissatisf_pod和dissatisf_spike分別為籽粒、粒殼和穗干物質(zhì)需求量(g)不能得到滿足的部分;retrains_grain和retrains_pod為遷移到籽粒和粒殼的干物質(zhì)量(g)。

從上述對(duì)小麥干物質(zhì)積累、分配以及再遷移過(guò)程的描述可以看出, 小麥開(kāi)花后, 籽粒進(jìn)入快速生長(zhǎng)階段, 模型充分考慮了籽粒干物質(zhì)的積累主要來(lái)源于光合作用的產(chǎn)物和干物質(zhì)再遷移的生理生態(tài)過(guò)程。當(dāng)干物質(zhì)需求得到滿足時(shí), 單株籽粒實(shí)際日干物質(zhì)積累量與需求量(grain)相同; 當(dāng)干物質(zhì)需求不滿足時(shí), 植株莖干物質(zhì)發(fā)生再遷移, 盡可能滿足穗的需求, 此時(shí)單株籽粒實(shí)際日干物質(zhì)積累量為積累量(grain)與遷移量(retrains_grain)之和。

2.1.2 籽粒氮積累模型

籽粒氮素積累模型表達(dá)如下:

式中:D_grain為單株籽粒日氮素需求量(g);grain_plant為單株粒數(shù)(粒), 按照公式(11)計(jì)算;N_poten為日潛在籽粒平均氮積累速率(g?粒-1), 根據(jù)李廣等[13]關(guān)于APSIM適用性的研究, 取值為0.000 055 g?粒-1;N_poten_Tmean為日均溫對(duì)籽粒氮積累速率的影響系數(shù), 取值范圍0~1, 隨溫度變化曲線封裝在APSIM內(nèi)部;N_grain為氮脅迫對(duì)籽粒灌漿過(guò)程的影響系數(shù), 按照式(12)計(jì)算。

小麥開(kāi)花后, 籽粒進(jìn)入快速生長(zhǎng)階段, 籽粒氮素積累開(kāi)始。當(dāng)土壤氮供應(yīng)不足時(shí), 從莖和葉片中發(fā)生再遷移, 再遷移過(guò)程直到籽粒氮需求得到滿足為止。建模時(shí)依據(jù)研究區(qū)長(zhǎng)期田間經(jīng)驗(yàn), 本試驗(yàn)中施肥量滿足莖和葉片的結(jié)構(gòu)性氮需求, 小麥開(kāi)花前后莖和葉片額外儲(chǔ)存的氮積累量即為非結(jié)構(gòu)性氮需求, 并且其能夠滿足再遷移所需, 因此單株籽粒實(shí)際日氮素積累量與需求量相同, 依據(jù)公式(18)計(jì)算得到。

2.1.3 籽粒蛋白質(zhì)含量模型

假定從土壤吸收以及再遷移到籽粒的氮素積累量, 全部用于供應(yīng)籽粒蛋白質(zhì)的形成, 籽粒蛋白質(zhì)含量可依據(jù)小麥開(kāi)花到成熟階段籽粒氮素積累量與干物質(zhì)積累量比值計(jì)算[27]。

式中:grain為籽粒蛋白質(zhì)含量,accum_grain為開(kāi)花后到成熟單株籽粒氮素積累量(g),accum_grain為開(kāi)花后到成熟單株籽粒干物質(zhì)積累量(g)。

2.2 模型精度檢驗(yàn)

根據(jù)研究區(qū)2016—2017年大田試驗(yàn)數(shù)據(jù), 對(duì)旱地小麥籽粒蛋白質(zhì)含量模型進(jìn)行檢驗(yàn), 檢驗(yàn)指標(biāo)包括產(chǎn)量、籽粒蛋白質(zhì)含量。

3個(gè)播期處理和4種耕作方式下小麥產(chǎn)量、籽粒蛋白質(zhì)含量模擬值與實(shí)測(cè)值之間的關(guān)系分別如圖1所示。3個(gè)播期處理和4種耕作方式下小麥產(chǎn)量、籽粒蛋白質(zhì)含量模擬值與實(shí)測(cè)值很好地分布于1∶1實(shí)線的左右, 誤差控制在-15%~+15%。模型模擬檢驗(yàn)結(jié)果如表4所示, 3個(gè)播期處理和4種耕作方式下, 產(chǎn)量、籽粒蛋白質(zhì)含量模擬值與實(shí)測(cè)值RMSE分別為66.4~121.9 kg?hm-2和0.2%~1.1%; NRMSE分別為1.23%~9.66%和1.31%~9.94%, 控制在10%以內(nèi)?；贏PSIM的旱地小麥籽粒蛋白質(zhì)含量模型模擬精度較高。

2.3 不同播期和耕作方式下旱地小麥蛋白質(zhì)含量變化情況

模擬3種播期處理和4種耕作方式下, 2013—2017年籽粒蛋白質(zhì)含量。旱地小麥不同播期、耕作方式下籽粒蛋白質(zhì)含量多年平均值如圖2所示。正常播處理(NSW)的蛋白質(zhì)含量最高, T、TS、NT和NTS耕作方式下分別為11.2%、12.6%、10.8%和12.1%; 早播處理(ESW)的蛋白質(zhì)含量較高, T、TS、NT和NTS耕作方式下分別為10.4%、11.7%、10.4%和11.3%; 晚播處理(LSW)的蛋白質(zhì)含量最低, T、TS、NT和NTS耕作方式下分別為9.6%、10.4%、9.9%和9.5%。播期對(duì)蛋白質(zhì)含量影響較大, 4種耕作方式均表現(xiàn)出, 正常播處理(NSW)與早播處理(ESW)相差不大(0.4%~0.9%), 正常播處理(NSW)與晚播處理(LSW)相差較大(0.9%~2.6%), 表明晚播處理(LSW)明顯降低了旱地小麥籽粒蛋白質(zhì)含量。

圖1 旱地小麥產(chǎn)量(a)和蛋白質(zhì)含量(b)模擬值與實(shí)測(cè)值關(guān)系

2.4 不同耕作方式下產(chǎn)量和蛋白質(zhì)含量變化情況

模擬2013—2017年, 正常播期4種耕作方式下產(chǎn)量和籽粒蛋白質(zhì)含量, 擬合旱地小麥產(chǎn)量與籽粒蛋白質(zhì)含量二次多項(xiàng)式預(yù)測(cè)曲線, T、TS、NT和NTS擬合曲線方程如公式(20)~(23)所示, 在95%的置信區(qū)間內(nèi)決定系數(shù)(2)范圍介于0.775 3~0.908 8, 擬合程度較好。

各擬合曲線方程二次項(xiàng)系數(shù)均<0, 分別為-132.07、-63.669、-186.36和-37.239, 4種耕作方式下, 小麥產(chǎn)量與蛋白質(zhì)含量關(guān)系均呈開(kāi)口向下的二次拋物線, 表明蛋白質(zhì)含量的提高, 產(chǎn)量呈先增加后減少的趨勢(shì)。二次項(xiàng)系數(shù)絕對(duì)值排序?yàn)镹T>T>TS>NTS, 二次系數(shù)絕對(duì)值越小拋物線開(kāi)口越大。圖3所示二次拋物線對(duì)稱軸分別為10.5%、12.4%、11.4%和12.3%, 表明蛋白質(zhì)含量達(dá)12%以上時(shí), 經(jīng)過(guò)秸稈覆蓋的耕作方式(TS和NTS)比不覆蓋耕作方式(T和NT)產(chǎn)量減少的態(tài)勢(shì)較緩。

圖2 旱地小麥播期和播種方式對(duì)旱地小麥籽粒蛋白質(zhì)的影響

圖3 不同耕作方式下旱地小麥產(chǎn)量與籽粒蛋白質(zhì)含量關(guān)系

3 討論

采用可擴(kuò)展標(biāo)記語(yǔ)言(XML)對(duì)小麥生長(zhǎng)模擬框架(APSIM-Wheat)中的多個(gè)旱地小麥生長(zhǎng)過(guò)程有窮性數(shù)學(xué)子模型及相應(yīng)參數(shù)進(jìn)行構(gòu)建, 籽粒蛋白質(zhì)含量模型即為APSIM-Wheat中子模型之一。XML格式文檔所具有的獨(dú)立標(biāo)識(shí)功能, 使得各子模型既具備統(tǒng)一的描述方法, 又擁有獨(dú)立進(jìn)行數(shù)據(jù)交換的能力, 可實(shí)現(xiàn)APSIM-Wheat中小麥生長(zhǎng)各子模型協(xié)調(diào)、系統(tǒng)的嵌套。本文以干物質(zhì)和氮素的積累與分配作為籽粒蛋白質(zhì)的主要來(lái)源, 兼顧考慮干物質(zhì)從營(yíng)養(yǎng)器官向籽粒再遷移的過(guò)程。當(dāng)干物質(zhì)需求得到滿足時(shí), 單株籽粒實(shí)際日干物質(zhì)積累量與需求量相同; 當(dāng)干物質(zhì)需求不滿足時(shí), 植株莖干物質(zhì)發(fā)生再遷移, 盡可能滿足穗的需求, 此時(shí)單株籽粒實(shí)際日干物質(zhì)積累量為積累量與遷移量之和。當(dāng)土壤氮供應(yīng)不足時(shí), 從莖和葉片中發(fā)生氮素再遷移, 再遷移過(guò)程直到籽粒氮需求得到滿足為止。本試驗(yàn)中假定施肥量滿足籽粒實(shí)際日氮素需求, 單株籽粒實(shí)際日氮素積累量與需求量相同。根據(jù)研究區(qū)兩年(2016—2017年)大田試驗(yàn)數(shù)據(jù)檢驗(yàn)?zāi)Ｐ? 3種播期處理和4種耕作方式下小麥產(chǎn)量和籽粒蛋白質(zhì)含量模擬值和實(shí)測(cè)值之間的RMSE分別為66.4~121.9 kg?hm-2和0.2%~1.1%; NRMSE分別為1.23%~9.66%和1.31%~9.94%, 控制在10%以內(nèi), 模擬精度較高。模型的可靠性為籽粒蛋白質(zhì)含量的模擬應(yīng)用提供了重要技術(shù)支持。

模型精度檢驗(yàn)基礎(chǔ)上, 模擬多年(2013—2017年)3種播期處理和4種耕作方式下小麥產(chǎn)量和籽粒蛋白質(zhì)含量。模擬結(jié)果均表現(xiàn)為3月30日晚播處理的籽粒蛋白質(zhì)含量最低, 晚播降低了籽粒蛋白質(zhì)含量, 模型模擬結(jié)果與慕軍鵬[28]的研究結(jié)果一致。主要是因?yàn)辄S土丘陵區(qū)旱地小麥在灌漿期間, 適宜的溫度下, 隨氣溫的升高籽粒干物質(zhì)和氮的積累速度加快, 小麥蛋白質(zhì)含量迅速增加; 但日最高氣溫超過(guò)30 ℃時(shí), 高溫加速停止了營(yíng)養(yǎng)和生殖生長(zhǎng), 籽粒蛋白質(zhì)的積累與溫度呈負(fù)效應(yīng)[28-29]。2013—2017年, 晚播小麥均是6月29日左右進(jìn)入灌漿期, 7月21日左右成熟, 在這段籽粒蛋白質(zhì)含量快速積累的關(guān)鍵期間[28], 2013年、2014年、2015年和2017年, 日最高溫平均值分別為23.9 ℃、25.7 ℃、25.0 ℃和26.2 ℃, 日最高溫偏低, 不利于晚播小麥籽粒蛋白質(zhì)含量提高; 2016年日最高溫平均值為28.1 ℃, 但是, 日最高溫度超過(guò)30 ℃的天數(shù)共計(jì)8 d, 過(guò)度高溫又導(dǎo)致晚播小麥籽粒蛋白質(zhì)積累受限。晚播相對(duì)于早播和正常播種, 蛋白質(zhì)積累和分配天數(shù)的縮短也是晚播降低籽粒蛋白質(zhì)含量的原因之一。

由模擬結(jié)果可知, 秸稈覆蓋方式(TS和NTS)較不覆蓋方式(T和NT), 更利于旱地小麥的高效、優(yōu)質(zhì)生產(chǎn)。主要是由于秸稈覆蓋改良了土壤理化方面的性質(zhì), 從而促進(jìn)了籽粒蛋白質(zhì)的積累與分配。從對(duì)土壤物理性質(zhì)的影響來(lái)看, 秸稈覆蓋有效抑制了地表水分的蒸發(fā), 防止了表土的板結(jié), 秸稈分解過(guò)程中形成的腐殖質(zhì)作為重要的膠結(jié)物質(zhì)有利于土壤團(tuán)聚體的形成[30], 從而改善了土壤的孔隙性, 創(chuàng)造了土壤中水、肥、氣、熱等因素協(xié)調(diào)發(fā)展的條件。團(tuán)聚體內(nèi)部的持水孔隙, 水多空氣少, 既可以保存隨水進(jìn)入團(tuán)聚體的水溶性養(yǎng)分, 又適宜于嫌氣性微生物的活動(dòng), 從而導(dǎo)致有機(jī)質(zhì)分解緩慢, 有利于腐殖質(zhì)的合成和土壤養(yǎng)分的積累[31-32], 從而穩(wěn)定地鞏固了土壤良好的保肥能力。在對(duì)土壤化學(xué)性質(zhì)的影響方面, 土壤有機(jī)質(zhì)含量的多少, 是土壤肥力高低的一個(gè)重要指標(biāo)。秸稈覆蓋增加了土壤有機(jī)物料的投入, 提高了土壤中有機(jī)質(zhì)的含量, 土壤中對(duì)小麥籽粒蛋白質(zhì)影響較大的含氮、磷、鉀的有機(jī)化合物得到有效補(bǔ)充, 氮是蛋白質(zhì)的重要組分, 充足的土壤氮供應(yīng)直接影響著籽粒蛋白質(zhì)的積累, 磷、鉀對(duì)小麥蛋白質(zhì)的影響是通過(guò)改善氮代謝而發(fā)揮作用。因此, 土壤有機(jī)質(zhì)含量的增加, 有利于籽粒蛋白質(zhì)的積累[33]。與秸稈覆蓋相比, 不覆蓋使得土壤表面覆蓋物少, 雨水直接沖擊, 造成水土流失加劇, 土層變薄, 土壤有機(jī)質(zhì)不增反減。綜上所述, 秸稈覆蓋方式(TS和NTS)通過(guò)對(duì)土壤理化性能的改良, 提高了土壤的保肥和供肥能力, 土壤肥力強(qiáng), 其供應(yīng)小麥生長(zhǎng)所需養(yǎng)分的能力就強(qiáng), 尤其是氮供應(yīng)能力, 從而促進(jìn)了小麥籽粒蛋白質(zhì)的積累與分配。

4 結(jié)論

本文以干物質(zhì)和氮素的積累與分配作為籽粒蛋白質(zhì)的主要來(lái)源, 對(duì)其從營(yíng)養(yǎng)器官向籽粒再遷移的過(guò)程進(jìn)行了描述, 3個(gè)播期處理和4種耕作方式下模型精度檢驗(yàn)結(jié)果表明, 產(chǎn)量和籽粒蛋白質(zhì)含量模擬值和實(shí)測(cè)值之間的RMSE分別為66.4~121.9 kg?hm-2和0.2%~1.1%, NRMSE分別為1.23%~9.66%和1.31%~9.94%, 基于APSIM的旱地小麥籽粒蛋白質(zhì)含量模型模擬精度較高。

播期對(duì)旱地小麥籽粒蛋白質(zhì)含量的影響較大, 4種耕作方式均表現(xiàn)為, 正常播期處理(NSW)小麥的蛋白質(zhì)含量最高, 而晚播處理(LSW)則明顯導(dǎo)致籽粒蛋白質(zhì)含量降低0.9%~2.6%。4種耕作方式下, 小麥產(chǎn)量與蛋白質(zhì)含量關(guān)系均呈開(kāi)口向下的二次曲線, 隨著蛋白質(zhì)含量的升高, 產(chǎn)量呈先增加后減少的態(tài)勢(shì)。此外, 秸稈覆蓋的耕作方式(TS和NTS)比不覆蓋的耕作方式(T和NT)更利于小麥籽粒蛋白質(zhì)含量的提高。

[1] 董博. 不同農(nóng)作措施對(duì)小麥品質(zhì)的影響[D]. 蘭州: 甘肅農(nóng)業(yè)大學(xué), 2008 DONG B. Effect of the different farming system on wheat quality[D]. Lanzhou: Gansu Agricultural University, 2008

[2] 李廣. APSIM模型模擬與應(yīng)用研究——基于旱地小麥、豌豆保護(hù)性耕作定位試驗(yàn)[D]. 蘭州: 甘肅農(nóng)業(yè)大學(xué), 2006: 9–17 LI G. Study on simulation and application of APSIM model — based on the conservation tillage of dryland wheat and pea[D]. Lanzhou: Gansu Agricultural University, 2006: 9–17

[3] 程志強(qiáng), 蒙繼華. 作物單產(chǎn)估算模型研究進(jìn)展與展望[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2015, 23(4): 402–415 CHENG Z Q, MENG J H. Research advances and perspectives on crop yield estimation models[J]. Chinese Journal of Eco-Agriculture, 2015, 23(4): 402–415

[4] Ritchie J T, Godwin D C, Otter S. CERES-Wheat: A user-oriented Wheat Model[M]. Michigan State University, East Lansing: AGRISTARS Publication, 1985: 252

[5] JEUFFROY M H, RECOUS S. Azodyn: a simple model simulating the date of nitrogen deficiency for decision support in wheat fertilization[J]. European Journal of Agronomy, 1999, 10(2): 129–144

[6] MANSOURI M, DESTAIN M. An improved particle filtering for time-varying nonlinear prediction of biomass and grain protein content[J]. Computers and Electronics in Agriculture, 2015, 114: 145–153

[7] 潘潔, 戴廷波, 姜東, 等. 基于氣候因子效應(yīng)的冬小麥籽粒蛋白質(zhì)含量預(yù)測(cè)模型[J]. 中國(guó)農(nóng)業(yè)科學(xué), 2005, 38(4): 684–691PAN J, DAI T B, JIANG D, et al. An ecological model for predicting grain protein content in winter wheat[J]. Scientia Agricultura Sinica, 2005, 38(4): 684–691

[8] 李振海, 徐新剛, 金秀良, 等. 基于氮素運(yùn)轉(zhuǎn)原理和GRA-PLS算法的冬小麥籽粒蛋白質(zhì)含量遙感預(yù)測(cè)[J]. 中國(guó)農(nóng)業(yè)科學(xué), 2014, 47(19): 3780–3790 LI Z H, XU X G, JIN X L, et al. Remote sensing prediction of winter wheat protein content based on nitrogen translocation and GRA-PLS method[J]. Scientia Agricultura Sinica, 2014, 47(19): 3780–3790

[9] 屈莎, 李振海, 邱春霞, 等. 基于開(kāi)花期氮素營(yíng)養(yǎng)指標(biāo)的冬小麥籽粒蛋白質(zhì)含量遙感預(yù)測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2017, 33(12): 186–193 QU S, LI Z H, QIU C X, et al. Remote sensing prediction of winter wheat grain protein content based on nitrogen nutrition index at anthesis stage[J]. Transactions of the CSAE, 2017, 33(12): 186–193

[10] 羅珠珠, 蔡立群, 李玲玲, 等. 長(zhǎng)期保護(hù)性耕作對(duì)黃土高原旱地土壤養(yǎng)分和作物產(chǎn)量的影響[J]. 干旱地區(qū)農(nóng)業(yè)研究, 2015, 33(3): 171–176 LUO Z Z, CAI L Q, LI L L, et al. Long-term effects of tillage system on soil nutrients and grain yields in rainfed area of Loess Plateau[J]. Agricultural Research in the Arid Areas, 2015, 33(3): 171–176

[11] 聶志剛, 李廣. 基于APSIM的旱地小麥葉面積指數(shù)模擬模型構(gòu)建[J]. 干旱地區(qū)農(nóng)業(yè)研究, 2013, 31(4): 94–98 NIE Z G, LI G. Modeling of APSIM-based simulation of leaf area index of wheat in dryland[J]. Agricultural Research in the Arid Areas, 2013, 31(4): 94–98

[12] 鮑士旦. 土壤農(nóng)化分析[M]. 3版. 北京: 中國(guó)農(nóng)業(yè)出版社, 2000: 263–268 BAO S D. Soil Agricultural Chemistry Analysis[M]. 3rd Edition. Beijing: China Agriculture Press, 2000: 263–268

[13] 李廣, 黃高寶, William Bellotti, 等. APSIM模型在黃土丘陵溝壑區(qū)不同耕作措施中的適用性[J]. 生態(tài)學(xué)報(bào), 2009, 29(5): 2655–2663 LI G, HUANG G B, WILLIAM B, et al. Adaptation research of APSIM model under different tillage systems in the Loess hill-gullied region[J]. Acta Ecologica Sinica, 2009, 29(5): 2655–2663

[14] 李廣, 黃高寶. 基于APSIM模型的降水量分配對(duì)旱地小麥和豌豆產(chǎn)量影響的研究[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2010, 18(2): 342–347 LI G, HUANG G B. Determination of the effect of precipitation distribution on yield of wheat and pea in dryland using APSIM[J]. Chinese Journal of Eco-Agriculture, 2010, 18(2): 342–347

[15] 李廣, 李玥, 黃高寶, 等. 基于APSIM模型旱地春小麥產(chǎn)量對(duì)溫度和CO2濃度升高的響應(yīng)[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2012, 20(8): 1088–1095 LI G, LI Y, HUANG G B, et al. Response of dryland spring wheat yield to elevated CO2concentration and temperature by APSIM model[J]. Chinese Journal of Eco-Agriculture, 2012, 20(8): 1088–1095

[16] 何亮, 趙剛, 靳寧, 等. 不同氣候區(qū)和不同產(chǎn)量水平下APSIM-Wheat模型的參數(shù)全局敏感性分析[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2015, 31(14): 148–157 HE L, ZHAO G, JIN N, et al. Global sensitivity analysis of APSIM-Wheat parameters in different climate zones and yield levels[J]. Transactions of the CSAE, 2015, 31(14): 148–157

[17] 董朝陽(yáng), 劉志娟, 楊曉光. 北方地區(qū)不同等級(jí)干旱對(duì)春玉米產(chǎn)量影響[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2015, 31(11): 157–164 DONG C Y, LIU Z J, YANG X G. Effects of different grade drought on grain yield of spring maize in Northern China[J]. Transactions of the CSAE, 2015, 31(11): 157–164

[18] ASSENG S, BAR-TAL A, BOWDEN J W, et al. Simulation of grain protein content with APSIM-Nwheat[J]. European Journal of Agronomy, 2002, 16(1): 25–42

[19] Zheng B Y, Chenu K, Doherty A, et al. The APSIM-Wheat module (7.5 R3008) documentation[R]. Toowoomba: APSRU, 2014: 9–17

[20] Monsi M, Saiki T. On the factor light in plant communities and its importance for matter production[J]. Annals of Botany, 2005, 95(3): 549–567

[21] Sinclair T R. Water and nitrogen limitations in soybean grain productionⅠ. Model development[J]. Field Crops Research, 1986, 15(2): 125–141

[22] Monteith J L, D. Greenwood J. How do crops manipulate water supply and demand?[J]. Philosophical Transactions of the Royal Society B Biological Sciences, 1986, 316(316): 245–259

[23] TRIBOI E, ABAD A, MICHELENA A, et al. Environmental effects on the quality of two wheat genotypes: 1. quantitative and qualitative variation of storage proteins[J]. European Journal of Agronomy, 2000, 13(1): 47–64

[24] 王紹中, 章練紅, 徐雪林, 等. 環(huán)境生態(tài)條件對(duì)小麥品質(zhì)的影響研究進(jìn)展[J]. 華北農(nóng)學(xué)報(bào), 1994, 9(S1): 141–144 WANG S Z, ZHANG L H, XU X L, et al. Effect studies of environment and ecological conditions on wheat quality[J]. Acta Agriculturae Boreali-Sinica, 1994, 9(S1): 141–144

[25] ORLANDO F, MANCINI M, MOTHA R, et al. Modelling durum wheat (L. var. durum) grain protein concentration[J]. The Journal of Agricultural Science, 2017, 155(6): 930–938

[26] ASSENG S, VAN KEULEN H, STOL W. Performance and application of the APSIM Nwheat model in the Netherlands[J]. European Journal of Agronomy, 2000, 12(1): 37–54

[27] 徐壽軍, 楊恒山, 范富, 等. 大麥籽粒蛋白質(zhì)含量預(yù)測(cè)模型[J]. 中國(guó)農(nóng)業(yè)科學(xué), 2009, 42(11): 3863–3870 XU S J, YANG H S, FAN F, et al. A model for predicting grain protein content in barley[J]. Scientia Agricultura Sinica, 2009, 42(11): 3863–3870

[28] 慕軍鵬. 不同播期對(duì)春小麥品質(zhì)性狀及其貯藏蛋白合成和積累的影響[D]. 蘭州: 甘肅農(nóng)業(yè)大學(xué), 2005: 9–17 MU J P. Effect of different sowing dates on quality characters of spring wheat and synthesis and accumulation of storage protein[D]. Lanzhou: Gansu Agricultural University, 2005: 9–17

[29] 尚勛武, 康志鈺, 柴守璽, 等. 甘肅省小麥品質(zhì)生態(tài)區(qū)劃和優(yōu)質(zhì)小麥產(chǎn)業(yè)化發(fā)展建議[J]. 甘肅農(nóng)業(yè)科技, 2003(5): 10–13 SHANG X W, KANG Z Y, CHAI S X, et al. Suggestions to the industrialization of high quality wheat and ecozone division in Gansu according to wheat quality[J]. Gansu Agricultural Science and Technology, 2003(5): 10–13

[30] 王清奎, 汪思龍. 土壤團(tuán)聚體形成與穩(wěn)定機(jī)制及影響因素[J]. 土壤通報(bào), 2005, 36(3): 415–421 WANG Q K, WANG S L. Forming and stable mechanism of soil aggregate and influencing factors[J]. Chinese Journal of Soil Science, 2005, 36(3): 415–421

[31] 嚴(yán)潔, 鄧良基, 黃劍. 保護(hù)性耕作對(duì)土壤理化性質(zhì)和作物產(chǎn)量的影響[J]. 中國(guó)農(nóng)機(jī)化, 2005(2): 31–34 YAN J, DENG L J, HUANG J. Effect of conservation tillage on soil physicochemical properties and crop yields[J]. Chinese Agricul Tural Mechanization, 2005(2): 31–34

[32] 孫向陽(yáng). 土壤學(xué)[M]. 北京: 中國(guó)林業(yè)出版社, 2005: 93–106 SUN X Y. Soil Science[M]. Beijing: China Forestry Press, 2005: 93–106

[33] 楊文雄. 中國(guó)西北春小麥[M]. 北京: 中國(guó)農(nóng)業(yè)出版社, 2016: 356–357 YANG W X. Spring Wheat in Northwest China[M]. Beijing: China Agriculture Press, 2016: 356–357

Simulation model of the grain protein content of dryland wheat based on APSIM*

NIE Zhigang1,2, LI Guang3**, WANG Jun2, DONG Lixia2, LU Yulan2, LUO Cuiping2, MA Weiwei3

(1. College of Resources and Environmental Sciences,Gansu Agricultural University,Lanzhou 730070, China; 2. College of Information Science and Technology,Gansu Agricultural University,Lanzhou 730070, China; 3. College of Forestry,Gansu Agricultural University,Lanzhou 730070, China)

Accurate simulation of grain protein accumulation is of considerable importance for the effective regulation of high-quality wheat production on drylands in hilly loess regions. Using field experimental data of Anjiagou Village, Fengxiang Town, Anding District, and Dingxi City from 2016 to 2017 and meteorological data of Anding District and Dingxi City from 1971 to 2017, a dryland wheat grain protein content model was established using the Agricultural Production Systems Simulator (APSIM) and tested using correlation analysis. Quantitative analysis was conducted on the effect of different tillage methods and sowing dates on wheat grain protein content. Four tillage methods were used: conventional tillage (T), conventional tillage with straw cover (TS), no tillage (NT), and no tillage with straw cover (NTS). Further, three sowing dates were set: early sowing date (ESW), normal sowing date (NSW), and late sowing date (LSW). The findings revealed that under the tested tillage methods and sowing dates, the root mean square errors between the simulated and measured yield and grain protein content were 66.4-121.9 kg?hm?2and 0.2%-1.1%, respectively, and the normalized root mean square errors were 1.23%-9.66% and 1.31%-9.94%, respectively. These results indicate a satisfactory precision. Sowing date had a significant effect on the wheat grain protein content for drylands. The highest grain protein content was found with NSW, but the content decreased significantly with LSW. The relationship between wheat yield and grain protein content for the four tillage methods showed a quadratic curve in an open downward direction. As the grain protein content increased, the yield first increased and then decreased. TS and NTS (straw cover) were more conducive to the increase in the wheat grain protein content than T and NT (no straw cover).

Wheat; Grain protein content; Tillage method; Sowing date; APSIM (agricultural production systems simulator); Accuracy test

S24

* 國(guó)家自然科學(xué)基金項(xiàng)目(31660348, 31560378, 31560343)、甘肅農(nóng)業(yè)大學(xué)科技創(chuàng)新基金——學(xué)科建設(shè)專項(xiàng)基金項(xiàng)目(GAU-XKJS-2018- 254)、甘肅農(nóng)業(yè)大學(xué)青年導(dǎo)師基金項(xiàng)目(GAU-QNDS-201701)、甘肅省重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(18YF1NA070)、甘肅省高等學(xué)校協(xié)同創(chuàng)新團(tuán)隊(duì)項(xiàng)目(2018C-16)和甘肅省財(cái)政專項(xiàng)(GSCZZ-20160909)資助

李廣, 主要從事農(nóng)業(yè)生態(tài)方面的研究。E-mail: lig@gsau.edu.cn

聶志剛, 主要從事作物生長(zhǎng)模擬模型方面的研究。E-mail: niezg@gsau.edu.cn

2019-02-23

2019-06-20

* This study was supported by the National Natural Science Foundation of China (31660348, 31560378, 31560343), the Science and Technology Innovation Foundation of Gansu Agricultural University (GAU-XKJS-2018-254), the Youth Tutor Foundation of Gansu Agricultural University (GAU-QNDS-201701), the Key Research and Development Program of Gansu Province (18YF1NA070), the University Collaborative Innovation Team Project of Gansu Province (2018C-16) and the Financial Special Project of Gansu Province (GSCZZ-20160909).

, E-mail: lig@gsau.edu.cn

Feb. 23, 2019;

Jun. 20, 2019

10.13930/j.cnki.cjea.190135

聶志剛, 李廣, 王鈞, 董莉霞, 逯玉蘭, 雒翠萍, 馬維偉. 基于APSIM的旱地小麥籽粒蛋白質(zhì)含量模型精度檢驗(yàn)及應(yīng)用[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)(中英文), 2020, 28(1): 86-95

NIE Z G, LI G, WANG J, DONG L X, LU Y L, LUO C P, MA W W. Simulation model of the grain protein content of dryland wheat based on APSIM[J]. Chinese Journal of Eco-Agriculture, 2020, 28(1): 86-95