侯淑濤，崔 楊，孟令華，武丹茜，錢 蕾，鮑依臨，葉 強(qiáng)，劉煥軍,

地形對漫川漫崗黑土區(qū)大豆產(chǎn)量的影響

侯淑濤1，崔 楊1，孟令華2，武丹茜1，錢 蕾1，鮑依臨1，葉 強(qiáng)1，劉煥軍1,2※

（1. 東北農(nóng)業(yè)大學(xué)公共管理與法學(xué)院，哈爾濱 150030； 2. 中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所，長春 130012）

為研究黑土區(qū)田塊尺度地形對大豆產(chǎn)量造成的影響，在海倫東興合作社具有明顯地形起伏的地塊，采集大豆田間試驗(yàn)數(shù)據(jù)，考慮溫度、太陽輻射、坡度、土壤養(yǎng)分等因素，運(yùn)用作物生長模型DSSAT（Decision Support System for Agrotechnology Transfer）模型對各樣點(diǎn)進(jìn)行參數(shù)率定及驗(yàn)證，得出以下結(jié)論：1）DSSAT模型的模擬產(chǎn)量與實(shí)際產(chǎn)量的相對均方根誤差為7.9%，模擬結(jié)果表現(xiàn)為優(yōu)，表明運(yùn)用作物模型模擬不同地形上的產(chǎn)量變異具有可行性；2）地形通過影響作物生長環(huán)境因子的時空差異決定產(chǎn)量差異，田塊尺度溫度、水分和坡度是影響產(chǎn)量差異的主要因素；3）坡頂和坡底的產(chǎn)量相對較高，且產(chǎn)量變異性較小，陽坡雖然接收到更多的光照，卻由于水分脅迫造成減產(chǎn)，坡底和平緩坡頂水肥保持較好，易獲得高產(chǎn)。研究成果為田間精細(xì)管理與田塊尺度耕地高效利用提供科學(xué)依據(jù)。

地形；溫度；坡度；DSSAT模型；黑土區(qū)；大豆；產(chǎn)量

0 引 言

作物生長過程是涉及品種、土壤、地形、氣候、管理方式等眾多因素的復(fù)雜系統(tǒng)過程。作物產(chǎn)量的空間變異性成因分析一直是農(nóng)業(yè)生產(chǎn)研究中的熱點(diǎn)問題[1]，農(nóng)田的地形特征是其形成作物產(chǎn)量變異的重要因素之一[2]。地形能夠通過影響土壤水熱分布狀況和養(yǎng)分分布，對作物生產(chǎn)力造成直接或間接的影響。針對黑土區(qū)由地形造成的作物產(chǎn)量差異這一問題已經(jīng)取得一些成果，但大部分都是采用的傳統(tǒng)田間試驗(yàn)方法，這種方法在實(shí)際應(yīng)用中會受到較多人為因素或天氣因素的干擾，費(fèi)時費(fèi)力，普適性較低。

作物生長模型能夠在單點(diǎn)尺度上依靠模型內(nèi)部的物理過程和動力學(xué)機(jī)制，以特定時間步長進(jìn)行作物生長發(fā)育期間各類參數(shù)的動態(tài)模擬，可對作物長勢及產(chǎn)量變化提供內(nèi)在機(jī)理解釋[3]。研究表明，作物生長模型在區(qū)域化模擬、農(nóng)業(yè)管理方式優(yōu)化、產(chǎn)量預(yù)測和災(zāi)害風(fēng)險評估等方面的研究日臻成熟[4-6]。模型應(yīng)用于大尺度范圍時，對造成不同地塊產(chǎn)量差異的原因分析多側(cè)重于土壤屬性[7]和氣候[8]的差異上，而在田塊尺度和農(nóng)場尺度的研究中，大多是探究管理措施和栽培品種對產(chǎn)量和作物品質(zhì)的影響，運(yùn)用作物生長模型分析地形對產(chǎn)量影響的研究還相對較少。DSSAT（Decision Support System for Agrotechnology Transfer）模型是目前應(yīng)用最廣泛的模型之一，它能夠逐日模擬作物生長發(fā)育全過程，計算各因素對生長結(jié)果的影響，可用于不同的試驗(yàn)對象和目的[9]，DSSAT模型能夠較好地模擬作物產(chǎn)量的空間變異性[10]。

本文選取黑土區(qū)典型漫川漫崗地塊為研究區(qū)，將作物生長模型、大田試驗(yàn)和田間調(diào)查等方法綜合應(yīng)用于產(chǎn)量差的研究，在對DSSAT模型進(jìn)行參數(shù)本地化的基礎(chǔ)上，模擬田塊尺度不同地形樣點(diǎn)的作物生長發(fā)育過程，并對其中差異作出解釋，用以探究該地區(qū)田塊尺度地形等生長環(huán)境因素和作物產(chǎn)量的關(guān)系，以期為黑土區(qū)田塊尺度耕地高效利用提供依據(jù)。

1 研究區(qū)概況及數(shù)據(jù)來源

1.1 研究區(qū)概況

研究區(qū)位于黑龍江省綏化市海倫東興農(nóng)機(jī)合作社，地處中國東北黑土分布區(qū)中部，屬寒溫帶大陸性氣候，四季分明，全年平均降水量500～600 mm，年活動積溫為2 200～2 400 ℃，地處典型黑土區(qū)，漫川漫崗。研究區(qū)海拔為235～247 m，面積約為10.20 hm2，中心地塊經(jīng)緯度為47°25'24"N、126°55'06"E，降水主要集中在6－9月，降雨量為422 mm，地形起伏明顯，陽坡、坡頂、陰坡、坡底等不同地形位置上土壤侵蝕程度不同，田塊內(nèi)部土壤養(yǎng)分、水分空間差異明顯，作物長勢差異大，相同的管理方式下，田間不同空間位置地上干生物量和產(chǎn)量差異明顯[11-12]。

1.2 試驗(yàn)設(shè)計

田塊尺度定義為同一權(quán)屬下，連片耕作、統(tǒng)一田間管理方式的地塊。從研究的角度，人為因素（種肥藥、耕作栽培等）影響可以忽略不計。對于不同的地區(qū)、不同生產(chǎn)經(jīng)營規(guī)模，田塊尺度可以能從幾十公頃到幾分地大小不等。選擇大豆作為供試作物，采取統(tǒng)一的田間管理方式。在獲取研究區(qū)高精度地形數(shù)據(jù)的基礎(chǔ)上，選擇研究區(qū)內(nèi)地勢起伏明顯且歷年長勢差異明顯的地塊，按照壟向自北向南劃定3個斷面，兼顧地形特點(diǎn)均勻布設(shè)16個采樣點(diǎn)（圖1），覆蓋陽坡、坡頂、陰坡、坡底不同位置，并在對應(yīng)樣點(diǎn)（D1～D4）分別埋設(shè)4個土壤溫濕度傳感器，以觀測不同坡面位置土壤溫度、濕度的時空差異。監(jiān)測各樣點(diǎn)作物生長期內(nèi)的作物生長狀況及最后產(chǎn)量情況，并從16個采樣點(diǎn)中隨機(jī)選取不同地形特征的7個樣點(diǎn)對模型進(jìn)行調(diào)參，其他樣點(diǎn)作為驗(yàn)證集，最后結(jié)合地形因素進(jìn)行對比分析。

圖1 研究區(qū)及樣點(diǎn)位置

1.3 數(shù)據(jù)來源

1.3.1 地形數(shù)據(jù)

2016年5月27日，使用定位精度為厘米級的海星達(dá)iRTK對研究區(qū)進(jìn)行實(shí)地測量，得到94個精準(zhǔn)坐標(biāo)和高程點(diǎn)，在ArcGIS中生成TIN圖層，進(jìn)而轉(zhuǎn)成3.38 m空間分辨率的高精度DEM柵格數(shù)據(jù)（圖2a），提取各樣點(diǎn)高程、坡度、坡向等地形數(shù)據(jù)。各樣點(diǎn)坡度用來計算DSSAT模型土壤模塊中的地表徑流曲線數(shù)，以模擬降水在地表徑流中的分配和滲透[13]。以正北方向?yàn)?°，北向順時針方向以45°為間隔將坡向逐級劃分為8類（圖2b），根據(jù)研究區(qū)實(shí)際情況劃分東南坡和南坡為陽坡，東北坡為陰坡。選取位于各壟線海拔較高處且坡度<1.5°的平緩地塊為坡頂，坡腳地形轉(zhuǎn)折處為坡底，以此作為坡位劃分依據(jù)。陽坡采樣點(diǎn)5個，坡頂3個，陰坡5個，坡底3個。

圖2 研究區(qū)坡向和iRTK采樣點(diǎn)分布圖

1.3.2 氣象數(shù)據(jù)

假設(shè)3 是本文的主要觀點(diǎn)。本文通過兩步進(jìn)行驗(yàn)證。在回歸模型(1)的基礎(chǔ)上，考察金融發(fā)展如何影響金融開放與經(jīng)濟(jì)增長的關(guān)系，同時為了提高本文結(jié)論的可信度，另外考察新古典經(jīng)濟(jì)理論框架下技術(shù)外溢和資本積累因素對金融開放經(jīng)濟(jì)增長效益的影響，因此分別加入三個交叉項(xiàng)得到回歸模型(2)。

本研究所需要的氣象數(shù)據(jù)自中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)下載得到，主要包括海倫站2016年逐日最高溫、最低溫、降水量、日照時數(shù)等氣象要素數(shù)據(jù)。DSSAT模型所需的氣象輸入?yún)?shù)為日總輻射量，而海倫氣象站觀測數(shù)據(jù)為日照時數(shù)，采用式（1）Angstrom方程[14]所描述的太陽總輻射與日照時數(shù)關(guān)系，利用氣象站獲得的日照時數(shù)觀測數(shù)據(jù)計算該地區(qū)太陽總輻射。

式中為太陽總輻射，MJ/(m2·d)；max為天文輻射；a、b為經(jīng)驗(yàn)系數(shù)（東北地區(qū)a為0.193，b為0.537[15]）；為逐日實(shí)際日照時數(shù)，h；為晝長，h；天文輻射和晝長根據(jù)緯度和日序計算。另外，樣點(diǎn)范圍內(nèi)埋設(shè)的傳感器所獲取樣點(diǎn)生長期內(nèi)日溫度極值，能夠作為氣象數(shù)據(jù)的補(bǔ)充。由于地形狀況會在很大程度上決定地表熱量分布情況[16]，因此有必要分析不同地形下的太陽輻射對作物生長造成的影響。在ArcGIS中根據(jù)地形和仰視半球視域范圍算法[17]生成種植期間地面接收的潛在太陽輻射總量圖，得到不同樣點(diǎn)間的太陽輻射比值，結(jié)合當(dāng)?shù)刂鹑仗栞椛淞壳蟮貌煌瑯狱c(diǎn)間的全年逐日太陽輻射量。

1.3.3 田間數(shù)據(jù)

研究區(qū)供試土壤為黑土，土壤數(shù)據(jù)從中國土壤數(shù)據(jù)庫中獲取[18]，作為作物模型土壤模塊的驅(qū)動數(shù)據(jù)，年份為2010年。田間管理數(shù)據(jù)來源于田間試驗(yàn)。研究區(qū)于4月20－25日統(tǒng)一施用基肥，由于大豆為固氮作物，自5月10日播種后不再對其進(jìn)行追肥。為比較經(jīng)過水肥運(yùn)移后各樣點(diǎn)實(shí)際接收的肥量，于6月在各樣區(qū)未種植作物區(qū)域采集土樣養(yǎng)分?jǐn)?shù)據(jù)，與播種前期采集的土壤數(shù)據(jù)進(jìn)行運(yùn)算，來換算不同樣點(diǎn)的實(shí)際接收肥料數(shù)據(jù)。研究區(qū)施行順坡種植方式，南北種植，大壟3行，種植深度4 cm，播種35萬株/hm2。逐月獲取各樣點(diǎn)的葉面積指數(shù)（Leaf Area Index，LAI）和地上部生物量、植株元素含量等數(shù)據(jù)，大豆于10月1日收獲，統(tǒng)計各樣點(diǎn)的產(chǎn)量結(jié)果，測定各樣點(diǎn)的籽粒質(zhì)量、百粒質(zhì)量、粒數(shù)等用于調(diào)整品種參數(shù)。生物量是監(jiān)測作物長勢的重要指標(biāo)，單位面積的大豆地上部生物量平均值計算方式如下：

式中W表示第個樣區(qū)單位面積內(nèi)大豆地上干生物量，g/m2；（株）為樣區(qū)內(nèi)被割取稱質(zhì)量的大豆株數(shù)；w表示第個樣區(qū)單位面積內(nèi)隨機(jī)割取的大豆總干質(zhì)量，g；（株）為樣區(qū)單位面積內(nèi)大豆總株數(shù)。

1.4 作物生長模型

1.4.1 DSSAT模型

作物生長模型是以作物生長發(fā)育過程及群體質(zhì)量為主要內(nèi)容，動態(tài)、定量地描述作物生理生態(tài)的農(nóng)業(yè)數(shù)學(xué)模型[19]。針對不同研究目的應(yīng)當(dāng)選擇合適的作物生長模型。DSSAT模型作為世界上應(yīng)用最廣泛的模型之一，可模擬27種作物，且實(shí)現(xiàn)了作物模塊的獨(dú)立化，相較APSIM（Agricultural Production Systems Simulator）模型等能更加突出植被的機(jī)理化表達(dá)[20]。將土壤、氣象、栽培管理等參數(shù)輸入DSSAT模型，能模擬得到作物生長發(fā)育、產(chǎn)量形成、氮平衡等一系列結(jié)果。

1.4.2 品種參數(shù)調(diào)試

為驗(yàn)證研究地塊產(chǎn)量的空間差異性和地形有關(guān)，首先設(shè)置該樣點(diǎn)的土壤初始條件為單一變量，用率定后的參數(shù)對各樣點(diǎn)進(jìn)行模擬，模擬后發(fā)現(xiàn)模擬結(jié)果與實(shí)測值差異較大，且不同樣點(diǎn)間差異收斂，樣點(diǎn)間的變化趨勢不吻合。考慮到該地塊田間管理措施一致，地形造成的作物生長環(huán)境差異是產(chǎn)生產(chǎn)量空間差異性的唯一變量。而地形引起的環(huán)境差異主要包括太陽輻射、溫度、土壤養(yǎng)分的流失和沉積。為探究造成田塊尺度內(nèi)部產(chǎn)量差異的原因，分別以各樣點(diǎn)內(nèi)的溫度、太陽輻射、地表徑流（模型中坡度的表達(dá)形式）、土壤水氮含量、施肥、初始土壤條件（包括土壤有機(jī)碳、速效磷、可交換鉀）為不同條件進(jìn)行單一變量的模型模擬，統(tǒng)計分析產(chǎn)量模擬結(jié)果。用樣點(diǎn)產(chǎn)量模擬結(jié)果標(biāo)準(zhǔn)差的比值來體現(xiàn)各單一變量對產(chǎn)量變異性的貢獻(xiàn)程度。

表1 DSSAT模型輸入的大豆品種參數(shù)

1.4.3 模型評價

本次研究采用作物生長模型、大田試驗(yàn)和田間取樣調(diào)查相結(jié)合的方法。研究中利用DSSAT模型模擬了試驗(yàn)地塊中位于不同地形的樣點(diǎn)的產(chǎn)量變化。研究采用2、相對誤差（Relative Error，RE）和相對均方根誤差（Normalized Root Mean Square Error，nRMSE）作為檢驗(yàn)?zāi)Ｐ湍M值和實(shí)測值之間總體差異程度的指標(biāo)[22]，用來驗(yàn)證作物品種參數(shù)的精確度及模型在該地塊運(yùn)用的適宜性程度。一般認(rèn)為，nRMSE≤10%，為極好；10%＜nRMSE≤20%，為好；20%＜nRMSE≤30%，為中等；nRMSE＞30%為差。RE越接近0，證明模擬值與實(shí)測值的一致性越好。

2 結(jié)果與分析

2.1 黑土區(qū)田塊尺度大豆長勢與環(huán)境因素時空變異特征

根據(jù)研究區(qū)不同坡位特征，選取具有陽坡、坡頂、陰坡和坡底連續(xù)地形變化的采樣點(diǎn)，統(tǒng)計不同地形坡位上的采樣點(diǎn)的生物量、堿解氮含量、土壤含水率（圖3）。由圖3a可見，7月中旬不同坡位的生物量均值坡底＞陽坡＞陰坡＞坡頂，8月中旬坡頂?shù)纳锪棵黠@提升，而陽坡生物量最低，同時陽坡的土壤堿解氮含量（圖3b）和土壤含水率（圖3c）也相對較低，說明該時期大豆生長受到更多的水分脅迫，阻礙植株發(fā)育。土壤表層（地下0～5 cm土層）含水率隨地形變化明顯，且不同月份的含水率差異較大，而土壤深層（地下10～15 cm）含水率隨時間和空間的變化都較為穩(wěn)定，作物生長期內(nèi)不同坡位的含水率變化具有一致性。地形坡度、高程等影響著土壤水肥再分配，大豆生長期內(nèi)坡底具有明顯的水分優(yōu)勢，同時，大豆生長期內(nèi)坡底的土壤含水率和堿解氮均值皆為各坡位最高值，陽坡均值為最低值，作物生長后期土壤堿解氮含量明顯下降。在田間管理措施均一化的田塊尺度上，大豆生長期內(nèi)不同坡位的生物量和土壤含水率、堿解氮含量具有明顯差異，說明地形是造成該地區(qū)產(chǎn)量差異的重要原因。

圖3 大豆生長期內(nèi)生物量、土壤堿解氮及含水率隨地形的變化

2.2 DSSAT模型在田塊尺度的適用性

利用氣象數(shù)據(jù)、土壤數(shù)據(jù)、田間管理參數(shù)和率定后的作物品種參數(shù)驅(qū)動DSSAT模型，獲得模型模擬的大豆生長過程數(shù)據(jù)，輸出模型模擬的產(chǎn)量、LAI和地上部生物量進(jìn)行分析。表2為產(chǎn)量實(shí)測值和模擬值的統(tǒng)計特征值，各樣點(diǎn)取樣實(shí)測值為1 495～2 351 kg/hm2，模擬值為1 743～2 256 kg/hm2，產(chǎn)量模擬值均值較實(shí)測值高3.87%，產(chǎn)量實(shí)測值和模擬值變異系數(shù)CV（標(biāo)準(zhǔn)差/均值）分別為0.107和0.056。研究區(qū)模擬產(chǎn)量與實(shí)際產(chǎn)量的2=0.62，nRMSE為7.9%，小于10.0%，表現(xiàn)為優(yōu)；LAI的nRMSE為16.2%，地上部生物量的nRMSE為18.7%，均小于20%且大于10%，表現(xiàn)為良好。研究區(qū)各樣點(diǎn)模型模擬值和實(shí)測值RE較小，均小于20%，且RE小于10%的樣點(diǎn)數(shù)量占總樣點(diǎn)總數(shù)的75%。

表2 產(chǎn)量模擬值和實(shí)測值統(tǒng)計特征值

圖4為不同坡位樣點(diǎn)的實(shí)測產(chǎn)量和模擬產(chǎn)量對比情況，從圖4中能夠看出，不同樣點(diǎn)間實(shí)測產(chǎn)量和模擬產(chǎn)量的變化趨勢具有一致性，模型模擬結(jié)果能夠反映不同坡位的產(chǎn)量變化?？梢?，率定后的DSSAT模型能夠模擬本研究區(qū)域的大豆產(chǎn)量，可用于不同地形條件對大豆生長的影響研究。

圖4 不同樣點(diǎn)的實(shí)測大豆產(chǎn)量和模擬產(chǎn)量對比

2.3 地形對作物產(chǎn)量的影響分析

用DSSAT模型模擬單一變量的產(chǎn)量結(jié)果，用樣點(diǎn)間產(chǎn)量標(biāo)準(zhǔn)差的比值來體現(xiàn)不同變量對大豆產(chǎn)量的影響程度，結(jié)果表明田塊尺度各影響因子對大豆產(chǎn)量影響由大到小為溫度、地表徑流、太陽輻射、土壤水氮含量或初始土壤條件、施肥（圖5）?？梢姡谔飰K尺度溫度和坡度對產(chǎn)量造成的影響最大。溫度增加能夠縮短大豆物候期，并對大豆的干物質(zhì)積累產(chǎn)生影響。而地形坡度決定地表徑流，從而影響土壤水肥資源再分配。傳感器獲取的溫度數(shù)據(jù)顯示陽坡與陰坡溫度差異最大的時期為6月中下旬，該時期降水頻繁，坡面養(yǎng)分匯集到坡底，同時陰坡光熱條件較差，抑制大豆生長。

圖5 各影響因子造成的產(chǎn)量標(biāo)準(zhǔn)差比值

對樣點(diǎn)實(shí)測和模擬產(chǎn)量分別進(jìn)行統(tǒng)計分析（表3），各坡位產(chǎn)量均值由大到小為坡頂、坡底或陰坡、陽坡，而標(biāo)準(zhǔn)差和CV值則正相反，不同坡位的模擬產(chǎn)量結(jié)果與實(shí)際產(chǎn)量結(jié)果的響應(yīng)一致。模型模擬產(chǎn)量結(jié)果總體偏高，同時坡頂?shù)膶?shí)際產(chǎn)量和模擬產(chǎn)量的標(biāo)準(zhǔn)差和變異系數(shù)都偏小，這是由于坡頂較為平緩，坡度較小，水肥保持能力好，有利于作物生長發(fā)育。

表3 不同坡位的產(chǎn)量模擬值和實(shí)測值統(tǒng)計特征值

2.4 太陽輻射對產(chǎn)量的影響分析

在DSSAT模型中設(shè)置太陽輻射為單一變量，用于探究不同地形條件下太陽輻射對作物生長發(fā)育造成的影響。通過太陽輻射總量數(shù)據(jù)（圖6）能夠得到，不同坡面獲得的太陽輻射量陽坡＞坡頂＞陰坡，陽坡光照條件最好。在5、6月，大豆處于出苗、拔節(jié)期，研究區(qū)地處黑土區(qū)，土壤肥沃，此時降水充足，且開花期前需水量較小[23]，該時期大豆生長很少受到水分脅迫，此期間大豆地上部生物量和LAI皆為陽坡均值＞坡頂均值＞陰坡均值＞坡底均值（表4），與太陽輻射量呈正比。7月上旬，大豆進(jìn)入開花期，開花期前期模型模擬地上部生物量、LAI與太陽輻射皆呈極顯著正相關(guān)，相關(guān)系數(shù)最高時分別為0.983（<0.01）（大豆種植后第67天）、0.904（<0.01）（大豆種植后第63天）。大豆進(jìn)入結(jié)莢鼓粒期后，作物需水量增加，該時期溫度持續(xù)升高，但降水量相對下降，陽坡由太陽輻射造成的干旱脅迫較其他坡位嚴(yán)重，阻礙植株發(fā)育，地上部生物量和LAI較低，逐漸失去生長優(yōu)勢。此時坡底水肥條件較好，植株存在貪青晚熟的現(xiàn)象。最終產(chǎn)量情況與8月13日地上部生物量呈極顯著正相關(guān)，相關(guān)系數(shù)為0.691（<0.01）。

圖6 研究區(qū)大豆種植期間太陽輻射總量

表4 不同坡位的生物量均值和葉面積指數(shù)均值

3 討 論

黑土區(qū)漫川漫崗，地形起伏明顯，空間變異性大，當(dāng)前關(guān)于地形與作物產(chǎn)量的關(guān)系研究大多采用傳統(tǒng)田間試驗(yàn)的方法，這樣的研究方法缺乏對作物生長過程的時空連續(xù)性探討。本文在各坡位劃分不同樣區(qū)進(jìn)行實(shí)地采樣，在對作物品種參數(shù)調(diào)試和校正的基礎(chǔ)上，運(yùn)用DSSAT模型進(jìn)行各樣區(qū)的產(chǎn)量模擬結(jié)果和產(chǎn)量實(shí)測值一致性較好，表明該模型在研究地形對產(chǎn)量的影響方面具有適用性。

研究結(jié)果表明，模型對于不同坡位的產(chǎn)量模擬較為準(zhǔn)確，但個別樣點(diǎn)的模擬結(jié)果尚有不足。這是由于作物模型是一個單點(diǎn)尺度的模型，無法模擬連續(xù)地形位置的水肥運(yùn)移，即陰坡和坡底由于水分蒸發(fā)較少，會形成水分沉積，而模擬過程未對三維的水分運(yùn)移加以考慮，加上水分是制約大豆生長的主要因子之一[24]，因此會造成該區(qū)域模擬值與實(shí)際值有一定差異。

本文研究發(fā)現(xiàn)，在田塊尺度下溫度和坡度對產(chǎn)量造成的影響最大。這是由于地形影響區(qū)域內(nèi)部太陽輻射及水分的空間分布格局，能夠營造局部小氣候，造成區(qū)域內(nèi)溫度差異，溫度會影響大豆生育進(jìn)程，積溫增加能夠縮短生育日數(shù)，并能通過影響大豆生長速度和干物質(zhì)積累過程造成產(chǎn)量差異[25-27]。但是模型模擬的不同樣點(diǎn)開花期和結(jié)莢期只有0～2 d的差異，不能完全反映溫度對大豆物候期造成的影響。這是由于DSSAT模型在模擬作物物候期時更多的是考慮由溫度和光周期等環(huán)境因子造成的影響，而對水分脅迫等的次級作用缺乏考慮[28]。而地形坡度越大，降水形成的徑流越大，土壤保肥保水能力減弱，容易導(dǎo)致水肥流失，不利于作物生長發(fā)育[29-30]。本文結(jié)果顯示在田塊尺度土壤初始條件作為影響因子對大豆產(chǎn)量變異性的貢獻(xiàn)度較低，原因是大豆播種前施用了基肥，若沒有地形造成的水肥運(yùn)移，田塊內(nèi)部土壤養(yǎng)分能夠基本滿足大豆生長需求。另外，本研究是針對黑土區(qū)田塊尺度平水年的1 a多點(diǎn)試驗(yàn)，對于豐水年、缺水年或其他氣候特殊年份是否與本研究結(jié)論一致還需要進(jìn)行進(jìn)一步研究討論。本文研究發(fā)現(xiàn)，結(jié)莢鼓粒期大豆需水量增加，陽坡光照充足、土壤含水率少，會造成減產(chǎn)，而坡底的土壤含水率和堿解氮含量較高，能夠滿足作物生長需求，因此可以在該時期適當(dāng)采取灌溉措施以提高大豆產(chǎn)量。

綜上，DSSAT模型在模擬不同地形條件下的大豆產(chǎn)量還存在一定的局限性。在下一步研究中，將利用多年遙感影像或Hydrus模型與作物模型進(jìn)行同化研究，并且加入對水分的考慮，來探究地形造成的連續(xù)性的產(chǎn)量變化，以增強(qiáng)其在地形起伏地區(qū)的適應(yīng)性，有利于更精準(zhǔn)研究產(chǎn)量隨地形的變化。

4 結(jié) 論

利用典型黑土區(qū)不同地形條件下的大豆田間試驗(yàn)數(shù)據(jù)，對DSSAT模型進(jìn)行參數(shù)率定及驗(yàn)證，用以模擬不同地形樣點(diǎn)內(nèi)作物的生長發(fā)育連續(xù)性狀況，分析大豆產(chǎn)量對地形的響應(yīng)。研究得出以下結(jié)論：

1）DSSAT模型模擬產(chǎn)量與實(shí)際產(chǎn)量的相對均方根誤差為7.9%，表明模型能夠較為準(zhǔn)確地模擬黑土區(qū)田塊尺度不同地形條件下各樣點(diǎn)的產(chǎn)量狀況，該模型在研究產(chǎn)量與地形的問題時具有適用性；

2）受地形對水肥的二次分配影響，田塊尺度溫度和坡度對大豆產(chǎn)量差異性的貢獻(xiàn)程度高于土壤初始條件；

3）試驗(yàn)在考慮實(shí)際生產(chǎn)過程中的水肥運(yùn)移規(guī)律的基礎(chǔ)上，利用DSSAT模型獲得連續(xù)的作物生長過程數(shù)據(jù)，較常規(guī)小區(qū)試驗(yàn)更能準(zhǔn)確模擬地塊內(nèi)部產(chǎn)量差異。研究成果可為農(nóng)田精細(xì)化管理與田塊尺度耕地高效利用提供科學(xué)依據(jù)。

[1] 張曉光，黃標(biāo)，張貝爾，等.鹽漬化平原區(qū)玉米產(chǎn)量空間變異與地形關(guān)系研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報，2012，43(11)：51-57.

Zhang Xiaoguang, Huang Biao, Zhang Beier,et al. Spatial variability of maize yield and relations to terrain attributesin salinized plain region[J]. Transactions of the Chinese Society for Agricultural Machinery, 2012, 43(11): 51-57. (in Chinese with English abstract)

[2] 鄭海峰，趙新峰，馬巖. 地形和土壤屬性對大豆產(chǎn)量的影響[J]. 土壤通報，2008，39(6)：1348-1352.

Zhao Haifeng, Zhao Xinfeng, Ma Yan. Soybean yields related to topography and soil properties[J]. Chinese Journal of Soil Science, 2008, 39(6): 1348-1352. (in Chinese with English abstract)

[3] 黃健熙，黃海，馬鴻元，等. 遙感與作物生長模型數(shù)據(jù)同化應(yīng)用綜述[J]. 農(nóng)業(yè)工程學(xué)報，2018，34(21)：144-156.

Huang Jianxi, Huang Hai, Ma Hongyuan, et al. Review on data assimilation of remote sensing and crop growth models[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(21): 144-156. (in Chinese with English abstract)

[4] 陳小民，崔紅，劉志銘，等.作物模型在我國玉米生產(chǎn)中的研究與應(yīng)用[J]. 玉米科學(xué)，2018，26(3)：115-120.

Chen Xiaomin, Cui Hong, Liu Zhiming, et al. Research and application on maize production by crop models in China[J]. Journal of Maize Sciences. 2018, 26(3): 115-120. (in Chinese with English abstract)

[5] 羅毅，郭偉. 作物模型研究與應(yīng)用中存在的問題[J]. 農(nóng)業(yè)工程學(xué)報，2008，24(5)：307-312.

Luo Yi, Guo Wei. Development and problems of crop models[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008, 24(5): 307-312. (in Chinese with English abstract)

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

Liu Jiangang, Chu Qingquan, Wang Guangyao, et al. Simulating yield gap of winter wheat in response to nitrogen management in North China Plain based on DSSAT model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(23): 124-129. (in Chinese with English abstract)

[7] 楊永輝，武繼承，丁晉利，等. DSSAT模型對長期保護(hù)性耕作與土壤改良措施下玉米生長過程的模擬及驗(yàn)證[J]. 河南農(nóng)業(yè)科學(xué)，2017，46(12)：149-158.

Yang Yonghui, Wu Jicheng, Ding Jinli, et al. Simulation and verification of the effects of DSSAT model in maize growth process under long-term conservation tillage and soil improvement measures[J]. Journal of Henan Agricultural Sciences, 2017, 46(12): 149-158. (in Chinese with English abstract)

[8] 文新亞，陳阜. 基于DSSAT模型模擬氣候變化對不同品種冬小麥產(chǎn)量潛力的影響[J]. 農(nóng)業(yè)工程學(xué)報，2011，27(增刊2)：74-79.

Wen Xinya, Chen Fu. Simulation of climatic change impacts on yield potential of typical wheat varieties based on DSSAT model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(Supp.2): 74-79. (in Chinese with English abstract)

[9] Liu Hailong, Liu Hongbin, Lei Qiuliang, et al. Using the DSSAT model to simulate wheat yield and soil organic carbon under a wheat-maize cropping system in the north china plain[J]. Journal of Integrative Agriculture, 2017, 16(10): 2300-2307.

[10] Jirí ?im?nek, Genuchten M T V, Miroslav ?ejna. Development and applications of the HYDRUS and STANMOD software packages and related codes[J]. Vadose Zone Journal, 2008, 72(9): 587-600.

[11] 劉煥軍，潘越，竇欣，等. 黑土區(qū)田塊尺度土壤有機(jī)質(zhì)含量遙感反演模型[J]. 農(nóng)業(yè)工程學(xué)報，2018，34(1)：127-133.

Liu Huanjun, Pan Yue, Dou Xin, et al. Soil organic matter content inversion model with remote sensing image in field scale of blacksoil area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(1): 127-133. (in Chinese with English abstract)

[12] 張新樂，徐夢園，劉煥軍，等. 引入地形因子的黑土區(qū)大豆干生物量遙感反演模型及驗(yàn)證[J]. 農(nóng)業(yè)工程學(xué)報，2017，33(16)：168-173.

Zhang Xinle, Xu Mengyuan, Liu Huanjun, et al. Remote sensing inversion models and validation of aboveground biomass in soybean with introduction of terrain factors in black soil area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(16): 168-173. (in Chinese with English abstract)

[13] Fry J, Guber A K, Ladoni M, et al. The effect of up-scaling soil properties and model parameters on predictive accuracy of DSSAT crop simulation model under variable weather conditions[J]. Geoderma, 2017, 287(287): 105-115.

[14] 童成立，張文菊，湯陽，等. 逐日太陽輻射的模擬計算[J]. 中國農(nóng)業(yè)氣象，2005，26(3)：165-169.

Tong Chengli, Zhang Wenju, Tang Yang, et al. Estimation of daily solar radiation in China[J]. Agricultural Meteorology, 2005, 26(3): 165-169. (in Chinese with English abstract)

[15] 朱旭東，何洪林，劉敏，等. 近50年中國光合有效輻射的時空變化特征[J]. 地理學(xué)報，2010，65(3)：270-280.

Zhu Xudong, He Honglin, Liu Min, et al. Spatio-temporal variation characteristics of photosynthetically active radiation in China in recent 50 Years[J]. Acta Geographica Sinica, 2010, 65(3): 270-280. (in Chinese with English abstract)

[16] 王琛智，張朝，張靜，等.湖南省地形因素對水稻生產(chǎn)的影響[J]. 地理學(xué)報，2018，73(9)：1792-1808.

Wang Chenzhi, Zhang Zhao, Zhang Jing,et al. The effect of terrain factors on rice production: A case study in hunan province[J]. Acta Geographica Sinica, 2018, 73(9): 1792-1808. (in Chinese with English abstract)

[17] Pinde Fu, Paul M Rich. A geometric solar radiation model with applications in agriculture and forestry[J]. Computers and Electronics in Agriculture, 2002, 37(1): 25-35.

[18] 蔣憶文. DSSAT模型在黑河流域的適用性評價及節(jié)水灌溉應(yīng)用研究[D]. 蘭州：蘭州大學(xué)，2016.

Jiang Yiwen. Modeling Irrigation Management for Water Conservation by DSSAT Model in the Heihe River Watershed[D]. Lanzhou: Lanzhou University, 2016. (in Chinese with English abstract)

[19] 曹宏鑫，趙鎖勞，葛道闊，等. 作物模型發(fā)展探討[J]. 中國農(nóng)業(yè)科學(xué)，2011，44(17)：3520-3528.

Cao Hongxin, Zhao Suolao, Ge Daokuo, et al. Discussion on development of crop models[J]. Scientia Agricultura Sinica, 2011, 44(17): 3520-3528. (in Chinese with English abstract)

[20] 呂碩. 氣候變化對吉林梨樹縣春玉米的影響及品種適應(yīng)研究[D]. 北京：中國農(nóng)業(yè)大學(xué)，2016.

Lü Shuo. Analysis of Impacts of Climate Change on Spring Maize and Adaptation in Maize Cultivars in Lishu Jilin[D]. Beijing: China Agricultural University, 2016. (in Chinese with English abstract)

[21] 徐娜，黨廷輝. 基于DSSAT模型的冬小麥氮肥效應(yīng)預(yù)測：以黃土高原溝壑區(qū)渭北旱塬為例[J]. 灌溉排水學(xué)報，2017，36(Supp.2)：147-154.

Xu Na, Dang Tinghui. Investigation of nitrogen fertilizer effects on winter wheat production based on the DSSAT Model: A case study at the Weibei dryland on the loess plateau[J]. Journal of Irrigation and Drainage, 2017, 36(Supp.2): 147-154. (in Chinese with English abstract)

[22] 楊靖民，楊靖一，Hoogenboom Gerrit. DSSAT作物模型的統(tǒng)計和圖形校驗(yàn)方法[J]. 植物營養(yǎng)與肥料學(xué)報，2012，18(5)：1064-1072.

Yang Jingmin, Yang Jingyi, Hoogenboom Gerrit. Statistical and graphical methods for evaluation of DSSAT crop model[J]. Plant Nutrition and Fertilizer Science, 2012, 18(5): 1064-1072. (in Chinese with English abstract)

[23] 葛慧玲. 水分處理對大豆物質(zhì)積累的影響及土壤水分模型構(gòu)建[D]. 哈爾濱：東北農(nóng)業(yè)大學(xué)，2013.

Ge Huiling. The Establishment of Soil Moisture Model and the Effect of Water Stress on Matter Accumulation andYield of Soybean[D]. Harbin: Northeast Agricultural University, 2013. (in Chinese with English abstract)

[24] Thao N P, Tran L S P. Potentials toward genetic engineering of drought-tolerant soybean[J]. Critical Reviews in Biotechnology, 2012, 32(4): 349-362.

[25] 孫培樂，寧海龍，陳東升，等. 春大豆不同播期的光溫生態(tài)特性[J]. 大豆科學(xué)，2010，29(6)：953-958.

Sun Peile, Ning Hailong, Chen Dongsheng, et al. Ecological character of light and temperature under different sowing date in spring soybean[J]. Soybean Science, 2010, 29(6): 953-958. (in Chinese with English abstract)

[26] He Liang, Jin Ning, Yu Qiang. Impacts of climate change and crop management practices on soybean phenology changes in China[J/OL]. Science of The Total Environment, 2020: 707.

[27] 柳芳，黎貞發(fā). 降水量和積溫變化對天津冬小麥產(chǎn)量的影響[J]. 中國農(nóng)業(yè)氣象，2010，31(3)：431-435.

Liu Fang, Li Zhenfa. Impacts of precipitation and accumulated temperature on winter wheat yield in Tianjin[J]. Chinese Journal of Agrometeorology, 2010, 31(3): 431-435. (in Chinese with English abstract)

[28] Mcmaster G S, White J W, Weiss A, et al. Simulating crop phenological responses to water deficits.[M]//Ahuja L R, Reddy V R, Saseendran S A, et al. Response of Crops to Limited Water: Understanding and Modeling Water Stress Effects on Plant Growth Processes. Madison: Book and Multimedia Publishing Committee, 2008: 277-300.

[29] 劉建華，李銘亮，蘇劍波，等.有機(jī)質(zhì)含量、地形坡度對土壤保水效果及作物產(chǎn)量的影響[J]. 湖南農(nóng)業(yè)科學(xué)，2017，46(1)：16-18.

Liu Jianhua, Li Mingliang, Su Jianbo, et al.?Effects of soil organic matter content ?and terrain slope on? soil moisture, crop yield[J]. Hunan Agricultural Sciences, 2017, 46(1): 16-18. (in Chinese with English abstract)

[30] 姜佰文，趙賽東，魏丹，等. 坡度和耕作措施對土壤侵蝕及大豆產(chǎn)量的影響[J]. 大豆科學(xué)，2015，34(2)：238-242.

Jinag Baiwen, Zhao Saidong, Wei Dan, et al. Effect of slope and tillage measures on soil erosion and yield of soybean[J]. Soybean Science, 2015, 34(2): 238-242. (in Chinese with English abstract)

Effects of terrain on soybean yields in rolling hilly black soil areas

Hou Shutao1, Cui Yang1, Meng Linghua2, Wu Danqian1, Qian Lei1, Bao Yilin1, Ye Qiang1, Liu Huanjun1,2※

(1.,,150030,; 2.,,130012,)

Soybean is widely cultivated in farmlands with irregular terrain in the northeast China. In this study, the influence of terrain on crop yield was investigated. Dongxing Cooperative of Hailun city in Heilongjiang Province was selected as the area of research. The study area was 10.20 hm2. The iRTK data were measured and utilized to produce the Digital Elevation Model (DEM) used for division of the sampling points’ slope position. The soil data and daily meteorological data were obtained. The soybean yield data along with the field management data at every sampling point during the growing season of soybean were also determined. The decision support system for agrotechnology transfer (DSSAT) model was used to simulate the soybean growth and development process. Seven sampling points with distinct terrain features were randomly selected from sixteen sampling points, and the data from the other sampling points were used for verification of the DSSAT model. Then the adjusted DSSAT model was used to simulate the development of soybean at each sampling point and its yield. In regards to temperature, slope, solar radiation, soil nutrients, etc., DSSAT model was put into use for yield results simulation under the condition of single factor discrepancy, and then the contribution degree of individual factor to the yield difference was examined. Data such as biomass, soil water content and soil alkali-hydrolyzed nitrogen content of each sampling point were collected during the soybean growth period, and the total solar radiation data of the study area was generated by DEM combined with the Angstrom equation. The results showed that the normalized root mean square error(nRMSE) for the simulated yield of the DSSAT model and the measured yield was 7.9%, indicating an excellent simulation. The nRMSE for leaf area index (LAI) and above-ground biomass simulation were 16.2% and 18.7%, respectively. It indicated that the DSSAT model was reliable for simulation of soybean yield, biomass and growth. The growing environment of soybean was affected by the terrain, which determined the spatial change of soybean yield. In comparison with the initial soil condition, the difference of soybean yield was more affected by temperature and slope. Compared with the other positions of slope, the soybean yield at the top and bottom of slope was higher and the yield variability was smaller. The water requirement for soybean increased during the pod-filling period of soybean and the soil water content was low in the sunny slope, which resulted in the decrease of yield. The high amount of alkali-hydrolyzed nitrogen content and soil water content were found at the bottom of the slope that could meet the needs of crop growth. Therefore, the appropriate irrigation measures should be taken to improve the soybean yield during this period. The analysis for crop yield gap could reveal the factors that restrict crop production. The outcomes of the research are conducive to the farmland’s fine operation during the precise management and can provide valuable information for field management.

terrain; temperature; slope; DSSAT model; black soil area; soybean; yield

侯淑濤，崔楊，孟令華，等. 地形對漫川漫崗黑土區(qū)大豆產(chǎn)量的影響[J]. 農(nóng)業(yè)工程學(xué)報，2020，36(8)：88-95.doi：10.11975/j.issn.1002-6819.2020.08.011 http://www.tcsae.org

Hou Shutao, Cui Yang, Meng Linghua, et al. Effects of terrain on soybean yields in rolling hilly black soil areas[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(8): 88-95. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.08.011 http://www.tcsae.org

2020-01-14

2020-03-10

國家自然科學(xué)基金（41671438）；國家重點(diǎn)研發(fā)計劃（2016YFD0200600、2016YFD0200603）

侯淑濤，副教授，主要研究方向?yàn)橥恋乩门c管理。Email：houst129@126.com

劉煥軍，博士，教授，主要從事土壤遙感研究。Email：huanjunliu@yeah.net

10.11975/j.issn.1002-6819.2020.08.011

S565.1; S126

A

1002-6819(2020)-08-0088-08