基于歸一化法模擬分析東北地區春玉米干物質積累對播期和品種的動態響應

張兵兵，吳 航，楊 璐，呂 曉，張 放，張 慧，高 全，楊 揚

?

基于歸一化法模擬分析東北地區春玉米干物質積累對播期和品種的動態響應

張兵兵1，2，吳 航2**，楊 璐2，呂 曉2，張 放3，張 慧2，高 全2，楊 揚3

（1.中國氣象局沈陽大氣環境研究所，沈陽 110166；2.錦州市生態與農業氣象中心，錦州 121000；3.錦州市氣象局，錦州 121000）

為探討東北地區不同播期的主栽品種春玉米的干物質（MDA）積累的生長特性，實現對春玉米干物質積累的有效預估，本研究基于2014?2015年3個春玉米品種（丹玉39、丹玉99和農華101）每年6個播期的試驗資料，利用歸一化處理方法建立了考慮相對積溫（RATi）的干物質重動態模擬模型，并利用推導出的關鍵生長參數定量分析春玉米干物質積累對播期和品種的動態響應特征。結果表明：基于歸一化法篩選并建立了以相對積溫為自變量的干物質積累動態模型（Richards模型），方程表達式為y=a/(1+eb?cx)(1/d)，決定系數R2在0.99以上，符合生物學意義，對東北地區春玉米有較好的模擬性能。試驗驗證表明，模型對早播春玉米干物質動態積累的模擬精確度更好，且丹玉39的模擬效果優于丹玉99及農華101。DMA總體表現為隨著播期推遲而降低，品種間表現為丹玉39＞丹玉99＞農華101，差異達極顯著水平；干物質積累過程分為積累漸增期、直線快增期和減速積累期3個階段，其中直線快增期為干物質積累的主要階段，隨著播期的推遲，直線快增期經歷的積溫、干物質積累量、干物質積累平均速率、速率峰值及其對應的干物質積累量占干物質總量的積累比例都不同程度減小。丹玉39的快增期較丹玉99、農華101明顯延長，干物質積累平均速率、速率峰值及其對應的干物質積累量較丹玉99、農華101顯著提升。

春玉米；播期；Richards 模型；干物質積累；生長特性

玉米作為東北地區最重要的糧食作物之一[1]，其產量的95%以上來自光合作用，而干物質是光合作用的最終產物，與產量密切相關[2]，干物質積累的動態變化是衡量作物生長性能及產量預測的重要參考指標[3]。不同的氣象要素及栽培措施對干物質積累的影響和控制有所區別[4]，對東北地區玉米干物質積累最主要的影響因素是播期和品種，不同品種的玉米生物學特性對光合作用的影響不同[5]，導致干物質積累量存在明顯差異，而播種期通過氣候因子的適宜匹配程度直接影響玉米的生長發育及干物質積累[6]。因此，建立一個簡單適用并能準確反映東北地區主栽品種玉米的干物質積累動態的普適性模型，以此深入了解玉米干物質積累對播期和品種的動態響應規律顯得十分必要。

許多研究通過生長模型來定量描述作物的干物質積累過程，應用較多的是Richards、Logistic、Compertz等生長模型[7]，但干物質積累模型的參數隨著品種、種植密度以及播期變化幅度較大，不同地區的不同品種甚至相同地區的同一品種，其模型參數也不相同，大大降低了模型的通用性[8]。經驗性處理是采用歸一化處理，以統一標尺消除量綱差異的方法，將數據歸一處理為(0, 1)區間內，使有量綱表達式轉為無量綱表達式[9]，因能縮小參數變化幅度而廣泛應用于作物生長模型模擬中[10?11]，機理簡單，應用性強。此外以往多數模型研究均是以時間作為衡量標尺[12?13]，在東北地區春玉米生育期時間較長，不同的溫度效應會顯著影響干物質的積累過程，李國強等[14?15]認為用積溫作為反映玉米生長特性的標尺，是影響干物質積累及產量的最關鍵生態因子，在模型應用上較時間普適性更強。

本研究在對劉娟等[16?17]研究方法進一步優化的基礎上，采用歸一化處理，從東北地區春玉米整個生育期的干物質積累過程入手，基于田間試驗數據，同時考慮播期和品種兩個重要影響要素，建立以相對積溫為自變量的干物質積累模型，篩選得到適合玉米生長特性的最優Richards模型，并對其進行參數化分析，利用推導出的特征衍生參數定量分析春玉米干物質積累的生長特性，旨在為東北地區春玉米的精準種植調控、生長量預測及提升干物質增長潛力提供理論依據。

1 材料與方法

1.1 試驗設計

分期播種試驗于2014?2015年在錦州農業氣象試驗站（41°49'N，121°12'E）開展，試驗區屬溫帶大陸性季風型氣候，多年平均氣溫9.9℃，平均降水量568mm（1981?2010年），試驗地土質為中壤土，0?20cm土層有機質含量2.53%，土壤肥力中上等，堿解氮83.69mg×kg?1，速效鉀73.28mg×kg?1，速效磷17.26mg×kg?1，pH值6.44。2a試驗均采用二因素隨機區組設計，設計因素為品種和播期，3個供試品種為丹玉39（Danyu39，晚熟135～145d，遼寧省中部主栽品種）、丹玉99（Danyu99，中熟115～125d，吉林中部主栽品種）、農華101（Nonghua101，早熟100～105d，黑龍江中部主栽品種）；東北不同地區間熱量條件存在明顯差異，不同播期處理即可反映不同熱量條件下玉米的生長發育特征，試驗設置6個播期，即S1（4月10日）、S2（4月20日）、S3（4月30日）、S4（5月10日）、S5（5月20日）、S6（5月30日），共18個處理，播種密度35cm×60cm，壟播，小區面積85m2，播種前翻地，底肥一次施入K2O 160kg×hm?2、P2O5175kg×hm?2，拔節期追加純N肥132.0kg×hm?2，三葉期定苗，生長期內按當地玉米大田進行田間管理。

1.2 數據觀測

1.2.1 干物質

以50%植株達到觀測發育期為標準，分別觀測不同處理玉米出苗期、三葉期、七葉期、拔節期、抽雄期、開花期、吐絲期、乳熟期、成熟期等主要生育期的日期；三葉?成熟期每10d將每區有代表性的玉米5株取樣測定，將取定的植株按觀測規范分離為莖、葉片、穗、苞葉和籽粒，置于105℃烘箱內一次殺青0.5h，再于80℃下烘干至恒重，計算地上部干物質積累量（dry matter accumulation，DMA），得到各時期平均單株玉米地上干物重。

1.2.2 氣象資料

氣象資料來源于錦州市氣象局，包括玉米生長期內逐日氣象要素(日最高氣溫Timax、日最低氣溫Timin)，并計算日平均氣溫（Ti）和積溫ATi。

ΔTi為Ti對作物干物質積累的溫度貢獻值，考慮到Timax過高或Timin過低對玉米干物質積累的無效影響，為使ATi的生物學意義更有代表性，ΔTi的計算方法采用張銀鎖等[18]的方法，即

式中，Ti為日平均氣溫；Tl為玉米生長發育的溫度下限，Th為春玉米生長發育的溫度上限，綜合文獻[19?21]觀點，東北春玉米種植區各品種的Tl取8℃，Th取35℃。第i天積溫ATi為

1.3 數據歸一化

對2014、2015年的試驗數據進行歸一化處理，將出苗?成熟各播期下的積溫最大值（maximum accumulated temperature，ATmax）和干物質積累量的最大值（maximum accumulation of dry matter，DMAmax）分別定為1，可得到取樣時期的歸一化數值，即相對干物質重(relative dry matter accumulation，RDMAi）和相對積溫（relative accumulated temperature，RATi）；RDMAi和RATi的值均在0～1，RDMAi為不同觀測時期的相對干物質積累，RATi為不同觀測時期的相對積溫，DMAi為播種?不同觀測時期的實測干物質積累量，DMAmax為播種?成熟時的最大干物質積累量；ATi為播種?不同觀測時期的積溫，ATmax為播種?成熟的積溫。

（4）

1.4 模擬及檢驗

應用Curve Expert1.40軟件，擬合歸一化處理后的2014年試驗數據RDMAi和RATi，通過篩選建立相對化玉米地上干物質積累（DMA）模型，采用SPSS15.0對數據進行統計分析,利用OriginPro9.0軟件作圖。用2015年的試驗數據驗證模型的準確度和精確度，采用回歸決定系數R2、均方根誤差RMSE、歸一化均方根誤差NRMSE檢驗模型效果的精確度，R2越大，RMSE、NRMSE越小，試驗值與模擬值越接近，模型模擬的效果越好、精度越高[22]。

1.5 歸一化模型的應用

通過歸一化處理的RDMA模型可廣泛應用于實踐，通常同一品種的玉米需求的積溫是相對穩定的，將其關鍵發育期的RATi代入RDMA模型，可求出RDMAi，再進一步將RATi轉換為ATi，通過試驗的干物質測定，測量對應的DMAi，計算RDMAi與DMAi的比值即得到模擬DMAmax，將DMAmax分別乘以不同觀測時期的RDMAi即為相應時期的模擬DMAi，同理可以求得模型特征參數的實際值。

2 結果與分析

2.1 春玉米地上干物質積累量隨積溫的動態變化特征及模擬方程篩選

由圖1可見，3個品種的春玉米地上干物質積累（DMA）變化趨勢基本一致，DMA隨著積溫呈現S型單向遞增變化，即慢—快—慢的動態積累過程。具體來看，不同品種對播種期推遲的敏感性不同，丹玉39、丹玉99在S1?S6播期的DMAmax表現出明顯下降趨勢，而農華101在S1?S4播期的DMAmax差別不大，S5?S6播期的DMAmax顯著下降。同一品種不同播期間又有一定差別，各品種在S1播期下DMAmax均較高，相對應的積溫也不一樣，其中丹玉39、丹玉99和農華101的單株平均DMA在生育期內積溫分別為3159.41℃·d、2875.05℃·d和2732.88℃·d時達到最大值（DMAmax）431.92g、386.97g和347.55g。不同品種在不同播期下的干物質積累差異明顯，將各播期的最大干物質積累和出苗?成熟的積溫處理為1，可以縮小播期、品種間干物質積累的差異，有助于建立一個適用于模擬東北地區主栽品種干物質積累和積溫的動態模型。

圖1 不同品種春玉米出苗后單株干物質積累量（DMA）隨積溫的動態變化

注：短線為標準差。S1?S6分別表示播期為4月10日、4月20日、4月30日、5月10日、5月20日和5月30日。下同。

Note: Error bars represent SD. S1?S6 indicate the different planting dates for April 10, April 20, April 30, May 10, May 20 and May 30, respectively. The same as below.

利用Curve Expert1.40軟件對2014年各品種所有播期的數據進行歸一化處理，利用多種模型（余弦曲線、Harris模型、Richards模型等）建立相對干物質積累量（RDMA，因變量）與相對積溫（RAT，自變量）間關系，與實測單株干物質積累量隨積溫的動態變化曲線（圖1）進行對比，發現玉米在出苗?成熟的過程中，符合DMA動態變化意義的曲線應該是一條隨積溫增加單向遞增的S型曲線，因此選擇Richards模型y=a/(1+eb?cx)(1/d)，模擬得到Richards模型y=1.0428/(1+e2.3211?6.0127x)1/0.5203，R2=0.9937，其曲線與玉米的DMA動態變化基本一致（圖2），過原點且單調遞增，在達到DMAmax后維持高值不變，并與DMAmax為1的設定一致，符合玉米的生長特性。

2.2 各播期春玉米地上干物質積累的動態模擬模型建立與檢驗

運用Richards模型對各品種不同播期玉米干物質進行擬合，得到的擬合方程的決定系數R2均大于0.9918，結果見表1。表1中的a值基本接近于1，b、c在不同品種和播期之間變化較大，d值變化較小，方程標準殘差在0.0125～0.0383，決定系數均大于0.98，總體參數差異不顯著，表明該模型穩定性好，擬合程度高，能夠反映不同播期下不同品種的春玉米DMA動態過程。

圖2 不同品種的春玉米RDMA的Richards模擬曲線

表1 各品種不同播期相對干物質積累量（RDMA）的Richards模型系數

Table 1 The Richards model coefficients of relative dry matter accumulation（RDMA）for each maize variety under different sowing dates

利用2015年試驗玉米DMA數據對模型模擬的準確度與精確度進行直觀與定量的檢驗。由表2可以看出，構建的相對化Richards模型較好地模擬了3個品種、不同播種期條件下DMA動態特征，DMA動態模型對干物質預測的R2在0.9795～0.9981，均達極顯著水平，R2隨播期的推遲而減小；RMSE、NRMSE隨著播期的推遲而增大，且丹玉39＜丹玉99＜農華101，說明模型對早播的模擬精確度最好，且丹玉39的模擬效果優于丹玉99及農華101。

2.3 利用模型分析各品種不同播期地上干物質積累的變化特征

2.3.1 特征參數的計算

將Richards模型推導得到一系列特征參數[23]，求一階導數得到相對干物質積累速率（relative rate of dry matter accumulation，RV）；對Richards模型求二階導數，并令其為0，則可求出相對干物質積累速率的峰值（relative maximal dry matter accumulation rate，RVm）和相對速率峰值對應的相對積溫（relative accumulated temperature corresponding to the maximum rate，RATm）。

表2 與實測值相比，DMA模擬結果的精度檢驗

Table 2 The simulation accuracy of DMA based on the experimental data for different maize varieties under different sowing dates

對Richards模型求三階導數，并令其為0，得到DMA曲線上的2個拐點，即直線快增期起始的相對積溫（initial relative accumulated temperature at the linear fast increase period，RT1）和結束的相對積溫（last relative accumulated temperature at the linear fast increase period，RT2）。2個峰值點所對應的相對生長時間即式（6）中的RT1、RT2，并將模擬曲線劃分為積累漸增期（0～RT1）、直線快增期[RAT1，RAT2]、減速增長期（RT2～1）。在（0～RT1）和（RT2～1）期間DMA積累緩慢，在[RAT1，RAT2]之間DMA積累迅速，y與x之間呈線性關系。對速率方程（5）進行積分可得到相對干物質積累平均相對積累速率（average rate of relative accumulation，ARV）。

2.3.2 增長階段的劃分

前期為積累漸增期，DMA占DMAmax的4%～14%，在品種間差異不大，但隨著播期的推遲而增加，S6較S1?S5高3%～8%。

在相對積溫0.39～0.46時DMA進入直線快增期，是DMA的優勢集中積累期，DMA占DMAmax的62%～73%，隨播期的推遲DMA呈減少趨勢，S1處理較S2?S6高8～20個百分點；丹玉39的DMA占DMAmax的70%～73%，較丹玉99和農華101高6～12個百分點。相對積溫0.69～0.89時DMA結束直線快增期，隨之進入減速增長期，DMA占DMAmax的18%～24%，DMA隨播期的推遲而減少，S1處理較S2?S6高4～9個百分點；丹玉39較丹玉99和農華101高3～8個百分點。

2.3.3 各階段增長速率分析

圖3表明，全生育期內的玉米相對干物質平均相對積累速率ARV隨著播期推遲降低16%～23%，且各播期處理間差異達到顯著性水平（P＜0.05）；在不同品種間，丹玉39較其它兩個品種的ARV偏高11%～25%。圖4表明，相對干物質積累速率RV隨著相對積溫RAT的增加總體呈現連續的先升后降趨勢，在不同播期處理下，播期較早的玉米在積累漸增期RV上升較慢、直線快增期迅速提高、減速增長期較快下降；隨著播期的推遲，RV在積累漸增期上升較快、直線快增期明顯較低、減速增長期下降較慢。在不同品種間RV的差異表現為，在漸增階段表現為丹玉99＞丹玉39＞農華101；在快增階段及減速增長階段表現為丹玉39＞丹玉99＞農華101。RVm表現為隨播期推遲而減小，S1較其它播期偏高13%～23%，且丹玉39的RVm較其它品種偏高10%～15%。

圖3 各相對干物質積累模擬模型的相對平均積累速率

圖4 各相對干物質積累速率的模擬曲線

2.3.4 特征參數分析

本研究還原了Richards模型中積溫與干物質積累量的實際值，為定量研究DMA動態特征與積溫提供了相對簡單的方法。由表3可見，播期對春玉米DMA的3個生長階段的調控作用表現為隨著播期的推遲，在積累漸增期經歷的積溫逐漸減少（132.27～144.51℃·d），直線快增期（拔節?蠟熟期）需要的積溫逐漸減少（186.04～280.18℃·d），減速增長期需要的積溫逐漸增加（318.53～439.61℃·d）。在積溫到達1705.31～2001.86℃時達到相對干物質積累速率的峰值RVm，S1處理下相對速率峰值對應的相對積溫RATm較S2?S6延遲115.42～172.66℃·d，丹玉39的RATm較丹玉99、農華101延遲82.15～181.46℃·d；播期較早的處理RVm出現在乳熟期，播期較晚的處理（S4播期之后）出現在抽雄?乳熟期；達到RVm的干物質積累量ADMA隨播期的推遲降低16%～25%，丹玉39較丹玉99、農華101偏多6%～17%，ADMA占DMAmax的39%～54%，說明可以將直線快增期的積溫界限值作為設定施加水肥的重要標準，使其進入直線快增期提前、延遲進入緩增期，最大程度地延長直線快增期的時間，對提高DMA有積極作用。

表3 各相對干物質積累模擬模型的特征參數

Table 3 The characteristic parameters of the dry matter accumulation simulation models

Note: RAT1is initial accumulated temperature, RAT2is last accumulated temperature, RATmis relative accumulated temperature of maximum rate dry matter accumulation, ADMA is dry matter accumulation corresponding to the maximum rate, RV is relative value, AV is actual value.

3 結論與討論

3.1 討論

3.1.1 歸一化干物質積累模型的特性分析及其應用

“歸一化”方法建立的模型具有廣泛適用性，可降低因模擬方程不同而造成的參數變化幅度，適于玉米、小麥及水稻等作物的地上干物質積累量DMA的動態模擬，趙姣等[24]借鑒歸一化方法，應用Logistic模型對冬小麥的相對積溫與干物質積累進行曲線估計，并利用推導出的特征參數構建與產量的模型；李艷大等[25]利用歸一化處理對水稻相對干物質積累量與相對輻熱積之間的關系進行模擬，并定量分析了水稻干物質積累動態特征；沈杰等[26]建立以相對時間為自變量的烤煙相對干物質積累模型，研究烤煙在不同種植密度條件下干物質積累動態特征，可見歸一化處理后的數據能更好地模擬作物DMA變化，消除了擬合數據之間量綱的差異，轉化為同一標尺的無量綱模型，通用性更強。

本文在分析東北地區春玉米干物質量隨積溫的增長規律后，通過對比多項式擬合、余弦曲線、Harris模型、有理函數等多種生長曲線模型，針對不同處理的試驗數據采用“歸一化”的處理方法，建立了基于Richards模型y=a/(1+eb?cx)(1/d)的相對化干物質積累模型，很好地模擬了東北地區主栽品種春玉米干物積累隨積溫變化的動態特征，具有明顯的生物學意義，便于從整體上了解作物的生長特性，在實踐中可應用于作物的模擬動態監測、生長調控及遙感估產等方面，可為東北地區春玉米選擇適宜播期提供理論參考，設計出適應高產的種植管理路線，是探究作物模型的重要發展方向。但由于干物質的積累、分配和轉移的生理過程是很復雜的，受環境生態等各種因素的制約影響較大，本研究僅針對有限的試驗數據資料初步檢驗了模型的應用，仍需進一步利用多年累積的觀測數據來支持完善模型的精確度及衍生特征參數的穩定性。

3.1.2 播期及品種對干物質積累的影響分析

本研究通過對Richards模型的進一步推導，得到一系列干物質積累特征參數，曲線模型的2個拐點對應的相對積溫RT1、RT2將DMA曲線劃分為積累漸增期、直線快增期和緩慢積累期3個階段，從而對各生長階段的特征參數進行定量特征分析，比實際觀測的操作更簡單容易、準確性更高；相對積累速率、相對干物質積累量可以直接反映玉米生長期內的DMA動態變化，其中直線快增期各參數均對播期及品種的反應敏感，與李向嶺等[27?28]研究結論類似。

播種期對玉米DMA的影響主要是通過改變生長期內的積累速率來實現的，DMA總體表現為與播期呈極顯著負相關，這與前人[29?31]得出的DMA隨著播期的推遲而降低的研究結論一致，這可能是由于早播的玉米生育期較長，在生長后期的溫度依然處于較高的水平，直線快增期的起始積溫與最大速率對應的積溫均偏高，生長期內特征參數匹配較為協調，生育期內積溫明顯增多，速率峰值顯著增大，籽粒發育成熟，DMAmax相對較高；隨著播期的推遲，玉米的生育期內積溫隨生育期的縮短而減少，特別是生長后期溫度相對下降較快，速率峰值較低，籽粒發育緩慢，造成DMAmax降低。不同品種的生物遺傳特性同樣影響DMAmax，表現為丹玉39＞丹玉99＞農華101，這可能是由于丹玉39在全生育期的ARV均高于其它兩個品種，提升了DMA的整體速度，DMAmax較高，是獲得較高產量的主要原因。早播的RVm維持時間相對較短、下降較快，RATm較晚播推遲有不同程度的延遲，表明對模型模擬的特征參數反應更敏感，模型模擬效果更好，同理丹玉39較丹玉99、農華101模型模擬效果更好。

3.2 結論

本研究構建的Richards模型符合東北地區主栽玉米地上DMA隨積溫的動態變化特征，模型曲線有界且單向遞增，決定系數在0.99以上。利用模型的特征參數分析不同品種、不同播期的干物質積累特性，平均速率ARV總體呈現出隨著播期推遲而減小的趨勢，丹玉39高于其它2個品種11%～25%。曲線拐點將春玉米干物質積累過程劃分為積累漸增期、直線快增期和減速積累期，直線快增期是DMA的優勢集中積累期，是RV對RAT的敏感反應期。隨著播期的推遲，直線快增期經歷的積溫逐漸減少186.04～280.18℃·d，干物質積累速率峰值RVm減小13%～23%，且丹玉39的RVm較其它品種偏高10%～15%；到達RVm經歷的RATm提前115.42～172.66℃·d；丹玉39的RATm較其它品種延遲3%～7%。直線快增期的DMA占DMAmax的62%～73%，積累比例隨播期的推遲逐漸降低8～20個百分點，丹玉39的DMA占DMAmax的積累比例達到70%～73%，較丹玉99和農華101高6～12個百分點，這為深入研究東北地區春玉米的活動積溫與干物質積累的定量關系以及探索提升春玉米干物質積累的途徑提供了新思路。

[1] 于文穎,紀瑞鵬,馮銳,等.東北地區玉米生長發育特征及其對熱量的響應[J].應用生態學報,2012,23(5):1295-1302.

Yu W Y,Ji R P,Feng R,et al.Maize growth and its responses to heat condition in Northeast China[J].Chinese Journal of Applied Ecology,2012,23(5):1295-1302.(in Chinese)

[2] 胡昌浩,王忠孝,等.玉米栽培生理[M].北京:中國農業出版社,1995.

Hu C H,Wang Z X,et al.Physiology of maize cultivation[M]. Beijing:China Agricultural Press,1995.(in Chinese)

[3] 梁曦彤,陸至遠,李文瑩,等.種植行距對春玉米干物質積累動態及分配規律的影響[J].玉米科學,2015,23(4):110-116.

Liang X T,Lu Z Y,Li W Y,et al.Effect of different row spacing on dynamic of dry matter accumulation and distribution[J]. Journal of Maize Sciences,2015,23(4):110-116.(in Chinese).

[4] 李晶,李文龍,顧萬榮,等.不同栽培模式對春玉米莖稈特性?籽粒灌漿及產量的影響[J].東北農業大學學報,2018,49(8): 24-31.

Li J,Li W L,Gu W R,et al.Effect of different cultivation patterns on stalk characteristics,grain filling and yield of spring maize[J].Journal of Northeast Agricultural University, 2018,49(8):24-31.(in Chinese)

[5] 王曉維,楊文亭,繆建群,等.玉米-大豆間作和施氮對玉米產量及農藝性狀的影響[J].生態學報,2014,34(18):5275-5282.

Wang X W,Yang W T,Miao J Q,et al.Effects of maize-soybean intercropping and nitrogen fertilizer on yield and agronomic traits of maize[J].Acta Ecologica Sinica,2014,34(18):5275- 5282.(in Chinese).

[6] 孔德胤,李建軍,楊松,等.播期對河套地區玉米干物質積累模型的影響[J].中國農學通報,2015,31(36):49-53.

Kong D Y,Li J J,Yang S,et al.Growth model of maize based on dry matter accumulation in Hetao area[J].Chinese Agricultural Science Bulletin,2015,31(36):49-53.(in Chinese)

[7] 陳祥蘭,張雪峰,羅新蘭,等.東北玉米生長發育動態模擬模型研究[J].吉林農業大學學報,2012,34(3):242-247.

Chen X L,Zhang X F,Luo X L,et al.Study of dynamic simulation model of maize growth in Northeast China[J]. Journal of Jilin Agricultural University,2012,34(3):242-247. (in Chinese)

[8] 楊福孫,甘炳春,李榕濤,等.野生撫育益智主要性狀與產量的回歸模型及相關分析[J].中國農學通報,2010,26(2): 272-276.

Yang F S,Gan B C,Li R T,et al.The regression model and related analysis between main characters and yields in wildlife tending[J].Chinese Agricultural Science Bulletin,2010,26(2):272-276.(in Chinese)

[9] 張旭東,蔡煥杰,付玉娟,等.黃土區夏玉米葉面積指數變化規律的研究[J].干旱地區農業研究,2006,24(2):25-29.

Zhang X D,Cai H J,Fu Y J,et al.Study on leaf area index of summer maize in loess areas[J].Agricultural Research in the Arid Areas,2006,24(2):25-29.(in Chinese)

[10] 李樹忱,馮現大,李術才,等.礦井頂板突水模型試驗多場信息的歸一化處理方法[J].煤炭學報,2011,36(3):447-451.

Li S C,Feng X D,Li S C,et al.The normalization process of the multi-field information from a coal mine water-inrush model test[J].Journal of China Coal Society,2011,36(3):447- 451.(in Chinese)

[11] 付雪麗,趙明,周寶元,等.小麥?玉米粒重動態共性特征及其最佳模型的篩選與應用[J].作物學報,2009,35(2): 309-316.

Fu X L,Zhao M,Zhou B Y,et al.Optimal model for dynamic characteristics of grain weight commonly used in wheat and maize[J].Acta Agronomica Sinica,2009,35(2):309-316.(in Chinese)

[12] 喬嘉,朱金城,趙姣,等.基于Logistic 模型的玉米干物質積累過程對產量影響研究[J].中國農業大學學報,2011,16(5): 32-38.

Qiao J,Zhu J C,Zhao J,et al.Study on the effect of dry matter accumulation process on maize yield based on Logistic model[J].Journal of China Agricultural University,2011, 16(5):32-38.(in Chinese)

[13] 侯玉虹,陳傳永,郭志強,等.作物高產群體干物質積累動態模型的構建及生長特性分析[J].玉米科學,2008,16(6): 90-95.

Hou Y H,Chen C Y,Guo Z Q,et al.Establishment of dry matter accumulation dymamic simulation model and analysis of growth charateristc for high-yielding population of spring maize[J].Journal of Maize Sciences,2008,16(6): 90-95.(in Chinese)

[14] 李國強,湯亮,張文宇,等.不同株型小麥干物質積累與分配對氮肥響應的動態分析[J].作物學報,2009,35:2258-2265. Li G Q,Tang L,Zhang W Y,et al.Dynamic analysis on response of dry matter accumulation and partitioning to nitrogen fertilizer in wheat cultivars with different plant types[J].Acta Agronomica Sinica,2009,35:2258-2265.(in Chinese)

[15] 張琪,唐婕,馮一淳,等.基于積溫產量模型確定山東夏玉米拔節前后的極端高溫閾值[J].中國農業氣象,2017,38(12): 795-800.

Zhang Q,Tang J,Feng Y C,et al.Determination of extreme high temperature thresholds before and after summer corn jointing stage in Shandong based on accumulated temperature- yield model[J].Chinese Journal of Agrometeorology,2017, 38(12):795-800.(in Chinese)

[16] 劉娟,熊淑萍,楊陽,等.基于歸一化法的小麥干物質積累動態預測模型[J].生態學報,2012,32(17):5512-5520.

Liu J,Xiong S P,Yang Y,et al.A model to predict dry matter accumulation dynamics in wheat based on the normalized method[J].Acta Ecologica Sinica,2012,32(17):5512-5520. (in Chinese)

[17] 于澤濤,王存凱,夏雨晴,等.玉米產量與干物質積累過程模型中品種參數的建立方法與分析[J].玉米科學,2016,24(4): 130-136.

Yu Z T,Wang C K,Xia Y Q,et al.Methods of varieties parameters on yield and maize dry matter accumulation model[J].Journal of Maize Sciences,2016,24(4):130-136.(in Chinese)

[18] 張銀鎖,宇振榮,Driessen P M.夏玉米植株及葉片生長發育熱量需求的試驗與模擬研究[J].應用生態學報,2001,12(4): 561-565.

Zhang Y S,Yu Z R,Driessen P M.Growing degree-days requirements for plant and leaf development of summer maize():an experimental and simulation study[J]. Chinese Journal of Applied Ecology,2001,12(4):561-565.(in Chinese)

[19] 郭春明,任景全,張鐵林,等.東北地區春玉米生長季農田蒸散量動態變化及其影響因子[J].中國農業氣象,2016,37(4): 400-407.

Guo C M,Ren J Q,Zhang T L,et al.Dynamic change of evapotranspiration and influenced factors in the spring maize field in Northeast China[J].Chinese Journal of Agrometeorology,2016,37(4):400-407.(in Chinese)

[20] 王曉維,楊文亭,繆建群,等.玉米-大豆間作和施氮對玉米產量及農藝性狀的影響[J].生態學報,2014,34(18):5275-5282.

Wang X W,Yang W T,Miao J Q,et al.Effects of maize-soybean intercropping and nitrogen fertilizer on yield and agronomic traits of maize[J].Acta Ecologica Sinica,2014, 34(18):5275-5282.(in Chinese)

[21] 肖靜,李楠,姜會飛.作物發育期積溫計算方法及其穩定性[J].氣象研究與應用,2010,31(2):64-67.

Xiao J,Li N,Jiang H F.Calculation and stability of accumulated temperatures in the growing season of winter wheat[J].Journal of Meteorological Research and Application, 2010,31(2):64-67.(in Chinese)

[22] 孫小龍,閆偉兄,武榮盛,等.基于氣候適宜度建立河套灌區玉米生育期模擬模型[J].中國農業氣象,2014,35(1):62-67.

Sun X L,Yan W X,Wu R S,et al.Simulation model for maize developmental stages in Hetao Irrigation area based on climate suitability[J].Chinese Journal of Agrometeorology, 2014,35(1):62-67.(in Chinese)

[23] 張迪,王冀川,陳慧,等.密度對夏玉米干物質積累的影響及其歸一化模擬模型的建立[J].玉米科學,2018,26(5):58-64.

Zhang D,Wang J C,Chen H, Effect of density on dry matter accumulation of summer maize and establishment of normalized simulation model[J].Journal of Mazie Sciences, 2018,26(5):58-64.(in Chinese)

[24] 趙姣,鄭志芳,方艷茹,等.基于動態模擬模型分析冬小麥干物質積累特征對產量的影響[J].作物學報,2013,39(2): 300-308.

Zhao J,Zheng Z F,Fang Y R,et al.Effect of dry matter accumulation characteristics on yield of winter wheat analyzed by dynamic simulation model[J].Acta Agronomica Sinica,2013,39(2):300-308.(in Chinese)

[25] 李艷大,湯亮,陳青春,等.水稻地上部干物質積累動態的定量模擬[J].應用生態學報,2010,21(6):1504-1510.

Li Y D,Tang L,Chen Q C,et al.Drymatter accumulation inrice above ground part quantitative simulation[J].Chinese Journal of Applied Ecology,2010,21(6):1504-1510.(in Chinese)

[26] 沈杰,蔡艷,何玉亭,等.基于歸一化法的烤煙干物質積累建模與特征分析[J].作物學報,2017,43(3):442-453.

Shen J,Cai Y,He Y T,et al.Dynamic simulation of dry matter accumulation in flue-cured tobacco and analysis of its characteristics based on normalized method[J].Acta Agronomica Sinica,2017,43(3):442-453.(in Chinese)

[27] 李向嶺,趙明,李從鋒,等.播期和密度對玉米干物質積累動態的影響及其模型的建立[J].作物學報,2010,36(12): 2143-2153.

Li X L,Zhao M,Li C F,et al.Effect of sowing-date and planting density on dry matter accumulation dynamic and establishment of its simulated model in maize[J].Acta Agronomica Sinica,2010,36(12):2143-2153.(in Chinese)

[28] 李昊,譚方穎,王建林,等.華北地區夏玉米干物質分配系數的模擬[J].中國農業氣象,2016,37(3):335-342.

Li H,Tan F Y,Wang J L,et al.Simulation on dry matter distribution coefficient for summer maize in North China[J].Chinese Journal of Agrometeorology,2016,37(3): 335-342.(in Chinese)

[29] 寶音巴特,王婧瑜,朱景嵩,等.吉林省不同生態區域玉米產量及構成因素的差異性[J].分子植物育種,2017,15(9): 3819-3824.

Baoyinbate,Wang J Y,Zhu J S,et al.Difference of maize yield and component factor of different ecology zones in Jilin province[J].Molecular Plant Breeding,2017,15(9):3819-3824. (in Chinese)

[30] 徐田軍,呂天放,陳傳永,等.播期對玉米干物質積累轉運和籽粒灌漿特性的影響[J].中國農業科技導報,2016,18(6): 112-118.

Xu T J,Lv T F,Chen C Y,et al.Effect of sowing date on maize dry matter accumulation,transformation and grain filling characters[J].Journal of Agricultural Science and Technology, 2016,18(6):112-118.(in Chinese)

[31] 趙俊芳,李寧,侯英雨,等.基于APSIM模型評估北方八省春玉米生產對氣候變化的響應[J].中國農業氣象,2018,39(2): 108-118.

Zhao J F,Li N,Hou Y Y,et al.Evaluation of response of spring maize production to climate change in the eight provinces of northern China based on APSIM Model[J].Chinese Journal of Agrometeorology,2018,39(2):108-118.(in Chinese)

Simulation of the Dynamic Response of Dry Matter Accumulation of Spring Maize in Northeast China to Sowing Dates and Varieties Based on Normalization Method

ZHANG Bing-bing1,2, WU Hang2, YANG Lu2, Lv Xiao2, ZHANG Fang3, ZHANG Hui2, GAO Quan2, YANG Yang3

(1.The Institute of Atmospheric Environment, China Meteorological Administration, Shenyang 110166,China；2.Jinzhou City Ecological and Agricultural Meteorological Center, Jinzhou 121000；3.Jinzhou Meteorological Administration, Jinzhou 121000)

For effectively estimating the dry matter accumulation (DMA) process of spring maize, based on the experiments of six sowing dates for spring maize of three varieties including ‘Danyu 39’, ‘Danyu 99’ and ‘Nonghua 101’ during 2014?2015, considering relative accumulation temperature (RAT), the dynamic simulation model of DMA i.e. Richards model was built by using normalization method and the dynamic responses of DMA of spring maize in Northeast China to varieties and sowing dates were investigated by taking the calculated key growing parameters into account. The results showed that the Richards model was built based on the relationship between the relative dry matter weight (RDMA) and the RAT and demonstrates a satisfactory simulation performance for spring maize in northeast China. Further analyzing showed that the model had higher simulation accuracy for early sowing date and the model performance for ‘Danyu39’ was better than those for ‘Danyu 99’ and ‘Nonghua’. In addition, the DMA decreased with the sowing date delaying and presented a descending order by ‘Danyu 39’ , ‘Danyu 99’ and ‘Nonghua101’ with significant differences. Besides, the dry matter accumulation process could be divided into three stages including gradual, linearly accelerating and decelerating growth period. More specifically, the linearly accelerating growth period (LAGP) was the major phase of DMA during which accumulated temperature, the mean rate of DMA and its peak value as well as the amount of DMA and its proportion to total DMA were gradually decreasing to different degrees with the sowing time delaying. Whereas, the above-mentioned characters indicated significant differences among varieties. Tobespecific, the LAGP, the mean rate of DMA and its peak value as well as the amount of DMA for ‘Danyu39’ was longer and larger than those for ‘Danyu 99’ and ‘Nonghua 101’, respectively.

Spring maize；Sowing date；Richards model；Dry matter accumulation；Growth characteristic

10.3969/j.issn.1000-6362.2019.06.003

收稿日期：2018?11?26

通訊作者。E-mail：13700063030@163.com

中國氣象局沈陽大氣環境研究所開放基金（2019SYIAE06）；中國氣象局沈陽大氣環境研究所和遼寧省農業氣象災害重點實驗室聯合開放基金課題；遼寧省氣象局科研項目（201716）；國家自然科學基金（41775110）

張兵兵（1983?），女，學士，工程師，主要從事應用氣象研究。E-mail：810587878@qq.com

張兵兵,吳航,楊璐,等.基于歸一化法模擬分析東北地區春玉米干物質積累對播期和品種的動態響應[J].中國農業氣象,2019,40(6):357-367