基于DSSAT模型的品种/土壤筛选协议：解析气候变化对安大略西南部玉米和大豆产量的影响机制

本文开发了一种基于DSSAT模型的作物品种与土壤筛选协议（Cultivar/Soil Selection Protocol），通过混合选择因子（MSF≤1）快速筛选内置品种，成功模拟了1987-2016年安大略西南部区域产量（nRMSE≤0.20，r2≥0.53）。研究表明气候变暖分别贡献了玉米60%和大豆52%的产量增益，为气候影响评估提供了可靠的建模框架。

　　

引言：气候变化背景下农业响应机制研究

气候变化对全球农业产生了深远影响，既有积极效应也有负面冲击。澳大利亚小麦产量在1952-1992年间因夜间温度上升而增长，而北美地区的燕麦和大麦产量却因温度与降水模式变化而下降。加拿大作为高纬度地区，其变暖速率显著高于低纬度区域。安大略西南部的玉米和大豆产量与生长季长度呈正相关，这种关联性促使决策者和农民需要科学工具来预测气候变化对农业生产的影响。

决策支持系统（DSSAT）作为过程型作物模型，整合了科学界对农业生态系统的复杂认知，能够模拟超过42种作物的生长过程。尽管存在土壤碳氮动态模拟的局限性，DSSAT在产量预测方面表现出色，已被广泛应用于全球农业研究。本研究旨在利用DSSAT内置品种和当地土壤表征，开发一套高效的筛选协议，最小化田间试验和品种校准资源。

材料与方法：多源数据融合与模型构建

研究采用DSSAT 4.8.0.027平台，包含166个玉米和53个大豆品种的遗传参数。模型输入包含管理措施、土壤特性、大气CO₂浓度和天气变量，其中CO₂数据来自Keeling曲线，太阳辐射数据通过WeatherMan随机生成器（WGen）估算。

土壤数据源自加拿大土壤信息系统（CANSIS），优先选用Class 1级优质土壤。管理措施统一设置为免耕模式，玉米行距76cm，种植密度7.6株/m²；大豆行距19cm，密度50株/m²。施肥采用缓释尿素超级颗粒，玉米施氮量150kg/ha，磷56kg/ha。

天气数据来自加拿大自然资源部的空间气候模型，涵盖1987-2016年每日最高/最低温度和降水。产量数据来自安大略省乡镇测量值，统一转换为干重（kg/ha）进行比对。

品种筛选策略与统计验证

研究采用混合选择因子（MSF）作为核心筛选指标：

MSF = 0.85×(1-nRMSE) + 0.15×r²

该公式兼顾模拟产量与实测值的幅度差异（nRMSE≤0.30）和变化协同性（r²显著性p<0.05）。筛选过程分为三个阶段：基于奇数年的初选、偶数年验证、全周期终选。

空间聚合采用加权平均方法：

Y_R = Σ(Y_c×A_c)/ΣA_c

其中A_c为各县种植面积，有效反映区域产量构成。

玉米品种筛选结果

北部安大略西南区优选品种为Pio-3563（威灵顿县）、GL-482（滑铁卢县）等，MSF均值0.72。模拟产量与实测值差异仅0-6%，nRMSE≈0.20，r²≈0.55。南部地区优选Pio-3192、Dkb-333B等品种，MSF均值0.73，nRMSE≈0.16，r²≈0.53。

2009年北部地区模拟产量偏低与排水损失（29%降水）和干旱期（休伦县9月24天降水≤0.3mm）相关，而2010年降水充沛（446mm）导致模拟值偏高。技术进步使实测产量变异系数（CV）从早期的16%降至后期的23%，而模拟产量CV保持26-30%。

大豆品种筛选表现

北部地区M-Group-000（珀斯县）等品种表现优异，MSF均值0.79，nRMSE≈0.12，r²≈0.56。南部地区M-Group-00（查塔姆-肯特县）等品种达到MSF均值0.84，nRMSE≈0.08，r²≈0.80的优异匹配。

天气敏感性分析显示：1992年低温（均温20.5°C/9.7°C）导致低产，2007年干旱（降水166.6mm）同样造成减产。适宜条件如2008年（降水281.2mm）和2011年（降水301.0mm）则带来高产。大豆模拟精度整体优于玉米，验证了协议在豆科作物中的应用优势。

产量趋势与气候贡献解析

线性回归分析揭示：

• •

  玉米产量年增长率：北部124.59kg/ha，南部130.55kg/ha

• •

  模拟增长率：北部75.06kg/ha，南部77.90kg/ha

  气候贡献率均为60%，与技术贡献率40%形成鲜明对比。

大豆趋势呈现南北差异：

北部年增22.38kg/ha（气候贡献35%），南部年增21.51kg/ha（气候贡献70%）。区域综合气候贡献率52%，与Cabas等学者通过统计方法获得的51%高度一致。

CO₂施肥效应分析显示：C₃作物大豆每ppmCO₂增长带来0.065%产量提升，1987-2016年间累计贡献北部65kg/ha（实测增幅的10%），南部73kg/ha（17%）。北部技术投入使光合同化物利用效率显著提升。

讨论：协议优势与农业启示

本研究开发的MSF筛选协议成功实现了：

1. 1.

   快速识别代表品种（玉米Pio-3563、大豆Pio-9202等）

2. 2.

   南北气候区差异化品种配置

3. 3.

   验证周期内稳定表现（nRMSE≤0.21，r²≥0.47）

土壤-作物互作机制研究表明：土壤物理特性（导水率、容重）和化学特性（pH、CEC）通过影响水分分布、通气性和养分有效性，显著调节作物对气候的响应。健康土壤可降低气候敏感性，这与Qiao等学者的发现一致。

气候变暖成为安大略西南部作物增产主导因素，但技术创新的地理异质性值得关注：大豆技术在北部贡献突出（65%），而南部气候贡献占优（70%）。这种差异反映了育种创新更聚焦于冷凉气候区短季品种改良，与Voldeng等提出的方向相符。

结论与展望

本研究建立的品种/土壤筛选协议为区域气候影响评估提供了高效工具，避免了繁琐的品种参数校准过程。证实气候变暖是安大略西南部玉米增产主要驱动力（60%），而对大豆的影响呈现南北差异（北部35%，南部70%）。该协议可推广至其他作物和地区，为气候变化应对策略制定提供科学依据。

未来研究可进一步整合土壤健康指标和极端气候事件模块，提升模型在精准农业中的应用价值。同时需加强CO₂施肥效应与技术进步的交互作用研究，完善气候智慧型农业的理论框架。