引用本文
王连喜, 刘静, 李琪, 钱蕊. 气候变化对宁夏水稻的影响及适应性研究. 地球科学进展, 2013, 28(11): 1248-1256[Wang Lianxi, Liu Jing, Li Qi, Qian Rui. Simulation Study of the Climate Change Impact on the Rice and its Adaptability in Ningxia Province. Advance in Earth Science, 2013, 28(11): 1248-1256]  
Permissions
气候变化对宁夏水稻的影响及适应性研究
王连喜1,2, 刘静3, 李琪1,2,*, 钱蕊1,2
1.南京信息工程大学,江苏省大气环境监测与污染控制高技术研究重点实验室,江苏南京 210044
2.南京信息工程大学环境科学与工程学院,江苏南京 210044
3.宁夏气象防灾减灾重点实验室,宁夏银川 750002
李琪(1977-),男,河北新城人,副教授,主要从事农业气象与生态气象研究.E-mail:liqix123@sina.com

王连喜(1959-)，男，河南郑州人，教授，主要从事农业气象与生态气象研究.E-mail:wlx4533@sina.com

基金:江苏省高校自然科学研究面上项目#cod#x0201c;气候变化背景下江苏省水稻高温热害模拟研究#cod#x0201d;(编号：11KJB210004)资助.
摘要

宁夏引黄灌区种植水稻历史悠久,是全国优质水稻高产区之一,研究气候变化对宁夏水稻的影响及适应性,对减轻气候变化带来的负面影响,保障粮食供给安全有一定意义。利用区域气候模型PRECIS的输出结果实现与作物模型CERESRice联接,模拟并评估未来气候变化对宁夏引黄灌区水稻产量和生育期的影响,并研究宁夏水稻生产的适应性措施。结果表明CERESRice模型有较好的模拟能力,PRECIS模型在经过修正后也能够较好地模拟气候参数。作物模型的模拟结果表明,未来气候情景下,宁夏水稻皆呈减产趋势,同情景下2050s比2020s减产趋势明显,空间变化趋势相一致。在生育期变化方面,同情景下2050s较2020s缩短程度明显。改变播期和水稻品种参数G4的模拟结果表明：适当提前播期,有利于减轻气候变暖对宁夏引黄灌区水稻生产带来的负面影响；而改变水稻的品种特性,培育耐高温水稻品种,可以降低气候变化给宁夏水稻生产带来的危害。

关键词: 水稻; 气候变化; 作物模型; 气候模式; 适应性措施
Simulation Study of the Climate Change Impact on the Rice and its Adaptability in Ningxia Province
Wang Lianxi1,2, Liu Jing3, Li Qi1,2, Qian Rui1,2
1. Jiangsu Key Laboratory of Atmospheric Environmental Monitoring and Pollution Control, Nanjing University of Information Science & Technology, Nanjing 210044,China
2. School of Environment Science and Engineering, Nanjing University of Information Science & Technology, Nanjing 210044,China
3. Ningxia Key Laboratory for Preventing and Reducing Meteorological Disaster, Yinchuan 750002,China
Abstract

Yinhuang Irrigation District in Ningxia, as the top rice production area of high quality and quantity, has a long history in riceplanting. The studies of the effective measures for the rice production replying the climate change were very important for reducing the harm of the future climate change and crop supply safety in Ningxia Province. Based on the coupling of the PRECIS model and the crop model CERESRice, the effects of climate change on the rice production and growth stage in Yinhuang Irrigation District in Ningxia Province were simulated and evaluated, and the adaptability measures of rice production were studied. The results showed that the CERESRice model had the preferable simulation capability, and the modified PRECIS model also could preferably simulate the required climate parameter. The crop model simulation results showed that the climate change had some influence on the rice production and growth stage in Yinhuang Irrigation District. The rice production goes down under future climate change scenarios in Ningxia Province. The trend of reduction of 2050s is more apparent than that of 2020s under the same scenarios,but the spatial change trend is similar. The extent and range of reduction of A2 scenario are wider than that of B2 scenario in the same period, but spatial change trend is different. For the change of growth stage, there has no obvious change in the north and the central part of the Yinhuang Irrigation District. The duration in 2050s shortens more obviously than that of 2020s under the same scenario, and the duration under B2 scenario shortens more obviously than that under A2 scenario in the same period. The results of adjusting the sowing date and the rice variety parameter G4 showed that the negative impact of climate change on the rice production can be reduced by sowing date advance in Yinhuang Irrigation District in Ningxia Province. There has obvious difference for the optimal G4 values of different region in Yinhuang Irrigation District, and the rice production can also be effectively upraised by adjusting the rice variety characteristic and cultivating the heatresistant rice varieties. The optimal G4 values can mitigate the damage of climate change on the rice production in Yinhuang Irrigation District in Ningxia Province.

Keyword: Rice; Climate change; Crop model; Climate model; Adaptability measure.
1 前言

气候变化对水稻生产的影响是多方面的,各国学者从气候变化对水稻生育期、产量、稻田蒸散量以及稻作制度的影响等四个方面开展了一系列的研究[ 1, 2]。在全球气候变暖的背景下,数值模拟方法是研究未来气候变化对水稻生产影响的重要途径。国内一些学者运用CERES-Rice模型对水稻进行了模拟研究[ 3, 4, 5, 6, 7],也有学者[ 8, 9, 10, 11]研究了气候变化对我国不同地区水稻的影响、适应、敏感性和脆弱性等问题。目前国内对灌区水稻生产的研究相对较少,灌区水稻模型模拟的工作亟待加强。

宁夏引黄灌区种植水稻已有近两千年的历史,其水稻的种植面积约占引黄灌区粮食播种面积的20%以上,而产量却达到引黄灌区总产的30%左右,是当地重要的农业收入之一。气候变化对该区的水稻生产已经产生了一定的负面影响[ 12],如不考虑CO2的直接作用,未来气候变化情况下宁夏引黄灌溉区水稻产量呈减产趋势[ 10, 13]。但目前气候变化对宁夏水稻的影响研究大多偏重于数理统计分析,利用CERES-Rice模型对宁夏水稻生产的研究鲜有报道。本研究利用CERES-Rice模型结合PRECIS气候模型,研究未来气候变化对宁夏水稻生产的影响以及宁夏水稻应对未来气候变化的适应性措施,从而为为宁夏引黄灌区的水稻生产应对气候变化提供科学的理论依据。

2 模型的适用性分析
2.1 水稻模型验证

水稻模型CERES-Rice输入的天气资料主要来自于相应气象站点的逐日资料；土壤数据来自中国土种志；农艺性状文件和田间管理资料来自宁夏水稻主产区的观测数据；品种遗传参数由模型中提供的品种遗传特性确定。宁夏在4月下旬到5月中旬的天气情况不稳定,最高气温高达30℃以上,最低气温低到零下,昼夜温差大,如连续阴雨天后暴晴,可能引起水稻烂秧、“青干死秧”、“小老头苗”等[ 14],导致水稻减产。该地区多采用小弓棚进行育秧[ 15],以弥补热量条件的不足,因此需要对天气数据进行修正。根据实际情况和文献的介绍,本文将播期后的20天的最高气温设为30.0℃,最低气温设为20.0℃,使用修改后的天气数据,采用“试错法”进行水稻品种遗传参数的确定。

利用CERES-Rice模型模拟了永宁水稻的生长发育情况,选择开花期、生育期和产量数据与实测值进行对比,结果表明对水稻开花期、生育期的模拟误差在10d以内,产量的模拟误差分布在±10%以内,开花期、发育期、产量的模拟绝对平均误差分别为5.0%、3.9%、6.2%,相关性分析表明开花期、生育期、产量的实测和对应模拟值都达到了极显著相关水平,说明该模型的模拟效果较好。

2.2 区域气候模型验证

本文利用降尺度分析得到的25km×25km高分辨率的区域气候模式来构建宁夏的SRES情景[ 16, 17]。最高气温、最低气温、降水量、太阳短波辐射这4个变量是输入CERES-Rice模型的基本气象数据。本研究选取宁夏永宁气象站的气候数据进行PRECIS的适用性验证,结果表明PRECIS模拟出的最高、最低气温与实测的温度基本重合,模拟的气温变化与实际四季连续的气温变化相一致。相关性检验表明模拟的最高和最低气温与实测值之间的相关系数分别0.871为0.898,都通过信度为0.01水平的显著性检验,说明PRECIS模拟气温的效果较好。

PRECIS模拟的永宁降水与实测值之间的相关系数仅有-0.009,由于降水具有随机性,因此模拟的相关程度较弱。但模拟的降水集中在6-9月且雨量较小,与实测的降水季节及降水量相一致,同时模型还有较强的模拟极端降水的能力。

CERES-Rice模型中所涉及的辐射数据是太阳短波辐射量,本文依据杨勤[ 18, 19]的计算方法以及给出的宁夏海原县以北的太阳辐射经验系数,通过日照时数数据来计算。结果表明PRECIS模拟的永宁太阳辐射与实测值的相关系数为0.463,通过信度为0.01水平的显著性检验,说明PRECIS对太阳辐射也有较好的模拟效果。但模型模拟的太阳辐射量较实测偏低,因此需要对太阳辐射量进行修订。模拟的日平均太阳辐射与实际的误差为-10.15%,修订的结果将误差控制在-5%之内,所以对模拟值扩大1.06倍,得到误差为-4.76%。修订过后的PRECIS模拟的太阳辐射与实测值比较,在相关系数不变的情况下,模拟值偏小的情况有了很大的改善。

3 气候变化对宁夏水稻的影响评估

本文选择在25km×25km网格上分析A2、B2情景[ 20]下气候变化对宁夏水稻生产的影响。作物模型需要的天气资料是PRECIS模拟的IPCC的SRES[ 21]系列中Baseline数据以及A2和B2情景下2020s和2050s两个时段的逐日天气数据。在宁夏可种植水稻的区域内(根据实际种植水稻区域的情况选定对应的36个网格,覆盖区域为整个的宁夏引黄灌区),模拟未来气候情景下水稻的生产情况。

3.1 未来气候变化对水稻生育期和产量的影响

A2情景下2020s(2011-2040,下同)和2050s(2041-2070,下同)时段的水稻产量、生育期与Baseline相比较的结果见图1；B2情景下2020s和2050s时段与Baseline相比较的结果见图2。图中填色区域为可种植水稻的36个区域,空白区域为不可种植区。

从图1可以看出A2情景下2020s时段宁夏水稻皆为减产,变化率在-23.56%~-4.44%之间；从空间上看,自北向南减产率增大,北部惠农县及中东部永宁县、灵武市减产最小,中卫市、中宁县减产最大。水稻生育期变化在-4.4 d~11.5 d之间,以生育期变长为主；空间上看,除了西南中卫市生育期变短外,其余地区皆为变长。A2情景下2050s时段水稻产量皆是减产,产量变化率在-22.00%~-12.20%之间；空间上,北部平罗县、贺兰县、银川市和西部中卫市、中宁县减产幅度较大,中部吴忠市、灵武市减产趋势较小。生育期变化皆为缩短趋势,生育期变化在-11.9 d~-0.2 d之间,集中在-6 d~-9 d范围内；空间上看,变化较大的为中部偏北的平罗到永宁一线以及西部中卫市。

图1 A2情景下水稻产量及生育期变化Fig.1 The yield and growth period change of rice under A2 climate change scenario

对比两个时段的结果可以看出未来A2气候情景下宁夏水稻产量皆为减产趋势,2050s比2020s减产趋势明显,对应网格产量降低5%左右,两个时段的空间变化趋势相一致。水稻生育期在2020s以变长为主,2050s以变短为主,对应网格的空间变化幅度相一致。

从图2可以看出B2情景下2020s时段宁夏水稻都为减产,变化率在-16.57%~-8.54%之间；从空间上看,中部偏北的平罗县、贺兰县和西南部的中卫市减产较大。生育期变化在-8.5 d~6.2 d之间,除了中西部青铜峡市、永宁县为生育期变长外,多为生育期变短。B2情景下2050s时段种植区域内水稻产量皆为减产,变化率在-22.79%~-13.05%之间,西南中卫市、中宁县减产最明显,北部惠农县及中部银川市、永宁县减产相对较小。水稻生育期变化在-12.8 d~3.3 d之间,西北部平罗县、贺兰县、银川市、永宁县西部生育期变长,南部中卫市、中宁县、吴忠市生育期缩短,且缩短幅度较大。

图2 B2情景下水稻产量及生育期变化Fig.2 The yield and growth period change of rice under B2 climate change scenario

对比两个时段的结果可以看出,未来B2情景下宁夏水稻产量皆为减产趋势,2050s比2020s减产趋势明显,对应网格产量变化率降低-5%左右,两个时段的空间变化趋势相一致。生育期变化规律北部和中部不明显,西南部缩短程度最大,2050s较2020s缩短程度更为明显。

比较A2情景和B2情景下对应时段对应区域发现：两种情景下对应的水稻减产率接近,A2情景下变化率幅度较大,自北向南减产趋势增大,B2情景下西南地区有明显的减产率。水稻生育期方面,B2情景下生育期缩短程度比A2情景明显。

4 未来气候变化的适应性研究
4.1 改变播期

改变播期实际上是通过改变作物生育期内的气候因子配置来影响作物的生长发育及产量形成过程,本研究通过调整播期(提前14 d、7 d、推迟7 d和14 d)分析不同情景下水稻产量的变化情况,探索未来气候情景下宁夏水稻生长的最佳播期。图3是A2情景下调整播期后宁夏引黄灌区水稻的产量变化情况(打点网格为改变播期后水稻不能在设定的生育期内成熟的区域,下同)。

图3 A2情景下改变播期的产量变化Fig.3 The yield change of the sowing date adjustment of under A2 climate change scenario

图3显示,在A2情景下,如果播期提前14 d,2020s水稻在生育期内北部和南部大范围不能成熟,可成熟区域内的产量变化率在-1.05%~5.81%,且大部分地区都为增产。2050s水稻可成熟面积较2020s增大,产量变化率为-0.54%~1.65%,大部分地区都为增产,但增产幅度小。如果播期提前7 d,则可种植区域水稻都可成熟。2020s产量变化率为-10.26%~4.56%,北部区域的中间部分以0~3%的小幅增产为主；南部区域,西南大幅减产,东南增产幅度最高。2050s水稻产量变化率为-0.46%~1.46%,除了中宁县西南部和东北部位小幅减产外,其他区域都呈现小幅增产的趋势,各地差异不大。

在A2情景下,如果播期推迟7 d,2020s水稻在大部分地区都可成熟,产量变化率在-9.95%~1.53%之间,大部分地区都表现为减产,且自西向东减产幅度有减小趋势。2050s不成熟区域比2020s有小幅增加,其他地区产量变化率为-4.16%~-0.17%。如果播期推迟14 d,2020s除不能成熟的区域外,其他区域全部减产,变化率为-14.65~-2.86%。2050s不可成熟区域较2020s范围广且向北扩展,可成熟区域产量全部减产,但减产幅度不大,在-3.24%~-1.02%之间,北部及西部相对减产幅度较大。

图4显示,在B2情景下所有可种植区域的水稻在一定生育期内都能成熟。如果播期提前14 d,2020s水稻产量变化率为-6.48%~1.83%,除了石嘴山市、平罗县西北部和银川市、永宁县有1%左右的小幅增产外,其他地区以小幅减产为主。2050s产量变化率为-1.73%~3.34%,除了东北部和西南部个别区域外,其他区域皆为小幅增产。如果播期提前7 d,2020s产量变化率为-3.60%~2.23%,以小幅增产为主,减产区域集中在西部边缘地区及北部地区。2050s产量变化率-1.11%~3.47%,除了东北部和中西部有2个格点为较弱的减产外,其他地区皆为小幅增产,且趋势较为一致。

图4 B2情景下改变播期的产量变化Fig.4 The yield change of the sowing date adjustment of under B2 climate change scenario

B2情景下,如果播期推迟7 d,2020s产量变化率为-2.38%~2.89%,增产区域在石嘴山市和平罗县的西部、银川市和永宁县、中卫市南部。2050s产量变化率为-1.92%~2.45%,除了吴忠市、灵武市中西部、中宁县、中卫市南部有小幅增产外,其他大部分地区为2%以内的小幅减产。如果播期推迟14 d,2020s产量变化率为-4.35%~2.00%,大部分区域为减产。2050s产量变化率为-3.16%~2.47%,除南部及平罗县南部为小幅增产外,自南向北减产程度有增大的趋势,减产程度比2020s小。

总体上看,同情景下的相同时段,播期提前有增产趋势,提前7 d的增产率大于提前14 d,因此适当的提前播期有利于产量的增加；播期的推迟有减产的趋势,推迟天数越多减产幅度越大；相同时段相同播期比较,则A2情景下在一定生育期内会出现不成熟的情况,产量变化率幅度较大,B2情景下变化幅度较小。需要指出的是,播期提前通常导致水稻增产,而在本研究中,播期提前14 d产量整体呈现减产甚至不熟的情况,其原因可能是：baseline从播期到出苗的20 d内的天气数据是根据实际情况进行了修订,而未来虽然是变暖的趋势,但在所设定播期的前14 d的气温还没有达到“小弓棚”的水平,这就导致水稻在生长发育早期,温度达不到所需的水平而减产甚至不能成熟。

4.2 改变品种

未来气候变化主要表现为气候的变暖,CERES-Rice模型的品种参数中,G4表示水稻的耐高温系数,粳稻在温暖环境下系数定义为1.0或大于1.0,籼稻在寒冷环境下定义为1.0或小于1.0[ 22]。宁粳16号品种的G4参数为1.0,假设这个品种的其他遗传参数以及土壤和田间管理数据不变,仅改变G4(1.02,1.05,1.08,1.10,1.12,1.15),分别输入CERES-Rice模型中,研究A2和B2情景下不同时段水稻产量的温度敏感性,并选取最优的G4值,从而为水稻品种的培育提供参考。

在引黄灌区中随机选取12个网格分析水稻产量变化率与G4的关系(图5,网格代码的第一个字母代表南北方向,从B到L是从北到南；第二个字母代表东西方向,从F到K是从西到东)。

图5 产量变化率与G4的关系Fig.5 The relationship between the yield change and G4

A2情景下2020s时段,西北部和西南部8个网格出现减产外,其余都为增产,且产量变化率随G4的增加而增大,多数网格在G4改变到1.15之前产量变化率就已经增长到最大(G4为1.15时,在一定生育期内水稻不能成熟),此时达到最大产量增长率的G4值即为A2情景下2020s时段下此网格点的最适G4值(下同),需要说明的是,趋势为减产的网格,认为最适G4值为1.00。A2情景下2020s时段最适G4值对应的产量变化率为0~18.01%。A2情景下2050s时段全部格点都为增产,网格HI和JJ的曲线出现先上升后下降的趋势,此时最适G4仍选产量变化率最大时的G4值(下同)。A2情景下2050s时段最适G4值对应的产量变化率范围为0.46%~9.90%。比较A2情景下的两个图可知,该情景下水稻产量的整体变化趋势都为随着G4增大而增产,2020s总体产量变化率较2050s低；2050s较2020s的最适G4值大,间接说明2050s的气候变化对水稻产量的影响更为明显。

B2情景下2020s时段,产量变化率随着G4的增大的趋势有两种：产量随G4增长而增加,如FI和HI；产量增加到最大值后开始下降,然后再出现小幅增加,图中大部分网格为后者,其中BK和IJ有大幅度的明显减产,产量变化率最终为负值。B2情景下2020s时段最适G4值对应的产量变化率范围为1.67%~8.70%。B2情景下2050s时段,各网格的产量变化趋势主要为两种,一种与A2情景下2020s变化趋势相似,但随着G4的增大,其产量增幅较A2情景下的增幅大,减幅则较小,最适G4值对应的产量变化率范围为1.12%~11.85%；另一种与B2情景下2020s部分网格的产量变化趋势一致,以先增加后减少为主。B2情景下2050s的产量峰值与2020s相比,有右移趋势,说明B2情景下2020s水稻产量对G4的敏感性比2050s大,与A2情景的趋势是一致的。

图6是 A2和B2情景下最适G4值在宁夏各个网格的地理分布,空间上看,A2情景2020s在宁夏东部和西部边缘地区耐高温系数G4的改变不大,在1.00~1.05范围内,中部地区G4的改变幅度较大,皆>1.10；2050s的G4值总体上有较大的改变,除了中南部灵武市、中卫市西南部和平罗县东北部改变<1.05以外,其他地区都>1.10。B2情景下的2020s,G4集中在1.05~1.08范围内,银川市永宁县东部、中卫市西部和灵武市南部G4变化较大,改变趋势较为一致；2050s耐高温系数G4改变都在1.05以上,其中宁夏水稻种植区北部和南部G4改变较大,在1.12~1.15之间,中部相对较小。总体上,2050s时段G4的改变幅度比2020s大,说明随着时间的推移,水稻品种必须通过提高耐高温系数来适应气候变暖的加剧趋势。

图6 A2和B2情景下最适G4值Fig.6 The optimum G4 values nuder A2 and B2 climate change scenario

5 结论与讨论

模拟结果表明,未来气候变化对宁夏可种植区域的水稻产量和生育期有一定的影响。产量方面,不同气候情景下皆为减产趋势；2050s比2020s减产趋势明显,产量变化率在2020s的基础上会再降低5%左右,两个时段的空间变化趋势相一致。生育期方面,北部和中部变化不明显,西南部缩短程度最大,2050s较2020s缩短程度更为明显。本研究与桑建人等、孙芳、杨修等[ 10, 12, 13]的研究结论是一致的。气候变化给宁夏引黄灌区的水稻生产带来了严峻挑战,必须有针对性地制定措施,提高该地区水稻生产应对气候变化的能力。

适应性模拟结果表明,未来气候情景下改变播期对宁夏水稻的产量有一定的影响。总体上看,将播期适当提前,能够使水稻增产,播期提前过早,会导致减产；播期推迟后产量呈现减产趋势,且随着播期推迟天数的增加,减产幅度增大。A2情景下的产量变化率幅度比B2情景大。2020s在平罗县东北部、中卫市南部、东部边缘地区产量变化率与总体情况有差异,中部地区变化率较为平缓；2050s整个可种植区域的变化趋势较为一致,各个网格的产量变化率没有明显的差异。因此,适当提前播期有利于减缓气候变暖对宁夏引黄灌区水稻产量带来的负面影响。

改变水稻的遗传参数耐高温系数G4,对宁夏水稻的产量也有明显的影响；在不同区域选择水稻的最佳G4值,可以减缓气候变暖给水稻造成的减产趋势,甚至可以带来一定量的增产。因此,改变水稻的品种特性,培育适应气候变暖趋势的耐高温水稻品种,可以减缓气候变化给宁夏水稻生产带来的危害。

本研究有下几个方面还有待加强,首先本研究通过耦合作物模型和气候模型探讨未来气候变化对宁夏水稻的影响以及水稻生产的适应性对策,但未来气候情景、作物对气候变化的响应以及模型的耦合等方面都存在的不确定性,再加上PRECIS数据的精度有限,另外本研究也没有将CO2的肥效作用考虑进去,这些都会对本研究的结果产生一定的影响。其次,本研究设计了提前和推迟等不同的4种播期进行宁夏水稻适应性的模拟研究,结果表明提前播期对稳定宁夏水稻生产具有重要作用。后续的工作可以考虑将播期提前设计为若干个不同梯度的处理,从而推算出不同区域在未来不同气候情境下的最适提前天数,为宁夏水稻播期的调整提供更精确的数据支撑。最后,本研究中品种调整方案只考虑了水稻对高温的耐性,今后如能对不同的水稻品种进行研究,并通过不同熟期、不同抗性的调整来进行,则可以为宁夏水稻生产应对气候变化提供更多的选择。

The authors have declared that no competing interests exist.

参考文献
[1] Jin Zhiqing. The Simulation Study of Global Climate Change Impact on the Chinese Grain Production[D]. Nanjing: Nanjing Agricultural University, 1996.
[金之庆. 全球气候变化对中国粮食生产影响的模拟研究[D]. 南京: 南京农业大学, 1996. ] [本文引用:1] [CJCR: 0.916]
[2] Lin Erda, Zhang Houxuan, Wang Jinghua. The Simulation of Global Climate Change Impact on the Chinese Agriculture[M]. Beijing: China Agricultural Science and Technology Press, 1997.
[林而达, 张厚煊, 王京华. 全球气候变化对中国农业影响的模拟[M]. 北京: 中国农业科技出版社, 1997. ] [本文引用:1]
[3] Lin Zhonghui, Mo Xingguo, Xiang Yueqin. Research advances on crop growth models[J]. Acta Agronomica Sinica, 2003, 29(5): 750-758.
[林忠辉, 莫兴国, 项月琴. 作物生长模型研究综述[J]. 作物学报, 2003, 29(5): 750-758. ] [本文引用:1] [CJCR: 1.667]
[4] Dhungana P K, Eskridge M, Weiss A, et al. Designing crop technology for a future climate: An example using response surface methodology and the CERES-Wheat model[J]. Agricultural Systems, 2006, 87(1): 63-79. [本文引用:1] [JCR: 2.504]
[5] Jane Southworth, Rand olph J C, Habeck M, et al. Consequences of future climate change and changing climate variability on maize yields in the midwestern United States[J]. Agriculture, Ecosystems & Environment, 2000, 82(1/3): 139-158. [本文引用:1]
[6] Xie Yun, Kiniry J R. A review on the development of crop modeling and its application[J]. Acta Agronomica Sinica, 2002, 28(2): 190-195.
[谢云, Kiniry J R. 国外作物生长模型发展综述[J]. 作物学报, 2002, 28(2): 190-195. ] [本文引用:1] [CJCR: 1.667]
[7] Wang Yali, He Liyuan. A review on the research and application of crop simulation model[J]. Journal of Huazhong Agricultural University, 2005, 24(5): 529-535.
[王亚莉, 贺立源. 作物生长模拟模型研究和应用综述[J]. 华中农业大学学报, 2005, 24(5): 529-535. ] [本文引用:1] [CJCR: 0.849]
[8] Zhao Haiyan. Impacts of Climate to Rice Production and Adaptability Analysis over Middle and Lower Reaches of the Yangtze River[D]. Beijing: Chinese Academy of Agricultural Sciences, 2006.
[赵海燕. 气候变化对长江中下游地区水稻生产的影响及适应性研究[D]. 北京: 中国农业科学院, 2006. ] [本文引用:1]
[9] Jiang Min, Jin Zhiqing, Shi Chunlin, et al. Gradual impacts of climate change on rice production in Fujian Province[J]. Chinese Agricultural Science Bulletin, 2009, 25(10): 220-227.
[江敏, 金之庆, 石春林, 等. 气候变化对福建省水稻生产的阶段性影响[J]. 中国农学通报, 2009, 25(10): 220-227. ] [本文引用:1] [CJCR: 0.7823]
[10] Yang Xiu, Sun Fang, Lin Erda, et al. Sensitivity and vulnerability of rice to climate change in China[J]. Journal of Natural Disasters, 2004, 13(5): 85-89.
[杨修, 孙芳, 林而达, 等. 我国水稻对气候变化的敏感性和脆弱性[J]. 自然灾害学报, 2004, 13(5): 85-89. ] [本文引用:3] [CJCR: 0.911]
[11] Luo Qunying, Lin Erda. Simulation of the effect of climate variability on China’s rice yield under regional climate change[J]. Acta Ecologica Sinica, 1999, 19(4): 557-559.
[罗群英, 林而达. 区域气候变化情景下气候变率对我国水稻产量影响的模拟研究[J]. 生态学报, 1999, 19(4): 557-559. ] [本文引用:1]
[12] Sang Jianren, Liu Yulan, Qiu Wang. Impact of climate warming on rice yield in irrigation area of Ningxia[J]. Journal of Desert Research, 2006, 26(6): 953-958.
[桑建人, 刘玉兰, 邱旺. 气候变暖对宁夏引黄灌区水稻生产的影响[J]. 中国沙漠, 2006, 26(6): 953-958. ] [本文引用:2] [CJCR: 2.099]
[13] Sun Fang. Study on the Sensitivity and Vulnerability of Main Crops to Climate Change in China[D]. Beijing: Chinese Academy of Agricultural Sciences, 2005.
[孙芳. 我国主要作物对气候变化的敏感性和脆弱性研究[D]. 北京: 中国农业科学院, 2005. ] [本文引用:2]
[14] Zhang Li, Wang Hui. The rice dead seedling reasons and countermeasures for the dry nursery under plastic shack in Yinchuan area[J]. Shaanxi Journal of Agricultural Sciences, 2005, (4): 96-97.
[张力, 王惠. 银川地区水稻小弓棚旱育秧死苗原因及防治对策[J]. 陕西农业科学, 2005, (4): 96-97. ] [本文引用:1] [CJCR: 0.3367]
[15] Yuan Hexing, Gao Jinxia. The study on the technology of film with holes for open and close seedling of rice under plastic shack[J]. Ningxia Journal of Agriculture and Forestry Science and Technology, 2008, (2): 91.
[袁和兴, 高金霞. 水稻小弓棚地膜打孔开闭式育苗技术探讨[J]. 宁夏农林科技, 2008, (2): 91. ] [本文引用:1] [CJCR: 0.3013]
[16] Xu Bin, Xu Yinlong, Zhang Yong, et al. Assessment of PRECIS simulation to domain size over Ningxia[J]. Chinese Journal of Agrometeorology, 2007, 28(2): 118-123.
[徐宾, 许吟隆, 张勇, 等. PRECIS模拟区域的选择对宁夏区域气候模拟效果的敏感性分析[J]. 中国农业气象, 2007, 28(2): 118-123. ] [本文引用:1] [CJCR: 1.474]
[17] Yang Qin, Liang Xu, Zhao Guangping, et al. Change characteristics of daily, monthly and annual solar radiation in Ningxia Hui Autonomous Region[J]. Arid Zone Resarch, 2009, 26(3): 413-424, [杨勤, 梁旭, 赵光平, 等. 宁夏太阳辐射逐日、月、年总量的变化特征[J]. 干旱区研究, 2009, 26(3): 413-424. ] [本文引用:1] [CJCR: 1.367]
[18] Yang Qin. Calculation method of daily solar radiation in Ningxia region[J]. Arid Meteorology, 2007, 25(3): 23-27.
[杨勤. 宁夏区域太阳日辐射通量计算方法的研究[J]. 干旱气象, 2007, 25(3): 23-27. ] [本文引用:1] [CJCR: 1.2405]
[19] Nakiéenovié N, Alcamo J, Davis G, et al. Special Report on Emissions Scenarios: A Special Report of Working Group Ⅲ of the Intergovernmental Panel on Climate Change[M]. Cambridge UK: Cambridge University Press, 2000. [本文引用:1]
[20] Xu Yinlong, Huang Xiaoying, Zhang Yong, et al. Statistical analyses of climate change scenarios over China in the 21st Century[J]. Advances in Climate Change Research, 2005, 1(2): 81-83.
[许吟隆, 黄晓莹, 张勇, 等. 中国21世纪气候变化情景的统计分析[J]. 气候变化研究进展, 2005, 1(2): 81-83. ] [本文引用:1] [CJCR: 1.3396]
[21] Gordon Y T, Goro U, Sharon B. DSSAT version 3[M]//International Benchmark Sites Network for Agrotechnology Transfer, University of Hawaii. Honolulu: Hawaii, 1994: 221. [本文引用:1]