作物杂志,2019, 第5期: 159–165 doi: 10.16035/j.issn.1001-7283.2019.05.026

• 生理生化·植物营养·栽培耕作 • 上一篇    下一篇

WOFOST模型对山东省夏玉米发育期与产量模拟的适用性评价

董智强1,王萌萌2,李鸿怡1,薛晓萍1,潘志华3,侯英雨4,陈辰1,李楠1,李曼华1   

  1. 1 山东省气候中心,250031,山东济南
    2 德州市气象局,253078,山东德州
    3 中国农业大学资源与环境学院,100193,北京
    4 国家气象中心,100081,北京
  • 收稿日期:2019-03-08 修回日期:2019-06-06 出版日期:2019-10-15 发布日期:2019-11-07
  • 通讯作者: 李鸿怡
  • 作者简介:董智强,工程师,主要从事气象因子对农业生产影响的定量评估研究
  • 基金资助:
    山东省自然科学基金博士基金项目(ZR2018BD024);山东省气象局气象科学技术研究项目重点课题(2017sdqxz02);十三五山东重大气象工程项目(鲁发改农经〔2017〕97号);国家重点研发计划(2017YFD0301004)

Applicability Assessment of WOFOST Model of Growth and Yield of Summer Maize in Shandong Province

Dong Zhiqiang1,Wang Mengmeng2,Li Hongyi1,Xue Xiaoping1,Pan Zhihua3,Hou Yingyu4,Chen Chen1,Li Nan1,Li Manhua1   

  1. 1 Shandong Provincial Climate Center, Jinan 250031, Shandong, China
    2 Dezhou Meteorological Bureau, Dezhou 253078, Shandong, China
    3 College of Resources and Environmental Science, China Agricultural University, Beijing 100193, China
    4 National Meteorological Center, Beijing 100081, China
  • Received:2019-03-08 Revised:2019-06-06 Online:2019-10-15 Published:2019-11-07
  • Contact: Hongyi Li

摘要:

夏玉米作为山东省最主要的粮食作物,其生长发育与产量变化,对保障地区乃至全国的粮食安全具有举足轻重的作用。不同生育期内气象要素的不同组合对夏玉米发育进程与产量形成等将产生重要影响。WOFOST作物模型机理性较强、定量水平高,且更为高效,能够为客观、定量、动态地评估气象要素对夏玉米生产的影响提供技术支撑。为提高作物模型模拟的准确性,将山东省分为鲁西北、鲁中、鲁西南、鲁东南与半岛5个调参区域,并结合山东省10个夏玉米观测站2012-2014年玉米主栽品种的生长发育数据,开展模型的调参验证与适用性评价。研究结果表明,WOFOST模型对山东省各观测站点所有年份出苗期的模拟误差均不超过4d,决定系数(R 2)在0.43~0.99,归一化均方根误差(nRMSE)为0.3%~1.9%;针对开花期和成熟期,各观测站点绝大多数年份模拟误差均不超过5d,大多数观测站点R 2分别在0.77~0.99与0.51~0.99,各观测站点nRMSE分别在0.4%~2.3%与0.7%~3.2%;绝大多数观测站点产量模拟R 2在0.68~0.99,相对误差为0.8%~16.7%,绝大多数观测站点相对误差小于10%;nRMSE在1.2%~19.5%,均小于30%,大部分观测站点nRMSE小于10%。各评价指标均在可接受的范围内,WOFOST模型能够对山东省夏玉米发育期与产量进行较准确的模拟。

关键词: WOFOST模型, 适用性, 夏玉米, 发育期, 产量

Abstract:

Summer maize is the most important grain crop in Shandong province. The changes of its growth period and yield play an important role in ensuring regional and even national food security. Different combinations of meteorological factors during different growth periods will affect the development process and yield of summer maize significantly. WOFOST crop model has stronger mechanism, higher quantitative level and great efficiency. It can provide technical support for the objective, quantitative and dynamic assessment of the impacts of meteorological factors on summer maize production. To improve the accuracy of WOFOST model, Shandong province was segregated into five regions, including the northwest region, middle region, southwest region, southeast region and peninsula region. Based on the growth and development data of staple varieties from 2012 to 2014 of 10 summer maize observation stations in Shandong province, we completed the parameters adjustment and verification and applicability assessment of WOFOST model. The results showed that the simulation error of the period of emergence of all observation stations is no more than 4d. Its determination coefficient (R 2) is 0.43-0.99. And its normalized root mean square error (nRMSE) is 0.3%-1.9%. The simulation error of the period of flowering and the period of mature of all observation stations in most years are no more than 5d. Their R 2 of most stations are 0.77-0.99 and 0.51-0.99, respectively. And their nRMSE are 0.4%-2.3% and 0.7%-3.2%, respectively. For the simulation of yield, the R 2 of most stations is 0.68-0.99. Its relative error is 0.8%-16.7% with most stations less than 10%. Its nRMSE is 1.2%-19.5%, and all the stations are less than 30% with most stations less than 10%. All assessment indicators are within the acceptable limits. The WOFOST model can accurately simulate the growth period and yield of summer maize in Shandong province.

Key words: WOFOST model, Applicability, Summer maize, Growth period, Yield

表1

控制作物生理生长参数"

参数
Parameter
生物学意义
Biological significance
最小值
Minimum value
最大值
Maximum value
TSUMEM 播种到出苗期积温 0 170
TSUM1 出苗期到开花期积温 150 1 800
TUSM2 开花期到成熟期积温 400 1 550
TBASEM 出苗期最低温度阈值 -10 8
DLO 最优日长 6 18
DLC 临界日长 6 18
TEFFMX 出苗期最大有效温度 18 32

表2

控制单要素与综合要素影响潜在产量参数"

参数
Parameter
生物学意义
Biological significance
最小值
Minimum value
最大值
Maximum value
AMAXTB 最大CO2同化速率 1 70
SLATB 比叶面积 0.0007 0.0042
SPAN 35℃时叶片寿命 17 50
RGRLAI 叶面积最大相对增长量 0.007 0.500
LAIEM 出苗期叶面积指数 0.0007 0.3000
TDWI 初始总干物重 0.5 300.0
FLTB 叶分配系数 0 1
FSTB 茎分配系数 0 1
FRTB 根分配系数 0 1
FOTB 穗分配系数 0 1
TMPFTB 平均温度最大CO2
同化速率折减系数
0 1
RDRRTB 根相对死亡速率 0 0.02

表3

控制水分限制影响产量参数"

参数
Parameter
生物学意义
Biological significance
最小值
Minimum value
最大值
Maximum value
CFET 作物参考蒸散量校正因子 0.8 1.2
RDMCR 作物成熟最大根深度 50 400
PERDL 水分限制叶片最大相对死亡率 0 0.1
DEPNR 土壤水分耗竭的作物类群数 1 5

表4

各观测站点出苗期模拟验证"

站点
Station
年份
Year
绝对误差(d)
Absolute error
绝对误差平均值(d)
Average of
absolute error
R2 nRMSE
(%)
高密 2012 3 2.0 0.52 1.2
Gaomi 2013 1
2014 -2
菏泽 2012 0 1.7 0.43 1.4
Heze 2013 1
2014 -4
济阳 2012 3 2.7 0.99 1.7
Jiyang 2013 4
2014 1
胶州 2012 1 1.3 0.99 0.8
Jiaozhou 2013 1
2014 2
莒县 2012 1 0.3 0.96 0.3
Juxian 2013 0
2014 0
莱阳 2012 2 2.0 0.99 1.1
Laiyang 2013 2
2014 2
聊城 2012 0 1.3 0.94 1.1
Liaocheng 2013 -1
2014 -3
泰安 2012 -2 2.7 0.99 1.5
Tai′an 2013 -3
2014 -3
潍坊 2012 4 3.0 0.97 1.9
Weifang 2013 2
2014 3
淄博 2012 0 0.7 0.96 0.5
Zibo 2013 1
2014 1

表5

各观测站点开花期模拟验证"

站点
Station
年份
Year
绝对误差(d)
Absolute error
绝对误差平均值(d)
Average absolute error
R2 nRMSE
(%)
高密 2012 5 2.3 0.77 1.4
Gaomi 2013 -1
2014 -1
菏泽 2012 2 1.0 0.98 0.6
Heze 2013 0
2014 -1
济阳 2012 7 4.3 0.13 2.3
Jiyang 2013 5
2014 -1
胶州 2012 2 1.3 0.81 0.7
Jiaozhou 2013 -2
2014 0
莒县 2012 5 4.7 0.99 2.2
Juxian 2013 6
2014 3
莱阳 2012 4 1.3 0.10 1.0
Laiyang 2013 0
2014 0
聊城 2012 1 0.5 - 0.4
Liaocheng 2014 0
2012 -6 2.3 0.92 1.5
泰安 2013 0
Tai′an 2014 -1
2012 3 2.0 0.98 1.0
潍坊 2013 2
Weifang 2014 1
2012 3 3.3 0.17 1.5
淄博 2013 -4
Zibo 2014 3

表6

各观测站点成熟期模拟验证"

站点
Station
年份
Year
绝对误差(d)
Absolute error
绝对误差平均值(d)
Average absolute
error
R2 nRMSE
(%)
高密 2012 5 2.7 0.27 1.2
Gaomi 2013 -3
2014 0
菏泽 2012 1 1.7 0.96 0.7
Heze 2013 -2
2014 -2
济阳 2012 8 4.0 0.98 1.8
Jiyang 2013 -1
2014 -3
胶州 2012 4 5.3 0.57 2.0
Jiaozhou 2013 -7
2014 -5
莒县 2012 7 7.3 0.99 3.2
Juxian 2013 13
2014 -2
莱阳 2012 8 5.0 0.01 2.0
Laiyang 2013 -2
2014 -5
聊城 2012 -2 2.0 - 0.9
Liaocheng 2014 -2
2012 12 6.3 0.88 2.8
泰安 2013 2
Tai′an 2014 -5
2012 9 5.3 0.86 2.3
潍坊 2013 4
Weifang 2014 3
2012 4 5.3 0.51 2.3
淄博 2013 -3
Zibo 2014 9

表7

各观测站点产量模拟验证"

站点Station R2 相对误差Relative error (%) nRMSE (%)
高密Gaomi 0.02 16.7 19.5
菏泽Heze 0.99 11.3 11.4
济阳Jiyang 0.84 4.5 5.3
胶州Jiaozhou 0.71 5.8 7.6
莒县Juxian 0.83 9.1 16.6
莱阳Laiyang 0.97 7.2 10.1
聊城Liaocheng - 4.0 5.5
泰安Tai′an 0.69 0.8 1.2
潍坊Weifang 0.68 2.7 3.6
淄博Zibo 0.97 1.3 1.5
[1] 周广胜 . 气候变化对中国农业生产影响研究展望. 气象与环境科学, 2015,38(1):80-94.
doi: 10.3969/j.issn.1673-7148.2015.01.012
[2] Dong Z Q, Pan Z H, An P L , et al. A quantitative method for risk assessment of agriculture due to climate change. Theoretical and Applied Climatology, 2018,131(1/2):653-659.
[3] 李克让, 陈育峰 . 中国全球气候变化影响研究方法的进展. 地理研究, 1999,18(2):214-219.
[4] 赵俊芳, 郭建平, 马玉平 , 等. 气候变化背景下我国农业热量资源的变化趋势及适应对策. 应用生态学报, 2010,21(11):2922-2930.
[5] Diepen C A, Wolf J, Keulen H , et al. WOFOST:A simulation model of crop production. Soil Use and Management, 1989,5(1):16-24.
[6] 侯英雨, 何亮, 靳宁 , 等. 中国作物生长模拟监测系统构建及应用. 农业工程学报, 2018,34(21):165-175.
[7] 黄健熙, 贾世灵, 马鸿元 , 等. 基于WOFOST模型的中国主产区冬小麦生长过程动态模拟. 农业工程学报, 2017,33(10):222-228.
[8] Supit I Hooijper A A van Diepen C A , et al. System description of the WOFOST 6.0 crop simulation model implemented in CGMS, Luxembourg Office for Official Publications of the European Commission, 1994.
[9] 陈振林, 张建平, 王春乙 , 等. 应用WOFOST模型模拟低温与干旱对玉米产量的综合影响. 中国农业气象, 2007,28(4):440-442.
[10] 李秀芬, 马树庆, 赵慧颖 , 等. 基于WOFOST模型的内蒙古河套灌区玉米低温冷害评价. 中国农业气象, 2016,37(3):352-360.
[11] 栾庆祖, 叶彩华, 莫志鸿 , 等. 基于WOFOST模型的玉米干旱损失评估:以北京为例. 中国农业气象, 2014,35(3):311-316.
doi: 10.3969/j.issn.1000-6362.2014.03.012
[12] Penning De Vries F W T, Jansen D M, Ten Berge H F M , et al. Simulation of ecophysiological processes of growth in several annual crops. Wageningen: Centre for Agricultural Publishing and Documentation, 1989.
[13] Boogaard H L, Diepen C A, van Roetter R P , et al. User's guide for the WOFOST 7.1 crop growth simulation model and WOFOST Control Center 1.5. Wageningen:Wageningen University and Research Centre, 1998: 1-40.
[14] 马玉平, 王石立, 张黎 . 针对华北小麦越冬的WOFOST模型改进. 中国农业气象, 2005,26(3):145-149.
[15] 马玉平, 王石立, 张黎 , 等. 基于遥感信息的华北冬小麦区域生长模型及模拟研究. 气象学报, 2005,63(2):204-215.
doi: 10.11676/qxxb2005.020
[16] 张雪芬, 余卫东, 王春乙 , 等. WOFOST模型在冬小麦晚霜冻害评估中的应用. 自然灾害学报, 2006(S1):137-141.
[17] 张雪芬, 余卫东, 王春乙 . 基于作物模型灾损识别的黄淮区域冬小麦晚霜冻风险评估. 高原气象, 2012,31(1):277-284.
[18] 何亮, 侯英雨, 赵刚 , 等. 基于全局敏感性分析和贝叶斯方法的WOFOST作物模型参数优化. 农业工程学报, 2016,32(2):169-179.
[19] 邬定荣, 欧阳竹, 赵小敏 , 等. 作物生长模型WOFOST在华北平原的适用性研究. 植物生态学报, 2003,27(5):594-602.
[20] 谢文霞, 王光火, 张奇春 . WOFOST模型的发展及应用. 土壤通报, 2006,37(1):154-158.
[21] 孙琳丽, 侯琼, 马玉平 , 等. WOFOST模型在内蒙古河套灌区模拟玉米生长全程的适应性. 生态学杂志, 2016(3):800-807.
[22] 高永刚, 王育光, 殷世平 , 等. 世界粮食研究模型在黑龙江省作物产量预报中的应用. 中国农业气象, 2006,27(1):27-30.
[23] Bussay A, Velde M V D, Fumagalli D , et al. Improving operational maize yield forecasting in Hungary. Agricultural Systems, 2015,141:94-106.
[24] Ma G N, Huang J X, Wu W B , et al. Assimilation of MODIS-LAI into the WOFOST model for forecasting regional winter wheat yield. Mathematical and Computer Modelling, 2013,58(3/4):634-643.
[25] Saltelli A, Tarantola S, Campolongo F , et a1. Sensitivity analysis in practice:a guide to assessing scientific models. Hoboken:John Wiley and Sons, 2004: 20-78.
[26] Song Y L, Chen D L, Liu Y J , et al. The Influence of Climate Change on Winter Wheat during 2012-2100 under A2 and A1B Scenarios in China. Advances in Climate Change Research, 2012,3(3):138-146.
[27] 马玉平, 王石立, 张黎 , 等. 基于遥感信息的作物模型重新初始化/参数化方法研究初探. 植物生态学报, 2005,29(6):918-926.
doi: 10.3773/j.issn.1005-264x.2005.6.013
[28] Stol W, Rouse D L, kraalingen D W G Van , et al. FSEOPT a FORTRAN program for calibration and uncertainty analysis of simulation models. Netherlands:Wageningen Agricultural University, 1992.
[29] 国家统计局. 中国统计年鉴. 北京: 中国统计出版社, 2017.
[30] 山东省统计局. 国家统计局山东调查总队. 山东统计年鉴. 北京: 中国统计出版社, 2017.
[31] 毛留喜, 吕厚荃 . 国家级农业气象业务技术综述. 气象, 2010,36(7):75-80.
[32] 张琪, 唐婕, 冯一淳 , 等. 基于积温产量模型确定山东夏玉米拔节前后的极端高温阈值. 中国农业气象, 2017,38(12):795-800.
[33] 吴荣华, 庄克章, 刘鹏 , 等. 鲁南地区夏玉米产量对气象因子的响应. 作物杂志, 2018(5):104-109.
[34] 万能涵, 杨晓光, 刘志娟 , 等. 气候变化背景下中国主要作物农业气象灾害时空分布特征(Ⅲ):华北地区夏玉米干旱. 中国农业气象, 2018,39(4):209-219.
[35] 孙新素, 龙致炜, 宋广鹏 , 等. 气候变化对黄淮海地区夏玉米-冬小麦种植模式和产量的影响. 中国农业科学, 2017,50(13):2476-2487.
doi: 10.3864/j.issn.0578-1752.2017.13.007
[36] 梁瀚月, 房世波, 杨武年 , 等. 基于MODIS数据的作物苗情和灾情监测系统及其开发应用. 气象科技进展, 2017,7(1):7-11.
[37] 刘哲, 王雪滢, 刘帝佑 , 等. 基于MODIS数据的黄淮海夏玉米高温风险空间分布. 农业工程学报, 2018,34(9):175-181.
[38] 魏瑞江, 李春强, 姚树然 . 农作物气候适宜度实时判定系统. 气象科技, 2006,34(2):229-232.
[39] 徐玲玲, 吕厚荃, 方利 . 气候变化对黄淮海地区夏玉米气候适宜度的影响. 资源科学, 2014,36(4):782-787.
[40] 李萌, 申双和, 吕厚荃 , 等. 气候变化背景下黄淮海区域热量资源及夏玉米温度适宜度. 大气科学学报, 2016,39(3):391-399.
[41] 杨妍辰 . 干旱对河北固城地区夏玉米产量影响的模拟研究. 南京:南京信息工程大学, 2014.
[42] 江铭诺, 刘朝顺, 高炜 . 华北平原夏玉米潜在产量时空演变及其对气候变化的响应. 中国生态农业学报, 2018,26(6):865-876.
[43] 黄健熙, 黄海, 马鸿元 , 等. 基于MCMC方法的WOFOST模型参数标定与不确定性分析. 农业工程学报, 2018,34(16):113-119.
[44] He B B, Li X, Quan X W , et al. Estimating the aboveground dry biomass of grass by assimilation of retrieved LAI into a cropgrowth model. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015,8(2):550-561.
[45] 王东伟, 王锦地, 梁顺林 . 作物生长模型同化MODIS 反射率方法提取作物叶面积指数. 中国科学:地球科学, 2010(1):73-83.
[46] Asseng S, Ritchie J T, Smucker A J M , et al. Root growth and water uptake during water deficit and recovering in wheat. Plant and Soil, 1998,201(2):265-273.
[47] 武荣盛, 吴瑞芬, 孙小龙 , 等. 不同程度干旱对春玉米生物量和产量影响的模拟. 生态学杂志, 2015,34(9):2482-2488.
[48] 张镇涛, 杨晓光, 高继卿 , 等. 气候变化背景下华北平原夏玉米适宜播期分析. 中国农业科学, 2018,51(17):3258-3274.
doi: 10.3864/j.issn.0578-1752.2018.17.003
[49] 陈超, 于强, 王恩利 , 等. 华北平原作物水分生产力区域分异规律模拟. 资源科学, 2009,31(9):1477-1485.
[50] 曹宏鑫, 赵锁劳, 葛道阔 , 等. 作物模型发展探讨. 中国农业科学, 2011,44(17):3520-3528.
doi: 10.3864/j.issn.0578-1752.2011.17.004
[51] 王丽君 . 黄淮海平原夏玉米季干旱、高温的发生特征及其对产量的影响. 北京:中国农业大学, 2018.
[1] 张艳华,常旭虹,王德梅,陶志强,王艳杰,杨玉双,赵广才. 不同土壤条件下追施锌肥对小麦产量及品质的影响[J]. 作物杂志, 2019, (5): 109–113
[2] 任永峰,路战远,赵沛义,高宇,刘广华,栗艳芳. 不同种植方式对旱地马铃薯水分利用及的影响[J]. 作物杂志, 2019, (5): 120–124
[3] 梁晓红,张瑞栋,黄敏佳,刘静,曹雄. 覆膜与施氮互作对高粱产量及水氮利用效率的影响[J]. 作物杂志, 2019, (5): 135–142
[4] 陈丽,张璐鑫,吴枫,李真,龙兴洲,杨玉锐,尹宝重. 河北平原麦玉两熟轮耕模式对土壤特性及作物产量的影响[J]. 作物杂志, 2019, (5): 143–150
[5] 姜丽娜,张雅雯,朱娅林,赵凌霄. 施氮量对不同品种小麦物质积累、转运及产量的影响[J]. 作物杂志, 2019, (5): 151–158
[6] 王劲松,董二伟,焦晓燕,武爱莲,白文斌,王立革,郭珺,韩雄,柳青山. 不同种植模式对高粱晋糯3号产量和养分吸收的影响[J]. 作物杂志, 2019, (5): 166–172
[7] 赵准,齐军仓,李剑,郭岩,令江瑞,李虎情. 新疆不同刈割期对春性大麦干草产量和青贮品质影响的研究[J]. 作物杂志, 2019, (5): 180–185
[8] 马一峰,梁茜,葛均筑,辛德财. 冬小麦济麦22和春小麦津强8号的产量形成差异分析[J]. 作物杂志, 2019, (5): 192–195
[9] 刘兴叶,邢宝龙,吴瑞香,王桂梅,刘飞. 晋北绿豆主要农艺性状变异及对产量构成的影响[J]. 作物杂志, 2019, (5): 69–75
[10] 马凡凡,邢素林,甘曼琴,刘佩诗,黄瑜,甘晓玉,马友华. 有机肥替代化肥对水稻产量、土壤肥力及农田氮磷流失的影响[J]. 作物杂志, 2019, (5): 89–96
[11] 刘晓亚,张立峰,张继宗,石文宾,张培月. 甘蓝型油菜对华北坝上冷凉环境的适应性[J]. 作物杂志, 2019, (5): 97–103
[12] 闫威,李国龙,李智,曹阳,张少英. 施氮量和密度互作对全覆膜旱作甜菜光合特性和块根产量的影响[J]. 作物杂志, 2019, (4): 100–106
[13] 万晓菊,张国强,王克如,谢瑞芝,沈东萍,陈江鲁,刘朝巍,李少昆. 北疆春玉米覆膜、滴灌技术效应研究[J]. 作物杂志, 2019, (4): 107–112
[14] 齐德强,赵晶晶,冯乃杰,郑殿峰,梁晓艳. 烯效唑(S3307)和胺鲜酯(DTA-6)对马铃薯叶与块茎糖代谢及产量的影响[J]. 作物杂志, 2019, (4): 148–153
[15] 阿不都卡地尔·库尔班,夏东,张巨松,崔建平,郭仁松,林涛. 滴灌频次对化学脱叶棉花产量和品质影响机制的研究[J]. 作物杂志, 2019, (4): 113–119
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 王海涛,刘存敬,唐丽媛,张素君,李兴河,蔡肖,张香云,张建宏. 河北省杂交棉培育现状及发展趋势[J]. 作物杂志, 2019, (5): 1 –8 .
[2] 孟凡来,郭华春. UV-B辐射增强对甘薯光合特性和紫外吸收物质的影响[J]. 作物杂志, 2019, (5): 114 –119 .
[3] 花宇辉,高志强. 秋玉米SPAD值的光谱估算模型研究[J]. 作物杂志, 2019, (5): 173 –179 .
[4] 任永峰,路战远,赵沛义,高宇,刘广华,栗艳芳. 不同种植方式对旱地马铃薯水分利用及的影响[J]. 作物杂志, 2019, (5): 120 –124 .
[5] 时丽冉,郝洪波,崔海英,李明哲. 遮光对谷子光合性能及快速叶绿素荧光动力学特征的影响[J]. 作物杂志, 2019, (5): 125 –128 .
[6] 李春喜,李斯斯,邵云,马守臣,刘晴,翁正鹏,李晓波. 减氮条件下有机物料还田对麦田酶活性及其土壤碳氮含量的影响[J]. 作物杂志, 2019, (5): 129 –134 .
[7] 梁晓红,张瑞栋,黄敏佳,刘静,曹雄. 覆膜与施氮互作对高粱产量及水氮利用效率的影响[J]. 作物杂志, 2019, (5): 135 –142 .
[8] 陈丽,张璐鑫,吴枫,李真,龙兴洲,杨玉锐,尹宝重. 河北平原麦玉两熟轮耕模式对土壤特性及作物产量的影响[J]. 作物杂志, 2019, (5): 143 –150 .
[9] 姜丽娜,张雅雯,朱娅林,赵凌霄. 施氮量对不同品种小麦物质积累、转运及产量的影响[J]. 作物杂志, 2019, (5): 151 –158 .
[10] 王劲松,董二伟,焦晓燕,武爱莲,白文斌,王立革,郭珺,韩雄,柳青山. 不同种植模式对高粱晋糯3号产量和养分吸收的影响[J]. 作物杂志, 2019, (5): 166 –172 .