大气CO2浓度升高条件下水稻生产管理适应策略研究

The [CO2] increase of global atmosphere is the main environmental factors associated with climate change. It is anticipated that elevated [CO2] can directly impact crops productivity. Rice is one of the most important crops as stable food in China, so the responses of growth to atmospheric [CO2] determines the food security in future. The previous studies approved that elevated [CO2] will change growth and development of rice.In this case, it is unclear whether we need to regulate or improve the rice cultivation technique and breeding strategy.It is essential to explore the other enviromental factors how to affect the fertilizer effect of elevated [CO2]. The FACE project povides an excellent opportunity to these researches.In this study, according to mul-field experiments under elevated [CO2] condition, a rice production management adaptation strategies model will be developed by quantitative evaluation of interaction effect between CO2 and external factors and analyzing the dynamic change law of rice growth and management indicators under such interaction effect. This model will provide a powerful tool for designing a better strategy of rice cultivation in future，which is important for rice production management and assessment.

大气CO2浓度持续升高不仅引起气候变化，更直接影响到作物生产。水稻是我国最重要的粮食作物之一，其对大气CO2浓度的生长响应关系到未来粮食安全。已有研究表明，在高CO2浓度条件下，水稻的生长发育发生了一定的变化，那么在未来高CO2情形下，是否需要调节或变化稻作栽培技术和品种选育策略？明确外界因子对CO2肥料效应的影响有急待解决的瓶颈问题，而FACE平台正好为此提供了一个非常好的检测手段。本研究拟通过在FACE平台上实施不同品种类型、生态环境、栽培技术等因子的田间试验，定量评估CO2与外界因子之间的互作效应，解析水稻生育及管理指标在这些互作效应影响下的动态变化规律，构建大气CO2浓度升高条件下水稻生产管理适应策略模型，为设计未来稻作生产应对策略提供有力的工具，对实现我国的水稻生产管理及相关的农业评估具有重要意义。

大气CO2 浓度持续升高不仅引起气候变化，更直接影响到作物生产。水稻是我国最重要的粮食作物之一，其对大气CO2 浓度的生长响应关系到未来粮食安全。已有研究表明，在高CO2 浓度条件下，水稻的生长发育发生了一定的变化，那么在未来高CO2 情形下，是否需要调节或变化稻作栽培技术和品种选育策略？明确外界因子对CO2 肥料效应的影响有急待解决的瓶颈问题，而FACE 平台正好为此提供了一个非常好的检测手段。本研究通过在FACE 平台上实施不同品种类型、生态环境、栽培技术等因子的田间试验，定量评估CO2与外界因子之间的互作效应，解析水稻生育及管理指标在这些互作效应影响下的动态变化规律，运用系统学分析方法和定量建模技术，基于作物-土壤-气候-技术的动态关系，重点构建了大气CO2 浓度升高条件下的水氮运筹设计模型、生长指标动态模型。. 水氮运筹管理模型包括氮肥运筹和水分管理两个子模块。氮肥运筹模型借鉴养分平衡原理，综合考虑了气候、土壤、品种等多种因子的影响，通过将不同类型水稻品种按产量进行分类，确定了不同品种类型的百公斤籽粒吸氮量，并根据目标产量和空白区产量计算目标产量需氮量和土壤供氮量，确立了氮的合理用量及基追比。水分管理模型基于水分平衡原理，采用土壤水势作为灌溉指标，动态计算了各主要生育期的适宜水分灌溉量。. 生长指标动态模型以PDT为生育期预测器，通过动态计算到达不同环境条件下各主要生育时期所需的累积生长度日（GDD），然后将生长指标和GDD进行归一化处理，以相对GDD和相对生长指标为参数建立了适宜生长指标动态的相对变化曲线。根据有理方程，建立了水稻相对叶面积指数动态和相对茎蘖数动态；根据Logistic增长模式，建立了相对群体干物质积累动态和相对植株氮积累动态。在建立相对群体指标动态模型的基础上，通过进一步计算适宜条件下的最大群体指标值，从而得到实际的适宜生长指标动态。. 大气CO2升高条件下水稻适宜策略模型的构建，为设计未来稻作生产应对策略提供了模型化和系统化的决策工具，为精确农作和数字农作的发展奠定了技术基础。