水氮管理影響冬小麥品質的CERES-Wheat模型模擬

劉建超 何建強 武文杰 李正鵬 馬海姣 馮 浩,3

(1.西北農林科技大學旱區農業水土工程教育部重點實驗室，陜西楊凌 712100；2.西北農林科技大學中國旱區節水農業研究院，陜西楊凌 712100；3.中國科學院水利部水土保持研究所，陜西楊凌 712100)

0 引言

小麥籽粒品質主要包括營養品質、磨粉品質和加工品質，其中籽粒蛋白質濃度(Grain protein concentration)對上述品質均有重要影響[1]。基因和環境都對籽粒蛋白質濃度有重要影響，其中環境等因素的影響可占50%[2-3]。通過水氮管理優化小麥的生長環境對小麥品質的提升具有重要作用。趙廣才等[4]通過灌水時期和灌溉定額優化了小麥籽粒產量和品質。姜東等[5]研究了施肥量和施肥種類對小麥籽粒蛋白質濃度的影響規律。NANGIA等[6]認為在設定水氮管理時，應該更多地關注水氮耦合對產量和品質協同效應的影響。但是由于田間試驗的限制，試驗結果往往不能在長時間序列上得到驗證，且處理數量較少難以充分反映客觀規律。

近年來使用作物模型與非充分灌溉理論相結合設計灌溉制度逐漸受到人們的重視，具有處理量多、工作量小、可以量化分析的優點[7]。李艷等[8]利用RZWQM模型評估水氮管理對作物產量和氮利用效率的影響。王文佳等[9]利用作物模型分析優化了不同降水年型下關中地區的灌溉制度。但是小麥生長初期，無法判斷當年的降水情況，農民的可操作性不強。因此，選擇一套符合當地環境情況、具有較高產量和品質保證率的水氮管理，則更有利于田間實踐和推廣。作物模型與品質的結合近些年也得到了一定的應用。沈家曉[10]利用遙感數據和作物模型監測小麥籽粒蛋白質濃度。黃芬[11]則利用作物模型與WebGIS平臺進行籽粒品質生態區劃研究。但是利用作物模型優化冬小麥水氮管理，從而達到較高品質的研究仍然較少，原因主要是模型不具備模擬籽粒品質的能力[12]，或者對水氮脅迫的響應較差[13]。DSSAT是當前應用最廣泛的作物模型之一，而CERES-Wheat是其集成的小麥模型，能夠較為準確地模擬水氮對作物生長的影響[14]。CERES-Wheat氮平衡模塊模擬的主要過程包括有機氮礦化、氮素固定、硝化、反硝化、尿素水解、氨揮發、植物生育期的氮吸收及其在不同器官的轉移，能夠解釋和模擬氮素在土壤-植物中的運動和轉移[15]，但其缺陷在于雖然CERES-Wheat可以模擬籽粒氮的積累過程，但不能直接輸出籽粒蛋白質濃度等參數。李振海[16]則通過簡單的折算使模型能夠輸出籽粒蛋白質濃度，但其僅驗證了無水肥脅迫條件下DSSAT模擬籽粒蛋白質濃度的精度。

此外，前人有關水氮管理對冬小麥的影響研究多以產量作為主要篩選指標，較少涉及冬小麥籽粒品質。因此本研究擬使用CERES-Wheat模擬陜西關中地區冬小麥的生長發育、產量和品質的形成過程，以及冬小麥籽粒蛋白質濃度和產量等指標在不同水氮管理條件下的響應機制，評估水氮管理對CERES-Wheat模擬關中地區冬小麥籽粒蛋白質濃度的影響，并以提質增效為目標優化水氮管理。

1 材料和方法

1.1 試驗地概況

田間試驗于2014—2016年在西北農林科技大學旱區農業水土工程教育部重點實驗室(34.24°N，108.05°E，海拔506 m)進行，該地年平均降水量580 mm左右，年平均氣溫13℃，日照時數2 196 h，降水年內分布不均，屬于半濕潤易旱區。土壤質地為中壤土，土層厚3 m，無地下水補給。播前土壤基礎物理化學性質為：0～20 cm土層有機質質量比16.01 g/kg，全氮質量比1.01 g/kg，速效磷質量比17.66 mg/kg，速效鉀質量比273.33 mg/kg；0～100 cm土層平均飽和含水率為31.8 g/g，平均pH值為8.07，平均土壤容重為1.48 g/cm3，平均飽和導水率為30.92 cm/d。

1.2 試驗設計與觀測指標

種植的小麥品種為“小偃22”。試驗采用裂區試驗，設置4個灌溉主區(雨養，I0；越冬期60 mm，I1；越冬期60 mm、拔節期40 mm，I2；越冬期60 mm、拔節期40 mm、灌漿期60 mm，I3)，4個施肥副區(施氮量0 kg/hm2，N0；105 kg/hm2，N1；210 kg/hm2，N2；315 kg/hm2，N3)，重復3次，共48個小區，每小區長6 m、寬2.5 m。

冬小麥生育期內，每隔2周在各小區隨機取樣10株，各器官分開，在105℃的干燥箱殺青 30 min，75℃干燥至恒質量，測定各器官干質量。收獲后小麥干燥脫粒，并測定產量、穗粒數、千粒質量等指標。潤麥24 h至含水率14%，將樣品成分的測定數據、快速谷物成分測定儀(RX001-5型，瑞典波通公司)測出的樣品蛋白質光密度數據，運用回歸分析方法，求出其線性回歸方程中的斜率和截距，并將這些數據輸入快速谷物成分測定儀，測定小麥籽粒蛋白質含量。植株采樣同時測定不同土層土壤的含水率，采樣深度為1 m，共分7層(0～10 cm、10～20 cm、20～30 cm、30～40 cm、40～60 cm、60～80 cm、80～100 cm)。然后將土樣放入干燥箱105℃干燥至恒質量，計算土壤質量含水率后乘以各土層干容重，得到土壤體積含水率。

1.3 CERES-Wheat的校準和驗證

校準所需的氣象、土壤和管理等數據由田間試驗直接測量，作物遺傳參數則使用DSSAT模型自帶的調參工具DSSAT-GLUE[17-18]進行估計。首先利用2014—2015年試驗的足水足肥處理(I3N3；越冬期60 mm、拔節期60 mm和灌漿期60 mm；播前施純氮315 kg/hm2)校準模型參數[19]。然后利用2015—2016年16個水氮處理進行驗證。采用相對均方根誤差(Relative root mean square error, RRMSE)和偏差率(Percentage of deviation)來衡量不同水肥條件下模擬值與實測值的差異程度。一般認為RRMSE越小則模擬值與實測值的差異也越小，模型模擬結果更準確。當RRMSE小于10%時為極好，當RRMSE為[10%，20%)時為好，當RRMSE為[20%，30%)時為中等，當RRMSE大于等于30%時為差[20]。偏差率越低則模擬結果越優秀，相關計算公式為

(1)

式中si——模擬值

oi——實測值

n——樣本數量

(2)

式中d——偏差率，%

1.4 籽粒蛋白質濃度的模擬

如前所述，CERES-Wheat不能直接輸出籽粒蛋白質濃度，但是可根據《谷物品質測試理論與方法》[21]使用該模型的兩個相關輸出變量，即收獲期籽粒氮產量與收獲期籽粒產量的比值，折算出籽粒氮素濃度和籽粒蛋白質濃度，即

(3)

式中GPC——籽粒蛋白質濃度，%

GN——收獲期籽粒氮產量，kg/hm2

GY——收獲期籽粒產量，kg/hm2

1.5 灌溉施肥模擬情境的設定與優化

根據關中平原地區灌溉經驗，設置了灌溉定額、灌溉時期和施氮量3因素交互作用，研究其在長時間序列條件下對冬小麥籽粒蛋白質濃度和產量的影響(表1)。本研究共設置5個灌溉水平，上限為240 mm(選擇常用的60 mm灌溉梯度)；7個灌溉時期，包括分別在越冬期、拔節期、灌漿期各灌1水；分別在越冬期+拔節期、越冬期+灌漿期、拔節期+越冬期各灌2水，灌水定額為總灌溉定額的1/2；在越冬期+拔節期+灌漿期灌3水，灌水定額為總灌溉定額的1/3。7個氮肥水平，上限為315 kg/hm2，52.5 kg/hm2施氮梯度，播前一次性施肥。

表1 冬小麥水氮管理設定Tab.1 Irrigation and nitrogen fertilization management of winter wheat

根據排列組合，共產生203種不同的水氮管理，然后從中篩選出關中地區品質、凈利潤、水氮利用效率最優的平水年水氮管理。各處理命名規則為I′xyN′z(表1)，I′為模擬灌溉制度，其中x代表灌溉時期，y灌溉定額；N′為模擬施肥制度，z為施氮量。例如處理I′42N′2中，I′42表示越冬期+拔節期(序號4)、共灌120 mm(序號2)，N′2表示施氮量為105 kg/hm2(序號2)，下同。利用CERES-Wheat逐個模擬上述203個水氮管理在1966—2016年的生長情況，以小麥籽粒品質和產量作為最優水氮管理的主要篩選條件，即

(4)

式中GY,MAX——無水氮脅迫條件下多年產量最大值，取9 378 kg/hm2

其中12%為優質強筋小麥籽粒蛋白質濃度(14%水分基)的下限[22]。

2 結果與分析

2.1 CERES-Wheat的校準

校準的基因型參數能夠較好地反映冬小麥品種的相關特性(表2)，足水足肥處理的生育期、GY、GN、總蒸散量(ET)模擬值與觀測值d均小于10%(表3)，模擬結果極好。物候期模擬值與實測值相同，使模型較為準確地模擬冬小麥的灌漿過程，從而更好地模擬籽粒品質和產量。ET的d為-2.34%，模型低估了ET和作物的生長情況。GY和GN也因此被低估，d分別為-3.16%和-3.41%。但CERES-Wheat總體上能夠準確地模擬物候期、作物生長、水分和養分的運移。

表2 “小偃22”基因型參數校準結果Tab.2 Estimated genetic coefficients of “Xiaoyan 22”

表3 2014—2015年足水足肥處理(I3N3)的校準結果Tab.3 Calibration results of treatment with sufficient irrigation and fertilization (I3N3) in 2014—2015

2.2 CERES-Wheat的評估

對比2015—2016年不同處理籽粒生物量和地上部生物量實測值與模擬值隨時間序列的動態變化，模型基本能夠反映作物的生長過程和產量的形成過程(圖1)。但CERES-Wheat與大多數模型一樣，不能夠準確地模擬嚴重脅迫條件下(N0)作物的生長(圖1a、1e、1i、1m)，模擬結果偏低。嚴重氮脅迫條件下籽粒生物量和地上部生物量的RRMSE為10%～30%，模擬結果為好或者中等，其他處理RRMSE基本上小于10%，模擬結果極好(表 4)。對比2015—2016年不同水氮處理，籽粒蛋白質濃度在低脅迫條件(N1)被高估(圖2)，但RRMSE為3.77%，模擬結果極好，可以用來模擬籽粒蛋白質濃度對水氮管理的響應。總體而言，CERES-Wheat能夠準確地模擬不同水氮管理條件下冬小麥生長、籽粒產量和品質。

圖1 2015—2016年16種不同水氮管理下地上部生物量和籽粒生物量的模擬值與實測值對比Fig.1 Comparisons of simulated and observed biomass of total aboveground and grain with 16 irrigation and nitrogen fertilizer managements in 2015—2016

2.3 不同水氮管理對小麥多年平均籽粒蛋白質濃度和產量的影響

籽粒蛋白質濃度隨施氮量的增加先減少后增加，當大于250 kg/hm2時，籽粒蛋白質濃度基本不再變化(圖3a)。當施氮量在50～100 kg/hm2時，籽粒蛋白質濃度隨灌溉定額的增加而增加。當施氮量小于50 kg/hm2或大于100 kg/hm2時，灌溉對籽粒蛋白質濃度的影響較弱。產量隨施氮量的增加而增加(圖3b)。當施氮量大于150 kg/hm2時，灌溉定額的增加有益于增產。當施氮量小于150 kg/hm2時，灌溉對產量的影響較弱。水氮存在耦合作用，低氮水平灌溉有利于籽粒蛋白質濃度的增加，高氮水平灌溉有利于產量的增加。

當灌溉定額小于180 mm時，減少灌溉次數有利于籽粒蛋白質濃度的增加；當灌溉定額大于180 mm時，分次灌溉有利于籽粒蛋白質濃度的增加(圖3c)。產量與其不同，只有高灌溉定額分次灌溉更有益于產量的增加(圖3d)。推遲灌溉時間，增加灌溉定額有利于籽粒蛋白質濃度的積累(圖3e)；產量則與此相反，灌溉時間提前，增加灌溉定額有助于產量的增加(圖3f)。

施氮量和灌溉定額的耦合作用對籽粒蛋白質濃度和產量都有顯著影響，但灌溉次數和灌溉時期與灌溉定額的耦合作用對產量影響更顯著。因此在優化水氮管理時，產量的提高要考慮所有因素，而籽粒蛋白質濃度的提高則主要考慮水氮耦合的影響。

2.4 最優水氮管理的篩選

從203種水氮管理中共篩選出11個符合條件的潛在最優水氮管理(表5)，其中所有入選方案均為高氮處理(262.5、315 kg/hm2)和越冬期灌溉的參與。籽粒蛋白質濃度均達到該品種籽粒蛋白質濃度上限，因此差異不大。多年平均產量為6 866～7 404 kg/hm2，變幅大于籽粒蛋白質濃度。在符合條件的水氮管理中，I′74N′6的籽粒蛋白質濃度最高，為12.04%，I′44N′6的產量最高，為7 407 kg/hm2。所有措施中僅有I′14N′5、I′13N′5和I′12N′5的施氮量為262.5 kg/hm2，其籽粒蛋白質濃度均為12.02%，產量為7 314～7 366 kg/hm2。I′12N′5僅灌溉一次，節省勞動力，符合關中地區的灌溉習慣；同時灌溉施氮量較少，響應了節水節肥的國家戰略。因此，選定I′12N′5為關中地區以品質為篩選目標的最優的水氮管理。

表4 2015—2016年小麥籽粒生物量和地上部生物量實測值與模擬值的RRMSETab.4 RRMSE of grain biomass and aboveground biomass for CERES-Wheat based on dynamic simulation in 2015—2016 %

圖2 2014—2016年16種不同水肥處理下籽粒蛋白質濃度模擬值與實測值對比Fig.2 Comparison of simulated and observed grain protein concentration under 16 different irrigation and fertilization fertilizer treatments in 2014—2016

圖3 灌溉定額和施氮量耦合、灌溉定額和灌溉次數耦合、灌溉定額和灌溉時期耦合對籽粒蛋白質濃度和產量的影響Fig.3 Coupling effects of irrigation depth and nitrogen, irrigation depth and irrigation frequence, and irrigation depth and irrigation days after sowing on grain protein concentration and yield

表5 基于CERES-Wheat模擬結果選擇的關中地區冬小麥潛在最優水氮管理Tab.5 Selected potential optimal irrigation and nitrogen fertilization managements based on CERES-Wheat model simulation for winter wheat in Guanzhong Plain

3 討論

3.1 模型模擬籽粒蛋白質濃度對水氮管理的響應

CERES-Wheat基本上可以較為準確地反映水氮管理對作物生長的影響，但在嚴重氮脅迫(N0)條件下生物量模擬結果較差。與劉海龍[23]結果基本相同，認為模型中與氮脅迫相關參數b(作物生育期內氮含量的范圍)的默認值設定不準確，可以通過修改相關參數來調節模型對氮脅迫的響應。本研究雖然設置了不灌溉處理，但關中地區屬于半濕潤易旱區，小麥季的雨水都較為充足。所以水脅迫相較于氮脅迫并不嚴重，模擬結果優于氮素脅迫。優化的水氮管理是基于該地區長時間序列模擬的結果，能夠反映該地區水分和養分狀況。

籽粒蛋白質濃度在嚴重水氮脅迫條件下結果依然較好，主要是因為籽粒蛋白質濃度的計算是籽粒氮產量與籽粒生物量的比值，兩者受水氮脅迫的影響基本一致。同時，灌漿期氮素和生物量的積累主要受溫度的影響，而不受水氮脅迫的直接影響[24]。但因為氮素和生物量的積累也受到同化物供應的影響，而水脅迫影響同化物供應，所以灌漿期氮素和生物量的積累僅受水脅迫的間接影響。與產量模擬結果不同，低氮(N1)條件下籽粒蛋白質濃度模擬結果一般。ASSENG等[25]認為籽粒蛋白質濃度模擬不準確主要是因為CERES-Wheat中灌漿期溫度低于10℃時氮素的積累速度被高估，應當調節基礎溫度改善籽粒蛋白質濃度的模擬結果。

3.2 水氮管理對籽粒蛋白質濃度和產量的影響

籽粒蛋白質濃度隨施氮量的增加先減少后增加。賀明榮等[26]研究表明，當施氮量較少時，籽粒生物量的積累速度大于氮素的積累速度，籽粒蛋白質濃度反而出現較大幅度的下降。當施氮量進一步增加時，則與陸景陵[27]研究結果相似，增施氮肥能夠顯著增加籽粒蛋白質濃度，但施氮過量時籽粒蛋白質濃度不再增加甚至有下降的趨勢。當施氮量大于250 kg/hm2時，籽粒蛋白質濃度基本不再變化，主要是因為籽粒蛋白質濃度已經達到該小麥品種的上限。當施氮量在50～100 kg/hm2時，籽粒蛋白質濃度隨灌溉定額的增加而增加。李世娟等[28]研究認為，干旱脅迫不利于氮素的積累，灌溉顯著提高植株的氮吸收量，低氮條件通過灌溉可以緩解干旱脅迫。翟丙年等[29]研究認為，水氮存在互補效應，充足氮供給彌補了干旱脅迫的不利影響。當施氮量大于150 kg/hm2時，產量隨灌溉定額的增加而增加，翟丙年等[29]研究表明高氮條件下灌溉能夠提高氮素利用率，增加產量。適當的灌溉定額與灌溉次數有利于小麥品質和產量的提升。與馬新明等[30]研究相同，灌溉定額較大時增加灌溉次數能夠減少氮淋溶，促進植株的氮素吸收，同時提高小麥品質和產量。本研究結果表明，推遲灌溉時間有利于籽粒蛋白質濃度的提高，王朝輝等[31]認為越冬期灌溉降低了植物吸氮量，主要原因是過量的水分不利于越冬期植株根系的發育。但越冬期灌溉有利于產量的提高，這與關中地區常見的灌溉制度——越冬期灌溉一致。越冬期灌溉可以實現冬水春用，延長灌溉有效期，有利于冬小麥的營養生長，從而促進灌漿期營養器官干物質向籽粒的再轉移[32]。

3.3 水氮管理的優化

本文在優化最優水氮管理時，并沒有選擇為不同降水年型優化不同的灌溉制度，而是以楊凌51年歷史氣象數據為基礎，選擇多年平均籽粒蛋白質濃度和產量均較高的水氮管理。這樣篩選出的水氮管理不僅具有實踐指導意義，同時操作性較強，便于推廣。

在綜合考慮灌溉定額和施氮量后，選擇I′12N′5(越冬期灌溉120 mm，施氮262.5 kg/hm2)為關中地區以品質為篩選目標的最優的水氮管理。I′12N′5在篩選出的11種水氮管理中，雖然籽粒蛋白質濃度和產量均不是最高，但在籽粒蛋白質濃度和產量沒有明顯減少的情況下，灌溉定額和施氮量均較低。關中地區常見的灌溉制度為越冬期或返青期灌溉105～240 mm[33]。I′12N′5雖然越冬期灌溉120 mm，單次灌溉量較大，但灌溉次數較少，省時省力。選擇越冬期灌溉，雖然籽粒蛋白質濃度略有減少但能較大幅度增加產量；較低的灌溉定額與較少的灌溉次數搭配提高了籽粒蛋白質濃度。關中地區常見的氮肥管理為播前施氮(211±139) kg/hm2[34]，推薦的高產小麥施氮量為221 kg/hm2[35]。I′12N′5的施氮量略大于平均施氮量和高產推薦施氮量，但在保證產量的同時提升了品質。

4 結論

(1)CERES-Wheat模型能夠較為精確地模擬冬小麥的生長發育、產量和品質。但籽粒和地上部生物量在嚴重氮脅迫(N0)條件下被低估，籽粒蛋白質濃度在低氮脅迫(N1)條件下被高估。

(2)通過調整灌溉定額、灌溉次數、灌溉時期和施氮量之間的耦合作用達到了小麥提質增效目的。

(3)越冬期灌溉120 mm、施氮量262.5 kg/hm2的水氮管理最適合關中地區的氣候條件，可以同時實現優質、高產、穩產。