基于半定量方法的施肥管理模型

韓聰穎，張寶忠，劉 鈺

(1.中國水利水電科學研究院流域水循環模擬與調控國家重點實驗室，北京 100038；2. 國家節水灌溉北京工程技術研究中心，北京 100048)

土壤肥力是作物生長和生產的主要養分來源，土壤肥力受土壤質地、田間管理、種植結構等因素的影響，其在大區域范圍內具有時空變異性。因此，充分了解土壤肥力狀況是制定施肥策略的前提。傳統方法通過田間試驗探索土壤肥力和施肥量對作物生長的影響機制，但該方法費時費力，且受試驗設置及外界因素限制較大，試驗結果具有局限性。作物模型能夠綜合環境狀況和土壤管理措施來預測作物產量，并能分析不同因素對作物生長的影響，從而找到最佳的管理措施，大幅度簡化和縮短農業生長系統研究的進程。目前，主要的作物模型有ASPIM[1]、CROPSYST[2]、DSSAT[3]、WOFOST等。這些模型利用養分平衡的方法量化了各種土壤養分對作物生長的影響，為田間施肥管理提供了有效工具。但這些模型需要大量的輸入數據，包括土壤初始養分含量、有機質含量、肥料施加量(包括氮肥、磷肥、鉀肥等)等，繁雜的輸入數據限制了這些模型在數據資料缺乏和大區域范圍的應用和推廣。

AquaCrop模型是由世界糧農組織(FAO)推廣的作物水分生產模型。該模型結構簡單，輸入數據易獲取[4]，在國內外得到了廣泛的應用和發展。AquaCrop模型利用半定量的方法[5]，即不考慮無機肥(氮肥、磷肥、鉀肥等)和有機肥的具體使用量，而是通過作物指標，即相對干物質量(Brel)和最大冠層覆蓋度(CCx)對作物生長過程中受到的整體肥脅迫狀況進行描述，簡化了田間施肥管理對作物生長的影響。目前已有學者[5,6]對該模型的肥脅迫水平進行了對應實際施肥量的標定，但是在我國西北旱區極少有關于該模型田間施肥管理應用的研究。

本文利用2 a的田間試驗數據對AquaCrop模型進行率定和驗證，并進一步模擬了不同土壤肥脅迫狀況下制種玉米冠層增長和干物質量累積過程，旨在說明AquaCrop模型半定量方法及作物生長對土壤肥脅迫的反饋機制，為實現該模型的區域應用奠定基礎。

1 材料與方法

1.1 試驗區概況

本試驗在2012年4月至2013年9月進行，試驗田位于甘肅省張掖市盈科灌區(見圖1)。該區地處北緯38°50′～38°58′, 東經100°17′～100°34′。屬典型的大陸性溫帶干旱、半干旱氣候。灌區年平均氣溫6.5～8.5 ℃，多年平均降雨量133 mm，參考作物年蒸散發量1 200 mm左右。日照時數達到3 000 h以上，無霜期140 d左右，為蔬菜、制種玉米、春小麥及其他經濟作物的生長提供了豐富的光熱資源。本文選取當地特色作物制種玉米為研究對象，該作物分別在2012年和2013年4月22日左右播種，9月23日左右收獲，全生育期150 d左右。試驗按照當地傳統的灌溉制度及灌溉方式進行灌溉。

圖1 試驗區空間位置

1.2 觀測項目

(1)氣象要素。氣象資料來源于中國氣象科學數據共享服務網。由于試驗田在張掖市甘州區，因此本文以張掖站氣象資料為基礎進行研究。主要的氣象數據包括日最高和日最低溫度、日降雨量、平均風速、平均相對濕度、日輻射等。

(2)土壤含水率。本文綜合采用Trime法和烘干法進行土壤含水率測定，測定深度分別為0～10、10～20、20～40、40～60、60～80 cm，每15 d測量一次，降雨和灌水前后進行加密觀測。

(3)作物指標。本試驗的作物觀測指標包括葉面積指數(采用冠層分析儀ACCUPAR-LP80直接測量，按照模型規定轉化為冠層覆蓋度)、地上干物質量(采用烘干法進行測量)、產量(抽樣考種測量)及作物各生育期的起止時間(追蹤觀測記錄)。

(4)土壤物理性質。本文利用馬爾文激光粒度儀分別對各土層的土壤質地進行分析，對應的土壤水力學參數利用Rosetta[7]軟件基于土壤粒徑組成進行估算[8,9]。由于研究區域土壤主要為粉沙壤土，各土層的物理性質差別較小，因此為簡便起見，本文取0～80 cm土層物理屬性的均值進行計算，其中飽和含水率為42%，田間持水率為33%，凋萎含水率為17%，飽和導水率為140 mm/d。0～80 cm土層土壤質地見表1。

表1 試驗區0～80 cm深度土壤質地

1.3 半定量方法

AquaCrop模型通過半定量的方法實現了不同施肥水平對作物生長和生產的影響[5]。這種半定量方法利用作物在有肥脅迫環境中的地上干物質量與最優生長環境中的地上干物質量的比值(Brel)來表示作物生長過程中受到的肥脅迫程度，本文利用土壤肥壓力(Stress)來表示。Brel通過最大冠層覆蓋度壓力系數KsCCx和冠層覆蓋度衰減系數fCDecline直接影響作物生育中期冠層覆蓋度能達到的最大值(CCx)，同時通過冠層膨脹壓力系數Ksexp,f、水分生產率壓力系數KsWP分別影響冠層膨脹率(CGC)和標準化水分生產率(WP*)。模型通過相對干物質量(Brel)和最大冠層覆蓋度(CCx)對肥壓力曲線的形狀進行標定，并通過優化算法對不同肥脅迫程度下的肥壓力系數自動調整，使之達到最優。Brel反映了作物生長過程中所受到的整體肥脅迫程度，模型將根據作物生長過程中受到的其他因素的脅迫狀況，自動調整作物各生長時期的Brel，使Brel最終達到初始輸入值。

(1)

CGCadj=Ksexp,fCGC

(2)

CCx,adj=KsCCxCCx

(3)

(4)

(5)

1.4 模型參數率定

本文利用2012年和2013年的田間觀測數據、灌溉資料及氣象數據構建模型需要的數據庫，并利用2012年田間觀測的冠層覆蓋度、地上干物質量和0～80 cm土層土壤儲水量為監測指標對模型進行率定，同時利用2013年的田間觀測數據對模型進行驗證。

1.5 評價指標

本文擬采用決定系數R2和均方根誤差RMSE對模型模擬效果進行評價。其中決定系數亦稱為擬合優度，是指回歸直線對觀測值的擬合程度，R2越接近1，說明模型模擬效果越好，反之，R2值越小，說明模型模擬效果越差。均方根誤差也稱為標準誤差，能用來衡量觀測值和模擬值之間的偏差。評價指標計算公式如下：

(6)

(7)

2 結果與討論

2.1 參數率定結果

本文僅對模型中隨播種時間、田間管理措施及地理位置發生變化的參數進行調整，其他參數均采用模型推薦的默認值，率定后的模型參數見表2。

表2 盈科灌區制種玉米模型參數

2.2 模擬結果分析

2.2.1 土壤儲水量

圖2所示為制種玉米生育期0～80 cm土層土壤儲水量模擬值和觀測值擬合效果圖。由圖2可知，2012年和2013年土壤儲水量觀測值和模擬值均勻分布在1∶1線兩側，其中2012年和2013年決定系數R2分別達到0.83和0.89，RMSE均在合理范圍內，說明模型率定后可以對制種玉米根系層土壤儲水量變化進行比較好的模擬。

圖2 制種玉米生育期0～80 cm土層土壤儲水量(SWC)模擬值和觀測值擬合

2.2.2 作物生長指標

圖3所示為2012年和2013年制種玉米生育期冠層覆蓋度和地上累積干物質量模擬值和觀測值擬合效果圖。由圖3(a)和圖3(c)可知，2012年和2013年冠層覆蓋度模擬值和觀測值的決定系數R2均大于0.90，RMSE分別為7.50%和7.90%，模擬誤差較小。對比2012年和2013年地上累積干物質量模擬值和觀測值[圖3(b)和圖3(d)]可知，2012年的決定系數R2達到了0.97，雖然2013年的決定系數R2相對較低，但仍在可接受范圍內。2013年的均方根誤差RMSE相對較大，主要由于模型在驗證過程中仍然采用了2012年率定的肥壓力參數Brel和CCx，這與2013年田間實際情況有所不符，造成模擬誤差偏大。綜上所述，率定后的模型基本可以對制種玉米的生長過程進行較好的模擬。但是值得注意的是，在對不同年份和不同地區的作物進行模擬時，需要對肥壓力參數及田間肥管理水平進行重新率定，以確保模型參數能真實反映當時、當地的肥脅迫狀況，使模擬結果能更加接近作物實際的生長狀況。

圖3 制種玉米生育期冠層覆蓋度(CC)和地上累積干物質量(Biomass)模擬值和觀測值擬合

2.3 不同肥脅迫水平情景模擬

本文設置了4種不同的肥脅迫水平，即無肥脅迫、現狀、中等肥脅迫、重度肥脅迫，分別模擬了不同肥脅迫水平下冠層覆蓋度和地上累積干物質量的發展進程，以探尋不同肥脅迫水平對冠層覆蓋度和地上累積干物質量的影響及不同肥脅迫水平下肥壓力系數的變化規律。不同肥脅迫水平對冠層覆蓋度和干物質量影響的變化趨勢見圖4，對應肥壓力系數見表3。

圖4 不同肥壓力水平下作物指標變化規律

肥脅迫水平Brel/%Stress/%KsCCx/%Ksexp,f/%fCDecline/(%·d-1)KsWP/%無肥脅迫10001001000100現狀851595970.0169中等肥脅迫603983890.0536重度肥脅迫405867800.1320

由圖4可知，制種玉米最大冠層覆蓋度和地上累積干物質量均隨著肥脅迫程度的增加呈現出明顯減小的趨勢，且冠層和干物質量增長速率也隨之變緩。結合表3可知，在不同肥脅迫水平下，與肥脅迫相關的壓力系數均呈現出明顯的變化趨勢。雖然模型中提供的Brel和Stress呈線性關系，但是在實際計算過程中由于受水壓力、溫度壓力等因素的影響，肥壓力曲線并非是嚴格的直線，因此，表3中Brel和Stress之和并不完全滿足100%。將盈科灌區現狀條件下作物冠層發展過程、地上干物質量累積過程與其他肥脅迫水平下的指標進行對比可知，該地區制種玉米生長過程中仍然受到一定程度的肥脅迫的影響，施肥管理水平仍有待提高。

在作物冠層覆蓋度達到最大值之前，較嚴重的土壤肥脅迫使冠層膨脹壓力系數Ksexp,f偏小，限制了冠層膨脹速率，減緩了冠層的增長。同時，由圖4(a)可知，不同肥脅迫水平下，冠層覆蓋度達到最大值CCx的時間基本一致，因此，增長比較緩慢的冠層最終能達到的最大值也因此受到限制，這與最大冠層覆蓋度壓力系數KsCCx隨著肥脅迫程度增加而減小相符。同樣，隨著肥脅迫程度的增加，冠層覆蓋度衰減系數fCDecline隨之增大，冠層衰老時間提前，且衰老進程加快。作物冠層的發展直接影響作物蒸騰速率，因此，隨著肥脅迫程度的增加，標準化水分生產率KsWP減小，作物干物質量累積速率減緩，且限制了最終干物質量的形成。

了解模型對田間施肥管理措施的運行機制有助于指導區域施肥管理。本研究的下一步工作將設計田間試驗，率定不同施肥管理水平對應的田間實際施肥量，建立起AquaCrop模型在我國西北旱區田間施肥管理措施的指標體系，為模型區域應用及區域施肥管理提供理論支持。

3 結 論

本文通過盈科灌區制種玉米試驗數據對AquaCrop模型進行率定和驗證，并對模型精度進行了評價，進一步利用模型半定量方法對施肥情景進行了模擬和分析，結論如下。

(1)AquaCrop模型能夠對西北旱區制種玉米根系層土壤儲水量、冠層覆蓋度和地上干物質量進行比較好的模擬。

(2)模型可以利用作物參數Brel和CCx簡化田間施肥管理措施對作物生長的影響。

(3)作物對土壤肥脅迫的反饋與作物類型、土壤質地、氣候等條件密切相關，因此利用該模型對大區域范圍內作物生長進行評估時，需要結合土壤肥脅迫程度的空間差異性對模型進行空間率定。

(4)Brel和CCx可以通過遙感數據進行獲取，因此，AquaCrop模型和遙感數據耦合可以彌補其他模型區域應用的不足，為模型研究大區域范圍作物生長的空間變異性提供可能。