基于DSSAT模型對豫北地區夏玉米灌溉制度的優化模擬

劉 影,關小康,楊明達,丁超明,崔靜宇,黃 潔,梅福建,王懷蘋,王同朝,*

1 河南農業大學農學院,河南糧食作物協同創新中心, 鄭州 450002 2 ?？h豐黎種業有限公司, 鶴壁 456250 3 南陽市宛城區種子管理站, 南陽 473000

河南省是我國夏玉米的主要產區,夏玉米播種面積和產量占全國的10%左右；同時也是水資源嚴重短缺地區,水分是影響夏玉米產量形成的主要限制因子[1- 2]。在夏玉米生育期內(6—9月份),降雨量分布不均,各年際間降雨量也不相同,夏玉米生長的某些關鍵時期極易遭受干旱,直接影響夏玉米的生長發育和產量[3]。自然降雨不能滿足夏玉米的正常水分需求,為保證夏玉米高產穩產必須進行補充灌溉。然而,河南省農業用水存在巨大的缺口,平水年缺水量近10×108m3,中旱年缺水量近51×108m3[4],使得作物各生育階段所需水分很難都得到充分的供應[5]。此外,為獲得高產,生產上多實行過量灌溉,水資源浪費嚴重[6]。因此,優化灌溉水資源管理,提高灌溉水利用效率,以最適宜的水量投入獲得最高的經濟產出對緩解河南省農業用水危機和保障夏玉米生產具有重要意義。

傳統上灌溉制度的制定是經大量的田間試驗來確定灌水定額、灌溉時間和灌溉定額[7]。這種制定方式雖然富有成效,但是周期長、耗時耗力,且因氣候條件和土壤環境的變異性而缺乏普適性[8-9]。隨著信息技術的快速發展,作物模型應運而生。DSSAT(Decision Support System for Agrotechno1ogy Transfer)是目前應用最為廣泛的作物模型系統之一[10],綜合氣象、土壤、田間管理和作物品種特性,可以模擬多年的作物生長發育和產量,克服了田間試驗存在的諸多缺點。其中,DSSAT專門用于玉米的CERES-maize模型正被廣泛應用于玉米水分管理研究,包括不同生育期受旱情況下夏玉米的模擬精度[11],夏玉米光溫水生產潛力的評價[12],夏玉米灌溉需水量的估算[13],不同播期和不同水分管理對夏玉米產量的影響[14],甜玉米最優水肥管理的確定[9]和春玉米節水灌溉管理的模擬[15]等方面。但是,河南省夏玉米農田水分管理,尤其是不同降水年型下的夏玉米灌溉方案需要進一步的研究。

本研究基于1988—2017年30年的夏玉米生育期內氣象數據,首先利用2016—2017年的物候期、地上部分生物量、產量和土壤含水量等大田觀測值對DSSAT-maize模型進行校正和驗證,然后通過設立不同灌溉模式、生長關鍵期灌溉組合和灌溉量梯度,探究不同降水年型下的夏玉米生長季缺水情況,進一步確定夏玉米最適合的灌溉時期和灌溉量,為豫北地區乃至河南省夏玉米的灌溉制度制定提供決策支持。

1 材料與方法

1.1 試驗地概況

本研究的田間試驗在河南省浚縣豐黎種業有限公司科研基地進行(35°28′N,114°23′N),海拔63 m,面積250 m×250 m?？？h位于河南省北部,擁有耕地面積7.2萬/hm2,夏玉米平均產量597kg/666.7m2、總產49萬t,是河南省典型的夏玉米產區；該區域屬于暖溫帶半濕潤性季風氣候,年均氣溫13.7 ℃,年均降水量647.8 mm,7、8月降雨量占全年降水量的51%,年均日照時數2331.8 h[16]。

1.2 模型數據庫建立

1.2.1氣象數據

模型所需的氣象參數包括逐日太陽輻射量(MJ m-2d-1),最高溫度(℃),最低溫度(℃)和降雨量(mm)。依據1988—2017年30個夏玉米生長季的氣象數據建立氣象數據庫,通過P-III型頻率曲線分析軟件劃分不同降水年型：將降水保證率(P)大于等于25%的年份劃分為豐水年(Wet year),25%—75%之間的年份為平水年(Normal year),小于等于75%的年份為干旱年(Dry year),接近100%的年份為特別干旱年(Extraordinary year)[17]。1988—2017年玉米生育期降雨分布如(圖1)所示：P=25%對應降雨量為467.32 mm,P=50%對應降雨量為344.67 mm,P=75%對應降雨量為262.54 mm,1997年降雨量111.10 mm的保證率接近100%為特別干旱年。

圖1 1988—2017年玉米生育期年降雨分布,1988—2017年月均降雨分布Fig.1 Precipitation distribution during maize growth period from1988 to 2017, Monthly average rainfall distribution from1988 to 2017P: 降水保證率

1.2.2土壤數據

模型所需的土壤數據包括土壤剖面物理化學性狀和土壤初始條件。2017年夏玉米播種前在試驗田隨機選取5個取樣點,采用分層(每層20 cm)取樣法測定0—100 cm土壤剖面。各層土壤質地(砂粒、粉粒、粘粒百分比)、土壤容重、凋萎點、飽和含水量、田間持水量、有機質、全氮、pH、土壤含水量、硝態氮和銨態氮如表1所示,各指標測定參考《土壤農業化學分析方法》[18]。

表1 土壤剖面理化性狀

1.2.3田間管理數據

模型所需的田間管理數據包括品種、播種、施肥和灌溉。供試夏玉米品種為黎樂66。其中2016年玉米播期為6月14日,種植密度60600 株/hm2,播深3 cm,行距60 cm,同時施用復合肥(N-P2O5-K2O=28-12-10)750 kg/hm2,并在7月16日追施尿素(N=46%)187.5 kg/hm2,期間無灌溉。2017年玉米播期為6月19日,種植密度61100 株/hm2,播深3 cm,行距60 cm,同時施用復合肥(N-P2O5-K2O=28-12-10)750 kg/hm2,并在7月23日追施尿素(N=46%)330 kg/hm2,期間在8月19日進行一次噴灌,灌溉量60 mm。其他管理均與大田管理相同。

1.2.4作物品種參數

DSSAT-maize模型共包含6個品種參數,分別是P1：從出苗至幼年階段結束所需的積溫(℃/d),P2：光周期敏感參數,P5：從吐絲至生理成熟所需的積溫(℃/d),G2：單株潛在穗粒數,G3：潛在籽粒生長速率(mg/d),PHINT：出葉間隔特性參數(℃/d)。采用DSSAT-GLUE模型參數估計工具[19],每次至少6000次運行,不斷縮小參數范圍,并結合“試錯法”獲得最優的玉米品種參數組合(表3)。

1.3 DSSAT模型校正和驗證

模型的校正和驗證是通過調整作物品種參數使模擬值和實測值互相吻合。本研究通過夏玉米物候期、產量、地上部分生物量和土壤含水量來評估作物模型在當地的適用性。玉米物候期可以通過田間觀察獲得。產量取樣在玉米生理成熟期進行,隨機選擇5個樣點,每個樣點雙行連續收獲20穗,脫粒烘干,經谷物水分測定儀測定籽粒含水量后,折算為公頃產量。地上部分生物量取樣分別在玉米拔節期、開花期、乳熟期和成熟期進行,隨機選擇5個樣點,每個樣點選取2株田間長勢中等的完整單株,放置烘箱105 ℃殺青后75 ℃烘至恒重。土壤取樣分別在播種期、拔節期、開花期、乳熟期和成熟期進行,隨機選擇5個樣點,每個點在0—20 cm、20—40 cm、40—60 cm、60—80 cm和80—100 cm進行分層取樣,采用烘干法測定土壤含水量。為了量化模型擬合優度,使用歸一化均方根誤差(nRMSE),均方根誤差(RMSE)和一致性指數(d)衡量模型模擬結果。計算如下：

(1)

(2)

(3)

當nRMSE≤10%,模擬結果非常好；當10%≤nRMSE≤20%,模擬結果良好；當20%≤nRMSE≤30%,模擬結果一般。當30%≤nRMSE,模擬結果較差[15]。

當RMSE≤0.1,模擬結果非常好；當0.1≤RMSE≤0.2,模擬結果良好；當0.2≤RMSE≤0.3,模擬結果一般；當0.3≤RMSE,模擬結果較差[15]。

當d=0,模擬值和實測值之間不一致；當d=1,模擬值和實測值之間非常一致。一般認為：當d≤0.6,一致性較差；0.6≤d≤0.8,一致性一般；當0.8≤d,一致性很好[20]。

1.4 情景分析

1.4.1夏玉米缺水量模擬

充分灌溉條件下田間蒸散量與不灌溉條件下田間蒸散量的差值是為缺水量[21]。在作物管理模塊的灌溉和水分管理選項分別設置自動灌溉模式和不灌溉模式,自動灌溉模式被設定為當土壤剖面0—60 cm的土壤含水量小于土壤有效水含量的50%時自動補充灌溉至土壤有效水含量的90%。

1.4.2灌溉時期模擬

基于4個關鍵生育時期(苗期(E),拔節期(J),開花期(F)和灌漿期(G))共設置了6種灌溉模式：不灌溉、一次灌溉、兩次灌溉、三次灌溉、四次灌溉和自動灌溉,灌水定額為60 mm,共計17個灌溉組合(表2)。這些模擬基于無營養脅迫的假設,灌溉方式為噴灌。

表2 模擬灌溉試驗方案設計

E: 苗期represents emergence stage,J: 拔節期represents jointing stage,F: 開花期represents flowering stage,G: 灌漿期represents Grain filling stage; 上標(*)代表灌溉處理編號，None:無灌溉，When required: 當0—60 cm的土壤水分小于土壤有效水含量的50%時自動補充灌溉至有效水含量的90%

1.4.3灌溉量模擬

通常選取P=25%代表豐水年；P=50%代表平水年；P=75%代表枯水年。1998年降雨量516.1 mm為典型豐水年；2017年降雨量329.0 mm為典型平水年；1991年降雨量240.1 mm為典型枯水年。為了得到不同典型年的最佳灌水定額,基于灌溉時期的模擬結果,在最佳灌溉時期進行灌溉0、5、10、20、30、40、50、60、70、80、90、100、120、140、160和180 mm,共計16個不同灌溉量的模擬情景。

2 結果與分析

2.1 模型的校正和驗證

選擇2016年夏玉米實測試驗數據校正模型,2017年玉米試驗數據驗證模型。經過GLUE率定,表3為模型模擬值與實測數值相吻合的6個玉米遺傳參數。

表3 夏玉米作物品種遺傳參數

P1: 從出苗至幼年階段結束所需的積溫(℃ d)，P2: 光周期敏感參數，P5: 從吐絲至生理成熟所需的積溫(℃ d)，G2: 單株潛在穗粒數，G3: 潛在籽粒生長速率(mg/(?！))，PHINT: 出葉間隔特性參數(℃ d)

表4為2016和2017年玉米物候期、地上部分生物量和產量的模擬值與實測值的差異比較。2016年校正結果表明,玉米指標的模擬值與實測值相近,開花期、成熟期、成熟期地上部分生物量和產量的nRMSE分別為1.89%,0.98%,2.91%和5.43%,均小于10%,校正結果非常好；開花期地上部分生物量的nRMSE介于10%和20%之間,校正結果良好。2017年驗證結果表明,玉米指標的模擬值與實測值相近,開花期、成熟期、開花期地上部分生物量、成熟期生物量和產量的nRMSE分別為1.92%,0.98%,5.50%,6.34%和6.79%,均小于10%,驗證結果非常好。

圖2為2016—2017年該田塊0—100cm分層土壤含水量模擬值與實測值的差異比較。2016和2017年分層土壤含水量的RMSE值分別為0.016、0.009、0.023、0.015、0.023和0.01、0.022、0.013、0.01、0.07,均小于0.1,模擬結果非常好。其d值分別為0.977、0.992、0.953、0.968、0.902和0.966、0.826、0.975、0.984、0.976,均大于0.8,模擬一致性很好。

表4 2016—2017年玉米地上部生物量,物候期和產量模擬值和實測值的對比

DAP: 播種后的天數 day after planting

綜上所述,DSSAT-maize模型對該區域物候期、地上部分生物量、產量和土壤含水量的模擬無論從空間上還是時間上均為有效模擬,特別是對土壤水分變化的模擬較為精確,可為本地區夏玉米水分管理和產量研究提供可靠的理論依據。

2.2 夏玉米缺水量模擬分析

1988—2017年30年夏玉米生長季的缺水量分布如表5所示：在豐水年,1998、2000、2003、2005和2010年的缺水量介于0—6.88 mm之間,平均值為2.69 mm,灌溉需水量較小,而1994年的缺水量達到66.45 mm,其原因是1994年播種后22天內累計降雨量達418 mm且播種后第21天降雨量達239.10 mm,雖為豐水年,但前期降雨量較大,后期雨水較少,導致玉米生育后期缺水量較大,因此,把1994作為平水年處理；在平水年,缺水量介于3.15—66.45 mm之間,平均值為25.30 mm,缺水量波動較大；在枯水年,1990、1991、2001、2002、2013和2015年的缺水量介于57.25—122.27 mm之間,平均值為84.26 mm,灌溉需水量較大；在特別干旱年,1997年的缺水量193.03 mm,具有很大的灌溉需求。夏玉米生長季多年的缺水量介于0 mm和193.03 mm之間,平均值為38.91 mm,不同降水年型的夏玉米缺水量差異顯著。

表5 1988—2017年30年夏玉米作物蒸騰量和土壤蒸發量的模擬結果

圖2 分層土壤含水量模擬值與實測值的對比Fig.2 Comparisons between the simulated and measured soil moisture at different depths in 2016 and 2017

2.3 灌溉時期模擬分析

在不同降水年型,不同灌溉頻次和不同生育時期的灌溉對夏玉米產量的影響差異顯著。從圖3可知：在豐水年,夏玉米多年平均產量隨著灌溉次數和灌溉量的增加并沒有顯著波動,因此不需要補充灌溉；在平水年,平均產量在處理4處首先到達最高點,灌溉組合是開花期,此后隨著灌溉次數和灌溉量的增加,產量增幅相對較小,因此平水年在開花期進行一次灌溉為最優灌溉模式；在枯水年,平均產量在處理11處首先到達最高點,灌溉組合是開花期和灌漿期,此后隨著灌溉次數和灌溉量的增加,產量增幅相對較小,因此枯水年在開花期和灌漿期進行兩次灌溉為最優灌溉模式；在特別干旱年,產量隨著灌溉次數和灌溉量的增加而增加,平均產量在處理12處首先達到最高點,灌溉組合是苗期、拔節期和開花期,此后隨著灌溉次數和灌溉量的增加,產量增幅相對較小,但相對于自動灌溉產量增幅較大,因此特別干旱年需要在苗期、拔節期和開花期進行3次灌溉,同時增加灌水定額。

圖3 1988—2017年不同降水年型夏玉米平均產量的模擬Fig.3 Simulated summer maize average yield at different irrigation treatments under different hydrological years from 1988 to 2017

2.4 灌溉量模擬分析

在不同典型降水年,不同灌溉量對夏玉米產量和水分利用效率的影響差異顯著。水分利用效率(Water use efficiency, WUE)表示每單位水資源生產的作物產量,較高的WUE是有限水資源條件下夏玉米穩定生產的關鍵,本研究中采用夏玉米產量與蒸散量的比值來說明其水分利用效率水平。從表6可知：在豐水年1998年,產量不隨灌溉量的增加而增加,且在0 mm灌溉時水分利用效率為26.25 kg hm-2mm-1達到最高,同時產量8554 kg/hm2為最大值,因此典型豐水年的最佳灌溉量為0 mm,即不需要灌溉；在平水年2017年,產量首先隨灌溉量的增加而增加,在灌溉30 mm時產量8799 kg/hm2達到最大,并且不再灌溉量的增加發生變化,水分利用效率也先具有相同趨勢,在灌溉30 mm時為25.43 kg hm-2mm-1達到最高,因此典型平水年的最佳灌溉量為30 mm；在枯水年1991年,產量首先隨灌溉量的增加而增加,在灌溉70 mm條件下的產量9653 kg/hm2達到最大并且不再隨灌溉量的增加發生變化,但是水分利用效率在灌溉50 mm時為28.44 kg hm-2mm-1達到最高,因此典型枯水年的最佳灌溉量為50 mm。

3 討論

DSSAT模型的作物品種參數決定著玉米的生育周期、營養生長和生殖生長階段,其正確與否直接影響到模型模擬結果的精度[10]。本研究除了2016年夏玉米開花期地上部分生物量的nRMSE為15.05%外,其他產量、物候期、地上部分生物量和土壤含水量的模擬值與實測值之間的歸一化均方根誤差(nRMSE)均小于10%,同時土壤含水量的一致性指數(d)均大于0.8,整體的模擬結果非常好,表明了該模型在豫北地區具有較好的適用性。

表6 不同灌溉量水平下不同典型降水年夏玉米產量和蒸散量的模擬

優化節水灌溉制度的關鍵是提高自然降水和灌溉水的利用效率,土壤貯水消耗量與灌水量呈負相關[22]。黃仲冬[23]利用數學模型計算的河南省新鄉地區夏玉米多年缺水量波動于8.1—381.8 mm,本研究的多年缺水量介于0—193.03 mm之間,這與土壤貯水情況密切相關。1988—2017年6月月均降雨量63.69 mm,2016和2017年夏玉米播期為6月中下旬,播前初始的分層土壤含水量分別是0.27—0.30和0.26—0.32 cm3/cm3,土壤貯水處于較高水平,底墑水充足,缺水量相應減少。不同降水年型下的夏玉米最佳灌溉時期和灌溉量差異顯著,降雨是影響作物灌溉需水的首要因素[23]。從圖1可知：1988—2017年夏玉米生長季的年降水分布不均。豐水年(516.1—721.1 mm)>平水年(288.5—457.1 mm)>枯水年(192.7—240.1 mm)>特別干旱年(111.1 mm),不同降水年型夏玉米遭受水分脅迫的程度不同；夏玉米生長季的月均降雨分布不均,7月份降雨最多,9月份降雨最少,相對降水充沛的生育前期,夏玉米生育后期更容易遭受水分脅迫。當遭受水分脅迫時,開花期水分脅迫減產最重,其次是灌漿期[24]。開花期是玉米最為關鍵的生育時期,決定著最終產量,期間需要大量的水分、養分、光照和溫度[15]。灌漿期是玉米需水的第2個關鍵期,期間莖葉光合產物和積累的營養物質大量向籽粒輸送時期,需水量也比較多[25]。特別干旱年在苗期、拔節期和開花期灌水,這主要是因為在1997年的7—8月,河南省全省性的干旱造成一半播種面積以上的秋收作物受旱,灌水集中于夏玉米生育前期。

灌溉制度的優化不是以充分供水條件下的產量最高為目標,而是要以產量和水分利用效率的有效統一為目標。研究表明產量和WUE與灌水量呈非線性關系,當灌水量達到一定程度后,產量增加緩慢甚至降低[26-27]。本研究的WUE模擬值隨灌溉量的增加呈現先增后降低的二次曲線趨勢,當遭受水分脅迫時,WUE隨著灌水量的增加而增加,灌溉到一定量時,ET不再變化,多余的灌溉水會形成地表徑流或深層滲漏。但是,不同降水年型下的產量模擬值均增加到最大值后就不再變化,特別是豐水年的產量模擬值隨灌水量的增加沒有顯著波動,表現為模型在過量灌溉情景下對產量模擬的敏感性較差。產量和WUE兩者最高點并不重合,WUE先于產量達到最大值[6,28],本研究典型平水年和枯水年的模擬結果同樣得到相似結論,但典型豐水年兩者最高點吻合,這是降水已經滿足玉米生育需水的原因,此外,豐水年、平水年和枯水年WUE達到最高值對應的產量分別占其最高產量的100%、99.72%和97.89%,實現了提高水分利用效率的同時保持較高的產量。

優化的灌溉制度雖然基于不同降水年確定了最佳灌溉時間和灌溉量,但是也不能完全適應氣象條件、作物狀況和土壤水分情況等影響因子造成的時空變異。因此,利用DSSAT為農田灌溉管理實踐提供決策支持時,應該充分發揮模型可以模擬土壤-植物-大氣動態變化的優勢,對農田用水實施時空動態管理。首先基于氣象數據的時間序列特征,在多年歷史情境中找到與目標年份氣象要素相似的年型[29-30],然后綜合已有的土壤和作物參數運行模型,對夏玉米生長發育和土壤水分的情況進行全生育期預測。之后,隨著逐日實測氣象數據的動態輸入,不斷校正土壤水分的預測值,一旦土壤水分小于適宜下限值,就可對未來時段的夏玉米蒸散量預測值與降水量預報值作比較,確定是否灌水及灌水多少,從而對預先制定的灌溉制度做出適當調整。

4 結論

本研究基于DSSAT-maize模型評估了豫北地區夏玉米生長季的缺水情況,確定了不同降水年的最佳灌灌溉制度。利用2016和2017兩年田間試驗數據對DSSAT模型進行校正和驗證時,均方根誤差(RMSE)、歸一化均方根誤差(nRMSE)、一致性指數(d)均表明模擬效果非常好,模型能夠準確模擬豫北地區夏玉米生長發育、產量形成和土壤水分狀況。通過分析30年氣象數據和不同灌溉情景模擬結果得出,夏玉米年際間的缺水量差異顯著,豐水年、平水年、干旱年和特別干旱年的夏玉米缺水量分別是0—6.88 mm,3.15—66.45 mm,57.25—122.27 mm和193.03 mm,應該根據不同降水年選擇最適合的灌溉制度。在豐水年,降水可以滿足夏玉米水分需求,不需要灌溉；平水年,需要開花期進行一次灌溉,灌溉量30 mm；枯水年,需要開花期和灌漿期進行兩次灌溉,灌溉量為50 mm；特別干旱年,在苗期、拔節期和開花期進行3次灌溉,灌溉量至少為180 mm。優化的灌溉制度在保持最高的水分利用效率同時獲得較高的夏玉米產量,實現了夏玉米高產和水分利用高效同步化。