基于DSSAT模型的冬小麥最優灌溉制度研究

邵光成 王志宇 王小軍 湯樹海 姚懷柱

(1.河海大學農業工程學院， 南京 210098； 2.南京水利科學研究院水文水資源與水利工程科學國家重點實驗室， 南京 210029； 3.漣水縣水利科學研究站， 淮安 223400； 4.江蘇省農村水利科技發展中心, 南京 210029)

0 引言

小麥是我國主要糧食作物之一，在農業生產和國民經濟中占有重要地位[1]。隨著社會經濟的快速發展，我國耕地面積不斷減少。淮北平原作為主要農業區，稻麥輪作種植冬小麥有利于提高復種指數、增加糧食產量，因此，發展淮北平原區冬小麥生產是保障糧食安全的重要舉措。灌溉制度是影響作物產量的重要因素之一，要實現冬小麥高產，對灌溉制度進行優化必不可少。此外，淮北平原是典型的南北氣候過渡區，近年來氣候變化頻繁，對作物生長和產量形成造成很大的影響，因此，研究氣候變化對糧食作物生產的影響顯得尤為重要。

傳統田間試驗方法開展冬小麥灌溉制度研究需要耗費大量時間和人力物力，且研究結果單一、局限性較大[2]。作物生長模擬模型可以根據模型中設置的環境狀況和農業管理措施進行產量預測，因此可以將模型應用于灌溉制度的研究。其中DSSAT(Decision support system for agrotechnology transfer)模型應用較為廣泛，在農作物的生產潛力值估算、作物田間管理決策、氣候變化對作物的影響評估等方面，不少學者已開展了相關研究[3-11]。

目前，關于冬小麥產量及灌溉制度的相關研究[12-22]大多集中在中國北方地區，對南北過渡區的淮北平原開展的研究較少。為此，本文基于DSSAT作物模型，對淮北平原不同年型冬小麥的灌溉制度進行優化，并根據政府間氣候變化專門委員會(Intergovernmental Panel on Climate Change，IPCC)第五次評估報告(Fifth assessment report，AR5)提出的BCC-CSM 1.1(Beijing climate center climate system model version 1.1)氣候系統模式，闡明最優灌溉制度在不同情景下的適用性，為未來氣候變化下淮北平原區冬小麥優質高效生產實踐提供理論技術支撐。

1 材料與方法

1.1 試驗站概況

試驗于2001—2013年每年10月到次年6月的冬小麥生長期在漣水縣水利科學研究站(簡稱漣水站)進行，該站位于江蘇省淮安市漣水縣朱碼鎮(119°16′E， 33°47′N)境內，如圖1所示。漣水站平均海拔7.5 m，屬于暖溫帶季風性半濕潤氣候，多年平均氣溫14.8℃，年均氣溫5℃以上時間289 d，日照時數2 280 h，降雨量時間分布不均，年內變化和年際變化較大，多年平均降雨量979.6 mm，多年平均蒸發量1 056.8 mm，年均無霜期213 d，雨日104 d，年均相對濕度77%。供試區耕層土質為砂壤土，0～30 cm土壤容重為1.4 g/cm3，田間持水率為28.7%(質量含水率)，pH值為6.8，有機質質量分數為2.19%，全氮質量比為0.98 g/kg。

圖1 漣水縣水利科學研究站位置圖Fig.1 Location of Lianshui Water Conservancy Research Institute

1.2 數據來源

本文選用DSSAT模型以天為步長模擬冬小麥從播種到收獲生長和發育的生理過程。由于缺乏漣水站當地的逐日氣象資料，選取典型年時利用漣水站1985—2015年冬小麥生育期降水資料排頻適線，得到降水量經驗頻率分別為25%、50%和75%對應的設計值，然后以距離較近的淮安站2001—2016年內與3種經驗頻率對應降水量接近的年份作為代表年。淮安站氣象系列選取2001—2016年是由于目前中國氣象數據網僅記錄了2001年1月—2017年3月的逐日氣象資料。

模型所需土壤參數、作物管理數據等來自漣水縣水利科學研究站，淮安站逐日氣象數據來源于中國氣象數據網(http:∥data.cma.cn)，未來情景模擬時BCC-CSM 1.1氣候系統模式氣象數據來源于地球系統網格聯盟(The earth system grid federation，ESGF) 網站(https:∥esgf-node.llnl.gov/search/cmip5)。

1.3 研究方法

采用DSSAT模型調參與驗證、灌溉制度優化和最優灌溉制度適用性評價相結合的方法。在DSSAT模型中建立數據文件，采用試錯法對作物品種參數進行調試，直至模型模擬值與實測值誤差達到要求。模擬值與實測值的相對差異程度采用歸一化均方根差NRMSE(Normalized root mean square error，NRMSE)衡量。該指標是分析模擬產量和實際產量差異的最佳衡量指標。一般認為，NRMSE<10%為極好；10%≤NRMSE<20%為好；20%≤NRMSE<30%為中等；NRMSE≥30%為差[23-25]。

王文佳等[26]基于DSSAT模型模擬結果發現，冬小麥生長期間越冬期及返青拔節期缺水對產量及經濟效益影響較為嚴重，灌漿水對產量貢獻作用最小。結合漣水站在越冬期、返青期灌水的實際情況，為進一步優化灌溉制度，模擬灌水時期增設拔節期和抽穗期。此外，根據江蘇省水利廳《江蘇省灌溉用水定額》(蘇水農[2015]6號文件)，徐淮片區漣水縣年降水量經驗頻率為80%時小麥的灌溉基本用水定額為1 184 m3/hm2，為保障冬小麥產量，本文設定最大灌溉定額為150 mm，灌水定額為50 mm，將冬小麥灌水時期和灌水次數進行組合，設計15種灌溉制度，見表1。應用調參后的DSSAT模型模擬不同年型、不同灌溉制度下冬小麥產量和田間水分狀況，根據單位面積產量、灌溉用水量(Irrigation water capacity， IWC)和水分利用效率(Water use efficiency，WUE)3個指標優選灌溉制度。WUE計算方法為

表1 灌溉制度設計Tab.1 Design of irrigation schedules mm

注：T1為雨養，T2～T5為灌一水，T6～T11為灌兩水，T12～T15為灌三水。結合漣水站灌溉實際設定灌水時間分別為：越冬期12月25日、返青期2月20日、拔節期3月30日、抽穗期5月10日。

式中Y——產量，kg/hm2ET——騰發量，mm

WUE——水分利用效率，kg/m3

其中產量和騰發量(Evapotranspiration， ET)數據可由DSSAT模型運行得到。

為滿足研究氣候變化的需要，世界多個機構共同組織實施了國際耦合模式比較計劃(Coupled model intercomparison project，CMIP)。CMIP5 (The fifth phase of the coupled model intercomparison project)是2008年啟動的第五階段計劃，是目前較為全面的氣候模式[27]。CMIP5評估模式采用溫室氣體的穩定情景，具體包括4種輻射強迫物質的量濃度排放途徑：RCP2.6、RCP4.5、RCP6.0和RCP8.5。試驗名稱RCP(Representative concentration pathway)后的數字代表該情景在2100年達到的輻射強迫,分別約為8.5、6.0、4.5、2.6 W/m2[28]。研究表明，由于RCP4.5的優先性大于RCP6.0[29-31]，并且RCP2.6情景較為理想，探討此情景下作物產量變化意義不大，因此本文考慮RCP4.5、RCP8.5兩種情景。進一步地，選取CMIP5中的BCC-CSM1.1氣候模式，利用雙線性插值法將獲取的逐日氣象數據降尺度到漣水站點，然后將得到的氣象數據輸入DSSAT模型，模擬時設定試驗受水分限制，其他管理措施與實踐相同，以此探討未來條件下灌溉制度的適用性。

2 結果與分析

2.1 模型校驗

冬小麥品種參數校正由模型自帶的GLUE(Generalized likelihood uncertainty estimation)調試程序進行，率定結果如表2所示。

表2 冬小麥遺傳參數Tab.2 Genetic coefficients of winter wheat

圖2 冬小麥模擬產量與實測產量的關系Fig.2 Relationship of simulated yield and actual yield of winter wheat

圖3 冬小麥土壤含水率模擬值與實測值的關系Fig.3 Relationship of simulated and actual soil moisture contents of winter wheat

冬小麥2001—2013年產量、土壤含水率的模擬值與實測值的比較分別如圖2、3所示，其中產量的NRMSE為10.2%，土壤含水率的NRMSE除2003年外均小于30%。結果表明品種參數能夠較為準確地反映作物品種的主要遺傳特征，可用于進一步研究。另外，可以根據模擬效果較好與較差的2004—2005年、2003—2004年兩個冬小麥生育期內氣象因素，如圖4所示，對DSSAT模型模擬誤差進行估計，此處不展開。

2.2 代表年選取

對漣水站30年冬小麥生育期降雨資料排頻適線(圖5，圖中EX為均值，Cv為變異系數，Cs為偏態系數)，得到降水量經驗頻率分別為25%、50%和75%對應的設計值，依次為527.1、435.4、362.5 mm。進一步地，選取淮安站2001—2016年期間與3種經驗頻率對應降水量接近的年份作為代表年，依次為2007—2008年(豐水年，降水量523.6 mm)、2006—2007年(平水年，降水量445.1 mm)、2011—2012年(枯水年，降水量353.0 mm)。

圖4 2004—2005年、2003—2004年2個冬小麥生育期內氣象因素變化曲線Fig.4 Curve of meteorological factors during growth periods of winter wheat from 2004 to 2005 and from 2003 to 2004

圖5 降雨量排頻適線圖Fig.5 Frequency-aligned map of precipitation discharge

2.3 不同年型下最優灌溉制度

應用DSSAT模型模擬3種典型年各灌溉制度下冬小麥的生長狀況，統籌考慮產量、灌溉用水量和WUE3個因素進行灌溉制度優選。根據不同灌溉條件下冬小麥產量和水分利用效率模擬結果(表3)，2007—2008年(豐水年)灌溉制度T3、T6下冬小麥產量和WUE較高，分別為6 731 kg/hm2、1.551 kg/m3以及6 780 kg/hm2、1.541 kg/m3。2006—2007年(平水年)灌溉制度T1下冬小麥WUE最高，為1.631 kg/m3，灌溉制度T3冬小麥產量和WUE較高，分別為5 732 kg/hm2、1.545 kg/m3，各灌溉制度下產量差異不大。2011—2012年(枯水年)灌溉制度T1冬小麥WUE最高，為2.039 kg/m3，灌溉制度T3冬小麥產量和WUE均較高，分別為7 188 kg/hm2、1.882 kg/m3，各灌溉制度下產量差異不大。

綜合考慮產量、灌溉用水量和WUE3個因素，2007—2008年(豐水年)、2006—2007年(平水年)、2011—2012年(枯水年)均宜選取灌溉制度T3。

2.4 T3、T6的適用性

由表3可知，灌溉制度T3、T6條件下3種年型的冬小麥產量和WUE均較高。結合實際情況考慮，雖然T6所需灌溉用水量較大，但在枯水年T6有一定增產效果，且由于T3更符合淮北平原區的實際情況，故本文將灌溉制度T3、T6與雨養條件進行比較，探討其在未來情景下的適用性。

由于初始土壤含水率、灌溉制度以及氣候因素共同決定土壤水分狀況，且本文僅考慮冬小麥水分產量效應，因此需區分不同初始土壤含水率情況進行討論。根據漣水站當地的種植經驗，一般控制冬小麥生育期內土壤含水率在田間持水率的60%～100%，另外根據文獻[32]，冬小麥在出苗期土壤適宜含水率為田間持水率的45%～60%，故本文選取初始土壤含水率為田間持水率的80%和田間持水率的60%兩種情況討論。兩種初始條件下冬小麥的產量分別見圖6、7。

表3 不同灌溉條件下冬小麥產量和水分利用效率模擬結果Tab.3 Simulation results of yield and water use efficiency of winter wheat under different irrigation conditions

圖6 初始土壤含水率為田間持水率的80%時不同灌溉制度的產量Fig.6 Yield of different irrigation schedules when initial soil moisture content was 80% of field capacity

圖7 初始土壤含水率為田間持水率的60%時不同灌溉制度的產量Fig.7 Yield of different irrigation schedules when initial soil moisture content was 60% of field capacity

如圖6所示，大多數情況表現為T3、T6和雨養條件下冬小麥產量接近，或T6產量略低。部分情況如RCP4.5情景下2065、2085、2095年，RCP8.5情景下2055、2060、2085年，T3或T6相對于雨養條件具有一定優越性。特別地，RCP4.5情景下2060年雨養條件比T3、T6條件下產量高，可能由于模型設置未考慮排澇降漬的問題，導致灌溉時間不適宜，對冬小麥生長產生了抑制作用，而在該時間段適度的水分脅迫可能會對冬小麥生長有一定促進作用。

如圖7所示，RCP4.5情景下2050、2060、2065、2075、2085、2095年，以及RCP8.5情景下2055、2060、2065、2085、2090、2095年， T3或T6相對于雨養條件具有一定優越性。其余情況表現為T3、T6和雨養條件下冬小麥產量接近，或T6產量略低。

T6灌溉定額100 mm，T3灌溉定額50 mm，相比于雨養而言灌水量較大，但部分情況兩種灌溉制度的產量并未顯著增加，T6條件下某些年份產量甚至會出現降低的現象。根據劉文茹[33]的研究結果，未來在中高等排放情景(RCP4.5、RCP8.5)下長江中下游地區年平均降水量總體呈現增加的趨勢。出現上述情況可能是由于未來某些年份下，研究區域內降水已經基本可以滿足冬小麥生長對水分的需求，再進行灌水會造成土壤水分過剩，引發漬害，小麥根系活力下降，籽質量降低，從而造成減產[34]。

由圖6、7的模擬結果計算得到不同情景下的冬小麥模擬產量(表4)，可以發現，兩種情景下初始土壤含水率為田間持水率的60%時灌溉制度T3、T6與雨養條件相比增產效果明顯；從總體上看，T3比T6產量更高。

表4 不同情景下冬小麥產量比較結果Tab.4 Comparison results of winter wheat yield under different conditions

3 討論

本研究模型校驗冬小麥產量模擬值與實測值有一定差異，模擬產量偏低，如圖2所示，可能是由于模型對水分因子比較敏感，而淮北平原區降水充沛，當降水過多時冬小麥根區缺氧，生長受到抑制，導致產量下降。另外本文使用距離較近的淮安站進行代替，客觀上也會造成一定誤差。圖3表明冬小麥土壤含水率模擬值與實測值相差較大，一方面可能因為DSSAT模型每天僅輸出一個土壤含水率，無法得知具體時刻，而一天內土壤含水率在不同時刻可能變化較大，另一方面可能與氣象數據的代替有關。

本研究對不同灌溉條件下冬小麥產量和水分利用效率進行模擬，結果發現對于同一種灌溉制度，豐水年產量均低于枯水年產量，部分年份甚至表現為豐水年在3種年型下產量最低，造成這種現象的原因是多樣的。首先，根據漣水站2001—2013年冬小麥生育期內降水量和產量實測數據，發現二者并不呈嚴格的正相關關系，而所選典型年僅僅是其中的3個例子，所以出現豐水年產量低的模擬結果具有一定可能性。此外，豐水年降水較多，而江淮地區多為粘土或粘壤土，透水性能弱，容易發生漬害[35]，在冬小麥產量形成的關鍵時期，漬害會造成根系活力下降，導致減產[34]。其次，本文利用淮安站氣象數據代替漣水站氣象數據，這種近似方法本身具有一定誤差。這兩種原因的共同作用可能導致了上述的模擬結果。盡管模型模擬存在一定誤差，但模型誤差在允許范圍內，對于優選灌溉制度仍具有一定指導意義。未來需要進一步改進模型，以提高模型對作物生長的模擬精度。

當氣象條件和灌溉模式相同時，不同初始土壤含水率對產量有較大影響，未來可進一步結合初始土壤含水率對灌溉制度進行優化。由于冬小麥生長和發育過程受到諸多不可控因素如光照、降雨、氣溫等氣象因子的影響，而本文制定的不同年型冬小麥最優灌溉制度僅針對特定年份、特定灌溉制度而言，其貢獻主要在于提出本地優化灌溉制度的可選途徑，為將來農業精準化灌溉提供思路。

4 結論

(1)在DSSAT模型中對作物品種進行調參，模型模擬效果較好，調試后的品種參數較為可靠。

(2)針對生育階段和灌溉次數不同組合確定的15種灌溉制度(T1～T15)，3種年型下雨養條件產量最低，在統籌考慮產量、灌溉用水量和水分利用效率最優的情況下，2007—2008年(豐水年)、2006—2007年(平水年)、2011—2012(枯水年)均宜選取灌溉制度T3，由此可以指導農業生產。

(3)針對T3、T6的適用性研究發現，初始土壤含水率會影響灌溉制度，進而影響冬小麥產量。當初始土壤含水率為田間持水率的80%時，部分未來年份下T3、T6相比于雨養條件表現出一定的優越性。當初始土壤含水率為田間持水率的60%時，較多的年份下兩種灌溉制度與雨養條件相比，表現出較高的優越性。根據不同情景下冬小麥模擬產量的比較結果，選擇灌溉制度T3可以達到較好的節水增產效果。