基于水氮管理與種植結構優化的作物豐產高效管理策略

陳世超，劉文豐，杜太生

基于水氮管理與種植結構優化的作物豐產高效管理策略

陳世超，劉文豐，杜太生※

（1. 中國農業大學中國農業水問題研究中心，北京 100083；2. 甘肅武威綠洲農業高效用水國家野外科學觀測研究站，武威 733000）

河西走廊農業生產受到水資源短缺與農業資源利用效率低的限制，制約著該地區的種子、糧食生產與農業可持續發展戰略。該研究構建了考慮作物水氮需求量、降雨量、土壤初始含氮量的水氮管理制度優化方法，并結合所構建的考慮空間尺度作物產量與水氮利用效率的多目標種植結構優化方法，為河西走廊制種玉米、大田玉米和小麥制定豐產高效的水氮管理與種植結構調整策略，從而實現作物產量和水氮利用效率的協同提升。結果顯示：優化的水氮管理制度相比管理現狀可減少單位面積灌水量9.1%～27.3%、施氮量26.6%～50.0%；以作物產量和水氮利用效率最大為目標，以種植面積、產量需求和水氮投入量為約束，調整制種玉米、大田玉米和小麥的種植面積與空間分布，優化后制種玉米和小麥種植面積減少、大田玉米種植面積增加，總種植面積減少4 874.8 hm2，且作物種植空間分布較優化前差異明顯；水氮管理與種植結構優化協同作用可以在水氮用量分別減少0.29×109m3和3.36×107kg的情況下，作物總產量提升0.16×109kg，區域灌溉水生產力和氮肥利用效率分別提升0.62 kg/m3和18.97 kg/kg。該研究可以為產糧區和缺水區的作物豐產高效和農業可持續發展提供科學指導與決策參考。

作物；灌溉；優化；種植結構；水氮管理；灌溉水生產力；氮肥利用效率

0 引 言

河西走廊是中國重要的玉米制種基地，豐富的光熱資源是該地區成為制種和糧食基地的重要資源保障，年產玉米種子約63萬t；同時該區域也是重要的商品糧基地，以甘肅省18%的耕地生產了全省約40%的大田玉米和小麥。然而水資源短缺、水肥利用效率低、農業布局不合理與生態脆弱嚴重制約著農業可持續發展[1]。面對日益增長的糧食需求，如何優化區域水氮管理制度和作物種植結構，是實現河西走廊制種玉米、大田玉米和小麥豐產高效的關鍵，也是河西走廊農業可持續發展與生態環境良性循環的必然要求。

優化灌溉施氮制度是提高水氮利用效率和生產率的重要措施[2]，已有研究在田間尺度上基于試驗與模型對河西走廊制種玉米、大田玉米和小麥豐產高效制定了水氮管理策略。如趙建華等[3-4]基于田間試驗發現灌水量為330～450 mm、施氮量為150～225 kg/hm2可以使制種玉米產量、水分利用效率和氮利用效率分別提升13%、20%和32%；Xiao等[5]基于田間試驗確定了410～450 mm灌水量和140～180 kg/hm2施氮量可以綜合提升大田玉米生產、經濟和環境效益；Yang等[6]基于田間試驗確定了小麥最優灌水量為274 mm、施氮量為180 kg/hm2，與Li等[7]在河西走廊石羊河流域的優化結果相似。作物對水分與氮素的實際需求量是水氮管理制度優化的基礎，并與氣候條件與土壤養分相關，存在區域異質性[8]。上述田間尺度的試驗與模擬結果可以為區域尺度作物水氮管理提供參考，但如何考慮氣候、土壤的空間變異特征從而在區域尺度上為不同作物優化水氮管理制度，還需要進一步研究。

種植結構優化是實現區域水資源與土地資源優化配置的基礎，對于水資源短缺、種植結構不合理的地區尤為重要[9]。通過優化區域不同作物種植面積與空間分布，可對水資源、土地資源的合理配置，實現生產效益、環境效益和經濟效益的最大化。隨著智能算法的發展，種植結構優化方法由灰色分析法、目標權重法等發展到遺傳算法[10]、粒子群算法[11]等。Liu等[12]結合SWAT（Soil and Water Assessment Tool）模型和元胞自動機模型優化了黑河中上游地區小麥、玉米、棉花、大麥、油菜和苜蓿的種植結構，實現了作物水分生產力、經濟水分生產力和養分水分生產力的協同提升。種植結構優化可以實現水資源的空間優化配置，而與灌溉制度優化相結合則可以進一步提升作物產量和農業資源利用效率[13]。但目前在區域尺度上不同作物水氮管理制度優化與作物種植結構優化的研究仍較少。

因此，本研究以河西走廊制種玉米、大田玉米和小麥為研究對象，以作物產量、灌溉水生產力和氮素利用效率協同提升為目標，考慮土壤養分含量和作物生育期內氣候條件，優化不同作物水氮管理制度與種植結構，在確保作物產量的同時減少農業水氮投入量，為河西走廊作物豐產高效與綠色發展提供科學指導與決策參考。

1 材料與方法

1.1 研究區概況

河西走廊位于甘肅省西北部（37°17′～42°48′ N，92°12′～104°20′ E），面積約27萬km2，行政區劃主要包含武威、張掖、金昌、嘉峪關和酒泉5個地級市共20個縣（區）（圖1）。河西走廊屬于溫帶大陸性氣候，年均氣溫7.6 ℃，年日照時數為3 000 h，年均降水量為130 mm，年均蒸發量為2 000 mm，且光熱資源豐富，有利于農作物生長發育；灌溉農業發達，年產玉米種子占全國大田玉米年用種量50%以上，同時是甘肅省重要的商品糧種植基地和經濟作物生產基地。

圖1 河西走廊高程和氣象站點空間分布圖

1.2 數據來源

本文以河西走廊為研究區域，以制種玉米（先玉335）、大田玉米（強盛51）和小麥（永良4）為研究對象。歷史氣象數據采用“中國區域地面氣象要素驅動數據集1979—2018（China Meteorological Forcing Dataset，CMFD）”[14]，空間分辨率為0.1°；土壤理化性質采用“世界土壤數據庫（Harmonized World Soil Database，HWSD）”[15]，空間分辨率為1 km；作物種植面積采用“作物空間分配模型數據集（Spatial Production Allocation Model，SPAM-2010）”[16]，空間分辨率為5′，基于河西走廊5個地級市（武威、張掖、金昌、嘉峪關和酒泉）統計年鑒（1979—2018）中各縣（區）制種玉米、大田玉米和小麥的種植面積進行校驗；縣級尺度3種作物單位面積產量、灌水施氮量、種植面積數據取自《甘肅發展年鑒（1979—2018）》和河西走廊5個地級市的統計年鑒（1979—2018）；制種玉米、大田玉米與小麥的實測產量數據，來自于甘肅武威綠洲農業高效用水國家野外科學觀測研究站和甘肅省農科院張掖節水農業試驗站開展的多年不同水氮處理試驗數據。鑒于土壤、氣候、作物分布數據的空間尺度與分辨率不一致，使用ArcGIS 10.6（ESRI，USA）基于河西走廊區域面數據按區域提取各數據集，使用氣候數據處理軟件CDO（Climate Data Operators：https://code.mpimet.mpg.de/projects/cdo）中的一階保守重映射[17]將各數據集重采樣至5′的空間分辨率。

1.3 APSIM模型的參數率定與模擬

1.3.1 APSIM-Maize和APSIM-Wheat模塊及其參數率定

APSIM（Agricultural Production Systems sIMulator）模型是由澳大利亞農業生產系統研究組（APSRU）開發的可以模擬農業系統生物物理和化學過程機理及其對氣候變化響應規律的作物生長模型。其中，土壤、作物與管理模塊決定作物可利用水分和養分，進而影響作物的光合速率與生育進程并最終影響產量，因此，APSIM模型可以精確模擬不同水氮管理情景下的作物產量。本文使用APSIM version7.10進行模擬，通過R語言中的CroptimizR程序包[18]在APSIM中構建制種玉米品種并校正關鍵參數，同時校正大田玉米和小麥的關鍵參數。為實現區域尺度的模型模擬，使用Python語言編程批量調用APSIM模型，實現區域每個柵格批量輸入、模擬、輸出。

1.3.2 模型評價指標

采用歸一化均方根誤差（nRMSE）和確定性系數（2）評價APSIM模型在河西走廊對制種玉米、大田玉米和小麥的適用性。

1.3.3 水氮管理制度優化方法

河西走廊農業生產中目前存在嚴重的水氮過量施入情況[19]。該區域為灌溉農業，作物生長所需水量主要來源于灌溉水和作物生育期內降水，而所需氮元素主要來自于追施氮肥和土壤初始含氮量。河西走廊地下水埋深平均值約11.7 m，部分地區地下水埋深超過20 m[20]。因此，本研究基于氣象與土壤養分數據優化區域尺度3種作物的水氮投入量，模擬中忽略地下水位動態變化。

1）不同作物區域尺度灌水量

作物生育期內灌水量根據作物耗水量和降水量確定。其中，作物耗水量由單作物系數法確定[21]。

式中ET為逐日標準條件（非脅迫）下的作物耗水量，mm；K為作物系數，研究表明作物系數在時間和空間尺度上的變異程度較弱[22]，因此在區域尺度上使用統一的K：大田玉米和小麥前期、中期、后期的K使用FAO-56提供的參考值[21]，制種玉米前期、中期、后期的K參考Jiang等[23]研究結果。ET0為參考作物蒸發蒸騰量（mm），由于APSIM模型中使用Priestley-Taylor法[24]計算ET0，本研究中也將使用該方法，所涉及的變量均可根據“中國區域地面氣象要素驅動數據集1979—2018（CMFD）”數據集獲得或計算得到，計算公式為

式中為Priestley-Taylor系數，取值為1.26；為干濕度計常數，kPa/℃；△為飽和水汽壓與溫度關系曲線上的斜率，kPa/℃；R為植被表面凈輻射量，W/m2；為土壤熱通量，W/m2。

河西走廊每個柵格內灌水量為

式中Irr、ET和P分別為第個柵格內第（=1，2，3）種作物的灌水量、耗水量和作物生育期內降雨量，mm；為農田灌溉水利用系數，本文取0.53[25]。

2）不同作物區域尺度施氮量

作物生育期內施氮量根據作物吸氮量和土壤含氮量確定。其中，作物吸氮量由作物氮濃度和生物量累積曲線確定。

式中NU為作物吸氮量，kg/hm2；Bio為作物生物量，kg/hm2；N為作物氮濃度，依據Liang等[26]的研究結果，確定制種玉米、大田玉米和小麥成熟期N分別為1.4%、1.1%和1.6%。作物生物量累計曲線基于Logistic曲線確定[27]。

式中GDD為有效積溫，℃；Biomax為作物最大生物量，kg/hm2，根據田間實測數據，對制種玉米、大田玉米和小麥分別取值為29 800 kg/hm2[3]、44 532 kg/hm2[28]和26 379 kg/hm2[6]。因此，河西走廊每個柵格內施氮量為

式中Nfer、NU和NS分別為在第個柵格內第種作物的施氮量、吸氮量和土壤含氮量，單位均為kg/hm2；為氮肥利用效率，本文取0.75[29]。土壤含氮量數據來自世界土壤數據庫（Harmonized World Soil Database，HWSD）數據集。

1.4 種植結構優化模型構建與求解

1.4.1 種植結構優化模型構建

1）目標函數

①作物產量最大目標函數為

式中=1,2,3分別對應制種玉米、大田玉米和小麥；Y為在第個柵格內第種作物的單位面積產量，kg/hm2；A為在第個柵格內第種作物的種植面積，hm2；sum為研究區內3種作物總產量，kg。

②灌溉水生產力、氮肥利用效率最大目標函數

式中WPIaver和NUEaver分別為研究區域灌溉水生產力（kg/m3）和氮素利用效率（kg/kg）的平均值。

2）約束條件

①作物種植面積約束

式中CAsum為3種作物種植總面積現狀，hm2。參考Lalehzari等[30]的研究成果，設置優化后每個柵格內3種作物的種植面積的變化幅度均小于30%，即

當CA=0時，上述約束條件無效，因此設置以下約束

式中CA為在第個柵格內第種作物的種植面積現狀，hm2；min和max分別為河西走廊柵格編號的最小值和最大值。

②農業水氮用量約束

式中Irrsum和Nfersum分別為研究區域種植3種作物所需灌溉總水量m3和總施氮量kg。以《甘肅發展年鑒（1979 —2018）》3種作物總水氮用量最大值為約束上限，設置Irrsum=1.49×109m3，Nfersum=9.7×107kg。

③作物產量約束

式中1sum、2sum和3sum分別為研究區域內制種玉米、大田玉米和小麥的生產下限，kg。基于《甘肅發展年鑒》中的糧食產量數據與《振興河西國家玉米繁育制種基地實施方案》所提出的玉米種子生產需求，設置1sum、2sum、3sum分別為0.61×109，0.81×109，0.82×109kg。

1.4.2 模型求解方法

模型利用遺傳算法求解，通過調用Python 3.9中的scikit-opt程序包實現遺傳算法的參數設置與使用。基于已有研究對種植結構優化模型參數的設置[10]，本研究中遺傳算法的主要參數設置為：種群中規模為為500，最大代數為為1 000，選擇方式為比例選擇，交叉方式為單點交叉，交叉概率P為0.75，變異概率P為0.01。

2 結果與分析

2.1 APSIM模型的適宜性評價

收集基于河西走廊區域制種玉米[3-4,31-32]、大田玉米[5,28,33-34]和小麥[6,34-36]田間試驗發表的學術論文數據（表 1），將數據分為7∶3作為校正集與驗證集，對APSIM模型中的作物參數進行校正，參數校正結果與模型驗證結果分別如表2和圖2所示。收集的數據來自于武威、張掖、玉門和瓜州開展的田間試驗，分別位于河西走廊東部、中西部和西部，具有一定的代表性。作物產量的模擬值和實測值2為0.80～0.85、nRMSE為11.0%～15.6%，說明校正的APSIM適于模擬河西走廊區域不同水氮投入下制種玉米、大田玉米和小麥的產量。

表1 APSIM模型參數校正所用數據來源

表2 制種玉米、大田玉米和小麥的關鍵參數校正

圖2 校正后的APSIM模型對制種玉米、大田玉米和小麥產量的模擬效果

2.2 灌水施氮量優化結果評價

灌水施氮量現狀與優化結果如表3所示。對比現狀情況，河西走廊制種玉米、大田玉米和小麥的優化灌水量可分別節省22.1%～22.3%、9.1%～17.0%和22.9%～27.3%，施氮量可分別節省32.2%～50.0%、37.5%～44.0%和26.6%～33.6%。綜合考慮初始土壤養分和生育期內降雨量優化的水氮管理制度可以明顯減少水氮投入量，而在此基礎上進行空間尺度上作物種植結構優化，作物產量和水氮利用效率的提升潛力需要進一步量化分析。

2.3 種植結構優化后作物種植空間分布規律

使用APSIM模型模擬傳統管理與水氮優化管理2種情景下的作物產量、灌溉水生產力和氮肥利用效率，作為種植結構優化模型的輸入數據，優化后作物空間分布與各地區種植面積統計結果分別如圖3和表4所示。優化前后3種作物的空間分布存在明顯差異（圖3）：優化后，制種玉米和大田玉米在西部的種植面積減少，在中部和東部的種植面積增加，并集中于酒泉、張掖和武威地區；而小麥在西部區域種植較分散，在中部和東部的種植面積增加，并集中于山丹、永昌和武威地區。對比種植結構優化前后3種作物種植面積（表 4）可以發現，優化后制種玉米和小麥種植面積分別減少1 095.1 hm2（-1.26%）和4 472.1 hm2（-3.07%），而大田玉米種植面積增加692.4 hm2（+0.96%），種植總面積較現狀減少4 874.8 hm2。

表3 河西走廊制種玉米、大田玉米和小麥單位面積水氮投入量優化與現狀

2.4 優化后作物產量與水氮利用效率提升

水氮管理優化、水氮管理與種植結構優化以及現狀3種情景下河西走廊制種玉米、大田玉米和小麥的產量、灌溉水生產力、氮肥利用效率和水氮用量計算結果如表 5所示。相比現狀，僅施行優化水氮管理制度可使產量提升0.29×108～0.45×108kg（3.6%～6.7%）、灌溉水生產力提升0.44～0.59 kg/m3（22.6%～37.9%）、氮肥利用效率提升11.6～23.2 kg/kg（50.2%～89.0%），灌溉水量減少0.55×108～1.30×108m3（13.6%～24.8%）、施氮量減少1.00×107～1.13×107kg（31.1%～43.5%）；而綜合水氮管理與種植結構優化可使產量提升0.50×108～0.55×108kg（6.7%～8.1%）、灌溉水生產力提升0.49～0.71 kg/m3（25.1%～46.4%）、水氮肥利用效率提升13.7～24.3 kg/kg（59.6%～93.6%），灌溉水量減少0.59×108～1.42×108m3（14.6%～27.0%）、施氮量減少1.06×107～1.16×107kg（33.1%～44.2%）。

圖3 種植結構優化前后廊制種玉米、大田玉米和小麥空間分布

表4 種植結構優化前后河西走廊各市制種玉米、大田玉米和小麥的種植面積

表5 不同管理情景下河西走廊制種玉米、大田玉米和小麥產量、灌溉水生產力、氮肥利用效率和水氮用量

注：INO，水氮管理優化；PSO，種植結構優化。

Note: INO, Optimized irrigation and nitrogen fertilization management; PSO, Optimized planting structure.

河西走廊制種玉米、大田玉米和小麥總產量、水氮總投入量和區域平均水氮利用效率計算結果如表6所示。相比生產和管理現狀，實行優化的水氮管理制度可以在產量浮動較小（增產0.12×109kg，約5.4%）的情況下使灌溉水生產力提升0.54 kg/m3（32.1%）、氮肥利用效率提升17.35 kg/kg（68.3%），灌溉水量減少0.27×109m3（20.5%）、施氮量減少3.26×107kg（37.5%）；水氮管理與種植結構優化可使產量提升0.16×109kg（7.2%）、灌溉水生產力提升0.62 kg/m3（36.9%）、氮肥利用效率提升18.97 kg/kg（74.7%），灌水量減少0.29×109m3（22.0%）、施氮量減少3.36×107kg（38.6%）。

表6 不同管理情景下河西走廊作物總產量、灌溉水生產力、氮肥利用效率和總水氮用量

3 討 論

提升作物產量與水氮利用效率是保障糧食安全與農業可持續發展的重要方法，尤其是水資源短缺、農業資源利用效率低、且肩負種子與糧食生產重任的河西走廊地區。針對河西走廊主要種植的作物：制種玉米、大田玉米和小麥，已有許多研究基于田間試驗[2-6]與站點模型模擬[7,37]探討3種作物產量與水氮利用效率協同提升的管理模型。本文在收集的田間試驗數據和模型模擬的基礎上，通過評估區域尺度不同作物的耗水量、吸氮量，考慮降雨和土壤含氮量的時空變異特征，為河西走廊制種玉米、大田玉米和小麥在區域上優化了水氮管理制度，根據作物需求精準控制水氮投入量，是保證作物產量、提升水氮利用效率的關鍵，降低水分滲漏與氮素淋失風險。

在區域尺度優化種植結構可以解決區域協調發展問題，是減少農業資源使用量、提升資源利用效率的重要途徑[38]。Tan等[39]基于多目標魯棒模糊優化法對河西走廊區域內的民勤縣小麥、玉米、棉花、向日葵、瓜類和蔬菜進行種植結構優化，實現了經濟效益和生態效益的顯著提升。彭致功等[13]對北京市大興區多種作物進行灌溉制度優化與種植結構優化，在不同總灌溉水量控制情況下可以提升農業發展閾值41%～61%，并確定了傳統農業與設施農業的合理發展閾值。本文將水氮管理與種植結構優化相結合，相比生產與管理現狀，優化后的制種玉米、大田玉米和小麥的種植總面積減少，可供其他作物種植或用于生態修復，并可以提升灌溉水生產力0.62 kg/m3、氮肥利用效率18.97 kg/kg，減少灌溉水量0.29×109m3、施氮量3.36×107kg，同時作物產量增加0.16×109kg。種植結構調整將重分配作物的種植區域與面積，擴大綜合效益高的區域、縮減效益低的區域，可以實現水氮管理優化方案下的產量與水氮利用效率的進一步提升。相比目前農戶與農場過量投入農業資源以追求高產的低效管理模式，本研究提出的水分和氮素精準管理、種植結構因地制宜是保障作物高產并減少水氮投入的關鍵，從而實現種子、糧食產糧與農業水氮利用效率的協同提升。

4 結 論

1）在維持河西走廊區域作物種植現狀情況下，綜合考慮土壤含氮量和作物生育期內降雨量對水氮管理制度進行優化，相比水氮管理現狀，可使制種玉米、大田玉米和小麥的單位面積灌水量分別減少22.1%～22.3%、9.1%～17.0%和22.9%～27.3%，單位面積施氮量分別減少32.2%～50.0%、37.5%～44.0%和26.6%～33.6%。

2）種植結構優化改變了作物的空間分布與種植面積，優化后河西走廊制種玉米和小麥的種植面積分別減少1 095.1 hm2和4 472.1 hm2，大田玉米種植面積增加692.4 hm2，總種植面積減少4 874.8 hm2。

3）僅實行優化的水氮管理制度可以使灌溉水生產力提升0.54 kg/m3、氮肥利用效率提升17.35 kg/kg、產量提升0.12×109kg，灌溉水量減少0.27×109m3、施氮量減少3.26×107kg；水氮管理與種植結構優化協同作用相比生產與管理現狀，可以使灌溉水生產力提升0.62 kg/m3、氮肥利用效率提升18.97 kg/kg、產量提升0.16×109kg，灌水量減少0.29×109m3、施氮量減少3.36×107kg。水氮管理與種植結構優化協同作用可以協同保障河西走廊制種玉米、大田玉米和小麥的生產，并為其他作物種植或生態修復提供可利用空間。

[1] Li S E, Kang S Z, Zhang L, et al. Ecosystem water use efficiency for a sparse vineyard in arid northwest China[J]. Agricultural Water Management, 2015, 148(148): 24-33.

[2] 周奇，王鳳新，趙妍，等. 西北旱區膜下滴灌的水氮管理及種植密度對制種玉米生長的影響[J]. 中國農學通報，2016，32(21)：166-173.

Zhou Qi, Wang Fengxin, Zhao Yan, et al. Influence of water and nitrogen management and planting density on seed maize growth under drip irrigation with mulch in arid region of northwest China[J]. Chinese Agricultural Science Bulletin, 2016, 32(21): 166-173. (in Chinese with English abstract)

[3] 趙建華. 河西綠洲灌區制種玉米種子生產的水氮效應[D]. 蘭州：甘肅農業大學，2016.

Zhao Jianhua. Effects of Irrigation and Nitrogen Fertilizer on Corn for Seed Production in Hexi corridor [D]. Lanzhou: Gansu Agricultural University, 2016. (in Chinese with English abstract)

[4] Ran H, Kang S Z, Li F S, et al. Responses of water productivity to irrigation and N supply for hybrid maize seed production in an arid region of Northwest China[J]. Journal of Arid Land, 2017, 9(4): 504-514.

[5] Xiao C, Zou H Y, Fan J L, et al. Optimizing irrigation amount and fertilization rate of drip-fertigated spring maize in northwest China based on multi-level fuzzy comprehensive evaluation model[J]. Agricultural Water Management, 2021, 257: 107157.

[6] Yang J, Mao X M, Wang K, et al. The coupled impact of plastic film mulching and deficit irrigation on soil water/heat transfer and water use efficiency of spring wheat in Northwest China[J]. Agricultural Water Management, 2018, 201: 232-245.

[7] Li J, Song J, Li M, et al. Optimization of irrigation scheduling for spring wheat based on simulation-optimization model under uncertainty[J]. Agricultural Water Management, 2018, 208: 245-260.

[8] 程誼，張金波，蔡祖聰. 氣候-土壤-作物之間氮形態契合在氮肥管理中的關鍵作用[J]. 土壤學報，2019，56(3)：507-515.

Cheng Yi, Zhang Jinbo, Cai Zucong. Key Role of matching of crop-specific N preference, soil N transformation and climate conditions in soil N nutrient management[J]. Acta Pedologica Sinica, 2019, 56(3): 507-515. (in Chinese with English abstract)

[9] 李睿環，郭萍. 黑河中游種植結構優化的雙層多目標規劃模型[J]. 中國科技論文，2017，12(7)：733-737.

Li Ruihuan, Guo Ping. Optimization of bi-level multi-objective planning model for cropping structures in the middle reaches of Heihe River basin[J]. China Sciencepaper, 2017, 12(7): 733-737. (in Chinese with English abstract)

[10] 王璐，杜雄，王榮，等. 基于NSGA-Ⅱ算法的白洋淀上游種植結構優化[J]. 中國生態農業學報，2021，29(8)：1370-1383.

Wang Lu, Du Xiong, Wang Rong, et al. Optimization of the planting structure in the upstream region of Baiyangdian Lake based on the non-dominated sorting genetic algorithm (NSGA-Ⅱ)[J]. Chinese Journal of Eco-Agriculture, 2021, 29(8): 1370-1383. (in Chinese with English abstract)

[11] 李彥彬，馬嘉彤，李道西，等. 改進粒子群算法在農業種植結構優化中的應用[J]. 灌溉排水學報，2022，41(1)：62-71.

Li Yanbin, Ma Jiatong, Li Daoxi, et al. An improved particle swarming optimization method to optimize cropping systems[J]. Journal of Irrigation and Drainage, 2022, 41(1): 62-71. (in Chinese with English abstract)

[12] Liu Q, Niu J, Wood J D, et al. Spatial optimization of cropping pattern in the upper-middle reaches of the Heihe River basin, Northwest China[J]. Agricultural Water Management, 2022, 264: 107479.

[13] 彭致功，張寶忠，劉鈺，等. 基于灌溉制度優化和種植結構調整的用水總量控制[J]. 農業工程學報，2018，34(3)：103-109.

Peng Zhigong, Zhang Baozhong, Liu Yu, et al. Constraint of total water consumption amount based on optimized irrigation schedule and planting structure ajustment[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(3): 103-109. (in Chinese with English abstract)

[14] Yang K, He J, Tang W J, et al. On downward shortwave and longwave radiations over high altitude regions: Observation and modeling in the Tibetan Plateau[J]. Agricultural and Forest Meteorology, 2010, 150(1): 38-46.

[15] Fischer G, Shah M, van Velthuizen H, et al. Global Agro-ecological Zones Assessment for Agriculture (GAEZ 2008)[M]. Rome, Italy: FAO, 2008

[16] Yu Q Y, You L Z, Wood-Sichra U, et al. A cultivated planet in 2010 – Part 2: The global gridded agricultural-production maps[J]. Earth System Science Data, 2020, 12(4): 3545-3572.

[17] Lin W Q, Chen H P. Daily snowfall events on the Eurasian continent: CMIP6 models evaluation and projection[J/OL]. International Journal of Climatology, 2022-03-24[2022-08-04]. https://doi.org/10.1002/joc.7618

[18] Buis S, Lecharpentier P, Vezy R. CroptimizR: A Package for Parameter Estimation, Uncertainty and Sensitivity Analysis for Crop Models (Version 0. 4. 0)[Z]. Avignon, France: National Research Institute for Agriculture, Food and Environment, 2021.

[19] Kang S Z, Hao X M, Du T S, et al. Improving agricultural water productivity to ensure food security in China under changing environment: From research to practice[J]. Agricultural Water Management, 2017, 179: 5-17.

[20] 宋子奕，魯程鵬，吳成城，等. 2009—2019年河西走廊地下水位時空分布及演變趨勢研判[J/OL]. 水資源保護，2022-05-20. [2022-09-18]. http: //kns. cnki. net/kcms/detail/32. 1356. TV. 20220519. 1709. 014. html

Song Ziyi, Lu Chengpeng, Wu Chengcheng, et al. Spatiotemporal distribution and evolution trend of groundwater level in Hexi Corridor from 2009 to 2019[J/OL]. Water Resources Protection, 2022-05-20. [2022-09-18]. http: //kns. cnki. net/kcms/detail/32. 1356. TV. 20220519. 1709. 014. html. (in Chinese with English abstract)

[21] Allen R G, Pereira L S, Raes D, et al. Crop Evaporation: Guidelines for Computing Crop Water Requirements[M]. Rome, Italy: FAO, 1998.

[22] 李波，景竹然，魏新光，等. 東北地區春玉米作物系數時空分布特征研究[J]. 農業機械學報，2020，51(4)：279-290.

Li Bo, Jing Zhuran, Wei Xinguang, et al. Spatial and temporal distribution characteristics of spring maize coefficients in northeast China[J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(4): 279-290. (in Chinese with English abstract)

[23] Jiang X L, Kang S Z, Tong L, et al. Crop coefficient and evapotranspiration of grain maize modified by planting density in an arid region of northwest China[J]. Agricultural Water Management, 2014, 142: 135-143.

[24] Priestley C H B, Taylor R J. On the assessment of surface heat flux and evaporation using large-scale parameters[J]. Monthly Weather Review, 1972, 100(2): 81-92.

[25] 顧賀. 甘肅農業灌溉水有效利用系數測算分析研究[J]. 甘肅科技，2015，31(24)：49-50.

[26] Liang H, Gao S J, Hu K L. Global sensitivity and uncertainty analysis of the dynamic simulation of crop N uptake by using various N dilution curve approaches[J]. European Journal of Agronomy, 2020, 116: 126044.

[27] 蔡甲冰，常宏芳，陳鶴，等. 基于不同有效積溫的玉米干物質累積量模擬[J]. 農業機械學報，2020，51(5)：263-271.

Cai Jiabing, Chang Hongfang, Chen He, et al. Simulation of maize dry matter accumulation in normalized logistic model with different effective accumulated temperatures in field[J]. Transactions of the Chinese Society for Agricultural Machinery. 2020, 51(5): 263-271. (in Chinese with English abstract)

[28] 閔迪，王增紅，李援農，等. 不同灌水和施氮水平對河西春玉米水氮利用效率和經濟效益的影響[J]. 干旱地區農業研究，2020，38(5)：153-160.

Min Di, Wang Zenghong, Li Yuannong, et al. Effects of different irrigation and nitrogen application levels on the yield and water and nitrogen use efficiency of spring maize[J]. Agricultural Research In the Arid Areas, 2020, 38(5): 153-160. (in Chinese with English abstract)

[29] 張忠學，劉明，齊智娟. 不同水氮管理模式對玉米地土壤氮素和肥料氮素的影響[J]. 農業機械學報，2020，51(2)：284-291.

Zhang Zhongxue, Liu Ming, Qi Zhijuan. Effects of different water and nitrogen managements on soil nitrogen and fertilizer nitrogen in maize field[J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(2): 284-291. (in Chinese with English abstract)

[30] Lalehzari R, Boroomand N S, Moazed H, et al. Multiobjective management of water allocation to sustainable irrigation planning and optimal cropping pattern[J]. Journal of Irrigation and Drainage Engineering, 2016, 142(1): 5015008.

[31] Wang Y F, Kang S Z, Li F S, et al. Modified water-nitrogen productivity function based on response of water sensitive index to nitrogen for hybrid maize under drip fertigation[J]. Agricultural Water Management, 2021, 245: 106566.

[32] 連彩云，馬忠明. 水肥用量對制種玉米水肥利用及種子活力的影響[J]. 干旱地區農業研究，2021，39(1)：128-135.

Lian Caiyun, Ma Zhongming. Rates of water and fertilizer on their use efficiency and seed vigor of seed maize[J]. Agricultural Research in the Arid Areas, 2021, 39(1): 128-135. (in Chinese with English abstract)

[33] 張鵬，張富倉，吳立峰，等. 不同灌水和施氮對河西綠洲春玉米生長、產量和水分利用的影響[J]. 干旱地區農業研究，2011，29(4)：137-143.

Zhang Peng, Zhang Fucang, Wu Lifeng, et al. Effect of different irrigation and nitrogen fertilizer on spring maize growth, yield and water use[J]. Agricultural Research in the Arid Areas, 2011, 29(4): 137-143. (in Chinese with English abstract)

[34] 何巧鳳. 疏勒河流域中下游地區農作物水足跡影響因素分析及預測[D]. 太原：山西師范大學，2021.

He Qiaofeng. Analysis of Influencing Factors and Prediction of Crop Water Footprint in the Middle and Lower Reaches of the Shule River Basin[D]. Taiyuan: Shanxi Normal University, 2021. (in Chinese with English abstract)

[35] 吳立峰，張富倉，張鵬，等. 灌水和施氮對甘肅河西綠洲春小麥生長及產量的影響[J]. 西北農林科技大學學報（自然科學版），2011，39(7)：55-63.

Wu Lifeng, Zhang Fucang, Zhang Peng, et al. Effect of irrigation and nitrogen fertilizer on growth and yield of spring wheat in Hexi oasis of Gansu[J]. Journal of Northwest A & F University (Natural Science Edition), 2011, 39(7): 55-63. (in Chinese with English abstract)

[36] 彭鋒. 玉門市綠洲平原生態區小麥測土配方施肥試驗[J]. 甘肅農業科技，2016(2)：33-35.

[37] Chen S C, Wang S F, Shukla M K, et al. Delineation of management zones and optimization of irrigation scheduling to improve irrigation water productivity and revenue in a farmland of Northwest China[J]. Precision Agriculture, 2020, 21(3): 655-677.

[38] 吳炳方，曾紅偉，陳曦. 基于空間認知的“絲綢之路經濟帶”耕地利用模式[J]. 中國科學院院刊，2016，31(5)：542-549.

Wu Bingfang, Zeng Hongwei, Chen Xi. Spatial cognition on cultivated land utilization pattern of the silk road economic belt[J]. Bulletin of the Chinese Academy of Sciences, 2016, 31(5): 542-549. (in Chinese with English abstract)

[39] Tan Q, Zhang S, Li R. Optimal Use of Agricultural Water and Land Resources through Reconfiguring Crop Planting Structure under Socioeconomic and Ecological Objectives[J]. Water, 2017, 9(7): 488.

Achieving high-yield and high-efficient management strategy based on optimized irrigation and nitrogen fertilization management and planting structure

Chen Shichao, Liu Wenfeng, Du Taisheng※

(1.,,100083,; 2.,733000,)

The Hexi Corridor is an important production base of maize seed and commodity grain in China. The ample sunshine and temperature greatly contribute to crop production in sustainable agriculture. However, the shortage of water resources has posed a serious threat to the efficiency of resource utilization. An adaption strategy can be expected to promote crop yield and resource use efficiency in changing environments, including the optimization of management measures and the adjustment of planting structure. Taking the seed maize, field maize, and wheat as the research objects, this study aimed to optimize the irrigation and nitrogen fertilization in the crop planting structure, in order to comprehensively improve the crop yield, irrigation Water Productivity (WPI), and Nitrogen Use Efficiency (NUE). An Agricultural Production Systems sIMulator (APSIM) model was also calibrated to evaluate the optimization using the simulations. The field experimental data was collected from the different stations over several years. The profile of seed maize was established for the crop type. The key parameters of field maize and wheat were calibrated in the APSIM. There was the high accuracy of calibrated APSIM model (0.80 <2< 0.85, 11.0% < normalized Root Mean Square Error (nRMSE) < 15.6%), indicating the better applicability of APSIM simulation for the seed maize, field maize, and wheat. The optimization module of irrigation was taken the single crop coefficient as the key component, considering the precipitation during the crop growth period. The optimization module of nitrogen fertilization selected the crop nitrogen concentration and biomass accumulation curve as the important components, in order to jointly constitute the irrigation nitrogen application for the optimization framework. The optimal inputs of irrigation water and nitrogen fertilization were reduced evidently. The irrigation water amount of seed maize, field maize, and wheat was saved by 22.1%-22.3%, 9.1%-17.0%, and 22.9%-27.3%, respectively, and the nitrogen application amount was saved by 32.2%-50.0%, 37.5%-44.0%, and 26.6%-33.6%, respectively, compared with the present. The objective functions included the maximum crop yield, WPI, and NUE in the optimization of crop planting structure. The boundary constraints included the total crop planting area, crop yield demand, as well as irrigation water and nitrogen fertilization input. The planting areas of seed maize and wheat after optimization were reduced by 1 095.1 and 4 472.1 hm2, respectively. By contrast, the planting area of field maize increased by 692.4 hm2. The total planting area was reduced by 4 874.8 hm2. There was a significant difference in the spatial distribution of crop planting after optimization. The total crop production, WPI, and NUE increased by 0.12×109kg, 0.54 kg/m3, and 17.35 kg/kg, respectively, whereas, the irrigation water and nitrogen fertilization inputs decreased by 0.27×109m3and 3.26×107kg, respectively, under the optimization of the irrigation and nitrogen fertilization. After the optimization of irrigation, nitrogen fertilization, and the crop planting structure, the total crop production, WPI, and NUE increased by 0.16×109kg, 0.62 kg/m3, and 18.97 kg/kg, respectively, whereas, the irrigation water and nitrogen fertilization inputs decreased by 0.29×109m3and 3.36×107kg, respectively. The finding can provide scientific guidance and reference for the high-efficient and high-yield crop production in sustainable agriculture in areas with the major grain-producing and water shortages.

crop; irrigation; optimization; planting structure; irrigation and nitrogen fertilization management; irrigation water productivity; nitrogen use efficiency

10.11975/j.issn.1002-6819.2022.16.016

S274

A

1002-6819(2022)-16-0144-09

陳世超，劉文豐，杜太生. 基于水氮管理與種植結構優化的作物豐產高效管理策略[J]. 農業工程學報，2022，38(16)：144-152.doi：10.11975/j.issn.1002-6819.2022.16.016 http://www.tcsae.org

Chen Shichao, Liu Wenfeng, Du Taisheng. Achieving high-yield and high-efficient management strategy based on optimized irrigation and nitrogen fertilization management and planting structure[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(16): 144-152. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.16.016 http://www.tcsae.org

2022-07-04

2022-08-14

國家自然科學基金項目（51725904、51861125103、52109071）

陳世超，博士后，研究方向為節水灌溉理論與新技術。Email：chenshichaocsc@cau.edu.cn

杜太生，博士，教授，研究方向為農業節水與水資源高效利用。Email：dutaisheng@cau.edu.cn