華北平原不同種植模式作物耗水監測與特點分析

蔣柯南, 龔道枝,2,3, 李曉婕,2,3, 毛麗麗,2,3, 韓衛華, 趙瑞平, 陳 佩

(1.中國農業科學院 農業環境與可持續發展研究所, 北京 100081; 2.作物高效用水與抗災減損國家工程實驗室, 北京 100081; 3.農業農村部旱作節水農業重點實驗室, 北京 100081)

1 研究背景

華北平原具有世界上最大的地下水漏斗群[1]。20世紀80年代至2014年華北平原西部淺層地下水水位下降了20～60 m[2](2015年數據),2018年地下水累計超采1 400×108m3[3],2021年末淺層地下水埋深為16.18 m,深層地下水埋深為46.38 m(河北省平原區數據),寧柏隆淺層地下水漏斗深達40.51 m,廊坊市文安縣深層地下水漏斗深達97.54 m[4]。近幾年華北平原地下水水位有回升趨勢,但是地下水埋深過大造成的生態環境破壞和對糧食生產產生的可持續性影響仍需加以重視。華北平原地下水超采的主要原因是農業集約度較高[5],高耗水的冬小麥-夏玉米一年兩熟的種植模式被大面積采用,該種植模式下年均水分虧空達200 mm,造成當地灌溉需要依賴于開采地下水以滿足作物生長需要,不利于農業可持續發展。

為了維護國家糧食安全,需要在穩定糧食生產和經濟效益的基礎上適度壓縮地下水的開采。針對不同類型農業生產的具體耗水量,目前已有多方面的調查研究:張雅芳等[6]基于MODIS NDVI數據和遙感影像分析了華北平原種植結構變化,發現2002—2012年河北省冬小麥-夏玉米的種植面積減少了43.18×104hm2,認為種植規模的減小是當地作物總需水量降低的主要原因;Zhang等[7]通過研究指出,梨樹的耗水量高于玉米和小麥,華北平原的果樹種植面積不應再持續增加。因此適度壓縮高耗水作物如冬小麥、水果、蔬菜[8-9]等的種植強度以及縮減種植面積、調整作物熟制和采取替代種植模式等,均為壓采地下水潛在的有效措施。

在不改變作物種類的情況下提高用水效率,需要改變作物生長時段以調整資源分配和效益成本比例。周寶元等[10]研究發現晚播小麥和晚收玉米的雙晚模式能夠降低冬小麥的需水量,該模式雖然會降低冬小麥產量,但是夏玉米產量會得到顯著提升,且玉米便于收獲和儲存,周年水分利用效率得到提高。陳素英等[11]研究了雨養條件下不同熟制的小麥-玉米模式的產量、耗水量與效益,發現春玉米一年一熟制與冬小麥-夏玉米模式的經濟效益相近,而前者耗水量僅為后者的66.1%。郭步慶等[12]的研究結果表明,四年三熟春玉米均不使用地下水灌溉,且單季產量較高;春玉米與小麥-玉米模式的輪作產量僅降低了19%,但是小麥/玉米-春玉米兩年三熟制除了會使產量減少外,還會造成休閑期無效耗水量的增加[13]。因此,在穩定產量和效益、在正確的時間使用適量的地下水以及評估農業對地下水的影響程度以保持地下水可持續開采是調整種植模式的核心思路。

在多種替代種植模式研究方面,目前的主要結論是:小麥-玉米一年兩熟制有較高的經濟收益但會消耗大量的水資源儲量,在該種植模式中使用經濟作物替換糧食作物,可以在經濟損失較小的基礎上減少對地下水的開采[14-15]。孫宏勇等[16]研究認為,棉花-冬小麥-夏玉米兩年三熟種植模式比冬小麥-夏玉米種植模式的經濟效益高,并且對地下水的影響更小。大量研究也表明,多種作物交替種植可以使不同作物對水分的時空利用產生互補效應,從而減少地下水的消耗并提高土壤含水量[17-18]。替代種植模式中糧食作物的產量也高于其在傳統種植模式中的產量[19]。Yang等[20]通過對欒城區6種灌溉作物歷時11年的觀測實驗并結合模擬結果,論證了替代種植模式緩解地下水超采的可行性。但替代種植模式因涉及的作物品種多,生長情況復雜,需要改變一定的種植技術和田間管理方式以及考慮作物產量、存儲和運輸等經濟因素,因此仍需要綜合比較和評價替代種植模式的經濟效益、糧食產量和用水效率,以篩選出既能達到適水種植,又適宜當地經濟社會需求的種植模式。

上述研究結果為華北平原調整種植模式、節約農業水資源奠定了理論基礎,但是目前仍較缺乏對于改變冬小麥前茬作物的種植模式如何影響作物耗水、產量和水分利用效率以及環境因素對其影響等方面的研究。針對這一問題,本文的研究內容為:(1)利用大型稱重式蒸滲儀比較冬小麥-夏玉米、冬小麥-夏大豆和冬小麥-夏休閑3種種植模式下實際蒸散量的變化規律及其差異;(2)采用蒸散量與氣象因子、葉面積指數的關系曲線和估算公式以及FAO-56雙作物系數法,量化比較不同種植模式對環境變化的響應特征;(3)直接測定并分析不同種植模式下作物周年的水量平衡組分和地下水采補量;(4)對比分析3種種植模式的產量、產值和水分利用效率。通過以上研究,將為華北平原尋找并推廣替代種植模式、優化生產布局、減少地下水消耗、加強復雜種植模式應對氣象因子變化的管理水平提供理論參考和數據支撐。

2 材料與方法

2.1 試驗站概況

試驗在北京市順義區大孫各莊鎮國家農業環境順義觀測實驗站進行(地理位置N40°05′、E116°55′,海拔20 m)。該基地位于華北平原北部,氣候為典型的溫暖帶半濕潤大陸性季風氣候,冬季受蒙古高壓控制,寒冷干燥;夏季受東南季風的影響,炎熱多雨。年日照時數為2 684 h,年均氣溫為12.5 ℃,年均空氣相對濕度為50%,年均降水量為623.5 mm。土壤類型為褐土,質地為粉質黏壤土,耕層全氮含量為0.109%,有機質含量為14.4 g/kg,速效磷、速效鉀含量分別為24.5、106 mg/kg,pH為7.7。

2.2 試驗處理和儀器布置

試驗設置3種種植模式,分別為冬小麥-夏玉米(winter wheat-summer maize, WWSM)、冬小麥-夏大豆(winter wheat-summer soybean, WWSS)、冬小麥-夏休閑(winter wheat-summer fallow, WWSF)。試驗中冬小麥品種為“中麥886”,夏玉米品種為“聯創808”,夏大豆品種為“中黃13”。試驗地種植面積為300 m2,2021年10月24日每個處理均播種冬小麥,其前茬作物分別為夏玉米、夏大豆、夏休閑。2022年6月冬小麥收獲測產,再播種玉米、大豆,并進行一個休閑處理,于2022年10月將夏玉米和夏大豆收獲測產。按照當地管理措施進行灌溉和施肥:夏季作物均為雨養、冬小麥灌溉四水,分別是出苗水240 m3/hm2、返青水600 m3/hm2、拔節水600 m3/hm2和灌漿水640 m3/hm2;每種作物均施底肥復合肥600 kg/hm2、追肥450 kg/hm2。在各作物生長期內記錄作物生理指標。每種種植模式在偏北部配置一臺大型稱重式蒸滲儀(BSI-ZSY2021,西安碧水新環境技術有限公司),呈東西走向排列,蒸滲儀周圍種植相同作物并保持相同的農作措施以減少蒸滲儀內外環境差異。

2.3 數據測定

2.3.1 氣象資料 試驗站氣象因子由HOBO自動氣象站(Onset Computer Corp., USA)測定,包括降水量、風速、2 m高度處氣溫、2 m高度處相對濕度、凈輻射、大氣壓和2 m高度處飽和水汽壓差。利用FAO-56中推薦的Penman-Monteith(PM)公式計算參考作物蒸散量ET0,表達式如下:

(1)

式中:ET0為參考作物蒸散量,mm/d;Rn為凈輻射,W/m2;G為土壤熱通量,W/m2;T為2 m高度處平均氣溫,℃;u2為2 m高度處風速,m/s;VPD為水汽壓差,kPa;Δ為飽和水氣壓-溫度曲線斜率,kPa/℃;γ為濕度計常數,kPa/℃。

2021年10月—2022年10月試驗站的氣象因子和ET0隨時間的變化過程如圖1所示,當地夏季凈輻射較強、氣溫較高、降雨主要集中在6—8月,冬季寒冷多風,空氣濕度全年變幅較大。在氣象因子綜合影響下,ET0冬季低且穩定,7月達到峰值(圖1)。

圖1 2021年10月—2022年10月試驗站氣象因子和ET0隨時間變化過程

2.3.2 蒸散量和滲漏量監測 實際日蒸散量ETc由大型稱重式蒸滲儀測定。蒸滲儀規格為2.0 m×2.0 m×2.3 m,主要結構件有土箱、稱重杠桿系統和自動控制部分,自動控制部分包括5TE傳感器、土壤溶液提取裝置、翻斗式滲漏量測量系統、排水系統以及數據處理中心。土壤水分日滲漏量由翻斗式滲漏量測量系統記錄土體滲出水分得到。蒸滲儀每0.5 h測量一次數據,實時記錄的數據以Excel表格的形式保存在工控機內。

2.3.3 作物生長和產量指標觀測 每10～15 d記錄1次各作物的葉面積指數(leaf area index,LAI)和株高。冬小麥由于分蘗較多、植株密度大,選取40個莖稈測量葉面積和株高,并選取1 m長的小麥行6行測定其莖稈數,計算出平均植株莖稈密度。單葉面積采用卷尺測量有效長度和寬度乘以葉形系數獲得,累加所有葉片計算植株總葉面積,再根據植株莖稈密度計算LAI。夏玉米、夏大豆分別選取5個植株,用同樣的方法計算植株總葉面積,再根據種植密度計算每個處理的LAI。根據作物植株生長狀況記錄生育期。作物收獲時考種記產,并匯總整個試驗周期的農作開支與預計產值,得到種植模式的經濟效益。

2.4 作物蒸散模型參數確定及估算

2.4.1 作物蒸散數據的分組及與氣象因子的關系 將凈輻射、氣溫、水汽壓差等氣象因子和葉面積指數對蒸散的作用效應相乘估算作物蒸散量。計算公式如下:

ETs=f(Rn)f(T)f(VPD)(LAIactive+k5)

(2)

式中:ETs為作物蒸散量的估計值,mm/d;Rn為凈輻射,W/m2;T為氣溫,℃;VPD為水汽壓差,kPa;LAIactive為有效葉面積指數,m2/m2;k5為對于避免葉面積指數為零的調整參數,m2/m2。

用于比較ET與氣象因子關系的子模型如下:

f(Rn)=k1ek2Rn

(3)

f(T)=1-k3(25-T)2

(4)

f(VPD)=1-k4·VPD

(5)

(6)

式中:k1、k2、k3、k4為經驗系數,為使大多數氣溫和水氣壓條件下子模型都為正數,限制k3取值范圍為0～8.16×10-4,k4取值范圍為0～0.29。

為驗證作物蒸散與單獨氣象因子的關系,使用公式(2)中的子模型來擬合實際蒸散與該氣象因子的關系,為減少環境因子的交互效應,需要控制其他因子不變或變化較小,使需要觀察規律的因子為正常范圍。

采用MATLAB 中自組織映射(self-organizing map, SOM)神經網絡聚類工具箱將具有相似氣象因子和葉面積指數的日測量數據點分為兩類,表現為低蒸散型數據點和高蒸散型數據點兩類。葉面積指數是作物發育中具有標志性的參數之一,當探究某一個氣象因子與蒸散的關系時,SOM神經網絡的輸入參數為除該因子外的其他氣象因子與LAI的組合。由于模型對初值敏感,使用MATLAB Sheffield遺傳算法工具箱結合多次邊界初步確定初值,之后根據參數物理意義確定其取值范圍,再使用MATLAB fmincon尋優函數計算最終參數值。

對于非線性模型,因其不便于檢驗回歸顯著性,故而將公式(2)兩邊取對數,轉換成4因子的廣義線性模型,再計算F分布以檢驗其回歸顯著性。

2.4.2 雙作物系數的確定及作物蒸散量估算 根據FAO-56中推薦的PM公式雙作物系數法估算不同種植模式的蒸散量。雙作物系數法將作物系數分為基礎作物系數Kcb和土壤蒸發系數Ke兩部分,再與參考作物蒸散量ET0相乘得到作物蒸散估計值,使用如下公式計算[21]:

ETc=(Ks·Kcb+Ke)·ET0

(7)

式中:ETc為實際作物蒸散量,mm;Kcb為基礎作物系數;Ks為水分脅迫系數;Ke為土壤蒸發系數。

基礎作物系數Kcb根據FAO-56推薦值,按照作物不同生長期分段選取;水分脅迫系數Ks根據土壤含水量計算得出;土壤蒸發系數Ke通過水量平衡逐日遞推計算。選取均方根誤差(root mean square error,RMSE)、平均絕對誤差(mean absolute error,MAE)和納什效率系數(Nash-Sutcliffe efficiency coefficient,NSE)[22]來比較雙作物系數法估算的ET與實際作物蒸散量ETc之間的差異。

2.5 不同水分利用效率指標計算

本文使用水分利用效率(water use efficiency,WUE)表示單位耗水量生產的生物學產量,計算公式為:

(8)

式中:WUE為不同種植模式下作物的水分利用效率,kg/m3;Y為不同種植模式下作物的干物質或者籽粒產量,kg/hm2。

第三象限包括“9”、“15”、“16”、“20”、“21”、“22”和“23”共7個感知指標。游客對這7個指標的評價同時低于重要性和滿意度的得分總體均值，暫時對游客來說不那么重要，所以滿意度和期望值都不高。青秀山可將細節設計、裝潢環境作為次要改善項目，在相關需求上升時再適當調整供給。

經濟水分利用效率(economic water use efficiency,EWUE)表示單位耗水量產生的經濟利潤,計算公式為[23]:

(9)

式中:EWUE為各作物的總經濟水分利用效率,元/m3;E為作物的總經濟利潤,元/hm2,農產品價格參考《中國農產品價格調查年鑒》(2017版)數據。

3 結果與分析

3.1 不同種植模式作物實測蒸散與氣象因子的關系

SOM神經網絡聚類將數據點分為兩類后,冬季作物和夏季作物ET與單氣象因子的關系分別如圖2和圖3所示。

圖2 不同種植模式冬季作物實測蒸散量ET數據點的聚類及其與氣象因子的關系

圖3 夏季作物實測蒸散量ET數據點的聚類及其與氣象因子的關系

數據點的聚類結果大致表現出低ET氣象狀況和高ET氣象狀況兩大類,代表了相近的氣象狀況和LAI發育階段的兩種組合方式。由圖2、3可見,冬季作物蒸散數據分組中低ET部分與高ET部分均可與Rn和T分別呈較好的指數和二次函數擬合關系,而ET與VPD的關系中,兩組數據趨勢線比較接近,說明VPD對冬季作物蒸散的影響較為均勻,較少受到其他氣象因子的交互作用影響。

以上結果表明,冬季作物與不同氣象因子的關系不同,可以與Rn選用指數函數關系進行非線性尋優、與T選用二次函數回歸、與VPD選用一次函數回歸。夏季作物蒸散數據分組中低ET數據點較少,且與高ET數據點混合更為均勻,說明夏季作物蒸散受氣象因子和LAI的交互作用影響較大,難以區分。盡管如此,夏季作物ET對氣象因子變化的響應與冬季作物較為一致,與Rn、T和VPD的關系均可分別用指數函數、二次函數和線性函數表征。

將實測ET值與氣象因子和有效葉面積指數進行非線性擬合的結果如表1所示。由于非線性模型不便于直接進行回歸顯著性檢驗,因此將公式兩邊取對數,轉換成4因子的廣義線性模型再計算F分布并比較其顯著性。

表1 實測蒸散量與氣象因子和有效葉面積指數的函數關系擬合結果

由表1可看出,除夏休閑種植模式外各作物非線性擬合優度均較好,回歸方程總體顯著,冬季作物擬合顯著性優于夏季作物。3種種植模式的冬小麥各項擬合系數相近,夏季作物擬合系數差異較大。T和VPD的系數(k3和k4)較小,其變化對蒸散的影響也較小。

3.2 不同種植模式雙作物系數法ET估算值與實測值的對比

圖4 FAO-56雙作物系數法估算的作物蒸散量與實測蒸散量對比

實測作物ET表明,3種種植模式的冬小麥最高日蒸散量均出現在4月下旬,夏季作物夏玉米和夏大豆的實測ET大致呈現單峰變化,夏休閑土壤蒸發前期較為穩定,9月初土壤蒸發速率開始下降。

雙作物系數法對冬小麥ET的估算精度高于夏季作物,夏休閑模式ET的估計值與實測值偏差最大。但在冬小麥越冬前和越冬后初期以及夏大豆前期,ET估計值略高于蒸滲儀實測值,這可能與雙作物系數法對于作物生育前期地面覆蓋度較低時的概化不準確有關。

3.3 不同種植模式水量平衡比較

不同種植模式下水量平衡的各分量及凈地下水消耗量(net consumption of groundwater,Cn)的測量結果如表2～4所示。2021—2022年冬小麥季和夏玉米季降水量分別為48.4和357.3 mm,冬小麥按照當地實際管理措施灌溉量為208 mm。表2～4中測量結果表明,蒸散量最高的是冬小麥-夏玉米種植模式,為980.77 mm,其次是冬小麥-夏大豆和冬小麥-夏休閑種植模式,分別為888.95和639.66 mm。周年滲漏量最多的是冬小麥-夏休閑種植模式,為153.24 mm;其次是冬小麥-夏大豆種植模式,為74.22 mm,且滲漏量全部產生于夏大豆生育初期和發育期;冬小麥-夏玉米種植模式滲漏量最少,僅為10.48 mm。周年土壤儲水變化量最大的是冬小麥-夏玉米種植模式,土壤儲水量減少了377.55 mm,其次是冬小麥-夏大豆和冬小麥-夏休閑種植模式。只有夏休閑時單季土壤儲水量增加了48.19 mm,其余種植模式的單季作物均消耗土壤水。冬小麥-夏玉米種植模式的凈地下水消耗量最大,為197.52 mm,其次是冬小麥-夏大豆種植模式,為133.78 mm,冬小麥-夏休閑種植模式凈地下水消耗最小,為54.76 mm,比冬小麥-夏玉米種植模式低72.28%。

表2 冬小麥-夏玉米種植模式各作物不同生育期水量平衡及凈地下水消耗量 mm

表3 冬小麥-夏大豆種植模式各作物不同生育期水量平衡及凈地下水消耗量 mm

表4 冬小麥-夏休閑種植模式冬小麥不同生育期和休閑期水量平衡及凈地下水消耗量 mm

3.4 不同種植模式的產量、產值和水分利用效率

試驗種植周期內不同種植模式下各作物產量、產值和水分利用效率統計見表5。由表5可見,在2021年10月24日至2022年10月8日的完整種植周期內,夏玉米產量最高,為11 969.70 kg/hm2,冬小麥-夏玉米、冬小麥-夏大豆、冬小麥-夏休閑3種種植模式的總產值分別為19 943.29、13 493.06、2 363.43 元/hm2;冬小麥-夏玉米種植模式的水分利用效率WUE最大,為1.92 kg/m3,冬小麥-夏大豆和冬小麥-夏休閑種植模式的WUE接近,分別為1.01和1.00 kg/m3;冬小麥-夏玉米種植模式的經濟水分利用效率EWUE最高,達到2.03 元/m3,冬小麥-夏大豆種植模式的經濟水分利用效率為1.52元/m3,冬小麥-夏休閑種植模式的經濟水分利用效率最低,為0.37 元/m3。

表5 試驗種植周期不同種植模式下作物的產量、產值和水分利用效率

4 討 論

本文蒸散量ET與氣象因子關系的擬合結果表明,ET與凈輻射Rn的關系可以用指數函數表示、與氣溫T的關系可以用二次函數表示、與水汽壓差VPD的關系可以用一次函數表示,該結果與張永久等[24]的研究結論類似。ET值采用蒸滲儀的測量和FAO-56雙作物系數法估算各有優缺點,蒸滲儀切斷了土壤水的上升與側向補充,占地面積小代表性不強,但是蒸滲儀測定ET值屬于直接測量,具有精度高的優點;FAO-56雙作物系數法在土壤蒸發、植物覆蓋等假設上還有不足,在作物生長前期估算精度較低[25],但是FAO-56雙作物系數法屬于半機理模型,包含大量的物理參數,可以用于衡量作物的蒸散特點和環境的響應。

夏初為地下水補充最快的時期,該時段玉米冠層發育快于大豆,耗水量也較大,雨季滲水較少,因此在玉米生育期中期土壤儲水量的消耗少于大豆。玉米生長與降雨較高的耦合程度是冬小麥-夏玉米種植模式產量最高的原因。

華北平原承擔著國家糧食生產重任,冬小麥-夏玉米種植是華北平原的主要農業生產模式,其高產量和高經濟水分利用效率使其具有經濟上的優勢和糧食生產上的必要性。但華北平原地表水缺乏,地下水的開發和利用也到達極限,該種植模式接近200 mm/a的凈地下水消耗不利于地下水的穩定與生態安全。與之相比,冬小麥-夏大豆種植模式和冬小麥-夏休閑種植模式分別比冬小麥-夏玉米種植模式地下水凈消耗低32.27%和72.28%,其中冬小麥-夏休閑凈地下水消耗最低,可以作為局部緩解地下水超采的種植模式之一。

本文研究結果表明,FAO-56雙作物系數法和非線性擬合方法可以較好地估算不同種植模式下作物的蒸散量,可以將單獨或組合的氣象、LAI數據用于不同種植模式作物耗水研究與實際應用中的估算;在地下水超采嚴重的地區可以考慮使用冬小麥-夏休閑種植模式以緩解地下水的開采,減少地下水漏斗帶來的不良影響;在地下水相對豐富或者有其他地表水水源的區域采用冬小麥-夏玉米種植模式或者冬小麥-夏大豆種植模式,可以穩定糧食產量和經濟收入,維護糧食安全。因此需要在合理的區域種植模式配置下,使華北平原地下水達到總體平衡。

5 結 論

本研究針對華北平原地區,利用大型稱重式蒸滲儀和FAO-56雙作物系數法比較了3種不同作物種植模式的耗水、對地下水消耗的影響極其水分利用效率,得到以下結論:

(1)作物蒸散量ET與Rn、T和VPD分別呈指數函數、二次函數和一次函數關系,并且通過SOM神經網絡將LAI和氣象因子聚類分組后可以更好地對ET與氣象因子的關系進行表征,不同種植模式下基于ET與氣象因子的關系相乘的非線性估算公式有較好的擬合效果,為華北平原不同種植模式作物耗水估計與規劃提供了新的思路。

(2)以蒸滲儀實測ET作參照,FAO-56雙作物系數法能較準確地估算ET,除休閑期外NSE均大于0.75,RMSE介于0.95～1.62 mm/d之間,表明FAO-56雙作物系數法可以較好地用于當地的作物耗水量估算。

(3)3種種植模式中,冬小麥-夏玉米種植模式的蒸散量最高,為980.77 mm,其次為冬小麥-夏大豆和冬小麥-夏休閑種植模式。冬小麥-夏玉米種植模式的凈地下水消耗量最大,為197.52 mm,其次為夏大豆-冬小麥(133.78 mm)、夏休閑-冬小麥(54.76 mm),可以根據區域地下水消耗程度,選擇合適的恢復性種植模式。

(4)夏玉米-冬小麥種植模式的WUE和EWUE最高,分別為1.92 kg/m3和2.03元/m3。雖然冬小麥-夏休閑模式比冬小麥-夏大豆模式的EWUE低,但兩種種植模式的WUE相當,可以考慮在地下水超采嚴重的地區使用冬小麥-夏休閑種植模式以緩解地下水的開采。