未来气候情景下黄淮海平原不同灌溉制度的产量补偿效应模拟*

秦晓晨，周广胜，居 辉**，李翔翔，刘 勤



未来气候情景下黄淮海平原不同灌溉制度的产量补偿效应模拟*

秦晓晨1，周广胜2，居 辉1**，李翔翔3，刘 勤1

（1．中国农业科学院农业环境与可持续发展研究所，北京 100081；2．中国气象科学研究院，北京 100081；3．江西省农业气象中心，南昌 330046）

利用黄淮海平原典型农业气象站点生育期和产量资料对CERES-Wheat模型遗传参数进行调试，结合HadGEM2-ES气候模式在RCP8.5（辐射强迫上升至8.5W·m−2的典型浓度目标）情景下的预估结果，模拟分析未来不同时段（近期：2010-2039年、中期：2040-2069年、远期：2070-2099年）雨养条件下冬小麦的减产率（与潜在产量相比），并比较不同灌溉制度下冬小麦减产率与雨养条件下减产率的差值即灌溉制度的产量补偿效应。结果表明，经参数调试后的CERES-Wheat模型能较为准确地模拟冬小麦生长发育过程。与潜在产量相比，雨养条件对冬小麦造成的减产率在未来近、中、远期分别为47.3%、53.5%和50.9%，黄淮海平原北部Ⅰ-Ⅳ区的潜在减产率高于区域平均水平，而南部Ⅵ区的减产率仅为7.4%（近期）、12.8%（中期）和9.7%（远期）。多种灌溉策略模拟结果表明，不同生育期灌溉对冬小麦产量的补偿效应（指减产率的减少量）差异较大，北部亚区的补偿效应高于南部亚区。拔节水的补偿效应最强，对未来不同时段冬小麦产量的补偿效应为16.3～18.6个百分点；灌浆水次之，补偿效应为5.1～6.1个百分点；而越冬水补偿效应仅为0.4～0.6个百分点。两水灌溉条件下，拔节水+灌浆水的补偿效应为23.6～25.1个百分点，能够挽回雨养损失的50%左右。因此，在未来水分亏缺加剧的背景下，应注重保障拔节期的需水，灌两水情况下重点保障拔节和灌浆阶段需水。

冬小麦；灌溉制度；补偿效应；CERES-Wheat模型；黄淮海平原

气候变化背景下冬小麦生育期内水资源变化特征是中国北方地区农业节水的研究热点[1]，目前关于作物生育期内降水量、作物需水量、降水盈亏量的气候变化特征及其影响因素的研究成果较多[2-4]，揭示了北方地区暖干趋势的事实[5]。在暖干化背景下，制定适宜的灌溉策略，合理分配不同生育阶段的灌溉量，实现高产与节水的协同是破解水资源短缺的关键途径[1,6]。因此，研究未来情景下不同灌溉策略对冬小麦产量的影响对适应气候变化具有重要意义。

目前，国内外学者主要利用大田水分控制试验和作物机理模型试验等方法来研究冬小麦需耗水特征与产量的作用[7]。田间控制试验以生育期为划分，采用非充分灌溉的方式，通过对比不同灌溉方式下作物产量和水分利用效率的高低，提出在现状降水背景下的最适灌溉方式[8-10]。Geerts等[11]指出，非充分灌溉方式制定的关键在于找出作物对水分的敏感期和敏感期顺序，把有限水量灌到最关键期才能有效提高水分亏缺地区粮食生产的经济效益。很多学者通过作物水分敏感性试验提出了相应作物的最适灌溉方案[12]。这种方法的优点是结论准确可靠，但对温度和降水等环境条件发生变化情况下的长期试验非常困难，因此，研究未来气候情景下不同灌溉措施的比较存在很大的局限性[7]。

近年来，利用作物模型进行数值模拟和预测成为研究作物对气候变化的响应及适应技术评价的有效途径[13-18]。作物模型在给定气象、土壤和品种参数后，能够定量输出作物各个阶段的生理生态指标，并对主要田间管理措施实行较为准确的模拟[19-21]，因此，特别适用于未来气候情景下冬小麦灌溉方式的研究。CERES系列模型是目前应用最为广泛的作物模型之一，其适用性在许多国家和地区都得到验证。徐建文等[17,22]利用CERES-Wheat模型探讨了黄淮海平原1980-2010年冬小麦干旱对产量变化的作用，指出冬小麦拔节-抽穗期干旱影响最重。成林等[23]利用CERES-Wheat模型分不灌水、灌一水、二水、三水处理，模拟非充分灌溉对冬小麦水分利用的影响。这些研究对识别冬小麦水分敏感时期以及制定基于现状降水条件下的最优灌溉组合具有重要意义。但随着未来气温持续升高和冬小麦生育期降水格局的变化，未来降水背景下不同灌溉处理对冬小麦影响的差异如何尚不明确。

以CERES-Wheat作物模型为研究工具，利用农业气象站点的生育期和产量资料对模型参数进行本地化的基础上，将HadGEM2-ES模式驱动下的RCP8.5气候预估情景数据输入作物模型，建立网格分辨率为0.5°×0.5°的区域模拟模型，分析不同灌水频率对黄淮海平原冬小麦产量的影响和补偿效应，以期为区域农业适应气候变化提供参考。

1 资料与方法

1.1 研究区概况

黄淮海平原位于燕山以南、淮河以北(112°33′-120°17′E，31°14′-40°25′N)，属半湿润地区，年降水量和潜在蒸散量分别为500～800mm和1000mm左右[24]，但降雨主要集中在夏季，在冬小麦生育期内降水亏缺[4]。据统计，该区域年降水量仅能满足冬小麦-夏玉米生产体系的65%左右，而冬小麦生长季水分亏缺达60%～75%[1]。参考中国农作制[25]对黄淮海平原的区划模式，将研究区域划分为6个农业亚区：Ⅰ区为燕山太行山山前平原水浇地二熟区；Ⅱ区为环渤海滨海外向型二熟农渔区；Ⅲ区为海河低平原缺水水浇地二熟兼旱地一熟区；Ⅳ区为鲁西平原水浇地二熟兼一熟区；Ⅴ区为黄淮平原南阳盆地水浇地旱地二熟区；Ⅵ区为江淮平原麦稻二熟区，如图1。

1.2 资料来源

农业气象站的气象观测数据来自于中国气象数据网，包括降水（mm）、风速（m·s−1）、日照时数（h）、平均温度（℃）、最高温度（℃）和最低温度（℃）等。未来气候情景数据来自英国Hadley气候中心在HadGEM2-ES模式驱动下的RCP气候情景模拟实验数据（0.5°×0.5°分辨率），包括基准年（1976-2005）时段数据，及RCP8.5情景近期（2010-2039年）、中期（2040-2069年）、远期（2070-2099年）的数据。

1.3 CERES-Wheat模型

1.3.1 模型参数估计

CERES-Wheat模型以日为步长，能够综合模拟气候、品种、土壤和田间管理措施差异对冬小麦生长的影响[19-21]。CRERS-Wheat模型遗传参数的调试和验证所需的田间管理、生育期和产量资料来自农业气象站记录，各站土壤属性数据包括层次厚度（cm）、颗粒组成（%）、有机碳（g·kg−1）、全氮（g·kg−1）、水提（pH）和阳离子交换量（cmol·kg−1）等，来源于中国土种数据库。本文以农业亚区为单元，每个亚区选取6个观测资料齐全的农业气象站（表1）为代表，选取连续种植年份最长的品种对其遗传参数进行调试。

图1 黄淮海平原农业亚区及典型农业气象站点分布

表1 各亚区典型农业气象站CRERS-Wheat模型遗传参数调试的作物资料

注：开花期和成熟期均为年日序，以1月1日为1。下同。

Note: Anthesis date and maturity date are the ordinal day from Jan. 1.The same as below.

1.3.2 区域模拟及灌水情景设计

以HadGEM2-ES模式驱动下的RCP8.5气候网格为区域模拟分辨率（0.5°×0.5°），品种参数为网格所属亚区典型农业气象站点调试的遗传参数。网格水平的土壤数据来自世界土壤数据库（Harmonized World Soil Database）[26]，包括作物模型所需的土壤剖面理化属性数据，数据类型为栅格图像，可提取至0.5°×0.5°分辨率。由于温度持续升高，未来冬小麦播种日期需随时调整。研究表明，华北平原北部冬小麦播种期与16℃终日相关显著，中部、南部的播种期分别与15℃终日和14℃终日相关显著[27]。因此，以各网格点5日滑动平均气温稳定通过15℃终日为该网格点冬小麦的适宜播种期。由于不考虑养分胁迫的影响，因此在模拟过程中养分设定为无胁迫状态。

根据对农业气象站灌溉数据的统计分析，该区域冬小麦生长过程中以灌3次水为主，分别在越冬始期、拔节期和灌浆期，每次灌水量60mm。基于此，设计5种灌溉模拟情景（表2）。S1：不考虑水分胁迫，模拟其潜在产量；S2：无灌溉，模拟冬小麦在雨养条件下的产量；S3：灌一次水，分为3种情况（越冬水或拔节水或灌浆水）。S4：灌两次水，分3种组合即拔节期+灌浆期、越冬期+灌浆期、越冬期+拔节期。S5：为冬小麦生育期正常灌3次水的模式。每次灌水量设为60mm。

表2 灌水时间及灌水量设置

1.3.3 未来情景下灌溉日期的设定

以温度为指标确定灌溉日期。（1）选择每年5日滑动平均气温稳定通过8℃终日为越冬水灌溉日期，因为传统浇冬水一般从日平均气温7～8℃时开始至日平均气温5℃左右结束。（2）通常来说，当日平均气温上升到10℃后冬小麦开始拔节，因此，选择5日滑动平均气温稳定通过10℃初日作为拔节期灌溉的日期。（3）由于CERES-Wheat模型能够直接输出开花期，因此，直接设定模型输出的开花期当天为开花水的灌溉时间。

1.4 减产率的计算

减产率为不同灌水情景下模拟的冬小麦产量与充分灌溉条件下潜在产量的相对变化率。其计算式为

式中，i表示不同灌溉情景（i=1，2，…，9，按表2中处理的编排顺序），Ii为不同灌水情景下的减产率；Yi为第i种灌溉情景下冬小麦的模拟产量，Y1为在充分供水条件下即“S1”情景下的模拟产量。当i=2时计算得出的I2表示雨养条件下相对于潜在产量的减产率。以雨养条件下的减产率与灌溉条件下的减产率之差表示每个灌溉方案对冬小麦产量的补偿效应，即每个灌溉方案对应减产率的减少量(单位为百分点)：

2 结果与分析

2.1 各亚区小麦遗传参数调试结果及验证

基于黄淮海平原各亚区典型农业气象站点（表1）开花期、成熟期和产量等资料，对CERES-Wheat模型遗传参数进行调试，结果见图2。由图可知，模型对淮安站开花期的模拟效果较差，其它站点模拟值与实测值之间相关系数在0.65～0.99之间；成熟期模拟值与实测值的相关系数在0.18～0.86之间；模型对惠民站和淄博站的产量模拟效果较差，相关系数分别为0.34和0.28，其它站在0.67～0.93之间。从模拟值与观测值的相对均方根误差（NRMSE）来看（表3），调试的品种参数能够有效模拟出不同地区冬小麦的生育进程和产量，各站点模拟值与实测值的NRMSE在模型可接受的范围之内（生育进程NRMSE＜5%，产量NRMSE＜15%[19]）。

图2 各亚区典型站点模拟开花期(a)、成熟期(b)和产量(c)与观测值的比较

表3 各亚区CERES-Wheat模型参数调试结果及相应开花期(AD)、成熟期(MD)和产量(Y)的相对均方根误差（NRMSE）

注：P1V：最适温度条件下通过春化阶段所需天数（d）；P1D：光周期参数（%）；P5：籽粒灌浆期积温(℃·d)；G1：开花期单位株冠质量的籽粒数(Nr.·g−1)；G2：最佳条件下标准籽粒质量（mg）；G3：成熟期非胁迫下单株茎穂标准干质量（g）；PHINT：完成一片叶生长所需积温(℃·d)。

Note: P1V: Days required for vernalization (optimum vernalizing temperature); P1D: Photoperiod response (% reduction in rate·10hr−1drop in photoperiod); P5: Grain filling phase duration(℃·d); G1: Kernel number per unit canopy weight at anthesis (Nr.·g−1); G2: Standard kernel size under optimum conditions (mg); G3: Standard non-stressed mature tiller dry weight (including grain) (g); PHINT: Interval between successive leaf tip appearances (℃·d).

2.2 未来气候情景下冬小麦生育期无灌溉条件下产量的变化

基于参数调试后的CERES-Wheat模型，模拟黄淮海平原RCP8.5情景下近、中、远期冬小麦潜在和雨养条件（即无灌水条件）下的产量，分析雨养产量相对于潜在产量的减产率空间分布差异。由图3可知，雨养产量相对潜在产量的减产率呈北高南低，且减产率在近、中、远期呈逐渐加重的趋势，区域平均减产率为47.3%（近期）、53.5%（中期）和50.9%（远期）。这表明在RCP8.5情景下，与潜在产量相比，雨养条件将造成1/2左右的产量缺口。从亚区尺度上看（表4），Ⅰ区和Ⅱ区在近期、中期和远期呈逐渐增加趋势，而Ⅲ-Ⅵ区的减产率在中期最高。北部Ⅰ-Ⅳ区的减产率高于区域平均水平，而Ⅴ区和Ⅵ区的减产率小于区域平均水平。雨养条件对Ⅲ区造成的减产最大，未来近、中、远期的减产率分别为68.6%、74.3%和69.4%；Ⅵ区减产率在所有亚区中最小，分别为7.4%（近期）、12.8%（中期）和9.7%（远期）。

表4 RCP8.5情景下黄淮海平原各亚区冬小麦雨养产量相对潜在产量的减少率（%）

2.3 未来气候情景下不同灌溉制度的灌水补偿效应

2.3.1 灌一次水

利用CERES-Wheat模型模拟了各亚区冬小麦分别在灌溉越冬水、拔节水和灌浆水条件下的产量，相比于潜在产量计算单次灌溉条件下的减产率（图4）；并与雨养条件下的减产率对比，分析不同阶段灌溉的减产率补偿效应（表5）。在单次灌溉的条件下，越冬水减产率最高（图4c），区域平均减产率分别为46.6%、53.1%和50.4%，与雨养条件下的减产率相比差异不大；其次是灌浆水，未来各时期的减产率分别为41.2%、48.4%和45.0%，与雨养条件下的减产率相比，灌浆水的补偿效应为6.1、5.1和5.8个百分点；而拔节水的减产率最低，区域平均减产率分别为31.0%、34.8%和34.2%，拔节水的补偿效应为16.3、18.6和16.6个百分点。

图3 RCP8.5情景下未来黄淮海平原雨养条件下冬小麦减产率（相对于潜在产量）的空间分布

图4 RCP8.5情景下黄淮海平原冬小麦生育期只灌一次水条件下的减产率（相对潜在产量，下同）分布

注：a、b、c分别表示冬小麦生育期只灌灌浆水、拔节水和越冬水的处理；1、2、3分别为近期、中期和远期。下同。

Note: a, b and c represent irrigation on grain filling stage, jointing stage and overwintering stage during growth stage, respectively; 1, 2 and 3 represent short-term, medium-term and long-term, respectively.The same as below.

表5 RCP8.5情景下黄淮海平原各亚区冬小麦生育期只灌一次水的减产率（I，%）及其补偿效应（ΔI，百分点）

Table 5 The yield reduction rate (I，%) and compensation effect (ΔI，percent point) of different sub-regions under one irrigation condition compared to potential yield for short-term, medium-term and long-term

注：ΔI为雨养条件下的减产率与灌溉条件下的减产率之差。下同。

Note: ΔI is the difference of the reduction rate under rain-fed and irrigation condition. The same as below.

从各亚区来看，拔节水和灌浆水对Ⅰ区和Ⅲ区的补偿效应较高，对南部Ⅵ区的补偿效应最低，而越冬水补偿效应各亚区差异不大，均在1个百分点以下。拔节水对Ⅰ-Ⅴ区的补偿效应均达到15个百分点以上，对Ⅵ区的补偿效应最低，分别为5.0、9.1和6.3个百分点。拔节水对各亚区的补偿效应均高于灌浆水，灌浆水对Ⅰ区和Ⅲ区具有10个百分点以上的补偿效应，而对其它亚区的补偿效应较拔节水差。由此可以看出，在一水灌溉条件下，拔节水的增产效果最好，在未来RCP8.5情景下能补偿16.3～18.6个百分点的雨养产量损失。

2.3.2 灌两次水

基于单次灌溉的分析，利用CERES-Wheat模型进一步模拟黄淮海平原冬小麦在灌两水情况下的产量，与潜在产量相比分析未来冬小麦在灌两次水下的减产率（图5）；并与雨养条件下的减产率对比，分析两次灌溉的减产率补偿效应（表6）。对比3种两水处理方式，灌拔节水+灌浆水的减产率最低（图5a），在近期、中期和远期分别为23.6%、28.3%和27.1%，其补偿效应分别为23.6、25.1和23.7个百分点；而越冬水+灌浆水的减产率最高（图5b），分别为40.5%（近期）、47.9%（中期）和44.3%（远期），越冬水+灌浆水的补偿效应分别为6.7、5.5和6.6个百分点。

从各亚区来看，三种两水灌溉措施的补偿效应均表现为北部亚区高于南部亚区。拔节水+灌浆水对Ⅰ-Ⅳ区的补偿效应在未来各个时期均大于25个百分点，南部Ⅴ区的补偿效应在近、中、远期分别为19.2、21.9和19.4个百分点，而对Ⅵ区的补偿效应最低，在各个时期仅为5.6、9.3和6.8个百分点；越冬水+拔节水、越冬水+灌浆水对各亚区的补偿效应与单独灌拔节水或灌浆水的差异不大，表明越冬水对产量的补偿效应较弱。由此可以看出，在两水灌溉的情况下，拔节水+灌浆水的效果最好，在未来RCP8.5情景下能够补偿雨养产量的损失。

2.3.3 灌三次水

从图6可以看出，黄淮海平原冬小麦在三水灌溉（越冬水+拔节水+灌浆水）条件下的减产率（与潜在产量相比）在北部较高，Ⅰ-Ⅳ区大部分区域高于30%，其中京津冀周边地区高于40%，而南部的Ⅴ区和Ⅵ区大部分区域减产率低于20%；从区域平均水平来看，三水灌溉下冬小麦产量减产率在未来近、中、远期分别为23.1%、27.9%和26.7%，表明在RCP8.5情景下，在越冬期、拔节期和灌浆期均灌溉的情况下，仍与潜在产量存在1/4左右的缺口。

图5 RCP8.5情景下冬小麦生育期灌两次水条件下减产率分布

注：a、b、c分别表示拔节水+灌浆水、越冬水+灌浆水和越冬水+拔节水。

Note: a, b and c represent irrigation on jointing stage & grain filling stage, overwintering stage & grain filling stage and overwintering stage & jointing stage, respectively.

图6 RCP8.5情景下冬小麦生育期灌三次水条件下的减产率分布

表6 RCP8.5情景下黄淮海平原各亚区冬小麦生育期灌两次水的减产率（I，%）及其补偿效应（ΔI，百分点）

表7 RCP8.5情景下各亚区冬小麦生育期灌三次水的减产率（I，%）及其补偿效应（ΔI，百分点）

Table 7 The yield reduction rate （I，%）and compensation effect(ΔI，percent point) of different sub-regions under three times irrigation condition for short-term, medium-term and long-term

亚区Sub-region项目 Item近期 Short中期 Medium远期 Long ⅠI22.626.830.0 ΔI33.935.033.6 ⅡI36.743.946.0 ΔI26.526.125.8 ⅢI34.940.335.9 ΔI33.733.933.4 ⅣI28.834.130.2 ΔI25.326.925.6 ⅤI14.018.815.1 ΔI19.422.119.7 ⅥI1.73.42.7 ΔI5.79.46.9 区域Regional I23.127.926.7 ΔI24.125.624.2

从各亚区的补偿效应来看（表7），北部亚区高于南部亚区。三水灌溉下Ⅰ区补偿效应最高，在近、中、远期分别达到33.9%、35.0%和33.6%；其次为Ⅲ区，未来各时期的补偿效应分别为33.7%、33.9%和33.4%；而位于平原南部的Ⅵ区补偿效应最低，各时期仅为5.7%、9.4%和6.9%。从区域平均水平来看，三水灌溉的补偿效应分别为24.1%、25.6%和24.2%（表7），但与灌拔节水+灌浆水的补偿效应相比（表6），未来3个时期三水灌溉的补偿效应均仅提高0.5%。

3 结论与讨论

3.1 讨论

以黄淮海平原深州、宝坻、惠民、淄博、宿州和淮安6个农业气象站分别代表黄淮海平原6个农业亚区，利用各站实测资料对CERES-Wheat模型进行参数调试，在0.5°×0.5°网格水平上模拟未来RCP8.5气候情景下，假设不考虑品种变化和灌溉补充，仅靠降雨提供水分（雨养条件下），黄淮海平原各时段（近期、中期、远期）冬小麦均减产，其区域平均减产率在47.3%～53.5%，说明各亚区雨养条件下产量仅能达到潜在产量的50%左右。

对比不同灌溉制度的灌溉效果，表明在RCP8.5情景下，在生育期内只灌一次水产量的补偿效应表现为拔节水＞灌浆水＞越冬水，生育期内灌两次水产量的补偿效应表现为拔节水+灌浆水＞越冬水+拔节水＞越冬水+灌浆水。这与以往的研究结论一致。徐建文等[22]利用CERES-Wheat模型模拟表明，拔节期水分亏缺的影响大于灌浆期水分亏缺，与本文的研究结果一致。彭致功等[10]利用Aquacrop模型优化华北区域冬小麦灌溉制度亦表明，在灌一水情况下应重点保障拔节-抽穗阶段的需水，灌两水情况下应重点保障返青-拔节和抽穗-乳熟阶段需水。此外，研究表明，未来RCP8.5情景下灌越冬水对冬小麦产量的补偿效应不强，仅为0.4～0.6个百分点。但在实际农业生产中，小麦的安全越冬与入冬前土壤水分含量和苗情有关，越冬水是安全越冬和高产的保障。模型模拟结果表现出的这种差异，一方面是由于RCP8.5情景下，快速增温导致小麦越冬期间冻害风险降低，从而弱化了越冬水的作用；另一方面是由于作物模型对作物越冬期间生物量变化的模拟效果较差，模型默认作物在越冬期间生物量不发生变化，即冬小麦在越冬期间不受环境条件变化的影响[20]。因此，在水分亏缺较重、越冬期间冻害风险较高的黄淮海北部地区，在未来快速增温的背景下同样应在冷冬年份注重越冬水灌溉。

此外，以中国农作制划分的农业亚区为单元研究黄淮海平原不同灌溉制度对冬小麦产量的影响，但由于黄淮海平原水资源条件南部优于北部，各灌溉方式的补偿效应均呈现出显著的南北差异。在生育期灌溉一次水条件下，拔节水的补偿效应在黄淮海平原南部的江淮平原麦稻二熟区（Ⅵ区）仅为5.0～9.1个百分点，远低于区域平均水平的16.3～18.6个百分点；而在生育期灌溉两次水条件下，拔节水+灌浆水的补偿效应在江淮平原麦稻二熟区为5.6～9.3个百分点，与拔节水的补偿效应差异不大。因此，尽管指出在生育期灌溉两次水条件下优先灌溉拔节水和灌浆水，但在江淮平原麦稻二熟区仅灌拔节水的经济效益最好。

3.2 结论

（1）相比于潜在产量，未来冬小麦雨养条件下的减产率为47.3%（近期）、53.5%（中期）和50.9%（远期），呈北高南低的空间分布格局，北部的Ⅰ-Ⅳ区的潜在减产率高于区域平均水平，而Ⅴ区和Ⅵ区的干旱潜在减产率小于区域平均水平，位于研究区域最南端的Ⅵ区潜在减产率最小。

（2）在未来RCP8.5情景下，生育期内只灌一次水对产量的补偿效应表现为拔节水＞灌浆水＞越冬水，拔节水的产量补偿效应为16.3～18.6个百分点，而越冬水的补偿效应仅为0.4～0.6个百分点；生育期内灌两次对产量的补偿效应表现为拔节水+灌浆水＞越冬水+拔节水＞越冬水+灌浆水，拔节水+灌浆水的产量补偿效应为23.6～25.1个百分点，而越冬水+灌浆水的补偿效应则为5.5～6.7个百分点。三水灌溉条件下，未来冬小麦仍面临23.1%～27.9%的产量损失，其补偿效应为24.1～25.6个百分点，与拔节水+灌浆水差异不大。

[1]梅旭荣,康绍忠,于强,等.协同提升黄淮海平原作物生产力与农田水分利用效率途径[J].中国农业科学,2013,46(6): 1149-1157.

Mei X R,Kang S Z,Yu Q,et al.Pathways to synchronously improving crop productivity and field water use efficiency in the North China Plain[J].Scientia Agricultura Sinica,2013, 46(6):1149-1157.(in Chinese)

[2]Li X,Ju H,Sarah G,et al.Spatiotemporal variation of drought characteristics in the Huang-Huai-Hai Plain,China under the climate change scenario[J].Journal of Integrative Agriculture, 2017,16(10):2308-2322.

[3]刘勤,梅旭荣,严昌荣,等.华北冬小麦降水亏缺变化特征及气候影响因素分析[J].生态学报,2013,33(20):6643-6651.

Liu Q,Mei X R,Yan C R,et al.Dynamic variation of water deficit of winter wheat and its possible climatic factors in Northern China[J].Acta Ecologica Sinica,2013,33(20):6643- 6651.(in Chinese)

[4]李翔翔,居辉,严昌荣,等.1961-2013年黄淮海平原降蒸差的时空变化特征[J].中国农业气象,2015,36(3):254-262.

Li X X,Ju H,Yan C Y,et al.Spatio-temporal variability of water deficit in Huang-Huai-Hai Plain during 1961-2013[J].Chinese Journal of Agrometeorology,2015,36(3):254-262.(in Chinese)

[5]邓振镛,王强,张强,等.中国北方气候暖干化对粮食作物的影响及应对措施[J].生态学报,2010,30(22):6278-6288.

Deng Z Y,Wang Q,Zhang Q,et al.Impact of climate warming and drying on food crops in northern China and the countermeasures[J].Acta Ecologica Sinica,2010,30(22):6278- 6288.(in Chinese)

[6]王会肖,蔡燕.农田水分利用效率研究进展及调控途径[J].中国农业气象,2008,29(3):272-276.

Wang H X,Cai Y.Research progresses and regulating methods of field water use efficiency[J].Chinese Journal of Agrometeorology,2008,29(3):272-276.(in Chinese)

[7]郭建平.气候变化对中国农业生产的影响研究进展[J].应用气象学报,2015,(1):1-11.

Guo J P.Advances inimpact of climate change on agricultural production in China[J].Journal of Applied Meteorological Science,2015,(1):1-11.(in Chinese)

[8]刘明,武建军,吕爱锋,等.黄淮海平原典型区冬小麦水分胁迫规律与灌溉策略[J].农业工程学报,2010,(5):40-44.

Liu M,Wu J J,Lv A F,et al.Water stress of winter wheat and irrigation strategy in typical region of Huang-Huai-Hai Plain[J].Transactions of the CSAE,2010,(5):40-44.(in Chinese)

[9]张胜全,方保停,张英华,等.冬小麦节水栽培三种灌溉模式的水氮利用与产量形成[J].作物学报,2009,35(11):2045-2054.

Zhang S Q,Fang B T,Zhang Y H,et al.Utilization of water and nitrogen and yield formation under three limited irrigation schedules in winter wheat[J].Acta Agronomica Sinica,2009, 35(11):2045-2054.(in Chinese)

[10]彭致功,张宝忠,刘钰,等.华北典型区冬小麦区域耗水模拟与灌溉制度优化[J].农业机械学报,2017,(11):1-12.

Peng Z G,Zhang B Z,Liu Y,et al.Simulation for regional water consumption and recommendation of suitable irrigation schedule for winter wheat in North China[J]. Transactions of the Chinese Society for Agricultural Machinery,2017,(11):1-12.(in Chinese)

[11]Geerts S,Raes D.Deficit irrigation as an on-farm strategy to maximize crop water productivity in dry areas[J]. Agricultural Water Management,2009,96(9):1275-1284.

[12]Li Q,Bian C,Liu X,et al.Winter wheat grain yield and water use efficiency in wide-precision planting pattern under deficit irrigation in North China Plain[J].Agricultural Water Management,2015,153:71-76.

[13]Challinor A J,Wheeler T,Hemming D,et al.Ensemble yield simulations:crop and climate uncertainties,sensitivity to temperature and genotypic adaptation to climate change[J]. Climate Research,2009,38(2):117-127.

[14]Li Y,Huang H,Ju H,et al.Assessing vulnerability and adaptive capacity to potential drought for winter-wheat under the RCP 8.5 scenario in the Huang-Huai-Hai Plain[J].Agriculture Ecosystems & Environment,2015,209: 125-131.

[15]Lin Y,Wu W,Ge Q.CERES-Maize model-based simulation of climate change impacts on maize yields and potential adaptive measures in Heilongjiang Province,China[J]. Journal of the Science of Food and Agriculture,2015,95(14): 2838-2849.

[16]Palosuo T,Kersebaum K C,Angulo C,et al.Simulation of winter wheat yield and its variability in different climates of Europe:a comparison of eight crop growth models[J]. European Journal of Agronomy,2011,35(3):103-114.

[17]徐建文,居辉,梅旭荣,等.近30年黄淮海平原干旱对冬小麦产量的潜在影响模拟[J].农业工程学报,2015,21(6): 150-158.

Xu J W,Ju H,Mei X R,et al.Simulation on potential effects of drought on winter wheat in Huang-Huai-Hai Plain from 1981 to 2010[J].Transactions of the CSAE,2015,21(6): 150-158.(in Chinese)

[18]秦鹏程,姚凤梅,曹秀霞,等.利用作物模型研究气候变化对农业影响的发展过程[J].中国农业气象,2011,32(2): 240-245.

Qin P C,Yao F M,Cao X X,et al.Development process of modeling impacts of climate change on agricultural productivity based on crop models[J].Chinese Journal of Agrometeorology,2011,32(2):240-245.(in Chinese)

[19]Jones J W,Tsuji G Y,Hoogenboom G,et al.Decision support system for agrotechnology transfer:DSSAT v3[A].Tsuji G Y,Hoogenboom G,Thornton P K.Understanding options for agricultural production[C].Dordrecht:Springer Netherlands, 1998:157-177.

[20]Ritchie J T,Singh U,Godwin D C,et al.Cereal growth, development and yield[A].Tsuji G Y,Hoogenboom G,Thornton P K.Understanding options for agricultural production[C].Dordrecht:Springer Netherlands,1998:79-98.

[21]Rosenzweig C,Iglesias A.The use of crop models for international climate change impact assessment[A].Tsuji G Y,Hoogenboom G,Thornton P K.Understanding options for agricultural production[C].Dordrecht:Springer Netherlands, 1998:267-292.

[22]徐建文,梅旭荣,居辉,等.黄淮海地区冬小麦关键生育期不同灌溉水平对产量影响的模拟[J].作物学报,2014,40(8): 1485-1492.

Xu J W,Mei X R,Ju H,et al.Simulation of winter wheat yield in response to irrigation level at critical growing stages in the Huang-Huai-Hai Plain[J].Acta Agronomica Sinica,2014,40 (8):1485-1492.(in Chinese)

[23]成林,李树岩,刘荣花,等.限量灌溉下冬小麦水分利用效率模拟[J].生态学杂志,2009,(10):2147-2152.

Cheng L,Li S Y,Liu R H,et al.Water use efficiency of winter wheat under limited irrigation:a simulation study[J].Chinese Journal of Ecology,2009,(10):2147-2152.(in Chinese)

[24]杨建莹,梅旭荣,严昌荣,等.华北地区气候资源的空间分布特征[J].中国农业气象,2010,31(S1):1-5.

Yang J Y,Mei X R,Yan C R,et al.Study on spatial pattern of climatic resources in North China[J].Chinese Journal of Agrometeorology,2011,31(S1):1-5.(in Chinese)

[25]刘巽浩.农作制与中国农作制区划[J].中国农业资源与区划,2002,23(5):11-15.

Liu Z H.Farming system and farming system regional planning in China[J].Journal of China Agricultural Resources and Regional Planning,2002,23(5):11-15.(in Chinese)

[26]Wieder W R,Boehnert J,Bonan G B,et al.Regridded harmonized world soil database v1.2.data set[OZ]. http:// daac. ornl.gov,2014.

[27]王培娟,梁宏,谢东辉,等.气候变暖对华北冬小麦返青前热量条件的影响[J].麦类作物学报,2014,34(1):54-63.

Wang P J,Liang H,Xie D H,et al.Influence of climate warming on heat conditions before green-up stages for winter wheat in North China Plain[J].Journal of Triticeae Crops,2014,34(1):54-63.(in Chinese)

Simulation of Different Irrigation Strategy on Wheat Yield in Huang-Huai-Hai Plain under the RCP8.5 Scenario

QIN Xiao-chen1，ZHOU Guang-sheng2，JU Hui1，LI Xiang-xiang3，LIU Qin1

（1．Institute of Environment and Sustainable Development in Agriculture, Beijing 100081, China; 2．Chinese Academy of Meteorological Sciences, Beijing 100081; 3．Jiangxi Meteorological Bureau, Nanchang 330046）

Huang-Huai-Hai Plain (3H Plain) is widely accepted to be the largest winter wheat growing areas of China. Water shortage is comprehensively recognized as the limiting factor for winter wheat growth. In the context of global warming, precipitation and evapotranspiration during wheat growing period have experienced significant changes. Consequently, understanding the impact of different irrigation strategy on wheat yield is essential for establishing climate adaptation strategies in 3H Plain. In this paper, the phenology and yield data of six typical agro-meteorological stations representing six sub-regions were used to calibrate the CERES-Wheat crop model. Based on the calibrated model and the future climate projected by HadGEM2-ES under RCP8.5 scenario, the yield reduction rate under rain-fed conditions compared to potential yield for the short-term (2010-2039), medium-term (2040-2069) and long-term (2070-2099) were analyzed. Then the yield retrieval ability of different irrigation strategy was compared. Results showed that, compared to full-irrigated yield, rain-fed condition would decline wheat yield by 47.3%, 53.5% and 50.9% for the short-term, medium-term and long-term respectively, with the spatial distribution of higher reduction rate in sub-region Ⅰ to Ⅳ (north), and the reduction rate in sub-region Ⅵ(south) only 7.4% (short-term) ,12.8% (medium-term) and 9.7% (long-term). Comparison of different irrigation system showed there is a big difference in compensation effect (i.e. the difference of the reduction rate under rain-fed and irrigation condition) of winter wheat on different growth stage. And the compensation effect of northern sub-region was higher than that of Southern sub-region. The efficiency of irrigation on jointing stage was the highest, of which the yield retrieval ability was 16.3-18.6 percent point for different future period. The second was irrigation on grain filling stage, of which the yield retrieval ability was 5.1-6.1 percent point. While irrigation on overwintering stage could only retrieve yield by 0.4-0.6 percent point. Further analysis showed that irrigate on both jointing stage and grain filling stage could retrieve yield by 23.6-25.1 percent point. Thus, under the recognition of higher risk of water shortage in the future, securing irrigation supply for jointing stage is of first priority. And if two-times irrigation was allowed, irrigate on both jointing stage and grain filling stage could retrieve half of the yield losses.

Winter wheat; Irrigation system; Compensation effect; CERES-Wheat; Huang-Huai-Hai Plain

10.3969/j.issn.1000-6362.2018.04.002

秦晓晨,周广胜,居辉,等.未来气候情景下黄淮海平原不同灌溉制度的产量补偿效应模拟[J].中国农业气象,2018,39(4):220-232

2017-08-14

。E-mail：juhui@caas.cn

国家自然科学基金（41401510）

秦晓晨（1993-），女，硕士生，主要从事气候变化与农业气候资源评价研究。E-mail: qinxiaochen2017@163.com