水氮管理影响冬小麦品质的CERES-Wheat模型模拟

2018-07-30刘建超何建强武文杰李正鹏马海姣

农业机械学报 2018年7期

刘建超何建强武文杰李正鹏马海姣冯浩,3

(1.西北农林科技大学旱区农业水土工程教育部重点实验室，陕西杨凌 712100；2.西北农林科技大学中国旱区节水农业研究院，陕西杨凌 712100；3.中国科学院水利部水土保持研究所，陕西杨凌 712100)

0 引言

小麦籽粒品质主要包括营养品质、磨粉品质和加工品质，其中籽粒蛋白质浓度(Grain protein concentration)对上述品质均有重要影响[1]。基因和环境都对籽粒蛋白质浓度有重要影响，其中环境等因素的影响可占50%[2-3]。通过水氮管理优化小麦的生长环境对小麦品质的提升具有重要作用。赵广才等[4]通过灌水时期和灌溉定额优化了小麦籽粒产量和品质。姜东等[5]研究了施肥量和施肥种类对小麦籽粒蛋白质浓度的影响规律。NANGIA等[6]认为在设定水氮管理时，应该更多地关注水氮耦合对产量和品质协同效应的影响。但是由于田间试验的限制，试验结果往往不能在长时间序列上得到验证，且处理数量较少难以充分反映客观规律。

近年来使用作物模型与非充分灌溉理论相结合设计灌溉制度逐渐受到人们的重视，具有处理量多、工作量小、可以量化分析的优点[7]。李艳等[8]利用RZWQM模型评估水氮管理对作物产量和氮利用效率的影响。王文佳等[9]利用作物模型分析优化了不同降水年型下关中地区的灌溉制度。但是小麦生长初期，无法判断当年的降水情况，农民的可操作性不强。因此，选择一套符合当地环境情况、具有较高产量和品质保证率的水氮管理，则更有利于田间实践和推广。作物模型与品质的结合近些年也得到了一定的应用。沈家晓[10]利用遥感数据和作物模型监测小麦籽粒蛋白质浓度。黄芬[11]则利用作物模型与WebGIS平台进行籽粒品质生态区划研究。但是利用作物模型优化冬小麦水氮管理，从而达到较高品质的研究仍然较少，原因主要是模型不具备模拟籽粒品质的能力[12]，或者对水氮胁迫的响应较差[13]。DSSAT是当前应用最广泛的作物模型之一，而CERES-Wheat是其集成的小麦模型，能够较为准确地模拟水氮对作物生长的影响[14]。CERES-Wheat氮平衡模块模拟的主要过程包括有机氮矿化、氮素固定、硝化、反硝化、尿素水解、氨挥发、植物生育期的氮吸收及其在不同器官的转移，能够解释和模拟氮素在土壤-植物中的运动和转移[15]，但其缺陷在于虽然CERES-Wheat可以模拟籽粒氮的积累过程，但不能直接输出籽粒蛋白质浓度等参数。李振海[16]则通过简单的折算使模型能够输出籽粒蛋白质浓度，但其仅验证了无水肥胁迫条件下DSSAT模拟籽粒蛋白质浓度的精度。

此外，前人有关水氮管理对冬小麦的影响研究多以产量作为主要筛选指标，较少涉及冬小麦籽粒品质。因此本研究拟使用CERES-Wheat模拟陕西关中地区冬小麦的生长发育、产量和品质的形成过程，以及冬小麦籽粒蛋白质浓度和产量等指标在不同水氮管理条件下的响应机制，评估水氮管理对CERES-Wheat模拟关中地区冬小麦籽粒蛋白质浓度的影响，并以提质增效为目标优化水氮管理。

1 材料和方法

1.1 试验地概况

田间试验于2014—2016年在西北农林科技大学旱区农业水土工程教育部重点实验室(34.24°N，108.05°E，海拔506 m)进行，该地年平均降水量580 mm左右，年平均气温13℃，日照时数2 196 h，降水年内分布不均，属于半湿润易旱区。土壤质地为中壤土，土层厚3 m，无地下水补给。播前土壤基础物理化学性质为：0～20 cm土层有机质质量比16.01 g/kg，全氮质量比1.01 g/kg，速效磷质量比17.66 mg/kg，速效钾质量比273.33 mg/kg；0～100 cm土层平均饱和含水率为31.8 g/g，平均pH值为8.07，平均土壤容重为1.48 g/cm3，平均饱和导水率为30.92 cm/d。

1.2 试验设计与观测指标

种植的小麦品种为“小偃22”。试验采用裂区试验，设置4个灌溉主区(雨养，I0；越冬期60 mm，I1；越冬期60 mm、拔节期40 mm，I2；越冬期60 mm、拔节期40 mm、灌浆期60 mm，I3)，4个施肥副区(施氮量0 kg/hm2，N0；105 kg/hm2，N1；210 kg/hm2，N2；315 kg/hm2，N3)，重复3次，共48个小区，每小区长6 m、宽2.5 m。

冬小麦生育期内，每隔2周在各小区随机取样10株，各器官分开，在105℃的干燥箱杀青 30 min，75℃干燥至恒质量，测定各器官干质量。收获后小麦干燥脱粒，并测定产量、穗粒数、千粒质量等指标。润麦24 h至含水率14%，将样品成分的测定数据、快速谷物成分测定仪(RX001-5型，瑞典波通公司)测出的样品蛋白质光密度数据，运用回归分析方法，求出其线性回归方程中的斜率和截距，并将这些数据输入快速谷物成分测定仪，测定小麦籽粒蛋白质含量。植株采样同时测定不同土层土壤的含水率，采样深度为1 m，共分7层(0～10 cm、10～20 cm、20～30 cm、30～40 cm、40～60 cm、60～80 cm、80～100 cm)。然后将土样放入干燥箱105℃干燥至恒质量，计算土壤质量含水率后乘以各土层干容重，得到土壤体积含水率。

1.3 CERES-Wheat的校准和验证

校准所需的气象、土壤和管理等数据由田间试验直接测量，作物遗传参数则使用DSSAT模型自带的调参工具DSSAT-GLUE[17-18]进行估计。首先利用2014—2015年试验的足水足肥处理(I3N3；越冬期60 mm、拔节期60 mm和灌浆期60 mm；播前施纯氮315 kg/hm2)校准模型参数[19]。然后利用2015—2016年16个水氮处理进行验证。采用相对均方根误差(Relative root mean square error, RRMSE)和偏差率(Percentage of deviation)来衡量不同水肥条件下模拟值与实测值的差异程度。一般认为RRMSE越小则模拟值与实测值的差异也越小，模型模拟结果更准确。当RRMSE小于10%时为极好，当RRMSE为[10%，20%)时为好，当RRMSE为[20%，30%)时为中等，当RRMSE大于等于30%时为差[20]。偏差率越低则模拟结果越优秀，相关计算公式为

(1)

式中si——模拟值

oi——实测值

n——样本数量

(2)

式中d——偏差率，%

1.4 籽粒蛋白质浓度的模拟

如前所述，CERES-Wheat不能直接输出籽粒蛋白质浓度，但是可根据《谷物品质测试理论与方法》[21]使用该模型的两个相关输出变量，即收获期籽粒氮产量与收获期籽粒产量的比值，折算出籽粒氮素浓度和籽粒蛋白质浓度，即

(3)

式中GPC——籽粒蛋白质浓度，%

GN——收获期籽粒氮产量，kg/hm2

GY——收获期籽粒产量，kg/hm2

1.5 灌溉施肥模拟情境的设定与优化

根据关中平原地区灌溉经验，设置了灌溉定额、灌溉时期和施氮量3因素交互作用，研究其在长时间序列条件下对冬小麦籽粒蛋白质浓度和产量的影响(表1)。本研究共设置5个灌溉水平，上限为240 mm(选择常用的60 mm灌溉梯度)；7个灌溉时期，包括分别在越冬期、拔节期、灌浆期各灌1水；分别在越冬期+拔节期、越冬期+灌浆期、拔节期+越冬期各灌2水，灌水定额为总灌溉定额的1/2；在越冬期+拔节期+灌浆期灌3水，灌水定额为总灌溉定额的1/3。7个氮肥水平，上限为315 kg/hm2，52.5 kg/hm2施氮梯度，播前一次性施肥。

表1 冬小麦水氮管理设定Tab.1 Irrigation and nitrogen fertilization management of winter wheat

根据排列组合，共产生203种不同的水氮管理，然后从中筛选出关中地区品质、净利润、水氮利用效率最优的平水年水氮管理。各处理命名规则为I′xyN′z(表1)，I′为模拟灌溉制度，其中x代表灌溉时期，y灌溉定额；N′为模拟施肥制度，z为施氮量。例如处理I′42N′2中，I′42表示越冬期+拔节期(序号4)、共灌120 mm(序号2)，N′2表示施氮量为105 kg/hm2(序号2)，下同。利用CERES-Wheat逐个模拟上述203个水氮管理在1966—2016年的生长情况，以小麦籽粒品质和产量作为最优水氮管理的主要筛选条件，即

(4)

式中GY,MAX——无水氮胁迫条件下多年产量最大值，取9 378 kg/hm2

其中12%为优质强筋小麦籽粒蛋白质浓度(14%水分基)的下限[22]。

2 结果与分析

2.1 CERES-Wheat的校准

校准的基因型参数能够较好地反映冬小麦品种的相关特性(表2)，足水足肥处理的生育期、GY、GN、总蒸散量(ET)模拟值与观测值d均小于10%(表3)，模拟结果极好。物候期模拟值与实测值相同，使模型较为准确地模拟冬小麦的灌浆过程，从而更好地模拟籽粒品质和产量。ET的d为-2.34%，模型低估了ET和作物的生长情况。GY和GN也因此被低估，d分别为-3.16%和-3.41%。但CERES-Wheat总体上能够准确地模拟物候期、作物生长、水分和养分的运移。

表2 “小偃22”基因型参数校准结果Tab.2 Estimated genetic coefficients of “Xiaoyan 22”

表3 2014—2015年足水足肥处理(I3N3)的校准结果Tab.3 Calibration results of treatment with sufficient irrigation and fertilization (I3N3) in 2014—2015

2.2 CERES-Wheat的评估

对比2015—2016年不同处理籽粒生物量和地上部生物量实测值与模拟值随时间序列的动态变化，模型基本能够反映作物的生长过程和产量的形成过程(图1)。但CERES-Wheat与大多数模型一样，不能够准确地模拟严重胁迫条件下(N0)作物的生长(图1a、1e、1i、1m)，模拟结果偏低。严重氮胁迫条件下籽粒生物量和地上部生物量的RRMSE为10%～30%，模拟结果为好或者中等，其他处理RRMSE基本上小于10%，模拟结果极好(表 4)。对比2015—2016年不同水氮处理，籽粒蛋白质浓度在低胁迫条件(N1)被高估(图2)，但RRMSE为3.77%，模拟结果极好，可以用来模拟籽粒蛋白质浓度对水氮管理的响应。总体而言，CERES-Wheat能够准确地模拟不同水氮管理条件下冬小麦生长、籽粒产量和品质。

图1 2015—2016年16种不同水氮管理下地上部生物量和籽粒生物量的模拟值与实测值对比Fig.1 Comparisons of simulated and observed biomass of total aboveground and grain with 16 irrigation and nitrogen fertilizer managements in 2015—2016

2.3 不同水氮管理对小麦多年平均籽粒蛋白质浓度和产量的影响

籽粒蛋白质浓度随施氮量的增加先减少后增加，当大于250 kg/hm2时，籽粒蛋白质浓度基本不再变化(图3a)。当施氮量在50～100 kg/hm2时，籽粒蛋白质浓度随灌溉定额的增加而增加。当施氮量小于50 kg/hm2或大于100 kg/hm2时，灌溉对籽粒蛋白质浓度的影响较弱。产量随施氮量的增加而增加(图3b)。当施氮量大于150 kg/hm2时，灌溉定额的增加有益于增产。当施氮量小于150 kg/hm2时，灌溉对产量的影响较弱。水氮存在耦合作用，低氮水平灌溉有利于籽粒蛋白质浓度的增加，高氮水平灌溉有利于产量的增加。

当灌溉定额小于180 mm时，减少灌溉次数有利于籽粒蛋白质浓度的增加；当灌溉定额大于180 mm时，分次灌溉有利于籽粒蛋白质浓度的增加(图3c)。产量与其不同，只有高灌溉定额分次灌溉更有益于产量的增加(图3d)。推迟灌溉时间，增加灌溉定额有利于籽粒蛋白质浓度的积累(图3e)；产量则与此相反，灌溉时间提前，增加灌溉定额有助于产量的增加(图3f)。

施氮量和灌溉定额的耦合作用对籽粒蛋白质浓度和产量都有显著影响，但灌溉次数和灌溉时期与灌溉定额的耦合作用对产量影响更显著。因此在优化水氮管理时，产量的提高要考虑所有因素，而籽粒蛋白质浓度的提高则主要考虑水氮耦合的影响。

2.4 最优水氮管理的筛选

从203种水氮管理中共筛选出11个符合条件的潜在最优水氮管理(表5)，其中所有入选方案均为高氮处理(262.5、315 kg/hm2)和越冬期灌溉的参与。籽粒蛋白质浓度均达到该品种籽粒蛋白质浓度上限，因此差异不大。多年平均产量为6 866～7 404 kg/hm2，变幅大于籽粒蛋白质浓度。在符合条件的水氮管理中，I′74N′6的籽粒蛋白质浓度最高，为12.04%，I′44N′6的产量最高，为7 407 kg/hm2。所有措施中仅有I′14N′5、I′13N′5和I′12N′5的施氮量为262.5 kg/hm2，其籽粒蛋白质浓度均为12.02%，产量为7 314～7 366 kg/hm2。I′12N′5仅灌溉一次，节省劳动力，符合关中地区的灌溉习惯；同时灌溉施氮量较少，响应了节水节肥的国家战略。因此，选定I′12N′5为关中地区以品质为筛选目标的最优的水氮管理。

表4 2015—2016年小麦籽粒生物量和地上部生物量实测值与模拟值的RRMSETab.4 RRMSE of grain biomass and aboveground biomass for CERES-Wheat based on dynamic simulation in 2015—2016 %

图2 2014—2016年16种不同水肥处理下籽粒蛋白质浓度模拟值与实测值对比Fig.2 Comparison of simulated and observed grain protein concentration under 16 different irrigation and fertilization fertilizer treatments in 2014—2016

图3 灌溉定额和施氮量耦合、灌溉定额和灌溉次数耦合、灌溉定额和灌溉时期耦合对籽粒蛋白质浓度和产量的影响Fig.3 Coupling effects of irrigation depth and nitrogen, irrigation depth and irrigation frequence, and irrigation depth and irrigation days after sowing on grain protein concentration and yield

表5 基于CERES-Wheat模拟结果选择的关中地区冬小麦潜在最优水氮管理Tab.5 Selected potential optimal irrigation and nitrogen fertilization managements based on CERES-Wheat model simulation for winter wheat in Guanzhong Plain

3 讨论

3.1 模型模拟籽粒蛋白质浓度对水氮管理的响应

CERES-Wheat基本上可以较为准确地反映水氮管理对作物生长的影响，但在严重氮胁迫(N0)条件下生物量模拟结果较差。与刘海龙[23]结果基本相同，认为模型中与氮胁迫相关参数b(作物生育期内氮含量的范围)的默认值设定不准确，可以通过修改相关参数来调节模型对氮胁迫的响应。本研究虽然设置了不灌溉处理，但关中地区属于半湿润易旱区，小麦季的雨水都较为充足。所以水胁迫相较于氮胁迫并不严重，模拟结果优于氮素胁迫。优化的水氮管理是基于该地区长时间序列模拟的结果，能够反映该地区水分和养分状况。

籽粒蛋白质浓度在严重水氮胁迫条件下结果依然较好，主要是因为籽粒蛋白质浓度的计算是籽粒氮产量与籽粒生物量的比值，两者受水氮胁迫的影响基本一致。同时，灌浆期氮素和生物量的积累主要受温度的影响，而不受水氮胁迫的直接影响[24]。但因为氮素和生物量的积累也受到同化物供应的影响，而水胁迫影响同化物供应，所以灌浆期氮素和生物量的积累仅受水胁迫的间接影响。与产量模拟结果不同，低氮(N1)条件下籽粒蛋白质浓度模拟结果一般。ASSENG等[25]认为籽粒蛋白质浓度模拟不准确主要是因为CERES-Wheat中灌浆期温度低于10℃时氮素的积累速度被高估，应当调节基础温度改善籽粒蛋白质浓度的模拟结果。

3.2 水氮管理对籽粒蛋白质浓度和产量的影响

籽粒蛋白质浓度随施氮量的增加先减少后增加。贺明荣等[26]研究表明，当施氮量较少时，籽粒生物量的积累速度大于氮素的积累速度，籽粒蛋白质浓度反而出现较大幅度的下降。当施氮量进一步增加时，则与陆景陵[27]研究结果相似，增施氮肥能够显著增加籽粒蛋白质浓度，但施氮过量时籽粒蛋白质浓度不再增加甚至有下降的趋势。当施氮量大于250 kg/hm2时，籽粒蛋白质浓度基本不再变化，主要是因为籽粒蛋白质浓度已经达到该小麦品种的上限。当施氮量在50～100 kg/hm2时，籽粒蛋白质浓度随灌溉定额的增加而增加。李世娟等[28]研究认为，干旱胁迫不利于氮素的积累，灌溉显著提高植株的氮吸收量，低氮条件通过灌溉可以缓解干旱胁迫。翟丙年等[29]研究认为，水氮存在互补效应，充足氮供给弥补了干旱胁迫的不利影响。当施氮量大于150 kg/hm2时，产量随灌溉定额的增加而增加，翟丙年等[29]研究表明高氮条件下灌溉能够提高氮素利用率，增加产量。适当的灌溉定额与灌溉次数有利于小麦品质和产量的提升。与马新明等[30]研究相同，灌溉定额较大时增加灌溉次数能够减少氮淋溶，促进植株的氮素吸收，同时提高小麦品质和产量。本研究结果表明，推迟灌溉时间有利于籽粒蛋白质浓度的提高，王朝辉等[31]认为越冬期灌溉降低了植物吸氮量，主要原因是过量的水分不利于越冬期植株根系的发育。但越冬期灌溉有利于产量的提高，这与关中地区常见的灌溉制度——越冬期灌溉一致。越冬期灌溉可以实现冬水春用，延长灌溉有效期，有利于冬小麦的营养生长，从而促进灌浆期营养器官干物质向籽粒的再转移[32]。

3.3 水氮管理的优化

本文在优化最优水氮管理时，并没有选择为不同降水年型优化不同的灌溉制度，而是以杨凌51年历史气象数据为基础，选择多年平均籽粒蛋白质浓度和产量均较高的水氮管理。这样筛选出的水氮管理不仅具有实践指导意义，同时操作性较强，便于推广。

在综合考虑灌溉定额和施氮量后，选择I′12N′5(越冬期灌溉120 mm，施氮262.5 kg/hm2)为关中地区以品质为筛选目标的最优的水氮管理。I′12N′5在筛选出的11种水氮管理中，虽然籽粒蛋白质浓度和产量均不是最高，但在籽粒蛋白质浓度和产量没有明显减少的情况下，灌溉定额和施氮量均较低。关中地区常见的灌溉制度为越冬期或返青期灌溉105～240 mm[33]。I′12N′5虽然越冬期灌溉120 mm，单次灌溉量较大，但灌溉次数较少，省时省力。选择越冬期灌溉，虽然籽粒蛋白质浓度略有减少但能较大幅度增加产量；较低的灌溉定额与较少的灌溉次数搭配提高了籽粒蛋白质浓度。关中地区常见的氮肥管理为播前施氮(211±139) kg/hm2[34]，推荐的高产小麦施氮量为221 kg/hm2[35]。I′12N′5的施氮量略大于平均施氮量和高产推荐施氮量，但在保证产量的同时提升了品质。