基于AquaCrop模型的气候变化对陕西省冬小麦产量影响模拟分析

周英霞, 王全九,2, 张继红, 谭 帅, 何 斌

(1.西安理工大学 西北旱区生态水利工程国家重点实验室培育基地, 西安 710048;2.西北农林科技大学 水土保持研究所 黄土高原土壤侵蚀与旱地农业国家重点实验室, 陕西 杨凌 712100)

全球气候不断变暖，农业作为受气候变化和气象因素最为敏感的领域之一[1-2]，在粮食生产和安全方面将会面临比以前更为严峻的问题[3-5]。气候变化对农业生产的影响主要体现在作物产量波动、农业种植结构和布局改变及作物生长发育变化等方面[6-7]。近年来，学者们就典型气候变化对小麦生产的影响开展了众多研究，包括模拟模型与气候模式相结合、气候模式PRECIS输出的未来气候与基准气候条件结合及农田开放式试验平台[8-10]等。房世波等[11]研究表明，CO2浓度升高作物产量提高，品质将下降，但研究也存在不确定性，C3与C4作物光合途径不一致存在短期和长期效应。Shu等[12]研究了在雨养和灌溉条件下CO2浓度对小麦生物量的影响，发现CO2浓度升高雨养小麦的生物量较高。但是，也有研究表明温度升高会降低甚至抵消了CO2浓度增加对小麦生物量的正效应[13]。杨轩等[14]将大田试验与农业生产系统模拟模型结合研究结果显示，玉米的产量随气温升高先增加后降低，而冬小麦产量随气温升高而降低。杨建莹等[15]利用“多元逐步回归分析+残差插值”方法分析发现年平均气温增加抽穗期推迟，积温增加成熟期推迟。景毅刚等[16]研究结果表明陕西冬小麦播种期温度升高，陕北南部及关中越冬起始日期退后，返青期提前。鲁清林等[17]通过对冬小麦北移后灌浆期籽粒的特性研究结果显示，整个籽粒灌浆持续时间缩短，最大粒重和实际千粒重提高。小麦的生长不仅受其品质的影响，同时也受到气候因子的影响，其中气温和CO2浓度为影响冬小麦各个生育期阶段、产量品质及种植区域的驱动因子。因此，加强气候因子气温和CO2浓度对冬小麦产量的影响研究对冬小麦种植区域和环境的适应性具有重要意义。

冬小麦作为陕西主要粮食作物之一，对于气温和CO2浓度对冬小麦最终产量的影响仍需研究，本文通过分析陕西省(延安、长武和安康)1957—2013年气温、降水、生育期有效积温和ET0等因子变化，采用AquaCrop模型模拟分析气温、CO2浓度及两者共同作用下对冬小麦产量的影响，同时，通过3种不同典型年模拟预测未来气候变化条件下冬小麦产量的变化，为该地区农业生产供一定的理论指导和参考。

1 材料与方法

1.1 研究区概况

陕西省位于东经105°29′—5°15′，北纬31°42′—39°35′。总面积20.56万km2，占全国总土地面积的2.145%。整个区域由北向南，自西向东10个辖市及1个示范区，以秦岭、北山为边界形成三大地区。平均温度分布基本上是由南向北逐渐降低，其中陕北为7～11℃；关中为11～13℃；陕南为全省最暖地区，在14～15℃。年降水量南多北少，由南向北递减，陕北年降水量为400～600 mm，关中为500～700 mm，陕南为700～900 mm。冬小麦作为陕西省主要细粮作物，2014年全省小麦种植面积为1.09×106hm2，小麦产量3.90×106kg，单产为3 560 kg/hm2，小麦播种面积与1978年相比减少0.51×106hm2，但单产约增加2 000 kg/hm2[18]。除长城沿线可种植春小麦，其他地区均种植冬小麦，主要集中在关中渭北，占全省小麦的83.6%，陕南占15%，而陕北仅占1%。

1.2 AquaCrop模型基本原理

AquaCrop模型由气象、作物、田间管理和土壤4个模块组成，将土壤—作物—大气作为一个连续系统，以日土壤水分平衡为机理模拟在水分供应发生变化对作物产量和生物量的影响，利用水分生产效率将作物蒸腾量转化为生物量，进而通过生物量与收获指数反映作物最终产量[19]。其计算原理如图1所示。

图1 AquaCrop模型的计算流程

生物量和产量计算公式为:

Y=B·HI

(1)

B=WP·∑Tr

(2)

式中：Y为最终作物产量(t/hm2)；B为生物量(t/hm2)；HI为收获指数(%)；WP为生物量水分生产效率[t/(hm2·mm)]；Tr为作物蒸腾量(mm)。

1.3 资料来源和计算方法

利用陕西省农业气象试验站提供的各地区冬小麦作物生育期内逐日最高(最低)气温、降水量、相对湿度、2 m处风速和日照时数等气象资料。参照《陕西土壤》[20]中土壤相关参数确定陕西省3个地区土壤类型、质地及土壤其他物理特征值。冬小麦实测产量数据通过查阅《陕西统计年鉴》[18]得到。作物灌溉日期、灌水量等参考《陕西省作物需水量及分区灌溉模式》[21]。AquaCrop模型模拟所需参考作物蒸发蒸腾量由模型附带ET0计算软件求得。CO2浓度采用AquaCrop模型中默认数据A1B.CO2。由于研究区地下水位较深，因此不考虑地下水对作物的影响。运用AquaCrop模型模拟分析气候变化对陕西省冬小麦产量的影响。

采用线性回归方程拟合分析陕西省1957—2013年气温和降水变化特征，依据此变化模拟分析2003—2012年气温和CO2浓度变化前后冬小麦产量，得出两个典型气象因子对冬小麦产量的影响，通过57 a气象资料用P-Ⅲ型频率曲线确定3种典型年，分析3种典型年下未来18 a陕西省冬小麦产量变化趋势。

2 结果与分析

2.1 陕西省气候要素变化分析

2.1.1 年际平均气温变化 通过统计分析陕西省3个地区延安、长武及安康1957—2013年最低、最高气温，得到3个地区平均气温呈上升趋势，年际平均气温为12.26，9.80，16.50℃，增幅分别为0.10，0.19，0.10℃/10 a(图2A)。3个地区气温分别在1965—1977年(除1971年)、1993—1999年和1994—1999年增温较明显，57 a内3个地区相对而言，延安气温波幅较大。延安20世纪60年代、70年代、80年代及90年代平均气温距平分别为-0.22，1.34，-1.08，0.35℃,长武相应平均气温距平分别为-0.32，-0.25，-0.45，0.35℃,安康相应平均气温距平分别为-0.10，-0.09，-0.49，0℃，3个地区进入90年代以后气温距平为正值(图2B)。

图2 陕西省年际平均气温和气温距平

根据世界气象组织对天气、气候异常，提出的两个定量判断标准，将正距平大于或等于两个标准差为异常暖，大于或等于一个标准差划分为暖年；负距平小于或等于两个标准差为异常冷，小于或等于一个标准差划分为冷年[22-24]。研究区域延安相应异常暖年为1973年，暖年为1966—1975年(除1971年)；无异常冷年；冷年为1962年、1984年。长武相应异常暖年为2013年，暖年为1996—1999年、2006年、2010年；异常冷年为1967年、1984年，冷年为1964年、1968年、1974—1976年、1989年、1993年。安康异常暖年为2013年，暖年为1959年、1998年、1999年、2002年、2006年、2007年；无异常冷年，冷年为1964年、1974年、1989年、1993年。

2.1.2 年际平均降水量变化 通过统计延安、长武及安康57 a降水资料，运用线性回归分析3个地区降水量变化趋势(图3A)，1957—2013年3个地区安康与长武降水量呈上升趋势，上升速率分别为15.32，9.10 mm/10 a，而延安呈下降趋势，下降速率为2.01 mm/10 a，延安、长武及安康年际平均降雨量为524.91，549.23，803.00 mm。采用降水距平百分率(Dp)旱等级划分标准，无旱：Dp>-15；轻旱：-30

2.1.3 生育期内有效积温与ET0变化特征 通过统计延安、长武及安康气象资料，运用线性回归分析3个地区57 a冬小麦生育期内有效积温和ET0变化特征(图4)。冬小麦生长下限温度为3～4℃[16]，计算生育期内有效积温，运用ET0软件计算得到ET0值。分析得知，3个地区生育期内有效积温和ET0均增加，有效积温上升速率为延安>长武>安康，分别为50.3，30.9，29.6℃/10 a，生育期内ET0增加速率为长武>安康>延安，其值分别为8.9，6.1，0.6 mm/10 a。由降水量和气温变化分析得知，长武与安康属于“暖湿型”气候，延安相对而言为“暖干型”气候，在这两种气候类型下，延安、长武和安康生育期内有效积温平均值分别为1 301.1，874.3，1 677.5℃，相应ET0平均值为658.4，512.7，477.4 mm。

图3 陕西省降水量变化趋势和降水距平百分率

图4 陕西省冬小麦生育期内有效积温和ET0

2.2 AquaCrop模型参数调试与验证

AquaCrop模型提供了冬小麦典型作物特性及相关生长参数[19]。由于陕西省各个地区经纬度、作物种植结构及土壤质地等因素的差异，使冬小麦各生育期生长周期发生变化。

为了使模型在3个地区得到良好的应用，以《陕西省统计年鉴》给出的冬小麦实测产量数据为目标函数对模型进行校准，参考AquaCrop模型给出的参数值范围和王翔翔等[26]研究结果通过试差法对模型中参数调试修正，将实测产量与模拟产量之间的相对误差控制在10%以内，得到适用于3个地区作物参数值(表1)。

表1 模型典型参数调试

运用校准后模型参数对3个地区冬小麦产量进行模拟，实测值与模拟值之间的误差分析如表2所示，其相对误差均在允许范围内。对于模型在3个地区的适应性验证选择平均相对误差(AE)、均方根误差(RMSE)、残差聚集系数(CRM)和一致性系数(D)进行评价(表3)。由表3可知，整体而言，表1中的参数模拟区冬小麦产量具有较好的拟合度。

2.3 现状降水条件下冬小麦产量对典型气候要素变化的响应

通过对陕西省3个地区的气候要素、生育期有效积温和ET0的分析，结合夏威夷冒纳罗亚天文台测定大气中年平均CO2浓度变化得知，陕西省长武和安康属于“暖湿+高碳型”气候，而延安属于“暖干+高碳型”气候。为了进一步了解在两种气候类型下，气温和CO2浓度变化对冬小麦产量的影响，在现状降水条件下，分析CO2浓度、气温等气候因子变化对陕西省冬小麦产量的影响。根据上述已确定的模型参数，以2003—2013年气象资料为基础，分别模拟分析CO2浓度、气温及两者共同变化条件下冬小麦产量变化特征。

表2 冬小麦模拟值与实测值误差分析

表3 实测值与模拟值精度分析

2.3.1 气温变化对冬小麦产量的影响 延安、长武及安康气温分别以0.10，0.19，0.10℃/10 a速率上升，延安和安康10 a增量为0.1℃，长武5 a增量为0.1℃，AquaCrop模型中以0.1℃为气温年增幅对3个地区冬小麦产量进行模拟。由图5可知，当冬小麦生育期内气温增加0.1℃时，延安、长武及安康冬小麦产量变化趋势有所不同。延安冬小麦平均增产0.5%，而安康与长武冬小麦平均产量减少0.7%和0.3%。温度是影响冬小麦生长发育的主要因素，适宜的温度为冬小麦正常生长发育及光合作用提供能量。研究发现温度对作物产量的影响是非线性的，作物在各生育阶段具有适宜的温度范围，在最适温度之前，增温对作物的光合速率有促进作用，净光合速率增加，有利于干物质的积累，温度高于最适温度后，蒸发率过高，受到高温和水分胁迫，温度过高使土壤中氮素含量下降，产量呈现下降趋势[11,27-28]。

图5 气温变化前后冬小麦产量对比

2.3.2 CO2浓度变化对冬小麦产量的影响 由图6可知，延安和安康CO2浓度增加20 μmol/mol，冬小麦增产3.6%和4.2%，长武CO2浓度增加10 μmol/mol，冬小麦增产2.2%，但在2012年由于长武冬小麦生育期内降水量较其他年份少、参考作物蒸散量(ET0)较高产量增加幅度较小。CO2是光合作用的底物，CO2浓度升高提高1,5-二磷酸核酮糖(RuBP)羧化酶的活性，增强对CO2的固定，抑制RuBP加氧酶的活性，降低光呼吸强度，提高光合效率[29-30]。冬小麦叶片净光合速率和水分利用率增加，作物生长发育加快，冬小麦气孔导度和蒸腾速率降低，在一定程度上缓解了水分不足的胁迫作用，提高作物的初级净生产力，导致产量增加[11,30-31]。

2.3.3 气温和CO2浓度同时变化对冬小麦产量的影响 延安、长武及安康冬小麦生育期内平均气温在5.4～11.9℃。由图7可知，延安和安康气温升高0.1℃，同时CO2浓度增加20 μmol/mol，冬小麦平均增产4.0%和3.6%，长武气温升高0.1℃，同时CO2浓度增加10 μmol/mol，冬小麦平均增产2.0%，气温与CO2浓度共同作用下延安冬小麦增产效果略低于两个因子单独作用之和，而安康与长武略高于两个因子单独作用之和。这是由于温度和CO2浓度变化对作物影响具有正协同作用，当大气CO2浓度升高，作物生长适宜温度增加，温度与CO2浓度同时作用，刺激早期分蘖的形成与存活增加穗粒数，作物生育期提前，生物量的积累增加，同时CO2浓度增加减缓气温升高对产量的影响[28,32-35]。

图6 CO2浓度变化前后冬小麦产量对比

图7 气温、CO2浓度同时变化前后冬小麦产量对比

2.4 未来气候情景下冬小麦产量对气候因子变化的响应

根据延安、长武及安康3个地区气温变化特征，在2012—2013年冬小麦生育期内实测最低、最高气温的基础上，将冬小麦生育期内气温以相应速率(0.1,0.19,0.1℃/10 a)增加，得到2013—2030年未来18 a冬小麦生育期内气温值。3个地区2013—2030年CO2浓度值采用模型A1B.CO2模块推荐值。采用P-Ⅲ型频率曲线分析57 a降水资料，得到3个地区不同降水保证率下的典型年，结合AquaCrop模型模拟分析气候因子气温和CO2浓度值升高，未来18 a在3种不同降水保证率下冬小麦产量对气候因子变化的响应，结果如表4所示。由表4可知，3个地区未来18 a在3种不同降水保证率下，气温和CO2浓度升高，2020年、2025年及2030年3种典型年下冬小麦模拟产量与2012年实测值相比均有不同程度的增产。枯水年延安地区增产3.3%，6.1%，8.4%，长武地区增产2.3%，5.1%，7.9%，安康地区增产1.8%，5.6%，7.6%；平水年延安地区增产4.4%，7.3%，9.9%，长武地区增产3.3%，5.9%，8.7%，安康地区增产2.8%，5.9%，8.9%；丰水年延安地区增产4.8%，8.5%，10.3%，长武地区增产4.1%，7.1%，10.0%，安康地区增产3.6%，6.6%，9.8%。相同降水条件下，气温与CO2浓度升高有利于陕西省冬小麦增产。同一地区在不同降水保证率下，气温和CO2浓度增幅相同，其增产有所不同。相同年份、同一降水保证率下不同地区增产也有所不同，延安>长武>安康，这可能与地区经纬度、作物种植结构及土壤质地有关。

表4 2013-2030年冬小麦产量模拟 t/hm2

3 讨论与结论

(1) 陕西省延安、长武及安康3个地区1957—2013年年际平均气温呈上升趋势，上升速率为0.10～0.19℃/10 a，平均气温为9.80～16.50℃；安康与长武降水量呈上升趋势，上升速率为15.32，9.10 mm/10 a，而延安呈下降趋势，下降速率为2.01 mm/10 a，平均降雨量为524.91～803.00 mm；有效积温上升速率为29.6～50.3℃/10 a，平均值为874.3～1 677.5℃；生育期内ET0增加速率为长武>安康>延安。

(2) 冬小麦生育期内CO2浓度不变，气温增加，延安冬小麦平均产量增加，而安康与长武冬小麦平均产量减少；气温不变，CO2浓度增加3个地区均有不同程度的增产；气温与CO2浓度同时增加，在两个气象因子的正协同作用下产量增加，抵消由于气温升高造成的对冬小麦产量的减少。

(3) 3种不同降水保证率下(枯水年、平水年和丰水年)，延安地区2020年、2025年及2030年与2012年相比丰水年比枯水年增产1.4%～2.4%，长武地区2020年、2025年及2030年与2012年相比丰水年比枯水年增产1.9%～2.1%，安康地区2020年、2025年及2030年与2012年相比丰水年比枯水年增产1.8%～3.2%。未来18 a这3种典型年下与2012年相比，枯水年延安增产3.3%～8.4%，长武增产2.3%～7.9%，安康增产1.8%～7.6%；平水年延安增产4.4%～9.9%，长武增产3.3%～8.7%，安康增产2.8%～8.9%；丰水年延安增产4.8%～10.3%，长武增产4.1%～10.0%，安康增产3.6%～9.8%。因此，根据本文的研究结果，气候变暖使陕西省各地区单位面积产量增加，延安>长武>安康，可适当增加在陕北地区冬小麦的种植面积，提高农业产量。

文中在研究气候对冬小麦产量的影响过程中，选择3个地区中3个地市来分析具有一定的局限性。未来气候变化包括气温、降水、CO2浓度及日照时数等因素共同作用对冬小麦产量的影响。温度升高会使土壤物理参数(相对湿度和土壤含水量等)值发生变化，而本文采用AquaCrop作物生长模型模拟预测冬小麦产量，仅考虑了温度与CO2浓度两个变量，将其他参数作为固定值。因此，不能完全反映气候变化对冬小麦产量的影响，其结果的准确性还需今后进一步的研究与完善。