DSSAT模型在黄土丘陵区不同耕作措施中的适用性

王海燕，闫丽娟，李 广，吴江琪，陈国鹏

（甘肃农业大学林学院，甘肃 兰州 730070）

陇中黄土高原区属于典型的半干旱区，降水少且季节分布不均，是世界上水土流失和土地荒漠化最严重的区域之一，也是我国最为贫困的地区之一[1]。该区是典型的雨养农业区，作物的生长主要依靠降雨，在全球气候变暖的背景下，干旱灾害频繁发生，水资源短缺日益加重，长期以来由于不合理的耕作措施使得该区出现了严重的水土流失现象，造成了黄土高原区土壤肥力日渐贫瘠，农田的蓄水保墒能力也随之下降，土地的生产条件急剧恶化，严重威胁着当地的生态环境安全和人民生活水平的提高。因此，采取合理的耕作方式，进而提高作物产量以及水分利用效率，减少水土流失和土地荒漠化是该地目前亟需研究的问题。

作物生长模型是综合作物生理学、农学、计算机科学等学科的理论知识，用来描述和预测作物自身的生长发育过程和周围环境之间关系的综合计算机系统[2]。国内外在系统水平模拟作物生产优化决策的模型很多，但作物生长模型的研发过程周期长而且成本高。因此，引进经过广泛验证的生长模型是当今国际作物研究最流行和最经济的办法[3]。为此，引进了由美国农业部组织、美国夏威夷大学主持的多所大学和科研院所联合开发研制的DSSAT。DSSAT模型虽然产量和经济评估功能与其他模型相似，但该模型优于最佳耕作措施确定的系统模拟[4-6]，且模拟过程更复杂，模拟精度也较高，利于广泛推广。国内DSSAT在保护性耕作效应综合评估方面的研究主要集中在几个平原粮食产区，黄土高原作为我国西北重要的粮食主产区，类似研究却鲜有报道。因此，本研究在以定西为代表的黄土丘陵区，以当地的主要种植作物春小麦(Triticum aestivum)为研究对象，运用田间试验结合DSSAT模型模拟的方法，研究4种(传统耕作、传统耕作+秸秆覆盖、免耕和免耕+秸秆覆盖)不同耕作措施对春小麦土壤水分及产量的影响，为今后该模型的本土化和农业优化决策提供有益借鉴，为农业生产研究提供一些理论依据。

1 材料与方法

1.1 DSSAT 模型简介

DSSAT是由国际农业技术转移的标准基点网络IBSNAT项目支持，自1983年开始研制的由多种作物模型组成的综合计算机系统[7-9]。主要由5部分组成：1)数据库管理模块，输入、编辑和存储试验资料；2)作物模型模块，整个软件的最核心部分，包括了多达42个的作物模拟模型；3)应用分析模块，进行模拟试验并显示模拟结果；4)后援软件，进入主要模块以及其他模块的快捷方式；5)使用界面模块，对应用分析和后援软件进行操作。

1.2 研究区概况

试验区位于甘肃省定西市安定区李家堡乡甘肃农业大学旱农综合试验站 (35°64' N，104°64' E)，地处黄土高原丘陵沟壑区，属于典型的半干旱雨养农业区，海拔 2 000 m，年日照时数 2 476.6 h，年均太阳辐射 141.6×1.48 kJ·cm-2，年均气温 6.4 ℃，年均降水量385 mm，降水季节分配严重不均，7-9月降水量占全年降水量的46%，且多以暴雨形式出现，年蒸发量1 531 mm。试验地土壤为典型的黄绵土，土层深厚质地均匀，蓄水性能良好。该区种植的主要粮食作物有小麦、玉米(Zea mays)、马铃薯(Solanum tuberosum)等。

1.3 试验设计

4种耕作措施：传统耕作(T)、传统耕作+秸秆覆盖(TS)、免耕(NT)和免耕+秸秆覆盖(NTS)。小区面积 4 m×6 m，边行 0.5 m 为保护行，试验样地随机区组排列，3次重复。参试作物为“定西42号”春小麦，播种量 187.5 kg·hm-2，中国农业大学研制的免耕播种机播种，覆盖所用的秸秆均为当年春小麦秸秆(第1年除外)，收获打碾后切碎(5 cm左右)均匀覆盖到各个小区，覆盖量为 4 000 kg·hm-2。

1.4 取样与测试

小麦收获时取样20株进行考种，以各小区打碾产量折算公顷产量。在小麦全生育期内选取5个生长阶段[播种期(B)、分蘖期(D)、拔节期(E)、开花期(F)、成熟期(G)]，用土钻按对角线法采集各耕作措施样地土壤，取样深度为0-10、10-20和20-40 cm，同一耕作措施同一土层组成一个混合土样，除去枯落物和可见根系，带回实验室用于含水量的测定，每个处理小区3个重复。土壤含水量采用烘干法测定，土壤容重用环刀法测定[10]，环刀容积为 100 cm3。

1.5 模型的验证

采用国际上通用的标准化均方根误差(nRMSE)和平均相对误差 MRE(the mean relative error)来分别比较相应的模拟及实测的作物产量、土壤含水量，定量评价模型的模拟性能[11]。计算公式如下：

式中：Oi为实测值；Si为模拟值；n为样本容量；M为实测值的平均值。一般认为nRMSE的值越小，模型模拟的精度就越高[12-15]，模拟的结果也越准确、可靠。平均相对误差MRE的值越小越好，MRE = 0时则表示实测值和模拟值相等，模型模拟效果极好[16]。

2 DSSAT 模型的参数调试和有效性检验

2.1 DSSAT 模型的输入参数

2.1.1 气象数据

模型运行所需的最小数据集包括了站点的经度、纬度、海拔高度(m)、逐日最高气温(℃)、逐日最低气温(℃)、逐日降水量(mm)以及逐日太阳辐射量(MJ·m-2)。逐日太阳辐射量不能直接测得，可用逐日的日照时数按以下的公式进行计算[17]：

式中：Q为太阳总辐射(MJ·m-2)；Q0为天文辐射量，即晴天的逐日太阳辐射量(MJ·m-2)；n为逐日的太阳日照时数(h)，观测即可获得；N为逐日的可照时数，即最大时长(h)；a和b为经验系数，与当地的大气质量有关 (黄土高原地区a和b取值一般为0.18和0.55)[18]。天文辐射量和最大日长(N)的计算公式如下：

式中：λ为纬度，为太阳赤纬。

2.1.2 土壤数据

构建土壤模块需要输入试验地所在的位置、经纬度等一系列的基础信息和土壤剖面的基本参数，如各层土壤的质地(即各层土壤的粘粒、粉粒和砂粒含量)、土壤的渗透性、土壤的容重(g·cm-3)、pH等。土壤数据主要是通过DSSAT提供的土壤数据管理平台(SBuild)来进行输入保存和管理的，具体的土壤逐层的理化性质参数如表1所列。

2.1.3 田间管理数据

模型需要的田间管理数据均由2016、2017年的田间试验提供，主要涉及到春小麦的播种方式、播种密度、肥料类型和施用量、灌溉量、春小麦的收获时间等。田间管理数据主要是由DSSAT提供的田间管理数据管理平台(XBuild)来进行数据的输入和保存的。

2.1.4 作物遗传参数

作物品种遗传参数是用来描述作物的基因遗传特性与其生长的周围环境之间的相互作用的一套参数集合，每一种作物都有一套相对应的参数值，这些参数值反映出同种作物不同品种间在生长发育性状和产量性状等方面的特征差[19]。本研究采用DSSAT-GLUE参数调试程序包对春小麦品种‘定西42'进行参数率定，模型要求的小麦品种参数包括：小麦从播种到拔节期通过春化作用所需要的低温日数(P1V)、小麦从生理拔节到抽穗期通过光周期所需要的低温日数(P1D)、小麦从开花期到成熟期的灌浆期长度(P5)、小麦的籽粒数与开花期的茎穗重(不含叶片与叶鞘)的比值(G1)、小麦在最佳条件下籽粒的灌浆速率(G2)、小麦伸长生长结束在无胁迫的条件下单茎穗(不含叶片和叶鞘)干重(G3指)和小麦的两个连续叶片叶尖显露出来所需要的热量时间(PHINT)。试验地所选春小麦的遗传参数为: P1V, 6.02 d; P1D, 264.7 %·h-1; P5,526.10 ℃·d; G1, 23.12; G2, 52.76 mg; G3, 2.96 g;PHINT, 87.27 ℃·d。

表 1 试验地初始土壤环境实测数据Table 1 Measured data of soil initial conditions used for simulation

2.2 DSSAT 模型的检验

2.2.1 DSSAT 模型模拟作物产量的检验

DSSAT模型对春小麦产量的模拟结果表明(表2)，DSSAT-Wheat模型对该地区春小麦的产量有较好的模拟效果。各年份不同耕作措施下春小麦产量模拟误差在8.89%～10.98%，MRE值在8.51%～9.90%，2016年传统耕作(T)产量模拟的nRMSE为10.98%，传统耕作+秸秆覆盖(TS)产量模拟的nRMSE为9.30%；2017年产量模拟的nRMSE在8.89%～10.75%。可以看出，模型模拟的准确程度较高，能够如实的反映春小麦的产量状况。这表明总体来说DSSAT模型对于黄土高原丘陵区春小麦的产量的模拟效果较好。

表 2 不同耕作措施下春小麦产量的实测值与模拟值的nRMSE和MRETable 2 nRMSE and MRE of measured and simulated values of spring wheat yield

2.2.2 DSSAT 模型模拟作物生育期天数的检验

DSSAT模型对春小麦主要生育期天数的模拟结果(表3)表明，DSSAT-Wheat模型对春小麦主要生育期天数的模拟效果较好，与田间实测的生育期天数吻合度较高。2016年主要生育期天数模拟的nRMSE在9.09%以内，2017年主要生育期天数模拟的nRMSE在4.12%以内。这表明DSSAT模型可以对黄土高原丘陵区春小麦生育期天数进行很好的模拟。

表 3 2016和2017年春小麦生育期天数模拟值与实测值对比Table 3 Comparison of the simulated and measured values of days of spring wheat growth period of 2016 and 2017

2.2.3 DSSAT 模型模拟土壤水分的检验

本研究对2017年4种不同耕作措施3个土层(0-40 cm)下的土壤水分含量进行了连续模拟，并比较了模拟值和实测值(图1)，计算了nRMSE值，结果如表4所示，整个土壤剖面不同土层土壤含水量的nRMSE值在10.39%～14.91%。这说明DSSAT-Wheat模型能够准确地模拟土壤含水量，也能够较好地模拟存在水分胁迫下的作物潜在产量。

图 1 不同耕作措施0-40 cm土层土壤含水量的模拟值和实测值Figure 1 Comparison of simulated and measured values of soil water content in 0-40 cm layer with different tillage measures

表 4 不同耕作措施下土壤含水量模拟和实测值的nRMSETable 4 nRMSE between simulated and measured values of soil water content for different tillage measures%

3 结论与讨论

整体来看，传统耕作+秸秆覆盖(TS)、免耕(NT) 和免耕+秸秆覆盖 (NTS)3 种耕作措施下 10-20 cm土层土壤含水量模拟与实测值误差较大，传统耕作(T)耕作措施下20-40 cm 土层土壤含水量模拟与实测值误差较大，T耕作措施下20-40 cm土层土壤含水量模拟与实测值误差较大，这主要是因为保护性耕作措施对作物生长及土壤水分产生的影响需要长期的作用才能体现出来，短期的田间试验数据会导致实测结果与模型模拟结果之间产生一定的误差，这与Hu等[20]的研究结果类似。模型模拟的产量都高于实测值，是因为模型在模拟的过程中直接假设了作物的生长发育过程不受病虫害、杂草和极端天气事件等因素的影响，从而导致模拟值比实际值偏高，这与邹龙等[21]的研究结果类似。

由于田间实际情况复杂多变，而模型是在一定假设基础之上进行的数值模拟，对大量过程进行了简化，不可能完全再现田间实际情况，因此存在一定的误差是可以接受的，但是要想进一步提高模型模拟的精度，从而更好的实现模型的本地化，还需要考虑长时间序列的模拟过程中作物生长发育过程受到病虫害、温室气体和极端气象灾害等因素的影响[22-24]。模型在土壤水分含量的模拟结果上误差略大于对产量的模拟，很可能与模型内部模拟机理有一定关系，有待于进一步探究和讨论。但是从整体来看，DSSAT模型能够比较准确地模拟黄土高原丘陵沟壑区春小麦的生长发育以及产量形成的过程。模型在黄土高原沟壑区具有较好的适用性，可以用该模型来模拟黄土高原沟壑区春小麦的生长发育过程，并且在模型模拟的基础上对该区今后的春小麦种植技术、管理措施具有科学的指导意义。主要研究结论有：

1)DSSAT模型对黄土高原丘陵沟壑区春小麦生育期天数和土壤水分含量的模拟值与实测值均表现出较好的一致性, 模型模拟的精度较高，生育期天数的nRMSE值在9.09%以内，整个土壤剖面各层土壤含水量的nRMSE值在10.39%～14.91%，模拟误差稍大。

2)DSSAT模型对黄土高原丘陵沟壑区春小麦产量模拟的精度较高，产量模拟的nRMSE值在8.89%～10.98%，MRE值在8.51%～9.90%。4种耕作措施下T的模拟误差最大，NT的误差最小，TS和NTS模拟误差差距较小，说明模型可以对保护性耕作措施进行较好的模拟。