基于DSSAT模型的冬小麦最优灌溉制度研究

邵光成 王志宇 王小军 汤树海 姚怀柱

(1.河海大学农业工程学院， 南京 210098； 2.南京水利科学研究院水文水资源与水利工程科学国家重点实验室， 南京 210029； 3.涟水县水利科学研究站， 淮安 223400； 4.江苏省农村水利科技发展中心, 南京 210029)

0 引言

小麦是我国主要粮食作物之一，在农业生产和国民经济中占有重要地位[1]。随着社会经济的快速发展，我国耕地面积不断减少。淮北平原作为主要农业区，稻麦轮作种植冬小麦有利于提高复种指数、增加粮食产量，因此，发展淮北平原区冬小麦生产是保障粮食安全的重要举措。灌溉制度是影响作物产量的重要因素之一，要实现冬小麦高产，对灌溉制度进行优化必不可少。此外，淮北平原是典型的南北气候过渡区，近年来气候变化频繁，对作物生长和产量形成造成很大的影响，因此，研究气候变化对粮食作物生产的影响显得尤为重要。

传统田间试验方法开展冬小麦灌溉制度研究需要耗费大量时间和人力物力，且研究结果单一、局限性较大[2]。作物生长模拟模型可以根据模型中设置的环境状况和农业管理措施进行产量预测，因此可以将模型应用于灌溉制度的研究。其中DSSAT(Decision support system for agrotechnology transfer)模型应用较为广泛，在农作物的生产潜力值估算、作物田间管理决策、气候变化对作物的影响评估等方面，不少学者已开展了相关研究[3-11]。

目前，关于冬小麦产量及灌溉制度的相关研究[12-22]大多集中在中国北方地区，对南北过渡区的淮北平原开展的研究较少。为此，本文基于DSSAT作物模型，对淮北平原不同年型冬小麦的灌溉制度进行优化，并根据政府间气候变化专门委员会(Intergovernmental Panel on Climate Change，IPCC)第五次评估报告(Fifth assessment report，AR5)提出的BCC-CSM 1.1(Beijing climate center climate system model version 1.1)气候系统模式，阐明最优灌溉制度在不同情景下的适用性，为未来气候变化下淮北平原区冬小麦优质高效生产实践提供理论技术支撑。

1 材料与方法

1.1 试验站概况

试验于2001—2013年每年10月到次年6月的冬小麦生长期在涟水县水利科学研究站(简称涟水站)进行，该站位于江苏省淮安市涟水县朱码镇(119°16′E， 33°47′N)境内，如图1所示。涟水站平均海拔7.5 m，属于暖温带季风性半湿润气候，多年平均气温14.8℃，年均气温5℃以上时间289 d，日照时数2 280 h，降雨量时间分布不均，年内变化和年际变化较大，多年平均降雨量979.6 mm，多年平均蒸发量1 056.8 mm，年均无霜期213 d，雨日104 d，年均相对湿度77%。供试区耕层土质为砂壤土，0～30 cm土壤容重为1.4 g/cm3，田间持水率为28.7%(质量含水率)，pH值为6.8，有机质质量分数为2.19%，全氮质量比为0.98 g/kg。

图1 涟水县水利科学研究站位置图Fig.1 Location of Lianshui Water Conservancy Research Institute

1.2 数据来源

本文选用DSSAT模型以天为步长模拟冬小麦从播种到收获生长和发育的生理过程。由于缺乏涟水站当地的逐日气象资料，选取典型年时利用涟水站1985—2015年冬小麦生育期降水资料排频适线，得到降水量经验频率分别为25%、50%和75%对应的设计值，然后以距离较近的淮安站2001—2016年内与3种经验频率对应降水量接近的年份作为代表年。淮安站气象系列选取2001—2016年是由于目前中国气象数据网仅记录了2001年1月—2017年3月的逐日气象资料。

模型所需土壤参数、作物管理数据等来自涟水县水利科学研究站，淮安站逐日气象数据来源于中国气象数据网(http:∥data.cma.cn)，未来情景模拟时BCC-CSM 1.1气候系统模式气象数据来源于地球系统网格联盟(The earth system grid federation，ESGF) 网站(https:∥esgf-node.llnl.gov/search/cmip5)。

1.3 研究方法

采用DSSAT模型调参与验证、灌溉制度优化和最优灌溉制度适用性评价相结合的方法。在DSSAT模型中建立数据文件，采用试错法对作物品种参数进行调试，直至模型模拟值与实测值误差达到要求。模拟值与实测值的相对差异程度采用归一化均方根差NRMSE(Normalized root mean square error，NRMSE)衡量。该指标是分析模拟产量和实际产量差异的最佳衡量指标。一般认为，NRMSE<10%为极好；10%≤NRMSE<20%为好；20%≤NRMSE<30%为中等；NRMSE≥30%为差[23-25]。

王文佳等[26]基于DSSAT模型模拟结果发现，冬小麦生长期间越冬期及返青拔节期缺水对产量及经济效益影响较为严重，灌浆水对产量贡献作用最小。结合涟水站在越冬期、返青期灌水的实际情况，为进一步优化灌溉制度，模拟灌水时期增设拔节期和抽穗期。此外，根据江苏省水利厅《江苏省灌溉用水定额》(苏水农[2015]6号文件)，徐淮片区涟水县年降水量经验频率为80%时小麦的灌溉基本用水定额为1 184 m3/hm2，为保障冬小麦产量，本文设定最大灌溉定额为150 mm，灌水定额为50 mm，将冬小麦灌水时期和灌水次数进行组合，设计15种灌溉制度，见表1。应用调参后的DSSAT模型模拟不同年型、不同灌溉制度下冬小麦产量和田间水分状况，根据单位面积产量、灌溉用水量(Irrigation water capacity， IWC)和水分利用效率(Water use efficiency，WUE)3个指标优选灌溉制度。WUE计算方法为

表1 灌溉制度设计Tab.1 Design of irrigation schedules mm

注：T1为雨养，T2～T5为灌一水，T6～T11为灌两水，T12～T15为灌三水。结合涟水站灌溉实际设定灌水时间分别为：越冬期12月25日、返青期2月20日、拔节期3月30日、抽穗期5月10日。

式中Y——产量，kg/hm2ET——腾发量，mm

WUE——水分利用效率，kg/m3

其中产量和腾发量(Evapotranspiration， ET)数据可由DSSAT模型运行得到。

为满足研究气候变化的需要，世界多个机构共同组织实施了国际耦合模式比较计划(Coupled model intercomparison project，CMIP)。CMIP5 (The fifth phase of the coupled model intercomparison project)是2008年启动的第五阶段计划，是目前较为全面的气候模式[27]。CMIP5评估模式采用温室气体的稳定情景，具体包括4种辐射强迫物质的量浓度排放途径：RCP2.6、RCP4.5、RCP6.0和RCP8.5。试验名称RCP(Representative concentration pathway)后的数字代表该情景在2100年达到的辐射强迫,分别约为8.5、6.0、4.5、2.6 W/m2[28]。研究表明，由于RCP4.5的优先性大于RCP6.0[29-31]，并且RCP2.6情景较为理想，探讨此情景下作物产量变化意义不大，因此本文考虑RCP4.5、RCP8.5两种情景。进一步地，选取CMIP5中的BCC-CSM1.1气候模式，利用双线性插值法将获取的逐日气象数据降尺度到涟水站点，然后将得到的气象数据输入DSSAT模型，模拟时设定试验受水分限制，其他管理措施与实践相同，以此探讨未来条件下灌溉制度的适用性。

2 结果与分析

2.1 模型校验

冬小麦品种参数校正由模型自带的GLUE(Generalized likelihood uncertainty estimation)调试程序进行，率定结果如表2所示。

表2 冬小麦遗传参数Tab.2 Genetic coefficients of winter wheat

图2 冬小麦模拟产量与实测产量的关系Fig.2 Relationship of simulated yield and actual yield of winter wheat

图3 冬小麦土壤含水率模拟值与实测值的关系Fig.3 Relationship of simulated and actual soil moisture contents of winter wheat

冬小麦2001—2013年产量、土壤含水率的模拟值与实测值的比较分别如图2、3所示，其中产量的NRMSE为10.2%，土壤含水率的NRMSE除2003年外均小于30%。结果表明品种参数能够较为准确地反映作物品种的主要遗传特征，可用于进一步研究。另外，可以根据模拟效果较好与较差的2004—2005年、2003—2004年两个冬小麦生育期内气象因素，如图4所示，对DSSAT模型模拟误差进行估计，此处不展开。

2.2 代表年选取

对涟水站30年冬小麦生育期降雨资料排频适线(图5，图中EX为均值，Cv为变异系数，Cs为偏态系数)，得到降水量经验频率分别为25%、50%和75%对应的设计值，依次为527.1、435.4、362.5 mm。进一步地，选取淮安站2001—2016年期间与3种经验频率对应降水量接近的年份作为代表年，依次为2007—2008年(丰水年，降水量523.6 mm)、2006—2007年(平水年，降水量445.1 mm)、2011—2012年(枯水年，降水量353.0 mm)。

图4 2004—2005年、2003—2004年2个冬小麦生育期内气象因素变化曲线Fig.4 Curve of meteorological factors during growth periods of winter wheat from 2004 to 2005 and from 2003 to 2004

图5 降雨量排频适线图Fig.5 Frequency-aligned map of precipitation discharge

2.3 不同年型下最优灌溉制度

应用DSSAT模型模拟3种典型年各灌溉制度下冬小麦的生长状况，统筹考虑产量、灌溉用水量和WUE3个因素进行灌溉制度优选。根据不同灌溉条件下冬小麦产量和水分利用效率模拟结果(表3)，2007—2008年(丰水年)灌溉制度T3、T6下冬小麦产量和WUE较高，分别为6 731 kg/hm2、1.551 kg/m3以及6 780 kg/hm2、1.541 kg/m3。2006—2007年(平水年)灌溉制度T1下冬小麦WUE最高，为1.631 kg/m3，灌溉制度T3冬小麦产量和WUE较高，分别为5 732 kg/hm2、1.545 kg/m3，各灌溉制度下产量差异不大。2011—2012年(枯水年)灌溉制度T1冬小麦WUE最高，为2.039 kg/m3，灌溉制度T3冬小麦产量和WUE均较高，分别为7 188 kg/hm2、1.882 kg/m3，各灌溉制度下产量差异不大。

综合考虑产量、灌溉用水量和WUE3个因素，2007—2008年(丰水年)、2006—2007年(平水年)、2011—2012年(枯水年)均宜选取灌溉制度T3。

2.4 T3、T6的适用性

由表3可知，灌溉制度T3、T6条件下3种年型的冬小麦产量和WUE均较高。结合实际情况考虑，虽然T6所需灌溉用水量较大，但在枯水年T6有一定增产效果，且由于T3更符合淮北平原区的实际情况，故本文将灌溉制度T3、T6与雨养条件进行比较，探讨其在未来情景下的适用性。

由于初始土壤含水率、灌溉制度以及气候因素共同决定土壤水分状况，且本文仅考虑冬小麦水分产量效应，因此需区分不同初始土壤含水率情况进行讨论。根据涟水站当地的种植经验，一般控制冬小麦生育期内土壤含水率在田间持水率的60%～100%，另外根据文献[32]，冬小麦在出苗期土壤适宜含水率为田间持水率的45%～60%，故本文选取初始土壤含水率为田间持水率的80%和田间持水率的60%两种情况讨论。两种初始条件下冬小麦的产量分别见图6、7。

表3 不同灌溉条件下冬小麦产量和水分利用效率模拟结果Tab.3 Simulation results of yield and water use efficiency of winter wheat under different irrigation conditions

图6 初始土壤含水率为田间持水率的80%时不同灌溉制度的产量Fig.6 Yield of different irrigation schedules when initial soil moisture content was 80% of field capacity

图7 初始土壤含水率为田间持水率的60%时不同灌溉制度的产量Fig.7 Yield of different irrigation schedules when initial soil moisture content was 60% of field capacity

如图6所示，大多数情况表现为T3、T6和雨养条件下冬小麦产量接近，或T6产量略低。部分情况如RCP4.5情景下2065、2085、2095年，RCP8.5情景下2055、2060、2085年，T3或T6相对于雨养条件具有一定优越性。特别地，RCP4.5情景下2060年雨养条件比T3、T6条件下产量高，可能由于模型设置未考虑排涝降渍的问题，导致灌溉时间不适宜，对冬小麦生长产生了抑制作用，而在该时间段适度的水分胁迫可能会对冬小麦生长有一定促进作用。

如图7所示，RCP4.5情景下2050、2060、2065、2075、2085、2095年，以及RCP8.5情景下2055、2060、2065、2085、2090、2095年， T3或T6相对于雨养条件具有一定优越性。其余情况表现为T3、T6和雨养条件下冬小麦产量接近，或T6产量略低。

T6灌溉定额100 mm，T3灌溉定额50 mm，相比于雨养而言灌水量较大，但部分情况两种灌溉制度的产量并未显著增加，T6条件下某些年份产量甚至会出现降低的现象。根据刘文茹[33]的研究结果，未来在中高等排放情景(RCP4.5、RCP8.5)下长江中下游地区年平均降水量总体呈现增加的趋势。出现上述情况可能是由于未来某些年份下，研究区域内降水已经基本可以满足冬小麦生长对水分的需求，再进行灌水会造成土壤水分过剩，引发渍害，小麦根系活力下降，籽质量降低，从而造成减产[34]。

由图6、7的模拟结果计算得到不同情景下的冬小麦模拟产量(表4)，可以发现，两种情景下初始土壤含水率为田间持水率的60%时灌溉制度T3、T6与雨养条件相比增产效果明显；从总体上看，T3比T6产量更高。

表4 不同情景下冬小麦产量比较结果Tab.4 Comparison results of winter wheat yield under different conditions

3 讨论

本研究模型校验冬小麦产量模拟值与实测值有一定差异，模拟产量偏低，如图2所示，可能是由于模型对水分因子比较敏感，而淮北平原区降水充沛，当降水过多时冬小麦根区缺氧，生长受到抑制，导致产量下降。另外本文使用距离较近的淮安站进行代替，客观上也会造成一定误差。图3表明冬小麦土壤含水率模拟值与实测值相差较大，一方面可能因为DSSAT模型每天仅输出一个土壤含水率，无法得知具体时刻，而一天内土壤含水率在不同时刻可能变化较大，另一方面可能与气象数据的代替有关。

本研究对不同灌溉条件下冬小麦产量和水分利用效率进行模拟，结果发现对于同一种灌溉制度，丰水年产量均低于枯水年产量，部分年份甚至表现为丰水年在3种年型下产量最低，造成这种现象的原因是多样的。首先，根据涟水站2001—2013年冬小麦生育期内降水量和产量实测数据，发现二者并不呈严格的正相关关系，而所选典型年仅仅是其中的3个例子，所以出现丰水年产量低的模拟结果具有一定可能性。此外，丰水年降水较多，而江淮地区多为粘土或粘壤土，透水性能弱，容易发生渍害[35]，在冬小麦产量形成的关键时期，渍害会造成根系活力下降，导致减产[34]。其次，本文利用淮安站气象数据代替涟水站气象数据，这种近似方法本身具有一定误差。这两种原因的共同作用可能导致了上述的模拟结果。尽管模型模拟存在一定误差，但模型误差在允许范围内，对于优选灌溉制度仍具有一定指导意义。未来需要进一步改进模型，以提高模型对作物生长的模拟精度。

当气象条件和灌溉模式相同时，不同初始土壤含水率对产量有较大影响，未来可进一步结合初始土壤含水率对灌溉制度进行优化。由于冬小麦生长和发育过程受到诸多不可控因素如光照、降雨、气温等气象因子的影响，而本文制定的不同年型冬小麦最优灌溉制度仅针对特定年份、特定灌溉制度而言，其贡献主要在于提出本地优化灌溉制度的可选途径，为将来农业精准化灌溉提供思路。

4 结论

(1)在DSSAT模型中对作物品种进行调参，模型模拟效果较好，调试后的品种参数较为可靠。

(2)针对生育阶段和灌溉次数不同组合确定的15种灌溉制度(T1～T15)，3种年型下雨养条件产量最低，在统筹考虑产量、灌溉用水量和水分利用效率最优的情况下，2007—2008年(丰水年)、2006—2007年(平水年)、2011—2012(枯水年)均宜选取灌溉制度T3，由此可以指导农业生产。

(3)针对T3、T6的适用性研究发现，初始土壤含水率会影响灌溉制度，进而影响冬小麦产量。当初始土壤含水率为田间持水率的80%时，部分未来年份下T3、T6相比于雨养条件表现出一定的优越性。当初始土壤含水率为田间持水率的60%时，较多的年份下两种灌溉制度与雨养条件相比，表现出较高的优越性。根据不同情景下冬小麦模拟产量的比较结果，选择灌溉制度T3可以达到较好的节水增产效果。