基于分布式水文模型的小麦渍害对气候变化响应研究

任菲莹，熊勤学

(长江大学农学院/湿地生态与农业利用教育部工程研究中心/长江大学涝渍灾害与湿地农业湖北省重点实验室，湖北荆州 434025)

渍害是长江中下游地区常见的一种土壤水分过多引起的农业气象灾害，每年长江中下游地区夏收作物因渍害的影响，产量减产达30%～50%[1]。渍害致灾因子有地形、土壤物理属性、气象条件、作物耐渍性和水利设施等，其中气象条件(特别是降水与蒸散)是影响作物渍害年际变化的主要因子。随着全球气候变化和人类活动干扰日益加剧, 渍害致灾因子、孕灾环境和承灾体情势及其相互关系发生了深刻变化,导致渍害态势出现了新情况，因此有必要开展气候环境变化条件下的渍害研究。目前气候变化对农业气象灾害的影响研究主要集中在暴雨洪涝、干旱、冷害、高温方面，如黄国如等[3]利用CMIP5(coupled model intercomparison project phase 5)全球气候模式模拟发现，在未来时期北江流域强降雨与高潮位遭遇的风险概率呈现上升趋势等；徐影等[4]分析了RCP8.5(representative concentration pathway)情景下21世纪中国洪涝致灾危险性、承灾体易损性以及洪涝灾害风险；贺晋云等[5]对西南地区极端干旱进行分析发现，近50年来极端干旱发生频率明显增加；陈晓晨等[6]通过CMIP5耦合模式研究表明，在RCP4.5情景下，未来中国热浪指数增加 2.6倍。目前关于渍害对气候变化响应的研究尚不多见，主要原因是渍害相关资料缺乏，由于渍害作物表型学特征不明显、受渍表观明显滞后、渍害判别标准缺乏、常伴随其他气象灾害等原因，农业部门更多地关注洪涝，而无作物受渍调查资料。本研究以湖北监利县小麦为对象，运用分布式水文模型(DHSVM，distributed hydrology soil vegetation model)，结合1970-2018年气象观测数据和CMIP5四种情景(RCP2.6、RCP4.5、RCP6.0和RCP8.5)下2020-2069年全球气候模式模拟气象结果数据，在假设其他条件(高程、土壤类型、土地利用现状)不变条件下，模拟出近100年每日的农田土壤表层(0～30 cm)土壤体积含水量空间分布数据，结合受渍指数，分析100年气候变化对小麦渍害的影响。

1 材料与方法

1.1 研究区域概况

监利县位于湖北省中南部、江汉平原南部，紧邻长江北岸，面积为3 508 km2，地势分布呈“簸箕”形，即西、南、北三面较高，中部及东部较低，因此自身形成一个独立的水系；土壤类型主要为灰潮土、水稻土；监利县属典型的亚热带季风气候，光能充足(大于10 ℃的积温5 171.8 ℃·d)、热量资源丰富、无霜期长(242～263 d)。

1.2 受渍指数SSWI(sub-surface waterlogging index)计算方法

渍害的判别标准[7-8]：当农田地下水位埋深小于60 cm，土壤根层相对体积含水量5 d 滑动均值高于110%的持续期大于5 d时，认为夏收作物受到轻度渍害；如果持续期大于12 d，认为作物受到中度渍害；持续期20 d以上时则认为作物受到重度渍害。每年3-4月正值小麦拔节至灌浆期，是监利小麦受渍害影响的主要时期，因此用3-4月SSWI均值代表小麦受渍害影响程度的特征量。

CDays=Dateend-Datestart

(1)

(2)

式中，CDays为渍害持续天数；Datestart为起日，即当土壤根层(0～30 cm)含水量日均值首次连续5 d滑动平均值大于田间持水量的110%时，这5 d中第一次出现含水量大于田间持水量的110%的日期;Dateend为止日，即土壤根层含水量日均值最后连续5 d滑动平均值大于田间持水量的110%时，这5 d中最后一次出现含水量大于田间持水量的110%的日期。SSWIi为第i天受渍指数。

3月份 SSWI统计时段为每年3月1日至3月31日，4月份 SSWI统计时段为每年4月1日至4月30日，年SSWI计算时段为统计3月1日至4月30日。潮土田间持水量为0.30 m3·m-3，起日为4月12日，止日为4月28日，持续17 d，4月份SSWI为0.57。图1为监利小麦SSWI具体计算过程流程。

图1 小麦SSWI计算流程图

1.3 DHSVM模型数据收集及调参

1.3.1 气象数据收集与整理

DHSVM模型(distributed hydrology soil vegetation model)是美国西雅图华盛顿大学西北太平洋国家实验室于1994年研制出的一种分布式水文模型[10-11]。模型中的气象数据包括逐日日平均气温、空气湿度、风速、降水、短波辐射量和长波辐射量。1970-2018年逐日气象数据来自监利县气象局，其中短波辐射量和长波辐射量数据运用文献[9]方法依据日照时数数据计算而来；2020-2069年四种情景(RCP2.6、RCP4.5、RCP6.0和RCP8.5)气象数据来自CMIP5MIROC5全球气候模式逐日模拟结果(格式为day_MIROC5_rcp26_r1i1p1，下载网址为https://esgf-node.llnl.gov/search/cmip5/，下载完成后，用IDL语言读取NC格式二维气象要素数据)，取80行、85列数据(东经112、北纬31)作为监利气象数据。

1.3.2 DHSVM模型的其他数据来源

DHSVM模型在输入土壤类型、土地利用现状、高程模型等栅格GIS数据和气象条件、各土壤类型物理参数、各土地利用现状水文参数条件下，可以0～24 h为步长模拟一段日期内河流径流、土层厚度、农田土壤湿度、地表径流等时空分布。本研究的土壤类型数据来自1990年的 1∶12万监利县土壤类型纸制地图。土壤类型有灰潮土、水稻土、黄棕壤土、水体4种。

DEM(digital elevation model)数据采用美国太空总署的SRTM(shuttle radar topography mission)数据，其空间分辨率为90 m，从互联网上下载而来，地址为http://srtm.csi.cgiar.org。

土地利用现状数据是运用2015年HJ-1A和HJ-B环境卫星CCD数据，采用农作物时序特征提取方法[12-13]提取的土地利用现状空间分布。农作物细分为单季中稻、单季棉花、小麦+棉花、油菜+棉花、小麦+中稻、油菜+中稻、双季稻等，其精度及结果分析见相关文献[14]。

运用DHSVM模型最后模拟出空间分辨率为90 m的监利县逐日土壤表层体积含水量栅格数据。

1.3.3 模型调参与验证

模型调参采用Nash-Stucliffe效率系数(NSE)[15]：

(3)

为验证模型正确性，在监利县程集镇实验田(北纬29.94、东经112.71)架设HOBO 15要素自动气象站(同时观测土壤表层体积含水量)，15 min观测1次。观测日期为2013年1月1日-2015年12月31日。采用均方根误差(root mean square error, RMSE)衡量模型拟合结果。

(4)

式中n为样本数。RMSE值越小，表示模型模拟的效果越好。

由于DHSVM模型参数[16-17]中横向水力传导系数、水力传导系数下降指数、土壤孔隙度、田间持水率、最小气孔阻抗比较敏感[18]，本研究选择优化对象为潮土的横向水力传导系数及横向饱和导水率随深度的递减指数，其他土壤类型根据模型缺省值结合潮土参数进行线性放大与缩小。具体调参步骤：分别将潮土的横向水力传导系数在0～0.2范围每隔0.02取10个值，横向饱和导水率随深度的递减在0～10范围每隔1取10个值，排列组合后分别代入DHSVM模型中，运用DHSVM模型模拟的2013年1月1日-1月24日土壤水分数据与同期程集自动气象站每天的观测点(棉田，东经112.682，北纬29.9012，灰潮土)0～30 cm土层土壤体积含水量均值进行Nash-Stucliffe效率系数计算(样本数为144)，取其最大值0.746对应的参数作为模型确定参数(表1)，其中孔隙大小分布指数是有效饱和度与吸力双对数关系曲线的斜率，数值愈大，表示孔隙尺寸的分布范围愈窄，孔隙愈均匀。

运用模型模拟2013年1月1日-2015年12月31日每天的土壤水分运行情况，将模拟结果中的第1层土壤体积含水量值与0～30 cm土层土壤体积含水量的均值相关性较好(图2)，二者之间的决定系数R2为0.67(样本数为951)，RMSE为0.035，说明DHSVM模型对监利县土壤表层含水量的拟合性较好，模型适应良好。

2 结果与分析

2.1 1970-2069年气象要素的变化特征

将1970-2018年历史气象数据中每年3-4月的日总辐射、日平均气温进行平均，日降水量进行累加，并以年代为时段计算平均值和方差，得到5个年代3-4月总辐射日均值、气温日均值、降水总量(图3)。由图2可知，监利县日总辐射随年代的增加而增加，从20世纪70年代的 462.1 W·m-2一直增加到2010年代的483.5 W·m-2，而日平均气温从20世纪80年代到2000年代呈上升趋势，降水则以20世纪90年代最大，为266.4 mm。总体上看，气候变暖非常明显。

采用相同方法得到未来50年四种情景下的总辐射日均值、气温日均值、降水总量。由图3可知，在监利县，不管什么情景，这4个指标值都明显高于1970-2018年的历史气象数据，且不同情境的增加幅度有差异，其中RCP6.0情景的增加幅度明显低于其他情景。降雨增多会导致土壤含水量的增加，而气温和辐射的上升会引起农田蒸散的增加，进而使农田土壤含水量减少，因此全球气候变化对小麦渍害的影响十分复杂。

2.2 基于历史气象数据的小麦SSWI变化特征

从每年3-4月SSWI均值年变化(图4)看， SSWI在1981年最大，为0.59；在1979和2004年最小，为0.1。从1970年到2018年，3-4月SSWI均值呈下降趋势，每年平均下降0.21%。从20世纪70年代到2010年代，SSWI的年代均值先升后降趋势(图5)。

2.3 基于不同情景气象模拟数据的小麦SSWI变化特征

利用DHSVM模型对四种情景下2020-2069年土壤数据模拟及3-4月SSWI指数均值(图6)。计算结果表明，RCP2.6、RCP4.5、RCP6.0和RCP8.5情景下SSWI最大值分别为0.56、0.61、0.71和0.64，分别出现在2027、2026、2027和2023年，而最小值分别为0.07、 0.05、0.07和0.05，分别出现在2050、2057、2046和2041年。四种情景下SSWI年均值尽管都呈下降趋势，但情景间存在明显的差异，RCP2.6、RCP6.0和RCP8.5情景的下降趋势不太明显，而RCP4.5明显下降，而且下降趋势大于1970-2018年。此外，不管什么情景，SSWI的年际差异呈变大趋势， 2020-2069年RCP2.6、RCP4.5、RCP6.0和RCP8.5情景下SSWI年际间方差分别为0.135、0.139、 0.132、 0.131，明显大于1970-2018年的方差(0.127)，说明未来50年里监利小麦受渍时间有逐年减少的趋势，但每年受渍时间的年际间差异会越来越大。

表1 DHSVM模型中土壤类型主要参数

图2 降水量、土壤体积含水量模拟值与观测值时序变化

2.4 影响小麦渍害气候变化成因分析

将1970-2018年和四种情景下2020-2069年的SSWI值与同年气象要素进行相关分析，结果表明，SSWI与同期降水量呈正相关(相关系数为0.437)，而与气温、入总辐射日均值呈负相关(相关系数分别为-0.543和-0.590)，说明降雨量增加会增大渍害的危害程度，但同期辐射量增加、气温升高有利于减少渍害发生。从前面分析可知，从1970-2069年每年3-4月总辐射、气温和降水有升高的趋势，高散射和高降水导致尽管渍害有下降趋势，但年际间受渍时间差异会增加。

图3 1970-2018年和2020-2069年四种情景下不同年代3-4月总辐射日均值、气温日均值、降水总量的变化

图4 1970-2018年3-4月SSWI均值的变化

图5 1970-2018年3-4月SSWI均值年代变化

图6 四种情景下2020-2069年每年3-4月SSWI均值的变化

从图7可以看出，尽管近100年不同年代小麦渍害危害程度(SSWI)有差异，但其空间分布的特征基本一致，小麦渍害危害重的地区主要集中在南部的长江沿线的滩涂区域和监利中西部地势低洼地区。

图7 不同年代、四种情景小麦3-4月SSWI指数空间分布变化图

3 讨 论

对近50年和四种情景(RCP2.6、RCP4.5、RCP6.0和RCP8.5)未来50年全球气候模式逐日模拟数据的分析表明，监利小麦每年受渍时间有逐年递减的趋势，但受渍时间的年际间差异会越来越大，四种情景也均呈相同的变化规律，其中RCP4.5最明显。其结果与中国《第三次气候变化国家评估报告》显示的“其结果与1909年以来中国的变暖速率高于全球平均值，每百年升温 0.9～1.5 ℃。全球变暖会导致水循环出现变异，大气持水能力加强，引起降水时空分布更加不均匀，强降水等极端灾害天气事件出现的频率和强度增加”的结论不矛盾。王志福[20]运用历史气象数据分析得出，在长江中下游和江南地区气候会变暖，水循环加速，在降水量和降水日数的共同作用下，会发生更频繁的洪涝或干旱事件，作物受渍频次增加，这一结论与本研究结论相似。针对渍害的这种变化趋势，要科学进行渍害田的改造，建立合理的排灌体系，通过扩宽、加深沟渠，安装排灌设施，确保渍水及时排出；同时加强小麦抗渍品种培育，确保小麦高产稳产。

RCP2.6、RCP4.5、RCP6.0和RCP8.5情景分别表示到2100年辐射强度水平2.6、4.5、6.0、8.5 W·m-2，其中RCP2.6最为理想，即假设未来10年温室气体排放开始下降，到本世纪末温室气体排放就成为负值。从四种情景未来50年SSWI变化可以看出，SSWI变化与全球CO2排放量关系不大，主要原因是监利县属季风型气候，受海洋(夏季)和大陆(冬季)型气候的影响，其 3-4月降水量与CO2排放量关系不密切。

由于缺乏小麦渍害长期定位观测数据和渍害定损规范，国内外对作物渍害气候变化规律研究几乎没有。本研究对气象历史数据、土壤类型数据、土地利用现状数据和地形数据，运用DHSVM模型模拟出近100年农田土壤水分数据，结合SSWI分析出每年小麦渍害受渍时间及渍害变化规律，为缺乏历史数据的灾害气候分析提出了一种新思路。

本研究只是利用气候模式的模拟结果对未来渍害风险进行了初步评估，还存在一定的局限性，主要表现在全球气候模式的分辨率较粗，与未来真实气候变化存在一定的差别；其次，对于渍害风险评估的方法有很多种，本研究只用了SSWI，其只能反映小麦的受渍时间，不能表达受渍程度和对产量的影响；第三，温室气体排放不仅影响全球气候变化，也会引起农业种植制度、土壤属性变化，人类活动也会发生变化，这些不确定性对小麦渍害的影响还有待进一步研究。