东北春玉米单株茎流变化规律及其农田尺度提升方法

2020-10-21杨伟才毛晓敏

农业工程学报 2020年16期

黄茜，杨伟才，毛晓敏

（1. 中国农业大学水利与土木工程学院，北京 100083；2. 农业农村部作物高效用水武威科学观测实验站，武威 733000）

0 引言

黑龙江省作为玉米的主产区之一，2018 年玉米种植面积 6.318×106hm2，占全省粮食作物种植面积的44.45%[1]。水是影响玉米产量的主要因素，而玉米耗水主要为蒸腾耗水，为此研究玉米茎流变化规律，明确单株茎流提升至群体蒸腾的尺度转换因子，对于准确掌握春玉米蒸腾耗水规律，科学指导灌溉，实现玉米高产具有重要意义。

作物蒸发蒸腾量（Evapotranspiration，ET）包括作物蒸腾（Transpiration，T）和棵间蒸发（Evaporation，E）2 个部分。ET 常见的测定方法有蒸渗仪法[2]、涡度相关法[3-5]、波文比法[6-7]、区域遥感法[8-9]等，但以上方法都不能直接将T、E分开，不利于精准灌溉和提高作物水分利用效率。茎流计和微型蒸渗仪可直接分开测量计算T、E，大量研究结果表明基于热平衡原理的茎流计测量作物蒸腾是可行的，且精度较高[10-14]。Manderscheid等[15]探究了不同 CO2浓度在不同供水条件下玉米茎流日变化和季节性变化规律。冯东雪等[16]探究了不同天气情况下夏玉米茎流速率的日变化规律。时荣超等[17]分析了不同种植密度下玉米茎流的日变化。Jiang 等[10]比较了制种玉米父本、母本茎流日变化的差异。Feng 等[18]比较了覆膜与无覆膜处理之间玉米茎流的日变化和季节性变化。Ismanov 等[19]探究了大豆茎流在不同生育期、不同土壤水分下的变化规律。在此基础上，国内外学者们探究了植物茎流与环境等因素的相关性。Zhao 等[20]分析了影响玉米茎流速率的主要气象因子为净辐射、气温、水汽压差（Vapor Pressure Deficit，VPD）、风速，并以净辐射和气温为因变量建立了玉米茎流的经验计算模型。张川等[21]研究发现温室黄瓜茎流速率与空气温度、太阳辐射和净辐射呈极显著正相关，与相对湿度呈极显著负相关，表明空气温度、太阳辐射、净辐射和相对湿度是影响黄瓜茎流速率的主要因素。Deng 等[22]对4 种灌木的夜间茎流速率进行观测，结果表明降水后可促进灌木夜间的茎流速率，VPD、平均气温和风速与夜间茎流显著相关，此外树干直径也会影响夜间茎流的大小。茎流计仅能获得单株茎流量，为掌握农田群体作物的蒸腾耗水规律，需要将单株茎流进行尺度提升。在这个由单株到群体的尺度提升过程中需确定尺度转换因子，常见的尺度转换因子有叶面积、茎干截面面积、种植密度、茎粗等[23-26]。

目前，有关单株茎流到群体蒸腾尺度提升的研究对象大多为树木，对东北地区单株玉米茎流的尺度提升的研究较少。为此，本文通过采用FLOW32-1K 包裹式茎流计和微型蒸渗桶测得连续2 a春玉米需水关键期的茎流数据和棵间蒸发值，探究茎流速率在降雨前后、不同天气条件下的变化规律及差异，并解析茎流速率与环境因素之间的相关关系及变化特征，通过比较不同尺度转换因子计算农田尺度春玉米群体的蒸腾量，确定适合典型东北高寒黑土区单株春玉米茎流的尺度转换因子，进一步探究春玉米在灌浆期内E、T、ET 的变化规律，为该地区精准灌溉提供理论支撑。

1 材料与方法

1.1 试验区概况

试验于2017 年和 2018 年的5—10 月，在黑龙江省齐齐哈尔市克山县北联镇沈阳空军后勤部农场（125°36′E，48°15′N）进行，多年平均气温 2.4℃，多年降水量500 mm，多年平均风速4 m/s。土壤质地为粉壤土，1 m 土层平均田间持水量为0.41 cm3/cm3，饱和含水率为0.54 cm3/cm3，干容重为1.23 g/cm3。

1.2 试验设计

本试验玉米品种为瑞福尔1 号，种植模式为1.1 m 大垄双行南北种植，株距为20 cm，灌溉方式为滴灌，滴灌方式为“一带双行”，滴灌带毛管间距110 cm，滴头间距30 cm，滴头流量1.38 L/h。根据当地施肥方案一次性施足底肥，不追肥，由二铵、硫酸钾和尿素混合拌匀施入，各复合肥施入质量比例为 5.5∶14∶5，其中二铵含氮量≥18%，含磷量≥46%；硫酸钾含钾量≥41%；尿素含氮量≥46.4%。经过计算施入纯氮量为200 kg/hm2，纯磷量为60 kg/hm2，纯钾量为49.5 kg/hm2。2017 年、2018年试验为保证土壤水分保持在较高水平，无水分胁迫产生，设置灌溉下限为田间持水量（Field Capacity，FC）的80%，上限为100%FC。2017 年、2018 年春玉米播种日期均为5 月3 日，收获日期分别为10 月2 日、9 月18日，2018 年因在玉米生育末期受霜冻天气的影响，玉米提前收获。

试验采用水表作为量水标度，每次灌水量根据灌水上下限、计划湿润层深度和小区灌溉面积计算，单次灌水量[27]依据以下公式计算：

式中Q为灌水量，m3；θ1为灌水上限，cm3/cm3；θ2为灌水下限，cm3/cm3；h为计划湿润层深度，cm；α为土壤湿润比；S为试验小区面积，m2。取生育中期的h为40 cm，根据滴灌带滴头流速和流量取α为0.6。

根据水表读数和式（1）计算实际灌水量，2017 年7月 20 日、7 月 22 日、7 月 25 日分别灌水 16.00、16.50、18.37 mm。由于2018 年在玉米整个生育期内降雨量丰富，土壤含水率保持在较高水平，所以未灌水。

1.3 试验监测指标与方法

1.3.1 气象数据

在试验田附近安装气象站实时监测，气象站是由锦州阳光气象科技有限公司生产的PC-4 型自动气象站，仪器安装高度为2 m，每15 min 记录1 次，记录玉米整个生育期内的太阳辐射、大气温度、大气湿度、降雨等气象参数值。

有效降雨量采用经验公式计算[28]

式中Pe为有效降雨量，mm；Pr为降雨量，mm。

1.3.2 土壤水分

采用EM50（北京力高泰科技有限公司，精度为0.1%）测定土壤剖面的水分，测定的深度为1 m，每20 cm 土层安装1 个传感器，取其平均值作为该小区的土壤含水率。采用土钻取土烘干法结合土壤容重对 EM50 采集的数据进行校正。

1.3.3 作物生长指标

从苗期开始，每隔10 d 在试验小区随机选取具有代表性的 6 株玉米，带回室内测量作物生长指标，包括茎粗和叶面积指数（Leaf Area Index，LAI），所有完全展开叶的长和宽，用叶片的实际面积乘以修正系数0.75 计算LAI。

1.3.4 作物耗水量

作物耗水量的计算方法较多。为更可靠的进行作物耗水量的计算，本文采用了以下2 种方法。

1）水量平衡法

根据农田水量平衡[28]

式中Pe为有效降雨量，mm；I为灌水量，mm；B为地下水补给量，mm；D为深层渗漏量，mm；ΔW为田间始末状态的土壤贮水量变化，mm；R为地表径流，mm。因为试验田地势平坦，2 a 作物生育期内未出现暴雨，未观测到地表径流；另外在试验田土壤质地随土层加深粉粒含量增高，相当于在土壤深层形成一道隔水层，深层渗漏可忽略不计，又因为试验区地下水埋深较深，因此未考虑地下水向作物根区的补给。

2）微型蒸渗桶和茎流计实测法

本研究采用微型蒸渗桶（微型蒸渗桶的外筒直径为11 cm，内筒直径为10 cm，高为20 cm，底部用塑料薄膜封住）测定棵间蒸发，微型蒸渗桶的材质为PVC 管。采用基于热平衡原理的 FLOW32-1K 包裹式茎流计[3,10,29]（北京力高泰科技有限公司，精度为 1%）测得蒸腾，二者之和得到作物实际的蒸发蒸腾量。

每天晚上07:00，用精度为0.01 g 的电子秤称质量，记录数据，每隔7 d 微型蒸渗仪里面的原状土更换1 次，棵间蒸发[30]由下式计算：

式中E为土壤棵间蒸发，mm/d；A为微型蒸渗桶的横截面积，cm2，本文横截面积为 78.5 cm2；ΔMi为第i日和i-1日的微型蒸渗桶质量差值，g；f为裸土所占比例；N为微型蒸渗桶重复数；ρ为水的密度，g/cm3。

由于2 a 春玉米灌浆期内降雨频率高，微型蒸渗桶测得的棵间蒸发数据缺失较多，本文利用支持向量机回归算法（Support Vector Regression，SVR），建立了东北黑土区春玉米棵间蒸发预测模型，对缺失的棵间蒸发值进行补充。SVR 应用于回归分析时，其原理是找到一个最佳分类表面使所有训练样本与该分类面间的误差最小。SVR 是用代表性实例的子集（即支持向量机）而不是全部输入数据来构建预测模型，从而避免了过拟合问题，降低了对数据规模和数据分布的要求[31]。

棵间蒸发需要的第 1 个条件是能量的供给，主要为太阳辐射、气温，第 2 个条件是水汽的输送，主要取决于与水汽传输阻力相关的环境条件，如风速、水汽压、气温、叶面积、土壤表面的湿润程度等[32]。因此以LAI、风速、1 m 土层平均土壤含水率、净辐射为输入变量，微型蒸渗桶实测的蒸发值为输出变量构建SVR 棵间蒸发的预测模型。以2017 年的数据训练模型，以2018 年的数据验证模型。

玉米生长中期阶段（2017 年8 月3 日—9 月7 日，2018 年8 月6 日—9 月7 日）测定春玉米的茎流速率。茎流计安装方法：1）选取具有代表性相隔一定距离的玉米植株，测量其叶面积，将传感器随机包裹在春玉米第3节茎秆位置上，包裹时需要除去茎秆处的叶鞘，用游标卡尺测量包裹植株的茎直径；2）为了防止包裹处植株伤口增生，涂抹植物油，并在传感器外面包裹2～3 层泡沫锡箔；3）用保鲜膜胶带封口，防止雨水进入传感器，每15 min 记录1 次数据。选定包裹传感器的植株每10 d 左右换 1 次，同时为防止降雨对仪器造成损害与干扰，在降雨后对茎流计传感器进行重新安装。

茎流计测得的茎流为单株的蒸腾量，为了得到玉米群体的蒸腾量需要通过尺度转换因子对单株茎流进行尺度提升。本文选择的尺度转换因子包括茎干截面面积、叶面积和茎粗，具体转换公式参照姜雪莲在文中的描述[33]。

① 茎干截面面积为尺度转换因子进行尺度提升

式中T截面面积为采用茎干截面面积为尺度转换因子得到的玉米群体蒸腾量，mm/d；Qm为第m个样本植株的茎流，g/d；Am为第m个样本植株的茎干截面面积，cm2；Ak为单位占地面积的平均茎干截面面积，cm2/cm2；n为样本数。

② 叶面积为尺度转换因子进行尺度提升

式中T叶面积为采用叶面积为尺度转换因子得到的玉米群体蒸腾量，mm/d；LAm为第m个样本植株的叶面积，cm2；LAI 为平均叶面积指数，m2/m2。

③ 茎粗为尺度转换因子进行尺度提升

式中T茎粗为采用茎粗为尺度转换因子得到的玉米群体蒸腾量，mm/d；Dm为第m个样本植株的茎粗，cm；D'为单位占地面积的平均茎粗，cm/cm2。

1.4 数据分析

采用Microsoft Office Excel 2010 处理数据，制作图表，用MATLAB 自带的支持向量机工具箱进行棵间蒸发值的模拟，利用SPSS 软件进行相关性分析。采用实测值和模拟值之间的决定系数（R2）表示实测值与模拟值之间的符合程度，R2值越大表示二者之间的吻合程度越高。选用均方根误差（Root Mean Square Error，RMSE）表示模型模拟的精度，RMSE 越小表示模拟的的精度越高，计算公式如下：

式中hi为第i个实测值；yi为第i个模拟值；j为棵间蒸发实测值的个数。

2 结果与分析

2.1 茎流速率变化规律

2.1.1 玉米茎流速率的日变化特征

2017 年、2018 年玉米灌浆期玉米茎流速率和有效降雨的日变化如图1 所示。2017 年茎流速率峰值最高与最低分别出现在 8 月 13 日（91.03 g/h）和 8 月 30 日（19.80 g/h）。2018 年茎流速率峰值最高与最低值出现在8 月6 日和9 月2 日，分别为82.169、8.56 g/h，且茎流速率大致随日期推进呈下降趋势。在 2017 年在 8 月 16日—23 日与2018 年8 月6 日—16 日玉米茎流速率呈现较高水平，原因是这几日降雨少，光合有效辐射、气温都比灌浆期其他时间大。

图1 2017 年和2018 年降雨和茎流速率日变化Fig.1 Diurnal variations of effective precipitation and sap flow rate in 2017 and 2018

玉米茎流速率呈现出明显的昼夜变化规律，变化趋势大约呈“几字形”，隔天会出现 1 次茎流骤降然后又上升的情况，这是因为植物通过蒸腾作用水分以气体形式散发到大气中，中午温度过高植物需要通过减小气孔开度从而降低蒸腾作用来减少水分的流失，更好地维持生理上的稳态，因而出现“午休现象”[34]。2017 年、2018年灌浆期内茎流速率峰值的平均值分别为 58.72、48.26 g/h。2017 年观测期内（8 月 4 日—9 月 8 日）有效降雨量为134.64 mm，2018 年在观测日期内（8 月6 日—9 月6 日）有效降雨量为104.6 mm。2 a 在茎流计观测时间段内均未灌水，玉米耗水主要来自降雨，且在灌浆期内玉米叶面积较大，绝大部分耗水用于蒸腾作用，因此2017 年比2018 年茎流速率平均峰值大。

2.1.2 降雨后的玉米茎流日变化

选取2017 年、2018 年降雨前、降雨和降雨后的茎流数据进行分析，如图 2 所示。可以看出降雨对玉米茎流有较强的抑制作用，在降雨后，土壤含水率增加，并且随着太阳辐射升高、气温回升等气因素的影响，蒸腾速率明显提高，Zhang 等[35]研究结果也表示土壤含水率增加，加上气象因素的综合影响，玉米茎流会增加。此外，降雨后的茎流明显大于降雨天茎流，达到甚至超过了降雨前的茎流。经计算，2017 和2018 年降雨后日茎流速率峰值分别比降雨天增加24.67%和187.39%。

图2 2017 年、2018 年降雨前后玉米茎流日变化Fig.2 Diurnal variation of maize sap flow rate before and after rainfall in 2017 and 2018

2.1.3 不同天气条件下玉米茎流的日变化

选取2018 年典型的雨天、晴天和阴天进行对比分析。图3 为2018 年晴天（8 月15 日）、阴天（8 月17 日）、雨天（8 月21 日）的玉米茎流速率日变化过程。晴天，玉米茎流速率在06:00 左右开始增加，到12:30 左右达到最大值，18:30 后茎流速率开始逐渐减小到0；阴天茎流数值波动较大，在06:00 左右开始逐渐增加，在17:30 左右逐渐减小到0；雨天玉米茎流速率在07:30 左右开始增加，达到峰值的时间最早为10:30，持续时间最短，在16:00左右茎流速率减小至0。晴天、阴天、雨天茎流速率平均值分别为16.14、8.28 和3.13 g/h，晴天最大，阴天次之，雨天最小。在阴雨天气，玉米茎流速率日变化呈多峰曲线，波动较大，这是因为在多云条件下由于云量的变化导致太阳辐射变化频繁，加上阴雨天气条件下各环境因子大幅度变化所致。其他研究也发现了相似不同天气情况下茎流的日变化规律[16,36-37]。

图3 2018 年不同天气条件下玉米茎流日变化Fig.3 Diurnal variation of maize sap flow rate under different weather conditions in 2018

2.1.4 环境因素对茎流速率的影响

茎流速率与各环境因子相关性分析结果见表 1，从表 1 中可以看出，茎流速率与空气温度、风速、水汽压、光合有效辐射呈显著正相关，与相对湿度、土壤温度呈显著负相关，其中茎流速率与空气温度、光合有效辐射、相对湿度间相关系数的绝对值皆在0.8 以上，是影响东北黑土区茎流速率的主要环境因素。下面主要分析茎流速率与光合有效辐射、相对湿度、空气温度的日变化过程。

表1 2017 和2018 年玉米茎流速率与环境因子相关性分析Table 1 Correlation analysis of maize sap flow rate and environmental factors in 2017 and 2018

图 4 所示分别为 2017 年 8 月 18 日—21 日，2018 年 8月11 日—13 日玉米茎流速率和空气温度、光合有效辐射、相对湿度的日变化。玉米茎流速率随气温变化而变化，但气温出现峰值的时间比茎流速率首个峰值出现的时间晚1 h 左右，当气温达到最大值时，茎流速率会下降，一段时间后慢慢恢复到另1 个峰值，主要原因为玉米在气温高时启动的自我保护机制，减小气孔的大小，避免过度失水。光合有效辐射开始增加时间早于茎流开始增加时间，之后光合有效辐射逐渐减小，茎流速率随之减小，两者间变化的时间差可能是因为当外部环境变化的时候，玉米内部需要一定的时间来适应，Zhang[38]等也发现了茎流启动时间比光合有效辐射滞后1 h 左右。相对湿度与玉米茎流速率变化趋势相反，相对湿度出现波谷比茎流速率的高峰时间晚，减小至最小值的时间比茎流速率减小至0 的时间晚，这与Deng 等[22,39]研究结果一致。

图4 玉米茎流速率及其主要影响因素的变化过程Fig.4 Variation of maize sap flow rate and its main influencing factors

2.2 春玉米蒸散发尺度提升及其耗水规律

2.2.1 单株玉米蒸腾尺度提升

根据式（5）～式（7）采用不同尺度转换因子的提升方法计算蒸腾量，结果如图5 和表2 所示。

图5 2017 年和2018 年不同尺度转换因子计算蒸腾量变化Fig.5 Variations of transpiration calculated by different scaling conversion factors methods in 2017 and 2018

表2 不同尺度转换因子计算的春玉米群体蒸腾量Table 2 Transpiration of spring maize population calculated by different scaling conversion factors (mm·d-1)

从2 a 的数据可看出，在灌浆期内，作物蒸腾量在不同尺度提升方法下变化趋势相同，在计算时间内以茎干截面面积换算的蒸腾量最大，茎粗值换算的蒸腾量次之，叶面积换算的蒸腾量最小。这与姜雪莲[33]在西北甘肃地区研究结果相似，以茎粗为尺度转换因子得到的结果大于以叶面积为尺度转换因子得到的结果。

2.2.2 棵间蒸发量的计算

根据2 a 数据建立SVR 棵间蒸发预测模型训练和验证结果见图6。如图可见SVR 模型能较好地用于估算棵间蒸发值，训练和验证R2均在0.80 以上，RMSE 均小于0.5 mm，模型较为稳定，且估算的精度较高。

根据建立的SVR 模型对降雨天缺失的棵间蒸发值进行补充，图7 为2 a 灌浆期内棵间蒸发变化，2 a 灌浆期内最大棵间蒸发值分别为3.59、3.31 mm/d，日均棵间蒸发值分别为1.17、1.03 mm/d，2017 年灌浆期内棵间蒸发（42.32 mm）大于2018 年（32.98 mm），这是因为2017年灌浆期内降雨量、1 m 土层平均含水率、平均风速、平均净辐射均高于2018 年。2 a 灌浆期内的日均值蒸发值与刘洋[40]在黑龙江省哈尔滨的研究结果接近（全生育期平均土壤蒸发量在1.5 mm/d 左右）。

图6 棵间蒸发值的SVR 模型训练和验证结果Fig.6 Training and testing results of evaporation based on SVR model

图7 2017 年和2018 年春玉米灌浆期棵间蒸发变化Fig.7 Variations of evaporation during filling stage of spring maize in 2017 and 2018

2.2.3 不同尺度提升方法与水量平衡计算结果比较

根据以上 2 节得到的群体蒸腾量和棵间蒸发量，可得到基于3 种不同尺度转换因子下的2 a 春玉米灌浆期内的农田蒸发蒸腾量。

采用水量平衡法作为标准与3 种尺度转换因子下的农田ET 进行比较，结果见表3。可以看得，所有方法得到的结果均显示 2017 年在灌浆期内的春玉米蒸发蒸腾量大于2018 年，这是因为2017 年灌浆期内降雨充沛，而降雨又作为玉米耗水的主要来源。2017 和2018 年春玉米灌浆期日均蒸发蒸腾量分别为4.22～4.78 和3.91～4.56 mm/d，根据聂堂哲[41]的研究，1959—2015 年黑龙江省玉米8 月蒸发蒸腾量范围为106～158 mm，即日均蒸发蒸腾量范围为3.12～5.09 mm/d，2 a 的结果均在聂堂哲[41]的结果范围内。

基于 3 种尺度转换因子尺度提升方法与水量平衡法的比较可以看出2 a与水量平衡法最接近的皆为以叶面积为转换因子计算的 ET，误差在 5%左右，而基于其他 2个尺度转换因子尺度提升得到的ET 误差在8%～17%之间，说明选择叶面积为尺度转换因子效果理想，这与韩兆敏[26]在内蒙古砒砂岩区对沙棘单株茎流扩展到林分群体耗水、姜雪莲[33]在西北旱区对制种玉米单株茎流提升到农田蒸腾量的研究结果一致，认为叶面积作为尺度转换因子与实测值最为接近。