未来气温和降水变化对山西冬小麦产量的影响

张祎玮，张建新

（1.山西省气候中心，山西 太原 030006；2.山西省气象灾害防御技术中心，山西 太原 030006）

【研究意义】近几十年来，全球气候“暖干化”趋势越来越明显［1］，而我国的温度增加幅度高于全球平均水平。山西地理位置特殊，气候复杂，农业生产基础设施薄弱，是面对气候变化不利影响最为脆弱的地区之一。冬小麦是山西省第二大粮食作物，播种面积占全省农作物总播种面积的17%，产量约占全省粮食总产的16%，仅次于玉米［2］。因此准确地评估当地冬小麦产量水平及气候变化对产量的影响，并因地制宜采取应对措施显得尤为重要。【前人研究进展】近几十年来，山西省气温呈显著上升趋势，年均降水呈略微下降趋势，日照时数变化不显著［3］。在这种气候变化背景下，山西省粮食生产面对极大挑战，干旱和季节连旱频发，导致农业产量不稳定［4］。温度上升缩短冬小麦生育期，作物无法经历寒冬期，干重和穗重显著降低，农作物气候生产力下降［5-6］；近20年山西省降水减少使小麦生育期内水分亏缺严重，显著降低了冬小麦的生产潜力［7］。此外，气候变化也影响粮食品质等指标，对农户的生计以及农业相关产业发展产生不利影响［8］。当前国内外用来评估粮食产量的方法主要有遥感技术、气象预测模型、作物机理模型等［9］。作物机理模型因其机理性强、对作物生长影响因素考虑比较充分、可以定量描述不同气候因子作用、外推效果好、预测未来作物产量可信度较高等优势［10］，成为研究气候变化对农业生产影响的重要方法之一。目前应用较广的作物机理模型主要有澳大利亚的APSIM模型、美国的DSSAT模型、DNDC模型等。为更精确地模拟作物的生长发育状况和产量，国内外学者进行了系列研究。茹晓雅等［11］利用APSIM模型模拟自然降水和施氮对春小麦产量的影响，拟合出产量最优条件下的施氮和降水量；杨绚等［12］运用CERES-Wheat模型预估中国未来小麦产量易受高温胁迫威胁的空间分布，发现开花期前为小麦产量受高温影响最重要的敏感时期；刘文茹等［13］通过对长江中下游未来30年气候变化对小麦产量影响的模拟，得出DSSAT-CERES-Wheat品种遗传参数本地化后能准确模拟冬小麦的生长发育过程及产量潜力；孙茹等［14］采用部门间影响模式比较计划（ISI-MIP）的气候模式，确定全球升温1.5、2.0℃出现的时间，并结合DSSAT模型综合评价不同升温情景对中国小麦产量的影响；武永利等［15］发现冬小麦的产量和叶面积指数的动态变化能够被ALMANAC模型较好地模拟，且能模拟不同水分条件下冬小麦的叶面积指数及气候变化对冬小麦影响。近年来，DNDC模型在模拟农作物产量、温室气体排放、氮素循环等方面的应用越来越广泛。如乔帅帅等［16］通过模拟冬小麦近10年产量和蒸发蒸腾量，评估了北京市大兴区冬小麦水分利用效率，点位和区域模拟效果较好；吴亚楠等［17］通过模拟冬小麦种植环节中污染物排放，比较不同区域小麦生产过程中与施肥有关的资源环境影响潜力；陈静等［18］通过模拟滴灌施肥一体化管理措施下冬小麦生长情况和产量，筛选出最优滴灌施肥措施；李仙岳等［19］运用DNDC模型模拟并研究不同类型地膜覆盖及不同施氮量对玉米生长、氮素吸收及利用效率的影响，得到降解地膜覆盖下较优的施肥模式。上述研究表明DNDC模型可以较准确反映我国农田生态系统对多要素的响应，适用于多种农田产量研究。

【本研究切入点】前人关于华北地区冬小麦产量评估及其对气候变化的响应研究较多，研究方法多为回归统计分析［20］、省级或站点尺度的研究［21］，在机理和空间尺度分析上存在不足，且针对山西省冬小麦产量模拟研究较少。【拟解决的关键问题】本研究利用DNDC模型模拟山西省县级冬小麦产量，进一步分析未来气温、降水变化对产量的影响，以期为山西省冬小麦的科学种植和规划提供参考依据。

1 材料与方法

1.1 模型介绍

DNDC（反硝化-分解，Denitrification-Decomposition）模型，是描述农业生态系统中碳和氮生物地球化学过程的计算机模拟模型［22］。作为机理模型，DNDC可模拟点位和区域尺度上农业生态系统中碳和氮的生物地球化学过程，目前在模拟农作物产量、土壤固碳作用、氮素收支、温室气体排放等方面得到广泛应用。该模型可从点位和区域两种尺度模拟产量和温室气体，在区域模拟中，需输入每个行政区的土壤、气象、作物和田间管理参数等。本研究通过DNDC区域模拟模块对山西省2017—2018年冬小麦产量进行模拟预测，并与实测值进行对比分析，评价DNDC模型在山西省冬小麦产量模拟中的适用性。

在区域模拟过程中，需根据DNDC数据库规则获取研究区域内所有格点的地理信息、气象、土壤、作物和田间管理方式数据，将其存储于DNDC数据库中，模型运行时从该数据库中读取对应参数［23］。模型通过多种函数方程表述土壤碳氮循环过程，将环境-作物-土壤视为有机的统一体，利用驱动数据模拟碳氮元素的分配和去向。

1.2 数据来源

1.2.1 气象数据 DNDC模型需要日最低、最高气温和降水数据来驱动模型中各模块，太阳辐射数据为非必需输入项。研究区气象数据来自山西省各县级气象台站，包括2017—2018年全省麦区共62个站点的逐日最高气温、最低气温和降水量。对于一些缺测站点，按照最近距离原则将临近气象站数据分配。

1.2.2 土壤数据 土壤数据来自于Harmonized World Soil Database（version 1.1）（HWSD）数据集，该数据集包含DNDC土壤数据库中所需土壤参数（土壤有机碳、容重、黏土含量、pH），数据分辨率为1km·1km，利用ArcGIS软件提取出研究区各县土壤参数的最大、最小值。

1.2.3 作物参数和农田管理数据 由于缺少研究区冬小麦作物生理参数，本研究结合前人研究成果［24-25］和国家农业科学数据中心数据，经多次校正得出研究区小麦的最佳生理参数（表1）。研究区农田耕作方式为深度10 cm的传统耕作，各县氮施肥施量统一设定为230 kg/hm2，灌溉方式设为雨养。

1.2.4 产量数据 山西省统计年鉴数据显示，山西省冬小麦种植面积6.87×105hm2，主要集中在运城、临汾、晋城3市，总种植面积占全省冬小麦种植面积90%以上，长治、太原、晋中和吕梁部分地区也有少量晚熟冬小麦分布，种植面积仅占全省10%。为评估模型产量模拟精度，本研究选取2018年国家统计局山西调查总队提供的县级产量数据做验证，该数据由山西省冬麦区62个县（市、区）实测产量数据统计得出。

表1 冬小麦产量DNDC模拟输入参数Table 1 Input parameters of winter wheat yield of DNDC model

2 结果与分析

2.1 气象条件分析

2017—2018年山西省冬小麦生长期为2017年9月13日—2018年6月24日，由北至南共285 d，平均251 d；平均0℃以上积温为2 217℃·d，除运城外，大部麦区较常年偏多79.0～369.2℃，平均气温9.07℃；研究区在冬小麦生育期间降水偏少，平均累积降水约为213.5 mm，大部麦区较常年偏少1.7～150.6 mm；平均累积日照时数约为1 507 h，大部麦区较常年偏少43.2～345.7 h（图1）。

2.2 产量模拟结果分析

图2A是2018年冬小麦实际单产，其中白色区域代表该县未种植冬小麦或面积极小，因此不做模拟研究。从图2A可以看出，山西省冬小麦主要分布在中南部，单产介于1 700～6 800 kg/hm2，平均单产为4 545.9 kg/hm2。单产较高地区主要分布在晋中、长治、运城部分县（市），临汾、晋城大部，吕梁个别县（市）单产居中，其余地市单产较低。图2B为模型模拟单产，模拟结果全省平均单产为4 335.6 kg/hm2，单产较高地区主要分布在运城、临汾大部、晋城大部以及晋中个别县（市），其余县（市）单产较低。整体模拟相对误差为4.63%，较好反映了山西省冬小麦单产，但部分地区产量的分布模拟效果不佳，在种植区中部模拟效果较好，但在种植区北部和南部出现一定偏差。

图1 山西省2017—2018年逐日气温、降水变化曲线Fig.1 Curve of daily temperature and precipitation variations in Shanxi Province during 2017-2018

图2 山西省2017—2018年冬小麦产量分布Fig.2 Distribution of winter wheat yields in Shanxi Province during 2017-2018

2.3 未来气候变化对山西省冬小麦产量的影响

为进一步评估未来气候变化条件对山西省冬小麦产量的影响，本研究以2017—2018年气候条件为基准值，分别模拟了气温（T）上升1（T+1）、2（T+2）℃，降水（P）减少10%（90%P）、20%（80%P）及温度和降水耦合变化（T&P）情景下的单产情况。结果（图3）表明，以2017—2018年气温降水为基准，气温上升1℃，山西省冬小麦单产下降4.60%；气温上升2℃，单产增加16.44%；降水减少10%，单产减少5.79%；降水减少20%，单产减少6.71%；气温上升1℃、降水减少10%，单产增加7.69%；气温上升1℃、降水减少20%，单产增加7.41%；气温升高2℃、降水减少10%，单产增加15.84%；气温上升2℃、降水减少20%，单产增加15.47%。

图3 8种模拟气候变化情景下山西省冬小麦产量变化Fig.3 Variations of winter wheat yields in Shanxi Province under scenarios of eight climate change simulated

3 讨论

3.1 模型评价及分析

本研究对山西省2017—2018年冬小麦产量的模拟相对误差为4.63%，与前人研究相比，精度更高，本次模拟可较好地评估山西冬小麦种植区的产量水平［15］。与仅考虑气象要素的经验模型相比，机理模型可以较准确地评估产量水平和多要素对产量的影响。但在空间分布上，DNDC无法较好模拟出种植区南北部产量差异，原因是由于缺少精细的县级种植收获时间，只能粗略地设定种植区内冬小麦种植收获时间相同，因此造成DNDC中冬小麦生育期内计算得出的积温与实际所需积温有所差距。其中，种植区中部的产量模拟误差较低也证明种植收获时间是造成误差的主要原因，中部处于气候过渡地区，种植收获时间也基本处于南北过渡期，南北气候差异导致种植收获时间差异造成一定的模拟误差。但从研究区产量整体模拟误差可以得出，DNDC可以较为准确地评估研究区冬小麦产量水平，可进一步评估气候变化对研究区产量的影响。

3.2 气候变化对冬小麦产量影响

葛连兴［26］研究得出，在未来（—2039年）RCP8.5气候变化背景下，山西省冬小麦生育期间最低和最高温度显著升高0～2℃，平均降水量变化较小，但年际间降水波动较大。本研究得出气温上升1℃情景下，冬小麦产量降低4.60%，而气温上升2℃情况下，冬小麦产量则增加16.44%，说明研究区冬小麦对气温敏感性较高。生育期内气温小幅度变化会显著改变生育期内积温水平，直接影响作物生长发育，且增温导致的农田生态系统其他要素变化也会间接影响产量。诸多研究表明，在升温情况下，旱情加重，土壤湿度降低，作物生育期缩短，不利于籽粒形成；另外，气温升高会促进无机肥分解，作物可用氮减少，对作物生长不利，导致产量下降［27］。但气温上升2℃，冬小麦产量明显增加，可能原因是相对于温度升高，矿化氮在作物生长中占据更重要角色，以往研究［28］表明矿化氮占作物吸收氮元素的 44.8%～67.5%，大气温度的升高有利于土壤中氮元素的矿化［29-30］，作物生长获得更充足的N素。因此，较高的气温上升幅度可以一定程度削弱由于生育期缩短造成的不利影响。

本研究得出降水量减少会降低冬小麦单产，山西省冬小麦种植以雨养模式为主，降水量的多少直接决定生育期内作物可获得的水分，在气温条件不变的情况下，降水减少10%～20%不足以满足冬小麦生育期内水分需求，水分利用率下降，造成单产降低。但在气温升高1～2℃与降水减少的耦合作用下，单产出现一定程度增加。在温度上升和降水减少的耦合作用下，土壤湿度会显著下降，有研究表明增温和干旱胁迫会造成冬小麦减产［31］，也有研究得出一定程度干旱胁迫会增加产量［32］，土壤湿度与冬小麦产量呈负相关［33］，造成产量对要素不同响应的原因是地区间不同的气候背景和改变幅度大小。在DNDC模拟中，太阳辐射强度由温度和降水计算得出，未来情景下的高温和少雨模式增加了太阳辐射量，诸多研究［34］表明太阳辐射与山西省冬小麦产量之间呈显著的正相关，更高的太阳辐射量促进作物光合作用，可能是该情景下增产的重要原因［35］。

综合分析气候变化对山西省冬小麦产量的影响可以得出，气候变化不仅直接影响作物长势和产量，还可以通过改变土壤湿度间接影响作物产量。诸多研究表明，气候要素和土壤湿度是影响山西省冬小麦生产潜力的主要要素［34］。优化种植模式和调整种植区是削弱气候变化不利影响的重要措施，可在部分地区推广套作间作，以提高水分、氮和光能利用率［36］。由于山西省地区间作物品种和种植习惯存在差异，因此后续研究需要进一步细化参数，评估氮利用率等直接影响产量的指标，为应对气候变化的不利影响做分类指导。

4 结论

山西省气候特殊，气温和降水的变化对冬小麦等作物生长影响显著。DNDC模型不仅能够较好地模拟山西省冬小麦产量，且可以模拟未来气候变化情景下的产量变化。本研究得出，未来在“干者越干，湿者越湿”的气候变化大背景下，降水和温度的耦合变化可能会一定程度上增加冬小麦产量，但降水减少和增温的单一变化可能会降低产量。山西省冬小麦种植区南北跨度大，区域间气候和冬小麦产量差异显著，本研究认为在部分降水显著减少的区域，可以采用间作套作的模式，提高水分和光能利用率。