基于产量与品质的无芒雀麦灌溉制度研究

姜渊博，康燕霞，齐广平，银敏华，马彦麟，汪精海，贾琼，康瑶，张宏斌，唐仲霞，汪爱霞

（甘肃农业大学水利水电工程学院，甘肃 兰州 730070）

河西走廊草原辽阔，土地肥沃，在我国西北生态保障和畜牧业发展中起着举足轻重的作用［1］。近年来，该地区天然草场严重退化，引起的草畜矛盾和生态环境恶化等问题亟待解决［2-3］。我国人工草地总面积约为2000万hm2，仅占草地面积的5%左右，发展潜力巨大［4］，建植人工草地可缓解天然草原放牧压力，恢复其生态、经济和文化功能［5］。然而传统的人工草地存在生产管理水平较低，水资源利用效率不高等问题，在水资源短缺的河西地区严重制约着畜牧业发展与生态修复。在“先节水后调水”的西北旱区水治理准则的推动下，节水调亏灌溉理论与技术的推行为牧草稳产优质及草原生态恢复提供了新思路［6-9］。调亏灌溉是以水分为主导因子，在作物不同生育时期主动施以一定程度水分胁迫，从而调节植株生理特性，实现作物高产优质并提高水分利用率［7］。因此，在水资源短缺的河西走廊地区将调亏灌溉应用于人工草地建设意义重大。

无芒雀麦（Bromus inermis）为多年生禾本科牧草，在我国西北、东北、华北等16个省区均有大面积种植［10］，其产量高、品质好、耐寒抗旱、根茎发达，被誉为“禾草饲料之王”，是人工草地建设的优质牧草［11］。调亏灌溉作为建植优质稳产人工草地及改善生态环境的有效途径，已有大量学者在单一水分调控模式对牧草生长生理的影响［12-14］、产量品质和水分利用效率的影响［15-16］和不同品种性状差异［17-18］等方面作出研究。王海青等［19］发现，土壤水分维持在田间持水量的45%是冰草（Agropyron cristatum）和紫花苜蓿（Medicago sativa）高产节水的最佳补水选择；董国锋等［20］发现轻度水分调亏较充分灌溉没有显著降低牧草产量，并且提升了牧草水分利用效率。但关于系统比较河西走廊地区不同水分调控模式对人工草地影响的研究较少。灌溉制度模拟优化克服了传统田间试验耗时耗力，易受气候条件、病虫害等外界环境影响的缺点，可弥补短期大田试验结果的局限性，有助于田间管理决策［21］。相较于其他作物模型，基于水量平衡原理的灌溉制度优化模型以日为时段，可以细致模拟土壤水分变化及植株蒸散发过程，输出结果包含具体灌水日期、灌水定额，便于指导实践［22-23］。在牧草方面灌溉制度模拟优化研究主要集中于羊草（Leymus chinensis）［24］、老芒麦（Elymus sibiricus）［25］、早熟禾（Poa pratensis）［26］及黑麦草（Lolium perenne）［27］等，而关于河西走廊地区无芒雀麦的研究较少。

基于以上分析，为缓解河西走廊草畜矛盾、改善生态环境并提高水资源利用率，本研究通过对比分析两种水分调控模式［分生育期调亏灌溉（I1）；全生育期调亏灌溉（I2）］下无芒雀麦产量与品质效应，寻求相对最优的水分调控模式，然后基于水量平衡原理，由大田试验与典型年灌溉制度模拟结果进行灌溉制度优选，以期为区域畜牧业良性发展和人工草地灌溉制度科学制定提供参考。

1 材料与方法

1.1 试验地概况

于2018-2020年在甘肃省张掖市肃南裕固族自治县明花乡前滩村（39°40′N，98°47′E）开展大田试验，试验区平均海拔为1388 m。2018、2019和2020年全年降水量分别为123.3、153.6和91.7 mm，无芒雀麦生长季总降水量分别为98.6、128.5和68.5 mm，平均气温分别为19.6、19.5和19.9℃（图1），年均蒸发量2144 mm，全年日照时数3020 h，全年无霜期为132 d左右，夏季炎热，冬季寒冷，属温带大陆性气候。试验地土壤类型为砂壤土，田间持水量为29.68%（体积含水量），土壤容重为1.4 g·cm-3，0～60 cm土层土壤pH为7.26，有机质含量为3.15 g·kg-1，全氮含量为0.22 g·kg-1，碱解氮含量为24.95 mg·kg-1，速效磷含量为3.15 mg·kg-1，速效钾含量为235.44 mg·kg-1，硝态氮含量为7.60 mg·kg-1，铵态氮含量为8.41 mg·kg-1。

图1 2018-2020年无芒雀麦生长季每日气象资料Fig.1 Daily meteorological data for the growing season of B.inermis from 2018 to 2020

1.2 试验材料

试验材料为多年生禾本科无芒雀麦（卡尔顿无芒雀麦，B.inermiscv.Carlton），由甘肃农业大学草业学院提供。

1.3 试验设计

试验采用完全随机区组设计，设2种水分调控模式［分生育期调亏灌溉（I1）；全生育期调亏灌溉（I2）］，各自下设4个水分处理（表1），计划湿润层为60 cm，各水分处理均以计划湿润层土壤体积含水量占田间持水量（field capacity，θFC）的百分比控制。各处理重复3次，共计24个小区，小区面积为5 m×5 m，小区间设1 m的隔离带，无芒雀麦于2018年5月建植，采用人工条播方式，行距25 cm，播种量30 kg·hm-2，播种前选用磷酸二铵（18% N，46% P）作为底肥，施肥量为140 kg·hm-2。

表1 无芒雀麦水分调控试验灌水上下限Table 1 Upper and lower limits of irrigation for B.inermis moisture regulation trial（%）

于2018-2019年进行分生育期调亏灌溉（I1）试验，各水分处理在建植/返青期灌水下限均为75% θFC，拔节期和抽穗期灌水下限均为：75% θFC（CK），65% θFC（F1），55% θFC（F2），45% θFC（F3），I1下当土壤含水量下降至各自对应θFC百分比下限时开始灌水，灌水上限均为85% θFC；于2019-2020年进行全生育期调亏灌溉（I2）试验：充分灌水（75%～85% θFC，CK）、轻度水分亏缺（65%～75% θFC，Q1）、中度水分亏缺（55%～65% θFC，Q2）、重度水分亏缺（45%～55% θFC，Q3），I2下当土壤含水量下降至各自对应θFC百分比下限时开始灌水，灌水上限为其各自设计区间上限。

试验小区采用喷灌灌水方式，小区间布设聚乙烯管道，各小区中心位置设1.5 m高支管一个，上设塑料蝶形喷头，喷头为全圆喷洒，喷洒半径为2～4 m，灌水量由水表（精度0.0001 m3）监测，球阀控制，试验开展期间，各小区田间管理与当地保持一致。

1.4 测定项目及方法

1.4.1 土壤体积含水率测定 在每个试验小区距中心位置1.25 m处随机布设一个150 cm长的时域反射仪（time-domain reflectometry，TDR）探管，采用PICO-BT TDR仪器（IMKO，德国）监测土壤0～120 cm土层体积含水量［16］。在牧草全生育期每隔3～5 d测定一次，灌水前后和降水后加测，并定期利用烘干法对数据进行校核，土壤含水量测定主要用于判断试验小区土壤水分是否达到灌水下限，进而计算灌水量。

1.4.2 产量测定 在试验小区于每茬无芒雀麦初花期利用1 m×1 m样方随机选取一块样地留茬5 cm进行刈割（2018年建植年刈割1茬，2019和2020年均刈割3茬），并立即称量鲜重，之后放入烘箱，于105℃杀青30 min后，75℃恒温烘48 h至恒重，冷却后称其干重计算干草产量（yield，Y，kg·hm-2）。

1.4.3 灌溉水利用效率

式中：IWUE为灌溉水利用效率（irrigation water use efficiency，kg·m-3）；Y为牧草产量（yield，kg·hm-2）；I为灌水量（irrigation amount，mm）。

1.4.4 水分利用效率

式中：WUE为水分利用效率（water use efficiency，kg·m-3）；ET为耗水量（evapotranspiration，mm）。

1.4.5 品质指标测定 粗蛋白（crude protein，CP）含量：在无芒雀麦每茬初花期，收获植株地上部分，经过杀青、烘干、粉碎后，利用全自动凯氏定氮仪（K1160，中国）测定植株含氮量［16］，计算牧草的粗蛋白含量（%），公式如下：

式中：6.25为换算系数；ωN为植株含氮量（%）。

酸性洗涤纤维（acid detergent fiber，ADF）和中性洗涤纤维（neutral detergent fiber，NDF）含量（%）利用半自动纤维分析仪（F800，中国）通过范氏（Van Soest）洗涤纤维分析法测定［28］。

1.4.6 熵权法赋权 熵权法是一种客观赋权方法，其依据原理为指标变异程度越小，所能反映信息量越少，则其对应的权值越低。假设给定了m个样本（i=1，2，3，···，m）；n个具体评定指标X1，X2，X3，···，X（nXj=｛x1j，x2j，x3j，···，xm｝j）（j=1，2，3，···，n），首先对数据归一化处理，之后确定各指标信息熵值：

式中：Zij为第j个指标下第i个样本Mi的贡献值；yij为归一化后的指标。

式中：Ej为所有样本对指标Xj的贡献总量即信息熵值；常数P=1/ln（m），使得0≤Ej≤1；即Ej最大为1，Ej越小，表示该指标对总体意义越大。

式中：Dj为信息效用值。

式中：Wj为各指标所占权重（%）。

1.5 灌溉制度模拟模型构建

为制定合理的灌溉制度，用交互式数据语言（interactive data language，IDL）对无芒雀麦全生育期的土壤水分消耗过程进行模拟（土壤水分达到对应θFC百分比下限，开始灌水至上限），进而优选灌溉制度，实现牧草节水稳产优质的目标。

1）模型依据原理：编程过程以水量平衡原理为基础，采用的水量平衡方程为：

式中：Wj为第j天土壤有效储水量（mm）；Wj-1为第j-1天土壤有效储水量（mm）；Pj-1为第j-1天有效降水量（mm）；ETj-1为第j-1天实际作物蒸发蒸腾量（mm）；Kj-1为第j-1天地下水补给量（mm）；由于灌溉上限为田间持水量的85%，所以不考虑深层渗漏。

2）所需数据：牧草生育时期（由田间试验观测得出）；气象数据：参考作物蒸发蒸腾量（reference evapotranspiration，ET0）由粮农组织（food and agriculture organization of the united nations，FAO）推荐的Penmen-Monteith公式计算得出有效降水量［29］、实际作物蒸发蒸腾量（ET）等；土壤数据：计划湿润层深度、田间持水量、初始土壤含水量、土壤容重、地下水补给量［30］等。

3）模型评价：为验证该灌溉制度模型模拟效果，用平均相对误差（mean relative error，MRE）、决定系数（R2）、均方根误差（root mean square error，RMSE）、标准均方根误差（normalized root mean square error，nRMSE）进行验证。

1.6 数据处理

采用IBM SPSS Statistics 22.0进行相关性分析和主成分分析，采用Microsoft Excel 2019进行数据整理、绘图及熵权计算，采用Origin 2019b进行绘图，IDL编程语言进行灌溉制度模拟。

2 结果与分析

2.1 灌水量与无芒雀麦各指标间的相关性

I1与I2两种水分调控模式下，各茬次间灌水量与各指标的相关性分析结果较为一致（图2）。总体来看，除个别茬次外，灌水量与产量、粗蛋白含量之间存在极显著相关关系（P＜0.01），其中灌水量与产量表现为正相关；与粗蛋白含量表现为负相关；与酸性洗涤纤维和中性洗涤纤维含量之间相关性不显著（P＞0.05）。

图2 灌水量与无芒雀麦各指标间的相关性分析Fig.2 Correlation analysis between irrigation amount and various indicators of B.inermis

2.2 水分调控模式对无芒雀麦产量的影响

由图3可知，I1水分调控模式下，无芒雀麦产量随灌水量的增加呈先增加后减小的趋势，具体表现为开口向下的二次抛物线（y=-0.0188x2+17.7x+472.98，P＜0.001，R2=0.7282），I2水分调控模式下无芒雀麦产量随灌水量增加呈对数增加（y=1878.5ln（x）-7143.3，P＜0.001，R2=0.3373），且I1下拟合优度R2大于I2；I1曲线保持在I2曲线上方，即同一灌水量下，I1下无芒雀麦产量高于I2，也表明I1灌溉水利用效率大于I2，I1较I2产量提升平均可达23.11%；灌水量大于250 mm时，I1和I2下产量增长有减缓趋势。

图3 灌水量与产量之间的关系Fig.3 Relationship between irrigation amount and yield

2.3 水分调控模式对无芒雀麦品质的影响

由图4可知，在I1和I2两种水分调控模式下，无芒雀麦粗蛋白含量均随灌水量的增加表现为对数减小趋 势（I1：y=-2.661ln（x）+25.136，P＜0.001，R2=0.8401；I2：y=-2.012ln（x）+21.708，P＜0.001，R2=0.3736），且I1下拟合优度R2大于I2；同时I1曲线位于I2上侧，即同一灌水量下，I1水分调控模式下无芒雀麦粗蛋白含量高于I2，I1较I2粗蛋白含量平均提升6.09%；I1曲线的增幅大于I2，即一定范围内，分生育期调亏灌溉下，无芒雀麦粗蛋白含量变化更迅速。

图4 灌水量与营养品质之间的关系Fig.4 Relationship between irrigation amount and nutrient quality

在I1和I2两种水分调控模式下，无芒雀麦酸性洗涤纤维含量随灌水量增加而增加（I1：y=0.0216x+30.263，P＜0.001，R2=0.2698；I2：y=0.0218x+31.713，P＜0.001，R2=0.1592），拟合优度均较低。I1与I2两种水分调控模式下，无芒雀麦中性洗涤纤维含量随灌水量减小呈缓慢减小趋势（I1：y=0.0198x+40.938，P＜0.001，R2=0.1983；I2：y=0.0175x+48.185，P＞0.05，R2=0.0418），拟合优度均偏低。

2.4 水分调控模式筛选

以上分析可知，I1水分调控模式的产量、品质优于I2，为了进一步分析两种水分调控模式下，各处理中牧草产量（Y）、水分利用效率（WUE）、灌溉水利用效率（IWUE）、粗蛋白（CP）、酸性洗涤纤维（ADF）和中性洗涤纤维（NDF）含量对无芒雀麦生产力的综合影响，利用主成分分析法对6个指标进行降维分析，提取2个特征值大于1的主成分，累计方差贡献率达88.280%（表2），说明前两个主要成分可以反映原始数据的大多数信息，主成分1的贡献率为58.005%，决定指标为Y、WUE、IWUE和CP，主成分2贡献率为30.275%，主要反映了ADF和NDF的信息。由主成分综合得分（表3）得出，I1水分调控模式下各处理排名高于I2，即I1水分调控模式具有优势，I1F1处理综合得分最高，表明I1F1为最优的灌水处理。

表2 不同灌水处理下无芒雀麦各指标主成分分析Table 2 Principal component analysis of each index of B.inermis with different irrigation treatments

表3 不同灌水处理无芒雀麦综合得分Table 3 Overall score of B.inermis with different irrigation treatments

2.5 灌溉制度模拟

该灌溉制度模拟优化基于水量平衡方程，应用IDL编程语言，以日为时段，综合考虑了土壤水分变化、典型年降水资料、作物蒸散发、地下水补给等因素模拟作物生长季水分消耗过程，输出结果为具体的灌水日期、灌溉次数及灌水量，便于指导实践，并且其可用于作物全生育期模拟，也可用于部分生育期，适用于多茬次牧草灌溉制度模拟研究。由于河西走廊地区常年降水稀少，为验证I1F1灌水处理在典型枯水年下是否具有优势，从而用于当地牧草灌溉制度参考，对I1水分调控模式下4个水分处理在典型枯水年下进行灌溉制度模拟。

2.5.1 基于熵权法的无芒雀麦品质指标优选 熵权法可以消除人为因素干扰，具有客观赋权的优势，利用熵权法选取最具代表性的品质指标用于评价灌溉制度模拟中不同情景无芒雀麦品质的优劣，由表4可以看出，无芒雀麦粗蛋白、酸性洗涤纤维和中性洗涤纤维含量所占的权重系数分别为59.04%、20.84%和20.12%，即无芒雀麦各品质指标对灌水处理的敏感度排序为：粗蛋白含量＞酸性洗涤纤维含量＞中性洗涤纤维含量，因此将粗蛋白含量作为评价无芒雀麦品质的重要指标，用于灌溉制度模拟中方案优选。

表4 熵权法计算结果汇总Table 4 Summary of calculation results of entropy method（%）

2.5.2 灌溉制度模拟效果验证 由表5可知，此模型模拟2019年I1水分调控模式CK水分处理下灌水量，MRE、R2、RMSE、nRMSE分别为13.84%、0.985、24.56 mm、13.58%，模拟精度较高，故此模型可用于灌溉制度模拟。

表5 灌水量的真实值与预测值Table 5 Real and predicted values of irrigation amount

2.5.3典型枯水年的选择 对1956-2020年降水量系列资料进行排频计算，得到各个频率情况下的降水量值。取p=75%所对应的降水量作为枯水年的设计值，分析得出1994年降水资料可作为代表年降水资料（因为其最接近设计值且年内分配最不利，图5）。由联合国粮农组织（FAO）推荐的Penmen-Monteith公式计算得出典型枯水年逐旬参照作物蒸散量（表6）。

图5 1956-2020年降水量频率曲线拟合Fig.5 Frequency curve fitting of precipitation from 1956 to 2020

表6 典型枯水年逐旬参照作物蒸散量Table 6 Reference crop evapotranspiration by decade in a typical dry year

2.5.4 灌溉制度情景模拟 对I1水分调控模式下4种灌水处理在典型枯水年下进行模拟（表7），依据I1下灌水量与产量、品质拟合关系，对各灌溉制度下的产量和品质进行分析。

表7 灌溉制度模拟情景Table 7 Simulation scenarios of irrigation scheduling

由典型枯水年无芒雀麦灌溉制度模拟结果（表8）可知，无芒雀麦全年DCK情景下灌水量最大，为601.49 mm，DF1、DF2、DF3较DCK分别减少79.73、137.96和196.29 mm；灌溉水利用效率随亏水程度的加剧逐渐增大，DF1、DF2、DF3较DCK分别提升6.21%、9.94%和16.15%；DF1较DCK年产量下降率最小，为7.88%，DF2和DF3较DCK年产量下降率较大，分别为15.12%和21.88%；DF1、DF2、DF3较DCK粗蛋白含量增长率分别为3.03%、6.24%和8.89%。

表8 典型枯水年无芒雀麦灌溉制度模拟Table 8 Simulation of irrigation scheduling for B.inermis in a typical dry water year

产量作为评价植株生长及增益的重要指标，由于DF2和DF3情景模拟下，无芒雀麦年产量下降率较大，不能作为最优方案。基于节水稳产优质目的出发，DF1情景模拟中无芒雀麦年产量下降率最小，且灌溉水利用效率及粗蛋白含量相较于DCK均有较大提升，为最优方案。

3 讨论

3.1 水分调控模式对无芒雀麦产量的影响

调亏灌溉的实质是实现经济产量最优，并非单纯追求总产量的增加。通过严格调控土壤水分亏缺状态，可有效控制植物营养生长并促进同化物向不同组织器官分配，从而影响植株地上、地下部分生物量，以实现无芒雀麦经济产量提升、品质优化和效率增长的综合性目的［31］。在小麦（Triticum aestivum）［32-33］、燕麦（Avena sativa）［34］、紫花苜蓿［35］的研究中发现，随着灌水量的增加，作物产量表现为先增加后逐渐减小的二次抛物线变化趋势，这表明适度的水分亏缺有利于作物的生长，灌水过量反而会使作物产量下降，这可能与调亏灌溉会影响作物的生理生化特性有关，在一定水分亏缺条件下，为满足牧草需水要求，植物根系会深入土层，以有效利用土壤水分，使得作物的抗旱性得到有效提升，因此，适当水分胁迫不仅能提升作物水分利用率，同时还会降低牧草减产率［36］。本研究得出，在I1和I2两种水分调控模式下，无芒雀麦产量会随着灌水量的增大呈现不同变化趋势，其中I1呈二次抛物线变化，I2则表现为对数增加（图3），总体均表现为先迅速增加，后逐渐趋于平缓。造成I2产量表现为对数增加的原因可能是全生育期调亏灌溉下，各处理灌水量并未达到无芒雀麦产量下降转折点。在本研究中，I1和I2水分调控模式下，随着灌水量的增加，无芒雀麦产量增幅逐渐减小，这与余晓雄等［37］和王家瑞等［38］的研究结果基本一致。I1曲线位于I2曲线上方，表明分生育期调亏灌溉更有利于无芒雀麦产量的增加和灌溉水利用效率的提高，其原因可能是，在I1模式下，作物需水关键期复水补偿可保证牧草充足水供应，而非关键期水分胁迫可实现牧草亏水锻炼，这与王钧等［39］的研究结果相似。

3.2 水分调控模式对无芒雀麦品质的影响

粗蛋白含量作为权衡牧草品质的重要指标之一，反映了牧草满足牲畜蛋白质需求的能力［40］。牧草纤维含量的多少将直接影响牧草的采食量及家畜消化率，其含量越高，牧草的品质越差［41］。相关研究表明，黑麦草、草甸羊茅（Festuca pratensis）和扁穗牛鞭草（Hemarthria compressa）等禾本科牧草的粗蛋白含量会随着水分亏缺的加剧逐渐增大，酸性洗涤纤维和中性洗涤纤维含量则逐渐减少［42-44］。本研究结果与前人研究结果基本一致，在I1和I2两种水分调控模式下，灌水量与粗蛋白含量呈负相关关系，随着灌水量的减少，无芒雀麦粗蛋白含量呈对数型增加（图4），而酸性洗涤纤维和中性洗涤纤维含量呈缓慢减小趋势。造成这一结果的原因可能是：无芒雀麦粗蛋白含量分配表现为：叶＞茎；纤维含量表现为：茎＞叶。而水分亏缺会在一定程度上抑制无芒雀麦节间伸长，使得植株茎的生长发育受到影响，进一步导致其茎叶比减小，因此，适度水分胁迫可有效增加植株粗蛋白含量，减少酸性洗涤纤维和中性洗涤纤维含量。汪精海等［28］关于燕麦的研究发现，随着水分亏缺的加剧，燕麦的粗蛋白含量呈先增大后减小的趋势，本研究结果与此有所差异，其原因可能与牧草类型、地域气候条件、土壤中氮素分布及有限水分供应位置等因素有关。I2较I1，无芒雀麦粗蛋白含量低且酸性洗涤纤维、中性洗涤纤维含量高，其原因可能是：在I2模式下无芒雀麦始终处于水分胁迫状态，这间接抑制了植株叶片的生长，同时为寻求水分以维持自生生存，叶片中大部分能量被消耗于地下根系生长。

3.3 灌溉制度模拟

合理的灌溉制度是干旱地区作物节水、优质、高产的保证。作物模型可以弥补短期试验结论的局限性，减少试验过程中人力和经济的投入，实现多种灌水模式模拟优化设计［21］。本试验灌溉制度模拟是基于水量平衡原理，根据试验区气候特征、作物生理生长特性做出的合理调整优化措施，输出结果包含具体灌水定额，灌水次数，灌水日期，以便于指导生产实践，并且可进行全生育期或部分生育期水量变化模拟，适合于无芒雀麦多茬次牧草灌溉制度模拟优化。通过对2019年CK处理下模型模拟效果验证，发现灌水量真实值与预测值误差在允许范围内，MRE、R2、RMSE、nRMSE分别为13.84%、0.985、24.56 mm、13.58%，模拟精度较好，可用于河西走廊无芒雀麦灌溉制度模拟优化。大田试验结果得出I1F1处理最优，为验证大田试验结果在河西走廊地区的普适性，选择典型枯水年作为模拟年份，对I1水分调控模式下4种灌溉制度进行情景模拟（表8）发现：典型枯水年下，情景DF1为最优处理，这与大田试验主成分分析结果一致；情景模拟中随着亏水程度的加重，作物灌溉水利用效率增加，这与马千虎等［45］模拟高寒地区燕麦灌溉水利用效率结果相符；其次，随着灌水量减少，牧草粗蛋白含量增加，产量下降率逐渐变大，情景DF3较DCK年减产21.88%，这与徐冰等［46］研究发现不灌水与充分灌溉相比，燕麦减产率高达30%的结果相似。结合大田试验分析与典型枯水年灌溉制度情景模拟结果，推荐DF1灌溉制度作为河西走廊地区无芒雀麦参考灌溉制度。

4 结论

科学的水分调控模式是保障河西走廊地区人工草地节水、稳产、优质的重要手段。本研究结论如下：1）随着灌水量增加，无芒雀麦产量表现为：在分生育期调亏灌溉I1下呈开口向下的二次抛物线变化趋势，在全生育期调亏灌溉I2下呈对数型增加趋势；I1和I2两种模式下，随灌水量减小，无芒雀麦粗蛋白含量均呈现逐渐增大的趋势，而酸性洗涤纤维和中性洗涤纤维含量均呈现缓慢减小的趋势。2）同一灌水量下，分生育期调亏灌溉的产量和粗蛋白含量均高于全生育期调亏灌溉模式，其产量平均提升23.11%，粗蛋白含量平均提升6.09%，结合主成分分析结果，不同生育期调亏灌溉较优。3）由大田试验及典型枯水年灌溉制度模拟结果可知，适宜河西走廊地区无芒雀麦参考的灌溉制度为在I1DF1处理下［返青期（75%～85% θFC），拔节期（65%～85% θFC），抽穗期（65%～85%θFC）］，灌水次数为12次，灌溉定额为521.76 mm。