冬小麦对水分胁迫响应的模型模拟与节水滴灌制度优化

2023-06-09杨晓慧王碧胜孙筱璐侯靳锦徐梦杰王志军房全孝

作物学报 2023年8期

杨晓慧王碧胜孙筱璐侯靳锦徐梦杰王志军房全孝

杨晓慧王碧胜*孙筱璐侯靳锦徐梦杰王志军房全孝*

青岛农业大学农学院, 山东青岛 266109

滴灌技术结合节水灌溉制度可显著提高作物水分利用效率, 但针对滴灌条件下冬小麦节水灌溉制度的优化研究相对较少, 利用作物模型优化节水灌溉制度可以弥补田间试验的不足, 对于作物精确灌溉具有重要的指导意义。本研究利用胶东冬小麦滴灌节水试验数据(2016—2019年)评价了根区水质模型(RZWQM-CERES)的适应性, 并模拟评价了不同节水滴灌制度对冬小麦产量和水分利用效率的影响, 以筛选最佳节水滴灌制度。结果表明RZWQM- CERES可以较好地模拟土壤水分、冬小麦生长和产量对不同滴灌处理和季节的响应, 其中模拟0～90 cm土壤贮水量的均方根误差(RMSE)为22.7～32.3 mm、相对均方根误差(NRMSE)为11.9%～16.3%、决定系数(2)为0.52～0.69, 模拟收获期生物量的RMSE为1184～1904 kg hm-2、NRMSE为9.9%～16.8%、2为0.67, 模拟产量的RMSE为361～491 kg hm–2、NRMSE为5.7%～7.8%、2为0.75。长期模拟结果表明该地区冬小麦需水关键期为孕穗期(丰水年和平水年)或拔节期(枯水年)。针对不同降水年型冬小麦产量和水分利用效率对灌溉量的响应差异, 筛选滴灌条件下冬小麦最佳灌溉制度为: 丰水年在拔节期和开花期各灌水45 mm; 平水年(或枯水年)在拔节期、孕穗期及开花期各灌水35 mm (或45 mm)。本研究结果扩展了RZWQM-CERES优化冬小麦滴灌制度的应用潜力, 为实施冬小麦精确灌溉提供了重要的技术支持。

冬小麦; 水分胁迫; 滴灌; 灌溉制度; RZWQM-CERES; 作物产量; 水分利用效率

水分是我国北方冬小麦生长的重要限制因素[1], 华北地区冬小麦生育期需水总量在400～450 mm左右, 但生育期内降雨量仅有150～200 mm, 远低于冬小麦需水量, 水分亏缺量达250～300 mm, 其中拔节、抽穗与灌浆期水分亏缺严重[2]。因此灌溉补水是确保冬小麦高产的重要措施, 其中节水灌溉作为缓解水资源短缺、提高冬小麦水分利用效率的重要手段被广泛应用[3]。关于冬小麦节水灌溉制度筛选和优化已开展了诸多研究。在华北地区, 张喜英[4]提出地下水严重超采区可消减冬小麦生育期灌水量,只在拔节期灌溉; 而付佳祥等[5]推荐在拔节期和开花期各灌水75 mm为冬小麦最佳灌溉制度。在关中地区, 呼红伟[6]推荐冬小麦拔节期进行灌溉, 而宋同等[7]则认为在灌浆期灌溉最优。上述研究表明, 由于各地区的土壤和气候条件不同, 导致冬小麦最佳灌溉制度存在差异, 在一定程度上限制了研究结果在节水灌溉中的应用[2-7]。

近年来, 作物模型在水分管理研究中的应用越来越广泛, 表现出较强的应用潜力[8-11,17-21]。Guo等[8]评价了AquaCrop模型模拟畦灌条件下冬小麦生物量、产量以及土壤含水量的能力, 推荐在当地灌溉制度的基础上增加越冬期灌溉, 并推迟春灌到拔节期灌溉。王文佳等[9]利用CROPWAT-DSSAT模型筛选了关中地区冬小麦的最优灌溉制度为丰水年在越冬、返青和拔节期均沟灌25 mm, 平水年在越冬、返青和拔节期分别沟灌50、50和25 mm, 枯水年在越冬、返青和拔节期分别沟灌25、75和50 mm, 这一结果为当地冬小麦精确灌溉提供了重要支持。房全孝等[2,10]验证评价了RZWQM (root zone water quality model)-CERES (crop estimation through resource and environment synthesis)在漫灌条件下模拟土壤水分动态及其对冬小麦产量的影响, 并在山东禹城地区筛选出最优灌溉制度为拔节和孕穗期各灌水60 mm, 而在河北栾城地区冬小麦最佳灌溉制度为播前、拔节、孕穗和灌浆期各灌水75 mm。Xu等[11]评价了RZWQM-CERES模拟泾惠渠灌区畦灌条件下冬小麦土壤水分、产量和地上部生物量的适应性, 并提出该地区冬小麦的最优灌溉制度。

以上冬小麦灌溉制度优化的研究主要以传统灌溉方式(漫灌和畦灌)为基础, 该灌溉方式效率较低且灌溉量较难精确控制。而喷灌和滴灌技术具有可控性高、节水效果明显等优势, 可显著提高玉米[12-13]和棉花[14]等作物的产量(15%～20%)及水分利用效率(18%～30%), 但关于滴灌条件下冬小麦节水制度研究相对较少[15-16]。近年来RZWQM-CERES用于滴灌条件下玉米[17-20]和棉花[21]的节水灌溉制度优化研究取得较好的模拟效果, 但是针对滴灌条件下冬小麦生长及产量对水分胁迫的响应模拟及节水灌溉制度优化鲜有报道。随着滴灌技术在农业生产中应用越来越广泛, 筛选和优化滴灌条件下节水灌溉制度对于实施冬小麦精确灌溉具有重要的指导意义。鉴于此, 本研究首先验证、评价RZWQM和CERES (crop environment resource synthesis)结合模型(RZWQM- CERES)[22]模拟滴灌条件下土壤水分、冬小麦生长、产量及农田蒸散的能力和适应性, 然后利用验证的模型和长时间序列气象数据设计详细的节水灌溉制度模拟实验, 筛选和优化胶东地区滴灌条件下冬小麦高效节水灌溉制度, 为冬小麦精确灌溉提供技术支持。

1 材料与方法

1.1 冬小麦滴灌节水试验与数据观测

田间试验于2016—2019年在青岛农业大学胶州试验站(36°27′N, 120°5′E)进行, 该试验区属半湿润半干旱区, 2016—2019年3年度冬小麦生育期内平均气温分别为9.5℃、8.8℃、9.5℃ (图1-a); 平均太阳辐射量分别为14.6、13.8和13.6 MJ m–2d–1(图1-b); 2016—2017年冬小麦生育期内降雨量为90.5 mm, 主要集中在10月和5月; 2017—2018年降雨量为174.0 mm, 主要集中在10月和5月; 2018—2019年降雨量为159.4 mm, 主要集中在4月和6月(图1-c)。试验区土壤类型为沙姜黑土, 其土壤容重为观测值、土壤水力学参数通过校正得到(表1)。试验站点地下水位埋深较高, 常年在1.0～2.0 m波动, 对农田蒸散有一定的补充作用[23]。试验站点气象站观测获取每天气象数据(包括太阳辐射、降水、最高气温、最低气温、风速等)作为模型的输入数据。

试验设计包括5个灌溉处理: CK (根据当地管理返青期畦灌80 mm)、T1 (不灌水)、T2 (拔节期滴灌40 mm)、T3 (开花期滴灌40 mm)、T4 (拔节期和开花期各滴灌40 mm), 每个处理3次重复, 共3个冬小麦生长季(2016—2019年), 播种时间为10月13日至20日, 收获时间为翌年6月12日至16日, 采用“一带两行”滴灌模式即每隔1行小麦铺设1条滴灌带, 每个小区安装一个水表控制灌水量。其他管理措施各处理都一致, 施肥量根据当地管理习惯, 以满足冬小麦生长发育需要, 具体试验管理措施见王志军等[15]。

主要观测数据包括: 0～90 cm不同层次的土壤水分含量(7～14 d观测1次)、地上部生物量(7～14 d观测1次)和籽粒产量(收获期观测), 具体见王志军等[15]。冬小麦农田蒸散量(ET)根据农田水量平衡方法估算[15](公式1), 该公式中径流量一般不考虑(= 0), 地下水补充量在地下水埋深区也不考虑[15,24](= 0), 而在地下水浅埋区需要考虑(> 0), 但是观测难度较大[23]。本文估算ET时考虑两种情况: (1)不考虑地下水补充的农田蒸散(ET_m1,= 0); (2)考虑地下水补充的农田蒸散(ET_m2,> 0), 此时利用模型模拟的地下水补充量()和公式(1)进行估算。

图1 2016–2019年冬小麦生育期内逐日(a)最高气温(Tmax)和最低气温(Tmin), (b)太阳辐射量及(c)降雨量

表1 胶州试验站土壤水力学参数的校正结果

ET =+++ Δ–(1)

式中, ET为农田蒸散量估算值(单位为mm);= 冬小麦生育期内灌溉量(mm);= 冬小麦生育期内降水量, mm;为地下水补充量, 单位mm;为冬小麦生育期开始时和结束时土壤贮水量的变化量, mm;为径流量, 单位mm。

1.2 RZWQM-CERES水分胁迫过程模拟、模型参数优化及评价指标

1.2.1 RZWQM-CERES模型水分运移及水分胁迫模拟过程 RZWQM模型是由美国农业部研发的一种农业系统和资源管理模型[10], 模型整合了物理运移、化学反应、养分循环、杀虫剂反应、作物生长和管理措施6大模块。Ma等[22]将RZWQM模型与CERES (crop environment resource synthesis)模块相结合得到RZWQM-CERES结合模型, 其中RZWQM为CERES提供作物生长发育所需的土壤水分、温度、养分等环境要素, CERES通过模拟作物生长发育过程得到作物吸收利用土壤水分、养分以及作物生长的数据为RZWQM提供计算土壤水分平衡、养分平衡数据来源[24], 该结合模型在作物水分管理和氮素管理等方面应用十分广泛, 表现出较好的模拟效果[2,10-11,17-22]。模型利用Green-Ampt和Richards方程描述土壤水分入渗过程及土壤水分再分配过程[22], 滴灌过程在模型中当作降雨过程, 且滴灌强度(降雨强度)小于土壤饱和导水率, 不会形成径流[19]。模型中水分胁迫系数WSF[25](公式2)其值越小水分胁迫越大, 为1时无水分胁迫。

式中, EP0(潜在蒸腾量)利用改进的Shuttleworth- Wallace ET模型[26]计算得到。潜在根系吸水(TRWUP)是关于根长密度、深度、根系分布和实际土壤含水量之间的函数[26](公式3)。

式中,RLV(i)为第层的根长密度(单位为cmcm–3);k为常数, 取0.00132;2为常数, 当土壤水排水下限大于等于0.30 cmcm–3时,2取45.0; 当土壤水排水下限小于0.30 cmcm–3时,2=130LL(i);3为常数, 取7.01;sw(i)为第层土壤体积含水率(单位为cm cm–3);LL(i)为第层作物可利用水分下限(单位为cm cm–3); Δ(i)为土层的深度(单位为cm)。

1.2.2 RZWQM-CERES参数校正和模型验证

模型校正选取灌溉量最高畦灌处理(CK, 施肥量满足作物需要)的观测数据(包括土壤水分、作物生长、发育以及农田蒸散数据), 以获取试验站点条件下合理的土壤水力学参数和作物遗传参数。其他滴灌处理(T1、T2、T3、T4)的观测数据用于验证和评价模型在滴灌条件下的适应性。模型校正过程中, 首先利用模型中PEST (Parameter ESTmation)工具进行优化土壤参数和作物参数, 但该方法会导致参数极端值(接近参数的最大值或最小值)和模型参数过度优化(over-fit)问题[24], 不能很好地平衡模型的整体模拟效果(如土壤水分和作物产量等)。因此我们在PEST优化的基础上用试错法对模型参数进行进一步校正[10,19]: 首先根据土壤水分数据校正土壤水力学参数, 包括土壤饱和导水率和田间持水量(表1), 然后根据冬小麦生长和生育期指标校正作物遗传参数(表2)。

表2 RZWQM-CERES模型冬小麦遗传参数校正结果

1.2.3 模型评价指标和统计分析本研究评价模型模拟结果的指标包括平均相对误差(mean relative error, MRE)、决定系数(2)、均方根误差(root mean square error, RMSE)、相对均方根误差(relative root mean square error, NRMSE)、以及模型有效系数(efficiency, E)[2,10]。采用SPSS软件进行配对检验, 显著水平<0.05。

式中,P为第个模拟值;O为第个实测值;avg为实测平均值;avg为模拟平均值;为模拟值或实测值的个数。

1.3 冬小麦节水滴灌制度优化

根据胶东地区降水条件、灌溉试验结果以及当地的灌溉习惯, 结合不同生育时期的冬小麦的需水规律, 本研究利用RZWQM-CERES模型设计了包括5个灌溉时期, 包括返青期(T; 3月15日)、拔节期(J; 4月1日)、孕穗期(B; 4月15日)、开花期(F; 5月1日)、灌浆期(G; 5月15日), 以及12种单次灌溉量(5、10、15、20、25、30、35、40、45、50、55和60 mm)和5种灌溉次数(从在1个时期仅灌溉1次到在5个不同时期灌溉5次), 共计形成372种不同的灌溉制度。然后结合1980—2019年的气象数据, 进行情景模拟, 以筛选出胶东地区冬小麦滴灌条件下的最优灌溉制度。

为评价冬小麦生育期内降水对灌溉制度优化的影响, 根据1980—2019年冬小麦生育期内的降水数据计算干燥指数(公式9)并划分降水年型[27]。干燥指数大于0.35为丰水年, 小于–0.35为枯水年, 介于–0.35～0.35之间为平水年。其中, 丰水年冬小麦生育期内平均降水量为240.6 mm (12年); 平水年为174.6 mm (11年); 枯水年为130.8 mm (17年)。上述长期模拟结果根据3种降水年型进行分析。

式中,为干燥指数;为生育期内降水量;为多年生育期内平均降水量;为多年生育期内降水量均方差。

2 结果与分析

2.1 RZWQM-CERES模型的校正与验证结果

2.1.1 土壤水分模拟结果模型校正结果(畦灌处理CK)表明0～90 cm土壤贮水量的模拟值与实测值呈相似的变化趋势(图2-a), 其RMSE为23.4 mm, MRE为9.6%,2为0.65, NRMSE为11.9%, 模型有效系数为0.56 (表3)。模型的验证结果(4个滴灌处理)与校正结果接近, 且各处理模拟值与实测值呈相似的变化趋势(图2-b～e), 其0～90 cm土壤贮水量的RMSE为22.7～32.3 mm, MRE为10.5%～15.3%,2为0.52～0.69, NRMSE为12.3%～16.3%, 这一结果与该模型模拟漫灌条件下的土壤贮水量结果相似(RMSE在23.8～37.3 mm之间)[2], 模型有效系数为0.24～0.55 (表3), 这与房全孝等[10]和Hu等[28]的模拟结果接近。可见模型可以较好地模拟滴灌条件下土壤水分动态变化趋势。后两季冬小麦越冬期的土壤贮水量模拟结果均高于观测值(图2)与后两季小麦初始含水量(10月)偏高有关[2,11]。

2.1.2 冬小麦生育期和地上部生物量模拟结果

RZWQM-CERES模拟(校正结果: 处理CK)的3季冬小麦开花期分别为5月13日、5月11日、5月9日, 成熟期分别为6月9日、6月7日、6月4日。与观测的开花期(分别为5月11日、5月8日、5月6日)和成熟期(分别为6月11日、6月9日、6月5日)基本一致, 模拟的开花期和成熟期的RMSE分别为2.2 d和1.7 d。模型验证结果(处理T1～T4)表明各处理模拟的开花期和成熟期与观测值一致(开花期在5月5日到5月10日之间、成熟期在6月6日到6月13日之间), 其RMSE分别为1.9 d (开花期)和2.5 d (成熟期)。模拟和观测的开花期和成熟期在不同处理间差异较小(小于3 d)。以上结果说明RZWQM-CERES模型可以较好地模拟胶东地区不同灌溉条件下冬小麦的生育期。

模型模拟的地上部生物量动态变化与实测值变化趋势一致(图3), 其校正结果的RMSE为1472 kghm–2, MRE为18.0%, NRMSE为17.8%,2为0.89; 验证结果的总体RMSE为1181～1629 kghm–2, MRE为16.2%～22.7%, NRMSE为13.9%～22.3%,2为0.84～0.94, E为0.80, 且高水处理(MRE为16.2%)模拟结果优于低水处理(MRE为16.6%～22.7%)。这些结果与在栾城、禹城等站点模拟冬小麦生物量效果接近(RMSE分别为450～1880 kghm–2和1460～1560 kghm–2)[10]。

2.1.3 冬小麦收获期生物量和产量模拟结果模型模拟3个冬小麦生长季收获期生物量(校正结果)的RMSE为1904 kghm–2, MRE为14.8%, NRMSE为16.8%; 验证结果的RMSE为1184 kghm–2, MRE为8.6%, NRMSE为9.9%,2为0.67 (表3)。这与Fang等[2]和Hu等[28]利用该模型模拟冬小麦地上部生物量结果接近(RMSE为598～1880 kghm–2)。模拟值与实测值随灌水量增加呈相似的变化趋势, 且多数模拟值在观测值的误差范围之内(图4-a～c)。但2018—2019年的畦灌处理(CK)的模拟值明显高于观测值(图4-c), 这与地上部生物量动态模拟结果一致(图3-a)。

图2 2016–2019年RZWQM-CERES模拟不同灌溉处理下0～90 cm土壤贮水量(mm)与实测值对比

表3 2016–2019年RZWQM-CERES模拟不同灌溉处理下0～90 cm土壤贮水量、收获期生物量、产量及农田蒸散量与观测值对比

(续表3)

CK表示返青期畦灌80 mm, T1表示不灌水, T2表示拔节期滴灌40 mm, T3表示开花期滴灌40 mm, T4表示拔节期和开花期各滴灌40 mm。

CK means border irrigation of 80 mm at turn greening stage, T1 means no irrigation, T2 means drip irrigation of 40 mm at the jointing stage, T3 means drip irrigation of 40 mm at flowering stage, and T4 means drip irrigation of 40 mm at jointing stage and flowering stage.

图3 2016–2019年RZWQM-CERES模拟不同灌溉处理下动态生物量与实测值对比

缩写同表3。Abbreviations are the same as those given in Table 3.

模型模拟籽粒产量(校正结果)的RMSE为 361 kghm–2, MRE为4.2%, NMRSE为5.7% (表3); 验证结果产量的RMSE为491 kghm–2, MRE为6.3%, NMRSE为7.8% (表3)。这与该模型模拟漫灌条件下冬小麦产量的结果相似[2,28](RMSE为71～670 kghm–2)。3个生长季不同处理模拟值多数在实测值的误差范围之内, 其中2018—2019年的CK处理的模拟产量高于实测值(图4-f)。综上RZWQM-CERES模拟的生物量、产量对灌溉处理的响应与观测结果具有较好的一致性(生物量:2为0.67; 产量:2为0.75), 说明模型可以较好地反映滴灌条件下不同灌溉处理对冬小麦生物量和产量的影响。

2.1.4 农田蒸散模拟结果 RZWQM-CERES模拟的冬小麦农田蒸散均高于估算值, RMSE分别为117.3 mm (校正结果)和153.0 mm (验证结果), 其主要原因是农田蒸散估算方法没有考虑地下水的补充作用[15]。由于试验区地下水埋深在1.0～2.0 m之间波动, 在冬小麦季具有明显的土壤水分补充作用。模型模拟的地下水对土壤水分补给平均为136.6 mm, 约占模拟农田蒸散量的32.7%。在禹城地区(地下水位1.6～2.4 m之间), 刘士平等[29]发现地下水对冬小麦耗水的补给量为75.6 mm, 约占农田蒸散量的16.6%, 这可能与该地区灌溉量较大(>250 mm)且地下水位较深有关。根据模型模拟的地下水补给量修正农田蒸散量估算结果(公式1)与模拟值变化趋势一致(图5和表3), 其2为0.69, RMSE为29.6 mm, MRE为6.3%, NRMSE为7.1%。由于地下水对冬小麦的补充作用受地下水位埋深和作物根系深度的影响较为复杂、观测难度大[29], 对于该模型模拟的地下水补充量需要进一步验证。

2.2 不同降水年型下冬小麦灌溉制度的优化

2.2.1 不同灌溉制度对冬小麦产量的影响

1980—2019年长期模型模拟结果表明只灌1次水时, 产量随灌水量的增加而增加, 不同降水年型均以灌溉方案J (拔节期灌水1次)和灌溉方案B (孕穗期灌水1次)的产量较高, 其中丰水年和平水年灌溉方案B优于处理J (图6-a1和b1), 而枯水年以灌溉方案J相对较好(图6-c1), 3种降水年型下灌溉方案G (灌浆期灌水1次)在不同灌水量下的对产量的影响不明显。可以看出丰水年和平水年冬小麦的需水关键期为孕穗期, 枯水年时需水关键期为拔节期。在灌2次水时, 丰水年(图6-a2)和枯水年(图6-c2)内灌溉方案JF (拔节期和开花期各灌水1次)产量最高, 平水年(图6-b2)以灌溉方案JB (拔节期和孕穗期各灌水1次)产量最高。在灌3次水时, 冬小麦产量随灌水量增加达到峰值, 其中灌溉方案JBF (拔节期、孕穗期和开花期各灌水1次)在丰水年单次灌水35 mm (图6-a3)、平水年单次灌水40 mm (图6-b3)、枯水年单次灌水60 mm (图6-c3)时产量最高。在灌4次水时, 丰水年和平水年灌水方案JBFG (拔节期、孕穗期、开花期和灌浆期各灌水1次)在单次灌水30 mm时产量最高(图6-a4和b4), 枯水年灌溉方案TJBF (返青期、拔节期、孕穗期和开花期各灌水1次)在单次灌水45 mm时产量最高(图6-c4)。在灌5次水时, 丰水年、平水年和枯水年分别在单次灌水25 mm (图6-a5)、30 mm (图6-b5)和35 mm (图6-c5)时产量达到峰值。

图4 2016–2019年RZWQM-CERES模拟不同灌溉处理收获期生物量和产量与实测值对比

缩写同表3。Abbreviations are the same as those given in Table 3.

图5 2016–2019年RZWQM-CERES模拟不同灌溉处理农田蒸散(ET_S)与不考虑(或考虑)地下水补充的农田蒸散估算值ET_m1 (或ET_m2) (公式1)对比

缩写同表3。Abbreviations are the same as those given in Table 3.

图6 不同降水年型下RZWQM-CERES模拟的冬小麦产量对灌溉量和灌溉次数的响应

子图标题中字母a为丰水年, b为平水年, c为枯水年; 数字1表示灌溉1次, 2表示灌溉2次, 3表示灌溉3次, 4表示灌溉4次, 5表示灌溉5次。灌溉处理中Rainfed表示雨养, T表示返青期灌溉, J表示拔节期灌溉, B表示孕穗期灌溉, F表示开花期灌溉, G表示灌浆期灌溉。

In the sub-figures, letters “a” refers to wet year, “b” refers to normal year, and “c” refers to dry year; and numbers of 1 means irrigation once, 2 means irrigation twice, 3 means irrigation three times, 4 means irrigation four times, and 5 means irrigation five times. In the irrigation treatments, Rainfed means rainfed, T means the irrigation at the turning green stage, J means the irrigation at the jointing stage, B means the irrigation at the booting stage, F means the irrigation at the flowering stage, and G means the irrigation at the filling stage.

2.2.2 不同灌溉制度对冬小麦水分利用效率的影响

在灌1次水时, 多数灌溉方案的水分利用效率随灌水量的增加而增加, 不同降水年型下均以灌溉方案J和灌溉方案B较高, 其中丰水年和平水年以灌溉方案B较高(图7-a1和b1), 而枯水年以灌溉方案J相对较高(图7-c1), 3种降水年型下灌溉方案G的水分利用效率随灌水量增加持续下降。在灌2次水时, 丰水年和平水年各灌溉方案的水分利用效率随灌水量先增加后降低, 其中丰水年以灌溉方案JF (拔节期和开花期各灌1次)单次灌溉45 mm时的水分利用效率最高(图7-a2), 平水年以灌溉方案JB (拔节期和孕穗期各灌水1次)单次灌水40 mm时的水分利用效率最高(图7-b2); 枯水年水分利用效率随灌水量增加持续增加, 其中以灌溉方案JF (拔节期和开花期各灌水1次)最优(图7-c2)。3种降水年型下灌溉方案FG (开花期和灌浆期各灌水1次)的水分利用效率随灌水量持续降低。在灌3水次时, 冬小麦水分利用效率随灌水量先增加后降低, 灌溉方案JBF (拔节期、孕穗期和开花期各灌水1次)分别在丰水年和平水年单次灌水35 mm (图7-a3和b3)和枯水年单次灌水45 mm (图7-c3)时水分利用效率最高。在灌4次水时, 灌溉方案JBFG (拔节期、孕穗期、开花期和灌浆期)分别在丰水年和平水年单次灌水30 mm (图7-a4和b4)、灌溉方案TJBF (返青期、拔节期、孕穗期和开花期各灌水1次)在枯水年单次灌水40 mm (图7-c4)时水分利用效率最高。在灌5次水时, 丰水年、平水年、枯水年分别在单次灌水25 mm (图7-a5)、20 mm (图7-b5)和35 mm (图7-c5)时水分利用效率最高。

图7 不同降水年型下RZWQM-CERES模拟的冬小麦水分利用效率(WUE)对灌溉量和灌溉次数的响应

2.2.3 冬小麦最优滴灌制度的确定根据长期模拟结果(图6～图7), 筛选出冬小麦灌溉1～5次时最佳灌溉时期和灌溉量(图8)。丰水年的最佳灌溉时期和灌溉量分别为灌溉方案B-60 (孕穗期灌水60 mm), 灌溉方案JF-45 (拔节和开花期各灌水45 mm), 灌溉方案JBF-35 (拔节、孕穗和开花期各灌水35 mm), 灌溉方案JBFG-30 (拔节、孕穗、开花和灌浆期各灌水30 mm)以及灌溉方案TJBFG-25 (返青、拔节、孕穗、开花和灌浆期各灌水25 mm), 其中灌溉方案JF-45的产量(7926 kg hm–2)和水分利用效率(14.3 kg mm–1hm–2)显著高于灌溉方案B-60 (<0.01), 且与其他灌溉方案差异不显著(>0.05)。平水年的灌溉方案为B-60、JB-35、JBF-35、JBFG-30和TJBFG-25, 其中方案JBF-35的产量(7786 kg hm–2)和水分利用效率(14.0 kg mm–1hm–2)显著高于方案B-60 (<0.05)和方案JB-35 (<0.05), 且与其他方案差异不显著(>0.05)。枯水年的最佳灌溉方案为J-60、JF-60、JBF-45、TJBF-40, 以及TJBFG-35, 其中方案JBF-45的产量(7714 kg hm–2)和水分利用效率(14.0 kg mm–1hm–2)高于方案J-60和JF-60, 且与其他方案差异不显著(>0.05)。综上, 可以确定该地区冬小麦最佳灌溉制度为: 丰水年为灌水2次每次45 mm, 平水年为灌水3次每次35 mm, 枯水年为灌水3次每次45 mm。

图8 筛选的不同降水年型下最优灌溉量方案的冬小麦产量(Yield)和水分利用效率(WUE)

处理同图6。Treatments are the same as those given in Fig. 6.

3 讨论

随着水资源日益短缺, 如何在有限灌溉水资源条件下制定合理的灌溉制度极为重要。根据图6和图7可知, 在丰水年且灌溉量低于100 mm时, 少次(1～2次)高水灌溉优于多次(3次以上)低水灌溉, 这与在平水年和枯水年且灌溉量低于80 mm时的结果一致, 但是当灌溉量高于100 mm (丰水年)或80 mm (平水年和枯水年), 多次(3～5次)低水灌溉优于少次(1～2次)高水灌溉。可以看出在不同灌溉定额条件下, 灌溉次数和单次灌溉量的选择需要考虑不同降水年型和作物需水关键期。刘坤等[30]认为少次多量会导致冬小麦后期供水不足降低千粒重和产量, 而张忠学等[31]发现少次多量可以提高冬小麦水分利用效率,实现增产效果。本研究模拟结果表明需要结合作物需水关键时期和不同降水年型, 实施少次高水灌溉策略才更有效(图6～图8)。冬小麦需水关键期从拔节期到开花期均有报道[4-7], 其受土壤和气候条件的影响较大[2]。本研究长期模拟结果表明胶东半湿润半干旱区冬小麦需水关键期为拔节期和孕穗期, 并受降雨分布和降雨量(降水年型)的影响明显。这一结果与房全孝等[32]和史源[33]在华北平原的长期模拟结果一致, 但与试验结果存在一定的差异[15], 反映了该地区不同降水年型对冬小麦需水关键期的影响, 是对该地区试验结果[15]的进一步扩展。

关于冬小麦滴灌条件下灌溉制度优化的研究还处于探索阶段, 本研究结果表明相较于漫灌和畦灌条件[32-33], 针对不同降水年型的滴灌灌溉制度可降低冬小麦灌溉总量约20～90 mm, 产量相对增加约2%～10%, 水分利用效率提高约5%～28%, 说明滴灌技术具有较强的节水增产潜力, 根据不同降水年型制定灌溉制度可以保证冬小麦关键生育期需水, 明显提高冬小麦的产量及水分利用效率[33], 这些结果为该地区不同降雨条件下实施冬小麦精确灌溉提供了重要参考。

以往通过模型筛选灌溉制度时, 多采用漫灌或畦灌等传统灌溉方式, 单次灌溉量一般高于40 mm, 且灌溉制度设计数量相对较少[15-16,32-33], 导致筛选出的灌溉制度可能不是最优或在实际应用中难度较大。本研究通过滴灌方式精确控制灌溉量, 以单次灌溉5 mm为梯度, 结合灌溉时期和单次灌水量共设置了372种不同的灌溉制度, 并根据不同降水年型和不同供水量筛选出更详细、更准确的节水灌溉制度(包括灌水次数和灌水量), 其结果比前人的研究更有利于指导冬小麦精确灌溉。但本研究的灌溉设计方式为固定灌溉方式(包括灌溉时期和灌溉量), 对作物在不同生育期的需水量差异考虑不够充分, 可能会导致灌溉量与实际作物需水量不匹配[20], 而基于作物不同生育期的需水量进行变量灌溉设计可在一定程度上弥补上述固定灌溉设计的不足[20], 但这种变量灌溉设计较为复杂, 在生产中实施难度高于固定灌溉模式[34], 且其水分效率也可能并不总是最高[20], 因此不同灌溉模式的比较需要进一步研究。

作物模型的不确定性是限制其应用的重要因素[18,24], 本研究结合模型参数自动优化和试错法,利用3年的试验数据对RZWQM-CERES进行了较为全面的验证, 说明该模型在滴灌条件下模拟冬小麦生长及水分利用具有较好的适应性, 但由于气象条件特别是降雨的年际变化, 其长期情景模拟结果仍存在不确定性, 通过区分不同降雨年型(丰水年、平水年及干旱年)进行灌溉制度的优化可在一定程度上提高筛选结果的适应性, 但针对灌溉制度优化决策的可靠性和不确定性评价仍需要深入研究。同时模拟结果没有考虑作物氮素胁迫的影响, 在水分和氮素胁迫互作条件下模型需要进一步的验证和评价。

4 结论

本研究表明RZWQM-CERES模型能够较好地模拟土壤水分动态、冬小麦地上部生物量动态、籽粒产量及农田蒸散对不同滴灌处理和季节的响应, 表明该模型可以用来评价和优化滴灌条件下冬小麦节水灌溉制度, 扩展了模型的应用范围。同时该模型在高地下水位地区表现出较好的适应性, 可以利用该模型根据地下水补充作用优化冬小麦节水灌溉制度, 提高灌溉水分利用效率。基于模型多年情景模拟结果, 发现山东省胶东地区冬小麦关键灌溉时期为孕穗期(丰水年和平水年)或拔节期(枯水年), 其最佳节水灌溉制度为丰水年在拔节期与开花期各灌水45 mm, 平水年在拔节期、孕穗期和开花期各灌水35 mm, 枯水年在拔节期、孕穗期以及开花期各灌水45 mm, 可同时实现冬小麦高产和高水分利用效率, 上述最优节水灌溉制度可为该地区冬小麦精确灌溉提供重要的技术支持。

[1] 李小涵, 武建军, 雷添杰, 周洪奎. 降水因素导致的水分亏缺对冬小麦产量影响的敏感期分析. 水利水电技术, 2020, 51(8): 209–217. Li X H, Wu J J, Lei T J, Zhou H K. Analysis on the critical period of winter wheat yield impacted by water deficit caused by precipitation., 2020, 51(8): 209–217 (in Chinese with English abstract).

[2] Fang Q X, Ma L, Yu Q, Ahuja L R, Malone R W, Hoogenboom G. Irrigation strategies to improve the water use efficiency of wheat- maize double cropping systems in North China Plain., 2010, 97: 1165–1174.

[3] 李建民, 王璞, 周殿玺, 兰林旺. 灌溉制度对冬小麦耗水及产量的影响. 生态农业研究, 1999, (4): 25–28. Li J, Wang P, Zhou D X, Lan L W. Effect of irrigation system on water consumption and yield of winter wheat., 1999, (4): 25–28 (in Chinese with English abstract).

[4] 张喜英. 华北典型区域农田蒸散与节水灌溉研究. 中国生态农业学报, 2018, 26: 1454–1464. Zhang X Y. Water use and water-saving irrigation in typical farmlands in the North China Plain., 2018, 26: 1454–1464 (in Chinese with English abstract).

[5] 付佳祥, 党红凯, 李晓爽, 柴春岭, 高惠嫣, 王晓玲, 刘宏权. 灌溉制度和品种对冬小麦产量性状和水分利用效率的影响. 中国农村水利水电, 2022, (6): 169–174. Fu J X, Dang H K, Li X S, Chai C L, Gao H Y, Wang X L, Liu H Q. Effects of irrigation system and variety on yield characters and water use efficiency of winter wheat., 2022, (6): 169–174 (in Chinese with English abstract).

[6] 呼红伟. 不同氮肥条件下非充分灌溉对冬小麦生长、耗水及产量特性研究. 西北农林科技大学硕士学位论文, 陕西杨凌, 2020. Hu H W. Effect of Deficit Irrigation on Growth, Water Consumption And Yield characteristics of Winter Wheat under Different Nitrogen Fertilizer Conditions. MS Thesis of Northwest Agriculture and Forestry University, Yangling, Shaanxi, China, 2020 (in Chinese with English abstract).

[7] 宋同, 蔡焕杰, 徐家屯. 泾惠渠灌区冬小麦夏玉米连作需水量及灌水模式研究. 灌溉排水学报, 2017, 36(1): 52–56. Song T, Cai H J, Xu J T. Water requirement and irrigation schedule of winter wheat and summer maize in Jinghuiqu irrigation district., 2017, 36(1): 52–56 (in Chinese with English abstract).

[8] Guo D X, Olesen J E, Manevski K, Ma X. Optimizing irrigation schedule in a large agricultural region under different hydrologic scenarios., 2021, 245: 106575.

[9] 王文佳, 冯浩. 基于CROPWAT-DSSAT关中地区冬小麦需水规律及灌溉制度研究. 中国生态农业学报, 2012, 20: 795–802. Wang W J, Feng H. Water requirement and irrigation systems of winter wheat: CROPWAT-DSSAT model solution in Guanzhong District., 2012, 20: 795–802 (in Chinese with English abstract).

[10] 房全孝, 于强, 王建林. 利用RZWQM-CERES模拟华北平原农田土壤水分动态及其对作物产量的影响. 作物学报, 2009, 35: 1122–1130. Fang Q X, Yu Q, Wang J L. Simulating soil water dynamics and its effects on crop yield using RZWQM-CERES in the North China Plain., 2009, 35: 1122–1130 (in Chinese with English abstract).

[11] Xu J T, Wang X Y, Ding Y B, Mu Q, Cai H J, Ma C G, Saddique Q. Effects of irrigation and nitrogen fertilization management on crop yields and long-term dynamic characteristics of water and nitrogen transport at deep soil depths., 2020, 198: 104536.

[12] 李前, 秦裕波, 尹彩侠, 孔丽丽, 王蒙, 侯云鹏, 孙博, 赵胤凯,徐晨, 刘志全. 滴灌施肥模式对玉米产量、养分吸收及经济效益的影响. 中国农业科学, 2022, 55: 1604–1616. Li Q, Qin Y B, Yin C X, Kong L L, Wang M, Hou Y P, Sun B, Zhao Y K, X C, Liu Z Q. Effect of drip fertigation mode on maize yield, nutrient uptake and economic benefit., 2022, 55: 1604–1616 (in Chinese with English abstract).

[13] 刘洋, 栗岩峰, 李久生, 严海军. 东北半湿润区膜下滴灌对农田水热和玉米产量的影响. 农业机械学报, 2015, 46(10): 93–104. Liu Y, Li Y F, Li J S, Yan H J. Effects of mulched drip irrigation on water and heat conditions in field and maize yield in sub-humid region of northeast China., 2015, 46(10): 93–104 (in Chinese with English abstract).

[14] 李楠楠, 马卉, 王秀媛, 李军宏, 韩焕勇, 罗宏海. 滴灌定额对棉花株型、产量及纤维品质的影响. 干旱地区农业研究, 2019, 37(5): 16–21. Li N N, Ma H, Wang X Y, Li J H, Han H Y, Luo H H. Effects of drip irrigation quota on plant shape, yield and fiber quality of cotton., 2019, 37(5): 16–21 (in Chinese with English abstract).

[15] 王志军, 王碧胜, 孙筱璐, 徐梦杰, 杨晓慧, 侯靳锦, 房全孝. 胶东半湿润区滴灌制度对冬小麦农田土壤水分、作物生长及水分利用的影响. 中国农学通报, 2021, 37(27): 6–15.Wang Z J, Wang B S, Sun X L, Xu M J, Yang X H, Hou J J, Fang Q X. Effects of different drip irrigation schedules on soil moisture, wheat growth and water use at Jiaodong Semi-humid Region., 2021, 37(27): 6–15 (in Chinese with English abstract).

[16] Yang M D, Leghari S J, Guan X K, Ma S C, Ding C M, Mei F J, Wei L, Wang T C. Deficit subsurface drip irrigation improves water use efficiency and stabilizes yield by enhancing subsoil water extraction in winter wheat., 2020, 11: 508–508.

[17] Zhang H H, Ma L W, Douglas-Mankin K R, Han M, Trout T J. Modeling maize production under growth stage-based deficit irrigation management with RZWQM2., 2021, 248: 106767.

[18] Sima M W, Fang Q X, Qi Z, Yu Q. Direct assimilation of measured soil water content in Root Zone Water Quality Model calibration for deficit-irrigated maize., 2020, 112: 844–860.

[19] Ma L W, Trout T J, Ahuja L R, Bausch W C, Saseendran S A, Malone R W, Nielsen D C. Calibrating RZWQM2 model for maize responses to deficit irrigation., 2012, 103: 140–149.

[20] Fang Q X, Ma L W, Ahuja L R, Trout TJ, Malone R W, Zhang H H, Gui D W, Yu Q. Long-term simulation of growth stage-based irrigation scheduling in maize under various water constraints in Colorado, USA., 2017, 4: 172–184.

[21] 夏文, 林涛, 褚晓升, 丁奠元, 颜安, 尔晨, 汤秋香. RZWQM2模型模拟地膜覆盖时间对棉田氮素迁移特征和氮肥利用效率的影响. 植物营养与肥料学报, 2022, 28: 114–126. Xia W, Lin T, Chu X S, Ding D Y, Yan A, Er C, Tang Q X. Effects of mulching time on water use efficiency and yield of cotton in southern Xinjiang simulated by RZWQM2 model., 2022, 28: 114–126 (in Chinese with English abstract).

[22] Ma L, Hoogenboom G, Ahuja L R, Ascough J C, Saseendran S A. Evaluation of the RZWQM-CERES-Maize hybrid model for maize production., 2006, 87: 274–295.

[23] 苑晶晶, 袁国富, 罗毅, 孙晓敏, 张娜. 利用δ18O信息分析冬小麦对浅埋深地下水的利用. 自然资源学报, 2009, 24: 360–368. Yuan J J, Yuan G F, Luo Y, Sunday X M, Zhang N. Estimation of groundwater use of winter wheat using H218O signatures: a preliminary study., 2009, 24: 360–368 (in Chinese with English abstract).

[24] 房全孝. 根系水质模型中土壤与作物参数优化及其不确定性评价. 农业工程学报, 2012, 28(10): 118–123. Fang Q X. Optimizing and uncertainty evaluation of soil and crop parameters in root zone water quality model., 2012, 28(10): 118–123 (in Chinese with English abstract).

[25] Saseendran S A, Ahuja L R, Ma L, Nielsen D C, Trout T J. Enhancing the water stress factors for simulation of corn in RZWQM2., 2014, 106(1): 81–94.

[26] Farahani H J, Ahuja L R. Evapotranspiration modeling of partial canopy/residue-covered fields., 1996, 39: 2051–2064.

[27] 李森, 魏红义, 武继承, 杨永辉, 丁晋利. 不同降水年型下免耕对冬小麦氮素积累与产量的影响. 农业机械学报, 2021, 52(6): 277–284. Li S, Wei H Y, Wu J C, Yang Y H, Ding J L. Effects of no-tillage on nitrogen accumulation and yield of winter wheat under different precipitation patterns., 2021, 52(6): 277–284 (in Chinese with English abstract).

[28] Hu C, Saseendran S A, Green T R, Ma L W, Li X, Ahuja L. Evaluating nitrogen and water management in a double-cropping system using RZWQM., 2006, 5: 493–505.

[29] 刘士平, 杨建锋, 李宝庆, 李运生. 新型蒸渗仪及其在农田水文过程研究中的应用. 水利学报, 2000, (3): 31–38. Liu S P, Yang J F, Li B Q, Li Y S. A new large weighing lysimeter and its application to agro-hydrological process studies., 2000, (3): 31–38 (in Chinese with English abstract).

[30] 刘坤, 陈新平, 张福锁. 不同灌溉策略下冬小麦根系的分布与水分养分的空间有效性. 土壤学报, 2003, 40: 697–703. Liu K, Chen X P, Zhang F S. Winter wheat root distribution and soil water and nutrient availability., 2003, 40: 697–703 (in Chinese with English abstract).

[31] 张忠学, 于贵瑞. 不同灌水处理对冬小麦生长及水分利用效率的影响. 灌溉排水学报, 2003, (2): 1–4. Zhang X Z, Yu G R. Effects of irrigation scheduling on development and water use efficiency in winter wheat., 2003, (2): 1–4 (in Chinese with English abstract).

[32] 房全孝, 王建林, 于舜章. 华北平原小麦-玉米两熟制节水潜力与灌溉对策. 农业工程学报, 2011, 27(7): 37–44. Fang Q X, Wang J L, Yu S Z. Water-saving potential and irrigation strategies for wheat-maize double cropping system in the North China Plain., 2011, 27(7): 37–44 (in Chinese with English abstract).

[33] 史源. 灌水总量与灌溉技术约束下华北典型区域冬小麦灌溉制度优化研究. 中国水利水电科学研究院博士学位论文, 2019.Shi Y. Study on the Optimized Irrigation Schedule of Winter Wheat in Typical Regions of North China under the Constraints of Irrigation Amount and Irrigation Technique. PhD Dissertation of China Institute of Water Resources and Hydropower Research, Beijing, China, 2019 (in Chinese with English abstract).

[34] Gu Z, Qi Z, Burghate R, Yuan S Q, Jiao X Y. Irrigation scheduling approaches and applications: a review., 2020, 146(6). doi: 10.1061/(ASCE)IR.1943-4774.0001464.

Modeling the response of winter wheat to deficit drip irrigation for optimizing irrigation schedule

YANG Xiao-Hui, WANG Bi-Sheng*, SUN Xiao-Lu, HOU Jin-Jin, XU Meng-Jie, WANG Zhi-Jun, and FANG Quan-Xiao*

College of Agriculture, Qingdao Agricultural University, Qingdao 266109, Shandong, China

Combining drip irrigation and water-saving irrigation can increase crop use efficiency greatly, however, few studies investigated water-saving irrigation schedule for winter wheat under drip irrigation conditions. Using crop models to optimize water-saving irrigation systems can make up for the shortcomings of field trials, which can provide the guideline for precise irrigation. In this study, we evaluated the adaptability of the Root Zone Water Quality Model and Crop Estimation through Resource and Environment Synthesis (RZWQM-CERES) using the data from a three-year experiment with drip irrigation water conservation for winter wheat at Jiaodong area. Then we evaluated the influences of different water-saving drip irrigation schedules on winter wheat yield and water use efficiency. The results showed that RZWQM-CERES could effectively simulate the responses of soil moisture, winter wheat growth, and yield to different irrigation treatments and seasons. Root mean square error (RMSE), relative root mean square error (NRMSE), and coefficient of determination (2) for the simulated soil water storage in 0–90 cm layer were 22.7–32.3 mm, 11.9%–16.3%, and 0.52–0.69, respectively. RMSE, NRMSE, and2values for simulated harvest above-ground biomass were 1184–1904 kg hm–2, 9.9%–16.8%, and 0.67, respectively. The corresponding values for simulated grain yield were 361–491 kg hm–2, 5.7%–7.8%, and 0.75, respectively. The long-term simulation results revealed that the critical water requirement period of winter wheat in this region was the booting period (in wet years and normal years) or the jointing period (in dry years). According to the different responses of winter wheat yield and water use efficiency to irrigation amounts and timings among the different rainfall patterns, the recommended optimal drip irrigation regimes for winter wheat at this region were 45 mm irrigation at both jointing and flowering stages in wet years, and 35 mm (or 45 mm) irrigations at the jointing, booting, and flowering stages in normal years (or dry years). These simulation results extended RZWQM-CERES to optimize drip irrigation schedule of winter wheat and provided an important technical support for the implementation of precise irrigation for winter wheat in the region.

winter wheat; water stress; drip irrigation; irrigation schedule; RZWQM-CERES; crop yield; water use efficiency

2023-02-21;

2023-03-03.

10.3724/SP.J.1006.2023.21054

通信作者(Corresponding authors):房全孝, E-mail: fqx01@163.com; 王碧胜, E-mail: wangbisheng2@126.com

E-mail: yangxiaohui0529@163.com

2022-08-08;

本研究由国家自然科学基金项目(31671627), 山东省自然科学基金青年项目(ZR2021QC113)和青岛农业大学博士启动基金项目(6631120069)资助。

This study was supported by the National Natural Science Foundation of China (31671627), the Youth Program of Shandong Provincial Natural Science Foundation (ZR2021QC113), and the Qingdao Agricultural University Doctoral Start-up Fund (6631120069).

URL: https://kns.cnki.net/kcms/detail/11.1809.S.20230302.1507.005.html

This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).