探讨不同情景下水稻产量和灌溉水生产力的提升方法——以湖北漳河灌区为例

张克寒 郑 静 佟 玲

(中国农业大学 中国农业水问题研究中心,北京 100083)

随着人口增长和工业发展,水资源的供需矛盾越来越突出,全世界的农业用水面临短缺的问题[1]。目前农业是用水最多的部门,2020年全国用水总量达5.81×1011m3,其中农业用水总量3.61×1011m3,占用水总量的62.1%[2]。同时,农田灌溉水有效利用系数0.565,与世界发达国家仍有较大差距[3]。因此,提升灌溉水有效利用系数,大力发展高效节水农业,对于保障我国水安全和粮食安全具有重要意义[2]。

水稻是我国最重要的粮食作物之一,也是用水最多的作物,其用水量约占农业用水量的70%[4-5],解决水稻生产与水资源紧张之间的矛盾,有助于实现水资源的可持续利用和保证水稻生产稳定发展。国内外在提升水稻产量和灌溉生产力领域展开了大量的研究:一是通过大田试验从生理生态的角度研究不同农艺管理措施对产量和灌溉水生产力的影响[6-8]。但是大田试验耗时较长、试验变量较少且受特定年份的环境影响较大,也不能在区域上进行比较;二是创建作物模型模拟方法。水稻的作物模型一般有WOFOST作物模型[9-10]、AquaCrop作物模型[11]、CERES-Rice模型[12]、WARM水稻模型[13]和ORYZA系列水稻模型[14-15]。其中:WOFOST作物模型用于水稻模拟大多包含气候对水稻产量的影响以及对土壤理化性质的监测;AquaCrop作物模型和CERES-Rice模型通常用于气候变化对水稻生产的影响;WARM水稻模型的输入参数较少,即忽略了较多的过程,通常用于国家、全球等大尺度上的水稻产量预测。相比之下,ORYZA系列水稻模型是常用且更适用于不同情景分析的综合模拟模型,已经被广泛地应用在了水稻生长和模拟中,并且已在不同的地区进行了验证和模拟,表明该模型在不同地区水稻生长和发育的适应性良好。ORYZA v3作为ORYZA系列的最新版本,对各种生产环境的高精度确保了其在水稻作物管理和产量预测方面的可靠应用,易从更均匀的田间规模到水稻生产系统和环境条件变化极大的区域规模。同时传统的作物模型受到多种因素的限制,大多是在单点尺度上的应用,而GIS具有独特的空间数据管理和处理功能,因而结合GIS技术可以将其应用扩展到区域尺度,有助于解决单独使用作物模型无法解决的许多重要问题,如评估区域尺度的作物水分生产力[16]等。此外,也有结合大田试验与模型模拟中驱动因素对作物灌溉水生产力影响的相关研究[17-18]表明灌溉、施肥、种植密度等农艺措施对产量和灌溉水生产力的贡献率大于日平均气温和太阳辐射等气候因素,即灌水、施肥和种植密度是影响产量和灌溉水生产力的主要因素。

灌区是我国粮食安全的保障,是农产品供给的命脉,其研究和管理对发展智慧农业而言有着重要的意义。漳河灌区是湖北省重要的商品粮基地之一,但是灌区面临水资源越来越紧缺的形势,导致漳河灌区水资源同粮食生产协同发展的矛盾日益突出。因此,本研究拟以漳河灌区为研究区域,基于其用水过程中环境多要素时空复杂性,利用ORYZA v3水稻模型与GIS技术相结合的方法,通过分析不同情景下漳河灌区水稻产量及灌溉水生产力的响应,利用ArcGIS 10.2工具将点尺度的ORYZA v3模型模拟结果扩大到区域尺度,分析漳河灌区不同水文年的水稻产量及灌溉水生产力的空间分布,并给定一种或几种最有利于产量和灌溉水生产力提升的实际生产方案,以期为漳河灌区水稻绿色农业生产提供指导。

1 材料与方法

1.1 研究区域概况

漳河灌区地处湖北省中部,位于江汉平原西北部,地跨荆门、钟祥和荆州3市,灌区的自然面积为5 543 km2,设计灌溉面积为1.74×105hm2,有效灌溉面积为1.56×105hm2。灌区土地肥沃,是全国9座灌溉面积为1.33×105hm2以上的国家大型灌区之一,也是湖北省灌溉面积最大的灌区。灌区雨量充足,多年平均降雨量为905.8 mm(1963—2020年),主要集中在农作物生长期,约占全年的80%。灌区内土壤以黏土及黏壤土为主,农作物以中稻为主,其作物生长期在5—9月,水稻设计灌溉面积为1.73×105hm2[19]。

图1 研究区域示意图Fig.1 Schematic diagram of the study

图2 水稻种植土地利用图裁剪后的表层(0～30 cm)土壤质分布图Fig.2 Distribution data of topsoil (0 to 30 cm) texture after cropping from rice planting land use map

1.2 数据来源

气象数据。湖北省灌溉试验中心内部气象站的数据,由漳河工程管理局提供,包括1963—2020年长系列降雨资料、典型水文年(丰、平、枯)的逐日气象数据。

土壤数据。湖北省第三次土地利用现状分类调查数据来源于漳河工程管理局;用于ORYZA v3模型的土壤数据来源于世界土壤数据库1 000 m×1 000 m格点的栅格数据,包括各土层的土壤黏粒含量、砂粒含量、容重和有机质含量等。

农业数据。ORYZA v3模型验证的产量数据来源于漳河工程管理局提供的2011—2020年的漳河灌区灌溉台帐;用于ORYZA v3模型的率定的田间尺度数据来源于湖北省灌溉试验中心2010年的实测大田试验数据[20-21]。

1.3 模型介绍

ORYZA系列水稻模型由国际水稻研究所和荷兰瓦赫宁根大学联合开发,遵循Bouman等[22]提出的作物生长模拟模型的原则,具有较好的普适性和机理性,可定量描述不同气候条件下、水分限制和氮素限制水平下的水稻生长发育、产量形成、水稻蒸发蒸腾量以及土壤水分、氮素的动态变化过程[23]。其中:ORYZA v3具有更强的模拟水稻生长发育动态的能力,包括气象模块(经纬度、海拔、年份及该年份逐日气象数据等)、土壤模块(土壤物理特性及土壤水力特性等)、作物模块(水稻生长的基本参数等)和试验模块(模型的运行模式、水分和氮素管理模式等)。与ORYZA之前的版本相比,ORYZA v3改进了作物模块和土壤模块,使之在水稻生产环境方面具有更广泛的适用性,并且在水稻生长和产量预测方面达到了更高的置信水平,增加了模型对于水稻生理过程模拟的可靠性[24]。

1.4 模型参数率定及验证

模型模拟前需要对作物参数进行率定及产量的验证,根据谭君位等[25]对ORYZA v3水稻模型参数的敏感性分析结果,选择如表1所示的一些敏感性较高的作物参数或者对不同地区敏感度响应有较大差异的参数进行率定。模型的参数率定采用湖北省灌溉试验中心2010年水稻大田试验数据,率定过程中采用地上部总干物质量、地上部生物量中穗干重、地上部生物量中茎干重和地上部生物量中叶干重4个结果参数进行模型评价。模型的产量模拟效果验证采用湖北省灌溉实验中心2011—2020年共10年的实测数据。

表1 ORYZA v3模型水稻品种特征参数Table 1 Characteristic parameters of rice varieties in ORYZA v3 model

本研究中使用DRATES和Auto-Calibration 2个小程序对这些参数进行率定。期间需要采用模型适应性评价指标判定模型在研究区域的适应性,包括模拟值与实测值的决定系数(R2)、一致性指标(D)、均方根误差(RMSE)、归一化均方根误差(NRMSE)和模型效率(Meff)。各指标的计算公式如下:

(1)

(2)

式中:Xsi为第i个样本的模拟值,kg/hm2;Xoi为第i个样本的实测值,kg/hm2;Xs为模拟值的平均值,kg/hm2;Xo为实测值的平均值,kg/hm2;n为样本数量[8]。R2和D指标反映模型模拟值与实测值之间的一致性,越接近1说明模拟结果越好。

(3)

(4)

式中:Xsi为第i个样本的模拟值,kg/hm2;Xoi为第i个样本的实测值,kg/hm2;Xo为实测值的平均值,kg/hm2;n为样本数量。RMSE与NRMSE值反映了模拟值与实测值之间绝对误差量与相对误差量,值越小说明模拟值与实测值之间的一致性越好[26-27]。

(5)

式中:Meff为模型的评价指标,越接近于1说明模型的模拟效果越好;Xsi为第i个样本的模拟值,kg/hm2;Xoi为第i个样本的实测值,kg/hm2;Xs为模拟值的平均值,kg/hm2;n为样本数量。

1.5 ORYZA v3模型不同情景设置

本研究在传统淹灌的基础上,基于不同的灌溉下限设置多种控制灌溉模式[28-29]:最大蓄水深度统一设置为60 mm,灌水定额统一设置为30 mm,灌溉下限以水稻耕作层土壤饱和含水率的百分数表示,设定3个亏水水平:70%、60%和50%;施氮量的情景设置在当地正常施氮水平下(180 kg/hm2)减少10%、增加10%和20%;种植密度的情景设置为20 cm×20 cm(25×104穴/hm2),每穴分别播种2、3、4和5株。共设置16种不同情景,详见表2。

表2 漳河灌区水稻管理措施情景设置Table 2 Scenario setting of rice management measures in Zhanghe Irrigation Area

在作物模型参数率定和验证的基础上,获取不同水文年型包括丰水年(2013年)、平水年(2018年)和枯水年(2011年)的逐日气象数据。典型水文年的选取是通过漳河灌区1963—2020年长系列中稻生育期(5—9月)总降雨量从大到小排频得出。

同时以湖北省第三次土地利用现状分类调查数据(由漳河工程管理局提供)的漳河灌区土地利用图中水稻种植类型为基础,通过统计得到漳河灌区共有9组土壤参数,以裁剪后的栅格数据为单元(图3)在不同的土壤类别上分别模拟16个情景下3种水文年型漳河灌区的水稻产量,总共需要进行432次(16×9×3)模拟。

WAGT表示地上部总干物质重;WSO为地上部生物量中穗干重;WST为地上部生物量中茎干重;WLV为地上部生物量中叶干重。WAGT is the total dry matter weight of shoots.WSO is the dry weight of ears in the shoot biomass.WST is the dry weight of stems in the shoot biomass.WLV is the dry weight of leaves in the shoot biomass.

1.6 灌溉水生产力

灌溉水生产力作为用更少的水生产更多粮食目标的重要指标,反映作物产出和水分投入的关系,在农业生产过程中凡是对作物产量和耗水量有影响的因素均会对灌溉水生产力产生影响[30]。灌溉水生产力(Irrigation Water Productivity,IWP)[31]计算公式如下:

IWP=Yield/I

(5)

式中:IWP为灌溉水生产力,kg/m3;Yield为产量,kg/hm2;I为灌水量,m3/hm2。

1.7 数据空间表达

通过ArcGIS 10.2工具生成不同情景下水稻产量和灌溉水生产力变化的空间分布图,其中各情景的区域平均产量和灌溉水生产力的变化值计算方法为:分别计算9种土壤参数与现状情景相比的变化值,然后依据每种土壤类型的栅格数进行加权平均。

2 结果与分析

2.1 ORYZA v3模型参数率定结果

在应用ORYZA v3模型对漳河灌区水稻产量和灌溉水生产力模拟之前,通过利用漳河灌区的气象数据、土壤数据和农业数据进行模型参数本地化,进而对特征参数进行率定。由表3可知:作物特征参数的率定值皆在模型评价的合理范围内,表明模型应用于漳河灌区水稻生产的适应性良好。

表3 ORYZA v3模型水稻品种特征参数率定结果Table 3 Calibration results of characteristic parameters of rice varieties in ORYZA v3 model

由图3可知:率定过程中地上部总干物质量、地上部生物量中穗干重、地上部生物量中茎干重和地上部生物量中叶干重的率定指标均在合理范围内,NRMSE值在15%以下,R2,D,Meff均接近于1,表现出较高的模拟精度。综上,ORYZA v3模型可以较为准确模拟漳河灌区水稻的生育期进程。

2.2 ORYZA v3模型效果验证

应用ORYZA v3模型通过湖北省灌溉实验中心的数据进行水稻产量模拟效果验证,结果如图4所示。可知:NRMSE在15%以内,R2和D指标均接近于1,即适应性评价指标均在合理范围内。因此,ORYZA v3模型在漳河灌区有良好的适应性,可以用于进一步水稻产量的情景模拟。

图4 研究区水稻2011—2020年产量实测值、模拟值对比Fig.4 Comparison of measured and simulated values of rice yield in the study area from 2011 to 2020

2.3 不同情景下的模拟结果

根据情景模拟结果见图5～7。可知不同水文年的模拟结果不同。情景2为反映当地管理措施现状的情景(对照)。

图5 4种不同情景下丰水年模拟结果Fig.5 Simulation results of wet year under four different scenarios

由图5可知:与现状情景相比,在丰水年,产量的提升范围为-12.02%～5.49%,灌溉水生产力的提升范围为-4.72%～116.78%,表明当地水稻产量的提升空间较小,而灌溉水生产力在农艺管理措施得当的情况下有较大的提升空间。情景10为有利于产量和灌溉水生产力提升的最佳情景,虽然存在其他情景灌溉水生产力较情景10的大,但产量均有不同幅度的下降,因此选定情景10(灌溉下限为土壤饱和含水率的60%,施氮量为180 kg/hm2,种植密度为5株/穴)为丰水年推荐管理措施组合,可以使漳河灌区水稻产量提升5.28%、灌溉水生产力提升104.38%。

由图6可知:在平水年,产量的提升范围为-18.89%～4.23%,灌溉水生产力的提升范围为-5.34%～74.34%,情景7中产量和灌溉水生产力均达到最大,因此选定情景7(灌溉下限为土壤饱和含水率的70%,施氮量为198 kg/hm2,种植密度为5株/穴)为平水年推荐管理措施组合,可以使漳河灌区水稻产量提升4.23%、灌溉水生产力提升74.34%。

图6 4种不同情景下平水年模拟结果Fig.6 Simulation results of normal water year under four different scenarios

由图7可知:在枯水年,产量的提升范围为-18.94%～3.64%,灌溉水生产力的提升范围为-4.40%～146.79%。情景9中的灌溉水生产力提升最大,产量低于部分其他情景,但其灌溉水生产力提升幅度远大于产量提升幅度,因此选定情景9(灌溉下限为土壤饱和含水率的60%,施氮量为162 kg/hm2,种植密度为4株/穴)为枯水年推荐管理措施组合,可以使漳河灌区水稻产量提升1.60%、灌溉水生产力提升146.79%。

图7 4种不同情景下枯水年模拟结果Fig.7 Simulation results of dry year under four different scenarios

由上述情景模拟结果可知:以土壤饱和含水率的百分比为灌溉下限的控制灌溉模式相比传统淹灌而言有着巨大的节水潜力,可以显著提升灌溉水生产力。此外,在模型运行过程中,当灌溉下限设置为土壤饱和含水率的70%和60%时,不同质地的土壤产量无明显差异,而当灌溉下限降低至土壤饱和含水率的50%时,发现黏土相较于壤土和砂土,产量更容易受到灌溉下限的影响,会有极显著的下降情况,所以在实际的种植管理中,建议土壤质地为黏土的农户选择60%～70%的灌溉下限。

3 讨 论

本研究基于漳河灌区土壤、气象和大田试验数据,验证了ORYZA v3水稻模型在漳河灌区的适应性,利用了ORYZA v3水稻模型与GIS技术相结合的方式,比较分析了16种情景模拟下产量和灌溉水生产力的空间分布特征。传统的研究受年份气候条件的影响较大,且样本的容量、管理方式有限[6-8],只能探讨一种或几种不同的场景或某一年特定的结果,不利于在区域上进行定量分析。相较于传统研究,本研究基于ORYZA v3模型进行了区域尺度的研究,从产量和灌溉水生产力2个角度综合考虑高产性和高效性,将点尺度扩展至研究区得到产量和灌溉水生产力响应的空间分布。其中水稻作物模型的验证与适应性评价对于模型引进和应用至关重要,本研究根据参数调整发现产量的模拟值与实测值之间无明显差异,这与郑静[33]的研究结果相同,表明ORYZA v3水稻模型能够很好地模拟漳河灌区水稻产量的变化,同时阿力木·阿布来提等[32]的研究结果也表明ORYZA v3水稻模型能够很好地模拟水稻的产量,这可以用作相互验证并为后续模拟奠定基础。但由于研究区域的空间复杂和数据获取途径及精度有限,相较于谭君位等人[25]的研究仍存在一定的局限性和进一步研究探索的空间,例如研究仅搜集到1年的大田试验数据进行率定,率定参数应尽量选择长序列数据以提高精确度。

虽然结合驱动因素对作物灌溉水生产力影响的相关研究[17-18]得到了灌溉、施肥、种植密度等农艺措施是水稻生产中主要的驱动因素,并在文中提出了漳河灌区不同水文年型推荐的灌溉模式、施氮量和种植密度组合,但作物模型本身和情景设置存在局限性,该模型对于氮肥的施肥制度(追肥时间和次数)敏感性较差[33],所以情景模拟中仅考虑了氮肥的总用量,没有考虑氮肥在水稻在各生育期的施用量。除此之外,研究未能全方位综合衡量各类因素对水稻生长的影响,如本研究未获得到的土壤肥力和难以量化的水稻品种及种植方式等因素,这些因素也作为重要因素对水稻的生长产生影响,从而关系到水稻的产量及灌溉水生产力。因此仅使用本研究的驱动因素进行评价有一定的不足之处,而如何量化氮肥施用量、水稻品种和种植方式也是研究中的一个难点,这需要未来进行深入的研究分析。本研究对设定的16个情景进行了模拟研究,仅在这些情景中选择了最优情景,与实际的最优管理措施提升情景还存在差距,有待同大田试验数据相结合进一步的优化研究。同时其他相关研究表明漳河灌区的水稻产量是气候变化和技术进步共同作用的结果[34]。那么气候变化和技术进步对产量和灌溉水生产力的影响程度占比,也是未来需要重点研究的内容。

4 结 论

本研究为提升漳河灌区水稻产量和灌溉水生产力(IWP),基于土壤、气象和大田试验数据,利用调参验证后的ORYZA v3水稻模型和ArcGIS 10.2工具,模拟了不同情景下水稻的产量和灌溉水生产力,主要结论如下:1)模型率定期的4个生物量相关指标和验证期不同年份的产量的相关系数和归一化均方根误差等评价指标均体现出良好的相关性,表明该模型对于当地水稻的生长模拟体现出较高的精度,可以用于进一步的情景模拟分析;2)通过情景模拟分析得到了不同水文年下最适宜的管理措施组合和推荐的农田土壤质地。本研究验证模型在灌区尺度结合ArcGIS模拟水稻生产的适应性和可行性,为类似地区水稻生产提供思路与模型基础。