山西晋中盆地紫花苜蓿生产对水分和气温的响应

朱 敏,牛帅帅,侯青青,杨 轩,徐洪雨

(山西农业大学草业学院,山西 太谷 030801)

我国晋中盆地地处山西中部,东为太行山脉,西为吕梁山脉,汾河自北向南穿其而过[1],土壤和气候条件优越,农业生产发达[2]。但在全球气候变化大背景下,当地气候正在发生较为显著的变化,气温升高、降水减少,对种植业发展造成了不利影响[3];且晋中市的农业用水方式粗放,水资源利用效率不高,导致实际灌溉面积不断萎缩[4]。紫花苜蓿(Medicagosativa)是该地区发展草产业的重要优质牧草,因其高耗水的特点[5-7],其生产势必会受到全球气候变化和灌溉用水条件的限制,应提前对其的产草量与灌溉结果进行评估,以期应对外部环境的变化。

采用作物动态模型对作物响应外部条件的研究不受地域、时间、气候条件等方面的限制,能够系统、全面和多元化地对作物生长方面的因素进行模拟、评价和分析,提供大量有效数据[8-9]。其中,APSIM(Agricultural Production System sIMulator)是由澳大利亚农业生产系统组研发的作物生产模拟系统,在模拟气候变化对农作物生长发育、产量及水分平衡等方面有较好的效果,并在很多国家和地区得到了广泛验证与应用[10]。在紫花苜蓿模型方面,奥海玮等[11]完成了APSIM模型在宁夏种植区主要参数的本地化,结果表明APSIM苜蓿模型可以较为准确地用于模拟苜蓿灌溉的情况,且在该地区具有良好的适应性。古丽娜扎尔等[12]验证了APSIM模型模拟苜蓿长期连作和苜蓿—小麦轮作系统深层土壤水分和苜蓿产量的可行性,评估了不同轮作模式对农田深层土壤水分、系统干物质产量、氮素吸收和水分利用效率的影响。Shen等[13]评估了黄土高原地区小麦—苜蓿轮作系统中APSIM模型的土壤水氮模拟效果,并利用田间数据修改了APSIM模型土壤模块的最大田间持水量(Drainage upper limit,DUL)与作物水分利用下限(Crop lower limit,CLL)参数。

总体来说,国内紫花苜蓿模型起步较晚,深入的紫花苜蓿生长生理过程模拟和完善的生长模拟模型研究还较少[14]。尽管APSIM紫花苜蓿模型已于西北黄土高原地区进行了调参验证工作,但于晋中盆地地区还未充分验证与应用。因此,本文以位于晋中盆地的太谷区为研究区,拟基于6个种植利用范围较广的紫花苜蓿品种的田间观测数据和同期气象资料,对APSIM苜蓿模型进行产量校准和验证,评价其在晋中盆地地区模拟紫花苜蓿栽培的适用性;基于情景模拟探究紫花苜蓿在气温和降水梯度变化下的产草量及饲草产量的损失状况,以期为全球气候变化背景下晋中盆地地区紫花苜蓿的高产稳产提供方法和理论指导。

1 材料与方法

1.1 研究区概况

研究点位于山西农业大学草业学院试验站,地处山西省晋中市太谷县候城乡(37°25′ N,112°23′ E),该地区属晋中盆地,海拔高度约800 m,属温带大陆性季风气候,具体气候表现是夏季炎热多雨,冬季寒冷干燥,春季时节较短并且多大风,天气干燥,秋季也较短,但秋高气爽。研究区雨热同期,降水季节分配极不均匀,降水多集中在7—9月,多年平均降水量为458 mm;昼夜温差较大,年平均气温为9.5℃～10.5℃;主要土壤类型为褐土,土壤pH值约为8.3。

1.2 田间试验设计

大田试验于2021—2022年于国家草品种区域试验站(太谷)开展,试验地土壤分布均匀。试验地6个处理分别为不同品种,包括‘草原2号’(MedicagosativaL. ‘Caoyuan No. 2’)、‘肇东’(MedicagosativaL. ‘Zhaodong’)、‘新疆大叶’(MedicagosativaL. ‘Xinjiang Daye’)、‘WL168HQ’‘WL343HQ’及‘WL440HQ’,每个处理9个重复,每个小区面积为3 m×3 m,共54个小区,区组间距和小区间距均为1 m。各品种均于2021年6月中旬播种,播种深度为3 cm,为有效探索各品种生产性能及形态差异,基于前人研究将行距设置为50 cm[15],播种密度为21.33 万株·hm-2。

试验期间观察记录各品种的关键生育期,在紫花苜蓿花期进行随机刈割取样,各样品取样面积为0.25 m2,取样时3次重复,植物样品置于105℃下杀青30 min,65℃烘干48 h至恒重,测定干物质生物量;取样同时采用烘干法分层测定0～200 cm(分为0～10 cm,10～30 cm,30～60 cm,60～90 cm,90～120 cm,120～150 cm及150～200 cm)内土壤含水量。

1.3 APSIM模型

本研究基于APSIM 7.10进行,主要核心模块包括:气象模块、土壤模块、作物模块和管理模块。田间试验期间的气象数据取自小型自动记录气象站,历史气象数据(1980—2020)取自中国气象局科学数据共享服务网(http://data.cma.cn/site/index.html),包括逐日最高气温(℃)、逐日最低气温(℃)、逐日降水量(mm)、逐日日照时间(h)和逐日太阳辐射量(MJ·m-2)等,其中逐日太阳辐射量需根据日照时数由埃斯屈朗方程[16]计算。土壤数据包括分层土壤容重(Bulk density,BD)、饱和含水量(Saturated water content,SAT)、萎蔫系数(Wilting coefficient,LL15)、风干系数(Air-drying coefficient,AD)、田间最大持水量(Drainage upper limit,DUL)和土壤pH值等,由田间测定计算所得(表1)。作物管理数据主要包括紫花苜蓿品种、播种密度、播种深度、播种时间、行距、灌溉和收获等,均来自实测大田数据。

表1 主要土壤参数Table 1 Main soil parameters

1.4 模型调参和验证

本研究基于田间观测数据,采用“试错法”校正APSIM-lucerne中6个紫花苜蓿品种的生长发育相关参数并进行验证,调试的作物参数包括各生育阶段的积温、辐射利用效率、冷害最高气温及秋眠级(表2),后进行田间生产模拟,管理措施与田间试验一致。

表2 各紫花苜蓿的品种参数Table 2 Cultivar parameters of alfalfa

以模拟、实测的紫花苜蓿产草量计算统计指标来评价模型模拟结果的可靠性与准确性,包括决定系数(Correlation coefficient,R2)、均方根误差(Root mean square error,RMSE)、归一化均方根误差(Normalized root mean square error,NRMSE)和一致性指数(Index of agreement,D)[17]。各指标计算方法如下:

(1)

(2)

(3)

(4)

1.5 基于APSIM模型的情景模拟

1.5.1气候情景 为分析气温和降水对紫花苜蓿生产可能造成的影响,本研究将在APSIM模型本土化验证效果良好的前提下进行长期气候情景模拟,以筛选研究区产量高、适应性好的紫花苜蓿品种。

情景模拟以1980—2020年的历史气候数据为原始情景,参考IPCC气候变化报告[18],针对关键气候因素(气温、降水)指定变化范围以设置气候波动情景,即降水变化按10%为步长设立5个降水梯度,气温变化按1℃为步长,利用APSIM模型的气候情景模块设立3个气温梯度,建立新的气候情景进行紫花苜蓿的生产模拟。各降水梯度分别为降水量降低20%(P1)、降低10%(P2)、不变(P3)、升高10%(P4)与升高20%(P5);各温度梯度分别为不变(T1)、升高1℃(T2)、升高2℃(T3),具体情景设置如表3。通过APSIM模型对气象模块中逐日气温和逐日降水的值进行梯度变化修改形成气温和降水处理,并进行相关情景模拟,3个气温梯度×5个降水梯度=15个气候变化情景。各情景模拟中于播前施氮肥320 kg·hm-2,并在次年3月20日施氮肥150 kg·hm-2,以模拟无氮限制条件。

表3 降水与气温变化的气候情景设置Table 3 Setting of climate scenario on precipitation and temperature changes

1.5.2水分处理 研究区历史情景(1980—2020)的年均降水量为414.7 mm,降水量范围在187.0～613.8 mm之间。根据当地降水与灌溉条件考虑,设置4个水分处理进行紫花苜蓿生产的情景模拟,以进一步探究在研究区不同水分供给条件下,紫花苜蓿的生产状况,具体如下:

(1)NL,无限制灌溉。当土壤含水量低于田间持水量DUL的80%时,自动灌溉使土壤含水量达到DUL水平。目的为预测紫花苜蓿可达到的最大产量,即潜在水分产量。

(2)RF,完全雨养。生产过程中不施以灌溉,完全雨养生产。

(3)NI,一般灌溉。参照田间试验灌溉与实际生产灌溉量。

(4)HI,50%灌溉。一般灌溉处理的50%灌溉量。

1.5.3计算与统计分析 由各情景模拟结果中提取紫花苜蓿的逐年产草量数据。主要关注气候因素对作物产量影响,并计算RF,NI,HI处理各生长季相对于NL处理的产草量损失率(Yield lose rate,YLR)由公式(5)计算:

(5)

式(5)中,YLR为生长季的饲草产量损失率,Y为当前生长季饲草产量(RF,NI或HI处理),YNL为同情景同生长季NL处理所取得的饲草产量。

采用Microsoft Excel及Origin2021对所得数据进行统计、处理、制图。使用SPSS24.0统计软件对不同情景、不同处理间的模拟输出数据进行方差显著性分析。

2 结果与分析

2.1 紫花苜蓿产草量的验证

对各品种紫花苜蓿产草量的实测值与模拟值比较,R2在0.82～0.98之间,RMSE为440～633 kg·hm-2,NRMSE为10.57%～14.98%,D指数为0.90～0.96(表4)。由图1所示,各数据点基本落在1∶1等线附近,且模拟值与实测值间有显著的线性关系(P<0.05)。以上结果表明APSIM模型对山西晋中盆地地区紫花苜蓿的产草量模拟效果较好,适用于长期情景模拟评估。

图1 紫花苜蓿干草产量模拟值与实测值的线性拟合Fig.1 Linear fitting of the simulated to measured values of hay yield of alfalfa varieties注:a为‘草原2号’;b为‘肇东’;c为‘新疆大叶’;d为‘WL168’;e为‘WL343’;f为‘WL440’。下同Note:Panel a is ‘Caoyuan No.2’;Panel b ‘ Zhaodong’;Panel c is ‘Xinjiang Daye’;Panel d is ‘WL168’;Panel e is ‘WL343’;Panel f ‘WL440’. The same as below

表4 紫花苜蓿各茬干草产量实测值与模拟值之间的验证指标Table 4 Validation indexes between measured and simulated alfalfa hay yields for each mowing

2.2 基于APSIM的情景模拟

2.2.1各水分处理与气候情景下紫花苜蓿的干草产量 总体方差分析表明,水分处理和降水梯度对紫花苜蓿产草量的效应极显著(P<0.01),但不同气温梯度间紫花苜蓿产草量的差异不显著。对比水分处理可知,NL下各品种取得的平均产草量显著高于其他处理(P<0.05;图2～图5),6个品种的平均产量达23 314～39 248 kg·hm-2;NI与HI次之,平均产量为7 885～13 090 kg·hm-2和5 316～10 354 kg·hm-2;RF下平均产量仅为3 427～8 617 kg·hm-2,显著低于其他处理(P<0.05;图2～图5)。

图2 NL水分处理下温度和降水情景下各品种模拟年际产草量Fig.2 Simulated hay yield of each cultivar under the scenarios of temperature and precipitation changes with non-limited (NL) additional water supply注:T1-3代表气温不变、1℃,2℃;P1-5代表降水量-20%,-10%、不变、+10%,+20%。下同Note:T1-3 represents historical temperature,warming 1℃,warming 2℃ to the mean historical;P1-5 represents precipitation of -20%,-10%,historical,+10%,+20% to the mean historical,respectively. The same as below

图4 NI水分处理下温度和降水情景下各品种模拟年际产草量Fig.4 Simulated hay yield of each cultivar under the scenarios of temperature and precipitation changes with normal irrigation (NI)

图5 HI水分处理下温度和降水情景下各品种模拟年际产草量Fig.5 Simulated hay yield of each cultivar under the scenarios of temperature and precipitation changes with half of normal irrigation (HI)

总体来说,NL下进口品种的产草量较国产品种更高,各气候情景间不显著(图2)。NL下‘草原2号’在各气候情景间平均产量的波动较小,为23 314～23 643 kg·hm-2;‘肇东’的产量随着气温的升高而波动范围变大,T3达到32 654～33 593 kg·hm-2。‘新疆大叶’‘WL168HQ’和‘WL343HQ’产草量的波动范围随气温的上升而逐渐缩小,平均产量分别为35 657～36 489 kg·hm-2,38 550～39 248 kg·hm-2和36 015～36 985 kg·hm-2;‘WL440HQ’产草量随着气温的上升而波动范围变小,T1情景达到34 593～35 042 kg·hm-2。

RF下‘草原2号’与‘WL168HQ’产草量最低(3 427～7 155 kg·hm-2)和最高(3 997～8 617 kg·hm-2,图3)。在NI和HI下,‘草原2号’的产草量分别为7 885～11 112 kg·hm-2和5 316～9 012 kg·hm-2,‘WL168HQ’产草量最高,为8 792～13 090 kg·hm-2和6 013～10 354 kg·hm-2。RF,NI和HI下,降水与气温梯度对产草量的效应分别为极显著(P<0.01)与不显著。

2.2.2情景模拟中各紫花苜蓿品种的YLR 紫花苜蓿的YLR值随降水梯度的变化而变化,降水量增加,YLR随之减小(P<0.01),且YLR值于各温度梯度间的差异显著(P<0.01),但该差异随梯度趋缓。NI,HI与RF处理间存在显著差异(P<0.01),其中RF下的YLR最高,达0.76～0.88;HI与NI的YLR分别为0.70～0.83和0.63～0.75(表5)。

表5 气温和降水梯度下HI,NI,RF中各品种的YLRTable 5 YLR of each cultivar in HI,NI and RF under temperature and precipitation gradient

‘肇东’‘新疆大叶’‘WL168HQ’‘WL343HQ’‘WL440HQ’品种之间YLR的变化较小,HI,NI和RF下分别为0.70～0.85,0.62～0.78和0.75～0.90。而‘草原2号’的YLR值显著低于其他(P<0.01),HI,NI和RF下仅为0.61～0.77,0.52～0.66和0.69～0.85。

3 讨论

3.1 田间产草量的模拟验证

本研究据结果显示,校准后的APSIM-lucerne模拟研究区紫花苜蓿干草产量的模拟与实测产草量的NRMSE均低于15%。奥海玮等[19]、古丽娜扎尔等[12]的研究显示,APSIM模型模拟半干旱、半湿润地区的紫花苜蓿产草量的精准度较高,能适应各地区的环境与生产条件,NRMSE均小于30%。相比于宁夏黄土高原和西南地区的分析结果,本研究的结果表明APSIM模型在晋中盆地地区也具有较好的适应性[20]。

本研究结果也显示,APSIM模型模拟‘肇东’和‘WL440HQ’的产草量,其精度相较其他品种略低。原因在于该模型的参数众多,而本研究田间实测观测资料周期较短,对品种参数的调整和确定存在一定影响。其次,作物生长模型的假设条件与紫花苜蓿的实际生长环境状况存在一定差别,如对作物病虫害以对极端天气的影响考虑不足,模型模拟值为不考虑突发灾害的理想值,因此导致模拟值与实测值存在一定差别[21]。后续研究将从田间试验时间、降低观测资料的不确定性等入手,提高模型精确性。

3.2 情景模拟下各处理的产草量变化

本研究结果表明,在不同气温和降水梯度的情景模拟中,降水梯度升高时紫花苜蓿产草量也随之增加[22]。Bowman等[23]的研究表明,紫花苜蓿具有一定的抗旱能力,低于300 mm的年降水量才会导致旱地生产潜力的降低,而一定范围内降水量的增加可提高其产量。结果显示,降水对紫花苜蓿产草量的影响要远大于气温,降水提高时倾向于显著提高作物产量[22]。同时随着温度升高,紫花苜蓿的生育期缩短、花期提前,每茬可收获的营养体减少,导致产量降低[24];但对于多年生的越冬作物来说,温度升高会降低其在越冬或遭受倒春寒时发生冻害、冷害的几率,成活率提高,使最终产量提高。所以尽管花期可能提前,但由于遭受冻害或冷害的几率变小,温度对产量的正负效应在一定程度上互相抵消,使得一定范围内的平均气温变化对紫花苜蓿产草量没有显著效应。

山西晋中盆地地区的紫花苜蓿产量于各水分处理下具有一定差异。对于无限制灌溉的NL来说,不同降水量和温度梯度对其产草量的影响不显著。由于NL处理有充足的水分供应,紫花苜蓿可达到潜在水分产量,所以产量不会受到降水梯度的显著影响。而对于具有水分限制的其它处理,在相同气温梯度下,降水量增加利于土壤贮水和紫花苜蓿产量的提高,产生极显著的产量效益(P<0.01),无灌溉条件处理下的苜蓿产量明显低于灌溉条件下的产量(P<0.01),与Guitjens[25]的研究结果一致。但另有研究表明[26],当降水量超过一定阈值会造成土壤含水量过多和土壤供氧不足,作物根系有氧呼吸受阻,无氧呼吸增强,植物生长受到抑制导致产量下降。APSIM7.10的现有机制中未能很好的体现出紫花苜蓿根系受涝的响应[27],因此在实际生产中,降水过多的年份需适当控制灌溉量,同时也从另一角度说明水分条件仍是限制该地区紫花苜蓿产草量的主要因素,正常灌溉与降水条件未能完全发挥这些品种的产草量潜力。进一步探究该地区紫花苜蓿生产的水分利用特征,可明确在防止涝害的前提下,发挥潜在生产力和保持高水分生产力的额外灌溉。

3.3 紫花苜蓿生产的品种差异

饲草产量不仅是衡量苜蓿生产、经济效益的重要指标,也是评价苜蓿生长适应性的重要依据,可直接反映品种的生产性能及适应性差异[28]。本研究中,6个紫花苜蓿品种在晋中盆地地区的产草量存在显著差异,也说明牧草的生态适应性具有品种区别[29]。‘WL168HQ’的产草量最高,其次为‘WL343HQ’和‘WL440HQ’,可见美国“WL”系列品种的紫花苜蓿的产草量优于其他品种,在研究区具有更强的生产潜力、适应力以及较好的生产持续性。这可能与苜蓿品种的秋眠型相关:“WL”系列品种的秋眠级为2～4,而‘草原2号’和‘肇东’的秋眠级为1。较低秋眠级的品种遭受冻害/冷害的几率也较低,虽可规避冷害风险,但其在夏秋的辐射利用效率较低,故产草量较低[30]。高婷等[31]的研究认为,不同秋眠级的苜蓿品种在同一生态区的干草产量存在明显差异。由于各品种紫花苜蓿的积温和辐射利用效率参数设定均有不同[32],秋眠级越低的品种所需的积温参数、发芽需要的气温更高[33],如‘草原2号’的出苗期所需积温明显高于其他品种。而不同品种的辐射利用效率则直接影响了产草量的形成[34],较高的辐射利用效率代表着高光合速率与高干物质积累速率[35]。可见,紫花苜蓿生产需要根据当地的气候、土壤等环境条件选择适宜地区条件的秋眠型品种[29],以达到高产量、高持续力的需求。

‘WL168HQ’品种在RF下的YLR值最高,其次为‘WL343HQ’和‘WL440HQ’,这表明“WL”系列品种具有高生产潜力(NL处理)的同时也由于水分供给有限而有较高的产量损失率,但实际产量仍较国产品种更高。在研究区的生产条件下,灌溉和降水条件未能充分发挥“WL”系列品种的生产潜力;而在无灌溉情形下,各品种的损失率可达80%以上,可见如何有效、及时地补充利用灌溉,弥补阶段性降雨不足,仍是晋中盆地紫花苜蓿生产的重要实际问题[36-37]。另外,一定程度的气温升高虽然缩短了紫花苜蓿的生育期,物候提前,但过高的气温会抑制光合作用,不利于干物质积累[38],支持了本研究中气温梯度的升高导致各品种YLR增加的结果,符合模型机制。总体来说,“WL”系列品种不论是地区适应性(秋眠型)还是实际产量,都在一定程度优于其余3个品种。后续研究需进一步通过田间试验矫正模型并优化机制,以便进行更加全面、长期的品种评价,为该地区因地制宜的品种选择、精准水肥管理及收获加工提供参考[39]。

3.4 不确定性

本研究所使用的APSIM模型机制较为复杂,且在人工取样、判断等环节上不可避免的产生实测生育期、产量误差等,均在一定程度上会影响作物和土壤参数的调试与验证,产生校准与验证偏差,以上因素对情景模拟的评估结果可能会造成一定的不确定性[10]。另外,本研究的气候变化情景设置基于气候要素的整体变化,并参考了前人研究[22]及IPCC气候变化报告,以保证科学性与合理性:至21世纪末,当地极端气温变化2℃,极端降水变化为20%～30%[18]。且虽然农业气象要素观测精度有限,数据的平均变化也可能由于年际差异变化大而导致误差[40],但本研究基于较为长期的资料,可在一定程度降低评估结果的不确定性。

总体来说,虽然模型框架、校准验证和情景设置方面对本研究结果造成了一定的不确定性,但模型对各紫花苜蓿品种的生产模拟具有较高的模拟精度,情景分析结果仍对未来紫花苜蓿的生产力水平和水分利用效率评估具有重要的参考意义。

4 结论

本研究基于农业生产系统模型,分析了山西晋中盆地地区6个紫花苜蓿品种于不同气候情景和4个水分处理下的产量与产量损失率的变化及其对各因素的响应关系。结果显示:农业生产系统模型紫花苜蓿模型在研究区有较好的适应性,模拟精度高;情景模拟中,水分处理和降水梯度对产草量的影响显著(P<0.01),而气温梯度的效应不显著;无限制灌溉处理的产量显著高于其他处理(P<0.05),且高低排列为无限制灌溉>一般灌溉>50%灌溉>完全雨养;降水与温度梯度与产量损失率有显著的相关关系(P<0.05),且完全雨养下产量损失率值最高。“WL”系列品种的产草量在各处理下都优于选用的其他品种,生产性能相对更好,适宜在该地区推广种植。