高金花，柏 宇，葛 勝，蒲金山，王 莉，廉冀寧

(1.長(zhǎng)春工程學(xué)院 水利與環(huán)境工程學(xué)院，長(zhǎng)春 130021；2.吉林省水工程安全與災(zāi)害防治實(shí)驗(yàn)室，長(zhǎng)春 130021；3.長(zhǎng)春市綠園區(qū)農(nóng)業(yè)技術(shù)推廣總站，長(zhǎng)春 130021)

隨著玉米膜下滴灌技術(shù)的發(fā)展，膜下滴灌中水肥耦合制度的優(yōu)化問(wèn)題獲得廣泛的關(guān)注。地理信息系統(tǒng)作為一門綜合性學(xué)科，結(jié)合地理數(shù)據(jù)、地圖學(xué)、遙感及計(jì)算機(jī)科學(xué)，在不同領(lǐng)域上都有廣泛應(yīng)用。在農(nóng)業(yè)分析上，Dubravko將地理信息系統(tǒng)應(yīng)用在農(nóng)業(yè)的灌溉管理上，監(jiān)控農(nóng)業(yè)作物的水分利用情況，該系統(tǒng)能有效改善土地-作物管理策略，提供作物生長(zhǎng)記錄的空間數(shù)據(jù)，通過(guò)田間數(shù)據(jù)的收集，數(shù)據(jù)的管理和數(shù)據(jù)的分析來(lái)實(shí)現(xiàn)精確農(nóng)業(yè)灌溉[1]。Kamlesh建立了土壤數(shù)據(jù)、作物品種及播期數(shù)據(jù)和氣候數(shù)據(jù)的地理信息系統(tǒng)，分析各因素對(duì)作物生長(zhǎng)的影響，并繪制地理信息系統(tǒng)的數(shù)據(jù)和服務(wù)平臺(tái)，為用戶提供基礎(chǔ)的地理數(shù)據(jù)的分析和決策[2]。Paolo研究農(nóng)業(yè)技術(shù)對(duì)特拉西梅諾湖流域的環(huán)境影響，建立單一作物和土壤因素的不同環(huán)境經(jīng)濟(jì)評(píng)價(jià)方案，應(yīng)用線性規(guī)劃和多目標(biāo)分析技術(shù)獲得最優(yōu)組合方案，最后通過(guò)地理信息系統(tǒng)建立流域的風(fēng)險(xiǎn)評(píng)估系統(tǒng)[3,4]。但將地理信息系統(tǒng)與區(qū)域玉米水肥耦合優(yōu)化制度相結(jié)合應(yīng)用的方面尚不多見。

本文應(yīng)用ArcGIS地理信息系統(tǒng)收集土壤數(shù)據(jù)、地形數(shù)據(jù)，結(jié)合已在國(guó)內(nèi)外取得廣泛研究的DSSAT作物模型[5-8]，經(jīng)過(guò)田間數(shù)據(jù)的驗(yàn)證，模擬不同區(qū)域的最優(yōu)田間管理方案，為提高玉米產(chǎn)量和保證糧食安全做出貢獻(xiàn)，并提出一種適宜不同區(qū)域玉米的水肥耦合優(yōu)化方法。

1 資料與方法

1.1 資料來(lái)源

地理信息數(shù)據(jù)：文中的綠園區(qū)合心鎮(zhèn)的地形數(shù)據(jù)來(lái)源于國(guó)家地理基礎(chǔ)資料；合心鎮(zhèn)肥力數(shù)據(jù)及耕地面積數(shù)據(jù)來(lái)源于長(zhǎng)春市綠園區(qū)農(nóng)業(yè)推廣總站。合心鎮(zhèn)位于長(zhǎng)春市西北部，全鎮(zhèn)轄區(qū)面積89.56 km2，共轄8個(gè)自然村，現(xiàn)有耕地5 313 hm2，總農(nóng)業(yè)人口1.8萬(wàn)人。由于處于世界三大黃金玉米帶之一的東北玉米帶，玉米種植主要依靠雨養(yǎng)，施肥主要依靠底肥和大喇叭口期追加尿素，年均產(chǎn)量達(dá)1萬(wàn)kg/hm2，耕地肥力與耕地面積見表1，永躍、岳家、新立三村由于政府征地等原因故不列入這次調(diào)查當(dāng)中，土壤肥力不進(jìn)行統(tǒng)計(jì)，故表1中只列入5個(gè)村子的數(shù)據(jù)。

表1 合心鎮(zhèn)各村土壤肥力數(shù)據(jù)

注：數(shù)據(jù)來(lái)源于長(zhǎng)春市綠園區(qū)農(nóng)業(yè)推廣總站。

DSSAT模型參數(shù)數(shù)據(jù)的獲?。禾镩g試驗(yàn)數(shù)據(jù)的來(lái)源于長(zhǎng)春市合心鎮(zhèn)東安村的試驗(yàn)站，本試驗(yàn)站位于北緯43°7′，東經(jīng)125°59′。地處東北松遼平原腹地，平均海拔210 m，地勢(shì)平坦開闊。平均氣溫4.8 ℃，最高氣溫39.54 ℃，最低氣溫-39.8 ℃，日照時(shí)間2 700 h左右，年均降雨量522～615 mm。試驗(yàn)設(shè)計(jì)以四、六次追肥為因素，50%、100%和150%施肥量為水平的6組正交試驗(yàn)，及3種不同均勻壟距的對(duì)比試驗(yàn)組；吉林省中部玉米膜下滴灌的6個(gè)DSSAT常規(guī)參數(shù)來(lái)源于對(duì)田間試驗(yàn)的分析，由于DSSAT模型本身并不具備模擬玉米膜下滴灌的模塊，通過(guò)對(duì)比3種不同均勻壟距與常規(guī)膜下滴灌的產(chǎn)量等特征數(shù)據(jù)，確定65 cm壟距作為DSSAT模型中模擬膜下滴灌的輸入壟距。經(jīng)過(guò)DSSAT-GLUE運(yùn)行6組正交試驗(yàn)數(shù)據(jù)對(duì)比分析，獲得DSSAT模型模擬吉林省中部玉米膜下滴灌的6個(gè)基本參數(shù)見表2。

表2 DSSAT模型模擬吉林中部玉米膜下滴灌的6個(gè)基本參數(shù)

1.2 分析方法

(1)GIS的肥力分布圖繪制。GIS的地形圖繪制由國(guó)家基礎(chǔ)資料獲得合心鎮(zhèn)地形的柵格圖，利用ArcScan矢量化模塊進(jìn)行地圖的矢量化轉(zhuǎn)換。首先對(duì)柵格圖進(jìn)行空間校正，調(diào)節(jié)classify來(lái)控制圖片的清晰度，建立新的線圖層，通過(guò)ArcScan進(jìn)行地圖的邊界線矢量化轉(zhuǎn)換，利用拓?fù)涔ぞ邫z查線圖層上的重疊或偏離的線條并進(jìn)行修整獲得合心鎮(zhèn)的地形圖。對(duì)線圖層進(jìn)行線化面處理，在面圖層屬性表中輸入與表1對(duì)應(yīng)區(qū)域的土壤肥力和耕地面積數(shù)據(jù)。ArcGIS具有空間數(shù)據(jù)的運(yùn)算功能，空間數(shù)據(jù)的運(yùn)算包括算術(shù)運(yùn)算、邏輯運(yùn)算和統(tǒng)計(jì)運(yùn)算3個(gè)方面，通過(guò)字符運(yùn)算器進(jìn)行水肥耦合優(yōu)化結(jié)果對(duì)合心鎮(zhèn)玉米增產(chǎn)潛力的運(yùn)算。

(2)水肥耦合模型優(yōu)化分析。最優(yōu)水肥耦合制度的求解依據(jù)DSSAT植作物模型與Matlab遺傳算法聯(lián)合求解。由于玉米的水肥耦合制度屬于非線性規(guī)劃問(wèn)題，本文應(yīng)用Matlab遺傳算法對(duì)其求解。遺傳算法主要步驟：隨機(jī)生成初始種群；計(jì)算每個(gè)個(gè)體的適應(yīng)度；選擇操作；交叉操作；變異操作；終止條件判斷，當(dāng)進(jìn)化代數(shù)與遺傳代數(shù)相同時(shí)，算法結(jié)束。優(yōu)化方程中的決策參數(shù)主要有灌溉制度和施肥制度，產(chǎn)量則是以輸入隨機(jī)的灌溉制度和施肥制度對(duì)應(yīng)的DSSAT模型的輸出產(chǎn)量，根據(jù)最高灌溉定額和施肥定額確定每次灌溉和施肥的取值范圍，每次灌溉用水范圍在0～60 mm，每次施肥范圍在0～60 kg/hm2。本文的適應(yīng)度函數(shù)選擇：

0≤x1≤60, 0≤x2≤60

(1)

式中：maxf(x1,x2)為目標(biāo)函數(shù)；D為每公頃收益，元/hm2；y為玉米產(chǎn)量，kg/hm2；x1為灌溉用水量，m3/hm2；x2為施用尿素量，kg/hm2；n為灌溉次數(shù)；m為施肥次數(shù)。

D值代表各村種植每公頃玉米的收益；y值代表每公頃玉米產(chǎn)量，系數(shù)2代表玉米的單價(jià)；x1代表每公頃玉米的灌溉用水量，系數(shù)2.5代表灌溉水單價(jià)包括每立方米的水費(fèi)、水泵使用費(fèi)用、電費(fèi)；x2代表每公頃使用尿素量，系數(shù)2代表尿素的單價(jià)。各價(jià)格系數(shù)采用合心鎮(zhèn)實(shí)際調(diào)查單價(jià)的均值。

2 結(jié)果與分析

2.1 合心鎮(zhèn)肥力分布圖

針對(duì)合心鎮(zhèn)各村的肥力統(tǒng)計(jì)采用長(zhǎng)春市綠園區(qū)農(nóng)業(yè)推廣總站提供的各村的第二次全國(guó)土壤肥力普查數(shù)據(jù)如表1所示。依據(jù)國(guó)家地理基礎(chǔ)數(shù)據(jù)構(gòu)建合心鎮(zhèn)的矢量地形圖，將土壤數(shù)據(jù)與地理信息系統(tǒng)相結(jié)合輸入合心鎮(zhèn)地形圖的屬性表中，依據(jù)合心鎮(zhèn)各村氮磷鉀含量的不同選擇不同的符號(hào)表達(dá)方式，合心鎮(zhèn)的耕地速效氮、磷、鉀分布如圖1所示。圖1中永躍、岳家、新立三村由于政府征地等原因故不列入這次調(diào)查當(dāng)中，土壤肥力不進(jìn)行統(tǒng)計(jì)，在圖1中均以白色表示。

2.2 東安村水肥優(yōu)化制度的求解

根據(jù)ArcGIS提供的地理信息數(shù)據(jù)，在不同土壤肥力基礎(chǔ)上，運(yùn)用DSSAT模擬各村玉米的生長(zhǎng)發(fā)育，與遺傳算法相結(jié)合求解各村的最優(yōu)水肥制度。分析不同水肥耦合方案對(duì)產(chǎn)量的影響。本文以東安村為例，遺傳算法的各類輸入數(shù)據(jù)如下：設(shè)計(jì)種群數(shù)量為10；遺傳代數(shù)為100；采用二進(jìn)制編碼方式編碼每個(gè)灌溉或施肥因素的字符串長(zhǎng)度為6；每個(gè)種群個(gè)體各有13個(gè)灌溉和施肥因素構(gòu)成，故種群個(gè)體字符串長(zhǎng)尾13×6=78；選擇方法為輪盤賭法；選擇概率為1；交叉方法為單點(diǎn)交叉法，交叉概率為0.9；變異方法為基本位變異，變異系數(shù)為0.1。經(jīng)過(guò)調(diào)整和檢驗(yàn)，確定在60代左右的時(shí)候，玉米產(chǎn)量趨于穩(wěn)定達(dá)到最大值見圖2和圖3。最后一代種群80%的個(gè)體達(dá)到適應(yīng)度值最大，其余兩個(gè)種群個(gè)體則由于交叉和變異影響了適應(yīng)度值的變化，表明了遺傳算法具有較好的收斂性，100代以后搜索結(jié)束，各階段的灌水和施肥量如表3所示，1～9 列為對(duì)應(yīng)的灌溉水用量，10～13列為對(duì)應(yīng)的追肥量，確定最優(yōu)的水肥耦合制度如表4所示。在此水肥耦合制度的運(yùn)作下，達(dá)到最大的產(chǎn)量12 834 kg/hm2。

圖1 合心鎮(zhèn)土壤速效氮、鉀、磷分布圖(單位：mg/kg)

圖2 遺傳100代后種群中個(gè)體的適應(yīng)度分布圖圖3 種群最優(yōu)解遺傳代數(shù)內(nèi)的變化曲線

表3 遺傳100代后各決策參數(shù)的數(shù)值表

表4 遺傳100代后每個(gè)遺傳個(gè)體所求得的產(chǎn)量y值與每公頃收益D值表

2.3 基于GIS的合心鎮(zhèn)玉米水肥優(yōu)化制度

基于東安村水肥耦合制度的求解方法，對(duì)比試驗(yàn)站數(shù)據(jù)驗(yàn)證模擬結(jié)果的準(zhǔn)確性，故其余各村采用相同方法，獲得其余4村的灌溉與追肥制度如表5所示，各村的模擬y值與D值如圖4和圖5所示，可以看出新農(nóng)家的每公頃產(chǎn)量達(dá)到最高的12 901 kg。東安村、哈達(dá)村、于家村由于基礎(chǔ)肥力相差不大灌溉與追肥的管理制度結(jié)果也相同，通過(guò)地理信息系統(tǒng)計(jì)算出各村的總產(chǎn)量如圖6所示，預(yù)計(jì)產(chǎn)量達(dá)到3 848 t，相比往年平均值高出29.43%。

圖4 模擬優(yōu)化后各村的產(chǎn)量值(單位：kg/hm2)

圖5 模擬優(yōu)化后各村的D值(單位：元/hm2)

圖6 模擬優(yōu)化后各村的總產(chǎn)量(單位：kg)

通過(guò)基于地理信息系統(tǒng)的玉米水肥優(yōu)化方法在合心鎮(zhèn)的應(yīng)用效果可以看出，玉米膜下滴灌技術(shù)能有效提高玉米產(chǎn)量，對(duì)農(nóng)業(yè)的水肥管理制度提供了理論支持。在農(nóng)業(yè)信息化快速發(fā)展的今天，能為區(qū)域作物種植模式的選擇和水肥管理制度的選擇提供依據(jù)。

3 結(jié) 語(yǔ)

(1)通過(guò)ArcGIS對(duì)合心鎮(zhèn)的土壤肥力及耕地面積數(shù)據(jù)構(gòu)建區(qū)域的土壤肥力分布圖，能有效的為植作物生產(chǎn)分析提供基礎(chǔ)數(shù)據(jù)。

(2)DSSAT植作物模型與Matlab遺傳算法結(jié)合能有效地解決玉米水肥耦合制度的求解問(wèn)題。

(3)玉米的膜下滴灌模式能有效地提高玉米的產(chǎn)量，以綠園區(qū)合心鎮(zhèn)為例，玉米產(chǎn)量相比常規(guī)種植提高29.43%。

(4)地理信息系統(tǒng)的可視化與水肥耦合制度優(yōu)化的求解相結(jié)合，能為農(nóng)民的田間管理制度提供理論依據(jù)。在農(nóng)業(yè)信息化快速發(fā)展的今天，能為區(qū)域作物種植模式的選擇和水肥管理制度的選擇提供依據(jù)。

□

[2] Kamlesh Golhani, A S Rao, J C Dagar. Utilization of open-source web GIS to strengthen climate change informatics for agriculture. climate change modelling [J]. Planning and Policy for Agriculture, 2015,(2):87-91.

[3] Paolo Abbozzo, Antonio Boggia, Francesco Pennacchi. Economic studies on food, agriculture, and the environment[M].US:springer,2002:315-327.

[5] He J. Best management practice development with the CERES-Maize model for sweet corn production in North Florida[D]. US:University of Florida, 2008.

[6] 劉 瑋. 基于模型的播期對(duì)東北春玉米產(chǎn)量影響的研究[C]∥ 中國(guó)氣象學(xué)會(huì).S10氣象與現(xiàn)代農(nóng)業(yè)發(fā)展.中國(guó)氣象學(xué)會(huì),2012:22.

[7] 李小涵,武建軍,呂愛鋒,等. 不同CO2濃度變化下干旱對(duì)冬小麥葉面積指數(shù)的影響差異[J]. 生態(tài)學(xué)報(bào),2013,(9):2 936-2 943.

[8] Pavel Samuhel, Bernardi?ka. Parameterization of crop simulation model “ceres-maize” in nitra-dolná malanta [J]. Journal of Environmental Engineering and Landscape Management, 2007,15(1):25-30.