葛道闊+曹宏鑫+楊余旺+馬曉群+張文宇+張偉欣+林玥+李秉柏

摘要： 利用江蘇、安徽、山東和河南4個小麥主產(chǎn)省代表性區(qū)域有關試點的氣象數(shù)據(jù)，同時采用氣候數(shù)據(jù)插值專用軟件ANUSPLIN插值生成的上述代表性區(qū)域1971—2015年逐年5 km×5 km分辨率的網(wǎng)格化逐日數(shù)據(jù)集（逐日平均氣溫、最高氣溫、最低氣溫、降水量、日照時數(shù)等），結合經(jīng)改進的WCSODS（小麥栽培模擬優(yōu)化決策系統(tǒng)）及其區(qū)域化方法，并利用相關監(jiān)測數(shù)據(jù)，開展冬小麥旱澇災害損失的區(qū)域化監(jiān)測預警與精細化評估。 結果表明，研究區(qū)域冬小麥有典型的北旱南澇、干旱災損一般大于澇漬災損的分布特點； 短期災損指數(shù)可對小麥旱澇災損進行區(qū)域化的動態(tài)監(jiān)測預警。

關鍵詞： 冬小麥；作物生長；模型；旱澇檢測預警；精細化；損失評估

中圖分類號： S165+.25 文獻標志碼： A

文章編號：1002-1302（2017）22-0299-05

近年來，我國旱澇災害頻發(fā)，氣象、農(nóng)業(yè)、水利等部門已開展了較多的監(jiān)測評估研究，較集中于采用干旱監(jiān)測指數(shù)的方法和采用多種數(shù)理統(tǒng)計技術，前者包括著名的Palmer指數(shù)和在我國通用的復合氣像干旱指數(shù)（CI指數(shù)）等 ，但往往難以滿足普適性、理論性、實用性等描述特征，在實際應用中暴露出許多問題或給出相互矛盾的監(jiān)測結論；后者一般采用灰色關聯(lián)分析、模糊綜合評判等對作物旱澇災害的影響開展分析[3-5]，其數(shù)據(jù)來源于站點，應用分析也局限于站點，顯然難于充分滿足對于省級、跨省大區(qū)域級的作物生長全過程、動態(tài)化的作物災損監(jiān)測與評估。

本研究利用江蘇、安徽、山東、河南4個小麥主產(chǎn)省代表性區(qū)域有關試點的氣象數(shù)據(jù)，同時采用氣候數(shù)據(jù)插值專用軟件-ANUSPLIN[6-7]插值生成的上述代表性區(qū)域1971—2015年逐年的5 km×5 km分辨率的網(wǎng)格化逐日數(shù)據(jù)集（逐日平均氣溫、最高氣溫、最低氣溫、降水量、日照時數(shù)等），在前期對作物生長模型進行改進及其小麥旱澇敏感性分析[8-10]基礎上，結合WCSODS（小麥栽培模擬優(yōu)化決策系統(tǒng)）[11]的參數(shù)區(qū)域化（主要包括氣象驅動數(shù)據(jù)、發(fā)育參數(shù)、生長參數(shù)、土壤參數(shù)以及初始值的網(wǎng)格化）等方法，采用作物傳統(tǒng)取樣和無線傳感網(wǎng)以及光譜技術，以實時監(jiān)測采集的小麥生長季土壤水分及作物長勢信息為基礎，開展了研究區(qū)域冬小麥旱澇災害損失的高空間分辨率監(jiān)測預警與精細化評估。

1 材料與方法

1.1 WCSODS模型的改進

利用土壤相對濕度（x1）和土壤溫度（x2）資料，建立小麥播種期至出苗期天數(shù)的二元線性回歸模型，對小麥生育期模型進行改進；就干旱、澇漬對小麥LAI的影響進行訂正和計算；確定了凈光合速率的干旱、澇漬脅迫訂正因子；確定了小麥物質(zhì)分配（根冠比）的干旱、澇漬脅迫訂正因子；建立了小麥地上部干物質(zhì)分配子模型，給出了小麥葉分配系數(shù)PCl在不同干旱、澇漬脅迫處理下的取值；通過建立小麥抽穗之前和抽穗之后光合累積量向穗部的轉移率（k1和k2）與土壤相對含水量（SW）及澇漬天數(shù)（d）關系式，確定了小麥產(chǎn)量形成的干旱、澇漬脅迫訂正因子[8-9]。

1.2 模型參數(shù)的調(diào)試和確定

WCSODS模型中，小麥品種參數(shù)包括模擬模型參數(shù)和作物性狀參數(shù)，前者包括生育模型參數(shù)、葉齡動態(tài)模擬參數(shù)、葉面積與光合生產(chǎn)模型參數(shù)（包括光合作用參數(shù)和群體消光系數(shù)）；其中生育期模型參數(shù)按播種-出苗、出苗-春化、春化-拔節(jié)、拔節(jié)-抽穗、抽穗-成熟5個不同生育階段設置，與小麥生育期有關的參數(shù)共有13個，其功能和意義為：Ki（i=1、2、3、4、5）為反映不同發(fā)育階段發(fā)育特性的品種參數(shù)，Pi（i=1、2、3、4、5）為不同發(fā)育階段的增溫促進系數(shù)，Q3為高溫抑制系數(shù)，G5為感光系數(shù)，VE為小麥春化因子（表1），其計算方法和取值隨品種及溫度的變化而變化[11]。

以上作物性狀參數(shù)包括穗粒結構參數(shù)、分蘗率參數(shù)和單株葉面積參數(shù)。A1、A3為小麥抽穗前和抽穗后葉片光合作用參數(shù)，B1為弱光條件下光—光合響應曲線的初始斜率；E1、E3為水稻抽穗前和抽穗后群體消光系數(shù)。單株葉面積參數(shù)中包括了水稻生育不同時期的葉面積特征值，分為F7S（7葉期）、FTS（分蘗期）、FES（拔節(jié)期）、FHS（抽穗期）、FMS（成熟期），與本研究關系最為密切的品種參數(shù)。上述參數(shù)均因品種和生育期而異，根據(jù)當?shù)囟嗄攴N植資料調(diào)試確定（表2）。

1.3 小麥干旱災損指數(shù)的定義及其分級閾值的確定方法

定義2種干旱或澇漬災損指數(shù)，即中長期災損指數(shù)、短期災損指數(shù)，前者是指出苗至任意生育時期發(fā)生干旱和澇漬的災損指數(shù)，后者是指任意2個生育時期發(fā)生干旱和澇漬的災損指數(shù)，一般取間隔5、10、20 d等，用于小麥生長季較短時段要求的旱澇災害損失區(qū)域化監(jiān)測及精細化評估。采用中長期

災損指數(shù)時，評估日之后的氣象數(shù)據(jù)采用天氣預報數(shù)值或區(qū)域性氣候模式輸出值，然后以水分脅迫造成模擬成熟期籽粒干質(zhì)量的水分條件下的損失率，定義小麥干旱或澇漬災損指數(shù)（WDIem），WWSOpet和WWSOlmt分別為適宜水分和實際小麥籽粒干質(zhì)量（kg/hm2）。采用短期災損指數(shù)，WDI20（以間隔 20 d 為例）定義為該時段前后模擬地上生物量遭受干旱或澇漬的損失率。WAGPpet和WAGPlmt分別為適宜水分和實際水分條件下的植株 地上總干質(zhì)量（kg/hm2），i為評估日的年內(nèi)日序。

當冬小麥發(fā)生干旱或澇漬時，土壤濕度明顯低于或高于正常值，作物的響應主要表現(xiàn)在生育過程中生長量下降和最終產(chǎn)量降低。改進后的WCSODS模型可以模擬水分適宜條件和水分脅迫條件下的冬小麥生長過程，二者間的差異可以確定干旱造成的冬小麥生長損失。

利用區(qū)域化的WCSODS模型模擬1973—2015年研究區(qū)域冬小麥網(wǎng)格點中長期災損指數(shù)和短期災損指數(shù)，結合實際產(chǎn)量損失出現(xiàn)的概率確定旱澇災害指標的分級閾值。參照“小麥干旱災害等級”的氣象行業(yè)標準以及作物生長模型對旱澇的敏感性分析，將研究區(qū)域冬小麥旱澇災害損失程度分為8級指標，即特重度（旱）、重度（旱）、中度（旱）、輕度（旱）、正常、輕度（澇）、中度（澇）、重度（澇）。根據(jù)旱澇災損樣本數(shù)值概率分布確定各級災損閾值。endprint

1.4 氣象要素空間插值方法

氣象要素插值的所有方法中，基于地統(tǒng)計插值技術的Kriging法和薄盤樣條法TPS（thin plate spline）最為適用，ANUSPLIN是基于薄盤樣條理論針對氣候數(shù)據(jù)曲面擬合的專用軟件[6]，ANUSPLIN軟件允許引進多元協(xié)變量線性子模型，且模型系數(shù)可根據(jù)數(shù)據(jù)自動確定。它能同時進行多個表面的空間插值，對于時間序列的氣象數(shù)據(jù)尤其適合[7]。使用該空間插值方法估算非站點區(qū)域氣象要素數(shù)據(jù)，以獲得區(qū)域內(nèi)連續(xù)的空間氣象要素。可以滿足精細化旱澇災害損失監(jiān)測與評估對高密度空間分布的逐日氣象觀測數(shù)據(jù)的需要。

1.5 冬小麥生長模型區(qū)域化方法

WCSODS是通過多品種、多年和多點的大量小麥生理生態(tài)試驗和文獻資料，基于系統(tǒng)分析方法和數(shù)學建模技術，在站點尺度上建立的，研制者在模型建立階段就對作物模擬技術怎樣在大面積生產(chǎn)中發(fā)揮作用展開了深入的討論，其中生長模型區(qū)域化是重要問題之一。WCSODS生長模型區(qū)域化主要包括有關生長的作物遺傳參數(shù)（GGP）、與發(fā)育有關發(fā)育的作物遺傳參數(shù)（DGP）、土壤參數(shù)（SP）區(qū)域化。

1.5.1 GGP區(qū)域化方法 如凈光合速率、根冠比、小麥地上部的分配系數(shù)（PCg）、葉面積指數(shù)、葉分配系數(shù)（PCl）以及抽穗前與抽穗后光合累積量向穗部轉移率（k1和k2）等[7]沒有明顯的空間變化規(guī)律，可以利用研究區(qū)域多個觀測點多年平均值代表區(qū)域參數(shù)。

1.5.2 DGP區(qū)域化方法 采用的多尺度方法，一是淡化品種間差異，代之以品種生態(tài)類型；二是遵從糧食生產(chǎn)地域性差異和區(qū)域性類同的事實，選擇適度的空間尺度[12]，在分區(qū)水平上調(diào)試以上小麥遺傳參數(shù)。研究區(qū)域4個農(nóng)業(yè)氣候區(qū)（東北丘陵冬麥區(qū)、北部平原冬麥區(qū)、北部平原冬麥區(qū)西部、沿淮冬麥區(qū)）各采用1套遺傳參數(shù)，利用21個樣點1998—2007年間小麥觀測資料，采用“試錯法”分別調(diào)試得到所在分區(qū)的以上遺傳參數(shù)，包括品種類型參數(shù)、增溫促進系數(shù)、高溫抑制系數(shù)、感光系數(shù)、小麥春化因子等。

1.5.3 SP區(qū)域化方法 土壤參數(shù)主要包括凋萎濕度、田間持水量及容重等參數(shù)，利用中國科學院南京土壤研究所提供的全國1 ∶ 100萬的各類土壤參數(shù)格點數(shù)據(jù)。由于小麥播期在4個分區(qū)內(nèi)差異較小，因此分別用各區(qū)多個觀測點多年平均值代表分區(qū)參數(shù)。

2 結果與分析

2.1 冬小麥站點旱澇損失評估

利用4個主產(chǎn)省各個試驗站點歷年（1973—2015年）逐日氣象數(shù)據(jù)驅動改進后的WCSDOS模型，計算全生育期旱澇災損指數(shù)，則可進行站點冬小麥旱澇災害評估。

Ⅰ區(qū)的山東沂源和Ⅱ區(qū)的河南鄭州、Ⅲ區(qū)的江蘇東海干旱災損指數(shù)分別為33.6%、27.1%、22.9%，而Ⅳ區(qū)的安徽淮南、安徽六安，河南信陽、江蘇興化干旱災損指數(shù)為 0.2%～6.7%（圖1-a）；4個主產(chǎn)省不同冬小麥區(qū)中，處于Ⅳ區(qū)的安徽六安的澇漬災損指數(shù)明顯高于其他站點，為 23.0%，其他站點為0.4%～12.9%（圖1-b）。

2.2 冬小麥旱澇災損精細化評估

研究區(qū)域所有網(wǎng)格點干旱災損指數(shù)和澇漬災損指數(shù)平均值的歷年變化見圖2。從圖2可以看出，研究區(qū)域冬小麥干旱災害損失大于澇漬。二者均有隨時間延長微弱降低的趨勢，但均未通過顯著性檢驗。近年來，出現(xiàn)旱災損失較大的年份主要有1986、1978、2000、1981年，澇漬災害造成損失較大的年份主要有1998、1989、1979、1990年。

以1999—2008年為例，對研究區(qū)域冬小麥旱澇災損進行區(qū)域化評估（圖3僅顯示有代表性的4年）。本研究區(qū)域小麥旱澇災損分布有典型的北旱南澇特點。2000年幾乎為整個研究區(qū)域的干旱年， 僅僅安徽霍山和江蘇如皋局部有一些

澇災損失。2001、2002、2003年為典型的北旱南澇，而旱澇災損分布和等級又有不同。2001年在山東省莒縣和河南商丘、南陽一線以北有旱災損失，而安徽六安和江蘇海安以南少部分地區(qū)為中度澇災損失以上，其余大部分地區(qū)為正?；騼H有輕澇災損。2002年北部干旱災損嚴重、2003年南部澇漬災損嚴重。2006年的澇漬災損則呈沿研究區(qū)域南部帶狀分布特點。2004、2005、2007年該研究區(qū)域大部分地區(qū)未出現(xiàn)旱澇災損。

2.3 冬小麥旱澇災損的動態(tài)監(jiān)測與評估

利用各地實時作物出苗日期、品種熟性數(shù)據(jù)，在作物對水分脅迫的敏感生育階段，利用作物生長模型結合旱澇指標進行旱澇等級評價，并給出生物量損失的定量評估，利用不斷更新的實時氣象數(shù)據(jù)驅動作物生長模型，結合旱澇指標，可以開展旱澇災害損失的動態(tài)監(jiān)測與評估，

利用短期災損指數(shù)開展冬小麥干旱損失的監(jiān)測與評估（圖4），其動態(tài)時間尺度為每10 d 1次，評估時長為20 d，跟蹤時間為2000年2月中旬至5月下旬。從圖4可以看出，2月中旬，在小麥大田生育前期，在Ⅰ區(qū)及Ⅱ區(qū)北部已發(fā)生不同程度的旱情，從面積上看，災損等級以特重旱最大、重度旱次之、中度旱最小，其他地區(qū)麥田水分正?；蛴袧碀n且在災損等級上以重度澇為主，至3月下旬，旱災的范圍向南有所蔓延，尤其在研究區(qū)域西北部，與此同時，在干旱區(qū)域的南部，麥田水分正常區(qū)域顯著向南擴大，4月上旬，旱災的范圍幾乎遍及Ⅰ區(qū)、Ⅱ區(qū)、Ⅲ區(qū)的全部和Ⅳ區(qū)的西北部，其后旱情范圍有一度向北有所收窄又向南蔓延，至5月下旬初，旱災范圍達到最大，達研究區(qū)域面積的70%左右，且在災損等級上以特重旱為主，僅在旱災區(qū)域的南沿為重度旱和中度旱。

利用短期災損指數(shù)開展的冬小麥的澇漬損失的監(jiān)測與評估見圖5，其動態(tài)時間尺度為每10 d 1次，評估時長為20 d，跟蹤時間為1998年2月中旬至5月下旬（部分圖省略）。從圖5可以看出，2月中旬至下旬，Ⅲ區(qū)和Ⅳ區(qū)除西北部以外的地區(qū)均發(fā)生澇漬災害，其后澇漬災害范圍隨發(fā)育進程逐漸擴展，災損等級除了原來已達重度的區(qū)域以外，其他區(qū)域也呈由輕度至重度災損變化之勢，3月下旬至小麥生育后期，澇漬災害幾乎遍及研究區(qū)域除研究區(qū)域北沿局部地區(qū)以外的所有地區(qū)。且以重度澇漬災損為主。endprint

3 討論與結論

盡管作物生長模型WCSODS本身具有機理性強和通用性強的特性，但限于小麥旱澇機理研究的深度、廣度以及品種、類型的特異性，本研究旱澇脅迫訂正還有一定的經(jīng)驗成分。不同小麥種植區(qū)在使用這個模型之前，應根據(jù)當?shù)刭Y料，重新調(diào)整模型參數(shù)，以期提高小麥旱澇損失評估的準確性。氣象要素的插值誤差以及作物生長模型本身及其遺傳參數(shù)和土壤參數(shù)等均不同程度地影響了作物模型評估的災損率等級的準確率。評估準確性的提高是下一步研究工作的重點，還主要有賴于插值方法與技術的改進以及小麥旱澇機理研究以及品種、類型的特異性研究的深入。隨著小麥、油菜季節(jié)性干旱預測預警及作物長勢的實時快速監(jiān)測等技術的進步，以作物模擬技術為主體建立的宏觀監(jiān)測、微觀監(jiān)測并重的干旱監(jiān)測方法和技術體系，可為小麥、油菜減災、防災和糧食安全保障提供有效的技術支撐。

參考文獻：

[1] 包云軒，孟翠麗，申雙和，等. 基于CI指數(shù)的江蘇省近50年干旱的時空分布規(guī)律[J]. 地理學報，2011，66（5）：599-608.

[2]詹 存，梁 川，趙 璐. 川中丘陵區(qū)季節(jié)性干旱時空分布特征及成因分析[J]. 農(nóng)業(yè)工程學報，2013，29（21）：82-90.

[3]魏 麗，王保生. 江西省區(qū)域性洪澇災害模糊綜合評判方法的研究[J]. 中國農(nóng)業(yè)氣象，1998，19（1）：49-52.

[4]干蓮君，項 瑛，田心如. 江蘇旱澇災害對農(nóng)作物經(jīng)濟損失評估的探討[J]. 氣象科學，2001，21（1）：122-126.

[5] 葉正偉. 江蘇旱澇災害對農(nóng)業(yè)經(jīng)濟的影響及承災系統(tǒng)分析[J]. 江蘇農(nóng)業(yè)科學，2006（4）：5-7.

[6]Hutchinson M F. ANUSPL IN Version 4.3 user guide[M]. Canberra：The Australia National University，Center for Resource and Environment Studies，2004.

[7]劉志紅，Li L T，Cvicar T M，et al.專用氣候數(shù)據(jù)空間插值軟件ANUSPLIN及其應用[J]. 氣象，2008，34（2）：92-100.

[8]葛道闊，曹宏鑫，張利華，等. WCSODS中小麥生育期模型在淮河流域旱澇脅迫環(huán)境下的改進[J]. 江蘇農(nóng)業(yè)學報，2012，28（4）：722-727.

[9]葛道闊，曹宏鑫，張利華，等. 基于干旱澇漬迫脅的WCSODS模型訂正與檢驗[J]. 江蘇農(nóng)業(yè)學報，2013，29（3）：490-495.

[10] 葛道闊，曹宏鑫，馬曉群，等. 基于作物生長模型的小麥旱澇敏感性分析與損失評估[J]. 江蘇農(nóng)業(yè)學報，2016，32（6）：1302-1309.

[11]高亮之，金之慶，鄭國清，等. 小麥栽培模擬優(yōu)化決策系統(tǒng)（WCSODS）[J]. 江蘇農(nóng)業(yè)學報，2000，16（2）：65-72.

[12]江 敏，金之慶. CERES-Rice模型區(qū)域應用中遺傳參數(shù)升尺度的一種方法[J]. 中國水稻科學，2009，23（2）：172-178.endprint