張 皓，翁 玲，劉宇鵬，吳 丹，金昭貴 ，王祿靜，楊 濤

（1.清鎮(zhèn)市氣象局，貴州 清鎮(zhèn) 551400；2.貴陽國家農(nóng)業(yè)氣象試驗站，貴州 清鎮(zhèn) 551400；3.貴陽市氣象局，貴州 貴陽 550022；4.貴州省山地環(huán)境氣候研究所，貴州 貴陽 550002；5.貴陽市花溪區(qū)氣象局，貴州 貴陽 550025）

【研究意義】水稻作為世界四大糧食作物之首，在我國供給65%以上人口食用，是國家糧食安全的基石。貴州省水稻常年種植面積70萬hm2左右，占糧食種植面積1/3以上，該區(qū)域?qū)偾瓥|湘西高原山地單雙季稻亞區(qū)［1］，受東亞季風和南亞季風交匯附加地形支配的影響，導致區(qū)域暴雨、高溫、干旱等極端天氣頻發(fā)，造成光溫水等分布差異大。因此研究氣象因子對水稻灌漿速度及千粒重影響，對充分利用區(qū)域水熱資源趨利避害具有重要意義?！厩叭搜芯窟M展】大量研究證實水稻灌漿-成熟期是決定結(jié)實和粒重的關鍵時期，直接影響著產(chǎn)量形成［2］。水稻籽粒的充實和重量又與灌漿速度和灌漿起止時間密切相關［3］，而且水稻溫度敏感性極強［4］，高溫能使灌漿過程提早結(jié)束，造成粒長和粒寬減小、粒重下降［5］。同時，氣溫升高導致作物潛在蒸散量普遍增加，干旱化過程對確保水稻穩(wěn)產(chǎn)進行農(nóng)業(yè)灌溉水分資源調(diào)配提出挑戰(zhàn)［6］。另外，黔中地區(qū)位于云貴高原腹地，與同緯度長江中下游流域相比，水稻經(jīng)歷嚴重低溫危害的風險大［7］。在農(nóng)業(yè)受氣候變化深刻影響背景下，圍繞服務農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，推動鄉(xiāng)村振興，農(nóng)業(yè)氣象工作者在黔以水稻為對象開展了大量研究。張波等［8］利用水分盈虧指數(shù)，分析了貴州有效降水量對水稻需水量的滿足狀況；王連喜［9］綜合考慮貴州不同海拔高度下水稻抽穗開花期的界限溫度，選取冷積溫作為水稻秋風災害指標，對貴州水稻秋風災害冷積溫指標進行了研究；陳超［10］提出的水稻各關鍵生育期界限溫度起始期預測模型，為不同海拔、緯度水稻產(chǎn)區(qū)規(guī)避熱害及冷害影響提供了新思路；張建平［11］建立的濕潤指數(shù)距平率農(nóng)業(yè)干旱監(jiān)測模型對貴州受旱高頻區(qū)水稻干旱監(jiān)測具有實際意義?！颈狙芯壳腥朦c】研究潛在蒸散量變化對了解土壤、植被與大氣之間的水汽交換及植被層的熱量平衡具有重要的意義，關于大范圍長時間蒸散量突變特征及周期性研究較集中，而將作物逐日潛在蒸散量變化特征與具體發(fā)育期建立直接聯(lián)系的報道較少?！緮M解決的關鍵問題】本研究從水稻灌漿-成熟期潛在蒸散量、灌漿速度、千粒重的變化特征入手，借助冗余分析（Redundancy Analysis，RDA）研究灌漿速度、千粒重與氣象因子的相關性，在此基礎上得出主要影響因子適宜度，以期為黔中水稻生產(chǎn)決策提供參考依據(jù)。

1 材料與方法

1.1 試驗材料

試驗于2013—2017年在貴陽國家農(nóng)業(yè)氣象試驗站（2016年底因業(yè)務需要由花溪遷往清鎮(zhèn)）開展。黔中腹地地處云貴高原東斜坡中部、苗嶺山脈北側(cè)，地形以山地丘陵為主，供試地塊土壤肥力中等。供試水稻品種為川優(yōu)6203。

1.2 試驗方法

設置4個小區(qū)，每個小區(qū)面積250 m2，總面積1 000 m2，小區(qū)間隔0.5 m，每個小區(qū)各選一個測點，作上標記，并按區(qū)順序編號。為增強代表性，各區(qū)測點位置交錯排列，使之縱橫都不在同一行上，測點距田地邊緣的最近距離不小于2 m。水稻采用200穴漂盤育苗，每穴放種子2粒，以秧齡30 d為移栽期，移栽時施氮磷鉀平衡型復合肥（總養(yǎng)分含量≥45%，N∶P2O5∶K2O=15∶15∶15）作底肥，全生育內(nèi)田間管理一致。

1.3 測定指標及方法

灌漿速度與千粒重：水稻開花始期，每個試驗處理區(qū)選擇同日開花、大小相近的稻穗200個，掛牌，注明日期，供灌漿速率測定用。開花后第10 d開始直到成熟，每隔5 d取樣1次，每個處理每次取20穗，統(tǒng)計總粒數(shù)，將籽粒放入鋁盒稱鮮重，烘干后稱干重，換算為千粒重。

氣象數(shù)據(jù)：2013—2017年水稻灌漿-成熟期逐日氣溫、降水、空氣濕度、日照等數(shù)據(jù)，由貴州省氣象局信息中心獲取。

分析方法：（1）潛在蒸散量。是指下墊面足夠濕潤條件下，水體保持充分供應的蒸發(fā)量［12］。本研究采用的Penman-Monteith模式，是基于能量平衡和水汽擴散理論，在沒有考慮作物種類、土壤類型和水汽條件限制基礎上計算得出的潛在蒸散量，其值與實測值最為接近［13］。

（2）RDA分析。從統(tǒng)計學的角度有效評價一個或一組變量與另一組多變量數(shù)據(jù)之間的關系［14］屬約束性排序的一種，本研究以氣象因子為環(huán)境因子，以灌漿速度、千粒重作為物種信息，分析二者的相關性。

（3）蒙特卡洛分析（Monte Carlo Test）。這是一種基于生成“隨機數(shù)”后使用隨機數(shù)進行分析的計算方法。具有適用性廣泛，對自變量和因變量之間的關系及自變量本身的性質(zhì)等因素要求不高的特點，使用該方法進行實驗次數(shù)越多，隨機抽取的樣本越多結(jié)果就越精確。

（4）溫度適宜度。利用模糊數(shù)學原理，通過β函數(shù)較好地反映出作物生長與溫度的非線性關系，即作物在最適溫度之上和最適溫度之下的反應不同，其數(shù)值范圍為0～1，該函數(shù)具有普適性［15-16］。

（5）潛在蒸散量、灌漿速度、千粒重的變化趨勢。用氣候傾向率等常規(guī)方法進行分析。

試驗數(shù)據(jù)采用Excel、Canoco 4.5進行分析和制圖。

2 結(jié)果與分析

2.1 黔中水稻生育期潛在蒸散量變化特征

作為評價作物耗水的重要指標，潛在蒸散量是衡量區(qū)域蒸發(fā)能力的重要指標，也是評價氣候干濕狀況及農(nóng)業(yè)灌溉水分資源的關鍵參量［17］。由圖1可知，2013年黔中水稻灌漿-成熟期日均最低潛在蒸散量為1.92 mm/d、最高為4.07 mm/d，2014年分別為3.26、4.81 mm/d，2015年分別為1.94、3.59 mm/d，2016年分別為2.19、 3.28 mm/d，2017年分別為2.90、4.84 mm/d；總體上，2014年水稻灌漿-成熟期日均潛在蒸發(fā)量（3.71 mm/d）最大，2015年（2.78 mm/d）最低，2016、2013、2017年按高低分列其中；從變化趨勢來看，2016年水稻灌漿-成熟期日均潛在蒸散量呈增長趨勢，2013—2015年、2017年均呈降低趨勢，2013—2017年傾向變化率依次為-0.13、-0.25、 -0.12、-0.04、-0.20 mm/d。貴州水稻灌漿-成熟期處于夏季，降水多濕度大是造成潛在蒸散量降低的原因，張波等［18］研究發(fā)現(xiàn)貴州夏季ET0呈遞減趨勢，夏季潛在蒸散量與相對濕度呈極顯著負相關。

2.2 黔中水稻灌漿速度、千粒重變化特征

水稻籽粒灌漿被稱為粒重第二決定因素，與產(chǎn)量及品質(zhì)密切關聯(lián)。由圖2可知，黔中水稻灌漿速度隨發(fā)育推進而減慢，以2016年最明顯，2015年較平緩；2013年水稻灌漿最早、平均灌漿速度為0.72 g/千粒·d，2016年最晚，平均灌漿速度為0.46 g/千?！。相關研究表明，一般早開花的強勢粒灌漿速率大，晚開花的弱勢粒灌漿速率小，而且會影響到胚乳中淀粉粒排列緊密和籽粒充實度，進而影響產(chǎn)量［19］，與本研究結(jié)果相一致。從水稻灌漿速度曲線峰型來看，2013、2014、2017年均為單“峰”型，10 d左右（開花后15 d）達到峰值而后逐漸降低，峰值分別達到1.03、1.23、1.01 g/千粒·d，差異在于2013年、2017年峰值左偏，2014年峰值右偏；2015年為雙“峰”型，峰值均為0.77 g/千?！，先左偏后右偏；2016年為“平拋”型，開花后5 d灌漿即達最快（1.07 g/千?！），根據(jù)氣象資料統(tǒng)計分析，該年水稻灌漿-成熟降水量為51.9 mm，僅為2013—2017年該生育期平均降水量的45.25%，這可能是造成灌漿曲線特異性的主要原因。

由圖2可知，2013—2017年黔中水稻成熟時千粒重依次為24.83、23.32、22.77、22.75、25.63 g，變異強度評價采用上海氣象科學研究所薛正平等［20］的三級評價法，可得千粒重變異系數(shù)CV為4.48%，為弱變異；水稻千粒重的變化曲線接近“S”形，表明水稻干物質(zhì)累積符合發(fā)育進程，其中2016年千粒重趨勢線斜率最小、對應增速最慢，2013年則與之相反。

綜合黔中水稻灌漿速度曲線峰值偏向、千粒重增長趨勢及灌漿起始時間，可以推斷：2013、2017年黔中水稻籽粒在灌漿期內(nèi)表現(xiàn)強勢，2015年籽粒在灌漿期表現(xiàn)出先強后弱的變化特點，2014年籽粒灌漿相對滯后，2016年水稻籽粒雖然起始就達到灌漿峰值，但后期水分供給不足，導致千粒重表現(xiàn)最差，群體質(zhì)量在研究年限內(nèi)最低。

2.3 氣象因子與黔中水稻灌漿速度、千粒重相關性

圖3顯示，每個氣象因子的箭頭長度表示特征向量的長度，可以用來解釋氣象因子對灌漿速度、千粒重的影響程度；任意兩個箭頭間的夾角（α）表征二者間的相關性，α介于0°～90°之間表示變量為正相關，α在90°～180°之間表示變量為負相關，α=90°時變量無相關性。衡量解釋變量對被解釋變量影響的大小，需要綜合考慮解釋變量的箭頭長度、二者的夾角以及解釋變量與排序軸之間的相關性［21］。。RDA分析過程中Monte Carlo Test表明，第一排序軸及4個排序軸所反映的氣象因子均與灌漿速度、千粒重之間呈顯著相關關系，其中第一典范軸P值為0.001，所有典范軸P值為0.012。物種信息（灌漿速度、千粒重）的53.9%能被以上9個氣象因子解釋，其中第一排序軸解釋47.8%的變化信息、第二排序軸解釋6.1%的信息變化量，在第一軸上糧食產(chǎn)量與環(huán)境變量的相關系數(shù)為0.843、第二軸上的相關系數(shù)為0.342。由圖3可知，代表各氣象因子的箭頭與灌漿速度箭頭之間夾角為銳角、與千粒重箭頭方向夾角為鈍角，說明氣象因子與灌漿速度呈正相關、與千粒重變化呈負相關，即在灌漿-成熟期內(nèi)隨著水稻發(fā)育進程的推進，灌漿速度趨于平緩，而干物質(zhì)的累積量逐步增加，因此物種信息間表現(xiàn)出負相關。氣象因子對黔中水稻灌漿速度、千粒重的影響依次為Tmin＞W(wǎng)＞T＞Tmax≈ET0≈Hd＞Sd＞P＞E，說明水稻產(chǎn)量下降的主要原因是由于最低氣溫的升高所致［22］。

圖1 2013—2017年黔中水稻灌漿-成熟期潛在蒸散量Fig. 1 Potential evapotranspiration of rice during grain filling-maturity period in Central Guizhou from 2013 to 2017

圖2 2013—2017年黔中水稻灌漿速度、千粒重變化曲線Fig. 2 Change curves of rice grouting speed and 1000-grain weight in Central Guizhou from 2013 to 2017

2.4 黔中水稻灌漿-成熟期溫度適宜度

由RDA分析可知，氣象因子中溫度（最低溫度、平均溫度、最高溫度）對水稻灌漿速度及千粒重影響最大。為進一步評價黔中水稻灌漿-成熟期對溫度的響應，引入水稻生長期溫度適宜度計算方法，結(jié)果顯示，2013—2017年，黔中水稻灌漿-成熟期溫度適宜度在0.86～0.98之間，一般來說，當適宜度低于0.5，水稻發(fā)育緩慢，接近0時基本停止發(fā)育，溫度適宜度越高表明熱量條件越有利于水稻生長發(fā)育。本研究中平均溫度適宜度達到0.928，表明黔中區(qū)域內(nèi)≥10℃的活動積溫可以滿足水稻灌漿成熟熱量需求。

3 討論

通過影響水稻灌漿、千粒重變化造成產(chǎn)量高低的原因沒有統(tǒng)一觀點，侯雯嘉等［23］認為東北三省水稻灌漿至成熟期氣溫偏低是主要氣象因子，徐富賢等［24］發(fā)現(xiàn)長江流域抽穗灌漿期氣溫偏高導致產(chǎn)量降低，張昭等［25］提出降水量和太陽輻射變異以及溫度脅迫造成水稻產(chǎn)量年際波動。大量分析表明，溫度、輻射和降水量等氣候要素存在自相關性，在探討影響水稻產(chǎn)量關鍵氣候因素時，應避免單純的將原因歸結(jié)為某一個氣候要素發(fā)揮作用得出錯誤結(jié)論［26］。本研究采用Penman-Monteith模型計算ET0，該方法涉及到氣溫、風速、相對濕度以及凈輻射等，在綜合評價氣候干濕程度、作物耗水和計算作物生產(chǎn)潛力方面更加全面［27］。

研究證實，著生在稻穗中上部早開花的強勢粒灌漿快、充實好、粒重高，而著生在稻穗下部遲開花的弱勢粒 灌漿慢、充實差、粒重低［28］，通過強勢粒和弱勢粒的灌漿速度曲線同步情況，能夠更直觀的判斷水稻的源庫類型，根據(jù)發(fā)育進程開“源”擴“容”，保障“流”動暢通，為水稻穩(wěn)產(chǎn)高產(chǎn)奠定基礎。本研究中，黔中水稻灌漿速度測定時選取的稻穗樣本考慮了整體“同日開花、大小相近”，但未對同一稻穗上部和下部加以區(qū)分測定灌漿情況，需在下一步工作中進行完善。

大田生產(chǎn)上非氣象因素對水稻生育期的影響可能大于氣象因素［29］，本研究沒有采用人工氣候室進行對照，但自然狀態(tài)下取得的成果在保證水稻產(chǎn)量穩(wěn)定方面可行性更強［30］。試驗通過統(tǒng)一管理措施及種植方式，盡可能減少非氣象因子擾動，充分考量氣象因子對水稻灌漿速度及千粒重影響。然而，由于研究年限較短，沒有對影響水稻灌漿-成熟期生理生化反應進行跟進，影響了分析的深度，今后應注意從作物、氣候，“內(nèi)”“外”兩方面展開研究以獲得更加全面的結(jié)論。

4 結(jié)論

本研究Monte Carlo Test結(jié)果表明，黔中水稻的53.9%物種信息（灌漿速度、千粒重）能被潛在蒸散量等9個因子解釋，第一排序軸及4個排序軸所反映的氣象因子與灌漿速度呈顯著正相關，與千粒重呈負相關。黔中水稻灌漿速度、千粒重受氣象因子影響的大小依次為Tmin＞W(wǎng)＞T＞Tmax≈ET0≈Hd＞Sd＞P＞E，其中溫度（最低溫度、平均溫度、最高溫度）作為影響水稻灌漿-成熟的最主要因子，其適宜度在0.86～0.98之間，熱量豐富，可以滿足水稻灌漿成熟需求。

圖3 灌漿速度、千粒重與氣象因子RDA排序Fig. 3 RDA Ranking of grouting speed, 1000-grain weight and meteorological factors