茹曉雅 李 廣 陳國鵬 張統(tǒng)帥 閆麗娟

不同降水年型下水氮調(diào)控對小麥產(chǎn)量及生物量的影響

茹曉雅1李 廣2,*陳國鵬2張統(tǒng)帥2閆麗娟3,*

1甘肅農(nóng)業(yè)大學(xué)信息科學(xué)技術(shù)學(xué)院, 甘肅蘭州 730070;2甘肅農(nóng)業(yè)大學(xué)林學(xué)院, 甘肅蘭州 730070;3甘肅農(nóng)業(yè)大學(xué)農(nóng)學(xué)院, 甘肅蘭州 730070

水和氮是影響西北黃土高原雨養(yǎng)農(nóng)業(yè)區(qū)糧食生產(chǎn)的主要因素, 但其增產(chǎn)效應(yīng)受降水年型影響明顯。本水氮調(diào)控試驗(yàn)利用APSIM模型在甘肅省定西市安定區(qū)1971—2018年氣象數(shù)據(jù), 分析了不同降水年型下水氮管理對小麥產(chǎn)量和生物量的變異系數(shù)、可持續(xù)性指數(shù)的影響, 明確了各年型產(chǎn)量與施氮量、降水量之間的關(guān)系。結(jié)果表明, 模型模擬的小麥產(chǎn)量和生物量的決定系數(shù)2均在0.90以上, 一致性指標(biāo)均在0.95以上, 歸一化均方根誤差(NRMSE)均在15%以下, 表明該模型在研究區(qū)具有較好的模型擬合度和適應(yīng)性。通過二元二次回歸方程探討了其最優(yōu)產(chǎn)量下的水氮優(yōu)化組合, 在當(dāng)年年降水總量的基礎(chǔ)上, 干旱年小麥達(dá)潛在最優(yōu)產(chǎn)量時(3492.6 kg hm–2), 降水需增加39.73%, 應(yīng)施氮182.73 kg hm–2; 平水年小麥達(dá)潛在最優(yōu)產(chǎn)量時(4514.5 kg hm–2), 降水需增加45.26%, 應(yīng)施氮208.26 kg hm–2; 濕潤年小麥達(dá)潛在最優(yōu)產(chǎn)量時(4890.3 kg hm–2), 降水需增加46.31%, 應(yīng)施氮211.15 kg hm–2。研究結(jié)果可為研究區(qū)不同降水年型下緩解小麥干旱和養(yǎng)分脅迫, 節(jié)約化肥資源和農(nóng)業(yè)可持續(xù)性發(fā)展提供理論依據(jù)。

降水年型; APSIM模型; 生物量; 產(chǎn)量

近年來全球氣候變化引起自然降水在時空上分布不均, 在地區(qū)間存在較大的差異性和隨機(jī)性, 不僅導(dǎo)致旱作雨養(yǎng)區(qū)少雨時段干旱頻發(fā), 多雨時段洪澇多發(fā), 還加劇水土流失, 土壤養(yǎng)分顯著下降, 影響作物產(chǎn)量[1]。西北黃土高原屬于半干旱大陸性氣候, 是典型的旱作雨養(yǎng)農(nóng)業(yè)區(qū), 該區(qū)域水分主要受降水影響, 春小麥生長的3月至7月降水少, 僅占全年降水量的37%, 易受干旱的影響[2]。同時該區(qū)農(nóng)業(yè)生產(chǎn)者依據(jù)經(jīng)驗(yàn)對農(nóng)作物施氮量普遍高于推薦施氮量, 過量施氮不僅造成資源浪費(fèi), 而且極易增加溫室氣體排放和引起地下水污染。水氮是農(nóng)田生態(tài)系統(tǒng)水分循環(huán)的主要影響因素, 如何在雨養(yǎng)條件下“以水定肥, 以水定產(chǎn)”、提高降水和肥料利用率, 充分發(fā)揮旱地春小麥的生產(chǎn)潛力就成為非常重要的課題[3-5]。前人針對旱地小麥的適宜施肥量做了大量研究, 如劉歡等[6]研究表明, 不僅作物對年降雨量有響應(yīng), 對降雨出現(xiàn)時間也具有明顯響應(yīng)。李玉山等[7]研究表明, 47%的黃土高原地區(qū)小麥產(chǎn)量受種植時土壤儲水量影響, 而休閑期降水是影響土壤儲水量的主要因素。李廣等用APSIM模型分析降水對小麥和豌豆產(chǎn)量的影響[8], 發(fā)現(xiàn)當(dāng)年6月至7月的降水對小麥產(chǎn)量影響最顯著, 最大貢獻(xiàn)率為增加1 mm降水小麥增產(chǎn)10.4 kg hm–2。黃土高原地區(qū)降水年際分布不均, 小麥產(chǎn)量隨降水量波動, 探明小麥在不同水文年適量的施氮能緩解干旱和養(yǎng)分脅迫, 對節(jié)約化肥資源和農(nóng)業(yè)可持續(xù)性發(fā)展具有重要意義。

作物模型與氣候變化相結(jié)合設(shè)計(jì)農(nóng)田管理試驗(yàn),具有處理量多、工作量小、可以量化分析的優(yōu)點(diǎn), 因此備受研究者青睞[9-10]?；贏PSIM (agricultural production system simulator)模型分析水氮對作物耗水特征、產(chǎn)量和水分利用效率的影響方面均有不少研究[11-14], 較明確地揭示了水氮耦合的作用機(jī)制, 但主要應(yīng)用于定期定量的灌溉水和施氮量之間的關(guān)系, 對不同水文年水氮管理下雨養(yǎng)農(nóng)業(yè)區(qū)的作物產(chǎn)量與生育期自然降水和施氮關(guān)系的影響研究關(guān)注較少。降水施氮對農(nóng)田系統(tǒng)的影響具有明顯的區(qū)域特征、年際變化和累積效應(yīng)[15], 本文基于1971—2018年連續(xù)48年的氣象數(shù)據(jù)分析在不同水文年下不同水氮管理的小麥產(chǎn)量和生物量的變異系數(shù)和可持續(xù)性指數(shù)的影響及各年型產(chǎn)量與施氮量、降水量之間的關(guān)系, 為黃土高原雨養(yǎng)農(nóng)業(yè)區(qū)制訂合理的水肥管理措施提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

甘肅省定西市安定區(qū)李家堡鄉(xiāng)(34°26′~35°35′E, 103°52′~105°13′N, 海拔2000 m)土壤類型為黃綿土, 48年年均降水量約375.44 mm, 年潛在蒸發(fā)量為降水量的4倍。年均氣溫6.4°C, 無霜期平均140 d, 無灌溉條件, 春小麥的生育期一般為3月中旬(播種)至7月下旬(收獲)[16]。表1列出了試驗(yàn)區(qū)基礎(chǔ)土壤參數(shù)。

表1 土壤參數(shù)

1.2 數(shù)據(jù)來源及處理

利用2002—2009年大田實(shí)測產(chǎn)量和生物量(本文中生物量僅指地上干生物量)數(shù)據(jù)校準(zhǔn)和驗(yàn)證模型。研究所需的氣象數(shù)據(jù)由試驗(yàn)點(diǎn)氣象站自動測定。作物品種和生理數(shù)據(jù)均來源于早期李廣等[16]研究中的實(shí)測數(shù)據(jù)(表2)。田間管理參數(shù)均根據(jù)試驗(yàn)地實(shí)際管理措施設(shè)置。采用Microsoft Excel 2010軟件對數(shù)據(jù)進(jìn)行初步整理匯總, 利用Origin 8.6軟件線性擬合方法比較實(shí)測值、模擬值之間的差異并作圖。采用Matlab 2014制作三維柱狀圖和三維曲面圖并求曲面方程。

1.2.1 不同降水年型確定 利用小麥生育年+休閑期的概念, 根據(jù)研究區(qū)日降水量數(shù)據(jù)統(tǒng)計(jì)出春小麥生育期(當(dāng)年3月至6月)的降雨量總和, 將試驗(yàn)地48年的降水?dāng)?shù)據(jù)劃分為干旱年、平水年和濕潤年3種年型。降水年型的劃分由公式(1)計(jì)算得出, 式中為干旱指數(shù),g為生育年降水量,p為生育年平均降水量,是標(biāo)準(zhǔn)差[17]。具體年型見表3。

= (g–p)/(干旱年:< –0.35; 平水年: –0.35<<0.35; 濕潤年:>0.35) (1)

1.2.2 產(chǎn)量和生物量的變異系數(shù)及可持續(xù)性指數(shù)

利用統(tǒng)計(jì)學(xué)上的2個指標(biāo)變異系數(shù)(coefficient of variationCV)和可持續(xù)性指數(shù)(sustainable yield index, SYI)對同一品種作物在不同年型下產(chǎn)量及生物量的穩(wěn)定性和可持續(xù)性進(jìn)行評價(公式2和公式3)。其中CV的值越小表明系統(tǒng)的穩(wěn)定性越高, SYI的值越大可持續(xù)性越好[17]。

CV =/(2)

SYI = (–)/max(3)

式中,為標(biāo)準(zhǔn)差,小麥平均產(chǎn)量(生物量),max為所有年份中的最大值。

1.3 模型簡介

APSIM模型是一個以日為時間步長的動態(tài)模型, 它將生物生理模塊和管理模塊組合在一個中央引擎中以模擬作物-種植系統(tǒng)。作為一個建?？蚣? APSIM能夠整合或分散研究成果, 以便把某一個學(xué)科或領(lǐng)域的成果應(yīng)用到其他一些學(xué)科或領(lǐng)域。該模型主要包括作物模塊、土壤模塊、管理模塊, 任何模塊的邏輯組合都可以通過用戶“插入”所需模塊和“撥出”不再需要的模塊來簡單指定[18-19]。該模型已廣泛用于農(nóng)作系統(tǒng)管理、氣候變化影響評估等領(lǐng)域。

表2 作物模塊參數(shù)表

表3 不同降水年型

1.4 模型校準(zhǔn)和驗(yàn)證方法

模型的校準(zhǔn)和驗(yàn)證對模型的應(yīng)用至關(guān)重要, 本文對實(shí)測值和模擬值做了詳細(xì)的統(tǒng)計(jì)與分析。統(tǒng)計(jì)標(biāo)準(zhǔn)是基于剩余誤差的分析, 即不同的觀察值和模擬值之間的關(guān)系。根據(jù)歸一化均方根誤差(normalized root mean squared error, NRMSE)和一致性指標(biāo)(指標(biāo))對模型性能進(jìn)行評價[20]。NRMSE值應(yīng)越趨近0、指標(biāo)的值應(yīng)越趨近1則表明模型性能良好[21]。

1.5 試驗(yàn)設(shè)計(jì)

基于IPCC對全球本世紀(jì)末(2081—2100年)氣候最嚴(yán)重的預(yù)測[22], 西北地區(qū)降水變化范圍10%~20%, 擬設(shè)定試驗(yàn)區(qū)5個降水和施氮梯度的正交實(shí)驗(yàn)(表4)。為方便進(jìn)一步分析, 將P3N3 (降水量為自然降雨, 施氮量是105 kg hm–2)視為生產(chǎn)實(shí)踐中的一般情況。利用1971—2018年氣象數(shù)據(jù)進(jìn)行模擬試驗(yàn), 實(shí)驗(yàn)中供試氮肥品種為尿素(≈46%), 不同梯度施氮量均作為底肥全部一次性施入。降水量采用不同降水年型下對應(yīng)的日降雨量, 干旱年、平水年和濕潤年水分輸入增減均為相同水平, 其他氣象條件均采用當(dāng)年實(shí)際氣象條件, 播種時間為當(dāng)年3月中旬, 種植密度為187.5 kg hm–2、播種深度為30 mm, 收獲期以模型模擬為準(zhǔn)。在模擬各個處理過程中, 除施氮量和降水量兩因素發(fā)生改變, 其他田間管理參數(shù)、作物參數(shù)和土壤參數(shù)均不變。

2 結(jié)果與分析

2.1 模型的校準(zhǔn)和驗(yàn)證

基于8年的連續(xù)田間試驗(yàn)數(shù)據(jù), 模型模擬的定西42春小麥的產(chǎn)量已在前期研究經(jīng)過測定和驗(yàn)證[23-24],在此基礎(chǔ)上進(jìn)一步校準(zhǔn)APSIM模型對試驗(yàn)區(qū)小麥產(chǎn)量和生物量的模擬精確度。圖1是試驗(yàn)區(qū)2002— 2009年小麥產(chǎn)量實(shí)測值和模擬值的線性回歸圖, 可見小麥產(chǎn)量的模擬值和實(shí)測值的2、NRMSE和分別為0.96、12%和0.97; 小麥成熟期的生物量2、NRMSE和分別為0.93、13%和0.97。圖2表示不同年份下生物量實(shí)測值與模擬值隨時間序列的動態(tài)變化, 可以看出模型基本能夠反映小麥的生長過程生物量的擬合效果。

2.2 不同年型水氮處理對小麥產(chǎn)量和生物量的影響

在一般情況下(自然常規(guī)降水, 施氮量105 kg hm–2), 利用模型模擬數(shù)據(jù)得出1971—2018年小麥的平均產(chǎn)量為2083.29 kg hm–2, 平均生物量為5696.17 kg hm–2。圖3顯示了不同年型下的產(chǎn)量和生物量變化趨勢, 分析表明在水氮耦合作用下, 小麥生物量與產(chǎn)量二者的變化趨勢基本一致, 呈現(xiàn)正相關(guān)。據(jù)此本文以小麥產(chǎn)量的變異系數(shù)和可持續(xù)性指數(shù)為主要因素進(jìn)行后續(xù)分析。干旱年、平水年和濕潤年小麥的平均產(chǎn)量分別為1528.71、2100.12和2541.48 kg hm–2; 平均生物量分別為4482.62、5624.97和6842.84 kg hm–2。其中, 48年年均產(chǎn)量和生物量均與平水年的小麥產(chǎn)量和生物量接近, 分別是干旱年的1.36倍和1.27倍。濕潤年小麥產(chǎn)量和生物量均顯著高于平水年和干旱年, 且隨著降水年型由干旱到濕潤, 小麥產(chǎn)量及生物量均呈現(xiàn)上升趨勢, 說明降水對試驗(yàn)區(qū)小麥生長有較大的積極作用。

表4 降水量和施氮量耦合模擬試驗(yàn)

以日降雨量為參照, 每年統(tǒng)一量增減。P1~P5代表降水處理–20%、–10%、不變、+10%、+20%。N1~N5代表施氮量處理0、52.5、105.0、157.5和210 kg hm–2。

Based on daily rainfall, the annual amount will increase or decrease. P1–P5 represent precipitation treatment –20%, –10%, constant, +10%, +20%. N1?N5 represent nitrogen treatment 0, 52.5, 105.0, 157.5, and 210 kg hm–2.

圖1 小麥產(chǎn)量和其成熟期的生物量模擬值和實(shí)測值的線性回歸擬合

圖2 2002?2009年小麥生物量的模擬值和實(shí)測值對比

圖3 不同年型水氮處理下的產(chǎn)量及生物量

2.3 小麥產(chǎn)量和生物量的變異系數(shù)及可持續(xù)性指數(shù)分析

長期連續(xù)的模擬試驗(yàn)條件下作物產(chǎn)量變化除由于模型本身參數(shù)的不確定及模型無法準(zhǔn)確估計(jì)病蟲害等不確定因素引起以外, 還主要源于氣象、施肥和水氮兩者的交互作用。由模型、氣象和施肥引起的作物生長的變異基本上是穩(wěn)定的, 因此, 主要的變異為交互作用, 交互作用的大小是決定產(chǎn)量和生物量穩(wěn)定的主要因素。表5中小麥的產(chǎn)量可持續(xù)指數(shù)(-SYI)和生物量可持續(xù)指數(shù)(-SYI)值均符合濕潤年>平水年>干旱年, 說明隨著降水年型由干旱到濕潤, 小麥產(chǎn)量和生物量的可持續(xù)性均會增加。表中生物量變異系數(shù)(-CV)值為干旱年>平水年>濕潤年, 表明生物量的穩(wěn)定性隨著降水年型由濕潤到干旱依次降低, 但小麥產(chǎn)量變異系數(shù)(-CV)為平水年>干旱年>濕潤年, 可能是作物生育期內(nèi)降水的不均勻所致。

圖4顯示了不同年型水氮處理下小麥產(chǎn)量的變異系數(shù)?？傮w來看, 隨著施氮量由N1遞增至N5, P1遞增至P5, 小麥在3種年型中-CV有降低的趨勢, 其中干旱年和濕潤年的下降趨勢較為顯著, 平水年中部分水氮組合下的CV規(guī)律性較差, 可能是因?yàn)槟Ｐ捅旧韺Σ煌晷偷拿舾卸炔煌?。干旱年、平水年和濕潤?CV范圍分別是10.78~115.58、11.58~ 94.92和11.63~66.97, 年型從干旱到濕潤, 小麥產(chǎn)量的變異性趨于收斂。干旱年和濕潤年的-CV越靠近P1梯度, 數(shù)值越大, 穩(wěn)定性越差; 與之相反,-CV越靠近P5梯度, 數(shù)值越小, 穩(wěn)定性越好; 說明降水的增加有使小麥產(chǎn)量趨于穩(wěn)定的趨勢。-CV越靠近N3梯度, 數(shù)值較小, 穩(wěn)定性較好, 然而越靠近N1或N5梯度, 數(shù)值都較大, 穩(wěn)定性較差; 說明適量的施氮有助于小麥產(chǎn)量更加穩(wěn)定, 而不施氮或過多施氮都是造成小麥產(chǎn)量變異性較大的因素。CV值隨降水的增加而趨于收斂, 表明降水量對試驗(yàn)區(qū)小麥產(chǎn)量的穩(wěn)定性的作用更加顯著。其中, 平水年在N1 (不施氮)梯度下,-CV值差異較大。其他組合下的CV值的變化基本符合干旱年和濕潤年的變化趨勢。

表5 小麥平均變異系數(shù)及平均可持續(xù)性指數(shù)

-CV和-CV分別代表產(chǎn)量和生物量的變異系數(shù);-SYI和-SYI分別代表產(chǎn)量及生物量的可持續(xù)性指數(shù)。

-CV and-CV represent the coefficient of variation for yield and biomass, respectively.-SYI and-SYI represent the sustainability index of yield and biomass, respectively.

圖5是3種年型下小麥產(chǎn)量的可持續(xù)性指數(shù), 它是測定系統(tǒng)能否持續(xù)的一個可靠參數(shù),SYI值越大, 表示系統(tǒng)的可持續(xù)性越高。干旱年、平水年和濕潤年最大的SYI值所對應(yīng)的水氮組合依次是P5N3、P5N2和P4N2, 即干旱年、平水年和濕潤年的降水分別增加到20%、20%和10%, 施氮量分別為105、52和52 kg hm–2時, 小麥的持續(xù)增產(chǎn)的效率較高。其中, 干旱年降水減少20%, 無論施氮量如何變化,SYI值都接近0, 對小麥無持續(xù)增產(chǎn)效果?？傮w看來, 濕潤年的SYI值介于15%~75%的情況占總體的96%, 分別是干旱年和平水年的1.6倍和2.0倍, 濕潤年的可持續(xù)增產(chǎn)效率顯著高于干旱年和平水年。SYI值相對于施氮變化隨降水的增加變化更為顯著, 表明降水量對試驗(yàn)區(qū)小麥產(chǎn)量的持續(xù)增產(chǎn)效率顯著高于施氮量, 也說明充足的水分有助于小麥對氮肥的吸收和利用, 對小麥的持續(xù)增產(chǎn)有積極作用。

圖4 不同年型小麥產(chǎn)量的變異系數(shù)

圖5 不同年型小麥產(chǎn)量的可持續(xù)性指數(shù)

2.4 小麥產(chǎn)量與水氮組合的關(guān)系

本文采用二元二次多項(xiàng)式回歸分析擬合方法, 分析不同降水梯度下氮肥的用量與小麥產(chǎn)量的關(guān)系。由48年的小麥產(chǎn)量模擬數(shù)據(jù)得到散點(diǎn)圖, 確定擬合多項(xiàng)式的次數(shù)(本文為2次), 通過小麥產(chǎn)量數(shù)據(jù)擬合: 干旱年(13年)、平水年(20年)和濕潤年(15年)小麥平均產(chǎn)量的二元二次回歸方程如下。

干旱年:d= 540.6+32.01+25.35–1.0722+ 0.291–0.1012(2= 0.80) (4)

平水年:n= 610.8+29.49+31.08–1.2232+ 0.390–0.1172(2= 0.85) (5)

濕潤年:w= 575.5+23.3+35.76–1.1522+ 0.395–0.1282(2= 0.89) (6)

方程的2均大于0.80, 說明公式能夠較好地描述產(chǎn)量與降水和施氮之間的關(guān)系。公式中降水量和施氮量的一次項(xiàng)系數(shù)均為正, 說明3種年型下降水和施氮對產(chǎn)量均有正效應(yīng); 降水和施氮的二次項(xiàng)系數(shù)為負(fù)數(shù), 說明在各處理下的水氮范圍內(nèi), 隨降水和施氮量的增大, 產(chǎn)量會降低; 降水和施氮交互項(xiàng)系數(shù)也為正值, 說明水氮之間存在相互促進(jìn)作用。

不同降水年型均有小麥潛在最優(yōu)產(chǎn)量及其對應(yīng)的降水量和施氮量, 由Matlab分析所得數(shù)學(xué)模型結(jié)果見圖6, 干旱年小麥達(dá)潛在最優(yōu)產(chǎn)量時(3492.60 kg hm–2), 降水需增加39.73%, 應(yīng)施氮182.73 kg hm–2; 平水年小麥達(dá)潛在最優(yōu)產(chǎn)量時(4514.50 kg hm–2), 降水需增加45.26%, 應(yīng)施氮208.26 kg hm–2; 濕潤年小麥達(dá)潛在最優(yōu)產(chǎn)量時(4890.30 kg hm–2), 降水需增加46.31%, 應(yīng)施氮211.15 kg hm–2。降水的增加量超出了實(shí)驗(yàn)設(shè)計(jì)的梯度但符合各年型的降水變化幅度, 干旱年、平水年和濕潤年降水變化幅度分別是40.41%、49.74%和51.58%。

圖6 不同年型下產(chǎn)量的三維曲面圖

3 討論

最近的研究指出, 作物生長期間氣象要素差異顯著的數(shù)據(jù)能顯著提高模型調(diào)參結(jié)果的有效性[25]。本文選取2002—2009不同年型的數(shù)據(jù)進(jìn)行調(diào)參和驗(yàn)證, 以使APSIM模型能夠準(zhǔn)確模擬小麥產(chǎn)量、生物量對不同水氮處理的響應(yīng)。調(diào)參和驗(yàn)證結(jié)果表明模型能夠有效模擬小麥的產(chǎn)量和地上部生物量, 且能夠較準(zhǔn)確模擬生物量動態(tài)變化趨勢。但需要注意APSIM與大多數(shù)模型一樣, 不能夠準(zhǔn)確地模擬嚴(yán)重脅迫條件下作物的生長[26]。本文雖設(shè)置了不同降水的處理, 但黃土高原地區(qū)屬于中溫帶半干旱區(qū), 小麥季的雨水較少且存在分布不均的現(xiàn)象, 相同降水年型也會由于小麥生育期內(nèi)降水分布差異存在產(chǎn)量及生物量的差異。模型也會因其水脅迫相較于氮脅迫更加嚴(yán)重, 使對水的模擬結(jié)果低于氮素脅迫。優(yōu)化的水氮管理是基于該地區(qū)長時間序列模擬的結(jié)果能夠反映該地區(qū)水分和養(yǎng)分狀況。

利用一般情況(降水不變, 施氮105 kg hm–2)的模擬數(shù)據(jù)對小麥產(chǎn)量及生物量的變異系數(shù)和可持續(xù)性指數(shù)分析發(fā)現(xiàn), 3種降水年型下, 水氮顯著影響小麥產(chǎn)量和生物量, 且二者的變化趨勢基本一致, 呈正相關(guān)。降水和施氮表現(xiàn)為相互制約和促進(jìn)作用, 適宜的降水施氮量下, 春小麥產(chǎn)量和生物量隨降水和施氮的增加而變大。一定范圍條件下, 水肥在數(shù)量上不足的某因子, 可通過在數(shù)量上加強(qiáng)另一因子得以補(bǔ)充[27]。此外, 對比產(chǎn)量的變異系數(shù)CV值和可持續(xù)性指數(shù)-SYI值發(fā)現(xiàn), 在單一因素調(diào)控下產(chǎn)量總體變異性均呈: 濕潤年<平水年<干旱年, 可持續(xù)性均呈: 濕潤年>平水年>干旱年。

傳統(tǒng)小麥生產(chǎn)中提倡施用足量底肥以提高旱地農(nóng)作物產(chǎn)量, 但在不同降水年型下的旱地春小麥生產(chǎn)中, 由于水肥主要矛盾的轉(zhuǎn)化, 不同年型下情況不同[28]。降水和施氮量兩者之間既相互協(xié)同又相互制約, 降水不足限制氮肥潛在肥效的正常發(fā)揮, 而過量的集中降水則會導(dǎo)致氮肥的淋洗, 同樣導(dǎo)致肥料的浪費(fèi)和春小麥減產(chǎn), 肥料不足或過量也會影響作物對水分的吸收, 從而限制小麥增產(chǎn)。在適當(dāng)?shù)氖┑獥l件下降水增加, 小麥產(chǎn)量呈現(xiàn)遞增趨勢, 在合理的水氮組合下可得出小麥潛在最優(yōu)產(chǎn)量; 當(dāng)水氮組合超過潛在最優(yōu)產(chǎn)量對應(yīng)的最佳降水量和施氮量時, 小麥的產(chǎn)量呈現(xiàn)下降趨勢, 因此可根據(jù)潛在產(chǎn)量對應(yīng)的降水量和施氮量進(jìn)一步實(shí)現(xiàn)雨養(yǎng)農(nóng)業(yè)區(qū)的“以水定肥, 以水定產(chǎn)”。本文根據(jù)產(chǎn)量變化曲面擬合出3種年型下的方程, 得出小麥潛在最優(yōu)產(chǎn)量及其對應(yīng)的降水和施氮。與一般情況(自然常規(guī)降水, 施氮105 kg hm–2)相比, 干旱年、平水年和濕潤年分別增產(chǎn)1963.89、2414.38和2348.82 kg hm–2, 增產(chǎn)幅度為干旱年(128.47%)>平水年(114.96%)>濕潤年(92.42%)。由所得潛在最優(yōu)產(chǎn)量對應(yīng)的降水量可知, 降水的增加量超出了實(shí)驗(yàn)設(shè)計(jì)的梯度但符合各年型的降水變化幅度, 干旱年、平水年和濕潤年降水變化幅度分別是40.41%、49.74%和51.58%。主要是由于甘肅定西地區(qū)降水時空分布不均勻, 作物生長受較嚴(yán)重的水脅迫, 生育期內(nèi)降水差異顯著, 無法引水灌溉, 因此各年型求出的最優(yōu)降水量超過降水設(shè)置梯度也說明了該研究區(qū)缺水的實(shí)際情況, 符合自然降水條件下小麥產(chǎn)量和水氮組合之間的一般規(guī)律。如果存在灌溉條件則小麥的潛在最優(yōu)產(chǎn)量可以實(shí)現(xiàn)。降水分析表明不同水氮處理下干旱年的增產(chǎn)效果最為顯著, 平水年次之; 水氮組合的增產(chǎn)效應(yīng)受年型的影響較大。高降水年型相對于低降水年型增加的那部分降水并沒有相應(yīng)地對小麥產(chǎn)量的形成做出貢獻(xiàn), 可能是由于過多的不均勻降水造成相應(yīng)氮肥的淋洗, 與張冬梅等[29]的研究結(jié)論一致。另外, 由不同年型下各擬合方程耦合系數(shù)可以看出, 水氮耦合對產(chǎn)量的影響在一定范圍內(nèi)有正效應(yīng), 其互作效應(yīng)是模擬產(chǎn)量上升的主要原因, 應(yīng)根據(jù)水分供應(yīng)狀況適當(dāng)調(diào)整小麥的施氮量, 這與前人研究結(jié)論基本一致[30-31]。由于試驗(yàn)區(qū)地理?xiàng)l件及試驗(yàn)設(shè)計(jì)本身的原因, 水氮兩因素的試驗(yàn)中, 降水對產(chǎn)量的影響遠(yuǎn)大于施氮, 水分效應(yīng)掩蓋了施肥效應(yīng), 從而導(dǎo)致施氮對產(chǎn)量影響的效果不明顯。水分對作物產(chǎn)量的影響是多方面因素的綜合的效應(yīng), 一方面, 小麥的增產(chǎn)受到降水年型降水量、生育期內(nèi)降水分布及水分敏感期等的影響[32]; 另一方面表現(xiàn)在不同年型農(nóng)田耗水量年際差異顯著, 在水氮耦合作用下農(nóng)田耗水量對小麥的增產(chǎn)效應(yīng)較明顯, 但由于水氮調(diào)控中水分對農(nóng)田耗水量的影響遠(yuǎn)大于施氮, 致使水分效應(yīng)掩蓋了施氮效應(yīng), 使施氮對農(nóng)田耗水量的效果不明顯。本文使用模型對小麥生育期內(nèi)降水和施氮進(jìn)行整體模擬分析, 水氮處理過程中忽略了田間管理、病蟲害、土壤養(yǎng)分等情況及其差異性的影響, 對作物品種變化、生育期內(nèi)水分敏感期、農(nóng)田耗水量等需要后續(xù)進(jìn)一步探討。

4 結(jié)論

APSIM模型在研究區(qū)具有較好的模型擬合度和適應(yīng)性, 產(chǎn)量和生物量模擬值和實(shí)測值的決定系數(shù)2均大于0.90, 歸一化均方根誤差NRMSE均小于15%, 模型一致性指標(biāo)大于0.95。春小麥產(chǎn)量與生物量呈正相關(guān), 二者變化趨勢基本一致。與一般情況(降水不變、施氮為105 kg hm–2)相比, 單一調(diào)控施氮量和降水量均會不同程度地降低小麥產(chǎn)量的穩(wěn)定性和可持續(xù)性, 相反根據(jù)降水的變化適當(dāng)調(diào)控施氮量時,-CV值越趨于收斂,SYI值越大, 大田生產(chǎn)系統(tǒng)更趨于穩(wěn)定。干旱年可增產(chǎn)1963.89 kg hm–2, 增幅為128.47%; 平水年可增產(chǎn)2414.38 kg hm–2, 增幅為114.96%; 濕潤年可增產(chǎn)2348.82 kg hm–2, 增幅92.42%。本研究為試驗(yàn)區(qū)不同降水年型下緩解小麥干旱和養(yǎng)分脅迫, 節(jié)約化肥資源和農(nóng)業(yè)可持續(xù)性發(fā)展提供了理論依據(jù)。

[1] 趙鳳霞, 溫曉霞, 杜世平, 王全虎, 付增光. 渭北地區(qū)殘茬(秸稈)覆蓋農(nóng)田生態(tài)效應(yīng)及應(yīng)用技術(shù)實(shí)例. 干旱地區(qū)農(nóng)業(yè)研究, 2005, 23(3): 90–95. Zhao F X, Wen X X, Du S P, Wang Q H, Fu Z G. Ecological effects and applied techniques of stubble mulching in the Weibei area., 2005, 23(3): 90–95 (in Chinese with English abstract).

[2] 李正鵬, 馮浩, 宋明丹. 關(guān)中平原冬小麥臨界氮稀釋曲線和氮營養(yǎng)指數(shù)研究. 農(nóng)業(yè)機(jī)械學(xué)報, 2015, 46: 177–183. Li Z P, Feng H, Song M D. Critical nitrogen dilution curve and nitrogen nutrition index of winter wheat in Guanzhong plain., 2015, 46: 177–183 (in Chinese with English abstract).

[3] 趙智勇, 李秀絨, 柴永峰, 畢紅園, 孫來虎, 姚景珍, 席吉龍, 楊帆. 播期、播量和氮肥對強(qiáng)筋小麥‘運(yùn)旱618’產(chǎn)量和品質(zhì)的影響. 中國農(nóng)學(xué)通報, 2016, 32(21): 28–31. Zhao Z Y, Li X R, Chai Y F, Bi H Y, Sun L H, Yao J Z, Xi J L, Yang F. Effects of sowing time, seeding rate and nitrogen fertilizer on strong gluten wheat ‘Yunhan 618’ grain yield and quality., 2016, 32(21): 28–31 (in Chinese with English abstract).

[4] 付秋萍. 黃土高原冬小麥水氮高效利用及優(yōu)化耦合研究. 中國科學(xué)院大學(xué)博士學(xué)位論文. 北京, 2013. Fu Q P. Study of Water and Fertilizer Efficient Utilization and Coupling on Winter Wheat of the Loess Plateau. PhD Dissertation of Chinese Academy of Sciences University, Beijing, China, 2013 (in Chinese with English abstract).

[5] 李正鵬, 宋明丹, 馮浩. 不同降水年型水氮運(yùn)籌對冬小麥耗水和產(chǎn)量的影響. 農(nóng)業(yè)工程學(xué)報, 2018, 34(18): 160–167. Li Z P, Song M D, Feng H. Effects of irrigation and nitrogen application on water consumption and yield of winter wheat in different precipitation years., 2018, 34(18): 160–167 (in Chinese with English abstract).

[6] 劉歡, 陳苗苗, 孫志梅, 劉建濤, 甄文超. 氮肥調(diào)控對小麥/玉米產(chǎn)量、氮素利用及農(nóng)田氮素平衡的影響. 華北農(nóng)學(xué)報, 2016, 31(1): 232–238. Liu H, Chen M M, Sun Z M, Liu J T, Zhen W C. Effects of different nitrogen management practice on crop yield, N utilization and N apparent balance in wheat/maize rotation system., 2016, 31(1): 232–238 (in Chinese with English abstract)

[7] 李玉山. 旱作高產(chǎn)田產(chǎn)量波動性和土壤干燥化. 土壤學(xué)報, 2001, 38: 353–356. Li Y S. Fluctuation of yield on high-yield field and desiccation of the soil on dryland., 2001, 38: 353–356 (in Chinese with English abstract)

[8] 李廣, 黃高寶. 基于APSIM模型的降水量分配對旱地小麥和豌豆產(chǎn)量影響的研究. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2010, 18: 342–347.Li G, Huang G B. Determination of the effect of precipitation distribution on yield of wheat and pea in dryland using APSIM., 2010, 18: 342–347 (in Chinese with English abstract).

[9] Guo C L, Zhang L, Zhou X, Zhu Y, Cao W X, Qiu X L, Cheng T, Tian Y C. Integrating remote sensing information with crop model to monitor wheat growth and yield based on simulation zone partitioning.2018, 19: 55–78.

[10] Zhang Y, Feng L P, Wang E L, Wang J, Li B G. Evaluation of the APSIM-Wheat model in terms of different cultivars, management regimes and environmental conditions.2012, 92: 937–949.

[11] 鄭成巖, 于振文, 張永麗, 王東, 許振柱. 不同施氮水平下灌水量對小麥水分利用特征和產(chǎn)量的影響. 應(yīng)用生態(tài)學(xué)報, 2011, 21: 2799–2805. Zheng C Y, Yu Z W, Zhang Y L, Wang D, Xu Z Z. Effects of irrigation amount on water use characteristics and grain yield of wheat under different nitrogen application rates., 2011, 21: 2799–2805 (in Chinese with English abstract).

[12] French R J, Schultz J E. Water use efficiency of wheat in a mediterranean-type environment: II. Some limitations to efficiency., 1984, 35:765–775.

[13] 宋明丹, 李正鵬, 馮浩. 不同水氮水平冬小麥干物質(zhì)積累特征及產(chǎn)量效應(yīng). 農(nóng)業(yè)工程學(xué)報, 2016, 32(2): 119–126. Song M D, Li Z P, Feng H. Effects of irrigation and nitrogen regimes on dry matter dynamic accumulation and yield of winter wheat., 2016, 32(2): 119–126 (in Chinese with English abstract).

[14] 高亞軍, 鄭險峰, 李世清, 田霄鴻, 王朝輝, 李生秀, 杜建軍. 農(nóng)田秸稈覆蓋條件下冬小麥增產(chǎn)的水氮條件. 農(nóng)業(yè)工程學(xué)報, 2008, 24(1): 55–59. Gao Y J, Zheng X F, Li S Q, Tian X H, Wang C H, Li S X, Du J J. Requirements of water and nitrogenous fertilizer to increase winter wheat yield under straw mulch.2008, 24(1): 55–59 (in Chinese with English abstract).

[15] 邢會敏, 徐新剛, 馮海寬, 李振海, 楊福芹, 楊貴軍, 賀鵬, 陳召霞. 基于AquaCrop模型的北京地區(qū)冬小麥水分利用效率. 中國農(nóng)業(yè)科學(xué), 2016, 49: 4507–4519. Xing H M, Xu X G, Feng H K, Li Z H, Yang F Q, Yang G J, He P, Chen Z X. Water use efficiency of winter wheat based on AquaCrop model in Beijing., 2016, 49: 4507–4519 (in Chinese with English abstract).

[16] 李廣, 黃高寶, William B, 陳文. APSIM模型在黃土丘陵溝壑區(qū)不同耕作措施中的適用性. 生態(tài)學(xué)報, 2009, 29: 2655–2663. Li G, Huang G B, William B, Chen W. Adaptation research of APSIM model under different tillage systems in the Loess hill-gullied region., 2009, 29: 2655–2663 (in Chinese with English abstract).

[17] 李曉州, 郝明德, 趙晶, 王哲, 付威, 劉增照. 不同降水年型下長期施肥的小麥產(chǎn)量效應(yīng). 應(yīng)用生態(tài)學(xué)報, 2018, 29: 3237–3244. Li X Z, Hao M D, Zhao J, Wang Z, Fu W, Liu Z Z. Effect of long-term fertilization on wheat yield under different precipitation patterns.,2018, 29: 3237–3244 (in Chinese with English abstract).

[18] Gaydon D S, Singh B, Wang E, Poulton P L. Evaluation of the APSIM model in cropping systems of Asia., 2017, 204: 52–75.

[19] Anuytrecht E, Thorburn P J. Responses to atmospheric CO2concentrations in crop simulation models: a review of current simple and semicomplex representations and options for model development., 2017, 23: 1806–1820.

[20] Hammer G, Oosterom E V, Mclean G, Chapman S C, Broad I, Harland P, Muchow R C. Adapting APSIM to model the physiology and genetics of complex adaptive traits in field crops., 2010, 61: 2185–2202.

[21] Chimonyo V G P, Modi A T, Mabhaudhi T. Simulating yield and water use of a sorghum-cowpea intercrop using APSIM., 2016, 177: 317–328.

[22] IPCC. Climate change 2013: The Physical Science Basis. In: Stocker T F, Qin D, Plattner G K, eds. Contribution of Working Group I to the Fifth Assessment Report of the Intergo-vernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 2013.

[23] 閆麗娟, 羅永忠, 李廣, 王琦, 羅珠珠, 高珍妮, 李玥, 燕振剛, 劉強(qiáng), 聶志剛. 黃土丘陵區(qū)不同耕作措施下春小麥和豌豆輪作水肥協(xié)同效應(yīng). 草業(yè)學(xué)報, 2015, 24: 39–47.Yan L J, Luo Y Z, Li G, Wang Q, Luo Z Z, Gao Z N, Li Y, Yan Z G, Liu Q, Nie Z G. The synergy effects of water and fertilizer supply on a rational system of spring wheat and peas under different tillage practices in a loess hilly region., 2015, 24: 39–47 (in Chinese with English abstract).

[24] 任新莊. 旱地春小麥產(chǎn)量形成對氣候變化響應(yīng)的模擬分析. 甘肅農(nóng)業(yè)大學(xué)碩士學(xué)位論文. 甘肅蘭州, 2017. Ren X Z. The Simulation Analysis of Spring Wheat Yield Forming to Response of Climate Change. MS Thesis of Gansu agricultural university, Lanzhou, Gansu, China, 2017 (in Chinese with English abstract)

[25] 劉建超, 何建強(qiáng), 武文杰, 李正鵬, 馬海嬌, 馮浩. 水氮管理影響冬小麥品質(zhì)的CERES-Wheat模型模擬. 農(nóng)業(yè)機(jī)械學(xué)報, 2018, 49: 271–278. Liu J C, He J Q, Wu W J, Li Z P, Ma H J, Feng H. Effect of irrigation and nitrogen fertilizer managements on winter wheat quality based on CERES-Wheat model.,2018, 49: 271–278 (in Chinese with English abstract).

[26] Hammer G, Oosterom V E, Mclean G. Adapting APSIM to model the physiology and genetics of complex adaptive traits in field crops., 2010, 61: 2185–2202.

[27] Zhao X, Zhou Y, Min J, Wang S Q, Shi W M, Xing G X. Nitrogen run off dominates water nitrogen pollution from rice-wheat rotation in the Taihu Lake region of China., 2012, 156: 1–11.

[28] 周英霞, 王全九, 張繼紅, 譚帥, 何斌. 基于AquaCrop模型的氣候變化對陜西省冬小麥產(chǎn)量影響模擬分析. 水土保持研究, 2018, 25: 357–364. Zhou Y X, Wang Q J, Zhang J H, Tan S, He B. Simulation analysis of the impact of climate change on the yield of winter wheat in Shaanxi province based on the AquaCrop model., 2018, 25: 357–364 (in Chinese with English abstract).

[29] 張冬梅, 池寶亮, 張偉, 李海金, 黃學(xué)芳, 劉恩科, 樊修武. 不同降水年型施肥量對旱地玉米生長及水分利用效率的影響. 西北農(nóng)業(yè)學(xué)報, 2012, 21: 84–90. Zhang D M, Chi B L, Zhang W, Li H J, Huang X F, Liu E K, Fan X W. Influence of fertilizer application levels on yield and WUE of dryland maize in different precipitation years., 2012, 21: 84–90 (in Chinese with English abstract).

[30] 黃明霞, 王靖, 唐建昭, 房全孝, 張建平, 白慧卿, 王娜, 李揚(yáng), 吳冰潔, 鄭雋卿, 潘學(xué)標(biāo). 基于APSIM模型分析播期和水氮耦合對油葵產(chǎn)量的影響. 農(nóng)業(yè)工程學(xué)報, 2018, 34: 134–143. Huang M X, Wang J, Tang J Z, Fang Q X, Zhang J P, Bai H Q, Wang N, Li Y, Wu B J, Zheng J Q, Pan X B. Analysis of interaction of sowing date, irrigation and nitrogen application on yield of oil sunflower based on APSIM model.2018, 34: 134–143 (in Chinese with English abstract)

[31] Shen Y F, Li S Q, Shao M A. Effects of spatial coupling of water and fertilizer applications on root growth characteristics and water use of winter wheat., 2013, 36: 515–528.

[32] 王海江, 崔靜, 侯振安, 謝海霞, 龔江, 呂新. 膜下滴灌棉花水氮耦合對其干物質(zhì)和水分利用效率的影響. 西北農(nóng)業(yè)學(xué)報, 2010, 19: 76–80. Wang H J, Cui J, Hou Z A, Xie H X, Gong J, Lyu X. Impact of coupling of water and nitrogen on dry matter and water use efficiency of cotton under plastic mulching by drip irrigation.,2010, 19: 76–80 (in Chinese with English abstract).

Regulation effects of water and nitrogen on wheat yield and biomass in different precipitation years

RU Xiao-Ya1, LI Guang2,*, CHEN Guo-Peng2, ZHANG Tong-Shuai2, and YAN Li-Juan3,*

1College of Information Science and Technology, Gansu Agricultural University, Lanzhou 730070, Gansu, China;2College of Forestry, Gansu Agricultural University, Lanzhou 730070, Gansu, China;3College of Agronomy, Gansu Agricultural University, Lanzhou 730070, Gansu, China

Water and nitrogen are the main factors affecting grain production in the rain-fed agriculture area of the Loess Plateau in Northwest China, but their yield-increasing effects will be affected by the type of precipitation. In this paper, the APSIM model was used to conduct water-nitrogen coupling test based on the meteorological data of the experimental area from 1971 to 2018. The effects of different precipitation years on the variation coefficient and sustainability index of wheat yield and biomass were analyzed. In addition, the relationship between annual yield and nitrogen application rate and precipitation was also discussed. According to the model the wheat yield and biomass determination coefficient2was above 0.90, theindex was above 0.95, and the normalized root mean square error (NRMSE) was below 15%, indicating that the model has good model fitting and adaptability in the study area. Based on natural conventional rainfall in each year, we explored the optimized combination of water and nitrogen for the three types of annual yields using the binary quadratic regression equation. When the potential yield of wheat in drought year reached 3492.6 kg hm–2, the precipitation increased by 39.73% and the nitrogen consumption was 182.73 kg hm–2; when the potential yield of wheat in flat water year reached 4514.5 kg hm–2, the precipitation increased by 45.26%, the nitrogen consumption was 208.26 kg hm–2; and when the potential yield in wet year reached 4890.3 kg hm–2, the precipitation increased by 46.31%, the amount of nitrogen was 211.15 kg hm–2. Among them, precipitation increased on the basis of the total annual precipitation in that year. The research results can provide a theoretical basis for alleviating wheat drought and nutrient stresses in different precipitation years in the study area, saving fertilizer resources and keeping sustainable development of agriculture.

precipitation year pattern; APSIM model; biomass; yield

本研究由國家自然科學(xué)基金項(xiàng)目(31560378, 31560343, 31660348), 甘肅省重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(18YF1NA070)和甘肅省高等學(xué)校協(xié)同創(chuàng)新團(tuán)隊(duì)項(xiàng)目(2018C-16)資助。

The work was supported by the National Natural Science Foundation of China (31560378, 31560343, 31660348), the Gansu Provincial Key Research and Development Program (18YF1NA070), and the Gansu Provincial Higher Education Collaborative Innovation Team Project (2018C-16).

李廣, E-mail: lig@gsau.edu.cn; 閆麗娟, E-mail: yanlj@gsau.edu.cn

E-mail: 1553415196@qq.com

2019-01-23;

2019-06-24;

2019-07-15.

URL:http://kns.cnki.net/kcms/detail/11.1809.s.20190711.1338.002.html

10.3724/SP.J.1006.2019.91008