弓開元，何亮，鄔定榮，呂昌河，李俊，周文彬，杜軍，于強，7

（1 西北農(nóng)林科技大學(xué)資源環(huán)境學(xué)院，陜西楊凌 712100；2 國家氣象中心，北京 100081；3 中國氣象科學(xué)研究院，北京 100081；4 中國科學(xué)院地理科學(xué)與資源研究所，北京 100101； 5 中國農(nóng)業(yè)科學(xué)院作物科學(xué)研究所，北京 100081；6 中國氣象局成都高原氣象研究所，成都 610071； 7 西北農(nóng)林科技大學(xué)黃土高原土壤侵蝕與旱地農(nóng)業(yè)國家重點實驗室，陜西楊凌 712100）

0 引言

【研究意義】氣候變化對全球糧食安全產(chǎn)生了深遠的影響[1]。氣候變化主要體現(xiàn)在降水、溫度、太陽輻射等氣候因子的變化，對作物的生長發(fā)育過程產(chǎn)生影響，最終影響作物產(chǎn)量。對不同作物和不同區(qū)域，其影響程度差異較大[2]。因此，明確氣候變化對特定地區(qū)和特定作物的影響，認識區(qū)域作物生產(chǎn)潛力，對于應(yīng)對未來氣候變化、制定適應(yīng)性措施具有重要意義。青藏高原是世界上地勢最高的地區(qū)，具有獨特而復(fù)雜的高原氣候，是氣候變化的敏感區(qū)和啟動帶，也是全球氣候變化的驅(qū)動器和放大器[3-4]。在作物生長方面，相比于其他種植區(qū)，青藏高原由于海拔原因具有最高的太陽輻射、較低的溫度和最低的CO2分壓。因此，作物的生長發(fā)育特別是光合作用對氣候變化的響應(yīng)及敏感性與低海拔的平原地區(qū)有較大差異[5]。近30 年來，青藏高原氣候變化顯著，總體表現(xiàn)為氣溫上升，降水增加，整體為由干向濕變化[6-7]。青稞作為青藏高原第一大糧食作物，在2002—2004 年，其播種面積和總產(chǎn)量分別占糧食總產(chǎn)的43%和38%[8]。因此，研究青藏高原青稞的生產(chǎn)潛力、產(chǎn)量差及其對氣候變化的響應(yīng)，對促進青藏高原農(nóng)業(yè)發(fā)展和糧食安全具有十分重要的科學(xué)價值和實際意義?！厩叭搜芯窟M展】在20 世紀70、80 年代，有關(guān)作物生產(chǎn)潛力的研究開始進入快速發(fā)展期，DE DATTA[9]首次提出產(chǎn)量差概念。2009 年LOBELL 進一步完善產(chǎn)量差概念，并把產(chǎn)量差定義為特定時空下潛在產(chǎn)量與農(nóng)戶實際產(chǎn)量的差值[10]，楊曉光等[11]2014年總結(jié)了產(chǎn)量差的定義，并根據(jù)潛在產(chǎn)量、可獲得產(chǎn)量、農(nóng)戶潛在產(chǎn)量和農(nóng)戶實際產(chǎn)量4 個產(chǎn)量水平將產(chǎn)量差分為3 個層次。不同產(chǎn)量水平中，潛在產(chǎn)量被認為是作物在不受水分和養(yǎng)分限制、病蟲害良好控制條件下獲得的產(chǎn)量，主要取決于太陽輻射和溫度[12]。潛在產(chǎn)量的計算方法較多，1978 年由DE WIT 提出了一套作物生產(chǎn)潛力的計算模型[13]，被稱之為“FAO 生產(chǎn)力計算模型”，得到廣泛使用。如BATTISTI 等[14]用該模型計算巴西大豆的潛在產(chǎn)量和產(chǎn)量差。20 世紀80 年代，通過計算機技術(shù)開發(fā)的各種作物模型（EPIC、APSIM、CERES 等）也得到廣泛應(yīng)用，并成為現(xiàn)今研究生產(chǎn)潛力和產(chǎn)量差的主要方法。如WU等[15]借助WOFOST 模型計算華北平原夏玉米的潛在產(chǎn)量，ESPE 等[16]借助ORYZA 模型得出了美國水稻的潛在產(chǎn)量和產(chǎn)量差；也有學(xué)者通過模型對華北平原冬小麥和東北春玉米等作物在區(qū)域上的潛在產(chǎn)量和產(chǎn)量差進行研究[17-18]。國內(nèi)生產(chǎn)潛力的研究主要集中在東北、黃淮海和南方等主要糧食生產(chǎn)區(qū)，雖然有研究表明，青藏高原氣候變化對糧食生產(chǎn)產(chǎn)生了巨大影響[3]，如青藏高原氣候變暖，導(dǎo)致雅魯藏布江和印度河流域農(nóng)業(yè)灌溉用水減少，糧食安全受到威脅[19]。但對青藏高原本身特別是青稞潛在產(chǎn)量和產(chǎn)量差的研究還鮮見報道。有學(xué)者通過經(jīng)驗公式的方法，在站點尺度上結(jié)合氣象數(shù)據(jù)對過去40 年西藏自治區(qū)和過去10 年青海省的青稞光溫生產(chǎn)潛力進行計算，得出西藏自治區(qū)青稞光溫生產(chǎn)潛力呈上升趨勢的結(jié)論[20-21]；此外，還有學(xué)者探究青藏高原過去50 年的氣候變化對氣候生產(chǎn)潛力的影響情況[22]，發(fā)現(xiàn)在氣候生產(chǎn)潛力升高的基礎(chǔ)上中部地區(qū)增加更為明顯?！颈狙芯壳腥朦c】現(xiàn)有的青藏高原生產(chǎn)潛力研究多采用氣候因素為主的經(jīng)驗公式法，而該方法對作物生長因素考慮欠缺，且精確度和準確度低，普適性較差[23]。此外，青藏高原地理位置特殊、分布廣、海拔差異大，直接以青藏高原或行政區(qū)域內(nèi)的生產(chǎn)潛力計算易造成較大誤差。目前，有關(guān)青藏高原青稞產(chǎn)量差仍沒有系統(tǒng)研究。本研究借助DSSAT-CERES- barley 模型，對青藏高原主要耕作區(qū)域站點的光溫生產(chǎn)潛力及生育期長度進行模擬。DSSAT 模型（decision support system for agrotechnology transfer）是目前應(yīng)用最廣泛的模型之一，其中的DSSAT-CERES-barley 模型[24]可模擬不同水供應(yīng)環(huán)境下大麥的生長發(fā)育情況?！緮M解決的關(guān)鍵問題】通過分析青藏高原1977—2017 年間氣候因子變化，利用農(nóng)業(yè)氣象觀測資料校正和檢驗?zāi)Ｐ?，然后模擬青稞光溫生產(chǎn)潛力以及生育期長度的變化趨勢和幅度，準確量化不同研究站點青稞產(chǎn)量對氣候變化的敏感性。同時結(jié)合統(tǒng)計產(chǎn)量進行產(chǎn)量差計算分析，以揭示青藏高原過去40 年青稞產(chǎn)量差的時空分布特征及其受氣候變化的影響，量化不同產(chǎn)量水平的差距，明確產(chǎn)量提升空間。

1 材料與方法

1.1 研究區(qū)域和數(shù)據(jù)源

1.1.1 研究站點 青藏高原人口和耕地分布相對集中。選擇青稞種植最為廣泛的2 個區(qū)域進行研究。第一個區(qū)域為西藏自治區(qū)雅魯藏布江河谷地區(qū)[25]；第二個區(qū)域為青海省東部環(huán)湖、海南州地區(qū)和甘肅省西南部甘南藏區(qū)[26]。根據(jù)2015 年中國土地利用現(xiàn)狀遙感監(jiān)測數(shù)據(jù)，計算得出研究區(qū)域內(nèi)耕地面積占青藏高原總耕地面積的55.13%，數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（http://www.resdc.cn）[27]，并選擇這2 個區(qū)域中具有青稞農(nóng)氣觀測資料的7 個氣象站點作為研究站點。這7 個站點的地理位置和氣象條件分別見表1。

表1 研究站點基本信息表Table 1 Basic information of research stations

1.1.2 數(shù)據(jù)源 氣象數(shù)據(jù)來源于國家氣象信息中心的中國地面氣候資料日值數(shù)據(jù)集，主要包括最高溫度、最低氣溫、平均氣溫、日照時數(shù)和降水量等；土壤數(shù)據(jù)為1 km 分辨率的面向陸面過程模型的中國土壤水利參數(shù)數(shù)據(jù)集[28]；1987—2017 年的青稞統(tǒng)計產(chǎn)量數(shù)據(jù)來源于統(tǒng)計年鑒[29-30]；7 個研究站點的青稞農(nóng)業(yè)氣象觀測數(shù)據(jù)來源于國家氣象信息中心的農(nóng)作物生育狀況觀測記錄年報表，表2 所示分為校準集和驗證集，分別進行品種參數(shù)的校準和驗證；農(nóng)田管理數(shù)據(jù)來源于實地考察及文獻資料[31-33]。

表2 研究站點品種參數(shù)及DSSAT-CERES-barley 模型校準和驗證數(shù)據(jù)集Table 2 Description of values for variety parameters in research stations and dataset of calibration and validation for the DSSAT-CERES-barley model

1.2 模型模擬和驗證

1.2.1 模型模擬 選用表2的7個研究站點的農(nóng)業(yè)氣象觀測數(shù)據(jù)對青稞參數(shù)分別進行調(diào)參校準。在模型中分別輸入7 個站點對應(yīng)年份的土壤數(shù)據(jù)、氣象數(shù)據(jù)和農(nóng)田管理措施數(shù)據(jù)，管理措施未考慮施肥（氮不受限制），其中站點播種期、出苗期、開花期、成熟期、產(chǎn)量參考農(nóng)業(yè)氣象觀測數(shù)據(jù)，水分管理措施（灌溉時期、灌溉量和灌溉方式）根據(jù)文獻資料及當?shù)貙嶋H情況[31-33]。完成參數(shù)校準后，輸入每個站點的品種參數(shù)。山南站只有1997 年農(nóng)業(yè)氣象觀測數(shù)據(jù)，由圖2、表1可知與拉薩站青稞生長季氣候無顯著差異且地理位置接近，因此使用拉薩站品種參數(shù)進行模擬，根據(jù)農(nóng)業(yè)氣象數(shù)據(jù)計算每個站點的平均播期（表1），假設(shè)播期和品種不變的條件下，在模型中輸入土壤數(shù)據(jù)和1977—2017 年的氣象數(shù)據(jù)，模擬1977—2017 年站點光溫生產(chǎn)潛力及生育期長度。

1.2.2 模型評估 為了驗證模型的準確性，選用平均絕對預(yù)測誤差（MAE）、均方根誤差（RMSE）、歸一化均方根誤差（NRMSE）、絕對系數(shù)（R2）4 種指標，計算方法如下：

式中，Obsi為實際觀測數(shù)據(jù)，Simi為模擬數(shù)，為實際觀測數(shù)據(jù)的平均值，為模擬數(shù)據(jù)平均值，n為數(shù)值個數(shù)。

1.3 數(shù)據(jù)分析

1.3.1 變化趨勢分析 由氣象站農(nóng)氣資料可知青藏高原青稞生長季為3—8 月，其平均氣溫、最高氣溫、最低氣溫、降水量和日照時長計算方法通過逐日數(shù)據(jù)進行平均或求和。青稞生長季≥0℃有效積溫通過逐日平均氣溫數(shù)據(jù)進行求和。青稞生長季的太陽輻射量通過日照時長計算得到，計算方法通過 ?ngstr?m- Prescott 公式計算[34]：

式中，Rs為太陽輻射量，n為實際日照持續(xù)時間，N為最大可能的日照時數(shù)，Ra為天頂太陽輻射，由地理緯度等計算而得，as和bs為參數(shù)，參考FAO-56，本研究中as=0.25，bs=0.50。

研究使用Mann- Kendall 非參數(shù)秩次相關(guān)檢驗 法[35-36]和 Sen’s 坡度估計法[37-38]對過去40 年時間尺度下的降水、溫度和太陽輻射等氣象因子趨勢進行分析和檢驗，上述2 種方法常結(jié)合使用以揭示時間序列變量變化的幅度和趨勢[39-40]。同時對站點光溫生產(chǎn)潛力和光溫生產(chǎn)潛力下青稞生育期長度模擬進行變化趨勢分析。由于Mann- Kendall 非參數(shù)秩次相關(guān)檢驗法（M-K 檢驗）的變量可不完全服從正態(tài)分布，因此被廣泛應(yīng)用于水分和氣象學(xué)的趨勢分析。本研究基于M-K 和Sen’s 的計算公式[41]，通過R 編制計算程序來分析變化趨勢及幅度。

1.3.2 相關(guān)性和敏感性分析 本研究使用一階逐差法，該方法能最大程度減少非氣象因素對生育期和光溫生產(chǎn)潛力的影響[42]，公式為：

式中，ΔXi表示在第i年的X的第一個差異，Xi表示在第t年的時間序列X的值，并且Xi-1是第i-1 年的值。此外，逐步回歸使用R“base”包，相關(guān)系數(shù)計算使用R“Hmisc”包。

1.3.3 產(chǎn)量差計算 本研究對絕對產(chǎn)量差和相對產(chǎn)量差進行了計算，相對產(chǎn)量差的計算方法如下：

式中，PY為光溫生產(chǎn)潛力，Y為實際產(chǎn)量，GPYY為光溫生產(chǎn)潛力與實際產(chǎn)量之間的產(chǎn)量差。

2 結(jié)果

2.1 站點氣候變化情況

如圖1 所示，不同研究站點之間氣候差異顯著。其中，雅魯藏布江河谷地區(qū)山南、日喀則和拉薩3 個站點平均海拔在3 500 m 以上，空氣稀薄，多為晴天，氣溫和日照時長都顯著高于其他站點，生長季內(nèi)輻射量可達3 500—4 000 MJ·m-2。林芝站相比于這3個站點海拔略低，在3 000 m 左右，但緯度基本相同，因此平均溫度和最高、最低氣溫均顯著高于青海東部和甘肅南部地區(qū)站點。由于林芝站生長季內(nèi)降水量顯著高于其他站點，致使生長季內(nèi)的輻射量最低。而海拔較低的青藏高原東北部的甘南州、門源和貴南之間輻射、積溫和降水量都有顯著性差異（圖1），造成了不同站點之間光溫生產(chǎn)潛力和生育期長度的不同。

青藏高原7個站點在1977—2017年的氣候傾向率表明（表3），青稞生長季的平均氣溫、最高氣溫、最低氣溫和≥0°C 有效積溫顯著上升，生長季內(nèi)平均氣溫的上升幅度為0.26—0.59 ℃·(10a)-1，最高氣溫的上升幅度為0.28—0.56 ℃·(10a)-1，生長季平均最低氣溫的變化幅度最大，尤其是門源和拉薩站的上升幅度超過0.70 ℃·(10a)-1。同時，氣候變暖的趨勢也導(dǎo)致青稞生長季內(nèi)有效積溫顯著上升，上升幅度達到42.52—90.64 ℃·d·(10a)-1。雖然青稞為喜涼作物，≥0℃有效積溫1 200—1 500 ℃·d 就可滿足其正常發(fā)育，但氣候變化導(dǎo)致的青藏高原青稞生長季變暖也必然會對青稞生產(chǎn)造成影響。其他氣象因子中，生長季內(nèi)降水量基本呈上升趨勢，貴南和拉薩站達到顯著性水平，上升幅度為29.18 mm·(10a)-1和31.42 mm·(10a)-1。生長季內(nèi)太陽輻射量基本呈下降趨勢，其中林芝站達到顯著水平，下降幅度為72.91 MJ·m-2·(10a)-1。從變化趨勢看，青藏高原地區(qū)青稞生長季內(nèi)氣象總體呈增溫增濕趨勢，增溫更加明顯。

表3 1977—2017 年青藏高原站點生長季內(nèi)氣候變化傾向率Table 3 Trend of climatic factors during the growing season of highland barley on Tibetan Plateau from 1977 to 2017

圖1 青藏高原研究站點1977-2017 年青稞生長季內(nèi)的氣候分布Fig. 1 Climatic conditions of highland barley growing season from 1977 to 2017 at research stations on Tibetan Plateau

2.2 模型驗證

利用模型的自動（DSSAT 中的GLUE 方法）和手動調(diào)參相結(jié)合的方法，每個站點用農(nóng)氣資料的校準集對這7 個站點青稞參數(shù)進行校準，并與站點驗證集的實際觀測結(jié)果對比。模型模擬與站點觀測結(jié)果的對比情況如圖2 所示，模擬的開花期、成熟期和生育期長度與實際觀測相比，R2為0.84、0.80 和0.66，NRMSE為4.58%、3.05%和3.76%。產(chǎn)量模擬R2達到0.60。由此可知，DSSAT-CERES-barley 可對青藏高原青稞進行模擬。

圖2 DSSAT-CERES-barley 模擬生育期長度，開花期，成熟期，產(chǎn)量與實測驗證集比較Fig. 2 Comparison of simulated growing period, flowering, maturity, and grain yield by DSSAT-CERES-barley and observed data

2.3 光溫生產(chǎn)潛力和生育期長度分布及變化趨勢

各站點在無水氮脅迫條件下1977—2017 年青稞的生育期長度變化情況如圖3 所示。由地理分布可知，海拔越高地區(qū)青稞生育期長度越短，所有站點在表1播種期固定的情況下，過去40 年的生育期長度均顯著縮短（P＜0.01），下降幅度為0.257—0.843 d·a-1，其中，門源站生育期長度縮短幅度最大，可達0.8431 d·a-1。這說明在播期不變的條件下，過去40 年氣候變化導(dǎo)致所有站點的青稞生育期長度顯著縮短，但不同海拔之 間下降幅度無顯著差異。

由圖4 可知，青藏高原1977—2017 年不同站點之間光溫生產(chǎn)潛力差異較大。山南站平均光溫生產(chǎn)潛力最高，達到11 338.98 kg·hm-2，門源站光溫生產(chǎn)潛力最低，只有5 662.44 kg·hm-2，山南站平均光溫生產(chǎn)潛力為門源站的2 倍，主要是由于山南站生長季有效積溫和太陽輻射量分別高出門源站點11.5%和64.6%。此外，甘南州站平均光溫生產(chǎn)潛力為5 875.43 kg·hm-2、貴南站為6 027.44 kg·hm-2、林芝站為5 898.78 kg·hm-2、日喀則站為10 425.59 kg·hm-2，拉薩站為7 266.17 kg·hm-2，分別是山南站光溫生產(chǎn)潛力的51.8%、53.2%、52.0%、91.9%和 64.1%?？傮w趨勢表明青藏高原高海拔站點，青稞生長季內(nèi)溫度和輻射量越高，光溫生產(chǎn)潛力越強。

圖3 青藏高原1977—2017 年青稞生育期長度變化趨勢Fig. 3 Trends of growth period of highland barley in Tibetan Plateau from 1977 to 2017

圖4 青藏高原1977—2017 年青稞光溫生產(chǎn)潛力變化趨勢Fig. 4 Trends of photo-temperature potential productivity of highland in Tibetan Plateau from 1977 to 2017

由趨勢分析可知，甘南州和門源站的光溫生產(chǎn)潛力在1977—2017 年間顯著升高，幅度為22.96 kg·hm-2·a-1和22.4 kg·hm-2·a-1。而林芝站光溫生產(chǎn)潛力顯著下降，幅度為10.25 kg·hm-2·a-1。海拔在3 500 m 左右的站點光溫生產(chǎn)潛力較為穩(wěn)定，低海拔站點由于氣候變化導(dǎo)致光溫生產(chǎn)潛力波動（圖4）。

2.4 氣候變化對生育期長度的影響

由圖5 可知，青稞生育期長度與溫度相關(guān)的氣象因子均呈負相關(guān)，隨青藏高原氣候變暖，所有站點生育期長度顯著縮短。但不同海拔站點之間受氣候變化影響程度不同，溫度較低的低海拔地區(qū)平均溫度和有效積溫變化與生育期長度變化呈負相關(guān)，且相關(guān)系數(shù)最大。高海拔地區(qū)站點平均最高溫度變化與生育期長度呈負相關(guān)且相關(guān)系數(shù)最大，這主要是由于這些站點積溫充足，但平均最高溫度的上升仍會導(dǎo)致生育期長度縮短。由此可知，均溫較低的甘南州、門源和貴南站，其生育期縮短主要是由于生長季內(nèi)平均溫度和有效積溫升高引起，而在平均溫度較高的雅魯藏布江河谷地區(qū)站點主要由于平均最高溫度升高導(dǎo)致生育期長度縮短。

圖5 氣候變化與光溫生產(chǎn)潛力和生育期長度變化（P＜0.05）的相關(guān)系數(shù)Fig. 5 Correlation coefficient (P＜0.05) between climate change and photo-temperature potential productivity and growth period change

2.5 氣候變化對光溫生產(chǎn)潛力的影響

為避免過去幾十年產(chǎn)量、物候期和氣候因子本身的變化趨勢對相關(guān)性產(chǎn)生干擾，選擇光溫生產(chǎn)潛力和氣候因子的變化進行相關(guān)性和回歸分析。由于逐步回歸過程中平均氣溫與其他變量之前存在嚴重的多重共線性。因此，選擇除生長季內(nèi)平均溫度之外的氣象因子，對光溫生產(chǎn)潛力和生育期長度進行逐步回歸分析。由圖5 可知，對于海拔較低的貴南、門源和甘南州站點，光溫生產(chǎn)潛力與生育期長度呈負相關(guān)，與溫度相關(guān)因子成正相關(guān)，這表明低海拔站點青稞生育期內(nèi)溫度未能充分滿足青稞的生長發(fā)育，雖然氣候變暖導(dǎo)致生育期長度縮短，但對光溫生產(chǎn)潛力的提升作用更大。而高海拔站點光溫生產(chǎn)潛力變化與生育期長度變化無相關(guān)性，且與氣候變化的顯著相關(guān)系數(shù)較小，說明高海拔站點光溫生產(chǎn)潛力穩(wěn)定，生育期內(nèi)光溫條件可滿足青稞生長需要。

由表4 可知，生長季內(nèi)太陽輻射對光溫生產(chǎn)潛力均有顯著敏感性，但不同站點的敏感程度不同，每升高1 MJ·m-2，光溫生產(chǎn)潛力升高1.60—3.95 kg·hm-2，且海拔越高，太陽輻射強度越大的地區(qū)，太陽輻射對光溫生產(chǎn)潛力的敏感性更高。

2.6 實際產(chǎn)量與產(chǎn)量差

根據(jù)過去30 年青稞實際統(tǒng)計產(chǎn)量資料，分析了1987—2017 年青藏高原青稞產(chǎn)量差的時空分布。由圖6 可知，不同站點之間絕對產(chǎn)量差差別較大，因此通過研究相對產(chǎn)量差的變化趨勢可以更好反映不同站點之間的差別。除林芝站點外，過去30 年里光溫生產(chǎn)潛力與實際產(chǎn)量之間相對產(chǎn)量差均有所減少，表明實際產(chǎn)量增加是導(dǎo)致產(chǎn)量差縮小的主要原因。青藏高原青稞在1987—1996 年光溫生產(chǎn)潛力與實際產(chǎn)量之間的相對產(chǎn)量差在45.3%—65.6%，站點均值為58.2%；1997—2006 年的相對產(chǎn)量差在25.7%—56.4%，站點均值為41.9%；2007—2017 年相對產(chǎn)量差在15.6%—47.4%，站點均值為34.5%。海拔較高的日喀則站點相對產(chǎn)量差變化幅度最大，2007—2017 年相對產(chǎn)量差只有15.6%，減少41.7%。只有林芝站2007—2017 年相對產(chǎn)量差有所增加，因為光溫生產(chǎn)潛力和統(tǒng)計產(chǎn)量相比1997—2006 年均有所減少，原因是日照時數(shù)和太陽輻射的顯著減少所致，從而造成相對產(chǎn)量差降低4.0%。

表4 不同站點的青稞光溫生產(chǎn)潛力變化與氣候因子的逐步回歸方程Table 4 Stepwise regression equation between photo-temperature potential productivity change of highland barley and climatic factors in difference stations

圖6 青藏高原1987-2017 年青稞潛在產(chǎn)量與實際產(chǎn)量對比圖Fig. 6 Comparison of photo-temperature potential productivity and statistical yield of highland barley in Tibetan Plateau from 1987 to 2017

3 討論

青藏高原過去40 年所有站點青稞生長季內(nèi)最高、最低和平均氣溫均顯著上升，最低氣溫的升高幅度大于平均和最高氣溫。大部分站點生長季內(nèi)降水量上升，生長季內(nèi)太陽輻射量下降，這與青藏高原整體氣候變化趨勢相吻合[6-7]。因此在假設(shè)播期和品種不變的條件下，通過模型對過去40 年光溫生產(chǎn)潛力和生育期長度進行模擬，從而分析得出氣候變化對潛在產(chǎn)量及產(chǎn)量差的影響。

甘南州、門源、貴南和林芝站點光溫生產(chǎn)潛力平均在6 000 kg·hm-2，拉薩站為7 000 kg·hm-2，日喀則和山南站為11 000 kg·hm-2。通過分析可知，光溫生產(chǎn)潛力在青藏高原的分布與海拔變化趨勢相同。青藏高原地形特殊，海拔從東北向西南逐漸增加，緯度越低海拔越高的站點光溫生產(chǎn)潛力越高。這與華北平原光溫生產(chǎn)潛力的地理分布不同[15]，說明青藏高原不同站點之間海拔和緯度差異較大，同時品種不同造成海拔較高的站點光溫生產(chǎn)潛力顯著高于低海拔站點。

在無水氮脅迫且播種期不變的條件下，青藏高原氣候變暖導(dǎo)致青稞生長季內(nèi)的升溫，造成過去40 年間所有站點青稞生育期長度顯著縮短。海拔較低的甘南州、貴南和門源站點，主要是生長季內(nèi)有效積溫和平均溫度升高導(dǎo)致。而高海拔站點主要是由于平均最高氣溫升高導(dǎo)致，且海拔越高敏感性越強。通過相關(guān)分析及回歸分析可知，過去40 年青稞生長季氣候變化對海拔較高的日喀則、山南和拉薩站點的光溫生產(chǎn)潛力無顯著影響。但是對低海拔站點影響顯著，特別是太陽輻射量的下降會導(dǎo)致作物凈光合速率下降，干物質(zhì)積累減少[43]，從而使光溫生產(chǎn)潛力下降。但只有林芝站累計太陽輻射量下降幅度最大，達到72.91 MJ·m-2·(10a)-1（表3），且林芝站光溫生產(chǎn)潛力只與太陽輻射量呈正相關(guān)，這也造成過去40 年林芝站光溫生產(chǎn)潛力顯著下降。而其他站點由于太陽輻射量下降幅度較小，太陽輻射量對光溫生產(chǎn)潛力影響較小。

由于甘南州、貴南和門源站在其生長季內(nèi)太陽輻射和溫度較低，光溫生產(chǎn)潛力低而不穩(wěn)定。特別是青藏高原相比其他地區(qū)屬于高寒區(qū)[44]，溫度升高不僅抵消生育期長度縮短和太陽輻射下降的影響，反而在一定程度上有利于青稞提高光合作用，增加地上部分生物量并延長灌漿時間，提高籽粒灌漿率，提高產(chǎn)量潛力[45]。因此海拔較低的青藏高原東北部地區(qū)過去40 年光溫生產(chǎn)潛力總體呈顯著上升。這也說明DSSAT-CERES-barley 模型考慮了作物、土壤以及氣候的動態(tài)變化對青稞生長發(fā)育的影響，對光溫生產(chǎn)潛力的模擬更加準確。通過西藏自治區(qū)高海拔站點光溫生產(chǎn)潛力的計算可知西藏自治區(qū)光溫潛力受氣候變化影響較小，且海拔較低的林芝站受輻射變化光溫生產(chǎn)潛力下降，只有青藏高原東北部低海拔地區(qū)光溫生產(chǎn)潛力上升。這與過去計算的西藏自治區(qū)光溫生產(chǎn)潛力（平均為14 000 kg·hm-2）且受氣候變化影響呈上升趨勢的結(jié)果不同[20]。說明雖然經(jīng)驗公式法計算光溫生產(chǎn)潛力的運算過程簡單，計算量小，但誤差較大，缺乏對影響青稞生長發(fā)育因素的考慮，且計算結(jié)果不僅高估了青藏高原青稞的光溫生產(chǎn)潛力，而且趨勢分析結(jié)果也有較大誤差。本研究是假設(shè)相同站點品種和播期不變條件下進行模擬的結(jié)果，原因是青藏高原地區(qū)農(nóng)業(yè)氣象觀測數(shù)據(jù)較少，最早有記錄的品種和播期數(shù)據(jù)為1987 年，相同站點青稞播種期接近。雖然該假設(shè)會導(dǎo)致光溫生產(chǎn)潛力模擬結(jié)果的不確定性，使模擬的光溫生產(chǎn)潛力沒有準確體現(xiàn)現(xiàn)實結(jié)果，卻可以有效分離氣候變化對光溫生產(chǎn)潛力的影響，從而反映青藏高原青稞光溫生產(chǎn)潛力的時空分布特征并推測未來變化趨勢。

結(jié)合青藏高原未來氣候變化的研究可知[46-47]，未來幾十年青藏高原的氣候尤其是青海和西藏的青稞種植區(qū)域會繼續(xù)保持變暖和增濕趨勢，因此位于東北部海拔較低的甘南州、貴南和門源地區(qū)青稞光溫生產(chǎn)潛力將繼續(xù)保持上升趨勢；而林芝站由于降水量升高，太陽輻射量降低，未來光溫生產(chǎn)潛力可能繼續(xù)下降；通過分析雅魯藏布江河谷海拔較高的山南、日喀則和拉薩站，發(fā)現(xiàn)其光溫生產(chǎn)潛力不易受氣候變化的影響，因此未來將繼續(xù)維持較高水平。

通過產(chǎn)量差分析可知，雖然門源、林芝和甘南州的光溫生產(chǎn)潛力具有顯著性變化，但幅度較小。總體來說，青藏高原光溫生產(chǎn)潛力較實際產(chǎn)量相對穩(wěn)定，而實際產(chǎn)量在過去30 年里增長趨勢顯著，導(dǎo)致過去30 年間青藏高原青稞的平均相對產(chǎn)量差由58.2%縮小到目前的34.47%。實際產(chǎn)量升高的主要原因有：（1）育種水平提高，且良種儲備充足；（2）科技投入增加與技術(shù)的進步；（3）西部大開發(fā)戰(zhàn)略以及政策扶持也起到關(guān)鍵作用[48-49]。地理位置上，不同站點之間的產(chǎn)量差差異較大。日喀則和拉薩站在2007—2017 年間的產(chǎn)量差達到25%以下，其他站點產(chǎn)量差仍大于30%。從時間上看，前30 年到前20 年產(chǎn)量差縮小16.3%；過去20 年到最近10 年，產(chǎn)量差縮小7.5%，只有過去的50%，表明了進一步縮小產(chǎn)量差的困難。但除日喀則和拉薩之外，其他地區(qū)至少有5%—10%的產(chǎn)量差空間可通過水肥管理等措施改善。進一步縮小青藏高原青稞的產(chǎn)量差，可以通過進一步提升灌溉和管理條件、提高水肥利用效率實現(xiàn)。

4 結(jié)論

在過去40 年青稞生長季內(nèi)氣候變化的大背景下，海拔較高的站點光溫生產(chǎn)潛力高且穩(wěn)定，生育期長度的縮短主要由平均最高氣溫升高引起；低海拔站點光溫生產(chǎn)潛力較低，易受氣候變化和生育期長度變化影響，而生育期長度縮短主要由平均溫度和有效積溫升高導(dǎo)致。因此低海拔地區(qū)可通過改良品種，改變播期等方式增加生育期長度，這相比于高海拔地區(qū)可更有效地增加青稞的光溫生產(chǎn)潛力。對比光溫產(chǎn)量與實際產(chǎn)量，實際產(chǎn)量增加對產(chǎn)量差變化的貢獻更大。相比于其他站點，日喀則和拉薩產(chǎn)量差較低，說明這2 個地區(qū)青稞種植的管理水平和水肥利用效率較高，而其他站點則有較高的增產(chǎn)潛力。