孫錫鵬，李 琪，喬云發(fā)，胡正華，張徐瑩，劉園園

（1江蘇省農(nóng)業(yè)氣象重點實驗室，南京 210044；2南京信息工程大學，南京 210044）

0 引言

IPCC第五次評估報告中預測在未來的幾十年內(nèi)全球氣溫將增長1.8～4℃，對于中國來說，21世紀初至中葉，平均氣溫將增長至少1.2℃，這將對農(nóng)業(yè)生產(chǎn)帶來很大的影響[1]。與此同時，水資源短缺也是制約農(nóng)業(yè)生產(chǎn)的全球性問題，目前農(nóng)業(yè)用水緊缺已成為中國農(nóng)業(yè)發(fā)展的一大障礙。作物模型能夠借助氣象學、生態(tài)學、農(nóng)學、土壤學等多學科理論成果，動態(tài)模擬作物的生長發(fā)育過程，量化作物的整個生產(chǎn)系統(tǒng)，有助于實現(xiàn)農(nóng)業(yè)利潤的最大化[2]。

WOFOST模型通過近25年的發(fā)展，多次改進了軟件系統(tǒng)，包括大規(guī)模校準作物參數(shù)，改進冬季作物的越冬及春化過程等[3]。Cheng等[4]用集成卡爾曼濾波(EnKF)算法將遙感土壤水分納入WOFOST模型中，提高了觀測和模擬產(chǎn)量的相關性，更有利于大田尺度上對作物產(chǎn)量的預測。Pan等[5]利用無人機(UAV)采集的時間序列多光譜遙感數(shù)據(jù)與WOFOST模型結(jié)合，在不同的作物生長階段采用3種方法：基于植被指數(shù)(VI)的經(jīng)驗方法、數(shù)據(jù)同化方法和混合方法準確及時的預測到作物的葉面積指數(shù)，對制定合適的種植方案和規(guī)避災害有重要作用。WOFOST模型在中國也有廣泛的應用，但是對大豆的生長模擬研究較少。

大豆是中國的五大糧食作物之一，同時也是中國最重要的油料作物。黑龍江省是中國最重要的大豆生產(chǎn)基地，年平均種植面積占全國的30%，總產(chǎn)占全國的35%，出口量占全國的80%，近年來中美貿(mào)易摩擦不斷，中國大豆產(chǎn)業(yè)面臨新的挑戰(zhàn)，提升大豆產(chǎn)品質(zhì)量和自給水平成為新時代中國大豆產(chǎn)業(yè)發(fā)展的重點任務[6]。本研究利用WOFOST模型結(jié)合黑龍江省的歷史氣象資料、土壤資料、大豆歷史產(chǎn)量等資料進行模型參數(shù)的敏感性分析和本地化處理，驗證其基本符合黑龍江大豆的生長情況后，針對黑龍江省的氣候變化趨勢，對大豆生長的各階段進行增溫和干旱脅迫處理并分析其潛在產(chǎn)量。該研究旨在分析增溫及干旱對大豆生長的影響，幫助大豆實現(xiàn)防災減災、穩(wěn)定增產(chǎn)的目標，同時提高作物模型的模擬精度，以期為當?shù)貨Q策部門制定栽培管理對策提供依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于黑龍江省海倫市(47°39′N、126°50′E)，地處中國東北黑土區(qū)的中心位置，海拔高度240 m，地勢平坦，屬溫帶大陸性季風氣候，夏季高溫多雨，冬季寒冷干燥，年平均氣溫1.5℃，年降雨量500～600 mm。本區(qū)域適合大豆的生長，一般5—8月為大豆生長期。本研究采用中國科學院海倫試驗站2004、2009、2015、2017、2018五年大豆實際產(chǎn)量數(shù)據(jù)對WOFOST模型進行驗證（實驗區(qū)為大豆、玉米輪作，種植年份不連續(xù)，另外不同年份大豆種植時的實驗處理方式也不相同，本文選取的是相同實驗處理方式的大豆產(chǎn)量數(shù)據(jù)）。

1.2 數(shù)據(jù)來源

本文所用數(shù)據(jù)為大豆自然生長狀態(tài)下的氣象數(shù)據(jù)和田間數(shù)據(jù)[7-9]，WOFOST模型運行所需的氣象數(shù)據(jù)包括逐日最低、最高氣溫、太陽輻射、水汽壓、風速、降雨量，其中太陽輻射量沒有直接觀測數(shù)據(jù)，需要利用逐日觀測的日照時數(shù)值采用Angstrom[10]方程計算得到。土壤資料包括土壤類型、土壤理化性質(zhì)、土壤容重、田間持水量和飽和孔隙度、含水率等理化性質(zhì)，土壤資料主要來自中國土壤數(shù)據(jù)庫(http://vdb3.soil.csdb.cn/)，參照前人研究成果并結(jié)合黑龍江省土壤性質(zhì)，對土壤參數(shù)加以調(diào)整[11]。表1為WOFOST模型的主要土壤參數(shù)值。

表1 WOFOST模型的主要土壤參數(shù)值

1.3 WOFOST模型的參數(shù)校準

模型運用時由于品種及田間管理的差異較大，難以對每個參數(shù)進行精準標定。因此，需要對輸入?yún)?shù)的敏感性進行校準，挑選出敏感度較大的參數(shù)進行修改，對于敏感度較小的參數(shù)則直接使用模型默認值或者使用文獻中的參考值。OTA法是校正模型參數(shù)最常見的方法，該方法省略了各參數(shù)之間關聯(lián)，便于確立每一個獨立參數(shù)的敏感度[12]，該方法是在潛在生長條件下不改變模擬環(huán)境和其他參數(shù)值，將待確定參數(shù)值上調(diào)下調(diào)10%后，運行WOFOST模型進行模擬并觀察模擬結(jié)果[13]。

本研究選取模型輸出結(jié)果的總重(TAGP)、穗重(TWSO)、莖重(TWST)以及葉重(TWLV)作為比較項，計算每個指標的變化百分率，即所選參數(shù)的敏感度，見公式(1)。

式中Y0是模型初始參數(shù)值的模擬結(jié)果，Yi是第i個參數(shù)變化后的模型模擬結(jié)果。

篩選出敏感度較高且取值范圍較大的參數(shù)，如TMNFTB、AMAXTB2等，利用試錯法進一步確定參數(shù)的適宜值，具體的參數(shù)值如表2所示。

表2 WOFOST模型的主要作物參數(shù)取值

2 結(jié)果與分析

2.1 WOFOST模型的驗證

模擬驗證指標包括平均絕對誤差(MAE)、平均相對誤差(MRE)、均方根誤差(RMSE)和相對均方根誤差(RRMSE)，具體計算分別見公式(2)、(3)、(4)和(5)。

式中，Bi和Gi依次代表觀測值和模擬值，ˉ為觀測值的平均值，n為比較數(shù)據(jù)個數(shù)，MAE、MRE代表模擬值和觀測值符合程度，數(shù)值愈小愈好，RMSE、RRMSE代表模擬值和觀測值擬合精度，數(shù)值越小越好，計算結(jié)果如表3所示。從表3可以看出WOFOST模型對大豆產(chǎn)量模擬的相對均方根誤差(RRMSE)值達到了3.5%，對產(chǎn)量的模擬效果較好。

表3 產(chǎn)量的模擬值與觀測值對比分析

圖1和圖2是模擬的開花期和成熟期與實際對應生育期的比較，由圖可以看出，大豆開花期模擬值與實測值的R2為0.9412，成熟期模擬值與實測值的R2為0.98，二者的線性擬合精度都較高，說明模擬效果較好。

圖1 開花期模擬值與實測值對比

圖2 成熟期模擬值與實測值對比

上述各項結(jié)果顯示，WOFOST模型模擬的大豆產(chǎn)量和生育期的結(jié)果都相對精準，經(jīng)過調(diào)參本地化后的模型對研究地區(qū)的大豆生長發(fā)育動態(tài)模擬效果較好，調(diào)整后的WOFOST模型可以用于海倫地區(qū)大豆生長發(fā)育及產(chǎn)量的模擬。

2.2 選取基準年

本研究通過對比氣溫及降水距平指數(shù)與產(chǎn)量相對偏差的方法，選取具有普遍代表性的年份作為基準年，便于后期進行模擬脅迫處理，距平結(jié)果如圖3所示。距平指數(shù)的計算見公式(6)。

根據(jù)計算結(jié)果，2018年的氣溫距平指數(shù)最低，達到了-0.035，但是降水距平值過高，2015年降水和氣溫距平值均屬于較小水平，但是產(chǎn)量模擬的相對偏差較高，2017年的氣溫距平指數(shù)為0.106，降水距平指數(shù)為-0.2，產(chǎn)量的相對偏差為-0.10，均屬于較低水平，因此作為基準年(CK)進行后續(xù)的研究。

2.3 增溫及干旱脅迫模擬對大豆的影響

2.3.1 增溫對大豆生育期的影響 對全生育期日最高溫度、最低溫度及平均溫度同時做增溫處理，模擬不同程度的增溫對大豆生育期的影響，處理結(jié)果如圖3所示。結(jié)果顯示隨著溫度的上升，大豆的每一個生育期都有縮短的現(xiàn)象，且溫度越高生育期越短。在CK狀態(tài)下大豆的總生育期為125天，增溫1℃生育期為109天，增溫2℃生育期為99天，增溫3℃的條件下生育期降至95天。

圖3 不同增溫條件下大豆的生育期天數(shù)

2.3.2 增溫對大豆葉面積指數(shù)的影響 葉面積指數(shù)是反映植物群體生長狀況的一個重要指標，其大小與大豆的產(chǎn)量密切相關[14]。圖4為不同增溫條件下大豆葉面積指數(shù)的變化趨勢。該圖可以看出大豆自開花初期開始葉面積指數(shù)不斷上升，在鼓粒期達到最大值，隨后葉面積指數(shù)快速下降。并且隨著溫度的上升大豆的葉面積指數(shù)呈下降趨勢，在增溫1℃的情況下大豆的葉面積指數(shù)在第169天達到最大值，較正常溫度下提前6天，葉面積指數(shù)為4.47，較正常溫度下降了0.25；在增溫2℃的情況下大豆的葉面積指數(shù)在第166天達到最大值，較實際溫度提前9天，葉面積指數(shù)下降了0.57；在增溫3℃的情況下大豆的葉面積指數(shù)在第162天達到最大值，較實際溫度提前14天，葉面積指數(shù)下降了0.73。

圖4 不同增溫條件下大豆的葉面積指數(shù)(LAI)

2.3.3 增溫對大豆產(chǎn)量的影響 表4為增溫脅迫下大豆的產(chǎn)量變化，其中TWLV為作物的葉片干重，TWST為作物莖稈的干重，TWSO為作物穗重，TAGP為總重。對比大豆總重(TAGP)和籽粒產(chǎn)量發(fā)現(xiàn)，大豆生育期增溫對大豆產(chǎn)量存在影響，即便增溫1℃對其總重的影響都比較明顯，且隨著溫度的升高減產(chǎn)越嚴重，增溫3℃的情況下穗重產(chǎn)量下降11.01%，總重產(chǎn)量下降13.72%。

表4 不同增溫條件下大豆的產(chǎn)量變化

2.4 干旱對大豆生長發(fā)育的影響

本研究參照國家標準《農(nóng)業(yè)干旱等級》(GB/T 32136—2015)結(jié)合氣象及土壤濕度，將干旱分為3個等級（表5）用WOFOST模型輸出的結(jié)果作為研究指標[15]。

表5 干旱模擬脅迫等級

2.4.1 干旱對大豆葉面積指數(shù)的影響 干旱脅迫下作物自身會啟動各類生理機制以應對水分虧缺，其中最常見的就是葉面積減小，葉綠素含量下降，繼而影響其他光合指標[16]。圖5為不同干旱程度下大豆葉面積指數(shù)隨著時間變化的曲線圖，在不同程度的干旱脅迫下大豆的生育期并未發(fā)生明顯的變化，但是大豆的葉面積指數(shù)變化很明顯。隨著干旱程度不斷加深，大豆的葉面積指數(shù)逐漸減小，其中重旱條件下降低了23%，說明該品種大豆對于干旱的敏感性較大。

2.4.2 不同程度干旱對大豆產(chǎn)量的影響 圖6為不同干旱下大豆各部分的產(chǎn)量結(jié)果，表6為對應的減產(chǎn)率。結(jié)合圖表可以得出，不同程度的干旱均對大豆各部位的產(chǎn)量造成了明顯的影響，且干旱程度越大對應的減產(chǎn)率越大，重旱脅迫下大豆籽實的減產(chǎn)率達到了13.26%。相比于籽實的減產(chǎn)，葉片及莖稈的減產(chǎn)更為嚴重。

表6 不同干旱等級下大豆各部位的產(chǎn)量變化率 %

圖6 不同干旱等級下大豆各部位的產(chǎn)量

3 討論

根據(jù)相關資料記載，增溫和干旱會縮短大豆生育期，降低大豆的光合速率，造成大豆單株莢數(shù)減少，并對干物質(zhì)的累積造成影響，導致產(chǎn)量下降[18-19]。本研究創(chuàng)造性的利用修正后的WOFOST模型，模擬增溫和干旱對海倫地區(qū)大豆生長發(fā)育的影響，證實了不同程度的增溫和干旱對大豆生長的影響。

王樂政等[20]的研究表明生育期增溫會導致大豆鼓粒期縮短，單株莢數(shù)減少及空莢率上升，這與本研究的結(jié)果基本一致。其原因是因為大豆作為喜溫作物，積溫是決定其產(chǎn)量的重要因素，若在生育期平均氣溫過高則會使其達到有效積溫的時間縮短，這反而會導致大豆生育期縮短，光和時間減少，光合產(chǎn)物積累減少，單株莢數(shù)和產(chǎn)量也會相應降低。因此，在實際生產(chǎn)中可適當早播，延長大豆生育期，充分增加大豆的有效積溫，增加干物質(zhì)積累量，使大豆籽粒充分灌漿，收獲指數(shù)達到較大水平，最終達到大豆高產(chǎn)的目的。

本研究還進一步對大豆的每一個部位產(chǎn)量進行模擬，發(fā)現(xiàn)大豆在受到干旱脅迫后各部位的產(chǎn)量均有明顯下降，且隨著干旱程度的加深減產(chǎn)率不斷升高，其中莖稈和葉片干重的減產(chǎn)率明顯高于穗重，其原因是干旱直接影響到了植物體內(nèi)的新陳代謝，降低了酶的活性導致大豆生理生化指標發(fā)生顯著變異，減少了大豆的株高、莖段數(shù)、單株莢數(shù)等，前人大量的田間實驗也證實了這一現(xiàn)象[21-24]。值得一提的是，從模型對大豆葉面積指數(shù)的模擬結(jié)果來看，葉面積指數(shù)的變化與干旱程度成明顯的負相關，這說明土壤水分過低也會對大豆的光合作用及呼吸作用造成一定的影響，導致大豆的葉面積減小，限制了光合產(chǎn)物的積累，最終造成植株減產(chǎn)。由此可見水分是大豆生產(chǎn)中的重要條件，充足的土壤水分可以改善大豆長勢，增加大豆莢數(shù)[25]，提高葉面積指數(shù)，尤其是鼓粒期，適當增大作物的葉面積指數(shù)更有利于光合產(chǎn)物和籽粒產(chǎn)量的積累[26]。

另外，盡管修正后的作物模型能夠?qū)ψ魑镒龅綐O大程度上的本地化模擬，但是本研究仍然存在些許不足。首先由于組合實驗的原因，本研究輪作的大豆種植年份間隔并不相同，且實驗時間較長，因此可能會忽略實驗過程中土壤環(huán)境的變化。其次，本研究中使用的模型在病蟲害等方面未作考慮，因此，對于研究病蟲害對大豆生長影響方面不具參考性。后期將針對特定的農(nóng)業(yè)災害對模型進一步改進，完善模型的模擬范圍，使研究更具實用意義。

綜上所述，不同程度的高溫及干旱均對大豆的生長發(fā)育造成了一定的影響，其中增溫對大豆的影響主要表現(xiàn)在生育期縮短、葉面積指數(shù)降低、產(chǎn)量下降方面，干旱對大豆的影響主要表現(xiàn)為葉面積指數(shù)降低及生物量減少。因此在農(nóng)業(yè)生產(chǎn)中可對大豆進行適當早播并避免高溫以延長大豆生育期，同時干旱季節(jié)須注意灌溉以保證大豆正常生長并獲得較高的產(chǎn)量。

4 結(jié)論

對WOFOST模型本地化處理，并分別進行大豆的增溫及干旱模擬。結(jié)果顯示，在增溫模擬實驗中，大豆的每個生育階段日期均有提前，且全生育期時長縮短，溫度越高生育期越短；在葉面積指數(shù)方面，葉面積指數(shù)隨著溫度的升高而降低，在增溫達到3℃時，葉面積指數(shù)最多降低近25%。同時增溫脅迫也對大豆造成了一定程度的減產(chǎn)，氣溫每升高1℃，總重平均降低約5%。對增溫脅迫下大豆干物質(zhì)分配進行分析，發(fā)現(xiàn)單一的高溫脅迫并沒有對大豆干物質(zhì)分配造成顯著的影響，而張曉娜等[17]的研究顯示，通常情況下大豆產(chǎn)量的高低與干物質(zhì)向籽粒分配的比例呈正相關，這可能是由于本實驗模擬的增溫脅迫使得大豆生全生育期積溫過高，使大豆各部位的產(chǎn)量均有不同程度降低，所以干物質(zhì)分配比例顯示的結(jié)果沒有明顯的規(guī)律。

在干旱模擬實驗中，大豆的生育期沒有顯著變化，但是葉面積隨著干旱程度的加深不斷減小，產(chǎn)量模擬方面，大豆各部位均對干旱有較強的敏感性，產(chǎn)量隨著干旱程度的加重削減明顯，大豆穗重在輕旱、中旱、重旱條件下的減產(chǎn)率分別為6.00%、9.16%、13.26%。。

現(xiàn)實生產(chǎn)中還有許多其他因素限制著農(nóng)作物的生產(chǎn)，這需要不斷提高模型的模擬精度，增大模型的考慮范圍并結(jié)合中國的氣候條件與種植制度，這樣才能有助于獲取最大的糧食生產(chǎn)潛力，以實現(xiàn)作物模擬模型和其他農(nóng)業(yè)模型的精準化服務。