張克寒 鄭 靜 佟 玲

(中國農(nóng)業(yè)大學 中國農(nóng)業(yè)水問題研究中心,北京 100083)

隨著人口增長和工業(yè)發(fā)展,水資源的供需矛盾越來越突出,全世界的農(nóng)業(yè)用水面臨短缺的問題[1]。目前農(nóng)業(yè)是用水最多的部門,2020年全國用水總量達5.81×1011m3,其中農(nóng)業(yè)用水總量3.61×1011m3,占用水總量的62.1%[2]。同時,農(nóng)田灌溉水有效利用系數(shù)0.565,與世界發(fā)達國家仍有較大差距[3]。因此,提升灌溉水有效利用系數(shù),大力發(fā)展高效節(jié)水農(nóng)業(yè),對于保障我國水安全和糧食安全具有重要意義[2]。

水稻是我國最重要的糧食作物之一,也是用水最多的作物,其用水量約占農(nóng)業(yè)用水量的70%[4-5],解決水稻生產(chǎn)與水資源緊張之間的矛盾,有助于實現(xiàn)水資源的可持續(xù)利用和保證水稻生產(chǎn)穩(wěn)定發(fā)展。國內(nèi)外在提升水稻產(chǎn)量和灌溉生產(chǎn)力領域展開了大量的研究:一是通過大田試驗從生理生態(tài)的角度研究不同農(nóng)藝管理措施對產(chǎn)量和灌溉水生產(chǎn)力的影響[6-8]。但是大田試驗耗時較長、試驗變量較少且受特定年份的環(huán)境影響較大,也不能在區(qū)域上進行比較;二是創(chuàng)建作物模型模擬方法。水稻的作物模型一般有WOFOST作物模型[9-10]、AquaCrop作物模型[11]、CERES-Rice模型[12]、WARM水稻模型[13]和ORYZA系列水稻模型[14-15]。其中:WOFOST作物模型用于水稻模擬大多包含氣候?qū)λ井a(chǎn)量的影響以及對土壤理化性質(zhì)的監(jiān)測;AquaCrop作物模型和CERES-Rice模型通常用于氣候變化對水稻生產(chǎn)的影響;WARM水稻模型的輸入?yún)?shù)較少,即忽略了較多的過程,通常用于國家、全球等大尺度上的水稻產(chǎn)量預測。相比之下,ORYZA系列水稻模型是常用且更適用于不同情景分析的綜合模擬模型,已經(jīng)被廣泛地應用在了水稻生長和模擬中,并且已在不同的地區(qū)進行了驗證和模擬,表明該模型在不同地區(qū)水稻生長和發(fā)育的適應性良好。ORYZA v3作為ORYZA系列的最新版本,對各種生產(chǎn)環(huán)境的高精度確保了其在水稻作物管理和產(chǎn)量預測方面的可靠應用,易從更均勻的田間規(guī)模到水稻生產(chǎn)系統(tǒng)和環(huán)境條件變化極大的區(qū)域規(guī)模。同時傳統(tǒng)的作物模型受到多種因素的限制,大多是在單點尺度上的應用,而GIS具有獨特的空間數(shù)據(jù)管理和處理功能,因而結合GIS技術可以將其應用擴展到區(qū)域尺度,有助于解決單獨使用作物模型無法解決的許多重要問題,如評估區(qū)域尺度的作物水分生產(chǎn)力[16]等。此外,也有結合大田試驗與模型模擬中驅(qū)動因素對作物灌溉水生產(chǎn)力影響的相關研究[17-18]表明灌溉、施肥、種植密度等農(nóng)藝措施對產(chǎn)量和灌溉水生產(chǎn)力的貢獻率大于日平均氣溫和太陽輻射等氣候因素,即灌水、施肥和種植密度是影響產(chǎn)量和灌溉水生產(chǎn)力的主要因素。

灌區(qū)是我國糧食安全的保障,是農(nóng)產(chǎn)品供給的命脈,其研究和管理對發(fā)展智慧農(nóng)業(yè)而言有著重要的意義。漳河灌區(qū)是湖北省重要的商品糧基地之一,但是灌區(qū)面臨水資源越來越緊缺的形勢,導致漳河灌區(qū)水資源同糧食生產(chǎn)協(xié)同發(fā)展的矛盾日益突出。因此,本研究擬以漳河灌區(qū)為研究區(qū)域,基于其用水過程中環(huán)境多要素時空復雜性,利用ORYZA v3水稻模型與GIS技術相結合的方法,通過分析不同情景下漳河灌區(qū)水稻產(chǎn)量及灌溉水生產(chǎn)力的響應,利用ArcGIS 10.2工具將點尺度的ORYZA v3模型模擬結果擴大到區(qū)域尺度,分析漳河灌區(qū)不同水文年的水稻產(chǎn)量及灌溉水生產(chǎn)力的空間分布,并給定一種或幾種最有利于產(chǎn)量和灌溉水生產(chǎn)力提升的實際生產(chǎn)方案,以期為漳河灌區(qū)水稻綠色農(nóng)業(yè)生產(chǎn)提供指導。

1 材料與方法

1.1 研究區(qū)域概況

漳河灌區(qū)地處湖北省中部,位于江漢平原西北部,地跨荊門、鐘祥和荊州3市,灌區(qū)的自然面積為5 543 km2,設計灌溉面積為1.74×105hm2,有效灌溉面積為1.56×105hm2。灌區(qū)土地肥沃,是全國9座灌溉面積為1.33×105hm2以上的國家大型灌區(qū)之一,也是湖北省灌溉面積最大的灌區(qū)。灌區(qū)雨量充足,多年平均降雨量為905.8 mm(1963—2020年),主要集中在農(nóng)作物生長期,約占全年的80%。灌區(qū)內(nèi)土壤以黏土及黏壤土為主,農(nóng)作物以中稻為主,其作物生長期在5—9月,水稻設計灌溉面積為1.73×105hm2[19]。

圖1 研究區(qū)域示意圖Fig.1 Schematic diagram of the study

圖2 水稻種植土地利用圖裁剪后的表層(0～30 cm)土壤質(zhì)分布圖Fig.2 Distribution data of topsoil (0 to 30 cm) texture after cropping from rice planting land use map

1.2 數(shù)據(jù)來源

氣象數(shù)據(jù)。湖北省灌溉試驗中心內(nèi)部氣象站的數(shù)據(jù),由漳河工程管理局提供,包括1963—2020年長系列降雨資料、典型水文年(豐、平、枯)的逐日氣象數(shù)據(jù)。

土壤數(shù)據(jù)。湖北省第三次土地利用現(xiàn)狀分類調(diào)查數(shù)據(jù)來源于漳河工程管理局;用于ORYZA v3模型的土壤數(shù)據(jù)來源于世界土壤數(shù)據(jù)庫1 000 m×1 000 m格點的柵格數(shù)據(jù),包括各土層的土壤黏粒含量、砂粒含量、容重和有機質(zhì)含量等。

農(nóng)業(yè)數(shù)據(jù)。ORYZA v3模型驗證的產(chǎn)量數(shù)據(jù)來源于漳河工程管理局提供的2011—2020年的漳河灌區(qū)灌溉臺帳;用于ORYZA v3模型的率定的田間尺度數(shù)據(jù)來源于湖北省灌溉試驗中心2010年的實測大田試驗數(shù)據(jù)[20-21]。

1.3 模型介紹

ORYZA系列水稻模型由國際水稻研究所和荷蘭瓦赫寧根大學聯(lián)合開發(fā),遵循Bouman等[22]提出的作物生長模擬模型的原則,具有較好的普適性和機理性,可定量描述不同氣候條件下、水分限制和氮素限制水平下的水稻生長發(fā)育、產(chǎn)量形成、水稻蒸發(fā)蒸騰量以及土壤水分、氮素的動態(tài)變化過程[23]。其中:ORYZA v3具有更強的模擬水稻生長發(fā)育動態(tài)的能力,包括氣象模塊(經(jīng)緯度、海拔、年份及該年份逐日氣象數(shù)據(jù)等)、土壤模塊(土壤物理特性及土壤水力特性等)、作物模塊(水稻生長的基本參數(shù)等)和試驗模塊(模型的運行模式、水分和氮素管理模式等)。與ORYZA之前的版本相比,ORYZA v3改進了作物模塊和土壤模塊,使之在水稻生產(chǎn)環(huán)境方面具有更廣泛的適用性,并且在水稻生長和產(chǎn)量預測方面達到了更高的置信水平,增加了模型對于水稻生理過程模擬的可靠性[24]。

1.4 模型參數(shù)率定及驗證

模型模擬前需要對作物參數(shù)進行率定及產(chǎn)量的驗證,根據(jù)譚君位等[25]對ORYZA v3水稻模型參數(shù)的敏感性分析結果,選擇如表1所示的一些敏感性較高的作物參數(shù)或者對不同地區(qū)敏感度響應有較大差異的參數(shù)進行率定。模型的參數(shù)率定采用湖北省灌溉試驗中心2010年水稻大田試驗數(shù)據(jù),率定過程中采用地上部總干物質(zhì)量、地上部生物量中穗干重、地上部生物量中莖干重和地上部生物量中葉干重4個結果參數(shù)進行模型評價。模型的產(chǎn)量模擬效果驗證采用湖北省灌溉實驗中心2011—2020年共10年的實測數(shù)據(jù)。

表1 ORYZA v3模型水稻品種特征參數(shù)Table 1 Characteristic parameters of rice varieties in ORYZA v3 model

本研究中使用DRATES和Auto-Calibration 2個小程序?qū)@些參數(shù)進行率定。期間需要采用模型適應性評價指標判定模型在研究區(qū)域的適應性,包括模擬值與實測值的決定系數(shù)(R2)、一致性指標(D)、均方根誤差(RMSE)、歸一化均方根誤差(NRMSE)和模型效率(Meff)。各指標的計算公式如下:

(1)

(2)

式中:Xsi為第i個樣本的模擬值,kg/hm2;Xoi為第i個樣本的實測值,kg/hm2;Xs為模擬值的平均值,kg/hm2;Xo為實測值的平均值,kg/hm2;n為樣本數(shù)量[8]。R2和D指標反映模型模擬值與實測值之間的一致性,越接近1說明模擬結果越好。

(3)

(4)

式中:Xsi為第i個樣本的模擬值,kg/hm2;Xoi為第i個樣本的實測值,kg/hm2;Xo為實測值的平均值,kg/hm2;n為樣本數(shù)量。RMSE與NRMSE值反映了模擬值與實測值之間絕對誤差量與相對誤差量,值越小說明模擬值與實測值之間的一致性越好[26-27]。

(5)

式中:Meff為模型的評價指標,越接近于1說明模型的模擬效果越好;Xsi為第i個樣本的模擬值,kg/hm2;Xoi為第i個樣本的實測值,kg/hm2;Xs為模擬值的平均值,kg/hm2;n為樣本數(shù)量。

1.5 ORYZA v3模型不同情景設置

本研究在傳統(tǒng)淹灌的基礎上,基于不同的灌溉下限設置多種控制灌溉模式[28-29]:最大蓄水深度統(tǒng)一設置為60 mm,灌水定額統(tǒng)一設置為30 mm,灌溉下限以水稻耕作層土壤飽和含水率的百分數(shù)表示,設定3個虧水水平:70%、60%和50%;施氮量的情景設置在當?shù)卣Ｊ┑较?180 kg/hm2)減少10%、增加10%和20%;種植密度的情景設置為20 cm×20 cm(25×104穴/hm2),每穴分別播種2、3、4和5株。共設置16種不同情景,詳見表2。

表2 漳河灌區(qū)水稻管理措施情景設置Table 2 Scenario setting of rice management measures in Zhanghe Irrigation Area

在作物模型參數(shù)率定和驗證的基礎上,獲取不同水文年型包括豐水年(2013年)、平水年(2018年)和枯水年(2011年)的逐日氣象數(shù)據(jù)。典型水文年的選取是通過漳河灌區(qū)1963—2020年長系列中稻生育期(5—9月)總降雨量從大到小排頻得出。

同時以湖北省第三次土地利用現(xiàn)狀分類調(diào)查數(shù)據(jù)(由漳河工程管理局提供)的漳河灌區(qū)土地利用圖中水稻種植類型為基礎,通過統(tǒng)計得到漳河灌區(qū)共有9組土壤參數(shù),以裁剪后的柵格數(shù)據(jù)為單元(圖3)在不同的土壤類別上分別模擬16個情景下3種水文年型漳河灌區(qū)的水稻產(chǎn)量,總共需要進行432次(16×9×3)模擬。

WAGT表示地上部總干物質(zhì)重;WSO為地上部生物量中穗干重;WST為地上部生物量中莖干重;WLV為地上部生物量中葉干重。WAGT is the total dry matter weight of shoots.WSO is the dry weight of ears in the shoot biomass.WST is the dry weight of stems in the shoot biomass.WLV is the dry weight of leaves in the shoot biomass.

1.6 灌溉水生產(chǎn)力

灌溉水生產(chǎn)力作為用更少的水生產(chǎn)更多糧食目標的重要指標,反映作物產(chǎn)出和水分投入的關系,在農(nóng)業(yè)生產(chǎn)過程中凡是對作物產(chǎn)量和耗水量有影響的因素均會對灌溉水生產(chǎn)力產(chǎn)生影響[30]。灌溉水生產(chǎn)力(Irrigation Water Productivity,IWP)[31]計算公式如下:

IWP=Yield/I

(5)

式中:IWP為灌溉水生產(chǎn)力,kg/m3;Yield為產(chǎn)量,kg/hm2;I為灌水量,m3/hm2。

1.7 數(shù)據(jù)空間表達

通過ArcGIS 10.2工具生成不同情景下水稻產(chǎn)量和灌溉水生產(chǎn)力變化的空間分布圖,其中各情景的區(qū)域平均產(chǎn)量和灌溉水生產(chǎn)力的變化值計算方法為:分別計算9種土壤參數(shù)與現(xiàn)狀情景相比的變化值,然后依據(jù)每種土壤類型的柵格數(shù)進行加權平均。

2 結果與分析

2.1 ORYZA v3模型參數(shù)率定結果

在應用ORYZA v3模型對漳河灌區(qū)水稻產(chǎn)量和灌溉水生產(chǎn)力模擬之前,通過利用漳河灌區(qū)的氣象數(shù)據(jù)、土壤數(shù)據(jù)和農(nóng)業(yè)數(shù)據(jù)進行模型參數(shù)本地化,進而對特征參數(shù)進行率定。由表3可知:作物特征參數(shù)的率定值皆在模型評價的合理范圍內(nèi),表明模型應用于漳河灌區(qū)水稻生產(chǎn)的適應性良好。

表3 ORYZA v3模型水稻品種特征參數(shù)率定結果Table 3 Calibration results of characteristic parameters of rice varieties in ORYZA v3 model

由圖3可知:率定過程中地上部總干物質(zhì)量、地上部生物量中穗干重、地上部生物量中莖干重和地上部生物量中葉干重的率定指標均在合理范圍內(nèi),NRMSE值在15%以下,R2,D,Meff均接近于1,表現(xiàn)出較高的模擬精度。綜上,ORYZA v3模型可以較為準確模擬漳河灌區(qū)水稻的生育期進程。

2.2 ORYZA v3模型效果驗證

應用ORYZA v3模型通過湖北省灌溉實驗中心的數(shù)據(jù)進行水稻產(chǎn)量模擬效果驗證,結果如圖4所示?？芍?NRMSE在15%以內(nèi),R2和D指標均接近于1,即適應性評價指標均在合理范圍內(nèi)。因此,ORYZA v3模型在漳河灌區(qū)有良好的適應性,可以用于進一步水稻產(chǎn)量的情景模擬。

圖4 研究區(qū)水稻2011—2020年產(chǎn)量實測值、模擬值對比Fig.4 Comparison of measured and simulated values of rice yield in the study area from 2011 to 2020

2.3 不同情景下的模擬結果

根據(jù)情景模擬結果見圖5～7。可知不同水文年的模擬結果不同。情景2為反映當?shù)毓芾泶胧┈F(xiàn)狀的情景(對照)。

圖5 4種不同情景下豐水年模擬結果Fig.5 Simulation results of wet year under four different scenarios

由圖5可知:與現(xiàn)狀情景相比,在豐水年,產(chǎn)量的提升范圍為-12.02%～5.49%,灌溉水生產(chǎn)力的提升范圍為-4.72%～116.78%,表明當?shù)厮井a(chǎn)量的提升空間較小,而灌溉水生產(chǎn)力在農(nóng)藝管理措施得當?shù)那闆r下有較大的提升空間。情景10為有利于產(chǎn)量和灌溉水生產(chǎn)力提升的最佳情景,雖然存在其他情景灌溉水生產(chǎn)力較情景10的大,但產(chǎn)量均有不同幅度的下降,因此選定情景10(灌溉下限為土壤飽和含水率的60%,施氮量為180 kg/hm2,種植密度為5株/穴)為豐水年推薦管理措施組合,可以使漳河灌區(qū)水稻產(chǎn)量提升5.28%、灌溉水生產(chǎn)力提升104.38%。

由圖6可知:在平水年,產(chǎn)量的提升范圍為-18.89%～4.23%,灌溉水生產(chǎn)力的提升范圍為-5.34%～74.34%,情景7中產(chǎn)量和灌溉水生產(chǎn)力均達到最大,因此選定情景7(灌溉下限為土壤飽和含水率的70%,施氮量為198 kg/hm2,種植密度為5株/穴)為平水年推薦管理措施組合,可以使漳河灌區(qū)水稻產(chǎn)量提升4.23%、灌溉水生產(chǎn)力提升74.34%。

圖6 4種不同情景下平水年模擬結果Fig.6 Simulation results of normal water year under four different scenarios

由圖7可知:在枯水年,產(chǎn)量的提升范圍為-18.94%～3.64%,灌溉水生產(chǎn)力的提升范圍為-4.40%～146.79%。情景9中的灌溉水生產(chǎn)力提升最大,產(chǎn)量低于部分其他情景,但其灌溉水生產(chǎn)力提升幅度遠大于產(chǎn)量提升幅度,因此選定情景9(灌溉下限為土壤飽和含水率的60%,施氮量為162 kg/hm2,種植密度為4株/穴)為枯水年推薦管理措施組合,可以使漳河灌區(qū)水稻產(chǎn)量提升1.60%、灌溉水生產(chǎn)力提升146.79%。

圖7 4種不同情景下枯水年模擬結果Fig.7 Simulation results of dry year under four different scenarios

由上述情景模擬結果可知:以土壤飽和含水率的百分比為灌溉下限的控制灌溉模式相比傳統(tǒng)淹灌而言有著巨大的節(jié)水潛力,可以顯著提升灌溉水生產(chǎn)力。此外,在模型運行過程中,當灌溉下限設置為土壤飽和含水率的70%和60%時,不同質(zhì)地的土壤產(chǎn)量無明顯差異,而當灌溉下限降低至土壤飽和含水率的50%時,發(fā)現(xiàn)黏土相較于壤土和砂土,產(chǎn)量更容易受到灌溉下限的影響,會有極顯著的下降情況,所以在實際的種植管理中,建議土壤質(zhì)地為黏土的農(nóng)戶選擇60%～70%的灌溉下限。

3 討 論

本研究基于漳河灌區(qū)土壤、氣象和大田試驗數(shù)據(jù),驗證了ORYZA v3水稻模型在漳河灌區(qū)的適應性,利用了ORYZA v3水稻模型與GIS技術相結合的方式,比較分析了16種情景模擬下產(chǎn)量和灌溉水生產(chǎn)力的空間分布特征。傳統(tǒng)的研究受年份氣候條件的影響較大,且樣本的容量、管理方式有限[6-8],只能探討一種或幾種不同的場景或某一年特定的結果,不利于在區(qū)域上進行定量分析。相較于傳統(tǒng)研究,本研究基于ORYZA v3模型進行了區(qū)域尺度的研究,從產(chǎn)量和灌溉水生產(chǎn)力2個角度綜合考慮高產(chǎn)性和高效性,將點尺度擴展至研究區(qū)得到產(chǎn)量和灌溉水生產(chǎn)力響應的空間分布。其中水稻作物模型的驗證與適應性評價對于模型引進和應用至關重要,本研究根據(jù)參數(shù)調(diào)整發(fā)現(xiàn)產(chǎn)量的模擬值與實測值之間無明顯差異,這與鄭靜[33]的研究結果相同,表明ORYZA v3水稻模型能夠很好地模擬漳河灌區(qū)水稻產(chǎn)量的變化,同時阿力木·阿布來提等[32]的研究結果也表明ORYZA v3水稻模型能夠很好地模擬水稻的產(chǎn)量,這可以用作相互驗證并為后續(xù)模擬奠定基礎。但由于研究區(qū)域的空間復雜和數(shù)據(jù)獲取途徑及精度有限,相較于譚君位等人[25]的研究仍存在一定的局限性和進一步研究探索的空間,例如研究僅搜集到1年的大田試驗數(shù)據(jù)進行率定,率定參數(shù)應盡量選擇長序列數(shù)據(jù)以提高精確度。

雖然結合驅(qū)動因素對作物灌溉水生產(chǎn)力影響的相關研究[17-18]得到了灌溉、施肥、種植密度等農(nóng)藝措施是水稻生產(chǎn)中主要的驅(qū)動因素,并在文中提出了漳河灌區(qū)不同水文年型推薦的灌溉模式、施氮量和種植密度組合,但作物模型本身和情景設置存在局限性,該模型對于氮肥的施肥制度(追肥時間和次數(shù))敏感性較差[33],所以情景模擬中僅考慮了氮肥的總用量,沒有考慮氮肥在水稻在各生育期的施用量。除此之外,研究未能全方位綜合衡量各類因素對水稻生長的影響,如本研究未獲得到的土壤肥力和難以量化的水稻品種及種植方式等因素,這些因素也作為重要因素對水稻的生長產(chǎn)生影響,從而關系到水稻的產(chǎn)量及灌溉水生產(chǎn)力。因此僅使用本研究的驅(qū)動因素進行評價有一定的不足之處,而如何量化氮肥施用量、水稻品種和種植方式也是研究中的一個難點,這需要未來進行深入的研究分析。本研究對設定的16個情景進行了模擬研究,僅在這些情景中選擇了最優(yōu)情景,與實際的最優(yōu)管理措施提升情景還存在差距,有待同大田試驗數(shù)據(jù)相結合進一步的優(yōu)化研究。同時其他相關研究表明漳河灌區(qū)的水稻產(chǎn)量是氣候變化和技術進步共同作用的結果[34]。那么氣候變化和技術進步對產(chǎn)量和灌溉水生產(chǎn)力的影響程度占比,也是未來需要重點研究的內(nèi)容。

4 結 論

本研究為提升漳河灌區(qū)水稻產(chǎn)量和灌溉水生產(chǎn)力(IWP),基于土壤、氣象和大田試驗數(shù)據(jù),利用調(diào)參驗證后的ORYZA v3水稻模型和ArcGIS 10.2工具,模擬了不同情景下水稻的產(chǎn)量和灌溉水生產(chǎn)力,主要結論如下:1)模型率定期的4個生物量相關指標和驗證期不同年份的產(chǎn)量的相關系數(shù)和歸一化均方根誤差等評價指標均體現(xiàn)出良好的相關性,表明該模型對于當?shù)厮镜纳L模擬體現(xiàn)出較高的精度,可以用于進一步的情景模擬分析;2)通過情景模擬分析得到了不同水文年下最適宜的管理措施組合和推薦的農(nóng)田土壤質(zhì)地。本研究驗證模型在灌區(qū)尺度結合ArcGIS模擬水稻生產(chǎn)的適應性和可行性,為類似地區(qū)水稻生產(chǎn)提供思路與模型基礎。