基于EPIC模型的四川丘陵区黑麦草生长过程及其土壤水分动态变化模拟

王学春，王红妮，黄晶，杨国涛，胡运高

(1.西南科技大学生命科学与工程学院，四川 绵阳 621010；2.西南科技大学成人与网络教育学院，四川 绵阳 621010)

基于EPIC模型的四川丘陵区黑麦草生长过程及其土壤水分动态变化模拟

王学春1*，王红妮2，黄晶1，杨国涛1，胡运高1

(1.西南科技大学生命科学与工程学院，四川 绵阳 621010；2.西南科技大学成人与网络教育学院，四川 绵阳 621010)

明确黑麦草田土壤水分变化规律，对提高四川丘陵区人工草地管理水平具有重要的现实意义；校验EPIC模型，有利于改进并提高模型对黑麦草的模拟精度，对推进作物生产系统模拟与决策技术在草粮轮作系统的应用具有重要的实践意义。本研究通过田间试验与计算机模型相结合的方法，研究了四川丘陵区黑麦草生长过程及其土壤水分动态变化规律，明确了EPIC模型对黑麦草生长过程及土壤水分变化规律的模拟精度。结果表明，1)四川丘陵区黑麦草田土壤有效含水量在3-5月较低，深层(0.4～0.6 m)土壤水分在5-10月间可以得到较好恢复，适当增加氮肥投入，可以显著提高黑麦草最大叶面积系数和饲草产量，在刈割4茬的条件下，氮肥施入量不宜低于75 kg/hm2，且不高于225 kg/hm2；2)黑麦草田0～1 m土层土壤有效含水量模拟值和观测值间的r值为0.86～0.95，RRMSE值为6.0%～17.2%，土壤水分剖面分布动态变化的模拟值和观测值间的r值介于0.57与0.92之间，且大部分大于0.85；3)EPIC模型模拟的黑麦草叶面积系数和株高与观测值间的r值均大于0.90，在统计范围内模拟值和观测值间差异不显著；黑麦草产量模拟值和观测值间的r值大于0.90，ME值和R2间差异小于0.02。总体而言，EPIC模型能够较好地模拟黑麦草生长过程，对黑麦草田土壤水分动态变化规律模拟较为准确，可以用来评价四川丘陵区以黑麦草为主的草粮轮作系统对当地气候条件的适应性。

黑麦草；EPIC模型；产量；土壤水分；四川

黑麦草(Loliummultiflorum)是冷季型禾本科牧草，因其营养丰富(干草粗蛋白含量高达25%以上)[1]，可消化性高[2]，适口性好，抗寒能力强等特性[3-4]，在世界范围内被广泛种植，是我国重要的冷季牧草之一。四川丘陵区年降水量800～1000 mm，年均气温16～18 ℃，无霜期230～340 d[5]，从气候角度考虑适宜黑麦草等饲草作物生长，但受季节性干旱和水土流失严重等因素限制，黑麦草在四川丘陵区的适应性还存在争议。统计数据表明，四川丘陵区6-9月的降水占全年降水的70%以上[6-7]，但因降水强度大，地表径流量高[年均土壤侵蚀模数为3798～9831 t/(km2·年)][7]，降水就地入渗的比例偏低；11月至翌年4月的降水总量偏低，在没有灌溉的情况下，深层土壤水分成为黑麦草获得高产的关键。黄土高原地区在引入苜蓿(Medicagosativa)的过程中发现，苜蓿等饲草作物对土壤水分消耗严重，经过几年的种植后1～3 m土层容易形成永久土壤干层[8-9]，不利于土壤水分可持续利用。因此有必要明确四川丘陵区黑麦草对深层土壤水分的利用情况，进而提高黑麦草田水分管理水平。

构建合理的草粮轮作模式可有效提高土壤水分利用效率[10-12]。黑麦草的生长周期与冬小麦(Triticumaestivum)相近[4，13]，理论上可以替代传统轮作模式[冬小麦-玉米(Zeamays)/红苕(Ipomoeabatatas)]中的冬小麦。一种新的种植模式(黑麦草-玉米/红苕)能否进行推广应用，需先明确其是否适应四川丘陵区环境条件，是否有利于土壤水分可持续利用等。田间试验与作物模型模拟相结合的方法是当前评价作物生产系统与环境间适应性的新方法和新热点[14]。EPIC模型(environment policy integrated climate)是Williams等[15]于1984年构建的多作物通用模型，内部包括气象、土壤、作物生长等十多个子模块。通过各子模块间的配合，模型能够对复杂作物生产系统的作物生长、水分循环等进行长周期定量模拟研究，可用来评价作物生产系统与环境的适应性，是进行农业生产决策的有效工具之一[16-18]。大部分研究结果肯定了EPIC模型对冬小麦、春玉米和苜蓿等作物产量和土壤水分的模拟精度[19-23]，所有模型应用者都认为在应用EPIC模型进行模拟研究之前，有必要对模型的模拟精度进行全面评价[21-23]。当前还未见到在黑麦草田验证应用EPIC模型的研究报道，EPIC模型是否可以用于黑麦草的模拟研究，在模拟过程中，还有哪些模块需要进一步改善等问题尚不明确。

本研究以2011-2015年人工黑麦草田观测数据为基础，分析了黑麦草田土壤水分变化规律，明确了黑麦草对深层土壤水分的利用情况，为四川丘陵区黑麦草田土壤水分管理提供必要理论依据。在比较田间观测值和EPIC模型模拟值的基础上，分析了EPIC模型对黑麦草生长过程和土壤水分动态变化的模拟精度，为EPIC模型在四川丘陵区草粮轮作系统的应用奠定基础，为本地区草粮轮作模式构建提供一种新的评价途径与方法。

1 材料与方法

1.1试验区域概况

绵阳位于四川盆地西北部，涪江中上游，境内丘陵广布，平坝狭小，平均海拔362 m，是四川盆地典型丘陵区之一；年均降水量826～1417 mm，年均气温14.7～17.3 ℃，年均日照时数1300～1328 h，平均无霜期253～301 d, 属四川盆地亚热带湿润季风气候。

本实验于2011-2015年在绵阳青义镇丘陵山地进行，试验田土壤为黄泥土，土壤容重1.1 g/cm3、常年含水量9.2%～20.1%、萎蔫系数6.2%～8.5%、有机质含量0.23 g/kg、全氮、全磷和全钾含量分别为1.1 g/kg,0.22 g/kg和15.6 g/kg,黑麦草田前茬种植玉米。

1.2田间试验

1.2.1试验设计 田间试验设计不施氮肥(CK)、施纯氮75 kg/hm2(N1)、施纯氮150 kg/hm2(N2)和施纯氮225 kg/hm2(N3)4个肥力处理水平，每个处理重复3次，共计12个小区，小区面积20 m2(4 m×5 m)，随机区组设计，小区间留1 m宽间隔方便取样和田间管理。黑麦草为一年生品种，每年9月中旬进行条播，播种量15 kg/hm2,行距0.15 m。次年1月初、2月初、 3月初、4月初分别刈割一次，前3次刈割后，按照设计用量追施氮肥，氮肥运筹方式为50%基肥，50%追肥(每次16.6%)。黑麦草最后一次刈割完成后，4月底-5月初，依据墒情适期播种玉米，玉米的播种、施肥等田间管理措施与当地高产田一致。

1.2.2田间取样 黑麦草种植前，取0～1 m土层土样(每0.2 m取样1次)测定土壤水分含量；黑麦草种植后每月测定相应土层土壤水分含量1次。黑麦草取样分两部分进行：1)黑麦草生长动态监测(占小区面积30%)，从黑麦草种植到枯黄一直不刈割，每15 d 测定株高和叶面积系数各1次；2)黑麦草产量和土壤水分动态监测(占小区面积70%)，即黑麦草种植后适期刈割，测定其饲草产量，同时进行土壤水分的取样和测定。黑麦草最后一次刈割完成后播种玉米，玉米的播种、施肥等田间管理措施与当地高产田一致。其中，选取5株测定株高后取平均值；测定叶面积系数；土壤水分每个小区选2个固定点，采用预埋TDR探头的方法测定土壤体积含水量，每个处理的土壤水分含量、土壤有效含水量、株高、叶面积系数等均取3个重复的平均值进行统计分析。

1.3测定方法

黑麦草饲草产量采用挖方法，取长宽各为1 m的黑麦草田上的黑麦草进行称重；黑麦草株高采用自然生长状态下，测量地面至黑麦草顶部高度的方法测定；黑麦草叶面积系数采用冠层分析仪(TOP1300)测定；土壤容重采用环刀称重法测定；土壤体积含水量采用TDR水分测定仪测定；土壤萎蔫湿度采用生物法，测定黑麦草田间发生永久萎蔫时的土壤含水量[24]。

1.4统计分析

土壤重量含水量的计算方法如公式(1)所示。

θ=ρω

(1)

式中：θ为体积含水率(%);ρ为土壤容重(g/cm3);ω为质量含水率(%)。

土壤有效含水量(available soil water,ASW)的计算方法如式(2)所示。

(2)

式中：ASW为0～1 m土层土壤有效含水量(mm)；ASWi为第i土层土壤有效含水量(mm)；n为所测定的最大土层数；SWi为第i土层土壤湿度(%)；WPi为第i土层土壤萎蔫湿度(%)；Pi为第i土层土壤容重(g/cm3)；Hi为第i土层厚度(cm)[24]。

模型对黑麦草生长过程和土壤水分的模拟精度采用如下公式进行评价。

(3)

(4)

(5)

(6)

(7)

(8)

采用SAS 10.0分析不同处理间的差异显著性和相关性；采用Excel 2013作图。

2 结果与分析

2.1EPIC模型对黑麦草田土壤水分动态的模拟

2.1.1黑麦草田土壤有效含水量逐月变化规律模拟 不同氮肥水平处理下，2011-2015年，黑麦草田0～1 m土层有效含水量随着降水的逐月变化而变化(图1)。其中，4-9月，实际月均降水量120 mm，显著高于全年月均降水量(67.5 mm)，黑麦草田土壤有效含水量呈增加趋势；10月至翌年5月，实际月均降水量14.2 mm，显著低于全年月均降水量，黑麦草田土壤有效含水量呈降低趋势。总体而言，3-5月黑麦草田土壤有效含水量最低，0～1 m土层月均土壤有效含水量4个处理的平均值为125 mm；7-9月黑麦草田土壤有效含水量较高，0～1 m土层月均土壤有效含水量4个处理的平均值为201 mm。从土壤有效含水量角度考虑，四川丘陵区黑麦草田2-5月适当灌溉将有利于提高黑麦草饲草产量。

图1 四川丘陵区不同氮肥水平下黑麦草田土壤有效含水量动态变化比较Fig.1 Comparison of available soil water of different nitrogen fertilization level in ryegrass land of the hilly regions at Sichuan Province

2011-2015年间，CK、N1、N2和N3处理下，0～1 m土层土壤有效含水量模拟值分别为176，166，168和151 mm，与观测值相比，分别减少3%，6%，1%和增加3%，土壤有效含水量模拟值总体略低于观测值(图2)。统计分析结果表明，CK、N1、N2和N3处理下，0～1 m土层土壤有效含水量模拟值与观测值间的RMSE值分别为11，20，17和28 mm；RRMSE值分别为6.0%，12.5%，10.1%和17.2%；ME值分别为0.94，0.81，0.85和0.76。RRMSE值较低，ME和R2间差异较小，0～1 m土层土壤有效含水量模拟值与观测值间差异不显著(P>0.05)。表明，EPIC模型模拟的黑麦草田土壤水分动态变化在统计范围内是可以接受的。

图2 四川丘陵区2011-2015年黑麦草田土壤有效含水量模拟值与观测值比较Fig.2 Comparison of simulated and observed available soil water of different nitrogen fertilization level during 2011-2015 in ryegrass land of the hilly regions at Sichuan Province

2.1.2黑麦草田土壤水分剖面分布动态模拟 2011-2015年，随着土层深度的增加，土壤湿度波动幅度呈下降趋势(图3)。0～0.2 m土层土壤湿度波动幅度较大，土壤重量含水率最低值(6%)与最高值(22%)之间相差16个百分点；0.8～1.0 m土层土壤湿度相对较稳定，土壤重量含水率最低值(8%)与最高值(12%)之间相差4个百分点。1-12月土壤重量含水率总体表现为先增加后降低的趋势。其中，深层(0.4～0.6 m)土壤重量含水率在5-10月随月均降水量的增加而显著增加，11月到翌年4月则呈波动性下降趋势(图3)。表明，在降水量偏低的月份，黑麦草对深层土壤水分有一定的消耗。1-4月黑麦草田0～0.2 m，0.3～0.6 m，0.8～1.0 m土层土壤重量含水率分别为6%～10%，7%～9%和8%～9%。5-10月相应土层土壤重量含水率分别为8%～20%，8%～15%和8%～13%。表明，1-4月黑麦草消耗的深层土壤水分在5-10月间可逐渐恢复。

图3 四川丘陵区2011-2015年黑麦草田0～1 m土层土壤水分剖面分布Fig.3 The distribution of soil water in 0-1 m soil during 2011-2015 in ryegrass land of the hilly regions of Sichuan Province

土壤水分剖面模拟值与观测值的比较结果表明，EPIC模型对四川丘陵区旱作黑麦草田土壤水分剖面分布模拟较为合理(图4)。土壤水分剖面分布模拟值和观测值间的r值为0.57～0.92，其中大于0.85的占82.3%，小于0.62的占10.2%；RMSE值为0.34%～2.10%，其中小于1%的占86.1%，大于2%的占1%。

2011-2015年，0～1 m土层土壤重量含水率模拟值与观测值间的r值在1、5和9月分别为0.78，0.88和0.67(图4)；RMSE值分别为0.72%，0.63%和1.01%；RRMSE值分别为8.56%，6.24%和7.76%；ME值分别为0.88，0.72和0.81。在降水较多的9月，模拟值和观测值间的r值偏低，R2和ME值间的差距较大，表明EPIC模型对降水较多月份的土壤水分剖面模拟精度偏低。

图4 四川丘陵区2011-2015年典型月份土壤重量含水率模拟值与观测值比较Fig.4 Comparison of simulated and observed soil water content by weight in typical month during 2011-2015 at the hilly regions of Sichuan Province 1月为较干旱月份；5月降水量接近全年月均降水量；9月为降水较多的月份。January is the arid month；May is the normal rainfall month；September is the rainy month.

CK、N1、N2和N3处理下，0～1 m土层土壤重量含水率模拟值分别为15.1%，16.0%，15.0%和14.5%，与观测值相比分别降低9.5%、增加8.9%、降低8.2%、增加9.4%；模拟值和观测值间的r值为0.73～0.88、R2值为0.62～0.78、ME值为0.75～0.81、RMSE值为0.45%～0.72%、RRMSE值为5.21%～8.69%、RE值为-9.5%～9.4%。其中RRMSE值均低于10%，ME和R2间的差异小于0.15，表明EPIC模型对不同氮处理的黑麦草田土壤重量含水率模拟较为合理，能够反映不同处理下土壤重量含水率的变化规律。同时，CK和N1处理下的r、R2和ME值均显著高于N2和N3处理(表1)，表明EPIC模型对CK和N1处理下的土壤重量含水率模拟精度高于N2和N3处理。

表1 四川丘陵区2011-2015年不同氮肥处理下黑麦草田土壤重量含水率模拟值与观测值比较Table 1 Comparison of simulated and observed soil water content by weight under different nitrogen treatments during 2011-2015 in ryegrass land of the hilly regions of Sichuan Province

2.2EPIC模型对黑麦草生长过程的模拟

2.2.1黑麦草株高的模拟 2011-2015年，黑麦草株高平均值为73～85 cm。其中2011-2012年，所有氮肥处理的株高差异不显著(P>0.05)，CK、N1、N2和N3处理的株高分别为81.0，84.0，84.6和85.0 cm；2012-2013年，相应处理的株高分别为78.6，73.6，83.4和84.0 cm。其中，N2和N3处理的株高显著高于CK，N1和CK处理间的株高差异不显著；2014-2015年，相应处理的株高分别为76.5，79.3，84.0和84.0 cm, 其中N1、N2和N3处理的株高显著高于CK，N2和N3处理的株高显著高于N1。表明在四川丘陵区的黄泥土上种植黑麦草，需要有一定的氮肥投入才可确保其正常生长和连续高产。

CK、N1、N2和N3处理的黑麦草株高模拟值4年平均分别为79.2，80.5，81.6和85.2 cm，与观测值相比分别偏高1.0%、偏高2.0%、偏低0.5%和偏高2.0%；株高模拟值和观测值间的r值分别为0.92，0.97，0.96和0.95(图5)；RMSE值分别为2.39，3.18，2.39和3.05 cm；RRMSE值分别为5.29%，8.35%，6.98%和7.98%；ME值分别为0.97，0.96，0.95和0.96；R2值分别为0.98，0.99，0.96和0.97。株高模拟值和观测值间的r值均大于0.90，ME值均大于0.95，且和R2值间的差小于0.05，表明黑麦草株高模拟值与观测值间的差异较小，EPIC模型对黑麦草株高的模拟较准确。

从不同年份看，EPIC模型模拟的黑麦草株高在2011-2012年及2014-2015年比观测值偏低1.85%和2.71%，在2012-2013年及2013-2014年则比观测值偏高6.55%和4.51%(表2)；模拟值和观测值间的r值和ME值均在2012-2013年和2013-2014年较低；模拟值和观测值之间的RRMSE和RMSE值在2012-2013年和2013-2014年较高。表明EPIC模型在降水较多的年份(2012-2013年、2013-2014年)对黑麦草株高的模拟精度比降水较少的年份(2011-2012年、2014-2015年)低。

图5 四川丘陵区2011-2015年不同处理的黑麦草株高模拟值与观测值比较Fig.5 Comparison of simulated and observed heigh of ryegrass during 2011-2015 at the hilly regions of Sichuan Province

表2 四川丘陵区不同年份黑麦草株高模拟值与观测值比较Table 2 Comparison of simulated and observed heigh of ryegrass at different years in the hilly regions of Sichuan Province

2.2.2黑麦草叶面积系数模拟 氮肥处理对黑麦草叶面积系数影响显著(表3)。2011-2015年，CK、N1、N2和N3处理下黑麦草最大叶面积系数平均值分别为2.4，2.6，3.3和3.4；其中N1、N2和N3处理显著高于CK，N2和N3处理显著高于N1。表明适当增加氮肥有利于黑麦草叶面积系数的增加。受降水的影响，2011-2012年和2014-2015年黑麦草最大叶面积系数平均值分别为3.0和3.1，显著高于2012-2013年和2013-2014年的相应值(2.8和2.9)。

表3 四川丘陵区不同处理在不同年份最大叶面积系数比较Table 3 Comparison of leaf area index of ryegrass at different years in the hilly regions of Sichuan Province

注：同列不同小写字母表示差异显著(P<0.05)。下同。

Note：Different small letters in the same column mean significant difference (P<0.05). The same below.

图6 四川丘陵区2011-2015年不同处理下黑麦草叶面积系数模拟值与观测值比较Fig.6 Comparison of simulated and observed leaf area index of ryegrass under different nitrogen treatments during 2011-2015 at the hilly regions of Sichuan Province

2011-2015年，CK、N1、N2和N3处理的黑麦草最大叶面积系数平均模拟值分别为2.3，2.7，3.3和3.5， 与观测值相比分别偏低5.10%、偏高3.01%、偏高0.01%和偏高3.01%；模拟值和观测值间的r值分别为0.93，0.91，0.90和0.95；RMSE值分别为0.10，0.09，0.12和0.20；RRMSE值分别为5.91%，5.14%，5.62%和6.37%；ME值分别为0.82，0.80，0.81和0.84；R2值分别为0.82，0.71，0.72和0.81(图6)。叶面积系数模拟值和观测值间的r值均大于0.90，ME值均大于0.80，且和R2值间的差小于0.05，表明在统计范围内，黑麦草叶面积系数模拟值与观测值间的差异不显著，EPIC模型对黑麦草叶面积系数动态变化的模拟较准确。

与观测值相比，黑麦草叶面积系数模拟值在2013-2014年偏低3.45%，在2012-2013年偏高0.01%，在2011-2012年及2014-2015年分别偏高3.33%和3.23%(表4)；模拟值和观测值间的r值和ME值均在2012-2013年和2013-2014年较低；模拟值和观测值间的RRMSE值和RMSE值在2012-2013年和2013-2014年较高(表4)。表明EPIC模型在降水较多的年份(2012-2013年、2013-2014年)对黑麦草叶面积系数的模拟精度比降水较少的年份(2011-2012年、2014-2015年)低。虽然叶面积系数模拟值在2011-2014年的差异相对较大，但方差分析结果表明模拟值与观测值间的差异不显著(P>0.05)，表明EPIC模型对黑麦草叶面积系数的模拟精度在统计学上可以接受。

表4 四川丘陵区不同年份黑麦草叶面积系数模拟值与观测值比较Table 4 Comparison of simulated and observed leaf area index of ryegrass at different years in the hilly regions of Sichuan Province

2.3黑麦草产草量的模拟

2011-2015年，CK、N1、N2和N3处理下，黑麦草年均产草量分别为36.7，51.9，65.0和70.9 t/hm2，与CK相比，N1、N2和N3的产量分别增加41.4%，77.1%和93.1%。方差分析结果表明，N1、N2和N3产量显著高于CK；N2和N3的产量显著高于N1；N2和N3间差异不显著(表5)。表明增施氮肥可以显著提高黑麦草产量，在刈割4次的情况下，从提高产草量和合理施用氮肥的角度考虑，四川丘陵区人工黑麦草田氮肥用量不宜低于N1(75 kg/m2纯氮)水平，且不超过N3(225 kg/hm2纯氮)水平。

表5 四川丘陵区2011-2015年不同氮肥处理下黑麦草产量比较Table 5 Comparison of ryegrass yield under different nitrogen treatments at the hilly regions of Sichuan Province during 2011-2015 t/hm2

2011-2015年，CK、N1、N2和N3处理下，黑麦草的年均产量模拟值分别为36.5，52.0，65.0和71.0 t/hm2，与观测值相比分别偏低0.54%、偏高0.19%、偏高0.01%和偏高0.14%；模拟产量与观测产量间的r值分别为0.95，0.97，0.98和0.92(图7)；RMSE值分别为0.45，0.25，0.42和0.55 t/hm2；RRMSE值分别为1.31%，0.48%，0.72%和0.41%；ME值分别为0.88，0.96，0.97和0.97；R2值分别为0.90，0.93，0.91和0.96。产量模拟值和观测值间的r值均大于0.90，ME值均大于0.85，表明黑麦草产量模拟值与观测值间的差异较小，EPIC模型对黑麦草产量的模拟较准确。

图7 四川丘陵区2011-2015年黑麦草模拟产量与观测产量比较Fig.7 Comparison of simulated and observed ryegrass yield during 2011-2015 at the hilly regions of Sichuan Province

从不同年份看，除2011-2012年外，2012-2015年黑麦草产量模拟值均比观测值偏低，其中2012-2013年、2013-2014年及2014-2015年黑麦草模拟产量比观测产量分别偏低0.37%，0.18%和0.34%；模拟值和观测值间的r值和ME值在2012-2013年和2013-2014年较低；模拟值和观测值之间的RRMSE值和RMSE值在2012-2013年和2013-2014年较高(表6)。表明EPIC模型在降水较多的年份(2012-2013年、2013-2014年)对黑麦草产量的模拟精度比降水较少的年份(2011-2012年、2014-2015年)低。

3 讨论

3.1黑麦草田土壤水分动态变化规律模拟

表6 四川丘陵区不同年份黑麦草产量模拟值与观测值比较Table 6 Comparison of simulated and observed ryegrass yield at different years in the hilly regions of Sichuan Province

孙佳美等[25]的研究表明，黑麦草覆盖地表对降水的入渗有一定影响，降水累积入渗量随黑麦草覆盖度的增加呈增加趋势。本研究中3-5月地表虽有一定的黑麦草覆盖，但由于月均降水量较少(仅为13.2 mm)， 远不能满足黑麦草正常生长需要，大量深层土壤水分被消耗，因此0～1 m土层土壤有效含水量显著降低(图1)。相关研究表明，黑麦草根系主要集中在0～0.3 m土层[26-27]，7-9月实际月均降水量显著高于全年月均降水量，另外，翻埋后土壤疏松，有利于降水的入渗，因此，此阶段黑麦草田土壤水分显著提高，尤其是深层(0.4～0.6 m)土壤水分得到了很好的恢复(图3)。受降水和作物消耗的影响，黑麦草田0～1 m土层土壤有效含水量在3-5月的月均值为125 mm，显著低于全年平均值；土壤水分剖面分布结果表明，1-4月黑麦草田对深层土壤水分有一定消耗，5-10月期间深层土壤水分能够得到完全恢复，这有利于黑麦草田土壤水分的可持续利用。从土壤水分可持续利用角度评价，在四川丘陵区适宜种植黑麦草。

Williams[18]在1995年改善了EPIC模型中地下水位模拟模块，1998年引入作物蒸腾计算方法(Baier-Robertson)[28]，2000年引入Green and Ampt渗透方程[29]，这些改进和完善，显著提高了EPIC模型对作物生产系统中水分循环的模拟精度。李军等[30]、郝远远等[14]的研究都认为EPIC模型可以有效模拟土壤水分的动态变化。本研究表明，EPIC模型模拟的0～1 m土层有效含水量与观测值间的r值为0.86～0.95，RRMSE值为6.0%～17.2%，EPIC模型模拟的土壤水分逐月变化规律与实际观测结果吻合度较高，这与李军等[30]在黄土高原地区的验证结果相似。同时本研究也表明，EPIC模型在较湿润月份对黑麦草田土壤重量含水率的模拟精度略低，在今后改善和应用模型的过程中需重点关注。

3.2黑麦草生长过程和饲草产量模拟

氮肥施用是提高牧草产量的有效手段之一，大量的生产实践和肥料试验均已证实施用氮肥可以显著改善饲草品质[31-32]。占丽平等[33]的研究结果表明，NPK处理的黑麦草分蘖数、株高、表观叶面积较不施氮处理均有显著增加。本研究结果表明，随着试验时间的延长，氮肥处理对黑麦草株高的影响逐渐显现，2011-2012年，4种处理下的黑麦草株高差异不显著，2014-2015年,N1、N2和N3处理的株高显著高于CK，N2和N3处理间的株高显著高于N1，2011-2015年,N1、N2和N3最大叶面积系数平均值显著高于CK，N2和N3处理显著高于N1，增加氮肥供给，有利于增加黑麦草叶面积系数。

黄勤楼等[34]在福建黑麦草田的氮肥处理试验结果表明，随着施氮水平的提高，黑麦草产量显著提高，在纯氮量为200 kg/hm2时，黑麦草产量最高，继续增加氮肥投入，黑麦草体内硝酸盐含量增加，不利于畜禽健康。本研究表明，在四川丘陵区适当增加氮肥投入可以显著提高黑麦草饲草产量，所有氮肥处理的黑麦草产量均比不施氮肥的处理产量高，这与前人研究结果相似。另外，在收获4茬的条件下，N1处理(氮肥用量为75 kg/hm2)的黑麦草产量与CK(不施氮肥)间差异不显著；N3处理(施肥用量为225 kg/hm2)的黑麦草产量与N2处理(200 kg/hm2)差异不显著。因此，在四川丘陵区人工黑麦草田氮肥(纯氮)用量不宜低于75 kg/hm2，且不超过225 kg/hm2。

一些学者认为EPIC模型的模拟结果能够很好地反映作物在较长时间段内的平均产量或产量中值，但不能很好反映作物产量的年间变化情况[16-18,22]；一些研究者认为EPIC 模型是一种能够反映环境条件对产量的影响，并模拟长时间段作物产量变化的有效工具[19-21,23]。本研究表明，黑麦草叶面积系数模拟值和观测值间的r值均大于0.90，ME值均大于0.80；株高模拟值和观测值间的r值均大于0.90，ME值均大于0.95；黑麦草产量模拟值和观测值间的r值均大于0.90，ME值均大于0.85，表明EPIC模型对黑麦草叶面积系数、株高动态变化以及饲草产量的模拟较准确，可以用于黑麦草田的模拟研究。

4 结论

四川丘陵区黑麦草田土壤水分在3-5月较低，5-10月被黑麦草消耗的深层(0.4～0.6 m)土壤水分可以得到较好恢复；适当增加氮肥投入，可以显著提高黑麦草田最大叶面积系数和饲草产量，在刈割4茬的条件下，氮肥施入量不宜低于75 kg/hm2，且不高于225 kg/hm2。

黑麦草田0～1 m土层土壤有效含水量模拟值和观测值间的r值为0.86～0.95，RRMSE值为6.0%～17.2%，土壤水分剖面分布动态变化的模拟值和观测间的r值介于0.57～0.92，且大部分高于0.85。总体而言，EPIC模型模拟的黑麦草田土壤水分动态变化规律较为准确，可以用于黑麦草田土壤水分动态变化规律研究。

EPIC模型模拟的黑麦草叶面积系数和株高与观测值间的r值均大于0.90，表明EPIC对黑麦草叶面积系数和株高动态变化的模拟较准确，在统计范围内模拟值和观测值间差异不显著，可以用于黑麦草田的模拟研究。黑麦草产量模拟值和观测值间的r值大于0.90，ME值和R2值间差异小于0.02，表明，EPIC模型能够较好的模拟黑麦草饲草产量。

References：

[1] Song Z Q, Gan Y M, Tian G,etal. Nutritional values of Italian ryegrass for growing rabbits. Acta Prataculturae Sinica, 2014, 23(5): 352-358. 宋中齐, 干友民, 田刚, 等. 多花黑麦草在生长肉兔上的营养价值评定. 草业学报, 2014, 23(5): 352-358.

[2] Liu L, Yang Z B, Yang W R,etal. Correlations among shearing force, morphological characteristics, chemical compositions, and in situ degradability of alfalfa stem and ryegrass stem. Scientia Agricultura Sinica, 2009, 42(9): 3374-3380. 刘丽, 杨在宾, 杨维仁, 等. 紫花苜蓿和黑麦草茎形态学、化学组成和养分瘤胃降解率与剪切力的相互关系. 中国农业科学, 2009, 42(9): 3374-3380.

[3] Zhai F F, Han L, Liu J X,etal. Assessing cold resistance of mutagenic strains of perennial ryegrass under artificial low-temperature stress. Acta Prataculturae Sinica, 2013, 22(6): 268-279. 翟飞飞, 韩蕾, 刘俊祥, 等. 人工低温胁迫下多年生黑麦草诱变株系的抗寒性研究. 草业学报, 2013, 22(6): 268-279.

[4] Chen T F. Effects of Nitrogen Fertilizer Level and Morphology on Yield, Quality and Silage Quality of Italian Ryegrass[D]. Chengdu: Sichuan Agricultural University, 2015. 陈天峰. 氮肥水平和形态对多花黑麦草产量、营养品质及青贮品质的影响[D]. 成都： 四川农业大学, 2015.

[5] Liang X H, Ai F F, Zhong T X,etal. Cross adaptation under drought and low temperature stress in perennial ryegrass. Acta Prataculturae Sinica, 2016, 25(1): 163-170. 梁小红, 艾非凡, 钟天秀, 等. 多年生黑麦草对干旱-低温交叉适应的生理响应. 草业学报, 2016, 25(1): 163-170.

[6] Pang L Y, Zhang H, Luo C Y,etal. Forage crop rotation and it’s benefit in the purple farming area of Sichuan province. Acta Prataculturae Sinica, 2010, 19(3): 110-116. 庞良玉, 张鸿, 罗春燕, 等. 四川紫色丘陵农区坡耕地饲草种植模式及效益. 草业学报, 2010, 19(3): 110-116.

[7] Sichuan Bureau of Statistics. Sichuan Statistical Yearbook[M]. Beijing: China Statistics Press, 2015. 四川省统计局. 四川统计年鉴[M]. 北京: 中国统计出版社, 2015.

[8] Luo Z Z, Li L L, Niu Y N,etal. Soil dryness characteristics of alfalfa cropland and optimal growth years of alfalfa on the Loess Plateau of central Gansu, China. Chinese Journal of Applied Ecology, 2015, 26(10): 3059-3065. 罗珠珠, 李玲玲, 牛伊宁, 等. 陇中黄土高原半干旱区苜蓿地土壤干燥化特征及适宜种植年限. 应用生态学报, 2015, 26(10): 3059-3065.

[9] Fang X Y, Li J, Wang X C,etal. Soil desiccation of alfalfa fields and effects of alfalfa-grain crop rotation on soil water restoration of desiccated alfalfa fields in semi-humid areas of the Loess Plateau. Scientia Agricultura Sinica, 2010, 43(16): 3348-3356. 方新宇, 李军, 王学春, 等. 黄土高原半湿润区苜蓿草地土壤干燥化与草粮轮作水分恢复效应. 中国农业科学, 2010, 43(16): 3348-3356.

[10] Melake K F, Richard J S, John G A,etal. Improving nitrogen and irrigation water use efficiency through adaptive management: A case study using annual ryegrass. Agriculture, Ecosystems & Environment, 2011, 141(3/4): 350-358.

[11] Yang T H, Cheng H, Eun Joong Kim,etal. Responses of high-sugar ryegrass productive performance to stimulated grazing on the Loess Plateau. Pratacultural Science, 2015, 32(9): 1473-1481. 杨天辉, 成慧, Eun Joong Kim, 等. 黄土高原模拟轮牧对高糖黑麦草生产性能的影响. 草业科学, 2015, 32(9): 1473-1481.

[12] Yang X L. Effects of Diversified Crop Rotations on Conserving Groundwater Resource and Lowering Carbon Footprint in the North China Plain[D]. Beijing: China Agricultural University, 2015. 杨晓琳. 华北平原不同轮作模式节水减排效果评价[D]. 北京: 中国农业大学, 2015.

[13] Liu C Y, Sun X Y, Zhu T C,etal. Comparison of the production performance of ryegrass cultivars and screening of dominant varieties. Acta Prataculturae Sinica, 2014, 23(4): 39-48. 刘春英, 孙学映, 朱体超, 等. 不同黑麦草品种生产性能比较与优势品种筛选. 草业学报, 2014, 23(4): 39-48.

[14] Hao Y Y, Xu X, Ren D Y,etal. Distributed modeling of soil water-salt dynamics and crop yields based on HYDRUS-EPIC model in Hetao Irrigation District. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(11): 110-116. 郝远远, 徐旭, 任东阳, 等. 河套灌区土壤水盐和作物生长的HYDRUS-EPIC 模型分布式模拟. 农业工程学报, 2015, 31(11): 110-116.

[15] Williams J R, Jones C A, Dyke P T. A modeling approach to determining the relationship between erosion and soil productivity. Transactions of the ASAE, 1984, 27: 129-144.

[16] Williams J R. The erosion productivity impact calculator (EPIC) model: A case history. Philosophical Transactions: Biological Sciences, 1990, 329: 421-428.

[17] He Y B, Cai W M. Linking a farmer crop selection model (FCS) with an agronomic model (EPIC) to simulate cropping pattern in Northeast China. Journal of Integrative Agriculture, 2016, 15(10): 2417-2425.

[18] Williams J R. The EPIC model[C]//Singh V P. Computer Models of Watershed Hydrology. Highlands Ranch: Water Resources Publications, 1995: 909-1000.

[19] Yawen B, Gerrit H, Ron M,etal. A comparison of the performance of the CSM-CERES-Maize and EPIC models using maize variety trial data. Agricultural Systems, 2017, 150: 109-119.

[20] Raniero D P, Armin K, Rainer S. Sensitivity analysis, calibration and validation of EPIC for modelling soil phosphorus dynamics in Swiss agro-ecosystems. Environmental Modelling & Software, 2014, 62: 97-111.

[21] Wei X, Juraj B, Marijn V D V,etal. A calibration procedure to improve global rice yield simulations with EPIC. Ecological Modelling, 2014, 273: 128-139.

[22] Xu X, Chen S, Guan H H,etal. Global sensitivity analysis and calibration of parameters for a physically-based agro-hydrological model. Environmental Modelling & Software, 2016, 83: 88-102.

[23] Camargo G G T, Kemanian A R. Six crop models differ in their simulation of water uptake. Agricultural and Forest Meteorology, 2016, 220: 116-129.

[24] Wang Z M, Liang Y L. The application of EPIC model to calculate crop productive potentialities in loessic yuan region. Journal of Natural Resources, 2004, 17(4): 481-487. 王宗明, 梁银丽. 应用EPIC模型计算黄土塬区作物生产潜力的初步尝试. 自然资源学报, 2004, 17(4): 481-487.

[25] Sun J M, Yu X X, Fan D X. Effects of ryegrass on processes of soil infiltration under simulated rainfall. Soils, 2014, 46(6): 1115-1120. 孙佳美, 余新晓, 樊登星. 模拟降雨条件下黑麦草对土壤水分入渗的影响. 土壤, 2014, 46(6): 1115-1120.

[26] Wang S F, Luo Y C, Zhang X Q,etal. The production performance of 14 annual ryegrass varieties in the southwest of Sichuan Province. Acta Prataculturae Sinica, 2014, 23(6): 87-94. 王绍飞, 罗永聪, 张新全, 等. 14个多花黑麦草品种(系)在川西南地区生产性能综合评价. 草业学报, 2014, 23(6): 87-94.

[27] Xie J F, Xu H W, Yang P Z,etal. Study on the applicability of ryegrass in north Sichuan mountain area. Journal of Sichuan Grassland, 1981, (3): 25-28. 谢家富, 胥洪文, 杨佩忠, 等. 黑麦草在川北山区的适用性研究. 四川草原, 1981, (3): 25-28.

[28] Cavero J, Plant R E, Shennan C,etal. Application of epic model to nitrogen cycling in irrigated processing tomatoes under different management systems. Agricultural Systems, 1998, 56(4): 391-414.

[29] Lui A T Y, Williams D J, McEntire R W,etal. Possible storm-intensity enhancing factor for the November 3, 1993 magnetic storm. Advances in Space Research, 2000, 25(7/8): 1639-1644.

[30] Li J, Wang X C, Shao M A,etal. Simulation of biomass and soil desiccation ofRobiniapseudoacaciaforestlands on semi-arid and semi-humid regions of China’s Loess Plateau. Chinese Journal of Plant Ecology, 2010, 34(3): 330-339. 李军, 王学春, 邵明安, 等. 黄土高原半干旱和半湿润地区刺槐林地生物量与土壤干燥化效应的模拟. 植物生态学报, 2010, 34(3): 330-339.

[31] Zhou Q, Zhao C P, Cao C X,etal. Effects of N dressing ratio on carbon and nitrogen transport and on grain yield ofLoliummultiflorum. Acta Prataculturae Sinica, 2010, 19(4): 47-53. 周琴, 赵超鹏, 曹春信, 等. 不同氮肥基追比对多花黑麦草碳氮转运和种子产量的影响. 草业学报, 2010, 19(4): 47-53.

[32] Li X K, Lu J W, Liu X W,etal. Effect of fertilization on the yield and forage quality of annual ryegrass. Pratacultural Science, 2011, 28(9): 1666-1670. 李小坤, 鲁剑巍, 刘晓伟, 等. 配方施肥对一年生黑麦草产草量及品质的影响. 草业科学, 2011, 28(9): 1666-1670.

[33] Zhan L P, Lu J W, Yang J,etal. Effect of fertilization on growth and yield ofLoliummultiflorum. Pratacultural Science, 2011, 28(2): 260-265. 占丽平, 鲁剑巍, 杨娟, 等. 施肥对黑麦草生长和产量的影响. 草业科学, 2011, 28(2): 260-265.

[34] Huang Q L, Zhong Z M, Chen E,etal. Effects of different N application methods and levels on the biological characteristics and nitrate content of ryegrass. Acta Prataculturae Sinica, 2010, 19(1): 103-112. 黄勤楼, 钟珍梅, 陈恩, 等. 施氮水平与方式对黑麦草生物学特性和硝酸盐含量的影响. 草业学报, 2010, 19(1): 103-112.

SimulationofsoilmoisturedynamicsandryegrassgrowthinthehillyregionofSichuanProvinceusingtheenvironmentalpolicyintegratedclimatemodel

WANG Xue-Chun1*, WANG Hong-Ni2, HUANG Jing1, YANG Guo-Tao1, HU Yun-Gao1

1.SchoolofLifeScienceandTechnology,SouthwestUniversityofScienceandTechnology,Mianyang621010,China; 2.CollegeofAdultandOnlineEducation,SouthwestUniversityofScienceandTechnology,Mianyang621010,China

The definition of soil moisture dynamics is very important to improve the management of ryegrass pasture. The use of the environmental policy integrated climate (EPIC) model can improve the accuracy of cropping system simulations, thereby providing better information for decision making. In this study, field experiments and computer simulations were used to analyze the growth process of ryegrass and the dynamics of soil moisture in ryegrass pastures. Then, the accuracy of the EPIC model to simulate ryegrass growth and soil moisture was evaluated. The results showed that available soil water in the deep soil layer (0.4-0.6 m) was relatively lower from March to May, but increased from May to October. Appropriate nitrogen fertilization (75-225 kg/ha) significantly increased the forage yield and leaf area index of ryegrass pastures in the hilly region of Sichuan Province. The correlation index values between observed and simulated available soil water in the 0-1 m soil layer ranged from 0.86 to 0.95 with RRMSE values ranging from 6.0% to 17.2%. The range of correlation index values between observed and simulated soil water in the 0-1 m soil layer was 0.57-0.92, and most values were >0.85. The correlation index values between simulated and observed values of forage yield, leaf area index, and height of ryegrass were >0.90, and there were no significant differences between simulated and observed values. In conclusion, the EPIC model can simulate soil moisture and forage yields of ryegrass pastures. These simulations can be used to evaluate the suitability of grain-forage cropping systems for the hilly regions of Sichuan Province.

ryegrass (Loliummultiflorum); enviornmental policy intigrated climate model; forage yield; soil water; Sichuan Province

10.11686/cyxb2016446

http://cyxb.lzu.edu.cn

王学春, 王红妮, 黄晶, 杨国涛, 胡运高. 基于EPIC模型的四川丘陵区黑麦草生长过程及其土壤水分动态变化模拟. 草业学报, 2017, 26(9): 1-13.

WANG Xue-Chun, WANG Hong-Ni, HUANG Jing, YANG Guo-Tao, HU Yun-Gao. Simulation of soil moisture dynamics and ryegrass growth in the hilly region of Sichuan Province using the environmental policy integrated climate model. Acta Prataculturae Sinica, 2017, 26(9): 1-13.

2016-11-29；改回日期：2017-03-22

粮食丰产增效科技创新项目(2016YFD0300210)和四川省教育厅项目(13ZB0299)资助。

王学春(1979-)，男，山东威海人，副研究员，博士。E-mail:xuechunwang@swust.edu.cn*通信作者Corresponding author.