基于DSSAT模型对豫北地区夏玉米灌溉制度的优化模拟

刘 影,关小康,杨明达,丁超明,崔静宇,黄 洁,梅福建,王怀苹,王同朝,*

1 河南农业大学农学院,河南粮食作物协同创新中心, 郑州 450002 2 浚县丰黎种业有限公司, 鹤壁 456250 3 南阳市宛城区种子管理站, 南阳 473000

河南省是我国夏玉米的主要产区,夏玉米播种面积和产量占全国的10%左右；同时也是水资源严重短缺地区,水分是影响夏玉米产量形成的主要限制因子[1- 2]。在夏玉米生育期内(6—9月份),降雨量分布不均,各年际间降雨量也不相同,夏玉米生长的某些关键时期极易遭受干旱,直接影响夏玉米的生长发育和产量[3]。自然降雨不能满足夏玉米的正常水分需求,为保证夏玉米高产稳产必须进行补充灌溉。然而,河南省农业用水存在巨大的缺口,平水年缺水量近10×108m3,中旱年缺水量近51×108m3[4],使得作物各生育阶段所需水分很难都得到充分的供应[5]。此外,为获得高产,生产上多实行过量灌溉,水资源浪费严重[6]。因此,优化灌溉水资源管理,提高灌溉水利用效率,以最适宜的水量投入获得最高的经济产出对缓解河南省农业用水危机和保障夏玉米生产具有重要意义。

传统上灌溉制度的制定是经大量的田间试验来确定灌水定额、灌溉时间和灌溉定额[7]。这种制定方式虽然富有成效,但是周期长、耗时耗力,且因气候条件和土壤环境的变异性而缺乏普适性[8-9]。随着信息技术的快速发展,作物模型应运而生。DSSAT(Decision Support System for Agrotechno1ogy Transfer)是目前应用最为广泛的作物模型系统之一[10],综合气象、土壤、田间管理和作物品种特性,可以模拟多年的作物生长发育和产量,克服了田间试验存在的诸多缺点。其中,DSSAT专门用于玉米的CERES-maize模型正被广泛应用于玉米水分管理研究,包括不同生育期受旱情况下夏玉米的模拟精度[11],夏玉米光温水生产潜力的评价[12],夏玉米灌溉需水量的估算[13],不同播期和不同水分管理对夏玉米产量的影响[14],甜玉米最优水肥管理的确定[9]和春玉米节水灌溉管理的模拟[15]等方面。但是,河南省夏玉米农田水分管理,尤其是不同降水年型下的夏玉米灌溉方案需要进一步的研究。

本研究基于1988—2017年30年的夏玉米生育期内气象数据,首先利用2016—2017年的物候期、地上部分生物量、产量和土壤含水量等大田观测值对DSSAT-maize模型进行校正和验证,然后通过设立不同灌溉模式、生长关键期灌溉组合和灌溉量梯度,探究不同降水年型下的夏玉米生长季缺水情况,进一步确定夏玉米最适合的灌溉时期和灌溉量,为豫北地区乃至河南省夏玉米的灌溉制度制定提供决策支持。

1 材料与方法

1.1 试验地概况

本研究的田间试验在河南省浚县丰黎种业有限公司科研基地进行(35°28′N,114°23′N),海拔63 m,面积250 m×250 m。浚县位于河南省北部,拥有耕地面积7.2万/hm2,夏玉米平均产量597kg/666.7m2、总产49万t,是河南省典型的夏玉米产区；该区域属于暖温带半湿润性季风气候,年均气温13.7 ℃,年均降水量647.8 mm,7、8月降雨量占全年降水量的51%,年均日照时数2331.8 h[16]。

1.2 模型数据库建立

1.2.1气象数据

模型所需的气象参数包括逐日太阳辐射量(MJ m-2d-1),最高温度(℃),最低温度(℃)和降雨量(mm)。依据1988—2017年30个夏玉米生长季的气象数据建立气象数据库,通过P-III型频率曲线分析软件划分不同降水年型：将降水保证率(P)大于等于25%的年份划分为丰水年(Wet year),25%—75%之间的年份为平水年(Normal year),小于等于75%的年份为干旱年(Dry year),接近100%的年份为特别干旱年(Extraordinary year)[17]。1988—2017年玉米生育期降雨分布如(图1)所示：P=25%对应降雨量为467.32 mm,P=50%对应降雨量为344.67 mm,P=75%对应降雨量为262.54 mm,1997年降雨量111.10 mm的保证率接近100%为特别干旱年。

图1 1988—2017年玉米生育期年降雨分布,1988—2017年月均降雨分布Fig.1 Precipitation distribution during maize growth period from1988 to 2017, Monthly average rainfall distribution from1988 to 2017P: 降水保证率

1.2.2土壤数据

模型所需的土壤数据包括土壤剖面物理化学性状和土壤初始条件。2017年夏玉米播种前在试验田随机选取5个取样点,采用分层(每层20 cm)取样法测定0—100 cm土壤剖面。各层土壤质地(砂粒、粉粒、粘粒百分比)、土壤容重、凋萎点、饱和含水量、田间持水量、有机质、全氮、pH、土壤含水量、硝态氮和铵态氮如表1所示,各指标测定参考《土壤农业化学分析方法》[18]。

表1 土壤剖面理化性状

1.2.3田间管理数据

模型所需的田间管理数据包括品种、播种、施肥和灌溉。供试夏玉米品种为黎乐66。其中2016年玉米播期为6月14日,种植密度60600 株/hm2,播深3 cm,行距60 cm,同时施用复合肥(N-P2O5-K2O=28-12-10)750 kg/hm2,并在7月16日追施尿素(N=46%)187.5 kg/hm2,期间无灌溉。2017年玉米播期为6月19日,种植密度61100 株/hm2,播深3 cm,行距60 cm,同时施用复合肥(N-P2O5-K2O=28-12-10)750 kg/hm2,并在7月23日追施尿素(N=46%)330 kg/hm2,期间在8月19日进行一次喷灌,灌溉量60 mm。其他管理均与大田管理相同。

1.2.4作物品种参数

DSSAT-maize模型共包含6个品种参数,分别是P1：从出苗至幼年阶段结束所需的积温(℃/d),P2：光周期敏感参数,P5：从吐丝至生理成熟所需的积温(℃/d),G2：单株潜在穗粒数,G3：潜在籽粒生长速率(mg/d),PHINT：出叶间隔特性参数(℃/d)。采用DSSAT-GLUE模型参数估计工具[19],每次至少6000次运行,不断缩小参数范围,并结合“试错法”获得最优的玉米品种参数组合(表3)。

1.3 DSSAT模型校正和验证

模型的校正和验证是通过调整作物品种参数使模拟值和实测值互相吻合。本研究通过夏玉米物候期、产量、地上部分生物量和土壤含水量来评估作物模型在当地的适用性。玉米物候期可以通过田间观察获得。产量取样在玉米生理成熟期进行,随机选择5个样点,每个样点双行连续收获20穗,脱粒烘干,经谷物水分测定仪测定籽粒含水量后,折算为公顷产量。地上部分生物量取样分别在玉米拔节期、开花期、乳熟期和成熟期进行,随机选择5个样点,每个样点选取2株田间长势中等的完整单株,放置烘箱105 ℃杀青后75 ℃烘至恒重。土壤取样分别在播种期、拔节期、开花期、乳熟期和成熟期进行,随机选择5个样点,每个点在0—20 cm、20—40 cm、40—60 cm、60—80 cm和80—100 cm进行分层取样,采用烘干法测定土壤含水量。为了量化模型拟合优度,使用归一化均方根误差(nRMSE),均方根误差(RMSE)和一致性指数(d)衡量模型模拟结果。计算如下：

(1)

(2)

(3)

当nRMSE≤10%,模拟结果非常好；当10%≤nRMSE≤20%,模拟结果良好；当20%≤nRMSE≤30%,模拟结果一般。当30%≤nRMSE,模拟结果较差[15]。

当RMSE≤0.1,模拟结果非常好；当0.1≤RMSE≤0.2,模拟结果良好；当0.2≤RMSE≤0.3,模拟结果一般；当0.3≤RMSE,模拟结果较差[15]。

当d=0,模拟值和实测值之间不一致；当d=1,模拟值和实测值之间非常一致。一般认为：当d≤0.6,一致性较差；0.6≤d≤0.8,一致性一般；当0.8≤d,一致性很好[20]。

1.4 情景分析

1.4.1夏玉米缺水量模拟

充分灌溉条件下田间蒸散量与不灌溉条件下田间蒸散量的差值是为缺水量[21]。在作物管理模块的灌溉和水分管理选项分别设置自动灌溉模式和不灌溉模式,自动灌溉模式被设定为当土壤剖面0—60 cm的土壤含水量小于土壤有效水含量的50%时自动补充灌溉至土壤有效水含量的90%。

1.4.2灌溉时期模拟

基于4个关键生育时期(苗期(E),拔节期(J),开花期(F)和灌浆期(G))共设置了6种灌溉模式：不灌溉、一次灌溉、两次灌溉、三次灌溉、四次灌溉和自动灌溉,灌水定额为60 mm,共计17个灌溉组合(表2)。这些模拟基于无营养胁迫的假设,灌溉方式为喷灌。

表2 模拟灌溉试验方案设计

E: 苗期represents emergence stage,J: 拔节期represents jointing stage,F: 开花期represents flowering stage,G: 灌浆期represents Grain filling stage; 上标(*)代表灌溉处理编号，None:无灌溉，When required: 当0—60 cm的土壤水分小于土壤有效水含量的50%时自动补充灌溉至有效水含量的90%

1.4.3灌溉量模拟

通常选取P=25%代表丰水年；P=50%代表平水年；P=75%代表枯水年。1998年降雨量516.1 mm为典型丰水年；2017年降雨量329.0 mm为典型平水年；1991年降雨量240.1 mm为典型枯水年。为了得到不同典型年的最佳灌水定额,基于灌溉时期的模拟结果,在最佳灌溉时期进行灌溉0、5、10、20、30、40、50、60、70、80、90、100、120、140、160和180 mm,共计16个不同灌溉量的模拟情景。

2 结果与分析

2.1 模型的校正和验证

选择2016年夏玉米实测试验数据校正模型,2017年玉米试验数据验证模型。经过GLUE率定,表3为模型模拟值与实测数值相吻合的6个玉米遗传参数。

表3 夏玉米作物品种遗传参数

P1: 从出苗至幼年阶段结束所需的积温(℃ d)，P2: 光周期敏感参数，P5: 从吐丝至生理成熟所需的积温(℃ d)，G2: 单株潜在穗粒数，G3: 潜在籽粒生长速率(mg/(粒·d))，PHINT: 出叶间隔特性参数(℃ d)

表4为2016和2017年玉米物候期、地上部分生物量和产量的模拟值与实测值的差异比较。2016年校正结果表明,玉米指标的模拟值与实测值相近,开花期、成熟期、成熟期地上部分生物量和产量的nRMSE分别为1.89%,0.98%,2.91%和5.43%,均小于10%,校正结果非常好；开花期地上部分生物量的nRMSE介于10%和20%之间,校正结果良好。2017年验证结果表明,玉米指标的模拟值与实测值相近,开花期、成熟期、开花期地上部分生物量、成熟期生物量和产量的nRMSE分别为1.92%,0.98%,5.50%,6.34%和6.79%,均小于10%,验证结果非常好。

图2为2016—2017年该田块0—100cm分层土壤含水量模拟值与实测值的差异比较。2016和2017年分层土壤含水量的RMSE值分别为0.016、0.009、0.023、0.015、0.023和0.01、0.022、0.013、0.01、0.07,均小于0.1,模拟结果非常好。其d值分别为0.977、0.992、0.953、0.968、0.902和0.966、0.826、0.975、0.984、0.976,均大于0.8,模拟一致性很好。

表4 2016—2017年玉米地上部生物量,物候期和产量模拟值和实测值的对比

DAP: 播种后的天数 day after planting

综上所述,DSSAT-maize模型对该区域物候期、地上部分生物量、产量和土壤含水量的模拟无论从空间上还是时间上均为有效模拟,特别是对土壤水分变化的模拟较为精确,可为本地区夏玉米水分管理和产量研究提供可靠的理论依据。

2.2 夏玉米缺水量模拟分析

1988—2017年30年夏玉米生长季的缺水量分布如表5所示：在丰水年,1998、2000、2003、2005和2010年的缺水量介于0—6.88 mm之间,平均值为2.69 mm,灌溉需水量较小,而1994年的缺水量达到66.45 mm,其原因是1994年播种后22天内累计降雨量达418 mm且播种后第21天降雨量达239.10 mm,虽为丰水年,但前期降雨量较大,后期雨水较少,导致玉米生育后期缺水量较大,因此,把1994作为平水年处理；在平水年,缺水量介于3.15—66.45 mm之间,平均值为25.30 mm,缺水量波动较大；在枯水年,1990、1991、2001、2002、2013和2015年的缺水量介于57.25—122.27 mm之间,平均值为84.26 mm,灌溉需水量较大；在特别干旱年,1997年的缺水量193.03 mm,具有很大的灌溉需求。夏玉米生长季多年的缺水量介于0 mm和193.03 mm之间,平均值为38.91 mm,不同降水年型的夏玉米缺水量差异显著。

表5 1988—2017年30年夏玉米作物蒸腾量和土壤蒸发量的模拟结果

图2 分层土壤含水量模拟值与实测值的对比Fig.2 Comparisons between the simulated and measured soil moisture at different depths in 2016 and 2017

2.3 灌溉时期模拟分析

在不同降水年型,不同灌溉频次和不同生育时期的灌溉对夏玉米产量的影响差异显著。从图3可知：在丰水年,夏玉米多年平均产量随着灌溉次数和灌溉量的增加并没有显著波动,因此不需要补充灌溉；在平水年,平均产量在处理4处首先到达最高点,灌溉组合是开花期,此后随着灌溉次数和灌溉量的增加,产量增幅相对较小,因此平水年在开花期进行一次灌溉为最优灌溉模式；在枯水年,平均产量在处理11处首先到达最高点,灌溉组合是开花期和灌浆期,此后随着灌溉次数和灌溉量的增加,产量增幅相对较小,因此枯水年在开花期和灌浆期进行两次灌溉为最优灌溉模式；在特别干旱年,产量随着灌溉次数和灌溉量的增加而增加,平均产量在处理12处首先达到最高点,灌溉组合是苗期、拔节期和开花期,此后随着灌溉次数和灌溉量的增加,产量增幅相对较小,但相对于自动灌溉产量增幅较大,因此特别干旱年需要在苗期、拔节期和开花期进行3次灌溉,同时增加灌水定额。

图3 1988—2017年不同降水年型夏玉米平均产量的模拟Fig.3 Simulated summer maize average yield at different irrigation treatments under different hydrological years from 1988 to 2017

2.4 灌溉量模拟分析

在不同典型降水年,不同灌溉量对夏玉米产量和水分利用效率的影响差异显著。水分利用效率(Water use efficiency, WUE)表示每单位水资源生产的作物产量,较高的WUE是有限水资源条件下夏玉米稳定生产的关键,本研究中采用夏玉米产量与蒸散量的比值来说明其水分利用效率水平。从表6可知：在丰水年1998年,产量不随灌溉量的增加而增加,且在0 mm灌溉时水分利用效率为26.25 kg hm-2mm-1达到最高,同时产量8554 kg/hm2为最大值,因此典型丰水年的最佳灌溉量为0 mm,即不需要灌溉；在平水年2017年,产量首先随灌溉量的增加而增加,在灌溉30 mm时产量8799 kg/hm2达到最大,并且不再灌溉量的增加发生变化,水分利用效率也先具有相同趋势,在灌溉30 mm时为25.43 kg hm-2mm-1达到最高,因此典型平水年的最佳灌溉量为30 mm；在枯水年1991年,产量首先随灌溉量的增加而增加,在灌溉70 mm条件下的产量9653 kg/hm2达到最大并且不再随灌溉量的增加发生变化,但是水分利用效率在灌溉50 mm时为28.44 kg hm-2mm-1达到最高,因此典型枯水年的最佳灌溉量为50 mm。

3 讨论

DSSAT模型的作物品种参数决定着玉米的生育周期、营养生长和生殖生长阶段,其正确与否直接影响到模型模拟结果的精度[10]。本研究除了2016年夏玉米开花期地上部分生物量的nRMSE为15.05%外,其他产量、物候期、地上部分生物量和土壤含水量的模拟值与实测值之间的归一化均方根误差(nRMSE)均小于10%,同时土壤含水量的一致性指数(d)均大于0.8,整体的模拟结果非常好,表明了该模型在豫北地区具有较好的适用性。

表6 不同灌溉量水平下不同典型降水年夏玉米产量和蒸散量的模拟

优化节水灌溉制度的关键是提高自然降水和灌溉水的利用效率,土壤贮水消耗量与灌水量呈负相关[22]。黄仲冬[23]利用数学模型计算的河南省新乡地区夏玉米多年缺水量波动于8.1—381.8 mm,本研究的多年缺水量介于0—193.03 mm之间,这与土壤贮水情况密切相关。1988—2017年6月月均降雨量63.69 mm,2016和2017年夏玉米播期为6月中下旬,播前初始的分层土壤含水量分别是0.27—0.30和0.26—0.32 cm3/cm3,土壤贮水处于较高水平,底墒水充足,缺水量相应减少。不同降水年型下的夏玉米最佳灌溉时期和灌溉量差异显著,降雨是影响作物灌溉需水的首要因素[23]。从图1可知：1988—2017年夏玉米生长季的年降水分布不均。丰水年(516.1—721.1 mm)>平水年(288.5—457.1 mm)>枯水年(192.7—240.1 mm)>特别干旱年(111.1 mm),不同降水年型夏玉米遭受水分胁迫的程度不同；夏玉米生长季的月均降雨分布不均,7月份降雨最多,9月份降雨最少,相对降水充沛的生育前期,夏玉米生育后期更容易遭受水分胁迫。当遭受水分胁迫时,开花期水分胁迫减产最重,其次是灌浆期[24]。开花期是玉米最为关键的生育时期,决定着最终产量,期间需要大量的水分、养分、光照和温度[15]。灌浆期是玉米需水的第2个关键期,期间茎叶光合产物和积累的营养物质大量向籽粒输送时期,需水量也比较多[25]。特别干旱年在苗期、拔节期和开花期灌水,这主要是因为在1997年的7—8月,河南省全省性的干旱造成一半播种面积以上的秋收作物受旱,灌水集中于夏玉米生育前期。

灌溉制度的优化不是以充分供水条件下的产量最高为目标,而是要以产量和水分利用效率的有效统一为目标。研究表明产量和WUE与灌水量呈非线性关系,当灌水量达到一定程度后,产量增加缓慢甚至降低[26-27]。本研究的WUE模拟值随灌溉量的增加呈现先增后降低的二次曲线趋势,当遭受水分胁迫时,WUE随着灌水量的增加而增加,灌溉到一定量时,ET不再变化,多余的灌溉水会形成地表径流或深层渗漏。但是,不同降水年型下的产量模拟值均增加到最大值后就不再变化,特别是丰水年的产量模拟值随灌水量的增加没有显著波动,表现为模型在过量灌溉情景下对产量模拟的敏感性较差。产量和WUE两者最高点并不重合,WUE先于产量达到最大值[6,28],本研究典型平水年和枯水年的模拟结果同样得到相似结论,但典型丰水年两者最高点吻合,这是降水已经满足玉米生育需水的原因,此外,丰水年、平水年和枯水年WUE达到最高值对应的产量分别占其最高产量的100%、99.72%和97.89%,实现了提高水分利用效率的同时保持较高的产量。

优化的灌溉制度虽然基于不同降水年确定了最佳灌溉时间和灌溉量,但是也不能完全适应气象条件、作物状况和土壤水分情况等影响因子造成的时空变异。因此,利用DSSAT为农田灌溉管理实践提供决策支持时,应该充分发挥模型可以模拟土壤-植物-大气动态变化的优势,对农田用水实施时空动态管理。首先基于气象数据的时间序列特征,在多年历史情境中找到与目标年份气象要素相似的年型[29-30],然后综合已有的土壤和作物参数运行模型,对夏玉米生长发育和土壤水分的情况进行全生育期预测。之后,随着逐日实测气象数据的动态输入,不断校正土壤水分的预测值,一旦土壤水分小于适宜下限值,就可对未来时段的夏玉米蒸散量预测值与降水量预报值作比较,确定是否灌水及灌水多少,从而对预先制定的灌溉制度做出适当调整。

4 结论

本研究基于DSSAT-maize模型评估了豫北地区夏玉米生长季的缺水情况,确定了不同降水年的最佳灌灌溉制度。利用2016和2017两年田间试验数据对DSSAT模型进行校正和验证时,均方根误差(RMSE)、归一化均方根误差(nRMSE)、一致性指数(d)均表明模拟效果非常好,模型能够准确模拟豫北地区夏玉米生长发育、产量形成和土壤水分状况。通过分析30年气象数据和不同灌溉情景模拟结果得出,夏玉米年际间的缺水量差异显著,丰水年、平水年、干旱年和特别干旱年的夏玉米缺水量分别是0—6.88 mm,3.15—66.45 mm,57.25—122.27 mm和193.03 mm,应该根据不同降水年选择最适合的灌溉制度。在丰水年,降水可以满足夏玉米水分需求,不需要灌溉；平水年,需要开花期进行一次灌溉,灌溉量30 mm；枯水年,需要开花期和灌浆期进行两次灌溉,灌溉量为50 mm；特别干旱年,在苗期、拔节期和开花期进行3次灌溉,灌溉量至少为180 mm。优化的灌溉制度在保持最高的水分利用效率同时获得较高的夏玉米产量,实现了夏玉米高产和水分利用高效同步化。