基于WOFOST模型的德州市冬小麦干旱减产风险评估

王萌萌， 杨学斌*， 王吉顺， 尚建设， 来剑斌

(1.德州市气象局， 山东 德州 253078； 2.中国科学院 地理科学与资源研究所禹城综合试验站， 北京 100101)

灾害风险分析是农业气象领域的重要研究内容，刘荣花等[1]基于冬小麦的实际灾损，对减产率、发生概率和产量变异系数进行分析，构建了华北平原冬小麦产量灾损风险评估模型。张存杰等[2]根据干旱发生的危险性、不同地区干旱背景和脆弱性，建立了我国北方冬麦区全生育期和6个关键生育期的干旱灾害风险评估模型和区划方法。薛昌颖等[3]根据风险理论采用风险评估技术和方法，分析了干旱气候条件下华北平原冬小麦产量灾损的风险水平。王素艳等[4]基于风险分析原理，建立了北方冬小麦干旱灾损风险指数模式，确定了综合风险区划指标。上述研究均以风险理论为基础开展，在进行干旱评估时均采用了统计学、天气学等方法。近年来，随着作物生长模型应用范围的扩大，专家学者已用于干旱风险研究。张建平等[5]基于WOFOST作物生长模型，定量分析并动态评估了干旱灾害对华北地区冬小麦的影响。李树岩等[6]基于WOFOST作物生长模型，分析了水分胁迫条件下河南省冬小麦减产风险值的变化规律。作物生长模型能够定量反映作物生长发育过程及其与环境因子的关系，并对作物主要生理生态过程进行数值模拟，人为再现作物生长发育过程[7-8]。

德州市是农业大市，是全国首个“吨粮市”，冬小麦是该市的主要粮食作物之一，但小麦生长发育容易受干旱影响。因此，准确评估该地区气象干旱对冬小麦产量的影响，继而评价水分胁迫条件下冬小麦的减产风险并进行区划，对指导当地农业生产具有重要的科学意义。因此，利用德州市1981—2018年的气象观测资料及近几年的冬小麦生长观测资料和土壤特性资料，对WOFOST作物生长模型进行参数校准，验证模型在德州市冬小麦生长模拟方面的适用性。在此基础之上，对多年来冬小麦的潜在产量和雨养产量进行模拟，评价干旱对冬小麦产量的影响，进而建立冬小麦减产风险评估模型，对全市冬小麦减产风险进行分析，研究减产风险的变化规律，以期为全市冬小麦生产决策、防范干旱影响等提供参考。

1 研究区概况与研究方法

1.1 研究区概况

德州市位于山东省西北部，属温带大陆性季风气候，四季分明、雨热同期，春季干旱多风，夏季炎热多雨，秋季凉爽少雨，冬季寒冷干燥。年平均日照时数2 483.8 h，年平均气温13.2℃，年平均降水量531.4 mm。冬小麦是德州市的主要粮食作物之一，其生育期正逢干旱少雨的冬春季节，因而干旱是主要气象灾害之一，对冬小麦的生长发育及产量形成具有显著影响[9-10]。

1.2 WOFOST模型本地化

1.2.1 WOFOST模型简介 WOFOST(World food studies)是荷兰瓦赫宁根大学和世界粮食研究中心共同研发的系列作物模型之一，是模拟特定土壤和气候条件下一年生作物生长的动态解释性模型[11-13]。目前，WOFOST作物生长模型在世界范围内广泛应用，主要用于产量预测、产量风险分析、生产潜力评价、灾害影响评估、气候变化影响评估、灌溉和施肥的产量效益估算等方面[13-15]。模型以日为时间步长，动态、定量模拟潜在生长、水分限制和养分限制3种水平下的作物生长状态。根据土壤和气象条件对作物根、茎、叶、穗生物量以及土壤水分动态进行模拟，描述作物从出苗到开花、开花到成熟的生长过程，模拟作物在辐射、温度、降水、作物自身特性等影响下日尺度的干物质积累，模拟的基础为作物的同化作用、呼吸作用、蒸腾作用以及干物质的分配等生理生态过程[16-20]。WOFOST模型的水分模拟以土壤水分平衡方程为基础，设置3种不同的子模块：第一种是假定土壤水分能够充分满足作物生长需求，用于模拟作物潜在产量；第二种是模拟水分限制产量，水分来源主要是降水，地下水不影响作物生长，用于模拟作物雨养产量；第三种是作物根部缺水时，地下水可以进行补充。本研究采用第一种和第二种模拟模式。

1.2.2 参数本地化及评价指标 以模型自带的冬小麦参数为基础，通过查阅文献及“试错法”等，对较为敏感的TSUM1(出苗到开花的有效积温)、TSUM2(开花到成熟的有效积温)、SPAN(35℃环境下叶生存周期)、PERDL(水分胁迫引起的叶片最大死亡速率)、SMW(凋萎湿度)等参数进行调整。选择模拟值和实测值的相关系数(r)、均方根误差(RMSE)、归一化均方根误差(NRMSE)作为生育期、生物量和产量的验证指标，RMSE和NRMSE越小表示模拟值与实测值越接近。

1.3 数据来源与干旱减产风险评估

1.3.1 数据来源 冬小麦生长观测资料：来源于中科院禹城试验站2015—2016年的试验资料，包括生育期以及不同生育期的茎秆、绿叶和地上部分总生物量观测值。其中，2015年数据用于校准参数，2016年数据用于验证参数。气象观测资料：来源于德州市气象局，获取11个站点1981—2018年逐日平均气温、最高气温、最低气温、平均风速、水汽压及日照时数观测值。由于WOFOST模型所需的太阳辐射没有观测数据，利用埃斯屈朗(Angstrom)方程，通过日照时数计算太阳辐射量[21]。对于缺失的气象数据采用五日滑动平均的方法进行订正补充，由于降水数据存在较大的不确定性，对于缺失及异常数据统一定义为0[22]。土壤数据资料：主要采用经验值，田间持水量、凋萎湿度、土壤容重等采用实测值。

1.3.2 干旱减产风险评估 利用2015—2016年的逐日气象资料、冬小麦生长观测资料和土壤资料对WOFOST模型进行参数校准，获得适用于德州市的模型参数。利用德州市11个站点1981—2018年的逐日气象观测资料，分别在潜在模式和水分胁迫模式下驱动模型，获取冬小麦潜在产量和雨养产量。潜在产量为最适条件下冬小麦的产量，雨养产量是受降水条件影响的产量，两者之差为受干旱影响的减产率。通过计算不同等级减产率及其发生频率，建立减产风险评估模型，对冬小麦减产风险进行评估和区划。

德州市的光温条件基本能够满足冬小麦生长需求，水分条件是限制冬小麦生产的主要因素。因此，冬小麦的气象干旱减产风险可用潜在产量和雨养产量的差距表示。运用模型模拟德州11个站1981—2018年雨养条件下的产量与潜在产量，计算减产率及其出现频率，建立干旱减产风险评估模型。

式中，YP为减产风险指数，Di为减产率等级，Pi为不同等级减产率出现的概率。减产率0～10%时为第1级，即D1=1，以此类推，减产率90%～100%时为第10级，即D10=10。DYt为第t年的减产率，Yt为第t年的潜在产量，Ytp为第t年的雨养产量。n为第i等级的减产率出现的次数，m为模拟的总年数。

2 结果与分析

2.1 模型验证

从表1看出，在校准年份和验证年份，出苗、拔节、抽穗、成熟等各个发育期的模拟值相差较小，平均误差分别为1 d和3.7 d。从表2可见，在校准年和验证年，茎干重和地上部分总干重的模拟值和实测值的相关系数均≥0.98，并通过0.01水平显著性检验，表明模拟值和实测值较为吻合，模拟误差较小。对于叶干重，校准年模拟值和实测值的相关系数为0.90，通过0.05水平显著性检验，验证年的相关系数为0.84，没有通过0.05水平显著性检验，说明模型对于叶干重的模拟误差相对较大。分析校准年和验证年叶干重生长动态的模拟值和实测值发现，在拔节期两者相差较大，其他生育期吻合较好，这可能是因为模型没有考虑分蘖的死亡，同时存在人工观测误差，导致叶干重的模拟效果相对不理想。综合考虑茎干重、叶干重和地上部分总干重的模拟结果，整体看误差在可接受范围之内，因此认为WOFOST模型可用于模拟德州市的冬小麦生长发育过程。

表1 生育期参数校准和验证结果

表2 模型参数的校准和验证评价

2.2 冬小麦减产率的年变化规律

从表3看出，1981—2018年，德州、乐陵、宁津和夏津冬小麦的减产率呈增加趋势，其中乐陵减产率倾向率最小，减产趋势不明显；其余7个站的减产率呈减少趋势，其中禹城、齐河、武城下降趋势明显。德州、临邑、夏津的降水量呈减少趋势，其中临邑降水量倾向率最小，减少趋势不明显；其余8个站的降水量呈增加趋势，其中齐河降水量倾向率最小，增加趋势不明显。整体看，北部站点的减产率年际变化不大，相对比较稳定，南部站点则相反。对减产率和生长季降水量进行相关分析，其中7个站呈极显著负相关关系，4个站呈不显著负相关关系。表明，随生长季降水量减少小麦减产率增加，生长季降水量增加小麦减产率减少，与实际情况一致。

表3 1981—2018年德州市冬小麦减产率和生长季降水量变率及其相关性

2.3 冬小麦减产率的空间变化规律

从图1可知，减产率大于20%的概率分布在庆云、宁津相对较大，达50%～53%；乐陵、武城、陵城、临邑、夏津、平原次之，为45%～49%；德州、齐河、禹城最小，为17%～24%。减产率大于50%的概率分布在庆云、乐陵、宁津相对较大，达15%～18%；陵城、平原、临邑、武城次之，为12%～14%；德州、禹城、齐河、夏津最小，为3%～9%。总体看，减产率概率从北向南整体呈减少趋势。

从图2可知，庆云、乐陵、宁津冬小麦减产风险指数最大，达3.0～3.3；陵城、临邑、平原、武城、夏津次之，为2.6～3.0；德州、齐河、禹城最小，为1.7～2.1。减产风险指数从北向南呈减少趋势。德州、齐河、禹城冬小麦生长季平均降水量相对较大，达160～176 mm；平原、夏津、临邑次之，为151～156 mm；庆云、乐陵、宁津、陵城、武城最少，仅145～147 mm。冬小麦生长季平均降水量从北向南大致呈下降趋势，与减产率和减产风险指数的空间分布规律基本相反。综上所述，气象干旱造成的减产风险在庆云、乐陵、宁津是高值区，在陵城、平原、武城、临邑一带是中值区，在德州、齐河、禹城是低值区。

3 结论与讨论

利用校准后的WOFOST模型，对德州市1981—2018年冬小麦的潜在产量和雨养产量进行模拟，计算水分条件影响下的减产率，并根据各等级减产率及其出现的概率建立减产风险评估模型，进行气象干旱减产风险分析。研究结果表明，德州、宁津、夏津的冬小麦减产率呈明显增加趋势，禹城、齐河、武城呈减少趋势，陵城、乐陵、临邑、庆云变化幅度较小，增减趋势不明显。这与各站冬小麦生长季降水量的变化趋势基本相反。同时，减产率与降水量呈显著负相关关系。冬小麦减产风险的高值区主要在北部的庆云、乐陵、宁津一带，低值区主要在南部的禹城、齐河一带，陵城、临邑、武城等中西部一带为中值区。生长季平均降水量与减产风险的空间变化基本相反。说明，WOFOST模型能够较为准确地模拟水分条件对冬小麦产量的影响，对于减产风险的研究具有实际意义，能够指导德州市农业生产。

基于WOFOST模型研究水分条件变化引起的冬小麦减产风险，模拟气候环境对冬小麦生长发育的影响，通过产量来计算减产率及减产风险指标，机理性的研究方法使得研究结果更具科学性。但在实际大田生产过程中，各地的灌溉条件差异较大，对减产风险评估结果具有一定的影响。灾害风险管理理论综合考虑了致灾因子的发生程度及概率和承载体的暴露性、脆弱性和抗灾能力，在较为全面地分析灾害风险方面具有一定优势。因此，在后续研究中可有机结合这两种方法，进而更科学、全面地进行灾害减产风险评估。