未来气候变化情景下基于APSIM模型的黄土高原冬小麦适宜种植区域模拟

2021-09-23 08:41孙昊蔚马靖涵
麦类作物学报 2021年6期
关键词:黄土高原冬小麦降水

孙昊蔚,马靖涵,王 力,2

(1.西北农林科技大学资源环境学院,陕西杨凌 712100;2.中国科学院水利部水土保持研究所 黄土高原土壤侵蚀与旱地农业国家重点实验室,陕西杨凌 712100)

黄土高原是世界上典型的土壤侵蚀、水土流失地区,常年的土壤侵蚀造成了土地资源状况的恶化[1],直接影响着该区域生态环境发展、农业生产建设和粮食生产[2-3]。同时,全球气候正在发生深刻变化,地球热量和降水分布也随之改变。黄土高原大部分农业以旱作为主[4-5],作物种植主要依赖于热量和自然降水,因而其作物分布、适宜种植区面积和产量更容易受到气候变化影响[6-7]。面对全球气候变化,有效预测黄土高原地区作物产量、作物适宜种植区域的变化规律,对于该地区农业可持续发展具有重要意义。

气候变化对于农业生产的影响是当前研究的热点。Gohari等[8]研究认为,温度升高会缩短农作物生长周期,提高作物生长需水量,进而造成产量下降;Muhammad等[9]利用AquaCrop模型模拟得出,在气温升高条件下华北平原地区小麦产量将会增加。一般来说,区域降水量与小麦产量呈正相关。Wang等[10]通过APSIM模型研究表明,降水减少对于干燥地区的影响要比湿润地区大。无论是FACE实验(free air CO2enrichment)或者是模型模拟研究,都证明了大气CO2浓度与作物产量呈正相关。Miglietta等[11]的研究结果显示,马铃薯块茎产量在FACE(自由空气中增加CO2浓度试验)处理中平均增加28%。Zhang等[12]利用ORYZA2000模型分析认为,在IPCC A2和B2情景(大气CO2浓度增加)下,中国黑龙江省大米产量将分别增长44.5%和 35.3%。然而,当前研究中关于作物适宜种植区域对气候变化响应的分析相对较少,且相关研究也主要以历史气象数据为基础,从作物积温等角度出发来分析判断,而作物模型则可以综合考虑作物生长发育过程中的积温、土壤等条件,因此更适合进行作物适宜种植区域变化的分析。本研究以APSIM作物模型为基础,以统计降尺度逐日气象数据组建气象数据库模拟了黄土高原冬小麦产量情况,并以产量水平与稳产性作为划分依据预测了未来2020-2100年冬小麦适宜种植区域的变化,从而分析预测未来黄土高原农业发展与水土保持工程实施的重点地区。

1 材料与方法

1.1 研究区概况

黄土高原地处中国偏北地区,面积约为64万km2,包括青、宁、甘、秦、晋、蒙、豫7个省区的全部或者部分地区。海拔西高东低,是世界上典型的黄土区,高原内部水土流失严重,生态环境脆弱。黄土高原属于大陆季风气候,年平均温度 3.6~14.3 ℃,冬冷夏热,且气温时空差异较大;夏秋多雨,冬春少雨,整个区域年降水150~750 mm。模拟黄土高原全境67个气象站点进行(图1),站点的选择参考了相关研究结果[13]。

1.2 试验设计

本研究选择长武试验站历年冬小麦产量监测数据进行模型的率定与精度验证。在APSIM模型校正的基础上,应用CMIP5降尺度数据集内ACCESS1-0逐日气象数据集驱动APSIM模型,模拟了黄土高原67个站点RCP 4.5和RCP 8.5情景下2020-2060、2061-2100年间冬小麦产量数据,并与1981-2010年间产量模拟数据进行了比较。RCP情景(代表性浓度路径)由IPCC第五次评估报告提出,其中RCP 8.5描述的情景是国际之间不进行控制温室气体排放的协议和活动,不刻意控制全球气候变暖进程的情景,该情景下温室气体的浓度不断上升;RCP 4.5是指人类采取一系列措施进行减排,从而控制温室气体排放低于预期目标的情景,该情景下大气中CO2浓度达到538 ppm,N2O浓度降低,同时N2O浓度达到372 ppb[14]。通过对RCP 8.5与RCP 4.5下作物发育情况的比较可以判断人为干预下对于未来农业发展的影响。同时,本研究利用ArcGIS反距离权重插值法得到产量和稳产性栅格数据,并以此为划分依据预测在2020-2060、2061-2100年间黄土高原适宜种植冬小麦区域分布的变化。当前冬小麦适宜种植区域由各省区历年统计年鉴总结得出,并参考了张玲玲等[15]的研究结果,种植面积过低的市区未纳入考虑。

1.3 研究方法

APSIM模型于20世纪90年代研制成功,开发单位包括澳大利亚联邦科工组织(CSIRO)和昆士兰州政府的农业生产系统研究组(APSRU)。作为一种作物模型,APSIM能够应用于农业生产各环节主要成分的机理模拟[16-17]。APSIM模型由5部分模块组成:作物模块(小麦、玉米、大豆等)、土壤条件模块(如土壤水分、土壤碳、土壤养分)、气象条件模块(如温度、辐射、降水、风速等)、管理模块(播种、灌溉、施肥等)、数据输入与结果输出模块。在此基础上,五类模块通过中心引擎结合在一起。在使用过程中,APSIM模型能够以“插拔”的形式,自由选择模拟过程所需要的模块,通过这种方式来设置研究所需模拟条件。

APSIM模型中作物参数的设置与调整参考了黄土高原关于APSIM的相关研究结果[15,18-19]。气象数据来源于降尺度气象数据网站(http://stdown.agrivy.com)。该降尺度气象数据集采用统计降尺度模型(NWAI-WG)从每个GCM网格的月值数据中生成[20]。具体来说,降尺度过程包括两个步骤:空间降尺度和时间降尺度。第一步是插值,即使用反距离加权(IDW)方法从GCM网格单元气候变量月值插值为站点的月值数据,然后结合实测值对数据进行修正。第二步利用WGEN随机天气发生器生成逐日气象数据。该数据集应用广泛,Wang等[21]和Ruan等[22]的研究中都有应用。本研究中两种气候情景RCP 4.5和RCP 8.5与CO2排放均有关[23],在APSIM模型中需要设置大气CO2浓度的动态变化,因此在模型中设置了两组公式(式中y指的是具体某一年份)[24-25]:

[CO2]RCP4.5=650.18+(7.532 6×10-5y- 0.162 76)/(2.229 9×10-4-727.97y-2)- 1.874 7×10-4(y-2045)3

[CO2]RCP8.5=1 034.3+(267.78- 1.618 8y)/(4.014 3+53.342y-5.288 2)+2.174 6×10-5(y-2020)3+1.0065×104(y-1911)3

本研究利用长武试验站冬小麦的长期观测数据进行产量和生育期长度模拟精度评价,结果(图2)表明,冬小麦产量与生育期天数的R2分别为0.85和0.74,RMSE值分别为418 kg·hm-2和3.45 d。一致性指标D分别为0.926和0.921,均大于 0.8,说明模型模拟精确度较高,冬小麦产量与生育期天数的模拟值与观测值吻合较好,APSIM模型适合该地区冬小麦生长及产量潜力的模拟。

2 结果与分析

2.1 黄土高原温度与降水的变化趋势

在黄土高原包含的7个省中,年平均最高温度与最低温度按照青海、内蒙古、甘肃、宁夏、山西、陕西、河南的顺序递增。在RCP 4.5 和RCP 8.5情景下,黄土高原最高温度(图3)与最低温度(图4)皆呈逐年升高趋势,且RCP 8.5情景下的升温程度要大于RCP 4.5。在RCP 4.5 情景下,2020-2060年间,黄土高原67个站点的最高温度和最低温度较1981-2010年平均值分别上升0.10~1.58 ℃(平均0.76 ℃)和0.13~2.40 ℃(平均0.96 ℃);在2061-2100年间,最高和最低温度较1981-2010年平均值分别增加0.88~ 2.53 ℃(平均1.55 ℃)和0.53~4.03 ℃(平均2.16 ℃)。在RCP 8.5情景下,2020-2060年间,黄土高原最高温度和最低温度较1981-2010年平均值分别增加0.35~1.68 ℃(平均1.08 ℃)和0.40~2.98 ℃(平均1.33 ℃);在2061-2100年间,黄土高原的最高温度和最低温度较1981-2010年平均值分别增加1.35~4.70 ℃(平均 3.18 ℃)和2.50~4.60 ℃(平均3.26 ℃)。陕西省与山西省南部等小麦种植区的增温幅度较大。

在RCP 4.5情景下,相较于1981-2010年间的年平均降水,在2020-2060年间,年均降水增加-17.87~146.53 mm(平均39.35 mm);2061-2100年间,年均降水增加55.32~252.84 mm(平均128.12 mm)。在RCP 8.5情景下,2020-2060年间,年平均降水增加-9.98~ 175.52 mm(平均51.80 mm);2061-2100年间,年均降水增加52.65~300.86 mm(平均126.49 mm)。除平凉地区在RCP 4.5和RCP 8.5情景下2020-2060年间年均降水减少外,所有站点的所有情景下,降水都呈现增加趋势。同时,无论是在RCP 4.5或RCP 8.5情景下,降水的增加呈现空间分布差异(图5),黄土高原东南地区(山西省南部、河南省西北部)的降水增加量最大,西北地区的降水增加量最小。

2.2 黄土高原冬小麦产量的变化

在本研究中,将黄土高原分为两部分,一部分是依据各省市县统计年鉴划分的冬小麦种植区域,另一部分为非种植区域;以此来研究气候变化下黄土高原冬小麦种植区域内产量的变化趋势(图6),并从冬小麦产量角度预测黄土高原冬小麦种植区域面积和分布对于气候变化的响应(图7、图8)。在冬小麦种植区域内,1981-2010年间,产量平均值为4 299 kg·hm-2;在RCP 4.5情景下2020-2060和2061-2100年间,产量平均值分别为4 319和4 777 kg·hm-2;在RCP 8.5情景下2020-2060和2061-2100年间,产量平均值分别为4 548 和4 597 kg·hm-2。在非冬小麦种植区域,1981-2010年的产量平均值为2 191 kg·hm-2;在RCP 4.5情景下2020-2060和2061-2100年间,产量平均值分别为2 142和2 743 kg·hm-2;在RCP 8.5情景下2020-2060和2061-2100年间,产量平均值分别为2 442和2 906 kg·hm-2。通过显著性分析,随着气候变化,除非种植地区RCP 4.5情景的2020-2060年间模拟产量略有下降外,其余情景下冬小麦产量都呈显著增加趋势(P<0.01),种植区RCP 8.5情景的2020-2060年P<0.05)。

将模拟所得产量数据按照一定的等级重新分类,进而可以判断各冬小麦产量等级的具体分布位置(图7)。单从产量(图7)来看,黄土高原适宜种植冬小麦的地区存在向北扩展的趋势。与1981-2010年间平均产量比较,在RCP 4.5情景下,2020-2060年间,62.5%种植区域站点的小麦增产(增幅8~820 kg·hm-2),54.3%的非种植区域站点增产(增幅0~479 kg·hm-2);2061-2100年间,91%的种植区域站点增产(增幅0~ 1 601 kg·hm-2),71.4%的非种植地区站点增产(增幅39~2 251 kg·hm-2)。在RCP 8.5情景下,2020-2060年间,81.2%种植区域站点增产(增幅0~907 kg·hm-2),77.1%的非种植地区站点增产(增幅0.8~1 190 kg·hm-2); 2061-2100年间,59.3%的种植区域站点增产(增幅0~1 522 kg·hm-2),91.4%的非种植区域站点增产(增幅0~2 195 kg·hm-2)。

从各等级产量所占面积的百分比(图8)看,在RCP 4.5情景下,2020-2060年间,各产量等级面积占比相对于1981-2010年的平均值变化不显著;在2061-2100年间,产量0~3 000 kg·hm-2的地区从45.0%减至34.0%,产量 3 000 kg·hm-2以上所占面积从54.9%增至 65.9%。在RCP 8.5情景下,2020-2060年间, 0~3 000 kg·hm-2的低产地区面积占比从 45.0%减至39.0%;3 000 kg·hm-2以上面积从54.9%增至60.9%;2061-2100年间,产量0~ 3 000 kg·hm-2的低产地区面积占比从45.0%减至 30.2%,产量3 000 kg·hm-2以上的面积从54.9%增至69.7%。因此,从产量角度来看,黄土高原适宜种植小麦的地区面积是有扩大趋势的。

2.3 黄土高原稳产性变化趋势

为了保证农业活动效益的最大化,除了产量因素,还需要考虑稳产性因素。本研究将产量的变异系数作为衡量冬小麦稳产性的指标,来判断在气候变化的背景下冬小麦稳产性的区域变化情况(图9)。1981-2010年,整个冬小麦种植区域产量变异系数平均为21.0%,非种植区域则平均为68.1%。在RCP 4.5情景下,2020-2060年间,种植区域产量变异系数平均为22.8%,非种植区域产量变异系数平均为55.9%;2061-2100年间,种植区域产量变异系数平均为18.5%,非种植区域产量变异系数平均为40.4%。在RCP 8.5情景下,2020-2060年间,种植区域产量变异系数平均为21.7%,非种植区域产量变异系数平均为48.5%;2061-2100年间,种植区域产量变异系数平均为18.5%,非种植区域产量变异系数为41.6%。除RCP 4.5情景的2020-2060和 RCP 8.5情景的2020-2060年间,种植区域产量变异系数有所上升外,其余情景和时间段内,产量变异系数皆呈显著下降趋势(P<0.05)。

同样,利用ArcGIS重分类功能,按照一定等级梯度划分了黄土高原冬小麦产量变异系数区域(图10),并计算了不同情景与不同时间段内各等级产量变异系数所占面积的占比情况(图11)。在RCP 4.5情景下,2020-2060年间,相比 1981-2010年间,变异系数0~40%的稳产地区面积占比从54.7%增加到55.1%,变异系数在40%以上的地区从45.3%减少到44.9%;在2061-2100年间,变异系数0~40%的稳产地区面积占比增加到69.8%,变异系数在40%以上的地区从45.3%减少到30.2%。在RCP 8.5情景下, 2020-2060年间,变异系数0~40%的稳产地区面积占比增加到58.7%,变异系数在40%以上的地区减少到41.3%;2061-2100年间,变异系数0~40%的稳产地区面积占比增加到 67.4%,变异系数在40%以上的地区减少到 32.6%。从产量稳定性角度来看,黄土高原适宜种植小麦的地区面积同样呈扩大趋势。

2.4 黄土高原适宜种植区变化

综上可知,随着气候的变化,在2020-2100年间黄土高原将有更多高产和稳产的地区出现,但是这两者的增加是否有重叠的区域尚不明确,这也是探究气候变化下黄土高原适宜种植区变化具体位置的关键所在。根据分析,可知在1981-2010年间,黄土高原冬小麦种植地区绝大部分多年产量平均值处于3 000 kg·hm-2以上和产量变异系数处于0~40%之间,存在误差的地区主要集中于青海省部分地区和延安市,这主要是因为受限于青海省统计资料的缺失,无法判断青海省冬小麦的具体种植地区。而根据统计年鉴显示,延安市部分地区种植小麦,但是由于其种植面积过低而未统计在冬小麦种植区域内。因此,本研究以产量3 000 kg·hm-2以及产量变异系数40%为标准来划分适宜种植与不适宜种植区域,并绘制了未来不同时间段内冬小麦适宜种植区域北界图(图12)。在RCP 4.5情景下,2020-2060年间适宜种植区边界变动程度不大,在2061-2100年间期间,适宜种植区域边界将从1981-2010年间下的榆中-海源-吴旗-绥德一线变为同心-定边-横山-朔州一线。在RCP 8.5情景下,2020-2060年间边界变为榆中-海源-兴县-原平一线;在2061-2100年间,种植边界将变为同心-盐池-朔州-大同一线。

在1981-2010期间,适宜种植面积为 305 369 km2,占黄土高原总面积的48.9%(图13)。在RCP 4.5情景下,2020-2060年间,适宜种植面积为292 274 km2,占比为46.8%,较1981-2010年减少13 095 km2;2061-2100年间,面积增加到407 132 km2,占比为65.2%,较1981-2010年增加101 763 km2。在RCP 8.5情景下,2020-2060年间,面积增加到352 337 km2,占比为56.4%,较1981-2010年增加469 68 km2;2061-2100年间,面积增加到410 340 km2,占比为65.7%,较1981-2010年增加107 671 km2。

3 讨 论

3.1 不确定性分析

本研究主要的不确定性在于将黄土高原冬小麦品种默认为相同,而实际上黄土高原各地小麦品种并非完全一致,且每一地区小麦品种更换速率约为十年更换一次[26]。小麦品种生育期等作物参数的不同都会在一定程度上导致实际情况与模拟结果的差异,这是本研究存在的不确定性。同时,本研究中只应用ACCESS1-0一种气候模式进行了预测,这也会造成模拟的不确定性。相关研究[27]结果显示,28个GCM模式模拟的中国气候变化趋势基本一致,都认为最高温度、最低温度及降水呈增加趋势。但是对于具体某一地点而言,温度、降水变化数值都会有所不同,这是不确定性的主要来源,在以后的研究中需要考虑多个数值模式以减少不确定性。

3.2 黄土高原冬小麦产量的变化

未来气温的升高会造成冬小麦生育期的缩短[26],导致一定程度的减产,但是GCM模式预测未来黄土高原降水将呈现全区域普遍增加的趋势,结合CO2增产效果,未来黄土高原冬小麦产量将表现出升高的趋势。在1981-2010年间,黄土高原冬小麦产量呈现西部高、东北偏低的特征,这与张玲玲等[15]的研究结论一致。分析降尺度气候数据集显示,在未来黄土高原东北部即山西中部地区降水增加程度要高于黄土高原西部地区,因此黄土高原种植区域内产量西高东低的现象将逐渐缓解,尤其是在RCP 4.5、RCP 8.5情景下2061-2100年间表现更为明显。在冬小麦种植区域内,随着气候的变化,冬小麦产量都有显著性升高,说明在考虑多种气候要素的情况下,气候变化朝着有利于小麦产量增长的趋势发展。但是,在RCP 4.5和 RCP 8.5情景下2061-2100年间,冬小麦产量平均值分别为4 777 和4 597 kg·hm-2。显著性分析显示, 2061-2100年间冬小麦产量在RCP 4.5情景下显著高于RCP 8.5情景(P<0.05),说明气候变化虽然是向着有利于农业种植的趋势发展的,但是减少大气CO2排放来控制全球温度增加趋势更加有利于小麦产量提升。

3.3 黄土高原冬小麦适宜种植区域界线移动

唐晓培等[28]的研究表明, RCP 4.5情景下黄淮海地区冬小麦种植北界变化趋势小于RCP 8.5情景,这与本研究的结果一致。杨晓光、孙爽等[29-30]从光温生产潜力、积温角度,李克南等[31]从冻害和春化角度,Yang等[32]基于全国尺度的研究都表明,在1981-2010年间作物种植界限北移趋势明显,种植区域的扩大会提升小麦的总产量。Yang等[32]的研究表明,由于气候变化扩大了粮食种植区域,在1981-2010期间全国三大主要作物(小麦、玉米、水稻)增产8×106t。因此,气候变化对于全国的农业生产起着一定积极的作用,采用合理方式积极应对气候变化能够有效提升我国粮食安全保障能力。立足于黄土高原来看,在气候变化的背景下,冬小麦种植边界将继续向北扩展,且种植区域内的冬小麦产量将受益于气候变化的影响呈现一定程度的增加。同时,研究预测,当前冬小麦适宜种植区以北是潜在适宜种植地区,因此在未来应该注意榆中-海源-吴旗-绥德以北地区的水土保持工程的建设以及农业管理的科学化进程,从而更好地积极应对气候变化,促进小麦产量的增加,实现地区粮食的自给自足。

4 结 论

模拟结果显示,在RCP 4.5与RCP 8.5情景下,黄土高原冬小麦适宜种植范围将一定程度向北扩大,且RCP 8.5情景下北扩的面积更大。在RCP 4.5情景下,2020-2060年间,适宜种植面积占黄土高原总面积的46.8%,较1981-2010年间均值减少13 095 km2;2061-2100年间,适宜种植面积占比为65.2%,增加101 763 km2。在RCP 8.5情景下,2020-2060年间,适宜种植面占黄土高原总面积的56.4%,较1981-2010年间均值增加46 968 km2;2061-2100年间,适宜种植面占黄土高原总面积的65.7%,增加 107 671 km2。在RCP 4.5与RCP 8.5情景下,黄土高原冬小麦种植范围内小麦产量与稳产性都将显著提高。在RCP 4.5情景下,2061-2100年间冬小麦产量显著高于RCP 8.5情景。因此,从产量角度出发,控制CO2排放,减缓温室效应仍然有益于产量提升。

致谢:感谢澳大利亚新南威尔士州初级产业部刘德立教授提供未来气候情景数据。

猜你喜欢
黄土高原冬小麦降水
2022年山西省冬小麦春季田间管理意见
冬小麦田N2O通量研究
冬小麦的秘密
四川盆地极端降水演变特征及拟合
成都地区云水资源分布特征及其与降水的关系
不误农时打好冬小麦春管“第一仗”
建筑施工中基坑降水施工工艺分析
Cloud seeding
黄河哺育了黄土高原
洒向黄土高原的爱