基于DSSAT模拟的冬小麦作物水分利用效率评价指标分析

史 源，白美健，李益农，李亦凡，刘亚南，戴 玮

（中国水利水电科学研究院，北京100038）

0 引 言

作物水分利用效率，是目前农业节水研究的主要指标之一，综合反映了用水管理水平、灌溉技术水平和不同尺度灌溉工程状况等，是准确评价灌溉用水有效利用程度的重要基础[1]。客观量化的评价作物水分利用效率，国内外不同学者提出了较多的评价指标，经历了由宏观到微观不断深化的过程，目前已经深入到细胞水平的评价指标[2]。目前主流的作物水分利用效率评价指标集中在三个层次，分别是作物产量、叶片光合、群体光合[3]，其中产量层次的评价指标体系被灌溉制度研究广泛采用。Howell[4]将产量层次的作物水分利用效率定义为单位水资源投入所获得的作物产量收入，即WUE（water use efficiency）。在此框架定义下，目前国内外主流的作物水分利用效率评价指标包括作物水分生产率WP、灌溉水分生产率WUEti、广义水分利用效率WUEu、灌溉水利用效率WUEI等，不同的评价指标计算方法不同，物理意义和适用背景不同。由于灌溉制度研究关注的角度不同，对于作物水分利用效率的应用未形成统一的标准，多种表达形式之间缺乏比较，实际应用中容易造成混淆[5]，因此有必要对不同指标之间的差异及适用性开展研究。

本文采用作物生长模型DSSAT，基于田间试验数据率定优选的参数，采用数值模拟的形式，模拟地面灌溉条件下不同水平年华北地区冬小麦生长过程及产量分布，获得不同灌溉制度情景方案下的作物模拟产量，基于模拟结果，分析评价不同指标体系下作物水分利用效率之间的相关性及适应性，为同类研究提供参考依据。

1 材料与方法

1.1 作物与典型区域的选择

冬小麦是我国主要的粮食作物，其产量占全国粮食作物总产量的19.8%，种植面积占粮食作物总种植面积的20.1%[6]。华北地区是冬小麦的主要产区之一，冬小麦种植对灌溉的依赖很大，该地区冬小麦生育期降水量较少，降水对于灌溉的满足率只能达到26%[7]。同时，地面灌溉仍是目前冬小麦灌溉普遍的灌溉方法，然而，由于田间工程标准偏低，畦田规格设置不合理等因素，以及粗放的管理，导致田间灌水质量不高，灌水效率较低。随着华北地区“节水压采”行动的开展及最严格水资源管理制度的实施，对冬小麦等粮食作物用水总量及灌溉定额的控制提出了明确的要求，以北京市为例，要求全面实施灌溉限额管理，以冬小麦为主的灌溉粮田、露地蔬菜每亩年均用水量不超过200 m³，即300 mm 灌溉定额[8]。基于上述背景，本文以华北地区冬小麦为研究对象，开展不同灌溉制度情景下作物产量及作物水分利用效率指标的研究。

1.2 DSSAT模型及作物模型遗传参数

本论文研究采用DSSAT（农业技术转移决策系统）模型进行作物灌溉制度优化模拟研究。DSSAT 模型丰富的功能包可以协助模型的输入、参数的校验、批量试验处理结果的导出和分析等功能[9−11]。近年来，DSSAT 模型中的CERES−Wheat模型已被多位学者用于模拟不同灌溉制度下的冬小麦作物产量、土壤水分和水分利用效率研究[12−15]。相关研究表明该模型用于华北地区冬小麦作物生长模拟具有较好的适应性[16−18]。本研究典型试验区位于国家节水灌溉工程技术研究中心（北京）大兴试验基地（39°37.25'N，116°25.21'E，海拔31.3 m）。

模型模拟需要的数据及数据来源如下：

（1）气象数据：包括研究区1980−2017年37 个冬小麦生育期（10月−翌年6月）的逐日降水量（mm），最低气温（℃），最高气温（℃），日照时数（h），以及关键物候期日期（播种、返青、拔节、抽穗、成熟），数据来源于中国气象科学数据共享服务网。

（2）土壤数据：包括典型试验区各土层土壤颗分组成、凋萎含水率（%）、田间持水率（%）、饱和含水率（%）、pH值、阳离子交换量（cmol/kg）、饱和导水率（mm/h）、有机质（g/kg）、全氮（g/kg）、碱解氮（mg/kg）等土壤理化性质参数，数据来源于田间实测数据。

（3）作物品种为华北地区种植面积最大冬小麦品种“济麦−22”[19]。作者于2014−2016年在研究区进行了系统的田间试验，对模型参数进行了率定和矫正。

利用DSSAT 模型，采用交叉验证的方法，对受试作物在研究区进行模拟的参数率定和验证结果表明[7,20]，作物关键物候期（距播后天数，d） 的模型率定相对误差（RAE） 在0.1%～1.7%，模型验证相对误差在0.4%～1.9%；作物单粒重（g）的模型率定相对误差在4.2%～5.9%，模型验证相对误差在6.3%～9.0%；作物产量（kg/hm2） 的模型率定相对误差在4.5%～18.4%，模型验证相对误差在10.0%～22.2%；对于作物土壤水分的模拟精度，0～40 cm 土层内模拟精度相对误差在7.9%～16.6%，40～80 cm 土层内模拟精度相对误差在3.0%～15.1%。总体而言，DSSAT 模型对于受试冬小麦作物品种在研究区的模拟效果较好。从不同的模型率定−验证方案中，优选出一套最佳的作物模型遗传参数，见表1。

表1 DSSAT模型“济麦-22”作物品种遗传参数Tab.1 Genetic coefficients of Jimai 22 in DSSAT model

1.3 试验设计

降水在冬小麦生育期内的分布存在极大的时间变异性，因此应针对不同的降水频率年型来制定相应的模拟试验方案，对研究区1980−2017年37 个冬小麦生育期的降水量进行适线分析，确定了降水典型年，结果见表2。

表2 研究区冬小麦生育期不同频率典型年降水量Tab.2 Typical annual precipitation of different frequency in winter wheat growth period

本研究关注于地面灌溉（畦灌）形式下冬小麦灌溉模拟研究，畦灌直接以田面作为水流运动载体，与喷微灌的显著差异是灌溉时田面各点不同时受水，因此受地面灌溉水流运动特点的影响，要使灌溉水流覆盖整个田面，则每次灌溉水量必须不小于最小灌水定额。华北地区大田作物畦灌的畦长普遍在50～150 m[21,22]，因此选取50、100、150 m 3个代表性畦田长度，结合相关研究成果，确定3个代表性畦长下最小灌水定额分别为55、60、65 mm[7]。确定播种−返青、返青−拔节、拔节−抽穗、抽穗−成熟4个生育阶段为灌溉时段，即灌溉越冬水、返青水、拔节水、灌浆水。

基于上述方案，确定模型模拟需要的灌溉制度情景组合方案设计，以地面灌溉畦灌方式性能约束下最小灌水定额为下限，以300 mm 灌溉定额为上限，结合4 个灌溉时段，对于50 m 代表性畦长的畦田规格，灌水定额分别设置0、55、75 mm 下3 种水平，对应灌溉定额分别为0、55、75、110、130、150、165、185、205、220、225、240、260、280、300 mm 下15 种水平，类似的，对于100 m 和150 m 代表性畦长的畦田规格，灌水定额分别设置0、60、80 mm 下3 种水平和0、65、85 mm 下3 种水平，分别对应13 种和13 种灌溉定额水平。对应50 m代表性畦长的畦田规格，有34=81种灌溉模拟情景，类似的，100 m和150 m代表性畦长分别有80和76种灌溉模拟场景（不考虑灌溉定额超过300 mm 的灌溉制度），共237种灌溉制度情景，结合丰平枯3 种频率年型，共设置711 种模拟灌溉情景，进行作物生长模型数值模拟试验，通过模拟，分析不同灌溉制度情景下对应的产量、作物耗水量（ET）及作物水分利用效率等参数指标的响应关系。

1.4 作物水分利用效率评价指标

Howell[4]将产量层次的作物水分利用效率定义为单位水资源投入所获得的作物产量收入，即WUE（water use efficiency），计算公式如下：

式中：WUE为作物水分利用效率，kg/m3；Y为单位面积作物产量，kg/hm2；W为广义水资源投入量，mm。

在此评价体系下，本研究选取目前国内外应用较为广泛的四种作物水分利用效率评价指标进行分析评价，包括作物水分生产率（WP）、灌溉水分生产率（WUEti）、广义水分利用效率（WUEu）、灌溉水利用效率（WUEI）等[9]，相关计算公式如下：

（1）作物水分生产率WP。

式中：WP为作物水分生产率，kg/m3；ET为作物耗水量，mm。

（2）灌溉水分生产率WUEti。

式中：WUEti为灌溉水分生产率，kg/m3；YI为灌溉条件下单位面积作物产量，kg/hm2；YP为无灌溉（雨养）条件下单位面积作物产量，kg/hm2；I为灌溉水量，mm。

（3）广义水分利用效率WUEu。

式中：WUEu为广义水分利用效率，kg/m3；P为生育期降水量，mm；I为灌溉水量，mm。

（4）灌溉水利用效率WUEI

式中：WUEI为灌溉水利用效率，kg/m3；其他符号意义同前。

2 结果与分析

2.1 灌溉制度情景模拟结果

图1给出了不同代表性畦长，不同水平年下，模拟产量对不同灌溉定额水平的响应。由图1可以明显看出对应不同灌溉定额下产量水平的差异，总体而言，随着灌溉定额的增加，不同代表性畦长、不同水平年下模拟产量均值都有较显著的增加，无灌溉条件下产量最低，300 mm（最大）灌溉定额条件下产量均值最高。以无灌溉水平为对照，对比各灌溉定额水平下产量均值的最大值（增产潜力），50 m 代表性畦长下，丰水年、平水年、枯水年的增产率分别为73%、128%、156%，100 m 代表性畦长下，丰水年、平水年、枯水年的增产率分别为73%、127%、155%，150 m 代表性畦长下，丰水年、平水年、枯水年的增产率分别为72%、126%、155%，不同水平年型下的增产潜力幅度：枯水年>平水年>丰水年，3种代表性畦长之间的增产幅度相似。

图1 模拟产量分布Fig.1 Simulation of yield distribution

表3给出了丰、平、枯3 种冬小麦生育期降水频率年型下，无灌溉条件下（灌溉定额0 mm）、50 m 畦长、100 m 畦长、150 m 畦长及全部模拟情景的模拟产量均值统计值，以及对应3 种频率年模拟产量统计值的均值及变异系数CV。有效降水量的计算采用美国农业部土壤保持局推荐的计算方法[23,24]，即：

表3 不同降水年型降水量下模拟产量统计Tab.3 Statistics of simulated yield under different precipitation years

式中：P为日降水量，mm/d；Pe为日有效降水量，mm/d。

由表3可以看出，在无灌溉条件下模拟产量CV值与丰平枯3 种频率年型降水量CV值接近，而灌溉条件下，不管是全部模拟情景，还是不同代表性畦长，其模拟产量均值的CV值，均在4%左右小幅波动，远小于降水量CV值，说明仅靠降水很难满足作物的需水需求，灌溉对于产量提升的贡献较大。

2.2 灌溉定额与产量及作物水分利用效率回归模型

分别以作物产量最高和作物水分利用效率最高为评价原则，建立Y=f（I）及WUE=f（I）的回归模型，主流的回归模型有线性和二次曲线两种形式，其中一元线性模型一般适用于雨养为主，适用于灌溉水资源不足的中低产量条件[25]，二次曲线回归模型可以较好的描述作物需水及生长规律，拟合精度较高，本研究采用该模型进行二次曲线拟合。对3 种降水年型下各灌溉制度方案模拟获得的作物产量，以及计算获得的4 种作物水分利用效率评价指标，与相应的灌溉定额建立二次曲线回归模型。图2描述了不同水平年作物模拟产量与灌溉定额的二次曲线回归模型，二次曲线方程具体参数见表4。

图2 作物模拟产量和灌溉定额二次曲线Fig.2 Crop simulated yield and irrigation quota quadratic curve

表4 作物模拟产量和灌溉定额二次曲线回归模型参数Tab.4 Crop yield simulation and irrigation quota quadratic regression model parameters

由图2可以看出，在300 mm 灌溉定额限度内，作物模拟产量随灌溉定额的增加总体呈上升趋势，25%丰水年、50%平水年、75%枯水年分别在灌溉定额为278.1、295.1、286.4 mm 下达到产量极值，超过上述灌溉定额，产量并不会继续提升，彭志功等[26]在同一研究区域的研究成果也得出了一致的观点，同时也从技术和统计角度说明了北京地区对于灌溉粮田制定的300 mm灌溉限额管理政策的合理性[8]。

图3描述了不同水平年4 种不同作物水分利用效率评价指标与灌溉定额的二次曲线回归模型，二次曲线方程具体参数见表5。

表5 灌溉水利用系数评价指标和灌溉定额二次曲线回归模型参数Tab.5 WUEs and irrigation quota quadratic regression model parameters

图3 作物水分利用效率评价指标和灌溉定额二次曲线Fig.3 WUEs and irrigation quota quadratic curve

作物水分生产率WP、灌溉水分生产率WUEti、广义水分利用效率WUEu3 种评价指标，随灌溉定额的增加呈现先上升再下降的趋势。作物水分生产率WP在丰平枯3 个水平年分别在灌溉定额为194.7、209.8、208.7 mm 下达到极值，灌溉水分生产率WUEti在丰平枯3 个水平年分别在灌溉定额为187.3、191.1、183.6 mm下达到极值，灌溉水分生产率WUEti在丰平枯3 个水平年分别在灌溉定额为118.9、171.4、166.8 mm 下达到极值，超过上述灌溉定额，作物水分利用效率开始下降，灌水量对于作物水分利用效率的影响作用减弱。灌溉水利用效率WUEI随灌水定额的增加呈下降趋势，在丰平枯3 个水平年分别在灌溉定额为320.8、397.3、651.5 mm 下达到极值，这是因为灌溉水利用效率WUEI不考虑自然降雨对产量的贡献，虚高计算了灌溉对产量的贡献。

2.3 不同作物水分利用效率评价指标相关性分析

基于模拟结果，结合丰平枯3 种频率年型下711 种模拟产量，计算其对应的作物水分生产率WP、灌溉水分生产率WUEti、广义水分利用效率WUEu、灌溉水利用效率WUEI等4个评价指标值，采用Pearson 相关分析方法进行数理统计，计算各指标之间的相关系数，显著水平0.05。25%丰水年、50%平水年、75%枯水年下4个评价指标相关系数见表6。

由表6可以看出，WUEti与其他3 个指标相关性均比较好，25%丰水年与WP、WUEu、WUEI的相关系数分别为0.896、0.880、0.602，50%平水年3 个相关系数分别为0.899、0.936、0.543，75%枯水年3 个相关系数分别为0.815、0.955、0.738。WP与WUEu的相关系数也较好，3 个水平年相关系数分别为0.776、0.779、0.710。WUEu与WUEI的相关系数也较好，3 个水平年相关系数分别为0.844、0.743、0.839。WP与WUEI的相关系数较差，3 个水平年相关系数分别为0.407、0.212、0.268。

3 讨 论

（1）作物水分生产率WP、灌溉水分生产率WUEti、广义水分利用效率WUEu、灌溉水利用效率WUEI4种评价指标，数值从小到大的顺序依次为WP＜WUEti＜WUEu＜WUEI，均值分别为1.45、1.79、2.33和4.17 kg/m3，前三者数值都呈现随灌溉定额先增加再减少的趋势，不同水平年下在120～210 mm 区间作物水分利用效率达到极值，反映了冬小麦生育期耗水来自降水和灌溉的双重补充，较为全面地体现了产量与耗水量的关系。而灌溉水利用效率WUEI不考虑自然降雨对产量的贡献，虚高计算了灌溉对产量的贡献，数值偏大，不推荐使用，杨晓慧等人[9]在河南新乡的研究成果也得出了类似结论。

（2）从3 种水平年的差异来分析，4 种评价指标下数值规律不完全相同。针对相同灌水定额，作物水分生产率WP，灌溉水分生产率WUEti均呈现平水年＞丰水年＞枯水年的数值变化趋势，广义水分利用效率WUEu在灌水定额较小（小于155 mm）时呈现丰水年＞枯水年＞平水年的数值变化趋势，当灌水定额超过155 mm 之后，数值变化趋势与作物水分生产率WP和灌溉水分生产率WUEti类似。而灌溉水利用效率WUEI呈现枯水年＞丰水年＞平水年的数值变化趋势。虽然3个典型年生育期降水总量呈现丰枯递减趋势，但在不同生育阶段的降水量变化趋势与总降水量变化趋势不同，播种−返青和返青−拔节阶段降水量最大的是丰水年（70.8 mm 和15.1 mm），而拔节～抽穗阶段降水量最大的是平水年（35.5 mm），抽穗～成熟阶段降水量最大的是枯水年（72.3 mm），说明典型水文年型的选取，不仅需要考虑生育期降水总量，还需考虑不同生育阶段的降水量，因为不同生育阶段水分供给对作物生长的影响是不同的。

（3）从计算表达式的物理意义描述，作物水分生产率WP，主要考虑作物耗水量（ET）与产量之间的关系，耗水量（ET）包括作物蒸腾（T）和棵间蒸发（E），可以较为全面对作物需耗水过程进行表达和描述，但是耗水量（ET）的计算较为复杂，试验观测及收集的数据指标较多，误差积累可能会影响计算结果的可靠性。灌溉水分生产率WUEti的计算考虑了灌溉条件下与雨养无灌溉条件下产量和灌水量的比值，较为真实地体现了灌溉条件下的生产率。同样的，广义水分利用效率WUEu体现了作物产量与灌水及降水量之和的比值，同时考虑了灌溉和降水补给的影响。而灌溉水利用效率WUEI单纯描述了作物产量和灌水量之间的关系，只适用于降水量很少的应用场景。

（4）从各指标之间的相关性分析，作物水分生产率WP、灌溉水分生产率WUEti、广义水分利用效率WUEu3个评价指标能较为真实全面反映模拟产量与水分供给之间的关系，体现了作物耗水量与降水和灌溉之间的补充关系。研究区冬小麦生育期降水较少，3个水平年降水占作物耗水量的比例分别分31%、26%、21%，因此灌水量对于产量的贡献率较高。作物水分生产率WP与灌溉水利用效率WUEI的相关性较差的原因是WUEI没有考虑降水对产量的影响，无法全面表达作物耗水量对产量的响应关系。

4 结 论

本文采用DSSAT 作物生长模型，采用数值模拟的形式，模拟地面灌溉条件下不同水平年华北地区冬小麦生产过程及产量分布，根据模拟结果，分析并比较了不同的作物水分利用效率评价指标。综合评价，考虑场景的适应性及基础数据指标获取的可靠性，推荐使用灌溉水分生产率WUEti、广义水分利用效率WUEu两个计算指标，并且这两个指标其他指标之间均有较强的相关性，其物理意义也更符合灌溉定额和灌水定额对产量的影响关系，可以较为全面的反应作物水分利用效率，推荐作为评价灌溉制度的指标。

本研究利用作物生长模型DSSAT，在参数获取及模拟过程中，仅针对单一作物品种在单一试验区进行了计算模拟，并主要考虑了降水、灌溉和水文年型对作物产量及作物水分利用效率评价指标的影响。在接下来的研究中，将考虑优化作物灌溉制度，作物的养分水分共同胁迫，冬小麦−玉米轮作，华北地区不同典型区域间的指标评价等内容，进一步深化研究工作和研究内容。