北方农牧交错带气候变化对粮草轮作生产的影响

杨轩，贾鹏飞，侯青青，朱敏

（山西农业大学 草业学院，山西 太谷 030801）

北方农牧交错带是我国农业区域、畜牧业区域和人类社会相交汇和过渡的地带［1-2］，是我国东部农耕区的生态屏障和畜产品供应基地，西部牧区的水源涵养带和饲草料供应基地，同样也是全球的“生态放大镜”［3］。长期以来，由于气候变化、人类过度开发等因素，北方农牧交错带农业生产水平低下、经济发展滞后，草地退化、土壤沙化严重，农业、生态等功能大幅度减弱［4-6］。近年来，在气候变化和农牧交错带界限迁移的影响下，该地区的土地结构、利用、耕种情况也在不断的变化，导致了土地生产力下降，荒漠化趋势加剧，水资源严重不足，粮食产量减少，饲草饲料严重不足［7-9］。据马雯思等［10］对于北方农牧交错带30 年气候变化趋势的分析表明，未来气候变化对于该区域土地利用、生态恢复、农牧业发展等有极大的影响。如何在农业方面应对气候变化的影响已然成为该地区农牧和生态可持续发展面临的严峻问题。

探究北方农牧交错带在未来气候下的不同作物种植模式生产组分的变化，可为该地区探寻适宜的模式提供重要参考并协助保障食物安全。虽然传统田间试验的研究可靠性较高，但是时间跨度长，难以保证年际代表性，也无法预估未来气候变化与其对作物生产的影响趋势。而作物模型利用其强大的算法和功能，可结合气候变化、土壤特征和管理措施等条件的变化，模拟作物生产过程，解决时间尺度不足与预测数据受限的问题，因此受 到 各 国 关 注［11］。APSIM（Agricultural Produc⁃tion Systems Simulator）模型是由隶属澳大利亚联邦科工组织和昆士兰州政府的农业生产系统组（APARU）开发研制的动态机理模型，将土壤作为核心模块，与气候、管理措施和作物等众多子模块相耦合，可灵活的模拟作物生长过程［12］，使APSIM模型在国内外受到广泛的应用［13-15］。

本研究先通过在北方农牧交错带地区进行田间试验，对APSIM 模型的多种模块参数进行校准验证，然后利用气候模型和APSIM 模型进行情景模拟，情景设计基于1980-2009 年的历史气象数与GCM（全球气候模型）预测的2040-2069 年、2070-2099 年的气象数据，模拟该地区几种重要作物组成的种植模式：玉米-燕麦、燕麦-马铃薯、秣食豆-玉米、秣食豆-马铃薯、马铃薯-玉米和玉米连作的生产，旨在探究适应于北方农牧交错带具有生产力优势且可长期生产持续性的种植模式，为该地区未来气候条件下的种植模式提出参考借鉴。

1 材料和方法

1.1 材料与研究区

田间试验地点位于山西右玉黄土高原草地生态系统定位观测研究站，处于北方农牧交错带中心区的山西省右玉县威远镇，地理坐标为39.9968°N，112.3277°E，海拔1348 m，属于温带大陆季风气候。冬春季干旱少雨，多风沙，夏季降水集中。研究区1980-2010 年的年际降水量为295~507 mm（平均403 mm），年际均温在2.7~5.6 ℃（平均4.6 ℃），期间年际降水量和年际均温的变异系数分别为18.4%和18.2%。最冷月为1 月，均温−14 ℃（-17.8~-9 ℃）；最热月为7 月，均温20.5 ℃（18.9~22.4 ℃）；≥0℃积 温 为2600~3600 ℃。终霜期为5 月初，初霜期为9 月上中旬，无霜期为100~120 d。全年太阳总辐射量为598 KJ·cm-2，年日照时数为2600~2700 h。地下 水埋深大于12 m，对2 m 内的土体基本没有补给［16］。

1.2 试验方法

1.2.1 田间试验方法

试验区选取地势平坦的土地，根据当地作物历史、气候条件设4 个粮草轮作模式：玉米-饲用燕麦、玉米-秣食豆、马铃薯-饲用燕麦、马铃薯-秣食豆；2 个粮食作物模式：玉米-马铃薯轮作、玉米连作；以及休闲处理。田间试验地于2020 年建立，2020-2021 年间各轮作、连作设置见表1。在多生产模式设计的基础上，设2 个不同的轮作时间序列对应各轮作模式。根据表1 所设置，饲用燕麦-玉米轮作的序列1 与序列2 的代码分别为OM_1 及OM_2，表示于2020 年分别播种饲用燕麦和玉米，次年轮换，其余轮作模式以此类推。则田间试验部分的小区数总计为（5 个轮作模式×2 个时间序列+1 个连作模式+1 个休闲处理）×3 个重复=36 个小区，随机区组设计。

表1 各生产模式的序列设置Table 1 Sequence setting of each production mode

各作物播种前翻耕田地，耕深20~30 cm，于2020 年5 月27、28 日分别灌溉50、35 mm，2021 年6月6 日灌溉50 mm。作物播种方式、播种量等措施见表2。

表2 各作物的种植管理措施Table 2 The implementing managements for each crop

记录各作物的关键生育时期（以田地内50%的植株达到特定生育时期为准）并取样：玉米及饲用燕麦于出苗期、抽穗期（生长期结束）、开花期、收获期取样（饲用燕麦以刈割期作为收获期）；马铃薯于出苗期、块茎形成期、开花期、成熟期取样；秣食豆于出苗期、初花期（生长期结束）、盛花期、收获期时取样。植物样品置于105 ℃下杀青30 min，于65 ℃下烘48 h 至恒重，测定干物质生物量、籽粒产量。马铃薯块茎产量使用水比重法测定。

采集土壤样本时分为0~10、10~20、20~40、40~60、60~80、80~100 及100~120 cm 共7 层。采用比重法测定土壤颗粒组成，并根据Saxton 和Rawls［17］提供的方法计算土壤容重、田间持水量、饱和含水量。采用Vario TOC 总碳分析仪测定7层土样的初始土壤有机碳（SOC）。各小区每月通过烘干法测定7 层土样的土壤水分含量。

1.2.2 APSIM 模型描述

APSIM 模型的构架主要由作物模块、土壤模块（含土壤水分、土壤N 模块）、地表留茬模块、管理模块（含管理措施与气象）以及负责连接运转各模块的核心引擎所组成［18］。作物模块负责模拟植物的关键生理过程，物候生长由3 基点温度控制（玉米为4 基点），模拟的生命过程分为物候、生物量、水分关系、N 吸收、衰老和死亡等。3 基点为最低生长温度、最适生长温度（玉米最适生长温度为2 个基点之间）与最高生长温度，处于最适生长温度范畴时植物可获得最高的有效积温，从而推进作物的生长发育、到达特定的物候期［19］。APSIM以小麦模型为基础，确立了APSIM 模型的通用作物模块，可模拟30 种作物的生长发育过程（参考官方网站，https：//www.apsim.info/wp-content/up⁃loads/2019/09/WheatDocumentation.pdf），后又整合了多种禾本作物模块［20］、豆科模块［21］及牧场模块［22］等。玉米模块中，关键物候期为出苗期-生长期-开花期（完全抽雄）-灌浆期-成熟期。马铃薯为出苗期-块茎形成-块茎衰老-成熟期。燕麦与大豆（本研究中分别对应饲用燕麦与秣食豆）为出苗-生长期-初花期（燕麦抽穗/秣食豆节间出现一朵花）-盛花期（即开花阶段）-灌浆期-成熟期，本研究中由于采用饲用燕麦与秣食豆，研究过程中无法到达成熟期。以上各时期过度均以有效积温累积为开关。

APSIM 的土壤水分模块与水分和蒸散相关，是 基 于 水 分 分 层 均 衡 模 型［23］，由PERFECT 模型［24］改进而来。模型中的土壤水分特征曲线由萎蔫系数（LL15）、作物水分利用低限（CLL）、田间最大持水量（DUL）、饱和体积含水量（SAT）来表示。APSIM 的土壤水模块中，由水分运移子模块［21］和蒸发子模块构成［25］。水分运移时，模拟过程中使饱和水分由表层移向下层；非饱和水分的运动过程使用Richard 方程描述。土壤蒸发则分为土壤表面饱和湿润，水分散失量大于等于潜在蒸发率的第一阶段和以土壤水力学性质决定的第二阶段［26］。土 壤N 模 块 是 在CERES（Crop Environ⁃ment Resource Synthesis）的基础上发展而来，反映了土壤C 和N 动态，将土壤有机质分为活性C、土壤微生物及其产物库（Biom）和土壤有机质库（Hum）。 2 个库间的C 流计为全C，相应的N 流由C 库中的C/ N 比决定［21］。地表留茬模块则描述了地表留茬分解和其对于C/N 比的影响，在本研究中未涉及相关的处理。

管理模块用于发展用户定义模拟过程的管理措施和控制模拟过程，包括作物种植时间、密度、施肥、灌溉、收割等过程的设置以及条件规则。气象模块则负责记录如逐日气温、降水量及辐射量等气象数据，并反馈于作物、土壤模块，驱动相应的机制运转［18］。

1.2.3 APSIM 模型校准

使用田间试验测定的各项指标，对APSIM 模型的作物、土壤模块的主要参数进行校正，各作物的关键阶段所需积温则由观测到的物候日期及逐日气温计算（表3、4）。

表3 4 种作物品种的主要校准参数Table 3 The main validated parameters of four crops variety

参数校准后，对各作物生产进行校准模拟，模拟中各管理措施设置与田间试验完全一致，并导入试验进行期间所观测的气象数据，模型输出作物产量、干物质生物量。检验指标使用均方根误差（Root Mean Squared Error，RMSE）与归一化均方根误差（Normalized Root Mean Squared Error，NRMSE）。RMSE与NRMSE计算公式如下：

式 中，Yobs为 实 测 值，Ysim为 模 拟 值，Ymean为 实 测 值的平均值。RMSE 与NRMSE 越小代表模拟数值与实测数值的平均误差越小，模拟精度越高。

1.2.4 气候情景生成

为获得未来气候数据，本研究利用气象数据生产工具ACSGTR（AgMIP climate scenario gen⁃eration tools with R；www.agmip.org）生成未来气候情景。ACSGTR 可利用研究区的历史气象数据以生成多种GCM 所预测的气候情景，并且容纳不同机构预测的RCP（Representative Concentration Pathway）情 景：如RCP2.6、RCP4.5、RCP6.0、RCP8.5，各通道数字代表2100 年的辐射强迫（单位J·m-2）。

表4 研究区土壤的基本参数Table 4 The soil parameters of the study area

作为对照，使用研究区1980-2009 年的历史气象数据为基准情景，含逐日降水、逐日最高、最低温及逐日太阳辐射量，由中国气象数据网（http：//data.cma.cn/site/index.html）获得。GCM 情景生成时需基于R 语言框架导入前置统计模块，输入并运行ACSGTR 系列代码。情景基于RCP8.5 通道，选 用 的GCM 为ACCESS1-0、bcc-csm1-1、CanESM2、CCSM4 及HadGEM2-CC，时 间 区 间为2040-2069 和2070-2099 年（表5）。RCP8.5 下，1980-2009、2040-2069 和2070-2099 区间的CO2浓度变化则参考国际应用系统分析研究所（IIASA）的RCP 数 据 库 确 定（https：//tntcat.iiasa.ac.at/RcpDb/），分别设定为390、677 和935 mg·kg-1。

表5 全球气候模型（GCM）预测情景的年降水量及气温变化Table 5 Annual precipitation and temperature changes of global climate model（GCM）projected scenarios

1.2.5 情景模拟设置

基于气候模型所生成的气候情景模拟6 种作物生产模式，含4 个粮草轮作模式：玉米-饲用燕麦、玉米-秣食豆、马铃薯-饲用燕麦、马铃薯-秣食豆；2 个粮食作物模式：玉米-马铃薯、玉米连作。输出作物产量、土壤耗水量，计算水分利用效率（Water Use Efficiency，WUE），并明确以上指标对气候变化的响应。

所有作物设置特定种植区间为5 月15-25 日，区间内累积5 d 内降水达到10 mm 即开始种植，否则于区间最后一日种植，并于种植后灌溉50 mm。玉米、马铃薯最迟于9 月30 日收获，而为保证饲草品质与产量，燕麦、秣食豆最晚于8 月30 日收获。其余模拟生产设置同田间试验（表1），初始模拟条件见表3。

通过土壤水分、降水量等计算系统耗水量（Evapotranspiration，ET）：

要减少工业生产中的机械设备的故障率，需要从源头做起，要对整个流水线上所有的机械设备做好检测工作，对每台机械设备进行详细的数据采集工作。相比以往的人工记录数据时代，人工智能化的数据处理模式大大提高了数据采集工作的效率，也能够对整个设备的运行情况有清晰的了解。在实际（人工）的数据采集工作中，一般需要人工使用相应的检测仪器进行读数，然后将数据记录下来，再移送到数据分析部门进行分析，最后保存到资料室，整个数据采集和处理的流程十分繁琐，且比较容易出错。

式 中，ET 为 系 统 耗 水 量，P 为 降 水 量，I 为 灌 溉 水量，SWi与SWt分别为生产初期与末期的土壤储水量（0-120 cm）。

通过作物产量和和系统耗水量计算WUE：

式中，WUE 为水分利用效率，Y 为作物产量，ET为系统耗水量。

1.3 统计分析

采用Microsoft Excel 软件对所得数据进行处理分析，制图。使用SPSS24.0 统计软件对校准模拟中实测值与模拟值，及不同情景、不同处理间的模拟输出数据进行方差分析。

2 结果与分析

2.1 APSIM 模拟校准

由表6 可见，玉米籽粒产量和地上生物量的RMSE值 分 别 为495 kg·hm-2和2113 kg·hm-2，NRMSE值分别为6.25%和11.51%；马铃薯块茎产量和地上生物量的RMSE值分别为825 kg·hm-2和441 kg·hm-2，NRMSE值 分 别 为7.88% 和12.19%；饲用燕麦地上生物量的RMSE值为1987 kg·hm-2，NRMSE值为15.48%；秣食豆地上生物量的RMSE值为406 kg·hm-2，NRMSE值为9.97%。APSIM 捕捉到了2020 与2021 年测定指标的差异，总体来说模拟精度较高（表6），作物产量的模拟值与实测值相吻合，适宜该地区作物生产的模拟。

表6 4 种作物产量/地上生物量实测值与模拟值之间的验证指标Table 6 The indices of validation between measured and simulated yields/aboveground biomass of four crops

2.2 情景模拟的作物产量

由图1 可见，相较于基准情景（baseline），世纪中期（mid）和后期（end）的玉米产量显著提高了10.37%~25.17%（P<0.05），马铃薯产量显著提高了15.71%~23.02%（P<0.05），燕麦产量显著提高了7.52%~19.20%（P<0.05），秣食豆产量显著提高了21.90%~36.07%（P<0.05）。

图1 预测情景下各种植模式的作物产量Fig.1 The crop yield of each planting pattern under the projected scenarios

玉米各轮作模式与连作比较可知，各轮作模式的玉米产量与连作之间差异不显著（P>0.05）。且马铃薯、燕麦、秣食豆的不同轮作模式对其产量均无显著影响（P>0.05）。

2.3 情景模拟的年际耗水量（ET）

图2 预测情景下各种植模式的作物耗水量Fig.2 The crop evapotranspiration of each planting pattern under the projected scenarios

玉米各轮作模式与连作比较，可知玉米-秣食豆、玉米-燕麦轮作使玉米的ET 平均低8.26%~8.51%（P<0.05），但在玉米-马铃薯轮作则未表现显著差异（P>0.05）。马铃薯-燕麦、马铃薯-秣食豆轮作轮作中的马铃薯ET 相较马铃薯-玉米轮作低5.74%-11.29%（P<0.05）。而燕麦、秣食豆于不同模式中ET 无显著变化（P>0.05）。

2.4 情景模拟的水分利用效率（WUE）

由图3 可见，相较于基准情景（baseline），世纪中期（mid）和后期（end）情景下，玉米的WUE 平均提高16.50%（P<0.05），燕麦的WUE 平均提高12.10%（P<0.05），秣食豆的WUE 提高23.13%（P<0.05）。马铃薯的WUE 虽有提高趋势，但不显著（2.11%~4.89%；P>0.05）

图3 预测情景下各种植模式的水分利用效率（WUE）Fig.3 The crop water use efficiency（WUE）of each planting pattern under the projected scenarios

玉米各轮作模式与连作比较可知，玉米-燕麦轮作显著提高了玉米的WUE 达10.51%（P<0.05），其它玉米轮作方式对玉米WUE 虽有提升趋势，但不显著（P>0.05）。马铃薯-燕麦轮作、马铃薯-秣食豆轮作与马铃薯-玉米轮作相比，马铃薯的WUE 显著提高7.94%~15.89%（P<0.05）。燕麦、秣食豆于不同模式中WUE 的差异不显著。

3 讨论

本研究通过北方农牧交错带雁门关地区进行的田间试验校准了APSIM 作物模型，并建立玉米-燕麦、燕麦-马铃薯、秣食豆-玉米、秣食豆-马铃薯、马铃薯-玉米和玉米连作的6 种模式，将1980-2009 年的气象数据作为基准情景，于气候模型预测的2040-2069 年、2070-2099 年情景下，利用APSIM 模拟了作物产量、年际耗水量和WUE，并进行比较和讨论。

根据方梓行等［27］对北方农牧交错带未来气候变化的分析，该区域总体年均气温的增长速率为0.20~0.50 ℃·10 a-1，年 降 水 量 的 变 化 速 率 为1.49~15.59 mm·10a-1，与本研究采用的气候生产模型ACSGTR 产生的该地区未来气象数据基本吻合，说明预测情景的变化趋势符合实际。本研究采用实测数据对APSIM 的作物和土壤模块进行校正，再进行田间生产模拟确定其精确度，NRMSE的值均小于20%，说明APSIM 对该地区4 种作物生产模拟的精度较高［28］，可以于北方农牧交错带的典型地区进行应用研究。但是，该模型模拟值与实测值之间仍有差异，一定程度低估了生物量，这可能是由于APSIM 在生产模拟中于该地区的偶发强降水反映不足，生产模拟中未能充分描述水分利用［29-30］。北方农牧交错带是对气候变化极其敏感的地区［31-32］，在近几年和未来气候变化的情况下，该区域干旱、暴雨等极端气候显著增多，潜在的影响了作物动态模型的描述精度，后续研究应继续加长验证数据的时间尺度，进一步对模型参数与机制进行修正。而对比2020 与2021年的田间观测数值可知，燕麦产量与秣食豆产量为2021 年较高，原因在于饲草作物生长旺盛期6-7月降水量较高，为95.6 mm，而2020 年仅为33.4 mm。对于粮食作物玉米和马铃薯来说，2021 年各处理下的产量均显著低于2020 年（P<0.01），是由于在产量形成的关键时期，即玉米的抽雄-灌浆及马铃薯的块茎形成期-淀粉积累期，8-9 月降水仅为133 mm，而对应2020 年的相同时间段达311 mm，最终导致产量下降。以上几种作物产量的年际差异也由APSIM 敏锐地捕捉（表6），体现了较好的年际描述性。

3.2 作物产量、耗水量与水分利用效率

丁素荣等［33］和Benitez 等［34］研究显示，玉米-大豆轮作模式可增加玉米产量显著提升，但在本研究中，玉米-秣食豆轮作方式与玉米连作相比使玉米产量无显著变化（P>0.05），结果不一致的原因在于，作为一年生饲草作物，秣食豆的生长季较籽粒大豆更短，其豆科根系固氮机制于APSIM 模拟中需要较长的时间和充足的水分才能体现，又由于其在土壤内的植物残体更少，从而导致土壤有机质的积累速度更慢，改善土壤结构的能力尚未发挥［35］，使得后茬轮作玉米产量有所下降。另外由于各作物生长季相隔较久，研究区无霜期较短，也在一定程度影响了轮作对产量的积极作用，对各作物产量的提升不显著（P>0.05）。

结果显示，2040-2069 年和2070-2099 年的降水、温度均上升的情况下，相较基准情景，世纪中期和后期4 种作物的产量均有所提高，这与魏严奇等［36］和王婉昭等［37］降水和温度显著影响作物产量的研究结果相近。但是，王柳等［38］的研究指出玉米产量与温度呈现显著负相关关系，而马玉平等［39］的研究表明，在未来40 年模拟气候条件下，我国大部分地区玉米产量仍为减产状况，这与本研究得出的玉米产量增加的结果不符。分析原因为北方农牧交错带总体较为干旱，该区域农业发展的主要受限制因子是降水［40］，所以在玉米生育期内降水增加的情况下，明显减轻了作物生产所受的水分胁迫，也基本抵消了升温造成的生长季缩短带来的负面影响，使营养体作物饲用燕麦和秣食豆，以及籽粒作物玉米的产量提高。肖国举等［41］的研究认为增温延长了马铃薯各生长阶段天数，在未来有利于马铃薯干物质积累，从而提高产量，也映证了本研究在未来气候条件下马铃薯的产量有上升趋势［42］。

年际耗水量方面研究结果显示，由于2 种一年生饲草作物的年际耗水量相比玉米、马铃薯更低，后续生产的土壤墒情更好，使玉米-燕麦、玉米-秣食豆轮作中玉米的年际耗水量显著低于玉米连作的年际耗水量（P<0.05）；且与马铃薯-玉米轮作相比，马铃薯-燕麦和马铃薯-秣食豆轮作降低了马铃薯年际耗水量达5.74%~11.29%（P<0.05），这表明粮草轮作较粮食连作、轮作可以有效降低粮食作物的年际耗水量，王平等［43］的研究也发现了类似的结果。与基准情景的年际耗水量比较，世纪中期和后期几种作物的耗水量均有上升，且马铃薯最为显著，达11.56%~20.83%（P<0.05）。这是因为该地区较干旱，马铃薯相对其它作物来说对水分变化更为敏感，而历史气候条件离其水分供给阈值差距较大［44］，因此在2040-2069年、2070-2099 年降水增加的情况下，马铃薯的耗水量显著增加，产量也有所提高。

玉米-燕麦轮作相比玉米连作，马铃薯-燕麦、马铃薯-秣食豆轮作相比马铃薯-玉米轮作，粮食作物玉米与马铃薯的WUE 均为显著提高（P<0.05），表明粮草轮作较单纯的粮食生产模式可更加充分利用土壤水资源［45］。结果还显示，秣食豆相比饲用燕麦的耗水量较小，可为后续作物提供更好土壤墒情，但产量相对较低。马铃薯-玉米、玉米连作在长期生产时对水分消耗较大［46-47］，及时与秣食豆轮作可达到恢复土壤水分的目标，同时还能兼顾粮食与饲草的同步生产。对比各气候情景，可知世纪中期和后期的降水量比基准情景分别 增 加 了53 mm·a-1和85 mm·a-1，4 种 作 物 的 产量、ET 和WUE 虽然均有所上升，但总体来说，产量的上升幅度要大于ET 的上升幅度，例如，在未来情景中各模式玉米的产量提高了10.37%~25.17%，但ET 提升幅度仅为平均3.34%，作为2者的商，WUE 相比基准情景提升了16.50%，说明在本研究设定的情景中，水分可仍看做是北方农牧交错带-雁门关地区未来气候作物生产的限制因子，限制程度可能相对基准情景有所减轻。秣食豆与饲用燕麦的WUE 于未来情景上升的幅度也较大，平均达12.10%和23.13%，也指出该2 种饲草作物水分生产潜力较高。

4 结论

（1）本研究于北方农牧交错带-雁门关地区对APSIM 模型的几种作物模块进行了校准（玉米、燕麦-马铃薯、秣食豆），结果表明APSIM 在该地区对以上作物生产的模拟准确度较高。

（2）相较1980-2009 年的基准情景，2040-2069年、2070-2099 年的世纪中期和后期的降水和温度上升，导致4 种作物产量、ET 和WUE 均有提升趋势，说明这4 种作物在该地区仍受水分制约。

（3）比较分析6 种种植模式、及在各气候情景的产量、ET 和WUE 可得：玉米-燕麦的产量和WUE 于预测情景中相对基准情景的上升幅度最大，且耗水量较低，最适应于该地区的气候变化特征；马铃薯-玉米轮作的产量相对粮草轮作无显差异（P>0.05），但马铃薯耗水量于未来情景显著提高（P<0.05），只适宜急需保障食物安全的情况；马铃薯与饲用燕麦、秣食豆轮作相比马铃薯-玉米模式，饲草与粮食产量均无显著变化（P>0.05），但可显著降低马铃薯的耗水量（P<0.05），适宜恢复土壤水分。