华北平原不同种植模式作物耗水监测与特点分析

蒋柯南, 龚道枝,2,3, 李晓婕,2,3, 毛丽丽,2,3, 韩卫华, 赵瑞平, 陈 佩

(1.中国农业科学院 农业环境与可持续发展研究所, 北京 100081; 2.作物高效用水与抗灾减损国家工程实验室, 北京 100081; 3.农业农村部旱作节水农业重点实验室, 北京 100081)

1 研究背景

华北平原具有世界上最大的地下水漏斗群[1]。20世纪80年代至2014年华北平原西部浅层地下水水位下降了20～60 m[2](2015年数据),2018年地下水累计超采1 400×108m3[3],2021年末浅层地下水埋深为16.18 m,深层地下水埋深为46.38 m(河北省平原区数据),宁柏隆浅层地下水漏斗深达40.51 m,廊坊市文安县深层地下水漏斗深达97.54 m[4]。近几年华北平原地下水水位有回升趋势,但是地下水埋深过大造成的生态环境破坏和对粮食生产产生的可持续性影响仍需加以重视。华北平原地下水超采的主要原因是农业集约度较高[5],高耗水的冬小麦-夏玉米一年两熟的种植模式被大面积采用,该种植模式下年均水分亏空达200 mm,造成当地灌溉需要依赖于开采地下水以满足作物生长需要,不利于农业可持续发展。

为了维护国家粮食安全,需要在稳定粮食生产和经济效益的基础上适度压缩地下水的开采。针对不同类型农业生产的具体耗水量,目前已有多方面的调查研究:张雅芳等[6]基于MODIS NDVI数据和遥感影像分析了华北平原种植结构变化,发现2002—2012年河北省冬小麦-夏玉米的种植面积减少了43.18×104hm2,认为种植规模的减小是当地作物总需水量降低的主要原因;Zhang等[7]通过研究指出,梨树的耗水量高于玉米和小麦,华北平原的果树种植面积不应再持续增加。因此适度压缩高耗水作物如冬小麦、水果、蔬菜[8-9]等的种植强度以及缩减种植面积、调整作物熟制和采取替代种植模式等,均为压采地下水潜在的有效措施。

在不改变作物种类的情况下提高用水效率,需要改变作物生长时段以调整资源分配和效益成本比例。周宝元等[10]研究发现晚播小麦和晚收玉米的双晚模式能够降低冬小麦的需水量,该模式虽然会降低冬小麦产量,但是夏玉米产量会得到显著提升,且玉米便于收获和储存,周年水分利用效率得到提高。陈素英等[11]研究了雨养条件下不同熟制的小麦-玉米模式的产量、耗水量与效益,发现春玉米一年一熟制与冬小麦-夏玉米模式的经济效益相近,而前者耗水量仅为后者的66.1%。郭步庆等[12]的研究结果表明,四年三熟春玉米均不使用地下水灌溉,且单季产量较高;春玉米与小麦-玉米模式的轮作产量仅降低了19%,但是小麦/玉米-春玉米两年三熟制除了会使产量减少外,还会造成休闲期无效耗水量的增加[13]。因此,在稳定产量和效益、在正确的时间使用适量的地下水以及评估农业对地下水的影响程度以保持地下水可持续开采是调整种植模式的核心思路。

在多种替代种植模式研究方面,目前的主要结论是:小麦-玉米一年两熟制有较高的经济收益但会消耗大量的水资源储量,在该种植模式中使用经济作物替换粮食作物,可以在经济损失较小的基础上减少对地下水的开采[14-15]。孙宏勇等[16]研究认为,棉花-冬小麦-夏玉米两年三熟种植模式比冬小麦-夏玉米种植模式的经济效益高,并且对地下水的影响更小。大量研究也表明,多种作物交替种植可以使不同作物对水分的时空利用产生互补效应,从而减少地下水的消耗并提高土壤含水量[17-18]。替代种植模式中粮食作物的产量也高于其在传统种植模式中的产量[19]。Yang等[20]通过对栾城区6种灌溉作物历时11年的观测实验并结合模拟结果,论证了替代种植模式缓解地下水超采的可行性。但替代种植模式因涉及的作物品种多,生长情况复杂,需要改变一定的种植技术和田间管理方式以及考虑作物产量、存储和运输等经济因素,因此仍需要综合比较和评价替代种植模式的经济效益、粮食产量和用水效率,以筛选出既能达到适水种植,又适宜当地经济社会需求的种植模式。

上述研究结果为华北平原调整种植模式、节约农业水资源奠定了理论基础,但是目前仍较缺乏对于改变冬小麦前茬作物的种植模式如何影响作物耗水、产量和水分利用效率以及环境因素对其影响等方面的研究。针对这一问题,本文的研究内容为:(1)利用大型称重式蒸渗仪比较冬小麦-夏玉米、冬小麦-夏大豆和冬小麦-夏休闲3种种植模式下实际蒸散量的变化规律及其差异;(2)采用蒸散量与气象因子、叶面积指数的关系曲线和估算公式以及FAO-56双作物系数法,量化比较不同种植模式对环境变化的响应特征;(3)直接测定并分析不同种植模式下作物周年的水量平衡组分和地下水采补量;(4)对比分析3种种植模式的产量、产值和水分利用效率。通过以上研究,将为华北平原寻找并推广替代种植模式、优化生产布局、减少地下水消耗、加强复杂种植模式应对气象因子变化的管理水平提供理论参考和数据支撑。

2 材料与方法

2.1 试验站概况

试验在北京市顺义区大孙各庄镇国家农业环境顺义观测实验站进行(地理位置N40°05′、E116°55′,海拔20 m)。该基地位于华北平原北部,气候为典型的温暖带半湿润大陆性季风气候,冬季受蒙古高压控制,寒冷干燥;夏季受东南季风的影响,炎热多雨。年日照时数为2 684 h,年均气温为12.5 ℃,年均空气相对湿度为50%,年均降水量为623.5 mm。土壤类型为褐土,质地为粉质黏壤土,耕层全氮含量为0.109%,有机质含量为14.4 g/kg,速效磷、速效钾含量分别为24.5、106 mg/kg,pH为7.7。

2.2 试验处理和仪器布置

试验设置3种种植模式,分别为冬小麦-夏玉米(winter wheat-summer maize, WWSM)、冬小麦-夏大豆(winter wheat-summer soybean, WWSS)、冬小麦-夏休闲(winter wheat-summer fallow, WWSF)。试验中冬小麦品种为“中麦886”,夏玉米品种为“联创808”,夏大豆品种为“中黄13”。试验地种植面积为300 m2,2021年10月24日每个处理均播种冬小麦,其前茬作物分别为夏玉米、夏大豆、夏休闲。2022年6月冬小麦收获测产,再播种玉米、大豆,并进行一个休闲处理,于2022年10月将夏玉米和夏大豆收获测产。按照当地管理措施进行灌溉和施肥:夏季作物均为雨养、冬小麦灌溉四水,分别是出苗水240 m3/hm2、返青水600 m3/hm2、拔节水600 m3/hm2和灌浆水640 m3/hm2;每种作物均施底肥复合肥600 kg/hm2、追肥450 kg/hm2。在各作物生长期内记录作物生理指标。每种种植模式在偏北部配置一台大型称重式蒸渗仪(BSI-ZSY2021,西安碧水新环境技术有限公司),呈东西走向排列,蒸渗仪周围种植相同作物并保持相同的农作措施以减少蒸渗仪内外环境差异。

2.3 数据测定

2.3.1 气象资料 试验站气象因子由HOBO自动气象站(Onset Computer Corp., USA)测定,包括降水量、风速、2 m高度处气温、2 m高度处相对湿度、净辐射、大气压和2 m高度处饱和水汽压差。利用FAO-56中推荐的Penman-Monteith(PM)公式计算参考作物蒸散量ET0,表达式如下:

(1)

式中:ET0为参考作物蒸散量,mm/d;Rn为净辐射,W/m2;G为土壤热通量,W/m2;T为2 m高度处平均气温,℃;u2为2 m高度处风速,m/s;VPD为水汽压差,kPa;Δ为饱和水气压-温度曲线斜率,kPa/℃;γ为湿度计常数,kPa/℃。

2021年10月—2022年10月试验站的气象因子和ET0随时间的变化过程如图1所示,当地夏季净辐射较强、气温较高、降雨主要集中在6—8月,冬季寒冷多风,空气湿度全年变幅较大。在气象因子综合影响下,ET0冬季低且稳定,7月达到峰值(图1)。

图1 2021年10月—2022年10月试验站气象因子和ET0随时间变化过程

2.3.2 蒸散量和渗漏量监测 实际日蒸散量ETc由大型称重式蒸渗仪测定。蒸渗仪规格为2.0 m×2.0 m×2.3 m,主要结构件有土箱、称重杠杆系统和自动控制部分,自动控制部分包括5TE传感器、土壤溶液提取装置、翻斗式渗漏量测量系统、排水系统以及数据处理中心。土壤水分日渗漏量由翻斗式渗漏量测量系统记录土体渗出水分得到。蒸渗仪每0.5 h测量一次数据,实时记录的数据以Excel表格的形式保存在工控机内。

2.3.3 作物生长和产量指标观测 每10～15 d记录1次各作物的叶面积指数(leaf area index,LAI)和株高。冬小麦由于分蘖较多、植株密度大,选取40个茎秆测量叶面积和株高,并选取1 m长的小麦行6行测定其茎秆数,计算出平均植株茎秆密度。单叶面积采用卷尺测量有效长度和宽度乘以叶形系数获得,累加所有叶片计算植株总叶面积,再根据植株茎秆密度计算LAI。夏玉米、夏大豆分别选取5个植株,用同样的方法计算植株总叶面积,再根据种植密度计算每个处理的LAI。根据作物植株生长状况记录生育期。作物收获时考种记产,并汇总整个试验周期的农作开支与预计产值,得到种植模式的经济效益。

2.4 作物蒸散模型参数确定及估算

2.4.1 作物蒸散数据的分组及与气象因子的关系 将净辐射、气温、水汽压差等气象因子和叶面积指数对蒸散的作用效应相乘估算作物蒸散量。计算公式如下:

ETs=f(Rn)f(T)f(VPD)(LAIactive+k5)

(2)

式中:ETs为作物蒸散量的估计值,mm/d;Rn为净辐射,W/m2;T为气温,℃;VPD为水汽压差,kPa;LAIactive为有效叶面积指数,m2/m2;k5为对于避免叶面积指数为零的调整参数,m2/m2。

用于比较ET与气象因子关系的子模型如下:

f(Rn)=k1ek2Rn

(3)

f(T)=1-k3(25-T)2

(4)

f(VPD)=1-k4·VPD

(5)

(6)

式中:k1、k2、k3、k4为经验系数,为使大多数气温和水气压条件下子模型都为正数,限制k3取值范围为0～8.16×10-4,k4取值范围为0～0.29。

为验证作物蒸散与单独气象因子的关系,使用公式(2)中的子模型来拟合实际蒸散与该气象因子的关系,为减少环境因子的交互效应,需要控制其他因子不变或变化较小,使需要观察规律的因子为正常范围。

采用MATLAB 中自组织映射(self-organizing map, SOM)神经网络聚类工具箱将具有相似气象因子和叶面积指数的日测量数据点分为两类,表现为低蒸散型数据点和高蒸散型数据点两类。叶面积指数是作物发育中具有标志性的参数之一,当探究某一个气象因子与蒸散的关系时,SOM神经网络的输入参数为除该因子外的其他气象因子与LAI的组合。由于模型对初值敏感,使用MATLAB Sheffield遗传算法工具箱结合多次边界初步确定初值,之后根据参数物理意义确定其取值范围,再使用MATLAB fmincon寻优函数计算最终参数值。

对于非线性模型,因其不便于检验回归显著性,故而将公式(2)两边取对数,转换成4因子的广义线性模型,再计算F分布以检验其回归显著性。

2.4.2 双作物系数的确定及作物蒸散量估算 根据FAO-56中推荐的PM公式双作物系数法估算不同种植模式的蒸散量。双作物系数法将作物系数分为基础作物系数Kcb和土壤蒸发系数Ke两部分,再与参考作物蒸散量ET0相乘得到作物蒸散估计值,使用如下公式计算[21]:

ETc=(Ks·Kcb+Ke)·ET0

(7)

式中:ETc为实际作物蒸散量,mm;Kcb为基础作物系数;Ks为水分胁迫系数;Ke为土壤蒸发系数。

基础作物系数Kcb根据FAO-56推荐值,按照作物不同生长期分段选取;水分胁迫系数Ks根据土壤含水量计算得出;土壤蒸发系数Ke通过水量平衡逐日递推计算。选取均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)和纳什效率系数(Nash-Sutcliffe efficiency coefficient,NSE)[22]来比较双作物系数法估算的ET与实际作物蒸散量ETc之间的差异。

2.5 不同水分利用效率指标计算

本文使用水分利用效率(water use efficiency,WUE)表示单位耗水量生产的生物学产量,计算公式为:

(8)

式中:WUE为不同种植模式下作物的水分利用效率,kg/m3;Y为不同种植模式下作物的干物质或者籽粒产量,kg/hm2。

第三象限包括“9”、“15”、“16”、“20”、“21”、“22”和“23”共7个感知指标。游客对这7个指标的评价同时低于重要性和满意度的得分总体均值，暂时对游客来说不那么重要，所以满意度和期望值都不高。青秀山可将细节设计、装潢环境作为次要改善项目，在相关需求上升时再适当调整供给。

经济水分利用效率(economic water use efficiency,EWUE)表示单位耗水量产生的经济利润,计算公式为[23]:

(9)

式中:EWUE为各作物的总经济水分利用效率,元/m3;E为作物的总经济利润,元/hm2,农产品价格参考《中国农产品价格调查年鉴》(2017版)数据。

3 结果与分析

3.1 不同种植模式作物实测蒸散与气象因子的关系

SOM神经网络聚类将数据点分为两类后,冬季作物和夏季作物ET与单气象因子的关系分别如图2和图3所示。

图2 不同种植模式冬季作物实测蒸散量ET数据点的聚类及其与气象因子的关系

图3 夏季作物实测蒸散量ET数据点的聚类及其与气象因子的关系

数据点的聚类结果大致表现出低ET气象状况和高ET气象状况两大类,代表了相近的气象状况和LAI发育阶段的两种组合方式。由图2、3可见,冬季作物蒸散数据分组中低ET部分与高ET部分均可与Rn和T分别呈较好的指数和二次函数拟合关系,而ET与VPD的关系中,两组数据趋势线比较接近,说明VPD对冬季作物蒸散的影响较为均匀,较少受到其他气象因子的交互作用影响。

以上结果表明,冬季作物与不同气象因子的关系不同,可以与Rn选用指数函数关系进行非线性寻优、与T选用二次函数回归、与VPD选用一次函数回归。夏季作物蒸散数据分组中低ET数据点较少,且与高ET数据点混合更为均匀,说明夏季作物蒸散受气象因子和LAI的交互作用影响较大,难以区分。尽管如此,夏季作物ET对气象因子变化的响应与冬季作物较为一致,与Rn、T和VPD的关系均可分别用指数函数、二次函数和线性函数表征。

将实测ET值与气象因子和有效叶面积指数进行非线性拟合的结果如表1所示。由于非线性模型不便于直接进行回归显著性检验,因此将公式两边取对数,转换成4因子的广义线性模型再计算F分布并比较其显著性。

表1 实测蒸散量与气象因子和有效叶面积指数的函数关系拟合结果

由表1可看出,除夏休闲种植模式外各作物非线性拟合优度均较好,回归方程总体显著,冬季作物拟合显著性优于夏季作物。3种种植模式的冬小麦各项拟合系数相近,夏季作物拟合系数差异较大。T和VPD的系数(k3和k4)较小,其变化对蒸散的影响也较小。

3.2 不同种植模式双作物系数法ET估算值与实测值的对比

图4 FAO-56双作物系数法估算的作物蒸散量与实测蒸散量对比

实测作物ET表明,3种种植模式的冬小麦最高日蒸散量均出现在4月下旬,夏季作物夏玉米和夏大豆的实测ET大致呈现单峰变化,夏休闲土壤蒸发前期较为稳定,9月初土壤蒸发速率开始下降。

双作物系数法对冬小麦ET的估算精度高于夏季作物,夏休闲模式ET的估计值与实测值偏差最大。但在冬小麦越冬前和越冬后初期以及夏大豆前期,ET估计值略高于蒸渗仪实测值,这可能与双作物系数法对于作物生育前期地面覆盖度较低时的概化不准确有关。

3.3 不同种植模式水量平衡比较

不同种植模式下水量平衡的各分量及净地下水消耗量(net consumption of groundwater,Cn)的测量结果如表2～4所示。2021—2022年冬小麦季和夏玉米季降水量分别为48.4和357.3 mm,冬小麦按照当地实际管理措施灌溉量为208 mm。表2～4中测量结果表明,蒸散量最高的是冬小麦-夏玉米种植模式,为980.77 mm,其次是冬小麦-夏大豆和冬小麦-夏休闲种植模式,分别为888.95和639.66 mm。周年渗漏量最多的是冬小麦-夏休闲种植模式,为153.24 mm;其次是冬小麦-夏大豆种植模式,为74.22 mm,且渗漏量全部产生于夏大豆生育初期和发育期;冬小麦-夏玉米种植模式渗漏量最少,仅为10.48 mm。周年土壤储水变化量最大的是冬小麦-夏玉米种植模式,土壤储水量减少了377.55 mm,其次是冬小麦-夏大豆和冬小麦-夏休闲种植模式。只有夏休闲时单季土壤储水量增加了48.19 mm,其余种植模式的单季作物均消耗土壤水。冬小麦-夏玉米种植模式的净地下水消耗量最大,为197.52 mm,其次是冬小麦-夏大豆种植模式,为133.78 mm,冬小麦-夏休闲种植模式净地下水消耗最小,为54.76 mm,比冬小麦-夏玉米种植模式低72.28%。

表2 冬小麦-夏玉米种植模式各作物不同生育期水量平衡及净地下水消耗量 mm

表3 冬小麦-夏大豆种植模式各作物不同生育期水量平衡及净地下水消耗量 mm

表4 冬小麦-夏休闲种植模式冬小麦不同生育期和休闲期水量平衡及净地下水消耗量 mm

3.4 不同种植模式的产量、产值和水分利用效率

试验种植周期内不同种植模式下各作物产量、产值和水分利用效率统计见表5。由表5可见,在2021年10月24日至2022年10月8日的完整种植周期内,夏玉米产量最高,为11 969.70 kg/hm2,冬小麦-夏玉米、冬小麦-夏大豆、冬小麦-夏休闲3种种植模式的总产值分别为19 943.29、13 493.06、2 363.43 元/hm2;冬小麦-夏玉米种植模式的水分利用效率WUE最大,为1.92 kg/m3,冬小麦-夏大豆和冬小麦-夏休闲种植模式的WUE接近,分别为1.01和1.00 kg/m3;冬小麦-夏玉米种植模式的经济水分利用效率EWUE最高,达到2.03 元/m3,冬小麦-夏大豆种植模式的经济水分利用效率为1.52元/m3,冬小麦-夏休闲种植模式的经济水分利用效率最低,为0.37 元/m3。

表5 试验种植周期不同种植模式下作物的产量、产值和水分利用效率

4 讨 论

本文蒸散量ET与气象因子关系的拟合结果表明,ET与净辐射Rn的关系可以用指数函数表示、与气温T的关系可以用二次函数表示、与水汽压差VPD的关系可以用一次函数表示,该结果与张永久等[24]的研究结论类似。ET值采用蒸渗仪的测量和FAO-56双作物系数法估算各有优缺点,蒸渗仪切断了土壤水的上升与侧向补充,占地面积小代表性不强,但是蒸渗仪测定ET值属于直接测量,具有精度高的优点;FAO-56双作物系数法在土壤蒸发、植物覆盖等假设上还有不足,在作物生长前期估算精度较低[25],但是FAO-56双作物系数法属于半机理模型,包含大量的物理参数,可以用于衡量作物的蒸散特点和环境的响应。

夏初为地下水补充最快的时期,该时段玉米冠层发育快于大豆,耗水量也较大,雨季渗水较少,因此在玉米生育期中期土壤储水量的消耗少于大豆。玉米生长与降雨较高的耦合程度是冬小麦-夏玉米种植模式产量最高的原因。

华北平原承担着国家粮食生产重任,冬小麦-夏玉米种植是华北平原的主要农业生产模式,其高产量和高经济水分利用效率使其具有经济上的优势和粮食生产上的必要性。但华北平原地表水缺乏,地下水的开发和利用也到达极限,该种植模式接近200 mm/a的净地下水消耗不利于地下水的稳定与生态安全。与之相比,冬小麦-夏大豆种植模式和冬小麦-夏休闲种植模式分别比冬小麦-夏玉米种植模式地下水净消耗低32.27%和72.28%,其中冬小麦-夏休闲净地下水消耗最低,可以作为局部缓解地下水超采的种植模式之一。

本文研究结果表明,FAO-56双作物系数法和非线性拟合方法可以较好地估算不同种植模式下作物的蒸散量,可以将单独或组合的气象、LAI数据用于不同种植模式作物耗水研究与实际应用中的估算;在地下水超采严重的地区可以考虑使用冬小麦-夏休闲种植模式以缓解地下水的开采,减少地下水漏斗带来的不良影响;在地下水相对丰富或者有其他地表水水源的区域采用冬小麦-夏玉米种植模式或者冬小麦-夏大豆种植模式,可以稳定粮食产量和经济收入,维护粮食安全。因此需要在合理的区域种植模式配置下,使华北平原地下水达到总体平衡。

5 结 论

本研究针对华北平原地区,利用大型称重式蒸渗仪和FAO-56双作物系数法比较了3种不同作物种植模式的耗水、对地下水消耗的影响极其水分利用效率,得到以下结论:

(1)作物蒸散量ET与Rn、T和VPD分别呈指数函数、二次函数和一次函数关系,并且通过SOM神经网络将LAI和气象因子聚类分组后可以更好地对ET与气象因子的关系进行表征,不同种植模式下基于ET与气象因子的关系相乘的非线性估算公式有较好的拟合效果,为华北平原不同种植模式作物耗水估计与规划提供了新的思路。

(2)以蒸渗仪实测ET作参照,FAO-56双作物系数法能较准确地估算ET,除休闲期外NSE均大于0.75,RMSE介于0.95～1.62 mm/d之间,表明FAO-56双作物系数法可以较好地用于当地的作物耗水量估算。

(3)3种种植模式中,冬小麦-夏玉米种植模式的蒸散量最高,为980.77 mm,其次为冬小麦-夏大豆和冬小麦-夏休闲种植模式。冬小麦-夏玉米种植模式的净地下水消耗量最大,为197.52 mm,其次为夏大豆-冬小麦(133.78 mm)、夏休闲-冬小麦(54.76 mm),可以根据区域地下水消耗程度,选择合适的恢复性种植模式。

(4)夏玉米-冬小麦种植模式的WUE和EWUE最高,分别为1.92 kg/m3和2.03元/m3。虽然冬小麦-夏休闲模式比冬小麦-夏大豆模式的EWUE低,但两种种植模式的WUE相当,可以考虑在地下水超采严重的地区使用冬小麦-夏休闲种植模式以缓解地下水的开采。