控制灌溉條件下水稻灌溉需水量對氣候變化的響應

鮑金麗，王衛光，丁一民

(河海大學 水文水資源與水利工程科學國家重點實驗室，南京 210098)

0 引 言

以溫度升高、降水波動為主要特征的氣候變化，已經對農業灌溉需水產生了顯著的影響。水稻作為耗水量最大的糧食作物，其灌溉需水量受氣候變化影響尤為顯著[1]。目前，已有眾多學者展開了水稻灌溉需水量對氣候變化響應的研究。其中，主要以歷史氣象數據和大氣環流模式(GCMs)結合作物系數法與水量平衡原理或結合作物模型，逐日推求水稻灌溉需水量[2-4]。王衛光等[5]基于作物系數法和水量平衡，綜合考慮降雨有效性和區域滲漏特征，在A2和B2兩種氣候情景下分析了長江中下游水稻灌溉需水量時空變化特征；黃志剛等[6]以作物系數法結合有效降雨研究了CMIP5_RCP4.5情景下松嫩平原水稻灌溉需水量變化特征。然而，不同的灌溉方式對應著不同的灌溉制度，在不同的生育期有著不同的灌溉上下限。因此，基于需水量、有效降雨和平均滲漏的水量平衡計算，并不能完全反應水稻灌溉過程。此外，水稻控制灌溉技術由于其高效的節水能力，而得到了廣泛的推廣[7]。但以往的研究多集中于常規灌溉，基于水稻控制灌溉制度結合水量平衡原理，研究水稻灌溉需水量對氣候變化的響應還未見報道。本文基于昆山灌排試驗基地的試驗資料、氣象觀測數據以及CMIP5氣候模式數據，結合水稻控制灌溉制度、水量平衡原理和TM積溫模型研究過去50年(1961-2010年)以及21世紀未來3個時期[2011-2040年(20年代)、2041-2070年(50年代)和2071-2100年(80年代)]水稻生育期以及灌溉需水量變化特征。

1 數據和方法

1.1 氣象數據

本文所采用的氣象數據包括昆山站點歷史氣象觀測數據以及GCMs氣候模式數據。其中，歷史氣象數據來自中國氣象局信息中心氣象資料室(http:∥data.cma.cn/)。GCMs數據來源于耦合模式比較計劃第五階段(CMIP5)氣候模式數據。CMIP5氣候模式分辨率普遍較高，大氣物理過程描述精細，且提供了更多的氣候變量輸出。CMIP5氣候模式數據采用了新一代溫室氣體排放情景----典型濃度路徑(RCPs)，RCPs各情景在2100年選擇不同的輻射強度目標。其中：RCP2.6表示2100年左右，輻射強度最高達到2.6 W/m2，RCP4.5和RCP6.0表示在2100年左右，輻射強度分別穩定在4.5和6.0 W/m2，而RCP8.5表示在2100年輻射強度將達8.5 W/m2。本文采用BCC-CSM1.1(m)、GFDL-ESM2M和HadGEM2-ES三種氣候模式(表1)的4種氣候情景。

表1 3種氣候模式詳細信息Tab.1 The detail information of three GCMs

1.2 水稻灌溉需水量計算

本文基于水稻控制灌溉制度結合水量平衡原理，逐日推求水稻灌溉需水量。控制灌溉是指根據水稻不同時期對水分敏感程度的差異，在各生育期設置合理土壤水分供應。除在返青期保持5～25 mm水層外，其余各生育階段均不建立水層，僅保持土壤水分控制上限為飽和含水量，下限在不同生育期分別取飽和含水量的60%～80%[7](圖1，水層深度負值為土壤含水量換算成水層深度)。

圖1 水稻控制灌溉制度Fig.1 Rice controlled irrigation schedule

水稻田間水量平衡公式如下：

hi-hi-1=Ri+Ii-Di-Si-ETci

(1)

式中：hi、hi-1分別為第i天、第i-1天的水層深度，mm；Ri、Ii、Di、Si分別表示第i天的降雨量、灌水量、排水量、滲漏量，mm；ETci為第i天的水稻需水量，mm；水稻滲漏量根據昆山灌排試驗基地2008年控制灌溉試驗各生育期平均滲漏量確定[8]，不同生育期滲漏量分別取為4.33，4.02，4.59，3.24，2.27，2.32，3.11，2.81，1.3(mm)。水稻需水量(ETci)的計算基于日最低氣溫、日最高氣溫、輻射、風速、平均水汽壓數據，采用FAO-56 Penman-Monteith方法，計算參考作物騰發量(ET0i)，然后采用單作物系數法和水分脅迫系數計算水稻逐日需水量(ETci)：

ETci=KcKsET0i

(2)

式中：ET0i為日參考作物騰發量，mm；Kc為作物系數；Ks為土壤水分脅迫系數。其中Kc系數采用昆山單季中稻作物系數修正值[9]，在生育期初始、中期和末期分別取為1.05、1.2、1.0。Ks計算方法參考文獻[10]。

1.3 TM模型

水稻移栽日期和生育期的計算采用Carla Cesaraccio等[11]于2001年提出的Temperature Model(TM)模型，該模型是一種估算逐小時均溫的經驗模型，相比其他模型能夠更加有效地模擬日溫度曲線并準確計算積溫值。TM模型將一天分為3個階段，第一階段從太陽升起時刻Hn到最高溫對應時刻Hx；第二階段從最高溫對應時刻到日落時刻Ho；第三階段從日落時刻到第二天最低溫對應時刻Hp。一和二階段溫度是用兩段正弦函數曲線擬合，第三階段用平方根函數擬和。Ho和Hp根據當地經緯度確定，Hx=Ho-4，Hp=Hn+24。4個時刻Hn、Hx、Ho、Hp對應溫度分別為：當日最低溫度Tn、當日最高溫度Tx、日落時溫度To、第二天最低溫度Tp。

To=Tx-c(Tx-Tp)

(3)

一天內每一時刻溫度函數計算公式：

對式(4)求積分，將積分后的3個結果求和，得到一天的積溫值。

以昆山灌排試驗基地2011年的水稻生育期為基準，采用TM模型算出2011年水稻移栽日期當量積溫為5.3 萬℃，生育期當量積溫為7.3萬℃。

1.4 Delta降尺度

由于大氣環流模式(GCM)分辨率普遍較低，且區域模擬能力差。因此，在應用GCM進行區域氣候變化研究時，需對其進行校正處理。降尺度是一種有效的彌補GCM不足的方法，本文采用Delta方法結合研究區實測氣象數據對所采用的3種GCM模式進行降尺度處理。Delta方法具體計算過程為：①分別計算各氣象要素實測數據均值和氣候模式輸出數據均值；②針對不同氣象要素以實測均值和氣候模式均值構建乘法或加法因子，本文中，最高氣溫、最低氣溫和輻射采用相加形式，而水氣壓、風速和降水采用相乘形式；③GCM預估未來氣象序列相乘或相加對應校正因子，從而實現GCM的降尺度處理。

2 結果與討論

2.1 過去50 a水稻需水量、灌溉需水量、移栽日期和生育期變化

基于控制灌溉制度和作物系數法構建水稻逐日水量平衡模型，結合歷史氣象數據，在假定水稻品種不變的條件下模擬過去50年(1961-2010年)水稻需水量、灌溉需水量、移栽日期和生育期變化特征(圖2)，并采用MK趨勢檢驗法對各要素進行趨勢顯著性分析。從圖2中可以看出，水稻移栽日期顯著提前、生育期顯著縮短(|Z|值均大于95%置信水平值1.96)，但移栽日期提前天數相對于生育期縮短天數更大，生育期在1960-1970年代甚至有小幅上升趨勢。水稻需水量有小幅上升趨勢，但上升趨勢不顯著(|Z|<1.96)，與需水量不同，灌溉需水量呈現顯著下降趨勢(|Z|<1.96)。圖3給出了研究區過去50年水稻生育期內最高氣溫、最低氣溫均值和降水量變化趨勢，從圖中可以看出各氣象變量均呈顯著上升趨勢。由于在本文中，移栽日期和生育期僅受最高氣溫和最低氣溫影響，因此氣溫的顯著上升帶來了移栽日期的顯著提前和生育期的大幅縮短。在水稻生育期顯著縮短的情景下，水稻需水量呈現小幅上升趨勢，說明最高氣溫和最低氣溫的顯著上升帶來的需水量增加大于生育期縮短對需水量的影響。生育期內降水量顯著增加(|Z|=2.4>1.96)，以及水稻需水量基本不變，兩者共同作用導致了灌溉需水量的顯著下降。

圖2 1961-2010年控制灌溉條件下水稻需水量、灌溉需水量、移栽日期及生育期變化趨勢Fig.2 The change of rice water requirement, irrigation water requirement, transplant date and growth duration under controlled irrigation in 1961-2010

圖3 1961-2010年水稻生育期內最高氣溫、最低氣溫及降水量變化趨勢Fig.3 The change of maximum and minimum temperature and precipitation in rice growth duration in 1961-2010

2.2 未來氣候變化下水稻移栽日期、生育期、需水量和灌溉需水量變化

以1961-2010年平均值為基準值，計算3種模式4種情景在未來3個時期的水稻移栽日期、生育期、需水量和灌溉需水量變化幅度(圖4)。從圖4中可以看出，除RCP2.6情景外，3個氣候模式在其他情景的幾乎所有時期，水稻生育期隨著時間的推移而逐漸縮短，且隨著輻射強度的增大(從RCP2.6至RCP8.5)，縮短天數也逐漸增大。盡管三種氣候模式的生育期呈現出相似的變化特征，但具體變化天數有著明顯的差異。其中以HadGEM2-ES(HADG)模式縮短天數最大，其最大值為RCP8.5情景2071-2100年的31 d。在BCC-CSM1.1(m)(BCC)模式下，生育期均值最大以及最小縮短天數分別為RCP8.5情景下2071-2100年的26 d和RCP2.6情景下2011-2040年時期的11 d。在GFDL-ESM2M(GFDL)模式下，生育期縮短最小，其最大以及最小縮短天數分別為RCP8.5情景下2071-2100年的17 d和RCP2.6情景下2071-2100年時期的3 d。在RCP2.6情景下，3種氣候模式生育期在2071-2100年均有一定程度的增加，增加幅度約為1～4 d。水稻移栽日期變化規律與生育期變化規律大致相同，但不同氣候模式的差異性相對較小，在RCP2.6情景下，3種氣候模式變化幅度較為接近。3種氣候模式中，仍以HADG變化幅度最大，在RCP8.5情景下2071-2100年，移栽日期最大提前36 d。而移栽最小提前天數出現在BCC氣候模式的RCP6.0情景下2011-2040年的12 d。

圖4 水稻移栽日期、生育期、需水量以及灌溉需水量相對歷史基準期變化幅度(橫坐標為21世紀年代和氣候模式)Fig.4 The change of rice transplant date, growth duration,water requirement and irrigation water requirement relative to baseline period

與移栽日期和生育期不同，水稻需水量和灌溉需水量在4種氣候情景下并無明顯的變化趨勢。除RCP2.6情景外，GFDL的需水量在其他3種氣候情景下均小于基準期均值。而BCC和HADG模式在所有情景下均大于基準期均值。其中最大值為BCC模式RCP8.5情景下2071-2100年的22.4%，最小值為GFDL模式RCP45情景下2011-2040年的-9.1%。灌溉需水量變化規律與需水量相似，最大值為BCC模式RCP4.5情景下2011-2040年的47.8%，最小值為GFDL模式RCP8.5情景下2041-2070年的-31.4%。水稻需水量不僅受生育期長度的影響，還受溫度、輻射、風速以及降水等因素的綜合影響。在未來氣候條件下[12]，溫度的大幅升高和輻射的增加導致需水量的增加，但生育期的縮短和風速的變化帶來需水量的減小，同時降水在未來氣候條件下有著較大的波動性。因此，在多種因素共同作用下，需水量和灌溉需水量未呈現出明顯的變化特征。

3 結 論

(1)過去50年，由于水稻生育期內氣溫和降水的顯著增加，導致移栽日期顯著提前，生育期明顯縮短，需水量小幅上升，灌溉需水量顯著下降。

(2)在未來氣候條件下，水稻生育周期顯著縮短，移栽日期明顯提前，但不同氣候模式差異較大。水稻需水量和灌溉需水量在BCC和GFDL模式下總體上高于基準期均值，但無明顯變化規律，水稻灌溉需水量由于受降水影響較大，其變化幅度大于水稻需水量。

本文未考慮不同GCMs的不確定性以及不同灌溉方式對水稻灌溉需水量的影響，同時氣候變化下水稻灌溉需水量在空間上的差異性也有待研究。

□

[1] Wang W, Yu Z, Zhang W, et al. Responses of rice yield, irrigation water requirement and water use efficiency to climate change in China: Historical simulation and future projections[J]. Agricultural Water Management, 2014,146:249-261.

[2] 王衛光, 孫風朝, 彭世彰, 等. 水稻灌溉需水量對氣候變化響應的模擬[J]. 農業工程學報, 2013,(14):90-98.

[3] 韓 冰, 羅玉峰, 王衛光, 等. 氣候變化對水稻生育期及灌溉需水量的影響[J]. 灌溉排水學報, 2011,(1):29-32.

[4] 羅玉峰, 彭世彰, 王衛光, 等. 氣候變化對水稻灌溉需水量的影響----以高郵灌區為例[J]. 武漢大學學報(工學版), 2009,(5):609-613.

[5] 王衛光, 彭世彰, 孫風朝, 等. 氣候變化下長江中下游水稻灌溉需水量時空變化特征[J]. 水科學進展, 2012,(5):656-664.

[6] 黃志剛, 王小立, 肖 燁, 等. 氣候變化對松嫩平原水稻灌溉需水量的影響[J]. 應用生態學報, 2015,(1):260-268.

[7] 彭世彰, 羅玉峰, 王衛光. 水稻節水高產控制灌溉實用技術[M]. 北京: 中國水利水電出版社, 2015.

[8] Peng S, Yang S, Xu J, et al. Nitrogen and phosphorus leaching losses from paddy fields with different water and nitrogen managements[J]. Paddy and Water Environment, 2011,9(3):333-342.

[9] 彭世彰, 徐俊增. 水稻控制灌溉理論與技術[M]. 南京: 河海大學出版社, 2011.

[10] 郝樹榮, 崔鵬程, 張展羽, 等. 南京地區水稻節水灌溉定額及適宜灌溉模式[J]. 水資源保護, 2015,(6):150-153.

[11] Cesaraccio C, Spano D, Duce P, et al. An improved model for determining degree-day values from daily temperature data[J]. International Journal of Biometeorology, 2001,45(4):161-169.

[12] 楊 絢, 李棟梁, 湯 緒. 基于CMIP5多模式集合資料的中國氣溫和降水預估及概率分析[J]. 中國沙漠, 2014,(3):795-804.