基于分布式水文模型的小麥漬害對氣候變化響應研究

任菲瑩，熊勤學

(長江大學農學院/濕地生態與農業利用教育部工程研究中心/長江大學澇漬災害與濕地農業湖北省重點實驗室，湖北荊州 434025)

漬害是長江中下游地區常見的一種土壤水分過多引起的農業氣象災害，每年長江中下游地區夏收作物因漬害的影響，產量減產達30%～50%[1]。漬害致災因子有地形、土壤物理屬性、氣象條件、作物耐漬性和水利設施等，其中氣象條件(特別是降水與蒸散)是影響作物漬害年際變化的主要因子。隨著全球氣候變化和人類活動干擾日益加劇, 漬害致災因子、孕災環境和承災體情勢及其相互關系發生了深刻變化,導致漬害態勢出現了新情況，因此有必要開展氣候環境變化條件下的漬害研究。目前氣候變化對農業氣象災害的影響研究主要集中在暴雨洪澇、干旱、冷害、高溫方面，如黃國如等[3]利用CMIP5(coupled model intercomparison project phase 5)全球氣候模式模擬發現，在未來時期北江流域強降雨與高潮位遭遇的風險概率呈現上升趨勢等；徐影等[4]分析了RCP8.5(representative concentration pathway)情景下21世紀中國洪澇致災危險性、承災體易損性以及洪澇災害風險；賀晉云等[5]對西南地區極端干旱進行分析發現，近50年來極端干旱發生頻率明顯增加；陳曉晨等[6]通過CMIP5耦合模式研究表明，在RCP4.5情景下，未來中國熱浪指數增加 2.6倍。目前關于漬害對氣候變化響應的研究尚不多見，主要原因是漬害相關資料缺乏，由于漬害作物表型學特征不明顯、受漬表觀明顯滯后、漬害判別標準缺乏、常伴隨其他氣象災害等原因，農業部門更多地關注洪澇，而無作物受漬調查資料。本研究以湖北監利縣小麥為對象，運用分布式水文模型(DHSVM，distributed hydrology soil vegetation model)，結合1970-2018年氣象觀測數據和CMIP5四種情景(RCP2.6、RCP4.5、RCP6.0和RCP8.5)下2020-2069年全球氣候模式模擬氣象結果數據，在假設其他條件(高程、土壤類型、土地利用現狀)不變條件下，模擬出近100年每日的農田土壤表層(0～30 cm)土壤體積含水量空間分布數據，結合受漬指數，分析100年氣候變化對小麥漬害的影響。

1 材料與方法

1.1 研究區域概況

監利縣位于湖北省中南部、江漢平原南部，緊鄰長江北岸，面積為3 508 km2，地勢分布呈“簸箕”形，即西、南、北三面較高，中部及東部較低，因此自身形成一個獨立的水系；土壤類型主要為灰潮土、水稻土；監利縣屬典型的亞熱帶季風氣候，光能充足(大于10 ℃的積溫5 171.8 ℃·d)、熱量資源豐富、無霜期長(242～263 d)。

1.2 受漬指數SSWI(sub-surface waterlogging index)計算方法

漬害的判別標準[7-8]：當農田地下水位埋深小于60 cm，土壤根層相對體積含水量5 d 滑動均值高于110%的持續期大于5 d時，認為夏收作物受到輕度漬害；如果持續期大于12 d，認為作物受到中度漬害；持續期20 d以上時則認為作物受到重度漬害。每年3-4月正值小麥拔節至灌漿期，是監利小麥受漬害影響的主要時期，因此用3-4月SSWI均值代表小麥受漬害影響程度的特征量。

CDays=Dateend-Datestart

(1)

(2)

式中，CDays為漬害持續天數；Datestart為起日，即當土壤根層(0～30 cm)含水量日均值首次連續5 d滑動平均值大于田間持水量的110%時，這5 d中第一次出現含水量大于田間持水量的110%的日期;Dateend為止日，即土壤根層含水量日均值最后連續5 d滑動平均值大于田間持水量的110%時，這5 d中最后一次出現含水量大于田間持水量的110%的日期。SSWIi為第i天受漬指數。

3月份 SSWI統計時段為每年3月1日至3月31日，4月份 SSWI統計時段為每年4月1日至4月30日，年SSWI計算時段為統計3月1日至4月30日。潮土田間持水量為0.30 m3·m-3，起日為4月12日，止日為4月28日，持續17 d，4月份SSWI為0.57。圖1為監利小麥SSWI具體計算過程流程。

圖1 小麥SSWI計算流程圖

1.3 DHSVM模型數據收集及調參

1.3.1 氣象數據收集與整理

DHSVM模型(distributed hydrology soil vegetation model)是美國西雅圖華盛頓大學西北太平洋國家實驗室于1994年研制出的一種分布式水文模型[10-11]。模型中的氣象數據包括逐日日平均氣溫、空氣濕度、風速、降水、短波輻射量和長波輻射量。1970-2018年逐日氣象數據來自監利縣氣象局，其中短波輻射量和長波輻射量數據運用文獻[9]方法依據日照時數數據計算而來；2020-2069年四種情景(RCP2.6、RCP4.5、RCP6.0和RCP8.5)氣象數據來自CMIP5MIROC5全球氣候模式逐日模擬結果(格式為day_MIROC5_rcp26_r1i1p1，下載網址為https://esgf-node.llnl.gov/search/cmip5/，下載完成后，用IDL語言讀取NC格式二維氣象要素數據)，取80行、85列數據(東經112、北緯31)作為監利氣象數據。

1.3.2 DHSVM模型的其他數據來源

DHSVM模型在輸入土壤類型、土地利用現狀、高程模型等柵格GIS數據和氣象條件、各土壤類型物理參數、各土地利用現狀水文參數條件下，可以0～24 h為步長模擬一段日期內河流徑流、土層厚度、農田土壤濕度、地表徑流等時空分布。本研究的土壤類型數據來自1990年的 1∶12萬監利縣土壤類型紙制地圖。土壤類型有灰潮土、水稻土、黃棕壤土、水體4種。

DEM(digital elevation model)數據采用美國太空總署的SRTM(shuttle radar topography mission)數據，其空間分辨率為90 m，從互聯網上下載而來，地址為http://srtm.csi.cgiar.org。

土地利用現狀數據是運用2015年HJ-1A和HJ-B環境衛星CCD數據，采用農作物時序特征提取方法[12-13]提取的土地利用現狀空間分布。農作物細分為單季中稻、單季棉花、小麥+棉花、油菜+棉花、小麥+中稻、油菜+中稻、雙季稻等，其精度及結果分析見相關文獻[14]。

運用DHSVM模型最后模擬出空間分辨率為90 m的監利縣逐日土壤表層體積含水量柵格數據。

1.3.3 模型調參與驗證

模型調參采用Nash-Stucliffe效率系數(NSE)[15]：

(3)

為驗證模型正確性，在監利縣程集鎮實驗田(北緯29.94、東經112.71)架設HOBO 15要素自動氣象站(同時觀測土壤表層體積含水量)，15 min觀測1次。觀測日期為2013年1月1日-2015年12月31日。采用均方根誤差(root mean square error, RMSE)衡量模型擬合結果。

(4)

式中n為樣本數。RMSE值越小，表示模型模擬的效果越好。

由于DHSVM模型參數[16-17]中橫向水力傳導系數、水力傳導系數下降指數、土壤孔隙度、田間持水率、最小氣孔阻抗比較敏感[18]，本研究選擇優化對象為潮土的橫向水力傳導系數及橫向飽和導水率隨深度的遞減指數，其他土壤類型根據模型缺省值結合潮土參數進行線性放大與縮小。具體調參步驟：分別將潮土的橫向水力傳導系數在0～0.2范圍每隔0.02取10個值，橫向飽和導水率隨深度的遞減在0～10范圍每隔1取10個值，排列組合后分別代入DHSVM模型中，運用DHSVM模型模擬的2013年1月1日-1月24日土壤水分數據與同期程集自動氣象站每天的觀測點(棉田，東經112.682，北緯29.9012，灰潮土)0～30 cm土層土壤體積含水量均值進行Nash-Stucliffe效率系數計算(樣本數為144)，取其最大值0.746對應的參數作為模型確定參數(表1)，其中孔隙大小分布指數是有效飽和度與吸力雙對數關系曲線的斜率，數值愈大，表示孔隙尺寸的分布范圍愈窄，孔隙愈均勻。

運用模型模擬2013年1月1日-2015年12月31日每天的土壤水分運行情況，將模擬結果中的第1層土壤體積含水量值與0～30 cm土層土壤體積含水量的均值相關性較好(圖2)，二者之間的決定系數R2為0.67(樣本數為951)，RMSE為0.035，說明DHSVM模型對監利縣土壤表層含水量的擬合性較好，模型適應良好。

2 結果與分析

2.1 1970-2069年氣象要素的變化特征

將1970-2018年歷史氣象數據中每年3-4月的日總輻射、日平均氣溫進行平均，日降水量進行累加，并以年代為時段計算平均值和方差，得到5個年代3-4月總輻射日均值、氣溫日均值、降水總量(圖3)。由圖2可知，監利縣日總輻射隨年代的增加而增加，從20世紀70年代的 462.1 W·m-2一直增加到2010年代的483.5 W·m-2，而日平均氣溫從20世紀80年代到2000年代呈上升趨勢，降水則以20世紀90年代最大，為266.4 mm。總體上看，氣候變暖非常明顯。

采用相同方法得到未來50年四種情景下的總輻射日均值、氣溫日均值、降水總量。由圖3可知，在監利縣，不管什么情景，這4個指標值都明顯高于1970-2018年的歷史氣象數據，且不同情境的增加幅度有差異，其中RCP6.0情景的增加幅度明顯低于其他情景。降雨增多會導致土壤含水量的增加，而氣溫和輻射的上升會引起農田蒸散的增加，進而使農田土壤含水量減少，因此全球氣候變化對小麥漬害的影響十分復雜。

2.2 基于歷史氣象數據的小麥SSWI變化特征

從每年3-4月SSWI均值年變化(圖4)看， SSWI在1981年最大，為0.59；在1979和2004年最小，為0.1。從1970年到2018年，3-4月SSWI均值呈下降趨勢，每年平均下降0.21%。從20世紀70年代到2010年代，SSWI的年代均值先升后降趨勢(圖5)。

2.3 基于不同情景氣象模擬數據的小麥SSWI變化特征

利用DHSVM模型對四種情景下2020-2069年土壤數據模擬及3-4月SSWI指數均值(圖6)。計算結果表明，RCP2.6、RCP4.5、RCP6.0和RCP8.5情景下SSWI最大值分別為0.56、0.61、0.71和0.64，分別出現在2027、2026、2027和2023年，而最小值分別為0.07、 0.05、0.07和0.05，分別出現在2050、2057、2046和2041年。四種情景下SSWI年均值盡管都呈下降趨勢，但情景間存在明顯的差異，RCP2.6、RCP6.0和RCP8.5情景的下降趨勢不太明顯，而RCP4.5明顯下降，而且下降趨勢大于1970-2018年。此外，不管什么情景，SSWI的年際差異呈變大趨勢， 2020-2069年RCP2.6、RCP4.5、RCP6.0和RCP8.5情景下SSWI年際間方差分別為0.135、0.139、 0.132、 0.131，明顯大于1970-2018年的方差(0.127)，說明未來50年里監利小麥受漬時間有逐年減少的趨勢，但每年受漬時間的年際間差異會越來越大。

表1 DHSVM模型中土壤類型主要參數

圖2 降水量、土壤體積含水量模擬值與觀測值時序變化

2.4 影響小麥漬害氣候變化成因分析

將1970-2018年和四種情景下2020-2069年的SSWI值與同年氣象要素進行相關分析，結果表明，SSWI與同期降水量呈正相關(相關系數為0.437)，而與氣溫、入總輻射日均值呈負相關(相關系數分別為-0.543和-0.590)，說明降雨量增加會增大漬害的危害程度，但同期輻射量增加、氣溫升高有利于減少漬害發生。從前面分析可知，從1970-2069年每年3-4月總輻射、氣溫和降水有升高的趨勢，高散射和高降水導致盡管漬害有下降趨勢，但年際間受漬時間差異會增加。

圖3 1970-2018年和2020-2069年四種情景下不同年代3-4月總輻射日均值、氣溫日均值、降水總量的變化

圖4 1970-2018年3-4月SSWI均值的變化

圖5 1970-2018年3-4月SSWI均值年代變化

圖6 四種情景下2020-2069年每年3-4月SSWI均值的變化

從圖7可以看出，盡管近100年不同年代小麥漬害危害程度(SSWI)有差異，但其空間分布的特征基本一致，小麥漬害危害重的地區主要集中在南部的長江沿線的灘涂區域和監利中西部地勢低洼地區。

圖7 不同年代、四種情景小麥3-4月SSWI指數空間分布變化圖

3 討 論

對近50年和四種情景(RCP2.6、RCP4.5、RCP6.0和RCP8.5)未來50年全球氣候模式逐日模擬數據的分析表明，監利小麥每年受漬時間有逐年遞減的趨勢，但受漬時間的年際間差異會越來越大，四種情景也均呈相同的變化規律，其中RCP4.5最明顯。其結果與中國《第三次氣候變化國家評估報告》顯示的“其結果與1909年以來中國的變暖速率高于全球平均值，每百年升溫 0.9～1.5 ℃。全球變暖會導致水循環出現變異，大氣持水能力加強，引起降水時空分布更加不均勻，強降水等極端災害天氣事件出現的頻率和強度增加”的結論不矛盾。王志福[20]運用歷史氣象數據分析得出，在長江中下游和江南地區氣候會變暖，水循環加速，在降水量和降水日數的共同作用下，會發生更頻繁的洪澇或干旱事件，作物受漬頻次增加，這一結論與本研究結論相似。針對漬害的這種變化趨勢，要科學進行漬害田的改造，建立合理的排灌體系，通過擴寬、加深溝渠，安裝排灌設施，確保漬水及時排出；同時加強小麥抗漬品種培育，確保小麥高產穩產。

RCP2.6、RCP4.5、RCP6.0和RCP8.5情景分別表示到2100年輻射強度水平2.6、4.5、6.0、8.5 W·m-2，其中RCP2.6最為理想，即假設未來10年溫室氣體排放開始下降，到本世紀末溫室氣體排放就成為負值。從四種情景未來50年SSWI變化可以看出，SSWI變化與全球CO2排放量關系不大，主要原因是監利縣屬季風型氣候，受海洋(夏季)和大陸(冬季)型氣候的影響，其 3-4月降水量與CO2排放量關系不密切。

由于缺乏小麥漬害長期定位觀測數據和漬害定損規范，國內外對作物漬害氣候變化規律研究幾乎沒有。本研究對氣象歷史數據、土壤類型數據、土地利用現狀數據和地形數據，運用DHSVM模型模擬出近100年農田土壤水分數據，結合SSWI分析出每年小麥漬害受漬時間及漬害變化規律，為缺乏歷史數據的災害氣候分析提出了一種新思路。

本研究只是利用氣候模式的模擬結果對未來漬害風險進行了初步評估，還存在一定的局限性，主要表現在全球氣候模式的分辨率較粗，與未來真實氣候變化存在一定的差別；其次，對于漬害風險評估的方法有很多種，本研究只用了SSWI，其只能反映小麥的受漬時間，不能表達受漬程度和對產量的影響；第三，溫室氣體排放不僅影響全球氣候變化，也會引起農業種植制度、土壤屬性變化，人類活動也會發生變化，這些不確定性對小麥漬害的影響還有待進一步研究。