基于WOFOST模型的德州市冬小麥干旱減產風險評估

王萌萌， 楊學斌*， 王吉順， 尚建設， 來劍斌

(1.德州市氣象局， 山東 德州 253078； 2.中國科學院 地理科學與資源研究所禹城綜合試驗站， 北京 100101)

災害風險分析是農業氣象領域的重要研究內容，劉榮花等[1]基于冬小麥的實際災損，對減產率、發生概率和產量變異系數進行分析，構建了華北平原冬小麥產量災損風險評估模型。張存杰等[2]根據干旱發生的危險性、不同地區干旱背景和脆弱性，建立了我國北方冬麥區全生育期和6個關鍵生育期的干旱災害風險評估模型和區劃方法。薛昌穎等[3]根據風險理論采用風險評估技術和方法，分析了干旱氣候條件下華北平原冬小麥產量災損的風險水平。王素艷等[4]基于風險分析原理，建立了北方冬小麥干旱災損風險指數模式，確定了綜合風險區劃指標。上述研究均以風險理論為基礎開展，在進行干旱評估時均采用了統計學、天氣學等方法。近年來，隨著作物生長模型應用范圍的擴大，專家學者已用于干旱風險研究。張建平等[5]基于WOFOST作物生長模型，定量分析并動態評估了干旱災害對華北地區冬小麥的影響。李樹巖等[6]基于WOFOST作物生長模型，分析了水分脅迫條件下河南省冬小麥減產風險值的變化規律。作物生長模型能夠定量反映作物生長發育過程及其與環境因子的關系，并對作物主要生理生態過程進行數值模擬，人為再現作物生長發育過程[7-8]。

德州市是農業大市，是全國首個“噸糧市”，冬小麥是該市的主要糧食作物之一，但小麥生長發育容易受干旱影響。因此，準確評估該地區氣象干旱對冬小麥產量的影響，繼而評價水分脅迫條件下冬小麥的減產風險并進行區劃，對指導當地農業生產具有重要的科學意義。因此，利用德州市1981—2018年的氣象觀測資料及近幾年的冬小麥生長觀測資料和土壤特性資料，對WOFOST作物生長模型進行參數校準，驗證模型在德州市冬小麥生長模擬方面的適用性。在此基礎之上，對多年來冬小麥的潛在產量和雨養產量進行模擬，評價干旱對冬小麥產量的影響，進而建立冬小麥減產風險評估模型，對全市冬小麥減產風險進行分析，研究減產風險的變化規律，以期為全市冬小麥生產決策、防范干旱影響等提供參考。

1 研究區概況與研究方法

1.1 研究區概況

德州市位于山東省西北部，屬溫帶大陸性季風氣候，四季分明、雨熱同期，春季干旱多風，夏季炎熱多雨，秋季涼爽少雨，冬季寒冷干燥。年平均日照時數2 483.8 h，年平均氣溫13.2℃，年平均降水量531.4 mm。冬小麥是德州市的主要糧食作物之一，其生育期正逢干旱少雨的冬春季節，因而干旱是主要氣象災害之一，對冬小麥的生長發育及產量形成具有顯著影響[9-10]。

1.2 WOFOST模型本地化

1.2.1 WOFOST模型簡介 WOFOST(World food studies)是荷蘭瓦赫寧根大學和世界糧食研究中心共同研發的系列作物模型之一，是模擬特定土壤和氣候條件下一年生作物生長的動態解釋性模型[11-13]。目前，WOFOST作物生長模型在世界范圍內廣泛應用，主要用于產量預測、產量風險分析、生產潛力評價、災害影響評估、氣候變化影響評估、灌溉和施肥的產量效益估算等方面[13-15]。模型以日為時間步長，動態、定量模擬潛在生長、水分限制和養分限制3種水平下的作物生長狀態。根據土壤和氣象條件對作物根、莖、葉、穗生物量以及土壤水分動態進行模擬，描述作物從出苗到開花、開花到成熟的生長過程，模擬作物在輻射、溫度、降水、作物自身特性等影響下日尺度的干物質積累，模擬的基礎為作物的同化作用、呼吸作用、蒸騰作用以及干物質的分配等生理生態過程[16-20]。WOFOST模型的水分模擬以土壤水分平衡方程為基礎，設置3種不同的子模塊：第一種是假定土壤水分能夠充分滿足作物生長需求，用于模擬作物潛在產量；第二種是模擬水分限制產量，水分來源主要是降水，地下水不影響作物生長，用于模擬作物雨養產量；第三種是作物根部缺水時，地下水可以進行補充。本研究采用第一種和第二種模擬模式。

1.2.2 參數本地化及評價指標 以模型自帶的冬小麥參數為基礎，通過查閱文獻及“試錯法”等，對較為敏感的TSUM1(出苗到開花的有效積溫)、TSUM2(開花到成熟的有效積溫)、SPAN(35℃環境下葉生存周期)、PERDL(水分脅迫引起的葉片最大死亡速率)、SMW(凋萎濕度)等參數進行調整。選擇模擬值和實測值的相關系數(r)、均方根誤差(RMSE)、歸一化均方根誤差(NRMSE)作為生育期、生物量和產量的驗證指標，RMSE和NRMSE越小表示模擬值與實測值越接近。

1.3 數據來源與干旱減產風險評估

1.3.1 數據來源 冬小麥生長觀測資料：來源于中科院禹城試驗站2015—2016年的試驗資料，包括生育期以及不同生育期的莖稈、綠葉和地上部分總生物量觀測值。其中，2015年數據用于校準參數，2016年數據用于驗證參數。氣象觀測資料：來源于德州市氣象局，獲取11個站點1981—2018年逐日平均氣溫、最高氣溫、最低氣溫、平均風速、水汽壓及日照時數觀測值。由于WOFOST模型所需的太陽輻射沒有觀測數據，利用埃斯屈朗(Angstrom)方程，通過日照時數計算太陽輻射量[21]。對于缺失的氣象數據采用五日滑動平均的方法進行訂正補充，由于降水數據存在較大的不確定性，對于缺失及異常數據統一定義為0[22]。土壤數據資料：主要采用經驗值，田間持水量、凋萎濕度、土壤容重等采用實測值。

1.3.2 干旱減產風險評估 利用2015—2016年的逐日氣象資料、冬小麥生長觀測資料和土壤資料對WOFOST模型進行參數校準，獲得適用于德州市的模型參數。利用德州市11個站點1981—2018年的逐日氣象觀測資料，分別在潛在模式和水分脅迫模式下驅動模型，獲取冬小麥潛在產量和雨養產量。潛在產量為最適條件下冬小麥的產量，雨養產量是受降水條件影響的產量，兩者之差為受干旱影響的減產率。通過計算不同等級減產率及其發生頻率，建立減產風險評估模型，對冬小麥減產風險進行評估和區劃。

德州市的光溫條件基本能夠滿足冬小麥生長需求，水分條件是限制冬小麥生產的主要因素。因此，冬小麥的氣象干旱減產風險可用潛在產量和雨養產量的差距表示。運用模型模擬德州11個站1981—2018年雨養條件下的產量與潛在產量，計算減產率及其出現頻率，建立干旱減產風險評估模型。

式中，YP為減產風險指數，Di為減產率等級，Pi為不同等級減產率出現的概率。減產率0～10%時為第1級，即D1=1，以此類推，減產率90%～100%時為第10級，即D10=10。DYt為第t年的減產率，Yt為第t年的潛在產量，Ytp為第t年的雨養產量。n為第i等級的減產率出現的次數，m為模擬的總年數。

2 結果與分析

2.1 模型驗證

從表1看出，在校準年份和驗證年份，出苗、拔節、抽穗、成熟等各個發育期的模擬值相差較小，平均誤差分別為1 d和3.7 d。從表2可見，在校準年和驗證年，莖干重和地上部分總干重的模擬值和實測值的相關系數均≥0.98，并通過0.01水平顯著性檢驗，表明模擬值和實測值較為吻合，模擬誤差較小。對于葉干重，校準年模擬值和實測值的相關系數為0.90，通過0.05水平顯著性檢驗，驗證年的相關系數為0.84，沒有通過0.05水平顯著性檢驗，說明模型對于葉干重的模擬誤差相對較大。分析校準年和驗證年葉干重生長動態的模擬值和實測值發現，在拔節期兩者相差較大，其他生育期吻合較好，這可能是因為模型沒有考慮分蘗的死亡，同時存在人工觀測誤差，導致葉干重的模擬效果相對不理想。綜合考慮莖干重、葉干重和地上部分總干重的模擬結果，整體看誤差在可接受范圍之內，因此認為WOFOST模型可用于模擬德州市的冬小麥生長發育過程。

表1 生育期參數校準和驗證結果

表2 模型參數的校準和驗證評價

2.2 冬小麥減產率的年變化規律

從表3看出，1981—2018年，德州、樂陵、寧津和夏津冬小麥的減產率呈增加趨勢，其中樂陵減產率傾向率最小，減產趨勢不明顯；其余7個站的減產率呈減少趨勢，其中禹城、齊河、武城下降趨勢明顯。德州、臨邑、夏津的降水量呈減少趨勢，其中臨邑降水量傾向率最小，減少趨勢不明顯；其余8個站的降水量呈增加趨勢，其中齊河降水量傾向率最小，增加趨勢不明顯。整體看，北部站點的減產率年際變化不大，相對比較穩定，南部站點則相反。對減產率和生長季降水量進行相關分析，其中7個站呈極顯著負相關關系，4個站呈不顯著負相關關系。表明，隨生長季降水量減少小麥減產率增加，生長季降水量增加小麥減產率減少，與實際情況一致。

表3 1981—2018年德州市冬小麥減產率和生長季降水量變率及其相關性

2.3 冬小麥減產率的空間變化規律

從圖1可知，減產率大于20%的概率分布在慶云、寧津相對較大，達50%～53%；樂陵、武城、陵城、臨邑、夏津、平原次之，為45%～49%；德州、齊河、禹城最小，為17%～24%。減產率大于50%的概率分布在慶云、樂陵、寧津相對較大，達15%～18%；陵城、平原、臨邑、武城次之，為12%～14%；德州、禹城、齊河、夏津最小，為3%～9%?？傮w看，減產率概率從北向南整體呈減少趨勢。

從圖2可知，慶云、樂陵、寧津冬小麥減產風險指數最大，達3.0～3.3；陵城、臨邑、平原、武城、夏津次之，為2.6～3.0；德州、齊河、禹城最小，為1.7～2.1。減產風險指數從北向南呈減少趨勢。德州、齊河、禹城冬小麥生長季平均降水量相對較大，達160～176 mm；平原、夏津、臨邑次之，為151～156 mm；慶云、樂陵、寧津、陵城、武城最少，僅145～147 mm。冬小麥生長季平均降水量從北向南大致呈下降趨勢，與減產率和減產風險指數的空間分布規律基本相反。綜上所述，氣象干旱造成的減產風險在慶云、樂陵、寧津是高值區，在陵城、平原、武城、臨邑一帶是中值區，在德州、齊河、禹城是低值區。

3 結論與討論

利用校準后的WOFOST模型，對德州市1981—2018年冬小麥的潛在產量和雨養產量進行模擬，計算水分條件影響下的減產率，并根據各等級減產率及其出現的概率建立減產風險評估模型，進行氣象干旱減產風險分析。研究結果表明，德州、寧津、夏津的冬小麥減產率呈明顯增加趨勢，禹城、齊河、武城呈減少趨勢，陵城、樂陵、臨邑、慶云變化幅度較小，增減趨勢不明顯。這與各站冬小麥生長季降水量的變化趨勢基本相反。同時，減產率與降水量呈顯著負相關關系。冬小麥減產風險的高值區主要在北部的慶云、樂陵、寧津一帶，低值區主要在南部的禹城、齊河一帶，陵城、臨邑、武城等中西部一帶為中值區。生長季平均降水量與減產風險的空間變化基本相反。說明，WOFOST模型能夠較為準確地模擬水分條件對冬小麥產量的影響，對于減產風險的研究具有實際意義，能夠指導德州市農業生產。

基于WOFOST模型研究水分條件變化引起的冬小麥減產風險，模擬氣候環境對冬小麥生長發育的影響，通過產量來計算減產率及減產風險指標，機理性的研究方法使得研究結果更具科學性。但在實際大田生產過程中，各地的灌溉條件差異較大，對減產風險評估結果具有一定的影響。災害風險管理理論綜合考慮了致災因子的發生程度及概率和承載體的暴露性、脆弱性和抗災能力，在較為全面地分析災害風險方面具有一定優勢。因此，在后續研究中可有機結合這兩種方法，進而更科學、全面地進行災害減產風險評估。