未來氣候變化情景下基于APSIM模型的黃土高原冬小麥適宜種植區域模擬

孫昊蔚，馬靖涵，王 力,2

(1.西北農林科技大學資源環境學院，陜西楊凌 712100；2.中國科學院水利部水土保持研究所 黃土高原土壤侵蝕與旱地農業國家重點實驗室，陜西楊凌 712100)

黃土高原是世界上典型的土壤侵蝕、水土流失地區，常年的土壤侵蝕造成了土地資源狀況的惡化[1]，直接影響著該區域生態環境發展、農業生產建設和糧食生產[2-3]。同時，全球氣候正在發生深刻變化，地球熱量和降水分布也隨之改變。黃土高原大部分農業以旱作為主[4-5]，作物種植主要依賴于熱量和自然降水，因而其作物分布、適宜種植區面積和產量更容易受到氣候變化影響[6-7]。面對全球氣候變化，有效預測黃土高原地區作物產量、作物適宜種植區域的變化規律，對于該地區農業可持續發展具有重要意義。

氣候變化對于農業生產的影響是當前研究的熱點。Gohari等[8]研究認為，溫度升高會縮短農作物生長周期，提高作物生長需水量，進而造成產量下降；Muhammad等[9]利用AquaCrop模型模擬得出，在氣溫升高條件下華北平原地區小麥產量將會增加。一般來說，區域降水量與小麥產量呈正相關。Wang等[10]通過APSIM模型研究表明，降水減少對于干燥地區的影響要比濕潤地區大。無論是FACE實驗(free air CO2enrichment)或者是模型模擬研究，都證明了大氣CO2濃度與作物產量呈正相關。Miglietta等[11]的研究結果顯示，馬鈴薯塊莖產量在FACE(自由空氣中增加CO2濃度試驗)處理中平均增加28%。Zhang等[12]利用ORYZA2000模型分析認為，在IPCC A2和B2情景(大氣CO2濃度增加)下，中國黑龍江省大米產量將分別增長44.5%和 35.3%。然而，當前研究中關于作物適宜種植區域對氣候變化響應的分析相對較少，且相關研究也主要以歷史氣象數據為基礎，從作物積溫等角度出發來分析判斷，而作物模型則可以綜合考慮作物生長發育過程中的積溫、土壤等條件，因此更適合進行作物適宜種植區域變化的分析。本研究以APSIM作物模型為基礎，以統計降尺度逐日氣象數據組建氣象數據庫模擬了黃土高原冬小麥產量情況，并以產量水平與穩產性作為劃分依據預測了未來2020-2100年冬小麥適宜種植區域的變化，從而分析預測未來黃土高原農業發展與水土保持工程實施的重點地區。

1 材料與方法

1.1 研究區概況

黃土高原地處中國偏北地區，面積約為64萬km2，包括青、寧、甘、秦、晉、蒙、豫7個省區的全部或者部分地區。海拔西高東低，是世界上典型的黃土區，高原內部水土流失嚴重，生態環境脆弱。黃土高原屬于大陸季風氣候，年平均溫度 3.6～14.3 ℃，冬冷夏熱，且氣溫時空差異較大；夏秋多雨，冬春少雨，整個區域年降水150～750 mm。模擬黃土高原全境67個氣象站點進行(圖1)，站點的選擇參考了相關研究結果[13]。

1.2 試驗設計

本研究選擇長武試驗站歷年冬小麥產量監測數據進行模型的率定與精度驗證。在APSIM模型校正的基礎上，應用CMIP5降尺度數據集內ACCESS1-0逐日氣象數據集驅動APSIM模型，模擬了黃土高原67個站點RCP 4.5和RCP 8.5情景下2020-2060、2061-2100年間冬小麥產量數據，并與1981-2010年間產量模擬數據進行了比較。RCP情景(代表性濃度路徑)由IPCC第五次評估報告提出，其中RCP 8.5描述的情景是國際之間不進行控制溫室氣體排放的協議和活動，不刻意控制全球氣候變暖進程的情景，該情景下溫室氣體的濃度不斷上升；RCP 4.5是指人類采取一系列措施進行減排，從而控制溫室氣體排放低于預期目標的情景，該情景下大氣中CO2濃度達到538 ppm，N2O濃度降低，同時N2O濃度達到372 ppb[14]。通過對RCP 8.5與RCP 4.5下作物發育情況的比較可以判斷人為干預下對于未來農業發展的影響。同時，本研究利用ArcGIS反距離權重插值法得到產量和穩產性柵格數據，并以此為劃分依據預測在2020-2060、2061-2100年間黃土高原適宜種植冬小麥區域分布的變化。當前冬小麥適宜種植區域由各省區歷年統計年鑒總結得出，并參考了張玲玲等[15]的研究結果，種植面積過低的市區未納入考慮。

1.3 研究方法

APSIM模型于20世紀90年代研制成功，開發單位包括澳大利亞聯邦科工組織(CSIRO)和昆士蘭州政府的農業生產系統研究組(APSRU)。作為一種作物模型，APSIM能夠應用于農業生產各環節主要成分的機理模擬[16-17]。APSIM模型由5部分模塊組成：作物模塊(小麥、玉米、大豆等)、土壤條件模塊(如土壤水分、土壤碳、土壤養分)、氣象條件模塊(如溫度、輻射、降水、風速等)、管理模塊(播種、灌溉、施肥等)、數據輸入與結果輸出模塊。在此基礎上，五類模塊通過中心引擎結合在一起。在使用過程中，APSIM模型能夠以“插拔”的形式，自由選擇模擬過程所需要的模塊，通過這種方式來設置研究所需模擬條件。

APSIM模型中作物參數的設置與調整參考了黃土高原關于APSIM的相關研究結果[15,18-19]。氣象數據來源于降尺度氣象數據網站(http://stdown.agrivy.com)。該降尺度氣象數據集采用統計降尺度模型(NWAI-WG)從每個GCM網格的月值數據中生成[20]。具體來說，降尺度過程包括兩個步驟：空間降尺度和時間降尺度。第一步是插值，即使用反距離加權(IDW)方法從GCM網格單元氣候變量月值插值為站點的月值數據，然后結合實測值對數據進行修正。第二步利用WGEN隨機天氣發生器生成逐日氣象數據。該數據集應用廣泛，Wang等[21]和Ruan等[22]的研究中都有應用。本研究中兩種氣候情景RCP 4.5和RCP 8.5與CO2排放均有關[23]，在APSIM模型中需要設置大氣CO2濃度的動態變化，因此在模型中設置了兩組公式(式中y指的是具體某一年份)[24-25]：

[CO2]RCP4.5=650.18+(7.532 6×10-5y- 0.162 76)/(2.229 9×10-4-727.97y-2)- 1.874 7×10-4(y-2045)3

[CO2]RCP8.5=1 034.3+(267.78- 1.618 8y)/(4.014 3+53.342y-5.288 2)+2.174 6×10-5(y-2020)3+1.0065×104(y-1911)3

本研究利用長武試驗站冬小麥的長期觀測數據進行產量和生育期長度模擬精度評價，結果(圖2)表明，冬小麥產量與生育期天數的R2分別為0.85和0.74，RMSE值分別為418 kg·hm-2和3.45 d。一致性指標D分別為0.926和0.921，均大于 0.8，說明模型模擬精確度較高，冬小麥產量與生育期天數的模擬值與觀測值吻合較好，APSIM模型適合該地區冬小麥生長及產量潛力的模擬。

2 結果與分析

2.1 黃土高原溫度與降水的變化趨勢

在黃土高原包含的7個省中，年平均最高溫度與最低溫度按照青海、內蒙古、甘肅、寧夏、山西、陜西、河南的順序遞增。在RCP 4.5 和RCP 8.5情景下，黃土高原最高溫度(圖3)與最低溫度(圖4)皆呈逐年升高趨勢，且RCP 8.5情景下的升溫程度要大于RCP 4.5。在RCP 4.5 情景下，2020-2060年間，黃土高原67個站點的最高溫度和最低溫度較1981-2010年平均值分別上升0.10～1.58 ℃(平均0.76 ℃)和0.13～2.40 ℃(平均0.96 ℃)；在2061-2100年間，最高和最低溫度較1981-2010年平均值分別增加0.88～ 2.53 ℃(平均1.55 ℃)和0.53～4.03 ℃(平均2.16 ℃)。在RCP 8.5情景下，2020-2060年間，黃土高原最高溫度和最低溫度較1981-2010年平均值分別增加0.35～1.68 ℃(平均1.08 ℃)和0.40～2.98 ℃(平均1.33 ℃)；在2061-2100年間，黃土高原的最高溫度和最低溫度較1981-2010年平均值分別增加1.35～4.70 ℃(平均 3.18 ℃)和2.50～4.60 ℃(平均3.26 ℃)。陜西省與山西省南部等小麥種植區的增溫幅度較大。

在RCP 4.5情景下，相較于1981-2010年間的年平均降水，在2020-2060年間，年均降水增加-17.87～146.53 mm(平均39.35 mm)；2061-2100年間，年均降水增加55.32～252.84 mm(平均128.12 mm)。在RCP 8.5情景下，2020-2060年間，年平均降水增加-9.98～ 175.52 mm(平均51.80 mm)；2061-2100年間，年均降水增加52.65～300.86 mm(平均126.49 mm)。除平涼地區在RCP 4.5和RCP 8.5情景下2020-2060年間年均降水減少外，所有站點的所有情景下，降水都呈現增加趨勢。同時，無論是在RCP 4.5或RCP 8.5情景下，降水的增加呈現空間分布差異(圖5)，黃土高原東南地區(山西省南部、河南省西北部)的降水增加量最大，西北地區的降水增加量最小。

2.2 黃土高原冬小麥產量的變化

在本研究中，將黃土高原分為兩部分，一部分是依據各省市縣統計年鑒劃分的冬小麥種植區域，另一部分為非種植區域；以此來研究氣候變化下黃土高原冬小麥種植區域內產量的變化趨勢(圖6)，并從冬小麥產量角度預測黃土高原冬小麥種植區域面積和分布對于氣候變化的響應(圖7、圖8)。在冬小麥種植區域內，1981-2010年間，產量平均值為4 299 kg·hm-2；在RCP 4.5情景下2020-2060和2061-2100年間，產量平均值分別為4 319和4 777 kg·hm-2；在RCP 8.5情景下2020-2060和2061-2100年間，產量平均值分別為4 548 和4 597 kg·hm-2。在非冬小麥種植區域，1981-2010年的產量平均值為2 191 kg·hm-2；在RCP 4.5情景下2020-2060和2061-2100年間，產量平均值分別為2 142和2 743 kg·hm-2；在RCP 8.5情景下2020-2060和2061-2100年間，產量平均值分別為2 442和2 906 kg·hm-2。通過顯著性分析，隨著氣候變化，除非種植地區RCP 4.5情景的2020-2060年間模擬產量略有下降外，其余情景下冬小麥產量都呈顯著增加趨勢(P<0.01)，種植區RCP 8.5情景的2020-2060年P<0.05)。

將模擬所得產量數據按照一定的等級重新分類，進而可以判斷各冬小麥產量等級的具體分布位置(圖7)。單從產量(圖7)來看，黃土高原適宜種植冬小麥的地區存在向北擴展的趨勢。與1981-2010年間平均產量比較，在RCP 4.5情景下，2020-2060年間，62.5%種植區域站點的小麥增產(增幅8～820 kg·hm-2)，54.3%的非種植區域站點增產(增幅0～479 kg·hm-2)；2061-2100年間，91%的種植區域站點增產(增幅0～ 1 601 kg·hm-2)，71.4%的非種植地區站點增產(增幅39～2 251 kg·hm-2)。在RCP 8.5情景下，2020-2060年間，81.2%種植區域站點增產(增幅0～907 kg·hm-2)，77.1%的非種植地區站點增產(增幅0.8～1 190 kg·hm-2)； 2061-2100年間，59.3%的種植區域站點增產(增幅0～1 522 kg·hm-2)，91.4%的非種植區域站點增產(增幅0～2 195 kg·hm-2)。

從各等級產量所占面積的百分比(圖8)看，在RCP 4.5情景下，2020-2060年間，各產量等級面積占比相對于1981-2010年的平均值變化不顯著；在2061-2100年間，產量0～3 000 kg·hm-2的地區從45.0%減至34.0%，產量 3 000 kg·hm-2以上所占面積從54.9%增至 65.9%。在RCP 8.5情景下，2020-2060年間， 0～3 000 kg·hm-2的低產地區面積占比從 45.0%減至39.0%；3 000 kg·hm-2以上面積從54.9%增至60.9%；2061-2100年間，產量0～ 3 000 kg·hm-2的低產地區面積占比從45.0%減至 30.2%，產量3 000 kg·hm-2以上的面積從54.9%增至69.7%。因此，從產量角度來看，黃土高原適宜種植小麥的地區面積是有擴大趨勢的。

2.3 黃土高原穩產性變化趨勢

為了保證農業活動效益的最大化，除了產量因素，還需要考慮穩產性因素。本研究將產量的變異系數作為衡量冬小麥穩產性的指標，來判斷在氣候變化的背景下冬小麥穩產性的區域變化情況(圖9)。1981-2010年，整個冬小麥種植區域產量變異系數平均為21.0%，非種植區域則平均為68.1%。在RCP 4.5情景下，2020-2060年間，種植區域產量變異系數平均為22.8%，非種植區域產量變異系數平均為55.9%；2061-2100年間，種植區域產量變異系數平均為18.5%，非種植區域產量變異系數平均為40.4%。在RCP 8.5情景下，2020-2060年間，種植區域產量變異系數平均為21.7%，非種植區域產量變異系數平均為48.5%；2061-2100年間，種植區域產量變異系數平均為18.5%，非種植區域產量變異系數為41.6%。除RCP 4.5情景的2020-2060和 RCP 8.5情景的2020-2060年間，種植區域產量變異系數有所上升外，其余情景和時間段內，產量變異系數皆呈顯著下降趨勢(P<0.05)。

同樣，利用ArcGIS重分類功能，按照一定等級梯度劃分了黃土高原冬小麥產量變異系數區域(圖10)，并計算了不同情景與不同時間段內各等級產量變異系數所占面積的占比情況(圖11)。在RCP 4.5情景下，2020-2060年間，相比 1981-2010年間，變異系數0～40%的穩產地區面積占比從54.7%增加到55.1%，變異系數在40%以上的地區從45.3%減少到44.9%；在2061-2100年間，變異系數0～40%的穩產地區面積占比增加到69.8%，變異系數在40%以上的地區從45.3%減少到30.2%。在RCP 8.5情景下， 2020-2060年間，變異系數0～40%的穩產地區面積占比增加到58.7%，變異系數在40%以上的地區減少到41.3%；2061-2100年間，變異系數0～40%的穩產地區面積占比增加到 67.4%，變異系數在40%以上的地區減少到 32.6%。從產量穩定性角度來看，黃土高原適宜種植小麥的地區面積同樣呈擴大趨勢。

2.4 黃土高原適宜種植區變化

綜上可知，隨著氣候的變化，在2020-2100年間黃土高原將有更多高產和穩產的地區出現，但是這兩者的增加是否有重疊的區域尚不明確，這也是探究氣候變化下黃土高原適宜種植區變化具體位置的關鍵所在。根據分析，可知在1981-2010年間，黃土高原冬小麥種植地區絕大部分多年產量平均值處于3 000 kg·hm-2以上和產量變異系數處于0～40%之間，存在誤差的地區主要集中于青海省部分地區和延安市，這主要是因為受限于青海省統計資料的缺失，無法判斷青海省冬小麥的具體種植地區。而根據統計年鑒顯示，延安市部分地區種植小麥，但是由于其種植面積過低而未統計在冬小麥種植區域內。因此，本研究以產量3 000 kg·hm-2以及產量變異系數40%為標準來劃分適宜種植與不適宜種植區域，并繪制了未來不同時間段內冬小麥適宜種植區域北界圖(圖12)。在RCP 4.5情景下，2020-2060年間適宜種植區邊界變動程度不大，在2061-2100年間期間，適宜種植區域邊界將從1981-2010年間下的榆中-海源-吳旗-綏德一線變為同心-定邊-橫山-朔州一線。在RCP 8.5情景下，2020-2060年間邊界變為榆中-海源-興縣-原平一線；在2061-2100年間，種植邊界將變為同心-鹽池-朔州-大同一線。

在1981-2010期間，適宜種植面積為 305 369 km2，占黃土高原總面積的48.9%(圖13)。在RCP 4.5情景下，2020-2060年間，適宜種植面積為292 274 km2，占比為46.8%，較1981-2010年減少13 095 km2；2061-2100年間，面積增加到407 132 km2，占比為65.2%，較1981-2010年增加101 763 km2。在RCP 8.5情景下，2020-2060年間，面積增加到352 337 km2，占比為56.4%，較1981-2010年增加469 68 km2；2061-2100年間，面積增加到410 340 km2，占比為65.7%，較1981-2010年增加107 671 km2。

3 討 論

3.1 不確定性分析

本研究主要的不確定性在于將黃土高原冬小麥品種默認為相同，而實際上黃土高原各地小麥品種并非完全一致，且每一地區小麥品種更換速率約為十年更換一次[26]。小麥品種生育期等作物參數的不同都會在一定程度上導致實際情況與模擬結果的差異，這是本研究存在的不確定性。同時，本研究中只應用ACCESS1-0一種氣候模式進行了預測，這也會造成模擬的不確定性。相關研究[27]結果顯示，28個GCM模式模擬的中國氣候變化趨勢基本一致，都認為最高溫度、最低溫度及降水呈增加趨勢。但是對于具體某一地點而言，溫度、降水變化數值都會有所不同，這是不確定性的主要來源，在以后的研究中需要考慮多個數值模式以減少不確定性。

3.2 黃土高原冬小麥產量的變化

未來氣溫的升高會造成冬小麥生育期的縮短[26]，導致一定程度的減產，但是GCM模式預測未來黃土高原降水將呈現全區域普遍增加的趨勢，結合CO2增產效果，未來黃土高原冬小麥產量將表現出升高的趨勢。在1981-2010年間，黃土高原冬小麥產量呈現西部高、東北偏低的特征，這與張玲玲等[15]的研究結論一致。分析降尺度氣候數據集顯示，在未來黃土高原東北部即山西中部地區降水增加程度要高于黃土高原西部地區，因此黃土高原種植區域內產量西高東低的現象將逐漸緩解，尤其是在RCP 4.5、RCP 8.5情景下2061-2100年間表現更為明顯。在冬小麥種植區域內，隨著氣候的變化，冬小麥產量都有顯著性升高，說明在考慮多種氣候要素的情況下，氣候變化朝著有利于小麥產量增長的趨勢發展。但是，在RCP 4.5和 RCP 8.5情景下2061-2100年間，冬小麥產量平均值分別為4 777 和4 597 kg·hm-2。顯著性分析顯示， 2061-2100年間冬小麥產量在RCP 4.5情景下顯著高于RCP 8.5情景(P<0.05)，說明氣候變化雖然是向著有利于農業種植的趨勢發展的，但是減少大氣CO2排放來控制全球溫度增加趨勢更加有利于小麥產量提升。

3.3 黃土高原冬小麥適宜種植區域界線移動

唐曉培等[28]的研究表明， RCP 4.5情景下黃淮海地區冬小麥種植北界變化趨勢小于RCP 8.5情景，這與本研究的結果一致。楊曉光、孫爽等[29-30]從光溫生產潛力、積溫角度，李克南等[31]從凍害和春化角度，Yang等[32]基于全國尺度的研究都表明，在1981-2010年間作物種植界限北移趨勢明顯，種植區域的擴大會提升小麥的總產量。Yang等[32]的研究表明，由于氣候變化擴大了糧食種植區域，在1981-2010期間全國三大主要作物(小麥、玉米、水稻)增產8×106t。因此，氣候變化對于全國的農業生產起著一定積極的作用，采用合理方式積極應對氣候變化能夠有效提升我國糧食安全保障能力。立足于黃土高原來看，在氣候變化的背景下，冬小麥種植邊界將繼續向北擴展，且種植區域內的冬小麥產量將受益于氣候變化的影響呈現一定程度的增加。同時，研究預測，當前冬小麥適宜種植區以北是潛在適宜種植地區，因此在未來應該注意榆中-海源-吳旗-綏德以北地區的水土保持工程的建設以及農業管理的科學化進程，從而更好地積極應對氣候變化，促進小麥產量的增加，實現地區糧食的自給自足。

4 結 論

模擬結果顯示，在RCP 4.5與RCP 8.5情景下，黃土高原冬小麥適宜種植范圍將一定程度向北擴大，且RCP 8.5情景下北擴的面積更大。在RCP 4.5情景下，2020-2060年間，適宜種植面積占黃土高原總面積的46.8%，較1981-2010年間均值減少13 095 km2；2061-2100年間，適宜種植面積占比為65.2%，增加101 763 km2。在RCP 8.5情景下，2020-2060年間，適宜種植面占黃土高原總面積的56.4%，較1981-2010年間均值增加46 968 km2；2061-2100年間，適宜種植面占黃土高原總面積的65.7%，增加 107 671 km2。在RCP 4.5與RCP 8.5情景下，黃土高原冬小麥種植范圍內小麥產量與穩產性都將顯著提高。在RCP 4.5情景下，2061-2100年間冬小麥產量顯著高于RCP 8.5情景。因此，從產量角度出發，控制CO2排放，減緩溫室效應仍然有益于產量提升。

致謝：感謝澳大利亞新南威爾士州初級產業部劉德立教授提供未來氣候情景數據。