水稻免耕對流域藍綠水的影響

羅開盛

(1.中國科學院重慶綠色智能技術研究院智慧流域研究中心，重慶 400714；2.中國科學院大學重慶學院，重慶 400714)

水稻是世界上最重要的糧食作物之一，也是中國和亞洲其他國家最重要的主食[1-2]。如何在增加糧食產量的同時降低環境負效應成為農業發展迫切需要解決的難題[3-4]。保護性耕作是一種配以大量秸稈、殘茬覆蓋的最小土壤耕作措施，并以秸稈覆蓋量為依據將保護性耕作劃分為免耕和少耕[5]。其中，免耕要求前茬作物收獲后秸稈和殘茬覆蓋量不小于30%[5]。免耕作為主要的最佳管理措施(BMPs)之一，其目標就是增加作物產量的同時，最大限度地減少環境負面效應[6-7]。徑流是營養物輸出的主要載體，徑流的變化和水資源管理、水沙過程、營養物遷移與輸出有著重要聯系[6-8]。因此，研究水稻免耕的水文效應具有重要意義。

盡管免耕水文效應的相關研究取得了較大的進展，但主要集中在小麥、玉米、棉花和大豆等旱地作物[9-12],對于濕潤地區的水稻關注不夠。以往水稻免耕田間試驗研究表明，相對于傳統耕作，由于免耕能夠截留更多的降雨、抑制土壤流失、提高土壤團聚性、大空隙能增加水分的下滲等原因，水稻免耕減少了徑流量[11,13-14]。

藍水和綠水的概念最先由瑞典水文學家Falkenmark于1995年提出，他認為降落在地表的水包括藍水和綠水兩部分[15-16]。其中,藍水指由降水形成的地表水和地下水,是可見的液態水流,包括河流、湖泊、濕地和淺層含水層中的水；而綠水指由降水下滲到非飽和土壤層中供給植物生長的水,是垂向進入大氣的不可見水[15-16]。傳統水資源評價和管理僅包括可見的、可以直接被人類直接利用的水資源，即只評價易于被工程開發利用的可更新的地表水和地下水，而往往忽略了綠水[17-18]。藍水、綠水的提出為水資源的評價和研究提出了新思路，近年來引起了國內外學者的廣泛關注[15,17-18]。

目前水稻免耕水文效應的研究主要集中在站點尺度，在流域尺度上的相關認識還相當有限。同一流域的氣候、地形、土壤等水文環境具相似性，但流域內農業環境和水文環境又存在一定差異。由于尺度效應問題，站點試驗結果很難上推到流域尺度[19]。在流域尺度上，水稻免耕對藍綠水會產生何種影響？在流域內又存在著何種區域差異？這些尚不清楚。

而模型是流域地表過程的重要評估工具，可以作為流域水稻免耕效應評估的重要手段。SWAT(Soil and Water Assessment Tool)模型經過長期不斷改進，目前能夠在流域尺度上模擬復雜農業管理措施下作物生長過程、土壤侵蝕過程和水文過程。此模型目前廣泛應用于最佳管理措施研究[20-22]且證實模型性能良好[19-24]。同時，該模型的水文輸出與藍綠水具有很好的對應關系，可以直接輸出組成藍水綠水資源的各分量，因此被認為是一種評估藍綠水資源量較為有效的水文模型[23-24]。

基于此，本研究以湘江流域為試驗區，利用2000年的土地利用數據、2000—2018年的氣象數據、數字高程數據、土壤數據、農業管理數據等驅動SWAT水文模型，采用情景分析法模擬了水稻免耕(秸稈殘余覆蓋為30%)對流域藍綠水分量的影響過程，進而量化藍綠水變化并進行空間差異解析，探討了內在的影響機制和可能的影響。

1 材料及方法

1.1 研究區概況

湘江流域位于24°～29°N和113.5°～114°E，屬于長江流域，由南向北注入洞庭湖(圖1)。流域面積9.46萬km2，老埠頭水文站以上為上游，老埠頭至衡陽水文站之間為中游，衡陽水文站以下為下游(圖1a)。上游以山地為主，中下游以丘陵和平原為主。該流域屬于亞熱帶季風濕潤氣候，年降雨量1 458 mm，年平均氣溫17.4℃。土壤類型主要是水稻土、黃壤和紅壤[25]。湘江流域屬于長江中下游水稻主產區的雙季稻種植區，稻田面積占到流域總面積的20%左右(圖1b)。該區域以秈稻為主，早稻3月底到4月上旬播種，7月中旬到下旬收割；晚稻在6月底到7月上旬播種，10月下旬到11月上旬收割。由于人口的不斷增加、工業化和城市化的迅速推進以及耕地面積的減少，糧食供需矛盾加劇[26-27]。近幾十年來，該流域洪澇和農業面源污染嚴重，稻田環境惡化[26-27]，探索水稻可持續性發展的農業耕作措施是亟待解決的問題。

a)位置、海拔以及水文氣象站分布

1.2 模型構建

SWAT模型需要輸入的數據包括空間數據和屬性數據。本研究使用的空間數據主要包括土地利用圖、土壤圖、數字高程圖(DEM)、流域邊界河網矢量圖等。屬性數據主要包括土地利用屬性數據庫、土壤屬性數據庫、氣象資料數據庫、水稻作物數據庫、肥料數據庫、灌溉數據庫、農業管理措施數據庫等。模型首先根據輸入的DEM生成子流域(Subbasin)，然后根據土地利用和土壤狀況進一步將子流域細分成水文響應單元(HRU)。本研究最終生成63個子流域，4 680個水文響應單元。

分辨率30 m的DEM、流域邊界河網矢量圖、2000年稻田以及其他土地利用類型(旱地、林地、草地、水體、不滲透表面、未利用土地)空間數據來自中科院地理所資源環境科學與數據中心(http://www.resdc.cn/)。9個氣象站點2000—2018年日氣象數據來自國家氣象局氣象站(https://data.cma.cn/)。土壤數據利用聯合國糧農組織的1∶100萬世界和諧土壤數據庫(Harmonized World Soil Database，HWSD)數據(http://www.fao.org/soils-portal/soil-survey/)。湘江流域水稻種植日歷、施肥量、灌溉量及其相關數據來自9個國家氣象局農業氣象站(圖1)和國家農業科學數據中心(http://www.agridata.cn/#/home)。模型率定和驗證所需要的實測月徑流數據來自長江水利委員會，包括全州、歸陽、衡山、衡陽和湘潭5個水文站點。本研究將土壤分成2層，第一層和第二層厚度分別為300、500 mm。

1.3 模型率定與驗證

SWAT模型參數眾多(700個左右)，為了獲得影響模型精度的主要參數，控制模型率定的參數數量，提高率定效率，需要對模型進行參數敏感性分析[20]。本研究采用LH-OAT方法進行參數敏感性分析[24]。本研究利用R2、納什系數(NSE)、百分比偏差(PBIAS)和均方根與標準偏差的比值(RSR)4個指標衡量模型模擬效果[28]。R2范圍為0～1，值越大表示模擬效果越好。一般認為，0.75

1.4 情景分析

獲得適用于湘江流域的一整套模型參數后，本研究設置2個情景(M1和M2)。M1情景利用2000—2018年的氣象數據，2000年稻田和其他土地利用空間數據以及通過收集的其他數據(水稻作物參數數據庫、施肥數據庫、灌溉數據庫、作物種植日歷數據庫)。M2情景在M1情景上僅僅將水稻耕作方式由傳統耕作更改為免耕，模型其他參數都保持不變(表1)。因此，水文變化量(M2-M1)就是全部由水稻免耕所引起的。為了減少年際波動，每個水文輸出參數取2000—2018年的年平均值。

表1 情景設置

1.5 數據分析

為了量化水稻免耕對流域藍綠水的影響，本研究引入綠水系數(GWC)、藍水系數(BWC)和水文參數變化率指標(CP)[29]。它們的計算公式如下：

(1)

(2)

(3)

綠水包括綠水流和綠水庫，綠水流是SWAT模型輸出的實際蒸散發(ET)，而綠水庫是土壤含水量。藍水是模型輸出的產水量和深層地下水補給之和。

2 結果與分析

2.1 模型率定與驗證

本研究利用全州、歸陽、衡陽、衡山和湘潭水文站的月徑流觀測數據，采用LH-OAT方法對5個水文站進行敏感性分析。結果顯示盡管各水文站敏感性參數的排名具有差異，但是最敏感的前10個參數基本保持不變。因此本研究選取最敏感的前10個參數進行模型的率定。這些參數的詳細信息見表2。

表2 湘江流域排名前10的敏感性參數

本研究利用全州、歸陽、衡陽、衡山和湘潭水文站的月徑流觀測數據對模型進行率定。校準期(2006—2011年)5個水文站點的R2都在0.94以上，NSE在0.93以上；RSR值和PBIAS值的范圍分別為[-5.90,0.27]和[-6.24,0.82](表3)。驗證期(2012—2013)，所有水文站R2都大于0.91，NSE都大于0.86；RSR值和PBIAS值的范圍分別為[0.02,0.35]和[-10.67,0.59](表3)。從各水文站月徑流觀測值和模擬值的對比可以看出(圖2)，模型對汛期洪水峰值的模擬值稍微偏高。這可能是因為湘江流域氣象站點相對較少且在空間上分布不太均勻所致。但參考以往的文獻[28]，本研究所構建的湘江流域SWAT模型的性能很好。這主要因為湘江流域屬于濕潤地區，產流以蓄滿產流為主，適用SWAT模型的SCS徑流曲線數算法。同時，模型中水庫模塊不夠完善，是導致很多流域應用精度較低的重要原因。而湘江流域缺乏有規模的水庫和大壩，從而減少了對水文過程的干擾，進而提高了模型模擬精度。

表3 模型率定與驗證結果

a)全州站

2.2 免耕引起的藍水變化

研究結果顯示湘江流域水稻傳統耕作下的年藍水數量為894.38×108m3，藍水系數為62.76%。而水稻免耕措施下對應的藍水數量為891.19×108m3，藍水系數為62.69%。水稻免耕導致湘江流域年藍水減少了3.19×108m3(-0.713%)，藍水系數減少了0.06%，這表明藍水在總水量中的比例下降。藍水由產水量和深層地下水補給組成，而水稻免耕導致的藍水數量減少主要歸因于產水量的變化。本研究表明水稻免耕導致湘江流域產水量減少了2.42×108m3，對藍水減少的貢獻率為72.46%；而深層地下水補給量對藍水的減少只貢獻了27.54%。和傳統耕作相比，水稻免耕對深層地下水補給量的影響率更大，導致了5.62%的下降，比產水量的高5.35%。

從表4可知，在流域區段上，水稻免耕對藍水各指標影響最大的是下游，其次是中游和上游。下游區域水稻免耕引起24.624×107m3藍水流的減少(變化率-0.715%)，占整個流域藍水變化的77.15%；從而導致下游區域的藍水系數下降了0.459%，這意味著水稻免耕使得下游區段藍水在總水量中的比例下降，轉為了綠水。而下游區段的這種變化主要歸因于產水量的變化，水稻免耕引起下游區段產水量下降了19.882×107m3，貢獻了該區段藍水下降的80.74%(-19.882×107m3/24.624×107m3×100%)。和產水量相比，水稻免耕對深層地下水補給量影響的數量要小得多。這主要是因為湘江流域屬于亞熱帶濕潤性氣候，河流的主要補給形式是降雨，而不是地下水。然而，水稻免耕對深層地下水補給變化的影響幅度要比產水量大得多，變化率比產水量的高5.052%。水稻免耕對下游藍水各參數影響最大的原因主要是該區段地形平坦(屬于洞庭湖平原)，水田面積要比中游和上游大得多。

表4 水稻免耕對湘江流域上中下游年藍水的影響

免耕對藍水的影響在流域范圍內存在較大的空間差異。水稻免耕導致湘江流域大部分地區的藍水系數下降，但也有少部分區域增加(圖3a)。藍水系數下降的區域都集中在流域的上游和中游(圖3a)，這表明在流域上游和中游的一部分區域，水稻免耕使得藍水在總水量的比例增加。而藍水變化率在整個流域上也是有增有減，但藍水增加的區域很小，僅僅為上游區域的1個子流域，其他區域都是減少(圖3b)。深層地下水補給的變化和其他參數相比，空間差異更大：絕大部分區域表現為減少，很小一部分地區表現為增加，增加的區域主要位于山區(圖3d)。作為藍水組成之一的產水量在空間上的變化趨勢和藍水系數以及藍水變化率很相似(圖3c)。這主要是因為在藍水的構成中，產水量所占比例高，而深層地下水被給所占比例低，因此，藍水系數以及藍水變化率的空間變化格局很大程度上取決于產水量的變化格局。

a)藍水系數變化/%

2.3 免耕引起的綠水變化

綠水是綠水流和綠水庫之和。研究結果顯示水稻免耕引起湘江流域綠水增加了6.083×107m3,相對傳統耕作的增加幅度是0.115%。在總水量(藍水+綠水)的結構中，綠水所占比例上升了0.06%。這主要歸因于綠水庫(土壤含水量)水量的增加，水稻免耕引起綠水庫水量增加了14.543×107m3,上升幅度為0.254%。盡管綠水流(實際蒸散發，ET)減少8.460×107m3，但是綠水庫的增加抵消了綠水流的減少，最終導致綠水總量還是增加。

在流域區段上，水稻免耕對中游綠水的影響最大，達到0.147%，其次是上游(0.12%)和下游(0.082%)(表5)。但是對于綠水在總水量分配影響最大的是下游，水稻免耕引起下游區段的綠水系數增加了0.459%，其次是中游(0.103%)和上游(0.07%)(表5)。而提高不同區段綠水在總水量分配中比例的主要是依靠綠水庫，而不是綠水流。因為從表5中看出，綠水系數的變化和綠水庫的變化趨勢(包括綠水庫數量和變化率變化)是一致的。因此，水稻免耕改變綠水在總水量中的分配結構主要是通過綠水庫，而不是綠水流。

表5 水稻免耕對湘江流域上中下游年綠水的影響

空間上，水稻免耕在整個湘江流域上引起了綠水的減少，但是減少的幅度存在空間差異，范圍為[-0.15%,0](圖4b)。這種空間格局是綠水流和綠水庫在空間上相互作用的結果。水稻免耕導致整個流域綠水庫增加，增加范圍為[0.05%,0.76%](圖4c)。從圖4c和圖4d可以看出，在對應區域綠水庫的增加幅度要高于綠水流的減少幅度，從而導致整個流域綠水庫的增加幅度高于綠水流的減小幅度。綠水系數在流域內的空間差異相對更大，在大部分區域上表現為增加趨勢，但也有少部分區域下降(圖4a)。

a)綠水系數變化/%

3 討論

本研究表明水稻免耕引起流域綠水增加，而年均增加了6.083×107m3(0.115%)。綠水由實際蒸散發(綠水流)和土壤含水量(綠水庫)組成。本研究表明水稻免耕導致湘江流域綠水增加，這主要歸因于土壤含水量的增加，它的增加幅度是綠水總量的2.39倍(14.543×107m3/(6.083×107m3))。秸稈覆蓋的免耕能有效改善土壤結構，增大耕層土壤孔隙，增強持水能力，從而大幅度增加土壤含水量[12,30-31]。和傳統耕作相比，水稻免耕一方面增加了稻田表面的粗糙度，另一方面秸稈覆蓋減少了土壤裸露，田間株間無效蒸發減少[12,30-31]。同時，秸稈覆蓋可以抑制表層土壤水分蒸發[10,30,32]。但在湘江流域，相對實際蒸散發的減少量，水稻免耕引起土壤含水量的增加量(14.543×107m3)大得多，最終被抵消，使得綠水表現出增加趨勢。

研究表明水稻免耕引起流域藍水減少，年均減少了3.19×108m3(-0.713%)。藍水由產水量和深層地下水補給組成。本研究表明水稻免耕引起的湘江流域藍水的下降主要歸因于產水量的減少，它下降了2.42×108m3，對藍水減少的貢獻為72.46%。產水量是水文單元的一個最終輸出，是研究區各種水文要素相互作用的最終結果，因此是衡量水文單元(流域、子流域或者水文響應單元)的綜合指標[19]。與傳統耕作比較,免耕增加地表粗糙度，延遲降雨產流時間，縮短產流延續時間；與此同時，免耕處理的土壤滲透性較好，降水的貯蓄量大，從而導致地表產流降低[14,33-36]。相對傳統耕作，土壤含水量增加，稻田所涵養的水量增加，進而導致土壤補給河道的水量(LATQ)減少[13-14]。本研究結果顯示水稻免耕引起湘江流域的SURQ、LATQ和GWQ分別下降了8.22%、9.02%和9.41%，而LOSS在兩種耕作模式下是保持不變，從而導致產水量的下降。

本研究也發現了水稻免耕對藍綠水的分配結構產生了影響，導致藍水在總水量中的比例下降，而綠水所占比例上升。在湘江流域，水稻免耕導致了藍水在總水量中的分配比例下降了0.06%，而綠水上升了0.06%。而水稻免耕改變藍綠水的分配結構主要通過影響產水量和土壤含水量(綠水庫)而實現的。產水量主要影響藍水的比例，而土壤含水量主要影響綠水的比例。

本研究結果表明水稻免耕對藍綠水的影響在流域范圍存在空間差異。流域內各區域的環境具有相似性，但是不同地點的地形、土壤、微氣候等水文環境和農業環境仍然存在空間差異[15,30]。例如，在湘江流域，稻田有主要分布上游的山地水田、中游的丘陵水田和下游的平原水田，且下游的平原水田面積最大。而水文系統是一個具有非線性、不確定性以及復雜性的動態平衡系統[34-35]，而這種環境的空間異質性將會引起水稻對藍綠水影響在流域范圍內產生空間差異。

藍水主要用于滿足人類的生產和生活所需的用水，而綠水用于滿足生態系統維持自身運行。人類用水和生態需水二者存在著矛盾，長期以來，人類往往擠占生態用水，使得生態所需的水量無法得到保障，進而影響了生態系統的健康可持續發展。本研究表明水稻免耕增加了土壤含水量(綠水庫)，進而導致綠水數量和在總水量中的比例上升。綠水庫中的水是能夠被植物吸收利用，能夠支撐生態系統的綠色植物的生長。水稻免耕提高了生態用水比例，降低了人類用水比例，優化了水資源總量的分配，有利于農田生態系統健康可持續發展。

4 結論

本研究以湘江流域為試驗區，利用SWAT水文模型模擬了水稻免耕對流域藍綠水的影響，獲得以下結論。

a)湘江流域水稻傳統耕作下的年藍水(產水量和深層地下水補給量)數量為894.38×108m3，藍水系數為62.76%。和傳統耕作相比，水稻免耕對深層地下水補給量的影響率更大，導致了5.62%的下降，比產水量的高5.35%。然而，流域藍水的減少主要歸因于產水量的減少，水稻免耕導致產水量減少了2.42×108m3(貢獻率為72.46%)。在流域區段上，水稻免耕對藍水各指標影響最大的是下游，占整個流域藍水變化的77.15%。水稻免耕引起流域綠水流(實際蒸散發)減少了8.460×107m3，但綠水庫(土壤含水量)的增加(14.543×107m3)抵消綠水流的減少量后最終使得綠水增加。

b)水稻免耕改變藍綠水的分配結構主要是通過改變產水量和實際蒸散發(綠水量)實現的。產水量主要影響藍水的變化，而實際蒸散發主要影響綠水的變化。由于在流域范圍內各水文要素的相互抵消作用，水稻免耕對整個流域藍綠水的影響并不大，但流域范圍內的空間差異較大。同時，水稻免耕提高了綠水在水資源總量中的比例，農田生態系統用于生態耗水的數量增加，因此具有積極作用。