不同RCP情景下江蘇省作物需水量變化趨勢研究

史傳萌，吳天傲，2，3，李 江，繳錫云，2，3

（1.河海大學(xué)農(nóng)業(yè)科學(xué)與工程學(xué)院，南京 210098；2.河海大學(xué)水文水資源與水利工程科學(xué)國家重點(diǎn)實(shí)驗(yàn)室，南京 210098；3.水科學(xué)與水安全協(xié)同創(chuàng)新中心，南京 210098）

0 引 言

氣候變化對農(nóng)業(yè)生產(chǎn)有著重大影響［1］，隨著二氧化碳濃度增加和氣候變暖，可能會增加植物的光合作用并延長生長季節(jié)，擴(kuò)大世界農(nóng)業(yè)耕作區(qū)。但全球氣溫和降雨形態(tài)的迅速變化，也可能使世界許多地區(qū)的農(nóng)業(yè)和自然生態(tài)系統(tǒng)無法適應(yīng)或不能很快適應(yīng)這種變化，使其遭受很大的破壞性影響，造成大范圍的森林植被破壞和農(nóng)業(yè)災(zāi)害。根據(jù)聯(lián)合國政府間氣候變化專門委員會（IPCC）第5 次評估報告中以代表性濃度路徑（Representative concentration pathways，RCPs）情景對未來氣候變化進(jìn)行預(yù)估的結(jié)果，至2050年中國平均氣溫可能升高2.3～3.3 ℃，降水量增加5%～7%［2］。

從報告結(jié)果來看，氣溫和降雨將在未來發(fā)生較大的時空變化［3］。氣候的變化將會引起潛在蒸散發(fā)與地表濕潤度［4］的變化，最終導(dǎo)致各種災(zāi)害頻發(fā)。2019年，張奇謀［5］等人通過選取2020-2059年氣候模式數(shù)據(jù)預(yù)估漢江流域干旱變化趨勢，結(jié)果表明未來干旱頻次有所降低，但重度干旱發(fā)生概率將會增強(qiáng)，受此影響，農(nóng)業(yè)生產(chǎn)也將面臨嚴(yán)峻的挑戰(zhàn)［6］。氣候的變化也會間接地影響玉米、冬小麥［7］與水稻的生育期［8］，最終影響作物產(chǎn)量。劉文茹［9］等人在2018年采用機(jī)制法［10］對下長江中下游麥稻生產(chǎn)潛力進(jìn)行預(yù)估，結(jié)果表明稻麥氣候生產(chǎn)潛力總體呈線性增長趨勢。2020年，李樹巖［11］等人分析了RCP情景下河南夏玉米產(chǎn)量變化，未來情景模式下，河南省玉米潛在產(chǎn)量較基準(zhǔn)條件降低。

但是，氣候變化導(dǎo)致的自然災(zāi)害對農(nóng)業(yè)生產(chǎn)的影響是間接的，不能直觀的反映其對農(nóng)業(yè)的影響。而產(chǎn)量的變化是氣候變化影響農(nóng)業(yè)的最終表現(xiàn)，對農(nóng)業(yè)生產(chǎn)沒有指導(dǎo)意義。因此氣候變化導(dǎo)致作物需水量的變化［12］更能反映其影響作物生長的過程，進(jìn)而影響農(nóng)業(yè)水資源分配［13］。根據(jù)江蘇省農(nóng)業(yè)節(jié)水戰(zhàn)略［14］，為實(shí)現(xiàn)節(jié)水灌溉與農(nóng)業(yè)可持續(xù)發(fā)展［15］，基于CMIP5 排放情景RCP4.5、RCP8.5 數(shù)據(jù)，根據(jù)彭曼公式在作物需水量計(jì)算中的應(yīng)用［16］，評價各種參照作物蒸散量計(jì)算方法［17］，選擇率定適用于江蘇省的Hargreaves-Samani 公式，預(yù)估江蘇省未來水稻和小麥作物需水量，為制定合理的灌溉制度［18］，實(shí)現(xiàn)江蘇農(nóng)村水利現(xiàn)代化［19，20］提供依據(jù)。

1 材料與方法

1.1 研究區(qū)域

江蘇地處江、淮、沂沭泗流域下游，江蘇省屬暖溫帶向亞熱帶過渡性氣候，多年平均氣溫為13～16 ℃，年均降水量為800～1 200 mm，氣候溫和，雨量適中，適宜耕作。全省面積10.26 km2，其中山丘區(qū)面積占15%，平原和圩區(qū)占85%，耕地面積476 萬km2，高標(biāo)準(zhǔn)農(nóng)田規(guī)模大，農(nóng)機(jī)化水平高，是我國東南沿海地區(qū)糧食安全的重要保障。

根據(jù)江蘇省地形氣候條件，選取了19個國家基本氣象站點(diǎn)作為研究對象，并以淮河與長江為界，將江蘇劃分為北、中、南3個研究區(qū)域；其中北部區(qū)域（以下簡稱蘇北）包括贛榆、灌云、邳州、沭陽、泗洪、徐州、睢寧共7個基本站；中部區(qū)域（以下簡稱蘇中）包括高郵、南通、如皋、射陽、東臺、阜寧、盱眙7個基本站；南部區(qū)域（以下簡稱蘇南）包括昆山、無錫、東山、東山、常州、溧陽共5個基本站。

1.2 數(shù)據(jù)來源

各研究站點(diǎn)基準(zhǔn)年逐日氣象數(shù)據(jù)獲取自中國氣象數(shù)據(jù)網(wǎng)（http：//data.cma.cn），數(shù)據(jù)起止時間為1961-2019年，包括日平均氣溫T，日最高氣溫Tmax，日最低氣溫Tmin，日平均風(fēng)速v，總輻射Rs等。

2020-2100年氣候預(yù)估降尺度數(shù)據(jù)獲取自在水文氣象模擬中精度較好的Ha5 模型數(shù)據(jù)集（https：//agrivy.com/），包括總輻射Rs、最高氣溫、最低氣溫、降水量等。

1.3 計(jì)算方法

1.3.1 參考作物蒸散量計(jì)算

參考作物蒸散量（ET0）是指在不缺水情況下，參照面的蒸發(fā)和蒸騰速率，是計(jì)算作物需水量的一個重要的參數(shù)。選用聯(lián)合國糧農(nóng)組織（FAO）推薦的FAO56-Penman-Montieth 公式計(jì)算的ET0值（以下簡稱FAO56-PM）作為標(biāo)準(zhǔn)值。

其表達(dá)式如下：

式中：ET0為參考作物蒸散量，mm/d；Rn為凈輻射，MJ/m2day；G為土壤熱通量，MJ/（m2·d）；T為2 m 高處日平均氣溫，℃；u2為2 m高處的風(fēng)速，m/s；es為飽和水氣壓，kPa；ea為實(shí)際水氣壓，kPa；Δ為飽和水氣壓曲線的傾率；γ為濕度計(jì)常數(shù)，kPa/℃。

由于未來氣候情景模式數(shù)據(jù)集包含的氣象參數(shù)種類較少，難以通過FAO56-PM 公式直接計(jì)算［21］，因此本文選擇基于溫度法的Hargreaves-Samani（以下簡稱H-S）模型用于預(yù)測未來情景模式下的ET0。

其表達(dá)式如下：

式中：a，b，C為經(jīng)驗(yàn)系數(shù)，其常用值為0.002 3，0.5和17.8；Ra為天頂輻射，MJ/（m2·d）；T為日平均溫度，℃；Tmax為日最高溫度，℃；Tmin為日最低溫度，℃；其余符號意義同前

為保證H-S 公式計(jì)算精度［22］，用最小二乘法對19 個站點(diǎn)H-S公式中的經(jīng)驗(yàn)系數(shù)進(jìn)行率定［23］，以1990-2009年為基準(zhǔn)年，F(xiàn)AO56-PM 公式計(jì)算的ET0值為標(biāo)準(zhǔn)值，通過Matlab（R2018a）建立參數(shù)率定模型，從而得到各站點(diǎn)H-S 公式經(jīng)驗(yàn)系數(shù)，并將2010-2019年數(shù)據(jù)代入率定后的H-S公式驗(yàn)證公式的準(zhǔn)確性。

1.3.2 作物需水量計(jì)算

作物需水量指作物在生長發(fā)育時所需要的耗水量，是確定作物灌溉需水量的基礎(chǔ)。作物需水量受作物、土壤、氣候等因素的影響，其計(jì)算方法有2種，分別是直接法和參照作物法。研究本文采用參照作物法計(jì)算作物需水量，計(jì)算公式如下：

式中：Kc為作物系數(shù)；ETc為作物需水量，mm/d。

江蘇省的主要作物有水稻和冬小麥兩種，采用單系數(shù)法構(gòu)建Kc曲線，其概化曲線見圖2。參考聯(lián)合國糧食及農(nóng)業(yè)組織文件參考作物蒸散量計(jì)算指南和李志［24］等人的研究，確定江蘇地區(qū)6月10日至6月15日水稻生長初期，Kcini值為1.05，6月16日至7月31日為快速生長期，8月1日9月20日至生長中期，Kcmid值為1.20，9月21日至10月10日為生長后期，Kcend值為0.75；冬小麥10月15日至次年1月15日為生長初期，Kcini值為0.31，1月16日至3月15日為快速生長期，3月16日至5月5日為生長中期，Kcmid值為1.14，5月6日至6月5日為生長后期，Kcend值為0.35。

根據(jù)兩種作物的生長階段日期劃分，將Kc值代入公式計(jì)算水稻和小麥逐日需水量，最終求和計(jì)算各站點(diǎn)年作物需水量，將所得的結(jié)果錄入ArcGIS，利用反距離權(quán)重差值法［25］分別繪制RCP4.5 與RCP8.5 情景模式下2020年、2035年、2050年和2100年作物需水量、降水量和降水量與作物需水量的差值圖。

2 結(jié)果與分析

2.1 H-S公式率定與驗(yàn)證

各站點(diǎn)H-S 公式經(jīng)驗(yàn)系數(shù)率定結(jié)果如表1所示，率定后的H-S 公式驗(yàn)證結(jié)果如表2所示。從表格計(jì)算結(jié)果來看，利用1990-2009年20年逐日氣象數(shù)據(jù)率定江蘇省19 個站點(diǎn)的H-S公式的經(jīng)驗(yàn)系數(shù)，率定時計(jì)算結(jié)果與FAO56-PM 公式計(jì)算得到的ET0的決定系數(shù)均R2在0.6 以上，屬于強(qiáng)相關(guān)，其中，邳州和沭陽R2可以達(dá)到0.8 以上，說明在率定結(jié)果較好。使用2010-2019年逐日氣象數(shù)據(jù)計(jì)算ET0，校驗(yàn)率定后H-S 計(jì)算結(jié)果與FAO56-PM公式結(jié)果R2均在0.65以上。

表1 H-S公式經(jīng)驗(yàn)系數(shù)計(jì)算表Tab.1 Calculation table of empirical coefficient of H-S model

表2 率定系數(shù)后H-S公式驗(yàn)證結(jié)果Tab.2 The verification results of the modified H-S model

綜上所述，率定經(jīng)驗(yàn)系數(shù)后的H-S 公式精度較高且所需氣象變量較少，可用于各個站點(diǎn)在RCP 4.5和RCP 8.5情景模式下ET0的預(yù)測。

根據(jù)劃分的南北中3 個區(qū)域，各站點(diǎn)率定后H-S 經(jīng)驗(yàn)系數(shù)見圖3。圖3中，藍(lán)色為經(jīng)驗(yàn)系數(shù)a，橙色為經(jīng)驗(yàn)系數(shù)b，黃色為經(jīng)驗(yàn)系數(shù)C。

從圖3中可以看出，位于蘇南的5個站點(diǎn)，除昆山站，其他4個站點(diǎn)的3 個經(jīng)驗(yàn)系數(shù)比較接近，其中經(jīng)驗(yàn)系數(shù)a稍有差別，經(jīng)驗(yàn)系數(shù)b在0.75左右，經(jīng)驗(yàn)系數(shù)C在15.0附近。

蘇中的7 個站點(diǎn)經(jīng)驗(yàn)系數(shù)a波動較大，其中射陽最大為0.001 6，經(jīng)驗(yàn)系數(shù)b在0.70左右，經(jīng)驗(yàn)系數(shù)C在20.0附近。

蘇北地區(qū)的7 個站點(diǎn)，經(jīng)驗(yàn)系數(shù)a普遍低于0.001 0。經(jīng)驗(yàn)系數(shù)b除贛榆外，均在0.7 以上，部分站點(diǎn)甚至超過0.8。經(jīng)驗(yàn)系數(shù)C均在20以上，其中贛榆超過30。

綜合南北中3 個區(qū)域的3 個經(jīng)驗(yàn)系數(shù)，可以看出，對于同一個片區(qū)參數(shù)a與參數(shù)b反相關(guān)，與參數(shù)C是正相關(guān)。從地理位置上來看，經(jīng)驗(yàn)系數(shù)a從南向北呈減小趨勢，經(jīng)驗(yàn)系數(shù)C呈增大趨勢，經(jīng)驗(yàn)系數(shù)b除幾個特殊站點(diǎn)，南北變化較小。再將所得經(jīng)驗(yàn)系數(shù)與H-S 公式所給參數(shù)常用值對比，率定后適用于江蘇地區(qū)的H-S 公式中經(jīng)驗(yàn)系數(shù)a均低于推薦值0.001 7，蘇南地區(qū)平均值0.001 4，蘇中地區(qū)平均值0.001 3，蘇北地區(qū)平均值0.001 0；經(jīng)驗(yàn)系數(shù)b高于推薦值0.5，蘇南地區(qū)平均值0.73，蘇南地區(qū)平均值0.72，蘇北地區(qū)平均值0.77；經(jīng)驗(yàn)系數(shù)C蘇南地區(qū)低于推薦值17.8，平均為15.7，蘇中和蘇北高于常用值，平均為21.3，蘇北地區(qū)平均值27.1。

綜上所述，對江蘇北部、中部和南部的H-S 公式給出參數(shù)率定后公式如下：

2.2 RCP4.5情景模式下江蘇省總作物需水量預(yù)測

使用率定后的H-S 公式預(yù)測RCP 4.5 情景模式下江蘇省各個站點(diǎn)的ET0，并計(jì)算每年作物需水量，繪制2020、2035、2050與2100年江蘇省降雨量與作物需水量及這兩者之間的差值圖。

根據(jù)率定系數(shù)后的H-S 公式，選取與2.1 中給出的經(jīng)驗(yàn)系數(shù)接近的無錫、東臺、泗洪分別作為蘇南、蘇中和蘇北地區(qū)的代表站，繪制RCP 4.5 情景模式下其作物需水量隨時間變化圖。由圖5可知，RCP 4.5 情景模式下，在時間跨度上全省作物需水量將會逐年提高的，蘇南、蘇中、蘇北3 個地區(qū)增長速率較為接近。其中在2035年江蘇一半以上地區(qū)年作物需水量超過1 200 mm，而年降雨在1 000 mm 以內(nèi)。2036、2052、2056、2058、2087、2092、2097 這7年江蘇省大部分地區(qū)降雨量與作物需水量的差值500 mm，需要大量地表徑流補(bǔ)充灌溉用水，需提前做好抗旱措施以保證作物產(chǎn)量。

從空間上來看，作物需水量整體上呈南少北多、東少西多的狀況，年作物需水量最多的是西北方向的徐州市。降雨方面，蘇南地區(qū)在RCP 4.5情景模式下變化較小；蘇中地區(qū)起伏大且無明顯的變化規(guī)律；蘇北降雨量逐年減小，其中東北方向的贛榆區(qū)為沿海地區(qū)，年際蒸散量與降雨起伏大，因此作物需水量年際變化大。就總體來看，蘇南、蘇中地區(qū)降雨總量能夠滿足江蘇省農(nóng)業(yè)灌溉需求，而蘇北地區(qū)則需要通過更加合理的灌溉制度以保證作物產(chǎn)量。

2.3 RCP8.5情景模式下江蘇省總作物需水量預(yù)測

使用率定后的H-S 公式預(yù)測RCP8.5 情景模式下江蘇省各個站點(diǎn)的ET0，并計(jì)算年作物需水量，繪制2020、2035、2050 與2100年江蘇省降雨量與作物需水量及這兩者之間的差值圖。

根據(jù)率定系數(shù)后的H-S 公式，選取與2.1 中給出的經(jīng)驗(yàn)系數(shù)接近的無錫、東臺、泗洪分別作為蘇南、蘇中和蘇北地區(qū)的代表站，繪制RCP 8.5情景模式下其年作物需水量隨時間變化圖。

由圖6可知，RCP 8.5情景模式下，在時間上，江蘇省年作物需水量逐漸增加，其中無錫增長最快，其次是東臺和泗洪，且相較于RCP4.5，RCP8.5 情景模式下作物需水量波動劇烈。其中2050年江蘇大部分地區(qū)年作物需水量超過1 275 mm，降雨量小于1 200 mm，2/3 以上的地區(qū)降雨量不能實(shí)現(xiàn)農(nóng)業(yè)灌溉的自給自足，但作物需水缺口均在500 mm 以內(nèi)，但是在2036、2042、2056、2061、2074、2079、2093 這7年江蘇省大部分地區(qū)降雨量與作物需水量的差值大于500 mm，需要大量地表徑流補(bǔ)充灌溉用水，需提前做好抗旱措施以保證作物產(chǎn)量。

就空間上而言，作物需水量整體上呈中間多、兩邊少的情況，徐州和贛榆作物需水量變化較小。正常年份江蘇省西部地區(qū)年降雨總量能夠滿足作物灌溉需求，蘇中地區(qū)作物需水量有明顯的上升趨勢，到達(dá)峰值后出現(xiàn)回落。 就總體來看，除濱海地區(qū)降雨稍有不足，整個江蘇省降雨能夠滿足作物生長需要，而濱海地區(qū)地表徑流也能填補(bǔ)作物需水的空缺，農(nóng)業(yè)用水形式較為樂觀。

3 結(jié) 論

（1）綜合蘇北、蘇中、蘇南3 個地區(qū)的經(jīng)驗(yàn)參數(shù)，率定系數(shù)后，H-S 公式與P-M 公式相關(guān)系數(shù)均高于0.7，相關(guān)性良好。對于同一個片區(qū)參數(shù)a與參數(shù)b反相關(guān)，與參數(shù)C是正相關(guān)。從地理位置上來看，經(jīng)驗(yàn)系數(shù)a從南向北呈減小趨勢，經(jīng)驗(yàn)系數(shù)C呈增大趨勢，經(jīng)驗(yàn)系數(shù)b除幾個特殊站點(diǎn)，南北變化較小。

（2）未來不同排放情景模式下，2100年江蘇省年作物需水量在RCP4.5 情境下較2019年增長74.8%～97.5%，在RCP8.5 情境下增長56.3%～102%，RCP 4.5 情景下昆山作物需水量增長最多，RCP 8.5情景模式下東山年作物需水量增長最多。

（3）在RCP 4.5 情景下，江蘇地區(qū)年作物需水量總體呈線性增加的趨勢，蘇北、蘇中和蘇南增長速度接近，2036、2042、2056、2061、2074、2079、2093 這7年江蘇省大部分地區(qū)降雨量與作物需水量的差值大于500 mm，需要大量地表徑流補(bǔ)充灌溉用水。在RCP 8.5 情境下，年作物需水量總體也呈線性增加的趨勢，但增長速度由北向南逐漸升高，在2036、2042、2056、2061、2074、2079、2093 這7年江蘇省大部分地區(qū)降雨量與作物需水量的差值大于500 mm，需要大量地表徑流補(bǔ)充灌溉用水。

通過研究不同RCP 情景下江蘇省作物需水量變化趨勢，可以指導(dǎo)地區(qū)有針對性地制定地區(qū)灌水制度和灌溉定額以應(yīng)對未來氣候變化所帶來的極端災(zāi)害，確保作物生長需要用水，對保障我國糧食安全具有重要意義。□