RZWQM2模型對河北壩上地區(qū)大白菜模擬適用性評價

裴宏偉，李雅麗，李 赟，王海英，黃欣莉，張紅娟

（1.河北建筑工程學(xué)院市政與環(huán)境工程系，河北張家口075000；2.河北省水質(zhì)工程與水資源綜合利用重點實驗室，河北張家口075000；3.張家口市農(nóng)業(yè)高效節(jié)水研究所，河北張家口075000）

0 引言

大白菜（Chinese Cabbage）的種植在我國已有5000 多年的種植歷史，具有耐寒、高產(chǎn)量、易運輸、易儲存且營養(yǎng)價值高等優(yōu)點[1]。大白菜一直是我國種植面積最大的蔬菜種類，種植面積已經(jīng)達(dá)到267 萬hm2[2]。在河北壩上地區(qū)（36°30′~46°42′N、106°16′W~124°51′E），大白菜是該地區(qū)最主要的蔬菜作物[3]，該地區(qū)多年平均降水量低于400 mm，水資源稟賦不足且年際變化較大，同時大白菜生長過程中需要消耗大量地下水用于灌溉，由于多年持續(xù)超采地下水，已經(jīng)導(dǎo)致本地區(qū)耕地退化、湖泊干涸、防護林死亡和草場沙化等生態(tài)問題，嚴(yán)重制約著該地區(qū)農(nóng)業(yè)生產(chǎn)和社會經(jīng)濟的可持續(xù)發(fā)展[4,5]。因此，明確大白菜生育期田間土壤水分過程、作物生長及產(chǎn)量變化，是提高農(nóng)業(yè)發(fā)展和節(jié)約農(nóng)業(yè)水資源管理的關(guān)鍵科學(xué)問題。

作物模型（根區(qū)水質(zhì)模型RZWQM2）整合了土壤和特定試驗場地的氣候條件，可模擬作物田間土壤水分和作物生長[6]。Ahuja 和Ma 等人對該模型的運行機理和計算等做了詳細(xì)描述[7,8]，提供了一種具有良好適用性的研究工具。目前，國內(nèi)外研究學(xué)者對RZWQM2 模型在各地區(qū)和各種作物進行了大量研究，例如，蔣騰聰[9]等通過該模型對不同水分脅迫冬小麥生長得到了較好的模擬，驗證了該模型適用于我國干旱半干旱地區(qū)冬小麥的研究；王貴云[10]等運用該模型驗證了牛場肥水的施用對河北徐水區(qū)夏玉米農(nóng)田的可行性；Zhang 等[11]評價了RZWQM2 模型模擬美國科羅拉多州北部地區(qū)在虧缺灌溉條件下的玉米產(chǎn)量及產(chǎn)量構(gòu)成要素的性能，得到了在有限水分供應(yīng)條件下的最優(yōu)虧缺灌溉策略；Zhang 等[12]采用該模型模擬了美國科羅拉多州東部地區(qū)不同灌溉處理下向日葵的生長情況，并得到了較好的驗證；張紅娟等[13]分析了河北壩上地區(qū)裸燕麥作物在該地區(qū)的適用性分析，并對裸燕麥作物田間土壤水分及作物生長發(fā)育情況進行了較好的模擬，趙亮[14]通過RZWQM模型對山西地區(qū)夏玉米的土壤水分及氮素分布得到了較好的模擬，并為該地區(qū)農(nóng)業(yè)科學(xué)管理提供重要理論依據(jù)。我國對RZWQM 模型的研究也主要集中于西北地區(qū)以及河北壩下地區(qū)[15-20]，而對于河北壩上地區(qū)蔬菜作物的相關(guān)研究較少。

因此，本研究以河北壩上地區(qū)大白菜為研究對象，利用滴灌大白菜2018年和2019年田間定位試驗，通過對RZWQM2模型的參數(shù)校準(zhǔn)，模擬田間土壤水分和作物生長在生育期內(nèi)的變化，以此來評價該模型模擬精度。研究結(jié)果可為河北壩上地區(qū)滴灌大白菜田間水分高效管理提供理論依據(jù)，同時為進一步研究該地區(qū)滴灌大白菜不同灌溉制度和作物管理等研究工作提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

試驗研究是在張家口市農(nóng)業(yè)高效節(jié)水研究所（41°09′N、114°42′E）進行的，為期2 a（2018年、2019年）。該研究所位于河北省西北部，海拔1 376 m，屬于中溫帶半干旱大陸性季風(fēng)氣候，根據(jù)中國氣象數(shù)據(jù)網(wǎng)統(tǒng)計的氣象數(shù)據(jù)（1990-2020年），該研究區(qū)多年平均氣溫4.4 ℃，平均降水量為250.5 mm，約70%的降水發(fā)生在7-9月的作物生長季節(jié)。2018年和2019年大白菜生育期內(nèi)降水量分別為212.5 mm 和158.6 mm，分別占全年總降水量的43.5%和37.7%。試驗地土壤質(zhì)地以沙壤土為主，耕作層（0~40 cm）土壤pH值為7.6~8.2。

1.2 田間試驗

試驗用大白菜幼苗分別于2018年5月25日和2019年5月27日移栽定植，品種為“CR 鼎盛”，播種量為4 萬棵/hm2，分別于2018年8月1日和2019年7月30日收獲。兩年種植方式均為起壟種植，壟寬75 cm，壟高約10 cm，壟間距20 cm，種植期間生育期內(nèi)共追肥4 次（蓮座期和結(jié)球期均2 次），灌溉方式為膜下滴灌，且生育期總灌溉量分別為164 mm 和149 mm，試驗小區(qū)面積為4 m2（2 m×2 m），小區(qū)外圍設(shè)有1 m 的保護行，試驗小區(qū)底部安裝有大型稱重式蒸滲儀，該蒸滲儀由一個不銹鋼鐵箱組成（長×寬×高=2 m×2 m×2.3 m）。試驗小區(qū)的田間管理措施與當(dāng)?shù)芈兜卮蟀撞吮３忠恢隆?/p>

1.3 數(shù)據(jù)收集

（1）模型基礎(chǔ)數(shù)據(jù)。模型基礎(chǔ)輸入數(shù)據(jù)包括氣象數(shù)據(jù)、土壤理化特性數(shù)據(jù)，氣象數(shù)據(jù)由中國氣象數(shù)據(jù)網(wǎng)提供，包括（平均風(fēng)速km/d、最高氣溫℃、最低氣溫℃、平均相對濕度%、日照時數(shù)h及降水量mm），土壤理化特性數(shù)據(jù)采用模型本身參數(shù)，包括(土壤質(zhì)地%、容重g/cm3、飽和導(dǎo)水率cm/h 及田間持水量cm3/cm3)。

（2）田間試驗數(shù)據(jù)。本研究中通過實時監(jiān)測的智墑[21]（智能測墑系統(tǒng)Insentek Sensor：簡稱“智墑”，東方智感（浙江）科技股份有限公司生產(chǎn)）在生育期內(nèi)監(jiān)測不同剖面的土壤水分，田間蒸散量是由大型稱重式蒸滲儀通過每日初始和最終土體重量之間的差值來計算，而土體重量的增大則是由降水量和灌溉量導(dǎo)致的。同時大白菜生育期內(nèi)作物數(shù)據(jù)（株高及最終產(chǎn)量）的測定，每7~10 d 記錄一次作物株高，產(chǎn)量則在作物收獲期測得。

1.4 RZWQM2模型描述及參數(shù)優(yōu)化

RZWQM2 模型是由美國農(nóng)業(yè)部研究所研發(fā)的農(nóng)業(yè)系統(tǒng)一維模型，模型主要模塊有物理、化學(xué)、殺蟲劑、養(yǎng)分、作物生長和作物管理[22-25]。模型中對土壤水分入滲過程采用Green-Ampt 入滲方程描述，分別采用Poiseuille’s 方程和Richard’s方程模擬大孔隙流動和土壤水的再分布，潛在蒸散是由Shuttleworth-Wallace 方程計算而得。RZWQM2 還可提供多種選擇用于模擬作物生長，包括通用作物生長模型、DSSATCSM 模型、HERMES 模型、QckPlant 模型、QckTurf和QckTree模型。本研究中選用QckPlant 作物模型中的Chinese Cabbage作物模擬大白菜的生長情況。

利用歷史氣象數(shù)據(jù)（2000-2019年）進行了20 a 的初始化運行，并根據(jù)2018年和2019年大白菜的作物管理、株高及土壤水分等試驗數(shù)據(jù)，通過“試錯法”對RZWQM2 模型中的一組參數(shù)（土壤物理參數(shù)和土壤水力參數(shù)）進行了優(yōu)化。土壤水力參數(shù)包括不同土層下的飽和導(dǎo)水率和田間持水量，此外還可優(yōu)化土壤根系生長因子參數(shù)。

1.5 模型參數(shù)的校準(zhǔn)

本研究基于2018年和2019年田間觀測數(shù)據(jù)和模型默認(rèn)數(shù)據(jù)，采用“試錯法”對模型參數(shù)進行了校準(zhǔn)。由于大白菜（Chinese Cabbage）屬于QckPlant作物模塊，作物生育期較短，且模型中QckPlant 模塊沒有作物參數(shù)進行校準(zhǔn)，因而只針對土壤物理參數(shù)進行了校準(zhǔn)，校準(zhǔn)結(jié)果為表1。

表1 大白菜試驗地不同土層的土壤理化參數(shù)值Tab.1 Soil physical parameters of different soil layers in Chinese cabbage test site

1.6 模型評價指標(biāo)

在模型的校準(zhǔn)或驗證中，RZWQM2 模型的擬合程度通過均方根誤差（RMSE）和一致性指數(shù)（d）進行量化。

式中：Pi和Qi分別為第i個模擬值和實測值；Qavg為平均實測值；n為數(shù)據(jù)的個數(shù)。一致性指數(shù)（d）位于0~1 之間，d值越接近于1則表示實測值與模擬值的一致性越好[26]。

2 結(jié)果與分析

2.1 土壤水分模擬

利用RZWQM2 模型模擬了大白菜田間20 cm、40 cm 和60 cm 土層的土壤水分變化。結(jié)果表明，該模型很好地模擬出了大白菜田間20 cm、40 cm 土層深度的土壤水分（圖1）。在滴灌大白菜2018、2019年生育期內(nèi)，土壤水分均呈現(xiàn)穩(wěn)定的起伏趨勢，此外，在有灌溉和降水時，大白菜土壤水分會明顯增大，但由于土壤表層到更深土層每10 cm 大約有1~3 h 的滯后。而對2018年生育期開始階段土壤水分模擬結(jié)果較差的原因可能是因為模型在模擬時需要先進行預(yù)熱期調(diào)試。

圖1 2018年和2019年滴灌大白菜田間土壤水分模擬動態(tài)變化Fig.1 Simulation the field soil water content of dynamic changes of Chinese Cabbage under drip irrigation during 2018 and 2019

各土層土壤水分模擬值與實測值的一致性指數(shù)（d）在0.50~0.80之間，其中對20 cm、40 cm土層模擬的d值達(dá)到0.65以上，該結(jié)果表明了RZWQM2 模型對淺層土壤水分的模擬效果會更好。在大白菜2019年生育期內(nèi)，20 cm、40 cm 和60 cm各土層土壤水分模擬值與實測值之間的均方根誤差（RMSE)分別為2.13%、1.13%、1.00%；對3 個土層深度的土壤水分模擬d值分別為0.67、0.76、0.68。總體表明，RZWQM2 模型對膜下滴灌大白菜田間土壤水分模擬的結(jié)果較為合理。

2.2 株高模擬

該模型對大白菜株高的模擬效果較好。對2018年和2019年的膜下滴灌大白菜，實測值株高最高分別為41.98 cm 和43.44 cm，模擬株高最大均達(dá)到44.50 cm，相對實測值分別偏高了5.66%和2.38%。平均實測株高分別為29.53 cm 和30.68 cm，平均模擬株高分別為30.16 cm 和29.19 cm， 其實測株高與模擬株高差異均未超過1.50 cm（偏離值分別為0.63 cm 和1.49 cm）。同時2018年和2019年大白菜模擬結(jié)果的RMSE值（均方根誤差）分別為0.87 cm 和1.20 cm，d值（一致性指數(shù)）均大于0.85，分別為0.90 和0.87（圖2）。總體而言，2018年和2019年大白菜株高擬合程度較好。

圖2 2018年和2019年大白菜實測株高與模擬株高比較Fig.2 A comparison of simulated and observed height of Chinese Cabbage during 2018 and 2019

2.3 產(chǎn)量模擬

對2018年和2019年試驗蒸滲儀內(nèi)的膜下滴灌大白菜，選取大白菜最終凈菜的產(chǎn)量為實測產(chǎn)量，且實測產(chǎn)量分別為114 832.5 kg/hm2和120 296.2 kg/hm2，模擬產(chǎn)量分別為114 852.6 kg/hm2和117 182.3 kg/hm2，模擬產(chǎn)量相比實測值在2018年偏高了0.02%，而在2019年偏低了2.59%，且2018年和2019年大白菜的模擬值與實測值的RMSE值分別為20.1 kg/hm2和3 113.9 kg/hm2，d 值均大于0.95，分別為0.99 和0.98（圖3）。總體表明：2018年和2019年大白菜產(chǎn)量擬合結(jié)果較好。

圖3 2018年和2019年大白菜產(chǎn)量實測值與模擬值比較Fig.3 A comparison of simulated and observed yield of Chinese Cabbage during 2018 and 2019

2.4 模型評價

利用2018年和2019年膜下滴灌大白菜的作物生長數(shù)據(jù)株高和田間土壤水分對模型進行了評價。土壤水分在不同土壤深度有較高的d值（均＞0.50） 及較低的RMSE（1.00%~3.03%）值證實了模型對膜下滴灌大白菜田間土壤水分具有較好的模擬（表2）。對大白菜的株高及產(chǎn)量也進行了模擬，2018年和2019年株高擬合程度d分別為0.90 和0.87，RMSE值均較低（≤1.20 cm），產(chǎn)量模擬結(jié)果d值均大于0.95，RMSE值分別為20.1 kg/hm2和3 113.9 kg/hm2（表3）。總體而言，RZWQM2模型對未用于模型校準(zhǔn)的大白菜進行了合理的模擬，在河北壩上地區(qū)具有較高適用性。

表2 2018年和2019年滴灌大白菜田間土壤水分模擬評價統(tǒng)計Tab.2 Simulation evaluate satistics of the field soil water content of Chinese Cabbage under drip irrigation during 2018 and 2019

表3 2018年和2019年滴灌大白菜株高與產(chǎn)量模擬評價統(tǒng)計Tab.3 Simulation evaluate satistics of the height and yield of Chinese Cabbage under drip irrigation during 2018 and 2019

3 討 論

RZWQM2 模型通過對參數(shù)的校準(zhǔn)可對不同地區(qū)的不同作物進行適用性評價，但由于實測數(shù)據(jù)與作物品種等的差異進而導(dǎo)致模型最終參數(shù)不同，因此模型模擬的精度也存在一定的不確定性。本研究以相鄰年份的實測參數(shù)進行模型校準(zhǔn)，得到了較好的模擬結(jié)果。

農(nóng)業(yè)作物模型在對參數(shù)的優(yōu)化存在一定的不確定性[27]。本研究對2018年和2019年河北壩上地區(qū)的滴灌大白菜通過RZWQM2 模型進行校準(zhǔn)，雖整體模擬結(jié)果表現(xiàn)較好，但對模擬開始階段的模擬結(jié)果較差，可能原因是，一方面模型在運行時存在預(yù)熱期調(diào)試；另一方面可能是由于未對模型參數(shù)進行敏感性分析，導(dǎo)致對2018年土壤水分開始階段模擬結(jié)果較差。

RZWQM2 模型對作物的適用性評價研究大多集中于小麥和玉米，而對蔬菜的研究較少，同時除該模型以外，WOFST、DSSAT 和APSIM 模型也是使用范圍較廣、模擬精度較高的作物模型，也對其做了大量適用性分析的相關(guān)研究[28-30]。而RZWQM2 模型相比其他模型而言，具有參數(shù)較少和操作簡單的優(yōu)勢。

4 結(jié)論

（1）本研究利用2018年和2019年的田間試驗實測數(shù)據(jù)、氣象數(shù)據(jù)與RZWQM2 模型默認(rèn)參數(shù)驅(qū)動RZWQM2 模型，并通過“試錯法”得到適用于本研究區(qū)膜下滴灌大白菜的土壤參數(shù)。

（2）滴灌大白菜田間土壤水分的模擬值可正確反映實測值變化趨勢，土壤水分模擬結(jié)果RMSE值位于1.00%~3.03%之間，d在0.50~0.78之間，其模擬結(jié)果整體較好。

（3）2018年和2019年大白菜作物株高及產(chǎn)量擬合程度較好，作物株高模擬結(jié)果RMSE值在0.87~1.20 cm 之間，d值在0.87~0.90 之間，大白菜產(chǎn)量模擬結(jié)果d值分別達(dá)到了0.99 和0.98。結(jié)果表明該模型在河北壩上地區(qū)對滴灌大白菜有較好的適用性，進而可進一步開展RZWQM2 模型對該地區(qū)滴灌大白菜相關(guān)研究工作。