基于DSSAT-CERES-Wheat的黃土高原西部春小麥干旱影響研究

李 毅 張思遠 劉慶祝 姬亞東 姚 寧 宋小燕

(西北農林科技大學水利與建筑工程學院，陜西楊凌 712100)

0 引言

糧食安全一直是社會各界關注的焦點，提高糧食產量至關重要。在我國主要糧食作物中，小麥產量位居第三[1]。我國春小麥主要分布在長城以北、岷山以西氣候寒冷、無霜期短的地區，主要有黑龍江、內蒙古、甘肅和新疆等地區。在黃土高原西部地區，小麥同樣是重要的糧食作物，其產量約占全國小麥產量的10%[2]。

隨著全球氣候變暖，干旱事件頻發，我國各大耕作區均有干旱發生。黃土高原西部地區小麥生產也出現了減產甚至絕收的情況。黃土高原西部干旱背景下小麥產量的研究非常必要，以采取適宜的管理措施進行預先干預和補救[3]。

通常將干旱分為氣象干旱、水文干旱、農業干旱和社會經濟干旱。各類干旱有各自的發生條件，但在一定條件下能夠由一類干旱演變為另一類干旱[4-5]。關于氣象干旱目前常用的干旱指標很多，其中標準化降水蒸散指數[6](Standardized precipitation evapotranspiration index,SPEI)基于降水和蒸散，既考慮了蒸散對溫度敏感的特點，又適合多尺度、多空間比較，特別適于監測全球變暖背景下干旱的變化特征。目前已有幾十種干旱指標用于評估農業干旱的影響及農業干旱的強度、持續時間、嚴重程度和空間范圍等[7]，涉及降水、土壤水分和作物水分等方面。其中基于田間持水率、凋萎系數以及蒸散發等因素提出的土壤水分虧缺指數(Soil moisture deficit index,SMDI)被證實能很好地評估農業干旱[8-9]。

作物模型是以作物為研究對象，對作物與環境、經濟因子及其關系的定量化表達[10]。自20世紀60年代以來，已有許多學者對作物生長模型做了大量研究，形成了許多作物模型研究成果，其中DSSAT模型是國際農業技術傳播網(IBSNAT)匯集了許多科研成果的大型軟件包[11]，可模擬小麥、玉米、水稻等十余種作物的生長。大量研究證實DSSAT模型可以很好地模擬各種作物的生育期及產量。熊偉[12]將DSSAT-CERES-Wheat模型升尺度，進行區域模擬，模擬了1981—2000年全國各網格小麥產量。魏玉清等[13]利用DSSAT模型模擬和田間試驗相結合的方法，對寧夏引黃灌區春小麥節水灌溉模式進行了研究。QU等[14]利用DSSAT-CERES-Wheat模型研究了歷史時期和兩個代表性濃度途徑(RCP8.5和RCP4.5)下的氣候變化對冬小麥產量的影響。

盡管目前國內對于干旱影響春小麥的生長和產量以及作物模型方面均有了相關研究[15-16]，但是利用DSSAT-CERES-Wheat模型對黃土高原西部地區春小麥生長和產量的多站點模擬和分析還不夠深入。另外，大多文獻單獨研究了氣象干旱指標或農業干旱指標與春小麥產量的關系[17]，多時間尺度氣象干旱和農業干旱對春小麥的影響，更適合用于評估干旱與春小麥生產和產量關系的干旱指標，以及關鍵生育期內干旱對春小麥產量的影響還需要進一步研究。本文運用DSSAT-CERES-Wheat模型模擬春小麥歷史時期的物候期和產量等數據，結合氣象干旱指標(SPEI)和農業干旱指標(SMDI)確定氣象干旱和農業干旱影響春小麥生長過程及產量的關鍵生育期和適宜的時間尺度，以有效地應對干旱，進一步提高作物產量。

1 材料和方法

1.1 研究區概況

黃土高原西部位于中國大陸中心地帶，位于33°41′～41°16′N、100°52′～114°33′E，包括太行山以西、烏鞘嶺以東，秦嶺以北、長城以南廣大地區。跨山西省、陜西省北部、甘肅省、青海省、寧夏回族自治區及河南省等省區，位于我國第二級階梯，面積約6.2×105km2，海拔1 000～2 000 m。選擇黃土高原西部有較完整物候期和產量數據的7個春小麥站點，包括寧夏永寧站、甘肅靖遠站、甘肅臨夏站、甘肅安定站、青海湟源站、青海互助站、青海民和站等(圖1)。

1.2 氣象、土壤和作物數據收集

1.2.1氣象數據

在國家氣象科學數據中心(http:∥ata.cma.cn/site/index.html)收集黃土高原西部7個站點1961—2018年的氣象數據，主要包括逐日降水量(P)、相對濕度(RH)、日最高氣溫(Tmax)、日最低氣溫(Tmin)、2 m處風速(U2)和日照時數(N)等，缺失數據用鄰近站點數據插值得到。

1.2.2土壤數據

在國家氣象科學數據中心中國氣象局陸面數據同化系統(CLDAS-V2.0)下載2008—2016年實時土壤屬性產品數據集，包括0～10 cm和10～40 cm土層的土壤含水率與土壤溫度數據。

在中國科學院資源環境數據云平臺(http:∥www.resdc.cn/data.aspx?DATAID-273)下載所研究站點的土壤質地數據和土壤類型數據等。

1.2.3作物數據

在國家統計局網站(http:∥www.stats.gov.cn/tjsj/ndsj/)和國家氣象科學數據中心下載黃土高原西部7個站點的春小麥逐年的產量數據以及農作物生產資料，包括作物名稱、生育期名稱、生育期日期等。

黃土高原西部7個氣象站點的經緯度、基本氣象要素特點以及土壤特征參數如表1所示。

表1 黃土高原西部氣象站點位置、氣象及土壤特征Tab.1 Site location,weather and soil characteristics of agrometeorological stations in western Loess Plateau

1.3 干旱指標計算

1.3.1氣象干旱指標SPEI

SPEI的計算分3步：首先采用Penman-Monteith法計算月尺度參考作物騰發量ET0[18]，計算式為

(1)

式中Rn——凈輻射，MJ/(m2·d)

G——向下的地面熱通量，MJ/(m2·d)

Δ——飽和蒸汽壓力的斜率，kPa/K

γ——濕度常數，kPa/K

T——2 m處的空氣溫度，℃

es、ea——飽和和實際蒸汽壓力，kPa[19-20]

計算各時間尺度下的水分虧缺/盈余量Di(mm)，計算式為

Di=Pi-ET0,i

(2)

式中Pi——當前月尺度下第i個月降水量，mm

ET0，i——第i個月的參考作物騰發量，mm

由于在我國大多數地區三參數對數Logistic概率分布被認為是最佳分布[21]，因此采用三參數Logistic分布對Di進行擬合，累積概率分布函數為

(3)

式中α——尺度參數β——形狀參數

γ′——位置參數

F(x)——累積概率分布函數

最后對序列進行標準化正態處理，得到SPEI，計算式為

(4)

(5)

c0=2.515 517，c1=0.802 853，c2=0.010 328，d1=1.432 788，d2=0.189 269，d3=0.001 308。

計算了研究區7個站點1961—2018年春小麥物候期內(3—8月)各時間尺度的SPEI，由于生育期共6個月，因此計算時間尺度1～6個月SPEI，并分析干旱時間變化及其與春小麥產量的相關性。

1.3.2農業干旱指標SMDI

SMDI已被廣泛用于表征農業干旱的嚴重程度[22-23]，基于土壤含水量計算SMDI的公式為

(6)

其中

(7)

式中SDi,j——第i年第j月的土壤水分虧缺,%,i=1,2,…,58

SWi,j——土壤剖面中某一時間范圍內的平均土壤含水量，mm

MSWj——第j月土層中長期土壤含水量的中位數，mm

SWjmax——第j月土層中長期土壤含水量的最大值，mm

SWjmin——第j月土層中長期土壤含水量的最小值，mm

SMDI是在整個春小麥物候期的兩個土壤深度(0～10 cm和10～40 cm)處計算的，土層深度0～10 cm的SMDI表示為SMDI0～10，土層深度10～40 cm的SMDI表示為SMDI10～40，時間范圍為3—8月。并根據不同干旱指標的數值范圍劃分干旱等級[24-25](表2)。

1.3.3春小麥遺傳參數確定及產量模擬

DSSAT-CERES-Wheat模型利用作物品種自身的遺傳特性參數來描述品種的特性，用以控制作物生長發育的進程、植株形態及產量的形成。因此，需要建立春小麥的遺傳特性參數數據庫。DSSAT-CERES-Wheat模型共有7個遺傳參數：P1V、P1D、P5、G1、G2、G3和PHINT(表3)

表2 基于SPEI和SMDI的干旱等級劃分Tab.2 Drought classification based on SPEI and SMDI

。

表3 DSSAT-CERES-Wheat模型中春小麥遺傳參數Tab.3 Genetic parameters of spring wheat in DSSAT-CERES-Wheat model

利用GLUE(Generalized likelihood uncertainty estimation)調參對春小麥的遺傳參數進行調試。參數調試過程分兩輪進行，每輪6 000次。第1輪調整作物物候參數，第2輪估算作物生長參數。將收集的春小麥生育期和產量的實測數據共13年(2001—2013年)的前6年(2001—2006年)用于參數的率定，后7年(2007—2013年)用于遺傳參數的驗證，實測數據不夠13年的，按照適當的比例確定率定和驗證的年份。根據DSSAT-CERES-Wheat模型調試得到的春小麥遺傳參數補全1961—2018年春小麥的最大葉面積指數、地上生物量和產量等數據。黃土高原西部7個站點的春小麥遺傳參數見表4。

表4 春小麥遺傳參數Tab.4 Genetic coefficients of spring wheat

1.3.4模型效果評價

利用決定系數R2和相對均方根誤差(RRMSE)來評估模型率定和驗證效果。一般來說，較高的R2和較低的RRMSE表明模型性能更好。

2 結果與分析

2.1 干旱指標SPEI和SMDI的時間變化

圖2 甘肅臨夏站1961—2018年時間尺度1～6個月SPEI、SMDI0～10和SMDI10～40的變化趨勢Fig.2 Temporal variations of SPEI,SMDI0～10 and SMDI10～40 at 1～6 months time scales at Linxia Station

7個站點干旱指標SPEI和SMDI的變化均具有隨機性，因此選取甘肅臨夏站為示例進行具體分析。臨夏站1961—2018年春小麥生育期(3—8月)內1～6個月時間尺度下SPEI、SMDI0～10以及SMDI10～40的變化趨勢見圖2，白色色塊代表干旱，黑色色塊表示濕潤，色塊顏色越深代表干旱或濕潤的程度越重。從圖中可以清楚地看到該站點的干濕演替。

由圖2可知，SPEI總體呈現干濕交替。盡管干旱的嚴重程度不盡相同，但不同時間尺度的干濕變化通常一致。在甘肅省臨夏，氣象干旱頻繁發生，幾乎在整個春小麥的生長季均存在。在2000年以后，干旱事件頻發，嚴重和極端干旱也有所增加，尤其在3—6月，即春小麥生長季的前中期。SMDI0～10整體呈現變濕潤的趨勢，但是氣象干旱在整個春小麥的生長季也均有發生。在1970年前后和1990年前后干旱事件頻發，在2005年之后基本呈現變濕潤的趨勢，直到2015年又發生干旱事件?？v觀整個生長季，6月和7月的干旱程度更重，即在春小麥的開花期和灌漿期受干旱的影響較多。SMDI10～40所反映的干濕事件與SMDI0～10的基本一致，但干濕交替更為頻繁，干旱嚴重程度也更深。

SMDI0～10和SMDI10～40所反映的農業干旱指標變化趨勢和氣象干旱指標SPEI不同可能是由于灌溉的影響，各土層深度土壤濕度發生改變會影響SMDI，因此2013年前后出現濕潤年份極有可能是受到土壤濕度影響。而不同干旱指標和干旱時間尺度表征的春小麥生育期內干旱變化規律存在差異，因此需結合春小麥產量等生長要素探究不同干旱指標以及不同時間尺度對春小麥生長發育的影響，以此來確定不同干旱影響春小麥的關鍵月份和關鍵時間尺度。

2.2 DSSAT-CERES-Wheat模型模擬效果

DSSAT-CERES-Wheat模型模擬的開花期、成熟期和產量的率定和驗證結果如圖3所示。

圖3 模型率定和驗證結果Fig.3 Calibration and validation result of model

整體上模擬效果均較好(0.65≤R2≤0.84)。其中春小麥產量的率定結果R2達到0.84，并且RRMSE始終維持在一個較低的水平。模型對于產量的模擬效果最好，成熟期次之，開花期較差。另外，春小麥開花期、成熟期和產量率定期的R2均高于驗證期，這可能與率定期選取的數據年份較長有關，但驗證期的精度仍在可接受的范圍內。表明DSSAT-CERES-Wheat 模型能較好地模擬春小麥的生長過程和產量。

2.3 產量相關指標的時間變化

用通過率定和驗證得到的春小麥遺傳參數，模擬了1961—2018年的葉面積指數、地上生物量和產量年值。其中葉面積指數為整個生育期的值，數據較多，因此選擇最大葉面積指數進行分析。最大葉面積指數、地上生物量和產量的時間變化如圖4所示。圖中各箱形圖內的黑色實線表示該年所有站點春小麥產量的中位數；箱子的上下邊界線分別表示春小麥產量的上四分位數和下四分位數。由圖4可以看出，1961—2018年黃土高原西部地區春小麥最大葉面積指數平均值波動較大，地上生物量的箱體較緊湊，說明各站點地上生物量的離散程度較低，雨養產量在2005年之后的平均值較之前有增加的趨勢。黃土高原西部地區春小麥各站點最大葉面積指數最大值為11.67，最小值為1.16，最大葉面積指數多年平均值為6.16；地上生物量最大值30 821 kg/hm2，最小值為10 165 kg/hm2，生物量多年平均值為21 438 kg/hm2；產量最大值為7 652 kg/hm2，最小值為562 kg/hm2，產量多年平均值為4 257 kg/hm2。

圖4 1961—2018年黃土高原西部各站點春小麥最大葉面積指數、地上生物量和產量年際變化的箱形圖Fig.4 Box plot of interannual variations for simulated spring wheat yields,LAImax and aboveground biomass over 1961—2018 in western Loess Plateau

2.4 干旱對春小麥生長過程和產量的影響

對7個站點的干旱指標與作物生長關系進行了全面分析。因數據較多，選擇甘肅臨夏站為代表站，1961—2018年春小麥生育期內1～6個月不同時間尺度的干旱指標(SPEI、SMDI0～10和SMDI10～40)與春小麥生長和產量要素之間的皮爾遜相關系數(Pearson correlation coeffecient，r)如表5所示。表中數字1～6表示1到6個月的時間范圍。r越大則說明該時間尺度的干旱指標越能識別該分區生育期內的干旱。

表5 臨夏站各時間尺度SPEI與春小麥生長要素的相關系數Tab.5 Correlation coefficient of spring wheat between multiscale SPEI and growth factors at Linxia Station

由表5可以看出，5月份時間尺度1～6個月的SPEI與最大葉面積指數都有較好的正相關關系，其中時間尺度2個月的SPEI相關系數最大，6月份時間尺度2～6個月的SPEI與最大葉面積指數也具有較好的正相關關系。5月份時間尺度1～4個月的SPEI與生物量有較好的正相關關系，其中時間尺度1～2個月的SPEI相關系數最大。5月份時間尺度1～2個月的SPEI與產量有較好的正相關關系。

由表6可以看出，7月份時間尺度3～6個月的SMDI0～10與最大葉面積指數都有較好的正相關關系，其中時間尺度6個月的相關系數最大。6、7月份時間尺度2～3個月的SMDI0～10與生物量有較好的正相關關系，其中7月份時間尺度3個月的相關系數最大。5、6月份時間尺度1～2個月的SMDI0～10與產量有較好的正相關關系，其中6月份時間尺度1個月的相關系數最大。由表7可以看出SMDI10～40只與生物量具有較好的相關關系。

表6 臨夏站各時間尺度SMDI0～10與春小麥生長要素的相關系數Tab.6 Correlation coefficient of spring wheat between multiscale SMDI0～10 and growth factors at Linxia Station

根據皮爾遜相關系數界值表[26]設定相關系數r的臨界值為0.33，綜合表5～7可得，春小麥生育期內SPEI與春小麥生長要素之間r≥0.33的時間尺度的個數為6個；SMDI0～10與春小麥生長要素之間r≥0.33的時間尺度的個數為20個；SMDI10～40與春小麥生長要素之間r≥0.33的時間尺度的個數為5個。干旱指標影響春小麥生長和產量的關鍵月份為6月和7月，即春小麥生長發育的中后期，對應的生育期為開花期和灌漿期，說明在這兩個時期發生干旱會影響春小麥的生長發育和最終產量，干旱指標的時間尺度為2個月。綜上：SMDI0～10比SMDI10～40

表7 臨夏站各時間尺度SMDI10～40與春小麥生長要素的相關系數Tab.7 Correlation coefficient of spring wheat between multiscale SMDI10～40 and growth factors at Linxia Station

圖5 春小麥葉面積指數、地上生物量和產量的線性傾向率與SPEI、SMDI0～10和SMDI10～40的線性傾向率線性擬合圖Fig.5 Variations of linear slopes for spring wheat LAImax,biomass and yield vs linear slope of SPEI,SMDI0～10 and SMDI10～40

及SPEI與春小麥生長和產量的關系更密切，因此在春小麥種植期間需重點關注表層土壤水分狀況，來監測農業干旱程度，保證春小麥生長和穩產。

根據表5～7選取的干旱指標的最優時間尺度和最佳月份，計算其隨時間變化的線性傾向率。圖5為春小麥各個站點SPEI、SMDI0～10以及SMDI10～40的線性傾向率與最大葉面積指數、地上生物量和產量的線性傾向率的線性擬合圖。由圖5可以看出，最大葉面積指數、地上生物量和產量與干旱指標的線性傾向率都呈現較好的相關關系，并且整體上呈現正相關關系。

對比3個干旱指標，SMDI0～10對春小麥最大葉面積指數和產量的相關性最大，說明其對于春小麥生長以及產量的影響程度最大，其中又能看出其與產量的相關關系最好；SMDI10～40與春小麥最大葉面積指數、地上生物量和產量的相關系數在3個指標中最小，對春小麥生長以及產量的影響程度最小。SPEI與最大葉面積指數和地上生物量的擬合直線的斜率更大(圖5a、5d)，說明春小麥最大葉面積指數和地上生物量隨著SPEI變化的程度更大。

3 討論

3.1 干旱類型對春小麥生長過程及產量的影響

春小麥的生長以及產量會受到不同類型干旱的影響。一些研究應用氣象干旱指標來探究干旱與作物產量之間的關系。例如，VICENTE-SERRANO等[27]比較了全球和國家尺度上小麥產量與SPI、PDSI、SPEI、降水Z指數(Zindex)之間的相關性，發現SPEI與小麥產量之間的相關性更大。TIAN等[28]發現，在美國中南部，Z指數與小麥產量具有統計學顯著的相關性。此外，一些研究調查了氣象和農業干旱與春小麥產量之間的關系。MASURD等[29]研究了兩種干旱指標在農業評估方面的表現，結果證明在春小麥生長季節的早期，相比于SPEI，MSDI 的表現更好，表明了作物生產對土壤水分缺乏的高度敏感性。WU等[30]對比分析了PDSI、SPI和蒸散發虧缺指數(Evapotranspiration deficit index,ETDI)對我國華北地區小麥的影響，指出ETDI與小麥產量的關系比PDSI和SPEI大，能更好地表征干旱對小麥產量的影響。本研究表明，對于春小麥來說，SMDI0～10比SMDI10～40及SPEI與春小麥生長和產量的關系更密切，這個結果是合理的，因為土壤水是作物水的主要來源，而春小麥在0～20 cm土層中根質量與根長占總量的比例最多，分別為 67%和 51%[31]，因此在生長發育的前期淺層土壤對其影響最大，這與CHEN等[32]的結果一致。

3.2 春小麥生長和產量的關鍵物候期及關鍵時間尺度

研究表明，小麥產量很容易受到小麥關鍵物候期出現的干旱的影響[33]。王鈞等[34]研究發現，灌漿期干旱脅迫對小麥千粒質量影響最大；拔節期干旱脅迫對小麥產量影響最大，其次為灌漿期。LABUDOVA等[35]證明了10種作物的標準化產量與時間尺度2、3個月的SPI和SPEI呈相關關系，其中也包括春小麥。XU等[36]指出，江蘇省小麥產量與時間尺度1、3個月的干旱關系密切?？梢?，短時間尺度的干旱和生長后期的干旱對春小麥生長和產量的影響較大。本研究對于SMDI0～10，灌漿期干旱對小麥生長及產量影響最大，時間尺度2個月的SMDI0～10為影響春小麥生長和產量的關鍵時間尺度。氣象干旱與農業干旱之間關系密切，在時間上存在相位差，氣象干旱的發展和結束速度相對較快，而農業干旱的發生晚于氣象干旱的發生[37-38]。因此本研究SPEI和SMDI表征的氣象干旱和農業干旱影響小麥生長的生育期不同，可能與農業干旱的滯后性相關。

3.3 DSSAT-CERES-Wheat模型預測的不確定性

DSSAT-CERES-Wheat模型已在許多研究中用于模擬春小麥產量等生長要素。在本研究中，經過性能評估后，使用DSSAT-CERES-Wheat模型模擬了春小麥的產量等生長要素。但是在使用DSSAT-CERES-Wheat模型模擬春小麥最大葉面積指數、地上生物量及產量時仍存在很大的不確定性。這是由于本研究在應用DSSAT-CERES-Wheat模型模擬時未考慮到春小麥產量、播種日期和基因型的多樣性以及土壤參數的不確定性[39-40]。因此可能導致春小麥產量等生長要素的模擬偏差。但是，DSSAT-CERES-Wheat模型模擬的1961—2018年的春小麥產量等生長要素仍可以作為參考，這使得進一步分析干旱事件與小麥產量之間的關系成為可能。

3.4 干旱和灌溉對作物生長和產量的影響

水分是影響作物生存和生長發育的主要限制因子[41]。作物在生長發育過程中,受土壤水分狀況的影響較大[42]。干旱的實質是缺水,造成氣象干旱和農業干旱的主要原因是氣溫和降水[43]。農業干旱不同于氣象干旱，農業干旱還表征在作物生長期間供水和需水關系，以土壤水循環為主要的研究過程，土壤含水量直觀地反映了作物的供水狀況[44]。灌溉是一種重要的土地管理方式，在干旱地區通過灌溉增加土壤濕度和地表蒸散，改變熱通量和水分的再分配以改善作物生長過程中土壤水分狀況[44-46]。為了排除灌溉對土壤的影響，充分體現出不同月份不同類型干旱對于黃土高原西部春小麥生長和產量的影響，本研究在利用DSSAT-CERES-Wheat模擬春小麥產量時關閉了自動灌溉，模擬得到的春小麥產量為雨養產量。

4 結論

(1)以甘肅臨夏站為例，時間尺度1～6個月的SPEI和SMDI的干濕狀態總體呈現干濕交替的規律；而氣象干旱和農業干旱頻繁發生，幾乎在整個春小麥的生長季均存在；不同時間尺度的干濕變化通常一致；不同年份的干旱事件的頻率和嚴重程度不盡相同。SPEI所反映的氣象干旱多發生在春小麥生長的前中期；而農業干旱多發生在春小麥的開花期和灌漿期。

(2)DSSAT-CERES-Wheat模型在模擬黃土高原西部春小麥關鍵生育期和產量方面的效果良好。在率定和驗證過程中，模擬開花期、成熟期和產量的R2為0.65～0.84。1961—2018年黃土高原西部地區春小麥最大葉面積指數平均值波動較大，各站點地上生物量的離散程度較低，雨養產量在2005年之后的平均值較之前有增加的趨勢。

(3)從開花期到灌漿期的干旱對春小麥生長過程以及產量的影響更大。SMDI相比SPEI與春小麥生長過程和產量之間的關系更為密切，這表明農業干旱對冬小麥產量的影響更大，其中SMDI0～10比SMDI10～40的影響程度大。時間尺度2個月的SMDI0～10是干旱對春小麥生長和產量影響更大的關鍵時間尺度。SPEI和SMDI的關鍵時間尺度以及春小麥的關鍵物候期為小麥生育期的抗旱措施提供了參考。