晉北兩種飼草作物的APSIM模型參數敏感性分析

侯青青,成華強,朱 敏,楊 軒*,夏方山

(1.山西農業大學草業學院,山西 太谷 030801;2.草地生態保護與鄉土草種質創新山西省重點實驗室,山西 右玉 037200)

北方農牧交錯帶地處我國農區與牧區的過渡帶,蘊含著巨大的生產潛力[1-2],但存在氣候波動大,生態環境脆弱等問題[3-4]。晉北地區是北方農牧交錯帶的重要組成部分,一方面在全球變暖的背景下,變暖趨勢顯著,沙化問題嚴重[5-6];另一方面,該區農牧呈鑲嵌分布,農牧業更替發展,導致農業制度波動大,表現為種植結構受人為或氣候因素的影響發生改變,如大量使用化肥保證農收、更改制度以緩和土地收益降低[7]。為解決現存問題,需量化氣候、土壤、管理等要素變化及其對作物生產的影響,以明確制約產量的關鍵因素。采用作物生長模型評估作物生產力或制定高產策略,近年來頗受重視[8-11]。如農業生產系統模型(Agricultural Production System sIMulator,APSIM),主要用于農田作物建模,可有效平衡作物-土壤的關系,實現不同氣候和管理條件下作物生長及土壤變化的動態模擬并進行預產[12-13]。為提高模型描述精度,以使模型契合晉北作物生長,需進行參數敏感性分析[14-15],以量化輸入參數變化對輸出變量的影響和敏感程度,對關鍵參數進行準確率定[16-17]。

前人關于作物產量對參數變化的敏感性研究已有一定成果[18-20]。Wang等[21]基于APSIM探究華北地區1961—2008年各氣候因子對小麥-玉米種植系統產量的影響,結果表明溫度為強敏感參數。趙俊芳[22]利用APSIM-Maize探究北方八省春玉米產量對氣候變化的響應,表明溫度、輻射和降水響應明顯,與馬瑞麗等[23]研究結果相似。此外,作物本身特性也會影響生產[24]。鄧曉壘等[25]研究發現,APSIM-wheat模型中對小麥產量最敏感的參數均為作物品種參數,與品種積溫、春化及光周期等參數相關。米榮娟等[26]利用APSIM對影響春小麥產量形成的敏感參數進行篩選,其中每克莖籽粒數量、灌漿期籽粒日潛在灌漿速率、單株最大籽粒質量對產量的貢獻最高。

總體來說,目前針對北方農牧交錯帶生產環境的模型參數敏感性分析的研究數量較少,還未能充分了解、體現作物動態模型于相近條件地區的適用性和功能性。本研究以晉北地區為研究點,基于APSIM并選取當地主要的飼草作物,飼用燕麥(AvenasativaL.)、秣食豆(Glycinemax(L.) Merr.)為研究對象,利用長期歷史氣候數據對作物的主要參數及氣象參數進行敏感性分析,以明晰當地重要作物生產力的波動來源,為相近地區農業生產資源的可持續管理提供一定的科學依據,協助晉北農牧業長遠發展。

1 材料與方法

1.1 研究區概況

本研究于山西省朔州市右玉縣進行,試驗區地處黃土高原,位于山西省西北部,地理坐標為39.996 8°N,112.327 7°E。該地區四季分明,屬于溫帶大陸季風氣候。冬春季干旱少雨,多風沙,夏季降水集中[7]。研究區1980—2019年的年際降水量為258.0～597.7 mm(平均419.3 mm),年際均溫在2.9～6.1℃(平均4.8℃)。最冷月為1月,均溫-14℃(-9.0℃～-17.8℃),最熱月為7月,均溫20.5℃(18.9℃～22.4℃),≥0℃積溫為2 600～3 600℃[7]。終霜期為5月初,初霜期為9月上中旬,無霜期為100～120 d[7]。全年日照時數2 600～2 700 h[7]。地下水較深,對2 m內的土體基本沒有補給[27]。

1.2 APSIM模型概述

APSIM由澳大利亞的聯邦科工組織和昆士蘭州政府的農業生產系統組(APSRU)所開發,可描述農業生產系統中各主要組分的變化[28-29],其以中心引擎為核心,鍵合土壤模塊、作物模塊和管理模塊[30]。其中,土壤模塊用于模擬土壤水分運動、養分轉移等過程,土壤各層的田間持水量、飽和含水量和凋萎系數等參數決定土壤水分特征;作物模塊主要包括作物參數和品種遺傳參數,用于模擬作物的生長發育和產量形成;管理模塊包括播期和收獲期、施肥和灌溉的設定、輸入和輸出變量的設置等[31],需要輸入的氣候數據包括逐日降水量、逐日最高氣溫、逐日最低氣溫和逐日總輻射量。此外,APSIM以其“即插即用”的優勢可靈活調整管理措施,有效預測與模擬多種作物在不同氣候、土壤、品種和管理等因子組合背景下的作物生長、產量形成等指標的變化過程[13-14]。本研究運用APSIM的燕麥模塊(對應飼用燕麥)、大豆模塊(對應秣食豆),已于前期研究進行了初步模擬驗證,對作物產草量的擬合度較高[7]。

1.3 敏感性分析方法

敏感性分析(Sensitivity analysis,SA)分為局部敏感性分析和全局敏感性分析,通過改變輸入變量衡量其對輸出指標的影響程度,分析輸出指標敏感性程度直觀討論模型參數的敏感性,可快速對關鍵參數進行率定,促進模型的改進和結構優化[32]。局部敏感性分析過程相對簡單,操作便捷,注重考慮單個參數對模型輸出的影響[26]。本研究涉及模型的子模型包括APSIM-soybean,APSIM-oats,采用OAT(One at a time)法[33],即運行模型時只改變其中1個參數,根據參數改變對模擬結果的響應程度進行敏感性參數的篩選,該方法可在一定程度上忽略其他參數間的相互作用,快速率定對輸出指標具有敏感性的參數[33-34]。敏感性指標用相對敏感度(Relative sensitivity,RS)來衡量[33]。

本研究對模型中的氣象參數和作物參數進行敏感性分析,每次運行模型時只將數據庫中的1個參數值增減10%,然后運轉模型并計算這種變化對模擬結果的影響程度[32-33]。如果增減10%溢出參數的取值范圍,則適當調整參數的增量[32]。RS計算公式如下：

(1)

式(1)中：x為模型參數中的某一參數值;Δx為該參數的改變量;y(x)及y(x+Δx)分別表示參數改變前后的模擬輸出量,本研究指各飼草作物的產量。RS值越大表示該參數越敏感,反之則不敏感。

1.4 參數選擇與模擬設計

敏感性分析基于1980—2019年研究站點的歷史氣象數據,來源于中國氣象數據網(http：//data.cma.cn/site/index.html),包括逐日降水量(mm)、逐日最高氣溫(℃)、逐日最低氣溫(℃)和逐日太陽輻射量(MJ·m-2)(表1),并將氣候數據建立.met文件導入APSIM框架作為氣象參數基礎。主要土壤參數見表2,于2022年在山西右玉黃土高原草地生態系統定位國家觀測研究站采集。2種作物模塊的分析參數及說明、取值范圍見表3。

本研究考慮模型的輸出指標為：飼用燕麥、秣食豆的地上生物量,即產草量,并考慮3種不同產量水平下的模型敏感性,即僅有光溫限制的潛在水分產量(設置條件：當土壤可利用水低于田間持水量的80%即灌溉至持水量)、光溫水限制的雨養產量(設置條件：全生育期無灌溉)和根據當地實際管理的灌溉條件的產量水平(設置條件：全生育期設置灌溉量50 mm)[35]。

表1 1980—2019年年均氣候數據Table 1 Annual average climate data from 1980 to 2019

續表1

表2 研究區土壤的基本參數Table 2 The soil parameters of the study area

表3 作物參數及其取值Table 3 The main crop parameters and their values

續表3

1.5 統計與分析

采用Microsoft Excel軟件對實測與模擬數據進行分析處理。使用Origin 2021制圖軟件制圖,運用SPSS24.0統計軟件對不同情景間的參數RS值進行方差分析(采用LSD法,即Least Significant Difference),差異顯著水平為P=0.05。

2 結果與分析

2.1 秣食豆的氣象參數敏感性分析

結果顯示,雨養、實際、潛在產量水平條件下,對于秣食豆產草量的參數RS從高到低均依次為：溫度(Temperature,TEM)、輻射(Radiation,RADN)、降水量(Rainfall,RAIN)(圖1)。雨養產量水平下,TEM,RADN,RAIN的RS分別為：1.84,0.53,0.37,前2個參數的RS均在0.5以上,敏感性強(圖1)。實際產量水平TEM,RADN,RAIN的RS分別為：1.73,0.67,0.27,TEM,RADN的RS在0.5以上,表現為強敏感性。潛在產量水平3個參數的RS依次分別為：1.37,1.34,0.01,其中TEM和RADN的RS均在0.5以上,敏感性強(圖1)。

統計分析顯示,TEM和RADN參數于雨養與潛在水平之間的RS有顯著差異(P<0.05);各參數于實際與潛在水平之間的RS均有顯著差異(P<0.05),但僅RAIN的RS于3種產量水平間均為顯著差異(P<0.05)。

2.2 秣食豆的作物參數敏感性分析

雨養、實際、潛在產量水平條件下,對于秣食豆產草量的參數RS從高到低均依次為：輻射利用效率(RUE)、生長期結束至初花期積溫(YTTEOJ)、出苗期至生長期結束積溫(TTE)、盛花期至灌漿期積溫(YTTF)、初花期至盛花期積溫(YTTFI),以上參數的RS均大于0.1,實際和潛在水平下,受霜凍而枯萎的最低溫(XTS)參數的RS同樣大于0.1。3種產量水平條件下,RUE的RS分別為0.59,0.72,1.34,表現為強敏感性(圖2)。此外,潛在產量水平下YTTEOJ的RS為0.65,敏感性強(圖2)。

統計分析顯示,RUE,YTTEOJ,TTE,YTTF,YTTFI,XTS,YSF參數于潛在與實際、雨養產量水平之間的RS均有顯著差異(P<0.05)。

圖2 雨養、實際、潛在產量水平下秣食豆的作物參數敏感性排序Fig.2 Sensitivity ranking among crop parameters of feed soybean under the rain-fed,actual and potential yield levels注：(a)雨養產量水平;(b)實際產量水平;(c)潛在產量水平;不同小寫字母表示相同參數的RS在產量水平之間具有顯著差異(P<0.05)Note：Panel (a) displays the rain-fed yield level;Panel (b) the actual production level;Panel (c) the potential production level.Different lowercase letters represent a significant difference between different RS of parameters under the same yield levels (P<0.05)

2.3 飼用燕麥的氣象參數敏感性分析

3種產量水平條件下,對于飼用燕麥產草量的參數RS排序不一致。雨養產量水平下,RS從高到低依次為：TEM(0.70),RAIN(0.51),RADN(0.28),TEM與RAIN敏感性強(圖3)。實際產量水平條件下,RS從高到低依次為：TEM(0.63),RADN(0.41),RAIN(0.41),僅TEM表現為強敏感性(圖3)。潛在產量水平下,RS從高到低依次為：RADN,TEM,RAIN,RS分別為：0.84,0.40,0.05,僅RADN的RS在0.5以上,敏感性強(圖3)。

由方差分析可知,TEM參數于潛在與雨養、實際產量水平之間的RS有顯著差異(P<0.05),RADN和RAIN參數于3種產量水平之間的RS均差異顯著(P<0.05)。

圖3 雨養、實際、潛在產量水平下飼用燕麥的氣象參數敏感性排序Fig.3 Sensitivity ranking of meteorological parameters of forage oat under the rain-fed,actual and potential yield levels注：(a)雨養產量水平;(b)實際產量水平;(c)潛在產量水平;不同小寫字母表示相同參數的RS在產量水平之間具有顯著差異(P<0.05)Note：Panel (a) displays the rain-fed yield level;Panel (b) the actual production level;Panel (c) the potential production level;Different lowercase letters represent a significant difference between different RS of parameters under the same yield levels (P<0.05)

2.4 飼用燕麥的作物參數敏感性分析

3種產量水平條件下,對于飼用燕麥產草量的參數RS排序不一致。雨養產量水平下,RS從高到低依次為：春化敏感性指數(VS)、生長期結束至初花期積溫(YTTEOJ)、輻射利用效率(RUE)、最大比葉面積(SMAX)、灌漿期所需積溫(TTSGF)、盛花期至灌漿期積溫(TTF),上述參數的RS均在0.1以上,其余參數的RS均在0.1以下(圖4)。其中VS,YTTEOJ,RUE的RS大于0.5,分別為2.71,1.06,1.04,表現為強敏感性。實際產量水平下,RS從高到低依次為：VS,RUE,YTTEOJ,TTSGF,TTF,SMAX,以上參數的RS均在0.1以上(圖4)。其中VS,RUE,YTTEOJ的RS分別為1.91,0.95,0.87,表現為強敏感性。潛在產量水平下,RS大于0.1的參數從高到低依次為：VS,YTTEOJ,RUE,TTSGF,TTF,SMAX,TTFI,其中VS,YTTEOJ,RUE的RS分別為2.25,1.02,0.97,表現為強敏感性(圖4)。

由方差分析可知,YTTEOJ,SMIN參數于3種產量水平之間的RS差異不顯著;VS,RUE,SMAX參數于雨養與實際水平之間的RS差異顯著(P<0.05);TTSGF,TTF于實際與潛在水平之間的RS差異顯著(P<0.05)。

3 討論

針對模型輸出的作物產量指標進行參數敏感性分析,可量化氣候、作物遺傳和土壤等參數變化對作物產量的效應,有助于確定模型輸出的不確定性,為實現高效便捷的模型優化和率定提供基礎支撐[23,33]。本研究的結果表明,針對秣食豆產量的氣象參數和作物參數敏感性排序結果在雨養、實際、潛在3種產量水平條件下一致。在研究點的氣候條件下,對秣食豆產草量敏感性較強的氣候因子為溫度(RS為1.37～1.84)和輻射(0.53～1.34),說明當溫度升高或降低,秣食豆草產量也會隨之增減。有研究顯示,在全球氣候變暖的背景下,晉北地區變暖趨勢也很明顯,年均溫呈上升趨勢[36],進而可能使秣食豆生育期縮短,從而導致減產,符合本研究的主要結果。

輻射利用效率RUE對于秣食豆產草量在雨養、實際、潛在3種產量水平中均為敏感性強的參數,RS依次分別為0.59,0.72,1.34。秣食豆生育期內,高RUE通常意味著作物生長季內需要大量耗水,而潛在產量水平下,秣食豆的生長發育不受水分限制,也因此使該產量水平下RUE的RS明顯較高。另外,在潛在產量水平下,生長期結束至初花期積溫也呈現較高的RS(0.65),導致該結果的原因可能是作物生長中后期,積溫影響生育期長短[21]。從作物生長發育來看,生長期結束至初花期期間積溫增加能相應的縮短出苗天數,減少消耗,促進干物質積累[37]。當生長期結束至初花期積溫基礎值上增加10%時,秣食豆模擬產量顯著高于原產量;當減少10%時,模擬產量顯著低于原產量。上述結果表明,秣食豆的生長發育主要受溫度和太陽輻射的影響,而與溫度相關的作物參數也表現出強敏感性(如TTE和YTTEOJ等;表3)。

飼用燕麥在不同產量水平下,其主要參數的敏感性有所差別。雨養產量水平下,對飼用燕麥產草量影響較大的氣象因子為溫度(0.70)與降水量(0.51);而實際產量水平為溫度(0.63),潛在產量水平為輻射(0.84)。可見于潛在產量水平下,溫度的RS顯著低于雨養、實際水平,原因為溫度升高易引起作物耗水量增加,作為光合作用的原料的水分的消耗傾向提升,但潛在產量水平下不限制水分條件,因而產草量對該參數的敏感性較低。前人研究認為,白天最高溫度的升高可能會增加作物的熱脅迫,如高溫條件下,作物光合強度下降,會限制作物產量[38-39],與本研究雨養、實際產量條件下模擬結果一致。輻射量的RS于3種產量水平之間也具有顯著差異。有研究指出,太陽輻射降低會導致作物凈光合速率下降,同化物積累降低;但有利的方面是同時減少了作物的需水量,可在一定程度上緩解干旱脅迫和高溫對作物的影響[31];而潛在產量水平的生產條件下,輻射降低將直接造成飼用燕麥干物質積累速度減緩,導致減產。對于降水量而言,晉北冬春季干旱少雨,夏季降水集中,降水量最高是在7,8月份,平均降水量分別為93和99 mm[39]。基于該地的實際氣候條件,雨養產量條件下降水量對產草量的影響較大。

作物參數中,3種產量水平下除與飼用燕麥產量形成相關的RUE(0.95～1.04)具有較強的敏感性外,與積溫、物候長度相關的參數也對產草量有較強的敏感性,包括春化敏感性指數VS(1.91～2.71)、生長期結束至初花期積溫TTEOJ(0.87～1.06)。生育期長短決定了干物質積累時間,對飼草產量形成具有重要作用[36]。Zhao等[37]研究表明麥類作物的地上生物量受春化階段影響顯著。而在APSIM框架中,燕麥的春化作用機制與小麥類似,Zhang等[40]基于APSIM-wheat的研究指出,模型中小麥出苗期到幼苗期結束階段所需積溫由品種的春化敏感性和春化天數決定,在此階段小麥葉片(用葉面積指數衡量)和干物質積累量快速增加,可見改變春化敏感性指數將會導致植物(葉片、干物質)生長期延長或縮短,從而影響作物產量[37]。本研究的模擬結果也同樣表明,當提高春化敏感性指數時,飼用燕麥出苗到幼苗期結束的階段提前,從而延長了干物質積累時間,使產草量增加,反之則會降低。

綜上,不同產量水平之間,影響秣食豆產草量較強的氣候因子一致,影響飼用燕麥的關鍵氣象參數存在差異,但2種飼草的作物參數中與氣候相關的參數同樣具有強敏感性。在明晰2種飼草生產潛力波動來源的前提下,應因地制宜地采取措施,實現晉北及相近地區產草量的最大化。此外,本研究表明模型應用的外界條件越復雜,參數敏感性差異越大。因此,在特定環境下運用模型時進行敏感性分析必不可少,后續研究將進一步引入更全面的參數敏感性方法,針對晉北較為缺水的飼草生產條件進行更細致的分析。

4 結論

本研究運用OAT參數敏感性分析方法對APSIM-soybean,APSIM-oats作物子模型的作物參數及氣象參數進行了敏感性分析,主要結論如下：各產量水平下影響秣食豆產草量的強敏感性參數為：溫度(TEM)、輻射(RADN)、輻射利用效率(RUE)、生長期至生長期結束積溫(YTTEOJ);雨養與實際產量水平下溫度(TEM)對飼用燕麥產草量表現為強敏感性,而潛在條件下為輻射(RADN),春化敏感性指數(VS)、輻射利用效率(RUE)、生長期結束至初花期積溫(TTEOJ)是影響飼用燕麥產草量的關鍵作物參數;APSIM通過作物參數來表達作物對不同環境的響應,不同產量水平條件會導致產草量對參數的敏感性有差異。