基于AquaCrop模型的阿勒泰地区春小麦节水潜力分析*

任哓红, 王会肖**, 刘昌明, 范 玲

(1.北京师范大学水科学研究院 北京 100875; 2.中国科学院地理科学与资源研究所 北京 100101)

水是21世纪资源热点问题, 坚持节水优先是解决水资源供需矛盾的重要途径之一。我国作为农业大国, 农业用水约占总用水量的63%, 但农业中的水浪费现象也最严重, 保障农业用水安全、积极发展节水农业对于节水型社会建设有重要意义, 是保障国家粮食安全、水安全、生态安全和国民经济可持续发展的必由之路。节水农业是以节水为中心的农业类型, 农业节水的核心问题是提高水分利用率和水分利用效率。节水农业是一项结合农业与水利,水、土、作物资源综合开发的宏大系统工程。张娟等、程云伟、钟新才等、郭晖等分别从生理、工程、农业和管理等方面开展节水研究。强化水资源的刚性约束, 坚持以水定需, 采取各种措施才能真正实现农业节水。AquaCrop模型是一款以水分驱动的作物生长模拟模型, 在农业生产实践中应用较广泛。García-Vila等利用校正后的AquaCrop模型分析棉花()亏缺灌溉方案, 为当地灌溉管理提供依据。Araya等通过模拟大麦()生物量和籽粒产量, 研究发现AquaCrop模型可进行灌溉措施评价和估计最优种植时间。除此之外, AquaCrop模型在玉米()、小麦()、大豆()等作物都得到了较好的应用, 但水、热、盐等的胁迫会影响模拟精度。我国学者将AquaCrop模型应用于华北地区、松嫩平原、黄土塬区、关中地区等地区, 涉及春冬小麦、夏玉米、油菜()、茶()等作物, 都取得了较好的模拟结果。柴顺喜等对AquaCrop进行本地化参数校正, 在北疆地区进行滴灌春小麦产量模拟, 为小麦灌溉策略定量化以及精准农业提供理论依据。AquaCrop模型在作物模拟和灌溉制度研究等方面都已经有了较好的应用, 但进一步的作物节水潜力研究却较少。

新疆地区多年平均农业用水量为524亿m, 占总用水量90%以上, 其中农田灌溉水占农业用水75%左右。据统计, 新疆地区2019年农田灌溉水有效利用系数为0.561, 耕地实际灌溉用水量为8295 m·hm, 有效灌溉面积374.91万hm, 节水潜力巨大。节水是新疆水利建设与农业发展的永恒主题,截至2019年底, 地方节水灌溉面积291.6万hm, 是目前世界上最大的节水灌溉集中区。农业节水灌溉建设成果显著, 尤其北疆地区节水灌溉措施推广率大, 加之特色经济作物鲜明, 农业用水效率高于南疆和东疆地区。阿勒泰地区位于新疆最北部, 自然资源丰富, 素有“金山银山”之称。近年来, 在各级政府的推动下, 农业节水事业发展迅猛, 但灌溉管理的粗放、渠系配套的不完善及水价偏低等问题使农业用水一直居高不下, 不利于当地其他经济行业的发展。对阿勒泰地区农业节水潜力进行分析, 剖析节水现状及问题, 可为优化灌溉制度, 进一步实现农业节水,及节水农业建设与管理提供建议。本文以新疆阿尔泰地区为例, 利用AquaCrop作物生产模型对主要作物小麦进行产量模拟, 建立作物、土壤、管理、气候要素和产量之间的关系。通过设置不同灌溉情景,优化灌溉制度, 达到改变作物耗水量和产量的目的,以水分利用效率为主要指标, 协调作物耗水与产量之间的平衡; 最后基于不同灌溉情景, 计算农业节水潜力, 以耗水低产量高为目标, 择优选择最佳灌溉方案, 为阿勒泰地区农业节水的进一步展开提供依据。

1 数据来源与研究方法

1.1 研究区概况

截至2017年底, 阿勒泰地区节水灌溉面积为17.66万hm, 占全地区总灌溉面积的68.1%; 多年平均农业用水量为32.2亿m, 占总用水量的95.7%; 各种作物综合灌溉定额高达9553.5 m·hm, 远高于作物实际需水量, 部分地区采用自流灌溉或漫灌的灌溉方式, 与新疆其他地区相比, 灌溉用水定额偏大,农业节水潜力巨大。阿勒泰地区丘陵平原多年平均降水量150～250 mm, 夏多冬少, 具有“两季降水暖季用, 山区降水补平原”的水资源再分配特点, 且全区降水≥10 mm的“透雨”次数极少, 农田灌溉主要依靠山区形成的河水。年平均气温4～5 ℃, 极端气温与无霜期因地区而异, 丘陵平原区全年无霜期150 d左右, 全年日照时数2800～3200 h, 年蒸发量1400～2200 mm, 地下水整体埋深超过5 m。近年来, 随着经济及人口的增长, 水资源短缺情况加剧, 提高作物水分利用效率是非常有必要的。阿勒泰作为国家重要生态功能区、西北生态屏障, 新疆重要水源供给和战略储备池, 明晰当地节水潜力, 对节水农业的进一步开展有重要意义。阿勒泰地区耕地及主要气象站点分布情况见图1。

图1 阿勒泰地区耕地及主要气象站点分布图Fig. 1 Distribution of cultivated land and main meteorological stations in Altay region

1.2 研究方法

AquaCrop模型是由联合国粮农组织(FAO)研发, 反映作物生物量与产量对水分供应响应规律的一款通用型作物生长模拟模型, 用于评估粮食安全及环境和管理对作物生产的影响。模型以较少的参数在模拟的简便性、精确性和稳定性之间取得了良好的平衡, 在亏缺灌溉指定策略等方面应用广泛。

其理论基础基于以下产量水分响应关系式:

式中:、分别表示作物潜在产量和实际产量,kg·hm;表示作物产量对水分响应的比例因子;ET、ET表示作物潜在蒸腾量和实际蒸腾量, mm。经过演变改进后, 作物蒸腾量、地上生物量和产量的计算公式为:

式中:表示作物蒸腾量, mm;表示土壤水分胁迫系数, %;表示实际作物区别于参考作物的所有不同因素, %; CC表 示校准后的冠层覆盖度, %;表示生物 量, t·hm;表示低温胁迫系数, %; W P表示标准化水分生产效率, kg·m; HI表示作物收获指数,% ;表示最终作物产量, t·hm。

AquaCrop模型中虽然提供了典型作物的一系列参数, 但仍有部分参数会随着地理位置、管理方式等的变化而发生改变, 因此需要对本地化处理的参数进行研究区适用性校正。验证评价指标以产量相对误差RE为主, 模型的适用性评价常见指标如下:

农业用水最终消耗在田间, 土壤蒸发和作物蒸腾构成了田间耗水, 单位耗水形成的干物质或经济产量定义为水分利用效率或水分生产率, 一般在叶片、群体和产量3个水平进行描述。目前研究最多的是产量水平的水分利用效率, 是农田、作物节水研究的重要内容。

产量水平的水分利用效率(WUE)表示为:

式中: WUE表示水分利用效率, kg·m;表示产量,kg·hm; WU表示作物用水量, m·hm。对于作物用水来源而言, 作物水分利用效率可分为蒸散效率(ET)、灌溉水利用效率()和降水利用效率。在本研究中, 以灌溉水利用效率作为衡量节水的指标。

据统计, 阿勒泰地区春小麦的实际灌溉定额约为780 mm, 平均年灌溉次数为8次, 全生育期需水量约为500 mm。温度作为确定适播期的重要依据, 适播期的确定对小麦的群体结构及产量有较大影响。为探索不同灌溉制度对阿勒泰地区春小麦产量和水分利用效率的影响, 实现灌溉制度的优化和春小麦栽培的高产、高效, 以2017年作为现状水平, 制定不同的模拟情景: 1)灌溉定额分别为400 mm、350 mm、300 mm、250 mm、200mm; 2)灌水周期分别为7 d、10 d, 灌水次数对应分别为11次、8次。根据播种时间4月10日和4月20日, 分别设置10个模拟情景(表1)。

表1 小麦不同播种时间下灌溉模拟情景设置Table 1 Settings of simulated scenarios of irrigation of wheat sown in different dates

农业节水措施同时考虑农业工程措施和非工程措施。农业工程措施的节水效果主要体现在灌溉水有效利用系数的提升, 新疆地区2017年农田灌溉水利用系数为0.542, “十三五”实现农田灌溉水利用系数提升至0.570, “十四五”灌溉水有效利用系数达0.580, 2030年达到“十三五”期间确立的用水效率控制红线0.600以上。本文主要采取的非工程措施是灌溉措施的优化, 利用以下公式进行计算:

式中:表示实灌面积, 万hm;、分别表示作物实际和可能净灌溉用水量, m·hm; η、η分别表示实际和可能灌溉水利用系数; Δ表示作物可能总节水 量, 亿m。

1.3 数据来源

阿勒泰地区共有阿勒泰、福海、哈巴河、吉木乃、布尔津、富蕴和青河7个气象站点, 由于部分站点2017年10月后数据缺失, 同时为简化数据整理, 最终选择阿勒泰、福海和哈巴河3个气象站点代表阿勒泰地区的整体情况, 利用ET计算器对气象站点所代表区域进行参考作物蒸腾量计算, 其中2017年气象参数如图2所示。AquaCrop模型的数据输入模块主要包括气象模块、作物模块、田间管理模块和土壤模块。输出数据包括地上生物量、产量、蒸散效率、收获指数等。地区内的气温、降水、湿度、风速等气象数据来自中国气象数据网。太阳辐射数据来源于美国国家航空航天局MERRA-2中的tavg1_2d_rad_Nx数据集。由于实际条件限制无法进行实地试验, 且阿勒泰地区与柴顺喜等的试验地区气候整体具有一致性, 作物的生长周期、种植密度、生育期积温、参考收获系数等参数如表2所示。土壤数据来自联合国粮农组织(FAO), 并分析结果如表3。管理数据包括灌溉措施及田间管理, 管理数据中种植面积和产量数据来源于《阿勒泰地区统计年鉴》; 灌溉措施包括灌溉方式、灌溉次数、灌溉时间、灌溉水量; 全生育期灌水8次, 每10 d均匀灌溉1次, 灌溉水量为400 mm, 其余均为常规大田管理。

表2 AquaCrop模型中经本地化校准后的部分参数Table 2 Partial parameters of AquaCrop model after localization and calibration

表3 阿勒泰地区主要土壤参数Table 3 Main soil parameters in Altay region

图2 研究区不同气象站点的2017年气象参数(a: 阿勒泰站; b: 福海站; c: 哈巴河站)Fig. 2 Meteorological parameters of the study areas in different meteorological stations in 2017 (a: Altay Station; b: Fuhai Station;c: Habahe Station)

2 结果与分析

2.1 AquaCrop模型参数率定与适用性分析及验证

由于AquaCrop模型的原参数是利用石河子地区进行的校准与验证, 在更广泛的北疆地区春小麦产量模拟上的代表性有限。因此, 在对阿勒泰地区进行情景分析前, 首先对原参数进行2005-2014年的多年验证: 根据积温的基本原则确定每年的播种日期, 输入主要参数后, 进行阿勒泰、哈巴河和福海3个站点的产量模拟; 利用泰森多边形法大致划分3个气象站点覆盖范围, 按照阿勒泰∶福海∶哈巴河=3.5∶3.5∶3进行区内耕地的覆盖, 最终验证结果指出: 所有模拟结果均小于实际产量(图3, 浅绿色圆点), 产量误差也较大, 因此需要进行参数率定并验证。AquaCrop模型参数分为作物生长和产量两个模块,其中作物生长模块参数的调试需要进行田间实验,最终进行产量模块参数标准化水分生产效率(WP*)和参考收获指数(HI)的调试, 分别设置WP*=18 g·m、WP*=19 g·m, HI=42%、HI=45%、HI=48%共6种情况分别进行产量模拟及验证, 各种情况的产量模拟结果图3所示。

图3 阿勒泰地区不同产量模块参数下的多年作物模拟产量对比图Fig. 3 Comparison diagram of crop yield simulation at Altay region station under different yield module parameters

根据模拟结果: 1)在产量模块参数WP*=19 g·m、HI=48%的多年模拟中, 所有年份的模拟产量误差值都不超过±8%, 但整体模拟结果偏大, 因此不合适; 2)在产量模块参数WP*=18 g·m、HI=45%和WP*=19 g·m、HI=42%两种情况下的多年模拟中, 整体模拟结果均偏小, 所有年份的模拟产量都小于实际产量, 因此也不合适。3)在WP*=18 g·m、HI=48%和WP*=19 g·m、HI=45%两种情况下的产量模拟结果较接近, 且与实际产量之间的模拟误差也较小, 产量误差范围分别为-3.44%～5.67%、-4.92%～4.56%, 模拟结果较好。周英霞等利用AquaCrop模型对陕西省冬小麦进行模拟, 模拟结果的最大误差为-8.2%。孙哲等在对高台县小麦进行多年模拟时, 最大误差为-10.34%。因此可以推荐WP*=18 g·m、HI0=48%和WP*=19 g·m、HI0=45%作为产量模块参数。

产量模拟完成后进行模型适用性评价, 评价结果如表4所示:

表4 AquaCorp模型产量模块参数在不同情况下的适用性评价结果Table 4 Adaptability evaluation results of yield module parameters of AquaCorp modle under different conditions

根据适用性评价结果, 所推荐的WP*=18 g·m、HI=48%和WP*=19 g·m、HI=45%两种情况下的产量模块参数表现均较好, RMSE、RRMSE和CRM均接近0,和E均接近1, 且WP*=18 g·m、HI=48%的适用性略高于WP*=19 g·m、HI=45%, 因此推荐WP*=18 g·m、HI=48%作为模型产量模块参数。

利用2015-2017年气象数据进行参数验证, 根据产量的模拟结果, 2015-2017年的模拟产量分别为4.946 t·hm、4.839 t·hm和5.176 t·hm, 产 量 误差分别为-0.41%、-3.02%和3.34%, 因此认为WP*=18 g·m、HI=48%可以作为产量模块率定与验证后的参数, 作物生长模块参数保持不变。

2.2 不同情景下的春小麦水分利用效率

对阿勒泰地区的3个站点进行综合分析, 最终模拟结果如表5所示。

表5 不同播期下春小麦不同情景下的水分利用效率模拟结果Table 5 Simulation results of water use efficiency of spring wheat sown in dates under different scenarios

对4月10日播种的小麦, 根据模拟结果, 随着总灌溉水量的降低, 春小麦产量逐渐降低, 灌溉水利用效率则逐渐增加。在S4的模拟情景下, 小麦产量最高, 但此时的灌溉水利用效率为1.480 kg·m, 在S9的模拟情景下, 灌灌水利用效率最高, 为2.211 kg·m。当灌溉定额≥300 mm时, 灌水8次的春小麦产量与灌溉水利用效率都要高于灌水11次; 当灌溉定额≤250 mm时, 则相反。

对4月20日播种的小麦, 根据模拟结果, 在S11的模拟情景下小麦产量最高, 此时灌溉水利用效率为1.406 kg·m; 在S17的模拟情景下, 灌溉水利用效率最高。灌溉次数对产量的影响与不推迟播期的情况相反, 当灌溉定额较高时, 均匀灌溉有利于产量积累, 当灌溉定额较低时, 灌水次数少有利于产量积累。

对比上述模拟结果, 综合考虑作物产量和灌溉水利用效率, 以阿勒泰地区春小麦产量和灌溉水利用效率均处于高水平为目标, 最终推荐S15 (4月20日, 300 mm, 7 d)作为灌溉方案。

2.3 不同情景下的小麦总节水量计算

利用2017年的种植面积(27.37 hm)和小麦实际灌溉定额(780 mm)作为参考值, 现状和未来水平年下, 种植面积不变, 则所有模拟情景作物产量及节水量如表6所示。

表6 固定种植面积不同模拟情景下不同播期春小麦产量与总节水量Table 6 Yield and total water saving of spring wheat sown in different dates under different simulated conditions with the fixed planting area

在种植面积确定的情况下, 春小麦产量随着灌溉定额的减少整体呈下降趋势, 且当灌溉定额为200 mm时产量下降明显。在不同灌溉用水量利用系数下,所推荐的S15灌溉方案节水量分别为2.335亿m、2.407亿m、2.431亿m和2.476亿m。

3 讨论

3.1 播种日期推迟对春小麦可能存在的影响

温度是确定播种日期的重要依据之一, 适期播种能够帮助小麦充分利用光能, 培育壮苗。在模型模拟过程中, 根据优化灌溉的结果, 播种日期推荐为4月20日, 此时温度胁迫较低, 模拟的小麦产量较高。然而普遍研究结果认为早播条件下, 小麦苗期生长较慢, 有利于形成壮苗, 从而可以增强后期的抗倒伏和抗旱能力。不同播种地点的适宜播期不同, 因此需要进行大量的播种试验, 而且小麦的品种类型对温度的敏感度不同。在AquaCrop模型的模拟结果下, 推荐的播种日期4月20日相对于按照积温法则确定的播种日期4月10日, 在温度上的胁迫更小,产量及水分利用效率均较高。

3.2 灌水次数对春小麦的影响

目前, 阿勒泰地区春小麦平均每年灌溉8次, 灌溉定额严重超过地方推荐的灌溉标准。对比不同播期下的情景模拟结果: 1)播种日期为4月10日时,灌溉定额≥300 mm时, 灌水次数为8次时的水分利用效率高于灌水11次, 与阿勒泰地区经验灌溉次数一致; 当灌溉定额≤250 mm时, 灌水次数为8次的水分利用效率低于灌水11次。大量的研究也表明, 不是灌水次数越多, 作物产量就会越高。2)播种日期为4月20日时, 灌溉定额≥250 mm时, 灌水次数为8次的水分利用效率低于灌水11次, 且随着灌溉定额的降低, 水分利用效率的差距越来越明显。随着播期的推迟, 均匀灌溉更有利于作物产量的积累。

3.3 研究的不足

由于田间管理数据(如灌溉、施肥、施药、地面覆盖等)的缺乏, 本研究中的地膜覆盖率、地垄设置和杂草侵扰等均采用AquaCrop模型中的默认值作为输入, 最终的模拟结果可能会与实际有一定误差。模型旨在模拟单田尺度的作物产量, 不考虑农田的空间差异性, 当模拟结果由点位向面上扩展时,应用效果也会存在误差, 而且模型只考虑垂直方向水通量流入(降水、灌溉和毛细上升)和流出(蒸发、蒸腾和深层渗漏), 这也会使得模拟的结果存在系统性误差。

由于阿勒泰地区耕地跨度较大, 地理环境、气象等因素的差异性也大, 本研究未直接将其作为均一的模拟单元处理, 而是将其分成3个模拟单元并加权平均, 在一定程度上考虑了作物生长环境的空间变化。在模拟过程中也未考虑土壤的盐分胁迫和肥力胁迫。阿勒泰地区的地下水埋深也较深, 多年平均地下水埋深均在5 m以下, 对作物生长的影响可以忽略。在不同模拟情景下, 当水分胁迫较小时, 模拟结果的产量不仅误差较小, 而且接近现实作物产量, 这与Heng等的研究结果一致。但在水分胁迫较显著的情况下, 产量出现明显下降。不同播种日期下不同模拟方案的产量结果存在显著差异,推荐的灌水次数也不同, 这说明播种日期的选择对于作物生产十分重要。

在后续的工作中, 首先应该加强数据的收集工作, 进行多年模拟, 进一步研究北疆地区本地化参数在阿勒泰地区的适应性。另外, 为更好地优化灌溉制度, 在不扩大耕地面积、保证作物产量不减少的前提下, 还可以进一步进行覆盖、种植结构调整等多场景的模拟 。

4 结论

本研究以新疆阿勒泰地区为例, 利用北疆地区AquaCrop模型本地化参数, 进行产量模块参数的率定与验证, 进而利用验证后的参数模拟春小麦产量,通过对灌溉定额与灌溉周期、灌溉次数的调整, 模拟不同方案情景下的作物产量, 实现灌溉制度的优化, 进一步计算阿勒泰地区的节水潜力, 主要结果如下:

1)利用AquaCrop模型对阿勒泰地区进行产量模块参数WP*和HI的2005-2014年率定和适用性评价, 评价结果最终推荐WP*=18 g·m、HI=48%作为产量模块参数, 此时的产量误差范围为-3.44%～5.67%, 适用性评价指标RMSE、RRMSE、CRM、和E值分别为0.110、0.023、0.002、0.956和0.935;利用2015-2017年进行参数验证, 模拟的产量误差分别为-0.41%、-3.02%和3.34%, 产量误差不超过±5%, 率定后的参数本地化效果较好, 能够较好地模拟阿勒泰地区无膜滴灌小麦种植的产量。

2)通过进行不同方案下不同情景的产量及灌溉水利用效率的模拟计算, 可以发现推迟播种时间, 有利于降低低温胁迫, 实现产量的增加。建议阿勒泰地区的小麦播种时间为4月20日, 灌水周期为7 d,灌水次数为11次, 灌溉定额为300 mm, 此时灌溉水利用效率较高, 为1.870 kg·m, 产量也较高, 为5.610 t·hm, 可以实现水分利用效率和经济效益的双赢。

3)在灌溉面积确定的情况下, 相对于实际灌溉定额, 现状水平年2017年在不同灌溉定额下(400 mm、350 mm、300 mm、250 mm和200 mm)分别可以实现节水1.849亿m、2.092亿m、2.335亿m、2.579亿m和2.822亿m。最终推荐播种日期为4月20日、灌溉定额为300 mm、灌水周期为7 d的灌溉制度作为推荐灌溉制度, 此时现状水平年(灌溉水利用系数为0.542)和未来水平年(灌溉水利用系数分别为0.570、0.580和0.600)可以分别实现节水2.335亿m、2.407亿m、2.401亿m和2.476亿m。