基于DNDC模型的北方受旱區(qū)農(nóng)作物灌溉節(jié)水模式探討

周琳琳

(鐵嶺市水利工程質(zhì)量監(jiān)督站，遼寧 鐵嶺 112000)

對于農(nóng)業(yè)而言，旱災(zāi)損失主要是對糧食產(chǎn)量的影響[1]，因此，可以將作物產(chǎn)量作為衡量損失的指標。Zhang指出作物產(chǎn)量是受干旱脅迫的綜合結(jié)果，因此可以利用作物產(chǎn)量來刻畫旱災(zāi)損失的高低[2]。Li認為受干旱脅迫情況下的糧食產(chǎn)量與正常情況相比的損失程度可以用于衡量干旱大小[3]。在這一思想主導下，提出了基于因旱糧食損失的旱災(zāi)損失動態(tài)評估方法[4- 5]，該方法是基于作物產(chǎn)量預(yù)測技術(shù)，在作物受干旱脅迫條件下，通過對作物生長狀態(tài)的觀測，預(yù)測未來糧食最終產(chǎn)量。當前，在北方旱區(qū)需要一些灌溉技術(shù)為糧食生產(chǎn)安全提供保障。為此本文結(jié)合常用的灌水方式和農(nóng)藝措施，開展膜下滴灌[6]、膜下微噴[7]、膜上灌溉[8]、低壓管灌[9]和微噴灌溉[10]等地面灌溉技術(shù)對比試驗研究，選擇出最適宜在北方地區(qū)應(yīng)用的灌溉技術(shù)模式，以便在抗擊春旱及伏旱保苗、保墑中發(fā)揮積極作用，實現(xiàn)玉米穩(wěn)產(chǎn)高產(chǎn)。

1 DNDC模型主要原理

DNDC模型[10]由6個子模型構(gòu)成如圖1所示，分別模擬土壤氣候、農(nóng)作物生長、有機質(zhì)分解、硝化、反硝化和發(fā)酵過程，這些過程描述了土壤碳氮的產(chǎn)生、分解和轉(zhuǎn)化，最后給出作物生物量、土壤有機碳和CO2、N2O等溫室氣體通量。其中與本研究關(guān)系密切的作物生長模塊如圖1所示。

2 模型應(yīng)用

2.1 模型數(shù)據(jù)收集

模型對氣象數(shù)據(jù)的輸入?yún)?shù)為逐日溫度(最高、最低溫)和降水。本研究取1995—2009年的逐日溫度數(shù)據(jù)和降雨數(shù)據(jù)進行氣象數(shù)據(jù)集構(gòu)建。溫度數(shù)據(jù)來源于中國氣象局提供的站點數(shù)據(jù)，屬于全要素氣象站點數(shù)據(jù)，包括日最高氣溫、日最低氣溫、日降水量、日太陽總輻射、日相對濕度和日平均風速等，遼寧省有28個站點。收集了區(qū)域地形數(shù)據(jù)，如圖2所示，此外除了查閱相關(guān)文獻資料外，進行了野外實地調(diào)研，采集作物樣品，進行生物量、C/N比值等測量，為模型參數(shù)提供實測數(shù)據(jù)。

2.2 模型參數(shù)

土壤數(shù)據(jù)源為國家第二次土壤調(diào)查數(shù)據(jù)，模型主要考慮土壤的性質(zhì)(如沙土、黏土、壤土等)，土壤有機碳(SOC)，黏土含量(Clay)，酸堿度(pH)，土壤容重(buck density)等。在區(qū)域模擬中，輸入?yún)?shù)為這些指標的最大最小值。

圖1 作物生長模型結(jié)構(gòu)原理

圖2 區(qū)域高程地形數(shù)據(jù)

2.3 作物生長模擬結(jié)果

采用1995—2016年的22年數(shù)據(jù)進行參數(shù)率定，見表1建立了區(qū)域的本地化數(shù)據(jù)庫。這里以區(qū)域2000、2001、2002年的數(shù)據(jù)來說明DNDC模型運行和參數(shù)率定過程，作物生長模擬結(jié)果如圖3—4所示。

表1 土壤數(shù)據(jù)示例表

圖3 2000、2001、2002年的溫度、養(yǎng)分和水分分布曲線

圖4 DNDC模型模擬作物逐日生長情況

圖3所示分別是3年的積溫曲線、養(yǎng)分脅迫曲線和水分脅迫曲線。從圖3(a)可以看出這3年的溫度狀況(脅迫程度)基本一致。對于養(yǎng)分情況，通過調(diào)查研究得知，遼寧地區(qū)玉米施肥(主要是無機肥)情況良好，基本滿足玉米作物的氮肥供應(yīng)，因此養(yǎng)分(氮)脅迫為1(即不存在脅迫，如圖3(b))。而這3年的水分脅迫相差較大，其中2000年的水分脅迫最嚴重，2001年次之，2002年再次。

圖4所示DNDC模型模擬這3年玉米作物的籽粒和莖葉的逐日形成過程，通過生物量的多少來表示，其中籽粒即是玉米的產(chǎn)量，經(jīng)過轉(zhuǎn)換系數(shù)的轉(zhuǎn)換可以得到單產(chǎn)的產(chǎn)量。從圖中可以看出，受水分脅迫最嚴重的2000年的作物生物量(產(chǎn)量)最小，而相對的受水分脅迫最輕的2002年的生物量(產(chǎn)量)最大。圖中同時反映了作物的生長關(guān)鍵期，不同的生長時期作物的生物量增長速率不同。

2.4 灌水模式對作物生長期株高影響

對不同灌溉節(jié)水模式下作物生長期的株高進行了模擬試驗，試驗結(jié)果見表2。

表2 不同灌水模式下玉米生育期株高數(shù)據(jù)表

從表2中可看出，對于2013年中MWP以及GG灌溉節(jié)水模式下的作物株高明顯高于其他節(jié)水模式，在2014年及2015年，各灌溉節(jié)水模式下作物株高都較為相近。對于農(nóng)作物而言，其作物株高是其高糧食產(chǎn)量的主要基礎(chǔ)，在相應(yīng)灌溉節(jié)水模式下的作物株高均可以在生育期間達到一定程度的高值，由于不同節(jié)水灌溉模式的不同，不同作物生育期的株高發(fā)育程度不同，總體而言，膜下微潤灌>膜下微噴>膜下滴灌>傳統(tǒng)灌溉>管灌與微噴聯(lián)合灌>微潤灌>無灌溉，在后續(xù)補水的過程中，農(nóng)作物的株高變化趨勢較為一致。在WPGG、GG兩個灌水模式下，由于沒有覆膜，使得在生長前期株高較低，后期呈現(xiàn)明顯的遞增變化，而在MWR模式下，其后期作物株高變化較為平穩(wěn)。

2.5 灌水模式對作物生長期葉面積影響

對不用灌水模式下的作物生長期的葉面積指數(shù)進行動態(tài)分析，試驗分析結(jié)果見表3。

表3 不同灌水模式下玉米生育期葉面積數(shù)據(jù)表

從試驗結(jié)果分析可知，不同灌溉節(jié)水模式下作物葉面積指數(shù)呈現(xiàn)單峰變化，在作物拔節(jié)期葉面積指數(shù)的增長數(shù)據(jù)較為緩慢，而在拔節(jié)后葉面積指數(shù)迅速增長，在作物灌漿期葉面積指數(shù)達到最大程度，而在作物生長后期，其葉面積指數(shù)出現(xiàn)一定程度的下降變化趨勢。在作物的整個生長期內(nèi)，農(nóng)作物葉面積指數(shù)和灌溉節(jié)水的模式以及農(nóng)作物耕種方式均具有較大的相關(guān)性。在WR和CK兩種灌溉節(jié)水模式下，為進行覆膜處理要比覆膜處理方式下的葉面積指數(shù)要小，而在整個作物生長期內(nèi)，不進行節(jié)水灌溉方式下的葉面積指數(shù)均小于各個時期的葉面積指數(shù)。從試驗數(shù)據(jù)可看出，WPGG與GG兩種節(jié)水灌溉方式下，在苗期與拔節(jié)期，WPGG方式下的葉面積指數(shù)均小于同期GG灌溉節(jié)水方式下的葉面積指數(shù)。而MWR與WR相比下，在苗期與拔節(jié)期，MWR處理方式下的葉面積指數(shù)要小于WR方式下的葉面積指數(shù)。

2.6 灌水模式對作物耗水量影響

對不同灌水模式下的作物耗水量進行了試驗分析，試驗分析結(jié)果見表4。

表4 不同灌溉技術(shù)模式下玉米各生育階段日均耗水量 單位:mm

從表1中可看出，作物在生長前期的耗水量較小，而在生長中期耗水量逐步變大，在成熟期呈現(xiàn)逐步減小的變化趨勢。從2013年作物生長初期可看出，由于初期作物株高較低，氣溫影響下的蒸散發(fā)較小，各種灌溉節(jié)水方式下的作物日耗水量較小比例在0.08～0.36mm/d之間，而在2014年作物各生長期的日耗水量減小比例在0.08～0.36mm/d之間，在2015年作物各生長期的日耗水量遞減比例在0.03～0.31mm/d之間，作物育苗期產(chǎn)量遞減25%左右。這樣表明了在未覆膜處理方式下的作物耗水量得到有效減少，在作物育苗期程度逐步加大，隨著氣溫的增加以及作物株高的增長，作物耗水量也逐步增加。

3 結(jié)語

(1)DNDC模型可較好的模擬旱區(qū)作物生長過程，可解決不同灌溉節(jié)水模式下的作物產(chǎn)量模擬影響的方法缺失的問題；

(2)膜下滴灌灌溉方式對作物穗粒數(shù)的影響最為明顯，其次為膜下微噴，灌溉方式增產(chǎn)順序依次為膜下微潤灌(MWR)、微潤灌(WR)、微噴帶與管灌聯(lián)合灌溉(WPGG)和管灌(GG)。