未來氣溫和降水變化對山西冬小麥產(chǎn)量的影響

張祎瑋，張建新

（1.山西省氣候中心，山西 太原 030006；2.山西省氣象災(zāi)害防御技術(shù)中心，山西 太原 030006）

【研究意義】近幾十年來，全球氣候“暖干化”趨勢越來越明顯［1］，而我國的溫度增加幅度高于全球平均水平。山西地理位置特殊，氣候復(fù)雜，農(nóng)業(yè)生產(chǎn)基礎(chǔ)設(shè)施薄弱，是面對氣候變化不利影響最為脆弱的地區(qū)之一。冬小麥?zhǔn)巧轿魇〉诙蠹Z食作物，播種面積占全省農(nóng)作物總播種面積的17%，產(chǎn)量約占全省糧食總產(chǎn)的16%，僅次于玉米［2］。因此準(zhǔn)確地評估當(dāng)?shù)囟←湲a(chǎn)量水平及氣候變化對產(chǎn)量的影響，并因地制宜采取應(yīng)對措施顯得尤為重要?！厩叭搜芯窟M(jìn)展】近幾十年來，山西省氣溫呈顯著上升趨勢，年均降水呈略微下降趨勢，日照時數(shù)變化不顯著［3］。在這種氣候變化背景下，山西省糧食生產(chǎn)面對極大挑戰(zhàn)，干旱和季節(jié)連旱頻發(fā)，導(dǎo)致農(nóng)業(yè)產(chǎn)量不穩(wěn)定［4］。溫度上升縮短冬小麥生育期，作物無法經(jīng)歷寒冬期，干重和穗重顯著降低，農(nóng)作物氣候生產(chǎn)力下降［5-6］；近20年山西省降水減少使小麥生育期內(nèi)水分虧缺嚴(yán)重，顯著降低了冬小麥的生產(chǎn)潛力［7］。此外，氣候變化也影響糧食品質(zhì)等指標(biāo)，對農(nóng)戶的生計以及農(nóng)業(yè)相關(guān)產(chǎn)業(yè)發(fā)展產(chǎn)生不利影響［8］。當(dāng)前國內(nèi)外用來評估糧食產(chǎn)量的方法主要有遙感技術(shù)、氣象預(yù)測模型、作物機(jī)理模型等［9］。作物機(jī)理模型因其機(jī)理性強(qiáng)、對作物生長影響因素考慮比較充分、可以定量描述不同氣候因子作用、外推效果好、預(yù)測未來作物產(chǎn)量可信度較高等優(yōu)勢［10］，成為研究氣候變化對農(nóng)業(yè)生產(chǎn)影響的重要方法之一。目前應(yīng)用較廣的作物機(jī)理模型主要有澳大利亞的APSIM模型、美國的DSSAT模型、DNDC模型等。為更精確地模擬作物的生長發(fā)育狀況和產(chǎn)量，國內(nèi)外學(xué)者進(jìn)行了系列研究。茹曉雅等［11］利用APSIM模型模擬自然降水和施氮對春小麥產(chǎn)量的影響，擬合出產(chǎn)量最優(yōu)條件下的施氮和降水量；楊絢等［12］運用CERES-Wheat模型預(yù)估中國未來小麥產(chǎn)量易受高溫脅迫威脅的空間分布，發(fā)現(xiàn)開花期前為小麥產(chǎn)量受高溫影響最重要的敏感時期；劉文茹等［13］通過對長江中下游未來30年氣候變化對小麥產(chǎn)量影響的模擬，得出DSSAT-CERES-Wheat品種遺傳參數(shù)本地化后能準(zhǔn)確模擬冬小麥的生長發(fā)育過程及產(chǎn)量潛力；孫茹等［14］采用部門間影響模式比較計劃（ISI-MIP）的氣候模式，確定全球升溫1.5、2.0℃出現(xiàn)的時間，并結(jié)合DSSAT模型綜合評價不同升溫情景對中國小麥產(chǎn)量的影響；武永利等［15］發(fā)現(xiàn)冬小麥的產(chǎn)量和葉面積指數(shù)的動態(tài)變化能夠被ALMANAC模型較好地模擬，且能模擬不同水分條件下冬小麥的葉面積指數(shù)及氣候變化對冬小麥影響。近年來，DNDC模型在模擬農(nóng)作物產(chǎn)量、溫室氣體排放、氮素循環(huán)等方面的應(yīng)用越來越廣泛。如喬帥帥等［16］通過模擬冬小麥近10年產(chǎn)量和蒸發(fā)蒸騰量，評估了北京市大興區(qū)冬小麥水分利用效率，點位和區(qū)域模擬效果較好；吳亞楠等［17］通過模擬冬小麥種植環(huán)節(jié)中污染物排放，比較不同區(qū)域小麥生產(chǎn)過程中與施肥有關(guān)的資源環(huán)境影響潛力；陳靜等［18］通過模擬滴灌施肥一體化管理措施下冬小麥生長情況和產(chǎn)量，篩選出最優(yōu)滴灌施肥措施；李仙岳等［19］運用DNDC模型模擬并研究不同類型地膜覆蓋及不同施氮量對玉米生長、氮素吸收及利用效率的影響，得到降解地膜覆蓋下較優(yōu)的施肥模式。上述研究表明DNDC模型可以較準(zhǔn)確反映我國農(nóng)田生態(tài)系統(tǒng)對多要素的響應(yīng)，適用于多種農(nóng)田產(chǎn)量研究。

【本研究切入點】前人關(guān)于華北地區(qū)冬小麥產(chǎn)量評估及其對氣候變化的響應(yīng)研究較多，研究方法多為回歸統(tǒng)計分析［20］、省級或站點尺度的研究［21］，在機(jī)理和空間尺度分析上存在不足，且針對山西省冬小麥產(chǎn)量模擬研究較少?！緮M解決的關(guān)鍵問題】本研究利用DNDC模型模擬山西省縣級冬小麥產(chǎn)量，進(jìn)一步分析未來氣溫、降水變化對產(chǎn)量的影響，以期為山西省冬小麥的科學(xué)種植和規(guī)劃提供參考依據(jù)。

1 材料與方法

1.1 模型介紹

DNDC（反硝化-分解，Denitrification-Decomposition）模型，是描述農(nóng)業(yè)生態(tài)系統(tǒng)中碳和氮生物地球化學(xué)過程的計算機(jī)模擬模型［22］。作為機(jī)理模型，DNDC可模擬點位和區(qū)域尺度上農(nóng)業(yè)生態(tài)系統(tǒng)中碳和氮的生物地球化學(xué)過程，目前在模擬農(nóng)作物產(chǎn)量、土壤固碳作用、氮素收支、溫室氣體排放等方面得到廣泛應(yīng)用。該模型可從點位和區(qū)域兩種尺度模擬產(chǎn)量和溫室氣體，在區(qū)域模擬中，需輸入每個行政區(qū)的土壤、氣象、作物和田間管理參數(shù)等。本研究通過DNDC區(qū)域模擬模塊對山西省2017—2018年冬小麥產(chǎn)量進(jìn)行模擬預(yù)測，并與實測值進(jìn)行對比分析，評價DNDC模型在山西省冬小麥產(chǎn)量模擬中的適用性。

在區(qū)域模擬過程中，需根據(jù)DNDC數(shù)據(jù)庫規(guī)則獲取研究區(qū)域內(nèi)所有格點的地理信息、氣象、土壤、作物和田間管理方式數(shù)據(jù)，將其存儲于DNDC數(shù)據(jù)庫中，模型運行時從該數(shù)據(jù)庫中讀取對應(yīng)參數(shù)［23］。模型通過多種函數(shù)方程表述土壤碳氮循環(huán)過程，將環(huán)境-作物-土壤視為有機(jī)的統(tǒng)一體，利用驅(qū)動數(shù)據(jù)模擬碳氮元素的分配和去向。

1.2 數(shù)據(jù)來源

1.2.1 氣象數(shù)據(jù) DNDC模型需要日最低、最高氣溫和降水?dāng)?shù)據(jù)來驅(qū)動模型中各模塊，太陽輻射數(shù)據(jù)為非必需輸入項。研究區(qū)氣象數(shù)據(jù)來自山西省各縣級氣象臺站，包括2017—2018年全省麥區(qū)共62個站點的逐日最高氣溫、最低氣溫和降水量。對于一些缺測站點，按照最近距離原則將臨近氣象站數(shù)據(jù)分配。

1.2.2 土壤數(shù)據(jù) 土壤數(shù)據(jù)來自于Harmonized World Soil Database（version 1.1）（HWSD）數(shù)據(jù)集，該數(shù)據(jù)集包含DNDC土壤數(shù)據(jù)庫中所需土壤參數(shù)（土壤有機(jī)碳、容重、黏土含量、pH），數(shù)據(jù)分辨率為1km·1km，利用ArcGIS軟件提取出研究區(qū)各縣土壤參數(shù)的最大、最小值。

1.2.3 作物參數(shù)和農(nóng)田管理數(shù)據(jù) 由于缺少研究區(qū)冬小麥作物生理參數(shù)，本研究結(jié)合前人研究成果［24-25］和國家農(nóng)業(yè)科學(xué)數(shù)據(jù)中心數(shù)據(jù)，經(jīng)多次校正得出研究區(qū)小麥的最佳生理參數(shù)（表1）。研究區(qū)農(nóng)田耕作方式為深度10 cm的傳統(tǒng)耕作，各縣氮施肥施量統(tǒng)一設(shè)定為230 kg/hm2，灌溉方式設(shè)為雨養(yǎng)。

1.2.4 產(chǎn)量數(shù)據(jù) 山西省統(tǒng)計年鑒數(shù)據(jù)顯示，山西省冬小麥種植面積6.87×105hm2，主要集中在運城、臨汾、晉城3市，總種植面積占全省冬小麥種植面積90%以上，長治、太原、晉中和呂梁部分地區(qū)也有少量晚熟冬小麥分布，種植面積僅占全省10%。為評估模型產(chǎn)量模擬精度，本研究選取2018年國家統(tǒng)計局山西調(diào)查總隊提供的縣級產(chǎn)量數(shù)據(jù)做驗證，該數(shù)據(jù)由山西省冬麥區(qū)62個縣（市、區(qū)）實測產(chǎn)量數(shù)據(jù)統(tǒng)計得出。

表1 冬小麥產(chǎn)量DNDC模擬輸入?yún)?shù)Table 1 Input parameters of winter wheat yield of DNDC model

2 結(jié)果與分析

2.1 氣象條件分析

2017—2018年山西省冬小麥生長期為2017年9月13日—2018年6月24日，由北至南共285 d，平均251 d；平均0℃以上積溫為2 217℃·d，除運城外，大部麥區(qū)較常年偏多79.0～369.2℃，平均氣溫9.07℃；研究區(qū)在冬小麥生育期間降水偏少，平均累積降水約為213.5 mm，大部麥區(qū)較常年偏少1.7～150.6 mm；平均累積日照時數(shù)約為1 507 h，大部麥區(qū)較常年偏少43.2～345.7 h（圖1）。

2.2 產(chǎn)量模擬結(jié)果分析

圖2A是2018年冬小麥實際單產(chǎn)，其中白色區(qū)域代表該縣未種植冬小麥或面積極小，因此不做模擬研究。從圖2A可以看出，山西省冬小麥主要分布在中南部，單產(chǎn)介于1 700～6 800 kg/hm2，平均單產(chǎn)為4 545.9 kg/hm2。單產(chǎn)較高地區(qū)主要分布在晉中、長治、運城部分縣（市），臨汾、晉城大部，呂梁個別縣（市）單產(chǎn)居中，其余地市單產(chǎn)較低。圖2B為模型模擬單產(chǎn)，模擬結(jié)果全省平均單產(chǎn)為4 335.6 kg/hm2，單產(chǎn)較高地區(qū)主要分布在運城、臨汾大部、晉城大部以及晉中個別縣（市），其余縣（市）單產(chǎn)較低。整體模擬相對誤差為4.63%，較好反映了山西省冬小麥單產(chǎn)，但部分地區(qū)產(chǎn)量的分布模擬效果不佳，在種植區(qū)中部模擬效果較好，但在種植區(qū)北部和南部出現(xiàn)一定偏差。

圖1 山西省2017—2018年逐日氣溫、降水變化曲線Fig.1 Curve of daily temperature and precipitation variations in Shanxi Province during 2017-2018

圖2 山西省2017—2018年冬小麥產(chǎn)量分布Fig.2 Distribution of winter wheat yields in Shanxi Province during 2017-2018

2.3 未來氣候變化對山西省冬小麥產(chǎn)量的影響

為進(jìn)一步評估未來氣候變化條件對山西省冬小麥產(chǎn)量的影響，本研究以2017—2018年氣候條件為基準(zhǔn)值，分別模擬了氣溫（T）上升1（T+1）、2（T+2）℃，降水（P）減少10%（90%P）、20%（80%P）及溫度和降水耦合變化（T&P）情景下的單產(chǎn)情況。結(jié)果（圖3）表明，以2017—2018年氣溫降水為基準(zhǔn)，氣溫上升1℃，山西省冬小麥單產(chǎn)下降4.60%；氣溫上升2℃，單產(chǎn)增加16.44%；降水減少10%，單產(chǎn)減少5.79%；降水減少20%，單產(chǎn)減少6.71%；氣溫上升1℃、降水減少10%，單產(chǎn)增加7.69%；氣溫上升1℃、降水減少20%，單產(chǎn)增加7.41%；氣溫升高2℃、降水減少10%，單產(chǎn)增加15.84%；氣溫上升2℃、降水減少20%，單產(chǎn)增加15.47%。

圖3 8種模擬氣候變化情景下山西省冬小麥產(chǎn)量變化Fig.3 Variations of winter wheat yields in Shanxi Province under scenarios of eight climate change simulated

3 討論

3.1 模型評價及分析

本研究對山西省2017—2018年冬小麥產(chǎn)量的模擬相對誤差為4.63%，與前人研究相比，精度更高，本次模擬可較好地評估山西冬小麥種植區(qū)的產(chǎn)量水平［15］。與僅考慮氣象要素的經(jīng)驗?zāi)Ｐ拖啾?，機(jī)理模型可以較準(zhǔn)確地評估產(chǎn)量水平和多要素對產(chǎn)量的影響。但在空間分布上，DNDC無法較好模擬出種植區(qū)南北部產(chǎn)量差異，原因是由于缺少精細(xì)的縣級種植收獲時間，只能粗略地設(shè)定種植區(qū)內(nèi)冬小麥種植收獲時間相同，因此造成DNDC中冬小麥生育期內(nèi)計算得出的積溫與實際所需積溫有所差距。其中，種植區(qū)中部的產(chǎn)量模擬誤差較低也證明種植收獲時間是造成誤差的主要原因，中部處于氣候過渡地區(qū)，種植收獲時間也基本處于南北過渡期，南北氣候差異導(dǎo)致種植收獲時間差異造成一定的模擬誤差。但從研究區(qū)產(chǎn)量整體模擬誤差可以得出，DNDC可以較為準(zhǔn)確地評估研究區(qū)冬小麥產(chǎn)量水平，可進(jìn)一步評估氣候變化對研究區(qū)產(chǎn)量的影響。

3.2 氣候變化對冬小麥產(chǎn)量影響

葛連興［26］研究得出，在未來（—2039年）RCP8.5氣候變化背景下，山西省冬小麥生育期間最低和最高溫度顯著升高0～2℃，平均降水量變化較小，但年際間降水波動較大。本研究得出氣溫上升1℃情景下，冬小麥產(chǎn)量降低4.60%，而氣溫上升2℃情況下，冬小麥產(chǎn)量則增加16.44%，說明研究區(qū)冬小麥對氣溫敏感性較高。生育期內(nèi)氣溫小幅度變化會顯著改變生育期內(nèi)積溫水平，直接影響作物生長發(fā)育，且增溫導(dǎo)致的農(nóng)田生態(tài)系統(tǒng)其他要素變化也會間接影響產(chǎn)量。諸多研究表明，在升溫情況下，旱情加重，土壤濕度降低，作物生育期縮短，不利于籽粒形成；另外，氣溫升高會促進(jìn)無機(jī)肥分解，作物可用氮減少，對作物生長不利，導(dǎo)致產(chǎn)量下降［27］。但氣溫上升2℃，冬小麥產(chǎn)量明顯增加，可能原因是相對于溫度升高，礦化氮在作物生長中占據(jù)更重要角色，以往研究［28］表明礦化氮占作物吸收氮元素的 44.8%～67.5%，大氣溫度的升高有利于土壤中氮元素的礦化［29-30］，作物生長獲得更充足的N素。因此，較高的氣溫上升幅度可以一定程度削弱由于生育期縮短造成的不利影響。

本研究得出降水量減少會降低冬小麥單產(chǎn)，山西省冬小麥種植以雨養(yǎng)模式為主，降水量的多少直接決定生育期內(nèi)作物可獲得的水分，在氣溫條件不變的情況下，降水減少10%～20%不足以滿足冬小麥生育期內(nèi)水分需求，水分利用率下降，造成單產(chǎn)降低。但在氣溫升高1～2℃與降水減少的耦合作用下，單產(chǎn)出現(xiàn)一定程度增加。在溫度上升和降水減少的耦合作用下，土壤濕度會顯著下降，有研究表明增溫和干旱脅迫會造成冬小麥減產(chǎn)［31］，也有研究得出一定程度干旱脅迫會增加產(chǎn)量［32］，土壤濕度與冬小麥產(chǎn)量呈負(fù)相關(guān)［33］，造成產(chǎn)量對要素不同響應(yīng)的原因是地區(qū)間不同的氣候背景和改變幅度大小。在DNDC模擬中，太陽輻射強(qiáng)度由溫度和降水計算得出，未來情景下的高溫和少雨模式增加了太陽輻射量，諸多研究［34］表明太陽輻射與山西省冬小麥產(chǎn)量之間呈顯著的正相關(guān)，更高的太陽輻射量促進(jìn)作物光合作用，可能是該情景下增產(chǎn)的重要原因［35］。

綜合分析氣候變化對山西省冬小麥產(chǎn)量的影響可以得出，氣候變化不僅直接影響作物長勢和產(chǎn)量，還可以通過改變土壤濕度間接影響作物產(chǎn)量。諸多研究表明，氣候要素和土壤濕度是影響山西省冬小麥生產(chǎn)潛力的主要要素［34］。優(yōu)化種植模式和調(diào)整種植區(qū)是削弱氣候變化不利影響的重要措施，可在部分地區(qū)推廣套作間作，以提高水分、氮和光能利用率［36］。由于山西省地區(qū)間作物品種和種植習(xí)慣存在差異，因此后續(xù)研究需要進(jìn)一步細(xì)化參數(shù)，評估氮利用率等直接影響產(chǎn)量的指標(biāo)，為應(yīng)對氣候變化的不利影響做分類指導(dǎo)。

4 結(jié)論

山西省氣候特殊，氣溫和降水的變化對冬小麥等作物生長影響顯著。DNDC模型不僅能夠較好地模擬山西省冬小麥產(chǎn)量，且可以模擬未來氣候變化情景下的產(chǎn)量變化。本研究得出，未來在“干者越干，濕者越濕”的氣候變化大背景下，降水和溫度的耦合變化可能會一定程度上增加冬小麥產(chǎn)量，但降水減少和增溫的單一變化可能會降低產(chǎn)量。山西省冬小麥種植區(qū)南北跨度大，區(qū)域間氣候和冬小麥產(chǎn)量差異顯著，本研究認(rèn)為在部分降水顯著減少的區(qū)域，可以采用間作套作的模式，提高水分和光能利用率。